價值創(chuàng)造視角下互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值研究

【摘要】隨著數(shù)字經(jīng)濟(jì)概念不斷深入，數(shù)據(jù)要素對企業(yè)價值提升的作用日益增強(qiáng)。文章從價值創(chuàng)造視角出發(fā)，分析數(shù)據(jù)資產(chǎn)價值創(chuàng)造的過程及表現(xiàn)，提出企業(yè)數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價值由創(chuàng)新性價值及效率性價值構(gòu)成，采用收益法評估數(shù)據(jù)資產(chǎn)創(chuàng)新性價值，借助超額收益法評估數(shù)據(jù)資產(chǎn)效率性價值，引入灰色預(yù)測及BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法改進(jìn)模型參數(shù)，最終實(shí)現(xiàn)對互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)整體價值的評估，并以TX公司為例進(jìn)行模型應(yīng)用。結(jié)論表明，數(shù)據(jù)資產(chǎn)變現(xiàn)對企業(yè)價值的貢獻(xiàn)是巨大的，需要進(jìn)一步釋放數(shù)據(jù)要素價值?！娟P(guān)鍵詞】價值創(chuàng)造；數(shù)據(jù)資產(chǎn)；價值評估；灰色預(yù)測；BP神經(jīng)網(wǎng)絡(luò)一、引言在數(shù)字化驅(qū)動經(jīng)濟(jì)發(fā)展背景下，為保障數(shù)字經(jīng)濟(jì)長遠(yuǎn)穩(wěn)定發(fā)展，政府出臺了一系列重要政策。2015年，國務(wù)院發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》，明確指出將數(shù)據(jù)上升為國家基礎(chǔ)性戰(zhàn)略資源，充分肯定數(shù)據(jù)對市場的貢獻(xiàn)。2020年，《關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意見》首次正式將數(shù)據(jù)劃分為新型生產(chǎn)要素。2021年12月，“十四五”國家信息化規(guī)劃提出建設(shè)更加完善的數(shù)據(jù)要素資源體系，從而釋放數(shù)據(jù)要素價值。2022年我國數(shù)字經(jīng)濟(jì)規(guī)模已達(dá)50.2萬億元，占GDP比重為41.5%。習(xí)近平總書記在黨的二十大報告中強(qiáng)調(diào)，要以經(jīng)濟(jì)高質(zhì)量發(fā)展引領(lǐng)中國式現(xiàn)代化。數(shù)據(jù)作為國家基礎(chǔ)性戰(zhàn)略資源，是數(shù)字化經(jīng)濟(jì)發(fā)展的核心生產(chǎn)要素，為推動經(jīng)濟(jì)高質(zhì)量發(fā)展注入新動能。隨著云計(jì)算、人工智能、區(qū)塊鏈等新興技術(shù)的加速應(yīng)用，數(shù)據(jù)市場規(guī)模呈現(xiàn)爆炸式增長，數(shù)據(jù)資產(chǎn)價值研究也逐漸受到各界重視[1]。無論微觀層面企業(yè)價值評估，還是宏觀層面國民經(jīng)濟(jì)核算，數(shù)據(jù)資產(chǎn)價值都有必要納入其中。2024年1月11日，財(cái)政部印發(fā)《關(guān)于加強(qiáng)數(shù)據(jù)資產(chǎn)管理的指導(dǎo)意見》，要求“建立數(shù)據(jù)資產(chǎn)管理制度，促進(jìn)數(shù)據(jù)資產(chǎn)合規(guī)高效流通使用，構(gòu)建共治共享的數(shù)據(jù)資產(chǎn)管理格局，為加快經(jīng)濟(jì)社會數(shù)字化轉(zhuǎn)型、推動高質(zhì)量發(fā)展、推進(jìn)國家治理體系和治理能力現(xiàn)代化提供有力支撐”。數(shù)據(jù)資產(chǎn)價值評估成為一個亟待研究的主題。當(dāng)前有關(guān)數(shù)據(jù)資產(chǎn)的研究大多立足于企業(yè)微觀會計(jì)層面，探究數(shù)據(jù)資產(chǎn)定義、數(shù)據(jù)資產(chǎn)特征、數(shù)據(jù)資產(chǎn)會計(jì)處理方法以及數(shù)據(jù)資產(chǎn)價值評估模型的構(gòu)建?