互聯網企業EVA估值模型改進研究

朱偉民（教授），姜夢柯，趙 梅，王玉玎

一、引言

根據中國互聯網絡信息中心（CNNIC）第43 次《中國互聯網絡發展狀況統計報告》顯示，截至2018年12 月，我國網民規模達8.29 億人，互聯網普及率高達59.6%[1]。信息技術的快速發展和網絡用戶的激增使得以BAT（J百度、阿里巴巴、騰訊、京東）為代表的互聯網企業迅速成為有廣泛影響的巨型公司。這些企業把各參與方連接起來，構建由多個主體組成的價值網絡，利用各參與方獨特的資源和技能，無限擴展經營領域和業務范圍，對經濟增長和社會發展都產生了難以估量的影響。目前，我國境內外上市的互聯網企業已經超過了100 家，總市值約十萬億人民幣。在國外，私募股權市場對網約車Uber 的估值已經高于成立于1908 年的汽車業巨頭通用汽車公司[2]。

資本市場賦予了互聯網企業高估值的光環。服務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是線性的，初期大多數企業的凈利潤為負或者凈現金流量為負甚至凈資產為負，導致財務估值模型無法正常使用，這是互聯網企業估值中的難點。

互聯網企業獨特的財務狀況使其需要基于新的視角進行估值。互聯網企業的估值不僅與資產和盈利等財務指標有關，更取決于投資者對企業發展前景的預期。互聯網企業擁有的最主要的資源是用戶，企業的價值源泉是用戶基礎。當前，互聯網企業已經從單純依靠資產獲益轉向開發用戶價值。

基于上述分析，本文不再拘泥于傳統的基于盈利、資產和交易價格估值的方法，而是轉向用戶創造價值的視角，在回顧已有相關研究的基礎上，針對互聯網企業的特征提出基于用戶價值的改進的EVA模型，并以阿里巴巴為例驗證模型的有效性。

二、互聯網企業價值評估研究現狀

1.基于盈利性的互聯網企業估值。在早期的研究中，很多學者沿用傳統的估值方法，對收益法、市場法進行了不同程度的改進。Blodge、Anning[3]比較了傳統企業和互聯網企業的發展速度的不同，提出了修正的市盈率法；Wolf 等[4]則運用改進的EVA模型評估互聯網企業價值；劉官華[5]構建了改進的現金流折現模型。但互聯網企業發展早期普遍會經歷特殊的“燒錢”階段，盈利性很差，預期收益的不確定性使得基于盈利的估值方法有很大的局限性[6]。

2.基于企業成長不確定性的互聯網企業估值。Schwartz、Moon[7]運用蒙特卡洛法對亞馬遜的股票估值進行模擬分析，認為互聯網企業價值很大程度上取決于收入增長率。Schwartz 和Moon 的模型中假設較多，導致估值結果與真實股價有較大的差距。李明[8]和趙延朋[9]分別運用B-S模型對百度和騰訊的市值進行了評估對比。運用實物期權計算的理論價值與市場價值有一定的可比性，但是在推導過程中對相關參數的分析可能存在一定的偏差。互聯網企業在高速發展的同時面臨著很大的不確定性，實物期權法可以在一定程度上緩解這種不確定性。

3.涵蓋財務指標和非財務指標的綜合性視角。這類研究通常是將定量和定性分析相結合，提出包括多個指標的評價體系。羅淇[10]從互聯網企業的盈利模式入手，確定能夠反映互聯網企業價值的各項財務指標和非財務指標并賦予相應的權重，通過綜合評估得到互聯網企業的價值。王自然[11]根據盈利模式的差異把互聯網企業拆分為不同的業務模塊，分別對不同的業務模塊進行價值評估，加總后得到企業價值。黃生權、李源[12]運用模糊實物期權評價法構建了互聯網企業綜合價值評估體系。綜合性方法不僅指標眾多、難以量化、可操作性不強，而且缺少相關的實證分析，因此其實際效果無法得到驗證。

