李霞，王雪晴，姜壯壯

科創(chuàng)板企業(yè)上市估值水平預(yù)測模型

李霞，王雪晴，姜壯壯

（安徽財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，安徽 蚌埠 233030）

隨著科創(chuàng)板在上海試行，并受理了多家企業(yè)的上市申請，投資市場對科創(chuàng)板愈發(fā)關(guān)注，科創(chuàng)板企業(yè)的估值方法也成了當(dāng)下研究的熱點(diǎn)問題．借鑒中國A股市場和美國Nasdaq市場的估值方法，用市銷率這一指標(biāo)預(yù)測科創(chuàng)板企業(yè)上市后的估值水平，通過聚類分析與Min-max標(biāo)準(zhǔn)化處理構(gòu)建多元回歸模型，運(yùn)用Matlab軟件進(jìn)行求解，對美國Nasdaq市場與中國A股市場的估值指標(biāo)與基本面數(shù)據(jù)和動(dòng)性數(shù)據(jù)進(jìn)行對比分析，參照美國Nasdaq市場的估值量化模型和中國A股市場的流動(dòng)性指標(biāo)，運(yùn)用灰色預(yù)測模型對我國首批科創(chuàng)板企業(yè)上市后的估值水平進(jìn)行預(yù)測．模型為科創(chuàng)企業(yè)提高自身估值水平提供新思路，有助于科技創(chuàng)新型企業(yè)進(jìn)行企業(yè)團(tuán)隊(duì)管理、技術(shù)提高、資源配置等決策，同時(shí)能夠?yàn)橥顿Y者進(jìn)行投資決策時(shí)提供更加全面客觀的數(shù)據(jù)方案．

科創(chuàng)板企業(yè)；回歸分析模型；灰色預(yù)測；Min-max標(biāo)準(zhǔn)化；估值水平

科創(chuàng)板作為資本市場與科技創(chuàng)新高度融合的產(chǎn)物，具有科技創(chuàng)新所存在的投資回報(bào)周期長、投資風(fēng)險(xiǎn)高等特點(diǎn)．因此，科技創(chuàng)新型企業(yè)需要長期資本投入進(jìn)行資金支持，資本市場投資者在投資前對于科創(chuàng)板上市公司盈利能力等方面往往會(huì)進(jìn)行充分細(xì)致的考量，科創(chuàng)板企業(yè)估值水平則成為其重要參考指標(biāo)．

企業(yè)估值是指在考慮多種盈利能力因素后將企業(yè)作為一個(gè)整體對企業(yè)全部資產(chǎn)價(jià)值和股東權(quán)益等進(jìn)行分析估算，但是由于大部分科創(chuàng)板企業(yè)尚未盈利，科創(chuàng)板對于上市企業(yè)的盈利情況暫時(shí)不作要求，因此不便使用傳統(tǒng)上市公司企業(yè)采用的市盈率法．張賀[1]指出，新三板掛牌企業(yè)如果想轉(zhuǎn)戰(zhàn)科創(chuàng)板，市場估值這關(guān)最難過，必須要持續(xù)估值維護(hù)而且需要進(jìn)行持續(xù)督導(dǎo)；潘向東[2]根據(jù)企業(yè)生命周期模型進(jìn)行區(qū)分估值，每一時(shí)期采取不同的估值方法，同時(shí)需要考慮科創(chuàng)企業(yè)所采用的新的商業(yè)模式，估值難度較大；鐘格[3]指出，由于科創(chuàng)企業(yè)高新的特點(diǎn)，很難找到類似的公司作為參考，同時(shí)由于多數(shù)是初創(chuàng)公司，缺乏往年的數(shù)據(jù)，如何重建一個(gè)全新而有效的估值系統(tǒng)將是很長一段時(shí)間內(nèi)需要面對的難題．

