A. 統計模型論文
在統計學中，統計模型是指當有些過程無法用理論分析 方法 導出其模型，但可通過試驗或直接由工業過程測定數據，經過數理統計法求得各變數之間的函數關系。下文是我為大家整理的關於統計模型論文的 範文 ，歡迎大家閱讀參考!
統計模型論文篇1統計套利模型的理論綜述與應用分析
【摘要】統計套利模型是基於數量經濟學和統計學建立起來的，在對歷史數據分析的基礎之上，估計相關變數的概率分布，並結合基本面數據對未來收益進行預測，發現套利機會進行交易。統計套利這種分析時間序列的統計學特性，使其具有很大的理論意義和實踐意義。在實踐方面廣泛應用於個對沖基金獲取收益，理論方面主要表現在資本有效性檢驗以及開放式基金評級，本文就統計套利的基本原理、交易策略、應用方向進行介紹。
【關鍵詞】統計套利 成對交易 應用分析
一、統計套利模型的原理簡介
統計套利模型是基於兩個或兩個以上具有較高相關性的股票或者其他證券，通過一定的方法驗證股價波動在一段時間內保持這種良好的相關性，那麼一旦兩者之間出現了背離的走勢，而且這種價格的背離在未來預計會得到糾正，從而可以產生套利機會。在統計套利實踐中，當兩者之間出現背離，那麼可以買進表現價格被低估的、賣出價格高估的股票，在未來兩者之間的價格背離得到糾正時，進行相反的平倉操作。統計套利原理得以實現的前提是均值回復，即存在均值區間(在實踐中一般表現為資產價格的時間序列是平穩的，且其序列圖波動在一定的范圍之內)，價格的背離是短期的，隨著實踐的推移，資產價格將會回復到它的均值區間。如果時間序列是平穩的，則可以構造統計套利交易的信號發現機制，該信號機制將會顯示是否資產價格已經偏離了長期均值從而存在套利的機會 在某種意義上存在著共同點的兩個證券(比如同行業的股票)， 其市場價格之間存在著良好的相關性，價格往往表現為同向變化，從而價格的差值或價格的比值往往圍繞著某一固定值進行波動。
二、統計套利模型交易策略與數據的處理
統計套利具 體操 作策略有很多，一般來說主要有成對/一籃子交易，多因素模型等，目前應用比較廣泛的策略主要是成對交易策略。成對策略，通常也叫利差交易，即通過對同一行業的或者股價具有長期穩定均衡關系的股票的一個多頭頭寸和一個空頭頭寸進行匹配，使交易者維持對市場的中性頭寸。這種策略比較適合主動管理的基金。
成對交易策略的實施主要有兩個步驟：一是對股票對的選取。海通證券分析師周健在絕對收益策略研究―統計套利一文中指出，應當結合基本面與行業進行選股，這樣才能保證策略收益，有效降低風險。比如銀行，房地產，煤電行業等。理論上可以通過統計學中的聚類分析方法進行分類，然後在進行協整檢驗，這樣的成功的幾率會大一些。第二是對股票價格序列自身及相互之間的相關性進行檢驗。目前常用的就是協整理論以及隨機遊走模型。
運用協整理論判定股票價格序列存在的相關性，需要首先對股票價格序列進行平穩性檢驗，常用的檢驗方法是圖示法和單位根檢驗法，圖示法即對所選各個時間序列變數及一階差分作時序圖，從圖中觀察變數的時序圖出現一定的趨勢冊可能是非平穩性序列，而經過一階差分後的時序圖表現出隨機性，則序列可能是平穩的。但是圖示法判斷序列是否存在具有很大的主觀性。理論上檢驗序列平穩性及階輸通過單位根檢驗來確定，單位根檢驗的方法很多，一般有DF，ADF檢驗和Phillips的非參數檢驗(PP檢驗)一般用的較多的方法是ADF檢驗。
檢驗後如果序列本身或者一階差分後是平穩的，我們就可以對不同的股票序列進行協整檢驗，協整檢驗的方法主要有EG兩步法，即首先對需要檢驗的變數進行普通的線性回歸，得到一階殘差，再對殘差序列進行單位根檢驗，如果存在單位根，那麼變數是不具有協整關系的，如果不存在單位根，則序列是平穩的。EG檢驗比較適合兩個序列之間的協整檢驗。除EG檢驗法之外，還有Johansen檢驗，Gregory hansan法，自回歸滯後模型法等。其中johansen檢驗比較適合三個以上序列之間協整關系的檢驗。通過協整檢驗，可以判定股票價格序列之間的相關性，從而進行成對交易。
Christian L. Dunis和Gianluigi Giorgioni(2010)用高頻數據代替日交易數據進行套利，並同時比較了具有協整關系的股票對和沒有協整關系股票對進行套利的立即收益率，結果顯示，股票間價格協整關系越高，進行統計套利的機會越多，潛在收益率也越高。
根據隨機遊走模型我們可以檢驗股票價格波動是否具有“記憶性”，也就是說是否存在可預測的成分。一般可以分為兩種情況：短期可預測性分析及長期可預測性分析。在短期可預測性分析中，檢驗標准主要針對的是隨機遊走過程的第三種情況，即不相關增量的研究，可以採用的檢驗工具是自相關檢驗和方差比檢驗。在序列自相關檢驗中，常用到的統計量是自相關系數和鮑克斯-皮爾斯 Q統計量，當這兩個統計量在一定的置信度下，顯著大於其臨界水平時，說明該序列自相關，也就是存在一定的可預測性。方差比檢驗遵循的事實是：隨機遊走的股價對數收益的方差隨著時期線性增長，這些期間內增量是可以度量的。這樣，在k期內計算的收益方差應該近似等於k倍的單期收益的方差，如果股價的波動是隨機遊走的，則方差比接近於1;當存在正的自相關時，方差比大於1;當存在負的自相關是，方差比小於1。進行長期可預測性分析，由於時間跨度較大的時候，採用方差比進行檢驗的作用不是很明顯，所以可以採用R/S分析，用Hurst指數度量其長期可預測性，Hurst指數是通過下列方程的回歸系數估計得到的：
