摘 要：智慧交通行業(yè)具有綜合性、系統(tǒng)性、數(shù)據(jù)驅(qū)動、服務(wù)智能化、安全性和環(huán)保性等特點，對相關(guān)企業(yè)進行價值評估可以為投資決策提供參考、為資產(chǎn)配置提供依據(jù)、為相關(guān)企業(yè)的并購重組提供指導、明確業(yè)務(wù)發(fā)展的方向等。在進行企業(yè)價值評估時，重要的是考慮當前實際情況，相應(yīng)地調(diào)整使用的參數(shù)，選擇恰當?shù)脑u估方法，確保評估數(shù)據(jù)反映最新的市場動態(tài)和企業(yè)經(jīng)營狀況。文章以qf科技為例，使用灰色預(yù)測模型GM（1，1）對qf科技企業(yè)的未來自由現(xiàn)金流加以預(yù)測，通過DCF模型和經(jīng)過蒙特卡洛模擬（Monte Carlo Simulation）改進后的DCF模型對qf科技企業(yè)價值進行評估，最終結(jié)果顯示：通過蒙特卡洛模擬（Monte Carlo Simulation）改進后的模型評估企業(yè)價值更加合理。

關(guān)鍵詞：DCF模型；B-S模型；智慧交通；企業(yè)價值；蒙特卡洛模擬

中圖分類號：F275 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2025.02.019

Abstract： The intelligent transportation industry is characterized by its comprehensiveness， systematic nature， data-driven approach， service intelligence， safety， and environmental friendliness. Conducting a valuation of related companies can provide references for investment decisions， serve as a basis for asset allocation， guide mergers and acquisitions， and clarify the direction of business development. It is crucial to consider the current reality when valuing a company， to adjust the parameters used accordingly， and to select the appropriate valuation method to ensure that the assessment data reflect the latest market trends and business performance. This paper takes qf Technology as an example， using the GM（1，1） model to forecast the company's future free cash flow. The enterprise value of qf Technology is assessed by using both the DCF model and an improved DCF model through Monte Carlo Simulation. The final results indicate that the enterprise value assessed by using the model improved by Monte Carlo Simulation is more reasonable.

Key words： DCF model; B-S model; intelligent transportation; enterprise value; Monte Carlo Simulation

0 " "引 " "言

智慧交通行業(yè)是當今社會發(fā)展的重要領(lǐng)域之一，隨著科技的不斷進步和人們對出行方式的需求變化，智慧交通行業(yè)正逐漸崛起，該行業(yè)涵蓋了智能交通管理、智能駕駛、智能網(wǎng)聯(lián)等多個方面。然而智慧交通行業(yè)作為一個新興和發(fā)展勢頭迅猛的領(lǐng)域，其發(fā)展過程中存在許多不確定因素，如政策法規(guī)的變化、技術(shù)更新?lián)Q代的速度、市場需求的波動等，這些因素都會影響我們對企業(yè)價值評估結(jié)果的確定。同時該行業(yè)涉及到大量的技術(shù)創(chuàng)新、資本投入和市場競爭，在市場競爭日益激烈的背景下，如何有效評估智慧交通企業(yè)的價值成為了企業(yè)和研究者有待解決的問題。

Mielcarz等（2014）將DCF模型和EVA模型進行對比，發(fā)現(xiàn)DCF模型在預(yù)測企業(yè)價值折現(xiàn)率時存在不同程度的風險[1]。Farooq等（2014）認為使用DCF模型或經(jīng)濟利潤模型時，目標債務(wù)與權(quán)益的比率是一個不變的WACC，但實際債務(wù)會隨著公司價值的增長而增長[2]。Zhang等（2019）認為貼現(xiàn)率應(yīng)該調(diào)整到估值模型，作為現(xiàn)金流量折現(xiàn)法中的重要指標之一，對其測算應(yīng)更加仔細和可觀[3]。遲明坤（2020）說明了在企業(yè)價值評估中使用自由現(xiàn)金流會出現(xiàn)三點問題：預(yù)測偏差、潛在價值未能及時發(fā)現(xiàn)、內(nèi)外環(huán)境影響程度大[4]。針對上述一些DCF模型原有的問題上，本文引入了蒙特卡洛模擬和B-S定價期權(quán)模型對DCF模型的評估結(jié)果進行改進。常振輝等（2018）在進行企業(yè)價值評估時，認為蒙特卡洛模擬能充分考慮到不確定這一方面，將概率角度作為出發(fā)點，將單一參數(shù)變?yōu)榱讼鄳?yīng)的參數(shù)變化范圍，確保評估值能在區(qū)間范圍內(nèi)通過動態(tài)的形式表現(xiàn)[5]。劉旭祺（2020）基于醫(yī)藥企業(yè)估值的高風險特點，構(gòu)建了蒙特卡洛模擬改進的自由現(xiàn)金流模型，提高了估值結(jié)果的合理性和準確性[6]。包燕萍等（2023）在對于不確定性較強的企業(yè)或項目的估值中B-S模型具有較大的優(yōu)勢，能夠考慮到不確定性帶來的潛在價值，可以彌補傳統(tǒng)評估方法的不足[7]。

