基于序化机理的稳健型股票价值投资决策——一个研究框架

宋鹏，梁吉业，李常洪

（1.山西大学　经济与管理学院，太原 030006；2.山西大学　计算智能与中文信息处理教育部重点实验室，太原 030006）

基于序化机理的稳健型股票价值投资决策
——一个研究框架

宋鹏1，梁吉业2，李常洪1

（1.山西大学经济与管理学院，太原 030006；2.山西大学计算智能与中文信息处理教育部重点实验室，太原 030006）

面对资本市场风险加剧的现实背景，以“公司经营业绩与股票市场业绩一致趋优”为稳健型投资的核心要素，立足于区间数据表示、会计信息度量两个关键要素，开展稳健型股票价值投资的多准则决策建模研究。面向稳健型投资决策目标，提出满足“稳健性”“局部性”“全局性”3个特性的序化机理，围绕关键特征选择、特征评价、全序化建模的主体脉络建立系统性多准则决策方法，进而构建“稳健型股票价值投资决策”的研究框架。

多准则决策；价值投资；稳健型；区间数据；序化机理

股票投资决策是一项复杂的金融活动，诺贝尔经济学奖获得者Markowitz（1952）的投资组合理论为股票投资奠定了现代投资管理的理论基础［1］。2007年源于金融衍生产品过度膨胀的全球金融危机爆发，继而引发了人们对股票投资决策的重新审视。面对日益重要但风险共生的股票市场，如何合理地选择基础资产、如何有效地设计股票选择策略进而获得超额收益等一系列问题成为学术界、实务界所共同关注的问题。

在众多的股票选择策略中，价值投资理论最受关注。这一理论是在1929年美国的股市灾难背景下诞生的，股票市场的困境迫切需要更为理性的投资理论和方法。Graham 和Dodd（1934）［2］61-74着眼于股票“内在价值”的综合分析，提出了价值投资理论，为投资者的理性决策与判断提供了重要的理论支持。数十年来，探寻能够获得超额收益投资策略的研究不断涌现，价值投资理论也一直备受重视。

基于经典的价值投资理论，在现实投资实践中，股票被分为：价值型股票（value stock）和成长型股票（growth stock）［3］1975-1976。从 Fama和 French （1992，2012）［4］［5］460-470、Lakonishok等 （1994）［6］1546-1574、肖军和徐信忠（2004）［7］、黄惠平和彭博（2010）［8］42-46、Hasan等（2015）［9］17-21等的研究成果来看，价值型股票的平均投资回报具有价值溢价效应，能够获得超额收益。然而，关于价值溢价效应的争论却从未停止。诸多研究证据对经典价值投资策略的获利能力提出了质疑，尤其在当前经济风险日益增加，股票市场不稳定因素日渐增多的背景下，这一质疑更显突出。

从Graham提出价值投资理念开始，人们就在不断寻找更为有效的股票选择策略。既然经典的价值投资策略并不完全具备稳健型投资特性，那么，可以预见，价值投资理论还将不断被创新和发展。

一、文献回顾与评述

（一）价值投资理论

1929年的经济大危机时代，保守投资者同样遭受到损失，相应地，关于投资分析的研究价值则受到了严重质疑。在这一背景下，Graham和 Dodd （1934）从“内在价值”和“安全边际”视角建立了经典的价值投资理论［2］103-109。就价值投资理论而言，由于内在价值是其投资基准，因此，如何科学地衡量内在价值则成为该理论的基石。Williams（1938）［10］在Irving Fisher所给出的内在价值定义基础上提出了股票价值评估的股利折现模型 （dividend discount model），通过对未来现金红利的预测和折现来计算股票的内在价值。尽管Farrell（1985）［11］以及Sorensen 和Williamson（1985）［12］的研究进一步支持了Williams的观点，但是，股利折现模型由于股利难以预测、股利信息难以反映公司整体情况等因素而不断受到质疑。基于上述问题的考虑，Ohlson（1991，1995）［13-14］、Feltham和Ohlson（1995）［15］提出了剩余收益定价模型（residual income model）。该模型考虑了公司的资产和盈利信息，为更加客观地度量股票内在价值提供了依据。Jiang和Lee（2005）［16］的研究则表明，与传统的股利折现模型相比，剩余收益定价模型能够更好地度量股票的内在价值。

事实上，在价值投资理论中，内在价值评价的根本目的是探寻价值被低估的股票（即“廉价证券”）。就Graham和Dodd的研究而言，也是重点围绕“廉价证券”选择的技巧进行分析［2］50-52。从股利折现模型、剩余收益定价模型来看，其从不同角度考量企业内在价值进而寻找廉价证券，但是，两者都需要对未来信息进行预测，因此，其应用也就受到相应的制约。

