數據資產動態折現率的確定
——以恒生電子股份有限公司為例

■ 董惠敏 厲國威

（浙江財經大學會計學院，浙江杭州 310018）

一、引言

《資產評估專家指引第9 號——數據資產評估》指出收益法是目前對數據資產評估比較容易接受的一種方法。雖然目前使用數據資產直接取得收益的情況比較少，但根據數據交易中心提供的交易數據，依然能夠對部分企業數據資產的收益進行了解。在已有文獻中，采用收益法對數據資產價值進行評估的研究不在少數。在收益法中，折現率是影響評估數據資產價值的重要參數，折現率能否準確估算影響著評估結果的準確性，因此計算出準確的折現率尤為重要。但是當前的研究方法都是屬于靜態分析，對于數據資產來說，靜態的折現率存在著不合理之處。因此，本文通過總結當前數據資產折現率的選取現狀，分析當前各種確定方法的局限性，之后基于傳統的資本資產定價模型、針對目前折現率量化中存在的問題和數據資產的特點引入動態分析建立折現率動態預測模型，經過與案例的結合，該模型的適用性也得到了驗證。本文希望能夠拓展數據資產折現率確定的思路，為實務中采用收益法進行數據資產價值評估提供一定的參考。

二、數據資產折現率的選取現狀

國內學者對數據資產評估折現率的研究較少，定量研究更為罕見。總體來說，在已有的數據資產評估折現率研究中存在著三種觀點：一是《資產評估專家指引第9 號——數據資產評估》中的相關規定；二是將無形資產折現率從企業整體折現率中分割出來之后，視無形資產折現率為數據資產折現率；三是認為數據資產因為自身的特點，其風險應該要高于無形資產，那么數據資產的折現率也要與無形資產的折現率有所區分。具體觀點如下所示：

第一種觀點，中國資產評估協會發布的《資產評估專家指引第9 號——數據資產評估》第24 條中指出，數據資產折現率可以采用無風險報酬率加風險報酬率的方式確定。無風險報酬率和風險溢價是資本成本的兩個主要構成成分，因此，風險累加法比較直觀地反映了數據資產資本成本的組成內容。但是在風險累加法下，各項風險報酬率的量化主要依賴經驗判斷，其粗略性和主觀性明顯。尤其確定數據資產這一新興資產的折現率時，采用風險累加法的挑戰更大。

第二種觀點，在使用收益法評估數據資產價值的文獻中，大多數將數據資產折現率等同于無形資產折現率。比如，張悅（2021）在計算數據資產折現率時，首先采用公式計算對比公司的加權平均資本成本其次計算對比公司無形資產的回報率，基于加權平均資產等于加權平均回報率的前提，運用公式，從而推導出無形資產的回報率：，最后將對比公司的無形資產回報率與被評估企業的無形資產回報率的平均值作為數據資產的折現率。但是數據資產兼有無形資產和有形資產的特征，數據資產也有物理屬性、存在屬性和信息屬性，數據資產的物理屬性和存在屬性表現出有形資產的特征，而其信息屬性以及數據勘探權、使用權等則表現出無形資產的特征（朱揚勇 2018）。并且相較于其他無形資產，數據資產存在權屬不清晰、數據隱私與安全問題突出等問題。此外數據資產缺乏相關法律保護，又具有易復制性，所以更容易受到惡意侵害，所以其風險要大于其他無形資產。因此簡單地將數據資產的折現率等同于無形資產的折現率會與實際存在較大偏離。

第三種觀點，當然也有將數據資產折現率與無形資產折現率區別開來的研究。例如，陳芳、余謙（2021）首先采用加權平均資本成本模型計算出企業全部投資的回報率；其次，通過回報率拆分法將企業資產分為固定資產、流動資產和無形資產三類，計算市場上與被評估企業相似企業的無形資產回報率，將其平均值作為被評估企業的無形資產回報率；最后，以該無形資產回報率為基礎，再次運用回報率拆分法分離出被評估企業的數據資產的回報率，具體計算公式如下：

