期刊大全 杂志订阅 SCI期刊 投稿指导 期刊服务 文秘服务 出版社 登录/注册 购物车(0)

首页 > 精品范文 > 股票投资可行性分析

股票投资可行性分析精品(七篇)

时间:2023-07-06 16:12:40

股票投资可行性分析

篇(1)

【关键词】股票投资 概率论 数理统计 运用

投资是为了获利,股票投资作为一种高风险、高回报的投资在兴起以来就受到了人们的关注,特别是近年来炒股的人越来越多,一夜暴富与瞬间一贫如洗都有可能出现。股票投资有风险,股票市场其实是一个巨大的随机系统,在这个系统当中出现的许多现象都具有极大的随机性,所以对股票投资进行概率分析是可行的。概率论对不确定性或者随机性进行研究的科学,是通过对大量的现象的分析,科学的判断某类现象出现的可能性大小。数理统计是概率论的发展和深化研究,这两种理论在股票投资中的运用都对股票投资具有重要的指导意义。下面先讲一讲概率论在股票投资中的运用。

一、概率论在股票投资中的运用

股票投资是一个过程,从股票的选择到最后获得股票收益都存在一定的风险,股票投资就是一种风险投资,在投资的过程当中运用科学的方法进行分析研究,可以降低风险,概率论就是这样一种方法。

(一)概率论的内涵

概率论是对大量随机现象进行理性分析,从而对某一个现象出现的可能性大小做出科学判断。对这些得出的结果进行研究,比较这些可能性的大小,研究这些可能性之间的联系,预测可能会出现的问题是概率论的理论方法。概率论因其对随机现象的科学、客观分析被大量的运用到各个行业领域当中,并且产生了一系列的其他理论。特别是在风险投资当中,概率论更是体现了它的优越性。股票市场看是无规律可循,其中的现象也是随机现象,概率论就是研究这些随机现象,并且在这些随机现象当中找到规律性的一种研究方法。概率论的运用在股票投资中直接关系着股票投资的各方面。

(二)概率论与股票选择

股票投资具有很大的风险,股市也是一个随时在变化的系统,不存在绝对或肯定的真理,具体我们可以这么理解,就是在股市中不存在完全的肯定的走好的股票曲线,同时也不存在完全否定的不走好的股票曲线。股票选择是进行股票投资最为重要的一步,股票风险的大小也和这一步有密切的联系。选择一支好股票是股票投资者的期望,这不仅可以获得较好的收益,也可以规避股票的固有风险。股票的价格波动幅度相较于其他投资方式来说比较大,要在股市当中立于不败之地必须要谨慎的选择投资对象。股票市场上任何一个股票曲线其走势都不是绝对的,走好的情况不是绝对的,走坏的情况也不是绝对的,具有较大的随机性,所以对这类曲线不能深信不疑。运用概率论对这随机性曲线进行研究,计算出相应的走好或者走坏的概率有多少,哪种情况的概率较大,哪种较小,研究它们之间有什么联系,可以对股票的投资选择提供可靠的参考。但是这种研究结果在实际的选择上也只能作为一种不错的参考,具体的情况还要结合实际情况和经验教训做出选择。

在具体的股票投资中,如果能够很好的运用这些概率数据分析,就会将投资的利润率最大可能地提高

1.概率论与具体炒作尺度

如果股票的一类图形走好的概率是90%,就说明10支股票中存在9支是走势较好的,就可以选择大胆地满仓操作;如果股票的一类图形走好的概率是70%,就说明10支股票中存在7支是走势较好的,就可以选择在1/2以上的仓位进行操作;如果股票的一类图形走好的概率是50%或者是以下,就要慎重进行投资了,一旦投资失利,就会造成亏损,所以最好不要进行投资。但是也不是说所有的图形都是适用的,这需要具体问题具体分析,例如有的图形其中有1只股票涨得非常好,但同类的其它图形涨势都不好,仔细分析可以发现这种图形说明的是赚钱的概率微乎其微,如果能够赚钱也完全是运气好,因此最好慎重投资,或尽量不要投资。

2.概率论与创新高存在不准确理论

所谓的概率论与创新高存在不准确理论就是说不一定创新高的股票就是好股票,因为好股票的图形就是要走好,必然90%要创新高,不创新高,就不能产生很高的价差。相反,创新高后的股票并不一定都能够继续走好,因为在大盘走势好的情况下,创新高后能够继续上涨,才是真的突破,若大势不好,创新高后绝大多数的股票都不能走好,就不能实现真的突破。

3.概率论与股评

股票投资者在进行股票选择的时候往往会参考其他股票投资者的股票推荐,这种股票推荐是建立在一定的实践验证基础之上的。股票投资无论到最后是赚或者是赔都具有一定的随机性,所以可以运用概率论进行风险研究。有的股票推荐者倒是推荐了一大堆股票,赚钱的股票也不少,但是只占推荐当中的极少一部分,在宣传的时候隐去其他不说,大肆宣扬那几支赚钱的,这种推荐不是一种有效的参考。运用概率论对股票进行这种赚赔的计算,哪些股票赚的几率大,哪些赔的几率大,可以为股票投资者提供选择的参考。

二、数理统计在股票投资中的运用

(一)数理统计的内涵

数理统计是随着概率论而发展起来的,它研究如何收集、整理以及分析研究受随机因素影响的数据,并据此对所关注的问题作出预测,从而为采取或者作出决策提供有效可靠的依据。二十世纪以后数理统计的假设检验、回归分析等等理论广泛的运用到各个理论,特别是近年来计算机技术的普遍运用,使数理统计不断发展。

(二)回归分析与股票投资

作为数理统计方法之一的回归分析是一种研究一个随机变量对另一个随机变量的依存关系的研究方法。这种数理统计方法可以按照研究变量的多少,自变量和因变量间的关系分为一元线性回归分析和多元线性回归分析。运用到股票投资当中可以起到一个有效的预测作用,具体的操作方法是利用若干个既定的样本值得出关于这些样本值的曲线,再根据这个样本值来预测下一个可能会出现的值。回归分析法不仅可以风险预测某一支股票的收益也可以预测它的收益可能会出现的下跌情况。对于股票投资来说这种方法对某一支股票接下来的可能走向的预测,从而为股票投资者提供决策建议。但是回归分析是以一定合理的定性分析为基础的,没有这种基础,那么所得出了结论就不一定可靠。下面以一元线性回归分析为例对股票投资收入进行了分析,具体如下:

假定观察值样本为:n,得出样本回归线,再通过它估算第n+1个值。某证券公司的投资收入见表1。

表1 某证券公司投资收入表

年度 2005 2006 2007 2008 2009 2010 2011

股票投资

/千万 120 160 190 270 320 400 450

通过表中的数据可以预测该证券公司在2012年、2013年的股票投资收益状况。通过作散点图分析,可用一元线性回归进行预测。为了使计算起来更加方便,可设X1=-3,X2 =-2,X3=-1,X4 =0,X5=1,X6=2,X7=3,那么2012年、2013年则分别为X8=4、X9=5。Y1=120;Y2-:160;Y3-=190;Y4-=270;Y5-=320;Y6-=400;Y7-=450;因为ΣXi=0,所以可将其带入公式中得到参数a0、a1。

=1910/7=272.86

=1460/28=52.14

所以得样本回归线为272.86+52.14X,由此回归线,2012年、2013年的投资收益的预测值可计算如下:

Y2012=272.86+52.14×4=481.42 (千万元)

Y2013=272.86+52.14×5=533.56(千万元)

三、总结

股票的投资风险是存在的,不能消除,只能规避,所以采取有效的措施可以降低风险。概率论和数理统计都在股票投资当中扮演者十分重要的角色,它们可以减少股票投资风险,为投资决策提供比较可靠的建议,获得投资效益。无论是概率论还是数理统计都是建立在对大量随机现象的分析之上,以这种方法来对股票投资进行决策指导是有用的,对于投资者来说,也是一种理性的选择。

参考文献

[1]侯新华.概率论在股票投资中的运用[J].湖南工业职业技术学院学报,2005(01).

[2]徐丙臣,吴玉华.股票投资的风险规避[J].技术经济与管理研究,2002(02).

[3]郝萃菊.回归分析对股票投资的预测作用[J].青海社会科学,2008(04).