从现有研究进展来看，人们不断发现高账面价值与市场价值比B/M（book to market equity ratios）、高投资收益率E/P（earnings to price ratios）、高现金流价格比C/P（cash flow to price ratios）等指标可以作为探寻“廉价证券”的依据。Levy和Kripotos（1969）［17］、Basu（1977）［18］、Fama和French（1998，2012）［3］1997-1998，［5］470-471、Hart（2003）［19］130、黄惠平和彭博（2010）［8］446、Kyriazis和Christou（2013）［20］、Ko（2014）［21］、Hasan（2015）［9］21-22围绕发达资本市场、新兴资本市场的实证研究基本支持了上述价值特征具有价值溢价效应的论断。进一步地，由于价值特征指标的简洁和可度量优势，基于上述价值特征的“比率估值法”成为被广泛应用的价值型股票探寻方法。

（二）价值溢价效应的争论

尽管众多研究证据支持了价值溢价效应，但争论却从未停止。一方面，围绕价值溢价效应的检验；另一方面，围绕价值溢价效应产生的原因。Reinganum（1981）［22］基于规模、E/P指标构造投资组合研究发现，当考虑了规模因素后，E/P效应消失了。Jacobs和Levy（1988）［23］的研究则显示E/P因素的价值溢价效应表现出非稳定性。此外，Fama和French （1998）［3］1981、Hart（2003）［19］111-112、Mayur（2015）［24］研究发现部分价值特征指标的价值溢价效应相对较弱或者并不存在；Ramezanali（2014）［25］的研究则表明价值溢价效应在牛市、熊市中表现出不稳定性。上述研究给经典价值投资理论的研究带来了新的困惑。

就价值溢价效应产生的原因而言，尽管仍有其他的争议，但主要的争论来自于两种不同的立场。Fama和French［3］1982-1986［26-29］的系列研究认为价值溢价是对价值型股票所存在危机因素的风险补偿。Lakonishok、Shleifer和 Vishny（1994）［6］1574-1577以及Haugen（1995）［30］则认为价值溢价是由于市场低估了价值型股票的价值所致，当这些估计偏差被纠正时，价值型股票会产生更高的投资收益；Chan和Lakonishok（2004）［31］考虑了风险因素，但研究认为风险仍不足以解释价值型股票的超额收益，因此，行为偏差仍是价值溢价效应的主要解释。Magnuson （2011）［32］围绕全球发达资本市场开展了实证研究，研究结论进一步支持了“行为偏差”立场。

可以看出，不管何种争论，价值溢价效应的不稳定性、价值型股票的危机性特征等因素，都必然促使人们不断地探寻各种新的投资策略。Xidonas （2010）［33］、Vezmelai（2015）［34］基于 ELECTRE类多准则决策方法开展了股票选择决策研究。Tsai和Hsiao （2010）［35］、Yu（2014）［36］围绕特征选择方法开展研究，通过探寻与股票市场业绩具有较强关联的相关财务或经济指标进而构建有效的股票选择策略。着眼于考虑人类决策时的准则评价偏好，Tiryaki和Ahlatcioglu （2005）［37］、Sevastjanov和Dymova（2009）［38］基于模糊数据表示形式开展了股票选择的多准则决策研究。

综合来看，多准则决策建模已成为股票选择决策研究的一类重要方法。事实上，从管理科学领域的研究方法来看，多准则决策方法日益成为该领域的重要决策工具［39］，并取得了系列研究成果［40-43］。就多准则决策而言，其是一类涉及数据表示、特征选择、决策目标建模等系列问题的系统性决策方法。然而，从股票选择决策的现有成果来看，尽管其从不同视角开展了多准则决策分析，但着眼于前述系列问题系统性解决的决策建模研究仍鲜有报道。同时需要强调的是，面对经典价值投资策略获取收益能力的不稳定性特征，尤其是面对当前资本市场风险日益加剧的现实背景，关于稳健型股票价值投资模式的研究具有重要的现实意义。因此，本文将从“稳健型”投资策略这一核心目标入手，基于业绩指标选取、数据表示这两个关键要素，围绕“关键特征选择→特征评价→全序化建模”的主体脉络构建股票选择决策的系统性多准则决策研究框架（具体研究框架如图1所示）。

二、稳健型股票价值投资决策的研究框架

（一）稳健特性：公司经营业绩与股票市场业绩一致趋优

从经典的价值投资理论可以看出，尽管日益增多的证据支持价值型股票的价值溢价效应，但危机因素的并存使价值型股票难以具备“稳健”特性；从股票内在价值评估模型的研究可以看出，由股利折现模型到剩余收益定价模型的发展意味着对股票价格影响因素的不断探寻和拓展。进一步广泛地考察，从资本资产定价模型的发展来看，行为资产定价、流动性资产定价等理论的不断涌现，为人们尝试更多的资产定价因素留下了广阔的探索空间［44-46］；从会计信息价值相关性（即会计信息与股票市场业绩的关联关系）的研究进展来看，由会计盈余发展至净资产、现金流等多维度的会计信息考量，为我们从更为全面的视角分析股票市场业绩的关键关联因素提供了研究思路［47-49］。

