一、EAVM模型与投资价值排序（论文文献综述）
金智博,李华强,李山山,邓靖微,尹硕,路尧[1]（2022）在《考虑投资能力反馈的电网规划项目投资时序优化方法》文中研究表明随着电力体制改革的逐步推进,电网企业的经营管理模式必须做出相应的改变,对企业的精准投资也提出了更高的要求。基于新形势下的电网投资影响要素,建立包含经济效益、可靠性效益与环境效益的规划项目投资价值成效评估体系;以规划期间综合效益最大为目标,考虑投资能力、项目间关联关系等约束,并引入投资行为对投资能力的反馈机制,建立电网规划项目投资时序优化模型。某省某批次19个规划项目的算例仿真结果表明,所提模型能有效适应新形势下电网营收模式的转变,有助于实现基建项目的精准投资。
禹春霞,满茹,邹志琴[2]（2020）在《基于熵权-TOPSIS的人工智能行业上市公司投资价值动态评价研究》文中认为随着人工智能技术的发展,人工智能行业在A股市场受到广泛关注。然而,当前关于投资价值评价的方法没有考虑评价指标不同阶段的动态变化,而且专门面向人工智能行业上市公司的评价方法也很少,因此,本文旨在提出针对人工智能行业上市公司的投资价值动态评价方法。本文提炼出人工智能行业上市公司的评价指标体系,采用熵权法确定指标权重;使用TOPSIS方法衡量指标之间的差异性和变化趋势,同时利用时间加权法得到动态评价值并排序;最后,选取我国A股2013～2018年人工智能概念股进行实证研究,研究结果表明,本文提出的投资价值的动态评价方法能更好地筛选出表现优异的人工智能公司,进而帮助投资者进行决策。
吴想[3]（2020）在《我国智能制造上市公司投资价值评价研究》文中研究说明随着我国经济以及科技的发展,制造业成本增加,制造业的智能化转型迫在眉睫。智能制造通过先进的技术和工艺,大大降低了人力成本,为制造业企业提供了新的生产力。智能制造在为企业节省成本的同时,也是企业发展的基础,推动了我国制造业企业转型以及新一代技术产业的兴起。这无疑也成为了众多投资者资产配置的选择。但由于智能制造属于新兴产业,其市场标准并不健全,各行业在研发方面尚有不足,因此这也使得智能制造企业的发展并不理想。综上对智能制造上市公司的投资价值研究以及帮助投资者寻找具有投资价值的上市公司显得尤为重要。在上市公司投资价值相关理论基础上,本文以智能制造上市公司作为研究对象,从宏观、中观、微观等方面入手,对智能制造上市公司各领域的发展现状进行分析,表明其具有绝对投资价值。本文从微观因素入手构建了智能制造上市公司评价指标,并在传统的财务指标构建基础上加入了非财务指标,使得所构建的指标能够更准确的反映智能制造上市公司的特征,选取《2018智能制造百强》及《中国智能制造百强发展与趋势白皮书》中的165家企业,在结合中国规模以上工业企业数据库,依据“智能制造十大领域”和“使用了人工智能等先进技术”两个条件,筛选出了沪、深两市62家智能制造上市公司2018年的数据,运用因子分析法对其投资价值综合得分计算进行排序,并与其每股净资产进行比较。排名结果与每股净资产的对比结果直接反映了公司的投资价值。在因子分析结果的基础上,通过运用自由现金流折现值模型估算得出因子分析结果中值得投资的上市公司价值,在验证因子分析结果的准确性的同时缩小选择范围,细化选择标准。给予投资者在分析决策时相应的判断方法,以达到规避风险提高收益的目的。
张明明[4]（2020）在《我国集成电路产业上市公司投资价值分析》文中进行了进一步梳理随着我国经济的不断发展,人民的收入在不断提高,人们越来越希望通过证券投资来规避金融风险、实现资产保值增值,不同投资主体的市场参与度也越来越高。经过几十年的发展,我国的证券市场环境日趋规范,以往非理性的单纯投机炒作的投资方式已不适合于现代证券市场,价值投资的理念日益深入人心。当前证券市场中可供投资者进行投资的投资品种越来越多,如何对上市公司进行合理的投资价值评估,分析其内在价值的波动规律与趋势,让投资者能够在众多的上市公司中选择出真正具有投资价值的公司,规避市场投资风险,进行有效的资产配置显得尤为重要。集成电路作为一种具备战略性、基础性、先导性的产业,是一国信息化发展的根基所在,是全球技术创新竞争的重要领域,更保障着一个国家的安全与稳定。虽然我国的集成电路产业发展相对滞后,但在国家的大力扶持下集成电路产业发展的重大机遇期即将来临。近年来,市场拉动效应明显,政策支持力度较大,我国集成电路产业开始迅速发展,整个产业的发展实力大大提升,产业发展的集聚效应越来越明显,投资价值日益凸显,在证券市场上越来越受到投资者的关注。