■ 付揚揚 仇曉潔

創(chuàng)業(yè)板，又稱二板市場，是專為暫時無法在主板上市的創(chuàng)業(yè)型企業(yè)、中小企業(yè)和高科技產(chǎn)業(yè)企業(yè)等需要進行融資和發(fā)展的企業(yè)提供融資途徑和成長空間的證券交易市場。在創(chuàng)業(yè)板市場上市的公司大多從事高科技業(yè)務，具有較強的成長性，但往往成立時間較短規(guī)模較小，業(yè)績也不突出[1]。由于創(chuàng)業(yè)板上市公司的股份波動性比較大，公司價值存在被高估或者低估的現(xiàn)象，給投資者帶來困擾，鑒于此，如何準確評估創(chuàng)業(yè)板上市公司價值就顯得相當重要。

目前國內(nèi)外對于創(chuàng)業(yè)板上市公司價值評估方法有兩種途徑，一種是傳統(tǒng)的評估方法，主要是市場法和收益法。市場法要求修正的系數(shù)有很多，不免摻雜過多主觀因素，而且創(chuàng)業(yè)板市場的每一個公司都有其特殊性，難以找到參照物；考慮到創(chuàng)業(yè)板上市公司的波動性，公司的未來收益不具有穩(wěn)定性，這就限制了收益法中的現(xiàn)金流量模型的應用。另一種則是通過建立數(shù)學模型來評估，包括資本資產(chǎn)定價模型、經(jīng)濟增加值（EVA）理論、布萊克-斯科爾斯（B-S）模型、實物期權法等等[2]，這些都是有著嚴格假設的評估方法，在實際運用中容易受到商業(yè)運作模式和行業(yè)產(chǎn)業(yè)性質(zhì)差異的影響，很大程度上不適合我國創(chuàng)業(yè)板上市公司的價值評估。為了彌補目前國內(nèi)外所使用的傳統(tǒng)評估方法和數(shù)學模型方法評估的缺陷和不足，本文提出了基于BP神經(jīng)網(wǎng)絡的創(chuàng)業(yè)板上市公司企業(yè)價值評估模式。

本文提出BP神經(jīng)網(wǎng)絡不需要任何精確的數(shù)學模型，而且在評估領域沒有任何前提和假設，所以克服了B-S模型和EVA理論等數(shù)學模型方法的缺陷。再者，BP神經(jīng)網(wǎng)絡不限制任何類型的公司，樣本數(shù)據(jù)全部來自于企業(yè)的客觀數(shù)據(jù)，不需要預測公司的未來收益，模型建立過程全部借助于計算機，避免了人為的主觀影響，所以克服了傳統(tǒng)評估方法的缺陷，減少評估時間，提高了企業(yè)價值評估的時效性、精確度和客觀性。

一、BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡是人工神經(jīng)網(wǎng)絡研究分支中的一種，借助數(shù)學模型和統(tǒng)計軟件研究人腦細胞活動的一種工具，目前應用比較成熟和廣泛。BP神經(jīng)網(wǎng)絡無需事先確定輸入輸出之間映像關系的數(shù)學方程，僅通過自身的訓練，學習某種規(guī)則，在給定輸入值時得到最接近期望輸出值的結果。如下圖1所示，給出了BP神經(jīng)網(wǎng)絡的基本原理圖。從圖中可以看出，BP神經(jīng)網(wǎng)絡有五個要素：輸入神經(jīng)元X1、X2等，也就是企業(yè)價值評估中所選擇的各個指標；連接權重Wi；激勵電平或閾值θ，也就是模型仿真中設置的最小誤差值；輸出神經(jīng)元y0，也就是公司價值；學習訓練過程。

圖1 BP神經(jīng)網(wǎng)絡基本原理圖

BP神經(jīng)網(wǎng)絡的計算過程由正向傳播過程和誤差反向傳播過程組成。正向傳播過程，輸入信號從輸入層經(jīng)隱含層逐層處理，中間經(jīng)過非線性變化，并轉(zhuǎn)向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差反向傳播，將誤差信號沿原來的連接通路返回，通過修改各神經(jīng)元的權值或閾值，使誤差沿梯度負方向下降，經(jīng)過反復學習訓練，最終使得誤差最小[3]。

