摘要：对种子期的科技型企业来说，科技人力资本是企业的核心竞争力，也是企业价值的最主要体现。人力资本的价值体现在基本素质、一般能力、创新能力、个人潜力等几个方面，通过这几个指标因素来构建科技人力资本的价值评估体系，然后通过对科技人力资本的价值评估来评估出种子期的科技型企业价值。
关键词：科技型企业；人力资本；企业价值评估
1.引言
企业特别是科技型企业在科技创新中处于重要地位，它们是将科技知识转化为产品的单位，是推动我们产业升级、经济转型的重要动力。传统的企业价值评估方法有市场法、成本法和收益法。然而由于这些处于种子期的科技型中小企业自身的特点，用这三种方法都不能准确的对其评估。因此，寻找一种对处在种子期的科技型中小企业的评估方法有重要的理论和实践意义。
2.企业价值评估研究概述
Fisher创立了现金流折现模型（DCF），该模型揭示了资本的本质，为以后的学者在对企业价值评估进行研究时，奠定了坚实的基础，并提供了清晰的思路。李剑岚从企业生命周期角度考虑，认为高新技术企业的整个发展过程可以按阶段来划分，大致可以分为四阶段：种子期、初创期、成长期和成熟期。他认为应采用期权定价法对初创期企业进行价值评估。张根明、李丽芳运用AHP方法，构建了适合种子期科技型创业企业的价值评估指标体系，指出在对企业进行评价时应着重考虑创业团队、产品与技术和市场吸引力三大因素。
从以上的这些国内外的文献中可以看出，对于科技型中小企业的评估可以从企业生命周期和指标体系分类的角度入手。这对于处在种子期的科技型企业的价值评估有一定的借鉴意义。
3.种子期的科技型企业的特征
种子期是企业刚成立阶段，注册时间一般在2年以内。在此时期，企业的研发团队进行科技研发，设计和开发产品，将科技知识转化为具体的科技成果。公司的主要精力在研发上，公司的产品还没有完全正式的投放市场，只是将少部分的样品投放市场，进行市场调研分析。由于此阶段企业研发消耗大量资金，同时产品没有完全投放到市场上，企业只能产生较少的销售收入，企业的净现金流为负数；企业发展需要资金，企业的规模较小，融资渠道较窄；此时企业内的组织结构不健全，企业中的大多数员工都是研发人员，企业中研发人员所占比例很高，在做好研发的同时他们还要承担企业的其他日常事务，这种组织更像一个团队。
4.种子期的科技型中小企业价值构成
种子期的科技型中小企业刚刚成立，只形成了企业的基本皱形。由种子期科技型企业的特征可以知道，此时企业的主要目标是搞技术研发，研发团队是企业最主要的资产，已研究出的成果次之。这个阶段的研发团队是企业未来发展的重要保障。一方面，研发团队本身作为企业一种特定的科技人力资源保证，种子期的企业研发人员在做好研发的同时还要承担企业的管理等日常事务，这是一种复合型人才；另一方面，好的研发团队可以保证企业有较高的研发水平，从而企业所研发出的产品或者专利的技术含量高，是的企业在未来的行业竞争中处于领先地位。因此在评估种子期的科技型中小企业的价值可以从人力资本，也就是企业的研发团队的角度去出发。
5.对科技型企业人力资本涵义
可以从两个角度理解科技人力资本的涵义。第一，从科技人员的角度来看，科技人力资本是个体自身的内在价值，是经过教育学习等人力资本投资累积的过程之后，被科技人员所掌握领悟的，并且凝结于科技人员身上的专业的知识、技能、经验，科研素养、学习能力等具有价值的资本，科技人员可以凭借这种资本参与企业的创新研发，得到一定的报酬。第二，从企业的角度来看，科技人力资本可以为企业创造价值，科技人员凭借自身的内在资本价值为企业创造价值，这种价值包括目前已经创造的价值和未来可能创造的潜在价值。
6.种子期的科技型中小企业价值评估方法
从种子期科技型中小企业的特点可知种子期的科技型中小企业的价值内涵主要是企业的核心研发团队，因此评估种子期的科技型中小企业的价值可以从评估企业的研发团队的价值出发。具体来说可以通过借鉴人力资本评估模型的方法来评估研发团队的价值。
由于种子期阶段企业的研发团队为企业做出一些少量的研发成果，可以看做是人力资本对企业的贡献度，这种贡献度是可量化的，但是这些科研人员短期内只有少量的研究成果，凝结于他们自身的知识、技能、科研素养等可以为企业未来创造出更多的价值，这种研发人员的潜在价值难以量化，评估时也经常会被忽略。对于这种价值可以通过建立人力资本价值评估体系，运用AHP法来计算各分指标的权重。
6.1人力资本的分计算
表1科技人力资本评估指标体系
通过AHP法来计算出各一级指标和二级指标的权重值，进而计算出人力资本的评分值。
α=∑Ai×Aij， i=1，2…5；j=1，2，3
其中α为人力资本的价值的分，Ai为各一级指标的权重值，Aij为各二级指标的权重值。
人力资本的综合得分体现了人力资本价值的大小，进一步将这种综合得分转化为人力资本价值，通过相对比较法，参考市场上同行业的科技人员的平均价值，来计算出本企业的人力资本价值A。
6.2企业总体价值
种子期科技型企业的总体价值为：
V=A+B+C
其中A为企业的人力资本价值，B为企业已经研发成功的专利等科研成果价值，C为企业的其他固定资产价值。
对于特定的企业A、B、C在企业总体价值中各占有一定的比重分别为p、q、r，可以通过专家打分，咨询企业负责人等，将A、B、C的比重确定下来，然后根据计算出的A的价值进一步算出V，即V=A/p。（作者单位：东南大学经济管理学院）
参考文献：
[1]Ivring Fisher. The rate of Interest： Its Nature Determination and Relation to Economic phenomena. [J]The Macmillan co，1907，（10）：23-24
[2]李剑岚， 科技型企业价值评估实物期权定价法探讨[J]，商业研究，2011，55―56.
