为例
一、宏观经济分析
通过半个学期的证券投资学学习，我们知道不论是股票发行者还是从购买者，对宏观经济的分析都是必须的。
首先，我们回顾一下近几年的国内市场状况：2011年，我国通胀压力严重，上半年CPI一直处于高位，2011年四月CPI同比上涨5.3%，5月份CPI同比上涨5.5%。而面对居高不下的CPI 央行不断上调银行准备金率和存款准备金率。与此同时我国GDP增速比2010年也有所放缓。这一点也可以从很小的方面看出来，就本校而言，今年来学校招聘的单位数量较去年前年有很明显的降低，显然是整体经济低迷造成的结果。
而证券交易又面临着自身的难题：以上海证券交易所为例，主要存在以下问题：
1.市场规模很小，受众面很窄；
2.存在严重的信息不对称，使得监管成本上升； 3.缺少卖空机制，使得股票市场泡沫增大；
4.流动性不足。流动性是指市场中存在大量的流通性强的金融工具，同时又有大量参加流通的主体。 5.市场中介机构不完善。
6.不注重投资者回报，几乎没有企业发放红利，使得证券市场只有投机价值而没有投资价值。
这些问题都是严重影响股票合理定价的，所以使得对贵州茅台的股票定价更为困难。基本为零的每股收益使得传统的红利贴现模型在这里无法适用。
二、白酒行业分析及茅台公司具体分析
随着我国居民生活品质的提升和健康消费意识的形成，白酒消费也逐渐回归理想，白酒需求转变为追求健康、品质和品位。高知名度、高美誉度和高品质度的“三高”白酒称谓精英人士的首选，品牌消费观念正在强化。贵州茅台高档白酒的品牌价值、定价权优势奠定了高档白酒在激烈的市场竞争中的强势地位。 茅台作为中国高档白酒的代名词，在竞争中处于非常强势的地位。较高的每股净资产是吸引股票市场投资者的“诱饵”。另一方面，政府渠道的长期发展使得茅台酒的销路不存在任何问题，所以在整体经济低迷的情况下，茅台酒
业的销量也不会有明显的减少。 1.产品情况介绍：
茅台公司为国内高档白酒第一品牌，是国内白酒市场唯一获得“绿色食品”及“有机食品”称号的天然优质白酒，是我国酱香型白酒的典型代表，品牌效应显著，已成为饭局上宴请的必上消费品，成为一种尊重他人的标志，具有持久竞争力；产品具有高毛利率的特点，公司具有自主定价权，主导产品高度及低度茅台酒毛利率保持在较高水平，其出厂价格自06年2月10日起平均提高15%。 2.茅台酒产品环境分析：
替代品方面，其替代品有啤酒、果啤、米酒等，但茅台主要并不在日常的饮用，而在于正式场合的请客以及大型的聚餐，而在这些场合中，啤酒，果啤等不可与白酒同一而论；
竞争者方面，茅台的主要竞争者有五粮液、泸州老窖、洋河等，茅台涨价的同时，五粮液也在2011年9月底提价，泸州老窖也上调了市场价格，洋河、郎酒、剑南春等白酒在2011年也有15-30%的涨幅
卖方议价方面，由于全球粮食危机带来的粮价持续上涨，相比低端的白酒而言，高端白酒的粮食供应商的议价能力更强，但由于茅台酒的高利润率，盈利能力较强，利润空间较大，转嫁成本压力的能力也较强，因此的粮价上涨对其产生的影响不大。
买方的议价方面，由于国务院3月26日召开的第五次廉政工作会议中的严格控制“三公经费”，继续实行零增长，禁止用公款购买香烟、高档酒和礼品的出台，买方的议价能力将会有所提高。 3.公司战略及实施情况
2010年5月8日上证报报道，贵州茅台董事长袁仁国指出公司已初步制定“三步走，三跨越”的中长期发展目标，按照初步方案，到2015年，公司主要产品产量预计超过3万吨，预计实现销售收入260亿元，到2020年，产量预计达超4万吨，销售收入预计实现500亿元。
2012年上半年，公司董事会紧紧围绕战略目标，并按照年初确定的经营计划，在全体股东和社会各界的关心支持下，深入贯彻落实科学发展观，抢抓国家实施新一轮西部开发、贵州实施工业强省及城镇化带动战略，贵州省委、省政府加快全省白酒产业发展和支持茅台加快发展的历史机遇，深化改革，强化管理，坚守质量，巩固市场，追求卓越，取得了较好成绩，继续保持了良好发展的态势。报告期内，公司共生产茅台酒及系列产品基酒30014
吨；实现营业收入1326443.78万元，同比增长35.00%；营业利润979968.91万元，同比增长42.24%；实现归属于上市公司股东净利润699572.16万元，同比增长42.56%。 4.公司投资项目
2011年1月，公司决定2011年投资6亿元左右实施2000吨茅台王子酒制酒技改工程及配套设施项目，以新增2000吨王子酒基酒生产能力。项目将建设8栋256吨制酒生产厂房及1栋制酒车间食堂办公用房等，建设年限为2011年。项目投产后，每年销售收入可达40620万元，利润总额为17990万元。
在2012年4月，公司拟使用自筹资金投资358316万元实施酱香型系列酒制酒技改工程及配套设施项目，项目建设地点位于习水县，项目用地1920亩，主要为建设25栋256吨/年制酒生产厂房、4栋制曲生产厂房、2栋包装车间等，项目建设期为2012~2013年。建成后将新增6400吨高档酱香型系列酒基酒、3600吨中低档酱香型系列酒基酒、7200吨有机饲料、10500吨有机肥料的生产能力，预计每年将实现销售收入313866.80万元，销售税金44900.70万元，利润总额142743.30万元。
2012年10月，公司你投资建设中华片区第一期茅台酒技改工程及配套设施项目，项目投资总额约为41.39亿元。项目期为2年。项目完工交付投产后，拟新增5800吨/年茅台酒基酒生产能力，新增8000吨/年制曲生产能力，新增23740吨贮酒能力。根据茅台酒生产成本、销售价格及市场因素预测，每年销售收入可达64.96亿元，税金18.19亿元，年利润总额40.52亿元，投资利税率141.8%，投资利润率97.9%，税后静态投资回收期为7年。 5.公司经营前景预测
公司在2012年将投资两大项目工程，用于扩大生产和茅台酒技改工程。根据公司的长期战略方向而言，2012上半年实现营业收入1326443.78万元，折合一年为2652887.56万元，已达到2015年的目标260亿元。报告期内，公司实现归属于上市公司股东净利润699572.16万元，同比增长42.56%。由此可见，此时茅台属于高度发展的时期。长期而言，其股东净利润增长率将会下降，初步判断其处于成长期。假如按照平均的10%的增长率计算，到2020年，其可以达到的营业收入为568.05亿元，则未达到战略指标；假如按照12%的增长率计算，到2020年，可达营业收入为656.13亿元，则达到战略指标。
茅台的市盈率为23.93，个人觉得偏高。原因可能如下：一是茅台产业正处于快速成长的时期，且其投资于多种扩大生产的项目，这使得人们预期茅台为成长性比较高的股票，使其P/E偏高；二是，茅台酒的价格一直趋高不下，2012年上半年一度将茅台酒的股票炒高，其中可能存在一定的泡沫成分。
