金融数据资产估值与交易研究2024.docx

《金融数据资产估值与交易研究2024.docx》由会员分享，可在线阅读，更多相关《金融数据资产估值与交易研究2024.docx（82页珍藏版）》请在课桌文档上搜索。

1、一、研究背景1（一）数据要素时代已来1（二）金邮字“深水区”2（三）数据资产化难题待解3二、数据资产权属界定5（一）数据权属研究背景5（二）数据权属制度探索10（三）金融机构数据资产确权机制12三、数据资产价值评估14（一）估值综述14（二）产分析19（三）估值原则24（四）估值方案设计25四、数据资产入表48（一）基础条件49（二）入表方式52（三）存在的问题56（四）数据资产表58五、数据资产交易62（一）交易模式分类62（二）发展现状67（三）发展趋势73六、技术支撑75（一）数据去隐私化技术75（二）数据协同计算技术78（三）数据交易辅助技术82七、发展建议85（一）加速数据资产评估标

2、准体系建设86（二）健全数据资产入表制度87（三）促进数据交易市场融合发展88摘要：数字经济时代，数据要素为经济增长提供强大的创新动能，数据资产化呈现快速发展趋势。财政部2023年8月发布了企业数据资源相关会计处理暂行规定，将数据资源纳入会计报表核算，并对数据资产评估提出了披露要求。数据资产价值的科学评估是数据要素流通的重要前提，推进数据资产的估值计量，加速数据交易流通，成为数据价值释放的进阶之基。但数据资产估值、入表核算处理以及数据资产交易是需要持续探索的难题，如何从创新中寻求最优解成为推动数据资产化的重要议题。本课题围绕金融数据资产估值与交易主线，从数据资产确权、估值、入表和交易等方面展开

3、系统研究，创新提出数据资产估值与入表的新思路、新方法。根据数据资产价值的构成逻辑，将数据资产价值划分为“投入价值业务价值”进行评估，从成本效益角度量化数字化效益，为有效推动数据资产价值释放提供重要参考。一、研究背景（一）数据要素时代已来数字经济时代，数据正成为驱动社会经济发展的新型生产要素，数据资产化呈现快速发展趋势。根据国际数据公司（IDC）测算，2025年全球数据量将达到180ZB,预估将是2020年数据总量的2倍多。全球数据量迅速增加，为经济增长提供强大的创新动能。面对数字经济变革机遇，各个国家竞相制定数字经济发展战略，开启大数据产业发展新赛道，抢占竞争制高点。近年来，围绕经济发展的数字

4、化转型，我国进行了一系列的改革实践，推动经济发展的数字化进程不断走深走实。我国数字经济发展进程可以分为“酝酿一落地一深化”三个阶段，如图1所示。一是酝酿阶段（20U2015年）。2014年大数据被首次写入政府工作报告，这一年成为真正意义上的“大数据元年，。2015年3月，中华人民共和国国民经济和社会发展第十三个五年规划纲要将大数据发展上升到国家战略高度，把大数据作为基础性战略资源，全面实施促进大数据发展行动。二是落地阶段（20162019年）。工信部发布的“十三五”大数据产业发展规划成为重要的标志性事件，将大数据作为独立产业进行发展和培育，逐渐重视数据与实体经济的深度融合。三是深I”Z8”即Z

5、ettabyte,计算机术语，常用单位的换算为IZB=IO24EB,1EB=1O24PB,1PB=IO24TB,lTB=1024GBo化阶段（2020至今）。2020年4月，中共中央、国务院发布中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见，将数据确立为继土地、资本、劳动力以及技术之后的第五大生产要素，明确要用市场化配置来激活数据要素价值。依照“十四五”规划政策指引，大数据正逐步融入经济发展的各个领域,数据基础制度体系加快形成。2023年2月，数字中国建设整体布局规划明确了数字中国建设的整体路径，指出数据要素快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产

6、方式、生活方式和社会治理方式。酝酿阶段（2014-2015）落地阶段（2016-2019）深化阶段（2020至今）2014年2015年2015年2017年I2019年2020年4月2020年52021年112022年62023年23月“3月8月月大数K）月将关于构月关于月叶月关于月数字大数据十三五促进大据产业发数据作建更加完新时代加四五”大构建数据中国建设“首次规划纲数据发展规划（为生产善的要素快完善社数据产业基础制度整体布局写入政要实展行动2016-要素参市场化配会主义市发展规划更好发挥规划府工作施国家纲要2020年）与分配置体制机场经济体推动数据要素全面提升报告大数据加快数推动大,加快制的

