隐含资本成本估计方法的适用性问题——以中国上市公司为例，本文主要内容关键词为：为例论文,中国论文,性问题论文,上市公司论文,资本论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F275.2 文献标识码：A 文章编号：1003-5230(2012)04-0087-07
资本成本的测算对于金融投资和资产估值有着极为重要的意义，围绕该主题，学者们从各种角度进行了研究。一类是采取资产定价模型等事后法进行传统资本成本的测度，如Fama和French等一系列影响深远的研究[1]。不过，他们也指出该方法存在的“信息冲击”问题会使得此框架下已实现收益不是预测收益的良好代理变量[2]，导致成本估计出现误差。另一类则以衡量预期盈余的会计盈利指标为工具变量进行隐含资本成本的测度，如Botosan和Plumlee等[3]，并通过计算CAPM模型中的β系数、股票市值和杠杆率等更为具体的指标来检测其有效性。上述隐含资本成本的测算方法能够较好地规避标准资产定价模型估计公司层面资本成本的误差问题，且不依赖于传统资产定价模型的设定方式，从而能够起到丰富资本成本信息含量和提升测量精度的效果。所以，隐含资本成本的测度方法，被广泛应用于公司会计与金融方面的研究，如Botosan等[4]。这类研究虽然能够较好地处理Easton和Monahan所指出的“遗漏偏差”问题[5]，但是也存在严重依赖分析师预测准确性的不足。事实上，分析师对于盈利信息的反应远远慢于股价的反应，所以应用上述方法测度资本成本也存在一定的缺陷。也正是基于上述原因，估测中国上市公司的隐含资本成本，并评价各种方法的有效性有着重要意义。
本文将详细梳理隐含资本成本的界定及理论发展，归纳总结其估计方法，并率先使用分析师预测数据实际测度了2005-2010年①中国上市公司的隐含资本成本，利用其估计值与一些风险变量的相关性，评价了各种方法在中国的适用性问题。
一、隐含资本成本的研究进展
1.隐含资本成本的估计方法。传统的资本成本估计方法，主要基于Fama—French三因子模型和CAPM定理的学术思想进行测定。此后，经Gebhardt等将有关研究引向“隐含资本成本”问题[6]。可以想象，对于股东而言，资本成本就是“资本投资的预期收益”，由此它可用事前法进行估计[7]。该方法使用预测盈余、股东权益账面价值和股利期望值等数据估计反映市场参与者在资本投资时的期望资本成本，故通常称为隐含资本成本。
多数研究从经典股利折现模型推演出隐含资本成本，即通过对盈余增长、股利和预测期进行不同假定，将股利折现模型(式(1))进行变化，得到各种表述形式。
具体地，在剩余收益模型中，GLS方法假定在预测期之外企业的净资产收益率退化到行业的均值水平。CT方法假定从第五年开始盈余以通货膨胀率增长，设为无风险利率减去0.03[8]。GGM方法假定预测期之外企业的净资产收益率恢复到权益资本成本水平[9]。而异常收益增长模型的OJN方法由Ohlson和Juettner-Nauroth提出[10]。Ohlson又进一步指出，剩余收益模型过于依赖未来账面预测值的净盈余假定，而这一假定缺乏实用价值。OJN方法假定预测期外的企业异常收益增长可以恢复到长期盈余增长水平。Easton认为会计盈余和经济盈余的差异决定了会计盈余在估值中的作用，于是改进既有指标，提出了AGR、MPEG、PEG和EP四种方法[11]。需要指出的是，各类方法之间存在着相互转化的条件。AGR方法的假定较宽松，允许异常收益增长率变化，将其假设条件进一步强化，可以导出PEG方法、MPEG方法和EP方法。在AGR方法中，令△agr=0，可以获得MPEG方法；如果再施加约束dps=0，则可以得到PEG方法，该方法假定预测期之外，异常收益零增长；EP方法则由AGR方法直接限制异常收益增长agr[，1]=0获得。当然，上述方法也存在着缺陷，比如对于PEG和MPEG方法的一个批评就是其盈余异常增长不变的假设过于严格[5]。
