CN112183902A - 股权资产值的预测方法、及相关装置、设备 - Google Patents

股权资产值的预测方法、及相关装置、设备 Download PDF

Info

Publication number
CN112183902A
CN112183902A CN202011239808.7A CN202011239808A CN112183902A CN 112183902 A CN112183902 A CN 112183902A CN 202011239808 A CN202011239808 A CN 202011239808A CN 112183902 A CN112183902 A CN 112183902A
Authority
CN
China
Prior art keywords
value
enterprise
market
influence
business
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011239808.7A
Other languages
English (en)
Inventor
陆文添
李乔
费秋艳
耿鹏
王秉坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Bond Financial Valuation Center Co ltd
Original Assignee
China Bond Financial Valuation Center Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Bond Financial Valuation Center Co ltd filed Critical China Bond Financial Valuation Center Co ltd
Priority to CN202011239808.7A priority Critical patent/CN112183902A/zh
Publication of CN112183902A publication Critical patent/CN112183902A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请所述的股权资产值的预测方法、及相关装置、设备，依据“市场替代”的客观规律，利用可比企业的市场乘数，得到企业的市场乘数，进而得到企业的预测价值。依据“时间价值”的客观规律，获取对的历史财务产生影响的内生影响条件和外生影响条件进而获取企业的未来的自由现金流和企业加权平均资本成本，再进一步获取企业的价值，作为第二价值。预测得到的企业的价值具有较高的客观性和准确性。依据第一价值和第二价值的均值，得到第三价值，并从中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，最终的预测结果的准确性能够进一步提高。

Description

股权资产值的预测方法、及相关装置、设备
技术领域
本申请涉及电子信息领域，尤其涉及一种股权资产值的预测方法、及相关装置、设备。
背景技术
股权投资计划，是指保险资产管理机构作为管理人发起设立，向投资人募集资金并进行投资管理，由托管人进行托管，直接或间接投资于未上市企业股权的金融工具。
2020年3月18日，中国银保监会颁布《保险资产管理产品管理暂行办法》，要求保险资产管理机构至少每季度向投资者披露产品净值和其他重要信息。2020年4月18日，中国保险资产管理业协会发布《保险资产管理产品估值指引(试行)》，进一步推动行业估值和净值化管理体系建设，提升产品估值和净值计量规范。
但因为保险资产股权投资计划结构复杂，底层投资企业情况多样，目前还没有能够准确提供保险资产股权投资计划的资产估值的软件或硬件。
发明内容
本申请提供了一种股权资产值的预测方法、及相关装置、设备，目的在于解决如何准确提供保险资产股权投资计划的资产估值的问题。
为了实现上述目的，本申请提供了以下技术方案：
一种股权资产值的预测方法，包括：
查询企业的可比企业；所述可比企业为与所述企业的特征相似的企业；
依据所述可比企业的市场乘数，获取所述企业的市场乘数；
依据所述企业的市场乘数，获取所述企业的价值，作为第一价值；
获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，其中，所述影响条件包括：影响因子、影响方式和影响程度；
依据所述内生影响条件和外生影响条件，获取所述企业的未来的自由现金流；
获取所述企业的加权平均资本成本；
依据所述加权平均资本成本和所述未来的自由现金流，获取所述企业的价值，作为第二价值；
依据所述第一价值和所述第二价值的均值，得到第三价值；
从所述第三价值中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，得到所述企业的股权资产值。
可选的，所述查询企业的可比企业，包括：
将所述企业的财务特征和经营特征进行主成分分析，得到主成分分析评分；
将其它企业的所述财务特征和所述经营特征进行主成分分析，得到对比主成分分析评分；
将所述对比主成分分析评分与所述主成分分析评分相似的前N个所述其它企业，作为所述企业的可比企业。
