股市动态分析大全11篇

股市动态分析篇（1）

宜华木业，公司原来以出口为主，随着美国房地产市场好转，公司产品出口受益；现在公司积极开拓内销业务，分享国内消费升级红利。公司拥有500万亩林地资源，掌握上游资源，实现一体化经营，有助于公司充分获得全产业链的利润。

洪都航空，公司主要生产教练机，主要品种是L-15高级教练机和K8中级教练机，随着L-15高级教练机的陆续交付，公司迎来业绩恢复增长。目前中航装备旗下仅有成飞集成和洪都航空两个资本运作平台，随着成飞集成的停牌资产注入，洪都航空也有望未来进行资产整合。

国光电器，公司原来业务是音箱、扬声器等的生产和销售，目前公司切入锂电池产业链，另外公司在花都区有1200亩土地，公司面临业绩反转和土地价值重估的双重机遇。

国电南瑞，公司是中国电力自动化领域的技术领先企业，在高端电力二次设备市场占有率高达50%以上，在省电网调度高端自动化市场占有率达75%。资产重组完成后将北京科东、电研华源、国电富通、南瑞太阳能等收入麾下，国电南瑞在配网自动化市场地位更加稳固。同时公司积极培育新的增长点，在轨道交通、新能源领域进展顺利。

股市动态分析篇（2）

中图分类号：F832 文献标识码：A 文章编号：1007-4392(2009)05-0003-03

我国沪深两大股票市场(下称“两市”)均处于相同的国内及国际宏观政治､经济背景下，其相关性程度的高低反应了我国股票市场成熟度的高低，其相关性的波动在一定程度上也可以反映出市场运行的动态风险。因而，对两市相关性的分析可以为市场成熟度的评价及市场运行风险的揭示提供一定的理论依据。

通过对我国两大股票市场综合指数运行过程的研究发现，上证综指与深圳综指的相关性过程具有变结构特征。为更好刻画它们之间的相关关系，采用自组织特征映射神经网络对相关关系序列进行聚类，找到变结构点。然后利用条件Copula对变结构点前后序列相关性进行时变建模。实证结果表明，经验动态相关性可以对市场风险加以体现，而内在动态相关性则会对市场发展的成熟度提供理论借鉴。

一､动态相关性理论

(一)条件copula

W为已知条件，F､G分别为随机变量X|W､Y|W的条件分布，H为(Y)|W的联合条件分布。假定F和G连续，则存在唯一的一个条件Copu-la，有

H(x，y|w)=C(F(x|w)，G(y|w)|w)， (x，y)∈R×R and each w∈W(1)

相反的，如果令F为X|W的条件分布，G为Y|W的条件分布，C为一个条件Copula，则由(1)式定义的条件分布H就是条件边际分布为F和G的二元条件联合分布。

同理，条件Copula的密度函数形式可以表示为

h(x，y|w)=f(x|w)，g(y|w)•c(u，v|w)，(x，y，w)∈R×R×W(2)

其中u=F(x|w)，v=G(y|w)，h(x，y|w)为(X，Y)|W的联合条件密度函数。

条件Copula包含一个时变相依参数，这就需要建立时变相依参数的演化方程。在对时变过程建模方面，Patton提出了如下的条件Copula时变参数模型；

其中ωN，αN和βN为需要估计的参数，Φ-1(•)为正态随机变量累积分布函数的逆函数，(x)=(1-e-x)/(1+e-x)是修正的logistic函数，该函数用于确保相关系数始终处于-1到1之间。

(二)参数估计

本文采用两步估计法对条件Copula进行估计。其基本思想是先估计一元时间序列的边际分布函数的参数，然后对Copula函数的参数进行估计。

令θ，θx，θy和θc分别表示密度函数h(x，y|w)，f(x|w)，g(y|w)和c(u，v|w)的参数，则联合密度函数的对数似然值为：

IFM估计过程即第一步先估计边际分布函数的参数得到θx和θy，第二步估计Copula的参数得到θc。Patton证明两步估计θ=[θx，θy，θc] 与一步估计同样渐进有效。

二､实证分析

由于新股发行､上市公司退市及权重股权重分配变动等因素会对成分指数产生影响，因此为综合分析沪深两个市场间的相关关系，本文选取上证综合指数日收盘价数据作为样本，样本区间为1991.4.8-2008.12.25，共4309组数据。由于价格序列并不平稳，需要把收盘价格转换成对数收益序列。设日收盘价为?邀Pt?妖，则其对数收益率序列为?邀rt|rt=logPt-logPt-1?妖，

(一)经验时变相关性分析

为直观了解两市时变相关性的基本走势，选取一个月(20个交易日)作为滑动窗口，分别计算两组数据的经验时变线性相关系数Pearson ρp､经验时变秩相关系数Spearman ρs和经验时变秩相关系数Kendall τ，得到其走势如图1所示。

由图1可以看出，在股市建立前期，两市相关性在0附近波动，且波动幅度较大。说明我国股市建立前期，由于缺乏必要的法规､办法及正常运转的交易机构，造成投机性操作严重，两市市场运行趋势未能随国内及国际经济形式的发展做出一致的反应，市场运行不平稳，市场风险较大；自1996年中期至今，相关性趋近于1，波动幅度明显缩小。说明经过5年左右的发展，随着股民素质的提高和法律法规的建立健全，两市运行走向渐进相同，我国股市逐渐由混沌状态趋于成熟。而自2006年至今，两市相关性虽然仍在1附近波动，但波动幅度较中期有小幅增大。说明我国股市经过自1996年以来的快速发展，市场中积聚的潜在风险开始显现，两市一致性走向也受到了相应的冲击，市场风险加剧。由于时变相关性结构发生了显著变化，因而在后面的时变相关性建模中，需要探索结构变化的时间，并将时变相关过程分为几个部分分别考虑，技术上则需要考虑结构点的探测及各结构时变相关模型的建模。

(二)变结构点的探测

变结构点位置的探测是变结构问题建模的重要前提和研究热点。本文将模型的“结构”与机器学习中“类”的概念结合，认为模型结构的转变与其样本点类别的变化本质上是一致的。因而考虑采用神经网络中的自组织特征映射网络对经验时变相关系数进行聚类。为简化分析，在此我们只考虑两类的情况。聚类结果图2所示：

图2的聚类结果证实了(一)中对两市运行变结构特征的初步分析，变结构点在时间区间约为1996年6月至8月之间出现。相关关系以变结构点为分界点显著分为两类。

(三)边际分布建模

设定第1310组数据为变结构点，将原始数据分为前后两部分，计算变结构点前后两部分样本数据的统计特征如表1。

从表1中，能看出收益率序列均具有明显的高峰厚尾特征，且J-B统计量检验表明均不具有正态分布性质。对收益率序列进行单位根检验，结果表明各序列均平稳。一阶自相关分析表明，各序列前后相关性不显著。ARCH效应检验结果表明，各序列均具有显著的ARCH效应；采用AIC，BIC准则定阶，发现各收益率序列均可采用t-GARCH(1，1)模型进行边际分布建模。

因而，设定边际分布模型形式如下：

(6)其中，rt为收益率序列，It-1为到t-1时刻所获得的信息，tv为自由度为v的t分布。变结构点前后各边际分布模型参数估计结果如表2所示。

(四)内在时变相关模型建模

根据两市的相关关系散点图发现，变结构点以前两市相关关系结构为明显椭圆形态，而变结构点以后相关关系结构为线性形态，因而本文采用Pat-ton的条件(动态)Copula模型，设定式(3)时变参数模型，并对模型进行参数估计。参数估计结果和时变相关性模型结果分别如表3和图3所示。

由图3所示，两市时变相关性前半阶段在0.15附近波动，且均为正相关，波动幅度仍相对较大。说明沪深两市在建市初期虽然经验时变相关性在0附近波动(即表面表现为不相关)，但受相同宏观背景的影响，内在动态趋势仍具有一定的一致性，只是一致性程度较低，与当时市场环境仍相符。而后半阶段，两市时变相关性则在1附近持续平稳波动，特别在后期，经验时变相关性表现出市场的波动风险，但两市发展已趋于成熟，内在相关性受当前由次贷危机引发的全球金融危机等因素的影响并不显著。

(五)研究结论

通过对经验时变相关性的初步分析发现，两市市场初期运行不平稳，市场风险较大经过5年左右的发展，两市运行走向渐近相同，市场逐渐由混沌状态趋于成熟，但自2006年至今，两市市场中积聚的潜在风险开始显现，相关性波动小幅增大，市场风险加剧。

通过对内在相关性建模结果发现，第一阶段，两市运行虽然表面表现为不相关，但受相同宏观背景的影响，其内在动态趋势仍具有较低程度一致性。而在第二阶段，两市表现为持续平稳､高度相关､其内在相关性也未明显受到当前全球性金融危机的影响。

参考文献：

股市动态分析篇（3）

中图分类号：F830 文献标志码：A 文章编号：1673-291X（2014）31-0116-05

在全球金融市场中，不同的子市场之间经常存在价格或波动的相关关系，随着全球一体化程度的不断推进，这种相关关系日趋紧密。长期以来，中国大陆、香港和台湾地区的股票市场的发展相对独立，大陆股票市场的发展起步较晚，但是，随着大陆股票市场发展的日趋成熟化，大陆股票市场与香港、台湾股票市场之间的联系也在逐步加深。

一、文献综述

自20世纪80年代开始，国内外学者开始对金融市场的相关关系进行研究。Eun和Shim [1]（1989）以1979年12月31日至1985年12月20日期间的1 560笔股票市场日交易资料为样本，利用VAR模型对美国、英国等9个股票市场价格指数的波动性进行研究，探讨了国际股市之间的联动性。Lee和Kim[2]（1993）研究了1987年股灾期间12个国家股票市场之间的关系，研究发现股市指数的相关系数值从0.23升至0.39，说明股票市场之间存在相互传染。Calvo和Reinhart[3]（1996）研究了1994年12月墨西哥危机前后新兴市场间相关关系的变化情况，研究结果表明，危机后，新兴国家之间的相关系数有了比较大的提高，说明了新兴国家股票市场之间存在金融传染。

中国股市联动性的相关文献主要体现在两个方面：一是研究中国股市与外部股市的联动性，二是对中国股市内部进行联动性分析。洪永淼等[4]（2004）利用风险―Granger因果关系检验和GARCH族模型，选取中国内地、香港、台湾、新加坡、韩国等12个有代表性的股票市场价格指数，分析了中国A股、B股、H股之间，以及中国与世界其他各国股市之间是否存在风险溢出效应。王群勇和王国忠[5]（2005）运用向量自回归模型和多元GARCH模型研究了中国沪市A、B股之间的信息传递模式和均值溢出效应，该研究发现沪市A、B股市场之间仅存在A股市场对B股市场仅存在由A股到B股的单向信息的传递，这种单向信息传递存在的主要原因是市场微观结构中投资者差异和信息不对称。谷耀和陆丽娜[6]（2006）运用DCC-（BV）EGARCH-VAR的方法分析研究了中国沪、深、港三地股票市场收益与波动溢出效应和动态相关性，这种方法的特点是可以有效克服多个金融市场波动之间的自相关性。用这种方法得到的结论是，香港股票市场的波动会产生对境内股票市场的波动溢出效应。董秀良和吴仁水[7]（2008）利用DCC-MVGARCH模型对中国沪深A、B股市场之间的动态相关性进行了考察，研究发现，沪深两市A、B股之间存在正相关关系，但整体来看，该动态相关系数相对较低，市场分割明显，但随着时间变化呈现一体化的趋势。张兵、范致镇和李心丹[8]（2010）以2001年12月12日至2009年1月23日上证指数与道琼斯指数的日交易数据检验了中美股市的联动特征，检验结果显示，中国股市与美国股市不存在长期的均衡关系：中国股市对美国股市的波动溢出效应不明显，在QDII实施之后，美国股市对中国股市具有波动溢出效应，且不断增强。何红霞和胡日东[9]（2011）采用非对称BEKK-GARCH模型研究了深圳、香港、台湾三地股票市场之间的短期波动溢出效应，研究发现中国大陆股市和香港、台湾股市有双向的信息传递。丁振辉和徐瑾[10]（2013）运用GARCH-M模型研究了上海股市和香港股市之间的联动关系，结果显示，两大股市存在相互影响的联动关系，但是上海对香港股市的影响要强于香港对上海股市的影响。

通过对国内外关于股票市场联动性的现有文献进行梳理，发现国内外学者对于股票市场之间的联动性已经做了很多研究。本文立足于中国，针对2000年以来大陆股票市场与香港、台湾股票市场之间的联动性进行研究，以期能为中国股市的政策制定者、监管机构和投资者提供支持。