，F(xiàn)有研究大多將數(shù)據(jù)資產(chǎn)歸屬于無形資產(chǎn)范疇，采用無形資產(chǎn)價值評估方法研究數(shù)據(jù)資產(chǎn)價值核算，但數(shù)據(jù)資產(chǎn)亦有其不同于無形資產(chǎn)的特性（如非競爭性、規(guī)模經(jīng)濟(jì)性、動態(tài)性等），導(dǎo)致數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價值遠(yuǎn)高于其生產(chǎn)成本，數(shù)據(jù)交易市場規(guī)模有限，創(chuàng)造的未來收益較難計(jì)量等，尤其是數(shù)據(jù)資產(chǎn)價值作用的發(fā)揮需要與具體價值創(chuàng)造場景相結(jié)合，使得必須對現(xiàn)有價值評估方法做出改進(jìn)才能應(yīng)用于數(shù)據(jù)資產(chǎn)價值評估。本文從價值創(chuàng)造視角對互聯(lián)網(wǎng)企業(yè)整體數(shù)據(jù)資產(chǎn)價值進(jìn)行評估，通過分析數(shù)據(jù)資產(chǎn)價值創(chuàng)造的過程及表現(xiàn)，構(gòu)建適用于互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)的價值評估體系，為我國數(shù)據(jù)資產(chǎn)價值評估實(shí)踐提供方法支撐。二、文獻(xiàn)綜述（一）數(shù)據(jù)資產(chǎn)概念明晰數(shù)據(jù)資產(chǎn)概念是進(jìn)行數(shù)據(jù)資產(chǎn)價值研究的基礎(chǔ)，學(xué)術(shù)界目前對數(shù)據(jù)資產(chǎn)概念未形成統(tǒng)一定論，不同學(xué)科對數(shù)據(jù)資產(chǎn)概念的側(cè)重點(diǎn)有所不同。會計(jì)學(xué)角度，大部分研究基于會計(jì)資產(chǎn)要素的確認(rèn)條件定義數(shù)據(jù)資產(chǎn)。李靜萍[2]認(rèn)為數(shù)據(jù)不受數(shù)據(jù)生產(chǎn)者和使用者的制約且具有明確的經(jīng)濟(jì)所有權(quán)及收益性，因而滿足資產(chǎn)的屬性。中國信通院將數(shù)據(jù)資產(chǎn)定義為由企業(yè)擁有或控制的，在未來一定期間能給企業(yè)帶來經(jīng)濟(jì)效益的呈電子方式記錄的數(shù)據(jù)資源。經(jīng)濟(jì)學(xué)角度，大多數(shù)研究從數(shù)據(jù)具有價值探討數(shù)據(jù)資產(chǎn)化。數(shù)據(jù)本身并不能直接產(chǎn)生價值，只能通過作用于生產(chǎn)和服務(wù)使企業(yè)創(chuàng)造收益、降低成本的表現(xiàn)更加突出，由此體現(xiàn)數(shù)據(jù)資產(chǎn)的價值[3]。黃科滿和杜小勇[4]提出數(shù)據(jù)資產(chǎn)價值體現(xiàn)在價值利用化這一最終環(huán)節(jié)上，具有價值后驗(yàn)性。信息學(xué)角度，數(shù)據(jù)資產(chǎn)由信息的相關(guān)概念演變而來，21世紀(jì)以后數(shù)據(jù)資產(chǎn)一詞才普遍出現(xiàn)。譚明軍[5]認(rèn)為數(shù)據(jù)資產(chǎn)是將用戶行為信息、公開信息以及從其他合法渠道收集的相關(guān)信息，利用計(jì)算機(jī)技術(shù)經(jīng)數(shù)據(jù)收集、挖掘、分析等環(huán)節(jié)最終給企業(yè)帶來價值或潛在價值的數(shù)據(jù)資源。鑒于本文主要探討企業(yè)微觀層面的數(shù)據(jù)資產(chǎn)價值，因而從會計(jì)學(xué)視角定義數(shù)據(jù)資產(chǎn)：由企業(yè)擁有或控制的，在未來能給企業(yè)帶來經(jīng)濟(jì)流入且能夠可靠計(jì)量的數(shù)據(jù)資源。（二）數(shù)據(jù)資產(chǎn)價值影響因素從價值影響因素來看，李曉華和王怡帆[6]總結(jié)影響數(shù)據(jù)資產(chǎn)價值的六大因素即數(shù)據(jù)的顆粒度、鮮活度、連接度、反饋度、響應(yīng)度和加工度。任曉波[7]認(rèn)為數(shù)據(jù)資產(chǎn)價值不僅與其涵蓋信息相關(guān)，也與其被使用的方式相關(guān)，同時數(shù)據(jù)質(zhì)量、數(shù)據(jù)應(yīng)用、法律和監(jiān)管也能夠影響數(shù)據(jù)資產(chǎn)價值。廖東聲[8]描述影響數(shù)據(jù)資產(chǎn)價值的外部因素，提出數(shù)據(jù)資產(chǎn)價值會因加工、用戶、使用次數(shù)、市場波動而改變，對內(nèi)部因素只提到了數(shù)據(jù)質(zhì)量。