基于輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)的科技型中小企業(yè)估值研究

田慶鋒，徐 朗

（1.西北工業(yè)大學(xué)管理學(xué)院，陜西西安 710129；2.中國(guó)航發(fā)沈陽(yáng)黎明航空發(fā)動(dòng)機(jī)有限責(zé)任公司，遼寧沈陽(yáng) 110043）

1 研究背景

中小企業(yè)是我國(guó)推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展、構(gòu)造市場(chǎng)經(jīng)濟(jì)主體、促進(jìn)社會(huì)穩(wěn)定的基礎(chǔ)力量［1］?？萍夹椭行∑髽I(yè)因其技術(shù)含量高，創(chuàng)造了大量專利與創(chuàng)新產(chǎn)品［2］。作為兼?zhèn)鋭?chuàng)新活力、發(fā)展?jié)摿εc高成長(zhǎng)性的創(chuàng)新集群［3］，中小企業(yè)在市場(chǎng)發(fā)展中最具推動(dòng)作用，在經(jīng)濟(jì)活動(dòng)中占主導(dǎo)地位的企業(yè)是未來(lái)高科技大企業(yè)的萌芽與開(kāi)端［4］，是推動(dòng)產(chǎn)業(yè)創(chuàng)新的先鋒力量。黨的二十大報(bào)告指出，要營(yíng)造適宜科技型中小企業(yè)健康發(fā)展的有利環(huán)境，這進(jìn)一步強(qiáng)調(diào)了科技型中小企業(yè)的重要作用和戰(zhàn)略意義。但根據(jù)林海［5］、張目等［6］、馬衛(wèi)民等［7］的研究，中小企業(yè)由于規(guī)模小、風(fēng)險(xiǎn)性強(qiáng)且前期投入高，發(fā)展的不確定性較大，一直存在融資難、估值難的問(wèn)題。

傳統(tǒng)的估值方法主要包括絕對(duì)估值法與相對(duì)估值法［8］，其中絕對(duì)估值法一般包括現(xiàn)金流折現(xiàn)法、經(jīng)濟(jì)附加值法與實(shí)物期權(quán)法，分別有如Edwards等［9］、Stewart［10］、Myers［11］的研究；相對(duì)估值法則是市凈率、市盈率和市銷率3 種價(jià)值乘數(shù)法［12］。絕對(duì)估值法立足于預(yù)測(cè)，在估值過(guò)程中不可避免帶有主觀色彩，且其基于嚴(yán)格假設(shè)，較難適應(yīng)實(shí)際估值的復(fù)雜情況，因此已有關(guān)于企業(yè)估值的方法存在一定弊端［13］?，F(xiàn)金流折現(xiàn)法與經(jīng)濟(jì)附加值法僅針對(duì)財(cái)務(wù)層面，忽略了非財(cái)務(wù)指標(biāo)對(duì)于企業(yè)的價(jià)值貢獻(xiàn)［14］，宣曉等［15］部分學(xué)者的研究也認(rèn)為其并不適用于科技型中小企業(yè)。相對(duì)估值法的核心則是選擇合適的可比企業(yè)，以價(jià)值乘數(shù)為“橋梁”對(duì)目標(biāo)企業(yè)進(jìn)行價(jià)值評(píng)估，估值效果也在很大程度上取決于可比企業(yè)［16］。然而，現(xiàn)實(shí)中科技型中小企業(yè)的可比企業(yè)很難確定［17］。因此，對(duì)于規(guī)模小、技術(shù)密集的科技型中小企業(yè)而言，相對(duì)估值法的準(zhǔn)確性有待考量［18］。

如今，大數(shù)據(jù)技術(shù)的蓬勃發(fā)展為科技型中小企業(yè)的估值研究帶來(lái)了新的機(jī)遇，卷積神經(jīng)網(wǎng)絡(luò)因其具有權(quán)值共享與局部連接的特性［19］，可以在保證模型性能的同時(shí)有效減少參數(shù)數(shù)量，即便網(wǎng)絡(luò)加深也能防止過(guò)擬合［20］，且兼具良好的非線性能力，因而被廣泛應(yīng)用于圖像、語(yǔ)音等領(lǐng)域，包括Krizhevsky等［21］、Gu 等［22］、連海倫等［23］學(xué)者的研究均證明了這點(diǎn)。由于卷積神經(jīng)網(wǎng)絡(luò)能夠通過(guò)加深網(wǎng)絡(luò)提高模型非線性能力［24］，并且通過(guò)大量數(shù)據(jù)學(xué)習(xí)自動(dòng)提取特征擬合出適宜模型，故非常適合應(yīng)用于企業(yè)估值這類復(fù)雜的回歸問(wèn)題［25］。Khalifani 等［26］認(rèn)為，卷積神經(jīng)網(wǎng)絡(luò)具有良好的準(zhǔn)確度、可遷移性且能提高運(yùn)算效率。