4.基于互聯網企業的用戶資源，以用戶數量和用戶質量評估互聯網企業價值。Lehmann 等[13]指出，對具有負收益的高成長公司比較準確的估值方法就是客戶估值，隨著時間的推移客戶價值比實際市值更能穩定地反映企業的內在價值。Bauer、Hammerschmidt[14]提出了以客戶為基礎的企業估值，通過整合客戶資產和企業價值觀構建了用于估計單個客戶終身價值和客戶權益的公式，并結合傳統的財務指標估算FCF，然后以電信產業并購案例對模型進行了驗證。Krafft 等[15]提出了基于二叉樹情景模型對成長性公司的客戶進行估值的方法，其基于用戶數量和每個用戶產生的現金流量二叉樹情景技術，得出了比采用傳統凈現值法更高的公司價值，但該研究忽視了現金流量，只考慮了現有客戶的現時價值。魏嘉文、田秀娟[16]從梅特卡夫法則出發，借鑒基于客戶數量的網絡企業定價公式，改進了社交網絡企業價值評估方法，并以新浪微博為例驗證了其優越性。這一類研究更有針對性，更加符合互聯網企業的實際。

總體來看，針對互聯網企業價值評估的研究還處于探索階段，現有文獻尚未充分揭示網絡效應對互聯網企業估值的影響。互聯網企業的估值不僅要探討模型的適用性，還要揭示互聯網企業的價值創造和價值獲取與傳統企業的不同。

三、網絡效應與互聯網企業價值

互聯網企業的商業模式、成長軌跡與傳統企業有很大差異，其價值評估也因其所具有的獨特性而變得相對復雜：①互聯網企業估值最突出的特征是成長性預期更高。持續的商業模式創新、不斷涌現的新業態、網絡效應帶來的“指數級”增長，使得對互聯網企業未來的預期值要遠遠高于成長潛力相對穩定的傳統企業。因此，成長性是影響企業價值評估的關鍵因素之一。②難以合理預測互聯網企業的未來收益。根據我國企業價值評估準則和相關規范的要求，對企業未來收益進行預測是基于企業歷史經營數據，這種估值方法要求企業未來的發展路徑不能發生“突變”。這個假設適用于傳統企業，但對于互聯網企業則基本不成立。環境的復雜性、不確定性和突變性導致互聯網企業產生的現金流數量和持續的時間都很難預測。③互聯網企業存在潛在的非財務價值。對于互聯網企業來說，基于新增長點的潛在價值并未體現在當期的財務報表中。互聯網企業前期構建用戶基礎需要進行巨額投入，此時反映在財務報表中的經營成果極其有限，其價值更多受到創新速度、管理效率和市場開發等一系列非財務指標的影響。用戶基礎作為互聯網企業市場份額的關鍵因素，對企業的價值評估影響重大。目前為止，對于非收益性價值的評估沒有統一的方法和衡量標準，運用現有的估值方法難以得到真實公允的互聯網企業的內在價值。

互聯網企業與傳統企業最大的不同在于網絡效應的影響。所謂網絡效應是指在特定的產業市場中，一個消費者的價值取決于使用同一個產品或服務的其他消費者（或生產者）的數量[17]，缺少其他消費者，產品就變得毫無價值，產品價值隨著用戶數量的增加呈現指數增長趨勢。阿里等互聯網企業作為平臺聯系買家和賣家，構筑雙邊或多邊市場，提供促進各個用戶群體相互交易的基礎設施和規則[18]，協調各用戶群體[19]。互聯網企業構建的交易空間（平臺）是交易雙方的中介，從各方創造的價值增值中獲利。無論買家還是賣家均為互聯網企業的用戶，缺少了一邊的需求，另一邊的需求也會消失。網絡效應可能帶來“贏者通吃”的結果，擁有最多用戶的平臺能夠按照其意愿“顛覆市場”[20]，因而互聯網企業常常把快速積累用戶數量作為首要目標。

網絡效應的激發是一個動態演化過程。在互聯網企業發展的初期，企業常常要通過免費或補貼的方式吸引用戶以激發網絡效應。這一時期的現金流為負，企業往往要借助外部融資滿足巨大的資金需求，天使投資等投資方只能基于企業的發展前景對企業進行估值。隨著用戶數量的不斷增長，網絡效應逐步顯現，企業不僅要繼續擴大用戶范圍，還要綁定用戶，以提高用戶忠誠度。在用戶數量達到“引爆點”（臨界點）之后就形成了自我強化的正反饋循環，網絡效應充分顯現[21]。這時企業不僅要對現有用戶資源進行深耕，還可能以“包絡”等方式進入新的領域[22]，構建平臺生態系統。如阿里針對電商用戶開發的娛樂、旅游、金融等業務，京東從家電起步擴展到全品類等。借助網絡效應，互聯網企業不但實現了規模經濟，還最大限度地發掘了范圍經濟。

