FINANCIAL STATEMENT ANALYSIS AND THE PREDICTION OF STOCK RETURNS*

Jane A. OU

Slsaquo;iittu Clara Hniuersity, Santa Clura, CA 9J 5J. USA

Stephen H. PENMAN

Hnioersit; of California, Berkeley, CA 947z*0, USA

This paper performs a financial statement analysis that combines a large set of financial statement items into one summary measure which indicates the direction of one-year-ahead earnings changes. Positions are taken in stocks on the basis of this measure during the period 1973—1983. which involve cancelling long and short positions with zero net investment. The two-year holding-period return to the long and short positions is in the order of 12.5$. After adjustment for lsquo;size effectsrsquo; the return is about 7.0 . These returns cannot be explained by nominated firm risk characteristics.

Introduction

Financial statement analysis identifies aspects of financial statements that are relevant to investment decisions. One goal of the analysis is to assess firm value from financial statements. Much empirical accounting research has attempted to discover value-relevant accounting attributes in order to enhance financial statement analysis. The approach taken in this work assumes that market price is sufficient for determining firmsrsquo; values and thus serves as a benchmark against which to evaluate the information in accounting measures. Accounting attributes are inferred to be value-relevant because they are contemporaneously statistically associated with stock prices. For example, the seminal work of Ball and Brown (1968) and the many successive information contentrsquo; papers indicate that accounting earnings and some of its components capture information that is contained in stock prices.

Traditional lsquo; fundamental analysisrsquo;, however, embraces a different perspec- tive. Firmsrsquo; (lsquo; fundamentalrsquo;) values are indicated by information in financial statements. Stock prices deviate at times from these values and only slowly gravitate towards the fundamental values. Thus, analysis of published financial statements can discover values that are not reflected in stock prices. Rather than taking prices as value benchmarks, intrinsic valuesrsquo; discovered from financial statements serve as benchmarks with which prices are compared to identify overpriced and underpriced stocks. Because deviant prices ultimately gravitate to the fundamentals, investment strategies which produce abnormal returnsrsquo; can be discovered by the comparison of prices to these fundamental values.

There have been many claims of market efficiency with respect to publicly availablersquo; accounting information, but (astonishingly, when one considers the many tests of technical analysis) little research into the competing claim of fundamental analysis. This paper examines this claim. We outline a method of financial statement analysis that extracts a summary value measure from financial statements. This measure is an indicator of the direction of future earnings. Positions are taken in stocks on the basis of this measure and returns to the positions are observed. These procedures approximate the program of traditional fundamental analysis of discovering value-relevant attributes of firms from financial statements and taking market positions based on these. The results indicate that the summary measure robustly predicts future stock returns. Trading strategies based on predictions of future earnings from publicly availablersquo; financial statement information capture a significant por- tion of returns to the Ball and Brown (hypothetical) strategy based on perfect foreknowledge of those future earnings. Further, the returns to these strategies are not explained by aspects of firms that have been nominated as risk attributes.

In the next section we describe our financial statement analysis that extracts the summary value measure from financial statements. We also outline our preset program for utilizing this measure in investment strategies. Then, after summarizing the data in section 3, we describe the results of the execution of the program in section 4. Section 5 examines the extent to which returns predicted by the value measure are explained by firmsrsquo; conjectured risk characteristics. Finally, a short summary of the results is given in section 6.

1. The approach

The tests in the paper involve observation of returns to investment strategies based on a measure that summarizes information in financial statements. In this section we describe the financial statement analysis that produces this measure and outline features of the trading strategy that employs it.

• 1. The financial statement analysis

Fundamental analysis maintains that firmsrsquo; values are indicated by informa- tion in financial statements. However, the methods by which these values are extracted from financial statements are unclear. Traditional financial state- ment analysis provides little guidance for this task. Textbooks describe the calculation of financial statement ratios but provide scant prescription as to how these should be used. Ratios are identified with such constructs as profitabilityrsquo;, turnoverrsquo;, and liquidityrsquo;, but the relationship of these operat- ing characteristics to value is not apparent. Our financial statement analysis is an attempt to operationalize the notion of extracting values from financial statements. The large array of financial statement items are combined into a scalar that maps from the financial statements to the payoffs to securities.

