胡曉明，田情情，徐 暢

（南京財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，江蘇 南京 210023）

一、引言

在國(guó)家宏觀戰(zhàn)略的扶持下，各大公司紛紛謀求新的發(fā)展機(jī)遇，推進(jìn)戰(zhàn)略轉(zhuǎn)型。戰(zhàn)略驅(qū)動(dòng)轉(zhuǎn)型的發(fā)展過(guò)程并非一蹴而就，戰(zhàn)略并購(gòu)是競(jìng)爭(zhēng)性企業(yè)多元化的發(fā)展路徑（Malcolm et al.，2013［1］；Wang et al.，2016［2］）。并購(gòu)績(jī)效是衡量企業(yè)戰(zhàn)略轉(zhuǎn)型成功與否的關(guān)鍵因素（湯谷良 等，2014［3］）。戰(zhàn)略性跨界并購(gòu)能夠提高企業(yè)經(jīng)營(yíng)效益（Weston et al.，1971［4］；盛明泉 等，2011［5］），促進(jìn)企業(yè)價(jià)值創(chuàng)造，提升企業(yè)競(jìng)爭(zhēng)力（耿雪姣 等，2022［6］）。

為了規(guī)避并購(gòu)風(fēng)險(xiǎn)、保障投資者合法權(quán)益，中國(guó)證券監(jiān)督管理委員會(huì)規(guī)章《上市公司重大資產(chǎn)重組管理辦法》規(guī)定，采取基于未來(lái)收益預(yù)期的方法（收益現(xiàn)值法、假設(shè)開(kāi)發(fā)法等）對(duì)擬購(gòu)買(mǎi)資產(chǎn)進(jìn)行估值并作為定價(jià)參考依據(jù)的，應(yīng)當(dāng)簽訂業(yè)績(jī)承諾補(bǔ)償協(xié)議。但業(yè)績(jī)承諾的違約率卻逐年攀升，資本市場(chǎng)對(duì)業(yè)績(jī)承諾的有效性產(chǎn)生了質(zhì)疑。一方面，業(yè)績(jī)承諾作為標(biāo)的公司的一項(xiàng)經(jīng)營(yíng)業(yè)績(jī)承諾保證，通過(guò)信號(hào)傳遞效應(yīng)傳遞標(biāo)的資產(chǎn)的未來(lái)預(yù)期收益，不僅有利于緩解并購(gòu)雙方之間以及與中小股東之間的信息不對(duì)稱(chēng)（李晶晶 等，2021［7］），降低談判成本、提高并購(gòu)效率（周紹妮 等，2021［8］），還可以提升標(biāo)的資產(chǎn)溢價(jià)倍數(shù)，增加資產(chǎn)賣(mài)方的收益（Barbopoulos et al.，2012［9］；王競(jìng)達(dá) 等，2017［10］；翟進(jìn)步 等，2019［11］）。胡運(yùn)芝 等（2019）［12］發(fā)現(xiàn)，有業(yè)績(jī)承諾樣本的評(píng)估增值率在 2016 年達(dá)到1 080.94%，遠(yuǎn)高于同年無(wú)業(yè)績(jī)承諾樣本的110.09%。另一方面，業(yè)績(jī)承諾違約存在財(cái)富轉(zhuǎn)移效應(yīng)（竇超等，2020［13］），高業(yè)績(jī)承諾加劇了“大股東+承諾方”與中小股東之間的代理沖突，引致“商譽(yù)爆雷”“股價(jià)崩盤(pán)”和“業(yè)績(jī)變臉”等問(wèn)題（王文姣 等，2017［14］；劉超 等，2019［15］），嚴(yán)重?fù)p害了處于信息劣勢(shì)方的中小股東利益。近年來(lái)，業(yè)績(jī)承諾違約率逐年上升，且時(shí)間越長(zhǎng)，履約越難。羅振吉（2021）［16］以2016—2018 年深圳證券交易所實(shí)施的重大資產(chǎn)重組案例為研究樣本，分析了深圳證券交易所公司重組業(yè)績(jī)承諾履行情況，研究發(fā)現(xiàn)，2018—2020 年業(yè)績(jī)承諾違約率分別為28.75%、30.41%、37.40%，呈逐年上升趨勢(shì)，且業(yè)績(jī)承諾期限越長(zhǎng)，履約越難。以2017 年實(shí)施的重組方案為例，實(shí)施當(dāng)年（2017 年）未完成率為12.93%，次年（2018 年）未完成率達(dá)34.48%，業(yè)績(jī)承諾最后一年（2019 年）未完成率為46.55%。業(yè)績(jī)承諾的可靠性依賴(lài)于盈利預(yù)測(cè)誤差。因此，探尋企業(yè)能否通過(guò)并購(gòu)提升企業(yè)經(jīng)營(yíng)績(jī)效、如何進(jìn)行準(zhǔn)確盈利預(yù)測(cè)，成為一項(xiàng)重要工作。

