基于RBF神經(jīng)網(wǎng)絡(luò)與德爾菲法的小微企業(yè)估值方法研究

葛國(guó)慶+徐琛+高登

摘 要：近年來，在大眾創(chuàng)業(yè)的熱潮下，一大批初創(chuàng)企業(yè)紛紛成立起來，其中大部分都是創(chuàng)新型小微企業(yè)。在這些創(chuàng)新型小微企業(yè)的運(yùn)營(yíng)過程中，企業(yè)的管理、融資以及并購(gòu)事項(xiàng)都與企業(yè)的估值密切相關(guān)。但遺憾的是，目前創(chuàng)新型小微企業(yè)的估值在實(shí)務(wù)中仍然缺乏準(zhǔn)確性與客觀性，有許多亟待提升與改進(jìn)的地方。本文在結(jié)合經(jīng)典文獻(xiàn)與實(shí)務(wù)調(diào)查的基礎(chǔ)上，選取了12個(gè)指標(biāo)作為小微企業(yè)估值的影響因素，并提出了以德爾菲法和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的小微企業(yè)估值方法，結(jié)合新三板數(shù)據(jù)進(jìn)行實(shí)證分析，驗(yàn)證了模型的有效性與可行性，為小微企業(yè)估值提供了一種新思路。

關(guān)鍵詞：小微企業(yè)估值；德爾菲法；RBF神經(jīng)網(wǎng)絡(luò)

一、研究背景

隨著我國(guó)小微企業(yè)的產(chǎn)生與發(fā)展，一系列問題隨之出現(xiàn)，其中較為突出的問題就是初創(chuàng)期創(chuàng)新型小微企業(yè)的估值問題。經(jīng)典的企業(yè)估值方法有歷史成本法、市場(chǎng)法等，但鑒于初創(chuàng)期創(chuàng)新型小微企業(yè)盈利不穩(wěn)定、規(guī)模小、財(cái)務(wù)數(shù)據(jù)不完整等特點(diǎn)，將這些方法用于初創(chuàng)期小微企業(yè)的價(jià)值評(píng)估均有較大局限性。因此，探究一種既能結(jié)合實(shí)際情況又能減少實(shí)務(wù)中價(jià)值評(píng)估主觀性的估值方法是極有價(jià)值的。

二、基本方法介紹

本文采用德爾菲法與RBF神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方法來構(gòu)建小微企業(yè)估值模型。德爾菲法，就是把需要破解的難題發(fā)送給不同專家以尋求意見，之后再對(duì)眾多專家提出的意見與建議見進(jìn)行整合，進(jìn)而得出初步綜合性意見。在此基礎(chǔ)上，再將所得綜合意見與待解決問題再次轉(zhuǎn)給專家。接到反饋信息后，專家應(yīng)當(dāng)基于綜合意見，對(duì)自身的初步意見進(jìn)行修改，之后再對(duì)經(jīng)過修改之后的意見進(jìn)行匯總加成。

人工神經(jīng)網(wǎng)絡(luò)，是研究者模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能，構(gòu)建出來的一種模型，其核心功能是研究輸入向量和輸出向量隱含關(guān)系。一般會(huì)按照輸入向量要求構(gòu)建輸入層神經(jīng)元，然后利用一系列模型內(nèi)含復(fù)雜運(yùn)算來建立相應(yīng)的非線性模型，通過對(duì)隱含關(guān)系的不斷修正，減少輸出向量與實(shí)際向量之間的誤差，進(jìn)而尋求合理的期望向量。

RBF神經(jīng)網(wǎng)絡(luò)是一種方法先進(jìn)、運(yùn)作高效的前饋式神經(jīng)網(wǎng)絡(luò)，它用徑向基函數(shù)作為網(wǎng)絡(luò)隱含層單元的“基”構(gòu)成隱含層空間結(jié)構(gòu)，對(duì)輸入矢量（低維的模式輸入數(shù)據(jù)）進(jìn)行函數(shù)變換，轉(zhuǎn)換至高維空間內(nèi)，通過對(duì)隱單元輸出值的處理得到輸出層的輸出值，具有最佳逼近和全局最優(yōu)的優(yōu)良性質(zhì)，而且訓(xùn)練速度快，不會(huì)出現(xiàn)局部最優(yōu)，因此得到了廣泛應(yīng)用。