由此，本研究設(shè)計(jì)了一種輕量卷積神經(jīng)網(wǎng)絡(luò)TecNet，通過(guò)大量數(shù)據(jù)訓(xùn)練學(xué)習(xí)得到適用于科技型中小企業(yè)的估值模型，以期為企業(yè)估值提供新思路。

2 科技型中小企業(yè)價(jià)值評(píng)估指標(biāo)構(gòu)建

2.1 理論估值指標(biāo)

在中國(guó)知網(wǎng)上以“企業(yè)價(jià)值評(píng)估指標(biāo)”“企業(yè)估值”“企業(yè)評(píng)價(jià)體系”等關(guān)鍵詞進(jìn)行檢索，得到相關(guān)文獻(xiàn)資料，忽略重復(fù)文獻(xiàn)，并經(jīng)過(guò)對(duì)題目、關(guān)鍵詞、摘要等部分要素進(jìn)行人工篩查，保留符合研究主題的文獻(xiàn)以備后續(xù)統(tǒng)計(jì)分析。其中，相關(guān)文獻(xiàn)多為期刊或?qū)W位論文，所以其觀點(diǎn)的科學(xué)性與專業(yè)性相對(duì)較高。相關(guān)文獻(xiàn)中涉及的企業(yè)大多為高新技術(shù)企業(yè)、創(chuàng)業(yè)板企業(yè)、科技創(chuàng)業(yè)企業(yè)等，均對(duì)科技型中小企業(yè)具有可借鑒意義，故初步判定此類文獻(xiàn)資料作為本研究的量化文獻(xiàn)分析樣本是有效的。

采用頻次計(jì)數(shù)法統(tǒng)計(jì)樣本文獻(xiàn)中出現(xiàn)頻數(shù)大于兩次的評(píng)價(jià)指標(biāo)。對(duì)于偶然出現(xiàn)的單一指標(biāo)不做統(tǒng)計(jì)，默認(rèn)這些指標(biāo)為特定研究場(chǎng)景下的特有指標(biāo)。其中，資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率等為出現(xiàn)頻率排名前十的財(cái)務(wù)評(píng)價(jià)指標(biāo)（見(jiàn)圖1）；非財(cái)務(wù)指標(biāo)中，出現(xiàn)頻次排在前10 位的分別是研發(fā)費(fèi)用率、市場(chǎng)占有率等（見(jiàn)圖2）。

圖1 樣本文獻(xiàn)中有關(guān)財(cái)務(wù)指標(biāo)出現(xiàn)頻次及占比

圖2 樣本文獻(xiàn)中有關(guān)非財(cái)務(wù)指標(biāo)出現(xiàn)頻次及占比

基于以上分析，可初步得出科技型中小企業(yè)價(jià)值評(píng)估相關(guān)文獻(xiàn)的常用評(píng)價(jià)指標(biāo)（如圖3 所示）。

圖3 樣本文獻(xiàn)中科技型中小企業(yè)價(jià)值評(píng)估常用指標(biāo)

2.2 修正估值指標(biāo)

為得到科技型中小企業(yè)投融資過(guò)程中實(shí)際關(guān)注的估值指標(biāo)，邀請(qǐng)領(lǐng)域內(nèi)相關(guān)專家訪談，并結(jié)合詞頻-逆文本頻率指數(shù)（TF-IDF）關(guān)鍵詞提取技術(shù)對(duì)訪談文本進(jìn)行分析。在國(guó)泰安數(shù)據(jù)庫(kù)中搜索采訪與訪談的文本資料，同時(shí)以電話或現(xiàn)場(chǎng)的形式對(duì)專家就科技型中小企業(yè)估值問(wèn)題進(jìn)行訪談，咨詢了科技型中小企業(yè)估值過(guò)程中的估值指標(biāo)選取應(yīng)參考哪些方面，并要求給出較為具體的估值指標(biāo)或參考方向。參與此次訪談的專家共9 位，其中6 位為投資領(lǐng)域?qū)＜?，均在科技型中小企業(yè)或其他類型企業(yè)投資方面具有豐富經(jīng)驗(yàn)；3 位為企業(yè)高管，對(duì)本企業(yè)及行業(yè)的情況十分了解，且因其所在企業(yè)均屬于科技型企業(yè)，故對(duì)科技型中小企業(yè)的發(fā)展也同樣具有敏銳嗅覺(jué)與洞察力。投資專家相關(guān)從業(yè)經(jīng)歷為7～15 年，平均經(jīng)歷為12.0 年；企業(yè)高管相關(guān)經(jīng)歷為11～22 年，平均經(jīng)歷為16.3 年。由于訪談專家來(lái)自不同領(lǐng)域、擁有不同的行業(yè)背景，并均對(duì)科技型中小企業(yè)估值相關(guān)問(wèn)題具有可借鑒經(jīng)驗(yàn)，所以此次訪談結(jié)果較為可信。在尋求訪談專家同意后，對(duì)訪談全過(guò)程進(jìn)行錄音并記錄，將訪談結(jié)果、來(lái)自國(guó)泰安庫(kù)中的相關(guān)文本整理形成本訪談文本庫(kù)，將文本輸入TF-IDF 模型中，經(jīng)過(guò)分詞、去除停用詞、計(jì)算詞頻與逆文檔排序等一系列步驟后，得到文本的關(guān)鍵詞及其得分，并輸出該文本庫(kù)對(duì)應(yīng)的關(guān)鍵詞文檔。

