项目负责人：胡晓明
项目参与人：陈小兵 王朱奎 李欣潞 仲茜茜 戴茜
申报单位： 南京财经大学 江苏天健华辰资产评估有限公司
摘 要
数字化时代下，数据资产作为第五大生产要素，其价值评估备受学界与实务界关注。金融科技行业因业务数据密集性，积累了海量交易、风控及用户行为数据，是数据价值创造的前沿领域，但数据资产的无形性、可复制性、非排他性及价值动态非线性等特征，与传统有形资产存在本质区别，导致传统评估方法难以精准捕捉其价值，制约了市场化流通。本研究聚焦金融科技数据资产评估，构建基于改进超额收益法的评估模型。首先梳理数据资产经济属性与价值形成机制，以超额收益法为基础框架，通过层次分析法测算数据资产在企业整体收益中的分成率，分离其边际贡献；再引入BP神经网络模型，利用其非线性映射与自适应学习能力，对影响数据资产价值的关键经济变量进行动态拟合和优化，提升评估结果的客观性与精确性。以金融科技企业同花顺为案例验证，结合其核心业务结构、数据资产特征及经营业绩，得出评估基准日数据资产价值，证实数据资产对其超额收益的显著正向影响，也验证了人工智能算法在数据资产评估中的适用性与优越性，为金融科技企业数据资产化管理与科学决策提供参考。
关键词：数据资产；超额收益法；金融科技企业；BP神经网络；同花顺
