【摘要】：在我國經(jīng)濟高速的發(fā)展的大背景下,隨著互聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展,互聯(lián)網(wǎng)企業(yè)也得到了快速發(fā)展。在發(fā)展的同時,不僅僅互聯(lián)網(wǎng)企業(yè)之間進行著越來越多的產(chǎn)權(quán)交易,其他行業(yè)的公司也與互聯(lián)網(wǎng)企業(yè)有著或多或少的并購交易。如何在企業(yè)并購中合理的確實企業(yè)價值成為了人們開始關(guān)注的問題。互聯(lián)網(wǎng)企業(yè)與傳統(tǒng)的企業(yè)相比較,有顯著地特征,如無形資產(chǎn)比重大以及非財務指標占比多等,市場上大多數(shù)都是用傳統(tǒng)的評估方法進行價值評估。但是,傳統(tǒng)的評估方法,如現(xiàn)金流折現(xiàn)法和EVA方法以及成本法在運用到互聯(lián)網(wǎng)企業(yè)中,都存在很大的局限性。而將實物期權(quán)方法應用于企業(yè)價值評估中,雖然能夠很好的估計企業(yè)項目投資中的高度不確定性,使用一些創(chuàng)新的方法優(yōu)化實物期權(quán)方法的參數(shù)估計,但是仍然無法解決實物期權(quán)在實際應用中存在一些偏離理論的因素的問題。隨著全球經(jīng)濟不斷發(fā)展,計算機科學和技術(shù)也早已廣泛應用于人們的生活中。計算機科學技術(shù)擁有其強大的運算處理能力以及快速的搜索功能,滿足了很多科技發(fā)展的需求,與其他科學技術(shù)也是擁有著越來越緊密的聯(lián)系。在計算機技術(shù)發(fā)展的同時,也為企業(yè)價值評估提供了技術(shù)基礎(chǔ)支持,將神經(jīng)網(wǎng)絡用于企業(yè)價值評估是一種符合時代發(fā)展的趨勢。而且長短期記憶網(wǎng)絡(Long Short-Term Memory,LSTM)是一種經(jīng)過改進演化的循環(huán)神經(jīng)網(wǎng)絡,在數(shù)據(jù)處理方面更加的精確,能夠?qū)STM與實物期權(quán)結(jié)合用于企業(yè)價值評估是一種全新的突破。本文通過選取典型的互聯(lián)網(wǎng)公司進行實證分析,運用LSTM神經(jīng)網(wǎng)絡,將影響實物期權(quán)的五個重要參數(shù)通過輸入層到隱含層的循環(huán)鏈式結(jié)構(gòu),利用tanh激活函數(shù),處理輸入變量之間的非線性問題,再到輸出層輸出目標值股權(quán)價值,用歷史數(shù)據(jù)作為訓練樣本,提高輸出結(jié)果的準確性。再將結(jié)果與傳統(tǒng)的B-S模型結(jié)果比較,驗證了模型的適用性與可行性。將計算機科學技術(shù)用于企業(yè)價值評估可能是未來的一種發(fā)展趨勢,其強大的運算處理能力以及快速的搜索功能,解決了企業(yè)價值評估中很多數(shù)據(jù)處理的問題。將LSTM與實物期權(quán)結(jié)合用于互聯(lián)網(wǎng)企業(yè)價值評估也是一種全新的突破,豐富了企業(yè)價值評估方法體系。
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F275;F49
【圖文】：

工作原理［５３］。傳統(tǒng)的ＢＰ神經(jīng)網(wǎng)絡只是簡單的考慮了輸入與輸出之間的關(guān)系，逡逑ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡增加了定向循環(huán)，這種定向循環(huán)的增加能夠處理輸入之間前逡逑后關(guān)聯(lián)的問題。ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖４．２所示。逡逑ｆ＾）邐Ｏｕｔｐｕｔ邋Ｌａｙｅｒ逡逑—邋＃逡逑圖４．２循環(huán)神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖逡逑從上圖中可以看出，ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡包含了三個層，這一點與傳統(tǒng)的ＢＰ逡逑神經(jīng)網(wǎng)絡沒有什么區(qū)別。但是，兩種神經(jīng)網(wǎng)絡雖然都包含了包含一條從Ｉｎｐｕｔ逡逑Ｌａｙｅｒ到Ｏｕｔｐｕｔ邋Ｌａｙｅｒ的單向流動的信息流，ＲＮＮ神經(jīng)網(wǎng)絡還包含一條從Ｈｉｄｄｅｎ逡逑Ｌａｙｅｒ流向下一個節(jié)點的Ｈｉｄｄｅｎ邋Ｌａｙｅｒ的信息流［３４］。數(shù)據(jù)的處理主要就是在逡逑Ｈｉｄｄｅｎ邋Ｌａｙｅｒ中完成了，而Ｈｉｄｄｅｎ邋Ｌａｙｅｒ的構(gòu)造往往很復雜。本文通過時序的方逡逑式將其展開，詳細講解隱藏層中前一時間的狀態(tài)是如何決定后一時間的狀態(tài)的，逡逑具體的展開結(jié)構(gòu)示意圖如圖４．３所示。逡逑２６逡逑

