摘要：随着数字经济不断发展和新一轮科技革命的到来，数据成为一种新的生产要素，数据资产正逐渐晋升为企业的核心竞争力。对数据资产进行评估，有利于企业对数据资产有效管理与利用、对其价值有效辨别并为数据资产入表提供一定基础。以收入法为基础，基于多期超额收益模型，将数据资产区别于其他资产，考虑数据资产的价值易变性，改进该模型中的折现系数，以评估企业在数字化转型过程中产生的数据资产价值。选取海尔智家为评估对象并进行案例分析，验证了改进模型的合理性，研究结果表明，数据资产能够给企业带来超额收益。

　　关键词：数据资产；价值评估；多期超额收益模型

　　0引言

　　数据资产具有巨大的价值，但企业数据资产的价值目前无法被科学合理地计量评估。企业亦无法知道数据资产对自身的价值影响，对数据资产管理不清晰、不合理，自身拥有的数据资产尚未被有效开发利用。

　　目前，国内将数据资产偏向定义为无形资产，评估方法较多，不统一，且在评估时对于数据资产的价值影响因素与影响程度考虑较少，并且没有深入研究数据资产特征对数据资产价值的影响。国外偏向于将数据资产确认为一种特定的大数据，是关于预测的大数据集，对大数据的特征、分类及安全性较为全面，对于数据资产价值评估方面尚无深入研究与确定。

　　数据资产定义模糊，成本核算困难，直接收入难以测算，市场交易案例少。以收入法为基础，基于多期超额收益模型能够以超额收益来衡量数据资产的价值，对数据资产的价值进行评估。

　　1文献综述

　　评估数据资产的价值，应当首先明确数据资产的相关定义，确定影响其价值的各个因素。首先是关于什么是数据资产，大数据具有财产属性，是信息财产权客体，是大数据控制人的数据资产[1];数据资产没有实物形态且可辨认非货币性资产，因此可以考虑将数据资产并入无形资产[2];数据资产可定义为“由企业拥有或控制的具有数据化形态的可辨认非货币性资产”[3];数据资产是企业由于过去事项而控制的现时数据资源，并且有潜力为企业产生经济利益。数据资产是企业生产经营中每天都会碰到的符号，是世界通行的一种语言方式，是科学研究的基础和经济决策的依据[4];大数据资产定义为由企业过去的交易或事项形成，由企业拥有其使用权或所有权的，有具体的应用场景能为企业带来经济利益的数据[5];有价值的数据如果符合资产定义和确认标准，应确认为数据资产，否则就只能当作数据资源[6];数据资产定义为具备创造经济利益的经济资源特征和经济所有权权属特征、使用期限超过一年、并且其价值和成本可计量的电子数据资源[7]。

　　关于数据资产的评估方法，方法较多，尚不统一。B-S模型能够较为准确地对我国互联网金融企业的数据资产进行仿真计算评估，且评估准确度较高8;基于多期超额收益法，将数据资产的折现率区别于无形资产整体折现率，其中基于剩余法的多期超额收益模型，以对数字化转型企业的数据资产价值进行评估9]。除此之外，可以用传统的3种资产评估的方法成本法、收益法、市场法对数据资产价值进行评估。除3种方法分别对应的场景外，还可考虑应用其他财务估值模型，如信息成本价值模型(CVI)、信息市场价值模型(MVI)和信息经济价值模型(EVI)等。此外，还可采用多种方法与模型相结合的手段对数据资产价值进行综合评估[10]。对于不确定性大、价值难以量化的数据资产，当相似或同类数据资产的估价积累了一定的样本量，则可以借鉴统计学置信区间估计或统计分布等非参估计的思想进行数据资产的估价[11]。

　　对于数据资产估值，学者在使用多期超额定价模型时，被评估企业的数据资产折现率不够精准，同时也未考虑到实际情况中数据资产易变性，数据资产价值会随时间的流逝不断变化。基于多期超额收益模型，进一步考虑数据资产易变性，优化数据资产折现率，对企业数据资产价值进行评估。