現(xiàn)階段國內(nèi)對于企業(yè)估值進(jìn)行的研究大多停留在具有豐富數(shù)據(jù)的傳統(tǒng)行業(yè)，對初創(chuàng)時(shí)期的科創(chuàng)板企業(yè)而言，現(xiàn)有階段的估值方法具有一定的局限性，無法隨著科創(chuàng)企業(yè)產(chǎn)業(yè)結(jié)構(gòu)的變化進(jìn)行動(dòng)態(tài)調(diào)整．由于科創(chuàng)板主要面向尚未進(jìn)入成熟期但具有成長潛力，且滿足于科技型和創(chuàng)新型特征的中小企業(yè)[4]，相似于美國納斯達(dá)克（NASDAQ）市場的運(yùn)作模式[5]．因此，對于科創(chuàng)板上市公司進(jìn)行估值可以參考美國市場納斯達(dá)克上市公司的平均市銷率，但同時(shí)要考慮中國與美國市場上基本面數(shù)據(jù)和流動(dòng)性數(shù)據(jù)所存在的差異，考慮２個(gè)市場上企業(yè)的盈利能力和投資者結(jié)構(gòu)的不同，在綜合分析中國與美國股票市場估值水平的基礎(chǔ)上，對科創(chuàng)板上市公司估值水平進(jìn)行預(yù)測．

本文在科創(chuàng)板企業(yè)估值水平預(yù)測研究中所采用的模型對今后我國科創(chuàng)企業(yè)估值研究具有參考價(jià)值，為科創(chuàng)企業(yè)提高自身估值水平提供新思路，有助于科技創(chuàng)新型企業(yè)進(jìn)行企業(yè)團(tuán)隊(duì)管理、技術(shù)提高、資源配置等決策，同時(shí)能夠?yàn)橥顿Y者進(jìn)行投資決策時(shí)提供更加全面客觀的數(shù)據(jù)方案．

1 數(shù)據(jù)來源及預(yù)處理

本文數(shù)據(jù)來源于國泰安數(shù)據(jù)服務(wù)中心2009—2018年中國A股市場與美國Nasdaq市場的基本面數(shù)據(jù)和流動(dòng)性數(shù)據(jù)．根據(jù)我國宏觀經(jīng)濟(jì)政策以及已有研究成果，選取年度營業(yè)收入、年度歸母凈利潤和年度凈資產(chǎn)收益率作為基本面指標(biāo)；年度單只股票交易量、年度單只股票平均換手率和年度單只股票交易金額作為流動(dòng)性指標(biāo)[6]．由于國內(nèi)市場與美國市場上市的企業(yè)盈利能力不同以及投資者結(jié)構(gòu)不同，造成基本面與流動(dòng)性均存在較大差異，在假設(shè)不會(huì)發(fā)生重大金融危機(jī)的情況下[7]，對數(shù)據(jù)進(jìn)行預(yù)處理和聚類分析，選取平均市銷率作為估值水平．

因?yàn)槲覈C券市場規(guī)定上市公司連續(xù)３年虧損將面臨退市風(fēng)險(xiǎn)，可能在第３年易出現(xiàn)財(cái)務(wù)造假等情況，故選擇３年為一個(gè)周期．將３年中的第１年作為目標(biāo)年，篩選出目標(biāo)年中市銷率為零的公司，與目標(biāo)年前２年該公司的市銷率作對比，如果連續(xù)3年市銷率均為零，則判定該公司數(shù)據(jù)錯(cuò)誤，刪掉該公司的數(shù)據(jù)，不用其進(jìn)行平均市銷率的計(jì)算．

在數(shù)據(jù)預(yù)處理后，對每個(gè)年份的市銷率運(yùn)用算術(shù)平均數(shù)進(jìn)行計(jì)算，算出每年的平均市銷率（見表１），再將2011—2018年的平均市銷率進(jìn)行算術(shù)平均，計(jì)算出A股市場和Nasdaq市場的總平均市銷率分別為41.98%，82.14%．

表1 A股市場與Nasdaq市場的平均市銷率　?。?）

通過經(jīng)驗(yàn)和先驗(yàn)知識可以尋找市銷率與基本面指標(biāo)、流動(dòng)性指標(biāo)之間的一個(gè)函數(shù)關(guān)系，使函數(shù)對數(shù)據(jù)擬合度最高．由于數(shù)據(jù)自變量因變量之間差值過大，無法直接進(jìn)行線性擬合，故對數(shù)據(jù)進(jìn)行Min-max標(biāo)準(zhǔn)化處理．

處理后得到中國A股市場與美國NASDAQ市場標(biāo)準(zhǔn)化的基本面數(shù)據(jù)與流動(dòng)性數(shù)據(jù)（見表２~３）．

