大数据合作资产估值模型与数字经济会计信息披露

　　摘 要:数字经济情境下会计财务信息的价值相关性受到挑战,基于企业财务信息的传统估值理论及模型效力降低。本文基于大数据合作资产理论,通过能够反映大数据合作资产宽度的月活跃用户量和市场占有率、反映其深度的用户变现能力和用户粘性、以及同时反映其宽度和深度的颠覆力指数等指标刻画企业大数据合作资产的价值,由此,提出基于数字经济下互联网企业的相对估值模型,并选取短视频行业的非上市独角兽公司--快手、抖音及在美国上市的对标公司陌陌作为研究对象,验证该估值模型。研究结果表明:基于大数据合作资产理论的估值模型能有效评估数字经济下互联网平台类企业的价值;数字经济中大数据合作资产等相关信息表外披露具有重要价值,有助于推动会计财务理论和财务报告体系改革。本研究可对我国资本市场注册制改革以及科创板和创业板的上市信息披露制度建设提供重要启示。

　　韦立坚;李晶晶;周芷宇;， 北京交通大学学报(社会科学版) 发表时间：2021-10-19

　　关键词:数字经济;大数据合作资产;估值模型;表外信息披露.

　　一、引 言

　　数字经济在我国逐渐成型并呈现出其不同于传统经济的新特质。数字经济关注数字化情境下各方行动者、各种资源全面连接之后的产出和效益,在宏观上呈现为以数字化信息为关键生产要素,现代信息网络为重要载体的一系列经济活动,在微观上映射为以企业和消费者作为两大核心行动者的交互与创新活动。因此,数据是企业和消费者交互的重要资源纽带,更重要的是,数字化时代的企业与消费者互动越来越呈现为一种价值共创。基于此,Xie等[1](2016)提出了大数据合作资产的理论框架。

　　数字经济下,用户流量、用户粘性等极具价值创造性的互动数据信息对于传统会计信息的价值相关性提出了巨大挑战[2]。传统的会计信息不包含非结构化的用户流量或用户粘度等信息,从而降低了基于企业内部财务信息的估值模型对于数字经济企业的价值评估效力。尤其是在2020年突发疫情等特殊事件的冲击下,我国数字经济体加速崛起,如抖音、快手等视频社交平台在疫情期间成为全国人民主要的社交娱乐平台,用户流量和用户粘性更加强化,如何对这些新兴的数字经济企业进行估值,是一个崭新的课题。

　　在实践中,很多投资公司主要依赖两个途径:一个是简单采用互联网价值的梅特卡夫法则,以用户数量的平方作为参考价值再给予一个折算;另一个是参考已经上市的互联网企业,按照投资者的轮次, 给予一定比率的折价。无论哪个途径,其折算率都是凭借投资经验做出定性的决策,由于投资经验各异,并受到投环境影响,往往估值偏差很大。市场实践急需一个创新的估值理论作为科学依据。

　　本文提出一种新的大数据合作数字资产估值模型,并通过抖音、快手和陌陌等视频内容的互联网平台的案例数据进行实例分析。该模型以 Xie等[1](2016)提出的大数据合作资产理论为理论依据,根据大数据合作资产的服务交换和可转移使用权特点,重点刻画了企业和用户互动的持续价值创造。首先, 大数据合作资产区别于传统资产,强调是企业及其用户(消费者)互动产生的数据资产[1];也与关系资产视角下重点通过网络考虑其生态的规模而通过注册的用户数进行估值不同,大数据合作资产估值模型侧重于考虑月活跃用户(MAU),因为活跃用户才能持续进行互动。第二,大数据合作资产强调服务交换,所以采用变现能力和用户粘性体现用户的价值创造。第三,由于大数据合作资产,是一个持续的适应性创新,特别是企业和用户的互动如果形成对现有格局进行颠覆,一旦形成不可替代性的创新,必然会加速获得用户流量,加速形成市场垄断地位。上述三方面估值指标抓住了大数据合作资产的价值贡献核心要素。此外,由于视频内容平台等互联网数字经济企业,同时也存在关系资产,因此,从估值理论看,仍然要考虑关系资产的一些要素。所以,在估值指标中,一方面仍然参考了梅特卡夫法则,考虑了用户数以及估值要素之间的乘法关系;另外一方面,企业的股权关系、董监高等社会关系而形成的关系网络,以及产生的信用信息,也是估值的基础要素,因此,本文采用基于大数据关系网络形成的信用评分作为信用信息测度指标并将其也纳入了估值模型。最后,由于从价值度量的角度,上述要素难以直接形成价值表示,无法采用直接估值方法,故而本文采用了相对估值方法。

