數據資產的特征與交易定價研究
——基于修正的Rubinstein博弈模型

■ 趙馨燕 張治僑 楊 芳

（云南民族大學管理學院（會計學院），云南昆明 650504）

Executive summary: With the rapid development of China’s digital economy, it has become an important engine of China’s economic growth. It has become the need of the times to promote the open utilization of data and improve the data trading system. China’s data trading market is in its infancy. In order to promote the open development of the data trading market and promote the full circulation of data elements, this paper reviews the previous scholars’ research on the price of data assets, clarifies the relationship between data and big data, and defines the research object of this paper. Secondly, in order to study the bidding situation of diversified and open data trading market, this paper designs a Rubinstein game model modified by one-to-many market bidding, simulates the two-stage game between market bidding and transaction negotiation, and obtains the data commodity equilibrium pricing of market bidding from the seller’s perspective. Finally, a case study is introduced to illustrate the practical significance of the parameters and equilibrium solution in the model.

一、引言

互聯網技術引發的科技革命方興未艾，大智移物云正于創新驅動發展中發揮核心作用，海量數據得以有效采集儲藏，數據的質量與規模都呈現幾何式增長。為此，2019年第十九屆四中全會明確指出數據將作為一種生產要素參與到企業生產分配和流通的全過程。中共中央國務院重點提出重視科技人才、重視數據資產要素的價值，重點推進數據交易市場的建設，引導大數據交易市場合理化規范化發展，健全數據商品的交易和數據市場交易機制。數據作為一項重要的新型生產要素，在各組織、企業甚至國家層面都具有重要戰略意義。

數據即服務（Data as a Service），數據資產的重要性不斷攀升，打通“數據孤島”需求增長，建立一個合理有效的數據交易市場已成為各方的訴求。由此產生的數據資產的價格問題引起各界廣泛討論。本文嘗試運用信息不對稱下一對多競價博弈模型，在剖析數據資產特征的基礎上探索數據交易市場的定價規律，為促進數據資產流通提供理論參考。

二、概念界定

數據資產與大數據資產的概念存在混淆，這不利于在計量時找準數據資產的價值組成部分；數據交易平臺是數據交易市場中新生的活躍因素，具備與以往大數據服務供應商不同的特性。

（一）數據

數據是一個紛繁復雜的概念，數據具有多種形式、儲藏于多種介質之中，企業能夠利用各種形態的數據資產，豐富價值創造形式和手段。數字時代，人們開始重視數據向生產要素的轉化，數據與企業其它資產相結合帶來了日益增長的商業價值和規模效應，因此產生了數據供需市場，賦予了數據以商品的屬性。數據作為商品與傳統商品相比有其特殊性，傳統的商品的生產者對應著數據的采集者，數據商品的生產過程體現如數據萃取、數據集成、數據加工、數據分析等。

（二）數據資產

數據創造價值的過程就是數據資產化的過程，數據資產化就是利用軟硬件技術手段，將為自己所控制的數據信息載入介質的過程[6]。《資產評估專家指引第 9 號——數據資產評估》指出數據的四個基本特征，與數據資產相關的另一個概念是大數據資產，對大數據資產的特征的各種觀點大同小異，國內主流仍較為認可大數據的特征有四個，下表1對二者的特征進行匹配列示。

表1 數據資產與大數據資產的特征對比

從表1可以看出，數據與大數據之間具有許多相似點如多樣性與價值形式復雜，相比于大數據，數據信息量少易于加工；大數據則信息量大具有規模性特征。

數據資產與大數據資產之間既有區別又有聯系，現有文章普遍沒有厘清二者的關系，甚至忽視了二者的區別，狹義化了研究對象，最終導致研究對象與研究內容錯位。

實際上大數據資產是數據資產的一種，即大數據資產為數據資產的子集。在這個問題上，本文認為數據資產可區分為廣義數據資產與狹義數據資產兩種。狹義的數據資產僅指大數據資產化形成的；大數據是無法依靠傳統技術而需要依托新型互聯網技術爬取、深度挖掘的數據；相比于數據而言，大數據所包含的信息量遠超數據。而廣義的數據資產泛指數據和數字資產化所形成的資產；廣義的數據資產中的數據是指在企業的生產、經營活動中形成的且能企業所控制的并能夠給企業帶來價值的數據信息。將二者混為一談，會導致在進行價值分析時遺漏廣義數據資產的價值貢獻。

