基于因子分析的科創(chuàng)板擬上市企業(yè)估值模型

范蓉蓉　廖國(guó)威

摘 要：本文首先對(duì)美國(guó)納斯達(dá)克的估值模型展開(kāi)研究，先以2014―2018年的數(shù)據(jù)作為研究樣本，剔除部分異常值后利用因子分析法將市銷(xiāo)率和6個(gè)基本面指標(biāo)和流動(dòng)性指標(biāo)構(gòu)建回歸模型，并以此作為科創(chuàng)板上市企業(yè)的估值量化模型;然后運(yùn)用灰色預(yù)測(cè)模型得出了科創(chuàng)板市場(chǎng)2019年的基本面指標(biāo)，結(jié)合美國(guó)納斯達(dá)克市場(chǎng)的估值量化模型與中國(guó)A股市場(chǎng)2016―2019年的流動(dòng)性指標(biāo)，預(yù)測(cè)我國(guó)首批科創(chuàng)板企業(yè)上市后的估值水平。

關(guān)鍵詞：科創(chuàng)板;估值;市銷(xiāo)率;多元回歸;MATLAB

一、背景概述

為了促進(jìn)科技創(chuàng)新能力的發(fā)展以及不斷完善市場(chǎng)投資， 我國(guó)創(chuàng)立了科創(chuàng)板模塊。科創(chuàng)板作為獨(dú)立于現(xiàn)有主板市場(chǎng)的新設(shè)板塊，對(duì)我國(guó)提升科技創(chuàng)新能力以及完善市場(chǎng)功能板塊具有重大意義，被稱(chēng)為我國(guó)的納斯達(dá)克。為了吸收投資，準(zhǔn)確地對(duì)科創(chuàng)板上市企業(yè)進(jìn)行估值顯得至關(guān)重要。然而當(dāng)下對(duì)科創(chuàng)板上市企業(yè)估值水平的研究不多，我國(guó)A股市場(chǎng)和美國(guó)納斯達(dá)克市場(chǎng)的估值水平研究較多，我國(guó)A股公司上市時(shí)一般采用市盈率法，而科創(chuàng)板的企業(yè)具有很大的特殊性，所以估值參照美國(guó)同類(lèi)型市場(chǎng)納斯達(dá)克上市公司的平均市銷(xiāo)率法，即以市銷(xiāo)率代表上市企業(yè)估值水平。

本文的數(shù)據(jù)大部分借助于國(guó)泰安數(shù)據(jù)服務(wù)中心，數(shù)據(jù)包括有科創(chuàng)板2016―2018年已受理企業(yè)的基本面指標(biāo)數(shù)據(jù)，具體是營(yíng)業(yè)收入、歸母凈利潤(rùn)、凈資產(chǎn)收益率;我國(guó)A股市場(chǎng)和美國(guó)納斯達(dá)克市場(chǎng)的2014―2018年的估值指標(biāo)、基本面指標(biāo)和流動(dòng)性指標(biāo)，具體是市銷(xiāo)率、營(yíng)業(yè)收入、歸母凈利潤(rùn)、凈資產(chǎn)收益率、年成交量、年平均換手率、年成交額。本文模型的建立基于以下幾點(diǎn)假設(shè)：①假設(shè)指標(biāo)間的弱相關(guān)關(guān)系對(duì)評(píng)價(jià)結(jié)果的影響不計(jì)。②假設(shè)我國(guó)A股市場(chǎng)（上證指數(shù)成分股）與美國(guó)納斯達(dá)克市場(chǎng)沒(méi)有發(fā)生較大的波動(dòng)。③假設(shè)所有數(shù)據(jù)來(lái)源真實(shí)可靠。

