基于BP神经网络的新股定价问题研究

发布时间：2020-10-21 08:34

　　 首次公开发行新股的“低风险、高收益、巨额申购、高换手率”一直是我国资本市场的一个显著特点,这大大降低了市场运行效率和资源配置效率。正是基于这一点,新股发行价格的确定如何贴近二级市场价格成为了我国发行市场制度建设的重要组成部分。虽然从1999年开始,我国开始大力推动一级市场发行制度的改革,于2001年4月实现了从审批制到核准制的转换,再于2005年1月1日正式启动首次公开发行股票试行询价制,但制度变迁效果没有使一级市场效率有根本性的提高。所以对这个问题仍然需要进行深入的思考和探索。 目前主流的新股发行定价模型主要有贴现现金流法、EVA估值法、可比公司分析法,而辅助的新股发行定价模型有营销回报模型、实物期权估价法、多因素定价模型等。但在具体的实践定价中,往往由于信息不充分、盈利预测缺乏准确性等原因,这些定价方法或准确性不高,或实际操作困难。所以需要设计出能够尽量避免这些不利影响的新股发行定价模型,有效地减少信息或误差所造成的估算困难。 相比之下,人工神经网络是一种智能化的数据处理方法,目前为止其处理具有非线性关系数据的能力到是其他方法无法比拟的,因此在复杂系统的建模问题上表现出了它的优越性。而作为人工神经网络的一种,BP神经网络具有高速计算和学习的特性,具有理论上逼近任意非线性连续函数的能力,在信息不充分的条件下,在预测、评价等方面能取得很好的应用效果。所以采用BP神经网络确定新股的发行定价,能较好地克服现有估价方法缺乏相关信息、价格确定主观化等方面的不足。 那么,基于BP神经网络的新股发行定价法的基本原理是首先分析影响新股价格的相关因素,然后搜集新上市公司的信息数据,通过BP网络程序对新上市公司价格的确定过程进行模拟,找出输入变量(影响新股价格的相关因素)与输出结果(新股价格)之间的关系,得到新股价格的一般模型,最后将待估的其他新上市公司的数据代入到该程序中,就可以得到待估的其他新上市公司股票价格的评估值。以上的整个程序运行过程是通过Matlab7.1编程实现。同时,运用实例对该方法与其它的新股发行定价方法进行比较分析。结果表明,该方法能弥补现行定价方法的一些不足,并在一定程度上提高了新股发行定价估值的准确度,为提高一级市场效率提供了帮助。
【学位单位】：武汉理工大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：F830.91;F224
【文章目录】：
摘要
Abstract
第1章 导论
    1.1 研究的目的、背景与意义
        1.1.1 研究的目的
        1.1.2 研究的背景和意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
第2章 IPO定价的估值方法分析
    2.1 资本市场现有的主要IPO估值模型
        2.1.1 贴现现金流法(DCF,Discount cash flow model)
        2.1.2 经济附加值(EVA)估值法
        2.1.3 可比公司分析法
    2.2 我国IPO发行定价制度的变迁
第3章 基于BP神经网络的IPO定价分析
    3.1 BP神经网络
        3.1.1 BP神经网络的学习算法
        3.1.2 BP神经网络的学习算法步骤
    3.2 基于BP神经网络的IPO定价操作原理
    3.3 IPO定价的影响因素
        3.3.1 外部因素
        3.3.2 内部因素
    3.4 样本的选择与处理
        3.4.1 样本的选择
        3.4.2 样本的预处理
    3.5 BP神经网络模型的建立与训练
    3.6 BP网络的仿真
第4章 BP神经网络的IPO定价模型的优化度检验
    4.1 贴现现金流法
    4.2 经济附加值(EVA)估值法
    4.3 修正市盈率法
    4.4 BP神经网络定价法
    4.5 结果分析
第5章 全文总结与研究展望
    5.1 全文总结
    5.2 研究展望
参考文献
致谢
附录

【引证文献】

相关期刊论文 前1条

1 赵晨萍;王应军;;一种改进的BP神经网络在新股定价中的应用[J];福建电脑;2010年08期

相关博士学位论文 前1条

1 吴姗姗;乡镇政府财政风险的评价与预测研究[D];中国海洋大学;2012年

相关硕士学位论文 前3条

1 张美丽;破发背景下对我国沪市A股IPO定价问题的研究[D];西南财经大学;2011年

2 黄雯雯;基于BP神经网络的中国创业板IPO定价模型研究[D];华南理工大学;2012年

3 彭翎;基于生产实践和神经网络相结合的醋纤企业制造成本分析[D];云南大学;2012年

本文编号：2849895