7、意见制的意见大数据产作用的意数字中国战略据强国数据产业培育数数据首加快业高质量见加建设的整建设发展据要素次正式纳培育发展发展快构建数体性、系市场入生产要数据要素据基础制统性、协素范围市场度体系同性图1：我国数字经济发展进程（二）金融数字化转型逐步进入“深水区”经过多年耕耘，我国金融行业线上化、智能化、智慧化建设已实现快速发展，金融数字化转型逐步进入“深水区”。以银行业为例，各家银行在移动端的频频发力可直观地说明问题，截至2023年8月，18家全国性商业银行的个人手机银行版本均值达到76成为满足客户需求、打造自身品牌的重要依托。当前，金融数字化转型过程中面临的客户服务能力不足、风险管理能力不足等

8、问题，己成为越来越多管理人员和专家学者的共识。相比转型初期，“深水区”存在着更多的不确定性，金融高质量发展也面临更多挑战。如果拥有在“深水区”自我提升的数字化能力，就意味着更广阔的发展前景。数据要素到数据资产的升级,为企业构筑自身数字化能力提供了千载难逢的机遇。有效开展数据资产价值评估，对于提升数据资产运营质量和效率、推动金融数字化转型向纵深推进具有重要意义。一是对数据在企业发展过程中产生的成本和经济效益进行量化，增强企业数据意识。二是将在数据资产价值评估过程中形成的数据目录、数据价值等融入数据治理工作，提升数据治理质效。三是推动数据的外部交易，构筑数据资产评估、登记结算等数据要素市场运营体系

9、，建立并完善数据交易模式，加快数据聚合、流转、治理和价值转化。总的来讲，数字化转型要不断加强数据要素价值开发，通过将数字能力转化为价值创造能力，全面深化营销体系、管理机制、服务能力、风险管控、生态场景的业务应用创新，激发数据要素核心竞争力。(=)数据资产化难题待解2022年，我国数字经济规模超过5()万亿元，占GDP的比重为41.5%,已成为驱动经济增长的重要引擎。充分发挥数据要素的“乘数效应”是做强做优做大数字经济、赋能实体经济的必然要求。无论是在国家层面还是在企业层面，数据资源的重要性都不言而喻，尤其对金融机构而言，大数据的挖掘和应用直接驱动着新商品形态、新价值体系、新交易生态的形成。加快

10、数据要素市场培育才能有效激发数据价值转化，而数据资产价值的科学计量是数据要素流通的重要前提。目前数据流通尚不畅通制约着数据要素价值潜能发挥，关键症结之一在于缺乏系统高效、标准统一的数据资产估值与定价方法。根据信息通讯行业建立的“数据资源化、数据资产化、数据资本化”的数据价值框架，目前全球处于数据资源化的初级阶段，推进数据资产化进程，加速数据交易流通，成为数据价值进阶的重要基础支撑。数据资产化是将数据资源确认为经济意义上的资产的过程，对于企业具有重要的意义和必要性。通过数据资产化，企业能够更好地了解和管理其数据资产的价值，为决策和战略制定提供可靠的信息基础。这一过程涉及以下关键点：一是数据资产认

11、定,企业需要识别和划分具有经济价值的数据资源，确定数据资产的评估范围。二是数据资产确权，企业需要明确数据资产的归属和权利，以促进数据资产的合规经营，保护其合法权益。三是数据资产估值，通过采用适当的估值方法和计量模型，对数据资产的经济价值进行评估和量化。四是数据资产入表，将经过评估的数据资产纳入企业财务报表，为客观反映数字化形势搭建信息基础。本课题围绕数据资产权属界定、价值评估、入表探索、交易模式及其技术支撑，探索数据资产化的关键进程，推进金融数据资产评估和交易流通的统一标准建设，加速数据要素价值释放。二、数据资产权属界定本节聚焦于数据资产权属制度探索，数据确权是数据估值和交易的基石，首先阐述数

12、据权属的研究背景，并从国内现行法律洞悉数据权属问题；然后论述数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的制度框架，明确数据产权运行所需的基础设施支撑；最后对金融机构资产确权路径进行分析，以数据资产管理体系建设推进数据资产确权进程。(一)数据权属研究背景1.数据确权是数据估值和交易的基石数据作为新型生产要素，己快速融入生产、分配、流通、消费和社会服务管理等各个环节，数据量呈现爆发式增长，其所承载的经济价值和社会价值日益凸显，数据需求也日渐强烈。与此同时，数据来源不合规、数据安全存在漏洞、数据共享程度不高、数据交易不稳定等相关问题迭出，亟需从数据权属的角度切入问题进行求解。(1)数