A simple valuation model can be expressed as

V - E ( d )/r, (1)

where U is a stockrsquo;s value (equal to price in an efficient market), E(d) is expected future dividends, and r the rate at which future dividends are discounted. The discount rate reflects security risk. Both E(d) and r are assessed on the basis of

剩余内容已隐藏，支付完成后下载完整资料

财务报表分析和股票收益预测*

简·欧

S lsaquo;iittu Clara Hniuersity，圣塔克拉拉，CA 9J 5J .美国

斯蒂芬·潘曼

Hnioersit;美国加利福尼亚州伯克利市947z * 0

本文进行了一项财务报表分析，将大量财务报表项目组合为一个汇总指标，该指标指示了未来一年收益变化的方向。在此基础上，根据1973-1983年期间的股票头寸。这涉及以零净投资取消多头和空头头寸。两年期的多头和空头头寸收益约为12.5美元。调整“大小效果”后，回报约为7.0。这些收益不能用指定的公司风险特征来解释。

1. 介绍

财务报表分析可确定与投资决策相关的财务报表的各个方面。分析的目的之一是从财务报表中评估公司价值。为了加强财务报表分析，许多经验会计研究都试图发现与价值相关的会计属性。本工作采用的方法假定市场价格足以确定公司的价值，因此可以作为评估会计计量中信息的基准。会计属性被推断为与价值相关，因为它们在统计上与股票价格相关联。例如，鲍尔和布朗（Ball and Brown，1968）的开创性著作以及许多连续的信息内容的论文表明，会计收益及其某些组成部分捕获了股价中包含的信息。

但是，传统的“基础分析”包含了不同的观点。企业（“基本”）价值由财务报表中的信息表示。股票价格有时会偏离这些价值，而只会慢慢趋向于基本价值。因此，对已发布财务报表的分析可以发现未反映在股票价格中的价值。从财务报表中发现的内在价值不是将价格作为价值基准，而是作为比较价格的基准，以识别价格过高和过低的股票。由于异常价格最终会吸引基本面，因此可以通过将价格与这些基本值进行比较来发现产生异常收益的投资策略。

关于公开可用的会计信息，有许多关于市场效率的主张，但是（令人惊讶的是，当人们考虑对技术分析进行多种测试时）很少有人对基础分析的竞争主张进行研究。本文研究了这一主张。我们概述了一种财务报表分析方法，该方法可以从财务报表中提取汇总价值度量。该指标是未来收益方向的指标。以此为基础在股票中持有头寸，并观察到头寸的回报。这些程序近似于传统的基础分析程序，即从财务报表中发现企业的价值相关属性，并据此确定市场地位。结果表明，该汇总指标可以强有力地预测未来的股票收益。基于可公开获得的财务报表信息对未来收益进行预测的交易策略，基于对这些未来收益的完美预测，捕获了Ball and Brown（假设）策略的大量收益。此外，这些战略的回报还没有被提名为风险属性的公司解释。

在下一部分中，我们将描述财务报表分析，该分析从财务报表中提取汇总价值度量。我们还将概述我们的预设程序，以在投资策略中利用此措施。然后，在总结了第3节中的数据之后，我们在第4节中描述了该程序的执行结果。第5节研究了价值测算所预测的收益在多大程度上由企业的推测风险特征来解释。最后，对结果的简短总结在第6节中给出。

1. 该方法

本文中的测试涉及基于对财务报表中的信息进行汇总的度量来观察投资策略的回报。在本节中，我们描述产生此度量的财务报表分析，并概述采用该度量的交易策略的特征。

• 1. 财务报表分析

基本面分析认为，财务报表中的信息表明了公司的价值。但是，从财务报表中提取这些价值的方法尚不清楚。传统的财务报表分析很少为该任务提供指导。教科书描述了财务报表比率的计算方法，但未提供有关如何使用这些比率的处方。比率通过诸如“盈利能力”，“营业额”和“流动性”之类的结构来确定，但是这些运营特征与价值之间的关系并不明显。我们的财务报表分析是一种尝试，以实现从财务报表中提取价值的概念。大量的财务报表项目组合成一个标量，从财务报表到收益到证券的映射。

一个简单的估值模型可以表示为

V - E ( d )/r, (1)

其中，U是股票的价值（等于有效市场中的价格），E（d）是预期的未来股息，r是未来股息折现率。折现率反映了安全风险。E（d）和r均根据财务报表和其他可用信息进行评估。因此，为了确定公司价值[并基于有关E（d）或r的信息确定市场地位]，分析师希望将那些表示（1）分子中正值预期收益的会计属性与在分母中表示负值风险特征的那些。²我们牢记分子的会计指标。因此，我们确定了与未来收益相关的财务报表属性，并将它们组合为一个“正值”度量。这种方法与Beaver，Kettler和Scholes（1970）以及Rosenberg和Marathe（1975）的财务报表分析形成对比，但该方法旨在发现与风险相关的财务报表指标[在分母（1）中]，从而预测预期的股票收益。由于不确定的风险没有得到很好的理解，因此不能保证我们的措施不会反映风险，但是该程序可能会减少这种可能性。作为检验，我们调查了该指标所预测的回报是否可以由企业特征来解释，这些特征在文献中被认为是风险属性。

