关键词：高科技企业 价值评估 方法 全方位综合价值评估指标体系 测算模型
高科技及高新技术产业是当前经济社会发展的主要动力之一，促进国家或区域经济增长、提高产业竞争力，优化产业结构，保护生态环境等都要通过其优化来实现。但大量的、很有发展前景的中小高科技企业无法有效地与社会资金资源相结合，从而严重影响到中小高科技企业的发展壮大。因此，本文寻求根据高科技企业的成长模式、发展特点、及评估目的，从系统的角度分析构成和影响高科技企业价值的因素，探讨一种建立适合高科技企业的价值评估方法和测算模型，使高科技企业的评估价值更趋于企业的客观价值，促进资金资源与中小高科技企业相结合，这对促进中小高科技企业的快速成长与发展具有十分重要的意义。
现代企业价值评估方法综述
企业价值评估在国内外早已不是一个新课题。价值评估的方法很多，现在国际上通用的有四大类：成本法、市场比较法、收益法、以及期权定价法。
成本法是把被评估企业的各项资产按照其成本单独评估后,将各项资产的评估值相加得到。成本法的优点是能较好地反映企业的有形投入，但它却不能很好地反映企业的无形投入，包括人的智力、管理能力和知识。高科技企业是智力密集型和知识密集型企业，其核心资产是无形资产。传统有形资源在高科技企业中的地位下降，技术资产、知识资产、智能型人力资产在高科技企业资产中占主要地位，所以，成本法无法完全反映高科技企业的发展潜力和真实价值。
市场比较法是将被评企业与已知企业进行比较,根据已知企业的整体价值得出被评估企业的整体价值。优点是评估价值能反映现时的市场价值。但由于高科技企业多属创新型企业，企业间差异较大，如创意不同、创业人员的经历不同、研发团队的结构不同等等，于是市场比较法很难找到可比较的已知整体价值的高科技企业，因而如果用市场比较法来评估高科技企业价值，评估结果的可信度就会很低。
收益法是将企业现实情况下的实际收益以及未来净收益折现的评估方法。其优点是反映了企业的未来盈利能力和发展机会,是比较理想的一种价值评估方法。但由于高科技更新速度愈来愈快、生命周期不断缩短、市场环境的愈加动荡和不确定，以及高科技企业的R&D投入与产出的“非线性”特征，风险较大，因此很难准确评估R&D活动的生产率和预测未来盈利。
期权定价法具体的思路步骤是：把项目的未来收益机会看成一个买方期权，项目未来收益的现值即为标的资产的现价，未来的投资额即为期权的约定价格，投资时间即为期权的到期期限。然后运用期权定价公式求出项目未来收益机会这个买方期权的价值V。
此式中：S—标的资产的当前价值；X—期权的执行价格；t—距期权到期日的时间；r—期权有效期内的无风险利率；N(d1)和 N(d2)为正态分布积分函数的值；σ2 为标的资产价格的自然对数方差。
期权定价法是标准现金流贴现模式的变异，它融合了净现值和决策树形图两种方法的优点：从净现值方法中借用了估计风险值的观点；从决策树形图分析方法借用了决策结点以模拟灵活性。有期权特征的高科技企业科技成果可用期权定价法进行估价，但操作起来有一定复杂性。
由于高科技企业具有不同于传统企业的特点和成长发展模式，即有形资产少、无形资产多、成长性好、风险大、投入产出的“非线性”等等。现在国际上通用的四大类价值评估方法在高科技企业价值评估上都有些缺陷。
高科技企业全方位综合价值评估指标及方法
从系统的角度分析，高科技企业是一个系统，是由资产、人才、技术等有形资产和无形资产，按一定的方式组织和结合起来的有机体，其产品是科技成果。高科技企业科技成果产出的数量与质量主要取决于其科技创新和产出能力。科技创新和产出能力是高科技企业成长的基础，也是价值创造和转移的基础。科技创新和产出能力越强，科技成果产出的数量与质量越高，其潜在的价值增值就越大，成长性越好。因此，高科技企业的价值不仅表现在企业现有的资产和科技成果价值，更重要的是要反映高科技企业科技创新和产出能力的价值。所以高科技企业价值评估应从企业资产、产品和能力这三个方面全面着手，根据全面性、可测度、精炼性原则，建立能反映高科技企业成长性的综合全方位价值评估方法。
根据上述原则，分析构成和影响高科技企业价值的因素，建立高科技企业全方位价值评估指标体系（见表1）。
（一）资产层的价值评估指标与评估方法
资产层的价值评估对象是高科技企业所拥有的所有有形资产和无形资产。
1.有形资产价值评估方法：有形资产主要包括固定资产和流动资产。有形资产价值评估方法采用重置成本法。重置成本法是基于重置某有形资产为假设前提，其基本公式为：
固定资产评估价值Vm11=重置成本-实体性损失-功能性贬值-经济性贬值
高科技企业的流动资产Vm12主要包括短期投资、现金及存款。
2.无形资产价值评估方法：科技企业无形资产价值主要包括其所拥有的专利和专有技术的价值、以及正在研究的新技术价值。
关于专利技术价值评估方法有确定专利价值要区分自行研发出来的专利和购买的专利两大类。
对于自行研发出来的供企业自己使用的专利，可有两种方法：第一种方法是将研发费用视为为取得未来收益所进行的投资，直接进行资本化，即按自行研发过程中实际发生的成本数核算价值；另一种方法是如果能找到类比专利，则运用相对比较法，按计算购买类比专利价值的方法来对比求出。
对于购买的专利，按照缴纳的专利年费，专利距离保护期届满的时间，利用以下公式计算：
其中：Vm21专利价值，Ft为第t年缴纳的专利年费，k为贴现率，n为专利距离保护期满的年限。
专有技术和正在研究的新技术的潜在价值评估方法。为了较为准确地评估专有技术和正在研究的新技术的潜在价值，我们选取一个子评价指标体系（见表2）。根据Delphi法确定各指标权重（见表2）。具体评价过程是：对于上述指标，在分别得出各指标的具体描述后，利用专家评分法，通过等级评分制使各指标给出评价分值。再对各指标进行加权求和，得出综合评分值。找一个已知价值的具有代表性的类比技术对象，设正在探讨的新技术的综合评价值为P，类比技术对象的综合评价值为P’，价值为V’，则正在探讨的新技术的价值Vm22为：
