并購中小型高新技術企業的組合定價模型

河海大學商學院 徐帆 許紀校

并購中小型高新技術企業的組合定價模型

河海大學商學院 徐帆 許紀校

由于技術資源狀態與研發體系的改變以及技術變更速度的加快，使得以速度為支撐的技術競爭成為主流，而并購高新技術企業不失為快速獲得技術優勢的最佳選擇。然而由于高新技術企業價值構成的特點，傳統企業的并購定價模型已經不能適用。本文基于對中小型高新技術企業的價值構成特征的分析，強調在以往研究中忽視的協同效應價值以及智力資本價值，提出適合于高新技術企業的組合定價模型，并提出在定價時運用基于二元語義的模糊層次分析法對高新技術企業的智力資本價值進行測度。

高新技術企業 并購 組合定價模型 智力資本

一、引言

目前，全球已進入立體式的并購時代，而中小型高新技術企業得益于其高成長性和未來預期的高收益性，已成為全球并購市場的新焦點。2014年，中國并購市場共發生交易3546宗，與2013年相比增長44.28%，交易金額達到9874億元人民幣，與2013年相比增長48.44%。其中信息技術行業已成為僅次于制造業的第二大被并購行業，這也表明了未來并購市場的新趨勢。世界著名的思科公司的成功就是源于其對技術型小企業的數百次并購，如今已成為全球最大的互聯網設備提供商，中國的華為也似乎在通過模仿思科的并購模式來實現快速成長。

中小型高新技術企業作為并購市場中的一個新型并購目標，如何對其進行恰當定價，目前仍然未有系統完整的定價方法體系。由于對高新技術企業價值構成的認識不到位導致的并購定價過低以及國內并購市場資源的匱乏，導致中小企業處于劣勢地位，許多富有高增長潛力的本土科技企業被外資收入囊中。雖然理論上對于并購傳統企業的定價模型的研究已經很多，但由于高新技術的高風險性、高度的價值增值性與潛在業務的期權屬性，以及在高新技術企業中智力資本價值的特殊地位，使得高新技術企業的并購價值內涵構成大大區別于并購傳統企業，高新技術企業的價值遠大于并購時點所擁有的有形和無形資產的市場價值，因此傳統企業的定價模型已經不能適用于中小型高新技術企業的并購定價決策。基于此，本文提出適合于高新技術企業的創新型組合定價模型，并提出在定價時運用基于二元語義的模糊層次分析法對高新技術企業的智力資本價值進行測度。

二、文獻綜述

Myers（1977）認為，在企業價值中，由折現現金流法得到的價值反映的是企業“已到位資產”的價值，實際上它只是企業價值的一部分；企業價值的另一部分則是未來增長機會的折現。Chung等（1991）認為企業價值應當包括企業現有內部資產價值及企業未來成長所帶來的價值。Schwartz等（2000）應用連續和離散實物期權定價模型對亞馬遜互聯網公司的價值進行實證研究，結果表明企業價值與其成長性之間具有高度的相關性。Kelloge（2003）認為，實物期權的定價方法不僅可以用來估計企業潛在價值，而且可以用于評估受到專利保護的研發項目的價值。申玥（2011）認為傳統的投資決策方法可能忽視了未來的成長機會所帶來的價值以及不能準確評估企業在未來根據實際情況做出的靈活決策所帶來的價值。寧文昕、于明濤（2006）指出高新技術企業投資環境的不確定性表明了引入期權進行估價的必要性，因此高新技術企業的機會價值可以用期權定價法來計算。李恩平等（2011）根據高新技術企業經營周期多階段的特點，從實物期權視角提出了一種多階段風險投資的價值評估方法。左慶樂（2004）認為，采用折現現金流量法和基于期權理論的期權定價法相結合的方法是評估高新技術企業價值的一種創新思路。王曉蕾等（2012）總結我國科技型企業估值研究的主要思路有四類：一是對傳統方法修正；二是主張使用實物期權法；三是將傳統的評估方法與實物期權法相結合，即使用組合法；四是研究對企業價值有重大影響的因素。

