付景莉，史英洁

（天津工业大学，天津300160）

经济增加值与股票市场收益率相关性分析

付景莉，史英洁

（天津工业大学，天津300160）

文章详细分析了EVA指标的优越性，并对计算EVA指标时所需调整的细节进行阐述。在随后的实证研究中，抽样收集了沪市五个行业295个样本公司2006年至2008年的各项数据，根据资本资产定价模型计算出权益资本成本。同时引入每股经济增加值与标准化的经济增加值，从而使得不同规模的公司之间可以相互比较。选取传统会计指标与EVA指标进行对比，最后得出二者都与股票收益率变化都具有一定的相关性，每股经济增加值与股票收益率的相关性更好的结论。

EVA；股票收益率；实证研究

0 引言

EVA研究的深入和在经济实体中的推广，它已经不仅是一种有效的公司业绩度量指标，还是一个全面财务管理的架构，是经理人和员工薪酬的激励机制，并且改变着企业的文化，EVA指标比其他财务指标更好的反映企业的业绩。国外学者对EVA实证研究主要从以下两个方面进行。

第一方面,考察EVA在解释股票价格变化方面的有效性，即与传统指标相比，哪一个更能反映股票价格的变化；第二方面,考察采用EVA指标的公司与没有采用的公司在证券市场的表现是否存在差异。

在我国,EVA的概念近年来才真正引起学术界和企业界的关注。由于中国证券市场发展时间较短，特别是EVA在资本市场应用的时间较短，跟国外发达的证券市场相比，中国上市公司信息披露并不完全可靠，数据并不完全充分，所以实证研究难度较大，研究受到了极大的限制。

1 经济增加值与我国股票市场收益率相关性的研究设计

1.1 基本前提假设

(1)市场上的股票价格都不受所选指标参数之外别的因素影响，如股本规模、投资者的心态以及所属不同行业等;

(2)上市公司的财务报表数据完全真实可靠;(3)所研究的市场为半强式有效市场。

1.2 样本选取与数据来源

本文的研究数据主要来自于海王星服务器及金融界网站，在进行统计分析过程中抽取若干行业为样本，共选取了样本公司2006～2008年共三年的相关财务数据作为研究数据。为了使研究结果更能客观的反映出现实中存在的状况，本文在选取样本时，考虑了以下因素：

(1)鉴于服务器对行业的分类以及各行业样本公司的特点，本文抽样选取了五个行业：机械行业、电子信息、纺织行业、商业百货、有色金属。这五个行业涉及到了重工业、轻工业、技术含量高的企业类群以及商贸流通行业。

(2)剔除了在发行A股的同时，又发行了B股或H股的上市公司。因为，对于同时发行多种股种的公司与只发行A股的上市公司在确认收入与费用的会计政策上存在着显著的差异；

(3)剔除了不能较好反映出上市公司真实价值的ST、PT类的公司；

(4)对于不能取得研究所需要的数据的上市公司也将去掉。

根据上述所需考虑因素，最终确定的上市公司样本数量为295个，如表1所示。

表1 样本公司统计表

表2 变量设计表

表3 息前税后利润调整表

1.3 关键变量的设计

变量设计见表2。

1.4 研究方法说明

1.4.1 EVA的确定

第一步：计算税后净营业利润(NOPAT)

税后净营业利润要由资产负债表和损益表调整得到，本文以所得上市公司年报为依据，以息税前利润为起点，对其进行了如表3调整。

第二步：计算资本总额(CAP)

EVA体系中“资本(CAP)”与通常所说的总资本不同，这里所指的资本是有偿资本，因此无息负债需予以剔除。本文的资本数据采用的是年末数据，根据上市公司2006～2008年度的资产负债表得出，具体调整如表4。

第三步：计算加权平均资本成本

加权平均资本成本率=债务资本成本率×(1-税率)×债务资本/(权益资本+债务资本)+权益资本成本率×权益资本/(权益资本+债务资本)

第四步：计算EVA

EVA＝税后净营业利润－资本总额×加权平均资本成本

1.4.2 相关参数的确定

（1）权益资本成本率

本文采用资本资产定价模型（CAPM）计算权益资本成本率。

（2）无风险收益率

无风险利率可采用5年期银行存款的内部收益率，国内有些研究机构也采用当年中长期国债的到期收益率。本文采用5年期的国债平均基准利率。

表4 资本总额(CAP)计算

（3）BETA 系数

针对我国资本市场情况，本文采用计算单个样本公司的股票回报率和市场回报率的协方差除以市场回报率的方差得出，即用样本公司三年的股票回报率与市场回报率的协方差除以市场回报率的方差。股票回报率以样本公司的净资产收益率为基础，市场回报率所得数据是根据证券之星数据整理所得。

