并购中小型高新技术企业的组合定价模型

河海大学商学院 徐帆 许纪校

并购中小型高新技术企业的组合定价模型

河海大学商学院 徐帆 许纪校

由于技术资源状态与研发体系的改变以及技术变更速度的加快，使得以速度为支撑的技术竞争成为主流，而并购高新技术企业不失为快速获得技术优势的最佳选择。然而由于高新技术企业价值构成的特点，传统企业的并购定价模型已经不能适用。本文基于对中小型高新技术企业的价值构成特征的分析，强调在以往研究中忽视的协同效应价值以及智力资本价值，提出适合于高新技术企业的组合定价模型，并提出在定价时运用基于二元语义的模糊层次分析法对高新技术企业的智力资本价值进行测度。

高新技术企业 并购 组合定价模型 智力资本

一、引言

目前，全球已进入立体式的并购时代，而中小型高新技术企业得益于其高成长性和未来预期的高收益性，已成为全球并购市场的新焦点。2014年，中国并购市场共发生交易3546宗，与2013年相比增长44.28%，交易金额达到9874亿元人民币，与2013年相比增长48.44%。其中信息技术行业已成为仅次于制造业的第二大被并购行业，这也表明了未来并购市场的新趋势。世界著名的思科公司的成功就是源于其对技术型小企业的数百次并购，如今已成为全球最大的互联网设备提供商，中国的华为也似乎在通过模仿思科的并购模式来实现快速成长。

中小型高新技术企业作为并购市场中的一个新型并购目标，如何对其进行恰当定价，目前仍然未有系统完整的定价方法体系。由于对高新技术企业价值构成的认识不到位导致的并购定价过低以及国内并购市场资源的匮乏，导致中小企业处于劣势地位，许多富有高增长潜力的本土科技企业被外资收入囊中。虽然理论上对于并购传统企业的定价模型的研究已经很多，但由于高新技术的高风险性、高度的价值增值性与潜在业务的期权属性，以及在高新技术企业中智力资本价值的特殊地位，使得高新技术企业的并购价值内涵构成大大区别于并购传统企业，高新技术企业的价值远大于并购时点所拥有的有形和无形资产的市场价值，因此传统企业的定价模型已经不能适用于中小型高新技术企业的并购定价决策。基于此，本文提出适合于高新技术企业的创新型组合定价模型，并提出在定价时运用基于二元语义的模糊层次分析法对高新技术企业的智力资本价值进行测度。

二、文献综述

Myers（1977）认为，在企业价值中，由折现现金流法得到的价值反映的是企业“已到位资产”的价值，实际上它只是企业价值的一部分；企业价值的另一部分则是未来增长机会的折现。Chung等（1991）认为企业价值应当包括企业现有内部资产价值及企业未来成长所带来的价值。Schwartz等（2000）应用连续和离散实物期权定价模型对亚马逊互联网公司的价值进行实证研究，结果表明企业价值与其成长性之间具有高度的相关性。Kelloge（2003）认为，实物期权的定价方法不仅可以用来估计企业潜在价值，而且可以用于评估受到专利保护的研发项目的价值。申玥（2011）认为传统的投资决策方法可能忽视了未来的成长机会所带来的价值以及不能准确评估企业在未来根据实际情况做出的灵活决策所带来的价值。宁文昕、于明涛（2006）指出高新技术企业投资环境的不确定性表明了引入期权进行估价的必要性，因此高新技术企业的机会价值可以用期权定价法来计算。李恩平等（2011）根据高新技术企业经营周期多阶段的特点，从实物期权视角提出了一种多阶段风险投资的价值评估方法。左庆乐（2004）认为，采用折现现金流量法和基于期权理论的期权定价法相结合的方法是评估高新技术企业价值的一种创新思路。王晓蕾等（2012）总结我国科技型企业估值研究的主要思路有四类：一是对传统方法修正；二是主张使用实物期权法；三是将传统的评估方法与实物期权法相结合，即使用组合法；四是研究对企业价值有重大影响的因素。

在智力资本研究方面，David Frykman和Jakob Tolleryd通过分析企业的内部及外部因素对企业价值的驱动影响之后发现，企业内部的智力资本、所处的行业结构以及公司策略等影响企业价值的重要因素。梁莱歆等（2004）指出高科技企业的智力资本较一般企业具有如下特征：质量上，具有极高的增值潜力；数量上，智力资本占公司总价值的比例远远高于普通企业。张丽英（2014）认为并购小型科技企业的目的不仅在于获得已有的产品和市场，更在于拥有高科技知识的技术人才，以提高企业的核心竞争力。典型的智力资本计量方法，包括：经济增加值（EVA）、托宾Q比率法（Tobin's Q Ratio）、Skandia模型、无形资产监视器（IAM）、平衡计分卡（BSC）、Brookings的技术经纪人模型、期望收益现值法。王晓文等（2007）提出了基于网络层次分析法（ANP）的智力资本计量模型。王芳镜等（2009）提出将模糊数学理论应用到智力资本评级中，建立了二元语义模糊变量模型，根据二元语义的集结方法集结出综合评价结果以评价企业智力资本。

