基于灰色预测的新能源汽车企业价值评估研究

林雨晗

（天津商业大学， 天津 300000）

1 研究背景与研究意义

1.1 研究背景

一个国家的经济命脉往往是由该国家的制造业所决定的，其中汽车行业不仅仅是制造业中的重中之重，而且其涉及多个领域，例如材料、机械、电子、通信等，其综合实力与一国的制造业力量水平息息相关。

在汽车行业的传统燃油汽车方面，我国在燃油车的关键部件方面受限于其他发达国家，所以我国在“八五计划”中就已经为电动汽车的发展做了规划，其目的就是为了实现在汽车行业的“弯道超车”，避免传统燃油汽车中出现的窘境，并且新能源汽车与传统燃油车相比，与国家的可持续发展战略更加吻合，不论是从科技角度还是环保层面，乃至于国家发展方向层面，发展新能源汽车产业是大势所趋。

虽然我国新能源汽车行业相比于其他发达国家起步较晚，但是国家政策的鼓励与资源的倾斜使得我国的新能源汽车产业飞速增长，从初具规模到已经发展到了目前的快速成长期，但是新能源汽车行业的整体技术、新能源汽车的产业布局和我国新能源汽车的市场等各个方面都有不完善的地方，除了很多汽车公司加入新能源汽车的开发研究以外，其他行业的企业也纷纷加大投资，想要研发属于自己企业品牌的新能源汽车，试图分走一块蛋糕，掀起了“跨界造车”的热潮，这使得新能源汽车行业的风险更上一层楼，其中所蕴含的机会与风险相比其他行业都更加明显，而传统的评估方法往往很难准确预测这种风险与不确定性较大的企业价值，所以引入新的预测模型是解决评估该类型企业的重要步骤。

1.2 研究意义

首先，从理论上来说，企业价值评估活动在我国也具有很多的案例，其中不乏学者对这些案例的研究与分析，但是对于新能源汽车企业的特殊之处在于其价值来源并不主要是有形的资产，还有来自于知识产权以及技术专利等无形资产，再加上行业的风险以及不确定性，这就导致了企业的未来收益难以预测，而传统的预测方法只能简单地根据其收益波动进行预测，进而导致很难准确量化其企业价值，这对于评估人员来说是个不折不扣的挑战，国内对于类似行业的企业价值评估研究也相对较少，因此，对于新能源汽车企业价值的研究不仅能够完善企业在市场行为中可能出现的价值评估理论，甚至能进一步构建更加具体完善的评估方法体系。实践角度上来说，本文通过理论与案例相结合的方式，尝试给资产评估工作人员提供一种新评估思路作为参考，不仅仅是针对新能源汽车企业的价值评估，而是为资产评估实务中的类似的高新技术企业价值评估都提供一种新的思考方向。

2 评估模型的选择与构建

2.1 资产评估三大基本方法

资产评估三大基本方法收益法、市场法和成本法在企业价值评估中都有其合理性以及相关的应用，其中收益法是企业价值评估中无论是理论还是实务中都最常使用的方法，它是通过预测待评估企业的预期未来收益，并选择与其未来收益对应的合适的折现率，最后将其折现得出待评估企业的现值作为其评估价值，收益法在应用中需要考虑是否能够收集到所需的各种资料以及对于一些主观因素能否合理科学地进行量化，使得最后的评估结果更加科学客观。市场法是选取可比较交易案例或者是可比企业，并通过一系列的参数调整对其进行价值修正，最后得出待评估企业的价值，是一种间接的评估方法，除了选取的对象要具有可比性之外，市场法需要一个活跃的公开市场在对新能源汽车企业的企业价值进行评估时，市场法的缺陷比较明显，除了在修正各个可比要素时的主观性外，案例之间的可比性是令人担忧的，毕竟新能源汽车企业的价值并不像一些以有形资产为主的企业一样可以简单地进行直接对比修正得出最终评估结果。而成本法首先需要确定待评估企业的重置成本并分析一系列的贬值情况后用重置成本扣除贬值额得出结论，在进行企业价值评估时，待评估企业的资产负债表是基础，但是针对新能源汽车企业这种具有大量难以量化并计量的经济资产的企业，成本法很明显不能如实客观体现它们的价值，也正因为成本法的技术思路和特点，成本法不适合作为企业价值评估中唯一的评估方法。

综上所述，虽然收益法也具有着一些因素难以量化等问题，但是收益法的评估路径与评估思路与新能源汽车企业的价值内涵与价值来源是更加贴合的，故本文将以收益法为基础，引入灰色预测模型来对新能源汽车企业的企业价值评估进行研究分析。

