IPO定价

出自 MBA智库百科(http://wiki.mbalib.com/)

IPO定价(Initial Public Offering Price)

目录 1 什么是IPO价格 2 IPO定价影响因素的多元线性分析 3 IPO定价的分析及结论 4 国际IPO发售机制模式比较分析[1] 5 IPO估值定价技术在我国证券市场推广应用[2] 6 参考文献

什么是IPO价格

　　IPO价格又称新股发行价格，是指获准发行股票上市的公司与其承销商共同确定的将股票公开发售给特定或非特定投资者的价格。在这一价格的确定程序中，相关的影响因素包括公司帐面价值、经营业绩、发展前景、股票发行数量、行业特点及市场波动状况等，而这些因素的量化过程会随着定价者选用方法的不同而出现很大差别。

　　IPO定价是国际金融界公认的最具迷惑性的难题之一，因为最成功的IPO定价就是发行人能够以投资者可容忍的最高价格顺利发行，而发行失败或以过低价格发行则意味着定价的失败。在这一过程中，包括投资者的价格接受底线在内的很多因素甚至超出了发行人本身及承销商的控制范围，因此，一个超脱、客观的IPO价格实际上是不存在的。较为常见的情况是，出于风险规避的考虑，承销商往往不会把其获得的所有信息融入IPO定价程序中。 Michelle Lowry和 G. William Schwert（2001）的研究表明，美国证券市场IPO业务中平均约15％的首日回报率揭示了相对于二级市场价格而言，IPO定价中存在着倾向于低估的系统性偏差。

IPO定价影响因素的多元线性分析

　　（一）变量假设

　　我们将承销商在IPO定价程序中可能考虑的各种因素分为两类，即外部因素和公司内部因素。它们的组合及其影响直接导致了IPO价格的确定。

　　所谓外部因素是指与企业正常经营状态相对独立的、不直接反映其内生持续盈利能力 但却影响承销商IPO定价判断的各种情况，它们包括国民经济运行状况、市场利率水平、突发性事件、行业宏观政策导向、产品市场预期、同业竞争情况、市场波动情况、股票发行规模以及承销商自身实力等等。这些因素可能会以不确定的、非线性的方式对承销商的定价过程发生作用，而且在特定的定价行为中，上述信息对IPO价格的最终形成主要起着经验性的非量化影响；公司内部因素是指反映在IPO价格中的直接体现公司素质和增长前景的各种要素的总和，包括承销商对其经营效率、获利能力、管理状况、资本结构等各种内部情况的评估结论。与外部因素不同之处在于，这些内部因素对于IPO定价主要可能起着较为确定的、线性的量化影响。

　　在模拟外部因素时，我们考虑到一些外部影响的量化难度而进行了相应的简化或剔除。最终，我们假设承销商的IPO定价程序主要受到以下四方面因素的直接影响：（1）市场波动情况；（2）股票发行数量；（3）行业特性；（4）承销商等级指数。

　　对因素（1），我们使用了上证指数的相对波动率指标来模拟整个市场的中短期波动情况。考虑到在实际发行程序中，IPO定价的最终确定时间一般是在正式发行日的两周之前，因此我们采用发行前两周的市场波动率组合S1来模拟市场气氛的研判环境。其计算公式为：

　　F/An=Ft/Fn（n=3，5，7，9，11，13，15）

　　其中，F/An代表相对于上证指数第n周移动平均收盘点位的市场波动率；

　　Ft为特定股票发行日两周前的上证指数收盘点位；

　　Fn为特定股票发行日两周前的上证指数n周移动平均收盘点位 .