图1.贵州茅台股票发行的相关资料
6.对茅台的相关财务指标分析
图2. 茅台股票从2001年到2012年的股价K线图
总体情况
图2表明，横轴为时间，在07年股价达到一个至高点后，在08年后下跌至09年年初后再曲折上升，在10年后半年和12年上半年有一个较大的涨幅。08年经济危机，使得全球经济不景气，中国股市也受到波及，茅台股价顺应宏观的局势下跌。之后，经济逐渐回暖，股价慢慢回升。而今年发生欧债危机，影响中国股市，中国宏观经济低迷，可能会导致之后茅台股价的下跌。
同时，通过查阅前几年贵州茅台的“三大比率”，发现其流动比率几乎都高于三，这说明贵州茅台的偿债能力很强，投资者投资于贵州茅台的风险很小。作为一个发展成熟的大型企业，也许有人会质疑它已经成为了所谓的“现金牛”公司，这个看法是非常错误的，在政府——尤其是地方政府——酒类支出比例并不小，茅台又作为主要用酒的国内，贵州茅台的
发展状态并不比所谓的增长前景公司差。
从公司财务状况来看，茅台具有很强的资金调配能力，各财务指标都显示出公司的财务环境可以给公司未来经营提供充足和稳健的资金支持。这也利于公司业务的进一步发展。
三、股价估量模型探究
宏观经济指标、行业情况对股票价格有大方向上的影响，但是难以用模型去估计，因此我们在模型中主要考虑公司的自身的状况，将公司的每股净资产（X）、每股净收益（Y）、流动比率（Z）作为模型中股价（Price）的解释变量。为尽量减少宏观经济的影响，我们选取上次金融危机过后的2009年-2011年间12个季度的数据。
因为模型的具体形式不明朗，我们逐步的引入变量，探究其形式。 1. X每股净资产
我们对股份关于每股净资产的函数形式做出四个假设： Price=C + a X ； Price= C +a
X； Price=C + a log(X)； Price=C + a X^2
对于四种假设分别绘制出散点图，如下图所示。
Price =C + a X Price = C +a
X
Price =C + a log(x) Price =C + a X^2
以上四图表明都有一定的线性关系，说明四种函数形式都有可能是正确的。因此对每一种函数形式都使用最小二乘法进行回归分析，结果如下： Y=C + a X
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 11:49 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C X R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 62.35903 5.687778 0.606799 0.567479 17.99789 3239.240 -50.61639 15.43231 0.002828 Std. Error 27.01349 1.447862 t-Statistic 2.308441 3.928398 Prob. 0.0436 0.0028 166.4975 27.36643 8.769398 8.850216 8.739476 1.716614 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat P>0.05，通过检验，R^2=0.606799，说明模型具有一定的解释力。
Price=C+sqr(X)
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:08 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C Coefficient -41.26621 Std. Error 52.81124 t-Statistic -0.781391 Prob. 0.4527 SQR(X) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 48.79004 0.609788 0.570767 17.92936 3214.620 -50.57061 15.62709 0.002717 12.34219 3.953112 0.0027 166.4975 27.36643 8.761768 8.842586 8.731847 1.718574 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat P>0.01该模型未通过检验，不能作为备选模型
Price =C + a log(X)
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:08 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C LOG(X) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient -132.9528 103.6871 0.610848 0.571933 17.90499 3205.886 -50.55429 15.69691 0.002678 Std. Error 75.75841 26.17084 t-Statistic -1.754958 3.961932 Prob. 0.1098 0.0027 166.4975 27.36643 8.759048 8.839865 8.729126 1.714149 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat P>0.01未通过检验，不能作为备选模型。
Y=C + a X^2 Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:09 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C X^2 R-squared Coefficient 114.1221 0.150460 0.594925 Std. Error 14.64881 0.039261 t-Statistic 7.790538 3.832332 Prob. 0.0000 0.0033 166.4975 Mean dependent var Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.554417 18.26764 3337.065 -50.79490 14.68677 0.003306 S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 27.36643 8.799151 8.879969 8.769229 1.694422 在0.05的显著性水平下通过T检验，R-squared=0.594925，表明该模型有一定解释力。
