劉降斌 趙雅琪

摘 要：我國(guó)的人工智能技術(shù)正在大步向前，人工智能獨(dú)角獸企業(yè)作為人工智能技術(shù)的孵化基地，對(duì)其進(jìn)行企業(yè)價(jià)值評(píng)估也愈發(fā)重要。目前針對(duì)人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估的研究較少，本文將根據(jù)人工智能獨(dú)角獸企業(yè)的概念及特征，將傳統(tǒng)評(píng)估方法與實(shí)物期權(quán)法進(jìn)行比較。比較分析結(jié)果表明實(shí)物期權(quán)法更適合應(yīng)用于人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估，并選取了三種實(shí)物期權(quán)模型進(jìn)行比較，發(fā)現(xiàn)Schwartz-Moon模型操作方便，對(duì)人工智能獨(dú)角獸企業(yè)的評(píng)估更加準(zhǔn)確。

關(guān)鍵詞：人工智能;獨(dú)角獸企業(yè);企業(yè)價(jià)值;實(shí)物期權(quán)

一、人工智能獨(dú)角獸企業(yè)相關(guān)概念及其特征

2013年，美國(guó)投資人Aileen Lee將創(chuàng)立10年內(nèi)，私募市場(chǎng)和公開市場(chǎng)中估值超過(guò)10億美元的美國(guó)軟件公司命名為“獨(dú)角獸企業(yè)”?，F(xiàn)在獨(dú)角獸企業(yè)普遍指成立不超過(guò)10年，獲得過(guò)私募投資且估值超過(guò)10億美元的未上市企業(yè)。人工智能是我國(guó)的獨(dú)角獸企業(yè)主要分布領(lǐng)域之一。人工智能產(chǎn)業(yè)分為應(yīng)用層、技術(shù)層、基礎(chǔ)層，人工智能獨(dú)角獸企業(yè)主要分布在技術(shù)層和基礎(chǔ)層中的芯片制造領(lǐng)域，其企業(yè)價(jià)值主要來(lái)源于實(shí)物資產(chǎn)和無(wú)形資產(chǎn)價(jià)值。人工智能獨(dú)角獸企業(yè)主要具有如下特點(diǎn)：

1.投入水平高

人工智能獨(dú)角獸企業(yè)作為知識(shí)密集型服務(wù)業(yè)，在前期會(huì)投入大量的資金研發(fā)技術(shù)。為了獲得具有競(jìng)爭(zhēng)力、領(lǐng)先于行業(yè)的技術(shù)，在研發(fā)的每一個(gè)環(huán)節(jié)都會(huì)耗費(fèi)大量資金。其資金投入數(shù)額與技術(shù)復(fù)雜程度呈正相關(guān)，技術(shù)越復(fù)雜，投入資金越多。研發(fā)期間，研發(fā)金額可能會(huì)隨著實(shí)驗(yàn)的成功率高低進(jìn)行相應(yīng)的變化。當(dāng)研發(fā)技術(shù)應(yīng)用在產(chǎn)品上進(jìn)行批量生產(chǎn)后，還需要投入大量資金進(jìn)行廣告宣傳，打響品牌知名度，提高市場(chǎng)占有率。