表2 中國A股市場數(shù)據(jù)標(biāo)準(zhǔn)化

表3　美國Nasdaq市場數(shù)據(jù)標(biāo)準(zhǔn)化

2　多元回歸分析

在實(shí)際經(jīng)濟(jì)問題中，一個(gè)變量往往受多個(gè)變量的影響，選取的基本面指標(biāo)受年度營業(yè)收入、年度歸母凈利潤和年度凈資產(chǎn)收益率的影響，流動(dòng)性指標(biāo)受單只股票交易量、年度單只股票交易金額和年度單只股票平均換手率影響．因此，可以建立指標(biāo)與變量之間的多元線性回歸方程，探究其關(guān)系．

2.1　多元線性回歸分析模型

構(gòu)建多元線性回歸分析模型

2.2 構(gòu)建模型

構(gòu)建模型

用Matlab程序求解，結(jié)果見表４．

表4 Matlab程序求解出的2個(gè)市場的值

2.3 應(yīng)用分析

由表4可以看出，年度營業(yè)收入、年度歸母凈利潤、年度單只股票交易量和年度單只股票交易金額等多個(gè)指標(biāo)對2個(gè)市場的影響是不同的，其中對于國內(nèi)影響最大的是年度單只股票交易金額，對于國外影響最大的是年度單只股票交易量，說明單筆交易的價(jià)格國內(nèi)國外有顯著不同，其次營業(yè)收入和年成交額對國內(nèi)影響為負(fù)，對國外影響為正，年度歸母凈利潤和年度單只股票交易量對國內(nèi)影響為正，對國外影響為負(fù)，說明各指標(biāo)對于國內(nèi)外的影響方向有多個(gè)維度的顯著不同[9]．

2.4 擬合度分析

3 灰色預(yù)測模型

為保證模型方法可行性，對已知數(shù)據(jù)列進(jìn)行必要的檢驗(yàn)處理，對已知參考數(shù)列

進(jìn)行累加生成新數(shù)列，構(gòu)建均值數(shù)列后建立微分方程，即

求解得

計(jì)算殘差，結(jié)果見表5．因?yàn)閿?shù)據(jù)使用了Min-max標(biāo)準(zhǔn)化處理，所以2011年度原始數(shù)據(jù)為0，無法使用公式計(jì)算其殘差．

表5 殘差數(shù)值

由表5可以看出，大部分年份的殘差絕對值都在0.1之下，2016年和2012年殘差絕對值大于0.1，但是也未超過0.2，故該模型的精度較高，可進(jìn)行預(yù)測和預(yù)報(bào)．

類似地，對2019年年度營業(yè)收入、年度歸母凈利潤、年度凈資產(chǎn)收益率、年度單只股票交易量、年度單只股票平均換手率和年度單只股票交易額進(jìn)行預(yù)測，結(jié)果見表6．

表6　2019年預(yù)測數(shù)據(jù)

4 預(yù)測科創(chuàng)板上市公司估值水平

根據(jù)回歸分析模型可知，估值水平由基本面指標(biāo)和流動(dòng)性指標(biāo)共同決定，故公式可以簡化表達(dá)

式（6）表示某一年流動(dòng)性指標(biāo)．

某一年的流動(dòng)性指標(biāo)存在偶然因素的影響，不能代表國內(nèi)流動(dòng)性指標(biāo)的一般水平，故通過平均值（9年）來代表近年來流動(dòng)性指標(biāo)的一般水平，即

從而使預(yù)測出的我國首批科創(chuàng)板企業(yè)上市后估值水平流動(dòng)性指標(biāo)更加精確．

對國內(nèi)外估值水平進(jìn)行匯總處理，得到國內(nèi)外估值水平走勢（見圖1）．

圖1　國內(nèi)外估值水平走勢

5 結(jié)語

我國科創(chuàng)板正處于發(fā)展初期，科創(chuàng)板的持續(xù)發(fā)展或?qū)⒔o資本市場帶來巨大的變革，估值水平則是一切資本融通的基礎(chǔ)，只有企業(yè)價(jià)值得到有效估計(jì)并計(jì)量，投資者才能夠?qū)㈤L期資金投入科創(chuàng)板市場．本文通過構(gòu)建數(shù)學(xué)模型對影響中國A股市場與美國NASDAQ市場估值水平的基本面與流動(dòng)性數(shù)據(jù)進(jìn)行深入分析，發(fā)現(xiàn)各指標(biāo)對市場造成的影響存在差異性．參考美國Nasdaq市場的估值量化模型和中國A股市場的流動(dòng)性指標(biāo)對科創(chuàng)板上市企業(yè)進(jìn)行估值水平預(yù)測．灰色預(yù)測模型不需要大量樣本，也不需要樣本有規(guī)律的分布，因此預(yù)測準(zhǔn)確度較高[12]．同時(shí)本文模型的建立有較為成熟的理論基礎(chǔ)和相應(yīng)的專業(yè)軟件支持，借鑒性較高，有助于行業(yè)對今后企業(yè)發(fā)展進(jìn)行估值預(yù)測，或?qū)椭髽I(yè)更好地發(fā)展，投資者更加合理地分配資金資源．

