第 33卷 第 4划 东华大学学报(自然科学版) Vo1．33，No．4
2007 8月 JOURNAI OF I)ONGHUA UN1VERSI FY(NATURAI SCIENCE) Aug．2007
文章编号：1671—0444(2OO7)O4—0431—04
基于神经网络的股票估值综合模型
黄颖嵩 ，任立红 ，丁永生 ，王卫东。
(1．东华大学 信息科学与技术学院，上海 201620；2．教育部数字化纺织服装技术工程研究中心，上海 201620；
3．华龙证券有限公司 投资理财部，上海 200120)
摘 要：鉴于传统估值方法对我国股市不完全适用，结合经济类和工程类研究者对股票估价的一般方法，提出了一
种基于神经网络的股票估值综合模型．模型以上市公司的财务数据、比率因素及历史股价作为输入变量，将市场均价
作为输出值．通过实证分析，显示模型具有良好的估价性能，并．1~tg-l-市赢率估价法，
关键词：股票估值；估值模型；神经网络；市赢率
中图分类号：F 830．9 文献标志码：A
Neural Networks Based Integrated Model for Stock Evaluation
HUANG Ying-song1，REN Li-hong1
，
DING Yong—sheng1,2
，
WANG Wei-dong 3
(1．College of Information Sciences and Technology，Donghua University，Shanghai 201620，China；
2．Engineering Research Center of Digitized Textile＆ Fashion Technology，Ministry of Education，Shanghai 201620。China；
3．Investment Department，China Dragon Securities Corporation Limited，Shanghai 200120，China)
Abstract：Because the traditional method of stock evaluation iS not wholly available for our stock market，the
paper presents a neural networks based integrated model for stock evaluation by considering normal methods of
economic and pro]ect rasearchers on stock pricing．The model takes the corporate finance，ratio factors and history
price as input variables，and sets the average prices as the output variable．According to the real example analysis，
it shows that the model has the better capability in evaluation than price-earnings ratio(P／E)method．
Key words：stock evaluation；evaluation model：neural network；price-earnings ratio
股票估值，是指通过对股票内在价值的评估和
对市场综合性因素的分析，来确定其在市场中的价
格定位．传统的股票估值方法可分为两类：绝对估
值法和相对估值法．前者的思想是股票价格以其内
在价值为基础，认为股票价格总是围绕其内在价值
而上下波动．后者则是通过参考可比公司的某一比
率来对目标公司股票价值进行估值⋯．绝对估值法
中，目前流行的、较有影响的估值方法是现金流贴
现模型．根据所采用的现金流不同，又可分为股利
贴现模型和自由现金流贴现模型．此类模型的基本
思想是将股票看作一种收益凭证，认为公司在未来
所产生的各期收益的现值之和就是股票的价值，股
票价格应该根据其价值来确定心]．其优点是充分表
现出企业价值决定于公司未来盈利能力，不足之处
在于：对于周期性和资本变化非常快的公司因无法
准确预测现金流而难以估价．相对估值法主要有市
收稿日期：2005一O9—29
基金项目：教育部新世纪优秀人才支持计J~1](NCET一04—415)；教育部科技创新工程重大项目培育资金项目(706024)；上海市国际科技
合作基金项目(061307041)
作者简介：黄颖嵩(1980一)，男，上海人，硕士，研究方向为智能系统、智能决策与分析．E-mail：huangys2183(g~citiz．net．任立红(通讯联系
