楊君岐　崔環(huán)珠

[提要] 隨著科技的飛速發(fā)展，越來越多的上市公司開始涉獵智能穿戴領(lǐng)域，該領(lǐng)域已經(jīng)成為一個(gè)投資熱點(diǎn)，研究該板塊上市公司基本面數(shù)據(jù)對股價(jià)波動(dòng)的影響具有顯著的現(xiàn)實(shí)意義。這里以RESSET銳思數(shù)據(jù)庫和國泰安數(shù)據(jù)庫提供的數(shù)據(jù)為基礎(chǔ)，選擇38家智能穿戴上市公司基本面數(shù)據(jù)及股價(jià)波動(dòng)數(shù)據(jù)，就智能穿戴板塊上市公司的盈利能力、償債能力與營運(yùn)能力對公司股價(jià)波動(dòng)的影響進(jìn)行分析，以便為機(jī)構(gòu)投資者、廣大散戶投資者在進(jìn)行投資標(biāo)的選擇時(shí)提供相關(guān)建議。

關(guān)鍵詞：基本面數(shù)據(jù)，股價(jià)波動(dòng)，智能穿戴

中圖分類號：F83 文獻(xiàn)標(biāo)識碼：A

收錄日期：2019年11月6日

一、引言

智能穿戴板塊上市公司主要是指生產(chǎn)智能穿戴產(chǎn)品的公司，智能穿戴產(chǎn)品是指通過感應(yīng)設(shè)備、識別、連接等科技對人們的日常穿戴進(jìn)行智能化，比如手機(jī)、手表、手環(huán)、眼鏡、服飾等產(chǎn)品。隨著科技越來越走進(jìn)人們的生活，智能穿戴板塊上市公司開始吸引越來越多的投資目光。本文主要選取中興通訊股份有限公司、飛亞達(dá)（集團(tuán)）股份有限公司、科大訊飛有限公司等38家公司，通過對智能穿戴上市公司基本面數(shù)據(jù)的研究，找出影響股價(jià)波動(dòng)的主要因素，從而為投資者提供合理的投資意見與建議。

國內(nèi)外學(xué)者從不同角度對影響股價(jià)波動(dòng)的因素進(jìn)行了分析，俞平指出公司股價(jià)波動(dòng)與財(cái)務(wù)指標(biāo)呈現(xiàn)出顯著的相關(guān)關(guān)系，這也就說明我國股票市場日漸成熟，股價(jià)越來越能夠反映公司的內(nèi)在價(jià)值與相關(guān)的市場因素;王漢生等人通過實(shí)證分析得出總資產(chǎn)與資產(chǎn)收益率對公司股價(jià)收益率的波動(dòng)性存在明顯的線性相關(guān)關(guān)系;丁月通過運(yùn)用因子分析法提取公共因子，進(jìn)行多元線性回歸的方法得出盈利能力對于股票的價(jià)格波動(dòng)的解釋力度最高;通過對眾多學(xué)者的研究進(jìn)行總結(jié)，發(fā)現(xiàn)過往的研究多集中于考慮企業(yè)財(cái)務(wù)數(shù)據(jù)一個(gè)方面對股價(jià)波動(dòng)的影響，以及用股票的收盤價(jià)差作為唯一的被解釋變量。本文主要從智能穿戴板塊上市公司的基本面數(shù)據(jù)入手，通過建立神經(jīng)網(wǎng)絡(luò)模型，綜合考慮企業(yè)的盈利能力、償債能力、營運(yùn)能力以及成長能力共同作用下，對公司股價(jià)波動(dòng)的影響，同時(shí)研究多個(gè)因子與兩個(gè)被解釋變量的關(guān)系，打破傳統(tǒng)回歸方式，探究多對多的影響關(guān)系，并分析因子對股價(jià)波動(dòng)的解釋程度，探究公司基本面數(shù)據(jù)對股價(jià)波動(dòng)的影響。

