如何進行資產估值精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的如何進行資產估值主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：如何進行資產估值范文
一、房價與各項影響因素的關系
影響房價的因素很多，大致可以歸納為三類：基本面、資金面、政策面?；久媸欠績r中長期走勢的決定因素，影響趨勢和方向；資金面對房價漲跌產生直接作用，影響振幅和波動；而政策面則是通過財政、貨幣等措施，改變經濟運行的環(huán)境，從量變到質變來改變房價的趨勢。
1.基本面
筆者將中國以及美、日等國家的房地產市場與宏觀經濟指標進行歷史數據的相關分析，可以發(fā)現，房價與GDP、CPI、PPI、股市、城市化率等指標均存在一定的相關性。
房價與GDP之間存在顯著的正相關，且為雙向因果關系。一方面，房價的上漲及上漲預期將帶來更多的房地產開發(fā)投資，拉動建筑、金屬制造、機械設備、水泥、家電、裝修等行業(yè)的發(fā)展，有效解決社會就業(yè)，對經濟增長產生乘數效應，G DP隨之增加；另一方面，GD P的上漲反映國民經濟的成長，通貨膨脹將帶來資產價格的提高，反過來促進房價的上漲。
房價拉動CPI漲跌，CPI傳導到PPI；而 CPI、PPI所代表的物價和通脹水平又反過來影響房地產開發(fā)的人工、建材、設備的成本，但從房價占CPI比重（中國此前CPI構成中居住類權重僅為13%，而美國是42%）和建安成本對房價的敏感性（歷史上建安成本漲幅遠小于房價漲幅，且建安成本變動對利潤的敏感性不大）兩個角度看，房價與CPI、PPI并沒有顯著的因果關系。從先后順序看，房價變化領先于PPI，PPI領先于CPI。
房價波動滯后于具有經濟晴雨表的股市。從相對趨勢上看，兩者大致有1年左右的時間差，如萬科A股的股價分別在1998年、2002年、2005年展開一波上行，而房價指數則在1999年、2003年、2006年出現加速上漲。
房價的上漲有賴于中國城市化進程中的新增城鎮(zhèn)人口所產生的住房需求增加，從1979―2009年30年間平均每年新增1450萬城鎮(zhèn)人口，這是支撐剛性需求不斷增加的根本因素。雖然兩者的增長趨勢相同，但由于房改起步較晚，較長時間序列的回歸分析反而發(fā)現兩者相關性不強，但從2004年起出現一定正相關。
2.資金面
房地產是投資額最大的資產之一，已成為大部分資金的蓄水池，其價格水平的變化與資金面的松緊關系密切。影響市場上資金量多寡的因素有貨幣供應量、利率水平、貨幣匯率等。
房價與貨幣供應量（M 2）息息相關，但沒有嚴格的線性函數關系。中國保持了30年平均22%的M 2增長率，M 2所體現的是整個市場的資金量 和購買力大小，這為房產等資產價格的走強提供了有力支撐。筆者發(fā)現，一般M 2出現較大波動后，房價也會有相應變化，時間差大致是6個月到1年。
房價與利率之間有顯著的負相關。從供求角度看，利率提高導致購房者貸款還供壓力加大，有效需求受到抑制，供大于求導致房價下跌；從資產估值的角度看，在中國占有很高比重的期房銷售，實質上是未來房價按社會平均收益水平的折現，但銀行基準利率的提高會導致房產折現值的下降，即房價下跌。
房價上漲并非因為匯率變化，但匯率在房價趨勢形成后有一定的助推作用。中國保持了10年相對穩(wěn)定的匯率之后，于2005年開始匯改，此后美元兌人民幣中間價一直下降，期間房價則穩(wěn)步上漲。人民幣升值預期誘發(fā)了外資的涌入，推高了國內房價。
3.政策面
中國房地產市場發(fā)展是典型的政策市，受政府調控影響十分顯著。除了金融危機之后，政府為了救市出臺一系列扶持政策以外，大部分時間里以抑制房價過快上漲為基調，尤其以2011年為最盛，出現了“限購令”、“限貸令”、“限價令”三大政策的疊加。
積極的財政政策、寬松的貨幣政策可以促進投資、增加貨幣供應量，降低市場資金成本，也促進了推動房價上漲各項因素的形成和增強；房地產行業(yè)的優(yōu)惠和扶持措施可以通過增加有效需求來活躍市場（如降低首付比例、交易稅費減免等措施可將原本并非有效需求的潛在購房群體激活，成為新增需求）。反之，亦然。
二、房價由供求關系決定
通過對基本面、資金面、政策面影響因素的梳理，可以發(fā)現，所有因素的變化最終作用于市場的供求雙方，導致房地產市場的供求關系發(fā)生變化，從而最終引起房價的漲跌。因此，筆者認為供求關系就是房價形成機制的核心，是決定房價的內在動力。以下僅對房地產市場中的住宅市場作一簡要闡述。
1.住宅需求
住房需求包括三個方面：剛性需求、改善性需求、投資性需求。
剛性需求，取決于新增城市人口與人均可支配收入所形成的購買力。城市化進程中持續(xù)增加的城鎮(zhèn)人口和居民收入水平的提高，將是剛性需求的有效支撐。但在經濟蕭條時，城市化進程的放緩與收入水平的減少則會抑制需求的增加。
