齊先碩　王巖松　張遠洋

近期，我國部分證券交易所已開始受理科創(chuàng)板企業(yè)的上市發(fā)行申請，科創(chuàng)板企業(yè)如何估值對于投資者來說至關重要。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NASDAQ。中國傳統(tǒng)企業(yè)上市后估值通常采用均值回歸、證券比率法、貨幣供應法等。由于科創(chuàng)板是新型板塊，當下對于科創(chuàng)板上市企業(yè)估值水平的研究并不多，在研究中可參照美國同類型市場 NASDAQ 上市公司的估值方式，但因為國內(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(gòu)不同，造成基本面與流動性均存在較大差異，從而導致中國與美國的股票市場估值水平存在估值溢價或折價。因此，建立科學合理的評估模型，對于新興金融市場的投資者顯得尤為重要。

常用的市場估值方法有 EBO 模型法、B-S 模型法和 DCF 方法等。Covarsí 等認為傳統(tǒng)市場中的企業(yè)經(jīng)營績效評價指標，通常有權(quán)益報酬率、總資產(chǎn)報酬率和每股收益等，但這些指標均沒有考慮資本成本因素，不能反映資本凈收益的狀況和資本運營的增值效益，于是又提出了 EBO 模型，該模型引入反映股東利益的基本面指標作為評價關鍵因素。譚三艷等提出以杠桿財務分析體系預測剩余收益和以市凈率為基礎的方法對EBO 模型進行變形，提高 EBO 模型的準確性。Oshanin 等提出了著名的 B-S 期權(quán)定價模型，給出了期權(quán)定價公式，為市場價值評估理論的進一步發(fā)展指明了方向，是現(xiàn)代期權(quán)定價理論的一個創(chuàng)舉。Breitner 等借助金融學中用來處理不確定因素干擾的期權(quán)概念，優(yōu)化 DCF 方法對未來不確定性因素下難以確定折現(xiàn)率的情況。但上述傳統(tǒng)的市場估值方法具有一定的局限性：對于新興企業(yè)、處在創(chuàng)業(yè)初期的企業(yè)和當前經(jīng)營困難的企業(yè)而言，企業(yè)當前現(xiàn)金流或收益通常為負，并且在未來一段時間內(nèi)依然為負;其次， 上述方法只能估算當前公開的投資機會和現(xiàn)有業(yè)務，而未來增長所產(chǎn)生的現(xiàn)金流與不確定性環(huán)境下的投資機會沒有考慮在內(nèi);最后，對于一些無形資產(chǎn)，在當前尚未利用、預期現(xiàn)金流量難以估計的情況下會使企業(yè)價值被低估。當前的估值方法通常采用市盈率估值分析，它是衡量上市企業(yè)盈利能力的重要指標，且乘數(shù)分析是估計方式的快捷工具。因此，一些學者對此進行了研究：李佳等引入與市盈率估值相關的三個因素，利用神經(jīng)網(wǎng)絡對市盈率進行了預測，預測值與實際值擬合程度較高，得出了影響市盈率因素之間的非線性關系。在科創(chuàng)板企業(yè)的前身新三板企業(yè)上市后，金輝等采用 PE 估值法，在可比企業(yè)賦權(quán)的基礎上，將其市盈率轉(zhuǎn)化為目標企業(yè)的價值乘數(shù)，此結(jié)果十分合理，但轉(zhuǎn)換系數(shù)與影響交易價格的因素還有待優(yōu)化。

馬爾科夫鏈具有離散數(shù)據(jù)自由性、有限性。在主流股票市場此類時間隨機過程中，給定當前知識或信息的情況下，過去對于預測將來是無關的。馬爾科夫鏈能夠計算出具有維修能力和多重降級狀態(tài)的系統(tǒng)的概率，利用其對市場理性指標進行量化處理，再經(jīng)由統(tǒng)計分析方法可對股票市場走勢特別是后期走向進行精準預測。通過馬爾科夫?qū)?A 股市場和 NASDAQ 市場各項流通指標數(shù)據(jù)分析可得到按時間線的相應市場企業(yè)估值預測模型，研究中可得到 2019 年中美兩大市場估值指標，馬爾科夫鏈預測模型是對初步建立的股市估值模型的優(yōu)化，對研究市場和企業(yè)估值走向具有重要參考價值?；诿拦煽苿?chuàng)板 NASDAQ 估值模型和相應數(shù)據(jù)支撐，進行而可以對國內(nèi)新興的科創(chuàng)板進行估值預測及相關研究。

