摘要：基于互联网企业轻资产、重研发等特性，文章通过杜邦分析法改进剩余收益测算，引入研发支出、无形资产和截距项等新指标，对Ohlson模型进行创新性改进。通过实证分析和案例研究，探讨了改进模型在互联网企业价值评估中的适用性和准确性，这一研究为互联网企业提供了更适应其特点的估值方法，为未来研究提供了新的视角和实践参考。

　　关键词：Ohlson模型；互联网企业；剩余收益；企业价值评估

　　引言

　　在互联网行业迅猛发展的背景下，对其企业价值的评估变得日益复杂。传统的企业价值评估方法往往不能充分反映互联网企业的特点，如创新的商业模式和轻资产结构。Ohlson模型作为基于剩余收益模型的估值方法，未能充分反映如研发投入对企业价值的影响。本研究通过改进Ohlson模型，引入与互联网企业增长相关的新变量，旨在提供更精确的企业价值反映。通过实证分析和案例评估，为互联网企业价值评估提供一个科学、实用的新工具，为理论发展和实践应用贡献新见解。

　　一、Ohlson模型概述及相关改进

　　（一）Ohlson模型概述

　　Ohlson模型基于剩余收益模型（RIM），由Edwards等于1961年提出，强调企业价值由其账面价值和未来超额收益的现值共同构成[1]。RIM模型的基本表达式如下。

　　其中：Vt为第t期的企业价值；BVt为第t期的权益资本价值；RIt为第t期的剩余收益；Rf为投资者要求的正常报酬率。

　　1995年，Ohlson对RIM进行评价，并认识到仅依赖RIM可能无法全面反映所有影响企业价值的因素，尤其是对于不常规分配股利或拥有大量无形资产的公司。因此，他尝试在RIM的基础上，引入线性动态信息假设，此假设突破了传统的静态分析，提出会计信息与企业价值之间的关系是随时间而动态变化的[2]。这一假设不仅包含了如超额收益和账面净资产这样的传统会计指标，还涵盖了会计体系之外的其他影响因素。这一假设的引入，使得Ohlson模型能够灵活地适应不同行业特性的估值需求，特别是能够更全面和有针对性地捕捉影响企业价值的多种因素。具体而言，这一假设通过自回归的方式，将剩余收益和其他信息视为随时间演化的动态序列，由此推导出的表达式如下。

　　其中：RIt+1和RIt分别为第t+1期和第t期的剩余收益；vt+1和vt为第t+1期和t期企业剩余收益的其他影响因素；ω、m为反映持续性的常数；ε1t+1、ε2t+1为均值为0的随机扰项。

　　进而创造出了Ohlson模型，其公式如下。

　　其中：Vt为第t期的企业价值；BVt为第t期的权益资本价值；RIt为第t期的剩余收益；vt为t期除会计数字外的其他可能影响企业价值的因素。

　　可以通过数据拟合得到，它们量化了剩余收益和其他信息对当前市场价值的影响。通过这样的模型构建，Ohlson能够更全面地评估企业价值。

　　(二）针对互联网企业的Ohlson模型改进

　　Ohlson模型的核心构成包括剩余收益、必要收益率，以及影响企业价值的其他信息。本次研究的改进方向主要集中在如何通过动态化和扩展这些关键指标来提升模型的适用性和预测精度。具体来说，本次研究将从以下几方面对该模型进行改进。

　　1.基于线性信息动态化检验假设的改进

　　针对此次互联网企业的Ohlson模型，改进着重于引入研发支出（RD）和无形资产（IA）来替代模型中的“其他信息”[3]。这一改进主要基于对互联网上市企业轻资产、注重研发支出等特性的考虑[4]。通过这种改进，希望能够提高Ohlson模型应用于互联网企业价值评估的适用度，提升模型的实用性。基于此，改进处理后的模型表达式如下。

　　另外，基于对互联网企业价值影响因素的全面性考虑。此次研究尝试参考Myers的做法，引入截距项α0截距项代替模型中未被捕捉到的“其他信息”[5]。此策略旨在简化结构，减少对“其他信息”识别的需求，采用截距项充当未识别变量的代理，确保模型适用性不受损。改进处理后的模型表达式如下。

