基于PCA-LASSO方法的行业市盈率预测及影响因素分析.pdfVIP

FinancialSight

DOI：10.19699/ki.issn2096-0298.2021.09.058

基于PCA-LASSO方法的行业市盈率预测及影响因素分析

浙江邮电职业技术学院孟洁莹

摘要：本文基于分行业的横截面财务数据分析影响市盈率的主要因素，提出了PCA-LASSO模型及其精简模型方法，并对市盈率进

行样本外预测，同时与传统的线性回归模型及LASSO回归模型的结果进行了比较。研究表明，在行业市盈率的样本外预测方面，所提

出的PCA-LASSO模型及其精简模型方法明显优于已有的两种研究方法。所提模型方法融合了主成分回归和LASSO回归的优点，既

完全消除了多重共线性又实现了对重要变量的选择，同时具有更高的预测精度，所提方法具有普遍适用性。

关键词：PCA-LASSO模型；市盈率；影响因素；样本外预测

中图分类号：F832文献标识码：A文章编号：2096-0298(2021)05(a)-058-03

市盈率(P/Eratio)又称为本益比，指每股市价除以每股盈的重要程度。第二步，利用因变量对第一步中得到的个主成分

Yk

利(EPS)，是判断股票价值、评估股价水平是否合理的最简单直进行LASSO回归，并基于交互验证CV(cross-validation)的方法

观、最常用的指标之一。Graham和Dodder的经典著作《Security确定最优压缩程度，从而选择对因变量有重要影响的主成分，得

[1]在其1934年的第一版中已经清晰地给出了市盈率的到如下基于LASSO的主成分回归模型：

Analysis》

^

概念。Whitbeck和Kisor(1963)[2]从股票定价模型出发，认为市盈[Y]=[PC][βpcaLAS](2)

·

n×1n×kk×1

^

率与股利支付率成反比，与盈利增长率、风险成正比，与传统股其中，pcaLAS中的部分回归系数被压缩为零，从而实现对重

βk×1

价定价模型得出的结论一致。Basu(1977)[3]通过实证研究验证了要主成分的自动选择。

市盈率是影响股票收益的重要指标之一。在上述PCA-LASSO回归模型的估计过程中，完全消除了多

国内的学者对市盈率的影响因素作了大量的研究。王振鹏重共线性对回归结果的影响，而且可以准确度量每一个解释变

(2016)[4]基于上证50样本股2008到2013年的数据，利用线性回归量对因变量的影响。由式(1)和(2)可得：

^^

模型研究了上市公司市盈率和七个指标因素之间的关系。李杨和[]=[][