基于熵值法和神经网络模型的股价评估分析

打开文本图片集

摘 要 股票价格的变化主要依赖于两个方面，一个是股票内在价值，另一个就是系统风险对股票价值的影响.通过使用神经网络的方法来分析股票的系统风险，用熵值法来分析股票的内在价值，从而全面的分析股票的投资价值，结果表明这种评估方法是可靠并且具有较大的获利空间.

关键词 金融学；股票价值；神经网络；评估

中图分类号 F832 文献标识码 A

Abstract The change of stock price mainly depends on two aspects， for one thing， which is the intrinsic value of the stock and for another is the influence of system risk on the stock value. The paper adopted neural network to analyze the systematic risk of stock， and analyze the intrinsic value of stock by entropy method， so as to comprehensively analyze the investment value of stock. The result shows that this evaluation method is reliable and has large profitability.

Key words finance ；the value of stock； ；neural network；evaluation

1 引 言

隨着股票市场的发展，对股票的价值评估方法多种多样.由于股价的波动呈现明显的非线性特征，国内外学者对股价的评估的研究成果很多[1，2].张慧（2012）基于因子分析和聚类分析对旅游上市公司业绩进行评价，能够根据收益性，安全性，成长性和流动性对股票进行分类[3].李坤和范国良（2016）根据安徽省上市公司财务数据，用主成分分析和多元统计的方法对股票价值进行评估[4].曲双红（2012）通过对一系列股票进行熵值法处理后，统计出各个股票的得分并且将前几种股票作为投资组合进行投资，获得较高的收益率[5].陈小玲（2017）在分析百度和阿里巴巴两个股票时运用ARIMA和神经网络进行短期预测，结果比较准确，相对误差比较小，但是在预测不同股票时不同的模型有所不同，没有解释其背后的原因[6].魏文轩（2013）利用RBF神经网络不容易陷入局部收敛的特点对对降维后的股价数据进行预测，有效的提高了预测精度[7].张秋明（2012）结合GM（1，1）与BP神经网络预测ST东北高股价，其网络的作用在于对灰色预测的误差进行修正[8].

一个股票的价值取决于两个方面，一个是股票的内在价值，判断出股票的内在价值在行业中具有领先地位，那么相对于如今的大盘情况下这个股价有没有被高估或者低估呢？首先从股票的内在价值方面是通过使用熵值法分析，因为熵值法的特点是不容易受到主观臆断的影响.其次是从股票的系统风险来看，主要是应用人工神经网络模型来预测股票价格的系统波动，具体方法是可以通过输入上证指数或深证指数，以及前一期时间段的股票价格来预测后一期的股票价格.

2 数据的选择和预处理

首先在纷繁的股票市场中筛选价值较高的行业（以白酒行业为例），白酒作为食品饮料行业的重要组成部分，属于制造业，有自己实实在在的产出，与一些服务业或者是互联网股票不同，白酒行业的业绩在股票价格表现中起着十分重要的作用.但是能表现股票内在价值的指标非常多，并没有说哪一个数据就最能说明股票的内在价值.数据来源于2016年白酒行业的年报，以下列六种指标为研究对象：

2.1 内在价值指标

一是净资产收益率，是公司税后利润除以净资产得到的百分比率，该指标反映股东权益的收益水平，用以衡量公司运用自有资本的效率.指标值越高，说明投资带来的收益越高.该指标体现了自有资本获得净收益的能力.

二是总资产报酬率，它以投资报酬为基础来分析企业获利能力，是企业投资报酬与投资总额之间的比率.企业的投资报酬是指支付利息和缴纳所得税之前的利润之和，投资总额为当期平均资产总额，并不是说实业公司就不重视投资收益，在上市公司当中，由于资本存量十分大，能够运用好这笔资本来投资所获得的利润是不可忽视的.

三是总资产净利率，它是公司净利润与平均资产总额的百分比.该指标反映的是公司运用全部资产所获得利润的水平，即公司每占用1元的资产平均能获得多少元的利润.该指标越高，表明公司投入产出水平越高，资产运营越有效，成本费用的控制水平越高.体现出企业管理水平的高低.