在智力資本研究方面，David Frykman和Jakob Tolleryd通過分析企業的內部及外部因素對企業價值的驅動影響之后發現，企業內部的智力資本、所處的行業結構以及公司策略等影響企業價值的重要因素。梁萊歆等（2004）指出高科技企業的智力資本較一般企業具有如下特征：質量上，具有極高的增值潛力；數量上，智力資本占公司總價值的比例遠遠高于普通企業。張麗英（2014）認為并購小型科技企業的目的不僅在于獲得已有的產品和市場，更在于擁有高科技知識的技術人才，以提高企業的核心競爭力。典型的智力資本計量方法，包括：經濟增加值（EVA）、托賓Q比率法（Tobin's Q Ratio）、Skandia模型、無形資產監視器（IAM）、平衡計分卡（BSC）、Brookings的技術經紀人模型、期望收益現值法。王曉文等（2007）提出了基于網絡層次分析法（ANP）的智力資本計量模型。王芳鏡等（2009）提出將模糊數學理論應用到智力資本評級中，建立了二元語義模糊變量模型，根據二元語義的集結方法集結出綜合評價結果以評價企業智力資本。

三、理論分析

中小型高新技術企業具有不同于傳統企業的發展動力和資產特征，另外并購高新技術企業的目標往往也不同于并購傳統企業。因此，需要在對中小型高新技術企業的經營特征及價值內涵構成的特點進行分析的基礎上，提出與之相適應的定價方法。

（一）中小型高新技術企業特征分析

（1）高風險性。與傳統行業相比，高新技術企業的經營具有更加明顯的風險特征，其中包含管理風險、市場風險、技術風險、財務風險、技術保密風險等。

（2）高速成長性。中小型的高新技術企業一旦開發出迎合市場需求的技術和產品，就可能在極短的時間內發展成市場的領頭羊，獲得巨大的經濟利益。具有潛力的高新技術企業往往可能受制于資本或市場的限制，而無法將科技成果向現實的生產力轉化。如果具有資本和市場實力的大企業并購了此類高新技術企業，雙方優勢互補，則能突破其成長的瓶頸，最終在新的市場上獨占鰲頭。因此，成功的對高新技術企業的并購，必須是能夠帶來巨大的協同效應的。

（3）高投入性。一項新技術或生產工藝的出現背后往往依靠巨大的智力、資本和時間的投入。對于處于初創期的中小型高新技術而言，對資金的需求量是巨大的；另外對于知識型人才的需求也是遠遠超過傳統行業的；一項新技術從立項到轉化為真實的生產力往往要耗費幾年甚至更長時間。

（4）價值突變性。高新技術企業的經營價值除了現有的技術和生產水平之外，可能還有很大一部分來自于企業潛在的發展機會，同時這些潛在的發展機會往往能提供優于現有技術所能帶來的高速發展的空間。正是由于高新技術企業的這一特點，使得其成為并購市場的焦點。根據Ashok Banerjee（2003）對某生物制藥行業高新技術企業的研究，采用靜態現金流折現法計算出的企業價值只占企業總體市價的39%，而增長期權的價值則占據了61%。

（5）高知識密集性。中小型的高新技術企業更多是“人和”而不是“資和”性質的企業。人力資本在其生產經營中占有重要地位，人力資源是其一項重要資產，對高新技術企業的并購，實質可能是收購人才及團隊。智力資本具有很強的協調效應、馬太效應以及激活效應，在高新技術企業這種效應更加顯著，高新技術企業智力資本的價值在很大程度上決定著并購目標的質量。因此，在對高新技術企業進行并購定價時，對智力資本價值的測度必不可少。

（二）并購高新技術企業的價值內涵構成分析高新技術企業的發展思路和成長軌跡均不同于傳統企業，對高新技術技術企業的并購目標也往往是基于戰略目標。從企業并購的角度來看，高新技術企業的并購價值至少包含以下四個方面：

（1）基本價值。目標企業在目前的生產能力和管理能力下，利用現有的各項資產，包括有形資產、無形資源，預期未來所能獲得的收益。這部分價值基于企業現有的資源基礎，因此可以稱為目標企業的基本價值。