綜上所述，互聯網企業的價值源泉來自用戶，“互聯網企業投資用戶的過程也是價值創造的過程，沒有創造收入的用戶同樣具有價值”[23]。用戶基礎帶來的網絡效應是互聯網企業價值評估的前提。

四、用戶價值視角的互聯網企業EVA估值模型

企業價值評估是選擇某一日期作為評估基準日，對企業的整體經濟價值進行分析，衡量和評價企業的公平市場價值。網絡效應蘊含巨大的價值創造潛力，使得互聯網企業的價值評估更多的是對其發展前景進行預期。

針對互聯網企業價值評估的難點，傳統的價值評估方法存在適用性缺陷。傳統的企業估值依據是預期收益折現、市場比較、企業資產、成本投入等。收益法的關鍵是對未來收益的預測，可以由預期收入確定。互聯網企業的高成長性伴隨的是預期收益不穩定、輕資產等特征。成立25年的亞馬遜只有少數年份的財報盈利，京東盡管有巨大的營業收入和交易量卻依然處于虧損狀態。可見，在資本市場上互聯網企業的股價與財務指標的關聯性不高[23]。

市場法的關鍵在于選擇可比公司，而參照物本身價格的合理性直接影響著結果的合理性，互聯網公司作為新興企業很難確定適宜的參照企業[24]。互聯網行業發展周期短、產品（業務）更迭快、商業模式創新頻繁，能夠生存下來的企業并不多，進入資本市場的上市公司都是各領域的佼佼者。輕資產的互聯網企業的資產狀況并不能在財務報表中得到充分反映，成本法顯然不能用于互聯網企業估值。相比之下，應用經濟增加值（EVA）模型從用戶價值的角度評價互聯網企業的價值能較好地解決估值不確定性的問題，更好地揭示成長性對互聯網企業價值的影響。

EVA 是企業資本收益與資本成本之間的差額，即企業稅后經營利潤與全部投入資本成本的差額。改進的EVA估值模型從用戶創造價值出發，以用戶價值代替模型中的稅后經營利潤。從投入產出的角度看，用戶價值衡量的是產出水平，采用傳統的加權平均資本成本乘以投入資本總額衡量投入水平，由投入減去產出得出“經濟增加值”，最終確定折現后的互聯網企業價值。

EVA 估值改進模型的關鍵在于用戶價值的確定。目前對互聯網企業用戶價值的計量并沒有統一的方法，本文結合互聯網企業發展不確定性和各個發展階段的特征，借鑒傳統的客戶價值計量方法，運用基于用戶數量和每個用戶產生的現金流量的二叉樹期權定價模型確定用戶價值。互聯網企業的發展過程有三個重要時期：初創期、成長期和穩定增長期。初創時期初始用戶的積累必須達到臨界點，日益增長的用戶給企業帶來的現金流量越來越大。在成長期，達到臨界點用戶數量之后形成的正反饋效應使得用戶數量激增，現金流量也隨之快速增長。隨著用戶數量增長逐漸平緩，企業進入穩定增長期。本研究建立在持續經營假設的基礎上，將互聯網企業的穩定增長期視為傳統企業的永續增長期。

本文提出的改進EVA估值模型，是根據用戶數量以及用戶帶來的現金流量的變化評估企業價值。在用戶數量的動態演化過程中，假定終端用戶的數量初始水平為N0，之后的用戶數量增長如果達到了臨界值，用戶數量就會在短時間內實現指數增長；如果用戶數量的初始水平長期低于臨界值，企業就會由于負網絡效應（負反饋）而衰敗。

根據互聯網企業用戶數量的變化，假設其傾向于偏離關鍵平均水平，并基于動量過程來模擬正反饋現象，dz為標準的維納過程，a作為用戶數量變化的速度，則用戶數量的變化用式（1）衡量：

式（1）給出了用戶數量臨界值N 和當前用戶數量的差距，速度因子a的負值越大，表明發散形成越快。由于dz（t）為零，所以用戶數量的預期變化為在式（1）中規定的該過程的隨機成分取決于隨機變量d（zt）和用戶數量變化的波動率σ。式（1）中的過程類似于平均回歸過程，但a＜0 引起的是動量效應而不是平均回歸效應。本文按照Hull[25]提出的方法在離散時間二項式網格中實現該過程。