事实上，股票市场是实体经济的晴雨表，股票市值则是企业价值的市场度量，因此，企业价值才是股票市值的根基，而企业经济运行效率作为企业价值的根本，自然成为股票市场业绩影响的本质因素。在股票投资决策中，投资者的直接目标是探寻市场业绩最优的股票，但是，宏观经济状况、“内幕消息”等都可能导致市场业绩趋优。然而，只有股票市场业绩的本质影响因素——企业经济运行效率与股票市场业绩一致趋优，才能证明优良的股票市场业绩来自于优良的实体经济运行，显然，这种相互匹配的模式具有更好的“可靠性”和“稳健型”。综上所述，公司经营业绩能够对企业价值进行更为全面的考量，相应地，具有“公司经营业绩与股票市场业绩一致趋优”特性的投资可为决策者提供一类“稳健”的决策方案。

（二）会计信息：公司经营业绩的全面度量

从中国现行企业会计准则来看，资产负债表、利润表和现金流量表是反映公司经营业绩的主要信息来源。然而，从当前会计信息价值相关性的研究进展来看，已有成果只考察了会计盈余、净资产、现金流量等少量经营业绩特征与股票市场业绩的关联关系。显然，对于具备“公司经营业绩与股票市场业绩一致趋优”特性的稳健型投资决策模式而言，全面地度量公司经营业绩是科学投资决策的重要前提。

基于财务报表，本文将从盈利能力、现金流量能力、营运能力、发展能力和偿债能力等方面进行公司经营业绩的度量。从各类指标的内涵来看，盈利能力是企业获取利润的能力，作为企业赖以生存、发展的核心能力，其自然成为经营业绩的首要评价指标，如净资产收益率等。现金流量能力是指企业获取现金的能力，其作为利润质量的重要评价指标，重要性仅次于盈利能力，如现金流量比率等。营运能力是指企业资产管理效率的能力，其作为企业获利的根本保障，成为经营业绩度量的第三个方面，如总资产周转率等。发展能力是指企业扩大规模、实力的潜在能力，作为企业可持续发展能力的重要衡量指标，成为经营业绩评价的第四个方面，如总资产增长率等。偿债能力则是指企业偿还到期债务的能力，由于其是企业生存的必备条件，因此，成为公司经营业绩评价的第五个方面，如资产负债率等。当然，需要说明的是，在不同的研究中，关于公司经营业绩的评价指标也存在其他方面的度量，但这并不影响本文的研究主旨，毕竟，增加少数其他方面的指标不能从本质上影响稳健型股票价值投资决策模式的建立。

可以肯定，本文基于各类财务指标考量公司经营业绩，将突破现有的会计信息价值相关性研究，为更为全面地探索股票市场业绩的基本面影响因素提供新的研究视角。

（三）数据表示：基于数据打包的区间数据形式

在现实的信息环境中，决策者所采集的公司经营业绩、股票市场业绩数据往往都是单值型数据，如年末净资产收益率、月个股回报率等。事实上，单值型数据形式上是精确的，然而，其并不能整体地反映公司整个考查时段内相关业绩数据的数值取值情况。因此，单值型数据形式上的精确性反而加大了决策的不确定性。

本文的研究主旨是建立“稳健型”股票价值投资决策模式，所以，在数据表示上也力争全面、稳健地刻画数据特征。符号数据分析方法由Diday（1995）［50］于1988年在第一次国际分类协会联合会大会上提出，其通过数据打包技术进行数据转换，旨在更为全面地反映样本群点的整体特征。为了能够对公司经营业绩、股票市场业绩进行全面的度量，考虑到中国上市公司的财务报告为季度数据，针对各季度的公司经营业绩指标取值进行数据打包（即将所有取值纳入到一个区间值数据内，最小值即为区间数据的下界，最大值即为上界）；考虑到股票市场业绩指标有日、周、月等数据，可根据研究目标进行相应的数据打包，进而把单值型数据转换为区间值数据。因此，本文的研究过程中，所有数据的一般形式均为区间数据。具体定义如下。

定义1.称四元组S=（U，AT，V，f）是一个区间信息系统。其中，U表示非空有限的对象集合；AT表示非空有限的属性集合；V=∪a∈ATVa；Va表示属性a的值域（其是区间数据的集合）；f：U×AT→V是一个映射，表示某一对象在某一属性上的取值。

