市場法評估知識產權的難點

導語：市場法評估知識產權的難點一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

創新發展離不開知識產權支撐。在專利方面，2020年中國成功申請6.872萬件（項）國際專利，比2019年增長16.1%，位居世界第一。在商標方面，截至2020年底，中國有效注冊商標量高達3017.3萬件。在融資領域，大量高新技術企業前期在知識產權方面需投入大量資金，但面臨融資困難，因而會將知識產權進行質押融資或采取將知識資本轉為金融資本的知識產權證券化的方式來緩解科技類創新企業的資金緊張，拓寬融資渠道，推動創新研發。在保險領域，知識產權的科學評估為侵權損失保險保費與賠償金額的確定提供公允依據。因此，合理有效地評估知識產權價值是知識產權促進創新發展的重要前提和關鍵環節。知識產權評估在促進企業創新發展、維護經濟社會秩序中肩負著義不容辭的責任。過去由于知識產權個體間存在較大差異，以及我國知識產權交易市場尚不成熟，市場法在知識產權評估實務中的應用并不廣泛。隨著知識產權交易市場環境的不斷發展，如何拓展市場法在知識產權評估中的應用路徑，使評估結果更為科學合理，從而助力我國經濟創新發展，具有重要的探討意義。

文獻綜述

知識產權包括著作權和工業產權（以專利權和商標權為主）兩種類型。受制于可比案例選擇的困難與活躍交易市場的缺乏，市場法在知識產權評估實務中并未得到普遍應用。隨著知識產權交易的發展，相關市場的活力彰顯，可比案例數量也日漸豐富。在運用市場法對知識產權價值進行評估時，如何更為客觀地確定知識產權價值的影響因素（可比指標）及其權重是關鍵。筆者主要圍繞專利權和商標權兩類知識產權展開探討。

（一）專利權價值評估相關研究

在以往的評估實務中，對專利權價值的評估通常采用收益法，運用市場法評估專利權價值的文獻并不豐富。早在1999年，有學者（Dietmar）通過分析德國期限屆滿的專利，描繪了專利引用與專利價值間的概率分布。隨后幾年里，亦有學者發現申請時長、文獻篇幅等指標也會反映專利的價值。但針對如何將前述指標轉化成能夠在市場法中對知識產權價值進行定量修正的研究，目前仍較匱乏。吳運發等（2019）將能夠對專利價值產生影響的因素歸納為三類：法律因素、技術因素、經濟因素。晁蓉等（2021）在探索構建能夠對高價值專利進行綜合價值評估的模型時提出，專利權利數量、專利的引用與被引用情況、技術創新度等級、專利技術的覆蓋范圍等，均是能夠反映出專利技術質量的重要指標。劉伍堂等（2020）在分析專利價值影響因素的基礎上，提出了包含技術團隊指標、技術指標、風險指標、法律指標、經濟指標5個一級指標（進一步細分為22個二級指標）的專利價值評估指標體系，其中評估對象與可比參照物指標得分均可通過專家打分法確定。隨著人工智能技術的發展，其應用不斷延伸至資產評估領域。BP神經網絡是一種人工智能神經模型，目前作為智能化評估的一種預測手段，逐步應用于市場法評估中。呂霽（2020）構建了專利價值評估的神經網絡模型，利用龐大的訓練測試集進行實證訓練分析，可以直接匹配出專利價值的主要影響因素并計算出相應權重。趙蘊華（2013）采用決策樹、支持向量機、神經網絡三種方法對專利價值進行評估，均表現出一定的預測能力。除此之外，還有隨機森林、高斯混合模型、果蠅算法等基于機器學習的智能評估方法。這些基于大數據樣本利用AI技術的智能評估方法為市場法提供了更為精確、客觀和科學的分析工具，一定程度上避免了以往評價方式的主觀性。

