盈利能力的研究范文第1篇

关健词：电力行业 盈利能力 资本结构

目前我国国内电力行业上市公司在经济结构转型的浪潮下一直扮演着能源行业方面重要的角色，但就企业存在的内部问题而言一定程度上限制了它的进一步发展。这些内部问题集中体现在以下几个方面：第一，受到所处地区本身的影响，各地区电力行业上市公司在盈利主要来源、盈利结构组成、盈利能力都存在一定程度的差异，各地区电力行业上市公司在企业经营规模、业绩表现、整体盈利财务报表几个方面显示都存在着不同程度的差距。第二，从国内电力行业上市公司的绝大部分盈利情况来判断，其盈利能力与发达国家同等规模企业相比存在较大的差距，是由公司在管理模式的科学性和资产配置结构上不合理等多方面的因素导致的。第三，处在经济结构转型关键时期和国外经济形势下的资本市场一向和国内电力行业企业在资本结构配置和企业盈利能力方面存在着如历史原因造成的产权不清晰、现实上经济市场上的信息失灵、对经营方向上的决策不科学等多个需要迫切解决的问题。因此，深入研究我国电力行业上市公司的资本结构配置组成与盈利能力表现多方面的关联程度就对国内电力行业上市公司的持续发展具有相当重要的实践和理论指导意义。

一、资本结构配置及公司盈利能力的相关基础理论

（一）资本配置结构的概念

公司资本结构配置定义为通过在市场上筹集资金占有公司的总体资产结构一定的比例。资本结构配置的定义可分为广义和狭义两个方面，广义的资本配置结构是指公司各个部分所占该公司总体资本比例。狭义的资本配置结构则只是指上市公司的长期负债和股权两方面以一定比例所组成的企业总体资本。广义和狭义的差异主要体现在对资本结构的衡量标准上，广义的资本结构衡量的是企业各种资本的组成比例，狭义的资本结构衡量的是公司长期负债和股权资本两方面的组成比例，但均是对公司财务状况好坏的重要评判指征。

（二）资本配置结构的评判指标体系

从公司的所定下的短长经营目标来看，通过对短期资本配置结构多个指标和长期资本配置结构指标两方面深入考虑，可从短期、长期上市公司的清债能力、公司对资本的运用效率财务指标来进行进一步分析.

（三）公司盈利能力的评判指标体系

上市公司的盈利能力分析是衡量企业在其价值上的大小重要指标，可以用来衡量上市公司投资者的获利回报比。反映上市公司盈利的评判指标多方面，由企业销售所获得利润、企业经营利润率、总资产收益率、收益总额、长期资本收益、上市公司每股净资产和每股收益等多个指标。

（四）资本配置结构与公司盈利能力的相关联程度分析

上市公司的盈利能力不仅对公司价值观能否得到实现起着至为关键的作用而且也是衡量公司清偿债务能力的重要指标因子。通过深入研究我们已经了解到企业资本配置结构与公司在市场上的盈利能力之间存在明显的关联。利用权衡模型得出公司整体价值与公司债权资本两者的比例关系大致呈现出数学上U型图的关系。权衡模型的理念引入公司财务拮据成本及其成本的方法对公司的资本配置结构和整体盈利能力的相互关联程度作出更为全面的研究。另一种则是利用信号传递理论，基本理念针对市场在交易过程中信息不对称来展开。企业经营管理者作为公司的直接掌管经营者会在一定程度上比企业产权所有者、市场上的投资者掌握更多内部信息，也就是三者间存在着一定程度信息传递鸿沟。从信号传递理论基本得出企业整体实力素质较好的企业可以在长期盈利能力方面采用的财务杠杆力度能够更大，进而公司的价值度也随之增加。

二、国内电力行业上市公司资本结构配置与盈利能力的关联实际分析

国内电力行业资本结构配置与公司盈利能力之间存在明显的关联，研究证实电力行业上市公司的资本结构绝大部分由多种不同的成分所构成。本文在对21家国内电力行业上市公司抽样分析的基础上，得出21家国内电力行业上市企业的资产负债率平均值为37%，标准差为15.32%，其中资产负债率较高的分别为长沙电力、河南豫能、通宝能源、乌江电力和桂冠电力五家企业，这5家电力行业上市公司平均资产的负债率高达56%，而从近期及5年企业市场规划的趋势来看，由于电力行业在产业上的不断扩张，资产负债率也会随之进一步增长。

根据上述统计结果，综合分析得出：第一，国内电力行业上市企业在资金的使用效率方面来讲，资产负债率的不断高企使电力行业上市后在股票市场上的融资成本大幅上涨，进一步影响到电力行业上市企业的整体资本收益率。第二，由于国内电力行业上市公司的资产负债率不断攀升影响到市场融资渠道的拓展。

21家国内电力行业上市企业抽样统计得出净资产收益率平均数为14%，标准差为9%，21家上市企业在这个方面呈现出比较大的振荡性，而抽样调查得出净利润增长率的标准差达到49%，国内电力行业上市公司之间因此在持续发展方面存在不同程度的隐患。

因此对21家国内电力行业上市企业的资本结构配置与其盈利能力关联度指标分析得出在资产负债率、净资产收益率、净利润增长率等多个指标都存在着明显关联，21家国内电力行业上市企业的资产平均负债率与其资金流动比率呈现负相关性，而与电力主营业务利润率关联系数最大达到0.5，与国内电力行业上市公司存货周转率的关联系数仅为0.05。

