一种固定资产类资产成本法估值模型

摘要

本发明提供了一种固定资产类资产成本法估值模型，包括：获取待评估的固定资产信息；确定项目级公共参数、科目级公共参数和特定资产级估值数据；利用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库进行自动计算得到获取待评估的固定资产信息，并根据重置成本和综合成新率输出待评估的固定资产信息的资产评估结果，能根据数据库中的信息实现自行计算，不仅提高了价值评估的速度，不容易出现错误，使得固定资产价值评估的过程更加高效精确。

说明书

技术领域

本发明涉及固定资产类资产成本法估值技术领域，特别涉及到一种固定资产类资产成本法估值模型。

背景技术

成本法也是资产评估的基本方法之一。成本法是指按照重建或者重置被评估对象的思路，将重建或者重置成本作为确定评估对象价值的基础，扣除相关贬值，以此确定评估对象价值的评估方法的总称。从被评估资产重建或重置的角度考虑是成本法的基本思路，因为在条件允许的情形下，任何潜在的投资者在决定投资某项资产时，所愿意支付的价格不会超过该项资产的现行购建成本。如果该投资对象并非全新，投资者所愿支付的价格会在投资对象全新的现行购建成本的基础上再扣除各种贬值。

现有的成本法对固定资产类资产进行评估时容易出现评估参数取值标准不一致，特别是涉及固定资产比较多的评估项目，由不同的评估专家对不同的固定资产类资产进行评估时，更容易出现此类问题。由于固定资产类资产涉及的参数较多，选取参数费时费力，存在困难。此外，不同的评估师采用的成本法评估计算方式也不完全相同。

发明内容

为解决上述问题，本发明提供了一种固定资产类资产成本法估值模型，包括：

步骤一，获取待评估的固定资产信息；

步骤二，确定项目级公共参数、科目级公共参数和特定资产级估值数据；

步骤三，利用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库进行自动计算得到重置成本和综合成新率，并根据重置成本和综合成新率输出待评估的固定资产信息的资产评估结果。

进一步地，所述步骤一中待评估的固定资产信息包括序号、权证编号、建筑物名称、房屋名称、房屋来源、结构、建成年月、长度、宽度、槽深、沟宽*沟厚、管径*壁厚、材质、绝缘方式、计量单位、建筑面积或体积、成本单价、账面价值原值和账面价值净值。

进一步地，所述步骤二中项目级公共参数包括：本单位评估结果是否含税、存款利率、贷款利率、设备增值税率、房产增值税率、运杂费增值税率、安装费增值税率、基础费增值税率、前期费增值税率、所得税率。

进一步地，所述步骤三中综合成新率是对理论成新率和现场勘察成新率综合评价得到的，其计算公式为：

综合成新率＝理论成新率×40％+现场勘察成新率×60％/其他方法确定的综合成新率

其中，所述理论成新率是通过特定资产级估值中的数据推算得到；所述现场勘察成新率是通过现场勘查，结合待评估的固定资产的维护、修理、改造情况及运行记录进行打分获得；

所述根据所述重置成本和综合成新率输出待评估的固定资产信息的资产评估结果的计算依据为：固定资产评估值＝重置成本×综合成新率。

进一步地，所述获取待评估的固定资产信息之后还包括：自动识别获取的待评估的固定资产信息数据，具体步骤如下：

步骤A1，获取以往l个已经确定类别的固定资产信息样本数据，所述将l个已经确定类别的固定资产信息样本数据形成一个样本数据矩阵K，所述样本数据矩阵K为l行d列，d列代表样本数据的数据维度，l个样本数据则含有l个类别识别结果，将l个类别识别结果形成一个类别识别结果矩阵G，所述类别识别结果矩阵G为l行1列，当所述固定资产信息样本数据为房屋建筑类数据，则对应的类别识别结果为1，当所述固定资产信息样本数据为机器设备类数据，则对应的类别识别结果为-1；

