近年来,我国上市公司参与并购案数量呈现快速发展的态势。但研究表明,大多数并购行为并没有达到预期的效果,甚至许多并购成为并购企业的沉重包袱。究其原因,并购效益的低下与并购企业对协同价值缺乏准确的评估有直接关系。在并购价值理论中,企业并购协同价值评估一直是其中的难点问题,目前很少有学者从价值评估角度去研究协同效应并形成切合实际的评估模型。因此,上市公司的并购协同价值的评估研究对于现实经济运行中并购双方有着极为重要的指导意义和实际价值。本文在对已有的对并购协同效应予以定性和定量分析的文献的简要回顾的基础上,提出以我国上市公司间的并购交易作为研究对象,从价值评估的角度来直接探讨并购协同价值的创造。首先,对收益法基本经济参数予以进一步界定,尝试利用收益法来评估并购前后的主并公司和目标公司双方的价值变动,从而度量出并购协同价值。接着,本文详细地分析了已有文献发现的可能对并购协同价值产生影响的八个因素:国有股比例、主并企业规模增长、主并企业营业利润增长率、主并企业与目标企业是否处于同一行业、目标企业与主并企业的规模比、是否是关联交易、支付溢价、支付方式。为了能够适应评估实践活动的需要,在并购交易完成之前的评估时点上对并购交易所能创造的并购协同价值予以评估,本文利用多元回归方法和神经网络技术对并购协同价值及其诸多影响因素之间的关系予以建模。为了能获得具有最佳预测能力的评估模型,接着对估计的模型进行估计样本外的预测,最终筛选出具有理想预测效果的并购协同价值的评估模型。本文经过研究,主要发现了以下结论:(1)从并购交易的整体上来看,我国上市公司之间的并购交易确实能够创造出可观的协同价值;(2)诸多并购影响因素对并购协同价值的作用机制很可能是复杂非线性的,难以用多元线性回归模型来拟合,而具有较强的对非线性关系的映射能力的神经网络能够较好的拟合并购协同价值与其影响因素之间的复杂关系;(3)在对各种模型的估计样本外预测表现的比较基础上,我们筛选出了具有最佳预测性能的BP神经网络模型。该模型可以应用于在并购交易完成之前的评估基准时点上,对其他并购交易所能创造的协同价值的评估,具有较强的实践应用价值。