（4）市场风险溢价

市场风险溢价反映整个证券市场相对于无风险收益率的溢价，市场风险溢价等于市场年收益率与无风险收益率之差。结合前人的研究成果，本文采用以各年市场回报率减去无风险报酬率得出，其均值约为3.88%。

（5）债务成本率

在公司年报附注中已经明确债务资本成本率的情况下，以年报披露的数据为准;对于没有公布该数据的公司，以当年1年期流动资金贷款基准利率为债务资本成本率，平均债务成本率约为6.83%。

2 经济增加值与股票市场收益率相关性的研究过程及分析结果

2.1 变量的描述性统计

本文对所获得的样本公司各项数据进行了描述性统计，统计结果见表5。

表5 样本公司经济增加值与传统跨及指标描述性统计表

从表5可以看出，无论会计指标变量还是EVA指标变量，它们的平均值都大于零。EVA指标变量均值为正数，说明被列为样本的295家上市公司在2006～2008年三年中，对于其单位资本来说，收益尚高于其资本的机会成本。股票收益率的均值也为正，这说明股东对于股票投资能够获得一定收益。

2.2 各变量的相关性分析

Pearson相关分析是研究变量间密切程度的一种双变量相关分析方法。我们使用SPSS软件自带的Pearson相关性分析功能，对样本公司的各上述EVA指标和会计指标之间的关系，以及它们与样本公司股票收益率的关系进行初步分析。其中，比较公司股票报酬率均值与各指标的相关系数可以初步判断各EVA指标和会计指标与每股收益均值的相关性。分析结果如表6。

由表6中可以看出：股票回报率均值与EVA指标中的两个指标（AEVAPS、EVASTD）都在0.01水平显著相关，其中与AEVAPS的相关系数较高（.254）；而股票回报率均值只与传统会计指标中的AEPS指标在0.01水平上显著相关,与ROE、ROA并不相关。EVA指标EVAPS与股票报酬率均值ARETURN的相关系数大于会计指标EPS，这也说明基于EVA的指标比传统会计指标与股票收益的相关性更大。EVA指标体系与传统会计指标体系之间，各指标均存在0.01水平显著相关，其中AEPS与AEVAPS之间的相关性系数最大（.915）。

2.3 回归分析

（1）一元回归分析

分析各个解释变量对股票收益率的影响方向和程度,我们将和各个解释变量分别对样本公司股票回报率ARETURN进行一元回归实证。建立模型如表7所示。

表7 单变量回归统计描述

MVAPC=β0+β1(解释变量)+ε

从中可以看出：每股经济增加值AEVAPS指标对每股收益均值ARETURN的解释力最强，其次是每股收益AEPS，总资产收益率AROA的解释力最差。整体上EVA指标解释公司价值变化的能力要优于传统会计指标，但从会计指标AEPS的各项数据值来看，说明传统会计指标对公司价值仍然有重要的影响。

（2）经济增加值指标与股票收益率的多元回归分析

以EVA指标变量建立多元回归模型：

ARETURN=βn+β1AEVAPS+β2EVASTD+ε

分析过程如表8。

表8 EVA指标多元回归分析

从前面得出的相关系数表来看，EVASTD变量和AEVAPS变量之间存在很强的相关性，相关系数高达0.800，因此可以考虑对模型进行逐步回归如表9所示。

表9 利用逐步法进行回归分析的结果

表10 传统会计指标多元线性回归分析

表10可以看出，在逐步回归的过程中，将EVASTD排除在回归方程之外，而方程整体的解释力没有降低，反而模型的整体显著性更高，F值提高到15.162，这也说明AEVAPS与EVASTD之间的信息含量有很大的重合性。

（3）传统会计指标与股票收益率的多元回归分析

以传统会计指标变量建立多元回归模型如下：

ARETURN=β0+β1AEPS+β2AROE+β3AROA+ε

可以看出，AROA的回归系数也出现了负数，各会计变量间也同样存在着多重共线性问题。为解决多重共线性问题，继续进行逐步回归分析，结果见表11。

表11 利用逐步法进行回归分析的结果

表11数据表明，调整R2基本没有变化，但从F值和Sig值来看，即模型的显著性水平提高。Sig值小于0.01，说明我们可以接受假设H0，即每股收益指标与股票收益率具有相关性。