[3]张根明、李丽芳，基于AHP的种子期科技创业企业价值评估指标体系构建[J]，财务与金融，2013（1）48-52.
关键词：高科技企业 价值评估 方法 全方位综合价值评估指标体系 测算模型
高科技及高新技术产业是当前经济社会发展的主要动力之一，促进国家或区域经济增长、提高产业竞争力，优化产业结构，保护生态环境等都要通过其优化来实现。但大量的、很有发展前景的中小高科技企业无法有效地与社会资金资源相结合，从而严重影响到中小高科技企业的发展壮大。因此，本文寻求根据高科技企业的成长模式、发展特点、及评估目的，从系统的角度分析构成和影响高科技企业价值的因素，探讨一种建立适合高科技企业的价值评估方法和测算模型，使高科技企业的评估价值更趋于企业的客观价值，促进资金资源与中小高科技企业相结合，这对促进中小高科技企业的快速成长与发展具有十分重要的意义。
现代企业价值评估方法综述
企业价值评估在国内外早已不是一个新课题。价值评估的方法很多，现在国际上通用的有四大类：成本法、市场比较法、收益法、以及期权定价法。
成本法是把被评估企业的各项资产按照其成本单独评估后,将各项资产的评估值相加得到。成本法的优点是能较好地反映企业的有形投入，但它却不能很好地反映企业的无形投入，包括人的智力、管理能力和知识。高科技企业是智力密集型和知识密集型企业，其核心资产是无形资产。传统有形资源在高科技企业中的地位下降，技术资产、知识资产、智能型人力资产在高科技企业资产中占主要地位，所以，成本法无法完全反映高科技企业的发展潜力和真实价值。
市场比较法是将被评企业与已知企业进行比较,根据已知企业的整体价值得出被评估企业的整体价值。优点是评估价值能反映现时的市场价值。但由于高科技企业多属创新型企业，企业间差异较大，如创意不同、创业人员的经历不同、研发团队的结构不同等等，于是市场比较法很难找到可比较的已知整体价值的高科技企业，因而如果用市场比较法来评估高科技企业价值，评估结果的可信度就会很低。
收益法是将企业现实情况下的实际收益以及未来净收益折现的评估方法。其优点是反映了企业的未来盈利能力和发展机会,是比较理想的一种价值评估方法。但由于高科技更新速度愈来愈快、生命周期不断缩短、市场环境的愈加动荡和不确定，以及高科技企业的R&D投入与产出的“非线性”特征，风险较大，因此很难准确评估R&D活动的生产率和预测未来盈利。
期权定价法具体的思路步骤是：把项目的未来收益机会看成一个买方期权，项目未来收益的现值即为标的资产的现价，未来的投资额即为期权的约定价格，投资时间即为期权的到期期限。然后运用期权定价公式求出项目未来收益机会这个买方期权的价值V。
此式中：S—标的资产的当前价值；X—期权的执行价格；t—距期权到期日的时间；r—期权有效期内的无风险利率；N(d1)和 N(d2)为正态分布积分函数的值；σ2 为标的资产价格的自然对数方差。
期权定价法是标准现金流贴现模式的变异，它融合了净现值和决策树形图两种方法的优点：从净现值方法中借用了估计风险值的观点；从决策树形图分析方法借用了决策结点以模拟灵活性。有期权特征的高科技企业科技成果可用期权定价法进行估价，但操作起来有一定复杂性。
由于高科技企业具有不同于传统企业的特点和成长发展模式，即有形资产少、无形资产多、成长性好、风险大、投入产出的“非线性”等等。现在国际上通用的四大类价值评估方法在高科技企业价值评估上都有些缺陷。
高科技企业全方位综合价值评估指标及方法
从系统的角度分析，高科技企业是一个系统，是由资产、人才、技术等有形资产和无形资产，按一定的方式组织和结合起来的有机体，其产品是科技成果。高科技企业科技成果产出的数量与质量主要取决于其科技创新和产出能力。科技创新和产出能力是高科技企业成长的基础，也是价值创造和转移的基础。科技创新和产出能力越强，科技成果产出的数量与质量越高，其潜在的价值增值就越大，成长性越好。因此，高科技企业的价值不仅表现在企业现有的资产和科技成果价值，更重要的是要反映高科技企业科技创新和产出能力的价值。所以高科技企业价值评估应从企业资产、产品和能力这三个方面全面着手，根据全面性、可测度、精炼性原则，建立能反映高科技企业成长性的综合全方位价值评估方法。
根据上述原则，分析构成和影响高科技企业价值的因素，建立高科技企业全方位价值评估指标体系（见表1）。
（一）资产层的价值评估指标与评估方法
资产层的价值评估对象是高科技企业所拥有的所有有形资产和无形资产。
1.有形资产价值评估方法：有形资产主要包括固定资产和流动资产。有形资产价值评估方法采用重置成本法。重置成本法是基于重置某有形资产为假设前提，其基本公式为：
固定资产评估价值Vm11=重置成本-实体性损失-功能性贬值-经济性贬值
高科技企业的流动资产Vm12主要包括短期投资、现金及存款。
2.无形资产价值评估方法：科技企业无形资产价值主要包括其所拥有的专利和专有技术的价值、以及正在研究的新技术价值。
关于专利技术价值评估方法有确定专利价值要区分自行研发出来的专利和购买的专利两大类。