改善性需求，取決于當地的人均面積、戶均套數、富裕程度。隨著居民生活水平的提高，人們有改善住房條件的需求。一旦房價過高，將抑制改善性住房需求。
投資性需求，符合“買漲不買跌”的資本逐利本性。房價存在上漲預期時，資本涌入；房價存在下跌預期時，資本撤離。資本具有加速房價趨勢形成的作用。
2.住宅供給
住房供給受兩個環(huán)節(jié)影響，一是土地供給，二是房地產開發(fā)投資。
中長期看，土地的經濟供給彈性很小，特別是國家對18億畝耕地的嚴格保護，使城鎮(zhèn)建設用地相對稀缺。短期看，地方政府的年度供地計劃安排將影響未來1～2年內住宅用地的供應量。
土地的供給只有經過房地產開發(fā)，才形成住房供給。房地產開發(fā)投資減少，或開發(fā)商有意囤地，均可能造成住宅供給的減少。
3.供求關系決定房價走勢
上述的需求量和供應量的變化和相互關系，將最終決定房價的漲跌和方向，具體而言，包括以下四個基本觀點：
第一，房價漲跌由商品房市場的供求關系決定?！肮┎粦髸r價格上漲，供過于求時價格下跌”的經濟原理也適用于房價，但由于房地產涉及面廣，商品房供求同時受多種因素相互影響和制約。財政、貨幣等調控政策通過影響供求關系來調節(jié)市場價格。
第二，房價上漲或下跌趨勢形成后，資本的涌入或退出將起到助推作用。房地產本身具有消費品和投資品的雙重屬性，作為消費品，買跌不買漲；作為投資品，買漲不買跌。由于投資品的屬 性，資本在投資、消費兩個環(huán)節(jié)起作用。在房價處于上漲趨勢中，資本的進入加速房價的上漲；在房價處于下跌趨勢中，資本的撤離加速房價的下跌?！暗赝酢?、“炒房團”都是資本逐利的表現，都是“火上澆油”和“落井下石”，起著加速、助推作用。
第三，房價拐點的判斷有賴于底部和頂部的確認。到達底部時往往表現為成交清淡，而從底部崛起時則伴隨著成交量的大幅增加；到達頂部時往往有價無市，而從頂部下跌時也伴隨著交易的活躍。
第四，房價波動有周期性，階段性的高點和低點可以通過供求關系進行簡單判斷。假設供給量短期內較為確定，那么在房價下跌過程中，剛性需求決定房價下跌的底部；在房價上漲過程中，投資性需求決定房價上漲的頂部。
由于影響房價走勢的供求關系受到宏觀經濟、城市化進程、收入與稅費政策等多種因素的綜合作用，特別是在中國，政府干預的影響更為突出。單純地進行某些指標的回歸分析，難以構建出一個有效、實用的房價預測模型。通過供求決定房價的四個簡單法則，可以更好地把握市場的一般規(guī)律，但若要對房地產市場的趨勢進行研判、特別是對房價拐點的把握，還需在房價預測的具體業(yè)務工作中，注意三個要點：
一是注意市場范疇的不同，如全國市場的整體走勢與地方區(qū)域市場的不同，住宅、商鋪、寫字樓等不同產品的供求關系不同，普通住宅與高端公寓等細分市場的不同。不同的市場范疇，影響房價形成的因素也有很大的區(qū)別，需分門別類地進行研究。
第2篇：如何進行資產估值范文
關鍵詞：企業(yè)大數據；資產屬性；資產定義；資產確認
一、引言
大數據日益成為國家和企業(yè)組織的戰(zhàn)略資源。研究和實踐發(fā)展表明，大數據有助于獲得生產力、競爭優(yōu)勢、效率[1]，是創(chuàng)新能力以及創(chuàng)造消費者盈余的關鍵要素[2]，是一種促進公司績效提高的正向因素；采用“數據驅動的決策方式”的企業(yè)能夠獲得約5%的生產力和約6%的利潤率，這些差異在排除了勞動、資本、購買服務、傳統(tǒng)IT投資等解釋因素之后依然強勁[3]。大數據已成為類似于品牌形象的一項企業(yè)資產[4]。然而目前卻缺乏一種有效機制或方式來正式揭示這一新型企業(yè)資產的價值。會計則恰好提供了這樣一種正式機制。作為一種經濟信息系統(tǒng)，會計通過提供對利益相關者決策有用信息來減少信息不對稱問題。這些決策有用信息，即與企業(yè)組織的財務狀況、經營成果和現金流量相關且可靠的財務和非財務信息。理論上講，凡是能夠對企業(yè)組織的財務狀況、經營成果和現金流量產生重要實質性影響的經濟事項或經濟資源，都應當包含于企業(yè)的財務報告中。大數據正是這樣一種具有遠大運用前景和價值創(chuàng)造潛力、能夠對企業(yè)組織產生重要實質性影響的經濟資源，因此，它的價值信息也應當包含于當今的企業(yè)財務報告中。當然，“在財務會計中，并非所有經濟資源與義務及其變動都被確認與計量”（美國APB第4號公告《企業(yè)財務報表的基本概念與會計原則》，1970）。但是，在符合了“效益大于成本”和“重要性”原則的前提下，并滿足會計要素的確認條件時，就應當將一定的經濟資源或資源要素確認為財務報表要素（美國FASB第5號概念公告《企業(yè)財務報表的確認和計量》，1984）。