2.隐含资本成本研究方法的适用性评价。相对于传统方法，隐含资本成本有着显著的优势，并有广泛的应用前景。首先，隐含资本成本的测算方法可以避免标准资产定价模型估计公司层面资本成本的误差问题。因为已实现收益作为预期收益的替代变量时，存在噪音干扰项，而隐含资本成本作为预期收益的估计不依赖于已实现资产收益的噪音干扰。Elton指出，在较长期限内，已实现收益会偏离预期收益较大距离。其次，它不依赖于具体的某个资产定价模型[12]。而传统资产定价模型CAPM、APT以及Fama和French的三因子模型等估计的预期收益，精确度极差。如Fama和French所指出的，由于难以识别正确的资产定价模型，载荷因子和风险因子估计不精确，导致资本成本估测时不可避免地缺乏准确度[13]。隐含资本成本则从股票价格和盈余预测中得出预期收益，较好地改善了这一问题。
当然，隐含资本成本测算也存在着一定的缺陷。首先，分析师的预测是否真正反映了市场预期，不同机构和个体的预测结果存在着较大的差别。Easton和Sommers发现，总体而言，分析师预测往往过于乐观，从而带来估测的有偏性质[14]。其次，分析师预测所覆盖的范围较小，一些公司并没有分析师跟踪研究。Easton和Monahan指出隐含资本成本的估计可靠性部分依赖于分析师的预测精确度[5]。
当前有关隐含资本成本的研究侧重三个角度：其一是检验预期收益、已实现收益以及隐含资本成本之间的相关性，如Botosan等[4]；其二是以隐含资本成本作为期望收益的替代变量来检验各种定价模型，如Lee等[15]；其三是从资本成本角度进行考虑，检验隐含资本成本与影响资本成本因素的关系，如Guay等[16]。国内涉及隐含资本成本的研究偏重第三个角度，如李效东研究了公开信息、共同知识对上市公司股权资本成本的影响[17]，沈红波研究了AH股、AB股以及A股公司在预期资本成本上的差异[18]，李明毅和惠晓峰对我国证券市场的信息披露质量与资本成本的关系进行了研究[19]，肖斌卿等对分析师跟进行为对资本成本的影响进行了研究，他们使用了Gebhardt等的模型[20]。事实上，在这些研究中，只有李明毅和惠晓峰介绍了隐含资本成本估计的三种方法[19]，其他研究者只是利用了其中的一种估计方法。还有一些研究者，如邹颖，对公司交叉上市的资本成本效应进行综述、实证研究时，提到了隐含资本成本的估计问题，但实际上并没有对这些方法进行介绍，更未进行相关估计[21]。
二、隐含资本成本有效性的评价标准
参照Lee等的研究方法[22]，若隐含资本成本变量与风险变量，如贝塔值、负债率、波动率、规模或者账面市值比等指标的相关性非常显著，则该隐含资本成本的测度会被认为较准确。诸多研究大多遵循了这一标准，如Gode和Mohanram分析了风险因子盈余波动性、股票收益波动性、负债率和隐含资本成本之间的关系，并以此来判断隐含资本成本的有效性[23]。Bostosan和Plumlee研究了风险因子贝塔值、负债率、信息风险、市值、账面市值比和预期盈余增长与隐含资本成本的关系]3]。Kitagawa和Goto则探讨了风险因子贝塔值、负债率、公司规模、账面市值比、非系统风险、盈余波动性、预期盈余的长期增长与隐含资本成本的关系[7]。
下文将考虑使用风险因子：贝塔值、账面市值比、公司规模和负债率对模型(2)进行回归分析，探讨隐含资本成本估计的有效性。隐含资本成本与风险因子显示预期方向，并且与风险因子相关性很高时，被认为是合意的[7]。
式(2)中，各变量的定义和数据来源情况为：