步骤A2，根据样本数据矩阵K和类别识别结果矩阵G构建一个损失学习函数：

其中，L(K)代表构建的损失学习函数，G

步骤A3，根据以下公式确定更新后的参数值和偏置：

其中，λ

步骤A4，将获取的待评估的固定资产信息数据转换成数据矩阵T，根据以下公式进行判断待评估的固定资产信息数据的类别：

其中，I代表类别判定值，T

进一步地，所述步骤三中重置成本根据获取的待评估的固定资产信息进行获取，包括：

当获取的待评估的固定资产信息数据为房屋建筑类，则根据以下公式获取重置成本：

重置成本＝建安工程造价+前期及其他费用+资金成本+开发利润+销售税费；

当获取的待评估的固定资产信息数据为机器设备类，则根据以下公式获取重置成本：

重置成本＝设备购置价+运杂费+安装调试费+其他合理费用。

进一步地，所述步骤三中计算模型数据库包括房屋建筑物类固定资产计算模型数据库和机器设备类固定资产计算模型数据库，所述计算模型数据库根据获取的待评估的固定资产信息进行自动选择，包括：

当获取的待评估的固定资产信息数据为房屋建筑类，则自动选用房屋建筑物类固定资产计算模型数据库；

当获取的待评估的固定资产信息数据为机器设备类，则自动选用机器设备类固定资产计算模型数据库。

进一步地，所述步骤三中项目级公共参数数据库、科目级公共参数数据库和计算模型数据库为模型内置的数据库，并且定期进行更新和维护。

进一步地，所述数据库内容定期进行更新，包括：

针对当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库的调用，获取下次数据库调用时的时间间隔，；

根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库确定各自对应的更新优先级；

根据更新优先级，确定当前根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库各自对应的更新缓存时间；其中，所更新缓存时间小于调用时的时间间隔；

服务端根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库各自对应的更新缓存时间和各自对应的更新优先级，对数据库中的内容进行定期更新。

进一步地，所述输出待评估的固定资产信息的资产评估结果之后还包括：对输出的资产评估结果值进行验证，具体步骤如下：

获取待评估的固定资产信息数据，并根据待评估的固定资产信息数据计算待评估的固定资产信息数据的均值、标准差以及服从的正态分布；

根据待评估的固定资产信息数据的均值、标准差以及服从的正态分布，对所述待评估的固定资产信息所对应的资产评估结果进行验证；

当资产评估结果符合待评估的固定资产信息数据的均值、标准差以及服从的正态分布，则保留最终的资产评估结果；

当资产评估结果不符合待评估的固定资产信息数据的均值、标准差以及服从的正态分布，则进行重新估值计算。

与现有技术相比，本发明的有益效果：本发明提供一种固定资产类资产成本法估值模型，该模型包含成本法、市场法、收益法，模型集成了项目级公共参数数据库、科目级公共参数数据库和计算模型数据库，在输入项目级公共参数、科目级公共参数和特定资产级估值数据后，可自动计算完成估值。该估值模型应用范围广，可应用到房屋建筑物、构筑物、管道沟槽、机器设备、车辆、电子设备等固定资产类资产评估中。既可应用于传统的线下估值，也可应用于线上估值系统。

附图说明

为了更清楚地说明本发明实施例的技术方案，下文中将对本发明实施例的附图进行简单介绍。其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。

图1为本发明所述的一种固定资产类资产成本法估值模型流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明解决的技术问题是，提供一种固定资产类资产成本法估值模型，包括：

步骤一，获取待评估的固定资产信息；

步骤二，确定项目级公共参数、科目级公共参数和特定资产级估值数据；

步骤三，利用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库进行自动计算得到重置成本和综合成新率，并根据重置成本和综合成新率输出待评估的固定资产信息的资产评估结果。

