陶 原,徐 輝,秦 雯

(西南大學(xué) 經(jīng)濟(jì)管理學(xué)院,重慶 400715)

0 引 言

對(duì)事件、項(xiàng)目或工程進(jìn)行評(píng)估、評(píng)判其不確定性或風(fēng)險(xiǎn)具有重大意義。這在自然科學(xué)中也是相關(guān)學(xué)者關(guān)注的熱點(diǎn)。在現(xiàn)實(shí)中常用評(píng)判方式分為定性和定量兩大類,分別涉及不同的模型。定量模型的研究相對(duì)而言難度大,但一個(gè)有效的不確定性定量評(píng)估模型對(duì)于事件、工程、項(xiàng)目的評(píng)價(jià)能夠發(fā)揮重大作用。本文以相對(duì)復(fù)雜的風(fēng)險(xiǎn)投資問題為背景,對(duì)不確定性定量模型進(jìn)行分析研究,提出相應(yīng)評(píng)估模型之后再利用IT行業(yè)應(yīng)用的客觀數(shù)據(jù)對(duì)模型進(jìn)行分析和驗(yàn)證,并給出結(jié)論。

在經(jīng)濟(jì)發(fā)達(dá)國家,風(fēng)險(xiǎn)投資作為一種重要融資方式,被稱為企業(yè)發(fā)展的“推進(jìn)器”[1-2],涉及眾多的不確定因素及集成效應(yīng)中獲取確定性這一學(xué)術(shù)問題。美國研究開發(fā)公司(ARD)是風(fēng)險(xiǎn)投資行業(yè)的鼻祖,ARD公司的創(chuàng)始人Doriot將軍被譽(yù)為“風(fēng)險(xiǎn)投資之父”[3]。Doriot將軍在1947年創(chuàng)立了第一家風(fēng)險(xiǎn)投資公司,并且為風(fēng)險(xiǎn)投資的運(yùn)作制定了一系列的原則,也可以說是建立了風(fēng)險(xiǎn)投資的可投性模型,為后來的風(fēng)險(xiǎn)投資奠定了分線不確定性評(píng)判基礎(chǔ)。國際上,特別是以美國為代表的發(fā)達(dá)國家,風(fēng)投理念和技術(shù)領(lǐng)先于全球,它們起步早,經(jīng)驗(yàn)積累較為豐富,風(fēng)險(xiǎn)投資的有效率高。早在20世紀(jì)40年代,美國基于先進(jìn)的風(fēng)投技術(shù)和理念,將風(fēng)險(xiǎn)投資與高新技術(shù)產(chǎn)業(yè)有機(jī)結(jié)合創(chuàng)造了“硅谷神話”的佳績[4]。包括美國蘋果公司在內(nèi)的眾多高新技術(shù)企業(yè),在初創(chuàng)階段都得益于風(fēng)險(xiǎn)資本的支持[2]。因此,從風(fēng)險(xiǎn)投資具有的多參數(shù)不確定性特點(diǎn)出發(fā),對(duì)其不確定評(píng)估技術(shù)進(jìn)行研究,這具有多個(gè)產(chǎn)業(yè)或行業(yè)的發(fā)展促進(jìn)作用,對(duì)于技術(shù)決策有效性也有較大的現(xiàn)實(shí)價(jià)值。

對(duì)于投資項(xiàng)目或企業(yè)的不確定性評(píng)估而言,發(fā)達(dá)國家和地區(qū)采用的指標(biāo)體系參數(shù)多而細(xì)化,并且其中量化參數(shù)占比較高,有完整分析計(jì)算模型[5]。由于國內(nèi)外企業(yè)文化的巨大差異,國內(nèi)不確定評(píng)估方式和模型乃至參數(shù)數(shù)量和取值方式都不能照搬國外。同時(shí),國內(nèi)外考核指標(biāo)參數(shù)具有相當(dāng)大的差異性,如何針對(duì)國內(nèi)需求建立指標(biāo)體系也是亟待解決的關(guān)鍵問題之一。