人)，E-mail：lhren@dhu．edu．ca
维普资讯
432 东华大学学报(自然科学版) 第 33卷
盈率法 (P／E)、市净率法 (P／B)和 E EBITDA
法‘3 J．其优点是使用简单方便，清晰表明可比公司
间的关系，缺点在于这类方法只考虑静态和时点上
的情况 J，还会将由于市场对可比公司的错估(高
估或低估)引入到估价之中．
近年来，运用智能信息处理方法对股票估价得
到了广泛研究，如：运用神经网络和遗传算法对历
史股价走势的训练来预测未来股价[sl；运用模糊理
论对影响股市的政策分析来预测股市涨跌‘6 ；运用
粗集理论和支持向量机方法对上证指数做预测‘7
等．这些理论和方法建立了另一种预测和判断股价
的思想，即从数据分析的角度来确定未来股价．其
中研究最多的是采用神经网络来预测股票价格，但
绝大部分研究都是从技术走势的角度来预测股价．
虽然对股票价格的短期预测有较好的效果，但在我
国股票市场中，仅仅依靠股价的技术图形会影响模
型的性能．而且从理论上说，单单考虑历史股价并
不能有效地判断股票估值．
从以上两类研究可以看出，它们在股票定价的
方法和模型上都有一定的优点和缺陷．为此我们根
据两类研究的特点，提出同时结合股票的内在价值
和市场价格因素的综合估值模型．下面将阐述模型
构建的思想，并通过实例来验证其可行性．
股票估值 的综合模型
股票市场是一个开放的非线性系统，影响估值
的因素错综复杂．股票估值是从研究股票定价理论
而来的，股票定价理论是资本市场的核心问题．广
大的研究人员都从各个不同角度来研究股票定价．
根据研究者的专长可分为两类：一类是从事证券、
期货等经济领域的研究者，他们进行研究时，主要
收撇价
每股
收箍
每股现
金流
1l『j予牢
从经济学、金融学的角度来分析企业内在价值和市
场 况，从而对股票进行估值，常用的方法有绝对
估值法和相对估值法；另～类是熟悉算法和模型的
工程领域研究者，他们根据与股票相关的大量数
据，运用智能算法和模型来研究股票价格，神经网
络、遗传算法和模糊理论等是工程类研究人员研究
股票价格的常用方法．
考虑到以上两类方法在股票定价的方法和模
型上都有一定的优点和缺陷，下面提出同时结合股
票的内在价值和市场价格因素的综合估值模型，如
图 1所示．先由绝对估值法或相对估值法得到其内
在价值因素；再将市场股价结合进来，由神经网络
根据内在价值因素及市场股价得到其股票估值．
图 1 股票估值的综合模型
Fig-1 integrated model for stock evaluation
具体实现时，采用最具代表性和应用最为广泛
的BP神经网络来建立模型．BP神经网络是误差反
向传播的多层前馈式网络，其结构如图 2所示．输
入层有 4个变量，分别是：收盘价(P)、每股收益
(E)、每股现金流(F)和市净率(P／B，市净率一股
~r／每股净资产)．选取它们主要是根据大量股票估
值理论资料-8 叫及相关专业人士的经验，其中P代
表了股票的市场价格因素，而E，F和P／B分别代表
— — 、，_— — — — —— 、厂 — —— — —
输入层 隐合层 输出县
图 2 基于 BP神经网络的股票估值模型
Fig．2 The BP neural network based stock evaluation model
圆 囤
维普资讯
第 3期 焚颖嵩，等：培 [1]经网络的股票估值综合模型 433
了公司业绩水平、成长能力和资产质量 3个重要方
面，这3个方面是许多估值方法的常用变量，能够
综合体现公司价值．输出层只有一个变量，即估值
价格，它是从历史数据中选取一段时间股价波动的
平均值．隐含层中设计 3个节点，并用双曲正切函
数作非线性变换．
2 实证分析
2．1 样本选择
训练样本的选择是非常重要的一环．选择样本
的关键就是要使样本集中的公司具有可比性，这就
涉及对上市公司的性质判断和分类问题．首先从定
性上判定上市公司应属于哪一类的行业，然后再根
据其主要产品进行行业细分，这样得到的样本集才
具备可比性．由此所得到的输入数据才能较好地刻
画公司的内在价值．
以沪深两市的高速公路行业为例，以 2003年
上市公司年度财务报表和大智慧证券信息平台提
供的财务指标为依据进行分析．表 1是收集到的高
速公路板块中各个公司的4项指标和估值的数据，
其中，P为 2003年12月31日收盘价；E为2003年
度的每股收益；F为2003年度每股现金流；P／B为
市净率；估值价格是计算收盘价后 4个月的市场平
均价格所得．要使 BP神经网络对样本训练发挥较
好的性能，将输入向量和输出向量量化为零均值和
偏差为1的标准向量，这里用P ，E ，F，和(P／B)
