基于實物期權理論的互聯網企業數據資產評估研究

郭燕青，孫培原

(遼寧大學 商學院，遼寧 沈陽 110036 )

一、引言

互聯網時代，數字經濟在全球迅猛發展，數據即資產[1]，以物聯網、云計算、區塊鏈為代表的新一輪信息技術革命正在影響著各行各業的發展。大數據在我國當前的經濟建設中，從最初的為企業節約成本，發展到可以出租、銷售數據資產，實現數據共享，從而推動企業協同發展[2]。企業逐漸將關注的重點放在成本投入與數據應用價值產出方面。隨著企業的發展，企業擁有的數據資產只會越來越龐雜，通過數據資產管理對資產進行有序的管理、提升數據利用價值是必不可少的環節[3-4]。許多企業開始著眼于大數據的應用，投入研發資金和人力成本，希望憑借大數據的綜合能力幫助企業制定經營決策，占據更充足的市場份額。

截至2020年底，我國的網民規模達9.89億人，互聯網普及率達70.4%。互聯網企業已經逐漸成為當代經濟整體發展的核心要素，隨著新型互聯網企業的不斷涌現，數據資產在互聯網企業中對其價值的整體推動作用越發明顯[5]。主要驅動點在于，互聯網的高度普及和線上運營模式發展使用戶規模不斷擴大，為企業積累原始數據奠定了基礎[6-7]。并且，隨著新型的數據處理系統的不斷創新，互聯網企業在用戶的原始數據中進行數據挖掘的效率大大提升。在互聯網企業的生產經營中，只有對數據資產進行有效地利用，才能提高企業核心競爭力，而這一過程中對企業數據資產價值的評估有了更高的要求[8]。一方面要結合企業所處的互聯網行業整體發展情況，另一方面要充分考慮數據資產價值自身的影響。

縱觀目前數據資產相關領域的研究，大多停留在以層次分析法為主的價值分類層面，對數據資產價值評估的界定和應用則比較欠缺。企業在數據資產價值評估方面還有待提升，目前與實際偏差較大的估計結果影響了企業的經濟決策。為了彌補傳統評估方法的不足，提升企業數據資產價值評估的效率和準確性，本文以實物期權理論為基礎，引入B-S期權定價模型并進行優化，以尋求更優的資產價值評估方法。結合數據資產的本質特征，選取了合適的互聯網企業，運用評估模型完成了對企業現有數據資產價值的評估，從而證實所構建的B-S期權定價模型的有效性。

二、互聯網企業數據資產評估理論基礎

(一)互聯網企業特性及數據資產的界定

互聯網企業從廣義上來說，是通過線上平臺為用戶提供商品或服務所需，進而獲得收益的企業。聯網企業有別于傳統企業，前期投資高，企業往往很難在初創期獲得盈利。到了企業發展的成熟期，用戶和市場份額有了足夠的積累時，企業在短時間內可以創造更高的利潤[9-10]。因此，互聯網企業的財務數據無法體現企業的真實價值，很多無形資產無法在整體價值評估中體現，導致企業價值被低估。互聯網企業基本都屬于輕資產企業，發展的不確定性較強，很難像傳統企業一樣通過財務數據合理定價進行價值評估。由于互聯網行業的細分領域眾多且企業的發展周期也極具個性，即使是規模類似、業務相同的企業，未來的經營情況也不盡相同，沒有可比性。加之市場競爭越來越激烈，企業不斷增加的潛在風險也給數據資產估值帶來了阻礙。

在對資產的解釋中，“擁有或控制”以及“創造經濟效益”是資產最為核心的內涵[11]。由資產的概念引申到數據資產，數據資產是由企業擁有或控制，可以給企業帶來經濟效益的資源。可明確作為“資產”的數據資源，表現為以下兩種形式(圖1)：(1)將數據賦能于現有產品，通過產品實現收益增長；(2)數據自身的固有價值帶來收益。第一種形式是通過數據助力現金流，意味著數據本身不產生價值，而通過數據作用于現有產品，可以創造更多的收益。企業通過數據內部消化的方式，將運用中產生的數據進行收集與分析，用于輔助自身經營決策和業務流程的制定，從而提高產品收益。第二種形式是通過利用數據優化業務，是一種數據間接產生收益的方式。這種情況下，數據能夠產生的價值是難以評估的。在合法的前提下讓數據以各種形式進行交易，這也是數據產生價值的直接方式。