在研究過程中，我們先對(duì)新三板企業(yè)進(jìn)行篩選，確定研究對(duì)象。在此基礎(chǔ)上，我們將待估值的各企業(yè)的客觀數(shù)據(jù)及資料進(jìn)行整理，匯編成冊(cè)，隨因素評(píng)分表一起發(fā)放給各專家，要求專家在仔細(xì)閱讀各企業(yè)的詳細(xì)資料之后（此步驟為模仿企業(yè)估值實(shí)務(wù)中的盡職調(diào)查），依據(jù)自身專業(yè)知識(shí)和實(shí)務(wù)經(jīng)驗(yàn)對(duì)企業(yè)各因素進(jìn)行打分。之后，我們將收回資料及調(diào)查表，并對(duì)各企業(yè)得分進(jìn)行整理，匯總并進(jìn)行歸一化處理成為可用數(shù)據(jù)集，代入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并對(duì)訓(xùn)練結(jié)果進(jìn)行檢驗(yàn)，考察模型的可行性與準(zhǔn)確性。

三、估值因素的確定

本文結(jié)合相關(guān)文獻(xiàn)、實(shí)際調(diào)查情況以及德爾菲法提出了以下因素作為小微企業(yè)估值的影響因素。

（1）政府支持度：對(duì)于剛剛創(chuàng)業(yè)的小微企業(yè)來說，能否得到政府部門的支持將對(duì)其前期發(fā)展產(chǎn)生重要影響。

（2）行業(yè)競(jìng)爭(zhēng)度：企業(yè)所在行業(yè)的競(jìng)爭(zhēng)激烈程度也是衡量初創(chuàng)期小微企業(yè)后續(xù)成長(zhǎng)性的重要因素之一。

（3）企業(yè)核心技術(shù)水平：這里的技術(shù)水平需要囊括技術(shù)可替代性、技術(shù)先進(jìn)程度、技術(shù)適用性以及技術(shù)可靠性。

（4）市場(chǎng)擴(kuò)張速度：成熟企業(yè)的估值中，經(jīng)常會(huì)考慮企業(yè)在某個(gè)細(xì)分市場(chǎng)的市場(chǎng)占有率，但對(duì)于初創(chuàng)期的企業(yè)來說，由于其本身創(chuàng)立時(shí)間短，很難在市場(chǎng)占有率上對(duì)其做出評(píng)價(jià)，更應(yīng)當(dāng)關(guān)注的應(yīng)當(dāng)企業(yè)在細(xì)分市場(chǎng)擴(kuò)張的速。

（5）毛利率：企業(yè)的毛利率也是衡量企業(yè)現(xiàn)狀與發(fā)展?jié)摿Φ闹匾笜?biāo)，毛利率高，說明企業(yè)的產(chǎn)品經(jīng)濟(jì)附加值較高，否則，說明該產(chǎn)品的經(jīng)濟(jì)附加值較低。

（6）CEO的能力：主流文獻(xiàn)認(rèn)為創(chuàng)業(yè)企業(yè)領(lǐng)導(dǎo)者的能力將對(duì)企業(yè)發(fā)展產(chǎn)生巨大影響，因此CEO 的個(gè)人能力也必須納入估值體系中去。

（7）團(tuán)隊(duì)能力：創(chuàng)業(yè)團(tuán)隊(duì)在創(chuàng)業(yè)企業(yè)運(yùn)作過程中的能力，包括了其管理能力、技術(shù)能力、銷售能力、財(cái)務(wù)能力等等方面，團(tuán)隊(duì)水平的高低對(duì)企業(yè)的研發(fā)、生產(chǎn)、銷售、財(cái)務(wù)的運(yùn)作流程具有極大影響力。

（8）企業(yè)所在區(qū)域：我國(guó)各地區(qū)的經(jīng)濟(jì)發(fā)展極不平衡，不同區(qū)域的產(chǎn)業(yè)發(fā)展速度和基本特點(diǎn)都有所不同。

（9）成本優(yōu)勢(shì)：在很多行業(yè)中，成本優(yōu)勢(shì)是決定競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵因素。

（10）市場(chǎng)整體景氣程度：通過研究，我們發(fā)現(xiàn)企業(yè)估值需要結(jié)合市場(chǎng)景氣程度。絕對(duì)價(jià)值相同的企業(yè)，在經(jīng)濟(jì)周期發(fā)展的不同階段，可能在估值上有較大差別，所以，企業(yè)最終的估值數(shù)據(jù)必須要考慮到市場(chǎng)的景氣程度進(jìn)行衡量。

（11）商業(yè)模式：商業(yè)模式是企業(yè)的商業(yè)邏輯，它定義了企業(yè)如何為股東創(chuàng)造和捕獲價(jià)值。同時(shí)，為了保持競(jìng)爭(zhēng)力，企業(yè)必須在其商業(yè)模式上不斷創(chuàng)新。