對于式（1）的離散形式，Hull[25]運用兩階段三項式程序模擬利率變化。而文中模型的關鍵用戶數量是一個常量，不隨時間變化，一個階段就可以滿足。同時，文中模型是對用戶數量的預期變化進行參數化，而不是變化的波動，這就意味著每個節點只需要兩個分支。可見，在本文離散模型的運用中，一個階段的二叉樹模型就足夠了。根據Hull[25]的描述，跳躍寬度的選擇取決于用戶數量變化的波動性。為了表達用戶數量，構建以下式（2）：

在二項式網格中，（t，j）表示在時間t、狀態j下的特征。式（2）給出一個簡單的過程，意味著用戶數量在每個節點增加n 或者減少n，n 表示跳躍寬度。基于這一方程式，給出一個假定情形下用戶數量變化的過程圖：跳躍寬度n=80，初始用戶數量為0，速度因子a=-0.4，用戶數量臨界值N=100，具體如圖1所示。

圖1 用戶數量的二叉樹模型

相應地，為了獲得用戶數量的預期變化，要計算出相匹配的概率。令πj為狀態j上移的概率。為了避免負概率，必須限制一組可能的狀態j，將L 定義為最大狀態，將-L定義為最小狀態，然后與式（1）中的變化匹配：

如果狀態變量j超過最大狀態，則將兩側的狀態限制為L和-L。Hull[25]通過改變分支技術來限制狀態。在互聯網企業的發展過程中，用戶數量在短期飛速擴張后逐漸穩定下來。因此，本文放棄了用戶群的動力過程，并轉向了幾何布朗運動。本文設πj=0.5代替|j|＞L，而不是改變分支技術。從等式（3）中的|j|≤L，我們推導出一個狀態而不是時間依賴的概率：

將式（2）代入式（4）中，得到簡化的概率：

如前所述，如果用戶數量達到了臨界值就能夠激發網絡效應；如果未達到臨界值，許多用戶就只會嘗試一次，用戶數量迅速下降。假設初始用戶數量與用戶數量臨界值相等，則得到式（6）：

式（6）中，當用戶數量變化速度為0 時，用戶數量增加概率為0.5。式（5）和式（6）中的概率設置，是假定用戶數量將會增加。

此外，還要明確如何選擇適當的常數L，必須確保概率πj是非負且不大于1。可以通過限制最大和最小狀態來實現：

根據式（7）可以定義L=-1/a。對于n≠n0，將得到更復雜但結構上相同的式（7）。

每個用戶的價值取決于兩個方面：一定時間后的用戶數量、每個用戶產生的現金流。通過以上二叉樹期權定價模型可以得到企業在快速增長期的用戶數量，并且用戶數會在這一時期穩定下來，企業將會進行用戶資源的深度發掘，從而實現現金流量的飛速增長。對于快速發展期的用戶價值，主要體現在用戶數量的積累和現金流量的小幅增長方面。而成熟期會體現在用戶數量的穩定和現金流量的增長方面，所以假設互聯網企業不同發展階段的現金流量的增長率為g。初創公司如果用戶數量達到臨界值，用戶基礎就會呈現指數型增長，每個用戶的年度現金流量按較低的增長率g1增長；在用戶數量穩定下來后，單個用戶帶來的現金流量將會以增長率g2增長；在最終的穩定發展期，用戶數量及其帶來的現金流量以穩定的增長率永續增長。假設單個用戶初始年度現金流量為C0，j代表時間，則：

則每個用戶帶來的現金流量如圖2所示。

圖2 單個用戶帶來的現金流量

狀態j 越高，則每個用戶帶來的年度現金流越高。反之，狀態j 越低，則每個用戶帶來的現金流越低。互聯網公司必須為新用戶開發支付額外費用，造成凈現金流量減少。與獲得新用戶的成本相比，保持現有用戶的費用較低。圖2中，如果初始現金流量C0為1，確定年度現金流量增長的因素為g=5%。

將圖2中給出的每個用戶產生的現金流乘以圖1中的用戶數量來計算用戶價值，得到圖3所示的所有用戶在每個時期產生的現金流量。在最后一個時間點即時間4，所有用戶產生的最大現金流量為510.5。這是因為用戶數量增加到了420 個（見圖1），且單個用戶現金流量比期初提高了21.55%。