根据以上数据，我们发现，传统会计指标与股票报酬率的相关性不如经济增加值指标更为显著，那是否意味着在评价股票收益时可以完全抛弃这些传统会计指标了呢？如果同时引用EVA指标和会计指标又会有怎样的结论呢？在下面的分析中我们可以得出结论。

（4）EVA变量和会计变量共用与股票收益的回归分析

表12 EVA与传统会计指标共用的多元线性分析

EVASTD变量和EVAPS变量之间存在很强的相关性，依然在模型中去掉变量EVASTD指标；结合前面对各变量相关系数的分析及一元回归分析的结果，我们发现AROA与AROE对企业价值的解释力不高，因此将该指标也去掉，仅仅保留AEPS指标，这样也避免了会计指标间的多重共线形问题。建立模型如下（见表12）。

ARETURN=β0+β1AEVAPS+β2AEPS+ε

很显然，模型的整体显著性提高了。调整R2达到了0.063，甚至超过了EVA指标建立的逐步回归模型得出的调整R2值（0.060），说明在同时引入EVA指标和会计指标时，模型对观测值ARETURN的拟合程度提高了，也即解释变量对股票收益率的解释度整体提高了。F值为8.357，超过了会计指标建立的模型分析结果（3.791）。因此，传统会计指标不能被EVA指标完全替代，它仍然是重要的企业价值衡量指标。

2.4 行业实证结果

为了更进一步了解经济增加值对中国不同行业的股票收益率的影响程度,本研究分别对这五个不同的行业进行了实证研究。实证结果见表13。

表13 行业描述统计

从表13可以看出，所处行业不同，经济增加值指标体系对其在权益资本市场上股票收益的解释力度也表现出较大的不同。其中纺织服装业的解释能力最高,超过了30%,其它行业则低于10%。解释能力最差的行业是商品百货，只有1%。

各个行业的不同特点决定了经济增加值在解释股票收益率时的表现能力。各行业所处的发展阶段、行业进入壁垒、行业内竞争程度以及行业与宏观经济之间的紧密程度,政府的政策导向等相差较大,不同行业上市公司的业绩之间存在较大差异,经济增加值指标基本上反应出了上述趋势。

3 结论

本文抽选了沪市五大行业上市公司三年的数据,并运用传统财务指标加以比较分析，研究了经济增加值在国内权益资本市场上对股票收益率的解释能力。综上研究结果来看，以经济增加值为基础的指标AEVAPS、EVASTD比以传统会计收益为基础的指标AEPS、AROE及AROA，与股票收益率（ARETURN）的相关性总体较大，证明了EVA指标变量比传统会计指标变量在解释公司价值方面具有更高的解释力。EVA作为企业价值评估指标，它考虑了资本成本因素，能较好地反映公司资本成本以及经济价值变化的特点，而且与公司的市场价值或股票价格密切相关，比传统的会计业绩评价指标更为优越。然而，实证分析也同时表明：EVA不能够完全替代会计指标，尽管大量的会计信息包含在EVA指标里面，但会计指标仍然是有用的公司价值衡量指标，仍然具有较高的信息价值。

EVA与我国上市公司股票收益率具有线性关系，但相关程度不是很高，EVA指标对我国上市公司的股价变化具有一定的解释度。与西方成熟资本市场相比，EVA与股票收益率变化的相关性不突出，这也确实反映出我国市场的实际情况。

[1]王敏杰.经济增加值EVA反映股价变化的实证研究[J].科学经济市场，2006，（6）.

[2]乔华，张双全.公司价值与经济增加值的相关性[J].世界经济，2001，(1).

[3]马忠.经济增加值的业绩评价方法应用研究[J].北方交通大学学报，2001，(5).

[4]胡继之，吕一凡.经济增加值(EVA)在中国证券市场实践中的应用[J].深圳证券交易所综合研究所研究报告，2000.

[5]周革平，胥正楷.经济增加值一般理论框架[J].金融经济，2003，(9).

[6]李春瑜，黄卫伟.EVA计算所涉及调整事项的必要性分析[J].北京工商大学学报，2003，(1).

F830.91

A

1002－6487（2011）04－0097-04

付景莉（1976-），女，吉林洮南人，讲师，研究方向：管理会计与财务管理。

（责任编辑/浩 天）