1 風(fēng)險(xiǎn)投資與評(píng)估方法分析

風(fēng)險(xiǎn)投資主要特點(diǎn)之一就是高風(fēng)險(xiǎn),對(duì)投資對(duì)象的不確定判定或定量判定,在降低風(fēng)險(xiǎn)、提高投資有效性方面具有重大意義。盡管對(duì)于投資人來說,投資成功將獲得幾倍、幾十倍甚至上百倍的回報(bào),然而,這必須建立在投資不確定可控的基礎(chǔ)上。對(duì)于不確定評(píng)估模型的需求是客觀存在的,模型的有效性更是備受關(guān)注。從涉及的不確定性因素上講,風(fēng)險(xiǎn)投資主體在投入資金之前,會(huì)非常關(guān)注技術(shù)、人力、資本等多個(gè)因素及其產(chǎn)生的集成效應(yīng),盡力控制和平衡風(fēng)險(xiǎn)與收益[5]。

面對(duì)的投資對(duì)象不同時(shí),采用的評(píng)估方式也截然不同,傳統(tǒng)的評(píng)估方式[6]主要有以下4種。

1)比較法。尋找與待投資項(xiàng)目(公司)相似或者相近并且接受了風(fēng)險(xiǎn)投資的項(xiàng)目(公司),通過比較兩個(gè)項(xiàng)目(公司)進(jìn)而對(duì)風(fēng)險(xiǎn)投資進(jìn)行評(píng)估。

2)比率法[7]。通常針對(duì)創(chuàng)建期及成長期的企業(yè)。比率法先選擇一個(gè)公司(如競爭對(duì)手或者同一產(chǎn)業(yè)鏈的公司)作為比較的基準(zhǔn),根據(jù)公開獲得的財(cái)務(wù)數(shù)據(jù)作為基準(zhǔn)公司的財(cái)務(wù)比率,然后根據(jù)這些比率評(píng)估風(fēng)險(xiǎn)投資的價(jià)值。

3)凈現(xiàn)值法。適合各個(gè)階段的企業(yè),最常用的是以凈現(xiàn)值(NPV)度量的折現(xiàn)現(xiàn)金流 (DCF)方法。

4)決策樹法。適合各個(gè)階段的企業(yè),當(dāng)風(fēng)險(xiǎn)投資項(xiàng)目涉及到的不確定性可以用幾種情景代表的選擇時(shí),決策樹(DAT)是一種非常有用的計(jì)算投資項(xiàng)目價(jià)值的方法。

比較法和比率法適用于種子期或者啟動(dòng)期,是低成本、節(jié)約時(shí)間的方法,相對(duì)來說,也是效率比較低的方法。比較法的缺陷也是導(dǎo)致種子期風(fēng)險(xiǎn)投資失敗率最高的一個(gè)原因。比率法要求可獲得的信息更多,評(píng)估的困難在于必須要找到風(fēng)險(xiǎn)特性、收益增長前景等條件與被評(píng)估公司相同的基準(zhǔn)公司。在現(xiàn)行的方法中,基于折現(xiàn)現(xiàn)金流(DCF)的凈現(xiàn)值(NPV)是最重要的方法之一。決策樹方法為不確定情況下的投資問題提供了一個(gè)簡單的解決方案。該方法適用性大大增強(qiáng),但不能作為一個(gè)單獨(dú)的方法運(yùn)用。

上述的各種方法,在降低投資不確定性方面具有一定的實(shí)用性和現(xiàn)實(shí)價(jià)值,但在評(píng)估參數(shù)的系統(tǒng)性方面存在一定的不足,更沒有系統(tǒng)建立相應(yīng)的參數(shù)分層線性體系,存在較大的評(píng)估偏差或全面性欠缺問題。

2 不確定性定量化模型建立及分析

在分析傳統(tǒng)的評(píng)估方式的基礎(chǔ)上,本文運(yùn)用更為數(shù)據(jù)化的建模方法來消除人為判斷所造成的誤差,建立可投性定量分析法來解決風(fēng)險(xiǎn)投資評(píng)估問題。