　　本文的研究贡献为以下三点:其一,自 Xie等[1](2016)提出大数据合作资产理论以来,国内外学术界对大数据合作资产理论的后续研究和扩展基本属于案例与质性研究,亟待开展相应的实证研究。本文在国内外学术界首次对大数据合作资产理论进行了实证研究,在提出大数据合作资产的价值模型基础上,通过抖音、快手和陌陌等视频内容的互联网平台的案例数据进行实例分析,深化和拓展了大数据合作资产理论的内涵;其二,本文强化了数字经济财务报告表外信息披露的必要性。数字经济情境下利润、股利等财务指标的传统会计信息难以度量企业的数字资产,因为这些信息忽略了平台的网络效应, 更难以刻画大数据数字资产的互动创新特性。或者说,现有财务报告表内信息忽略了数据资产的价值创造功能,而大数据合作资产估值模型从理论和方法上佐证了用户流量、活跃用户、用户粘性、用户价值贡献度等非财务信息对于数字经济企业价值度量的价值性,为数字经济财务报告框架提供了一个理论突破口,凸显了大数据合作资产理论作为数字经济基础性原理对财务会计领域理论创新的支撑作用;其三,本文的研究为实行科创板和创业板信息披露框架提供科学依据,有助于引导国际领先的新数字经济企业在国内上市并为投资者的价值判断提供科学依据,研究结论具备较强的现实政策启示意义。例如, 研究结论一定程度上对我国数字经济下的制度或准则修订提供启示,有助于企业信息披露框架创新;以我国数字经济蓬勃发展为契机,有助于我国产生构建原创性估值理论突破,从追随国际惯例转向引领国际准则。

　　二、文献综述与研究设计

　　(一)企业价值评估的变革研究

　　传统的企业价值评估理论可以分为绝对估值模型和相对估值模型两种。绝对估值模型中的经典模型包括自由现金流贴现模型(Rappaport,1986)[3]、股利折现模型(Williams,1938)[4]、期权定价模型 (Black和Scholes,1973)[5]和剩余收益模型(Ohlson,1995)[6]等。Graham 和 Dodd [7](1962)提出了相对估值模型,认为企业资本的内在价值应该等于价格乘数乘以—个财务数据,该方法为现代相对估值法奠定了基础。学者们对传统的企业价值评估模型进行了一定的拓展和改进,如 Copeland等[8](1990)提出麦肯锡模型评估模式,创新性地提出企业价值估算方法应按企业最终权益方进行分开讨论。程小可等[9](2008)基于经典权益定价理论,给出了广义的线性信息动态过程下的权益价值定价方法,并将线性权益定价模型拓展到了更一般的基于 p阶历史信息的情形。饶品贵和岳衡[10](2012)则将剩余收益模型与 Hou等[11](2012)公司基本面盈余预测模型进行了有机结合。

　　无论是传统的绝对估值模型和相对估值模型,还是创新型的麦肯锡模型评估模式或改善的剩余权益模型,均是基于利润、股利等财务指标来对企业进行价值评估。然而,互联网企业,尤其是非上市的初创互联网企业,由于其独特的财务数据特征,例如,大部分的初创企业都处于“花钱买流量”的阶段,只有大量成本支出,营业收入不多,利润较长时间为负,这使得财务数据并不能作为互联网企业的价值依据。

　　黄世忠[12](2018)认为现行的会计准则忽略了无形投资的资本支出属性,无视了平台资产的网络效应现象,并弱化了数据资产的价值创造功能。数字经济下,用户流量、数据资产、智力资本等“无形”资产占主导地位的新经济时代对于传统会计报告表内信息的需求下降,表现为会计信息的价值相关性日益降低,故而表内会计信息在新数字经济下难以充分发挥实现决策有用性和评价受托责任的财务报告目标。与上述论点一致,学者们用实证研究的研究方法发现股票价格与关键财务数据(如盈余、权益净值和现金流量)之间的相关性逐渐下降,这表明会计信息的价值相关性在新数字经济萌生后逐渐恶化 (Beyer等[2],2010;Srivastava [13],2014;Lev和 Gu [14],2016)。其中,Beyer等[2](2010)发现财务披露的数字信息(包括历史和前瞻性数据)只能解释季度股票回报的变化的28%。Srivastava [13](2014)发现, 由于新上市公 司 无 形 资 产 占 比 的 提 高,盈 余 信 息 对 未 来 业 绩 的 预 测 能 力 不 断 下 降。Lev 和 Gu [14] (2016)将盈余、资产和负债等多个关键财务数字指标纳入回归后发现,企业资本市场价值与会计信息之间的相关性持续降低,并自20世纪80年代末以来加速降低。数字经济时代,企业在并购、上市等重大决策中,对于传统会计信息(如盈利)的倚重日益下降,“烧钱买流量”、“亏损独角兽”等新经济下的新鲜现象让我们需要重新思考数字经济时代的估值理论和模型,并思索适合新经济的财务报告信息披露框架。

