201405 - page 89

北京工商大学学报( 社会科学版)摇 摇 摇 摇 2014 年摇 第 5 期
摇 摇 从表 7 可以看出, 牛熊市指标、 资产负债率、
股权性质和非经常性损益四个解释变量之间并不
存在明显的相关性 ,因而, 直接进行回归分析, 结
果如表 8 所示。
表 8摇 添加非经常性损益变量之后的 Logistic 回归模型结果
变量 系数值( B ) 标准误( S郾 E郾 ) 显著性( Sig郾 ) Exp ( B )
牛熊市指标 0郾 733 9 0郾 309 1 0郾 017 6 2郾 083 1
资产负债率 - 0郾 012 3 0郾 003 9 0郾 001 5 0郾 987 8
股权性质 0郾 957 4 0郾 292 1 0郾 001 0 2郾 605 0
非经常性损益 0郾 067 8 0郾 018 2 0郾 000 2 1郾 070 1
常量 1郾 839 7 0郾 37 47 0郾 000 0 6郾 294 9
摇 摇 从表 8 中可以看出, 非经常性损益的系数为
正, 并且模型回归的显著性非常好,这说明可以拒
绝假设六,认为非经常性损益能够显著影响 ST 公
司的“ 摘帽冶。 即被 ST 后公司的非经常性损益越
大, 公司越容易实现“ 摘帽冶。 同时 ,也应该看到 ,
当在 Logistic 模型中加入非经常性损益变量之后,
其他几个变量的显著性都略有下降, 说明非经常
性损益变量在一定程度上稀释了其他几个变量的
解释力, 这从非经常性损益与其他三个变量的相
关性系数中也可以看出来, 即非经常性损益变量
可能与其他几个变量存在弱相关性。
( 二 )“ 摘帽 冶 对上市公司绩效影响的实证
分析
上文已经分析了“ 摘帽冶 的影响因素, 结果发
现实现“ 摘帽 冶 的未必是优质公司。 基于上述研
究, 对已经实现“ 摘帽 冶 的公司进行实证分析, 来
研究“ 摘帽 冶 对这些上市公司绩效的影响。 本文
把公司绩效分为短期绩效和长期绩效分别加以分
析。 在分析方法上借鉴前人的事件分析法, 不过
将研究的时间区间扩展为 ( - 20,20),以考察“ 摘
帽冶 对公司的持续性影响。 此外 , 在长期绩效的
考察上选择了更为丰富的指标体系, 而不仅局限
于 ROE 这一个惯用指标。
1郾 样本选取和数据来源
由于从被 ST 到实现 “ 摘帽 冶 往往需要 1 ~ 2
年的时间,并且本部分对“ 摘帽冶 长期绩效的分析
需要考察“ 摘帽冶 之后两年的数据, 因此, 只能选
取 3 ~ 4 年之前的 ST 案例。 根据这个原则, 本文
选取了 2007—2009 年被 ST 的案例, 并且这些被
ST 的公司均已经在 2011 年底之前实现“ 摘帽 冶。
此外,考虑到同一家公司连续多次被 ST 和多次
“ 摘帽冶 情况的复杂性 , 在分析中, 剔除上述样本
中有两次及两次以上 “ 摘帽 冶 经历的样本 。 本节
的分析将以 A 股市场为对象,因而对于 B 股的样
本也进行剔除。 最终, 在原始样本中筛选出了 32
个样本公司进行统计。 其中,2007 年 21 个 ,2008
年 5 个,2009 年 6 个。 本文所用到的原始股票交
易数据均来自于 Wind 数据库。
2郾 实证模型及结果分析
(1)“ 摘帽冶 对上市公司短期绩效影响的实证
分析
“ 摘帽冶 对上市公司短期绩效的影响可以利
用事件研究法 ( Event Study) 来分析 “ 摘帽 冶 公告
对公司股票价格的影响程度。
为表述方便,假设公司发布 “ 摘帽 冶 公告的时
点为 0,前 1 天为 - 1, 之后 1 天为 1,依此类推于 。
根据变形之后的 CAPM 公式来构建市场模型:
R it = 琢i + 茁 iR mt + 着it (4)
式(4) 中 R it 表示股票 i 在第 t 日的实际收益
率( 在实践中可以用股票价格的日涨跌幅来表
示), R mt 表示整个 A 股市场在第 t 日的实际收益
率, 琢i 和 茁i 为待确定系数,着 it 是均值为零的随机误
差项。 针对每一只样本股票 ,利用可获取的 R it 和
R mt 数据( 在此选择待研究区间开始之前的 100 个
交易日的历史数据), 根据上述的市场模型, 通过
构建一元线性回归模型来计算待确定的回归系数
^琢1 和 ^茁
2 ,据此就可以预测研究区间内每天的正常
收益率, 即式(5):
E ( R it ) = ^琢i + ^茁iR mt (5)
在此基础上, 再分别计算股票 i 在研究区间
内每天的超额收益率(Excess Return), 即实际收
益率超过正常收益率的部分,用公式(6) 表示。
·48·