互聯(lián)網(wǎng)企業(yè)EVA估值模型改進(jìn)研究

朱偉民（教授），姜夢(mèng)柯，趙 梅，王玉玎

一、引言

根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）第43 次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2018年12 月，我國(guó)網(wǎng)民規(guī)模達(dá)8.29 億人，互聯(lián)網(wǎng)普及率高達(dá)59.6%[1]。信息技術(shù)的快速發(fā)展和網(wǎng)絡(luò)用戶的激增使得以BAT（J百度、阿里巴巴、騰訊、京東）為代表的互聯(lián)網(wǎng)企業(yè)迅速成為有廣泛影響的巨型公司。這些企業(yè)把各參與方連接起來(lái)，構(gòu)建由多個(gè)主體組成的價(jià)值網(wǎng)絡(luò)，利用各參與方獨(dú)特的資源和技能，無(wú)限擴(kuò)展經(jīng)營(yíng)領(lǐng)域和業(yè)務(wù)范圍，對(duì)經(jīng)濟(jì)增長(zhǎng)和社會(huì)發(fā)展都產(chǎn)生了難以估量的影響。目前，我國(guó)境內(nèi)外上市的互聯(lián)網(wǎng)企業(yè)已經(jīng)超過(guò)了100 家，總市值約十萬(wàn)億人民幣。在國(guó)外，私募股權(quán)市場(chǎng)對(duì)網(wǎng)約車Uber 的估值已經(jīng)高于成立于1908 年的汽車業(yè)巨頭通用汽車公司[2]。

資本市場(chǎng)賦予了互聯(lián)網(wǎng)企業(yè)高估值的光環(huán)。服務(wù)的不可儲(chǔ)存性和創(chuàng)新效益的溢出效應(yīng)導(dǎo)致互聯(lián)網(wǎng)企業(yè)的成長(zhǎng)軌跡并非是線性的，初期大多數(shù)企業(yè)的凈利潤(rùn)為負(fù)或者凈現(xiàn)金流量為負(fù)甚至凈資產(chǎn)為負(fù)，導(dǎo)致財(cái)務(wù)估值模型無(wú)法正常使用，這是互聯(lián)網(wǎng)企業(yè)估值中的難點(diǎn)。

互聯(lián)網(wǎng)企業(yè)獨(dú)特的財(cái)務(wù)狀況使其需要基于新的視角進(jìn)行估值。互聯(lián)網(wǎng)企業(yè)的估值不僅與資產(chǎn)和盈利等財(cái)務(wù)指標(biāo)有關(guān)，更取決于投資者對(duì)企業(yè)發(fā)展前景的預(yù)期。互聯(lián)網(wǎng)企業(yè)擁有的最主要的資源是用戶，企業(yè)的價(jià)值源泉是用戶基礎(chǔ)。當(dāng)前，互聯(lián)網(wǎng)企業(yè)已經(jīng)從單純依靠資產(chǎn)獲益轉(zhuǎn)向開(kāi)發(fā)用戶價(jià)值。

基于上述分析，本文不再拘泥于傳統(tǒng)的基于盈利、資產(chǎn)和交易價(jià)格估值的方法，而是轉(zhuǎn)向用戶創(chuàng)造價(jià)值的視角，在回顧已有相關(guān)研究的基礎(chǔ)上，針對(duì)互聯(lián)網(wǎng)企業(yè)的特征提出基于用戶價(jià)值的改進(jìn)的EVA模型，并以阿里巴巴為例驗(yàn)證模型的有效性。

二、互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估研究現(xiàn)狀

1.基于盈利性的互聯(lián)網(wǎng)企業(yè)估值。在早期的研究中，很多學(xué)者沿用傳統(tǒng)的估值方法，對(duì)收益法、市場(chǎng)法進(jìn)行了不同程度的改進(jìn)。Blodge、Anning[3]比較了傳統(tǒng)企業(yè)和互聯(lián)網(wǎng)企業(yè)的發(fā)展速度的不同，提出了修正的市盈率法；Wolf 等[4]則運(yùn)用改進(jìn)的EVA模型評(píng)估互聯(lián)網(wǎng)企業(yè)價(jià)值；劉官華[5]構(gòu)建了改進(jìn)的現(xiàn)金流折現(xiàn)模型。但互聯(lián)網(wǎng)企業(yè)發(fā)展早期普遍會(huì)經(jīng)歷特殊的“燒錢”階段，盈利性很差，預(yù)期收益的不確定性使得基于盈利的估值方法有很大的局限性[6]。

2.基于企業(yè)成長(zhǎng)不確定性的互聯(lián)網(wǎng)企業(yè)估值。Schwartz、Moon[7]運(yùn)用蒙特卡洛法對(duì)亞馬遜的股票估值進(jìn)行模擬分析，認(rèn)為互聯(lián)網(wǎng)企業(yè)價(jià)值很大程度上取決于收入增長(zhǎng)率。Schwartz 和Moon 的模型中假設(shè)較多，導(dǎo)致估值結(jié)果與真實(shí)股價(jià)有較大的差距。李明[8]和趙延朋[9]分別運(yùn)用B-S模型對(duì)百度和騰訊的市值進(jìn)行了評(píng)估對(duì)比。運(yùn)用實(shí)物期權(quán)計(jì)算的理論價(jià)值與市場(chǎng)價(jià)值有一定的可比性，但是在推導(dǎo)過(guò)程中對(duì)相關(guān)參數(shù)的分析可能存在一定的偏差?；ヂ?lián)網(wǎng)企業(yè)在高速發(fā)展的同時(shí)面臨著很大的不確定性，實(shí)物期權(quán)法可以在一定程度上緩解這種不確定性。

3.涵蓋財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)的綜合性視角。這類研究通常是將定量和定性分析相結(jié)合，提出包括多個(gè)指標(biāo)的評(píng)價(jià)體系。羅淇[10]從互聯(lián)網(wǎng)企業(yè)的盈利模式入手，確定能夠反映互聯(lián)網(wǎng)企業(yè)價(jià)值的各項(xiàng)財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)并賦予相應(yīng)的權(quán)重，通過(guò)綜合評(píng)估得到互聯(lián)網(wǎng)企業(yè)的價(jià)值。王自然[11]根據(jù)盈利模式的差異把互聯(lián)網(wǎng)企業(yè)拆分為不同的業(yè)務(wù)模塊，分別對(duì)不同的業(yè)務(wù)模塊進(jìn)行價(jià)值評(píng)估，加總后得到企業(yè)價(jià)值。黃生權(quán)、李源[12]運(yùn)用模糊實(shí)物期權(quán)評(píng)價(jià)法構(gòu)建了互聯(lián)網(wǎng)企業(yè)綜合價(jià)值評(píng)估體系。綜合性方法不僅指標(biāo)眾多、難以量化、可操作性不強(qiáng)，而且缺少相關(guān)的實(shí)證分析，因此其實(shí)際效果無(wú)法得到驗(yàn)證。