王重潤等[9]認(rèn)為數(shù)據(jù)價值會受到數(shù)據(jù)質(zhì)量、數(shù)據(jù)具體應(yīng)用場景、成本、使用者異質(zhì)性的影響。實(shí)現(xiàn)數(shù)據(jù)要素價值最大化不僅要認(rèn)識到其自然屬性，更重要的是充分認(rèn)知5個社會屬性即數(shù)據(jù)整合、數(shù)據(jù)融通、數(shù)據(jù)洞察、數(shù)據(jù)賦能與數(shù)據(jù)復(fù)用，尹西明等[10]將其稱為“5I”社會屬性。（三）數(shù)據(jù)資產(chǎn)價值評估在宏觀層面，研究數(shù)據(jù)資產(chǎn)價值的文獻(xiàn)較少，當(dāng)前數(shù)據(jù)資產(chǎn)并未被納入國民經(jīng)濟(jì)核算體系中，造成數(shù)據(jù)對經(jīng)濟(jì)社會的貢獻(xiàn)被低估。李靜萍[2]認(rèn)為在構(gòu)建數(shù)據(jù)資產(chǎn)附屬核算框架時，應(yīng)當(dāng)包含對數(shù)據(jù)開發(fā)階段的價值評估，并通過非生產(chǎn)性資產(chǎn)計(jì)入國民經(jīng)濟(jì)核算體系中。在微觀層面，數(shù)據(jù)作為資產(chǎn)納入到企業(yè)資產(chǎn)負(fù)債表中已成為普遍共識。目前對數(shù)據(jù)資產(chǎn)價值評估以傳統(tǒng)的無形資產(chǎn)評估方法為主，結(jié)合數(shù)據(jù)資產(chǎn)的特性做出改進(jìn)[11]，也有學(xué)者拓展視角構(gòu)建新的模型進(jìn)行評估[12]，如B-S模型、蒙特卡洛模擬、討價還價模型。由于數(shù)據(jù)資產(chǎn)特性，以上方法計(jì)量數(shù)據(jù)資產(chǎn)存在局限性，如過于關(guān)注數(shù)據(jù)資產(chǎn)與無形資產(chǎn)的共性，忽略了數(shù)據(jù)資產(chǎn)價值與具體價值創(chuàng)造場景有關(guān)的特征，導(dǎo)致構(gòu)建的評估模型不夠準(zhǔn)確。本文將數(shù)據(jù)資產(chǎn)估值建立在數(shù)據(jù)為企業(yè)創(chuàng)造收益的基礎(chǔ)之上，認(rèn)為要科學(xué)且準(zhǔn)確地評估數(shù)據(jù)資產(chǎn)價值必須先分析數(shù)據(jù)資產(chǎn)的價值創(chuàng)造過程及表現(xiàn)，從而提出適用性更加廣泛的收益法及多期超額收益法相結(jié)合的數(shù)據(jù)資產(chǎn)估值模型。三、互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值創(chuàng)造分析（一）數(shù)據(jù)資產(chǎn)價值創(chuàng)造過程基于數(shù)據(jù)價值鏈理論，數(shù)據(jù)價值創(chuàng)造是一個包含數(shù)據(jù)加工及增值的全動態(tài)過程，涵蓋清洗、融合、分析、應(yīng)用等環(huán)節(jié)。胡亞茹和許憲春[13]將數(shù)據(jù)價值鏈分解為數(shù)據(jù)獲取、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用四個環(huán)節(jié)。在數(shù)據(jù)獲取環(huán)節(jié)，實(shí)現(xiàn)了對原本游離數(shù)據(jù)的初步收集，包括用戶行為數(shù)據(jù)、交易數(shù)據(jù)、社交數(shù)據(jù)等，界定了原始數(shù)據(jù)類型，該環(huán)節(jié)成本產(chǎn)生于收集數(shù)據(jù)的設(shè)備購買、運(yùn)行及其磨損的支出；在數(shù)據(jù)存儲環(huán)節(jié)，所獲取的數(shù)據(jù)加工、提煉、整合為可以被高效利用的數(shù)據(jù)資源，并被分類存儲在數(shù)據(jù)平臺中，該環(huán)節(jié)產(chǎn)生了數(shù)據(jù)平臺的運(yùn)維成本；在數(shù)據(jù)分析環(huán)節(jié)，經(jīng)過數(shù)據(jù)庫的建立及軟件開發(fā)等過程，可以提取出數(shù)據(jù)中含價值的信息及知識，實(shí)現(xiàn)潛在價值的提升，有利于企業(yè)提高生產(chǎn)效率、洞悉客戶需求、創(chuàng)造新商業(yè)模式及控制風(fēng)險；在數(shù)據(jù)應(yīng)用環(huán)節(jié)，數(shù)據(jù)分析階段的輸出于具體的使用場景下轉(zhuǎn)變?yōu)槠髽I(yè)經(jīng)濟(jì)效益，數(shù)據(jù)價值得以釋放，因而數(shù)據(jù)資產(chǎn)化也得以實(shí)現(xiàn)。