价值创造视角下互联网平台企业价值评估模型研究

，（教授）

一、问题的提出

艾媒咨询2016年中国互联网企业价值榜显示，位居我国前15位的互联网公司无一例外都采用平台经营模式。而上述15家市值最大的互联网平台企业，市值总和高达5.24万亿元，成为网络经济的价值枢纽，对网络用户和投资者的影响巨大。作为一种新型经济组织形态，互联网平台企业在最近十年引起了学术界的极大关注。与传统企业相比，互联网平台企业的预期收益不稳定、无形资产占比高，如研发费用占销售收入的7%以上（Bhattacharya、Demers和Joos，2010），故股权市场价值很难通过财务指标直接在账面上反映（Colombo、Grilli，2010；Habib、Hossain，2013）。Trueman、Wong 和 Zhang（2000）实证考察了56个公开交易互联网企业的经营现金流量与市场价值的相互关系，进一步证实了财务指标与企业价值之间的弱相关性，并证明独立用户数和页面浏览量等非财务指标与股价显著正相关。但也有部分文献认为会计信息能够为互联网市场提供有价值的增量信息，如销售收入、研发费用、资产负债率等财务指标能够用以预示企业IPO以后期间的失败风险（Bhattacharya等，2010）。已有丰富文献探讨了财务指标和非财务指标在价值创造过程中所做贡献的差异（Cuellar-Fernandez，2011；Singh，2013），但对如何科学合理地构建出适用于互联网平台企业的估值整合方法这一问题，尚未得出很好的解决方法。

鉴于此，本文试图从价值创造的视角出发，基于价值创造的内在逻辑，根据效率、锁定、互补和创新四个关键渠道，搭建包含财务指标和非财务指标的互联网平台企业价值创造整体概念框架，并在此基础上，采用多元OLS回归法对纽约证券交易所和纳斯达克上市企业进行价值评估实践，以期为平台管理者进行价值管理与优化提供思想、方法和工具支持。

二、互联网平台企业价值创造整体框架和评估模型构建：基于价值创造视角

1.互联网平台企业价值创造的概念框架：财务和非财务驱动。本研究的主要对象是互联网平台企业，即具有双边市场特征、主要提供互联网信息服务且主营业务收入占营业收入总额50%以上的企业。与传统企业不同，互联网平台企业通常是高风险、高收益企业，知识的不可储存性和创新效益的溢出效应导致互联网企业的成长轨迹并非线性（Colombo和Grilli，2010），因此仅通过财务指标之间的钩稽关系来评判互联网平台企业的价值存在很大的局限性（Trueman、Wong和 Zhang，2000）。后续Aghabekyan（2010）、Ghandour（2010）等的研究均表明，影响互联网平台企业价值的不止是传统企业价值评估方法中应用的财务指标。

根据互联网平台企业价值创造的内在逻辑，将互联网平台企业的价值构成划分为基础价值和溢出价值两大部分。前者以财务指标驱动为主，包括反映运营能力的总资产周转率（Baik、Chae、Choi，2013）和应收账款周转率（Santosuoss，2014）、体现盈利能力的销售毛利率（Trueman、Wong和Zhang，2000）以及揭示成长能力的销售收入增长（Libby、Salterio、Webb，2011）和总资产增长指标（Bennedsen、Pérez-González、Wolfenzon，2011）。后者则是以非财务指标为主要驱动，涵盖了以客户关系管理为核心的用户能力（Livne、Simpson、Talmor，2011），基于平台服务 与 用 户 需 求（Newbert、Tornikoski、Quigley，2013）、同边和跨边用户之间（Hallen、Eisenhardt，2012）和商业模式构成要素间（Nenonen、Storbacka，2010）的协同能力，以及平台管理者在员工雇佣、资产购置、兼并收购、产品生产、项目决策、租赁选择、用户营销等多项决策上的综合能力（Demerjian、Lewis-Western、Lev，2013），另外还包括形势与政策、行业特征、社会环境等整体宏观经济因素（Semmler、Bernard，2012）。

事实上，互联网平台企业的价值创造过程包括四个互为依赖的维度：效率、锁定、互补和创新（Amit、Zott，2001）。基于交易成本经济学，通过效率（Efficiency）促成快速高效的交易活动，形成运营、盈利和成长能力（Matook，2013；Santosuosso，2014）；基于战略网络，采取个性化定制锁定（Lock-in）扩大平台生态系统上各方用户的基数以及忠诚用户的规模，组成用户能力（Ordanini、Pasini，2010）；基于资源基础论，依赖互补（Complementarities）缔结良好的生态关系网络，产生协同能力（Hallen和E.I.Senhardt，2012）；基于熊彼特创新，利用创造性破坏创新（Novelty）交易结构、交易内容、合作伙伴，构成管理能力（Wang，2013）。在此基础上形成的互联网平台企业价值创造的整体概念框架如图所示。

