基于AHP与Schwartz-moon模型的长城汽车数据资产价值评估研究

引言2023年国家财政部颁布《企业数据资源相关汇集处理暂行规定》，认可企业数据资源可作为“无形资产”或“存活”入表，第一次以会计制度的形式明确了数据资源的资产属性，加速了数据资源向数据资产的转型，有利于向数据要素市场转化。数据资产作为数字经济的核心生产要素，正在从概念走向现实，呈现出强大的生命力和发展势能。尤其是随着我国“数字中国”战略的推进，深化数据要素市场化配置改革，推动数据资产化发展进入制度创新与实践探索阶段。进程已进入制度创新与实践探索并行的关键阶段。随着相关政策的出台、企业数据资产的蓬勃发展，研究者从制度、技术、市场、组织、社会等维度协同考虑数据资产的影响因素，并积极尝试企业数据资产的定价方法，王小黎等（2025）以企业未来多阶段盈利预测及现金流量折现的思想，建立了数据资产估值方法；周旭（2024）以Ohlson模型为基础，运用AHP建立数据资产价值划分系统，并对其进行评价。但是从企业数据资产的研究现状可以发现，虽然围绕企业数据资产评估已产出许多有价值的成果，然而真正将数据资产作为表内资产计入企业报表的还不普遍，并且结合企业相关行业发展特点，如何确定企业整体价值、如何将企业的数据资产价值合理从企业整体价值中划分，仍然需要进一步探索。本文将在探讨上述方法不足的基础上，将AHP方法与Schwartz-Moon模型相结合，构建互联网企业数据资产评估方法，以长城汽车2024年12月31日企业数据资产评估的实例为应用案例，探讨该评估方法的可行性与可靠性，通过本文的研究，对于企业而言，长城汽车可以更为清晰的认识自身的数据资产价值状况，并据此制定更合理的经营与投资计划。对于投资者而言，对长城汽车股份有限公司进行投资能够为其提供一种科学合理的评估投资方式，从而降低其投资风险，提升其投资效益。本文的研究成果也可为其他企业的数据资产评估提供参考，从而推动整个行业的发展。1相关概念1.1数据资产的定义我国从20世纪初开始对数据资产研究兴起，张咏梅，穆文娟（2015）将数据资产界定为一种新的无形资产，目前国内很多学者都是以《企业会计准则》中的“资产”为基础，并在此基础上对其进行扩展与补充。朱晓琴，王宣童（2023）对数据资产进行了界定，提出了数据资产是指由某个机构或个人所拥有或掌控的、具有价值和价值增值的互联网空间数据资源集合。本文对数据资产定义是基于以上学者的研究得出的，指由特定主体依法持有或者控制，存在于一定的载体中，能以货币单位计量，并能够带来直接或者间接经济利益的数据资源。1.2数据资产的特点本文将数据资产与企业其他资产的特征进行比较，从如下角度归纳出数据资产的特征：。(1)无实体、无消耗性：与传统实物资产相对，是一种无形的、不可消耗的物资。有形的财产一般是一次性的，只能由某一使用者使用。比如一台机器，使用的次数越多，就越容易磨损，寿命就越短；原料经过加工后，就变成了新的产品。数据资产的价值，并不随着日常的重复使用而损耗与消耗。同时，在数据资产的估值当中也要考虑其重复使用性。(2)表现形式多元化，可以通过各种不同的数据处理方法来实现对不同类型的数据的表达、应用和转化，从而满足不同用户的不同需要。例如，将各类报表中的财务资料进行统计，方便财务管理与会计核算；而各项管理指标数据，也可以通过各种可视化工具，以图形等方式，让管理者更好地理解企业的整体状况。(3)多层级衍生，同一个数据对象可以经过多层次多角度的处理，产生不同的数据价值。数据资产的多重衍生化有利于从多层级多角度对数据资源进行有效利用，丰富整个企业的数据资产生态链，有助于企业真正实现“数据先导”。2评估方法的选择2.1传统评估方法的局限性2.1.1市场法的局限性所谓市场法，是指通过比较已经发生或近期发生的同类数据资产(相同或相似的)交易价格对其进行估价。运用市场法对数据资产进行估价，应在准确、全面了解被评估数据资产(相同或相似的)的前提下，收集和筛选交易价格、交易条件等方面具有可比性的同类案例进行估价。这就需要有大量的交易信息和交易案例作为参考，但在我国，对数据资产的评价还处于初始阶段，尚未完善，存在场外交易多于场内交易、可参考的标的物少于标的物等现象。