基于改进的杜邦分析法的a股上市公司价值评估

基于改进的杜邦分析法的a股上市公司价值评估

相关研究回顾会计利益与证券利益关系一直是投资者和理论研究人员的研究重点。自Ball等在1968年的开创性工作以来,研究者们就一直致力于揭示利润与收益间的相关性以及二者间的作用机理。Beaver认为,由于公司当前的收益是未来收益的合理预期,而证券当前的价格是未来收益的折现,因此在理论上,证券当前的价格与其利润间存在相关。另一方面,通过剖析现有财务报表中的信息来预测公司未来的收益,也是财务分析的首要目标。在众多财务指标中,净资产收益是反映一家企业经济效益好坏与经营能力高低的综合指标。而杜邦分析体系,通过将净资产收益率分解为多个财务比率,以反映企业经营业绩的各个不同方面和变化因素,为公司管理者改善经营业绩,提高净资产收益率指明方向,因而受到人们的广泛关注,并在企业管理中发挥了巨大的作用。对于大多数企业而言,企业的经营收入较非经营收入在总收入中的占比大且稳定,因而具有较好的可预测性。Nissim等基于剩余收入理论,将公司的净运营资产收益(returnonnetoperatingassets)分解为利润率(profitmargin,PM)和资产周转率(assetturnover,ATO),探讨了财务比率与证券价值的相关性。作为两个常用的财务指标,利润率与资产周转率所关注的运营绩效存在差异。利润率的高低反映了公司产品定价能力(如产品创新、产品定位、品牌的知名度、先进者优势等)的强弱,而资产周转率则度量了公司的资产使用效率。在一个完全市场化的经济环境下,如果一个行业(或产品)现时的利润率高,则会吸引大量的潜在投资者进入或模仿,促使利润率的降低,导致利润率表现出非持续性的特征。相反,市场竞争对资产使用效率的影响却很小,因为一个企业常常很难模仿另一个企业有效的资本使用过程。即使企业愿意这样做,巨大的资本转向成本,也会促使管理者望而却步。因此,资产周转率常常表现出一定的稳定性和持续性。基于利润率和资产周转率所具有的这一特性,投资者在判断公司价值时,理论上资产周转率较利润率应更有效。Fairfield等、Nissin等、Penman等的实证分析结果均验证了这一结果。Soliman在Nissin等的工作基础上,探讨了杜邦分析指标对当期和未来一期证券价格的影响。结果发现,若以年为时间单位,杜邦分析的成分指标———利润率和资产周转率,在解释证券收益时,在净资产收益率的基础上有信息增量提供能力,能显著地提高模型的拟合效果。进一步,Soliman的分析发现,去除财务杠杆效应后的改进杜邦财务指标,较传统杜邦财务指标的信息含量更多。有关杜邦分析方法及其在企业管理中的应用,国内现有的工作主要是从定性的角度加以介绍和分析(如:蒋贤品等;鲁爱民等),直接利用杜邦分析体系和指标来评价和预测公司的价值,就作者所知到目前为止还未曾有过,而这正是本文的创新与研究内容所在。本文借鉴Fairfield、Soliman的研究方法,以A股非金融类上市公司为研究样本,探讨杜邦财务分析的核心指标——净资产收益率,和成分指标———净利润率、资产周转率和权益乘数的信息含量,并对比分析传统与改进的杜邦分析方法在我国证券市场中的适用性。结果发现:(1)在预测公司未来的盈利能力时,传统的杜邦财务核心指标———净资产收益率,较改进的杜邦财务核心指标———经营净资产收益率更有效;(2)在拟合个股当期的收益和预测个股未来的收益时,经营净资产收益率比净资产收益率要好;(3)无论是传统的还是改进的杜邦财务成分指标,在预测公司未来的盈利能力、拟合当期或预测个股未来的收益时,均不具有显著的增量信息提供能力。这表明在中国证券市场上,投资者在评价公司的价值时,应更多地关注杜邦分析的核心指标———(经营)净资产收益率,而不是其成分指标。本文以下部分的构成是:在第二部分引入了本文的检验模型,第三部分是样本界定与变量定义,第四部分是实证结果与分析,有效性检验和结论分别构成本文的第五部分和第六部分。