基于面板数据对人工智能上市公司盈利能力的探究

摘要

2017年我国首次将“人工智能”写入政府报告，2018年我国人工智能企业数量仅次于美国，经济新旧动能的转换促进人工智能这一新兴产业加速壮大，相关概念股吸引了大量投资者追趋逐耆。然而，在资本市场中，大多数上涨的时候都伴随着被放大的信息，并且近年来出现金融恐慌和中美贸易战的负面打击，都要求人工智能上市公司未雨绸缪。本文通过分析认为密切关注人工智能上市公司盈利能力是经营者把握公司命脉，投资者掌握投资方向的重要手段。 有关上市公司盈利能力的大部分研究都是通过截面数据进行实证分析，而人工智能上市公司最佳发展为近几年，选择近几年的面板数据探究人工智能上市公司盈利能力能够结合时间序列数据和截面数据的特征，更准确地反映出观测样本的组内差异和组间差异。随着面板数据相关模型的深入发展，基于面板数据研究人工智能上市公司盈利能力已是大势所趋。 本文首先解决如何全面综合的衡量人工智能上市公司盈利能力水平。为防止单一指标刻画地片面性，以及多指标人工赋予权重地主观性，本文采用面板数据多指标因子分析方法求解该问题。运用两种数据转化的方法降维处理求解公共因子，通过结果比较，得到对每年数据分别使用截面多指标因子分析的方法更加适用于该问题的求解。最终使用该方法将四个方面8项指标的信息综合起来得到人工智能上市公司盈利能力综合指标。为更全面了解盈利能力水平在不同分位点处受各影响因素影响的具体效应，本文对此构建随机效应面板分位数回归模型，采用面板贝叶斯LASSO分位回归法进行参数估计，并做到甄别冗余变量，使估值更精确模型更稳健。最后通过实证分析，本文筛选出流动比率和流动资产周转率这两个冗余变量，并且分析了各影响因素对人工智能上市公司盈利能力的影响方向和趋势。 最后，结合人工智能上市公司发展现状和实证研究结果，提出相关建议，以期为我国人工智能上市公司长远发展提供理论指导。

目录

摘要

第1章绪论

1．1研究背景

1．2研究目的和意义

1．3研究内容、方法和技术路线

1．3．1研究内容

1．3．2研究方法和技术路线

1．4本文的主要贡献

第2章文献综述与相关理论

2．1文献综述

2．1．1国外研究

2．1．2国内研究

2．1．3文献评述

2．2相关填补理论

2．2．1因子分析

2．2．2面板数据分位数回归模型

2．2．3面板贝叶斯LASSO分位数回归方法

2．2．4Gibbs算法

第3章人工智能上市公司盈利能力评价分析

3．1人工智能上市公司盈利能力的界定

3．1．1人工智能产业发展现状

3．1．2人工智能上市公司盈利能力概述

3．1．2盈利能力评价指标

3．2研究样本及数据来源

3．3面板数据因子分析方法说明

3．4盈利能力综合评价实证研究

3．4．1数据预处理

3．4．2模型适用性检验

3．4．3因子分析结果

3．4．4人工智能上市公司盈利能力总得分

3．5本章小节

第4章人工智能上市公司盈利能力影响因素分析

4．1盈利能力影响因素理论分析

4．2研究样本描述性统计分析

4．2．1指标含义与假设

4．2．2被解释变量描述性统计

4．3面板数据回归模型的构建

4．3．1面板数据模型选择

4．3．2面板均值回归模型的实证分析

4．4面板数据分位数回归模型的构建

4．4．1面板贝叶斯LASSO分位回归方法的结果分析

4．4．2人工智能上市公司排名成因分析

4．5本章小节

第5章总结与展望

5．1总结

5．2进一步研究建议

参考文献

附录

致谢

声明