关键词:
BP神经网络
企业价值评估
股权价值
中小板
摘要:
随着我国经济发展,企业产权交易日益频繁,市场对于企业价值评估业务的需求也日益旺盛。BP神经网络作为人工神经网络的一种,在理论上具有逼近任意非线性函数的能力,能够在信息不充分,函数关系不明确的条件下较好模拟预测复杂的映射关系。严格来说,中小板块是企业进入创业板块的一个过渡平台,有些公司达不到创业板或者主板市场的上市条件,只能先在中小板上市,所以中小板是创业板的前奏。本文分析了三大传统评估方法和数学模型评估方法的缺陷。传统的企业价值评估途径,包括市场法、资产基础法和收益法。市场法要求修正的系数有很多,不免掺杂过多主观因素;考虑到企业收益的波动性,部分公司的未来收益不具有稳定性,这就限制了收益法中的现金流量模型的应用;成本法未考虑公司未来的盈利发展能力,一定程度上并不能充分反映公司的真正价值。通过建立数学模型的方法包括资本资产定价模型、经济增加值(EVA)理论、布莱克-斯科尔斯(B-S)模型、实物期权法等等,这些都是有着严格假设的评估方法,在实际运用中容易受到商业运作模式和行业产业性质差异的影响,很大程度上不适合企业价值评估。由此,本文在分析传统方法和数学模型方法缺陷的基础上,提出了基于BP神经网络的企业股权价值评估。为了检验BP神经网络在企业股权价值评估中的适用性和准确性,本文以中小板企业为例,借助SPSS软件,收集整理54家中小板公司数据,利用这些数据建立BP神经网络模型,并用个案检验法检验所建立的网络模型的适用性和可行性,最后分析得出结论。本文提出的BP神经网络不需要任何精确的数学模型,而且在评估领域没有任何前提和很严格的假设,所以克服了B-S模型和EVA理论等数学模型方法的缺陷。再者,BP神经网络不限制任何类型的公司,样本数据全部来自于企业的客观数据,不需要预测公司的未来收益,模型建立过程全部借助于计算机,避免了人为的主观影响,所以克服了传统评估方法的缺陷,减少评估时间,提高了企业价值评估的准确度、精确度和客观性。在以中小板公司为例建立BP神经网络模型过程中,本文得出结论:BP神经网络的非线性映射能力、自我学习能力等优点,使得其能够在企业价值评估中有效适用;根据个案检验的结果分析,BP神经网络模型评估企业价值的精确度较高;不论上市公司还是非上市公司,有部分企业的价值被低估,也有部分企业的价值被高估,所以给外部投资者带来一定的投资风险,需要投资者理性分析被投资企业的真实价值;对企业价值影响最大的三个指标分别是核心员工比率、独立董事比率和权益净利率,因此,企业管理者若想提高公司价值,不必局限于企业的规模和数量,应看中企业的内在发展质量和发展潜力,提高企业的实际价值增长。另外,也要特别注重提高产品质量,增加产品核心竞争力,走创新发展道路赚取超额利润,并逐步拓宽销售渠道,增强盈利能力。