價值創造視角下互聯網平臺企業價值評估模型研究

，（教授）

一、問題的提出

艾媒咨詢2016年中國互聯網企業價值榜顯示，位居我國前15位的互聯網公司無一例外都采用平臺經營模式。而上述15家市值最大的互聯網平臺企業，市值總和高達5.24萬億元，成為網絡經濟的價值樞紐，對網絡用戶和投資者的影響巨大。作為一種新型經濟組織形態，互聯網平臺企業在最近十年引起了學術界的極大關注。與傳統企業相比，互聯網平臺企業的預期收益不穩定、無形資產占比高，如研發費用占銷售收入的7%以上（Bhattacharya、Demers和Joos，2010），故股權市場價值很難通過財務指標直接在賬面上反映（Colombo、Grilli，2010；Habib、Hossain，2013）。Trueman、Wong 和 Zhang（2000）實證考察了56個公開交易互聯網企業的經營現金流量與市場價值的相互關系，進一步證實了財務指標與企業價值之間的弱相關性，并證明獨立用戶數和頁面瀏覽量等非財務指標與股價顯著正相關。但也有部分文獻認為會計信息能夠為互聯網市場提供有價值的增量信息，如銷售收入、研發費用、資產負債率等財務指標能夠用以預示企業IPO以后期間的失敗風險（Bhattacharya等，2010）。已有豐富文獻探討了財務指標和非財務指標在價值創造過程中所做貢獻的差異（Cuellar-Fernandez，2011；Singh，2013），但對如何科學合理地構建出適用于互聯網平臺企業的估值整合方法這一問題，尚未得出很好的解決方法。

鑒于此，本文試圖從價值創造的視角出發，基于價值創造的內在邏輯，根據效率、鎖定、互補和創新四個關鍵渠道，搭建包含財務指標和非財務指標的互聯網平臺企業價值創造整體概念框架，并在此基礎上，采用多元OLS回歸法對紐約證券交易所和納斯達克上市企業進行價值評估實踐，以期為平臺管理者進行價值管理與優化提供思想、方法和工具支持。

二、互聯網平臺企業價值創造整體框架和評估模型構建：基于價值創造視角

1.互聯網平臺企業價值創造的概念框架：財務和非財務驅動。本研究的主要對象是互聯網平臺企業，即具有雙邊市場特征、主要提供互聯網信息服務且主營業務收入占營業收入總額50%以上的企業。與傳統企業不同，互聯網平臺企業通常是高風險、高收益企業，知識的不可儲存性和創新效益的溢出效應導致互聯網企業的成長軌跡并非線性（Colombo和Grilli，2010），因此僅通過財務指標之間的鉤稽關系來評判互聯網平臺企業的價值存在很大的局限性（Trueman、Wong和 Zhang，2000）。后續Aghabekyan（2010）、Ghandour（2010）等的研究均表明，影響互聯網平臺企業價值的不止是傳統企業價值評估方法中應用的財務指標。

根據互聯網平臺企業價值創造的內在邏輯，將互聯網平臺企業的價值構成劃分為基礎價值和溢出價值兩大部分。前者以財務指標驅動為主，包括反映運營能力的總資產周轉率（Baik、Chae、Choi，2013）和應收賬款周轉率（Santosuoss，2014）、體現盈利能力的銷售毛利率（Trueman、Wong和Zhang，2000）以及揭示成長能力的銷售收入增長（Libby、Salterio、Webb，2011）和總資產增長指標（Bennedsen、Pérez-González、Wolfenzon，2011）。后者則是以非財務指標為主要驅動，涵蓋了以客戶關系管理為核心的用戶能力（Livne、Simpson、Talmor，2011），基于平臺服務 與 用 戶 需 求（Newbert、Tornikoski、Quigley，2013）、同邊和跨邊用戶之間（Hallen、Eisenhardt，2012）和商業模式構成要素間（Nenonen、Storbacka，2010）的協同能力，以及平臺管理者在員工雇傭、資產購置、兼并收購、產品生產、項目決策、租賃選擇、用戶營銷等多項決策上的綜合能力（Demerjian、Lewis-Western、Lev，2013），另外還包括形勢與政策、行業特征、社會環境等整體宏觀經濟因素（Semmler、Bernard，2012）。