可选的，所述依据所述可比企业的市场乘数，获取所述企业的市场乘数，包括：
将所述可比企业的市场乘数的加权和，作为所述企业的市场乘数，其中，所述可比企业的市场乘数的加权为预设的权重和调整系数。
可选的，所述依据所述企业的市场乘数，获取所述企业的价值，作为第一价值，包括：
确定与所述企业的行业分类对应的市场乘数库，作为目标市场乘数库；所述市场乘数库包括至少一条市场乘数计算规则，所述市场乘数计算规则为市场乘数等于企业价值与预设指标的比值；
从所述目标市场乘数库中，使用预设的筛选规则，选择目标市场乘数规则；
依据所述目标市场乘数规则、所述目标市场乘数规则中使用的经济指标的数值和所述企业的市场乘数，获取所述企业的价值，作为所述第一价值。
可选的，所述获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，包括：
求解依据所述企业的经营情况字段的数值、财务特性字段的数值和关系型数据标签与时间的对应关系构建的回归方程，得到影响所述企业的历史财务的内生影响因子、影响方式和影响程度；所述关系型数据标签用于表示所述企业与其它企业的关联关系；
求解依据所述企业的宏观经济数据字段的数值和行业数据字段的数值，拟合的所述回归方程的结果残差方程，得到影响所述企业的历史财务的外生影响因子、影响方式和影响程度。
可选的，所述获取所述企业的企业加权平均资本成本，包括：
确定所述企业的债务融资成本；
确定所述企业的股权融资成本；
将所述债务融资成本与所述股权融资成本加权得到企业加权平均资本成本。
可选的，所述确定所述企业的债务融资成本，包括：
将所述企业的行业数据字段、经营情况字段、财务特性字段以及评级字段输入预设的中债市场隐含评级模型，得到所述中债市场隐含评级模型输出的所述债务融资成本；
其中，所述中债市场隐含评级模型使用债券融资主体及担保方所处行业状况、自身经营和财务情况以及评级公司、所述企业在公开市场发行债券的价格信号训练得到。
可选的，所述确定所述企业的股权融资成本，包括：
提取所述企业的所述可比企业的市场交易字段以及财务特性字段；
将所述市场交易字段以及财务特性字段输入预设的资本资产定价模型，得到所述可比企业的市场相关系数Beta值；
根据所述可比企业的财务杠杆参数对所述Beta值进行修正；
将所述修正后的所述Beta值的平均值，作为所述企业的修正Beta值估计值；
根据所述企业的财务杠杆参数对所述修正Beta值进行调整；
将所述企业的调整Beta值估计值输入所述资本资产定价模型，得到所述企业的股权融资成本。
可选的，所述流动性折扣的获取方法包括：
将所述企业的平均价格亚式看跌期权作为所述流动性折扣。
可选的，所述控制权因子折扣的获取方法包括：
依据预设的条件项与折扣因子的对应关系，确定与所述企业的所述条件项的数值对应的控制权因子的数值。
一种股权资产值的预测装置，包括：
基于市场乘数的价值估计模块，用于查询企业的可比企业；所述可比企业为与所述企业的特征相似的企业；依据所述可比企业的市场乘数，获取所述企业的市场乘数；依据所述企业的市场乘数，获取所述企业的价值，作为第一价值；
基于自由现金流的价值估计模块，用于获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，其中，所述影响条件包括：影响因子、影响方式和影响程度；依据所述内生影响条件和外生影响条件，获取所述企业的未来的自由现金流；获取所述企业的加权平均资本成本；依据所述加权平均资本成本和所述未来的自由现金流，获取所述企业的价值，作为第二价值；
价值融合模块，用于依据所述第一价值和所述第二价值的均值，得到第三价值；
估值调整模块，用于从所述第三价值中扣除股权价值、流动性折扣和控制权因子折扣，得到所述企业的股权资产值。
一种股权资产值的预测设备，包括：
存储器和处理器；
所述存储器用于存储程序，所述处理器用于运行所述程序，以实现上述的股权资产值的预测方法。
一种计算机可读存储介质，在计算设备上运行时，实现上述的股权资产值的预测方法。
本申请所述的技术方案，依据“市场替代”的客观规律，利用可比企业的市场乘数，得到企业的市场乘数，进而得到企业的预测价值。依据“时间价值”的客观规律，获取对的历史财务产生影响的内生影响条件和外生影响条件，依据内生影响条件和外生影响条件，获取企业的未来的自由现金流，获取企业的加权平均资本成本，依据加权平均资本成本和未来的自由现金流，获取企业的价值，作为第二价值。再依据第一价值和第二价值的均值，得到第三价值，从第三价值中扣除股权价值、流动性折扣和控制权因子折扣，得到企业的股权资产值。可见，从两个不同的客观规律出发，分别预测得到企业的价值，所以，预测得到的企业的价值具有较高的客观性，所以准确性较高。并且，依据不同角度预测的企业的价值的均值，得到企业的价值，所以，与单一预测方式相比，企业的价值的准确性较高，进一步的，因为扣除了带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，所以，最终的预测结果的准确性能够进一步提高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的股权资产值的预测方法流程图；
图2为本申请实施例公开的又一股权资产值的预测方法的流程图；
图3为本申请实施例公开的股权资产值的预测装置的结构示意图。
具体实施方式