　　对于因素（3），我们使用了最新颁布的上市公司行业分类指引。由于两个交易所公布的上市公司行业分类结果详细程度不同，因此我们以深交所较为概括的分类标准来对样本公司所属的行业进行判别。

　　在因素（4）即承销商自身实力方面，我们考虑到美国的IPO市场中等级较高的投资银行所承销的IPO股票定价倾向于高出平均水平（Michelle Lowry＆G. William Schwert，2001），因此，国内承销商的实力差别可能也会对其作出的IPO定价决策有所影响。在考虑多重指标之后，我们大致把1997－2000年样本期间内的主承销商进行了等级排名，共分为1、2、3、4个档次。其中，档次越靠前的承销商实力也越强。

　　在公司内部因素方面，我们考虑到市盈率指标所反映的公司基本面情况较为有限，而要试图对公司的内在价值运用现金流量贴现方法作出判断又会令主观因素的干扰加大。因此，为了全面反映特定公司的基本面素质，我们运用了71个财务指标来模拟公司的偿债能力、赢利能力、资产周转能力、管理效率等各个方面的情况。这些财务指标的原始数据均来自于样本公司招股说明书及上市公告书中最近一个会计年度的资产负债表和收益表。尽管现金流量信息非常重要，但在权责发生制的框架下，资产负债表和收益表仍然可以完整地代表特定企业的财务状况和经营成果。鉴于报表编制基础的冲突，我们在选取财务数据时没有纳入现金流量信息。

　　另外，近年来我国证券市场的政策环境变化较大，经验数据表明：市场的IPO定价从趋势上看，有突然间受到某种冲击而整体增加的迹象，而不是逐渐的增加；而从实际的市场情况来看，定价增加可能是因为受到一级市场市场化的政策的影响，从而表现出的不理性行为导致。基于上述两个原因，我们没有在后续的分析过程中引入时间变量。

　　（二）样本选取

　　在剔除了财务数据有误的约200只股票之后，我们在1997年初到2001年3月为止的区间内选取了328只IPO股票。鉴于这些样本所跨的期间过长，可能会掩盖某些市场结构变动所造成的影响，我们分别就这328只股票和2000年以后发行上市的94只股票的数据进行分析，并进行了相应结果的对比。下面对于检验过程的描述主要是以2000年以后的IPO股票样本为对象的。

　　（三）检验过程

　　（1）数据性质的检验

　　我们试图从81个变量中寻找到对新股价格有效的解释变量。如果这些变量高度相关，必然会导致回归方程中自变量相互削弱各自对y的边际影响，而出现回归方程整体显著，但各个变量都不显著的现象，也就是多重共线性的现象。另外，在众多的数据中如果存在奇异值，将严重地歪曲变量与自变量之间的关系，使回归方程不能很好地描述一般情况下变量与自变量之间的关系。因此，在发现奇异值时，应将其删除以使回归方程得到较好的效果。

　　我们通过标准化误差和标准化预测值的散点图检验数据是否存在奇异值的一般规则是：如果存在数据点明显超出 标准化误差值区间，则可以认为该数据是奇异值。根据结果看，几乎所有的值都在 标准化误差值区间内，有两个点远离该区间，显见这两个值是奇异值，将严重影响到回归方程的质量，应该剔除。这两个点对应的个体是新力药业（0153）和平高电气（600312）。

　　（2）多重共线性的检验

　　我们通过相关系数矩阵观察各指标之间的相关程度，从而判断各指标间是否存在高度的相关性。从相关系数矩阵可以看到，在拟选用的指标中，变量之间普遍存在着高度相关的现象，比如F/A7与F/A9之间的相关系数为0.977794、主营收入/有形资产与总资产周转率之间的相关系数高达 0.998043等等。所以，这些变量不能同时进入回归方程，在进行回归之前必须对数据进行处理以消除多重共线性的影响。

　　（3）数据处理

　　从上述数据性质的检验中，我们发现数据存在奇异值、存在多重共线性的现象。对于奇异值我们将其从数据中剔除，而对于多重共线性的问题我们采用主成分分析法进行处理。

　　拟选用的指标可以分为两类，即外部指标（行业类别、市场波动指数、承销商等级、发行量系数）和反映公司内部因素的财务指标类聚，并分别对这两类指标进行主成分分析。

　　（4）用多元统计分析中的主成分分析法进行数据简化

　　由于存在多重共线性的现象，也就是说各变量之间相互关联，所反映的信息很大程度上也是重复的，所以我们完全可以用少数一些变量来反映大部分的信息。主成分分析作为多元统计分析技术的一个分支，其主要目的就是浓缩数据，就是研究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子。这几个因子不仅保留了原始指标中的主要信息，而且彼此之间不相关，很好地避免了出现多重共线性的问题。