　　(二)互联网企业价值评估研究

　　梅特卡夫定律阐述了网络价值与网络节点数的平方成正比关系,对互联网公司价值与用户间的关系的探讨从定性逐步转为定量分析。里德定律认为网络价值的计算除了考虑连接节点数还需相乘潜在群体数目。沈洁[15](2001)认为网络企业的价值评定关键在于将网络经济特有的价值指标(如注册用户数、点击率等)融入传统的价值评价体系,再根据网络产业自身的发展特点提出企业的增长模型,从而形成企业价值的估值模型进行定量分析。Kwon [16](2002)指出,非财务指标在高科技公司估值中比传统财务指标更重要。Zhang等[17](2015)基于梅特卡夫的实证检验,对腾讯和 Facebook的月活跃用户数和年收入进行拟合,实证表明,尽管腾讯和Facebook在收入、成本、商业模式以及技术上均有差异,但其收入与月活跃用户数均遵从梅特卡夫定律。Metcalfe [18](2013)用2004-2013年 Facebook的月活跃用户数与每年公司收入的关系进行了实证分析,发现两者正相关。

　　基于已有的理论研究和实证检验,非财务信息可应用于非上市互联网企业的价值评估模型,尤其是用户量及用户量增长率。然而,依托于非财务信息的估值模型仍存在较大难点,主要集中于如何选取基准将非财务信息转变为价值量度。因此,本文采用相对估值模型,利用具有公开财务数据和具有价值尺度的成熟上市互联网公司作为基准,将非上市公司的非财务信息与其进行对比,进而实现非财务信息到财务信息的合理转化并应用于估值模型。

　　(三)大数据合作资产理论

　　Xie等[1](2016)提出了大数据合作资产原创概念及理论框架:大数据合作资产是指企业和消费者在数字化服务交互中成为能够被另一方所拥有和利用的并能创造当前或未来经济收益的数字化资产; 大数据合作资产反映了价值创造中行动主体之间的互动,强调双方对彼此资源的依赖性会进一步促进服务交换而促进创新、创造价值。从价值来源上,大数据合作资产强调企业和消费者行为及资源的数据化,以及基于数据化形成的资源使用权或所有权的可转移性;从互动关系上,大数据合作资产理论认为, 价值是通过一系列的互动体验由企业和消费者共同实现的,强调企业与消费者间双向的价值交换;双向的互动性表明价值创造不再可能由单一行动主体所主导或控制,从而使企业和消费者成为彼此的合作资产。

　　抖音、快手等视频内容平台就是典型的消费者主导型大数据合作资产的实例。抖音、快手等视频内容平台极大赋权消费者,使其可以独自创造和生产数字化内容,创建个性化直播方式或短视频制作等个性化互动方案。此时,消费者不仅是内容生产者,更是社交网络内的资源分配者,他们决定了传播什么样的产品、以什么方式传播产品,以及传播给谁,形成消费者主导型大数据合作资产。

　　大数据合作资产理论为数字经济企业估值模型提供了理论基础。估值模型需要能反映企业当前和未来价值的有效信息;大数据合作资产区别于传统资产,强调是企业及其用户(消费者)互动产生的数据资产[1,19]。快手、抖音和陌陌,都是由企业建平台和提供数字化技术,让其用户生产有价值的内容,这是一种基于数字化技术的服务交换形成的数字经济,其积累的数据是企业和用户互动产生,消费者借助这些平台的数字化技术进行个体学习和群体互动,在知识贡献和寻求社交支持中获得收益,是一种价值共同创造的过程;因此,这些数字经济企业的资产完全符合大数据合作资产理论中数字化技术、服务交换和可转移三个使用要素。大数据合作资产是快手、抖音和陌陌等数字经济企业的核心价值所在,如何表征和量化大数据合作资产并构建估值模型是本文的主要关注点。