在盈利預(yù)測(cè)準(zhǔn)確性方面，中國(guó)資本市場(chǎng)上盈利預(yù)測(cè)具有一定的精確度（姜碩等，2005［17］），基于并購(gòu)的盈利預(yù)測(cè)準(zhǔn)確度有逐年增強(qiáng)的趨勢(shì)（王惠芳等，2016［18］），科學(xué)、客觀地選擇模型能夠有效地提高預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性（王國(guó)明，2018［19］）。在盈利預(yù)測(cè)方法選擇方面，有效的外推模型應(yīng)能通過(guò)準(zhǔn)確性檢驗(yàn)（徐泓等，2005［20］）；灰色關(guān)聯(lián)分析中的GM（1，N）模型較單一的模型準(zhǔn)確性更高，預(yù)測(cè)有效可行（付中華等，2018［21］）；同時(shí)，組合預(yù)測(cè)相對(duì)單項(xiàng)預(yù)測(cè)更能滿(mǎn)足盈利預(yù)測(cè)精度要求（陳華友 等，2017［22］），并且預(yù)測(cè)期間越長(zhǎng)，盈利預(yù)測(cè)的結(jié)果誤差越大（褚劍 等，2019［23］）。

業(yè)績(jī)承諾是保護(hù)中小投資者利益和激勵(lì)管理層的有效契約設(shè)計(jì)?，F(xiàn)有文獻(xiàn)的研究大多集中于業(yè)績(jī)承諾對(duì)并購(gòu)估值的影響及其保護(hù)機(jī)制和激勵(lì)機(jī)制，不同業(yè)績(jī)承諾方式和補(bǔ)償方式的激勵(lì)效應(yīng)也存在差異，少有文獻(xiàn)考察業(yè)績(jī)承諾的可實(shí)現(xiàn)性。業(yè)績(jī)承諾的可實(shí)現(xiàn)性依賴(lài)于盈利預(yù)測(cè)模型，如收益法預(yù)測(cè)模型、灰色關(guān)聯(lián)分析模型等，這些模型基于一定的假設(shè)條件，利用不同的財(cái)務(wù)信息，對(duì)目標(biāo)公司收益進(jìn)行預(yù)測(cè)。但由于整體上缺乏普遍適用性，因此已有研究主要探索盈利預(yù)測(cè)模型的改進(jìn)和優(yōu)化，但并沒(méi)有得出一致的結(jié)論，盈利預(yù)測(cè)的準(zhǔn)確性尚未得到可靠的支持。

本文以東方電子股份有限公司（簡(jiǎn)稱(chēng)“東方電子”，股票代碼：000682）戰(zhàn)略并購(gòu)目標(biāo)公司煙臺(tái)東方威思頓電氣有限公司（簡(jiǎn)稱(chēng)“威思頓”或“標(biāo)的公司”）為例，分析單項(xiàng)盈利外推法在設(shè)置業(yè)績(jī)承諾價(jià)值的合理性和準(zhǔn)確性，探討方法的改進(jìn)，構(gòu)建更具穩(wěn)定性、可靠性的組合盈利外推模型，以?xún)?yōu)化業(yè)績(jī)承諾契約設(shè)計(jì)、促進(jìn)業(yè)績(jī)承諾機(jī)制保護(hù)投資者利益和激勵(lì)標(biāo)的公司。

二、單項(xiàng)盈利外推法預(yù)測(cè)

本文的盈利外推法主要介紹蒙特卡洛模擬外推法、收益外推法以及灰色外推法等單項(xiàng)盈利外推模型及其應(yīng)用①雖然單變量時(shí)間序列外推模型具有時(shí)間上的優(yōu)勢(shì)，但考慮到樣本量的限制，本文不做分析。，以東方電子戰(zhàn)略并購(gòu)?fù)碱D為研究案例。2017 年2 月東方電子宣告擬以發(fā)行股份的方式購(gòu)買(mǎi)威思頓83.258 7%股權(quán)，交易價(jià)格為180 790.00 萬(wàn)元。評(píng)估基準(zhǔn)日為2017 年7 月31 日，收益法評(píng)估股權(quán)價(jià)值為217 133.98 萬(wàn)元，相較于凈資產(chǎn)賬面價(jià)值135 403.83 萬(wàn)元，評(píng)估增值率60.36%。

