市净率的横截面决定因素

来源：小侦探旅游网

市净率的横截面决定因素：来自的证据　钟耀明（Ｒｉｃｈａｒｄ　Ｃｈｕｎｇ）　　金正本（Ｊｅｏｎｇ－Ｂｏｎ　Ｋｉｍ）　译者：陈冬华　摘要　

　　　　　　　　本文以１９８０至１９９２年在联交所上市的公司为样本，旨在研究市场价值与帐面净值　比率（以下简称市净率，Ｐ／Ｂ　ｒａｔｉｏ）横截面变化的决定因素。根据Ｏｈｌｓｏｎ（１９９５）的权益定　价模型，本文确定了三种（与市净率有关的）公司特殊的因素：（１）预期会计收益率　（ＲＯＥ）；（２）预期净资产增长率（ＧＷＢＶ）；（３）市场要求的收益率。变量ＲＯＥ和　

ＧＷＢＶ均以当期的观察值表示，因为在样本期间这两个变量都具有回归均值的特征。市场要求的收益率以系统风险（ＢＥＴＡ）表示，因为它们是正相关的。总言之，本文的假设如下：当期市净率是当期ＲＯＥ和当期ＧＷＢＶ的正相关函数，是ＢＥＴＡ的负相关函数。研究结果发现，市净率的横截面变化主要由ＲＯＥ引起，并且这一结论在不同的模型和不同的期间内都得到了有力的支持，而ＧＷＢＶ和ＢＥＴＡ都未能在不同的模型中始终表现出显著的解释能力。此外，当ＲＯＥ以ＢＥＴＡ为自变量进行回归时，斜率为负，这就与下面的观点矛盾，即　

ＲＯＥ具有构成公司生产、投资及筹资行为之基础的风险的一些特征。研究结论表明，相比将市净率看成ＣＡＰＭ无法解释的一些风险特征的参数而言，将市净率看成公司未来获利能力的指标更加合理。　　

一、引言　

　　　　　　　Ｓｈａｒｐｅ（１９６４）和Ｌｉｎｔｎｅｒ（１９６５）资本资产定价模型（ＣＡＰＭ）的基本预测在于，证券的预　期收益是ｂｅｔａ的正相关线形函数，ｂｅｔａ是公司特有并且唯一的。Ｂｌａｃｋ等（１９７２）以及Ｆａｍａ和ＭａｃＢｅｔｈ（１９７３）等人的早期研究提供的证据与ＣＡＰＭ的预测一致，然而，随后的研究，包括Ｂａｎｚ（１９８１）、Ｂａｓｕ（１９８３）、Ｒｅｉｎｇａｎｕｍ（１９８１）以及Ｌａｋｏｎｉｓｈｏｋ和Ｓｈａｐｉｒｏ（１９８６），却提供了相反的证据。　

２

１

本文为译文。

钟耀明，会计学助理教授；金正本，会计学教授。理工大学会计学系，九龙。

　　　　　　　　更近些时候，Ｆａｍａ和Ｆｒｅｎｃｈ（１９９２）检验了一些变量在解释普通股平均收益的横截　面变化上所起的联合的以及增量的作用，这些普通股都在ＮＹＳＥ、ＡＭＥＸ或ＮＡＳＤＡＱ市场上市，被检验的变量包括ｂｅｔａ、规模、盈利市价比率（会计盈利与权益的市场价值之比）、财务杠杆、净资产市价（Ｂ／Ｐ）比率（权益的帐面价值与市值之比）等。他们的研究为下面的结论提供了有说服力的证据，即在解释股票收益的横截面变化方面，Ｂ／Ｐ比率扮演了最重要的角色，而ｂｅｔａ是所有被考察的解释变量中最不显著的一个。换句话说，他们发现，股票收益均值与Ｂ／Ｐ比率的变化同向，这在某种程度上是ＣＡＰＭ所无法解释的。在有关　

Ｂ／Ｐ比率解释股票收益的有用性这个问题上，Ｃｈａｎ、Ｈａｍａｏ和Ｌａｋｏｎｉｓｈｏｋ（１９９１）使用日　本的数据，也得到了相同的研究结论。　

然而，这些研究却没有解决这样的问题，即什么决定Ｂ／Ｐ比率，以及为什么Ｂ／Ｐ比率是股票预期收益最重要的决定因素。如同Ｆａｍａ（１９９１）指出的那样，股票收益与基本变量之间的任何系统联系都可能由下面的观点解释，如股票被错误地定价，或称其为市场失效的反映，又或者认为基本变量代表了一些ＣＡＰＭ无法捕捉的风险因素。作为错误定价的一个例子，Ｂ／Ｐ比率可能代表了公司未来获利能力的某些（仍然未知的）的方面。特别是，该比率可能反映了公司在生产、投资以及筹资活动上的真实业绩。毕竟，ＣＡＰＭ并不能将公司在资本市场的表现与其在生产市场上的真实业绩直接联系起来。　

本文的目的在于运用经验研究的方法，探讨市净率（Ｐ／Ｂ　ｒａｔｉｏ）——即Ｂ／Ｐ比率的倒数—横截面变化的决定因素。我们对下面的问题尤其感兴趣，即市净率是否与公司的未来获利能力、其它公司独有的特点（例如构成公司生产、投资和筹资活动基础的风险）以及未来的成长机会有关。Ｆａｍａ和Ｆｒｅｎｃｈ（１９９２）的研究侧重于股票收益的横截面决定因素，并且发现Ｂ／Ｐ比率是股票收益最重要的决定因素，而我们则将重点放在市净率的横截面决定因素上（并且发现会计收益率——利润除以权益的帐面价值——是最重要的决定因素）。　

如果本文能加深我们对下面问题的理解，即是什么因素（本研究表明是会计收益率）最终决定了股票收益的横截面变化，本文就可算作出了微薄的贡献。上述问题目前仍存有争议，或认为是定价错误，或认为是被ＣＡＰＭ忽略的风险因素，尽管我们并没有将研究设计成可以用来解决这样的联合假设本身，但我们的研究结果至少可使这个问题更加清晰。　

我们依据Ｏｈｌｓｏｎ（１９９５）基于会计信息的定价模型来甄别市净率的横截面决定因素。本文确定了三种（与市净率有关的）公司特殊的因素：（１）预期会计收益率（ＲＯＥ）；（２）权益的帐面

价值增长率（ＧＷＢＶ）；（３）市场要求的收益率。我们发现，变量ＲＯＥ和ＧＷＢＶ在样本期间均具有回归均值和序列相关的特征，因此，在本研究中，变量ＲＯＥ和ＧＷＢＶ均以当期的观察值表示。市场要求的收益率本身无从观察，本文遂以系统风险　

（ＢＥＴＡ）表示该变量，因为它们之间是正相关的。本文的假设大体如下：当期市净率是当期ＲＯＥ和当期ＧＷＢＶ的正相关函数，是ＢＥＴＡ的负相关函数。在检验这个假设时，本文既运用了混合样本（同时包括时间序列上的和横截面上的混合）回归，又进行了逐年的横截面回归。此外，为判断ＲＯＥ是否与风险相关，我们还分析了ＲＯＥ和ＢＥＴＡ之间的关系。　

为进行经验性检验，我们选用１９８０年至１９９２年在联交所上市的公司作为样本。通过对跨期１２年的９２０个公司样本的研究，我们发现，ＲＯＥ是市净率最重要的决定因素，而　ＢＥＴＡ和ＧＷＢＶ对市净率横截面变化的解释能力很弱，甚或没有。此外，我们还发现ＲＯＥ并不能很好地测度ＣＡＰＭ框架下的风险。我们的研究结果表明，相比将市净率看成ＣＡＰＭ无法解释的一些风险特征的参数而言，将市净率看成公司未来获利能力的指标更加合理。也就是说，本文报告的来自的证据似乎更支持定价错误或市场失效、而非某些风险因素被忽略的观点。　