Ln[(R/S)N]=C+H*LnN
R/S 是重標極差，N為觀察次數，H為Hurst指數，C為常數。當H>0.5時說，說明這些股票可能具有長期記憶性，但是還不能判定這個序列是隨機遊走或者是具有持續性的分形時間序列，還需要對其進行顯著性檢驗。
無論是採用協整檢驗還是通過隨機遊走判斷，其目的都是要找到一種短期或者長期內的一種均衡關系，這樣我們的統計套利策略才能夠得到有效的實施。
進行統計套利的數據一般是採用交易日收盤價數據，但是最近研究發現，採用高頻數據(如5分鍾，10分鍾，15分鍾，20分鍾收盤價交易數據)市場中存在更多的統計套利機會。日交易數據我們選擇前復權收盤價，而且如果兩只股票價格價差比較大，需要先進性對數化處理。Christian L. Dunis和Gianluigi Giorgioni(2010)分別使用15分鍾收盤價，20分鍾收盤價，30分以及一個小時收盤價為樣本進行統計套利分析，結果顯示，使用高頻數據進行統計套利所取得收益更高。而且海通證券金融分析師在絕對收益策略系列研究中，用滬深300指數為樣本作為統計套利 配對 交易的標的股票池，使用高頻數據計算累計收益率比使用日交易數據高將近5個百分點。
三、統計套利模型的應用的拓展―檢驗資本市場的有效性
Fama(1969)提出的有效市場假說，其經濟含義是:市場能夠對信息作出迅速合理的反應,使得市場價格能夠充分反映所有可以獲得的信息,從而使資產的價格不可用當前的信息進行預測,以至於任何人都無法持續地獲得超額利潤.通過檢驗統計套利機會存在與否就可以驗證資本市場是有效的的，弱有效的，或者是無效的市場。徐玉蓮(2005)通過運用統計套利對中國資本市場效率進行實證研究，首先得出結論：統計套利機會的存在與資本市場效率是不相容的。以此為理論依據，對中國股票市場中的價格慣性、價格反轉及價值反轉投資策略是否存在統計套利機會進行檢驗，結果發現我國股票市場尚未達到弱有效性。吳振翔，陳敏(2007)曾經利用這種方法對我國A股市場的弱有效性加以檢驗，採用慣性和反轉兩種投資策略發現我國A股若有效性不成立。另外我國學者吳振翔，魏先華等通過對Hogan的統計套利模型進行修正，提出了基於統計套利模型對開放式基金評級的方法。
四、結論
統計套利模型的應用目前主要表現在兩個方面：1.作為一種有效的交易策略，進行套利。2.通過檢測統計套利機會的存在，驗證資本市場或者某個市場的有效性。由於統計套利策略的實施有賴於做空機制的建立，隨著我股指期貨和融資融券業務的推出和完善，相信在我國會有比較廣泛的應用與發展。
參考文獻
[1] A.N. Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.
[2]方昊.統計套利的理論模式及應用分析―基於中國封閉式基金市場的檢驗.統計與決策,2005,6月(下).
[3]馬理,盧燁婷.滬深 300 股指期貨期現套利的可行性研究―基於統計套利模型的實證.財貿研究,2011,1.
[4]吳橋林.基於滬深 300 股指期貨的套利策略研究[D].中國優秀碩士學位論文.2009.
[5]吳振翔,陳敏.中國股票市場弱有效性的統計套利檢驗[J].系統工程理論與實踐.2007,2月.
統計模型論文篇2關於半參統計模型的估計研究
【摘要】隨著數據模型技術的迅速發展，現有的數據模型已經無法滿足實踐中遇到的一些測量問題，嚴重的限制了現代科學技術在數據模型上應用和發展，所以基於這種背景之下，學者們針對數據模型測量實驗提出了新的理論和方法，並研製出了半參數模型數據應用。半參數模型數據是基於參數模型和非參數模型之上的一種新的測量數據模型，因此它具備參數模型和非參數模型很多共同點。本文將結合數據模型技術，對半參統計模型進行詳細的探究與討論。
【關鍵詞】半參數模型 完善誤差 測量值 縱向數據
本文以半參數模型為例，對參數、非參數分量的估計值和觀測值等內容進行討論，並運用三次樣條函數插值法得出非參數分量的推估表達式。另外，為了解決縱向數據下半參數模型的參數部分和非參數部分的估計問題，在誤差為鞅差序列情形下，對半參數數據模型、漸近正態性、強相合性進行研究和分析。另外，本文初步討論了平衡參數的選取問題，並充分說明了泛最小二乘估計方法以及相關結論，同時對半參數模型的迭代法進行了相關討論和研究。
一、概論
在日常生活當中，人們所採用的參數數據模型構造相對簡單，所以操作起來比較容易;但在測量數據的實際使用過程中存在著相關大的誤差，例如在測量相對微小的物體，或者是對動態物體進行測量時。而建立半參數數據模型可以很好的解決和緩解這一問題：它不但能夠消除或是降低測量中出現的誤差，同時也不會將無法實現參數化的系統誤差進行勾和。系統誤差非常影響觀測值的各種信息，如果能改善，就能使其實現更快、更及時、更准確的誤差識別和提取過程;這樣不僅可以提高參數估計的精確度，也對相關科學研究進行了有效補充。