上述技术方案中在进行对待评估的固定资产信息进行价值评估时，首先，获取待评估的固定资产信息；其次，确定项目级公共参数、科目级公共参数和特定资产级估值数据；最后，利用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库进行自动计算得到重置成本和综合成新率，并根据重置成本和综合成新率输出待评估的固定资产信息的资产评估结果，其中进行评估采用成本法估值模型进行评估，降低了只根据专业评估师个人经验进行评估的主观性，而且通过数据库中的信息进行计算有效的避免了专业评估师在主观评价时收集资料信息困难的问题，而且上述技术方案能根据数据库中的信息实现自行计算，不仅提高了价值评估的速度，不容易出现错误，使得固定资产价值评估的过程更加高效精确，而且可应用于传统的线下估值，也可应用于线上估值系统，大大增强了模型的可移植性。

本发明提供的一个实施例中，所述步骤一中待评估的固定资产信息包括序号、权证编号、建筑物名称、房屋名称、房屋来源、结构、建成年月、长度、宽度、槽深、沟宽*沟厚、管径*壁厚、材质、绝缘方式、计量单位、建筑面积或体积、成本单价、账面价值原值和账面价值净值。

以上技术方案中在获取待评估的固定资产信息时，获得待评估的固定资产的序号、权证编号、建筑物名称、房屋名称、房屋来源、结构、建成年月、长度、宽度、槽深、沟宽*沟厚、管径*壁厚、材质、绝缘方式、计量单位、建筑面积或体积、成本单价、账面价值原值和账面价值净值，进而能够全面体现待评估的固定资产的整体状况。

本发明提供的一个实施例中，所述步骤二中项目级公共参数包括：本单位评估结果是否含税、存款利率、贷款利率、设备增值税率、房产增值税率、运杂费增值税率、安装费增值税率、基础费增值税率、前期费增值税率、所得税率；

科目级公共参数包括：项目名称、取费标准、参数取值、结构、用途、层数、结构部分权重、装修部分权重、附属设备等部分权重、建筑物分类、设备类别、车辆类型、安装费率、寿命年限、行驶里程、被评估单位所在地、运杂费率、自定义、依据、依据附件、数据来源；

特定资产级估值数据包括：评估方法、项目名称、用途、层数、工程综合造价、工程综合总价、耐用年限、观察法成新率、观察法-结构部分打分权重、观察法-装饰部分打分权重、观察法-配套设施打分权重、其他方法确定的综合成新率、市场法或收益法评估单价、特殊设备重置单价。

以上技术方案中确定项目级公共参数、科目级公共参数和特定资产级估值数据，及确定本单位评估结果是否含税、存款利率、贷款利率、设备增值税率、房产增值税率、运杂费增值税率、安装费增值税率、基础费增值税率、前期费增值税率、所得税率；确定项目名称、取费标准、参数取值、结构、用途、层数、结构部分权重、装修部分权重、附属设备等部分权重、建筑物分类、设备类别、车辆类型、安装费率、寿命年限、行驶里程、被评估单位所在地、运杂费率、自定义、依据、依据附件、数据来源；确定评估方法、项目名称、用途、层数、工程综合造价、工程综合总价、耐用年限、观察法成新率、观察法-结构部分打分权重、观察法-装饰部分打分权重、观察法-配套设施打分权重、其他方法确定的综合成新率、市场法或收益法评估单价、特殊设备重置单价，从而保证后期利用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库进行自动计算得到重置成本和综合成新率，使得计算结果更为贴合实际项目情况。

