盈利预测模型的改进

第五届会计与财务问题国际研讨会——当代管理会计新发展2005年7月9日-10日173盈利预测模型的改进——基于财务指标与未来盈利的相关性卢锐（中山大学管理学院，广州510275）【摘要】本文旨在分析上市公司财务指标与未来盈利的相关性，以便为现有盈利预测模型的改进提供相关证据。为了发现财务指标是否以及如何对上市公司未来每股收益产生影响，本文采用了Logistic回归和线性多元回归两种方法，试图从定性和定量两个角度对它们的内在作用加以分析。实证检验发现，上市公司财务指标与公司未来盈利确实存在显著相关性，以前年度财务指标的变化能够帮助预测未来每股收益的增减趋势，以前年度的每股收益以及某些财务指标的变动额会直接影响未来的每股收益。本文构建的模型具有较为满意的拟合优度和预测能力。值得指出的是，股东权益净利率的变动对于预测未来每股收益具有重要意义，补充检验显示经济增加值的变动以及审计师意见的改变不具有预测作用。【关键词】盈利预测财务指标每股收益相关性一、引言现代公司财务理论认为，公司价值取决于公司未来的现金流量。但实证研究（Beaver和Dukes,1973；Watts和Zimmerman,1999）发现，当期盈利往往比当期现金流量更能有效地预测未来现金流量。近几十年来，学术界有大量文献在研究上市公司的盈利预测问题。盈利预测成为证券市场股票估价和经营者实施风险管理和预算控制的重要工具。分析企业未来盈利的影响因素17对于研究会计信息和股票价格的关系、制定业绩评价和报酬计划方案乃至研究管理层会计政策选择都具有重要意义。建立预测模型是盈利预测质量的关键。目前，国外常用的盈利预测模型主要有两类：一类是使用时间序列分析方法进行预测。该方法比较适用于在较长时期内考察企业盈利的变化趋势。朱峰（2002）总结了三种基本的公司盈利时间序列模型，即：确定模型、随机游走模型和Box-Jenkins模型。确定模型认为未来的盈利完全独立于当期盈利，表现为常数或时间的函数；随机游走模型认为未来盈利完全取决于当期盈利；Box-Jenkins模型认为近期的盈利会导致未来盈利的变化，但又不完全决定未来盈利，具体包括AR、MA、ARMA、ARIMA等时间序列计量模型。Foster(1977)等学者普遍认为，Box-Jenkins模型的预测能力优于前两种模型。另一类是采用以横截面数据为主的多元回归统计分析方法进行预测。此类方法对于预测企业的短期盈利状况往往具有较好的效果。它注重研究盈利指标与其他财务指标的内在关系，通过基本分析技术，运用逻辑推导和实证检验寻找出具有解释力的模型。这方面的代表性文献有：Ou和Penman(1989),Abarbanell和Bushee(1997)以及Penman和Zhang(2004)等。中国学者已经开始探索国内上市公司的盈利预测模型。黄志忠和陈龙（2000）发现，中17目前，盈利预测研究，除了直接研究未来盈利的影响因素（即建立盈利预测模型）外，还包括盈利持续性以及盈利预测信息披露可靠性等方面的研究。本文的研究关注公司未来盈利的影响因素，并且着重于寻找财务指标中的有效预测因子。第五届会计与财务问题国际研讨会——当代管理会计新发展2005年7月9日-10日174国上市公司盈利以及资产利润率并不遵循随机游走过程和带成长因素的随机游走过程，模型Et=b1Et-1+b2ΔEt-1+εt能更好地描述样本公司的盈利成长，并从盈余管理角度对其进行解释。陆璇、陈小悦等（2001）试图研究中国上市公司财务基本信息对未来收益的预测能力，他们采用Ou和Penman(1989)和Abarbanell和Bushee(1997)中使用的Logistic回归和多元线性回归等研究方法，昀后得到了肯定的回答。周建波（2004）在研究上市公司盈利质量与未来盈利的关系时，也构建了一个以未来盈利为因变量的回归方程，结果证明基于过去财务信息而设计的盈利质量指标与未来盈利有显著相关性。