基于超額收益法的數據資產價值評估方法研究

摘要：數據是發(fā)展新質生產力的核心要素資源，但對數據資產價值評估尚缺乏統(tǒng)一的標準及方法，導致企業(yè)未能很好地評估及利用數據資產的經濟價值，故如何有效評估數據資產價值已成為亟待解決的重要課題。論文提出通過采用多期超額收益法，并運用層次分析法，對無形資產進行層次化的劃分和權重分析，確定出數據資產在表外無形資產組合中的具體權重，進而評估企業(yè)數據資產的最終價值，為數據資產價值評估提供參考和借鑒。

關鍵詞：數據要素；資產價值評估；超額收益

中圖分類號：F23"""""" 文獻標識碼：A""""" doi：10.19311/j.cnki.16723198.2025.22.044

1 研究背景

在數字經濟時代，數據資產因其在增強企業(yè)競爭力和驅動業(yè)務增長方面的關鍵作用而日益受到重視。數據要素是數字時代經濟社會發(fā)展的基礎性生產要素（李曉梅等，2024）[1]，數字經濟可以通過提高區(qū)域知識產權保護水平作用于區(qū)域創(chuàng)新能力（李丹等，2023）[2]，促進數字經濟與實體經濟深度融合是形成新質生產力、建設現(xiàn)代化產業(yè)體系、推動經濟高質量發(fā)展的關鍵抓手和重要支撐（周密等，2024）[3]。這些資產是新質生產力中的核心組成部分，不僅滿足了數字經濟的發(fā)展需求，提升了其有效供給，同時也促進了實體經濟的結構轉型與升級。新質生產力通過促進產業(yè)和技術的融合，已經成為連接和驅動數字經濟與實體經濟融合的基本動力。這種躍進不僅改變了經濟的運行模式，也為企業(yè)開辟了新的增長路徑（夏杰長，2024）[4]。特別是對于互聯(lián)網企業(yè)而言，多種數據資產的擁有使其在快速變化的市場環(huán)境中占據了優(yōu)勢。數據資產的流動性，即數據資產的重復使用和重組的便利性，對于追求新的數據貨幣化機會至關重要。例如，Google Maps的數據資產通過其API，使得像Uber這樣的公司能夠整合這些數據資產到自己的業(yè)務中，從而支持其在2020年完成50億次行程。

當前，我國的各行各業(yè)正在步入數字經濟新紀元，各級政府對數據資產的重要性日益關注，企業(yè)也逐漸認識到數據資產所蘊含的經濟價值和服務潛能。因此，如何科學計量與評估數據資產，已成為企業(yè)亟待解決的重要課題（Zhang et al.，2019）[5]。目前，在眾多企業(yè)，特別是互聯(lián)網企業(yè)，享受著這個時代所帶來的巨大機遇的同時，也面臨著快速變革所帶來的挑戰(zhàn)。為提升資產利用效率和盈利能力，企業(yè)必須積極抓住數字化轉型機會，依托數字化技術，實現(xiàn)生產的數字化與服務的智能化。毫無疑問，數據資產在這場轉型中發(fā)揮著關鍵作用，無論對社會還是對企業(yè)，其重要性都不可忽視（Konopik et al.，2022）[6]。

數據資產的價值具有不穩(wěn)定性，與其他資產不同，其價值隨著流通和用戶使用的廣泛程度，以及數據規(guī)模的變化而有所增減。其次，由于互聯(lián)網具有通用性的特點，其數據資產可被眾多不同用戶共享和使用，這導致用戶在使用的過程中通過在不同的軟件上進行不同的操作在短時間內就能生成海量的數據，從而無疑增加了對數據資產價值進行準確評估的難度。因此，評估其他資產的方法并不完全適用于數據資產（Hu et al.，2022）[7]。通過超額收益法將數據資產以外的資產價值除掉，從而得到其初始價值，再利用層次分析法來分析數據資產，將評估數據資產的問題視為一個系統(tǒng)，通過分解、比較判斷數據資產和其他表外無形資產的價值，并得到相關權重和修正系數，對初始價值進一步精確核算。這種將超額收益法和層次分析法相結合，采用定性與定量的方法，即可能處理許多傳統(tǒng)優(yōu)化方法難以應對的實際問題，從而針對不同類型的數據資產進行靈活而準確的評估，并為數據資產評估提供更多元的分析角度。