1 " " 基于DCF和B-S模型的qf科技企業(yè)價值評估模型的概述

1.1 " "DCF模型簡介

韓亞瓊（2023）DCF模型，即現(xiàn)金流量折現(xiàn)模型，是一種預(yù)測企業(yè)未來現(xiàn)金流量和后續(xù)終值的方法。這個模型通過使用適當?shù)馁N現(xiàn)率，將未來的現(xiàn)金流量和后續(xù)的終值折現(xiàn)到評估基準日。最后，將未來現(xiàn)金流量的折現(xiàn)值之和與后續(xù)最終值的現(xiàn)值相加，從而得到企業(yè)的價值[8]。DCF法中的兩階段增長模型使用范圍較廣，適用于大多數(shù)的上市企業(yè)的價值評估。除此之外，在計算過程中所使用的數(shù)據(jù)來源于企業(yè)財務(wù)報表，不需要進行人為調(diào)整，數(shù)據(jù)具有可靠性。如公式（1）所示。

（1）

是企業(yè)現(xiàn)有資產(chǎn)價值，代表預(yù)測期第n年的自由現(xiàn)金流，即折現(xiàn)率，代表企業(yè)永續(xù)期的永續(xù)增長率。

（2）

（3）

為稅率，為權(quán)益成本，為債務(wù)成本，是權(quán)益資本成本，為債務(wù)資本成本，為資本市場的平均投資收益率，為無風險利率，系數(shù)表示某股票對整個股票市場的價格波動情況。

1.2 " "B-S期權(quán)定價模型簡介

在實物期權(quán)理論下，價值由內(nèi)在價值和實物期權(quán)價值構(gòu)成，其公式為：。 " " " " " " " " " "（4）

其中，表示企業(yè)的整體價值，表示企業(yè)已有資產(chǎn)價值，表示企業(yè)潛在價值[9]。

B-S期權(quán)模型適用于歐式看漲期權(quán)，具體模型構(gòu)建為： 。 " （5）

。 " " " " " " " " " （6）

其中：為標的資產(chǎn)價值，為實物期權(quán)的執(zhí)行價格，為無風險利率，為標的資產(chǎn)波動率，為實物期權(quán)的執(zhí)行時間。

1.3 " "GM灰色預(yù)測模型

首先是要進行級比檢驗。在建立灰色預(yù)測GM（1，1）模型之前，首先需要對樣本數(shù)據(jù)進行檢驗和預(yù)處理。具體為計算樣本數(shù)據(jù)列的級比：。 " " " （7）

黃瑩等（2021）認為如果所有的級比都落在可容覆蓋區(qū)間內(nèi)，則原始數(shù)據(jù)列可以建立GM（1，1）模型并且可以進行預(yù)測[10]。

其次是對GM（1，1）模型的構(gòu)建。當符合級比檢驗之后，將該數(shù)據(jù)序列作為原始數(shù)據(jù)序列，為降低數(shù)據(jù)隨機序列的波動性和隨機性，需要對原始數(shù)據(jù)進行累加，得到新的數(shù)列為：。 （8）

其中，生成的相鄰均值等權(quán)數(shù)列，。 （9）

其中， 。 " " " " " （10）

皺博等（2022）認為根據(jù)灰色理論對建立關(guān)于的白化形式的一階一元微分方程GM（1，1）：，只需要求出、，就可以求出，最終得出的預(yù)測值[11]。

