我國上市公司凈資產收益率分布實證研究doc15-資產管理-文庫吧資料
2024-08-26 16:50本頁面
【正文】 ，行業(yè)基準收益率是重要的參數(shù)，凈資產收益率分布的實證研究 可以幫助公司確定行業(yè)基準收益率。凈資產收益率分布的實證研究可以幫助外部利益相關者判斷企業(yè)財務報告的真實性及可投資價值，也可以幫助預測今后幾年公司的凈資產收益率情況。 表 4 凈資產收益率在零附近的分布及檢驗 序 號 凈資產收益率 實際頻數(shù) 標準化區(qū)間 區(qū)間的 理論頻數(shù) 差異 下限 上限 Vi 下限 上限 累計分布 nPi Vi nPi 1 2 2 3 企業(yè) ()大量管理資料下載 版次 第 11 頁 共 15 頁 2020 年 9 月 20 日 7 凈資產收益率分布實證結果的意義及需要進一步研究的問題 由于凈資產收益率是反映企業(yè)財務狀況最綜合性的指標，因而企業(yè)外部的利益相關者都很關心企業(yè)該項指標，尤其是企業(yè)的股東。從上述分析可以看出，上市公司確實特別關注凈資產收益率處于零附近的情況，從而會使零左側區(qū)間內的樣本數(shù)減少，而增大了零右側區(qū)間內的樣本數(shù)。 我們對電子通訊行業(yè)凈資產收益率在零附近的樣本進行了統(tǒng)計檢驗，我們一共檢驗了三個區(qū)間，詳見表 4。 3，在不違反財務準則的前提下，減少應計提的各項費用，從而提高當年的利潤水平。這實際上是由于代理問題的存在，公司原來沒有最大程度的發(fā)揮潛能。公司特別關注的數(shù)值不僅是零，還包括證監(jiān)會要求公司再配股（或增發(fā)）所必須達到的凈資產收益率、公司的年度考核指標等。也就是說公司認為凈資產收益率位于零右側值域內會遠好于位于零左側值域，雖然可能在絕對數(shù)量上這兩個數(shù)值的差距沒有任何意義。 上市公司會特別關注某個數(shù)值，從而會使在該數(shù)值左側一個小區(qū)域內的點小于理論頻數(shù)，而該數(shù)值右側一個小區(qū)域內的點大于理論頻數(shù)。例如，我們注意到有些上市公司在前一年度不可避免凈利潤為負，因而會在前一年度將各種準備金及預提費用計足，造成前一年度的虧損很大；但第二年由于不用再計提各種費用，甚至于一部分已提費用可以轉回沖減相應費用，從而會增 大第二年利潤。這種情況對樣本中異常點的影響較大，從而可能由于少數(shù)異常點影響了樣本總體檢驗的可靠性。 上市公司財務報表真實性。 企業(yè) ()大量管理資料下載 版次 第 10 頁 共 15 頁 2020 年 9 月 20 日 6 凈資產收益率偏離正態(tài)分布的原因 我們通過上述的檢驗，可以判斷電子通訊行業(yè)凈資產收益率近似的服從正態(tài)分布，但有一 定程度的偏離。查表得顯著性水平α = 時， N＝ 90 下的臨界值為 ，因而說明 凈資產收益率 服從正態(tài)分布。如果樣本符合正態(tài)分布，則 D 應小于給定顯著性水平下的臨界值?？聽柲缏宸驒z驗法不依賴于區(qū)間劃分，從而避免了卡方檢驗由于區(qū)間劃分不同而導致的檢驗結果不一致的缺點。 