馬慧 王銀川 程偉為

一、引言

由于國內(nèi)市場與美國市場上市的企業(yè)盈利能力不同以及投資者結(jié)構不同，造成基本面與流動性均存在較大差異，如何合理計算上市企業(yè)市場估值是擺在我們面前的當務之急。本文從中國A 股市場和美國NASDAQ 市場入手，從數(shù)據(jù)挖掘的角度探索上市企業(yè)基本面數(shù)據(jù)和流動性數(shù)據(jù)對市銷率的影響，以解決上市企業(yè)估值及其預測問題。常規(guī)的擬合方法如多元線性回歸難以解決此類問題，因此本文采用小波神經(jīng)網(wǎng)絡算法較好的實現(xiàn)了定量分析的目的。

二、小波神經(jīng)網(wǎng)絡模型的建立

（一）確定小波神經(jīng)網(wǎng)絡結(jié)構

小波神經(jīng)網(wǎng)絡算法是將小波基函數(shù)作為BP 神經(jīng)網(wǎng)絡中的隱含層節(jié)點的傳遞函數(shù)，根據(jù)問題中兩市場估值指標與其基本面指標、流動性指標的分析，設計小波神經(jīng)網(wǎng)絡，該網(wǎng)絡分為輸入層、隱含層和輸出層三層。其中，輸入層輸入為基本面指標（即年度營業(yè)收入、年度歸母凈利潤、年度凈資產(chǎn)收益率）、流動性指標（即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），共計6 個節(jié)點；隱含層由小波基函數(shù)構成，共計6 個節(jié)點；輸出層為估值指標。

（二）確定輸入層、隱含層、輸出層間的數(shù)據(jù)傳遞關系

設x1，x2，…，x6為小波神經(jīng)網(wǎng)絡的輸入?yún)?shù)，Y1為小波神經(jīng)網(wǎng)絡的預測輸出，ωij和ωjk為小波神經(jīng)網(wǎng)絡權值。在輸入信號序列為xi（i=1，2，…，6）時，隱含層輸出計算公式為：

本模型采用的小波基函數(shù)為Morlet 母小波基函數(shù)，即：

圖1 小波神經(jīng)網(wǎng)絡預測結(jié)果與實際結(jié)果對比

小波神經(jīng)網(wǎng)絡輸出層計算公式為：

式中，ikω 為隱含層到輸出層權益；h(i)為第i 個隱含層節(jié)點的輸出；l 為隱含層節(jié)點數(shù)；m 為輸出層節(jié)點數(shù)。

（三）模型求解

將2010 ～2017 年中國A 股市場和美國NASDAQ 市場的數(shù)據(jù)作為訓練樣本，2018 年數(shù)據(jù)作為測試樣本。用訓練好的小波神經(jīng)網(wǎng)絡進行預測輸出，預測結(jié)果與實際結(jié)果的對比如圖1 所示。

由圖1 可以看出，除個別樣本的預測偏差較大外，小波神經(jīng)網(wǎng)絡關于中國A 股市場和美國NASDQ 市場的估值指標預測結(jié)果與實際結(jié)果擬合程度較高，預測誤差小，通過企業(yè)的基本面數(shù)據(jù)和流動性指標數(shù)據(jù)，能夠較為準確地估算出市銷率估值。

三、靈敏度分析及評價

通過改變的基本面指標和流動性指標的數(shù)值，我們可以得到各指標對中美兩市場市銷率的不同影響效果，從而定量分析各指標對市銷率貢獻度的差異性。將各指標分別增加10%，計算各股票市銷率值，然后取其平均值作為中美兩市場的平均估值。以年度營業(yè)收入為例，其對中國A 股市場和美國NASDAQ市場的市銷率值分別為-2.8%和-3.6%，由于版面限制，結(jié)果在此不詳細展示。

對比中美兩個市場的市銷率估值變化，可知：美國NASDAQ 市場對指標數(shù)據(jù)的敏感性普遍較高，而中國市場對各指標的敏感性較弱，這說明中國市場整體對抗風險的能力更強。三個基本面指標對市銷率的影響要比三個流動性指標的影響大。