2.風(fēng)險(xiǎn)高

人工智能獨(dú)角獸企業(yè)在企業(yè)生命周期中具有一系列不確定性。種子時(shí)期的人工智能獨(dú)角獸企業(yè)處于研發(fā)階段，在此階段沒(méi)有消費(fèi)者也沒(méi)有現(xiàn)金流入。同時(shí)，企業(yè)還面臨著開發(fā)風(fēng)險(xiǎn)和技術(shù)風(fēng)險(xiǎn)。初創(chuàng)時(shí)期的人工智能獨(dú)角獸有一定的研發(fā)成果，投入資金進(jìn)行產(chǎn)品批量化生產(chǎn)，但其產(chǎn)品能否在市場(chǎng)上具有競(jìng)爭(zhēng)力，是否與其他企業(yè)的產(chǎn)品具有相似性等一系列不確定性使企業(yè)面臨經(jīng)營(yíng)風(fēng)險(xiǎn)。成長(zhǎng)期人工智能獨(dú)角獸企業(yè)具有一定的產(chǎn)品，積累了一批消費(fèi)者，有良好的獲利能力。但產(chǎn)品在深入城市應(yīng)用方面具有阻礙，城市場(chǎng)景應(yīng)用大多由政府部門主管，而產(chǎn)品在城市中應(yīng)用時(shí)需要企業(yè)對(duì)其進(jìn)行不斷升級(jí)，需要政府對(duì)企業(yè)相關(guān)場(chǎng)景開放。政府項(xiàng)目還會(huì)給企業(yè)帶來(lái)應(yīng)收賬款增加、現(xiàn)金流緊張等財(cái)務(wù)問(wèn)題。在此階段，企業(yè)需要把握產(chǎn)品深入城市的機(jī)遇，但同時(shí)也面臨著政府項(xiàng)目所帶來(lái)的資金緊缺風(fēng)險(xiǎn)。無(wú)論是哪個(gè)階段都要進(jìn)行研發(fā)投入，一旦收入支撐不起高額的投入資金，企業(yè)將面臨破產(chǎn)危機(jī)。

3.成長(zhǎng)性強(qiáng)

人工智能獨(dú)角獸企業(yè)的研發(fā)成果一旦被市場(chǎng)認(rèn)可，就會(huì)給企業(yè)帶來(lái)巨大的經(jīng)濟(jì)收益，幫助企業(yè)累積資本和迅速占領(lǐng)市場(chǎng)份額。企業(yè)所擁有的技術(shù)越先進(jìn)，帶來(lái)的收益越大，甚至能夠在一段時(shí)期內(nèi)形成壟斷局面。

4.無(wú)形資產(chǎn)占比高

2020年底我國(guó)的人工智能專利申請(qǐng)數(shù)量居世界第一，人工智能專利技術(shù)是人工智能獨(dú)角獸企業(yè)價(jià)值的重要來(lái)源，專利技術(shù)體現(xiàn)了無(wú)形資產(chǎn)在人工智能獨(dú)角獸企業(yè)價(jià)值中的占比。對(duì)于人工智能獨(dú)角獸企業(yè)的認(rèn)定，產(chǎn)品、技術(shù)、市場(chǎng)占有率都是重要因素。先進(jìn)的技術(shù)和產(chǎn)品有助于企業(yè)快速完成融資，成長(zhǎng)為獨(dú)角獸企業(yè)。

5.創(chuàng)業(yè)時(shí)間短

根據(jù)獨(dú)角獸的定義，獨(dú)角獸企業(yè)普遍是創(chuàng)業(yè)10年以內(nèi)的企業(yè)，人工智能獨(dú)角獸企業(yè)普遍在5年-8年。創(chuàng)業(yè)前期的人工智能獨(dú)角獸企業(yè)需要投入大筆資金進(jìn)行研發(fā)，收入水平低，營(yíng)業(yè)利潤(rùn)為負(fù)。在評(píng)估過(guò)程中沒(méi)有足夠的歷史資料，僅憑前期的歷史資料難以考慮企業(yè)未來(lái)發(fā)展?jié)摿Α?/p>

二、傳統(tǒng)方法在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中的局限性

提高人工智能企業(yè)價(jià)值評(píng)估的準(zhǔn)確性，為企業(yè)決策者提供科學(xué)有效的意見，能對(duì)提升人工智能企業(yè)技術(shù)效率水平產(chǎn)生積極影響。人工智能獨(dú)角獸企業(yè)作為眾多人工智能企業(yè)中的佼佼者，對(duì)其進(jìn)行準(zhǔn)確估值能夠?qū)?guó)內(nèi)人工智能技術(shù)的發(fā)展產(chǎn)生重要影響。根據(jù)人工智能獨(dú)角獸企業(yè)的特點(diǎn)，分析傳統(tǒng)方法在運(yùn)用時(shí)的局限性。