与传统分析比较的模型构建在传统的杜邦分析体系中,净资产收益率(returnonequity,ROE)可分解为利润率(profitmargin,PM)、资产周转率(assetturnover,ATO)与权益乘数(equitymultiplier,EM,也称为财务杠杆)三者之积。其中,PM=净利润/营业收入,ATO=营业收入/总资产,EM=总资产/股东权益。因此,理论上净资产收益率的高低既取决于公司的利润率和资产周转率,还与公司的财务杠杆相关。通常对大多数企业而言,经营收入(或主营业务收入)较非经营收入在总收入中的比重大且稳定,具有较好的可预测性。因此,Nissim将净资产收益率分解为运营净资产收益率(returnonnetoperatingassets,RNOA)与财务杠杆收益两部分,以探讨去除财务杠杆的影响后,公司的运营绩效。即ROE=RNOA+[FLEV*SPREAD],其中,FLEV是财务杠杆、SPREAD是公司的运营成本与借贷成本之差。与传统的杜邦分解模式相似,RNOA=NPM*NATO,其中,利润率NPM=经营利润/营业收入,资产周转率NATO=营业收入/运营净资产。因此,NPM刻画了公司在产品定价、控制生产成本以及赢利等方面的能力高低,ΔNPM则度量了公司每单位销售收入的增加,所带来的利润增加;NATO值的大小描绘了公司经营性资产的使用效率,而ΔNATO则测度了公司每单位经营资产的增加所带来的经营利润的增量。Soliman基于美国证券市场的分析数据,得到去除财务杠杆效应后的改进杜邦分析较传统的杜邦分析有更好的公司价值判断效率。为了定量地判断杜邦分析方法在我国证券市场的适用性,检验杜邦分析核心指标———(经营)净资产收益率,在评价公司的盈利能力、预测个股当期和未来收益时的信息含量,以及杜邦分析的成分指标———利润率、资产周转率和财务杠杆的信息增量提供能力,并对比分析传统与改进的杜邦分析方法的有效性,本文借鉴Soliman的思想,并结合我国证券市场的实际,构建以下的预测模型:其中,EQT、NOA分别为股东权益和经营净资产,以此控制公司股东权益或经营净资产的变化对净资产收益率和经营净资产收益率的影响。Δ表示对应变量的增量。在传统的杜邦分析中,如果利润率、资产周转率和财务杠杆具有信息增量提供能力,那么方程(1-1)和(或)方程(2-1)中的系数C2、C3和C4应同时具有经济和统计意义上的显著性。同样,如果企业的经营收入较非经营收入占总收入的比重大且稳定,那么在改进的杜邦分析体系中,一方面模型(1-2)和(或)模型(2-2)中的系数C2和C3同样应具有经济和统计意义上的显著性;另一方面,模型(1-2)和(或)模型(2-2)应有更好的预测能力。如果杜邦分析方法中的成分指标,利润率、资产周转率和财务杠杆,具有信息增量的提供能力,那么投资者在判断证券的价值时,会充分地利用这些指标的增量信息进行决策支持。因此,证券价格中应含有利润率、资产周转率和财务杠杆的相关信息。为此,我们构建如下的检验或预测模型:其中,EPS、SIZE和BTM分别为公司的每股收益、规模和帐面市值比,以此控制可能影响证券收益的潜在因素。数据来源及来源本文以沪深两市A股非金融类上市公司为研究样本,以1997年至2008年为时间窗口。考虑到数据的稳定性,每家公司至少有3年财务和市场数据。删除数据不全和退市的公司,最终本文的样本公司数为1120家。公司财务数据、市场数据均源于色诺芬中国经济金融数据库(CCER)。依据传统和改进的杜邦分析方法,本文定义如下变量,见表1。和改进的财务指标的关系表2给出了在传统和改进的杜邦分析体系下,各指标变量的基本统计特性(考虑到数据的平稳性,各指标变量均抹平了上下1%以外的极端值。即在每年将每个指标变量最大和最小的1%以外的数据用1%处的值替代)。从表中数据可知,不同样本公司和时间区间之间,其总资产、经营净资产、个股市值和个股年收益均存在较大的差异,样本均值均大于其对应的中值,样本均值是中值的2-3倍(个股年收益的均值近15倍于中值),且标准差也较大;样本公司的净资产收益率和经营净资产收益率增量的均值、中值均小于零,表明在本文所考虑的时间内,整体上我国上市公司的资产产出率在下降;同样,样本公司的净利润率和经营净利润率的均值、中值也小于零,说明公司的每单位销售收入的获利能力也在下降。