□李维平 汤文巍

2022年12月，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》正式发布，将从数据产权、流通交易、收入分配、安全治理四方面初步搭建我国数据基础制度体系，更好地发挥数据要素的作用。

人类用数万年的时间，从采集狩猎进入农耕文明；用数千年的时间，从农耕文明进入工业文明；再用数百年的时间，从工业文明进入信息文明；而如今历史进程加速，我们仅仅用了数十年的时间就积累了海量数据。

大数据资产的金融特征

2020年4月，《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》正式发布，首次明确数据是一种新的生产要素，也标志着知识文明时代（数据要素时代）正式拉开帷幕。数据作为第五生产要素，从经济学角度来看具有技术和经济的特殊性。在传统的市场交易中，价格形成机制主要是三种力量的相互作用，一种是供给方之间的竞价，一种是需求方之间的出价，最后是供需双方的相互博弈；而数据要素的特殊性体现在与传统生产要素在生产函数、消费者行为、供需曲线和均衡状态等方面的显著差异。因此，数据逐渐形成独立的产品和资产形态，并在产品种类、交易形式、交易地点、服务等维度逐渐趋于成熟，由此衍生出的大数据资产定价需求，将很快成为研究界和商界的聚焦点，同时也是我国数字经济发展急需解决的基础问题。

众多研究表明，当前大数据资产定价在全球范围仍处于起步阶段。国外学者曾提出有借鉴意义的大数据产品定价方式，例如Mowschowitz Abbe认为原始数据应该有基准价格，过滤和整合所需的工作越多，其价值就越大，而数据产品交易的次数越多，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；国内也有部分交易平台尝试运用数据质量评估系统，以数据量、数据类型、数据完整性、数据稀缺性、数据时间跨度等为参考，基于数据产品历史交易价格对数据产品进行二次定价。但总体来看，国内外关于大数据资产定价的研究文献和商业案例有限，基本没有形成统一的大数据产品定价策略，主要受到两个因素的影响。一方面，大数据资产定价的核心关注和着力点因行业而异；另一方面，大数据资产定价的算法选择也是多样化的。保险业作为全球最大的金融门类之一，在国内具有巨大的发展潜力，但长期伴有需求转化不足、供给侧风险控制薄弱、保险产品单一、相似性高、买卖双方信息资源不对称及缺乏健康医疗相关基础设施的观点。但令人欣慰的是，近些年保险业大数据服务平台已经在中国一些特大城市发布并投入运营，健康医疗大数据在众多数据种类中能对保险业产生颠覆性和深远影响，对于产业的创新性和实用性方面均带来不可估量的经济价值，例如传统智能运营场景下的核保与理赔和产品创新场景下的创新产品研发等。这些数据应用场景的价值是由数据资产本身的内在价值决定的，正如在实际业务中，智能核保与理赔往往以季度或年度批量服务结算，以及创新产品的有效性通常在产品上市后的第一年、第二年和第三年逐年验证。结合上述大数据产品的特点，笔者认为大数据资产从本质上呈现出与金融实物期权类似的特征。基于此，笔者进一步总结了一套大数据资产定价策略，旨在充分运用金融实物期权定价思想，探索以保险业务为导向，供需双方双赢的保险大数据产品定价模式，最终验证了大数据资产的内在价值并在实际应用中探索实践。

大数据资产定价策略

与传统的收益和成本测算方法相比，实物期权定价在项目本身价值的基础上，考虑了项目的增长价值和管理的灵活性。通常情况下，传统的现金流折现（DCF）模型往往没有将项目延期、扩容、临时关闭等灵活性决策作为期间变化来考虑，因此，容易忽视项目的战略价值，导致项目价值被低估。更具体地说，仅依赖净现值法评估的投资项目可能会出现决策误导的情况，例如，某投资项目因暂不符合净现值（以下简称“NPV”）方法的决策规则而被拒绝（NPV＜0），但从项目本身来看，项目投资很可能包括一系列的投资行为，所以在做投资决策时，不仅要考虑项目自身的现金流，还应将接下来的投资机会价值纳入考量，换言之，当下盈利能力中性的项目并不意味着它永远不会有价值。在这种情况下，适当推迟项目的实施时间可能会提升项目经济价值。经过对比，使用期权定价的方法进行大数据资产定价可以很好规避上述问题。在模型适用性方面，大数据资产除了具有原始期权的特征外，还具有复合性、非排他性和先占性的特征，与实物期权高度一致；与此同时，实物期权并不关注单一现金流预测，而是增加了对不确定性的考虑，从而计算现金流可能变化的范围（即未来现金流的概率分布），这也与数据要素应用类似，二者均为企业投资和运营决策的重要参考依据（见表1）。