1.市場(chǎng)法在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中的局限性

市場(chǎng)法的思路是在市場(chǎng)上找到與評(píng)估對(duì)象相似的企業(yè)，分析比較參考案例和評(píng)估對(duì)象重要指標(biāo)的差異，通過(guò)調(diào)整參考案例的價(jià)格從而得到評(píng)估對(duì)象的價(jià)格。市場(chǎng)法中運(yùn)用到的具體方法通常是參考企業(yè)比較法和并購(gòu)案例比較法，前者以參考企業(yè)的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，后者以根據(jù)參考企業(yè)的交易數(shù)據(jù)為基礎(chǔ)。運(yùn)用市場(chǎng)法需要市場(chǎng)上有足夠的相似企業(yè)，人工智能企業(yè)成長(zhǎng)為獨(dú)角獸企業(yè)都有其獨(dú)特、不可復(fù)制的商業(yè)模式，不同企業(yè)所擁有的專利技術(shù)也千差萬(wàn)別，在公開市場(chǎng)上很難找到合適的參考案例。

2.成本法在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中的局限性

成本法的思路是以評(píng)估對(duì)象的資產(chǎn)負(fù)債表為基礎(chǔ)，通過(guò)評(píng)估企業(yè)各項(xiàng)資產(chǎn)價(jià)值以及負(fù)債，從而確定評(píng)估對(duì)象的價(jià)值。人工智能獨(dú)角獸企業(yè)價(jià)值很大一部分來(lái)源于所擁有的專利技術(shù)類無(wú)形資產(chǎn)，這類科技技術(shù)型無(wú)形資產(chǎn)具有先進(jìn)性和不可復(fù)制性，難以從重置成本的角度進(jìn)行評(píng)估。除了無(wú)形資產(chǎn)，企業(yè)所擁有的高技術(shù)人力資源也很難在成本法中得到體現(xiàn)。人工智能獨(dú)角獸企業(yè)在技術(shù)開發(fā)過(guò)程中所面臨的風(fēng)險(xiǎn)會(huì)對(duì)企業(yè)價(jià)值評(píng)估產(chǎn)生重要影響，使用成本法不能將未來(lái)風(fēng)險(xiǎn)考慮在內(nèi)，使得評(píng)估結(jié)果準(zhǔn)確性降低。

3.收益法在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中的局限性

收益法的思路是預(yù)測(cè)企業(yè)未來(lái)收益并將其折現(xiàn)至評(píng)估基準(zhǔn)日，其理論基礎(chǔ)是貼現(xiàn)理論，將企業(yè)價(jià)值看作是企業(yè)未來(lái)能帶來(lái)的收益，主要有DCF法、IRR法、EVA模型和CAPM模型等。收益法的重點(diǎn)是對(duì)企業(yè)預(yù)期收益的預(yù)測(cè)和折現(xiàn)率的確定，人工智能獨(dú)角獸企業(yè)未來(lái)發(fā)展方向不明確，經(jīng)營(yíng)決策和投資動(dòng)向在未來(lái)可能有很大的變化，僅依據(jù)歷史數(shù)據(jù)資料對(duì)未來(lái)收益進(jìn)行預(yù)測(cè)具有很大的難度。收益法是對(duì)現(xiàn)有資產(chǎn)的預(yù)期獲利能力進(jìn)行評(píng)估，但忽略了人工智能獨(dú)角獸企業(yè)的潛在發(fā)展能力。大部分人工智能企業(yè)仍然處于研發(fā)投入階段，大量的研發(fā)投入資金導(dǎo)致利潤(rùn)為負(fù)，使得收益法的使用失去意義。折現(xiàn)率的確定依賴大量的參數(shù)和評(píng)估人員經(jīng)驗(yàn)，對(duì)于人工智能獨(dú)角獸企業(yè)來(lái)說(shuō)，成立時(shí)間短導(dǎo)致參數(shù)不足，與傳統(tǒng)企業(yè)的差別導(dǎo)致評(píng)估人員的經(jīng)驗(yàn)不適用于人工智能獨(dú)角獸企業(yè)。

