基于讨价还价模型的大数据资产定价研究_王重润.pdf

会 计 之 友 2023 年 第 6 期FRIENDS OF ACCOUNTING金融财务一、引言大数据时代的到来标志着一场深刻的革命。世界各国非常重视大数据的发展，致力于促进大数据在各个领域的应用。国外比较知名的公司有 Factual、BDEX、Infochimps、Quandl、Data plaza 等。Factual 是美国一家著名的大数据交易公司，其数据库存储着上千万个地理位置，旨在为需求者提供相关的地理位置信息；BDEX 以真正提供实时的数据交换为卖点；Infochimps 早期业务主要是提供数据市场服务和 API 接口，在用户超过一定数量的免费 API调用额度后收取使用费，后来转型为大数据平台提供商；Quandl 是一个针对金融和经济领域的大数据平台；Dataplaza 是日本著名的大数据交易市场，由富士通公司建立，核心业务是交易中介服务，提供的个人数据经过了脱敏处理，数据价格由数据量和数据类型决定1。我国自 2014 年开始大数据交易平台建设。2015 年8 月，国务院印发 促进大数据发展行动纲要，明确提出在全国培育大数据交易市场，同年 11 月，党的十八届五中全会提出把大数据建设作为新的国家战略。2020 年 4月，中共中央、国务院在 关于构建更加完善的要素市场化配置体制机制的意见 中提出，把数据补充进现有的要素市场，数据作为生产要素进行市场化配置。2022 年数据交易平台发展白皮书 显示，截至 2022 年 8 月，全国已成立 44 家数据交易机构。国内的大数据交易平台根据性质不同分为第三方和综合性数据交易平台（见表 1）。第三方数据交易平台仅为数据供给与需求双方提供中介服务，旨在撮合双方数据交易，这种类型交易平台的数据来源是数据供给方，不涉及原始数据的收集、加工处理以及存储。而综合性数据交易平台则不单是作为中介为用户搭建数据交易桥梁，其服务内容更加丰富，包括为用户提供解决方案，同时该类平台自身可以采集数据，再进行加工处理存储，最终形成数据产品提供给用户。大数据交易平台大多实行政府指导、社会参与、市场化运作的运营模式，交易机制以会员制准入方式为主，交易方式以线上交易为主，通过电子交易系统进行大数据交易。随着各种类型的大数据交易平台的建立以及多元的【基金项目】河北省高等学校人文社会科学研究重点项目“基于动态博弈框架的大数据资产定价研究”（SD2021068）【作者简介】王重润（1970），男，河北沧州人，博士，河北经贸大学金融学院院长、教授，金融与企业创新研究中心主任，研究方向：金融市场；王文静（1997），女，河北石家庄人，河北经贸大学金融学院硕士研究生，研究方向：金融市场；赵冬暖（1972），女，河北张家口人，河北经贸大学经济管理学院讲师，研究方向：农村金融【摘要】大数据作为数字经济时代重要的生产要素，其定价机制关系到数据资源的配置效率。由于大数据的异质性和形态及用途的多样性，目前的定价机制还不够成熟，传统的资产价值评估方法并不适用，期权定价、拍卖机制或者合作博弈理论成为大数据定价的探索方向。文章创新性地将参与方特征与平台参数加入讨价还价模型中，假定卖方的大数据成本和要价策略是私人信息，平台的影响则表现为买方的贴现因子变大，分别构建了完全信息及不完全信息下无交易平台、有交易平台三种情形的大数据定价模型，得到了对应的纳什均衡解，证明了不同信息结构下大数据定价效率损失，交易平台能够降低信息不对称从而提高定价效率。Matlab 仿真实验证实了研究结论的合理性。研究补充和拓展了大数据定价的相关文献，对加快大数据交易平台建设、完善定价机制具有借鉴意义。【关键词】大数据；资产定价；讨价还价；信息不对称；虚拟仿真【中图分类号】F832.5；F275.5【文献标识码】A【文章编号】1004-5937（2023）06-0020-10基于讨价还价模型的大数据资产定价研究王重润1，2王文静1赵冬暖31.河北经贸大学金融学院2.