摘要
改革开放后，我国的经济和社会迅速发展，人们的生活质量得到了极大的改善。从客观角度来说，我国地域辽阔，自然资源丰富，但因为我们的人口也是全球最多的，这就使得我们成为了一个能源消费大国，能源短缺的问题已经迫在眉睫。新能源汽车的普及，对解决我国社会经济发展与资源短缺的矛盾具有重要意义。新能源汽车行业属于规模壁垒和技术壁垒型行业，因此它要求有庞大且不间断的资金流入。在目前的市场中，新能源汽车公司的种类繁多，一些原本并不从事新能源汽车业务的公司，为了能够得到国家补贴资金，他们会改名，以此来迷惑投资者的目光。一些新能源汽车公司在扣除政策补贴资金之后，经营状况已经由盈转亏。因此，传统的估值模型已经不能完全地将新能源汽车上市公司的真正价值完全地体现出来，市场也迫切地希望有一个能够完全地体现新能源汽车上市公司真实价值的估值模型，这样才能够推动行业内的良性竞争，减少新能源汽车的推广遇到的阻碍，进而能够有效地缓解国民经济的快速发展与能源短缺之间的矛盾。 本文首先介绍了我国新能源汽车行业的发展背景和相关理论概念，同时阐述了相对估值法、现金流量折现法、人工神经网络模型等估值方法的原理;其次介绍新能源汽车行业的行业特征和估值特征，并根据相关因素的分析结果，判断其适用的企业价值评估方法;最后根据机理分析选取的指标构建BP神经网络新能源汽车企业价值评估模型，并与传统的估值方法进行对比，归纳总结得出结论。通过对BP神经网络的建立，可以得出以下结论:BP神经网络因其拥有非线性以及强泛化能力的优势，在新能源行业企业价值评价方面具有较强的适应性。在对比亚迪公司的分析和检验中，我们可以看出BP神经网络模型在评估一家公司的时候，其估值精度要比传统的估值方法高得多。不仅如此，由于新能源汽车行业涉及的数据非常丰富，而BP神经网络模型能够从中提取关键信息，并自动学习和适应新的数据，进行更准确的训练学习和估值。完全客观的大数据也可以最大程度地减少人的主观因素的影响，所以BP神经网络模型能够脱颖而出。
NETL