肖雪嬌 楊峰

【摘要】信息技術(shù)的發(fā)展使得數(shù)據(jù)成為有價值的資產(chǎn)， 如何全面、客觀、合理地對數(shù)據(jù)資產(chǎn)進行估值成為當(dāng)前研究的重點。 本文以互聯(lián)網(wǎng)企業(yè)作為研究對象， 將企業(yè)擁有的數(shù)據(jù)資產(chǎn)視為一個整體， 基于收益法和層次法確定數(shù)據(jù)資產(chǎn)經(jīng)濟價值， 基于最小二乘蒙特卡洛模擬的實物期權(quán)法確定數(shù)據(jù)資產(chǎn)潛在價值， 提出互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值評估方案， 并對Y公司進行實證分析。 結(jié)果表明， 該方案具有可行性和有效性， 在一定程度上可以解決互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值問題， 使得估值更加全面和客觀。

【關(guān)鍵詞】數(shù)據(jù)資產(chǎn);價值評估;AHP;實物期權(quán)法;Prophet

【中圖分類號】F273? ? ? 【文獻標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2022）18-0126-10

一、引言

隨著物聯(lián)網(wǎng)、云計算、5G、人工智能等新一代技術(shù)與各應(yīng)用領(lǐng)域的深度融合， 數(shù)據(jù)類型和數(shù)據(jù)量快速累積， 催生出新的經(jīng)濟業(yè)態(tài)和商業(yè)模式， 數(shù)據(jù)的經(jīng)濟價值凸顯， 成為數(shù)字經(jīng)濟發(fā)展的源泉。 經(jīng)濟合作與發(fā)展組織（OECD）發(fā)布報告表明： 基于數(shù)據(jù)資源驅(qū)動的創(chuàng)新模式已經(jīng)成為數(shù)字經(jīng)濟發(fā)展的重要路徑之一， 數(shù)據(jù)資源是互聯(lián)網(wǎng)發(fā)展進程中強有力的經(jīng)濟資產(chǎn)。 為加快數(shù)字化發(fā)展， 打造數(shù)字經(jīng)濟新優(yōu)勢， 從中央到地方各級部門都高度重視數(shù)據(jù)在數(shù)字經(jīng)濟發(fā)展中的戰(zhàn)略意義， 先后出臺了《數(shù)字經(jīng)濟發(fā)展戰(zhàn)略綱要》《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》《要素市場化配置綜合改革試點總體方案》《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》等一系列文件， 為全面推進數(shù)字經(jīng)濟發(fā)展做出周密部署， 明確提出將數(shù)據(jù)作為新的生產(chǎn)要素參與市場分配， 以實現(xiàn)數(shù)據(jù)使用“可控可計量”， 構(gòu)建數(shù)據(jù)資產(chǎn)評估體系， 穩(wěn)妥探索數(shù)據(jù)資產(chǎn)化服務(wù)供給。

在數(shù)字經(jīng)濟時代， 數(shù)據(jù)作為企業(yè)重要的資產(chǎn)[1] ， 影響著企業(yè)的經(jīng)營決策和戰(zhàn)略規(guī)劃， 在提高運營效率、賦予產(chǎn)品/服務(wù)新功能、激發(fā)創(chuàng)新性的商業(yè)模式等方面具有重要作用。 毋庸置疑， 數(shù)據(jù)資產(chǎn)價值評估將對投資、貿(mào)易和經(jīng)濟增長產(chǎn)生重要影響。 然而， 作為新的資產(chǎn)類別， 數(shù)據(jù)資產(chǎn)的價值評估卻給學(xué)術(shù)界和實務(wù)界帶來了挑戰(zhàn)： 一方面， 數(shù)據(jù)資產(chǎn)不是有形資產(chǎn)， 不存在磨損折舊問題; 另一方面， 數(shù)據(jù)資產(chǎn)不同于常規(guī)的無形資產(chǎn)， 數(shù)據(jù)資產(chǎn)的聚合重組可以創(chuàng)造新的價值， 同一數(shù)據(jù)資產(chǎn)在不同的應(yīng)用場景下對于不同使用者具有不同價值。 在這一現(xiàn)實背景下， 數(shù)據(jù)資產(chǎn)價值評估成為當(dāng)前研究的難點， 亟待探索一套科學(xué)有效的數(shù)據(jù)資產(chǎn)價值評估體系和方法， 最大化數(shù)據(jù)資產(chǎn)在安全可靠環(huán)境下的價值。 特別地， 對互聯(lián)網(wǎng)企業(yè)而言， 數(shù)據(jù)資產(chǎn)是連接各社群平臺、實現(xiàn)交互賦能、實時聯(lián)動物理空間和網(wǎng)絡(luò)空間的關(guān)鍵樞紐， 通過提供數(shù)據(jù)目標(biāo)服務(wù)或授權(quán)第三方使用數(shù)據(jù)可以獲取潛在的巨大經(jīng)濟利益。 因此， 對互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)資產(chǎn)進行估值具有重要意義。

綜上所述， 本文旨在針對互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)資產(chǎn)設(shè)計一套客觀合理的估值方案， 為商業(yè)并購和企業(yè)投資決策提供科學(xué)依據(jù)， 更好地促進數(shù)據(jù)交易、資金融通等經(jīng)濟活動的開展。

二、文獻綜述

（一）數(shù)據(jù)資產(chǎn)的定義

早期已有學(xué)者意識到數(shù)據(jù)的重要性， 認(rèn)為數(shù)據(jù)是資產(chǎn)， 但并未對數(shù)據(jù)資產(chǎn)下定義。 Fisher[2] 認(rèn)為數(shù)據(jù)是企業(yè)獲得商業(yè)成功的重要資產(chǎn)， 需要對其進行有效管理。 2011年世界經(jīng)濟論壇發(fā)布的報告將個人數(shù)據(jù)視為一種新的資產(chǎn)類別。 Perrons和Jensen[3] 認(rèn)為蘊含價值的數(shù)據(jù)資源是寶貴的資產(chǎn)。 隨著大數(shù)據(jù)應(yīng)用的興起， 數(shù)據(jù)資產(chǎn)的定義被進一步明確但目前尚未統(tǒng)一， 不同領(lǐng)域?qū)?shù)據(jù)資產(chǎn)定義的側(cè)重點不同。

從數(shù)據(jù)屬性來看， McKinnon[4] 認(rèn)為數(shù)字資產(chǎn)是指那些曾經(jīng)以物理方式存儲而現(xiàn)在以數(shù)字方式存儲的對象， 包括電子郵件、博客和照片分享賬戶等。 朱揚勇和葉雅珍[5] 追根溯源， 通過辨析信息資產(chǎn)、數(shù)字資產(chǎn)和數(shù)據(jù)資產(chǎn)等三個概念， 將數(shù)據(jù)資產(chǎn)定義為具有勘探權(quán)、使用權(quán)、所有權(quán)、有價值、可計量、可讀取的網(wǎng)絡(luò)空間數(shù)據(jù)集， 并建議將三個概念統(tǒng)一為數(shù)據(jù)資產(chǎn)。

從資產(chǎn)屬性來看， 大部分研究認(rèn)為數(shù)據(jù)資產(chǎn)是指擁有所有權(quán)或控制權(quán)， 預(yù)期能夠帶來經(jīng)濟利益的可計量的數(shù)字資源[6，7] 。 中國信通院在《數(shù)據(jù)資產(chǎn)化： 數(shù)據(jù)資產(chǎn)確認(rèn)與會計計量研究報告（2020年）》中將數(shù)據(jù)資產(chǎn)定義為： 企業(yè)在生產(chǎn)經(jīng)營過程中產(chǎn)生的或從外部渠道獲取的， 具有所有權(quán)或控制權(quán)的， 預(yù)期能夠在一定時期內(nèi)為企業(yè)帶來經(jīng)濟利益的數(shù)據(jù)資源。 張俊瑞等[8] 對中國信通院給出的定義表示認(rèn)同， 指出數(shù)據(jù)資產(chǎn)是可辨認(rèn)的非貨幣性資產(chǎn)， 屬于無形資產(chǎn)范疇。 在國民經(jīng)濟核算層面， 李靜萍[9] 認(rèn)為數(shù)據(jù)具有非生產(chǎn)屬性和資產(chǎn)屬性（收益性和所有權(quán)）， 應(yīng)納入資產(chǎn)核算范圍。 許憲春等[10] 將數(shù)據(jù)資產(chǎn)定義為擁有應(yīng)用場景且在生產(chǎn)過程中被反復(fù)或連續(xù)使用一年以上對GDP產(chǎn)生影響的數(shù)據(jù)。