隨著知識經濟時代的到來，人力資本、智力資本、客戶資源等無形資產對企業(yè)的重要性日益上升，甚至超過傳統(tǒng)有形資產（想想Facebook）。然而，由于對這些無形資產的計量存在困難，或者對其確認不滿足“效益大于成本”原則，致使這些無形資產仍未在組織財務報表中正式列報。但是，不對這些具有重要實質性經濟影響的無形資產進行列報，無疑降低了相關組織會計信息的決策有用性。正因為此，有關這些無形資產的價值評估和計量研究已經成為國內外會計學界的當務之急，也構成了當前會計熱點和未來研究的方向之一。大數據作為近二十年新興的一種無形資產①，也存在著同樣的問題。一方面，人類社會正走向全面數據化（孫海華，2015）、“贏得數據者贏得產業(yè)”（鄭英豪，2015）。另一方面，國家借力大數據提升國家治理能力、建設“智慧城市”“智慧國家”等戰(zhàn)略舉措及一些行業(yè)日益“數據化”“智能化”（如互聯網、電信、金融等行業(yè)）等，使得大數據日益成為重要戰(zhàn)略資產，而這種戰(zhàn)略資產的價值卻未能在政府和相關行業(yè)企業(yè)的財務報告中得以反映，這無疑會引發(fā)信息不對稱問題，不利于利益相關者對組織質量的判斷，也降低了會計信息的決策有用性。美國FASB第5號概念公告《企業(yè)財務報表的確認和計量》（1984）規(guī)定會計要素的確認標準為可定義性、可計量性、相關性、可靠性。IASC（現改組為IASB）《編報財務報表的框架》（1989）也明確規(guī)定一個項目需滿足“與該項目有關的未來經濟利益很有可能流入或流出主體；對該項目的成本或價值能夠可靠地加以計量”兩個條件時才能確認為會計要素。我國2014年修訂的《企業(yè)會計準則——基本準則》也做出了類似規(guī)定：一項資源應當符合資產定義，并同時滿足資產確認條件，才能確認為資產（第二十一條）。“符合資產定義和資產確認條件的項目，應當列入資產負債表；符合資產定義，但不符合資產確認條件的項目，不應當列入資產負債表?！保ǖ诙l）由此可見，大數據能否作為資產要素確認，就包括對如下兩個方面問題的回答：第一，企業(yè)的大數據資源是否符合資產定義？第二，企業(yè)的大數據資源能否滿足資產確認條件？鑒于此，本文擬對上述兩個問題一一剖析，即對大數據的資產屬性進行探析。
二、企業(yè)數據生態(tài)系統(tǒng)
大數據是指其規(guī)模超出了典型數據庫軟件工具能夠抓取、存儲、管理和分析能力的數據集。Laney（2001）最早提出了大數據的“3V”特征：容量大（Volume）、多樣化（Variety）、速度快（Velocity）。“大數據之父”維克托運用“4V”特征：數據體量大（Volume）、數據類型繁多（Variety）、處理速度快（Velocity）、價值密度低（Value）描述大數據。Moffittetal.[5]則詳細而又靈活地描述了典型的大數據應當具備的條件或特征：（1）系機器自動獲取或產生；（2）可能仍是以傳統(tǒng)形式存在，但會因頻繁廣泛地收集不斷擴大；（3）也可能是另外一種全新的數據來源；（4）沒有被格式化，因而不易被使用；（5）可能大部分都是無用的，雖然大數據的收集及其經濟意義是積極的；（6）當與企業(yè)ERP系統(tǒng)里的結構化數據相結合時，就會有用得多?！按髷祿迸c傳統(tǒng)“小數據”相比，最大差異不在于其“容量”（Volume），而在于其“格式”（Variety）?！靶祿倍酁榻Y構化數據，如銷售、工資、會計、采購等交易數據，這些數據多以一個包含行、列的表格形式呈現。而大數據，不僅包括傳統(tǒng)的小數據，更多包括非結構化數據（約占90%），它們難以量化，難以用傳統(tǒng)的行、列方式呈現，可以跨設備收集（包括筆記本電腦、移動電話、傳感器、衛(wèi)星等），主要表現為一些“軟”信息，如視頻、衛(wèi)星圖像、社會媒體交互，或電子郵件、短信、網頁等[6]。
但也正是這些非結構化的大數據提供了探索和利用大數據的最大機會。Moffittetal.[5]的“企業(yè)數據生態(tài)擴展圖”提供了有關企業(yè)數據類型、來源、結構、收集方式等動態(tài)演進的大致框架。該框架描述了隨時展和科技進步，企業(yè)數據從最初的手工收集到后來的自動化收集，從最初主要是內部數據到后來的內外部數據日漸融合，從傳統(tǒng)的結構化小數據到現在聯結了結構化、非結構化數據在內的大數據，企業(yè)數據已然是一個數據類型多樣化、數據來源廣泛化、數據結構復雜化、數據內容豐富化、收集成本低廉化的數據生態(tài)系統(tǒng)（如圖1所示）。根據圖1，位于企業(yè)數據核心地位的依然是傳統(tǒng)數據，包括企業(yè)資源計劃（ERP）、客戶資源管理（CRM）、會計信息系統(tǒng)（AIS）等產生的數據。