商業銀行數據資產的價值評估與交易定價研究

陸岷峰 歐陽文杰

1.南京工業大學互聯網金融創新發展研究中心 2.銅陵學院

一、引言

2020年，我國數字經濟規模達到39.2萬億元。數字經濟浪潮已來，數據要素市場化建設在加速推進，數據成為數字經濟時代的核心資產，提高數據資產的管理水平迫在眉睫。整合打通數據資產生產、分配、流通、消費等環節，從而形成暢通循環的數據資產市場體系，推動數字經濟的蓬勃發展，已成為國家的重大經濟戰略。為了加快數據資產市場的建設，在抓住關鍵主體突破引領作用的同時，還需打通關鍵環節的梗塞。從做大做優數據資產市場的考量出發，綜合現階段的發展需求并兼顧規模擴大與效能提升的要求，商業銀行是當前數據資產市場建設的關鍵主體之一，而數據資產的交易流通則是關鍵環節，但不成熟的價值評估與交易定價方法成為阻塞數據資產交易流通的結構掣肘。

商業銀行憑借天然的數據優勢，在業務經營管理過程中沉淀了海量的貨幣資金數據、業務開發與管理數據、客戶經營與消費行為數據等數據類別，其在數據資產市場中占據十分重要的結構性地位。對商業銀行來說，數據資產經營將成為未來的重要盈利增長點，盤活做優做強數據資產是商業銀行在數字經濟時代提高競爭力的戰略選擇，挖掘數據資產的價值潛力是商業銀行數字化轉型的核心要務。這些已經成為行業共識。對整個數據資產市場的發展來說，需要充分發揮商業銀行在數據資產領域的體量規模優勢、場景運營優勢、市場定價優勢、資金融通優勢以及同業聯動優勢等，通過建設商業銀行之間以及商業銀行與其他市場主體之間的數據資產循環市場引領數據資產市場建設，以此突破當前數據資產市場建設難以產生集聚效應的桎梏。

當前，商業銀行數據資產交易流通不暢的癥結之一在于缺乏系統高效的數據資產估值與定價方法。在數據資產生產、分配、流通、消費的循環鏈條中，科學明晰的價值評估和反映市場供需的定價，既是識別數據資產效用潛能的重要標識，也是促進數據資產流通循環以發揮最大邊際效用的必要工具。估值與定價方法的缺失不僅影響數據資產的內在價值和使用價值在權益主體內部的充分挖掘，而且阻礙數據資產的權益分配和交易流通，降低數據資產市場的活躍度。雖然國內大部分商業銀行已經開啟了數據資產化管理，但在數據資產估值和定價方面還處于摸索階段，在方法的實踐應用上也基本是各自為戰各成一派，關于商業銀行數據資產估值與定價的研究有待繼續深入。

二、文獻綜述

關于商業銀行數據資產的估值與定價方法，現有文獻主要探討商業銀行數字化轉型的同時其數據資產的價值挖掘問題，更多是分析一般性數據資產的估值和定價問題。

（一）商業銀行的數字化轉型和數據資產價值挖掘

商業銀行在我國金融行業中占據絕對的主導地位，基于其獨特的經營模式和業務活動，沉淀了大量有關社會經濟和居民活動的數據。陸岷峰和徐陽洋認為商業銀行在數據資產市場的競爭力將決定其在場景金融中的運營效率和發展前景。田國立對建設銀行數據要素價值挖掘的分析中，發現數據要素促進了商業銀行在普惠金融、精準獲客、風險預警等方面的業務優化，數據要素能夠與其他生產要素實現高度融合，在提高其他生產要素作用效率的同時，能減少相應的運行成本。

數字化轉型是商業銀行在數字經濟時代的必然選擇，某種程度上，商業銀行數字化轉型的本質就在于對數據管理的自動化、資產化和市場化，其中資產化和市場化的重點就是對數據資產的價值挖掘和變現。陸岷峰指出，金融科技應用和數據資產經營可能成為中小商業銀行實現轉型發展的助推器，差異化的數據資產特征將有助于中小商業銀行在未來的市場競爭格局中占據一席之地，但在數據資產管理和價值評估等方面，目前的中小商業銀行普遍處于劣勢。