对于自行研发出来的供企业自己使用的专利，可有两种方法：第一种方法是将研发费用视为为取得未来收益所进行的投资，直接进行资本化，即按自行研发过程中实际发生的成本数核算价值；另一种方法是如果能找到类比专利，则运用相对比较法，按计算购买类比专利价值的方法来对比求出。
对于购买的专利，按照缴纳的专利年费，专利距离保护期届满的时间，利用以下公式计算：
其中：Vm21专利价值，Ft为第t年缴纳的专利年费，k为贴现率，n为专利距离保护期满的年限。
专有技术和正在研究的新技术的潜在价值评估方法。为了较为准确地评估专有技术和正在研究的新技术的潜在价值，我们选取一个子评价指标体系（见表2）。根据Delphi法确定各指标权重（见表2）。具体评价过程是：对于上述指标，在分别得出各指标的具体描述后，利用专家评分法，通过等级评分制使各指标给出评价分值。再对各指标进行加权求和，得出综合评分值。找一个已知价值的具有代表性的类比技术对象，设正在探讨的新技术的综合评价值为P，类比技术对象的综合评价值为P’，价值为V’，则正在探讨的新技术的价值Vm22为：
（二）产品层面的价值评估指标及评估方法
高科技企业产品层的价值评估包括现有科技成果价值和正在研究的科技成果价值。
1.现有科技成果价值包括已转化为生产力在一定时期内所能带来的已知未来净收益现值、现有科技成果一定时期内可能转换为生产力所能带来的未来未知净收益现值。
现有科技成果已转化为生产力的部分所带来的已知未来净收益现值采取净现金流折现法计算公式：
其中：VP11为科技成果的收益现值，R(t)为第t年净收益，k为贴现率。
对于现有科技成果未来的未知收益现值，由于科技成果未来未知收益很难直接估价，我们也选取一个子评价指标体系（见表3）。技术的先进性、鲁棒性、简约性、不可替代性指标含义与前面相同。有效市场容量大小可以用潜在科技成果的潜在市场规模及潜在市场份额来决定。市场亲和力可由同类产品群进入市场的障碍和竞争情况来决定。市场中其他新技术导入的频率越大，市场竞争越激烈，该技术的市场亲和力越差。科技成果市场转化能力可用类比科技成果转化率表示。
对于上述指标，同样在分别得出各指标的具体描述后，可以利用专家评分法对他们给出评价分值。然后加权求和，得出综合评价值。该综合评价值即可看成作为现有科技成果所能带来的已知未来收益现值的调整系数E1，则现有科技成果所能带来价值的计算公式为：Vp12 =Vp11•E1。
如果现有科技成果还没有已知收益,则选择一个可比科技成果。设可比科技成果的综合评价值为E1′， 可比科技成果价值为V′，则现有科技成果未来的未知收益价值为：
2.正在研究的科技成果价值：由于正在研究的科技成果的未来收益也是很难直接进行估价。我们仍采用与现有科技成果未来的未知收益现值的求解方法，利用表3的评价指标体系，计算出正在研究的科技成果价值系数E2。与现有科技成果的价值比较，则正在研究的科技成果价值计算公式为：
高科技企业产品层的价值计算公式为：Vp= VP11 +Vp12 +Vp2=(1+E2/E1)(1+E1)Vp11
（三）能力层面的价值评估与评估方法
能力层面的价值评估实际上是评价科技企业的成长能力。然后在其成长性的基础上预测出未来可能的价值增长。评价科技企业的成长能力主要从企业家素质与能力和技术创新能力两方面入手。
1.企业家素质与能力。企业家是高科技创业企业的核心领袖人物。他的素质与能力对高科技创业企业的可持续发展起着决定的作用。具有素质高的企业家就意味着未来较高的价值增值。企业家的素质与能力7个指标，包括道德素质、勤奋精神、创新与洞察力、行业经验、教育背景、管理战略前瞻性和可行性以及管理方法先进性。
2.技术创新能力。持续技术创新是高科技企业可持续发展的重要驱动力。它可由科研人员比重、科研团队素质、R&D的生产效率等3个指标来衡量。科研人员比重用科研人员人数与全体职员人数的比值来表示。科研团队是科技企业创新的主要力量。科研团队素质可以从科研团队的学历结构、职称结构、知识结构、团队精神等几方面来考察。R&D的生产效率是评价技术创新能力的一个重要指标。R&D的生产效率一般可针对R&D科技成果预计能带来的收益与R&D支出之间的关系，通过绘图、选择非线性拟合曲线、参数估计等方法来确定。
对于高科技企业能力层的价值评估：首先根据Delphi法确定各指标权重（见表4）和各指标综合评分，然后使用模糊综合评价法计算出其能力价值系数Sc。能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整。即能力价值Vc=Sc•Vp。
全方位价值评价的数量化综合测算模型
综上所述，因为资产价值不能代表高科技企业的整体价值，高科技企业产品—科技成果的价值虽然是企业收益的主要来源，但它只能代表高科技企业现有的产出能力和产品获利能力，而不能完全代表高科技企业未来收益增长的潜力。按照企业能力理论，企业的能力是企业最具战略意义的基础。企业的产品只是企业能力的外在表现。企业的能力是企业价值创造和价值转移的基础。因此，高科技企业价值评估要落在以资产和产品为基础的评估价值基础上，再以其能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整，以更好地体现高科技企业的良好的成长型。