舉例來說，在模擬算例及坐標變換GPS定位重力測量等實際應用方面，體現了這種模型具有一定成功性及實用性;這主要是因為半參數數據模型同當前所使用的數據模型存在著一致性，可以很好的滿足現在的實際需要。而新建立的半參數模型以及它的參數部分和非參數部分的估計，也可以解決一些污染數據的估計問題。這種半參數模型，不僅研究了縱向數據下其自身的t型估計，同時對一些含光滑項的半參數數據模型進行了詳細的闡述。另外，基於對稱和不對稱這兩種情況，可以在一個線性約束條件下對參數估計以及假設進行檢驗，這主要是因為對觀測值產生影響的因素除了包含這個線性關系以外，還受到某種特定因素的干擾，所以不能將其歸入誤差行列。另外，基於自變數測量存在一定誤差，經常會導致在計算過程匯總，丟失很多重要信息。
二、半參數回歸模型及其估計方法
這種模型是由西方著名學者Stone在上世紀70年代所提出的，在80年代逐漸發展並成熟起來。目前，這種參數模型已經在醫學以及生物學還有經濟學等諸多領域中廣泛使用開來。
半參數回歸模型介於非參數回歸模型和參數回歸模型之間，其內容不僅囊括了線性部分，同時包含一些非參數部分，應該說這種模型成功的將兩者的優點結合在一起。這種模型所涉及到的參數部分，主要是函數關系，也就是我們常說的對變數所呈現出來的大勢走向進行有效把握和解釋;而非參數部分則主要是值函數關系中不明確的那一部分，換句話就是對變數進行局部調整。因此，該模型能夠很好的利用數據中所呈現出來的信息，這一點是參數回歸模型還有非參數歸回模型所無法比擬的優勢，所以說半參數模型往往擁有更強、更准確的解釋能力。
從其用途上來說，這種回歸模型是當前經常使用的一種統計模型。其形式為：
三、縱向數據、線性函數和光滑性函數的作用
縱向數據其優點就是可以提供許多條件，從而引起人們的高度重視。當前縱向數據例子也非常多。但從其本質上講，縱向數據其實是指對同一個個體，在不同時間以及不同地點之上，在重復觀察之下所得到一種序列數據。但由於個體間都存在著一定的差別，從而導致在對縱向數據進行求方差時會出現一定偏差。在對縱向數據進行觀察時，其觀察值是相對獨立的，因此其特點就是可以能夠將截然不同兩種數據和時間序列有效的結合在一起。即可以分析出來在個體上隨著時間變化而發生的趨勢，同時又能看出總體的變化形勢。在當前很多縱向數據的研究中，不僅保留了其優點，並在此基礎之上進行發展，實現了縱向數據中的局部線性擬合。這主要是人們希望可以建立輸出變數和協變數以及時間效應的關系。可由於時間效應相對比較復雜，所以很難進行參數化的建模。
另外，雖然線性模型的估計已經取得大量的成果，但半參數模型估計至今為止還是空白頁。線性模型的估計不僅僅是為了解決秩虧或病態的問題，還能在百病態的矩陣時，提供了處理線性、非線性及半參數模型等方法。首先，對觀測條件較為接近的兩個觀測數據作為對照，可以削弱非參數的影響。從而將半參數模型變成線性模型，然後，按線性模型處理，得到參數的估計。而多數的情況下其線性系數將隨著另一個變數而變化，但是這種線性系數隨著時間的變化而變化，根本求不出在同一個模型中，所有時間段上的樣本，亦很難使用一個或幾個實函數來進行相關描述。在對測量數據處理時，如果將它看作為隨機變數，往往只能達到估計的作用，要想在經典的線性模型中引入另一個變數的非線性函數，即模型中含有本質的非線性部分，就必須使用半參數線性模型。
另外就是指由各個部分組成的形態，研究對象是非線性系統中產生的不光滑和不可微的幾何形體，對應的定量參數是維數，分形上統計模型的研究是當前國際非線性研究的重大前沿課題之一。因此，第一種途徑是將非參數分量參數化的估計方法，也稱之為參數化估計法，是關於半參數模型的早期工作，就是對函數空間附施加一定的限制，主要指光滑性。一些研究者認為半參數模型中的非參數分量也是非線性的，而且在大多數情形下所表現出來的往往是不光滑和不可微的。所以同樣的數據，同樣的檢驗方法，也可以使用立方光滑樣條函數來研究半參數模型。
四、線性模型的泛最小二乘法與最小二乘法的抗差
(一)最小二乘法出現於18世紀末期
在當時科學研究中常常提出這樣的問題：怎樣從多個未知參數觀測值集合中求出參數的最佳估值。盡管當時對於整體誤差的范數，泛最小二乘法不如最小二乘法，但是當時使用最多的還是最小二乘法，其目的也就是為了估計參數。最小二乘法，在經過一段時間的研究和應用之後，逐步發展成為一整套比較完善的理論體系。現階段不僅可以清楚地知道數據所服從的模型，同時在縱向數據半參數建模中，輔助以迭代加權法。這對補償最小二乘法對非參數分量估計是非常有效，而且只要觀測值很精確，那麼該法對非參數分量估計更為可靠。例如在物理大地測量時，很早就使用用最小二乘配置法，並得到重力異常最佳估計值。不過在使用補償最小二乘法來研究重力異常時，我們還應在兼顧著整體誤差比較小的同時，考慮參數估計量的真實性。並在比較了迭代加權偏樣條的基礎上，研究最小二乘法在當前使用過程中存在的一些不足。應該說，該方法只強調了整體誤差要實現最小，而忽略了對參數分量估計時出現的誤差。所以在實際操作過程中，需要特別注意。
