吳濤　李雄英　曾凱華

摘 要 股票價(jià)格的變化主要依賴于兩個(gè)方面，一個(gè)是股票內(nèi)在價(jià)值，另一個(gè)就是系統(tǒng)風(fēng)險(xiǎn)對(duì)股票價(jià)值的影響.通過(guò)使用神經(jīng)網(wǎng)絡(luò)的方法來(lái)分析股票的系統(tǒng)風(fēng)險(xiǎn)，用熵值法來(lái)分析股票的內(nèi)在價(jià)值，從而全面的分析股票的投資價(jià)值，結(jié)果表明這種評(píng)估方法是可靠并且具有較大的獲利空間.

關(guān)鍵詞 金融學(xué)；股票價(jià)值；神經(jīng)網(wǎng)絡(luò)；評(píng)估

中圖分類(lèi)號(hào) F832 文獻(xiàn)標(biāo)識(shí)碼 A

Abstract The change of stock price mainly depends on two aspects， for one thing， which is the intrinsic value of the stock and for another is the influence of system risk on the stock value. The paper adopted neural network to analyze the systematic risk of stock， and analyze the intrinsic value of stock by entropy method， so as to comprehensively analyze the investment value of stock. The result shows that this evaluation method is reliable and has large profitability.

Key words finance ；the value of stock； ；neural network；evaluation

1 引 言

隨著股票市場(chǎng)的發(fā)展，對(duì)股票的價(jià)值評(píng)估方法多種多樣.由于股價(jià)的波動(dòng)呈現(xiàn)明顯的非線性特征，國(guó)內(nèi)外學(xué)者對(duì)股價(jià)的評(píng)估的研究成果很多[1，2].張慧（2012）基于因子分析和聚類(lèi)分析對(duì)旅游上市公司業(yè)績(jī)進(jìn)行評(píng)價(jià)，能夠根據(jù)收益性，安全性，成長(zhǎng)性和流動(dòng)性對(duì)股票進(jìn)行分類(lèi)[3].李坤和范國(guó)良（2016）根據(jù)安徽省上市公司財(cái)務(wù)數(shù)據(jù)，用主成分分析和多元統(tǒng)計(jì)的方法對(duì)股票價(jià)值進(jìn)行評(píng)估[4].曲雙紅（2012）通過(guò)對(duì)一系列股票進(jìn)行熵值法處理后，統(tǒng)計(jì)出各個(gè)股票的得分并且將前幾種股票作為投資組合進(jìn)行投資，獲得較高的收益率[5].陳小玲（2017）在分析百度和阿里巴巴兩個(gè)股票時(shí)運(yùn)用ARIMA和神經(jīng)網(wǎng)絡(luò)進(jìn)行短期預(yù)測(cè)，結(jié)果比較準(zhǔn)確，相對(duì)誤差比較小，但是在預(yù)測(cè)不同股票時(shí)不同的模型有所不同，沒(méi)有解釋其背后的原因[6].魏文軒（2013）利用RBF神經(jīng)網(wǎng)絡(luò)不容易陷入局部收斂的特點(diǎn)對(duì)對(duì)降維后的股價(jià)數(shù)據(jù)進(jìn)行預(yù)測(cè)，有效的提高了預(yù)測(cè)精度[7].張秋明（2012）結(jié)合GM（1，1）與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)ST東北高股價(jià)，其網(wǎng)絡(luò)的作用在于對(duì)灰色預(yù)測(cè)的誤差進(jìn)行修正[8].

一個(gè)股票的價(jià)值取決于兩個(gè)方面，一個(gè)是股票的內(nèi)在價(jià)值，判斷出股票的內(nèi)在價(jià)值在行業(yè)中具有領(lǐng)先地位，那么相對(duì)于如今的大盤(pán)情況下這個(gè)股價(jià)有沒(méi)有被高估或者低估呢？首先從股票的內(nèi)在價(jià)值方面是通過(guò)使用熵值法分析，因?yàn)殪刂捣ǖ奶攸c(diǎn)是不容易受到主觀臆斷的影響.其次是從股票的系統(tǒng)風(fēng)險(xiǎn)來(lái)看，主要是應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)股票價(jià)格的系統(tǒng)波動(dòng)，具體方法是可以通過(guò)輸入上證指數(shù)或深證指數(shù)，以及前一期時(shí)間段的股票價(jià)格來(lái)預(yù)測(cè)后一期的股票價(jià)格.