鑒于本文的研究視角為企業(yè)層面， 故將企業(yè)所擁有的或控制的， 能夠為企業(yè)帶來未來經(jīng)濟收益的可計量的數(shù)據(jù)資源認(rèn)定為數(shù)據(jù)資產(chǎn)。

（二）數(shù)據(jù)資產(chǎn)價值評估方法

數(shù)據(jù)資產(chǎn)價值評估是數(shù)據(jù)資產(chǎn)定價的基礎(chǔ)， 有助于數(shù)據(jù)資產(chǎn)的流通交易。 為了量化數(shù)據(jù)資產(chǎn)的價值， 現(xiàn)有研究針對數(shù)據(jù)資產(chǎn)的特性和方法的適用性， 提出了不同的數(shù)據(jù)資產(chǎn)價值評估方法， 大致可分為兩類： 一是傳統(tǒng)評估法， 包括成本法、收益法和市場法; 二是非傳統(tǒng)評估法， 包括層次分析法（AHP）、實物期權(quán)法、機器學(xué)習(xí)法、客戶終身價值法（CLV）、最小二乘蒙特卡洛模擬法（LSM）等。

傳統(tǒng)評估方法中， 成本法是通過加總數(shù)據(jù)生產(chǎn)過程中的各項成本來測量數(shù)據(jù)資產(chǎn)價值[10] 。 李永紅等[11] 根據(jù)數(shù)據(jù)資產(chǎn)的獲取方式， 認(rèn)為互聯(lián)網(wǎng)企業(yè)內(nèi)部累積的數(shù)據(jù)資產(chǎn)價值等于期初準(zhǔn)備成本與數(shù)據(jù)收集過程產(chǎn)生的成本之和。 與此不同， 德勤和阿里研究院將重置成本扣減數(shù)據(jù)資產(chǎn)貶值后的數(shù)值作為數(shù)據(jù)資產(chǎn)價值。 市場法是通過比較市場上類似資產(chǎn)的交易價格來衡量待估資產(chǎn)的價值[11] 。 劉琦等[12] 在數(shù)據(jù)資產(chǎn)的差異因素量化調(diào)整的基礎(chǔ)上提出運用市場法對數(shù)據(jù)資產(chǎn)價值進行評估的基本思路。 李永紅和張淑雯[6] 通過分析數(shù)據(jù)資產(chǎn)的影響因素， 運用灰色關(guān)聯(lián)法和AHP構(gòu)建了基于市場法的數(shù)據(jù)資產(chǎn)價值評估模型。 收益法是基于數(shù)據(jù)資產(chǎn)的預(yù)期應(yīng)用場景， 對未來其產(chǎn)生的經(jīng)濟收益進行折現(xiàn)的估值方法。 李春秋和李然輝[13] 基于業(yè)務(wù)計劃， 運用收益法評估“獨角獸”企業(yè)的數(shù)據(jù)資產(chǎn)價值。 考慮到數(shù)據(jù)資產(chǎn)的折現(xiàn)率異于其他資產(chǎn)， 陳芳等[14] 對數(shù)據(jù)資產(chǎn)折現(xiàn)率加以改進， 采用多期超額收益模型對數(shù)字化轉(zhuǎn)型企業(yè)的數(shù)據(jù)資產(chǎn)價值進行評估。

在非傳統(tǒng)評估方法中， 學(xué)者們通過分析數(shù)據(jù)資產(chǎn)的特征和影響因素構(gòu)建指標(biāo)體系， 利用層次分析法確定價值指數(shù)。 如張志剛等[15] 基于成本和應(yīng)用兩個維度， 運用層次分析法構(gòu)建了數(shù)據(jù)資產(chǎn)價值評估模型。 考慮到數(shù)據(jù)資產(chǎn)價值的不確定性， Longstaff和Schwartz[16] 使用LSM對數(shù)據(jù)價值和價格進行評估， 解決了美式期權(quán)靈活定價問題， 之后LSM被擴展應(yīng)用到多個領(lǐng)域[17-19] 。 翟麗麗和王佳妮[20] 以移動云計算聯(lián)盟為研究對象， 通過密切值法識別影響聯(lián)盟企業(yè)的重要因素， 運用實物期權(quán)法中的B-S模型評估云計算聯(lián)盟的數(shù)據(jù)資產(chǎn)價值。 之后王靜等[21] 也采用實物期權(quán)法對不同行業(yè)的數(shù)據(jù)資產(chǎn)價值評估進行探究。 隨著人工智能的發(fā)展， Karvanen等[22] 以CLV為出發(fā)點， 通過考慮每個客戶在未來為該數(shù)據(jù)服務(wù)帶來的收益對數(shù)據(jù)資產(chǎn)進行估值。

縱觀已有研究成果可以看出， 目前數(shù)據(jù)資產(chǎn)價值評估正處于探索期， 衡量方式復(fù)雜多樣， 尚未形成一套客觀、全面且可操作性強的數(shù)據(jù)資產(chǎn)估值方法體系。 早期學(xué)者只提出了數(shù)據(jù)資產(chǎn)價值評估的思路和方法， 但是沒有給出具體實操案例進行驗證。 后期學(xué)者雖然結(jié)合案例驗證了方法的可行性， 但是評估方法的模型參數(shù)確定較為主觀， 均有其適用性和存在的問題， 評估時容易產(chǎn)生偏差。 因此， 本文為了減少現(xiàn)有研究評估過程中的人為主觀性， 引入Prophet模型對評估方法中的時間序列進行預(yù)測。 考慮到數(shù)據(jù)資產(chǎn)價值的隱蔽性和不確定性， 運用LSM估量數(shù)據(jù)資產(chǎn)的潛在價值， 增強評估結(jié)果的可靠性和全面性， 為數(shù)據(jù)資產(chǎn)價值評估提供新的思路， 以進一步推動數(shù)據(jù)資產(chǎn)價值評估工作的落地實施。

三、理論分析

（一）互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值創(chuàng)造機制

根據(jù)價值創(chuàng)造理論和資源基礎(chǔ)理論， 企業(yè)往往通過控制和利用內(nèi)外部資源來提升競爭優(yōu)勢和實現(xiàn)價值最大化。 數(shù)據(jù)作為一種新型生產(chǎn)要素， 其異質(zhì)性和有效性決定了企業(yè)在行業(yè)競爭中的差異。 互聯(lián)網(wǎng)企業(yè)之所以能夠快速發(fā)展， 主要是因為移動互聯(lián)網(wǎng)的快速連接和滲透產(chǎn)生了大量數(shù)據(jù)資源[23] ， 催生出云計算、大數(shù)據(jù)等數(shù)據(jù)分析技術(shù)及處理平臺， 對海量、多源的數(shù)據(jù)進行有效采集、清洗、整合和提煉， 抽象出數(shù)據(jù)背后的普遍特征， 以透析客觀現(xiàn)象， 輔助企業(yè)進行戰(zhàn)略決策[24] 。 在數(shù)字技術(shù)的加持下， 數(shù)據(jù)資產(chǎn)的價值得以釋放。 與傳統(tǒng)企業(yè)不同的是， 互聯(lián)網(wǎng)企業(yè)產(chǎn)品服務(wù)生命周期短、迭代速度快， 迫使企業(yè)不斷推陳出新， 通過對多種不同類型的數(shù)據(jù)進行深入挖掘和分析， 捕獲用戶個性化偏好和行為特點， 精準(zhǔn)預(yù)測用戶后續(xù)行為意向， 開放平臺滿足市場開放性需求， 創(chuàng)造出多元化的產(chǎn)品或服務(wù)。 可見， 數(shù)據(jù)資產(chǎn)已然是互聯(lián)網(wǎng)企業(yè)的戰(zhàn)略業(yè)務(wù)單元（SBU）， 基于數(shù)據(jù)資源的各種應(yīng)用開發(fā)、精準(zhǔn)投放、及時高效的信息交互重塑互聯(lián)網(wǎng)企業(yè)的商業(yè)模式， 為互聯(lián)網(wǎng)企業(yè)帶來全新的價值創(chuàng)造方式[25] 。

