基于实物期权理论的互联网企业数据资产评估研究

郭燕青，孙培原

(辽宁大学 商学院，辽宁 沈阳 110036 )

一、引言

互联网时代，数字经济在全球迅猛发展，数据即资产[1]，以物联网、云计算、区块链为代表的新一轮信息技术革命正在影响着各行各业的发展。大数据在我国当前的经济建设中，从最初的为企业节约成本，发展到可以出租、销售数据资产，实现数据共享，从而推动企业协同发展[2]。企业逐渐将关注的重点放在成本投入与数据应用价值产出方面。随着企业的发展，企业拥有的数据资产只会越来越庞杂，通过数据资产管理对资产进行有序的管理、提升数据利用价值是必不可少的环节[3-4]。许多企业开始着眼于大数据的应用，投入研发资金和人力成本，希望凭借大数据的综合能力帮助企业制定经营决策，占据更充足的市场份额。

截至2020年底，我国的网民规模达9.89亿人，互联网普及率达70.4%。互联网企业已经逐渐成为当代经济整体发展的核心要素，随着新型互联网企业的不断涌现，数据资产在互联网企业中对其价值的整体推动作用越发明显[5]。主要驱动点在于，互联网的高度普及和线上运营模式发展使用户规模不断扩大，为企业积累原始数据奠定了基础[6-7]。并且，随着新型的数据处理系统的不断创新，互联网企业在用户的原始数据中进行数据挖掘的效率大大提升。在互联网企业的生产经营中，只有对数据资产进行有效地利用，才能提高企业核心竞争力，而这一过程中对企业数据资产价值的评估有了更高的要求[8]。一方面要结合企业所处的互联网行业整体发展情况，另一方面要充分考虑数据资产价值自身的影响。

纵观目前数据资产相关领域的研究，大多停留在以层次分析法为主的价值分类层面，对数据资产价值评估的界定和应用则比较欠缺。企业在数据资产价值评估方面还有待提升，目前与实际偏差较大的估计结果影响了企业的经济决策。为了弥补传统评估方法的不足，提升企业数据资产价值评估的效率和准确性，本文以实物期权理论为基础，引入B-S期权定价模型并进行优化，以寻求更优的资产价值评估方法。结合数据资产的本质特征，选取了合适的互联网企业，运用评估模型完成了对企业现有数据资产价值的评估，从而证实所构建的B-S期权定价模型的有效性。

二、互联网企业数据资产评估理论基础

(一)互联网企业特性及数据资产的界定

互联网企业从广义上来说，是通过线上平台为用户提供商品或服务所需，进而获得收益的企业。联网企业有别于传统企业，前期投资高，企业往往很难在初创期获得盈利。到了企业发展的成熟期，用户和市场份额有了足够的积累时，企业在短时间内可以创造更高的利润[9-10]。因此，互联网企业的财务数据无法体现企业的真实价值，很多无形资产无法在整体价值评估中体现，导致企业价值被低估。互联网企业基本都属于轻资产企业，发展的不确定性较强，很难像传统企业一样通过财务数据合理定价进行价值评估。由于互联网行业的细分领域众多且企业的发展周期也极具个性，即使是规模类似、业务相同的企业，未来的经营情况也不尽相同，没有可比性。加之市场竞争越来越激烈，企业不断增加的潜在风险也给数据资产估值带来了阻碍。

在对资产的解释中，“拥有或控制”以及“创造经济效益”是资产最为核心的内涵[11]。由资产的概念引申到数据资产，数据资产是由企业拥有或控制，可以给企业带来经济效益的资源。可明确作为“资产”的数据资源，表现为以下两种形式(图1)：(1)将数据赋能于现有产品，通过产品实现收益增长；(2)数据自身的固有价值带来收益。第一种形式是通过数据助力现金流，意味着数据本身不产生价值，而通过数据作用于现有产品，可以创造更多的收益。企业通过数据内部消化的方式，将运用中产生的数据进行收集与分析，用于辅助自身经营决策和业务流程的制定，从而提高产品收益。第二种形式是通过利用数据优化业务，是一种数据间接产生收益的方式。这种情况下，数据能够产生的价值是难以评估的。在合法的前提下让数据以各种形式进行交易，这也是数据产生价值的直接方式。

