基于轻量级卷积神经网络的科技型中小企业估值研究

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10家样本企业为例,对其2017-2021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90％的样本的相对误差在10％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16.51％、16.10％和11.87％,表明科技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

所属期刊栏目：43

分类号：F272.5;G301(企业经济)

资助基金：国家自然科学基金72172128

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：49-57