数字资产的概念辨析、估值技术与应用策略

董高静　孙娜　王保平

摘要：随着数字技术的深度渗透，数据作为第五大生产要素，已经带动国民经济的规模增长和结构变化。要素定价体系是实现要素市场化配置的基础性工程，数据资产的价值评估无疑成为一个现实课题。基于此，从数据资产相關概念的梳理与阐释入手，通过系统分析数字资产的技术起源、衍生进程与演变过程，为数据资产管理分类与细化提供系统的认知与思维。针对数据资产价值评估的基本技术方法（传统方法与创新技术）应用问题，对场景与流量、导向选择和参数考虑等相关背景下的应用操作进行了系统而深入的探索。希望这种对数据资产价值评估之整体框架构建与关键要素分析的专题研究，可以为数据资产价值评估工作的分类推进提供具有指导意义的参考。

关键词：数据资产；概念辨析；估值技术；应用探索

0 引言

信息技术的基因使人类借助于磁性介质及一连串“0”和“1”二进制代码产生了无比强大的新动能、新技术。这种数字技术通过创造新业态和赋能传统业态而成为拉动整个经济增长的强力引擎。2022年我国数字经济规模达50.2万亿元，占GDP的比重飙升至41.5%[1]。伴随着数字技术的深度渗透与战略配置，国家也将数据要素、数据资产提升到顶层设计高度。20l9年，十九届四中全会提出健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制；2020年，中共中央、国务院提出数据与土地、劳动力、资本、技术等同步推进要素市场化改革的行动纲领。从党中央、国务院之最高纲领到发展改革委、工信部、财政部等部门规章，意味着数据资产作为一种新的生产要素已经嵌套进入全面有序的市场资源配置框架体系。为此，本文针对数据资产价值计量的基础需求，通过学科分析与方法拓展，构建数据资产价值评估的方法体系与知识框架，以推动数据资产市场体系的进步与完善。

1 数据资产的渊源与概念阐释

“数字技术”及其衍生的“数据资产”是高深莫测的全新事物吗？当然不是！追溯其衍生轨迹，从人类“结绳计事”开始，跨越多种计算工具而积累数据资源并显露其经济价值，穿过林林总总的概念与名词，梳理出一个围绕数据资产与商业价值的演进路线，即“数据收集—数据挖掘—商业应用—市场价值”的技术进化。

1.1 数字技术串起的商业故事

数据资产起源于数字技术的持续嬗变。随着数字技术的产生与兴起，在现代科学、经济、社会发展中不断衍生出一些新事物。数字信息时代，数据可谓“麻雀”变“凤凰”，不论是因聚焦庞大投资项目库而成为市场投资必备的Wind资讯，还是因网聚学术文献而日益走向更多用户的中国知网，都走上聚沙成塔的数据资产黄金之路。最简单的如个人的手机号、身份证信息、出行轨迹、简历等，以及个人网购记录甚至刷卡信息、用电量，等等，当这些数据积少成多时，内含意义与商业价值便得以生成。凡此种种，以前不怎么起眼的数据，经过积累与整理，其商业价值则让人刮目相看。当然，围绕这一个个商业故事的发生与发展，其背后的问题当然需要梳理清晰，唯其如此，才能让数据资产更加有序、有度、有效。

1.2 数字家族的相关概念演化

随着互联网、物联网（IOT）技术迭代和制度变革而来的概念，需要梳理其边界，以清晰界定其内涵与外延。

（1）数字技术。数字技术自始至终与电子计算机相伴相生，是借助于特定设备将包括图、文、声、像在内的各种信息，转换成电子计算机能快速且准确识别的二进制数字，后进行逻辑运算、加工处理、存储传送及还原等的技术。

（2）数字经济。数字经济显然是利用数字技术而产生的经济行为，即将数字技术这一生产要素嵌套于经济活动中的数字赋能。数字经济的形成包括数据资源（数据只是记录、反映现实世界的资源）、数据产品（数据通过在服务中进行组合与运用，逐渐从资源变为产品）、数据资产（数据不仅是资源，也是资产，是个人或企业资产的重要组成部分，是产生财富的基础）和数据资本（数据资产与价值进行结合，价值通过一系列交易和流通活动得以体现，最终数据变为资本）4个阶段。各国对数字经济的概念和范围界定有所不同，中国国家统计局《数字经济及其核心产业统计分类（2021）》明确数字经济是指以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动[2]。