因此，全方位价值评价的数量化综合测算模型为：
关键词：高科技企业 价值评估 方法 全方位综合价值评估指标体系 测算模型
高科技及高新技术产业是当前经济社会发展的主要动力之一，促进国家或区域经济增长、提高产业竞争力，优化产业结构，保护生态环境等都要通过其优化来实现。但大量的、很有发展前景的中小高科技企业无法有效地与社会资金资源相结合，从而严重影响到中小高科技企业的发展壮大。因此，本文寻求根据高科技企业的成长模式、发展特点、及评估目的，从系统的角度分析构成和影响高科技企业价值的因素，探讨一种建立适合高科技企业的价值评估方法和测算模型，使高科技企业的评估价值更趋于企业的客观价值，促进资金资源与中小高科技企业相结合，这对促进中小高科技企业的快速成长与发展具有十分重要的意义。
现代企业价值评估方法综述
企业价值评估在国内外早已不是一个新课题。价值评估的方法很多，现在国际上通用的有四大类：成本法、市场比较法、收益法、以及期权定价法。
成本法是把被评估企业的各项资产按照其成本单独评估后，将各项资产的评估值相加得到。成本法的优点是能较好地反映企业的有形投入，但它却不能很好地反映企业的无形投入，包括人的智力、管理能力和知识。高科技企业是智力密集型和知识密集型企业，其核心资产是无形资产。传统有形资源在高科技企业中的地位下降，技术资产、知识资产、智能型人力资产在高科技企业资产中占主要地位，所以，成本法无法完全反映高科技企业的发展潜力和真实价值。
市场比较法是将被评企业与已知企业进行比较，根据已知企业的整体价值得出被评估企业的整体价值。优点是评估价值能反映现时的市场价值。但由于高科技企业多属创新型企业，企业间差异较大，如创意不同、创业人员的经历不同、研发团队的结构不同等等，于是市场比较法很难找到可比较的已知整体价值的高科技企业，因而如果用市场比较法来评估高科技企业价值，评估结果的可信度就会很低。
收益法是将企业现实情况下的实际收益以及未来净收益折现的评估方法。其优点是反映了企业的未来盈利能力和发展机会，是比较理想的一种价值评估方法。但由于高科技更新速度愈来愈快、生命周期不断缩短、市场环境的愈加动荡和不确定，以及高科技企业的R&D投入与产出的“非线性”特征，风险较大，因此很难准确评估R&D活动的生产率和预测未来盈利。
期权定价法具体的思路步骤是：把项目的未来收益机会看成一个买方期权，项目未来收益的现值即为标的资产的现价，未来的投资额即为期权的约定价格，投资时间即为期权的到期期限。然后运用期权定价公式求出项目未来收益机会这个买方期权的价值V。
此式中：S—标的资产的当前价值；X—期权的执行价格；t—距期权到期日的时间；r—期权有效期内的无风险利率；N(d1)和 N(d2)为正态分布积分函数的值；σ2 为标的资产价格的自然对数方差。
期权定价法是标准现金流贴现模式的变异，它融合了净现值和决策树形图两种方法的优点：从净现值方法中借用了估计风险值的观点；从决策树形图分析方法借用了决策结点以模拟灵活性。有期权特征的高科技企业科技成果可用期权定价法进行估价，但操作起来有一定复杂性。
由于高科技企业具有不同于传统企业的特点和成长发展模式，即有形资产少、无形资产多、成长性好、风险大、投入产出的“非线性”等等。现在国际上通用的四大类价值评估方法在高科技企业价值评估上都有些缺陷。
高科技企业全方位综合价值评估指标及方法
从系统的角度分析，高科技企业是一个系统，是由资产、人才、技术等有形资产和无形资产，按一定的方式组织和结合起来的有机体，其产品是科技成果。高科技企业科技成果产出的数量与质量主要取决于其科技创新和产出能力。科技创新和产出能力是高科技企业成长的基础，也是价值创造和转移的基础。科技创新和产出能力越强，科技成果产出的数量与质量越高，其潜在的价值增值就越大，成长性越好。因此，高科技企业的价值不仅表现在企业现有的资产和科技成果价值，更重要的是要反映高科技企业科技创新和产出能力的价值。所以高科技企业价值评估应从企业资产、产品和能力这三个方面全面着手，根据全面性、可测度、精炼性原则，建立能反映高科技企业成长性的综合全方位价值评估方法。
根据上述原则，分析构成和影响高科技企业价值的因素，建立高科技企业全方位价值评估指标体系（见表1）。
（一）资产层的价值评估指标与评估方法
资产层的价值评估对象是高科技企业所拥有的所有有形资产和无形资产。
1.有形资产价值评估方法：有形资产主要包括固定资产和流动资产。有形资产价值评估方法采用重置成本法。重置成本法是基于重置某有形资产为假设前提，其基本公式为：
固定资产评估价值Vm11=重置成本-实体性损失-功能性贬值-经济性贬值
高科技企业的流动资产Vm12主要包括短期投资、现金及存款。
2.无形资产价值评估方法：科技企业无形资产价值主要包括其所拥有的专利和专有技术的价值、以及正在研究的新技术价值。
关于专利技术价值评估方法有确定专利价值要区分自行研发出来的专利和购买的专利两大类。