二、研究方法介绍

为了更准确地研究大陆、香港和台湾地区股票市场之间波动的相关性，文章利用目前时间序列动态相关性常用的DCC-MVGARCH模型，该模型是由Engle和Sheppard[11]（2001）在CCC-MVGARCH的基础上提出的，它放宽了相关系数为常数的假设，允许相关系数矩阵R随时间t变动，即相关系数矩阵R具有时变特征。

假设有k种资产，其收益率rt的新息{et}为独立同分布的白噪声过程，则动态相关结构可以设定为：

rt=ut+et

et|Ωt-1～N（0，Ht）

Ht=DtRtDt

Qt=（1-■αm-■βn）Q+■αm（εt-mεT t-m）+■βnQt-n

Q=T-1■εtε′t

Rt=diag（Qt）-1Qtdiag（Qt）-1

其中，Ωt-1是rt在时刻t的信息集，Q为标准化残差的无条件方差矩阵，Rt为动态相关系数矩阵，Dt=diag（hit），hit=ωi+■αipe2 i，t-p+■βiqe2 i，t-q，εt=D-1tet为向量标准化残差。αm和βn为DCC模型的系数（m和n为滞后阶数）。

DCC-MVGARCH模型的估计方法一般通过两步来实现：第一步，估计要研究的时间序列的单变量GARCH模型，得到条件方差，进而计算出标准化残差，第二步，采用极大似然方法估计动态相关系数。

三、变量选择和数据描述

（一）数据来源

文章选取上证综合指数（SHI）、香港恒生指数（HSI）和台湾加权指数（TWII）的日收盘价作为研究对象，分别代表大陆、香港和台湾的股票市场的发展状况。数据时间范围为2000年1月1日至2014年6月30日，剔除样本内股票市场不匹配的情形（节假日导致），最终筛选得到有效配对数据共计3 078个。则股票市场收益率R可表示为：

Ri，t=100×ln（Pi，t /Pi，t-1）

式中，i=1，2，3，分别表示大陆、香港、台湾的股票市场，Pi，t 为市场i第t期的收盘价。

（二）描述性统计分析

大陆、香港、台湾股票市场收益率的基本描述性统计（见表1）。标准差结果显示，大陆股市波动性最大，香港次之，台湾股市波动性最小，但整体差别不明显;偏度结果显示，大陆和香港股市收益率的偏度大于0，是右偏分布，台湾股市收益率的偏度小于0，是左偏分布;峰度结果显示三个地区股市收益率序列均呈现尖峰厚尾的特点，J-B统计量结果表明三个股票市场收益率序列均不服从正态分布。

表2显示了三个地区股票市场收益率的相关系数。全样本数据的相关系数显示，大陆股市与香港、台湾股市的相关系数分别是0.37837和0.20951，显示出较弱的相关性，而香港与台湾股市的相关性较强，相关系数为0.53683。为了进一步说明三个地区股市相关性的变化趋势，分别测算2008年前后的三个地区股市的相关性，结果显示，大陆股市与香港股市的相关系数从2008年之前的0.20604变为2008年之后的0.52273，大陆股市与台湾股市的相关系数也从2008年之前的0.08559变为2008年之后的0.36567，这在一定程度上说明了经过近几年的发展，大陆股市与香港、台湾股市的联系在逐步增强。 四、实证分析和结果

（一）平稳性、自相关及ARCH效应检验

文章分别对大陆、香港和台湾股票市场的收益率序列进行平稳性、自相关和ARCH效应检验，结果（见表3）。

从表3可以看出，大陆、香港和台湾股票市场收益率序列均通过了平稳性检验，且Ljung-Box Q检验结果表明：（1）大陆和香港股票市场收益率序列不存在自相关现象，而台湾股票市场收益率序列存在自相关现象;（2）大陆、香港和台湾股票市场收益率平方序列具有显著的自相关现象，说明收益率序列波动聚集效应显著。同时ARCH效应检验结果表明三个地区股票市场收益率序列存在ARCH效应，根据AIC准则，发现使用GARCH（1，1）模型来估计三个地区股市的收益率序列是比较合适的。

表4中α表示现有信息对下一期波动性的影响力程度，α值越高说明该股票市场对新信息的敏感度越高，参数估计结果显示，大陆、香港和台湾股票市场的α值都较低。α+β表示股票市场收益率波动的维持性，用来衡量现有波动性趋势的消失速度，其值越接近于1，表明波动性趋势的持续时间越长，由此可知大陆、香港和台湾股票市场波动性的持续性均较长，且没有明显差异。

（二）DCC-MVGARCH模型估计结果

文章利用DCC（1，1）-MVGARCH（1，1）模型分别估计大陆、香港和台湾股票时间两两之间的动态相关性，通过R软件编程得到三地股票市场动态条件相关系数走势图。

图1显示的是2000年1月1日至2014年6月30日的大陆股市与香港股市动态条件相关系数的走势图，可以发现，大陆股市与香港股市的动态相关系数在多数时间内都大于0，尤其在美国金融危机发生后，大陆与香港股市的动态相关系数呈现出明显的上升趋势，且超过了0.5。

图2显示的是2000年1月1日至2014年6月30日的大陆股市与台湾股市动态条件相关系数的走势图，可以发现，大陆股市与台湾股市的动态相关系数呈现出动态上升的趋势，但其在上升的同时却呈现较大的波动性。

图3显示的是2000年1月1日至2014年6月30日的香港股市与台湾股市动态条件相关系数的走势图，可以发现，香港股市与台湾股市的动态相关系数存在大幅波动且趋势不明显，但相关系数整体较高，大都在0.6附近波动。

五、结论

本文以上证综合指数、香港恒生指数和台湾加权指数的日收盘价为研究对象，采用DCC-MVGARCH模型，考察了大陆、香港和台湾股票市场之间的动态相关性，根据实证结果，可以得到如下结论：

第一，大陆与香港股市之间的联动性呈现明显加强的趋势，尤其在美国金融危机之后，大陆与香港两地的股市之间的相关性达到了0.5以上，说明经过了证券市场改革和经济的快速发展之后，中国大陆股票市场与香港股票市场之间的联动关系正在逐步增强。

第二，大陆与台湾股市之间的联动性虽然整体上存在增强的趋势，但同时却显示出较大的波动性。整体来看，大陆与台湾股市之间的联动性却没有大陆与香港股市之间的联动性强，其相关系数大都在0.5以下。

第三，香港与台湾股市之间的联动性最高，虽然没有呈现明显的变化趋势，但却表现出较大幅度的波动。

基于本文的实证结果分析可知，中国大陆与香港、台湾股票市场之间的联动效应均呈现增强的趋势，大陆股市正逐步改善以前相对独立的状态。这对于政策制定者、监管机构等都具有重要的意义。

参考文献：

[1] Cheol S.Eun & Sangdal Shim.International Transmission of Stock Market Movements[J].Journal of Financial and Quantitative Analysis，

1989，24（2）：241-256.

[2] Lee，S.B.，& Kim，K.J.Does the October 1987 crash strengthen the co-movements among national stocks markets？[J].Review of Financial

Economics，1993，3（1）：89-102.

[3] Calvo，Sara & Reinhart，Garmen.Capital flows to Latin America：Is there evidence of contagion effects？[R].Policy Research Working

Paper Series 1619，1996.

[4] 洪永淼，成思危，刘艳辉，汪寿阳.中国股市与世界其他股市之间的大风险溢出效应[J].经济学（季刊），2004，（3）：24.

[5] 王群勇，王国忠.沪市A、B股市场间信息传递模式研究[J].现代财经―天津财经学院学报，2005，（6）：25-29.

[6] 谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性――基于DCC-（BV）EGARCH-VAR的检验[J].数量经济技术经济研究，

2006，（8）：142-151.

[7] 董秀良，吴仁水.基于DCC-MGARCH模型的中国A、B股市场相关性及其解释[J].中国软科学，2008，（7）：125-133.

[8] 张兵，范致镇，李心丹.中美股票市场的联动性研究[J].经济研究，2010，（11）：141-151.

[9] 何红霞，胡日东.大中华区股市波动溢出效应实证研究――基于多元非对称BEKK-GARCH模型[J].重庆科技学院学报（社会科

学版），2011，（10）：139-143.

[10] 丁振辉，徐瑾.上海和香港两地股市联动性研究――基于GARCH模型的分析[J].金融发展研究，2013，（5）：20-25.

股市动态分析篇（4）

2016年世界经济仍将呈现复苏乏力态势。发达经济体总需求不足和长期增长率不高现象并存新兴经济体总体增长率下滑趋势难以得到有效遏制。股票市场容易受整体经济发展的影响，然而主要经济体宏观政策方向不一致伴随着大规模跨境资本流动，外汇与金融市场动荡，这些因素都可能对世界经济运行带来负面干扰。GDP上升受到影响将对股市的上涨带来不小的阻力。分析市场，从股市中看物价市场，从物价后市走势来结合股价市场。

股市之中我们会选择自己心仪的股票来进行购买，并且抱着对其后市上涨的心态对待。利用大数据的分析可以让我们不会盲从大流去购买股票。在股票的选择之中存在着最优投资组合，降低自己所购买的股票的风险，尽可能的使投资效益最大化。每个人心中都有一个期望收益率。假设市场上存在着n个有风险证券[xi，i=1， 2， …，n]，各风险证券的期望收益率和标准差分别为[ui，σi]，两两相关系数为[ρij]。如果投资组合中各风险证券所占的权重（按市场价值计）分别为[λ1， λ2， …，λn]，可得[z=λ1x1+λ2x2+…+λnxn]，则该组合的期望收益率和风险（方差）分别为[uz=λ1u1+λ2u2+…+λnun]，[σ2z=i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj]。如果投资者要求的期望收益率为[u]，并且金融市场允许卖空，那么投资者的最优投资组合（风险最小的投资组合）中，各风险证券所占的权重[λ1， λ2， …，λn]，可以从以下条件极值中求得：

[minλ（i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj）s.t. i=1nλiui=u， i=1nλi=1。]

利用这样的投资组合模型，我们可以用SAS程序进行编程进而计算出各项权重的数据占比是多少，降低自己所购买股票时的风险系数。

一、股市概况

这是一个大数据的时代，大家都通过互联网来进行便捷的购物、交流、工作、上传所需文件等等的操作，对于现有数据的分析能力将会变得不可或缺。毕竟如今在这么多数据之中会掺杂着不少无用数据，我们需要把这样的数据给过滤掉，再从中筛选出自己所需要的那一部分数据根据自己的需要做出分析。这样看似简单的步骤，却可以为其带来不小的收益，因此数据分析的应用领域也变得越来越广。根据不同的领域分析选择不同的软件以及分析方法，找到适合的分析方法将会给分析者带来很大的便利以及效益。

在涉及金融领域工作的人之中，炒股的人占很大的比重，然而股市的行情却总会蒙蔽炒股者的双眼，每当其在股市之中获得一定数额的利润之后，就会想去获取更高额的利润而不顾后市发展情况。股价往往在不断上涨之后会有着或多或少的回调，当然也可能在调整时候就改变趋势，从上涨趋势改为了下跌趋势。当然在调整之前股市之中都会有信号给出。如何把握个股的情况，我们只能根据个股的所给数据来判断大致情况，毕竟股市之中一直是有着挺高的风险的。每一天，我们对于个股的判定也许都会有着不同的见解，根据不同的炒股方式去分析判断得出的结论当然也会产生差异。2015年的股灾导致了很多人们破产，大多数人在牛市的行情之下赚取了不少钱但是却不会去分析其购买股票的K线以及后市可能的走势情况，或多或少的在大盘瞬间下跌的情况下不知所措，仍然持有着之前赚钱的股票，直到在几日之后盈利变成了亏损。对于股票这样的高风险高收益的投资，我们必须保持着理性。有多大的上升空间就有着多大的下跌空间，风险与收益在金融领域一直是并存的，没有一直会上升的股价当然也没有一直下跌的股价。对于股市的分析来说还是需要看个人对于个股的理解，但是不变的是在对于股票的选择上，必须关注一下所看好股的公司运营情况，股市开盘之时，总会有领涨的板块，在领涨的龙头板块之中挑选盈利其公司本身盈利情况较好并且成交量较大的有潜在上升空间的股，这样大体上来说选股方向是不会有很大偏差的。在股灾来临之前，其实也是有信号和预兆的，大量的资金跑出，在大盘下也出现阴线，各种指标都出现不利股市上涨的情况，都是在给予入市的人撤离的提醒。

对于股市的把握分析，我们每天可以根据大盘行情的走势，以及相关政策的出台或者与个股相关的新闻影响的把握，当然还有不可或缺的成交量的扩大或缩小。从这些方面的分析可以让你大致对这一支股票当天的走势有一个判定。个股之中都会给出各个时间点的成交情况，分析股票可以从其简况之中关注市盈率与营业收入这两个数据。一般来说这是判定个股趋势的重要指标。有着一定的分析能力去做股票也不能保证自己在变化不定的股市之中没有任何的损失，毕竟股市与科学的计算不同，计算之中正确的答案只会有一个，然而股市之中谁都不能在前一天给出第二天涨跌的一个确定数值。但是从长时间来说，放在股票之中的投资将比金融领域其他的理财产品有着高出很多的收益。当然这样的前提是自己所选择的股票在这一段时间内不会因为公司资金周D不利或者由于违反一些法律的规定而产生退市风险最后市值归零。

