1、 探究 GMC 中股价的影响因素小组成员：杨培文，杨思伟，林倩，徐德泉，李小彬，林亨杰目录1、选题背景及意义： 21.1 选题背景 21.2 选题意义 42.数据来源和分析方法 .42.1 数据来源 42.2 数据初步分析和自变量选取 52.3 统计方法说明 53.模型建立及结果分析 .63.1 回归分析 63.2 多重共线性检验 73.2.1 双因素相关性检验 .73.2.2 方差膨胀因子检验 .83.2.3 多重共线性的消除 93.3 序列相关 103.4 残差分析 113.5 最终模型 124.模型的解释及应用 .124.1 模型解释 124.2 给明年 GMC 参赛队伍的建议 125.
2、研究中的不足之处 .126.收获和体会 .121、选题背景及意义1.1 选题背景GMC 国际企业管理挑战赛 20 多年前起源于欧洲，为一年一度的国际赛事。它的宗旨是在全球范围内提高现代化企业管理水平，促进各国企业管理技术的规范化。核心是一套高度完善的电脑仿真系统，模拟标准化市场经济条件下，企业管理至关重要的基本参变量以及在现实市场中无法避免的偶然因素，在此基础上，按照工商管理的基本理论建立一个互动的定量化的模型。该系统是七十年代初由苏格兰五名管理学教授研制开发的，三十年来，经过不间断的更新完善和大力推广，使用过该系统的人员已 达数十万人，遍及全球各地。作为唯一得到欧共体推荐的权威管理系统，国际
3、上许多院校已将其作为培养工商管理硕士（MBA）的教具，许多大公司也将其作为培训管理人才的重要手段该系统的运作方式是：每队由不超过 5 人组成，各经营一家模拟的“ 公司“，每人可以得到一本汉化的经营手册，内容主要包括经营环境、管理报 告、决策单三大部分，其中经营环境部分囊括了经过提炼的企业管理中所遇到的几乎所有问题（经营背景、市场营销、生产与分销、人力资源管理、财务资产和会 计） 。另外，每个“公司“ 还将得到一本历史资料，内容是公司最近 5 个财政季度的决策及经营状况。“ 公司决策层“在认真学习手册和分析历史的基础上对下一财 政季度产品的研制、开发、生产和销售、人员的招聘、提升、待遇以及行政管
4、理、财政投资等一系列问题作出决策。各个同行业“ 公司“的决策单将被同时输入计算 机，经系统综合处理产生下一财政季度“公司“ 的管理报告。该报告将作为“决策层“下一次决策的依据。各公司根据管理报告对下季度的经营作出决策，再次提交计算机处理，并得到第二季度的管理报告 。以此形式循环反复，直到第五季度结束，股价最高者获胜。在 GMC 比赛中股价受多个因素的影响，包括未交付产品数、利润、产品库存、管理费用、净资产、净现金流量等。在本案例中本小组认为利润、产品库存、管理费用、净资产、净现金流量是决定公司股价的主要因素附：各选取变量概念解析：净资产：净资产是属企业所有，并可以自由支配的资产，即所有者权益。
5、企业的净资产(net asset value)，是指企业的资产总额减去负债以后的净额。销售利润：利润（profit)指企业销售产品的收入扣除成本价格和税金以后的余额。净资产收益率：又称股东权益报酬率/净值报酬率/权益报酬率/权益利润率/ 净资产利润率，是衡量上市公司盈利能力的重要指标。是指利润额与平均股东权益的比值，该指标越高，说明投资带来的收益越高；净资产收益率越低，说明企业所有者权益的获利能力越弱。该指标体现了自有资本获得净收益的能力。总资产周转率：是指企业在一定时期内销售(营业) 收入同平均资产总额的比值。总资产周转率是综合评价企业全部资产的经营质量和利用效率的重要指标。周转率越大，说明