对于自行研发出来的供企业自己使用的专利，可有两种方法：第一种方法是将研发费用视为为取得未来收益所进行的投资，直接进行资本化，即按自行研发过程中实际发生的成本数核算价值；另一种方法是如果能找到类比专利，则运用相对比较法，按计算购买类比专利价值的方法来对比求出。
对于购买的专利，按照缴纳的专利年费，专利距离保护期届满的时间，利用以下公式计算：
其中：Vm21专利价值，Ft为第t年缴纳的专利年费，k为贴现率，n为专利距离保护期满的年限。
专有技术和正在研究的新技术的潜在价值评估方法。为了较为准确地评估专有技术和正在研究的新技术的潜在价值，我们选取一个子评价指标体系（见表2）。根据Delphi法确定各指标权重（见表2）。具体评价过程是：对于上述指标，在分别得出各指标的具体描述后，利用专家评分法，通过等级评分制使各指标给出评价分值。再对各指标进行加权求和，得出综合评分值。找一个已知价值的具有代表性的类比技术对象，设正在探讨的新技术的综合评价值为P，类比技术对象的综合评价值为P’，价值为V’，则正在探讨的新技术的价值Vm22为：
（二）产品层面的价值评估指标及评估方法
高科技企业产品层的价值评估包括现有科技成果价值和正在研究的科技成果价值。
1.现有科技成果价值包括已转化为生产力在一定时期内所能带来的已知未来净收益现值、现有科技成果一定时期内可能转换为生产力所能带来的未来未知净收益现值。
现有科技成果已转化为生产力的部分所带来的已知未来净收益现值采取净现金流折现法计算公式：
其中：VP11为科技成果的收益现值，R(t)为第t年净收益，k为贴现率。
对于现有科技成果未来的未知收益现值，由于科技成果未来未知收益很难直接估价，我们也选取一个子评价指标体系（见表3）。技术的先进性、鲁棒性、简约性、不可替代性指标含义与前面相同。有效市场容量大小可以用潜在科技成果的潜在市场规模及潜在市场份额来决定。市场亲和力可由同类产品群进入市场的障碍和竞争情况来决定。市场中其他新技术导入的频率越大，市场竞争越激烈，该技术的市场亲和力越差。科技成果市场转化能力可用类比科技成果转化率表示。
对于上述指标，同样在分别得出各指标的具体描述后，可以利用专家评分法对他们给出评价分值。然后加权求和，得出综合评价值。该综合评价值即可看成作为现有科技成果所能带来的已知未来收益现值的调整系数E1，则现有科技成果所能带来价值的计算公式为：Vp12 =Vp11E1。
如果现有科技成果还没有已知收益，则选择一个可比科技成果。设可比科技成果的综合评价值为E1′， 可比科技成果价值为V′，则现有科技成果未来的未知收益价值为：
2.正在研究的科技成果价值：由于正在研究的科技成果的未来收益也是很难直接进行估价。我们仍采用与现有科技成果未来的未知收益现值的求解方法，利用表3的评价指标体系，计算出正在研究的科技成果价值系数E2。与现有科技成果的价值比较，则正在研究的科技成果价值计算公式为：
高科技企业产品层的价值计算公式为：Vp= VP11 +Vp12 +Vp2=(1+E2/E1)(1+E1)Vp11
（三）能力层面的价值评估与评估方法
能力层面的价值评估实际上是评价科技企业的成长能力。然后在其成长性的基础上预测出未来可能的价值增长。评价科技企业的成长能力主要从企业家素质与能力和技术创新能力两方面入手。
1.企业家素质与能力。企业家是高科技创业企业的核心领袖人物。他的素质与能力对高科技创业企业的可持续发展起着决定的作用。具有素质高的企业家就意味着未来较高的价值增值。企业家的素质与能力7个指标，包括道德素质、勤奋精神、创新与洞察力、行业经验、教育背景、管理战略前瞻性和可行性以及管理方法先进性。
2.技术创新能力。持续技术创新是高科技企业可持续发展的重要驱动力。它可由科研人员比重、科研团队素质、R&D的生产效率等3个指标来衡量。科研人员比重用科研人员人数与全体职员人数的比值来表示。科研团队是科技企业创新的主要力量。科研团队素质可以从科研团队的学历结构、职称结构、知识结构、团队精神等几方面来考察。R&D的生产效率是评价技术创新能力的一个重要指标。R&D的生产效率一般可针对R&D科技成果预计能带来的收益与R&D支出之间的关系，通过绘图、选择非线性拟合曲线、参数估计等方法来确定。
对于高科技企业能力层的价值评估：首先根据Delphi法确定各指标权重（见表4）和各指标综合评分，然后使用模糊综合评价法计算出其能力价值系数Sc。能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整。即能力价值Vc=ScVp。
全方位价值评价的数量化综合测算模型
综上所述，因为资产价值不能代表高科技企业的整体价值，高科技企业产品—科技成果的价值虽然是企业收益的主要来源，但它只能代表高科技企业现有的产出能力和产品获利能力，而不能完全代表高科技企业未来收益增长的潜力。按照企业能力理论，企业的能力是企业最具战略意义的基础。企业的产品只是企业能力的外在表现。企业的能力是企业价值创造和价值转移的基础。因此，高科技企业价值评估要落在以资产和产品为基础的评估价值基础上，再以其能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整，以更好地体现高科技企业的良好的成长型。