为了方便，本文将对象x（x∈U）在属性a（a∈AT）上的取值（区间数据）记作f（x，a）。

定义2.f（x，a）的一般表示形式为

其中，x为对象（即某支股票）；a为属性（即经营业绩或市场业绩指标）；f（x，a）表示某支股票在属性a上的取值；aL（x）为取值的下界；aU（x）为上界。

可以看出，定义1和定义2给出了区间数据、区间数据表的一般形式化表示，以便于面向区间数据开展决策建模与分析。

（四）序化求解：稳健型股票价值投资决策机制

本文将立足于稳健特性，获取公司经营业绩评价指标中相对于股票市场业绩的关键关联指标（即关键特征选择）；基于关键关联指标的属性重要度评价（即特征评价），建立全序化排序决策方法（即全序化建模），进行股票优劣的序化求解，进而建立稳健型股票价值投资决策模式。可以看出，稳健型股票价值投资决策是典型的多准则排序决策问题，因此，“序化求解”也就成为投资决策模式构建的主体脉络。

1.稳健型股票价值投资决策模式的序化机理

科学的序化机理是开展多准则排序决策的首要前提，本文着眼于如下3个序化特性建立多准则排序决策的序化机理。

特性之一：稳健性。在稳健型股票价值投资决策模式研究中，区间序信息系统（见定义3）是问题描述的基本框架，而优势关系（见定义4）则是序化信息刻画的基本手段。从优势关系的决策语义来看（见式（2）），某一对象优于另一对象当且仅当某一对象在所有属性上的取值均优于另一对象。显然，这是一种谨慎型策略，是对“稳健性”特性的有效反映。

定义3.称区间信息系统S=（U，AT，V，f）是一个区间序信息系统，若所有的属性均是有序型属性，即所有属性的取值可以按照收益型或者成本型偏好排序。

定义4.给定一个区间序信息系统，称关于属性集A⊆AT有y优于x，可以通过优势关系R≥A来定义，记作yR≥A，其中

其中，属性集A1为收益型属性集；A2为成本型属性集，且A=A1∪A2。

特性之二：局部性。在稳健型股票价值投资的序化求解过程中，面对各个对象的评价指标，决策者往往难于直接给出整体的序化结果，毕竟，对象之间的评价指标往往是冲突的。面对整体冲突情境，人类的认知模式只能给出“局部序化”方案。基于区间数据的优势度度量准则（见定义5），立足于局部序化方案，本文着眼于相对排序位置的比较进行序化求解正是对人类认知模式的有效模拟。

定义5.设S=（U，AT，V，f）是一个区间序信息系统，A⊆AT。基于区间数据优势关系R≥A，两个对象之间的优势度定义为

特性之三：全局性。对于投资者而言，其资金拥有状况、股票投资管理能力、投资习惯等往往是不一致的，显然，全局序化的问题求解结果更便于满足不同投资者的个性化投资需求。因此，本文的股票价值投资决策模式在提出有向距离指数（见定义6）度量准则的基础上建立全序化问题求解模型。当然，在全序化建模过程中，也同样考虑了“稳健性”和“局部性”这两个序化特性。

定义6.给定两个区间数值分别是f（xi，a）=［aL（xi），aU（xi）］，f（xj，a）=［aL（xj），aU（xj）］。关于属性a，对象xi相对于对象xj的有向距离指数定义为

可以看出，按照有向距离指数DDIa（xi，xj）的定义，其从距离的角度更为精细地度量了在属性a上对象xi优于对象xj的程度，可以用于构建全序化决策模型。

2.序化求解的决策建模

本质上，稳健型股票价值投资决策模式是着眼于稳健型视角的股票全序化问题求解。为了构建有效的投资决策模式，则需要建立“稳健型股票价值投资排序决策方法”，而这必须解决如下3个核心科学问题：第一，为了更为稳健地反映个股的业绩指标，本文的数据表示均采用区间数据，相应地，如何建立面向区间数据的全序化技术是保证决策方案科学性的关键问题；第二，在区间数据的全序化求解过程中，将同时考察若干反映个股经营业绩的指标，因此，如何有效地度量不同指标的权重则是决策建模的重要问题；第三，在区间数据的全序化求解过程中，将面对诸多的个股经营业绩评价指标，那么，如何从各种经营评价指标中选择与股票市场业绩满足“一致性”的关键关联指标，则是稳健型股票价值投资决策的首要问题。

从上述3个核心科学问题的逻辑关系和序化求解的内在机制来看，后者是前者的基础，因此，本文按照上述3个问题的逆序，建立如下3个决策分析模型。

1）关键特征选择建模

在全序化问题求解过程中，需要依赖于若干公司经营业绩指标进行序化评价。因此，在“公司经营业绩与股票市场业绩一致趋优”条件下获取与股票市场业绩具有“一致性”的关键关联指标则成为多准则决策建模的首要问题。