需要注意的是，在數(shù)據(jù)創(chuàng)造價值的過程中，經(jīng)計(jì)算分析會不斷產(chǎn)生新的數(shù)據(jù)，從而再次循環(huán)進(jìn)入到其他環(huán)節(jié)的數(shù)據(jù)處理中，繼續(xù)實(shí)現(xiàn)經(jīng)濟(jì)價值。（二）互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價值創(chuàng)造表現(xiàn)根據(jù)對數(shù)據(jù)資產(chǎn)價值創(chuàng)造過程的分析，數(shù)據(jù)在數(shù)據(jù)獲取、存儲、分析階段發(fā)生了成本支出，實(shí)現(xiàn)了數(shù)據(jù)資產(chǎn)潛在價值的累積，但并未真正給企業(yè)創(chuàng)造價值。只有在應(yīng)用階段才為企業(yè)帶來收益，因而數(shù)據(jù)資產(chǎn)價值只在應(yīng)用階段才有所表現(xiàn)，且不同價值創(chuàng)造場景下數(shù)據(jù)資產(chǎn)價值有所不同。因此區(qū)分?jǐn)?shù)據(jù)資產(chǎn)使用的不同場景分析互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)的價值表現(xiàn)。在無交易場景下，數(shù)據(jù)調(diào)整原有的生產(chǎn)流程、提高運(yùn)營效率，尤其在“供—產(chǎn)—銷”環(huán)節(jié)效率表現(xiàn)更為顯著。在供應(yīng)環(huán)節(jié)，企業(yè)處理客戶訂單引入自動化流程、可視化操作等，處于供應(yīng)鏈中的多家合作伙伴可以實(shí)現(xiàn)生產(chǎn)與服務(wù)實(shí)時交互，大大提高供應(yīng)效率；在生產(chǎn)環(huán)節(jié)，幫助企業(yè)實(shí)時收集庫存信息，有效預(yù)測產(chǎn)品市場需求變化，降低傳統(tǒng)運(yùn)營系統(tǒng)成本，促進(jìn)企業(yè)重組生產(chǎn)流程實(shí)現(xiàn)[14]；在銷售環(huán)節(jié)，經(jīng)對用戶的消費(fèi)數(shù)據(jù)進(jìn)行挖掘分析，能了解用戶個性化需求，關(guān)注消費(fèi)者情緒及客戶體驗(yàn)，從而采取更有針對性的銷售策略，提供差異化服務(wù)和個性化產(chǎn)品，更好地適應(yīng)市場環(huán)境的動態(tài)變化[15]。無交易場景下，數(shù)據(jù)要素優(yōu)化企業(yè)生產(chǎn)模式，提高了傳統(tǒng)價值鏈上研發(fā)、生產(chǎn)、銷售等環(huán)節(jié)的決策效率，未改變企業(yè)原有以傳統(tǒng)生產(chǎn)要素為主的商業(yè)模式，為企業(yè)帶來超額業(yè)務(wù)收益，稱之為效率性價值[16]。有交易場景下，企業(yè)獲得許可后訪問海量用戶數(shù)據(jù)，充分挖掘分析其中潛在的商業(yè)信息，建立用戶精準(zhǔn)畫像，從而為市場其他客戶提供定制化數(shù)據(jù)產(chǎn)品或服務(wù)，經(jīng)進(jìn)一步出售收取廣告費(fèi)用。該場景下數(shù)據(jù)作為核心生產(chǎn)要素，催生出新的商業(yè)模式，觸發(fā)企業(yè)運(yùn)用數(shù)據(jù)技術(shù)生成新的產(chǎn)品及服務(wù)，與數(shù)據(jù)分析技術(shù)協(xié)同發(fā)揮價值創(chuàng)造作用[17]?；ヂ?lián)網(wǎng)企業(yè)所掌握的數(shù)據(jù)資產(chǎn)價值直接轉(zhuǎn)化為企業(yè)創(chuàng)新性收入，主要體現(xiàn)為企業(yè)廣告收入等，稱之為創(chuàng)新性價值[16]?；谏鲜龇治觯瑪?shù)據(jù)資產(chǎn)價值表現(xiàn)可概括為基于數(shù)據(jù)處理技術(shù)的決策支持系統(tǒng)和商業(yè)模式創(chuàng)新所帶來的未來經(jīng)濟(jì)收益，數(shù)據(jù)資產(chǎn)價值評估就是確定該未來經(jīng)濟(jì)收益的現(xiàn)值。本文將數(shù)據(jù)資產(chǎn)無交易場景下與決策效率相關(guān)的凈現(xiàn)值稱為數(shù)據(jù)資產(chǎn)效率性價值，用數(shù)據(jù)資產(chǎn)帶來的超額業(yè)務(wù)收益現(xiàn)值來衡量；與商業(yè)模式創(chuàng)新相關(guān)的凈現(xiàn)值稱為數(shù)據(jù)資產(chǎn)創(chuàng)新性價值，用數(shù)據(jù)資產(chǎn)帶來的創(chuàng)新性收入現(xiàn)值來衡量。