这项工作的关键任务是确定财务报表中的收益指标。估值理论（其中（1）是一种粗略的表示）表明，应根据与未来股息的相关性来确定可观察指标[参见Rubinstein（1976）和Garman and Ohlson（1980）]。不幸的是，可用的股息支付历史使人们无法观察到投资者在事前评估中认为可能的全部股息实现。的确，Miller和Modigliani（1961）的结果表明，除清算股息（通常没有观察到）之外的支出是任意的，与价值无关，或者是由税收考虑驱动的。但是，我们对会计实证研究中最强劲的结果之一印象深刻，即Ball and Brown（1968）发现，会计收益被投资人肯定了。较高（较低）的收入表示较高（较低）的价值。我们还以直觉为指导，即未来的股息将从收益中支付。因此，我们将未来收益确定为与价值相关的利息属性。请注意，Grahamite原则强调“未来收益能力”这一概念是最重要的估值概念。⁴

鉴于未来收益与价值相关，因此希望根据财务指标对未来很多年的预测能力来确定财务指标。我们将调查范围限制在一年之内。超过一年以上的收入信息差异导致我们的检验存在保守偏见，即对市场效率的零假设。次年的收入变量指定为二进制结果，收入增加或收入减少。因此，根据给定年度报告中发布的财务报表描述符预测来年的年度收益变化方向的能力来选择财务描述符。二进制规范中丢失了信息，但我们担心，由于会计数据存在异常值，使用美元数量级进行估计可能会产生参数估计，这些参数估计在样本外预测中表现不佳，并导致投资策略过度权重估计误差。二进制规范还允许将交易策略的收益与Ball and Brown（1968）策略的收益进行比较，后者基于对二进制结果的完美预测。

我们的估算技术是LOGIT。选定的属性被简约地合并到LOGIT模型中，该模型在进行估算时可提供我们的汇总值度量。这是下一年收入增长的估计概率，该概率由财务报表中的描述符和LOGIT模型共同表示。我们将在财政年度t中给定公司i的估计值表示为Prbdquo;。在理解了下标的情况下，我们将其称为Pr。该衡量标准是对企业在下一年产生收益的相对能力的评估。因此，它具有传统基础分析师所提到的“未来盈利能力”的特征。

在估算Pr时，我们选择不包括特殊项目之前的每股基本收益的变化作为f 1年的收益变量。因为收益增加往往大于收益减少，所以我们将变量定义为eps“ 1-eps”-“漂移” 1，以得出特定于公司的趋势的漂移项估计为这四个指标的平均每股收益变化t 1之前的年份。

由于许多公司都可以使用有限数量的会计变量观察值，因此LOGIT模型是根据公司和时间上汇总的数据估算的。这为参数估计带来了更多信息。但是，如果通用模型不能很好地代表所有公司（在某种程度上，不同的特征以不同的方式在不同的公司中产生了未来收益），我们将再次对测试采用保守的偏见。

• 1. 交易策略

根据这些Pr值将股票分配给投资头寸。在设计投资策略时，遵循三个原则。首先，排除了可能实际实施投资策略时无法获得的信息，以尽量减少事后偏差。其次，我们遵循固定的，预设的程序，该程序不能反映数据的早期经验。因此，我们避免了统计过拟合。第三，分析是对大量公司进行的，并在相当长的一段时间内重复进行。因此，有能力评估样品中结果的稳健性。

交易策略的制定如下。步骤1-3涉及选择会计属性，并将其合并到汇总度量中。步骤4涉及在库存选择中使用此汇总度量。

1. 在估计期间，通过参考数据中观察到的相关性来评估大量财务报表属性预测未来收益的能力。没有有意识地尝试根据我们认为应该起作用的东西或我们从经验中观察到的起作用来评估预测能力。在抽样期开始时对财务会计和财务分析文本进行调查之后，提名了可能的预测变量。这里的座右铭是“让数据说话”：投资者可以在估计期结束时观察到财务报表属性的预测能力。
2. 在估计期间，从数据中估计将财务报表属性（在步骤1中显示预测能力）组合到Pr摘要度量中的权重。
3. 使用选定的会计属性和估计的权重，从估计期之后的会计年度发布的财务报表中，为样本中的每种股票计算Pr值。
4. 然后根据此度量将股票分配给多头和空头投资头寸。投资策略是根据预设程序执行的，该程序描述了执行日期（在估算期以外和财务报表属性可公开获得的时间点），分配头寸的截止标准，投资组合中证券的权重，以及持仓期。