將數據資產回報率從無形資產中剝離：

三、數據資產動態折現率的確定

通過對數據資產價值評估中折現率選取現狀的歸納總結，可以發現當前的方法都屬于靜態分析。靜態分析固然有計算簡便的優點，但是由于其假設是資產的收益和風險在未來是一成不變的，這與實際情況大相徑庭。企業的資本結構是動態變化的，那么作為企業組成部分的資產必然會隨著企業資本結構的變化而有所不同，并且數據資產具有價值易變的特征，其收益率存在較大的波動性，資產收益值與其價值在時間區域上并非同步變動，與此同時數據資產的風險也是不斷變化的，所以在計算數據資產折現率時，僅對其進行靜態分析并不能完全貼合數據資產的收益與風險，從而會導致評估結果的不準確。所以，相對于靜態的折現率來說，動態折現率通過將時間變化反映到具體數值中，更能符合數據資產的特征。因此，本文引入動態分析來建立折現率動態預測模型，該模型是以傳統的資本資產定價模型為基礎，其中無風險收益率采用的是國債利率；市場風險溢價的確定是通過GM（1，1）模型確定，將時間序列的變化反映在市場風險溢價中，因為市場風險溢價是指在一個相當長的歷史時期，市場平均收益率與無風險收益率之間的差異，而市場平均報酬率的計算需要選擇較長的時間跨度，所以時間變化的特征更應在市場風險溢價中體現；而系數則是采用數據資產收益率與市場平均收益率的協方差、市場平均收益率的方差計算得到。此外，為了驗證模型是否合理，本文選擇了恒生電子股份有限公司作為案例，因為軟件和信息技術服務業在數字經濟發展中起著舉足輕重的作用，隨著數字經濟的發展，恒生電子運營至今，擁有著豐富的數據資產，選擇該公司作為案例有一定的可取之處，將評估基準日設定為2021 年12 月31 日，具體參數確定方法與計算過程如下所示：

首先，資本資產定價模型（Capital Asset Pricing Model，CAPM）是美國學者夏普、林特爾、莫森等在現代投資組合理論的基礎上發展起來的，它是現代金融市場價值理論的支柱，廣泛應用于投資決策和資產評估領域。資本資產定價模型將風險溢價與風險通過數學模型有機地聯系起來，具體是以值表示市場整體的波動給單個資產帶來的系統性風險，將資產的期望收益率表示為無風險報酬率和值的函數，計算公式如下：

（一）無風險收益率

目前，評估實務中，無風險報酬率通常選取與資產收益期相匹配的中長期國債的市場到期收益率。國際上，最常選用的是10 年期政府債券利率，一方面由于數據資產具有業務增值性和無消耗性，另一方面數據資產具有較強的時效性，因此為了保證評估結果的準確性，其預測收益期不可過長也不宜過短。所以，本文將選用10 年期以上國債利率的平均值作為無風險收益率。

通過統計上交所上市交易的國債，計算得到十年期以上長期國債利率的平均值為3.82%，本文將采用其作為無風險收益率。下表列示了評估基準日剩余年限在10 年以上的部分國債利率，如表1所示。

表1 評估基準日剩余期限十年以上國債利率

（二）市場風險溢價

評估實務中，各類資產的折現率通常用行業平均凈資產收益率來代替，因為行業平均凈資產收益率獲取較為方便，相關數據在中國統計年鑒中就可以得到。而且最為重要的是采用收益法評估數據資產的價值，就是基于預期收益原則，根據數據資產未來的收益得出評估時間點的價值，所以行業平均凈資產收益率作為衡量投資收益的重要指標代替折現率有一定的可取之處。但是，如果不同的資產采用同樣的行業平均凈資產收益率作為折現率，就無法體現各類資產的獨有風險，尤其是對于數據資產這一特殊資產更為重要，并且行業平均凈資產收益率的選取是根據歷史數據，但是收益法強調的是資產的未來收益能力。因此，本文將基于行業平均凈資產收益率，針對其弱點，引入時間序列，使之更適用于數據資產的評估。所以，本文計算數據資產市場風險溢價的思路是首先獲取行業平均凈資產收益率的歷史數據，利用GM（1，1）模型預測，之后按照公式計算每年的市場風險溢價。

其中，GM（1，1）模型的運行步驟如下：

1.建立原始數據序列：

2.模型構建前檢驗：

表2 未來十年行業平均凈資產收益預測過程

其中，根據最小二乘法估計出a=-0.028，b=12.9038。此外，相對誤差處于10%-20%之間，滿足精度檢驗的要求。

本文采用股市收益率代替市場平均收益率，數據資產收益率可以用可比企業上市公司的股市收益率計算得到，通過可比上市公司的系數估算數據資產的系數。由于計算的可比上市公司的原始系數采用的是上市公司一定時期的歷史數據，但是要求估算的系數是未來預期的系數。因此，有必要對可比上市公司的原始系數進行必要的調整。本文將采用彭博資訊公布的調整后的系數計算公式：調整后的系數=原始系數×67%+1×33%。此外，由于財務杠桿的高低會影響系數的取值，具有不同資本結構的可比公司會有不同的系數，所以需要先將測算得出的可比上市公司的系數去財務杠桿，再根據行業資本結構，把無財務杠桿的系數轉化為有財務杠桿的系數。轉換公式如下：

通過搜集資料，并分析恒生電子的經營特點，在軟件服務行業132 家上市公司中，共篩選出4 家可比公司作為研究樣本，分別是同花順、頂點軟件、金證股份、宇信科技。根據案例公司和可比公司年報，可以得到公式（3.8）（3.9）（3.10）所需數據。此外，由于國際上和評估實務界均將5 年作為測量時間段，所以本文采用了2017-2021 年共5 年的數據，由于2021 年的年報尚未公布，所以一些數據采用的是研報中的預測數據。按照公式和搜集到的數據，系數的計算過程和計算結果如表3 所示。