（3）数据要素。数据要素意味着数据将通过市场化交易得到更好的配置。其中，数据要素的权属和定价体系确立是实现市场化的关键。《数据价值化与数据要素市场发展报告（2021年）》认为数据有了使用价值便成为资源，而数据资源有了经济价值就成为生产要素。数据被纳入生产要素是国家的要求，也是数据要素推动生产力系统变革的力量，更是数据要素推动经济增长的内在潜质。

尽管有人将数据等同于数字，但严格讲，“数据”较于“数字”，强调了“经济意义”赋予的关键点，即将数据代入到具体业务场景中去，才能实现数据的“有用”功能，也才具有“信息”的成分。相对而言，“数字”则强调其技术特征，更多体现“物理性质”。相应地，数据资源着眼于结合“数据”与“资源”的概念与性质，数据资源是可被机器读取的、所有可能产生价值的数据的集合，具有可利用性和潜在价值性。

（3）数据资产。数据资产的提法源于国外，近年来被国内学者陆续探讨。学者基于资产是指“由企业过去的交易或事项形成的，被企业拥有或控制的，预期会给企业带来经济利益的资源”的公认定理，推导出数据资产是能够数据化并且通过数据挖掘能给企业未来经营带来经济利益的数据集合，包含数字、文字、图像、方位甚至沟通信息等，一切可量化、可数据化的信息都有可能形成数据资产。本文认为，作为进行价值评估的对象，数据资产是企业在生产经营管理活动中形成的、可拥有或可控制其产生及应用全过程的、可量化的、预期能给企业带来经济效益的数据集合。

2 数据资产的学科特征与管理逻辑辨析

数据资产已经成为经济社会的五大要素之一，内涵与外延十分丰富。现从技术、经济、政治、社会、法规、会计、监管、评估、统计及税收等多视角简要辨析其学科原理与基本规范。

2.1 数字技术应用与产权边界

当浩瀚的数字汇流成集时，数据的资产功能也就日益增强，最简单也最直接的原因，是它们对生产经营活动有用处，能满足经营者特定需要（称之为有用性）。数字技术将数字要素全面嵌入商业合同、接触方案、生产数据、客户信息、设计图纸等的上下左右、里里外外，就进一步增强了数据有用性。除了生产经营外，数字技术现已武装了社会生活众多领域，围绕“人、地、事、物”活动，城管、公安、卫健、市监等条线的专业数据，与水电气、消防等相关数据进行关联匹配，则生成动态化、立体性的社会治理信息图层，从而构建多元共治、全面覆盖的治理体系。当然，数据的产权确认是一个重大挑战，也有许多容易出现混乱的领域，需要进行脱敏与清洗，需要通过法律法规来保驾护航。这就需要在经济发展、安全运行、隐私保护的均衡过程中，形成一个动态调节机制，实现综合平衡。

2.2 数据资产的技术经济特征

数据资产作为一种新型生产要素，与传统资产不同，这种差异特征包括但不限于5个方面：一是虚拟性，即不能脱离IT系统而单独存在，始终处于网络才具备特有价值，离开了网络世界就只是一个符号而已；二是共享性，即不具备独占性，允许被无限复制并被多方面共同使用；三是价值不确定性，即价值很大程度取决于数据的使用对象或依存环境；四是时效性，即其价值或数据资产的价值密度会随着时间的推移而迅速下降，也可能会随使用次数增加反而增值；五是安全性，共享与复制的技术特征，助长了泄漏、数据被非法贩卖等，这给安全管理敲响警钟，数据全程需要保密措施，这也成为数据资产认知与管理需要考虑的重点。

2.3 数据资产的市场交易逻辑

数据资产已经成为现实经济活动的重要力量，甚至有人认为数字经济是继农业经济、工业经济后的主要经济形态。当数据积少成多并能够通过分析和挖掘其海量信息所隐藏的关键特征而成为精准获客工具，或者数据要素演变为一个交易标的或特殊行为时，其涉税收、会计等都需要进行相应的专业映射。人们可以清晰地发现这里的逻辑顺序，即只有把可计量的数据资产评估体系建立起来，明确数据产权后，才能促进数据高效流通使用、赋能实体经济。如何确保数据资源能够发挥要素作用，必須建立健全“数据产权—流通交易—收益分配—安全治理”的基础制度体系，这种“四梁八柱”基础制度体系完全与市场交易的宏观框架相匹配。不仅如此，作为评估、统计、会计、税务等经济管理工作，通过价值量化系统，为数据资产交易活动的定价提供价值依据、为解决数据资产权益纠纷提供价值依据、为数据平台建设主体分摊成本提供价值依据，或者为数据相关利益主体分配收益提供价值依据。

