基于灰色預測模型的物流企業數據資產價值評估研究

0 引言

自1974 年理查德E.皮特斯（RichardE.Peter-son）首次提出“數據資產”這一概念以來，數據資產在產權界定、定價、價值評估等方面的研究備受學者關注[]。在數字經濟時代，數據成為新的生產要素，并逐漸成為企業數字化轉型的關鍵要素之一，以及未來經濟發展不可或缺的動能來源[2]。國家高度重視數字經濟、數據要素市場、數字中國建設。2023年，中共中央、國務院發布的《黨和國家機構改革方案》中明確提出，組建國家數據局，協調推進數據基礎設施建設，統籌數據資源整合共享和開發利用。2023年，財政部發布的《關于加強數據資產管理的指導意見》中強調，規范和加強數據資產管理，健全數據資產價值評估體系。數據資產逐漸成為企業的戰略資產，企業通過對數據進行整合分析，可打通上下游產業鏈，提高運營效率，使決策更為科學、合理，從而實現數字化轉型[3]

數字經濟作為重塑全球經濟結構的關鍵力量，不僅帶動了軟件和信息技術服務業、高新技術產業、互聯網行業等的發展，而且促使物流行業逐步成為世界互聯的核心要素[4]。物流作為國民經濟的重要產業，某市場需求增勢良好。國家統計局公布的數據顯示，2023年全年社會物流總額達352.4萬億元；快遞業務量也逐年增加，2023年累計完成1320.7億件。快遞業務產生數據，物流企業的業務數據量不斷增長。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中明確提出建設現代物流體系。物流企業應利用數字化技術挖掘數據價值，以數據驅動數字化轉型，從而推進物流行業高質量發展。因此，對物流企業數據資產價值進行評估勢在必行。這有助于物流企業加強對數據資產的重視和管理，明確不同類型數據資產的重要性，優化物流企業資源配置，提升物流企業應對不確定性風險的能力，進一步推動產權交易順利進行，助力物流企業數字化轉型。

數據作為資產，能夠為企業帶來經濟利益，推動企業數字化轉型，也有利于推進數據要素市場構建，但是數據資產的產權確認和價值評估進展緩慢。2022年，全國僅出具了6份完整的數據資產評估報告，不能有效為企業提供借鑒。數據資產人表工作雖有進展，但仍處于起步階段。2024年上半年，有52家上市企業開展數據資產入表工作，將數據資產計入存貨、無形資產或開發支出科目，但尚未形成統一的標準。數據資產具有可共享、無物理實體且時效性特點，市場法、成本法和收益法三大傳統評估方法并不完全適用于數據資產價值評估，目前尚缺乏統一、成熟的數據資產價值評估體系和方法。因我國數據交易中心建設起步晚、市場上可比交易案例少，市場法不適用5；因數據資產成本分攤和貶值不易估算，成本法不適用[]；因數據資產以其他產品為媒介為企業創造經濟利益，導致其為企業帶來的收益難以單獨估算，收益法不適用[7。但是，也有學者提出，收益法在評估數據資產價值時適用性最強[8]。在數據資產價值評估方面，有很多學者針對互聯網企業數據資產的特點提出了評估方法，然而針對物流企業的研究很少。

綜上所述，本文旨在通過分析物流企業數據資產的特點，為物流企業數據資產價值評估設計一套合理的方案，為企業拓展業務領域、提高供應鏈管理效率和節約成本提供科學依據，為企業的戰略決策提供數據支持，更好地推動高質量數據流人市場，促進數據交易等經濟活動的開展。

1文獻綜述

在數據資產的研究方面，學者對數據資產的定義基本趨于一致，即數據資產是由企業或組織合法擁有并控制的，且能夠給其帶來經濟利益的數字、文字、圖像、聲音、視頻等資源。倪元飛[9提出，數據資產入表有助于企業深度挖掘數據資產的價值、提高融資成功率，推動企業實現數字化轉型，但數據資產在管理、權屬、審計等方面存在難點。鄭勝寒[10]指出，雖然數據資產定義明確，但是適用范圍模糊、權屬關系不明、管理缺乏標準。杜美杰和董雅[1指出，我國在立法層面尚未形成規范的數據資產權益保護機制，領域法缺乏相關細則，特別法涵蓋范圍小。企業可將數據資產確認為無形資產或存貨，確認為無形資產的數據資產存在權屬界定、后續價值評估的風險，確認為存貨的數據資產存在盤點、計價和質量評價的風險。