四是销售毛利率，是毛利占销售净值的百分比，通常称为毛利率.其中毛利是销售总收入与产品成本的差.销售毛利率计算公式：销售毛利率=（销售净收入-产品成本）/销售净收入×100%.销售毛利率在实体行业中起到十分重要的作用，销售毛利率高，说明其产品的盈利能力强，并且将成本控制得比其他行业都要低，产品在行业中的竞争能力强.

五是净利润比营业总收入，因为由于每个公司的规模不同，光看净利润并不能表现出那个公司的盈利情况更强，大公司可能在净利润的数额方面上来看会比小公司高上很多，但是如果相对于其总收入来说，小公司的比值由于其管理更好，这个指标也会相对较高.

六是市盈率，它是最常用来评估股价水平是否合理的指标之一，由股价除以年度每股盈余（EPS）得出.当一家公司增长迅速以及未来的业绩增长非常看好时，利用市盈率比较不同股票的投资价值时，这些股票必须属于同一个行业，因为此时公司的每股收益比较接近，相互比较才有效.

2.2 系统风险评估变量

在神经网络的处理过程中，重点是为了预测市场风险对个股的影响，因此加入了大盘指数（上证指数）和贵州茅台的前一期价格作为输入元，把贵州茅台的当期价格作为输出元，训练出合理的神经网络模型.

2.3 指标预处理

由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令xij="xij|.从而解决各项不同质指标值的同质化问题.而且，由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标通过用不同的算法进行数据标准化处理.其具体方法见式（1）和式（2）.

4 应用案例分析

由于股票数量眾多，对于股票内在价值部分，通过选择白酒行业的所有股票进行分析，对其进行数据处理，如指标数据的标准化处理，熵值法获取其权重矩阵和得分矩阵.再从得分较高的个股中选择一个股票进行神经网络预测，观察其长期走势确定投资时机，但是想要获得较好的BP神经模型必须要确定较好的隐含层节点和学习速率等指标，接下来将对白酒行业和个股进行实证分析，并且与股票的实际情况相对比，分析其结果.

4.1 熵值法对白酒行业个股的处理

从2016年白酒行业上市公司的年报中所提取的六个指标，所用的数据是通过wind平台金融数据库中提取的，均为一整年的数据.白酒行业总共有11只股票，对其进行熵值法处理后得到下表的权重和得分如表1所示.

由上表的权重系数矩阵可知，占比相对较高的是市盈率和销售毛利率的指标，其中市盈率主要表示股价相对于当前的每股利益的比率，其指标越低越好，表示股价相对于每股利益来说较低，长期投资价值较高.而如销售毛利率，净利润/营业总收入等指标所占权重较高是因为在白酒行业当中，盈利是摆在首要位置的，一个产品卖得好不好，受不受大家欢迎，对于实体行业来说从来都是非常重要的，它不像金融服务行业或者高新科技行业，重视科研成本，投资收益或是对社会的其他价值.另外，白酒行业的营业成本相对其他行业会比较高，因此并非是收入越高就代表这个企业运营的越好，要看其相对利润的比率，如果企业的产品的利润率越高，才能说明这个企业目前的生产经营状况比较优异，值得投资.

从表2所示白酒行业的各个个股来看，贵州茅台的得分是最高的，高达0.1641，要比排名第二的今世缘高出35.3%，这也与现实情况相符合，茅台酒一直就是中国的“国酒”，广受国内外的美誉，甚至在中国形成了一定的垄断地位，与今世缘拉开了相当大的差距，而今世缘和五粮液在白酒行业中也具有相当大的竞争力，但远远比不上茅台，究其原因，主要是由于茅台的销售毛利率和净利润/营业总收入远远高于其他白酒企业，茅台的销售毛利率要比排名第二的今世缘拉开了接近30%的差距，这也是为什么茅台的得分这么高的原因.而像金种子酒和会稽山这两个企业排名这么靠后的原因，主要是由于其市盈率较高，像金种子酒的市盈率较高，说明其股价相对于自身的每股利润来说溢价程度非常高，目前的股价相对于其公司本身的盈利能力来说到达了高位，投资获利的可能性就比较低.

