This study aims to elucidate the behaviors of the Shanghai and Shenzhen stock exchanges during extreme volatilities—China’s 2015 Stock Market Crash and the 2020 COVID-19 pandemic. Using topological data analysis (TDA), the study identiffes early warning signals within the Shanghai–Hong Kong (SHHK) and Shenzhen–Hong Kong Stock (SZHK) -Stock Connect markets. This timeliness ensures proactive market stabilization and portfolio adjust-ments. The results also reveal that the interconnected market signals are more stable, supporting multidimensional crisis detection and offering valu-able tools for policymakers and investors to effectively mitigate ffnancial risks.

本文基于互联网企业价值评估的背景，重点探讨一种常用估值方法——相对估值法（Relative Valuation），并以阿里巴巴集团（Alibaba）为实证对象首先，文章回顾了互联网企业估值的特殊性与挑战；其次，介绍了相对估值法的理论基础、常用指标（如市盈率P/E、市净率P/B、市销率P/S、EV/EBITDA 等）及其优缺点；再次，从互联网企业特征出发，分析该方法在阿里巴巴所处环境中的适用性及限制。然后，结合阿里巴巴最新财报数据（截至FY 2024 期）整理公司基本资料、选取可比公司、计算关键估值指标，进而得出对阿里巴巴的估值区间与市场价值对比。最后，基于实证结果，从估值结果合理性、影响因素（如业务结构、成长预期、市场情绪）以及方法优化建议三个维度展开讨论。研究发现：对于快速成长、业务多元的互联网企业而言，虽相对估值法具备便捷性与可比性优势，但也易受到可比公司选取不当、成长预期偏差及无形资产难以量化等影响。论文建议在实际应用中，应辅以折现模型（DCF）等方法，并注意调整估值倍率以反映公司成长性与风险特征。本文的研究可为互联网企业估值提供一种实务参考，也为资产评估的教学与研究提供新的案例视角。

随着我国证券分析师行业的发展,分析师作为信息中介在资本市场上的作用日益凸显。论文运用OLS检验了在中国这一新兴市场中影响证券分析师跟进数量的决定因素,研究了公司规模、业务复杂度、投资风险、股权结构和投资者关系等特征是如何影响中国分析师做出是否跟进的决策的。在此基础上,论文进一步运用计数(Countdata)计量的Poisson方法对实证结果进行了稳健性检验,研究发现,分析师倾向于跟进那些规模较大、交易额较高、机构持股较多且投资者关系较好的公司,而规避那些投资风险较大、内部持股比例和业务复杂程度较高的公司。本文的结果与之前成熟市场中的研究结论基本一致,所存在的差异在一定程度上体现了新兴市场中分析师的行为特征,这对我们更好地理解分析师在新兴资本市场中的信息中介作用有着很大的价值。