Chap4资产评估中的定量分析.pptVIP

资产评估中的定量分析 第一节 定量分析的必要性 资产评估中的定量分析 定量分析的必要性 描述性分析 相关分析 回归分析 时间序列分析 1 定量分析的必要性 成本法的重要参数 重置成本=人工+材料+期间费用+合理利润 实体性贬值 功能性贬值 经济性贬值 1 定量分析的必要性 市场法的重要参数 被评估资产评估值＝参照物价格×调整系数 时间因素 区域因素 功能因素 交易情况 1 定量分析的必要性 收益法的重要参数 评估值＝ 第二节 描述性分析 2 描述性分析 描述性分析，分析的是变量的总体特征 算术平均数 几何平均数 中数 众数 数学期望 方差，离散系数 分布率 第三节 相关分析 相关分析 变量之间的关系 相关关系及其测量 相关分析与评估 1 变量之间的关系 变量之间的关系 函数关系 相关关系， 相关关系及其测量 Pearson相关系数 相关系数显著性(Significance)检验 3 相关分析 相关分析与评估 第四节 回归分析 回归分析 回归分析的实质 回归方程的理论基础 回归的假设 回归系数的显著性检验 回归分析与评估 1 回归分析的实质 二元(多元)线性回归分析 非线性回归分析 2 回归方程的理论基础 3 回归的假设 A1:因变量与自变量之间呈线性关系即： A2:无多重共线性,解释变量之间无线性相关关系,即矩阵X是 矩阵，并且秩k。 A3：各观察点对应的扰动项的期望或均值为零（每个观察点都对应一个扰动项变量，不同观察点的扰动项是不同变量，可以有不同的分布参数，此处假定各个扰动项的期望都为0）即 。 A4：无异方差性,各个观察点对应的扰动项的方差相同都为一常数，并且各扰动项之间的协方差为0,即对于所有观察点i都有 并且 ,在残差图上表现为残差不是分布于以0为中心的一条带上,而是呈现喇叭口等形状。 A5：各观察点自变量是确定的值并且已知，即矩阵X已知。 A6：无自相关,各个扰动项都独立服从期望为0方差为 的正态分布，即向量 服从 ,由于I是一个单位矩阵所以 即表明各扰动项的方差为 ，也表明扰动项之间协方差为0, A7：自变量与扰动项不相关 4 回归系数的显著性检验 5 回归分析与评估 计算收益法的beta 计算市场法的调整系数 收益法需要估计的参数 折现率 无风险利率 β 风险升水(risk premium) 收益期 未来收益流 Beta 贝塔系数是一种评估证券系统性风险的工具，用以度量一种证券或一个投资证券组合相对总体市场的波动性 β系数反映的是某一只股票相对于市场波动的敏感程度。β越高，意味着股票相对于业绩评价基准的波动性越大。β大于1，则股票的波动性大于业绩评价基准的波动性。反之亦然。如果β为1，则市场上涨10％，股票上涨10％；市场下滑10％，股票相应下滑10％。如果β为1.1,市场上涨10％时，股票上涨11%,；市场下滑10％时，股票下滑11%。如果β为0.9,市场上涨10％时，股票上涨9%；市场下滑10％时，股票下滑9%。 Beta 资产评估中以β系数体现评估对象风险报酬率和市场平均风险报酬率之间的关系。按说β系数所反映的评估对象未来预期收益期内的风险报酬率相对于市场风险报酬率的比值是波动的。但在实际使用β系数时，我们一般假设评估对象未来相对波动率是稳定的，并往往是以历史数据来计算该β值 Beta的数学定义 Beta的数学定义 Beta的数学定义 Beta的数学定义 Beta计算的直接法 Beta计算的回归分析法 回归方程 Beta计算的回归分析法 回归系数的计算公式 Beta计算的回归分析法 Beta计算的回归分析法 回归方程的理论基础CAPM 深发展股票的beta计算 样本区间的选择 年、月、多年 区间选择对结果的影响 Beta的稳定性 深发展股票的beta计算_直接法 深发展股票的beta计算_回归法 回归有效性的检验 A1:因变量与自变量之间呈线性关系。 A2:无多重共线性,解释变量之间无线性相关关系,即矩阵X是k阶矩阵，该矩阵的阶数等于解释变量的个数。 A3：各观察点对应的扰动项的期望或均值为零（每个观察点都对应一个扰动项变量，不同观察点的扰动项是不同变量，可以有不同的分布参数，此处假定各个扰动项的期望都为0）即。 A4：无异方差性,各个观察点对应的扰动项的方差相同都为一常数，并且各扰动项之间的协方差为0,即对于所有观察点i都有 并且,在残差图上表现为残差不是分布于以0为中心的一条带上,而是呈现喇叭口等形状。 A5：各观察点自变量是确定的值并且已知，即矩阵X已知。 A6：无自相关,各个扰动项都独立服从期望为0方差为的正态分布，即向量服从,由于I是一个单位矩阵所以即表明各扰动项的方差为，也表明扰动项之间协方差为0, A7：自变量与扰动项不相关, 回归有效性的检验 主