二、樣本基本面數(shù)據(jù)與股價(jià)波動(dòng)的變量設(shè)計(jì)

從數(shù)據(jù)的真實(shí)性、客觀性、系統(tǒng)性與重要性考慮，本文分別從RESSET銳思數(shù)據(jù)庫與國泰安數(shù)據(jù)庫中選取了38家關(guān)于智能穿戴上市公司2008年3月至2018年3月，10年的基本面數(shù)據(jù)與股價(jià)表現(xiàn)數(shù)據(jù)。其中，基本面數(shù)據(jù)指標(biāo)主要從公司的成長能力、盈利能力、償債能力與營運(yùn)能力四個(gè)方面選取，主要涉及的指標(biāo)有每股收益增長率、營業(yè)收入增長率、銷售凈利率、營業(yè)利潤率、資產(chǎn)負(fù)債率、權(quán)益乘數(shù)、流動(dòng)比率、資產(chǎn)周轉(zhuǎn)率等35個(gè)財(cái)務(wù)指標(biāo);股價(jià)表現(xiàn)數(shù)據(jù)主要選取了在一個(gè)季度內(nèi)股票的最高價(jià)、最低價(jià)、開盤價(jià)與收盤價(jià)，通過計(jì)算出季度內(nèi)股票的高低價(jià)差以及收盤價(jià)與開盤價(jià)的價(jià)差，并以股票的高低價(jià)差和收盤開盤價(jià)差作為反映股價(jià)波動(dòng)的兩個(gè)變量，其中收盤開盤價(jià)差相對而言較為穩(wěn)定，可以作為反映出股價(jià)的平均水平，可以為穩(wěn)健型投資者提供相關(guān)的投資意見，而股票的高低價(jià)差則反映出股價(jià)存在的較大波動(dòng)，能夠?yàn)轱L(fēng)險(xiǎn)偏好型投資者提供投資參考。

三、智能穿戴公司基本面數(shù)據(jù)與股價(jià)波動(dòng)影響關(guān)系的神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

為了探究智能穿戴樣本公司基本面數(shù)據(jù)與公司股價(jià)波動(dòng)之間存在的關(guān)系，這里采取BP神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行研究，建立起“多對多”的研究模型，模型主要分為三個(gè)部分：輸入層、隱層和輸出層。

（一）基于因子分析法的反映公司基本面數(shù)據(jù)的網(wǎng)絡(luò)輸入變量設(shè)計(jì)。本文主要用BP神經(jīng)網(wǎng)絡(luò)研究基本面數(shù)據(jù)對股價(jià)波動(dòng)影響，網(wǎng)絡(luò)的輸入數(shù)據(jù)是公司的基本面數(shù)據(jù)，為了全面反映基本面情況，這里原始數(shù)據(jù)收集了35個(gè)主要指標(biāo)，并用因子分析法進(jìn)行基本面指標(biāo)的壓縮與抽選?？紤]到原始數(shù)據(jù)的量綱影響，先對原始數(shù)據(jù)進(jìn)行預(yù)處理與標(biāo)準(zhǔn)化處理，剔除殘缺數(shù)據(jù)之后，對原始數(shù)據(jù)進(jìn)行Z變換，用無量綱的z值進(jìn)行指標(biāo)壓縮。為了驗(yàn)證基本面數(shù)據(jù)是否適合進(jìn)行因子分析來進(jìn)行指標(biāo)壓縮，需要先對基本面數(shù)據(jù)Z值進(jìn)行KMO檢驗(yàn)和Bartlet檢驗(yàn)。在spss中對基本面數(shù)據(jù)z值進(jìn)行因子分析，通過荷載矩陣分析每一個(gè)公共因子代表的含義，找出代表公司基本面數(shù)據(jù)的公共因子作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。