图1 数据作为资产的两种表现形式

目前对数据资产还没有统一定义，但普遍认为应将其归于无形资产范畴[12-14]。非实体性的资产以数据形式存在，虽然不具有实体形态，但能够作为预计现金流流入的一种资源。从根本上来说，数据是业务进行信息化后的一种数字表现形式。企业日常生产运营中每一个相关的人都是数据的创造者，企业通过对文字、声音、图片、视频等数据进行加工，形成最终的数据资产。因此，在数据资产衍变过程中应确保业务相关性，具有明确的业务规则。从定义层面分析，企业对数据资产具有可控制权[15]。但由于互联网企业中数据的产生是随机多样的，原始数据从根本上说来源于用户。企业只在数据整理与分析过程中投入成本，但并不能将这部分数据资产归为企业所有。不仅如此，数据资产的价值会在企业发展过程中不断发生改变，同等质量的数据资产有可能产生不等的价值。因此在当前的法律法规下，对这部分数据资产的评估较为模糊。

(二)互联网企业数据资产评估方法

1.层次分析法。作为一种将定性与定量相融合的系统化多准则方法，其在资产价值评估中首先将复杂问题分解成一个相互关联的层次结构，然后综合专家的判断，计算出所有指标在整个结构模型中的相对权重。目前在数据资产评估领域的研究中，基本都是使用层次分析法确定指标权重，构建评估模型来计算企业资产的整体价值[16]。数据资产价值评估中层次关系及各层指标如图2所示。该方法因其明确的量化优势，得到的评价结果可信度较高。其局限性在于忽略了数据的互联网技术属性，仍需借助可比案例确定具体估值。但是不同互联网企业的数据资产类型差异较大，可参考的适用性案例较少。

图2 数据资产价值评估的层次关系及具体指标

2.成本法。采用成本法评估企业资产价值时，需要考虑的成本包括企业收集数据过程中建立端口、购置大数据分析设备、人力及技术投入以及前期的渠道开发成本。考虑到数据资产不具备实体特征，因此其贬值方式主要包括功能性和经济性两个方面[17]。运用成本法对企业数据资产进行评估的公式可以表示为：

P=C1+C2

(1)

其中，C1是获取数据的投入成本，C2是数据运营的成本。

成本法能有效避免主观因素对评估结果的影响，适用于企业内部的数据资产价值评估。但该方法对于无形的数据资产可能为企业带来的增值效益无法评估，因此最终得到的评估结果与真实值相比偏低。由此可见，成本法对于互联网企业的数据资产评估并不适用。

3.收益法。收益法是结合企业的生产运营、发展战略等现状，将资产的未来预期收益折算成现值，计算数据资产在未来能够给企业带来的增值收益。在模型运用中，收益法可以准确预测未来现金流量[18]。可以将运用收益法评估企业数据资产的公式表示为：

(2)

其中，P是被评估资产的价值；Ft为在未来的第t年因数据资产的使用而带来的收益；n为收益年限；折现率用i表示。

由于互联网企业的属性和特质，影响其数据资产价值的因素较多。因此对于Ft的评估在实际操作上困难较大，可以采用差量法实现数据资产的超额收益计算，计算公式可以表示为：

Ft=(R1-R2)t

(3)

其中，R1表示企业的整体收益，R2表示除数据资产外的其他部分资产所带来的收益。

可以看出，收益法用于无形的数据资产价值评估，能很好地体现其潜在价值，且在实际应用中的可操作性较强，适用于数据种类繁多、体量巨大的情形。但对于处于不同发展时期的互联网企业，数据资产价值的预估不能使用同一个折现率，也无法做到对未来每个时期的折现率准确预测。这导致在一定程度上影响了评估结果的准确性，对评估人员的业务运作能力也有了更高的要求。