表 3 檢驗 2020 年數(shù)據(jù)是否符合 N（ ， ） 凈資產收益率 實際頻數(shù) 標準化區(qū)間 區(qū)間的 理論頻數(shù) 差異 樣本χ 2 值 下限 上限 Vi 下限 上限 累計分布 nPi (Vi nPi)2 (VinPi)2 /nPi 21 ∝ 1 18 1 12 8 0 18 0 17 1 7 1 11 +∝ 合計 112 1 112 資料來源：作者計算 結論 2：以全部樣本為基礎估算總體的期望與方差，并以該期望與方差作為正態(tài)分布函數(shù)的參數(shù)，然后對電子通訊行業(yè)凈資產收益率進行χ 2 擬合檢驗， 不能 認為電子通訊行業(yè)凈資產收益率服從正態(tài)分布；以“按 3σ原則對異常點進行剔除”后的樣本估算總體的期望與方差，并以該期望與方差作為正態(tài)分布函數(shù)的參數(shù)，然后對電子通訊行業(yè) 凈資產收益率進行χ 2 擬合檢驗， 可以 認為電子通訊行業(yè)凈資產收益率服從正態(tài)分布 5 柯爾莫哥洛夫檢驗法 由于凈資產收益率是連續(xù)變量，因而我們可以使用柯爾莫哥洛夫檢驗法來檢驗電子通信行業(yè)的凈資產收益率分布情況。 查χ 2 分布表知在顯著性水 平α =，自由度為 7（ 81=7，具體的原因參見參考企業(yè) ()大量管理資料下載 版次 第 9 頁 共 15 頁 2020 年 9 月 20 日 文獻）臨界值為 。我們僅根據(jù)[,]區(qū)間內的數(shù)據(jù)估計總體的期望與方差，然后我們檢驗全部樣本是否來自服從 N（ ， ）的總體。 表 2 檢驗 2020 年數(shù)據(jù)是否符合 N（ ， ）計算表 凈資產收益率 實際頻數(shù) 標準化區(qū)間 區(qū)間的 理論頻數(shù) 差異 樣本χ 2 值 下限 上限 Vi 下限 上限 累計分布 nPi (Vi nPi)2 (VinPi)2 /nPi 7 ∝ 8 18 21 37 11 6 4 +∝ 合計 112 1 112 資料來源：作者計算 在表 2 中，我們在計算χ 2值過程中，使用全部樣本估計總體的期望與方差，而期望與方差又是決定正態(tài)分布的兩個參數(shù)。查χ 2分布表知在顯著性水平α =，自由度為 5（ 821=5，具體的原因參見參考文獻 [3]）臨界值為 。更詳細的對χ 2 擬合檢驗的說明可以參見參考文獻 [3]或其他的有關數(shù)理統(tǒng)計的書。 χ 2 擬合檢驗是通過檢驗在一定區(qū)間內樣本的觀測次數(shù)與正態(tài)分布總體在該區(qū)間的理論期望次數(shù)之間是否存在顯著性差異，來判斷樣本是 否來自正態(tài)分布總體。而樣本是否服從正態(tài)分布最關鍵是判斷樣本的數(shù)值出現(xiàn)在某一區(qū)間內的頻度，也就是通過樣本的經驗分布與正態(tài)分布函數(shù)相似程度的比較來判斷樣本是否來自于正態(tài)分布總體。 企業(yè) ()大量管理資料下載 版次 第 6 頁 共 15 頁 2020 年 9 月 20 日 企業(yè) ()大量管理資料下載 版次 第 7 頁 共 15 頁 2020 年 9 月 20 日 樣本的累計概率1 . 0 0. 7 5. 5 0. 2 50 . 0 0正態(tài)分布的累計概率1 . 0 0. 7 5. 5 0. 2 50 . 0 0圖 2 全體樣本 PP 正態(tài)概率圖 樣本的累計概率1 . 0 0. 7 5. 5 0. 2 50 . 0 0正態(tài)分布的累計概率1 . 0 0. 7 5. 5 0. 2 50 . 0 0 圖 3 部分樣本 PP 正態(tài)概率圖 企業(yè) ()大量管理資料下載 版次 第 8 頁 共 15 頁
研究報告相關推薦
鄂ICP備17016276號-1