本期導讀

行業建設

P4 中國資產評估行業發展報告2017（節選）

為了解資產評估行業現狀，實現資產評估行業可持續發展，中評協組織專題研究并形成行業發展報告，通過對資產評估行業業務收入狀況、資產評估機構發展狀況、資產評估師發展狀況的分析及對具有證券、期貨相關業務評估資格的資產評估機構的調查，以期深化評估行業管理方式改革、加強和優化行業治理。

行業治理

P17 資產評估機構內部治理全景式展現

作者通過中國資產評估協會網站及問卷調查方式結合，收集到我國資產評估機構的相關數據，并借助Excel及SPASS22.0軟件對數據進行系統分析。分析涉及資產評估機構數量、分布及其組織形式和內部治理機制的基本狀況，提出了合理選擇組織形式、做大做強評估機構、因“所”制宜簡化組織機構、完善進入退出機制、堅持新的發展理念等政策建議。

企業價值評估

P27 我國獨角獸企業價值評估影響因素分析

近年來，我國獨角獸企業發展迅猛，在經濟增速下滑的情況下，獨角獸企業代表著新經濟的增長動力，獨角獸企業的價值評估愈發重要。由于獨角獸企業成立時間較短、行業前景好、技術創新與模式創新企業集聚等特性，獨角獸企業估值區別于其他企業。本文以小米集團為例，多層次對獨角獸企業價值評估的影響因素進行剖析，并將企業的文化理念及股權構架納入獨角獸企業價值影響因素體系中。基于此，文章提出獨角獸企業價值評估操作建議，以期為我國資產評估機構開展獨角獸企業價值評估業務提供參考和借鑒。

P35 基于BP神經網絡的創業板上市公司價值評估

我國創業板上市公司價值存在高估或者低估的現象，給廣大投資者帶來了困擾，如何準確評估創業板公司價值顯得尤為重要。作者在分析了國內外創業板上市公司價值評估方法缺陷的基礎上，提出了基于BP神經網絡的創業板上市公司價值評估。借助SPSS19.0軟件，收集整理49家創業板公司數據，利用這些數據建立BP神經網絡模型，并用個案檢驗法檢驗所建立的網絡模型的適用性和可行性，同時與B-S模型方法、EVA模型方法和現金流量法測算的評估值進行比較，檢驗BP神經網絡模型的準確性。

P41 評估實務中特殊風險因子的理論內涵與影響因素研究——基于醫療保健行業的數據

作者在對經典資產定價理論CAPM模型與APT因子模型理論內涵深入分析的基礎上，探討了評估實務中對特殊因子應用的理論意義。通過手工搜集評估實務中的特殊風險因子取值并構建簡單的風險因子模型，發現現有評估報告的特殊性因子取值并未能從統計意義上顯示出與所列風險因素之間具有一定的關聯度。而醫藥行業的整體數據卻支持規模因素確實是影響特殊因子的一個重要原因。因此，作者建議評估實務中可采用因子模型作為計算股權融資成本的輔助方法。

評估案例

P49 層次分析法在資產評估中的應用

以一項技術類無形資產的評估為例，研究了無形資產評估中采用層次分析法確定利潤分成率的問題。作者通過分析案例中使用的傳統1-9標度，模擬了其他標度在案例技術類無形資產中的評估過程和評估結論，并進一步對比不同標度的一致性指標、最大偏差值和均方差，發掘不同標度之間的性能差異。我們發現，層次分析法在確定凈利潤分成率和分割組合無形資產方面具有科學性和可行性，但不同類型標度帶來的方案排序和權重結果不同，這需要資產評估專業人員準確把握層次分析法的內涵，在實務操作中根據被評估資產的具體情況，選擇性能好的標度來確定最優方案。作者對資產評估專業人員理解層次分析法的理論體系和應用形式有一定的啟示作用。