《基于RBF神经网络与德尔菲法的小微企业估值方法研究》由会员分享,可在线阅读,更多相关《基于RBF神经网络与德尔菲法的小微企业估值方法研究(5页珍藏版)》请在金锄头文库上搜索。
1、基于 RBF 神经网络与德尔菲法的小微企业估值方法研究摘 要:近年来,在大众创业的热潮下,一大批初创企业纷纷成立起来,其中大部分都是创新型小微企业。在这些创新型小微企业的运营过程中,企业的管理、融资以及并购事项都与企业的估值密切相关。但遗憾的是,目前创新型小微企业的估值在实务中仍然缺乏准确性与客观性,有许多亟待提升与改进的地方。本文在结合经典文献与实务调查的基础上,选取了 12 个指标作为小微企业估值的影响因素,并提出了以德尔菲法和 RBF 神经网络相结合的小微企业估值方法,结合新三板数据进行实证分析,验证了模型的有效性与可行性,为小微企业估值提供了一种新思路。 关键词:小微企业估值;德尔菲法
2、;RBF 神经网络 一、研究背景 随着我国小微企业的产生与发展,一系列问题随之出现,其中较为突出的问题就是初创期创新型小微企业的估值问题。经典的企业估值方法有历史成本法、市场法等,但鉴于初创期创新型小微企业盈利不稳定、规模小、财务数据不完整等特点,将这些方法用于初创期小微企业的价值评估均有较大局限性。因此,探究一种既能结合实际情况又能减少实务中价值评估主观性的估值方法是极有价值的。 二、基本方法介绍 本文采用德尔菲法与 RBF 神经网络模型相结合的方法来构建小微企业估值模型。德尔菲法,就是把需要破解的难题发送o 不同专家以寻求意见,之后再对众多专家提出的意见与建议见进行整合,进而得出初步综合性
3、意见。在此基础上,再将所得综合意见与待解决问题再次转给专家。接到反馈信息后,专家应当基于综合意见,对自身的初步意见进行修改,之后再对经过修改之后的意见进行汇总加成。 人工神经网络,是研究者模仿生物神经网络的结构与功能,构建出来的一种模型,其核心功能是研究输入向量和输出向量隐含关系。一般会按照输入向量要求构建输入层神经元,然后利用一系列模型内含复杂运算来建立相应的非线性模型,通过对隐含关系的不断修正,减少输出向量与实际向量之间的误差,进而寻求合理的期望向量。 RBF 神经网络是一种方法先进、运作高效的前馈式神经网络,它用径向基函数作为网络隐含层单元的“基” 构成隐含层空间结构,对输入矢量进行函数
4、变换,转换至高维空间内,通过对隐单元输出值的处理得到输出层的输出值,具有最佳逼近和全局最优的优良性质,而且训练速度快,不会出现局部最优,因此得到了广泛应用。 在研究过程中,我们先对新三板企业进行筛选,确定研究对象。在此基础上,我们将待估值的各企业的客观数据及资料进行整理,汇编成册,随因素评分表一起发放给各专家,要求专家在仔细阅读各企业的详细资料之后,依据自身专业知识和实务经验对企业各因素进行打分。之后,我们将收回资料及调查表,并对各企业得分进行整理,汇总并进行归一化处理成为可用数据集,代入神经网络模型进行训练,并对训练结果进行检验,考察模型的可行性与准确性。 三、估值因素的确定 本文结合相关文
5、献、实际调查情况以及德尔菲法提出了以下因素作为小微企业估值的影响因素。 政府支持度:对于刚刚创业的小微企业来说,能否得到政府部门的支持将对其前期发展产生重要影响。 行业竞争度:企业所在行业的竞争激烈程度也是衡量初创期小微企业后续成长性的重要因素之一。 企业核心技术水平:这里的技术水平需要囊括技术可替代性、技术先进程度、技术适用性以及技术可靠性。 市场扩张速度:成熟企业的估值中,经常会考虑企业在某个细分市场的市场占有率,但对于初创期的企业来说,由于其本身创立时间短,很难在市场占有率上对其做出评价,更应当关注的应当企业在细分市场扩张的速。 毛利率:企业的毛利率也是衡量企业现状与发展潜力的重要指标,
6、毛利率高,说明企业的产品经济附加值较高,否则,说明该产品的经济附加值较低。 CEO 的能力:主流文献认为创业企业领导者的能力将对企业发展产生巨大影响,因此 CEO 的个人能力也必须纳入估值体系中去。 团队能力:创业团队在创业企业运作过程中的能力,包括了其管理能力、技术能力、销售能力、财务能力等等方面,团队水平的高低对企业的研发、生产、销售、财务的运作流程具有极大影响力。 企业所在区域:我国各地区的经济发展极不平衡,不同区域的产业发展速度和基本特点都有所不同。 成本优势:在很多行业中,成本优势是决定竞争优势的关键因素。 市场整体景气程度:通过研究,我们发现企业估值需要结合市场景气程度。绝对价值相
7、同的企业,在经济周期发展的不同阶段,可能在估值上有较大差别,所以,企业最终的估值数据必须要考虑到市场的景气程度进行衡量。商业模式:商业模式是企业的商业逻辑,它定义了企业如何为股东创造和捕获价值。同时,为了保持竞争力,企业必须在其商业模式上不断创新。 企业规模:尽管对于初创期小微企业的估值主要是对于其成长性的估值,但不可否认的是,对于大多数小微企业来讲,若无明显证据证明其未来成长较为可期,其现有企业规模仍将是其估值的主要依据。 四、建立估值的数据样本 神经网络训练中所提取的规律蕴含在样本中,所以选取的样本必须具有一定的代表性,根据本文的具体情况,选取样本的原因和情况如下所述。 在样本数据来源方面,考虑到: 神经网络需要多组数据进行训练,而小微企业自身的数据由于其发展阶段的特点,其自身各方面数据往往缺乏透明性、准确性,如不在估值之前花费一定时间对企业进行尽职调查,很难为企业估值提供详尽、准确的原始数据和客观情况。 神经网络模型的训练集数据需要具有良好的准确性,这样才能使得模型的训练结果和实际情况能够良好契合。而实际情况中,大部分小微企业并没有一个准确的估值数据,这就使得神经网络模型的训练集数据的充实性与准确性极难保证,进而会影响神经网络模型训练结果的准确性。