将通过检验的两种模型进行比较，我们认为后者更优，因此对于X每股净资产，我们假定其函数形式为Price=C + a X^2 2. Y每股净收益
我们做类似的处理。
Price =C + a Y Price = C +a
Y
Price =C + a log(Y) Price =C + a Y^2 Price =C + a Y
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:10 Sample: 2009Q1 2011Q4 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C Y R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
130.9024 8.683488 0.446736 0.391410 21.34915 4557.862 -52.66548 8.074564 0.017501
13.96051 3.055868
9.376625 2.841578
0.0000 0.0175 166.4975 27.36643 9.110913 9.191730 9.080991 1.385266
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
通过检验
Price = C +a
Y
Std. Error 24.13823 11.92224 t-Statistic 4.127775 2.864136 Prob. 0.0021 0.0168 166.4975 27.36643 9.103817 9.184634 9.073895 1.502978 Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:10 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C SQR(Y) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 99.63721 34.14691 0.450648 0.395713 21.27354 4525.634 -52.62290 8.203276 0.016837 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 通过检验。
Price =C + a log(Y)
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:10 Sample: 2009Q1 2011Q4 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C LOG(Y) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 127.9596 30.40071 0.433894 0.377283 21.59551 4663.662 -52.80316 7.664524 0.019839 15.25240 10.98098 8.389471 2.768488 0.0000 0.0198 166.4975 27.36643 9.133860 9.214678 9.103938 1.568720 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 通过检验
Price =C + a Y^2
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:11 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C Y^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 通过检验。
Coefficient 148.5996 0.857568 0.383340 0.321674 22.53915 5080.133 -53.31638 6.216380 0.031812 Std. Error 9.688398 0.343953 t-Statistic 15.33789 2.493267 Prob. 0.0000 0.0318 166.4975 27.36643 9.219396 9.300214 9.189475 1.167263 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 将四个模型进行比较，我们认为Price=C + Y更优。
3.Z流动比率
Price=C+Z Price=C+sqr(Z)
Price=C+log(Z) Price=C+Z^2 Price=C+Z
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:18 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C Z R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -673.6499 1062.042 0.666665 0.633331 16.57125 2746.063 -49.62536 19.99981 0.001194 Std. Error 187.9245 237.4810 t-Statistic -3.584684 4.472115 Prob. 0.0050 0.0012 166.4975 27.36643 8.604227 8.685045 8.574306 1.957852 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Price=C+sqr(Z)