(二)半參模型在GPS定位中的應用和差分
半參模型在GPS相位觀測中，其系統誤差是影響高精度定位的主要因素，由於在解算之前模型存在一定誤差，所以需及時觀測誤差中的粗差。GPS使用中，通過廣播衛星來計算目標點在實際地理坐標系中具體坐標。這樣就可以在操作過程中，發現並恢復整周未知數，由於觀測值在衛星和觀測站之間，是通過求雙差來削弱或者是減少對衛星和接收機等系統誤差的影響，因此難於用參數表達。但是在平差計算中，差分法雖然可以將觀測方程的數目明顯減少，但由於種種原因，依然無法取得令人滿意的結果。但是如果選擇使用半參數模型中的參數來表達系統誤差，則能得到較好的效果。這主要是因為半參數模型是一種廣義的線性回歸模型，對於有著光滑項的半參數模型，在既定附加的條件之下，能夠提供一個線性函數的估計方法，從而將測值中的粗差消除掉。
另外這種方法除了在GPS測量中使用之外，還可應用於光波測距儀以及變形監測等一些參數模型當中。在重力測量中的應用在很多情形下，尤其是數學界的理論研究，我們總是假定S是隨機變數實際上，這種假設是合理的，近幾年，我們對這種線性模型的研究取得了一些不錯的成果，而且因其形式相對簡潔，又有較高適用性，所以這種模型在諸多領域中發揮著重要作用。
通過模擬的算例及坐標變換GPS定位重力測量等實際應用，說明了該法的成功性及實用性，從理論上說明了流行的自然樣條估計方法，其實質是補償最小二乘方法的特例，在今後將會有廣闊的發展空間。另外 文章 中提到的分形理論的研究對象應是非線性系統中產生的不光滑和不可微的幾何形體，而且分形已經在斷裂力學、地震學等中有著廣泛的應用，因此應被推廣使用到研究半參數模型中來，不僅能夠更及時，更加准確的進行誤差的識別和提取，同時可以提高參數估計的精確度，是對當前半參數模型研究的有力補充。
五、 總結
文章所講的半參數模型包括了參數、非參數分量的估計值和觀測值等內容，並且用了三次樣條函數插值法得到了非參數分量的推估表達式。另外，為了解決縱向數據前提下，半參數模型的參數部分和非參數部分的估計問題，在誤差為鞅差序列情形下，對半參數數據模型、漸近正態性、強相合性進行研究和分析。同時介紹了最小二乘估計法。另外初步討論了平衡參數的選取問題，還充分說明了泛最小二乘估計方法以及有關結論。在對半參數模型的迭代法進行了相關討論和研究的基礎之上，為迭代法提供了詳細的理論說明，為實際應用提供了理論依據。
參考文獻
[1]胡宏昌.誤差為AR(1)情形的半參數回歸模型擬極大似然估計的存在性[J].湖北師范學院學報(自然科學版)，2009(03).
[2]錢偉民，李靜茹.縱向污染數據半參數回歸模型中的強相合估計[J].同濟大學學報(自然科學版)，2009(08).
[3]樊明智，王芬玲，郭輝.縱向數據半參數回歸模型的最小二乘局部線性估計[J].數理統計與管理，2009(02).
[4]崔恆建，王強.變系數結構關系EV模型的參數估計[J].北京師范大學學報(自然科學版).2005(06).
[5]錢偉民，柴根象.縱向數據混合效應模型的統計分析[J].數學年刊A輯(中文版).2009(04)
[6]孫孝前，尤進紅.縱向數據半參數建模中的迭代加權偏樣條最小二乘估計[J].中國科學(A輯：數學)，2009(05).
[7]張三國，陳希孺.EV多項式模型的估計[J].中國科學(A輯)，2009(10).
[8]任哲，陳明華.污染數據回歸分析中參數的最小一乘估計[J].應用概率統計，2009(03).
[9]張三國，陳希孺.有重復觀測時EV模型修正極大似然估計的相合性[J].中國科學(A輯).2009(06).
[10]崔恆建，李勇，秦懷振.非線性半參數EV四歸模型的估計理論[J].科學通報，2009(23).
[11]羅中明.響應變數隨機缺失下變系數模型的統計推斷[D].中南大學，2011.
[12]劉超男.兩參數指數威布爾分布的參數Bayes估計及可靠性分析[D].中南大學，2008.
[13]郭艷.湖南省稅收收入預測模型及其實證檢驗與經濟分析[D].中南大學，2009.
[14]桑紅芳.幾類分布的參數估計的損失函數和風險函數的Bayes推斷[D].中南大學，2009.
[15]朱琳.服從幾類可靠性分布的無失效數據的bayes分析[D].中南大學，2009.
[16]黃芙蓉.指數族非線性模型和具有AR(1)誤差線性模型的統計分析[D].南京理工大學，2009.
猜你喜歡：
1. 統計學分析論文
2. 統計方面論文優秀範文參考
3. 統計優秀論文範文
4. 統計學的論文參考範例
>>>下一頁更多精彩的“統 計畢 業論 文”
B. 股利政策的影響因素分析
股利政策是上市公司盈利分配的重點，是協調各方利益的重要手段。以下是我精心整理的股利政策的影響因素分析的相關資料，希望對你有幫助!