相對于商業銀行數據資產的價值挖掘，技術和管理模式的作用同樣重要。羅勇認為商業銀行數字化轉型的難點主要體現為數據集成應用的困境，即數據金融生態難以形成，應在數據端圍繞數據價值進行商業模式的設計，實行數字化轉型的新方案，其技術形態主要表現為云計算等新技術渠道。陸岷峰對數字化技術在金融領域的應用進行了分析，認為金融科技大大推動了金融創新，在數字經濟發展的浪潮下，數據資產的生產、分配、交易流通和使用都需要依賴金融科技的支撐。

（二）數據資產的價值評估與定價方法

數據資產估值與定價能力的缺失或不足，將影響商業銀行等金融機構的市場表現和生存狀況，商業銀行對開發高效的數據資產估值定價方法具有強烈的內生動力，經過數字化轉型而形成的數字銀行將深度參與甚至主導數據資產市場的建設。陸岷峰和郝朝坤認為數字化的商業銀行將在數據資產價值評估和市場定價方面發揮主體功能，數據資產市場的流通循環需要商業銀行的市場化參與，商業銀行的資產評估和定價技術優勢將成為數據資產市場發展的有力支撐。

對于數據資產的估值和定價方法，多數文獻集中討論會計和金融方面的估值定價技術在數據資產領域的調整性適用。陳芳和余謙（2021）以基于剩余法的多期超額收益模型為主要工具，根據數據資產的風險和收益特征對其折現率進行調整，以區別于無形資產的折現率，并利用該模型對某醫藥公司的數據資產進行了估值。熊巧琴和湯珂通過對國內外相關文獻的梳理回顧，認為數據資產的價值需要在交易過程中顯現出來，數據資產實現跨權益主體的流通和社會化配置才能真正發揮其價值，成本法、收益現值法、市場法等傳統會計學定價方法可應用于數據資產的估值定價。

除了會計學方法，實物期權理論也在數據資產價值評估和定價中得到運用。王靜和王娟利用B-S模型對五家互聯網金融企業的數據資產進行價值評估，同時以層次分析法來確定不同影響因素在標的數據資產估值中的權重分配。閉珊珊等將成本費用（C）、固有價值（I）、市場供求（M）、環境約束（E）等評估因素納入統一的數據資產評估模型，同時融入市場法、收益法、AHP法等評估方法，構建了CIME數據資產評估模型，并通過計算機技術為該模型打造了系統架構和評估工具，最終目標是生成數據資產的價值評估報告。

（三）文獻評述

從現有文獻來看，專門討論商業銀行數據資產估值與定價的文章較少，多數文獻是概括性地研究數據資產估值定價的一般性適用方法和應用邏輯，也有部分文獻在研究商業銀行數字化轉型的同時，注重分析如何對商業銀行數據資產的價值進行挖掘。考慮商業銀行的市場結構地位、業務經營特色、數據資產特點等情況，本文圍繞商業銀行這一關鍵主體，錨定數據資產估值定價這一技術難點，從指標體系、工具方法、邏輯架構與運行系統等方面著手，對商業銀行數據資產的估值與定價展開研究。

三、商業銀行數據資產的特點與估值定價難點分析

商業銀行在數據資產生產流通方面具有先天優勢，在數據資產估值定價方面也具有相對強大的處理能力。商業銀行除了滿足自身數據資產估值定價與交易的需求外，還承擔著推動數據資產市場建設的社會責任。

（一）商業銀行數據資產的生產機制及數據特點

商業銀行形成數據資產一般需要經過數據獲取、數據儲存、數據整理、數據標準化、數據資產化等流程環節，在形成數據資產之后，為了將數據資產在流通市場中交易變現，商業銀行還需要將數據資產打包成相應的數據產品或者直接將數據資產出售，以此滿足相關市場主體對數據資產的需求（見圖1）。