這些數據產生于企業(yè)正常的生產經營過程中，是企業(yè)基礎性數據。早期這些數據通常由手工收集。隨著信息化程度提高，企業(yè)收集數據的范圍逐步拓 展，收集的自動化程度越來越高。條形掃描碼的出現產生了更多掃描數據，這些半自動化數據的收集成本更低，還能提供更多細節(jié)性信息，如顧客偏好哪些產品、哪些產品相關、如何進行存貨在線控制等。射頻識別芯片（RFID）的廣泛運用產生了數量更多、內容更豐富的自動化數據，且收集成本更低。隨著互聯網的普及，大量網頁數據產生，包括網址（URLs）、點擊路徑（Click-Path）、內容數據等。手機等移動設備的出現產生了大量與地理位置、使用場景等相關的移動數據。處于最的是數據龐大的三類大數據：視頻和圖像、音頻、文本等，它們與企業(yè)傳統(tǒng)數據“緊密聯結”[7]，為企業(yè)利益相關大數據[8]，并通過“數據橋”被鏈接和整合進企業(yè)的數據環(huán)境中，構成企業(yè)擴展的數據生態(tài)的一部分。“數據橋”是指一些新興的商業(yè)運用程序，如自動臉部識別、威脅識別、語音識別、模糊內容理解、文本挖掘、語音向文本的轉錄等，其作用在于在數據源和財務運用之間提供一定程度的橋接，從而將數據信息鏈接到企業(yè)的信息系統(tǒng)中[7]。
三、企業(yè)大數據符合資產定義分析
資產是指企業(yè)過去的交易或者事項形成的、由企業(yè)擁有或者控制的、預期會給企業(yè)帶來經濟利益的資源。該定義強調了“資產”應當具備的三方面特征：一是由過去的交易或者事項形成；二是由企業(yè)擁有或者控制；三是預期會給企業(yè)帶來未來經濟利益。
（一）由過去的交易或者事項形成該特征強調企業(yè)的大數據資源應當是由企業(yè)過去的經濟交易或事項所導致的現實結果。預期在未來發(fā)生的交易或者事項所形成的大數據不構成企業(yè)資產。企業(yè)過去的交易包括自行制造、購買、接受投資等經濟交易，或者提取折舊、累計攤銷等事項。在企業(yè)各類數據中，包括由企業(yè)資源計劃（ERP）、客戶資源管理（CRM）、會計信息系統(tǒng)（AIS）等在內的傳統(tǒng)數據是企業(yè)正常生產經營過程中產生的內部數據，是企業(yè)基礎、核心數據，有些數據還是企業(yè)的關鍵數據甚至商業(yè)秘密。掃描數據則產生于企業(yè)的現金出納機端的收款業(yè)務，射頻識別（RFID）數據源于企業(yè)采用射頻識別（RFID）技術來對商品或存貨進行識別、跟蹤或控制等。在企業(yè)的設備上使用互聯網會產生網頁數據，移動數據是由攜帶了眾多傳感器的移動設備提供，包括一些位置、語音和情景數據，用以評估人們的行為和社交互動，它是企業(yè)的外部數據。企業(yè)中的電話會議等音頻數據，訪談面視等視頻數據，公司產品等圖片數據，電子郵件、社交媒體等文本數據也都是由企業(yè)過去的交易或事項形成的現實數據。
（二）由企業(yè)擁有或者控制這一特征要求大數據應當能夠由企業(yè)擁有或者控制。即企業(yè)或者擁有數據所有權，或者雖然不擁有數據所有權，但擁有對大數據資源的控制權。Bulgeretal.[1]依據數據獲取方式及所有權，將大數據分為三類：第一方數據（組織自行收集數據、擁有數據所有權）、第二方數據（與其他組織合作收集數據、數據所有權不能確定）、第三方數據（由其他方收集數據、其他方擁有數據所有權）。第一方數據包括企業(yè)出于商業(yè)目的而自行收集的有關客戶的數據。如零售業(yè)、金融業(yè)等在開展業(yè)務的同時積累了大量客戶交易數據和人口統(tǒng)計特征數據，并擁有對這些數據的所有權。但這類數據通常包含有顧客身份信息，因此需經過“清洗”“脫敏”處理后使用，以保護隱私和安全問題。另一種有爭議的情形是：用戶在Google、百度等搜索引擎上的搜索數據或在淘寶、京東等平臺上注冊、瀏覽、購物、支付等產生的數據，其所有權問題目前尚不明確?，F有研究或者認為應當歸屬于個人資產，所有權歸個人所有，或者認為應歸屬為平臺資產，所有權歸平臺所有，個人用戶只是這些數據的生產者，但平臺在使用時有保護個人隱私的義務（IT時報，2016）。第二方數據是與其他企業(yè)合作收集的數據。數據僅能在合同約定各方之間進行共享，并規(guī)定了時間和行為范圍。如當一個公司通過GoogleAdWords投放廣告時，通常由Google公司代為該公司收集相關數據，也通常由Google公司代為存儲數據，而該公司則可以獲得由Google代為收集的數據，包括網頁瀏覽次數、頁面點擊次數、特定搜索的輸入次數等。