4.基于互聯(lián)網(wǎng)企業(yè)的用戶資源，以用戶數(shù)量和用戶質(zhì)量評(píng)估互聯(lián)網(wǎng)企業(yè)價(jià)值。Lehmann 等[13]指出，對(duì)具有負(fù)收益的高成長(zhǎng)公司比較準(zhǔn)確的估值方法就是客戶估值，隨著時(shí)間的推移客戶價(jià)值比實(shí)際市值更能穩(wěn)定地反映企業(yè)的內(nèi)在價(jià)值。Bauer、Hammerschmidt[14]提出了以客戶為基礎(chǔ)的企業(yè)估值，通過(guò)整合客戶資產(chǎn)和企業(yè)價(jià)值觀構(gòu)建了用于估計(jì)單個(gè)客戶終身價(jià)值和客戶權(quán)益的公式，并結(jié)合傳統(tǒng)的財(cái)務(wù)指標(biāo)估算FCF，然后以電信產(chǎn)業(yè)并購(gòu)案例對(duì)模型進(jìn)行了驗(yàn)證。Krafft 等[15]提出了基于二叉樹(shù)情景模型對(duì)成長(zhǎng)性公司的客戶進(jìn)行估值的方法，其基于用戶數(shù)量和每個(gè)用戶產(chǎn)生的現(xiàn)金流量二叉樹(shù)情景技術(shù)，得出了比采用傳統(tǒng)凈現(xiàn)值法更高的公司價(jià)值，但該研究忽視了現(xiàn)金流量，只考慮了現(xiàn)有客戶的現(xiàn)時(shí)價(jià)值。魏嘉文、田秀娟[16]從梅特卡夫法則出發(fā)，借鑒基于客戶數(shù)量的網(wǎng)絡(luò)企業(yè)定價(jià)公式，改進(jìn)了社交網(wǎng)絡(luò)企業(yè)價(jià)值評(píng)估方法，并以新浪微博為例驗(yàn)證了其優(yōu)越性。這一類研究更有針對(duì)性，更加符合互聯(lián)網(wǎng)企業(yè)的實(shí)際。

總體來(lái)看，針對(duì)互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估的研究還處于探索階段，現(xiàn)有文獻(xiàn)尚未充分揭示網(wǎng)絡(luò)效應(yīng)對(duì)互聯(lián)網(wǎng)企業(yè)估值的影響?；ヂ?lián)網(wǎng)企業(yè)的估值不僅要探討模型的適用性，還要揭示互聯(lián)網(wǎng)企業(yè)的價(jià)值創(chuàng)造和價(jià)值獲取與傳統(tǒng)企業(yè)的不同。

三、網(wǎng)絡(luò)效應(yīng)與互聯(lián)網(wǎng)企業(yè)價(jià)值

互聯(lián)網(wǎng)企業(yè)的商業(yè)模式、成長(zhǎng)軌跡與傳統(tǒng)企業(yè)有很大差異，其價(jià)值評(píng)估也因其所具有的獨(dú)特性而變得相對(duì)復(fù)雜：①互聯(lián)網(wǎng)企業(yè)估值最突出的特征是成長(zhǎng)性預(yù)期更高。持續(xù)的商業(yè)模式創(chuàng)新、不斷涌現(xiàn)的新業(yè)態(tài)、網(wǎng)絡(luò)效應(yīng)帶來(lái)的“指數(shù)級(jí)”增長(zhǎng)，使得對(duì)互聯(lián)網(wǎng)企業(yè)未來(lái)的預(yù)期值要遠(yuǎn)遠(yuǎn)高于成長(zhǎng)潛力相對(duì)穩(wěn)定的傳統(tǒng)企業(yè)。因此，成長(zhǎng)性是影響企業(yè)價(jià)值評(píng)估的關(guān)鍵因素之一。②難以合理預(yù)測(cè)互聯(lián)網(wǎng)企業(yè)的未來(lái)收益。根據(jù)我國(guó)企業(yè)價(jià)值評(píng)估準(zhǔn)則和相關(guān)規(guī)范的要求，對(duì)企業(yè)未來(lái)收益進(jìn)行預(yù)測(cè)是基于企業(yè)歷史經(jīng)營(yíng)數(shù)據(jù)，這種估值方法要求企業(yè)未來(lái)的發(fā)展路徑不能發(fā)生“突變”。這個(gè)假設(shè)適用于傳統(tǒng)企業(yè)，但對(duì)于互聯(lián)網(wǎng)企業(yè)則基本不成立。環(huán)境的復(fù)雜性、不確定性和突變性導(dǎo)致互聯(lián)網(wǎng)企業(yè)產(chǎn)生的現(xiàn)金流數(shù)量和持續(xù)的時(shí)間都很難預(yù)測(cè)。③互聯(lián)網(wǎng)企業(yè)存在潛在的非財(cái)務(wù)價(jià)值。對(duì)于互聯(lián)網(wǎng)企業(yè)來(lái)說(shuō)，基于新增長(zhǎng)點(diǎn)的潛在價(jià)值并未體現(xiàn)在當(dāng)期的財(cái)務(wù)報(bào)表中?；ヂ?lián)網(wǎng)企業(yè)前期構(gòu)建用戶基礎(chǔ)需要進(jìn)行巨額投入，此時(shí)反映在財(cái)務(wù)報(bào)表中的經(jīng)營(yíng)成果極其有限，其價(jià)值更多受到創(chuàng)新速度、管理效率和市場(chǎng)開(kāi)發(fā)等一系列非財(cái)務(wù)指標(biāo)的影響。用戶基礎(chǔ)作為互聯(lián)網(wǎng)企業(yè)市場(chǎng)份額的關(guān)鍵因素，對(duì)企業(yè)的價(jià)值評(píng)估影響重大。目前為止，對(duì)于非收益性價(jià)值的評(píng)估沒(méi)有統(tǒng)一的方法和衡量標(biāo)準(zhǔn)，運(yùn)用現(xiàn)有的估值方法難以得到真實(shí)公允的互聯(lián)網(wǎng)企業(yè)的內(nèi)在價(jià)值。

互聯(lián)網(wǎng)企業(yè)與傳統(tǒng)企業(yè)最大的不同在于網(wǎng)絡(luò)效應(yīng)的影響。所謂網(wǎng)絡(luò)效應(yīng)是指在特定的產(chǎn)業(yè)市場(chǎng)中，一個(gè)消費(fèi)者的價(jià)值取決于使用同一個(gè)產(chǎn)品或服務(wù)的其他消費(fèi)者（或生產(chǎn)者）的數(shù)量[17]，缺少其他消費(fèi)者，產(chǎn)品就變得毫無(wú)價(jià)值，產(chǎn)品價(jià)值隨著用戶數(shù)量的增加呈現(xiàn)指數(shù)增長(zhǎng)趨勢(shì)。阿里等互聯(lián)網(wǎng)企業(yè)作為平臺(tái)聯(lián)系買家和賣家，構(gòu)筑雙邊或多邊市場(chǎng)，提供促進(jìn)各個(gè)用戶群體相互交易的基礎(chǔ)設(shè)施和規(guī)則[18]，協(xié)調(diào)各用戶群體[19]。互聯(lián)網(wǎng)企業(yè)構(gòu)建的交易空間（平臺(tái)）是交易雙方的中介，從各方創(chuàng)造的價(jià)值增值中獲利。無(wú)論買家還是賣家均為互聯(lián)網(wǎng)企業(yè)的用戶，缺少了一邊的需求，另一邊的需求也會(huì)消失。網(wǎng)絡(luò)效應(yīng)可能帶來(lái)“贏者通吃”的結(jié)果，擁有最多用戶的平臺(tái)能夠按照其意愿“顛覆市場(chǎng)”[20]，因而互聯(lián)網(wǎng)企業(yè)常常把快速積累用戶數(shù)量作為首要目標(biāo)。

