2023年北交所行业专题：什么影响了北交所公司股价涨幅的高低？

1.首轮上涨行情公司股价涨幅影响因素分析

1.1.首轮上涨行情描述性统计

相对发行价涨幅来看，中位数指标为-19%。由此可见行情启动之时，大多数公司 处于破发状态。我们统计发现样本 224 家公司中破发家数为 173，占比 77%。 估值分位数来看，分位数的中位数为 0.06%，因此行情启动之时北交所上市公司 估值极低,基本处于 22 年以来最低估值。 PB/PE 指标来看，北交所上市公司 PB/PE 中位数分别为 1.43 倍/13.76 倍。 上市年限指标最大 3.24 年，中位数 1.07 年。由于精选层 20 年才正式启动，因 此北交所上市公司上市年限普遍较短。 盈利能力来看，2023 年前三季度年化 ROE 均值为 8.58%，中位数为 8.61%。近三 年 ROE 均值 13.85%，中位数 13.02%。 业绩增速来看，23Q3 业绩增速中位数-5.04%。大部分公司业绩同比下降。 市值/流通市值来看，中位数分别为 6.33 /2.12 亿元,最小值分别为 2.64 /0.68 亿元，最大值分别为 221.96/53.85 亿元。北交所上市公司市值与流通市值普遍较 小。 高送转来看，样本公司仅有 5%送转股比例在 100%及以上。 行业来看，样本公司汽车行业、计算机行业公司占比分别为 9%、9%。 是否亏损股来看，22 年样本公司 7%亏损。

由相关性分析可见，公司涨幅相关性最高的为规模指标，涨幅与总市值、流通市 值负相关，其中流通市值相关度更高；其次行业指标相关度也很高，汽车行业、计算 机行业公司涨幅更高；另外估值指标也有较高相关度，涨幅与 PB、PB 分位数指标负 相关。此外涨幅与上市年限指标负相关。 公司特征变量之间的相关性分析发现，公司估值与市值、业绩增速正相关。还有 个有意思的现象，盈利能力与上市年限负相关。

1.2.首轮上涨行情分组分析

我们首先用分组分析法探讨不同涨幅标的背后的公司特征因素。首先把 224 家样 本公司按第一阶段涨幅由高到底排序，并均分为四组，每组公司家数 56 家。按涨幅 由高到低依次标记为 1-4 组。1-4 组公司涨幅中位数分别为 125.34%、85.99%、66.81%、47.33%，1 组相对于 2 组优势非常大，涨幅中位数高出近 40%，其他组比下一组涨幅高 20%左右。

估值指标：相对发行价涨幅来看，涨幅最低的 4 组跌破发行价幅度最小，符合预 期，但其他三组结果并非线性；PB 分位数来看，涨幅越低的组，PB 分位数越大，符 合预期；PB 指标来看，涨幅越低的组，PB 越高。但 PE 指标规律并不明显。结果大致 符合估值越高涨幅越低的结论。 上市年限：涨幅越高的组，上市年限越短，次新股被关注度更高。涨幅最高组， 上市年限中位数/均值分别为 0.84/1.28 年，涨幅最低组，上市年限中位数/均值分别 为 1.14/1.62 年。 盈利能力：涨幅最低组盈利能力最强，其他组别之间无明显规律。这可能是由于 盈利能力越强的公司，股价抑制情况越低，故而估值修复空间越小导致。 利润增速情况：4 个组别之间没有明显的规律。 规模指标：4 个组别之间规模指标区分最明显，涨幅越低的组别，公司市值/流 通市值越高，也就是小公司涨幅越高。 高送转情况：涨幅最高的组，高送转比例最高，为 9%。但其他三组没有明显的 规律，一方面样本中高送转比例较低（只有 5%），另一方面还有其他指标影响未能控 制，后续回归分析中解决控制其他变量的问题。 行业情况：是否汽车行业指标在 4 个组别之间区分明显，涨幅最高的组，汽车行 业公司比例越高，说明景气度较高的汽车行业取得了更高的投资者关注；是否计算机 行业指标来看，涨幅越低的组，计算机行业占比越低，但 2、3 组结果相反，一个原 因是样本过少或未控制其他变量导致。 是否亏损指标来看，涨幅越低的组，亏损公司占比越低，但 2、3 组结果相反。 同样可以理解为亏损公司股价抑制程度越严重，故而估值修复空间越大。

我们还统计了各行业公司在各组别的公司家数及占比如下。可以发现汽车与计算 机行业涨幅在 1 组和 2 组的占比较高，分别为 86%和 65%，这是因为汽车产业链景气 度较高，而计算机行业受益于海内外人工智能产业链进程的不断推进。 此外传媒、有色金属公司落在 1 组和 2 组的比例也较高，但由于两个行业公司家 数较少，分别只有 1 家、3 家，我们并不单列分析。