对集成电路企业投资价值的影响因素进行判断,对产业上市公司的投资价值进行综合评价分析,可以为投资者投资该产业的股票提供决策依据,帮助该产业上市企业了解自身优势与不足,提升投资价值,并为证券市场的监管者制定政策提供借鉴和参考。但目前还未见对集成电路产业上市公司投资价值的研究文献。本文在阅读参考文献和电子资料的基础上,首先阐述了本文研究的背景和意义,其次对上市公司的投资价值研究的理论基础、分析方法进行了阐述,然后以沪深两市24家集成电路产业上市公司为研究样本,基于2018年1-12月份财务数据,选取16个能够综合反映财务能力的指标,构建投资价值指标体系,运用因子分析-主成份分析排序模型确定分析对象的投资价值总量及排名,并运用系统聚类分析法对分析对象进行分层分级,综合评价得出24家上市公司投资价值从高到低依次为长电科技、富瀚微、汇顶科技、圣邦股份、润欣科技、国科微、晶方科技、全志科技、国民技术、北京君正、纳思达、通富微电、太极实业、华天科技、江丰电子、富满电子、综艺股份、中颖电子、欧比特、上海贝岭、紫光国芯、东软载波、晓程科技。接着,以长电科技为例,用市盈率估价方法分析了该公司的投资价值,得出长电科技的投资价值潜力较大。本文最后还对未尽的研究进行了展望。
陈伟鑫[5]（2020）在《分析师信号在我国股票市场的有效性研究》文中研究指明分析师信号是否具有投资价值,一直受到国内外诸多学者的关注。但由于分析师预测变量的衡量方式、研究方法和数据来源各不相同,在中国股票市场,分析师群体的预测信号是否存在能够获得显着独立的超额收益的结论仍存在分歧。此外,目前利用中国股市A股的全样本数据来研究分析师预测与异象因子的相关关系和研究信号直接信息来源渠道的研究文献还比较少,其信息含量的来源渠道的探讨也大多采用的是回归残差等的间接证明方法,对于中小投资者来说可能不够直观。基于使广大投资者能够更为直观地去了解分析师群体预测信息这一“黑盒子”的目的,本文采用中国A股市场2007年1月至2018年12月国泰君安的约120万份分析师预测数据,构建分析师预测变量与预测分歧月度变量,通过单变量和双变量投资组合的方法对中国A股1600余家上市公司的分析师预测的有效性和独立性进行检验,并通过Fama-French回归对其作用机制分析进行验证。从而证明了分析师预测变量和预测分歧变量在我国股票市场存在一定的有效性和独立的投资价值,通过该信号构建的投资组合可获得显着为正的超额收益。除此之外,本文进一步提出分析师预测变量的信息含量可能受到反转因子、换手率因子、最大收益率因子,市现率因子、规模因子等异象因子的影响,从而为中小投资者进行股票投资提供方向参考。
满茹[6]（2020）在《人工智能行业上市公司投资价值动态评价研究》文中进行了进一步梳理随着人工智能战略地位的不断提升,人工智能概念股在A股市场受到广泛关注,投资热度增强。但是,投资者在面对投资标的选择时存在困惑,难以基于现实做出合理决策。因此,设计投资价值评价模型帮助投资者进行决策具有实际意义。另外,目前对于投资价值的研究并没有明确被选行业的投资意义,本研究基于效率视角对行业本质进行深入分析;当前评价内容集中在静态数据,并且指标与评价结果交互性不足,评价精度有待提高,本研究基于动态视角和指标多方信息对投资价值进行考量,这具有理论意义。本研究提出了人工智能行业和上市公司投资价值动态评价模型。主要包括两个部分,第一,探究行业发展明确行业投资意义。结合DEA方法测度行业效率,采用Malmquist指数法效率比较分析行业效率,通过Tobit模型确定效率影响机制;第二,确定上市公司动态投资价值相对大小。通过文献研究确定指标体系,结合熵权法确定权重,采用TOPSIS方法确定指标差异性,改进TOPSIS方法确定指标变化趋势,基于指标差异性和变化趋势,结合时间加权法得到动态评价值。选取我国A股2013-2018年人工智能概念股进行实证研究,得到以下结论:⑴人工智能行业因素良好,具有投资意义;⑵动态投资价值评价模型有助于筛选出投资价值优异的公司。