網(wǎng)絡(luò)效應(yīng)的激發(fā)是一個(gè)動(dòng)態(tài)演化過(guò)程。在互聯(lián)網(wǎng)企業(yè)發(fā)展的初期，企業(yè)常常要通過(guò)免費(fèi)或補(bǔ)貼的方式吸引用戶以激發(fā)網(wǎng)絡(luò)效應(yīng)。這一時(shí)期的現(xiàn)金流為負(fù)，企業(yè)往往要借助外部融資滿足巨大的資金需求，天使投資等投資方只能基于企業(yè)的發(fā)展前景對(duì)企業(yè)進(jìn)行估值。隨著用戶數(shù)量的不斷增長(zhǎng)，網(wǎng)絡(luò)效應(yīng)逐步顯現(xiàn)，企業(yè)不僅要繼續(xù)擴(kuò)大用戶范圍，還要綁定用戶，以提高用戶忠誠(chéng)度。在用戶數(shù)量達(dá)到“引爆點(diǎn)”（臨界點(diǎn)）之后就形成了自我強(qiáng)化的正反饋循環(huán)，網(wǎng)絡(luò)效應(yīng)充分顯現(xiàn)[21]。這時(shí)企業(yè)不僅要對(duì)現(xiàn)有用戶資源進(jìn)行深耕，還可能以“包絡(luò)”等方式進(jìn)入新的領(lǐng)域[22]，構(gòu)建平臺(tái)生態(tài)系統(tǒng)。如阿里針對(duì)電商用戶開(kāi)發(fā)的娛樂(lè)、旅游、金融等業(yè)務(wù)，京東從家電起步擴(kuò)展到全品類等。借助網(wǎng)絡(luò)效應(yīng)，互聯(lián)網(wǎng)企業(yè)不但實(shí)現(xiàn)了規(guī)模經(jīng)濟(jì)，還最大限度地發(fā)掘了范圍經(jīng)濟(jì)。

綜上所述，互聯(lián)網(wǎng)企業(yè)的價(jià)值源泉來(lái)自用戶，“互聯(lián)網(wǎng)企業(yè)投資用戶的過(guò)程也是價(jià)值創(chuàng)造的過(guò)程，沒(méi)有創(chuàng)造收入的用戶同樣具有價(jià)值”[23]。用戶基礎(chǔ)帶來(lái)的網(wǎng)絡(luò)效應(yīng)是互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估的前提。

四、用戶價(jià)值視角的互聯(lián)網(wǎng)企業(yè)EVA估值模型

企業(yè)價(jià)值評(píng)估是選擇某一日期作為評(píng)估基準(zhǔn)日，對(duì)企業(yè)的整體經(jīng)濟(jì)價(jià)值進(jìn)行分析，衡量和評(píng)價(jià)企業(yè)的公平市場(chǎng)價(jià)值。網(wǎng)絡(luò)效應(yīng)蘊(yùn)含巨大的價(jià)值創(chuàng)造潛力，使得互聯(lián)網(wǎng)企業(yè)的價(jià)值評(píng)估更多的是對(duì)其發(fā)展前景進(jìn)行預(yù)期。

針對(duì)互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估的難點(diǎn)，傳統(tǒng)的價(jià)值評(píng)估方法存在適用性缺陷。傳統(tǒng)的企業(yè)估值依據(jù)是預(yù)期收益折現(xiàn)、市場(chǎng)比較、企業(yè)資產(chǎn)、成本投入等。收益法的關(guān)鍵是對(duì)未來(lái)收益的預(yù)測(cè)，可以由預(yù)期收入確定?；ヂ?lián)網(wǎng)企業(yè)的高成長(zhǎng)性伴隨的是預(yù)期收益不穩(wěn)定、輕資產(chǎn)等特征。成立25年的亞馬遜只有少數(shù)年份的財(cái)報(bào)盈利，京東盡管有巨大的營(yíng)業(yè)收入和交易量卻依然處于虧損狀態(tài)。可見(jiàn)，在資本市場(chǎng)上互聯(lián)網(wǎng)企業(yè)的股價(jià)與財(cái)務(wù)指標(biāo)的關(guān)聯(lián)性不高[23]。

市場(chǎng)法的關(guān)鍵在于選擇可比公司，而參照物本身價(jià)格的合理性直接影響著結(jié)果的合理性，互聯(lián)網(wǎng)公司作為新興企業(yè)很難確定適宜的參照企業(yè)[24]?；ヂ?lián)網(wǎng)行業(yè)發(fā)展周期短、產(chǎn)品（業(yè)務(wù)）更迭快、商業(yè)模式創(chuàng)新頻繁，能夠生存下來(lái)的企業(yè)并不多，進(jìn)入資本市場(chǎng)的上市公司都是各領(lǐng)域的佼佼者。輕資產(chǎn)的互聯(lián)網(wǎng)企業(yè)的資產(chǎn)狀況并不能在財(cái)務(wù)報(bào)表中得到充分反映，成本法顯然不能用于互聯(lián)網(wǎng)企業(yè)估值。相比之下，應(yīng)用經(jīng)濟(jì)增加值（EVA）模型從用戶價(jià)值的角度評(píng)價(jià)互聯(lián)網(wǎng)企業(yè)的價(jià)值能較好地解決估值不確定性的問(wèn)題，更好地揭示成長(zhǎng)性對(duì)互聯(lián)網(wǎng)企業(yè)價(jià)值的影響。

EVA 是企業(yè)資本收益與資本成本之間的差額，即企業(yè)稅后經(jīng)營(yíng)利潤(rùn)與全部投入資本成本的差額。改進(jìn)的EVA估值模型從用戶創(chuàng)造價(jià)值出發(fā)，以用戶價(jià)值代替模型中的稅后經(jīng)營(yíng)利潤(rùn)。從投入產(chǎn)出的角度看，用戶價(jià)值衡量的是產(chǎn)出水平，采用傳統(tǒng)的加權(quán)平均資本成本乘以投入資本總額衡量投入水平，由投入減去產(chǎn)出得出“經(jīng)濟(jì)增加值”，最終確定折現(xiàn)后的互聯(lián)網(wǎng)企業(yè)價(jià)值。

EVA 估值改進(jìn)模型的關(guān)鍵在于用戶價(jià)值的確定。目前對(duì)互聯(lián)網(wǎng)企業(yè)用戶價(jià)值的計(jì)量并沒(méi)有統(tǒng)一的方法，本文結(jié)合互聯(lián)網(wǎng)企業(yè)發(fā)展不確定性和各個(gè)發(fā)展階段的特征，借鑒傳統(tǒng)的客戶價(jià)值計(jì)量方法，運(yùn)用基于用戶數(shù)量和每個(gè)用戶產(chǎn)生的現(xiàn)金流量的二叉樹(shù)期權(quán)定價(jià)模型確定用戶價(jià)值?；ヂ?lián)網(wǎng)企業(yè)的發(fā)展過(guò)程有三個(gè)重要時(shí)期：初創(chuàng)期、成長(zhǎng)期和穩(wěn)定增長(zhǎng)期。初創(chuàng)時(shí)期初始用戶的積累必須達(dá)到臨界點(diǎn)，日益增長(zhǎng)的用戶給企業(yè)帶來(lái)的現(xiàn)金流量越來(lái)越大。在成長(zhǎng)期，達(dá)到臨界點(diǎn)用戶數(shù)量之后形成的正反饋效應(yīng)使得用戶數(shù)量激增，現(xiàn)金流量也隨之快速增長(zhǎng)。隨著用戶數(shù)量增長(zhǎng)逐漸平緩，企業(yè)進(jìn)入穩(wěn)定增長(zhǎng)期。本研究建立在持續(xù)經(jīng)營(yíng)假設(shè)的基礎(chǔ)上，將互聯(lián)網(wǎng)企業(yè)的穩(wěn)定增長(zhǎng)期視為傳統(tǒng)企業(yè)的永續(xù)增長(zhǎng)期。