篇(2)

【关键词】金融市场 羊群效应 风险 收益 价值投资

一、金融市场概述

金融市场是指资金供应者和资金需求者双方通过作用工具进行交易而融通资金的市场。换句话说,金融市场是实现货币借贷和资金融通、办理各种票据和有价证券交易活动的市场。作为资金融通的市场,其构成十分复杂,是由许多不同的市场组成的一个庞大体系。金融市场是一个动态开放的市场,其参与者众多,人们倾向于认为多数的决定是最合理的,进而引申出羊群效应这种不利于资本市场持续健康发展的非理。一般根据金融市场上交易工具的期限,把金融市场分为货币市场和资本市场两大类。当前,我国证券市场中股价波动较大。一方面,股价波动是股票的固有属性,是受证券市场的不确定性、信息不对称、投资者的风险偏好程度等因素的影响和制约的。另一方面,股价暴涨将引起股市泡沫,且这种虚幻繁荣有投机性、价格高估、突发性、联动性等特点。

二、金融市场中多数投资者的行为分析

金融市场运作的虚拟性和信息的不对称性,使股票投资具有极大的风险。近年来证券市场在各个方面都出现了极其复杂的变化,导致市场操作难度加大。在国际化、全流通、专业化、价值化等视野下,投资者必须思考如何运进行股票投资,在买卖股票时需采用什么样的投资理念、方法和策略,以及应该优先买卖什么样的股票。然而,就目前而言,绝大多数的投资者都没有意识到这一点,羊群效应这种非理性的行为就像魔咒一样,不断左右着广大投资者的思想。

羊群效应是指投资者在信息环境不确定的情况下,行为受到其他投资者的影响,模仿他人决策,或者过度依赖于舆论。即市场中的压倒多数的观念,而不考虑自己的信息的行为。由于羊群行为涉及多个投资主体的相关,对于市场的稳定性、效率有很大影响。我国投资者的理性意识还不健全,跟风等各种非理现象比较突出。研究表明,在市场大幅下挫的时候给投资者带来的抛售压力明显大于在市场上涨时给投资者带来的购买冲动。在市场大幅下挫时,大盘的走低使得大部分投资者担心自己持有的股票价格也会大幅下挫,于是纷纷抛出股票,这种卖方的羊群行为反过来使得许多股票价格同时下降,这样形成了价格下降和抛售羊群行为之间的正反馈。在市场大幅上升时,虽然有一些投资者看好市场,大幅增仓,但是也有些投资者担心价格过高而不愿跟入,此时投资者的行为相对分散,跟风行为低于在熊市中的羊群行为。

三、股票投资中的风险及收益的再认识及价值投资理念的引入

1、风险

所谓风险,一般的理解是指遭受各种损失的可能性。股票投资的风险是指实际获得的收益低于预期收益的可能性,而造成这种可能性的原因是股息的减少和股票价格的非预期变动。

风险一般可以分为系统风险和非系统风险两大部分。系统风险是指总收益变动中由影响所有股票价格的因素造成的那一部分。经济的、政治的和社会的变动是系统风险的根源,它们的影响使几乎所有的股票以同样的方式一起运动。非系统风险是指在总风险中对一个公司或一个行业是独一无二的那部分风险。管理能力、消费偏好、罢工之类的因素造成一个公司利润的非系统变动。非系统因素基本独立于那些影响整个股票市场的因素。由于这些因素影响的是一个公司或一个行业,因此只能一个公司一个行业地研究它们。因非系统风险仅涉及某个公司或某个行业的股票,所以,投资者可以通过审慎的投资选择来减少甚至避免非系统风险。非系统风险的主要形式有金融风险、经营风险、流动性风险、操作性风险。

2、收益

股票投资收益是指投资者投资行为的报酬。一般情况下,股票投资的收益主要分为货币收益和非货币收益两大类。货币收益是投资者购买股票后在一定的时期内获得的货币收入,由两个部分组成。一是投资者购买股票后成为公司的股东,并以股东的身份,按照持股的多少,从公司获得相应的股利,包括股息、现金红利和红股等,在我国的一些上市公司中,有时还可得到一些其他形式的收入,如配股权证的转让收入等。二是因持有的股票价格上升所形成的资本增值,这正是目前我国绝大部分投资者投资股票的直接目的。非货币收益的形式多种多样,如投资者购买股票成为股东后,可以参加公司的股东大会,查阅公司的有关数据资料,获取更多的有关企业的信息,在一定程度上参与企业的经营决策,在企业重大决策中有一定的表决权,这在一定程度上可以满足投资者的参与感等等。

投资者要提高股票投资的收益率,关键在于选择购买何种股票以及在何时买进或抛出股票。任何股票投资者都希望自己能买到赢利丰厚、风险小的股票,因此,在做出投资决策时,一般都要考虑投资对象的企业属性和市场属性。股份制公司企业属性的好坏,主要是通过公司的财务指标、公司的行业背景及其成长性、发行公司的规模等各方面的因素来进行考察。

3、价值投资

在进行股票投资决策时,进行股票的内在价值分析,可以使投资者更加理性和成熟,避免投资的盲目性以及短期的逐利行为。

股票投资内在价值评价的目标是股票投资人得到稳定可靠的收益,而尽量避免风险。从投资者角度来看,一支股票的收益性越大越好,而它的风险性是越小越好,对于一些长期持有者来讲,股票的成长性是非常关键的因素。因此,采用因素法,可以将股票投资价值的因素归结为收益性、成长性、风险性三大方面,而这三大方面又可以作进一步的细分(见图1)。

根据相关公式计算出股票收益性、成长性和风险性的分值,以定量分析的方式对股票进行综合评判。具体计算方法如下:

A:对会计报表中的数据经计算和无量纲处理后,得出C层数据;

B:采用因子分析法分别计算出B1、B2和B3的得分值;

f(B)=Σ(C层因子得分×因子贡献率)

C:用层次分析法分别计算出B1、B2、B3的权重W1 W2 W3,计算股票的内在价值:F(A)=f(B1)W1+f(B2)W2+f(B3)W3

四、实证分析

本文结合宝钢股份股价走势,利用相关模型说明进行风险收益分析在投资决策中的应用。研究方法说明:在该实证分析中,我们选取的是宝钢股份在最近一个月的股票收盘价并将其作为研究样本,利用EXCEL的数据分析工具库,通过估计出一个绝大多数投资者所能接受的投资预期回报率。首先计算出股票的波动性,即样本的标准差;其次做出股价运行的模拟模型,基本可以看出预测的股价和实际价格的偏离程度;最后做出股价的正态分布图,观测出价格出现频率最高的区间。

研究目的:通过以上的定量分析,可以获得现实股价和预期价格的偏离程度,衡量出其风险程度,并验证股价走势属于正态分布。以图形的形式使得投资者对股价的走势有一个比较系统的了解,做到心中有数,在看出股价的分布概率的基础上,结合技术分析中的经典假设――历史会重复,为未来的投资决策做基础。

假设有10%的投资回报率,以最近27天的数据为样本,并认为一年有250个交易日。在表1中,通过Ln(number)函数的使用,对每天的股价比求对数,得出日投资回报率,进而使用STDEV函数求出日标准偏差,最后乘上250个交易日SQRT(250)可获得该股票的年波动率,利用EXCEL软件,可以轻易得出其年波动率为53.91%。

结合对该股票年标准偏差的计算(53.91%),紧接着要对股价运行进行模拟,将时间的步长值定为1,从而设立时间序列。

首先要对我们估计的年收益率进行连续复利调整,以Mu代表预期收益率,代表股价的波动性,那么可以得到调整后的预期回报率为Amu=Mu-^2/2=-4.53%。

其次,利用RAND函数在这27天中进行随机抽样,并通过函数NORMSINV将随机样本转换为正态随机分布。

最后,在信息不对称的前提下,本文将股票价格分为两部分,即股票价格=确定价格+不确定价格。这里要说明两点:一是对于股票价格,由于是在原来价格基础上进行模拟,故接下来的价格自然不能再使用原来27天的观测价格,而后一天的股价=目前股价EXP(时间步长值Amu/250+后一天的随机抽样正态分布值SQRT(时间步长值/250));二是对于其中的确定价格,可以由公式:今天的确定价格=昨天价格的确定部分EXP(AMu时间步长值/250)得出。宝钢股份的当前价格为16.45元。

根据表1的天数、股票价格、确定和不确定四栏,可以画出模拟图形,该模型以可视化的方式来展示出股票价格是如何遵循几何布朗运动假设而变化的。我们可以通过计算机反复按F9来生成多个不同的价格通道,并观察到模拟股票价格通道与实际股票和股指的股价历史有着惊人的相似性。

在表1对股票风险的测定基础上,进一步创建一个模型,使其能在一个图表中很好的显示股票价格在未来某一时点的对数正态分布。在该模型中首先需要计算出股票的最低以及最高价格,利用EXCEL的分析数据库,股票的最高(低)价格=EXP((Ln(目前股价)+AMu时间期限)+/-4SQRT(时间期限));其次在得出股价的步进值后列出其价格序列,本文将宝钢股份的价格范围划分为200个相等步进值,因此该股票的价格步进值为(最高价-最低价)/200;最后利用NORMDIST函数求出股价的累计概率。

将以上数据进行图表化,可以更加清晰的看出正态分布的趋势以及股价出现概率最大的区间。该模型可以使投资者感受到股价未来价格的分布将如何随各种影响变量的变化而发生变化,例如通过改变标准偏差,可以观察到波动性很低时,分布趋向于对称分布,而波动性很高时,分布的斜率也会加大。同样,时限很短时,分布基本上是对称的,而时限加长时,分布的斜率也会越来越大。

五、结论

作为金融市场的一个重要组成部分,股票市场在直接融资领域内发挥着越来越重要的作用,任何非理性的投资不仅会扭曲市场的价格发现功能,在带来巨大波动的同时还会影响实体经济的持续健康发展。因此,构建一个理性的投资环境是非常有必要的,也是目前我们最应该做的。

【参考文献】

[1] 钟会根:从金融市场中羊群行为谈我国证券市场文化建设[J].金融与经济,2007(9).

[2] 叶莉萍:对我国股票市场调控问题的思考[J].金融与经济,2007(9).

[3] 沈小平:我国股市宏观调控观点评述[J].经济研究参考,2004(7).

[4] 汪伟全:股票价格――投资机会与泡沫风险[J].价格理论与实践,2007(6).

[5] 张蕾:股票内在价值的一种评估方法[J].电子科技大学学报,2007(8).

[6] 安东尼・桑德斯:金融市场与金融机构[M].人民邮电出版社,2006.

[7] 花俊渊:金融市场风险度量方法研究[J].生产力研究,2007(17).

[8] 郭济敏:股票市场泡沫研究[M].中国金融出版社,2005.