（2）期權價值。在未來有機會選擇執行某項投資而獲得未來的現金流或者說是未來發展潛力的價值，這相當于在未來支付投資獲取收益的實物期權，是一種現實選擇權。有時，一項資產附帶的期權可能比該資產本身更有價值。

（3）智力資本價值。由于高新技術企業的特殊性質，較之其他企業更加依賴于技術和人力資本，智力資本在該類企業價值中的重要性是不容忽視的。因此，本文認為在對并購中小型高新技術企業進行定價時，有必要將智力資本的附加價值考慮進來。

（4）協同效應價值。協同效應是指并購后的企業整體的效益要超過原先兩個獨立個體效益總和。并購導致的協同效應可以使雙方的現金流入增加或是成本流出減少，因此并購所產生的協同效應效用價值也可以理解為并購所帶來的價值增值。并購方借助目標企業的技術優勢等進一步形成企業的核心競爭力，獲取壟斷利潤。

綜上，基于并購視角下的高新技術企業的價值不僅包括基本價值和期權價值，還包括在高新技術企業發展中起到重要推動作用的智力資本價值以及協同效應價值。因此，在并購高新技術企業時，應該全面考慮這四種價值，其價值組合如圖1所示。

圖1 并購高新技術企業的價值組合圖

四、并購定價模型設計

并購高新技術企業的價值內涵具有多樣性，而如今的并購定價模型基本都是基于傳統行業的，已有的專門針對并購高新技術企業的定價方法基本上僅考慮了基本價值和期權價值，而往往忽視了智力資本價值和協同效應價值。對目標企業的定價是并購決策中的關鍵環節，定價不明往往會導致并購失敗，使企業錯失關鍵的發展機會，甚至影響企業戰略目標的實現。由此，本文針對并購高新技術企業價值內涵的多樣性，全面考慮上述四種價值，提出與其相適應的創新型組合并購定價模型：

其中，V—并購定價總值；V1—基本價值；V2—期權價值；V3—智力資本價值；V4—協同效應價值。

（一）對V1采用現金流量折現法對中小型高新技術企業而言，很難找到具有相同或類似特征的可比企業，因此不適宜采用相對價值法；成本法與高新技術企業價值特點不相吻合，會低估企業的價值，也不適宜使用。由于高新技術企業的經營業務一般呈現出初期較不穩定，后續穩定發展的狀態，因此對V1采用兩階段增長模型。

在此不再對現金流量的預測及資本成本的確定做贅述。

（二）對V2采用B-S模型對V2可以理解為買入資產的看漲期權，其價值可以采用布萊克—斯科爾斯的期權定價模型（B-S模型）來進行計算。

其中：PV（X）=Xe-rt，S0［N（d1）］表示未來執行選擇權后預期現金流入的期望現值，PV（X）［N（d2）］表示購買或投入的現金流出的期望現值，因此，實物期權定價的思想就是在現金流量折現法的基礎上考慮了期權價值對定價的影響。

關于模型中各參數在評價期權價值時的實際意義，分兩種情況列示如表1所示。

表1 實物期權定價模型的參數意義

（三）對V3采用二元語義模糊層次分析法本文將智力資本對企業價值的貢獻率定義為M，由于協同效應價值V4是由于并購才產生的，因此M是指智力資本對V1，V2的貢獻率，則智力資本的價值V3=（V1+V2）·M。

在考慮現有測度方法制約性的基礎上，本文對智力資本價值貢獻M的測度采用二元語義模糊層次分析法進行評估。評價方法的整體構思如表2。

表2 評價智力資本價值貢獻的整體思路

語言信息集結的二元語義分析方法是在2000年由Herrera首次提出的，他還同時提出了有序加權平均算子。如今，多目標決策以及多因素分析等領域都在廣泛研究該方法的應用。二元語義信息是指，針對某目標給出的評價結果用二元組（Si，αi）來表示。其中Si為預先定義的語言評價集S中的第i個語言短語，例如一個包含g個語言短語的自然語言評價集S可以定義為：S=｛S0，S1，...，Sg｝，g一般取偶數，并且g∈［4，14］。而αi表示通過某集結算子得到的語言信息與初始評價信息集中最貼近的語言短語之間的差別，即與Si的偏差，且其滿足αi∈［-0.5，0.5）。

