怎样预测股市增长率？
1、算术平均值与几何平均值。增长率平均值是使用算术平均值还是几何平均值，结果是不一样的。算术平均值是历史增长率的中值，而几何平均值则考虑了复利计算的影响。显然后者更加准确地反映了历史盈利的真实增长，尤其是当每个增长是无规律的时候，这可用一个简单的例子进行说明。
例：运用算术平均值或几何平均值：以下是A公司1995年至2000年间的每股盈利（假设股本不变）：
年份
每股盈利（元）
增长率（%）
1995
0。66
1996
0。90
36。36
1997
0。 91
1。11
1998
1。27
39。56
1999
1。13
-11。02
2000
1。27
12。39
算术平均值...全部
1、算术平均值与几何平均值。增长率平均值是使用算术平均值还是几何平均值，结果是不一样的。算术平均值是历史增长率的中值，而几何平均值则考虑了复利计算的影响。显然后者更加准确地反映了历史盈利的真实增长，尤其是当每个增长是无规律的时候，这可用一个简单的例子进行说明。
例：运用算术平均值或几何平均值：以下是A公司1995年至2000年间的每股盈利（假设股本不变）：
年份
每股盈利（元）
增长率（%）
1995
0。66
1996
0。90
36。36
1997
0。
91
1。11
1998
1。27
39。56
1999
1。13
-11。02
2000
1。27
12。39
算术平均值=（36。36%+1。11%+39。56%-11。02%+12。39%）/5=15。
68%
几何平均值=（1。27元/0。66元）1/5-1=13。99%。几何平均值小于算术平均值，并且这一差值将随着盈利水平波动方差的增加而增大。一种替代使用简单算术平均值的方法是使用加权平均值，即较近年份的增长率赋予较大的权数，而较远年份的增长率给予较小的权重。
2、估计时段。增长率平均值对预测的起始和终止时间非常敏感。过去5年盈利增长率的估计结果可能与过去6年增长率的估计结果大相径庭。预测时段的长度取决于分析人员的判断，但是应根据历史增长率对估计时段长度的敏感性来决定历史增长率在预测中的权重。
例：历史增长率对估计时段长度的敏感性：下面给出从1994年而不是从1995年开始A公司的每股收益，使用6年而不是5年的增长率来计算算术平均值和几何平均值。
时间（t）
年份
每股收益（元）
增长率（%）
1
1994
0。
65
2
1995
0。66
1。54
3
1996
0。90
36。36
4
1997
0。91
1。11
5
1998
1。27
39。56
6
1999
1。13
-11。02
7
2000
1。
27
12。30
算术平均值=13。32%
几何平均值=（1。27元/0。65元）1/6-1=11。81%。如果采用的每股收益是从1994年而不是从1995年开始，则历史增长率平均值明显下降了，算术平均值从15。
68%降到了13。32%。
3、线性和对数线性回归模型
不同时期的盈利水平在算术平均值中的权重是相等的，并且忽略了盈利中的复利影响。而几何平均值考虑了复利的影响，但它只使用了收益时序数据中的第一个和最后一个盈利观察值??忽略了中间观察值反映的住处和增长率在整个时期内的发展趋势。
这些问题至少可通过对每股盈利和时间运用普通最小二乘法（OLS）进行回归分析部分得到解决。这一模型的线性形式为：
EPSt=a+bt
其中：EPSt=t时期的每股盈利，t=时期t，时间变量的系数是度量每一时期盈利水平变化的指标。
该线性模型虽然考虑了复利计算的影响，但是因为它是用以元为单位的每股净收益（EPS）来解释增长率的，所以在预测未来增长率方面该模型的效果并不理想。这一模型的对数线性形式把系数转化成度量百分比变化的指标。
In（EPSt）=a+bt，其中：In（EPSt）=t时期每股盈利的自然对数。
时间变量的系数b变成了度量单位时间内盈利的百分比变化量的指标。例：线性和对数线性增长模型：A公司
下表给出了1994年至2000年间A公司的每股盈利，线性和对数性回归计算如下：
时期（t）
年份
EPS（元）
In（EPS）
1
1994
0。
65
-0。43
2
1995
0。66
-0。42
3
1996
0。90
-0。11
4
1997
0。91
-0。09
5
1998
1。27
0。24
6
1999
1。13
0。12
7
2000
1。
27
0。24
线性回归方程：EPS=0。517+0。1132t
对数线性回归方程：In（EPS）=-0。55536+0。1225t
对数线性回归模型的斜率（0。1225）给出了盈利增长率的预测值为12。
25%，线性回归模型得到的斜率是以元为单位的。对于两个回归方程，2001年公司每股净收益的预测值为：预期EPS（2001）：线性回归方程=0。5171+0。1132×8=1。42元元。预期EPS（2001）：对数线性回归方程=e（-0。
55536+01225×8）=1。53元
4、对负盈利的处理。使用历史增长率预测未来增长率的方法会由于盈利时序数据中出现负值而失真。以年为时间单位的盈利百分比变化定义为：t时期每股净收益（EPS）的百分比变化=（EPSt-EPSt-1）/EPSt-1
如果EPSt-1为负，则计算的结果是没有意义的。
这种情况也存在于几何平均值的计算中。如果初始时期的EPS是负值或O，则几何平均值是没有意义的。同样的问题也出现在对数线性回归模型中，因为每股净收益（EPS）只有大于0，其对数才存在。对于曾经出现过负盈利的公司，至少有两种方法可获得意义的盈利增长估计值。
一种方法是使用前面定义的每股净收益（EPS）对时间的线性回归方程：
EPS=a+b。则增长率可近似表示为：EPS的增长率=b/整个回归时间区间的平均EPS
这里假定整个回归时间区间的平均EPS为正值。
另一种估计该种类型公司增长率的方法是由Arnott于1985年提出的，他使用的
公式是：EPS的百分比变化=（EPSt-EPSt-1）/EPSt-1的最大值。注意这些历史增长率的估计方法并没有提供任何关于这些增长率对于预测未来增长率是否有用的信息。
实际上正是因为这一点，我们可以得出结论认为当盈利为负时，历史增长率是“没有意义”的，并且应在预测未来增长率时将其忽略。
5、每股净收益和净收总额。
对于在估计时期内发行大量新股的公司，净收益的增长率可能会产生误导，发行股票获得的资金将产生收益，相应的将增加总的净收入，因而应根据发行股票的数量对收入进行调整，这使得考察 每股净收益而不是净收益总额会更有意义。收起
