医药制造业与国民健康紧密联系,具有需求刚性的特点,医药制造板块也一直是资本市场投资的热点。但我国资本市场不属于有效市场,投资者进行股票交易是建立在股票价格与价值非同步的基础上。医药制造行业复杂,企业价值受到很多因素影响,盲目投资容易增加投资风险,所以合理评估医药制造上市公司价值,不仅可降低投资风险,充分发挥国内资本市场价值发现的职能;还有助于吸引投资者关注具有长期竞争力的优质医药制造公司,优化我国资本市场资源配置的职能。传统估值方法主要显现出以下四点不足:一是内在价值法和EVA法虽然可以揭示企业内在价值,但医药制造企业因在研项目多,研发风险比较高,经营不够稳定,加大了评估者预测企业未来经营状况以及现金流的难度。二是,实物期权法虽然可以体现企业在投资经营中的不确定性,但模型受到许多假设条件的影响,有些假设条件我国资本市场难以满足,这也导致实物期权法评估企业价值的科学性有待进一步考察。三是,相对估值法虽然使用便利,但评估的是企业相对价值,体现的是市场对可比公司资产的判断。四是,目前传统估值方法均主要考虑财务因素,而医药制造企业复杂,价值影响因素多,并且像股权集中度、资本结构和研发投入等非财务指标与企业价值呈非线性相关,因此对这种高维非线性映射问题传统估值方法很难解决。自上世纪80年代,以人类神经系统信息处理方式为原型的神经网络算法发展迅猛,BP神经网络属于其中一种应用最为广泛的算法,能够自主学习的同时还具有应对系统环境变化的自适应性,并且适合分析数据间的非线性映射。通过搭建BP神经网络,计算机软件可以模拟人类学习过程对样本数据进行训练与测试,不需要人为构建复杂的数学模型,预测过程中不仅可以纳入多种与企业价值有关的影响因素,还降低了评估者的主观性,基于此,探索BP神经网络对医药制造上市估值的优化效果。本文首先构建了医药制造上市公司的估值体系,样本数据选取国内A股175家医药制造公司,将2020年12月31日作为公司估值基准日,考虑到市场价格长期围绕企业价值波动,故分别选取2020年、2018-2020年和2016-2020年三个时间区间内的上市公司日均市值作为企业价值的基准值。第二,考虑到医药制造行业公司类型不同,预先从175家上市公司中以制造工艺与原料来源、市值规模两个角度抽选出五家具有代表性的公司:沃森生物、华润三九、智飞生物、复星医药和海普瑞,再以剩余的170家公司为基础样本,使用MATLAB 2020a版本构建基于BP神经网络的医药制造上市公司估值模型,并将训练完成的模型保存。最后,将预先抽选出的五家医药制造上市公司分别使用BP神经网络估值模型、FCFF折现法、EVA法、添加红利收益率y的B-S期权定价法以及市盈率法进行估值,对比不同估值方法的评估结果与基准值的偏离度,检验BP神经网络的评估效果。研究结果表明,BP神经网络估值模型在评估医药制造上市公司价值时,不仅可以纳入多个与企业价值相关的财务和非财务指标,并解决研发投入、资本结构和股权集中度等指标与企业价值呈非线性相关的问题,还可以降低评估者的主观性,弥补了以往方法的不足之处,为医药制造上市公司估值提供了一个新的方向。