二、創(chuàng)業(yè)板公司價值評估指標體系確定

在過去學者研究論證的基礎上，經(jīng)過歸納總結，并考慮到創(chuàng)業(yè)板上市公司的特殊性，在經(jīng)過實證分析后，將公司價值的影響因素概括為償債能力、營運能力、盈利能力、發(fā)展能力、企業(yè)規(guī)模、創(chuàng)新能力和治理能力等7個方面，既考慮了財務因素又考慮了非財務因素。每個影響因素下都會有很多的具體指標，由于相同的影響因素下的不同指標會產(chǎn)生自相關，且經(jīng)過SPSS19.0實證分析確實會產(chǎn)生這種問題，所以本文就每一影響因素只選擇一個相對較重要的指標作為二級指標。

1.償債能力因素。償債能力是指企業(yè)以其資產(chǎn)償還短期負債和長期負債的能力。企業(yè)有無支付現(xiàn)金的能力和償還債務能力，是企業(yè)能否健康生存和發(fā)展的關鍵。負債經(jīng)營能夠幫助因資金不足而不能正常發(fā)展的企業(yè)走出困境，也可以使經(jīng)營較好的企業(yè)不斷擴大再生產(chǎn)，發(fā)揮負債的財務杠桿效應，提高企業(yè)價值。但企業(yè)負債經(jīng)營也使企業(yè)經(jīng)營往往伴隨著一定的風險，如果經(jīng)營不善，會導致公司資不抵債，價值迅速下降，最終破產(chǎn)清算。衡量償債能力的指標包括流動比率、速動比率、現(xiàn)金比率和利息支付倍數(shù)等?？紤]到速動資產(chǎn)剔除了存貨等變現(xiàn)能力較弱的資產(chǎn)，因此，速動比率相對流動比率能夠更加準確可靠評價企業(yè)資產(chǎn)的流動性及其償還短期負債的能力，所以本文選擇速動比率作為償債能力影響因素的二級指標。

2.營運能力因素。營運能力是指企業(yè)的經(jīng)營運行能力，即企業(yè)運用各項資產(chǎn)以賺取利潤的能力。企業(yè)營運能力的財務分析比率有：存貨周轉(zhuǎn)率、應收賬款周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率等。企業(yè)資產(chǎn)周轉(zhuǎn)越快，流動性越高，企業(yè)的償債能力越強，資產(chǎn)獲取利潤的速度就越快，對于提高公司價值越明顯。存貨是流動資產(chǎn)中最重要的組成部分，往往達到流動資產(chǎn)總額的一半以上[4]。因此，存貨的質(zhì)量和流動性對企業(yè)的速動比率具有舉足輕重的影響并進而影響企業(yè)價值，所以本文選擇存貨周轉(zhuǎn)率作為營運能力影響因素的二級指標。

3.盈利能力因素。盈利能力是指企業(yè)獲取利潤的能力，企業(yè)的盈利能力越強，則其給予股東的回報越高，企業(yè)價值越大。衡量企業(yè)盈利能力一般采用相對指標，常用的指標主要包括銷售毛利率、銷售凈利率、總資產(chǎn)報酬率、凈資產(chǎn)收益率和凈利潤等。凈資產(chǎn)收益率ROE作為杜邦分析的核心，對于衡量企業(yè)盈利能力起到很好的詮釋作用，所以本文選擇凈資產(chǎn)收益率作為盈利能力因素的二級指標。

4.發(fā)展能力因素。企業(yè)的發(fā)展能力，也稱企業(yè)的成長性，它是企業(yè)通過自身的生產(chǎn)經(jīng)營活動，不斷擴大積累而形成的發(fā)展?jié)撃堋Ｒ恍┕究赡墚斍暗馁~面價值不是很好，甚至低于行業(yè)平均水平，但是如果考慮到企業(yè)潛在的高成長性和研發(fā)能力，未來幾年，公司發(fā)展可能會出現(xiàn)爆發(fā)式增長。創(chuàng)業(yè)板上市公司大部分都是這種具有潛在發(fā)展能力的公司。本文選擇主營業(yè)務增長率作為發(fā)展能力影響因素的二級指標。