三、實(shí)物期權(quán)法在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中的適用性

人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估不同于傳統(tǒng)行業(yè)，由于企業(yè)的特點(diǎn)使其收入具有高度不確定性，而實(shí)物期權(quán)法可以有效地應(yīng)用于企業(yè)運(yùn)營(yíng)中機(jī)會(huì)成本、管理彈性的定價(jià)能夠正確評(píng)價(jià)人工智能獨(dú)角獸企業(yè)具有的管理彈性等目標(biāo)的價(jià)值。相較于傳統(tǒng)方法，實(shí)物期權(quán)法將企業(yè)現(xiàn)有的價(jià)值和未來(lái)創(chuàng)造收益的潛力看作一個(gè)整體，并不是單一地依據(jù)財(cái)務(wù)報(bào)表對(duì)人工智能獨(dú)角獸企業(yè)價(jià)值進(jìn)行價(jià)值評(píng)估，能對(duì)許多仍處于研發(fā)投入階段、持續(xù)幾個(gè)季度利潤(rùn)為負(fù)的人工智能獨(dú)角獸企業(yè)進(jìn)行準(zhǔn)確的企業(yè)價(jià)值評(píng)估。

企業(yè)的價(jià)值可以看作是現(xiàn)有的資產(chǎn)價(jià)值和未來(lái)投資機(jī)會(huì)的價(jià)值，人工智能獨(dú)角獸企業(yè)研發(fā)的專利技術(shù)在未來(lái)可能占領(lǐng)市場(chǎng)，給企業(yè)帶來(lái)巨大收益，屬于未來(lái)投資機(jī)會(huì)的價(jià)值，因此可以看作是看漲期權(quán)。人工智能獨(dú)角獸企業(yè)管理者面臨的投資決策具有不確定性，所以產(chǎn)生了決策彈性，從而產(chǎn)生了延遲期權(quán)、階段性投資期權(quán)、變更期權(quán)、放棄期權(quán)、轉(zhuǎn)換期權(quán)、成長(zhǎng)期權(quán)、復(fù)合期權(quán)等。人工智能獨(dú)角獸企業(yè)的研發(fā)過(guò)程具有綜合期權(quán)特征，從第一次研發(fā)到商業(yè)化這一過(guò)程包含增長(zhǎng)期權(quán)、退出期權(quán)、擴(kuò)張期權(quán)、收縮期權(quán)。每個(gè)研發(fā)階段的投入決定都取決于上一個(gè)研發(fā)階段的效果，因此在當(dāng)前研發(fā)階段，投資者需要考慮是否繼續(xù)投資，如果上一個(gè)階段研發(fā)失敗，企業(yè)可以停止后續(xù)的研發(fā)過(guò)程，因此存在退出期權(quán)。研發(fā)成果進(jìn)行商業(yè)化、產(chǎn)品化后，企業(yè)根據(jù)產(chǎn)品在市場(chǎng)上所獲得的收益選擇是否擴(kuò)大或減少投資規(guī)模，在此時(shí)的決策中存在擴(kuò)張期權(quán)和收縮期權(quán)。在商業(yè)化階段，企業(yè)會(huì)選擇是否在現(xiàn)有基礎(chǔ)上增加投資，從而擴(kuò)大經(jīng)營(yíng)范圍和生產(chǎn)規(guī)模，因此存在長(zhǎng)期期權(quán)。在項(xiàng)目尚未達(dá)到商業(yè)化階段時(shí)，企業(yè)為了避免損失不會(huì)追加投資，因此擴(kuò)張期權(quán)、收縮期權(quán)、長(zhǎng)期期權(quán)均存在于研發(fā)投入階段。外部環(huán)境中，國(guó)家政策對(duì)人工智能企業(yè)的扶持，使得人工智能獨(dú)角獸企業(yè)擁有增長(zhǎng)型期權(quán)價(jià)值。