1.3.首轮上涨行情回归分析

本部分在控制相关变量情况下考察公司特征指标对于涨幅的影响。 全变量的回归分析发现，涨幅与 PB 分位数、流通市值显著负相关，与汽车、计 算机行业显著正相关，与高送转、亏损股指标正相关，但统计意义上并不显著。这表 明，公司估值越低、流通市值越小涨幅越高，景气度较高的汽车、计算机行业涨幅显 著高于全样本公司，高送转、亏损公司涨幅也更高。

由于全变量中部分自变量相关度较高，其共线性问题可能导致影响回归结果的稳 定性与可靠性。接下来我们删除部分对模型贡献较小同时与其他变量相关度较高的变 量，重新进行回归分析。 根据以上分组分析、相关性分析以及全变量回归分析结果，我们选取的自变量为 流通市值、汽车行业、计算机行业、亏损与否 4 个指标。结果显示涨幅大小受流通市值负向影响，也就是流通市值越小 的公司涨幅越高，这与预期一致；行业来看，景气度较高的汽车行业、计算机行业涨 幅更高，这也与预期一致；另外 22 年亏损公司涨幅更高，这可能是因为一方面上年 亏损公司今年存在困境反转预期，另一方面根据减持新规亏损公司控股股东与实控人 无法减持。

总结下，首次上涨中涨幅大小受流通市值负向影响，也就是流通市值越小的公司 涨幅越高；行业变量对于涨幅影响也有较大影响，景气度较高的汽车、计算机行业涨 幅更高；另外亏损公司涨幅更高，这可能是因为一方面上年亏损公司今年存在困境反 转预期，另一方面根据减持新规亏损公司控股股东与实控人无法减持。 此外公司估值、上市年限以及高送转指标对涨幅也有影响，虽然统计意义上结果 并不显著。

2.二次上涨行情公司股价涨幅影响因素分析

2.1.二次上涨行情描述性统计

相对发行价涨幅来看，中位数指标为+19%。即行情启动之时，大多数公司已脱离 破发状态。我们统计发现样本 224 家公司中破发家数为 67，占比 30%。

估值分位数来看，分位数的中位数为 56.80%，二次行情启动时北交所上市公司 估值处于 22 年以来最低估值分位数 50-60%。 PB/PE 指标来看，北交所上市公司 PB/PE 中位数分别为 2.05 倍/20.41 倍。 上市年限、盈利能力、业绩增速指标同第一部分，不赘述。 市值/流通市值来看，中位数分别为 9.56/3.22 亿元,最小值分别为 3.92/1.28 亿 元，最大值分别为 257.65/62.51 亿元。 高送转、行业以及是否亏损股指标同第一部分，不赘述。

结果显示，公司涨幅相关性最高的为 规模指标，涨幅与总市值、流通市值负相关，其中流通市值相关度更高；其次与 PB 指标、相对发行价涨幅指标负相关，因此二次上涨中，流通市值更小的公司，以及跌 破发行价程度更高的公司涨幅更高。 公司特征变量之间的相关性分析发现，相对发行价涨幅与市值、流通市值指标相 关度也较高。

2.2.二次上涨行情分组分析

同第一部分，我们将公司按涨幅分组并研究不同涨幅组的公司特征。我们首先把 224 家样本公司按涨幅由高到底排序，后均分为四组，每组公司家数 56 家。按涨幅 由高到低依次标记为 1-4 组。 1-4 组公司涨幅中位数分别为 56.13%、31.05%、20.87%、7.96%，仍然是 1 组相 对于 2 组有较大优势，涨幅均值高 25%，其他组比下一组涨幅高 10%左右。

估值指标：对发行价涨幅来看，涨幅最低的 4 组相对发行价涨幅最高，但其他三 组结果并非线性；PB 分位数规律并不明显；PB 指标来看，涨幅最低的组，PB 最高， 但其他组别结果不明显。PE 指标规律并不明显。 上市年限、盈利能力、利润增速情况规律并不明显； 规模指标：4 个组别之间规模指标区分最明显，涨幅越低的组别，公司市值/流 通市值越高，也就是小公司涨幅越高。 高送转、行业情况、是否亏损指标规律不明显。

我们统计了各行业公司在各组别的公司家数及占比如下。可以发现电力设备与机 械设备行业涨幅在 1 组和 2 组的占比较高，分别为 57%和 55%，主要受益于机器人产 业的发展。 此外纺织服装、环保、交运、轻工制造、社会服务、有色金属公司落在 1 组和 2 组的比例也较高，但由于这些行业公司家数较少，我们并不单列分析。

2.3.二次上涨公司涨幅的回归分析

我们发现，涨幅显著受市值、流通市值指标 负向影响，流通市值影响更大。 亏损股此阶段负向影响涨幅，虽然统计意义上并不显著。说明在首轮上涨中亏损 股的股价抑制已经得到修复甚至超调。 计算机、汽车行业对涨幅影响仍然是正向的，虽然统计意义上并不显著。 其他指标统计意义上均不显著。