從歷史經(jīng)營(yíng)成果看，威思頓2015 年、2016 年歸屬于母公司的凈利潤(rùn)分別為6 380.82 萬(wàn)元和9 395.03 萬(wàn)元。公告顯示，2017 年3 月并購(gòu)?fù)瓿珊螅碱D承諾未來(lái)三年（2017 年、2018 年及2019年）實(shí)現(xiàn)的扣除非經(jīng)常性損益后的凈利潤(rùn)分別不低于9 221.45 萬(wàn)元、12 042.39 萬(wàn)元和15 151.90 萬(wàn)元?；鶞?zhǔn)日為2017 年7 月31 日，預(yù)測(cè)目標(biāo)公司未來(lái)三年（2017—2019 年）的凈利潤(rùn)，預(yù)測(cè)基礎(chǔ)數(shù)據(jù)資料來(lái)源公開(kāi)披露信息，主要外推模型使用Matlab 軟件進(jìn)行分析。

（一）蒙特卡洛模擬外推法預(yù)測(cè)

1.方法介紹

蒙特卡洛模擬外推法源自中心極限定理和大數(shù)定理，以概率和統(tǒng)計(jì)理論為基礎(chǔ)，準(zhǔn)確模擬隨機(jī)變量的實(shí)驗(yàn)過(guò)程和分布特征。該方法通過(guò)建立概率統(tǒng)計(jì)模型，收集數(shù)據(jù)并確定風(fēng)險(xiǎn)因素概率分布；利用計(jì)算機(jī)進(jìn)行重復(fù)隨機(jī)實(shí)驗(yàn)，對(duì)模擬結(jié)果中隨機(jī)抽樣獲取的基礎(chǔ)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，對(duì)標(biāo)準(zhǔn)差、均值等進(jìn)行分析并估計(jì)；形成概率分布圖，獲得預(yù)測(cè)結(jié)果。蒙特卡洛模擬外推法通過(guò)多次估值來(lái)表示結(jié)果，而不是一個(gè)單一的點(diǎn)估計(jì)值，在周期性公司的收益法價(jià)值評(píng)估盈利預(yù)測(cè)中得到普遍應(yīng)用（陳蕾等，2013［24］），有助于彌補(bǔ)傳統(tǒng)收益外推法中對(duì)不確定性預(yù)測(cè)的不足。

2.方法應(yīng)用

（1）數(shù)據(jù)預(yù)處理。標(biāo)的公司屬于非上市公司，缺乏足夠的歷史財(cái)務(wù)數(shù)據(jù)支持，為防止系統(tǒng)性偏差，本文參考胡曉明 等（2013）［25］、陳蕾 等（2013）［24］的處理方法，選取與威思頓的資產(chǎn)規(guī)模和經(jīng)營(yíng)風(fēng)險(xiǎn)基本相似的同行業(yè)可比公司進(jìn)行凈利潤(rùn)的波動(dòng)性分析，并將分析結(jié)果作為威思頓的參照。通過(guò)對(duì)軟件和信息技術(shù)服務(wù)業(yè)288 家上市公司的企業(yè)規(guī)模和經(jīng)營(yíng)風(fēng)險(xiǎn)進(jìn)行分析，最終選取四方精創(chuàng)、天璣科技、兆日科技等22 家上市公司作為威思頓的可比公司集，具體數(shù)據(jù)見(jiàn)表1。

表1 2015 年可比公司企業(yè)規(guī)模及凈利潤(rùn)增長(zhǎng)率

以可比公司集2015 年凈利潤(rùn)增長(zhǎng)率的均值作為標(biāo)的公司2015 年的凈利潤(rùn)增長(zhǎng)率，即15.75%，經(jīng)計(jì)算得出威思頓2014 年的凈利潤(rùn)為4 658.30 萬(wàn)元。由此，得原始收益序列（4 658.30，5 391.98，8 535.32），如表 2 所示。

表2 凈利潤(rùn)歷史數(shù)據(jù) 單位：萬(wàn)元

（2）數(shù)據(jù)模擬。為保證預(yù)測(cè)結(jié)果的合理，本文選取95%的置信度進(jìn)行上萬(wàn)次數(shù)據(jù)模擬，隨機(jī)數(shù)由Matlab 軟件自帶偽隨機(jī)數(shù)生成器抽取。模擬結(jié)果見(jiàn)圖1。