1.贝塔值(beta)。Bostosan和Plumlee以及Kitagawa和Goto都使用了贝塔值[3][7]。原因在于CAPM模型预测风险溢价和市场贝塔值正相关。由此，预测隐含资本成本与贝塔值正相关。本文使用的贝塔值数据来源于锐思数据库，用流通市值加权和总市值加权两种方式计算市场超额收益，并用个股的日超额收益对这两种市场超额收益进行回归，计算每只股票上市后每个完整年度的CAPM贝塔值。
2.账面市值比(bm)。Kitagawa和Goto使用了账面市值比，高账面市值比反映了公司低成长性[7]。但Gode和Mohanram认为很难判断这一比值对风险溢价的影响[23]。本文使用的账面市值比数据来源于国泰安数据库。
3.公司规模(size)。Kitagawa和Goto认为现有研究表明规模与已实现收益负相关，同时规模可以作为信息环境的代理变量，成为一个风险因子[7]。这里使用的规模变量数据来源于锐思数据库，是根据交易数据和股本数据计算得出的个股年总市值，并以人民币计价。
4.负债率(lev)。负债率影响风险溢价源于Modigliani和Miller的研究，他们认为公司资本结构中的债务增加，风险增加[24]。Bostosan和Plumlee以及Kitagawa和Goto同样采用其作为风险因子进行评价[3][7]。本文使用的负债率是国泰安数据库中的资产负债率指标。
三、中国上市公司隐含资本成本的估测方法比较与评价
下文将对中国A股上市公司的隐含资本成本进行计算，方法包括GLS、CT、GGM、AGR、MPEG、PEG、EP和OJN，并使用一些风险因子对隐含资本成本的估计有效性进行评估。
1.样本选择、变量说明及数据描述。本文的研究样本为2005-2010年我国非金融类A股上市公司，并剔除了ST和PT上市公司。由于不同估计方法要求不同的变量，受制于指标测度数据的可得性和计算方法的缺陷，样本有一定的差异。表2给出了不同方法所对应的样本数量。由于个别模型要用到行业数据，故样本也涵盖了我国所有上市公司的行业均值，如行业平均权益回报率，即为某一行业所有公司的净资产回报率的平均水平。
表2给出了八种隐含资本成本测度方法得出的样本测度数值。可以看出，AGR和EP方法所测的隐含资本成本结果的均值和中位数都比较小，并且这两种方法的结果较为接近。而MPEG、PEG、OJN、CT和GLS五种方法计算结果的均值和中位数较为接近，而GGM方法所得结果的均值为0.095 4，中位数为0.066 4，并不接近其他方法结果。
为了进一步明晰结果，将分年度进行分析。图1是各年度均值变化趋势图。从图1可以看出，各种方法(除CT外)所测的隐含资本成本，均值都在2008年达到最小值，这应该与市场业绩的悲观预测有关，导致当年对未来的预测每股盈余偏低，从而导致隐含资本成本偏小。进一步研究还可以发现，AGR、EP、PEG和OJN方法计算的隐含资本成本，倒数第二的数据出现在2010年。这表明基于分析师预测的隐含资本成本计算方法，表现出部分与股票市场周期相契合的特征，当市场预测悲观时，隐含资本成本明显偏低，反之则处于较高水平。
图1 中国上市公司隐含资本成本各年度均值变化趋势图
2.相关性检验。这里对隐含资本成本与风险因子的相关性进行检验，判断各种方法估计的隐含资本成本与风险因子是正相关还是负相关。如果符合预期且统计上显著，则认为该种方法的测度效果较好。借鉴Easton等的设定方式，进行隐含资本成本与风险因子的相关系数矩阵分析[5]，结果见表3。
从表3中可以看出，OJN、GGM、CT方法都有四个变量符合预测方向并且统计显著；而AGR方法有三个变量符合预测方向并且统计显著；MPEG、PEG和GLS方法各有两个变量符合该准则；EP方法则只有一个变量(资产负债率)符合要求。由此，可以认为对中国市场而言，OJN、GGM、CT三种方法所得隐含资本成本的结果适用性更好。