另外，该种估价方法也仅仅着眼于即时市场价值，没有考虑到数据资产可能具有的潜在价值。2.1.2成本法的局限性成本法是按照数据资产的成本构成作为重置成本，减去各种减值后再以合理的成本和利润加上相关税费进行估算。数据资产生成时往往涉及公司其他业务，很难将应归入数据资产的成本费用独立区分，且各生命周期阶段应考虑的费用也不尽相同。在对其进行贬值分析时主要考虑了功能贬值和经济性贬值，这就要求估价人员对数据生命周期、数据使用价值、数据质量进行综合考虑。此外，由于未考虑市场因素，数据资产价值成本法不能很好地反映出真实的经济价值。2.1.3收益法的局限性收益法，乃是依据预计数据资产所能带来的收益来估量其价值。于运用收益法进行估值之际，需全面考量折现率以及预测未来收益风险等诸多因素的影响。诸如企业经营状况、市场环境的波动以及用户需求的转变等，均有可能对未来收益的判断产生作用。与此同时，在判定收益期限时，不得逾越产品和服务的合理收益期，这便要求充分斟酌数据资产的时效性、产生时间、更新时间以及权利状况等因素。另外，收益法较多地聚焦于数据资产的经济效益，进而忽视了战略价值、品牌价值等非经济效益。2.2AHP与Schwartz-Moon模型的适用性分析Schwartz－Moon定价模型主要适用于高风险、高回报和高不确定性的公司，因而对高科技公司的估值也是适用的。高新技术企业作为成长型企业，在技术创新、市场培育等过程中，面临很多的不确定性。然而，随着行业技术成熟度的提高和稳增长的市场需求的形成，高新技术企业有望在未来更稳健的发展。该模型假定在企业的长期经营中，企业关键财务指标是随机波动收敛到稳态的。模型通过对这些风险过程的模拟，可以实现对企业相关要素销售收入，研发投入，生产成本等的动态性和随机性的同时收敛。通过模拟模型的结果可以更准确地评估企业价值，离散模型结合蒙特卡洛模拟。层次分析法通过构建递阶层次的结构模型、判断矩阵、分层排序和判断矩阵的合成排序、一致性检验对复杂问题的决策过程进行数学描述，为决策制定提供科学依据。目前多数企业还未将数据资产列入报表，针对数据资产无实物、无损耗、多衍生等特征，从财务数据中直接抽取其价值存在困难，对该问题运用AHP方法测算数据资产对于表外无形资产的综合权重，并对其进行评价。3AHP与Schwartz-Moon模型的评估思路3.1整体评估思路首先，利用Schwartz-Moon模型，结合蒙特卡洛模拟，估算出企业的整体价值；其次，对该企业的流动资产、固定资产及表内无形资产的贡献进行了测算，最后，用AHP提取出数据资产权重。计算公式为：数据资产价值=（企业整体价值-流动资产贡献值-固定资产贡献值-表内无形资产贡献值）×数据资产权重3.2基于Schwartz-Moon模型的企业价值评估3.2.1基本公式企业价值分为最后一年的累计可使用现金、终值现金两个部分。其中，终值用M×RVo=EQ{Xt其中，Vo代表企业价值，EQ表示风险中性假设下的期望值，e−rt为连续复利折现系数，Rt表示第t期的收入，Costt表示第t期的成本，3.2.2模型假设Schwartz-Moon模型是在一系列假设条件下建立起来的。这些假设条件或者叫假设规定，它们是使模型得以成立并正确应用该模型的重要基础。这些假设条件如下。（1）营业收入服从随机游走过程，且会从高速增长回到行业平均水平；（2）营业收入增长率最后收敛回行业水平；（3）各指标之间具有一定的独立性；（4）在该模型中，仅考虑了收益不确定引起的风险溢价；（5）税后净利润很容易转化成现金形式，很容易满足公司的各种经营需要。公司不支付股息；（6）无风险利率是固定的。3.2.3参数确定方法（1）收入R(t)将企业在t时点的营业收入记为R(t)，营业收入在后续时间内的变化遵循随机游走模型，就得到：公式中，表示在t时点的收入波动率，表示在t时点的收入预期增长率，d随着企业发展逐渐成熟，期初较高的收入增长率会渐渐收敛至行业平均水平即μ，这一过程被称为均值回复过程，公式如下：dμt=k1(公式中，k1表示均值回归系数，反应收入增长率的平均收敛的速度。η(t)表示在t时间点收入增长的波动率。