基于嶺回歸的我國(guó)物流業(yè)股票價(jià)格影響因素分析

韓 鳴，宋淑鴻 （南京林業(yè)大學(xué)，江蘇 南京 210037）

HAN Ming, SONG Shuhong (Nanjing Forestry University, Nanjing 210037, China)

0 引 言

物流是國(guó)家經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)，目前我國(guó)社會(huì)物流總需求呈平穩(wěn)上升的發(fā)展態(tài)勢(shì)，在2018 年社會(huì)物流總額達(dá)到283.1萬(wàn)億，同比增長(zhǎng)6.4%。隨著中國(guó)電商行業(yè)趨于成熟，快遞行業(yè)增速雖然仍維持高位，但明顯低于前期水平，說(shuō)明行業(yè)已經(jīng)進(jìn)入到穩(wěn)步發(fā)展階段。資本是推動(dòng)物流業(yè)發(fā)展的重要力量，通過(guò)上市，可以幫助物流企業(yè)解決資金的問(wèn)題。上市物流企業(yè)可以借助資本的力量提升物流品質(zhì)，拓展新的業(yè)務(wù)，增加企業(yè)規(guī)模，提高市場(chǎng)競(jìng)爭(zhēng)力。但資本市場(chǎng)又是錯(cuò)綜復(fù)雜的，對(duì)于剛?cè)胧械奈锪髌髽I(yè)來(lái)說(shuō)，往往會(huì)面臨著更大的非系統(tǒng)風(fēng)險(xiǎn)。

宋爽[1]（2019） 通過(guò)實(shí)證研究發(fā)現(xiàn)，在健康和成熟的股票市場(chǎng)中，股票價(jià)格可以反映公司的價(jià)值。因此，從長(zhǎng)期來(lái)看，公司業(yè)績(jī)是影響股票價(jià)格的重要因素。周紅[2]（2016） 提出在微觀經(jīng)濟(jì)層面上每股收益對(duì)股票價(jià)格的解釋力最強(qiáng)。張建波[3]（2014） 認(rèn)為股價(jià)波動(dòng)會(huì)受到行業(yè)因素的影響，不同行業(yè)的競(jìng)爭(zhēng)和業(yè)務(wù)模式不同，這也導(dǎo)致了不同行業(yè)的資本結(jié)構(gòu)與行業(yè)的風(fēng)險(xiǎn)收益不同。學(xué)術(shù)界雖然越來(lái)越重視特定行業(yè)的股票價(jià)格影響因素的分析，但是難以找到物流業(yè)股票價(jià)格的相關(guān)研究。目前研究股票價(jià)格影響因素的主流方法有：多元線性回歸、相關(guān)性分析、灰色關(guān)聯(lián)法。萬(wàn)麗穎[4]（2016） 通過(guò)實(shí)驗(yàn)?zāi)M發(fā)現(xiàn)，嶺回歸是對(duì)最小二乘法的改進(jìn)，通過(guò)允許小的偏差而換取高于無(wú)偏估計(jì)量的精度，從而更接近真實(shí)值，可以解決多重共線性問(wèn)題。

企業(yè)年報(bào)所提供的會(huì)計(jì)信息是投資者進(jìn)行分析公司價(jià)值和投資決策的主要依據(jù)。本文的研究目的在于通過(guò)對(duì)上市物流企業(yè)的財(cái)務(wù)指標(biāo)和股票價(jià)格進(jìn)行相關(guān)程度的量化，為投資者和管理者提供參考。

1 研究設(shè)計(jì)

1.1 樣本和指標(biāo)選取。本文從國(guó)泰安數(shù)據(jù)庫(kù)中選取了2014 年至2018 年的我國(guó)36 家上市物流企業(yè)的財(cái)務(wù)指標(biāo)數(shù)據(jù)，并基于物流行業(yè)特性，從償債能力、盈利能力、經(jīng)營(yíng)能力、發(fā)展能力和股權(quán)集中度五個(gè)方面，選取了具有代表性的13 個(gè)指標(biāo)作為自變量，運(yùn)用SPSS 進(jìn)行嶺回歸分析。指標(biāo)分別為：流動(dòng)比率（X1）、速動(dòng)比率（X2）、現(xiàn)金比率（X3）、資產(chǎn)負(fù)債率（X4）、資產(chǎn)報(bào)酬率（X5）、總資產(chǎn)凈利率（X6）、凈資產(chǎn)收益率（X7）、管理費(fèi)用率（X8）、應(yīng)收賬款周轉(zhuǎn)率（X9）、股東權(quán)益周轉(zhuǎn)率（X10）、總資產(chǎn)增長(zhǎng)率（X11）、凈利潤(rùn)增長(zhǎng)率（X12）和Z指數(shù)（X13）。