圖1 商業銀行數據資產的生產機制

從商業銀行生產數據資產的源頭即獲取數據的來源來看，大體可以分為三個方面：一是商業銀行從外部數據資產市場上的權益主體手中購買的有關數據或數據資產；二是政府部門提供的政務公共數據；三是商業銀行從自身的業務經營活動和運營管理活動中沉淀的數據。第三類數據來源又可以進一步劃分為業務經營數據和運營管理數據兩大類別。

1.商業銀行的業務經營數據

指商業銀行在開展對公業務、對私業務、機構和同業業務以及中間業務等服務時，同客戶業務互動過程中記錄的相關數據。獲取業務經營數據的過程中，由于不同商業銀行在規模類型、傳統業務特色、經營地域和監管要求等方面存在差異，導致各商業銀行生產的相關數據資產也存在較大異質性。

2.商業銀行的運營管理數據

根據商業銀行的管理結構設置分為前臺、中臺和后臺，分別形成不同類型的管理數據。前臺直接面對客戶，開展市場競爭和業務活動，在信貸管理、資產管理等方面獲取數據；中臺主要進行業務統籌管理，在風險評估、內控合規、財務會計以及渠道管理等方面形成相應數據；后臺主要提供運營支撐，為全行進行人力資源、運營管理、行政管理、信息科技等方面的服務積累相應的數據。此外，商業銀行基于自身貨幣資金經營業務形成的貨幣資金數據、戰略管理過程中形成的市場和政策研究數據等，也可以納入商業銀行的內部管理數據。由于不同商業銀行的管理方式、內部文化、人員構成、發展戰略等不一致，其運營管理數據形成的數據資產也會存在差異。

為了在開展經營和管理業務的過程中形成數據，商業銀行需要進行業務數據化，在數字化轉型的過程中將所有活動軌跡以數據記錄，然后才能逐漸進入數據資產化的生產流程。

從以上商業銀行的數據資產生產機制和數據來源分析來看，商業銀行的數據資產主要有三個維度的數據特點：數據來源的廣泛性、數據內容的異質性、數據生產的復雜性。這些數據特點又影響到商業銀行數據資產的應用和價值顯現，進而影響商業銀行數據資產估值和定價方法的設計。

（二）商業銀行數據資產的應用場景和價值顯現

商業銀行數據資產的流向或者說應用場景主要分為三個方向：商業銀行自身的業務經營與運營管理、同業其他商業銀行之間的數據資產市場、外部數據要素市場。

在商業銀行自身的業務經營與運營管理過程中，相關數據資產的應用能夠為商業銀行提供更全面的決策信息支撐，創造更多的績效提升機會。一方面，對行內各方面數據信息的整理和分析，便于總結經驗、發現不足、挖掘潛力，進而在運營管理上實現流程優化，帶來運營效率的提升，節約運營成本并提高管理服務能力。另一方面，在業務拓展和客戶服務的過程中，相關數據信息能夠提供更多可能的業務增長點，也能夠增加商業銀行對客戶的了解，進而優化其對客戶的服務，從總體上促進商業銀行經營績效的提升。數據資產在改善商業銀行自身業務經營過程中體現出業務價值。

由于各商業銀行在傳統優勢業務、客戶群體、經營區域、監管要求、管理風格等方面存在差異，某個商業銀行個體在進行數字化的業務擴展和運營優化的過程中，可能需要其他同業銀行的數據資產支持，這就催生了商業銀行間的數據資產市場，數據資產的價值在銀行間數據資產市場的交易場景中顯現出來。

在由居民、企業、機構、政府等主體共同構成的數據要素市場中，商業銀行一方面需要依靠該市場中的不同主體獲取相關數據進行數據資產的生產，以及直接向其中的某些主體購買自身需要的數據資產；另一方面基于自身的數據優勢和行業經驗，可向市場中的相關主體提供政策咨詢、研究報告、理財規劃、企業經營等方面的數據資產服務，其數據資產的市場價值也在交易中顯現出來。除了業務價值和市場價值以外，商業銀行的數據資產本身還具有內在價值，即按照數據資產的技術標準，根據數據規模、數據結構、信息載荷等對數據資產的價值進行的判斷。

