股票市场主要行业投机性泡沫测度研究.doc

《股票市场主要行业投机性泡沫测度研究.doc》由会员分享，可在线阅读，更多相关《股票市场主要行业投机性泡沫测度研究.doc（9页珍藏版）》请在三一办公上搜索。

1、精品论文大集合股票市场主要行业投机性泡沫测度研究李敏 大连理工大学经济系，大连 (116024) E-mail：michael1963.li摘要：本文以 06 年三季度到 07 年四季度共六个季度的中国股票市场中银行、房地产、煤炭石油、钢铁这四大主要行业上市公司股票的财务指标为数据源，使用数据包络分析（DEA） 方法，对中国股票市场主要行业的投机性泡沫程度进行测度。测度结果表明：中国股票市场 主要行业的投机性泡沫程度在测度期间虽然各不相同，但总体趋势是随着大盘股指的启动不 断提高，在 06 年末大盘刚刚启动时，其投机性泡沫已经开始显现，并逐步加大。随着 07 年春节过后大盘的调整，其投机性泡沫

2、程度有所减弱，而后在 07 年二季度和三季度进入疯 狂时期，其投机性泡沫程度不断加强，市场风险不断加剧。 关键词：股票市场，投机性泡沫，DEA中图分类号：F830.911引言中国股市尚处于初级阶段，存在一些需要认真研究解决的问题，泡沫现象正是其中之 一。如果不能合理地量化股市泡沫程度也就无法对中国股市泡沫状况进行剖析，任何对泡沫 的辩论也就失去了实际意义。可见，泡沫的测度乃是股市泡沫问题的核心所在。06 年开始 中国股市出现长期的大牛市，07 年末股市转而进入大熊市，沪深指数在半年内缩水一半。 在这种背景下，建立科学的指标体系测度股票市场的泡沫无论是对于投资者的科学决策还是 对于政府的政策选择

3、都具有很强的现实意义。本文针对股票市场主要行业的投机性泡沫，而非总体的股票市场，更不是一般意义上的 笼统泡沫作为研究对象进行测度。经济学中，当市场存在卖空约束(不允许卖空或者卖空具 有高成本)，投资者对股票估价的意见分歧(即异质性信念，Heterogeneous Beliefs)会使其在 投资决策时考虑未来时期以高价转售给其他投资者的可能性。此时，由投资者的交易需求所 决定的股票价格由两个部分组成，一部分是所谓的基本价值，由贴现现金流决定；另一部分 是股票持有者拥有的转售选择权的价值，这部分被称为投机性泡沫 ( Scheinkman and Xiong，2003)1。此种定义过于抽象，不能很好

4、的量化。本文分析的出发点是上市公司的业绩，目 的是找到业绩较差而股票价格较高的上市公司，这些上市公司的股票存在着明显的投机性行为，即存在投机性泡沫。本文使用数据包络分析（DEA）方法可以对投机性泡沫进行测度， 下面简单介绍本文使用的研究方法。2数据包络分析法数据包络分析（简称 DEA）是运筹学管理科学和数理经济学交叉研究的一个新的领域， 是使用数学规划评价具有多个输入与输出的决策单元（简记为 DMU）间的相对有效性（DEA 有效），即判断 DMU 是否位于生产可能集的“前沿面”上。 使用 DEA 对 DMU 进行效率 评价时，可以得到很多在经济学中具有深刻经济含义和背景的管理信息。DEA（Da

5、ta Envelopment Analysis）模型即数据包络分析模型是由美国著名的运筹学家 A. Charner2等创立的，该方法自 1978 年产生以来，在世界范围内很多领域得到应用和发展， 已成为评价具有相同类型投入和产出的若干个生产或非生产部门（决策单元）相对效率的有 效方法。这种方法基于单目标线性规划，在所定义的生产可能集内，或固定投入而将产出尽 量扩大；或固定产出而将投入尽量缩小，其产出的最大扩大比率的倒数或投入的最小缩小比-9-率被定义为决策单元的相对效率。而前者称为产出 DEA，后者称为投入 DEA3。DEA 分析方法将一个经济系统或一个生产过程看作是一个实体（一个单元）在一定