本研究選擇較為權(quán)威且便捷的Jieba 工具來(lái)進(jìn)行分詞，因?yàn)镴ieba 是目前最優(yōu)秀的中文分詞庫(kù)，其功能強(qiáng)大，使用簡(jiǎn)便，非常適用于中文的文本分析，且其自帶的分詞功能十分精準(zhǔn)可信，內(nèi)嵌了強(qiáng)大的文本庫(kù)。采用的停用詞表是目前較為全面的哈爾濱工業(yè)大學(xué)研制的停用詞表，在其基礎(chǔ)上加入一些對(duì)于本研究問(wèn)題無(wú)用的詞組。經(jīng)過(guò)分詞、過(guò)濾停用詞后，計(jì)算詞頻得出詞語(yǔ)的TF 值，與Jieba 自帶的逆文檔庫(kù)中的IDF 值相乘，得到其關(guān)鍵詞得分。最后輸出的前20 個(gè)關(guān)鍵詞如表1 所示。

表1 基于實(shí)踐經(jīng)驗(yàn)的科技型中小企業(yè)價(jià)值評(píng)估前20 個(gè)關(guān)鍵詞

從表1 可看出，對(duì)于科技型中小企業(yè)的價(jià)值評(píng)估，受訪者較為看重科技型中小企業(yè)的人才團(tuán)隊(duì)、研發(fā)創(chuàng)新能力、經(jīng)營(yíng)能力、發(fā)展能力、償債能力以及盈利能力，尤其強(qiáng)調(diào)人才和研發(fā)相關(guān)指標(biāo)，其中在研發(fā)方面則注重專利數(shù)、無(wú)形資產(chǎn)等知識(shí)產(chǎn)權(quán)指標(biāo)；此外，在財(cái)務(wù)指標(biāo)方面，企業(yè)的經(jīng)營(yíng)發(fā)展與負(fù)債相關(guān)的指標(biāo)排名較為靠前，而盈利相關(guān)的指標(biāo)較少?？梢?jiàn)，基于科技型中小企業(yè)技術(shù)密集與智力資本價(jià)值高的特點(diǎn)，其高成長(zhǎng)性、高風(fēng)險(xiǎn)性的特征使得投資者除了無(wú)形資產(chǎn)外更加關(guān)注其經(jīng)營(yíng)發(fā)展與償債能力，而非其規(guī)模與盈利能力，這也是由于科技型中小企業(yè)大多規(guī)模小、市場(chǎng)占比小且通常初期并不盈利的緣故。

綜上，初步提煉出科技型中小企業(yè)估值指標(biāo)（見(jiàn)圖4），其中圓圈大小代表某個(gè)詞與其他詞共同出現(xiàn)的頻率大小。根據(jù)圖4 的連線及共現(xiàn)頻率可以看出，對(duì)科技型中小企業(yè)進(jìn)行價(jià)值評(píng)估時(shí)，需將財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)相結(jié)合。目前企業(yè)財(cái)務(wù)方面的估值較為成熟，多數(shù)受訪者認(rèn)為可以參考已成體系的財(cái)務(wù)指標(biāo)，但不過(guò)分關(guān)注目前是否盈利，更看重企業(yè)的發(fā)展成長(zhǎng)與經(jīng)營(yíng)能力，包括相關(guān)周轉(zhuǎn)率和增長(zhǎng)率；同時(shí)，重點(diǎn)關(guān)注資產(chǎn)負(fù)債率，因企業(yè)的償債能力能夠反映其應(yīng)對(duì)風(fēng)險(xiǎn)的能力，盈利方面則僅更為關(guān)注回報(bào)率、利潤(rùn)率等。另外，多數(shù)受訪者認(rèn)為，能顯示企業(yè)創(chuàng)新和研發(fā)能力的非財(cái)務(wù)指標(biāo)為專利數(shù)、一些未公開(kāi)的核心技術(shù)無(wú)形資產(chǎn)以及產(chǎn)品更新等；人才方面，對(duì)于以研發(fā)為重的科技型中小企業(yè)，需著重關(guān)注其碩士及以上比例，才能更好地衡量團(tuán)隊(duì)的質(zhì)量。此外，員工是否接受了后續(xù)培訓(xùn)能夠反映企業(yè)對(duì)于人才成長(zhǎng)和培養(yǎng)的意識(shí)。