圖3 所有用戶帶來的現金流量

為了揭示用戶估值的構成，按照圖3 描述的情景計算所有用戶的預期現值。假設風險調整后的折現率為r，Cj表示每個用戶在狀態j產生的現金流，Kj為用戶的數量。從上一期開始，狀態j 和期間t 的所有用戶的價值CV（jt）為：

二叉樹的最后一個周期T 中的用戶價值被初始化：

在本例中，假設折現率r=10%，則得到V（13）=（0.7×286.7+0.3×100）/（1+10%）+189=398.7。該過程可以繼續遞歸，直到我們獲得當前所有客戶的值V（00）。對于快速成長期的用戶價值運用遞歸的方式得到，而當企業用戶數量不再呈現爆發式增長時，只需要基于一般的預測方法預期用戶數量會穩定下來，單個用戶的現金流量以g3的速度增長，此時用戶價值為：

通過遞歸過程和一般的預測假設可以分別得到互聯網企業成長期和用戶資源深耕期的用戶價值，從而為確定經濟增加值奠定基礎。

在確定了互聯網企業的用戶價值之后，代入EVA估值模型，以用戶價值代替稅后凈經營利潤就可以得到改進的EVA估值模型。EVA估值模型主要用于預測未來的EVA。由于不可能對企業無限預測EVA，因此提出兩階段EVA 增長模型。兩階段EVA增長模型是將EVA 增長模式劃分為超常增長階段和永續增長階段。超常增長階段，其增長率高于永續增長率，預測期一般為n 年；永續增長階段，其增長率一般是恒定的，在用戶價值中是相應的g3。EVA估值模型為：

其中：V 代表企業價值；C 代表期初投入成本；EVAt=CVt-TC×WACC，EVAt表示第t 年的經濟增加值；WACC 是加權平均資本成本；TC 是資本總額；g是穩定的增長率。

對于改進的EVA估值模型，既考慮了互聯網企業價值評估的核心用戶價值，又考慮了互聯網企業成長的不確定性，將用戶數量變化的不確定性納入用戶價值的評估。同時從投入產出角度，計算了企業的資本成本，用于衡量企業的價值創造能力，可以對互聯網企業的內在價值進行客觀評估，以下將運用阿里巴巴的案例對模型進行驗證。

五、對阿里巴巴的價值評估

阿里巴巴從1999年創立至今，其在高速發展的同時經營范圍也從單一的B2B 電子商務業務發展為全產業布局，生態系統不斷擴張。從其發展歷程來看，主要經歷了1999 ～2010年集中化經營以及2011年至今的多元化發展兩個階段。阿里巴巴2014 年9月19日在美國紐交所上市，是我國極具代表性的互聯網企業，也是我國規模最大的電子商務企業，其在2016年末已經成為全球最大的電子零售商。

阿里巴巴依托電子商務平臺將集團業務分為核心電商業務（包括淘寶網、天貓、農村淘寶、聚劃算、阿里巴巴、阿里媽媽和全球速賣通）、云計算業務（阿里云）、數字媒體和娛樂業務（UC 瀏覽器、優酷土豆、阿里體育、阿里音樂）、創新項目和其他業務（高德、釘釘等）四部分。廣闊的業務范圍為阿里巴巴帶來了多樣化的盈利模式。阿里巴巴的盈利模式主要有：傭金收入模式（天貓、淘寶等主要通過向入駐平臺的商家收取傭金獲得收益）、廣告收入模式（雅虎搜狗的搜索引擎服務等利用廣告模式獲得收益）、會員費收入模式（優酷土豆、淘寶大學、阿里音樂、阿里游戲等均采用此模式）、安置費收入模式（阿里眾包為自由職業者提供兼職或預就業平臺，在獲得傭金收益的同時提供服務效率或外包解決方案取得安置費收益）、推薦費收入模式（阿里云基于推薦取得收益的模式）。阿里巴巴每一系統成員的盈利模式并不是單一的，經常是多種盈利方式的組合，系統成員之間進行協同價值創造實現互利共贏，不斷鞏固強化阿里巴巴的商業生態系統。無論是哪一種盈利模式，利潤來源都是用戶，可以是直接從用戶資源獲得收入，也可以在用戶規模達到一定程度時，利用所積累的用戶資源數據展開分析，通過交易信息獲得間接收益。