我们的研究与最近美国学者Ｂｅｒｎａｒｄ（１９９３）、Ｏｕ和Ｐｅｎｍａｎ（１９９３）的研究有着密切的联系。他们的研究表明ＲＯＥ具有回归均值的特点，并且发现ＲＯＥ是市净率最重要的决定因素。Ｏｕ和Ｐｅｎｍａｎ关注的是为基本面分析的实务操作设计一个便宜的路径；而Ｂｅｒｎａｒｄ则对市净率与ＲＯＥ之间的关系更感兴趣，当然，他也研究了市净率与ＧＷＢＶ之间的关系，只不过这相对处于其研究中的次要地位。与Ｂｅｒｎａｒｄ的研究类似，我们也探讨了ＲＯＥ和ＧＷＢＶ对市净率的解释能力。然而，我们在下面两个方面拓展了他的分析：（１）运用多元回归重点分析ＲＯＥ、ＧＷＢＶ和ＢＥＴＡ对解释市净率具有的联合的及增量的作用；（２）进一步研究ＲＯＥ和ＢＥＴＡ的关系。　

本文以下部分是这样安排的，第二部分提供一些关于资本市场的制度背景；第三部分回顾Ｏｈｌｓｏｎ（１９９５）基于会计信息的定价模型，因为该模型是我们确定经验性研究模型的基础；第四部分描述样本和数据来源；第五部分阐释检验过程并得出研究结论；最后对本研究进行总结。　　

二、资本市场　

现在的联合交易所（ＳＥＨＫ）是在１９８６年合并了当时并存的四大交易所的基础上成立的，

３

事实上，如同在Bernard（1993）的文章中等式（9）表明的那样，他仅是将市净率与ROE的排序进行回归。

这四大交易所是证券交易所、远东证券交易所、金银证券交易所和九龙证券交易所。鉴于下面几个原因，证券市场足以成为有趣并且适时的研究对象。　

首先，证券市场是世界上最大的证券市场之一。１９９６年末，ＳＥＨＫ的总市值为ＵＳ￥４５１０亿元，这在全球排第五位，在亚洲仅次于东京证券交易所。与其在全球资本市场上的重要地位一致，市场以其良好的商业基础设施和开放性而著称。　

其次，资本市场非常国际化，外国投资者可以在港自由开展经纪业务或参与资本市场运作。２０世纪７０年代晚些时候，机构投资者和共同基金开始加大在的投资。１９７９年，远东证券交易所——后来ＳＥＨＫ的主要成员之——批准海外经纪人开展业务。到１９９６年末，国际投资者占市场全部交易金额的３２％（Ｙｏｕｎｇ和Ｃｈｉａｎｇ，１９９７）。　

第三，的税收十分简便，这使得市场近乎一个完美的市场。尤其是，投资者的股利和利息收入不用纳税，任何形式的资本收入同样无须缴税。公司利润中只有取自的那部分需要纳税，其它来自世界各地的部分则没有税收负担。并且，税率相对较低。作为一项基本的规定，个人统一税率为１５％，公司统一税率为１６．５％。　

最后，由于资本市场与中国经济的密切联系，正逐渐成为中国的一个主要的融资中心。在注册并在上市的中国的公司（仍处于中国企业控制下的）称为“红筹股”，而在注册在上市的公司称为“Ｈ股”。截止１９９６年，有２０家Ｈ股公司在ＳＥＨＫ上市。市场将随着中国公司上市数量的增多而发展壮大，这既是证券监管机构的目标也是不可避免的趋势。　

尽管在全球金融市场的发展中扮演着越来越重要的角色，股票市场却未能得到学术研究者的足够重视。实际上，将美国与市场的经验性研究证据加以比较，这对于探讨美国研究结论的外部有效性是十分有用的。若是我们发现这两个市场由不同的因素起作用，这就会予未来的研究以启发，例如，未来的研究必须探讨两个市场的制度和行为方面的差异。鉴于上述原因，我们试图将本文的研究结论与一些类似的研究进行比较，后者采用的数据均取自美国市场。　　

三、Ｏｈｌｓｏｎ定价模型及市净率　

Ｂｅａｖｅｒ（１９８９）提出，传统的权益定价方法，比如股利资本化或现金流量折现法以及ＣＡＰＭ，

４

当然，市场中的参与者须得服从证券和期货委员会以及SEHK辖下监管机构的监管。另外，1973年还成立了的旨在清除的廉正公署，其唯一使命就是阻止社会及私人部门的。

都需要确定下面两阶段的关系：（１）盈利和未来现金流量（以及股利）之间的关系；（２）未来现金流量和公司价值之间的关系。与上述方法相比，Ｏｈｌｓｏｎ定价模型以会计信息为基础，对上述两阶段的关系不作要求，几乎不受什么假设的。Ｏｈｌｓｏｎ模型的唯一假设就是，会计系统建立在“清洁盈余关系（ｃｌｅａｎ　ｓｕｒｐｌｕｓ　ｒｅｌａｔｉｏｎ）”的基础之上（也就　

是说，所有影响股东权益的收入和损失都包含在会计盈利之中）。更重要的是，Ｏｈｌｓｏｎ模型允许我们直接用会计的基本信息来表示公司价值，这使得经验性的检验变得比较容易。　

我们可以将会计看成一个价值汇总系统。通过价值汇总程序，一个公司的会计系统最终会产生两个衡量公司价值的指标：（１）权益的帐面价值，这是一个存量价值概念；（２）当期盈余，这是一个流量价值概念。基于复式计帐制度的基本特性，权益帐面价值的变动（即存量价值的变动）必定与盈余（即流量价值）相等，这就是Ｏｈｌｓｏｎ（１９９５）称为“清洁盈余关系”的本质，当然，这里的盈余须经过股利和资本变动的调整（Ｉｊｉｒｉ，１９７５，１９８２，１９８９）。会计汇总程序的这个本质正是Ｏｈｌｓｏｎ定价模型的基础，Ｏｈｌｓｏｎ定价模型可以用来解释公司的价值是如何与资产帐面价值及会计盈余（这两项正是会计汇总程序最重要的两个产品）联系在一起的。下面，我们将以与本研究有关为限，略述一下Ｏｈｌｓｏｎ定价模型。　

Ｏｈｌｓｏｎ的模型由公认的股利资本化公式演变而来，该公式如下：　

∞

５

（１）　　　Pt

=∑(1+r)Et(dt+τ)　

−τ

τ=1

其中：　

　　　　　　Pt　　＝　　ｔ期公司的市场价值或价格；　

　　　　　　dt+τ　＝　　第t+τ期所支付的股利（负的dt+τ为资本增加）；　　　　　　　　ｒ　　　＝　　市场要求的收益率或折现率；　　　　　　　Et　　＝　　基于ｔ期的信息集合所作出的预期。　

在“清洁盈余关系”下（亦即资产帐面价值变动与扣除股利后的盈余相等），下面的关系一定成立：　

在这个方面，Ohlson模型与早期Edwards和Bell(1961)以及Peasnell(1982)的研究比较相似。这方面也可以参考Feltham和Ohlson(1992)以及Brief和Lawson(1992)的相关文献。

（２）　　Bt　其中：　

−Bt−1=Xt−dt　

　　　　　　　Bt＝　ｔ期的权益帐面价值　　　　　　　　Xt＝　ｔ期的盈余　

假设我们将非正常盈余（Xt）定义为：　（３）　　Xt

=Xt−rBt−1　

６

非正常收益也常被称为“剩余收益”或“经济附加值”，它等于会计盈余减去资本的使用成本。根据等式（２）和等式（３），ｔ期支付的股利（dt）可已表示成：　（４）　　dt

=Xat+(1+r)Bt−1−Bt　

将等式（４）代入等式（１），Ｏｈｌｓｏｎ得到了下面的定价模型，该模型将公司的市值与两个基本的会计指标（权益帐面值和非正常盈余）联系起来：　

∞

（５）　　Pt

=Bt+∑(1+r)Et(Xt+τ)　　

