麻花传MDR免费版

徐晓青  浙江银湖律师事务所  

【摘要】数字经济时代，数据已经成为继土地、劳动力、资本、技术之后的第五大生产要素。2024年中国政府工作报告，将“深入推进数字经济创新发展”列为了一项重要的工作任务。当数字所代表的信息嵌入到生产经营、社会管理等的各个场景时，数据要素的价值属性即被有效激发，从而使数据资产释放出内在的“生命力”。数据从一种资源转化到一项资产，而资产与证券的动态结合生成了“数据资产证券化”，为数据资本化开启了新的模式。鉴于此，本文尝试从数据“资源—资产—资本”的价值演进出发，对数据资产证券化存在的问题进行归纳和分析，结合我国现行法律规则体系，寻求该项创新业态在实践中的规制原则和路径。

【关键词】数据要素 数据资产 证券化 问题与规制

引言

中国是世界上首个将数据资产纳入财务报表的国家。作为新质生产力的典型代表，数据作为一种要素资源，将会在数字经济时代发挥全局性的关键作用。丰富的数据资源、生动的场景优势以及广阔的市场空间为中国数据资产证券化构建了有利的基础，但是数据资产证券化的理论研究以及实践探索尚处于发展的起步阶段。为此，以“数据”+“资本”，数实融合、虚实融合，持续催生新业态和新机遇，创新发展数字经济，稳步推动经济增长。

一、数据资产证券化的概述、主流模式以及规则体系

（一）数据资产证券化的概述

数据，追溯至起源，始于“结绳计事”，数据自被收集之日起，围绕着技术的进步与转化，逐渐演变成为一种新的生产要素。当作为一种资源的数据普及于生产、生活时，数据的“有用性”得到进一步增强，数据衍生出财富，数据资产“出而问世”。

我国当前法律法规没有对于“数据资产”的明确定义，仅在信息技术服务管理的国家标准中列载：数据资产，合法拥有或者控制的，能进行计量的，为组织带来经济和社会价值的数据资源。其后，《数据资产评估指导意见》定义：数据资产，是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。由此，数据资源的资产化成果生成了“数据资产”，数据资产具有“拥有或控制”、“可进行计量”以及“可产生经济利益”的属性特征。

资产证券化则是将特定资产经过整合组成资产池，再配以相应的信用担保，在此基础上将资产池所产生的未来收益权转变为可以在市场流动的证券产物进行发行的一种融资行动。

数据从生产要素开始，需要进行应用场景设定、敏感信息处理、使用价值评估等等一系列资源整合工作，才能满足市场化应用的条件，激活数据资源的市场潜能。而数据资产证券化的产生，正是“数据资产”与“资产证券化”发生“化学反应”的正向结果，数据资产证券化以数据资产为基础设计发行可交易的证券，从而将数据资产的未来收益实现即期变现，最大限度地发掘数据资产的价值，最终在资本市场实现融资的目的。

数据资产证券化之所以成为国内外社会热切关注的对象，正在于其作为数据资本化的一种重要途径所具有的优势和功能。

第一，丰富数据的使用渠道，扩展数据的价值空间。数据资产证券化，可以从资产和资本的角度，更加客观地反映数据资源的价值，从而准确地选择数据的应用维度，发挥数据的价值潜能。

第二，助力数据资产向数据资本价值升级。数据资产证券化通过资产支持证券设计实现了数据资产未来收益的提前变现，不仅激活了数据资产的价值，并且通过信用增进等制度的设计，将偿债保障能力从主体的信用保证提升至资产的有形担保。

第叁，提升数据资产流动效率，促进数据市场价值流转。借助资本化的手段将相对缺乏流动性的数据资产转化为标准的可便利交易的市场型资产，加快了数据资产流动的频率，进而实现数据权益人的资产价值并且提高数据资产的价值流转效率。

第四，促进投资范围扩展，提高资产配置效率。数据资产证券化作为一种新型的融资工具，创新了资本市场的交易品类，扩充了投资者的投资方向，从而增强了市场的活力。

第五，促进数据市场化建设，推动经济可持续发展。未经“雕琢”的数据可能只是一些零散的信息，缺乏市场化的价值。数据资产证券化能够将数据的价值从庞杂晦涩的要素中挖掘出来并且进行有效应用，进而发挥出数据作为新型生产要素的作用，从中培育和发展新质生产力，促进数字经济高质量发展。