基于數(shù)據(jù)價值鏈（data value chain）理論， 數(shù)據(jù)資產(chǎn)價值創(chuàng)造需要經(jīng)歷“數(shù)據(jù)資源化—數(shù)據(jù)產(chǎn)品化—數(shù)據(jù)資產(chǎn)化—數(shù)據(jù)資本化”四個階段。 這四個階段并非依次進行的， 而是表現(xiàn)為同時動態(tài)、相互衍化、迭代優(yōu)化的狀態(tài)[26] 。 數(shù)據(jù)資源化需要對原始數(shù)據(jù)進行采集、加工、提煉、標(biāo)準(zhǔn)化、整合， 形成動態(tài)可用的數(shù)據(jù)資源。 數(shù)據(jù)產(chǎn)品化是根據(jù)對應(yīng)的應(yīng)用場景對數(shù)據(jù)資源進行深入挖掘， 形成能夠滿足顧客需求的產(chǎn)品或服務(wù)， 并在經(jīng)濟活動中流通和運轉(zhuǎn)， 直接產(chǎn)生商業(yè)價值。 在數(shù)據(jù)產(chǎn)品化的同時， 可控制、可計量和可變現(xiàn)的數(shù)據(jù)資源已然成為企業(yè)的數(shù)據(jù)資產(chǎn)， 催生出以數(shù)據(jù)資產(chǎn)為核心的新商業(yè)模式。 這些新商業(yè)模式能夠為企業(yè)帶來增量現(xiàn)金流和市場前景， 提升企業(yè)的盈利空間。 可見， 數(shù)據(jù)資產(chǎn)可以替代傳統(tǒng)要素的投入和功能， 優(yōu)化傳統(tǒng)要素資源配置效率， 搭載互聯(lián)網(wǎng)強大的網(wǎng)絡(luò)效應(yīng)， 在市場經(jīng)營和運轉(zhuǎn)中實現(xiàn)價值倍增， 進一步轉(zhuǎn)化為數(shù)據(jù)資本。 數(shù)據(jù)資本通過專業(yè)化、市場化的數(shù)據(jù)投資運營機制來實現(xiàn)自身增值， 是能夠交易和流通的數(shù)據(jù)資產(chǎn)[27] 。

（二）互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值構(gòu)成

價值是來自所屬資產(chǎn)的利益。 具體到數(shù)據(jù)資產(chǎn)而言， 價值是數(shù)據(jù)驅(qū)動企業(yè)戰(zhàn)略決策和商業(yè)模式創(chuàng)新而帶來的現(xiàn)金流。 數(shù)據(jù)資產(chǎn)價值評估就是確定與企業(yè)數(shù)據(jù)資產(chǎn)相關(guān)決策的凈經(jīng)濟效益。 從業(yè)務(wù)角度來看， 單一數(shù)據(jù)資產(chǎn)能夠帶來的經(jīng)濟價值遠小于數(shù)據(jù)資產(chǎn)整體的經(jīng)濟價值， 且用于決策支持的數(shù)據(jù)資產(chǎn)通常需要整合來自各種不同信息系統(tǒng)的數(shù)據(jù)， 其釋放的價值難以區(qū)分。 因此， 本文所評估的數(shù)據(jù)資產(chǎn)是互聯(lián)網(wǎng)企業(yè)整體的數(shù)據(jù)資產(chǎn)價值， 并非單一數(shù)據(jù)資產(chǎn)價值。 同時由于數(shù)據(jù)資產(chǎn)具有非實體性、隱蔽性、不確定性、時效性、再生性等特征， 導(dǎo)致難以直接對其進行觀測評估， 故本文從企業(yè)經(jīng)營和投資兩個視角衡量數(shù)據(jù)資產(chǎn)價值， 認(rèn)為數(shù)據(jù)資產(chǎn)價值由經(jīng)濟價值和潛在價值構(gòu)成， 即： 數(shù)據(jù)資產(chǎn)總價值=數(shù)據(jù)資產(chǎn)經(jīng)濟價值+數(shù)據(jù)資產(chǎn)潛在價值。

數(shù)據(jù)資產(chǎn)的經(jīng)濟價值主要體現(xiàn)在： ①企業(yè)利用以數(shù)據(jù)資產(chǎn)為核心的運營機制， 降低成本和資源消耗水平， 提高運營效率和經(jīng)濟效益; ②與數(shù)字化技術(shù)深度融合， 挖掘用戶潛在消費行為， 提供個性化、即時化的產(chǎn)品或服務(wù)， 拓寬收入來源， 提升企業(yè)的競爭優(yōu)勢， 賦予企業(yè)價值新的增長動力; ③搭載移動互聯(lián)網(wǎng)平臺， 與不同行業(yè)和領(lǐng)域跨界融合， 共享內(nèi)外部資源， 建立新型合作關(guān)系， 與用戶信息共享和協(xié)同， 提升企業(yè)整體服務(wù)質(zhì)量， 實現(xiàn)價值共創(chuàng)。

數(shù)據(jù)資產(chǎn)的潛在價值主要體現(xiàn)在輔助企業(yè)高效地進行投資決策， 為企業(yè)識別出潛在的投資機會。 企業(yè)可以根據(jù)經(jīng)濟政策、宏觀環(huán)境和公司戰(zhàn)略等因素， 選擇立即使用、延遲使用或者放棄使用數(shù)據(jù)資產(chǎn)。 可見， 數(shù)據(jù)資產(chǎn)蘊含著選擇權(quán)。 考慮到數(shù)據(jù)資產(chǎn)在動態(tài)環(huán)境下經(jīng)濟收益的不確定性和柔性決策等因素， 將數(shù)據(jù)資產(chǎn)視為一項期權(quán)， 以此來衡量由數(shù)據(jù)資產(chǎn)帶來的潛在收益。

四、數(shù)據(jù)資產(chǎn)價值評估方案設(shè)計

（一）基本理論和思路

1. 應(yīng)用AHP—收益分成法確定數(shù)據(jù)資產(chǎn)經(jīng)濟價值。 數(shù)據(jù)資產(chǎn)的經(jīng)濟價值是數(shù)據(jù)資產(chǎn)帶來的未來現(xiàn)金流入， 收益法能夠較為真實準(zhǔn)確地反映數(shù)據(jù)資產(chǎn)的經(jīng)濟價值， 體現(xiàn)數(shù)據(jù)資產(chǎn)的盈利能力。 數(shù)據(jù)資產(chǎn)創(chuàng)造的收益依賴于其他資產(chǎn)的協(xié)作實現(xiàn)， 難以將其單獨分開。 因此， 本文采用AHP—收益分成法確定數(shù)據(jù)資產(chǎn)帶來的經(jīng)濟價值。 收益法中的未來預(yù)期收益通常使用自由現(xiàn)金流， 相較于稅前利潤、凈利潤等易受人為操控的財務(wù)數(shù)據(jù)， 自由現(xiàn)金流能夠更真實地反映企業(yè)經(jīng)營成果。 AHP—收益分成法的具體思路是： 首先基于企業(yè)歷史財務(wù)數(shù)據(jù)采用Prophet模型預(yù)測未來收益期內(nèi)企業(yè)自由現(xiàn)金流、流動資產(chǎn)、固定資產(chǎn)、表內(nèi)無形資產(chǎn)的貢獻值， 用未來收益期內(nèi)的自由現(xiàn)金流減去流動資產(chǎn)、固定資產(chǎn)、表內(nèi)無形資產(chǎn)貢獻值， 得到剩余收益。 然后利用AHP確定各表外貢獻資產(chǎn)的收益分成率， 將確定的數(shù)據(jù)資產(chǎn)收益分成率乘以剩余收益得到數(shù)據(jù)資產(chǎn)的貢獻值。 最后用數(shù)據(jù)資產(chǎn)的折現(xiàn)率將數(shù)據(jù)資產(chǎn)貢獻值折現(xiàn)， 得到評估時點數(shù)據(jù)資產(chǎn)的經(jīng)濟價值。 上述思路可以用AHP—收益模型表示為：