三、实物期权理论和定价模型构建

(一)实物期权理论基础

实物期权是由金融期权发展而来的，它与金融期权相似但并不一致，是将金融市场期权的运行模式引入企业的战略决策中[19]。对于某一种投资方案来说，其所能带来的价值主要分为已经完成的投资和对未来投资的判断。随着市场环境的变化，投资者在实物投资时享有决策权力，可以灵活地调整决策[20]。实物期权也可以视为是投资者在不确定的市场环境下的投资机会选择权，实物的种类可以是不动产、设备等有形资产，也可以是专利权、商标权、数据等无形资产。实物期权通常潜藏在投资项目中，不同项目的期权价值各不相同，这需要根据项目的不确定性程度来判断，期权的价值会随项目不确定性的增大而增大。

实物期权的特点主要包括以下几点：(1)隐蔽性，实物期权类型较多，不易辨别，隐蔽性强，需要参与决策的人员更加谨慎；(2)非交易性，实物期权通常是潜藏于项目决策中，即使没有规范的合约，期权的实质依然存在；(3)复合型，实物期权在某些投资项目中会以组合形式出现，并相互影响；(4)随机性，通常表现在有效时间和执行价格这两方面。

通过实物期权方法，可以为企业在不确定的市场环境下制定战略投资方案提供思路。对于我国的互联网行业而言，近年来的发展态势良好，众多企业也迎来了从初创期向成熟期的转型。但这一过程中，不同互联网企业面临的不确定风险却并未因企业的转型而减少。实物期权正是根据企业的不确定性对企业价值进行评估。由于物联网企业各阶段的决策相互影响，传统的评估方法很难做到对选择期权的价值进行评估，而实物期权能比较全面地反映企业在决策过程中不确定风险带来的价值。

市场环境的不确定性是导致投资者不敢贸然行动的关键因素，实物期权理论提出的目的正是在于解决这种不确定性问题。实物期权的核心在于在投资过程中发现投资行为可以带来的价值，并评估这一价值。因此，在互联网企业数据资产价值评估中可以应用实物期权理论。但是该方法没有充分考虑企业现有的业务价值，为了能体现企业数据资产的完整价值，有必要对基于实物期权的价值评估方法进行优化。

(二)实物期权定价B-S模型的构建及优化

实物期权模型种类较多，无论是理论界还是实务界，目前都没有形成统一的齐全定价模型，主要将其分为连续型和离散型两类[21]。基于偏微分法的Black-Scholes (B-S)模型是常用的连续型模型，采用解析方法求出期望的表达式。基于动态规则法的二叉树和三叉树定价模型是常用的离散型模型，通过数值方法计算期望。

B-S期权定价模型需要遵循以下8点假设：(1)股票价格服从对数正态分布；(2)无风险利率和股票资产期望收益变量在期权有效期内恒定；(3)市场中不存在税收和交易成本；(4)股票资产在期权有效期内没有红利及其他利益所得；(5)该模型分析的期权为欧式期权；(6)交易市场不存在无风险套利的机会；(7)可以连续进行资产交易；(8)投资者可以通过全部资产所得完成卖空操作[22-23]。

虽然B-S 期权定价模型需要遵循的假设及其推导过程比较繁琐，但一旦满足上述假设，后续的计算过程只需代入公式即可，操作简便。而二叉树模型中决策树的每一层节点计算量都较大，计算过程复杂且难度较大。另外，二叉树方法是一种近似方法，随着期权分割期数的变化，其近似值也会发生改变。综合考虑，本文选择 B-S 模型进行运算。

B-S模型是一种为期权或权证等金融衍生工具定价的数学模型[24-25]。由于B-S模型计算简单、输入变量有限且数据容易获得，被交易者认为是美国新兴期权市场的理想期权定价公式。虽然后续衍生的一些模型弥补了B-S模型的缺陷，但该模型仍是使用最广泛的期权定价模型。B-S方程是根据B-S模型的动力学原理，在金融市场中支配欧洲股票期权价格演变的偏微分方程，方程式表示为：