本申请实施例公开的股权资产值预测技术，可以应用在与已有数据库相连的服务器上，目的在于，从数据库中获取数据，并对数据进行处理，得到股权资产的预测值。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例公开的股权资产值的预测方法，包括以下步骤：
1、采用文件传输协议(File Transfer Protocol，FTP)方式从连接的数据库中获取数据。
本实施例中，数据库以中保保险资产登记交易系统有限公司(以下简称“中保登”)数据库以及中债金融估值中心有限公司(以下简称“中债估值中心”)数据库为例。中保登数据库中存储各支股权资产的信息。中债估值中心数据库中存储市场交易信息。这些信息可具体分为结构化字段和非结构化字段。
具体的，结构化字段是指按照某种格式存储的数据，本实施例中，结构化字段包括但不限于：宏观数据字段、行业数据字段、市场交易字段(如上市企业股票交易价格、债券交易收益率等)、各支股权资产即产品的基础信息(如投资起始日、预计退出日、投资金额)、被投资企业(即股权投资计划持有股权的企业)的行业分类字段、财务特性字段、经营情况字段以及评级字段。其中，财务特性字段包括业务性质与构成字段、企业规模字段、企业股权结构字段，经营情况字段包括企业所处经营阶段字段、风险状况字段、资产负债结构字段和盈利增长潜力字段、企业年销售产品件数。
本实施例中，产品的一种示例为股权资产。
非结构化字段通常是指以自然语言形式存储的数据，本实施例中，非结构化字段包括但不限于：被投资企业权益结构信息、特殊条款信息、财务报表附注信息及其他衍生信息。
非结构化字段如果以图片形式存储在数据库中，则可以使用光学字符识别(Optical Character Recognition，OCR)技术从数据库中获取，并以文本形式存储。
2、对获取的数据进行处理。
因为结构化字段的格式较为标准且通用，所以无需再进行处理。
本步骤中，针对非结构化字段进行处理：通过自然语言处理方法提取非结构化字段文本中的特征，特征包括但不限于：企业之间的关联关系(例如母公司与控股子公司等)和企业之间的业务关系(例如应收账款前10大客户等)。
其中，企业之间的关联关系依据步骤1中获取的被投资企业权益结构信息数据提取生成，企业之间的业务关系依据步骤1中获取的财务报表附注信息数据提取生成。
对于获取到的关联关系以及业务关系，可以使用关系型数据标签，例如对于关联关系采用{左端节点：企业A；右端节点：企业B；左右节点之间的边关系：控股子公司}存储；对于业务关系采用{左端节点：企业A；右端节点：企业B；左右节点之间的边关系：应收账款}存储，以便于后续查询。
3、对数据进行校验和纠正。
对于结构化字段，第一、对比获取到的结构化字段和在数据库中对应的结构化字段，如果获取到的结构化字段的值为空，则使用数据库中对应的结构化字段的数值填充。第二、校验获取到的结构化字段的数值是否满足预设的校验规则，如果否，重新获取结构化字段或者接收人工输入的纠正后的数值。其中，预设的条件可以依据需求预先配置，例如，企业的总资产不为零。
4、存储纠正后的数据。
具体的，可以将关系型数据标签存储至知识图谱中。
以上1-4完成数据的获取、预处理和清洗。以下将使用清洗后的数据，获取股权资产的预测值。
假设本实施例中，需要预测的是保险资管股权投资计划A所持有的股权资产值。
5、确定目标市场乘数库。
具体的，依据被投资企业A(即股权投资计划A持有股权的企业，以下简称企业A)的行业分类字段，从已有的市场乘数库中，选择被投资企业的行业分类对应的市场乘数库，作为目标市场乘数库。
市场乘数是指企业价值(或者股权价值)与经济指标的比值。常见的市场乘数包括市盈率(P/E)、市净率(P/B)、企业价值/销售收入(EV/Sales)、企业价值/息税折摊前利润(EV/EBITDA)、企业价值/息税前利润(EV/EBIT)等。上述比值即为市场乘数的计算规则。可见，不同的市场乘数使用的经济指标不同。
从以上定义和计算规则可以看出，市场乘数计算可以采用各类经济指标，而因为不同行业会受到不同经济指标的影响，因此需要根据行业分类划分为不同的市场乘数库。每个市场乘数库中，包括至少一条市场乘数计算规则。
6、确定目标市场乘数计算规则。
具体的，目标市场乘数库中的市场乘数筛选规则，为各个市场乘数中使用的经济指标的评价规则，将各个市场乘数使用的经济指标输入筛选规则，得到适合分，即一个经济指标对应一个适合分，将适合分大于预设的适合分阈值的经济指标，作为目标经济指标，将使用目标经济指标的乘数计算规则，作为目标市场乘数计算规则。
7、查询企业A的可比上市企业。
企业A的可比上市企业为与企业A相似的上市企业。本实施例中，查询企业A的可比上市企业的方式为：将企业A的预设字段的数值进行主成分分析，得到主成分分析评分A。将其它上市企业的预设字段的数值进行主成分分析，得到主成分分析评分(企业B得到主成分分析评分B，企业C得到主成分分析评分C等)。其中，预设字段为从财务特性字段和经营情况字段中选择的字段，可以为一个或多个，数量越多，则评分越准确。例如，预设字段包括：业务性质与构成字段、企业规模字段、企业所处经营阶段字段、风险状况字段、资产负债结构字段和盈利增长潜力字段。将主成分分析评分与主成分分析评分A相似的前N家上市企业，作为企业A的可比上市企业。
8、依据可比上市企业的市场乘数，获取企业A的市场乘数，并计算企业A的企业价值(或者股权价值)，作为第一价值。