三、理论分析

中小型高新技术企业具有不同于传统企业的发展动力和资产特征，另外并购高新技术企业的目标往往也不同于并购传统企业。因此，需要在对中小型高新技术企业的经营特征及价值内涵构成的特点进行分析的基础上，提出与之相适应的定价方法。

（一）中小型高新技术企业特征分析

（1）高风险性。与传统行业相比，高新技术企业的经营具有更加明显的风险特征，其中包含管理风险、市场风险、技术风险、财务风险、技术保密风险等。

（2）高速成长性。中小型的高新技术企业一旦开发出迎合市场需求的技术和产品，就可能在极短的时间内发展成市场的领头羊，获得巨大的经济利益。具有潜力的高新技术企业往往可能受制于资本或市场的限制，而无法将科技成果向现实的生产力转化。如果具有资本和市场实力的大企业并购了此类高新技术企业，双方优势互补，则能突破其成长的瓶颈，最终在新的市场上独占鳌头。因此，成功的对高新技术企业的并购，必须是能够带来巨大的协同效应的。

（3）高投入性。一项新技术或生产工艺的出现背后往往依靠巨大的智力、资本和时间的投入。对于处于初创期的中小型高新技术而言，对资金的需求量是巨大的；另外对于知识型人才的需求也是远远超过传统行业的；一项新技术从立项到转化为真实的生产力往往要耗费几年甚至更长时间。

（4）价值突变性。高新技术企业的经营价值除了现有的技术和生产水平之外，可能还有很大一部分来自于企业潜在的发展机会，同时这些潜在的发展机会往往能提供优于现有技术所能带来的高速发展的空间。正是由于高新技术企业的这一特点，使得其成为并购市场的焦点。根据Ashok Banerjee（2003）对某生物制药行业高新技术企业的研究，采用静态现金流折现法计算出的企业价值只占企业总体市价的39%，而增长期权的价值则占据了61%。

（5）高知识密集性。中小型的高新技术企业更多是“人和”而不是“资和”性质的企业。人力资本在其生产经营中占有重要地位，人力资源是其一项重要资产，对高新技术企业的并购，实质可能是收购人才及团队。智力资本具有很强的协调效应、马太效应以及激活效应，在高新技术企业这种效应更加显著，高新技术企业智力资本的价值在很大程度上决定着并购目标的质量。因此，在对高新技术企业进行并购定价时，对智力资本价值的测度必不可少。

（二）并购高新技术企业的价值内涵构成分析高新技术企业的发展思路和成长轨迹均不同于传统企业，对高新技术技术企业的并购目标也往往是基于战略目标。从企业并购的角度来看，高新技术企业的并购价值至少包含以下四个方面：

（1）基本价值。目标企业在目前的生产能力和管理能力下，利用现有的各项资产，包括有形资产、无形资源，预期未来所能获得的收益。这部分价值基于企业现有的资源基础，因此可以称为目标企业的基本价值。

（2）期权价值。在未来有机会选择执行某项投资而获得未来的现金流或者说是未来发展潜力的价值，这相当于在未来支付投资获取收益的实物期权，是一种现实选择权。有时，一项资产附带的期权可能比该资产本身更有价值。

（3）智力资本价值。由于高新技术企业的特殊性质，较之其他企业更加依赖于技术和人力资本，智力资本在该类企业价值中的重要性是不容忽视的。因此，本文认为在对并购中小型高新技术企业进行定价时，有必要将智力资本的附加价值考虑进来。

（4）协同效应价值。协同效应是指并购后的企业整体的效益要超过原先两个独立个体效益总和。并购导致的协同效应可以使双方的现金流入增加或是成本流出减少，因此并购所产生的协同效应效用价值也可以理解为并购所带来的价值增值。并购方借助目标企业的技术优势等进一步形成企业的核心竞争力，获取垄断利润。

综上，基于并购视角下的高新技术企业的价值不仅包括基本价值和期权价值，还包括在高新技术企业发展中起到重要推动作用的智力资本价值以及协同效应价值。因此，在并购高新技术企业时，应该全面考虑这四种价值，其价值组合如图1所示。

图1 并购高新技术企业的价值组合图

四、并购定价模型设计

并购高新技术企业的价值内涵具有多样性，而如今的并购定价模型基本都是基于传统行业的，已有的专门针对并购高新技术企业的定价方法基本上仅考虑了基本价值和期权价值，而往往忽视了智力资本价值和协同效应价值。对目标企业的定价是并购决策中的关键环节，定价不明往往会导致并购失败，使企业错失关键的发展机会，甚至影响企业战略目标的实现。由此，本文针对并购高新技术企业价值内涵的多样性，全面考虑上述四种价值，提出与其相适应的创新型组合并购定价模型：

