摘要
德国政府推出的“工业4.0”战略规划预示着以信息物理系统（CPS）为基础构架的第四次工业革命的来临。这次新工业革命的核心在于推动制造业实现智能化改革，通过利用新一代信息技术深层渗透制造业发展，从而促进制造业深刻变革生产方式及产业形态。为了应对这一全球性工业浪潮，我国加速制造业转型升级，将智能制造确定为关键目标方向。就此，智能制造企业蓬勃发展，数量急剧增加。无论是其挂牌上市、债券投资、企业并购，还是投资者做出明确的投资决策，指导企业的业务管理，支持资本运作活动，都离不开对智能制造企业的价值评估。主流的价值评估方法大多依据一定的假设条件，而智能制造企业的快速发展性，高壁垒性，不确定性强等特点，使得对这些类型企业价值的评估出现难点，传统评估方法及衍生方法的综合运用值得深入探索。因此，对于智能制造企业价值评估方法的研究具有重要意义。 本文选取智能制造企业汇川技术作为评估对象，结合国内外相关研究，依据业价值评估相关理论，剖析智能制造行业特征及发展现状，对智能制造企业价值评估方法进行对比分析，选取更为适宜的评估方法对该案例企业价值进行评估。最终运用了BP（BackPropagation）神经网络模型和EVA（EconomicValueAdded）估值法对其企业价值进行了评定估算，并将两者结果进行对比分析，以期探求更适宜智能制造企业的价值评估方法。在BP神经网络模型建立的过程中，从发展能力、盈利能力、运营能力等八个维度分析了企业价值的影响因素，构建了包含23个指标的智能制造企业价值评价指标体系。同时，确定了网络模型的各个参数和函数，构建完成了三层BP神经网络估值模型。在数据选择和处理部分，筛选包含案例企业在内的222家上市智能制造企业进行模型训练和测试，除了案例企业外，其中选取211家为训练样本，10家为测试样本。采用主成分分析法对各样本数据进行处理，提取出了十个主成分，BP神经网络模型的输入变量则为计算出的各主成分得分。最后，将案例企业汇川技术的相关指标数据输入训练测试后达到一定精度的BP神经网络模型，得出最终预测值。 依据智能制造企业不容忽视企业价值创造能力的特点，选择与其适配的EVA法进行评估。将该方法的评估结果与BP神经网络模型评估结果进行对比分析，得出基于评估基准日的BP神经网络模型估值结果与评估基准日当年末以及其前两年末市值均值偏差度小于EVA法估值结果与这三年末企业市值均值偏差度。这表明了BP神经网络模型能够有效地应用于智能制造企业价值评估，为其在智能制造企业价值评估中的应用拓展了新的方向。
NETL