科創(chuàng)板擬上市企業(yè)估值及預測

李九慧

摘 要：市場的估值水平是投資者對其進行投資與否的重要因素，本文通過對指標的進行權值處理以及線性回歸擬合的方法，求取了估值指標與基本面指標和流動性指標的關系，并且用神經網(wǎng)絡模型對未來的數(shù)據(jù)進行預測，形成了市場的估值水平分析體系。

關鍵詞：熵值法;多元線性回歸;神經網(wǎng)絡模型

引言：科創(chuàng)板由國家主席習近平于2018年11月5日在首屆中國國際進口博覽會開幕式上宣布設立，是獨立于現(xiàn)有主板市場的新設板塊。設立科創(chuàng)板并試點注冊制是提升服務科技創(chuàng)新企業(yè)能力、增強市場包容性、強化市場功能的一項資本市場重大改革舉措，科創(chuàng)板將補充我國成長型科技創(chuàng)新企業(yè)融資短板，有望成為中國版納斯達克（NASDAQ）。而根據(jù)往年數(shù)據(jù)進行正確估值及預測較為重要。

神經網(wǎng)絡模型：

人工神經網(wǎng)絡是一種對生物神經系統(tǒng)的模仿，通過大量簡單的基本處理單元以某種形式連接，與數(shù)字計算機相比，人工神經網(wǎng)絡在其構成原理和功能特點等方面接近人于腦，它不是單純按照給定程序一步一步地進行運算，而是能夠通過某種規(guī)則依據(jù)外部數(shù)據(jù)進 行自適應、總結規(guī)律、最終完成某種功能。網(wǎng)絡學習的準則：如果網(wǎng)絡作出錯誤判決，則通過網(wǎng)絡的自學習、自適應，可減少其犯同樣錯誤的可能性。網(wǎng)絡的各連接權值被賦 予（0，1）區(qū)間內的隨機值，將“H”所對應的模式輸入給網(wǎng)絡，網(wǎng)絡將輸入（X1）加權 （X2）求和、與門限比較、進行非線性運算從而得到網(wǎng)絡的輸出。在此情況下，網(wǎng)絡的輸 出為“1”和“0”的概率分別為1/2，是完全隨機的。如果輸出為“1”（結果正確），則使連接權值增大，以使網(wǎng)絡再次遇到“F”模式輸入時，能夠作出正確的判斷。

科創(chuàng)板擬上市企業(yè)估值及預測過程

（1）通過分析，我們需要對數(shù)據(jù)進行處理。首先中國股市中的B股項屬于無關變量，予以剔除。由于本文中指標變量的類型、單位不完全相同，為了消除變量的量綱效應，使得每個變量都具有同等的表現(xiàn)力，需要對數(shù)據(jù)進行標準化處理。運用SPSS軟件，基于原始數(shù)據(jù)均值和標準差的z-score標準化方法，即

異常值指樣本中的個別值，其數(shù)值明顯偏離它們所屬樣本的其余觀測值，也稱異常 數(shù)據(jù)，離群值。如果存在異常值但不剔除，會影響結果的準確性。使用EXCEL工具將標準化后的Z分數(shù)低于-3或高于3的數(shù)據(jù)看成是異常值，并復查錯誤值、極端值，予以剔除，使得大量數(shù)據(jù)的準確性提高。

（2）為了對中國A股市場的估值指標與基本面指標、流動性指標之間的關系進行定量分析，同時對美國NASDAQ市場的估值指標與基本面指標、流動性指標之間的關系進行定量分析，可采用熵值法將基本面指標的三個量包括年度營業(yè)收入、年度歸母凈利潤、年度凈資產收益率，和流動性指標包括年度單只股票交易量、年度單 只股票交易金額、年度單只股票平均換手率進行權重分析，從而得到基本面指標和流動性指標的綜合數(shù)據(jù)。進而采用線性多元回歸的方法將從2009-2018年的估值指標與基本面指標、流動性指標之間的關系進行定量分析