最后計算預(yù)測值。對累加后的數(shù)據(jù)取均值，得到與常數(shù)項向量。

。 " " "（11）

使用最小二乘法求解灰參數(shù)則將灰參數(shù)代入并對其進行求解，得：

， " " " " " " " " "（12） " " nbsp; " " " 。 " " " " " （13）

將上述結(jié)果進行累減還原，即可得到預(yù)測值： "。 " " " "（14）

2 " "qf科技公司概況

2.1 " "案例選擇說明

qf科技以其17%的市場占有率在行業(yè)內(nèi)占據(jù)了領(lǐng)先地位，這一比例反映了其在智慧交通領(lǐng)域的強勁競爭力和廣泛的市場影響力。qf科技著力構(gòu)建涵蓋從人工智能關(guān)鍵算法到智能傳感器、智能制造至智慧中樞的全產(chǎn)業(yè)鏈戰(zhàn)略生態(tài)，這在同行業(yè)中顯示出其深厚的綜合實力，使其成為行業(yè)發(fā)展趨勢的一個指示器，通過對其價值的評估，同行業(yè)企業(yè)可以了解市場的整體發(fā)展方向和潛在的增長機會。

qf科技的業(yè)務(wù)涵蓋了智慧交通和智能安防兩大板塊，其中智慧交通業(yè)務(wù)進一步細分為高速公路機電、交通信息化、城市智能交通業(yè)務(wù)等多個子領(lǐng)域。這種多元化的業(yè)務(wù)結(jié)構(gòu)展現(xiàn)了qf科技在智慧交通領(lǐng)域的全面發(fā)展和深厚的技術(shù)積累。qf科技的數(shù)據(jù)資源和技術(shù)實力為它在智慧交通領(lǐng)域提供了競爭優(yōu)勢，同類企業(yè)可以通過比較，評估自身的競爭地位，并制定相應(yīng)的策略來提升自身競爭力。

此外，qf科技是新基建推動者，是交通新基礎(chǔ)設(shè)施建設(shè)的積極推動者和實踐者，致力于車路協(xié)同技術(shù)的開發(fā)，并在AIoT（人工智能物聯(lián)網(wǎng)）領(lǐng)域具備領(lǐng)先的全棧式能力。為同行業(yè)的企業(yè)提供了學習和模仿的對象，激勵它們加大研發(fā)投入，推動整個行業(yè)的技術(shù)進步和服務(wù)水平提升。

綜上，qf科技作為企業(yè)價值評估對象，不僅可以驗證評估該類企業(yè)價值模型的有效性，也能為同行業(yè)企業(yè)發(fā)展以及投資者決策等相關(guān)方提供有價值的參考信息。

2.2 " "對qf科技進行企業(yè)價值評估的難點

對智慧交通企業(yè)價值進行評估是一個復(fù)雜而多維度的問題，將會涉及到以下幾個方面。

首先，智慧交通領(lǐng)域技術(shù)涉及到諸如人工智能、大數(shù)據(jù)分析、物聯(lián)網(wǎng)等前沿技術(shù)，這些技術(shù)的發(fā)展和應(yīng)用存在一定的不確定性和風險，可能會影響企業(yè)的產(chǎn)品和服務(wù)的穩(wěn)定性和可靠性。其次，智慧交通市場競爭激烈，涉及到各種規(guī)模的企業(yè)，包括大型跨國公司和初創(chuàng)企業(yè)。評估企業(yè)的價值需要考慮其在競爭激烈的市場中的地位、產(chǎn)品差異化程度、市場份額以及未來的增長潛力。再次，智慧交通領(lǐng)域受到政府監(jiān)管和政策的影響較大，涉及到數(shù)據(jù)隱私保護、安全標準、交通管理法規(guī)等方面的政策。企業(yè)需要考慮政策變化對其業(yè)務(wù)模式和盈利能力的影響。最后，也是消費者比較關(guān)注的安全和隱私問題，智慧交通涉及到大量的數(shù)據(jù)收集和處理，涉及到用戶的個人隱私和安全問題，企業(yè)需要建立有效的數(shù)據(jù)安全和隱私保護機制，以應(yīng)對可能的數(shù)據(jù)泄露和安全風險。