　　（5）从财务指标中提取公因子。

　　第一步，提取公因子，并进行因子旋转。

　　这一处理的结果发现：特征值（Total项）大于1的因子共13个，这13个因子的累计解释方差占到总方差的91.33864％，也即这13 个因子代表了原来所有71财务指标所表达的信息量的91％左右，代表了绝大多数的信息。而变量数由71个减少到13个，以最小的信息丢失量，极大地简化了数据。在之后的回归分析中，我们将用这13个共因子替代原来的71个财务指标进行回归。通过主成分法得到的公因子是完全不相关的，即相关系数为0，用它们进行回归分析就不会出现多重共线性问题。

　　另外，因子旋转后并没有改变这13个因子的累计解释方差占到总方差的比例，旋转前后该比例均为91.33864％，只是在各个因子之间的分配比例有所变化。

　　第二步，计算因子得分。

　　实际上因子得分是通过原始变量的线性组合得到，原始变量前的系数就是因子载荷矩阵中的因子载荷。

　　（6）从市场指数波动指标中提取公因子

　　利用上表中的因子载荷矩阵计算因子得分S1

　　S1=0.823232×（F/A3）＋A＋0.895644×（F/A15）

　　（7）用虚拟变量处理行业数据

　　对于样本所含的94只新股，共涉及19个不同行业，我们引入虚拟变量进行处理。我们用18个虚拟变量di（i=1，2A 18 ）来反映行业分布对新股定价的影响。

　　（8）回归分析

　　在剔除奇异值、运用主成分分析法浓缩数据并同时处理了多重共线性的问题之后，我们即可进行最后的回归分析。下面是我们通过采用主成分法得到的财务指标的公因子、市场指标的公因子及发行量系数、行业类别的虚拟变量、券商等级等因素对被解释变量（即IPO价格）进行逐步回归所选出的最优回归方程。

　　Price=14.27727－1.71038×发行量系数－0.41778×S1＋6.70326×d11＋3.861002×d15－3.06603×d17＋1.132558×F1＋0.579465×F3＋0.863128×F4＋0.67048×F6＋0.422713×F8－ 0.6338×F12

　　其中R2=0.68

　　（9）最终结果分析：

　　在财务指标的公因子中，对新股价格有显著影响只有F1、F3、F4、F6、F8、F12、这六个因子，其余因子对新股价格影响甚小，不予考虑。除此之外，市场波动指标的公因子S1对新股价格的影响也是显著的，S1也进入了回归方程。发行量对新股价格的影响同样不能忽视。在反映行业分布的18 个虚拟变量中d11、d15和d17进入了方程，它们所对应行业为行业C99（其他制造业），行业G（信息技术业）和行业K（社会服务业），这说明在 2000年以来，属于这三个行业的上市公司在进行新股定价时，行业分布对其股票定价有显著影响。其中，行业C99和行业G对新股定价是正向的影响，而行业 K对新股定价的影响则是反向的。

　　上述的Tolerance和VIF两个指标为多重共线性的检查指标。可以看到，所有变量的Tolerance均大于0.1，VIF均小于10，因此不存在多重共线性的问题。

　　另外，检验数据表明，在5％的显著性水平下，各系数的t值与方程的F值全部通过检验，新股定价模型拟合效果非常好。

　　作为对比，我们对1997年至2001年初的328只IPO股票数据进行了类似分析，检验结果与上述结论较为相近（检验通过变量完全一致），但回归方程中的自变量系数有一些差别，而样本的拟合度也较差一些，这表明较长期间的IPO定价因素影响可能会随着结构性的市场变动而发生变化。另外，从行业分布角度看，在这一期间对股票定价有显著影响的行业也变成行业C99，行业F（交通运输、仓储业）和行业L（传播与文化产业）。其中，行业C99和行业 L对新股定价是正向的影响，而行业F对新股定价的影响则是反向的。这说明市场热点会随着一些环境因素的变化而转移。