事实上，一致性与不一致性是对立统一的，而变量之间的一致性与不一致性构成了变量之间一致性程度的不确定性。事实上，对信息不确定性的研究贯穿于人工智能的整个发展历程。而自从Shannon（1948）［51］提出信息熵的概念并将其用于度量信息系统的不确定性以来，信息熵几乎成为不确定性的代名词。进一步地，从现有研究进展来看，粗糙集理论能够在保持区分能力不变的条件下有效求解关键特征且不需要任何先验信息；而信息熵同样在不需要假设数据分布已知的条件下可作为系统有序化程度（或者说不确定性程度）的度量标准，因此，在粗糙集理论框架下运用信息熵进行不确定性度量的研究不断涌现［52-56］。

面向区间序信息系统的一致性刻画问题，在文献［55］的基础上，本文将在粗糙集理论框架下结合信息熵理论，建立区间序信息系统中的不确定性度量体系。以此为基础，建立区间序互补条件熵的形式化表示

其中，A≥为条件属性集；D≥为决策属性。从式（5）的形式化表示可以看出，其主要依赖于（等价于进行度量，刻画了整体对象集合中在条件属性集上优于xi而在决策属性集上不优于xi的对象数量，即不一致性程度。进一步地，从单调性、极值性两维角度则可以揭示其特征评估性能本质，即E（D≥|A≥）越大，一致性程度越小，而E（D≥|A≥）越小，一致性程度越大。可见，E（D≥| A≥）是条件属性与决策属性一致性程度的有效度量，为获取“公司经营业绩与股票市场业绩一致趋优”条件下与股票市场业绩具有“一致性”的公司经营业绩关键关联指标提供了科学、合理的特征选择方法。

2）特征评价建模

对于全序化问题求解而言，属性重要度的科学评价至关重要，其直接影响排序结果的可靠性。从现有研究进展来看，主观赋权方法与客观赋权方法的融合日益受到重视，就其本质而言，主要是从决策问题的内涵目标出发，并有效结合数理方法进行科学的度量。从本文研究目标来看，是要建立稳健型的股票价值投资决策模式，那么如何在属性重要度评价时引入“稳健性”特性则成为特征评价研究的关键要素。

在特征评价过程中，建立在整体属性集合上的优势关系是“稳健性”特性的代表，相应地，建立在某一属性上的优势关系与建立在整体属性集合的优势关系相比，两者“一致性”越大，则说明该属性越满足“稳健性”特性，则该属性的权重越大。本文将在上述原理上，基于所建立的区间序信息系统中的不确定性度量体系，建立区间序互补互信息的形式化表示

其中，a∈A′⊂A；a≥为某一属性；A′≥为关键关联属性集。式（6）构造了属性赋权方法，进而构建能够有效反映“稳健性”特性的属性重要度度量准则。

3）区间数据全序化建模

风险厌恶是人类决策行为模式的一类重要行为特征，因此，就“稳健性”特性而言，其不仅仅是面对当前经济风险加剧情境的一种现实选择，也是风险厌恶型投资者的行为特征表现。为了遵循“稳健性”特性，本文在粗糙集理论框架下，基于优势关系进行序化信息的刻画；考虑人类的“局部序化”认知模式，在区间数据全序化建模过程中，引入整体优势度排序，基于相对位置的比较给出区间数据的第一级排序。然而，优势度排序难以给出全序化结果。为了更为精细地刻画对象之间的优劣程度，本文提出运用整体有向距离指数排序；为了保持“稳健性”与“局部性”特性，本文将有向距离指数排序结果作为第二级排序，并建立两级排序决策方法，进而为区间数据的全序化问题求解提供有效的排序决策技术。

3.稳健型股票价值投资决策模式的多准则排序决策方案

本质上来看，稳健型股票价值投资排序决策是着眼于稳健型视角的股票选择决策的全序化求解。决策方案的实施框架如图2所示，具体步骤如下。

步骤1：建立稳健型股票价值投资的初始决策表。决策表中，公司经营业绩评价指标为条件属性，股票收益率为决策属性；所有数据在时间维度上进行数据打包，将单值型数据转换为区间数据。

步骤2：建立稳健型股票价值投资的分级决策表。将股票收益率区间数据进行全序化处理，然后，根据决策需求将所有个股分为若干优劣级别。如：可将股票收益率按照取值大小分为优、中、劣3个级别，相应的决策属性值赋值为3、2、1。

步骤3：获取公司经营业绩评价指标中相对于股票市场业绩的关键关联指标集。面向稳健型股票价值投资的分级决策表，运用基于区间序互补条件熵的特征选择算法，求解关键关联指标集。