圖1 隨機(jī)數(shù)生成結(jié)果分布圖

通過(guò)模擬，計(jì)算出樣本數(shù)據(jù)的均值（2017 年企業(yè)凈利潤(rùn)）為11 541.13 萬(wàn)元，95%置信區(qū)間為［7 375.87，17 338.31］，其直方圖與概率分布見(jiàn)圖2，2018 年的企業(yè)凈利潤(rùn)為15 568.98 萬(wàn)元，置信區(qū)間為［8 105.33，27 287.94］萬(wàn)元。同理，得出2019 年的企業(yè)凈利潤(rùn)為21 064.22 萬(wàn)元，其置信區(qū)間為［9 254.14，41 441.44］萬(wàn)元。

圖2 數(shù)據(jù)的概率直方圖

（二）收益外推法預(yù)測(cè)

1.方法介紹

收益外推法是定量和定性相結(jié)合的方法，也稱(chēng)銷(xiāo)售百分比法，核心是構(gòu)建基于利潤(rùn)表項(xiàng)目之間的較為穩(wěn)定的比例關(guān)系。預(yù)測(cè)過(guò)程中，可以從財(cái)務(wù)角度將盈利拆分為毛利潤(rùn)、管理費(fèi)用、折舊攤銷(xiāo)、利息費(fèi)用、稅金等目標(biāo)驅(qū)動(dòng)因素，建立模型預(yù)測(cè)盈利值（Francis et al.，2006［26］），根據(jù)預(yù)計(jì)的營(yíng)業(yè)收入和營(yíng)業(yè)成本與相應(yīng)的百分比預(yù)測(cè)其他各項(xiàng)目，最后計(jì)算得出凈利潤(rùn)。模型運(yùn)用步驟，首先，通過(guò)對(duì)歷史經(jīng)營(yíng)情況、宏觀和微觀經(jīng)濟(jì)環(huán)境進(jìn)行分析，確定預(yù)測(cè)驅(qū)動(dòng)因素預(yù)測(cè)估計(jì)值；其次，分析、

確定待預(yù)測(cè)項(xiàng)目占預(yù)測(cè)驅(qū)動(dòng)因素的比率；最后，將預(yù)測(cè)比率與預(yù)測(cè)驅(qū)動(dòng)因素預(yù)測(cè)估計(jì)值相乘，計(jì)算出預(yù)測(cè)年度待預(yù)測(cè)項(xiàng)目預(yù)測(cè)值。

2.方法應(yīng)用

基于業(yè)績(jī)承諾的并購(gòu)項(xiàng)目估值一般采用收益外推法，本文并購(gòu)項(xiàng)目資產(chǎn)評(píng)估師運(yùn)用傳統(tǒng)收益外推法評(píng)估威思頓2017—2019 年承諾期扣除非經(jīng)常性損益后的凈利潤(rùn)分別為9 221.45、12 042.39、15 151.90 萬(wàn)元（過(guò)程見(jiàn)附錄表1）。

附表1 凈利潤(rùn)預(yù)測(cè)表 單位：萬(wàn)元

（三）灰色外推法預(yù)測(cè)

1.方法介紹

灰色外推法屬于運(yùn)籌學(xué)范疇，是當(dāng)樣本信息不完全或數(shù)據(jù)量較少時(shí)建立的一種灰色微分預(yù)測(cè)方法，適用于并購(gòu)非上市公司方案的業(yè)績(jī)承諾盈利預(yù)測(cè)。該模型是一階單序列的線性動(dòng)態(tài)模型，主要用于離散形式、時(shí)間序列預(yù)測(cè)的微分方程模型?；疑馔品ㄖ饕治龈饕亻g的關(guān)聯(lián)度，對(duì)假設(shè)時(shí)間序列進(jìn)行累加處理；通過(guò)一次擬合參數(shù)，求解GM（1，1）模型；確定預(yù)測(cè)函數(shù)值，并進(jìn)行相對(duì)誤差檢驗(yàn)、關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)差檢驗(yàn)等精度檢測(cè)。

2.方法應(yīng)用

（1）構(gòu)造累加序列。根據(jù)目標(biāo)企業(yè)2015—2016 年扣除非經(jīng)常性損益后歸屬于母公司的凈利潤(rùn)數(shù)據(jù)及由可比公司計(jì)算得出的 2014 年凈利潤(rùn)數(shù)據(jù)（見(jiàn)表 2），得原始收益序列 X（0）（t）為（4 658.30，5 391.98，8 535.32），構(gòu)造累加生成序列 X（1）（t），見(jiàn)表 3。

表3 構(gòu)造累加生成序列 單位：萬(wàn)元

（2）構(gòu)建數(shù)據(jù)矩陣參數(shù)及灰色外推模型。根據(jù)數(shù)據(jù)矩陣參數(shù)Y、X，估計(jì)參數(shù)向量