事實上，互聯網平臺企業的價值創造過程包括四個互為依賴的維度：效率、鎖定、互補和創新（Amit、Zott，2001）。基于交易成本經濟學，通過效率（Efficiency）促成快速高效的交易活動，形成運營、盈利和成長能力（Matook，2013；Santosuosso，2014）；基于戰略網絡，采取個性化定制鎖定（Lock-in）擴大平臺生態系統上各方用戶的基數以及忠誠用戶的規模，組成用戶能力（Ordanini、Pasini，2010）；基于資源基礎論，依賴互補（Complementarities）締結良好的生態關系網絡，產生協同能力（Hallen和E.I.Senhardt，2012）；基于熊彼特創新，利用創造性破壞創新（Novelty）交易結構、交易內容、合作伙伴，構成管理能力（Wang，2013）。在此基礎上形成的互聯網平臺企業價值創造的整體概念框架如圖所示。

互聯網平臺企業價值創造的整體概念框架圖

2.價值創造視角下的互聯網平臺企業價值評估指標參考體系。如前所述，互聯網平臺企業價值包括以財務指標驅動為主的基礎價值和以非財務指標驅動為主的溢出價值。基于這一假設，構建價值創造視角下的互聯網平臺企業價值評估框架：借鑒企業價值評估中的市場法，以標桿企業價值為參照標準，即控制宏觀經濟環境對平臺企業價值的影響；從運營、盈利、成長、用戶、協同、管理六個能力維度提煉出可比特征因素指標，作為評估模型的重要參數予以衡量，其中前三者為財務因素，后三者則為非財務因素。需要說明的是，本文主要是通過調研現有比較成熟的研究篩選出合適的指標重構互聯網平臺企業價值的評估框架，然后與多位專家討論后進一步確定互聯網平臺價值評估指標體系，具體如表1所示。

3.基于價值創造視角的互聯網平臺企業價值評估模型構建。基于前述價值創造視角下的互聯網平臺企業價值評估框架，設計企業價值評價模型。為放大標準化方法處理后的各個指標之間變異程度上的差異，設置相應系數α1～α11，構建如下模型：

表1 互聯網平臺企業價值評估指標參考體系

其中，j為待評估互聯網平臺企業，bm是標桿企業。P表示企業價值，可比因素特征指標包括總資產周轉率（ATO）、應收賬款周轉率（RTO）、銷售毛利率（PM）、銷售收入增長倍數（GR）、總資產增長倍數（GA）、獨立用戶訪問數（U）、服務需求匹配程度（S-R）、平臺用戶交互程度（U-U）、商業模式要素匹配程度（B-B）、管理者的綜合水平（MG）。

三、實證研究設計：基于價值創造視角的互聯網平臺企業價值評估實證模型

1.互聯網平臺企業估值的實證模型。前面主要是從理論方面對構建互聯網平臺企業價值評估模型的新方法進行了詳細闡述，為確保建模的科學性和可靠性，運用stata 12.0軟件，實證檢驗了價值評估模型構建的效度。即對模型（1）的等式兩邊同取自然對數，然后再根據多元OLS回歸的結果對原模型做進一步的檢驗、修正、再檢驗，最終得到調整后的模型各參數相應系數估計值αi（i=0～11），以此來估計互聯網平臺企業價值。多元回歸檢驗模型的具體形式如下：

其中：Ln（Pj）代表待評估企業價值的自然對數，Ln（Pbm）表示標桿企業價值的自然對數。其他的價值評估參數均取自然對數，即總資產周轉率比Ln（ATOj/ATObm）、應收賬款周轉率比Ln（RTOj/RTObm）、銷售毛利率比Ln（PMj/PMbm）、銷售收入增長倍數比 Ln（GRj/GRbm）、總資產增長倍數比 Ln（GAj/GAbm）、獨立用戶訪問數比Ln（Uj/Ubm）、服務需求匹配程度比 Ln［（S-Rj）/（S-Rbm）］、平臺用戶交互程度比Ln［（U-Uj）/（U-Ubm）］、商業模式要素匹配程度比 Ln［（B-Bj）/（B-Bbm）］、管理者的綜合水平比Ln（MGj/MGbm）。