商業銀行數據資產的數據流向及價值顯現如圖2所示。

圖2 商業銀行數據資產的數據流向和價值顯現環節

（三）商業銀行數據資產的估值定價難點

商業銀行數據資產的價值評估和定價分別屬于兩個不同的階段流程，適用不同的技術方法和實施路徑。鑒于商業銀行數據資產的生產機制和數據特點，結合商業銀行數據資產的應用場景和價值顯現方式，對商業銀行數據資產進行估值和定價存在以下難點。

1.評價標準缺失或難以確定

針對數據資產的估值定價，雖然已經有部分行業協會和組織發布了一些工作指引，但是各家商業銀行在對數據資產進行估值定價的過程中，大部分是根據自己的業務需要來制定內部基本適用的評價方法和體系，缺乏統一的評價標準指引和系統的評價框架規制。從商業銀行數據資產三個維度的數據特點來看，數據來源的廣泛性使得數據資產的信息質量良莠不齊，數據內容的異質性導致數據資產的應用場景和價值顯現方式更趨多樣化，數據生產的復雜性造成數據資產生產成本核算的難度加大，這些影響又進一步導致難以全面科學地確定商業銀行數據資產價值的評價標準。

2.價值價格水平存在多維差異性和變化

首先，從時效性來看，商業銀行數據資產的價值會隨著時間的推移而發生變化，在時間變化的過程中，同一數據資產可能會升值也可能會貶值。其次，從不同權益主體的效用滿足和價值評估來看，同一個數據資產對商業銀行自身、其他商業銀行以及其他有需求的市場主體來說，各個主體所給出的估值是不一樣的。最后，從數據資產的應用場景來看，同一數據資產在不同的應用場景中會顯現出不同的價值。

3.缺乏系統的技術方法和工具支撐

數據資產的大規模海量性和復雜多樣性，對用以評估數據資產的工具方法和應用技術提出了更高的要求。當前使用的數據資產價值評估和定價方法主要來自會計學領域的資產評估方法，少數方法還依賴用戶和專家等人工打分操作，缺乏系統性智能化的工具方法和技術集成體系，在技術標準上也缺乏統一的規范指引，導致數據資產估值定價的開展缺乏系統性的技術支撐。

4.交易定價所需的大流通市場還未成形

商業銀行數據資產應用場景及價值顯現的多樣性和差異性，使得數據資產的賣方傾向于采用“價格歧視”策略，對同一數據資產實行差別化定價。商業銀行數據資產的定價只有在買賣雙方的實際交易中才能確定，其影響因素包括供需雙方的市場地位和議價能力，更重要的是需要一個具有較大規模和縱深的數據資產交易市場來發現數據資產的價格，但是從現實情況來看，這一交易定價所需的數據資產循環流通市場尚未成形。

5.產權保護和數據資產交易方式存在一定沖突

在商業銀行數據資產的交易市場中，買方一般處于信息不對稱的劣勢地位，即對賣方手中的數據資產缺乏了解。對數據資產的買方來說，其需要對賣方手中的數據資產進行內容和質量等方面的評估才能報出愿意接受的價格，但由于數據資產具有可復制性，買方交易前的評估行為可能會盜取賣方的數據資產，造成交易結構的破壞和市場萎縮。在目前的交易方式上，數據資產的產權保護和交易前的資產評估存在一定程度的沖突，這也是數據資產市場交易活躍度較低的原因之一。

四、商業銀行數據資產的估值定價方法、邏輯與系統構建

根據商業銀行數據資產的數據特點、價值顯現方式和估值定價難點，本文從構建商業銀行數據資產的價值評價指標體系入手，針對不同的價值內涵和綜合指標選擇相對適宜的估值方法，再通過交易流程和交易場景設計，利用交易市場的價格發現機制實現定價，系統闡述了整套估值定價設計的邏輯架構和運行系統，并將相關數字技術嵌入運行系統。