（3）殘差檢驗(yàn)。由外推模型計(jì)算得到時(shí)間響應(yīng)函數(shù)序列（見(jiàn)表4）。

表4 外推模型時(shí)間響應(yīng)函數(shù)數(shù)列 單位：萬(wàn)元

計(jì)算累減生成序列，得出絕對(duì)誤差與相對(duì)誤差率（見(jiàn)表5）。

表5 凈利潤(rùn)殘差檢驗(yàn)

參考精度檢驗(yàn)等級(jí)參照表①精度等級(jí)1 級(jí)對(duì)應(yīng)相對(duì)誤差0.01，精度等級(jí)2 級(jí)對(duì)應(yīng)相對(duì)誤差0.05，精度等級(jí)3 級(jí)對(duì)應(yīng)相對(duì)誤差0.10，精度等級(jí)4 級(jí)對(duì)應(yīng)相對(duì)誤差0.20。，殘差的平均相對(duì)誤差=1.682 7%＜5%，說(shuō)明所建外推模型有良好的預(yù)測(cè)精度，殘差檢驗(yàn)通過(guò)。

（4）關(guān)聯(lián)度檢驗(yàn)。關(guān)聯(lián)度是把各個(gè)時(shí)刻的關(guān)聯(lián)系數(shù)集中為一個(gè)平均值，即把過(guò)于分散的信息集中處理。由于只有兩個(gè)序列比較，無(wú)需尋找第二級(jí)最小差及最大差。關(guān)聯(lián)系數(shù)的計(jì)算公式為：

由于關(guān)聯(lián)度大于0.6，說(shuō)明外推模型比較滿(mǎn)意，通過(guò)關(guān)聯(lián)度檢驗(yàn)②依據(jù)相關(guān)經(jīng)驗(yàn)，當(dāng)p=0.5 時(shí)，關(guān)聯(lián)度Yi 大于0.6，則說(shuō)明外推模型是滿(mǎn)意的，通過(guò)檢驗(yàn)，Yi 值越接近1，說(shuō)明相關(guān)性越好。。

（5）后驗(yàn)差檢驗(yàn)。原始序列 X（0）的標(biāo)準(zhǔn)差 =S1=1 681.60、絕對(duì)誤差△（0）的標(biāo)準(zhǔn)差=S2=101.47，計(jì)算標(biāo)準(zhǔn)差比：

（6）預(yù)測(cè)結(jié)果。根據(jù)檢驗(yàn)合格的模型進(jìn)行預(yù)測(cè)，X（0）（4）=13 014.69，X（0）（5）=20 439.54，X（0）（6）=32 100.24，即 2017 年、2018 年、2019 年的預(yù)測(cè)凈利潤(rùn)分別為 13 014.69、20 439.54、32 100.24萬(wàn)元。

三、盈利外推模型的優(yōu)化

（一）外推模型的比較

1.蒙特卡洛模擬外推法可能產(chǎn)生不穩(wěn)定、不確定情況

蒙特卡洛模擬外推法的優(yōu)勢(shì)在于能夠比較逼真地抓住具有隨機(jī)性質(zhì)事物的特點(diǎn)，但它的收斂速度慢（楊首樟 等，2017［27］），可能受到某些隨機(jī)因素的影響，波動(dòng)較大（孫潤(rùn)稼 等，2018［28］）；劉雙慧等（2018）［29］研究發(fā)現(xiàn)，現(xiàn)有蒙特卡洛模擬外推法大都基于財(cái)務(wù)預(yù)測(cè)、資金預(yù)測(cè)，且屬于統(tǒng)計(jì)層面上近似的結(jié)果或趨勢(shì)，不是對(duì)特定結(jié)果精確的數(shù)據(jù)描述，不能準(zhǔn)確反映時(shí)間序列要求的具體盈利預(yù)測(cè)值。

2.收益外推法可能導(dǎo)致高估值、高溢價(jià)情況

相對(duì)而言，收益外推法（銷(xiāo)售百分比法）更具可操作性（李常青等，2013［30］），因此，大多并購(gòu)項(xiàng)目業(yè)績(jī)承諾預(yù)測(cè)采用收益外推法。在估值中，主觀判斷往往比客觀數(shù)據(jù)更可靠（馬海濤等，2017［31］），但是，由于人為因素影響，單純依靠主觀判斷可能會(huì)導(dǎo)致估值偏差、承諾不能實(shí)現(xiàn)等風(fēng)險(xiǎn)，影響預(yù)測(cè)結(jié)果的準(zhǔn)確性。如果銷(xiāo)售收入與利潤(rùn)表項(xiàng)目和資產(chǎn)負(fù)債項(xiàng)目不成比例，預(yù)測(cè)結(jié)果也可能失效（丁岳維 等，2012［32］）。

