影响农产品加工类上市公司股价的因素分析——基于公司财务绩效的视角

张 勇

（苏州大学 东吴商学院，江苏苏州 215021）

一、引言

随着我国农业现代化发展背景下农业产业链的不断拉长，农产品加工行业成为链接农业生产和农产品销售的重要环节。而众多诸如“龙头企业+农户”、“龙头企业+合作社+农户”等新型组织形式中的“龙头企业”即为我国A股市场农产品加工板块上市公司的主要组成部分，此类上市“龙头企业”的股市表现不仅影响公司自身发展及其股东的权益，更为重要的是直接关乎其背后广大农民的利益。众所周知，一个上市公司股价的影响因素是多方面的，直接影响因素表现为股票市场买卖双方的供求关系，内在因素则包含了上市公司经营状况、经济因素、政治因素、交易内幕等，其中根本因素就是上市公司的经营状况，而上市公司披露的财务信息则是反映公司经营状况的主要依据。那么，从微观层面来看，农产品加工类上市公司的股价变动情况与公司财务绩效指标之间存在怎样的关联？本文试图通过对我国A股市场农产品加工类上市公司进行财务绩效和股价的实证分析客观地反映出这种关联。选取我国沪深A股市场20家农产品加工类上市公司作为研究样本，运用多元线性回归的研究方法逐步筛选出影响显著的自变量，并在拟合优度检验、显著性检验和异方差检验的基础上构建回归方程，给出研究结论。

当然，本文尚存在诸多不足之处，其中较为显著的是在进行回归模型检验时，需对原始数据进行无量纲化处理以保证不同量纲下数据的一致性且并不影响分析结果的可靠性，但在模型构建时为了直接、真实地反映出因变量与自变量的关系又不得不采用原始数据，这样在数据处理上难免会有拖沓冗杂之嫌。

二、文献综述

关于财务绩效对上市公司股价影响的研究文献很多，特别是在国外学术界此类研究起步较早。早在20世纪60年代末期，国外学者就研究了股市的超额报酬率与非预期会计信息之间的关系[1]（Ball＆amp;Brown，1968）；到上世纪90年代末，开始出现运用股票价格取代收益率作为因变量，研究公司财务信息与股票价格的直接关联[2]（Oh lson＆amp;Penman，1992）；进入21世纪，借助不断成熟的统计分析技术，研究此类问题的方法更趋多样化，例如基于公司披露的财务数据，结合数据分析技术与多标准分析方法引入一个金融决策辅助方法，构建多目标决策支持系统[3]（Nikos Kalogerasetc.2005）；而更为常见的是采用相关性分析、因子分析和多元线性回归分析相结合的统计方法[4]（A.Vijayakumar，2010）。

近年来，国内学术界具体针对农业类上市公司财务绩效与股票价格之间关系的相关研究同样不在少数。王樾（2009） 考察了2007年6月到2008年9月四个季度我国A股市场20个农业类上市公司的样本数据，采用多元线性回归分析并进行多重共线性、异方差的检验与修正，结果证明显著影响我国农业类上市公司的股价变动的基本因素包括市净率，净资产收益率，资产负债率，流通A股股数和股东总户数[5]；赵晨光等（2010） 则采用逐步筛选（Stepwise） 的回归方法，同样以我国农业类上市公司为分析样本，得出影响股价的主要因素是总资产增长率和毛利率[6]；鲜倩等（2012）对2006年我国股权分置改革以后的股价和财务信息之间的关联进行研究，在以股价和财务指标之间的相关性确定强相关因子的基础上进行多元线性回归分析，得出综合财务指标对股票价格基本上没有解释力的结论[7]；在进行多元线性回归自变量确定的操作上，本文更倾向于采用SPSS统计软件逐步筛选（Stepwise） 的回归方法（赵晨光等，2010），而不主张先对若干财务指标与股票价格进行相关性强弱的人为筛选，再确定强相关因子进行多元线性回归（鲜倩等，2012），因为通过这个流程建立的模型并不能保证自变量系数的显著性。

此外，现有文献中几乎鲜有涉及农产品加工企业股价与财务指标之间关系的实证研究，更多的是基于公司治理层面管理绩效、市场绩效以及技术效率等方面的研究。例如，姜会明、王振华（2012）运用数据包络分析方法（DEA）研究农产品加工企业的技术效率差异[8]；王亚静等（2010）从行业盈利能力、资产质量、债务风险和经营增长等四个方面对湖北省农产品加工行业的产业绩效进行了研究[9]，等等。本文试图通过实证分析细化研究农产品加工类上市公司的股价影响因素。

三、研究设计

1.样本选择

本文选择我国沪深A股市场农产品加工板块的股票作为研究样本。目前此板块共有28只股票，基于股票价格波动的稳定性以及统计数据的序贯性考虑，防止异常样本影响研究结论，现剔除以下样本：