分别表示标准化后的 4个输入变量，结果如表 2
所示．
表 1 高速公路板块中各公司的 4项指标和估值的数据
Table 1 The data for 4 items and stock evaluation
of compan ies in highway group
表 2 标准化后的4项指标和估值的数据
Table 2 Th e standardized data for 4 items and stock evaluation
2．2 样本测试
这里在Matlab 6．1平台上用神经网络工具箱
中的命令进行数据测试．采用有弹回的BP下降算
法来训练网络．该算法能够消除梯度模值太小而导
致的权值和阈值改变量过小，以影响训练速度的
缺点．
样本训练的学习率设为 0．05，训练误差设为
1O_。，训练次数上限设为5 000次．这里将总共 13组
输入变量中的12组作为训练样本，图3和图4为样
图3 训练误差
Fig．3 The training error
图4 训练结果
F嘻 4 The training results
维普资讯
434 东华大学学报 (自然科学版 ) 第 33卷
本训练后所得，揭示了神经网络的性能 『犬况．图 3
表现了整个训练过程中网络收敛速度状况．图 4
中，实线表示理想回归直线，“o”表示数据点，由图 4
可看到“0”全部落在实线上，说明样本数据能与理想
回归直线很好地吻合．R指的是网络输出与目标值之
间的相关性，R一1说明了网络具有很好的性能．
20．
： ：
l0．
8．
2．
0．
2．3 测试结果分析
运用以上训练方法，每次选择板块中的一个股
票作为测试样本，其他股票作为训练样本进行训练，
得到板块中所有股票经过测试后的估值价格．再将其
与较适用于我国证券市场并普遍使用的市赢率估值
法进行比较，如图 5所示．
十 实际估值价格 一本文综合估值法的估价 —_． 市赢率估价
图5 综合估值法与市赢率估价法的比较
F睡 5 The咖 咖 tlle_mt郸ated uat_啪 I }．0d aIld P／E腿t1．0d
从图5中可以发现：(1)综合估值模型的估值价
格与实际的估值价格更为接近．可以明显看到市赢率
估值法得到的估值价格与实际估值价格相差较远．通
过简单统计，本文方法得到的估值价格与实际的平均
偏差仅为5．19％，是市赢率方法的 1／5．这说明本文
方法具备一定的实用价值；(2)测试结果与实际估价
之间仍存在误差，且在某些样本上误差较大，比如福
建高速和赣粤高速．其主要原因是由于上市公司的特
殊题材所致，比如：赣粤高速主要是由于大比例送股
题材得到市场的炒作而导致其价格偏高．但这一题材
并非股票估值的主要因素，所以并没有在模型中体
现，且对股价仅有短期作用，一旦题材兑现，股价仍将
回归．
3 结语
通过分析两类研究者对股票估值的方法，本文
同时考虑股票的历史价格和公司价值因素，提出了一
种新的基于神经网络的综合估值模型．相对于传统估
值模型只考虑单方面因素的缺陷，该模型不但考虑了
公司的内在价值，又横向对比市场中的同类公司股价
水平，从而能够综合评价一家上市公司应有的价值．
这里不仅对股票估值方法是一种新的尝试，也给其他
智能计算方法在股票定价研究中的应用提供了新
思路．
参 考 文 献
[1] GORDON S，sAMSoN I． mI I1g Consumption-Based
Asset-Pricing Models[J]．C．~tdifln Journal of Ec0l1cm cS．2002，
35(3)：586—610．
[2] 陈海明，许 琳．股票定价理论的发展及其对我国的适用性研
究[J]．中央财经大学学报，2003，(12)：40—43．
[3] 马静如．中外股票市场市赢率比较研究[J]．南开经济研究．
2004，(4)：85—88．
[4] Aswath I)日Ⅱ aran．投资估价[M]．北京：清华大学出版社，
1999：12—13．
[5] 孙 全，朱 江．基于遗传神经网络的股票价格短期预测[n
计算机工程与应用，2002，(5)：237—239．
[6] 王素芬，彭林元．智能信息处理方法在股市研究中的应用[J]．
中央财经大学学报，2003，(6)：46—51．
[7] 朱 林．何建敏，常 松．粗集与神经网络相结合的股票价格
预测模型[J]．中国管理科学，2002，10(4)：7一l2．
[8] 方 芳，周道传，李 由．资本市场中企业价值评估方法[J]．
经济理论与经济管理，2003，(6)：39—44．
[9] 李 璩．成长型企业价值评估方法比较分析 [J]．管理科学，
2003，16(5)：27—30．
[1O] 孙国茂．公司价值理论与股票定价[M]．中央财经大学学报，
2002，(4)：43—47．
维普资讯
