刘鹏娟



影响上市公司股票价格的微观因素分析
——基于钢铁行业的实证研究

刘鹏娟

摘要：影响公司股票价格的因素很多，本文从微观角度，以钢铁行业为例，对2010年到2014年25家上市公司的相关指标数据及股票价格进行实证研究，分析公司财务指标、股东结构及研发状况对股票价格的影响，找出对股价最具有解释力的指标，从而帮助投资者做出理性的投资决策。

关键词：指标；股票价格；线性回归

一、引言

钢铁行业是国民经济的支柱和基础性行业，虽然近年来随着新兴产业的发展，钢铁等传统产业似乎成了夕阳产业，但由于我国产业结构的调整，钢铁行业正在逐步朝国际化道路迈进，再加上企业积极进行研发创新，我们相信，钢铁行业仍是一个具有很大潜力的市场，值得投资者关注。本文期望通过逐步回归分析法寻找对钢铁行业股价解释能力最强的指标，帮助投资者根据公司披露的信息，通过比较，做出有效的投资决策。

二、研究设计

(一)各项指标的选择

本文选取的各项指标

(二)样本数据的选取和来源

目前我国上市公司中，钢铁股有33家，剔除3家在2010年以后上市的和5家公司数据不全的，最终有效样本25个。本文以2010年到2014年的年报及半年报为样本数据，共5年10个样本时间点。其中，股票价格是取财务报表公布后10天内，每天收盘价的平均值，从而消除个别交易日股票不稳定因素对股价的影响。各项指标数据均来自于同花顺iFinD金融终端。

三、实证分析

(一)平稳性检验

在对面板数据进行分析时，首先需要进行平稳性检验，防止出现“伪回归”。本文采用ADF检验对各变量进行平稳性检验。

各微观变量ADF检验结果

从上表可以看出，在95%的置信水平下，变量Y、X1、X2、X3、X6是平稳的，自变量X4、X5一阶平稳。

(二)回归分析

1、模型建立

根据平稳性检验的结果，建立多元线性回归模型：

Y=c+a1X1+a2X2+a3X3+a4dX4+a5dX5+a6X6，运用Eviews进行运算，得出如下线性关系：

对于变量的显著性检验，选取a=5%的显著性水平，则t0.025(18)=2.101，上述回归结果显示D(X4)未能通过t检验，故认为它不显著,将D(X4)剔除。

2、多重共线性检验

我们将变量D(X4)剔除之后，为了避免各变量之间的相关性对模型的影响，先对各变量进行相关性检验。经检验，各变量之间的相关性均低于上述方程中的R2(0.99)，因此认为变量之间的相关性不会影响到模型方程的有效性，它们之间不存在严重的多重共线性，可以直接进行模型拟合。

3、再次建立多元回归模型：

Y=c+b1X1+b2X2+b3X3+b5dX5+b6X6，运用Eviews运算出来的结果如表所示：

OLS回归结果

从上表我们可以得出如下线性关系：

Y=16.67449-102.3752X1+3286.934X2+2.84539X3-58.16951D(X5)-279.0616X6

(33.95)(-36.41)(38.79)(27.37)(-34.30)(-19.40)

R2=0.9986R2=0.9962F=423.65Prob(F-statistic)=0.00018

本文对于方程显著性的检验，选取5%的显著性水平，则k=5，n=25,n-k-1=19,F0.05(5,19)=2.74,由于F=423.65>F0.05(5,19),故拒绝原假设，说明变量之间的总体线性关系上显著。上表我们可以看出，所有变量P值均小于0.05，故认为所有变量都是显著的，都对被解释变量具有一定的解释力。

四、结论

从回归结果中可以看出，销售净利率对股价的影响最大，说明投资者进行投资决策时，最关注的是公司的盈利能力。机构持股比率的波动及研发支出的波动对股票的影响具有反向作用，说明这两个指标的波动会向市场传递出不好的信息，从而引起股价的下跌。每股收益对股票价格的影响为负，这可能是由我国股票市场存在大量投机交易导致的。由于高收益的股票投机的成本高，因而市场对其需求小，受供求关系影响，会导致股价下跌。而代表偿债能力的流动比率对股票价格的影响不显著，说明在市场交易过程中，投资者进行投资决策时很少考虑公司的偿债能力。这可能是因为我国投资者进行投资时并不关注公司以后经营的持久性，只关注近期股票的行情，期望从股票差价中获得收益。(作者单位：苏州大学)

参考文献：

[1]陈鹏，彭博.会计信息与股票价格相关性的实证分析[J].财金之窗.2013,(10):62-65

[2]汪国刚.机构持股与股价波动性研究[D].湖南：湖南大学金融学院，2008