其中，V—并购定价总值；V1—基本价值；V2—期权价值；V3—智力资本价值；V4—协同效应价值。

（一）对V1采用现金流量折现法对中小型高新技术企业而言，很难找到具有相同或类似特征的可比企业，因此不适宜采用相对价值法；成本法与高新技术企业价值特点不相吻合，会低估企业的价值，也不适宜使用。由于高新技术企业的经营业务一般呈现出初期较不稳定，后续稳定发展的状态，因此对V1采用两阶段增长模型。

在此不再对现金流量的预测及资本成本的确定做赘述。

（二）对V2采用B-S模型对V2可以理解为买入资产的看涨期权，其价值可以采用布莱克—斯科尔斯的期权定价模型（B-S模型）来进行计算。

其中：PV（X）=Xe-rt，S0［N（d1）］表示未来执行选择权后预期现金流入的期望现值，PV（X）［N（d2）］表示购买或投入的现金流出的期望现值，因此，实物期权定价的思想就是在现金流量折现法的基础上考虑了期权价值对定价的影响。

关于模型中各参数在评价期权价值时的实际意义，分两种情况列示如表1所示。

表1 实物期权定价模型的参数意义

（三）对V3采用二元语义模糊层次分析法本文将智力资本对企业价值的贡献率定义为M，由于协同效应价值V4是由于并购才产生的，因此M是指智力资本对V1，V2的贡献率，则智力资本的价值V3=（V1+V2）·M。

在考虑现有测度方法制约性的基础上，本文对智力资本价值贡献M的测度采用二元语义模糊层次分析法进行评估。评价方法的整体构思如表2。

表2 评价智力资本价值贡献的整体思路

语言信息集结的二元语义分析方法是在2000年由Herrera首次提出的，他还同时提出了有序加权平均算子。如今，多目标决策以及多因素分析等领域都在广泛研究该方法的应用。二元语义信息是指，针对某目标给出的评价结果用二元组（Si，αi）来表示。其中Si为预先定义的语言评价集S中的第i个语言短语，例如一个包含g个语言短语的自然语言评价集S可以定义为：S=｛S0，S1，...，Sg｝，g一般取偶数，并且g∈［4，14］。而αi表示通过某集结算子得到的语言信息与初始评价信息集中最贴近的语言短语之间的差别，即与Si的偏差，且其满足αi∈［-0.5，0.5）。

层次分析法（Analytic Hierarchy Process，AHP）的核心思想是将一个复杂的评价问题层次化。层次分析法将评价问题按总目标、准则层、指标层的顺序分解为不同的层次结构，应用网络系统理论和多目标综合评价方法，求得各元素的权重。

模糊层次分析法将模糊数学引入层次分析法中，在使用层次分析法进行专家咨询时，考虑到主观判断的模糊性和不确定性，可将专家的客观描述用实数域上的模糊数来描述，从而使所得到的判断矩阵成为了模糊判断矩阵，然后经过权重求解和排序来解决实际评价问题。运用模糊评价方法来评估企业智力资本价值有以下几点原因：首先，由于智力资本所包含的因素是复杂多样的，不能仅从某一个方面来评价智力资本的价值；其次，智力资本具有不确定性、风险性等特征，其评价本身就有模糊性；最后，由于模糊综合评价法的数学模型简单，实践中便于使用，因此在多因素、多层次决策的问题中被广泛运用。

本文运用的是三角模糊数，自然语言评价值的三角模糊数表示方法为Si=（ai，bi，ci），其中ai、ci分别表示上限和下限，bi表示可能性最大的值。

例如，当g=4时，其语言变量的三角模糊数如图2所示。

图2 语言变量的三角模糊数

基于此，下面将界定该方法的定义。

定义1：假设Si∈S，为一个语言短语项，语言语义定性评级结果通过以下函数θ进行转化。

定义2：假设文字语言评价集合S=｛S0，S1，...Sg｝，β∈［0，g］表示语言评价集S经某集结算法得到的实数，则β可由如下函数Δ表示为二元语义信息。

其中，i=round（β），αi=β-i，αi∈［-0.5，0.5），其中round为四舍五入取整算子。

定义3：若（Si，αi）为二元语义信息，其中Si为集合S中的第i个元素，αi∈［-0.5，0.5），则存在一个逆函数Δ-1，使得

定义4：假设一组二元语义集合X=｛（S1，α1），...，（Sn，αn）｝，W=（W1，...，Wn）T为其相应的权重向量，则二元语义的加权平均算子定义为：

下面将上述模型具体运用到智力资本价值测度中，以简单示例来介绍具体步骤。

第一步：将某高新技术企业的智力资本作为目标层，并将其划分为四个准则层，具体包括人力资本、组织资本、顾客资本和创新资本，再将准则层进一步划分为指标层。框架图如图3所示。

