我国数据要素资产化价值评估研究——基于机器学习的探索性分析

作者：严鹏; 史一翔; 方劲平^*

来源：价格理论与实践, 2023, (10): 26-31.

DOI：10.19851/j.cnki.CN11-1010/F.2023.10.330

• 数据资产
• 价值评估
• 机器学习
• 神经网络
• 随机森林

数据蕴含的巨大经济价值不断凸显，成为数字经济发展的必要生产要素。对数据要素资产化的价值进行研究，构建可靠的数据资产价值评估模型，有助于促进数据资产交易流通、建立健全数据要素市场体系。以优易数据网的第一手数据为数据源，探究影响数据资产价值的主要影响因素。在此基础上，基于机器学习构建数据资产价值评估模型，并对样本数据进行实证分析。结果发现：数据容量、数据规模、数据质量、新鲜度和所属行业对数据资产价值起决定性作用。不同行业间的数据资产存在明显的“价值鸿沟”，表现在高附加值行业的数据资产相较于其他行业具有更高的价值。进一步研究发现：基于机器学习构建的模型评估效果远远优于多元线性回归模型，其中，随机森林模型更适用于数据资产价值评估。未来，需要促进数据容量的扩展和数据质量的提升、加强数据资产评估和管理的技术支持以及建立和完善数据资产交易市场运行体制。

• 单位
  云南大学; 浙江省经济信息中心