IPO定价的分析及结论

　　通过对上述模型的结构分析，我们可以发现：

　　（1）股票发行规模对IPO定价具有反向修正作用。换言之，IPO发行的股票数量越多，承销商为了控制发行风险，越倾向于调低IPO的发行价格。这与市场经验是相符合的。

　　（2）与许多市场人士的看法相反，市场波动因素对IPO定价并没有助涨助跌的影响，新股发行定价相对于中短期市场波动而言呈现出一定的惰性。具体来说，当市场明显上涨时，承销商可能出于某种预期（例如市场平均市盈率过高而存在修正风险、新股在二级市场的吸引力不如其他热点股票等）而相对降低 IPO股票的定价水平；反之，反是。因此，IPO定价相对于市场的波动方向而言，表现出一定的时滞。

　　（3）行业特征的分析表明，市场热点差异会使某些行业上市公司的IPO定价水平明显高于其他公司，但大多数行业的特征因素在定价程序中影响并不显著。

　　（4）主成分分析过程中的替代分析表明，IPO定价程序中的公司基本面因素并不能简单地用几个指标来表达（即使是与主成分高度相关的重要原始指标），而是和各方面的因素都有联系，是很复杂的一个过程。我们曾经采用加权分值较大的部分财务指标来代替总体，但均未能通过检验。这一事实也从侧面说明：市盈率定价法主要考虑公司盈利水平的出发点是存在很大缺陷的。

　　（5）我国市场仍然属于卖方市场，承销商实力与所承销的IPO股票定价之间相关性不大。分析表明，在IPO定价过程中，国泰君安、南方、海通、广发等实力雄厚的大券商并不比其他中小券商体现出明显优势。

　　（6）在决定公司内在素质方面的因素中，资产盈利能力、短期偿债能力、净资产收益水平、资产结构状况、盈利构成状况和现实债务偿付状况等六大因素（分别对应回归方程中的F1、F3、F4、F6、F8和F12）是最为重要的，它们也基本体现了企业的综合状况。在IPO定价过程中，企业的上述方面实际上都得到了不同程度的考虑，尽管承销商将它们融入IPO价格时可能是不自觉的。

国际IPO发售机制模式比较分析^[1]

　　所谓IPOs发售机制，是指IPOs定价、分配和出售给投资者的整个机制过程。全球范围内IPOs发售机制主要有以下几种模式：包括累计订单询价机制、固定价格机制、投标或拍卖机制以及混合发售机制等。

　　(1)累计订单询价机制以美国的包销方式最为典型。主要特点包括定价过程中的路演和征求订单机制；承销商自由分配股票的权力；发售对象主要为机构投资者；正式发售前最终确定发行价格。其通常包括确定价格区间、累计订单询价和稳定价格三个环节。

　　(2)固定价格机制(公开发售机制)，其可以根据承销商有无分配权分为三种，即承销商有完全的分配权、部分的分配权或完全没有分配权，但通常承销商无分配权。其主要特点为承销商事先根据一定的标准确定发行价格，之后再由投资者进行申购。承销商和发行人在定价时并未充分获取相关的定价信息和市场需求信息。

　　(3)投标或拍卖机制，其可以根据投标人最终所付价格分为歧视价格拍卖 (投标人最终所付价格为自己所出的价格)和统一价格拍卖 (所有投标人最终所付价格为同一价格)两种形式，巴西、日本以及英国等多使用歧视价格拍卖模式，而统一价格拍卖曾在法国、澳大利亚以及美国等国使用。此外，诸多国家还使用了肮脏拍卖 (最终成交价格低于市场出清价格)，如比利时、法国和英国。拍卖机制中价格的确定是在收集信息之后进行的，股份的分配则根据事先规定的规则在现有的投标基础上进行，因此承销商和发行人的影响力在几种发售机制中是最小的。

　　(4)混合机制由前三种基本发售机制模式结合而来，也就是在一次IPOs过程中分别对不同的份额采用不同的发售机制。根据三种基本发售机制模式的不同组合可以分为累计订单询价/固定价格混合机制、累计订单询价/拍卖混合机制以及固定价格/拍卖混合机制三种。其中，累计订单询价/固定价格混合机制的使用最为广泛。在这一机制下，累计订单询价机制用以确定发行价格，并向本地机构投资者与外国投资者发售一部分股票，另一部分额度则用固定价格发售给本地小投资者，他们并不参与IPOs的价格形成过程。