（一）股市的不可控因素

在股票市场的诸多外部因素中，许多是不可控的，如国际形式、国际环境和突发事件，有一些是在短期内无法克服的，但也有一些因素是可控的，比如政府的经济政策和监控措施。任何政策的出台和监控措施的实施都要考虑它对市场的冲击，有些冲击是短暂和轻微的，而有些冲击是长期和摧毁性的，如泰国的经济金融政策，最终还是导致了金融危机的爆发。因此政策的出台要谨慎，允许有偏差，但不允许发生长期的错误政策导向。

股市之中存在的风险分为系统性风险与非系统性风险。系统性风险即不可分散风险，这种风险是指由于某种因素的影响和变化，导致大部分股票股价下跌，由此会给持有股票的人带来较大的无法估计的损失。系统性风险主要是由政治、经济及社会环境等宏观因素造成。这是炒股的股民无法规避的风险，只能通过掌握新闻之中的相关信息提前做判定，这样才可能避免一次这样的风险带来的损失。对股票价格变动造成影响的国家政策包括国家税收政策和金融与财政政策以及产业政策等等。

四、技术分析

技术分析理论认为市场行为包容一切，价格以趋势方式演变，并且历史会重演。市场行为包容一切，是指任何可能影 响股票市场价格的因素实际上都反映在其价格之中，技术分析者只要研究价格变化就足够了，而不必研究造成价格变动的内在因素。而且当前的市场趋势有势能或惯性，即过去出现过的价格趋势和变动方式，今后会不断出现。

一般来说对于大盘的走势分析需要结合上证指数以及沪深指数创业板指数等几个大盘指数的整体走向来预测。若是两个指数都是呈上升趋势并且突破了各自的压力位，那么整体的大盘指数一般来说是向上走的，根据上证指数的走势图需要观察的是均线，当指数回落到五日均线之时，需要提高警惕，在这一个点位是属于一个支撑位，若继续回落，也许会在后续的几日内一直呈现下跌的趋势。无论是个股或者是大盘的走势图中，我们都可以将其缩小比例观察整体走势图的形状，在平坦的走势之中一般是囤积股份的时候，在一段时间之后呈不断上升的阶梯状，这样的形态来说是有利于后市上升的，有上升空间的信号。

五、形态分析

从形态方面可以大致观察出所关注的股的整体走势，以及大致的预测到之后日子里的长时间的走势情况，在形成头肩底的形态的股票之中，可以观察到在头肩左侧呈下跌趋势，并且在一个最低点会有拉升，以最低点为头，回升的前几个高点里的一个为右肩，在两个低点与两个高点的二次确认后形成一个头肩底的形态，是一个买入信号，这样的形态的形成会对投资者的投资有一定的保障，当然也有头肩底形态出现并且以失败告终的例子出现。若是在头肩底形态形成过程之中，反弹上升趋势在肩部之后被打破，呈现回落趋势，那么这样的形态图就是没有意义的，头肩底趋势已经被打破了。相反的头肩顶形态的形成代表着后市会下跌，在右肩部形成之时就是最好的抛出自己所持股的时候，以此减少亏损。一般的情况下对于股票的走势分析需要做出轨道线，让最近的走势在这样的一个轨道之中波动。轨道线的上端即是上升时期的压力位，然而轨道线的下界就是下跌时候的支撑位。每当行情较好之时，股价会上升到压力位，在此点会展开空方与多方势力的博弈，一般来说这样点位的出现会有几日的回调起伏，毕竟在压力位的突破不是这么容易的。一旦创下一个新的高点，那么轨道线也需要因此改变，代表着这一支股将会有新的上升趋势形成。若是打不破高点，那么近期之内就将以空方获胜股价回落的情况收场。

双重底的也是一种常见形态，是指股价在一段时间的回落之后有拉升又进行回调再拉升的一个形态，W底的形成预示着后市有一个大幅度的拉升，相反的若是形成了双重顶形态那么就要关注所持股了，也许在后市会有突然的回落。对于所持股形态的把握还是十分重要的，我们可以通过形态的大致形成情况分析出之后可能形成的走势，更好的帮助自己进行更好收益的投资。当所观测股近期有形成一个高点并且此高点高于前一个高点，最近一个低点也是高于前一个低点的，那么这样的形态形成大致就可以判定后市是向上走的。当然只靠分析形态是无法很好的把控股市走向的，对于股市的把握还是需要形态分析结合量价来看的，当股价不断上升的同时我们所需关注的还有成交量，若是在成交量很小的时候股价却是不断上升的，那么对于此时的走势来说就形成了量价背离。量价背离代表着这一段时间的拉升是非正常的拉升，对于这样的情况的出现，投资者应该理性对待，减少所持股的仓位，在量价背离之后很可能预示的是大跌。

六、股票综合影响分析

股市会受到各种因素的的影响，反之我们可以透过股市看到很多不同的板块的物价波动情况，这种波动在股价上是十分明显的，在2016年上半年中，猪肉价格，油价以及金银的价格波动十分之大，从股票上反应出来的则是在主营公司经营这些不同的商品的股票价格在这段时间内产生了很大幅度的波动。我们可以通过股票市场捕捉到很多关于身边的所想知道的物价未来的走势情况。一向来股票市场的波动是会早于物价市场的波动的，在石油板块的股票价格在一个点位开始不断地拉升预示着油价将会有一定幅度的上调。2016年以来猪肉的价格在从10.5元/斤的均价不断上升于2016.5.20左右开始停止涨势价格在12.9元/斤左右，然而在7.7日又开始拉升价格到达13.8元/斤，这些价格的波动情况对应的股市之中的猪肉板块在2016年3月指数就开始呈现上升趋势，在2016年4月8日指数上升趋势受阻无法继续进行拉升，开始呈现短期的震荡，而在2016.6.1指数又开始向上拉升，不断的提高于7月22日创下新的高点遇压力位受阻产生震荡。数据显示股市之中的股价，指数波动的体现一般来说是快于物价市场的价格波动的。股市之中各个板块可以很好的反映出相对应的物价的波动情况。石油板块的股价指数2016.5.12开始拉升于6.6日开始回落，之后再6.20日开始大幅度的拉升，7.14日的回调直到8.2日开始进一步的拉升。与物价波动情况不同的是股市对于政策以及利好利空消息的敏感度更高，并且在上升过程中会受到股民心理影响受阻，从而产生一段时间的震荡。石油价格一直处于5元左右波动，由于石油是现在有车人们的必备品，价格波动幅度一直不会太大，物价水平影响着与其相关的其他产品的价格水平，家对于石油的价格一直有着强力的监控。

房地产指数从2016.2.1开始有一个明显的拉升，相对的各大一线城市的房价也不断上调，杭州的房产均价从1.8W元/平米上升到1.9W元/平米，在这短短的几个月内，炒房的人不断冲入房地产市场，以自己认为的低价买入房产待涨，这样不理智的行为促使着对房子有刚需的人不得不以高价买入自己的第一套房子，这一现象的产生也为经营房地产开发的公司带来了一笔很大的收入。更有甚者认为在这几个月之中房地产销售人员已经卖出了10年的销售额，对于GDP的拉升是一个很大的刺激。然而在2016.5.1开始房地产板块指数上涨受阻，相对应的房地产的销售业绩直线下滑，毕竟在这样一次房地产风波之后有需求的以及对炒房有想法的人都已买下了自己所看好的房子。房产相对于股票不同的是房子的流动性极差，当你买入房子的那刻起，若经济发展有所回落，或者所在城市的房地产市场不景气，你所拥有的房产价值将会下降。房子在短时间内是不可能卖出的，然而股票价格在回落的趋势中，只要持有者不看好后市，即可当即卖出所持所有股票，以此来减少自己的投资损失。以此来看对于房子的投资风险其实远远大于对于股票的投资。在股市之中一直低迷的万科A股由于房地产风波的影响一直引领板块疯涨，在6月之时由于一线城市房地产价格趋于稳定，不再有不断向上的走势，其对应的股价上升趋势也告一段落。2016年8月又出现了三线城市房价的利好消息，对应房地产板块指数又产生了大幅度的拉升，然而对应的城市的房价却没有这么快的拉升，这对于股市来说是一件好事但是对于我们其实也是一个警告。

七、结束语

随着经济社会的发展，我国居民的投资意识不断增强，股票作为一种投资理财渠道逐渐被人们所接受，对股票投资的理解也逐步加深，对股票投资的风险认识也日益增强，股票投资的风险性决定未来收益状况的不确定性，关注所选股相关信息，掌控与大盘动荡的有关因素，利用现有的大数据来选用投资组合模型，降低投资风险，随时保持冷静的选股心态，不买看不懂的股票，稳中求利才是最合适的投资股票的方法。

参考文献：

[1]应尚军，唐瑞，蔡嗣经.股票市场的外部因素与市场均衡[J].合肥工业大学学报，2006

[2]刘竹韬.影响股票价格的因素分析[J].商情，2014

股市动态分析篇（5）

从股票价格波动研究的角度出发，运用GARCH模型，能够在一定程度上将时变方差进行转换，从而能够分析滞后的回报平方，确定函数模型，从而能够抓住金融时间，找到价格的差异性，将股票价格的波动性按照一定的序列进行排列，找到股票价格波动的动态特性，所以，在运用GARCH模型的过程中，首先要分析的就是市场上股票价格的波动特点，本文选择了几种不同的模型，分析股票价格的波动性，从而对股票市场的波动性进行了准确地研究。

(一)GARCH（1,1）-M模型

这个模型是在1982年由Engle提出的，这类模型是在自然回归条件下提出的，建立条件差异性方差，这类模型能够按照时间的顺序，建立方差的模型，在1986年，这个模型又得到了完善，在建立条件方差的过程中，容易出现各类时变风险，这时就要对时变风险进行度量，分析风险与收益的关系，从而能够建立起完善的防范风险的模型。这个模型运用了递归的形式，从而能够对误差系数和滞后系数进行分析，在分析的基础上，建立递归公式，完善一个ARCH模型，这个模型具有无限性特点，误差系数与滞后系数相加也不会大于1，实现了GARCH在使用过程中的二阶平稳，误差系数和滞后系数能够反映股票市场波动的特征，而且能够分析持续阶段的股票市场的波动性，而且相加的数值越接近于1，表明波动的时间越长。

(二)指数GARCH（1,1）模型

这个模型是Nelson在ARCH模型的基础上提出的一类新的模型，这类模型能够实现非线性方程的计算，是在非线性变换指数的方式上提出的，这个模型又可以称为EGARCH模型，这类模型，能够对系数参数进行约束，防止系数出现了负数的形式，所以，在一定程度上导致了条件方差不具有动态性，在完善后的EGARCH模型中，就不会存在这类问题，能够展现出条件方差的动态性特点。在这个模型中，能够实现标准化的正态分布，而且能够显示出非对称的响应函数，起到了良好的调节作用。而且，这个模型能够对回报的负冲击程度进行分析，从而能偶完善更加标准的条件方差，通过相关的数据分析，可以发现，EGARCH模型能够对金融数据进行精确地模拟，但是，这个模型不能建立更加完善的股票市场波动性的预测。

(三)GJRGARCH（1,1）-M模型

这个模型是针对股票市场的非对称性建立的，能够建立起虚拟的变量，从而分析利好消息和利空消息，然后，让虚拟变量为零，分析对条件方差的冲击，然后将虚拟变量设计为1，分析条件方差的冲击性。所以，如果虚拟变量不为零，那么利好消息和利空消息之间就存在着比较大的波动，呈现出非对称的特点，而且虚拟数值的量很大，说明利空消息产生的冲击力比利好消息要大，为了能够分析条件方差，应该对预期收益的平稳度进行分析。

二、数据波动时间的划分和相关数据的统计

在2000年之前，我国的股票市场规模还不是很大，而且在操作的过程中还没有相关的标准，所以，本文选择了2000年-2010年的指数进行分析，由于在此期间，很多制度会发生变化，所以，中国股票市场上呈现出了一定的波动性，这样的波动性也呈现出一定的阶段性特征，在2006年的涨跌停板对中国股票的波动性造成了一定的影响。在不同的市场上，指数收益率与样本的均值都不大，但是，样本的方差是比较大的，说明股票市场的波动性比较大，而且，在第二阶段的标准差小于第一阶段，这说明，我国的股票市场的波动是在逐渐减小的，而且，偏态和峰值都不为零，这说明，拒绝正态性的分析是正确的，在对相关的模型进行分析的基础上，尅看出在对时间序列进行设计的时候，必须确保序列的平稳。