步骤4：建立稳健型股票价值投资的区间序信息表。基于步骤三求解的关键关联指标集合建立区间序信息表，以此为基础，运用基于区间序互补互信息的特征评价方法度量各指标的属性重要度，为全序化求解奠定基础。

步骤5：求解稳健型股票价值投资的全序化方案。面向关键关联指标集合的区间序信息表，运用优势度排序方法，获得优先级序；然后，针对并列排序的对象运用有向距离指数排序获得全序化求解，以满足不同投资者的个性化投资需求。

可以看出，稳健型股票价值投资排序决策方法的实施框架和实施步骤为稳健型股票价值投资决策模式提供了可行的决策方案。

三、结语

1929年大危机时代，面对股票市场的困境，诞生了价值投资理论。2007年国际金融危机以来，投资者重新审视投资策略，基础资产的选择变得更为重要。本文在对经典的价值投资理论及其相关的实证研究进行回顾、分析、总结的基础上，综合运用价值投资理论、粗糙集理论、信息熵理论、符号数据分析方法、多准则决策建模，试图建立“稳健型股票价值投资决策”的研究框架。

当然，从研究框架来看，仍需说明以下两点。

第一，本文以“公司经营业绩与股票市场业绩一致趋优”特性为稳健型股票价值投资决策的核心要素，其中，关于公司经营业绩评价指标体系的建立主要依赖于会计信息。实际上，对于公司经营业绩的评价，仍然存在其他刻画指标，但这并不影响稳健型股票价值投资模式的建立。在序化求解的决策建模时，首要环节是关键特征选择，求解过程中完全可以更为广泛地纳入其他指标，并通过关键特征选择算法获取关键关联指标集。

第二，数据建模过程中，本文运用符号数据分析方法进行数据打包，进而将单值数据转换为区间数据。由于中国上市公司财务报告制度的限制，我们将财务报告的4个季度数据中的最小值作为区间数据的下界，将最大值作为上界。可以设想，随着财务报告制度的改进，当财务报告的公布次数更为频繁，就可以通过考察数值的分布从而更为有效地确定区间数据的取值。当然，可以肯定的是，目前的数据打包处理方法仍然要比单纯使用年末的单值数据的信息更为完全。

总体来看，本文的主要研究价值在于：

第一，围绕“公司经营业绩与股票市场业绩一致趋优”的稳健型决策目标，从区间数据表示、关键指标选取、排序决策建模的系统性视角构建了“稳健型股票价值投资决策”的整体研究框架。

第二，基于关键特征选择方法，从更长的时间范围考查与股票市场业绩具有一致趋优特性的公司经营业绩指标，可以进一步挖掘“稳健型”价值特征，进而为资产定价理论提供新的研究视角。

第三，立足于“稳健性”“局部性”“全局性”序化机理，开展特征选择、特征评价与全序化建模的集成研究，可为多准则决策建模提供一类满足风险厌恶型决策者需求的问题求解范式。

需要进一步强调的是，围绕“公司经营业绩与股票市场业绩一致趋优”的稳健型决策目标，从不同视角考虑数据表示形式、指标选取准则、决策建模方法，有望为价值投资理论的丰富和发展提供一个新的研究方向。

［1］MARKOWITZ H.Portfolio selection［J］.The Journal of Finance，1952，7（1）：77-91.

［2］GRAHAM B，DODD D.Security Analysis［M］.New York：McGraw-Hill，1934.

［3］FAMA E F，FRENCH K R.Value versus growth：the international evidence［J］.The Journal of Finance，1998，53（6）：1975-1999.

［4］FAMA E F，FRENCH K R.The cross-section of expected stock returns［J］.The Journal of Finance，1992，47（2）：427-465.

［5］FAMA E F，FRENCH K R.Size，value，and momentum in international stock returns［J］.Journal of Financial Economics，2012，105 （3）：457-472.

［6］LAKONISHOK J，SHLEIFER A，VISHNY R W.Contrarian investment，extrapolation，and risk［J］.The Journal of Finance，1994，49 （5）：1541-1578.

［7］肖军，徐信忠.中国股市价值反转投资策略有效性实证研究［J］.经济研究，2004（3）：55-64.

［8］黄惠平，彭博.市场估值与价值投资策略——基于中国证券市场的经验研究［J］.会计研究，2010（10）：40-46.

［9］HASAN M B，ALAM M N，AMIN M R，RAHAMAN M A.The size and value effect to explain cross-section of expected stock returns in Dhaka Stock Exchange［J］.International Journal of Economics and Finance，2015，7（1）：14-23.

［10］WILLIAMS J B.The theory of investment value［M］.Cambridge：Harvard University Press，1938.