新課標(biāo)指出，在小學(xué)語(yǔ)文教學(xué)過(guò)程中應(yīng)該對(duì)學(xué)生各種能力的培養(yǎng)提出更高的重視，而閱讀能力作為一種重要的基礎(chǔ)能力，教師更應(yīng)該給予重視。在實(shí)際的教學(xué)過(guò)程中，教師要重視學(xué)生閱讀能力的培養(yǎng)，創(chuàng)建有趣的情境激發(fā)學(xué)生的閱讀興趣，面對(duì)小學(xué)生，情境教學(xué)是一種非常有效的手段，具備特殊的應(yīng)用價(jià)值，尤其值得在小學(xué)語(yǔ)文教學(xué)中推廣和運(yùn)用。

圖4 科技型中小企業(yè)價(jià)值評(píng)估關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

在訪談過(guò)程中發(fā)現(xiàn)，受訪者希望通過(guò)易量化的指標(biāo)來(lái)進(jìn)行企業(yè)估值，以更簡(jiǎn)便清晰地了解企業(yè)的估值結(jié)果，也更加便于數(shù)據(jù)的獲取。由于傳統(tǒng)的估值方法存在普適性較差、預(yù)測(cè)值不準(zhǔn)確等弊端，對(duì)科技型中小企業(yè)來(lái)說(shuō)不甚友好，且現(xiàn)實(shí)中的估值通常極大地受到人為主觀因素影響，容易導(dǎo)致企業(yè)估值過(guò)高或過(guò)低的結(jié)果，對(duì)于企業(yè)融資和投資者投資有不利影響。另外，有受訪者表示，希望得到對(duì)于企業(yè)較為關(guān)鍵的指標(biāo)，并通過(guò)分析各個(gè)關(guān)鍵指標(biāo)對(duì)企業(yè)價(jià)值的貢獻(xiàn)來(lái)衡量其重要程度，這樣有助于企業(yè)有針對(duì)性地進(jìn)行提升。

通過(guò)訪談資料分析發(fā)現(xiàn)，實(shí)際評(píng)估中更關(guān)注科技型中小企業(yè)研發(fā)能力、團(tuán)隊(duì)素質(zhì)等非財(cái)務(wù)指標(biāo)，對(duì)于市場(chǎng)相關(guān)指標(biāo)并不過(guò)分關(guān)注，且科技部、財(cái)政部、國(guó)家稅務(wù)總局公布的《科技型中小企業(yè)評(píng)價(jià)辦法》中主要聚焦于研發(fā)與人員的評(píng)價(jià)，故僅保留了研發(fā)、團(tuán)隊(duì)相關(guān)指標(biāo)。由于越來(lái)越多的企業(yè)已將員工門檻定為本科學(xué)歷，故對(duì)于科技型中小企業(yè)而言，本科以上比例并不能體現(xiàn)智力資本的質(zhì)量，故設(shè)計(jì)了碩士以上比例指標(biāo)。此外，受訪者均表示文獻(xiàn)分析得來(lái)的財(cái)務(wù)指標(biāo)已形成較為完善的體系，故保留了這些財(cái)務(wù)指標(biāo)，同時(shí)結(jié)合官方發(fā)布的財(cái)務(wù)評(píng)價(jià)指標(biāo)進(jìn)行修改?；诖?，初步形成較為全面的科技型中小企業(yè)價(jià)值評(píng)估指標(biāo)體系（見(jiàn)圖5）。

圖5 科技型中小企業(yè)價(jià)值評(píng)估指標(biāo)

2.3 關(guān)鍵估值指標(biāo)