本文提出的改進(jìn)EVA估值模型，是根據(jù)用戶數(shù)量以及用戶帶來(lái)的現(xiàn)金流量的變化評(píng)估企業(yè)價(jià)值。在用戶數(shù)量的動(dòng)態(tài)演化過(guò)程中，假定終端用戶的數(shù)量初始水平為N0，之后的用戶數(shù)量增長(zhǎng)如果達(dá)到了臨界值，用戶數(shù)量就會(huì)在短時(shí)間內(nèi)實(shí)現(xiàn)指數(shù)增長(zhǎng)；如果用戶數(shù)量的初始水平長(zhǎng)期低于臨界值，企業(yè)就會(huì)由于負(fù)網(wǎng)絡(luò)效應(yīng)（負(fù)反饋）而衰敗。

根據(jù)互聯(lián)網(wǎng)企業(yè)用戶數(shù)量的變化，假設(shè)其傾向于偏離關(guān)鍵平均水平，并基于動(dòng)量過(guò)程來(lái)模擬正反饋現(xiàn)象，dz為標(biāo)準(zhǔn)的維納過(guò)程，a作為用戶數(shù)量變化的速度，則用戶數(shù)量的變化用式（1）衡量：

式（1）給出了用戶數(shù)量臨界值N 和當(dāng)前用戶數(shù)量的差距，速度因子a的負(fù)值越大，表明發(fā)散形成越快。由于dz（t）為零，所以用戶數(shù)量的預(yù)期變化為在式（1）中規(guī)定的該過(guò)程的隨機(jī)成分取決于隨機(jī)變量d（zt）和用戶數(shù)量變化的波動(dòng)率σ。式（1）中的過(guò)程類似于平均回歸過(guò)程，但a＜0 引起的是動(dòng)量效應(yīng)而不是平均回歸效應(yīng)。本文按照Hull[25]提出的方法在離散時(shí)間二項(xiàng)式網(wǎng)格中實(shí)現(xiàn)該過(guò)程。

對(duì)于式（1）的離散形式，Hull[25]運(yùn)用兩階段三項(xiàng)式程序模擬利率變化。而文中模型的關(guān)鍵用戶數(shù)量是一個(gè)常量，不隨時(shí)間變化，一個(gè)階段就可以滿足。同時(shí)，文中模型是對(duì)用戶數(shù)量的預(yù)期變化進(jìn)行參數(shù)化，而不是變化的波動(dòng)，這就意味著每個(gè)節(jié)點(diǎn)只需要兩個(gè)分支?？梢?jiàn)，在本文離散模型的運(yùn)用中，一個(gè)階段的二叉樹(shù)模型就足夠了。根據(jù)Hull[25]的描述，跳躍寬度的選擇取決于用戶數(shù)量變化的波動(dòng)性。為了表達(dá)用戶數(shù)量，構(gòu)建以下式（2）：

在二項(xiàng)式網(wǎng)格中，（t，j）表示在時(shí)間t、狀態(tài)j下的特征。式（2）給出一個(gè)簡(jiǎn)單的過(guò)程，意味著用戶數(shù)量在每個(gè)節(jié)點(diǎn)增加n 或者減少n，n 表示跳躍寬度?；谶@一方程式，給出一個(gè)假定情形下用戶數(shù)量變化的過(guò)程圖：跳躍寬度n=80，初始用戶數(shù)量為0，速度因子a=-0.4，用戶數(shù)量臨界值N=100，具體如圖1所示。

圖1 用戶數(shù)量的二叉樹(shù)模型

相應(yīng)地，為了獲得用戶數(shù)量的預(yù)期變化，要計(jì)算出相匹配的概率。令πj為狀態(tài)j上移的概率。為了避免負(fù)概率，必須限制一組可能的狀態(tài)j，將L 定義為最大狀態(tài)，將-L定義為最小狀態(tài)，然后與式（1）中的變化匹配：

如果狀態(tài)變量j超過(guò)最大狀態(tài)，則將兩側(cè)的狀態(tài)限制為L(zhǎng)和-L。Hull[25]通過(guò)改變分支技術(shù)來(lái)限制狀態(tài)。在互聯(lián)網(wǎng)企業(yè)的發(fā)展過(guò)程中，用戶數(shù)量在短期飛速擴(kuò)張后逐漸穩(wěn)定下來(lái)。因此，本文放棄了用戶群的動(dòng)力過(guò)程，并轉(zhuǎn)向了幾何布朗運(yùn)動(dòng)。本文設(shè)πj=0.5代替|j|＞L，而不是改變分支技術(shù)。從等式（3）中的|j|≤L，我們推導(dǎo)出一個(gè)狀態(tài)而不是時(shí)間依賴的概率：

將式（2）代入式（4）中，得到簡(jiǎn)化的概率：

如前所述，如果用戶數(shù)量達(dá)到了臨界值就能夠激發(fā)網(wǎng)絡(luò)效應(yīng)；如果未達(dá)到臨界值，許多用戶就只會(huì)嘗試一次，用戶數(shù)量迅速下降。假設(shè)初始用戶數(shù)量與用戶數(shù)量臨界值相等，則得到式（6）：

式（6）中，當(dāng)用戶數(shù)量變化速度為0 時(shí)，用戶數(shù)量增加概率為0.5。式（5）和式（6）中的概率設(shè)置，是假定用戶數(shù)量將會(huì)增加。

此外，還要明確如何選擇適當(dāng)?shù)某?shù)L，必須確保概率πj是非負(fù)且不大于1。可以通過(guò)限制最大和最小狀態(tài)來(lái)實(shí)現(xiàn)：

根據(jù)式（7）可以定義L=-1/a。對(duì)于n≠n0，將得到更復(fù)雜但結(jié)構(gòu)上相同的式（7）。

每個(gè)用戶的價(jià)值取決于兩個(gè)方面：一定時(shí)間后的用戶數(shù)量、每個(gè)用戶產(chǎn)生的現(xiàn)金流。通過(guò)以上二叉樹(shù)期權(quán)定價(jià)模型可以得到企業(yè)在快速增長(zhǎng)期的用戶數(shù)量，并且用戶數(shù)會(huì)在這一時(shí)期穩(wěn)定下來(lái)，企業(yè)將會(huì)進(jìn)行用戶資源的深度發(fā)掘，從而實(shí)現(xiàn)現(xiàn)金流量的飛速增長(zhǎng)。對(duì)于快速發(fā)展期的用戶價(jià)值，主要體現(xiàn)在用戶數(shù)量的積累和現(xiàn)金流量的小幅增長(zhǎng)方面。而成熟期會(huì)體現(xiàn)在用戶數(shù)量的穩(wěn)定和現(xiàn)金流量的增長(zhǎng)方面，所以假設(shè)互聯(lián)網(wǎng)企業(yè)不同發(fā)展階段的現(xiàn)金流量的增長(zhǎng)率為g。初創(chuàng)公司如果用戶數(shù)量達(dá)到臨界值，用戶基礎(chǔ)就會(huì)呈現(xiàn)指數(shù)型增長(zhǎng)，每個(gè)用戶的年度現(xiàn)金流量按較低的增長(zhǎng)率g1增長(zhǎng)；在用戶數(shù)量穩(wěn)定下來(lái)后，單個(gè)用戶帶來(lái)的現(xiàn)金流量將會(huì)以增長(zhǎng)率g2增長(zhǎng)；在最終的穩(wěn)定發(fā)展期，用戶數(shù)量及其帶來(lái)的現(xiàn)金流量以穩(wěn)定的增長(zhǎng)率永續(xù)增長(zhǎng)。假設(shè)單個(gè)用戶初始年度現(xiàn)金流量為C0，j代表時(shí)間，則：