　　总体而言，累计订单询价机制模式可以克服固定价格机制和拍卖机制固有的缺陷，有效地实现价格发现，提高IPOs市场的定价效率。通过比较分析发现，在欧洲和美洲，绝大多数国家(地区)以累计订单询价机制作为首要发售机制，而在亚太、非洲和中东地区，以固定价格机制为首要发售机制的国家(地区)则占据绝对优势。从另外一个角度看，发达国家(地区)基本全部以累计订单询价机制作为首要发售机制，而新兴市场国家(地区)则绝大多数以固定价格机制为首要发售机制。从长期来看，累计订单询价的发售机制是主流，而固定价格机制和拍卖机制的应用逐步减少，因此中国IPOs发售机制的发展模式应是累计订单询价机制，中国股票一级市场推行累计订单询价机制模式要稳步推进，在新股发行制度改革中要体现。

IPO估值定价技术在我国证券市场推广应用^[2]

　　(一)财务数据反映信息的真实性、准确性存在偏差

　　在运用DCF模型时多数采用在会计盈余的基础上加上非现金流出的费用来获得“现金流量”的数据。由于会计行业的保守倾向，会计准则与经济现实之间存在差距，会计报表数据本身是有局限的，从而影响模型估价的效果。即使不考虑上市公司会计数据的真实性问题，公司上市前的盈余管理行为也会影响上市公司报表反映出的业绩。对公司未来财务数据的预测就存在更大的不确定性。以盈利预测为例，统计研究显示，在1997年至1999年发行上市的沪深两地上市公司中，大多数不能完成招股说明书盈利预测所称的经营业绩。尽管近年来盈利预测的准确程度在不断上升，但仍存在一些公司为了多募集资金，提高新股发行价格，故意抬高未来预测的盈利水平，从而使盈利预测与实际偏差较大。同时，客观上也存在预测方法不完善、预测水平低等因素。

　　(二)信息披露的完整性和有效性不足

　　以核心竞争能力信息为主、公司治理信息与环境保护信息为辅的自愿信息披露制度在沟通公司经理人员与公司利害相关者、降低投资者之间的信息非对称程度，提高信息披露质量、提高市场有效性方面起着积极作用。由于我国股市发展时间较短，各种制度尚在完善中，上市公司信息披露的完整性和有效性不足。例如，由于目前IP0申报文件未对盈利预测进行硬性规定，2002年新上市公司大多数都没有出具盈利预测报告，只承诺发行当年净资产收益率不低于同期银行存款利率。在此情况下，公司未来各期的自由现金流难以准确估计。实证研究表明，使用预测收益比使用历史收益进行估算更为准确，而目前我国大多数公司用市盈率倍数法计算发行价时均按上一年的每股收益计算。

　　(三)估值模型所需的市场环境和前提假设难以满足

　　不同的估值模型均对市场与上市公司状况进行了不同假设，如果假设条件与现实情况相差太远，或者估值结果对某些假设条件的变化敏感度较高，将大大降低估值模型的适用性。

　　目前主要存在的问题:由于大多数上市公司由国有企业部分改制而来，公司连续经营假设缺乏依据;估值模型出自全流通市场而我国股市存在大量非流通股;估值模型有效需要一个实际股价反映公司价值的传递过程，而中国股市正从无效市场逐步向弱式有效市场过渡，市场有效性不足也会影响估值的效果。

　　(四)模型中的变量缺乏且难以预测

　　估值模型中一些重要变量，如日、贴现率、增长率等的取值比较困难，尤其是我国目前的证券市场甚至整个金融市场尚处于发展过程中，缺乏市场公认的取值标准与参照系数，很多变量需要使用者自已进行计算，并进行修正，这就给最终计算结果加人了许多主观性和不确定性，同时也降低了估值结果的可信性与可比性。我国上市公司大多经营历史短且业绩波动较大，缺乏DDM模型需要的稳定股利政策和可预测的股利增长率;缺乏市场公认的计算资本成本(贴现率)时的日值—这需要长期基础信息和数据积累。

参考文献

• 章早立,何沛俐,张雪峰.《我国A股市场IPO定价影响因素分析》，证券时报.2001年9月12日第11版。