6、可 能的范围内，通过投入一定数量的生产要素并产出一定数量的“产品”的活动，这样的实体（单元）被称为决策单元（decision making units，DMU）具有相同目标和任务，相同的外 部环境，相同的输入和输出指标的同类型 DMU 可以构成一个 DMU 集合。DEA 分析方法中， 应用最为广泛的为 CCR 模型和 BCC 模型，前者的特点是假设 DMU 生产规模报酬不变，后 者则是假定 DMU 生产规模报酬改变。CCR 模型和 BCC 模型均继承并扩展了 Farrell (1957)4 所论述的技术效率的概念，认为一组可比较的 DMU 中部分个体的生产行为形成了生产前沿 面，在这个前沿面上

7、的 DMU 处于相对技术效率，即它们在给定投入程度下拥有了最大产出 的线性组合。其他非前沿面 DMU 的相对技术效率则是参考前沿面得到的。本论文应用的是生产规模与技术有效的 BCC5模型，下面具体介绍 BCC 模型的构建过程：1im若某个 DMU 在一项经济（生产）活动中的投入向量 X = ( x , x , x )T， xi 表示第 i 种投入；产出(输出)向量Y = ( y1 , yr , ys ) ，yr 表示第 r 种产出（输出）；( X j , Yj ) 对应第 j 个决策单元的投入、产出向量，( X o ,Yo ) 对应被评价决策单元的相应指标，于是可以用 ( X ,Y ) 表示这

8、个 DMU 的整个生产活动，n 个 DMU 的投入集就可以构成一个 n m 阶的 投入矩阵，其产出集可以构成一个 n l 阶产出矩阵。min nns.t. x j j x0 , y j j y0(2.1)j =1 nj =1 j = 1, j 0, j = 1, 2 n j =1min nns.t. x j j x0 , y j j y0(2.2)j =1nj =1 j = 1, j 0, j = 1, 2 nj =1引入松弛变量，（2.1）、（2.2）两式可以表示为线性规划（D）和（P）：最优解的判定方法：由于线性规划（D）和线性规划（P）互为对偶规划，两者都存在 最优解，并且最优值 VD=

9、VP1（其中 VD、VP 分别代表线性规划（D）和线性规划（P）的 最优解，因最优解的判定规则相同，故本文只介绍一种）。min n+ s.t. x j j + S x0(D) j =1n(2.3) y j j S y0 j =1 j 0, j = 1, 2 n n j = 1,S j =1 0, S + 0max n（P）s.t x j j + S+j =1n x0（2.4） y j j Sj =1 y0 j 0, j = 1, 2 n n j = 1,S 0, S + 0j =1（1）如果（D）的最优值 VD =1，则决策单元 j0 为弱 DEA 有效；反之亦然。（2）如果（D）的最优值 V

10、D =1，并且它的每个最优解 0 = ( 0 , 0 , 0 )T ，S 0，S 0+12n0都有 S 0 = 0, S 0+ = 0 ，则决策单元 j 为 DEA 有效；反之亦然。当决策单元在 BBC 模型下，其规模收益有三种状况：VD =1，规模收益不变；1VD 1，且VDn0j =1nj =1 j 1 ，规模收益递减；0 j 1 ，规模收益递增。1在 BBC 模型中，当 VD =1 时，则 VP=1；但当 VD 1 时，很可能VP VD，即 j0 决策单元的投入技术效率与产出效率通常不相等，这便是本文选择此模型的出发点。针对股票市 场主要行业投机性泡沫的测度，本文将证券市场主要行业中的上

11、市公司作为一个投入产出的 系统进行研究，上市公司的投入可以分为：每股收益、每股收益（扣除后）、每股净资产、 营业利润率、净利润率、净资产收益率、股东权益、速动比率、每股经营现金流量这些技术 指标，以价格作为产出，当二者不相等时，便存在泡沫，在此基础上，分析找到业绩较差而股票价格较高的公司，这些公司的股票存在着明显的投机性行为，即存在投机性泡沫。根据找到的业绩较差而股票价格较高的某一行业上市公司数量占所选的这一行业上市公司总样 本的比重，可测度出股票市场中这一行业的投机性泡沫程度。3实证分析为了测度股票市场主要行业当中的投机性泡沫，本文将切入点锁定在上市公司本身的业 绩。本文假设，上市公司业绩优