李丹萍[7]（2019）在《基于异质TOPSIS的价值型股票选择模型 ——以制造业上市公司为例》文中提出随着中国股票市场日渐繁荣以及经济高质量发展,越来越多的投资者选择股票投资以寻求超额收益。然而股票投资是高风险高回报的,盲目的投资,可能导致投资收益不理想,甚至带来经济损失。因此,科学有效的股票投资策略是投资者关注的重点,而合理的股票选择决策是股票投资策略的关键。在众多投资策略中,投资者倾向于选择具有投资价值的股票,期望获得超额收益。目前,价值型股票投资方式主要分为两种:一是大多数个体投资者通过定性分析股票的基本面选择具有价值的股票进行投资,作出的决策很大程度上受到投资者个人情绪的影响,容易造成投资失利。二是依靠计算机和数学模型的量化投资方式,这种方式通常忽略了投资者偏好对股票选择的影响。因此,为避免定性分析和量化投资这两种方式带来的问题,本文提出一种股票投资决策算法,同时考虑投资者偏好和定量数据对股票投资决策的影响,为投资者选择最具投资价值,且最符合投资者意愿的股票。论文的主要研究工作如下:（1）基于对国内外现有研究成果的研究,针对价值型股票选择环境的复杂性,以及公司风险水平、投资者偏好等定性指标和公司盈利等定量要素对股票选择的影响,构建综合定量与定性指标的价值型股票评价指标体系。（2）针对综合评价指标体系中不同信息类型的指标,以及决策者语言评价信息的模糊性和不确定性,获得来源于公司年报、评级机构、投资者等不同主体的评价值,得到基于实数、区间数和中智数的异质评价矩阵。（3）针对单一指标赋权方法不能同时兼顾主观判断和客观数据对评价结果的影响,采用BWM（Best-worst method）方法和熵权法分别计算主观准则权重和客观指标权重,同时考虑投资者主观偏好和不同评价指标的特性及客观性,得到综合指标权重。（4）针对传统TOPSIS只考虑实数信息,忽略评价中存在不确定信息的问题,改进基于异质信息的TOPSIS方法对价值型股票进行排序,辅助投资者选择最适合自己的价值型股票。最后以医药制造业上市公司为例进行了案例分析,一方面对比分析了一段时间医药制造业上市公司股票的实际收益和模型预测结果,另一方面对模型的稳定性和科学性进行了详细分析。案例分析结果不仅验证了该模型能够有效地为投资者选择出最具投资价值的股票,还验证了所构建的模型较现有的股票选择模型更符合实际,其评价结果更加科学合理,能有效指导股票投资决策。
张凝馨[8]（2019）在《基于财务指标体系的新能源汽车行业上市公司投资价值分析》文中认为伴随着汽车产业的发展,尾气排放、噪音污染以及能源紧张也成为世界性话题,节能减排是缓解能源紧缺问题的主要途径之一,于是新能源汽车产业应运而生,蓬勃发展。加快培育和发展新能源汽车,既是有效缓解环境污染、改善能源压力、推动汽车产业可持续发展的紧要任务,也是加快我国汽车产业转型升级、培育新的经济增长点和国际竞争优势的重要战略举措。作为新起之秀,传统汽车产业在经历调整转型的同时,新能源汽车行业在资本市场的发展也吸引了更多投资者的关注和选择。本文将以新能源汽车行业作为研究对象,从投资者角度出发,使用理论和实证相结合的方法进行分析。先对国内外关于投资价值的理论和研究现状进行回顾,分析了新能源汽车行业发展历程和现状。再结合查阅文献以及问卷收集意见的方式,选取26个与新能源汽车行业相关的财务指标,建立指标体系,收集51家新能源汽车行业上市公司2014年至2018年数据,使用因子分析法建立模型得到相关企业5年的投资价值市场表现得分,结合实际对得分排序结果进行了分析。分析结果显示,新能源汽车作为新兴行业,投资市场表现较好,虽受政策影响较大,补贴退潮后面临的挑战较大,但前景向好。整车企业和产业链相关企业的得分情况不同,都具有投资价值。结果还表明,投资市场上有部分上市公司价值被一定程度的高估或低估,投资者需要深入了解相关影响因素,分析上市公司的发展前景和趋势,再做出投资决策,以避免风险,增大投资回报率。
李玲[9]（2019）在《新能源行业上市公司投资价值研究 ——基于财务指标视角》文中研究说明能源推动着社会的进步,与我们的生活密切相关。目前我国能源消耗占主要地位的是化石能源,化石能源燃烧排放的废气不仅会导致大气臭氧层不断变薄,全球变暖威胁沿海地区的安全;更会使传统能源储量减少,我国能源对外依存度高,威胁着经济发展的安全;同时大量化石能源的消耗使得我国空气质量问题严峻,我国绝大部分城市出现了雾霾问题,恶劣的生存环境影响着国民的身体健康。如何进行能源消费转型及寻找清洁能源成为我国亟待解决的问题。近年来对环保问题的重视,特别是“十九大”会议对绿色发展精神的传递,人们对新能源行业也越发关注,在这种情况下分析新能源公司的投资价值,为投资者投资给出建议就显得尤为重要。论文基于上市公司投资价值的相关理论,以新能源上市公司作为研究对象,从基本面入手分析影响上市公司投资价值的因素,将因子分析法和聚类分析相结合对行业投资价值进行实证分析。