表3 市場整體和可比上市公司的收益率

由表4 所示，將各可比公司置于無財務風險的同一水平之后，各公司的無財務杠桿的系數分別為-0.55，0.46，-0.23，0.03。但是由于同花順主營業務收入中占比最高的為增值電信服務，與實際軟件研發帶來的收入有一定差異性，宇信科技由于是2018 年才上市，至今未滿五年，因此計算收益率不符合研究的既定規則，且兩家公司都屬于創業板上市公司，收益率波動幅度較大，因此在計算案例公司有財務杠桿的系數時剔除了這兩個公司的數據，最終計算得到恒生電子的有財務杠桿的系數為0.22。

表4 可比公司系數計算公式

綜上，將各參數代入公式（3.1）可以得到恒生電子數據資產的動態折現率，如表5 所示。

表5 數據資產動態折現率計算過程

四、結果分析與驗證

由表5 可以看出，本文計算出的數據資產的動態折現率在預測期內隨著時間的推移，數值在不斷增加，這一規律與數據資產會隨著時間的推移其風險不斷增加這一特點吻合，也間接地驗證了本文結果的合理性。值得說明的是，本文所計算得出的折現率是在評估基準日2021 年12 月31 日的折現率，如果評估基準日不同，計算得出的折現率結果是不同的。折現率的確定對精準度要求較高，由于數據搜集等原因，最終結果難免與實際情況存在差異。

此外，為了驗證動態分析與先前靜態分析方法的不同，本文將采用靜態分析方法計算案例公司表示恒生電子的數據資產折現率，這里只采用大多數研究中將數據資產折現率等同于無形資產折現率的做法進行對比，通過計算案例公司的WACC，采用公式計算出恒生電子無形資產的折現率。其中，表示無形資產、流動資產、固定資產占總資產的比重；表示無形資產、流動資產、固定資產投資回報率。流動資產投資回報率為一年期銀行貸款利率 4.61%，固定資產回報率以銀行5 年期以上貸款利率4.65%進行計算。計算過程如表6-7 所示：

表6 恒生電子2021 年12 月31 日資產分布

表7 恒生電子無形資產折現率

通過計算得出在評估基準日恒生電子無形資產的折現率為6.18%，這與動態折現率有一定的差異，隨著時間的推移，差異越來越大，這是因為靜態分析的是折現率在評估基準日當天的數值，不同的基準日下會有不同的結果。并且其數值小于同時期的數據資產折現率，也證實了數據資產的風險是高于無形資產風險的。

五、結論與展望

隨著數字經濟的發展，數據資產價值評估逐漸成為研究熱點，但是關于數據資產折現率的定量研究卻有些缺乏。本文針對數據資產的特點，基于傳統的資本資產定價模型，量化了數據資產折現率的動態變化，這是數據資產價值評估中對折現率進行確定的一個比較重要的嘗試，并且將計算結果與已有研究采用的方法進行比較，得到了相對合理的檢驗。由于相關準則規定的缺乏，導致結果沒有一個相對權威的驗證。

雖然通過對案例公司數據資產的折現率進行靜態與動態的比較，動態分析的合理性得到了一定程度的檢驗，但是本文所用模型依然存在著一定的缺陷。首先，由于本文設定的評估基準日為2021 年12月31 日，而案例公司和可比公司的年報尚未公布，所以在數據搜集過程中采用的是證券公司對案例公司和可比公司2021 年的預測數據，這可能與實際數值不同，從而導致評估結果存在偏差；其次，在對案例公司與可比公司的系數進行去杠桿加杠桿的過程中，最后只采用了頂點軟件和金證股份的數據，這在一定程度上可能會導致案例公司有財務杠桿的系數不夠精準，最終影響折現率的準確度；最后，計算過程將時間變化的特征反映在市場風險溢價中，但是無風險收益率和系數依然是靜態的，本文選擇10 年期以上國債利率作為無風險收益率，雖然無風險收益率的時間變化特征不夠顯著，但是在相當長的時間內，國債利率也會產生波動，進一步導致不同時間的折現率發生細小變化，最終對評估結果產生巨大影響，此外，在計算案例公司折現率時，對于系數的確定沒有用案例公司動態變化的資本結構去調整，但是隨著公司的持續經營，其資本結構也是動態變化的。

在未來的研究中，除了保證所用數據的準確性之外，還要保證研究樣本量的充足，并且可以從以下兩方面對本文進行改進：一是可以考慮模型中所有參數的動態性，提高模型計算的精準度；二是可以在計算數據資產動態折現率的基礎上，重點分析數據資產的風險特征，在原有模型上增加數據資產特有風險系數，使得結果更貼合數據資產的特征。當前數據資產動態折現率的研究還處于初步階段，仍需進一步的研究與探討，隨著對數據資產這一熱點的研究，人們對數據資產折現率確定的關注肯定會越來越多，也會逐漸趨于動態化，相信未來數據資產價值評估會更加精準與可靠。