dz（2）成本Cost(t)企业的总成本由为固定成本F和可变成本构成，其中可变成本与企业收入存在γ倍的关系，公式表示如下：Costt=γtRt+F企业发展进入成熟期，企业结构趋向于稳定，会逐渐收敛至平均水平dγt=k2（3）税后净收益Y(t)根据上述的成本与收入，假设企业税率为TcYt=[Rt−Costt其中，Dep(t)表示企业在t时点固定资产的折旧值。（4）资本性支出Capx(t)和折旧Dep企业固定资产p(t)由资本性支出Capx(t)和折旧Dep(t)共同决定。假设企业后续资本支出与收入呈现CR倍的比例关系，折旧为固定资产的DR倍，dpt=[Capx(t)−Dep(t)]dt（5）可用现金X(t)假设企业经营活动赚取的全部现金，投入于公司的运营中，不存在股利的分配，则可用现金的公式为：dxt=rXt其中，r为无风险利率，Yt表示企业在t3.2.4初始数据获取方法具体参数以及来源如下：3.1Schwartz-Moon模型参数以及来源参数符号参数含义参数确定方法R期初收入利润表期初营业收入μ期初收入增长率2020—2024年平均营业增长率σ期初收入波动率2020—2024年营业收入增长率的标准差η期初收入增长波动率2020—2024年营业收入增长率差额的标准差μ长期收入增长率同行业企业2020—2024年收入增长率的均值σ长期收入波动率同行业企业2020—2024年收入增长率标准差的均值γ期初变动成本率企业2020—2024期间变动成本率的均值φ期初变动成本波动率企业2020—2024年期间变动成本率标准差的均值γ长期变动成本率同行业企业2020-2024年变动成本率的均值φ长期成本波动率同行业企业2020—2024年变动成本率标准差的均值p期初固定资产净值企业2024年资产负债表中的期初固定资产X期初可用现金企业2024年现金流量表中现金和现金等价物的总和DR折旧率企业2020—2024年期间折旧率的均值CR资本支出率企业2020—2024年期间资本支出率的均值τ公司所得税国家规定的企业所得税率r无风险利率我国2022年十年期国债利率λ收入因素的风险收益率λ=rκ随机过程的均值回复平均速度κΔ时间间隔财务报表期间Τ估计区间预计公司收益波动较大区间3.2.5蒙特卡洛模拟法辅助计算单次模型运算结果具有显著的随机性特征，难以作为有效决策依据。在实际操作中，借助蒙特卡罗模拟通过数万次迭代运算实现风险中性概率测度下的期望值收敛。对企业未来五年的自由现金流进行模拟，进而计算企业价值的分布情况。它会模拟各指标随机波动情况，算出每年的自由现金流量并折现，最终得到企业价值的均值、中位数、标准差以及95%置信区间，绘制出企业价值的分布图。3.3剥离其他资产的贡献3.3.1流动资产贡献值的确定流动资产变现能力强，周转快，即使在周转的过程中形式有所变化，但价值基本上是可以收回的。所以，在对流动资产贡献价值的测算中，能够采用流动资产投资回报率来进行测算。以下是计算公式：流动资产贡献值=流动资产年平均余额×流动资产投资回报率3.3.2固定资产贡献值的确定企业必须按照会计制度对固定资产进行折旧，固定资产贡献按以下公式计算：固定资产贡献值=固定资产的折旧补偿+固定资产的年平均余额×固定资产的投资回报率3.3.3表内无形资产贡献值的确定根据会计准则，在计算表内的无形资产时，要考虑到摊销补偿。表内的无形资产贡献计算如下：表内无形资产贡献值=表内无形资产的摊销补偿+表内无形资产的年平均余额×表内无形资产的投资回报率。3.4基于AHP计算表外无形资产中数据资产的贡献基于层次分析法的基本原理，将复杂决策问题逐层分解，然后根据人的判断和评价，构造两两比较判断矩阵，将两两比较判断矩阵转化为权重，采用特征值法判定各层要素的重要程度；最后进行CR＜0.1的检验，若符合要求，则决策矩阵成立，从而形成一个递阶层次结构模型。该方法通过数学化思维将主观判断与客观分析相结合，显著提升决策过程的透明性与系统性。3.4.1建立层次结构模型根据决策目标、考虑因素和目标间的内在联系，把决策过程划分为三个层级。最高层次制定决策，解决问题，在做决定时，最小的级别就是所作的选择，中层是需要考虑的因素。