3 " "引入GM（1，1）模型改進DCF模型應(yīng)用

3.1 " "qf科技公司歷史現(xiàn)金流計算

本文通過GM（1，1）模型對qf科技公司的自由現(xiàn)金流進行預(yù)測，進而計算其企業(yè)價值，因此本文從公司年報中選取了2009—2022年的財務(wù)數(shù)據(jù)，具體計算公式如下。

（15）

其中，為經(jīng)營活動獲得的現(xiàn)金流；為折舊與攤銷；為營運資本；為資本支出。

相關(guān)計算結(jié)果如表1所示。

從表1可以看出qf科技的歷史現(xiàn)金流存在負數(shù)且有一定的波動范圍，因此對數(shù)據(jù)進行平移處理，為了保證GM（1，1）模型的適用性，先對模型進行級比檢驗，選取合適的數(shù)據(jù)進行現(xiàn)金流預(yù)測，并將其預(yù)測值與已知歷史現(xiàn)金流進行比較。處理后數(shù)據(jù)如表2所示。

通過上述級比檢驗公式（2）可得：如表2將處理后的數(shù)據(jù)進行，得出序列比值并與n在不同取值時的數(shù)值進行比較，選取落在區(qū)間范圍內(nèi)的自由現(xiàn)金流量，為了驗證模型的適用性，在此先選取2010—2014年5年的自由現(xiàn)金流代入GM（1，1）預(yù)測模型中進行驗證，結(jié)果及驗證結(jié)果如表3所示。

從表3可以看出預(yù)測的5年自由現(xiàn)金流中，除2015年的擬合值有較大誤差外，其余年份的擬合值集中在1.0附近，表明GM（1，1）模型在預(yù)測該公司的自由現(xiàn)金流是具有一定的適用性。在此基礎(chǔ)上，選取2018—2022年qf科技的自由現(xiàn)金流，預(yù)測2023—2027年的自由現(xiàn)金流，結(jié)果如表4所示。

3.2 " "股東權(quán)益資本成本計算

以2018—2022年5年期國債到期收益率均值3.27%作為無風險報酬率。在資本資產(chǎn)定價模型中，系數(shù)隨公司變動而變動，由于qf科技企業(yè)上市時間較久，本文選擇從2018年1月至2022年12月，從CSMAR數(shù)據(jù)庫中獲取到考慮現(xiàn)金紅利再投資的月個股回報率和月市場回報率，隨后根據(jù)以下公式計算系數(shù)： 。 " " " " " （16）

其中為個股與市場的相關(guān)系數(shù)，計算值為0.567 9，為個股的標準差，計算值為0.108 2，為市場的標準差，計算值為0.059 7。最終計算出。

市場風險溢價需要獲取先市場收益率，需要依據(jù)一定數(shù)量的市場交易數(shù)據(jù)，通過CSMAR數(shù)據(jù)庫以及相關(guān)資料查找中證500指數(shù)的收益率，查詢到2008—2022年中證500指數(shù)的收益率，通過計算其均值確定為9.15%。將上述數(shù)據(jù)代入式（3）中：

。

3.3 " "折現(xiàn)率計算

首先是計算債務(wù)資本成本。由于企業(yè)貸款利率通常是根據(jù)中國人民銀行的貸款基準利率確定，因此本文選擇2022年的貸款利率3.68%作為短期借款利率，4.44%作為長期借款利率。根據(jù)歷史財務(wù)數(shù)據(jù)顯示，qf科技近5年長短期借款均存在，因此其債務(wù)資本成本。

然后是權(quán)益占比和負債占比的計算。取2018—2022年5年的權(quán)益和負債進行計算，取平均值之后分別得出qf科技企業(yè)負債占比為37.17%，權(quán)益占比為62.83%。

最后是稅率，qf科技屬于高新技術(shù)產(chǎn)業(yè)，通過查詢相關(guān)稅率資料確定其稅率可采用15%的優(yōu)惠稅率。綜上，可得：

。

3.4 " "B-S確定企業(yè)潛在價值

由于qf科技在2022年凈利潤出現(xiàn)異常，為避免偶然性事件對評估結(jié)果的影響，因此本文選擇2017—2021年凈利潤現(xiàn)值作為標的資產(chǎn)當前價格，即。同樣地，取qf科技2017—2021年的負債均值作為期權(quán)價格，?；趒f科技2022年日收盤價，計算出對數(shù)日收益率，故企業(yè)股票波動率為：。

