基于轻量级卷积神经网络的科技型中小企业估值研究.pdf
《基于轻量级卷积神经网络的科技型中小企业估值研究.pdf》由会员分享,可在线阅读,更多相关《基于轻量级卷积神经网络的科技型中小企业估值研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、Scienceand Techement Researchn010vian20233No.142023年第1 4期科技管理研究doi:10.3969/j.issn.1000-7695.2023.14.006基于轻量级卷积神经网络的科技型中小企业估值研究田庆锋1,徐朗2(1.西北工业大学管理学院,陕西西安710129;2.中国航发沈阳黎明航空发动机有限责任公司,辽宁沈阳110043)摘要:对科技型中小企业进行科学合理估值有利于其募集资金从而健康发展,但传统估值方法的准确度和适用性均有待考量。鉴于此,利用文献分析与关键词提取方法,初步从相关文献中提取科技型中小企业估值指标,并通过德尔菲法筛选得到能
2、体现科技型中小企业核心能力的关键指标;进一步设计轻量级卷积神经网络(TecNet)结构,基于大数据训练构建适用于科技型中小企业的估值模型;最后以1 0 家样本企业为例,对其2 0 1 7 一2 0 2 1 年度预测值与真实值相对误差进行拟合分析以及敏感度分析,以验证所构建估值模型的有效性。结果表明:模型预测的拟合曲线与真值重合度较高,平均相对误差为3.43%,且9 0%的样本的相对误差在1 0%以内,说明TecNet模型具有科学有效性;将关键指标提升5%时,硕士及以上比例、研发投入占营业收入比例以及专利数对估值结果浮动程度最高,分别为1 6.51%、1 6.1 0%和1 1.8 7%,表明科技
3、型中小企业价值对这3项指标最为敏感。因此,科技型中小企业发展应着眼于其关键指标,通过优化员工学历层次、加大研发投入等措施提高智力资本,并持续加强技术创新。关键词:企业估值;价值评估;估值模型;卷积神经网络;拟合分析;敏感度分析;科技型中小企业中图分类号:F272.5;G 30 1文献标志码:A文章编号:1 0 0 0-7 6 9 5(2 0 2 3)1 4-0 0 49-0 9Research on Valuation of Technological Small and Medium-sized EnterprisesBased on Lightweight Convolutional Ne
4、ural NetworkTian Qingfeng,Xu Lang2(1.School of Management,Northwestern Polytechnical University,Xian 710129,China;2.Aero Engine Corporation of China Shenyang Liming Aero Engine Co.,Ltd.,Shenyang 110043,China)Abstract:Scientific and reasonable valuation of technology-based small and medium-sized ente
5、rprises(SMEs)isconducive to their healthy development by facilitating capital raising.However,the accuracy and applicability oftraditional valuation methods are subject to considerations.In view of this,utilizing literature analysis and keywordextraction methods,this paper initially extracts valuati
6、on indicators for technology-based SMEs from relevant literature,through the Delphi method,key indicators that can reflect the core capabilities of technology-based SMEs are selected.Furthermore,a light-weight convolutional neural network(TecNet)architecture is designed,based on big datatraining,a v