6、总资产周转越快，反映出销售能力越强。企业可以通过薄利多销的办法，加速资产的周转，带来利润绝对额的增加。流动比率：也称营运资金比率（Working Capital Ratio）或真实比率（Real Ratio） ，是指企业流动资产与流动负债的比率。流动比率和速动比率都是反映企业短期偿债能力的指标。一般说来，这两个比率越高，说明企业资产的变现能力越强，短期偿债能力亦越强；反之则弱。存货周转率：是企业一定时期主营业务成本与平均存货余额的比率。用于反映存货的周转速度，即存货的流动性及存货资金占用量是否合理，促使企业在保证生产经营连续性的同时，提高资金的使用效率，增强企业的短期偿债能力。1.2 选题意义
7、去年中山大学 GMC 中国区参赛队伍超过 200 支，创历史新高，但是多支队伍均对股价的影响因素并不清楚，对于各个变量之间的重要程度不了解，没有经过量化的分析，单纯地依靠前人留下来的一些经验。本小组试图通过此次研究，探究 GMC 中公司股价的影响因素，从而为参与 GMC 比赛的同学提出建议。本小组选取了利润、产品库存、管理费用、净资产、净现金流量研究2.数据来源和分析方法2.1 数据来源本案例所取的样本数据来自于 2011 年 GMC 中国区复赛 48 组公司 8，在此感谢霍健恒及陈志义同学提供的管理报告及历史。样本数据如下所示。表一股价Y净资产X1销售利润X2净资产收益率 X3总资产周转率
8、X4流动比率X5存货周转率 X610.33 48594660 495650 2.06% 0.480199 4.350376 23.872410.8 50052790 1458130 6.00% 0.492194 4.342191 27.0293710.71 50004100 -48690 -0.19% 0.422996 5.01894 23.4786610.87 50122410 118310 0.47% 0.432306 4.894593 37.7868910.05 48036280 -2086130 -4.25% 0.873225 2.411187 3.2913359.72 4775990
9、0 -276380 -5.05% 0.851198 2.324307 1.3743799.93 46648520 -1111380 -2.35% 0.392699 2.99845 1.52642910.18 48194350 1545830 3.26% 0.485499 3.242761 2.87869710.71 51100870 2906520 5.85% 0.504645 4.212281 5.3299192.2 数据初步分析和自变量选取对于股价的影响因素，我们选取了以下 6 个自变量作为主要的因子来进行分析净资产：净资产增加意味着公司盈利，一般来说盈利高的公司股价高，预测净资产 X1与
10、股价成正相关关系。销售利润：销售利润增加使公司盈利能力增强，预测销售利润 X2 与股价成正相关关系净资产收益率：净资产收益率越高，公司的销售能力越强，预测净资产收益率 X3 与股价 Y 成正相关关系。总资产周转率：净资产收益率越高，公司的变现能力越强，预测总资产周转率 X4 与股价 Y 成正相关关系。流动比率：流动比率越高短期偿债能力越强，预测流动比率 X5 与股价 Y 成正相关关系存货周转率： 存货周转率高说明公司变现能力及销售能力均强，预测存货周转率与股价 Y 成正相关关系2.3 统计方法说明为了研究以上 6 个自变量对因变量的的影响及影响水平的大小，我们将采取以下的步骤： 首先，我们将利
11、用 SPSS 对样本数据进行多元线性回归，得出回归方程； 然后，使用 F 检验、T 检验、D-W 检验、拟合度和残差分析的统计检验方法对回归方程中的各个自变量进行分析、评估，剔除不能通过检验的自变量，从而得出一个最优的多元线性回归方程。3.模型建立及结果分析3.1 回归分析多元线性回归的数学模型为：在本案例中，Y=股价，X1=净资产，X2=销售利润，X3=净资产利润率，X4= 总资产周转率，X5=流动比率，X6=存货周转率， 0为常数项, 是各自变量都等于 0 时, 因变量的估计值； 1、 2、 3、 4、 5是偏回归系数；末项 表示残差。在用 SPSS 求解回归方程时，我们先用最简单的“进入