（1）创业板上的四只股票，分别是晨光生物（300318）、量子高科（300149）、朗源股份（300175）、万福生科（300268）。

（2）一只ST特别处理的股票，*ST中基（000972）。

（3）两只期间有过停牌记录的股票，金健米业（600127）和华资实业（600191）①。

（4）一只数据不完整的股票，正虹科技（000702）②。

以最终剩下的20只股票作为本文的研究样本。

2.指标选择

反映上市公司财务状况的指标很多，本文分别从上市公司的盈利能力、发展能力、营运能力、偿债能力等四个方面选取反映公司财务绩效的指标，共计11个。具体如表1所示。其中，偿债能力指标选取一个短期偿债能力指标流动比率和一个长期偿债能力指标资产负债率。

3.数据来源

本文涉及的财务指标数据均来自于上海证券交易所和深圳证券交易所公布的上市公司季度报告和年度报告，部分从报表中无法直接取得指标项目为笔者根据季度报告和年度报告数据计算而来，包括主营业务毛利率=（主营业务收入净额-主营业务成本）/主营业务收入净额；总资产增长率=（期末资产额-期初资产额）/期初资产额；应收账款周转率=营业收入/平均应收账款余额，其中，平均应收账款余额=（应收账款余额年初数+应收账款余额年末数）/2；存货周转率=营业成本/平均存货余额，③其中，平均存货余额=（存货余额年初数+存货余额年末数）/2；流动比率=流动资产/流动负债。样本选取的时间跨度为2012年第一季度到2013年第一季度，共5个季度；股票价格数据来自同花顺股票交易软件，取每季度末最后一个交易日的收盘价。

表1 上市公司财务绩效指标

4.研究方法

首先，由于原始数据财务指标的量纲并不一致，例如主营业务毛利率用百分比表示，摊薄每股收益的单位是“元”等等，这使得变量之间不具有综合性，故采用Z标准化方法对原始数据进行无量纲化处理。Z标准化方法即将每一变量值与其平均值之差除以变量的标准差，无量纲化后的变量均值为0，标准差为1，从而消除了量纲和数量级的影响。

其次，对处理得到的数据运用SPSS19.0软件进行逐步回归筛选（Stepwise），得到模型的自变量。并且针对回归模型进行拟合优度检验、回归方程的显著性检验、回归系数的显著性检验以及异方差检验。其中，异方差检验采用计算Spearman等级相关系数的方法，即在得到残差序列后，取其绝对值，然后计算出残差序列和预测值序列的秩，再通过计算Spearman等级相关系数，查看结果中给出检验统计量的p值是否小于显著性水平（通常为0.05），如果p值小于显著性水平，就认为残差与解释变量间存在着相关关系即出现了异方差，反之则没有出现异方差。

最后，通过分析检验结果，得到不同季度期间的回归方程，并结合回归方程给出本文实证研究的结论。值得注意的是，本文在进行相关实证检验时为消除量纲和数量级的影响采用无量纲化处理后的数据，而在确定回归方程时为确保直接、真实地反映出模型的现实意义，选择采用原始数据构建回归方程。

5.模型构建

假设股票价格为因变量，用Y表示，财务指标为自变量，用Xi表示，自变量系数用bi表示，b0表示截距，εj表示随机误差项，其中i∈[1，11]。

构建多元线性回归模型如下：

Y=b0+b1X1j+b2X2j+…biXij+εj i∈[1，11]，j∈[1，20] 方程1

模型的构建基于以下几点假设：

假设一：盈利能力指标主营业务毛利率（X1）、摊薄每股收益（X2）、每股净资产（X3）以及净资产收益率（X4）均与股价呈正相关关系。

假设二：发展能力指标主营收入增长率（X5）、净利润增长率（X6）和总资产增长率（X7）

均与股价呈正相关关系。

假设三：营运能力指标应收账款周转率（X8）和存货周转率（X9）均与股价呈正相关关系。

假设四：偿债能力指标流动比率（X10）与股价呈正相关关系，资产负债率（X11）与股价呈负相关关系。

四、实证研究

在对原始数据进行无量纲化处理的基础上利用SPSS19.0逐步回归功能筛选出的自变量如下：2012年第一季度，选出的自变量为每股净资产、主营业务毛利率和总资产增长率；2012年第二季度，选出的自变量为每股净资产和摊薄每股收益；2012年第三季度，选出的自变量为每股净资产和主营收入增长率；2012年第四季度，选出的自变量为每股净资产和主营收入增长率；2013年第一季度，选出的自变量为每股净资产和主营收入增长率。

1.回归模型的拟合优度检验（结果如表2）

2012年第一季度到2013年第一季度这五个季度调整后的 R2分别为 0.731、0.579、0.577、0.582、0.635，模型的拟合优度总体良好。Durbin-Watson统计量是检验回归方程中残差间的相关性的，当DW值越接近2时，残差项之间越无相关性。表中所示的五个回归模型中的DW值均超过1.5，可以基本认为各模型的残差是独立的。