主要研究体现如下:（1）对新能源行业上市公司投资价值进行基本面分析,从宏观、中观、微观分析入手,表明行业具有具有绝对的投资价值,同时在此基础上构建投资价值评价体系。（2）构建新能源公司投资价值评价体系,在财务指标的基础上,加入创新能力指标、政府补助和公司规模指标,更准确反映新能源行业的特征。（3）对新能源行业公司进行综合评价研究,采用SPSS软件进行因子分析并计算综合得分,表明120家样本企业中58家综合得分为正,得分越靠前,相对投资价值越大,投资者可以相对准确的进行评价和做出决策。（4）聚类分析加深分析。将综合得分为正的公司以公因子得分为基础聚类分析,分为9类并分析各类特征,然后进行相对准确的投资评价,供投资者参考。
汪佳伟[10]（2017）在《我国投资控股型企业的行业投资价值评估方法研究 ——基于上市公司的研究视角》文中进行了进一步梳理十八届三中全会以来,我国国企面临改革。其中,大型国有投资控股型企业集团是改革的焦点。作为投资控股型企业,需要不断地退出某些行业,遴选并进入一些具有良好市场前景但相对陌生的行业,以实现资本的流动和增值。行业投资价值评估是企业战略的重要组成部分。选择什么行业作为其发展方向,是投资控股型企业面临的首要问题,行业选择决策正确与否关系到企业投资的成败。因此,如何科学地进行行业投资价值评估是企业生存发展的关键。本文首先对行业投资价值评估和行业吸引力的相关理论和方法进行了详细的介绍,包括其产生的背景、特点和意义以及国内外发展应用现状。其次,对我国投资控股型企业的定义和界定、行业的定义和界定以及我国行业投资价值评估的特点和问题进行了必要的阐述。接着,本文将学者们对于行业投资价值评估的研究看法、我国投资控股型企业的迫切需求、我国传统的行业投资价值评估常用方法的优缺点分析这三者结合起来考虑,搭建了我国投资控股型企业的行业投资价值评估的框架。本文将整个投资价值的评估分成两部分,一部分是与企业外部相关的行业吸引力,一部分是与企业内部相关的行业相关性。行业相关性涉及到特定企业的既有产业,它们都有很多异质性,而且存在很多主观判断的内容。由于本文是对我国投资控股型企业的行业投资价值评估的研究,关注的是一个客观的、普遍性的问题。因此,本文对行业相关性部分未做出深入研究,只给出了方法建议。再次,针对我国投资控股型企业的特点,本文结合行业吸引力的相关理论,设计了一套行业投资吸引力评价指标,作为我国资控股型企业的行业投资价值评估的依据。同时对模型的每个阶段如何实施进行了介绍。最后是本文的实证研究,本文选取沪深两市A股上市公司为研究样本,基于行业吸引力的角度出发,对上市公司行业2013-2015连续三年的行业投资价值进行排序,纵向整合各行业连续三年的动态变化,并结合行业政策和行情变化,给出相应的解释。在文章的最后提出了建议并指出研究的不足,希望能为以后的研究提供帮助。
二、EAVM模型与投资价值排序（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、EAVM模型与投资价值排序（论文提纲范文）
（1）考虑投资能力反馈的电网规划项目投资时序优化方法（论文提纲范文）
| 0 引言 |
| 1 新形势下电网投资影响要素分析 |
| 2 电网规划项目投资价值成效测算 |
| 2.1 经济效益指标 |
| 2.2 可靠性效益指标 |
| 2.3 环境效益指标 |
| 3 电网规划项目投资时序优化模型 |
| 3.1 状态变量与决策变量 |
| 3.2 目标函数 |
| 3.3 约束条件 |
| 3.4 滚动求解策略 |
| 4 算例分析 |
| 4.1 项目概况 |
| 4.2 投资时序优化方案分析 |
| 5 结论 |
（2）基于熵权-TOPSIS的人工智能行业上市公司投资价值动态评价研究（论文提纲范文）
| 引 言 |
| 1 文献综述 |
| 1.1 投资价值评价指标 |
| 1.2 投资价值评价方法 |
| 2 人工智能上市公司投资价值评价指标体系 |
| 3 人工智能上市公司投资价值动态评价方法 |
| 3.1 评价指标权重确定 |
| 3.2 投资价值静态评价方法 |
| 3.3 投资价值动态评价方法 |
| 4 实证分析 |
| 4.1 人工智能上市公司投资价值动态评价 |
| 4.2 投资价值动态评价方法检验 |
| 5 结 论 |