四、互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值模型建立（一）設(shè)計(jì)思路近幾年更多文獻(xiàn)僅考慮數(shù)據(jù)資產(chǎn)在無交易場景下支持決策產(chǎn)生的效率性價值，而對商業(yè)模式改變引起的創(chuàng)新性價值并未涉及。基于此，本文運(yùn)用收益法評估數(shù)據(jù)資產(chǎn)創(chuàng)新性價值，運(yùn)用改進(jìn)多期超額收益法評估數(shù)據(jù)資產(chǎn)效率性價值。1.創(chuàng)新性價值評估模型考慮到廣告商是與互聯(lián)網(wǎng)企業(yè)進(jìn)行數(shù)據(jù)資產(chǎn)交易的最主要利益相關(guān)方，互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)創(chuàng)新性收入近似體現(xiàn)為企業(yè)廣告收入，該部分收益由企業(yè)與第三方達(dá)成公平交易后體現(xiàn)在會計(jì)報表中，可以直接采用收益法評估。評估思路如下：根據(jù)歷史數(shù)據(jù)運(yùn)用灰色模型預(yù)測收益期內(nèi)創(chuàng)新性收入，折現(xiàn)即可得到創(chuàng)新性價值。公式如下：其中，n為收益期，ADk為收益期內(nèi)第k年實(shí)現(xiàn)的創(chuàng)新性收入，r為折現(xiàn)率。2.效率性價值評估模型數(shù)據(jù)資產(chǎn)效率性價值評估難點(diǎn)較多，對此進(jìn)行重點(diǎn)分析。通過分析數(shù)據(jù)資產(chǎn)價值創(chuàng)造，數(shù)據(jù)資產(chǎn)效率性價值依賴企業(yè)超額業(yè)務(wù)收益的實(shí)現(xiàn)，其本質(zhì)與商譽(yù)類似，故采用改進(jìn)超額收益法評估數(shù)據(jù)資產(chǎn)效率性價值更能體現(xiàn)數(shù)據(jù)資產(chǎn)價值創(chuàng)造的本質(zhì)。數(shù)據(jù)資產(chǎn)的效率性價值創(chuàng)造依賴其他資產(chǎn)的共同參與，因此采用層次分析結(jié)合多期超額收益法確定數(shù)據(jù)資產(chǎn)效率性價值。整體脈絡(luò)是：首先，根據(jù)企業(yè)歷史凈資產(chǎn)收益率和相關(guān)影響因素值分別采用灰色預(yù)測及BP神經(jīng)網(wǎng)絡(luò)預(yù)測企業(yè)收益期內(nèi)凈資產(chǎn)收益率，再根據(jù)誤差倒數(shù)加權(quán)法確定組合預(yù)測的企業(yè)凈資產(chǎn)收益率，類似方法得到行業(yè)凈資產(chǎn)收益率，二者作差得到企業(yè)超額收益率；其次，將所有者權(quán)益與超額收益率相乘得到收益期各期超額收益；再次，利用層次分析法計(jì)算數(shù)據(jù)資產(chǎn)收益分成率，與超額收益相乘得到數(shù)據(jù)資產(chǎn)收益貢獻(xiàn)值；最后，將數(shù)據(jù)資產(chǎn)貢獻(xiàn)值在收益期內(nèi)折現(xiàn)得到數(shù)據(jù)資產(chǎn)效率性價值。公式如下：其中，n為收益期，Ek為第k年數(shù)據(jù)資產(chǎn)超額業(yè)務(wù)收益貢獻(xiàn)值，r為折現(xiàn)率。3.整體數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價值將數(shù)據(jù)資產(chǎn)創(chuàng)新性價值與效率性價值求和得到數(shù)據(jù)資產(chǎn)整體經(jīng)濟(jì)價值。本文構(gòu)建的互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值體系如圖1所示。（二）經(jīng)濟(jì)參數(shù)確定1.未來創(chuàng)新性收入在測算創(chuàng)新性價值時，用企業(yè)廣告收益近似代表企業(yè)創(chuàng)新性收入，由于其影響因素繁多且難以量化，考慮數(shù)據(jù)的時間序列特征采用單變量灰色模型預(yù)測企業(yè)未來創(chuàng)新性收入?；诨疑Ｐ偷念A(yù)測過程如下：（1）將n年的廣告收入序列作為初始時間序列（2）經(jīng)一次累加生成得到序列（3）作處理得到相鄰均值序列（4）得到灰色預(yù)測模型（5）計(jì)算得到一次累加生成預(yù)測值（6）通過累減還原生成廣告收入的預(yù)測值序列2.企業(yè)預(yù)期超額收益確定數(shù)據(jù)資產(chǎn)效率性價值的核心步驟在于預(yù)測企業(yè)收益期內(nèi)超額收益?？