对于两个邻接的水平，把上面的一层叫做对象层，下面的一层叫做元素层。3.4.2构造成对比较阵本文采用专家问卷法实施层次要素的两两比较评估，运用1-9标度体系量化要素相对重要性。具体评估时，针对同层任意两要素i,j，依据预设的9级比例标度进行强度赋值，通过构建成对比较矩阵实现定性判断的定量化转换。其中1表示两要素等价，9表示绝对优势，中间数值对应不同强度的重要性差异。具体如表3.2所示：表3.2成对比较标度值成对比较标准定义内容1同等重要两个要素具有相等的重要性3稍微重要一个要素比另外一个要素稍微重要5相当重要强烈倾向于某一要素7明显重要非常倾向于某一要素9绝对重要当两个因素进行比较时，其中一个因素很重要，而且比其他因素的可控可能性更大2、4、6、8用于上述标准的折中值上述值的倒数在将一个元素A和一个元素B进行对比时，如果给出上面的一个数值，那么B元素对A元素的重要性就是这个比例的倒数3.4.3合并专家矩阵在多专家群决策过程中，专家意见分歧导致综合判断矩阵构建困难。本文引入矩阵合并的方法：首先由专家独立构建判断矩阵A，在满足个体矩阵一致性检验前提下，对多矩阵进行几何平均集成处理，从而在保留专家独立判断的基础上实现群体决策的收敛。设A(k)为z位专家中第k位专家的判断矩阵k＝1,2...z：A(k)=(aij)n×n=通过对z位专家的判断矩阵中对应元素取几何平均值，得到集成判断矩阵I，公式如下：I=(iij)n×n 式中：iij为集成判断矩阵中第i行，j列的数值，具体计算方式如下：iij=(k=1zaijk)1z3.4.4权重及一致性检验第1步：将集成判断矩阵I的行向量进行相乘，得到一个新向量B=bi(i=1,2..n)，计算公式如下,其中i代表行序号，j代表列序号，i=1,2…n,j=1,2…n:B=b1b2…b第2步：将向量B的每个分量bi开n次方，得到特征向量M=mM=m1m2…mn第3步：将特征向量M进行归一化处理，得到权重向量W=wW=mii=1nmi=w1第4步：对整合判断矩阵I作相容性测试，并求出其相容性指数CI与随机相容性比率CR。当CR值<0.1时，判定矩阵通过了验证，表明该数据是有效的。CR=CIRI (其中：一致性指标CI，和判断矩阵的最大特征根λmaxCI=λmax-n(n-1) λmax=1ni=1n(Iw)iw表3.3判断矩阵平均随机一致性指标RI值矩阵阶数123456789101112RI000.520.891.121.261.361.411.461.491.521.544长城汽车股份有限公司数据资产价值评估4.1企业整体发展状况长城汽车是中国最具代表性的自主汽车制造商之一，自1984年成立以来，逐步从地方车企发展为全球化企业。总部位于河北保定，2022年销量超106万辆，2023年前三季度销量约86万辆，稳居中国车企前五。长城汽车的发展模式以“垂直整合+多品牌矩阵+全球化布局”为核心，通过技术创新驱动转型，逐步从传统燃油车制造商向新能源与智能科技公司跃迁，形成了独特的战略路径。4.2企业数据资产发展状况长城汽车的数据资产在企业价值中发挥着多方面的作用，其企业专利申请量和授权量连续3年稳居中国民营车企集团第一。长城汽车的数据资产主要包括：（1）生产制造数据能帮助企业优化生产流程、保证产品质量和设备管理水平。通过减少生产运作成本，提高生产效率，提高生产环节的竞争能力，从而间接提高公司的价值。（2）通过对供应商、采购、物流等各个方面的管理，供应链数据可以有效地减少供应链的风险，保证原材料的供给。降低采购成本，提高物流配送效率，使企业运营更加高效，确保企业价值创造过程的稳定性。（3）营销数据和用户数据，让公司能够准确地掌握市场动向、消费者需求，从而进行精确的营销，并且能够根据市场的需要，开发出符合市场需要的产品与服务。提高用户满意度与忠诚度，拓展市场，创造新的营收增长点，为企业价值提升注入动力。4.3企业数据资产评估过程4.3.1企业整体价值评估（1）评估基准日本文计算长城汽车企业价值的评估基准日为：2024年12月31日（2）模型参数估计1）期初收入R0根据长城汽车2024年所披露的财务报表中，可以查询得知长城汽车期初收入R0为20219547.23万元。