基于多元回归和灰色预测对科创板企业估值水平的研究

发布时间：2020-10-25 02:05

　　 针对科创板企业估值水平,在引入平均市销率作为估值水平的背景下通过定量分析美国纳斯达克市场各项指标间的关系、中国A股市场流动性指标趋势以及93家科创板企业的基本面指标趋势,运用多元回归、灰色预测等方法,构建了美国纳斯达克市场企业估值量化模型和基于灰色系统的科创板上市企业基本面板指标以及中国A股市场流动性指标的预测模型,综合运用了MATLAB、STATA等软件编程求解并参考美国纳斯达克市场估值量化模型和中国A股市场流动性指标,最终成功预测我国首批科创板企业上市后的估值水平。
【部分图文】：

一种预测方法。本文利用2009—2018年中国A股市场基本面数据与流动性数据作为媒介进行预测。(2)数据的处理2009—2018年中国A股市场年平均换手率见表3。表32009-2018年中国A股市场年平均换手率年份2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年单股年平均换手率/%383.27248.09191.25147.20162.40217.45397.12253.25302.15462.61由表3，运用Excel可画出中国A股市场年平均换手率折线图，如图2所示。图22009—2018年中国A股市场年平均换手率2016—2018年93家科创板企业平均年度营业收入和年度归母利润见表4。表42016—2018年科创板企业平均年度营业收入及年度归母利润年份2016年2017年2018年年度营业收入/元79914592011311871951453222970年度归母净利润/元71710754106695591145318413(3)模型的建立本文采用的是GM(1.1)一阶微分方程模型，对2009—2018年的数据进行处理，其形式为：其中xij为第i个市场的第j列数据的数据集(i=1,2，j=1,2,…,7)。离散形式和预测公式如下：其中为原始数据列的一次累加生成，简称一次累加生成。故由导数定义知：当很小时并且取得很小的1单位时，则近似地有：写成离散形式：再取前后2个时刻的平均代替得：整理代入原方程得：3.3结果分析运用MATLABR016b编程得到2019年科创板流动性数据和基本面数据预测值，详见表5。表52019年科创板流动性数据和基本面数据预测值指标营业平均总收入/元归属母公司股东的平均净利润/元年度单只?
【相似文献】

相关期刊论文 前10条

1 谭树娥;;企业估值影响因素分析[J];纳税;2019年26期

2 ;中国独角兽企业估值榜[J];中国科技信息;2016年14期

3 林德文;;关于高科技企业估值方式的探究[J];财会学习;2020年13期

4 方茹;;我国新三板上市企业估值理论研究[J];时代金融;2017年26期

5 储柯;;基于在线用户评论的互联网企业估值[J];财富时代;2020年03期

6 武琪;;何劲松:中外企业估值存差异不是坏事[J];财经界;2016年06期

7 丁亚明;创业企业估值的常用方法[J];科技创业;2005年03期

8 肖欣荣;王艺蓉;;如何对创新型企业估值？[J];金融市场研究;2020年05期

9 黄玮;;新经济企业估值的探讨[J];中国资产评估;2019年05期

10 吴学博;高科技企业估值的实物期权分析[J];沿海企业与科技;2005年06期

相关博士学位论文 前1条

1 吴瑞祥;资本市场对企业技术创新的影响研究[D];武汉大学;2011年

相关硕士学位论文 前10条

1 吴宇航;期权定价对未上市企业估值的方法研究[D];北京外国语大学;2018年

2 张红阳;M制药并购中目标企业估值案例研究[D];山东财经大学;2017年

3 师晶;直播类互联网企业估值的案例研究[D];华中科技大学;2018年

4 钱诗农;并购基金的介入对企业估值的影响[D];江西财经大学;2018年

5 崔进;金融资本举牌对上市公司业绩的影响[D];内蒙古大学;2019年

6 马涛;并购中目标企业估值案例分析[D];华中科技大学;2006年

7 杜建飞;神尔科技企业估值案例分析[D];深圳大学;2017年

8 伍娟;行业视角下盈余预测模型：统计模型&灰色预测模型[D];重庆工商大学;2012年

9 谢静波;环保产业企业估值并购的研究[D];上海交通大学;2011年

10 邵明东;贵州省新三板企业估值分析[D];贵州财经大学;2017年

本文编号：2855299