2019 年阿里巴巴呈現出強勁的發展態勢，主營業務收入達到了3768.44 億元人民幣，與2018 年相比增長了51%，表明阿里巴巴在運用大數據技術提升用戶體驗方面取得了良好的業績。從2019年經營業績EBITA的構成情況來看，電商業務仍然是阿里盈利的主要來源，生態系統建設中的數字媒體和娛樂業務對經營成果的貢獻約6%，云計算業務收入貢獻將近7%。從其收入構成也可以看出，阿里巴巴的核心電商業務漸漸趨于成熟，其他幾個業務板塊存在巨大的升值空間。本文選取2016 ～2019 年的財務數據，采用杜邦分析體系簡要分析阿里巴巴的財務狀況。

如表1 所示，阿里巴巴近幾年的權益乘數基本穩定，資產周轉率小幅上升，銷售凈利率在2017 年有較大波動，之后呈小幅下降趨勢。這表明生態系統規模的擴張增加了企業運營的難度，運營效率提升緩慢，同時也表明阿里巴巴對生態系統的整合和治理有所改善，運營效率得到提升。相比2016年，阿里巴巴的銷售凈利率有很大的提升空間，一定程度上反映了其生態系統建設巨大的資本投入，也預示著阿里的良好發展前景。

表1 阿里巴巴財務狀況

近年來，阿里巴巴的年度活躍買家數量持續增長，截至2019年3月，電商平臺的年度活躍買家達到6.54 億，較2018 財年增加了1.02 億。下面將從用戶數量和用戶現金流量的快速增長入手，運用改進的EVA模型對阿里巴巴進行估值。阿里巴巴的用戶數量早已超過臨界值，假定其活躍買家數量會持續增長3年，而后進入成熟期增長2年，最后進入永續增長期。首先運用文中開發的模型進行估值，同時采用DCF 模型和P/E 法對阿里巴巴進行估值，然后與評估基準日的股價對比，以驗證模型的有效性，并得到阿里巴巴的企業價值。

運用改進的EVA 估值模型的關鍵在于計算用戶價值和經濟增加值，兩者的計算都需要用到折現率，其價值評估過程為：①確定預測期5 年，假設阿里巴巴實現永續經營；②確定加權平均資本成本，即折現率；③確定各個時期的用戶價值；④確定每一時期的經濟增加值；⑤折現得到預測期的經濟增加值現值和永續經營階段經濟增加值現值，加上期初投入成本，得到阿里巴巴的企業價值，進一步求出股價。

1.資本成本的確定。為了得到每個時期的用戶價值和EVA 現值，需要計算企業的資本總額，包括長期債務資本和權益資本。長期債務成本采用2018年年末美國五年期國債利率2.56%測算，權益資本成本運用資本資產定價模型測算。資本資產定價模型中的無風險利率參照美國五年期國債利率2.56%；市場風險溢價部分，本文參考互聯網行業預期市場風險溢價將阿里巴巴市場風險溢價確定為4.52%；風險系數β，常用于衡量個別股票相對于整個股票市場價格的波動情況，可用歷史收益回歸和可比公司調整兩種方法進行預測，這里采用互聯網行業的平均值1.7。權益資本成本=2.56%+1.7×4.52%=10.24%。2019 年3 月資本構成中權益資本為608583 百萬元，長期債務資本為142005 百萬元，權益資本占總資本的比例為81.08%，長期債務資本占總資本的比例為18.92%。2019 年3 月的加權平均資本成本為8.79%（81.08%×10.24%+18.92%×2.56%）。

阿里巴巴2014 年3 月長期債務資本的比例為43%，近幾年債務資本的比例一直在下降，2019 年3月僅為18.92%，資本總額在近兩年均保持30%的增長幅度。由此可以看出，阿里巴巴近幾年的不斷擴張增加了資本投入，也擴大了對權益融資的需求，因此從資本投入額和資本構成兩個角度來預測阿里巴巴近5 年的資本成本總額和加權平均資本成本。鑒于互聯網企業用戶數量積累和用戶資源的深耕仍需要大量資金投入，假定預測期的5 年資本成本總額按照30%的速度增長；在永續增長期考慮到用戶網絡效應的發揮會給企業帶來投入資本的節約，預測在這一階段的資本成本總額按照20%的速度增長。結合互聯網企業權益融資的傾向，假定長期債務資本比率以每年0.5%的速度下降，阿里巴巴未來五年加權平均資本成本預測見表2。

