基于神经网络非流通股溢价比例及其影响因素研究.docVIP

基于神经网络非流通股溢价比例及其影响因素研究 　　摘要：本文基于神经网络技术，在目前我国证券市场正在进行股权分置改革的背景下，对我国上市公司非流通股股东对流通股股东的对价比例及其影响因素进行了实证分析和探讨，利用第一批股权分置改革试点的上市公司作为样本，来设计建立的BP神经网络，预测其他上市公司的非流通股的对价比例，并运用干扰法来测试各个影响因子影响其对价比例的权重。 　　关键词：神经网络；股权分置；对价比例；影响因子 　　基金项目：国家自然科学基金资助项目。 　　作者简介：屈波(1969－)，男，河南郑州人，华中科技大学管理学院博士研究生，主要从事投融资优化决策、证券市场流动性研究。 　　中图分类号：F830.9　文献标识码：A　文章编号：1006－1096(2007)03－0141－03　收稿日期：2006－11－27 　　 　　一、引言 　　 　　自W.Mcculloch和W.Pitts在半个多世纪前提出MP模型以来，人工神经网络的理论和技术得到了快速的发展，在经济和金融领域特别是在证券市场的分析和预测中也得到了广泛的应用。例如应用于经济的预测，股票的选择，投资组合的构建，识别内部交易，分析公司财务状况，债权风险评估，确认财务危机，汇率预测，期权价值评估，期货交易等方面的应用。众所周知，2006年是中国证券市场发展历史上重大的变革之年，长期困扰中国证券市场正常发展的股权分置的改革全面展开(中国证监会，2005)。中国证券市场也是世界上独具特色的证券市场，长期以来由于历史的原因，中国证券市场上市公司2/3的股票不能流通，1/3的股票可以上市流通。由于这种股权的分裂造成了流动性的分裂，非流通股东与流通股东利益关系不协调，给中国的资本证券市场带来很大的危害(吴晓求，2004)。2005年我国政府决定自5月起开始进行股权分置改革，争取在一到两年内，中国证券市场实施全流通，消除股权分置。届时中国证券市场有2/3的非流通股将逐步转化为流通股，从而也给中国证券市场带来了一系列值得研究的问题：非流通股将通过什么方式实现流通?其流通价值怎么确定?非流通股流通实施方案怎么确定?逐步流通后给中国证券市场流通性带来什么影响?目前股权分置改革试点已经结束，全面股改已经全面铺开，并且多数上市公司股权分置改革方案已经提出，其中主要采取非流通股股东向流通股股东送股、部分公司结合派现、缩股和送配认购权证等方式实现非流通股的流通。本文将基于神经网络在中国股权分置改革的背景下，利用神经主要是BP网络的广泛的适应能力、学习能力和映射能力和非线性隐含神经元的BP神经网络具备可以逼近任何非线性连续函数的能力来分析非流通股股东“对价”比例及其影响因素。下面将分别讨论BP网络的结构设计和输入输出数据的处理以及在MATLAB上的实现和最后的结论。 　　 　　二、BP神经网络模型的设计与建立 　　 　　1．网络结构设计 　　神经网络在证券市场中的广泛应用，这是因为具含有非线性隐神经元的BP神经网络具备了可以逼近任何非线性连续函数的能力，可通过神经元连接权值的调整，更准确反映出对象输入与输出之间复杂的非线性映射关系，从而可以实现相对精确预测和实证分析。由于三层BP网络具有逼近任意函数的能力，根据我们将要研究的问题特点，我们在此设计一个三层BP神经网络(图1)。 　　图中输入为10个输入变量x，所以第一层选择了10个神经元，第二层神经元为21个，第三层为输出层一个神经元，输出变量为Y。 　　设Xi(i=1，2，…10)是每个样本的输入数据，Yn(n=1，2，…44)为输出结果向量。W1，W2，W3…W12为各层神经元的权值；b1，b2，b3为各层神经元的阈值；Si(i=1，2，3，…12)为各层神经元的个数。L1，L2，L3为各层的输出，L3的输出即为Y。其各层对应神经元的变换函数分别为 　　logsig(x)=1／(1+e-x) 　　tag sig(x)=1／(1+e-2x)-1 　　purelin(x)=cx 　　2．样本的选取和输入输出数据的处理 　　根据我国股权分置改革方案，非流通股大多通过“对价”或其他方式补偿流通股股东部分流动性溢价方可实现全流通，本文选择了中国证监会已经宣布实施股权分置改革试点的公司非流通股股东对流通股股东的“对价”方案作为样本，每一个样本取10个与非流通股股东对价比例密切相关的各个因素作为BP神经网络的输入项Xi(i=1，2，…10)，输出结果Y∈(0，1)为“对价”比例。通过训练学习BP网络，然后泛化来分析中国证券市场其他所有股票的非流通股的流动性价值，预测即将实施股权分置改革公司的“对价”比例。并通过训练后的BP神经网络对输入量采取扰动法来分析影响非流通股流动性价值的各个因素对