预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

第PAGE\*Arabic\*MERGEFORMAT14页共NUMPAGES\*MERGEFORMAT14页 政府制度对沪市股价的影响 摘要上市公司派现是近年来中国证券市场的热点之一,2000年年报中一个显著的特点就是上市公司高比例的派现分红,与往年的重筹资轻回报的做法形成了鲜明的对比。笔者研究了1993-2001年间中国上市公司的股利政策,发现在2000-2001年发放现金股利的公司数量和比重都明显地增加。但是这种派现方案并不被市场一致看好,这和国外的情形有很大的不同。论文将从政府政策、分红历史、经营业绩和股权结构等多方面探讨上市公司股利政策变化的原因,并运用事件研究法和fama-french三因子模型,就政府政策公告对股价的影响作进一步的定性定量分析,以期为中国证券市场提出有建设性的政策建议。关键词:股利政策异常收益fama-french三因子模型1.引言国内外学者在股利政策对股价的影响这个问题已经做了大量的研究,millerandmodigliani(1961)[1]的经典研究指出,在完全资本市场假设下,公司的股利政策不会影响其市场价值。后来的学者在“股利隐含的信息内容”(theinformationcontentofdividend)方面做了大量的研究。watts(1973,1976)[2][3]使用年资料来研究,发现在股利公告前后几个月内,未预期到的股利变化几乎没有股价的异常收益;pettit(1972,1976)[4][5]使用季资料,发现股利公告有显著的股价异常收益。后来,学者放宽了完全资本市场的假设,考虑了税收影响、代理成本(easterbrook,1984)[6]、信息不对称(millerandrock,1985[7])和常客效应(mukeshbajaj,1990)[8]等来解释现实中股利政策对股价的影响。harrydeangeloandlindadeangelo(1990,1992)[9][10]研究了1980-1985年间美国很多上市公司减少股利发放的现象,认为这些公司的股利政策有助于预测其将来的收益。famaandfrench(2001)[11]对1926-1999美国上市公司股利政策的历史变化做了详尽的研究,指出1999年美国发放现金股利的公司急剧减少是由于上市公司的特性发生了变化:低收益性、高成长性的小公司所占比重越来越大,它们更趋向于不发放现金股利。笔者研究了1993-2001年间中国上市公司的股利政策,发现在2000-2001年发放现金股利(即派现)的公司数量和比重都明显地增加。这与美国的情况相反。笔者认为这种变化与中国证监会的政策变化有关,并作了深入的研究。本文主要目的是。通过对证监会政策公告的事件研究,运用fama和french的三因子模型计算股价的异常收益,检验政府政策和股利政策对股价的影响。本文结构如下。第二部分描述本文的研究方法;第三部分讨论数据与样本选择问题;第四部分给出实证结果;最后,第五部分是文章的结论。2.实证方法和模型本文采用事件研究法通过fama-french三因子模型来检验证监会的政策公告对股价是否有影响。首先我们选择事件发生以前股价和大盘指数的数据来校准(calibrate)三因子模型,然后用校准后的模型来预测事件发生后每天的股价变动。在较短的时间内,整个经济结构应该是一样的。如果股价变化显著,就可以得出结论:该事件包含了影响股价的重要信息。2.1fama-french三因子模型fama-french三因子模型假设单个风险资产与市场资产组合的关系如下:其中:为资产i在时间t的收益率;为时间t的无风险收益率;是时间t的市场收益率;为时间t的size因子的模拟组合收益率;为时间t的book-to-market因子的模拟组合收益率;为误差项,服从n(0,δ2)的正态分布。我们可以用多种系统估计的方法来检验ff因子模型,本文则采用最小二乘估计(ols)方法。2.2校准(calibration)我们用事件发生前180天(-180,0)的数据来估计三因子模型的系数:、si和hi。然后用事件发生后90天(0,90)的数据(rmt、rft、smbt和hmlt)代入模型来计算异常收益(ar,abnormalreturn)和平均异常收益(aar,averageabnormalreturn):,t=0,1,2,3,……,t.累计平均异常收益(caar,cumulativeaverageabnormalreturn)为:平均异常收益(aar)的假设检验是:h0:ha:aar的t统计量为:~此处,t=0,1,2,3,……,t.累计平均异常收益caar的假设检验是:h0:ha:caar的t统计量为:~此处t=0,1,2,3,……,t.3.数据3.1背景2001年3月28日公布