基于DEA模型上市公司价值挖掘.docVIP

基于DEA模型上市公司价值挖掘【摘 要】 文章以DEA模型的“相对效率评价”理论为基础，从上市公司经营效率、发展能力、获利能力、送配股以及派现能力各方面进行价值挖掘，试图在相同的政策和市场环境中，挖掘出同行业或具有相似概念的股票中相对低估的价值，以期为投资决策提供参考。 【关键词】 DEA； 价值挖掘； 规模收益； 动态估值 价值分析是决定股票价值及价格的基本要素，如对宏观经济指标、经济政策走势、行业发展状况、产品市场状况、公司销售和财务状况等进行的分析，从而评估出股票的投资价值。上市公司估值方法通常分为两类：一类是相对估值方法，包括市盈率估值法、市净率估值法和EV/EBITDA（企业价值/息税、折旧、摊销前利润）估值法等；另一类是绝对估值方法，包括股利折现模型估值、自由现金流折现模型估值等。本文提到的基于DEA模型的价值挖掘属于相对估值方法，其侧重于对同行业或具有相似概念股票的相对低估价值的挖掘，尤其适用于板块或概念轮动的行情中，其在有效回避风险的同时，保证了相对稳定的收益。 一、方法选择与数据定义 （一）方法选择 数据包络分析（Data Envelopment Analysis，简称DEA）是美国著名运筹学家A.Charnes和W.W.Cooper等学者在“相对效率评价”概念基础上发展起来的一种新的系统分析方法。它主要采用数学规划方法，利用观察到的有效样本数据，对决策单元（Decision Making Units，DMU）进行生产有效性评价。DEA模型是以最优化为工具，并不预设输入与输出决策单元间的关系或权系数，有效剔除了人为因素的干扰，因此广泛应用于各个行业的有效性评价上。本文选取的针对DMU0的CCR模型如下： Minθ s.t. ■Xjλj+S-=θXi0■Yjλj-S+=Yj0λj≥0，S-≥0，S+≥0，θ∈[0，1] 解得最优解为θ*，λ*，S*-，S*+（S*-，S*+为松弛变量）。基本结论有： 1.θ*=1，且每个最优解的S*-=S*+=0时，DMU0为CCR模型下DEA有效。 2.θ*=1，S*-，S*+存在非零时，DMU0为CCR模型下弱DEA有效。 3.θ*1，则该DMU0规模收益递减。 （二）数据定义 应用DEA模型对上市公司进行价值挖掘，可将各上市公司看作是不同的决策单元。在确定指标体系时，应避免投入和产出指标体系内部的强线性关系，而且还要考虑指标的重要性、可获得性和针对性。本文拟将上市公司经营效率、发展能力、获利能力、送配股与派现能力四方面因素作为投入指标，二级市场中股票的成交量与市价作为产出指标。具体指标如下：以“总资产周转率”反映上市公司的经营效率，“主营收入增长率”反映发展能力，“净资产收益率”反映获利能力，“每股资本公积金”与“每股未分配利润”及“每股经营现金流”之和反映送配股与派现能力，一段时期内的“累计换手率”与“市场均价”分别反映二级市场中股票的成交量与市价。 本文选取了煤炭行业中的18只样本股票，包括：（600123）兰花科创、（600188）兖州煤业、（600348）国阳新能、（600395）盘江股份、（600408）安泰集团、（600508）上海能源、（600740）山西焦化、（600971）恒源煤电、（600997）开滦股份、（601001）大同煤业、（601666）平煤天安、（601699）潞安环能、（000552）靖远煤电、（000933）神火股份、（000937）金牛能源、（000968）煤气化、（000983）西山煤电、（002128）露天煤业。样本指标数据来源于各上市公司2007年第三季度季报，而在统计“累计换手率”与“市场均价”的时期范围时，要尽量充分反映市场对季报的预期效应和持续影响，此时期范围可设为2007年9月7日至2007年12月28日。样本数据均来源于Wind资讯理财终端。 由于本文选取的CCR模型要求所有的样本数据必须是正值，因此还要对数据进行无量纲化处理：■=0.1+■×0.9，其中Zij为原样本数据，■为无量纲处理后的数据，0.1≤■≤1，maxZij=aj，minZij=bj。 二、实证分析 （一）DEA有效性分析 从图1的分析结果来看，露天煤业、兰花科创、兖州煤业、国阳新能、盘江股份、西山煤电、靖远煤电、山西焦化、恒源煤电这些上市公司是DEA有效的决策单元。DEA有效也说明了在相同的经济环境和行业背景下，二级市场中的成交量和价格方面，这类上市公司已经相对充分地反映出包含在季报中的潜在价值。而大同煤业、潞安环能、安泰集团、煤气化、神火股份、上海能源、开滦股份、平煤天安、金牛能源这类上市公司不同程度上是非DEA有效的决策单元。非DEA有效说明季报中包含的潜在价值在二级市