2 數(shù)據(jù)的選擇和預(yù)處理

首先在紛繁的股票市場(chǎng)中篩選價(jià)值較高的行業(yè)（以白酒行業(yè)為例），白酒作為食品飲料行業(yè)的重要組成部分，屬于制造業(yè)，有自己實(shí)實(shí)在在的產(chǎn)出，與一些服務(wù)業(yè)或者是互聯(lián)網(wǎng)股票不同，白酒行業(yè)的業(yè)績(jī)?cè)诠善眱r(jià)格表現(xiàn)中起著十分重要的作用.但是能表現(xiàn)股票內(nèi)在價(jià)值的指標(biāo)非常多，并沒(méi)有說(shuō)哪一個(gè)數(shù)據(jù)就最能說(shuō)明股票的內(nèi)在價(jià)值.數(shù)據(jù)來(lái)源于2016年白酒行業(yè)的年報(bào)，以下列六種指標(biāo)為研究對(duì)象：

2.1 內(nèi)在價(jià)值指標(biāo)

一是凈資產(chǎn)收益率，是公司稅后利潤(rùn)除以凈資產(chǎn)得到的百分比率，該指標(biāo)反映股東權(quán)益的收益水平，用以衡量公司運(yùn)用自有資本的效率.指標(biāo)值越高，說(shuō)明投資帶來(lái)的收益越高.該指標(biāo)體現(xiàn)了自有資本獲得凈收益的能力.

二是總資產(chǎn)報(bào)酬率，它以投資報(bào)酬為基礎(chǔ)來(lái)分析企業(yè)獲利能力，是企業(yè)投資報(bào)酬與投資總額之間的比率.企業(yè)的投資報(bào)酬是指支付利息和繳納所得稅之前的利潤(rùn)之和，投資總額為當(dāng)期平均資產(chǎn)總額，并不是說(shuō)實(shí)業(yè)公司就不重視投資收益，在上市公司當(dāng)中，由于資本存量十分大，能夠運(yùn)用好這筆資本來(lái)投資所獲得的利潤(rùn)是不可忽視的.

三是總資產(chǎn)凈利率，它是公司凈利潤(rùn)與平均資產(chǎn)總額的百分比.該指標(biāo)反映的是公司運(yùn)用全部資產(chǎn)所獲得利潤(rùn)的水平，即公司每占用1元的資產(chǎn)平均能獲得多少元的利潤(rùn).該指標(biāo)越高，表明公司投入產(chǎn)出水平越高，資產(chǎn)運(yùn)營(yíng)越有效，成本費(fèi)用的控制水平越高.體現(xiàn)出企業(yè)管理水平的高低.

四是銷(xiāo)售毛利率，是毛利占銷(xiāo)售凈值的百分比，通常稱(chēng)為毛利率.其中毛利是銷(xiāo)售總收入與產(chǎn)品成本的差.銷(xiāo)售毛利率計(jì)算公式：銷(xiāo)售毛利率=（銷(xiāo)售凈收入-產(chǎn)品成本）/銷(xiāo)售凈收入×100%.銷(xiāo)售毛利率在實(shí)體行業(yè)中起到十分重要的作用，銷(xiāo)售毛利率高，說(shuō)明其產(chǎn)品的盈利能力強(qiáng)，并且將成本控制得比其他行業(yè)都要低，產(chǎn)品在行業(yè)中的競(jìng)爭(zhēng)能力強(qiáng).

五是凈利潤(rùn)比營(yíng)業(yè)總收入，因?yàn)橛捎诿總€(gè)公司的規(guī)模不同，光看凈利潤(rùn)并不能表現(xiàn)出那個(gè)公司的盈利情況更強(qiáng)，大公司可能在凈利潤(rùn)的數(shù)額方面上來(lái)看會(huì)比小公司高上很多，但是如果相對(duì)于其總收入來(lái)說(shuō)，小公司的比值由于其管理更好，這個(gè)指標(biāo)也會(huì)相對(duì)較高.

六是市盈率，它是最常用來(lái)評(píng)估股價(jià)水平是否合理的指標(biāo)之一，由股價(jià)除以年度每股盈余（EPS）得出.當(dāng)一家公司增長(zhǎng)迅速以及未來(lái)的業(yè)績(jī)?cè)鲩L(zhǎng)非常看好時(shí)，利用市盈率比較不同股票的投資價(jià)值時(shí)，這些股票必須屬于同一個(gè)行業(yè)，因?yàn)榇藭r(shí)公司的每股收益比較接近，相互比較才有效.