互联网平台企业价值创造的整体概念框架图

2.价值创造视角下的互联网平台企业价值评估指标参考体系。如前所述，互联网平台企业价值包括以财务指标驱动为主的基础价值和以非财务指标驱动为主的溢出价值。基于这一假设，构建价值创造视角下的互联网平台企业价值评估框架：借鉴企业价值评估中的市场法，以标杆企业价值为参照标准，即控制宏观经济环境对平台企业价值的影响；从运营、盈利、成长、用户、协同、管理六个能力维度提炼出可比特征因素指标，作为评估模型的重要参数予以衡量，其中前三者为财务因素，后三者则为非财务因素。需要说明的是，本文主要是通过调研现有比较成熟的研究筛选出合适的指标重构互联网平台企业价值的评估框架，然后与多位专家讨论后进一步确定互联网平台价值评估指标体系，具体如表1所示。

3.基于价值创造视角的互联网平台企业价值评估模型构建。基于前述价值创造视角下的互联网平台企业价值评估框架，设计企业价值评价模型。为放大标准化方法处理后的各个指标之间变异程度上的差异，设置相应系数α1～α11，构建如下模型：

表1 互联网平台企业价值评估指标参考体系

其中，j为待评估互联网平台企业，bm是标杆企业。P表示企业价值，可比因素特征指标包括总资产周转率（ATO）、应收账款周转率（RTO）、销售毛利率（PM）、销售收入增长倍数（GR）、总资产增长倍数（GA）、独立用户访问数（U）、服务需求匹配程度（S-R）、平台用户交互程度（U-U）、商业模式要素匹配程度（B-B）、管理者的综合水平（MG）。

三、实证研究设计：基于价值创造视角的互联网平台企业价值评估实证模型

1.互联网平台企业估值的实证模型。前面主要是从理论方面对构建互联网平台企业价值评估模型的新方法进行了详细阐述，为确保建模的科学性和可靠性，运用stata 12.0软件，实证检验了价值评估模型构建的效度。即对模型（1）的等式两边同取自然对数，然后再根据多元OLS回归的结果对原模型做进一步的检验、修正、再检验，最终得到调整后的模型各参数相应系数估计值αi（i=0～11），以此来估计互联网平台企业价值。多元回归检验模型的具体形式如下：

其中：Ln（Pj）代表待评估企业价值的自然对数，Ln（Pbm）表示标杆企业价值的自然对数。其他的价值评估参数均取自然对数，即总资产周转率比Ln（ATOj/ATObm）、应收账款周转率比Ln（RTOj/RTObm）、销售毛利率比Ln（PMj/PMbm）、销售收入增长倍数比 Ln（GRj/GRbm）、总资产增长倍数比 Ln（GAj/GAbm）、独立用户访问数比Ln（Uj/Ubm）、服务需求匹配程度比 Ln［（S-Rj）/（S-Rbm）］、平台用户交互程度比Ln［（U-Uj）/（U-Ubm）］、商业模式要素匹配程度比 Ln［（B-Bj）/（B-Bbm）］、管理者的综合水平比Ln（MGj/MGbm）。

2.价值评估模型的参数估计。

（1）标杆企业价值（Pbm）：标杆企业的股票价格，以会计年度年末的收盘价为基准。

（2）总资产周转率比（ATOj/ATObm）：待评估企业与标杆企业资产周转率的比值，其中，总资产周转率=销售收入净额/平均总资产。

（3）应收账款周转率比（RTOj/RTObm）：待评估企业与标杆企业应收账款周转率的比值，其中，应收账款周转率=赊销收入净额/平均总资产。

（4）销售毛利率比（PMj/PMbm）：待评估企业与标杆企业销售毛利率的比值，其中，销售毛利率=销售毛利润/营业收入。

（5）销售收入增长倍数比（GRj/GRbm）：待评估企业与标杆企业销售收入增长倍数的比值，其中，销售收入增长倍数=本年营业收入/上一年营业收入。

（6）总资产增长倍数比（GAj/GAbm）：待评估企业与标杆企业总资产增长倍数的比值，其中，总资产增长倍数=本年总资产/上一年总资产。

（7）独立用户访问数比（Uj/Ubm）：待评估企业与标杆企业独立用户访问数量的比值，其中，独立用户访问量为每天访问该网站的独立IP数。

（8）服务需求匹配程度比［（S-Rj）/（S-Rbm）］：待评估企业与标杆企业服务需求匹配程度的比值，可以用人均页面浏览数间接衡量。为保证数据的趋同和可比性，对其进行无量纲化处理，即通过极值法对数据进行线性变化，最终映射在区间［0，1］中。但是处理后的数据可能会出现0，导致最终的评估模型结果失效。因此，在对数据进行标准化处理后，为了确保样本的有效性，将数据进行分数化处理，分别在分子和分母中添加一个固定值，保证映射区间最终落在［0.5，1］之间。

