股利分配理論與政策-外文文獻課件

股利分配理論與政策——外文文獻介紹BUCT目錄酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析政府相關公司股利政策的實證研究公司股利分配預測——一個知識集成模型使用知識流程模型預測股利政策的研究股息減少意味著什么？Financialfeaturesofdividend-payingfirmsinthehospitalityindustry:Alogisticregressionanalysis文獻1題目酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析研究目標確定美國酒店業(yè)的這一財務特征——是否為派息企業(yè)研究方法Logistic回歸模型研究結論在美國酒店業(yè)，擁有更好盈利能力、更大規(guī)模和更少投資機會的企業(yè)更可能去支付股息確定影響酒店業(yè)企業(yè)分紅派息決策的因素文獻1酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析變量個數(shù)平均數(shù)標準差最大值最小值總資產(chǎn)691985.9033902.10020699.4200.860流動比率691.3421.0925.4010.134市場賬面價值比692.3251.4898.412-1.628資產(chǎn)收益率690.0530.2761.875-0.929資產(chǎn)負債率690.6330.2821.4830.207銷售額年變動百分率690.1920.6594.966-0.994季度凈收入變異系數(shù)69-1.4726.7883.817-48.703表1獨立非虛擬變量的描述性統(tǒng)計文獻1酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析變量平均數(shù)（組1）平均數(shù)（組2）T-值P-值總資產(chǎn)3,156.8701,205.3001.9670.039流動比率1.4321.2830.5430.589市場賬面價值比1.8383.056-3.4270.001資產(chǎn)收益率0.094-0.0182.9230.005資產(chǎn)負債率0.6580.6160.6140.542銷售額年變動百分率0.1700.207-0.3610.795季度凈收入變異系數(shù)0.094-2.5171.9130.062表1通過T檢驗比較兩組非虛擬獨立變量顯著水平0.05

雖然總資產(chǎn)、市場賬面價值比和資產(chǎn)收益率存在顯著差異，用以辨別是否為支付股息的公司尚需用logistic回歸分析作進一步研究。文獻1酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析引入非獨立虛擬變量（二分變量），1派息公司，0不派息的公司。二分因變量的估計值為一個支付股息的公司或P（D）的預測概率。P（D）第i個企業(yè)支付股息的概率

β0為截距;X1-Xn是潛在的自變量

β1-βn的第n個潛在變量的系數(shù)。文獻1酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析表4正向選擇Logistic回歸模型關鍵向量總資產(chǎn)市場賬面價值比資產(chǎn)收益率文獻1酒店業(yè)股利支付企業(yè)的財務特征——一個

logistic回歸分析P（D）預測值大于0.5的企業(yè)被歸類為到派息組（第1組）P（D）預測值低于0.5分為不派息組（第2組）√√DividendPolicy:EvidenceofGovernment-LinkedCompanies文獻2題目政府相關公司股利政策的實證研究研究目標試圖找出政聯(lián)公司的六大特點和包括公司治理機制的派息率之間的關系研究方法統(tǒng)計分析研究結論盈利能力、現(xiàn)金流和董事會的獨立性影響了政聯(lián)公司的派息比率Aknowledgeintegrationmodelforthepredictionofcorporatedividends文獻3題目公司股利分配預測——一個知識集成模型研究目標優(yōu)化MarshandMerton模型研究方法人工智能技術研究結論將改進模型與MarshandMerton模型、神經(jīng)網(wǎng)絡和CART方法進行對比，證明了有效性預測股息支付文獻3公司股利分配預測——一個知識集成模型MarshandMerton股息預測模型僅使用前幾期股票價格和股息來預測下一期股息，相對于其他預測方法使用很多會計指標，更容易被接受，并且在商業(yè)領域?qū)W術領域使用廣泛。使用市場價值而非賬面價值，估計的股息可直接用于企業(yè)的現(xiàn)金流折現(xiàn)估值和未來股息政策。得到回歸參數(shù)a0、a1和a2，化簡上述公式：文獻3公司股利分配預測——一個知識集成模型知識整合模型——由CART算法改進從股息數(shù)據(jù)集提取訓練集將訓練集數(shù)據(jù)分為兩類，如下：不完整數(shù)據(jù)完整數(shù)據(jù)文獻3公司股利分配預測——一個知識集成模型案例—建立模型400家企業(yè)文獻3公司股利分配預測——一個知識集成模型模型參數(shù)股利股價規(guī)則集預測值誤差文獻3公司股利分配預測——一個知識集成模型結果比較在預測股息時，知識集成模型更精確使用知識流程模型預測股利政策的研究文獻4模型介紹CHAIDCARTQUEST規(guī)則整合基本流程決策樹算法模型介紹使用知識流程模型預測股利政策的研究文獻4舉例結果模型介紹使用知識流程模型預測股利政策的研究文獻4舉例結果文獻5股息減少意味著什么？通知股利增加，反應積極；通知股利減少，反應消極股利減少而盈利反彈的原因：節(jié)約成本而不是企業(yè)成長股息下降預示著持續(xù)性的未來收益問題，而不是盈利反彈文獻5股息減少意味著什么？樣本選擇樣本屬性SICcode標準產(chǎn)業(yè)分類代碼（StandardIndustrialClassification)events股利拖放或減少事件不存在股利拖放集中在某一產(chǎn)業(yè)的異常事件拖放事件不僅僅存在于相對幾年文獻5股息減少意味著什么？研究方法三個階段評估事件發(fā)生前后三年的經(jīng)營業(yè)績和財務特征評估事件發(fā)生期間（天數(shù)-1,0和+1）通知股息減少對股票收益率的影響檢驗公司財務數(shù)據(jù)，為以往派息研究中的異常盈利事件提供證據(jù)文獻5股息減少意味著什么？實驗結果明顯增長機會與股息減少分為5級：級別1有最低的M/B比率，往往被視為有最少的成長機會較低M/B比率的公司（級別1）在股利發(fā)放前大大提高；級別5的成長機會卻在消失級別1在（-1，+1）年間仍然在增長；級別5繼續(xù)下降累積異常報酬（CAR）和M/B沒有相關性，投資者反映更多的受其他因素影響股息減少伴隨更多的成長機會（積累資本）文獻5股息減少意味著什么？實驗結果經(jīng)營成果與股息減少—資產(chǎn)收益率文獻