因此，全方位价值评价的数量化综合测算模型为：
V=Vm+Vp+Vc= (Vm11+Vm12+Vm21+Vm22) + (1+E2/E1)(1+E1)Vp11+Sc x Vp
=(Vm11+Vm12+Vm21+Vm22) + (1+Sc) (1+E2/E1)(1+E1)Vp11
参考文献
【关键词】 高科技企业； 价值评估； 定价
截止到2010年12月31日，创业板已上市一年多，上市企业达153家，平均市盈率高达78.53倍，最高甚至达到106.04倍，发行价普遍过高，企业市场价值与企业内在价值偏离过多，这不仅损害了投资人的经济利益，同时也影响了创业板的正常运作，企业也会因此面临一定的经营风险。正确评估高科技企业内在价值，使企业股票价格围绕评估价值上下波动，有助于企业的可持续发展和创业板的有序运营。
一、高科技企业进行价值评估与定价的意义
在管理学 领域，企业价值被定义为企业作为一种特殊商品，遵循价值规律，通过以价值为核心的管理，使所有与企业利益相关者（包括股东、债权人、管理者、普通员工、政 府等）均能获得满意回报的能力。企业价值通过企业在市场中保持较强的竞争力，体现在可持续发展过程中获得的未来盈利能力。
企业价值评估是指 投资者或者证券公司采用科学的评估方法，对企业的公平市场价值进行分析和衡量。企业进行价值评估的意义重大，具体体现在以下两方面：在企业内部，企业价值 评估作为公司战略与公司财物的交汇点，是企业进行价值管理的前提；在企业外部，譬如在金融市场中，企业价值评估可以为投资者的投资活动，如合并、并购、收 购、资产出售、资产重组和股份重构、上市等重要交易提供合理的参考价格，是投资者进行投资决策的基础。
创业板的成立给高科技企业融资拓宽了 渠道，截止到2010年9月，前23批已上市的120只创业板股票首发合计融资854.62亿元，平均每只股票首发募资7.12亿元。创业板上市是高科技 企业寻求发展、解决资金瓶颈的有效措施。但是，创业板成立一年多，发行价和市盈率过高，企业的市场价值严重偏离企业内在价值，给创业板市场以及企业自身都 带来了负面的影响，正确评估高科技企业价值成为消除负面影响的有效途径。高新科技企业在创业板上市公开之前，对企业价值进行评估，从而制定合理的股票发行 价格，得到投资者的认可，获得更多的资金，是创业板市场有效运行的基础。在创业板上市之后，企业的购买方和转让方需要估计企业公平合理的价值，以便双方在各自对同一企业的不同估计结果基础上进行协商谈判，从而达成最终的产权转让或兼并收购要约。高科技企业定价为企业融资活动提供了运行帮助，为投资活动奠定了决策基础。
二、高科技企业价值评估的难点
高科技企业之所以溢价过多，主要原因在于其异于传统企业的自身特性，导致了企业价值评估难度系数较大，评估价值与企业实际价值误差较大。高科技企业价值评估的难点具体体现在以下几个方面：
1.高科技企业中无形资产的比重远远大于有形资产，而无形资产的评估相对有形资产较为困难。作为知识密集型企业，高科技企业主要以技术、专利、商誉、科 研人员的创新能力等无形资产为价值核心，无形资产的重要性要远远超过有形资产与实物资产。同时，由于其自身的不可复制性以及不确定性，无形资产的评估成为 高科技企业价值评估的重点以及难点。
2.对于高科技企业来讲，在市场中很难找到具有可比性的企业。一方面由于高科技千差万别，一般很难找到行业、技术、规模、环境及市场都相当且可比的企业；另一方面，我国的产权市场还未发育成熟，交易数量有限，要进行全面的比较还缺乏条件。这会给评估师利用可比企业信息进行企业价值评估带来更大的难度。
3.创业板对于高科技企业持续经营要求至少3年，很多高科技企业经营周期比较短，历史财务数据有限。而在企业价值评估中，往往是利用企业过去的数据来估计当前的输入变量，比如说估算企业的风险系数和预期收益率。对高科技企业而言，缺乏历史信息是评估的一个难点。
4.创业板对于高科技企业的盈利能力要求较低，因此上市的高科技企业大部分目前未盈利或者盈利甚微。高科技企业由于面临的市场不稳定，加之成功率较低， 现金流量在一定的时期内波动会比较大，高科技企业创业初期可能只有负的现金流。但高科技一旦转化为生产力，产品的高附加值就会给企业带来巨大的经济效益， 此时正现金流量的数值也会较大。除了少数企业成立后就有盈利外，大部分高科技企业(包括大部分网络企业)目前没有盈利或是盈利甚微。这对评估人员来说，意味着无法根据现在的盈利估算出未来的盈利。实际上，由于利润是负数，由历史数据计算出的增长率也是没有意义的。
5.高科技企业的收入确认方面还存在问题。由于高科技企业产品销售和服务的特殊性可能导致账面收入与实际收入不符，尤其是软件企业和互联网企业，它们的收入确认问题在会计界引起很多争论，从而也给评估时对企业历史或现有的收入进行确认增加了难度。
6.高科技企业的不确定性太大，对风险缺乏有效测量，难以估计企业的未来收益，即使进行估计，主观因素也占据着主导地位，这也使得企业的价值评估面临一定的难度。
