大數據合作資產估值模型與數字經濟會計信息披露

　　摘 要:數字經濟情境下會計財務信息的價值相關性受到挑戰,基于企業財務信息的傳統估值理論及模型效力降低。本文基于大數據合作資產理論,通過能夠反映大數據合作資產寬度的月活躍用戶量和市場占有率、反映其深度的用戶變現能力和用戶粘性、以及同時反映其寬度和深度的顛覆力指數等指標刻畫企業大數據合作資產的價值,由此,提出基于數字經濟下互聯網企業的相對估值模型,并選取短視頻行業的非上市獨角獸公司--快手、抖音及在美國上市的對標公司陌陌作為研究對象,驗證該估值模型。研究結果表明:基于大數據合作資產理論的估值模型能有效評估數字經濟下互聯網平臺類企業的價值;數字經濟中大數據合作資產等相關信息表外披露具有重要價值,有助于推動會計財務理論和財務報告體系改革。本研究可對我國資本市場注冊制改革以及科創板和創業板的上市信息披露制度建設提供重要啟示。

　　韋立堅;李晶晶;周芷宇;， 北京交通大學學報(社會科學版) 發表時間：2021-10-19

　　關鍵詞:數字經濟;大數據合作資產;估值模型;表外信息披露.

　　一、引 言

　　數字經濟在我國逐漸成型并呈現出其不同于傳統經濟的新特質。數字經濟關注數字化情境下各方行動者、各種資源全面連接之后的產出和效益,在宏觀上呈現為以數字化信息為關鍵生產要素,現代信息網絡為重要載體的一系列經濟活動,在微觀上映射為以企業和消費者作為兩大核心行動者的交互與創新活動。因此,數據是企業和消費者交互的重要資源紐帶,更重要的是,數字化時代的企業與消費者互動越來越呈現為一種價值共創。基于此,Xie等[1](2016)提出了大數據合作資產的理論框架。

　　數字經濟下,用戶流量、用戶粘性等極具價值創造性的互動數據信息對于傳統會計信息的價值相關性提出了巨大挑戰[2]。傳統的會計信息不包含非結構化的用戶流量或用戶粘度等信息,從而降低了基于企業內部財務信息的估值模型對于數字經濟企業的價值評估效力。尤其是在2020年突發疫情等特殊事件的沖擊下,我國數字經濟體加速崛起,如抖音、快手等視頻社交平臺在疫情期間成為全國人民主要的社交娛樂平臺,用戶流量和用戶粘性更加強化,如何對這些新興的數字經濟企業進行估值,是一個嶄新的課題。

　　在實踐中,很多投資公司主要依賴兩個途徑:一個是簡單采用互聯網價值的梅特卡夫法則,以用戶數量的平方作為參考價值再給予一個折算;另一個是參考已經上市的互聯網企業,按照投資者的輪次, 給予一定比率的折價。無論哪個途徑,其折算率都是憑借投資經驗做出定性的決策,由于投資經驗各異,并受到投環境影響,往往估值偏差很大。市場實踐急需一個創新的估值理論作為科學依據。

　　本文提出一種新的大數據合作數字資產估值模型,并通過抖音、快手和陌陌等視頻內容的互聯網平臺的案例數據進行實例分析。該模型以 Xie等[1](2016)提出的大數據合作資產理論為理論依據,根據大數據合作資產的服務交換和可轉移使用權特點,重點刻畫了企業和用戶互動的持續價值創造。首先, 大數據合作資產區別于傳統資產,強調是企業及其用戶(消費者)互動產生的數據資產[1];也與關系資產視角下重點通過網絡考慮其生態的規模而通過注冊的用戶數進行估值不同,大數據合作資產估值模型側重于考慮月活躍用戶(MAU),因為活躍用戶才能持續進行互動。第二,大數據合作資產強調服務交換,所以采用變現能力和用戶粘性體現用戶的價值創造。第三,由于大數據合作資產,是一個持續的適應性創新,特別是企業和用戶的互動如果形成對現有格局進行顛覆,一旦形成不可替代性的創新,必然會加速獲得用戶流量,加速形成市場壟斷地位。上述三方面估值指標抓住了大數據合作資產的價值貢獻核心要素。此外,由于視頻內容平臺等互聯網數字經濟企業,同時也存在關系資產,因此,從估值理論看,仍然要考慮關系資產的一些要素。所以,在估值指標中,一方面仍然參考了梅特卡夫法則,考慮了用戶數以及估值要素之間的乘法關系;另外一方面,企業的股權關系、董監高等社會關系而形成的關系網絡,以及產生的信用信息,也是估值的基礎要素,因此,本文采用基于大數據關系網絡形成的信用評分作為信用信息測度指標并將其也納入了估值模型。最后,由于從價值度量的角度,上述要素難以直接形成價值表示,無法采用直接估值方法,故而本文采用了相對估值方法。