13、据权属不明扰乱数据要素市场秩序数据的流通交易过程，往往涉及数据产生方、数据采集方、数据处理方、数据提供方和数据使用方等参与方，各参与方应具备不同的权责。但由于数据具有获得的非竞争性、使用的非排他性、源头的非稀缺性等特征，导致多个参与方可能对同一份数据同时享有相应权利，这必然会带来新的风险。例如，企业为了扩大市场份额，互相设置数据壁垒，通过掌控数据要素，间接控制了生产链条与财富分配主动权，导致无序竞争。行业领域内的大型企业借助自身的体量优势，进行数据垄断，挤兑其他企业进入数据要素市场，破坏数据要素市场的公平秩序。(2)数据权属不明导致数据交易动力不足一方面，由于数据具有价值难确定、非竞争性、非排

14、他性、强场景化等复杂属性，传统的法律理论体系不完全适用于数据产权，将数据权属归于单方主体会存在局限性，数据权属体系构建尚未形成共识。另一方面，传统的所有权并不适合作用于数据流通与交易场景，因为数据的流通交易核心不在于原始数据的流转，而在于数据潜在价值的挖掘利用。从原始数据到数据资产会经过数据采集、数据存储、数据加工、数据流通、数据应用等环节，各环节均涉及一定程度的软硬件技术投入和数据治理成本。若数据资产演变各环节的主体权属不明，则各主体在数据要素市场或数字经济中的获益份额也是缺乏折算标准的，从而对数据流通处理中的成本投入也缺乏积极性，造成数据交易的动力不足，制约数据交易发展。(3)明确数据权属

15、为数据资产估值和交易奠定基础当前数据作为生产要素资源，虽然具有普遍的使用价值，但其资产属性还没有得到充分体现。数据资源满足可控制、可获益、可量化的条件后可以转化为数据资产，后续通过进一步金融创新，演变为生产性的数据资本，真正释放其内在价值。数据确权可以推动数据要素收益向数据价值和使用价值的归属者合理倾斜，确保在开发挖掘数据价值各环节的投入有相应回报。数据权属的界定方式和实现机制，将决定数据产品的流通效率、数据资产的计量范围。故而数据权属不明或数据确权“无法可依”是阻碍数据资产估值和交易实现的重要因素。明确数据权属，可以避免对数据权益的无序追逐，促进稳定和公平交易，强化数据要素市场有序建设。2.

16、从国内现行法律洞悉数据权属问题按照一般法律逻辑，数据资产交易得到保护的前提是数据资产存在法律上的权利基础，即数据资产拥有其自身的合法性地位。由于数据的非排他性、可复制性等特征，存在确权难的问题，现行法律仅是概括性地对数据保护进行了规定，并没有明确数据的权属性质。数据的多重属性导致既定法律难以为数据产权提供恰当的定位与保护，部分法律条款在数字经济快速发展的背景下，略显滞后。（1）个人数据权属划分对于个人数据，一般来说区分人格权和财产权，数据安全法个人信息保护法对个人信息的概念进行界定，由此可知我国目前立法认可个人数据具有人格属性。人格权归属个人数据主体，相关法律法规规定信息主体拥有知情权、访问权

17、、反对权、删除权、可携权等权利，信息处理者享有合法财产权益，同时需要遵守最小必要、知情同意和合法正当原则，履行数据安全保障、保存（储存）期限、个人信息保护影响评估等义务。个人数据具有一定的商业价值，其本身也能够作为财产加以利用，因而具有财产属性，但是数据的特殊属性引发了其是否能够作为财产权客体的争论。现行法律法规对数据所有权缺乏规定，个人数据尚未获得如财产权一样的绝对权保护，个人也未能获得完整的个人数据财产权，数据主体与数据处理者之间财产权的具体分配方式，也大多由市场主体自主决定。然而，个人数据的财产利益在实践中得到了承认，例如，个人可自主决定是否授权数据采集商采集自己的数据，以及是否允许服务

18、提供商使用自己的数据，这在一定程度上反映了个人对数据的处置。（2）企业数据权属划分对于企业数据，常从商业秘密、知识产权、反不正当竞争等角度进行讨论。大数据时代，数据资产是许多企业赖以生存和发展的基础，对于不为公众所知的非公开数据，企业往往会采取一定的保密措施，防止数据泄露。同时，最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定第一条明确将数据列入经营信息的一种，因此企业经营数据的商业秘密保护路径具有一定的正当性、合理性。但是商业秘密保护规则的适用过于依赖数据的保密性，使得对于大量的公开数据或企业未采取保密措施的数据无法进行全面的覆盖和保护。根据现行著作权法的规定，不构成作品的数据