（二）域外数据资产证券化的主要模式—以美国为代表

美国是全球资产证券化的先驱，也是最早实践数据资产证券化的国家，截至目前，其数据资产证券化已经形成叁种主要模式：

1.商业地产抵押贷款支持证券，简称CMBS（commercial mortgage-backed securitization）：以数据载体抵押贷款形成的债权作为入池基础资产实施证券化，本质上属于动产或不动产抵押债权证券化，该种模式规避了数据的产权不确定性，风险较低，但是要求数据持有人拥有一定规模的房地产或设备等实体载体。随着数据技术的发展，数据载体精简化将是发展所趋，因此从长远来看，CMBS模式的发展前景相对有限。

2.资产支持证券，简称础叠厂（asset-backed securitization）：数据持有人提供数据建立“资产池”，然后将该“资产池”的未来收益权进行转让，受让人以受让的资产为基础发行证券，该种模式虽然减少了对数据载体的依赖，但是由于数据自身的不稳定因素，导致该种模式下资产的未来收益变得“不可预见”或者“预见”缺乏准确性，相应地，资产评估的结果缺乏可靠性。

3.资产支持票据，简称础叠狈（asset-backed note）：将数据载体抵押贷款形成的债权、数据资产等多类型资产进行优化组合，以此组建“资产池”进行转让，受让人以组合资产为基础发行商业票据，该种模式既发挥了数据资产的融资功能，同时与传统物权等进行绑定，增强了组合资产证券化抵御风险的综合能力。

当前中国资本市场，资产证券化产物已经成熟，但是以数据为基础资产的证券化发展尚未正式实施。这一现状，与数据资产的特殊性有关，也与我国数据资产证券化制度环境有着重要联系。

（叁）我国对于数据资产证券化的现有规则体系

数据资产证券化，以时间为轴线，《网络安全法》《数据安全法》《个人信息保护法》等国家基本法律的颁布施行，已经为中国数据资产证券化建立了初步的规则系统架构。国家政策层面，自2015年中共十八届五中全会提出“大数据战略”以来，推动数字化转型和数字经济发展的政策不断地被提出、深化以及落地。2020年4月，中共中央 国务院进一步确定数据是与土地、劳动力、资本、技术并重的第五大生产要素。2021年3月，中共中央国家规划将数字化发展与数字中国建设等作为经济社会发展的远景目标之一。2022年12月，中共中央 国务院“数据二十条”出台，对数据产权的确立、流转交易、合规治理等实施给予了制度引导，同时创造性地提出“数据资源持有权、数据加工使用权、数据产物经营权三权分置的产权运行机制”。与此同时，财政部等国务院部门围绕数据资产管理陆续出台了相关政策、制度：2023年8月，财政部印发《公司数据资源相关会计处理暂行规定》，针对公司数据的相关会计处理进行规制；2023年9月，在财政部的指导下，中国资产评估协会发布《数据资产评估指导意见》，为数据资产评估实务提供了指引；2023年12月，财政部印发《对于加强数据资产管理的指导意见》，从总体要求、主要任务、实施保障叁个方面就加强数据资产全过程管理提出指导性意见，有效合规地推进数据资产化。

如此而言，数据资产证券化作为一种具有引领时代经济高质量发展的创新型融资工具，已经具备政策、服务等多方面的初步基础，但是，由于数据资产及其证券化的理论研究与实践经验尚处探索阶段，数据资产证券化仍面临诸多瓶颈，其潜在的风险不容小觑。