摘要：股利政策是上市公司盈利分配的重點，是協調各方利益的重要手段。本文以A股市場2007-2011年非金融非ST公司為樣本，探討了企業現金股利政策的影響因素。研究發現：每股盈餘、每股貨幣資金量、非流通股東股份佔比、第一大股東持股比例和現金股利水平顯著正相關;而企業的資產負債率、經營風險和企業的現金股利水平顯著負相關;國有股持股比例和現金股利水平負相關，但顯著性水平不穩定;公司規模對現金股利水平的影響並不顯著。
關鍵詞：現金股利政策 派息比 經營風險
作者簡介：
王筱舒(1970-)，女，河南通許人，中原石油工程公司鑽井二公司會計師
一、引言
股利政策對企業價值的影響是復雜的、多方面的，制定有效的股利政策能夠協調不同利益，盡可能地增加企業和股東的價值。因此，有必要去弄清影響股利政策的重要變數，以便管理者做出合理的決策。目前國內外對這方面的研究可謂百家爭鳴，不同研究者對不同市場的研究結果也很不一樣，雖然對影響股利政策的基本因素如盈利等有比較一致的看法，但是當提及到股權結構、資本結構、增長機會等因素時則有不同的觀點和結論。本文綜合地研究並比較了不同變數的影響，同時首次將經營風險引入檢驗其對A股市場的現金股利分配的影響，不同模型組合一定程度上證實了經營風險和現金股利之間的負相關關系。同時藉助於模型，能夠識別最主要的影響變數和決策因子。為公司的股利政策提供合適的決策變數，為資本市場的監管者提供政策建議。
二、 文獻綜述
(一)國外文獻 廉姆斯(Williams，1938)開創了股利問題研究的先例，林特納(Lintner，1956)認為盈利水平是決定股利水平的重要因素，同時行業性質也會影響公司的盈利能力，進而影響公司的股利政策。他的觀點得到了法瑪(Fama，2001) 和 弗里奇(French，2001)的支持，他們指出影響公司股利水平的重要因素包含了盈餘水平、投資機會以及公司規模。詹森(Jason，1976)和麥克林則從公司增長機會的角度研究了它對公司股利的影響，他們發現具有高增長機會的公司傾向於支付更低的股利。Haddadin (2006)發現影響股利水平的最重要的因素是盈利水平，同時股權結構和機構持股對股利政策並沒有顯著的影響。Al-Malkawi(2007)基於對約旦資本市場的研究則發現管理層持股和國家持股顯著地影響了股利政策，同時公司規模越大、公司年齡越長就越傾向於發放更多的股利，公司的財務杠桿越大股利支付越少。Jensen(1995)則發現公司流動性的減少會明顯地降低股利，也就是說現金持有量是影響股利水平的重要因素。Aviazian (2003)認為凈資產回報率和盈利水平和股利支付正相關，而負債水平和股利支付水平具有負相關關系。Kania和 Bacon (2005)則認為公司的風險也是影響股利水平的重要因素，公司面臨的風險越大，支付的現金股利水平越低。Nont Dhiensiri(2009)研究了紐西蘭1991年至1999年的75家連續分派股利的公司，發現數據較好地證實了代理理論，現金股利水平和股權分散度正相關，和內部人持股比例負相關。同時還發現近期銷售收入增長的公司更傾向於發放現金股利。
(二)國內文獻 劉孟暉等(2008)發現盈利能力越高、規模越大的公司更願意分配高額的股利，但是資產負債率越高，股利支付水平越低。嚴太華和龔春霞(2005)發現，盈利水平的差異是決定股利分配的重要因素。陳信元、陳東華(2003)通過對佛山照明的案例研究，認為企業股利分配是大股東轉移資金的工具，並沒有反應中小投資者的利益和願望。黃娟娟、沈藝峰(2007)認為在一個中小股東法律保護較弱的市場中，對於股權相對集中的上市公司，大股東存在利用股利剝削中小股東的動機。公司的股權越集中，不但支付股利的可能性越大、支付現金股利的可能性也越大，並且可能支付的金額也越多。汪平和孫士霞(2009)認為國有股比重、第一大股東持股比例、股權集中度和股利支付水平顯著正相關。楊淑娥、王勇通(2000)發現：現金股利主要受貨幣資金余額和可供股東分配的利潤兩個因素影響，並與它們呈正相關;股票股利主要受總股本大小、流通股比率和可供股東分配的利潤三因素影響，其中與總股本呈負相關，與其它兩個因素呈正相關。謝軍(2006)發現第一大股東具有發放現金股利的顯著動機，而且這種動機不受股東性質的顯著影響。企業成長性機會能夠弱化第一大股東分配現金股利的激勵，並促使公司保留更多的現金用於有價值的投資機會。
三、 A股市場股利分配特徵分析
(一)股息收益率與分紅的積極性 2001年至2010年的10年間，A股流通股股東獲得股息率平均為0.907%，總體水平低於境外市場水平。我國股市高股息率的公司偏少，目前我國股市股息收益率超過2%的公司只佔4.6%，藍籌股為主的滬深300的股息率超過2%的公司只佔14%，大幅低於美國等發達國家市場，也低於發展中國家市場水平。據道瓊斯公司統計，2010年度道瓊斯各國市場指數股息率為2.49%;與美國、英國、日本、台灣、香港等各國市場指數的股息率相比，滬深300指數成份股的股息率低於國際平均水平，市場整體股息水平則與境外市場水平差距更大。從表(1)可以看出，我國總體上股息收益率在1.78%，近年來有所提高，但2011年的高股息收益率一部分也和市場不景氣股價下跌相關。股利支付率逐漸提高，支付現金股利的總額增長較快。從表(2)可以看出，A股市場2007-2011年之間參與分紅的公司比重不斷增加 ，到2012年，有將近72.2%的公司發放了股利。同時在證監會的積極引導下，現金分紅公司的比例也逐年增加，僅僅以送轉股形式發放股利的公司數量在減少。A股市場總體上較往年更加註重投資者在股利上的回報。