　　从估值理论看,传统的财务估值理论和网络估值理论(梅特卡夫法则)均不适用于快手、抖音和陌陌这些企业产生的大数据合作资产估值。根据大数据合作资产理论,上述企业的资产不同于传统的消费者资产、关系资产。因为上述短视频公司对于用户是免费的,用户不需要进行购买,没有形成直接经济价值;虽然上述企业也存在关系资产,如用户是关系网络的资源,企业可以预期获得收益或者创造价值, 但是,这不是上述企业主要的价值所在,因为这类企业最关键的价值在于用户依托平台的数字化技术进行服务交换生产了有价值的内容,并通过可转移的数字化资源使用权获取了收益。因此,网络估值模型中的梅特卡夫估值法则虽然存在一定的合理性,例如可以描述平台注册用户以及企业生态网络(包括股权关系、董监高社会关系)的价值,但是却无法刻画企业的核心资产价值。传统的财务估值模型和基于关系资产的梅特卡夫法则估值都无法刻画这种持续互动形成的价值创造,就必须提出创新性的估值模型。

　　估值模型的本质是能够刻画企业的未来价值创造。传统的估值模型如现金流估值模型是通过假设企业未来的现金流是之前现金流的一个线性关系,从而形成对企业未来价值创造的估计。但是数字经济企业的价值创造和传统企业的本质区别,是不断演化的动态过程。大数据合作资产则刻画了企业和消费者互动而不断进行价值创造的过程。即当企业与消费者协同演化作为这种互动性的具体呈现形式时,无论企业还是消费者,都会通过对彼此的适应性调整进而激发适应性创新,最终形成持续的价值创造。谢康等[19](2020)提出,抖音、快手等视频内容平台通过赋权消费者(用户),使其可以独自创造和生产数字化内容,创建个性化直播方式或短视频制作等个性化互动方案。此时,消费者不仅是内容生产者,更是社交网络内的资源分配者,他们决定了传播什么样的产品、以什么方式传播产品以及传播给谁。基于这些数字化内容形成了具有商业价值的资产,如作为社交资产的粉丝、作为关系资产的合作品牌及作为实物资产的衍生产品等。因此,抖音和快手等数字经济企业,是典型的企业和消费者互动进行持续的价值创造过程。据此,本文提出一种新的大数据合作数字资产估值模型,重点刻画企业和用户互动的持续价值创造。

　　三、研究设计与模型

　　基于上述分析,基于财务信息的传统估值模型并不适合于非上市互联网企业的价值评估,本文基于大数据合作资产理论视角,通过用户流量、月活跃用户等指标构建企业估值模型。在进行估值的过程中,存在两种思路:其一,直接应用非财务大数据进行估值;其二,将非财务大数据转化为财务数据而后进行估值。目前,应用非财务大数据对企业进行直接估值仍面临巨大的挑战,不但存在量化价值基准的困难,也可能引发严重的代理问题,因此,本文将上述非财务大数据合理“嫁接”于相对估值模型,与已上市的配对公司进行对比,构建基于大数据合作资产视角的非上市互联网企业估值模型。

　　基于财务报告表内披露而构建的财务指标在非上市互联网公司,尤其是初创公司中,难以作为公司价值表征。互联网公司进行前期融资时,其盈利状况并不乐观;同时,互联网公司的轻资产特征使得其财务报表中的财务指标也无法反映其未来的成长性。基于非财务指标而构建的传统互联网估值模型, 通常为根据梅特卡夫法则以用户数的平方来简单度量互联网企业的网络效应,体现的是一般数据资产估值视角,其缺陷在于无法反映类似抖音和快手等互联网企业和其用户之间持续互动的价值创造过程。本文引入大数据合作资产的理论视角,突破梅特卡夫法则,抓住企业和用户互动创造合作资产的本质特征,把简单的梅特卡夫法则进行修正,增加了和用户互动密切有关的指标,如活跃用户数,用户粘性度、变现能力以及体现互动创新强度的颠覆力等指标。

　　活跃用户数被认为是互联网公司估值的重要指标[17-18]。实践先行,Facebook,Snapchat上市时的估值很大程度上依托于活跃用户数量。本文利用非财务数据和相对估值模型对非上市的互联网公司进行估值。通过选择该行业比较成熟的上市公司作为对标公司,在度量对标公司的价值时可以考虑采用依赖财务指标的剩余收益模型做估值,提供一个可参考的对标公司价值,这可以与已上市对标公司的市值作为估值形成互补,形成合理的对标公司的价值估算区间。

　　结合腾讯公司的“灯塔”数据维度,我们构建的互联网短视频公司估值的重要指标包括:月活跃用户数量(MAU),用户粘性(时长和次数的乘积 T),变现能力(用户付费率*用户价值创造 ARPU 值),市场占有率(P),颠覆力(I:1+MAU 复合增长率)①。在此基础上,还增加了企业信用评分(C)。各指标的具体计算方式详列如下:

　　月活跃用户数量 MAU:是指一个月有效访问公司产品的用户数。活跃用户体现了大数据合作资产的宽度,体现了企业和用户的持续互动。这也是对梅特卡夫法则简单计算网络用户数的修正,避免了一些互联网企业只有大量注册用户但是活跃用户不多的估值偏差。

　　市场占有率 P:落后者在未来获得新用户和新资源的机会少于先入者,投资者往往会极为重视互联网企业的行业地位,他们会愿意付出高溢价来购买领先者的股权。如果能取得垄断,则这种溢价将更大。互联网赢者通吃的特征的本质是其背后的幂律分布原则。这个指标是大数据合作资产的宽度,月活跃用户数 MAU 体现是绝对宽度,那么市场占有率是一个相对宽度,体现了大数据合作资产在市场竞争中的价值。

　　用户价值创造 ARPU:每个用户在一个时间段为企业创造的价值,是衡量每个用户对企业利润的贡献程度。这个指标体现了大数据合作资产的深度。大数据合作资产是一个企业和用户互动的价值创造过程,价值创造的大小体现了资产估值。采取以下方式来计算 ARPU:

　　ARPU=企业年营业总收入/年累计平均用户数/月份数; 年累计平均用户数=(年初用户数+本年各月累计用户数)/(月份数+1)。

　　用户粘性系数 T:使用人均使用时间和次数的乘积来衡量用户粘性。这个指标同时体现了大数据合作资产的深度。一方面,互动持续的价值创造需要用户在企业平台有足够长的时间和频繁试用,才能做出有商业价值的应用和转化。如抖音的视频和直播,都需要用户有足够长的使用时间;同时在视频上做商品广告链接,需要用户经常登录才能实现广告的商业价值转化。

　　颠覆力系数I:用 MAU 月复合增长率来衡量公司对整个行业的颠覆力。互联网公司一般是先发的企业占据极高市场份额,跟随企业市场份额增长率一般较低。但是,如果一个企业具有颠覆力创新,它加速获得用户流量,有的甚至在最近一年以超过30%的月复合增长率增长,从而对现有格局形成了颠覆,具有不可替代性的创新。因此,月复合增长率是表征其颠覆力的有效且必然的指标。由于部分公司复合增长率为负,故使用1+MAU 月复合增长率作为颠覆力指数对估值公式进行溢价调整。这个指标同时体现了大数据合作资产的宽度和深度。一方面,活跃用户数量的复合增长是一个宽度的动态度量; 另一方面,只有那些真正有颠覆性的应用创新,才能有很高的复合增长率,衡量了企业和用户进行互动价值创造的创新深度。

　　信用评分 C:在对互联网公司进行估值的过程中,企业的信用也是一个非常重要的指标,若一个企业为失信企业,那么我们对其进行的投资是毫无意义的。为此,我们引入数联铭品公司的浩格云信数据,主要是根据公司投资关系和高管团队社会关系网络的核心数据,共分为企业特质、关联关系、信用行为、活跃程度、行为偏好五个维度,对企业进行信用风险评估打分。这个指标体现是大数据合作资产的基本保障,无论什么类型的资产,核心都是公司能够守信稳健经营。因为数字资产企业是轻资产,用户愿意在数字经济企业上做持续价值创造的基础是信任,一旦数字经济企业失去信用,用户将会转移到别的平台,企业的价值积累将迅速归零。如乐视网是最早建立互联网生态并倡导与用户进行价值创造的, 在初期也形成了巨大的用户量和生态,市值也很高。但是当乐视网由于造假并遭受信用风险和财务风险时,其构建的互联网生态迅速崩塌,用户离开后自然也就失去了大数据合作资产。

　　上述指标体现了大数据合作资产的宽度、深度和基础保障。根据大数据合作资产理论,月活跃用户数 MAU、用户粘性系数 T、用户价值创造 APPU 等,主要依托用户(消费者)主动产生的数据;而市场占有率 P、颠覆力指数I和信用评分 C,则是相对客观的数据,依赖于企业和市场的客观环境,属于一种被动数据。因此,本文估值模型选取的数据指标,很好地体现大数据合作资产理论的宽度、深度以及主动和被动等内涵,这使得本文模型与传统基于一般资产的资产估值理论产生了本质区别。据此,本文构建了一个互联网开源数据的相对估值模型,如公式(1)所示,需要估值的非上市互联网企业y的估值Vy 等于对标的上市公司估值Vx 乘以一个可比比率 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、实例分析