盈利能力的研究范文第2篇

关 键 词:上市公司;盈利能力;因子分析;面板数据;股权集中度

企业盈利是一个多方面因素共同作用的结果,既有企业内部因素的影响,也有外部环境的影响,从企业的经营过程来看,企业的外部因素影响到企业的销售量､产品价格､原材料成本等,最终影响企业的经营成果｡外部因素包括政治､法律､税收､宏观经济状况等因素｡企业自身的产品竞争力､产品生命周期､日常生产经营管理､营销组织决策､投资项目风险选择则构成了影响企业盈利的内部因素｡内外部因素共同作用,决定了企业的盈利能力｡除了实际生产过程的价格因素外,企业的资本结构､财务杠杆､股权结构､行业､规模等因素会通过对公司治理效率的作用来影响企业的盈利能力,这正是公司财务理论对盈利能力分析所要研究的内容｡

一､研究数据与方法

(一)数据和样本区间

我们考察2000-2004年沪深股市的上市公司,所有公司在1999年12月31日前已经上市｡计算变量的各项指标取自wind资讯｡我们只分析沪深股市上市的a股公司,因此含b股的上市公司从样本中剔除｡由于st､pt公司存在着较大的异常值,同样不予考虑｡金融类上市公司按照习惯也从样本中剔除｡最后得到660家上市公司｡

(二)企业盈利能力的衡量

由于反映企业盈利能力的一些指标存在局限性,我们采用因子分析法对上市公司的盈利能力进行评价｡因子分析(factor analysis)是主成分分析的推广,因子分析的基本思想是通过变量(或样品)的相关系数矩阵(对样品是相似系数矩阵)内部结构的研究,找出能控制所有变量(或样品)的少数几个随机变量去描述多个变量(或样品)之间的相关(相似)关系,但在这里,这少数几个随机变量是不可观测的,通常称为因子｡因子分析方法的计算步骤包括原始数据标准化､建立变量的相关系数､求r的特征根及其相应的单位特征向量､对因子载荷阵施行最大正交旋转､计算因子得分等步骤｡由于各因子反映的原始指标信息量的不同,因此,在计算上市公司盈利能力综合评价值时,因子所占的权重与反映的信息量能否一致是综合评价是否有效的关键,可以用各公司因子的方差贡献率作为因子相应的权重并据此得到上市公司盈利能力的综合评价指标｡

(三)实证研究方法

我们采用面板数据来进行分析｡面板数据是时间序列和截面数据的混合,这样既可以分析个体之间的差异情况,又可以描述个体的动态变化特征｡面板数据可以有效地扩大样本容量､有效地削弱模型中多重共线性的影响､提高模型的估计精度,还可以反映一些被忽略的时间因素和个体差异因素的综合影响,而这些因素往往是难以观察或量化的｡

对于期限较短而截面数据较多的样本,可以认为模型参数只与个体差异有关而与时间的变化无关,其差异主要表现在横截面的不同个体之间,即参数不随时间变化｡同时,由于我们是通过面板数据来考察其盈利能力决定的一般因素,因此可以假定斜率系数是常数,即个体之间的资本成本的差异只表现在截距项上｡因此我们的任务是要区别是采用混合回归模型还是固定效应的变截距模型抑或是随机效应的变截距模型｡

检验一:对于混合回归模型还是固定效应的变截距模型,在个体效应不显著的原假设下,应当有假设1成立:

假设1: α1=α2=…=αn

我们可以采用f统计量来检验上述假设是否成立,

f=～f(n-1, nt-n-k)

其中,s2表示不受约束的模型,即我们的固定效应模型;s3表示受约束的模型,即混合数据模型的残差平方;n为截面样本点的个数,t为时序期数,k为解释变量个数｡

检验二:对于混合回归模型还是随机效应的变截距模型, 可以通过breusch和pagan的lm统计量进行检验,其原假设为=0,相应的检验统计量为:

lm=

在原假设下,lm 统计量服从一个自由度为1 的卡方分布｡如果拒绝原假设则表明存在随机效应｡

检验三:固定效应的变截距模型还是随机效应的变截距模型,可以通过hausman检验来确定｡hausman 检验基于如下wald 统计量:

w=〖b-〗′[b-]～χ2(k-1)

其中,b和分别为固定效应模型的ols 估计和随机效应模型的gls估计,采用固定效应和随机效应模型的协方差矩阵进行计算｡当原假设成立时,w渐进服从自由度为k-1的χ2分布｡在给定的显著水平下,若统计量w的值大于临界值,选择固定效应模型,否则采用随机效应模型｡

本文采用的面板数据模型为yit=αi+xitβ+uit

其中yit为企业盈利能力,xit为影响盈利能力的自变量,β为固定的截距｡

二､盈利能力的统计分析

我们选取了净资产收益率､资产净利率､主营业务利润率､核心业务总资产收益率､资产报酬率､每股息税前利润､每股收益这七项反映上市公司盈利能力的财务指标,运用因子分析计算了上市公司盈利能力的综合评价指标f｡

按照分类标准,我们将样本分成工业､商业､房地产业､公共事业和综合企业类｡我们计算了全部样本和五个子样本盈利能力的均值,表1和图1显示了综合评价的盈利能力指标和各年的变化情况｡