那么該公司與Google之間就共享數據，但數據所有權通常并不明確。企業(yè)之間基于數據的戰(zhàn)略聯盟也是數據共享的一種形式。如萬達、百度、騰訊基于O2O建立的大數據聯盟。當然涉及隱私和安全問題的數據同樣需要經過“清洗”“脫敏”以后才能加以分析運用。第三方數據是由其他方（如第三方數據供應商）收集并擁有的數據。如政府數據、數據服務商、征信機構、市場調查機構等收集的數據。在第三方數據層面上，數據的來源和類型都大大增加，數據既可能來自于網頁（網頁抓取），也可能來自于數據供應商；既可能包括公開或公眾數據，也包括封閉性和商業(yè)性質數據。如美國的一家高科技招聘公司Gild，運用自行開發(fā)的軟件，從包括GoogleCode、LinkedIn等在內的80多種公開數據源中，搜索有關程序開發(fā)員的網頁，并按其編寫的免費開源代碼的質量來評估其才能，以招聘合適的程序員[1]。由于第三方數據的收集方法通常不是很清楚，故擁有此類數據的公司的聲譽至關重要；當數據購買方在收到所購買的數據結果時，關于數據的抽樣程序、數據收集細節(jié)都不透明，因而數據購買方也不清楚數據是如何被收集的；第三方數據供應商往往根據顧客需求打包數據，針對特定目標群體提供信息[1]。當今，越來越多的企業(yè)使用外部數據來支撐自身發(fā)展，因此企業(yè)數據既有第一方數據（如傳統(tǒng)數據、掃描數據、RFID數據），也可能有第二方數據（如網頁數據），或者第三方數據（如由專業(yè)的第三方數據供應商提供的征信數據、市場調研數據等）。對于這些數據，企業(yè)要么擁有所有權，要么會計之友2017年第12期通過共享等方式擁有其控制權。
（三）預期會為企業(yè)帶來未來的經濟利益預期能為企業(yè)帶來未來經濟利益是資產的本質特征。大數據之所以被視為“將和土地、勞動力和資本一樣，成為一種生產要素”[9]，原因在于其具有能為企業(yè)創(chuàng)造價值的潛力。現有文獻表明，大數據將在四個方面大有作為：減少成本、節(jié)約時間、提供以數據為基礎的產品或服務、支持內部決策[10]，最終帶來未來現金流量的增加。但大數據創(chuàng)造價值不是以原始數據形式，而是通過對數據的處理和分析來產生洞見、產品、服務[10]。對企業(yè)傳統(tǒng)數據的分析和運用可以幫助企業(yè)改善經營管理、提高企業(yè)效率（減少成本、節(jié)約時間的例子）。掃描數據、RFID數據的分析運用，可以提供更多關于顧客產品偏好、產品相關性及存貨變動方面的洞見，從而能改進產品擺放及更好存貨控制，增強企業(yè)快速反應的能力，增長銷售從而增加現金流（提供以數據為基礎的產品或服務的例子）。網頁數據分析能夠幫助提供關于顧客購買決策過程的有趣信息（支持內部決策、提供以數據為基礎的產品或服務的例子），移動數據則能夠提供關于用戶行為和社交互動方面的信息，從而有利于深入了解顧客、精準營銷（支持內部決策、提供以數據為基礎的產品或服務、減少成本、節(jié)約時間的例子）。圖1顯示，視頻和圖像、音頻、文本數據是企業(yè)運用最多的三類大數據。雖然大數據的早期運用并非來自于商業(yè)，但企業(yè)發(fā)現將大數據與傳統(tǒng)數據、自動抓取數據、外部數據相結合時，能夠獲取更大的價值[7]。視頻數據分析能夠提供比口頭信息更有價值、更相關的非口頭信息[11]。從視頻數據中提取的信息能夠用于支持營銷活動并幫助確定供應鏈中的瓶頸問題[8]。把與企業(yè)高管、董事會成員的面談視頻數據與他們的語音、語言等數據相結合，可以對公司高管意圖有更清晰完整的把握，從而洞察公司是否健康[8]（這是支持內部決策、減少成本的例子）。從圖像中提取的信息可以幫助企業(yè)了解和把握產品使用趨勢、對公司形象進行評估等（這是支持內部決策、提供以數據為基礎的產品和服務的例子）。音頻數據里的音高、語調可能預示著壓力或異常情況。Mayewetal.[12]運用音頻數據分析首席執(zhí)行官的講話模式，發(fā)現其講話模式中的語音認知失調與因不合規(guī)引起的財務重述之間有積極關系、語氣中所隱含的消極或積極的情感狀態(tài)與股票回報率顯著相關（支持決策、減少成本的例子）。分析顧客的投訴電話，能夠了解顧客對產品滿意度以及產品質量信息，從而提高對產品保修責任的估計（這是支持內部決策的例子）。文本數據可用于提取隱藏主題、發(fā)現特定模式或風格等[5]。社交媒體上的文本數據能夠用于支持營銷、對產品可能存在的瑕疵早期預警、預測銷售量等[8]。在美國，電子郵件信息被挖掘用以識別那些心懷不滿的工人、預測組織欺詐風險，從而減少職業(yè)欺詐[13]（這是減少成本、節(jié)約時間的例子）。
四、企業(yè)大數據滿足資產確認條件分析