△Rt=FCFt-Lt-Ft-It? ? ? ? （1）

NPV=[t=1T? ? ? ? ? ? ? ? ? ? ]? ?（2）

其中： △Rt表示第t期剩余收益; FCFt表示第t期企業(yè)的自由現(xiàn)金流; Lt表示第t期流動資產(chǎn)的貢獻值; Ft表示第t期固定資產(chǎn)的貢獻值; It表示第t期表內(nèi)無形資產(chǎn)的貢獻值; NPV表示評估時點數(shù)據(jù)資產(chǎn)的經(jīng)濟價值; k表示基于AHP確定的數(shù)據(jù)資產(chǎn)收益分成率; T表示數(shù)據(jù)資產(chǎn)的收益期; r表示數(shù)據(jù)資產(chǎn)的折現(xiàn)率。

2. 應(yīng)用實物期權(quán)法確定數(shù)據(jù)資產(chǎn)潛在價值。 數(shù)據(jù)資產(chǎn)價值的不確定性和波動性使其具有期權(quán)的特性， 為衡量不確定性的創(chuàng)造價值可以采用實物期權(quán)法。 實物期權(quán)法主要包括B-S模型、二叉樹法和蒙特卡洛模擬法等。 由于決策者可以在數(shù)據(jù)資產(chǎn)收益到期前隨時對數(shù)據(jù)資產(chǎn)進行處理， 所包含的實物期權(quán)可以看作美式期權(quán)， 因此經(jīng)典的B-S模型不適用。 在對數(shù)據(jù)資產(chǎn)期權(quán)價值的計量上， 本文采用最小二乘蒙特卡洛模擬方法。 將數(shù)據(jù)資產(chǎn)視為標(biāo)的資產(chǎn)， 假設(shè)標(biāo)的資產(chǎn)的價格服從幾何布朗運動， 在風(fēng)險中性條件下， 求出任意時刻每條模擬樣本路徑上標(biāo)的資產(chǎn)的價格St。 從到期日開始逆向求解， 利用最小二乘回歸法近似求出每條模擬路徑上繼續(xù)持有期權(quán)的價值F（ω，tk）， 與該時刻立即執(zhí)行期權(quán)的收益X相比較。 如果X>F（ω，tk）， 則立即行權(quán); 否則， 繼續(xù)持有期權(quán)。 然后繼續(xù)向前迭代， 直到初始時刻， 從而確定每條模擬樣本路徑上的最優(yōu)行權(quán)時刻。 最后， 將每條樣本路徑上的最優(yōu)行權(quán)時刻產(chǎn)生的收益現(xiàn)金流以無風(fēng)險利率折現(xiàn)， 取均值就可得出模擬的期權(quán)價值。

具體推導(dǎo)過程詳見Longstaff與Schwartz[16] 的論文， 國內(nèi)學(xué)者吳建祖和宣慧玉[28] 也給出了相關(guān)解釋。 本文涉及的公式如下：

St=NPV·e? （3）

其中， St是標(biāo)的資產(chǎn)的價格; NPV表示數(shù)據(jù)資產(chǎn)的經(jīng)濟價值; Rf表示無風(fēng)險利率; σ表示數(shù)據(jù)資產(chǎn)收益波動率; Wt表示標(biāo)準(zhǔn)布朗運動; T為到期日， t∈[0，T]。

其中， F（ω，tk）是繼續(xù)持有期權(quán)的價值。 將標(biāo)的資產(chǎn)在tk時刻的價格stk作為自變量， 對應(yīng)路徑上未來現(xiàn)金流的折現(xiàn)值作為因變量， 進行最小二乘回歸得到a0、a1、a2， 進一步計算出F（ω，tk）。

3. 互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值方案。 綜合上述分析， 本文設(shè)計出一套客觀全面的互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值評估方案， 如圖1所示。

（二）AHP-收益分成法下參數(shù)的確定

1. Prophet時間序列預(yù)測。 企業(yè)歷史收益數(shù)據(jù)是一組時間序列數(shù)據(jù)， 為克服傳統(tǒng)收益法預(yù)測未來收益的主觀性， 本文采用較為客觀、新穎的Prophet模型對互聯(lián)網(wǎng)企業(yè)未來收益進行預(yù)測。 Prophet模型是一款基于python和R語言的時間序列預(yù)測的機器學(xué)習(xí)框架， 基于SLT分解思想可以對時間序列的未來趨勢進行自動分解和預(yù)測， 其最大的特點是可以進行大范圍、小粒度的預(yù)測， 并給出置信區(qū)間， 能夠很好地處理異常值， 對數(shù)據(jù)缺失和趨勢變化具有很強的穩(wěn)健性。 Prophet模型通過擬合趨勢項、季節(jié)周期項和節(jié)假日效應(yīng)等， 將擬合結(jié)果項累加起來得到時間序列的預(yù)測值[29] 。 Prophet模型的基本構(gòu)成如下：

yt=g（t）+s（t）+h（t）+εt? ? ?（5）

其中： g（t）是趨勢變化函數(shù)， 通常用非線性邏輯回歸函數(shù)或者分段線性函數(shù)來分析時間序列中非周期性的變化; s（t）是季節(jié)周期項， 采用傅里葉級數(shù)模擬時間序列的周期性; h（t）是節(jié)假日效應(yīng)， 可以自定義節(jié)假日， 滿足特定場景的預(yù)測需求; εt是誤差項， 表示異常事件的影響， 是服從正態(tài)分布的噪聲因子。

（1）自由現(xiàn)金流的預(yù)測。 自由現(xiàn)金流是滿足了企業(yè)再投資之后剩余的現(xiàn)金流量， 是企業(yè)經(jīng)營活動產(chǎn)生的現(xiàn)金流與資本支出的差額。 自由現(xiàn)金流=息稅前利潤-稅款+折舊與攤銷-資本支出-營運資本增加。 利用上述公式， 計算出企業(yè)歷史自由現(xiàn)金流， 通過Prophet模型對企業(yè)未來自由現(xiàn)金流進行預(yù)測， 得到更加客觀的預(yù)測結(jié)果。

（2）流動資產(chǎn)貢獻值的預(yù)測。 流動資產(chǎn)是經(jīng)濟壽命小于一年的資產(chǎn)， 具有較強的變現(xiàn)能力， 能夠在一定時間內(nèi)完全收回歷史投資， 不存在折舊損耗。 根據(jù)企業(yè)歷史財務(wù)數(shù)據(jù)計算出歷史流動資產(chǎn)貢獻值， 利用Prophet模型預(yù)測企業(yè)未來流動資產(chǎn)貢獻值。 流動資產(chǎn)貢獻值=年平均流動資產(chǎn)×流動資產(chǎn)回報率; 年平均流動資產(chǎn)=（年末流動資產(chǎn)+年初流動資產(chǎn)）/2。 其中， 流動資產(chǎn)回報率通常用一年期銀行貸款利率衡量， 用rL表示。

（3）固定資產(chǎn)貢獻值的預(yù)測。 固定資產(chǎn)是使用期限超過一年的資產(chǎn)， 在企業(yè)生產(chǎn)經(jīng)營過程中會發(fā)生各種損耗， 固定資產(chǎn)的折舊實質(zhì)上就是企業(yè)對固定資產(chǎn)損耗的補償。 因此， 在計算固定資產(chǎn)貢獻值時不僅要考慮其投資回報， 還要考慮固定資產(chǎn)的折舊補償。 預(yù)測未來固定資產(chǎn)貢獻值時基于歷史財務(wù)數(shù)據(jù)采用Prophet模型進行預(yù)測。 固定資產(chǎn)貢獻值=固定資產(chǎn)年平均額×固定資產(chǎn)回報率+固定資產(chǎn)折舊。 其中， 固定資產(chǎn)回報率可取五年期或五年以上的銀行貸款利率， 用rF表示。