从表1和图1可以清楚地看出,各行业的盈利能力有很大的差异｡以2000年为例,从样本均值上来看,公用事业的盈利能力是最高的,而房地产和商业类的盈利能力是最低的｡公用事业的盈利能力可能与其所固有的垄断等行业特性密切相关｡但是令人奇怪的是,房地产类的大部分上市公司的盈利与行业增长出现背驰状况,对此的解释有两方面:一是房地产类上市公司规模偏小､老公司较多及再融资能力偏弱,这一特征在短期内将难以得到改观(李迅雷,2002);二是房地产上市公司在土地收入的确认上过于保守,不排除“玩报表”行为的存在(牛丽静,2005)｡从2000年到2004年,上市公司的盈利能力一直是下跌的,而在这五年里,从2000年到2001年的下跌幅度是最大的,2001年到2003年的变化并不大,从2003年到2004年,其他四个行业的下跌幅度又开始扩大,但商业类上市公司的盈利能力却异常的开始上升｡考察中国经济在2002､2003年的投资增加和通胀压力,企业盈利能力的这种年度变化可能与宏观经济周期的变化有一定的联系｡

三､盈利能力的实证分析

为进一步考察企业盈利能力的影响因素,我们以通过因子分析得到的上市公司盈利能力的综合评价指标f为因变量进行实证分析｡由于面板数据模型的检验要运用f统计量检验､lm统计量检验和hausman检验,我们采用计量软件stata8.0进行数据处理｡自变量指标的含义及其预期方向如表2所示｡

在计算托宾q值时,考虑到我国独特的股权结构,修正后的公司的市场价值=流通股市值+非流通股价值+负债的账面价值,其中流通股市值=流通股股份数×流通股价格,由于非流通股一般按照每股净资产进行转让,因此非流通股价值=非流通股股数×每股净资产,公司的市场价值=流通股股份数×流通股价格+非流通股股数×每股净资产+负债的账面价值｡负债和总资产的价值以账面价值代替｡

我们首先对全样本进行回归分析｡从表3的全样本回归结果看,lm统计量检验结果为chi2(1)=324.20,prob>chi2=0.0000,表明随机效应非常显著｡hausman检验结果为chi2(6)=205.31,prob>chi2=0.0000,而置信水平为0.005的wald 统计量值为18.548,hausman检验结果远大于相应的临界值,因此固定效应模型要优于随机效应模型｡而f统计量检验结果为f =2.92,prob > f = 0.0000,这说明固定效应模型要优于混合回归模型｡因此我们最后采用的是固定效应的变截距模型｡

从固定效应的变截距模型的回归结构看,最后进入方程的是资产负债率､债务期限结构､成长性､企业规模､流通股比例和高管持股比例,而股权虚拟变量和股权集中度指标都没有进入回归方程｡从方向上看,资产负债率与盈利能力负相关,这与既有的研究相一致,而债务期限结构与盈利能力正相关,这意味着在控制了其他变量后,利用长期负债有利于提高企业的盈利能力｡成长性有利于企业盈利和高管持股的正向激励作用在这里得到了证实,但是流通股比例却意外的与盈利能力显著的负相关,与我们的预期恰恰相反｡

由于工业类上市公司占据了全样本公司数的63.33%,以上的回归结果可能更多的受到工业类的影响,行业的差异可能没有完全反映出来,而前面的图1已经显示出了不同行业在盈利能力水平上的差异｡有必要深入的考察行业之间的差异｡采用与前面全样本回归相同的步骤,我们对每个行业进行了f统计量检验､lm统计量检验和hausman检验,对究竟是采用混合回归模型还是固定效应的变截距模型抑或是随机效应的变截距模型进行了识别(见表4)｡

从行业的检验结果看,除了行业三采用混合模型,其他的四个行业都适用固定效应模型｡在五个行业中,资产负债率､企业规模和流通股比例都进入了回归方程,并且其方向与全样本回归结果和预期都完全一致,证明这三个变量在影响企业盈利能力时具有稳定性｡

债务期限结构仅在工业类的回归中进入了方程,而企业成长能力除了对公共事业类没有影响外,对其他行业都有显著影响,高管持股比例则仅对工业和商业有显著影响,考虑到公共事业类的特殊性,可以认为企业成长能力和高管持股比例对一般竞争性行业有较大的影响,而债务期限结构的作用则有待于进一步研究｡

在所有的行业中,股权性质是惟一一个没有进入任何回归的指标,表明第一大股东的股权性质对企业的盈利能力并没有影响｡

股权集中度对企业盈利能力的影响则更为复杂｡在股权集中度进入的三个行业中,公共事业类行业的盈利能力与股权集中度成u型关系,房地产类行业的盈利能力与股权集中度成倒u型关系,而在工业类回归中,由于第一大股东持股比例没有进入回归方程,盈利能力与股权集中度成正相关关系｡这里也进一步反映出了行业之间的差异｡

从总的回归结果看,资产负债率和流通股比例是与资本结构理论预期差异最大的｡按照标准的资本结构理论,负债可以增加企业价值,但是中国的实证研究却普遍得出相反的结论｡在西方国家,股权资本成本要高于债权资本成本,在风险与收益权衡之后,存在着一个最优的负债率｡但是在中国,上市公司具有股权融资的偏好是一个公认的事实｡西方国家企业负债中公司债券占有很高的比例,而我国债券市场极不发达｡西方国家长期债务在总债务中的比例很高,而我国则以短期负债为主,并且短期债务以银行贷款和企业之间往来账款居多,债务融资不能起到西方财务理论中的作用,负债增加的同时又增加了财务危机成本和破产风险,限制了企业进一步的融资能力,制约了企业运营效率的发挥和盈利能力的提高｡