具体的，依据规则：
Figure BDA0002768063190000091
得到企业A的市场乘数。其中，marketRatio标的为企业A的市场乘数，marketRatioi为第i家可比上市企业的市场乘数，adjustRatioi为第i家可比上市企业的市场乘数调整系数，weighti为第i家可比上市企业的权重。调整系数和权重均可以依据专家规则预先设置。
需要说明的是，因为市场乘数即为目标市场乘数计算规则输出的结果。所以，得到企业A的市场乘数后，可按目标市场乘数计算规则，从企业A的市场乘数和目标市场乘数计算规则中的经济指标的数值，反推得到企业A的企业价值(或者股权价值)。
可以理解的是，步骤5-8，遵循“市场替代”(即一个正常的投资者为一项资产支付的价格不会高于市场上具有相同用途的替代品的现行市价)这一客观规律，查询到企业A的可比上市企业，利用可比上市企业的特性，得到企业A的预测市场乘数，从而计算出企业A的企业价值(或者股权价值)。
9、获取影响企业A的历史财务的内生影响因子、影响方式和影响程度。
依据企业A的经营情况字段、财务特性字段和关系型数据标签与时间的对应关系，构建字段的数值与时间的回归方程，通过求解方程，得到影响企业A的历史财务的内生影响因子、影响方式和影响程度。其中，内生影响因子是指上述字段中，影响企业A的历史收益的字段，影响方式为线性影响或非线性影响。影响程度为回归方程的拟合优度大小。
10、获取影响企业A的历史财务的外生影响因子、影响方式和影响程度。
提取宏观经济数据字段(例如GDP、CPI等)及企业A行业数据字段(例如行业市场总规模)，使用上述字段的数值拟合步骤9中的历史收益回归结果残差，通过求解方程，得到影响企业A的历史财务的外生影响因子、影响方式和影响程度。其中，外生影响因子是指上述字段中，影响企业A的历史收益的字段，影响方式为线性影响或非线性影响。影响程度为回归方程的拟合优度大小。
步骤9和步骤10中，具体的方程和求解方式，可以参见现有技术，这里不再展开赘述。
11、获取企业未来的自由现金流(Free Cash Flow of Firm，FCFF)
FCFF是指是指企业扣除了所有经营支出、投资需要和税收之后的，在清偿债务之前的剩余现金流量。根据Copeland(1996)的结论，FCFF计算公式如下：
FCFF＝税后净营业利润+折旧及摊销–营运资本支出–资本性支出
具体的，依据步骤9与步骤10的结果，根据拟合优度确定企业财务预测适用的外推方程(包括内生变量方程与外生变量方程)以及详细预测期期数，外推得到企业未来的财务情况及永续增长率，根据上述公式计算得到自由现金流(FCFF)。其中，上述算法的具体实现方式，可以参见现有技术，这里不再赘述。
12、确定企业的债务融资成本。
提取企业A的行业数据字段、经营情况字段、财务特性字段以及评级字段，将其输入预设的中债市场隐含评级模型，得到中债市场隐含评级模型输出的债务融资成本；
其中，中债市场隐含评级模型使用债券融资主体及担保方所处行业状况、自身经营和财务情况以及评级公司、所述企业在公开市场发行债券的价格信号训练得到。
13、确定企业的股权融资成本。
提取步骤7中企业A可比上市企业的市场交易字段以及财务特性字段，根据资本资产定价模型(Capital Asset Pricing Model，CAPM)回归得到可比上市企业的市场相关系数Beta值并根据可比上市企业的财务杠杆参数，对Beta值进行修正，取平均作为企业A的修正Beta值估计；提取企业A财务特性字段，根据企业A的财务杠杆参数对修正Beta值进行调整；基于调整Beta值以及企业A财务字段，利用上述CAPM模型方程计算出企业A股权融资成本。
14、将债务融资成本与股权融资成本加权得到企业加权平均资本成本(WeightedAverage Cost of Capital，WACC)。
提取企业A财务特性字段，根据下述公式计算企业加权平均资本成本：
Figure BDA0002768063190000111
其中C为企业A普通股股本，Rc为企业A普通股股权融资成本，P为企业A优先股股本，Rp为企业A优先股股权融资成本，D为企业A债务资本，Rd为企业A债务融资成本，T为企业A所得税税率。
15、使用WACC对FCFF进行折现，计算得到企业A的企业价值，作为第二价值。
具体的，被投资企业的企业价值OV的计算方法为：
Figure BDA0002768063190000112
其中，OV为被投资企业(即企业A)的企业价值，n为详细预测期期数，g为永续增长率，FCFF为自由现金流量，WACC为加权平均资本成本。
可以理解的是，步骤9-15，遵循“时间价值”(一项资产现在的价格等于其未来带来的收益现金流按照时间折现所得的数值之和)这一客观规律，先获取企业A的内部原因对未来财务的影响，再结合企业A的外部环境对未来财务的影响，最终预测得到企业A未来的自由现金流FCFF；先参照中债市场隐含评级模型计算得到企业A债务融资成本，再根据可比上市企业及企业A自身财务杠杆确定企业A的股权融资成本，最终计算得到企业A加权平均资本成本WACC。使用WACC对FCFF进行折现，得到企业A的企业价值。
16、将第一价值与第二价值的均值，作为企业的价值。
由于企业价值由负债价值、股权价值以及其他工具价值组成。企业价值扣除负债及其他工具后剩余为股权价值；股权价值进行流动性折扣及控制权折扣后为股权估值价值，此时才可以乘以持股比例得到股权投资计划价值。依据上述财务规则，执行以下步骤：