−τ

τ=1

假设符合下面的条件，即当t→0时,

E(Xt+τ)

→0，那么等式（５）就表明，权益的帐面t

(1+r)

价值与未来各期预期非正常盈余的贴现值之和，就等于公司的市值。　

为更好地观察市净率的决定因素，等式（５）可以重新表示成下面的等式：　

∞

PtB

（６）　　=1+∑(1+r)−τEt(ROEt+τ−r)t+τ−1　

BtBtτ=1

其中：　

　　　　　　　ROEt

　Bt−1

在战略管理和业绩评价方面运用经济附加值的概念极具实务上的重要性，这一点近来得到了大家的重视。这方面的详细资料，可参见Tully(1993,1994)和Walbert(1993)在《财富》杂志上发表的文章。

等式（４）表明，如果未来期间的预期收益超过（低于）相应的资本成本（即rBt−1），企业资产的市值（或股票价格）就可能超过（低于）帐面价值。或者说，等式（６）表明，如果权益的会计收益率超过市场要求的收益率（ｒ），市净率就会大于１。　

Ｏｈｌｓｏｎ的模型可以仅用会计变量来表示公司的价值或市净率，而不需要市场价格，这给基本分析以重要的启示。基本分析的主要目的在于，利用财务报表提供的信息来推断公司价值或预期收益。然而，如何选择与企业价值有关的会计信息，现有的有关基本分析的文献却几乎没有涉及。例如，由于缺乏理论的指导，Ｏｕ和Ｐｅｎｍａｎ（１９８９）只能选择特定的６８个财务比率来预测股票收益。Ｏｈｌｓｏｎ定价模型表明，只要能够预测ＲＯＥ、ＧＷＢＶ和市场要求的收益率，就可以衡量公司的价值。　

正如Ｐｅｎｍａｎ（１９９２）、Ｏｕ和Ｐｅｎｍａｎ（１９９３）所述，Ｂａｌｌ－Ｂｒｏｗｎ类型的传统资本市场　研究接受的是会计信息观，其假设市场是有效的，即市场上观察到的价格是所有信息的有效汇总；然后，再运用价格来评价会计的信息价值。相比而言，基本分析或会计的计量观，则直接运用会计信息来推断公司的合理价格或内在价值，并将推断出的价格与市场上观察到的价格进行比较，以辨识股票定价是否有误。Ｏｈｌｓｏｎ定价模型并不要求市场有效作为分析的必要条件，从这个意义上来讲，它非常适合于基本分析。　

等式（６）是我们建立经验模型的核心，它表明当期可观察的市净率与下面三个公司特定的因素有关：（１）与预期的会计收益率（ＲＯＥ）正相关；（２）与权益帐面价值的预期增长（ＧＷＢＶ）正相关；（３）与市场要求的收益率负相关。鉴于上述三个变量都无从直接观察，因此必须找到相应的参数指标。因而，在本文的后面，我们为预期ＲＯＥ和预期ＧＷＢＶ建立了相应的参数指标，即当期ＲＯＥ和当期ＧＷＢＶ。在考虑市场要求的收益率这一变量时，我们注意到其与公司的系统风险正相关（ＢＥＴＡ），因此，我们就以ＢＥＴＡ作为这一变量的参数。总的来说，本文的经验性假设是，当期市净率是当期ＲＯＥ和当期ＧＷＢＶ的正相关函数，是ＢＥＴＡ的负相关函数。　　

四、样本及数据来源　

本研究的样本总体是１９９３年ＰＡＣＡＰ数据库内包括的全部非金融公司。ＰＡＣＡＰ数据库既有年度的财务报表数据，亦有按日和按月计算的股票价格和收益数据。我们最初确定了１９８０到１９９２年之间的一共２９４７个公司年度（ｆｉｒｍ－ｙｅａｒ）观测值。然后，在最初样本的基　

础上，我们要求所有样本必须提供一些特定的数据，因为要获取下列变量的经验指标必须使用这些数据：　

（１）　市净率：ｔ年市净率等于ｔ＋１年三月末发行在外普通股的总市值除以ｔ年年末权益的

帐面价值。　

（２）　会计收益率（ＲＯＥ）：ｔ年ＲＯＥ等于ｔ年的盈利除以ｔ－１年年末权益的帐面　

价值。在计算ＲＯＥ时，我们使用了三种可供选择的盈利定义：（ａ）税前营业利润；（ｂ）税前营业利润加上其它收入，扣除其它费用；（ｃ）第二中定义的税后利润版，在的财务报表中也被称为非常项目前盈利。本文下面将提到，ＲＯＥ解释市净率的能力与盈余的定义无涉。因此，为简洁起见，本文只报告其中的一组结果，在该组中盈余被定义为税前营业利润。　

（３）　权益帐面价值的增长（ＧＷＢＶ）：ｔ　年ＧＷＢＶ指标等于ｔ年年末权益的帐面　价值除以上年年末的权益帐面价值。　

（４）　市场风险（ＢＥＴＡ）：公司的ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为

５年的股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。　

１９８１至１９８７年期间，计有１２７４个公司年度观测值满足上述条件（１）到（３）。本文后面将提到，我们将用这１２７４个公司观测值构造向后看５年的均值回归表。本文回归模型的估计区间为１９８５至１９９２年，在此期间，共有９５０个公司观测值符合上述全部四个条件。从这９５０个观测值中，我们剔除了３０个极端值，从ＲＯＥ、Ｐ／Ｂ和ＧＷＢＶ的双尾分布中各剔除５个，以减轻异常值可能带来的影响。上述程序使得组成回归模型估计的样本变为９２０个公司样本观测值。表１列示了以上定义之变量的描述性统计结果。有意思的是，全部四个变量的分布看上去都有些右偏，因为每个变量的均值都大于中位数。这表明变量可能不服从线性回归模型要求的正态分布，这就要求对一些变量进行一些变换。　

［插入表１］　

８

７

上述这些ROE指标是用PACAP数据库内的下列指标计算得来的：INC5，即税前营业利润；INC6，即其它收入减其它费用；INC7，即税收；BAL21，即权益的帐面价值。本文三种ROE的计算方法分别为：（1）INC5/BAL21；（2）(INC5+INC6)/BAL21；（3）（INC5+INC6-INC7）/BAL21。 8

运用其它两种定义的盈余获得的经验性研究结果备索。

五、检验过程及结果　

本部分由四小部分组成。首先，我们探讨了市净率和ＲＯＥ之间的经验性关系。这部分分析的结论之一是，随时间推移，ＲＯＥ具有回归均值和序列相关的特点，这表明可以当期的ＲＯＥ作为未来ＲＯＥ的预期。接着，我们研究了市净率和ＧＷＢＶ之间的经验性关系。结果与ＲＯＥ类似，ＧＷＢＶ同样具有回归均值和序列相关的特征，因此也可以当期ＧＷＢＶ作为未来ＧＷＢＶ的预期。第三，我们以市净率为因变量与当期ＲＯＥ、当期ＧＷＢＶ和ＢＥＴＡ进行回归，回归既采用了混合时间序列和横截面的模型，又采用了逐年的横截面模型。最后，我们以ＲＯＥ为因变量与ＢＥＴＡ进行回归，以观测ＲＯＥ是否可以衡量风险。　

１．　市净率与ＲＯＥ的关系　

　　　　我们的分析从检验当期观察到的市净率和预期未来ＲＯＥ的关系开始。然而，当期并不　可以观察到预期未来ＲＯＥ，只有当期的ＲＯＥ可以观察。因此，我们必须首先就当期ＲＯＥ和未来ＲＯＥ之间的关系作一经验性之探讨。若此等关系稳定兼可预测，则当期市净率应与未来ＲＯＥ相关联（如前所述，根据盈余的不同定义，我们考虑了三种不同的ＲＯＥ指标。然而我们不论采用何种ＲＯＥ指标，ＲＯＥ的解释能力都保持不变，因此，本文中我们只报告了三组结论中的一组，在这组中ｔ年ＲＯＥ等于ｔ年的税前营业利润除以ｔ－１年年末权益的帐面价　值）。　

