智能穿戴板塊公司基本面數據對股價波動的影響

楊君岐　崔環珠

[提要] 隨著科技的飛速發展，越來越多的上市公司開始涉獵智能穿戴領域，該領域已經成為一個投資熱點，研究該板塊上市公司基本面數據對股價波動的影響具有顯著的現實意義。這里以RESSET銳思數據庫和國泰安數據庫提供的數據為基礎，選擇38家智能穿戴上市公司基本面數據及股價波動數據，就智能穿戴板塊上市公司的盈利能力、償債能力與營運能力對公司股價波動的影響進行分析，以便為機構投資者、廣大散戶投資者在進行投資標的選擇時提供相關建議。

關鍵詞：基本面數據，股價波動，智能穿戴

中圖分類號：F83 文獻標識碼：A

收錄日期：2019年11月6日

一、引言

智能穿戴板塊上市公司主要是指生產智能穿戴產品的公司，智能穿戴產品是指通過感應設備、識別、連接等科技對人們的日常穿戴進行智能化，比如手機、手表、手環、眼鏡、服飾等產品。隨著科技越來越走進人們的生活，智能穿戴板塊上市公司開始吸引越來越多的投資目光。本文主要選取中興通訊股份有限公司、飛亞達（集團）股份有限公司、科大訊飛有限公司等38家公司，通過對智能穿戴上市公司基本面數據的研究，找出影響股價波動的主要因素，從而為投資者提供合理的投資意見與建議。

國內外學者從不同角度對影響股價波動的因素進行了分析，俞平指出公司股價波動與財務指標呈現出顯著的相關關系，這也就說明我國股票市場日漸成熟，股價越來越能夠反映公司的內在價值與相關的市場因素;王漢生等人通過實證分析得出總資產與資產收益率對公司股價收益率的波動性存在明顯的線性相關關系;丁月通過運用因子分析法提取公共因子，進行多元線性回歸的方法得出盈利能力對于股票的價格波動的解釋力度最高;通過對眾多學者的研究進行總結，發現過往的研究多集中于考慮企業財務數據一個方面對股價波動的影響，以及用股票的收盤價差作為唯一的被解釋變量。本文主要從智能穿戴板塊上市公司的基本面數據入手，通過建立神經網絡模型，綜合考慮企業的盈利能力、償債能力、營運能力以及成長能力共同作用下，對公司股價波動的影響，同時研究多個因子與兩個被解釋變量的關系，打破傳統回歸方式，探究多對多的影響關系，并分析因子對股價波動的解釋程度，探究公司基本面數據對股價波動的影響。

二、樣本基本面數據與股價波動的變量設計

從數據的真實性、客觀性、系統性與重要性考慮，本文分別從RESSET銳思數據庫與國泰安數據庫中選取了38家關于智能穿戴上市公司2008年3月至2018年3月，10年的基本面數據與股價表現數據。其中，基本面數據指標主要從公司的成長能力、盈利能力、償債能力與營運能力四個方面選取，主要涉及的指標有每股收益增長率、營業收入增長率、銷售凈利率、營業利潤率、資產負債率、權益乘數、流動比率、資產周轉率等35個財務指標;股價表現數據主要選取了在一個季度內股票的最高價、最低價、開盤價與收盤價，通過計算出季度內股票的高低價差以及收盤價與開盤價的價差，并以股票的高低價差和收盤開盤價差作為反映股價波動的兩個變量，其中收盤開盤價差相對而言較為穩定，可以作為反映出股價的平均水平，可以為穩健型投資者提供相關的投資意見，而股票的高低價差則反映出股價存在的較大波動，能夠為風險偏好型投資者提供投資參考。

三、智能穿戴公司基本面數據與股價波動影響關系的神經網絡模型構建

為了探究智能穿戴樣本公司基本面數據與公司股價波動之間存在的關系，這里采取BP神經網絡技術進行研究，建立起“多對多”的研究模型，模型主要分為三個部分：輸入層、隱層和輸出層。