4.2 贵州茅台的BP神经网络模型预测

4.2.1 神经网络隐含层确立

根据2017年贵州茅台和上证指数的周价格建立BP神经网络预测模型，最基本的一个问题就是在建立模型的过程中如何确定其隐含层的个数，这直接就影响到预测结果的准确性.一般来说，隐含层的确定方法有下列几种.

从表3隐含层的误差分析来看，隐含层数目为3时相对百分比误差和均方误差均为最低，分别为0.5732和33.5486，因此选择隐含层为3的三层神经网络进行预测.由于模型变量不足，不能够精确的预测股价的走势，下面则对模型预测结果进行原因分析.

4.2.2 预测结果分析

由图1可以看到，从实际与预测的价格对比的情况来看，实际价格与预测价格重合程度不算特别高，并且预测价格大部分位于实际价格以下，具有滞后性，这说明股票的实际价格是围绕其系统价值与内在价值之和而波动的.首先可以看到，贵州茅台的实际价格从500多元涨到了接近700元，而网络输出值的波动相较于茅台的实际价格来看相对较小，说明当时股票市场的波动情况不大，而实际价格上涨幅度远高于网络输出值的因素并非是市场因素所导致的，而其主要原因是因为茅台的财务季报预期的影响，茅台的财务报表出来之后，业绩较上期又有新的增长，由此拉动茅台价格上涨.因此，当茅台的实际价格位于其网络输出值曲线（系统风险）时，因为这表明在大盘的影响下，茅台的价格就应该要达到网络输出值的这个价值，如今实际价格还比不上网络输出的价值，因此如果其长期内在价值是被看好的情况下，说明此时价格被低估，应该执行买入策略并进行长期持有.

5 结 论

运用中国股票市场中白酒行业的股票基本面数据以及贵州茅台个股数据进行研究后，得到如下结论.

第一，在中国的股票市场上，由于经过长期的运行和交易体制发展，监管不断加强，光是通过短期炒作题材或者热点股的风险很大，有些人可能在短期内收益比较大，但一旦失去自己投资理智，很容易就会出现竹篮打水一场空的情况.因此，只有在长期看好的情况下投资一只股票并长期持有，带来的收益会相对比较可观和稳定.

第二，中国证券市场投资应该按行业进行分类，根据不同的行业侧重的指标应该是有所不同的，不能说看证券行业用销售净利率作为一个重要参考指标来投资股票，对每个不同的行业要深入研究它的行业性质，从主观上筛选出合适的并且重要的指标，再利用数学的方法（熵值法，主成分分析）来确定其权重，得到指标的权重系数和综合得分，这样才能够根据有效指标选取发展前景比较好的股票.

第三，确定好要投资的股票之后不要盲目的进行大笔投资，要耐心等待投资机会的出现，也就是常说的“低点”，相信股票价值终究是围绕其内在价值上下波动的，通过衡量长期股票价格的变动（建议以周数据或者更长周期的数据为研究对象），分析市场对个股的影响程度，一旦实际价格被低估时就可以买入，从而获得投资收益.

参考文献

[1] 王凤兰，闻邦椿.股价波动序列的综合预测法研究[J].经济经纬，2005（02）：64-65，109.

[2] WILLIAM L， RUSSELL P， RAGYSA J M. Forecasting the NYSE composite index with technical analysis， pattern recognizer， neural network， and genetic algorithm； A case study in romantic decision support[J]. Decision Support Systems，2002（32）：361-377.

[3] 张慧，周春梅.我国旅游上市公司经营业绩的评价与比较——基于因子分析和聚类分析的综合研究[J].宏观经济研究，2012（03）：85-92.

[4] 李坤，范国良.多元统计分析方法在证券投资中的应用[J].科技资讯，2016，14（19）：76-78.

[5] 曲双红，李华.熵值法在价值投资决策中的应用[J].郑州轻工业学院学报（自然科学版），2012，27（04）：102-104.

[6] 陈小玲.基于ARIMA模型与神经网络模型的股价预测[J/OL].经济数学，2018，35（04）：30-34.

[7] 魏文轩.改进型RBF神经网络在股票市场预测中的应用[J].统计与决策，2013（15）：70-72.

[8] 张秋明，朱红莉.灰色神经网络在股价预测中的应用研究[J].计算机工程与应用，2013，49（12）：242-245，254.