19、内容的选取、编排具有一定程度独创性的，可以视为纳入著作权法保护范围的汇编作品。企业的数据产品是在原始数据的基础上进行凝练、加工、整合、分析计算形成，这虽然是数据处理者智慧的结晶，但很难通过独创性水平来判断版权保护路径是否适用。如依托计算机模式化输入输出而产生的大数据产品，使得数据处理者对数据处理注入的独创性有限，难以在结果上形成差异性。虽然现行法律没有赋予数据明确的合法所有权身份，但在具体案件中，司法实践赋予了数据个案化的保护路径。从现有的司法观点来看，大多以反不正当竞争法作为企业数据资产的兜底保护路径。企业对其经营的数据拥有竞争权几乎是一种趋势判断，但现有裁判观点在很大程度上回避了数据权益属

20、性这一问题。因此，尽管反不正当竞争法能够从竞争法的角度为企业数据资产提供兜底性保护，维护市场秩序，但仍存在着规则不明确、无法普遍适用的局限性。随着数据交易类型的多样化，很难普遍使用竞争法解决此类争议，例如投资或质押数据使用权所产生的法律问题。对于金融机构来说，数据资产产权归属的问题比较复杂，需综合考虑个人数据和企业数据的产权交叉情况。以银行交易数据为例，数据既来源于客户的交易行为，又由银行的信息系统产生，产权交叉增加了数据确权的难度。2022年12月中共中央、国务院正式发布的关于构建数据基础制度更好发挥数据要素作用的意见（下文简称“数据二十条”）对公共数据、企业数据、个人数据的使用分别做出了安

21、排。企业数据方面强调要发挥国有企业带头作用，引导行业龙头企业、互联网平台企业发挥带动作用，促进与中小微企业双向公平授权。在此背景下，依托传统的所有权理论对数据进行赋权反而会掣肘数据的利用，因此宜采取差异化的保护路径，建立起科学、可行、稳定的数据权属制度。（二）数据权属制度探索数据权属一直是影响数据资产价值形成的最大因素之一，数据权利归属哪个主体，对数据享用什么权利，数据权属制度探索的目的是厘清这些数据权利基础属性。数据权属制度需要通过一系列的政策措施和创新性的基础设施来进行探索推进。1.三权分置的数据产权制度框架以“所有权”规制数据权属不利于实现数据资产价值和流通，数据资产的未来收益与“所有权

22、归谁“并无太大关系，而主要取决于“谁开发利用”。对此，“数据二十条”强调建立公共数据、企业数据、个人数据的分类分级确权授权制度。根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，建立健全数据要素各参与方合法权益保护制度。数据资源持有权应至少涵盖三方面内容。一是自主处置权，即某主体对具备持有权的数据进行保存、管理、维护和防止其他主体侵害的权利；二是数据转让权，即某主体同意其他主体获取或转移其具备持有权的数据的权利，这一点是基于第一点的衍生权利；三是数据持有限制，即数据资源持有权并不是永久的

23、，而是存在一定的时间期限，任何主体的数据持有权不得越过或低于相关条例设置的数据储存时间期限。通常数据主体如个人、企业和公共数据部门可视作数据资源持有者。数据加工使用权可定义为，通过一系列人工或自动规范化方式对数据进行筛选、清洗、分类、排序、加密、标记、计算等各类处理后，利用一系列分析工具对数据进行分析、利用。数据加工使用权所涉及的主体是数据处理者，一般是企业等。数据加工使用权须在授权同意或合同约定的范围内进行，数据处理者对于加工使用的数据应承担数据安全保障义务，应采取加密、标识去除、匿名化等技术措施保护个人隐私和防止数据泄露，数据使用时也应遵守相关条款，如个人信息保护法第二十四条和七十三条要求

24、，利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇；通过自动化决策方式进行信息推送、商业营销，应当向个人提供便捷的拒绝方式。数据产品经营权指数据处理者对数据产品的一定程度的支配权，具体是指数据处理者如互联网平台企业对投入了劳动、资金生产的具备价值的数据产品与服务持续开发、使用和支配并获得收益的权利。数据产品经营权可以有效保护数据产品产权人的权益，与知识产权保护具有相似之处，有助于增加数据产品供给量和数据产品服务积极性。2,数据产权运行的基础设施实现数据资源持有权、数据加工使用权、数据产品经营权分离的产权运行机制，需要基础设施