（3）我国智能制造上市公司投资价值评价研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究方案及研究路径 |
| 1.3.1 研究方法 |
| 1.3.2 研究内容 |
| 1.3.3 研究路径 |
| 2 智能制造上市公司投资价值评估相关理论综述 |
| 2.1 智能制造上市公司概述 |
| 2.1.1 智能制造的定义 |
| 2.1.2 智能制造上市公司选取依据 |
| 2.2 上市公司投资价值概述 |
| 2.2.1 上市公司投资价值 |
| 2.2.2 上市公司投资价值评价相关理论 |
| 2.2.3 上市公司投资价值评价方法 |
| 2.3 上市公司投资价值的影响因素 |
| 2.3.1 宏观因素 |
| 2.3.2 中观因素 |
| 2.3.3 微观因素 |
| 3 我国智能制造上市公司投资价值现状及影响因素分析 |
| 3.1 我国智能制造上市公司的发展现状 |
| 3.1.1 我国智能制造上市公司各领域发展现状 |
| 3.1.2 我国智能制造上市公司各区域发展现状 |
| 3.2 我国智能制造上市公司投资价值的影响因素 |
| 3.2.1 宏观因素分析 |
| 3.2.2 中观因素分析 |
| 3.2.3 微观因素分析 |
| 4 智能制造上市公司投资价值评估指标体系构建 |
| 4.1 投资价值评价体系的构建 |
| 4.1.1 智能制造上市公司指标体系构建原则 |
| 4.1.2 智能制造上市公司投资价值评价体系构建 |
| 4.2 智能制造上市公司投资价值评价方法的选择 |
| 4.2.1 因子分析法的基本原理 |
| 4.2.2 自由现金流折现值模型的基本原理 |
| 5 智能制造上市公司投资价值评价 |
| 5.1 样本数据的收集 |
| 5.2 样本投资价值分析 |
| 5.2.1 因子分析的适应性检验 |
| 5.2.2 提取主因子 |
| 5.2.3 计算因子载荷矩阵并旋转 |
| 5.2.4 因子得分计算及综合得分评价模型 |
| 5.2.5 样本得分排序及排序结果分析 |
| 5.2.6 自由现金流折现值模型下各公司的投资价值 |
| 5.2.7 智能制造上市公司投资价值综合分析 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的学术成果 |
（4）我国集成电路产业上市公司投资价值分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景与研究意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 文献综述 |
| 一、国外文献综述 |
| 二、国内文献综述 |
| 三、研究述评 |
| 第三节 研究内容与研究方法 |
| 一、研究内容 |
| 二、研究方法 |
| 第四节 研究的创新和不足 |
| 一、可能的创新 |
| 二、不足之处 |
| 第二章 上市公司投资价值分析的理论基础与分析方法 |
| 第一节 上市公司投资价值分析的理论基础 |
| 一、公司价值的定义 |
| 二、价值投资理论 |
| 三、公司内在价值的估算方法 |
| 第二节 上市公司投资价值分析方法 |
| 一、主成分分析法 |
| 二、因子分析法 |
| 三、系统聚类分析法 |
| 第三章 我国集成电路产业上市公司投资价值影响因素分析 |
| 第一节 我国集成电路产业的发展现状 |
| 一、集成电路产业链分析 |
| 二、我国集成电路产业发展现状 |
| 第二节 我国集成电路产业SWOT分析 |
| 一、优势(strengths) |
| 二、劣势(weaknesses) |
| 三、机遇(opportunities) |
| 四、威胁(threats) |
| 第三节 我国集成电路产业投资价值的影响因素分析 |
| 一、宏观影响因素分析 |
| 二、中观影响因素分析 |
| 三、微观影响因素分析 |
| 第四章 我国集成电路产业上市公司投资价值实证分析 |
| 第一节 评价指标体系构建 |
| 一、评级指标体系构建的原则 |
| 二、评价指标体系的构建 |
| 第二节 数据的来源及指标选取 |
| 第三节 实证分析 |
| 一、适应性检验 |
| 二、因子分析 |
| 三、主成分分析 |
| 四、投资价值排序 |
| 五、系统聚类分析 |
| 六、结果分析 |
| 第四节 应用研究——以长电科技为例 |