（一）與該資源有關的經濟利益很可能流入企業(yè)這一資產確認條件的核心在于兩個方面：其一，該資源是否能帶來經濟利益？其二，該經濟利益是否“很可能”流入企業(yè)？針對第一個方面，前已述及，不再贅述。針對第二個方面，主要分析與大數據有關的經濟利益是否“很可能”流入企業(yè)。由于企業(yè)面臨的經濟環(huán)境瞬息萬變，“與某一資源有關的未來經濟利益”能否流入企業(yè)以及在多大程度上能夠流入企業(yè)具有一定的不確定性，即與資源有關的未來經濟利益的流入具有風險性。會計上運用“可能性”（通常以概率形式）來表達這種不確定性或風險性，并規(guī)定了四種量化標準：設與某一資源有關的未來經濟利益流入的概率為X，則當0＜X≤5%時，表明未來經濟利益流入企業(yè)“極小可能”或可能性很??；當5%＜X≤50%時，表明未來經濟利益“可能”流入企業(yè)；當50%＜X≤95%時，表明未來經濟利益“很可能”流入企業(yè)；當95%＜X＜100%時，表明未來經濟利益基本確定會流入企業(yè)?？梢钥闯?，只有當與某一資源有關的未來經濟利益流入的概率>50%時，才能確認為資產。實務中，需要結合企業(yè)實際情況及編制財務報告時各項證明和跡象，運用職業(yè)判斷來確定該可能性大小。不過，大數據分析、挖掘和運用技術的日臻完善將大大提升企業(yè)評估和預測業(yè)務績效的能力[8]，使得企業(yè)運用大數據創(chuàng)造未來經濟利益的可能性大為增加。
（二）該資源的成本或者價值能夠可靠地計量可計量性是所有會計要素確認的重要前提，也是當前困擾大數據列作資產要素的瓶頸之一。“會計計量是會計系統(tǒng)的核心職能”。“會計計量就是以數量關系來確定物品或事項之間的內在數量關系，而把數額分配于具體事項的過程”。其本質是一種價值計量，包括資產計價和損益決定。大數據的計量問題屬于資產計價范疇。
1.計量屬性的選擇資產計價有成本計量和價值計量兩種基礎可供選擇。成本反映投入，價值代表產出，二者均可以通過計量屬性予以量化（黃中生等，2005）。成本基礎的計量屬性包括歷史成本、現行成本，強調會計信息的客觀性、可靠性、可驗證性；價值基礎的計量屬性包括現行市價、可變現凈值、未來現金流量現值等，強調會計信息的相關性。資產計價究竟應以成本還是價值作為計量基礎，實際上是在相關性與可靠性之間進行權衡。權衡的取舍標準是使信息的總效用最大（劉明輝，1999）。那么，對企業(yè)的大數據資源進行資產計價，究竟是應該采用成本基礎還是價值基礎呢？首先，從企業(yè)角度而言，企業(yè)擁有或控制大數據資源的目的在于獲得洞見、提升競爭優(yōu)勢、創(chuàng)造財富，這也是當今世界國家或者企業(yè)積極部署“大數據”戰(zhàn)略的根本原因和重大挑戰(zhàn)。其次，從會計信息使用者角度而言，各類利益相關者更關心企業(yè)所擁有或控制的大數據能夠為企業(yè)創(chuàng)造財富的潛在價值（相關性信息——價值計量），而非這些大數據本身的收集和獲得成本（可靠性信息——成本計量）?；诖耍P者認為對于大數據應采用價值基礎的計量屬性，包括現行市價、可變現凈值、未來現金流量現值等。具體應結合企業(yè)大數據的獲取途徑或增加渠道，采用恰當的計量屬性，以提供決策有用的會計信息。
2.計量方法的發(fā)展大數據的價值計量可以參照無形資產的價值評估方法。自20世紀以來，已提出了多達幾十種的無形資產估價模型，評估范圍包括人力資源價值（Edvinsson，1997）、信息資產（Moody&Walsh，1999）、專用技術（Reilly，1998）、品牌價值（Sharma，2012）等。與基于成本或市場基礎的估價方法不同，Heckman[14]基于數據本身的各項特征（包括定性、定量、價值方面變量）來對數據定價，為將數據計為企業(yè)資產服務。我國自2015年以來陸續(xù)建立的大數據交易所或交易中心也旨在探索大數據的交易和定價機制。然而，正如Savickaite[15]所指出的那樣，無形資產的多樣性、復雜性和獨特性反而導致了其“評估過程的無效率”，從而陷入了這樣一個“怪圈”：“無形資產是不能夠確認的，因為其缺乏一個可靠的評估標準去計量其價值”——“由于缺乏一個可靠的方法來確定無形資產價值，因此無形資產不能夠確認”。由于本文的研究目的并非大數據的價值評估，故不打算在此探討大數據的價值評估方法或模型構建。但為了避免陷入上述怪圈，本文認為，隨著包括大數據在內的無形資產價值評估方法、定價機制等日漸成熟完善，企業(yè)大數據的價值可以得到可靠的計量。
3.計量單位的考慮單一的貨幣計量手段不足以反映大數據動態(tài)、多樣、多源等特征，還應采用字節(jié)、時間、文本、速率等其他輔計量手段。如：字節(jié)（Byte，1B=8bit）為反映數據存儲容量的最基本單位，考慮到大數據的規(guī)模巨大，可以采用TB（太字節(jié)）、PB（拍字節(jié)）、ZB（艾字節(jié)）及以上字節(jié)單位來表示大數據容量或規(guī)模；可以采用記錄（錄音）、文件等表示大量非結構化大數據；可以采用每毫秒、每秒、每分等來表示大數據的產生和發(fā)送頻率；按類型或來源分類披露大數據，以反映其多樣性等。