2.價值評估模型的參數估計。

（1）標桿企業價值（Pbm）：標桿企業的股票價格，以會計年度年末的收盤價為基準。

（2）總資產周轉率比（ATOj/ATObm）：待評估企業與標桿企業資產周轉率的比值，其中，總資產周轉率=銷售收入凈額/平均總資產。

（3）應收賬款周轉率比（RTOj/RTObm）：待評估企業與標桿企業應收賬款周轉率的比值，其中，應收賬款周轉率=賒銷收入凈額/平均總資產。

（4）銷售毛利率比（PMj/PMbm）：待評估企業與標桿企業銷售毛利率的比值，其中，銷售毛利率=銷售毛利潤/營業收入。

（5）銷售收入增長倍數比（GRj/GRbm）：待評估企業與標桿企業銷售收入增長倍數的比值，其中，銷售收入增長倍數=本年營業收入/上一年營業收入。

（6）總資產增長倍數比（GAj/GAbm）：待評估企業與標桿企業總資產增長倍數的比值，其中，總資產增長倍數=本年總資產/上一年總資產。

（7）獨立用戶訪問數比（Uj/Ubm）：待評估企業與標桿企業獨立用戶訪問數量的比值，其中，獨立用戶訪問量為每天訪問該網站的獨立IP數。

（8）服務需求匹配程度比［（S-Rj）/（S-Rbm）］：待評估企業與標桿企業服務需求匹配程度的比值，可以用人均頁面瀏覽數間接衡量。為保證數據的趨同和可比性，對其進行無量綱化處理，即通過極值法對數據進行線性變化，最終映射在區間［0，1］中。但是處理后的數據可能會出現0，導致最終的評估模型結果失效。因此，在對數據進行標準化處理后，為了確保樣本的有效性，將數據進行分數化處理，分別在分子和分母中添加一個固定值，保證映射區間最終落在［0.5，1］之間。

（9）平臺用戶交互程度比［（U-Uj）/（U-Ubm）］：待評估企業與標桿企業平臺用戶交互程度的比值，可以用每百萬網民訪問該站的人數間接衡量。每百萬網民訪問該站的人數反映了平臺企業的市場占有情況，網站用戶在互聯網用戶中所占的比率越高，也就意味著平臺用戶的基數越大，能夠激發的同邊和跨邊網絡效應也就越強，即平臺用戶之間的交互程度越高。另外，根據每百萬網民訪問該站規模的數量級，賦予不同的用戶交互程度值，如當每百萬網民訪問該站的人數小于10時，設定平臺用戶的交互程度U-U=50%；訪問人數小于102，則設定U-U=60%；訪問人數小于103，則設定U-U=70%，以此類推。

（10）商業模式要素匹配程度比［（B-Bj）/（BBbm）］：待評估企業與標桿企業商業模式要素匹配程度的比值可以用全球排名PV Rank間接衡量。與平臺用戶交互程度U-U比相同，通過互聯網平臺企業排名的數量級賦予不同的商業模式要素匹配程度，如全球排名小于10時，設定商業模式要素匹配程度B-B=100%；網站排名小于102，則設定B-B=90%；網站排名小于103，則設定B-B=80%，以此類推。

（11）管理者的綜合水平比（MGj/MGbm）：待評估企業與標桿企業管理者能力的比值，借鑒Demerjian、Lev、McVay（2012）的做法，用DEA-Tobit兩階段模型加以估計，即首先采用數據包絡分析法（DEA）估計企業的全效率。其中，主營業務收入（Sales）和獨立訪客（UV）度量平臺企業產出；主營業務成本（GOGS），市場、銷售和管理費用（SGA），固定資產凈值（PPE），凈經營租賃（OpsLease），研發費用（RD），商譽（GoodWill）以及除商譽外的無形資產（OtherIntan）代表企業投入。在此基礎上，分離出互聯網平臺企業的管理者能力貢獻值，即剔除公司因素對效率值的影響，包括規模（SZ）、市場份額（MS）、自由現金流（FCF）、上市年限（Age）、外匯業務（FC）。