股市动态分析篇（6）

一、引言

自1990年12月上海证券交易所和1991年7月深圳证券交易所正式营业以来，我国股票市场取得了巨大的发展。据统计，截至2011年底，我国股票市场上市公司总数达到2342家，流通市值达到16.49万亿元，而股票总市值也已达到了21.46万亿元，证券化率已达45.54%，以上数据显示，随着股票市场的不断发展及市场化程度的不断提高，股票市场的融资功能、资源配置功能等逐渐显现出来，股票市场已经成为我国社会主义经济体系的重要组成部分，在国民经济中发挥着越来越重要的作用。

根据市场有效性假说，股票一种作为金融资产，其价格会受到不断传达至股票市场的新信息的影响。货币政策作为政府调整宏观经济的一种手段，其所传递的信息也将会对股票市场的价格产生一定的影响。但是对于货币政策影响股票市场的渠道和效果各国经济学家尚没有统一的定论。

二、文献综述

国外已有的文献主要从货币供应量和利率两个方面研究货币政策是否对股价产生影响，且结论也不尽一致。Bernanke（2005）研究表明，联邦基金利率预期之外下降25个基点，股价指数将会增长1%，非预期的货币政策变动对股票市场的超额收益有很大的影响。Nuno Cassola（2008）等对欧洲GDP、M2、短期利率、债券收益率及股价指数之间采用SVAR模型进行实证分析，得出利率和资产价格在欧洲货币政策传导机制中发挥着重要的作用，股市的周期性波动与货币政策的短期冲击密切相关。Leitemo(2009)研究发现，股票实际价格和利率之间存在显著的相互关系，联邦基金利率升高100个基点，股票实际价格立刻下降7%-9%。Edouard Challe等（2011）研究表明股票市场对货币政策的变动无论在数量还是质量上都符合经验估计，预期之外的名义利率变化对股票价格会产生显著的影响。联邦基金利率变动25个基点，会使股票指数变动0.5%到2.3%不等。

国内学者在研究货币政策与股票市场关系时，主要选取的变量包括货币供应量、利率、存款准备金率以及银行信贷规模等。一些学者认为货币政策不能显著地影响股票价格。如孙华妤、马跃（2003）采用滚动式VAR模型进行研究，发现货币供给量对股市影响不大，并且存在时滞。张蕾、郑振龙（2007）对1996-2006年短期利率与上证综指间的动态相关性进行了实证研究，发现2002年之前利率与股指之间有微弱的动态负相关性，但在2002年之后这种负相关性逐渐增强，表明我国金融市场存在分割性并逐步走向成熟。

另一部分学者则通过实证研究认为货币政策对股票价格有着显著的影响。如刘文超、韩非（2010）运用协整回归方法，研究结果表明：货币供应量同比变动同股票市场存在着长期均衡关系。其中M0和M1的同比增速是上证综指的格兰杰原因。货币政策在紧缩期对股市的负面作用大于其在扩张期的积极影响。郑鸣，倪玉娟（2011）运用MS―VAR方法分析货币政策与沪、深股市收益率的动态相关性及与股票市场特征的关系。实证表明，货币供应量与股市的相关性比利率与股市的相关性要高。

从上述文献可以看出，目前学者研究在研究货币政策对股票市场的影响时，大多采用固定参数模型，得出了一些有价值的结论，对我国货币政策操作有一定的指导意义。但是由于货币政策存在着一些不可观测的因素，采用上述固定参数模型难以准确反应现实情况。近年来，由于经济改革、外界冲击和政策变化等因素的影响，中国的经济结构逐渐发生变化，货币政策冲击对股市的影响也越来越不固定，因此需要构建时变参数模型才能更好地反映货币政策对股市影响的动态性。本文拟采用时变参数的状态空间模型对货币政策对股票市场的影响进行分析。

三、实证研究

状态空间模型表达了由于输入引起系统内部状态的变化，并由此使输出发生的变化，是反映动态系统的完整模型，它不仅能反映系统内部状态，而且能揭示系统内部状态与外部的输入和输出变量的联系。

（一）变量的选取与数据处理

本文采用上证综合指数的对数的差分即上证综指收益率（dlnindex）作为自变量，采用广义货币供应量对数的差分即货币供应量变化率（dlnm2）、利率对数的差分即利率变化率（dlnr）作为自变量建立时变参数状态空间模型。本文设定了一个虚拟变量t来考察货币政策在股权分置改革前后对股市影响的效果。

本文选取样本为1997年1月至2011年12月的月度数据。数据均来自于中经网统计数据库。

（二）单位根检验

采用时间序列建模，为避免伪回归问题，要求序列是平稳序列或序列之间存在协整关系，因此，需要先对各变量进行平稳性检验。本文采用ADF检验，检验结果表明，广义货币量（M2）、利率（R）、上证综合指数（index）的对数序列在5%的置信水平下均为一阶差分平稳过程，即都是一阶单整时间序列。

（三）协整检验

Johansen协整检验是一种以模型为基础的检验回归系数的方法，它能够同时对多变量进行协整检验。本文采用Johansen协整检验方法，结果表明，在5%的显著性水平下，各变量之间都存在着长期协整关系。

（四）状态空间模型分析

利用状态空间模型的时变参数模型来研究上证综合指数收益率（dlnindex）、广义货币供应量增速（dlnm2）、利率变化率（dlnr）之间的关系，t为虚拟变量，以实行股权分置改革为界，2005年12月以前取0,2006年1月以后取1。该模型的量测方程为：

@signal dlnindex=c(1)*t+sv1*dlnm2+sv2*rr+sv3

其状态方程为：

@state sv1=sv1(-1)

@state sv2=sv2(-1)

@state sv3=c(3)*sv3(-1)+c(4)*sv4(-1)+c(5)*sv5(-1) +[var = exp(c(2))]

@state sv4=sv3(-1)

@state sv5=sv4(-1)

估计得到如下结果，括号内为z统计量：

(-8.36E+08)

(8.07E+12) (-3.90E+15) (-6.21E+13) (-1.29E+13)

经过z统计量检验，上述模型在5%的显著性水平下是显著的，进而可以得到广义货币供应量变化率和利率变化率对上证综指收益率的弹性变化趋势，如图1、图2所示：

图1广义货币供应量变动率对上证指数收益率的影响系数

图2利率变动对上证综指收益率的影响系数

从图中可以发现在1997年-1999年间，我国股市变动剧烈，货币供应量变动和利率变动对股市影响十分显著。在此期间广义货币供应量变动率对上证指数收益率的影响系数为[-0.044,0.26]，利率变动对上证指数收益率的影响系数为[-0.153,0.59],并且变动十分剧烈。究其原因，1997年席卷亚洲的金融危机对经济造成了巨大冲击，为了刺激经济增长，央行开始实行积极的货币政策，货币供应量逐月增加，利率不断降低，银行信贷不断增加，从而使我国股票市场在1998年5月前后走出了一波不断上涨的行情。这一时期货币政策对股市收益率的影响十分显著。此后，货币政策调控的效果显现，股票市场逐渐恢复稳定，虽然央行继续坚持执行积极的货币政策，广义货币供应量增速保持在15%左右，利率水平维持在3%左右，股票市场对货币政策的预期比较稳定，货币政策对股票市场的影响未现巨大波动。即便是1999年至2001年的牛市行情，货币政策对股票市场影响的系数也变动较小，在这一阶段，货币政策对股市的影响有所减弱。

2005年股权分置改革开始实行，并于2006年全面展开。我们发现，股改前后，影响系数有着显著的变化。股改之前，由于国家法人股的无法上市流通，市场流通股规模较小，因而股票市场受货币政策影响的变动幅度也较小。股权分置改革后，央行执行宽松的货币政策，虽然货币供应量增速依然维持在15%左右，但利率始终在3%以下，居民储蓄率不断降低，大量的资金涌入股市，促使我国股市走出一波前所未有的牛市行情。从图中结果可以看出，2006年以后，货币政策对股市影响的系数变动率有所增大。货币供应量变化率对上证综指收益率的影响不断增强，从2006年7月的0.001增加到2011年12月的0.071，并在09年以后影响逐步减弱，而利率变化率对股市收益率的负向影响则从0.05增加至0.37，并在09年以后逐步增强。这也一定程度上表明股权分置改革提高了我国货币政策对股票市场的影响力度。

2008年，美国次贷危机引发的金融危机席卷全球，为了克服金融危机，国家出台了四万亿经济刺激计划，并实行了宽松的货币政策，货币供应量增速一度达到30%，利率降低到1%以下，并在1.5%左右波动，股票市场出现了上升行情。随着经济的企稳回升，资产泡沫凸现，为了抑制资产泡沫，国家开始执行稳健的货币政策，货币供应量增速有所放缓，利率也有所提升，股市也表现出了疲软的态势，这与图中曲线的斜率变缓，利率变动率的系数为负并不断增加相吻合，这表明在这一段时间，货币供应量变化率对股市的影响是显著的，但是影响作用在减弱，而利率变化率对股市的影响作用却在加强，这也能解释在利率调整公告前后，股市出现巨大波动的原因。

四、结论及建议

本文采用时变参数状态空间模型实证分析了股指收益率与货币供应量变化率、利率变化率之间的关系，实证结果表明：货币政策调整对股票市场影响是显著的，但是在不同阶段采取不同的手段对股市的影响效果是不同的。在经济危机时期，货币政策的微小变动都会带来股市的巨大波动，并且货币供应量增速越高，股市收益率水平越高，提升利率对股市的抑制作用要比降低利率对股市的促进作用要大。在经济过热时期，货币供应量变动对股市收益率的影响较小，但利率变动对股市收益率的影响依然显著，并且呈现出一定的波动性，提高利率会降低股市收益率，反之亦然。股权分置改革提高了货币政策的股票市场传导的有效性，使得股票价格对货币政策信息的反应更加灵敏。

鉴于货币政策对股市影响的有效性，结合我国货币政策最终目标，虽然稳定币值和促进经济增长仍是央行的首要任务，但货币政策应适当关注股票市场价格的波动，并将股票价格等指标作为重要的参考依据，可以适时建立股票价格波动的监控体系。从长远来看，我国的货币政策目标不仅仅是确保人民币币值的稳定，更应当是保证金融稳定，不仅包括物价稳定，还应包括银行体系的利率稳定和汇率稳定以及股票价格在内的资产价格的稳定。从货币政策中介目标来看，央行应着重推进利率的市场化进程，强化利率传导机制的作用，提高利率变动对金融资产价格变化的传导效应。

参考文献：

[1]孙华妤，马跃.中国货币政策与股票市场的关系[J].经济研究.2003;7

[2]张蕾、郑振龙.股票价格与短期利率动态相关性的实证分析[J]. 商业经济与管理.2007;5

股市动态分析篇（7）

【关键词】股票价值相对价值现金流

随着社会的发展,股票价值分析的方法也越来越多,当前股票基本面分析主要有以下几种:财务分析,相对价值分析,绝对价值分析和业绩评价指标分析。比如,相对价值分析中有市盈率,市净率,市收率,绝对价值分析中的代表是贴现现金流和股权自由现金流,在此,我就每种分析方法的代表进行说明,以便大家参考。

一、股票的相对价值分析

市盈率,简称PE,我们常说的市盈率就是静态市盈率,是股票市价与其每股收益的比值,计算公式是:

市盈率=当前每股市场价格/每股收益用符号表示是:PE=P/EPS

如果结合公司的股利支付率和股利增长率,则计算公式是:

PE=P/EPS=DP(1+g)/(K-g)

DP为股利支付率,g为股息增长率,k为资本成本.

静态市盈率是衡量股价高低和企业盈利能力的一个重要指标。由于静态市盈率把股价和企业盈利能力结合起来,其水平高低更真实地反映了股票价格的高低。例如,股价同为50元的两只股票,其每股收益分别为5元和1元则其市盈率分别是10倍和50倍,若企业盈利能力不变,这说明投资者以同样50元价格购买的两种股票,要分别在10年和50年以后才能从企业盈利中收回投资。但是,由于企业的盈利能力是不断变化的,投资者购买股票更看重企业的未来,因此,一此发展前景很好的公司即使当前的市盈率,投资者也愿意购买,预期的利润增长率高的公司,其股票的市盈率也会比较高。例如,对两家上年每股盈利同为1元的公司来讲,如果A公司今后每年保持20%的利润增长率,B公司每年保持10%的利润增长率,那么到第十年时A公司的每股盈利将达到6.2元,B公司只有2.6元。因此,A公司当前的市盈率必然应当高于B公司。投资者若以同样价格购买这家公司股票,对A公司的投资能更早地收回.

