基于RBF-EVA方法的人工智能企业价值评估

发布时间：2022-08-10 19:26

　　目前,我国面临经济结构调整,正在加强人工智能产业发展力度,以通过产业升级带动经济转型。人工智能企业数量持续增加,面临合合并、上市、重组等一系列经济活动,需要科学的企业价值评估方法予以支撑。本文分析了我国人工智能产业的发展现状,发现人工智能企业发展具有良好的政策及投融资优势。由于人工智能企业未来收益的不稳定性,本文选取了 EVA（即经济增加值）方法对该类企业进行企业价值评估,并使用RBF神经网络（即径向基神经网络）模型对传统EVA方法进行优化,以得到更能体现企业内在价值的评估结果。本文从技术维度、产品和行业维度、历史业绩情况等角度出发,选取大华股份、海康威视、佳都科技、科大讯飞、科大智能、赛为智能、拓尔思和机器人作为人工智能企业案例进行分析,对8家案例企业2008-2017年的历史EVA进行计算。计算结果显示,人工智能企业的历史EVA呈非线性波动变化,与传统EVA模型中固定增长率的假设不符。本文提出采用RBF神经网络预测人工智能企业未来EVA值。本文对8家人工智能企业历史EVA进行训练和测试,结果显示,采用固定增长速率对2017年EVA进行预测的平均误差为21.231%,RBF神经网络的... 

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 企业价值评估方法研究现状
        1.3.2 EVA理论发展及其企业价值评估模型应用现状
        1.3.3 RBF神经网络模型的优势与应用
    1.4 研究内容与方法
        1.4.1 研究内容
        1.4.2 研究方法
    1.5 本文创新点
第2章 EVA理论基础及其企业价值评估模型
    2.1 企业价值评估的基本方法
    2.2 EVA方法下的企业价值评估模型
        2.2.1 EVA方法原理
        2.2.2 零增长模型
        2.2.3 固定增长模型
        2.2.4 分阶段增长模型
    2.3 EVA方法与其他评估方法的比较
    2.4 本章小结
第3章 人工智能企业发展现状及价值评估问题分析
    3.1 人工智能企业分类与特征
        3.1.1 人工智能企业分类
        3.1.2 人工智能企业特征
    3.2 人工智能产业发展现状分析
        3.2.1 人工智能产业发展战略和政策环境
        3.2.2 人工智能产业核心技术及应用现状
        3.2.3 人工智能企业分布情况
    3.3 人工智能企业价值评估主要问题
    3.4 本章小结
第4章 RBF-EVA企业价值评估模型
    4.1 人工神经网络
        4.1.1 人工神经网络概述
        4.1.2 人工神经网络分类
    4.2 RBF神经网络理论
    4.3 构建RBF-EVA企业价值评估模型
        4.3.1 RBF-EVA模型原理
        4.3.2 RBF-EVA模型的评估步骤
        4.3.3 基于RBF神经网络改进的EVA企业价值评估模型
    4.4 RBF-EVA企业价值评估模型的优势
    4.5 本章小结
第5章 基于RBF-EVA方法的人工智能企业价值评估实证研究
    5.1 人工智能企业案例选取
    5.2 基于传统EVA方法的案例企业价值评估
        5.2.1 八家人工智能案例企业历史EVA的计算
        5.2.2 四种传统EVA模型下的案例企业价值评估
    5.3 基于RBF-EVA方法的案例企业价值评估
        5.3.1 RBF-EVA方法下EVA的预测
        5.3.2 RBF-EVA方法下的案例企业价值评估
    5.4 传统EVA方法与RBF-EVA方法的实证对比分析
    5.5 实证误差来源分析
    5.6 本章小结
第6章 研究成果和结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3674221