與DCF模型采取一致無風險利率，即r=3.27%。期權(quán)有效期T與DCF模型中預(yù)測期一致，即T=5。

將上述數(shù)據(jù)代入上文式（5）和式（6）中，可知d1=0.34，d2=0.26，最終可知企業(yè)潛在價值V2=2 558.731 3（萬元）。

3.5 " "確定企業(yè)價值

結(jié)合企業(yè)自身發(fā)展進入穩(wěn)定期后發(fā)展速度與我國GDP增長率相近的現(xiàn)狀，故選擇2018—2022年我國GDP增長率平均值（除去極大值、極小值）作為企業(yè)穩(wěn)定期增長率計算數(shù)值之一即g=5.22%。

4 " "引入蒙特卡洛模型改進DCF模型應(yīng)用

4.1 " "蒙特卡洛模型介紹以及可行性分析

4.1.1 " "蒙特卡洛模型介紹

余丹丹等（2023）認為蒙特卡洛模擬基于數(shù)字仿真隨機抽樣模擬技術(shù)，通過假設(shè)定義進行大量模擬試驗，使得模擬結(jié)果與實際發(fā)生概率無限接近[12]。結(jié)合智慧交通企業(yè)和高新技術(shù)產(chǎn)業(yè)的發(fā)展特點，通過定量分析，可以基于DCF模型來構(gòu)建一個更加合理的優(yōu)化模型。為了將行業(yè)特有的特點以及影響企業(yè)價值的不確定性因素考慮在內(nèi)，在處理與量化參數(shù)不確定性相關(guān)的任務(wù)時，需要對已經(jīng)確定的不確定性參數(shù)所假設(shè)的概率分布類型進行檢驗。這一步驟通常使用Kolmogorov-Smirnov（K-S）檢驗來完成，在IBM SPSS Statistics統(tǒng)計軟件中進行K-S檢驗，可以幫助確認假設(shè)的概率分布是否合理地代表了實際的參數(shù)不確定性。在確認了概率分布后，使用模擬軟件對上述概率分布進行隨機抽樣。通過模擬軟件，可以生成符合特定概率分布的隨機數(shù)序列，在進行模擬時，需要根據(jù)實際情況設(shè)定合適的抽樣次數(shù)。抽樣次數(shù)，也就是模擬的次數(shù)，決定了模擬的精度和運算量。抽樣次數(shù)越多，得到的結(jié)果越接近真實的系統(tǒng)行為。

4.1.2 " "蒙特卡洛模擬應(yīng)用于DCF模型的可行性分析

在原理上，蒙特卡洛模擬利用大數(shù)定理，即當采樣數(shù)量足夠大時，采樣的平均值會趨近于期望值。這是一種基于概率分布進行重復(fù)隨機抽樣的過程。在模擬過程中，會不斷地進行隨機抽樣，每次抽樣都會得到一個可能的結(jié)果。這個過程需要很多次的重復(fù)，每次都會根據(jù)我們設(shè)定的參數(shù)和目標預(yù)測值進行計算，得出一個可能的結(jié)果。這種對不確定性因素進行量化處理的方法，將會提高企業(yè)價值評估結(jié)果的準確性。

實踐上，采用MATLAB軟件，不需要輸入大量數(shù)據(jù)，只需要規(guī)定輸入?yún)?shù)的概率分布特性，確定需要預(yù)測的值，并設(shè)置期望的模擬次數(shù)。完成這些步驟后，模擬將自動進行，并生成數(shù)以萬計的模擬實驗結(jié)果，簡化了整個模擬過程。綜上所述，利用蒙特卡洛模擬改進DCF模型具有可操作性。

由于本文的自由現(xiàn)金流是通過灰色預(yù)測進行確定的，因此在蒙特卡洛中不再考慮自由現(xiàn)金流，關(guān)鍵因素主要考慮與折現(xiàn)率和永續(xù)增長率相關(guān)的參數(shù)。

