基于多元线性回归的MSCI股票收益率影响因素分析
时间：2022-09-03 21:30:03 来源：千叶帆 本文已影响人
摘 要：本文在文献查阅总结基础上，以234只被纳入MSCI指数体系的上市公司为研究对象，分析探究其股票收益率的主要影响因素。选取2015年-2018年1季度的季度数据进行多元线性回归分析、方差分析及t检验。结果表明，净资产收益率、资产规模、沪深300市场指数与股票收益率表现出了较强的相关性，股民在购买股票时应予以重点关注。
关键词：股票收益率;多元线性回归;MSCI指数体系
一、绪论
（一）背景
随着时代的发展，居民财富水平的积累，股票作为一种资产配置方式已经走进千家万户，成为大众生活的一部分。但是大家更关心的肯定还是购买股票能获得多少收益，本文将股票收益率作为反映股票收益水平的指标。而股价的波动也受各种经济因素和非经济因素、宏观因素和微观因素的影响，所以本文将对此类影响因素展开研究。同时，2017年，摩根士丹利资本国际公司（MSCI） 宣布A股将被纳入MSCI指数，在经历了3次冲关后，A股第4次闯关终于成功。2018年5月15日，明晟公司（MSCI）正式将234只A股纳入MSCI指数体系，这是顺应国际投资者需求的必然之举，体现了国际投资者对我国经济发展稳中向好的前景和金融市场稳健性的信心。基于被纳入MSCI指数公司的重要性，本文以纳入MSCI指数的股票为研究对象，对其收益率影响因素进行分析。
（二）研究思路
（1）文献综述：首先对以往的文献和相关研究进行分析概括并总结前人以往的研究成果，尤其对被纳入MSCI股票收益率影响因素的研究。
（2）理论介绍：通过多元线性回归理论来分析股票收益率的影响因素，其中，运用大数据处理使数据误差较小，相对准确。
（3）实证分析：最后通过对MSCI上市公司的收益率增减情况和可能存在的因素进行实证分析，解释股票收益率和影响因素之间的相关性。
（三）研究方法
（1）文献查阅法：通过调查国内外调查文献来获得资料，从而了解股票盈利率的相关影响因素，便于掌握该问题的历史与现状，有助于认识到问题的全貌，寻找不同的研究视角。
（2）实证研究法：是科学实验研究的一种特殊形式，将现有的科学理论和实践结合，提出设计，用已有数据对过去状态进行分析。实证研究建立在提出的假设之上，经过证明若得出的结果和原有假设一致，则该假设成立，反之，则不成立。
二、文献综述
李训[1]（2003年）针对我国上市公司的股票，研究影响其收益率的因素，以2001年6月1日至2002年5月31日时间段内我国沪深两所证券交易所总共157家上市公司的股票进行数据分析和研究。采用多因素模型，逐步回归方法，辨别不同行业影响因素的相关性，再建立回归方程模型，检验方差，对数据进行偏相关性的分析，分析回归方程所得相关因数。此文章的创新之处在于将可能存 在的影响因素划各个层次分类，不仅考虑了宏观经济因素还考虑了微观因素指标如公司盈利能力等。
李金凤[2]（2014年）以2011年1月1日至2013年12月31日这一时间段为数据时间，从其中选取了于2011年之前上市的股票为研究对象，基于每股的收益率数据进行相关性研究，探求我国创业领域市场股票的定价。采用了CAPM、Fama-French和HAM模型对数据进行定量计算与回归分析。发现股票收益率与其Beta线性相关，而非系统风险则对其无影响。实证部分则采用了Fama-Macbeth的双程回归分析法，发现为检测到的Beta值与股票收益率之间有着正向的相关关系。本文只研究了在非完全竞争的环境下影响股票收益率的因素，而现实社会中，变动的社会经济环境与企业间的价格竞争、现金流都有可能影响股票受益率，需待进一步的完善。
刘瑗瑗[3]（2012年）对我国股票市场的有效性进行研究，以1996年1月至2010年12月的中国上海交易所提供的736只股票数据为基准，采用三因子模型结合多元回归的方法与Fama-French的模型建立对数据进行回归分析。发现小规模公司组合比大规模组合的Beta值更低，但与Fama和French的研究发现相悖，价格作用在解释大公司时表现较为明显，而对于小公司则显得不明显，通过分析数据，得出我国股票市场有显著的效应和市场账面市值比，文献研究的增长型股票收益率与价值型之间没有明显的差异。
三、理论模型
（一）多元线性回归的一般形式
设因变量y为可以观测的随机变量，自变量X1，X2，...，XP为可以控制或测量的一般变量，则因变量与自变量的关系如下：
是未知参数，称为回归系数;为常数项;ε为随机误差，包含在Y中，但是不能被X和Y之间的线性关系所解释的变异性。对于一个实际问题，若获得了n组独立观测数据，i=1，2，…，n。则线性回归模型表示为：
写成矩阵方程为：
（二）求解方法
本研究利用最小二乘法（LSM）估计未知参数β1，β2，…，βp。为使方程能更充分地表现各点的分布规律，应该让各个实测点到线上的纵向距离平方和最小，此方法为最小二乘法。令
对未知量进行求导结果如下：
对方程组进行求解，即可求解得到未知参数β。
（三）方差檢验
在现实应用中，不能提前判断随机变量y与自变量间是否存在线性关系，所以在求线性回归方程之前，该回归模型只是一种假设，在得出最终结论之前，需要对随机变量y与自变量x1，x2，…，xp之间的线性关系进行显著性检验。若回归系数为零，则说明整体无线性关系，相反，则认为整体线性关系成立。假设如下：
不完全为零
接受H0，表明随机变量与自变量之间的关系不能用线性回归模型表示;拒绝H0，表明随机变量与自变量之间的关系可以用线性回归模型表示。若要建立针对H0的统计量检验，运用了方差思想，将因变量Y的总变异的和分解为回归部分和剩余部分。 相关热词搜索：收益率，线性，回归，因素，影响，