篇(3)

关键词:公司治理;分析师关注;异质预期;信息含量

中图分类号:F276.5文献标识码:A

文章编号:1000176X(2013)06005808

一、引言

Jensen和Meckling[1] 定义了成本的构成,系统地分析了冲突对公司价值的影响,使对公司治理研究得到进一步深化。长期以来,关于公司治理对企业价值影响的研究大多集中在企业管理活动的微观层面。一个普遍的观点是公司治理通过提高企业投资决策质量进而对企业价值产生影响。

在资本市场上,企业价值表现为股票的市场价值,因此企业的价值在股票投资者的交易过程中会产生波动。Graham和Dodd[2]认为在任何时点上,股票都存一个固有的内在价值,股票的市场价格会逐步向这个内在价值收敛,因此他们认为股票价格最终会反映股票的内在价值。Fama[3]使用随机游走模型解释股票价格的波动时强调了信息的作用,他认为投资者在股票交易中的竞争关系使新信息在股票价格中瞬间得到反映,因此股票的市场价格早已经反映了其内在价值。此后,Fama[4]系统地阐述了“有效市场假说”(EMH),指出可以通过股票价格中的信息含量判断市场的有效性。

Grossman和Stiglitz[5]认为由于存在信息成本,资本市场的有效性变得不可能:如果没有知情交易者收集信息,股票价格的信息含量就会降低,流动易者就无法从股票价格的波动上获取信息。由于外部投资者付出的信息成本来源于内部人的信息隐藏[6]和行动隐藏[7],上述两种行为均是冲突的表现。

本文的研究通过构建公司治理指数,分析公司治理水平与以分析师为代表的理性投资者异质预期的关系,以及对股票收益率的异质波动影响,讨论公司治理对股票市场信息含量的影响路径和方式,本文的研究丰富了公司治理的研究文献。

二、理论分析与研究假说

(一)投资者预期的异质性

在异质信息的经济中,由于投资者个人特征上的差异,导致了其信息集的差异,一方面投资者对公共信息理解的差异造成了信息的异质性[8];另一方面,投资者可能获取不同的私人信号,使他们对价格的预期存在差异[9]。在有噪声的理性预期模型(Model)中,投资者被划分为以效用最大化为目标的理性投资者和以获得流动性为目的的噪声交易者。与噪声交易者不同,理性投资者要通过股票价格调整对其他交易者的私人信息的估计,并利用修正后的信息,对价格做出预期。由于只有理易者收集私人信息,噪声交易者的需求随理易者的数量增加[9],因此理性投资者的私人信息决定了股票市场的私人信息含量。研究认为理易者信念的变化加剧了股票价格的波动。

现实中,以分析师为代表的机构投资者是典型的理性投资者,分析师的预测意见往往会成为股票市场重要的公共信息来源,尤其当上市公司进行重大投资时,分析师对盈余水平的预测可以帮助股票投资者提高对上市公司估值的准确性。

(二)公司治理与资本市场信息含量

Grossman和Stiglitz[5]研究认为由于存在信息收集成本,流动易者不主动收集信息,他们只通过观察股票价格的波动推测信息。理性投资者依据财富效用最大化目标收集信息并且成为知情交易者,因此资产价格不能完全反映公司的特殊风险,知情交易者可以通过所撑握的优势信息进行套利。当没有投资者收集信息时,股票价格的信息含量降低,资本市场有效性降低。

理性投资者进行投资决策时要面对两类成本:一类是收集信息时发生的交易成本;另一类是持有股票期间可能受到由大股东或管理层的利益侵占动机所导致的成本。而公司治理机制作用一方面可以约束大股东或管理者谋取私人利益的动机,降低掏空行为对股东利益的损害;另一方面,公司治理削弱了大股东或管理层的堑壕效应,提高了信息的透明度,降低了投资者收集信息成本,激励投资者收集信息的动机。Ferreira和Laux[10]研究发现,公司反接管条款数量的下降提高了控制权市场对公司管理层的约束,从而激励了投资者收集信息,表现为公司股票收益率异质波动的提高,加速了股票市场的信息流动。

(三)研究假说

基于上述理论分析,本文提出以下研究假说:

假说1:公司治理的改善提高了分析师关注。

假说2:公司治理水平的提高增加了投资者预期的异质性。

假说3:分析师的异质预期增加了股票市场的信息含量。

三、研究样本与变量定义

(一)研究样本

本文选取2004―2010年有分析师研究数据的中国A股市场上市公司作为研究样本。为了满足研究的需要,我们剔除了预测数据不足两个的样本和研究数据严重缺失的样本,经过筛选,本文保留了6 346个样本。本文使用的研究数据来自锐思(Resset)数据库、中国经济金融数据库(CCER)和国泰安数据库(CSMAR)。为了排除异常值的影响,作者对研究数据在1%和99%分位做了Winsorized处理。

(二)变量定义

1.公司治理指数(GI)

本文沿用陈超和甘露润[11]定义的方法,将研究样本上一年是否在其他市场上市交易(OTM)、是否拥有母公司(PRT)、最终控制人是否为国有企业(SOE)、第一大股东持股比例(OWN1)、第二至第十大股东持股比例(OWN2)、国家股比例(STS)、法人股比例(LPS)、流通股比例(TDS)、董事会规模(BRS)、董事长和CEO(总经理)两职关系(DUL)、独立董事比例(IDR)、是否设立审计委员会(AC)、高管人员持股比例(MSR)、是否设立提名委员会(NC)、薪酬委员会(CC)、以及将董事会会议(BRM)、监事会会议(SPM)、股东大会召开次数(SRM)等18个治理变量进行主成分分析,并以第一主成分作为公司治理指数。本文对上述18个治理变量的相关性进行检验,得到KMO值为0.658,Bartlett球度检验Chi2为32 820.153,检验结果表明上述治理变量具有较好的相关性。

2.与分析师有关的变量

本文选择分析师作为理性投资者的代表,以分析师关注度反映理性投资者的关注水平。本文定义以下3个反映分析关注程度的变量:(1)预测报告数量(RP):为同一自然年度内,分析师提供分析报告的合计数;(2)分析活动人次(FW1):为同一自然年度内提供预测报告的分析师人次,如果同一分析师多次提供预测报告,按实际次数计算;(3)分析师跟踪人数(FW2):为同一自然年度内提供预测报告的分析师人数,如果同一分析师多次提供预测报告,仅按1人统计。

通过表1,我们发现预测报告数量(RP)、分析活动人次(FW1)和分析师跟踪人数(FW2)的中位数分别为42、51和13;而它们的最大值分别为759、1 180和130,由此可见分析师数据存在明显的左偏,因此在实证研究中,本文对其作对数化处理,使用LFW1、LFW2和LRP作为分析师关注的变量。

我们将分析师对研究样本期末每股收益(EPS)的预测的标准差作为分析师的意见分歧(DISP),并将这个变量定义为理性投资者异质信念的变量。

3.资本市场信息含量变量

Chen等[12]发现公司股票价格的波动来自三个部分:一是与市场有关的波动;二是与行业有关的波动;三是公司特殊信息引起的波动。研究认为前两个引起的股票波动是系统性的,因此对市场上的相关股票的影响是同步的,而第三个因素仅对个别公司产生影响,这样使股票价格的波动表现出非同步性。

Roll[13]通过对资产定价模型拟合度(R2)的分析,发现公司信息披露水平越高,R2的数值越低,他认为,对公司特殊信息的披露降低了资本市场系统风险对股票收益的解释力。Durnev等[14]对R2的统计性质进行了分析,发现PSI=ln1-R2R2可以更准确地反映股票价格中的公司特殊风险。由于PSI反映了股票市场共同信息之外的公司特殊信息对均衡股票价格的解释力,因此本文将PSI定义为投资者对公司特殊信息的同质信念反映在股票价格中的信息含量。

资本资产定价模型的残差项反映了公司股票波动的异质性,体现了公司特殊风险对股票价格的影响。由于投资者的信念具有异质性,Ali等[15]认为投资者对公司股票收益的异质预期导致了资产定价模型残差项的波动,因此本文将资产定价模型残差项的标准差(SDεit)作为股票价格中投资者异质信息含量的变量(VOL)。

本文使用Fama和French[16]定义的三因素模型对研究样本所在年度的股票日收益率进行回归,从而得到拟合度R2和日收益率估计模型残差,本文利用上述两个变量计算PSI和VOL。

4.控制变量

本文的控制变量选择了收益能力(ROE)、市场估值水平(MB)、企业规模(SIZE)、财务杠杆(LEV)、营业收入增长率(GRW)和每股收益(EPS)等影响投资者预期的基本面变量,上述变量反映了投资者可以公开获取的公司特殊信息,为避免内生性问题,我们选择研究样本所在年度的上一年的数据控制这些变量的影响;本文同时还使用市场指数年收益率(MKI)控制了股票市场的年度效应的影响。

(三)描述性统计和相关性检验

表2报告了研究变量的描述性统计,从中可以发现研究变量接近正态分布。

从表3的检验结果中,可以发现变量GI与VOL具有显著(1%)的正相关关系;与PSI具有显著(1%)的负相关关系;GI与LFW1、LFW2,LRP之间也具有显著(1%)的正相关关系;变量DISP与VOL之间存在显著的正相关关系,但是与PSI的相关系数不显著。上述检验结果表明:(1)公司治理可能影响分析师关注;(2)公司治理也可能对资本市场的信息含量产生影响;(3)理性投资者的异质信念与股票市场异质信息含量存在联系。

