基于灰色预测算法与多元回归分析模型的股市估值方法技术

本发明专利技术提出了一种基于灰色预测算法与多元回归分析模型的股市估值方法，包括以下步骤：S1、作数据一阶累加，形成数据序列，获得相应的灰微分方程；S2：求解灰微分方程的参数；S3：建立生成数据序列模型求解微分方程，得到预测模型；S4：建立原始数据序列模型，即由累减生成原始数据序列的模拟序列值；S5：求解估值指标。本发明专利技术将灰色预测算法和多元回归模型相结合，在绝对估值领域，改进后地算法能弥补DCF股权自由现金流模型的不足，更加准确快速地解决股市估值问题。

【技术实现步骤摘要】
基于灰色预测算法与多元回归分析模型的股市估值方法
本专利技术涉及一种股市估值方法，具体的说是一种基于灰色预测算法与多元回归分析模型的股市估值方法，属于企业股市估值

技术介绍
股市估值对市场具有重要作用，并且估值指标与当期其他基本指标、流动性指标存在着较强的因果关系，但全球方法却暂未统一。由于当期的基本指标、流动性指标等股市指标很难获得，而以前年度的相关指标确定，所以在绝对估值中，需要运用以前年度的基本指标、流动性指标计算当期的股市估值。但常用的DCF股权自由现金流模型对于处于扩张期的企业未来发展的不确定性较大，准确判断较为困难。
技术实现思路
本专利技术所要解决的技术问题是如何基于以往年度的相关指标进行股市估值，并提高估值准确度。本专利技术提供一种基于灰色预测算法与多元回归分析模型的股市估值方法，包括以下步骤：S1、作数据一阶累加，形成数据序列，获得相应的灰微分方程；S2：求解灰微分方程的参数；S3：建立生成数据序列模型求解微分方程，得到预测模型；S4：对本年度基本面指标、本年度流动性指标进行预测，即由累减生成原始数据序列的模拟序列值；S5：求解估值指标。进一步的，所述S1具体包括：设时间序列X(0)有n个观测值X(0)＝{X(0)(1),X(0)(2),...,X(0)(n)}，通过累加生成新序列X(1)＝{X(1)(1),X(1)(2),...,X(1)(n)}，则GM(1,1)模型相应的灰微分方程为：其中：a为发展灰度，μ为内生控制灰度。进一步的，所述S2具体包括：设δ为待估参数向量，利用最小二乘法求解可得：其中：进一步的，所述S3具体包括：进一步的，所述S4具体包括：此处的是原始序列X(0)(k)(k＝1,2…10)的拟合值是原始数据序列的预测值。进一步的，所述S5具体包括：通过上述灰色预测得到基本面指标、流动性指标综合起来分析，建立多元回归模型起对估值指标进行求解：y＝β0+β1x1+β2x2+…+βpxp+ε，根据已知估值指标和基本面指标、流动性指标构造如下矩阵：其中，β表示回归系数矩阵，为待估参数矩阵；X为上述预测得到的基本面指标、流动性指标组成的常数矩阵；ε是随机误差矩阵；Y为估值指标矩阵；n为样本总数。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1.本专利技术将灰色预测算法和多元回归模型相结合，在绝对估值领域，改进后地算法能弥补DCF股权自由现金流模型的不足，更加准确快速地解决股市估值问题。2.本专利技术针对“绝对定价”的股市估值，考虑到系统的灰色属性，用前年度的数据计算当期指标数据，相较于已有算法更为精准。3.本专利技术的提出更好的优化算法，使得算法在面对不同背景企业时增大估值算法的适用性与灵活性。附图说明图1为本专利技术基于灰色预测算法与多元回归分析模型的股市估值方法步骤流程图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明。本实施例提出了一种基于灰色预测算法与多元回归分析模型的股市估值方法，包括如下步骤：通过已有年度营业收入、年度归母净利润、年度净资产收益率等基本面分析及年度单只股票交易量、年度单只股票交易金额、年度单只股票平均换手率等流动性指标的数据一阶累加，形成此些估值指标的数据序列。