（二）商標權價值評估相關研究

陳俊元（2015）強調，雖然市場法是一種能夠直接反映被評估商標權當前所處市場狀況，并且容易被當事人雙方所接受的評估方法，但是我國商標權信息披露不完善的現狀，使得其應用受到限制。因此，我國評估機構執行商標權價值評估業務時，以及以賀壽天等（2016）、孫玉嬌等（2020）為代表的大量學者進行商標權價值評估研究時，仍將收益法作為主要著眼點。這直接導致，商標權價值評估的收益法相關理論較為完善，而市場法相關理論則表現出一定程度上的落后。戴琰琦（2010）嘗試運用層次分析法和模糊綜合評價法構建評估商標價值的指標體系，但該研究中仍涉及專家意見，主觀性較強。國際上的研究也停滯于此，尚未出現智能化定量的商標權價值評估方法。部分原因是目前尚未出現完整的商標權數據庫，沒有大數據支撐智能算法的評估預測。

（三）文獻評價

當前，不論是專利權還是商標權，在與之相關的評估實務中，市場法通常不是首選的方法。分析已有的研究成果可以發現，有關市場法在專利價值評估中運用的研究與探討較為貧乏：相關文獻數量少且年代久遠，以及缺乏實證研究數據支持等。另外，機器學習的發展為客觀科學的評估指標及其權重的選擇提供了技術支持，但目前將機器學習技術與市場法相結合的評估研究成果較少。因此充分利用知識產權市場數據構建更具客觀性的可比指標體系，成為一個重要的研究方向。

運用市場法評估知識產權面臨的難點與挑戰

傳統的市場法由于受到可比案例信息的可獲得性、文本類信息處理的復雜性以及統計學傳統方法固有局限等的限制，其在目前我國現行知識產權交易市場中的應用中，存在著一定的困難。在當前大數據時代的背景下，隨著多種大數據技術的逐漸成熟和應用，出現了很多基于海量數據的數字技術。就市場法而言，對其在知識產權價值評估中的應用帶來的挑戰與壓力主要表現為如下幾個方面。

（一）缺乏較全面的知識產權價值評估數據庫

評估機構出于商業利益和保護客戶隱私的考慮，彼此之間的數據很難形成互聯互通。這直接導致，單獨的某一評估機構很難獲得全市場的知識產權評估項目信息，難以形成全面的知識產權價值數據庫。市場法的運用離不開大量的可比案例。正如文獻研究所述，知識產權價值數據庫的缺位與相關信息披露的不完善，約束了市場法在知識產權價值評估領域的運用。數據庫的缺位問題，給知識產權價值評估實務帶來了嚴重的負面影響，因此在交易案例容量與標的知識產權基本情況參數兩個方面均有所改進的，較為全面的知識產權價值數據庫亟待構建。

（二）完善的知識產權價值評估市場法可比指標體系的缺位

有關知識產權價值評估市場法可比指標的研究文獻，大多是從理論邏輯分析出發，對不同指標的重要性定性地進行判斷（該過程通常會涉及專家打分或咨詢專家意見等主觀環節），選出相對重要的可比指標并賦予其一定的權重，從而得到可比指標體系。這導致了客觀、完善的知識產權價值評估市場法可比指標體系長期處于缺位狀態，削弱了交易雙方對市場法下知識產權價值評估結果的信任度，阻礙了市場法適用性的拓展。如何較為全面地構建可能會對不同類型知識產權價值產生影響的因素可比指標體系，并通過具有實際交易案例數據支撐的評價測算，對可比指標加以篩選與賦權，從而得出較為客觀的知識產權價值評估市場法可比指標體系（很可能需要視知識產權類型的不同，按類分別構建），是提升市場法在知識產權價值評估領域適用性的重要前提。

（三）可比案例價值影響因素修正值測算缺乏標準

運用市場法評估知識產權價值時，除可比指標體系的構建之外，可比指標取值的標準化，是評估實務中的又一難題。例如獲獎情況、引用與被引用情況、同領域專利成果的數量等，是能夠對專利價值產生重要影響的因素。與之對應的原始數據信息在提取、標準化與修正方面，同樣存在著困難。一方面，此類信息并不一定都是以定量數據的形式呈現，可能表現為定性數據（如獲獎等級）的形式，甚至僅表現為大段的文字描述。將其錄入知識產權評估數據庫前的數據清洗與標準化過程，便尤為重要，同時也困難重重。另一方面，不同影響因子對知識產權價值的影響程度與方式，亦是多樣的，未必是單一的線性關系。在對可比案例影響因子進行修正時，如何從線性、冪函數、指數函數、對數函數等多種可供選擇的模型中，選擇最為恰當的修正模式，仍有待實證研究的支持。

