吴锦桂

（华南理工大学广州学院 广东广州 510800）

引言

每个企业未来自由现金流量（DCF）的预测，都会受到各种因素的影响。而这些影响因素之间又存在着各种各样的关系，故传统的企业价值的计算上，自由现金流量的预测主要都是通过对各个指标基于目前的增长情况进行预测，这并没有考虑到历史和现在增长情况的不同，也没有考虑到自由现金流量本身的自我变化规律。而时间序列下的历史自由现金流量的数据则包含了这些因素以及它们之间相互作用的影响，BP神经网络模型是一种用于历史数据规律性不明确，可通过BP神经网络模型本身进行模型训练，然后用训练好的BP神经网络模型进行预测的模型方法，故用此模型进行改进DCF模型是非常有效和可行的。

一、企业价值评估模型

企业价值是指企业所具有的价值，是企业的资产和盈利的体现。一个企业的价值能给投资者提供一种投资指导，因此企业价值一直被很多国内外的学者研究。目前企业价值评估的方法有很多种，如eva法、资产价值基数法、相对估价法、现金流量折现法等。

但上述各种方法都有其一定的优势和缺点，如相对估价法优势在于可以从股票市场获取相关数据，但缺陷是其比率易被操纵。在各种方法中现金流量折现法使用广泛，其理论研究也相对成熟，且操作方便。故本文选取现金流量折现法的思想来进行研究企业的价值评估。

自由现金流量是企业在满足正常经营的条件下所有现金流入减去企业维持正常经营所需要的现金流出所剩余的部分，这一部分能够为企业所有投资者包括债权人、股东提供可享有支配的净现金流量，因此企业价值包括股权类和债券类合起来的价值。……