［11］FARRELL J L.The dividend discount model：a primer［J］.Financial Analysts Journal，1985，41（6）：16-19，22-25.

［12］SORENSEN E H，WILLIAMSON D A.Some evidence on the value of dividend discount models［J］.Financial Analysts Journal，1985，41（6）：60-69.

［13］OHLSON J A.The theory of value and earnings，and an introduction to the Ball-Brown analysis［J］.Contemporary Accounting Research，1991，8（1）：1-19.

［14］OHLSON J A.Earnings，book values，and dividends in equity valuation［J］.Contemporary Accounting Research，1995，11（2）：661-687.

［15］FELTHAM G A，OHLSON J A.Valuation and clean surplus accounting for operating and financial activities［J］.Contemporary Accounting Research，1995，11（2）：689-731.

［16］JIANG X Q，LEE B S.An empirical test of the accounting-based residual income model and the traditional dividend discount model［J］.Journal of Business，2005，78（4）：1465-1504.

［17］LEVY R A.，KRIPOTOS S L.Earnings growth，P/E's and relative price strength［J］.Financial Analysts Journal，1969，25（6）：60-67.

［18］BASU S.Investment performance of common stocks in relation to their price-earnings ratios：a test of the efficient market hypothesis［J］.The Journal of Finance，1977，32（3）：663-682.

［19］HART J V D，SLAGTER E，DIJK D V.Stock selection strategies in emerging markets［J］.Journal of Empirical Finance，2003，10 （1-2）：105-132.

［20］KYRIAZIS D，CHRISTOU C.A re-examination of the performance of value strategies in the athens stock exchange［J］. International Advances in Economic Research，2013，19（2）：131-151.

［21］KO K C，LIN S J，SU H J，CHANG H H.Value investing and technical analysis in Taiwan stock market［J］.Pacific-Basin Finance Journal，2014，26：14-36.

［22］REINGANUM M R.Misspecification of capital asset pricing：empirical anomalies based on earnings’yields and market values ［J］.Journal of Financial Economics，1981，9（1）：19-46.

［23］JACOBS B I，LEVY K N.Disentangling equity return regularities：new insights and investment opportunities［J］.Financial Analysts Journal，1988，44（3）：18-43.

［24］MAYUR M.Relationship between price-earnings ratios and stock value in an emerging market［J］.Paradigm，2015，19（1）：52-64.

［25］RAMEZANALIA M M，SETAYESHB M，JANANIB M H.A study on relationship between the return of value/growth portfolio and market return：evidence from Tehran Stock Exchange［J］.Management Science Letters，2014，4（7）：1499-1502.

［26］FAMA E F，FRENCH K R.Common risk factors in the returns on stocks and bonds［J］.Journal of Financial Economics，1993，33 （1）：3-56.

［27］FAMA E F，FRENCH K R.Size and book-to-market factors in earnings and returns［J］.The Journal of Finance，1995，50（1）：131-155.

［28］FAMA E F，FRENCH K R.Multifactor explanations of asset pricing anomalies［J］.The Journal of Finance，1996，51（1）：55-84.

［29］FAMA E F，FRENCH K R.The anatomy of value and growth stock returns［J］.Financial Analysts Journal，2007，63（6）：44-54.

［30］HAUGEN R A.The new finance：the case against efficient markets［M］.New Jersey：Prentice Hall，1995.

［31］CHAN L K C，LAKONISHOK J.Value and growth investing：review and update［J］.Financial Analysts Journal，2004，60（1）：71-86.

［32］MAGNUSON N.The role of expectations in value and glamour stock returns［J］.Journal of Behavioral Finance，2011，12（2）：98-115.

［33］XIDONAS P，MAVROTAS G，PSARRAS J.A multiple criteria decision-making approach for the selection of stocks［J］.Journal of the Operational Research Society，2010，61（8）：1273-1287.

［34］VEZMELAIA A S，LASHGARIB Z，KEYGHOBADIB A.Portfolio selection using ELECTRE III：evidence from Tehran Stock Exchange［J］.Decision Science Letters，2015，4（2）：227-236.

［35］TSAI C F，HSIAO Y C.Combining multiple feature selection methods for stock prediction：union，intersection，and multiintersection approaches［J］.Decision Support Systems，2010，50（1）：258-269.

［36］YU H H，CHEN R D，ZHANG G P.A SVM stock selection model within PCA［J］.Procedia Computer Science，2014，31：406-412.

［37］TIRYAKI F，AHLATCIOGLU M.Fuzzy stock selection using a new fuzzy ranking and weighting algorithm［J］.Applied Mathematics and Computation，2005，170（1）：144-157.

［38］SEVASTJANOV P，DYMOVA L.Stock screening with use of multiple criteria decision making and optimization［J］.Omega，2009，37 （3）：659-671.