（一）基于層次分析法構建價值評價指標體系五維模型

根據對商業銀行數據資產特性的分析，梳理影響商業銀行數據資產價值的核心因素，基于層次分析法（AHP）的分析原理，筆者歸納出五個維度的一級指標作為評估商業銀行數據資產的影響因素，并進一步將其細化分解為若干二級指標。這五個維度的影響因素包括生產運營成本、內在價值屬性、管理賦能表現、績效提升能力、市場供求狀況，如圖3所示。

圖3 基于AHP的五維評估模型

1.生產運營成本

商業銀行擁有的數據資產是在其數據資產管理計劃的指引下，經過數據來源搜尋、數據采集獲取、數據存儲、數據清洗、數據整理、數據產品開發、數據資產化管理與維護等環節形成并納入商業銀行的管理體系，一般由專門的后臺部門負責運營管理。在這些生產環節的運轉過程中，需要相關軟硬件設備的支持、專業技術人員的開發和管理、經營模式和運營系統等方面的配套改革、人力資源的培訓等，這些都將構成商業銀行數據資產的生產成本，包括商業銀行從外部購買的數據資產產品也需要成本投入。

2.內在價值屬性

數據資產的數據含量、數據規模、可信程度、信息載荷、信息質量、應用時效、數據活躍度、技術標準的適用范圍、信息轉化的難易程度、與其他數據資產的組合關聯度等數字技術屬性，均會影響商業銀行數據資產的內在價值，并進一步影響對其價值評估。

3.管理賦能表現

對于持續進行數字化轉型的商業銀行來說，不同的數據資產能夠為其優化內部管理提供不同程度的賦能。將相關數據資產用于商業銀行的內部管理活動，可以利用數據資產的數據信息分析運營管理的不足，提升空間和方向，提升數據信息傳輸和轉化效率，提高內部管理的智能化程度，并在識別操作風險和管理漏洞方面提供預警，最終在提高商業銀行運營效率的同時，優化商業銀行的整體服務體驗。

4.績效提升能力

商業銀行使用數據資產開展客戶分析，對客戶進行數字畫像，可發現潛在客戶和更好地挖掘客戶的消費潛力。另外，可利用數據資產優化金融產品結構和豐富產品內容，為客戶提供更具性價比的產品服務，以此來沉淀和維護客戶關系，并積極拓展新的業務增長點。在業務擴展過程中，數據資產的使用還能夠在提供決策信息、營銷模型開發、實施精準營銷等方面發揮作用。對不同的數據資產來說，其能夠為商業銀行在業務發展過程中帶來不同程度的新增客戶和新增業務量，從而反映在商業銀行財務報表上的績效邊際貢獻也不一樣，體現了不同數據資產的績效提升能力差異。

5.市場供求狀況

在數據資產市場，商業銀行數據資產的供求狀況包括市場競爭格局、數據資產稀缺性、數據資產權屬關系、使用主體對數據資產的評價、數據資產的場景適應性和應用前景、政策法規對數據資產交易的規制、買賣雙方的交易意愿等。這些供求狀況的變化會直接引起商業銀行數據資產市場的價格波動，影響商業銀行數據資產的定價。

根據五維評估模型中的參考指標，對商業銀行數據資產的價值進行非貨幣化評估打分，最終計算出某項數據資產的加權平均得分作為該項數據資產的綜合評價指數（H）。其計算公式表示如下：

其中，H為數據資產i的綜合評價指數，F是數據資產i的五維模型中第j個維度的影響因子得分。

（二）評估方法的選擇

根據商業銀行數據資產的主要應用場景類別和價值顯現方式，將現有條件下的商業銀行數據資產大致分為三種類別，并針對不同類別的數據資產選擇適宜的主要估值方法（見表1）。

表1 商業銀行不同類型數據資產的價值評估方法

1.基礎自用型數據資產

該類數據資產來自商業銀行自身的管理運營活動，是一種基于自身的管理風格和運營經驗而專門沉淀及開發的數據資產，商業銀行主要將此類數據資產用于自身的運營管理賦能。由于該類數據資產所攜帶的商業銀行個體屬性較為顯著，一般只適用于此商業銀行自身的管理需要，其應用場景主要產生于商業銀行內部的管理流程環節。因此，商業銀行對其進行價值評估主要考察其生產成本，并兼顧其他影響因子的價值杠桿作用。

