人工智能类企业估值研究——基于经典股票估值模型的比较开题报告

A. 文献综述

当前有多种股票估值方法用于股票估值，传统方法主要由三大类，如PE、PB、PEG，其他方法包括BP神经网络的股票估值模型、连续型实物期权模型等。

价值乘数估值法以市场为导向，频繁运用于国外成熟资本市场企业股权价值评估实务中。价值乘数主要包括基于股权价值的权益乘数和基于企业价值的价值乘数，即PE（市盈率）、PB（市净率）等。价格乘数估值模型估值的准确性会受到资本市场发达程度的影响，资本市场越发达估值准确性就越高（DI Minjina，2008）[1]

但以上各类估值方法都存在固有的缺陷，如果单纯使用一种方法对股票估值，其估计结果难免会有所偏差。

本文选定前五大人工智能类上市企业，使用多种估值模型对人工智能类企业进行估值，通过多种模型对比分析，确定价值的上确界和下确界，勾勒出价值变化的区间。并结合人工智能的行业特征，分析影响人工智能企业估值的影响因素。

国内研究现状

我国许多学者对传统价值评估理论应用进行了研究并对国内外企业价值评估模型进行了分析，并对传统价值评估法提出建议进行修正和完善；王俊功（2018）(兰州大学人工智能类上市公司价值评估)[2]以核心竞争力理论为基础，使用 AHP 法，将价值评估体系中的非财务指标得以量化，构建并使用估值模型的方法对企业估值较传统现金流估值法更合理准确。

崔爽（2018年哈尔滨工业大学—基于实物期权的人工智能类企业价值评估研究——以科大讯飞公司为例）[3]应用Schwartz-Moon模型结合蒙特卡洛模拟法对人工智能类企业进行价值评估，发现Schwartz-Moon模型在应用时存在许多假设前提，这使得实际评估结果被限制在一定框架内，不能完全按照实际情况评估而来；模型中所获取的相关参数有人为主观设计而来，对企业实际的价值评估结果有一定的影响。

屠萍萍（财务管理与资本运营刊，20180713期 我国创业板上市公司估值研究——基于PEG估值模型）【4】利用PEG估值法得出的股价估计值与市场实际价值相比普遍有一定的差距但总体上可以分析出其趋势出现误差的主要原因是PEG估值法很大程度上受到历史数据和预期数据的影响 大部分创业板上市公司的市龄较短数据不足这样衡量股票的价格和价值时就可能出现误差 也就是说既往收益只能分析出未来收益可能的趋势不一定能确定未来的收益率而运营模式商业周期及公司人员的变动等都可能影响收益率。PEG估值法适用于利润非常稳定的上市公司 而不适用于周期型行业。复合增长率对PEG估值方法起到至关重要的影响如何科学准确地计算复合增长率需要我们进一步研究

国外研究现状

国外文章

B. 范文提纲格

第1章绪论

1.1研究背景、目的及意义

1.2国内外研究现状

1.3 研究内容及方法

1.4创新之处

第2章企业价值评估方法及相关理论概述

2.1企业价值评估的含义

2.2企业价值评估方法概述

2.2.1收益法

2.2.2成本法

2.2.3期权定价法

2.2.4市场法

2.3价值评估方法的比较

2.4本章小结

第3章人工智能类企业概况及PE/PB分析

3.1人工智能产业特征介绍及PE/PB分析

3.1.1人工智能产业发展

3.1.2人工智能产业PE/PB分析

3.2 PE/PB宏观及微观影响因素分析

3.3人工智能类企业PE/PB影响因素相关性分析

3.4本章小结

第4经典股票的选择及优势分析

4.1经典股票估值法

4.1.1E估值法

4.1.2PB估值法

4.1.3PEG估值法

4.2PB神经网络预测估值法

4.3连续型实物期权模型

4.4本章小结

第5章人工智能类企业案例分析

5.1目标企业选择方法

5.2目标企业的企业价值

5.3目标企业价值及PE/PB分析

5.4所有目标的价值评估

5.5评估结果分析

第6章结论与不足

6.1研究总结

6.2对策及启示

6.3不足之处

C. 参考文献

著作：

[序号] 主要责任者.文献题名[M].出版地：出版者，出版年:起止页码（可选）.

期刊：

[序号] 主要责任者.文献题名[J].刊名，年，卷（期）:起止页码（可选）.

电子文献：

[序号] 主要责任者，网上电子公告[EB/OL].(发表更新日期) [引用日期].获得网址.