河北经贸大学金融与企业创新研究中心3.河北经贸大学经济管理学院20FRIENDS OF ACCOUNTING金融财务数据交易服务的出现，驱动了全国数据要素流通，大数据交易规模越来越大。据 2021 中国数据资产化工具市场研究报告，2020 年中国数据资产化市场规模为 280 亿元，未来五年复合增长率将达 41%。从目前的发展现状看，大数据资产市场尚不成熟，数据交易规则、数据定价、标准规范等还在探索过程中，平台交易不活跃，线下交易居多，信息不对称比较严重，特别是大数据资产的定价机制不够完善，仍然依赖传统的资产评估方法比如成本加成定价法和收益法等。虽然在这些传统方法中加入了体现大数据特征的要素2，但还是具有局限性，不能充分体现大数据资产的价值，导致大数据资产的定价效率偏低，不利于大数据资产的交易。只有定价合理才能使大数据资产的价值最大化，才能引导数据资源实现最优配置。所以，大数据资产定价是亟待解决的难题。二、大数据资产价值要素和市场结构（一）大数据资产价值要素大数据资产是在社会经济活动中产生的海量数据，为经济个体所有或者控制，可计量、具有应用场景、能产生新的价值的数据资源。大数据资产价值要素包括数据成本、质量、使用者的异质性、具体的应用场景等。大数据的开发具有典型的规模经济效应。大数据的获取、清洗整理、深度挖掘以及数据库的管理与维护，构成大数据开发的主要成本。除了面向特定用户的定制大数据外，通用大数据经过预处理后具有易复制的特征，例如各种经济研究数据、行业数据、个人消费数据、病例数据、停车场数据，等等。大数据的开发成本不会因为使用者的增加而同比例增加，但边际成本却递减，且大数据的使用不具有排他性，这意味着大数据开发具有典型的规模经济效应。大数据的质量影响其价值。影响大数据质量的因素可以概括为九个方面。（1）数据量。大数据资产的价值会因样本数据量的改变而改变，样本数量增加，有效信息越多，大数据资产的价值越高。（2）数据种类。大数据类型多样，例如医疗数据、金融数据、企业数据、能源数据、交通数据、商品数据、消费数据、教育数据、社会数据、社交数据、电商数据等，不同类型数据具有不同的用途，给需求者带来的预期收益不同，开发成本亦有很大区别，因此其价值也不同。（3）数据整合程度。数据时间跨度越大，数据越完整，蕴含的信息素越多，其价值越大。（4）数据准确度。数据价值靠挖掘，数据分析越彻底，针对该大数据资产的运用更加准确，创造的价值更大。（5）数据广度。某项大数据资产涉及的观测指标越多，样本范围越广，那么该大数据资产开发成本越高，使用价值越大。（6）数据时效性。经济社会在发展，大数据需要随着时间变化不断更新，才能满足变化的需求。如果大数据能够及时更新，其价值更高。（7）数据稀缺性。若某项大数据资产在交易市场上没有替代品，需求弹性小，则该大数据资产的价值越高3。（8）数据的生长性。若某大数据资产能够与市场上其他的大数据资产相结合，从而产生新的更有价值的大数据资产，那么该大数据资产的价值越高。（9）数据的外部性。使用某项大数据资产的用户越多，或者该大数据资产被多次使用，说明该大数据资产的价值更高。大数据资产的价值还反映在具体应用场景上。首先，大数据产生价值的基础在于进行挖掘与分析，只有当大数据资产被运用到具体的场景后才能看到所带来的收益，以此判断其效用价值高低。其次，从大数据资产的使用价值视角分析，买方评价大数据资产价值的依据是其2021 中国数据资产化工具市场研究报告 正式发布，新华网，http:/ 1国内部分数据交易平台21会 计 之 友 2023 年 第 6 期FRIENDS OF ACCOUNTING金融财务使用大数据资产前后形成的效用差。买方与卖方之间存在信息不对称，对大数据的处理过程、期望效用存在差异，卖方会高估大数据资产的价值，而买方会低估大数据资产的价值，出现“信息悖论”问题。即若买方在交易前对所交易的大数据资产了解得不够详细全面，则较难评估该大数据资产带来的价值，但如果不存在信息不对称，买方知道所有有关大数据资产的信息，则会降低对大数据资产的期望效用。