（二）基于不同價(jià)差的反映股價(jià)波動(dòng)的網(wǎng)絡(luò)輸出變量設(shè)計(jì)。股價(jià)的波動(dòng)意味著潛在的收益，從不同收益視角看，可以考慮股價(jià)的長期波動(dòng)、短期波動(dòng)、平均波動(dòng)以及最大波動(dòng)等，這些都可以通過日交易有關(guān)的四個(gè)股價(jià)（最高價(jià)、最低價(jià)、開盤價(jià)和收盤價(jià)）測度，為了能反映一個(gè)時(shí)間段內(nèi)普通收益和可能的最大收益，這里分別選取股票的期末收盤與期初開盤價(jià)差以及期內(nèi)股票的高價(jià)與期內(nèi)最低價(jià)。

本文主要從國泰安數(shù)據(jù)庫中選取智能穿戴領(lǐng)域的38家上市公司近十年交易日的股價(jià)，將日資料整理成季度資料，按季度篩選出每日股價(jià)交易的最高值與最小值，并計(jì)算出最高值與最小值的差，將其作為反映股價(jià)波動(dòng)的變量之一。同時(shí)選取股票交易日的開盤價(jià)與收盤價(jià)，通過計(jì)算得出每日開盤價(jià)與收盤價(jià)的價(jià)差，由于每日收盤價(jià)與開盤價(jià)比較穩(wěn)定，將其收盤開盤價(jià)差作為反映股價(jià)波動(dòng)的另一個(gè)被解釋變量，分析因子分析后的公共因子與該被解釋變量之間的關(guān)系。

（三）神經(jīng)網(wǎng)絡(luò)建立與仿真。建立包含輸入層、隱層與輸出層的三層神經(jīng)網(wǎng)絡(luò)，模擬人類思考問題的方式來探究智能穿戴領(lǐng)域上市公司基本面數(shù)據(jù)與股價(jià)波動(dòng)之間的關(guān)系。輸入層是反映公司基本面數(shù)據(jù)的財(cái)務(wù)指標(biāo)，輸出層是反映公司股價(jià)波動(dòng)的兩個(gè)變量，隱層是神經(jīng)網(wǎng)絡(luò)的核心，主要是復(fù)雜的轉(zhuǎn)換函數(shù)，本文采用logsig函數(shù)對輸入數(shù)據(jù)進(jìn)行逐一轉(zhuǎn)換，不斷進(jìn)行取值迭代，最終達(dá)到輸出層函數(shù)的要求。通過設(shè)置網(wǎng)絡(luò)的迭代次數(shù)與允許的最大誤差，其中一個(gè)條件達(dá)到，網(wǎng)絡(luò)訓(xùn)練就會(huì)結(jié)束，本文主要選用logsig函數(shù)進(jìn)行實(shí)證研究。

通過神經(jīng)網(wǎng)絡(luò)的建立與仿真，進(jìn)行上市公司基本面數(shù)據(jù)對公司股價(jià)波動(dòng)的影響探究時(shí)，需要將輸入數(shù)據(jù)帶入網(wǎng)絡(luò)計(jì)算得出輸出數(shù)據(jù)，再進(jìn)行對比，考慮單個(gè)因子對被解釋變量的影響程度時(shí)，我們采用了“彈性分析”的方法。以公共因子的平均數(shù)為基礎(chǔ)，每個(gè)因子逐漸增加5%，其他因子保持不變，將其作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，帶入模擬好的神經(jīng)網(wǎng)絡(luò)，得到輸出值，再進(jìn)行對比，分析股價(jià)波動(dòng)的影響因素。

（四）智能穿戴公司基本面數(shù)據(jù)與股價(jià)波動(dòng)影響關(guān)系實(shí)證研究。先對智能穿戴領(lǐng)域上市公司基本面數(shù)據(jù)進(jìn)行指標(biāo)壓縮，用變幻后的Z值進(jìn)行KMO檢驗(yàn)和Bartlet檢驗(yàn)，通過檢驗(yàn)結(jié)果發(fā)現(xiàn)基本面數(shù)據(jù)數(shù)據(jù)的KMO大于0.5，Sig為0.000小于0.5，比較適合通過因子分析來壓縮指標(biāo)。在SPSS中進(jìn)行因子分析，為了使得所選的因子能夠包含大量的數(shù)據(jù)信息，這里選取特征值大于1作為篩選條件，得到公共因子有8個(gè)。