二、数据资产证券化面临的主要风险问题

（一）基础资产的合法有效风险

1.数据来源合法性障碍

数据资产证券化，数据是证券化资产池中基础资产的关键要素，如果数据来源不合法，那么以数据要素为支持的证券化项目的合法性必然不会被认可。首先，对于数据采集，我国法律虽然认可被采集数据者享有知情权以及对其个人信息的使用决策权，但是该等保护规定明显存在执行上的现实困难。其次，对于爬取数据，在“数据为王”的时代，爬取数据已经成为除直接采集外的常规数据挖掘方式,但是爬取行为并非均是正当行为，而且爬取数据合法性与社会公共利益的价值衡平考量，更使得通过爬取行为取得的数据是否合法的确认变得更加复杂。再次，对于第叁方提供数据，数据收集方以营利为目的收集数据并开展后续经营活动的行为，必然对数据原始权利人构成“威胁”，因此从权利义务衡平原则，数据收集方应当对提供数据的第叁方负担一定的数据安全保护义务，但是该等安全保护义务的界限标准是什么，现有规则体系并没有进一步细节的规定。

2.数据资产确权障碍

为实现数据“资源”到“资产”，“资产”到“资本”的价值进阶，数据资产确权是推进数据价值进阶转变以及数据资产证券化过程中的关键内容和重要环节，只有确定了数据资产的权属，才能对数据资产进行估值，进而进行数据资产的交易和流通。就资产权属而言，主要以权利主体确定所有权，一般可以区分为个人所有权、公司所有权和社会公众所有权：个人数据，即是指与个人信息相关的数据所有权由个人享有，其他主体仅能够在法律许可并且不损害个人权益的限制条件下才可以有限地占有、使用和收益该等数据。公司数据，是指所有与公司相关的信息，包括公司基本情况、产物信息、经营状况、研究成果等等。公司数据的获取渠道主要是公司合法采集的个人数据或其他公司数据，以及公司在经营活动中分散获取并统一整理所产生的数据。公共数据，则是指所有权归社会公众所有，由国家机关、法律法规授权的具有公共事务管理职能的组织以及公共服务运营单位在依法履行职责或提供公共服务过程中代表社会公众收集、产生的数据。以权利主体的性质确定数据资产的权属，对于数据资产确权而言，可谓困难重重。因为数据要素必须与具体的应用场景相结合，才能形成数据资产，而不同应用场景“加持”下生成的数据资产，对比单个权利主体享有的数据，其已经发生了多重“复合”变化。

3.数据资产交易障碍

其一，数据资产证券化中，特定资产的价值评估，属于资产证券化的基础工作之一。数据资产评估是数据资产证券化过程中的重要步骤，其评估结果将直接影响数据资产的价值和未来收益。对数据资产的价值进行评估，可以通过量化数据资产的价值、收益、风险等多个因素来实现。但是，纵观国内外，均没有针对数据资产的评估办法或者操作指引。而且在实践中各种评估方法标准不一、优劣交错，从而导致评估结果缺乏可靠性，具体表现为：一方面，数据载体通常为不动产或动产，但是数据载体明显不同于一般的不动产或动产，因为作为数据载体的不动产或动产的价值往往与数据科技紧密相关。而且随着科技进步，数据载体迭代更新迅速，数据载体价值贬损呈现加快趋势。另一方面，就数据要素本身而言，传统的评估方法与之并不完全匹配，由于数据资产可能涉及非法数据交易以及流动性有限等问题，从而导致传统的评估方法中现有指标参数的真实性、准确性不足。

其二，数据产权具有不完整性。完整的产权一般指所有权，包括了占有、使用、支配、收益以及处置等权利。相应地，不完整的产权是指所有权的一部分，随着主体之间经济关系的成立、变更或消灭，产权可能会被“稀释”。但是数据可以被无限复制的特殊属性导致数据在不同主体之间“流转”并没有让数据的产权被“削弱”成为不完整产权，因此，传统的产权交易方式不能匹配数据资产的流通。

其叁，数据的价值根据应用场景的变化而变化，换言之，在不同的应用场景下，数据价值的表现截然不同，因此数据的定价无法标准化实施。数据资源出现在不同应用场景中，形成不同的“数据产物”。以商品价格链来论，“数据资源价格”相当于价格链中的“原材料价”，历经价值的增加和成本的累积，完成从原材料到最终产物的转化后，便生成了“数据产物价格”。在数据产物中，除了数据作为要素具有的本身的价值之外，还有附加在数据要素之上的额外投入，包括但不限于智力、品牌等无形投入以及网络、计算、存储等有形投入等等，该等额外的投入正是造成数据产物定价不能统一的核心原因。