（9）平台用户交互程度比［（U-Uj）/（U-Ubm）］：待评估企业与标杆企业平台用户交互程度的比值，可以用每百万网民访问该站的人数间接衡量。每百万网民访问该站的人数反映了平台企业的市场占有情况，网站用户在互联网用户中所占的比率越高，也就意味着平台用户的基数越大，能够激发的同边和跨边网络效应也就越强，即平台用户之间的交互程度越高。另外，根据每百万网民访问该站规模的数量级，赋予不同的用户交互程度值，如当每百万网民访问该站的人数小于10时，设定平台用户的交互程度U-U=50%；访问人数小于102，则设定U-U=60%；访问人数小于103，则设定U-U=70%，以此类推。

（10）商业模式要素匹配程度比［（B-Bj）/（BBbm）］：待评估企业与标杆企业商业模式要素匹配程度的比值可以用全球排名PV Rank间接衡量。与平台用户交互程度U-U比相同，通过互联网平台企业排名的数量级赋予不同的商业模式要素匹配程度，如全球排名小于10时，设定商业模式要素匹配程度B-B=100%；网站排名小于102，则设定B-B=90%；网站排名小于103，则设定B-B=80%，以此类推。

（11）管理者的综合水平比（MGj/MGbm）：待评估企业与标杆企业管理者能力的比值，借鉴Demerjian、Lev、McVay（2012）的做法，用DEA-Tobit两阶段模型加以估计，即首先采用数据包络分析法（DEA）估计企业的全效率。其中，主营业务收入（Sales）和独立访客（UV）度量平台企业产出；主营业务成本（GOGS），市场、销售和管理费用（SGA），固定资产净值（PPE），净经营租赁（OpsLease），研发费用（RD），商誉（GoodWill）以及除商誉外的无形资产（OtherIntan）代表企业投入。在此基础上，分离出互联网平台企业的管理者能力贡献值，即剔除公司因素对效率值的影响，包括规模（SZ）、市场份额（MS）、自由现金流（FCF）、上市年限（Age）、外汇业务（FC）。

3.样本选择和数据来源。本文以1986～2015年纽约证券交易所和纳斯达克上市的互联网平台企业为研究样本，包括81家，从中随机抽取1家企业作为标杆企业，以2015年为研究分析区间，即将标杆企业2015年12月31日的股票收盘价设为价值基准，进一步确定其他80家不是标杆平台企业的价值，由此产生800个初始观测值。在此基础上，剔除已经退市以及数据不完整或者指标极端异常的企业，最终得到年度观测值660个。股价和财务数据均来源于同花顺IFinD数据库，以Web流量数据为主的非财务数据则是通过可以公开访问的全球性流量排名网站Alexa获得。所有连续变量均进行了1%的Winsorize缩尾处理。

四、实证分析

1.样本描述性统计分析。表2列示了与实证模型相关的变量描述性统计，由于所有连续变量均已进行了上下一分位的Winsorize处理，绝大多数变量的标准差都小于2，甚至在1以下，不存在明显的极端值。未列示的Pearson相关性检验结果显示，多数主要变量之间的相关系数小于0.3，方差膨胀因子小于5（VIF=4.34），即建模所选用的企业价值评估参数相对独立，不存在严重的多重共线性问题。另外，从检验结果来看，总资产周转率比（ATOj/ATObm）和应收账款周转率比（RTOj/RTObm）与企业价值Pj负相关，这可能是由于财务指标与互联网平台企业价值之间存在弱相关性，导致检验结果并不符合理论预期，但是否要将前述变量剔除，还有待于多元回归的进一步检验。

2.回归分析和模型校正。根据上文构建的互联网平台企业价值实证模型（2），检验了价值评估模型构建的效度以及衡量指标的合理性，通过逐步回归法（stepwise regression）及经验判断对价值模型评估做进一步调整和修正，剔除对互联网平台企业价值没有显著影响或不符合常理的评估指标，检验结果列示于表3。在全变量回归模型A中，应收账款周转率比（RTOj/RTObm）的 t检验值为 1.76，P值为0.078；销售收入增长倍数比（GRj/GRbm）的t检验值为0.72，P值为0.474。以上变量不能在5%的水平上通过显著性检验，模型B逐步回归的检验结果进一步支持了模型A，因此删除了RTOj/RTObm和GRj/GRbm这两个指标。另外，由于本文提出的方法在一定程度上是对市场法的延伸和拓展，要求互联网平台企业价值评估模型中包含的参数具有趋同性，即对企业价值的作用力相同，以确保新方法在价值评估应用过程中的有效性，因此进一步剔除影响系数为负的评估指标ATOj/ATObm和（B-Bj）/（BBbm），修正后的模型回归结果如表3模型C所示，方程通过F检验，整体拟合效果也较好。

