基于改进神经网络的市销率预测规划模型

肖滟琳 吴昊

【摘  要】在我国成长型科技创新企业融资成为短板的情况下，通过参照美国同类型市场NASDAQ上市公司的平均市销率进而通过市销率评估对国内市场进行评估预测以及分析，进而实现对国内市场的规划.并且科创板公司在发展阶段盈利增长速度极快，这导致了传统估值方法不适合用来估值我国的科创板上市公司。在通过小波分析奇点法处理数据后，利用趋势移动神经网络的灰色预测模型预测估值水平从而更合理地对上市公司进行估值。并根据子数据类型采用灰色预测与时序预测。

【关键词】趋势移动神经网络的灰色预测;上市企业评价;小波分析奇点法;灰色预测;时序预测

1.1.1科创板企业上市估值

市销率（PS）是股票价值比上其每股销售收入。与市盈率相比，市销率波动幅度较小，且销售额一般较为真实。但是市销率也存在着不准确性，主要表现为即使公司的销售收入高速增长，盈利水平也可能变化不大，另外市销率也没有考虑到成本结构在不同公司间存在差异。

市销率的内涵机理为：（1）低市销率更有利;（2）市销率的稳定性很关键。估值溢价与折价水平是股票的价值的一方面。市场对某股票的预期即股票的发行溢价，是公司发展向上的一个代表指标。

小波分析奇点法：信号的奇异点（突变点）往往蕴含着众多的信号的关键信息。小波变换是基于傅里叶变换的进一步完备和拓展，它弥补了傅里叶变换在观察局部时频特性方面的不足（即只能判断奇异信号的整体性质，却不能具体定位突变点），经过改进，既有了良好的波形整体分析能力，又具备了出众的时频域局部化分析能力。设h（t）是函数f（t）和g（）的卷积，即：

在建模的过程中，为准确建模、精确解决问题，考虑到市销率的稳定性，所以在测算2018年的估值水平前，用“小波分析奇点法”对各个公司2009-2018年的市销率数据进行核查，排除掉数据异常的公司，对剩下的公司进行估值水平的测算（即求科创板公司2018年市销率的平均值）。

1.1.2对模型的求解与分析

根据计算，2018年中国A股市场（上证指数成分股）的平均市销率为4.92美国NASDAQ市场的平均市销率为129.03经过计算估值溢价算得美国NASDAQ市场的溢价高于中国，说明中国股票市场更有潜力。

1.2 2018年市场的估值水平测算

在对估值指标与基本面指标、流动性指标之间的关系进行定量分析的过程属于比较复杂的非线性系统，这种系统方程复杂，难以用数学方法建模，在这种情况下，我们选择使用BP神经网络去表达这种非线性系统。得到第j个神经元的输出：

2.趋势移动神经网络的灰色预测模型求解

需要对中国A股市场和美国NASDAQ市场2019年的基本面指标、流动性指标进行预测分析。同问题一，预测前需要对数据进行预处理，针对基本面指标、流动性指标采用趋势移动法、简单移动平均法和加权移动平均法。

在时间序列没有明显的趋势变动时，用简单移动平均法和加权移动平均法来预测能够准确反映实际情况。

由问题二可知，估值指标与基本面指标、流动性指标之间存在定量关系，整合预测指标与历史指标，BP神经网络预测先把输入输出归一化处理，使取值范围限定在[0，1]内，再初始化权值和阈值，使所取的初始化权的值是处于（-1，1）之间的随机数。

3.问题四模型的建立及求解

结果如下

预测值为99.4112。

结论

（1）筛选有效数据较为合理，提高了模型建立的准确性。

（2）使用组合神经网络算法，确认参数间关系，利用灰色模型修正，得到结果误差很小，十分可靠。

（3）该模型具有普适性，适于推广到数据趋势预测，电力负荷预测等领域。模型缺点：建模方法较单一，对于同一问题没有建立多个模型，无法进行多种方法的分析比较。

参考文献：

[1] 基于多维灰色模型及神经网络的销售预测[J].黄鸿云刘卫校丁佐华.软件学报.2017（03）

[2] A study on geotechnical characterization and stability of downstream slope of a tailings dam to improve its storage capacity（Turkey）[J].NazliTunarOzcan，ResatUlusay，NihatSinanIsik.Environmental Earth Sciences.2013（6）

[3] Output feedback direct adaptive neural network control for uncertain SISO nonlinear systems using a fuzzy estimator of the control error[J].Mohamed Chemachema.NeuralNetworks.2012

[4] Neural network-based model for landslide susceptibility and soil longitudinal profile analyses：Two case studies[J].F.Farrokhzad，A.Barari，A.J.Choobbasti，L.B.Ibsen.Journal of African Earth Sciences.2011（5）

[5] A corresponding states treatment of the liquid–vapor saturation line[J].K.Srinivasan，K.C.Ng，S.Velasco，J.A.White.The Journal of Chemical Thermodynamics.2011（1）

[6] Unsteady seepage analysis using local radial basis function-based differential quadrature method[J].M.R.Hashemi，F.Hatam.Applied Mathematical Modelling.2011（10）

[7] Modelling the mechanical behaviour of unsaturated soils using a genetic algorithm-based neural network[J].A.Johari，A.A.Javadi，G.Habibagahi.Computers and Geotechnics.2010（1）

[8] 改進的灰色神经网络预测方法[J].许同乐王营博孟祥川宋汝君.北京邮电大学学报.2018（06）

（作者单位：西华大学电气与电子信息学院）