　　为了检验估值模型的合理性和可行性,我们引入互联网短视频行业的两家非上市公司快手和抖音, 以及相对应的对标上市公司陌陌进行实例研究。由于快手是截止2018年2月底短视频用户量第一名, 而抖音则是用户增长量最快的公司,颠覆能力最强,因此,这两家公司在短视频行业中最具有代表性。陌陌于2014年12月11日在美国纳斯达克上市,在2017年开始转型,专注于直播与短视频业务,与快手和抖音的业务相似度较高,因此,我们选择陌陌作为抖音与快手的对标公司。

　　同时,在对互联网企业估值的过程中,一方面,基于大数据合作资产视角,用户流量等指标对于估值非常重要;另一方面,公司创始人和主要高管团队的信用程度也极其重要。由于公司创始人及高管团队的信用程度较难量化,因此,通过引入数联铭品公司的浩格云信信用分析工具,以社会关系网络进行信用风险评估,共分为企业特质、关联关系、信用行为、活跃程度、行为偏好五个维度,并根据这五个维度给出对应的信用评分。其中,企业特质方面,指的是公司高管及主要股东是否有出现风险事件;关联关系指的是主要股东与高管的社会网络关系,主要考察关联的企业是否出现风险事件;信用行为方面,指的是企业自身是否存在违约的行为及诉讼。对于信用良好的企业,评分在560分以上,可以利用模型进行估值;对于信用差和较差的企业,由于存在重大信用风险等不确定性,则不适宜用量化模型进行估值。

　　(一)数据采集与描述性分析

　　本文的数据主要来自腾讯灯塔,限于数据可得性,本文的研究数据期间为2017年3月到2018年2 月。接下来,我们分别统计快手和抖音这两家公司的月平均活跃用户数等用于后续估值模型的数据。

　　表1统计了快手的相关月度数据。快手在研究期间的月均安装保有量超过1.86亿,月活跃用户数 (MAU)平均达1.32亿,月人均活跃天数平均达14.42天,月人均使用时长超过558.55分钟,月人均使用次数为108.27次。

　　表2统计了抖音的相关数据。抖音在研究期间的月均安装保有量超过4300万,月活跃用户数 (MAU)平均达2759万,月人均活跃天数平均达8.42天,月人均使用时长达286.23分钟,月人均使用次数为56.20次。

　　(二)实例分析

　　1.传统估值模型的估值分析:以对标企业陌陌为例

　　陌陌在美国纳斯达克市场上市,我们假设纳斯达克市场是一个相对有效的市场,股价能够较好地反映企业的内在价值。2018年2月28日陌陌股价33.05美元,市值52.07亿美元;根据陈玉罡和陈奕诗[20](2018)对陌陌进行的研究,利用剩余收益模型对陌陌进行计算,得到陌陌的股价为30.09美元,企业价值为47.4亿美元。剩余收益是指公司的净利润与股东所要求的报酬之差;当企业赚取的净利润超过股东要求的报酬时,这时企业能获得正的剩余收益。

　　陈玉罡和陈奕诗[20](2018)的剩余收益模型具体的计算过程如下:

　　第一步,运用 CAPM 模型计算权益资本成本rE 。计算公式见式(2)。 rE =rf +β× (rM -rf) (2) 其中,rf 为无风险利率,rM 为市场收益率。β衡量了该公司承担的系统风险与整个市场的系统风险的比值。如果β大于1,说明该公司承担的系统风险比整个市场的系统风险高;如果β小于1,说明该公司承担的系统风险比整个市场的系统风险低。在权益资本成本的计算中,无风险利率rf 取美国10 年期国债平均利率2.32%,市场收益率rM 取10年标准普尔500指数平均收益率8.04%。陌陌作为成长型企业,取β系数为1.24(雅虎财经网站公布的陌陌的β值为1.24,Wind数据库计算的β值为1.22,两者相接近),计算得到权益资本成本为9.41%。

　　第二步,获取每股盈余(EPS,EarningsPerShare)的预测数据。见表3。2015-2017年的数据从年报中可以获取并进行计算,2018-2020年的陌陌每股盈余(EPS)的预测数据来源于 Nasdaq网站,取机构对陌陌未来三年 EPS的一致预测值;研究期间内陌陌暂未分红,DPS为0。