紤]到超額收益影響因素的復(fù)雜性與非線性，本文構(gòu)建基于灰色預(yù)測和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型，既考慮了縱向時間序列趨勢，又包含了橫向相關(guān)因素的影響。灰色模型前面已有介紹，此處不再贅述。BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法進(jìn)行訓(xùn)練的前饋網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)可以基于數(shù)據(jù)本身挖掘相互之間聯(lián)系的一般規(guī)律，自動尋找輸入數(shù)據(jù)與輸出數(shù)據(jù)的非線性映射關(guān)系，若訓(xùn)練次數(shù)或訓(xùn)練誤差未達(dá)到預(yù)設(shè)值，則會自動返回循環(huán)進(jìn)行修正直至達(dá)到預(yù)設(shè)值，具有較強(qiáng)的學(xué)習(xí)能力，因此使用較為廣泛。基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測步驟如下：（1）數(shù)據(jù)歸一化為消除數(shù)據(jù)數(shù)量級的影響，需要對數(shù)據(jù)進(jìn)行歸一化處理。（2）設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)該步驟需要設(shè)定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，包括輸入層、隱含層、輸出層的節(jié)點(diǎn)個數(shù)，訓(xùn)練次數(shù)，學(xué)習(xí)速率，最小目標(biāo)誤差，激勵函數(shù)，訓(xùn)練算法等。（3）訓(xùn)練神經(jīng)網(wǎng)絡(luò)經(jīng)反復(fù)訓(xùn)練，選擇與實(shí)際值擬合較好的網(wǎng)絡(luò)，計(jì)算預(yù)測值與真實(shí)值的誤差，檢驗(yàn)?zāi)Ｐ途燃笆諗啃裕魧斎胫颠M(jìn)行歸一化處理則在該步驟需要對輸出值進(jìn)行反歸一化。（4）調(diào)用神經(jīng)網(wǎng)絡(luò)將輸入值輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中得到預(yù)測輸出值。3.數(shù)據(jù)資產(chǎn)對企業(yè)超額收益的貢獻(xiàn)比例數(shù)據(jù)資產(chǎn)作為表外資產(chǎn)，屬于數(shù)據(jù)資產(chǎn)貢獻(xiàn)的超額收益需從企業(yè)整體超額收益中分離。采用層次分析法計(jì)算數(shù)據(jù)資產(chǎn)對企業(yè)超額收益的貢獻(xiàn)比例，步驟如下：（1）確定層次結(jié)構(gòu)模型（如圖2所示）（2）構(gòu)建判斷矩陣對同一層次各因素相對于上一層次指標(biāo)的重要程度采用1—9標(biāo)度法打分，進(jìn)而得到準(zhǔn)則層與方案層的判斷矩陣。（3）求最大特征值及其特征向量求得各判斷矩陣的最大特征值λ及其所對應(yīng)的特征向量。（4）一致性檢驗(yàn)檢驗(yàn)公式為：其中，n表示判斷矩陣階數(shù)，λ表示最大特征值，RI可通過隨機(jī)一致性指標(biāo)表格獲取，CI為一致性指標(biāo)，CR為一致性比例。當(dāng)CR＜0.1時，一致性檢驗(yàn)通過。（5）計(jì)算方案層各因素權(quán)重一致性檢驗(yàn)通過后，將各判斷矩陣最大特征值對應(yīng)的特征向量作歸一化處理，得到各層判斷矩陣的權(quán)向量，作內(nèi)積運(yùn)算后得到方案層各指標(biāo)對超額收益的貢獻(xiàn)權(quán)重。4.計(jì)算折現(xiàn)率折現(xiàn)率是將數(shù)據(jù)資產(chǎn)創(chuàng)造的廣告收入及超額業(yè)務(wù)收益折算成現(xiàn)值的比率，本質(zhì)為數(shù)據(jù)資產(chǎn)的預(yù)期投資報酬率，選取股權(quán)資本成本作為折現(xiàn)率。數(shù)據(jù)資產(chǎn)在確權(quán)、制度保護(hù)、未來收益等存在不確定性，需要考慮數(shù)據(jù)資產(chǎn)的特定風(fēng)險報酬率。根據(jù)資本資產(chǎn)定價模型確定折現(xiàn)率公式如下：其中：RF為無風(fēng)險利率，采用國債利率代替；？茁為風(fēng)險系數(shù)，可通過Wind金融終端計(jì)算得到某企業(yè)該系數(shù)；RM為股票平均市場報酬率，可通過Wind金融終端計(jì)算得到；？著為數(shù)據(jù)資產(chǎn)特定風(fēng)險報酬率。5.