二、研究方法

為了對(duì)我國(guó)科創(chuàng)板的市值水平進(jìn)行有效評(píng)估，本文以美國(guó)納斯達(dá)克的數(shù)據(jù)指標(biāo)為參考，探索科創(chuàng)板的市場(chǎng)市值狀況，并將中美市場(chǎng)估值水平進(jìn)行比較分析。首先，為了計(jì)算出A股市場(chǎng)的平均市銷(xiāo)率，運(yùn)用聚類(lèi)分析和繪制散點(diǎn)圖的方法將市場(chǎng)分為五類(lèi)，以營(yíng)業(yè)收入為權(quán)重計(jì)算每個(gè)類(lèi)別的平均市銷(xiāo)率，再以年成交額為權(quán)重計(jì)算我國(guó)A股市場(chǎng)的市銷(xiāo)率，美國(guó)納斯達(dá)克與此類(lèi)似。其次，檢驗(yàn)和因子分析建立估值指標(biāo)、基本面指標(biāo)、流動(dòng)性指標(biāo)之間的模型，然后運(yùn)用灰色預(yù)測(cè)模型對(duì)2019的基本面指標(biāo)和流動(dòng)性指標(biāo)進(jìn)行預(yù)測(cè)，并代入市銷(xiāo)率與六個(gè)指標(biāo)的函數(shù)關(guān)系式當(dāng)中，分析市場(chǎng)的發(fā)展趨勢(shì)和中美股票市場(chǎng)之間的差距。最后，根據(jù)相關(guān)數(shù)據(jù)搜集到的93家股票的數(shù)據(jù)為基礎(chǔ)，參考美國(guó)納斯達(dá)克市場(chǎng)的估值模型對(duì)我國(guó)科創(chuàng)板市場(chǎng)的估值水平進(jìn)行預(yù)測(cè)和評(píng)估，最后對(duì)模型的運(yùn)用做出相關(guān)總結(jié)。

三、因子分析

首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以市銷(xiāo)率為因變量，僅六個(gè)基本面指標(biāo)和流動(dòng)性指標(biāo)為自變量，檢驗(yàn)變量之間是否可以運(yùn)用因子分析，然后借助SPSS軟件提取公因子，并在此基礎(chǔ)上建立公因子載荷矩陣，最終得出因子評(píng)價(jià)模型。

1.數(shù)據(jù)預(yù)處理

對(duì)數(shù)據(jù)的預(yù)處理主要有以下幾個(gè)方面：第一，剔除市銷(xiāo)率（倍數(shù)）為零的公司，因?yàn)檫@些公司是在2019年上市的;第二，剔除我國(guó)A股市場(chǎng)的北汽藍(lán)谷以及美國(guó)納斯達(dá)克市場(chǎng)的數(shù)海信息以及我國(guó)貸款這五所上市公司的數(shù)據(jù)，因?yàn)樵跀?shù)據(jù)處理中發(fā)現(xiàn)，這五所公司的市銷(xiāo)率（倍數(shù)）異常于同行業(yè);第三，剔除B股的數(shù)據(jù)。剔除異常數(shù)據(jù)后，2018年我國(guó)A股市場(chǎng)還剩1440家公司，美國(guó)納斯達(dá)克市場(chǎng)還剩2247家公司，科創(chuàng)板剩余93家企業(yè)。同樣，本文的數(shù)據(jù)指標(biāo)的單位存在并不統(tǒng)一的問(wèn)題，因此，通過(guò)數(shù)據(jù)清洗一些等方法對(duì)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，避免由于數(shù)據(jù)間的單位差異而產(chǎn)生數(shù)據(jù)偏差，使得結(jié)果更加準(zhǔn)確。

2.數(shù)據(jù)的檢驗(yàn)

要想運(yùn)用因子分析解決相關(guān)問(wèn)題時(shí)需要滿(mǎn)足一定的前提條件，因子分析的前提是各變量之間存在一定的內(nèi)在關(guān)系，其適用性檢驗(yàn)通常運(yùn)用KMO與Bartletts檢驗(yàn)來(lái)完成，常常把KMO統(tǒng)計(jì)量運(yùn)用于比較變量之間的偏相關(guān)性，僅當(dāng)偏相關(guān)系數(shù)的數(shù)據(jù)小于簡(jiǎn)單相關(guān)系數(shù)時(shí)，被分析的變量之間存在相互關(guān)聯(lián)，該統(tǒng)計(jì)量與1越接近則越適合運(yùn)用該方法。一般計(jì)算時(shí)只要統(tǒng)計(jì)量大于0.6即可，小于0.5的一般不適用因子分析的方法。

在第一問(wèn)剔除異常數(shù)據(jù)的基礎(chǔ)上，本文將首先選取2014―2018年的數(shù)據(jù)進(jìn)行檢驗(yàn)，借助SPSS軟件可得到相關(guān)數(shù)據(jù)的檢驗(yàn)值。可以得出，2014―2018年我國(guó)A股市場(chǎng)營(yíng)業(yè)收入、歸母凈利潤(rùn)、凈資產(chǎn)收益率、年成交量、年平均換手率以及年成交額六個(gè)指標(biāo)的相關(guān)數(shù)據(jù)的檢驗(yàn)值為0.627，美國(guó)納斯達(dá)克市場(chǎng)營(yíng)業(yè)收入、歸母凈利潤(rùn)、凈資產(chǎn)收益率、年成交量、年平均換手率以及年成交額六個(gè)指標(biāo)的相關(guān)數(shù)據(jù)的檢驗(yàn)值為0.795，均大于最低檢驗(yàn)系數(shù)標(biāo)準(zhǔn)0.5，所以可以進(jìn)一步進(jìn)行因子分析。