　　本文的研究貢獻為以下三點:其一,自 Xie等[1](2016)提出大數據合作資產理論以來,國內外學術界對大數據合作資產理論的后續研究和擴展基本屬于案例與質性研究,亟待開展相應的實證研究。本文在國內外學術界首次對大數據合作資產理論進行了實證研究,在提出大數據合作資產的價值模型基礎上,通過抖音、快手和陌陌等視頻內容的互聯網平臺的案例數據進行實例分析,深化和拓展了大數據合作資產理論的內涵;其二,本文強化了數字經濟財務報告表外信息披露的必要性。數字經濟情境下利潤、股利等財務指標的傳統會計信息難以度量企業的數字資產,因為這些信息忽略了平臺的網絡效應, 更難以刻畫大數據數字資產的互動創新特性。或者說,現有財務報告表內信息忽略了數據資產的價值創造功能,而大數據合作資產估值模型從理論和方法上佐證了用戶流量、活躍用戶、用戶粘性、用戶價值貢獻度等非財務信息對于數字經濟企業價值度量的價值性,為數字經濟財務報告框架提供了一個理論突破口,凸顯了大數據合作資產理論作為數字經濟基礎性原理對財務會計領域理論創新的支撐作用;其三,本文的研究為實行科創板和創業板信息披露框架提供科學依據,有助于引導國際領先的新數字經濟企業在國內上市并為投資者的價值判斷提供科學依據,研究結論具備較強的現實政策啟示意義。例如, 研究結論一定程度上對我國數字經濟下的制度或準則修訂提供啟示,有助于企業信息披露框架創新;以我國數字經濟蓬勃發展為契機,有助于我國產生構建原創性估值理論突破,從追隨國際慣例轉向引領國際準則。

　　二、文獻綜述與研究設計

　　(一)企業價值評估的變革研究

　　傳統的企業價值評估理論可以分為絕對估值模型和相對估值模型兩種。絕對估值模型中的經典模型包括自由現金流貼現模型(Rappaport,1986)[3]、股利折現模型(Williams,1938)[4]、期權定價模型 (Black和Scholes,1973)[5]和剩余收益模型(Ohlson,1995)[6]等。Graham 和 Dodd [7](1962)提出了相對估值模型,認為企業資本的內在價值應該等于價格乘數乘以—個財務數據,該方法為現代相對估值法奠定了基礎。學者們對傳統的企業價值評估模型進行了一定的拓展和改進,如 Copeland等[8](1990)提出麥肯錫模型評估模式,創新性地提出企業價值估算方法應按企業最終權益方進行分開討論。程小可等[9](2008)基于經典權益定價理論,給出了廣義的線性信息動態過程下的權益價值定價方法,并將線性權益定價模型拓展到了更一般的基于 p階歷史信息的情形。饒品貴和岳衡[10](2012)則將剩余收益模型與 Hou等[11](2012)公司基本面盈余預測模型進行了有機結合。

　　無論是傳統的絕對估值模型和相對估值模型,還是創新型的麥肯錫模型評估模式或改善的剩余權益模型,均是基于利潤、股利等財務指標來對企業進行價值評估。然而,互聯網企業,尤其是非上市的初創互聯網企業,由于其獨特的財務數據特征,例如,大部分的初創企業都處于“花錢買流量”的階段,只有大量成本支出,營業收入不多,利潤較長時間為負,這使得財務數據并不能作為互聯網企業的價值依據。

　　黃世忠[12](2018)認為現行的會計準則忽略了無形投資的資本支出屬性,無視了平臺資產的網絡效應現象,并弱化了數據資產的價值創造功能。數字經濟下,用戶流量、數據資產、智力資本等“無形”資產占主導地位的新經濟時代對于傳統會計報告表內信息的需求下降,表現為會計信息的價值相關性日益降低,故而表內會計信息在新數字經濟下難以充分發揮實現決策有用性和評價受托責任的財務報告目標。與上述論點一致,學者們用實證研究的研究方法發現股票價格與關鍵財務數據(如盈余、權益凈值和現金流量)之間的相關性逐漸下降,這表明會計信息的價值相關性在新數字經濟萌生后逐漸惡化 (Beyer等[2],2010;Srivastava [13],2014;Lev和 Gu [14],2016)。其中,Beyer等[2](2010)發現財務披露的數字信息(包括歷史和前瞻性數據)只能解釋季度股票回報的變化的28%。Srivastava [13](2014)發現, 由于新上市公 司 無 形 資 產 占 比 的 提 高,盈 余 信 息 對 未 來 業 績 的 預 測 能 力 不 斷 下 降。Lev 和 Gu [14] (2016)將盈余、資產和負債等多個關鍵財務數字指標納入回歸后發現,企業資本市場價值與會計信息之間的相關性持續降低,并自20世紀80年代末以來加速降低。數字經濟時代,企業在并購、上市等重大決策中,對于傳統會計信息(如盈利)的倚重日益下降,“燒錢買流量”、“虧損獨角獸”等新經濟下的新鮮現象讓我們需要重新思考數字經濟時代的估值理論和模型,并思索適合新經濟的財務報告信息披露框架。