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:18 Sample: 2009Q1 2011Q4 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C SQR(Z) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
-1515.858 1891.673 0.667489 0.634237 16.55076 2739.275 -49.61051 20.07415 0.001178 375.5212 422.2091 -4.036679 4.480418 0.0024 0.0012 166.4975 27.36643 8.601752 8.682570 8.571831 1.956598 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Price=C+log(Z)
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:18 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C LOG(Z) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 364.1577 842.1996 0.668267 0.635094 16.53137 2732.862 -49.59645 20.14472 0.001164 Std. Error 44.29693 187.6439 t-Statistic 8.220834 4.488287 Prob. 0.0000 0.0012 166.4975 27.36643 8.599409 8.680226 8.569487 1.955110 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat Price=C+Z^2
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 13:19 Sample: 2009Q1 2011Q4 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C Z^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) -252.5331 669.1705 0.664881 0.631369 16.61552 2760.755 -49.65738 19.84016 0.001227 94.19696 150.2326 -2.680905 4.454229 0.0231 0.0012 166.4975 27.36643 8.609563 8.690381 8.579642 1.959666 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 将四模型比较，最终确定为Price= C+ log(Z) 4.整体模型
我们推测整体的股价估量模型为Price= C + aX^2 + b Y + c Z 回归分析结果如下
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 21:33 Sample: 2009Q1 2011Q4 Included observations: 12 Variable C X^2 Y LOG(Z) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 335.0388 -0.031829 6.076307 777.0476 Std. Error 84.15688 0.069865 3.022664 291.2419 t-Statistic 3.981122 -0.455580 2.010249 2.668049 Prob. 0.0041 0.6608 0.0792 0.0284 166.4975 27.36643 8.409975 8.571611 8.350132 2.316115 0.803323 Mean dependent var 0.729569 S.D. dependent var 14.23136 Akaike info criterion 1620.254 Schwarz criterion -46.45985 Hannan-Quinn criter. 10.89193 Durbin-Watson stat 0.003380 该模型未通过检验，经过分析我们认为X每股净资产不适合放入模型中，因此我们将X去除得到新模型Price= C + a Y + b log(Z)，对该模型进行回归分析
Dependent Variable: PRICE Method: Least Squares Date: 11/12/12 Time: 21:31 Sample: 2009Q1 2011Q4
Included observations: 12 Variable C Y LOG(Z) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 303.0756 5.152174 671.9254 Std. Error 44.38291 2.140004 169.7016 t-Statistic 6.828654 2.407554 3.959452 Prob. 0.0001 0.0394 0.0033 166.4975 27.36643 8.268922 8.390148 8.224039 2.148520 0.798220 Mean dependent var 0.753380 S.D. dependent var 13.59040 Akaike info criterion 1662.290 Schwarz criterion -46.61353 Hannan-Quinn criter. 17.80154 Durbin-Watson stat 0.000745 该模型通过检验，Adjusted R-squared=0.753380，说明模型有较强解释力，因此 Price= C + a Y + b log(Z)可以作为我们最终的股价估量模型。
四、结论
经过以上分析，我们得出结论，白酒行业的股价估量模型如下： Price= C + a Y + b log(Z)
其中Price代表股价，Y为每股净收益，Z为流动比率，C、a、b为待估参数，因各个股票而异。
因篇幅问题不能全部显示，请点此查看更多更全内容