文章编号:1003-207(2003)01-0006-04
新股上市首日定价预测模型研究
孔玉生,王忠杰
(江苏大学工商管理学院,江苏镇江 212013)
摘 要:本文根据经济计量学有关原理和方法,以2000年1月～2002年6月在上海证券交易所上市的184家新股
(A 股)为样本,借助于SPSS1110统计软件包,采用逐步回归法(STEPWISE ),建立了一个新股上市首日定价预测模
型,以期为投资者的投资决策行为提供有益的帮助。关键词:新股;定价;预测模型;回归中图分类号:F830.9 文献标识码:A
收稿日期:2002-05-28;修订日期:2002-11-15
作者简介:孔玉生(1962-),男(汉族),江苏高淳人,江苏大学工
商管理学院会计系系主任、副教授,南京理工大学在读博士,研究方向:财务管理1
在我国证券市场上,新投(国外又称为Initial Public Offerings ,简称IPOs ,这里专指首次发行的普通A 股,下同)上市首日定价与发行价之间的价差长期居高不下,新股申购中签率很低(在2000年1月～2002年6月期间,新投上市首日收盘价与发行价相比平均上涨136134%,平均中签率仅为014321%),对于资金最有限的普通投资者来说,中签无异于“中奖”,没有“中奖”的投资者被迫到二级市场上寻求新股投资机会。能否准确地预测新股上市合理价位,对于投资者尽可能地获取投资收益并规避风险具有十分重要的意义,本文试图对这一问题作一探讨。
1 文献回顾
目前,有关中国新股上市定价预测模型的研究较少,已有的研究可分为两类:一类主要研究影响定价的因素但没有给出具体的定价模型。李博、吴世农(2000)以1996～1999年在沪深交易所上市的529家首次公开发行的A 股为研究对象,研究了新股发行的初始收益率(初始收益率与上市定价本质上是一致的)影响因素,研究结果表明新股初始收益率与发行量、上市首日换手率相关性很高,而与上市公司基本面关系不大。宋逢明、梁洪昀(2001)以1999年95只新股为研究对象,得出了与李博、吴世农基本相同的结论。这类研究由于没有给出具体的定价模型,投资者无法据此预测新股上市的合理价
位,因而对普通投资者的实用价值不大。另一类研究给出了具体的定价模型。国泰君安的顾颉(2000)以1997～2000年年初上市的398家新股为样本,得到了10日均价的回归方程,回归方程的拟合度尚好。邱冬阳等(1999)以1997年1月～1998年4月10日在深交所上市的85家新股为研究对象,通过回归方法建立了预测模型,模型的回归方程拟合度较好。然而,上述两种模型都没有进行异方差和共线性的检验,而异方差和共线性如果存在将破坏OL S 估计及假设检验过程,导致假设检验不再可靠,使模型的预测功能失效(Damodar N 1Gujarati ,见参考文献[5]),所以我们无法确定模型的可靠性。
基于以上分析,为得到可靠度较高的新股上市定价模型,我们根据经济计量学有关原理和方法,以2000年1月～2002年6月在上海证券交易所上市的新股为样本,先设计一个新股上市首日定价预测模型,然后根据对回归结果的分析对模型进行调整,以解决异方差、自相关和共线性问题。经过多次这样的调整后,最终我们得到了较为理想的预测模型。
2 新股上市首日定价预测模型的建立
211 影响新股上市首日定价因素的分析
根据有关经济理论和我国证券市场运行的实际经验,我们认为影响新股上市首日定价的因素可分为以下几个方面:市场环境、发行价、财务指标、股票供求关系、可操纵性、成长性预期及其他因素,其中成长性预期反映了投资者对新股的未来成长性的预期,是需要投资者根据公司的行业性质、公司管理水平和创新能力等综合作出判断。212 变量设计
第11卷 第1期2003年 2月 中国管理科学Chinese Journal of Management Science
Vol.11,No.1
Feb., 2003
根据211的分析,我们设计了一些变量,以定量反映各因素的影响,详见表1。
表1 新股定价模型研究中使用的变量类型名称单位符号说 明
被解释变量收盘价元y指新股上市日收盘价
解释变量上证指数无X1指新股上市日上证收盘指数,用以反映市场环境的影响解释变量发行价元X2反映新股发行定价情况
解释变量每股收益元X3解释变量净利增长率(%)无X4解释变量每股净资产元X5净利增长率是指新股上市前两年净利增长率,每股净资产是指发行后每股净资产,每股收益是指全面摊薄每股收益。这三个变量代表公司财务指标
解释变量换手率(%)无X6
解释变量中签率(%)无X7
这两个变量用以反映新股的供求关系
解释变量发行数无X8解释变量总股数无X9X8=LN(发行股数/1000);X9=LN(总股本/1000)。这两个变量反映新股上市后,主力对股票操纵的难易程度:X8、X9越大主办对新股的操纵的难度越大。
虚拟变量股市大势无D1如新股上市时股市是牛市取值为1,否则取值为0
虚拟变量成长性预期※无D2如市场预期公司未来成长性高则取值为1;否则取值为0
虚拟变量成长性预期无D3如市场预期公司未来成长性低则取值为1;否则取值为0
※当成长性预期为高时,D2=1且D3=0;当成长性预期为一般时,D2=D3=0;当成长性预期为低时,D2=0且D3=1。
213 样本选择
本文从2000年1月～2002年6月在上海证券交易所上市的195家新投中剔除无法获取相关数据的11家公司,共获得184个样本,其中2000年样本数82个,2001年样本数75个,2002年1月至6月样本数27个。全部样本数据由作者根据中国证监会网站(www1csrc1gov1cn)、上海证券交易所网站(www1sse1com1cn)、新股资讯网(www.eastock. com)、中国上市公司资讯网(www1cnlist1com)、南方证券苏州营业部网上股票交易分析系统有关数据统计而得。
214 回归模型设计
我们首先分别作出被解释变量对各解释变量的散点图,根据对散点图的观察,我们设计了如下的多元线性回归模型,以尽可能准确地反映被解释变量和各解释变量之间的线性关系:
y i=α+β1x i1+β2x i2+β3x i3+β4x i4+β5x i5+β6x i6 +β7x i7+β8x i8+β9x i9+γ1d i1+γ2d i2+γ3d i3+εi
式中:α是常数项;X ij是解释变量X j的第i个观测值,j=1,2…9;β1～β9、γ1～γ3为未知参数;ε为误差项
215 回归结果及分析
借助于SPSS1110统计软件包,为解决异方差、自相关和共线性问题(检验和修正异方差、自相关和共线性的方法见参考文献[5]),在显著性水平α= 0105下,我们采用逐步回归法(STEPWISE),对模型进行了多次调整,最终得到了较满意的回归结果(最终回归结果列示在表二中)。
表2 系数分析表(Coeff icients)
Unstandardized Coefficients Standardized Coefficients
B Std1Error Beta t Sig1
Collinearity
Statistics
Tolerance VIF
(Constant)25185331178811351000
X211075104114552611471000171811394 D3-613331338-1298-1817311000185811165 X8-413831233-1299-1817751000185511170 D22513311115813632118801000178611272 X191212E-03100112171314901000184011191 X6114510151157915431000179711255
21511 回归方程
表2列示了回归系数B,由此我们可以得到如下的最优回归方程:
y=251853+11075x2-61333D3-41383x8+ 251331D2+01009212x1+01145x6
回归方程表明:变量x3、x4、x5、x7、x9、d1“丢失”。“丢失”的主要原因是:这些变量或对y的影响不显著,或它们的存在不同程度地造成了模型的异方差、自相关和共线性问题。
21512 回归结果分析
?