　　2.基于剩余收益测算的改进

　　考虑到剩余收益本身不易预测，此次研究尝试引入杜邦分析体系并对其进行改进，通过ROE变形得到权益资本，从而将剩余收益的计算转换为从财务报表中容易获得的比率指标[6]。计算过程如下。

　　结合杜邦财务分析体系的相关指标关系如下。

　　最后，将ROE、BVt−1推导得出的表达式带入，可得改进后的剩余收益的表达式如下。

　　BVt−1为t-1期的净资产账面价值，ROEt为t期权益资本成本，MOSt为企业t期销售利润率，ATOt为t期企业总资产周转率，EMt−1为t-1期权益乘数，St为企业t期的销售收入，Yt−1为t-1期的资产总额，Rf为无风险报酬率。

　　综上，通过上文对剩余收益模型的改进，可以推导出Ohlson模型改进后的基础表达式如下。

　　3.融入资本资产定价模型的改进

　　在Ohlson模型中，通常采用无风险报酬率作为折现率，但考虑到互联网企业的高波动性和风险特征，本研究决定引入资本资产定价模型（CAPM），通过无风险利率、市场报酬率和系统风险β来修正无风险报酬率至风险报酬率[7-8]。

　　具体来说，此次研究将我国2018—2022年的中债国债

　　到期收益率均值3.02%用作无风险利率Rf；并采用沪深300指数市场收益率均值7.12%作为市场收益率Rm，对于β值，利用CSMAR数据库得出互联网行业2018—2022年的平均阝系数为1.023。

　　综上，将其带入CAPM公式，可以得出此次Ohlson估值模型里面的修正后的折现率为7.16%，计算过程如下所示。

　　R=Rf+β（Rm－Rf）=0.03+1.02*0.040 8=7.16%1+7.16%=1.071 6

　　二、改进后模型在互联网企业的实证分析

　　（一）研究假设及变量选取

　　当使用改进后的Ohlson模型对互联网企业价值进行评估时，需要检验模型是否符合线性假设的要求，也就是要验证前述关于剩余收益RI及其他信息变量的自回归过程。

　　对于回归系数ω和m来讲，若ω,m=0，则意味着剩余收益和其他信息主要是由随机因素来决定的，自回归性不稳定；若ω,m=1，则意味这期的剩余收益会全部转移到下期，而结合经济学的观点来分析可知，超额收益和其他信

　　息因素的影响在行业的发展过程中是慢慢递减的。综上，结合Ohlson模型中的系数α1和α2的表达式，能够得出本次研究核心假设。

　　0<ω<1，0<m<1+Rf

　　另外，对于本次研究前述已经提到的所需变量，均通过Choice可得。销售利润率（MOS）、总资产周转率（ATO）、权益乘数（EM）、销售收入（S）均来自于柳钢集团财务报表。无风险利率（Rf），市场收益率（Rm），贝塔(β)三者均来自于Choice金融终端。

　　最终，本次研究通过剔除数据异常的企业，最终选择了49家2018—2022年沪深A股上市互联网企业作为此次实证检验的样本，来评估其在互联网上市企业价值估算中的有效性。

　　（二）实证结果及分析

　　1.变量相关性统计分析

　　首先，对此次Ohlson模型中所包含的变量展开相关性分析，利用STATA得到的结果见表1。

　　可以看出市值V、净资产B V和剩余收益RIb均存在显著的正相关，这是对净资产和剩余收益指标解释企业价值的正确性。此外，RD、IA均与市值和净资产存在显著的正相关性，反映了无形资产和研发投入增加互联网企业内部价值的重要性，是对Ohlson模型的正面肯定。

　　2.线性动态信息回归检验

　　其次，针对前述对模型的改进，对模型的估计参数进行检验，得出的检验结果见表2。

　　根据回归结果可知，通过引入杜邦分析体系来改良剩余收益，并将研发投入、无形资产、截距项作为模型中其他信息的代理变量时，RIb的自回归系数ω均在0~1之间，符合模型的线性回归假设。且均在1%的显著性水平上通过了显著性检验，即历史的剩余收益对其未来值具有显著预测作用。