（4）表內(nèi)無形資產(chǎn)貢獻值的預(yù)測。 從會計學(xué)角度來看， 無形資產(chǎn)可分為表內(nèi)無形資產(chǎn)和表外無形資產(chǎn)。 表內(nèi)無形資產(chǎn)是在財務(wù)報表中披露的無形資產(chǎn)， 如軟件、專利權(quán)、商標(biāo)權(quán)等， 在企業(yè)生產(chǎn)經(jīng)營過程中， 表內(nèi)無形資產(chǎn)會隨著使用年限的增長而發(fā)生損耗， 需要在經(jīng)濟壽命期內(nèi)進行攤銷。 因此， 在計算表內(nèi)無形資產(chǎn)貢獻值時需要考慮無形資產(chǎn)攤銷補償。 基于財務(wù)數(shù)據(jù)計算得到表內(nèi)無形資產(chǎn)的貢獻值后利用Prophet模型對未來表內(nèi)無形資產(chǎn)貢獻值進行預(yù)測。 表內(nèi)無形資產(chǎn)貢獻值=年平均無形資產(chǎn)×無形資產(chǎn)回報率+無形資產(chǎn)攤銷。 其中， 依據(jù)無形資產(chǎn)評估理論， 各類資產(chǎn)投資回報率加權(quán)求和的值與企業(yè)加權(quán)平均資本成本相等或相近， 因此， 無形資產(chǎn)回報率通過回報率拆分法進行確定。 基本思路是先計算出從資產(chǎn)角度衡量的綜合資本成本即加權(quán)平均資本成本（WACC）， 然后用WACC扣減流動資產(chǎn)和固定資產(chǎn)各自所占總資產(chǎn)比重的回報率， 最后倒推出無形資產(chǎn)回報率。

2. 應(yīng)用層次分析法確定數(shù)據(jù)資產(chǎn)收益分成率。 企業(yè)未來收益除來自于以上表內(nèi)相關(guān)資產(chǎn)的貢獻外， 剩余收益便來源于表外貢獻資產(chǎn)。 數(shù)據(jù)資產(chǎn)作為表外貢獻資產(chǎn)， 其價值需要從剩余收益中分割出來。 層次分析法是一種結(jié)合定量和定性分析的多準(zhǔn)則決策方法， 按照分解、比較判斷、綜合的思維步驟對技術(shù)無法著手的實際問題進行決策。 因此， 本文采用層次分析法確定數(shù)據(jù)資產(chǎn)的收益分成率。

根據(jù)互聯(lián)網(wǎng)企業(yè)的特性， 表外貢獻資產(chǎn)大致有數(shù)據(jù)資產(chǎn)、技術(shù)資產(chǎn)、人力資本、管理類資產(chǎn)、客戶關(guān)系和其他資產(chǎn)。 結(jié)合互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值創(chuàng)造機制， 將產(chǎn)品/服務(wù)差異化、運行效率倍增、鎖定個性化服務(wù)、信息共享與協(xié)同作為互聯(lián)網(wǎng)企業(yè)價值提升的驅(qū)動因素。

綜上所述， 數(shù)據(jù)資產(chǎn)收益分成率的測算步驟如下：

步驟一： 構(gòu)建層次結(jié)構(gòu)模型。 將表外貢獻資產(chǎn)帶來的增量收益作為目標(biāo)層， 分析總結(jié)互聯(lián)網(wǎng)企業(yè)增量收益的驅(qū)動因素， 將產(chǎn)品/服務(wù)差異化、運行效率倍增、鎖定個性化需求和信息共享協(xié)同作為準(zhǔn)則層， 將數(shù)據(jù)資產(chǎn)、技術(shù)資產(chǎn)、人力資本、管理類資產(chǎn)、客戶關(guān)系和其他資產(chǎn)作為方案層， 以此構(gòu)建表外資產(chǎn)收益貢獻層次結(jié)構(gòu)模型， 具體如圖2所示。

步驟二： 建立判斷矩陣。 邀請互聯(lián)網(wǎng)行業(yè)的專家學(xué)者對同一層次因素相對于上一層次因素的重要程度兩兩比較， 按照1 ～ 9分值進行打分， 分值越低越重要， 進而得到目標(biāo)層和準(zhǔn)則層、準(zhǔn)則層和方案層這兩個層次之間的判斷矩陣。

步驟三： 計算判斷矩陣的最大特征值λmax和對應(yīng)的特征向量。

步驟四： 判斷矩陣的一致性檢驗。 根據(jù)隨機一致性比率CR來確定判斷矩陣能否通過一致性檢驗， CR小于0.1則通過一致性檢驗。 RI的計算公式為：

[CR=CIRI] （6）

[CI=λmax-nn-1] （7）

其中， n表示階數(shù)， RI是同階平均隨機一致性指標(biāo)， 可以通過查表獲得。

步驟五： 計算各表外貢獻資產(chǎn)的權(quán)重。 判斷矩陣通過一致性檢驗之后， 對其最大特征值對應(yīng)的特征向量進行歸一化處理， 得到判斷矩陣的權(quán)向量。 最后將對應(yīng)的權(quán)向量作內(nèi)積， 得到各表外資產(chǎn)貢獻值占增值收益的權(quán)重。

根據(jù)層次分析法得到數(shù)據(jù)資產(chǎn)的權(quán)重就是數(shù)據(jù)資產(chǎn)的收益分成率k， 用收益分成率乘以剩余收益， 得到數(shù)據(jù)資產(chǎn)的貢獻值。

3. 折現(xiàn)率的確定。 折現(xiàn)率是一項投資的必要報酬率， 用于反映貨幣的時間價值和風(fēng)險補償。 風(fēng)險越大， 折現(xiàn)率也越大。 考慮到數(shù)據(jù)資產(chǎn)在權(quán)屬、收益、法律保護等方面具有較高的不確定性， 所以其折現(xiàn)率應(yīng)該比其他所有貢獻資產(chǎn)的折現(xiàn)率都要高。 目前折現(xiàn)率的測算主要有風(fēng)險累加法和回報率拆分法。 由于風(fēng)險累加法主觀性較強， 同時考慮到本文未來收益采用的是自由現(xiàn)金流， 為保證計算口徑一致， 本文選用回報率拆分法， 具體測算步驟如下：

步驟一： 計算企業(yè)的加權(quán)平均資本成本W(wǎng)ACC。

WACC=Re·[EE+D]+Rd（1-T）·[DE+D] （8）

Re=Rf+β（Rm-Rf） （9）

其中： E是股權(quán)價值; D是付息債權(quán)價值; Re是股權(quán)資本成本; Rd是債權(quán)資本成本; T是所得稅稅率; Rf是無風(fēng)險利率; β是風(fēng)險系數(shù); Rm是市場平均回報率。

步驟二： 采用回報率拆分法計算無形資產(chǎn)回報率。

[rI=WACC-WL·rL-WF·rF1-WL-WF] （10）

其中： rI是無形資產(chǎn)回報率; rL是流動資產(chǎn)回報率; rF是固定資產(chǎn)回報率; WL是流動資產(chǎn)占總資產(chǎn)的比重; WF是固定資產(chǎn)占總資產(chǎn)的比重。

步驟三： 計算數(shù)據(jù)資產(chǎn)回報率。 將剩余投資回報率減去表內(nèi)無形資產(chǎn)占總資產(chǎn)權(quán)重的回報率， 倒推出數(shù)據(jù)資產(chǎn)回報率。

[r=rI-WI·rIWS] （11）

[WS=k1-WL-WF-WI] （12）

其中： r是數(shù)據(jù)資產(chǎn)回報率; WI是表內(nèi)無形資產(chǎn)占總資產(chǎn)的比重; WS是數(shù)據(jù)資產(chǎn)占剩余資產(chǎn)的比重; k是數(shù)據(jù)資產(chǎn)收益分成率。