四、实证设计与结果分析

(一)实证模型

1.公司治理与分析师关注

本文通过公式(1)检验公司治理对分析师关注的影响,其中yit代表变量LFW1、LFW2、LRP和DISP。

2.股票市场信息含量影响因素检验

我们利用公式(2)检验公司治理、分析师异质信念,以及研究样本的基本面信息对股票市场信息含量的影响,其中Zit代表VOL、PSI。

(二)公司治理与投资者关注的实证检验

1.模型选择

我们分别以分析活动人次(LFW1)、分析师跟踪人数(FLW2)、分析预测报告数量(LRP)和分析师预测分歧(DISP)为因变量,对公式(1)进行Hausman检验,分别得到的卡方检验值为:223.640、308.630、198.320和91.890。检验结果表明,固定效应模型更适合本文的面板数据。

2.个体固定效应面板数据回归

我们在表4REF_Ref351270633h中报告了使用个体固定效应模型对分析师关注变量进行回归的结果。

在模型1中,因变量为对研究样本提出预测的分析师人次,在解释变量中,GI的系数为正并在1%水平上显著,表明公司治理水平的提高促进了分析师提供预测信息的频率。模型2中的因变量为跟踪样本公司的分析师人数。解释变量GI的系数在1%水平上显著为正,表明跟踪样本公司的分析师人数随公司治理水平的提高而增加。模型3使用业绩预测报告的数量作为分析师关注的替代变量,在回归模型中,GI的系数仍在1%显著水平上为正,表明公司治理水平与分析师关注之间具有显著的正相关关系。

在控制变量中LEV的系数在1%水平上显著为正,表明高财务杠杆公司可能吸引更多的分析师关注;ROE的系数也显著为正,表明分析师关注高盈利能力的样本;SIZE的系数为正,表明高市值的样本受到的关注更多;MB的系数为负并在1%水平上显著,表明当公司的市场价值被高估后,分析师预测活动水平将降低,暗示分析师可能更关注价值投资,并具有价值发现的能力;股票市场指数的年收益率MKI的系数在1%水平上显著为正,表明当市场处于“牛市”时,分析师的积极性更高,表现为更高关注水平。上述控制变量在模型1―3中具有相同的解释力。我们在模型1―3中发现控制变量GRW的系数为负,但并有与其它控制变量一样保持稳定的统计显著性,这个结果暗示当公司的成长速度越快,公司业绩的不确定性越大,分析师观察信息的成本越高,从而抑制了分析师的关注水平。

在模型4中我们对分析师预测分歧的影响因素进行分析。我们在控制分析师跟踪人数LFW2后,发现GI的系数在1%水平上显著为正,表明随着公司治理水平的提高分析师预测的分歧进一步扩大,这个结果意味着公司治理的改善降低了理性投资者的信息成本,激励了理性投资者的关注,从而增加了股票市场的异质信息含量。

(三)股票市场信息含量的研究

1.模型选择

我们分别以股票收益的异质波动(VOL)和股票价格波动的非同步性(PSI)为因变量对公式(2)的模型选择进行Hausman检验。检验得到的卡方值分别为44.330和464.800,因此选择固定效应模型对面板数据进行回归。

2.股票市场信息含量的检验

(1)异质信息含量的检验

表5中模型1―模型3报告了公司治理和分析师预测对股票市场异质信息含量影响的检验结果。在模型1中公司治理指数GI的系数为正,并在1%水平上显著,这个结果表明公司治理的改善增加了研究样本股票收益率的异质波动水平,因此公司治理的改善提高了股票价格中的异质信息含量。我们在模型2中使用分析师预测分歧作为解释变量。由于分析师是股票市场信息的重要提供者,分析师预期的差异将影响股票市场投资者预期的一致性。模型2检验结果表明DISP与VOL之间具有显著的正相关关系,意味着分析师异质信念水平的提高增加了股票价格中的异质信息含量。我们在模型3中同时加入GI和DISP两个解释变量,上述两个变量的系数仍在1%水平上显著为正,表明公司治理水平与分析师异质信念同时影响股票市场的异质信息含量。

(2)同质信息含量的检验

表5中模型4―模型6报告了同质信息含量的检验结果。在模型4中,GI的系数为负,并在1%水平上具有显著性,表明投资者对公司特殊风险的同质信息对股票收益率的解释力随公司治理水平的提高而降低,意味着公司治理的改善激励了投资者的信息收集动机,从而抑制了股票价格中同质信息含量。在模型5中,DISP的系数在10%水平上显著为正,表明分析师的预测分歧也可以提高股票价格中的同质信息含量。由于分析师预测意见对股票市场投资者来讲是可以公开获取的公共信息,分析师预测分歧越大,预测报告所包含的信息量越大,从而增大股票投资者的公共信息集,在股票价格波动过程中,表现为同质信息含量的增加。模型6同时对GI和DISP的影响进行检验:GI的系数仍在1%水平上显著为负,DISP的系数在1%水平上显著为正,检验结果反映了公司治理与分析师预测对股票价格的同质信息含量的不同影响:公司治理对同质信息含量具有抑制作用,而分析师预测对同质信息含量具有促进作用。

3.影响股票市场信息含量的路径分析

我们通过对表4和表5的分析,发现公司治理良好的研究样本受到更多的分析师的关注,并导致分析师预测分歧的加大。我们认为公司治理水平的提高减轻了外部投资者与公司管理层之间的冲突,降低了外部投资者的观察成本,激励了投资者收集信息的动机,从而增加了投资者的关注水平,并且在公司股票价格预期上表现为更大的异质性,因此公司治理水平的提高刺激了股票市场的异质信息含量。

分析师是股票市场理性投资者的代表,我们发现分析师的意见分歧与股票市场异质信息含量之间具有显著的正相关关系,表明理性投资者的预期影响了股票市场上投资者的异质信念;同时分析师也是股票市场重要的信息提供者,分析师的预测意见是股票市场公共信息的重要来源,股票投资者通过公开获取业绩预测报告,扩大私人信息集,从而提高了同质信息对股票价格的影响。因此,分析师关注水平的提高从整体上增加了股票市场的信息含量,促进了市场的有效性。

五、稳健性检验

在个体固定效应研究中,共有1 523个分组,组内样本数量的最小值为1,最大值为7,这种情况可能导致检验结果受到分组样本数量的影响。为了保证研究结论的稳健性,我们使用行业固定效应对面板数据进行分析。在行业固定效应的聚类下,分组数下降至13个,组内最小样本为41个,最大值为3 668个。我们在行业固定效应模型检验中发现:公司治理与投资者关注变量之间仍保持显著的正相关关系;公司治理对股票市场异质信息含量的促进作用仍具有显著性,对同质信息含量仍存在显著的抑制作用;而分析师的预测分歧无论对股票市场同质信息含量,还是异质信息含量均具有显著的促进作用。上述检验结果表明,本文的实证研究结果是稳健的。

六、研究结论

本文的研究通过构建公司治理指数和资本市场信息含量变量,并以分析师作为理性投资者的代表,检验了公司治理与投资者关注,以及资本市场信息含量的关系。研究结果表明:公司治理水平的提高,吸引了投资者的关注,导致了股票市场异质信息含量的提高;而分析师预测分歧的扩大,从整体上增加了股票市场的信息含量,表现为:一方面,股票市场异质信息含量随分析师意见分歧的增加而提高;另一方面,分析师预测意见作为可公开获取信息增进了股票投资者信息集的容量,提高了投资者同质预期对股票价格波动的影响。

本文的研究认为公司治理水平的提高,不仅减轻了冲突损害投资者利益的风险,而且提高了投资者关注度,增加了投资者预期的异质性,并且通过投资者的交易行为传递到股票市场,提高了股票市场信息含量。本文的研究为公司治理与资本市场信息流动的研究提供了实证证据。

参考文献:

[1]Jensen, M.C., Meckling, W.H.Theory of the Firm:Managerial Behavior, Agency Costs and Ownership Structure [J].Journal of Financial Economics, 1976, 3(4):305-360.

[2]Graham, B., Dodd, D.L.Security Analysis, Principles and Technique [M].New York:McGraw-Hill,2008.19-29.

[3]Fama, E.F.Random Walks in Stock Market Prices [J].Financial Analysts Journal, 1965, 21(5):55-59.

[4]Fama, E.F.Efficient Capital Markets:A Review of Theory and Empirical Work [J].The Journal of Finance, 1970, 25(2):383-417.

[5]Grossman, S.J., Stiglitz, J.E.On the Impossibility of Informationally Efficient Markets[J].The American Economic Review, 1980, 70(3):393-408.

[6]Akerlof, G.A.The Market for “Lemons”:Quality Uncertainty and the Market Mechanism [J].The Quarterly Journal of Economics, 1970, 84(3):488-500.

[7]Rothschild, M., Stiglitz, J.E.Equilibrium in Competitive Insurance Markets:An Essay on the Economics of Imperfect Information [J].The Quarterly Journal of Economics, 1976, 90(4):629-649.

[8]Kandel, E., Pearson, N.D.Differential Interpretation of Public Signals and Trade in Speculative Markets [J].Journal of Political Economy, 1995, 103(4):831-872.

[9]Grundy, B.D., Kim, Y.Stock Market Volatility in a Heterogeneous Information Economy [J].Journal of Financial and Quantitative Analysis, 2002, 37(1):1-27.

[10]Ferreira, M.A., Laux, P.A.Corporate Governance, Idiosyncratic Risk, and Information Flow [J].The Journal of Finance, 2007, 62(2):951-989.

[11]陈超,甘露润.银行风险管理、贷款信息披露与并购宣告市场反应 [J].金融研究,2013, (1):95-109.

[12]Chen,Q.,Goldstein,I.,Jiang,W.Price Informativeness and Investment Sensitivity to Stock Price [J].Review of Financial Studies, 2007, 20(3): 619-650.

[13]Roll, R.R2 [J].The Journal of Finance, 1988, 43(3): 541-566.

[14]Durnev, A., Morck, R., Yeung, B.Value-Enhancing Capital Budgeting and Firm-Specific Stock Return Variation [J].The Journal of Finance, 2004, 59(1): 65-105.