隨著數據資產在企業(yè)中的地位日益提高，對這些資產的科學評估不僅可以幫助企業(yè)優(yōu)化決策過程，還可以增強其市場響應速度和服務創(chuàng)新能力。通過精確的數據資產評估，企業(yè)能夠更好地理解市場趨勢和用戶需求，從而在競爭激烈的市場中占據優(yōu)勢。綜上所述，本文的研究不僅具有理論意義，通過提供一種結合定性與定量分析的復合評估方法，而且具有實際應用價值，為企業(yè)管理和戰(zhàn)略決策提供數據支持。這種評估方法的發(fā)展和完善，將推動數據資產管理的科學化和標準化，對推動數字經濟的進一步發(fā)展具有重要意義。

2 數據資產價值評估方法

由于數據資產本身的特殊性，傳統(tǒng)的資產價值評估方法對數據資產價值評估具有一定局限性。多期超額收益法主要原理在于，先估算被估值無形資產與其他資產共同創(chuàng)造的整體收益，然后在整體收益中扣除其他資產的貢獻值，將剩余收益確定為超額收益，并將其作為被估值無形資產所創(chuàng)造的收益。超額收益法評估數據資產是一種有效的方法，能夠量化數據資產為企業(yè)帶來的未來經濟利益，從而為企業(yè)更好地利用數據資產提供一定的參考。

2.1 評估模型總體構建思路

目前，企業(yè)的數據資產被歸為無形資產類數據資產，因此宜采用多期超額收益法和層次分析法相結合的方法，來評估數據資產的價值，其計算步驟如下：首先通過超額收益法，計算出企業(yè)整體收益中除去數據資產以外其他資產所產生的收益，從而得出數據資產的超額收益部分。隨后，再采用層次分析法，來確定對數據資產價值進行修正的系數。最后，依據上述計算方式，計算出企業(yè)數據資產的實際價值。超額收益法的計算公式如下所示：

Vw=∑nt=1（E－Ea－Eb－Ec）t×K×（1+i）－t

其中Vw表示數據要素資產的價值，E表示企業(yè)的自由現(xiàn)金流，Ea表示固定資產的貢獻值，Eb表示流動資產的貢獻值，Ec表示無形資產的貢獻值，K表示數據資產的修正系數，i表示數據資產的折現(xiàn)率，t示年份，n表示收益期。

2.2 評估模型參數的確定

2.2.1 企業(yè)自由現(xiàn)金流

企業(yè)自由現(xiàn)金流，是衡量企業(yè)財務狀況和運營效率的重要指標，具體指企業(yè)在運營過程中產生的可自由支配的現(xiàn)金流量。

2.2.2 資產貢獻值

（1）固定資產貢獻值

固定資產貢獻值，特指固定資產在企業(yè)運營過程中所產生的價值，包括固定資產帶來的投資回報和產生的折舊。由于互聯(lián)網數據企業(yè)，其固定資產占比較小，相應的折舊也少，計算時可忽略不計，具體計算公式如下：

固定資產貢獻值=固定資產預測值*投資回報率

由于固定資產的使用周期一般都比較長，因此采用銀行長期貸款的利率作為投資回報率。

（2）流動資產貢獻值

流動資產在一個會計年度內，流動資產的總價值量不會發(fā)生大的變化，只會在貨幣形式與其他流動資產之間，隨著經營活動的進行而反復轉換，因此這類資產的貢獻值就是其本身的投資回報。具體計算公式如下：

