基于改进Chameleon算法的IPO定价方法研究

摘要：IPO定价一直是理论界和实务界争相讨论的热点话题，以往构建于单一指标的估值方法误差较大，怎样采用合适的办法对IPO定价相关指标进行量化分析是一个难题。文章对研究对象数据采用主成因分析法对影响IPO定价的有关指标矩阵数据进行预处理，再采用改进的Chameleon算法进行聚类分析，最后对待分析的新上市股票进行贝叶斯分类，从而实现其定价的指导。实验证明，该方法能够比较客观、科学的对IPO定价进行调整指导，具有一定的实际意义。

关键词：聚类算法；改进Chameleon算法；IPO定价

中图分类号：F803 文献标识码：A 文章编号：1009-2374（2014）04-0029-03

在第四次新股发行体制改革稳步推进的大背景下，IPO定价理论研究近期得到了广泛关注，传统的IPO估值办法由基于资产的估值方法、现值估价方法、可比公司法、实物期权估价法等，但采用少数单一指标比对的估值办法难免有失偏颇，而多指标估值法因指标间的复杂关系，采用人工或某些简单的基数对比算法难以厘清各种指标间的关系，实用性受到极大影响。聚类算法作为可行、高效、客观的计算机自动处理划分技术在信息处理领域得到了广泛应用。现有的聚类算法主要有：划分法、密度法、网格法等，这些算法大都存在初始参数需要人工给定，分类过程需要人工调整干预的缺陷，影响了算聚类的无监督性和客观性。

本文的思路是在回归分析的基础上，遴选变量作为聚类指标，再利用改进的Chameleon算法进行聚类分析并得到一组分类判别函数，最终实现对IPO的定价调整。……