四、人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估方法建議

本文將Black-Scholes模型、二叉樹實(shí)物期權(quán)定價(jià)模型、Schwartz-Moon模型進(jìn)行對(duì)比分析，對(duì)比結(jié)果表明Schwartz-Moon模型能夠很好地在人工智能獨(dú)角獸企業(yè)價(jià)值評(píng)估中進(jìn)行應(yīng)用，評(píng)估結(jié)果較另外兩種模型更準(zhǔn)確，操作更簡(jiǎn)潔。

Black-Scholes模型是對(duì)未來(lái)期權(quán)價(jià)值的所有可能性進(jìn)行加權(quán)平均，得到期權(quán)未來(lái)的平均價(jià)值，再用無(wú)風(fēng)險(xiǎn)收益率將其折現(xiàn)。Black-Scholes模型有以下基本假設(shè)：

（1） 在期權(quán)壽命期內(nèi)，買方期權(quán)標(biāo)的股票不發(fā)放股利，也不做其他分配;

（2） 股票或期權(quán)的買賣沒(méi)有交易成本;

（3） 短期的無(wú)風(fēng)險(xiǎn)利率是已知的，并且在壽命期內(nèi)保持不變;

（4） 任何證券購(gòu)買者都能以短期的無(wú)風(fēng)險(xiǎn)利率借得任何數(shù)量的資金;

（5） 允許賣空，賣空者將立即得到所賣空股票當(dāng)天價(jià)格的資金;

（6） 期權(quán)為歐式期權(quán)，只能在到期日?qǐng)?zhí)行;

（7） 所有證券交易都是連續(xù)發(fā)生的，股票價(jià)格隨機(jī)游走。

（8） 股票價(jià)格服從對(duì)數(shù)正態(tài)分布。

Black-Scholes模型完全基于客觀數(shù)據(jù)，評(píng)估結(jié)果不受評(píng)估專業(yè)人員主觀判斷影響，在實(shí)際運(yùn)用過(guò)程中簡(jiǎn)單易操作。但假設(shè)條件的嚴(yán)苛使得評(píng)估結(jié)果不準(zhǔn)確，該模型適用于歐式期權(quán)模型，無(wú)法對(duì)人工智能獨(dú)角獸企業(yè)這種具有復(fù)合期權(quán)性質(zhì)的企業(yè)進(jìn)行準(zhǔn)確的評(píng)估。在實(shí)際操作中，Black-Scholes模型中的標(biāo)的資產(chǎn)的取值主要有預(yù)期收益現(xiàn)值、企業(yè)賬面價(jià)值、股權(quán)價(jià)值與總負(fù)債價(jià)值之和三種方式，如果取根據(jù)財(cái)務(wù)報(bào)表數(shù)據(jù)預(yù)測(cè)的未來(lái)收益所轉(zhuǎn)換的現(xiàn)值，這其中折現(xiàn)系數(shù)的確定同收益法中折現(xiàn)系數(shù)一樣，使得評(píng)估結(jié)果具有主觀性。對(duì)于大部分人工智能獨(dú)角獸企業(yè)，財(cái)務(wù)報(bào)表中的利潤(rùn)為負(fù)，難以準(zhǔn)確預(yù)測(cè)未來(lái)收益。市面上相同規(guī)模的人工智能獨(dú)角獸企業(yè)一般存在于不同的經(jīng)營(yíng)領(lǐng)域，因此難以在市面上找取合適的參照物估算預(yù)期收益。由于人工智能獨(dú)角獸企業(yè)具有前期投入高、無(wú)形資產(chǎn)占比高的特點(diǎn)，采取賬面價(jià)值作為標(biāo)的資產(chǎn)取值會(huì)使評(píng)估結(jié)果遠(yuǎn)遠(yuǎn)低于企業(yè)真實(shí)價(jià)值。采用股權(quán)價(jià)值與總負(fù)債價(jià)值之和，雖然避免了前兩種方式的缺陷，但對(duì)于股票價(jià)格波動(dòng)率較大、在證券市場(chǎng)容易引起投資者盲目跟風(fēng)投資的人工智能獨(dú)角獸企業(yè)，評(píng)估結(jié)果會(huì)很大程度地受到影響。