表2 阿里巴巴未來五年WACC預測

2.用戶價值的確定。在此案例中選取年度活躍買家數量衡量阿里巴巴用戶數量，用戶價值反映的是產出水平，用估值基期的年度凈利潤作為初始用戶價值。從阿里巴巴近年來的用戶數量增長來看，呈現一定的指數增長態勢。截至2019年3月，阿里巴巴年度活躍用戶數達到6.54億，預計將會持續增長。將2019 年3 月用戶數量作為初始用戶數量，運用二叉樹期權定價模型預測未來3 年的用戶數量。需要確定跳躍寬度n 和客戶數量上行的概率πj。為了方便計算，選擇2016年3月～2019年3月這4個年度財務報表日用戶數量變化的算術平均值測算出跳躍寬度n。對于用戶數量增加的概率計算中用戶數量變化的速度（aa＜0），采用4 期用戶數量變化的幾何平均值求得。

根據年度財務報表年度用戶數量變化求得速度因子a為-0.18，近三年用戶數量變化的算術平均值為7700萬。考慮到阿里巴巴用戶數量指數型增長的趨勢已持續兩年，二叉樹狀態2下上行概率為0.6左右，推導出客戶數量的跳躍寬度大概為1億，即n為100 百萬。從阿里巴巴近幾年用戶數量變化情況來看，整體增長速度變緩。為了避免對用戶數量的高估，本文選擇2019 年3 月阿里巴巴的年度活躍買家6.54 億作為用戶數量的關鍵初始水平，并假設用戶數量快速增長的時間為3 年。由n=100（單位“百萬”），a=-0.18，得到二叉樹期權定價模型下阿里巴巴未來3年用戶數量，如圖4所示。

圖4 阿里巴巴未來3年的用戶數量預測（單位：百萬人）

為了測算每個用戶帶來的現金流量，運用當期年度凈利潤除以當期年度活躍買家數量，2019 年3月單個用戶現金流量為134.4元。同時選擇近幾年自由現金流量的增長率來預測每個用戶帶來的現金流量增長率。基于2016 ～2019 年自由現金流量的波動趨勢與預測期5年內的自由現金流量的變化趨勢一致，得到阿里巴巴接下來5 年自由現金流量的預期增長率分別為14.12%、11.28%、9.01%、7.20%、5.75%。為了簡化計算并考慮到用戶數量快速增長期帶來的現金流量往往不會過高，選擇預測期自由現金流量增長率的幾何平均值9%，作為預測期5年每個用戶帶來的現金流量增長率。而在永續經營的穩定發展階段，互聯網企業回歸傳統的增長方式，以5%的增長速度穩定增長。圖5和圖6分別展示了基于每個用戶的現金流量和所有用戶產生的現金流量的二叉樹期權定價模型結果。

圖5 阿里巴巴未來3年單個用戶帶來的現金流量預測（單位：元）

圖6 阿里巴巴未來3年所有用戶產生的現金流量預測（單位：百萬元）

為了測算每期的用戶價值，選擇在每一年的年末進行用戶價值的遞歸，折現率為每年的加權平均資本成本。根據式（9）和式（10）得到阿里巴巴未來3年的用戶價值分別為17006011 萬元、21835162 萬元、32037599 萬元。而預測期的后兩年用戶數量穩定在一定水平，由于用戶粘性的增加，單個用戶的現金流仍然會快速增長，隨后兩年用戶價值在上一年的基礎上以9%的增長率增長。

3.改進EVA模型下的企業價值。在得到阿里巴巴預測期的用戶價值之后，代入改進EVA估值模型中，代替稅后凈營業利潤，即可得到各期的EVA 現值。進一步得到阿里巴巴的企業價值，2020 ～2025年EVA計算過程如表3所示。

表3 阿里巴巴歷年EVA現值預測 單位：百萬元

根據阿里巴巴5 年期EVA 現值、永續增長階段EVA現值與期初投入成本，匯總得到阿里巴巴的企業價值，如表4所示。

表4 改進EVA模型下的阿里巴巴企業價值 單位：百萬元

根據2019 年3 月31 日阿里巴巴普通股總計258400萬股、財務報表折算率1美元=6.7112元人民幣的匯率，得到估值基準日阿里巴巴的理論股票價格：3374321.53÷2584÷6.7112=194.58（美元）。這一價格非常接近當日實際股價182.45美元。