（二）安全风险

数据安全问题，是指因数据系统的建设、管理和使用等环节存在的各种问题，导致数据可能遭受非法访问、泄露、滥用、非经授权的修改、恶意软件威胁或者其他形式的侵害，甚至进而对个人隐私、公司利益和社会稳定造成潜在威胁的风险。数据资产可能面临诸如硬件设施、网络环境、人员管理等各个方面的风险因素。其中硬件安全风险，是指硬件设施的安全运行直接关系电子数据的存储安全，任何人为原因或意外事件导致的硬件设施损坏、灭失，均会对数据安全构成实质性风险；网络安全风险，通常为计算机通信网络的问题，是指数据处理和传输过程中可能存在的风险；人员安全风险，是指数据系统使用人员是否具备安全意识、安全技能、法律意识等涉及的风险。人员安全意识源于其所掌握的安全技能，人员安全技能则依托于其所接受的安全技能培训。

（叁）监管困境

有效的监管是数据资产证券化发展的重要保障。监管的风险主要来源于不全面或者发展滞后的监管体制，包括但不限于监管制度的不健全、监管规则的不完善，以及监管执行的不认真等，从而导致监管的效率和成果不高甚至无效。在数据资产证券化过程中，一方面由于数据资产证券化本身的运行模式不成熟、不清晰，另一方面则因附加技术更新的因素，使数据监管的标准和要求充满了相对复杂和更加严格的内容。因此，有效监管的缺失，滋生市场参与者的“侥幸”心理，诱使其寻求监管套利的“空间”，继而犹如“蚁穴”，以溃数据资产证券化健康发展之“堤”。尤其是面对时代技术的迅猛发展，监管制度和手段如果不能与时俱进，那么将难以规制利用新技术进行的“数据资产证券化”这一金融创新活动。

叁、数据资产证券化的规则原则与路径

基于上文的讨论可以看出，数据资产具有较高的应用价值，现有的实践探索亦为数据资本化扫除了众多关键障碍，数据资产证券化及其运行模式在我国具有了相对充分的理论基础和实践指引。与此同时，“数据资产证券化”面临着亟待应对的诸多挑战，有必要多重举措予以规制，实现和推动数据的价值飞跃。

（一）防控基础资产合法性风险

1.宏观层面。法律制度供给是基础，以法律规制提供指引，优化数据资产证券化进程的制度环境。一方面，如前所述，数据资产证券化已经具备各级各地政策的框架基础，但是对于“数据”、“数字经济”相关规则指引的架构、内容等虽有地区差异但“小异大同”，并且尚未能形成体系化的规制措施，对于数据的应用价值与效果无法有效保障，数据资产法律制度的发展尚未同步于市场进程。“立法”行动是对“数据资产证券化”试点成果的整合与升华，将成功的经验和有效的解决方案上升为国家意志，形成具有普遍适用性和前瞻性的法律规范体系。另一方面，由于数据资产类型繁多、利益重迭，市场对不同阶段下的数据资产有着差异化的制度要求和期待，通过分类规范的方式进行规制更具适配性。而且事实上，在涉数据资产的司法实践中，数据整体要素资源的竞争性权益是得到肯定的。为此，探索数据产权类型化保护法律体系，综合考量数据相关主体的正当利益期待、安全保护义务以及价值贡献比例，明确数据产权的客体与范围，建立适应数据类型化形态的产权结构性分置配套规则，实现数据保护与数据利用的高度统一协调。

2.微观层面。建立全国统一适用并且具备与全球市场接轨能力的数据资产登记制度，数据资产证券化的关键在于数据资产权属清晰，即在法律明确数据产权的基础上，通过数据资产登记制度来证明和宣告产权，保障数据资产权属合法、质量合格并且估值准确。具体而言，即在数据资本化“蝶变”开始即开展数据在具有国家权威性登记平台的数据资产登记工作，包括界定数据资产的性质，建立并且完善对于数据资产范围、内容、主体等信息的操作细则，健全分级分类的登记机制，推动数据资产在法律层面的“确权”，保障后续数据资产证券化的合法性。其间，涉及数据资产合法性审查工作环节，我们应当特别关注数据安全风险防范，尤其是个人隐私信息的合规处理，优先选取不涉及个人信息的数据资产，如无法避免涉及个人信息的，则应加强“脱敏”处置，谨防数据资产进入资产池后因前述风险因素被列为不合格基础资产，甚至发生违约或者赔偿事件，最终损害投资者、数据产权人以及整个资本市场的利益。