則每個(gè)用戶帶來(lái)的現(xiàn)金流量如圖2所示。

圖2 單個(gè)用戶帶來(lái)的現(xiàn)金流量

狀態(tài)j 越高，則每個(gè)用戶帶來(lái)的年度現(xiàn)金流越高。反之，狀態(tài)j 越低，則每個(gè)用戶帶來(lái)的現(xiàn)金流越低?；ヂ?lián)網(wǎng)公司必須為新用戶開(kāi)發(fā)支付額外費(fèi)用，造成凈現(xiàn)金流量減少。與獲得新用戶的成本相比，保持現(xiàn)有用戶的費(fèi)用較低。圖2中，如果初始現(xiàn)金流量C0為1，確定年度現(xiàn)金流量增長(zhǎng)的因素為g=5%。

將圖2中給出的每個(gè)用戶產(chǎn)生的現(xiàn)金流乘以圖1中的用戶數(shù)量來(lái)計(jì)算用戶價(jià)值，得到圖3所示的所有用戶在每個(gè)時(shí)期產(chǎn)生的現(xiàn)金流量。在最后一個(gè)時(shí)間點(diǎn)即時(shí)間4，所有用戶產(chǎn)生的最大現(xiàn)金流量為510.5。這是因?yàn)橛脩魯?shù)量增加到了420 個(gè)（見(jiàn)圖1），且單個(gè)用戶現(xiàn)金流量比期初提高了21.55%。

圖3 所有用戶帶來(lái)的現(xiàn)金流量

為了揭示用戶估值的構(gòu)成，按照?qǐng)D3 描述的情景計(jì)算所有用戶的預(yù)期現(xiàn)值。假設(shè)風(fēng)險(xiǎn)調(diào)整后的折現(xiàn)率為r，Cj表示每個(gè)用戶在狀態(tài)j產(chǎn)生的現(xiàn)金流，Kj為用戶的數(shù)量。從上一期開(kāi)始，狀態(tài)j 和期間t 的所有用戶的價(jià)值CV（jt）為：

二叉樹(shù)的最后一個(gè)周期T 中的用戶價(jià)值被初始化：

在本例中，假設(shè)折現(xiàn)率r=10%，則得到V（13）=（0.7×286.7+0.3×100）/（1+10%）+189=398.7。該過(guò)程可以繼續(xù)遞歸，直到我們獲得當(dāng)前所有客戶的值V（00）。對(duì)于快速成長(zhǎng)期的用戶價(jià)值運(yùn)用遞歸的方式得到，而當(dāng)企業(yè)用戶數(shù)量不再呈現(xiàn)爆發(fā)式增長(zhǎng)時(shí)，只需要基于一般的預(yù)測(cè)方法預(yù)期用戶數(shù)量會(huì)穩(wěn)定下來(lái)，單個(gè)用戶的現(xiàn)金流量以g3的速度增長(zhǎng)，此時(shí)用戶價(jià)值為：

通過(guò)遞歸過(guò)程和一般的預(yù)測(cè)假設(shè)可以分別得到互聯(lián)網(wǎng)企業(yè)成長(zhǎng)期和用戶資源深耕期的用戶價(jià)值，從而為確定經(jīng)濟(jì)增加值奠定基礎(chǔ)。

在確定了互聯(lián)網(wǎng)企業(yè)的用戶價(jià)值之后，代入EVA估值模型，以用戶價(jià)值代替稅后凈經(jīng)營(yíng)利潤(rùn)就可以得到改進(jìn)的EVA估值模型。EVA估值模型主要用于預(yù)測(cè)未來(lái)的EVA。由于不可能對(duì)企業(yè)無(wú)限預(yù)測(cè)EVA，因此提出兩階段EVA 增長(zhǎng)模型。兩階段EVA增長(zhǎng)模型是將EVA 增長(zhǎng)模式劃分為超常增長(zhǎng)階段和永續(xù)增長(zhǎng)階段。超常增長(zhǎng)階段，其增長(zhǎng)率高于永續(xù)增長(zhǎng)率，預(yù)測(cè)期一般為n 年；永續(xù)增長(zhǎng)階段，其增長(zhǎng)率一般是恒定的，在用戶價(jià)值中是相應(yīng)的g3。EVA估值模型為：

其中：V 代表企業(yè)價(jià)值；C 代表期初投入成本；EVAt=CVt-TC×WACC，EVAt表示第t 年的經(jīng)濟(jì)增加值；WACC 是加權(quán)平均資本成本；TC 是資本總額；g是穩(wěn)定的增長(zhǎng)率。

對(duì)于改進(jìn)的EVA估值模型，既考慮了互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估的核心用戶價(jià)值，又考慮了互聯(lián)網(wǎng)企業(yè)成長(zhǎng)的不確定性，將用戶數(shù)量變化的不確定性納入用戶價(jià)值的評(píng)估。同時(shí)從投入產(chǎn)出角度，計(jì)算了企業(yè)的資本成本，用于衡量企業(yè)的價(jià)值創(chuàng)造能力，可以對(duì)互聯(lián)網(wǎng)企業(yè)的內(nèi)在價(jià)值進(jìn)行客觀評(píng)估，以下將運(yùn)用阿里巴巴的案例對(duì)模型進(jìn)行驗(yàn)證。

五、對(duì)阿里巴巴的價(jià)值評(píng)估

阿里巴巴從1999年創(chuàng)立至今，其在高速發(fā)展的同時(shí)經(jīng)營(yíng)范圍也從單一的B2B 電子商務(wù)業(yè)務(wù)發(fā)展為全產(chǎn)業(yè)布局，生態(tài)系統(tǒng)不斷擴(kuò)張。從其發(fā)展歷程來(lái)看，主要經(jīng)歷了1999 ～2010年集中化經(jīng)營(yíng)以及2011年至今的多元化發(fā)展兩個(gè)階段。阿里巴巴2014 年9月19日在美國(guó)紐交所上市，是我國(guó)極具代表性的互聯(lián)網(wǎng)企業(yè)，也是我國(guó)規(guī)模最大的電子商務(wù)企業(yè)，其在2016年末已經(jīng)成為全球最大的電子零售商。

阿里巴巴依托電子商務(wù)平臺(tái)將集團(tuán)業(yè)務(wù)分為核心電商業(yè)務(wù)（包括淘寶網(wǎng)、天貓、農(nóng)村淘寶、聚劃算、阿里巴巴、阿里媽媽和全球速賣通）、云計(jì)算業(yè)務(wù)（阿里云）、數(shù)字媒體和娛樂(lè)業(yè)務(wù)（UC 瀏覽器、優(yōu)酷土豆、阿里體育、阿里音樂(lè)）、創(chuàng)新項(xiàng)目和其他業(yè)務(wù)（高德、釘釘?shù)龋┧牟糠?。廣闊的業(yè)務(wù)范圍為阿里巴巴帶來(lái)了多樣化的盈利模式。阿里巴巴的盈利模式主要有：傭金收入模式（天貓、淘寶等主要通過(guò)向入駐平臺(tái)的商家收取傭金獲得收益）、廣告收入模式（雅虎搜狗的搜索引擎服務(wù)等利用廣告模式獲得收益）、會(huì)員費(fèi)收入模式（優(yōu)酷土豆、淘寶大學(xué)、阿里音樂(lè)、阿里游戲等均采用此模式）、安置費(fèi)收入模式（阿里眾包為自由職業(yè)者提供兼職或預(yù)就業(yè)平臺(tái)，在獲得傭金收益的同時(shí)提供服務(wù)效率或外包解決方案取得安置費(fèi)收益）、推薦費(fèi)收入模式（阿里云基于推薦取得收益的模式）。阿里巴巴每一系統(tǒng)成員的盈利模式并不是單一的，經(jīng)常是多種盈利方式的組合，系統(tǒng)成員之間進(jìn)行協(xié)同價(jià)值創(chuàng)造實(shí)現(xiàn)互利共贏，不斷鞏固強(qiáng)化阿里巴巴的商業(yè)生態(tài)系統(tǒng)。無(wú)論是哪一種盈利模式，利潤(rùn)來(lái)源都是用戶，可以是直接從用戶資源獲得收入，也可以在用戶規(guī)模達(dá)到一定程度時(shí)，利用所積累的用戶資源數(shù)據(jù)展開(kāi)分析，通過(guò)交易信息獲得間接收益。