从公司治理的角度看,流通股比例的提高通过股票市场的价格信号和接管控制功能发挥作用,有利于减少国有股股东监管缺位时存在的委托问题｡但现实情况是中国股市的低效率,中小股东既无监督公司的动机,也无监督公司的能力,流通股股东在公司治理中的作用微乎其微｡另一方面,流通股比例的提高必然意味着非流通股比例的下降,流通股比例越高,同等情况下主管部门或授权管理国有资产的部门从该上市企业获取的利益就越少,对于管理层监管的积极性和力度也就相应的下降｡流通股比例的提高一方面降低了原有产权监管者的监管,另一方面又没有相应的流通股股东监管,其结果就是总的监管减少,因此出现流通股比例与盈利能力的负相关｡

四､结论

本文选取了净资产收益率､资产净利率､主营业务利润率､核心业务总资产收益率､资产报酬率､每股息税前利润､每股收益这七项反映上市公司盈利能力的财务指标,运用因子分析计算了上市公司盈利能力的综合评价指标f｡我们发现各行业的盈利能力有很大的差异,公用事业的盈利能力是最高的｡从2000年到2004年,上市公司的盈利能力一直是下跌的,但是不同年份的下跌幅度有较大差异,企业盈利能力的这种年度变化可能与宏观经济周期的变化有一定的联系｡

通过面板数据的实证研究,我们发现资产负债率､企业规模和流通股比例这三个变量在影响企业盈利能力时具有稳定性｡股权性质对企业的盈利能力并没有影响,而股权集中度对企业盈利能力的影响则更为复杂,股权集中度对企业盈利能力随行业不同而有较大的差异,这有待进一步的研究｡

参考文献:

[1]stulz,r,(1988),managerial control of voting rights:financing policies and the market for corporate control,journal of financial economics,20,25-54.

[2]jensen,m.c.andw.h.meckling(1976),theory of the firm:man-agerial behavio ragency costs and

ownership structure,journal of financial economics,3,305-360.

[3]milton harris and artur raviv, 1991,“ the theory of capital structure”, journal of finance, no. 1, 312. 297-355

[4]李宝仁,王振蓉.我国上市公司盈利能力与资本结构的实证分析[j].数量经济技术经济研究,2003,(4).

[5]张继袖.我国上市公司盈利能力行业特征的实证研究[j].管理科学,2004,(3).

[6]汤青.中国上市公司盈利能力影响因素实证分析[j].山东财政学院学报,2005,(2).

[7]苑德军,郭春丽.股权集中度与上市公司价值关系的实证研究[j].财贸经济,2005,(9).

[8]肖作平.上市公司资本结构与公司绩效互动关系实证研究[j].管理科学,2005,(3).

盈利能力的研究范文第3篇

【关键词】房地产信贷；盈利能力；商业银行

1.研究背景

我国于1994年开始推进住房市场化改革，紧接着是商业银行信贷政策的不断完善，信贷业务规模的持续扩大。从1998到2007，仅仅10年的时间，我国房地产贷款占各项贷款额的比重从3.12%上升到18.34%，贷款额也增加了将近18倍。无论是从绝对额还是相对比重上，房地产贷款的增速远远高于其他各项贷款。2008年的金融危机，让全球领略了过度放贷（尤指房地产信贷）所带来的灾难。为了应对房地产信贷的潜在风险，我国政府出台了多种宏观调控政策。但是在2008至2011年期间，根据各年金融机构贷款投向统计报告显示，房地产信贷的投放量依然居高不下，尤其是2009年房市的回暖交易。虽然2011年房地产信贷投放量相比较2010年增幅有所下降，但是从绝对额上计量，总值一直在增加，只是增加的幅度稍稍放缓。房地产业是一个具有高度联动性的产业。它的兴衰直接影响各行各业，小到家用电器、建材装修行业，大到钢筋水泥行业，既联系实体产业，又与虚拟资产为主的金融行业紧密相关。我国房地产业所需的资金大部分来自于银行的信贷，脱离了银行信贷的支持，房地产业将无法生存。所以，笔者认为房地产信贷与银行盈利能力间必然存在某种关系，这种关系值得深入研究。

2.研究现状

针对房地产信贷和银行间盈利能力的问题，国内外学者也做了很多研究。多数文献认为，信贷的推动是80年代许多国家房价出现剧烈波动现象背后诸多因素中最重要的影响因素。Bernanke与Gertler（1986）首先提出了信贷市场对宏观经济波动的放大作用。在一个内生的新古典商业周期动态模型中，他们认为由于信息的不对称，借方清偿能力的变化能启动和放大商业周期。BGG（1996，1998）提出了“金融加速器”概念，直接将信贷市场摩擦引入标准的宏观经济模型中，形成了一个包含金融加速器的动态宏观经济学模型，并发现金融加速器对美国经济有重要的影响。Davis and Haibin Zhu（2004）利用17个国家的跨国数据对银行贷款和商用房地产价格之间的关系进行了实证分析，结论是，房地产价格的上涨导致了银行信贷的扩张，而不是过度的银行信贷扩张导致了房地产价格的上涨。