| 一、长电科技概况 |
| 二、长电科技经营状况 |
| 三、长电科技内在价值估值 |
| 第五章 结论与展望 |
| 第一节 结论 |
| 第二节 展望 |
| 参考文献 |
| 在读期间研究成果 |
| 致谢 |
（5）分析师信号在我国股票市场的有效性研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究的意义 |
| 1.3 研究的结构安排 |
| 1.4 研究的创新与不足 |
| 2 文献综述 |
| 2.1 关于分析师预测有效性的文献回顾 |
| 2.2 关于分析师预测信息来源的文献回顾 |
| 2.3 关于资本市场异象研究的文献回顾 |
| 2.4 文献评述 |
| 3 理论分析和研究假说 |
| 3.1 分析师信号具有投资价值 |
| 3.2 投资者无法及时充分理解分析师信号 |
| 3.3 分析师信号存在信息含量 |
| 4 数据来源、变量选择与模型设定 |
| 4.1 数据来源 |
| 4.2 变量选择 |
| 4.3 模型设定 |
| 5 实证分析:估计与检验 |
| 5.1 分析师预测的投资组合分析 |
| 5.2 分析师预测分歧的投资组合分析 |
| 5.3 Fama-French两步法回归分析 |
| 5.4 稳健性检验 |
| 6 结论与建议 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 参考文献 |
| 致谢 |
（6）人工智能行业上市公司投资价值动态评价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 行业分析 |
| 1.2.2 上市公司投资价值 |
| 1.3 本文研究工作 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线图 |
| 1.3.3 研究目的与创新点 |
| 1.4 本章小结 |
| 第2章 相关理论概述 |
| 2.1 效率评价理论 |
| 2.2 行业效率评价 |
| 2.3 价值评价理论 |
| 2.4 上市公司投资价值评价 |
| 2.5 本章小结 |
| 第3章 人工智能行业效率评价 |
| 3.1 行业效率评价方法 |
| 3.3.1 DEA—BCC模型 |
| 3.3.2 Malmquist指数法 |
| 3.3.3 Tobit模型 |
| 3.2 行业效率评价部分模型设计 |
| 3.2.1 DEA—BCC模型投入产出指标构建 |
| 3.2.2 Tobit模型假设和变量设计 |
| 3.3 本章小结 |
| 第4章 人工智能上市公司投资价值动态评价 |
| 4.1 投资价值动态评价方法 |
| 4.1.1 熵权法 |
| 4.1.2 TOPSIS方法 |
| 4.2 投资价值指标体系确立 |
| 4.3 投资价值动态评价模型设计 |
| 4.3.1 指标变化趋势确定 |
| 4.3.2 投资价值动态评价值确定 |
| 4.4 本章小结 |
| 第5章 实证分析 |
| 5.1 行业效率评价及结果分析 |
| 5.1.1 行业效率评价 |
| 5.1.2 行业效率结果分析 |
| 5.2 上市公司投资价值动态评价及结果分析 |
| 5.2.1 上市公司投资价值动态评价 |
| 5.2.2 投资价值动态评价模型检验 |
| 5.2.3 上市公司投资价值动态评价结果分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 2013-2018 年人工智能上市公司动态评价值 |
| 附录 B 2013-2018 年人工智能上市公司动态评价值排序 |
| 致谢 |
（7）基于异质TOPSIS的价值型股票选择模型 ——以制造业上市公司为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献述评 |
| 1.3 研究思路和方法 |
| 1.4 创新点 |
| 第2章 基本理论和研究方法 |
| 2.1 价值投资理论 |
| 2.2 量化投资理论 |
| 2.3 模糊理论 |
| 2.3.1 三角模糊数 |
| 2.3.2 中智数 |
| 2.4 TOPSIS方法 |
| 第3章 基于异质TOPSIS的价值型股票选择模型 |
| 3.1 价值型股票评价指标体系 |
| 3.1.1 指标设计原则 |