12、”法，将全部变量全部归入回归方程，对样本数据回归后得到的分析结果如下图：（置信水平设为 0.05）表二表二反映出，模型具有很高的总体拟合度。表三从表三的 T 检验可看出净资产和利润这两个自变量具有较高的显著性；而其他便向则相对不显著通过 SPSS 输出结果，得出回归方程如下Y=-2.635+(2.872e-7)X1-(1.263e-8)X2+0.035X3-0.990X4-0.165X5+0.009X6 综上，方程具有很高调整 R 方，然而流动比率等自变量的回归系数并不显著，可能存在严重的多重共线性。3.2 多重共线性检验3.2.1 双因素相关性检验表四由表四可看出六个变量之间存在较强的相关性
13、。3.2.2 方差膨胀因子检验表五虽然变量间存在着多重共线性，但我们仍需确认这种共线性是否对模型估计有严重的影响，因此我们还进行了 VIF（方差膨胀因子）检验。从表五可以看出，以 VIF5 为标准，净资产、流动比率等变量均存在很大的 VIF。综合以上，我们可以确认方程存在着严重的多重共线性。.3.2.3 多重共线性的消除由于多重共线性已经严重的影响到 t 统计量的显著性，增加了方程估计系数的方差与标准差，大大降低了估计系数的可信度。虽然最好的补救方法是增加样本容量，但由于 GMC 比赛的特殊性只有十期的数据。因此，我们决定采取另一种适当的解决方法删除变量。我们使用了逐步回归的方法来帮助我们删除
14、变量。逐步回归是指在建立多元回归方程的过程中，按偏相关系数的大小次序将自变量逐个引入方程，对引入方程中的每个自变量偏相关系数进行统计检验，效应显著的自变量留在回归方程内，循此继续遴选下一个自变量。如果效应不显著，停止引入新自变量。由于新自变量的引入，原已引入方程中的自变量由于变量之间的相互作用其效应有可能变得不显著者，经统计检验确证后要随时从方程中剔除，只保留效应显著的自变量。直至不再引入和剔除自变量为止，从而得到最优的回归方程。在本案例中，鉴于 6 个自变量之间可能存在较强的相互作用即共线性，因此我们采取逐步回归法对样本数据进行第二次回归，期望消除其多重共线性。结果如下：表六表七经过逐步回归
15、后，从表六可以看出模型的拟合度虽然有所下降，但是调整 R 方仍然有0.909，较好的拟合了变量。从表七可以看出，流动比率是股价最重要的解释变量，其次是净资产，其他 4 个自变量对股价的解释性不强。此外，VIF 统计量降为 2.466。3.3 序列相关D-W 检验表八经过查 D-W 表后发现，d L和 dU分别是 0.629 和 1.699，而我们算出的 d 的均值是2.953，因此不能拒绝原假设，即可认为无正的序列相关。3.4 残差分析图一通过残差正态概率图，我们可以看到，残差数据较紧密地聚集在 45直线附近，因此我们可以推断，残差来自同一个标准正态概率分布。3.5 最终模型经过以上分析讨论，
16、我们最终得出的模型为Y=2.498+（1.440e-7 ） X1+0.219X2（X 1=净资产 X2=流动比率）4.模型的解释及应用4.1 模型解释经过数据的分析，我们确定了上述的模型，该方程说明 GMC 复赛中公司股价主要受净资产和流动比率的影响，具体来讲净资产每增加 1000 万，股价上升 1.44 元，流动比率上升 1，则股价上升 0.219 元。这一回归结果与我们的预测结果相吻合，说明我们在自变量的挑选方面还是比较正确的。同时，该回归模型的调整 R 方为 0.909，也说明自变量已经较好地对因变量财政收入进行了拟合。从实际情况来看，这一模型也是较为符合比赛实际的，历年来净资产和流动比率控制地好的队伍最终股价也都比较高。4.2 给明年 GMC 参赛队伍的建议5.研究中的不足之处6.收获和体会