7
?
第1期 孔玉生等:新股上市首日定价预测模型研究
①回归系数分析
表二列示了偏回归系数为0(和常数项为0)的假设检验的t 值及显著性水平值(Sig 1)、共线性统计量(Collinearity Statistics )。从表2可以看出:常数项和变量的显著性水平值都为01000,这表明常数项和各自变量都通过了显著性检验。各自变量的共线性诊断的指标容许度(Tolerance ),分别为:01718、01858、01855、01786、01840、01797,都比较接近于1;容许度的倒数膨胀因子(V IF )分别为:11394、11165、11170、11272、11191、11255,数值均较
小。由于容许度越接近于1,自变量之间存在共线
性的程度越小,因此,我们可以拒绝它们之间的共线
性假设,即可以认为不存在共线性问题。
②拟合优度检验
判断回归直线的拟合优度的好坏常用R 2系数作为指标,R 2系数体现了回归模型所能解释的因变量变异性的百分比。R 2的取值范围是:0～1,R 2越接近于1表明回归直线的回归效果越好。表3列示了R Square 即R 2系数值和Adjusted R Square 即修正的R 2系数值,分别为01962和01960,都非常接近于1,因此,模型对数据的拟合较好。
表3 模型综述表(Model Summ ary)
R
R Square
Adjusted R Square
Std 1Error of the Estimate
Durbin -Watson
198119621960
2103094
11976
③方差分析
表4列示了方差分析结果:Sum of Squares 为回
归平方和(Regression )、残差平方和(Residual )、总平方和(Total ),df 为自由度,Sig 1为大于F 值的概率。方差分析结果表明,回归方程的显著性概率值为01000,拒绝回归系数均为0的原假设,模型的回归
效果是高度显著的。
表4 方差分析表(AN OVA)
Sum of
Squares df Mean
Square
F Sig 1
Regression 18273172563045162173813851000Residual 730107317741125Total
190031798
183
④自相关检验:
SPSS 提供了Durbin -Watson 检验,用于检验
假设“回归模型中的误差项是独立的,即模型不存在自相关问题”是否成立:当DW 值在2的附近时说明残差之间是独立的;当DW <2时说明残差之间是正相关的;当DW >2时说明残差之间是负相关的。表3列示了DW 值,DW 值为11976,非常接近于2,由此我们认定:残差之间相互独立,即模型不存在自相关问题。
⑤正态性检验:
图1是标准化残差的直方图,据此图我们易得:残差服从正态分布。表5列示了预测值(Predicted Value )和残差(Residual )的最小值、最大值、均值和
标准差,其中,残差(Residual )的均值和标准差分别为:01000、1199737。根据上述分析,我们可以断定:回归模型的残差服从均值为0、方差为11997372的
正态分布。
表5 残差统计量表(R esidu als Statistics)
Minimum
Maximum Mean Std 1Deviation N Predicted Value
21693889103001918462
9199282184Residual
-512145
816227
1000
1199737
184
图1 标准化残差(Regression Standardized
Residual )的直方图(Histogram )
⑥异方差检验
从图2的收盘价的预测值与其学生化残差的散点图中可以看出绝大部分观察量随机地落在围绕垂直的±2的范围内,预测值与学生化残差值之间不存在明显的关系,因此模型不存在异方差问题。 ⑦模型的经济学检验
根据回归方程,我们得到如下的相互关系:①新
?8?中国管理科学 2003年
图2 收盘价的预测值与其学生化残差
(Regression Studentized Residual )的散点图
股上市首日收盘价与发行价、上证指数和换手率成
正相关关系,与发行量成负相关关系;②当市场预期公司未来成长性高时,新股上市定价将上调251331元;当市场预期公司未来成长性低时,新股上市定价将下调61333元,调价是相对市场预期公司未来成长性一般(即当D2=D3=0时)而言的。上述关系
符合经济学原理和经济学常识,因此,模型通过了经
济学检验。
综上所述,模型通过了各项检验,理论上是可靠的,值得信赖。该模型的数学表达式是:
y
=251853+11075x2-61333D3-41383x8+251331D2+01009212x1+01145x6
3 模型运用与评价
虽然我们已得到理论上较理想的新股上市定价预测模型,但我们尚不清楚模型在实际运用中预测效果,为此,我们试用此模型对2002年7月上市的几只股票进行了预测(数据来源和范围与上述184个研究样本相同),我们的预测结果如表6所示(置信水平为1-α=0195,预测值为新股上市首日收盘价期望值)。
表6显示:除大连圣亚低估了16139%外,其他股票预测值与实际值均较接近,因此,我们的预测模型在实际运用中预测效果较好,模型的精度较高。
表6 模型的实际运用效果
股票代码股票名称
X1X2
X3
X4
X5
X6
X7
X8
X9D2D3实际值预测值误差※预测偏差%
600590泰豪科技17301924176124164502140970179131067681299150002012820183-155-2173600503宏智科技172919981681431222741143521161310655812991310022157221331241105600593大连圣亚
1696194
717113910484313606514397105288107
9113
1
21100
17156314416139
※误差=实际值-预测值;预测偏差=(误差×100%)/实际值;实际值是指新股上市首日实际收盘价
参考文献:
[1]李博,吴世农1中国股市新股发行(IPOs )的安始收益率
研究[J ]1南开管理评论,2000,(5)1
[2]宋逢明,梁洪昀1发行市盈率放开后的A 股市场初始回
报研究[J ]1金融研究,2001,(2)1
[3]邱冬阳,黄娇敏,何力1深市新股上市价格预测模型
[J ].预测,1999,(1)1
[4]顾颉1新股发行定价研究1姚刚,2000年国泰君安研究
报告[C]1上海:上海财经大学,2000126-271
[5]Damodar N 1Gujarati 1经济计量学[M ]1北京:机械工业
出版社,20001
R esearch on the Forecast Model of IPOs ’First Day Pricing
K ONG Yu -sheng ,WANG Zhong -jie
(Business Administration School ,Jiangsu University ,Zhenjiang 212013,China )
Abstract :According to the theories and methods of Econometrics ,this paper selects 184IPOs as samples which are listed in Shanghai Stock Exchange from Jan 1,2000to J un 1,2002and develops a forecast model of IPOs ’first day pricing by adopting the method of Stepwise Regression with the help of SPSS11101Its goal lies in help 2ing investors make reasonable investment decisions 1K ey w ords :IPOs ;pricing ;forecast model ;regression
?
