保险公司内部财务状况对股价的影响研究报告.ppt

也能比较好的反映本章的研究目的，但通过对该模型各个解释变 量的简单相关分析发现，这样的解释变量集存在着横向和纵向两 重相关关系，横向的相关关系体现为同一期不同财务指标的相关， 纵向的相关关系体现为同一财务指标不同期值之间的自相关。前 述多元回归模型的基本假定第一条就要求各解释变量不相关，否 则将影响参数估计的可靠性和稳定性。横截面时间序列模型解释 变量间复杂的相关关系显然将为参数的估计带来很大的障碍。横 截面模型虽然也存在着不同财务指标之间的横向相关问题，但总 体来看，其解释变量间的相关关系要比混合模型简单，更有利于 参数估计的实现。 综合上述两方面考虑，本章将采用横截面模型研究各财务指 标的共同作用对市净率的综合影响，以及各财务指标的影响作用。 3．模型的修正及参数估计 （1）横截面模型的主要问题——多重共线性 在选择横截面模型之时就已提到，虽然其解释变量之间的相 关关系要比混合模型简单，但它仍然不能完全符合多元回归模型 的基本假定，因为各个财务指标之间同样也存在着相关问题，也 即回归模型存在着多重共线性。多重共线性将导致回归系数方差 过大，估计精确性大幅度降低，估计的稳定性很差；方程整体高 度显著时，一些回归数通不过检验；回归系数的正负号倒置，无 法对其实际意义进行合理解释；最小二乘法的应用效果和回归方 程的应用价值很低等一系列问题。特别是如果利用模型做结构分 析，更应尽可能避免多重共线性的影响。而本章所要研究的一个 问题正是各个财务指标对市净率的相对影响程度，涉及到解释变 量的结构分析。因此，在建立回归模型进行参数估计时，必须首 先尽量消除多重共线性的影响。 （2）用主成分分析对模型进行修正 导致解释变量存在严重多重共线性的原因在于，构造财务指 标所用的原始会计信息存在交叉和重叠。如流动资产周转率与总 资产周转率的计算均直接用到了保费收入这一报表项目，承保利 润率与赔付率的计算均直接用到了净保费这一报表项目；又如承 保利润是根据保费收入减去赔款和费用支出得到的，间接用到到 了保费收入这一报表项目。指标计算所使用原始数据的重叠使得 不同财务指标中实际包含了一些“同质性”的信息。这正是指标 间多重共线性的原因所在。 针对上述原因导致的多重共线性问题，如果能够将包含“同 质”信息的指标进行“浓缩”，构造一组互不相关的新指标，将可 以比较好的解决多重共线性问题带来的影响。主成分分析恰恰是 可以满足上述需求的一种统计技术，它将众多具有一定相关性的 原始变量重新进行线性组合，从而构造出一组新的相互无关的综 合指标来代替原始变量。因此本章将采用主成分分析，将提取的 主成分作为新的解释变量，与市净率建立修正的横截面回归模型， 模型形式如下： 当 期 模 型 ：yt=βt 0+βt 1F t 1+βt 2F t 2+···+βt p F t p +εt 滞后一期模型：yt=βt-1, 0+βt-1, 1F t-1, 1+βt-1, 2F t-1, 2+···+βt-1, p F t-1, p +εt-1 滞后两期模型：yt=βt-2, 0+βt-2, 1F t-2, 1+βt-2, 2F t-2, 2+···+βt-2, p F t-2, p +εt-2 为了保证得到的主成分具有明确的含义以便于问题的分析和 解释，本文的主成分分析将对反映盈利能力的财务指标和反映持 续经营能力的财务指标分别进行。此外，由于每一个财务指标都 具有三期值，为了保证所生成的主成分在各期的含义一致，主成 分分析所选用的样本是每个财务指标的三期平均值。这样当期、 滞后一期及滞后两期的主成分将利用同一计算式得到。 （3）存在共线性情况下的岭回归估计 前述用主成分分析得到的新变量建立的修正回归模型应该能 够在很大程度上改变解释变量间的相关关系，但仍有可能无法完 全消除多重共线性问题的存在。其原因在于，主成分分析不是对 全部财务指标同时进行的，而是分别在反映盈利能力和持续经营 能力的财务指标内部进行的。因此，只能保证同是反映盈利能力 的主成分之间以及同是反映持续经营能力的主成分之间不相关， 而不能保证反映盈利能力的与反映持续经营能力的主成分之间不 相关。 由于上述可能性的存在，在用普通最小二乘法完成了模型的 估计后，必须进行多重共线性的检验。如果确实存在，则估计结 果不能直接使用。在这样的情况下，对所有解释变量再次进行主 成分分析不失为一种解决办法，但这必将使得我们所追求的的主 成分含义的明确性大打折扣，从而给后续分析和结果解释造成障 碍。基于这一原因，在遇到修正后的模型仍无法通过多重共线性 检验的情况下，本文不对模型形式进行修正，而是用岭估