圖1 數據作為資產的兩種表現形式

目前對數據資產還沒有統一定義，但普遍認為應將其歸于無形資產范疇[12-14]。非實體性的資產以數據形式存在，雖然不具有實體形態，但能夠作為預計現金流流入的一種資源。從根本上來說，數據是業務進行信息化后的一種數字表現形式。企業日常生產運營中每一個相關的人都是數據的創造者，企業通過對文字、聲音、圖片、視頻等數據進行加工，形成最終的數據資產。因此，在數據資產衍變過程中應確保業務相關性，具有明確的業務規則。從定義層面分析，企業對數據資產具有可控制權[15]。但由于互聯網企業中數據的產生是隨機多樣的，原始數據從根本上說來源于用戶。企業只在數據整理與分析過程中投入成本，但并不能將這部分數據資產歸為企業所有。不僅如此，數據資產的價值會在企業發展過程中不斷發生改變，同等質量的數據資產有可能產生不等的價值。因此在當前的法律法規下，對這部分數據資產的評估較為模糊。

(二)互聯網企業數據資產評估方法

1.層次分析法。作為一種將定性與定量相融合的系統化多準則方法，其在資產價值評估中首先將復雜問題分解成一個相互關聯的層次結構，然后綜合專家的判斷，計算出所有指標在整個結構模型中的相對權重。目前在數據資產評估領域的研究中，基本都是使用層次分析法確定指標權重，構建評估模型來計算企業資產的整體價值[16]。數據資產價值評估中層次關系及各層指標如圖2所示。該方法因其明確的量化優勢，得到的評價結果可信度較高。其局限性在于忽略了數據的互聯網技術屬性，仍需借助可比案例確定具體估值。但是不同互聯網企業的數據資產類型差異較大，可參考的適用性案例較少。

圖2 數據資產價值評估的層次關系及具體指標

2.成本法。采用成本法評估企業資產價值時，需要考慮的成本包括企業收集數據過程中建立端口、購置大數據分析設備、人力及技術投入以及前期的渠道開發成本。考慮到數據資產不具備實體特征，因此其貶值方式主要包括功能性和經濟性兩個方面[17]。運用成本法對企業數據資產進行評估的公式可以表示為：

P=C1+C2

(1)

其中，C1是獲取數據的投入成本，C2是數據運營的成本。

成本法能有效避免主觀因素對評估結果的影響，適用于企業內部的數據資產價值評估。但該方法對于無形的數據資產可能為企業帶來的增值效益無法評估，因此最終得到的評估結果與真實值相比偏低。由此可見，成本法對于互聯網企業的數據資產評估并不適用。

3.收益法。收益法是結合企業的生產運營、發展戰略等現狀，將資產的未來預期收益折算成現值，計算數據資產在未來能夠給企業帶來的增值收益。在模型運用中，收益法可以準確預測未來現金流量[18]。可以將運用收益法評估企業數據資產的公式表示為：

(2)

其中，P是被評估資產的價值；Ft為在未來的第t年因數據資產的使用而帶來的收益；n為收益年限；折現率用i表示。

由于互聯網企業的屬性和特質，影響其數據資產價值的因素較多。因此對于Ft的評估在實際操作上困難較大，可以采用差量法實現數據資產的超額收益計算，計算公式可以表示為：

Ft=(R1-R2)t

(3)

其中，R1表示企業的整體收益，R2表示除數據資產外的其他部分資產所帶來的收益。

可以看出，收益法用于無形的數據資產價值評估，能很好地體現其潛在價值，且在實際應用中的可操作性較強，適用于數據種類繁多、體量巨大的情形。但對于處于不同發展時期的互聯網企業，數據資產價值的預估不能使用同一個折現率，也無法做到對未來每個時期的折現率準確預測。這導致在一定程度上影響了評估結果的準確性，對評估人員的業務運作能力也有了更高的要求。