2.2 系統(tǒng)風(fēng)險(xiǎn)評(píng)估變量

在神經(jīng)網(wǎng)絡(luò)的處理過(guò)程中，重點(diǎn)是為了預(yù)測(cè)市場(chǎng)風(fēng)險(xiǎn)對(duì)個(gè)股的影響，因此加入了大盤(pán)指數(shù)（上證指數(shù)）和貴州茅臺(tái)的前一期價(jià)格作為輸入元，把貴州茅臺(tái)的當(dāng)期價(jià)格作為輸出元，訓(xùn)練出合理的神經(jīng)網(wǎng)絡(luò)模型.

2.3 指標(biāo)預(yù)處理

由于各項(xiàng)指標(biāo)的計(jì)量單位并不統(tǒng)一，因此在用它們計(jì)算綜合指標(biāo)前，先要對(duì)它們進(jìn)行標(biāo)準(zhǔn)化處理，即把指標(biāo)的絕對(duì)值轉(zhuǎn)化為相對(duì)值，并令xij=|xij|.從而解決各項(xiàng)不同質(zhì)指標(biāo)值的同質(zhì)化問(wèn)題.而且，由于正向指標(biāo)和負(fù)向指標(biāo)數(shù)值代表的含義不同（正向指標(biāo)數(shù)值越高越好，負(fù)向指標(biāo)數(shù)值越低越好），因此，對(duì)于高低指標(biāo)通過(guò)用不同的算法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理.其具體方法見(jiàn)式（1）和式（2）.

4 應(yīng)用案例分析

由于股票數(shù)量眾多，對(duì)于股票內(nèi)在價(jià)值部分，通過(guò)選擇白酒行業(yè)的所有股票進(jìn)行分析，對(duì)其進(jìn)行數(shù)據(jù)處理，如指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理，熵值法獲取其權(quán)重矩陣和得分矩陣.再?gòu)牡梅州^高的個(gè)股中選擇一個(gè)股票進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，觀察其長(zhǎng)期走勢(shì)確定投資時(shí)機(jī)，但是想要獲得較好的BP神經(jīng)模型必須要確定較好的隱含層節(jié)點(diǎn)和學(xué)習(xí)速率等指標(biāo)，接下來(lái)將對(duì)白酒行業(yè)和個(gè)股進(jìn)行實(shí)證分析，并且與股票的實(shí)際情況相對(duì)比，分析其結(jié)果.

4.1 熵值法對(duì)白酒行業(yè)個(gè)股的處理

從2016年白酒行業(yè)上市公司的年報(bào)中所提取的六個(gè)指標(biāo)，所用的數(shù)據(jù)是通過(guò)wind平臺(tái)金融數(shù)據(jù)庫(kù)中提取的，均為一整年的數(shù)據(jù).白酒行業(yè)總共有11只股票，對(duì)其進(jìn)行熵值法處理后得到下表的權(quán)重和得分如表1所示.

由上表的權(quán)重系數(shù)矩陣可知，占比相對(duì)較高的是市盈率和銷(xiāo)售毛利率的指標(biāo)，其中市盈率主要表示股價(jià)相對(duì)于當(dāng)前的每股利益的比率，其指標(biāo)越低越好，表示股價(jià)相對(duì)于每股利益來(lái)說(shuō)較低，長(zhǎng)期投資價(jià)值較高.而如銷(xiāo)售毛利率，凈利潤(rùn)/營(yíng)業(yè)總收入等指標(biāo)所占權(quán)重較高是因?yàn)樵诎拙菩袠I(yè)當(dāng)中，盈利是擺在首要位置的，一個(gè)產(chǎn)品賣(mài)得好不好，受不受大家歡迎，對(duì)于實(shí)體行業(yè)來(lái)說(shuō)從來(lái)都是非常重要的，它不像金融服務(wù)行業(yè)或者高新科技行業(yè)，重視科研成本，投資收益或是對(duì)社會(huì)的其他價(jià)值.另外，白酒行業(yè)的營(yíng)業(yè)成本相對(duì)其他行業(yè)會(huì)比較高，因此并非是收入越高就代表這個(gè)企業(yè)運(yùn)營(yíng)的越好，要看其相對(duì)利潤(rùn)的比率，如果企業(yè)的產(chǎn)品的利潤(rùn)率越高，才能說(shuō)明這個(gè)企業(yè)目前的生產(chǎn)經(jīng)營(yíng)狀況比較優(yōu)異，值得投資.