| 3.1.2 价值型股票评价指标选取 |
| 3.2 基于异质信息的评价矩阵 |
| 3.2.1 获得实数 |
| 3.2.2 获得三角模糊数 |
| 3.2.3 获得中智数 |
| 3.3 指标权重 |
| 3.3.1 BWM计算准则权重 |
| 3.3.2 计算指标权重 |
| 3.4 上市公司股票综合评判选择 |
| 第4章 制造业上市公司价值型股票选择案例分析 |
| 4.1 样本选择和数据来源 |
| 4.2 案例分析 |
| 4.3 敏感性分析 |
| 4.4 有效性分析 |
| 4.5 比较分析 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A 攻读学位期间发表的论文与科研成果清单 |
| 附录B 上市公司价值型股票评价原始数据 |
| 致谢 |
（8）基于财务指标体系的新能源汽车行业上市公司投资价值分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 选题背景及研究意义 |
| 一、选题背景 |
| 二、研究意义 |
| 第二节 研究内容及方法 |
| 一、研究内容 |
| 二、研究思路 |
| 三、研究方法 |
| 第三节 可能的创新之处 |
| 第二章 相关理论和研究现状 |
| 第一节 相关理论 |
| 一、市场学派 |
| 二、价值学派 |
| 三、相关理论的对比分析 |
| 第二节 研究现状 |
| 一、投资价值研究现状 |
| 二、投资价值评价方法研究现状 |
| 三、我国新能源汽车行业研究现状 |
| 第三节 文献评述 |
| 第三章 我国新能源汽车行业发展及现状 |
| 第一节 发展历程 |
| 第二节 发展现状 |
| 一、政策环境 |
| 二、行业发展现状 |
| 第四章 新能源汽车行业上市公司投资价值实证过程 |
| 第一节 财务指标体系构建 |
| 一、选取合适的财务指标 |
| 二、指标数据获取 |
| 第二节 模型构造 |
| 第三节 实证过程 |
| 一、样本数据选取及处理 |
| 二、因子分析可行性检验 |
| 三、因子分析过程 |
| 第五章 新能源汽车行业上市公司投资价值实证结果分析 |
| 第一节 综合得分排名结果分析 |
| 第二节 综合得分排名与市盈率排名对比分析 |
| 第三节 年度行情分析 |
| 第六章 研究结论及展望 |
| 第一节 研究结论 |
| 第二节 研究不足 |
| 第三节 研究展望 |
| 参考文献 |
| 附录 |
| 一、调查问卷设计及结果统计 |
| 二、计算因子载荷矩阵及旋转后的因子载荷矩阵表 |
| 三、各因子得分模型 |
| 四、2014年至2018年各年度各因子得分情况 |
| 五、按照综合得分排名的各上市公司主营业务情况 |
| 致谢 |
（9）新能源行业上市公司投资价值研究 ——基于财务指标视角（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究路线与方法 |
| 1.3.1 研究路线 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新点与不足 |
| 2 相关概念及理论基础 |
| 2.1 基本概念的界定 |
| 2.1.1 新能源 |
| 2.1.2 新能源行业上市公司 |
| 2.1.3 上市公司投资价值 |
| 2.2 上市公司投资价值评估的方法 |
| 2.2.1 基于价值学派的基本面分析 |
| 2.2.2 基于市场学派的技术面分析 |
| 2.3 上市公司投资价值的影响因素 |
| 2.3.1 宏观因素 |
| 2.3.2 中观因素 |
| 2.3.3 微观因素 |
| 3 新能源行业上市公司投资价值现状及影响因素分析 |
| 3.1 新能源行业发展现状分析 |
| 3.1.1 新能源行业发展现状 |
| 3.1.2 新能源行业发展机遇 |
| 3.1.3 新能源行业发展挑战 |
| 3.2 宏观层面因素的影响 |
| 3.2.1 宏观经济环境 |
| 3.2.2 宏观经济政策 |
| 3.3 中观层面因素的影响 |
| 3.3.1 行业生命周期 |
| 3.3.2 行业竞争程度 |
| 3.4 微观层面因素的影响 |
| 4 新能源行业上市公司投资价值评价指标体系和方法 |
| 4.1 投资价值评价体系的构建 |
| 4.1.1 投资价值评价指标体系构建原则 |
