股價的影響因素分析
——以A公司為例

陳孟陽

（河南大學，河南 開封 475004）

自2008年全球金融危機以后，我國股票市場就開始發(fā)展迅速。雖然我國股票市場相對西方國家起步較晚，但是具有可觀且長期的發(fā)展前景。

我國股票市場主要以散戶投資者為主，機構投資者相對較少，具有大眾參與度高的特點。[1]隨著人民可支配收入增加，近些年股票也受到越來越多的投資者關注。股票的波動不僅受宏觀政策的影響，而且受企業(yè)內部因素和市場的影響。研究股價的影響因素，有利于政府的監(jiān)管、投資者做出投資決策、企業(yè)的風險管理。本文將以A公司為例，通過因子分析和建立多元回歸模型來分析其股價的影響因素，以便投資者做出理性投資決策和參考。

一、相關概念及理論概述

（一）部分解釋變量的相關概念

換手率：又稱周轉率，指在一定時間內市場中股票轉手買賣的頻率，其數值為某只股票的累計成交量與其流通股本之間的比率，是反映股票流通性強弱的指標之一，可以有效地幫助投資者識別一只股票的活躍度。

（不同國家對于換手率的衡量標準不同，我國：換手率=成交量/流通總股量×100% ）

市凈率（PB）：公司市價與凈資產比。

PB=股價/每股凈資產=股票總市值/公司凈資產

經營性現金流凈額占比：是指現金流量與其他項目數據相比所得的值。該比率用于衡量企業(yè)經營活動所產生的現金流量可以抵御流動負債的程度。

（二）分析方法的相關概念

因子分析：是主成分分析的推廣和發(fā)展，它是將一些錯綜復雜的變量綜合為數量較少的幾個綜合因子，不僅可以再現原始變量與因子之間的相互關系，還可以根據不同的因子對變量進行分類和降維，是多元統(tǒng)計分析方法之一。

用線性方程可以表示為：

其中x1,x2,x3…xp為p個均值為0、標準差為1的標準化的變量；F1,F2,F3…Fk為k個因子變量，且k

多元線性回歸模型：指含有多個解釋變量的線性回歸模型，用于解釋被解釋變量與兩個及以上個的解釋變量之間的線性關系。

其多元回歸模型表示為：

其中x1,x2,x3…xp為解釋變量，y為被解釋變量，ε為誤差項。誤差項ε需要滿足三個條件：均值為零、方差為常數、誤差項之間相互獨立。

二、實證分析

（一）數據的收集

本文所用數據來源于東方財富網和RESSET金融研究數據庫，選取A公司2012年3月—2020年12月期間各季度的財務指標和成交量，以A公司每一個季度最后一個交易日的收盤價作為研究對象。本文將股價作為因變量Y，將成交量、流通股季換手率、季收益率、市凈率、每股收益、凈利潤同比增長、每股凈資產、營業(yè)收入同比增長、銷售毛利、凈現金流同比、資產負債率、經營性現金流凈額占比、凈資產收益率、總資產同比十四個變量作為自變量，分別記為X1,…,X14。

（二）描述性統(tǒng)計分析

由SAS統(tǒng)計軟件的結果可以看到，成交量的標準差非常大，可以說明交易量與許多因素有關，比如公司的業(yè)績狀況、流通股數量的變化、整個金融市場環(huán)境等等。其次，凈利潤同比增長和凈現金流同比的標準差也相對較大。經營性現金流凈額占比可以反映企業(yè)每個時間段償還到期負債的能力，其標準差相對很大，離散程度較大，均值也相對較高，因為該指標通常與公司的運營能力、公司規(guī)模、公司的主營業(yè)務等諸多因素有關，說明該公司運行相對較好。而其他變量分布相對集中，離散程度相對較小。從均值上可以看到：換手率較高說明，A公司股票流通性較強，而股票的交易越活躍，越被投資者所看好；凈利潤同比增長率也相對較高，說明A公司經營狀況較好；經營性現金流凈額占比總體水平也較高，說明A公司在抵御負債的能力較強，公司在運營資金周轉也比較健康。

（三）因子分析

由于本文選取變量較多，各變量之間可能存在一定的相關性，所以采用因子分析法對多個變量進行降維處理，提取幾個能反映大部分信息的主因子。

1．數據檢驗

在對數據因子分析前，先對這些變量進行檢驗，來確定原有變量之間是否存在較強的相關關系，如果原始變量之間都是相互獨立的，就不可能有共同因子，不能將變量綜合。本文通過相關矩陣的結果來判斷。

從相關矩陣可以看出， X1和X3的相關性較高，其γ1,3≈0.64，X5和X7的相關性相對較高，其γ5,7≈0.55，X7和X9相關性也相對較高，γ7,9≈0.51，X5和X9的相關性也較高，其γ5,9≈0.61等等；由此說明數據之間具有相關性，所以我們可以對這些變量進行降維處理。