25、作为支撑。建立以可信数字身份和可信数据流通技术为核心的数据资产确权和交易流通基础设施，可以健全数据平台互联互通互认，提升数据交互的准确性、稳定性和便捷性。其中，可信数字身份的关键支撑技术包括分布式数字身份、电子签名、生物特征识别和区块链等技术，可满足数字身份和实体身份的映射对应，以及数据资产的确权登记和数据资产交易的安全存证等需求；可信数据流通的关键支撑技术包括数据治理、访问控制、数据脱敏和隐私计算等技术，可满足高质量数据的开放共享，以及数据不动价值动的安全流通等需求。基于该基础设施，可构建数字经济环境下的数字信任交互架构，全面实现数据权属信息可登记、可查验、可流转，数据可按需、按量、按用途授

26、权使用，有效规避数据滥用、隐私泄露等交易风险，为数据资产的确权和估值交易提供技术支持。（三）金融机构数据资产确权机制近年来，商业银行等金融机构日渐重视数据资产管理，陆续开展数据资产管理体系建设，其中数据资产确权机制主要涉及以下两方面的活动：一是数据资产认定，通过数据资产认定帮助管理者明确数据资产管理对象管理范围，包括资产盘点、资产审核、资产发布、资产维护等；二是数据资产确权，通过明确数据资产权属划分，保障数据资产相关方的权利，包括持有权、使用权和经营权等。1.编制数据资产目录数据资产目录是数据资产认定、确权的支撑。数据资产目录依据规范的元数据描述，按照一定分类方法对金融机构数据资产进行排序和编

27、码，为金融机构提供了一个数据检索、定位与获取的入口。数据资产目录是数据资产认定、确权、处置等管理活动的支撑工具和成果输出。因此，数据资产目录编制是各金融机构提升数据质量、摸清数据家底的基础性工作，包括：明确数据资产目录分类方法及资产属性，制定数据资产登记模板，开展数据资产盘点及资产挂载，形成数据资产全景视图等工作。2 .开展数据资产盘点以数据资产盘点明晰数据权利相关方。金融机构根据数据资产登记模板，开展数据资产盘点，收集所属机构数据资产来源、分布、权属等属性信息。数据资产盘点可采用自上而下梳理与自下而上盘点相结合的方法。自上而下梳理指从业务视角出发，通过对金融机构业务流程进行逐层分解，梳理数据

28、资产；自下而上盘点指从技术视角出发，通过信息系统的梳理，盘点企业数据资产；最后，将业务视角与技术视角梳理的数据资产进行映射，修订完善数据资产分类，补充数据资产目录的业务属性、技术属性和管理属性，形成数据资产目录。其中，管理属性可包含数据资产的业务管理部门、开发服务部门、所属产品线、访问控制范围等，可依据管理属性信息对应划分数据资产拥有、使用、处置的权利相关方。3 .建立数据资产权属登记机制金融行业作为数据密集型行业，多方数据合作是数据要素发挥价值的重点。为促进金融机构间的数据资产共享流通，首先，可以尝试培育专业化的金融数据资产目录登记机构，在金融领域率先开展金融数据资产认定和盘点登记工作，在实

29、践中逐渐形成金融数据资产权属认定的推广示范案例。其次，根据数据要素市场建设的动态趋势，完成对数据的资产身份化认同。三、数据资产价值评估本节根据数据资产的价值构成逻辑，将数据资产估值从“投入价值，和“业务价值，两方面展开。投入价值是形成数据资产的资源总投入，业务价值是数据资产支撑业务开展创造的收益现值，两者构成数据资产总价值，为数字化建设的投入产出情况提供测度标准。进一步，创新提出适用于数据要素市场建设初期的“订单法”估值模式，以测度企业内部不同部门的数据资源调用需求。(一)估值综述1.估值范畴对数据资产进行估值计量，首先要明确数据资产的定义与范畴，学术界和实务界为此进行了大量研究。学术上，Gr

30、een(2012)提出评估数据资产价值的框架，明确数据资产能够为企业带来可持续的增量盈利，之后数据作为资产的理念逐渐被认可。朱扬勇等（2018）、高华和姜超凡（2022）将数据资产定义为拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集，使数据资产的概念得以清晰。当数据具有资产属性时可划分为资产，其具有两种价值创造模式（弓宝栓，2019）,一是以数据赋能现有产品运营直接带来利润，二是利用数据分析优化服务方法间接产生价值，两种模式均明确了数据资产的价值创造属性。实务上，2019年6月，信息通讯行业发布数据资产管理实践白皮书（4.0版），将数据资产定义为“由组织（政

