实战 | 区域性银行数据资产估值研究

文 / 江苏银行信息科技部总经理 梁斌

江苏银行大数据部总经理 林凌

研究背景

2021年，“十四五”国家信息化规划中，提出要通过数据要素市场培育工程、大数据应用提升工程建立高效利用的数据要素资源体系。中国信息通信研究院发布的《数据价值化与数据要素市场发展报告（2021年）》提出数据价值化的“三化”框架，即数据资源化、数据资产化、数据资本化。中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》提出，要加快培育数据要素市场。

随着互联网产业和数字信息技术的发展，推动经济活动线上化、数字化、智能化水平迅速提高，金融是经济发展的血液，区域性银行作为金融服务行业的主要组成部分，也正在不断尝试向数字化转型，以数据为驱动的未来银行业务也将成为必然发展方向。转型后的区域性银行在致力于大数据研究与应用的同时，必然加速数据资产化过程，而数据资产价值评估和定价则是资产化的必然要求。

何为数据资产

结合中国信息通信研究院的相关定义，本文将数据资产界定为由个人或企业本身过去对数据源通过数据采集、挖掘、清洗、标注、分析等，形成可采、可见、标准、互通、可信的高质量数据资源，且对数据资源拥有权属，预计会对个人或企业未来的行为、决策等产生影响，并且预期可为个人或者企业带来经济利益（创造价值），包括但不限于现金或经济利益潜力的各类数据资源。

金融数据资产则为金融机构过去的生产过程中形成的数据资产，包括以数字、表格、图像、声音、视频等各类保存在存储介质中的结构化或非结构化数据。

数据资产价值评估方法

1.成本法

指通过数据资产在整个生命周期中不同阶段的成本来判断价值的一种方法，其本质上就是对数据成本的归纳，包括数据管理、储存、更新、分析的人力、物力费用之和，数据资产价值的主要模型为：

被评估的数据资产价值=重置成本-贬值（或者）

被评估的数据资产价值=重置成本×成新率

2.收益法

指对数据资产给企业带来的预期收益按照合理的折现方法进行折现，以折现价值作为数据资产的估值的方法。主要估值方法为增量收益法，即根据对未来增加收益率的预测来判断资产价值的一种方法：

3.市场法

需要参照同一或类似类型的数据资产的近期或往期市场交易价值，以对比法分析结果为基准评价数据资产价值。可以比较客观反映资产目前的市场状况，其评价参数、指标可以直接由金融市场上获取，比较真实、可信。

评估价值=可比数据资产成交价格×修正系数

4.非传统方法

除以上三种传统评估方法外，诸多学者对数据资产价值评估方法进行了改进，提出了以下评估方法。

（1）博弈法。指数据交易双方根据各自不同的信息进行博弈交易的过程，最终使数据买方获得最大利润或最小风险。

（2）基于AHP的评估法。层次分析法（AHP）是应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。

（3）人工智能方法。利用神经网络等人工智能方法实现对数据资产价值的评估。

表 传统价值评估方法的优劣比较

区域性银行数据资产估值实践

数据资产估值还处于起步阶段，根据银行收益的组成及经验分析，选用增量收益评估法对银行数据资产进行推算。

1.增量收益算法改进

做了以下的假设和分解：（1）假设数据资产对三个方面的收益产生贡献：利息收入、其他业务收入以及运营和销售成本节约三项。（2）假设这三个方面的收益由五个方面的资产贡献共同作用的结果：数据资产、固定资产、金融资产、无形资产、人力资产，其中数据资产仅是其贡献来源之一。（3）用收益的变化量来度量各类资产对各类收益的贡献额度：利息收入增量（△A）、其他业务收入增量（△B）以及运营和销售成本节约增量（△C）。根据上述假设和分解，增量收益法评估公式修正为：

其中：

（1）A1,B1,C1分别表示收益期内每年使用数据资产后所产生的利息收入、其他业务收入、运营和销售成本节约；A0,B0,C0则表示收益期内每年没有使用数据资产时的利息收入、其他业务收入、运营和销售成本节约；A1-A0,B1-B0,C1-C0则分别表示相应的增量；

（2）SA，SB，SC分别为数据资产对各类增量收益的贡献度；

（3）i为折现率；

（4）n为贡献年限，即数据资产使用后对企业贡献的时长。

2.参数确定与价值评估

收益期n确定：假设根据某银行数据资产的使用情况，整体数据资产实际使用从2018年1月1日起。考虑到数据资产基本服务于银行自身业务发展，并且不考虑未来可能受到的产权归属等问题的影响，确定数据资产预期产生收益的年限为五年（即数据资产的使用年限）：

N=5年即从2018年1月1日起至2022年12月30日

每年增量收益的确定（每年利息收入增量(△A=A1-A0)、其他业务收入增量(△B=B1-B0)、运营和销售成本节约增量(△C=C1-C0)）：

A1、B1、C1取自2018年-2021年实际财报数据，2022年各项收益可根据前三季度的财报数据进行推算获得；A0、B0、C0根据收益期之前的财报收益（2015-2017）的变动规律推算获得。

数据资产对增量收益的贡献度s的确定：通过层次分析法确定数据资产对三种收益的贡献度分别为SA=49.29%，SB=35.67%，SC=50.91%，方法如下：

首先，建立以年利息收入、其他业务收入、运营和销售成本节约为目标层，数据资产、固定资产、金融资产、无形资产、人力资产为方案层的层次分析体系；其次，请行内行外专家利用九级相对标度法逐对资产评比贡献大小，获得五项资产的判断矩阵（见下表）；最后，计算判断矩阵的权向量，并进行一致性检验，通过一致性检验后的权向量即为各资产贡献的权重。

表 利息收入、其他业务收入及运营和

销售成本节约的判断矩阵

折现率i的确定：运用资本资产定价模型（CAPM)估计折现率，公式为E(r_i)=r_f+β_im[E(r_m)-r_f]，其中：

（1）无风险报酬率r_f选择5年期国债收益率替代，为2.87%；

（2）β_im是数据资产的系统性风险系数，假设为1.1；

（3）E(r_m)为市场投资组合的期望收益率，用股票价格指数收益率的平均值替代，这里取为12%；

由此，折现率=2.87%+1.1*（12%-2.87%）=14%。

3.数据资产价值估算

数据资产的价值=利息收入增量中数据资产的价值（P1）+其他业务收入增量中数据资产的价值（P2）+运营和销售成本节约增量中数据资产的价值（P3）

（1）利息收入增量中数据资产的价值（P1）：

（2）其他业务收入增量中数据资产的价值（P2）：

（3）运营和销售成本节约增量中数据资产的价值（P3）：

由此得，某银行在2018年数据资产估值=P1+P2+P3=xxx（亿元）为2018年初的价值，即数据发生效益的时点的价值。再按收益率（即折现率14%）折算成当前22年的价值为xxx亿，公式为：18年的估值xxx*（1+14%）^5=22年的估值xxx亿。

总结与展望

尽管业内对数据资产价值的研究越来越广泛，对数据资产价值评估方法的研究也越来越多，但现阶段数据资产估值尚处在早期探索阶段，完善的数据资产体系建设还需要经历一段时间，未来区域性银行除了要进一步加强数据资产评估相关政策体系的研究，还需要积极优化数据资产管理体系、建立健全数据资产会计制度体系等，共同拥抱数据资产新时代。

（栏目编辑：马俊）