2019 年阿里巴巴呈現(xiàn)出強(qiáng)勁的發(fā)展態(tài)勢(shì)，主營(yíng)業(yè)務(wù)收入達(dá)到了3768.44 億元人民幣，與2018 年相比增長(zhǎng)了51%，表明阿里巴巴在運(yùn)用大數(shù)據(jù)技術(shù)提升用戶體驗(yàn)方面取得了良好的業(yè)績(jī)。從2019年經(jīng)營(yíng)業(yè)績(jī)EBITA的構(gòu)成情況來(lái)看，電商業(yè)務(wù)仍然是阿里盈利的主要來(lái)源，生態(tài)系統(tǒng)建設(shè)中的數(shù)字媒體和娛樂(lè)業(yè)務(wù)對(duì)經(jīng)營(yíng)成果的貢獻(xiàn)約6%，云計(jì)算業(yè)務(wù)收入貢獻(xiàn)將近7%。從其收入構(gòu)成也可以看出，阿里巴巴的核心電商業(yè)務(wù)漸漸趨于成熟，其他幾個(gè)業(yè)務(wù)板塊存在巨大的升值空間。本文選取2016 ～2019 年的財(cái)務(wù)數(shù)據(jù)，采用杜邦分析體系簡(jiǎn)要分析阿里巴巴的財(cái)務(wù)狀況。

如表1 所示，阿里巴巴近幾年的權(quán)益乘數(shù)基本穩(wěn)定，資產(chǎn)周轉(zhuǎn)率小幅上升，銷售凈利率在2017 年有較大波動(dòng)，之后呈小幅下降趨勢(shì)。這表明生態(tài)系統(tǒng)規(guī)模的擴(kuò)張?jiān)黾恿似髽I(yè)運(yùn)營(yíng)的難度，運(yùn)營(yíng)效率提升緩慢，同時(shí)也表明阿里巴巴對(duì)生態(tài)系統(tǒng)的整合和治理有所改善，運(yùn)營(yíng)效率得到提升。相比2016年，阿里巴巴的銷售凈利率有很大的提升空間，一定程度上反映了其生態(tài)系統(tǒng)建設(shè)巨大的資本投入，也預(yù)示著阿里的良好發(fā)展前景。

表1 阿里巴巴財(cái)務(wù)狀況

近年來(lái)，阿里巴巴的年度活躍買家數(shù)量持續(xù)增長(zhǎng)，截至2019年3月，電商平臺(tái)的年度活躍買家達(dá)到6.54 億，較2018 財(cái)年增加了1.02 億。下面將從用戶數(shù)量和用戶現(xiàn)金流量的快速增長(zhǎng)入手，運(yùn)用改進(jìn)的EVA模型對(duì)阿里巴巴進(jìn)行估值。阿里巴巴的用戶數(shù)量早已超過(guò)臨界值，假定其活躍買家數(shù)量會(huì)持續(xù)增長(zhǎng)3年，而后進(jìn)入成熟期增長(zhǎng)2年，最后進(jìn)入永續(xù)增長(zhǎng)期。首先運(yùn)用文中開(kāi)發(fā)的模型進(jìn)行估值，同時(shí)采用DCF 模型和P/E 法對(duì)阿里巴巴進(jìn)行估值，然后與評(píng)估基準(zhǔn)日的股價(jià)對(duì)比，以驗(yàn)證模型的有效性，并得到阿里巴巴的企業(yè)價(jià)值。

運(yùn)用改進(jìn)的EVA 估值模型的關(guān)鍵在于計(jì)算用戶價(jià)值和經(jīng)濟(jì)增加值，兩者的計(jì)算都需要用到折現(xiàn)率，其價(jià)值評(píng)估過(guò)程為：①確定預(yù)測(cè)期5 年，假設(shè)阿里巴巴實(shí)現(xiàn)永續(xù)經(jīng)營(yíng)；②確定加權(quán)平均資本成本，即折現(xiàn)率；③確定各個(gè)時(shí)期的用戶價(jià)值；④確定每一時(shí)期的經(jīng)濟(jì)增加值；⑤折現(xiàn)得到預(yù)測(cè)期的經(jīng)濟(jì)增加值現(xiàn)值和永續(xù)經(jīng)營(yíng)階段經(jīng)濟(jì)增加值現(xiàn)值，加上期初投入成本，得到阿里巴巴的企業(yè)價(jià)值，進(jìn)一步求出股價(jià)。

1.資本成本的確定。為了得到每個(gè)時(shí)期的用戶價(jià)值和EVA 現(xiàn)值，需要計(jì)算企業(yè)的資本總額，包括長(zhǎng)期債務(wù)資本和權(quán)益資本。長(zhǎng)期債務(wù)成本采用2018年年末美國(guó)五年期國(guó)債利率2.56%測(cè)算，權(quán)益資本成本運(yùn)用資本資產(chǎn)定價(jià)模型測(cè)算。資本資產(chǎn)定價(jià)模型中的無(wú)風(fēng)險(xiǎn)利率參照美國(guó)五年期國(guó)債利率2.56%；市場(chǎng)風(fēng)險(xiǎn)溢價(jià)部分，本文參考互聯(lián)網(wǎng)行業(yè)預(yù)期市場(chǎng)風(fēng)險(xiǎn)溢價(jià)將阿里巴巴市場(chǎng)風(fēng)險(xiǎn)溢價(jià)確定為4.52%；風(fēng)險(xiǎn)系數(shù)β，常用于衡量個(gè)別股票相對(duì)于整個(gè)股票市場(chǎng)價(jià)格的波動(dòng)情況，可用歷史收益回歸和可比公司調(diào)整兩種方法進(jìn)行預(yù)測(cè)，這里采用互聯(lián)網(wǎng)行業(yè)的平均值1.7。權(quán)益資本成本=2.56%+1.7×4.52%=10.24%。2019 年3 月資本構(gòu)成中權(quán)益資本為608583 百萬(wàn)元，長(zhǎng)期債務(wù)資本為142005 百萬(wàn)元，權(quán)益資本占總資本的比例為81.08%，長(zhǎng)期債務(wù)資本占總資本的比例為18.92%。2019 年3 月的加權(quán)平均資本成本為8.79%（81.08%×10.24%+18.92%×2.56%）。