(二)配股門檻對分紅的影響 A股市場股利發放積極性的增加和政策的引導息息相關：2008年證監會出台了《關於修改上市公司現金分紅若干規定的決定》，現金分紅有利於處於增發配股條件邊緣的公司順利滿足配股條件，紅利的分發會減少凈資產同時增加了凈資產收益率。因此會有公司為了再融資而超出自身的盈利能力去超額發放股利。申弘(2007)對這些公司進行研究發現，資產規模越小，公司越容易超能力派現。這類公司處以發展的起步階段，資金需求量大，但由於經營風險大，融資渠道窄，因而更容易通過高股利達到增發配股的目的。 (三)歷年現金股利分配的其他特徵 (1)行業分布差異。從表(3)可以看出，相比其他行業，房地產業在該期間的現金股利支付明顯偏低平均稅前派息比只有0.09，這是由我國的房地產行業的調控帶來的資金壓力所影響的。其他行業之間的平均派息比均在0.18左右，不存在明顯差異。(2)概率分布。約有一半公司的稅前派息比在0.08 到0.3之間，另外超過四分之一的派息比在0.02到0.08之間，其餘期間的派息比佔比較少。派息比大於1的派息次數在這4年間總共50次，佔比僅1%。總體看上市公司現金股利分派的力度是較小，整體上的分布類似於雙峰曲線。
四、 研究設計
(一) 研究假設 (1)現金股利和盈利水平。盈利是股利支付的基礎，股利是企業對累計盈利的重要分配方式之一。同時公司法也規定年度累計凈利潤必須為正數時才可發放股利，以前年度虧損需要足額彌補。霍曉萍(2012)發現過去研究文獻幾乎都證實了盈利和現金股利水平之間的正向關系，公司越具有長期穩定的盈利越傾向於發放更多的現金股利，因此有如下假設：
假說1：股利支付率和每股收益之間正相關
(2)現金股利和公司規模。公司規模的擴張往往是業務和盈利擴張的結果，因此大規模的公司更有可能產生相對穩定的盈餘用於利潤分配。同時大公司往往具有更多的業務組合，不同的資產組合一定程度上分散了風險，從而更容易有穩定充裕的現金流。而劉孟暉等(2008)的研究也表明，公司規模是股利分配的重要因素。因此有如下假設：
假說2：股利支付率和公司規模之間正相關
(3)現金股利和貨幣資金。代理理論認為在現金充裕的情況下，管理者具有過度投資或者用於享樂的傾向，從而損害了股東的利益。布萊克(1976)的實證研究也認為現金股利的支付減少了管理層對現金的自由支配，抑制了公司潛在的過度投資問題，所以現金股利是降低代理成本的重要工具之一。因此，認為貨幣資金充裕的企業會在股東的要求下分配現金股利，減少代理成本。另外現金股利分配本身會減少企業的貨幣資金，因此貨幣資金持有量的多少會直接影響股利的分配。因此有如下假設：
假說3：股利支付率和貨幣資金正相關
(4)現金股利和股權結構。掏空理論認為控股股東會利用一些手段轉移上市公司資源，而股利政策往往成了掏空的合法手段之一。閻大穎(2004)也發現上市公司股利政策傾向和股權集中度顯著相關，現金股利是非流通股東轉移財富的主要方式。因此假設：
假說4：股利支付率和股權集中度具有正相關關系，每股現金流和非流通股比例正相關
(5)現金股利和債務水平。有序融資理論認為企業最優的融資方式是盡可能尋求內部融資，其次是債務融資，最後才是權益融資。因此，認為企業具有優先使用盈餘償還債務的傾向，而不是分配股利後再融資以新債償舊債。因此債務水平較高的企業，在未來融資能力水平一定的情況下，會處於資金流動性的考慮減少當前的股利分配。於是假設：
假說5：股利支付率和債務水平具有負相關關系
(6)現金股利和成長性。成長性好的公司，需要更多的資金來擴展業務規模，因此更傾向於留存企業的利潤用於企業未來的發展，從而減少當期的股利分配。股利的生命周期理論也認為處在成長期的企業會減少企業的紅利分發，因此假設：
假說6：股利支付率和企業成長性具有負相關關系
(7)現金股利和公司風險。具有更確定的穩定盈利的公司能夠支付較為穩定的股利，而面臨更大的經營風險的公司則會傾向於保留已有的盈利來應對未來的不確定性。股利是公司當前和未來盈利的一個信號，具有較高風險的公司對未來的盈利持謹慎態度而會減少當期的股利發放。因此有如下假定：
假說7：股利支付率和企業的經營風險負相關
(二)變數定義與模型構建 本文建立模型(基本模型)如下： DPO=α + β1EPS + β2SIZE + β3LEV + β4T - Q + β5NCR + β6SSP + β7CPS + β8OC + β9BR + β10OER + ε
變數定義如表(4)所示。使用SPSS中分層回歸的方法，使用不同的變數組合檢驗擬合優度和β顯著性。
(三)樣本選擇與數據來源 本文選用A股市場中2007年至2011年度發放現金股利公司，剔除了在該期間被ST和金融類的上市公司。定義一家公司發放一次現金股利為一個樣本，剔除數據不全的樣本之後，有效的樣本量為 4930個。
五、實證檢驗分析
(一)描述性統計 這些樣本的描述性統計如表(5)所示。
(二)相關性檢驗 為了識別主要的影響變數以建立模型以及排除多重共線性的影響，先做了變數之間的相關性檢驗。從表(6)可以看出：與派息比顯著正相關的變數有EPS(每股收益)，CPS(每股貨幣資金)，和派息比顯著負相關的有LEV(資產負債率)，其餘變數需要進一步的回歸分析才能准確判斷。變數之間相關性較小，初步判斷變數之間不具有多重共線性。
(三)回歸分析 用SPSS統計軟體對變數進行回歸，我們得到了如下模型的統計結果表(7)、至表(9)：從上面的回歸結果可以看出，該模型整體較好地擬合了分派現金股利的影響因素，Adjusted R Square 為0.49，F檢驗結果為在0.05的置信水平上顯著。從膨脹系數和可容忍系數來看，各變數之間不存在共線性。模型的殘差正態性檢驗通過，同時Durbin-Watson檢驗系數為1.365，序列不存在自相關性，模型擬合較好。另外為了檢驗模型中解釋變數的穩定性，對變數做了不同的組合進行分層回歸，見表(10)的模型1至模型5。其中，模型1是基本的回歸模型，綜合考慮了所有變數;而模型2剔除了模型1中不那麼顯著的SIZE(資產規模)以及SSP(國有股佔比);模型3進一步剔除了BR(經營風險)，所有變數均在0.01的置信度水平上顯著;模型4重新引入經營風險，在0.01水平上顯著;模型5重新引入SSP(國有股持股比例)，在0.01置信度上顯著。可以發現盡管模型中變數不斷增減變化，但是變數的貝塔符號和顯著性變化很小。模型整體上比較穩定。 六、結論與建議