結(jié)合德?tīng)柗品▽?duì)初步得到的估值指標(biāo)進(jìn)行篩選，構(gòu)成本研究網(wǎng)絡(luò)的關(guān)鍵輸入指標(biāo)。首先，通過(guò)首輪函詢確定專家的基本信息，根據(jù)專家對(duì)此研究領(lǐng)域的熟悉程度對(duì)專家的專業(yè)性進(jìn)行評(píng)估，并采納或去除現(xiàn)評(píng)價(jià)指標(biāo)體系中的部分指標(biāo)。首輪共函詢23 位專家，有19 位專家應(yīng)答，應(yīng)答率達(dá)到82.6%。其次，根據(jù)首輪的結(jié)果對(duì)指標(biāo)體系進(jìn)行問(wèn)卷修正，并進(jìn)行第2 輪函詢。第2 輪共有19 位專家給予回復(fù)，響應(yīng)率為100%。鑒于應(yīng)答率在70%以上可認(rèn)為專家響應(yīng)度較高，因而本研究具有一定專家認(rèn)可度與研究?jī)r(jià)值。由于指標(biāo)體系在第2 輪函詢就已達(dá)成一致，故僅進(jìn)行兩輪專家意見(jiàn)問(wèn)詢。經(jīng)計(jì)算，專家權(quán)威度為0.81，大于0.70，因此判定所選擇的專家組的意見(jiàn)較為可信。綜合兩輪結(jié)果得到與本研究問(wèn)題相適應(yīng)的科技型中小企業(yè)價(jià)值評(píng)估關(guān)鍵指標(biāo)，如圖6 所示。

圖6 科技型中小企業(yè)價(jià)值評(píng)估關(guān)鍵指標(biāo)

3 輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)估值模型

3.1 數(shù)據(jù)集建立

由于科技型中小企業(yè)多在創(chuàng)業(yè)板上市，因此在國(guó)泰安數(shù)據(jù)庫(kù)以及同花順官網(wǎng)進(jìn)行相關(guān)數(shù)據(jù)收集。將導(dǎo)出的數(shù)據(jù)整理成Excel 表格并進(jìn)行數(shù)據(jù)清洗，為減少無(wú)效值對(duì)模型的影響，將其刪除之后進(jìn)行人工復(fù)查。共使用1 000 組樣本，其中800 組作為訓(xùn)練集，200 組作為測(cè)試集。本研究所收集的數(shù)據(jù)并不完全集中在某一區(qū)間，具有多樣性，且存在一些極端數(shù)據(jù)，能更好地探究模型的魯棒性。為降低原始數(shù)據(jù)之間因衡量尺度不一致對(duì)目標(biāo)函數(shù)貢獻(xiàn)程度所造成的影響，通過(guò)正態(tài)標(biāo)準(zhǔn)化來(lái)進(jìn)行預(yù)處理以消除數(shù)據(jù)量綱。指標(biāo)說(shuō)明和計(jì)算方法如表2 所示。

表2 科技型中小企業(yè)價(jià)值評(píng)估指標(biāo)說(shuō)明和計(jì)算方法

3.2 網(wǎng)絡(luò)設(shè)計(jì)

卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)主要包括輸入層、卷積層、激活層、批歸一化層、池化層以及全連接層，在應(yīng)用中，根據(jù)研究問(wèn)題對(duì)以上各層進(jìn)行個(gè)性化增減。對(duì)于深層的卷積神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，有時(shí)會(huì)出現(xiàn)加深網(wǎng)絡(luò)模型性能反而下降的情況，而跳躍連接（shortcut connections）能夠很好地解決這個(gè)問(wèn)題。跳躍連接是指為防止梯度彌散與過(guò)擬合問(wèn)題，人為地跳過(guò)一些層，并將一層的輸出作為下一層的輸入。網(wǎng)絡(luò)中出現(xiàn)退化問(wèn)題主要是因?yàn)樵诰矸e神經(jīng)網(wǎng)絡(luò)的反向傳播過(guò)程中需要更新梯度，而梯度會(huì)隨著網(wǎng)絡(luò)的加深逐漸消失，繼而影響模型的學(xué)習(xí)性能，而跳躍連接通過(guò)跳過(guò)一些層，直接將原特征訓(xùn)練學(xué)習(xí)，有效避免了梯度減少到0 的情況，從而提升模型的訓(xùn)練速度與性能。此外，本研究并未設(shè)計(jì)池化層，而是用一個(gè)步長(zhǎng)為2 的卷積層進(jìn)行代替，因?yàn)槠溆?xùn)練效果與使用一個(gè)步長(zhǎng)為1 的卷積層和一個(gè)池化層是一樣的，但卻節(jié)省了運(yùn)算量與參數(shù)量，提高了模型的訓(xùn)練效率。