（二）产品层面的价值评估指标及评估方法
高科技企业产品层的价值评估包括现有科技成果价值和正在研究的科技成果价值。
1.现有科技成果价值包括已转化为生产力在一定时期内所能带来的已知未来净收益现值、现有科技成果一定时期内可能转换为生产力所能带来的未来未知净收益现值。
现有科技成果已转化为生产力的部分所带来的已知未来净收益现值采取净现金流折现法计算公式：
其中：VP11为科技成果的收益现值，R(t)为第t年净收益，k为贴现率。
对于现有科技成果未来的未知收益现值，由于科技成果未来未知收益很难直接估价，我们也选取一个子评价指标体系（见表3）。技术的先进性、鲁棒性、简约性、不可替代性指标含义与前面相同。有效市场容量大小可以用潜在科技成果的潜在市场规模及潜在市场份额来决定。市场亲和力可由同类产品群进入市场的障碍和竞争情况来决定。市场中其他新技术导入的频率越大，市场竞争越激烈，该技术的市场亲和力越差。科技成果市场转化能力可用类比科技成果转化率表示。
对于上述指标，同样在分别得出各指标的具体描述后，可以利用专家评分法对他们给出评价分值。然后加权求和，得出综合评价值。该综合评价值即可看成作为现有科技成果所能带来的已知未来收益现值的调整系数E1，则现有科技成果所能带来价值的计算公式为：Vp12 =Vp11•E1。
如果现有科技成果还没有已知收益,则选择一个可比科技成果。设可比科技成果的综合评价值为E1′， 可比科技成果价值为V′，则现有科技成果未来的未知收益价值为：
2.正在研究的科技成果价值：由于正在研究的科技成果的未来收益也是很难直接进行估价。我们仍采用与现有科技成果未来的未知收益现值的求解方法，利用表3的评价指标体系，计算出正在研究的科技成果价值系数E2。与现有科技成果的价值比较，则正在研究的科技成果价值计算公式为：
高科技企业产品层的价值计算公式为：Vp= VP11 +Vp12 +Vp2=(1+E2/E1)(1+E1)Vp11
（三）能力层面的价值评估与评估方法
能力层面的价值评估实际上是评价科技企业的成长能力。然后在其成长性的基础上预测出未来可能的价值增长。评价科技企业的成长能力主要从企业家素质与能力和技术创新能力两方面入手。
1.企业家素质与能力。企业家是高科技创业企业的核心领袖人物。他的素质与能力对高科技创业企业的可持续发展起着决定的作用。具有素质高的企业家就意味着未来较高的价值增值。企业家的素质与能力7个指标，包括道德素质、勤奋精神、创新与洞察力、行业经验、教育背景、管理战略前瞻性和可行性以及管理方法先进性。
2.技术创新能力。持续技术创新是高科技企业可持续发展的重要驱动力。它可由科研人员比重、科研团队素质、R&D的生产效率等3个指标来衡量。科研人员比重用科研人员人数与全体职员人数的比值来表示。科研团队是科技企业创新的主要力量。科研团队素质可以从科研团队的学历结构、职称结构、知识结构、团队精神等几方面来考察。R&D的生产效率是评价技术创新能力的一个重要指标。R&D的生产效率一般可针对R&D科技成果预计能带来的收益与R&D支出之间的关系，通过绘图、选择非线性拟合曲线、参数估计等方法来确定。
对于高科技企业能力层的价值评估：首先根据Delphi法确定各指标权重（见表4）和各指标综合评分，然后使用模糊综合评价法计算出其能力价值系数Sc。能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整。即能力价值Vc=Sc•Vp。
全方位价值评价的数量化综合测算模型
综上所述，因为资产价值不能代表高科技企业的整体价值，高科技企业产品—科技成果的价值虽然是企业收益的主要来源，但它只能代表高科技企业现有的产出能力和产品获利能力，而不能完全代表高科技企业未来收益增长的潜力。按照企业能力理论，企业的能力是企业最具战略意义的基础。企业的产品只是企业能力的外在表现。企业的能力是企业价值创造和价值转移的基础。因此，高科技企业价值评估要落在以资产和产品为基础的评估价值基础上，再以其能力价值系数Sc作为企业成长能力参数和预期收益的调整系数，对企业的科技成果价值进行调整，以更好地体现高科技企业的良好的成长型。
因此，全方位价值评价的数量化综合测算模型为：
一、论文名称、课题来源、选题依据
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1) 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为： Y=L?[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为： Y=Lexp(-Bt))皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在： (1) 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在： (1) 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998
[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000
[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997
[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.