（12）企業(yè)規(guī)模：盡管對(duì)于初創(chuàng)期小微企業(yè)的估值主要是對(duì)于其成長(zhǎng)性的估值，但不可否認(rèn)的是，對(duì)于大多數(shù)小微企業(yè)來講，若無明顯證據(jù)證明其未來成長(zhǎng)較為可期，其現(xiàn)有企業(yè)規(guī)模仍將是其估值的主要依據(jù)。

四、建立估值的數(shù)據(jù)樣本

神經(jīng)網(wǎng)絡(luò)訓(xùn)練中所提取的規(guī)律蘊(yùn)含在樣本中，所以選取的樣本必須具有一定的代表性，根據(jù)本文的具體情況，選取樣本的原因和情況如下所述。

在樣本數(shù)據(jù)來源方面，考慮到：

（1）神經(jīng)網(wǎng)絡(luò)需要多組數(shù)據(jù)進(jìn)行訓(xùn)練，而小微企業(yè)自身的數(shù)據(jù)由于其發(fā)展階段的特點(diǎn)，其自身各方面數(shù)據(jù)往往缺乏透明性、準(zhǔn)確性，如不在估值之前花費(fèi)一定時(shí)間對(duì)企業(yè)進(jìn)行盡職調(diào)查，很難為企業(yè)估值提供詳盡、準(zhǔn)確的原始數(shù)據(jù)和客觀情況。

（2）神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集數(shù)據(jù)需要具有良好的準(zhǔn)確性，這樣才能使得模型的訓(xùn)練結(jié)果和實(shí)際情況能夠良好契合。而實(shí)際情況中，大部分小微企業(yè)并沒有一個(gè)準(zhǔn)確的估值數(shù)據(jù)，這就使得神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集數(shù)據(jù)的充實(shí)性與準(zhǔn)確性極難保證，進(jìn)而會(huì)影響神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果的準(zhǔn)確性。

綜上，本文采用我國(guó)新三板企業(yè)的相關(guān)估值數(shù)據(jù)與客觀情況對(duì)初創(chuàng)期小微企業(yè)的估值進(jìn)行近似模擬。

目前，我國(guó)新三板掛牌公司的整體分布，有如下兩大特點(diǎn)：

一是中小微企業(yè)占比多。按照工信部和國(guó)家統(tǒng)計(jì)局標(biāo)準(zhǔn)，1107家掛牌公司約有95%屬中小微企業(yè)，約有68%屬小微企業(yè)。

二是公司業(yè)務(wù)新穎、科技含量高。目前，1107家掛牌公司中，高新技術(shù)企業(yè)的比重已經(jīng)超過了75%，且行業(yè)分布廣泛，高端制造業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、文體娛樂業(yè)、科技服務(wù)業(yè)等領(lǐng)域均有大量企業(yè)分布。

由上文所述可知，新三板掛牌企業(yè)的特點(diǎn)與本文研究對(duì)象極為吻合，可以作為神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)來源。

在樣本數(shù)據(jù)量方面，本文初步確定的小微企業(yè)估值模型包含12個(gè)主要的影響變量，根據(jù)模型自身要求，選擇樣本量的時(shí)候，應(yīng)該盡量地尋求網(wǎng)絡(luò)的權(quán)值和閾值總數(shù)與樣本訓(xùn)練樣本數(shù)相匹配。綜合各種因素，本文最后選取了60家新三板掛牌企業(yè)作為數(shù)據(jù)來源。

五、建立神經(jīng)網(wǎng)絡(luò)模型

本節(jié)主要構(gòu)建小微企業(yè)估值神經(jīng)網(wǎng)絡(luò)模型，該RBF網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)：第一層為輸入層，主要由影響小微企業(yè)估值的12個(gè)影響因素構(gòu)成，作為神經(jīng)網(wǎng)絡(luò)的輸入向量；第二層為隱含層，由自主構(gòu)建的隱含神經(jīng)元構(gòu)成，連接輸入層與輸出層神經(jīng)元；第三層為輸出層，輸出值是隱單元輸出的線性加權(quán)，本模型中，企業(yè)最終估值水平為神經(jīng)網(wǎng)絡(luò)的輸出向量，所以輸出層的神經(jīng)元個(gè)數(shù)為1。而具體模型結(jié)構(gòu)如圖所示：