2）期初收入增长率μ查询长城汽车所发布的财报信息，整理从2020到2024年间的营业收入增长变化数据，计算收入增长率，再取均值，得出长城汽车的期初收入增长率为：16.84%。表4.1长城汽车2020-2024年营业收入增长情况项目20202021202220232024营业收入（亿元）1033.081364.051373.401732.122021.95营业收入增长率8.62%32.04%0.69%26.12%16.73%营业收入增长率均值16.84%营业收入增长率标准差0.1136营业收入增长率差额11.37%23.42%-31.35%25.43%-9.39%营业收入增长率差额标准差0.2165注：数据源于企业财务报表。3）期初收入波动率σ整理长城汽车2020年到2024年公布的财报数据，取该区间的营业收入增长率标准差用以表示长城汽车的期初收入波动率，计算得值为：11.36%。4）期初收入增长率的波动率η0将长城汽车在2020年至2024年发布的财务报告中的营业收入数据进行综合分析，得到这一段时间内的营业收入增长率差异，并将其与营业收入增长率差异的标准差进行比较，就可以知道，在此期间，收入增长率的波动是21.65%。5）长期收入增长率μ基于Schwartz-Moon模型假定营收增速将逐步趋近行业均值，基于同花顺数据，选取吉利汽车，比亚迪，长安，上汽，宁德时代5个龙头公司。并从其所公布的财报数据中整理相关信息，分别计算出五家企业从2020年到2024年的收入增长以及变动成本相关值，以这五家企业的收入增长率均值来代表长期收入增长率，计算得长期收入增长率为21.32%，相关数据如表4.2所示：表4.2同行企业收入以及成本变动情况股票代码企业名称收入增长率均值收入增长率标准差变动成本率均值变动成本率标准差00175吉利汽车8.2%6.5%78.2%3.1%002594比亚迪35.6%18.2%72.5%4.7%000625长安汽车12.4%10.7%75.8%2.9%600104上汽集团2.1%4.3%82.1%2.5%300750宁德时代48.3%22.1%65.4%5.3%均值21.32%12.36%73.72%3.7%注：数据源于企业财务报表。6）长期收入波动率σ根据该模型，假定在公司的成长过程中，收入波动率将会逐渐地收敛到行业的平均水平。因此，通过对五个公司的财报数据进行集成，并对其分别进行了计算，并对所选择的五个公司的收入增长率标准差进行了平均化，以此来表示长期收入波动率。即该值由表4.2可知为12.36%。7）企业所得税率长城汽车符合国家规定的相关高新技术企业标准，享受税收优惠，企业所得税率为15%。8）无风险利率r本文选取了2015-2024年十年期国债收益率平均值用以代表无风险利率，计算得该值约为2%。9）市场期望报酬率r计算2015-2024年上证综指平均报酬率，以表示市场期望报酬率，经计算该值为5.12%。10）企业β值本文通过查询同花顺数据库得出长城汽车在评估基准日的β系数值为1.1。11）收入的风险溢价依据资本资产定价模型，即收入过程的风险溢价为2.11%。12）期初可用现金X本文从长城汽车所公布的2024年财报中查询得其货币资金30,740,975,160.6万元，即期初可用现金可表示为30,740,975,160.65万元。13）长期变动成本率γ选择五个同行业的公司来计算它们的平均可变成本比率，以表示长期的可变成本比率，计算的长期变动成本率为73.72%.14）长期变动成本波动率φ长期变动成本率的波动率是通过计算五家同行业企业的变动成本率标准差再取均值得出，即该值为3.7%。15）期初变动成本率γ0、固定成本Cost从长城汽车的财报数据中整理营业收入和变动成本，取其斜率即得期初变动成本率为69.78%；依据模型假设成本与收入的关系Costt=γtRt+F，计算固定成本为16）期初变动成本波动率φ4.3长城汽车2020-2024年营业收入与成本情况项目20202021202220232024营业总收入（亿元）1033.0813641373.41732.122021.95变动成本（亿元）771.051025.11995.281191.421168.53变动成本率（%）74.6%75.2%72.5%68.8%57.8%变动成本率均值（%）69.78%变动成本率标准差（%）6.38%注：数据源于企业财务报表。