9?第1期 孔玉生等:新股上市首日定价预测模型研究
新股发行制度(精选多篇) 第一篇：中国的新股发行制度 中国的新股发行制度 我国新股发行制度包括审核制度、定价机制和发行方式三个方面，目前现行制度分别为保荐制度、询价制度以及网下询价配售和网上申购相结合的制度。我国现行ipo制度的基本特征是：建立了一个面向机构投资者的询价机制，同时也形成了一个向机构投资者倾斜的发行模式，并且是以资金量的大小为配售新股的最主要原则。 2014年8月23日，证监会发布了《关于深化新股发行体制改革的指导意见》征求意见稿,启动新股发行体制第二阶段改革。我国新股发行制度的不断改革对我国新股的顺利发行及股票市场的健康发展做出了十分积极的贡献,促进了我国证券市场的不断发展。但是,我国目前的新股发行制度仍然存在诸多问题。 一、我国新股发行制度存在的问题 （一）询价制度下机构投资者非理性定价，违背了市场化定价原则。 从我国ipo询价制度来看，发行人及其承销商征求部分机构投资者的定价信息后综合决定发行价格，前提认为他们掌握发行信息和发行经验，可以保证定价的合理性。但是一些机构投资者为了获取网下申购新股的机会，根据自身利益给出非理性定价，同时制度本身又缺
乏对询价效果的评价机制，无法判断其定价是否合理，不利于实现价格的充分发现。2ipo抑价程度较高，严重干扰着我国股票市场的健康发展。我国ipo制度中比较突出的问题就是ipo抑价，它是指新股在首次公开发行时定价较低，而在股票首日上市交易时价格较高，投资者认购新股能够获得超额报酬的一种现象。ipo定价不合理会导致发行市场不能对信息进行辨别，从而无法对企业进行选择，发行企业也不能通过发行价格来反映公司价值和体现企业发展战略，这在很大程度上削弱了发行市场应有的职能与作用。 （二）发行方式不完善，没有完全体现公平原则 过度向机构投资者倾斜，各融资主体参与机会不均。首先，机构投资者既可以参与网下配售，又可以进行网上申购，而中小投资者只能在网上申购新股。其次，网上实行按资金申购，机构投资者凭借其强大的资金优势占据股票发行总额的半壁江山，与此形成鲜明对比的是，中小投资者资金分散， 中签率很小，这明显对中小投资者非常不公平。最后，机构投资者由于可以申购到很多份额，就会得到新股发行中绝大部分无风险收益，而中小投资者却很少能从中获利，体现出机制设计中对机构投资者的偏袒，不利于对中小投资者利益的保护。 机构投资者可以利用内幕消息和其所占份额操纵价格。在现行ipo 机制下，由于机构投资者垄断新股发行的很大部分份额，进而有着在
股票发行定价的基本原理 （l）股票的价值 股票的价值就是它的资本价值，也就是股票的含金量，或者说，是股票的资本含量。但是，这只是股票的静态价值，由于股票是一种生息资本所有权的代表，因而它还有动态价值。这个动态价值就是股票的资本化价值和收益化价值。 所谓资本化价值，就是股票的资本所获得的利润再转化为资本价值；而收益化价值，就是股票能给投资者带来的收益流量。这两者可能只存在于一种，也可能两种形式并存。 然而，确定股票动态价值是一个操作难题。从理论上看，其动态化价值具有无穷大，因为股票的生命存续期在理论上是永恒的；但在实践中，却又是不可行的。因为任何企业，都有其衰亡的过程。 因此，确定股票价值的基本原则，是以某一段未来时期为限，也就是说，以股票的价值的完全再生为原则。 （2）供求关系的影响 供求关系如何影响股票呢？这实际上取决于金融市场各金融品种的收益与风险的比较。从整个市场来看，一方面，市场利率较高，需求较小，因而相应价格较低；另一方面，股票供给本身也影响价格，如在一定时期内股票供给过多，价格就会下降，供给量少，价格就会上升。 2.影响股票发行价格的主要因素 （1）本体因素 本体因素就是发行人内部经营管理对发行价格制定的影响因素。 一般而言，发行价格随发行人的实质经营状况而定。这些因素包括公司现在的盈利水平及未来的盈利前景、财务状况、生产技术水平、成本控制、员工素质、管理水平等，其中最为关键的是利润水平。在正常状况下，发行价格是盈利水平的线性函数，承销商在确定发行价格时，应以利润为核心，并从主营业务入手对利润进行分析和预测。主营业务的利润及其增长率，是反映企业的实际盈利状况及其对投资者提供报酬水平的基础，利润水平与投资意愿有着正相关的关系，而发行价格则与投资意愿有着负相关的关系。在其他条件既定时，利润水平越高，发行价格越高，而此时投资者也有较强的投资购买欲望。当然，未来的利润增
股票定价模型 －、零增长模型 零增长模型假定股利增长率等于零，即G=0，也就是说未来的股利按一个固定数量支付。 [例] 假定某公司在未来无限时期支付的每股股利为8元，其公司的必要收益率为10％，可知一股该公司股票的价值为8／0．10＝80元，而当时一股股票价格为65元，每股股票净现值为80—65＝15元，因此该股股票被低估15元，因此建议可以购买该种股票。 [应用] 零增长模型的应用似乎受到相当的限制，毕竟假定对某一种股票永远支付固定的股利是不合理的。但在特定的情况下，在决定普通股票的价值时，这种模型也是相当有用的，尤其是在决定优先股的内在价值时。因为大多数优先股支付的股利不会因每股收益的变化而发生改变，而且由于优先股没有固定的生命期，预期支付显然是能永远进行下去的。 二、不变增长模型 (1)一般形式。如果我们假设股利永远按不变的增长率增长，那么就会建立不变增长模型。 [例]假如去年某公司支付每股股利为1.80元，预计在未来日子里该公司股票的股利按每年5％的速率增长。因此，预期下一年股利为1.80×(1十0.05)＝1.89元。假定必要收益率是11％，该公司的股票等于1．80×[(1十0．05)／(0.11—0．05)]＝1．89／(0．11—0．05)＝31．50元。而当今每股股票价格是40元，因此，股票被高估8．50元，建议当前持有该股票的投资者出售该股票。 (2)与零增长模型的关系。零增长模型实际上是不变增长模型的一个特例。特别是，假定增长率合等于零，股利将永远按固定数量支付，这时，不变增长模型就是零增长模型。 从这两种模型来看，虽然不变增长的假设比零增长的假设有较小的应用限制，但在许多情况下仍然被认为是不现实的。但是，不变增长模型却是多元增长模型的基础，因此这种模型极为重要。 三、多元增长模型 多元增长模型是最普遍被用来确定普通股票内在价值的贴现现金流模型。这一模型假设股利的变动在一段时间7、内并没有特定的模式可以预测，在此段时间以后，股利按不变增长模型进行变动。因此，股利流可以分为两个部分。 第一部分包括在股利无规则变化时期的所有预期股利的现值。