流動資產貢獻值=流動資產預測值×流動資產投資回報率

其中，流動資產投資回報率一般取值為銀行一年期的貸款利率。

（3）無形資產貢獻值

由于數據資產嚴格意義上來說屬于表外無形資產，因此在總收益中不僅要剔除前面固定資產和流動資產的貢獻值，此外還需減去表內無形資產的貢獻值，才能進一步得到表外無形資產的實際價值。表內無形資產一般包括專利權、土地使用權、商標權以及著作權等。根據M公司最近5年的即2019年至2023年的資產負債表可以發(fā)現(xiàn)無形資產攤銷沒有在表內體現(xiàn)，因此預測期內不考慮補償回報。具體計算方法如下：

表內無形資產貢獻值=攤銷補償+投資收益

投資收益=無形資產預測值*投資回報率

由于無形資產攤銷所花費的時間較長，因此采用5年期以上的銀行貸款利率作為無形資產的投資回報率。

2.2.3 折現(xiàn)率

由于數據資產不同于其他一般的資產，在經營初期并不會在短期內給企業(yè)帶來收益，需要一段時間才能不斷發(fā)展從而給企業(yè)帶來持續(xù)的資金流入，這期間還要考慮市場風險的影響和貨幣時間價值，因此需要將經營期內的數據資產價值進行折現(xiàn)。這里一般選取5年期作為一個經營期間，并采用加權資本成本作為數據資產的折現(xiàn)率，加權資本成本能夠提供一種準確、全面的方式來理解和評估企業(yè)的融資成本，反映企業(yè)各種資本所占的權重和企業(yè)資本結構的整體情況。

計算公式如下：

WACC=（EV）×Ra+（DV）×Rd×（1－Tc）

其中WACC表示加權資本成本，v表示企業(yè)總價值，E表示企業(yè)的股權價值，D表示債權價值，Ra表示股權資本成本率，EV表示企業(yè)的資本化比率，Rd表示債權資本成本率，Tc表示所得稅率，DV表示企業(yè)的資產負債率。股權資本成本率通過資本資產定價模型（CAPM）來計算，債權資本成本率依據一年期的銀行貸款利率和相關行業(yè)的企業(yè)所得稅率來確定。CPAM模型具體計算公式如下：

Ra=Rf+β（Rm－Rf）

中Rf是無風險收益率，一般采用無風險國債利率，β是市場風險系數，Rm是市場平均收益率。

2.3 層次分析法（AHP）

層次分析法是一種對定性問題進行定量分析的多準則決策方法，具有簡便、靈活且實用的特點。基于一定的客觀現(xiàn)實，結合專家意見與分析者的主觀判斷，層次分析法有效地將各層次元素間的相對重要性，進行兩兩比較并予以定量描述。數據資產的獨特性在于缺乏統(tǒng)一的評估準則，且預期經濟效益難以準確預測。這種獨特性使得傳統(tǒng)的價值評估方法，難以有效應用于數據資產，故而必須采用層次分析法，構建數據資產評估指標體系，深入研究數據資產的特性，并據此分析不同指標的權重，進而估算出數據資產的潛在價值。通過這種方法，可更加準確地評估數據資產的價值，為企業(yè)決策和戰(zhàn)略規(guī)劃提供有力支持，層次分析法的分析過程。

2.3.1 構建評價指標體系

一般將評價指標體系分為三個層次，分別是目標層、準則層以及方案層。目標層為表外無形資產價值評價體系，準則層為影響企業(yè)總價值的其他表外無形資產，方案層進一步細分為各表外無形資產的影響因素。

2.3.2 建立判斷矩陣

這個判斷矩陣的構造通常采用專家打分法，即多位專家將各個指標進行相互比較后，使用一個判斷值來表示相對重要程度。通過在方陣行列元素的兩兩比較，最終可以生成一個判斷矩陣。本文通過制作調查問卷并利用九級標度法，以得到矩陣標度表作為打分標準，邀請相關專家進行打分，最后以打分的情況作為基礎數據，建立判斷矩陣。

