上市公司EVA实证分析.docVIP

上市公司EVA实证分析 一、研究目的及假设 　　 　　经济增加值(EVA，Economic Value Added)衡量的是公司资本收益和资本成本之间的差额，从股东角度重新定义公司的利润，考虑了包括权益资本在内的所有资本，并且在计算中尽量消除会计信息对企业真实情况的扭曲。EVA的基本计算公式为：E-VA=NOPAT-ICxWACC=ICx(ROC－WACC)。其中：NOPAT为经过会计及税收调整后的税后净营业利润，IC为资本总额(包括股权资本和债务资本)，WACC为加权平均资本成本，ROC为资本回报率。EVA的倡导者指出，EVA与公司的市场价值密切相关，在业绩评价方面优于传统会计指标。那么，EVA在我国市场上的效用如何，这与我国企业对EVA体系的潜在接受程度及我国资本市场的成熟程度有关。某种程度上一个市场中EVA对市场增加值(MVA，Market Value Added)的解释度反映了该市场的成熟程度，同时EVA与MVA的相关关系也反映了该市场对EVA的潜在接受程度。本文将分析EVA及传统业绩评价指标与MVA的相关性以及EVA在我国市场上的效用。提出以下假设： 　　假设一：沪市制造业上市公司的EVA对于MVA具有很强的解释能力 　　假设二：沪市制造业上市公司的EVA对于MVA的解释能力优于传统指标　　 　　二、样本选取与研究方法 　　 　　(一)样本选取本文选取1998年以前上市的沪市A股制造业公司以确保其上市的时间较长，符合条件的有191家，然后进行筛选：剔除PT和ST企业，这些公司经营状况异常，其财务报表的可信度较低；剔除发行B股和H股的企业，这些公司的会计处理政策与一般公司不同；剔除发行优先股的企业，这样的公司在计算权益成本时比较特殊；剔除数据不完整的企业。经过筛选，最后选出2001年的93家公司作为分析样本。所选取的与EVA有关的数据来自证券之星网站等。 　　(二)研究方法基本方法是将MVA作为因变量，EVA及各传统会计变量为自变量，构成一组样本进行回归分析。在比较EVA和传统指标对公司价值的解释能力时，使用的方法是计算增量信息含量。增量信息含量是指当原模型有新的变量加入后，模型的解释能力增加的值，它表示的是新加入的变量解释了原有变量没有解释的部分。 　　 　　三、实证分析 　　 　　(一)相关分析主要目的是研究变量之间的紧密程度，相关分析是回归分析的基础，本文采用皮尔逊(pearson)相关系数进行相关分析。从绝对量来看，当显著水平为0.01时，与MVA显著相关的变量是EVA、OP、NP和A，其相关系数分别为：0.476、0.515、0.744和0.714。特别是净利润NP相关系数很高，这与我国以利润为中心的业绩评价体系无关。现金流量CF与MVA相关性不显著，因为我国企业对于现金流的重视程度还很不够，也反映出我国大部分企业经营活动产生的现金流量与经营业绩并不一致。 　　从相对量来看，在0.01显著性水平下，与MVAPC显著相关的只有LNA，相关系数为-0.606，即资产与MVAPC成反向相关关系，说明资产规模大小与公司价值成负相关。这是因为在资本市场上人们通常认为规模小的小盘股上涨空间比较大，普遍对小盘股报有较高的价值预期。另外，MVAPC与ROA在显著水平为0.05时显著相关，相关系数为0.219，相关性不是很高。EVAPS与MVAPC的显著性p值小于0.1，具有相关性。EPS和ROE两个变量都没有通过相关性显著检验。 　　(二)一元回归分析采用一元回归对以下项目进行了分析。 　　(1)MVA与各变量进行一元线性回归分析。将MVA与各财务指标(绝对量)建立线性回归模型，令因变量=α+β自变量+ξ。 　　五个变量与MVA分别进行一元回归，从回归方程的显著程度F值看，只有经营现金流量没有通过显著性检验，其余的变量都是在p值小于0.001的显著水平下，线性方程显著。从相对量与MVAPC构成的回归方程看，LNA与MVAPC构成的方程显著性很高；EVAPS和ROA与MVAPC构成的方程显著性成立但不高；其余变量构成的线性方程没有通过方程显著性检验。 　　用绝对指标(EVA和MVA)和用相对指标(EVAPS和MVAPC)回归时，F检验均达到显著水平，说明制造业样本类上市公司的EVA指标同MVA变量之间存在线性关系；又因为二者回归的系数均为正值，且t值分别在0.01和0.1水平下显著，说明两个指标之间存在正相关性，即EVA的增加能带来公司价值的增加；修正的R2分别为21.8％和4％，说明绝对EVA可以解释21.8％MVA的变动，在考虑公司规模因素后的相对变量对MVA的解释比较低。以上分析说明，当期EVA指标在反映公司市场价值方面有一定的信息含量，可以作为制造业上市公司投资分析经营和业绩评价的指标。但上面也