股票预测模型【运用ARIMA模型预测股票价格】 [摘要]ARIMA模型是时间序列中十分常见和常用的一种模型，应用与经济的各个领域。本文基于ARIMA模型，采用了莱宝高科近67个交易日的数据，对历史数据进行分析，并且在此基础上做出一定的预测，试图为现实的投资提供一些参考信息。[关键字]ARIMA模型；股价预测；莱宝高科一、引言时间序列分析是从一段时间上的一组属性值数据中发现模式并预测未来值的过程。ARIMA模型是目前最常用的用于拟合非平稳序列的模型，对于满足有限参数线形模型的平稳时间序列的分析，ARIMA在理论上已趋成熟，它用有限参数线形模型描述时间序列的自相关结构，便于进行统计分析与数学处理。有限参数线形模型能描述的随机现象相当广泛，模型拟合的精度能达到实际工程的要求，而且由有限参数的线形模型结构可推导出适用的线形预报理论。利用ARIMA 模型描述的时间序列预报问题在金融，股票等领域具有重要的理论意义。本文将利用ARIMA模型结合莱宝高科的数据建立模型，并运用该模型对莱宝的股票日收盘价进行预测。二、ARIMA模型的建立 2.1ARIMA模型简介ARIMA是自回归移动平均结合模型的简写形式，用于平稳序列或通过差分而平稳的序列分析，简记为ARIMA(p,d,q)用公式表示为：△dZt=Xt=ψ1Xt-1+ψ2Xt-2+?+ψpXt-p+at-θ1at-1-θ2at-2-?-θqat-q 其中，p、d、q分别是自回归阶数、差分阶数和滑动平均阶数；Zt是时间序列；Xt是经过d阶差分后的时间序列值；at－q是时间为t－q的随机扰动项；ψp、θq分别是对应项前的系数。 2.2模型建立流程(1)平稳性检验以2010－3－4到2010－6－10的“莱宝高科”(002106)股票的收盘价作为模型的数据进行建立时间序列模型：做出折线图观察数据的特征：进行单位根检验，判别序列是否为平稳序列；若一阶差分后的数据为平稳序列，可以建立时间序列模型。说明原数据为一阶单整。(2)模型的选择和参数的估计根据数据的平稳性特征，初步确定建立ARIMA模型。观察一阶差分以后的序列的自相关函数和偏自相关
中国新股发行定价的四个阶段历程 2004年09月01日 随着征求意见稿的出台，中国的新股发行步入了全新旅程。回首来路，新股发行定价曾经历过以下四个阶段： 第一阶：固定价格 证券市场建立以前，我国公司股票大部分按照面值发行，定价没有制度可循。证券市场建立初期，即90年代初期，公司在股票发行的数量、发行价格和市盈率方面完全没有决定权，基本上由证监会确定，大部分采用固定价格方式定价。从1994年开始，我国进行发行价格改革，曾在一段时间内实行竞价发行，当时由于股票市场规模太小，股票供给与需求极不平衡，股票发行定价往往较高，只有四家公司试点，以后没有再使用。 第二阶段：相对固定市盈率定价 证券法实施以前（1996—1999年），新股发行定价使用的是相对固定市盈率的定价方法，新股的发行价格根据企业的每股税后利润和一个相对固定的市盈率水平来确定，在此期间，由于股票发行方式和发行价格均带有明显的行政色彩，发行市盈率与二级市场的平均市盈率脱节，造成股票发行价格和二级市场交易价格之间的巨大差异，新股上市当天有50～250％的涨幅，由此导致一系列问题。由于一级市场与二级市场的利差，使新股风险加大，新股一进入二级市场市盈率就较高，持股风险加大。 第三阶段：累积投标定价 1999年7月1日生效的《证券法》规定，股票发行价格由发行人和承销商协商后确定，表明我国在证券市场的价格机制上，向市场化迈进了一大步。此后的《关于进一步完善股票发行方式的通知》，对新股发行定价的市场化作了进一步的明确规定，要求发行人和承销商在协商定价时，机构投资者也要参与定价。当然这种定价也要通过证监会的审核。从《通知》中可以看出，新股发行定价可以超出发行价格区间，但是超出量的界限并没有明确。在市场运行中，创新出累计投标的新股发行定价方式。2001年证监会发布《新股发行上网竞价方式指导意见》，明确了累计投标定价方式。 第四阶段：控制市盈率定价 2001年下半年，股市大幅下挫，几乎所有按市场定价发行的新股都跌破了上市首日的收盘价，使投资者承担了高价发行的巨大风险。管理层也注意到市
中国证券市场股票价格预测模型综述 王 浩 (洛阳理工学院工程管理系,洛阳 471023)* 摘 要:中国金融市场的证券价格存在着可预测成分。现有的各种统计预测方法基本都可以归纳为时间关系模型和因果关系模型两大类,详细分析了各种模型的实现方法并总结了其特点。 关键词:预测;股票价格;统计模型;综述do:i 10.3969/j .issn .1000-5757.2009.07.058 中图分类号:F830191 文献标志码:A 文章编号:1000-5757(2009)07-0058-03 一、证券市场可预测性 有效市场理论指出,证券价格呈现随机游走特征,因此技术分析和掷骰子选出的股票,最终表现相差无几。大量分析却发现中国股票价格波动具有长期记忆性,拒绝了随机游走假设,即股市涨跌存在自身的规律,无论长期和短期都存在着可预测的成分,因而技术分析是有用的,通过采用 相应策略,投资者可以获得超常利润。[1] 中国证券市场呈 现弱有效性的原因可能在于,作为一个新兴市场,法制、监管等因素造成市场信息传递效率低下,投资者在博弈中存在严重的信息和资金实力不对称,而且这种不对称状态并不能在市场中迅速消除,因此F a m a 所描述的概率上的/瞬时性0还无法达到,而这种市场结构的特点,使得某些/技术分析0成为信息挖掘的成本。 由于股票指数序列呈现高度的非线性,经典计量经济模型和时间序列模型的有效性受到了挑战。现代预测理论和统计学、信息技术、优化算法紧密结合,向复杂化和智能化方向发展。至少目前在我国,各种预测技术方兴未艾,投资者按照自己的经验采用各不相同的指标作为决策依据,在市场上低买高卖,获得了成功,也经历过失败。 二、主要预测模型1.神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力,能够从大量历史数据中进行聚类和学习,自动提取样本隐含的特征和规则,进而找到某些行为变化规律,可以实现任何复杂的因果关系。BP (反向传播)和RBF (径向基函数)神经网络是最常见的股市预测模型。崔建福等发现BP 模型普遍显著优于 GARCH (广义自回归条件异方差)模型,从而认为对股票价格这样波动频繁的时间序列,从非线性系统角度建模略胜于 从非平稳时间序列角度建模。[2] 由于传统算法收敛速度慢且 全局寻优能力差,更多研究将精力放在对神经网络结构和参数的改进上。丁雪梅等发现改进后BP 算法的预测结果比 回归预测、指数平滑预测和灰色预测都要好。 [3]神经网络预测方法的应用有两个明显特点。一方面,统计模式识别和数字信号处理等领域的特征选择和提取方法,如小波包最优分解方法、混沌吸引子理论、K a l m an 滤波算法、主成分分析、灰色系统理论,广泛用于神经网络输入参数的甄别。另一方面,新的网络模型不断被应用于证券预测实践以提高映射效率,如模糊神经网络和小波神经网络。预测结果明显优于普通神经网络模型。 神经网络的缺陷在于,网络结构只能事先指定或应用启发式算法在训练过程中寻找,需要在充分了解待解决问题的基础上,主要依靠个人经验来确定,没有统一的规范,往往需要通过反复改进和试验,最终才能选出一个相对较好的设计方案,并且网络训练过程易陷入局部极小点。不过,神经网络最致命缺点在于,无法表达和分析预测系统的输入输出之间的关系,难以解释系统输出结果。 2.灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型,经由累加过程削弱原始数据的随机干扰,突出系统所蕴涵的内在规律,然后建立动态预测模型。马尔可夫过程是无后效性的随机过程,是一种应用极为广泛的传统方法。灰色系统GM (1,1)模型的解为指数型曲线,几何图形较为平滑,比较适用于具有增长趋势的问题,而对随机性波动较大的数据进行预测,会 58 第25卷 第7期V o.l 25 四川教育学院学报 J OURNAL OF S I CHUAN C O LLEG E OF EDU CAT I ON 2009年7月 Ju.l 2009 * 收稿日期:2009-02-23 作者简介:王浩(1973)),男,河南西峡人,副教授,硕士,研究方向:区域经济发展理论与数量分析。