（3）數(shù)據(jù)標準化通過z-score標準化方法已經對所有數(shù)據(jù)進行了標準化，將一年每一個企業(yè)的市銷率標準化后數(shù)據(jù)相加可得該年中國A股市場的估值指標，將2009-2018年 的中國A股市場的估值指標和美國NASDAQ市場的估值指標都相應求出。

（4）熵值法求權重

在信息論當中，熵是關于不確定性的一種度量。熵越大表明信息量越大，其不確定性也就越小;反之，信息量越小且其不確定性越大?？梢愿鶕?jù)熵的特性，通過計算熵的值進行一個事件的隨機性以及無序程度的判斷;也可以用熵值的大小來判斷某一個變量的離散程度，變量的離散程度越大，則該變量對其相關結果的影響越大。因此，在本題中，可根據(jù)相關指標的離散程度，計算各個指標的權重，從而為多指標的綜合評價提供依據(jù)。根據(jù)信息熵的定義，一組數(shù)據(jù)的信息熵，即

將中國A股市場基本面的三個下層指標標準化之后數(shù)據(jù)與其對應的權重相乘，然后相加得到一個基本面指標。同理可得流動性指標

（5）多元線性回歸是利用多個自變量的最優(yōu)組合來預測因變量的常用方法之一，其主要 步驟為：a.建立并求解出多元線性回歸方程;b.判定各自變量對因變量的影響程度;c.計算多元線性回歸方程的偏離度。以C元素為例，利用熵值法得到指標作為自變量，標準化后某一年的市銷率之和為因變量，結合多元線性回歸的經典模型可得到以下公式：

求解此矩陣方程得到回歸系數(shù)

帶入計算可得基本面指標x1，與流動性指標x2與估值指標y的多元線性回歸方程：

因此可求得美國NASDAQ市場的的估值指標與基本面指標、流動性指標之間的關系及中國A股市場的估值指標與基本面指標、流動性指標之間的關系。

（1）為了對中國A股市場和美國NASDAQ市場預測年的基本面 指標、流動性指標進行預測分析，進而結合第二問的估值指標與基本面指標、流動性指標之間的關系來求解這兩個市場預測年的估值指標。因此我們采用神經網(wǎng)絡模型來對預測年的基本面指標、流動性指標進行預測分析。

使用神經網(wǎng)絡模型有著其獨特的憂點1、具有高度的自學習和自適應能力：BP神經網(wǎng)絡在進行訓練期間，可對輸入和輸 出數(shù)據(jù)間的“合理規(guī)則”進行自動提取，并自我調整–將學習的內容通過網(wǎng)絡的權值進 行記憶。2、具有泛化能力：泛化能力–指在設計模式分類器時，需要考慮網(wǎng)絡在保證對其所需分類對象能夠進行正確分類、關心網(wǎng)絡經過訓練之后，是否可以對未見過的模式或有污染的模式正確分類。即將學習成果遷移。3、具有一定的容錯能力：在局部的或部分的基本處理單元受到破壞后，神經系統(tǒng)對訓練結果不會造成較大的波動，即，神經系統(tǒng)在受到局部損傷后可以繼續(xù)正常工作。故對用于科技股的估值有著獨特作用。

結語：本文采用熵值法及多元線性回歸方程模型，能夠很好的研究估值指標與基本面指標、流動性指標之間的關系，采用神經網(wǎng)絡模型能夠對過去幾年的數(shù)據(jù)進行學習從而對未來的數(shù)據(jù)進行預測，具有一定的準確性。整體可以對中國A股市場市場和以及美國NASDAQ市場以及我國首批科創(chuàng)板企業(yè)上市后的估值水平進行較好的處理和分析，具 有較好的推薦意義。

參考文獻：

[1]司守奎孫璽菁，數(shù)學建模算法與應用，北京：國防工業(yè)出版社，2015。

[2]魏也娜，科創(chuàng)板云計算企業(yè)適宜估值方法與估值倍數(shù)探討，

[3]徐宏宇，朱永麗.基于粒子群優(yōu)化的PID神經網(wǎng)絡在熱電偶數(shù)學建模中的應用[J].沈陽：沈陽航空航天大學學報，2011，