阿里巴巴2014 年3 月長(zhǎng)期債務(wù)資本的比例為43%，近幾年債務(wù)資本的比例一直在下降，2019 年3月僅為18.92%，資本總額在近兩年均保持30%的增長(zhǎng)幅度。由此可以看出，阿里巴巴近幾年的不斷擴(kuò)張?jiān)黾恿速Y本投入，也擴(kuò)大了對(duì)權(quán)益融資的需求，因此從資本投入額和資本構(gòu)成兩個(gè)角度來(lái)預(yù)測(cè)阿里巴巴近5 年的資本成本總額和加權(quán)平均資本成本。鑒于互聯(lián)網(wǎng)企業(yè)用戶數(shù)量積累和用戶資源的深耕仍需要大量資金投入，假定預(yù)測(cè)期的5 年資本成本總額按照30%的速度增長(zhǎng)；在永續(xù)增長(zhǎng)期考慮到用戶網(wǎng)絡(luò)效應(yīng)的發(fā)揮會(huì)給企業(yè)帶來(lái)投入資本的節(jié)約，預(yù)測(cè)在這一階段的資本成本總額按照20%的速度增長(zhǎng)。結(jié)合互聯(lián)網(wǎng)企業(yè)權(quán)益融資的傾向，假定長(zhǎng)期債務(wù)資本比率以每年0.5%的速度下降，阿里巴巴未來(lái)五年加權(quán)平均資本成本預(yù)測(cè)見(jiàn)表2。

表2 阿里巴巴未來(lái)五年WACC預(yù)測(cè)

2.用戶價(jià)值的確定。在此案例中選取年度活躍買家數(shù)量衡量阿里巴巴用戶數(shù)量，用戶價(jià)值反映的是產(chǎn)出水平，用估值基期的年度凈利潤(rùn)作為初始用戶價(jià)值。從阿里巴巴近年來(lái)的用戶數(shù)量增長(zhǎng)來(lái)看，呈現(xiàn)一定的指數(shù)增長(zhǎng)態(tài)勢(shì)。截至2019年3月，阿里巴巴年度活躍用戶數(shù)達(dá)到6.54億，預(yù)計(jì)將會(huì)持續(xù)增長(zhǎng)。將2019 年3 月用戶數(shù)量作為初始用戶數(shù)量，運(yùn)用二叉樹(shù)期權(quán)定價(jià)模型預(yù)測(cè)未來(lái)3 年的用戶數(shù)量。需要確定跳躍寬度n 和客戶數(shù)量上行的概率πj。為了方便計(jì)算，選擇2016年3月～2019年3月這4個(gè)年度財(cái)務(wù)報(bào)表日用戶數(shù)量變化的算術(shù)平均值測(cè)算出跳躍寬度n。對(duì)于用戶數(shù)量增加的概率計(jì)算中用戶數(shù)量變化的速度（aa＜0），采用4 期用戶數(shù)量變化的幾何平均值求得。

根據(jù)年度財(cái)務(wù)報(bào)表年度用戶數(shù)量變化求得速度因子a為-0.18，近三年用戶數(shù)量變化的算術(shù)平均值為7700萬(wàn)?？紤]到阿里巴巴用戶數(shù)量指數(shù)型增長(zhǎng)的趨勢(shì)已持續(xù)兩年，二叉樹(shù)狀態(tài)2下上行概率為0.6左右，推導(dǎo)出客戶數(shù)量的跳躍寬度大概為1億，即n為100 百萬(wàn)。從阿里巴巴近幾年用戶數(shù)量變化情況來(lái)看，整體增長(zhǎng)速度變緩。為了避免對(duì)用戶數(shù)量的高估，本文選擇2019 年3 月阿里巴巴的年度活躍買家6.54 億作為用戶數(shù)量的關(guān)鍵初始水平，并假設(shè)用戶數(shù)量快速增長(zhǎng)的時(shí)間為3 年。由n=100（單位“百萬(wàn)”），a=-0.18，得到二叉樹(shù)期權(quán)定價(jià)模型下阿里巴巴未來(lái)3年用戶數(shù)量，如圖4所示。

圖4 阿里巴巴未來(lái)3年的用戶數(shù)量預(yù)測(cè)（單位：百萬(wàn)人）

為了測(cè)算每個(gè)用戶帶來(lái)的現(xiàn)金流量，運(yùn)用當(dāng)期年度凈利潤(rùn)除以當(dāng)期年度活躍買家數(shù)量，2019 年3月單個(gè)用戶現(xiàn)金流量為134.4元。同時(shí)選擇近幾年自由現(xiàn)金流量的增長(zhǎng)率來(lái)預(yù)測(cè)每個(gè)用戶帶來(lái)的現(xiàn)金流量增長(zhǎng)率。基于2016 ～2019 年自由現(xiàn)金流量的波動(dòng)趨勢(shì)與預(yù)測(cè)期5年內(nèi)的自由現(xiàn)金流量的變化趨勢(shì)一致，得到阿里巴巴接下來(lái)5 年自由現(xiàn)金流量的預(yù)期增長(zhǎng)率分別為14.12%、11.28%、9.01%、7.20%、5.75%。為了簡(jiǎn)化計(jì)算并考慮到用戶數(shù)量快速增長(zhǎng)期帶來(lái)的現(xiàn)金流量往往不會(huì)過(guò)高，選擇預(yù)測(cè)期自由現(xiàn)金流量增長(zhǎng)率的幾何平均值9%，作為預(yù)測(cè)期5年每個(gè)用戶帶來(lái)的現(xiàn)金流量增長(zhǎng)率。而在永續(xù)經(jīng)營(yíng)的穩(wěn)定發(fā)展階段，互聯(lián)網(wǎng)企業(yè)回歸傳統(tǒng)的增長(zhǎng)方式，以5%的增長(zhǎng)速度穩(wěn)定增長(zhǎng)。圖5和圖6分別展示了基于每個(gè)用戶的現(xiàn)金流量和所有用戶產(chǎn)生的現(xiàn)金流量的二叉樹(shù)期權(quán)定價(jià)模型結(jié)果。

圖5 阿里巴巴未來(lái)3年單個(gè)用戶帶來(lái)的現(xiàn)金流量預(yù)測(cè)（單位：元）

圖6 阿里巴巴未來(lái)3年所有用戶產(chǎn)生的現(xiàn)金流量預(yù)測(cè)（單位：百萬(wàn)元）

為了測(cè)算每期的用戶價(jià)值，選擇在每一年的年末進(jìn)行用戶價(jià)值的遞歸，折現(xiàn)率為每年的加權(quán)平均資本成本。根據(jù)式（9）和式（10）得到阿里巴巴未來(lái)3年的用戶價(jià)值分別為17006011 萬(wàn)元、21835162 萬(wàn)元、32037599 萬(wàn)元。而預(yù)測(cè)期的后兩年用戶數(shù)量穩(wěn)定在一定水平，由于用戶粘性的增加，單個(gè)用戶的現(xiàn)金流仍然會(huì)快速增長(zhǎng)，隨后兩年用戶價(jià)值在上一年的基礎(chǔ)上以9%的增長(zhǎng)率增長(zhǎng)。

3.改進(jìn)EVA模型下的企業(yè)價(jià)值。在得到阿里巴巴預(yù)測(cè)期的用戶價(jià)值之后，代入改進(jìn)EVA估值模型中，代替稅后凈營(yíng)業(yè)利潤(rùn)，即可得到各期的EVA 現(xiàn)值。進(jìn)一步得到阿里巴巴的企業(yè)價(jià)值，2020 ～2025年EVA計(jì)算過(guò)程如表3所示。