7、aluation model suitable for technology-based SMEs is constructed.Finally,using a sample of 10 enterprises,the relative errors between predicted and actual values for the years 2017-2021 are subjected to fitting analysis andsensitivity analysis to validate the effectiveness of the valuation model.The
8、 results show that the fitted curve of thepredictions of the TecNet model closely matches the true values,with an average relative error of 3.43%.Additionally,90%of the samples relative errors are within 10%,indicating the scientific validity of the TecNet model.Besides,whenkey indicators are increa
9、sed by 5%,the proportions of masters and above degrees,research and development investmentto operating income ratio,and the number of patents have the highest impact on valuation results,at 16.51%,16.10%,and 11.87%respectively.The results demonstrate that the value of technology-based SMEs is most s
10、ensitive to thesethree indicators.Therefore,the development of technology-based SMEs should focus on their key indicators,optimizeemployee education levels,increase research and development investment,and continue to enhance technologicalinnovation.Key words:enterprise valuation;valuation assessment
11、;valuation model;convolutional neural network;fitting analysis;sensitivity analysis;technology-based small and medium-sized enterprises收稿日期:2 0 2 2-1 2-1 3,修回日期:2 0 2 3-0 4-1 4基金项目:国家自然科学基金项目“数字化转型下航天企业技术创新与商业模式创新耦合演化”(7 2 1 7 2 1 2 8)中50田庆锋等:基于轻量级卷积神经企业估值研究网络的科技型1研究背景中小企业是我国推动国民经济发展、构造市场经济主体、促进社会稳定
12、的基础力量【1 。科技型中小企业因其技术含量高,创造了大量专利与创新产品。作为兼备创新活力、发展潜力与高成长性的创新集群3,中小企业在市场发展中最具推动作用,在经济活动中占主导地位的企业是未来高科技大企业的萌芽与开端4,是推动产业创新的先锋力量。党的二十大报告指出,要营造适宜科技型中小企业健康发展的有利环境,这进一步强调了科技型中小企业的重要作用和战略意义。但根据林海5、张目等【6 、马卫民等【7 的研究,中小企业由于规模小、风险性强且前期投入高,发展的不确定性较大,一直存在融资难、估值难的问题传统的估值方法主要包括绝对估值法与相对估值法【8】,其中绝对估值法一般包括现金流折现法、经济附加值法