確定收益期收益期是持有資產(chǎn)給企業(yè)帶來收益的時間。理論上數(shù)據(jù)資產(chǎn)的經(jīng)濟(jì)壽命同企業(yè)存續(xù)期相同為無限期，因數(shù)據(jù)具有非消耗性，可以一直存于企業(yè)中，但現(xiàn)實(shí)使用時，受數(shù)據(jù)時效性、市場競爭、法律規(guī)定、合同協(xié)議等的影響，數(shù)據(jù)資產(chǎn)收益時間可能是有限的，應(yīng)該充分考慮各行各業(yè)特點(diǎn)結(jié)合職業(yè)判斷確定收益期。五、模型應(yīng)用本文以互聯(lián)網(wǎng)企業(yè)為研究對象?；ヂ?lián)網(wǎng)企業(yè)相比其他行業(yè)擁有更豐富的數(shù)據(jù)資源，具備整合及利用數(shù)據(jù)資源的能力，能實(shí)現(xiàn)數(shù)據(jù)要素與企業(yè)其他資源的優(yōu)勢互補(bǔ)，同時數(shù)據(jù)實(shí)現(xiàn)價值創(chuàng)造的途徑更廣泛，可以為更多企業(yè)提供借鑒。TX公司作為國內(nèi)互聯(lián)網(wǎng)行業(yè)領(lǐng)先企業(yè)，運(yùn)用自身社交網(wǎng)絡(luò)平臺形成豐富的數(shù)據(jù)資源，為用戶提供互聯(lián)網(wǎng)增值服務(wù)、網(wǎng)絡(luò)廣告服務(wù)及電子商務(wù)服務(wù)。TX公司每年創(chuàng)造比行業(yè)平均更多的明顯收益，數(shù)據(jù)資產(chǎn)成為企業(yè)獲取超額收益的關(guān)鍵性資產(chǎn)，數(shù)據(jù)資產(chǎn)價值如何、數(shù)據(jù)資產(chǎn)價值如何實(shí)現(xiàn)更大限度地釋放成為企業(yè)需要解決的問題。以TX公司為例應(yīng)用模型，考慮到TX公司經(jīng)營多元化、業(yè)務(wù)范圍廣、數(shù)據(jù)更新快的特點(diǎn)，為保證預(yù)測準(zhǔn)確性將該公司數(shù)據(jù)資產(chǎn)的收益期設(shè)為5年。（一）數(shù)據(jù)資產(chǎn)創(chuàng)新性價值評估1.灰色模型預(yù)測企業(yè)未來創(chuàng)新性收入使用2017—2021年的歷史廣告收入數(shù)據(jù)對未來2022—2026年的創(chuàng)新性收入進(jìn)行預(yù)測，并檢驗(yàn)?zāi)Ｐ途?，結(jié)果顯示預(yù)測相對誤差為1.76%，擬合優(yōu)度R2為0.9878，預(yù)測精度很高，預(yù)測曲線如圖3所示。2.折現(xiàn)率根據(jù)資本資產(chǎn)定價模型，無風(fēng)險利率選取2022年11月十年期國債到期收益率2.8%；股票平均市場收益率選取近十年恒生指數(shù)、上證指數(shù)、標(biāo)普500指數(shù)、滬深300指數(shù)及納斯達(dá)克100指數(shù)的年化收益率均值8.65%；風(fēng)險系數(shù)根據(jù)近五年Wind金融終端該企業(yè)周收益序列計(jì)算為1.1680，則股權(quán)資本成本為9.63%。分析我國有關(guān)數(shù)據(jù)資產(chǎn)的規(guī)定政策及外部環(huán)境，確定企業(yè)數(shù)據(jù)資產(chǎn)特定風(fēng)險報酬率為4%，最終確定數(shù)據(jù)資產(chǎn)未來收益折現(xiàn)率為13.63%。根據(jù)公式（1）計(jì)算得到數(shù)據(jù)資產(chǎn)創(chuàng)新性價值為4693.35億元。（二）數(shù)據(jù)資產(chǎn)效率性價值評估1.灰色模型和BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測企業(yè)未來超額收益率（1）灰色模型一是預(yù)測行業(yè)凈資產(chǎn)收益率。為保證預(yù)測準(zhǔn)確性，灰色模型通過2012—2021年總資產(chǎn)凈利率、權(quán)益乘數(shù)數(shù)據(jù)預(yù)測未來凈資產(chǎn)收益率。結(jié)果顯示：灰色預(yù)測行業(yè)總資產(chǎn)凈利率平均絕對誤差為1.4825，相對誤差為19.10%；預(yù)測行業(yè)權(quán)益乘數(shù)平均絕對誤差為0.0484，相對誤差為2.98%。模型精度較高，實(shí)際值在預(yù)測值上下發(fā)生較小波動，可以用來預(yù)測，預(yù)測曲線如圖4、圖5所示。二者相乘得到行業(yè)凈資產(chǎn)收益率。二是預(yù)測企業(yè)凈資產(chǎn)收益率。結(jié)果顯示：灰色預(yù)測企業(yè)總資產(chǎn)凈利率平均絕對誤差為1.7119，相對誤差為12.7%；預(yù)測企業(yè)權(quán)益乘數(shù)平均絕對誤差為0.1449，相對誤差為6.89%。