在數據資產價值評估方面，學者多在傳統方法上改進，提出更合適的價值評估模型。李鋒剛和代沖[12]在多期超額收益法的基礎上，應用殘差修正灰色模型進行自由現金流量預測，提升評估精度。李永紅等[7]引入層次分析法和灰色關聯分析法對市場法進行改進，重新構建了數據資產價值評估模型。夏文蕾等[13提出了“開發一應用一風險”三維價值評估模型，并將數據勢能模型引入企業數據資產評估。肖毅等[14]對成本法做出改進，以“數據資產形成一表現形式一數據資產目錄”為基礎，提出各類數據資產的成本歸集邏輯和方法。湯玉和楊潤高[15提出，將突變級數法應用于分離表外無形資產的價值，有利于提升數據資產價值評估效率。

物流企業具有服務性、規模經濟性、綜合性和技術依賴性特點。鑒于物流企業的特點及數據資產人表和價值評估方面存在的難點，若只考慮數據資產當前的價值，會忽略數據資產未來給企業帶來的收益，進而低估數據資產的價值。因此，本文將物流企業數據資產的價值分為交易價值和經濟價值。數據資產的交易價值表現為企業在進行數據交易時付出的成本；數據資產的經濟價值體現在企業利用物聯網技術結合數據分析，達到物流協作效率提升、貨運成本降低、貨運風險防范的目的，運用數據信息提高其決策效率，制定未來發展戰略。

2數據資產價值評估方案設計

隨著數字經濟的發展，企業擁有的數據、文字、圖像等數據資產的數量呈幾何倍數增長，大量原始數據經過分析處理，成為企業重要的生產要素，為企業帶來了巨大利益[16]。然而，由于目前尚未建立完善的數據資產評估模型，且數據資產的價值受到企業規模的影響，數據為企業帶來的經濟效益難以評估，導致企業無法像運營有形資產一樣對數據資產進行有效運營，不能最大限度地發揮數據資產的價值[17]因此，本文針對物流企業構建數據資產價值評估模型，以期為物流企業提供參考。結合上文分析，將物流企業數據資產的價值評估分為兩類：第一類，針對存在數據資產交易行為的企業，對數據資產的價值進行評估；第二類，對物流企業數據資產的經濟價值進行評估。

2.1多期超額收益模型

對物流企業的數據資產價值進行評估時，首先要判斷企業是否存在數據交易行為。若不存在交易行為，則不考慮這部分價值。若存在交易行為，則計算交易數據資產時發生的交易額，以及持有該項數據資產期間產生的運營成本，運用成本法對數據資產的交易價值進行評估，公式為

V₁= 初期成本 × 成新率 + 運營成本式中， V₁ 為數據資產的交易價值。

考慮到數據資產需依靠介質來存儲，其自身不具有實體形態，不易于從企業所擁有的資產中單獨分離出來，在市場上也不易找到可比案例，并且物流企業涉及的業務類型多、范圍廣，數據資產在不同的業務類型中均能夠為企業創造價值，因此，傳統評估方法并不適合用來評估數據資產的價值[18]。物流企業的收益是由其擁有的有形資產和無形資產創造的，而多期超額收益法評估數據資產價值的原理是從自由現金流中剔除流動資產、固定資產和表內無形資產的貢獻值，避免了對數據資產價值進行直接計算的困難。綜上，本文采用多期超額收益法對物流企業數據資產的經濟價值進行估算，公式為

式中， V₂ 為數據資產經濟價值； E 為企業自由現金流;E_c 為流動資產貢獻值； E_f 為固定資產貢獻值； E_b 為無形資產貢獻值； r 為折現率； Ψ_tΨ_t 為數據資產的收益期限。