2.2 灰色预测模型简介

GM（Grey Model）模型即灰色预测模型，GM 模型是根据灰色系统理论创建的，根据原始数据进行有限的生成是灰色模型预测过程的第一步，这个步骤对于弱化原始数据的随机性有显著的作用，通过累加的方式使得原本没有规律或是难以找到规律的原始数据体现出规律，然后预测其未来发展趋势，而这一步需要利用微分方程模型的构建，灰色预测模型最显著的特点也是其优点为所需的样本量相比于其他预测模型比较少并且其原始数据的分布特征不需已知，即便如此灰色预测模型所模拟出的结果的准确率依然比较高。这样的特性使其已经在评估以外的很多领域进行了实务应用，而GM（1，1）是指一阶单序列的线性动态模型在时间序列预测方面是比较常使用的预测模型。

结合收益法中的企业现金流折现得出企业价值的相关研究表明由于影响企业每年的情况不尽相同，且对于影响因素复杂繁多，这就导致了企业现金预测的准确性不仅难以估计而且直接影响到企业价值评估。对于新能源汽车企业而言，所拥有的财务数据样本量也同样是一个问题，这些问题符合灰色预测模型的适用条件，故可以针对特定的新能源汽车企业建立灰色模型进行预测，故下文将应用收益法并引入灰色预测模型尝试对新能源汽车企业进行价值评估分析。

3 评估案例

3.1 公司简介

比亚迪创办之初以电池业务为其主营业务，后收购了秦川汽车标志着其正式进入汽车行业，如今比亚迪在电子、电池、新能源汽车行业都占有一席之地，已经发展成为了一家综合性企业，在汽车行业领域，比亚迪始终坚持自主研发，其核心技术“三电技术”使得比亚迪成为首个新能源乘用车销量突破百万的中国企业。比亚迪的核心竞争力在于对整个新能源汽车产业链布局实现的技术优势和成本优势。比亚迪最初的电池业务也为其后续进军新能源汽车行业打下了坚定的基础，此外比亚迪产业链布局给其带来了规模效应，使得比亚迪的成本能够得到控制，比亚迪推出的e3.0 电动平台和DM4.0 混动技术兼具性价比以及驾驶体验，为企业赢得了显著的竞争优势。

3.2 收益期预测

根据对比亚迪企业以及新能源汽车整体行业的分析可以假设未来5 年为比亚迪企业的快速增长期，同时将未来5 年作为模型的详细预测期，而由于燃油汽车逐步转化为新能源汽车是一种发展的大趋势，则可以合理假设比亚迪企业能够永续经营，而永续期的增长率，根据竞争均衡理论可以得知任何一家企业的增长速度都不会一直高于宏观经济的增长，其核心观点为企业的永续增长率大约等于GDP 增长率，我国目前经济发展进入新常态，GDP 增速约为6%，这将作为企业的永续增长率。

3.3 折现率的确定

无风险利率选取评估基准日时点的国债到期收益率：3.5976%，根据上述分析的新能源汽车企业的行业特征，并结合在同行业中可比上市公司在评估基准日的权益系统风险系数并取其平均值作为βu值，而D/E的取值按照新能源汽车行业平均水平预测值，将确定的参数代入下面的计算公式，计算得出待评估企业的权益系统风险系数：

唐代开放的社会风气中，一方面，承接前代的传统，上层妇女因文才受到帝王表彰从而具有获得官职的机会。上官婉儿因才华卓著受到武则天任用，官员的章表书奏多委任于她，中宗时期，又大被重用，不久即拜为昭仪。

式中：股票市场的算术平均收益（RPM，公式中表达为RPM）根据评估基准日市场情况取7.15%，综合考虑新能源汽车企业行业状况以及比亚迪的企业情况、企业未来发展风险等，确定该公司企业特定风险调整系数（Rc）为4%，将上述确定的参数代入权益资本成本计算公式，计算得出四月星空的权益资本成本。计算公式如下：

计算结果为12.27%。

中国人民银行在评估基准日左右发布的5 年以上人民币贷款基准利率为5.4%，可以将该数据看作付息债务成本。根据以下计算公式及企业资本结构（D/E）即可计算得出待评估企业的加权平均资本成本（WACC，公式中表达为CWAC）。