工作原理［５３］。傳統(tǒng)的ＢＰ神經(jīng)網(wǎng)絡只是簡單的考慮了輸入與輸出之間的關(guān)系，逡逑ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡增加了定向循環(huán)，這種定向循環(huán)的增加能夠處理輸入之間前逡逑后關(guān)聯(lián)的問題。ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖４．２所示。逡逑ｆ＾）邐Ｏｕｔｐｕｔ邋Ｌａｙｅｒ逡逑—邋＃逡逑圖４．２循環(huán)神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖逡逑從上圖中可以看出，ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡包含了三個層，這一點與傳統(tǒng)的ＢＰ逡逑神經(jīng)網(wǎng)絡沒有什么區(qū)別。但是，兩種神經(jīng)網(wǎng)絡雖然都包含了包含一條從Ｉｎｐｕｔ逡逑Ｌａｙｅｒ到Ｏｕｔｐｕｔ邋Ｌａｙｅｒ的單向流動的信息流，ＲＮＮ神經(jīng)網(wǎng)絡還包含一條從Ｈｉｄｄｅｎ逡逑Ｌａｙｅｒ流向下一個節(jié)點的Ｈｉｄｄｅｎ邋Ｌａｙｅｒ的信息流［３４］。數(shù)據(jù)的處理主要就是在逡逑Ｈｉｄｄｅｎ邋Ｌａｙｅｒ中完成了，而Ｈｉｄｄｅｎ邋Ｌａｙｅｒ的構(gòu)造往往很復雜。本文通過時序的方逡逑式將其展開，詳細講解隱藏層中前一時間的狀態(tài)是如何決定后一時間的狀態(tài)的，逡逑具體的展開結(jié)構(gòu)示意圖如圖４．３所示。逡逑２６逡逑

圖４．４循環(huán)神經(jīng)網(wǎng)絡的循環(huán)模塊結(jié)構(gòu)逡逑ＬＳＴＭ神經(jīng)網(wǎng)絡就對這種循環(huán)模塊的結(jié)構(gòu)做出改進，所以ＬＳＴＭyL經(jīng)網(wǎng)絡的逡逑內(nèi)部結(jié)構(gòu)更加復雜，如圖４．５所示。從圖中可以看出，ＬＳＴＭ神經(jīng)網(wǎng)絡有四個交逡逑互層，不像ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡內(nèi)部結(jié)構(gòu)中只有一個ｔａｎｈ層。逡逑？邋？邋？逡逑邐邐ｔ邋，邐ｔ邐ｔ＇逡逑丨＿＿丨＿丨｜丨｜丨丨邋？邐邋｜邐？今逡逑牛邋牛逡逑Ａ邋，；碟０邋，邋八邋，逡逑１、－丨邐邐邋邐ｖ邐邐邐Ｊ邐邐Ｊ逡逑＠邐（ｘｊ）邐＠逡逑圖４．５邋ＬＳＴＭ的循環(huán)模塊結(jié)構(gòu)逡逑那么ＬＳＴＭ神經(jīng)網(wǎng)絡的隱含層層究竟有何特殊之處呢？主要是由于該隱含逡逑層擁有四個交互層，他們之間相互聯(lián)系相互影響。此外，隱含層內(nèi)部還增加了細逡逑胞狀態(tài)。接下來我們將一起探討一下這四個交互層的結(jié)構(gòu)和作用。逡逑２８逡逑

【參考文獻】

相關(guān)期刊論文 前1條

1 李冬梅,龍斌帆;知識經(jīng)濟時代實物期權(quán)理論在企業(yè)價值評估中的應用[J];焦作工學院學報(社會科學版);2004年02期

本文編號：2756465