［39］DYER J S，FISHBURN P C，STEUER R E，WALLENIUS J，ZIONTS S.Multiple criteria decision making，multiattribute utility theory：the next ten years［J］.Management Science，1992，38（5）：645-654.

［40］WALLENIUS J，DYER J S，FISHBURN P C，STEUER R E，ZIONTS S，DEB K.Multiple criteria decision making，multiattribute utility theory：recent accomplishments and what lies ahead［J］.Management Science，2008，54（7）：1336-1349.

［41］樊治平，张全，马健.多属性决策中权重确定的一种集成方法［J］.管理科学学报，1998，1（3）：50-53.

［42］徐泽水.语言多属性决策的目标规划模型［J］.管理科学学报，2006，9（2）：9-17.

［43］袁宇，关涛，闫相斌，李一军.基于区间直觉模糊数相关系数的多准则决策模型［J］.管理科学学报，2014，17（4）：11-18.

［44］SHEFRIN H，STATMAN M.Behavioral capital asset pricing theory［J］.Journal of Financial and Quantitative Analysis，1994，29 （3）：323-349.

［45］AMIHUD Y，MENDELSON H.Asset pricing and the bid-ask spread［J］.Journal of Financial Economics，1986，17（2）：223-249.

［46］LAM K S K，TAM L H K.Liquidity and asset pricing：evidence from the Hong Kong stock market［J］.Journal of Banking&Finance，2011，35（9）：2217-2230.

［47］EASTON P D，HARRIS T S.Earnings as an explanatory variable for returns［J］.Journal of Accounting Research，1991，29（1）：19-36.

［48］COLLINS D W，MAYDEW E L，WEISS I S.Changes in the value-relevance of earnings and book values over the past forty years［J］.Journal of Accounting and Economics，1997，24（1）：39-67.

［49］CHAN K N，CHAN L K C，JEGADEESH N，LAKONISHOk J.Earnings quality and stock returns［J］.Journal of Business，2006，79 （3）：1041-1082.

［50］DIDAY E.From data to knowledge：probabilistic objects for a symbolic data analysis［C］.Series in Discrete Mathematics andTheoretical Computer Science，1995.

［51］SHANNON C E.The mathematical theory of communication［J］.The Bell System Technical Journal，1948，27（3-4）：373-423，623-656.

［52］LIANG J Y，CHIN K S，DANG C Y，YAM RICHARD C M.A new method for measuring uncertainty and fuzziness in rough set theory［J］.International Journal of General Systems，2002，31（4）：331-342.

［53］梁吉业，钱宇华.信息系统中的信息粒与熵理论［J］.中国科学（E辑）：信息科学，2008，38（12）：2048-2065.

［54］PANG J F，LIANG J Y.Evaluation of the results of multi-attribute group decision-making with linguistic information［J］. Omega，2012，40（3）：294-301.

［55］SONG P，LIANG J Y，QIAN Y H.A two-grade approach to ranking interval data［J］.Knowledge-Based Systems，2012，27：234-244.

［56］LIANG J Y，WANG F，DANG C Y，QIAN Y H.A group incremental approach to feature selection applying rough set technique ［J］.IEEE Transactions on Knowledge and Data Engineering，2014，26（2）：294-308.

［责任编辑：宋宏］

Research on Robust Stock Value Investing Decision Making：An Research Framework

SONG Peng1，LIANG Jiye2，LI Changhong1
（1.School of Economics and Management，Shanxi University，Taiyuan 030006，China；2.Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education，Shanxi University，Taiyuan 030006，China）

In the practical background of the exacerbated capital market risk，this paper develops a multiple criteria decision making model focusing on the essential factor of consistent excellence between firm’s operating performance and market success on the basis of interval data representation and accounting information measurement.Taking the feature of robustness into consideration，a ranking mechanism is proposed based on the characteristics of“robust，localized and overall”.Based on the main skeleton of feature selection，feature evaluation and complete ranking modeling，this paper presents a systematic multiple criteria decision making method and further establishes the research framework of robust stock value investing decision making.

multiple criteria decision making；value investing；robust；interval data；ranking mechanism

C934

A

1009-3370（2016）03-0075-09

10.15918/j.jbitss1009-3370.2016.0310

2015-07-09

国家自然科学基金重点资助项目（71031006）；国家自然科学基金青年项目（71301090）；教育部人文社会科学研究青年基金资助项目（12YJC630174）；山西省高等学校创新人才支持计划资助项目（2013052006）

宋鹏（1979—），男，博士，副教授，E-mail：songpeng@sxu.edu.cn；梁吉业（1962—），男，博士，教授，博士生导师，E-mail：ljy@sxu.edu.cn；李常洪（1973—），男，博士，教授，博士生导师，E-mail：lch7320@sxu.edu.cn