网络游戏企业估值因子探索

来源 :厦门大学 | 被引量 : 0次 | 上传用户:qxwww1011
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
进入新世纪以来,随着电脑、移动设备、互联网和移动互联网技术的普及与提升,游戏行业获得飞速成长的土壤。国内市场经历了从无到有、从有到优、从客户端到移动端、从国外进口到出口国外的颠覆式历程,市场规模从2009年的263亿元发展到2018年的2144亿元,十年间增长超7倍,网游产品的市场存量更是达到数万款。伴随着行业的高速成长,对应的资本活动也日益活跃,比如股权风险投资、IPO、并购、出售、借壳上市等。在产业经济和资本市场发展如火如荼的当下,建立一套能促进产业及资本市场健康发展的估值方法,避免过高估值挫伤资本市场活性,过低估值伤害产业发展,是实务中亟需解决的问题。然而,在应用传统的估值方法对网游企业进行估值时,却进入到了难以解决的困境,网游企业估值时的条件假设及因子选用,都与传统行业存在巨大不同。目前网游行业的估值,基本上以传统估值因子与方法及相应修正为基础,而对网游行业自身的经营特性、估值因子的考虑略显不足。对此,本文将从传统的估值因子及方法出发,学习借鉴互联网行业及网游行业的估值研究成果,结合网游行业自身的特性,提出更符合网游行业的估值因子,并基于T公司的投资业务实践,归纳出对不同发展阶段的网游企业进行价值判断时,需要考虑的估值因子及因子之间的权重关系。本文认为:对网游企业进行估值,应该从行业的经营特性出发、从业务起点出发、从核心团队出发、从游戏产品出发,估值因子应侧重于制作人、核心团队、产品的用户粘性、用户的数量与质量以及产品的商业转化能力等因素。
其他文献
脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络。为了自动地进行精确的图像分割,在基于图像处理的前提下,对现有的PCNN模型进行了改进,即从原始图像与分割图像的目标之间、背景之间的差异性出发,提出了一种基于最小交叉熵准则的改进型PCNN图像分割新方法。通过计算机仿真,该方法能够自动确定循环迭代次数和自动选取最佳阈值,并与基于最大香农熵的PCNN分割方法进行了比较。实验结果