三、實物期權理論和定價模型構建

(一)實物期權理論基礎

實物期權是由金融期權發展而來的，它與金融期權相似但并不一致，是將金融市場期權的運行模式引入企業的戰略決策中[19]。對于某一種投資方案來說，其所能帶來的價值主要分為已經完成的投資和對未來投資的判斷。隨著市場環境的變化，投資者在實物投資時享有決策權力，可以靈活地調整決策[20]。實物期權也可以視為是投資者在不確定的市場環境下的投資機會選擇權，實物的種類可以是不動產、設備等有形資產，也可以是專利權、商標權、數據等無形資產。實物期權通常潛藏在投資項目中，不同項目的期權價值各不相同，這需要根據項目的不確定性程度來判斷，期權的價值會隨項目不確定性的增大而增大。

實物期權的特點主要包括以下幾點：(1)隱蔽性，實物期權類型較多，不易辨別，隱蔽性強，需要參與決策的人員更加謹慎；(2)非交易性，實物期權通常是潛藏于項目決策中，即使沒有規范的合約，期權的實質依然存在；(3)復合型，實物期權在某些投資項目中會以組合形式出現，并相互影響；(4)隨機性，通常表現在有效時間和執行價格這兩方面。

通過實物期權方法，可以為企業在不確定的市場環境下制定戰略投資方案提供思路。對于我國的互聯網行業而言，近年來的發展態勢良好，眾多企業也迎來了從初創期向成熟期的轉型。但這一過程中，不同互聯網企業面臨的不確定風險卻并未因企業的轉型而減少。實物期權正是根據企業的不確定性對企業價值進行評估。由于物聯網企業各階段的決策相互影響，傳統的評估方法很難做到對選擇期權的價值進行評估，而實物期權能比較全面地反映企業在決策過程中不確定風險帶來的價值。

市場環境的不確定性是導致投資者不敢貿然行動的關鍵因素，實物期權理論提出的目的正是在于解決這種不確定性問題。實物期權的核心在于在投資過程中發現投資行為可以帶來的價值，并評估這一價值。因此，在互聯網企業數據資產價值評估中可以應用實物期權理論。但是該方法沒有充分考慮企業現有的業務價值，為了能體現企業數據資產的完整價值，有必要對基于實物期權的價值評估方法進行優化。

(二)實物期權定價B-S模型的構建及優化

實物期權模型種類較多，無論是理論界還是實務界，目前都沒有形成統一的齊全定價模型，主要將其分為連續型和離散型兩類[21]。基于偏微分法的Black-Scholes (B-S)模型是常用的連續型模型，采用解析方法求出期望的表達式。基于動態規則法的二叉樹和三叉樹定價模型是常用的離散型模型，通過數值方法計算期望。

B-S期權定價模型需要遵循以下8點假設：(1)股票價格服從對數正態分布；(2)無風險利率和股票資產期望收益變量在期權有效期內恒定；(3)市場中不存在稅收和交易成本；(4)股票資產在期權有效期內沒有紅利及其他利益所得；(5)該模型分析的期權為歐式期權；(6)交易市場不存在無風險套利的機會；(7)可以連續進行資產交易；(8)投資者可以通過全部資產所得完成賣空操作[22-23]。

雖然B-S 期權定價模型需要遵循的假設及其推導過程比較繁瑣，但一旦滿足上述假設，后續的計算過程只需代入公式即可，操作簡便。而二叉樹模型中決策樹的每一層節點計算量都較大，計算過程復雜且難度較大。另外，二叉樹方法是一種近似方法，隨著期權分割期數的變化，其近似值也會發生改變。綜合考慮，本文選擇 B-S 模型進行運算。

B-S模型是一種為期權或權證等金融衍生工具定價的數學模型[24-25]。由于B-S模型計算簡單、輸入變量有限且數據容易獲得，被交易者認為是美國新興期權市場的理想期權定價公式。雖然后續衍生的一些模型彌補了B-S模型的缺陷，但該模型仍是使用最廣泛的期權定價模型。B-S方程是根據B-S模型的動力學原理，在金融市場中支配歐洲股票期權價格演變的偏微分方程，方程式表示為：

(4)