5.企業(yè)規(guī)模因素。傳統(tǒng)經(jīng)濟學理論認為，企業(yè)規(guī)模越大，會產(chǎn)生規(guī)模效應，降低企業(yè)成本，從而提高企業(yè)利潤，企業(yè)價值水漲船高。通過對上市公司資產(chǎn)負債表上企業(yè)總資產(chǎn)價值的分析，外部投資者也會對上市公司價值的大小有一個初步直觀的認定。因此，本文選擇資產(chǎn)負債表上的總資產(chǎn)作為企業(yè)規(guī)模因素的二級指標。

6.創(chuàng)新能力因素。企業(yè)創(chuàng)新能力就是企業(yè)在多大程度上能夠系統(tǒng)地完成與創(chuàng)新有關的各項活動能力。創(chuàng)新自進入21世紀已經(jīng)成為各個國家多次提及的熱門詞匯。創(chuàng)新可以使一個即將衰敗的企業(yè)起死回生。特別是對創(chuàng)業(yè)板上市公司來說，它們的無形資產(chǎn)質(zhì)量、研發(fā)費用比重、研發(fā)成功率大小等等，都很大程度上決定其創(chuàng)新水平高低，而創(chuàng)新水平最終會影響到企業(yè)價值，影響公司的成敗。本文選擇研發(fā)費用比率作為創(chuàng)新能力影響因素的二級指標。

7.治理能力因素。委托代理問題是現(xiàn)代企業(yè)制度產(chǎn)生的最大的問題，由于委托代理而產(chǎn)生的代理成本也常常使眾多企業(yè)管理層苦不堪言。公司治理結構是現(xiàn)代企業(yè)制度的核心內(nèi)容，它的合理與否是影響企業(yè)績效的重要因素之一。良好的公司治理可以促進企業(yè)股權結構合理化，加強企業(yè)內(nèi)部控制，降低企業(yè)代理成本，增強企業(yè)核心競爭力，提高企業(yè)的經(jīng)營業(yè)績和價值。企業(yè)董事會中獨立董事的多少會影響到公司的治理水平，所以本文選擇獨立董事比率作為治理能力影響因素的二級指標。

綜上，最終確定影響創(chuàng)業(yè)板上市公司價值的因素以及對應指標如下表1所示。

表1 指標體系

三、數(shù)據(jù)來源

本文經(jīng)過對創(chuàng)業(yè)板上市公司的初步篩選，排除數(shù)據(jù)缺失、數(shù)據(jù)異常及目前停牌等相關公司，最終選取創(chuàng)業(yè)板上市的49家上市公司作為模型建立的樣本。從國泰安CSMAR數(shù)據(jù)庫以及各個公司的財務報表上整理得到46家上市公司2016年12月31日相關的指標數(shù)據(jù)作為建立模型的樣本，然后利用建立的BP神經(jīng)網(wǎng)絡模型對另外選取的3家創(chuàng)業(yè)板上市公司在2016年12月31日的市場價值進行評估，與實際市值進行比較以驗證模型的準確性。

從數(shù)據(jù)庫獲取的數(shù)據(jù)不適于直接用于建立神經(jīng)網(wǎng)絡模型，神經(jīng)網(wǎng)絡模型具有非線性輸入輸出關系，雖然對獲得數(shù)據(jù)不做特別預處理也能夠直接學習，但是經(jīng)過恰當?shù)念A處理可以提高網(wǎng)絡的收斂速度，提高輸出精度。為了提高所建立模型的精確度，本文選擇將數(shù)據(jù)進行預處理，一般的預處理方法為歸一化，即將每一組數(shù)據(jù)的范圍線性壓縮到0-1之間，這樣減少了數(shù)據(jù)的動態(tài)范圍，提高計算收斂速度。在此采用線性處理方法,其變換關系式為：x?=(x-min)/(max-min) 其中max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值。