2.業務提升型數據資產

商業銀行主要將該類數據資產用于經營業務的優化和拓展，目標在于提升經營績效，直觀表現為財務報表上資產和盈利的增加。對于該類數據資產的估值，可以采用收益法來評估，將該數據資產在未來年限中可能帶來的收益增量折現加總，并與調節系數即綜合評價指數相乘。

3.市場交易型數據資產

商業銀行主要將此類數據資產用于銀行間數據資產市場和數據要素大市場中的交易，以獲得貨幣化的價值變現。對于這一類數據資產，可以采用市場法進行估值，即從市場中選擇與該類數據資產規格標準相似的、已經成功交易的可比資產的價格作為參照，輔之以綜合評價指數作為修正系數，從而求得該數據資產的價值。

需要說明的是，以上三類數據資產的分類和估值方法的選擇是在數據資產的主要應用場景下進行的，因為某些數據資產的可適用場景較多，商業銀行的同一數據資產分類可能在三種類型中切換，所以商業銀行數據資產的估值方法的選擇并不固定。

（三）交易流通與定價

作為數據要素市場化進程的另一重要階段，數據資產定價是在價值評估的基礎上進一步深化數據資產的市場化，促進數據資產的流通交易，而活躍的買賣交易市場又是數據資產定價的動力支撐。對商業銀行數據資產進行定價，其實就是如何更好地設計商業銀行數據資產的交易流通機制，從而在供需平衡市場出清的交易條件下發現數據資產的市場價格。

在銀行間數據資產交易市場，由于交易雙方的估值定價技術和資產交易風格相近，在滿足其他交易條件的前提下，雙方的數據資產交易過程相對比較順暢。由于商業銀行之間存在同業競爭，某些數據資產的交易可能帶來業務競爭的威脅，同時在數據要素市場中各商業銀行也存在市場競爭，其市場結構更偏向于寡頭市場，商業銀行之間的數據資產交易存在一定的交易壁壘，在定價方面更傾向于采取協商議價的直接交易模式。

在商業銀行與其他市場主體之間的數據資產交易市場中，尤其是商業銀行與那些已經融入自身經營生態和產業鏈的市場主體之間，其數據資產交易更具互補性和共生性，商業銀行有動力去幫助相關市場主體進行數據資產估值和定價。以信貸發放和資金定價為例，一方面，商業銀行的信貸產品定價可能需要企業的數據資產作為評估輔助，利用企業數據資產中的生產經營信息和行業發展狀況來判斷信貸風險，以提高對相關產品定價的科學性，因此催生商業銀行向企業購買數據資產進而評估企業數據資產并實施交易的需求；另一方面，商業銀行可以允許企業以數據資產作為抵押質押標的來獲得貸款，在此過程中可對企業的數據資產標的進行估值定價并以此估值定價來確定信貸額度和期限。因為數據資產的價值是動態變化的，商業銀行可以根據企業數據資產的價值變化來設定浮動利率和靈活的信貸期限。在這樣的信貸評估模式下，企業數據資產的估值定價就可以有一個銀行發布的參考值，從而為沒有條件的企業提供數據資產估值定價的參考。這既能促進企業間數據資產市場的發展，又能使銀行所接受的企業數據資產抵押質押標的獲得一個活躍的交易市場，不僅有利于市場化定價和管理，而且在出現債務違約時，商業銀行也能更快地處理相關數據資產，實現不良資產的出清。

（四）邏輯流程與系統架構

結合五維評估模型、評估方法選擇和交易定價思路，針對商業銀行數據資產的估值定價，本文設計了一套可實施操作的邏輯流程和系統架構（見圖4）。該系統架構以聯邦學習技術為中心，以融合區塊鏈和智能合約技術的交易系統為基礎，為商業銀行數據資產估值定價和交易流通提供中心調度和技術支持。