六、模型訓(xùn)練及實(shí)證

本文總共選取了60個(gè)企業(yè)樣本，其中70%作為訓(xùn)練樣本來訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)模型，30%作為測(cè)試集對(duì)模型精度進(jìn)行測(cè)驗(yàn)。模型針對(duì)不同的輸入向量可以得到不同的價(jià)值輸出值，在規(guī)定網(wǎng)絡(luò)模型精度誤差的基礎(chǔ)上，模型自動(dòng)會(huì)將實(shí)際價(jià)值輸出值與期望價(jià)值對(duì)比，得到誤差值，并將該誤差與精度誤差比較，誤差大于精度誤差時(shí)，進(jìn)行回溯反饋、反迭代的過程。通過反復(fù)執(zhí)行RBF神經(jīng)網(wǎng)絡(luò)算法流程，得到最小誤差所對(duì)應(yīng)的RBF神經(jīng)網(wǎng)絡(luò)模型的內(nèi)涵網(wǎng)絡(luò)關(guān)系，此時(shí)網(wǎng)絡(luò)的訓(xùn)練過程結(jié)束，小微企業(yè)估值的RBF神經(jīng)網(wǎng)絡(luò)模型就構(gòu)建完畢。

本文使用Spss Modeler進(jìn)行模型執(zhí)行，執(zhí)行流程如圖所示：

在模型訓(xùn)練及測(cè)試結(jié)束后，相關(guān)結(jié)果如圖所示：

由圖可知，模型測(cè)試集的平均誤差為-3.21%，達(dá)到了較好效果，但18個(gè)測(cè)試樣本中，仍有許多誤差水平超過了15%，處于一個(gè)較高的誤差水平。但考慮到小微企業(yè)估值在實(shí)務(wù)操作中的極大不準(zhǔn)確性，我們有理由認(rèn)為，該模型已經(jīng)具有了較好的擬合效果，將估值誤差維持在了一個(gè)可以接受的程度。

七、結(jié)論及分析

RBF神經(jīng)網(wǎng)絡(luò)模型用小微企業(yè)估值時(shí)只需要以合適訓(xùn)練樣本進(jìn)行訓(xùn)練，利用訓(xùn)練后的網(wǎng)絡(luò)模型就可以對(duì)小微企業(yè)進(jìn)行估值。且訓(xùn)練好一個(gè)模型之后，便可用于同類型小微企業(yè)的估值。若要對(duì)企業(yè)特點(diǎn)差異大的其他企業(yè)估值，只需重新尋找相似樣本，對(duì)模型進(jìn)行調(diào)整訓(xùn)練即可。

該模型克服了傳統(tǒng)小微企業(yè)估值過于依賴主觀判斷、工作量巨大的缺點(diǎn)。首先，本研究在訓(xùn)練樣本上選用了新三板企業(yè)來對(duì)小微企業(yè)進(jìn)行近似模擬，應(yīng)當(dāng)講，這樣的近似模擬已經(jīng)非常好地保證了模型的準(zhǔn)確性。但隨著小微企業(yè)數(shù)量的上升和相關(guān)統(tǒng)計(jì)數(shù)據(jù)的積累，勢(shì)必會(huì)有更加貼近實(shí)際情況的數(shù)據(jù)出現(xiàn)，屆時(shí)，可對(duì)本模型在數(shù)據(jù)選取上進(jìn)行進(jìn)一步優(yōu)化。其次，本文只從小微企業(yè)整體角度考慮了其估值模型。訓(xùn)練樣本的企業(yè)特點(diǎn)、行業(yè)分布均差異較大，這也是本模型結(jié)果的誤差值產(chǎn)生的主要原因所在。后續(xù)研究中，若能對(duì)訓(xùn)練樣本進(jìn)行進(jìn)一步精細(xì)化篩選，勢(shì)必能夠大幅提升模型的針對(duì)性。

參考文獻(xiàn)：

[1]陳軍.初創(chuàng)期科技企業(yè)估值方法分析與運(yùn)用[D].電子科技大學(xué)，2014.

[2]湯伶俐.初創(chuàng)型科技企業(yè)估值方法研究--基于風(fēng)險(xiǎn)投資法視角[J]. 財(cái)會(huì)通訊，2016，（32）：7-10+129.

[3]黃雯雯.基于BP神經(jīng)網(wǎng)絡(luò)的中國(guó)創(chuàng)業(yè)板IPO定價(jià)模型研究[D].華南理工大學(xué)，2012.

[4]朱曉剛.A股上市公司價(jià)值評(píng)估指標(biāo)驗(yàn)證與體系構(gòu)建[D].西南財(cái)經(jīng)大學(xué)，2012.

[5]鄒原.關(guān)于現(xiàn)代企業(yè)估值問題的若干思考[J].財(cái)經(jīng)界（學(xué)術(shù)版），2013，（23）：147.

[6]衛(wèi)敏，余樂安.具有最優(yōu)學(xué)習(xí)率的RBF神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J].管理科學(xué)學(xué)報(bào)，2012，（04）：50-57.

[7]劉飛虎，羅曉光.基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[J].投資研究，2013，（03）：88-97.