3.提取公因子和建立因子載荷矩陣

為了擬合出估值指標(biāo)與基本面指標(biāo)、流動(dòng)性指標(biāo)之間的關(guān)系，數(shù)據(jù)指標(biāo)通過(guò)驗(yàn)證后即可采用因子分析的方法。通過(guò)對(duì)碎石圖、方差貢獻(xiàn)率、因子載荷陣和成分得分系數(shù)等進(jìn)行分析，選取四個(gè)公因子分別為f₁，f₂，f₃，f₄。根據(jù)我國(guó)A股市場(chǎng)因子分析碎石圖，選取出我國(guó)A股市場(chǎng)的特征根一共有4個(gè)，因此選擇提取四個(gè)公共因子分別是f₁，f₂，f₃，f₄，根據(jù)美國(guó)納斯達(dá)克市場(chǎng)因子分析碎石圖，再次選擇的符合條件的特征根一共有4個(gè)，同樣，本文選擇提取四個(gè)公因子f'₁，f'₂，f'₃，f'₄，經(jīng)過(guò)SPSS因子分析得到特征根與方差貢獻(xiàn)率表、旋轉(zhuǎn)后的因子載荷陣以及成分得分系數(shù)矩陣。

由我國(guó)A股市場(chǎng)特征根與方差貢獻(xiàn)度表可知，前四個(gè)因子的特征根累積方差貢獻(xiàn)率已達(dá)到87.654%，因此保留前四個(gè)公因子f₁，f₂，f₃，f₄根據(jù)美國(guó)納斯達(dá)克市場(chǎng)特征根與方差貢獻(xiàn)度表可知，前四個(gè)因子的特征根累積方差貢獻(xiàn)率已達(dá)到90.526%，因此保留前四個(gè)公因子f'₁，f'₂，f'₃，f'₄，說(shuō)明公因子的累積有效程度基本滿(mǎn)足實(shí)際要求。由我國(guó)A股市場(chǎng)旋轉(zhuǎn)后的成分矩陣可知，將可以得到四個(gè)旋轉(zhuǎn)后的特征根λ₁、λ₂、λ₃、λ₄，由美國(guó)納斯達(dá)克市場(chǎng)旋轉(zhuǎn)后的成分矩陣可知，將可以得到四個(gè)旋轉(zhuǎn)后的特征根λ'₁、λ'₂、λ'₃、λ'₄。

4.計(jì)算得分和排序

由軟件結(jié)果可以得到4個(gè)旋轉(zhuǎn)后的特征根λ₁、λ₂、λ₃、λ₄，由特征根與方差貢獻(xiàn)度表可知，將可以得到四個(gè)旋轉(zhuǎn)后的特征根λ'₁、λ'₂、λ'₃、λ'₄。在此基礎(chǔ)上，本文通過(guò)觀察我國(guó)A股市場(chǎng)得分系數(shù)矩陣可以得到公因子f₁，f₂，f₃，f₄的得分系數(shù)，從中可以看出，我國(guó)A股市場(chǎng)與估值指標(biāo)相關(guān)性程度最高的是流動(dòng)性指標(biāo)下的年平均換手率，其中相關(guān)性程度最低的是基本面指標(biāo)下的營(yíng)業(yè)收入;而美國(guó)納斯達(dá)克市場(chǎng)與估值指標(biāo)相關(guān)性最高的基本面指標(biāo)下的凈資產(chǎn)收益率，其中相關(guān)性程度最低的是基本面指標(biāo)下的歸母凈利潤(rùn)。計(jì)算出納斯達(dá)克市場(chǎng)和我國(guó)A股的估值量化模型，考慮到科創(chuàng)板是新設(shè)板塊，其與納斯達(dá)克市場(chǎng)較為相似，因此科創(chuàng)板市場(chǎng)估值將運(yùn)用納斯達(dá)克市場(chǎng)估值水平模型。