相对于国外的学者，段忠东等（2007）运用多变量协整分析技术对我国房地产价格影响银行信贷的效应进行实证检验。研究表明，房地产价格和银行信贷之间在长期内存在互为因果关系，房地产价格波动在短期对银行信贷发放的直接影响十分有限，主要是在长期内对银行信贷增长产生影响。而银行信贷也通过协整关系成为房地产价格短期波动的Granger原因。郭永济等（2011）运用资本边际收益率法对房地产泡沫进行了测度，认为房地产价格和银行信贷在信贷总额中所占的比率存在明显的正相关。房地产部门在中国经济中占有中心位置，并与上游产业（如钢铁和水泥）以及生产家电和其他耐用消费品的下游企业紧密相联，在居民和企业资产负债表上占很大份量，因此二位学者认为房地产泡沫将给宏观经济和金融稳定带来严重风险。如果对房价上涨不加控制，将会导致银行风险进一步增大，对金融安全产生不利影响。段军山（2008）通过银行信贷集中模型表明银行具有扩大房地产信贷的动力，但银行的乐观主义以及对嵌在无追索权的抵押贷款中的看涨期权的低估，导致房地产价格上涨并超过基础价格。

已有的研究大多数重点放在房地产价格和银行信贷规模的关系上，并未过多研究银行房地产信贷规模对银行盈利能力的影响程度。笔者认为，如今银行房地产信贷已经占据了银行信贷总额的绝大部分，有关房地产信贷的略微变动一定会直接影响银行的盈利能力。因此，银银行在大量放贷赚取存贷利差的同时，应该警惕由于放贷所暴露的风险。基于上述原因，本文把重点研究房地产信贷规模与银行盈利能力间的关系上，认为信贷资产不是越多越好，并且根据中国目前的信贷市场，我国房地产信贷的投放量明显已经超规模发行。房地产风险正逐步威胁着银行的盈利能力。

3.研究方法

存贷利率差收益一直以来是我国银行业的主要收益。但是这种单一的收益方式不仅给银行带来了更多的信贷风险，而且还会使银行过分依赖信贷资产。过分依赖的结果就是大量放贷最后产生泡沫。我国房地产最近两年发展速度迅猛，已经出现了一种过度增长的趋势。然而，房地产的发展很大程度上因为银行信贷的支持。所以，房地产信贷和银行盈利能力必然存在着某种关系，否则银行不会放弃大量的投资机会而把资金大量借给房地产行业。但是笔者认为，任何事情都有一个限度，房地产信贷的过度投放已经给银行的盈利能力造成一定的阻碍。本文以2007—2011年沪深两市16家上市银行为样本，对16家上市银行的半年报、年报和其他相关资料进行选择和下载。选取银行样本共144组，克服了样本不足的统计缺陷。样本数据主要来源于WIND数据库、中国人民银行网、中国银监会、凤凰网和各上市银行定期报告。

3.1 变量的定义和选取

银行盈利能力指上市商业银行的获利能力，具体包括以下几个指标：

（1）每股收益（EPS），表明普通股的获利水平。公式为：每股收益=净收益/普通股数[12]。

（2）总资产收益率（ROA），反映资产的获利程度。公式为：资产收益率=税后利润/银行平均总资产。

（3）净资产收益率（ROE），反映银行资金运用效率和财务管理能力，同股东财富最大化直接相关。公式为：权益收益率=税后利润/所有者权益[13]162-164。

（4）销售净利率（ROR），反映了银行主营业务收入状况。公式为：销售净利率=净利润/主营业务收入。

为了使数据的量纲保持一致，所以盈利能力指标笔者选取了后三者，即：总资产收益率、净资产收益率和销售净利率。

商业银行房地产信贷的组成主要有：

（1）建筑业贷款：凡是从事建筑业生产经营和基建物资流通活动，在银行开户，实行独立核算，自负盈亏，具有法人资格的全民所有制和集体所有制企业，均可申请建筑业流动资金贷款。根据有关规定，贷款的具体对象如下：

①建筑行业、房地产行业以及所办各类附属企业。建筑行业包括建筑公司、设备安装公司、市政工程公司、房屋维修工程公司等；房地产行业包括城市综合开发公司、各类房地产开发公司等。

②建筑材料生产企业。包括建筑材料生产、供销企业，地质部门物资供应公司及附属修配厂，农村房屋建材生产供应公司等。

③与建筑业有关的企业、单位。包括勘察设计单位、施工机械租赁公司、工程承包公司等。

（2）房地产行业贷款：指对房地产开发企业发放的用于住房、商业用房和其他房地产开发建设的中长期项目贷款。房地产贷款的对象是注册的有房地产开发、经营权的国有、集体、外资和股份制企业。房地产开发贷款期限一般不超过三年（含三年）。

（3）个人住房按揭贷款：指银行向借款人发放的用于购买自用新建住房的贷款，即通常所说的“个人住房按揭贷款”。银行发放的个人住房按揭贷款数额，不高于房地产评估机构评估的拟购买住房的价值或实际购房费用总额的80%（以二者低者为准）。贷款期限最长不超过30年。通常，贷款最终到期日借款人年龄不超过65周岁。

由于每家银行的资产负债规模都不同，为了便于比较，本文采用比值这个概念，即贷款余额/总资产，作为变量融入模型。为防止实证结果波动过大，本文又增加了四个协变量：

（1）国内生产总值：国内生产总值（Gross Domestic Product，简称GDP）是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。

（2）5年期以上贷款利率：贷款利率的高低不仅会影响贷款者的还款能力，也能反映一个国家在某一时期的货币政策。若为紧缩，则贷款量也会急剧下降；若为宽松，那么贷款量将上升。