2.3.3 一致性檢驗

在建立判斷矩陣之后，在求解矩陣的特征向量、特征根以及一致性指標時，我們常采用方根法。通過計算一致性指標，我們可以對矩陣進行一致性檢驗，這一步是為了判斷所構建的矩陣是否存在邏輯上的問題，并判斷專家打分是否合理，具體計算公式如下所示：

CI=λmax－nn－1

CR=CIRI

其中λmax為判斷矩陣的最大特征值，n代表矩陣的階數；CI為0時，標志著完全一致；CI趨近于0時，標志著滿意的一致性；一致性會隨著CI值的增大而變得不一致，RI為同階平均隨機一致性指標。當ngt;2時，CI與RI之比的數值為隨機一致性比率CR。當crlt;0.1表示矩陣的不一致性在允許范圍內，否則要重新修正。

2.4 層次排序

根據構造的判斷矩陣中的指標，根據上述操作對準則層和方案層分別求出相關因素的權重之后，再沿層級結構逐步求出各級指標在目標總體中的綜合權重，即進行層次總排序，最終可求得修正系數K。

3 結束語

數據資產相對其他資產，具有一定的獨特性，傳統(tǒng)的資產評估方法，對數據資產的評估具有一定的局限性。由于數據資產并未全面納入財務報表，故其重置成本和貶值情況都難以計量，且目前也缺乏全面成熟的數據資產交易市場，所以成本法和市場法對于數據資產都難以開展。本文利用多期超額收益法，考慮到數據資產非實體性的特點，選擇不直接評估其價值，而是采用在企業(yè)總收益中扣除掉除數據資產以外的資產的價值，并利用加權平均資本成本作為折現(xiàn)率，不僅分析了企業(yè)的資本結構，還考慮了貨幣時間價值，讓得到的數據資產初始價值能夠更客觀準確。此外，還引入層次分析法進一步求出數據資產在表外無形資產的權重和修正系數，定量與定性相結合，客觀和主觀相配合，最后算出的數據資產的最終價值，具備合理性和科學性。

隨著科技水平的持續(xù)提升，大數據和人工智能不僅普及于我們的日常生活，也已成為推動新質生產力發(fā)展的關鍵因素。近年來，國家頒布了多項政策以提升數據資產的戰(zhàn)略地位，預示著其未來價值將顯著增長。這種增長不僅將助力互聯(lián)網企業(yè)的擴展，也將為各行各業(yè)的增強和壯大提供支持。企業(yè)通過利用數據資產可以實現(xiàn)智能生產和經營，加速數字化轉型與升級的進程。盡管目前對數據資產價值評估的研究還相對較少，未來必將有更多專家和學者在此領域深入研究，以幫助更多企業(yè)有效利用數據資產，從而為中國數字經濟的快速發(fā)展助力。

主要參考文獻

［1］李曉梅，張子薇.數據要素對專精特新企業(yè)創(chuàng)新能力的影響[J].科技管理研究，2024，44（10）：134142.

[2]李丹，劉瑤.數字經濟、知識產權保護與區(qū)域創(chuàng)新能力——基于數據要素市場化調節(jié)效應的實證分析[J].科技管理研究，2023，43（15）：114124.

[3]周密，王雷，郭佳宏.新質生產力背景下數實融合的測算與時空比較——基于專利共分類方法的研究[J].數量經濟技術經濟研究，2024，（07）：123.

[4]夏杰長.以新質生產力驅動數實融合[J].社會科學家，2024，（02）：2844.

[5]Zhang M L，Chen M S.ChinasDigital Economy：Opportunities and Risks[M].International Monetary Fund，2019.

[6]J Konopik，C Jahn，T Schuster，N Hobach，A Pflaum.Mastering the digital transformation through organizational capabilities：A conceptual framework[J].Digital Business，2022，2（2）：100019.

[7]Hu C，Li Y，Zheng X.Data assets，information uses，and operational efficiency[J].Applied Economics，2022，54（60）：68876900.