其中，V是期權的價格，τ是無風險利率，而σ是基礎證券的對數收益率的波動性。

把式(4)可以改寫為如下形式：

(5)

左側表示期權V的價格隨時間t的增加而變化，以及期權價值相對于股票價格的凸度；右側則表示期權多頭和空頭的無風險回報。

B-S期權定價模型的核心在于對資產價格變動風險的衡量，因此可以引入期權價格對風險進行充分解釋。B-S模型形式可以表達為：

C=S0[N(d1)]-Xe-τt[N(d2)]

(6)

(7)

(8)

其中，C為期權初始合理價格，X為期權的執行價格，S0為標的交易資產的現價，t為期權有效期，σ為標的資產價格變化的波動率，τ為連續復利計無風險利率。

可見，B-S 期權定價是一種試圖估計市場行為的理論模型，模型簡單易懂，涉及參數較少且易于收集。但在實際價值評估過程中，B-S期權定價模型在預測參數時會存在誤差。本文考慮到模糊數學理論對于參數估計有較大的優勢，因此基于模糊數學理論對實物期權定價B-S模型進行優化。

選擇梯形模糊數(S1,S2,S3,S4)對模型參數進行估計，主要對標的資產的現價和執行價格這兩個重要參數進行優化，優化后的模型為：

C*=(S1,S2,S3,S4)N(d1)-(X1,X2,X3,X4)e-τtN(d2)

(9)

(10)

(11)

另外，本文用A*(a,b,c,d)表示梯形模糊數，則可以將模糊數A*的均值E(A*)和方差σ2(A*)分別表示為 ：

(12)

(13)

最終得出波動率σ：

(14)

將優化后的B-S模型應用于實際評估前，需要結合模型自身的假設條件及被評估的互聯網企業自身狀況進行分析。

四、案例分析——以三六零安全科技股份有限公司為例

(一)企業基本信息及資產概況

三六零安全科技股份有限公司(簡稱360企業)成立于1992年6月20日。企業創辦旨在通過提供高品質的免費安全服務，解決互聯網用戶上網過程中存在的各種安全問題。360企業匯聚了國內規模領先的高水平安全技術團隊，積累了近萬件原創技術和核心技術。

2017年、2018年，公司實現的營業收入分別為122.38億元、131.29億元，同比增長23.56%、7.28%，對應的凈利潤為33.72億元、35.35億元。2019年360企業主營業務收入占比如圖3所示。公司全年共實現營業收入人民幣128.41億元，同比略降2.19%。公司超百億營業收入中，互聯網廣告及服務收入依舊是收入的主要來源，該板塊收入為97.25億元，占主營業務收入的75.73%，較上年的106.58億元下降8.76%。其原因在于，市場上廣告預算投入趨于謹慎，且不斷向頭部平臺集中，重心偏向移動端。另一個營業收入下降的板塊是互聯網增值服務，2019年收入為9.58億元，同比下降18.68%。與之相對的是公司智能硬件業務、安全及其他業務均大幅增長，分別為16.76億元、4.73億元，同比增長65.20%、75.15%。

圖3 2018年和2019年360企業主營業務收入及占比情況

對于360企業來說，龐大的用戶基礎和流量是企業長期以來穩定發展的關鍵所在。2018年12月，360企業PC安全產品的市場滲透率為96.98%，平均月活躍用戶數平穩保持在5億戶以上；安全市場持續排名第一；PC瀏覽器市場滲透率為82.11%，平均月活躍用戶數達4.3億戶。

(二)企業自由現金流預測

互聯網企業的發展及其投資項目具有很大的不確定性，會隨企業和周圍環境的影響而發生改變。通過將模糊數學理論引入 B-S 模型，對實物期權模型的參數進行修正，進而對標的資產S和期權執行價格X進行處理，降低模型匯總的不確定性因素的影響，使估值方法更加科學。令S的模糊子集為S'=(S1,S2,α,β)，其中S'最可能波動的范圍為(S1,S2)，最不理想和最理想的狀況分別為降低α、增加β。同理，令X的模糊子集為X'=(X1,X2,α',β')。將 B-S 模型中的兩個重要參數S和X的取值確定為區間值而不是點值，波動率的計算也不再是直接從公開市場獲得，而是運用模糊數學的相關計算公式得到，使得360企業的潛在價值是一個經過模糊化的區間值，而非固定值，進而體現企業潛在價值的不確定性，使得到的期權價值更加合理。