（3）各上市银行在样本时期的总资产。笔者认为资产规模的大小会影响银行的盈利能力，故也把该指标列入模型。

（4）资产负债率是指公司年末的负债总额同资产总额的比率：表示公司总资产中有多少是通过负债筹集的，该指标是评价公司负债水平的综合指标。同时也是一项衡量公司利用债权人资金进行经营活动能力的指标，也反映债权人发放贷款的安全程度。

3.2 建立多元线性回归模型

多元线性回归分析是指根据观测样本数据估计回归方程模型中的各个参数，并对估计参数及回归方程进行统计检验，从而利用回归模型进行经济预测和控制。为检验房地产信贷与银行盈利能力的关系，假设因变量与多个自变量有线性关系时，因变量是自变量的多元线性函数。根据这个思路，可以将多元线性回归方程表达为：

ROE（ROA or ROR）=β0+β1×Asset+β2×JZYA+β3×GSA+β4×GRA+β5×GDP+β6×R+β7×LA+ε

ROE（ROA、ROR）：上市银行盈利能力衡量指标；β0：模型常数项；β1～β7：各变量前的系数；Asset：银行总资产的自然对数；JZYA：建筑业贷款/总资产；GSA：房地产贷款/总资产；GRA：个人住房按揭贷款/总资产；GDP：国内生产总值；R：5年期以上贷款利率；LA：总负债/总资产，即资产负债率。

3.3 数据分析

本文使用SPSS软件对样本数据进行分析。具体的数据结果和分析如下：

由上表知，ROE、ROA和ROR这三者间的极大极小值差距很大，也就是说每家银行的盈利能力水平相差很大。而JZYA、GSA和GRA的极大值和极小值间也有5倍以上的差距。笔者认为，上表的分析间接说明了银行的盈利能力和房地产信贷之间存在正向或者负向的关系。在模型检验中，我们从以下表的F检验可以看出三个模型的F值分别为3.027、14.27、13.702，sig分别为0.005、0、0，所以建立这三个模型是有效的。

由回归结果知：

以上三个式子可以很明显的看到：GSA与ROE、ROA呈线性的负相关关系；GRA与ROE、ROA呈线性的正相关关系；JZYA与ROR呈线性的负相关关系。也就是说我国个人住房按揭贷款的发放给银行带来的效益是：投放越多，盈利越多；而建筑业和房地产业的贷款已过饱和，已经不存在边际效益最优。以上结果为近几年连续出台的房地产政策提供了一定的事实基础。

4.实证结果与分析

实证结果发现建筑业信贷资产越多，银行的盈利能力就越弱。也就是说当建筑业信贷投放量超过一定额度以后，继续投放建筑业信贷会拖垮银行的盈利能力。个人住房按揭贷款信贷资产越多，银行的盈利能力就越强。以上结果笔者认为原因首先是，建筑业和房地产业的发展已经过了顶峰时期，而银行对其的信贷支持却依然保持在顶峰时的状态。这样的结果就是信贷资产不停的发放，贷款利率不断的上升，房价已经停止上涨甚至下跌，贷款者的还款能力下降，抵押物价值不断贬值。最后信用风险、市场风险产生，所有的亏损银行全部囊入口中。房地产信贷具有很强的联动性、集中性和长期性。对银行来说，房地产信贷资产不像短期投资那样具有高度的流动性，大量的资金被某两个行业占用，并且看似不同的行业却相互联系着。这为变现能力较弱的资金给银行带来了巨大的挑战，一旦某一层资金断裂，将会使整个资金层断裂，毫无资金变现可言。其次，集中性的投资也违背了投资最关键的一点：分散风险。风险的集中影响了银行的资本充足，为了防范这种风险，银行需要更多的准备金，这些不能挪用的准备金也降低了银行的盈利能力。

我国个人住房按揭贷款质量较好，可以继续加大投放量。笔者认为原因如下：首先，我国的居民收入稳定增长，这为贷款者的还款能力提供了一定的保障；其次，我国个人住房按揭贷款的审批条件较高，这在一定程度上规避了部分信用风险，而且贷款额不像行业类贷款那样数额巨大。最后，个人住房按揭贷款的申请者各行各业，信贷风险得到了稀释。虽然目前个人住房按揭贷款对银行依然产生正面效应，但是其潜在的风险不容忽视。按照人民银行《个人住房贷款管理办法》的规定，个人住房贷款的还款期限最长可达30年。住房信贷是一种中长期消费信贷，具有长期性、分期偿还性和不确定因素多的特点，其风险是逐渐积累和释放的，目前国内个人无法正常履行按揭的现象已经开始出现。按照国际惯例，个人住房贷款的风险暴露期通常为3～8年，这也就意味着，在近年来个人住房信贷余额快速增加的形势下，虽然我国目前的不良率还较低（仅为0.60%），但极有可能国内个人住房贷款已经步入了违约的高风险期。

参考文献

[1]Bernanke，B.S.Gertler，M.Agency Costs，Collateral，and Business Fluctuations[J].NBER Working Paper，.No.2015，1986.

[2]Bernanke，B.S.Gertler，M.and Gilchrist，S.The Financial Accelerator and the Flight to Quality[J].Review of Economics and Statistics.1996，78：1-15.

[3]Davis，Philip，Haibin Zhu.Bank lending and commercial property cycles：some cross-country evidence[R].BIS Working Papers.2005，150.