相反,样本公司的每股收益、资产周转率、经营净资产周转率增量的均值和中值均大于零,说明样本公司的资产使用效率整体上在增强。杠杆比率的均值为2.149、中值为1.8914,说明在我国上市公司的资产构成中,所有者权益只占总资产的50%,而杠杆比率的增量大于零,则表明上市公司的负债相对于总资产在逐年增加。由于在我国证券市场中个股收益存在明显的市场联动效应,因此为了去除这一因素对结果的可能影响,在以下的分析中,个股的年收益均去除了同期的市场收益。这里市场收益以个股总市值加权平均来度量。若以等权平均或流通市值加权平均来度量,结果没有质的差异。表3和表4分别给出了在传统和改进的杜邦财务分析体系下各指标变量间的Pearson(右上角部分)和Spearman(左下角部分)相关性。从表3右上角数据可知,在传统的杜邦分析体系下:未来一期净资产收益率的增量(△ROEt+1),与当期净资产收益率(ROEt)和净利润率(PMt)的绝对量和相对量显著负相关,即当期净资产收益率和净利润率越大,未来一期净资产收益率的增加幅度则越小;与当期公司的财务杠杆(EMt)的绝对量和相对量显著正相关,但与资产周转率的绝对量和相对量间的相关性不一致。在各成分指标间,净利润率的绝对量与资产周转率和财务杠杆的绝对量和相对量均显著负相关,但净利润率的增量与资产周转率和财务杠杆的绝对量和相对量间的相关性则有正有负;资产周转率与财务杠杆的绝对量显著正相关,与相对量却显著负相关。另外,当期个股的收益与除财务杠杆增量以外的所有变量显著正相关,但前后两期个股的收益却显著负相关。这表明在我国证券市场中,若以年为时间区间,个股的收益存在反转现象。同样,变量间的Spearman相关性与Pearson相关性基本相同。表4中Pearson和Spearman相关性数据显示,在改进的杜邦分析体系中,一方面,当期经营净资产收益率的绝对量和相对量与经营利润率和经营净资产周转率的绝对量、相对量显著正相关,而未来一期经营净资产收益率的增量(△RNOAt+1)与当期经营利润率和经营净资产周转率的绝对量和相对量均显著负相关。经营利润率与经营净资产周转率间也显著正相关;另一方面,个股的收益与经营净资产收益率的绝对量、相对量,以及经营利润率和经营净资产周转率的绝对量和相对量间均显著正相关。综合表3和表4的结果可知,无论是在传统的还是在改进的杜邦分析中,总体上各成分指标均与核心指标存在显著的相关性,与个股的收益也存在显著的正相关性。为此,下面我们利用回归模型(1-1)至(4-2)来检验这些指标的信息增量提供能力。由于财务指标、个股市场收益存在自相关性,因此在估计模型(1-1)至(4-2)时采用Fama-Macbeth回归。表5和表6分别给出了在传统和改进的杜邦分析下,各模型的估计结果。从表5左边一栏可知,在控制所有者权益的变化后:(1)若自变量仅为净资产收益率(模型1),那么当期净资产收益率的绝对量对未来一期净资产收益率的变化有显著的负面影响。当期净资产收益率每增加1%,未来一期净资产收益率的增幅减小0.5736%;(2)若自变量仅为杜邦成分指标的绝对量(模型2),则当期净利润率对未来一期净资产收益率变化的影响显著为负,但资产周转率和财务杠杆的影响不显著;(3)若自变量为杜邦成分指标的相对量(模型3),则当期净利润率的增量对未来一期净资产收益率的变化仍有显著的负面影响,资产周转率和财务杠杆的增量对未来一期净资产收益率变化的影响显著且为正。但模型2和模型3的调整残差平方和均小于20%,远低于模型1的调整残差平方和。这说明,在预测公司未来净资产收益率的变化时,净资产收益率成分指标的信息含量低于净资产收益率自身。当净资产收益率及其三个成分指标同时作为自变量出现在方程中时(模型4和模型5),当期净资产收益率的绝对量对未来一期净资产收益率的变化仍有显著的负面影响。在三个成分指标中,净利润率对未来净资产收益率的变化无预测能力,但资产周转率的绝对量和相对量的影响均显著为正,而财务杠杆的绝对量与相对量的影响虽然显著,但方向却不一致。