通過對荷載矩陣的解讀，得到第1、3、6、8個(gè)因子反映出公司的利潤水平與盈利能力，分別定義為凈利潤因子、營業(yè)利潤因子、現(xiàn)金收入因子、凈利潤增長率因子;第2個(gè)因子與第5個(gè)因子反映公司的營運(yùn)能力，分別將其定義為存貨周轉(zhuǎn)率因子、流動(dòng)比率因子;第4個(gè)因子和第7個(gè)因子則反映出公司的償債能力，將其分別定義為產(chǎn)權(quán)比率和資產(chǎn)負(fù)債率。將因子分析后的基本面數(shù)據(jù)作為輸入值，股價(jià)波動(dòng)的數(shù)據(jù)進(jìn)行Z值變幻后作為輸出值，在MATLAB中進(jìn)行模擬計(jì)算分析。用logsig函數(shù)作為網(wǎng)絡(luò)神經(jīng)元的激勵(lì)函數(shù)，輸入隱層神經(jīng)元數(shù)量為17，輸出層神經(jīng)元數(shù)量為2，選用的將迭代次數(shù)控制在5，000以內(nèi)，誤差控制在0.0036以內(nèi)，訓(xùn)練過程如圖1所示?？梢姡盟x取的參數(shù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，收斂速度很快，迭代次數(shù)達(dá)到1，748時(shí)，神經(jīng)網(wǎng)絡(luò)誤差控制在了0.0036之內(nèi)，表明該模型能夠較好地解釋智能穿戴概念模塊樣本公司的基本面數(shù)據(jù)與股票的市場表現(xiàn)之間的非線性關(guān)系。（圖1）

從MATLAB實(shí)證分析結(jié)果可以看到，除了個(gè)別點(diǎn)外，股票的高低價(jià)差與網(wǎng)絡(luò)仿真的高低價(jià)差之間的誤差較小，收盤價(jià)與開盤價(jià)的價(jià)差與網(wǎng)絡(luò)仿真價(jià)差的誤差也相對較小，總的來說，網(wǎng)絡(luò)仿真效果較好。為了研究股價(jià)波動(dòng)的影響性因素，本文以8個(gè)公共因子的訓(xùn)練網(wǎng)絡(luò)的平均數(shù)為基礎(chǔ)，通過建立好的神經(jīng)網(wǎng)絡(luò)，用“彈性分析”的方法分析影響股價(jià)波動(dòng)變化的因素。

由因子值的變動(dòng)結(jié)果，我們可以得到凈利潤因子值、現(xiàn)金收入因子值以及凈利潤增長率因子呈現(xiàn)出相似的變動(dòng)趨勢，因子值上升5%，對股票的高低價(jià)差呈現(xiàn)出較大影響，而對收盤開盤價(jià)差起到的影響較小。而營業(yè)利潤因子值上升對于股價(jià)的高低價(jià)差和收盤開盤價(jià)差的影響呈現(xiàn)出不同的影響效果，但這一效果與凈利潤、現(xiàn)金收入以及凈利潤增長率因子值的影響效果呈現(xiàn)出相同的狀態(tài)，只是對于股票高低價(jià)差的影響程度小于前者，對收盤開盤價(jià)差的影響程度大于前者。由此我們可以看出智能穿戴板塊上市公司的盈利指標(biāo)對于股價(jià)波動(dòng)的影響起著至關(guān)重要的作用，盈利能力越強(qiáng)，公司股票的高低價(jià)差波動(dòng)越大，收盤開盤價(jià)差會(huì)有相對較小的下降。