2.2 灰色預測模型

灰色預測模型基于灰色系統理論，可以從“部分”已知信息中提取有價值的信息，實現對系統未來狀態的預測。物流企業的收益受季節因素影響，具有較大的波動性，而灰色預測模型計算簡單，對波動性數據適應性較好，在短期預測中精度高，能夠對量少的時間序列數據進行預測。綜上，應用灰色預測模型對物流企業未來收益進行預測。灰色預測模型的具體步驟如下：

第一步：對原始數據進行級比檢驗，計算級比λ（k） ，若所有級比都在 內，則表明數據適合進行灰色預測；否則，應對數據進行變換處理。

第二步：建立模型，弱化隨機性。對原始數據序列 X^（0） 進行一次累加生成，得到累加生成序列 X^（1）

X^（1）={x^（1）（1），x^（1）（2），…，x^（1）（n）}

第三步：建立預測方程。白化方程如式（7），時間響應函數如式（8）

第四步：還原預測值。通過累減生成原始數據序列的預測值。

k=1，2，…，n-1

第五步：模型檢驗。模型預測精度檢驗見表1。

2.3確定模型的相關變量

2.3.1 收益期限的預測

收益期限是企業擁有的數據資產預期能夠給企業帶來經濟利益的時間。數據資產沒有實體形態且具有可復制性，從理論上來說在較長的時間內都能夠給企業創造價值。然而，數據資產具有時效性，隨著科學技術的進步和企業的成長，數據資產可能會發生無形損耗，部分數據資產也因此不再具有使用價值。因此，要綜合考慮數據資產的內容和特點、企業對數據資產的利用狀況、技術是否有更新、行業的發展前景及法律法規的規定等，以此為依據確定數據資產的收益期限。

2.3.2相關收益額的預測

1.灰色預測模型預測企業自由現金流

企業自由現金流不受權責發生制的制約，有效反映了企業的經營狀況，也考慮了企業未來發展必須進行的籌資活動和預算預測。傳統的百分比法不能很好地反映銷售收入的變化趨勢，而灰色預測模型在短期預測方面具有優勢，對于數據的分布沒有嚴格要求，對于變化趨勢相對穩定的短期數據序列，能以少量的歷史數據為基礎對未來多期的數據進行預測，較為準確地預測未來的發展趨勢。所以，本文通過灰色預測模型和收益百分比法預測企業自由現金流計算所需的各項數據，從而實現對未來企業自由現金流的預測。

E= 息前稅后利潤 + 折舊及攤銷-資本性支出-營運資本增加額

2.流動資產貢獻值預測

流動資產是企業資產必不可少的組成部分，周轉速度快、變現能力強，在周轉過程中不存在折舊損耗。收集物流企業的歷史財務數據，運用灰色預測模型對企業未來的流動資產進行預測，再通過公式計算，得到企業未來的流動資產貢獻值。

年均流動資產 σ=σ （期初流動資產 + 期末流動資產）/2

E_c= 年均流動資產 × 流動資產回報率 （12）

3.固定資產貢獻值預測

固定資產不同于流動資產，其使用壽命超過一個會計年度，且會受使用期限、材質、環境等因素的影響發生各種損耗，通過使用過程中的損耗將價值轉移到新產品中。所以，在計算固定資產貢獻值時，還需要考慮固定資產折舊部分。基于物流企業的歷史財務數據，采用灰色預測模型對企業未來的固定資產及折舊進行預測，并運用公式計算貢獻值。

年均固定資產 Σ=Σ （期初固定資產 + 期末固定資產）/2

E_f= 年均固定資產 × 固定資產回報率 + 固定資產折舊

4.無形資產貢獻值預測

無形資產能夠為企業帶來經濟利益，且具有非實體性、壟斷性、共享性等特征，導致這部分利益受到使用壽命、權屬范圍等因素的影響，因此，在計算貢獻值時，要考慮無形資產攤銷部分。運用灰色預測模型對物流企業未來的無形資產及攤銷進行預測，將得到的數據代入公式，計算得到無形資產貢獻值。