动态市盈率,其计算公式为是以静态市盈率为基数,乘以动态系数,该系数为1/((1+n)×n),i为企业每股收益的增长率,n为企业的可持续发展的存续期。例如,上市公司目前股价为20元,每股收益为0.38元,去年同期每股收益为0.28元,成长性为35%,该企业未来保持该增长速度的时间可持续5年,即时n=5,则动态系数为15%,相应地,动态市盈率为7.8倍,而此时静态市盈率为52倍,两者相差之大,可见一斑。动态市盈率告诉我们一个简单朴素而又深刻的道理,即投资股市时应该有持续成长性的公司。

结合市盈率与预期增加率,我们可以得出目标企业的价格,即:PEG,PEG=可比企业的PEG×目标企业的g×100×EPS,这种方法是对市盈率的修正,能更加准确地评判公司的价格是否合理。

市净率是我们经常使用的指标,这个比率是把一支股票的市场价格和当期资产负债表的账面价值(所有者权益或净资产)的比值,对于公司资产折旧低,质量高的上市公司(例如,公路路桥)。市净率估值对于估算公司股票价值的参考度更大。但市净率不适用信息技术,文化传播等通过无形资产创造利润的企业,可以说对于服务性企业,市净率估值没有任何意义,其计算公式为:

市净率=股票市价/每股净资产

用字母表示:PB=P/EPS

若结合股息支付率和增长率,计算公式为:

PB=(ROE×DP×(1+g))/(k-g)

DP,k,g同上,ROE为净资产收益率.

市净率也依赖于ROE,同时净资产也依赖于销售净利率。假定其他条件相同,一般情况下,较高净资产收益率的公司也有较高的市净率,原因是一家有很高所有者权益的公司更有价值,它的账面价值增长的更快。

因此,当我们考察目标股票市净率的时候,要知道他与ROE有关。一家相对于同行市场市净率低且ROE高的公司可能被低估,这是因为一般来说,低市净率的股票在长期走势强于大盘,特别是在大盘高位盘整阶段有很好的表现。但在市净率给股票估值时,应与其他指标一起应用。

市收率也是我们分析股票价值常用的指标.其计算公式为:

市收率=股票市价/每股销售收入

用字母表示:PS=P/S

若结合股利支付率和增长率,其计算公式为:

PS=(ROS×DP×(1+g))/(k-g)

一般来说,股票价格低且销售收入高的公司可能被低估,但在分析股票价值时还应结合其他指标。

二、绝对价值分析

1.股权自由现金流

公司股权资本投资者拥有的是对该公司产生的现金流的剩余要求权,即他们拥有公司在履行了包括偿还债务在内的所有财务义务和满足了再投资需要之后的全部现金流,就是在除去经营费用,本息偿还和为保持预定现金流增长率所需的全部资本性支出之后的现金流。

(1)无财务杠杆的公司股票自由现金流

无财务杠杆的公司没有任何债务,因此无支付利息和偿还本金,并且公司的资本性支出和营运资本也全部来源于股权资本,无财务杠杆的公司的权益现金流可按如下方法计算:

销售收入-经营费用-销售成本=利息税收,折旧,摊销前收益(EBITDA)

利息税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBITDA_

息税前收益-折得税务局=净收益(EAT)

净收益+折旧-营运资金增加额=经营活动产生的现金流(OCF)

经营活动产生的现金流-资本性支出=股权自由现金流

股权自由现金流是满足了公司所有财务需要之后的剩余现金流,它可以为正,也可以为负,如果股权自由现金流为负,则公司不得不通过发行股票或认股权证来筹集新的股权资本。如果股权自由现金流为正,则公司就能以股票现金红利的形式将剩余现金流派发给资本投资者。

(2)有财务杠杆的公司的股权自由现金流

有财务杠杆的公司除了要支付无财务杠杆公司的全部费用外,还要使用现金支付利息费用和偿还本金。但是有财务杠杆的公司可以通过新的债务来为资本性支出和营运资本需求进行融资,从而可以减少所需的股权资本投资。

销售收入-产品成本-经营费用=利息,税收,折旧,摊销前收益(EBITDA)

利息,税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBIT)

息税前收益-利息费用=税前收益

税前收益-所得税=净收益(EAT)

净收益+折旧+摊销-营运资本增加额外负担=经营活动产生的现金流(OCF)

经营活动产生的现金流-优先股股利-偿还本金+新发行债务收入+股权资本自由现金流

2.贴现现金流

贴现现金流模型运用收入的资本化定义方法决定普通股票的内在价值。按照收入的资本化定价方法,任何资产的内在价值是由拥有这种资产的投资者在未来时期中所接受的现金流决定的。由于现金流是未来时期的预期值,因此必须按照一定的贴现率返还成现值,也就是说一种资产的内在价值等于预期现金流的贴现值。对于股票来说,这种预期的现金流即在未来时期预期支付的股利。

在该概念中,假定所有时期内的贴现率都是一样的,需要指出的是,股票在期初的内在价值与该股票的投资者在未来时期是否中途转让有关。

根据定义,可以引出净现值的概念:净现值等于内在价值与成本之差,即:

NPV=V-P

式中,P是t=o时的购买股票的成本.

如果NPV>O,意味着所有预期的现金流入的现值之和大于投资成本,即这种股票价格被低估,因此购买这种股票可行。

如果,NPV<0,意味着所有预期的现金流入的现值之和小于投资成本,即这种股票价格被高估,因此购买这种股票不可行。

在现代社会中,一般来说,现金流比利润更难以造假,所以当我们发现一家公司的股权自由现金流大且NPV也大时,我们可以认为该公司股票值得购买。

以上介绍的几种方法,可能有时得出的结论是一致的,有时得出相互矛盾的结论。对于这些结论我们需要用发展的眼光来看待,找出自己认为最有把握的结论。

参考文献:

[1]唐小我.预测理论及其应用.电子科技大学出版社,2006.

股市动态分析篇（8）

一、引言

证券投资是指投资者购买股票、债券、基金券等有价证券及其衍生品，以获取红利、利息及资本利得的投资行为和投资过程，是直接投资的重要形式。以市盈率的高低来评价证券市场或股票的投资价值，是证券投资分析中重要的方法之一，尤其对长期战略投资而言显得更为重要，因为其收益通常是在投资若干年之后，对投资效益进行评价应该考虑资金的时间价值，这在投资经济学中被称为动态评价方法。净现值(NPV)是将投资项目在整个分析期内不同时间点上的净现金流量按基准收益率折算到基年的现金之和。净现值大于零，表明收益率超过基准收益率，项目可行；在多个项目进行比选时，净现值最大的项目，其收益率最高，在经济评价中是优先选择的项目。本文将这一方法应用到证券投资市场，提出了基于净现值法的动态市盈率(DPER)概念，建立了计算模型，可作为证券投资的评价指标。

二、 静态市盈率概念及其局限性

1.静态市盈率

人们通常所说的市盈率即市价盈利比率（PER或P/E），是指证券市场价格指数（或证券价格）与其上年每股盈利的比值。根据使用对象不同，市盈率又可分为总体市盈率和股票市盈率。

（1）总体市盈率是用证券市场的总市值和上市公司的即期总税后利润加权平均的比值，常用总市值与其即期总收益的加权平均。这一指标反映了证券市场总的“资本凭证价格比率”，可对证券市场的投资价值和所蕴藏风险作出适当的评价。

（2）股票市盈率是股票的市场价格与每股收益的比值。设股票上年的每股收益为E0，市场价格为P，则其静态市盈率为：

（1）

如果年平均每股盈利保持不变，把历年盈利全部用于派发股息，需要20年才能收回投资成本（不考虑公司的成长性和同期银行存款利率等因素），即可理解为静态投资回收期。这一指标表明了投资在多长时间内能收回成本，它是衡量上市公司盈利能力的重要指标，属于经济效益评价的静态评价指标，我们将其称为静态市盈率。市盈率越低，投资回收期越短，说明回报率越高，选择市盈率低的股票进行投资曾一度成为市场的共识。因此，静态市盈率是考察股票投资价值的重要指标。

2.静态市盈率的局限性

静态市盈率计算简单，使用方便。因此，它在证券市场上成为广大投资者使用最普遍的一个指标。但是，静态市盈率概念也存在一定的局限性。

（1）由于市盈率概念的每股收益以上年实现的每股税后利润计算，采用的是历史数据，表明的是过去的事实；也有人提出以本年度预期的每股税后利润计算，但通常预测值与实际值有一定的误差，导致市盈率出现误差。

（2）静态市盈率的大小不能正确反映上市公司的发展情况。静态市盈率蕴涵着一个基本假设，即未来若干年内股票的每股收益不变，这是不可能的。随着国民经济的发展，大多数上市公司具有一定的成长性已成为不争的事实；而有些企业经营不善，甚至连续3年亏损被摘牌的上市公司也不乏其例。

（3）利率也是影响市盈率的重要因素。一般来说，市场利率高，储蓄将吸引大量的资金，必将影响证券市场，反之亦然。由于静态市盈率没有考虑到资金的时间价值，从投资的角度看没有充分反映资金的使用效益，这就大大降低了投资分析的可靠性。

三、动态市盈率

1.净现值

净现值（NPV）是项目投资所产生的未来现金流的折现值与投资成本之间的差值。在投资项目评价中，NPV≥0方案可行；NPV＜0方案不可行；净现值均＞0净现值最大的方案为最优方案。由于净现值指标反映了投资项目的获利能力，而且考虑了资金时间价值和全过程的净现金流量，体现了收益性、风险性和流动性的统一，因此，净现值法是评价投资方案的一种科学方法。

2.动态市盈率

证券投资是狭义的投资，是通过购买有价证券获得收益的行为。对证券市场或股票，充分考虑资金时间价值，建立在企业成长性基础上的投资回收期，我们称为动态市盈率(DPER)。

3. 动态市盈率模型

为了计算动态市盈率，本文以股票为例，建立动态市盈率模型，求解模型即得动态市盈率。

（1）年增长率固定的动态市盈率。设股票基年的每股盈利，年平均增长率为，则第t年的预期盈利为，公司盈利的支付比率为，市场价格为P，市场利率为，静态市盈率 ，至第n年的收益之和的净现值为：

（2）

成熟的证券市场具有有效性，有效市场理论认为市场价格已经包含了所有的可以得到的信息，有效市场下证券价格是理性的，最终表现为对未来总收益的预期：，则得动态市盈率为：

（3）

（2）年增长率不同的动态市盈率。事实上，企业的成长性与企业所处发展时期有关。不同的发展时期有不同的增长率，设第t年的增长率为，收益为：，至第n年收益的净现值之和为：

（4）

从而有：

（5）

式中：P为股票市场价格；为股票基年的每股盈利；为第t年的增长率；为静态市盈率；为公司盈利支付比率；为市场利率；（5）式解出的n为包含资金的时间价值的动态市盈率。

（3）包含利率的动态市盈率。事实上，企业的净现金流量还与利率有关。设在未来年份各年的利率为，上市公司年增长率为 ，则有：

（6）

动态市盈率可由下式解出的n确定：

（7）

由于（7）式中的为未来年份的利率，对其进行准确预测是困难的，但该模型具有重要的理论意义。

四、实例分析

假设某股票基年收益E0=0.50元/股，市场价格为p=10元。

（1）静态市盈率为20（倍）。

（2）年增长率固定的动态市盈率。设公司的年平均增长率，设，按（3）式计算的动态市盈率结果如表1所示。

这表明，静态市盈率为20倍的股票，若年平均增长率为10％，其动态市盈率仅为13.9倍；若年平均增长率为20％，其动态市盈率仅为9.4倍；若年平均增长率为50％，其动态市盈率仅为5.5倍；若年平均增长率为100％，其动态市盈率仅为3.65倍。由此也可以解释，在证券市场上缺乏成长性的股票，即使其静态市盈率在20以下也常常无人问津；对于具有高成长性的绩优股，即使静态市盈率达到近百倍的股票，也常受到人们追捧。因此，追求成长性是证券投资的永恒主题。

（2）年增长率不同的动态市盈率。上市公司各年具有不同的成长性，比如发展的初期，前4年的年增长率不断递增，之后趋缓，不妨假设年增长率分别为：10％，20％，50％，50％，20％，10％，0，…，0。如果，可使用（5）式确定动态市盈率，如表2所示。

由表2的最后一行可知，至第9年的静态市盈率已达到20倍，因此动态市盈率仅为9倍。

五、结论

正确理解市盈率是分析证券投资市场和确定投资组合的基础。从投资的角度看，市盈率越小的股票投资价值越大，持股的风险越小，反之亦然。但人们发现，市场并没有按照这一原则行事，有时高市盈率的股票往往会成为市场追捧的热点，低市盈率的股票反而无人问津。这其中固然有些是市场过度投机因素所致，但同时我们也不能否认其合理性，上市公司的成长性是影响股票市盈率的最为重要的因素，市盈率与其成长性成反比，增长速度越快，动态市盈率应越低。动态市盈率揭示了企业业绩增长和发展的动态变化，比静态市盈率更具分析价值。

