3.结果分析一IP0执价率各影响因素分析 (1)检验结果 本报告所用的改正RNN人工神经网络模型能一步预测深市1999-2000年48.69%的IP0抑价 率和沪市1999-2002年38.93%的P0抑价率（即根据发行顺序和相关数据预测下一只股票的P0 抑价率)。 首先对深市IP0抑价率分析的残差进行VR检验。当q取为20时，得到J=-0.029。当q取 为2时，得到J=-0.076。在99%的置信水平下，不能拒绝残差是随机游走的假设。在对沪市的 检验中，当q取为20时，得到J=-0.020。当q取为2时，得到J=-0.058。在99%的置信水平 下，同样不能拒绝残差是随机游走的假设。 以上检验表明，PO抑价率中的随机成分较大，理论上与企业价值有关的因素只能提取PO 抑价率不超过50%的信息。这也表明，P0受市场中的非稳定性的非理性因素的影响比较大。 本模型的残差通过了随机性检验，这表明尽管可能还有别的模型可以进一步提高预测精度， 但是提高的程度是有限的。因为无论什么模型都不可能对随机性数据精确预测。从这个意义上看， 如果仅仅从定价模型的改进方面着手，可能对解决一级市场中非稳定性的非理性因素对PO影 响过大的意义不很显著。7 3．结果分析——IPO抑价率各影响因素分析 （1）检验结果 本报告所用的改正 RNN 人工神经网络模型能一步预测深市 1999-2000 年 48.69%的 IPO 抑价 率和沪市 1999-2002 年 38.93%的 IPO 抑价率（即根据发行顺序和相关数据预测下一只股票的 IPO 抑价率）。 首先对深市 IPO 抑价率分析的残差进行 VR 检验。当 q 取为 20 时，得到 J =-0.029。当 q 取 为 2 时，得到 J =-0.076。在 99%的置信水平下，不能拒绝残差是随机游走的假设。在对沪市的 检验中，当 q 取为 20 时，得到 J =-0.020。当 q 取为 2 时，得到 J =-0.058。在 99%的置信水平 下，同样不能拒绝残差是随机游走的假设。 以上检验表明，IPO 抑价率中的随机成分较大，理论上与企业价值有关的因素只能提取 IPO 抑价率不超过 50%的信息。这也表明，IPO 受市场中的非稳定性的非理性因素的影响比较大。 本模型的残差通过了随机性检验，这表明尽管可能还有别的模型可以进一步提高预测精度， 但是提高的程度是有限的。因为无论什么模型都不可能对随机性数据精确预测。从这个意义上看， 如果仅仅从定价模型的改进方面着手，可能对解决一级市场中非稳定性的非理性因素对 IPO 影 响过大的意义不很显著