　　接下来，需要进一步对RD、IA的自回归进行线性检验，将数据代入STATA，得到结果见表3。

　　分析可知，RD、IA的自回归系数m均在（0，1+Rf）之间，且P值在1%的显著性水平上显著。这进一步证实了无形资产及研发支出对互联网企业价值有着强烈的预测作用。

　　（三）构建评估互联网企业价值的Ohlson模型

　　综上，根据上一节的检验结果，并通过计算，可以得到以下3种改进方式的估值模型，见表4。

　　三、改进后模型的案例估值应用

　　首先，本研究将依据申万行业分类，从互联网传媒、互联网软件开发和互联网游戏这三个互联网细分行业选取X、Y、Z三家典型上市企业作为案例企业，分别采用上一节构建的改进Ohlson模型对其进行估值计算，并与评估基准日（2022年12月31日）的市值作对比，旨在探讨改进后Ohlson模型在不同特点的互联网细分行业的实际应用的有效性。

　　根据表5结果，我们可以观察到，改进Ohlson模型的3种方法，在面对不同特定点的互联网企业，显示出了不同的效果。具体来讲，面对以内容服务为主的互联网传媒企业X，改进后模型达到了与市值100.05%的高度一致性。因此，针对那些无形资产占主导地位的互联网企业，精确地估算无形资产的总值在未来的实际评估工作中至关重要。

　　进一步分析，横向比较Y和Z企业的估值结果，发现相较于其他改进方式，使用研发支出替代改进“其他信息”的模型评估出来的企业价值更贴近于市价，凸显了研发投入对互联网软件开发及游戏企业价值的关键影响。且相较于Y企业，Z企业的估值明显更贴近于市值，这可能是因为互联网游戏企业在研发方面的投入及其对公司价值的贡献更为显著。另外，此次采用截距项替代“其他信息”的改进方式，均未呈现出比较优越的结果，这启示我们对估值模型的选择和参数的选取需充分考虑企业的业务特性和市场环境，以增强评估结果的准确性和实用性。

　　四、结论及建议

　　（一）结论

　　本研究对Ohlson模型进行了针对性的改进，以适应互联网行业的特性。通过引入研发支出、无形资产和截距项等新变量，应用杜邦分析体系优化剩余收益的计算，构建了一个改进的互联网企业价值评估模型。实证分析和案例研究结果表明，该模型在估值预测上具有明显优势，尤其适用于研发密集型和高度依赖无形资产的企业。此改进为互联网企业提供了一个更为精确和实用的价值评估工具，为后续研究和实践提供了新的思路。

　　（二）建议

　　鉴于模型改进带来的积极结果，建议未来的研究在以下几个方面进行深化：首先，进一步探索和量化互联网企业的非财务指标，如用户增长率和技术创新能力，以更准确地反映这些因素对企业价值的影响。同时，建议在模型应用过程中充分考虑行业特性和企业特定环境，以确保评估结果的准确性和实用性。此外，探索模型在不同互联网细分行业中的应用效果，有助于进一步验证和优化模型的普遍性和灵活性。

　　参考文献：

　　［1］EDWARDS E O，BELL P W.The theory and measurement of business income［M］.Berkeley：University of California Press，1961.

　　［2］FELTHAM G A，OHLSON G A.Valuation and clean surplus accounting for operating and financial activities［J］.Contemporary Accounting Research，1995，11（2）：689-731.

　　［3］杨柳.基于改进Ohlson模型的互联网企业价值评估研究［D］.南昌：江西财经大学，2022.

　　［4］贾嘉.互联网企业价值评估方式及应用探讨［J］.中外企业文化，2022（6）：49-51.

　　［5］MYERS J N.Implementing residual income valuation with linear information dynamics［J］.The Accounting Review，1999，74（1）：1-28.

　　［6］谭三艳.剩余收益估价模型及其应用改进［J］.财会月刊，2009（27）：9-11.

　　［7］罗文婷.基于改进Ohlson模型的制药企业价值评估研究［D］.上海：上海财经大学，2020.

　　［8］赵欢.改进Ohlson模型在互联网企业价值评估中的应用［J］.财会通讯，2019（8）：13-17.