葛國慶+徐琛+高登
摘 要:近年來,在大眾創(chuàng)業(yè)的熱潮下,一大批初創(chuàng)企業(yè)紛紛成立起來,其中大部分都是創(chuàng)新型小微企業(yè)。在這些創(chuàng)新型小微企業(yè)的運營過程中,企業(yè)的管理、融資以及并購事項都與企業(yè)的估值密切相關(guān)。但遺憾的是,目前創(chuàng)新型小微企業(yè)的估值在實務(wù)中仍然缺乏準確性與客觀性,有許多亟待提升與改進的地方。本文在結(jié)合經(jīng)典文獻與實務(wù)調(diào)查的基礎(chǔ)上,選取了12個指標作為小微企業(yè)估值的影響因素,并提出了以德爾菲法和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的小微企業(yè)估值方法,結(jié)合新三板數(shù)據(jù)進行實證分析,驗證了模型的有效性與可行性,為小微企業(yè)估值提供了一種新思路。
關(guān)鍵詞:小微企業(yè)估值;德爾菲法;RBF神經(jīng)網(wǎng)絡(luò)
一、研究背景
隨著我國小微企業(yè)的產(chǎn)生與發(fā)展,一系列問題隨之出現(xiàn),其中較為突出的問題就是初創(chuàng)期創(chuàng)新型小微企業(yè)的估值問題。經(jīng)典的企業(yè)估值方法有歷史成本法、市場法等,但鑒于初創(chuàng)期創(chuàng)新型小微企業(yè)盈利不穩(wěn)定、規(guī)模小、財務(wù)數(shù)據(jù)不完整等特點,將這些方法用于初創(chuàng)期小微企業(yè)的價值評估均有較大局限性。因此,探究一種既能結(jié)合實際情況又能減少實務(wù)中價值評估主觀性的估值方法是極有價值的。
二、基本方法介紹
本文采用德爾菲法與RBF神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方法來構(gòu)建小微企業(yè)估值模型。德爾菲法,就是把需要破解的難題發(fā)送給不同專家以尋求意見,之后再對眾多專家提出的意見與建議見進行整合,進而得出初步綜合性意見。在此基礎(chǔ)上,再將所得綜合意見與待解決問題再次轉(zhuǎn)給專家。接到反饋信息后,專家應(yīng)當基于綜合意見,對自身的初步意見進行修改,之后再對經(jīng)過修改之后的意見進行匯總加成。
人工神經(jīng)網(wǎng)絡(luò),是研究者模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能,構(gòu)建出來的一種模型,其核心功能是研究輸入向量和輸出向量隱含關(guān)系。一般會按照輸入向量要求構(gòu)建輸入層神經(jīng)元,然后利用一系列模型內(nèi)含復雜運算來建立相應(yīng)的非線性模型,通過對隱含關(guān)系的不斷修正,減少輸出向量與實際向量之間的誤差,進而尋求合理的期望向量。
RBF神經(jīng)網(wǎng)絡(luò)是一種方法先進、運作高效的前饋式神經(jīng)網(wǎng)絡(luò),它用徑向基函數(shù)作為網(wǎng)絡(luò)隱含層單元的“基”構(gòu)成隱含層空間結(jié)構(gòu),對輸入矢量(低維的模式輸入數(shù)據(jù))進行函數(shù)變換,轉(zhuǎn)換至高維空間內(nèi),通過對隱單元輸出值的處理得到輸出層的輸出值,具有最佳逼近和全局最優(yōu)的優(yōu)良性質(zhì),而且訓練速度快,不會出現(xiàn)局部最優(yōu),因此得到了廣泛應(yīng)用。