参考文献：

[1] 杨海明，王燕：投资学[M].上海：上海人民出版社，1998

股市动态分析篇（9）

中图分类号：F830.91 文献标识码：A

文章编号：1005-913X（2015）11-0048-03

一、引言

投资者情绪（investorsentiment）是行为金融学的重要主题，而市场情绪又是影响股票价格的重要因素。我国的股票市场与我国的经济发展情况严重背离，传统的分析方法在应用于我国A股市场分析时似乎都失去了原本的效果，作为影响市场重要因素的消费者信心指数，对我国A股市场的影响是与经济发展一样完全背离还是具有其他特殊的效应？现通过追踪消费者信心指数对A股市场影响的变化轨迹得到更加准确的结论。

二、文献综述

自Black（1986）引入噪声交易以来，国外学者的相关研究主要集中在投资者情绪的变化是否构成系统性的噪声交易风险、投资者情绪与股票收益及其波动性的相关性、投资者情绪能否对股票收益作出预测等问题展开。目前国内研究方向大致有两方面，一方面是研究投资者情绪与封闭式基金之间的相关关系，不过这一部分研究意见分歧较大，至今未形成获得统一认可的观点（张俊喜和张华，2002；金晓斌等，2002；薛斐，2005）。另一研究方向是通过投资者情绪指数与股市收益关系的实证研究结果讨论二者之间的相关性。饶育蕾与刘达锋（2003）用通过收集央视机构看市与中国证券报机构看市水平值，实证分析了投资者情绪水平与未来收益的相关关系，但发现统计上并不显著。王美今等（2004）利用央视看盘历史数据，结合EGACH-M（1，1）模型发现投资者情绪的变化对收益呈现非线性的关系，在投资者情绪高时，收益显著增加；而投资者情绪较低时，收益则会显著减少。除此之外，程昆、刘仁和（2005），张强等（2007）也曾利用“央视看盘”数据进行了实证研究，但央视看盘这一数据依然存在一定的统计偏差问题。王汝芳和田业钧（2009）在VAR模型基础上对消费者信心指数与股票市场之间的关系进行了研究。国外学者在这方面的研究较早也较为全面。Otoo（1999）发现，股票的上涨会导致增强消费者信心指数，二者呈相互影响的正向反馈关系。Fisher和Statman（2000）发现消费者信心指数可以预测一部分股票收益，特别对于NASDAQ收益和小公司股票收益有较强的预测精度，消费者信心指数是投资者情绪比较好的变量。Fisher和Statman（2003）发现消费者信心与随后的1个月、6个月、12个月的股票收益成负相关关系，但这种关系在统计上并不总是显著。Qiu和Welch（2004）发现消费者情绪指数的变化与小盘股及散户持股度高的股票的关联更为密切。综合以上分析，由于股票市场变化较大，可能存在状态转移导致条件概率的不一致，不同的作者在不同的时间段研究结论有时显著有时不显著，而国内对于投资者信心与股票收益之间的非线性影响研究较少，这说明中国股票市场的投资者情绪研究还不够完善。随着计量经济学模型的不断发展完善，对于相关关系存在时变特征的研究也愈来愈多，因此选用时变参数模型研究投资者信心对股市影响的动态特征。

三、数据处理与实证分析

（一）数据处理

为了更全面的研究影响A股变化的因素，首先选取市场变动因素（含国房景气指数、消费者信心指数）、宏观经济变动因素（含GDP增长率、居民消费价格指数）、宏观货币政策调整因素（含M2增长率、利率），样本区间为2001年1月―2013年12月为了方便对模型进行处理，对所有数据进行了预处理，数据说明及处理方法见表1。

（二）DAG（有向无环图）分析

由于股票市场的波动服从伽马分布（雷鸣、谭长春等，2007），因此在对股票市场影响因素研究时，使用格兰杰因果检验检验变量相关关系将无法满足“卢卡斯批判”。现使用Spirtes et al.（2000）提出的“有向无环图”（DAG）分析方法，，通过分析变量扰动项之间的相关系数及偏相关系数，来正确识别扰动项之间的同期因果关系， 进而为正确变量之间的关系提供客观依据， 从而避免了上述传统研究方法存在的局限性。DAG是基于数据本身进行的分析，但是当样本数量较少时，DAG分析可能会出现“低估”现象，此时可将显著性水平提升至20%[ 参见Awokuse（2006）的做法。]，采用Spirtes et al. （2000）提出的PC算法进行DAG分析，囿于样本数量，选择20%的显著性水平，通过Tetrad IV软件实现。分析结果如图1所示。

如图1所示，节点（nodes）内表示变量名称，带箭头的线（edges）表示变量的关系，箭头所指的变量表示受到同期变量的影响（如AINDEX变量与CCI变量，表示AINDEX在同期受到CCI的影响），据此可以看出，A股市场主要受到通货膨胀因素、消费者信心因素和货币政策中货币发行量的影响，间接受到房屋价格因素的影响，而完全不受经济增长和利率水平变化的影响，这也符合我国经济高速增长而我国股市“熊冠全球”的现实。

（三）状态空间模型与估计结果

基于A股市场波动较强，传统的OLS估计与VAR估计对变量相关关系的描述将会受到制约，因此选取含有时变参数的状态空间模型进行估计，通过时变参数的变化研究变量之间的相关关系及这种关系的变化轨迹。在DAG分析的基础上，将模型设定如下。

其中SVXt表示对应变量的时变参数，假设其服从随机游走过程（式（2））， Xt=[CCIt，M2t，CPIt]’，表示对应的变量，Ut表示的是除了模型中涉及的变量之外的其他不可观测因素（如国政策变化、外股市冲击等等），服从随机游走过程（式（3）），假设残差都服从正态分布。在此基础上对模型进行估计，而估计的结果只有当Xt=CCIt时，模型的估计结果较为理想，因此最终选择模型形式如下：

对上述状态空间模型进行估计，得到相应的估计结果，首先对比一下估计模型结果的预期走势与实际走势，对比结果如图2所示。

如图2所示，Predicted表示预期走势，Actual表示实际走势，两者之见的拟合度较高，表明模型的估计结果较为理想，进一步，我们看一下时变参数最终状态的估计结果，见表2。

如表2所示，SV1的最终状态值只有-0.0009，P值也较大，表明在最终状态下消费者信心指数对A股市场的影响极为微弱且不显著，而其他不可观测因素对A股影响极为显著，结合前文DAG模型的分析可以发现，A股市场与我国宏观经济发展、货币政策脱节的现象比较明显，而且不受市场因素变化的影响，受市场情绪变化的影响微弱，较多人所说“A股市场上是政策市”这一论断具有一定的依据，而这种情况的主要原因是我国股票市场制度不健全，市场化程度较低，因此推进市场化进程对发挥A股市场的资源配置功能及其重要，也是当期工作的重中之重。由于A股股指数据是取对数处理，所以即使统计数据不显著，依然有分析的价值，图3为SV的变化轨迹。

从图3中可以看出，CCI的系数SV的变化轨迹较为明显，虽然多数时间都在0上下波动，但正是这种波动导致了系数正负号的改变，这也就说明消费者信心对A股股指的影响具有非线性的特征，通过仔细交叉对比发现，A股市场在06-08年间的大牛市推动了消费者信心指数出现了一个小的峰值，即在牛市过程中，A股指数的不断上涨会导致消费者信心对A股的正向推动作用不断上升，而在A股走弱的过程中，消费者信心对A股的支撑作用也会不断下降，而在01-03年、11-13年间，由于股票市场的疲软，消费者信心指数长期在0上下波动，甚至出现对A股市场的负面作用，较为显著的表明市场情绪对A股市场的影响在不同股市行情下具有完全不同的效果。

四、结语

现通过DAG方法和状态空间模型的建立和分析，得到以下结论。

（一）我国A股市场的市场化程度较低

受市场因素较小，受到政策等因素影响较大，这对我国股票市场发挥社会融资和资源配置的功能是不利的，也不利于国民通过股票市场实现财富增值和保值，因此进一步完善我国的股票市场制度，不断推进我国股票市场的市场化进程具有十分重要的意义。

（二）消费者信心对A股市场具有非线性的作用

在股票市场疲软时，消费者信心对股票市场的影响几乎可以忽略不计，但是当股票市场表现较为强劲时，消费者信心对A股的影响力将随着A股股指的不断上升而不断增强，这要求我们在牛市中要保持清醒，在盲目乐观的情绪对A股的影响不断增强的情况下，预防泡沫膨胀带来的风险，但与此同时也应了解在牛市中整体信心的增强能够保证股票指数的进一步上涨，不应由于过分谨慎而错失财富增值的机会。

参考文献：

[1] 雷 鸣，谭长春，缪柏其.运用生存分析与变点理论对上证指数的研究[J].中国管理科学，2007（10）.

[2] 杨子晖.财政政策和货币政策对私人投资的影响研究――基于有向无环图的应用分析[J].经济研究，2008（5）.

[3] 程 昆，仁 和.投资者情绪与股市的互动研究[J].上海经济研究，2005（11）.

[4] 王美今，孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究，2004（10）.

[5] 王汝芳，田业钧.消费者信心指数与股票市场收益的实证研究[J].经济与管理，2009（12）.

[6] 饶育蕾，刘达锋.行为金融学[M].上海：上海财经大学出版社，2003.

[7] 薛 斐.基于情绪的投资者行为研究[C].复旦大学，2005.

股市动态分析篇（10）

[关键词]股市生态；演化；动力机制；对策

一、引言及股市生态概念的提出

利用生态学来研究股票市场，国外学者Famer(2002)把风格策略和价值投资比作生物界的物种，交易量比作物种数量，采用演化博弈和计算机模拟分析股票市场价格变动特点和市场效率。Brock、Hommes&Wagener(2005)建立了所谓LTL(Large Type Limit)模型，利用生态学为市场上存在很多不同类型交易者和交易动因的市场进化提供一个理论分析框架，刻画股票市场生态的历时进化。但在国外，这一概念主要分析投资者交易策略和市场效率的关系。与国外成熟的股票市场相比而言，我国股票市场发展时间短，股市设立最初目的导致其功能弱化。处于转轨市场环境下，股票市场的环境完全不同并且变化复杂，如果只研究股市投资者和市场功能，而不关注我国股市环境及其演化显然是不够的。近两年有关我国金融生态的研究方兴未艾，股市生态作为金融生态的子系统，也已引起了一些学者的关注。

学术界还没有对股市生态定义出统一规范的概念，学者从各自分析目的做出了相关定义。尹中立(2005)把散户和机构投资者之间的相互依存关系称之为“股市生态”，认为中国的股市生态就是机构这条“大鱼”靠吃散户这条“小鱼”维持生存。郭茂佳(2006)定义股市生态为保持股市长盛不衰的活力，充分运用法律法规、政策制度、组织体系和金融工具，营造出符合股市生理特征和生命规律的环境构成。张勇和高缅厚(2006)则认为股市生态是股市内部运作和外部环境的整体态势，包括股市投融资功能、证券行业在国民经济中的地位和作用、法律和社会信用体系、股市参与者结构及关系、社会舆论环境等方面的内容；并认为目前中国股市生态是一个极不稳定的市场体，传统发展观是股市生态系统脆弱的根源。周军(2006)从系统的角度定义股市生态，它是指参与市场主体为了追求自身利益最大化，在既定的法律和监管制度安排下相互博弈，从而形成并呈现出一定的结构特征，执行一定功能演进平衡系统。以往学者共同之处是都把股市生态中参与者以竞争形式存在，不同之处在于要么片面地要么静态地定义股市生态。不足之处在于仅仅把上市公司的大股东和中小股东作为市场参与主体，把既定的法律和监管等制度环境作为生态环境。笔者认为股市生态是指股票市场上所有参与者与其生存和发展的内外环境之间相互作用、相互依赖以及相互影响而形成的一种自我维系、动态演化的系统，在特定的运行机制下具有特定的结构和特定的功能，市场参与者之间不仅仅是竞争关系，而且还是一种依存关系、协同关系。

二、股市生态的演化机制

(一)股市生态演化的前提及其诱因

股市生态的演化是一种自我调节、自我完善和自我发展，从低级走向高级、从无序走向有序，且结构功能不断得到提升的不可逆的发展过程。

1．开放性和非平衡是股市生态演化的前提。开放性是指股市生态能与外部环境交换物质、信息、能量，特别是外部因素对原有的股市生态进行影响和改造，使股市生态能够依据与股市生态外部环境的相互作用而不断演进。非平衡性是指股市生态系统内部的差异性、分化性和不均等性等状态使得投资者要素间作用力大小和方向的不断转变，通过分化和非平衡的差异才能实现股市生态更多功能及更高效率。