13、与实物期权法,分别有如Edwards等9 Stewart 10、M y e r s 的研究;相对估值法则是市净率、市盈率和市销率3种价值乘数法【1 2 。绝对估值法立足于预测,在估值过程中不可避免带有主观色彩,且其基于严格假设,较难适应实际估值的复杂情况,因此已有关于企业估值的方法存在一定弊端1 3。现金流折现法与经济附加值法仅针对财务层面,忽略了非财务指标对于企业的价值贡献1 4,宣晓等1 5部分学者的研究也认为其并不适用于科技型中小企业。相对估值法的核心则是选择合适的可比企业,以价值乘数为“桥梁”对目标企业进行价值评估,估值效果也在很大程度上取决于可比企业1 6 。然而,现实中科技型中小企
14、业的可比企业很难确定1 7 因此,对于规模小、技术密集的科技型中小企业而言,相对估值法的准确性有待考量1 8 O如今,大数据技术的蓬勃发展为科技型中小企业的估值研究带来了新的机遇,卷积神经网络因其具有权值共享与局部连接的特性【1 9】,可以在保证模型性能的同时有效减少参数数量,即便网络加深也能防止过拟合【2 0】,且兼具良好的非线性能力,因而被广泛应用于图像、语音等领域,包括Krizhevsky等【2 1】、Gu等2 2】、连海伦等【2 3】学者的研究均证明了这点。由于卷积神经网络能够通过加深网络提高模型非线性能力【2 4,并且通过大量数据学习自动提取特征拟合出适宜模型,故非常适合应用于企业估
15、值这类复杂的回归问题【2 5。Khalifani 等【2 6 认为,卷积神经网络具有良好的准确度、可迁移性且能提高运算效率。由此,本研究设计了一种轻量卷积神经网络TecNet,通过大量数据训练学习得到适用于科技型小企业的估值模型,以期为企业估值提供新思路。2科技型中小企业价值评估指标构建本研究参考了较为常用的评价指标研究范式,将文献分析法、访谈法与德尔菲法相结合。首先,通过相关企业估值文献分析,利用频次计数法对理论指标进行量化分析,汇总目前较为常用的企业理论估值指标。其次,邀请领域内经验丰富的专家进行访谈,使用关键词提取方法对访谈文本进行分析,同时通过绘制关键词共现图对前期得到的理论指标进行修
16、正,以初步确定适合评估科技型中小企业的估值指标。再次,筛选对于科技型中小企业估值的关键指标,为其发展成长提供更有针对性的建议,进一步明确其价值提升的方向。最后,结合德尔菲法对初步得到的估值指标进行筛选,构成关键词网络的关键输入指标2.1理论估值指标在中国知网上以“企业价值评估指标”“企业估值”“企业评价体系”等关键词进行检索,得到相关文献资料,忽略重复文献,并经过对题目、关键词、摘要等部分要素进行人工筛查,保留符合研究主题的文献以备后续统计分析。其中,相关文献多为期刊或学位论文,所以其观点的科学性与专业性相对较高。相关文献中涉及的企业大多为高新技术企业、创业板企业、科技创业企业等,均对科技型中
17、小企业具有可借鉴意义,故初步判定此类文献资料作为本研究的量化文献分析样本是有效的。采用频次计数法统计样本文献中出现频数大于两次的评价指标。对于偶然出现的单一指标不做统计,默认这些指标为特定研究场景下的特有指标。其中,资产负债率、应收账款周转率等为出现频率排名前十的财务评价指标(见图1);非财务指标中,出现频次排在前1 0 位的分别是研发费用率、市场占有率等(见图2)。35100%90%3080%2570%2060%50%1540%1030%20%510%00%指标图1样本文献中有关财务指标出现频次及占比51田庆锋等:基于轻量级卷积神经网络的科技型中企业估值研究30100%90%2580%202
18、0%60%1550%40%1030%520%10%00%人福快人指标图2样本文献中有关非财务指标出现频次及占比基于以上分析,可初步得出科技型中小企业价值评估相关文献的常用评价指标(如图3所示)。理论评价指标非财务指标财务指标新产品研发周期员工培训比率无形资产客户满意度专利数本科以上比例员工学历研发人员比例市场占有率研发费用率净利润增长率总资产增长率总资产报酬率流动/速动比率存货周转率流动资产周转率总资产周转率净资产收益率应收账款周转率资产负债率图3样本文献中科技型中小企业价值评估常用指标2.2修正估值指标为得到科技型中小企业投融资过程中实际关注的估值指标,邀请领域内相关专家访谈,并结合词频-逆
19、文本频率指数(TF-IDF)关键词提取技术对访谈文本进行分析。在国泰安数据库中搜索采访与访谈的文本资料,同时以电话或现场的形式对专家就科技型中小企业估值问题进行访谈,咨询了科技型中小企业估值过程中的估值指标选取应参考哪些方面,并要求给出较为具体的估值指标或参考方向。参与此次访谈的专家共9 位,其中6 位为投资领域专家,均在科技型中小企业或其他类型企业投资方面具有丰富经验;3位为企业高管,对本企业及行业的情况十分了解,且因其所在企业均属于科技型企业,故对科技型中小企业的发展也同样具有敏锐嗅觉与洞察力。投资专家相关从业经历为7 1 5年,平均经历为1 2.0 年;企业高管相关经历为1 1 2 2