2.4 数据资产的一般分类

可以说，数据资产门类繁多，各种分类五花八门，需要具体分析，一一解读。

1.基于技术视角的分类

数据可分类数字产品与数据产品。其中，数字产品，亦被称之为数字藏品，存在狭义与广义之别。从狭义层面看，指信息内容基于数字格式的交换物或凭借互联网以比特流方式传送的产品，如元宇宙概念下的NFT（非同质化代币）；从广义层面看，还包括基于数字技术的电子产品或通过网络来传送或依托于一定的物理载体而存在的产品。而数据产品分为3类：信息和娱乐类产品（如图形图像、音频和视频等）；象征、符号和概念（如音乐会、比赛等的门票，支票、电子货币、信用卡等）；过程和服务（如远程教育、数字咖啡馆和交互式娱乐等）。

2.基于管理视角的分类

通常，数据按照来源分为内部数据和外部数据，内部数据又分为原始数据（应用系统数据、传感器数据和工作日常数据）、处理数据（统计分析数据）；外部数据又分为开放数据、行为数据。此外，数据常常被分为商业数据与公共数据两类，前者是将数据产品服务化后进行商业变现而着眼产权交易的价值认定；后者在政务数据为代表的公共数据领域。政务数据开放价值是多元且相对的，一般可分为数据买卖产品、指数化类产品、可视化类产品、报告类产品等几大产品形态，深入金融、文旅、健康、社会管理与公共服务四大应用场景并形成了一定应用价值。

3.基于使用视角的分类

当然，数据资产还可以按照数据应用依托的行业性质进行相应划分，不同行业的数据资产通常具有明显不同的异质性特征，这些特征也会对数据资产的价值产生一些影响。目前多见的情形有3类，一是金融行业数据资产，普遍具有高效性、风险性和共益性；二是电信行业数据资产，其特征通常具有关联性和复杂性；三是政府数据资产，数量更加庞大，领域更为广泛，异构性强，可能会跨越农业、气候、教育、能源、金融、地理空间、全球发展、医疗卫生、工作就业、公共安全、科学研究、气象气候等领域。

3 基于数据资产价值评估的技术方法

“管好”“用好”数据资产，其实也需要一个科学认知与精益管理的过程，从数据要素到数据资产是必然趋势，高质量确权与计量的过程能够更好释放数据资源的价值，当前应加快健全数据资产的确权体系、探索定价机制、明确收益分配制度并优化监管体系建设。

3.1 数据资产价值评估的出发点

数据资产具有不同于传统资产（比如设备、房屋建筑物）的很多特性，这些特性嵌入数据资产导致其价值高低会与用户群体、使用频率、市场波动等存在变异关系。这样，对其估值也相应提出一些难点，比如：数据资产的价值随着既有数据资产的挖掘、分析、清洗等算力演进而形成一个全新的数据资产价值层次；数据资产价值由于用户的不同而存在差异，用户的深度满足显然能够体现其不同的价值；数据资产的价值动态变化，即随着使用次数、甚至使用群体的变化而改变。无论如何，数字经济的发展为数据资产的市场认可提供了前所未有的机会，数据资产的价值确认与评估，应该伴随着市场情形，主动探索特殊表现背后的一般规律，找寻数据资产价值评估的基本思路与技术方法。

作为价值评估的立意渊源，最简单、最原始而直观的评估肯定是成本法评估，具有可操作、客观可考证之便利。不过，它侧重于数据资产开发过程的成本转移价值，而非数据使用的商业市场价值，是强调数据资产的成本而市场收益，无法体现资产持有者从数据资产释放价值而获取的收益。而请注意，当人们开始主动关注数据资产的功能与效用时，采取收益法能更好地促进数据要素的合理定价。收益法进一步地，在大数据技术条件下，创新出一些全新的技术来评估其价值。诸如此类，从目前经济与技术发展态势分析，数据资产的价值评估多种多样，可选用经典的传统方法，也可创新技术工具来实施。