（二）创新数据要素定价交易机制

在数据资产“叁权分置”的产权框架初步确定的背景下，数据资产估值定价成为突出矛盾，必须避免数据成为资产泡沫的一种“催化剂”。为此，数据价格机制的研究构建工作刻不容缓。现阶段，我们可以尝试参考土地、资本等打造数据的多级联动市场体系：数据一级市场，也可以称作数据资源市场，对应数据资源化，是对数据资源的产权进行转让或授权许可的市场，数据资源尚不具备市场价值，不涉及收益，数据资源的价值评估主要受数据采集整理和标准化过程中的各种投入，以及数据质量、个人隐私参数等因素的影响。数据二级市场，即数据产物市场，是对数据资源进行加工处理后进行销售的市场，是数据资源的资产化阶段。数据二级市场中，数据产物定价的评估因素除成本之外，应当考虑历史交易情况、数据要素来源、模型设计等各类指标。单一的证券化环节本身不发生交易，因此不产生市场价格信号。对于证券化过程中数据资产的定价，可基于同类型数据在一二级市场中生成以及交易的情况进行评估。数据零级市场，则属于非交易流通市场，数据虽然发生了共享或流转但是并未进入交易环节，其对应于资产的资本化阶段。

建立完善数据资产证券化交易的实施规则。在建成全国性、权威性的统一数据交易平台的前提下，以数据资产聚合、互通为目标，完善平台管理制度，明确交易标准、准入机制、行为规范等内容，从而使数据资产的来源、归属、变更、流转等公开透明，使数据资产证券化市场布局科学合理，进而创造一个有利于数据价值发掘以及供需平衡的和谐市场环境。

（叁）技术护航数据资产证券化

数据资产海量存储于网络系统，并且数据资产可无限复制的特征加大了资产评估、交易、监管等的难度。大数据、云计算、人工智能和区块链等技术的赋能可以构建动态的数据资产生态系统，大数据提供了丰富的信息资源；云计算提供了强大的算力支持；人工智能实现了智能决策和优化；区块链构建了新的信任机制；移动互联网则连接了一切可能。数字化技术的开发利用，为数据资产证券化模型训练和产物创新提供技术支持，为数据产业提供了精准契合的服务。

其一，利用大数据、区块链等技术开发构建数据资产登记系统，创建数据资产的权属凭证，并保证数据资产包含的信息可以被实时准确地获取。具体来说，利用技术实现数据资产与其权属证明记载信息的对应，生成具有排他性可靠的数字化标识，并随时更新记录后续数据资产流转的情况，从而解决资产公示与安全的利益矛盾。同时，区块链技术分布式存储的特征，为数据篡改设置了“隔离带”，可以有效保证数据资产确权登记的真实性，据此，市场参与主体可以根据自身需求请求核验数据资产，进而促使数据资产得到高效利用。

其二，人工智能在数据资产证券化业务中，可以被尝试运用于资产评估环节。人工智能具有强大的数据处理能力，可以自动化地获取、分析和处理大量的信息，包括数据资产交易市场行情、财务报表等，进而快速提炼出对于资产评估具有使用价值的信息，评估基础资产的价值。人工智能具有自我学习和优化的能力，随着市场环境和数据的变化，可以实时分析并且自动调整参数和结构，以适应新的市场情况，这种自适应性使得利用人工智能技术实施数据资产评估能够持续保持有效性。

其叁，区块链加密技术为数据证券化交易环节设置了身份验证“防火墙”，通过定期更新密钥，有效管控数据的信息获取区域范围，维护数据资产存储安全和交易合法，保障证券交易业务安全开展。数据资产证券化参与主体多元复杂，导致主体的权限分配成为难题，若主体权限过大则可能引发数据泄露风险，主体权限过小则可能无法发挥数据的价值。鉴于此，利用区块链技术优势，通过预先设计程序代码，合理调整可供交易数据的公开范围，实现信息共享互通与资产安全可信的共赢。