12、良，其上市公司的股票价格也会相对较高。反之，对于那些 业绩一般而股票价格却不断攀升的企业，认为此种上市公司存在投机性泡沫。本文的目的就 是找到股票市场当中此种上市公司数目占行业全部上市公司数目的比例，从而测度出此行业 投机性泡沫的程度。接下来，需要解决的问题有两个：第一，用什么变量衡量上市公司业绩， 这是这章要做的工作。第二，如何找到股票价格较高而业绩一般的上市公司，这是实证部分 重点解决的问题。3.1 数据选取与相关性矩阵分析变量对于上市公司业绩的衡量，可以通过其上市公司季报当中的相关财务数据对其进行客观 的评价。从上市公司的季报当中，选取每股收益、每股收益（扣除后）、每股净资产、净利 润率

13、、营业利润率、净资产收益率、股东权益、速动比率、每股经营现金流量 9 个变量。但 是，并不知道这些变量与公司股票价格之间是否存在相对显著的相关性。因此，采用相关性 矩阵分析这些变量与股票价格之间的关系，选取那些对股票价格影响较大的变量作为衡量上 市公司业绩的表征变量。选取数据源时需要考虑的首先是这些数据的代表性，即通过这些数据的选取，能够基本 描述整个 A 股市场当中上市公司的情况，为此，从 A 股市场流通市值的角度，选取前 4 个 市值最大的板块进行研究，其投机性泡沫程度将直接对 A 股市场本身的投机性泡沫程度产 生影响，其影响程度即是主要行业上市公司流通市值占整个 A 股市场流通市值的百分

14、比。 为此，依次选择银行板块、房地产板块、煤炭石油板块、钢铁板块中的上市公司作为研究对 象进行逐一分析。选取的数据源时间跨度从 2006 年 9 月到 2007 年 12 月，其间按照季度划 分为 6 组数据集合。之所以时间跨度选择 06 年 9 月到 07 年 12 月，原因在于熊市当中的投 机性行为很难存在，即使上市公司本身的业绩优良，股票价格也是起伏不大，大多数表现为 长期横盘的状态。06 年 9 月到 07 年 12 月之间被认为是中国股票市场有史以来最大的牛市， 这也为投机性行为提供了温床，因而，选择这段时间进行分析，利于得到相对理想的分析结 果。对选取的 9 个变量与其对应季度最后

15、一个交易日的价格进行相关性分析，得到表 3.1 中 所示的变量相关性系数矩阵。表 3.1 银行业变量相关性矩阵分析Table 3.1 Variable correlation matrix analysis table of bank sector06 年 9 月 29日对应价格06 年 12 月 29日对应价格07 年 3 月 30日对应价格07 年 6 月 29日对应价格07 年 9 月 28日对应价格07 年 12 月 28日对应价格每股收益0.6543160.6315610.8879470.8726720.8422140.832892每股收益（扣除后）0.6158640.6194740

16、.8836280.2198290.8201360.829859每股净资产0.6908150.7373890.8673130.8805520.9207410.905175营业利润率-0.195070.310463-0.36813-0.24295-0.26577-0.32716净利润率-0.39350.238471-0.42025-0.42855-0.28146-0.32208净资产收益率0.3639060.3224640.3389510.2513640.04010.295876股东权益-0.16534-0.200260.0669420.152490.1080470.194078分析结果：选择每股

17、收益（扣除后）、每股净资产和净利润率 3 个变量作为测度银行业上市公司业绩的表征变量。对于其它三个行业的分析，采取同样的研究方法。选择每股收益（扣除后）、每股净资产 2 个变量作为衡量房地产业上市公司业绩的表征变量。选择每股收 益（扣除后）、每股净资产、净资产收益率、每股经营现金流量 4 个变量作为衡量煤炭石油 业上市公司业绩的表征变量。选择每股收益（扣除后）、每股净资产、营业利润率、净利润 率、每股净资产收益率 5 个变量作为衡量钢铁业上市公司业绩的表征变量。3.2 数据包络分析本文假设认为，上市公司业绩优良，其对应的股票价格也会相对较高。但是，由于市场 当中存在投机性行为，也就存在这样的上