本文所討論的數據，既是包括大數據在內的廣義數據資產。厘清數據資產的概念之后，本文擬通過博弈論模擬數據交易市場的數據商品交易過程，探索數據商品的定價邏輯。

（三）數據交易平臺

數據交易平臺是數據交易活動的重要載體，借助互聯網對數據本身進行有限價值交換、為用戶提供成員注冊審核、去身份化元數據規制、自主掛牌控制、ID標識匹配、統一結算與清算等平臺功能，幫助用戶實現商用數據衍生產品的在線連續聚合流通。

現有數據交易平臺有北京國際大數據交易所、浙江大數據交易中心、貴陽大數據交易所、上海數據交易中心等；運行機制為供應方和需求方可以各自發布供需信息，平臺根據雙方信息進行供需匹配，如果發現雙方信息吻合則撮合雙方進入交易階段。

三、基于一對多競價修正Rubinstein博弈模型的數據商品定價分析

數據資產進入市場流通后就轉變為了數據商品，于是可基于經濟學的博弈理論對其定價進行探究。

（一）運用博弈論的理論依據

經濟學研究的是在既定交易環境下，各種經濟要素由諸多利益主體共同驅動下所達到的均衡，均衡價格最接近資產實現交換的價格。數據商品同樣遵循基本的經濟學供求理論（Theory of Supply and Demand），交易應是商品定價的微觀基礎。現代談判理論（Negotiation Theory）認為，商品交易是一個談判與議價的博弈過程。通過利用假設條件，假定資產處于市場交易環境中，從而得出模擬定價。數據商品交易可以看作市場競價談判過程，這一過程可由下圖1進行演繹。

圖1 數據商品交易過程模擬圖

數據商品定價依托于博弈論，其定價結論可以獲得更深層的內涵——市場競價下的均衡，使得定價結果具有更加豐富的理論支撐和現實基礎。

（二）Rubinstein討價還價博弈

Rubinstein（1982）建立了雙方無限期輪流出價的討價還價談判模型，下文簡稱 Rubinstein模型，它是一個對稱信息擴展型博弈，具有唯一的子博弈納什均衡，Rubinstein模型的原理如下文所述。

假設兩個風險中性的博弈雙方在T輪內輪流發言，討論一個大小為1的蛋糕如何進行分配。在單數T輪，由博弈者a提議分配方式；在雙數T輪，由另一位博弈者b提議分配方式。由于如果談判破裂則雙方的效用都為0，所以交易一定可以完成。

Rubinstein引入了貼現因子的概念。對于貼現因子Rubinstein的解釋是耐心，有耐心的一方貼現因子更大；也可以說反映了其“討價還價力”，或稱為談判實力[12]。假設雙方的貼現因子分別為δa與δb，0<δ<1。

Rubinstein模型存在唯一的子博弈納什均衡解。由于Rubinstein模型是一個無限重復博弈，所以可以取無限輪的其中三輪來進行分析，由于雙方貼現因子是雙方的共同信息，所以博弈雙方在本輪提出分配方式時會預判下一輪對方可能提議的分配方式。這三輪雙方輪流提議的過程如下表所示。

表2 談判雙方提議的分配方式

雙方在自己提議的輪次都會根據對方的訴求（上一輪提議）與對手的耐心提出自己的分配建議，然而雙方都不會接受一個低于自己的上一輪訴求的價格。所以當滿足X=1-δb(1-δaX)時Rubinstein模型取得均衡解，二者的分配份額如下所示：