三、企业价值评估方法应用对比
目前国际上通用的企业价值评估方法共包括四大类：成本法、市场法、收益法和期权法。
成本法的原理是指通过重置成本扣除各项损耗值来确定企业的资产价值的。成本法测定所有者的未来利益是通过确定替换被评估资产未来服务能力所需的货币量， 因此又被称为重置成本法。这种方法的假设依据是：新的资产价格与该资产在其寿命期所能提供的服务经济价值是相当的。直接以重置成本对评估对象进行评估和调 整，具有评估准确性高等特点。对于上市的高科技企业而言，其创立时间短暂，缺乏历史数据，且更注重企业未来收益状况，所以目前成本法在创业板的使用并不广 泛。
市场法，也被称为相对估值法和可比公司法，其原理是指通过被评企业与已知企业进行比较，根据已知企业的整体价值得出被评估企业的整体价 值。其内在假设是：同行业中的企业之间存在较大的可比性，相关指标符合正态分布。市场法在上市公司股票估价中经常应用，具有代表性的模型主要有：市盈率模 型、价格销售比模型、市值销售比模型、经济附加值模型、市值比访问量模型、营销回报模型等。
对于高科技企业来讲，一方面企业之间的差异性较 大，人员不可同一，技术不可复制，因此也很难找到可进行对比的企业，历史数据少，用修正指标来进行比较也比较困难。另一方面高科技企业创始时间短，部分企 业可能还没有盈利，这种情况也难以用市场法进行估值。但是目前市场法在创业板的应用还是比较广泛，尤其是市盈率倍数法。
收益法的原理是通过 企业未来可预测的每年预期收益进行收益还原以及折现处理。收益法假设企业的价值是由未来的收益额决定的。采用收益法评估企业价值必须解决三个问题：一是确 定收益额为何种形式的现金流量；二是确定企业的增长生命周期；三是确定相应的折现率。收益法的主要模型有：自由现金流量折现法、利润折现模型、股权现金流 量折现法、红利折现模型、资金现金流量折现法等。对于高科技企业来讲，由于技术更新速度越来越快，高科技企业的不确定性越来越高，企业的未来预期收益、生 命周期和贴现率就越来越难以做到科学预测，收益法面临着一定程度的挑战。但是目前经过相关系数的调整，自由现金流量方法在创业板高科技企业的定价中应用还 是比较普遍的。
期权法是在收益法的基础上进一步完善的。期权是一种证券化契约，该契约赋予其持有者或买方具有在期权到期日或到期日之前任一时间向其卖方按预先约定的价 格(执行价格)购买或出售契约所规定的一定数量标的资产的权利。为取得该权利，期权购买者需在购买期权时向其卖方支付一定金额的保险金，称其为期权价格。在期权定价模型中，最著名的是Black-Scholes模型。
高科技企业具有期权性质，因为高新技术企业能产生机会价值。由于市场对其某些经营活动有良好的预期，愿意为获得未来的利益承担风险，所以机会价值属于买 权价值，其中空头方为高新技术企业原有的所有者，多头方为高新技术企业潜在的投资者。期权的发生，是风险从高新技术企业所有者到潜在投资者的转移。
但是，基于上市的新股定价的高科技企业价值评估，标的资产交易也比较困难，专利技术的预期收益仁者见仁、智者见智，无法得到统一的期权价值，作为收益法的新阶段——期权法也有着诸多的局限性。
四、高科技企业进行定价需要注意的事项
首先，企业上市的股票必须以企业内在价值为基础。脱离企业内在价值过高的股价难以使投资者认同，会给企业的融资带来一定的阻碍；脱离企业内在价值过低的股价虽然容易形成市场，但是会损害原始股东的利益。
其次，要意识到正确评估企业内在价值的重要性，尤其是选择合适的企业价值评估方法的重要性。国际通用的四种估值方法在理论上都存在着一定的局限性，但是可以通过修正模型来完善传统的模型。
根据王忠波老师在《高科技企业估值方法研究》中提到的，目前高科技企业采用的修正模型主要有以下七类：第一类是对研究开发费用的调整，如EVA法和成长 流量比法；第二类是利用收入指标，如价格销售比模型、营销回报模型等；第三类是对传统估值指标的调整，主要是借助企业的历史数据以及可比企业的数据对估值 指标进行推算，以解决部分高科技企业缺乏估值数据的问题；第四类是对传统估值方法的修正，如修正的市盈率模型、市净率模型、理论盈利倍数法和边际利润率保 障倍数估值模型；第五类是利用非财务指标，有关研究发现对于高科技企业，非财务信息的有用性要大于财务信息；第六类是多元回归模型，即通过引入多个价值指 标对可比公司进行回归以确定目标企业价值；第七类是逆向估值法，是用未来数据推算当前对高科技企业的估值结果是否合理的方法。高科技企业价值评估方法较 多，应针对不同行业不同发展阶段的高科技企业慎重选择。
最后，需要注意的是股票定价不仅必须与企业内在价值挂钩，还要关注企业外部环境对股票定价的影响。国家的相关政治经济政策的变动、企业所在行业的成长空间、证券市场的发展现状等外部因素对股票的定价都有一定的影响，因此在定价的过程中应适当考虑这些因素。不忽视不夸大这些因素的影响，可以限定一定的股票定价与外部环境的相关系数，这样有助于股票价值围绕企业内在价值上下波动。
【参考文献】
［1］ 李军，何红.资产评估基础教程［M］.北京：清华大学出版社，2004.