　　2模型构建

　　超额收益预测是将企业的数据资产所创造的超额收益作为预期收益的方式。具体思路是，首先测算数据资产及数据资产相关的贡献资产共同创造的整体收益，然后在此基础上扣除相关贡献资产的贡献，将剩余收益确定为超额收益。相关贡献资产通常包括流动资产、固定资产、无形资产和组合劳动力等。其计算公式为

　　(1)式中：P,为第t期的数据资产产生的预期收益；R,为数据资产与其他相关贡献资产产生的整体超额收益；n为其他相关贡献资产的种类；i为第i种其他相关贡献资产；C,为第t期的第i种其他相关贡献资产的预测贡献额。

       自由现金流计算公式为

　　自由现金流=息税前利润-所得税-资本性支出-营运资本变动额+固定资产折旧+无形资产摊销+长期待摊费用摊销

　　息税前利润=营业收入-营业成本-营业税金及附加-销售费用-管理费用

　　流动资产预测收益额=流动资产年平均余额×流动资产收益率

　　固定资产预测收益额=固定资产年平均额×固定资产回报率+固定资产折旧补偿

　　无形资产预测收益额=无形资产年平均额×无形资产回报率+无形资产摊销补偿

　　被评估的数据资产价值可用数据资产多期超额收益来计算，数据资产多期超额收益指的将预测期的数据资产每期超额收益折现到当前的价值，计算公式为

　　式中：V为被评估的数据资产的价值；P,为第t期的数据资产产生的预期收益；i为数据资产折现率；n为数据资产预期收益期期数。

　　流动资产指的是由企业拥有或控制的预计在1年内中变现、出售或耗用的资产，考虑到其回报率可选择1年期国债收益率。

　　固定资产其折旧年限通常超过1年，其回报率可根据企业实际固定资产平均折旧年限情况选择1年期以上的国债收益率即可。视企业固定资产平均折旧年限实际情况，选择3年、5年期国债收益率。

　　无形资产与固定资产类似，其摊销年限超过1年，回报率根据实际情况选择1年期以上的国债收益率即可。视企业无形资产平均折旧年限选择3年、5年期国债收益率。

　　数据资产折现率：对于企业而言，数据资产其价值是通过企业全方位来体现的，既可以直接为企业带来出售收益或利用数据资产改进业务流程、降低风险、增强市场力量和创新等，同时其收益率无法直接测算，因此数据资产折现率可考虑将同行业相似企业加权平均资本成本均值看作企业的整体资产的收益率，然后分别计算出该企业除数据资产之外的其他资产的收益率及占总资产之比，从而倒算出数据资产的折现率。

　　加权资本成本计算公式为

　　式中，WACC为企业加权资本成本；K。为股权报酬率；K。为债券报酬率；D为股权市场价值；E为债券市场价值；T为企业所得税税率。

　　K。可通过资本资产定价模型计算，公式为

       式中，R。为无风险报酬率；R为风险报酬率；β为风险系数。

　　则WACC的计算公式为

       式中，W为数据资产占总资产比率；W,为流动资产占总资产比率；W为固定资产占总资产比率；W,为无形资产占总资产比率；ia、i,、i。、i,分别为其对应的报酬率。

　　数据资产预期收益期：数据资产收益具有波动性，其价值影响因素较多，故预期收益期不宜过长，选择5年作为预期收益期。

　　3案例分析

　　3.1案例介绍

　　海尔智家是全球白色家电巨头，以生产冰箱、洗衣机、空调等产品为主。海尔智家自2018年开始数字化转型，实行物联网智慧家庭生态品牌战略。目前，该公司正积极推进数字化深化改革，打造全球化的数字平台，提升市场运营能力、研发效率、成本竞争力及周转效率。在过去6年，海尔智家推进数字化期间产生海量的数据资产，如何评估数据资产价值，对企业的数据资产进行精细化管理是亟须解决的问题。将海尔智家作为数据资产评估的案例，有利于其数字化深化改革，提升市场运营能力、研发效率、成本竞争力以及周转效率。