四、創(chuàng)業(yè)板上市公司價值評估的BP神經(jīng)網(wǎng)絡模型建立

本文采用SPSS19.0統(tǒng)計軟件中的神經(jīng)網(wǎng)絡MLF工具進行BP神經(jīng)網(wǎng)絡的構建。

1.網(wǎng)絡層數(shù)的確定。BP神經(jīng)網(wǎng)絡結構包括了輸入層、隱含層和輸出層，1989年Robert Hetht-Nielson證明:在多層前向網(wǎng)絡中隱含層神經(jīng)元可以根據(jù)需要自由設置的情況下,3層網(wǎng)絡可以實現(xiàn)逼近任意的具有有限個間斷點的連續(xù)非線性函數(shù)。因此本文選擇具有一個隱含層的三層神經(jīng)網(wǎng)絡。

2.輸入神經(jīng)元的確定。輸入層神經(jīng)元個數(shù)的確定應該根據(jù)所分析模型的影響因素來確定，從表1可以看出，本文選取了7個影響創(chuàng)業(yè)板上市公司的指標進行分析，分別是ROE、存貨周轉(zhuǎn)率、速動比率、總資產(chǎn)、主營業(yè)務增長率、研發(fā)費用比率和獨立董事比率，因此，輸入層神經(jīng)元數(shù)確定為7。

3.輸出神經(jīng)元的確定。本模型只有一個輸出，即市值，因此輸出層只有一個神經(jīng)元。

4.分區(qū)的確定。初次建模，先抽樣70%作為訓練樣本，用于完成自學習構建神經(jīng)網(wǎng)絡模型，30%作為檢驗樣本，用于評估所建立模型的性能，暫不分配支持樣本。

5.隱含層神經(jīng)元的確定。在確定了輸入層神經(jīng)元和輸出層神經(jīng)元之后，隱含層神經(jīng)元數(shù)目的選擇用以下公式確定：（m=輸出神經(jīng)元數(shù)，n=輸入單元數(shù)，α為[1,10]之間的常數(shù)）。α從1開始取值，逐步遞增，如不成功則再增加隱含層單元數(shù)，直到學習收斂。通過此種方法并結合SPSS19.0神經(jīng)網(wǎng)絡擬合效果分析，最終確定5個隱含層神經(jīng)元。

6.激活函數(shù)的確定。神經(jīng)網(wǎng)絡中激活函數(shù)的主要作用是提供網(wǎng)絡的非線性建模能力。神經(jīng)網(wǎng)絡加入激活函數(shù)之后，才具備了分層的非線性映像以及深度學習能力。本文選擇相對于Sigmod函數(shù)改進的雙曲正切函數(shù)作為隱含層和輸出層的激活函數(shù)。

7.神經(jīng)網(wǎng)絡的訓練。BP算法的基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。學習過程的本質(zhì)就是對各連接權和所有功能的閾值進行動態(tài)調(diào)整。本文的權值調(diào)整策略采用在線的梯度下降法。

8.模擬輸出。網(wǎng)絡訓練完成后，將待評估組的輸入向量輸入到所建立的神經(jīng)網(wǎng)絡，通過調(diào)用模型，運算便可得到輸出值，該輸出值即為待評估組的市值。

五、仿真結果

（一）結果

經(jīng)過上述分析之后，系統(tǒng)的仿真過程，是計算機在獲取數(shù)據(jù)后，神經(jīng)網(wǎng)絡系統(tǒng)經(jīng)系統(tǒng)計算后計算權值，建立模型并輸出相應結果的過程。本文得出的神經(jīng)網(wǎng)絡模型如圖2所示、自變量重要性分析如表2所示。

從圖2所得BP神經(jīng)網(wǎng)絡模型圖可以看出，輸入層包括7個神經(jīng)元，隱含層包括5個神經(jīng)元，其中一個偏差神經(jīng)元是由SPSS19.0系統(tǒng)自動生成，主要是用于對模型進行修正，輸出層包含一個神經(jīng)元。其中每一個神經(jīng)元的權值大小都能得到體現(xiàn)，正數(shù)權值用灰色連接線表示，負數(shù)權值用藍色連接線表示，而且連接線的粗細表示權值絕對值的大小，連接線越粗，權值的絕對值越大，相反，連接線越細，權值的絕對值越小。具體的權數(shù)大小如表2所示。