年均無形資產 Σ=Σ （期初無形資產 + 期末無形資產）/2

E_b= 年均無形資產 × 無形資產回報率 + 無形資產攤銷

2.3.3折現率的確定

折現率是一種期望投資報酬率。在資產評估實務中，通常運用加和法、成本法、資本資產定價模型和資本成本加權法確定折現率。考慮到物流企業的數據資產規模大，本文運用資本資產定價模型確定數據資產的折現率[19]

式中， r_f 為無風險報酬率； β 為風險系數； r_m 為市場平均收益率; r_?m-r_f 為市場平均風險報酬率。

綜上所述，物流企業數據資產價值（ V ）包括交

易價值（ V₁ ）和經濟價值（ V₂） °

V=V₁+V₂

3 案例分析

3.1 案例背景

韻達控股集團股份有限公司（以下簡稱“韻達股份”）是國內知名物流企業，于2007年3月6日在深圳證券交易所上市。在大數據能力和信息化技術的支持下，韻達股份精準聚焦全網核心資源與模塊，在干線運輸、大數據決策、智慧服務、網絡末端等核心業務領域重點發力，深度推進信息化、數字化、自動化與智慧化建設，并持續優化升級，從而全方位提升運營效率與服務質量，在全網全鏈路實現一體式、數智化管理管控。

韻達股份以快遞業務為主，其數據資產大部分產生在物流與供應鏈流程的各個環節及對外交易中，主要包括用戶數據和物流數據。用戶數據由外部用戶的訂單等信息組成，如用戶基本信息、快遞使用記錄、行為數據等；物流數據多在企業內部倉儲運輸時形成，如運輸信息、軌跡信息、倉儲信息等。這些數據資產在優化物流流程、提高運營效率、增強客戶體驗等方面發揮了重要作用。除此之外，韻達股份擁有的財務數據能夠反映企業經營狀況，幫助企業分析不同業務板塊的盈利能力和發展潛力，契合數據資產的核心要義，歸屬于數據資產范疇。

3.2 評估過程

自2023年起，韻達股份在數字化轉型的道路上不斷前進，將AI（人工智能）、數字管控、移動化等技術與業務深度融合。基于此，將評估基準日確定為2023年12月31日。

評估對象主要為韻達股份擁有的各類數據資產，具體包括用戶數據、物流數據、財務數據等。

評估目的是為韻達股份全部數據資產的價值確定提供參考依據，提高其數據資產利用率，優化資源配置，提升運營效率。

3.2.1 收益期限及折現率

通過查閱企業年報和相關資料發現，韻達股份不存在數據交易行為，所以不考慮這部分數據資產的交易價值，即 V₁=0 。因此，只需對數據資產的經濟價值進行評估。

結合上文分析，物流企業數據資產更迭快，具有較強的時效性，考慮到數據資產價值會受到持有期限的影響，為了保證預測結果的準確性，本文將收益期限定為5年。

計算折現率過程中，用2023年5年期國債收益率的平均值確定無風險報酬率，共選取2023年的250條數據，計算結果為 2.56% 。風險系數采用2023年韻達股份綜合市場年 β 值，為1.22。選擇國證A指2012—2023年的數據計算市場平均收益率，將數據代入式（19），得到市場平均收益率為 8.91% 。

式中， LP_i 為國證A指第 i 年12月31日的收盤價； LP_i+1

為國證A指第 i+1 年12月31日的收盤價。

將上述數據代入式（20），計算出折現率為 10.31% 。

3.2.2 企業自由現金流預測

1.營業收入預測

為保證預測的準確性，通過對比分析，選擇韻達股份2016年12月31日—2023年12月31日的數據，運用灰色預測模型對其2024—2028年的營業收入進行預測。

首先，對時間序列進行級比檢驗，檢驗結果見表2。

由表2可知，平移轉換后序列的級比值均位于（0.801，1.249）內，表明序列經平移轉換后適合構建灰色預測模型。

其次，對模型進行精度檢驗，結果見表3。

后驗差比值 ∣c∣ 為0.108，小于0.35，表明模型精度較高。

最后，檢驗灰色預測模型的擬合效果，結果見表4。

由表4可知，模型相對平均誤差為 18.426% ，擬合效果較好。

運用灰色預測模型，得到2024—2028年韻達股份營業收入預測結果，見表5。

表52024—2028年韻達股份營業收入預測結果

（單位：億元）

2.相關費用預測

韻達股份2024—2028年的營業成本、稅金及附加、銷售費用、管理費用、財務費用，根據2019—2023年占其營業收入比重的平均值預測。所得稅以營業成本減去相關費用為基礎計算，稅率為 25% 0