　　(二)互聯網企業價值評估研究

　　梅特卡夫定律闡述了網絡價值與網絡節點數的平方成正比關系,對互聯網公司價值與用戶間的關系的探討從定性逐步轉為定量分析。里德定律認為網絡價值的計算除了考慮連接節點數還需相乘潛在群體數目。沈潔[15](2001)認為網絡企業的價值評定關鍵在于將網絡經濟特有的價值指標(如注冊用戶數、點擊率等)融入傳統的價值評價體系,再根據網絡產業自身的發展特點提出企業的增長模型,從而形成企業價值的估值模型進行定量分析。Kwon [16](2002)指出,非財務指標在高科技公司估值中比傳統財務指標更重要。Zhang等[17](2015)基于梅特卡夫的實證檢驗,對騰訊和 Facebook的月活躍用戶數和年收入進行擬合,實證表明,盡管騰訊和Facebook在收入、成本、商業模式以及技術上均有差異,但其收入與月活躍用戶數均遵從梅特卡夫定律。Metcalfe [18](2013)用2004-2013年 Facebook的月活躍用戶數與每年公司收入的關系進行了實證分析,發現兩者正相關。

　　基于已有的理論研究和實證檢驗,非財務信息可應用于非上市互聯網企業的價值評估模型,尤其是用戶量及用戶量增長率。然而,依托于非財務信息的估值模型仍存在較大難點,主要集中于如何選取基準將非財務信息轉變為價值量度。因此,本文采用相對估值模型,利用具有公開財務數據和具有價值尺度的成熟上市互聯網公司作為基準,將非上市公司的非財務信息與其進行對比,進而實現非財務信息到財務信息的合理轉化并應用于估值模型。

　　(三)大數據合作資產理論

　　Xie等[1](2016)提出了大數據合作資產原創概念及理論框架:大數據合作資產是指企業和消費者在數字化服務交互中成為能夠被另一方所擁有和利用的并能創造當前或未來經濟收益的數字化資產; 大數據合作資產反映了價值創造中行動主體之間的互動,強調雙方對彼此資源的依賴性會進一步促進服務交換而促進創新、創造價值。從價值來源上,大數據合作資產強調企業和消費者行為及資源的數據化,以及基于數據化形成的資源使用權或所有權的可轉移性;從互動關系上,大數據合作資產理論認為, 價值是通過一系列的互動體驗由企業和消費者共同實現的,強調企業與消費者間雙向的價值交換;雙向的互動性表明價值創造不再可能由單一行動主體所主導或控制,從而使企業和消費者成為彼此的合作資產。

　　抖音、快手等視頻內容平臺就是典型的消費者主導型大數據合作資產的實例。抖音、快手等視頻內容平臺極大賦權消費者,使其可以獨自創造和生產數字化內容,創建個性化直播方式或短視頻制作等個性化互動方案。此時,消費者不僅是內容生產者,更是社交網絡內的資源分配者,他們決定了傳播什么樣的產品、以什么方式傳播產品,以及傳播給誰,形成消費者主導型大數據合作資產。

　　大數據合作資產理論為數字經濟企業估值模型提供了理論基礎。估值模型需要能反映企業當前和未來價值的有效信息;大數據合作資產區別于傳統資產,強調是企業及其用戶(消費者)互動產生的數據資產[1,19]。快手、抖音和陌陌,都是由企業建平臺和提供數字化技術,讓其用戶生產有價值的內容,這是一種基于數字化技術的服務交換形成的數字經濟,其積累的數據是企業和用戶互動產生,消費者借助這些平臺的數字化技術進行個體學習和群體互動,在知識貢獻和尋求社交支持中獲得收益,是一種價值共同創造的過程;因此,這些數字經濟企業的資產完全符合大數據合作資產理論中數字化技術、服務交換和可轉移三個使用要素。大數據合作資產是快手、抖音和陌陌等數字經濟企業的核心價值所在,如何表征和量化大數據合作資產并構建估值模型是本文的主要關注點。

