基于深度学习的创业板IPO公司价值评估研究
发布时间：2021-04-19 15:17
随着我国资本市场体系的进一步发展、金融证券行业也亟需注入新鲜血液,针对中小成长型、创业创新型企业等融资需要的激增,作为主板市场服务范围的进一步扩宽,创业板于2009年正式开板上市,距今已有十余年的发展历史。在此期间,它为支持创新创业型企业发展乃至响应国家创新驱动发展战略奠定基石,不仅在信息技术应用、高端装备制造、新能源以及生物医药等领域硕果累累,也为经济转型升级增添新燃料、为创新型国家建设给予新支持。公司价值评估的结果作为IPO定价的重要基础,决定着发行公司IPO定价的区间范围,而进一步针对IPO公司的评估中,除了公司自身的内在价值,还需加入考虑更多与IPO相关的因素,包括但不限于宏观市场利率水平与政策引导、承销中介水平以及投资者心理特征和路演反馈等,以此对创业板IPO公司价值进行评估,并将其作为IPO定价结果。因此本文先是梳理了IPO定价的影响因素与方法的国内外文献,并具体介绍了传统的定价方法包括可比公司法、自由现金流贴现法、经济附加值法（EVA）和其各自的优缺点,随即对比展现本文所用的深度学习方法在该类问题处理上的适用性。其次在归纳相关文献与考虑我国创业板市场特殊性的基础上,分析I...
【文章来源】：重庆理工大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 研究意义
1.3 研究内容
1.4 研究方法
1.5 可能的创新点
2 国内外研究综述
2.1 IPO定价研究综述
2.1.1 国外的研究现状
2.1.2 国内的研究现状
2.2 深度学习与IPO定价研究
2.2.1 深度学习在经济金融领域研究现状
2.2.2 神经网络与IPO定价研究
3 中国创业板IPO定价现状与方法分析
3.1 创业板现状分析
3.2 IPO定价机制演变
3.3 传统IPO定价方法与适用性分析
3.3.1 贴现现金流量法
3.3.2 相对估值法
3.3.3 经济附加值估值法（EVA）
4 深度学习理论基础与创业板IPO定价影响因素分析
4.1 深度学习理论基础与模型算法实现
4.1.1 理论基础
4.1.2 深度神经网络（DNN）模型原理
4.1.3 深度神经网络（DNN）的算法实现
4.2 基于深度学习的IPO定价影响因素分析
4.2.1 公司因素
4.2.2 市场因素
4.2.3 发行因素
4.3 深度学习在IPO定价的有效性分析
4.3.1 IPO发行定价的大数据处理与计算
4.3.2 深度学习处理IPO定价的复杂性分析
4.3.3 深度学习与IPO定价效率
5 创业版IPO定价的深度神经网络模型构建与程序实现
5.1 模型样本选择
5.2 样本数据处理
5.2.1 非量化因素的量化编码转换
5.2.2 其他因素的归一化处理
5.3 期望输出值的确定与量化编码转化
5.3.1 期望输出变量
5.3.2 期望输出值的量化编码转化
5.4 深度神经网络模型构建
5.4.1 深度神经网络构建初始化
5.4.2 深度神经网络的训练
5.4.3 深度神经网络检验
6 IPO定价方法有效性对比分析
6.1 可比公司法估算IPO价格
6.2 自由现金流贴现法估算IPO价格
6.2.1 加权平均资本成本的计算
6.2.2 自由现金流预测
6.3 深度神经网络模型估算IPO价格
6.4 定价方法的对比分析
7 结论与展望
7.1 研究结论
7.2 研究展望
参考文献
附录
致谢
个人简历、在学期间发表的学术论文及取得的研究成果
【参考文献】：
期刊论文
[1]发行制度对A股市场IPO抑价影响的研究[J]. 马彬凯,王宁. 中国市场. 2018(34)
[2]人工智能技术在金融领域应用的思考——以深度学习为例[J]. 王立鹏. 时代金融. 2018(06)
[3]深度学习的金融实证应用:动态、贡献与展望[J]. 苏治,卢曼,李德轩. 金融研究. 2017(05)
[4]我国IPO定价影响因素实证研究[J]. 李聃,冯扬. 中国市场. 2016(11)
[5]媒体语气、投资者情绪与IPO定价[J]. 汪昌云,武佳薇. 金融研究. 2015(09)
[6]公司内在价值、投资者情绪与IPO抑价——基于创业板市场的经验证据[J]. 于晓红,张雪,李燕燕. 当代经济研究. 2013(01)
[7]中国IPO抑价的构成及影响因素研究[J]. 邹高峰,张维,徐晓婉. 管理科学学报. 2012(04)
[8]基于随机前沿方法的IPO抑价分解[J]. 邱冬阳,熊维勤. 重庆理工大学学报(社会科学). 2011(11)