18、市公司，其股票价格相对较高而业绩却相对较差， 甚至很差。于是，只要能够找到这样的上市公司并确定其所占某主要行业总上市公司的比例， 就可以测度出股票市场某主要行业投机性泡沫的程度。DEA 方法是投入产出效率分析方法， 将上市公司某一时期的股票价格作为其产出变量，而将这一时期综合反映上市公司业绩的主 要财务指标作为投入变量，前面假设认为，公司业绩越好则公司股票价格越高，那么，就可 以将综合反映上市公司业绩的主要财务指标如每股收益、每股收益（扣除后）、每股净资产、 净利润率、营业利润率、净资产收益率、股东权益、速动比率、每股经营现金流量作为投入 变量，而将上市公司某一时期的股票价格作为产出变量进行分

19、析。这样，将会找到股票价格 相对高而业绩却相对低的上市公司，即投入效率较低而产出效率较高的上市公司。接下来， 对银行、房地产、煤炭石油、钢铁这四大主要行业当中的上市公司进行数据包络分析，结果 如表 3.2 所示，对于其它三个行业的分析，采取同样的方法。表 3.2 银行板块上市公司产出效率Tab. 3.2 the output efficiency of bank sector listed companies公司代码公司产出效率公司股票价格06 年第三季度产出效率06 年第四季度产出效率07 年第一季度产出效率06 年 9 月 29日对应价格06 年 12 月 29日对应价格07 年 3 月

20、30日对应价格000563110.7748.1614.4718.886008160.48113.914.7914.446019880.2330.2120.1693.335.435.556000160.4640.450.4167.614.3317.476013980.30.2650.183.286.25.496011660.3270.19622.1827.20000010.2740.260.2478.1614.4718.886013180.4720.18746.7947.056000150.1690.1590.1884.347.3911.226000000.2420.2240.21610.622

21、1.3126.726016280.6630.37138.9335.236000360.2960.2610.2139.9416.3617.380005630.6360.590.26527.5239.9838.660081611123.4734.9331.526019880.0930.070.0415.025.936.616000160.1880.1660.07319.126.3924.746013980.0980.0830.0525.016.618.136011660.1490.150.06935.3556.6852.120000010.2390.2150.07730.28143.9942.47

22、6013180.1640.1880.07571.51134.95106.16000150.1230.130.06412.1519.919.276000000.1780.1640.08336.5952.552.86016280.2480.2050.09941.1162.5558.086000360.1780.1750.08824.5838.2739.63注：601166 兴业银行、601318 中国平安、601628 中国人寿在 2006 年 9 月之前还没有上市，因此，用“”代替，对其产出效率不进行分析。以下表格如出现“”，与此涵义相同，不做特别标注解释。截至 08 年 1 月 1 日，银行业

23、板块共 18 家上市公司，由于中信银行、交通银行、宁波银 行、南京银行、北京银行、建设银行上市日期是在 07 年二季度以后，如果作为样本会缺失 一半的数据，因此，本文选择剩余的 12 家上市公司的股票作为样本进行研究。对 06 年三季度到 07 年四季度共六个季度银行业上市公司的股票价格即投入效率与能综 合反映上市公司业绩的重要财务指标每股收益（扣除后）、每股净资产和净利润率即产出效 率之间进行聚类分析。首先筛选出银行业相对效率为 1 的上市公司；然后，对银行业相对效 率不足 1 的公司按照产出效率进行 Ward 法聚类分析。最后，对相对效率不足 1 中效率相对 最低的上市公司按照股票价格再进

24、行一次 Ward 法聚类分析。此时得到的上市公司分类有如下 5 类：相对效率高、中、低价格，高效率高、中、低价 格，中效率高、中、低价格，低效率高价格，低效率中、低价格。其中，低效率高价格就是 本文所要找的业绩较差而股票价格较高的上市公司，这些上市公司的股票存在着明显的投机 性行为，即存在投机性泡沫。只要找到这样的上市公司数目占银行业中选取的上市公司总数 目的百分比就可以对股票市场中银行业投机性泡沫程度进行测度。表 3.3 为聚类分析汇总表。表 3.3 银行板块上市公司股票价格、效率类型（单位：家）Tab. 3.3 The production type of bank sector list

25、ed companies（Unit：company number）06 年第三季度06 年第四季度07 年第一季度07 年第二季度07 年第三季度07 年第四季度相对效率高中低价格121111高效率高中低价格211111中效率高中低价格522200低效率高价格041166低效率中低价格137744总计91212121212如表 3.3 所示，其中低效率高价格的上市公司占全部样本数目的 0/9、4/12、1/12、1/12、6/12、6/12，化为百分数分别为：0、33.3、8.3、8.3、50、50%。如图 3.1 所示。银行业投机性泡沫程度60.00%50.00%40.00%30.00%20