　　從估值理論看,傳統的財務估值理論和網絡估值理論(梅特卡夫法則)均不適用于快手、抖音和陌陌這些企業產生的大數據合作資產估值。根據大數據合作資產理論,上述企業的資產不同于傳統的消費者資產、關系資產。因為上述短視頻公司對于用戶是免費的,用戶不需要進行購買,沒有形成直接經濟價值;雖然上述企業也存在關系資產,如用戶是關系網絡的資源,企業可以預期獲得收益或者創造價值, 但是,這不是上述企業主要的價值所在,因為這類企業最關鍵的價值在于用戶依托平臺的數字化技術進行服務交換生產了有價值的內容,并通過可轉移的數字化資源使用權獲取了收益。因此,網絡估值模型中的梅特卡夫估值法則雖然存在一定的合理性,例如可以描述平臺注冊用戶以及企業生態網絡(包括股權關系、董監高社會關系)的價值,但是卻無法刻畫企業的核心資產價值。傳統的財務估值模型和基于關系資產的梅特卡夫法則估值都無法刻畫這種持續互動形成的價值創造,就必須提出創新性的估值模型。

　　估值模型的本質是能夠刻畫企業的未來價值創造。傳統的估值模型如現金流估值模型是通過假設企業未來的現金流是之前現金流的一個線性關系,從而形成對企業未來價值創造的估計。但是數字經濟企業的價值創造和傳統企業的本質區別,是不斷演化的動態過程。大數據合作資產則刻畫了企業和消費者互動而不斷進行價值創造的過程。即當企業與消費者協同演化作為這種互動性的具體呈現形式時,無論企業還是消費者,都會通過對彼此的適應性調整進而激發適應性創新,最終形成持續的價值創造。謝康等[19](2020)提出,抖音、快手等視頻內容平臺通過賦權消費者(用戶),使其可以獨自創造和生產數字化內容,創建個性化直播方式或短視頻制作等個性化互動方案。此時,消費者不僅是內容生產者,更是社交網絡內的資源分配者,他們決定了傳播什么樣的產品、以什么方式傳播產品以及傳播給誰。基于這些數字化內容形成了具有商業價值的資產,如作為社交資產的粉絲、作為關系資產的合作品牌及作為實物資產的衍生產品等。因此,抖音和快手等數字經濟企業,是典型的企業和消費者互動進行持續的價值創造過程。據此,本文提出一種新的大數據合作數字資產估值模型,重點刻畫企業和用戶互動的持續價值創造。

　　三、研究設計與模型

　　基于上述分析,基于財務信息的傳統估值模型并不適合于非上市互聯網企業的價值評估,本文基于大數據合作資產理論視角,通過用戶流量、月活躍用戶等指標構建企業估值模型。在進行估值的過程中,存在兩種思路:其一,直接應用非財務大數據進行估值;其二,將非財務大數據轉化為財務數據而后進行估值。目前,應用非財務大數據對企業進行直接估值仍面臨巨大的挑戰,不但存在量化價值基準的困難,也可能引發嚴重的代理問題,因此,本文將上述非財務大數據合理“嫁接”于相對估值模型,與已上市的配對公司進行對比,構建基于大數據合作資產視角的非上市互聯網企業估值模型。

　　基于財務報告表內披露而構建的財務指標在非上市互聯網公司,尤其是初創公司中,難以作為公司價值表征。互聯網公司進行前期融資時,其盈利狀況并不樂觀;同時,互聯網公司的輕資產特征使得其財務報表中的財務指標也無法反映其未來的成長性。基于非財務指標而構建的傳統互聯網估值模型, 通常為根據梅特卡夫法則以用戶數的平方來簡單度量互聯網企業的網絡效應,體現的是一般數據資產估值視角,其缺陷在于無法反映類似抖音和快手等互聯網企業和其用戶之間持續互動的價值創造過程。本文引入大數據合作資產的理論視角,突破梅特卡夫法則,抓住企業和用戶互動創造合作資產的本質特征,把簡單的梅特卡夫法則進行修正,增加了和用戶互動密切有關的指標,如活躍用戶數,用戶粘性度、變現能力以及體現互動創新強度的顛覆力等指標。

　　活躍用戶數被認為是互聯網公司估值的重要指標[17-18]。實踐先行,Facebook,Snapchat上市時的估值很大程度上依托于活躍用戶數量。本文利用非財務數據和相對估值模型對非上市的互聯網公司進行估值。通過選擇該行業比較成熟的上市公司作為對標公司,在度量對標公司的價值時可以考慮采用依賴財務指標的剩余收益模型做估值,提供一個可參考的對標公司價值,這可以與已上市對標公司的市值作為估值形成互補,形成合理的對標公司的價值估算區間。

　　結合騰訊公司的“燈塔”數據維度,我們構建的互聯網短視頻公司估值的重要指標包括:月活躍用戶數量(MAU),用戶粘性(時長和次數的乘積 T),變現能力(用戶付費率*用戶價值創造 ARPU 值),市場占有率(P),顛覆力(I:1+MAU 復合增長率)①。在此基礎上,還增加了企業信用評分(C)。各指標的具體計算方式詳列如下:

　　月活躍用戶數量 MAU:是指一個月有效訪問公司產品的用戶數。活躍用戶體現了大數據合作資產的寬度,體現了企業和用戶的持續互動。這也是對梅特卡夫法則簡單計算網絡用戶數的修正,避免了一些互聯網企業只有大量注冊用戶但是活躍用戶不多的估值偏差。

　　市場占有率 P:落后者在未來獲得新用戶和新資源的機會少于先入者,投資者往往會極為重視互聯網企業的行業地位,他們會愿意付出高溢價來購買領先者的股權。如果能取得壟斷,則這種溢價將更大。互聯網贏者通吃的特征的本質是其背后的冪律分布原則。這個指標是大數據合作資產的寬度,月活躍用戶數 MAU 體現是絕對寬度,那么市場占有率是一個相對寬度,體現了大數據合作資產在市場競爭中的價值。

　　用戶價值創造 ARPU:每個用戶在一個時間段為企業創造的價值,是衡量每個用戶對企業利潤的貢獻程度。這個指標體現了大數據合作資產的深度。大數據合作資產是一個企業和用戶互動的價值創造過程,價值創造的大小體現了資產估值。采取以下方式來計算 ARPU:

　　ARPU=企業年營業總收入/年累計平均用戶數/月份數; 年累計平均用戶數=(年初用戶數+本年各月累計用戶數)/(月份數+1)。

　　用戶粘性系數 T:使用人均使用時間和次數的乘積來衡量用戶粘性。這個指標同時體現了大數據合作資產的深度。一方面,互動持續的價值創造需要用戶在企業平臺有足夠長的時間和頻繁試用,才能做出有商業價值的應用和轉化。如抖音的視頻和直播,都需要用戶有足夠長的使用時間;同時在視頻上做商品廣告鏈接,需要用戶經常登錄才能實現廣告的商業價值轉化。

　　顛覆力系數I:用 MAU 月復合增長率來衡量公司對整個行業的顛覆力。互聯網公司一般是先發的企業占據極高市場份額,跟隨企業市場份額增長率一般較低。但是,如果一個企業具有顛覆力創新,它加速獲得用戶流量,有的甚至在最近一年以超過30%的月復合增長率增長,從而對現有格局形成了顛覆,具有不可替代性的創新。因此,月復合增長率是表征其顛覆力的有效且必然的指標。由于部分公司復合增長率為負,故使用1+MAU 月復合增長率作為顛覆力指數對估值公式進行溢價調整。這個指標同時體現了大數據合作資產的寬度和深度。一方面,活躍用戶數量的復合增長是一個寬度的動態度量; 另一方面,只有那些真正有顛覆性的應用創新,才能有很高的復合增長率,衡量了企業和用戶進行互動價值創造的創新深度。

　　信用評分 C:在對互聯網公司進行估值的過程中,企業的信用也是一個非常重要的指標,若一個企業為失信企業,那么我們對其進行的投資是毫無意義的。為此,我們引入數聯銘品公司的浩格云信數據,主要是根據公司投資關系和高管團隊社會關系網絡的核心數據,共分為企業特質、關聯關系、信用行為、活躍程度、行為偏好五個維度,對企業進行信用風險評估打分。這個指標體現是大數據合作資產的基本保障,無論什么類型的資產,核心都是公司能夠守信穩健經營。因為數字資產企業是輕資產,用戶愿意在數字經濟企業上做持續價值創造的基礎是信任,一旦數字經濟企業失去信用,用戶將會轉移到別的平臺,企業的價值積累將迅速歸零。如樂視網是最早建立互聯網生態并倡導與用戶進行價值創造的, 在初期也形成了巨大的用戶量和生態,市值也很高。但是當樂視網由于造假并遭受信用風險和財務風險時,其構建的互聯網生態迅速崩塌,用戶離開后自然也就失去了大數據合作資產。

　　上述指標體現了大數據合作資產的寬度、深度和基礎保障。根據大數據合作資產理論,月活躍用戶數 MAU、用戶粘性系數 T、用戶價值創造 APPU 等,主要依托用戶(消費者)主動產生的數據;而市場占有率 P、顛覆力指數I和信用評分 C,則是相對客觀的數據,依賴于企業和市場的客觀環境,屬于一種被動數據。因此,本文估值模型選取的數據指標,很好地體現大數據合作資產理論的寬度、深度以及主動和被動等內涵,這使得本文模型與傳統基于一般資產的資產估值理論產生了本質區別。據此,本文構建了一個互聯網開源數據的相對估值模型,如公式(1)所示,需要估值的非上市互聯網企業y的估值Vy 等于對標的上市公司估值Vx 乘以一個可比比率 Vy =Vx × Usery ×Profitabilityy ×Marketpremiumy ×Sticknessy ×Innovationy ×Credity Userx ×Profitabilityx ×Marketpremiumx ×Sticknessx ×Innobationx ×Creditx =Vx × MAUy ×ARPUy ×Py ×Ty ×Iy ×Cy MAUx ×ARPUx ×Px ×Tx ×Ix ×Cx (1)