相对于模型1的拟合度(调整残差平方和为0.2998),模型4和模型5的调整残差平方和分别为0.316和0.31,增加幅度仅为0.0162和0.0102。这表明,在传统的杜邦分析中,虽然净资产收益率成分指标中的资产周转率和财务杠杆在预测未来净资产收益率时具有统计上的显著性,但经济意义十分有限。即相对于净资产收益率自身,三个成分指标不具有明显的增量信息提供能力。表6左边一栏给出了在改进的杜邦分析中,对经营净资产回报率的预测结果。与传统的杜邦分析指标类似,在改进的杜邦分析中,经营利润率和经营净资产周转率的增量信息提供能力也十分有限。例如,在控制了经营净资产的变化(△NOA)后,未来一期经营净资产回报率增量的16.18%可被当期经营净资产回报率解释(模型1)。当在预测指标中加入经营利润率和经营净资产周转率的绝对量或相对量后,虽然部分变量具有统计上的显著性,但模型拟合度的提高十分有限。若加入的是成分指标的绝对量(模型4),调整残差平方和增加1.57%((0.1775-0.1618)*100);若加入的是成分指标的相对量(模型5),调整残差平方和仅增加0.49%((0.1667-0.1618)*100)。即在预测未来经营净资产收益率的变化时,相对于经营净资产回报率,改进的杜邦分析体系中的成分指标———经营利润率和经营净资产周转率,其增量信息也很少。另外,对比表5与表6左边第一栏数据还可知,改进的杜邦财务分析方法,在预测公司未来财务比率的变化时,不如传统的杜邦财务分析有效,这与Soliman基于美国证券市场的分析结果不一致。这一结果同时也表明,在我国证券市场中,总体上公司不具有稳定的经营资产获利能力。表5和表6中间一栏给出了传统和改进的杜邦财务指标对当期个股收益的市场溢价(去除了同期市场的平均收益)的拟合结果。从表5可知,在控制了每股收益后:(1)当期净资产收益率的绝对量和相对量对证券收益不具有预测作用(模型1);(2)在净资产收益率的三个成分指标中,净利润率的绝对量和资产周转率的相对量对当期证券收益有显著的正面影响(模型2);(3)当同时考虑净资产收益率及其三个成分指标时(模型3),虽然净资产收益率和财务杠杆的绝对量、资产周转率和财务杠杆的相对量的估计系数显著,但相对于模型1和模型2,模型3的拟合度并无显著的提高。这表明净资产收益率的三个成分指标,在拟合个股当期收益时,在净资产收益率的基础上并不具有显著的信息增量提供能力。由于在模型1中,当期净资产收益率的绝对量和相对量均不显著、但每股收益的相对量显著为正,因而对当期个股收益的拟合效率应主要源于每股收益。由此可知,在传统的杜邦财务分析体系中,无论是核心指标———净资产收益率、还是其三个成分指标,在拟合个股当期收益时,相对于另一财务指标———每股收益,均不具有增量信息提供能力。由表6中的数据可知,当控制了每股收益后:(1)经营净资产收益率的绝对量和相对量分别在10%和1%统计水平下显著(模型1);(2)在经营净资产收益率的两个成分指标中,仅资产周转率的增量在1%水平下显著(模型2);(3)当同时考虑经营净资产收益率和两个成分指标时(模型3),经营净资产收益率的绝对量和相对量仍分别在10%或5%统计水平下显著,但其成分指标均不再显著。因此,对比模型1、模型2和模型3可知,在改进的杜邦分析体系下,经营净资产收益率可解释个股年收益的13.34%,但其成分指标不具有增量信息。表5和表6右边一栏给出了在控制公司的规模和价值后,传统和改进的杜邦财务指标对未来一期个股收益的市场溢价(即去除了同期市场的平均收益)的预测结果。从表5中的数据可知:(1)当期净资产收益率的增量对未来个股收益的影响在10%统计水平下显著(模型1);(2)但三个成分指标在常规统计水平下基本上不显著(仅净利润率在10%水平下显著)(模型2);(3)当同时考虑个股的净资产收益率及其成分指标时,回归系数均不再显著(模型3)。对比模型1、模型2和模型3可知,虽然净资产收益率的增量在模型1中显著,但在模型3中不再显著,且模型1与模型3的调整残差平方和几乎相等。因此可推知,当预测个股未来的收益时,在传统的杜邦分析体系中无论是其核心指标、还是其成分指标,均不具有增量信息提供能力。