篇(4)

关键词 模糊决策 运筹学 模糊集 股票投资价值

1 股票技术分析及预测方法

1.1 股票技术分析方法

进行股票的预测,最直接和基本的方法是股票的技术分析,它依据统计图表和股市的图形研判股市的未来动向,技术分析方法可以分为三种类型:判断股价趋势为主的趋势分析,如道琼斯理论、趋势线法、移动平均线等;形状分析,如k线系统、整理与反转形态、支撑与阻力以及箱性理论,波浪理论等;人气指标,如成交量图、obv指标等。虽然技术分析方法具有一定的准确性,但是由于技术指标分析方法众多,各种方法之间差别巨大,对于投资者来说学习不易,掌握更难,同时技术分析理论缺乏可靠的理论支持,分析结果仁者见仁、智者见智。虽然直到目前它仍然是大多数投资者在使用和依赖的分析预测方法,但是改进和发展它已经成为不可避免的事实。

1.2 基于统计学理论的预测方法

统计学理论的预测方法,主要是基于模型拟合和最小二乘原理建立各种回归、自回归、混合回归模型进行预测。此类方法,具有严格的数学基础,应用也最广泛,近年也有相当的发展。如nelder,ja和 wedderburn,r·w·m提出了广义线性模型,它放松了经典线性模型的假设,极大地丰富了回归分析的理论。aaron li和duanleo对假设进一步放松,提出了一般回归模型,该领域研究具有十分惊人的前景。在计量经济研究中,ichi二则提出了一类十分重要的模型——单指标模型。研究的重点在于使之更适合于实际社会经济系统建模。

1.3 基于人工智能技术的股票预测技术

由于计算机与人工智能技术的飞速发展,为股票市场建模与预测提供了众多的新技术、新方法,基于人工智能的股票预测技术进展迅速。基于神经网络的股票预测方法,主要使用神经网络进行股票价格数据的学习训练,然后使用训练模型进行股市预测。采用模糊模型技术进行预测,主要是依据专家经验或统计方法建立模糊模型进行预测;另外还可采用遗传算法进行神经网络的学习权值调节或模糊模型、模糊规则的调整,使神经网络模型或模糊模型更加逼近系统模型。

1.4 股票的组合预测方法研究

决策者面临决择的预测方式可能不只一种,且各有千秋,都能从一定程度上提供不同的有用信息,如何综合利用这些信息,解决多模式预测方式问题,正是组合预测的研究内容。在1989年,international journal of forecasting和journal of forecasting分别出版了组合预测专集,granger和clemen分别给出了精辟的综述与详论,clemen从信息集合讨论了组合的实质,从而为进一步探讨获取最有用信息抛弃无用信息提供了指导。自bates和granger发表组合预测一文以来,组合预测有了很大的发展。组合的目的在于综合利用各种预测方法所提供的信息,尽可能地提高预测精度。从原理上说,组合预测结果是对各单个预测线性加权。组合预测研究主要是考虑组合机理、权值确定,主要从统计分析、贝叶斯分析和信息集合三个角度来考虑。

2 非模糊环境下投资组合分析

现在先介绍一下用传统的方法在非模糊环境下如何选择最优的投资组合。

设投资者将其资金投资于n项风险资产,xi为在风险资产i上的投资份额,ri为风险资产i的收益率,它是一个随机变量,ri=e(ri)是ri的期望值,σij=cov(ri,rj)是第i,j两项资产的协方差i,j=1,…,n。ki是每单位风险资产的变化所需的交易费用,ki≥0;ci是第i项风险资产的交易费用。

给定投资组合x0=(x01,x02,…,x0n)和一个新投资组合x=(x1,…,xn),第i项风险资产的交易费用可表示为ci=ki|xi-x0i|,i=1,…,n。

总交易费用为

■c■=■k■x■-x■■

总收益为

r(x)=e■rixi-■k■x■-x■■

=■rixi-■k■x■-x■■

总风险为

v(x)=■e(ri-e(ri)xi)

一般地,投资者希望收益最大且风险最小。数学上可以表示为以下双目标规划模型

maxr(x)=■rixi-■kix■-x■■

minv(x)=■e(ri-e(ri)xi)

st■xi=1

用线性加权法求解多目标规划问题, 可得如下参数规划问题

max(1-λ)■rixi-■kix■-x■■-λ

■e(ri-e(ri))xi

st■xi=1

xi≥0,i=1,…,n

其中,参数λ在[0,1]中取消,它被称为内险回避因子,λ取值越大,投次者风险加避意识越强。

3 利用模糊决策方法评价股票投资价值

3.1 概述

股票投资过程中的一个基本问题就是如何从一系列可用于投资的股票中选择一种或一组最优的股票,这是一个对不同股票的价值如何进行评估的问题。对股票价值的科学评估不但为股票投资者进行投资决策提供可靠的依据,也可以促使上市公司的规范化运行,从而有助于股票市场的良性发展和社会资源的合理分配。

要对股票价值进行评估,首先就要对与股票价值相关的诸因素进行综合的分析和研究。由于股票持有者是股票发行者的股东,他们投资的资金是无法向股票发行者直接收回的,他们投资的收益主体来源于发行者向股东分派的红利和股票价格上涨所带来的资本利得。所以股票价值的评估主要从影响股份公司派发股息或红利水平的公司属性和影响股票溢价收益的市场属性两方面来进行。股票的市场属性方面,用该股票在市场上的收益率、市盈率、流动性、波动性、有效性、透明性和系统风险等指标来反映股票的价值。具体来讲,在一定的考察期间内:收益率取经过除权除息调整的日平均百分比收益率,以反映股票市场上的资金溢价收益;市盈率反映股票投资的回收期,回收期越短则股票越具有投资价值;流动性用股票的换手率表示;波动性用股票百分比收益率的标准差表示;有效性用股票价格与其内在价值的平均吻合程度表示;透明性用该股票的交易信息和上市公司信息在市场上的透明程度表示;系统风险用β系数表示。以上指标除了有效性和透明性要聘请专家来评估外,其余均为定量指标。

股票的公司属性是影响股票价格变动的内在因素,它不仅决定着股利水平的大小,在一定程度上也会影响股票的市场属性。用盈利能力、偿债能力、发展能力、管理和决策能力以及股权结构合理性等指标来衡量股票的公司属性,其中盈利能力和偿债能力不能仅用几个财务指标的简单加权来衡量,还应结合上市公司所处的行业类型、公司在行业内的垄断性、公司的发展阶段、公司规模等影响公司业绩但又未反映在财务指标上的因素加以综合评估;发展能力则要从公司资金实力、技术创新能力、人力资源及市场前景等因素综合评估;管理和决策能力以及股权结构合理性是反映公司治理能力的指标,前者反映了公司治理水平,后者影响着公司治理模式,清晰合理的股权结构能为股票投资者带来合理的确定性收益预期。以上几个指标均应聘请专家来评估。

3.2 模糊多属性决策方法

给定一组方案a1,a2,…,am,伴随每个方案的属性记为c1,c2,…,cn各属性的重要程度用ω1,ω2,…,ωn表示,符合归一化条件ω1+ω2+…+ωn=1。决策的目的是要找出其中的最优方案,记为amax。

(1)引入三角模糊数,三角模糊数常用表达形式有两种,分别记为(l,m,γ)和(m,α,β),两种表达形式可以相互转换,转换公式为α=m-l,β=γ-m。

(2)对模糊指标矩阵,f和模糊权重矢量,w进行归一化。收益类的归一化:xi是三角模糊数,记xi=(ai,bi,ci)。则归一化的模糊指标值ri可以写成■i=(■,■,■∧1);i=1,2…成本类的归一化:xi是三角模糊数,记xi=(ai,bi,ci),则归一化的模糊指标值ri可以写成■i=(■,■,■∧1);i=1,2…。

(3)建立模糊决策矩阵rij=wjxij。rij采用bonissone近似积公式进行计算,即ωj=(a;α,β),xij=(c;δ,γ),则rij=(ac;aγ+cα-α·γ,aδ+cβ-β·δ)。

(4)求出模糊理想m+=(m1+,m2+…,mn+),其中mi+=max{r1j,r2j,…,rmj},j=1,…n,n是属性j的模糊加权指标值所对应的模糊极大集。m-=(m1-,m2-…,mn-)其中mi-=min{r1j,r2j,…,rmj},j=1,…,n,n是属性j的模糊加权指标值所对应的模糊极小集。再确定方案ai与m+之间的差异di+,方案ai与m-之间的差异di-,di=■,i=1,…,m按照di值从大到小的顺序排列方案的优劣次序。

3.3 实例分析

取深圳股市其中3只股票作为例子,为了更加有代表性,取3只代表不同类型的股票。他们分别是000001的深发展、000933的g神火还有000805的st炎黄。如前面所述,作为评价一直股票都投资价值,可以考察很多方面,现在只考虑以下四个方面的主要因素:现在的股票的价格,股票的业绩,流通股本,行业的发展前景即长期投资价值。截至到2006年2月23日,三只股票的价格分别为7.01元,7.70元,2.42元。业绩以2005年中期业绩来算,分别为0.11元(一般),0.94元(很高),-0.08元(低)。流通股本分别为140 936(万股),23 660(万股),1 441(万股)。至于长期的投资价值主要看公司的行业背景,深发展是银行业的龙头代表,稳定发展,所以属于高;g神火是石油能源类的股票,最近该行业正处于强发展阶段,产品供不应求,而且该股票为g股,已经完成股改,所以投资潜力很高,st炎黄为st类亏损股票,而且是做软件外包装的行业,所以长期投资价值较低(见表1)。

