人工神经网络模型在IPO定价中的应用.pdf

人工神经网络模型在 IPO 定价中的应用 摘 要 发行市场在股票市场中处于非常重要的地位，发行价格的形成过程不仅反映 了整个市场的成熟度，也是整个股票市场健康高效运行的基础。我国股票发行 市场虽然发展速度很快，但显性和隐性的行政控制及发行定价机制与定价方法 的诸多缺陷，使其长期处于低效状态。不仅新股发行价格无法反映企业的真实 价值，也使发行市场难以起到优化资源配置的作用，导致资金配置效率低下。 与西方发达国家的股票市场相比，我国的股票市场还处在不成熟的阶段，因 此不能仅仅照搬西方股票市场的理论和经验，而必须对我国股票发行定价机制 和定价方法进行系统的研究。研究我国股票发行定价在理论和实践上都有着十 分重要的意义。在实践上，对我国股票一级市场发行定价的研究，对改革发行 方式及定价方法，规范股票发行市场，提高股票发行市场效率、完善发行市场 功能等方面都十分有益。在理论上，由于 目前国内对股票发行定价问题没有系 统的研究，缺乏适合的发行定价模型。 目前相关研究主要集中在参数计量模型上，但是随着股票发行逐渐市场化， 股票价格将不再像以往用市盈率等较简单的标准确定发行价格，而将由众多投 资机构综合考虑公司本身盈利能力、当前市场氛围、投资者承接能力等许多复 杂因素来决定。传统的计量金融方法的使用将受到一定的限制。 人工神经网络是对生物神经网络系统的模拟，其信息处理功能是由网络单元 的输入输出特性（激活特性），网络的拓扑结构(神经元的连接方式)所决定的。 人工神经网络对问题的求解方式与传统方法不同，它是经过训练来解答问题的。 训练一个人工神经网络是把同一系列的输入向量和理想的输出作为训练的“样 本”，根据一定的训练算法对网络进行足够的训练，使得人工神经网络能够学 会包含在“解”中的基本原理。当训练完成后，该模型便可以用来求解相同的 问题。 基于人工神经网络的新股发行定价方法，在不完备信息条件下，通过高度非 线性映射，寻求数据间隐藏的内在机理。它与现有方法比较，具有操作简便、 自适应性和自学习能力良好、抗干扰能力强、准确性较高等优点。本文试图运 用人工神经网络模型这一新兴的工具，确定企业首次公开发行的价格，并通过 对上海证券交易所部分股票的首次公开发行价格进行实证研究，为我国股票首 次公开发行价格的制定提供一些参考。 1 人工神经网络模型在 IPO 定价中的应用 文章在简要回顾以往定价模型的基础上，深入讨论了适用于我国股票市场 IPO定价问题的神经网络模型的建立方式，包括模型输入变量的选择，模型拓扑 结构的设计，激活函数的选择，初始权值及学习率的设定以及模型的训练算法。 此外，对数据的前处理和后处理都做了详细的阐述。并针对上海股票交易所 2001-2005年上市的公司建立了一个三层的前馈神经网络模型：在输入变量中， 对21个变量采用主成分分析，最终确定了8个输入变量，因此输入层共有8个结 点；中间层包括一个隐含层，文章比较了隐含层结点个数为3-12时模型的准确 度；输出层包括一个结点，输出股票价格。模型采用BP算法进行训练，转移函 数为S函数。经过对上海证券交易所2001-2005年上市的279只股票数据的分析和 实证检验，得出如下结论： 1、与真实发行价格相比，神经网络模型能够显著的改善IPO定价。 2、根据神经网络模型得到的IPO价格分布并没有显著偏离首日收盘价的分 布。 3、神经网络模型的预测准确度与网络结构有关。 论文的创新主要体现在以下几个方面：1、选题创新：目前对 IPO 价格的 研究主要还是集中在传统的计量模型定价上，将神经网络应用于 IPO 定价的研 究并不多见；2、输入变量创新：以往使用神经网络模型时，多数使用公司的财 务数据作为输入变量。本文在选择变量时，还考虑了市场因素和公司流通股的 比例，更加全面的反应了影响IPO价格的因素；3、数据处理创新：将主成分分 析等数据预处理方法应用到神经网络模型中，极大的优化了网络结果；4、样本 创新：本文使用了 2001-2005 年上海证券交易所上市的共 279 个样本数据。充 足的样本量为模型的准确性提供了保障。 关键字： 人工神经网络；首次公开上市；