(4)

其中，V是期权的价格，τ是无风险利率，而σ是基础证券的对数收益率的波动性。

把式(4)可以改写为如下形式：

(5)

左侧表示期权V的价格随时间t的增加而变化，以及期权价值相对于股票价格的凸度；右侧则表示期权多头和空头的无风险回报。

B-S期权定价模型的核心在于对资产价格变动风险的衡量，因此可以引入期权价格对风险进行充分解释。B-S模型形式可以表达为：

C=S0[N(d1)]-Xe-τt[N(d2)]

(6)

(7)

(8)

其中，C为期权初始合理价格，X为期权的执行价格，S0为标的交易资产的现价，t为期权有效期，σ为标的资产价格变化的波动率，τ为连续复利计无风险利率。

可见，B-S 期权定价是一种试图估计市场行为的理论模型，模型简单易懂，涉及参数较少且易于收集。但在实际价值评估过程中，B-S期权定价模型在预测参数时会存在误差。本文考虑到模糊数学理论对于参数估计有较大的优势，因此基于模糊数学理论对实物期权定价B-S模型进行优化。

选择梯形模糊数(S1,S2,S3,S4)对模型参数进行估计，主要对标的资产的现价和执行价格这两个重要参数进行优化，优化后的模型为：

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)表示梯形模糊数，则可以将模糊数A*的均值E(A*)和方差σ2(A*)分别表示为 ：

(12)

(13)

最终得出波动率σ：

(14)

将优化后的B-S模型应用于实际评估前，需要结合模型自身的假设条件及被评估的互联网企业自身状况进行分析。

四、案例分析——以三六零安全科技股份有限公司为例

(一)企业基本信息及资产概况

三六零安全科技股份有限公司(简称360企业)成立于1992年6月20日。企业创办旨在通过提供高品质的免费安全服务，解决互联网用户上网过程中存在的各种安全问题。360企业汇聚了国内规模领先的高水平安全技术团队，积累了近万件原创技术和核心技术。

2017年、2018年，公司实现的营业收入分别为122.38亿元、131.29亿元，同比增长23.56%、7.28%，对应的净利润为33.72亿元、35.35亿元。2019年360企业主营业务收入占比如图3所示。公司全年共实现营业收入人民币128.41亿元，同比略降2.19%。公司超百亿营业收入中，互联网广告及服务收入依旧是收入的主要来源，该板块收入为97.25亿元，占主营业务收入的75.73%，较上年的106.58亿元下降8.76%。其原因在于，市场上广告预算投入趋于谨慎，且不断向头部平台集中，重心偏向移动端。另一个营业收入下降的板块是互联网增值服务，2019年收入为9.58亿元，同比下降18.68%。与之相对的是公司智能硬件业务、安全及其他业务均大幅增长，分别为16.76亿元、4.73亿元，同比增长65.20%、75.15%。

图3 2018年和2019年360企业主营业务收入及占比情况

对于360企业来说，庞大的用户基础和流量是企业长期以来稳定发展的关键所在。2018年12月，360企业PC安全产品的市场渗透率为96.98%，平均月活跃用户数平稳保持在5亿户以上；安全市场持续排名第一；PC浏览器市场渗透率为82.11%，平均月活跃用户数达4.3亿户。

(二)企业自由现金流预测

互联网企业的发展及其投资项目具有很大的不确定性，会随企业和周围环境的影响而发生改变。通过将模糊数学理论引入 B-S 模型，对实物期权模型的参数进行修正，进而对标的资产S和期权执行价格X进行处理，降低模型汇总的不确定性因素的影响，使估值方法更加科学。令S的模糊子集为S'=(S1,S2,α,β)，其中S'最可能波动的范围为(S1,S2)，最不理想和最理想的状况分别为降低α、增加β。同理，令X的模糊子集为X'=(X1,X2,α',β')。将 B-S 模型中的两个重要参数S和X的取值确定为区间值而不是点值，波动率的计算也不再是直接从公开市场获得，而是运用模糊数学的相关计算公式得到，使得360企业的潜在价值是一个经过模糊化的区间值，而非固定值，进而体现企业潜在价值的不确定性，使得到的期权价值更加合理。