另外，利用区块链智能合约工具，保障数据交易风险可控。一旦触发相关环节的风险安全“警界线”，即可依合约启动前期设计的相应风险处理流程，发挥事后监管在整个证券化流程中的安全保障功能。当发生数据泄露或非法利用时，及时采取包括数据流截断、信息追踪、存证记录以及侵权主体通知与赔偿等措施，最大限度地降低风险和损失：如涉及一般侵权情形的，有权要求停止侵害、限期合规整改；如发生数据控制者严重侵害他人合法权益等情形的，则可以采取报警、移交相关部门处理；等等。

（四）监管守护数据资本化安全

尽管法律保障和技术创新等可以解决数据来源、数据价值评估、隐私保护、数据安全等大部分难点和痛点，但诸如此类措施均需要监管作为最重要的且必要的管理“闭环”手段。

一是健全监管规则。数据收集、网络安全技术运用、保密措施等均是数据资产证券化不可或缺的内容，其特殊性对监管机构和监管人员提出了较高要求。为此，建议在监管规范指引中设置有关监管机构的资格条款，如“数据资产证券化业务监管机构应当配备数量充足且专业知识和实践经验丰富的工作人员，以及先进的软硬件设备设施；等等。”同时，在数据资产证券化实践中，数据安全意识和安全防范能力是监管机构和监管人员的必备素质。因为监管开启了对数据资产的合法访问，监管机构和监管人员被合法授权接触到其中的个人隐私或者商业秘密，如果监管端出现数据安全事故或隐患，那么将严重威胁整个数据资产证券化项目。

二是加强监管过程中技术的创新与应用，创造智能监管工具。数字智能技术，能够对数据做进一步的挖掘和分析，其后，该等深度分析成果则可以助力监管人员理解复杂的市场模式，预测市场发展趋势。智能化的决策支持系统能够辅助监管人员及时反应并作出判断，以及提升决策的准确性。运用础滨和大数据技术，开发智能监管工具，提高监管的效率和精确度，例如研究开发自动化的实时合规审查和动态风险评估系统。

叁是设立数据伦理审查委员会。组建多个行业多个领域交叉的伦理审查委员会，及时审查和处理敏感数据，避免出现数据应用与权益保护冲突等伦理问题。

四是建立覆盖数据全生命周期的信息披露制度。资本市场是信息披露的重要舞台，可持续的信息披露不仅是法律的要求，亦是市场的选择。不同类型的入池数据资产，其信息披露的要求不尽相同，应当区分不同类型数据资产设置对应匹配的信息披露要求和内容，从而为监管提供依据和标准，切实保护投资者和社会公众的正当利益。此外还应当根据数据使用目的、场景和主体性质的不同区分设置信息披露，以实现各方利益合理共存与相容。

五是关注数据市场社会信用体系建设。通过建立市场信用评价体系，加强市场参与主体之间的信任联系。信用评价应当明确主体的角色定位、责任和义务，同时确定相应的评价流程与标准、信息公开等操作规则，以执行制度保障数据利用的专业性和规范性，减少或者避免数据资本化过程中的矛盾和争议；同时应当鼓励和支持技术开发和研究成果的共享利用，提升主体的数据资本化业务能力。监管机构可以设立奖惩机制，对诚信经营、合规操作的主体进行奖励，对违规行为予以惩戒。此外，还可匹配税收优惠、政务服务“绿色通道”等激励措施和手段来实现社会整体信用氛围的构建与提升。

四、结语

    数据可谓是数字经济体系的“筋骨”和“血脉”。解决了数据的合规与安全问题，接下来需要实现数据的资产化价值，而数据资产的证券化，则是实现数据价值公允性的最好体现，也是实现数据融资的优选方式之一。与此同时，数据资产证券化设计带来的诸多风险，需要多种防范与控制手段予以规制。本文通过数据“资源化—资产化—资本化”的进阶路径，基于数据资产证券化动态进程中存在的现实困境，尝试进一步研究和实践探索。