博弈者a的份額：

同樣可得博弈者b的份額：

同時，博弈者的份額與其貼現因子δ大小呈正比，與對手的貼現因子呈反比。假設二者的耐心相同，δa=δb時，雙方的份額因此Rubinstein模型存在先動優勢。

Rubinstein模型在模擬市場交易中的意義在于對賣者保留價格與買者保留價格間的利潤空間進行博弈分配。假設買者愿意接受的最高價格為Pb（心理最高價位）與賣者愿意接受的最低價格（通常為成本價）為PS，Rubinstein模型就解決的對（Pb-PS）這部分利潤空間的分配方式；分配份額取決于二者δ的大小關系，關于貼現因子δ如何確定，本文在案例分析部分再詳細討論。

然而Rubinstein模型在模擬市場交易中也不無缺憾，最大的問題就是它僅僅能解決利潤空間的份額分配問題，但是沒有考慮市場競價的情況；其次是Rubinstein模型假設博弈雙方信息完全，但是大部分市場交易都存在著信息不對稱。為了模擬數據交易市場的情況，本文引入一對多的市場競價博弈模型來彌補Rubinstein模型的模擬局限性。

（三）一對多市場競價博弈模型

我國數據交易市場的發展方向應是依托于互聯網的開放式交易平臺，買者在網絡平臺市場上搜索自己需要的數據，而各個賣者已掛出一個定價。由于其他賣者的定價是一個公開信息，且過高的定價容易使買者望而卻步，這就構成了一個買者對多個賣者的市場競價博弈。針對數據交易市場的情況，本文使用一對多市場競價博弈模型來模擬市場競價情況。一對多的市場競價模型沒有考慮市場上買賣雙方的談判過程，所以本文將一對多的市場競價博弈模型均衡解與Rubinstein模型子博弈納什均衡解相結合，對Rubinstein模型進行補充。

一對多市場競價博弈模型的原理如下文所述。

首先求解一對多市場競價模型的均衡解。

因此賣者i的均衡解則是求

對上式對求偏導的最優化一階條件是：

又因為有

由公式（4）和公式（7）可以解得

將公式（8）代入公式（6），則最優化一階條件等價變為

對公式（9）一階線性微分方程求解可得通解

公式（11）中vi表示賣者i的成本價，1表示vi均勻分布的上界，n表示市場上包括自己在內商品同質的競爭對手個數。

利用Rubinstein模型的公式（1）調整公式（11）的超額利潤部分，就得到了賣者i初始定價的均衡值：

公式（12）的結果即為在數據交易市場上，進行競價的賣者i的最優初始定價。

四、數據商品定價案例分析

本文擬用一個數據商品定價過程來舉例說明上述模型的應用。

（一）案例背景

首先本文需要重申兩點假設：一是賣者間不構成利益同盟，且存在絕對的競爭關系。二是賣者與買者之間存在談判空間，且由于談判失敗雙方效用都為零，所以假設交易談判一定成功。

從公式（12）的推導過程可知，公式（12）的結論是基于現行網絡交易平臺的定價公式。網絡交易平臺能夠迅速促使供需雙方條件配對，尤其體現在交易平臺的篩選功能上；篩選功能可以依據買者的個性化需求，預設價格、數據量等要素，精確定位供給端商品。此模式下，買者可以迅速全面了解各賣者商品信息，那么賣者如何從初始定價層面就贏得先機，迅速與買者進行談判階段；而當賣者確定初始定價后，買者便有了與賣者進行談判的空間。

（二）案例說明

以貴陽大數據交易所提供的個人信息查詢服務為例，選定一級分類數據源；二級分類個人。平臺交易商品顯示有多家賣方提供信貸違約和黑名單查詢服務，征信數據涉及到個人生活中多個方面，具有一定代表性。本文征信數據服務供應商以及價格還列示了五個，整理如下表3所示：

表3 征信查詢渠道

續表

如表3列示的渠道，可粗略劃分為新興大數據市場、民營大數據服務和國營數據服務。假設現在有新的一方商家打算提供征信信息查詢服務，那么其vi應服從［1，70］上的均勻分布，代表著查詢服務成本的下限與上限。設構成競對關系的賣者數量n=3，vi=10（i=1,2,3）代入公式（11）