如表4.3所示，通过计算长城汽车2020-2024年变动成本率的标准差，得出期初变动成本率的波动率为6.38%。17）随机过程的均值回复系数κ该模型假定企业将获取产业内的超额收益，但经过一段快速增长后，其收敛于产业平均水平。在这些情况下，收益增长和收益增长的波动性将以指数形式呈现e−kt的方式回复，该过程中的半衰期为κ=2×ln218）资本支出率CR、折旧率DR依据长城汽车所公布的财报数据，计算出长城汽车2020-2024年的折旧率以及资本支出率，再取均值，得出资本支出率为10.95%，折旧率为9.78%。4.4长城汽车2020-2024年折旧率以及资本支出率情况项目20202021202220232024均值折旧率8.27%8.68%9.68%10.42%11.45%9.78%资本支出率12.32%10.89%11.85%10.46%9.24%10.95%注：数据源于企业财务报表。19）估值期间T与离散模型的时间增量∆t综合分析长城汽车相关数据的可得性以及特征，取时间增量为1年，估算时间为5年。4.5模型相关参数具体值参数参数取值参数来源R20219547.23万元利润表中的期初营业收入μ16.84%2020—2024年平均营业增长率σ11.36%2020—2024年营业收入增长率的标准差η21.65%2020—2024年营业收入增长率差额的标准差μ21.32%同行业企业2020—2024年收入增长率的均值σ22.1%同行业企业2020—2024年收入增长率标准差的均值γ69.78%企业2020—2024期间变动成本率的均值φ6.40%企业2020—2024年期间变动成本率标准差的均值γ73.72%同行业企业2020-2024年变动成本率的均值φ3.7%同行业企业2020—2024年变动成本率标准差的均值p3001357.50万元企业2024年资产负债表中的期初固定资产X2720980.70万元企业2024年现金流量表中现金和现金等价物的总和DR9.78%企业2020—2024年期间折旧率的均值CR10.95%企业2020—2024年期间资本支出率的均值τ15%国家规定的企业所得税率r3.2%我国2024年十年期国债利率λ5.43%λ=rκ0.5545κΔ1财务报表期间Τ5预计公司收益波动较大区间（3）蒙特卡洛模拟结果根据上述已获取参数值进行蒙特卡洛模拟，通过20000次模拟计算，以加强估值结果的精确度，经模拟得出长城汽车价值概率分布统计图，如下所示。图4.1长城汽车企业价值概率分布统计结果在95%的置信水平区间下，由于企业处于一个积极向上的发展态势，并且对未来的预期比较乐观，因此希望在估值中体现这种乐观情绪，选择置信区间的上限作为企业价值。可以采用这种方法。长城汽车于2024年12月31日的企业价值约为2358.92亿元。4.3.2流动资产贡献值以2024年一年的贷款利率作为投资收益率，并对当前资产的投资回报率进行了测算，得出了该指标的贡献度。计算公式如下：流动资产贡献值=流动资产年平均余额×流动资产投资回报率4.6长城汽车2021-2024年流动资产余额表指标2021年2022年2023年2024年期初余额（亿元）993.991083.661076.811185.84增加额（亿元）89.67-6.85109.03148.51期末余额（亿元）1083.661076.811185.841334.35营业收入（亿元）1364.051373.401732.122021.95增加额占营业收入比例（%）6.57-0.506.307.35注：数据源于企业财务报表。如表4.6所示，长城公司的流动资产增长率与营业收入之比存在很大的波动性，选择10%作为衡量指标。