從表2所給自變量重要性分析可以看出，對于企業(yè)價值影響程度從大到小的因素依次為企業(yè)規(guī)模、盈利能力、經(jīng)營能力、治理能力、發(fā)展能力、償債能力和創(chuàng)新能力。顯而易見，影響企業(yè)價值的兩個主要因素的是公司規(guī)模和盈利能力，其它影響因素影響程度相對較小。

前文已經(jīng)分析，影響企業(yè)價值最大的因素企業(yè)規(guī)模的規(guī)模效應，有助于降低產(chǎn)品的成本，減少企業(yè)費用，進而提高企業(yè)利潤，提高企業(yè)價值。但是，并不是規(guī)模越大對企業(yè)價值越好，企業(yè)規(guī)模是一個適度指標，如果企業(yè)規(guī)模過大，會大幅增加企業(yè)的管理成本，包括委托代理問題產(chǎn)生的委托代理成本，產(chǎn)生所謂“尾大不掉”的負面效應。因而，企業(yè)應該適度控制企業(yè)規(guī)模，防止給企業(yè)帶來負面效應。

盈利能力作為企業(yè)價值的第二個重要影響因素，對于公司價值的提升也很明顯。上市公司披露的年度報告，財務報表中有一張專門的利潤表來反映企業(yè)盈利能力，足見盈利能力對于企業(yè)生存和發(fā)展的重要性。盈利能力越強，對于提升企業(yè)價值越有利。由此可見，企業(yè)出色和穩(wěn)定的盈利能力直接能帶動企業(yè)價值的提升。

而其它對企業(yè)價值影響程度相對較小的因素，如經(jīng)營能力、治理能力、發(fā)展能力、償債能力和創(chuàng)新能力的提高，也都對企業(yè)價值提升有顯著的促進作用。

表2 自變量的重要性

（二）驗證

本文采用另外選擇的3個創(chuàng)業(yè)板上市公司的相關數(shù)據(jù)來檢驗構建的神經(jīng)網(wǎng)絡模型的準確性。評估基準日仍設定為2016年12月31日，使用三家公司的相應的指標數(shù)據(jù)為測試樣本數(shù)據(jù)，調(diào)用前面得到的神經(jīng)網(wǎng)絡模型進行運算得到了這三家企業(yè)價值神經(jīng)網(wǎng)絡預測值。又另外運用了企業(yè)價值評估應用較多的B-S模型、EVA模型法和現(xiàn)金流量法分別測算了這三家公司的企業(yè)價值預測值，所得結果如表3所示。

表中可以看出，調(diào)用前面得到的神經(jīng)網(wǎng)絡模型進行運算后得到公司股票代碼為300020的輸出值為10 348.35百萬元，與實際值相比，相對誤差為-2.44%；公司股票代碼為300037的輸出值為9 310.84百萬元，與實際值相比，相對誤差為2.63%；公司股票代碼為300054的輸出值為10 864.60百萬元，與實際值相比，相對誤差為1.95%。由上述檢驗資料可以看出，運用本文BP神經(jīng)網(wǎng)絡模型得到的結果與實際價值差額不大。

另外從表中可以看出，神經(jīng)網(wǎng)絡模型所得預測值誤差均低于另外三種方法的預測值誤差，由此可見，BP神經(jīng)網(wǎng)絡模型相對其它方法已有了很大的改進，提高了企業(yè)價值評估的準確度。綜上，本文認為可以應用BP神經(jīng)網(wǎng)絡模型對創(chuàng)業(yè)板上市公司價值進行評估。

六、結論與建議

（一）結論

本文經(jīng)過建模以及結果分析之后，可以得出以下結論：

表3 創(chuàng)業(yè)板三家公司不同預測值偏差結果 （單位：百萬元）

1.論證了BP神經(jīng)網(wǎng)絡用于創(chuàng)業(yè)板上市公司企業(yè)價值評估的適用性和有效性。BP 神經(jīng)網(wǎng)絡具有強大的非線性映射能力、自我學習能力等優(yōu)點，本文引入 BP 神經(jīng)網(wǎng)絡，構建神經(jīng)網(wǎng)絡評估模型。從上述進行BP神經(jīng)網(wǎng)絡建模過程可以看出，基于BP神經(jīng)網(wǎng)絡對創(chuàng)業(yè)板上市公司價值評估模型相對較為簡便，且建模精度較高，能夠提高評估的準確度。在經(jīng)過3家創(chuàng)業(yè)板公司實證檢驗后， BP神經(jīng)網(wǎng)絡對創(chuàng)業(yè)板公司價值評估模型所計算出的結果與實際價值是基本相符的，這驗證了模型在創(chuàng)業(yè)板公司價值評估中的適用性和有效性。