2012年A股市场涨跌预测 摘要 本文主要解决了预估未来一年时间内A股市场的涨跌变化的问题。 首先通过收集2011年的上证A股指数每天开盘后的收盘价，对其进行分析处理，作出A股收盘价指数的走势图观察后，然后对数据作级比分析，得知一部分级比数据不在区间() 0.9474中，故先对数据进行变换，变换后的数据 , 1.0555 的级比都落在了上述区间中。然后通过分析建立灰色预测)1,1( GM模型，代入数据求解模型，并进行参数检验，先进行残差检验，得出预测模型的精度为：96.69%；然后进行相关度检验，检验合格；但是在进行后验差检验中的小概率检验时不合格，故又对模型进行残差修正后，用修正模型预测出2012年的上证A股指数的收盘价，但是由于灰色预测模型在预测长期数据时误差有可能增大，故用2011年的实际数据与用灰色预测模型预测2011年收盘价值之间的误差值修正了2012年A股指数的预测值。为使预测值更准确，又采用了马尔科可夫链模型预测出每天的涨幅情况来进一步修正预测值，得到了更精确的预测结果。预测上证A 股指数在2012年233天的收盘价分别为：2236.5 2221.5…1574.7 1601.9。其收盘价走势图为： 关键词：A股灰色预测马尔可夫链模型预测
问题重述 未来一年时间A股市场涨跌的评估预计 A股即人民币普通股票，是中国大陆机构和个人投资的主要股票。A股市场的涨跌受经济形势，国家政策，外部环境以及投资者心态等多个因素影响。2011年A股市场的上证指数和深成指数都出现暴跌，使投资者蒙受了很大的损失。 请查阅网上的资料和数据。建立数学模型，定量分析并预估未来一年时间内A股市场的涨跌变化。 符号说明 α----------为发展灰度数 μ---------为内生控制灰度 )(t X------表示在时间244 ... 2,1 ,= t t时的股票收盘价 r----------表示关联度 S1-------- 表示序列)(t X的标准差 S2--------表示绝对误差序列的标准差 C----------表示方差比 A i---------表示对数据划分区间,244) 1,2, (i? = p ij --------表示第i状态转移到第j状态的概率18 .... 2,1 ,= j i I0------------表示时刻0处于状态18 ... 2,1 = j的概率 i k j1+-----------表示经过k步转移后处于状态18 ... 2,1 = j的概率 模型假设 （1）运用的数据的来源是有效的，在统计过程中无错误 （2）假设无人为操纵股市的走向,为随机数据 （3）假设2009年到2011年无统计数据的日期为股市休息日 模型分析 一、问题的分析 因为A股指数包括上证A股指数与深成A股指数，选择其中一个进行分析即可，所以就不妨选择上证A股指数2011年1月4日到2011年12月30日的每天
新股定价机制研究 摘要：新股发行制度改革后带来的“三高”现象，即高发行价、高市盈率、高超募资金及新股破发，不仅损害了二级市场投资者利益，更违背了市场价值规律，破坏了股票的内在价格秩序。本文通过对新股定价的影响因素进行分析，得出了现阶段我国新股频频破发主要是新股定价机制不合理造成的，并针对此提出了相应的改革建议。 关键词：新股破发新股定价方法影响因素。 1 选题背景。 新股发行历年都是证券市场上最受关注的话题之一。1963 年，美国证券交易委员会首次提出新股发行抑价问题。随后，大量学者对IPO 抑价问题进行了研究。相关研究表明，在全世界几乎所有的证券市场上都存在不同程度的IPO 抑价现象。在中国资本市场的发展过程中，新股发行定价的高抑价现象始终异常突出，新股首日涨幅最高曾达到800％，且鲜有首日跌破发行价的情况，成为证券市场一大奇观。2010 年以来，新股破发屡屡发生。特别创业板的“三高”———高发行价、高市盈率、高超募资金和新股破发大规模来袭，打破了“新股不败”的神话———投资者在一级市场打新就能获得超额收益。新股定价过高或过低都会产生不好的影响：IPO 定价过高，减少了股票在二级市场的获利空间，特别是在新股频频破发情况下，投资者出于对高发行价格下高破发风险的认识会持谨慎投资态度。从而可能会造成认购量不足，在严重的情况下，甚至有可能造成认购量严重不足，致使发行失败。此外，如果IPO 价格太高造成一上市就破发的情况，这将影响投资者的信心，如果投资者选择退出的话，又会引发股价进一步下跌，不利于公司树立良好的资本市场形象，从而对公司未来的再融资活动和持续发展形成不利影响。反之，如果IPO 定价水平偏低，很显然会损失发行人的利益，公司的价值没有被市场充分认可，发行人融资规模将受到影响。新股发行的高抑价或首日破发究竟源于何因？归根到底，是我国股票市场定价机制的不合理造成的。因此，研究新股定价机制对于我国证券市场的发展和我国国民经济的健康运行有着尤为重要的意义。 2 新股定价的测度。 2.1 新股的定价方法。 在全球市场中新股定价的主要方式包括固定价格机制、拍卖机制、累计订单投标机制及以上各种组合形成的混合方式。 2.1.1 在固定价格发行方法中，投资者事先知道证券发行的固定价格。投资者在招股说明书指定的时间内，填写申购表并签名，然后把它们提交给承销商。投资者提交了申购表后，必须把与股票需求数量相对应的资金存入承销商账户。在申购托收期结束之后，股票就会在投资者之间按比例地进行分配。
基于BP网络的股票数据 预测模型 姓名：江政 班级：控制2015级 学号：2015028081100015 2016 年6月 26日
需求分析和网络结构设计 根据我们对自然神经系统的构造和机理的认识，神经系统是由大量的神经细胞（神经元）构成的复杂的网络，人们对这一网络建立一定的数学模型和算法，设法使它能够实现诸如基于数据的模式识别，函数映射等带有“智能”的功能，这种网络就是神经网络。其中，BP （Back Propagation ）神经网络是1986年由Rumelhart 和McCelland 为首的科学家小组提出，是一种按误差反向传播算法训练的多层前馈网络。BP 网络能学习和存贮大量的输入—输出模式映射关系，而 其他神经网络具有重要作用。 针对150组股票数据进行拟合（详细数据请见《附件1》），选取其中的开盘、最高、最低、收盘和成交次数五组数据，用当日的这五组数据来预测次日的收盘数据，从而等效建立一个股票数据预测模型。采用包括输入层、隐含层和输出层的三层BP 网络结构，如图1所示，输入层包含五个神经元，隐含层包含三个神经元，输出层为一个神经元。其中，隐含层神经元的激活函数采用非对称型Sigmoid 函数，函数表达式为：))exp(1/(1)(x x f -+=，输出层神经元的激活函数采用线性函数，表达式为：x x f =)(。将150组数据分为三等份，其中两份作为训练样本，用来对网络进行训练学习；另外一份作为测试样本，用来检验所训练出的网络的泛化能力。采用BP 算法对隐含层和输出层权值进行修正，以达到计算输出和实际样本输出相差最小，最终实现较精确预测的目的。 图1 预测模型的网络结构