[9]我国创业板IPO抑价及其影响因素实证研究[J]. 周运兰. 商业时代. 2010(29)
[10]内部控制信息披露与IPO抑价——深圳中小板市场的实证研究[J]. 邱冬阳,陈林,孟卫东. 会计研究. 2010(10)
硕士论文
[1]“破发潮”背景下基于小波神经网络的创业板IPO定价研究[D]. 胡益枭.西南财经大学 2014
[2]创业板IPO定价影响因素分析[D]. 来小华.浙江大学 2011
[3]中国创业板公司IPO定价与抑价研究[D]. 唐健.重庆大学 2010
本文编号：3147798
【文章来源】：重庆理工大学重庆市
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 研究意义
1.3 研究内容
1.4 研究方法
1.5 可能的创新点
2 国内外研究综述
2.1 IPO定价研究综述
2.1.1 国外的研究现状
2.1.2 国内的研究现状
2.2 深度学习与IPO定价研究
2.2.1 深度学习在经济金融领域研究现状
2.2.2 神经网络与IPO定价研究
3 中国创业板IPO定价现状与方法分析
3.1 创业板现状分析
3.2 IPO定价机制演变
3.3 传统IPO定价方法与适用性分析
3.3.1 贴现现金流量法
3.3.2 相对估值法
3.3.3 经济附加值估值法（EVA）
4 深度学习理论基础与创业板IPO定价影响因素分析
4.1 深度学习理论基础与模型算法实现
4.1.1 理论基础
4.1.2 深度神经网络（DNN）模型原理
4.1.3 深度神经网络（DNN）的算法实现
4.2 基于深度学习的IPO定价影响因素分析
4.2.1 公司因素
4.2.2 市场因素
4.2.3 发行因素
4.3 深度学习在IPO定价的有效性分析
4.3.1 IPO发行定价的大数据处理与计算
4.3.2 深度学习处理IPO定价的复杂性分析
4.3.3 深度学习与IPO定价效率
5 创业版IPO定价的深度神经网络模型构建与程序实现
5.1 模型样本选择
5.2 样本数据处理
5.2.1 非量化因素的量化编码转换
5.2.2 其他因素的归一化处理
5.3 期望输出值的确定与量化编码转化
5.3.1 期望输出变量
5.3.2 期望输出值的量化编码转化
5.4 深度神经网络模型构建
5.4.1 深度神经网络构建初始化
5.4.2 深度神经网络的训练
5.4.3 深度神经网络检验
6 IPO定价方法有效性对比分析
6.1 可比公司法估算IPO价格
6.2 自由现金流贴现法估算IPO价格
6.2.1 加权平均资本成本的计算
6.2.2 自由现金流预测
6.3 深度神经网络模型估算IPO价格
6.4 定价方法的对比分析
7 结论与展望
7.1 研究结论
7.2 研究展望
参考文献
附录
致谢
个人简历、在学期间发表的学术论文及取得的研究成果
【参考文献】：
期刊论文
[1]发行制度对A股市场IPO抑价影响的研究[J]. 马彬凯,王宁. 中国市场. 2018(34)
[2]人工智能技术在金融领域应用的思考——以深度学习为例[J]. 王立鹏. 时代金融. 2018(06)
[3]深度学习的金融实证应用:动态、贡献与展望[J]. 苏治,卢曼,李德轩. 金融研究. 2017(05)
[4]我国IPO定价影响因素实证研究[J]. 李聃,冯扬. 中国市场. 2016(11)
[5]媒体语气、投资者情绪与IPO定价[J]. 汪昌云,武佳薇. 金融研究. 2015(09)
[6]公司内在价值、投资者情绪与IPO抑价——基于创业板市场的经验证据[J]. 于晓红,张雪,李燕燕. 当代经济研究. 2013(01)
[7]中国IPO抑价的构成及影响因素研究[J]. 邹高峰,张维,徐晓婉. 管理科学学报. 2012(04)
[8]基于随机前沿方法的IPO抑价分解[J]. 邱冬阳,熊维勤. 重庆理工大学学报(社会科学). 2011(11)
[9]我国创业板IPO抑价及其影响因素实证研究[J]. 周运兰. 商业时代. 2010(29)
[10]内部控制信息披露与IPO抑价——深圳中小板市场的实证研究[J]. 邱冬阳,陈林,孟卫东. 会计研究. 2010(10)
硕士论文
[1]“破发潮”背景下基于小波神经网络的创业板IPO定价研究[D]. 胡益枭.西南财经大学 2014
[2]创业板IPO定价影响因素分析[D]. 来小华.浙江大学 2011
[3]中国创业板公司IPO定价与抑价研究[D]. 唐健.重庆大学 2010
本文编号：3147798
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3147798.html