　　第三步,由 EPS预测值,我们计算预测期内的 BPS。计算公式见式(3)。 BPSt =BPSt-1 +EPSt -DPSt (3) 第四步,计算普通股股东权益收益率(ROCE,ReturnonCommonEquity)。计算公式见式(4)。 ROCEt = EPSt BPSt-1 (4) 第五步,计算2018年-2020年的剩余收益(RE,ResidualEarnings)。计算公式见式(5)。 REt =(ROCEt -rE )×BPSt-1 (5) 第六步,将未来的剩余收益用折现因子折现,计算出2018-2020年 RE 现值并加总得到2018- 2020年 RE总现值。计算公式为 RE 现值t = REt 1+ 折现因子 (6) RE 总现值 =RE 现值2018+RE 现值2019+RE 现值2020 (7) 第七步,计算2021年及之后持续期剩余收益在2020年的价值。陌陌自上市以来即进入高速发展期,目前,在开拓新客户和增加付费用户方面面临着挑战,而未来直播、广告业务仍然存在较大的增长空间,总体来看有一定的发展前景,有可能为股东赚取更多利润,创造更大价值。假设从2020年起,陌陌的剩余收益保持1%的持续稳定增长(g=1%),持续价值的计算公式为持续价值 =RE2020 × 1+g rg -g (8) 第八步,将2020年得到的持续价值折现到2017年,结果为22.40

　　第九步,将2017年的 BPS、2018-2020年的剩余收益现值、2021年及以后的持续剩余收益的现值加总得到陌陌在2017年的估值为30.09美元/股。表3列示了剩余收益模型的计算结果。资本成本和剩余收益未来增长率是影响估值结果的重要因素,我们对此作进一步敏感性分析,见表4。表4中列示了不同的永续增长率下资本成本的变化。因此,陌陌在2017年底的估值区间为47.4亿美元至52.07亿美元之间。

　　2.大数据合作资产视角的估值分析及检验:以快手为例

　　根据腾讯灯塔数据,可分别计算基于大数据合作资产视角的估值分析所需指标值。第一步,计算 MAU。根据最近一年 Android端数据,快手 MAU 为1.77亿;按ios和 Android占比的全量 MAU 为2.21亿。第二步,计算 ARPU。快手靠直播业务每月创收2-3亿元,考虑 MAU 持续增长,年化直播收入可达36亿。2017年全年,陌陌实现营收13.18亿美元,折合83亿人民币。故快手 ARPU 值约为10元, 折合1.6美元。第三步,计算市场占有率 P。表5列示了短视频 APP市场占有率情况(前十名),快手在短视频行业市场占有率为 29.8%。

　　第四步,计算用户粘性乘数指标。根据腾讯灯塔数据,将人均使用时长与人均使用次数相乘,得到用户粘性指标 T=71599 第五步,计算颠覆力指标。MAU 月复合增长率计算得 4.85%。第六步,计算信用评分。由浩格云信数据,快手的信用评分为650分。因此,根据上述估值数据,利用相对估值的方法对快手进行估值: 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) 由于陌陌的估值区间为47.4亿美元至52.07亿美元,代入数据得 Vmin (快手) =47.4亿美元 × 2.21亿 ×1.6美元 ×71599×29.8% × (1+4.85% )×650 0.99亿 ×3.9美元 ×22602×26% × (1-3.14% )×560 =198.04亿美元 Vmax (快手) =52.07亿美元 × 2.21亿 ×1.6美元 ×71599×29.8% × (1+4.85% )×650 0.99亿 ×3.9美元 ×22602×26% × (1-3.14% )×560 =217.54亿美元因此,快手在2017年的估值区间为198.04亿美元至217.54亿美元。

　　而快手在2018年年初进行的 E轮融资,融资额为10亿美元,出让5.5%的股权,估值约合181.82 亿美元,接近估值模型得出的估值区间;而根据天眼查的信息,2019年,快手用户超过2亿,腾讯等领投的投资方估值为250亿。因此,我们2018年2月估值模型不仅合理,而且具有前瞻性。

　　3.大数据合作资产理论的估值分析及检验:以抖音为例

　　根据腾讯灯塔数据,可分别计算基于大数据合作资产视角的估值分析所需指标值。

　　第一步,计算 MAU。根据最近一年 Android 端数据,抖音 MAU 为9037万;按ios和 Android占比的全量 MAU 为1.55亿。第二步,计算 ARPU。参考快手和抖音的主要受众,如图1所示,快手主要用户画像来源于三四线城市,消费能力较低,ARPU 值较低,而抖音主要客户来源于一二线城市,消费能力较强,ARPU 按比例估算的 3 美元。

