基于灰色預測模型對亞寶藥業集團價值評估的研究

胡澤月

(河北經貿大學 河北 石家莊 050000)

一、引言

(一)研究背景

我國醫藥行業出現較晚，但由于政策的支持，更多的資金和人才聚集到醫藥領域，使其一直處于快速發展的狀態。目前，隨著醫藥制品在國內外市場的不斷擴展，國內大部分醫藥企業處于盈利擴張階段，上市的醫藥企業也不斷增多。評估醫藥企業價值應該關注其行業特殊性。醫藥企業只有增強研發能力，努力研制新藥品，開發新技術，才能實現發展。對于醫藥企業,歷史財務數據、收益預測和企業價值是投資者直接關注的內容，對企業實現融資具有重要意義。

(二)研究意義

企業價值評估有市場法、資產基礎法和收益法三種方法。市場法是通過找到可比企業或可比案例通過一系列差異調整得到評估值。由于醫藥行業市場在我國發展較晚，醫藥企業之間的特殊性較大，很難找到合適的可比企業。資產基礎法是在企業賬面價值基礎上調整以此得到評估值。用其評估醫藥企業有兩點缺陷：一是忽略了表外資產。醫藥企業最能創造價值的就是研發技術和研發藥品。研發技術作為無形資產的一部分，其資本化和費用化的界定和攤銷會產生大量的表外資產，造成價值低估；其次，此法并沒考慮研發藥品的潛在市場，會影響評估值。二是沒有考慮企業整體的獲利能力。由于協同效應，企業價值往往大于各單項資產價值的簡單相加。收益法是通過預測企業未來收益額、折現率進行折現加和得到評估值。實務中收益額預測往往是評估專業人員依據歷史數據和未來的發展規劃，根據多年從業經驗進行預測，主觀性較強。

本文介紹了灰色預測模型，提出用灰色預測模型來預測收益額。通過matlab對原始數據處理，建立預測模型，進而預測收益。該方法不僅在一定程度上減少了主觀性，還減少了評估的工作量。

二、灰色預測模型的理論基礎

灰色預測模型是通過現在與未來的定量關系，發現事物發展規律，建立微分方程形式的模型，以此預測事物未來發展變化趨勢的一種預測方法。本文使用的是其中的GM(1，1)模型，建模步驟如下：

1、給定原始數據序列：x(0)(k)={x(0)(1),x(0)(2),…,x(0)(n)}

3、進行累加生成，得到新序列：x(0)(k)={x(1)(1),x(1)(2),…,x(1)(n)}

5、根據最小二乘原理求參數a，u：

三、亞寶藥業集團的企業價值評估

(一)亞寶藥業背景概況

亞寶藥業是一家集藥品和大健康產品的研發、生產、銷售、物流及中藥材種植于一體醫藥公司。在兒童用藥、婦科用藥和心腦血管用藥方面形成了強勢品牌。在市場上形成了以“丁桂”品牌統領的兒童用藥，以“百喻”品牌統領的婦科用藥和以“亞寶”品牌統領的心腦血管用藥三大強勢家族。

(二)基于灰色預測模型評估亞寶藥業企業價值

1、收益額的預測

本次評估用DCF作收益額。2014年，亞寶藥業首次入圍中國醫藥工業百強企業，2016-2019年也持續入榜，可見發展穩定。所以我們以2016-2019年的DCF為原始數據(來源：萬得)，通過matlab來預測未來現金流。

表1 亞寶藥業2015年-2019年DCF(單位：萬元)

經計算，級比均在可容覆蓋區間為(0.71，1.33)內，可進行灰色預測。通過matlab求解參數并預測未來DCF，解得參數a=00.0441，u=1020700。

2020年-2025年各年DCF預測值見表2，經檢驗C=0.34，OP=98%，精度等級為一級。

表2 亞寶藥業收益模擬值計算結果(單位：萬元)

2、折現率的確定

本文是對亞寶藥業的企業價值進行評估，所以對應折現率應為加權平均資本成本，即WACC。

①無風險收益率：本文選取2015年-2019年每年第一次發行的十年期記賬國債利率的平均值3.45%作為無風險收益率。

表3 無風險利率

②市場風險溢價：市場平均報酬率以十年社會平均年化收益率均值8.04%為標準，亞寶藥業的β系數為1.24。

③股權和債務比重。2015-2019年權益比、債務比分別為0.97:0.03；0.94:0.06；0.99:0.01；0.98:0.02；0.99:0.01；由此可見公司的債務占比很小，加權資本幾乎等于股權資本成本。綜上所述，WACC為9.15%。

4、評估結果

把2020年-2024年的DCF分別進折現加和，再加上2025年后的永續價值，得到亞寶集團的企業價值為1626162.04萬元。把評估值和亞寶藥業前六個月的收盤價均值作對比，發現誤差在5%以內，用灰色預測模型估值的準確性較強。

四、結論

使用灰色預測模型模型改進收益法，有四點優勢：1、對原始數據需求量少，預測精度高?；疑A測模型是根據少數樣本得到回歸曲線，通過預測曲線趨勢來預測數據，這就非常適用于歷史數據很有限的情況?；疑A測模型得到的預測數是回歸計算的結果，預測更為客觀。2、樣本無需有規律分布。用灰色預測模型得到的回歸曲線是使所有歷史數據與曲線上對應點的殘差之和最小，即使歷史數據分布無規律，也不影響曲線的確定。3、理論性強，計算量小。通過matlab計算使得得出數據簡便、快捷、準確性高。4、適用性強。既可進行周期性變化預測，也可進行非周期性變化預測；既可宏觀長期預測，也可微觀短期的預測。