表3 阿里巴巴歷年EVA現(xiàn)值預(yù)測(cè) 單位：百萬(wàn)元

根據(jù)阿里巴巴5 年期EVA 現(xiàn)值、永續(xù)增長(zhǎng)階段EVA現(xiàn)值與期初投入成本，匯總得到阿里巴巴的企業(yè)價(jià)值，如表4所示。

表4 改進(jìn)EVA模型下的阿里巴巴企業(yè)價(jià)值 單位：百萬(wàn)元

根據(jù)2019 年3 月31 日阿里巴巴普通股總計(jì)258400萬(wàn)股、財(cái)務(wù)報(bào)表折算率1美元=6.7112元人民幣的匯率，得到估值基準(zhǔn)日阿里巴巴的理論股票價(jià)格：3374321.53÷2584÷6.7112=194.58（美元）。這一價(jià)格非常接近當(dāng)日實(shí)際股價(jià)182.45美元。

4.DCF模型下的價(jià)值評(píng)估。運(yùn)用DCF估值模型評(píng)估阿里巴巴的企業(yè)價(jià)值時(shí)，選擇用自由現(xiàn)金流量FCF估值模型?；?016 ～2019年的財(cái)務(wù)數(shù)據(jù)分析，得到銷售收入增長(zhǎng)率、銷售成本率、研發(fā)費(fèi)用、銷售費(fèi)用、管理費(fèi)用率、折舊攤銷等一系列指標(biāo)的預(yù)測(cè)結(jié)果。測(cè)算自由現(xiàn)金流量進(jìn)行折現(xiàn)匯總，得到阿里巴巴的企業(yè)價(jià)值。表5 為自由現(xiàn)金流量的計(jì)算過(guò)程以及根據(jù)各期自由現(xiàn)金流量的預(yù)測(cè)得到的DCF 模型下2019年3月31日阿里巴巴的企業(yè)價(jià)值。

根據(jù)2019 年3 月31 日阿里巴巴普通股總計(jì)258400萬(wàn)股、財(cái)務(wù)報(bào)表折算率1美元=6.7112元人民幣的匯率得到估值基準(zhǔn)日阿里巴巴的理論股票價(jià)格：11765123.34÷2584÷6.7112=678.42（美元）。

5.P/E 模型下的價(jià)值評(píng)估。市盈率法是市場(chǎng)法的代表方法之一，把公司收益和市場(chǎng)價(jià)格聯(lián)系起來(lái)，涵蓋的價(jià)值影響因素比較多，綜合性比較好，因此本文選擇市盈率法。

阿里巴巴于2014 年在美國(guó)紐約證券交易所上市，計(jì)算平均市盈率時(shí)選用的可比公司應(yīng)該同為美國(guó)上市的互聯(lián)網(wǎng)企業(yè)，如京東、唯品會(huì)等15 個(gè)公司?？杀裙久Q、股價(jià)和每股收益如表6 所示，基準(zhǔn)日為2019 年3 月31日。

表6中蘭亭集勢(shì)和搜狐因?yàn)樘潛p造成市盈率為負(fù)值，計(jì)算平均市盈率時(shí)將其剔除，得到可比公司的平均市盈率為40.26。根據(jù)2019年3月31日阿里巴巴普通股每股收益5.01 美元，估值基準(zhǔn)日可比公司平均市盈率為40.26，則阿里巴巴的理論股票價(jià)格為201.70美元（5.01×40.26）。

表5 阿里巴巴自由現(xiàn)金流量預(yù)測(cè)單位：百萬(wàn)元

表6 可比公司市盈率

6.估值結(jié)果對(duì)比分析。分別用改進(jìn)的EVA模型、DCF模型和市盈率法對(duì)阿里巴巴2019 年3 月31 日的市場(chǎng)價(jià)值進(jìn)行評(píng)估，計(jì)算相應(yīng)的股價(jià)，鑒于美國(guó)資本市場(chǎng)較為成熟，選擇其評(píng)估基準(zhǔn)日的市價(jià)進(jìn)行對(duì)比，以驗(yàn)證模型的有效性，結(jié)果見(jiàn)表7。

表7 三種估值方法的結(jié)果比較

通過(guò)以上對(duì)比分析，可以看到改進(jìn)的EVA 估值模型得到的股票價(jià)格最接近評(píng)估基準(zhǔn)日的阿里巴巴市價(jià)，DCF 模型和市盈率法得到的股價(jià)偏差相對(duì)較大，說(shuō)明改進(jìn)的EVA估值模型最適合評(píng)估互聯(lián)網(wǎng)企業(yè)的價(jià)值。

六、結(jié)論與展望

1.結(jié)論。本文針對(duì)互聯(lián)網(wǎng)企業(yè)的特征，借鑒傳統(tǒng)價(jià)值評(píng)估方法提出基于用戶價(jià)值的互聯(lián)網(wǎng)企業(yè)改進(jìn)的EVA估值模型，運(yùn)用模型計(jì)算得到的股價(jià)與評(píng)估基準(zhǔn)日的阿里巴巴股價(jià)非常接近，從而驗(yàn)證了模型的有效性。本文的研究表明，互聯(lián)網(wǎng)企業(yè)高成長(zhǎng)、高風(fēng)險(xiǎn)、輕資產(chǎn)和收益不確定等財(cái)務(wù)特征使得傳統(tǒng)估值方法有很大的局限性，必須針對(duì)用戶在互聯(lián)網(wǎng)企業(yè)發(fā)展中的關(guān)鍵性作用才能更好地評(píng)估互聯(lián)網(wǎng)企業(yè)的價(jià)值。

2.展望。本文的主要貢獻(xiàn)有：首先，豐富并進(jìn)一步擴(kuò)展了基于網(wǎng)絡(luò)效應(yīng)的互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估思想和方法，為互聯(lián)網(wǎng)企業(yè)估值提供了一個(gè)新的思路。其次，從互聯(lián)網(wǎng)企業(yè)的價(jià)值核心——用戶資源出發(fā)，以用戶價(jià)值（企業(yè)擁有的用戶數(shù)量和單個(gè)用戶帶來(lái)的現(xiàn)金流量）代替稅后經(jīng)營(yíng)凈利潤(rùn)，作為產(chǎn)出水平的衡量。用戶價(jià)值是由企業(yè)擁有的用戶數(shù)量和單個(gè)用戶帶來(lái)的現(xiàn)金流量確定的，采用二叉樹(shù)定價(jià)模型確定用戶數(shù)量和現(xiàn)金流量，既能體現(xiàn)互聯(lián)網(wǎng)企業(yè)的網(wǎng)絡(luò)效應(yīng)，又能兼顧企業(yè)成長(zhǎng)中的不確定性，還可以解決盈利性較弱時(shí)的估值難題。

本研究適用于初始用戶現(xiàn)金流量為正的情況。本文實(shí)證分析對(duì)象阿里巴巴當(dāng)前的用戶數(shù)量已經(jīng)達(dá)到臨界值，因此未能驗(yàn)證用戶數(shù)量低于臨界值的情況。此外，單個(gè)用戶現(xiàn)金流量的預(yù)測(cè)和DCF 模型中現(xiàn)金流量的預(yù)測(cè)帶有一定的主觀成分。本文的研究表明，互聯(lián)網(wǎng)企業(yè)的價(jià)值評(píng)估應(yīng)該基于網(wǎng)絡(luò)效應(yīng)和用戶價(jià)值，未來(lái)的研究應(yīng)采用定量與定性相結(jié)合的方法，針對(duì)互聯(lián)網(wǎng)企業(yè)的價(jià)值來(lái)源、價(jià)值獲取方式和發(fā)展前景評(píng)估互聯(lián)網(wǎng)企業(yè)的價(jià)值。