由于目前360企业公布的最新年报是2019年，因此将评估基准日定为 2019年 12 月 31 日。选取360企业 2015—2019年的营业收入数据作为预测样本，对企业未来5年的收入进行预测。2015—2019年360企业营业收入及增长率情况如图4(a)所示。根据图4(a)可以看出，在此期间企业的营业收入增长率偏低，与宏观环境的影响有关。为了保证预测结果的准确性，本文对采集的营业收入数据进行拟合，如图4(b)所示。根据拟合结果可以预测2020—2024年的营业收入，依次为163.83亿元、180.51亿元、197.89亿元、215.97亿元和230.99亿元。

图4 2015—2019年的营业收入数据

按照同样的方法，分析2015—2019 年的营业成本和资本性支出，对企业2020—2024年的成本费用和资本性支出进行预测，结果分别如图5(a)和图5(b)所示。

图5 2020—2024年企业成本费用和资本性支出预测结果

(三)基于实物期权模型的数据企业资产价值计算

本文以互联网企业三六零安全科技股份有限公司的数据资产为实例，首先分析了企业背景及其数据资产的价值构成，接下来对其数据资产价值进行评估。

本文对互联网企业数据资产波动率的计算参考相类似的无形资产波动率，并选取其波动率上限，选取无形资产波动率为20%，数据资产的生命周期为5 年。选取与360企业数据资产收益期相适应的五期国债利率作为无风险利率，为3.35%。以企业2015—2019年的沪深指数作为标的，通过Wind 数据端获得市场的风险系数为 1.09。根据股票指数来综合评定证券市场的发展情况，将 5 年沪深指数平均收益作为与市场组合最接近的指数，假设企业现有的投资者和未来可能的投资者所需的风险溢价均没有变化，计算出市场的预期利率为7.69%。评估企业后得出其所得税税率为 15%，债务资本收益率Rd定位基准日五年期的国有银行贷款利率为4.55%，最终得到360企业股权收益率预测及数据资产投资回报率，结果见表1。

表1 股权收益率预测及加权平均资本计算结果

运用 MATLAB 软件计算360企业最终的数据资产价值，求得B-S模型中d1和d2，分别为1.88和1.49，得到当前360企业的数据资产价值为 40.05亿元。从最终的评估结果可以看出，360企业的数据资产对于企业运营和发展的促进作用至关重要，但由于企业当前积累和不断新增的数据规模较大，并没有被有效利用。因此，360企业应加大对数据资产的重视程度和应用力度，积极运用大数据技术对企业数据资产进行深度分析，从而确保数据资产能够不断增值，为企业带来更多的经济效益。数据作为一种新兴的非实体资产，在企业内的流通可向交易市场中延伸并增值，通过挖掘数据的潜在价值，可以给企业带来更广阔的增值空间。

五、研究结论

作为企业的一项非实体性资产，数据的重要性日益凸显。互联网企业的数据量和数据种类不断增加，随之而来的是数据产生价值的能力也越来越强。而关于数据资产的评估问题，也将成为互联网企业估值的核心问题之一。本文在分析了互联网企业数据资产价值的相关理论基础后，结合实物期权理论来弥补传统资产价值评估方法的不足。本文选择构建B-S 期权定价模型对互联网企业进行资产价值评估。考虑到模糊数学理论对于参数估计有较大的优势，因此基于模糊数学理论对模型进行了优化。为验证模型的有效性，选择360企业作为案例研究的对象，根据企业近五年的数据对企业的数据资产价值进行了评估，不仅证实了B-S实物期权定价模型优化的可行性，并且为企业后续发展过程中在数据资产方面的应用提供了参考。

对互联网企业来说，数据资产价值的影响因素还有很多。在接下来的研究中，应采取新的方法评价影响互联网数据资产价值的因素，从而更准确地对企业的数据资产价值进行评估。