2.1 不確定性定量評(píng)估參數(shù)分析及模型建立

對(duì)企業(yè)進(jìn)行資本投入可能存在巨大風(fēng)險(xiǎn),投前的不確定評(píng)估作用重大。企業(yè)發(fā)展所處的行業(yè)、地理位置、發(fā)展階段、核心實(shí)力、團(tuán)隊(duì)結(jié)構(gòu)等風(fēng)險(xiǎn)因素的組成結(jié)構(gòu)不同,每一種因素對(duì)于風(fēng)險(xiǎn)的影響也不同。有時(shí),一個(gè)不起眼因素[8],會(huì)放大為致命風(fēng)險(xiǎn)。比如,一個(gè)企業(yè)創(chuàng)始者的婚姻破裂,也會(huì)導(dǎo)致投資的失敗。影響不確定評(píng)估結(jié)果的參數(shù)眾多且難以全部量化,全面而無遺漏地給出不確定評(píng)估參數(shù)集是不可能的,但是可以獲取主流參數(shù)集,并進(jìn)一步進(jìn)行調(diào)整,比如深入調(diào)研、人工智能機(jī)器學(xué)習(xí)等。在這個(gè)過程中,建立參數(shù)集及模型至關(guān)重要。傳統(tǒng)的回歸方法將所有因素放在同一層級(jí)進(jìn)行考慮,忽略了不同層級(jí)變量的不同影響效果。本文將研究中的諸多變量劃分成兩個(gè)層次,構(gòu)建一級(jí)參數(shù)和二級(jí)參數(shù)來刻畫各風(fēng)險(xiǎn)因素對(duì)企業(yè)投資評(píng)估值的影響。

企業(yè)發(fā)展風(fēng)險(xiǎn)大小是決定資本是否投入的關(guān)鍵核心。為了有效分析相應(yīng)的不確定性,并進(jìn)一步得到可投性的依據(jù),定義如下。

定義1可投度是評(píng)價(jià)企業(yè)風(fēng)險(xiǎn)的量化值。它是多個(gè)風(fēng)險(xiǎn)參數(shù)及相應(yīng)影響因子的加權(quán)之和,表示為

(1)

(1)式中:βi為參與評(píng)估的參數(shù),可以通過主客觀結(jié)合方式獲取,取值范圍為[0,100];αi為參數(shù)的加權(quán)因子,取值范圍為[0,1];n為參與評(píng)估的參數(shù)個(gè)數(shù),n的取值因行業(yè)甚至企業(yè)的不同而不同;x是最終計(jì)算結(jié)果宏觀修正因子,取值為[0,1]。

x作為調(diào)節(jié)因子可以根據(jù)行業(yè)、企業(yè)的參照對(duì)象進(jìn)行決定,可以是客觀確定,也可以根據(jù)已存的樣本,經(jīng)過前幾期計(jì)算而確定。

根據(jù)現(xiàn)有的數(shù)據(jù)計(jì)算及證明方式[9],(1)式的計(jì)算結(jié)果具有良好的收斂性,它收斂于[0,100]。

為了更準(zhǔn)確地獲取可投度f(x)值,需要通過相應(yīng)流程匹配βi,為參與評(píng)估的參數(shù)進(jìn)行對(duì)應(yīng)的第二級(jí)加權(quán)平均計(jì)算,計(jì)算式為

(2)

(2)式中,γi為二級(jí)參數(shù);δi為加權(quán)值,是f(x)的二級(jí)參數(shù)個(gè)數(shù);N為參與評(píng)估項(xiàng)的參數(shù)個(gè)數(shù)?？赏抖扔?jì)算式衍化為

(3)

2.2 算法流程及參數(shù)結(jié)構(gòu)

可投性評(píng)估模型的具體實(shí)施流程如圖1所示。首先,確定企業(yè)所在行業(yè);其次,確定評(píng)估量化的一級(jí)參數(shù)和相應(yīng)權(quán)重,例如根據(jù)大量被投企業(yè)的分析調(diào)查報(bào)告及行業(yè)研究報(bào)告等公開數(shù)據(jù)統(tǒng)計(jì)得出行業(yè)投資的側(cè)重點(diǎn),從而確定參數(shù)及權(quán)重;然后,確定二級(jí)參數(shù)和權(quán)重;最后,得到可投度f(x)值。在確定一級(jí)/二級(jí)參數(shù)權(quán)重時(shí),若存在投資同類企業(yè)參數(shù)集,可參考優(yōu)化投資量化評(píng)估參數(shù)進(jìn)行多次回溯優(yōu)化,直到相鄰兩次優(yōu)化結(jié)果差值足夠小,則參數(shù)權(quán)重優(yōu)化收斂。