二叉樹期權(quán)定價(jià)模型將考察的存續(xù)期分為若干階段，根據(jù)股價(jià)的歷史波動(dòng)率模擬出正股在整個(gè)存續(xù)期內(nèi)所有可能的發(fā)展路徑，并對(duì)每一路徑上的每一節(jié)點(diǎn)計(jì)算權(quán)證行權(quán)收益和用貼現(xiàn)法計(jì)算出的權(quán)證價(jià)格。假設(shè)條件是在給定的時(shí)間間隔內(nèi)，證券價(jià)格運(yùn)動(dòng)的方向?yàn)樯蠞q或下跌。相較于Black-Scholes模型，二叉樹期權(quán)定價(jià)模型的假設(shè)條件容易滿足，由于可以將假設(shè)中的時(shí)間間隔進(jìn)行無(wú)限細(xì)分，因此更加適合處理復(fù)雜的期權(quán)。然而，二叉樹期權(quán)定價(jià)模型在實(shí)際操作中，面臨人工智能獨(dú)角獸企業(yè)的較多不確定因素，會(huì)使計(jì)算量呈指數(shù)式增長(zhǎng)。

Schwartz-Moon模型通過(guò)建立連續(xù)的時(shí)間模型，離散模型的近似，再引入蒙特卡洛模擬應(yīng)對(duì)多維問(wèn)題的處理。假設(shè)條件有：

（1） 假設(shè)企業(yè)收入在t時(shí)刻的變動(dòng)服從布朗運(yùn)動(dòng)，并且其預(yù)期收入標(biāo)準(zhǔn)差會(huì)逐漸收斂到行業(yè)發(fā)展的正常水平;

（2） 假設(shè)收入增長(zhǎng)率最受回歸到穩(wěn)定增長(zhǎng)時(shí)期，表現(xiàn)為收入增長(zhǎng)率服從均值回歸，并且收斂于長(zhǎng)期均值水平;

（3） 假設(shè)模型中的隨機(jī)變量相互獨(dú)立;

（4） 假設(shè)模型中只考慮收入的不確定性具有風(fēng)險(xiǎn)溢價(jià);

（5） 假設(shè)企業(yè)的稅后凈利潤(rùn)全部轉(zhuǎn)換為可用現(xiàn)金，并保留每期經(jīng)營(yíng)活動(dòng)的盈余資金且公司不參與股利分配;

（6） 假設(shè)市場(chǎng)無(wú)風(fēng)險(xiǎn)利率為常數(shù)。

Schwartz-Moon模型認(rèn)為在任意時(shí)刻t，企業(yè)價(jià)值包括最后一年累計(jì)可用現(xiàn)金和終值現(xiàn)金兩個(gè)部分，表達(dá)式如下：

將公式（1） 進(jìn)行蒙特卡洛模擬得到公式如下：

其中，R（t）為t時(shí)刻的經(jīng)營(yíng)收入;μ（t）為t時(shí)刻收入的預(yù)期增長(zhǎng)率;σ（t）為t時(shí)刻收入的波動(dòng)率;κ為均值回歸系數(shù)，反映收入增長(zhǎng)率的平均收斂的速度;η（t）為t時(shí)刻收入增長(zhǎng)的波動(dòng)率;φ（t）為成本變動(dòng)的波動(dòng)率;γ（t）為可變成本;λ（t）為風(fēng)險(xiǎn)收益率;ε1ε2ε3是服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)變量。