[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6
[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6
[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5
[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88
[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1
[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4
[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4
[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4
[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4
[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4
[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1
[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4
[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5
[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3
[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5
[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6
[21]Kim B. Clark Takahiro Fujimoto. Product Development Performance Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993
[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36(2)：46-49
[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27(2)：57-65
[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12(12)：54-69
[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988
[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207
[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997
[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, RD Straregist Magazine,Summer 1991
[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996
[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988
[31]R.K. Zutshi, T.W.Liang, D.G.Allampulli, Singapore Venture Capitalists Investment Evaluation Criteria: A Reexamination. Small Business Economics 13:9-26(1999)
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究
之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。
五、课题研究的基本方法、技术路线的
可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]KimB.Clark&TakahiroFuj
imoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993
[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36（2）:46-49
[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27（2）:57-65
[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12（12）:54-69
[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988
[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207
[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997
[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991
[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996
[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988
[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)
一、论文名称、课题来源、选题依据
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1) 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为： Y=L?[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为： Y=Lexp(-Bt))皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在： (1) 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在： (1) 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998
[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000
[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997
[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.
[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6
[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6
[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5
[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88
[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1
[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4
[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4
[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4
[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4
[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4
[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1
[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4
[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5
[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3
[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5
[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6
[21]Kim B. Clark Takahiro Fujimoto. Product Development Performance Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993
[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36(2)：46-49
[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27(2)：57-65
[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12(12)：54-69
[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988
[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207