17、获取股权价值。
根据被投资企业具有的其他权益工具(例如优先股等)及带息债务，根据预置专家经验规则对上述财务数据进行修正，从企业价值中扣减相关权益工具及带息债务价值，得到企业股权价值。
18、获取流动性折扣。
本实施例中，基于Finnerty(2012)的结论，结合股权投资计划实际情况，将平均价格亚式看跌期权作为流动性折扣。其中平均价格亚式看跌期权公式如下：
Figure BDA0002768063190000121
其中P为估值基准日看跌期权价值，S为股权估值价值，T为待退出期限，σ为波动率，q为预期年化股利收益率，N(·)为标准正态分布累积分布函数。
18、获取控制权因子折扣。
控制权因子包括两部分，一部分是针对控股子公司的控制权因子，一部是针对被投资企业的本身决策权因子。
可按照历史案例统计方式，统计得到历史上企业在不同条件项下的控制权因子数值，从而形成决策树判断模型(即条件项的数值1，对应控制权因子折扣为X1；条件项的数值2，对应控制权因子折扣为X2)。条件项包括但不限于：少数股东权益、股权投资计划派驻企业的董事及高管人数、股权投资计划管控能力。
本实施例，根据上述模型结合企业A财报中的少数股东权益得到对于子公司的控制权因子折扣A1；根据上述模型结合股权投资计划派驻企业的董事及高管人数、股权投资计划管控能力，得到对于被投资企业本身决策权的控制权因子折扣A2，采用上述控制权因子折扣对股权价值进行折扣调整。
具体的，在企业价值中减去相关权益工具及带息债务价值，再乘以折扣值，折扣值为流动性折扣，以及控制权因子折扣，得到调整后的结果。
19、汇总形成估值数据表或者估值报告。
调整后的结果为企业A的股权估值价值，再根据股权投资计划所持有的股份比例，计算得到股权投资计划所持有股份价值，根据估值过程自动生成估值数据表或者估值报告。
20、将估值数据表或者估值报告分发给订阅方。
本实施例所述的股权资产值的预测方法，具有以下有益效果：
1、依据“市场替代”和“时间价值”的客观规律，分别得到企业的价值。所以，得到的企业价值，具有较高的客观性，而不受主观意识影响。所以，准确性较高。
2、依据不同角度获得的企业的价值的均值，获取企业的价值，能够避免单一角度的不准确性。
3、从企业的价值中扣除股权价值、流动性折扣和控制权因子折扣，得到企业的股权资产值，符合财务规律，所以，得到的企业的股权资产值具有较高的准确性。
以上实施例可以概括为以下流程：图2为本申请实施例公开的又一种股权资产值的预测方法，包括以下步骤：
S201：查询企业的可比企业。
可比企业为与所述企业的特征相似的企业。
可选的，将企业的财务特征和经营特征进行主成分分析，得到主成分分析评分。将其它企业的财务特征和经营特征进行主成分分析，得到对比主成分分析评分。将对比主成分分析评分与主成分分析评分相似的前N个其它企业，作为企业的可比企业。其中，财务特征和经营特征的具体实现方式可以为前述财务特性字段和经营情况字段。
S202：依据可比企业的市场乘数，获取企业的市场乘数。
具体的获取方式可以参见上述步骤8。
S203：依据企业的市场乘数，获取企业的价值，作为第一价值。
具体的，确定与企业的行业分类对应的市场乘数库，作为目标市场乘数库；市场乘数库包括至少一条市场乘数计算规则，所述市场乘数计算规则为市场乘数等于企业价值与预设指标的比值。从目标市场乘数库中，使用预设的筛选规则，选择目标市场乘数规则，依据目标市场乘数规则、目标市场乘数规则中使用的经济指标的数值和所述企业的市场乘数，获取所述企业的价值，作为第一价值。
S204：获取对企业的历史财务产生影响的内生影响条件和外生影响条件。
其中，影响条件包括：影响因子、影响方式和影响程度，具体实现方式可以参见上述步骤9和10。
S205：依据内生影响条件和外生影响条件，获取企业的未来的自由现金流。
具体实现方式可以参见上述步骤11。
S206：获取企业的加权平均资本成本。
具体的，可以参见上述步骤12-14。
S207：依据加权平均资本成本和未来的自由现金流，获取企业的价值，作为第二价值。
S208：依据第一价值和第二价值的均值，得到第三价值。
具体的，可以将第一价值和第二价值的均值，得到第三价值，也可以，对均值进行运算，例如，乘以预设系数，得到第三价值，这里不做限定。
S209：从第三价值中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，得到企业的股权资产值。
具体的，可以参见上述步骤17-18。
图2所示的方法，能够准确预测保险资产股权投资计划的资产估值。
可以理解的是，第一价值和第二价值的确定顺序，不做限定，即，也可以先确定第二价值，在确定第一价值。
图3为本申请实施例公开的一种股权资产值的预测装置，包括：
基于市场乘数的价值估计模块，用于查询企业的可比企业；所述可比企业为与所述企业的特征相似的企业；依据所述可比企业的市场乘数，获取所述企业的市场乘数；依据所述企业的市场乘数，获取所述企业的价值，作为第一价值。
基于自由现金流的价值估计模块，用于获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，其中，所述影响条件包括：影响因子、影响方式和影响程度；依据所述内生影响条件和外生影响条件，获取所述企业的未来的自由现金流；获取所述企业的加权平均资本成本；依据所述加权平均资本成本和所述未来的自由现金流，获取所述企业的价值，作为第二价值。