31、府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益”，对数据资产的权属、存在形式、经济效益进行了界定。2023年8月，财政部发布企业数据资源相关会计处理暂行规定，结合会计关于资产属性的界定，确定了纳入企业报表的数据资源适用范围，在“企业合法拥有或控制的、预期会给企业带来经济利益的数据资源”的基础上，将口径放宽至“不满足资产确认条件而未予确认的数据资源”。综上来看，虽然业内尚未形成数据资产的统一概念，但一般将其界定为基于会计资产概念，并加入数据要素特征的范

32、畴延伸。2 .估值方法根据估值结果形式，数据资产估值方法可分为以货币度量的估值方法和以非货币度量的估值方法。以货币度量的估值方法又可细分为传统资产评估方法和基于期权模型估值法。其中，传统资产评估方法包括成本法、收益法、市场法三类经典估值方法；基于期权的估值模型包括B-S模型法、最小二乘蒙特卡洛模拟法等衍生方法。非货币度量方法以Gartner提出的内部价值（IVI模型）、业务价值（BVI模型）和绩效价值（PVl模型）三类模型最具代表性，如表1所示。表1：数据资产估值方法概述方法方法介绍绝对估值法成本法数据资产在估值基准日的重置成本中扣减价值损耗得到的数据价值；考虑到数据资产价值往往大于成本特点，

33、通过收益率和综合调节系数进行价值调整收益法通过对数据资产产生的预期收益进行折现估值，使用该方法要合理测算数据资产收益期内的预期收益，并匹配适用的折现率市场法根据市场已有交易价格，通过比较被评估数据资产与可比交易数据资产的特征差异，对市场价格进行调整，进而确定评估价值B-S模型法数据资产的最大特性是不确定性，主要体现为未来获利的潜在可能性，采用B-S期权定价模型进行无交易场景下的数据资产价值评估最小二乘蒙特卡洛模拟法LSM由于决策者可以在数据资产收益到期前随时对数据资产进行处理，所包含的实物期权可以看作美式期权；采用最小二乘蒙特卡洛模拟方法求解任意时刻每条模拟路径上标的资产价格，最后以无风险利率

34、折现估值相对内部价值法根据数据特征（正确率、完整程度等）衡量数据的内部价值，其特点是不依赖数据支持的业务估值法业务价值衡量数据对业务的价值（业务相关性、及时性等），同时考虑数据内部的价值（正确性、完整性等）绩效价值衡量数据应用前后KPI的变化，通过数据对企业关键目标的作用评估数据价值，此方法主要用于事后评估2019年，中国资产评估协会发布资产评估专家指引第9号-数据资产评估（以下简称“9号指引”）,供资产评估机构及资产评估专业人员执行数据资产评估业务时参考，同时为金融业的数据资产估值提供了重要指引。9号指引对数据资产的范畴及定义、基本状况、基本特征、方法分类等作出了较为清晰的界定，但业务适配、

35、指标设计、参数计量等均需要在实践中进行细化和明确。金融行业具有天然的数字基因，属于数据密集型行业，对推动数据要素基础制度建设、推进数据资产估值探索具有重要引领作用，多家机构已对数据资产估值进行前瞻研究和实践。普华永道2021年发布数据资产化前瞻性研究白皮书，提出数据资产化需要克服三个重要且极具挑战的命题，分别为法律角度的数据资产确权、市场角度的数据资产估值与交易、会计角度的数据资产入表。数据资产确权是数据流通的前提，可充分保障数据流通各参与方的权益；数据资产估值是数据流通的基础，通过搭建数据交易价格之锚促进高效交易；数据资产入表则通过强化相关会计信息披露，奠定数据要素价值发挥的制度性基础。浦发

36、银行2021年发布商业银行数据资产管理体系建设实践报告，阐明数据资产的概念、数据资产管理体系的内涵与外延、体系框架、管理规则等内容，旨在为明确数据资产化路径提供有价值的参考。光大银行在数据要素探索上较为深入和系统，2021年发布商业银行数据资产估值白皮书，聚焦数据资产估值领域，建立了面向商业银行的数据资产估值体系和方法，为数据资产估值实践做出有益探索；2022年发布商业银行数据资产会计核算研究报告，为数据资产入表提供重要借鉴。3 ,研究意义我国数字经济正处于数据资产化的初期阶段，支撑数据要素流通的必要条件尚不具备。如何有效衡量数据价值，构建科学、统一的数据资产估值机制，是健全数据交易市场的重要