四、基于灰色預(yù)測(cè)模型預(yù)測(cè)科創(chuàng)板市場(chǎng)估值

首先以2016―2018年A股市場(chǎng)每只股票的流動(dòng)性指標(biāo)為基礎(chǔ)，在此基礎(chǔ)上運(yùn)用加權(quán)平均計(jì)算出2016―2018年市場(chǎng)的流動(dòng)性指標(biāo)，以我國(guó)A股市場(chǎng)的平均指標(biāo)視作科創(chuàng)板的流動(dòng)性指標(biāo)。然后根據(jù)灰色預(yù)測(cè)模型，本文可以得到我國(guó)A股市場(chǎng)2019年的基本面指標(biāo)和流動(dòng)性指標(biāo)。最后根據(jù)科創(chuàng)板估值量化模型計(jì)算出2016―2019年科創(chuàng)板的市銷(xiāo)率，并預(yù)測(cè)出2019年我國(guó)首批科創(chuàng)板企業(yè)上市后的估值水平范圍。

根據(jù)數(shù)據(jù)搜集可知科創(chuàng)板基本面指標(biāo)營(yíng)業(yè)收入、年度歸母凈利潤(rùn)、年度凈資產(chǎn)收益率，但是流動(dòng)性指標(biāo)缺失，因此運(yùn)用我國(guó)A股市場(chǎng)的三個(gè)流動(dòng)性指標(biāo)代替科創(chuàng)板的流動(dòng)性指標(biāo)。運(yùn)用科創(chuàng)板的年度單只股票交易量、年度單只股票交易金額、年度單只股票平均換手率等六個(gè)指標(biāo)進(jìn)行灰色預(yù)測(cè)模型。最終得出六個(gè)指標(biāo)的數(shù)值。現(xiàn)在將2016―2019年的營(yíng)業(yè)收入、年度歸母凈利潤(rùn)、年度凈資產(chǎn)收益率、年度單只股票交易量、年度單只股票交易金額、年度單只股票平均換手率代入科創(chuàng)板股指量化模型。可得出2016―2019年的市銷(xiāo)率。可以看出2019年科創(chuàng)板的市銷(xiāo)率預(yù)測(cè)值為7.93，根據(jù)數(shù)據(jù)分析，2019年科創(chuàng)板的市銷(xiāo)率范圍是4.50―9.27。

五、結(jié)語(yǔ)

本文建立了基于因子分析的多元回歸線性模型，從而建立了我國(guó)A股市場(chǎng)和美國(guó)納斯達(dá)克市場(chǎng)的估值指標(biāo)與基本面指標(biāo)、流動(dòng)性指標(biāo)之間的關(guān)系模型，借助因子分析構(gòu)建數(shù)學(xué)模型時(shí)是基于原有數(shù)據(jù)的基礎(chǔ)上進(jìn)行分析和組合，尋找共有因子，對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)化，而不是對(duì)原有數(shù)據(jù)進(jìn)行選擇。這樣的數(shù)學(xué)模型的建立比普通的模型有很多的優(yōu)點(diǎn)，不僅使得模型更加準(zhǔn)確，而且因子分析方法運(yùn)用旋轉(zhuǎn)使得變量的關(guān)系更加清晰，其他股票板塊也可運(yùn)用該模型和方法，從而了解相關(guān)性程度。

本文建立的灰色預(yù)測(cè)模型，并利用軟件分別預(yù)測(cè)2019年?duì)I業(yè)收入、歸母凈利潤(rùn)、凈資產(chǎn)收益率、年成交量、年平均換手率以及年成交額等6個(gè)指標(biāo)的數(shù)據(jù)值，也可以運(yùn)用于主板市場(chǎng)的其他板塊，從而用來(lái)預(yù)測(cè)以后年度的走勢(shì)，做出精確的估量，幫助其更好發(fā)展。

參考文獻(xiàn)

1.王堯.新三板企業(yè)估值方法研究.天津大學(xué)，2016.

2.郭騰.新三板企業(yè)的估值方法比較研究.暨南大學(xué)，2015.

3.鹿媛媛.基于市場(chǎng)法的企業(yè)估值影響因素研究.南京財(cái)經(jīng)大學(xué)，2013.

4.張雄.聚類(lèi)分析中最佳聚類(lèi)數(shù)確定方法研究.南京郵電大學(xué)，2018.

5.甘志.我國(guó)信托公司核心競(jìng)爭(zhēng)力研究.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2018.