价值融合模块，用于依据所述第一价值和所述第二价值的均值，得到第三价值。
估值调整模块，用于从所述第三价值中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，得到所述企业的股权资产值。
上述各个模块的功能的具体实现方式，可以参见上述方法实施例，这里不再赘述。
可选的，所述装置还可以包括数据处理模块，用于实现上述实施例的步骤1-4。以及数据分发模块，用于实现上述实施例的步骤19-20。
图3所示的装置，从两个不同的客观规律出发，分别预测得到企业的价值，所以，预测得到的企业的价值具有较高的客观性，所以准确性较高。并且，依据不同角度预测的企业的价值的均值，得到企业的价值，所以，与单一预测方式相比，企业的价值的准确性较高，进一步的，因为扣除了带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，所以，最终的预测结果的准确性能够进一步提高。
本申请实施例还公开了一种股权资产值的预测设备，包括：存储器和处理器。所述存储器用于存储程序，所述处理器用于运行所述程序，以实现上述实施例所述的股权资产值的预测方法。
本申请实施例还公开了一种计算机可读存储介质，在计算设备上运行时，实现上述实施例所述的股权资产值的预测方法。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种股权资产值的预测方法，其特征在于，包括：
查询企业的可比企业；所述可比企业为与所述企业的特征相似的企业；
依据所述可比企业的市场乘数，获取所述企业的市场乘数；
依据所述企业的市场乘数，获取所述企业的价值，作为第一价值；
获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，其中，所述影响条件包括：影响因子、影响方式和影响程度；
依据所述内生影响条件和外生影响条件，获取所述企业的未来的自由现金流；
获取所述企业的加权平均资本成本；
依据所述加权平均资本成本和所述未来的自由现金流，获取所述企业的价值，作为第二价值；
依据所述第一价值和所述第二价值的均值，得到第三价值；
从所述第三价值中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，得到所述企业的股权资产值。
2.根据权利要求1所述的方法，其特征在于，所述查询企业的可比企业，包括：
将所述企业的财务特征和经营特征进行主成分分析，得到主成分分析评分；
将其它企业的所述财务特征和所述经营特征进行主成分分析，得到对比主成分分析评分；
将所述对比主成分分析评分与所述主成分分析评分相似的前N个所述其它企业，作为所述企业的可比企业。
3.根据权利要求1所述的方法，其特征在于，所述依据所述可比企业的市场乘数，获取所述企业的市场乘数，包括：
将所述可比企业的市场乘数的加权和，作为所述企业的市场乘数，其中，所述可比企业的市场乘数的加权为预设的权重和调整系数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述依据所述企业的市场乘数，获取所述企业的价值，作为第一价值，包括：
确定与所述企业的行业分类对应的市场乘数库，作为目标市场乘数库；所述市场乘数库包括至少一条市场乘数计算规则，所述市场乘数计算规则为市场乘数等于企业价值与预设指标的比值；
从所述目标市场乘数库中，使用预设的筛选规则，选择目标市场乘数规则；
依据所述目标市场乘数规则、所述目标市场乘数规则中使用的经济指标的数值和所述企业的市场乘数，获取所述企业的价值，作为所述第一价值。
5.根据权利要求1所述的方法，其特征在于，所述获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，包括：
求解依据所述企业的经营情况字段的数值、财务特性字段的数值和关系型数据标签与时间的对应关系构建的回归方程，得到影响所述企业的历史财务的内生影响因子、影响方式和影响程度；所述关系型数据标签用于表示所述企业与其它企业的关联关系；
求解依据所述企业的宏观经济数据字段的数值和行业数据字段的数值，拟合的所述回归方程的结果残差方程，得到影响所述企业的历史财务的外生影响因子、影响方式和影响程度。
6.根据权利要求1所述的方法，其特征在于，所述获取所述企业的加权平均资本成本，包括：
确定所述企业的债务融资成本；
确定所述企业的股权融资成本；
将所述债务融资成本与所述股权融资成本加权得到企业加权平均资本成本。
7.根据权利要求6所述的方法，其特征在于，所述确定所述企业的债务融资成本，包括：
将所述企业的行业数据字段、经营情况字段、财务特性字段以及评级字段输入预设的中债市场隐含评级模型，得到所述中债市场隐含评级模型输出的所述债务融资成本；
其中，所述中债市场隐含评级模型使用债券融资主体及担保方所处行业状况、自身经营和财务情况以及评级公司、所述企业在公开市场发行债券的价格信号训练得到。
8.根据权利要求6所述的方法，其特征在于，所述确定所述企业的股权融资成本，包括：
提取所述企业的所述可比企业的市场交易字段以及财务特性字段；
将所述市场交易字段以及财务特性字段输入预设的资本资产定价模型，得到所述可比企业的市场相关系数Beta值；