但是，中国证券市场短短十几年的发展历史以及其间会计制度与准则的重大更迭，决定了单纯的时间序列模型不能够建立高解释力的盈利预测方程，黄志忠和陈龙（2000）的研究发现与样本选取当时的社会背景有关18，它只是刻画了当时盈利时间序列的部分特征。陆璇、陈小悦等（2001）得到的两个模型的拟合优度都不高，而且不能应用于直接的盈利预测。周建波（2004）的研究侧重于反映盈利质量指标与未来盈利的相关性，同样不利于直接的盈利预测。因此，本文试图采取有别于上述学者的研究方法，进一步尝试寻找我国上市公司的盈利预测模型。具体来说，我们将通过建立结构时间序列方程，在考虑盈利滞后变量的基础上，着力引入财务报告信息变量，重点考察上市公司财务比率与未来盈利的相关性。本文共分四个部分：第二部分是对影响公司盈利的财务指标的初步分析；第三部分是上市公司财务比率与公司未来盈利相关性的实证检验；第四部分是结论。二、影响公司盈利的财务指标的初步分析与绝大多数文献一样，我们选择每股收益（EPS）指标代表公司盈利。为了确定影响每股收益的财务指标，我们拟从常用的财务比率中运用逐步回归的方法寻找显著影响变量。为此，我们主要使用了CISMAR数据库，少量数据取自中国证监会网站()和新浪财经网（finance.sina.com.cn）上公布的上市公司年报数据。CISMAR数据库除了含有上市公司每年年报的基本内容以外，还提供了每个上市公司各个财务比率的统计值。该数据库提供了公认的较为常用的八大类71个财务比率。我们提取了2000年、2001年和2002年三年的沪深两市所有上市公司的财务比率数据。由于其中三个财务比率存在较多缺失值，我们决定将它们剔除。因此，昀后纳入我们逐步回归方程的财务变量有68个，其中每股收益为被解释变量，其余67个为解释变量。总体来说，短期偿债能力比率6个，营运能力比率10个，长期偿债能力11个，盈利能力比率9个，风险水平3个，股东获利能力比率9个，现金流量能力分析比率15个，发展能力比率5个，限于篇幅，我们在此不一一列出。每一年中所有存在缺失值的上市公司样本都被我们删除，而且财务杠杆、经营杠杆、综合杠杆、利息保障倍数以及市盈率为负数的样本也被删除。昀终，我们获取的有效样本为2000年668家，2001年639家，2002年625家，具体分布情况如下：表1各年样本分布情况表2000年2001年2002年深市样本数304261225沪市样本数364378400合计66863962518许多上市公司为保留配股权围绕净资产收益率达到10％这一法定要求进行盈余操纵，致使前后年度盈利的自相关系数显著为负。第五届会计与财务问题国际研讨会——当代管理会计新发展2005年7月9日-10日175我们利用样本各年财务比率数据采用横截面回归分析方法建立了以每股收益为因变量其余67个变量为自变量的回归方程，具体如下所示：EPS=b0+b1X1+b2X2+……b67X67+е(1)考虑到这些自变量之间可能存在的高度相关性，我们采取了逐步回归的方法从而消除多重共线性的影响。我们采用了SPSS11.5统计软件。各年逐步回归的结果如下：表2各年逐步回归结果初步确定每股收益的影响变量00年01年02年资产报酬率.095∗∗每股净资产.597∗∗∗.803∗∗∗.581∗∗∗资本保值增值率-.075∗∗∗股东权益净利率.109∗∗∗.206∗∗∗.489∗∗∗每股盈余公积.035∗∗总资产净利率.598∗∗∗.519∗∗∗.246∗∗∗每股营业收入.312∗∗∗.339∗∗∗.325∗∗∗总资产周转率-.285∗∗∗-.235∗∗∗每股公积金-.170∗∗∗-.378∗∗∗-.161∗∗∗负债与权益市价比率-.065∗∗∗-.077∗∗∗-.149∗∗∗所有者权益比率-.218∗∗∗-.177∗∗∗-.108∗∗∗总资产增长率-.079∗∗∗-.069∗∗∗流动资产周转率.104∗∗∗综合杠杆-.033∗∗∗主营业务收入增长率-.021∗流动资产比率.036∗∗每股投资活动现金净流量-.049∗∗∗投资活动流出比率-.040