在研究過程中,我們先對新三板企業(yè)進行篩選,確定研究對象。在此基礎(chǔ)上,我們將待估值的各企業(yè)的客觀數(shù)據(jù)及資料進行整理,匯編成冊,隨因素評分表一起發(fā)放給各專家,要求專家在仔細閱讀各企業(yè)的詳細資料之后(此步驟為模仿企業(yè)估值實務(wù)中的盡職調(diào)查),依據(jù)自身專業(yè)知識和實務(wù)經(jīng)驗對企業(yè)各因素進行打分。之后,我們將收回資料及調(diào)查表,并對各企業(yè)得分進行整理,匯總并進行歸一化處理成為可用數(shù)據(jù)集,代入神經(jīng)網(wǎng)絡(luò)模型進行訓練,并對訓練結(jié)果進行檢驗,考察模型的可行性與準確性。
三、估值因素的確定
本文結(jié)合相關(guān)文獻、實際調(diào)查情況以及德爾菲法提出了以下因素作為小微企業(yè)估值的影響因素。
(1)政府支持度:對于剛剛創(chuàng)業(yè)的小微企業(yè)來說,能否得到政府部門的支持將對其前期發(fā)展產(chǎn)生重要影響。
(2)行業(yè)競爭度:企業(yè)所在行業(yè)的競爭激烈程度也是衡量初創(chuàng)期小微企業(yè)后續(xù)成長性的重要因素之一。
(3)企業(yè)核心技術(shù)水平:這里的技術(shù)水平需要囊括技術(shù)可替代性、技術(shù)先進程度、技術(shù)適用性以及技術(shù)可靠性。
(4)市場擴張速度:成熟企業(yè)的估值中,經(jīng)常會考慮企業(yè)在某個細分市場的市場占有率,但對于初創(chuàng)期的企業(yè)來說,由于其本身創(chuàng)立時間短,很難在市場占有率上對其做出評價,更應(yīng)當關(guān)注的應(yīng)當企業(yè)在細分市場擴張的速。
(5)毛利率:企業(yè)的毛利率也是衡量企業(yè)現(xiàn)狀與發(fā)展?jié)摿Φ闹匾笜耍矢?,說明企業(yè)的產(chǎn)品經(jīng)濟附加值較高,否則,說明該產(chǎn)品的經(jīng)濟附加值較低。
(6)CEO的能力:主流文獻認為創(chuàng)業(yè)企業(yè)領(lǐng)導者的能力將對企業(yè)發(fā)展產(chǎn)生巨大影響,因此CEO 的個人能力也必須納入估值體系中去。
(7)團隊能力:創(chuàng)業(yè)團隊在創(chuàng)業(yè)企業(yè)運作過程中的能力,包括了其管理能力、技術(shù)能力、銷售能力、財務(wù)能力等等方面,團隊水平的高低對企業(yè)的研發(fā)、生產(chǎn)、銷售、財務(wù)的運作流程具有極大影響力。
(8)企業(yè)所在區(qū)域:我國各地區(qū)的經(jīng)濟發(fā)展極不平衡,不同區(qū)域的產(chǎn)業(yè)發(fā)展速度和基本特點都有所不同。
(9)成本優(yōu)勢:在很多行業(yè)中,成本優(yōu)勢是決定競爭優(yōu)勢的關(guān)鍵因素。
(10)市場整體景氣程度:通過研究,我們發(fā)現(xiàn)企業(yè)估值需要結(jié)合市場景氣程度。絕對價值相同的企業(yè),在經(jīng)濟周期發(fā)展的不同階段,可能在估值上有較大差別,所以,企業(yè)最終的估值數(shù)據(jù)必須要考慮到市場的景氣程度進行衡量。
(11)商業(yè)模式:商業(yè)模式是企業(yè)的商業(yè)邏輯,它定義了企業(yè)如何為股東創(chuàng)造和捕獲價值。同時,為了保持競爭力,企業(yè)必須在其商業(yè)模式上不斷創(chuàng)新。
(12)企業(yè)規(guī)模:盡管對于初創(chuàng)期小微企業(yè)的估值主要是對于其成長性的估值,但不可否認的是,對于大多數(shù)小微企業(yè)來講,若無明顯證據(jù)證明其未來成長較為可期,其現(xiàn)有企業(yè)規(guī)模仍將是其估值的主要依據(jù)。