为检验当期ＲＯＥ和未来ＲＯＥ之间的关系，我们首先根据所有公司某一基年的ＲＯＥ进行排序，然后据此排序将其分成５组，其中第１（５）组由ＲＯＥ最低（高）的公司组成；然后，观察每组随后５年的ＲＯＥ的中位数。由于本文的样本期间自１９８０年始，并且计算ｔ年的ＲＯＥ需要ｔ－１年权益的帐面价值，所以本文最早只有１９８１年的ＲＯＥ数据，这亦使得本研究的　

最早基年为１９８１年。本研究中的公司分组就是在１９８１年的ＲＯＥ基础上进行的，我们将观测各组随后５年（即１９８２到１９８６年）ＲＯＥ的中位数情况。随后，我们以１９８７年为最后基年，观测各组随后５年ＲＯＥ的中位数，观测期截至１９９２年，即本研究样本期间的最后一年。　　

［插入表２］　

表２的表区Ａ说明了建立在ＲＯＥ排序基础上的５组公司的ＲＯＥ随时间推移而变化的性态。譬如，以第１行为例，该行反应的是基年ＲＯＥ最低的公司组情况，１９８１至１９８７年间全部这２５４家公司基年ＲＯＥ的中位数是　－　０．０５２；然而，一年后该组公司ＲＯＥ的中位数就上升至　

０．００５，如此等等。表中其它栏目的内容与上述相同，但最后一栏例外，此栏列示了５组公司的市净率的中位数，以资比较。最末两行的栏目列示了两组公司ＲＯＥ的中位数差异。例如，０年栏下的值０．１７６，系基年第４组与第２组的ＲＯＥ的中位数（即０．２２８与０．０５２）之差。　

表２的表区Ａ列出的结果揭示了ＲＯＥ随时间推移而变化的两种特征。第一，随时间推移，高（低）ＲＯＥ组的公司表现出ＲＯＥ持续较高（低）的趋势，因为各组ＲＯＥ中位数的排序在各年始终保持不变。比如，基年根据ＲＯＥ高低排列在最末的组，在随后５年里始终保持相同的排名。第二，高ＲＯＥ组和低ＲＯＥ组之间ＲＯＥ的差异呈逐年缩小的趋势，因为表中最末两行栏目中的数值呈逐年下降的趋势。综合ＲＯＥ的以上两特征，我们发现ＲＯＥ具有随时间推移逐步回归均值的趋势，这与以前一些运用美国数据进行的研究发现是一致的（Ｂｅａｖｅｒ，１９７０；Ｆｒｅｅｍａｎ　ｅｔ　ａｌ．，１９８２；Ｐｅｎｍａｎ，１９９１；Ｂｅｒｎａｒｄ，１９９３；Ｏｕ和Ｐｅｎｍａｎ，１９９３）。　

表２的表区Ｃ既列示了基于公司特定年份的ＲＯＥ排序得出的序列相关性，又列示了基于公司特定年份的ＲＯＥ分组排序（１至５）得出的序列相关性。基年的或当期的ＲＯＥ与其后未来期间的ＲＯＥ呈正的秩相关，尽管相关的程度随时滞而逐步下降。两个相关系数都在小于１％的水平上具有显著性。这些显著的、正的序列（秩）相关系数表明，尽管ＲＯＥ具有回归均值的趋势，但其回归并非迅速完成，这就意味着可将当期的ＲＯＥ作为未来ＲＯＥ的预期。在ＲＯＥ组秩的序列相关性方面，一些采用美国数据进行的研究也发现了相似的结论（Ｐｅｎｍａｎ，１９９１）。　

等式（６）表明，当期市净率与预期未来ＲＯＥ正相关。我们上述的研究结果显示，当期ＲＯＥ是未来ＲＯＥ的一个极佳的预测值。因此，我们有理由预测，当期市净率与当期ＲＯＥ呈正相关。表２的表区Ａ的最末一列数据显示，除了第１栏中的数值０．９５１是个例外，其它栏目的市净率几乎在５组中呈单调递增的趋势。这一发现与以前一些使用美国样本进行的研究结论是一致的（Ｐｅｎｍａｎ，１９９１；Ｂｅｒｎａｒｄ，１９９３；Ｏｕ和Ｐｅｎｍａｎ，１９９３）。　

等式（６）还揭示了可用当期的市净率预测未来的ＲＯＥ。在一个有效的市场中，市净率表示的是市场赋予公司权益帐面价值的一个价格乘数。如果市场预计公司未来的获利能力（反映在预

９

在各年度，每组中都有一些公司破产或被摘牌，因而每组的公司数目都有所下降。

期的未来ＲＯＥ上）会增长（下降），权益的帐面价值就会被赋予一个较高（较低）的价格乘数，于是市净率就会上升（下跌）。因此，当期市净率与预期未来ＲＯＥ应该是正相关的。并且，如果市场有效，当期可观察的价格不仅会反映当期ＲＯＥ的信息，而且会反映有关未来ＲＯＥ的信息。如是，当期市净率就可能比当期ＲＯＥ包含更多的对预测未来ＲＯＥ有用的信息。为检验这个问题，我们计算了基年后３个月的市净率，并对市净率进行排序，然后在此基础上将所有的样本公司等分为５组，找出每组基年及随后５年的ＲＯＥ中位数。这些中位数列示在表２的表区Ｂ中。换句话说，我们运用相同的程序得到了Ａ、Ｂ表区中列示的ＲＯＥ中位数，两者唯一的差异在于表区Ａ中的公司组别是在对ＲＯＥ进行排序的基础上形成的，而表区Ｂ中的组别则是在对市净率进行排序的基础上形成的。　

表２的表区Ｂ列示的结果表明，伴随按市净率五等分的各组的排序增高，基年及随后５年的ＲＯＥ呈单调递增。比较Ａ、Ｂ表区列示的结果，可以发现，无论预测的时限长短，高、低市净率组的ＲＯＥ中位数差异值（见表区Ｂ）始终小于高、低ＲＯＥ组之间的该差异值（见表区Ａ）。这表明，当期市净率对未来ＲＯＥ的预测能力不及当期ＲＯＥ。与我们的研究相一致，美国的研究也发现，在几乎所有的预测时限里（最高至１５年），当期ＲＯＥ都能比当期市净率更好地预测未来ＲＯＥ（Ｐｅｎｍａｎ，１９９１；Ｂｅｒｎａｒｄ，１９９３；Ｏｕ和Ｐｅｎｍａｎ，１９９３）。Ｂｅｒｎａｒｄ指出，作为未来ＲＯＥ的预测指标，当期市净率比当期ＲＯＥ具有更大的噪音。这是因为，如等式（６）所示，当期市净率不仅受预期未来ＲＯＥ的影响，而且还要受市场要求的收益率和／或未来的权益帐面价值增长的影响。总的说来，表２的结果应证了（１）当期ＲＯＥ和未来ＲＯＥ之间（２）当期市净率和未来ＲＯＥ之间的正相关关系，这种关系正合等式（６）的预测。　

２．市净率与ＧＷＢＶ的关系　

本文运用与上述相似的方法来分析市净率和ＧＷＢＶ之间的关系。除在下面两方面不同外，表３的表区Ａ与表２的表区Ａ的编制采用了相同的程序：（１）公司的分组以对ＧＷＢＶ进行排序为基础；（２）前６列列示的是ＧＷＢＶ的而不是ＲＯＥ的中位数。结果与ＲＯＥ相同，随着时间的推移，ＧＷＢＶ同样具有回归均值的趋势，并且高、低ＧＷＢＶ组的ＧＷＢＶ差异趋于下降。表３的表区Ｂ显示，“当期ＧＷＢＶ与随后年份的ＧＷＢＶ之间的秩相关关系是正的并且是显著的”这一结论只对分组后的第一年成立。然而，与ＲＯＥ不同的是，最末一列中显示的市净率中位数并未在５组之间表现出明显差异。这表明市净率可能与权益帐面价值的增长没有关系。接下来的部分里，我们将进一步通过