圖1 評(píng)估算法流程Fig.1 Flow chart of evaluation algorithm

評(píng)估指標(biāo)參數(shù)關(guān)系如圖2所示。圖2中,βi為一級(jí)指標(biāo);αi為一級(jí)指標(biāo)加權(quán)因子;γi為二級(jí)指標(biāo);δi為二級(jí)指標(biāo)加權(quán)因子;Nn表示第n次修正?？赏抖萬(x)是經(jīng)過宏觀調(diào)節(jié)因子x調(diào)節(jié)之后的結(jié)果,由所有指標(biāo)與加權(quán)因子共同決定,前述模型只是一個(gè)理論模型,還需要結(jié)合具體行業(yè)甚至企業(yè)實(shí)際情況確定相關(guān)參數(shù),才能得出相關(guān)企業(yè)可投性指標(biāo)計(jì)算值,并進(jìn)行準(zhǔn)確化修正。

圖2 評(píng)估指標(biāo)參數(shù)關(guān)系Fig.2 Relationship of evaluation index parameters

3 IT行業(yè)應(yīng)用及分析

2021年,信息技術(shù)、媒體及電信業(yè)以募資總計(jì)位居榜首,以上市宗數(shù)計(jì)則排名第二。2020年及2021年最大的IPO均來自信息技術(shù)行業(yè)。IT行業(yè)是新興產(chǎn)業(yè)和高科技聚集的領(lǐng)域,對(duì)相關(guān)企業(yè)的投資評(píng)估一直是一項(xiàng)具有挑戰(zhàn)性的任務(wù)[10]。現(xiàn)有文獻(xiàn)主要是主觀經(jīng)驗(yàn)分析,很少進(jìn)行定量分析[11-12]。本節(jié)將以IT行業(yè)應(yīng)用為例,利用所提出的模型進(jìn)行可投性量化分析。

用數(shù)據(jù)分析的方法去把控投資的風(fēng)險(xiǎn),可以得到發(fā)展?jié)摿Ζ?(60%)、發(fā)展水平α2(30%)和政府扶持力度α3(10%)等3個(gè)一級(jí)指標(biāo)加權(quán)因子,如圖3所示。由一級(jí)加權(quán)因子αi,可對(duì)評(píng)估參數(shù)βi進(jìn)行更為詳細(xì)的解讀。

3.1 IT行業(yè)分析

由數(shù)據(jù)分析以及行業(yè)側(cè)重度,可得到二級(jí)加權(quán)參數(shù)的權(quán)重比;對(duì)一級(jí)指標(biāo)進(jìn)一步細(xì)分,可得到更為精準(zhǔn)的二級(jí)指標(biāo)。以核心環(huán)節(jié)分類,IT產(chǎn)業(yè)鏈大致分為IT設(shè)備企業(yè)和IT 服務(wù)企業(yè),若面對(duì)的是IT設(shè)備企業(yè),可將發(fā)展能力細(xì)分為3個(gè)二級(jí)指標(biāo)來進(jìn)行判斷:①科研人員數(shù)量及占比γ1(二級(jí)權(quán)重比為30%);②R&D的投入γ2(二級(jí)權(quán)重比為40%);③與高校合作實(shí)驗(yàn)室、科研所數(shù)量γ3(二級(jí)權(quán)重比為30%)。二級(jí)指標(biāo)如表1所示。

圖3 IT企業(yè)評(píng)估指標(biāo)案例Fig.3 Case of IT enterprise evaluation indicators

表1 發(fā)展?jié)摿υu(píng)估表

對(duì)于以上參數(shù)評(píng)估估值標(biāo)準(zhǔn)區(qū)間的確定,以科研人員數(shù)量及占比這一二級(jí)指標(biāo)為例進(jìn)行分析。以IT設(shè)備前50的企業(yè)為技術(shù)模板,結(jié)合google scholar的數(shù)據(jù),計(jì)算出發(fā)展快速的技術(shù)公司科研人員占公司總?cè)藛T的比重,同時(shí)剔除離散值。例如騰訊科研人員的占比在2019年已達(dá)到66%,而該行業(yè)的高位占比則在40%-45%之間。因此,將γ1的高區(qū)間定為[40,100]。

