关键词:
互联网企业
指数平滑神经网络
DCF模型
B-S模型
企业价值评估
摘要:
随着互联网的推广和技术的发展,大量互联网企业开始陆续进入了大众的视野里。目前,互联网以及互联网产品已经进入了人们日常生活中的各个方面,在此背景下,互联网企业展现了巨大的发展潜力。互联网行业的发展离不开经济的推动,因此,学术界和实物界针对互联网企业价值的评价方法展开了激烈讨论与分析。准确的互联网企业价值评估结果有助于投资者进行决策,同时有助于企业上市、并购以及重组的进行。相比于传统企业,互联网企业有着未来现金流不确定性高、无形资产的比重大、马太效应严重等特点。根据本文研究分析,传统估值方法在对互联网企业进行价值评估时存在诸多不足,难以完全反映企业的整体价值。目前,DCF模型是企业价值评估方法中较为主流的方法。DCF模型根据企业现金流的预测结果,选取合适的折现值计算出各期预测结果的现值,企业价值为各期现值的总和。与其他传统估值模型相比,DCF模型在评价现金流较为稳定的企业价值时更能体现企业的整体价值。但是DCF模型对于不稳定性较高的资产价值评估结果的准确性不足。基于此,本文引入B-S模型,B-S模型能够体现价值的不确定性和风险,弥补DCF模型评估潜在价值能力的不足。通过对互联网企业价值构成的分析,互联网企业价值可以分为现有资产价值和潜在价值。基于此,本文构建了DCF和B-S的组合模型,DCF模型用于评价目前已有的资产以及趋于稳定的业务价值,B-S模型用于评价未来可能产生收益的正在研发的技术以及无形资产等的价值。在选择估值模型的参数时,需要尽可能避免参数的主观选择,保证估值结果的客观性,因此本文引入了指数平滑法和BP神经网络。指数平滑法对于时间序列有着很好的预测能力,BP神经网络预测非线性数据能力很强。因此,本文构建指数平滑神经网络对自由现金流量和波动率进行改进。本文以昆仑万维为案例,结合了近几年的财务状况,采用指数平滑神经网络对营业收入和股价进行预测,通过DCF模型和B-S模型计算企业的整体价值。最后对价值评估结果进行稳健性检验,结果表明本文采用的价值评估模型能够较为准确地把握昆仑万维的价值。本文主要分为以下六个部分:第一章是引言,阐述了本文的研究背景和意义,对企业价值评估模型、互联网企业估值模型、DCF模型、B-S模型以及指数平滑神经网络模型的国内外研究成果进行了整理和总结,阐述了本文的研究思路和方法并据此确定了本文的整体框架。第二章是互联网企业价值评估理论概述,对互联网企业的相关概念和互联网企业估值理论进行了阐述。第三章是基于组合模型的企业价值评估方法构建,总结了本文采用的DCF模型、B-S模型、指数平滑神经网络模型的原理以及特点,根据互联网企业的价值构成构建了DCF和B-S的组合模型,提出了采用指数平滑神经网络对DCF和B-S的组合模型进行改进的方法,并总结了改进模型的优势。第四章引入了案例公司——昆仑万维,介绍了昆仑万维的基本情况,分析了组合模型应用于昆仑万维的适用性。第五章采用基于指数平滑神经网络的DCF和B-S组合模型对昆仑万维进行价值评估,并对估值结果进行了稳健型检验。第六章根据案例分析和相关理论基础得出结论与展望。本文主要得到了以下研究结论:(1)根据本文的估值结果和实际股价对比发现,DCF和B-S的组合模型能全面反映互联网企业的价值。(2)根据模型的预测误差对比发现,指数平滑神经网络提高了自由现金流和波动率的预测准确率。(3)机器学习方法有着很强的数据分析能力和学习能力,可以起到优化参数的作用,能使估值结果更加准确。(4)每种估值模型都拥有各自的优势和不足,多种估值方法的组合模型有利于弥补单个模型的局限性。