聯邦機器學習（Federated Machine Learning）技術，又稱為聯邦學習技術，其在大數據分析和模型處理方面最大的功能特點就是不需要將各主體擁有的數據信息上傳集中到某一公共服務器，而是利用算法模型分發功能將不同的算法模型分發至各擁有數據的主體，在不發生數據權屬和存放位置遷移的條件下，通過中心服務器的協調功能組織各參與主體共同優化和訓練共享模型，再將模型發回中心服務器處理，最終得到基于各方數據和算法模型的數據處理結果。

在圖4所設計的系統架構中，聯邦學習中心服務器根據五維模型評估打分、數據資產分類處理、評估方法選擇和計算操作等評估流程進行算法學習，制定出適合商業銀行數據資產估值定價的算法模型。商業銀行將所擁有的數據資產標的錄入評估系統并進入估值定價程序，中心服務器將估值算法發送至銀行的數據資產庫，開啟對標的資產的估值，并將最終的估值結果和定價參考發回商業銀行，商業銀行以此作為數據資產交易的報價參考。

圖4 商業銀行數據資產估值定價的邏輯流程和系統架構

在商業銀行數據資產交易的另一端，即數據資產買方，其根據自身的場景應用需求將相關模型算法發送至中心服務器，中心服務器根據對標的資產的機器學習結果就買方的算法進行處理，并將標的數據資產的產品效用評估結果反饋給買方，買方據此開展詢價和交易。在該技術流程的安排下，買方在進行交易支付之前就能獲得標的數據資產的效用評估，但又不能獲得標的的相關權屬和進行復制，降低了買方的信息不對稱劣勢，賣方也不用擔心數據資產的產權保護受到破壞，避免了交易中道德風險的發生。

在買賣雙方達成交易意愿的情況下，通過數據資產交易系統進行產權交割，從而使得商業銀行數據資產標的獲得市場化的定價。在區塊鏈技術的支持下，買賣雙方在一段時間內的系統交易信息都能夠通過密碼學算法被計算和記錄到某個數據塊中，進而生成屬于該數據塊的屬性標識用于鏈接其他數據塊與核查驗證，以此保證商業銀行數據資產交易的真實性、合法性，為相關交易監管提供技術支持。區塊鏈的私鑰和密鑰雙認證技術，又能夠在數據資產交易過程中驗證買賣雙方的身份，促使相關交易環節在約定的條件下向前推進。在對數據資產進行算法應用和模型開發過程中，區塊鏈所生成的數字時間戳能夠有效記錄開發操作和交易的相關時序，從而為數據資產的更新和后續權屬界定提供識別參照，有利于數據資產產權保護的持續跟進。通過區塊鏈實施智能合約技術，能夠為商業銀行數據資產交易搭建虛擬的執行環境和交易框架，當約定的交易條件得到滿足時，產權交割和對價支付等交易協議內容將自動執行，構建了智能化和規范的交易秩序。

五、結論與建議

本文研究得出五個結論：第一，商業銀行在數據資產市場建設中具有重要地位，在數據資產估值定價過程中能夠發揮中心作用；第二，商業銀行數據資產的估值定價存在諸多難點與挑戰；第三，在對商業銀行數據資產進行功能性分類的基礎上，選擇適應性的評估方法才能提高評估的科學性和有效性；第四，完善的數據資產交易市場和交易系統是實現商業銀行數據資產有效定價的關鍵條件；第五，聯邦學習、區塊鏈和智能合約等新型數字化技術的應用是克服商業銀行數據資產估值定價難點的重要手段。

根據研究結論提出以下政策建議：一是鼓勵商業銀行在數據資產市場建設和數據資產估值定價技術開發方面主動而為，利用自身各方面優勢去推動數據資產市場的交易活躍和環境優化；二是建立市場規則和技術標準，制定相關法律法規與監管要求；三是大力發展場景金融和開放銀行等新金融業態；四是加強數字化技術和金融科技的開發與應用；五是建設高標準的開放型數據資產交易市場。