4.2 " "引入蒙特卡洛模型的案例分析

4.2.1 " "隨機變量的選取

動態(tài)折現(xiàn)率假設(shè)。對于qf科技的永續(xù)增長率的概率分布根據(jù)余丹丹等（2023）[12]以及相關(guān)文獻中的研究，本文假設(shè)在永續(xù)期間確定為三角形概率分布。通過對影響qf科技評估結(jié)果的決定因素分析后，本文選取的關(guān)鍵變量為資本結(jié)構(gòu)、債務(wù)資本成本和系數(shù)。其中系數(shù)選取了9家同行業(yè)可比上市公司作為確定概率分布的基礎(chǔ)數(shù)據(jù)，9家上市企業(yè)一年期系數(shù)均值如表5所示。

對永續(xù)增長率進行假設(shè)。本文采用兩階段增長模型評估qf科技現(xiàn)有資產(chǎn)價值，假設(shè)企業(yè)2027年及以后的增長率為永續(xù)增長率。而近五年我國GDP增長率6.6%、6.1%、2.3%、8.1%和3%來看，首先，每年GDP增長率的波動較大，盡管除去極大值與極小值作為永續(xù)期增長率缺乏一定的可信度。其次，我國經(jīng)濟變化的情況很難預(yù)測，比如經(jīng)濟下行時期，幾乎所有行業(yè)和企業(yè)都受到了沖擊，而且沖擊深度和力度有所差別，綜上，本文在參考GDP增長率時選擇剔除期間的GDP變動，因此，本文預(yù)測qf科技的永續(xù)增長率服從三角分布，最小值為5%，最大值為7%，最可能值為6.5%。

關(guān)鍵參數(shù)選取之后，需要確定其概率分布和假設(shè)檢驗，具體內(nèi)容如表6所示。

表6中，正態(tài)分布，N（均值，方差），三角分布（a，c，b），其中c為最可能值。完成上述步驟后，將qf科技的企業(yè)價值作為最終定義預(yù)測的結(jié)果，模擬的置信區(qū)間為95%，模擬運行100 000次后，得出折現(xiàn)率WACC模擬結(jié)果如圖1所示，企業(yè)價值V1模擬結(jié)果如圖2所示。

由圖1可知，在95%的置信水平下，折現(xiàn)率WACC峰值出現(xiàn)在0.08～0.09之間，其概率為2%～2.5%之間，在此基礎(chǔ)上將進一步得出企業(yè)價值V1。

由圖2可知，在95%的置信水平下qf科技企業(yè)價值的區(qū)間估計值為[27 802.940 8，110 953.329 6]萬元，平均值為57 193.362 6萬元，將企業(yè)的潛在價值考慮在內(nèi)，則企業(yè)整體價值的置信區(qū)間為[30 361.672 1，113 512.060 9]萬元。

4.2.2 " "評估結(jié)果合理性分析

本文采用灰色GM（1，1）和蒙特卡洛模擬對DCF模型進行優(yōu)化，得到在95%的置信水平下，qf科技整體企業(yè)經(jīng)濟價值的置信區(qū)間為[27 802.940 8，110 953.329 6]萬元，將潛在價值考慮在內(nèi)后，企業(yè)整體價值的置信區(qū)間為[30 361.672 1，11 3512.060 9]萬元，由于原始數(shù)據(jù)具有波動性且改進參數(shù)的區(qū)間范圍具有較大的波動性，使得企業(yè)整體價值的置信區(qū)間范圍較大。

2022年12月30日，根據(jù)東方財富網(wǎng)經(jīng)濟數(shù)據(jù)得到qf科技的流通市值為122.52億元，qf科技在評估基準日的市值落在收益法95%水平的置信區(qū)間內(nèi)，如果直接按照均值確定企業(yè)經(jīng)濟價值，將會產(chǎn)生較大的差異，由于智慧交通行業(yè)屬于前景廣闊的行業(yè)，基于qf科技未來有著較大的發(fā)展空間，因此本文將企業(yè)的經(jīng)濟價值取區(qū)間最大值，最終企業(yè)的整體價值為113.51億元。