因此，大数据资产的价值与购买者的异质性相关，相同的大数据资产对拥有不同信息资源购买者的价值存在差别。（二）市场结构大数据资产市场是典型的寡头垄断市场。从大数据供应商角度，互联网巨头和数据公司通过社交媒体平台的先发优势，形成了数字技术积累，大数据生产能够实现规模经济效应，这使得数据供应商取得了市场垄断地位，而需求者的价格弹性较小，消费者剩余被剥夺。从产品来看，与传统的数据库相比，大数据所涵盖的内容更多更丰富，不仅包括标准的结构化数据，还包括半结构化数据，以及图片、语音等非结构数据，大数据并没有标准统一的格式与模式，大数据的加工处理更加困难和复杂，这意味着大数据具有高度异质性。从信息结构看，数据供应商居于信息优势地位，买方与卖方处于信息不对称状态，交易过程存在“黑箱”现象。从市场容量看，根据 2021 中国数据资产化工具市场研究报告，中国大数据交易市场拥有数量巨大的用户需求，用户数量多达 156 万家，其中高需求用户数量达 48 万家。但是从实践情况来看，最终真正购买大数据资产并进一步应用和进行管理的用户规模不大，仅有 1.4 万家，占用户需求量的比例为 2.9%，说明当前大数据交易市场客户开发率或者用户购买率较低。（三）市场交易大数据需求涉及多个行业、多个领域，例如金融机构、教育机构、各类企业、政府相关部门等。按照大数据交易的参与对象划分，有两种交易方式。一种是直接交易模式，买方可以与卖方签订长期合约获得长远收益；另一种是平台经济模式，第三方平台作为中介为双方提供交易空间，促进交易达成，从中收取服务费。通过平台进行交易又存在两种交易模式：一是 C2B 模式，指的是个人与企业之间的交易；二是 B2B 模式，即企业与企业之间的交易。按照大数据产权交易方式分为三种交易模式。第一种模式是大数据使用权的交易。该模式下交易平台仅出售大数据的使用权，常用的交易方式有 API 接口、在线检索、数据终端。例如知网、万德、国泰安等数据库的查询使用权。通过这种交易模式交易大数据产品不限次数，并且大数据产品的价格也比较低。第二种模式是大数据收益权的交易。卖方为满足买方的定制化需求提供数据解决方案，买方在使用该定制化数据产品后产生的利润，需要依照之前双方的约定按一定比例转移给卖方。第三种交易模式是大数据所有权的交易。使用该种交易模式交易的大数据产品的知识产权受到更好的保护，例如大数据技术服务、定制化分析报告。不论哪一种交易方式，寡头垄断的市场结构意味着大数据供应商能够在很大程度上影响市场价格。同时，由于大数据资产专有属性，买方数量比较少，这意味着买方也有一定的议价能力，特别是对于定制资产而言，尤其如此。目前传统的资产价值评估主要包括成本加成法、收益法和市场比较法等方法，但这些定价方法用于大数据资产价值评估时并不合适。大数据资产具有边际成本几乎为零的特征，成本法无法准确地计量大数据资产的成本；使用收益法估价时需要根据大数据资产用途进行预期收益计算，但大数据资产给需求方带来的预期现金流不容易得到，也很难准确估计；市场法更加适用于需求量大、交易相对活跃、可比类型多的资产评估，而大数据资产具有差异性大、交易时间短、交易数量少的特点，历史交易资料匮乏。因此基于讨价还价行为的定价机制，能够更有效率地反映利润最大化与效用最大化相互作用的结果，因而也能够更加真实地反映大数据资产的价值。下面本文将以讨价还价模型来分析大数据资产的定价策略及其均衡结果。三、相关文献综述国外学者基于供应商和用户视角，采用期权定价、拍卖机制等理论，从数据共享、产品异质性以及影响因素等维度研究了大数据资产定价问题。根据用户和产品的异质性及非结构化特点，将数据整合为不同的版本，结合用户任意查询次数进行差异化定价4-5。以上定价机制多由卖方主导，强调供应商的利润，缺乏对数据效用的考虑，如果考虑客户的支付意愿则能够为供应方创造更持久的利益6。另外，数据的稀缺性也会增加数据价值7。拍卖机22FRIENDS OF ACCOUNTI