3.2 IT設(shè)備企業(yè)二級(jí)指標(biāo)

1)企業(yè)所處地理位置(二級(jí)權(quán)重比為10%)。評(píng)估IT設(shè)備型企業(yè)所處區(qū)域運(yùn)輸交通情況如表2所示。

表2 地理位置評(píng)估表Tab.2 Geographical location assessment

2)企業(yè)成立年限(二級(jí)權(quán)重比為10%)。據(jù)科技部數(shù)據(jù),截至2022年12月31日,全國的高新技術(shù)企業(yè)為25萬家;最近6年,被投融資市場關(guān)注但最后關(guān)門的科技型創(chuàng)業(yè)公司達(dá)到5 867家。企業(yè)成立年限評(píng)估結(jié)果如表3所示。企業(yè)成立后3年至7年為退出市場高發(fā)期,即企業(yè)生存的“瓶頸期”。2000年以來新設(shè)立企業(yè)退出市場的概率呈倒“U”型分布,即前后低、中間高的態(tài)勢。近5年退出市場的企業(yè)平均壽命為6.09年,壽命在5年以內(nèi)的接近6成。多數(shù)地區(qū)科技型企業(yè)生存危險(xiǎn)期為第3年。

表3 成立年限評(píng)估表Tab.3 Assessment of establishment years

3)企業(yè)人員數(shù)量、組成結(jié)構(gòu)(二級(jí)權(quán)重比為30%)。投資面臨的基本都是初創(chuàng)型的IT企業(yè),需具體分析企業(yè)成員專業(yè)特長、團(tuán)隊(duì)的組建是否合理、相關(guān)人員是否滿足相關(guān)的需求等要素。

4)知識(shí)產(chǎn)權(quán)類別、數(shù)量與時(shí)間分布(二級(jí)權(quán)重比為20%)。和傳統(tǒng)行業(yè)不同,IT領(lǐng)域的技術(shù)更新快,迭代周期短,因此,企業(yè)專利申請應(yīng)該盡早進(jìn)行。需特別注意的是,軟件產(chǎn)品由于其產(chǎn)品無形化,不符合實(shí)用新型保護(hù)客體要求,因而只能申請發(fā)明專利保護(hù),申請的時(shí)間最好在企業(yè)發(fā)展階段的初期,而不是等出現(xiàn)專利糾紛的時(shí)候再去彌補(bǔ)。

5)現(xiàn)金流情況(二級(jí)權(quán)重比為10%)。通常而言,公司有18個(gè)月的現(xiàn)金是安全的,僅有12個(gè)月的現(xiàn)金為相對(duì)安全,僅有6個(gè)月現(xiàn)金則達(dá)到危險(xiǎn)邊緣,若僅有3個(gè)月現(xiàn)金,需要立即開展節(jié)流行動(dòng)。

6)合同及行業(yè)或委托方分布(二級(jí)權(quán)重比為10%)。在IT設(shè)備行業(yè)中(除開IT軍工設(shè)備類企業(yè)),收入來源單一化會(huì)影響公司未來的發(fā)展,上游公司訂單出現(xiàn)問題,會(huì)嚴(yán)重影響公司持續(xù)發(fā)展。我國政府在IT行業(yè)的招投標(biāo)的平均金額是大于其他行業(yè)的,并且后續(xù)往往伴隨著維護(hù)、升級(jí)等延續(xù)性業(yè)務(wù),因此,從政府訂單與私有訂單分布的合理性也可以看出公司的發(fā)展規(guī)劃。

7)創(chuàng)始人、企業(yè)股東自有資產(chǎn),法人背景(二級(jí)權(quán)重比為10%)。創(chuàng)始人的背景及標(biāo)簽有助于增強(qiáng)客戶對(duì)企業(yè)的記憶,創(chuàng)始人就是最好的口碑營銷。對(duì)于企業(yè)而言,創(chuàng)始人正面的個(gè)人標(biāo)簽,某種意義上代表了企業(yè)的價(jià)值觀、用戶觀,更是代表服務(wù)人群的切割。企業(yè)股東如果本身的資產(chǎn)情況較好,在很大程度上可以幫助公司維系現(xiàn)金流。