　　四、實例分析

　　為了檢驗估值模型的合理性和可行性,我們引入互聯網短視頻行業的兩家非上市公司快手和抖音, 以及相對應的對標上市公司陌陌進行實例研究。由于快手是截止2018年2月底短視頻用戶量第一名, 而抖音則是用戶增長量最快的公司,顛覆能力最強,因此,這兩家公司在短視頻行業中最具有代表性。陌陌于2014年12月11日在美國納斯達克上市,在2017年開始轉型,專注于直播與短視頻業務,與快手和抖音的業務相似度較高,因此,我們選擇陌陌作為抖音與快手的對標公司。

　　同時,在對互聯網企業估值的過程中,一方面,基于大數據合作資產視角,用戶流量等指標對于估值非常重要;另一方面,公司創始人和主要高管團隊的信用程度也極其重要。由于公司創始人及高管團隊的信用程度較難量化,因此,通過引入數聯銘品公司的浩格云信信用分析工具,以社會關系網絡進行信用風險評估,共分為企業特質、關聯關系、信用行為、活躍程度、行為偏好五個維度,并根據這五個維度給出對應的信用評分。其中,企業特質方面,指的是公司高管及主要股東是否有出現風險事件;關聯關系指的是主要股東與高管的社會網絡關系,主要考察關聯的企業是否出現風險事件;信用行為方面,指的是企業自身是否存在違約的行為及訴訟。對于信用良好的企業,評分在560分以上,可以利用模型進行估值;對于信用差和較差的企業,由于存在重大信用風險等不確定性,則不適宜用量化模型進行估值。

　　(一)數據采集與描述性分析

　　本文的數據主要來自騰訊燈塔,限于數據可得性,本文的研究數據期間為2017年3月到2018年2 月。接下來,我們分別統計快手和抖音這兩家公司的月平均活躍用戶數等用于后續估值模型的數據。

　　表1統計了快手的相關月度數據。快手在研究期間的月均安裝保有量超過1.86億,月活躍用戶數 (MAU)平均達1.32億,月人均活躍天數平均達14.42天,月人均使用時長超過558.55分鐘,月人均使用次數為108.27次。

　　表2統計了抖音的相關數據。抖音在研究期間的月均安裝保有量超過4300萬,月活躍用戶數 (MAU)平均達2759萬,月人均活躍天數平均達8.42天,月人均使用時長達286.23分鐘,月人均使用次數為56.20次。

　　(二)實例分析

　　1.傳統估值模型的估值分析:以對標企業陌陌為例

　　陌陌在美國納斯達克市場上市,我們假設納斯達克市場是一個相對有效的市場,股價能夠較好地反映企業的內在價值。2018年2月28日陌陌股價33.05美元,市值52.07億美元;根據陳玉罡和陳奕詩[20](2018)對陌陌進行的研究,利用剩余收益模型對陌陌進行計算,得到陌陌的股價為30.09美元,企業價值為47.4億美元。剩余收益是指公司的凈利潤與股東所要求的報酬之差;當企業賺取的凈利潤超過股東要求的報酬時,這時企業能獲得正的剩余收益。

　　陳玉罡和陳奕詩[20](2018)的剩余收益模型具體的計算過程如下:

　　第一步,運用 CAPM 模型計算權益資本成本rE 。計算公式見式(2)。 rE =rf +β× (rM -rf) (2) 其中,rf 為無風險利率,rM 為市場收益率。β衡量了該公司承擔的系統風險與整個市場的系統風險的比值。如果β大于1,說明該公司承擔的系統風險比整個市場的系統風險高;如果β小于1,說明該公司承擔的系統風險比整個市場的系統風險低。在權益資本成本的計算中,無風險利率rf 取美國10 年期國債平均利率2.32%,市場收益率rM 取10年標準普爾500指數平均收益率8.04%。陌陌作為成長型企業,取β系數為1.24(雅虎財經網站公布的陌陌的β值為1.24,Wind數據庫計算的β值為1.22,兩者相接近),計算得到權益資本成本為9.41%。

　　第二步,獲取每股盈余(EPS,EarningsPerShare)的預測數據。見表3。2015-2017年的數據從年報中可以獲取并進行計算,2018-2020年的陌陌每股盈余(EPS)的預測數據來源于 Nasdaq網站,取機構對陌陌未來三年 EPS的一致預測值;研究期間內陌陌暫未分紅,DPS為0。