[1] 張賀．做不好估值管理一切免談新三板企業(yè)“進(jìn)擊”科創(chuàng)板最大難關(guān)[J]．董事會(huì)，2019（4）：72-73

[2] 潘向東．管控風(fēng)險(xiǎn)合理估值穩(wěn)健投資科創(chuàng)板[N]．中國證券報(bào)，2019-04-02（A4）

[3] 鐘格．科創(chuàng)板將重塑市場估值體系[N]．中國證券報(bào)，2019-03-02（A7）

[4] 邵玫．或成戰(zhàn)略新興板孵化池·上?？苿?chuàng)板推出倒計(jì)時(shí)[J]．滬港經(jīng)濟(jì)，2015（11）：38-41

[5] 張新星．創(chuàng)業(yè)板與納斯達(dá)克的關(guān)聯(lián)性研究[D]．天津：天津財(cái)經(jīng)大學(xué)，2014

[6] 章金玲．A股上市銀行估值影響因素研究[D]．杭州：浙江大學(xué)，2018

[7] 司守奎．?dāng)?shù)學(xué)建模算法與應(yīng)用[M]．北京：國防工業(yè)出版社，2011

[8] Berry J S．Teaching and Applying Mathematical Modeling[M]．Newyork：John Wiley & Sons，1984

[9] 吳琳娜．經(jīng)典估值理論在周期性行業(yè)的應(yīng)用研究[D]．上海：華東師范大學(xué)，2006

[10] 姜啟源，謝金星，葉俊．?dāng)?shù)學(xué)模型[M]．4版．北京：高等教育出版社，2011

[11] 王惠文，孟潔．多元線性回歸的預(yù)測建模方法[J]．北京航空航天大學(xué)學(xué)報(bào)，2007（4）：500-504

[12] 韓中庚．?dāng)?shù)學(xué)建模方法及其應(yīng)用[M]．北京：高等教育出版社，2005

Prediction model of valuation level of SSE STAR Market enterprises

LI Xia，WANG Xueqing，JIANG Zhuangzhuang

（School of Accounting，Anhui University of Finance and Economics，Bengbu 233030，China）

With the trial implementation of SSE STAR Market in Shanghai and the acceptance of listing applications of many enterprises，the investment market has paid more and more attention to SSE STAR Market，and the valuation method of SSE STAR Market enterprises has become a hot issue of current research．Using the valuation methods of Chinese A-share market and US Nasdaq market for reference，forecasts the valuation level of the valuation level of SSE STAR Market enterprises after listing with the index of market sales rate，then constructs a multiple regression model through clustering analysis and Min-max standardized processing，meanwhile uses Matlab software to solve the problem．Finally，makes a comparative analysis of the valuation indexes，fundamental data and dynamic data between the US Nasdaq market and Chinese A-share market．Referring to the quantitative valuation model of the US Nasdaq market and the liquidity index of Chinese A-share market，the grey prediction model is used to predict the valuation level of Chinese first batch of SSE STAR Market enterprises after listing．The model provides new ideas for science and technology innovation enterprises to improve their own valuation level，helps science and technology innovation enterprises to make decisions on enterprise team management, technology improvement, resource allocation，etc，and provides more comprehensive and objective data scheme for investors to make investment decisions．

SSE STAR Market enterprise；regression analysis model；grey prediction；Min-max standardization；valuation level

O29

A

10.3969/j.issn.1007-9831.2020.03.007

1007-9831（2020）03-0037-06

2019-12-02

安徽省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（201810378536）——環(huán)境保護(hù)投融資主體行為的動(dòng)態(tài)博弈模型分析研究——以皖江城市帶為例

李霞（1981-），女，山西臨汾人，副教授，從事財(cái)務(wù)理論與方法研究．E-mail：403424113@qq.com