2．内部力量引起的涨落是股市生态演化的诱因。股市生态从无序到有序的演变是通过内部随机涨落实现的，正是自内外部众多的微涨落通过放大形成巨涨落从而促使股市生态发生演化。股市生态内部涨落是在生态内部诸要素之间非线性相互作用使得稳定的股市生态发生偏离。股市生态内涨落主要由投资者投资偏好、动机和愿望以及投资机构的战略调整、管理变革等引起。诱导股市生态涨落的外部力量主要有科学技术的发展以及股市生态外部环境等变化。

涨落具有触发作用，股市生态在充分开放的前提下，总能与外界进行物质、能量和信息的交换，并通过股市生态要素的状态以及要素之间关系来实现对其生态的影响。随着生态环境激励或者压力的增强，股市生态的结构发生变化，引发矛盾累积。当环境的激励或压力达到一定的阈值点时，股市生态的原有结构或者模式无法适应环境，须以一种全新的方式组织股市生态的要素。在涨落的诱导下，股市生态走向平衡区，进入失稳状态。经历一段过渡阶段后，股市生态要素重新耦合，形成新的竞争与协同关系，导致了序参量的形成。在序参量的支配下，形成了更为有序的稳态股市生态(如下图所示)。

(二)股市生态演化的动力机制

竞争与协同是股市生态演化的两股相互作用的动力。竞争是保持股市投资者个体状态和趋势的因素，不同投资者的运行状态不同，在不同的势差情况下，竞争能够激发投资者高效操作，也使得股市生态建设型地向前发展。竞争的意义并非仅仅是淘汰，而在于发展成“共赢”，在于建立一种充满活力的运行机制。其作用的表现为整个生态系统的非平衡式发展。作为竞争对立面的协同，是保持投资者集体性和趋势的因素，使得股市生态个体之间以及系统与要素之间相互感应。协同具有整合各个投资者的功能，使得股市生态的整体绩效提升。

假定考虑股市生态中两个投资者，x1(t)、x2(t)分别是两个投资者的投资额，r1、r2是它们固有的投资回报率，投资者的最大投资潜能分别为N1、N2，用cij、hij分别表示j投资者对i投资者的相关影响系数，其中-1

可求出该模型的不动点及稳定条件(见下表)。

竞争与协同都有可能刺激或者抑制其发展，1－c21N1+c210表示股市生态中投资者之间的协同非常有效，虽然存在竞争，

但两个主体能够产生互补的优势，并由此长期发展。

把股市生态系统中所有投资者之间的竞合关系，统一为两种相反的力量作用。股市生态的演化受这两种力量的影响，并且往往需要根据两种力量作用一段时间之后的情况来矫正下一阶段演化的方向。简化模型，只考虑一个变量对趋势的偏离和反馈时间的滞后根，据此延时方程的特点，建立股市生态演化的动力学模型：

其中，x(t)表示推动和阻碍股市生态演化各种力量合并后的力量，dx/dt表示股市生态演化的速率，α是变动速率，r表示时滞，F[x(t―r)]表示股市生态系统内生的控制关系，它由反馈信号x(t―r)和反馈函数G组成。反馈函数具有控制目标的上界和下届，以满足控制目标的要求。(2)式说明，股市生态系统演化的快慢与推动和阻碍其演化的合并力量x(t)及控制股市生态演化的因素所产生的力量有关。在控制函数中存在时滞r，这是由于反馈信息及调节必须在外在冲击实施一段时间之后才能产生所决定的。

(2)式是一个单变量的延时方程，其特点是可以产生分岔和混沌等复杂行为。只要把方程中的延时操作写作算子的形式，延时方程可被化为多变量的自治方程。根据混沌理论，在三个以上变量的自治方程中可能出现分岔和混沌，这个要求来自于微分方程解的唯一性。

若设

式中b为控制参数，б是标度参数，负号表示负反馈，则该模型可化为：

该模型是一个含有时滞的微分方程，其解可以是稳定解、极限环解、多周期的长波解及混沌解。静态分析中的长期均衡的概念被认为是非线性动力系统中的不动点解，由于时滞和控制行为的过度反应，稳定状态很难达到。

路径依赖是指具有正反馈机制的体系，一旦在外部偶然性事件的影响下被系统所采纳，便会沿着一定的路径发展演进，而很难为其他潜在的甚至更优的体系所替代。诺斯(1990)将其应用到制度变迁中，并深入分析了自我强化机制所包括的因素，以及可能的制度变迁路径股市生态的演化同样具有路径依赖特征，股市生态演化可能进入良性循环后的轨道，迅速优化；也可能顺着错误的路径走下去，甚至被锁定在某种无效率的状态中。要改变这种状况，往往要借助于外部效应，引入外生变量或依靠制度的变化。不同国家的股市生态系统最初的资源禀赋、市场结构、技术特征、社会文明程度、文化背景等都有着一定的差别。可见，股市生态的演化非常复杂。

三、我国股市生态失衡的表现

我国股票市场最初建立的目的是为国有企业解困，股市制度初始状态，以及股市生态演变过程中激励与约束机制不健全的事实已使得股市生态演化进程陷入了某种“路径依赖”中，现存的制度框架使得上市公司或机构投资者为了实现利益最大化而或明或暗地采取一系列违规行为，新的利益的获得将会进一步加强这种制度体系。我国股市生态失衡主要体现在以下几个方面：

(一)股市生态功能失衡

我国股票生态功能失衡主要体现在三方面：一是投资功能缺失。我国股票市场并没有表现为国民经济的“晴雨表”，股指与宏观经济走势背道而驰。我国股票市场整体上来说投资者获得回报为负值(张卫星，2005；周军，2006)。是我国股票市场融资功能萎缩。大量优秀企业放弃国内市场到国际资本市场筹资，相比而言，国内股市筹资能力下降。据统计，仅2005年69家中国境外上市企业筹资额达到210亿美元，是沪深两市2003年和2004年首发募资总额800多亿元人民币的约2倍。截至2005年底，境外上市的中国企业总市值约4805．96亿美元，而同期沪深市场A股公司总市值4180．856亿美元，其中可流通市值约1243．41亿美元。以可流通市值比较，境外上市规模已是内地市场的3．87倍。三是股市资源配置功能弱化。股市设立之初就赋予了为国企解困的任务，其结果造成了股市功能严重失衡的现实。发行价格并不主要为市场供求关系决定，人为造成一级、二级市场的巨大差异，导致股市配置资金能力的扭曲。证券监管机构对上市公司额度的控制，加之地方政府的保护，致使很多并购并没有整合业务和提高资源配置。

(二)股市生态结构失衡

我国股市生态结构失衡体现在政府托市、企业圈钱、机构坐庄。中国股市历来被称为“政策市”，当市况低迷时，管理层则迎合市场要求出台“利好”政策来救市、托市，刺激股市向上。公司上市变融资为“圈钱”，包装为登堂之桥、公关为致胜之道成了我国股市的潜规则。其根本原因在于上市公司质量不高和公司治理水平不高，上市公司质量不高表现在其产生利润的能力低下，公司治理水平不高表现在股权虚置、过多关联交易。结果，上市公司总体上不诚实守信、造假现象严重，为管理层的大股东谋求私利。机构投资者人市投资变成投机，长期以来，自营或变相自营投资成了证券公司主要的生存支柱，而过大的自营规模将证券公司从中介性质的机构演变为自有资金的投机商，从而引发致了证券公司的经营困境。由于投资者保护不足，机构投资者与中小投资者体现为一种捕食性食物链关系，股市生态形成为机构投资者坐庄、中小股民跟风的投机型市场模式。

(三)股市生态环境失衡

股市生态环境失衡包括内部制度环境失衡和外部环境失衡两个方面。内部制度环境失衡主要体现在几个方面：一是股市初始制度赋予了为国企解困的任务，其结果造成了融资功能与投资功能严重失衡的现实。二是股权分置的制度设计造成了流通股东与非流通股东之间的利益对抗。股权分置制度的设计直接造成了不同类别股东权利和责任的不对等。同时也造成了市场流通性不足，为股市营造了侵害社会公众投资者利益的土壤，同时也造成了市场流通性不足，价格持久且大幅度地偏离价值等弊端。三是市场退出机制不健全，缺乏市场化退出的制度安排，从而造成股市整体质量下降、股票市场风险加大。

股市生态的外部环境主要包括法律环境、信用环境和体制环境等方面。首先，从法律环境来看，有关证券市场法制法规建设滞后。其次，信用环境建设严重滞后，造成了我国证券市场侵害中小投资者现象严重。最后，由于我国是一个行政主导型的国家，体制环境是直接影响我国股市生态的重要外部因素。政府的反复救市、托市行为使得其信誉和公信力受到国民的普遍质疑。

四、优化我国股市生态的对策

笔者认为，优化我国股市生态可从以下几个方面人手：

(一)恢复我国股市生态功能

要恢复我国股市投资功能，就必须加强投资者回报权的保护。适当安排一些在境外上市的优质企业回归A股融资，逐步壮大国内股票市场的融资功能。完善我国股票发行制度和定价机制，规范政府行为，提高股市的资源配置能力。

(二)完善股市生态结构

要解决股市生态结构失衡问题必须从对股市交易参与主体的培养与改造人手。加大对上市公司和机构投资者违规行为的惩罚力度，保持法律的威慑作用。加强法治，规范政府行为提高监管机构的独立性。同时应出台相应的公共治理机制，确保监管权的有效性。

股市动态分析篇（11）

[中图分类号] F293.3 [文献标识码] A [文章编号] 1673-0461(2010)01-0084-05

[收稿日期]2009-08-11

[基金项目]国家自然科学基金项目(70771115)。

[作者简介]王坚强(1963 -),男,湖南湘潭人,教授,中南大学商学院博士生导师,主要研究方向:决策理论与应用、风险管理与控制、金融工程;阳建军(1985- ),男,湖南衡阳人,中南大学商学院硕士研究生,研究方向:评价理论与方法,投融资与风险分析。

一、引 言

最近几年我国房地产业一直处于高速发展的过程中,据中国指数研究院统计,截止2008年底我国大概有六万多家房地产开发企业,主要表现为量的扩张。总体上看,国内多数房地企业在经营活动中只是片面强调市场占有率或销售收入而不注重自身竞争力的提高,走的是一条外延粗放型扩张之路,存在投资效率低下的问题。随着前期房地产紧缩政策和近期金融危机的影响,国内各房地产企业将面对更加激烈的市场挑战,如何提高投资效率已成为房地产企业生存和发展的关键。

国内外研究者从不同角度对房地产企业的经营效率进行了测度,一方面以财务指标分析企业的经营效率,包括资产报酬率,销售利润率等,再利用回归模型分析相关影响因素;另一方面以成本函数或生产函数为基础,采用计量经济学的分析方法,来分析企业在规模扩大的时候,是否存在规模效益。[1]但是房地产企业经营效率受到诸多因素及其自身发展规模影响,因此上述的方法缺乏系统性和综合性。随着非参数方法的发展及广泛应用,大量研究者将DEA方法应用到房地产企业经营效率的评价过程中,如:刘永乐、胡燕京(2005)[2]运用数据包络分析选出8家房地产上市公司进行了计算分析及评价,得出公司的规模收益及其变动趋势,从而为投资者的投资决策提供基于数据分析的依据。孟川瑾(2008)[3]等选取了进入2006年中国企业500强中的房地产企业为决策单元,采用DEA方法从不同的角度研究了房地产企业的资源配置效率、经营效率。但是目前对房地产企业投资效率的研究甚少,主要是因为投资效率问题更多是在宏观经济理论中进行探讨,对于微观企业而言究竟意味着什么则并不明确。文献[4]通过追溯公司财务学的Fisher及MM传统,认为公司财务学所理解的投资行为其实等价于生产行为,由此,微观企业的投资效率等价于生产效率,可以通过全要素生产率TFP以及全要素生产率增长率TFPG来度量投资效率。因此,本文从全要素生产率角度出发,采用DEA方法构建了Malmquist指数测度我国房地产企业的动态投资效率,并从公司治理的角度来寻求影响投资效率的因素。

二、动态投资效率测度方法

(一)Malmquist指数及其分解

通常从全要素生产角度衡量企业生产效率的方法有两大类:参数法和非参数法。参数法需要设定明确的函数形式、假设技术对象技术上有效率、估计不同要素的产出弹性并进行相关的行为假设。非参数法包括无需设定函数形式、不需假设技术对象技术上有效率,且Fare等[5]结合了Farrell[6]的效率思想和Caves等[7]的生产率思想,使用DEA方法构建了Malmquist生产率指数,Malmquist指数不仅可度量企业动态生产效率,而且可将这一变化进一步分解为技术进步、技术效率改进和规模效率变动等组成部分,为进一步分析原因提供依据。因此本文选取基于DEA的Malmquist指数方法衡量企业的动态投资效率。

由式(4)可知,第一项表示效率变化,第二项表示技术进步,因此基于全要素角度考虑的企业动态投资效率TFPG= TEC×TCP= PTEC×SEC×TCP,其中,TEC可以继续分解为纯技术效率变化和规模效率变化两个部分。

