企业价值评估中折现率相关参数敏感性分析.docVIP

企业价值评估中折现率相关参数的敏感性分析 　　【摘 要】 收益法折现率作为企业估值的关键参数，其合理确定对运用收益法评估企业股权市场价值有着重要影响。文章选取沪深交易所2012―2016年披露的企业价值评估说明作为研究对象，从总样本、不同价值区间下部分样本两个视角，利用蒙特卡罗模拟详细分析各参数变动对评估价值的影响程度及其影响程度与评估价值之间的关系，研究表明：在折现率相关参数中，市场期望报酬率的变动对评估价值影响最大，且其影响程度与评估价值成反方向变动。文章可为评估实务提供参考借鉴，提高评估效率，提升参数测算的准确性及评估结果的公允性。 　　【关键词】 蒙特卡罗模拟； 企业价值评估； 折现率； 敏感性分析 　　【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937（2018）09-0009-04 　　一、引言 　　近年来，并购重组已成为我国经济生活领域的一个亮点，是推动我国经济结构调整和产业转型升级的加速器[1]，越来越多的企业通过并购重组发挥协同效应、降低交易成本、实现行业整合、改善基本面、持续提高经营能力[2-4]，从而增强市场竞争力[5]。同时，企业并购的核心是价值发现与价值创造[6]，企业价值评估可以提高并购重组交易定价的公允性[7-9]。上海证券交易所研究数据显示，2015年1月至2017年5月，A股市场共计891家公司宣告重大资产重组，其中844项重组采用评估价值作为定价依据，占比高达95%。从最终定价结果看，在以评估价值作为定价依据的重组项目中，217项重组标的最终交易价格直接以评估价值定价，占比达25.71%；30项重组标的最终交易价格为评估价值的九折，占比3.55%；97项重组标的最终交易价格为评估价值的1.1倍，占比11.49%，其余59.25%的重组项目标的资产最终交易价格介于评估价值的九折到1.1倍之间[10]，发现标的资产的评估价值可以在一定程度上左右并购重组的交易价格[11-12]。 　　在上市公司并购重组中，收益法逐渐成为企业价值评估的主流方法[13]，其在并购重组价值衡量中的地位不断提升。运用收益法评估企业价值时，折现率的测算一直是重点和难点，折现率的微小变动将会引起企业价值的巨大变动[14-16]。评估机构对折现率相关参数的确定原则已基本达成一致，同一通用性参数具有较强的可比性与趋同性[17-18]，但折现率作为收益法评估中一个极其重要的参数，其数值的合理性将会在很大程度上影响评估结果的准确性[13]。随着敏感性分析研究的深入与广泛应用，敏感性分析逐渐被用于判断投资项目中各种不确定因素对其经济评价指标的影响程度，从而预测项目能够承担的风险范围，为项目投资决策提供可靠的参考依据[19-20]。本文拟将敏感性分析方法从评估项目风险领域引入企业价值评估中，通过运用蒙特卡罗模拟对企业价值评估中折现率相关参数进行敏感性分析，揭示各参数对评估价值的影响程度及各参数影响程度与评估价值之间的变动关系，旨在建议评估师根据参数的敏感程度确定评估重点，如评估师应着重考虑并精确估算敏感程度大的参数，而减少统一性参数的估算时间，这样就可以大大提高评估效率，提升折现率相关参数测算结果与评估结果的准确性。 　　二、折现率敏感性分析模型与框架 　　（一）敏感性及其分析方法 　　敏感性可以表示为y=f（x1，x2，…，xn，）（xi为模型的第i个参数值），其原理为令每个参数在可能的取值范围内变动，研究和预测这些参数的变动对模型输出值的影响程度。敏感性分析的核心目的是分析各模型参数的敏感性系数大小，在实际应用中则重点考虑敏感性系数较大的参数，这样就可以大大降低模型的复杂程度，减少数据分析处理的工作量，并且可以在很大程度上提高模型的精确度。 　　敏感性分析可以根据建模方法的不同分为有模型和无模型两类。对于待解决的数据分析问题，如果清楚它的内部机理，且能够准确地将模型表示为y=f（x），则可以直接在此模型基础上进行敏感性分析。在实际问题中，面对庞大的数据，总是无法清楚地了解其内部规律，无法进行机理建模，早期的研究主要是借助统计知识来建立模型，如基于拉丁几何取样的多元回归方法、傅里叶敏感性检验法、方差分解法及利用非参数统计法进行敏感性分析的方法。随着研究领域内各种问题的出现，利用统计方法建模逐渐凸显它的局限性，当模型属性太多或者结果与属性之间是一种非线性关系时，统计方法处理结果的精度则达不到要求，所以采用人工神经网络的方法来建立模型逐渐被应用。神经网络模型只需要知道输入变量数据和输出数据，其自身能够对训练数据集进行训练和学习，用大量?单的人工神经元模拟数据间的非线性关系，并能调节神经元之间的连接权重，以此建立能较好反映数据真实情况的网络结构，如Garson算法、随机化检验方法及Markd