四、建立估值的數(shù)據(jù)樣本
神經(jīng)網(wǎng)絡(luò)訓練中所提取的規(guī)律蘊含在樣本中,所以選取的樣本必須具有一定的代表性,根據(jù)本文的具體情況,選取樣本的原因和情況如下所述。
在樣本數(shù)據(jù)來源方面,考慮到:
(1)神經(jīng)網(wǎng)絡(luò)需要多組數(shù)據(jù)進行訓練,而小微企業(yè)自身的數(shù)據(jù)由于其發(fā)展階段的特點,其自身各方面數(shù)據(jù)往往缺乏透明性、準確性,如不在估值之前花費一定時間對企業(yè)進行盡職調(diào)查,很難為企業(yè)估值提供詳盡、準確的原始數(shù)據(jù)和客觀情況。
(2)神經(jīng)網(wǎng)絡(luò)模型的訓練集數(shù)據(jù)需要具有良好的準確性,這樣才能使得模型的訓練結(jié)果和實際情況能夠良好契合。而實際情況中,大部分小微企業(yè)并沒有一個準確的估值數(shù)據(jù),這就使得神經(jīng)網(wǎng)絡(luò)模型的訓練集數(shù)據(jù)的充實性與準確性極難保證,進而會影響神經(jīng)網(wǎng)絡(luò)模型訓練結(jié)果的準確性。
綜上,本文采用我國新三板企業(yè)的相關(guān)估值數(shù)據(jù)與客觀情況對初創(chuàng)期小微企業(yè)的估值進行近似模擬。
目前,我國新三板掛牌公司的整體分布,有如下兩大特點:
一是中小微企業(yè)占比多。按照工信部和國家統(tǒng)計局標準,1107家掛牌公司約有95%屬中小微企業(yè),約有68%屬小微企業(yè)。
二是公司業(yè)務(wù)新穎、科技含量高。目前,1107家掛牌公司中,高新技術(shù)企業(yè)的比重已經(jīng)超過了75%,且行業(yè)分布廣泛,高端制造業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、文體娛樂業(yè)、科技服務(wù)業(yè)等領(lǐng)域均有大量企業(yè)分布。
由上文所述可知,新三板掛牌企業(yè)的特點與本文研究對象極為吻合,可以作為神經(jīng)網(wǎng)絡(luò)模型訓練數(shù)據(jù)集的數(shù)據(jù)來源。
在樣本數(shù)據(jù)量方面,本文初步確定的小微企業(yè)估值模型包含12個主要的影響變量,根據(jù)模型自身要求,選擇樣本量的時候,應(yīng)該盡量地尋求網(wǎng)絡(luò)的權(quán)值和閾值總數(shù)與樣本訓練樣本數(shù)相匹配。綜合各種因素,本文最后選取了60家新三板掛牌企業(yè)作為數(shù)據(jù)來源。
五、建立神經(jīng)網(wǎng)絡(luò)模型
本節(jié)主要構(gòu)建小微企業(yè)估值神經(jīng)網(wǎng)絡(luò)模型,該RBF網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò):第一層為輸入層,主要由影響小微企業(yè)估值的12個影響因素構(gòu)成,作為神經(jīng)網(wǎng)絡(luò)的輸入向量;第二層為隱含層,由自主構(gòu)建的隱含神經(jīng)元構(gòu)成,連接輸入層與輸出層神經(jīng)元;第三層為輸出層,輸出值是隱單元輸出的線性加權(quán),本模型中,企業(yè)最終估值水平為神經(jīng)網(wǎng)絡(luò)的輸出向量,所以輸出層的神經(jīng)元個數(shù)為1。而具體模型結(jié)構(gòu)如圖所示:
六、模型訓練及實證