4.DCF模型下的價值評估。運用DCF估值模型評估阿里巴巴的企業價值時，選擇用自由現金流量FCF估值模型。基于2016 ～2019年的財務數據分析，得到銷售收入增長率、銷售成本率、研發費用、銷售費用、管理費用率、折舊攤銷等一系列指標的預測結果。測算自由現金流量進行折現匯總，得到阿里巴巴的企業價值。表5 為自由現金流量的計算過程以及根據各期自由現金流量的預測得到的DCF 模型下2019年3月31日阿里巴巴的企業價值。

根據2019 年3 月31 日阿里巴巴普通股總計258400萬股、財務報表折算率1美元=6.7112元人民幣的匯率得到估值基準日阿里巴巴的理論股票價格：11765123.34÷2584÷6.7112=678.42（美元）。

5.P/E 模型下的價值評估。市盈率法是市場法的代表方法之一，把公司收益和市場價格聯系起來，涵蓋的價值影響因素比較多，綜合性比較好，因此本文選擇市盈率法。

阿里巴巴于2014 年在美國紐約證券交易所上市，計算平均市盈率時選用的可比公司應該同為美國上市的互聯網企業，如京東、唯品會等15 個公司。可比公司名稱、股價和每股收益如表6 所示，基準日為2019 年3 月31日。

表6中蘭亭集勢和搜狐因為虧損造成市盈率為負值，計算平均市盈率時將其剔除，得到可比公司的平均市盈率為40.26。根據2019年3月31日阿里巴巴普通股每股收益5.01 美元，估值基準日可比公司平均市盈率為40.26，則阿里巴巴的理論股票價格為201.70美元（5.01×40.26）。

表5 阿里巴巴自由現金流量預測單位：百萬元

表6 可比公司市盈率

6.估值結果對比分析。分別用改進的EVA模型、DCF模型和市盈率法對阿里巴巴2019 年3 月31 日的市場價值進行評估，計算相應的股價，鑒于美國資本市場較為成熟，選擇其評估基準日的市價進行對比，以驗證模型的有效性，結果見表7。

表7 三種估值方法的結果比較

通過以上對比分析，可以看到改進的EVA 估值模型得到的股票價格最接近評估基準日的阿里巴巴市價，DCF 模型和市盈率法得到的股價偏差相對較大，說明改進的EVA估值模型最適合評估互聯網企業的價值。

六、結論與展望

1.結論。本文針對互聯網企業的特征，借鑒傳統價值評估方法提出基于用戶價值的互聯網企業改進的EVA估值模型，運用模型計算得到的股價與評估基準日的阿里巴巴股價非常接近，從而驗證了模型的有效性。本文的研究表明，互聯網企業高成長、高風險、輕資產和收益不確定等財務特征使得傳統估值方法有很大的局限性，必須針對用戶在互聯網企業發展中的關鍵性作用才能更好地評估互聯網企業的價值。

2.展望。本文的主要貢獻有：首先，豐富并進一步擴展了基于網絡效應的互聯網企業價值評估思想和方法，為互聯網企業估值提供了一個新的思路。其次，從互聯網企業的價值核心——用戶資源出發，以用戶價值（企業擁有的用戶數量和單個用戶帶來的現金流量）代替稅后經營凈利潤，作為產出水平的衡量。用戶價值是由企業擁有的用戶數量和單個用戶帶來的現金流量確定的，采用二叉樹定價模型確定用戶數量和現金流量，既能體現互聯網企業的網絡效應，又能兼顧企業成長中的不確定性，還可以解決盈利性較弱時的估值難題。

本研究適用于初始用戶現金流量為正的情況。本文實證分析對象阿里巴巴當前的用戶數量已經達到臨界值，因此未能驗證用戶數量低于臨界值的情況。此外，單個用戶現金流量的預測和DCF 模型中現金流量的預測帶有一定的主觀成分。本文的研究表明，互聯網企業的價值評估應該基于網絡效應和用戶價值，未來的研究應采用定量與定性相結合的方法，針對互聯網企業的價值來源、價值獲取方式和發展前景評估互聯網企業的價值。