表2 主要变量描述性统计

综合上述分析，优化模型包括如下参数：Pbm、PMj/PMbm、GAj/GAbm、Uj/Ubm、（S-Rj）/（S-Rbm）、（U-Uj）/（U-Ubm）、MGj/MGbm。修正后的互联网平台价值评估模型为：

3.估值方法的效果比较。本文将新方法的估值误差和解释能力与市场法检验得到的结果相对比，以此论证了新方法的应用价值。另外，市场法的常用方法包括市盈率和市净率法，但在互联网平台企业中每股收益为负的样本数过多，有效观察数（168）仅占到样本容量（660）的25.45%，导致应用市盈率法评估互联网平台企业价值不具有普适性。相比之下，采用市净率法的有效样本率相对较高（566/660=85.76%）。因此，选用市净率法作为比较标准，检验结果列示于表4。从估计值与股价误差的比较来看，不论是均值（带符号误差率和绝对误差率）还是中位数，新方法的估值误差均显著优于市场法。从对股价的解释能力比较来看，运用新方法估值对股票价格的解释能力（R2=25.6%）显著优于市场法估值（R2=21.5%）。同时，相比于市场法检验得到的系数值0.379，新方法得到的回归系数（1.175）更接近1，且在1%水平上统计显著。

表3 互联网平台企业价值评估模型构建效度以及衡量指标合理性的实证检验

表4 应用新方法与市场法评估互联网平台企业价值的估值效果比较

五、研究结论与启示

本文基于价值创造视角，通过效率、锁定、互补和创新四个关键渠道，从运营、盈利、成长、用户、协同、管理六个能力维度出发，搭建互联网平台企业价值创造的整体概念框架及价值评估的指标参考体系。然后通过逐步回归和经验判断对原模型做进一步检验、修正、再检验，剔除对企业价值没有显著影响或不符合常理的评估指标，在此基础上构造出的优化模型应用于1986～2015年纽约证券交易所和纳斯达克上市的互联网平台企业。研究表明，尽管有文献认为财务指标和非财务指标在企业价值创造过程中所做的贡献各有差异，也定性检验了各自在互联网平台企业估值中是否发挥作用，但是鲜有研究同时考虑财务绩效和非财务绩效两个维度。因此，本文跳出企业价值评估模型的既有研究范式，基于价值创造视角提出创新性的估值体系和方法，推动了企业价值相关理论。本文通过多元OLS回归法对互联网平台企业进行价值评估，实践证明新模型无论是在估值效果还是解释力上均显著优于传统的市场法模型，论证了本研究的互联网平台企业价值评估体系和方法具有良好的适用性以及可操作性，提供了有参考价值的定价模型。
从本文的研究结论可以得到如下启示：第一，价值管理理论强调企业的决策活动要服务于企业价值创造，但现有文献对互联网企业的价值评估研究着重于解释互联网平台企业在资本市场上与传统企业表现迥异背后的原因，鲜有文献将企业价值评估研究与价值创造的具体策略和方法关联起来。本文在方法构建过程中蕴含了服务于价值创造的元素，将企业价值创造理念与经营管理要素和策略关联起来，有助于把价值管理理论落到实处并取得实效。第二，集成财务和非财务指标，构建根据基础指标计算企业价值的解释性的估值模型，从而建立起经营绩效和企业价值之间的关系，为企业开展具体的价值创造活动提供事前方案选择和事后效果评估，为其运用价值管理方法和价值优化策略提升企业整体价值提供思想、方法和工具支持。第三，可以将以上研究成果的管理思想和方法编制成标准化的应用程序，开发出一套为互联网平台企业创设、经营和优化其商业生态系统提供价值策略指导的在线运营管理软件，向平台管理者提供价值管理方法和价值优化策略等方面的评价、诊断和优化咨询服务，实现流程化、扁平化、网络化、信息化和智能化管理。

Amit R.，Zott C.．Value Creation in E Business［J］．Strategic Management Journal，2001（6）．

Baik B.，Chae J.，Choi S. et al.．Changes in Operational Efficiency and Firm Performance： A Frontier Analysis Approach ［J］ ． Contemporary Accounting Research，2013（3）．

Bhattacharya N.，Demers E.，Joos P.．The Relevance of Accounting Information in a Stock Market Bubble：Evidence from Internet IPOs［J］．Journal of Business Finance & Accounting，2010（3）．

Boudreau K. J.． Let a Thousand Flowers Bloom？ An Early Look at Large Numbers of Software App Developers and Patterns of Innovation［J］．Organization Science，2012（5）．

Demerjian P. R.，Lewis- Western M. F.，Lev B. et al.．Managerial Ability and Earnings Quality［J］．Social Science Electronic Publishing，2013（2）．