本研究具體的輕量卷積神經(jīng)網(wǎng)絡(luò)（TecNet）設(shè)計(jì)如圖7 所示。其中：（a）模塊是2 層卷積核，由尺寸為3×1、步長(zhǎng)為1 的卷積層連接一個(gè)批歸一化層和ReLU 激活層組成，支線是跳躍連接；（b）模塊是由一個(gè)步長(zhǎng)為2 的卷積層連接一個(gè)批歸一化層和ReLU 激活層，以及“卷積層+批歸一化層+ReLU 激活層”的組合組成。最終，網(wǎng)絡(luò)由兩組3 個(gè)（a）模塊與1 個(gè)（b）塊串聯(lián)后連接全局平均池化層與全連接層的17 層網(wǎng)絡(luò)組成，預(yù)處理的輸入數(shù)據(jù)經(jīng)過(guò)本研究搭建的卷積神經(jīng)網(wǎng)絡(luò)可自動(dòng)擬合出適用于科技型中小企業(yè)的估值模型，并輸出估值結(jié)果與可視化結(jié)果。

圖7 輕量卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.3 模型訓(xùn)練

經(jīng)過(guò)數(shù)據(jù)收集、數(shù)據(jù)清洗、標(biāo)準(zhǔn)化去量綱，得到最終的預(yù)處理數(shù)據(jù)集，通過(guò)K 折交叉驗(yàn)證避免數(shù)據(jù)集劃分的偶然性，將訓(xùn)練集的800 組數(shù)據(jù)輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。迭代過(guò)程中的損失函數(shù)值如圖8 所示。損失函數(shù)是用于衡量預(yù)測(cè)值與真值差距程度的函數(shù)，是反向傳播算法中的目標(biāo)函數(shù)，即網(wǎng)絡(luò)參數(shù)更新優(yōu)化的重要依據(jù)；其函數(shù)值代表預(yù)測(cè)與實(shí)際的誤差，該值越小代表預(yù)測(cè)值與真值越相近，也就證明擬合模型的性能越優(yōu)異、魯棒性越強(qiáng)。由圖8 可見(jiàn)，模型的收斂速度很快，10 代之前呈驟降狀態(tài)，前期處于急速更新優(yōu)化的狀態(tài)；50 代以后逐漸趨于平穩(wěn)，對(duì)于損失函數(shù)的更新有些波動(dòng)，這是由于網(wǎng)絡(luò)結(jié)合了余弦退火策略動(dòng)態(tài)調(diào)整學(xué)習(xí)率、避免陷入局部最優(yōu)；200 代后損失函數(shù)值已近于0，也就是說(shuō)預(yù)測(cè)值與真值十分接近，其擬合效果較好，且精度較高，至此模型已初步建立。

圖8 樣本數(shù)據(jù)的模型訓(xùn)練結(jié)果

本研究的訓(xùn)練方案對(duì)于研究問(wèn)題而言到后期已成功擬合，證明所設(shè)計(jì)的TecNet 是切實(shí)可行且有效的，能夠根據(jù)研究問(wèn)題與訓(xùn)練數(shù)據(jù)對(duì)估值模型進(jìn)行自動(dòng)擬合建立。圖8 的結(jié)果說(shuō)明模型訓(xùn)練效果較好，后期擬合平穩(wěn)，未出現(xiàn)欠擬合現(xiàn)象。此時(shí)，TecNet已初步學(xué)習(xí)了訓(xùn)練集的大部分特征，并自動(dòng)歸納出適用的估值模型，以待后續(xù)在測(cè)試集上驗(yàn)證其估值效果。

3.4 模型測(cè)試

TecNet 經(jīng)過(guò)在訓(xùn)練集上的特征學(xué)習(xí)，已擬合出有效的估值模型，為驗(yàn)證該模型的科學(xué)性與實(shí)用性，將TecNet 模型應(yīng)用于測(cè)試集觀察其性能。測(cè)試在測(cè)試集上完成，樣本容量為200 個(gè)，部分測(cè)試結(jié)果如圖9 所示。從擬合曲線可以初步看出測(cè)試樣本的預(yù)測(cè)值與真實(shí)值總體走向一致重合度較高，擬合效果較好，且未出現(xiàn)退化問(wèn)題，故可推斷模型擬合過(guò)程中并未發(fā)生過(guò)擬合現(xiàn)象，且具有優(yōu)秀的泛化性，證明模型的預(yù)測(cè)與估值效果較好。

圖9 樣本數(shù)據(jù)測(cè)試擬合曲線

從部分測(cè)試結(jié)果能夠看出（見(jiàn)表3），大部分樣本的相對(duì)誤差都保持在3%以下，而2020 與2021年預(yù)測(cè)結(jié)果的相對(duì)誤差稍高；5 家樣本企業(yè)中的4家均在2020 年獲得最大預(yù)測(cè)誤差，且2020 年誤差偏高的現(xiàn)象普遍存在。推測(cè)是由于2019 年年末遭遇新冠病毒感染疫情，股民心理受到影響，也對(duì)股市造成一定沖擊，對(duì)部分?jǐn)?shù)據(jù)造成影響，導(dǎo)致誤差有所波動(dòng)，但整體誤差仍在可接受范圍內(nèi)。