[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997
[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, RD Straregist Magazine,Summer 1991
[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996
[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988
[31]R.K. Zutshi, T.W.Liang, D.G.Allampulli, Singapore Venture Capitalists Investment Evaluation Criteria: A Reexamination. Small Business Economics 13:9-26(1999)
一、论文名称、课题来源、选题依据
课题来源：单位自拟课题或省政府下达的研究课题
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l?[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线,其预测值y为技术性能指标,t为时间自变量,l、a、b皆为常数。ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究
之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础,bp神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于bp神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以bp神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于bp神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于bp神经网络的技术创新预测和评估技术进行实证研究。
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。
五、课题研究的基本方法、技术路线的
可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于bp神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干bp神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的bp神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于bp神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于tsa-bp神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]kimb.clark&takahirofuj
imoto.productdevelopmentperformance–strategy、organizationandmanagementinindustry.harvardbusinessschoolpress.boson1993
[22]gobelidh,browndj.improvingtheprocessofproductinnovation.research,technologymanagement,1993.36（2）:46-49
[23]simonj.towner.fourwaystoacceleratenewproductdevelopment.longrangplanning1994.27（2）:57-65
[24]abdulali,etal.productinnovationandentrystrategy.journalofproductinnovationmanagement1995.12（12）:54-69
[25]ericvinhippel.thesourcesofinnovation.oxforduniversitypress.1988
[26]shtuba,zimermany.aneural-network-basedapproachforestimatingthecostofassembly.internationaljournalofproductioneconomics,1993.32:189-207
[27]wee-liangtan,dattarreyag.allampalli,investmentcriteriaofsingaporecapitalists,1997internationalcouncilforsmallbusiness,sanfrancisco,california,june1997
[28]michaelhenos,theroadtoventurefinancing:guidelinesforentrepreneuts,r&dstraregistmagazine,summer1991
[29]chowgc,thelargrangemethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.jofeconomicdymamicsandcontrol1996
[30]jensen,r..informationcostandinnovationadoptionpolicies,managementscience.vol.34,no.2,feb,1988
一、论文名称、课题来源、选题依据
论文名称：基于bp神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估，可以使企业对未来的技术发展水平及其变化趋势有正确的把握，从而为企业的技术创新决策提供科学的依据，以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中，企业的技术创新决定着企业生存和发展、前途与命运，为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息，分析技术发展趋势和规律，在分析判断这些趋势和规律将继续的前提下，将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l?[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线，其预测值y为技术性能指标，t为时间自变量，l、a、b皆为常数。ridenour模型也属于生长曲线预测法，但它假定新技术的成长速度与熟悉该项技术的人数成正比，主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息，建立预测对象与影响因素的因果关系模型，预测技术的发展变化。相关分析法认为，一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的，这样，通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源，通过系统的调查、征询专家的意见，分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等，其中，德尔菲法吸收了前几种专家预测法的长处，避免了其缺点，被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据，在进行产品技术创新预测时，只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势，并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中，对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推，而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测，但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式，而所得到的回归预测模型往往只能考虑少数几种主要影响因素，略去了许多未考虑的因素，所以，所建模型对实际问题的表达能力也不够准确，预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验，往往带有主观性，难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献，为企业技术创新的预测提供了科学的方法论，但在新的经济和市场环境下，技术创新预测的方法和技术应有新的丰富和发展，以克服自身的不足，更进一步适应时展的需要，为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中，一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性，在对此四方面内容逐个分析后，再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等，但技术创新的评估是一个非常复杂的系统，其中存在着广泛的非线性、时变性和不确定性，同时，还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法，难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究，在我国的历史还不长，无论是指标体系还是评估方法，均处于研究之中，我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下，神经网络技术就有其特有的优势，以其并行分布、自组织、自适应、自学习和容错性等优良性能，可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题，它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础，bp神经网络由输入层、隐含层和输出层构成，各层的神经元数目不同，由正向传播和反向传播组成，在进行产品技术创新预测和评估时，从输入层输入影响产品技术创新预测值和评估值的n个因素信息，经隐含层处理后传入输出层，其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置，考虑了概括性和动态性，力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素，尽管是黑匣子式的预测和评估，但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换后较为精确的预测值和评估值。