3.2 传统评估方法

参照传统的资产评价技术方法，主要包括成本法、收益法和市场法，现简要阐述其原始要义与比较关系。

在对数据资产价值认定的方法上，目前主流的资产评估方式依然可行可用，即成本法、收益法和市场法。成本法的优势是计算简单，但是成本法会偏离市场的真实价值，或者数据会出现资产相关的成本费用较难区分，无法反映数据资产可能形成的合理利润。

收益法可以分为数据产品带来的直接收益、数据应用产品带来的分成收益等模式进行评估。收益法也可能存在可参照的内含报酬率参数难以确定。

市场法通过参照既有交易案例而进行价值套算的方法，可以获取同类市场环境下同业资产的价值标杆，是一种真实、可信但也要面临可比性挑战的技术选择。

总之，通过成本法、收益法、市场法对数据资产进行估值，也都存在一定的不合理性，普通的资产估值方法对于全新的数字资产也是不完全契合的[3]。因此，“给时光以生命，给岁月以文明”，需要坚持“穿新鞋不走老路”，探索一种综合的估值方法或一种新型的估值方式。

3.3 创新评估方法

数据资产本身就是一种大数据技术，一些学者对数据资产价值评估方法进行了改进，比如黄乐、张驰等提出数据资产价值分析与评估的创新思维[4]。现简要就一些创新方法阐述如下：

1.博弈方法

博弈法俗称讨价还价法。在一定条件下，数据资产定价可通过其买卖双方各自所掌握的信息，以讨价还价方式实现自身利益最大化和风险成本最小化，即博弈方法。交易活动的推进中，由于买卖双方信息不对称，根据自身掌握的信息进行往复决策，讨价还价的进程可以看作不完全信息条件下的动态博弈。基于博弈论的协议定价，其精妙之处在于交易双方以协议定价的方式反复试错从而找寻最佳匹配点。这种数据定价方法具有针对性较强、沟通机会多、成交概率高的重点。不过，现实中协议定价方法也存在一些弊端，如：漫长的博弈过程会增加时间成本，降低交易效率；数据垄断性导致卖方主导而可能忽视数据的真实效用；信息不对称会导致数据真實价值难以评估，非法套利会引发偏差。

2.实物期权法

实物期权法源于金融学的实物期权原理。国内外学者形成这样的共识，即原始数据具备基准价格特征的，过滤和整合所需工作越多，其价值就越大；交易次数越多，其效用价值就越高，每个数据产品的价值应该等于其处理步骤和交易次数的加权线性组合。比如，在保险产品的大数法则应用中，智能核保与理赔常以季或年批量结算、创新产品以上市第一年、第二年和第三年逐年验证。样本量足够大滋生出价值量观察的准确度，这从本质上呈现出与金融实物期权类似的特征。因此，定价策略拟参照金融实物期权定价思想，以传统期权定价模型为基础，引入新的大数据特征变量，包括收入和成本现值、无风险利率、资产价格变动率、稀缺系数等相关系数，尽可能反映未来真实价值，也可以提前预防潜在的风险。

3.人工智能方法

数据资产价值评估的人工智能技术方法，既有ChatGPT、New Bing等，也有人工神经网络等技术方法的拓展应用，都可以进行估值的辅助工作，能够大大提升询价效率，找寻数据规律，是数据资产评估领域包括辅助询价、辅助阅读和辅助格式在内的先进体验。实施数据资产价值评估时，可能借助人工智能的辅助功能形成评估准则、指南和专家指引等框架性体系。进一步地，根据数据资产的影响因素构建人工神经网络系统，利用成熟的人工神经网络技术来处理，统筹好输入层（可包含数据日期、有效期限、数据类型、数据复杂度、数据应用范围等）和输出层（可包含数据内在价值、数据市场价值等）指标，遵从神经网络模型的非线性动力学习系统特点，克服了人工评价所带来的人为因素及模糊随机性的影响，能保证评价结果的客观性、准确性。

4 基于数据资产价值评估的推进方略

数据资产价值评估经常呈现出一种量化测度的挑战与创新技术，因为不同特征的数据常常有着不同的生成机理，也有差异化的商业场景，据此可探索开发出数据资产收益评估的不同方法。本文拟就价值评估的推进中相关策略进行如下探索：