１０

值得注意的是，我们可以认为ROE和GWBV表现出相似的特征是合理的，因为当年实现的ROE会对其后的GWBV产生影响。

回归模型对此进行研究。　

［插入表３］　

３．　回归结果　

我们的经验假设是，市净率与ＲＯＥ和ＧＷＢＶ都呈正相关，与ＢＥＴＡ呈负相关。为了检验市净率与这三个自变量（ＲＯＥ、ＢＥＴＡ和ＧＷＢＶ）之间的关系，我们将估计：（１）运用时间序列和横截面混合观察样本的一元回归和多元回归；（２）逐年的多元横截面回归。同时，本文估计的回归有两种不同的系列：其中一种版本采用原始数据；另外一种版本采用对数变换后的数据。对数变换通过函数ｌｎ（１＋变量值）实现。我们基于下面了两个原因认为对数变换是必要的。第一，在分析表１时我们提到过，因变量和自变量的分布都呈右偏，变量不服从正态分布的假设，这就可能给回归估计带来一些问题，对原始数据进行对数变换能够有助于减轻这类问题的影响。第二，等式（６）表明市净率与三个解释变量之间的关系是乘法型的而非线性的。最后，两种不同的回归得到了统计上相同的结果。因而，为简洁起见，本文以下部分只列出了数据经过对数变换的版本。　

表４列出了在不同的回归中用到的变量之间的相关性矩阵。从表４可见，自变量之间的相关性比较低，因此无须担心共线性的问题。时间序列和横截面的混合样本回归的结果见表５。在估计时间序列和横截面的混合样本回归时，我们采用了Ｗｈｉｔｅ（１９８０）与Ｎｅｗｅｙ和Ｗｅｓｔ（１９８７）的方法，旨在将混合回归可能带来的异方差问题和序列相关问题的影响降至最低。因此，表５中列出的回归系数的ｔ检验值也都经过了调整。　

［插入表４］　［插入表５］　

表４中市净率与ＲＯＥ的相关系数为０．４８８，表５第１列中ＲＯＥ的回归系数为１．３６３，这些结果都支持我们的假设，即市净率与ＲＯＥ呈正相关。此外，表４中市净率与ＧＷＢＶ的相关系数为－０．０６，表５第３列中ＧＷＢＶ的回归系数为－０．１２３，这些结果都与我们假设的市净率　

与ＧＷＢＶ正相关矛盾。事实上，回归结果显示，即使是这样一种负相关关系，在常规水平上没有

显著性。最后，表４中市净率与ＢＥＴＡ的相关系数为－０．１８７，表５第２列中ＢＥＴＡ的回归　系数为－０．４３６，这些结果都支持我们的假设，即市净率与ＢＥＴＡ呈负相关。　

为进一步探讨这三个解释变量对市净率的联合的和增量的解释能力，我们对一个扩展的具有虚拟变量的多元模型进行了估计，该模型如下：　

（７）　　

=γ0+γ1ROEt+γ2BETAt+γ3GWBVt+γ4UTILITYt+γ5PROPTYt+　Bt

　　　　　　　　　　　　γ6CONSOLt+γ7HOTELt+γ8OTHERSt　

其中ＵＴＩＬＩＴＹ、ＰＲＯＰＴＹ、ＣＯＮＳＯＬ、ＨＯＴＥＬ和ＯＴＨＥＲＳ都是行业虚拟变量，当观察值所属的公司的行业为公用事业、房地产业、联合企业、酒店业和综合类，上述虚拟变量值分别取１，否则，变量值均为０。这里将工业类企业视为一个基本类别。为评估行业因素的潜在影响，我们对等式（７）进行了两次估计，一次有行业虚拟变量，一次没有，估计结果列示于表５的第４、５列。　

多元回归与一元回归在结果上一致。总的来说，表５列示的混合回归的结果中下列现象值得关注。第一，一元回归和多元回归的结果都表明ＲＯＥ是市净率最显著的决定因素。而且，在所有不同的模型中，ＲＯＥ回归系数的大小和显著性一直保持非凡的稳定，这表明ＲＯＥ对市净率的无论是单独的还是增量的影响，都是显著的。其次，ＢＥＴＡ的系数不仅最不显著，而且在不同回归模型中的表现也不稳定。ＢＥＴＡ只是在三变量的回归（表５第４列）中表现出边际的显著性，当回归模型中加上行业虚拟变量时（表５第５列），ＢＥＴＡ的系数就不具有显著性了。这一不显著的结果表明，作为公司行动基础的风险会影响市净率，在这种程度上，行业的特殊因素能比ＢＥＴＡ更有效地捕捉风险。最后，所有回归中ＧＷＢＶ的系数都为负值的结果表明当期市净率与ＧＷＢＶ负相关，这一结果与Ｏｈｌｓｏｎ（１９９５）基于会计信息的定价模型的预测不符。　

表６列出了逐年横截面回归的结果。在回归中，我们使用了Ｗｈｉｔｅ（１９８０）的方法，希望藉此避免混合回归可能带来的异方差问题。与表５列示的混合回归的结论一致，逐年回归的结果也显示，在所有的样本年份，ＲＯＥ的系数都高度显著；而ＢＥＴＡ的系数除了在１９９０年和１９９１年，其余年份都不显著。在８个样本年度的４个年度中，ＧＷＢＶ的系数显著为负。总言之，表６的结果与表５一样，他们都显示出ＲＯＥ是决定当期市净率横截面变动的唯一的也是最重要的因素。　

１２

１１

在联交所，股票就按这样的六个种类加上金融类进行划分，本研究的样本未包括金融类公司。在1993年年末，联交所以交易价格表示的交易总量可细分为：金融业，17%；公用事业，8%；房地产业，29%；联合企业，28%；工业，14%；酒店业，3%；综合类，1%（SEHK，1993，p.39）。 12

样本研究期间混合的920家的行业类别可细分为：公用事业，55；房地产业，360；联合企业，244；工

［插入表６］　

４．　ＲＯＥ和ＢＥＴＡ的关系　

虽然实务中ＲＯＥ已被广泛地用来衡量公司的获利能力，但仍然可以认为这是因为ＲＯＥ具有公司风险的许多特征，而正是这种风险构成了公司生产、投资以及筹资活动的基础（Ｐｅｎｍａｎ，１９９１）。根据这种观点，ＲＯＥ应该与ＢＥＴＡ呈正相关，因为高风险的公司带来高收益。为检验这个问题，我们对下面的回归进行估计：　（８）　　ROE

=γ0+γ1BETAt　

如果ＲＯＥ可以衡量风险，则

γ1应为正数。表７列出了逐年回归的结果，并在最后一行列出

了混合回归的结果。与Ｐｅｎｍａｎ（１９９１）相似，本文逐年回归的结果显示，在所有的年份里，ＢＥＴＡ的系数都为负值，并且这种负值在８个样本年度中的５个年度里是显著的。值得注意的是，所有回归的调整后Ｒ值都非常低。总体来看，上述结果并不支持这样的假设，即ＲＯＥ是衡量企业风险而非获利能力的指标。　

［插入表７］　

六、结语与评论　

在本文中，我们探讨了决定市净率横截面变动的公司特殊因素。以前的研究发现，净资产市价比率（市净率的倒数）能够最有力地解释股票收益的横截面变动，这对本研究很有启发。然而以前的研究集中于市净率在解释股票收益方面的有用性，本文则侧重于市净率的决定因素。我们希望本文有益于人们更好地理解下面的问题，即是什么最终决定着股票收益。　