据文献查阅，虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等，但尚未发现将神经网络应用于技术创新预测与评估方面的研究，在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下，以神经网络为基础来建立产品技术创新预测与评估模型，是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术，丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估，有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术，有利于提高预测的正确性;(2)提供一种基于bp神经网络的综合评估方法，有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型，并建立科学的预测和评估指标体系及设计相应的模型计算方法，结合企业的具体实际，对指标和模型体系进行实证分析，使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手，密切结合电子商务和知识经济对企业技术创新的影响，系统综合地分析影响产品技术创新的各相关因素，建立科学的企业技术创新预测和评估指标体系，并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时，需要一组决定其相对重要性的初始权重，权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点，以bp神经网络为基础，构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点，设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料，构建基于bp神经网络的技术创新预测和评估模型的学习样本，对预测和评估模型进行自学习和训练，使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景，对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面，一种是采用传统的指标体系，另一种是采用国外先进国家的指标体系，如何结合我国实际当前经济形势，参考国外先进发达国家的研究工作，建立一套适合于我国企业技术创新预测和评估指标体系，此为本研究要做的首要工作，这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能，能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题，本项目首次将神经网络技术引入企业的技术创新预测和评估，这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素，并研究影响因素间的内在联系，确定其相互之间的重要度，探讨其量化和规范化的方法，将国外先进国家的研究成果与我国具体实际相结合，建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中，发现问题、分析问题，归纳和总结出具有共性的东西，探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究，先从某一行业出发，定义模型的基本输入因素，然后，逐步扩展，逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合，进行实证研究，在实践中丰富和完善，研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作，编写出版了《现代市场营销学》和《现代企业管理学》等有关著作，发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文，对企业技术创新的预测和评估有一定的理论基础，也从事过企业产品技术创新方面的策划和研究工作，具有一定的实践经验，与许多企业有密切的合作关系，同时，对神经网络技术也进行过专门的学习和研究，所以，本项目研究的理论基础、技术基础及实验场所已基本具备，能顺利完成本课题的研究，取得预期的研究成果。七、论文研究的进展计划
xx.07-xx.09：完成论文开题。
xx.09-xx.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
xx.11-xx.01：基于bp神经网络的技术创新预测和评估模型的构建。
xx.01-xx.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
xx.03-xx.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
xx.04-xx.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社xx
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.xx/2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资.xx/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.xx/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.xx/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.xx/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.xx/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.xx/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.xx/4
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估, 可以使企业对未来的技术发展水平及其变化趋势有正确的把握, 从而为企业的技术创新决策提供科学的依据, 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下, 企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家*测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息, 分析技术发展趋势和规律, 在分析判断这些趋势和规律将继续的前提下, 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为: Y=L∕[1+A?exp(-B·t)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为: Y=L·exp(-B·t))皆属于生长曲线, 其预测值Y为技术性能指标, t为时间自变量, L、A、B皆为常数。Ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术的人数成正比, 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息, 建立预测对象与影响因素的因果关系模型, 预测技术的发展变化。相关分析法认为, 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种: 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家*测法。以专家意见作为信息来源, 通过系统的调查、征询专家的意见, 分析和整理出预测结果。专家*测法主要有: 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等, 其中, 德尔菲法吸收了前几种专家*测法的长处, 避免了其缺点, 被认为是技术预测中最有效的专家*测法。
