上市公司并购频繁,估值是并购中非常关键的环节。随着市场逐步完善,利用市场法进行并购评估日益重要,但市场法难以运用的原因之一是可比公司选择过于主观,可比公司的选择已成为上市公司并购估值中必须解决的问题。论文关注于上市公司并购估值中市场法的可比公司选择问题的研究,首先探讨了市场法评估中的难点与重点,分析了现阶段可比公司选择在实务应用中的状况,发现可比公司选择偏主观;其次基于理论分析,将可比公司选择的影响分为两个层面,一个是行业层面,研究可比公司选择的共同外部经济环境对可比公司选择的影响,另一个是企业层面,研究企业间存在的特征差异对可比公司选择的影响。在行业层面,论文利用基尼系数测算行业内企业分布离散程度,分析可比公司群分布特征;在企业层面,论文将企业的特征差异性通过财务指标来衡量,以公司财务指标构建特征空间,利用KNN算法对可比公司群进行高维度相似性匹配,快速筛选出在特征空间中距离最近的K个公司,作为可比公司。最后,将建立的可比公司选择模型运用到软件与信息技术服务业进行案例分析。案例分析部分首先测算了包括软件与信息技术服务行业在内的10个行业的企业分布离散程度,然后在软件与技术服务行业中选取网达软件作为目标公司,行业内196家上市公司作为可比公司群,进行可比公司选择。企业分布离散程度的分析发现,软件与信息技术服务行业内企业分布离散程度指数较其他传统行业大。针对软件与信息技术服务行业内企业整体离散程度大的特点,论文基于KNN算法的可比公司模型,构建15个匹配指标的高维度特征空间,进行相似性度量,更加全面地匹配可比公司;在指标权重确定上,运用了熵权法确定权重以改进模型的适用性,并且将K值设定为5,从目标公司群中筛选出5家最相近公司作为可比公司,最后对筛选结果验证。案例分析的结果表明,模型可以快速地从196家公司中筛选出的5家可比公司,模型筛选出的5家可比公司与目标公司在主营业务上具有相似性,5家可比公司平均市净率与目标公司的差异率仅为20.19%,因此该模型选择可比公司具有可行性。论文研究发现,软件与信息技术服务行业企业分布离散程度大,因而寻求可比公司困难,而基于KNN算法构建的可比公司选择模型能够建立高维度特征空间,进行更全方位的匹配,弱化企业间差异,该方法适合于上市公司并购估值中可比公司的选择。综上所述,在上市公司并购估值中可比公司选择问题可以分行业和企业两个层面分析,论文创新地研究了企业分布差异对可比公司选择的影响,并通过KNN算法进行高维度匹配以确定可比公司,这有助于市场法在我国推广使用,也为上市企业并购估值的市场法理论探索拓宽了道路。