Schwartz-Moon模型中運(yùn)用的數(shù)據(jù)大部分來(lái)源于客觀數(shù)據(jù)，一小部分?jǐn)?shù)據(jù)是通過(guò)對(duì)同行企業(yè)的參考得出的估值。Schwartz-Moon模型通過(guò)對(duì)參數(shù)進(jìn)行多次模擬，將不確定因素對(duì)企業(yè)價(jià)值評(píng)估的影響體現(xiàn)在評(píng)估結(jié)果中。Schwartz-Moon模型能夠有效處理人工智能獨(dú)角獸企業(yè)的復(fù)合期權(quán)特性且沒(méi)有二叉樹期權(quán)定價(jià)模型的巨大計(jì)算量，在實(shí)際操作過(guò)程中可以借助MATLAB完成Schwartz-Moon模型的計(jì)算過(guò)程，因此對(duì)人工智能獨(dú)角獸企業(yè)進(jìn)行價(jià)值評(píng)估可以選用Schwartz-Moon模型。

參考文獻(xiàn)：

[1]Schwartz E.S.and Moon M.Rational Pricing Of Internet Companies Revisited[J].The Financial Review，2001，36（4）：7-26.

[2]Lee Y.C.and Lee S.S.The valuation of RFID investment using fuzzy real option[J].Expert Systems with Applications，2011，38（10）：12195-12201.

[3]張昕.基于企業(yè)生命周期的獨(dú)角獸企業(yè)價(jià)值評(píng)估問(wèn)題淺析[J].全國(guó)流通經(jīng)濟(jì)，2020（21）：97-98.

[4]谷錦錦，李志剛.基于模糊實(shí)物期權(quán)的獨(dú)角獸企業(yè)價(jià)值評(píng)估[J].科技創(chuàng)業(yè)，2021（4）：9-12.

[5]鄭征，朱武祥.運(yùn)用復(fù)合實(shí)物期權(quán)方法研究初創(chuàng)企業(yè)的估值[J].投資研究，2017，36（4）：118-135.

[6]朱承亮，侯志杰.中國(guó)人工智能企業(yè)全要素生產(chǎn)率及其影響因素[J].企業(yè)經(jīng)濟(jì)，2018（11）：55-62.

[7]呂梅萌，楊銀娥，我國(guó)獨(dú)角獸氣壓價(jià)值評(píng)估影響因素分析[J].中國(guó)資產(chǎn)評(píng)估，2019（2）：27-34.

[8]孟韜，徐廣林.專利申請(qǐng)、創(chuàng)業(yè)融資與獨(dú)角獸企業(yè)估值及成長(zhǎng)性[J].科學(xué)學(xué)研究，2020（8）：1444-1450.

[9]王獻(xiàn)東，楊萬(wàn)中.多階段研發(fā)投資項(xiàng)目?jī)r(jià)值評(píng)估的復(fù)合實(shí)物期權(quán)模型研究[J].中國(guó)資產(chǎn)評(píng)估，2019（6）：53-57.

[10]范風(fēng)珂，孫如妨.高新技術(shù)企業(yè)價(jià)值評(píng)估存在的問(wèn)題及方法研究[J].中國(guó)資產(chǎn)評(píng)估，2020（9）：24-27.

作者簡(jiǎn)介：劉降斌（1968- ），男，遼寧義縣人，哈爾濱商業(yè)大學(xué)商業(yè)經(jīng)濟(jì)研究院，副院長(zhǎng)，教授，博士生導(dǎo)師，研究方向：房地產(chǎn)評(píng)估理論與實(shí)務(wù)