中国的新股发行制度 我国新股发行制度包括审核制度、定价机制和发行方式三个方面，目前现行制度分别为保荐制度、询价制度以及网下询价配售和网上申购相结合的制度。我国现行IPO制度的基本特征是：建立了一个面向机构投资者的询价机制，同时也形成了一个向机构投资者倾斜的发行模式，并且是以资金量的大小为配售新股的最主要原则。 2010年8月23日，证监会发布了《关于深化新股发行体制改革的指导意见》征求意见稿,启动新股发行体制第二阶段改革。我国新股发行制度的不断改革对我国新股的顺利发行及股票市场的健康发展做出了十分积极的贡献,促进了我国证券市场的不断发展。但是,我国目前的新股发行制度仍然存在诸多问题。 一、我国新股发行制度存在的问题 （一）询价制度下机构投资者非理性定价，违背了市场化定价原则。 从我国IPO询价制度来看，发行人及其承销商征求部分机构投资者的定价信息后综合决定发行价格，前提认为他们掌握发行信息和发行经验，可以保证定价的合理性。但是一些机构投资者为了获取网下申购新股的机会，根据自身利益给出非理性定价，同时制度本身又缺乏对询价效果的评价机制，无法判断其定价是否合理，不利于实现价格的充分发现。2IPO抑价程度较高，严重干扰着我国股票市场的健康发展。我国IPO制度中比较突出的问题就是IPO抑价，它是指新股在首次公开发行时定价较低，而在股票首日上市交易时价格较高，投资者认购新股能够获得超额报酬的一种现象。IPO定价不合理会导致发行市场不能对信息进行辨别，从而无法对企业进行选择，发行企业也不能通过发行价格来反映公司价值和体现企业发展战略，这在很大程度上削弱了发行市场应有的职能与作用。 （二）发行方式不完善，没有完全体现公平原则 过度向机构投资者倾斜，各融资主体参与机会不均。首先，机构投资者既可以参与网下配售，又可以进行网上申购，而中小投资者只能在网上申购新股。其次，网上实行按资金申购，机构投资者凭借其强大的资金优势占据股票发行总额的半壁江山，与此形成鲜明对比的是，中小投资者资金分散，
20世纪90年代中期许多大公司相继引入指标，一些国际著名的投资银行和大型投资基金也开始将指标作为评价上市公司和建立投资组合的工具1确定公司具备创造能力的年限2测算预测期内各期的3计算公司总价值2、新股发行定价估值方法整体评价新股发行定价的参考依据通过新股发行定价估值方法确定的公司价值结果不能代替公司发行新股的市场定价，因为发行新股定价的最终目标是要反映投资者对公司股票价值的判断。由于股票市场本身就是具有情绪化特征，一段时间内可能对某类公司比较青睐，给予较高的定价，一段时间可能又青睐另类公司，投资热情十分不确定。因此公司发行新股的估值结果只能作为新股定价的参考，最终新股发行定价还必须结合市场的需求情况予以确定。二、新股发行定价策略市场的需求状况决定1、不同新股发行定价方式比较1各主要证券市场不同新股发行定价方式使用情况如果说新股发行定价估值结果仅供新股发行定价的参考依据，那么主承销根据新股发行的具体情况选择合适的新股发行定价方式将显得比较重要。不同发行定价方式的区别体现在两个方面一是在定价前是否已经获得并充分利用投资者对新股的需求信息；二是在出现超额认购时，承销商是否拥有配发股份的灵活性。根据这两个标准，各证券市场新股发行定价方式基本上可以分为四中类型。这些方式目前世界各国证券市场商经常使用，在实践中，各国证券监管机构根据本国证券市场的实际情况，通常规定可以采用其中一种或几种方式，在所选取的样本公司中90年代以前固定价格允许配售方式所占比重最
大，达到43，累计投标方式次之，占37，竞价方式占11，固定价格但承销商无股份分配权的占9。但是进入90年代后，伴随着证券市场国际化趋势，跨国招股已经成为大型公司发行新股时的主要方式。同时迅猛发展的新兴资本市场，为了与国际市场通用规则接轨，许多原来采用固定价格方式的国家地区逐渐引入累计投标方式，如香港1995年后实行的混合招股机制。因此累计投标方式已经成为目前新股发行定价中使用最多的方式。表二市场化发行定价方式的基本分类项目定价前是否已获取投资者对新股的需求信息是否承销商是否拥有配发股份的灵活性是累计投标方式固定价格允许配售否竞价方式固定价格公开认购表三20世纪60年代末--90年代初主要国家地区新股发行定价方式使用情况项目选样期间样本数量固定价格允许配售累计投标固定价格公开发售竞价美国75—8424662971香港80—9080100中国台湾68—90168100新加坡73—8766100澳大利亚76—89266100比利时84—902829 764智利82—9019100芬兰84—8991793德国78—92172100意大利85—9175955日本79—88449100 89—91403100荷兰82—91267327葡萄牙86—881013466西班牙85—9039502525瑞典70—912349622 >瑞士83—8942955泰国88—8932100英国80—8823743 资料来源根据,,,,,,7,1994和,搇,,2,1998汇总得到的。2各主要证券市场新股发行定价方式的主要特点分析、美国、英国新股发行定价模式累计投标方式为主累计投标方式之所以在美、英使用较为频繁，这与美、英的投资者结构中
教育部直属国家“211工程”重点建设高校 股票价格模型 ——应用时间序列分析期末论文 2013年11月一、实验目的： 掌握用Box-Jeakins方法及Paudit-Wu方法建模及预测 二、实验内容： 应用数据1前28个数据建模，后8个数据供预测检验。 数据1 ： 某种股票价格的数据（单位：元）
表1 三、数据检验 1、检验并消除数据长期趋势 法一：图形检验 （1）根据表中数据我们先画出序列图并对序列图进行平稳性分析。 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25,17.13,20.5,19,21.5;] plot(x) xlabel('时间t'); ylabel('观测值x'); title('某种股票价格序列图'); （3）得到图（1） 图（1） （4）观察图形，发现数据存在长期向上的趋势。表示序列是不平稳的。 （5）我们再进一步对数据进行一阶差分，利用Matlab画图。
（6）Matlab程序代码 y=diff(x,1) plot(y) xlabel('时间t'); ylabel('一阶差分之后的观测值y'); title('某种股票价格差分之后序列图'); （7）得到图（2） 图（2） （8）根据图（2）初步判定一阶差分后的序列稳定 法二：用自相关函数检验 （1）用matlab做出原数据自相关函数的图 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25, 17.13,20.5,19,21.5;]; acf1=autocorr(x,[],2); %计算自相关函数并作图 autocorr(x,[],2) acf1 （3）得到图（3）