37、前提。数据资产估值在学术界和实务界的研究推动下，已由理论层面迈向实践层面，但尚无统一的数据资产价值评估方式和定价标准，需要持续推进实践探索，逐步建立和统一金融数据资产价值评估体系。本课题在现有研究的基础上，创新提出金融数据资产估值的新思路、新方法、新实践，研究价值主要体现在以下方面：一是“成本法-收益法-订单法”的估值体系创新。根据数据资产的价值构成，将其划分为“投入价值”与“业务价值”进行评估。以成本法对数据资产的投入价值进行评估，反映企业对数据资源的投入积淀；以收益法对数据资产的业务价值进行评估，反映数据资产支撑业务开展的经济效益。并创新提出订单法对数据资产潜在外部价值评估，将订单管理模式

38、与市场法相结合，吸收借鉴市场法评估的外部价值优势，充分反映企业内部相关部门对数据资源的调用需求。该估值体系在当前数据交易市场不成熟，市场价格不可获取的情况下，提供了可参考借鉴的估值模式。二是可公开计量和落地实践的估值参数体系。数据资产估值参数的可靠计量对整个估值体系至关重要，往往差之毫厘、谬以千里。从调研情况看，目前估值参数主要以专家评估法为主，受主观影响较大，尚没有形成完整、客观、公开计量的估值参数体系，导致数据资产估值参数呈现明显差异，也使数据资产评估价值的可信度和统一性存在质疑。本课题对所涉及的重要参数进行综合研判和筛选，建立强计量支撑的参数体系，为业界数据资产估值提供参考借鉴。三是数据

39、资产重复估值的问题修正与估值公式的重新设计。实践中，采用一种方法往往难以客观、准确地估算出数据资产价值，若对成本法和收益法进行直接联用，会存在明显的重复估值问题。鉴于此，本估值体系重新设计了成本法的估值公式，剔除了收益率因素，将数据资产的业务收益价值通过收益法进行评估，解决了数据资产价值的重复计量问题。（二）数据资产分析1 .数据资产定义清晰界定数据资产的概念是数据资产估值的前提。将数据确认为资产，首先需要满足“资产”的定义。企业会计准则将“资产”定义为由企业过去交易或事项形成，为企业拥有或控制的，预期会给企业带来经济利益的资源”。因此，数据资产在确认过程中，需要满足资产概念的三要素：一是数据

40、是由企业过去的交易或事项形成的。要求企业存在的数据资产主要来源于过去外购、自主研发或日常运营产生，满足由过去的交易或事项形成，而未来预期产生或获取的数据不能确认为数据资产。二是由企业合法拥有或控制的。当企业拥有数据所有权或者使用权时，可通过数据挖掘服务于业务拓展和管理运营，数据所有权也可使企业进行产权交易。因此，拥有数据所有权和使用权，都可认定为企业合法拥有或控制的数据资产。而以不正当手段非法获取、有产权争议、无法控制的数据资源则不能确认为数据资产。三是预期会给企业带来经济利益。数据资产预期在未来一段时间内，通过直接或间接形式为企业带来持续经济效益。当数据没有经济价值或者在现有的技术条件下无法

41、确定未来经济利益时，不能确认为数据资产。基于会计资产的定义和数据资产的特有属性，将数据资产定义为：由企业过去的交易或事项形成，为企业合法拥有所有权或使用权，预期会给企业带来经济利益，并可进行确认和计量的数据资源。2 .数据资产特征数据资产具有不同于传统资产的一些特征，其兼具有形资产和无形资产属性。由于数据资产需要存储介质，其物理存在性属于有形资产范畴；而数据资产所体现的信息价值，则属于无形资产范畴。由于数据资产的特殊性，需要充分认识其特点，才能准确地进行估值。(1)业务附着性从数据的来源及应用来看，数据资产的价值发挥依赖于业务关系，是在业务过程中产生或者通过外购获得，通过分析处理加工，服务于企

42、业经营和管理决策。因此，在估值的过程中，需要对数据资产进行追根溯源，还原该数据源于什么业务、用于什么业务，以此来适配不同数据资产类型的计量算法。(2)多次衍生性同一数据主体可以被多层次多维度加工，衍生出服务不同场景的数据产品，丰富数据资产价值体系。例如，对银行直接采集的原始客户数据经过轻度汇总加工，形成数据平台中可供各类应用系统复用的数据，业务部门可在此基础上衍生出客户画像与偏好，风险管理部门可衍生出客户风险等级的判断数据。数据资产价值的大小，取决于赋能业务创造价值的大小，当同一数据主体的应用场景越多时，其发挥的价值越高。(3)零成本复制性数据资产成本主要发生在前期数据获取、数据产品和数据系统

