交通数据资产定价框架研究

王 仲，范雨佳，张 栋

(大连理工大学 交通运输学院,辽宁 大连 116024)

1 引言

当今时代，数据与人们的日常生活密切相关，互联网经济的爆发式增长带来了前所未有的丰富数据。2020年中央文件的发布标志着数据成为与土地、劳动力、资本、技术并列的生产要素。

在交通工程领域，个人出行、车辆运行等都会产生海量数据，通过数据挖掘、分析等操作可以带来巨大的经济、社会效益，对城市交通规划、交通管控以及企业的产品开发推广等都有着重要意义。现阶段，企业、政府之间数据不互通，数据交易体系和交易市场不完善等问题，制约了数据价值的发挥。因此，构建统一的、公平合理的定价机制便是一个比较重要的研究问题。

文章以“交通数据”作为研究对象，考虑数据自身价值和其他因素的综合影响，同时结合买卖双方对于交易数据价值的判断和期望，通过Discounted Cashflow (DCF)模型和Black-Scholes(B-S)模型相结合的方法优化传统收益法的定价结果，构建了一个交通数据资产定价的核心框架。

2 研究现状

目前，国内外对于数据资产定价的相关理论研究大致可分为以下两种类型：一类是对传统定价方法进行优化；另一类则是结合了其他理论，如期权定价法等。传统定价方法大多基于数据资产特性，对成本法、收益法和市场法进行参数上的优化。如Yu等(2017)[1]、王建伯(2016)[2]分别从数据质量的多维性和数据资产的特性出发，建立了新模型。期权定价法最初应用于金融领域，随着研究的不断深入，B-S模型也更多地应用到其他领域中，如项目的评价[3]和无形资产的评估[4]等。

对于数据交易平台，当前国内主流平台尚未形成统一的交易标准和定价机制，多采用自动计价模式[5]，根据成交规则又可分为自动成交、卖方选择成交和数据分拆成交三种。但各数据交易所的经营状况却不容乐观，其主要原因包括：其一，关于数据交易的法律法规尚不完善，数据交易存在政策和法律风险；其二，蕴含巨大社会和经济价值的政务类数据尚未对交易所开放；其三，数据交易过程没有标准，交易系统不够完善；其四，由于当前仍然缺少行业和市场规范，数据交易商形成了交易成本低的数据黑市，导致部分买卖双方缺少通过交易所交易的动力。

总体而言，当前关于数据定价的理论研究在定价模型方面取得了一定的成果，但由于缺少整体定价框架以及根据不同数据类型区分的定价模型，实际应用中还面临着比较大的困难。文章从数据资产自身价值出发构建了一个数据交易的定价框架，并对基于收益法的传统定价模型进行了优化，在一定程度上弥补了当前数据交易市场定价机制的缺陷与不足。

3 交通数据资产定价框架

3.1 总体定价原则和假设

3.1.1 定价原则

一是客观公正性原则：整体定价流程应通过专业机构进行，中间机构应以客观、公正的态度收集有关数据与资料；二是动态性原则：由于交通数据种类多样，定价过程中须将主观判断与客观测算、定性与定量分析相结合，选取适用的方法加以分析；三是时效性原则：中间机构应掌握数据资产的性质以及历史价格状况，根据当年的数据资产的使用、维护等情况进行重新评估。

3.1.2 定价流程总体假设

一是国内已形成完善的数据交易市场，买卖双方地位平等，彼此都有获取足够市场信息的机会；二是交易数据的价格取决于当前市场环境下买卖双方对资产价值的判断，交易价格受市场机制制约，不受个别极端案例影响；三是在数据交易的过程中，数据共享范围局限于交易双方内部使用，买方不会将交易数据进行二次贩卖；四是买方的期望价格需根据其实际用途客观给出，如果存在多种不同的用途，需选择最佳用途的结果；五是交易数据已经过脱敏化处理，且格式统一，其交易和流通的整个过程均符合法律规定。

3.2 交通数据资产特点及分类

与大数据的“5V”特点类似，交通数据也具有整体规模大、种类多样、价值密度低、时效性强等特点。城市交通系统十分复杂，包含了人、车、路、环境四个要素，不同类别的数据共同形成规模庞大的整体。交通数据来源多样，导致数据结构也十分复杂。虽然数据总量很大，但价值密度相对较低，因此需要从大量数据中挖掘出有价值的信息。同时，数据时效性强，增长速度快，处理速度也快。交通数据对时效性要求很高，当交通系统产生某些数据时，需要快速对其进行分析、处理，并将处理结果实时地反馈出来。

综上所述，开展社区肾脏健康教育讲座有助于提高居民对慢性肾脏疾病的认识，从而积极预防、早期筛查肾脏病，控制肾脏病进展。本调查的局限性在于：参与者多为时间相对充裕的离退休人群，年龄较大，且样本量较少。

由于不同类型交通数据的应用场景、范围等都各不相同，而同类数据在不同场景可能带来的价值也存在差异。因此，笔者根据可能会影响数据自身价值的因素，按以下三种原则将交通数据进行了分类。见表1。

表1 交通数据分类

3.3 数据交易价格的影响因素

考虑到数据资产和专利权有一定的相似性，笔者选择参考专利权定价模型，从四个方面划分数据资产交易价格的影响因素：数据自身价值、数据卖方情况、数据买方情况，以及数据的转让方式，每类因素的具体构成如图1所示。

图1 数据资产交易价格的影响因素

3.3.1 数据自身价值

从数据资产的技术价值和经济价值两个角度出发，统一评价数据集的时效性、成熟度、有效期和市场情况。此外，还需根据表1的数据分类，分别评价其配套技术依赖性、行业发展趋势和独占性，以及维度覆盖范围。数据自身价值指标选取见表2。