先用三角模糊数表示决策矩阵中的定性指标:

d=

7.01 (0.6,0.8,0.8) 140 936 (0.6,0.5,0.6)

7.10 (0.8,0.9,1.0) 23 660 (0.8,0.9,1.0)

2.42 (0.2,0.3,0.4) 1 441 (0.2,0.3,0.4)

并且假定权重矢量为w=[(0.1,0.2, 0.3),(0.3,0.4,0.5),(0,0.1,0.2),(0.2,0.3, 0.4)]。

决策矩阵归一化后为

d=

(0.345,0.345,0.345)(0.600,0.889,1.000)(0.341,0.341,0.341)(0.800,1.000,1.000)(1.000,1.000,1.000)(0.250,0.333,0.500)

(0.010,0.010,0.010)(0.600,0.556,0.750)(0.061,0.061,0.061)(0.800,1.000,1.000)(1.000,1.000,1.000)(0.200,0.333,0.500)

模糊加权决策矩阵rij=wjxij

v=[rij]=

(0.0345,0.6900,0.1035)(0.2334,0.3556,0.5312)(0.0341,0.0682,0.1023)(0.3000,0.4000,0.5600)(0.1000,0.2000,0.3000)(0.0498,0.1332,0.1914)(0.000,0.0010,0.0020)(0.0724,0.1668,0.2136)(0.000,0.0061,0.0122)(0.2000,0.3000,0.4400)(0.000,0.1000,0.2000)(0.2000,0.3330,0.5000)

模糊理想解m+=[(0.100,0.690,0.300),(0.300,0.400,0.560),(0.000,0.100,0.200), (0.200,0.333,0.500)]

m-=[(0.0341,0.0682,0.1023),(0.0498, 0.1332,0.1914),(0.000,0.001,0.002),(0.0724, 0.1668,0.2136)]

最后由di=■,i=1,2,3解得

d1=0.5855,d2=0.3523,d3=0.2332;d1>d2>d3

所以,投资价值深发展比g神火好,g神火比st炎黄好。

4 结语

模糊多准则决策在生产生活的很多方面都有很多的应用,本文用了一个判断选择股票的投资价值的模型来说明了一下其在经济领域的应用。但是本例子尚有不是非常完善的地方,例如本例只研究了股票的四个方面的因素,但是影响股票的价格走势的其他因素还有很多,例如政策面的影响,庄家的操盘手法等,这些都是很重要的因素,但是却是不能用任何数学工具研究预测的。

参考文献

1 李荣钧.模糊多准则决策理论与应用[m].北京:科学出版社,2002

篇(5)

关键词:股票投资价值;模糊层次分析法;计算机应用服务业

中图分类号:F832 文献标志码:A 文章编号:1673-291X(2017)16-0075-05

2009年10月30日,我国创业板在深圳股票交易所成功上市,从初建时28家公司,总发行股本2 672 140 777股,截至2016年12月26日已有568家公司成功上市,总发行股本为262 475 087 724股。创业板市场的快速发展为国内中小公司,尤其是高成长、高风险、高收益、高创新的计算机应用服务公司提供了巨大的融资机会和发展机遇。多层次资本市场体系的逐步完善拓宽了个人投资者的投资渠道,而创业板计算机应用服务公司的股票凭借其高成长和高收益性正在逐渐获得个人投资者的青睐。因此,如何建立一套科学有效的股票投资价值评估模型,帮助投资者高效准确地识别出具有投资价值的股票,成为专家学者们共同关注的热点之一。曲若鹏以同一家公司财务报表为例,运用两种方法评估企业股票投资价值,第一种是先估计实体价值,然后减去净债务价值;第二种方法利用股票投资现金流量模型进行折现,得出的结论为不同的思路得出的股票投资价值评估结果是不同的。张栋等人认为,企业股票投资与看涨期权极为相似,借助B-S期权定价模型可以确定企业股票投资价值,虽然与传统方法相比此模型可充分考虑到企业收益风险,操作更具灵活性,但缺点是重要参数波动率的确定容易产生偏差、计算过程也比较复杂。刘建容等强调股票的投资价值是一种相对价值,结合层次分析法和因子分析法建立了上市公司内在价值评估模型,借助相对内在价值与股价动态变化趋势之间的联系构造出上市公司投资价值分析模型,实证研究表明该模型在投资者进行股票选择时具有指导作用。孙霞指出,资本结构、股票投资结构、公司治理结构以及企业所处的行业和宏观经济形势等都是影响企业股票投资价值的重要因素,国内金融市场日趋完善,掌握一些科学的股票投资价值评估技术是投资者进行理性投资的必要手段。

通过以上文献可以发现,对股票价值进行全面、科学的评估不仅可以有利于股东的监督与公司管理者的经营,也是投资者进行投资的必要过程。多数学者对股票投资价值评估研究范围比较广泛,缺乏针对性,并不完全适用于高成长、高风险的计算机应用服务类公司。因此,结合该行业的具体特点,遵循创新性、科学性、全面性等原则,增加了研发经费投入比、产品市场认可度、人才储备等创新性指标。

一、股票投资价值评估指标体系的建立

(一)建立指标体系

本文采用模糊层次分析法来构建股票投资价值评估模型。模糊层次分析法是综合运用模糊数学和层次分析法的一种分析方法。层次分析法(analytical hierarchy process,简称AHP法),由美国运筹学家Satty于20世纪70年代提出,是一种定性与定量分析相结合的多准则决策方法,具体分为五个步骤:根据总目标明确问题,分解问题并构建层次分析模型,根据隶属关系构造判断矩阵,层次单排序和层次总排序。运用AHP的关键是构造满意一致性矩阵,但由于人们主观意识对客观事物的判断存在差异,构造的矩阵需要经过不断的调整和检验才会达到满意的一致性。而模糊层次分析法(fuzzy analytical hierarchy process,简称“FAHP法”)用模糊数代替标度表示结果,通过两两元素的比较构造模糊一致判断矩阵,借助模糊一致矩阵表示各个元素的相对重要性权重,实现了模糊环境下的层次分析,使得决策结果更加数字化,定量化和科学化。

依据《中华人民共和国证券法》《深圳证券交易所创业板股票上市规则》和《中华人民共和国中小企业促进法》等文件,立足创业板计算机应用服务公司高收益、高风险、技术独占性、高成长性等特点,参考国内外相关文献,遵循科学性、全面性、创新性等指标体系设计原则,增加了研发经费投入比、产品市场认可度、人才储备、知识产权、成果转化能力、决策科学程度等指标,最终构建了创业板计算机应用服务公司股票投资价值评估的指标体系。该指标体系分为3层,第1层是目标层,即创业板计算机应用服务公司股票投资价值A;第2层是准则层,对应盈利指数(B1)、成长指数(B2)、风险指数(B3)和创新指数(B4)4个一级指标;第3层是指标层,包括基本每股收益、净资产收益率、净利润增长率等10个定量指标和产品市场认可度、人才储备知识产权等5个定性指标。

(二)构造判断矩阵

本文采用模糊层次分析法来确立各级指标的权重值,邀请多位股票投资专家和资深股民对指标间相对重要程度进行两两判断,采用Saaty1―9标度法构造出判断矩阵,Satty1―9标度法的含义(见表1)。

根据上述专家对指标重要程度判断结果的处理,得到5个判断矩阵Y,Y1,Y2,Y3,Y4,分别为:

(三)计算各级权重并检验一致性

根据计算,得到W=(0.5423,0.1397,0.2333,0.0847),各指标层对准则层的权重向量为W1=(0.5000,0.2500,0.2500),W2=(0.3845,0.0878,0.1433,0.3845),W3=(0.2291,0.1575,

0.5359,0.0775),W4=(0.2771,0.4658,0.1611,0.0960)。上述计算得到的权重值能否作为下层要素对上层某一要素排序的依据,还需要对判断矩阵进行一致性检验。层次分析法中,用CI(consistency index)作为检验判断矩阵一致性的指标,其中CI,因判断矩阵阶数n越大时,一致性越差,为消除阶数对一致性检验的影响,引进修正系数RI(random index),并最终用一致性比例CR(consistency ratio)作为判断矩阵是否具有一致性的检验标准,其中CR=CI/RI,当计算得到CR值小于或等于0.1时,认为判断矩阵具有一致性,可以进行单排序;当CR值大于0.1时判断矩阵不满足一致性,需要修正评分降低偏差,直到满足一致性检验。RI值随矩阵阶数n变化情况(如表2所示)。

下面计算并判断矩阵的一致性检验指标,矩阵Y的最大特征值λmax为4.0512,CI=(4.0512-4)/(4-1)=0.0171,CR=CI/RI=0.0171/0.89=0.0192,同理可得到Y1,Y2,Y3,Y4的CR值分别为0,0.0078,0.0422,0.0116,均小于0.1,通^了一致性检验,权重系数可以接受,得到权重汇总表(如下页表3所示)。

二、实证研究

(一)数据样本的来源与选取

应用模糊层次分析法对创业板计算机应用服务公司股票价值进行评估的过程是:首先,根据上述专家学者给出的相对重要性矩阵计算出各指标相对于综合评价目标的权重系数(前文已得出计算结果(见下页表3);然后以各公司重要财务指标的实际值和综合实力为基础,将定量指标和定性指标进行横向比较,得出各指标在多家公司中的相对重要性,重要性程度用分值的高低来表示;最后,用相应的权重系数乘以各家公司评价指标的对应分值,得出各公司盈利指数、成长指数、风险指数、创新指数的分值和综合评价分值。