（一）基于因子分析法的反映公司基本面數據的網絡輸入變量設計。本文主要用BP神經網絡研究基本面數據對股價波動影響，網絡的輸入數據是公司的基本面數據，為了全面反映基本面情況，這里原始數據收集了35個主要指標，并用因子分析法進行基本面指標的壓縮與抽選。考慮到原始數據的量綱影響，先對原始數據進行預處理與標準化處理，剔除殘缺數據之后，對原始數據進行Z變換，用無量綱的z值進行指標壓縮。為了驗證基本面數據是否適合進行因子分析來進行指標壓縮，需要先對基本面數據Z值進行KMO檢驗和Bartlet檢驗。在spss中對基本面數據z值進行因子分析，通過荷載矩陣分析每一個公共因子代表的含義，找出代表公司基本面數據的公共因子作為神經網絡的輸入數據。

（二）基于不同價差的反映股價波動的網絡輸出變量設計。股價的波動意味著潛在的收益，從不同收益視角看，可以考慮股價的長期波動、短期波動、平均波動以及最大波動等，這些都可以通過日交易有關的四個股價（最高價、最低價、開盤價和收盤價）測度，為了能反映一個時間段內普通收益和可能的最大收益，這里分別選取股票的期末收盤與期初開盤價差以及期內股票的高價與期內最低價。

本文主要從國泰安數據庫中選取智能穿戴領域的38家上市公司近十年交易日的股價，將日資料整理成季度資料，按季度篩選出每日股價交易的最高值與最小值，并計算出最高值與最小值的差，將其作為反映股價波動的變量之一。同時選取股票交易日的開盤價與收盤價，通過計算得出每日開盤價與收盤價的價差，由于每日收盤價與開盤價比較穩定，將其收盤開盤價差作為反映股價波動的另一個被解釋變量，分析因子分析后的公共因子與該被解釋變量之間的關系。

（三）神經網絡建立與仿真。建立包含輸入層、隱層與輸出層的三層神經網絡，模擬人類思考問題的方式來探究智能穿戴領域上市公司基本面數據與股價波動之間的關系。輸入層是反映公司基本面數據的財務指標，輸出層是反映公司股價波動的兩個變量，隱層是神經網絡的核心，主要是復雜的轉換函數，本文采用logsig函數對輸入數據進行逐一轉換，不斷進行取值迭代，最終達到輸出層函數的要求。通過設置網絡的迭代次數與允許的最大誤差，其中一個條件達到，網絡訓練就會結束，本文主要選用logsig函數進行實證研究。

通過神經網絡的建立與仿真，進行上市公司基本面數據對公司股價波動的影響探究時，需要將輸入數據帶入網絡計算得出輸出數據，再進行對比，考慮單個因子對被解釋變量的影響程度時，我們采用了“彈性分析”的方法。以公共因子的平均數為基礎，每個因子逐漸增加5%，其他因子保持不變，將其作為神經網絡的輸入數據，帶入模擬好的神經網絡，得到輸出值，再進行對比，分析股價波動的影響因素。

（四）智能穿戴公司基本面數據與股價波動影響關系實證研究。先對智能穿戴領域上市公司基本面數據進行指標壓縮，用變幻后的Z值進行KMO檢驗和Bartlet檢驗，通過檢驗結果發現基本面數據數據的KMO大于0.5，Sig為0.000小于0.5，比較適合通過因子分析來壓縮指標。在SPSS中進行因子分析，為了使得所選的因子能夠包含大量的數據信息，這里選取特征值大于1作為篩選條件，得到公共因子有8個。

通過對荷載矩陣的解讀，得到第1、3、6、8個因子反映出公司的利潤水平與盈利能力，分別定義為凈利潤因子、營業利潤因子、現金收入因子、凈利潤增長率因子;第2個因子與第5個因子反映公司的營運能力，分別將其定義為存貨周轉率因子、流動比率因子;第4個因子和第7個因子則反映出公司的償債能力，將其分別定義為產權比率和資產負債率。將因子分析后的基本面數據作為輸入值，股價波動的數據進行Z值變幻后作為輸出值，在MATLAB中進行模擬計算分析。用logsig函數作為網絡神經元的激勵函數，輸入隱層神經元數量為17，輸出層神經元數量為2，選用的將迭代次數控制在5，000以內，誤差控制在0.0036以內，訓練過程如圖1所示。可見，利用所選取的參數進行神經網絡的訓練，收斂速度很快，迭代次數達到1，748時，神經網絡誤差控制在了0.0036之內，表明該模型能夠較好地解釋智能穿戴概念模塊樣本公司的基本面數據與股票的市場表現之間的非線性關系。（圖1）