为了避免自变量的共线性问题，我们只选取全变量回归分析中结果显著的流通市 值指标进行单变量线性回归，结果如下。我们发现涨幅显著受到流通市值负向影响， 因此公司流通市值越小，涨幅越高。

3.下跌调整中公司股价涨幅的影响因素分析

3.1.下跌调整阶段描述性统计

相对发行价涨幅来看，中位数指标为+52%。因此行情启动之时，大多数公司股价 已经大幅超过发行价。 估值分位数来看，分位数的中位数为 78.87%，调整行情启动时北交所上市公司 估值处于 22 年以来最低估值分位数 70-80%。 PB/PE 指标来看，北交所上市公司 PB/PE 中位数分别为 2.60 倍/25.66 倍。 上市年限、盈利能力、业绩增速指标同第一部分，不赘述。 市值/流通市值来看，中位数分别为 12.01/4.06 亿元,最小值分别为 5.29/1.55 亿元，最大值分别为 310.46/75.32 亿元。 高送转、行业以及是否亏损股指标同第一部分，不赘述。

从下跌调整阶段各变量相关性分析可以发现，公司涨幅相关性最高的是公司规模 以及当年业绩增速,均为正相关，其中相关度最高的是当年业绩增速。也就是调整行 情中，公司当年业绩增速越高、公司规模越大，越抗跌。

3.2.下跌调整阶段分组分析

本部分进行下跌调整阶段的分组分析。我们首先把 224 家样本公司按涨幅由高到 底排序，后均分为四组，每组公司家数 56 家。按涨幅由高到低依次标记为 1-4 组。 1-4 组公司涨幅中位数分别为-11.60%、-17.81%、-21.81%、-27.88%。

结果显示，各个不同涨幅组当年业绩增速、流 通市值指标区分度明显，涨幅越高的组，当年业绩增速越高，流通市值越大。这与相 关性分析结果一致，其他指标规律性不明显。

我们统计了各行业公司在各组别的公司家数及占比如下。可以发现电子、计算 机、基础化工行业涨幅在 1 组和 2 组的占比较高，分别为 60%、60%和 58%。 此外传媒、公用事业、交运、美容、食品饮料公司落在 1 组和 2 组的比例也较 高。

3.3.下跌调整阶段涨幅的回归分析

本部分用回归分析法考察公司特征指标对于涨幅的影响。全变量的回归分析发 现，公司涨幅显著受到业绩增速、当年 ROE 的正向影响，也就是当年业绩增速越高、 当年 ROE 越高，在下跌调整阶段越抗跌；同时涨幅显著受到 PB 分位数的负向影响， 亦即公司估值相对历史估值越高，跌幅越大；行业来看，计算机行业在此调整阶段仍 然表现优于整体。

接下来我们只选取其中结果显著的 PB 分位数、23 年业绩增速、计算机行业指标 进行线性回归。 结果显示公司涨幅与 23 年业绩增速显著正相关，因此 23 年业绩增速越高涨幅越 高（越抗跌），这与相关性分析以及分组分析结论一致；行业方面计算机行业涨幅高 于整体，景气度较高行业抗跌属性明显。 涨幅受到 PB 分位数的负向影响，因此相对自身历史公司估值越高，涨幅越小 （跌幅越大）。

4.总结

本文研究了北交所 10 月启动以来两段上涨、一段调整行情中公司涨幅背后的原 因与公司特征，有如下发现： 首次上涨行情中涨幅大小受流通市值负向影响，也就是流通市值越小的公司涨幅 越高；行业变量对于涨幅影响也有较大影响，景气度较高的汽车、计算机行业涨幅更 高；另外亏损公司涨幅更高，这可能是因为一方面上年亏损公司今年存在困境反转预 期，另一方面根据减持新规亏损公司控股股东与实控人无法减持。此外公司估值、上 市年限以及高送转指标对涨幅也有影响，虽然统计意义上结果并不显著。 二次上涨行情中我们发现涨幅显著受市值、流通市值指标负向影响，流通市值影 响更大；亏损股在此阶段负向影响涨幅，虽然统计意义上并不显著，这可能是由于在 首轮上涨中亏损股的股价抑制已经得到修复甚至超调；计算机、汽车行业对涨幅影响 仍然是正向的，虽然统计意义上并不显著。

下跌调整行情中公司涨幅显著受到业绩增速、ROE 的正向影响，也就是当年业绩 增速越高、ROE 越高，在下跌调整阶段越抗跌；同时涨幅显著受到 PB 分位数的负向影响，亦即公司估值相对历史估值越高，跌幅越大；行业来看，计算机行业在此调整 阶段仍然表现优于整体。 本文对于我们理解北交所股价行为有重要意义。同时由于北交所标的上市期限较 短，多为三年内上市公司，亦属于次新股范畴，因此本文的研究发现对于我们理解次 新股行为同样有借鉴意义。

编辑：火腿肠