对长城的速动资产贡献度进行了预测，见下表4.7：4.7长城汽车2025-2029年的流动资产贡献值预测值指标2025年2026年2027年2028年2029年增加额（亿元）163.36179.70197.67217.43239.18期初余额（亿元）1185.841349.201528.901726.571944.00期末余额（亿元）1349.201528.901726.571944.002183.18年平均余额（亿元）1267.521439.051627.741835.262063.59回报率（%）4.204.204.204.204.20年贡献值（亿元）42.4648.1154.5361.4868.92折现率（%）5.435.435.435.435.43现值（亿元）40.2743.2846.5749.8052.95流动资产贡献值（亿元）232.874.3.3固定资产贡献值固定资产会发生一定程度的损耗，因此，企业固定资产贡献度按以下公式计算：固定资产贡献值=固定资产的折旧补偿+固定资产的年平均余额×固定资产的投资回报率经测算，企业固定资产折旧率约为3.87%。从长城汽车最近几年的年度报告中可以看出，长城汽车的固定资产资金开支约占营业收入的5.81%，所以从2025年到2029年的固定资产资金开支，此处选择5.81%作为估算标准。对于固定资产，以五年期贷款利率计算，以2024年为基准。在此基础上，利用蒙特卡洛模拟对该公司今后5年的营业利润进行了预测，以此来确定长城汽车的营业利润。长城汽车对固定资产贡献的预计数据见表4.8：4.8长城汽车2025-2029年的固定资产贡献值2025年2026年2027年2028年2029年2499.593089.023826.284732.015862.563.873.873.873.873.8748.559.9274.2391.8113.73300.14313.02326.45340.46355.0696.73119.55148.08183.13226.88145.23179.47222.31274.93340.61313.02326.45340.46355.06370.29306.58319.74333.46347.76362.684.20%4.20%4.20%4.20%4.20%12.8813.4314.0114.6015.2361.3873.3588.24106.40128.96折现率（%）5.435.435.435.435.4358.2266.0075.3686.1999.08384.854.3.4表内无形资产贡献值报表中的无形资产贡献计算如下：表内无形资产贡献值=表内无形资产的摊销补偿+表内无形资产的年平均余额×表内无形资产的投资回报率。在2021-2024年期间，公司将对无形资产进行摊销，其价值大约为1.5%-2.0%，取平均为1.76%，无形资产的资金支出占营业收入的比例约为2.5%-4.5%，表内无形资产的资本支出占比取3.5%。资产负债表中的投资收益率是根据银行在2024年的5年贷款利率计算的。长城公司在报表中对无形资产的贡献率见表4.9：4.9长城汽车2025-2029年的无形资产贡献值2025年2026年2027年2028年2029年2499.593089.023826.284732.015862.561.761.761.761.761.7643.4953.7566.5882.34102.0152.3795.86149.61216.19298.5343.9954.3767.3483.28103.1887.48108.12133.92165.62205.1995.86149.61216.19298.53399.5474.12122.74182.90257.36349.044.204.204.204.204.203.115.157.6810.8114.6646.658.974.2693.15116.6744.2053.0063.4275.4589.64325.714.3.5数据资产价值评估本文选品牌价值、专利技术、数据资产构成数据构建表外无形资产价值评估体系。具体如下：（1）构建层次结构模型首先，将一个复杂的决策问题进行了多个层面的分析，每个层面之间都存在着一定的相关性和从属性，论文建立了以下的分层模型：表外无形资产表外无形资产目标层品牌影响力市场运营能力研发创新能力品牌影响力市场运营能力研发创新能力准则层土地使用权商誉数据资产专利技术方案层 土地使用权商誉数据资产专利技术权重计算本文邀请到了6位专家进行层次分析法问卷调查，整理合并判断矩阵，然后进行权重计算并进行一致性检验。1）准则层权重计算整理6份专家调查表，表外无形资产判断矩阵合并处理如下所示：I根据公式（12）-（19）计算，权重及一致性检验结果如表4.10所示：表4.10表外无形资产权重及一致性检验结果评价指标权重λmaxCICRA研发创新能力0.40353.00110.00060.0012<0.1