表3 樣本數(shù)據(jù)的部分測(cè)試結(jié)果

由表4 可知，有85%的測(cè)試樣本的相對(duì)誤差在5%以內(nèi)，90%測(cè)試樣本的相對(duì)誤差在10%以內(nèi)，94%的樣本相對(duì)誤差在20%以內(nèi)，相對(duì)誤差的比例在可接受域內(nèi)，達(dá)到了模型的預(yù)期要求；且測(cè)試集的平均相對(duì)誤差僅為3.43%，說(shuō)明TecNet 模型對(duì)于估值效果較好，在實(shí)際應(yīng)用中具有一定意義。觀察訓(xùn)練樣本與測(cè)試樣本的結(jié)果發(fā)現(xiàn)，測(cè)試結(jié)果與訓(xùn)練結(jié)果的相對(duì)誤差差距不大，可以推斷其并無(wú)欠擬合或過(guò)擬合現(xiàn)象發(fā)生，表明TecNet 模型適用于所研究的問(wèn)題且科學(xué)有效，其估值結(jié)果能夠作為科技型中小企業(yè)估值的客觀參考。

表4 測(cè)試樣本的誤差分布

圖10 呈現(xiàn)了TecNet 模型對(duì)10 家樣本企業(yè)2017—2021 年度預(yù)測(cè)值與真實(shí)值間的相對(duì)誤差。5年間相對(duì)估值誤差大部分在3%以下，表現(xiàn)出前段較低、后段偏高但具回落趨勢(shì)。其中，2017、2018年較低；2020、2021 年相對(duì)較高。推測(cè)受新冠病毒感染疫情影響，且其影響對(duì)于指標(biāo)數(shù)據(jù)與市值而言存在一定滯后性，故企業(yè)估值有些波動(dòng)；同時(shí)，有文獻(xiàn)表明新冠病毒感染疫情確實(shí)對(duì)股市造成一定負(fù)向沖擊，其中創(chuàng)業(yè)板因上市科技型企業(yè)多數(shù)具有規(guī)模小、市值低等特點(diǎn)故所受沖擊相對(duì)較少，但市值不可避免受到影響。雖然由新冠病毒感染疫情導(dǎo)致的股市突發(fā)負(fù)向沖擊這一短期事件對(duì)估值效果造成一定影響，但誤差仍在可接受范圍內(nèi)，且所造成的影響在2021 年已逐漸削弱?？梢?jiàn)，本研究建立的科技型中小企業(yè)估值模型具有很好的泛化能力，對(duì)于突發(fā)事件的影響有一定抵御能力，且由于使用的客觀數(shù)據(jù)能夠在很大程度上減少主觀因素的影響，故估值結(jié)果對(duì)于衡量科技型中小企業(yè)價(jià)值有一定參考意義。

圖10 基于TecNet 模型的樣本企業(yè)的預(yù)測(cè)值與真實(shí)值誤差走勢(shì)

3.5 敏感度分析

卷積神經(jīng)網(wǎng)絡(luò)的局部連接在節(jié)省了網(wǎng)絡(luò)參數(shù)并防止模型過(guò)擬合的同時(shí)，降低了模型的可解釋性。換言之，卷積神經(jīng)網(wǎng)絡(luò)無(wú)法回溯原始指標(biāo)對(duì)于最終輸出結(jié)果的具體貢獻(xiàn)值，輸入與輸出間無(wú)法用公式進(jìn)行顯示表示。故本研究進(jìn)行敏感度分析，將原始的關(guān)鍵輸入指標(biāo)分別提升5%，來(lái)觀察平均相對(duì)誤差的變化值，以此分析哪些指標(biāo)對(duì)于輸出的貢獻(xiàn)較大，并得到貢獻(xiàn)排序，基于此為科技型中小企業(yè)的成長(zhǎng)與發(fā)展提出有針對(duì)性的建議。隨機(jī)抽取50 個(gè)樣本，將其原始關(guān)鍵輸入指標(biāo)分別上浮5%，觀察網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的平均相對(duì)誤差變化情況（見(jiàn)圖11）。