∗∗∗营业毛利率.034∗∗每股经营活动现金净流量.109∗∗∗.090∗∗∗第五届会计与财务问题国际研讨会——当代管理会计新发展2005年7月9日-10日176每股未分配利润-.076∗∗∗固定资产净利率.255∗∗∗.229∗∗∗固定资产周转率-.192∗∗∗-.131∗∗∗现金及现金等价物周转率.041∗∗∗主营业务收入现金比率-.051∗∗∗市盈率.025∗∗.048∗∗∗投资活动现金流入流出比.025∗∗流动比率.028∗∗股东权益周转率-.132∗∗∗资本积累率-.060∗∗∗财务杠杆-.052∗∗∗长期资产周转率-.071∗∗∗流动负债比率-.044∗∗∗市净率-.063∗∗∗有形净值债务率.073∗∗现金流量对流动负债比率-.046∗∗其中：（1）∗∗∗、∗∗、∗分别表示在1％，5％和10％的水平上显著。下同。（2）00年、01年和02年逐步回归的Adj.R2分别为0.931、0.926和0.914。由表2可知，影响每股收益的财务比率变量主要包括：每股净资产、股东权益净利率、总资产净利率、每股营业收入、每股公积金、负债与权益市价比率、所有者权益比率、总资产周转率、总资产增长率、每股经营活动现金净流量、固定资产净利率、固定资产周转率和市盈率。其中，前7个变量在三年中均显著，后6个变量至少在两年中显著，我们剔除了只在一年中显著的财务比率变量。具体来看，总资产周转率和固定资产周转率属于营运能力比率，负债与权益市价比率和所有者权益比率属于长期偿债能力，股东权益净利率、总资产净利率和固定资产净利率属于盈利能力比率，每股净资产、每股营业收入、每股公积金和市盈率属于股东获利能力比率，每股经营活动现金净流量属于现金流量能力分析比率，总资产增长率属于发展能力比率。由于缺乏反映企业短期偿债能力和风险水平的比率以及考虑到发展能力对企业盈利预测的重要性，结合表2的结果，我们决定增加流动比率、综合杠杆和主营业务收入增长率三个指标。这样，我们总共得到16个财务指标。上述指标绝大部分与杜邦指标分解得出的财务指标体系是一致的，这也进一步佐证了我们对每股收益影响因素的初步分析。在下一节，我们将以这16个财务比率指标为基础进一步寻找上市公司盈利预测模型。三、上市公司财务比率与未来盈利相关性的实证检验第五届会计与财务问题国际研讨会——当代管理会计新发展2005年7月9日-10日177在第二节中，我们通过初步的实证分析，找到了影响每股收益的基本财务比率。我们将在此基础上，进一步构建公司盈利的预测模型。我们的模型将从定性和定量两个角度建立。定性模型是指我们将利用Logistic回归方法建立预测上市公司未来盈利变动方向的模型。定量模型是指我们将利用线性多元回归方法建立预测上市公司未来盈利具体数值的模型。1.预测未来盈利变动方向的Logistic回归模型由于每股收益受到每股净资产等16个截面指标的影响，我们可以合理地推断，这16个指标的前后期变动及其变动方向是导致每股收益前后期变动及其变动方向的重要因素。如果我们以每股收益变动作为二元选择的因变量，即yi,t=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧−−1,,1,,01titititiEPSEPSEPSEPS，当，当那么，我们可以将16个截面指标以及16个截面指标的滞后期变动率作为预测因子，构建一个Logistic回归模型，即LogP1P−=b0+b1ΔX1……＋b16ΔX16+е(2)其中，Pi表示yi,t=1（即每股收益增加）的概率，1－Pi表示yi,t=0（即每股收益减少）的概率，ΔX＝（Xt-1-Xt-2）/Xt-2,即表示X指标上年相对于前年的变动率。ΔX1~ΔX16分别代表前述16个财务指标的滞后期变动率。我们分别以2002年的EPS和2003年的EPS为因变量分年度进行了两个Logistic回归，在两个回归中分别用到了2001年相对于2000年的财务指标变动率数据和2002年相对于2001年的财