科創板擬上市企業估值

凌莎

科創板試點注冊制，是我國新股定價制度不斷向市場化方向推進的一個重要節點。隨著科創板的推出，機構投資者在新股定價上的話語權增強，科技型企業的估值方式也較傳統市盈率估值法有較大擴展，探索適合科創型企業的估值方法，有助于未來對于科創板公司進行合理定價。因為相比傳統行業，科技類企業具有高成長、高投入、高風險、無形資產占比大的特點，其產品由于技術水平高，具有較強的市場壟斷力，一旦為市場所接受，就會表現出較強的擴張力，但前期需要大量的資金投入，并且企業技術風險較高，盈利最終主要依靠無形資產來實現^[1]。所以對于科創板企業上市后估值方法可以考慮采用市銷率法，估值可參照美國同類型市場NASDAQ上市公司的平均市銷率，但因為中國市場和美國NASDAQ上市的企業盈利能力不同和投資者結構的差異，會導致中國與美國的股票市場估值水平存在估值溢價或折價。

本文針對科創板企業上市的估值問題，首先用回歸統計分析中國2018年A股市場和美國2018年NASDAQ市場的市銷率，用平均市銷率作為估值水平，計算年均股價并對其和市銷率進行回歸擬合。對比中美兩個股票市場，得出估值溢價或折價水平。然后構造線性回歸模型，對中國A股市場和美國NASDAQ市場的年均股價進行定量分析。選用灰色預測模型和回歸統計分析對兩個市場2019年的基本面指標和流動性指標進行預測分析，得出估值指標。同樣采用回歸方程對93家申報科創板上市的企業進行估值水平預測。

首先測算2018年中國A股市場與美國NASDAQ市場的估值水平，并得出兩個市場的估值溢價或折價水平。選取平均市銷率作為估值水平。根據公式年均股價y=年成交金額/年成交量，建立回歸方程求解，得到平均股價y與市銷率x的關系。計算出平均市銷率與平均股價的比值，即可得出估值溢價和折價水平。對數據進行預處理，確保數據的準確性。計算得出兩個市場的平均市銷率，中國2018年A股的平均市銷率為4.9650，美國2018年NASDAQ市場的平均市銷率為140.65元。然后對兩個市場進行對比分析，為中國A股年平均市銷率/平均股價，為美國股票年平均市銷率/平均股價，于是可以得到，所以中國A股溢價了74%，美國NASDAQ市場折價了74%。

然后建立估值指標與基本面指標、流動性指標之間的關系，常見的來說，就是進行擬合回歸。我們重點要做的就是找到一個模型，這個模型能擬合出某一個指標與其他指標之間的聯系。在這里我們選擇多元線性回歸模型來對估值指標與基本面指標、流動性指標進行定量分析。先對數據進行處理，然后運用SPSS即可得出相關系數。設為中國A股的平均股價，為市銷率，為年度營業收入，為年度歸母凈利潤，為年度凈資產收益率，為年度單只股票交易量，為年度單只股票平均換手率，為年度單只股票交易金額。

選擇多元回歸方程進行擬合，得到中國A股平均股價的多元回歸方程

美國平均股價的多元回歸方程：

對中國A股市場和美國NASDAQ市場2019年的基本面指標、流動性指標進行預測分析，然后得出兩個市場的估值指標。簡單分析知道，這是一個基本的預測問題。利用近十年基本面指標、流動性指標的數據，經過數據處理后，我們選用灰色預測模型和回歸方程進行預測。計算出近十年的平均股價，用灰色預測模型預測2019年的平均股價。回歸方程則以基本面指標、流動性指標等為因變量，時間為自變量構造回歸方程。用灰色預測模型得到2019年中國A股的平均股價為16.7714元，百分絕對誤差為：2.015%。美國NASDAQ市場的平均股價為250.4381元，百分絕對誤差為：14.8001%。用該模型對中國、美國股票連續預測4個數據，百分絕對誤差偏大，說明預測的四個值存在偏差。于是，考慮用線性回歸方程預測中美兩國2019年股票的平均股價。回歸方程預測得到的2019年中國A股的平均股價為16.85元;美國NASDAQ市場的平均股價為265.85元。

參照美國NASDAQ市場的估值量化模型和中國A股市場的流動性指標，預測我國首批科創板企業上市后的估值水平。已知93家企業2016年至2018年的營業總收入、歸屬母公司股東的凈利潤、凈資產收益率等數據。選用回歸方程模型進行估值水平預測，以年平均股價為因變量，營業總收入、歸屬母公司股東的凈利潤、凈資產收益率為自變量進行回歸擬合。分別用2016年、2017年、2018年及2016至2018年三年的數據，對中國A股年均股價與營業總收入、歸屬母公司股東的凈利潤、凈資產收益率進行回歸擬合。同樣的，分別用2016年、2017年及2016年至2017年兩個的數據，對美國股票年均股價與營業總收入、歸屬母公司股東的凈利潤、凈資產收益率進行回歸擬合。得出科創板上市后的數值水平。

我們在與實際緊密聯系的基礎上采用灰色預測模型進行預測，但是預測結果存在的誤差偏大。考慮可能與數據波動較大，在經過對原始數據一次累加生成新數據，使數據平滑這種處理方式時，會喪失部分信息使擬合精度受到影響^[2]。于是用最直觀的回歸統計分析模型將問題標準化，從而得到最優的預測值。通過準確地計量各個因素之間的相關程度與回歸擬合程度的高低，得出最佳結論。

參考文獻：

[1] 朱斌，科技型企業該如何估值？，證券時報，第A07：2019.3.20.

[2] 宋媛媛，王雷，熊甜，灰色預測模型GM（1，1）在手足口病發病率預測中的應用[J].公共衛生與預防醫學，2018，29（05）：57-60.