由于目前360企業公布的最新年報是2019年，因此將評估基準日定為 2019年 12 月 31 日。選取360企業 2015—2019年的營業收入數據作為預測樣本，對企業未來5年的收入進行預測。2015—2019年360企業營業收入及增長率情況如圖4(a)所示。根據圖4(a)可以看出，在此期間企業的營業收入增長率偏低，與宏觀環境的影響有關。為了保證預測結果的準確性，本文對采集的營業收入數據進行擬合，如圖4(b)所示。根據擬合結果可以預測2020—2024年的營業收入，依次為163.83億元、180.51億元、197.89億元、215.97億元和230.99億元。

圖4 2015—2019年的營業收入數據

按照同樣的方法，分析2015—2019 年的營業成本和資本性支出，對企業2020—2024年的成本費用和資本性支出進行預測，結果分別如圖5(a)和圖5(b)所示。

圖5 2020—2024年企業成本費用和資本性支出預測結果

(三)基于實物期權模型的數據企業資產價值計算

本文以互聯網企業三六零安全科技股份有限公司的數據資產為實例，首先分析了企業背景及其數據資產的價值構成，接下來對其數據資產價值進行評估。

本文對互聯網企業數據資產波動率的計算參考相類似的無形資產波動率，并選取其波動率上限，選取無形資產波動率為20%，數據資產的生命周期為5 年。選取與360企業數據資產收益期相適應的五期國債利率作為無風險利率，為3.35%。以企業2015—2019年的滬深指數作為標的，通過Wind 數據端獲得市場的風險系數為 1.09。根據股票指數來綜合評定證券市場的發展情況，將 5 年滬深指數平均收益作為與市場組合最接近的指數，假設企業現有的投資者和未來可能的投資者所需的風險溢價均沒有變化，計算出市場的預期利率為7.69%。評估企業后得出其所得稅稅率為 15%，債務資本收益率Rd定位基準日五年期的國有銀行貸款利率為4.55%，最終得到360企業股權收益率預測及數據資產投資回報率，結果見表1。

表1 股權收益率預測及加權平均資本計算結果

運用 MATLAB 軟件計算360企業最終的數據資產價值，求得B-S模型中d1和d2，分別為1.88和1.49，得到當前360企業的數據資產價值為 40.05億元。從最終的評估結果可以看出，360企業的數據資產對于企業運營和發展的促進作用至關重要，但由于企業當前積累和不斷新增的數據規模較大，并沒有被有效利用。因此，360企業應加大對數據資產的重視程度和應用力度，積極運用大數據技術對企業數據資產進行深度分析，從而確保數據資產能夠不斷增值，為企業帶來更多的經濟效益。數據作為一種新興的非實體資產，在企業內的流通可向交易市場中延伸并增值，通過挖掘數據的潛在價值，可以給企業帶來更廣闊的增值空間。

五、研究結論

作為企業的一項非實體性資產，數據的重要性日益凸顯。互聯網企業的數據量和數據種類不斷增加，隨之而來的是數據產生價值的能力也越來越強。而關于數據資產的評估問題，也將成為互聯網企業估值的核心問題之一。本文在分析了互聯網企業數據資產價值的相關理論基礎后，結合實物期權理論來彌補傳統資產價值評估方法的不足。本文選擇構建B-S 期權定價模型對互聯網企業進行資產價值評估。考慮到模糊數學理論對于參數估計有較大的優勢，因此基于模糊數學理論對模型進行了優化。為驗證模型的有效性，選擇360企業作為案例研究的對象，根據企業近五年的數據對企業的數據資產價值進行了評估，不僅證實了B-S實物期權定價模型優化的可行性，并且為企業后續發展過程中在數據資產方面的應用提供了參考。

對互聯網企業來說，數據資產價值的影響因素還有很多。在接下來的研究中，應采取新的方法評價影響互聯網數據資產價值的因素，從而更準確地對企業的數據資產價值進行評估。