根据Ｏｈｌｓｏｎ（１９９５）的定价模型，我们确定了三个可能的决定因素：（１）未来期间的预期会

２

业，186；酒店业，62；综合类，13。

计收益率（ＲＯＥ）；（２）权益的帐面价值增长率（ＧＷＢＶ）；（３）市场要求的收益率或贴现率。为找到上述这些变量在经验上可观察的参数，我们分析了ＲＯＥ和ＧＷＢＶ在一个较长期间内的变动形态。与其它用美国数据所做研究结果相似，我们发现，上述两个变量都具有回归均值的趋向，并且每个变量都呈稳定的正向的序列相关。这样的发现使我们可以建立下面的经验性假设，即当期的市净率与当期ＲＯＥ和当期ＧＷＢＶ正相关。鉴于市场要求的收益率与系统风险呈正相关，我们就以市场风险（ＢＥＴＡ）作为前者的参数，并假设市净率是市场风险的负相关函数。　

本研究的主要发现如下：首先，无论单独地还是增量上，ＲＯＥ都是市净率最重要的决定因素。ＲＯＥ的系数一如预期为正，并且，在不同的回归模型以及不同的期间里，该系数在大小和显著性上都始终保持稳定。其次，ＧＷＢＶ的系数显著性不够稳定，且在大多数情况下符号为负，这与Ｏｈｌｓｏｎ（１９９５）模型的预测不合。第三，本文的研究结果发现，市净率的横截面变动主要由ＲＯＥ解释，而非ＢＥＴＡ。自从杜邦公司首次运用ＲＯＥ评价分部的业绩以来，在衡量公司业绩业绩方面，它早就成为公认的重要指标。尽管仍然可以辩称ＢＥＴＡ的作用不显著是因为ＲＯＥ具有风险的众多特征，而这些风险又是公司各项活动的基础。然而，当我们将ＲＯＥ与ＢＥＴＡ进行回归时，在所有的情况下ＢＥＴＡ的系数却都是负数。　

我们的研究与近期美国Ｂｅｒｎａｒｄ（１９９３）、Ｏｕ和Ｐｅｎｍａｎ（１９９３）的研究不无关系。这些研究都证明了ＲＯＥ具有回归均值的特征，并发现ＲＯＥ是市净率最显著的决定因素，这些都与本研究的结论相似。然而，Ｏｕ和Ｐｅｎｍａｎ关心的是如何为基本分析架设一条可施于实务的捷径；而Ｂｅｒｎａｒｄ则对市净率与ＲＯＥ之间的关系更感兴趣，当然，他也研究了市净率与ＧＷＢＶ之间的关系，只不过这相对处于其研究中的次要地位。在方上，本文在以下两方面扩展了Ｂｅｒｎａｒｄ的分析：（１）在多元回归中检验ＲＯＥ、ＧＷＢＶ和系统风险对市净率的联合的及增量的解释能力；（２）探讨了ＲＯＥ和系统风险的关系。　

关于资产定价的有效性和基本分析的作用，目前仍然意见纷纭，争论的焦点在于，市净率的作用究竟是与市场的错误定价有关，还是与被ＣＡＰＭ忽略的风险因素有关（Ｆａｍａ和Ｆｒｅｎｃｈ，１９９２；Ｂｅｒｎａｒｄ，１９９３；Ｏｕ和Ｐｅｎｍａｎ，１９９３）。尽管本研究并不能解决当前争论的这个联合假设本身，但我们的研究结果至少为解决这个争端带来了一丝曙光。我们采用数据获得的研究证据显然更支持市场错误定价或市场失效的观点，而非风险因素被忽略的主张。当然，在这个领域仍有诸多问题，特别是市净率是如何与公司获利能力的不同指标联系在一起的，以及究竟是何种因素将高、低市净率公司区别开来，需要进行更深入的研究。　　

参考文献　参见英文原稿　

表１　　变量的描述性统计　

表中所有变量的样本期间均为１９８５年至１９９２年，样本规模均为９２０家。ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。市净率（Ｐ／Ｂ）等于该年度结束后３月末的权益的市值除以该年年末权益的帐面价值。ＧＷＢＶ表示ｔ年权益帐面价值的增长率，计算公式为：ｔ年末权益的帐面价值／　ｔ－１年末权益的帐面价值。ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为５年股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。　

　　　变量　　　　　　　　均值　　　　　　　　标准差　　　　　　　　中位数　　　　　　　　最小值　　　　　　　　最大值　　　　ＲＯＥ　　　　　　　　０．１５１　　　　　　　　０．１８４　　　　　　　　　　０．１１６　　　　　　　　　　–０．４３９　　　　　　　　　１．０６３　　　　Ｐ／Ｂ　　　　　　　　　　１．５６６　　　　　　　　１．６５３　　　　　　　　　　１．０４５　　　　　　　　　　　０．２３６　　　　　　　　　２５．６４１　　　　ＧＷＢＶ　　　　　１．３０９　　　　　　　　　０．６４０　　　　　　　　　１．１３２　　　　　　　　　　０．２４８　　　　　　　　　　　８．１２６　　　　ＢＥＴＡ　　　　　　　１．０３８　　　　　　　　　０．３６７　　　　　　　　　１．０２８　　　　　　　　　　０．１１３　　　　　　　　　　　２．５２７　　　

表２　　各组基年及随后各年（１９８１－１９８７）的会计收益率（ＲＯＥ）中位数　

ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。第１组（第５组）由价值最低（最高）的公司组成。　

表区Ａ：根据ＲＯＥ排序将样本等分为５组　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　基年（０年）以后年份　

　　ＲＯＥ五等分组　　　　　　　　　　　　０　　　　　　　　　　　　１　　　　　　　　　　　　２　　　　　　　　　　　　３　　　　　　　　　　　　４　　　　　　　　　　　　５　　　　　　　　　　　　Ｎ　　　　　　　　　　　基年Ｐ／Ｂ　

　　　　　１　　　　　　　　　　　　　　　　　　　　　　　　－　０．０５２　　　　　　０．００５　　　　　０．０３４　　　　　０．０４２　　　　　　０．０４８　　　　０．０６６　　　　　　２５４　　　　　　　　　　　０．９５１　

　　　　　２　　　　　　　　　　　　　　　　　　　　　　　　　　　０．０５２　　　　　　０．０５８　　　　　０．０５７　　　　　０．０６８　　　　　　０．０７０　　　　０．０７７　　　　　　２５４　　　　　　　　　　　０．７４５　

　　　　　３　　　　　　　　　　　　　　　　　　　　　　　　　　　０．１２３　　　　　　０．１２８　　　　　０．１２８　　　　　　０．１２７　　　　　０．１１９　　　　　０．１１９　　　　　　

２５４　　　　　　　　　　０．８９２　

　　　　　４　　　　　　　　　　　　　　　　　　　　　　　　　　　０．２２８　　　　　　０．１８７　　　　　　０．１７３　　　　　０．１５２　　　　　　０．１５１　　　　０．１３７　　　　　２５４　　　　　　　　　　　１．１９４　

　　　　　５　　　　　　　　　　　　　　　　　　　　　　　　　　　０．４４０　　　　　　０．３２８　　　　　　　０．２６７　　　　　０．２３７　　　　　０．１９６　　　　０．１８６　　　　　　２５８　　　　　　　　　　２．０５８　

　　　　　（４－２）　　　　　　　　　　　　　　　　　　　　　　０．１７６　　　　　０．１２９　　　　　　　０．１１６　　　　　　０．０８４　　　　　０．０８１　　　　０．０６０　　　　　　（５－１）　　　　　　　　　　　　　　　　　　　　　０．４９２　　　　　　０．３２３　　　　　　　０．２３３　　　　　　０．１９５　　　　　０．１４８　　　　　０．１２０　　

表区Ｂ：根据市净率（Ｐ／Ｂ）排序将样本等分为５组　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　基年（０年）以后年份　

　　Ｐ／Ｂ五等分组　　　　　　　　　　　　　　　０　　　　　　　　　　　　１　　　　　　　　　　　　２　　　　　　　　　　　　　　３　　　　　　　　　　　　　　４　　　　　　　　　　　５　　　　　　　　　　Ｎ　　　　　　　　　基年Ｐ／Ｂ　