股票发行价格是如何确定的？ 股票发行价格的确定是股票发行计划中最基卒和最重要的内容、它关系到发行人与投资者的根本利益及股票上市后的表现。若发行价过低，将难以满足发行人的筹资需求，甚至会损害原有股东的利益；而发行价太高，又将增大投资者的风险，增大承销机构的发行风险和发行难度，抑制投资者的认购热情。并会影响股票上市后的市场表现。因此发行公司及承销商必须对公司的利润及其增长率、行业因素、二级市场的股价水平等因素进行综合考虑，然后确定合理的发行价格。 从各国股票发行市场的经验看，股票发行定价最常用的方式有累积订单方式、固定价格方式以及累积订单和固定价格相结合的方式。累积订单方式是美国证券市场经常采用的方式。其一般做法是，承销团先与发行人商定一个定价区间，再通过市场促销征集在备个价位上的需求量。在分析需求数量后。由上承销商与发行人确定最终发行价格。固定价格方式是英国、日本、香港等证券市场通常采用的方式。基本做法是承销商与发行人在公开发行前商定一个固定的价格、然后根据此价格进行公开发售。累积订单和固定价格相结合的方式主要适用于国际筹资，一般是在进行国际推荐的同时，在主要发行地进行公开募集，投资者的认购价格为推荐价格区间的上限，待国际推荐结束、最终价格确定之后，再将多余的认购款退还给投资者。 目前，我国的股票发行定价属于固定价格方式，即在发行前由主承销商和发行人根据市盈率法来确定新股发行价。新股发行价：每股税后利润X发行市盈率因此目前我国新股的发行价主要取决于每股税后利润和发行市盈率这两个因素： （1）每股税后利润，每股税后利润是衡量公司业绩和股票投资价值的重要指标： 每股税后利润= 发行当年预测利润/发行当年加价平均股本数 = 发行当年预测利润/（发行前总股本数+ 本次公开发行股本数X（12 - 发行月份）/12） （2）发行市盈率。市盈率是股票市场价格与每股税后利润的比率，它也是确定发行价格的重要因素。发行公司在确定市盈率时，应考虑所属行业的发展前景、同行业公司在股市上的表现以及近期二级市场的规模供求关系和总体走势等因素，以利于一、二级市场之间的有效衔接和平衡发展。目前，我国股票的发行市盈率一般在13至15倍之间。 总的来说，经营业绩好、行业前景佳、发展潜力大的公司，其每股税后利润多，发行市盈率高，发行价格也高、从而能募集到更多的资金；反之，则发行价格低，募集资金少 股票发行，一般就是公开向社会募集股本，发行股份，这种价格的高低受市场机制的影响极大，取决于公司的投资价值和供求关系的变化。如果股份有限公司发行的股票，价格超过了票面金额，被称为溢价发行，至于高出票面金额多少，则由发行人与承销的证券公司协商确定，报国务院证券监督管理机构核准，这种决定股票发行价格的体制，就是发挥市场作用，由市场决定价格，但是受证券监管机构的监督。 在股票发行价格中，溢价发行或者等价发行都是允许的，但是不允许以低于股票票面的价格发行，又称折价发行，因为这种发行价格会使公司实有资本少于公司应有的资本，致使公司资本中存在着虚数，不符合公司资本充实原则；另一方面，公司以低于票面金额的价格发行股票，实际上就意味着公司对债权人有负债行为，不利于保护债权人的利益。 溢价发行股票，就是以同样的股份可以筹集到比按票面金额计算的更多的资金，从而增加了公司的资本，因此，以超过票面金额发行股票所得溢价款列入公司资本公积金，表现为公司股东的权益，即所有权归属于投资者。 影响股票发行价格的主要因素编辑本段回目录 本体因素 本体因素就是发行人内部经营管理对发行价格制定的影响因素。 一般而言，发行价格随发行人的实质经营状况而定。这些因素包括公司现在的盈利水平及未来的盈利前景、财务状况、生产技术水平、成本控制、员工素质、管理水平等，其中最为关键的是利润水平。在正常状况下，发行价格是盈利水平的线性函数，承销商在确定发行价格时，应以利润为核心，并从主营业务入手对利润进行分析和预测。主营业务的利润及其增长率，是反映企业的实际盈利状况及其对投资者提供报酬水平的基础，利润水平与投资意愿有着正相关的关系，而发行价格则与投资意愿有着负相关的关系。在其他条件既定时，利润水平越高，发行价格越高，而此时投资者也有较强的投资购买欲望。当然，未来的利润增长预期也具有至关重要的影响，因为买股票就是买未来。因此，为了制定合理的价格，必须对未来的盈利能力做出合理预期。在制定发行价格时，应从以下几个方
股市预测模型 基于混合ARMA模型和支持向量机 摘要：股市预测在以往的文献中已经吸引了大量的研究兴趣。传统上，ARMA模型已经成为时间序列中应用最为广泛的线性模型之一。但是，ARMA模型不能够轻易的捕捉非线性模式。并且最近的研究表明，人工神经网络（ANN）方法比传统的统计的人实现了更好的性能。人工神经网络方法在泛化（generalization）方面经历了一定的困难，但是其生产模式可以过度拟合数据。支持向量机（SVM）一种新型的神经网络技术，在解决非线性回归估计问题上已经得到成功的应用。因此，此次调查提出了在股市预测问题的支持向量机模型上，利用ARMA模型的独特优势试图向用户提供更好的解释力模型的混合方法。股市的真实数据集被使用来研究该模型的预测精度。计算的测试结果是很有前景的。 关键字：BP神经网络，金融时间序列，预测，支持向量机1.引言 股市预测因其高波动和不规则性被认为是具有挑战性的任务。因此，许多模型已经被描绘为投资者提供更精确的预
测。尤其是，人工神经网络（ANN）方法在以前的文献中最为频繁被使用，因为其已知的预测的效率优于其他模型。然而，由于解释神经网络的难度，大多数应用神经网络的研究集中在预测精度。在文献中已被报道，利用人工神经网络模型，以很少的努力提供对破产预测过程更好的理解。此外，由于神经网络的过度拟合在泛化方面具有困难，并且完全取决研究人员的经验或是知识，用于选择大量的包括相关的输入变量，隐含层的大小，学习率以及动量控制参数的预处理。 最近，在1995年首次由Vapnik提出的支持向量机（ＳＶＭ）方法近来被使用在一系列应用中，包括金融股市预测。支持向量机（ＳＶＭ）的基础已经被Ｖａｐｎｉｋ开发，由于许多吸引人的特点以及在广泛的问题上优异的泛化性能使其越来越受欢迎。该制定（formulation）体现了结构风险最小化（SRM）原则被常规神经网络采用，且已被证明优于传统的经验风险最小化原则。SRM泛化误差上限的最小化，用术语来说，就是在训练数据中误差最小化。 此外，SVM的解决方案可能是全局最优解，而其他神经网络模型往往会陷入局部最优解。一般来说，支持向量机技术被广泛认为是艺术分类的状态（the state of art classifier），并且以往的研究表明，SVM预测方法优于神经网络的方法。 最初为解决分类问题开发的SVM技术可以成功地在回归中应用。与模式识别问题只需输出是离散值不同，支持向