從表2所示白酒行業(yè)的各個(gè)個(gè)股來(lái)看，貴州茅臺(tái)的得分是最高的，高達(dá)0.1641，要比排名第二的今世緣高出35.3%，這也與現(xiàn)實(shí)情況相符合，茅臺(tái)酒一直就是中國(guó)的“國(guó)酒”，廣受?chē)?guó)內(nèi)外的美譽(yù)，甚至在中國(guó)形成了一定的壟斷地位，與今世緣拉開(kāi)了相當(dāng)大的差距，而今世緣和五糧液在白酒行業(yè)中也具有相當(dāng)大的競(jìng)爭(zhēng)力，但遠(yuǎn)遠(yuǎn)比不上茅臺(tái)，究其原因，主要是由于茅臺(tái)的銷(xiāo)售毛利率和凈利潤(rùn)/營(yíng)業(yè)總收入遠(yuǎn)遠(yuǎn)高于其他白酒企業(yè)，茅臺(tái)的銷(xiāo)售毛利率要比排名第二的今世緣拉開(kāi)了接近30%的差距，這也是為什么茅臺(tái)的得分這么高的原因.而像金種子酒和會(huì)稽山這兩個(gè)企業(yè)排名這么靠后的原因，主要是由于其市盈率較高，像金種子酒的市盈率較高，說(shuō)明其股價(jià)相對(duì)于自身的每股利潤(rùn)來(lái)說(shuō)溢價(jià)程度非常高，目前的股價(jià)相對(duì)于其公司本身的盈利能力來(lái)說(shuō)到達(dá)了高位，投資獲利的可能性就比較低.

4.2 貴州茅臺(tái)的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)

4.2.1 神經(jīng)網(wǎng)絡(luò)隱含層確立

根據(jù)2017年貴州茅臺(tái)和上證指數(shù)的周價(jià)格建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，最基本的一個(gè)問(wèn)題就是在建立模型的過(guò)程中如何確定其隱含層的個(gè)數(shù)，這直接就影響到預(yù)測(cè)結(jié)果的準(zhǔn)確性.一般來(lái)說(shuō)，隱含層的確定方法有下列幾種.

從表3隱含層的誤差分析來(lái)看，隱含層數(shù)目為3時(shí)相對(duì)百分比誤差和均方誤差均為最低，分別為0.5732和33.5486，因此選擇隱含層為3的三層神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè).由于模型變量不足，不能夠精確的預(yù)測(cè)股價(jià)的走勢(shì)，下面則對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行原因分析.

4.2.2 預(yù)測(cè)結(jié)果分析

由圖1可以看到，從實(shí)際與預(yù)測(cè)的價(jià)格對(duì)比的情況來(lái)看，實(shí)際價(jià)格與預(yù)測(cè)價(jià)格重合程度不算特別高，并且預(yù)測(cè)價(jià)格大部分位于實(shí)際價(jià)格以下，具有滯后性，這說(shuō)明股票的實(shí)際價(jià)格是圍繞其系統(tǒng)價(jià)值與內(nèi)在價(jià)值之和而波動(dòng)的.首先可以看到，貴州茅臺(tái)的實(shí)際價(jià)格從500多元漲到了接近700元，而網(wǎng)絡(luò)輸出值的波動(dòng)相較于茅臺(tái)的實(shí)際價(jià)格來(lái)看相對(duì)較小，說(shuō)明當(dāng)時(shí)股票市場(chǎng)的波動(dòng)情況不大，而實(shí)際價(jià)格上漲幅度遠(yuǎn)高于網(wǎng)絡(luò)輸出值的因素并非是市場(chǎng)因素所導(dǎo)致的，而其主要原因是因?yàn)槊┡_(tái)的財(cái)務(wù)季報(bào)預(yù)期的影響，茅臺(tái)的財(cái)務(wù)報(bào)表出來(lái)之后，業(yè)績(jī)較上期又有新的增長(zhǎng)，由此拉動(dòng)茅臺(tái)價(jià)格上漲.因此，當(dāng)茅臺(tái)的實(shí)際價(jià)格位于其網(wǎng)絡(luò)輸出值曲線（系統(tǒng)風(fēng)險(xiǎn)）時(shí)，因?yàn)檫@表明在大盤(pán)的影響下，茅臺(tái)的價(jià)格就應(yīng)該要達(dá)到網(wǎng)絡(luò)輸出值的這個(gè)價(jià)值，如今實(shí)際價(jià)格還比不上網(wǎng)絡(luò)輸出的價(jià)值，因此如果其長(zhǎng)期內(nèi)在價(jià)值是被看好的情況下，說(shuō)明此時(shí)價(jià)格被低估，應(yīng)該執(zhí)行買(mǎi)入策略并進(jìn)行長(zhǎng)期持有.

5 結(jié) 論

運(yùn)用中國(guó)股票市場(chǎng)中白酒行業(yè)的股票基本面數(shù)據(jù)以及貴州茅臺(tái)個(gè)股數(shù)據(jù)進(jìn)行研究后，得到如下結(jié)論.

第一，在中國(guó)的股票市場(chǎng)上，由于經(jīng)過(guò)長(zhǎng)期的運(yùn)行和交易體制發(fā)展，監(jiān)管不斷加強(qiáng)，光是通過(guò)短期炒作題材或者熱點(diǎn)股的風(fēng)險(xiǎn)很大，有些人可能在短期內(nèi)收益比較大，但一旦失去自己投資理智，很容易就會(huì)出現(xiàn)竹籃打水一場(chǎng)空的情況.因此，只有在長(zhǎng)期看好的情況下投資一只股票并長(zhǎng)期持有，帶來(lái)的收益會(huì)相對(duì)比較可觀和穩(wěn)定.

第二，中國(guó)證券市場(chǎng)投資應(yīng)該按行業(yè)進(jìn)行分類(lèi)，根據(jù)不同的行業(yè)側(cè)重的指標(biāo)應(yīng)該是有所不同的，不能說(shuō)看證券行業(yè)用銷(xiāo)售凈利率作為一個(gè)重要參考指標(biāo)來(lái)投資股票，對(duì)每個(gè)不同的行業(yè)要深入研究它的行業(yè)性質(zhì)，從主觀上篩選出合適的并且重要的指標(biāo)，再利用數(shù)學(xué)的方法（熵值法，主成分分析）來(lái)確定其權(quán)重，得到指標(biāo)的權(quán)重系數(shù)和綜合得分，這樣才能夠根據(jù)有效指標(biāo)選取發(fā)展前景比較好的股票.

第三，確定好要投資的股票之后不要盲目的進(jìn)行大筆投資，要耐心等待投資機(jī)會(huì)的出現(xiàn)，也就是常說(shuō)的“低點(diǎn)”，相信股票價(jià)值終究是圍繞其內(nèi)在價(jià)值上下波動(dòng)的，通過(guò)衡量長(zhǎng)期股票價(jià)格的變動(dòng)（建議以周數(shù)據(jù)或者更長(zhǎng)周期的數(shù)據(jù)為研究對(duì)象），分析市場(chǎng)對(duì)個(gè)股的影響程度，一旦實(shí)際價(jià)格被低估時(shí)就可以買(mǎi)入，從而獲得投資收益.

參考文獻(xiàn)

[1] 王鳳蘭，聞邦椿.股價(jià)波動(dòng)序列的綜合預(yù)測(cè)法研究[J].經(jīng)濟(jì)經(jīng)緯，2005（02）：64-65，109.

[2] WILLIAM L， RUSSELL P， RAGYSA J M. Forecasting the NYSE composite index with technical analysis， pattern recognizer， neural network， and genetic algorithm； A case study in romantic decision support[J]. Decision Support Systems，2002（32）：361-377.

[3] 張慧，周春梅.我國(guó)旅游上市公司經(jīng)營(yíng)業(yè)績(jī)的評(píng)價(jià)與比較——基于因子分析和聚類(lèi)分析的綜合研究[J].宏觀經(jīng)濟(jì)研究，2012（03）：85-92.

[4] 李坤，范國(guó)良.多元統(tǒng)計(jì)分析方法在證券投資中的應(yīng)用[J].科技資訊，2016，14（19）：76-78.

[5] 曲雙紅，李華.熵值法在價(jià)值投資決策中的應(yīng)用[J].鄭州輕工業(yè)學(xué)院學(xué)報(bào)（自然科學(xué)版），2012，27（04）：102-104.

[6] 陳小玲.基于ARIMA模型與神經(jīng)網(wǎng)絡(luò)模型的股價(jià)預(yù)測(cè)[J/OL].經(jīng)濟(jì)數(shù)學(xué)，2018，35（04）：30-34.

[7] 魏文軒.改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[J].統(tǒng)計(jì)與決策，2013（15）：70-72.

[8] 張秋明，朱紅莉.灰色神經(jīng)網(wǎng)絡(luò)在股價(jià)預(yù)測(cè)中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用，2013，49（12）：242-245，254.