　　第三步,由 EPS預測值,我們計算預測期內的 BPS。計算公式見式(3)。 BPSt =BPSt-1 +EPSt -DPSt (3) 第四步,計算普通股股東權益收益率(ROCE,ReturnonCommonEquity)。計算公式見式(4)。 ROCEt = EPSt BPSt-1 (4) 第五步,計算2018年-2020年的剩余收益(RE,ResidualEarnings)。計算公式見式(5)。 REt =(ROCEt -rE )×BPSt-1 (5) 第六步,將未來的剩余收益用折現因子折現,計算出2018-2020年 RE 現值并加總得到2018- 2020年 RE總現值。計算公式為 RE 現值t = REt 1+ 折現因子 (6) RE 總現值 =RE 現值2018+RE 現值2019+RE 現值2020 (7) 第七步,計算2021年及之后持續期剩余收益在2020年的價值。陌陌自上市以來即進入高速發展期,目前,在開拓新客戶和增加付費用戶方面面臨著挑戰,而未來直播、廣告業務仍然存在較大的增長空間,總體來看有一定的發展前景,有可能為股東賺取更多利潤,創造更大價值。假設從2020年起,陌陌的剩余收益保持1%的持續穩定增長(g=1%),持續價值的計算公式為持續價值 =RE2020 × 1+g rg -g (8) 第八步,將2020年得到的持續價值折現到2017年,結果為22.40

　　第九步,將2017年的 BPS、2018-2020年的剩余收益現值、2021年及以后的持續剩余收益的現值加總得到陌陌在2017年的估值為30.09美元/股。表3列示了剩余收益模型的計算結果。資本成本和剩余收益未來增長率是影響估值結果的重要因素,我們對此作進一步敏感性分析,見表4。表4中列示了不同的永續增長率下資本成本的變化。因此,陌陌在2017年底的估值區間為47.4億美元至52.07億美元之間。

　　2.大數據合作資產視角的估值分析及檢驗:以快手為例

　　根據騰訊燈塔數據,可分別計算基于大數據合作資產視角的估值分析所需指標值。第一步,計算 MAU。根據最近一年 Android端數據,快手 MAU 為1.77億;按ios和 Android占比的全量 MAU 為2.21億。第二步,計算 ARPU。快手靠直播業務每月創收2-3億元,考慮 MAU 持續增長,年化直播收入可達36億。2017年全年,陌陌實現營收13.18億美元,折合83億人民幣。故快手 ARPU 值約為10元, 折合1.6美元。第三步,計算市場占有率 P。表5列示了短視頻 APP市場占有率情況(前十名),快手在短視頻行業市場占有率為 29.8%。

　　第四步,計算用戶粘性乘數指標。根據騰訊燈塔數據,將人均使用時長與人均使用次數相乘,得到用戶粘性指標 T=71599 第五步,計算顛覆力指標。MAU 月復合增長率計算得 4.85%。第六步,計算信用評分。由浩格云信數據,快手的信用評分為650分。因此,根據上述估值數據,利用相對估值的方法對快手進行估值: V (快手) =MV(陌陌)× MAU(快手)×ARPU(快手)×T(快手)×P(快手)×I(快手)×C(快手) MAU(陌陌)×ARPU(陌陌)×T(陌陌)×P(陌陌)×I(陌陌)×C(陌陌) 由于陌陌的估值區間為47.4億美元至52.07億美元,代入數據得 Vmin (快手) =47.4億美元 × 2.21億 ×1.6美元 ×71599×29.8% × (1+4.85% )×650 0.99億 ×3.9美元 ×22602×26% × (1-3.14% )×560 =198.04億美元 Vmax (快手) =52.07億美元 × 2.21億 ×1.6美元 ×71599×29.8% × (1+4.85% )×650 0.99億 ×3.9美元 ×22602×26% × (1-3.14% )×560 =217.54億美元因此,快手在2017年的估值區間為198.04億美元至217.54億美元。

　　而快手在2018年年初進行的 E輪融資,融資額為10億美元,出讓5.5%的股權,估值約合181.82 億美元,接近估值模型得出的估值區間;而根據天眼查的信息,2019年,快手用戶超過2億,騰訊等領投的投資方估值為250億。因此,我們2018年2月估值模型不僅合理,而且具有前瞻性。

　　3.大數據合作資產理論的估值分析及檢驗:以抖音為例

　　根據騰訊燈塔數據,可分別計算基于大數據合作資產視角的估值分析所需指標值。

　　第一步,計算 MAU。根據最近一年 Android 端數據,抖音 MAU 為9037萬;按ios和 Android占比的全量 MAU 為1.55億。第二步,計算 ARPU。參考快手和抖音的主要受眾,如圖1所示,快手主要用戶畫像來源于三四線城市,消費能力較低,ARPU 值較低,而抖音主要客戶來源于一二線城市,消費能力較強,ARPU 按比例估算的 3 美元。