4. 收益期的確定。 數(shù)據(jù)資產(chǎn)的收益期是指數(shù)據(jù)資產(chǎn)在未來能夠為企業(yè)帶來經(jīng)濟收益的時間。 由于數(shù)據(jù)資產(chǎn)具有時效性， 其價值隨著使用的頻率不斷更新迭代。 對于不同類型的數(shù)據(jù)資產(chǎn)而言， 其收益期也不一樣， 如短期運營數(shù)據(jù)產(chǎn)生的時間越近， 則價值越高， 但隨著時間的流逝， 價值會越來越低， 甚至稍縱即逝， 故收益期較短; 而如果是決策支持?jǐn)?shù)據(jù)， 需要針對歷史數(shù)據(jù)進行挖掘分析才能發(fā)揮商業(yè)價值， 生命周期較長。 數(shù)據(jù)資產(chǎn)的生命周期可分為運營保質(zhì)期、決策支持保質(zhì)期和法定保質(zhì)期三個階段。 可以看出， 數(shù)據(jù)資產(chǎn)的收益期是有限的， 并不能永久性地為企業(yè)創(chuàng)造價值。 因此， 在對數(shù)據(jù)資產(chǎn)價值進行評估時， 收益期的確定需要結(jié)合各行各業(yè)自身特點進行專業(yè)判斷， 為保證評估結(jié)果的準(zhǔn)確性， 收益期不宜過長。

（三）實物期權(quán)法下參數(shù)的確定

1. 實物期權(quán)類型的確定。 在對數(shù)據(jù)資產(chǎn)潛在價值進行評估之前， 應(yīng)先確定數(shù)據(jù)資產(chǎn)所隱含實物期權(quán)的類型。 企業(yè)可以在數(shù)據(jù)資產(chǎn)生命周期的任一時點處置數(shù)據(jù)資產(chǎn)， 因此數(shù)據(jù)資產(chǎn)是一項美式期權(quán)。 另外， 在數(shù)字經(jīng)濟時代， 數(shù)據(jù)資產(chǎn)的發(fā)展態(tài)勢較好， 市場前景較為廣闊， 可以確定為看漲期權(quán)。 綜上， 互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)資產(chǎn)可以視為美式看漲期權(quán)。

2. 基礎(chǔ)凈現(xiàn)值。 數(shù)據(jù)資產(chǎn)的基礎(chǔ)凈現(xiàn)值是AHP—收益分成法下得到的折現(xiàn)值， 參照上文評估結(jié)果。

3. 執(zhí)行價格。 數(shù)據(jù)資產(chǎn)的執(zhí)行價格可以理解為對所擁有數(shù)據(jù)資產(chǎn)的投資成本， 如建設(shè)費、運維費和管理費等。 基于收入與成本配比原則， 本文選用企業(yè)過去數(shù)年的資本性支出的均值乘以數(shù)據(jù)資產(chǎn)收益分成率作為數(shù)據(jù)資產(chǎn)的執(zhí)行價格。

4. 無風(fēng)險利率。 無風(fēng)險利率是指投資沒有任何風(fēng)險的項目可以得到的收益率。 在評估實踐中， 通常選擇與待評估對象收益期相近的國債利率予以替代。

5. 收益波動率。 收益波動率是指數(shù)據(jù)資產(chǎn)的不確定性， 它直接影響評估結(jié)果， 是一個較為重要的參數(shù)， 可以通過相應(yīng)公式計算得到。 本文利用待評估互聯(lián)網(wǎng)企業(yè)的股票歷史收益數(shù)據(jù)計算歷史波動率， 并用歷史收益波動率近似代替實物期權(quán)法下的收益波動率[30] 。 相應(yīng)的計算公式如下：

[Ei=Ln （PiPi-1）] （13）

其中： Ei是第i日的對數(shù)收益率; Pi是第i日的股票收盤價。

當(dāng)有n個Ei的觀測值時， 得到如下日波動率：

[σd=i=1n（Ei-E）2n-1] （14）

其中： σd是日收益波動率; [E]是Ei的均值。

年收益波動率根據(jù)日收益波動率和每天股票交易天數(shù)進行轉(zhuǎn)換， 公式如下：

σ=σd? ? ?（15）

其中： σ是年收益波動率; TY是每年股票的交易天數(shù)。

五、實證分析

（一）案例背景及數(shù)據(jù)來源

Y公司成立于1998年， 是全球互聯(lián)網(wǎng)巨頭之一， 集企業(yè)發(fā)展、云與智慧產(chǎn)業(yè)、互動娛樂、平臺與內(nèi)容、技術(shù)工程五大事業(yè)群于一體。 在數(shù)字內(nèi)容上， Y公司基于優(yōu)質(zhì)內(nèi)容， 以技術(shù)為驅(qū)動引擎， 不斷探索適合未來趨勢的多元化社交娛樂融合體， 通過跨屏幕、多平臺、多形態(tài)的模式， 為互聯(lián)網(wǎng)用戶提供多元化、多維度的內(nèi)容， 以滿足用戶的不同娛樂體驗。 作為“數(shù)字化助手”， Y公司基于海量商業(yè)數(shù)據(jù)、數(shù)字技術(shù)與專業(yè)服務(wù)能力， 幫助各行各業(yè)進行數(shù)字化升級， 打造智慧產(chǎn)業(yè)方案， 不僅為合作伙伴節(jié)省成本、提高效率， 還幫助客戶找到新商業(yè)模式或者盈利增長點， 構(gòu)建連接用戶與商業(yè)的智慧產(chǎn)業(yè)新生態(tài)。 目前， Y公司已經(jīng)在金融、零售、民生服務(wù)、旅游、醫(yī)療、出行和教育等產(chǎn)業(yè)展開布局。 Y公司依靠自身強大的網(wǎng)絡(luò)效應(yīng)、龐大的創(chuàng)新體系和不斷迭代的大量數(shù)據(jù)資源產(chǎn)品和服務(wù)， 加速數(shù)據(jù)資產(chǎn)的滲透和應(yīng)用。 作為互聯(lián)網(wǎng)龍頭企業(yè)， 如何評估數(shù)據(jù)資產(chǎn)價值， 發(fā)揮數(shù)據(jù)資產(chǎn)的最大價值， 以驅(qū)動企業(yè)戰(zhàn)略布局、向市場發(fā)出正確投資信號、引導(dǎo)市場資金流向， 是Y公司亟待解決的問題之一。

本文以Y公司的整體數(shù)據(jù)資產(chǎn)為估值對象， 評估基準(zhǔn)日為2021年12月31日。 相關(guān)數(shù)據(jù)來自于Y公司官網(wǎng)公布的財務(wù)報告和Wind金融終端。 考慮到Y(jié)公司業(yè)務(wù)多元化、數(shù)據(jù)類型龐雜， 數(shù)據(jù)更新迭代快、時效性強， 為確保估值的準(zhǔn)確性， 綜合互聯(lián)網(wǎng)行業(yè)專家和資產(chǎn)評估師的意見， 本文將Y公司數(shù)據(jù)資產(chǎn)的收益期設(shè)置為5年。 以下的估值過程均基于5年收益期考慮。

（二）采用AHP-收益分成法估值

1. 采用Prophet模型預(yù)測分析。 查閱Y公司公開的財務(wù)報表獲得2014 ～ 2021年的自由現(xiàn)金流歷史數(shù)據(jù)， 2004 ～ 2013年的自由現(xiàn)金流報表尚未公布， 根據(jù)公式自行計算， 最終得到共計68個連續(xù)季度的歷史自由現(xiàn)金流。 同理， 獲取2004 ～ 2021年連續(xù)68個季度的流動資產(chǎn)、固定資產(chǎn)、表內(nèi)無形資產(chǎn)報表數(shù)據(jù)。

本文以這些數(shù)據(jù)為基礎(chǔ)， 利用Prophet模型對相應(yīng)的未來數(shù)據(jù)進行預(yù)測。 將歷史時間序列數(shù)據(jù)按照9∶1劃分為訓(xùn)練集和測試集， 將訓(xùn)練集輸入Prophet模型進行訓(xùn)練。 Prophet模型參數(shù)設(shè)置為： 趨勢增長方式growth=logistic; 尋找潛在變化點范圍changepoint_range=0.9; 趨勢靈活度changepoint_prior_scale=0.5; 承載能力大小cap=歷史數(shù)據(jù)中最大值的1.5倍; 自定義季節(jié)性函數(shù)quarterly_ seasonality， 其中周期period=100， 傅里葉項數(shù)fourier_order=10， mode函數(shù)=additive; 節(jié)假日為中國所有節(jié)假日。 為了衡量模型的擬合效果， 采用均方誤差根（RMSE）作為評判標(biāo)準(zhǔn)， 當(dāng)目標(biāo)函數(shù)均方誤差根最小時， Prophet模型訓(xùn)練達到最優(yōu)。 利用最優(yōu)模型對測試集進行預(yù)測并輸出最終預(yù)測結(jié)果。