韻達股份的折舊攤銷由固定資產折舊、無形資產攤銷及長期待攤費用構成，計算2019—2023年其占營業收入比重的平均值，為 4.4% ，據此預測韻達股份2024—2028年的折舊攤銷。

韻達股份的資本性支出由其當年構建固定資產、無形資產和其他長期資產所支付的資金減去處置固定資產、無形資產和其他長期資產收回的現金凈額計算得到。根據資本性支出占營業收入比重的平均值預測韻達股份2024—2028年的資本性支出，并將其中的異常數據剔除。

韻達股份的營運資本為當年流動資產和流動負債的差額，營運資本增加額由當年營運資本減去上年營運資本計算得到。根據營運資本增加額占營業收入比重的平均值預測韻達股份2024—2028年的營運資本增加額。

2024—2028年韻達股份自由現金流預測結果見表6。

表62024—2028年韻達股份自由現金流預測結果

（單位：億元）

3.2.3相關資產貢獻值預測

1.流動資產貢獻值預測

用韻達股份2019—2023年流動資產數據，預測其2024—2028年的流動資產貢獻值。通過查找資料，2023年銀行1年期貸款利率為 4.35% ，所以將流動資產回報率確定為 4.35% 。預測結果見表7。

2.固定資產貢獻值預測

固定資產的貢獻值分為固定資產的投資收益和固定資產折舊帶來的補償回報。韻達股份2024—2028年的固定資產由灰色預測模型預測得到，固定資產投資回報率依據2023年銀行5年期貸款利率確定，為4.2% 。固定資產折舊根據2019—2023年固定資產折舊占營業收入比重的平均值確定。2024—2028年韻達股份固定資產貢獻值預測結果見表8。

3.無形資產貢獻值預測

根據財報披露，韻達股份的無形資產包括土地使用權、計算機軟件及公司內部研發形成的無形資產。基于2019—2023年的數據，結合灰色預測模型，預測企業的無形資產及攤銷；無形資產回報率按2023年銀行5年期貸款利率 4.2% 計算；通過計算2019—2023年無形資產攤銷占銷售收入的比重，求其平均值，得到2024—2028年韻達股份無形資產攤銷。2024—2028年韻達股份無形資產貢獻值預測結果見表9。

3.2.4數據資產經濟價值計算

將流動資產、固定資產和無形資產貢獻值代入式（2），運用多期超額收益法計算可得韻達股份2024—2028年數據資產經濟價值，即 V₂=60.26 （億元）。具體見表10。

3.3 評估結果

綜上，韻達股份不存在數據交易行為， V₁=0 。基于灰色預測模型和銷售百分比法預測，運用多期超額收益法計算得到數據資產的經濟價值，即 V₂=60.26 （億元）。所以，韻達股份數據資產的價值為 V=V₁+ V₂=60.26 （億元）。

4結語

數據資產在企業制定決策、生產運營、風險管理等環節發揮重要作用，在促進產業升級、優化政府服務等方面也具有重要意義[20]。物流產業連接經濟相關的各個部門，其發展程度逐漸成為衡量一個國家現代化程度和綜合國力的指標之一，而數據資產逐漸成為物流企業的核心競爭力之一。因此，對物流企業數據資產價值進行評估勢在必行。本文采用灰色預測模型對企業未來收益進行預測。該模型可以利用有限的數據進行短期預測，能夠較好地捕捉數據的變化趨勢，經過處理可以使預測結果更接近真實情況，并以預測結果為基礎結合多期超額收益法對物流企業數據資產的價值進行評估。從評估結果看，數據資產為韻達股份帶來了經濟利益，說明韻達股份重視數據資產，利用數據資產推動創新和業務發展，助力數字化轉型。