[4]段忠东，曾令华，黄泽先.房地产价格波动与银行信贷增长的实证研究[J].金融论坛，北京.2007，11（2）：40-45.

[5]郭永济，唐建民.房地产泡沫对商业银行信贷风险的影响研究[J].时代金融，2011（12）：

167-168.

盈利能力的研究范文第4篇

一、引言

2008年全球金融危机之后，世界各国对金融监管制度的缺陷展开了新的讨论与研究。本文正是基于这样一个新的金融监管环境，对我国商业银行三性间关系进行了实证分析。

二、商业银行流动性、安全性与盈利性关系的实证分析

模型的设定及变量选取：

面板数据模型是建立在平行数据之上，用以分析变量间相互关系的计量经济学模型，其基本形式为：yit=ai+b1ix1it+b2ix2it+…bkixkit+μit，（i=1，2，…，N；t=1，2，...T）

本文选取总资产报酬率、流动性比率、资本充足率分别代表商业银行的盈利性、流动性、安全性。同时引入银行总资产为控制变量。根据中国银行的排名及数据完整性选取了中国上市银行11家银行，非上市银行2家，2006年至2013年各观测量的年度数据。

三、计量检验和结果

1.面板平稳性检验

为避免伪回归现象的存在，本文首先对各变量数据的原序列和一阶差分序列进行了单位根检验，结果如表1所示。

表1 面板单位根检验

变量 检验形式（C，T，K） 单位根检验 结论

LLC ADF-Fisher PP-Fisher

LNLIQUIDITY （C，0，0） -14.3260*** 67.1831*** 73.2991*** 平稳

（0.0000） （0.0000） （0.0000）

LNCAR （C，0，0） -9.38259*** 63.9733*** 87.1018*** 平稳

（0.0000） （0.0000） （0.0000）

LNROA （C，0，0） -14.0676*** 78.4294*** 102.636*** 平稳

（0.0000） （0.0000） （0.0000）

LNASSET （C，0，0） -31.9521*** 38.8936** 60.9347*** 平稳

（0.0000） （0.0499） （0.0001）

注：表示一阶差分，***、**、*分别表示在1%、5%、10%的显著性水平上拒绝原假设

结果显示，所有经济变量的原序列均在1%或5%的显著性水平上拒绝存在面板单位根的原假设，即四个变量的原序列都是稳定的。

2.模型形式设定检验

通过豪斯曼检验并得到豪斯曼统计量的值为7.4205，相对应的概率为0.0596，即拒绝了随机影响模型的原假设。因此，本文计量模型应采用固定影响回归模型。此外，在建立面板数据模型前仍需检验模型属不变系数模型或变系数模型中的哪一种，从而避免模型设定的偏差。本文通过F检验进行了以下分析：

通过计量软件得到以下变量的值：S1=5.395250；S2=11.77744；S3=19.83844。由数据样本可以得出统计量F2～F（48，52），统计量F1～F（36，52），以及在5%的显著性水平下相应的临界值：F2a（0.95，48，52）=1.596033；F1a（0.95，36，52）=1.642976。结果显示，F2、F1均大于相应水平下临界值。因此，确定变系数模型。

3.固定效应变系数模型估计

根据Hausman和F检验获得结果，面板数据模型估计结果如下图1所示：

图1 模型估计结果

由估计结果可以看出，a=-3.218256。所以面板数据估计结果为：

LNROAit=-3.218256+αi*+b1i×LNLIQUIDITYit+b2i×LNCARit

+b3i×LNASSETit+μit

i=1，2，…，13 t=1，2，…，8

从回归结果整体来看，流动性比率、资本充足率的回归系数为正值，商业银行总资产与盈利性成显著正相关。从拟合度看，R2=87.45%表明面板模型的拟合度良好。

盈利能力的研究范文第5篇

随着我国社会主义市场经济的迅速发展和变化，市场的开放程度越来越高，市场中各个不同经济部门的企业也不断地向着现代企业管理模式的方向转变，以适应市场经济的变化和挑战。同时，不断追求企业自身的利润和收益也成为了众多企业的经营目标。因此，企业的盈利能力在这种背景之下也逐渐成为在市场中的企业高度重视的能力之一。企业的盈利能力（earning power），也就是一家企业获取自身利润的能力，以及自身的资金和资本的增值能力。其通常由一定时期内企业的收益水平来体现。此外，可以说上市公司的财务运营状况往往也是牵动着企业内部以及企业外部多个集体和个人的经济利益，受到了政府、股东、员工以及公众等多方面的密切关注。其中，上市企业的盈利能力由于其重要地位更受到众人瞩目。因此，对于上市公司的盈利能力采用科学方法进行相关研究并得出科学结论，对于指导社会各界正确认识和评价上市公司的盈利能力是很必要。因此，本研究通过采用最新的部分电器类上市公司的相关数据，运用层次聚类法中的Q型聚类分析法对这些电器类上市公司进行聚类分析，归纳出不同盈利能力级别的上市公司类型，以实现对于电器类上市公司盈利能力的正确评价，具有较强的实用意义和指导意义。

