新兴技术及其产品项目价值的评价分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇新兴技术及其产品项目价值的评价分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：由于技术和市场的高度不确定性，新兴技术产品扩散不能仅仅以产出量或市场大小来衡量其经营的成败。本文提出交叉熵方法衡量新兴技术产品扩散成败，并进行了风险投资的决策分析。
Abstract： Because of the high uncertainty of technology and market， the success or failure of the emerging technology product diffusion can not only valuated by output or market scale. The method of Cross-entropy to valuate the success or failure of the emerging technology product diffusion is proposed and makes an analysis on venture investment.
关键词： 新兴技术产品；交叉熵；价值
Key words： Emerging Technology Product；Cross-entropy；Value
中图分类号：F062.4 文献标识码：A 文章编号：1006-4311（2013）12-0013-02
0 引言
“新兴技术”的研究始于1995年美国宾夕法尼亚大学沃顿商学院的“新兴技术管理研究计划”。新兴技术被定义为：“基于科学的，有可能创立一个新行业或者改造一个现有行业的创新”（Day等，2000）。
新兴技术具有如下的特征：①需求会由于技术的快速进步而迅速变化，市场具有高度的不确定性。②技术的高度不确定，科学基础不确定。技术的技术应用是不确定的，因此，研发的结构是不确定的，其商业化的结果也具有不确定性。③管理高度不确定。新兴技术的出现，对传统的管理模式是一项巨大的挑战。新兴技术对市场组织，结构设计，策略规划，投资评价等都提出了新的要求，因此，面临着对传统管理模式的改革或者重建，形成全薪的管理模式。
这一切使得对新兴技术的发展评价尤其是对其产品上市成败的评价变得尤为困难。
然而，对于投资而言，要衡量新兴技术创业是否成功，最重要标志还是其产品的市场成功。因此，发展一个有效的评估新兴技术产品早期市场成功的有效方法对于新兴技术创业风险投资至关重要。
而传统的创新产品上市的研究主要集中在早期阶段的市场预测上，但是对数据量的要求太大。例如，Bass模型及其扩展形式均需要从上市到销售峰值的数据才能得到稳定可靠的参数估计（Srinivasan 和 Mason 1986）。一个克服这种缺点能够进行早期预测的途径是使用试销阶段的先行定购量（Moe 和 Fader， 2002）。另一个方法是Fader 等（ 2003）提出的IRI Behavior Scan市场检验。然而，新兴技术创业前期投入大，产出不确定，而且销售数据样本小，数据不全面，上述方法要求的可靠数据难以得到。同时，由于新兴技术的高度不确定性，不能仅仅以产出量或早期形成的市场大小来衡量新兴技术企业经营的成败，即使预测到下一期的销售增长也不能就此断言市场成功。因此，新兴技术产品扩散成败难以通过传统方法使用时间系列的营销数据进行早期的可靠预测。
本文尝试运用交叉熵测度方法进行新兴技术产品早期市场的评价工作。这种方法减少了对时间系列数据的依赖、增加利用更多的空间信息来得到较好的判断。
1 空间分布的交叉熵测度
一般认为代表内部影响的口头传播是新产品市场成功的主要推动力。在创新产品扩散空间模式方面，Baptista（2000），Case（1991），Mahajan 和 Peterson（1979）等的研究表明内部影响又是与采用者的地域邻近密切相关的，这种扩散效果称之为“邻近效应”。即口头传播的影响驱动了采用者群集的形成，导致产品市场成功。然而，如果是一种失败的创新产品，有关的口头传播等活动就会减少到最小。这时采用者的购买主要是受广告等外部因素影响的结果，其采用行为对未采用者的影响小到可以忽略不计。这样，群集就不会形成，从而采用者在空间上就会接近均匀分布。
那么，如何测量这种不同效果的空间分布的差异呢？Kullback（1959）提出的交叉熵测度是一个有效的度量工具。交叉熵测度是用来测定以概率来衡量的两个分布的任意两点间的距离。对于两个完全相同的分布，它们的交叉熵为零。交叉熵测度的表达式为：
CE（f■│f■）
=■f■（x）logf■（t）f■（t）
=■f■（x）logf■（t）-logf■（t）
其中，CE（・）表示两个分布的交叉熵距离。对于本文而言，f■（x）代表新兴技术产品上市早期采用者的分布密度，f■（x）是均匀分布的概率密度。据此，我们可以计算新兴技术产品分布的交叉熵，并预测其市场成败。
通过调查企业或大型连锁超市的新兴技术产品上市初始三个月的销售分布的数据，进行产品扩散的计算机模拟。计算每一个已知状态（成功或失败）产品的交叉熵值。
通过比较这些交叉熵值可以得到成功或失败产品交叉熵的阈值，并由此求得此方法预测的准确率：
Pc=■×100%