表2 数据自身价值指标选取

第一，技术价值。① 时效性：由于交通数据更新较快，其价值可能随时间推移而减少，因此越新的数据蕴含的价值越高；② 成熟度：行业成熟程度越高，数据应用带来的价值的稳定性越高，风险越小；③ 配套技术依赖性：生产性数据依赖于配套设备和技术来产出，设备故障等会影响数据集的完整性和准确性；④ 行业发展趋势：行业未来发展前景越好，数据的隐藏价值越高；⑤ 维度覆盖范围：维度覆盖范围越广，则数据集包含的信息量越多、价值越高。

第二，经济价值。① 有效期：数据的有效期与其收益期限正相关，有效期越长则相应可以获得收益的时间越长；② 市场情况：反映当前市场上的需求、竞争等情况；③ 独占性：如果某类数据被少数企业垄断，则具有较强的稀缺性，可能带来的收益也较高。

3.3.2 数据卖方情况

考虑交易数据集的转让历史，卖方期望获得的超额利润，以及卖方获取数据集的总成本。其中总成本为基础价格，包含收集数据所需的建设成本和运维成本。转让历史次数越多，则卖家已获得的收益越多，期望利润应越低[6]。

由买方计算其使用该交易数据预期收益，即买方需要对其使用该数据集可能获得的收益值进行预测，这是买方报价的决定性因素。当买方希望购买数据期权时，需额外计算数据集的期权价值。

3.3.4 数据转让方式

分为一次买断、收益分享、许可和混合方式。一次买断即一次算清买方应当支付的数据买断费用数额，买方可以独享数据应用带来的收益。收益分享方式指买方按照每年所得收益来确定支付费用。许可分为普通许可和排他性许可，买方无须将收益分成给卖方。混合方式为一次买断和收益分享相结合的方式，即买方先支付一部分金额，之后按收益分享的方式给卖方分成[6]。

3.4 定价框架及流程

整体的定价框架及流程如图2所示，主要包括以下四个步骤。

第一步：交易平台结合数据自身价值S、转让方式M以及法律、人工等交易成本A，对交易数据的价值进行初步的定性判断，并将结果反馈给买卖双方；第二步：卖方依据交易数据的历史转让情况及历史价格Pt，结合数据成本C和第一步中平台给出的定性结果，考虑自己期望获得的利润，给出期望价格P1；第三步：买方根据数据应用后的收益预测值P，结合自身情况决定是否计算期权价值V，给出买方期望价格P2；第四步：由交易平台进行撮合，综合买卖双方的期望价格P1和P2，给出最终的价格区间[P1,P2]，作为被评估数据资产的定价结果。

图2 整体定价框架及流程

上述定价流程中，买方预期收益计算公式如下：

式中，P表示被评估数据的预期收益现值；lk表示被评估数据资产第k年的预期收益；n表示被评估数据资产的有效使用年限；i表示收益折现率。

对于部分希望购买数据期权的买方，除了计算买方的预期收益外，还需要计算数据资产的期权价值V，其基础计算公式如下：

V=PN(d1)-xe-rtN(d2)

其中，P表示使用收益法计算得到的被评估数据的预期收益，N(d1) 、N(d2) 分别表示d1、d2的累积正态分布函数值。

表3为数据期权和金融期权的B-S模型参数对照表，对于数据资产来说，由于收益率难以确定，则选取同期的国债利率作为无风险投资的收益率r。P表示数据资产的预期收益现值，由收益法计算得出。在数据资产的交易中，当买方的预期收益大于等于他在数据研发等过程中投入的成本时，就会选择购买该数据，因此将研发等成本作为x的取值。

表3 B-S模型参数对照

4 案例分析

假设某规划单位A计划收集10万条出行数据，用于短期城市路网布局优化。若通过调查问卷进行收集，预计至少需要投资200万元。B公司开发的手机App日常运营所采集的用户出行数据(已进行脱敏处理)恰好可以满足A单位的需求。双方协商后单位A决定购买该数据的排他使用许可，并通过官方平台进行数据交易。

经官方交易平台调查及评估，该数据集没有历史交易记录，法律、人工等交易成本约为2万元。根据表2中的评价指标对数据集进行定性评价，得到数据集的自身价值综合评分为0.85(满分为1)。B公司软件开发总成本约为10万元，用户数据存储和保护成本约20万元，日常运营和维护成本约10万元，结合数据集综合评分，给出期望价格P1为50万元。由于单位A购买数据集是用于近期规划，因此不需要购买数据期权。数据集应用后五年内预期可以获得的社会经济总效益约为300万元，取10%作为折现率，得到收益现值为186.3万元，结合数据集综合评分给出期望价格P2为150万元。

最终，由交易平台进行撮合，综合买卖双方的期望价格P1和P2，给出最终的价格区间[P1,P2]，作为被评估数据资产的定价结果，即该数据集的交易价格在50万～150万元。

5 结论与展望

一个公平合理的定价机制和流程是数据资产能够在交易市场上顺利流通的重要前提。文章参考专利权的定价原理及模型，从数据自身价值、卖方情况、买方情况以及转让方式四个方面讨论了数据交易价格的影响因素，进而构建了一个交通数据资产定价的核心框架。应用此框架的定价结果整合了买卖双方对于交易数据价值的判断和期望，保证了定价结果更具有实用性和公平性。

本研究还存在一定的局限性，如买方的预期收益预测结果具有一定的不确定性，而它又很大程度上影响着数据价值的计算结果。同时，由于目前国内数据交易市场相关的法律法规尚不完善，关于数据确权也尚未形成共识，因此在未来的工作中，可以进一步研究收益值的预测方法、数据权属等因素对定价的影响，从而获得更为合理的定价结果。