早在2001年,财政部就印发了第一个资产评估具体准则——《资产评估准则——无形资产》,在该准则中,商誉被认定为不可辨认无形资产,商誉自此开始作为资产评估的评估对象。随着经济的飞速发展,企业间的并购活动日益频繁,商誉在合并对价中所占比重越来越大,评估商誉价值不仅有利于合理制定收购价格,实现“物有所值”,还有利于合理确定列报金额,为财务报告预期使用者提供客观信息。根据已有理论,商誉价值评估主要有两种方法:割差法与超额收益法。割差法即用企业整体资产评估价值减去各单项可辨认资产的评估值之和来确定商誉价值;超额收益法则是将企业未来收益中超过行业平均收益的部分折现记为商誉价值。本文认为,虽然割差法具有可操作性强、可能形成的误差比较小等优点,但从价值决定理论上看,超额收益法较割差法更能体现出商誉可以为企业带来超额经济利益的本质,更适用于商誉价值评估。理论方面,本文在对基本超额收益法的理论与有关学者对其改进进行回顾的基础上,结合机器学习算法,将特征选择和BP神经网络引入收益预测,增强了该方法的精确性。运用超额收益法最主要的问题就是对所有参数均要进行估计,主观性较强,其中最困难之处又数对未来超额收益的预测。本文认为,任何价值的形成在溯其本源时都是各价值驱动因素相互叠加、共同作用的结果,本文从遴选收益影响因素入手,保留与预期收益相关的因素,剔除冗余与无关因素,以筛选过的相关因素作为收益预测的起点。在具体收益预测上,本文采用特征选择方法筛选收益影响因素,并以筛选后的影响因素作为BP神经网络输入层节点,以收益作为输出层节点,建立了一种普遍适用于预测行业平均收益和企业个别收益的模型。本文以案例的形式具体研究了该模型在资产评估领域商誉评估中的运用,并通过对评估结论的分析,认为该种方法和思路具备一定的合理性。实践方面,本文通过改进的收益预测方法向评估专业人员提供了关注收益影响因素和预测超额收益的思路。评估实践中,收益预测往往是以对企业获利能力的定性分析为起点开始的,但是在随后的预测过程中这些定性分析却未体现出来。本文提出的预测方法有助于评估专业人员更精确地关注商誉价值影响因素,从而为被评估企业提出更为具体的评估咨询意见。本文共包括以下五个部分:第一部分是研究背景和意义、商誉相关文献综述、研究内容和研究方法及创新点。第二部分是商誉价值评估相关理论,包括商誉的概念与分类、商誉价值影响因素、评估程序和评估方法四个层面。第三部分引入了特征选择和BP神经网络方法用来改进超额收益法的收益预测过程。第四部分是文章的核心内容,通过第二部分和第三部分的理论铺垫,本部分在预测超额收益时引入特征选择和BP神经网络方法。得出评估值后,用分析师盈余预测值对评估结果进行印证。最后一部分对本文案例进行了分析总结,包括研究启示与建议两部分。