| 4.1.2 新能源行业上市公司投资价值评价体系构建 |
| 4.2 评价方法选择 |
| 4.2.1 因子分析法 |
| 4.2.2 聚类分析 |
| 5 新能源行业上市公司投资价值评价实证分析 |
| 5.1 样本数据的收集与处理 |
| 5.1.1 样本数据的收集 |
| 5.1.2 样本数据预处理 |
| 5.2 样本公司投资价值评价 |
| 5.2.1 因子分析的适应性检验 |
| 5.2.2 公因子提取 |
| 5.2.3 综合得分及分析 |
| 5.2.4 聚类分析 |
| 5.2.5 新能源上市公司投资价值综合评价分析 |
| 6 结论及展望 |
| 6.1 研究结论 |
| 6.2 研究建议 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（10）我国投资控股型企业的行业投资价值评估方法研究 ——基于上市公司的研究视角（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 理论意义 |
| 1.2.3 现实意义 |
| 1.3 研究方法、主要内容和框架 |
| 1.3.1 研究方法 |
| 1.3.2 研究主要内容 |
| 1.3.3 研究框架 |
| 1.4 本文创新点 |
| 2 文献综述 |
| 2.1 概念界定 |
| 2.2 行业投资价值评估的相关文献分析 |
| 2.2.1 国外研究综述 |
| 2.2.2 国内研究综述 |
| 2.3 行业吸引力的相关文献分析 |
| 2.4 行业相关性的相关文献分析 |
| 2.5 文献评述 |
| 3 我国投资控股型企业行业投资价值评估的分析框架 |
| 3.1 我国的行业界定 |
| 3.1.1 国家标准 |
| 3.1.2 上市公司标准 |
| 3.2 我国传统的行业投资价值评估常用方法及评述 |
| 3.3 我国投资控股型企业行业投资价值评估的框架搭建 |
| 3.3.1 行业投资价值评估的框架搭建 |
| 3.3.2 行业相关性的处理方法说明 |
| 4 行业吸引力影响因素分析及评价指标体系的构建 |
| 4.1 行业吸引力影响因素分析 |
| 4.1.1 行业发展状况 |
| 4.1.2 行业竞争状况 |
| 4.1.3 行业外部环境 |
| 4.2 评价指标体系的构建 |
| 4.2.1 指标选取的原则 |
| 4.2.2 指标的选取 |
| 4.2.3 指标数据标准化处理 |
| 5 实证研究 |
| 5.1 实证评估步骤 |
| 5.2 实证评估结果 |
| 5.3 实证评价的局限性 |
| 6 结论和展望 |
| 6.1 论文的结论及创新性工作 |
| 6.1.1 论文的结论 |
| 6.1.2 创新性工作 |
| 6.2 本文局限性及今后的研究展望 |
| 参考文献 |
| 附录A |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、EAVM模型与投资价值排序（论文参考文献）
- [1]考虑投资能力反馈的电网规划项目投资时序优化方法[J]. 金智博,李华强,李山山,邓靖微,尹硕,路尧. 电力自动化设备, 2022(03)
- [2]基于熵权-TOPSIS的人工智能行业上市公司投资价值动态评价研究[J]. 禹春霞,满茹,邹志琴. 工业技术经济, 2020(12)
- [3]我国智能制造上市公司投资价值评价研究[D]. 吴想. 西安科技大学, 2020(01)
- [4]我国集成电路产业上市公司投资价值分析[D]. 张明明. 安徽财经大学, 2020(10)
- [5]分析师信号在我国股票市场的有效性研究[D]. 陈伟鑫. 广东外语外贸大学, 2020(08)
- [6]人工智能行业上市公司投资价值动态评价研究[D]. 满茹. 中国石油大学(北京), 2020
- [7]基于异质TOPSIS的价值型股票选择模型 ——以制造业上市公司为例[D]. 李丹萍. 湖南科技大学, 2019(05)
- [8]基于财务指标体系的新能源汽车行业上市公司投资价值分析[D]. 张凝馨. 中央民族大学, 2019(04)
- [9]新能源行业上市公司投资价值研究 ——基于财务指标视角[D]. 李玲. 西华大学, 2019(02)
- [10]我国投资控股型企业的行业投资价值评估方法研究 ——基于上市公司的研究视角[D]. 汪佳伟. 北京交通大学, 2017(06)