近年来,随着我国经济快速发展,电影市场也日益繁荣,在2020年新冠疫情来临前,全国电影票房已经从2010年的101.72亿元增长至2019年的642.66亿元,票房连年创新高。2021年尽管仍受到疫情影响,中国全年电影总票房也已达到472.58亿元,产业快速复苏发展,全年总票房和银幕总数保持全球第一。随着电影产业的极速扩张和单个项目制作量级的大幅提高,过往传统的融资方式已经不能满足电影产业的融资需求,电影版权证券化这一已被国外电影公司频繁运用的融资方式逐渐引起了各方的关注。目前电影版权证券化在我国还不太常见,主要原因之一在于电影版权价值评估困难,因此需要提出合理的电影版权价值评估方法,助力电影版权证券化。版权价值评估是电影版权证券化的基础,但电影版权作为一种无形资产,具有虚拟性、弱对应性等特点,导致其价值评估难度过大,所以才会有银行、金融投资机构“形式上看版权价值,实际上看企业资质”的尴尬融资现状。电影版权的价值主要来源于票房收入,因此本文从预测电影票房收入入手,建立电影票房影响因素体系,结合机器学习算法,将BP神经网络引入电影票房预测,并针对BP神经网络的不足引入粒子群算法（PSO）,得到优化后的PSO—BP神经网络模型,成功构建了一种普遍适用于预测电影票房的模型,再利用收益分成法评估电影版权价值,从而得到电影版权证券化价值,希望能为电影版权证券化的价值评估提供借鉴和参考。本文主要包括以下内容:第一部分是绪论。该部分包括研究背景、研究意义和文献综述、研究方法和创新点,为文章研究提供理论基础,并根据目前研究现状提出本文的创新点。第二部分是电影版权证券化理论分析。该部分先对电影版权、电影版权证券化等相关概念进行了梳理,然后就传统评估方法在电影版权评估中的适用性进行了分析。第三部分是对PSO—BP神经网络模型相关理论做出了介绍,该部分先对BP神经网络的概念和优缺点做了介绍,又对PSO算法的概念、优缺点及改进后的PSO—BP模型做了介绍。第四部分构建了电影版权证券化价值评估模型,先构建票房收入影响因素指标体系,再确定BP神经网络模型的主要参数,通过MATLAB软件建立电影版权估值的PSO—BP神经网络模型,通过模型得到电影预期票房收入后,再确定属于版权所有方的现金流量,最后确定合适的收益率,从而得到电影版权证券化价值的评估结果。第五部分是以电影《流浪地球2》为例,先将大量样本数据代入构建好的PSO—BP神经网络模型进行学习训练并检测模型的可靠程度,再利用该模型评估其版权证券化价值。第六部分是研究结论和建议。本文的创新点在于:第一,将电影版权评估与版权证券化相结合进行研究。电影版权证券化是近年来电影行业与金融投资领域的热点之一,但目前国内学者对此的研究主要集中在国内电影版权证券化现状、如何在我国实现版权证券化融资等领域,而作为版权证券化基础的电影版权评估却往往被人忽略。另一方面,电影版权证券化在我国应用时间较短,案例也比较少,国内针对电影版权这一无形资产价值评估进行的研究本来就少,将其与版权证券化相结合的研究更是寥寥无几,所以本文将二者结合进行研究。第二,将PSO算法与BP神经网络相结合,利用优化后的PSO—BP神经网络模型进行版权价值评估。利用大量样本数据训练BP神经网络模型是一种可行的电影版权价值评估方法,但传统BP神经网络全局搜索能力一般,因此本文引入PSO算法优化其初始阈值,增强其全局搜索能力,改良传统BP神经网络,构成PSO—BP神经网络模型,为针对电影版权证券化而进行的版权评估提供了一种有益的思路。