20170611-中泰证券-上市公司分红问题研究（之二）_探秘红利政策_基于分红频率视角_11页_876kb

探秘红利政策：基于分红频率视角 总结

核心内容概述

本文是关于上市公司分红政策研究的第二篇，主要从分红频率的角度探讨A股上市公司现金分红的特征及其与公司财务指标之间的相关性。通过分析2018支股票的数据，揭示了分红频率的分布情况、影响因素及模型结果，为投资者提供了基于分红频率的决策参考。

主要观点

1. 分红频率的定义与计算

• 分红频率：指上市公司分红次数与其上市年数的比例，用于衡量公司分红的规律性。
• 数据选取：基于Wind数据库，选取2006年至2017年的A股公司数据，剔除2010年之后上市的公司，并对异常值进行处理，最终获得2018支股票样本。
• 分类标准：将分红频率大于0.7的定义为高现金分红频率股票，小于等于0.7的为低现金分红频率股票。

2. 分红频率的分布特征

• 偏态分布：2018支股票中，大部分分红频率集中在0.8-1之间，表明这些公司每年都有现金分红。
• “铁公鸡”现象：仍有215支股票存在0现金分红记录，显示出部分公司分红政策不积极。
• 中位数与平均数：分红频率中位数为0.72，平均数为0.6，说明整体分红情况优于直观认识。

3. 影响分红频率的关键因素

• 盈利能力：公司盈利能力越强，现金分红频率越高。
• 现金流状况：自由现金流越多，公司更倾向于进行现金分红。
• 营运能力：资产周转率高，公司盈利和现金流能力较强，有助于提高分红频率。
• 成长性：处于高速发展期的公司更倾向于保留利润用于投资，从而减少现金分红。
• 资本结构：
  • 高负债公司因需偿还债务利息，可用于分红的资金减少。
  • 资产负债率高时，公司更倾向于发放股票股利而非现金股利。
• 股权结构：大股东持股比例高时，更可能推动公司采取高现金分红政策。

关键信息

分红频率与其他指标的相关性

回归模型结果

• 模型类型：二元Logit回归模型
• 显著性指标：
  • TOP10、PE、EPS、DAR 与分红频率显著相关
  • LR统计量显著：说明模型整体具有统计显著性
• 回归方程：
  $$
  \hat {p} _ {i} = \frac {\exp (- 1 . 6 1 0 7 + 0 . 0 2 6 0 \text{TOP10} - 0 . 0 0 1 4 \text{PE} + 7 . 2 8 1 4 \text{EPS} - 0 . 0 2 9 8 \text{DAR})}{1 + \exp (- 1 . 6 1 0 7 + 0 . 0 2 6 0 \text{TOP10} - 0 . 0 0 1 4 \text{PE} + 7 . 2 8 1 4 \text{EPS} - 0 . 0 2 9 8 \text{DAR})}
  $$
• 模型诊断：
  • 残差分布随机，无异方差性和自相关问题
  • 所有变量的P值均小于0.05，说明变量选择合理

数据与图表说明

• 图表1：股票分红频率大小分布，显示多数公司分红频率集中在0.8-1区间
• 图表2：股票现金分红次数分布，显示分红次数主要集中在0次、6次、7次和10次
• 图表3：自变量取值设计表，列出了用于模型分析的变量及其含义
• 图表4：自变量之间相关性矩阵，所有相关系数均不超过0.5，说明无多重共线性问题

投资建议

• 投资者应关注具有高分红频率的公司，这些公司通常具有较强的盈利能力、较好的现金流状况和相对集中的股权结构。
• 高分红频率可能意味着公司对股东回报的重视，但也需结合公司成长性、资本结构等因素综合判断。

重要声明

• 本报告由中泰证券股份有限公司发布，具有合法的证券投资咨询业务资格。
• 报告内容基于公开资料，不构成投资建议，仅供参考。
• 投资者需自行关注报告更新，中泰证券不对报告内容造成的损失承担责任。