影响创业板企业IPO定价的财务因素分析

来源:用户上传      作者: 端木青

　　摘 要：中国创业板是一个新兴的资本市场，股票高溢价发行一直是个普遍现象，创业板公司IPO更是如此。高发行价格导致股市泡沫，使投资者承担更大的风险。本文分析了我国IPO定价过高的原因，并以首批在创业板上市的28家公司为样本，采用因子分析、逐步回归等统计方法构建模型，并分析IPO定价的影响因素。
　　关键词： IPO 创业板企业 影响因素、因子分析、回归分析
　　
　　一、我国创业板公司IPO的现状分析
　　IPO（Initial Public Offering）即首次公开发行，指的是股份公司股票由私人持有转向公众持有，并且在证券交易所挂牌交易，产生股票的市场流动的过程。在创业板上市的公司，具有财务门槛低、发行规模小、对投资者要求高、投资风险大、制度设计与中小板不同等特点。
　　在创业板上司的公司，涉及医疗器械、电子通讯、互联网、生物制药、新型材料等高科技企业。纵观首批在创业板上市的28家企业，虽然大部分已经过了创业时期业绩的不稳定期, 但高发行价和高发行市盈率远超过当年中小板24家IPO公司。这28家公司平均发行价25.43元/股，其中高发行价的有红日药业60元/股，神州泰岳58元/股。而当年发行的24只中小板公司平均发行价为18.88元/股。28家公司平均发行市盈率(摊薄)55.7倍，发行市盈率最低的上海佳豪市盈率也达40倍。
　　二、影响公司IPO定价的内部财务因素
　　(一)盈利能力
　　盈利能力是指企业获取利润的能力，也称为企业的资金或资本增值能力，通常表现为一定时期内企业收益数额的多少及其水平的高低。一般而言，净利润越高，公司的盈利能力越强，与发行价成正比例关系。反映盈利能力的指标一般有每股收益、净资产收益率、主营业务利润率等。
　　(二)偿债能力
　　偿债能力是指企业偿还到期债务（包括本息）的能力。通过对偿债能力的分析，可以考察企业持续经营的能力和风险，有助于对企业未来收益进行预测。企业偿债能力包括短期偿债能力和长期偿债能力两个方面。主要的偿债能力指标有资产负债率、流动比率等。理论上，偿债能力与新股发行定价正相关。
　　(三)规模能力
　　规模能力是反映企业规模大小的指标。这里将总资产、每股净资产、总股本、IPO发行股本等指标归为规模能力。每股净资产与新股发行价格应成正比关系。
　　另外，总股本大，而且非流通股本小，发行价就不会过高；相反，总股本小，而且非流通股本相对来说占有较大的比例，那么股价就可能会被快速拉升。
　　（四）发展能力
　　发展能力不仅关系到企业的持续生存，也关系到投资者未来收益和债权人长期债权的风险程度。发展能力是企业未来价值的源泉。反映增长能力的指标一般有总资产增长率、主营业务收入增长率、净利润增长率，它们与公司股价也成正比关系。
　　三、影响创业板公司IPO定价内部财务因素的实证分析
　　(一)样本的选择
　　本文选取了2009年首批在创业板上市的28家公司的股票数据作为样本。在选取样本数据时，一般采用样本公司首次公开发行前一年完整会计年度的数据。对于部分特殊数据，采用样本公司三个会计年度的平均值。
　　(二)变量的设计与数据来源
　　由于影响新股发行价格的因素非常多，要全面、精确地衡量这些因素非常困难。为了便于取得数据，本文选取了部分影响股票价格的内部财务因素。对数据值较大的因素，如发行后总股本，资产总额等，进行了取以10为底取对数的处理，以减少对其他因素的影响，避免掩盖其他因素对IPO价格的影响，导致回归结果与实际相背离。本文所采用的基本数据来自上市公司年报。
　　1.相关显著性检验
　　表1的上半部分是相关系数矩阵。可以看到，矩阵中存在比较高的相关系数，如每股净资产和每股未分配利润达到了0.9以上，净资产收益率和总资产报酬率的相关系数也达到了0.8以上。表1的下半部分是相关系数显著性检验的p值，其中有不少小于0.05的值，这些都说明原始变量之间存在较强的相关性，具有进行因子分析的必要性。
　　表1相关系数矩阵及相关显著性检验