估值模型建立

數(shù)據(jù)來源

根據(jù)盈率估值法和市銷率估值法的特點、應用的局限性以及中國上市公司的成長性，并結(jié)合實證研究的結(jié)論，提出以低市盈率結(jié)合成長因素的綜合價值評價方法進行股票價值評估，能夠更客觀的反映中國上市公司的投資價值，體現(xiàn)上市公司的相對價值，更加有利于投資者對股票的投資價值作出正確判斷。故本文選取市盈率作為估值標準。影響市盈率的兩大方面為：基本面指標、流動性指標?；久嬷笜税甓葼I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。本文中的數(shù)據(jù)來源于國泰安數(shù)據(jù)服務中心，包括中國與美國科創(chuàng)板2009-2018 年期間已受理的企業(yè)數(shù)據(jù)。

數(shù)據(jù)處理

收集到的原始數(shù)據(jù)類型不便于進行統(tǒng)計分析，為了消除市盈率（y）、平均年度凈資產(chǎn)收益率（x1）、營收（x2）、歸母凈利潤（x3）、股票交易量（x4）、換手率（x5）、年度股票交易金額（x6），上述指標數(shù)據(jù)間的單位數(shù)值等差異，需要對數(shù)據(jù)進行無量綱化處理。為了更加貼合科學統(tǒng)計分布理論并且避免人為選擇閾值系數(shù)， 采用標準差標準化法 Z-score 對中國科創(chuàng)板與美國NASDAQ 市場相應指標數(shù)據(jù)分別進行處理，圖 1 給出了數(shù)據(jù)標準化處理的結(jié)果。

變量相關性分析

建立以市盈率（y）為輸出變量，平均年度凈資產(chǎn)收益率 x1、營收 x2、歸母凈利潤 x3、股票交易量 x4、換手率 x5 和年度股票交易金額x6 為輸入變量的估值預測模型，并采用 Person 相關性方法進行變量相關性分析。表 1 給出了輸出變量與輸入變量之間的相關性分析結(jié)果。一般情況下，兩個變量之間的相關性系。

數(shù)絕對值小于 0.3 時，認為變量之間的相關性較弱。為了降低維度和減少建模難度，預測模型中可不考慮相關性較弱的變量影響。由下表可知，對于 A 股和 NASDAQ 市場中的變量，至少有一類市場中的輸入變量與輸出變量的相關性系數(shù)絕對值大于 0.3，因此將上述 6 個變量均作為預測模型的輸入變量。

研究方法

多元非線性回歸 （MNLR）

借助市盈率估值法的基本思想，將市盈率作為因變量y 與平均年度凈資產(chǎn)收益率 x1、營收x2、歸母凈利潤 x3、股票交易量 x4、換手率 x5、年度股票交易金額 x6，建立多元非線性回歸方程。采用 SPSS Statistics 22 軟件將輸出變量與單個輸入變量進行非線性擬合，擬合結(jié)果如圖 2 所示。

支持向量機 （SVM）

支持向量機是一種比較好的實現(xiàn)結(jié)構(gòu)風險最小化，同時最小化經(jīng)驗風險和置信范圍。支持向量機的特點：①針對有限樣本情況的機器學習，在對給定的數(shù)據(jù)逼近的精度與逼近函數(shù)的復雜性之間尋求折衷， 以期獲得最好的推廣能力;②將實際問題通過非線性變換轉(zhuǎn)換到高維特征空間，在高維空間中構(gòu)造線性決策函數(shù)來實現(xiàn)原空間中的非線性決策函數(shù)，巧妙地解決了維數(shù)問題，并保證了有較好的推廣能力。目前， SVM 算法在模式識別、回歸估計、概率密度函數(shù)估計等方面都有應用，且算法在效率與精度上已經(jīng)超過傳統(tǒng)的學習算法。

本文中利用 MATLAB 中的 LibSvm 函數(shù)分別對 A 股和美股的基本面和流動性指標進行檢驗，檢驗結(jié)果如圖 3 所示。

馬爾科夫鏈 （MC）

馬爾科夫鏈的幾個基本概念：①狀態(tài)：指某一時刻（或時期）出現(xiàn)的某種結(jié)果;②狀態(tài)轉(zhuǎn)移：時間的發(fā)展，從一種 Si 狀態(tài)轉(zhuǎn)化為另一種狀態(tài) Sj，如從“基本不變”轉(zhuǎn)移為“快速增長”;③狀態(tài)轉(zhuǎn)移概率：在事件的發(fā)展過程中，從某一種狀態(tài)出發(fā)，下一時刻轉(zhuǎn)移到其他狀態(tài)中的可能性，由狀態(tài) Si 轉(zhuǎn)移到為狀態(tài) Sj 的狀態(tài)概率：