取产品扩散成功为1，失败为0，建立交叉熵值与产品扩散成败的数据集，进行logistic回归，得到产品扩散成功概率logistic回归函数式。将待测新兴技术产品扩散模拟所得的交叉熵值代入此函数关系表达式，即可得到该产品的成功概率（Ps）。
在对新兴技术产品一个风险项目进行评估时，不仅要考虑项目不确定性的未来价值，也要考虑以NPV等指标表示直接获利能力的大小。因此，项目的真实回报应包括两部分：项目的净现值（NPV）和项目的期权价值。
即：EV=NPV+C
这里，EV是新兴技术项目对投资者的预期价值；NPV为新兴技术项目的净现值；C是项目的期权溢价。
假定MP4产品的市场行情令投资者充满信心，某风险投资公司出资270万元与某创新企业于2012年5月合资（共投资360万元）共同开发出一种新型MP4产品，并于当年11月上市销售该产品，11月和12月的现金流分别为3.6万元和5.1万元。为尽快扩大市场，企业要求投资公司再增加投资100万元（总投资150万元）维持未来3年的生产。为此，投资公司进行了稳健的市场预测，得到该企业上市一年内的预期的净现金流量（见表1）。假定三年内无风险利率保持在6%的水平（月利率为0.5%），市场波动率预计为40%。如果风险投资公司根据产品上市两个月的销售分布数据，应用交叉熵测度方法模拟断言产品成功并测定产品成功的概率Ps为96%，其预测的准确率Pc为80%，只要期望投资回报率不低于10%，投资公司就会立即增加投资。
其决策过程如下：
在不增加投资的情况下，对于风险投资公司而言，MP4产品的净现值为：
NPV= 270/360（-300×1.0057+3.6×1.005+5.1+70/1.06+80/1.062+85/1.063）=-116.60万元。
如果风险投资公司增加投资100万元（期权的执行价格为K=100），则：
投资比例为（300×1.0057×3/4+150×2/3）/（300×1.0057+150）=0.73
现值S=0.73（107.52/1.06+161.28/1.062+184.32/1.063）=289.39万元，
d1=[ln（309.47/100）+（6%+40%2/2）×3]/（40%×■）=2.1399；
d2= d1-40%×■=1.4472
期权价值为：
C=SN（d1）-Ke-rTN（d2）=289.39N（2.1399）-100e-6%×4 N（1.4472）=207.31万元。
投资者的预期收益为：
EV=NPV+C=-116.60+207.31=90.71万元。
投资回报率为：
ROI=90.71/（300×1.0057×3/4+150×2/3）×100%=23.89%
ROI大于10%，应继续增加投资100万元。
如果不根据交叉熵方法测定的产品成功概率Ps及预测准确率Pc对预测现金流加以调整，计算结果如下：
S=0.73（140/1.06+210/1.062+240/1.063）=376.80万元。
C=SN（d1）-Ke-rTN（d2）
=376.80N（2.5210）-100e-6%×4 N（1.8282）
=293.86万元。
投资者的预期收益为：
EV=NPV+C=-116.60+293.86=177.26万元。
投资回报率为：
ROI=177.26/（300×1.0057×3/4+150×2/3）×100%
=46.70%
可见，不通过Pc和Ps的调整，直接运用预测现金流数据计算的投资回报率远远大于10%，比使用Ps、Pc调整后的期望现金流计算增加了近一倍，易使人产生对新兴技术的过度乐观，极大地增加了投资的盲目性和风险。
本文为新兴技术产品项目价值的风险投资提供了一种新的稳妥的分析途径和决策方法。
参考文献：
[1]Amaral， Luis A.， Marisa A.Scala， Marc Barthelemy， Eugene H. Stanley. Classes of Small-World networks. Proc. National Acad. Sci. USA，2000.97（21）：11149-11152.
[2]Baptista， Rui. Do innovation diffusion foster within geographical cluster？ [J]. International J. Industry Organization. 2000.18：515-535.
[3] Fader， Peter S.， Bruce G. S. Hardie， Chun-Yao Huang. A dynamic changepoint model for new product sales forecasting[J].Marketing Sci，2003.23（1）：50-65.
[4]George S. Day and Paul J.H. Schoemaker with Robert E. Gunther， WHARTON on Managing Emerging Technologies[M].JohnWiley&Sons，Inc.2000.2.
[5]Moe， Wendy W.， Peter S. Fader. Using advanced purchase orders to forecast new product sales[J]. Marketing Sci， 2002.21：347-364.
[6]赵振元，银路，成红.新兴技术对传统管理的挑战和特殊市场开拓的思路[J].中国软科学，2004，（7）：72-77.