　　3.2数据分析

　　海尔智家自2018年开始实行数字化转型，同时考虑到评估期间不宜太长，故选2019—2023年共5年作为海尔智家数据资产评估期间，评估基准日为2023年12月31日，亦作为数据预测的基础，假设海尔智家亦满足其他基本的资产评估条件。全球经济增长将从2022年的3.5%放缓至2023年的3%和2024年的2.9%[12]。综合考虑评估基准日海尔智家所处的全球经济形式，将流动资产回报率选择使用评估基准日当天的1年期国债收益率2.08%,将固定资产和无形资产回报率选择使用评估基准日当天的5年期国债收益率2.40%。

　　3.2.1自由现金流预测

　　根据海尔智家2019—2023年的年报数据，用2019—2023年的营业收入200761983256.57元、209725821099.44元、227 556 143 618.17元、243513563670.73元、261427783050.10元作为基础数据，使用SPSS软件23版本，用最小二乘法构建其营业收入预测模型，得到年限X(年)与营业收入Y(元)的预测方程为

　　Y=15511934215.835X-31151021991263.53

　　自由现金流量计算。根据得到的年限X与营业收入Y的测方程，可计算出海尔智家2024—2028年营业收入预测值。在计算自由现金流量预测值时，海尔智家营业收入、营业成本、营业税金及附加、销售费用等均按过去5年占营业收入的平均值处理。经查询，海尔智家属于高新技术企业，按15%税率计算企业所得税，自由现金流量计算数据见表1。

　　3.2.2流动资产预测收益额计算。

　　用海尔智家过去5年流动资产占总资产的均值54.79%为基础，总资产增加额占营业收入7.46%,得到流动资产增加额占营业收入比为4.09%。假设流动资产收益率使用2023年12月31日当天1年期国债收益率2.08%,流动资产预测收益额的计算结果见表2。3.2.3固定资产预测收益额计算。

　　海尔智家过去5年资本性支出占营业收入之比均值3.34%,购置固定资产支出占资本性支出之比均值为18.81%,以此为基础计算。假设回报率按2023年12月31日当天5年期国债收益率2.40%计算，计算结果见表3。

　　无形资产预测收益额的计算。同理，可算出海尔智家无形资产资本支出约占资本性支出的8.68%,无形资产投资回报率同样按2023年12月31日当天5年期5年期国债收益率2.40%计算，计算结果见表4。

　　对于表外资产，仅考虑人力资本与数据资产。此处将海尔智家年报中应付职工薪酬账面金额作为人力资本投入，经计算得海尔智家过去5年应付职工薪酬占营业收入之比5年均值为1.76%。根据测度，人才贡献率为17.81%[13],以此作为人力资本贡献率，由此计算可得人力资本预测收益额，计算结果见表5。

　　3.2.4折现率计算

　　选取海尔智家同规模类型企业美的集团、格力电器、海信家电作为参照。假设R。为无风险报酬率，取评估基准日10年期国债收益率2.56%;R。为风险报酬率，按评估日从Choice数据终端取上证综指过去30年年化收益率4.43%;β为风险系数，从Choice数据终端获得，按各企业过去5年历史值进行假设，进而计算出各家企业历年股权资本成本。债务资本成本按2023年12月31日当天5年期银行贷款市场报价利率(LPR)4.20%的税后利率3.57%计算，根据各企业过去5年的历史权益比率和负债比率均值为基础，代入式(3)、式(4),从而计算出各企业的WACC,得到均值3.21%,以此作为海尔智家数据资产回报率测算基准值。计算结果见表6。

　　然后将行业均值WACC=3.21%代入式(5),从而计算出海尔智家数据资产回报率为5.75%,见表7,高于所使用的无形资产回报率2.4%以及上证综指过去30年年化收益率4.43%,表明海尔智家数据资产带来的回报率优于其他资产及市场风险报酬率，符合数据资产的较高风险报酬特性，表明该数据资产回报率的合理性。

　　3.2.5数据资产价值评估结果

　　将预测的海尔智家自由现金流减去各项资产的贡献额得到数据资产超额收益，最终得到数据资产评估结果。评估结果显示：海尔智家在2023年12月31日数据资产价值为656747.98万元，并且数据资产超额收益逐年增加。这表明海尔智家在推动进行数字化转型、全球化战略过程中，数据资产给企业带来了竞争优势与回报。计算结果见表8。