趋势外推法的预测数据只能为纵向数据, 在进行产品技术创新预测时, 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势, 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中, 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推, 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测, 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式, 而所得到的回归预测模型往往只能考虑少数几种主要影响因素, 略去了许多未考虑的因素, 所以, 所建模型对实际问题的表达能力也不够准确, 预测结果与实际的符合程度也有较大偏差。专家*测法是一种定性预测方法,依靠的是预测者的知识和经验, 往往带有主观性, 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献, 为企业技术创新的预测提供了科学的方法论, 但在新的经济和市场环境下, 技术创新预测的方法和技术应有新的丰富和发展, 以克服自身的不足, 更进一步适应时展的需要, 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中, 一般只考虑如下四个方面的因素: (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性, 在对此四方面内容逐个分析后, 再作综合评估。在综合评估中所用的方法主要有: Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等, 但技术创新的评估是一个非常复杂的系统, 其中存在着广泛的非线性、时变性和不确定性, 同时, 还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法, 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究, 在我国的历史还不长, 无论是指标体系还是评估方法, 均处于研究之中, 我们认为目前在企业技术创新评估方面应做的工作是: (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下, 神经网络技术就有其特有的优势, 以其并行分布、自组织、自适应、自学习和容错性等优良性能, 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题, 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础, BP神经网络由输入层、隐含层和输出层构成, 各层的神经元数目不同, 由正向传播和反向传播组成, 在进行产品技术创新预测和评估时, 从输入层输入影响产品技术创新预测值和评估值的n个因素信息, 经隐含层处理后传入输出层, 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置, 考虑了概括性和动态性, 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素, 尽管是黑匣子式的预测和评估, 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合, 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅, 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等, 但尚未发现将神经网络应用于技术创新预测与评估方面的研究, 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下, 以神经网络为基础来建立产品技术创新预测与评估模型, 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在: (1) 探索新的技术创新预测和评估技术, 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估, 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在: (1) 提供一种基于多因素的技术创新定量预测技术, 有利于提高预测的正确性; （2）提供一种基于BP神经网络的综合评估方法, 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四 、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型, 并建立科学的预测和评估指标体系及设计相应的模型计算方法, 结合企业的具体实际, 对指标和模型体系进行实证分析, 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手, 密切结合电子商务和知识经济对企业技术创新的影响, 系统综合地分析影响产品技术创新的各相关因素, 建立科学的企业技术创新预测和评估指标体系, 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时, 需要一组决定其相对重要性的初始权重, 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点, 以BP神经网络为基础, 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点, 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料, 构建基于BP神经网络的技术创新预测和评估模型的学习样本, 对预测和评估模型进行自学习和训练, 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景, 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面, 一种是采用传统的指标体系, 另一种是采用国外先进国家的指标体系, 如何结合我国实际当前经济形势, 参考国外先进发达国家的研究工作, 建立一套适合于我国企业技术创新预测和评估指标体系, 此为本研究要做的首要工作, 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能, 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题, 本项目首次将神经网络技术引入企业的技术创新预测和评估, 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素, 并研究影响因素间的内在联系, 确定其相互之间的重要度, 探讨其量化和规范化的方法, 将国外先进国家的研究成果与我国具体实际相结合, 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中, 发现问题、分析问题, 归纳和总结出具有共性的东西, 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究, 先从某一行业出发, 定义模型的基本输入因素, 然后, 逐步扩展, 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合, 进行实证研究, 在实践中丰富和完善, 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作, 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作, 发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文, 对企业技术创新的预测和评估有一定的理论基础, 也从事过企业产品技术创新方面的策划和研究工作, 具有一定的实践经验, 与许多企业有密切的合作关系, 同时, 对神经网络技术也进行过专门的学习和研究, 所以, 本项目研究的理论基础、技术基础及实验场所已基本具备, 能顺利完成本课题的研究, 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等. 技术创新学. 北京: 清华大学出版社 1998
[02] 吴贵生. 技术创新管理. 北京: 清华大学出版社 2000
[03] 柳卸林. 企业技术创新管理. 北京: 科学技术出版社 1997
[04] 赵志、陈邦设等. 产品创新过程管理模式的基本问题研究. 管理科学学报. 2000/2.
[05] 王亚民、朱荣林. 风险投资项目ECV评估指标与决策模型研究. 风险投资. 2002/6
[06] 赵中奇、王浣尘、潘德惠. 随机控制的极大值原理及其在投资决策中的应用. 控制与决策. 2002/6
[07] 夏清泉、凌婕. 风险投资理论和政策研究. 国际商务研究. 2002/5
[08] 陈劲、龚焱等. 技术创新信息源新探. 中国软科学. 2001/1. pp86-88
[09] 严太华、张龙. 风险投资评估决策方法初探. 经济问题. 2002/1
[10] 苏永江、李湛. 风险投资决策问题的系统分析. 学术研究. 2001/4
孙冰. 企业产品开发的评价模型及方法研究. 中国管理科学. 2002/4
【关键词】 无形资产； 资产评估； 科技创新； 成果转化
【中图分类号】 F230 【文献标识码】 A 【文章编号】 1004-5937（2017）14-0076-03
《国家知识产权战略》指出“到2020年，把我国建设成为知识产权创造、运用、保护和管理水平较高的国家。知识产权法治环境进一步完善，市场主体创造、运用、保护和管理知识产权的能力显著增强，知识产权制度对经济发展、文化繁荣和社会建设的促进作用充分显现”。资产评估与国家知识产权战略相辅相成：资产评估是国家知识产权战略实施必要的推手和重要技术支撑；国家知识产权战略实施为资产评估行业发展提供重大机遇和挑战。
在经济全球化背景下，无形资产日益成为经济发展的重要“驱动力”。企业之间的竞争，地区之间的竞争，乃至国家之间的竞争，实质上就是拥有的无形资产质与量的竞争[ 1 ]。知识产权在创造、保护、管理、运用、维护及实现技术自由和市场自由的过程中，都对资产评估有重要需求。尽管我国在知识产权质押融资、出资作价、涉税方面已有较多资产评估实践，但与国外相比，我国无形资产评估在评估理论和技术应用、知识产权营销（诉讼、融资担保、资本化）等方面依然存在很多问题，在具体实施中面临产业化、商品化不足的问题（纪益成，2016）。
《国家“十二五”科学和技术发展规划》提出“促进科技和金融结合，推进自主创新，培育发展战略性新兴产业，支撑和引领经济发展方式转变，加快建设创新型国家”的具体目标。国家及各级政府对自主创新、知识产权、科技型中小企业发展的关注与推动，为无形资产研究提供了难得的机遇。2016年11月12日，第一届京津冀无形资产与科技创新智库联盟高峰论坛在天津财经大学召开，会议围绕“‘互联网+’无形资产与科技创新”，深入探讨当前无形资产研究中的关键问题。
一、上市公司无形资产现状与质量评价
以固定资产为代表的有形资产在企业发展战略和作用地位上有了大幅减弱，而代表着专利、著作、品牌、声誉和文化的无形资产越来越受到企业经营者的重视。由于无形资产往往具有难以识别和确认的特点，使得当前企业价值难以被投资者及时发现，这从侧面导致了我国企业价值流失的问题[ 2 ]。深入研究上市公司无形资产现状，对于发掘上市公司无形资产价值、评价无形资产质量、丰富会计信息披露具有重要意义。