可解在這個市場競爭中最優定價為30元/次。由于上述信息公開透明，在完全信息條件下，其余2位商家也會將大數據查詢服務價格降低為30元/次，此時該市場變為買方市場。買者可以依托信息與3位賣者進行討價還價的談判，掙得更多的利潤空間，而談判結果取決于的取值。

（三）貼現因子的量化方式

1.強制評分法（FD法）

強制評分法是一種簡單易行的量化評分方法，常見于工程造價方案評比中。強制評分法的不足在于易受主觀因素的影響。

在本例中，具體操作方法是先確定數個維度；例如選擇談判雙方時間成本的倒數、風險偏好和信息占優來綜合反映，然后采用FD法的0-4打分法進行對比評分，例如：

A1比A2強得多，(A1，A2)=(4,0)

A1比A2較強些，(A1，A2)=(3,1)

A1和A2一樣強，(A1，A2)=(2,2)

最后將得分相加后歸一化處理。

依據本文的案例，打分情況見下表4。

表4 貼現因子FD法打分表

表4結果說明，賣者i的時間成本低于買者的時間成本，二者風險偏好相同，由于交易平臺信息公開透明，所以賣者存在信息劣勢，得分更低。一者最多可得12分，所以最終可得：

代入公式（12）可得

2.收益率替代法

收益率替代法就是利用各方的收益率代表其談判實力；收益率體現了各自的時間成本，時間成本越高昂的一方越缺乏耐心。收益率替代法的不足在于只從時間成本角度反映雙方的談判實力，缺乏綜合考量。

代入公式（12）可得

可見由于買者的時間更“不值錢”，所以擁有更多的耐心與各賣者進行談判，以掙取更多的利潤空間。

（四）案例總結

從本文案例中我們可以得出以下兩點結論：（1）競對數量n的大小影響著單個賣者的利潤空間大小；競對數量越多，利潤空間就越小。因此商家往往采用差異化戰略，減少擁有同質商品的競對數量，謀求更大的利潤空間。（2）從考慮貼現因子后的結果來看，談判實力的差距過大會顯著影響雙方對利潤空間的分配份額。因此對雙方來說，最優策略皆是聘用銷售（采購）專員，以降低時間成本的不利影響，提高耐心等有利因素。

五、結論與啟示

數據交易市場依托于互聯網平臺，具有B2B、B2C等多種模式，正逐步成為互聯網經濟中的活躍因素，具有強大的可塑性和延展性。本文經過研究得出以下結論與啟示：

（1）發揮先動優勢。推導Rubinstein模型可知，Rubinstein討價還價談判博弈存在先動優勢，商家在平臺上掛牌銷售數據商品時應發揮先動優勢，標明初始定價與初試定價區間，便于借助平臺匹配機制篩選潛在客戶，占據談判先機；此時若談判雙方貼現因子相同，賣者與買者所掙取的利潤空間比例為1∶δ。

（2）采取差異化戰略。商家應盡可能采取差異化戰略，預防商品嚴重同質化，減少競爭對手數量。當競爭對手數量n與均衡解的結果呈負相關，減少競爭對手數量有利于擴大初始利潤空間，提高商家的談判籌碼。

（3）預留更多利潤空間。數據服務供應商應盡量抬高初始定價，預留更多利潤空間，增大在談判過程中的讓步空間。本文案例中是以個人買家的身份進行分析，然而實際市場中多是企業買家在批量采購中與供應商進行談判，二者談判實力情況更加多變，設定更高的初始定價有利于博弈均衡結果更符合商家預期。

（4）推進數據市場治理。數據安全問題得到普遍關注，2021年數據安全法的誕生彌補了我國在數據安全監管上的空白，標志著我國數字安全保障能力與數字經濟治理能力更上一層樓。數據要素資源充分流通，服務數字經濟新發展格局的到來，這對我國政府的市場治理能力提出了新的要求。

（5）加快數據市場建設。各方主體應依托互聯網平臺，加快數據要素市場的建設，形成B2B、B2C與C2C等多種交易模式，充分調動市場化資源配置，進一步消弭信息不對稱風險，刺激數據資產在各主體間充分流動，構建數據融合生態，滿足市場多樣化、多層次的需要，為數字中國、智慧社會奠定良基。