(一)結論 本文研究得出如下結論：每股收益是影響現金股利水平的最重要因素，與現金股利發放水平顯著正相關。公司的現金股利的基礎是公司的盈利，盈利越多，發放的現金股利也會更多。企業貨幣資金持有量對現金股利具有顯著影響，持有較多貨幣資金的企業傾向於發放更多的股利，兩者關系顯著為正。同時企業在發放現金股利的時候，也會考慮自身的債務，負債比率越高的企業，更傾向於少發股利，用盈餘償還債務。債務水平和現金股利水平具有顯著的負相關關系，這一定程度上驗證了優序融資定理。從股權結構來看，非流通股的比例對現金股利水平有顯著的影響，非流通股占總股本的比例越高，企業發放的現金股利越多，證實了A股市場上的確存在非流通股股東利用股利掏空上市公司的現象。在股權非流通的情況下，股東利用合法的股利來給自己輸送利益幾乎成了主流的選擇。同時還可以從模型中看到，第一大股東持股比例越多，企業發放現金股利越積極，現金股利水平和第一大股東持股比例顯著正相關。而往往第一大股東持有的股份很多是非流通股或者處於控股權的考慮根本就很少用於日常交易，股利的發放無疑是大股東定期回報的重要手段，他們具有利用股利掏空上市公司的動機。同時研究也發現，國有持有的股份越高，現金股利發放的水平越偏低，但是兩者的關系並不是特別穩定地顯著。另外與別的研究結論不同的是，本文並沒有發現公司規模和現金股利水平之間的顯著關系。但是企業的成長性和現金股利有比較顯著的負相關關系(在0.1的置信水平上顯著)，說明企業的現金股利政策會考慮未來業務增長的資金需求，處在成長期的企業傾向於發放更低的現金股利。之所以選擇主營業務的年增長率作為變數，主要考慮到中國資本市場的效率性有待商榷，用依賴於股價估計出來的市凈率或者托賓Q來衡量增長性和企業實際的情況可能偏差較大。同時發現企業經營的風險是決定股利政策的一個重要的變數，從回歸模型中可以看出，企業盈利的波動性越大，面臨的經營風險越高，在股利決策上就會越趨於保守，發放較少的現金股利。
(二)建議 本文提出如下建議：上市公司要根據自身的資金需要以及投資者的回報要求來平衡企業的股利政策。處在成長期或者具有較高經營風險的公司應該保留足夠的現金來滿足未來可能面臨的資金需求，應對業績的波動。同時企業應該在債務較高的情況下減少股利的發放，平衡股東和債權人的利益。股權結構和股權的性質對公司的股利政策具有重要的影響，上市公司應該不斷地完善公司的治理結構，防止大股東利用控制權掏空上市公司，造成股價下跌，小股東受損。本文實證結果支持了股利的掏空理論，對於監管機構而言，應該建立和完善市場法制制度，保護中小投資者的利益，這樣才有利於資本市場的健康發展。對於股權集中，同時又超出自身盈利能力超發股利的公司要重點監察，防止大股東利用公司的股利政策掏空上市公司。要完善股利政策決策披露制度，讓股利分配變得更加透明化。同時鑒於國內資本市場整體分紅比例偏低的問題，應該在政策上積極引導上市公司分紅，增加分紅的積極性。例如實行差別的分紅稅收制度，降低長期投資分紅的紅利稅，一定程度上能降低A股市場上的炒作氛圍，讓股利成為股票收益的重要部分，有利於市場對公司的理性估值，提升資本市場效率。
【摘要】本文運用回歸分析法，分析了我國上市公司股利政策傳遞盈利能力有效性的影響因素，從不同的行業和不同的經濟環境兩個方面來分析，比較了在各行業和不同的經濟環境中的股利政策有效性。通過實證分析得出穩定的行業較波動和風險較大的行業、牛市較熊市的股利政策的效果更加。
【關鍵詞】股利政策有效性行業經濟環境
一、引言及文獻回顧
股利分配的比例和方式不僅影響著短期股價，而且會對公司未來的盈利能力、企業價值產生較大的影響。股利政策信號傳遞理論認為，公司經營者與外部投資者之間存在著信息不對稱的現象，經營者擁有外部投資者所不知道的有關企業的信息，如企業未來現金流量、投資機會、市場前景、盈利能力等，而這些信息會影響投資者的投資決策。因此，經營者通過股利政策來傳遞這些信息。高質量的公司往往願意通過相對較高的股利支付率和現金股利把自己同低質量的公司區別開來，以吸引更多的投資者。對市場上的投資者來說，股利政策可能成為反映公司質量的信號。如果公司連續保持較為穩定的股利支付率，那麼投資者就可能對公司未來的盈利能力有較樂觀的預期。也即，上市公司可以通過股利政策來向市場傳遞公司前景的利好消息。
對於股利政策信號傳遞的有效性，一直是國內外學者研究的熱點。許多研究運用事件分析法或者回歸分析的方法來檢驗公司業績產是否會對股利發放產生反映。Aharony等 (1994)研究發現，增加股利的公司比股利不變的公司在股利公告後的年度實現了更大的未預期收益，而減小股利的公司情況正好相反。Nissim等 (2001)研究了美國 1964―1997年大樣本公司的股利變動與未來收益，發現股利變動傳遞了未來收益信息。Kimie等 (2005)對大樣本日本公司的股利變動與經營業績及長期股票收益的相關性檢驗發現，股利變動與其後的經營業績一致。這些研究結論都支持股利變動傳遞了公司未來盈利的信息。近年來，中國學者借鑒國外相關研究成果，對此進行了廣泛的研究。大部分學者認為，公司股利政策傳遞了公司未來經營業績的信息 (鍾田麗等，2003;王勇，2006;李卓等，2007)。劉銀國通過實證研究得出股利政策尤其是現金股利在一定程度上反映了上市公司盈利的信息，具有一定的“信號顯示”功能，從而上市公司高派現有助於公司績效的提高。