这种方法是保守的。我们的固定计划只是众多可能的计划之一，不能保证我们选择了最好的，甚至是一个好的计划。此外，可能有人猜测，如果我们对会计属性的选择“稍加思考”，结果可能会得到改善”。

在评估投资回报表现时，我们不会将观察到的回报与特定资产定价模型所描述的基准进行比较。相反，我们报告通过价值计量显示的取消多头和空头头寸（要求净投资为零）的回报。然后，我们评估是否可以通过风险代理人的热门属性来解释该头寸的收益-估计市场贝塔值，收益率方差，公司规模，收益率，相对于账面价值的市场溢价以及杠杆率。

1. 执行
   1. 汇总账目度量的计算，Pr

财务报表属性的预测能力是使用1965-1972年以及1973-1977年的年度报告数据进行评估的。⁶表2列出了调查的68个描述符。在第一阶段，每个描述符都作为LOGIT收入预测模型中的唯一解释变量包括在内。为了估计模型的参数，需要在各个公司和不同时间之间汇总观察结果。因此，包括了对每个会计描述符和方向性未来收益变化（估计的漂移较小）的每个成对观察，但不包括任何可能的选择偏差。由于现阶段缺少模型描述符，因此未排除公司。表中给出了所有68个会计描述符的系数估计2以及X1²与评估相对于零的估计值相关的统计信息（和p值）。在两个时期中，系数估计值的34（或50＆o）的p值均小于0.10。但是，每个估算期内的估算都不来自独立的观察。读者可能希望将这些估计值与他或她对企业未来创收属性的直觉相比较。我们选择与数据保持距离，因此不要在此处建立合理化系数估计符号的“故事”。但是，在两个互斥的估计周期内，描述符上的估计系数的符号和显着性水平的一致性需要强调。在第一个周期的p值小于0.10的34个描述符中，有32个在第二个周期的估计系数上具有相同的符号，在这32个描述符中，只有6个的p值不小于0.10。在第二个周期中，对于p值小于0.10的描述符，观察到了相似的一致性（在第一个周期中）。这表明我们已经掌握了一些公司的属性，这些属性在产生收益方面表现出一定的规律性，并且预测能力将在估计期间之外持续存在。

为了将这68个描述符简化为简约集，我们遵循以下过程。在第二阶段，我们在多元模型中包含所有描述子，这些描述子的单变量估计中观察到的系数估计值在0.10处显着。然后，我们删除所有变量，这些变量的多元估计中的系数估计在0.10的水平上都不显着，在1965-1972年期间保留19个变量，在1973-1977年期间保留18个变量。在第三个也是最后一个阶段，我们逐步研究每个剩余变量，删除在0.10级别不重要的描述符，包括所有其他描述符。在此阶段，在1965-1972年期间删除了3个描述符，但在1973-1977年期间没有删除。当然，最好逐步使用原始的68个描述符，但这需要消除没有完整描述符集的任何公司。

最终模型（第一个估计期有16个描述符，第二个估计期有18个描述符）汇总在表3中。各种测试统计数据表明，描述符具有显着的能力来共同描述后续收益变化。乍看之下，两个时期的模型中包含的描述符似乎并没有太大的一致性。在任何一个时期的28个描述符中，只有6个出现在两个模型中。但是，这些是多元模型，在逐步过程的相关步骤中，特定变量及其估计系数的符号将取决于模式1中已经存在的变量。注意，许多描述符捕获了相似的操作特征。例如，库存，销售额和紧缩收益出现在多个描述符中。在1973年至1983年（采用投资头寸的年份）中，我们使用两种模型估算了Pr，并且在这些年份中的每一年都估算了两个值之间的相关性。十一年的平均值是0.62。对于Pr值大于0.5和小于0.5的分类，这两个模型在这些年中始终对公司进行78.7％的时间分类。这表明这两个模型正在捕获相似的现象。

对于1973年至1983年的每个会计年度，使用汇总值度量。Pr是根据每个公司的财务报表计算的，表3中提供了一组模型描述符。对于1973年至1977年，使用的是1965年至1972年的参数估计值；对于1978年至1983年，则使用了1973年至1977年的估计值。表4总结了该汇总量度在预测实现的收益变化中的表现。Pr值0.5和0.6（在数据分析之前任意选择，在某些情况

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[607157]，资料为PDF文档或Word文档，PDF文档可免费转换为Word