［2］ 王少豪.高新技术企业价值评估［M］.北京：中信出版社，2002.
［3］ 李娅琳，关明坤.工业制造企业价值判断及评估方法研究［D］.辽宁石油化工大学，2008.
［4］ 王忠波.高科技企业估值方法研究［M］.深圳：深圳证券交易所综合研究所，2001.
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993
[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36（2）:46-49
[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27（2）:57-65
[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12（12）:54-69
[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988
[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207
[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997
[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991
[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996
[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988
[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)
一、论文名称、课题来源、选题依据
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1) 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为： Y=L?[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为： Y=Lexp(-Bt))皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在： (1) 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在： (1) 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998
[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000
[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997
[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.
[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6
[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6
[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5
[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88
[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1
[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4
[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4
[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4
[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4
[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4
[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1
[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4
[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5
[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3
[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5
[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6
[21]Kim B. Clark Takahiro Fujimoto. Product Development Performance Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993
[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36(2)：46-49
[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27(2)：57-65
[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12(12)：54-69
[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988
[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207
[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997
[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, RD Straregist Magazine,Summer 1991
[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996
[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988
[31]R.K. Zutshi, T.W.Liang, D.G.Allampulli, Singapore Venture Capitalists Investment Evaluation Criteria: A Reexamination. Small Business Economics 13:9-26(1999)
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估，可以使企业对未来的技术发展水平及其变化趋势有正确的把握，从而为企业的技术创新决策提供科学的依据，以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中，企业的技术创新决定着企业生存和发展、前途与命运，为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息，分析技术发展趋势和规律，在分析判断这些趋势和规律将继续的前提下，将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l∕[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线，其预测值y为技术性能指标，t为时间自变量，l、a、b皆为常数。ridenour模型也属于生长曲线预测法，但它假定新技术的成长速度与熟悉该项技术的人数成正比，主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息，建立预测对象与影响因素的因果关系模型，预测技术的发展变化。相关分析法认为，一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的，这样，通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源，通过系统的调查、征询专家的意见，分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等，其中，德尔菲法吸收了前几种专家预测法的长处，避免了其缺点，被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据，在进行产品技术创新预测时，只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势，并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中，对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推，而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测，但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式，而所得到的回归预测模型往往只能考虑少数几种主要影响因素，略去了许多未考虑的因素，所以，所建模型对实际问题的表达能力也不够准确，预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验，往往带有主观性，难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献，为企业技术创新的预测提供了科学的方法论，但在新的经济和市场环境下，技术创新预测的方法和技术应有新的丰富和发展，以克服自身的不足，更进一步适应时展的需要，为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中，一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性，在对此四方面内容逐个分析后，再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等，但技术创新的评估是一个非常复杂的系统，其中存在着广泛的非线性、时变性和不确定性，同时，还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法，难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究，在我国的历史还不长，无论是指标体系还是评估方法，均处于研究之中，我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下，神经网络技术就有其特有的优势，以其并行分布、自组织、自适应、自学习和容错性等优良性能，可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题，它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础，bp神经网络由输入层、隐含层和输出层构成，各层的神经元数目不同，由正向传播和反向传播组成，在进行产品技术创新预测和评估时，从输入层输入影响产品技术创新预测值和评估值的n个因素信息，经隐含层处理后传入输出层，其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置，考虑了概括性和动态性，力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素，尽管是黑匣子式的预测和评估，但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅，虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等，但尚未发现将神经网络应用于技术创新预测与评估方面的研究，在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下，以神经网络为基础来建立产品技术创新预测与评估模型，是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术，丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估，有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术，有利于提高预测的正确性;(2)提供一种基于bp神经网络的综合评估方法，有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型，并建立科学的预测和评估指标体系及设计相应的模型计算方法，结合企业的具体实际，对指标和模型体系进行实证分析，使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手，密切结合电子商务和知识经济对企业技术创新的影响，系统综合地分析影响产品技术创新的各相关因素，建立科学的企业技术创新预测和评估指标体系，并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时，需要一组决定其相对重要性的初始权重，权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点，以bp神经网络为基础，构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点，设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料，构建基于bp神经网络的技术创新预测和评估模型的学习样本，对预测和评估模型进行自学习和训练，使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景，对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面，一种是采用传统的指标体系，另一种是采用国外先进国家的指标体系，如何结合我国实际当前经济形势，参考国外先进发达国家的研究工作，建立一套适合于我国企业技术创新预测和评估指标体系，此为本研究要做的首要工作，这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能，能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题，本项目首次将神经网络技术引入企业的技术创新预测和评估，这也是一项创新。
五、课题研究的
基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素，并研究影响因素间的内在联系，确定其相互之间的重要度，探讨其量化和规范化的方法，将国外先进国家的研究成果与我国具体实际相结合，建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中，发现问题、分析问题，归纳和总结出具有共性的东西，探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究，先从某一行业出发，定义模型的基本输入因素，然后，逐步扩展，逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合，进行实证研究，在实践中丰富和完善，研究出具有科学性和实用性的成果。