（四）數字技術在指標確定和參數選取中未能得到充分利用

由于在評估實務中的使用頻率不高，市場法在知識產權價值評估業務的運用表現出明顯的滯后性，不能充分享受數字技術等最新科技成果帶來的便利。相關的評估數據庫，以及與之相匹配的代碼軟件等產品的缺失，恰恰最為直觀地證明了該問題的存在。隨著信息化時代的不斷發展與知識產權交易市場的日漸成熟，知識產權交易案例的數量在未來很可能呈現指數爆炸型的增長趨勢，這恰恰是數字技術最能發揮其優勢的情形。頻繁的知識產權交易的發生，意味著大量優質可比參照案例信息的涌入。如何從海量數據中，迅速且低成本地找到與評估對象具有較高可比性的案例，是拓展市場法在知識產權價值評估領域應用的過程中必然需要面對的難題。而數字技術與評估學科的結合，正是打破僵局的關鍵。

大數據背景下運用市場法評估知識產權價值的設想

筆者認為，未來在深化有關市場法在知識產權價值評估應用領域的研究時，有如下幾個方面研究設想，可供深入挖掘。

（一）結合數字技術建立知識產權價值評估參數數據庫

市場法在知識產權價值評估中運用領域的拓展，離不開高覆蓋率的評估參數數據庫的支持。該數據庫很難由單一評估機構自主形成，而是需要依靠多家評估機構，結合前沿數字技術，通力合作形成。在構建該數據庫時，可以考慮在已有數據信息的基礎上，進一步利用Python等技術方法，批量獲取上市公司等主體公開披露的相關數據，對已有數據庫的信息加以補充完善。

（二）完善知識產權價值評估市場法可比指標體系

知識產權具有豐富的內涵，可以進一步細分為著作權、專利、商標權等多個子類型。對不同類型的知識產權而言，能對其價值產生影響的因素，以及這些因素所能產生的相對影響程度又是多樣的。例如，引用與被引用情況、同族專利數量、獲獎情況等，是反映專利價值的重要指標，但卻對商標權的價值沒有太大影響；反之，知名度、信譽度等能夠對商標權價值產生重要影響的因素，并不適用于被納入專利價值評估的可比指標體系。這就意味著，需要對不同類型的知識產權，甚至同一類型不同行業的知識產權，分別構建與之對應的市場法可比指標體系（篩選可比指標，衡量指標的相對重要性，進行權重賦值），方可得出更為恰當的評估模型，并據此指導評估實踐。

（三）促進數字技術與知識產權評估的充分融合

數字時代背景正是評估學科推動自身發展不可多得的良機。一方面，應當充分發揮數字技術處理大數據的優越性。例如，在構建可比指標體系時，可以嘗試運用模糊聚類分析、神經網絡等技術，從指標構成與權重賦予兩個方面，實現指標體系的優化，促進知識產權價值評估方法的完善。另一方面，需要注重利用數字技術進行比對分析。例如在分析評估對象與可比案例的差異時，可以使用自然語言分析、文本向量化等技術，快速高效地從大段描述性語言中提取關鍵信息用于評價分析。

結論

目前關于市場法在知識產權價值評估中的作用尚未充分發揮，仍存在可比案例數據不足、可比指標選擇與賦權主觀等問題。但隨著知識產權交易的日益活躍、數字技術的不斷更新，客觀性強且易于被交易雙方所接受的市場法，在知識產權價值評估中有著良好的應用前景。在萬物互聯的智能時代，市場交易信息更加豐富透明；知識產權的蓬勃發展累積形成了海量數據，推動不斷建立完善知識產權數據庫；人工智能技術的推廣也為知識產權的價值評估帶來新的科學工具。因此在數字時代下，相關評估技術人員可以基于評估參數數據庫，利用多種機器學習相結合的方法對不同行業領域的專利、商標價值進行分析，最終得到具有行業針對性的客觀可比指標體系，通過智能識別、對比評估對象的信息差異并較客觀地得到價值評估結果。市場交易的公允性受到廣泛認可，定量的評估方法提升評估效率與精準度，在此前提下，科學合理的知識產權評估結果將會有效地促進知識產權與金融領域的深度融合，推動企業的創新發展并推進國家知識產權戰略實施。

作者：嚴曉寧 孫沛霖 林光彬