本文總共選取了60個企業(yè)樣本,其中70%作為訓練樣本來訓練RBF神經(jīng)網(wǎng)絡(luò)模型,30%作為測試集對模型精度進行測驗。模型針對不同的輸入向量可以得到不同的價值輸出值,在規(guī)定網(wǎng)絡(luò)模型精度誤差的基礎(chǔ)上,模型自動會將實際價值輸出值與期望價值對比,得到誤差值,并將該誤差與精度誤差比較,誤差大于精度誤差時,進行回溯反饋、反迭代的過程。通過反復執(zhí)行RBF神經(jīng)網(wǎng)絡(luò)算法流程,得到最小誤差所對應(yīng)的RBF神經(jīng)網(wǎng)絡(luò)模型的內(nèi)涵網(wǎng)絡(luò)關(guān)系,此時網(wǎng)絡(luò)的訓練過程結(jié)束,小微企業(yè)估值的RBF神經(jīng)網(wǎng)絡(luò)模型就構(gòu)建完畢。
本文使用Spss Modeler進行模型執(zhí)行,執(zhí)行流程如圖所示:
在模型訓練及測試結(jié)束后,相關(guān)結(jié)果如圖所示:
由圖可知,模型測試集的平均誤差為-3.21%,達到了較好效果,但18個測試樣本中,仍有許多誤差水平超過了15%,處于一個較高的誤差水平。但考慮到小微企業(yè)估值在實務(wù)操作中的極大不準確性,我們有理由認為,該模型已經(jīng)具有了較好的擬合效果,將估值誤差維持在了一個可以接受的程度。
七、結(jié)論及分析
RBF神經(jīng)網(wǎng)絡(luò)模型用小微企業(yè)估值時只需要以合適訓練樣本進行訓練,利用訓練后的網(wǎng)絡(luò)模型就可以對小微企業(yè)進行估值。且訓練好一個模型之后,便可用于同類型小微企業(yè)的估值。若要對企業(yè)特點差異大的其他企業(yè)估值,只需重新尋找相似樣本,對模型進行調(diào)整訓練即可。
該模型克服了傳統(tǒng)小微企業(yè)估值過于依賴主觀判斷、工作量巨大的缺點。首先,本研究在訓練樣本上選用了新三板企業(yè)來對小微企業(yè)進行近似模擬,應(yīng)當講,這樣的近似模擬已經(jīng)非常好地保證了模型的準確性。但隨著小微企業(yè)數(shù)量的上升和相關(guān)統(tǒng)計數(shù)據(jù)的積累,勢必會有更加貼近實際情況的數(shù)據(jù)出現(xiàn),屆時,可對本模型在數(shù)據(jù)選取上進行進一步優(yōu)化。其次,本文只從小微企業(yè)整體角度考慮了其估值模型。訓練樣本的企業(yè)特點、行業(yè)分布均差異較大,這也是本模型結(jié)果的誤差值產(chǎn)生的主要原因所在。后續(xù)研究中,若能對訓練樣本進行進一步精細化篩選,勢必能夠大幅提升模型的針對性。
參考文獻:
[1]陳軍.初創(chuàng)期科技企業(yè)估值方法分析與運用[D].電子科技大學,2014.
[2]湯伶俐.初創(chuàng)型科技企業(yè)估值方法研究--基于風險投資法視角[J]. 財會通訊,2016,(32):7-10+129.
[3]黃雯雯.基于BP神經(jīng)網(wǎng)絡(luò)的中國創(chuàng)業(yè)板IPO定價模型研究[D].華南理工大學,2012.
[4]朱曉剛.A股上市公司價值評估指標驗證與體系構(gòu)建[D].西南財經(jīng)大學,2012.
[5]鄒原.關(guān)于現(xiàn)代企業(yè)估值問題的若干思考[J].財經(jīng)界(學術(shù)版),2013,(23):147.
[6]衛(wèi)敏,余樂安.具有最優(yōu)學習率的RBF神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J].管理科學學報,2012,(04):50-57.
[7]劉飛虎,羅曉光.基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行財務(wù)風險評價研究[J].投資研究,2013,(03):88-97.