本文从深市创业板随机抽取4家有代表性的计算机应用服务公司股票进行分析,并对其投资价值进行评估排序。它们分别是银信科技(300231)、易华录(300212)、汉鼎宇佑(300300)、朗玛信息(300288),以下分别用P1、P2、P3、P4来代表它们。为了提高评价结果的可靠性,本文假设不同股票的宏观经济环境、政策导向、行业特点等都相同。表4是新浪财经网提供的这4家公司截至2016年6月30日的定量评价指标的财务数据。

根据表4中财务数据和各公司的综合实力对每家公司的评价指标构造判断矩阵,计算每家公司在各指标中所占的相应权数(计算方法如上文所示),结果(如下页表5、表6所示)。假定每个指标的满分都是100分,将每家上市公司各评价指标的分值与其对应的权重系数相乘,得出盈利指数、成长指数、风险指数和创新指数的得分。同理,将每家公司上述四个指标的分值乘以对应指标的权重系数,得出综合评分。下面以银信科技为例计算其盈利指数、成长指数、风险指数和创新指数及其投资价值综合评分。

盈利指数=银信科技在基本每股收益C1的权重得分×C1在盈利指数B1中的权重+银信科技净资产收益率C2的权重得分×C2在盈利指数B1中的权重+银信科技每股净资产C3的权重得分×C3在盈利指数B1中的权重盈利指数=

17.97×0.5+43.54×0.25+9.84×0.25=22.33,同理,成长指数=

20.09×0.3845+27.71×0.0878+9.98×0.1433+36.38×0.3845=

25.58,风险指数=6.4×0.2291+14.43×0.1575+23.78×0.5359+

13.61×0.0775=17.54,创新指数=12.64×0.2771+26.31×

0.4658+18.99×0.1611+17.07×0.0960=20.46。

投资价值综合评分=银信科技在盈利指数B1中的得分×B1在计算机应用服务公司股票投资价值A中的权重+银信科技在成长指数B2中的得分×B2在A中的权重+银信科技在风险指数B3中的得分×B3在A中的权重+银信科技在创新指数B4中的得分×B4在A中的权重投资价值综合评分=22.33×0.5423+25.58×0.1397+17.54×0.2333+20.46×0.0847=21.51。

同理,4家公司股票的投资价值综合评分结果汇总为表7。

(二)投资价值评估排序

对创业板这4家计算机应用服务公司股票投资价值进行排序,得到的结果(如表7所示),即按投资价值从优到劣依次为:易华录、朗玛信息、银信科技、汉鼎宇佑。易华录的投资价值最大,主要表现为其收益较高、创新能力较强,发展稳定、上升空间大,是这四支股票中相对投资价值最大的。

(三)检验

为了检验采用模糊层次分析法做出的计算机应用服务公司股票投资价值评估模型的科学性和可行性,本文绘制出上述4家公司自2014年6月30日至2016年6月30日的股票涨跌幅度趋势图(如下图所示)。可以看到,4家公司的股票实际涨跌趋势与上文模型预测的结果一致。

结合表7和下图可以得知,易华录的投资价值最高,虽然朗玛信息的最大涨幅高于易华录,但是易华录的整体涨幅趋势更为稳定,波动较小,抗风险能力高,成长性好,收益也更稳定,所以是相对投资价值最大的股票。根据北京易华录信息技术股份有限公司2016年半年度报告显示,报告期内,基于行业发展环境良好,业务模式创新渐显成效,公司新增项目较多等原因,公司经营效益稳步提高。仅2016年上半年,公司已实现营业收入89 619.77万元,较去年同期增长18.9%;归属上市公司股东的净利润为7 838.75万元,较去年同期增长36.32%。研发投入总额为6 906.15万元,较去年同期增加12.68%,主要原因为本年新增研发项目增加所致,截至2016年6月30日,公司新增取得国家知识产权局授权的专利17项。朗玛信息的股票投资价值位于第二位,与银信科技的股票投资价值相差不大。银信科技的涨幅虽然较小,但其整体涨幅走势平缓,几乎维持在正增长状态,风险比较小,但收益比前两者低,所以排在第三位。汉鼎宇佑排在第四位。根据本文表4可以得知,其净利润增长率和主营业务收入增长率都为负数,经营状况有待改善,成长性较低,故而收益也较低,所以排在第四位。

三、结论

运用模糊层次分析法可以清晰反映出创业板不同计算机应用服务公司投资价值的优劣以及各指标的权重,帮助投资者对其投资价值进行综合评价和分级,从而制定出利润最大化、成长最优化和风险最小化的最佳投资方案。因此,利用模糊层次分析法构建的创业板计算机应用服务业股票投资价值评估模型,对投资者的投资决策具有较高的参考价值。但是,在现实的股票投资市场中,影响股票投资价值的因素众多,包括宏观经济环境、政策导向、公司资本结构等,因而在指标选取和权重设定等方面会存在较大的差异性。总而言之,运用模糊层次分析法进行创业板计算机应用服务公司股票投资价值评估的优势在于其科学性、数字性和灵活性,可以结合具体的宏观环境和各股票的实际情况具体分析与评价。同时,由于股票市场十分复杂,瞬息万变,可以将模糊层次分析法与其他科学决策方法相结合,优化指标的选取,最大程度剔除不确定性因素的干扰,提升指标权重的准确性,增强预测的可信度。

参考文献:

[1] 曲若鹏.企业股权价值评估的两种方法[J].财会月刊,2011,(32):66-67.

[2] 张栋,杨淑娥,杨红.基于B-S模型的企业股权价值评估[J].统计与决策,2006,(20):144-147.

[3] 刘建容,潘和平.基于财务指标体系的中国上市公司投资价值分析[J].管理学家:学术版,2010,(5):16-25.

[4] 孙霞.浅谈股权价值评估的影响因素[J].当代经济,2014,(7):108-109.

[5] 胡运权,等.运筹学基础及运用:第4版[M].北京:高等教育出版社,2004:308-311.

[6] 陈德军,刘冬,隋建龙.基于模糊综合评价的物流园区企业征信评价方法[J].武汉理工大学学报:信息与管理工程版,2016,(4):

451-454.

[7] 侯春梅.基于模糊层次分析法的投资项目评估[J].武汉理工大学学报:信息与管理工程版,2015,(5):645-648.

[8] 朱琦臣.企业股权投资价值分析实证研究[D].上海:复旦大学,2010.

[9] 柴中华,郑垂勇,蔡华.风险投资价值评估的新方法[J].统计与决策,2010,(5):162-164.

篇(6)

关键词:大学生;股票投资;理财教育

中图分类号:G642.0 文献标志码:A 文章编号:1674-9324(2015)45-0028-02

一、调查的原因及意义

经济的强势发展直接影响了金融市场的繁荣昌盛,在股票市场不断突破新高的同时,各行各业的人们也涌入了股市,大学校园作为社会的一个缩影,大学生参与股票投资同样也成为了热点话题。近几年来,大学生生活水平逐渐提高以及零用钱的增多,选择投资理财已成为了大学生生活的一个重要部分,并且大部分大学生将股票作为主要的投资理财方式。但是,许多大学生在炒股时便会凸显一些具有代表性的问题,例如没有固定收入、缺乏抗风险能力、学业炒股不平衡等。我们针对大学生股票投资行为进行研究,将调查结果进行分析,最终给出大学生股票投资一些建设性的意见与建议。

二、问卷设计及调查实施

本研究采用问卷调查及数据分析的方法。问卷分为五部分:共二十题,第一部分:了解调查者的基本信息,包括了性别、年级、专业;第二部分:为调查者是否有过证唤灰椎木历,是否想参与股票投资以及不想参与的理由;第三部分:调查者的股票交易过程中出现的问题,包括交易金额多少、交易金额的来源、家人的态度;第四部分:大学生在大学期间对股票交易的行为和风险的了解,其中包括影响股票投资风险的因素、参与投资的原因、知识的了解程度、了解知识的途径;第五部分:调查者目前参与投资行为的盈亏现状以及原因。此次问卷调查纸质版共发出300份,网络问卷200份,实际收回有效问卷460份,我们将这460份实际收回的有效问卷作为研究的有效样本。

1.调查的时间与地点:调查的时间是2015年2月到4月,理由是因为2月刚好是年初,春节刚过完,刚好处于开学期,大学生都处于返校时间,所以这个时间会有很多学生出现在学校附近。地点:选在学校门口、教室中,食堂门口,社团内等,这样可以有充分的时间给予学生填写问卷,也有利于实时回收问卷。网络问卷通过网页链接链接给身边的同学推广发放,2015年5月统一收回。

2.调查对象的范围以及调查方法:调查的对象是北京工商大学嘉华学院在校大学生。调查的方法:采用随机抽样法,将调查问卷随机发送给调查者,现场填写,现场收回。

三、在校大学生股票投资行为分析

1.基本信息分析:本次调查中的男生共有236人,女生224人;大一学生91人,大二学生102人,大三学生211人,大四学生56人;金融投资类专业有338人,非金融投资类有122人。本次调查数据客观人数集中于大二和大三的学生,以金融专业的学生为主。

2.参与投资行为分析:本次调查共460人次,其中表示已经参与过股票投资的人有363人,没有参与过的有107人,其中有79人表示没有参与过投资比较后悔,原因有:忙于学习、社团工作繁忙、基础知识不了解等,有机会的话这些人表示也想参与股票投资。性别与投资行为关系:已经有过投资行为的大学生有343人次,其中男生218人,女生125人,没有参与过投资行为的人有117人次,其中男生18人,女生99人。从分析中可以看出男生对于股票投资明显更加感兴趣,其中有92.97%的人都参与了投资行为,女生也有59.42%的人也参与了投资行为。证明了大学生参与股票投资已经是必然的趋势了。专业与投资行为的关系:金融专业的学生有99%的人都参与了投资行为,而非金融投资的学生也有高达20%以上的人参与了投资行为。这说明股票投资行为已经开始进入大学生的日常生活中了。不想参与股票投资行为的原因分析:参与调查的群体中,很多学生忌惮股市的高风险和由于自身专业技能的缺乏,从而不敢入市。有43%的人认为自己的专业技能不足,32%的人认为风险太大,11%的人表示家人不允许,还有14%的人认为是其他原因。

