李九慧

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

關(guān)鍵詞：熵值法;多元線性回歸;神經(jīng)網(wǎng)絡(luò)模型

引言：科創(chuàng)板由國家主席習(xí)近平于2018年11月5日在首屆中國國際進(jìn)口博覽會開幕式上宣布設(shè)立，是獨(dú)立于現(xiàn)有主板市場的新設(shè)板塊。設(shè)立科創(chuàng)板并試點(diǎn)注冊制是提升服務(wù)科技創(chuàng)新企業(yè)能力、增強(qiáng)市場包容性、強(qiáng)化市場功能的一項(xiàng)資本市場重大改革舉措，科創(chuàng)板將補(bǔ)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(dá)克（NASDAQ）。而根據(jù)往年數(shù)據(jù)進(jìn)行正確估值及預(yù)測較為重要。

神經(jīng)網(wǎng)絡(luò)模型：

人工神經(jīng)網(wǎng)絡(luò)是一種對生物神經(jīng)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(jì)算機(jī)相比，人工神經(jīng)網(wǎng)絡(luò)在其構(gòu)成原理和功能特點(diǎn)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(jìn)行運(yùn)算，而是能夠通過某種規(guī)則依據(jù)外部數(shù)據(jù)進(jìn) 行自適應(yīng)、總結(jié)規(guī)律、最終完成某種功能。網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)則：如果網(wǎng)絡(luò)作出錯誤判決，則通過網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)，可減少其犯同樣錯誤的可能性。網(wǎng)絡(luò)的各連接權(quán)值被賦 予（0，1）區(qū)間內(nèi)的隨機(jī)值，將“H”所對應(yīng)的模式輸入給網(wǎng)絡(luò)，網(wǎng)絡(luò)將輸入（X1）加權(quán) （X2）求和、與門限比較、進(jìn)行非線性運(yùn)算從而得到網(wǎng)絡(luò)的輸出。在此情況下，網(wǎng)絡(luò)的輸 出為“1”和“0”的概率分別為1/2，是完全隨機(jī)的。如果輸出為“1”（結(jié)果正確），則使連接權(quán)值增大，以使網(wǎng)絡(luò)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(yù)測過程

（1）通過分析，我們需要對數(shù)據(jù)進(jìn)行處理。首先中國股市中的B股項(xiàng)屬于無關(guān)變量，予以剔除。由于本文中指標(biāo)變量的類型、單位不完全相同，為了消除變量的量綱效應(yīng)，使得每個變量都具有同等的表現(xiàn)力，需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。運(yùn)用SPSS軟件，基于原始數(shù)據(jù)均值和標(biāo)準(zhǔn)差的z-score標(biāo)準(zhǔn)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(jié)果的準(zhǔn)確性。使用EXCEL工具將標(biāo)準(zhǔn)化后的Z分?jǐn)?shù)低于-3或高于3的數(shù)據(jù)看成是異常值，并復(fù)查錯誤值、極端值，予以剔除，使得大量數(shù)據(jù)的準(zhǔn)確性提高。

（2）為了對中國A股市場的估值指標(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系進(jìn)行定量分析，同時對美國NASDAQ市場的估值指標(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系進(jìn)行定量分析，可采用熵值法將基本面指標(biāo)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(chǎn)收益率，和流動性指標(biāo)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(jìn)行權(quán)重分析，從而得到基本面指標(biāo)和流動性指標(biāo)的綜合數(shù)據(jù)。進(jìn)而采用線性多元回歸的方法將從2009-2018年的估值指標(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系進(jìn)行定量分析

（3）數(shù)據(jù)標(biāo)準(zhǔn)化通過z-score標(biāo)準(zhǔn)化方法已經(jīng)對所有數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化，將一年每一個企業(yè)的市銷率標(biāo)準(zhǔn)化后數(shù)據(jù)相加可得該年中國A股市場的估值指標(biāo)，將2009-2018年 的中國A股市場的估值指標(biāo)和美國NASDAQ市場的估值指標(biāo)都相應(yīng)求出。

（4）熵值法求權(quán)重

在信息論當(dāng)中，熵是關(guān)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(jì)算熵的值進(jìn)行一個事件的隨機(jī)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(guān)結(jié)果的影響越大。因此，在本題中，可根據(jù)相關(guān)指標(biāo)的離散程度，計(jì)算各個指標(biāo)的權(quán)重，從而為多指標(biāo)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(biāo)標(biāo)準(zhǔn)化之后數(shù)據(jù)與其對應(yīng)的權(quán)重相乘，然后相加得到一個基本面指標(biāo)。同理可得流動性指標(biāo)

（5）多元線性回歸是利用多個自變量的最優(yōu)組合來預(yù)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(jì)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(biāo)作為自變量，標(biāo)準(zhǔn)化后某一年的市銷率之和為因變量，結(jié)合多元線性回歸的經(jīng)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(jì)算可得基本面指標(biāo)x1，與流動性指標(biāo)x2與估值指標(biāo)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(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系及中國A股市場的估值指標(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系。

（1）為了對中國A股市場和美國NASDAQ市場預(yù)測年的基本面 指標(biāo)、流動性指標(biāo)進(jìn)行預(yù)測分析，進(jìn)而結(jié)合第二問的估值指標(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系來求解這兩個市場預(yù)測年的估值指標(biāo)。因此我們采用神經(jīng)網(wǎng)絡(luò)模型來對預(yù)測年的基本面指標(biāo)、流動性指標(biāo)進(jìn)行預(yù)測分析。

使用神經(jīng)網(wǎng)絡(luò)模型有著其獨(dú)特的憂點(diǎn)1、具有高度的自學(xué)習(xí)和自適應(yīng)能力：BP神經(jīng)網(wǎng)絡(luò)在進(jìn)行訓(xùn)練期間，可對輸入和輸 出數(shù)據(jù)間的“合理規(guī)則”進(jìn)行自動提取，并自我調(diào)整–將學(xué)習(xí)的內(nèi)容通過網(wǎng)絡(luò)的權(quán)值進(jìn) 行記憶。2、具有泛化能力：泛化能力–指在設(shè)計(jì)模式分類器時，需要考慮網(wǎng)絡(luò)在保證對其所需分類對象能夠進(jìn)行正確分類、關(guān)心網(wǎng)絡(luò)經(jīng)過訓(xùn)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(xué)習(xí)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(jīng)系統(tǒng)對訓(xùn)練結(jié)果不會造成較大的波動，即，神經(jīng)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(dú)特作用。

結(jié)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(biāo)與基本面指標(biāo)、流動性指標(biāo)之間的關(guān)系，采用神經(jīng)網(wǎng)絡(luò)模型能夠?qū)^去幾年的數(shù)據(jù)進(jìn)行學(xué)習(xí)從而對未來的數(shù)據(jù)進(jìn)行預(yù)測，具有一定的準(zhǔn)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(jìn)行較好的處理和分析，具 有較好的推薦意義。

參考文獻(xiàn)：

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

[2]魏也娜，科創(chuàng)板云計(jì)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(jīng)網(wǎng)絡(luò)在熱電偶數(shù)學(xué)建模中的應(yīng)用[J].沈陽：沈陽航空航天大學(xué)學(xué)報(bào)，2011，