2．構造因子變量

本文采用主成分分析法提取和綜合因子。根據碎石圖檢驗準則和特征值準則來確定因子數目。

結合SAS生成的結果，可以看到前四個主成分的特征值大于1，且對應的累計貢獻率達到88.28%再根據碎石圖和累計貢獻圖，我們最終可以確定因子的個數為4。

3．使因子變量具有解釋性

本文采用的是斜交轉軸法對因子載荷陣進行旋轉，可以使公共因子更具有可解釋性。

從斜轉換后的因子載荷矩陣表可以看到，公共因子一共有四個，其中第一個公共因子在X5,X9,X13有較大的載荷，將其定義為F1；第二個公共因子在X1,X3,X8,X12,X14有較大的載荷，將其定義為F2；第三個公共因子在X2,X4,X6,X7,X10有較大的載荷，其中X4在F3和F4的載荷值非常相近，又因為半偏相關矩陣和因子結構的數據都非常相近，以及根據F3和F4包含變量的類別，將X4歸于第三個公共因子里，并將第三個公共因子定義為F3；第四個公共因子在X11有較大的載荷，將其定義為F4。

（四）相關性分析檢驗

通過相關系數矩陣可以看到F3和F4的相關系數相對其他變量的相關系數較大，并且通過了相關性顯著性檢驗，其P<0.05。

（五）構建多元線性回歸模型

結合因子分析得出的結果我們可以將股價作為因變量Y，將因子F1,F2,F3,F4作為自變量。建立多元線性回歸模型：

方差分析表顯示，模型顯著性F檢驗對應的P<0.0001，說明模型有意義，通過顯著性檢驗。

由SAS軟件得出的模型擬合信息可以看到，模型擬合度為0.7926，說明總離差的平方和的79.26%被樣本回歸直線解釋，模型擬合效果相對較好。

得到的回歸方程如下：

但從上表的數據中看到F3對應的P>0.05，說明F3的系數沒有通過顯著t檢驗，β3顯著為0，F3包含流通股季換手率、市凈率、凈利潤同比增長率、每股凈資產、凈現金流同比，說明這些指標對股價沒有顯著影響。但是參考劉卓著等人的文獻提[2]，以及潘宏毅[3]的分析。由于近幾年A公司近幾年來加大對技術研發(fā)的投入，使得盈利指標減少，債務增加，資金流轉較為緩慢，所以凈利潤增長率上表現得不太樂觀，且不同的公司發(fā)展情況不同。

綜上，因為F3系數沒有通過顯著性檢驗，所以模型保留F1,F2,F4三個變量并作為因變量，將股價作為因變量Y。

得到的回歸方程如下：

模型中各個變量的系數和截距項均通過顯著性t檢驗，即所選取的三個變量均對股價有顯著性影響。并且F1的小部分增加可以帶動股價近19倍的增加，說明每股收益、銷售毛利率、凈資產收益率對股價產生正向影響，說明這類指標的數值越高，即可以認為公司經營狀況越好，越有利于股價的上漲。F2的系數為13.32，說明F2的小部分增加會引起股價近13倍的增加，即說明成交量、季收益率、營業(yè)收入同比增長率、營業(yè)性現金流凈額占比、總資產同比均對股價有正向影響，即我們在分析股票的同時可以參考成交量的變化以及其他幾個財務指標；F4的系數雖然相比前兩個變量較小，但是也對股價有影響，即說明資產負債率也對股價有正向的影響。從數據也可以看到A公司的資產負債率相比前幾年有所提高，說明該公司的償債能力也相比之前有所提高。

三、結束語

本文通過因子分析對十四個變量進行降維處理，得到四個公共因子，并對這四個公因子與股價建立多元回歸模型，進行回歸分析。最后得出結論：每股收益、銷售毛利率、凈資產收益率、成交量、季收益率、營業(yè)收入同比增長率、營業(yè)性現金流凈額占比、總資產同比、資產負債率均對股價有顯著性影響，說明投資者A公司股票時，不僅要關注K線圖的走勢，還可以多關注這幾個財務指標以及成交量的變動，以便做出更好的投資選擇。從近兩年A公司股價變動和營業(yè)收入的變化可以看到，受新能源汽車政策的影響，僅2020年一年，股票的價格翻了三倍，說明A公司開始受到很多投資者的重視，A公司未來還會有更好的發(fā)展前景。

本文也存在一些不足，比如流通股季換手率、市凈率、凈利潤同比增長率、每股凈資產、凈現金流同比對股價影響并不顯著，并沒有對此展開詳細的深度統(tǒng)計分析。但結合潘宏毅的相關文獻的結論，并且A公司將大量資金投入到技術研發(fā)中，降低了企業(yè)的利潤，使得其市凈率較高。而由于市場的不確定，再加上政策變化，用以上五個財務指標對股價預測會出現很大的不準確性。