表6中的数据显示,在改进的杜邦分析体系下,无论是单独还是与其成分指标同时作为自变量出现在回归模型中,当期经营净资产收益率的大小对未来个股的收益均有显著的正面影响,但两个成分指标———经营利润率和经营资产周转率,在预测个股未来收益时不具有信息增量。另外,若在回归模型中仅考虑公司的规模和价值,经计算调整残差平方和为0.0399。因此,当利用改进的杜邦财务指标来预测个股未来的收益时,经营净资产收益率能提供3.33%((0.0732-0.0399)*100)的增量信息。综合表5和表6中的数据可知:一方面,当预测公司未来的盈利能力时,传统的杜邦分析方法较改进的杜邦分析方法有效,当拟合个股当前或预测个股未来的收益时,改进的杜邦财务指标相对有效,但解释力有限;另一方面,无论是传统的还是改进的杜邦财务成分指标,在预测公司未来的盈利能力、拟合个股当前和未来的收益时,均不具有增量信息提供能力。重复施分与样本的分析前面的分析表明,无论是传统的还是改进的杜邦财务成分指标,在预测公司未来的盈利能力、拟合个股当前和未来的收益时,均不具有增量信息提供能力。为此,下面从不同角度进一步检验结果的有效性。从2007年1月1日开始,新会计准则在上市公司开始实施。因此,由于会计准则的改变,部分会计事项前后不具有可比性。为了探讨这一变化对结果的可能影响,我们将本文的数据分成两部分:1997年至2006年、2007年至2008年。由于计算变量在t年的增量时,需要用到t-1年的数据,而在预测未来一年净资产收益率和股票的收益时,需要用到t+1年的数据,即每只股票至少需要有三年的数据。因此,在2007至2008年区间段,由于仅有两年的数据,故不能做相关的分析。基于1997年至2006年的数据,重复前面的分析过程,结果发现无论是传统的还是改进的杜邦财务成分指标,仍不具有显著的增量信息提供能力,且结果与全样本基本相同(限于篇幅,本文中未提供具体的数据,但可向作者索取。下面的有效性检验也如此)。从1998年开始,针对财务状况或其他状况异常的上市公司,证监会实施特别处理(SpecialTreatment,ST)。对这些被ST的公司,无论是其盈利能力还是个股收益,均与未被ST过的公司存在差异。经计算,在本文所选取的1120只股票中,有197只股票在样本期内先后被ST过。ST公司的ROE、RNOA、R、EPS、SIZE和BTM的均值分别为-0.0447、0.0042、0.0649、0.0001、1.9406和0.3459,而非ST公司的ROE、RNOA、R、EPS、SIZE和BTM的均值分别为0.0715、0.0887、0.0872、0.2943、3.6023和0.4777,均明显大于ST公司的对应值。因此,为了探讨前面的分析结果是否与样本相关,我们按股票是否被ST过分成两组,重复前面的分析过程。结果发现,无论是传统的杜邦财务成分指标还是改进的杜邦财务成分指标,在预测公司未来的盈利能力或者是拟合个股当前和未来的收益时,虽然在ST和非ST公司之间,各成分指标变量的预测能力和显著性存在差异,但在同一组内均不具有显著的信息增量提供能力。众所周知,不同规模大小的公司其信息披露数量和质量、个股收益都存在显著的差异。因此,为了探讨杜邦财务指标的信息增量是否因公司规模不同而存在差异,从1997年起,在每年末我们将样本按公司规模(用年末总市值度量)的大小,平均分成三组,各组持有一年,重复这一分组过程直到2007年末。对构成的三个组,重复前面的分析方法。结果发现,在预测公司未来的盈利能力、或者是拟合个股当前和未来收益时,相对于杜邦分析的核心指标,成分指标也均不具有显著的增量信息。前面在估计模型时,考虑到变量的自相关性,我们采用了Fama-Macbeth回归方法。为了检验本文所得到的结果,是否与模型估计时所采用的方法相关,我们也采用面板数据回归,重新估计模型(1-1)至(4-1),结果与前面所得仍没有质的差异。分析结果与传统分析指标比较作为常用的综合性价值评价工具,杜邦分析通过将资产收益分解为利润率、资产周转率和权益乘数,以反映企业经营业绩的各个不同方面和变化因素,为公司管理者改善经营业绩、投资者更好