在預測前，把往年數(shù)據(jù)代入進行計算。通過往年數(shù)據(jù)對下一年的預測水平來反映 2018 年數(shù)據(jù)對 2019 年的預測水平（前提是我們假設這期間的經(jīng)濟市場為正常走勢，各項指標的變化處于正常區(qū)間，不發(fā)生金融危機）。如年度營業(yè)收入：2016-2017 年增長率為 8%，到達“快速增長”，即 S1，而該狀態(tài)下最有可能達到的狀態(tài)為“緩慢增長”，即 S2，max{P1j}=P12=0.625，而 2017-2018 年增長率為 4.38%，增長率狀態(tài)為 S2，符合預測結(jié)果。其余指標轉(zhuǎn)移情況詳見表 4。以 S 狀態(tài)的指標變化范圍帶入第二問模型，求得估值指標（市盈率）變化的范圍最值區(qū)間。

結(jié)果與討論

基于多元非線性回歸的市盈率預測結(jié)果與討論

由于科創(chuàng)板在中國 A 股市場上是新型板塊，所以參照美國 NASDAQ市場上市公司的模型進行估值， 整體方法是將過會的 89 家科創(chuàng)板企業(yè)在 2016-2018年期間的基本面數(shù)據(jù)，代入美國 NASDAQ市場的基本面指標模型，流動性指標則由中國 A 股市場 2016-2018 年的數(shù)據(jù)作為代表。

中國 A 股市場的流動性模型指標在上文中已計算，對基本面數(shù)據(jù)進行計算和標準化處理，再選取 2016- 2018年中國 A 股市場經(jīng)過標準化的流動性數(shù)據(jù)，根據(jù)統(tǒng)計數(shù)據(jù)預測的科創(chuàng)板企業(yè)上市 A 股后平均市盈率為60.23 倍，這意味著科創(chuàng)板申報公司估值較高，也與部分公司尚未形成成熟的盈利能力，未來盈利能力有提升空間有關。

基于馬爾科夫鏈的市盈率預測結(jié)果與討論

依據(jù)馬爾可夫狀態(tài)轉(zhuǎn)移矩陣，求得基本面指標與流動性指標的變化范圍如下表：

根據(jù)上述變動范圍，分別取上下界代入模型，可得 26=64 組市盈率，并對市盈率的計算結(jié)果取上下限， 得出中國 A 股市場與美國 NASDAQ 市場的市盈率范圍。中國 A 股市盈率范圍：（0.1783，0.1931）;美國 NASDAQ 市盈率范圍：（0.4019，0.4387）。

通過實驗驗證，考慮更多因素并提取相關理性指標的馬爾可夫鏈下股市態(tài)勢預測算法可以實現(xiàn)模型優(yōu)化完善。

本文利用多元非線性回歸和支持向量機，建立了對A股市場和美股 NASDAQ 市場較為精確的估值預測模型，預測科創(chuàng)板企業(yè)上市 A 股后平均市盈率為 60.23 倍，并基于本文建立的預測估值模型選擇理性指標量化的馬爾可夫鏈，對兩市場 2019 年的估值指標進行了預測計算。相比傳統(tǒng)單一預測估值模型，馬爾科夫鏈提供了一種復雜股票市場的有效預測方案，根據(jù)時間序列預測，馬爾科夫預測模型與原始序列擬合效果好，短期預測精度可靠，可為未來估值測算提供參考。

從研究得到的估值水平來看，目前科創(chuàng)板受理的企業(yè)質(zhì)量普遍較高，預估估值指標較高，這也側(cè) 面反映了科創(chuàng)板的火爆程度。對于新型股票市場監(jiān)管者來說，應加強 IPO 監(jiān)管審核，制定政策降低平均換手率，引領股民趨于長期投資導向來穩(wěn)定市場，同時使公司獲得合理穩(wěn)定的估價。對于擬在科創(chuàng)板上市的企業(yè)來說，應找準定位，實現(xiàn)凈資產(chǎn)收益率的提升是提升公司估值的關鍵，可參考美股同類型企業(yè)，以此適應市場和投資者需求。

（山東科技大學數(shù)學與系統(tǒng)科學學院）