得出待评估企业的加权平均资本成本为12.06%。

3.4 企业自由现金流测算

企业自由现金流量=税后经营净利润+折旧与摊销-经营营运资本增加-资本支出。其中税后经营净利润=营业收入- 营业成本- 税金及附加- 销售费用- 管理费用- 所得税费用。因此本文在比亚迪过去五年的报表数据上，计算出2018—2022 年各年的企业税后经营净利润以及企业自由现金流量。具体见表1、表2。

表2 2018—2022 年企业自由现金流量单位：亿元

3.5 引入灰色预测模型

引入灰色预测模型进行预测首先需要确定建模基数，由上述的灰色理论分析可以得知，灰色预测模型的优势在于所需要的样本比较少，由于比亚迪企业正式将新能源汽车作为其主营业务的时间较短，历史相关数据也比较少，因此本文引入灰色预测模型的侧重点预测是对2018—2022 年这段“高速增长期”进行预测，目的是使评估时的各项预测数据不再是等比率增加，因此本文结合上述分析和表格将2013—2018年比亚迪企业自由现金流作为建模基数，且根据灰色预测模型理论原始序列不得出现负数，故将所有原始序列的数值进行整体上调50，则：

原始序列为｛88.82，20.39，403.94，30.19，589.775｝，将其进行一次累加得到累加序列：

Y 矩阵为：

则由于Y=Ba，利用最小二乘法可以求得参数a=-0.582 2，b=2.460 0，故利用参数a和b可以建立GM（1，1）的白化方程：

求解白化方程可以得到时间响应函数为：

由此可以得出预测的累加序列：

将上述序列进行累减处理则得出预测序列：

将得出结果进行残差检验，平均相对误差为0.513 0，该结果大于0.2，说明预测效果较差，所以还需要进行新陈代谢修正，新陈代谢修正是指在灰色预测模型中一种提高中长期预测精密度的修正方法，具体做法是将利用灰色预测模型预测出的预测其第一年，在本案例中即为2023 年的数据加入到模型的预测基数中，并将原始基数中最早期，在本案例中即为2018 年的原始数据从序列中摘除，建立新的原始序列，并进行灰色预测并重复上述过程，直至得到所需的全部预测值，并扣除最初整体增加的50，最终得出的2023—2027（高速增长期）的净现金流序列为：

3.6 最终结果

根据上表以及上文分析的折现率与永续期增长率可以计算得出待评估企业价值为43 740.37 亿元，如表3 所示。

表3 2023—2027 年企业预测现金流量表单位：亿元

4 总结与展望

4.1 总结

利用灰色预测模型预测企业未来现金流并采取收益法进行企业价值评估适用于那些拥有大量无形资产的企业，这类公司由于其无形资产拥有独特的特征与价值来源，所以非常难以找到能够进行直接价值比对的可比交易案例以及可比企业，在收益法引入灰色预测模型的案例应用中，不难发现虽然从理论上来说灰色预测模型的预测效果比较好，所需要的数据样本量也少，实际操作也较为简单方便，但是在实务中采用灰色预测模型的方法还需要注重以下关键点：对于待评估对象的系统内在机理的处理灰色预测模型并没有提及，所以即使没有特殊情况的出现，灰色预测模型预测的结果有时候也会与实际情况出现较大的差异。因此，倘若待评估对象具有内在机理明确的系统，则不宜采用灰色预测模型进行价值评估。此外，如果建模的原始序列中包含有特别的偏离的数据，应根据企业具体情况，对企业的现状以及未来可能的发展情况进行充分的了解与分析，考虑是否将其剔除出原始序列，因为在样本量本就不多的原始序列中间出现一个明显偏离整体变化趋势的数据，将大大改变预测的结果以及效果。

4.2 未来展望

企业价值评估理论与实务研究仍然存在一定的距离，在理论研究中，许多学者从各个角度各个方向上采取了各种先进的数学模型进行预测，但仍然无法在实务中得以广泛的应用，本文基于灰色预测模型的理论对新能源汽车企业的价值评估进行分析探讨,但也仅仅选用了新能源汽车行业中一个企业做出分析，是否具有推广性还需要更多的实务案例或者更有深度的理论分析，也需要市场和时间对价值评估进行一定的检验，无论如何，如何将企业价值评估中对企业价值影响因素有着重大影响的各种因素进行客观科学的量化以及对企业未来现金流量的合理预测依然是企业价值评估的重中之重，这样艰巨的任务不仅仅需要学者们的集思广益，也需要市场中评估公司在实务中的评估案例经验给予理论研究一定的支持与回应。