43、开发阶段，使得该阶段数据资产的成本较高。由于数据资产可无限复制，其边际成本趋于零，导致相同的数据资产具有截然不同的成本。因此，对数据资产进行复制时，不能重复计量其投入成本。(4)介质依托性数据资产不能独立存在，需要依托于介质进行存储和加工。具体来说，数据资产发挥作用需要依托于有形资产，例如计算机、服务器和其他硬件设备等。因此，在评估数据资产价值中的投入成本时，需要考虑数据资产所依托的介质成本，以及有形资产折旧和维护等相关成本。(5)价值易变性价值易变性是数据资产最典型的特性。由于信息技术发展、相关政策变化、应用场景丰富等因素影响，数据资产价值可能会产生大幅波动。同时，当前数据确权、数据安全及隐

44、私保护等法律法规正在逐步完善中，随着相关政策明确，将决定不同类型或主题的数据资产是否具有价值。3 .数据资产分类依据数据资产全生命周期价值实现方式及管理需求，构建数据资产价值评估分类框架。将数据资产划分为获取类、存储及传输类、管理类和应用类四大类型进行估值，同类型的数据资产通常具有类似的价值实现方式。(1)获取类数据资产根据数据来源，将获取类数据资产划分为内部采集类和外部获取类两大估值对象。通过内部采集或外部获取的底层探源数据，可为后续数据加工应用提供原始信息。其中，内部采集类数据资产主要包括金融机构日常运营过程中形成的内部数据资源投入，如数据采集人工成本、相关系统成本、硬件设备成本等；外部获

45、取类数据资产主要包括外购数据资源的采购成本投入、外部数据系统研发投入以及采购过程中发生的人工成本等。内部采集数据和外部获取数据共同构成数据输入源，是金融机构管理和运营的基础数据支撑。(2)传输与存储类数据资产伴随数据规模快速扩张，数据传输和存储成本成为数据资产价值的重要组成部分。该类型数据资产主要处于获取类和管理类数据资产之间的过渡阶段。其中，数据传输中的专线费、通信费以及接口开发费等均为数据资产正常使用所必须付出的成本。随着金融机构数字化转型的深入发展，“湖仓一体”数据技术借助海量、实时、多模的数据处理能力，实现全量数据价值持续释放。数据湖仓承载着数据的存储与基础建模功能，在业务开展中发挥着

46、重要作用，应将其整体作为估值对象纳入数据资产的价值评估。(3)管理类数据资产该类数据资产面向实际数据需求，以原始类和过程类的数据资产为基础，通过数据汇总、挖掘等加工方式得到个性化的统计数据或管理类工具，应用于企业运营分析、管理决策和监管报送等，全面、深入、准确地呈现企业的运转情况及发展趋势，支持业务部门开展相关工作。此类数据资产可作为估值对象，具体从四个维度进行评估，包括数据运维、数据分析、数据治理和数据安全。（4）应用类数据资产应用类数据资产主要指在业务开展环节，直接赋能业务产生收益的数据资产。该类数据资产与业务收益的匹配性较强，根据业务价值的实现方式，划分到不同的业务领域和应用场景进行估值

47、。由于数据的零成本复制性，数据资产应用场景越多，创造的价值往往越高。（三）估值原则1.整体性原则将不可分割、不能独立提供有效信息的数据划分为一个评估对象，通过评估整体价值进行数据资产估值。单个字段不具备独立产生价值的能力，不作为独立的估值单元，需要放置于能够进行经营赋能的最小单元中进行评估。2 不重复估值原则由于数据资产价值实现方式不同，需要划分不同类型数据资产进行估值，并明确界定各类型的评估范围，以避免重复计算。此外，应注意与数据资产零成本复制性进行区分。零成本复制不会增加数据资产的投入价值，但可以通过增加业务场景来增加数据对业务价值的贡献，数据资产赋能业务创造的价值越大，则数据资产价值越大。3 .数据可取原则数据资产估值过程中，会涉及大量数据收集工作。基于企业日常运营分析数据，进行颗粒度划分，将便于数据收集整合，同时提高数据资产评估结果和数据运营分析对业务的指导作用。4 .成本效益原则对估值精确度和工作量之间进行权衡，避免成本投入过高，同时保证评估结果的合理性。（四）估值方案设计1.估值创新体系根据数据资产的价值构成逻辑，将数据资产估值从“投入价值”和“业务价值”两方面展开。投入价值为形成数据资产的资源总投入，业务价值为数据资产支撑业务开展创造的增量收益的现值，两者构成数据资产总价值。