20、年,平均经历为1 6.3年。由于访谈专家来自不同领域、拥有不同的行业背景,并均对科技型中小企业估值相关问题具有可借鉴经验,所以此次访谈结果较为可信。在寻求访谈专家同意后,对访谈全过程进行录音并记录,将访谈结果、来自国泰安库中的相关文本整理形成本访谈文本库,将文本输人TF-IDF模型中,经过分词、去除停用词、计算词频与逆文档排序等一系列步骤后,得到文本的关键词及其得分,并输出该文本库对应的关键词文档。本研究选择较为权威且便捷的Jieba工具来进行分词,因为Jieba是目前最优秀的中文分词库,其功能强大,使用简便,非常适用于中文的文本分析,且其自带的分词功能十分精准可信,内嵌了强大的文本库。采用的
21、停用词表是目前较为全面的哈尔滨工业大学研制的停用词表,在其基础上加人一些对于本研究问题无用的词组。经过分词、过滤停用词后,计算词频得出词语的TF值,与Jieba自带的逆文档库中的IDF值相乘,得到其关键词得分。最后输出的前2 0 个关键词如表1 所示。表1基于实践经验的科技型中小企业价值评估前2 0 个关键词关键词TF值TF-IDF值财务指标1.270.11非财务指标0.420.07人才0.420.07科技型中小企业0.170.06研发能力0.340.06经营能力0.340.05硕士0.340.05专利数0.340.05资产负债率0.340.05核心技术0.680.05知识产权0.420.05
22、发展能力0.250.04研发投入0.250.04研发费用0.250.04研发人员比例0.510.03成熟体系0.250.03团队0.080.03偿债能力0.170.03流动比率0.590.03净资产收益率0.340.02从表1 可看出,对于科技型中小企业的价值评估,受访者较为看重科技型中小企业的人才团队、研发创新能力、经营能力、发展能力、偿债能力以及盈利能力,尤其强调人才和研发相关指标,其中在研发方面则注重专利数、无形资产等知识产权指标;此外,在财务指标方面,企业的经营发展与负债相关的指标排名较为靠前,而盈利相关的指标较少。可见,基于科技型中小企业技术密集与智力资本价值高的特点,其高成长性、高
23、风险性的特征使得投资者除了无形资产外更加关注其经营发展与偿债能力,而非其规模与盈利能力,这也是由于科技型中小企业大多规模小、市场占比小且通常初期并不盈利的缘故。综上,初步提炼出科技型中小企业估值指标(见图4),其中圆圈大小代表某个词与其他词共同出现的频率大小。根据图4的连线及共现频率可以看出,对科技型中小企业进行价值评估时,需将财务52田庆锋等:基于轻量级卷积神经网络的科技型中小企业估值研究指标与非财务指标相结合。目前企业财务方面的估值较为成熟,多数受访者认为可以参考已成体系的财务指标,但不过分关注目前是否盈利,更看重企业的发展成长与经营能力,包括相关周转率和增长率;同时,重点关注资产负债率,
24、因企业的偿债能力能够反映其应对风险的能力,盈利方面则仅更为关注回报率、利润率等。另外,多数受访者认为,能显示企业创新和研发能力的非财务指标为专利数、一些未公开的核心技术无形资产以及产品更新等;人才方面,对于以研发为重的科技型中小企业,需着重关注其硕士及以上比例,才能更好地衡量团队的质量。此外,员工是否接受了后续培训能够反映企业对于人才成长和培养的意识。研发美筒无开购产李房发美用福子公司长新力人才财务福欢盘成新体外阳不地研发士速车业力净油产收禁店满产负快车科换迎中小企业时标图4科技型中小企业价值评估关键词共现网络在访谈过程中发现,受访者希望通过易量化的指标来进行企业估值,以更简便清晰地了解企业的
25、估值结果,也更加便于数据的获取。由于传统的估值方法存在普适性较差、预测值不准确等弊端,对科技型中小企业来说不甚友好,且现实中的估值通常极大地受到人为主观因素影响,容易导致企业估值过高或过低的结果,对于企业融资和投资者投资有不利影响。另外,有受访者表示,希望得到对于企业较为关键的指标,并通过分析各个关键指标对企业价值的贡献来衡量其重要程度,这样有助于企业有针对性地进行提升。通过访谈资料分析发现,实际评估中更关注科技型中小企业研发能力、团队素质等非财务指标,对于市场相关指标并不过分关注,且科技部、财政部、国家税务总局公布的科技型中小企业评价办法中主要聚焦于研发与人员的评价,故仅保留了研发、团队相关
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 轻量级 卷积 神经网络 科技 中小企业 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。