上市公司盈利与预测--.doc

*************************************************** 上市公司盈利与预测 *************************************************** INDEX: 文章摘要 正文引言 背景模型描述及其推广模型 借助当年收益率预测下一年收益率 预测下一年收益率等于当年收益率 最小二乘法线性拟合收益率函数关系式 最小一乘回归建模（Least Absolute Deviation Regression） 最小一乘法线性拟合下一年收益率与当年收益率函数关系式 最小一乘法线性拟合下一年收益率与所有解释变量函数关系式 奇异点对最小一乘回归的影响分析 模型的建立 主成分分析 背景模型分析中的启示 四个象限的分划与特征分析 基于划分的模型的建立 模型效果的评估 模型可能存在的弱点及缺陷 参考文献 附录1：模型得到的资产净收益 附录2：MATLAB程序源代码 ********************************************************************* 文章摘要 ********************************************************************* 上市公司的盈利能力是驱动股票收益率的一个重要的因素，对于投资者而言，对上市公司的盈利能力进行正确的分析与判断，是投资成功的关键所在；对国家而言，对上市公司的盈利进行正确的分析与判断，是制定宏观调控政策的重要依据，是关系国家宏观经济是否平稳进行的重要支撑。 过去的研究（本文称之为背景模型）集中在用当年收益率预测下一年以及用最小线性回归建立模型进行预测。两种方法都能在一定的误差范围下进行预测，本文在简述一定的经济学背景知识后，针对四年的上市公司财务数据进行较为详细地精度测算与分析，（分别利用matlab工具针对四年的数据进行单元以及多元线性拟合，对前四年的上市公司财务数据进行拟合） 背景模型中第一种直接预测的方法虽然最为简单，却取得了良好的效果，比最小二乘法等较为复杂的数学方法预测更加准确。在分析原因时，我们发现该方法的成功之处在于对数据最为密集之处的拟合非常准确。受此模型成功原因的启发，我们根据数据的特点，提出了面向主体的思想。这一思想在之后的分析和建立模型的过程中得到了全面体现。 在经过对数据进行主成分分析以及散点图、逐步的多元线性回归等步骤之后，从中得到一些最重要的的特征。通过对下一年收益率影响最大的特征：当年收益率的分析，建立了对数据的明确划分模型，即象限分析。在每一个象限中，根据其中数据的特点，分别根据特征研究算法，最后予以整合。 最后，建立模型——基于划分的面向主体的主成分拟合模型，经过将该模型运用到前四年数据的检验中，验证了我们的模型比背景模型的数据能够更加准确的刻画出上市公司下一年的资产净收益率 本文在给出能较精确的预测资产收益率的模型后，分析模型可能存在的弱点以及可能的改进，本文亦试图以相关的经济学原理解释之。 ********************************************************************* 正文引言 ********************************************************************* 在自然界和社会生活中许多现象之间都存在着某种必然的联系，本次研究课题就是针对大量的测试数据从定量分析的角度出发寻找隐含的规律，由于受到各种复杂的随机因素的影响，收集到的数据难免有一定的误差，这就使得无法利用明确的数学方程式进行计算，而只能通过建立统计模型来表达现象之间的关系。本次的研究课题的意义就在于此。 本次研究课题给出了四年上市公司的财务数据，在进行背景模型定量的预测分析与建立模型之前，对给出的四年数据进行详细的定性的描述性分布分析很有必要，这样可以得到对于数据特征的准确把握，从四年的财务数据中就可以发现， 四年的财务数据具有明显的肥尾特征，肥尾特征几乎是普遍存在的，存在于因变量和解释变量中。 对于给出的四年ROE（当年度资产收益率）数据， Matlab中hist([roe1,roe2,roe3,roe4],10000)命令，即可得到概率密度曲线： 由此可以看到明显的尖峰以及肥尾现象净资产收益率在0点具有高度的奇异性，ROE的直方图如上图所示，显然不是正态分布，不能简单的根据正态分布来预测下一年的净资产收益率。由于存在奇异点，横坐标的延伸很长，但是对于统计而言，由于所占比重很小，不影响我们的建模分析，我们主要所关心的就在于概率密度分布最大的区间（如下图所示）： ***************************