從MATLAB實證分析結果可以看到，除了個別點外，股票的高低價差與網絡仿真的高低價差之間的誤差較小，收盤價與開盤價的價差與網絡仿真價差的誤差也相對較小，總的來說，網絡仿真效果較好。為了研究股價波動的影響性因素，本文以8個公共因子的訓練網絡的平均數為基礎，通過建立好的神經網絡，用“彈性分析”的方法分析影響股價波動變化的因素。

由因子值的變動結果，我們可以得到凈利潤因子值、現金收入因子值以及凈利潤增長率因子呈現出相似的變動趨勢，因子值上升5%，對股票的高低價差呈現出較大影響，而對收盤開盤價差起到的影響較小。而營業利潤因子值上升對于股價的高低價差和收盤開盤價差的影響呈現出不同的影響效果，但這一效果與凈利潤、現金收入以及凈利潤增長率因子值的影響效果呈現出相同的狀態，只是對于股票高低價差的影響程度小于前者，對收盤開盤價差的影響程度大于前者。由此我們可以看出智能穿戴板塊上市公司的盈利指標對于股價波動的影響起著至關重要的作用，盈利能力越強，公司股票的高低價差波動越大，收盤開盤價差會有相對較小的下降。

存貨周轉率因子值和流動比率因子值呈現出相似的影響作用，當因子值上升5%時，股價的高低價差與收盤開盤價差同時下降，且下降幅度相對較為一致，可見營運能力因子對于股價波動的影響呈現出較強的反作用。產權比率因子和資產負債率因子對股價波動的影響與存貨周轉率和流動比率因子的影響趨勢相同，不同的是資產負債率因子的影響程度大于存貨周轉率與流動比率因子的影響程度，對股價的高低價差的影響程度最大。由此我們可以得到智能穿戴板塊上市公司的償債能力與營運能力對智能穿戴模塊上市公司的股價波動起著反作用，償債能力和營運能力越強，公司股價波動收到的影響越小，股票的高低價差和收盤開盤價差都會同時下降。

通過對神經網絡的訓練仿真與模擬，我們可以看到資產負債率因子值對于股價波動的影響最大，當因子值上升5%時，股票的高低價差會下降277.98%，股票的收盤開盤價差會下降40.15%。通過因子分析我們可以看出，資產負債率因子主要是指公司的資產負債率、權益乘數等財務指標，由此可見，公司的償債能力對于上市公司股價波動的影響至關重要，在對智能穿戴上市公司進行價值投資時，考慮股價波動的情況需要著重考慮上市公司的償債能力。

四、結論及投資建議

由實證結果我們可以得到智能穿戴上市公司股價波動主要受其公司的盈利能力以及公司的償債能力和營運能力的影響，其中盈利能力越強，股價波動會越大，而償債能力和營運能力越強，智能穿戴上市公司的股價波動會越小。

在考慮對智能穿戴上市公司進行股票投資時，對于中短期投資者而言，如果是風險偏好型投資者，可以著重對于盈利能力方面的財務指標進行分析與研究，挑選盈利能力較強的上市公司進行投資;對于風險規避型投資者，要考慮公司的償債能力與營運能力，具有較好的償債能力與營運能力的公司，股價波動相對較小，股價會相對穩定。

主要參考文獻：

[1]郝朔，張國瑞.智能穿戴設備對城市居民健康生活的影響研究[J].北華航天工業學院學報，2018.28（1）.

[2]喻平，張應華.上市公司財務指標與股價波動關聯性研究[J].財會通訊，2011（22）.

[3]王漢生，張瀚宇，何天英，郭露茜.上市公司財務參數與其股價波動性關系探究[N].證券市場導報，2010（2）.

[4]丁月.上市公司財務指標對股票價格影響的實證研究[J].中國國際財經（中英文），2018（2）.