2.回归方程的显著性检验（结果如表3）

从表3可以看出五个季度的F统计值分别为18.2128、14.0577、13.9716、14.2191 和 17.5117，其sig值均小于0.01，表明回归模型在1%的显著性水平下明显显著。

3.回归系数的显著性检验（结果如表4）

表2 回归模型拟合优度检验汇总

表3 Anova

表4 回归系数

表4中，B值表示常量或自变量的系数值，sig为系数的显著性概率值，其中发现2012年第三季度和2013年第一季度的常量sig值分别为0.26和0.7396，是大于0.05的，可以认为这两个季度回归模型的常量是显著等于0的；由于采用的是逐步回归处理方法，故自变量的回归系数均在5%水平上显著，其中，2012年第三季度的回归模型中每股净资产系数、2012年第四季度所有自变量系数和2013年第一季度的每股净资产系数均在1%水平上显著。

4.异方差检验，通过计算Spearman等级相关系数（结果如表5）

从表5可以看出，残差序列绝对值的秩与预测值序列的秩的双尾检验概率值分别为0.75，0.15，0.30，0.45和0.97，均大于0.05，表明在5%显著水平下残差与解释变量间并不存在显著相关关系，即不存在异方差。

综合上述分析，无量纲化后的数据均通过了拟合优度检验、显著性检验以及异方差检验，因此，本文认为可以建立显著的且不存在异方差的回归模型，根据表4采用原始数据回归得到回归系数，建立的模型如下④：

2012年第一季度：Y=6.6941+1.1667X3+53.1347X1+22.4589X7方程2

2012年第二季度：Y=5.2595+1.0997X3+12.6958X2方程3

2012年第三季度：Y=1.7325X3+13.0940X5方程4

2012年第四季度：Y=3.3472+1.4370X3+11.5128X5方程5

2013年第一季度：Y=2.1175X3+11.6394X5方程6

五、结论

根据上述实证研究，总结得出以下几点结论：

第一，从逐步回归筛选出的自变量可以发现，五个模型的自变量中均包含每股净资产（X3），这有力地说明了农产品加工类上市公司股价的波动明显受到公司每股净资产的影响，并呈现显著的正向相关关系。

第二，五个模型中涉及的所有自变量指标（X1、X2、X3、X5和X7）均属于盈利能力指标和发展能力指标，因此可以认为，农产品加工类上市公司的盈利能力和发展能力从根本上决定了公司的股价。

第三，从时间顺序上来看，2012年第一季度到2013年第一季度自变量由前两个季度的每股净资产、摊薄每股收益、主营业务利润率和总资产增长率变为后三个季度一致的每股净资产和主营收入增长率，而且发展能力指标对股价影响的显著性呈增强趋势，sig值从2012年第一季度的总资产增长率的0.0238到后三个季度主营收入增长率的0.0158、0.0091和0.0155，表现为公司的发展能力显得越来越重要，与盈利能力共同作用于股价变现。

注释：

① 金健米业（600127）于2012年12月20日停牌至2013年2月8日；华资实业（600191）于2012年8月21日停牌至2012年11月26日。

②正虹科技（000702）缺失第三季度的应收账款项目。

③存货周转率有两种不同计价基础的计算方式，一是以“收入”为基础判断短期偿债能力；二是以“成本”为基础评估管理业绩。本文将存货周转率用作公司营运能力的指标，故采用以“成本”为基础的计算方式。

④由于2012年第三季度和2013年第一季度的系数检验常数项显著为0，故方程4和方程6中不含常数项。

[1] Ball.R and Brown.P.An Empirical Evaluation ofAccounting Income Numbers[J].Journal ofAccounting Research,1968（autumn）.

[2] J.A.O hlson＆amp;Penman G.A.Valuation and clean surplus accounting foroperating and financialactivities [J].ContemporaryAccountingResearch,1992（11）.

[3] Nikos Kalogeras,George Baourakis,Costantin Zopounidis,Gert van Dijk.Evaluating the financial performance of agri-food firms:a multicriteria decision-aid approach[J].Journal ofFood Engineering,2005（70）.

[4] A.Vijayakumar.Effect of Financial Performance on Share Prices in the Indian Corporate Sector:An Empirical Study[J].Management and Labour Studies,2010（35）.

[5] 王樾.农业类上市公司股价影响因素的计量经济模型分析[J].经营管理者,2009（21）.

[6] 赵晨光,张心灵,范文娟.农业类上市公司会计信息与股价变动的关联分析[J].财会月刊,2010（1）.

[7] 鲜倩,杨文杰,于树鹏.股改后农业上市公司股票价格与财务绩效的相关性分析[J].财会月刊,2012（5）.

[8]姜会明,王振华.农产品加工企业效率——基于吉林省123个企业的实证分析[J].农业经济,2012（9）.

[9] 王亚静,毕于运,唐华俊.湖北省农产品加工产业绩效评价[J].农业技术经济,2010（1）.