S1：设基本面指标、流动性指标等股市指标时间序列X(0)有n个观测值X(0)＝{X(0)(1),X(0)(2),...,X(0)(n)}。S2：通过累加生成新序列X(1)＝{X(1)(1),X(1)(2),...,X(1)(n)}。S3：得出GM(1,1)模型相应的灰微分方程为：其中：a为基本面指标、流动性指标等股市指标数据序列的发展灰度，μ为内生控制灰度。S4:求参数a和u设δ为待估参数向量,利用最小二乘法求解可得：其中：S5:求解微分方程建立生成数据序列模型求解方程，得到基本面指标、流动性指标等股市指标预测模型：S6:模拟序列值建立基本面指标、流动性指标等股市指标原始数据序列模型，即由累减生成原始股市指标数据序列的模拟序列值；此处的是股市指标原始序列X(0)(k)(k＝1,2…10)的拟合值是原始数据序列的预测值。S7:求解本年度基本面指标、流动性指标等股市指标估值指标通过灰色预测得到基本面指标、流动性指标综合起来分析，建立多元回归模型起对估值指标进行求解：y＝β0+β1x1+β2x2+…+βpxp+ε根据已知基本面指标、流动性指标构造如下矩阵：其中，β表示回归系数矩阵，由专利一种基于灰色关联算法和多元回归模型验证结合的股市指标间关系的求解方法得到；X为上述预测得基本面指标、流动性指标组成的常数矩阵；ε是随机误差矩阵；Y为估值指标矩阵；n为样本总数。综上所述，本专利技术将灰色预测算法和多元回归模型相结合，在绝对估值领域，改进后地算法能弥补DCF股权自由现金流模型的不足，更加准确快速地解决股市估值问题。考虑到系统的灰色属性，用前年度的数据计算当期指标数据，相较于已有算法更为精准。本专利技术提出更好的优化算法，使得算法在面对不同背景企业时增大估值算法的适用性与灵活性。以上所述，仅为本专利技术中的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉该技术的人在本专利技术所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本专利技术的包含范围之内，因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
1.一种基于灰色预测算法与多元回归分析模型的股市估值方法，其特征在于，包括以下步骤：/nS1、作数据一阶累加，形成数据序列，获得相应的灰微分方程；/nS2：求解灰微分方程的参数；/nS3：建立生成数据序列模型求解微分方程，得到预测模型；/nS4：对本年度基本面指标、本年度流动性指标进行预测，即由累减生成原始数据序列的模拟序列值；/nS5：求解估值指标。/n

【技术特征摘要】
1.一种基于灰色预测算法与多元回归分析模型的股市估值方法，其特征在于，包括以下步骤：
S1、作数据一阶累加，形成数据序列，获得相应的灰微分方程；
S2：求解灰微分方程的参数；
S3：建立生成数据序列模型求解微分方程，得到预测模型；
S4：对本年度基本面指标、本年度流动性指标进行预测，即由累减生成原始数据序列的模拟序列值；
S5：求解估值指标。


2.根据权利要求1所述的一种基于灰色预测算法与多元回归分析模型的股市估值的求解模型，其特征在于，所述S1具体包括：
设时间序列X(0)有n个观测值X(0)＝{X(0)(1),X(0)(2),...,X(0)(n)}，通过累加生成新序列X(1)＝{X(1)(1),X(1)(2),...,X(1)(n)}，则GM(1,1)模型相应的灰微分方程为：
其中：a为发展灰度，μ为内生控制灰度。


3.根据权利要求2所述的基于灰色预测算法与多元回归分析模型的股市估值方法，其特征在于，所述S2具体包括：
设δ为待估参数向量，利用最小二乘法求解可得：

【专利技术属性】
技术研发人员：郭靖，蔡佳佳，张艺斌，连晓娟，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32