根据所述可比企业的财务杠杆参数对所述Beta值进行修正；
将所述修正后的所述Beta值的平均值，作为所述企业的修正Beta值估计值；
根据所述企业的财务杠杆参数对所述修正Beta值进行调整；
将所述企业的调整Beta值估计值输入所述资本资产定价模型，得到所述企业的股权融资成本。
9.根据权利要求1所述的方法，其特征在于，所述流动性折扣的获取方法包括：
将所述企业的平均价格亚式看跌期权作为所述流动性折扣。
10.根据权利要求1所述的方法，其特征在于，所述控制权因子折扣的获取方法包括：
依据预设的条件项与折扣因子的对应关系，确定与所述企业的所述条件项的数值对应的控制权因子的数值。
11.一种股权资产值的预测装置，其特征在于，包括：
基于市场乘数的价值估计模块，用于查询企业的可比企业；所述可比企业为与所述企业的特征相似的企业；依据所述可比企业的市场乘数，获取所述企业的市场乘数；依据所述企业的市场乘数，获取所述企业的价值，作为第一价值；
基于自由现金流的价值估计模块，用于获取对所述企业的历史财务产生影响的内生影响条件和外生影响条件，其中，所述影响条件包括：影响因子、影响方式和影响程度；依据所述内生影响条件和外生影响条件，获取所述企业的未来的自由现金流；获取所述企业的加权平均资本成本；依据所述加权平均资本成本和所述未来的自由现金流，获取所述企业的价值，作为第二价值；
价值融合模块，用于依据所述第一价值和所述第二价值的均值，得到第三价值；
估值调整模块，用于从所述第三价值中扣除带息债权及其他权益工具价值、流动性折扣和控制权因子折扣，得到所述企业的股权资产值。
12.一种股权资产值的预测设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储程序，所述处理器用于运行所述程序，以实现权利要求1-10任一项所述的股权资产值的预测方法。
13.一种计算机可读存储介质，在计算设备上运行时，其特征在于，实现权利要求1-10任一项所述的股权资产值的预测方法。
CN202011239808.7A 2020-11-09 2020-11-09 股权资产值的预测方法、及相关装置、设备 Pending CN112183902A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011239808.7A CN112183902A (zh) 2020-11-09 2020-11-09 股权资产值的预测方法、及相关装置、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011239808.7A CN112183902A (zh) 2020-11-09 2020-11-09 股权资产值的预测方法、及相关装置、设备

Publications (1)

Publication Number Publication Date
CN112183902A true CN112183902A (zh) 2021-01-05

Family

ID=73917771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011239808.7A Pending CN112183902A (zh) 2020-11-09 2020-11-09 股权资产值的预测方法、及相关装置、设备

Country Status (1)

Country Link
CN (1) CN112183902A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034023A (zh) * 2021-01-26 2021-06-25 中通诚资产评估有限公司 市场法资产评估系统及方法
CN113538147A (zh) * 2021-07-27 2021-10-22 北京金堤征信服务有限公司 股权详情数据生成方法、装置及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034023A (zh) * 2021-01-26 2021-06-25 中通诚资产评估有限公司 市场法资产评估系统及方法
CN113538147A (zh) * 2021-07-27 2021-10-22 北京金堤征信服务有限公司 股权详情数据生成方法、装置及电子设备
CN113538147B (zh) * 2021-07-27 2024-02-09 北京金堤征信服务有限公司 股权详情数据生成方法、装置及电子设备

Similar Documents

Publication Publication Date Title
Lochstoer et al. What drives anomaly returns?
Soyemi et al. Risk management practices and financial performance: evidence from the Nigerian deposit money banks (DMBs)
Ding et al. How slow is the NBBO? A comparison with direct exchange feeds