存貨周轉(zhuǎn)率因子值和流動(dòng)比率因子值呈現(xiàn)出相似的影響作用，當(dāng)因子值上升5%時(shí)，股價(jià)的高低價(jià)差與收盤開盤價(jià)差同時(shí)下降，且下降幅度相對較為一致，可見營運(yùn)能力因子對于股價(jià)波動(dòng)的影響呈現(xiàn)出較強(qiáng)的反作用。產(chǎn)權(quán)比率因子和資產(chǎn)負(fù)債率因子對股價(jià)波動(dòng)的影響與存貨周轉(zhuǎn)率和流動(dòng)比率因子的影響趨勢相同，不同的是資產(chǎn)負(fù)債率因子的影響程度大于存貨周轉(zhuǎn)率與流動(dòng)比率因子的影響程度，對股價(jià)的高低價(jià)差的影響程度最大。由此我們可以得到智能穿戴板塊上市公司的償債能力與營運(yùn)能力對智能穿戴模塊上市公司的股價(jià)波動(dòng)起著反作用，償債能力和營運(yùn)能力越強(qiáng)，公司股價(jià)波動(dòng)收到的影響越小，股票的高低價(jià)差和收盤開盤價(jià)差都會(huì)同時(shí)下降。

通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練仿真與模擬，我們可以看到資產(chǎn)負(fù)債率因子值對于股價(jià)波動(dòng)的影響最大，當(dāng)因子值上升5%時(shí)，股票的高低價(jià)差會(huì)下降277.98%，股票的收盤開盤價(jià)差會(huì)下降40.15%。通過因子分析我們可以看出，資產(chǎn)負(fù)債率因子主要是指公司的資產(chǎn)負(fù)債率、權(quán)益乘數(shù)等財(cái)務(wù)指標(biāo)，由此可見，公司的償債能力對于上市公司股價(jià)波動(dòng)的影響至關(guān)重要，在對智能穿戴上市公司進(jìn)行價(jià)值投資時(shí)，考慮股價(jià)波動(dòng)的情況需要著重考慮上市公司的償債能力。

四、結(jié)論及投資建議

由實(shí)證結(jié)果我們可以得到智能穿戴上市公司股價(jià)波動(dòng)主要受其公司的盈利能力以及公司的償債能力和營運(yùn)能力的影響，其中盈利能力越強(qiáng)，股價(jià)波動(dòng)會(huì)越大，而償債能力和營運(yùn)能力越強(qiáng)，智能穿戴上市公司的股價(jià)波動(dòng)會(huì)越小。

在考慮對智能穿戴上市公司進(jìn)行股票投資時(shí)，對于中短期投資者而言，如果是風(fēng)險(xiǎn)偏好型投資者，可以著重對于盈利能力方面的財(cái)務(wù)指標(biāo)進(jìn)行分析與研究，挑選盈利能力較強(qiáng)的上市公司進(jìn)行投資;對于風(fēng)險(xiǎn)規(guī)避型投資者，要考慮公司的償債能力與營運(yùn)能力，具有較好的償債能力與營運(yùn)能力的公司，股價(jià)波動(dòng)相對較小，股價(jià)會(huì)相對穩(wěn)定。

主要參考文獻(xiàn)：

[1]郝朔，張國瑞.智能穿戴設(shè)備對城市居民健康生活的影響研究[J].北華航天工業(yè)學(xué)院學(xué)報(bào)，2018.28（1）.

[2]喻平，張應(yīng)華.上市公司財(cái)務(wù)指標(biāo)與股價(jià)波動(dòng)關(guān)聯(lián)性研究[J].財(cái)會(huì)通訊，2011（22）.

[3]王漢生，張瀚宇，何天英，郭露茜.上市公司財(cái)務(wù)參數(shù)與其股價(jià)波動(dòng)性關(guān)系探究[N].證券市場導(dǎo)報(bào)，2010（2）.

[4]丁月.上市公司財(cái)務(wù)指標(biāo)對股票價(jià)格影響的實(shí)證研究[J].中國國際財(cái)經(jīng)（中英文），2018（2）.