　　第三步,計算市場占有率 P。由表5,可得2017年抖音在短視頻行業市場占有率為 16.6%。第四步,計算用戶粘性乘數指標。根據數據得出用戶月均使用時長乘使用次數為45282。第五步,計算顛覆力指標。MAU 月復合增長率計算得 46.47%。第六步,計算信用評分。由浩格云信數據,北京微播視界科技有限公司的信用評分為660分。因此,根據上述估值模型,利用相對估值的方法對抖音進行估值: V (抖音) =MV(陌陌)× MAU(抖音)×ARPU(抖音)×T(抖音)×P(抖音)×I(抖音)×C(抖音) MAU(陌陌)×ARPU(陌陌)×T(陌陌)×P(陌陌)×I(陌陌)×C(陌陌) 由于陌陌的估值區間為47.4億美元至52.07億美元,代入數據得 Vmin (抖音) =47.4億美元 × 1.55億 ×3美元 ×45282×16.6% × (1+46.47% )×660 0.99億 ×3.9美元 ×22602×26% × (1-3.14% )×560 =130.14億美元 Vmax (抖音) =52.07億美元 × 1.55億 ×3美元 ×45282×16.6% × (1+46.47% )×660 0.99億 ×3.9美元 ×22602×26% × (1-3.14% )×560 =142.96億美元因此,抖音的估值區間在130.14億美元至142.96億美元。2018年初,頭條融資估值高于400億美元,頭條系包括今日頭條、抖音、西瓜視頻、火山小視頻,抖音占比頭條系業務超過四分之一,故可以認為該估值是合理的。

　　由于數據的可獲得性,本文數據限于2018年2月,但從后續抖音、快手和陌陌的公開數據及新近估值看,本文的估值模型具有普適性和前瞻性,不依賴于特定數據樣本的約束。例如,根據證券時報網報道①,2020年中,抖音月活躍用戶超過6億,快手月活躍用戶約為4.3億,抖音依靠其強勁的顛覆力,遠超過快手;而作為對標公司的陌陌,2020年6月活躍用戶為1.15億②,與抖音和快手的差距進一步拉大,且比去年同期略有下滑,顛覆力指數為負。在估值方面,抖音在2020年中估值超過1000億美元, 而快手在相應時點估值也超過了500億美元。因此,本文的估值模型為數字經濟時代的企業估值提供了合理的估值區間,為解決業界對抖音估值存在的巨大分歧提供科學依據③。

　　本文構建了基于大數據合作資產理論視角的估值模型,提出數字經濟下強化拓展財務報告表外信息披露的重要性。本文從大數據合作資產理論特有的寬度和深度去選擇估值指標,使其能夠體現企業和用戶(消費者)進行持續價值創造行業互動特征,包括反映大數據合作資產寬度的月活躍用戶數量和占有率,反映大數據合作資產深度的用戶粘性和變現能力,同時反映寬度和深度的市場占有率和顛覆力指數,以及資產估值的基礎保障即信用評分等估值指標維度。然后通過與財務投資理論的資本成本、每股盈余、剩余收益等財務指標融合,采用相對估值法計算出數字經濟企業的有效估值區間。本文是首次將大數據合作資產理論引入到財務估值領域進行融合,研究得出以下結論和啟示:

　　1.基于大數據合作資產理論的估值模型能有效評估數字經濟下互聯網平臺類企業的價值。基于互聯網企業價值創造的特點,依據大數據合作資產理論,通過模型構建和實例檢驗,證明該模型從理論上反映了互聯網企業的價值創造特征,能夠在實踐中指導互聯網企業估值分析。雖然目前本文是用互聯網企業進行實例檢驗,但在數字經濟時代,特別在疫情沖擊下,越來越多的企業進行線上化和數字化轉型,企業與用戶通過持續互動創造的大數據合作資產不斷增加,因此,本文的估值模型在原理上對數字經濟時代的企業估值具有一定普適性。后續研究可以針對數字經濟時代涌現的企業類型做進一步實證檢驗,對具體指標進行修正或者擴展。

　　2.數字經濟中大數據合作資產等相關信息表外披露具有重要價值,有助于推動會計財務理論和財務報告體系改革。本研究發現大數據合作資產(如,用戶粘性、變現能力等)對于互聯網企業估值有重大影響,推演并提出數字經濟下財務報告表外信息披露的重要價值。該研究結論有助于推動財務報告框架改革創新以及倡導構建基于大數據合作資產的新財務報告體系,為數字經濟下投資者價值判斷提供了科學依據。

　　3.本文的研究結論有助于指導我國資本市場實踐,尤其是有助于繼續探索完善注冊制下的財務報告框架,對推動科創板和創業板的注冊制改革有重要啟示。科創板和創業板需要根據數字經濟的特點對估值模型進行重構,需在上市標準和信息披露中引入能夠反映企業價值創造的非財務大數據信息,才能進一步推動注冊制改革并使我國資本市場能夠真正服務于數字經濟。