3.计量回归分析。参照式(2)的设定进行回归分析。各种方法所得的隐含资本成本分别作为被解释变量，而解释变量则是四个风险因子：贝塔值、账面市值比、股票市值和资产负债率。按照Kitagawa和Goto对日本的研究，估计中可能会存在年度和行业效应[7]，本文使用年度和行业虚拟变量进行回归。在对中国市场的实证分析中，使用混合回归(pooled regression)进行估计。表4报告了估计结果。
估计结果表明，在不考虑截距项显著性的情况下，隐含资本成本对于风险因子的回归系数，通过显著性检验最多的是PEG方法，但是在PEG方法中，只有负债率和股票市值的系数符合预测。GGM方法中有三个风险因子：账面市值比、负债率和股票市值通过显著性检验，并且符合理论预期。有两个风险因子通过显著性检验的是EP、GLS和CT方法，但是在EP方法中有两个风险因子的系数与理论预测不符，GLS方法中只有一个相符，CT方法中则两个都相符。最后是只有一个风险因子通过显著性检验，并符合预期：AGR、MPEG和OJN。由此，基本可以认为GGM和CT方法更好。考虑调整可决系数，GGM方法为11.54%，大于CT方法的7.21%，而小于其他隐含资本成本的值，如AGR方法是25.57%。由此，结合相关系数矩阵的结果，可以认为GGM方法更优，其次是CT方法。
Kitagawa和Goto对日本进行实证分析时，使用了GLS、OJN、EP、PEG和MPEG五种方法，发现PEG和MPEG方法较优[7]。而本文对中国的实证检验发现，这五种方法中，除了EP方法没有符合预期的风险因子之外，其他都有一个符合预期，并通过显著性检验，而从调整可决系数来看，这五种方法中，较优的方法是MPEG，其调整可决系数值为19.68%，与他们的结果基本一致。
四、研究结论与启示
本文在对隐含资本成本估计方法进行全面介绍的基础上，对中国上市公司的隐含资本成本进行了估计，并评价了其有效性。在对AGR、EP、MPEG、PEG、OJN、GGM、GLS和CT方法进行量化评价时，采用以下标准：首先，分析与风险因子的相关性是否显著及是否与预期符号一致；其次，以隐含资本成本为被解释变量，将风险因子贝塔值、账面市值比、负债率和股票市值作为解释变量，进行多元回归，判断回归系数是否有预测符号、系数的显著性以及调整后的拟合优度是否足够高等。经规范的计量检验发现，尽管不同的方法能够适用于不同的样本和制度情景，然而在对中国上市公司样本进行研究时，发现各类指标总体呈现出与股票市场周期变化相契合的特征。具体地，单变量的经验分析，支持OJN、GGM、CT三种方法对隐含资本成本估测的效果更好的判断；在多元回归分析时，GGM和CT两种方法的计量结果较为理想。
本文运用分析师预测数据对中国上市公司的隐含资本成本进行估计，在借鉴现有评价方法的基础上，探讨各种方法在中国的适用性问题，为从投资者角度理解中国市场背景下的资产定价、风险收益权衡等问题提供了参考。同时，本文基于公司层面的隐含资本成本的研究结论与国外相关研究有所不同，特别是考虑到个股之间风险相关性差异较大等因素，未来对风险因子与隐含资本成本的相关性研究应该实现资产组合层面和公司层面的数据相结合，灵活选择测度方法，从而实现预期指标的无偏估计，在规避样本的不稳定性问题的同时，能够更好实现样本的可预测性和跟踪性。
①之所以研究这一时期，是由于从2005年开始，中国开始有较为全面的分析师预测数据。
②Lee，So和Wang(2010)将GGM和EP单独划分为戈登增长模型。其他如Easton和Monahan(2003)、Guay，Kothari和Shu(2011)以及Kitagawa和Goto(2010)则将模型划分为剩余收益模型和异常收益增长模型，本文参考多数人的划分法。