層次分析法（Analytic Hierarchy Process，AHP）的核心思想是將一個復雜的評價問題層次化。層次分析法將評價問題按總目標、準則層、指標層的順序分解為不同的層次結構，應用網絡系統理論和多目標綜合評價方法，求得各元素的權重。

模糊層次分析法將模糊數學引入層次分析法中，在使用層次分析法進行專家咨詢時，考慮到主觀判斷的模糊性和不確定性，可將專家的客觀描述用實數域上的模糊數來描述，從而使所得到的判斷矩陣成為了模糊判斷矩陣，然后經過權重求解和排序來解決實際評價問題。運用模糊評價方法來評估企業智力資本價值有以下幾點原因：首先，由于智力資本所包含的因素是復雜多樣的，不能僅從某一個方面來評價智力資本的價值；其次，智力資本具有不確定性、風險性等特征，其評價本身就有模糊性；最后，由于模糊綜合評價法的數學模型簡單，實踐中便于使用，因此在多因素、多層次決策的問題中被廣泛運用。

本文運用的是三角模糊數，自然語言評價值的三角模糊數表示方法為Si=（ai，bi，ci），其中ai、ci分別表示上限和下限，bi表示可能性最大的值。

例如，當g=4時，其語言變量的三角模糊數如圖2所示。

圖2 語言變量的三角模糊數

基于此，下面將界定該方法的定義。

定義1：假設Si∈S，為一個語言短語項，語言語義定性評級結果通過以下函數θ進行轉化。

定義2：假設文字語言評價集合S=｛S0，S1，...Sg｝，β∈［0，g］表示語言評價集S經某集結算法得到的實數，則β可由如下函數Δ表示為二元語義信息。

其中，i=round（β），αi=β-i，αi∈［-0.5，0.5），其中round為四舍五入取整算子。

定義3：若（Si，αi）為二元語義信息，其中Si為集合S中的第i個元素，αi∈［-0.5，0.5），則存在一個逆函數Δ-1，使得

定義4：假設一組二元語義集合X=｛（S1，α1），...，（Sn，αn）｝，W=（W1，...，Wn）T為其相應的權重向量，則二元語義的加權平均算子定義為：

下面將上述模型具體運用到智力資本價值測度中，以簡單示例來介紹具體步驟。

第一步：將某高新技術企業的智力資本作為目標層，并將其劃分為四個準則層，具體包括人力資本、組織資本、顧客資本和創新資本，再將準則層進一步劃分為指標層。框架圖如圖3所示。

圖3 智力資本評估框架圖

第二步：按照模型要求，預先設定語言評價集合，本文設置語言評價集元素為五個，即g=5，相應地設置權重的評價等級也為五個，得到三角模糊數如表3、表4所示。

第三步：選擇專家進行測評，包括對準則層各要素和指標層的級次以及其相應的重要程度的等級評價。本例選擇三個專家，分別用A、B、C代表。評價結果如表5、表6所示。

針對每位專家的評價結果，運用二元語義模糊語言集結算子將對每個指標的級次及權重的評價結果均轉換為二元語義表示。例如指標“員工的專業能力”，其評價級次的二元語義結果為：

表3 評價級次的語義三角模糊數表

表4 重要性權重的三角模糊數表

表5 指標層的模糊評價結果

表6 準則層的模糊評價結果

該指標的權重的二元語義結果為：

同理，計算其他14個指標。

接下來，再運用同樣的方法計算準則層四個要素的二元語義表示結果。例如，準則層人力資本的權重評價的二元語義結果為：

人力資本級次評價的二元語義結果為：

準則層的模糊評價集結結果如表6中“集結語言評價”及“集結重要性評價”兩列所示。

第四步：根據表6中的結果，通過加權平均算子測算企業智力資本對企業價值貢獻的評價結果。

本文將0.82定義為智力資本對企業價值組合中V1，V2的貢獻率，則可以得出智力資本的價值為：

（四）對V4采用增量凈現值模型通過并購的協同效應導致的營業收益的增加以及管理費用、生產成本等的降低，都可以通過預期的現金流入增加的和現金流出的減少來表現。本文對于價值V3的定量評估采用增量凈現值模型法。該模型的基本公式為：