通过查阅文献得到，创业板新股发行定价的基本方法有如下八种： 1、市盈率法。 这种方法按照"新股发行价格＝每股收益* 预计市盈率"确定发行价格。因为较好量化，通常被作为新股发行定价的首选方法之一。 市盈率的大小，决定于企业的收益增长率、红利支付率和风险程度等因素，可以用同行业可比上市公司市盈率的平均值或中间值，也可以通过建立市盈率回归模型计算得出。 市盈率法认为股票价格与每股收益正相关，且每股收益与市盈率成为股价的两个确定因素。该法优点在于简单易行，缺点在于不容易找到在业务组合、发展阶段、风险程度和增长潜力方面与拟上市企业相似的同行业可比公司。一般而言，市盈率法适用于比较成熟的行业和企业，对创业板市场来说，市盈率法只适用于那些规模较大、发展稳定、有盈利记录的企业。 2、净资产倍率法。 采用"新股发行价格＝每股净资产值 *溢价倍率"公式定价。该法认为股价由每股净资产与溢价倍率两个因素决定。溢价倍率可以用同行业可比上市公司股票的均值或中间值，或应用回归模型得出。 该法较为简单易行。缺点在于其估价原理与现实有一定出入，实际上，股票价格与每股净资产的正相关关系要远远小于与每股收益的正相关关系。 3、贴现现金流模型法（现金流量法）。
这种模型是现代财务理论和资本市场理论相结合的产物，一般通过"新股发行价格＝∑未来现金流折现"来确定新股发行的价格，企业的价值等于未来若干年内各年预计自由现金流和终期值的现值。估值结果的质量取决于三个因素，第一是财务预测的可靠性，第二是贴现率选取的合理性，第三是终期值在估值结果中的比重。 贴现现金流模型建立在对企业未来发展进行综合分析的基础上，企业当前的亏损与否、股利的派发数量、账面净资产规模等因素，对其估值结果均不产生重大影响，具有最广泛的适用性，对于一些刚刚起步、尚没有形成稳定收入来源的创业企业，也比较适用。尤其是，创业企业一般规模较小，处于初级阶段，在证券市场上可比的上市公司并不多，可比公司法的运用容易受到限制，而选用现金流量折现法估值，能够突破该限制。这种方法从投资角度反映了企业的真正价值，具有较强的科学性和前瞻性。 一般来说，该法最适用于产品、业务明确、处于成长阶段、现金流量比较容易预计的企业。 该法的缺点在于，估值需要利用大量的数据，计算过程复杂，估值结果依赖于未来现金流和折现率的选取。由于指标选取具有较大不确定性与主观性，将对估价结果产生重大影响。 4、EBIT(EBITDA)倍数法。
基于马尔科夫和布朗运动的股票价格预测模型 【摘要】股民希望从研究股票市场价格的变化中得到一些规律，减少自身的损失，但是股票系统本身是一个非常复杂的非线性运动系统，受到多种因素的影响，短期的某种程度的预测能够帮助股民投资，当前经济预测方法有很多，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型，通过实例对比，分析两种模式的联系与区别，希望嫩味股票短期预测模型提供参考。 【关键词】股票价格预测；马尔科夫；布朗运动 马尔科夫理论应用到股票奇偶阿姨市场中，能够预测股价综合指数的涨幅程度，虽然基于马尔科夫的股票价格预测模型具有一定的应用价值，但是也存在很大的局限性。依照道氏理论，股票的运动就有历史再现性，任何一种趋势都会持续一段时间，找到运动特征和时间周期，能够帮助投资者得到更加科学的投资策略，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型。 1.马尔科夫数学模型的建立 股票综合指数的计算均是采用流通量加权平均法，在正常的交易环境下，股价综合指数随着股票价的变化而发生变化，属于比较典型的随机过程。在运用马尔科夫预测股票模型中需要先建立模型，构造股票价格的分布状态，进而检验。设定xn代表股价综合指数出现的概率，并假设股价指数与过去的运行态势无关，具有无后效性的特点，规定出xn在[-10，-2]表示大幅度下降，xn在[-2，-0.5]比那话代表股票价格正常下跌，xn在[-0.5，0.5]表示股票价格出现小幅震荡整理，xn在[0.5，2]表示上涨，xn在[2，10]表示股票价格大幅度上涨。 时间参数以一个交易日作为交易单位，状态空间E={1，2，3，4，5}，n=0表示初始值，n时刻转移概率矩阵Pij≥0，矩阵P描述该状态下转移到状态j的概率分布状态，设定Pij（K）表示由状态i转移到状态j的转移概率随着转移步骤的增加，根据变化趋势就能判断系统的稳定性，构造k步转移概率矩阵Pk=Pk1，假设t时间段股价的绝对概率向量采用P（t）=（P1（t），P2（t），…Pn（t））T，其中Pi（t）代表t时间段第i区的绝对概率，给定初始概率向量的情况下，t各时间段的股价预测模型为P（t+k）=P（0）P1=P（0）Pt1。 2.布朗运动的预测模型 在描述股票运动的过程中，认为符合布朗运动，采用dSi/St=μdt+δdwt表示，式中St代表t时刻的股票价格，μ代表期望漂移率，δ代表波动率，在间隔Δt 时间段内dlnSt=（μ-δ2/2）dt+δdwt，dwt代表股票的瞬间收益率，布朗运动服从正态分布，股价运动的形式可以采用dSt=μStdt+δStdt表示，依照Tto定理，股价St在任意时间段内服从对数正态分布。 根据股票价格St在任意时间段服从对数正态分布，得到随机微分方程的离
案例二询价制下新股发行定价——以中国银行为例 2005年始，我国新股发行采用询价制度定价，以当年发行的中国银行为例，说明在询价制度下，新股是如何定价的。 一、基本情况 2006年6月中国银行股份有限公司经中国证监会核准，在A股市场首次公开发行不超过100亿股A股股票，募集资金不超过200亿元。本次公开发行后，中国银行总股本不超2573.45656亿股，A股占总股本不超过3.886%。 发行方式采用向A股战略投资者定向配售、网下向询价对象询价配售与网上资金申购定价发行相结合的方式，其中，向战略投资者配售20%，战略投资者持股锁定期为18个月；网下配售32%，股票锁定期50%为3个月，50%为6个月；其余48%为 资金申购网上定价发行。 二、初步询价阶段 2006年6月12日至16日，发行保荐人（主承销商）对证券投资基金管理公司、证券公司、财务公司、信托投资公司、保险公司和合格境外机构投资者（QFII）共计96家询价对象进行了初步询价。询价对象给出的价格区间上限价格统计如下表：表2 询价对象给出的价格区间上限价格统计单位：家 基金公司 财务 公司 证券 公司 信托 公司 保险 公司 QFII 合计 3 .05 元 以 3 2 3 1 1 1 11
14 4 2 5 4 2 31 3 .05 ～ 3.10 元 8 5 3 2 0 1 19 3 .11 ～ 3.15 元 9 3 1 0 2 0 15 3 .16 ～ 3.20 元 5 2 1 2 0 1 11 3 .21 ～ 3.30 元 1 3 0 0 0 3 7 3 .31
及 以 上 合 计 40 19 10 10 7 8 94 发行人和保荐人（主承销商）根据初步询价情况并综合考虑发行人基本面、所处行业、可比公司估值水平及市场情况，同时参考发行人H股发行价格及H 股上市后的交易情况，确定本次网下向配售对象累计投标询价的询价区间为3.05～3.15元/股。 三、最终询价 中国银行首次公开发行A股网下申购工作于2006年6月20日结束。在规定时间内，保荐人（主承销商）根据收到的有效申购表对累计投标询价情况统计如下： 表3 有效申购表对累计投标询价情况统计 价格(元/股该价格申购数量 (万股该价格及以上累计申 购数量(万股 该价格及以上累计申购数 对应申购倍数(倍 3.05 2200 3,720,090 17.903 3.08 1500 3,717,890 17.892