有數(shù)據(jù)作為支撐時(shí),可以參照表1建表評(píng)估;需以主觀判斷作為依據(jù)時(shí),則可以參照表2評(píng)估。

3.3 政府扶持力度

本文從以下3個(gè)方面去判斷扶持力度的強(qiáng)弱。

1)智能制造產(chǎn)業(yè)發(fā)展、技術(shù)創(chuàng)新、人才扶持政策(國家及當(dāng)?shù)?γ1(二級(jí)權(quán)重比為30%);

2) 新興技術(shù)扶持政策(人工智能、5G等)γ2(二級(jí)權(quán)重比為30%);

3)政府相關(guān)協(xié)會(huì)/平臺(tái)/聯(lián)盟等數(shù)量及規(guī)模、相關(guān)政府引導(dǎo)基金、專項(xiàng)基金數(shù)量及規(guī)模(國家及當(dāng)?shù)?γ3(二級(jí)權(quán)重比為40%)。

3.4 可投度計(jì)算

得到所有的加權(quán)因子后,需要用最終計(jì)算結(jié)果宏觀修正因子β來修正可投度,IT企業(yè)的宏觀修正對(duì)應(yīng)表如表4所示。

表4 宏觀修正對(duì)應(yīng)表Tab.4 Macro correction correspondence table

可投度有助于分析被投企業(yè)的情況,進(jìn)而有效降低風(fēng)險(xiǎn)。根據(jù)(3)式得到可投度f(x),由此進(jìn)行判斷。表5所示為IT行業(yè)可投度表。不同行業(yè)的可投度評(píng)估表會(huì)有所不同。

表5 IT行業(yè)可投度評(píng)估表Tab.5 IT industry investment evaluation table

4 實(shí)際案例分析

江蘇省某IT企業(yè)的工業(yè)互聯(lián)網(wǎng)平臺(tái)在2019年12月份獲A輪3億元融資,由G資本領(lǐng)投。本節(jié)以此為案例,針對(duì)企業(yè)實(shí)際面臨的投資風(fēng)險(xiǎn),采用本文提出的可投性定量化模型和算法進(jìn)行可投性分析。根據(jù)前文所述方法計(jì)算相關(guān)數(shù)據(jù),結(jié)果如表6所示。

由(1)式可得,項(xiàng)目的可投度為87.9。由于跟投機(jī)構(gòu)數(shù)量超過5家,故宏觀修正因子值取0.92,經(jīng)過修正以后的可投度值為80.09。由表5可知,評(píng)估結(jié)論為應(yīng)進(jìn)行風(fēng)控調(diào)查,根據(jù)實(shí)際情況考慮。

從權(quán)重排序來看,權(quán)值最大的一級(jí)指標(biāo)參數(shù)值為89.5,對(duì)可投度的影響較大。且該項(xiàng)目政府扶持力度較大,也符合IT技術(shù)發(fā)展方向。利用本文所提模型量化計(jì)算得到的結(jié)果和實(shí)際過程基本相符,這表明該模型具有一定的實(shí)用價(jià)值。

表6 某IT企業(yè)項(xiàng)目指標(biāo)與權(quán)重?cái)?shù)據(jù)Tab.6 Project indicators and weight dataof an IT enterprise

5 結(jié)束語

量化評(píng)估對(duì)控制投資風(fēng)險(xiǎn)和保證投資有效性具有非常關(guān)鍵的作用。本文結(jié)合國內(nèi)企業(yè)化特色和企業(yè)運(yùn)作管理方式,以IT行業(yè)作為背景,以相關(guān)的行業(yè)參數(shù)指標(biāo)來量化投資風(fēng)險(xiǎn),提出了一個(gè)指標(biāo)體系及計(jì)算模型,同時(shí)提出了微觀修正和宏觀判定修正的方法,提升了可投度的符合性。本文涉及的參數(shù)和指標(biāo)因行業(yè)、企業(yè)不同而不同,針對(duì)不同研究和分析需要建立更多的實(shí)用模型。對(duì)不同的模型和參數(shù)體系,也可以借助目前人工智能的深度學(xué)習(xí)算法來提高可投度的準(zhǔn)確性,這需要更多的樣本數(shù)據(jù),也是本文未來將進(jìn)一步研究的課題。