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　2.因子分析
　　（1）因子分析初始结果。表2给出了原始变量的变量共同度。变量共同度反映每个变量对提取出的所有公共因子的依赖程度。从表2来看，大部分的变量共同度都在80%甚至90%以上，说明提取的公共因子已经包含了原始变量的大部分信息，因子提取比较理想。
　　表2原始变量的变量共同度
　　Communalities
　　
　　
　　
　　
　　
　　
　　
　　（2）因子提取。表3给出了因子分析各个阶段的特征根与方差贡献表。
　　表3特征根与方差贡献表
　　Total Variance Explained
　　
　　
　　
　　
　　
　　
　　
　　
　　（3）旋转因子。表4给出旋转后的因子载荷阵。从表中可以看出，经过旋转后的载荷系数已经明显地两极分化了。
　　因子变量F1基本反映了每股净资产、每股未分配利润、每股收益的情况；
　　因子变量F2基本反映了总资产报酬率、净资产收益率的情况；
　　因子变量F3基本反映了资产总额、发行后总股本、IPO股本总额的情况；
　　因子变量F4基本反映了净利润增长率、主营业务收入增长率的情况。
　　表4旋转后的因子载荷阵
　　Rotated Component Matrix (a)
　　
　　
　　
　　
　　
　　
　　
　　 （4）因子得分函数。表5给出了因子得分系数矩阵，根据表中的因子得分系数和原始变量的标准化值就可以计算每个观测值的各个因子的得分。现将各个原始变量用X1、X2・・・X10来表示，旋转后的因子得分表达式可以写成：
　　F1=-0.207X1+0.053X2-0.079X3+0.009X4+0.108X5-0.067X6+0.437X7+0.181X8+0.377X9-0.377X10
　　F2=0.073X1+0.164X2+0.048X3-0.177X4-0.166X5+0.404X6-0.164X7+0.160X8-0.056X9+0.459X10
　　F3=0.420X1+0.339X2+0.100X3-0.092X4+0.373X5-0.009X6-0.044X7+0.035X8-0.033X9-0.003X10
　　F4=-0.078X1-0.011X2+0.508X3+0.694X4+0.071X5-0.023X6-0.048X7+0.065X8+0.013X9-0.093X10
　　表5因子得分系数矩阵
　　Component Score Coefficient Matrix
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　表6是因子得分的协差阵。根据因子分析的数学模型，因子得分的协差阵应该是单位矩阵，表6证实了这个结论。
　　表6因子得分的协差阵
　　Component Score Covariance Matrix
　　
　　
　　
　　
　　（三）回归分析
　　1.选择模型变量
　　从表7可以看到，模型1为将所有的变量都引入方程，模型2依据给定的判别标准剔除了F4因子。系统默认为当某个解释变量的偏F统计量对应的p值小于等于0.05时引入该变量，当p值大于等于0.1时剔除该变量。

　　表7解释变量筛选过程（向后选择法）
　　Variables Entered/Removed (b)
　　
　　
　　
　　
　　
　　
　　
　　由于F4因子的标准化回归系数Sig＝0.906>0.05，在0.05水平上不显著，不能被引入回归方程。表8为被剔除变量F4的相关数值列表。
　　表8剔除变量列表
　　Excluded Variables(b)
　　
　　
　　
　　
　　2.回归模型确立
　　表9给出了模型2的回归系数估计值、估计值的显著性检验以及容忍度（Tolerance）和方差膨胀因子（VIF）。模型2中的两个回归系数均通过了显著性检验，而且容忍度达到了1（越大共线性越少），方差膨胀因子也达到了1（越小共线性越少），说明模型中的多重共线性几乎不存在，模型十分理想。