（一）中国上市公司无形资产指数研究
以苑泽明教授为核心的天津财经大学无形资产研究团队从2010年开始进行“上市公司无形资产评价指数”的研究工作，历经“明确基本原则、提出假定前提、奠定理论依据、选取评价指标、模型与算法生成、检验与指数优化”关键阶段，从无形资产价值链角度，着眼于企业“创新能力竞争力可持续竞争优势”的核心能力形成过程，通过构建无形资产指数对隐藏在企业生产经营过程中的技术、人才与管理等抽象概念或过程予以科学量化，以发掘和评价无形资产这一“隐性”资源对企业价值创造所发挥的核心作用。团队于2016年11月12日首次“中国上市公司无形资产评价指数”，该指数以我国沪深两市A股上市公司为评价对象，以2011―2015年整个“十二五”为研究区间，采用0―100的百分制计数形式，从创新能力、市场竞争力和可持续发展能力三个层面，对不同行业、区域及产权性质上市公司的发展趋势与差异进行动态评价。
（二）三大经济区域上市公司无形资产的现状与比较
首都经贸大学的崔也光教授以2010―2013年沪深两市A股上市公司为样本，从无形资产结构、知识产权综合实力指数、产出指数和创造潜力指数、1985―2014年累计专利申请授权量等方面对长三角、珠三角、京津冀三大经济区上市公司无形资产现状进行分析比较。研究结果表明，尽管上市公司无形资产占总资产的比重在逐年上升，但无形资产占总资产的比重远远低于固定资产占总资产的比重；固定资产在资产结构和公司发展中仍占较大比例，无形资产的重要性还未引起充分重视。此外，三大地区经济发展及无形资产质量全国领先；长江三角洲地区GDP和营业收入总量最高且遥遥领先，但无形资产结构不尽合理；珠江三角洲经济发展水平较高，且无形资产质量较高；京津冀地区经济发展差异较明显，影响了无形资产的质量，并延伸出了以下结论：北京知识产权综合指数和发明专利申请授权量均排名第一，但河北发展较弱、排名较后，导致京津冀地区的综合排名在三大经济区之末位，影响了该地区无形资产的质量。
（三）创业板上市公司无形资产存续状态和质量评价
中南经政法大学的汪海粟教授认为上市公司的信息披露对于资本市场有效运转非常关键，且无形资产的信息披露也与公司价值和绩效息息相关。而现有研究对无形资产内部结构关注不够，尤其是未对无形资产展开基于常规与非常规、低效与高效、存量与增量、关系类与技术类的聚类分析。因此，根据创业板企业创业期、多民营、科技型、高成长、轻资产的特点，结合创业板板块三高发行、波动剧烈、业绩变脸、套现频繁的特征，及无形资产贡献巨大、类型多样、会计约束、披露失真的特性，采用理论研究、政策研究、案例研究以及专题关联研究等方法，以2009―2014年创业板上市公司为样本，从无形资产账面价值、技术相关类无形资产、市场相关类无形资产、人力资本无形资产以及无形资产相关费用投入、行业差异、企业绩效及市场表现等进行专题研究。研究结果表明，创业板公司无形资产账面价值的占比变化主要来源于并购行为所产生的商誉增加；技术类无形资产账面价值的占比提高并不明显；会计制度的刚性约束使得无形资产表内披露存在技术障碍，短期内难以解决，必须辅助以表外披露或专门披露。因此，应在充分挖掘表内外信息的基础上构建综合指标体系，以评价创业板上市公司无形资产首次披露与持续披露情况，探索披露的总体差异与行业差异[ 3 ]。
二、无形资产运营与企业融资
无形资产的运作与经营是企业资产经营的核心，其主要运作与经营的方式是企业并购。在并购实践中，管理粗放、收购战略失误等问题往往会导致企业并购失败，而战略协同、文化融合、资产的有效重组等是确保并购成功的关键。我国加入WTO后，企业无形资产保护形势严峻，评估是一项非常重要的工作，能够有效防止国有资产流失。此外，从国内企业发展实践来看，对无形资产的运营（如无形资产的交易交割等）也打开了企业融资的新思路。
（一）上市公司资产重组与无形资产评估
关于资产评估中的无形资产评估，天健兴业首席评估师崔劲博士指出，收益法是主流评估方法，但由于无形资产评估的标的物较大，无形资产评估值出现不一致的可能性也较大。不同评估参与方在评估中的关注点不同：从评估师的角度来看，无形资产评估中涉及的无形资产的识别、测算以及参数的选择问题等是关键；而从企业角度来说，受我国资本市场及企业发展水平等因素的影响，主要存在的问题是无形资产的识别、未来经营中无形资产的摊销和减值测试及巨额评估增值中少见无形资产价值等。
市场法、成本法和收益法是无形资产评估的三大基本方法，通过对2010―2015年上市公司重大资产重组评估实务研究发现：在重大资产重组项目评估方法的使用上，资产基础法即成本法的使用率下降，收益法的使用率上升；2010―2015年均未出现评估增值率超过20倍的公司，重组交易价格从2014年开始大幅增长；重组交易的年均市盈率走势与上证综指年日均指数和深综指年日均指数走势相符。由此发现目前我国并购交易市场的定价机制尚存在以下缺陷：发行股份的市场定价采用股票市场均价，而企业置入资产的定价采用基于盈利预测估值方法，导致股票市场与企业经营情况不同步，投资者理性不足，市场弱式有效，加大了企业风险。因此，建议股份发行价格以公司内在价值确定（崔劲，2016）。
（二）无形资产交易交割与企业融资
北京曼德投资公司总经理郑奇博士提出无形资产的交易交割可以通过有形资产与无形资产双向打通，盘活高科技创新资产。具体操作方式是通过与交易中心及商城购物中心合作的交易信息网络服务+创新商品交割网络服务及投融服务的综合服务集成平台模式，即通过整合创新企业（个人）、投资机构（个人）以及专业金融服务机构的资源，促进创新资产交易的活跃性，同时为客户提供创新产品、技术转移、无形资产转移、商标、特选加盟权的商品化服务，成为创新商品即服务资产化、金融化、证券化、商品化、货币化、物化的服务集成模式，最终实现企业多渠道融资、多渠道推广产品，形成“无形资产流通、定价、融资问题的生态链条”。
企业利用无形资产进行融资可通过以下三种方式实现：一是将拥有的专利技术、软件著作、人员组织及商业秘密等多种无形资产（或与有形资产一起）进行打包封装，形成高质量的资产组合，通过无形资产投融资平台找到直接投资人获得融资；二是将无形资产捆绑而成的资产包在无形资产交易平台（即交易所）进行挂牌，通过交易所的做市商交易实现无形资产融资，同时扩大企业及其挂牌资产的影响力；三是将无形资产产品化，根据不同目标客户提供不同无形资产组合服务产品，通过线上推广、线下合作的方式，实现无形资产的可交割化；四是基于当前的互联网金融时代，通过金融众筹平台，利用企业具有核心竞争力的无形资产吸引投资人，实现企业融资。其中第二和第三种方式同属无形资产交易交割体系，互相促进。一方面，无形资产交易中等价物化的无形资产促进技术的交割应用；另一方面，等价物化的无形资产交割量加大，可以抬高该无形资产需求，反向促进交易平台该无形资产交易，增加企业融资。无形资产交易交割与企业融资示意图见图1。
三、o形资产、自主创新与成果转化
自主创新、知识产权、无形资产研究在经济学、法学、管理学及会计学各自领域内向纵深发展的同时也有交叉重复，三者之间既有联系也有区别，其中，自主创新是形成核心知识产权的重要前提[ 4 ]。无形资产与企业自主创新的关系研究也成为无形资产研究中的关键问题之一。
（一）自主创新、知识产权与经济发展的测度
在经济新常态背景下，创新已成为企业发展的主要驱动力，同志（2015）明确指出：“创新发展注重的是解决发展动力问题。”国际经验表明，创新发展是强国之路的战略选择。欲从统计学的视角测度自主创新、知识产权对产业发展和社会经济的贡献，需要建立科学、可行、立体完整的统计指标体系予以衡量。因此，中南财经政法大学的汤湘希教授结合前人研究的理论成果、国际经验和我国实际，将统计指标体系予以集聚，便于在实践中使用。
对于自主创新、知识产权与经济发展的测度，分为单一指标和综合指标。单一指标主要包括知识产权密集型企业数量、研发（R&D）强度、知识产权对经济的贡献率；综合指标应构建创新指数或知识产权指数[ 1 ]。知识产权密集型产业包括专利密集型、商标密集型、版权密集型三个指标；研发强度包括全社会（地区）研发投入/全社会（地区）GDP、研发支出/销售收入；知识产权对经济的贡献率包括科技进步对经济的贡献和知识产权密集型企业对经济贡献测度两个指标；中国创新指数是由国家统计局的，由21个具体指标从四个方面（创新环境、创新投入、创新产出、创新成效）对国家创新能力进行衡量与评价，对区域的评价同样适用；关于知识产权指数，根据科学性、系统性、可操作性、可比性和导向性五大原则，将知识产权指数的内核实质定义为评价一个主体的知识产权竞争力。在自主创新视角下，知识产权竞争力是知识产权创造竞争力和知识产权运营能力的集合体。因此，知识产权创造及运营能力既是产业竞争力与自主创新能力的粘结剂和催化剂，又是区域竞争力的关键所在。构建知识产权指数统计指标体系及其测度方法，为进行知识产权统计提供了现实选择。
（二）无形资产与企业创新成果转化
企业在无形资产运用中普遍存在三个问题：一是对无形资产认知度低，利用方式单一；二是企业融资难，难以实现无形资产有效转化；三是科研成果转化率偏低，产业化程度偏低。这三大问题严重削弱了“企业及科研院所驱动力”（郑奇，2016）。无形资产可以通过其资产化和产品化促进企业技术转化。一方面，通过无形资产评估，实现企业无形资产的资产化确认，从而缓解企业融资难题，为企业创新提供资金保障；另一方面，在无形资产运营中，企业往往会根据不同目标客户提供不同无形资产组合服务产品，这一过程不仅满足了目标客户需求，同时，反向促进了企业自主创新。因此，只有将自主创新战略与企业无形资产实践相结合，才能有效发挥人力资本中智力资本的创新创造功能；才能使一个企业真正拥有核心知识产权，形成垄断市场的竞争优势；才能使一个国家从质低价廉的制造大国发展成为优质高价的创造大国（苑泽明，2012）。
四、研究局限及未来研究展望
21世纪是无形资产面向世界的发展阶段[ 5 ]，无形资产研究已由单纯的会计问题拓展到经济、法学、评估等多学科，形成跨学科研究的趋势。未来，无形资产学在科技创新、知识产权保护、无形资产开发运营、无形资产价值核算、评估与审计、无形资产投融资乃至知识产权贸易等领域的研究将会不断深化[ 2 ]。当前学者对无形资产的研究更偏向问题导向和研究成果的应用价值，更加注重研究的科学性、严谨性、交叉性，更加重视定性研究与定量研究相结合，且在定量研究上更加注重经验数据的支持及信度和效度的检验，更加注重研究方法与研究内容的匹配，从而更为科学性地“引进模仿创新产生高质量的研究成果”。
【主要参考文献】
[1] 汤湘希.我国无形资产会计研究的回眸与展望[J].会计之友，2010（6）：4-13.