　　3.3海尔智家数据资产评估结果进一步评价

　　数据资产价值评估结果的合理性主要取决于评估模型参数度量是否合理，即数据资产收益率、各项资产的收益率、折现率等。为进一步说明采用的参数具有合理性，本文按照已有的研究所选取的参数重新对海尔智家数据资产进行简要评估。借鉴陈芳和于谦[9]的思路选取各项资产投资回报率：对于固定资产投资回报率选择5年期以上银行贷款利率(LPR)3.95%;表内无形资产投资回报率选择5年期以上银行贷款利率(LPR)3.95%;流动资产投资回报率选择1年期银行贷款利率3.45%,重新对海尔智家数据资产价值评估模型进行验证。计算结果见表9。代入评估年份2024—2028各项评估数据之后，数据资产超额收益额均出现负值。可见，本文选取的评估参数具有一定合理性。

　　除此之外，使用上文预测自由现金流为基础，对海尔智家市值进行价值评估，并将评估基准日与近几年历史股价进行对比分析，从而对模型有效性进行评价。评估模型为

　   式中，V为企业实体价值；FCF为企业净现金流量；WACC为企业加权资本成本；g为永续增长率。由于全球经济增长缓慢，全球经济恶化，假设未来海尔智家未来无增长，即永续增长率为0。

　　根据式(6)可计算出海尔智家在2023年末股票估价为29.62元/股，见表10。查询2023年12月29日收盘日股价为20元/股，2021年历史最高股价为34.57元/股，且2020—2022年末股价在28元/股附近。评估股价在历史合理范围，这表明评估结果较为可靠，同时也验证了本文模型具有一定合理性。

　　4结语

　　当前正处于数字化时代，企业正积极进行数字化转型，数据资产能够给企业带来收益，进一步提升企业综合竞争力。综合考虑数据资产的价值易变性、不确定性，基于超额收益模型，结合海尔智家实际情况，选择1年期国债收益率和5年期国债收益率作为相关资产的收益率；对于该模型折现率，综合考虑同行业相似企业，选择相似企业平均WACC作为数据资产折现率，对海尔智家数据资产价值进行了评估，采用多种方法验证了该模型的可行性与合理性。具体方法包括：第一，判断数据资产收益率是否大于无形资产收益率；第二，数据资产价值存在，选用不适用的参数时，所评估数据资产价值可能为负；第三，结合企业股价分析评估参数的合理性。

　　在研究过程中，对数据资产的非竞争性、可复制性等因素对数据资产造成的影响，存在一定局限性。在未来的研究中将进一步探究数据资产价值影响因素，优化该评估模型。

   参考文献

　　[1]王玉林，高平富.大数据的财产属性研究[J].图书与情报，2016(1):29-35.

　　[2]李泽红，檀晓云.大数据资产会计确认、计量与报告[J].财会通讯，2018(10):58-59,129.

　　[3]张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及信息列报研究[J].会计与经济研究，2020,34(3):3-15.

　　[4]秦荣生.企业数据资产的确认、计量与报告研究[J].会计与经济研究，2020,34(6):3-10.

　　[5]李秉祥，任晗晓.大数据资产的估值[J].会计之友，2021(21):127-133.

　　[6]黄世忠，叶丰滢，陈朝琳.数据资产的确认、计量和报告：基于商业模式视角[J].财会月刊，2023,44(8):3-7.

　　[7]韩秀兰，王思贤.数据资产的属性、识别和估价方法[J].统计与信息论坛，2023,38(8):3-13.

　　[8]王静，王娟.互联网金融企业数据资产价值评估：基于B-S理论模型的研究[J].技术经济与管理研究，2019(7):73-78.

　　[9]陈芳，余谦.数据资产价值评估模型构建：基于多期超额收益法[J].财会月刊，2021(23):21-27.

　　[10]王蕾，李春波.数据资产及其价值评估方法：研究综述与展望[J].中国资产评估，2022(5):4-10.

　　[11]韩秀兰，王思贤.数据资产的属性、识别和估价方法[J].统计与信息论坛，2023,38(8):3-13.

　　[12]IMF.World economic outlook:navigating global divergences(October 2023)[R].2023.

　　[13]·黄敏，穆桂斌，王选华.中国人才贡献率再测度：1978—2017[J].统计与决策，2020,36(20):3943.