如表7可知，DCF模型改進前結(jié)果與企業(yè)流通市值相比有著49.46%的誤差，而改進后只有7.4%，小于10%，證明蒙特卡洛模擬對DCF模型改進有效。改進后的模型對折現(xiàn)率、增長率等參數(shù)進行了優(yōu)化，得到了企業(yè)價值在平均水平下的估計值和在一定置信水平下的區(qū)間估計值，不僅可以提供價值范圍參考，還可以根據(jù)風險偏好以及對未來市場發(fā)展狀況的預(yù)測自行對企業(yè)的經(jīng)濟價值進行取值，因此運用蒙特卡洛模擬改進DCF法具有一定的適用性。

5 " "總 " "結(jié)

在應(yīng)用DCF模型對qf科技進行企業(yè)價值評估時，仍然會存在偏差，采用蒙特卡洛模擬改進DCF模型后，通過設(shè)定相關(guān)參數(shù)的概率分布，并進行大量的模擬實驗，可以使預(yù)測的結(jié)果盡可能地接近實際情況，盡管仍存在一定的誤差，但誤差結(jié)果在合理區(qū)間，證明模型改進后的評估結(jié)果有效。

研究提出了改進的蒙特卡洛模擬價值評估模型，通過將不確定的隨機事件轉(zhuǎn)化為概率形式，提高了價值評估的準確性和客觀性。該模型在設(shè)計過程中考慮了不同行業(yè)之間的差異性，主要體現(xiàn)在隨機變量的選擇上，旨在為類似企業(yè)的價值評估提供方法論和思考途徑。然而，這一方法仍存在一些不足之處：蒙特卡洛模擬技術(shù)本身存在缺陷，因為所采用的隨機數(shù)是真正隨機生成的，可能與實際情況有所偏差，雖然這些偏差只占少數(shù)，但對最終評估結(jié)果仍有一定影響。此外，在確定隨機變量的概率分布時，有些變量的概率分布是基于前人研究成果確定的，這引入了一定程度的主觀判斷，對評估結(jié)果也會產(chǎn)生一定程度的影響。

參考文獻：

[1] MIELCARZ P，MLINARI? F. The superiority of FCFF over EVA and FCFE in capital budgeting[J]. Economic Research-

Ekonomska Istra?ivanja，2014，27（1）：559-572.

[2] FAROOQ M S，THYAGARAJAN V. Valuation of firm，methods amp; practices：An evaluation[J].IMPACT：International Journal

of Research in Business Management，2014，2（10）：7-14.

[3] ZHANG Yanting，F(xiàn)ANG Huan.Value assessment of primary health care company based on DCF model[C]//Proceedings od the 1st

International Symposium on Economic Development and Management Innovation（EDMI 2019）. Paris：Atlantis Press，2019：580-585.

[4] 遲明坤.自由現(xiàn)金流量與企業(yè)價值評估[J].經(jīng)濟研究導刊，2020（25）：108-109.

[5] 常振輝，高巖.FCFE模型與蒙特卡洛模擬相結(jié)合在公司估值中的應(yīng)用[J].中國林業(yè)經(jīng)濟，2018（1）：94-97.

[6] 劉旭祺.基于蒙特卡洛模擬法DCF模型的X醫(yī)藥企業(yè)價值評估[D].南京：南京航空航天大學，2020.

[7] 包燕萍，呂嬋，吳霞，等.企業(yè)價值評估：實物期權(quán)具有更多信息含量嗎？[J].財會通訊，2023（2）：86-92.

[8] 韓亞瓊.基于DCF模型的新能源汽車企業(yè)價值評估——以上汽集團為例[J].商展經(jīng)濟，2023（4）：121-123.

[9] 李紫薇.美的跨國并購庫卡集團的估價風險研究[D].昆明：云南師范大學，2018.

[10] "黃瑩，王雅慧.基于灰色理論對施工企業(yè)的風險成本控制研究[J].中小企業(yè)管理與科技，2021（7）：41-42.

[11] "鄒博，張緒美.基于改進灰色模型的手機回收量預(yù)測及其空間分布研究[J].物流科技，2022，45（2）：60-64.

[12] "余丹丹，駱公志.基于M-DCF模型的企業(yè)價值評估研究——以中材科技為例[J].中國物價，2023（10）：125-128.