图3 智力资本评估框架图

第二步：按照模型要求，预先设定语言评价集合，本文设置语言评价集元素为五个，即g=5，相应地设置权重的评价等级也为五个，得到三角模糊数如表3、表4所示。

第三步：选择专家进行测评，包括对准则层各要素和指标层的级次以及其相应的重要程度的等级评价。本例选择三个专家，分别用A、B、C代表。评价结果如表5、表6所示。

针对每位专家的评价结果，运用二元语义模糊语言集结算子将对每个指标的级次及权重的评价结果均转换为二元语义表示。例如指标“员工的专业能力”，其评价级次的二元语义结果为：

表3 评价级次的语义三角模糊数表

表4 重要性权重的三角模糊数表

表5 指标层的模糊评价结果

表6 准则层的模糊评价结果

该指标的权重的二元语义结果为：

同理，计算其他14个指标。

接下来，再运用同样的方法计算准则层四个要素的二元语义表示结果。例如，准则层人力资本的权重评价的二元语义结果为：

人力资本级次评价的二元语义结果为：

准则层的模糊评价集结结果如表6中“集结语言评价”及“集结重要性评价”两列所示。

第四步：根据表6中的结果，通过加权平均算子测算企业智力资本对企业价值贡献的评价结果。

本文将0.82定义为智力资本对企业价值组合中V1，V2的贡献率，则可以得出智力资本的价值为：

（四）对V4采用增量净现值模型通过并购的协同效应导致的营业收益的增加以及管理费用、生产成本等的降低，都可以通过预期的现金流入增加的和现金流出的减少来表现。本文对于价值V3的定量评估采用增量净现值模型法。该模型的基本公式为：

首先，ΔCF表示由于并购导致的净现金流的增加，ΔCF=ΔCF1+ΔCF2，其中，ΔCF1为并购方由于并购目标企业后自身经营现金流量的净增加，ΔCF2为目标企业被并购后现金流量的净增加。

另外，加权资本成本的确定方法为：

其中，Kdt为并购后的整体的税后债务成本，S、B分别表示整合后的权益总额和债务总额。权益资本成本KS可以利用资本资产定价模型（CAPM）估计。

五、结论

在并购过程中,对目标企业的定价在很大程度上决定着并购交易的成败，很多企业由于对并购目标估计不明而使自身深陷泥沼。本文将并购中小型高新技术企业的价值分为四个内容，不仅包括基本价值、期权价值，还将智力资本价值和协同效用价值考虑进来，在考虑高新技术企业价值构成特征基础上的这种分类，使得对中小型高新技术企业的并购定价更加完整和准确。

在评估方法上，本文采用了多种定价方法相结合的组合定价模型。其中，对基本价值的评估采用现金流量折现法；对具有实物期权属性的价值采用布莱克-斯科尔斯模型（B-S模型）进行评价；而对于一直以来都没有被准确包含在并购定价决策中的智力资本价值，采用了基于二元语义的模糊层次分析法进行测度；对于协同效应价值采用增量净现值法进行评估。从实践来看,在具体运用该模型时，部分指标和参数存在一定的主观性，还需要在具体的并购目标下进行具体分析，选择和确定与之相适应的指标和参数。

［1］申玥：《实物期权在企业并购价值评估中的应用——以雅虎和阿里巴巴并购案为例》，《企业导报》2011年第10期。

［2］宁文昕、于明涛：《实物期权理论在高新技术企业价值评估中的应用》，《工业技术经济》2006年第1期。

［3］李恩平、赵红瑞、苏文：《高新技术企业多阶段风险投资价值评估研究——基于实物期权视角》，《经济问题》2011年第5期。

［4］左庆乐、首静：《高新技术企业价值评估的创新方法探讨》，《经济师》2004年第7期。

［5］王晓蕾、谭祖卫、陈雪红：《科技型企业估值文献综述》，《科技管理研究》2012年第7期。

［6］梁莱歆、官小春：《智力资本计量方法综述——兼论高科技企业智力资本的计量》，《科学学与科学技术管理》2004年第4期。

［7］张丽英：《高新技术企业并购研究——基于战略目标》，《技术经济与管理研究》2014年第10期。

［8］王晓文、和金生：《基于ANP的智力资本计量研究》，《科学学与科学技术管理》2007年第7期。

［9］王芳镜、夏维力、王艳照：《基于二元语义和梯形模糊数的智力资本评价模型》，《情报杂志》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.

（编辑 朱珊珊）