3.樣本選擇和數據來源。本文以1986～2015年紐約證券交易所和納斯達克上市的互聯網平臺企業為研究樣本，包括81家，從中隨機抽取1家企業作為標桿企業，以2015年為研究分析區間，即將標桿企業2015年12月31日的股票收盤價設為價值基準，進一步確定其他80家不是標桿平臺企業的價值，由此產生800個初始觀測值。在此基礎上，剔除已經退市以及數據不完整或者指標極端異常的企業，最終得到年度觀測值660個。股價和財務數據均來源于同花順IFinD數據庫，以Web流量數據為主的非財務數據則是通過可以公開訪問的全球性流量排名網站Alexa獲得。所有連續變量均進行了1%的Winsorize縮尾處理。

四、實證分析

1.樣本描述性統計分析。表2列示了與實證模型相關的變量描述性統計，由于所有連續變量均已進行了上下一分位的Winsorize處理，絕大多數變量的標準差都小于2，甚至在1以下，不存在明顯的極端值。未列示的Pearson相關性檢驗結果顯示，多數主要變量之間的相關系數小于0.3，方差膨脹因子小于5（VIF=4.34），即建模所選用的企業價值評估參數相對獨立，不存在嚴重的多重共線性問題。另外，從檢驗結果來看，總資產周轉率比（ATOj/ATObm）和應收賬款周轉率比（RTOj/RTObm）與企業價值Pj負相關，這可能是由于財務指標與互聯網平臺企業價值之間存在弱相關性，導致檢驗結果并不符合理論預期，但是否要將前述變量剔除，還有待于多元回歸的進一步檢驗。

2.回歸分析和模型校正。根據上文構建的互聯網平臺企業價值實證模型（2），檢驗了價值評估模型構建的效度以及衡量指標的合理性，通過逐步回歸法（stepwise regression）及經驗判斷對價值模型評估做進一步調整和修正，剔除對互聯網平臺企業價值沒有顯著影響或不符合常理的評估指標，檢驗結果列示于表3。在全變量回歸模型A中，應收賬款周轉率比（RTOj/RTObm）的 t檢驗值為 1.76，P值為0.078；銷售收入增長倍數比（GRj/GRbm）的t檢驗值為0.72，P值為0.474。以上變量不能在5%的水平上通過顯著性檢驗，模型B逐步回歸的檢驗結果進一步支持了模型A，因此刪除了RTOj/RTObm和GRj/GRbm這兩個指標。另外，由于本文提出的方法在一定程度上是對市場法的延伸和拓展，要求互聯網平臺企業價值評估模型中包含的參數具有趨同性，即對企業價值的作用力相同，以確保新方法在價值評估應用過程中的有效性，因此進一步剔除影響系數為負的評估指標ATOj/ATObm和（B-Bj）/（BBbm），修正后的模型回歸結果如表3模型C所示，方程通過F檢驗，整體擬合效果也較好。

表2 主要變量描述性統計

綜合上述分析，優化模型包括如下參數：Pbm、PMj/PMbm、GAj/GAbm、Uj/Ubm、（S-Rj）/（S-Rbm）、（U-Uj）/（U-Ubm）、MGj/MGbm。修正后的互聯網平臺價值評估模型為：

3.估值方法的效果比較。本文將新方法的估值誤差和解釋能力與市場法檢驗得到的結果相對比，以此論證了新方法的應用價值。另外，市場法的常用方法包括市盈率和市凈率法，但在互聯網平臺企業中每股收益為負的樣本數過多，有效觀察數（168）僅占到樣本容量（660）的25.45%，導致應用市盈率法評估互聯網平臺企業價值不具有普適性。相比之下，采用市凈率法的有效樣本率相對較高（566/660=85.76%）。因此，選用市凈率法作為比較標準，檢驗結果列示于表4。從估計值與股價誤差的比較來看，不論是均值（帶符號誤差率和絕對誤差率）還是中位數，新方法的估值誤差均顯著優于市場法。從對股價的解釋能力比較來看，運用新方法估值對股票價格的解釋能力（R2=25.6%）顯著優于市場法估值（R2=21.5%）。同時，相比于市場法檢驗得到的系數值0.379，新方法得到的回歸系數（1.175）更接近1，且在1%水平上統計顯著。