但是，對於影響股利政策有效性的因素，如行業背景、經濟環境、公司發展、股利高低等的研究卻相對較少。同樣的股利政策在不同的時期、不同的背景下可能會有不同的結果，對其進行研究有利於更加深入了解股利政策的效應發揮條件和影響因素。本文正是從這個角度出發，考慮了行業和經濟環境兩方面因素的影響，分別對不同行業和經濟環境下的樣本的股利政策有效性進行了實證研究，以考察它們對股利政策有效性的影響情況。
二、研究設計與樣本選取
(一)研究變數
由於上市公司的經營目標不是股價的短期上升，因此股利政策的目標也不是股利政策發放時公司的短期的股價上漲，而是公司的長期盈利能力的提高。股利政策的連續穩定性是股利政策能否有助於公司盈利能力提高的關鍵。因此本文所選取的樣本均至少連續三年發放股利，所選股均為A股。
1.行業的影響
不同的行業有不同的特點，為了研究不同行業股利政策的不同效果，本文將樣本分為製造業、電力、交通運輸業、信息技術業、金融保險業、社會服務與文化傳播業六大行業，考慮到經濟環境的平穩性，選取了04至06年的年度數據，以每股股利表示公司的股利政策，以凈資產收益率表示公司的盈利能力。
2.經濟環境的影響
經濟環境主要分為牛市和熊市。本文分別用2001-2002年和2007-2008年的相同樣本的數據來考察熊市和牛市對股利政策有效性的影響。同樣以每股股利表示公司的股利政策，以凈資產收益率表示公司的盈利能力。
(二)研究方法
本文主要採用多元回歸分析法，將不同影響因素下的變數分別回歸，然後比較其結果。多元線性回歸分析主要用於探討單個變數與多個自變數之間的關系，目的在於分析他們之間是否存在顯著的線性相關性。上市公司股利政策的變化是否提高了公司的盈利能力，考察的是單個因變數與多個自變數之間的關系，因此選用該模型是較為合適的。回歸基本模型如下：
其中表示t期的凈資產收益率，表示滯後一期的凈資產收益率，、表示t期和滯後一期的每股股利，表示常數項，表示隨機誤差項。
三、實證結果與分析
(一)行業的影響
1.整體分析
通過不同行業的樣本的回歸，以2006年的凈資產收益率為被解釋變數，以2005年的凈資產收益率、2005年的每股股利、2006年的每股股利為解釋變數進行回歸，得到如下結果：
從上表可以看出，首先，凈資產收益率存在顯著的自相關性，表現為一階滯後項顯著，所有行業的凈資產收益率一階滯後項系數的P值為零。其次不同行業的盈利水平對股利政策的反映程度不同。其中，製造業對於當期股利和滯後一期股利均顯著，P值均為零。其餘行業企業的股利政策對於盈利水平均不是很顯著，當期顯著水平由高到低依次為社會服務和傳播文化業、電力、交通運輸業、信息技術業、金融保險業;滯後一期的顯著性水平由高到低依次為電力、社會服務與傳播文化業、交通運輸業、信息技術業、金融保險業。製造業是我國的一大產業，對我國的國民經濟有著重大影響，因此勢必要求其發展是相對穩定和健康的，而電力、交通運輸和社會服務與傳播文化中存在著壟斷的成分或國有成分佔比較大，因此其發展也相對較穩定。十分明顯地，穩定性越強，風險越小的行業其股利政策的效果越明顯，即公司的盈利水平對公司的股利政策的反映較大。可能的原因是這些相對穩定的行業風險較小，波動也較小，因此它們的股利政策相對於其它行業的企業而言，更容易使投資者抱有良好的預期;另一方面這些企業本身的業績也較為穩定，因此它們的盈利水平對股利政策有著較好的反映。而信息技術業和金融保險業相對來講風險較大，容易受其它因素影響而產生波動，因而盈利水平對股利政策反映較差。
(二)經濟環境的影響
在不同的經濟環境中，一方面企業的發展會受到不同環境因素的影響，另一方面投資者也會根據不同的經濟環境作出不同的預期。因此在研究股利政策的有效性時有必要考慮宏觀經濟因素的影響。本文分別取了最近一次牛市和熊市的數據進行回歸分析，結果如下：
從表2、表3中可以看到，不管是當期還是滯後一期的每股股利，在牛市中，其顯著性均明顯高於熊市，即股利政策在牛市中更為有效。可能的原因是在牛市中公司本身發展良好，股價上升促進公司發展，從而使公眾具有良好的預期，進而增加投資，這樣又會進一步地促進公司發展。而在熊市中盡管公司會通過股利政策來傳遞公司的利好消息，但是公眾的預期受宏觀經濟環境影響而普遍較差，因而股利政策無法充分發揮其應有的作用。在表4中，08年的每股股利系數為負，而08年下半年開始股市下滑，因此這也是股利政策對經濟環境變化的反映。
四、結論
分析結果顯示，公司的股利政策對其盈利能力有一定的解釋力，且系數均為正，說明股利政策對公司盈利能力的提高具有一定的作用，這在一定程度上也反映了股利政策的信號傳遞理論。上市公司的經營業績一般都具有連續性，在實證研究中主要表現為每股凈資產收益率存在較高的自相關性。因此上市公司股利政策對公司未來的盈利能力是有促進作用的。
更進一步地，對於不同行業，不同經濟環境下的公司股利政策有著不同的效果。分析顯示，越是穩定、風險越小的行業其股利政策的效果越是明顯，即公司的盈利水平對公司的股利政策的反映較大;而信息技術業和金融保險業相對風險較大，容易受其它因素影響而產生波動，因而其股利政策作用也較弱。另外，在牛市中，每股股利顯著性均明顯高於熊市，即股利政策在牛市中更為有效。以上說明行業和經濟環境對股利政策的有效性有著較大的影響。當然公司本身的經營狀況、以及股利水平的高低等其它因素也會影響到股利政策的有效性，根據其它的文獻研究表明，一般情況下公司本身經營狀況好、股利水平高的公司，其股利政策的效果也較好，這里不具體展開進行分析。
對於我國來講，我國股市尚處於發展階段，上市公司股權結構尚不成熟，市場運行、行業監管等方面也尚待完善，股利政策在一定程度上不能如實反映上市公司的財務信息。另外，也存在一些上市公司為了短期利益而採用不配或超能力分配股利的現象，這不但會損害投資者的利益，從長期利益考慮，也將損害公司的穩定發展。因此完善市場，完善公司治理，才能使股利政策發揮應有的作用。