[2] 苑泽明，王红.自主创新、知识产权与无形资产价值管理：基于文献法的无形资产研究述评[J].当代会计，2014（1）：8-11.
[3] 苑泽明，金宇，王天培.上市公司无形资产评价指数研究：基于创业板上市公司的实证检验[J].会计研究，2015（5）：72-79，95.
一、论文名称、课题来源、选题依据
论文名称：基于bp神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估, 可以使企业对未来的技术发展水平及其变化趋势有正确的把握, 从而为企业的技术创新决策提供科学的依据, 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下, 企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息, 分析技术发展趋势和规律, 在分析判断这些趋势和规律将继续的前提下, 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家raymond pearl提出的pearl曲线(数学模型为: y=l∕[1+a?exp(-b·t)] )及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为: y=l·exp(-b·t))皆属于生长曲线, 其预测值y为技术性能指标, t为时间自变量, l、a、b皆为常数。ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术的人数成正比, 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息, 建立预测对象与影响因素的因果关系模型, 预测技术的发展变化。相关分析法认为, 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种: 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源, 通过系统的调查、征询专家的意见, 分析和整理出预测结果。专家预测法主要有: 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等, 其中, 德尔菲法吸收了前几种专家预测法的长处, 避免了其缺点, 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据, 在进行产品技术创新预测时, 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势, 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中, 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推, 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测, 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式, 而所得到的回归预测模型往往只能考虑少数几种主要影响因素, 略去了许多未考虑的因素, 所以, 所建模型对实际问题的表达能力也不够准确, 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验, 往往带有主观性, 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献, 为企业技术创新的预测提供了科学的方法论, 但在新的经济和市场环境下, 技术创新预测的方法和技术应有新的丰富和发展, 以克服自身的不足, 更进一步适应时展的需要, 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中, 一般只考虑如下四个方面的因素: (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性, 在对此四方面内容逐个分析后, 再作综合评估。在综合评估中所用的方法主要有: delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等, 但技术创新的评估是一个非常复杂的系统, 其中存在着广泛的非线性、时变性和不确定性, 同时, 还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法, 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究, 在我国的历史还不长, 无论是指标体系还是评估方法, 均处于研究之中, 我们认为目前在企业技术创新评估方面应做的工作是: (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下, 神经网络技术就有其特有的优势, 以其并行分布、自组织、自适应、自学习和容错性等优良性能, 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题, 它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础, bp神经网络由输入层、隐含层和输出层构成, 各层的神经元数目不同, 由正向传播和反向传播组成, 在进行产品技术创新预测和评估时, 从输入层输入影响产品技术创新预测值和评估值的n个因素信息, 经隐含层处理后传入输出层, 其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置, 考虑了概括性和动态性, 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素, 尽管是黑匣子式的预测和评估, 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合, 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅, 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等, 但尚未发现将神经网络应用于技术创新预测与评估方面的研究, 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下, 以神经网络为基础来建立产品技术创新预测与评估模型, 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在: (1) 探索新的技术创新预测和评估技术, 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估, 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在: (1) 提供一种基于多因素的技术创新定量预测技术, 有利于提高预测的正确性; (2)提供一种基于bp神经网络的综合评估方法, 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型, 并建立科学的预测和评估指标体系及设计相应的模型计算方法, 结合企业的具体实际, 对指标和模型体系进行实证分析, 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手, 密切结合电子商务和知识经济对企业技术创新的影响, 系统综合地分析影响产品技术创新的各相关因素, 建立科学的企业技术创新预测和评估指标体系, 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时, 需要一组决定其相对重要性的初始权重, 权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点
, 以bp神经网络为基础, 构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点, 设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料, 构建基于bp神经网络的技术创新预测和评估模型的学习样本, 对预测和评估模型进行自学习和训练, 使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景, 对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
