上市公司财务报表分析

上市公司财务报表分析报告

一研究目的

我们知道，股东们在确定是否对一个公司进行投资时一定会对这个企业的财务报告进行一个深入的分析与解读。而后根据分析的结果来判断投资这个企业是否是明智之举。但是，众所周知，一个企业的财务报表中有很多的数据，那么，哪些数据和一个企业的下一年的利润或收益有较大的关系呢？我们知道，从企业的财务报表中我们可以得到很多数据，有绝对数也有相对数，那么哪些指标对企业下一年净资产收益率有影响呢？这就是我们要解决的问题。

二数据介绍

我们随机抽取500家上市企业的相关数据，对所有样本，解释变量来自当年，因变量来自下一年。

在数据中，我们要用的指标有下一年净资产收益率、资金周转率、利润率、债务资本比率、成长速度（%）、是倍率、收入质量、存活率、资产规模、当年净资产收益率等指标。我们要分析的是这些指标中哪些指标对企业下一年的净资产收益率有影响，并得出其线性关系。

下面，我对每个指标的经济意义做些解释

1净资产收益率

净资产收益率ROE又称为净资产利润率是净利润与平均股东权益的百分比，是公司税后利润除以净资产得到的百分

比，该指标股东权益的收益水平，用以衡量公司运用资本的效率。指标值越高，说明资本带来的效益越高。该指标体现了自有资本获得净收益的能力。

计算公式：=税后利润

净资产收益率

所有者权益

2资金周转率

资金周转率是反映资金周转速度的指标。企业资金在生产经营过程中不断的循环周转，从而使企业取得销售收入。企业用尽可能少的资金占用，取得尽可能多的销售收入，说明资金周转速度快，资金利用效果好。资金周转率越高越好。

计算公式：

=

-

销售收入净额

资金周转率

平均流动资产平均流动负债

3利润率

利润率是反映企业一定时期利润水平的相对指标。利润率指标既可以考核企业利润计划的完成情况，又可以比较各企业之间和不同时期的经营管理水平，提高经济效益。利润率分为很多种，例如净利润率、销售利润率、产值利润率等，这是个正指标，越大说明企业经营状况越好。

例如净利润率的计算公式为：

=

净利润净利润率

销售净额

4 债务资本比率

债务资本比率是企业报告期末总负债与所有者权益合计之比。它既反映了企业长期偿债能力，同时也反映了企业的资本结构和企业利用外借资金的程度。比率越小说明企业长期

还债能力越强。比率较大在经营状态良好的情况下不仅扩大了企业经营规模而且可以通过财务杠杆作用获利。比率过大则说明企业债务负担过重对债券人不利而且倒闭的风险大。

计算公式：

=

总负债债务资本比率

所有者权益

5成长速度

成长速度是表示某一时期内某指标发展变化状况的动态相对数。它是报告期的增长量与基期发展水平之比。把对比的两个时期的发展水平抽象成为一个比例数，来表示某一事物在这段对比时期内发展变化的方向和程度，分析研究事物发展变化规律。

6.收入质量

收入质量是指会计收益所表达的与企业经济价值有关信息的可靠程度。高质量的收入是指报表收入对企业过去、现在的经济成果和未来经济前景的描述是可靠和可信任的。反之，如果报表收入对企业过去、现在经济成果和未来经济前景的描述具有误导性，那么该收益就被认为是低质量的。

7.存货率

存货（Inventory）是指企业或商家在日常活动中持有以备出售的原料或产品、处在生产过程中的在产品、在生产过程或提供劳务过程中耗用的材料、物料、销售存仓等。存货率是企业存货占企业产品数量的比重。

8.资产规模

资产规模是指企业、自然人、国家拥有或者控制的现有的总资产额或者固定资产额。通常企业在会计上计算的资产有对少，该企业的资产规模就为多少。

三 线性回归分析

（1）描述分析

我们从上表可以看出，我们给出的十个变量的极大值、极小值、均值、标准差和方差。其中有效的样本个数为500个。我们可以看出，500个企业的下一年净资产收益率的均值为0.059，标准差为0.488907.

（2）回归分析

我们这里使用的是多元线性回归模型：

0112233445566778899y x x x x x x x x x ββββββββββ=+++++++++

我在使用spss软件中的多元线性回归中使用的stepwise逐步回归方法，这种方法是选择符合判据的自变量且对因变量贡献最大的进入回归方程。可以看到，九个因变量仅留下了两个变量，当年净收益率和是倍率。

在图中我们可以看到回归方程的复相关系数R,2R,修正的2R，2R体现了回归模型所解释的因变量变异的百分比为41.3%，对于经济问题这个大小的2R可以接受。

由Durbin-waston统计量的值接近于2，可以得出回归模型中的误差项之间是相互独立的。

在上表中我们可以看到，在因变量为当年净资产收益率、是倍率时，方差分析结果表明，当回归方程包含不同的自变量时，其显著性概率值效率小于0.001，即拒绝回归系数均为0的原假设，说明变量系数总体来看是显著地，对方程式有意义的。

上图显示了在使用stepwise方法时排除出方程中的变量信息。在第二

个模型中，仅保留了当年净资产收益率和是倍率两个因变量，其余变量均排除出方程中了。我们可以看出排除的这些变量的检验的P 值都大于0.05.

上图给出了每一步回归过程的统计量即检验结果。在包含两个自变量的模型中其t 值分别为-6.382、17.294、-2.581，对应的检验的P 值都小于0.05，说明在0.05的概率下，均拒绝原假设，认为β值显著地不为0.

并且可以给出模型二的方程式：

591.490.050.607y x x =--+

由共线性统计量中的VIF 和容许度的只可以看出，自变量之间不存在共线性。因为，一般情况下，我们认为容许度小于0.1或0.2或者VIF 大于10可以认为存在共线性问题。但是，在上表中我们看到其VIF 值没有超过5，说明变量之间不存在多重共线性。