一致性校验通过B市场运营能力0.3071C品牌影响力0.2894方案层权重计算整理6份专家调查表，研发创新能力判断矩阵合并处理如下所示：I根据公式（12）-（19）计算，权重及一致性检验结果如表4.11所示：表4.11研发创新能力权重计算结果评价指标权重λmaxCICRA1专利技术0.37394.04060.01350.0152<0.1

一致性校验通过A2数据资产0.2419A3商誉0.2506A4土地使用权0.1337整理6份专家调查表，市场运营能力判断矩阵合并处理如下所示：I根据公式（12）-（19）计算，权重及一致性检验结果如表4.12所示：表4.12市场运营能力权重计算结果评价指标权重λmaxCICRB1专利技术0.22864.01560.00520.0058<0.1

一致性校验通过B2数据资产0.2415B3商誉0.3573B4土地使用权0.1726整理6份专家调查表，研发创新能力判断矩阵合并处理如下所示：I根据公式（12）-（19）计算，权重及一致性检验结果如表4.13所示：表4.13品牌影响力权重计算结果评价指标权重λmaxCICRC1专利技术0.254.0060.0020.0022<0.1

一致性校验通过C2数据资产0.2689C3商誉0.2463C4土地使用权0.2348权重汇总以上的计算结果汇总起来，就可以获得各个指标的相对权重，在将相对权重层层相乘以之后，获得一个综合加权。综合权重为最下层指标对总目标的层次排序情况，详细的结果见表4.14。表4.14指标权重汇总目标层准则层相对权重方案层相对权重得分表外无形资产A研发创新能力0.4035A1专利技术0.37390.1509A2数据资产0.24190.0976A3商誉0.25060.1011A4土地使用权0.13370.0539B市场运营能力0.3071B1专利技术0.22860.0702B2数据资产0.24150.0742B3商誉0.35730.1097B4土地使用权0.17260.053C品牌影响力0.2894C1专利技术0.250.0724C2数据资产0.26890.0778C3商誉0.24630.0713C4土地使用权0.23480.068数据资产权重计算综上，各层次计算结果一致性校验均通过，综合计算数据资产权重为：0.0976+0.0742+0.0778=0.2496数据资产价值计算（2358.92-232.87-384.85-325.71）×0.2496=353.31（亿元）4.4结果分析本文以长城汽车为评估对象，构建了基于AHP与Schwartz-Moon模型的综合框架。通过Schwartz-Moon模型结合蒙特卡洛模拟20000次，迭代评估企业整体价值为2358.92亿元，并将其流动资产、固定资产、表内无形资产贡献值剥离，最后，借助AHP计算，得出表外无形资产中数据资产的占比为24.96%，并计算其价值为353.31亿元，占企业整体价值15%，研究验证了数据资产在长城汽车数字化转型中的重要地位。此外，长城汽车2024年市值为2251.24亿元，与本文基于Schwartz-Moon模型结合蒙特卡洛模拟20000次迭代评估的企业整体价值2358.92亿元相差较少，因此该方法为企业整体价值评估提供了科学方法，助力经营策略制定与行业参考。结论本文选择实物期权法下的Schwartson-moon模型，综合考虑了企业未来收入和成本增长率的不确定性，能更精确的量化企业数据资产的价值。结合蒙特卡洛模拟20000次迭代评估的企业整体价值为2358.92亿元，长城汽车2024年市值为2251.24亿元，二者差距较小