五、關于大數據資產計量模式的構想
從會計視角，一般按來源渠道或增加途徑將資產分為自制、外購、接受投資、接近捐贈、企業(yè)合并、非貨幣性資產交換、債務重組等原因增加的資產。由于當前我國大數據的交易市場尚未普遍建立，相關的數據交易機制尚不成熟，有關大數據的對外投資、非貨幣性資產交換或債務重組等的業(yè)務尚不多見，故本文主要針對兩類最基本、最常見的大數據資產計價進行初步構想：自行收集加工形成的大數據、外購大數據。
（一）自行收集加工形成大數據的計量企業(yè)出于特定商業(yè)目的或競爭需求，會主動獲取、收集、加工、整理大數據，從而形成企業(yè)自制大數據資產。前文所述的企業(yè)傳統(tǒng)數據、掃描數據、RFID數據等是企業(yè)的基礎、核心數據，多年來由于技術、環(huán)境等原因，這些數據未能得到很好的開發(fā)利用，還只是“沉睡的寶藏”，尚未真正為企業(yè)發(fā)揮價值。而網頁數據、移動數據、音頻、視頻、圖片、文本等數據，則為企業(yè)提供了較好的補充性和輔信息，能夠幫助企業(yè)更好決策。在具備資源、技術、人力的條件下，企業(yè)可以自行收集加工這些大數據，或者通過企業(yè)間結盟的方式與其他企業(yè)共享。從所有權角度來看，第一方數據大多為此類數據。企業(yè)自行收集加工大數據會產生一定的投入成本（物力、人力、財力等），但相比較而言，企業(yè)更看重大數據的潛在商業(yè)價值。因此，在會計計量上，其初始計量可采用歷史成本計量，因其自行收集加工成本通常能夠可靠地取得；在后續(xù)計量方面，宜采用能夠反映大數據價值的、決策相關的計量屬性，如現值、公允價值等。另外，由于大數據的時效性、時間衰減性、無限分享性、零磨損性等特性，還應考慮其減值問題[16]。
（二）外購大數據的計量要像購買機器設備、原材料等資產一樣從外部市場上購入所需要的大數據資產，需要有完善的數據交易市場和規(guī)范的交易交換機制為前提和保障。然而現實情況是，當前我國各部門、行業(yè)之間的“數據孤島”現象十分嚴重，數據價值未真正盤活。為推動大數據流通、實現數據價值，我國2015年了《促進大數據發(fā)展行動綱要》《關于積極推進“互聯網+”行動的指導意見》等，旨在推動數據交易市場試點、探索數據交易交換機制。截至2016年年底，包括貴陽大數據交易所、長江大數據交易所等在內的大數據交易平臺數量預計將達到15—20個（人民網，2016）。其中，我國首個大數據交易所——貴陽大數據交易所能夠交易的數據類型包括政府、醫(yī)療、金融、企業(yè)、電商、能源、交通、商品、消費、教育、社交、社會十二類（貴陽大數據交易所702公約，2015）。中關村數海大數據平臺可交易除涉及國家安全數據和個人數據以外的數據（含底層數據）[17]。武漢東湖大數據交易中心則可以向個人開放，類似于“數據淘寶”，這在全國尚屬首例（長江日報，2015）。另外還推出“以數易數”服務，允許用戶與賣方進行“物物交換”（人民網，2016）。大數據作為“商品”交易的實踐表明，大數據是數據控制人的數據資產[17]。企業(yè)通過大數據交易平臺購買大數據資產時，宜采用購買成本（即歷史成本）進行初始計量，后續(xù)計量則宜采用公允價值計量（公允價值應能夠持續(xù)可靠地獲得或采用估值技術獲得）。同時，也應考慮大數據的減值問題。隨著數據交易市場的深入發(fā)展和交易機制的日漸成熟，以數易數、數據捐贈、數據投資、運用數據償還債務等新的數據交易形式也可能會出現。此種情況下大數據資產的計價可以比照非貨幣性資產交換、接受捐贈、接受投資、債務重組等相關會計處理原則進行。
六、結論
大數據作為一種互聯網時代的重要戰(zhàn)略資源，日益發(fā)揮著資產作用。會計作為一種經濟信息系統(tǒng)，向組織利益相關者提供有關大數據資源的決策有用信息是其必然之義。
（一）企業(yè)大數據符合資產定義以Moffittetal.[5]的企業(yè)擴展數據生態(tài)系統(tǒng)為框架，分析發(fā)現，包括傳統(tǒng)數據、掃描數據、RFID數據、網頁數據、移動數據、音頻、視頻、文本、圖片等在內的企業(yè)數據滿足資產特征，故符合資產定義。
（二）企業(yè)數據滿足資產確認條件首先，大數據技術的日趨成熟大大提升了企業(yè)運用大數據創(chuàng)造財富的能力，從而大大提高了企業(yè)大數據帶來未來經濟利益流入的可能性；其次，隨著無形資產估值技術的日漸成熟和大數據交易市場及機制的日益完善，企業(yè)自行收集加工和外購情形下的大數據其成本或價值能夠可靠地計量。因此，企業(yè)大數據具備資產屬性，應當將其作為資產要素進行財務列報。