4.1 数据资产价值评估的场景与流量考虑

数据对人类决策的支持作用越来越强大，数据资产价值评估需要顺应数据资产应用的场景化挑战，从内涵和外延、经济特征及效用变化等来适应流转场景的价值体现，奠定估数据资产价值的理论根基。数据只有场景化后才具有生命力，所谓场景，可以理解为需求产生的某些条件组合，包括但不限于环境、时间、地点、空间、行为主体等等。如果说功能和界面是产品的骨架，内容是产品的血和肉，那么场景就是产品的灵魂，没有场景的产品是没有灵魂的。甚至可以说，数据是死的，场景才是活的。数据并不在“大”，而在于“有用”。对于用户而言，“经济意义”可能是需求、行为、动机或者评价；对于企业运营而言，“经济意义”可能是品牌塑造、产品组合、营销战术组合等等。而“经济意义”赋予的关键点即场景化[5]。数据的场景化，即将数据代入具体的业务场景中，才能实现数据的“有用”功能，也才可以够得着市场调查行业常说的“信息”的概念。

1.场景是数据生根开花结果的肥沃土壤

数据不能脱离应用场景而孤立存在。该如何培养场景化思维方式？以数据采集、挖掘与应用为三大基础框架，实现线上线下数据的高效采集、深度挖掘与科学应用，发掘各类数据活生生的蕴藏价值，建构数据动态循环与智能分析体系，致力于成为业内领先的数据挖掘与应用服务提供商。业务场景需要对各种海量数据进行实时的快速处理与分析，海量、实时、快速、价值，这就是数据业务场景化的思维。场景化数据思维需要强调3个方面：一是懂行业、深挖业务。做好数据平台的前提就是懂自身行业、懂自身业务。离开业务谈数据就是一个空中楼阁。深入了解业务，聚焦核心业务，应该先把最有价值的业务场景梳理清楚，在逐步扩散到其他重点业务流程。二是通过数据找问题、通过数据找业务，并对运营业务优化方式进行梳理，节约成本。三是丰富和创造各种业务场景。业务场景的丰富程度取决于数据的积累程度，数据的积累程度不够，就需要首先解决数据的问题。站的高才能看得远，业务场景多了，就会有场景交叉，数据的关联性也上去了，数据的价值才会充分的被利用。

2.数据资产价值变化的规律探索

数据资产的价值逐渐得到了行业的共识，并日益成为企业生产经营不可或缺的战略性资源。但是如果没有将数据加以有效的、系统化的挖掘，数据再多也只是一堆垃圾和负担。数据资产的“变现”能力与规律从3个层面把握：其一，可“变现”的数据资源。数据资源“赋能”方式有两种：数据赋能产品、数据本身价值。在完全遵从合法合规条件下，让数据以多种形式进行市场交易，这是数据产生价值的直接方式。其二，数据“变现”的过程就是数据资产化。线下场景营销其实就数据资产化的过程，建立客户智能分析，采用哪种策略和方法。其三，未来谁掌握数据，谁才会有可能掌握未来的财富创造和分配的格局，拥有海量数据，便可以挖掘好数据金矿，将数据资产实现从数据到价值的转化。

3.从场景和流量两个方向展开思考和探索

进一步地，需要深度挖掘场景和流量对数据资产价值影响的决定因素。其一，数据资产价值变现通道关键因子——场景。第一步，深耕内部数据，挖掘场景价值；第二步，引入外部数据，发掘数据价值；第三步，挖掘跨界场景，深耕客户资源。比如，银行除守好“金融场景”这一亩三分地之外，对于跨界非金融场景的探索也许能够另辟蹊径，实现客户资源的深耕，或许能获得“神助攻”的意外之喜。其二，数据资产价值变现通道重要保障——流量。如何把握好流量所在，保障数据资产价值变现？要实现数据资产的价值变现，银行可以从内外部数据出发，挖掘金融及跨界场景，实现与客户的互动价值挖掘，同时注重結合客户移动端流量的保障。在实现数据资产价值变现的路上，需要找到妥当的方案开展活动，最终实现客户与银行之间双赢的局面。