模型精度較高，實(shí)際值在預(yù)測值上下發(fā)生較小波動，可以用來預(yù)測，預(yù)測曲線如圖6、圖7所示。二者相乘得到企業(yè)凈資產(chǎn)收益率。（2）BP神經(jīng)網(wǎng)絡(luò)一是行業(yè)凈資產(chǎn)收益率預(yù)測。本文在選取影響互聯(lián)網(wǎng)行業(yè)收益的因素時，從宏觀經(jīng)濟(jì)、行業(yè)特征、消費(fèi)人群三個方面考慮，最終選取8個影響因素：居民人均可支配收入，國內(nèi)生產(chǎn)總值，行業(yè)凈資產(chǎn)收益率的分解指標(biāo)營業(yè)凈利率、總資產(chǎn)周轉(zhuǎn)率、權(quán)益乘數(shù)，互聯(lián)網(wǎng)企業(yè)數(shù)量（滬深A(yù)股剔除ST及*ST），網(wǎng)民數(shù)量，15～64歲人口數(shù)。構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時，輸入層與隱含層、隱含層與輸出層的激勵函數(shù)分別為“tansig”型和“purelin”型，訓(xùn)練算法選取“trainlm”型。依據(jù)BP神經(jīng)網(wǎng)絡(luò)建模原理確定的最終網(wǎng)絡(luò)相對誤差為8.6923%，精度較高?；貧w系數(shù)如圖8所示，訓(xùn)練集、測試集、驗(yàn)證集以及整體相關(guān)系數(shù)分別為0.99289、0.99772、0.99174、0.99024，訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型輸出值和實(shí)際值非常接近，趨勢一致，預(yù)測結(jié)果可信。用該神經(jīng)網(wǎng)絡(luò)模型對未來行業(yè)凈資產(chǎn)收益率指標(biāo)進(jìn)行預(yù)測，預(yù)測曲線如圖9所示。二是企業(yè)凈資產(chǎn)收益率預(yù)測。從宏觀經(jīng)濟(jì)、企業(yè)特性、消費(fèi)人群出發(fā)，選取10個影響企業(yè)收益的因素：居民人均可支配收入，國內(nèi)生產(chǎn)總值，企業(yè)凈資產(chǎn)收益率的分解指標(biāo)營業(yè)凈利率、總資產(chǎn)周轉(zhuǎn)率、權(quán)益乘數(shù)，企業(yè)營業(yè)收入，無形資產(chǎn)，固定資產(chǎn)，15～64歲人口數(shù)，企業(yè)活躍用戶數(shù)。確定的網(wǎng)絡(luò)相對誤差為1.4777%，精度較高。回歸系數(shù)如圖10所示，訓(xùn)練集、測試集、驗(yàn)證集以及整體的相關(guān)系數(shù)分別為1、0.99931、0.99764、0.99632，訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型輸出值和實(shí)際值非常接近，趨勢一致，預(yù)測結(jié)果可信。用該神經(jīng)網(wǎng)絡(luò)模型對未來的企業(yè)凈資產(chǎn)收益率指標(biāo)進(jìn)行預(yù)測，預(yù)測曲線如圖11所示。（3）確定組合預(yù)測模型組合預(yù)測可以彌補(bǔ)某單項(xiàng)預(yù)測模型的劣勢并充分發(fā)揮各個模型的優(yōu)勢，有效從原始數(shù)據(jù)中提取更多的有用信息，最終達(dá)到提高預(yù)測準(zhǔn)確性的效果。變權(quán)組合預(yù)測模型能夠?qū)崿F(xiàn)在每一個樣本點(diǎn)上賦予誤差較小的模型以較大的權(quán)重，比定權(quán)組合預(yù)測模型更加精確。運(yùn)用誤差倒數(shù)加權(quán)法[18]計(jì)算未來時刻各單項(xiàng)預(yù)測模型的變權(quán)重系數(shù)。本文涉及兩個單項(xiàng)預(yù)測模型，組合預(yù)測模型公式如下：其中，■kt為t時第k種單項(xiàng)預(yù)測模型預(yù)測值；■t為t時各單項(xiàng)模型的加權(quán)平均預(yù)測值；ekt為t時第k種單項(xiàng)模型的預(yù)測誤差平方和；wkt為t時第k種單項(xiàng)預(yù)測模型的權(quán)重；■t為t時的變權(quán)組合預(yù)測值。根據(jù)公式得到2022—2026年企業(yè)及行業(yè)凈資產(chǎn)收益率組合預(yù)測值，差額為超額收益率，2022—2026年超額收益率依次為18.03%、15.70%、12.46%、11.66%、12.42%。2.企業(yè)超額收益確定基于新信息優(yōu)先原理，運(yùn)用灰色模型預(yù)測企業(yè)未來所