　　第三步,计算市场占有率 P。由表5,可得2017年抖音在短视频行业市场占有率为 16.6%。第四步,计算用户粘性乘数指标。根据数据得出用户月均使用时长乘使用次数为45282。第五步,计算颠覆力指标。MAU 月复合增长率计算得 46.47%。第六步,计算信用评分。由浩格云信数据,北京微播视界科技有限公司的信用评分为660分。因此,根据上述估值模型,利用相对估值的方法对抖音进行估值: 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) 由于陌陌的估值区间为47.4亿美元至52.07亿美元,代入数据得 Vmin (抖音) =47.4亿美元 × 1.55亿 ×3美元 ×45282×16.6% × (1+46.47% )×660 0.99亿 ×3.9美元 ×22602×26% × (1-3.14% )×560 =130.14亿美元 Vmax (抖音) =52.07亿美元 × 1.55亿 ×3美元 ×45282×16.6% × (1+46.47% )×660 0.99亿 ×3.9美元 ×22602×26% × (1-3.14% )×560 =142.96亿美元因此,抖音的估值区间在130.14亿美元至142.96亿美元。2018年初,头条融资估值高于400亿美元,头条系包括今日头条、抖音、西瓜视频、火山小视频,抖音占比头条系业务超过四分之一,故可以认为该估值是合理的。

　　由于数据的可获得性,本文数据限于2018年2月,但从后续抖音、快手和陌陌的公开数据及新近估值看,本文的估值模型具有普适性和前瞻性,不依赖于特定数据样本的约束。例如,根据证券时报网报道①,2020年中,抖音月活跃用户超过6亿,快手月活跃用户约为4.3亿,抖音依靠其强劲的颠覆力,远超过快手;而作为对标公司的陌陌,2020年6月活跃用户为1.15亿②,与抖音和快手的差距进一步拉大,且比去年同期略有下滑,颠覆力指数为负。在估值方面,抖音在2020年中估值超过1000亿美元, 而快手在相应时点估值也超过了500亿美元。因此,本文的估值模型为数字经济时代的企业估值提供了合理的估值区间,为解决业界对抖音估值存在的巨大分歧提供科学依据③。

　　本文构建了基于大数据合作资产理论视角的估值模型,提出数字经济下强化拓展财务报告表外信息披露的重要性。本文从大数据合作资产理论特有的宽度和深度去选择估值指标,使其能够体现企业和用户(消费者)进行持续价值创造行业互动特征,包括反映大数据合作资产宽度的月活跃用户数量和占有率,反映大数据合作资产深度的用户粘性和变现能力,同时反映宽度和深度的市场占有率和颠覆力指数,以及资产估值的基础保障即信用评分等估值指标维度。然后通过与财务投资理论的资本成本、每股盈余、剩余收益等财务指标融合,采用相对估值法计算出数字经济企业的有效估值区间。本文是首次将大数据合作资产理论引入到财务估值领域进行融合,研究得出以下结论和启示:

　　1.基于大数据合作资产理论的估值模型能有效评估数字经济下互联网平台类企业的价值。基于互联网企业价值创造的特点,依据大数据合作资产理论,通过模型构建和实例检验,证明该模型从理论上反映了互联网企业的价值创造特征,能够在实践中指导互联网企业估值分析。虽然目前本文是用互联网企业进行实例检验,但在数字经济时代,特别在疫情冲击下,越来越多的企业进行线上化和数字化转型,企业与用户通过持续互动创造的大数据合作资产不断增加,因此,本文的估值模型在原理上对数字经济时代的企业估值具有一定普适性。后续研究可以针对数字经济时代涌现的企业类型做进一步实证检验,对具体指标进行修正或者扩展。

　　2.数字经济中大数据合作资产等相关信息表外披露具有重要价值,有助于推动会计财务理论和财务报告体系改革。本研究发现大数据合作资产(如,用户粘性、变现能力等)对于互联网企业估值有重大影响,推演并提出数字经济下财务报告表外信息披露的重要价值。该研究结论有助于推动财务报告框架改革创新以及倡导构建基于大数据合作资产的新财务报告体系,为数字经济下投资者价值判断提供了科学依据。

　　3.本文的研究结论有助于指导我国资本市场实践,尤其是有助于继续探索完善注册制下的财务报告框架,对推动科创板和创业板的注册制改革有重要启示。科创板和创业板需要根据数字经济的特点对估值模型进行重构,需在上市标准和信息披露中引入能够反映企业价值创造的非财务大数据信息,才能进一步推动注册制改革并使我国资本市场能够真正服务于数字经济。