4.2 数据资产定价思维的导向选择

某种意义上看，在数据资产价值并未纳入会计“表内”的情形下，数据资产价值可能就是财务报表中日趋扩大的“账面价值”和“市场价值”之间的差距。因此，亟待形成规范化的数据定价机制，对数据资产进行会计确认与计量，以促进数据资源的市场流通，并形成合理的分配机制和数据价值的释放体系。数据资产定价方法上，以导向型定价法为理论基础，客观地考虑其成本导向、顾客导向，遵从客观的市场导向、利润导向和数据资产自身生命周期等多维导向思维，从而更好地体现价值流向的灯塔效应。

4.3 数据资产价值估价的参数选择

重要参数的选择显然是资产价值评估中至关重要的关键工作，尤其是在收益法模型下，参数的选择对其结果的影响十分敏感，也是相关各方争论的焦点所在，现根据现实中的挑战做摘要性阐述。

1.单项数据资产估价的参数选择

对于预期寿命假设，即资产可产生显著经济收益的预期时间。不过，有些却是越使用越会增加价值，其发散而非收敛的特性使创新方法更加适用。对于折现率（内含报酬率）假设，许多公司的数据项目收入主要是来自收集、分析、整理、存储数据而提供的信息服务。

2.单项数据资产估价的参数选择

给定假设条件：其一，企业创造的价值是由数据资产、其他资产（生产与非生产资产的混合体）一起运营而生产的，即企业营业盈余可视为“自用数据资产收益”和“非自用数据资产收益”之和；其二，数据资产创造的经济收益，是可能基于效能原则适当区分的，即自用数据资产直接或间接相关的生产活动，其相关的营业盈余等是可以区别于其他资产（生产与非生产资产的混合体）的经济产出、使用成本、税收甚至补贴。在此框架下，数据资产价值估算就采用自用数据资产直接或间接相关的生产活动所产生的各类现金注入与流出进行对比计算。同时，尽量采用合理指标（通常为货币量或可比的实物量），而不宜简单地采用实物量占比拆分多项资产的因素数值。

3.出售使用许可的数据资产估价的参数选择

通过数据项或数据产品的买卖或授权许可使用，确保企业能够从数据资产中直接获取财产性利益，其实就是数据资产使用许可所带来的数据资产经济“租金”。此类数据资产收益的估算模型为

数据资产收益＝出售数据使用许可所获收入－相关的中间消耗和雇员报酬－相关税负支出＋获得相关补贴

5 结语

毫不夸张地说，伴随着数字技术的层出不穷，与无形资产相关联的数据资产得到广泛的认可与演绎，而数据资产及其价值的概念辨析、估值技术及其应用策略也期待得到深度开发。本文的研究是基于数据资产作为市场要素搭建“专用数据产权—流通交易—收益分配—安全治理”的配套体系框架下定价需求而展开的。受篇幅所限，未能对许多应用情形展开讨论，相信随着关注颗粒度的细化，当物理世界与数字世界无限迫近，甚至数字世界希望迫近物理世界，数字资产价值评估还可以持续深化。不过，可以确信的是，通过价值评估，才能将数字资源转化为价值资源，最终做到为实体经济服务。在市场越来越回归价值、越来越多地推动数字经济和实体经济结合的情况下，推动数字资产评估与交易行业行稳致远。

参考文献

[1]董建国，王思北.2022年我国数字经济规模达50.2万亿元[EB/OL].（2023-04-28）[2023-06-26].http：//news.china.com.cn/2023-04/28/content_85259348.shtml.

[2]姜奇平.评《数字经济及其核心产业统计分类（2021）》[J].互联网周刊，2021（12）：8.

[3]江佳聪，袁中华，张雅棋.数据资产评估研究进展及未来展望[J].合作经济与科技，2023（15）：95-99.

[4]林飞腾.大数据资产及其价值评估方法：文献综述与展望[J].财务管理研究，2020（6）：1-5.

[5]熊旺旺，余炳文.国有数据资产价值评估方法研究[J].国有资产管理，2023（6）：67-76.

收稿日期：2023-05-26

作者简介：

董高静，女，1982年生，硕士研究生，主要研究方向：财务会计、公司财务。

孙娜，女，1978年生，博士研究生，副教授，硕士研究生导师，主要研究方向：财务会计、公司财务、审计。

王保平，男，1963年生，博士研究生，正高级会计师，硕士研究生导师，主要研究方向：财务会计、资产评估。

*基金项目：国家社科基金后期项目“新金融工具准则、财务报告影响与商业银行风险”（21FJYB050）。