（三）企業(yè)大數據宜采用價值基礎的計量模式進行資產計價相比較于企業(yè)自行收集加工情形下的投入成本、外購情形下的采購成本（可靠性信息），利益相關者更關心企業(yè)大數據能夠帶來的未來經濟利益的大?。ㄏ嚓P性信息）。因此，對于自行收集加工形成的數據，宜采用投入成本進行初始計量，后續(xù)計量宜采用現值、公允價值等計量模式；對于外購的大數據，宜采用購買成本進行初始計量，后續(xù)計量宜采用公允價值等計量模式。同時應考慮數據資產的減值問題。
【參考文獻】
［1］BULGERM，TAYLORG，SCHROEDERR.Data-DrivenBusinessModels:Chalengesandopportunitiesofbigdata［R］.OxfordInternetInstitute，2014.
［2］MANYIKAJ，etal.AngelaHungByers，BigData:ThenextfrontierforInnovation，competition，andPro-ductivity［R］.McKinseyGlobalInstitute，2011.
［3］MCAFEEA，BRYNJOLFSSONE.BigData:Theman-agementrevolution［J］.HarvardBusinessReview，2012，90（10）:61-68.
［4］BROWNB，etal.AreyoureadyfortheEraofBigData?［J］.McKinseyQuarterly2011（10）:24-35.
［5］MOFFITTKC，VASARHELYIMA.AISinanageofBigData［J］.JournalofInformationSystems，2013，27（2）:1-19.
［6］SYEDAR，GILLEAK，VENUGOPALC.TheFutureRevolutiononBigData［J］.InternationalJournalofAdvancedResearchinComputerandCommunicationEngineering，2013，2（6）:2446-2451.
［7］VASARHELYIMA，KOGANA，TUTTLEBM.BigDatainaccounting:Anoverview［J］.AccountingHori-zons，2015，29（2）:381-396.
［8］WARRENJD，MOFFITTKC，BYRNESP.Howbigdatawillchangeaccounting［J］.AccountingHori-zons，2015，29（2）:397-407.
［9］UICTORMS，etal.BigData:ArevolutionThatwilltransformhowwelive，work，andthink［M］.HoughtonMifflinHarcourt，2012.
［10］DAVENPORTTH，DYCHEJ.Bigdatainbigcompanies［R］.InternationalInstituteforAnalytics，ThomasH.DavenportandSASInstituteInc.，2013.
［11］GUFFEYM.Businesscommunication:process&prod-uct［M］.Mason，OH:ThomsonSouth-Western，2006.
［12］MAYEWWM.Venkatachalam，analyzingspeechtodetectfinancialmisreporting［J］.JournalofAccountingResearch，2012，50（2）:349-392.
［13］HOLTONC.Identifyingdisgruntledemployeesystemsfraudriskthroughtextmining:Asimplesolutionforamulti-milliondollarproblem［J］.DecisionSupportSystems，2009，46（4）:853-864.
［14］HECKMANJ，etal.Apricingmodelfordatamarkets［C］.iconference，Proceedings2015：1-12.
［15］ZIVILE遺?SAVICKAITE?.Theevaluationofcompany'sintangibleassets'influenceforbusinessvalue［J］.Inter-nationalJournalofEconomicSciencesandAppliedResearch，2014，7（3）:133-155.
［16］劉玉.淺論大數據資產的確認與計量［J］.商業(yè)會計，2014（18）:3-4.
