發(fā)布時(shí)間：2020-07-15 12:02

【摘要】：在我國(guó)經(jīng)濟(jì)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(shí),不僅僅互聯(lián)網(wǎng)企業(yè)之間進(jìn)行著越來(lái)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(gòu)交易。如何在企業(yè)并購(gòu)中合理的確實(shí)企業(yè)價(jià)值成為了人們開(kāi)始關(guān)注的問(wèn)題�；ヂ�(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(wú)形資產(chǎn)比重大以及非財(cái)務(wù)指標(biāo)占比多等,市場(chǎng)上大多數(shù)都是用傳統(tǒng)的評(píng)估方法進(jìn)行價(jià)值評(píng)估。但是,傳統(tǒng)的評(píng)估方法,如現(xiàn)金流折現(xiàn)法和EVA方法以及成本法在運(yùn)用到互聯(lián)網(wǎng)企業(yè)中,都存在很大的局限性。而將實(shí)物期權(quán)方法應(yīng)用于企業(yè)價(jià)值評(píng)估中,雖然能夠很好的估計(jì)企業(yè)項(xiàng)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(shí)物期權(quán)方法的參數(shù)估計(jì),但是仍然無(wú)法解決實(shí)物期權(quán)在實(shí)際應(yīng)用中存在一些偏離理論的因素的問(wèn)題。隨著全球經(jīng)濟(jì)不斷發(fā)展,計(jì)算機(jī)科學(xué)和技術(shù)也早已廣泛應(yīng)用于人們的生活中。計(jì)算機(jī)科學(xué)技術(shù)擁有其強(qiáng)大的運(yùn)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(xué)技術(shù)也是擁有著越來(lái)越緊密的聯(lián)系。在計(jì)算機(jī)技術(shù)發(fā)展的同時(shí),也為企業(yè)價(jià)值評(píng)估提供了技術(shù)基礎(chǔ)支持,將神經(jīng)網(wǎng)絡(luò)用于企業(yè)價(jià)值評(píng)估是一種符合時(shí)代發(fā)展的趨勢(shì)。而且長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)是一種經(jīng)過(guò)改進(jìn)演化的循環(huán)神經(jīng)網(wǎng)絡(luò),在數(shù)據(jù)處理方面更加的精確,能夠?qū)�LSTM與實(shí)物期權(quán)結(jié)合用于企業(yè)價(jià)值評(píng)估是一種全新的突破。本文通過(guò)選取典型的互聯(lián)網(wǎng)公司進(jìn)行實(shí)證分析,運(yùn)用LSTM神經(jīng)網(wǎng)絡(luò),將影響實(shí)物期權(quán)的五個(gè)重要參數(shù)通過(guò)輸入層到隱含層的循環(huán)鏈?zhǔn)浇Y(jié)構(gòu),利用tanh激活函數(shù),處理輸入變量之間的非線性問(wèn)題,再到輸出層輸出目標(biāo)值股權(quán)價(jià)值,用歷史數(shù)據(jù)作為訓(xùn)練樣本,提高輸出結(jié)果的準(zhǔn)確性。再將結(jié)果與傳統(tǒng)的B-S模型結(jié)果比較,驗(yàn)證了模型的適用性與可行性。將計(jì)算機(jī)科學(xué)技術(shù)用于企業(yè)價(jià)值評(píng)估可能是未來(lái)的一種發(fā)展趨勢(shì),其強(qiáng)大的運(yùn)算處理能力以及快速的搜索功能,解決了企業(yè)價(jià)值評(píng)估中很多數(shù)據(jù)處理的問(wèn)題。將LSTM與實(shí)物期權(quán)結(jié)合用于互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估也是一種全新的突破,豐富了企業(yè)價(jià)值評(píng)估方法體系。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F275;F49
【圖文】：

工作原理［５３］。傳統(tǒng)的ＢＰ神經(jīng)網(wǎng)絡(luò)只是簡(jiǎn)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(luò)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(wèn)題。ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)包含了三個(gè)層，這一點(diǎn)與傳統(tǒng)的ＢＰ逡逑神經(jīng)網(wǎng)絡(luò)沒(méi)有什么區(qū)別。但是，兩種神經(jīng)網(wǎng)絡(luò)雖然都包含了包含一條從Ｉｎｐｕｔ逡逑Ｌａｙｅｒ到Ｏｕｔｐｕｔ邋Ｌａｙｅｒ的單向流動(dòng)的信息流，ＲＮＮ神經(jīng)網(wǎng)絡(luò)還包含一條從Ｈｉｄｄｅｎ逡逑Ｌａｙｅｒ流向下一個(gè)節(jié)點(diǎn)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(fù)雜。本文通過(guò)時(shí)序的方逡逑式將其展開(kāi)，詳細(xì)講解隱藏層中前一時(shí)間的狀態(tài)是如何決定后一時(shí)間的狀態(tài)的，逡逑具體的展開(kāi)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(luò)只是簡(jiǎn)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(luò)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(wèn)題。ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)包含了三個(gè)層，這一點(diǎn)與傳統(tǒng)的ＢＰ逡逑神經(jīng)網(wǎng)絡(luò)沒(méi)有什么區(qū)別。但是，兩種神經(jīng)網(wǎng)絡(luò)雖然都包含了包含一條從Ｉｎｐｕｔ逡逑Ｌａｙｅｒ到Ｏｕｔｐｕｔ邋Ｌａｙｅｒ的單向流動(dòng)的信息流，ＲＮＮ神經(jīng)網(wǎng)絡(luò)還包含一條從Ｈｉｄｄｅｎ逡逑Ｌａｙｅｒ流向下一個(gè)節(jié)點(diǎn)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(fù)雜。本文通過(guò)時(shí)序的方逡逑式將其展開(kāi)，詳細(xì)講解隱藏層中前一時(shí)間的狀態(tài)是如何決定后一時(shí)間的狀態(tài)的，逡逑具體的展開(kāi)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(luò)的循環(huán)模塊結(jié)構(gòu)逡逑ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)就對(duì)這種循環(huán)模塊的結(jié)構(gòu)做出改進(jìn)，所以ＬＳＴＭyL經(jīng)網(wǎng)絡(luò)的逡逑內(nèi)部結(jié)構(gòu)更加復(fù)雜，如圖４．５所示。從圖中可以看出，ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)有四個(gè)交逡逑互層，不像ＲＮＮ循環(huán)神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)中只有一個(gè)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(luò)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(gè)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(xì)逡逑胞狀態(tài)。接下來(lái)我們將一起探討一下這四個(gè)交互層的結(jié)構(gòu)和作用。逡逑２８逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 李冬梅,龍斌帆;知識(shí)經(jīng)濟(jì)時(shí)代實(shí)物期權(quán)理論在企業(yè)價(jià)值評(píng)估中的應(yīng)用[J];焦作工學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2004年02期

本文編號(hào)：2756465