結(jié)果顯示， Prophet模型在自由現(xiàn)金流、流動資產(chǎn)、固定資產(chǎn)和表內(nèi)無形資產(chǎn)數(shù)據(jù)集中的RMSE分別為7.23、3.41、1.86、2.59。 考慮到原始數(shù)據(jù)個別離散點對結(jié)果有一定影響， 同時自由現(xiàn)金流屬于流量指標(biāo)具有一定周期波動性， 綜合判斷認(rèn)為Prophet模型能夠較好地反映Y公司歷年收益與資產(chǎn)波動情況。 因此， 運用該模型對未來5年20個季度的自由現(xiàn)金流、流動資產(chǎn)、固定資產(chǎn)、表內(nèi)無形資產(chǎn)進行預(yù)測。 圖3給出了利用Prophet模型分析及預(yù)測的結(jié)果， 曲線表示整體變化趨勢， 黑點表示實際值， 折線代表預(yù)測值， 縱向虛線對應(yīng)的值表示突變點， 陰影區(qū)間表示不確定區(qū)域范圍， 沒有黑點的區(qū)間是各自的預(yù)測區(qū)間， 可以看出模型的擬合效果較好， 通過整理可以得到未來5年的年度數(shù)據(jù)。 其中， 自由現(xiàn)金流是四個季度的累加值， 流動資產(chǎn)、固定資產(chǎn)和表內(nèi)無形資產(chǎn)的數(shù)值是年初年末平均值。

2. 采用AHP確定收益分成率。 利用圖2的層次結(jié)構(gòu)模型確定Y公司各表外貢獻資產(chǎn)的收益分成率。 通過邀請互聯(lián)網(wǎng)行業(yè)相關(guān)專家對各層級打分， 定義目標(biāo)層與準(zhǔn)則層的判斷矩陣Z， 建立單排序確定準(zhǔn)則層對目標(biāo)層的權(quán)重并進行一致性檢驗， 檢驗結(jié)果CR0=0.0774<0.1， 檢驗通過。 同理， 定義準(zhǔn)則層與方案層的判斷矩陣A1、A2、A3、A4， 建立單排序確定方案層對準(zhǔn)則層的權(quán)重并進行一致性檢驗， 檢驗結(jié)果為CR1=0.0651、CR2=0.0805、CR3=0.0722、CR4=0.0610， 均小于0.1， 通過一致性檢驗。 最后， 將各層級之間形成的權(quán)重向量做內(nèi)積， 得到各表外貢獻資產(chǎn)的收益分成率， 如表1所示。

3. 折現(xiàn)率。 本文中， 無風(fēng)險利率Rf參考2021年11月10日發(fā)行的5年期國債到期收益率取3.57%; 市場平均收益率Rm取Wind金融終端納斯達克100指數(shù)、標(biāo)普500指數(shù)、上證指數(shù)、滬深300指數(shù)和恒生指數(shù)近10年的年化收益率的均值， 經(jīng)計算得8.65%; β系數(shù)由Wind金融終端查詢得到1.62; 債權(quán)回報率Rd取評估基準(zhǔn)日的五年期銀行貸款利率4.75%; 股權(quán)價值和付息債權(quán)價值查閱2021年度財務(wù)報表， 經(jīng)計算得到各權(quán)重比分別為59.41%和40.49%; Y公司是高新技術(shù)企業(yè)， 可享受15%的企業(yè)所得稅優(yōu)惠稅率; 流動資產(chǎn)投資回報率rL取一年期銀行貸款利率為4.35%， 固定資產(chǎn)回報率rF取五年期銀行貸款利率為4.75%， 流動資產(chǎn)和固定資產(chǎn)各自占總資產(chǎn)的比重通過年度報表數(shù)據(jù)計算得到， 分別為24.1%和4.51%。 根據(jù)公式（8） ～ （12）計算數(shù)據(jù)資產(chǎn)折現(xiàn)率， 具體計算過程如表2所示。

4. 收益期。 根據(jù)上文分析， 本文將Y公司的數(shù)據(jù)資產(chǎn)收益期設(shè)置為5年。 最終基于AHP—收益分成法得到數(shù)據(jù)資產(chǎn)的經(jīng)濟價值為265881.04百萬元， 詳細(xì)計算過程如表3所示。

（三）采用實物期權(quán)法估值

實物期權(quán)法下的基礎(chǔ)凈現(xiàn)值是上文已經(jīng)確定的數(shù)據(jù)資產(chǎn)經(jīng)濟價值265881.04百萬元， 除無風(fēng)險利率和收益期已確定外， 還需確定執(zhí)行價格X和收益波動率σ。 執(zhí)行價格X通過計算Y公司2008 ～ 2021年資本性支出的均值3172.41百萬元與數(shù)據(jù)資產(chǎn)收益分成率31.25%相乘得到991.38百萬元。

根據(jù)公式（13） ～ （15）計算Y公司近十年的年均股票收益波動率， 最后取均值31.31%作為實物期權(quán)法下的收益波動率。 具體計算結(jié)果如表4所示。

根據(jù)最小二乘蒙特卡洛模擬法的原理， 基于python語言開發(fā)出人機交互UI界面， 輸入?yún)?shù)如下： NPV=265881.04; X=991.38; Rf=0.0397; σ=0.3131; T=5; 模擬路徑數(shù)100000; 每條路徑區(qū)間1000個。 最終計算得到Y(jié)公司數(shù)據(jù)資產(chǎn)潛在價值為288846.12百萬元。

最終， Y公司的數(shù)據(jù)資產(chǎn)價值等于經(jīng)濟價值265881.04百萬元與潛在價值288846.11百萬元之和， 為554727.15百萬元。 目前， Y公司總市值達29172億元， 數(shù)據(jù)資產(chǎn)約占總市值的19%， 可見， Y公司數(shù)據(jù)資產(chǎn)仍有巨大的增值空間。

六、結(jié)論與展望

本文在分析總結(jié)以往數(shù)據(jù)資產(chǎn)價值評估方法的基礎(chǔ)上， 提出了數(shù)據(jù)資產(chǎn)價值由經(jīng)濟價值和潛在價值構(gòu)成， 進一步利用AHP—收益分成法對數(shù)據(jù)資產(chǎn)的經(jīng)濟價值進行評估， 應(yīng)用實物期權(quán)法中的LSM估算數(shù)據(jù)資產(chǎn)的潛在價值， 設(shè)計出一套評估互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值的方案。 在對企業(yè)數(shù)據(jù)資產(chǎn)未來預(yù)期收益進行預(yù)測時， 引入Prophet模型預(yù)測自由現(xiàn)金流、流動資產(chǎn)、固定資產(chǎn)、無形資產(chǎn)， 使得預(yù)測結(jié)果更加客觀。 在傳統(tǒng)收益法的基礎(chǔ)上利用層次分析法將數(shù)據(jù)資產(chǎn)貢獻值剝離出來， 從而得到數(shù)據(jù)資產(chǎn)的經(jīng)濟價值。 考慮到數(shù)據(jù)資產(chǎn)價值的不確定性， 通過LSM求解數(shù)據(jù)資產(chǎn)潛在價值， 可以更加全面地反映數(shù)據(jù)資產(chǎn)價值， 增強估值結(jié)果的說服力。 此外， 對Y公司的數(shù)據(jù)資產(chǎn)進行實證分析， 驗證了評估方案的可行性與有效性， 為數(shù)據(jù)資產(chǎn)價值評估提供了一種新的思路。 全面合理的評估結(jié)果可以為企業(yè)戰(zhàn)略決策提供依據(jù)， 引導(dǎo)市場資金合理配置， 助力數(shù)字經(jīng)濟發(fā)展， 具有重要的管理和政策意義。