2.驗證了BP神經(jīng)網(wǎng)絡模型的準確性。從表3所給出的BP神經(jīng)網(wǎng)絡預測值和B-S模型、EVA模型和現(xiàn)金流量法預測值相對誤差對比可以看出BP神經(jīng)網(wǎng)絡能夠提高企業(yè)價值評估的精確度，從而驗證了BP神經(jīng)網(wǎng)絡模型的準確性。

3.投資者的風險。在模型建立的過程中可以看出，我國創(chuàng)業(yè)板上市公司仍然存在著很大發(fā)展?jié)摿鸵欢ǖ耐顿Y價值。但局部而言仍然存在少數(shù)企業(yè)的價值被低估，以及個別企業(yè)的價值被高估的現(xiàn)象，創(chuàng)業(yè)板各產(chǎn)業(yè)上市公司發(fā)展并不均衡，也給外部投資者帶來一定的決策風險。

4.影響創(chuàng)業(yè)板公司價值的兩大重要因素分別是公司規(guī)模和企業(yè)盈利能力。本次實證分析得到對企業(yè)價值影響最大的兩個因素分別是企業(yè)規(guī)模和盈利能力，分別是非財務指標和財務指標。涉及非財務指標的企業(yè)規(guī)模是一個適度指標，而涉及財務指標的盈利能力則越強越好。對于管理者而言，應該在注意控制企業(yè)規(guī)模適度的同時努力提高企業(yè)盈利能力。對于投資者而言，在創(chuàng)業(yè)板投資首先考慮的應該是公司的規(guī)模和其盈利能力大小。

（二）建議

1.對于管理者而言，需要注意合理控制企業(yè)規(guī)模，注重企業(yè)價值增長。在公司發(fā)展過程中，不必局限于企業(yè)的規(guī)模和數(shù)量，而應該看中企業(yè)的內(nèi)在發(fā)展質(zhì)量，提高企業(yè)的實際價值增長。另外，還要特別注重提高產(chǎn)品質(zhì)量，拓寬銷售管道，增強盈利能力。合理控制企業(yè)日常經(jīng)營成本，開源節(jié)流，提高盈利水平，實現(xiàn)企業(yè)價值的可持續(xù)增長。最后，面對日益重要的創(chuàng)新能力，企業(yè)應該下功夫、花時間塑造企業(yè)核心競爭力，走創(chuàng)新發(fā)展道路賺取超額利潤。

2.對于投資者而言，因為創(chuàng)業(yè)板上市公司的發(fā)展極不穩(wěn)定，價值存在被高估或者低估的現(xiàn)象，投資者應該著眼于上市公司公開披露的財務報表，分析財務指標，以各項指標相對較優(yōu)的公司作為投資對象。另外，除了關注企業(yè)的財務指標，還應該重視非財務指標的分析，包括前文提到的創(chuàng)新能力，治理能力等。不僅要搜集公開披露的報表數(shù)據(jù)，還應該深入公司考察情況，以現(xiàn)場咨詢，走訪等形式獲取公司的第一手資料，這樣能更好地把握企業(yè)的真實價值。

通過BP神經(jīng)網(wǎng)絡的運用，本文發(fā)現(xiàn)了BP神經(jīng)網(wǎng)絡的些許不足，在使用時應該注意。從數(shù)學角度看，BP算法為一種局部搜索的優(yōu)化方法，它是為了求解復雜非線性函數(shù)的全局極值，因此，算法可能會陷入局部極值的循環(huán)。另外，網(wǎng)絡結構和隱含層神經(jīng)元個數(shù)的選擇尚無一種統(tǒng)一而完整的理論指導，一般只能由經(jīng)驗選定[5]。