　　　　　１　　　　　　　　　　　　　　　　　　　　　　　　　　　０．０５３　　　　　　０．０５４　　　　０．０５６　　　　　　　　０．０６０　　　　　　０．０７６　　　　　　０．０７７　　　　　２５４　　　　　　　　０．４２７　

　　　　　２　　　　　　　　　　　　　　　　　　　　　　　　　　　０．０９４　　　　　　０．０８６　　　　０．０９７　　　　　　　　０．０８６　　　　　　０．０８４　　　　　　０．０７３　　　　　２５４　　　　　　　　０．７３１　　

　　　　　３　　　　　　　　　　　　　　　　　　　　　　　　　　　０．１３９　　　　　　０．１２９　　　　０．１４１　　　　　　　　０．１２７　　　　　　　０．１３１　　　　　０．１２８　　　　　２５４　　　　　　　１．００２　

　　　　　４　　　　　　　　　　　　　　　　　　　　　　　　　　　０．１８４　　　　　　０．１５６　　　　０．１３４　　　　　　　　０．１３０　　　　　　　０．１２３　　　　　　０．１３１　　　　２５４　　　　　　　１．５５０　

　　　　　５　　　　　　　　　　　　　　　　　　　　　　　　　　　０．２９５　　　　　　０．２８７　　　　０．２４４　　　　　　　　０．１９２　　　　　　　０．１７３　　　　　　０．１５６　　　　２５８　　　　　　　３．７６５　

　　　　　（４－２）　　　　　　　　　　　　　　　　　　　　　０．０９０　　　　　　　０．０７０　　　　０．０３７　　　　　　　０．０４４　　　　　　　０．０３９　　　　　　０．０５８　　　　　　（５－１）　　　　　　　　　　　　　　　　　　　　　０．２４２　　　　　　　０．２３３　　　　０．１８８　　　　　　　０．１３２　　　　　　　０．０９７　　　　　　０．０７９　　表区Ｃ：

ROEt与ROEt+τ之间的序列相关性　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　基年（０年）以后年份　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　０　　　　　　　　　　　　１　　　　　　　　　　　　　　２　　　　　　　　　　　　　３　　　　　　　　　　　　　　　４　　　　　　　　　　　　　　

５　

秩相关系数　　　　　　　　　１．０００　　　　　０．６１９　　　　　０．４２５　　　　　０．３３５　　　　　０．２９５　　　　　　０．２８３组秩相关系数　　　　　１．０００　　　　　０．４８９　　　　　０．３０１＊＊　　　　０．２３９　　　　　０．１３３＊＊　在１％的水平上显著。　　

表３　　各组基年及随后各年（１９８１－１９８７）的权益的帐面价值增长率（ＧＷＢＶ）中位数　ＧＷＢＶ的计算公式为：ｔ年末权益的帐面价值／　ｔ－１年末权益的帐面价值。第１组（第５组）由ＧＷＢＶ最低（最高）的公司组成。　

表区Ａ：根据ＧＷＢＶ排序将样本等分为５组　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　基年（０年）以后年份　

　ＧＷＢＶ五等分组　　　　　　　　　　　　　　０　　　　　　　　　　　　　　　１　　　　　　　　　　　　　　２　　　　　　　　　　　　　３　　　　　　　　　　　４　　　　　　　　　　　５　　　　　　　　Ｎ　　　　　　基年Ｐ／Ｂ　

　　　　　１　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　０．８５８　　　　　　　１．０３６　　　　　　　１．０８０　　　　　　　１．１３８　　　　１．１１８　　　１．１３５　　　　２５４　　　　　　１．０３４　

　　　　　２　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　１．００５　　　　　　　１．０４４　　　　　　　１．０７１　　　　　　　１．１００　　　　１．１３０　　　１．１２２　　　　２５４　　　　　　０．９５９　

　　　　　３　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　１．０５７　　　　　　　１．０６４　　　　　　　１．０７６　　　　　　　１．０８１　　　　１．１２７　　　１．１６１　　　　２５４　　　　　　０．９５９　

　　　　　４　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　１．１５２　　　　　　　１．１０６　　　　　　　１．１００　　　　　　　１．１１９　　　　１．１０４　　　１．１６５　　　　２５４　　　　　　１．０９５　

　　　　　５　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　１．８４１　　　　　　　１．１３４　　　　　　　１．１０３　　　　　　　１．１０８　　　　１．１０５　　　１．１２９　　　　２５８　　　　　　１．１４４　

　　　　　（４－２）　　　　　　　　　　　　　　　　　　　　　　　　　０．１４７　　　　　　　　１．０６２　　　　　　　０．０２９　　　　　　　０．０１９　　　－　０．０２６　　　０．０４３　

　　　　　（５－１）　　　　　　　　　　　　　　　　　　　　　　　　　０．９８３　　　　　　　　０．０９８　　　　　　　０．０２３　　　　　　－　０．０３０　　－　０．０１３　　－　０．００６　　

＊＊

　０．０８９

＊＊　

表区Ｂ：GWBVt与GWBVt+τ之间的序列相关性　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　基年（０年）以后年份　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　０　　　　　　　　　　　　　　　１　　　　　　　　　　　　　　２　　　　　　　　　　　　　　３　　　　　　　　　　　　　　４　　　　　　　　　　　　　　　５　

秩相关系数　　　　　　　　　　　　　１．０００　　　　　　　　　　　０．２１８　　　　　０．０１０　　　　　　０．０３６　　　　　　　　０．０７４　　　　　　　０．１１９组秩相关系数　　　　　　　　　１．０００　　　　　　　　　　　　０．２１２　　　　０．０５６　　　　　　　０．１１６　　　　　　　０．１０２＊＊　在１％的水平上显著。　　　　　　　

表４　　相关性矩阵　

ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。市净率（Ｐ／Ｂ）等于该年度结束后３月末的权益的市值除以该年年末权益的帐面价值。ＧＷＢＶ表示ｔ年权益帐面价值的增长率，计算公式为：ｔ年末权益的帐面价值／　ｔ－１年末权益的帐面价值。ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为５年股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。所有变量都进行了对数变换，变换函数为ｌｎ（１＋变量）。　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ＲＯＥ　　　　　　　　　　　　　　Ｐ／Ｂ　　　　　　　　　　　　　　　ＧＷＢＶ　　　　　　　　　　ＢＥＴＡ　　　ＲＯＥ　　　　　　　　　　　　　—　

　　Ｐ／Ｂ　　　　　　　　　　　　　　　　　　　　　　　　０．４８８　　　　　　　　　—　

　　ＧＷＢＶ　　　　　　　　　　　　　　　　　　　０．１９６　　　　　　　　　　－　０．０６０　　　　　　　　　　—　

　　ＢＥＴＡ　　　　　　　　　　　　　　　　　　　－　０．２０２　　　　　　　　　　－　０．１８７　　　　　　　　　　　　　０．０６９　　　　　　　　　　　—　　　

＊＊

　０．１３３

表５　　以市净率为因变量进行混合回归的结果　

ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为５年股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。ＧＷＢＶ表示ｔ年权益帐面价值的增长率，计算公式为：ｔ年末权益的帐面价值／ｔ－１年　

末权益的帐面价值。ＵＴＩＬＩＴＹ、ＰＲＯＰＴＹ、ＣＯＮＳＯＬ、ＨＯＴＥＬ和ＯＴＨＥＲＳ是行业虚拟变量，当观察值所属的公司的行业为公用事业、房地产业、联合企业、酒店业和综合类，上述虚拟变量值分别取１，否则，变量值均为０。工业类企业被视为一个基本类别。括号中的ｔ检验值经过了Ｗｈｉｔｅ（１９８０）与Ｎｅｗｅｙ和Ｗｅｓｔ（１９８７）的方法调整。除了虚拟变量，其余变量都进行了对数变换，变换函数为ｌｎ（１＋变量）。　