不可避免的是， 本文仍存在諸多不足： 第一， 時間序列預(yù)測分析依賴企業(yè)的歷史財務(wù)數(shù)據(jù)， 由于我國股市建立較晚， 數(shù)據(jù)量對于預(yù)測結(jié)果的準(zhǔn)確性存在一定影響; 第二， 若對非上市企業(yè)的數(shù)據(jù)資產(chǎn)價值進行評估， 則獲取相關(guān)數(shù)據(jù)存在一定困難; 第三， 對數(shù)據(jù)資產(chǎn)貢獻值的分離上， 采用AHP涉及專家打分， 存在一定的主觀性; 第四， 收益期的確定需要針對企業(yè)自身發(fā)展情況進行判斷， 既存在主觀性又缺乏普適性; 第五， 計算潛在價值時， 運用LSM的前提假設(shè)是數(shù)據(jù)資產(chǎn)價值服從幾何布朗運動， 而這一狀態(tài)較為理想; 第六， 本文評估對象是互聯(lián)網(wǎng)企業(yè)， 對于其他行業(yè)是否適用， 需要進一步研究驗證; 第七， 本文評估的是互聯(lián)網(wǎng)企業(yè)整體的數(shù)據(jù)資產(chǎn)價值， 對于單項數(shù)據(jù)資產(chǎn)， 需要更加深入進行實地調(diào)查獲取具體相關(guān)數(shù)據(jù)。

針對上述不足， 筆者認(rèn)為在未來的研究工作中， 可以對數(shù)據(jù)資產(chǎn)未來收益的預(yù)測、數(shù)據(jù)資產(chǎn)收益劃分以及單項數(shù)據(jù)資產(chǎn)相關(guān)參數(shù)的確定等問題進行深入研究， 以期得到一套更加科學(xué)可靠、具有普適性的數(shù)據(jù)資產(chǎn)價值評估體系和方法。

【 主 要 參 考 文 獻 】

[1] Bughin J.， Chui M.， Manyika J.. Clouds， big data， and smart assets： Ten tech-enabled business trends to watch[ J].McKinsey Quarterly，2010（1）：75 ～ 86.

[2] Fisher T.. The data asset： How smart companies govern their data for business success[M]. New York： John Wiley & Sons，2009.

[3] Perrons R. K.， Jensen J. W.. Data as an asset： What the oil and gas sector can learn from other industries about "Big Data"[ J].Energy Policy，2015（81）：117 ～ 121.

[4] Mckinnon L.. Planning for the succession of digital assets[ J].Computer Law & Security Review，2011（4）：362 ～ 367.

[5] 朱揚勇，葉雅珍.從數(shù)據(jù)的屬性看數(shù)據(jù)資產(chǎn)[ J].大數(shù)據(jù)，2018（6）：65 ～ 76.

[6] 李永紅，張淑雯.數(shù)據(jù)資產(chǎn)價值評估模型構(gòu)建[ J].財會月刊，2018（9）：30 ～ 35.

[7] 李雅雄，倪杉.數(shù)據(jù)資產(chǎn)的會計確認(rèn)與計量研究[ J].湖南財政經(jīng)濟學(xué)院學(xué)報，2017（4）：82 ～ 90.

[8] 張俊瑞，危雁麟，宋曉悅.企業(yè)數(shù)據(jù)資產(chǎn)的會計處理及信息列報研究[ J].會計與經(jīng)濟研究，2020（3）：3 ～ 15.

[9] 李靜萍.數(shù)據(jù)資產(chǎn)核算研究[ J].統(tǒng)計研究，2020（11）：3 ～ 14.

[10] 許憲春，張鐘文，胡亞茹.數(shù)據(jù)資產(chǎn)統(tǒng)計與核算問題研究[ J].管理世界，2022（2）：16 ～ 30+2.

[11] 李永紅，李金驁.互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值評估方法研究[ J].經(jīng)濟研究導(dǎo)刊，2017（14）：104 ～ 107.

[12] 劉琦，童洋，魏永長等.市場法評估大數(shù)據(jù)資產(chǎn)的應(yīng)用[ J].中國資產(chǎn)評估，2016（11）：33 ～ 37.

[13] 李春秋，李然輝.基于業(yè)務(wù)計劃和收益的數(shù)據(jù)資產(chǎn)價值評估研究——以某獨角獸公司數(shù)據(jù)資產(chǎn)價值評估為例[ J].中國資產(chǎn)評估，2020（10）：18 ～ 23.

[14] 陳芳，余謙.數(shù)據(jù)資產(chǎn)價值評估模型構(gòu)建——基于多期超額收益法[ J].財會月刊，2021（23）：21 ～ 27.

[15] 張志剛，楊棟樞，吳紅俠.數(shù)據(jù)資產(chǎn)價值評估模型研究與應(yīng)用[ J].現(xiàn)代電子技術(shù)，2015（20）：44 ～ 47+51.

[16] Longstaff F. A.， Schwartz E. S.. Valuing American options by simulation： A simple least-squares approach[ J].The Review of Financial Studies，2001（1）：113 ～ 147.

[17] Stentoft L.. Assessing the least squares Monte-Carlo approach to American option valuation[ J].Review of Derivatives Research，2004（2）：129 ～ 168.

[18] Cortazar G.， Gravet M.， Urzua J.. The valuation of multidimensional American real options using the LSM simulation method[ J].Computers & Operations Research，2008（1）：113 ～ 129.

[19] Alonso S.， Azofra V.， De La Fuente G.. What do you do when the binomial cannot value real options？ The LSM model[ J].Cogent Economics & Finance，2014（1）：942338.

[20] 翟麗麗，王佳妮.移動云計算聯(lián)盟數(shù)據(jù)資產(chǎn)評估方法研究[ J].情報雜志，2016（6）：130 ～ 136.

[21] 王靜，王娟.互聯(lián)網(wǎng)金融企業(yè)數(shù)據(jù)資產(chǎn)價值評估——基于B-S理論模型的研究[ J].技術(shù)經(jīng)濟與管理研究，2019（7）：73 ～ 78.

[22] Karvaen J.， Rantanen A.， Luoma L.. Survey data and Bayesian analysis： A cost-efficient way to estimate customer equity[ J].Quantitative Marketing and Economics，2014（3）：305 ～ 329.

[23] Akter S.， Wamba S. F.. Big data analytics in E-commerce：A systematic review and agenda for future research[ J].Electronic Markets，2016（2）：173 ～ 194.

[24] Buettner R.. Predicting user behavior in electronic markets based on personality-mining in large online social networks[ J].Electronic Markets，2017（3）：247 ～ 265.

[25] 黃文彬，吳家輝，徐山川等.數(shù)據(jù)驅(qū)動的移動用戶行為研究框架與方法分析[ J].情報科學(xué)，2016（7）：14 ～ 20.

[26] 陳書晴，任昊翔，陶思佳等.數(shù)據(jù)要素與多元市場主體融合機制研究[ J].信息通信技術(shù)與政策，2022（1）：2 ～ 10.

[27] 杜慶昊.數(shù)據(jù)要素資本化的實現(xiàn)路徑[ J].中國金融，2020（22）：34 ～ 36.

[28] 吳建祖，宣慧玉.美式期權(quán)定價的最小二乘蒙特卡洛模擬方法[ J].統(tǒng)計與決策，2006（1）：155 ～ 157.

[29] Taylor S. J.， Letham B.. Forecasting at scale[ J].The Ameri-

can Statistician，2018（1）：37 ～ 45.

[30] 翟東升，陳曾曾，徐碩等.基于實物期權(quán)的專利組合估值方法研究[ J].情報雜志，2021（6）：200 ～ 207.

【基金項目】國家社會科學(xué)基金項目（項目編號：18BTQ057）;廣東省哲學(xué)社會科學(xué)“十三五”規(guī)劃2018年度學(xué)科共建項目（項目編號：GD18XTS01）

【作者單位】廣東財經(jīng)大學(xué)信息學(xué)院， 廣州 510320