首先，ΔCF表示由于并購導致的凈現金流的增加，ΔCF=ΔCF1+ΔCF2，其中，ΔCF1為并購方由于并購目標企業后自身經營現金流量的凈增加，ΔCF2為目標企業被并購后現金流量的凈增加。

另外，加權資本成本的確定方法為：

其中，Kdt為并購后的整體的稅后債務成本，S、B分別表示整合后的權益總額和債務總額。權益資本成本KS可以利用資本資產定價模型（CAPM）估計。

五、結論

在并購過程中,對目標企業的定價在很大程度上決定著并購交易的成敗，很多企業由于對并購目標估計不明而使自身深陷泥沼。本文將并購中小型高新技術企業的價值分為四個內容，不僅包括基本價值、期權價值，還將智力資本價值和協同效用價值考慮進來，在考慮高新技術企業價值構成特征基礎上的這種分類，使得對中小型高新技術企業的并購定價更加完整和準確。

在評估方法上，本文采用了多種定價方法相結合的組合定價模型。其中，對基本價值的評估采用現金流量折現法；對具有實物期權屬性的價值采用布萊克-斯科爾斯模型（B-S模型）進行評價；而對于一直以來都沒有被準確包含在并購定價決策中的智力資本價值，采用了基于二元語義的模糊層次分析法進行測度；對于協同效應價值采用增量凈現值法進行評估。從實踐來看,在具體運用該模型時，部分指標和參數存在一定的主觀性，還需要在具體的并購目標下進行具體分析，選擇和確定與之相適應的指標和參數。

［1］申玥：《實物期權在企業并購價值評估中的應用——以雅虎和阿里巴巴并購案為例》，《企業導報》2011年第10期。

［2］寧文昕、于明濤：《實物期權理論在高新技術企業價值評估中的應用》，《工業技術經濟》2006年第1期。

［3］李恩平、趙紅瑞、蘇文：《高新技術企業多階段風險投資價值評估研究——基于實物期權視角》，《經濟問題》2011年第5期。

［4］左慶樂、首靜：《高新技術企業價值評估的創新方法探討》，《經濟師》2004年第7期。

［5］王曉蕾、譚祖衛、陳雪紅：《科技型企業估值文獻綜述》，《科技管理研究》2012年第7期。

［6］梁萊歆、官小春：《智力資本計量方法綜述——兼論高科技企業智力資本的計量》，《科學學與科學技術管理》2004年第4期。

［7］張麗英：《高新技術企業并購研究——基于戰略目標》，《技術經濟與管理研究》2014年第10期。

［8］王曉文、和金生：《基于ANP的智力資本計量研究》，《科學學與科學技術管理》2007年第7期。

［9］王芳鏡、夏維力、王艷照：《基于二元語義和梯形模糊數的智力資本評價模型》，《情報雜志》2009年第2期。

［10］Myers S C.Determinants of Corporate Borrowing［J］. Journal of Financial Economics，1977，5（1）：411-487.

［11］Kee H.Chung and Charlie Charoenwong.Investment Options,Assets in Place,and the Risk of Stocks［J］.Financial Management，1991，20（3）：21-33.

［12］Eduardo S.Schwartz and Mark Moon.Rational Pricing of Internet Companies［J］.Financial Analysts Journa1，2000，56 （3）：62-75.

［13］Kelloge.D，M，Demirer.Dealing with Uncertainties in the Biotechnology Industry：the Use of Biotechnology［J］. Journal Real Options Reasoning.2003，（6）：24-59.

［14］BanerjeeA.RealOptionValuationofa Pharmaceutical Company［J］.Vikalpa the Journal for Decision Makers，2003.

（編輯 朱珊珊）