26、.00%10.00%0.00%0.00%33.30%8.30%8.30%50.00%50.00%图 3.1 银行业市场投机性泡沫程度Figure 3.1 The level of market speculative bubble in bank sector4结论银行板块当中的上市公司，其投机性泡沫随着大盘股指的启动不断提高，在 06 年 12 月底大盘刚刚启动时，其投机性行为达到了一个比较高的程度，随着 07 年春节过后大盘的 调整，其投机性行为减弱，在 07 年三季度开始进入疯狂时期，其投机性行为不断加强，市 场风险不断加剧，在 07 年四季度其投机性泡沫依旧位于 50%的程度。由于其所

27、在板块流通 市值占 A 股市场总流通市值的比重非常大，因此该板块中上市公司 07 年下半年投机性行为 达到 50必然导致 A 股市场整体风险性急剧膨胀。房地产板块当中的上市公司，06 年中后期其投机性行为在大盘启动时已经开始显现， 其程度在 8.8%，并有逐渐上升态势，从 07 年 3 月底大盘股指进入彪升期开始，该板块的投 机性行为明显加快，市场风险加剧。到了 07 年下半年，宏观经济中房价虚高，房地产行业 泡沫明显，国家对房地产行业进行了宏观调控，投资者对该行业前景预期降低，与之对应房 地产上市公司股票价格有下调的趋势，房地产行业的投机性行为有所收敛。07 年下半年， 大盘进入快速上升期，

28、该行业投机性水平却一直维持在 20以下的水平上。煤炭石油业板块当中的上市公司，06 年三季度投机性行为在大盘启动时已经开始显现， 其程度在 7%左右，06 年四季度有所减弱，随后开始逐渐增加，市场风险有所加剧。但在07 年整年内，其投机性行为相对稳定，并没有随着大盘股指的飙升而增强，投机性程度一 直维持在 1015之间，说明该板块并没有被恶性炒作。钢铁业板块当中的上市公司，06 年末期其投机性行为并没有随着大盘股指启动而开始， 从 07 年 3 月底大盘进入彪升期开始，该板块的投机性行为也随之进入上升期，市场风险加 剧。到了 07 年下半年 9 月份，其投机性行为达到顶峰，投机性程度达到 30

29、，随后，由于 钢铁行业的业绩随着铁矿石价格上升、煤炭、焦炭提价等因素，行业利润率有所降低，其投 机性程度也有所回落。参考文献1 米尔斯.金融时间序列的经济计量学模型.俞卓青.第 2 版.北京:经济科学出版社，346-348.2 Charnes A, Cooper W W, Phodes E. Measuring the efficiency of DMU . European Journal of OperationalResearch, 1978, (2): 429-444.3 李光金.评价相对效率的投入产出型 DEA. 管理科学学报, 2001, 4 (2): 58-62.4Farrell

30、 M J. The measurement of productive efficiency . Journal of the Royal Statistical Society, 1957,(120A):125-281.5 魏权龄. 评价相对有效性的 DEA 方法. 中国人民大学出版社,1988.21-23.ResearchontheMeasurementofSpeculativeBubbleRealized in Major Industries of Stock MarketLi MinDepartment of Economics, Dalian University of Techn

31、ology, Dalian, PRC, (116024)AbstractThis paper will use DEA method to analyze speculative bubble of listed companies financial datarealized in bank sector, housing sector, coal and oil sector and iron sector of Chinese stock market during the 3rd season of 2006 to 4th season of 2007. We find interes

32、ting results: during different seasons, the speculative bubble level of the main industries are changing, with the startup of the stock index in the late of 2006, the speculative bubble appeared, burst, with the adjustment of the wholemarket in 1st season of 2007, the level of speculative bubble lessened, but during the 2nd and 3rd season of 2007, the speculative bubble strengthened and went crazy, the risk of the whole stock market intensified.Key Words：Stock Market, Speculative Bubble, DEA作者简介：李敏，女，1980 年生，硕士研究生，主要研究方向是经济系统复杂性研究。