　　　　　自变量　　　　　　　　　　　　　　　　　　　　　　（１）　　　　　　　　　（２）　　　　　　　　　（３）　　　　　　　　　（４）　　　　　　　　　（５）　　　　　　截距　　　　　　　　　　　　　　　　　　　　　　　　　０．６５４　　　　　　　　　　１．１３３　　　　　　　　　　０．９２９　　　　　　　　　１．０２６　　　　　　　　　　０．９３３　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２７．２４７）　　　　　　（１２．９３７）　　　　　（１５．７２０）　　　　　（１２．００１）　　　　　　（１１．９７５）　

　　　　　ＲＯＥ　　　　　　　　　　　　　　　　　　　　　　　　１．３６３　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　１．４０４　　　　　　　　　１．１８０　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（９．４３２）　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（９．０３５）　　　　　　（７．９４３）　

　　　　　ＢＥＴＡ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　－　０．４３６　　　　　　　　　　　　　　　　　　　　　　　　　　－　０．１７５　　　　　　－　０．０４１　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　３．８１９）　　　　　　　　　　　　　　　　　　　　　　　（－　２．０００）　　　　　（－　０．４７６）　　

　　　　　ＧＷＢＶ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　－　０．１２３　　　　　　－　０．３１５　　　　　　－　０．２４７　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　１．９４９）　　　　　（－　３．５６４）　　　　（－　３．０３８）　　

　　　　　ＵＴＩＬＴＹ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　０．４１６　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４．８４３）　

　　　　　ＰＲＯＰＴＹ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　－　０．１２１　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　２．６７１）　

　　　　　ＣＯＮＳＯＬ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　－　

０．０１５　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　０．３１５）　

　　　　　ＨＯＴＥＬ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　－　０．０２８　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　０．３２１）　

　　　　　ＯＴＨＥＲＳ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　０．１２８　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１．０５４）　

　　　　　调整后的Ｒ　　　　　　　　　　　　　　　　　０．１３９　　　　　　　　　　０．０３４　　　　　　　　　　　　　０．００３　　　　　　　０．２６７　　　　　　　　０．３３７　　　　　　　　　

表６　　以市净率为因变量的逐年横截面回归　

２

ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为５年股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。ＧＷＢＶ表示ｔ年权益帐面价值的增长率，计算公式为：ｔ年末权益的帐面价值／　ｔ－１年末权益的帐面价值。除了虚拟变量，其余变量都进行了对数变换，变换函数为ｌｎ（１＋变量）。　

　　　自变量　　　　　　　　　　　　　　　　　１９８５　　　　１９８６　　　　１９８７　　　　１９８８　　　　１９８９　　　　１９９０　　　　１９９１　　　　１９９２　　　　截距　　　　　　　　　　　　　　　　　０．８５２　　　０．９９５　　　　０．８２４　　　　１．２３０　　　１．１０２　　　　０．９６８　　　０．９２１　　　　１．３３７　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．５１）　　　（４．３６）　　　（３．５９）　　　　（７．０２）　　　（５．４８）　　　（６．８４）　　　（４．５５）　　　　（６．２８）　

　　　ＲＯＥ　　　　　　　　　　　　　　　　　１．８４５　　　１．５９８　　　　１．８７４　　　　１．３４２　　　１．７１０　　　　０．９２９　　　１．２２８　　　　１．１４６　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４．５２）　　　（４．２３）　　　（８．６９）　　　　（４．１８）　　　（７．４８）　　　（２．５２）　　　（５．５３）　　　　（３．４２）　

　　　ＢＥＴＡ　　　　　　　　　　　　　　－　０．０２７　　　０．０３７　　　　０．０４０　　　－　０．１３０　　－　０．１００　　　－　０．３２７　　－　０．４８８　　　－　０．０３１　

　　　　　　　　　　　　　　　　　　　　　　　　　　　（－　０．１７）　　　（０．１８）　　　（０．１９）　　　（－　０．７６）　　（－　０．５１）　　（－　２．３８）　　（－　２．８９）　　（－　０．２０）　

　　　ＧＷＢＶ　　　　　　　　　　　　－　０．３４７　　－　０．４２８　　　－　０．１６７　　　－　０．５４６　　－　０．６１８　　　－　０．０７５　　　０．１８７　　　－　０．８１　

　　　　　　　　　　　　　　　　　　　　　　　　　　（－　２．６３）　　（－　１．４９）　　（－　０．６６）　　　（－　４．０７）　　（－３．９７）　　（－　０．３７）　　　（０．５０）　　　（－　３．６５）　　　　调整后的Ｒ

２　　　　　　　　

　０．４２８　　　０．３４３　　　　０．４１０　　　　　０．３２６　　　０．３５９　　　　０．１３５　　　０．１８１　　　　０．１７５　　　　　　　　　　　　　

　　　Ｎ　　　　　　　　　　　　　　　　　　　　　　　　　　８７　　　　　　８３　　　　　　　　　　９４　　　　　　　　１０９　　　　　　　１１５　　　　　　　１４８　　　　　１６５　　　　　　　１１９　　　　　　　　　　　　　　　　　

表７　　以ＲＯＥ为因变量、ＢＥＴＡ为自变量逐年进行横截面回归的结果　

ｔ年ＲＯＥ等于当年的税前营业利润除以上年年末权益的帐面价值。ＢＥＴＡ以市场模型估计的斜率表示，该市场模型采用区间为５年股票月度收益数据，估计区间截至ＲＯＥ计算年度的前１年。在进行逐年回归时，括号中的ｔ检验值经过了Ｗｈｉｔｅ（１９８０）的方法调整；在进行混合样本回归时，括号中的ｔ检验值经过了Ｗｈｉｔｅ（１９８０）与Ｎｅｗｅｙ和Ｗｅｓｔ（１９８７）的方法调整。除了虚拟变量，其余变量都进行了对数变换，变换函数为ｌｎ（１＋变量）。　

２　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　截距　　　　　　　　　　　ＢＥＴＡ　　　　　　　　　　　调整后的Ｒ　　　　　　１９８５　　　　　　　　　　　　　　　　　　　　　０．２８８　　　　　　　　　　－　０．２３１　　　　　　　　　　　　　０．０７２　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１．０７８）　　　　　　（－　２．５７３）　

　　　　　　１９８６　　　　　　　　　　　　　　　　　　　　　０．３１５　　　　　　　　　　－　０．２５１　　　　　　　　　　　　　０．０５１　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３．８６４）　　　　　　（－　２．３６１）　

　　　　　　１９８７　　　　　　　　　　　　　　　　　　　　　０．３２８　　　　　　　　　　－　０．２２３　　　　　　　　　　　　　０．０７０　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６．０４８）　　　　　　（－　３．１５８）　

　　　　　　１９８８　　　　　　　　　　　　　　　　　　　　　０．２５４　　　　　　　　　　－　０．１０６　　　　　　　　　　　　　－　０．００４　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３．２７４）　　　　　　（－　０．９３６）　

　　　　　　１９８９　　　　　　　　　　　　　　　　　　　　　　０．２１９　　　　　　　　　　－　０．１４９　　　　　　　　　　　　　０．０１８　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４．２８３）　　　　　　（－　１．６４３）　

　　　　　　１９９０　　　　　　　　　　　　　　　　　　　　　　０．２０６　　　　　　　　　　－　０．１４９　　　　　　　　　　　　　０．０３１　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３．８４４）　　　　　　（－　２．０８８）　

　　　　　　１９９１　　　　　　　　　　　　　　　　　　　　　　０．２４８　　　　　　　　　　－　０．２０４　　　　　　　　　　　　　０．０６５　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４．０８８）　　　　　　（－　２．５４２）　

　　　　　　１９９２　　　　　　　　　　　　　　　　　　　　　　０．１２３　　　　　　　　　　－　０．０３０　　　　　　　　　　　　　－　０．００７　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１．９３０）　　　　　　（－　０．３５５）　

　　　　　　混合样本　　　　　　　　　　　　　　　０．２４６　　　　　　　　　　－　０．１６９　　　　　　　　　　　　　０．０４０　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．７１４）　　　　　　（－　３．９４１）　

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文