1.2 嶺回歸分析方法。選取的指標(biāo)越多，可以體現(xiàn)出的價(jià)格影響因素也就越多，同時(shí)也不可避免的會(huì)產(chǎn)生自變量共線性的問(wèn)題。以線性回歸為例，通常情況下VIF 值大于5 說(shuō)明有共線性問(wèn)題，出現(xiàn)共線性問(wèn)題時(shí)，可能會(huì)導(dǎo)致回歸系數(shù)的符號(hào)與實(shí)際情況相反，最終數(shù)據(jù)產(chǎn)生嚴(yán)重的偏差甚至相反的結(jié)論。如果直接移除存在共線性的自變量，會(huì)影響研究結(jié)果。嶺回歸是對(duì)最小二乘法的一種改良，通過(guò)允許部分誤差而換取高于無(wú)偏估計(jì)量的精度，雖然嶺回歸方程的R2會(huì)稍低于普通回歸分析，但回歸系數(shù)的顯著性更高，在存在共線性問(wèn)題的研究中可以從根本上消除共線性問(wèn)題的影響。嶺回歸估計(jì)表達(dá)式為：

2 實(shí)證分析

2.1K值和指標(biāo)的篩選。嶺回歸分析前需要先確認(rèn)嶺參數(shù)K值，K值是嶺回歸引入單位陣的數(shù)量，當(dāng)K=0 時(shí)就是普通最小二乘估計(jì)。通常沒(méi)有固定的K值，K值越小越好，一般小于1。本文將數(shù)據(jù)導(dǎo)入SPSS 軟件中，得到標(biāo)準(zhǔn)化后的嶺回歸系數(shù)表和嶺跡圖，通過(guò)嶺跡圖來(lái)確認(rèn)K值。

從嶺跡圖中間的過(guò)程中（表1） 中可以看出，當(dāng)嶺參數(shù)從0 到0.2 時(shí)，各變量的回歸系數(shù)值變化很大，尤其是X12由負(fù)值變?yōu)榱苏?，這種異常變化說(shuō)明存在共線性。通過(guò)觀察嶺跡圖（圖1） 發(fā)現(xiàn)，隨著嶺參數(shù)K的增大，變量X1、X2、X4、X7、X10、X11、X12和X13的標(biāo)準(zhǔn)化回歸系數(shù)值越來(lái)越接近0，說(shuō)明這8 個(gè)指標(biāo)預(yù)測(cè)作用很小，予以剔除。當(dāng)嶺參數(shù)K大于0.15 時(shí)，各回歸系數(shù)值逐漸穩(wěn)定，變化減小。因此，根據(jù)誤差最小化原則，選擇0.15 作為嶺回歸參數(shù)。

表1 嶺跡圖中間過(guò)程值（標(biāo)準(zhǔn)化回歸系數(shù)值）

圖1 嶺跡圖

2.2ANOVA檢驗(yàn)。本文運(yùn)用ANOVA檢驗(yàn)（也稱F檢驗(yàn)） 判定模型是否有意義，如果p值小于0.05，即說(shuō)明模型有意義。如表2 所示，對(duì)模型進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)模型通過(guò)F檢驗(yàn) （F=20.341,p=0.000＜0.05），也就是說(shuō)X3、X5、X6、X8和X9會(huì)對(duì)Y產(chǎn)生顯著影響。

2.3 回歸分析。確認(rèn)最佳K值為0.15，對(duì)篩選后的指標(biāo)X3、X5、X6、X8和X9重新進(jìn)行嶺回歸分析，得到最終嶺回歸結(jié)果。由表3 可知，現(xiàn)金比率、資產(chǎn)報(bào)酬率、總資產(chǎn)凈利率和應(yīng)收賬款周轉(zhuǎn)率會(huì)對(duì)股票價(jià)格產(chǎn)生顯著的正向影響關(guān)系，管理費(fèi)用率會(huì)對(duì)股票價(jià)格產(chǎn)生顯著的負(fù)向影響關(guān)系。并且可以得出模型公式為：

表2 ANOVA 檢驗(yàn)

表3 嶺回歸分析結(jié)果

3 研究結(jié)論與建議

從實(shí)證結(jié)果可以看出，管理費(fèi)用是對(duì)物流業(yè)股票價(jià)格影響最顯著的因素，通常來(lái)源于倉(cāng)庫(kù)、配送中心、物流網(wǎng)點(diǎn)等物流部分的事務(wù)費(fèi)、維持費(fèi)以及人工費(fèi)等。雖然我國(guó)物流業(yè)管理費(fèi)用率逐年下降，但與發(fā)達(dá)國(guó)家仍有較大的差距，主要原因是：行業(yè)用工量大；社會(huì)程度低，物流資源分散；缺乏供應(yīng)鏈管理理念，上下游之間缺乏協(xié)調(diào)。

根據(jù)上述結(jié)論，提出關(guān)于上市物流企業(yè)發(fā)展的相關(guān)建議：

第一，整合物流供應(yīng)鏈，共享物流資源。物流供應(yīng)鏈整合是將企業(yè)有限的物流資源與社會(huì)分散的物流資源進(jìn)行無(wú)縫對(duì)接，以優(yōu)化的資源配置，降低物流企業(yè)的運(yùn)輸和管理成本，從而實(shí)現(xiàn)規(guī)模效益。

第二，提高倉(cāng)儲(chǔ)智能化水平。智能倉(cāng)儲(chǔ)是指通過(guò)對(duì)庫(kù)存物品的科學(xué)編碼，提高貨物倉(cāng)庫(kù)管理各個(gè)環(huán)節(jié)數(shù)據(jù)輸入的速度和準(zhǔn)確性。據(jù)統(tǒng)計(jì)，在同等儲(chǔ)存能力的條件下，智能倉(cāng)儲(chǔ)可以減少70%的土地和80%的用工量。