为了加深理解，以下通过一个案例对NPV方法和期权定价方法做了一个对比，显著差异分别体现在决策时间节点，以及最终的项目价值。假设一个大数据资产可以创造6000万元现值的未来收益，投资成本为7000万元，如果使用NPV的计算方法，该项目在t=0的时间节点（NPV方法的决策点）入不敷出，应该放弃这个投资机会。但事实上，假设该大数据资产在t=2的时间节点（期权定价的决策点）具有50%（p）的可能性收获现值8000万元的未来收入，50%（1-p）的可能性收获现值为6000万元的未来收入。在这种情况下，未来收入的现值为7000万元，扣除投入成本后的价值为零。可以看到两种方法中，NPV方法只是将可预测的净现金流入贴现到0时点，也更容易低估项目和资产的价值，其仅仅提供了“做”与“不做”的决策，而期权定价将决策点滞后，客观上提高了决策和定价的强度、准确性和灵活性，也更好地解释了“如何做”和“如何更好地做”，为公司决策层在资源和利润配置上提供了更多的参考（见图1）。

考察大数据资产作为第五要素的本质特征，在遵循期权定价假设的基础上，笔者考虑采用传统期权定价模型（Black-Scholes model）的基础上引入新的大数据特征变量，用下述方法对大数据资产进行定价，命名为Applied Data Asset Pricing model（见图2）。

其中用到的变量参数包括无风险利率、资产价格变动率、合约期、收入和成本现值、稀缺系数、影响程度、股息类支出率等。为了便于理解，笔者以在国内某资产定价中的案例，具体介绍上述方法的应用。在国内某大数据平台的定价评估中，笔者对上述方法进行了探索性实践，F公司与该平台签署长期合作协议，基于某项数据资产及其衍生产品进行合作，平台在该项数据资产的期初投入为30万元，用于应用之前的清洗、治理、映射、编译等大数据处理、软件开发、接口联调、硬件部署等运营成本，并且该成本将跟随产品使用率的提升以每年10%的速度递增。假设在该项目中第一年的数据资产及其衍生产品的收益为60万元，之后每年以10%的速度递增，同时参照伦敦洲际交易所2014-2020年间国际油价波动率和16%的贴现率，数据资产系数为1（稀缺性高），影响系数为0.8，股息类支出率为2.5%，大数据资产最终价格评估为373万元，比NPV方法下的评估高出207万元，符合中长期价格趋势，并最终为该平台的战略引用决策提供了准确和全面的支持。

随着模型应用的深入，笔者进一步发现企业在确定大数据资产价格时，应在众多的影响因素中辨析每个参数对价格的影响程度，这将有利于在可控的时间和一定条件下，尽可能反映未来真实价值，也可以提前预防潜在的风险。在综合评估每个影响因素对资产价值的作用时，依次保持其他变量不变，将每个变量上下调整相同的变化幅度，会发现未来现金流的变化对大数据资产价格的影响最大，这意味着在实际应用中，提高资产价格应更加侧重提高收入而不是降低成本。同时，分析数据显示，相较于成熟的企业，初创的企业对数据稀缺性的敏感性更强，这是源于规模效应和协同效应在不同程度上稀释了稀缺性对大数据资产价格变化的影响。

综上是对大数据资产定价方法和国内先试先行案例的介绍，总体而言，以实物期权定价为借鉴并进一步完善的Applied Data Asset Pricing model定价方法更能切实结合大数据与实物期权的相似特征（包括机会的有效性、有效利用杠杆、最小化义务、最大化权利）和定价逻辑，为数字经济时代下广泛的大数据应用和资产定价提供参考，而行业性的交易平台将成为充分释放数据要素生产力，加速发展与数据要素生产力相适应的生产关系，形成供给多元化、机制层次化、交易规模化的高流动性、高安全性要素交易市场的核心原动力。

参考文献：

瑞士日内瓦大学（Université de Genève）博士论文：Big Data Asset Pricing Model in Insurance Application Scenarios，2021年9月

特此鸣谢朱相远（全国人大原常委、全国人大教科文卫委员、民建中央原副主席）、Tony BERRADA（日内瓦大学金融学教授）对资产定价研究及应用实践提供的指导和帮助。

（李维平系全国政协委员、民建中央组织部部长；汤文巍系健交科技首席科学家、航投大数据首席科学家、易华录健康医疗首席科学家）