　　根据表9的结果，我们可以得出关于IPO发行价格的多因素模型：
　　IPO=25.425+7.835F1+5.399F2+2.985F3
　　F1、F2、F3是因子分析后的因子变量，基本涵盖了每股净资产、每股未分配利润、每股收益、总资产报酬率、净资产收益率、资产总额、发行后总股本、IPO股本总额等信息。
　　表9回归系数估计及其显著性检验（向后选择法）
　　Coefficients (a)
　　
　　
　　
　　
　　
　　
　　3.回归结果检验
　　（1）回归方程的拟合优度检验。表10是2个模型的拟合优度的评价。可以看到，模型2的调整拟合优度（R2）为70.7%，说明该模型从整体上来看是比较显著的。
　　表10 回归模型拟合优度评价（向后选择法）
　　Model Summary(c)
　　
　　
　　
　　
　　
　　
　　（2）回归方程的显著性检验。回归方程的显著性检验是检验因变量与所有自变量之间的线性关系是否显著，是否可以用线性模型来描述因变量和自变量之间的关系。当自变量与因变量存在显著的线性关系，则回归方程显著，即可以采用线性回归的方法。
　　从表11可以看出，模型2的均方误差较小，F统计变量对应的p值为0，小于0.05，说明该模型的拟合程度较好。
　　表11方差分析表（向后选择法）
　　ANOVA(c)
　　
　　
　　
　　
　　
　　
　　（四）回归结果分析
　　从多因素回归模型可以看出,每股净资产、每股未分配利润、每股收益、总资产报酬率、净资产收益率、资产总额、发行后总股本、IPO股本总额对IPO定价有显著影响;另两个的财务指标对IPO的影响比较小。本文采用因子分析对变量进行了拟合，可见，影响股票价格的因素都不是单一作用的，很多情况下都是几个因素综合起作用的。现在普遍采用的市盈率定价方法其实是有一定缺陷的，它并不能完全反映公司的价值。因此，在IPO定价中要充分关注这些影响因素，这样才能使定价更准确地反映公司实际的价值。
　　回归方程中因子变量F1、F2、F3主要代表企业的盈利能力、效益能力。其系数都为正数表示IPO与因子变量的变动呈正相关性，即F1、F2、F3越大的股票，其IPO价格就相对就较高。回归结果标准化后的系数中，F1对股票价格的影响最大，主要代表每股收益，每股未分配利润和每股净资产。可见，公司的盈利能力对IPO价格起决定性作用。目前的定价中，承销商与公司都会比较关注内部的财务因素，特别是公司的盈利能力，而盈利能力也是投资者投资时特别关注的因素。所以，这与实际情况还是比较相符的。
　　因子变量F4反映了企业的经营能力，其未进入回归方程主要是因为在创业板上市的公司普遍规模较小、公司成立时间不长、经营业绩不够稳定，经营能力不被市场上的投资者看好。
　　从上述的回归结果分析中可以看到，IPO定价的影响因素众多，现今普遍采用的市盈率定价方法其实是有一定缺陷的。这种只考虑每股收益和市盈率的方法并不能充分反映一家企业真正的价值。 我们可以借鉴国外IPO定价方式，结合中国国情，努力寻找更加高效、合理的IPO定价方法。
　　
　　参考文献：
　　[1]赵俊强，胡文伟，李湛.创业板市场IPO定价效率研究――来自香港市场的经验证据[J].证券市场导报，2006（7）．
　　[2]杨永光.股票定价理论及在我国的实证研究[J].统计与决策，2001（9）．
　　[3]牛凯龙，李永军.我国IPO定价的实证分析[J].金融市场，2003（7）．
　　[4]丁玫.创业板市场会计信息披露质量标准研究[J].财会通讯.2009（9）．
　　[5]蒋忠成.现行询价制度下我国A股IPO定价效率研究[J].中国国情国力，2009（9）．
　　[6]项艳.我国中小企业板IPO定价的多因素回归分析[J].Journal of Yunnan Finance& Economics University.2006.11:81-83．

转载注明来源:https://www.xzbu.com/2/view-506565.htm