二、文献综述

对于企业的盈利能力，已经有相关的学者采用不同手段和角度进行研究并取得一定进展。例如，宋献中、高志文（2001）就以每股净资产的波动情况来反映企业的资产质量，并通过分析得出的企业资产质量来反映企业的盈利能力。员晓兰（2005）则重点针对开放经济条件下，企业的盈利能力的内涵以及提高措施进行研究，并将企业盈利能力总结为营销盈利能力、管理盈利能力以及财务盈利能力等三个方面。李静波（2009）在《影响企业盈利能力的因素分析》一文中则从6项财务指标和5项非财务指标两个方面，对企业的盈利能力进行了研究，并以此为基础提出提高企业盈利能力的对策。关勇军、梁莱歆（2010）则以浙江省的高新技术上市公司为样本，采用冰山理论，结合高新技术企业的特点，通过聚类分析方法建立了高新技术企业的盈利评价模型。此外，宋吟秋、董慧君和吕萍等（2015）则基于因子分析的方法，对我国多家商业银行的盈利能力进行了综合评价，并进行横向比较得出相应结论。孟贵珍（2009）则选取了9个上市公司的盈利能力财务指标，并利用因子分析方法对多个上市公司进行了综合盈利能力的统计研究。而在本研究中，将选取能够反映上市公司盈利能力的营业利润率、净资产收益率和净利率等3项评价指标，并采用层次聚类分析方法对15家电器类上市公司进行聚类研究和评价。

三、研究样本与指标选取

在本研究中，选取了15家上市的电器公司作为研究样本。研究中所有具体的数据来源于证券之星网站（stockstar.com）的各家上市公司2015年第一季度财务报告资料。

企业的盈利能力评价指标有多种，本研究在借鉴前人研究的基础上，结合考虑我国上市企业的具体财务特征，选取了以下3个财务指标作为本次研究盈利能力评价指标，具体指标分别是营业利润率、净资产收益率和净利率。其中，营业利润率（英文全称：operation profit ratio，简称OPR），是一家企业的营业利润与其营业收入之比，它可以反映上市公司通过经营来获得利润的能力。净资产收益率（英文全称：rate of return on common stockholders'equity，简称ROE），又称股东权益报酬率，是净利润与平均股东权益的比率，它可以反映上市公司通过自身资产来获取收益的能力。而净利率（英文全称：net profit margin，简称NPM），其计算公式为：净利率=净利润÷主营业务收入×100%=（利润总额-所得税费用）/主营业务收入*100%。它可以直接反映一家上市公司的盈利能力。表1为15家电器类上市公司的三项指标的情况。

四、Q型聚类分析

本研究采用的是层次聚类分析方法中的Q型聚类。聚类分析方法有多种，例如层次聚类、快速聚类、模糊聚类等。其中，层次聚类分析即系统聚类分析，即通过一定的层次进行聚类过程的方法。层次聚类主要包括两种类型：Q型聚类和R型聚类。所谓Q型聚类，是以相似的特征为判别基础，将具有相似特征的样本进行聚集，而将存在明显差异的样本进行分离。而R型聚类则是针对变量来进行分类，它可以让具有相似性的变量进行聚集，而将存在明显差异的变量进行分离。通常情况下，R型聚类可以用来实现减少变量数目，并使变量降维。而层次聚类的聚类方法有两种：凝聚方式聚类和分解方式聚类。对于凝聚方式聚类，随着聚类的进行，会使得类内的亲密度逐渐下降。而相反，对于分解方式聚类，随着聚类的进行，会使得类内的亲密度逐渐上升。

在本研究中，由于是对电器类上市公司（即样本）进行聚类分析，所以采用的是层次聚类中的Q型聚类方法。具体而言，本研究通过以我国的15家电器类上市公司为样本，选取能够反映上市公司盈利能力的营业利润率（OPR）、净资产收益率（ROM）和净利率（NPM）等3项评价指标，通过SPSS统计软件对上述的15家电器类上市公司的盈利能力相关数据进行Q型聚类分析，其中对于个体距离，采用的是平方欧式距离。对于类间距离，采用的是平均链锁距离。图1为本次聚类分析的树形图。

根据图1中聚类的结果，本研究将15家电器类上市公司划分为三个类别（如表2所示）。类别Ⅰ包括了正泰电器和老板电器两家上市公司。类别Ⅱ包括了青岛海尔，小天鹅A、创维数字、格力电器、良信电器、美的电器、飞乐音响和东源电器等8家上市公司。类别Ⅲ包括了深康佳A、美菱电器、鑫龙电器、奥马电器和TCL集团等5家上市公司。下边将对各个类别的上市公司的特征进行具体阐述。

类别Ⅰ包括了正泰电器和老板电器两家电器类上市公司。根据表格2的数据显示，该类别的电器类上市公司的营业利润率（OPR）、净资产利润率（ROM）和净利率（NPM）的均值都是三个类别中最高的，分别为17.34%，8.07%和14.80%。这也说明，该类别的电器类上市公司的整体盈利能力最强。

类别Ⅱ包括了青岛海尔、小天鹅A、创维数字、格力电器、良信电器、美的电器、飞乐音响和东源电器等8家上市公司。该类别的电器类上市公司的营业利润率（OPR），净资产利润率（ROM）和净利率（NPM）的均值都居于三个类别中的第二位，分别为8.65%，4.02%和8.66%。这也说明，该类别的电器类上市公司的整体盈利能力较强，但仍与类别Ⅰ的公司有所差距。

类别Ⅲ包括了深康佳A、美菱电器、鑫龙电器、奥马电器和TCL集团等5家上市公司。该类别的电器类上市公司的营业利润率（OPR）、净资产利润率（ROM）和净利率（NPM）的均值都最低，分别为1.92%、1.40%和2.15%。这也说明，该类别的电器类上市公司的整体盈利能力较弱，与前两类存在明显的差距。