【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关于“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品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。
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。
第三，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三种主要模式：
1.商业地产抵押贷款支持证券，简称CMBS（commercialmortgage-backedsecuritization）：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ABS（asset-backedsecuritization）：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ABN（asset-backednote）：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，资产证券化产品已经成熟，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。
（三）我国关于数据资产证券化的现有规则体系
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
2.数据资产确权障碍
3.数据资产交易障碍
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。
其三，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“数据产品”。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品的转化后，便生成了“数据产品价格”。在数据产品中，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品定价不能统一的核心原因。
（二）安全风险
（三）监管困境
三、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
（二）创新数据要素定价交易机制
（三）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品创新提供技术支持，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。
其三，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。
（四）监管守护数据资本化安全
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AI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。
三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。
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。