3.灰色外推法可能出現(xiàn)模型檢驗(yàn)不滿(mǎn)意、不通過(guò)情況

灰色外推法主要是對(duì)包含不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)，廣泛應(yīng)用于各個(gè)領(lǐng)域，在預(yù)測(cè)收入方面的研究也有很多。業(yè)績(jī)承諾期一般為三年，期限較短，而灰色外推法是離散的累加求導(dǎo)過(guò)程，適合短期收益預(yù)測(cè)，但是可能會(huì)出現(xiàn)殘差檢驗(yàn)精度等級(jí)低、后驗(yàn)差檢驗(yàn)預(yù)測(cè)精度差等情況。

（二）外推模型的優(yōu)化

李敬（2014）［33］通過(guò)精度檢驗(yàn)發(fā)現(xiàn)，組合外推模型相對(duì)單項(xiàng)模型預(yù)測(cè)實(shí)用性更強(qiáng)，更能滿(mǎn)足盈利預(yù)測(cè)對(duì)精度方面的要求。與凈利潤(rùn)指標(biāo)相比，營(yíng)業(yè)收入對(duì)經(jīng)濟(jì)的變化不是很敏感，被操縱的可能性小。房玄驊等（2019）［34］指出，單項(xiàng)外推模型的缺陷表現(xiàn)為信息源局限，不同的外推模型融合形成的組合外推模型，有助于提高模型的擬合精度和預(yù)測(cè)能力。將成本粘性理論分析運(yùn)用于資本市場(chǎng)的盈利預(yù)測(cè)將提高預(yù)測(cè)的準(zhǔn)確性（Dan et al.，2010［35］）。一方面，將預(yù)測(cè)驅(qū)動(dòng)因素分為營(yíng)業(yè)收入和營(yíng)業(yè)成本，另一方面，將利潤(rùn)表項(xiàng)目區(qū)分為敏感項(xiàng)目（與營(yíng)業(yè)收入相關(guān)性強(qiáng)的項(xiàng)目）與非敏感項(xiàng)目（張濤，2005［36］；陳海迪等，2015［37］），改進(jìn)傳統(tǒng)預(yù)測(cè)中的收益外推法。以營(yíng)業(yè)收入為預(yù)測(cè)基礎(chǔ)的敏感項(xiàng)目主要是期間費(fèi)用以及所得稅費(fèi)用。由于營(yíng)業(yè)成本存在成本粘性，所以需要專(zhuān)門(mén)預(yù)測(cè)。

本文所謂組合外推法，即在傳統(tǒng)收益外推模型的基礎(chǔ)上，為了增強(qiáng)外推模型的客觀性、準(zhǔn)確性，加入灰色外推法，構(gòu)建組合外推模型，采用灰色外推法預(yù)測(cè)營(yíng)業(yè)收入和營(yíng)業(yè)成本等預(yù)測(cè)驅(qū)動(dòng)因素。具體包括，第一，以營(yíng)業(yè)收入和營(yíng)業(yè)成本等預(yù)測(cè)驅(qū)動(dòng)因素的預(yù)測(cè)，構(gòu)建外推模型并優(yōu)化殘差序列，再進(jìn)一步檢驗(yàn)殘差；如果檢驗(yàn)合格，則模型精度符合預(yù)測(cè)期望，因此模型可以進(jìn)行數(shù)據(jù)計(jì)算。第二，除預(yù)測(cè)驅(qū)動(dòng)因素外的其他項(xiàng)目預(yù)測(cè)，按傳統(tǒng)收益外推法確定與預(yù)測(cè)驅(qū)動(dòng)因素的關(guān)系、預(yù)測(cè)比率。第三，得出目標(biāo)公司最終盈利預(yù)測(cè)值。具體見(jiàn)表6。

表6 組合外推模型預(yù)測(cè)框架

（三）組合外推模型應(yīng)用

1.營(yíng)業(yè)收入預(yù)測(cè)

根據(jù)目標(biāo)公司2015—2016 年的營(yíng)業(yè)收入數(shù)據(jù)，以及經(jīng)由可比公司集2015 年的營(yíng)業(yè)收入增長(zhǎng)率的均值31.98%計(jì)算得出2014 年的營(yíng)業(yè)收入，得到數(shù)據(jù)系列（49 404.88，65 204.56，85 001.86），構(gòu)造累加序列、數(shù)據(jù)矩陣參數(shù)，估計(jì)參數(shù)向量，得到GM（1，1）灰色外推模型：