表3 互聯網平臺企業價值評估模型構建效度以及衡量指標合理性的實證檢驗

表4 應用新方法與市場法評估互聯網平臺企業價值的估值效果比較

五、研究結論與啟示

本文基于價值創造視角，通過效率、鎖定、互補和創新四個關鍵渠道，從運營、盈利、成長、用戶、協同、管理六個能力維度出發，搭建互聯網平臺企業價值創造的整體概念框架及價值評估的指標參考體系。然后通過逐步回歸和經驗判斷對原模型做進一步檢驗、修正、再檢驗，剔除對企業價值沒有顯著影響或不符合常理的評估指標，在此基礎上構造出的優化模型應用于1986～2015年紐約證券交易所和納斯達克上市的互聯網平臺企業。研究表明，盡管有文獻認為財務指標和非財務指標在企業價值創造過程中所做的貢獻各有差異，也定性檢驗了各自在互聯網平臺企業估值中是否發揮作用，但是鮮有研究同時考慮財務績效和非財務績效兩個維度。因此，本文跳出企業價值評估模型的既有研究范式，基于價值創造視角提出創新性的估值體系和方法，推動了企業價值相關理論。本文通過多元OLS回歸法對互聯網平臺企業進行價值評估，實踐證明新模型無論是在估值效果還是解釋力上均顯著優于傳統的市場法模型，論證了本研究的互聯網平臺企業價值評估體系和方法具有良好的適用性以及可操作性，提供了有參考價值的定價模型。
從本文的研究結論可以得到如下啟示：第一，價值管理理論強調企業的決策活動要服務于企業價值創造，但現有文獻對互聯網企業的價值評估研究著重于解釋互聯網平臺企業在資本市場上與傳統企業表現迥異背后的原因，鮮有文獻將企業價值評估研究與價值創造的具體策略和方法關聯起來。本文在方法構建過程中蘊含了服務于價值創造的元素，將企業價值創造理念與經營管理要素和策略關聯起來，有助于把價值管理理論落到實處并取得實效。第二，集成財務和非財務指標，構建根據基礎指標計算企業價值的解釋性的估值模型，從而建立起經營績效和企業價值之間的關系，為企業開展具體的價值創造活動提供事前方案選擇和事后效果評估，為其運用價值管理方法和價值優化策略提升企業整體價值提供思想、方法和工具支持。第三，可以將以上研究成果的管理思想和方法編制成標準化的應用程序，開發出一套為互聯網平臺企業創設、經營和優化其商業生態系統提供價值策略指導的在線運營管理軟件，向平臺管理者提供價值管理方法和價值優化策略等方面的評價、診斷和優化咨詢服務，實現流程化、扁平化、網絡化、信息化和智能化管理。

Amit R.，Zott C.．Value Creation in E Business［J］．Strategic Management Journal，2001（6）．

Baik B.，Chae J.，Choi S. et al.．Changes in Operational Efficiency and Firm Performance： A Frontier Analysis Approach ［J］ ． Contemporary Accounting Research，2013（3）．

Bhattacharya N.，Demers E.，Joos P.．The Relevance of Accounting Information in a Stock Market Bubble：Evidence from Internet IPOs［J］．Journal of Business Finance & Accounting，2010（3）．

Boudreau K. J.． Let a Thousand Flowers Bloom？ An Early Look at Large Numbers of Software App Developers and Patterns of Innovation［J］．Organization Science，2012（5）．

Demerjian P. R.，Lewis- Western M. F.，Lev B. et al.．Managerial Ability and Earnings Quality［J］．Social Science Electronic Publishing，2013（2）．