前言：本站為你精心整理了行業股票收益預測淺析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

研究方法及設計

本文樣本選取22只水泥行業的深滬A股，并且剔除了3只ST股票。其18只股票分別為：亞泰集團、拓中建設、西水股份、青松建化、賽馬實業、獅頭股份、海螺水泥、劍鋒集團、祁連山、華新水泥、福建水泥、冀東水泥、江西水泥、天山股份、同力水泥、四川雙馬、科學城、塔牌集團。其中，考慮到行業之間盈利能力的不同，為保證財務報表之間的可比性，所以選擇了同一行業。剔除3只ST股票是由于報表可信度方面的考慮。其過程：首先根據2009年度財務報表，計算出財務比率值，對其主成分分析，根據貢獻率達到95%的要求，選出其主成分因子；其次，對于probit模型因變量Y，是根據每只股票與對應大盤的收益做比較，設計0與1值；最后，應用單變量Probit模型和多變量Probit模型對主成分分析得出的因子進行檢驗，并驗證模型預測股票收益的能力。

指標的選擇及主成分分析

財務比率的選擇及數據

本文選取了八項財務比率，是完全基于以前學者所使用的財務數據項目，它們基本上反映了企業的財務狀況，并且包括2009年的年度報表數據(均表示為百分比)。其中包括資產負債管理能力，盈利能力及成長能力。資產負債管理能力包括股東權益比X1，流動比率X2和總資產周轉率X3；盈利能力包括經營毛利潤X4，資產利潤率X5和凈資產收益率X6；成長能力包括總資產增長率X7，主營收入增長率X8。

主成分分析

本文利用matlab軟件進行主成分分析處理。按累計貢獻率達到95%要求，選取了F1，F2，F3，F4，F5等5個主成分來代替原來的8項財務比率，這5個主成分因子包含原來指標信息的95.7%。X與5個主成分因子的線形組合關系為。根據上式可知，F1主要含有，X5和X6信息，F2主要含有X5和X7，X8信息，F3主要含有X1，X2信息，F4含有X1，X4信息，F5主要含有X3信息。可見，F1包含了資產周轉率和利潤及凈資產利潤，并且均為負數，說明F1越小越好；F2包含了凈資產利潤及成長能力指標；F3包含了資產負債指標，并且為負數；F4包含了毛利潤及股東權益比指標；F5反映資產周轉率指標。然后把X1，X2，X3，X4，X5，X6，X7，X8標準化后的數據代如上式，得主成分因子所對應的18只股票數據值。

基于Probit模型預測

對于主成分分析得出的5個綜合指標是否能反映出財務報表的總體狀況并預測股票的收益率的實證研究，本文利用Probit模型進行分析及預測。Y代表股票收益率與大盤指數收益比較的二元結果。選取2010年2月到2011年2月股票收益率。當股票收益率于大盤指數收益時，取Y值為1，反之為0。對于由5個指標構成的先行指標組，記為F1，F2，F3，F4，F5則相應的Probit模型為。本文采用極大似然方法估計Probit模型。選用McFaddenR2以測定所得Probit模型的擬合優度，它與線性回歸模型R2類似,介于0和1之間,值越接近于1說明模型的擬合程度越好。4.1單變量與多變量Probit模型為合理評價每個主成分因子，所以采用單變量Probit模型進行分別估計，此處采用Eview7.0進行數據處理，結果見表1。通過表我們發現，單變量McFaddenR2擬合度太小，并且有Z統計量和P值可知，除外，p值均大于10%，不顯著。為此，我們構造多變量模型。本文考慮構造一個多變量的模型，分析它們共同作用對表示股票的收益的離散指標Y的解釋能力是否有提高。表2列出了本文采用逐步法選擇解釋變量個數的過程，根據McFaddeR2擬合度，AIC及顯著性檢驗來初步確定主成分因子的個數。對于表2中，我們可以看到擬合情況。沒有設置F1，F2，F3，F4與F1，F2，F3，F4，F5的原因是由于其Z統計量及P值出現不顯著情況(顯著水平均大于20%)。綜合考慮各個指標，雖然F1，F2，F3的p值比較高，但是考慮到擬合度及AIC的原因，這里選擇F1，F2，F3三個解釋變量，具體見表3。該模型具有良好的擬合優度,方程中McFaddenR2統計量為0.72,表明多變量Probit模型的預測能力明顯提高。

本文作者：葉明確張順虎作者單位：上海大學經濟學院