由灰色外推模型時(shí)間響應(yīng)函數(shù)序列算得累減生成序列、絕對(duì)誤差與相對(duì)誤差率，參考精度檢驗(yàn)等級(jí)，殘差的平均相對(duì)誤差=4.47%＜5%，說(shuō)明所建外推模型有較好的預(yù)測(cè)精度，殘差檢驗(yàn)通過(guò)；關(guān)聯(lián)度r=0.601 2，符合ρ=0.5 時(shí)的檢驗(yàn)標(biāo)準(zhǔn)：r＞0.6，所求得的外推模型合格，關(guān)聯(lián)度檢驗(yàn)通過(guò)；由于小誤差概率，標(biāo)準(zhǔn)差比C=0.343 3＜0.35，故灰色外推模型有好的預(yù)測(cè)精度（一級(jí)），通過(guò)后驗(yàn)差檢驗(yàn)。

由通過(guò)檢驗(yàn)的模型進(jìn)行預(yù)測(cè)，X（0）（4）=140 793.16，X（0）（5）=208 531.38，X（0）（6）=308 859.73，即2017 年、2018 年、2019 年的預(yù)測(cè)營(yíng)業(yè)收入分別為 140 793.16、208 531.38、308 859.73 萬(wàn)元。

2.營(yíng)業(yè)成本預(yù)測(cè)

目標(biāo)公司2015—2016 年的營(yíng)業(yè)成本數(shù)據(jù)及由可比公司集計(jì)算得出的2014 年?duì)I業(yè)成本數(shù)據(jù)①可比公司集2015 年?duì)I業(yè)成本增長(zhǎng)率的均值為71.30%。（24 493.31，41 957.04，57 898.56），通過(guò)構(gòu)造累加序列、構(gòu)建數(shù)據(jù)矩陣參數(shù)、構(gòu)建參數(shù)向量，得出GM（1，1）灰色外推模型：

該模型通過(guò)殘差檢驗(yàn)②殘差的平均相對(duì)誤差為3.477 6%。、關(guān)聯(lián)度檢驗(yàn)③關(guān)聯(lián)度為0.93。以及后驗(yàn)差檢驗(yàn)④C 值為 0.186 6。，營(yíng)業(yè)成本灰色外推模型有良好的預(yù)測(cè)精度（一級(jí)）。根據(jù)模型求得，2017 年、2018 年和2019 年的預(yù)測(cè)營(yíng)業(yè)成本分別為95 975.10 、146 518.61、223 679.94 萬(wàn)元。

3.其他項(xiàng)目預(yù)測(cè)

標(biāo)的公司的稅收種類(lèi)主要有增值稅、城市維護(hù)建設(shè)稅、教育費(fèi)附加和地方教育費(fèi)附加及地方水利建設(shè)基金等，考慮到企業(yè)稅金變動(dòng)幅度不大，按照收益法預(yù)測(cè)的2017—2019 年稅金占營(yíng)業(yè)收入的占比均值（1.05%），結(jié)合灰色關(guān)聯(lián)收入預(yù)測(cè)得到的2017—2019 年收入金額，預(yù)測(cè)未來(lái)三年稅金的金額。威思頓的期間費(fèi)用包括營(yíng)業(yè)費(fèi)用、管理費(fèi)用和財(cái)務(wù)費(fèi)用，均按照收益法預(yù)測(cè)的費(fèi)用金額占比確定，即為預(yù)測(cè)營(yíng)業(yè)收入乘以收益法預(yù)測(cè)的各項(xiàng)費(fèi)用與當(dāng)年?duì)I業(yè)收入的比例，其中，財(cái)務(wù)費(fèi)用是由存款利息收入、手續(xù)費(fèi)構(gòu)成，本次評(píng)估不做預(yù)測(cè)；此外，標(biāo)的公司其他收益主要是增值稅返還收入，本次評(píng)估參考收益法按營(yíng)業(yè)收入的2.33%預(yù)測(cè)增值稅返還收入；標(biāo)的公司已經(jīng)申報(bào)了《高新技術(shù)企業(yè)認(rèn)定申請(qǐng)書(shū)》，目前的情況符合高新技術(shù)企業(yè)的認(rèn)定條件，預(yù)期會(huì)通過(guò)高新技術(shù)企業(yè)認(rèn)證。預(yù)測(cè)期和永續(xù)經(jīng)營(yíng)期均按15%的稅率計(jì)繳所得稅。經(jīng)過(guò)分析計(jì)算已經(jīng)得出威思頓2017年、2018 年和2019 年的經(jīng)營(yíng)數(shù)值，根據(jù)相關(guān)財(cái)務(wù)計(jì)算公式得出三年的凈利潤(rùn)金額。具體預(yù)測(cè)數(shù)據(jù)見(jiàn)表7。