本文仍存在不足之處：第一，盡管灰色預測模型在中短期時間序列預測方面具有一定優勢，但是企業自由現金流受多種因素的交互影響，灰色預測模型難以全面、準確地描述這些因素的行為和變化，從而影響預測結果的準確性；第二，在確定數據資產超額收益時不夠嚴謹，沒有考慮除固定資產、流動資產、無形資產和數據資產外的其他資產。這些都會對評估結果產生影響。未來在進行相關研究時，應結合蓬勃發展的大數據、人工智能等技術，構建更為科學的預測模型，設計一套更為精確的評估方法。

參考文獻

[1] PETERSON R E . A cross section study of the demand for money ：theUnited States，1960-62[J].Journal ofFinance，1974，29（1）：73-88.

[2］許憲春，胡亞茹，張美慧．數字經濟增長測算與數據生產要素統計核算問題研究［J]．中國科學院院刊，2022，37（10）：1410-1417.

[3］劉文濤．數據管理能力建設引領企業數字化轉型之路［J].中國發展觀察，2022（11）：66-69，98.

［4］宗良，劉晨，劉官菁．全球數字經濟格局變革前景與策略思考［J].中國經濟評論，2022（3）：85-88.

［5］黃海．會計信息化下的數據資產化現狀及完善路徑［J]．企業經濟，2021，40（7）：113-119.

[6］王蕾，李春波．數據資產及其價值評估方法：研究綜述與展望［J].中國資產評估，2022（7）：4-10.

[7］李永紅，張淑雯．數據資產價值評估模型構建［J]．財會月刊，2018（9）：30-35.

[8]BERKMAN M. Valuing intellectual property assets for licensingtransactions [J]. Licensing Journal， 2002，22 （4）： 16-23.

[9］倪元飛．數據資產人表難點及優化策略分析［J]．投資與創業，2024，35（22）：86-88.

[10］鄭勝寒．公立醫院數據資產管理難點及應用機制研究［J].衛生經濟研究，2024，41（12）：85-88.

[11］杜美杰，董雅．我國企業數據資產權益保護路徑探析［J].財會月刊，2024，45（23）：123-128.

［12］李鋒剛，代沖．基于殘差修正灰色模型的數據資產價值評估：以恒生電子為例[J].商業會計，2024（21）：83-88.

[13］夏文蕾，吳昀璟，余輝，等．數據資產評估與定價：基于“開發—應用一風險”三維模型［J]．財會月刊，2024，45（21） ： 89-95.

［14］肖毅，楊艷，張曉，等．基于重置成本法的企業數據資產價值評估：以A運維公司為例［J]．中國資產評估，2024（8）：20-29.

[15］湯玉，楊潤高．突變級數法在分離數據資產價值中的應用研究［J]．中國資產評估，2024（6）：32-39.

[16］陳松奕，崔藝瑄．新零售背景下我國物流企業數據驅動創新路徑［J]．商業經濟研究，2019（11）：101-104.

[17］張志剛，楊棟樞，吳紅俠．數據資產價值評估模型研究與應用［J]．現代電子技術，2015，38（20）：44-47，51.

[18］李永紅，李金．互聯網企業數據資產價值評估方法研究[J]．經濟研究導刊，2017（14）：104-107.

[19］陳芳，余謙．數據資產價值評估模型構建：基于多期超額收益法[J].財會月刊，2021（23））：21-27.

[20] XIONG F， XIE M Y， ZHAO L J， et al. Recognition and evalu-ation of data as intangible assets[J].SAGE Open，2022，12（2） ： 1-13.

收稿日期：2025-01-01

作者簡介：

馬維佳，女，1999年生，碩士研究生在讀，主要研究方向：無形資產評估。

郝麗，女，1988年生，博士研究生，講師，主要研究方向：知識管理與重用、CAD模型檢索及重用、企業管理。