US7533049B2 (en) Method and system for rating securities, method and system for evaluating price of securities, method for establishing a market with the system
Onan et al. Impact of macroeconomic announcements on implied volatility slope of SPX options and VIX
US20050004832A1 (en) Shareholder value tool
Li et al. Liquidity, liquidity risk and stock returns: Evidence from Japan
Hribar et al. Do managers issue more voluntary disclosure when GAAP limits their reporting discretion in financial statements?
Xu et al. Market price of longevity risk for a multi‐cohort mortality model with application to longevity bond option pricing
CN112183902A (zh) 股权资产值的预测方法、及相关装置、设备
Lim The information content of disaggregated accounting profitability: operating activities versus financing activities
Chen et al. Fundamental analysis of detailed financial data: A machine learning approach
Byun et al. Conditional Volatility and the GARCH Option Pricing Model with Non‐Normal Innovations
Park Warrants in the financial management decisions of innovative firms
Levy et al. What's in Investors' Information Set?
RU2630169C1 (ru) Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций
Rahman Financial analysis of costco wholesale corporation: exploring the strengths and weaknesses
CN114943582A (zh) 一种信息推荐方法、系统及推荐服务器
Karimi et al. Value of financial flexibility and quantitative aspects of net working capital: Evidence from Tehran Stock Exchange
He et al. The effects of long memory in price volatility of inventories pledged on portfolio optimization of supply chain finance
Muslim The Effect of Company Size (SIZE), Leverage, Independent Board of Commissioners, and Profitability on Corporate Social Responsibility Disclosure (Empirical Study on Mining Companies Listed on the Indonesia Stock Exchange (IDX) for the 2012-2016 Period)
Sinebe Firm Performance and Dividend Policy: Evidence From Listed Service Firms in Nigeria
Elaut et al. Duration dependence, behavioral restrictions, and the market timing ability of commodity trading advisors
Sukor et al. Theory and evidence of the impacts of Shariah debt screening on firm behaviour
Luo et al. Enterprise Valuation Analysis Based on Grey Prediction Model and Index Selection—A Case Study of Huayi Brothers Media Group

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination