2019年五一杯数学建模C题科创板拟上市企业估值解题全过程文档及程序

2019年五一杯数学建模

C题 科创板拟上市企业估值

原题再现

  科创板在首届中国国际进口博览会开幕式上宣布设立,是独立于现有主板市场的新设板块。设立科创板并试点注册制是提升服务科技创新企业能力、增强市场包容性、强化市场功能的一项资本市场重大改革举措,科创板将补充我国成长型科技创新企业融资短板,有望成为中国版纳斯达克(NASDAQ)。
  近期,上海证券交易所已开始受理科创板企业的上市发行申请,科创板企业如何估值对于投资者来说至关重要。传统企业上市后估值通常采用市盈率法,对于科创板企业上市后估值方法可以考虑采用市销率法(科创板对企业盈利不做要求,暂未盈利的企业采用市销率法较为合理)。由于是新型板块,估值可参照美国同类型市场NASDAQ上市公司的平均市销率,但由于国内市场与美国市场上市的企业盈利能力不同以及投资者结构不同,造成基本面与流动性均存在较大差异,从而导致中国与美国的股票市场估值水平存在估值溢价或折价。
  1. 根据附件1和附件2中的数据,选取平均市销率作为估值水平,测算2018年中国A股市场(上证指数成分股)与美国NASDAQ市场的估值水平,并计算出这两个市场的估值溢价或折价水平。
  2. 建立数学模型,对中国A股市场的估值指标与基本面指标、流动性指标之间的关系进行定量分析,同时对美国NASDAQ市场的估值指标与基本面指标、流动性指标之间的关系进行定量分析,并比较差异。其中,基本面指标包括年度营业收入、年度归母净利润、年度净资产收益率等;流动性指标包括年度单只股票交易量、年度单只股票交易金额、年度单只股票平均换手率等。
  3. 建立数学模型,分别对中国A股市场和美国NASDAQ市场2019年的基本面指标、流动性指标进行预测分析;根据预测结果,计算出这两个市场2019年的估值指标。
  4. 截至2019年4月27日,上海证券交易所已受理93家企业申报科创板上市,并且公布了93家企业2016-2018年的基本面数据(见附件3)。参照美国NASDAQ市场的估值量化模型、中国A股市场的流动性指标,预测我国首批科创板企业上市后的估值水平。

整体求解过程概述(摘要)

  在首届中国国际进口博览会上宣布设立的科创板弥补了我国科技型创新企业的融资短板。由于科创板与美国 NASDAQ 市场具有一定的共性,科创板的估值可参照美国 NASDAQ 市场的平均市销率。然而,国内市场与美国市场在企业盈利能力与投资者结构方面的不同,会造成科创板的估值产生严重的估值溢价或折价。为了准确评估科创板上市企业,本文做了以下工作:
  针对问题 1,考虑到单只股票对市场的影响,对市场内的每一个企业进行分析,通过对市场内各个企业的市销率、营业收入、年成交额、年成交量和年平均换手率进行计算,获得了 A 股市场与美股市场各自的当前实际估值,同时由数据中给出的市销率计算获得了两市场的预期估值,通过这两种估值的比较,获得了两市场的溢价或折价水平。
  针对问题 2,要在基本面指标、流动性指标以及估值指标之间建立定量数学模型,应当考虑到股价的波动情况和换手率情况对流动性指标的影响、市场企业的成长性与价值性对基本面指标的影响。首先,建立各指标的量化模型,然后将股价波动情况和换手率作为影响流动性指标的因素;对各项基本面指标采取了模糊层次分析法,最终获得了综合的基本面评价指标。在获得了各指标的量化模型后,通过绘制三个指标的空间散点图观察三者间的函数关系,分析各自市场的公司分布状况。经过观察后,首先采用强灵敏 SOM 聚类分析方法,对企业类别进行划分,理清市场的内部结构关系,进而在每个类别中,进一步建立市场基本面指标、流动性指标以及估值指标定量关系插值数学模型。
  针对问题 3,通过分析 2009-2018 年 10 年间的数据规律,采用灰色预测模型对2019 年中国 A 股市场与美国 NASDAQ 市场的基本面指标、流动性指标分别进行预测;采用鱼群算法优化的方法对加权灰色预测模型的参数进行优化,进一步体现背景值在建模中的作用,并增加了模型的约束条件,对于不满足约束条件的指标,采用多项式进行拟合预测。根据问题 2 所得的指标定量关系,进一步计算出两个市场的市销率指标。
  针对问题 4,根据 2019 年科创板基本面指标、流动性指标的预测值,结合问题2 中获得的美国 NASDAQ 市场的估值量化模型,对科创板上市后的估值进行计算。

模型假设:

  1、不考虑政策导向和操盘以及投资者交易情绪等人为因素对中国 A 股市场与美国 NASDAQ 市场的影响。
  2、中国 A 股市场与美国 NASDAQ 市场之间不存在相互影响关系,且各市场内的各企业为相互独立的个体,不存在企业间的相互影响。
  3、市场中企业的估值指标、基本面指标以及流动性指标与市场指标的关系具有一致性。

问题分析:

  问题(1)的分析:
  对于两个市场层面的数据分析,首先要对市场内的每一个企业进行分析,通过对市场内各个企业的市销率、营业收入、年成交额、年成交量和年平均换手率进行计算,得出中国 A 股市场与美国 NASDAQ 市场各自的平均市销率,并进一步求解两个市场的估值溢价或折价水平。
  问题(2)的分析:
  为了能够获得较为准确的中国 A 股市场与美国 NASDAQ 市场的基本面指标、流动性指标以及估值指标间的关系,首先应当建立基本面指标、流动性指标以及估值指标的定量数学模型。然后通过查阅资料等方式,分别查找影响这三个指标的相关因素,建立各指标的量化模型。将股价波动情况和换手率作为影响流动性指标的因素;对于基本面指标而言,应当同时关注市场企业的成长性与价值性。对于估值指标而言,利用市销率对该指标进行度量。在获得了各指标的量化模型后,应当对这些指标绘制空间散点图,观察三者间的函数关系。由于空间散点图具有集聚性的特点,普通的拟合方法不能适用,因此本文采用了强灵敏 SOM 聚类分析的方法,大体划分了企业类别,理清了市场的内部结构关系。之后再在每个类别中,寻求市场所具有的基本面指标、流动性指标以及估值指标定量关系。
  问题(3)的分析:
  通过分析 2009-2018 年 10 年间的数据规律,对 2019 年中国 A 股市场与美国NASDAQ 市场的基本面指标、流动性指标分别进行预测,由于整个市场的整体数据量有限,采用灰色预测模型对基本面指标和流动性指标进行预测,同时为了体现背景值在建模中的作用,采用鱼群算法优化的方法对加权灰色预测模型的参数进行优化,并为其增加了约束条件,对于不满足约束条件的指标,则利用多项式进行拟合预测。再根据问题(2)所得的指标定量关系,进一步计算出两个市场的市销率指标。
  问题(4)的分析:
  为了分析科创板2019年的估值水平,首先应当对2019年的科创板基本面指标、流动性指标进行预测,根据预测值,结合问题(2)中获得的美国 NASDAQ 市场的估值量化模型,对科创板上市后的估值进行计算。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

程序代码:(代码和文档not free)

from lifetimes.datasets import load_cdnow_summary_data_with_monetary_value

summary_with_money_value = load_cdnow_summary_data_with_monetary_value()
summary_with_money_value.head()
returning_customers_summary = summary_with_money_value[summary_with_money_value['frequency']>0]

print(returning_customers_summary.head())
from lifetimes.datasets import load_cdnow_summary
from lifetimes import BetaGeoFitter
data = load_cdnow_summary(index_col=[0])
bgf = BetaGeoFitter(penalizer_coef=0.0)
bgf.fit(data['frequency'], data['recency'], data['T'])
bgf.fit(summary_with_money_value['frequency'], summary_with_money_value['recency'], summary_with_money_value['T'])

print(ggf.customer_lifetime_value(
    bgf, #the model to use to predict the number of future transactions
    summary_with_money_value['frequency'],
    summary_with_money_value['recency'],
    summary_with_money_value['T'],
    summary_with_money_value['monetary_value'],
    time=12, # months
    discount_rate=0.01 # monthly discount rate ~ 12.7% annually
).head(10))
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/153658.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

MTK联发科MT8766核心板 4G智能模块安卓开发板方案定制

MT8766 是一款基于 MTK 平台工业级高性能、可运行 android12.0 操作系统的 4G智能模块,三款模块硬件是相互兼容,支持 LTE-FDD(CAT-7)/LTE-TDD(CAT-7)/WCDMA/TD-SCDMA/EVDO/GSM 等多种制式;支持 WiFi5 802.1…

景联文科技入选量子位智库《中国AIGC数据标注产业全景报告》数据标注行业代表机构

量子位智库《中国AIGC数据标注产业全景报告》中指出,数据标注处于重新洗牌时期,更高质量、专业化的数据标注成为刚需。未来五年,国内AI基础数据服务将达到百亿规模,年复合增长率在27%左右。 基于数据基础设施建设、大模型/AI技术理…

释放机器人潜力,INDEMIND深耕底层技术

市场转暖,但攘外需要同时安内。 市场降温之后,正迎来拐点 疫情之后,经济逐渐下行,服务机器人的“好日子”也随之结束,整个行业都在动荡中经历渡劫。根据TE智库报告显示,从2022年开始,我国服务…

纺织机械对直线模组的要求有哪些?

直线模组在纺织机械中的应用越来越广泛,对其性能和精度要求也越来越高,那么什么样的纺织机械模组才可以满足纺织机械的使用需求呢? 1、高精度:直线模组需要具备高精度的运动和定位能力,以确保纺织机械能够精确控制纱线…

Notion平替工具AFFINE知识库如何本地部署与公网远程访问

公网访问全能知识库工具AFFINE,Notion的免费开源替代品 前言 AFFiNE 是一个全新的开源项目,旨在克服 Notion 和 Miro 在安全和隐私方面的一些局限性。它的设计目标是帮助用户将会议记录、待办事项、文档中的目标、视频会议白板上的头脑风暴以及客户访谈…

精选112个炫酷大数据可视化大屏模板(含源码),拿走即用

112套大数据可视化炫酷大屏Html5模板;包含行业:智慧社区、智慧物业、政务系统、智慧交通、智慧工程、智慧医疗、智慧金融银行、智慧农业等,全网最新、最多,最全、最酷、最炫大数据可视化模板。 可视化大屏预览及源码获取地址&…

影响气膜建筑坍塌的原因

气膜建筑以其轻盈、透光、环保等特性,逐渐在建筑领域崭露头角。然而,这种建筑形式并非没有缺陷,其安全性与稳定性直接影响到建筑物的使用寿命和人员安全。 一、结构设计不合理 气膜建筑的结构设计是影响其稳定性的关键因素。良好的结构设计能…

K8S篇之实现利用Prometheus监控pod的实时数据指标

一、监控部署 1、将k8s集群中kube-state-metrics指标进行收集,服务进行部署 1.1 pod性能指标(k8s集群组件自动集成) k8s组件本身提供组件自身运行的监控指标以及容器相关的监控指标。通过cAdvisor 是一个开源的分析容器资源使用率和性能特性的…

vue + andtd 动态增加表单并进行表单校验

<template><a-modalv-model:visible="visible":title="formData.id ? 编辑渠道 : 添加渠道":width="850":mask-closable="false":destroy-on-close="true"@ok="onSubmit"@cancel="onClose"&g…

双十一快递业务量暴增,快递驿站视频智能监控方案保障快递业务顺利开展

一、背景分析 虽然刚刚过去的双十一电商购物狂潮结束&#xff0c;但是快递业务量仍处在高峰期。据数据统计&#xff0c;今年全国邮政快递企业在11月11日当天共揽收快递包裹6.39亿件&#xff0c;是平日业务量的1.87倍&#xff0c;同比增长15.76%。随着电商购物节的不断增多&…

Confluence的安装部署

先介绍一下confluence Confluence是一个专业的企业知识管理与协同软件&#xff0c;也可以用于构建企业wiki。使用简单&#xff0c;但它强大的编辑和站点管理特征能够帮助团队成员之间共享信息、文档协作、集体讨论&#xff0c;信息推送。 confluence是Atlassian公司的&#x…

RDB是什么?·

目录 一、RDB是什么&#xff1f; 二、 RDB触发机制 2.1 手动触发 2.2 自动触发 2.3 RDB执行流程 三、RDB的文件处理 四、RDB的优缺点 一、RDB是什么&#xff1f; RDB是Redis DataBase&#xff0c;是Redis实现数据持久化的一种方式。因为Redis的数据是存储在内存中的&#xff0…

Leetcode2760. 最长奇偶子数组

Every day a Leetcode 题目来源&#xff1a;2760. 最长奇偶子数组 解法1&#xff1a;模拟 代码&#xff1a; class Solution { public:int longestAlternatingSubarray(vector<int> &nums, int threshold){int n nums.size();int ans 0;for (int i 0; i <…

centos7升级python2到python3.6.8使用yum安装问题

背景 公司爬虫需要使用python3.6.8版本&#xff0c;因此升级centos的python2到python3.6.8。但是当使用yum安装包时 &#xff0c;出现如下异常&#xff1a; [rootlocalhost bin]# yum install npm -y Loaded plugins: fastestmirror, product-id, search-disabled-repos, sub…

短视频ai剪辑分发账号矩阵系统(招商oem)----源头技术开发

短视频ai剪辑分发账号矩阵系统 1. 视频剪辑工具——原创短视频一键生成&#xff0c;视频剪辑亮点分析 &#xff08;1&#xff09;多模式智能剪辑 包含智能混剪逻辑、智能组合、场景顺序、图片生成视频等多种模式。在视频创作上也做了简化&#xff0c;即使是没有剪辑能力的创…

node 第十八天 中间件express-session实现会话密钥

express-session 文档 express-session 一个简单的express会话中间件 使用场景 在一个系统中&#xff0c; 需要维持一个临时的与登录态无关的会话密钥 比如登录系统后&#xff0c; 请求某一个接口&#xff0c; 接口的行为与登录态无关&#xff0c; 也就是说任何人对接口的访问…

3.5 Linux 用户管理

1、账号 & 组账号 inux基于用户身份对资源访问进行控制&#xff0c;Linux 属于多用户的操作系统 a. Linux 用户 按建立方式分类&#xff1a; 内建账户: 由系统或程序自行建立的账户自定义账户: 管理员或特权人员手工建立 按权限分类&#xff1a; 特权账户: 有对系统或…

【proverif】proverif的语法-解决中间人攻击-代码详解

系列文章目录 【proverif】proverif的下载安装和初使用【proverif】proverif的语法&#xff08;本文&#xff09; 文章目录 系列文章目录前言&#xff1a;proverif-密码学领域中的客观第三方评价工具一、从官网学正规语法二、细看用户手册1. 声明形式的加密原语2. 握手协议-中…

【10套模拟】【5】

关键字&#xff1a; 数据的最小单位、归并排序&#xff08;两两归并&#xff09;、单链表顺序存取、邻接表表头顶点顺序存储随机访问、三角矩阵元素个数、堆的性质、冒泡排序、二叉树是否相同

MATLAB与Excel的数据交互

准备阶段 clear all % 添加Excel函数 try Excel=actxGetRunningServer(Excel.Application); catch Excel=actxserver(Excel.application); end % 设置Excel可见 Excel.visible=1; 插入数据 % % 激活eSheet1 % eSheet1.Activate; % 或者 % Activate(eSheet1); % % 打开…