圖11 樣本企業(yè)估值的關(guān)鍵指標(biāo)貢獻(xiàn)程度

由圖11 可知，碩士以上比例、研發(fā)投入占營(yíng)業(yè)收入比例與專利數(shù)3 個(gè)指標(biāo)對(duì)于科技型中小企業(yè)的估值最為敏感，浮動(dòng)程度分別為16.51%、16.10%和11.87%；其次是研發(fā)人員數(shù)量占比與無(wú)形資產(chǎn)比率，浮動(dòng)程度分別為9.98%和9.06%。其中，研發(fā)投入占營(yíng)業(yè)收入比例、專利數(shù)與無(wú)形資產(chǎn)比率可代表企業(yè)的研發(fā)能力，碩士以上比例與研發(fā)人員占比能夠在一定程度上衡量企業(yè)的智力資本。也就是說(shuō)，在科技型中小企業(yè)估值過(guò)程中，研發(fā)能力與智力資本是尤為重要。因此，科技型中小企業(yè)若想更加有效地對(duì)自身價(jià)值進(jìn)行提升，可以主要從研發(fā)能力與智力資本兩個(gè)方向切入，即通過(guò)提升整體員工學(xué)歷層次、增加碩士及以上人才比例、提高核心業(yè)務(wù)的研發(fā)人員占比、改善員工結(jié)構(gòu)等來(lái)賦能智力資本；或是通過(guò)適當(dāng)加大研發(fā)投入、提升無(wú)形資產(chǎn)占比，促進(jìn)技術(shù)升級(jí)，掌握核心技術(shù)以提高企業(yè)研發(fā)能力，加快技術(shù)落地，從而形成自身的創(chuàng)新優(yōu)勢(shì)與發(fā)展路徑，有效提升企業(yè)價(jià)值。

此外，在財(cái)務(wù)指標(biāo)中，對(duì)科技型中小企業(yè)估值貢獻(xiàn)較大的指標(biāo)為償債能力相關(guān)指標(biāo)，其中資產(chǎn)負(fù)債率可體現(xiàn)企業(yè)的長(zhǎng)期償債能力，而流動(dòng)比率與速動(dòng)比率則能夠反映其短期償債能力。適當(dāng)舉債經(jīng)營(yíng)能夠創(chuàng)造更多經(jīng)濟(jì)價(jià)值，尤其是對(duì)于科技型中小企業(yè)這類前期盈利較低的企業(yè)來(lái)說(shuō)，可以適度負(fù)債；同時(shí)合理利用財(cái)務(wù)杠桿能夠促進(jìn)企業(yè)發(fā)展與健康成長(zhǎng)，提升企業(yè)自身價(jià)值。對(duì)于科技型中小企業(yè)這類輕資產(chǎn)企業(yè)而言，其估值對(duì)于償債能力較為敏感，企業(yè)可以通過(guò)預(yù)測(cè)結(jié)果，結(jié)合經(jīng)營(yíng)狀況選擇合適的負(fù)債占比，以及時(shí)規(guī)避風(fēng)險(xiǎn)并優(yōu)化價(jià)值創(chuàng)造，同時(shí)通過(guò)靈活調(diào)整經(jīng)營(yíng)策略來(lái)提升自身價(jià)值。

4 結(jié)論

本研究圍繞如何科學(xué)地對(duì)科技型中小企業(yè)估值的問(wèn)題，采用文獻(xiàn)分析、TF-IDF 與德?tīng)柗品ㄏ嘟Y(jié)合的方法，構(gòu)建了包括研發(fā)能力、團(tuán)隊(duì)素質(zhì)、盈利能力、償債能力、發(fā)展能力與經(jīng)營(yíng)能力在內(nèi)的6 個(gè)方面14 項(xiàng)關(guān)鍵指標(biāo)，結(jié)合深度學(xué)習(xí)方法設(shè)計(jì)輕量卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并基于大數(shù)據(jù)訓(xùn)練自動(dòng)擬合得到適宜的估值模型；由模型輸出的可視化結(jié)果可知，訓(xùn)練過(guò)程中模型的擬合呈向好趨勢(shì)，且擬合速度較快，模型學(xué)習(xí)能力較強(qiáng)。在測(cè)試集上驗(yàn)證模型效果發(fā)現(xiàn)，模型預(yù)測(cè)的擬合曲線與真值重合度較高，平均相對(duì)誤差僅為3.43%，且90%的樣本相對(duì)誤差在10%以下，達(dá)到模型可用的標(biāo)準(zhǔn)，故此模型十分適用于本研究的問(wèn)題。從敏感度分析結(jié)果可知，碩士以上比例、研發(fā)投入占營(yíng)業(yè)收入比例與專利數(shù)指標(biāo)對(duì)科技型中小企業(yè)估值的貢獻(xiàn)較大，因此，科技型中小企業(yè)的發(fā)展應(yīng)緊密貼合其關(guān)鍵指標(biāo)的作用程度，提高智力資本，促進(jìn)技術(shù)創(chuàng)新升級(jí)；同時(shí)，加強(qiáng)相關(guān)數(shù)據(jù)的披露，以便今后進(jìn)一步研發(fā)出更加科學(xué)有效的估值模型，以提高估值準(zhǔn)確度，為融資提供客觀參考，帶動(dòng)企業(yè)持續(xù)高質(zhì)量發(fā)展。