在实际的运用过程中,若TFPG>1,表示动态投资效率呈现增长的趋势;反之,若TFPGl,表示技术效率有所改善;反之,若TECl,表示生产技术有所进步;反之,若TCP

(二)投入产出指标体系的设计

1.现有研究的投入产出指标。目前借助DEA 模型对各种效率评价运用相当地广泛,大量运用到基金、银行、科研组织的绩效的评价和效率的测度等,但是借助DEA 模型有效准确地评价效率的前提和基础是选取合理的投入产出指标体系。然而,目前对房地产企业投资效率评价的指标还不多见,最近几年关于房地产企业经营绩效和效率的投入产出指标体系的研究如表1所示:

从表1可以发现,相关的投入产出指标标准不统一,随意性比较大;指标的选择不全面,有些指标不能反映投入要素的状况,如:流通股股数指标并不适合作投入指标,因为缺乏相应的价格并不能反映其资产投入,这种指标选取很可能造成评价结果出现偏差。

2.房地产企业投入产出指标确定。房地产企业与基金、银行、科研组织等相比,有自身的特点,因此房地产企业投资效率评价指标体系的确立是一个比较复杂的问题,既要考虑它的可比性和有效性,又要考虑它的系统性等等。在前述文献的基础上,通过比较分析,并征求有关专家的意见,本文从全要素生产角度选取以下指标作为评价房地产企业投资效率的投入产出指标,如表2所示:

选取以上投入产出指标理由如下:固定资产净值、净资产代表公司投入的固定资产和资金,主要体现的是“物”和“资金”的两个方面要素的投入;主营业务成本直接关系到企业产出效益,因此其高低能直接地体现了房地产企业投入多少;员工是企业投入要素中最活跃的要素,也是企业发展的动力源泉,主要反映企业劳动要素投入的多少。从投入角度来看,以上4个投入指标既从“物”、“资金”和“人力”三个角度综合考虑了企业的全要素投入。而对产出指标,本文采用文献[3]的产出指标,即:主营业务收入、净利润。综上可以看出,上面选取的投入产出指标体系很好符合了房地产企业投资效率所蕴含的要求。

三、我国房地产企业动态投资效率实证研究

(一)样本的选择及数据的处理

本文选取中国房地产上市公司在2004年～2008 年间的年度面板数据作为研究样本,为保证数据的有效性,消除异常样本对研究结论的影响,对样本做了如下处理:(1)由于上市当年的数据不能完全反应上市之后的投资和经营活动,因此剔除当年上市的公司;(2)剔除ST、数据缺失和错误以及出现奇异值的样本公司。经过上述筛选,最终得到并确认有效样本有57个,样本数据来源是Wind 资讯公司提供的上市公司经营数据和财经纵横新浪网提供的上市公司各年年报。由于净利润可能为负,并且输入输出各指标数值相差巨大,若直接带入DEA模型中,难以使每一个决策单元都有解,从而无法进行DEA有效性分析。因此,在运用模型评价前,必须对输入输出的数据集进行规范化处理。本文取一个略大于最小实际负数数量的正数,确保各指标的数据严格为正值。最后得到样本公司各年度的原始数据,在此就不详细列出。

(二)房地产上市公司动态投资效率变动趋势分析

将57家房地产上市公司的投入产出数据经过MyDEA软件分析,可以得到样本公司2004年~2008年期间逐年的Malmquist指数及其分解,结果详见表3和图1。

表3和图1中的TFPG、TEC、TCP、PTEC、SEC分别代表Malmquist 生产率指数、综合技术效率指数、技术进步指数、纯技术效率指数、规模效率指数。从表3和图1中的时间序列数据来看,我国房地产上市公司在各年度区间内的Malmquist 生产率指数都大于1,且全要素生产率指数整体呈现上升的趋势,全要素生产率在2004年~2008年年均增长7.1%,这表明我国房地产上市公司的动态投资效率从总体上呈现改善的趋势。但是进一步分解分析可以发现,房地产规模效率指数都大于1,且以年均8.3%的速度高速增长,说明整个房地产业的规模效应在逐年增加,但是纯技术效率指数除了2004年～2005年均接近1之外,其他年度均少于1,且以年均11.3%的幅度递减,说明我国房地产业的技术效率出现下降的趋势。由此可见,我国房地产上市公司动态投资效率的增长主要来源于规模效率而不是纯技术效率的作用。这反应我国房地产上市公司在投资过程中,缺乏高效率的意识,还是属于粗放型的发展模式,严重影响了企业的竞争力,这也与文献[3]的结论基本一致。

(三)房地产上市公司动态投资效率区域分析

我国房地产行业发展存在严重的区域不平衡性,由于区域社会经济发展的差异以及各区域房地产行业的发展在地方经济发展中的功能定位不同都会影响到房地产上市公司的投资效率。为了分析房地产上市公司投资效率的区域差异,本文把上述57家上市房地产公司按其注册地分成四大区域,各区域包含范围及其动态投资效率见表4和图2所示。

由表4和图2可知,在样本期间内,长三角地区的动态投资效率值高达1.1315,年均增长13.15%,其次是京津地区和珠三角地区,而其他区域的动态投资效率值仅为1.0372。由此可知,区域内的房地产企业动态投资效率与其区域经济发展状况基本相吻合,即表明当一个地区的经济获得长足发展时,会对房地产产生巨大的需求,从而促使房地产投资效率的增长。不过,进一步分解分析发现,三个较发达区域的综合技术效率指数(主要包括规模指数)大于其他区域,而技术进步指数却低于其他区域,这说明,发达区域内的较高动态投资效率主要是由规模的快速增长驱动的。在过去几年,京津地区、长三角地区和珠三角地区的商品房需求量大增,使得房价呈现“井喷式”的飙升,开发商们在利益的驱动下四处圈地,大量扩张建设规模,在价格和规模的双重冲击下,可能推动了投资效率的虚高现象。相反,其他区域内的房地产企业,积极配合区域内的经济发展规划,严格执行公司制定的投资目标,对于每个上马的项目都经过可行性研究,使得其技术进步效应较大。

(四)不同所有权性质房地产上市公司动态投资效率分析

大量关于股权性质的研究表明,不同性质的股东在问题的产生和解决方式以及所有权的行使方式上有着明显差别,对公司投资决策与效率产生的影响也不尽相同。因此本文借鉴刘芍佳、孙霈和刘乃全(2003)[11]的“终极产权论”观点,根据所有权的实际行使主体,将样本公司的股权性质分为地方所属国有企业控股、国有资产管理机构控股、私有产权控股、中央直属国有企业控股四个组,并对组间的动态投资效率进行对比分析。详见表5所示:

表5显示,2004年～2008年间,股权性质为地方所属国有企业控股、国有资产管理机构控股、私有产权控股、中央直属国有企业控股的房地产上市公司的年均动态投资效率增长率分别为7.1%、3.6%、10.0%、8.1%。其中私有产权控股房地产企业对动态投资效率的激励程度最高、动态投资效率平均增长速度最快,最差的是国有资产管理机构控股类企业,而中央直属国有企业控股和地方所属国有企业控股的企业居于之间。私有产权增长最快原因在于私有产权控股的房地产上市公司比较好地解决了所有者和管理层之间的问题,可以维持对管理层的有效监管,使投资决策更加合理和规范,从而有利于提高动态投资效率;中央企业最终控制的上市公司,一般规模较大,能够达到一定的规模效应,其规模效率指数年均增长5.6%,且技术实力较雄厚,年均技术进步指数增长为19.2%。而地方政府直接控制的上市公司,在地方政府本位主义的驱动下,有着强烈的扩张动机,容易发生过度投资行为,从而影响其投资效率。国有资产管理机构控股的房地产上市公司动态投资效率最低,这主要是由于国有资产管理机构在监管上市公司管理层时面临着信息不对称程度过高、管理经验和行业知识不足、所管辖公司数量过多以及受到更多的行政干预等问题,且通过分解分析可以发现,其年均纯技术效率指数仅为0.878,严重影响了动态投资效率的增长速度。

(五)不同股权结构房地产上市公司动态投资效率分析

在上市公司治理过程中,所有权结构被认为是公司投资决策和投资效率的主要驱动力。一定的股权集中度对投资效率的提高具有“激励效应”;但是,当股权集中度过高时,存在控股股东时,就会对投资效率产生“损耗效应”。因此,本文按照第一大股东持股比例将样本公司分为股权分散组、股权相对集中组、股权高度集中组对房地产上市公司的动态投资效率进行分析,[12]如表6所示:

由表6可知,股权结构为股权分散、股权相对集中、股权高度集中时的房地产上市公司动态投资效率的增长率分别为9.9%、3.3%、7.9%。当股权较为分散时,随着控股比例的增加,股东监控能力的增强,上市公司既可避免股权高度分散情况下的“免费搭车”问题,又能有效地监督经理层的行为,该阶段主要凸显控制权的“激励效应”,对动态投资效率的激励作用最大。当股权相对集中时,随着第一大股东控股比例的提高,所有权激励的正效应将被大股东盗窃的负效应所淹没,此阶段主要反映大股东治理对上市公司投资效率的“损耗效应”,此时,房地产上市公司的动态投资效率降至最低,仅为1.033。当股权高度集中时,第一大股东已掌握了公司的实际控制权,随着其控股比例的提高,所有权激励将极大的降低成本,从而又促使动态投资效率回升至 1.079。因此,股权集中度与企业的动态投资效率可能呈现不规则的非线性曲线关系。进一步分解分析可以发现,综合技术效率指数和技术进步指数都存在类似的非线性曲线关系。

四、结论及对策

本研究采用DEA方法构建的Malmquist指数,测度了2004年～2008年我国房地产上市公司不同区域、不同所有权性质、不同股权结构的动态投资效率及变化趋势,研究得出以下基本结论:

1.我国房地产上市公司的动态投资效率在2004年～2008年间呈现快速增长的特征,年均增长7.1%,反映我国房地产市场进来几年快速增长的事实。其增长动力主要来源于规模效率而不是纯技术效率的作用。

2.我国房地产企业的动态投资效率在不同区域间存在着不平衡性,主要是由于区域内产业集中度与技术效率水平的差异,使得区域内的房地产企业动态投资效率与其区域经济发展状况基本相吻合。

3.公司的终极所有权性质和股权集中度对房地产上市公司的动态投资效率的变化具有较大的影响。其中股权性质为私有产权控股的房地产企业动态投资效率最大、增长最快,而国有资产管理机构控股的企业最低;公司的股权集中度股权集中度与企业的动态投资效率可能呈现不规则的非线性曲线关系

总之,我国房地产上市公司仍属于粗放型发展模式,动态投资效率的增长主要是由于规模效应和价格泡沫的推动作用。在企业内部过度投资和投资不足等无效率投资现象还是较为普遍,因此,管理者在企业经营过程中,应认清区域发展形势,加强投资决策的科学性,规范公司治理,特别是在股权改革中要以新的视角看待“一股独大”问题,建立投资效率导向的创新所有权安排。

[参考文献]

[1]Wang W K. A Knowledge-based Decision Support System forMeasuring the Performance of Government Real Estate Investment[J]. Expert Systems with Applications,2005,(29):901-912.

[2]刘永乐,胡燕京,等.基于DEA的房地产上市公司业绩分析[J].统计与决策,2005,(7):64-66.

[3]孟川瑾,邢 斐,等.基于DEA分析的房地产企业效率评价[J].管理评论,2008,( 7):57-62.

[4]覃家琦,齐寅峰,等.微观企业投资效率的度量:基于全要素生产率的理论分析[J].经济评论,2009,(2):133-141.

[5]Fare R,Lindgren B. Productivity Change in Swedish Pharmacies1980-1989:A Nonparametric Malmquist Approach[J].Journal ofProductivity Analysis,1992,(3):85-102.

[6]Farrell M J.The Measurement of Productive Efficiency[J].Journalof the Royal Statistical Society,1957,(120):253-290.

[7]Caves D,Christensen L C,Diewert W E. The Economic Theory ofIndex Numbers and the Measurement of Input Output andProductivity[J]. Econometrica,1982,50(6):1393-1414.

[8]Jesús T,Pastor C A. A Global Malmquist Productivity Index[J].Economics Letters,2005,(88): 266-271.

[9]何元斌.房地产业上市公司业绩的DEA有效性分析[J].兰州学刊,2006,(4):145-147.

[10]张波.房地产上市公司经营绩效评价[J].统计与决策,2006, (2):55-57.

[11]刘芍佳,孙 霈,刘乃全.终极产权论、股权结构及上市公司绩效[J].经济研究,2003,38(3):51-62.

[12]徐莉萍,辛宇,等.股权集中度和股权制衡及其对公司经营绩效的影响[J].经济研究,2006,(1):90-100.

Analysis on Dynamic Investment Efficiency in Real-estate Enterprises:Based on the Malmquist Index Approach

Wang Jianqiang,Yang Jianjun