3.证煌蹲式灰坠程分析交易金额及来源分析:男、女生投资的金额相差还是较大的,女生投资金额一般在5000元之内,男生大部分在10000元以上,其中男生为126人,女生为131人,可以看出女生投资相对更加谨慎,男生投资金额相对较大。从数据中得到其中有305人的资金都来自父母,73人的资金来自勤工俭学,54人的资金来自奖学金助学金。父母对于子女参与投资的态度:父母对于子女参与股票投资行为大多表示赞同,因为对于商科类学院来说,家长对股票投资表示赞同,有30%的家长反对孩子炒股,这部分家长认为大学生应以学习为主。家长们对孩子的炒股行为很谨慎,认为以增长经验为主,盈利其次,家长对于大学生炒股的支持很大程度上决定大学生的炒股之路,因为家长提供的资金还是占了非常大的比重。大学期间是否需要学习投资理财:认为在大学期间有必要学习投资理财的远远超过认为工作之后才有必要学习的,因为大学有足够的时间让大学生去学习相关知识,进入社会后迫于工作和生活的压力,很多学生认为再去学习股票投资知识是一件很困难的事。所以在大学期间学习专业课程的同时学习相关投资理财知识也是很有必要的。

四、投资风险分析

1.影响投资风险的因素及投资目的:本次调查者中认为影响投资风险的因素为以下几点:初始资金对于投资的重要性占100%,宏观形势的影响占92%,投资风险影响的占87%,课余时间的占75%,家庭支持的占73%,股票知识与经历占50%,其他的占68%。

2.投资知识水平和来源分析:在校大学生中投资水平为模拟级的占24.36%,投资水平为初级的占39.83%,而中级投资水平最高且占30.93%,剩下的为投资水平高级和大师级分别为4.45%和0.42%。

五、投资盈亏分析

1.盈利分析:股票投资盈利的人群中能分析基本信息或分析他人推荐信息的人占52%,其次就是跟从对股票操作熟悉的人购买股票从而获得盈利,这部分人占了总数的34%,其他方式的占9%,经验丰富的则有5%。

2.无盈亏组分析:跟风导致股票无盈亏的占49%,在投资过程中没有设置止盈止损而导致投资无盈亏的有22%,在交易过程中频繁交易导致盈利不全的占25%,其他因素的则占了4%。

3.亏损组分析:重仓交易导致股票亏损的占56%,投资过程中喜欢跟风操作而导致投资亏损的有30%,交易过程中喜欢追涨追跌导致盈利不全的占9%,其他因素的则占了5%。

六、结论和建议

1.结论:沉静了7年的A股,终于在去年底开始爆发,股民们看到了希望,社会看到了股市耀眼的诱惑,改革的红利让股市一片繁荣,越来越多的人投入到股市中去。作为一个新生代的大学生,同学们纷纷进入股市,茶余饭后聊的话题大多是股票,不论盈亏,这都是大学生人生一段宝贵的经历。大学生作为一个具有较高素质的特殊群体,自然会受金融市场的吸引。大学生作为经济上没有独立和思想上没有完全成熟的一个群体,进入股票市场需要更加谨慎。虽然本文只针对北京工商大学嘉华学院在校大学生的股票投资状况进行研究,但是对于大学生参与股票投资有一定的借鉴作用。通过研究我们发现,大学生股票投资热情高涨,有的学生在股市里挣到了钱,还有部分大学生最后以失败告终。我们结合调查,分析大学生股票投资行为,帮助他们做出正确的判断与选择。

2.对大学生炒股的建议正确引导大学生客观认识股票投资行为:对于大学生炒股现象,可谓仁者见仁,智者见智。通过研究分析可看出,大学生每个人都有其个人的特质,他们具有不同的动机,不同的风险偏好,不同的心理素质以及不同的资金实力。我们不能明令禁止大学生炒股,同时也不能放任自流,毕竟炒股要占用大量的时间和部分金钱,在一定程度上会影响学业甚至日常生活,所以必须加以正确引导。大学生首先需要分析自身情况,不要盲目从众。其次如果只是想通过简单的基础知识就可以在市场上随意掘金,这是不现实的,所以不断学习是很关键的一部分。最后就是家庭和学校能给予大学生股票投资一些支持与建议,帮助孩子提前适应社会。加强理财教育,树立正确的交易理念:很多大学生参与投票投资是出于利益驱动,一夜暴富的梦每个学生都做过,进入股市终极的目标还是挣钱,想通过炒股取得一定的经济收益大概是每个大学生进入股市的初衷。从数据分子中可以看出,66%的大学生炒股的资金主要来源于父母,剩下的一部分是其他方式获得的收入。经济能力与心理承受能力比较薄弱,一旦获利,就希望获得更多的收益,从而滋生赌博的心理,不符合大学生基本素质的要求。一旦亏损,就会产生再投入资金回本的心理并且伴随着巨大的压力,严重影响日常的生活与学习。所以培养大学生的风险控制意识,树立正确的金钱观。做好大学生股票投资的心理疏导:大学生炒股行为反映了大学生们盲目从众、赌博等心理。大学生炒股投机心理大于投资心理,因此要引导大学生良好的投资心态和成熟的思想,切忌盲目入市,跟风买卖。避免使用学费、生活费、或者借贷资金进行投资,如果实在对股票投资有兴趣,可以利用父母支持的小额资金,或者奖学金等在不影响学习与生活的前提下进行投资。股票市场波动较大,风险较大,不掌握专业的知识,盲目的进入股市是十分不理智的,部分大学生心理承受能力有限,应该平衡对待炒股得失,才能应对炒股的挑战与冲击。大学生应正确处理学习与炒股的关,将炒股作为提高自身素质的基石,重点锻炼自身能力,积极的面对自己的大学学习生涯。

指导教师:俞爱群

参考文献:

篇(7)

本表只节选其中一部分,更多内容见今日投资《在线分析师》(.cn)

1)上表中的评级数据由今日投资财经资讯有限公司(省略)对国内70多家券商研究所1800余名分析师的相关投资评级数据进行整理加工后提供。

2)评级系数:反映了研究机构对相关股票的综合投资建议,即当前(60日之内)所有分析师对该股票投资评级系数的平均值。该数值将随着分析师的跟踪研究而不断变化,在一定程度上代表了市场的平均预期及其变化,但不能等同于对该股票未来市场表现的保证。其中具体数值对应的分析师综合评级为:1.00-1.09强力买入;1.10-2.09买入;2.103.09观望;3.10-4.09适度减持;4.10-5.00卖出。

5)评级变动:取当前评级系数和上次评级系数的之差的绝对值,数值越大,表明当前分析师对相关股票投资建议的调整越大。反之,则调整越小。

4)今日投资个股安全诊断:今日投资独有的个股综合评估模型。它对股票的基本面、技术面、机构认同度三个方面进行综合评估,同时把其它重要的财务指标以及今日投资汇总的国内外1800多名分析师研究成果作为修正指标,最终形成一套科学、理性的股票诊断系统。安全诊断以星级的方式表现,分为一星、二星、三星、四星、五星共五个标准。星级高,表示该股票的整体安全性高,潜在风险较低,股价大幅调整的可能性较小;反之则表示整体安全性差,在某一方面可能存在风险因素,股价的不确定因素较大。其中:

基本面安全诊断:得分区间1-100分。分数高,表示增长率、盈利能力等指标好,基本面风险较低;

技术面安全诊断:得分区间1-100分。分数高,表示纯技术分析各项指标好,股价表现较强,技术面的风险较低;

机构认同度安全诊断:得分区间1-100分。分数高,表示市场研究机构和投资机构对相关股票的认同度高,市场供求关系方面的风险较低。

盈利预测调低的股票

本表只节选其中一部分,更多内容见今日投资《在线分析师》(省略)

1)上表中的盈利预测数据由今日投资财经资讯有限公司(省略)对国内70多家券商研究所1800余名分析师的相关盈利预测数据进行整理加工后提供。

2)综合2010EPSe:反映了研究机构对相关股票2010年每股盈利的综合预期,即当前(90日之内)所有分析师对该股票2010年每股盈利预测的平均值。该数值将随着分析师的持续跟踪研究而不断变化,在一定程度上代表了市场的平均预期及其变化,但并不代表公司2010年的实际盈利水平。

3)变动幅度:公式为:(当前综合预测值 上次综合预测值)/上次综合预测值。数值越大,表明当前分析师对该股票2010年每股盈利预测的调整幅度越大;反之,则调整越小。

4)今日投资个股安全诊断:今日投资独有的个股综合评估模型。它对股票的基本面、技术面、机构认同度三个方面进行综合评估,同时把其它重要的财务指标以及今日投资汇总的国内外1800多名分析师研究成果作为修正指标,最终形成一套科学、理性的股票诊断系统。安全诊断以星级的方式表现,分为一星、二星、三星、四星、五星共五个标准。星级高,表示该股票的整体安全性高,潜在风险较低;反之则表示整体安全性差,至少在某一方面可能存在风险因素,股价的不确定因素较大。其中:

基本面安全诊断:得分区间1-100分。分数高,表示增长率、盈利能力等指标好,基本面风险较低;