表7 組合外推模型預(yù)測(cè)維爾科技承諾期盈利 單位：萬(wàn)元

運(yùn)用組合外推模型預(yù)測(cè) 2017 年、2018 年、2019 年凈利潤(rùn)分別為 11 583.95、14 145.04、15 474.28萬(wàn)元。

四、結(jié)論與政策建議

業(yè)績(jī)承諾是對(duì)標(biāo)的公司未來(lái)年度預(yù)計(jì)凈利潤(rùn)實(shí)現(xiàn)情況的保證，凈利潤(rùn)反映目標(biāo)公司年度內(nèi)的經(jīng)營(yíng)成果，基于業(yè)績(jī)承諾的標(biāo)的公司盈利預(yù)測(cè)實(shí)質(zhì)上是對(duì)凈利潤(rùn)的預(yù)測(cè)。本文運(yùn)用單項(xiàng)外推模型和組合外推模型的預(yù)測(cè)結(jié)果如表8 所示，其中，2017—2019 年業(yè)績(jī)承諾完成率分別為81.47%、92.68%和95.92%，表明基于傳統(tǒng)收益外推法計(jì)算的企業(yè)凈利潤(rùn)不能準(zhǔn)確反映企業(yè)真實(shí)的經(jīng)營(yíng)成果；利用偽隨機(jī)數(shù)進(jìn)行統(tǒng)計(jì)分析的蒙特卡洛模擬外推法由于樣本量過(guò)少，預(yù)測(cè)結(jié)果和真實(shí)值誤差較大；而直接對(duì)凈利潤(rùn)建模的灰色外推法基于凈利潤(rùn)呈現(xiàn)指數(shù)增長(zhǎng)的假設(shè)，因此預(yù)測(cè)的凈利潤(rùn)遠(yuǎn)高于實(shí)際凈利潤(rùn)。結(jié)合灰色外推法和收益法構(gòu)建的組合外推法的預(yù)測(cè)值和實(shí)際值最接近，三年平均誤差率為4.17%，遠(yuǎn)低于收益外推法預(yù)測(cè)結(jié)果的誤差率9.98%。

表8 預(yù)測(cè)結(jié)果即預(yù)測(cè)誤差

近年來(lái)，收益法在企業(yè)并購(gòu)重組中的使用比例越來(lái)越高，但收益法的操縱空間靈活，為了獲取“高估值”“高溢價(jià)”，標(biāo)的公司往往先給出“高業(yè)績(jī)?cè)龇焙汀案邩I(yè)績(jī)承諾”，待業(yè)績(jī)承諾無(wú)法實(shí)現(xiàn)時(shí)，大股東利用信息優(yōu)勢(shì)通過(guò)減持或質(zhì)押的方式套取大量資金跑路，嚴(yán)重?fù)p害了中小投資者的利益。本文在傳統(tǒng)收益外推法中添加穩(wěn)健的預(yù)測(cè)構(gòu)建組合外推模型，對(duì)于營(yíng)業(yè)收入、營(yíng)業(yè)成本采用灰色外推法分析，其他項(xiàng)目采用收益法分析?；疑馔品ㄊ菑臄?shù)據(jù)本身出發(fā)的純數(shù)理外推，不帶有主觀感情色彩，適合“少信息”“短期間”預(yù)測(cè)，因此，將灰色外推法關(guān)于不確定因素的預(yù)測(cè)與收益法對(duì)于企業(yè)整體資產(chǎn)預(yù)期獲利能力的量化與現(xiàn)值化結(jié)合，有助于提高公司并購(gòu)重組中業(yè)績(jī)承諾價(jià)值制定的可靠性。基于此，監(jiān)管方應(yīng)該完善評(píng)估規(guī)則，鼓勵(lì)評(píng)估機(jī)構(gòu)結(jié)合行業(yè)特性、資產(chǎn)特性采用組合外推模型預(yù)測(cè)業(yè)績(jī)；重點(diǎn)關(guān)注業(yè)績(jī)承諾條款的設(shè)置情況，要求承諾方詳細(xì)披露實(shí)現(xiàn)業(yè)績(jī)承諾的能力、承諾業(yè)績(jī)和歷史業(yè)績(jī)的差異分析，督促公司以財(cái)務(wù)信息或非財(cái)務(wù)信息的形式持續(xù)披露業(yè)績(jī)承諾實(shí)現(xiàn)過(guò)程中的風(fēng)險(xiǎn)及履約進(jìn)度，提高信息透明度；同時(shí)，加大對(duì)業(yè)績(jī)承諾違約的懲罰力度，提高評(píng)估機(jī)構(gòu)的獨(dú)立性。

附表2 可比公司的相關(guān)指標(biāo)