本发明提供的一个实施例中，所述步骤三中综合成新率是对理论成新率和现场勘察成新率综合评价得到的，其计算公式为：

综合成新率＝理论成新率×40％+现场勘察成新率×60％/其他方法确定的综合成新率

其中，所述理论成新率是通过特定资产级估值中的数据推算得到；所述现场勘察成新率是通过现场勘查，结合待评估的固定资产的维护、修理、改造情况及运行记录进行打分获得；

所述根据所述重置成本和综合成新率输出待评估的固定资产信息的资产评估结果的计算依据为：固定资产评估值＝重置成本×综合成新率。

以上技术方案中在获取待评估的固定资产信息的综合成新率的时候通过对理论成新率和现场勘察成新率加权综合评定获得，而所述理论成新率是通过特定资产级估值中的数据推算得到；所述现场勘察成新率是通过现场勘查，结合待评估的固定资产的维护、修理、改造情况及运行记录进行打分获得，通过上述技术方案获得的综合成新率既包含了主观观察的因素，又包含了理论成新率客观因素的影响；待评估的固定资产信息的资产评估结果为重置成本和综合成新率的乘积，通过将重置成本和综合成新率的乘积作为待评估的固定资产信息的资产评估结果使得得到的价值评估结果是待评估的固定资产信息的自身的详细情况相对于当前资产评估市场的价值，不仅便于计算，而且不易出错。

本发明提供的一个实施例中，所述获取待评估的固定资产信息之后还包括：自动识别获取的待评估的固定资产信息数据，具体步骤如下：

步骤A1，获取以往l个已经确定类别的固定资产信息样本数据，所述将l个已经确定类别的固定资产信息样本数据形成一个样本数据矩阵K，所述样本数据矩阵K为l行d列，d列代表样本数据的数据维度，l个样本数据则含有l个类别识别结果，将l个类别识别结果形成一个类别识别结果矩阵G，所述类别识别结果矩阵G为l行1列，当所述固定资产信息样本数据为房屋建筑类数据，则对应的类别识别结果为1，当所述固定资产信息样本数据为机器设备类数据，则对应的类别识别结果为-1；

步骤A2，根据样本数据矩阵K和类别识别结果矩阵G构建一个损失学习函数：

其中，L(K)代表构建的损失学习函数，G

步骤A3，根据以下公式确定更新后的参数值和偏置：

其中，λ

步骤A4，将获取的待评估的固定资产信息数据转换成数据矩阵T，根据以下公式进行判断待评估的固定资产信息数据的类别：

其中，I代表类别判定值，T

重置成本根据获取的待评估的固定资产信息进行获取，包括：

当获取的待评估的固定资产信息数据为房屋建筑类，则根据以下公式获取重置成本：

重置成本＝建安工程造价+前期及其他费用+资金成本+开发利润+销售税费；

当获取的待评估的固定资产信息数据为机器设备类，则根据以下公式获取重置成本：

重置成本＝设备购置价+运杂费+安装调试费+其他合理费用；

计算模型数据库包括房屋建筑物类固定资产计算模型数据库和机器设备类固定资产计算模型数据库，所述计算模型数据库根据获取的待评估的固定资产信息进行自动选择，包括：

当获取的待评估的固定资产信息数据为房屋建筑类，则自动选用房屋建筑物类固定资产计算模型数据库；

当获取的待评估的固定资产信息数据为机器设备类，则自动选用机器设备类固定资产计算模型数据库。

以上技术方案中，在获取待评估的固定资产信息后，还进行了对获取待评估的固定资产信息进行模型的自动识别，其中，根据以往的样本数据进行划分类别，进行学习，从而使得计算模型可以智能化自动识别出获取待评估的固定资产信息为房屋建筑类数据还是机器设备类数据，并根据不同类型的数据，从而使用不同类型对应的计算模型数据库，进而进行不同方式的计算重置成本，使得计算重置成本更符合实际情况，从而使得最终的评估结果更具备不同类型的代表性，以上算法通过学习以往的样本数据的类别情况，从而更新算法中具备的参数值和偏置，使得在最终预测类别时，能够更为准确，从而避免了因类别识别失误而导致最终评估结果存在较大的差异。

本发明提供的一个实施例中，所述步骤三中项目级公共参数数据库、科目级公共参数数据库和计算模型数据库为模型内置的数据库，并且定期进行更新和维护；其中，所述数据库内容定期进行更新，包括：

针对当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库的调用，获取下次数据库调用时的时间间隔，；

根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库确定各自对应的更新优先级；

根据更新优先级，确定当前根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库各自对应的更新缓存时间；其中，所更新缓存时间小于调用时的时间间隔；

服务端根据当前项目级公共参数数据库、科目级公共参数数据库和计算模型数据库各自对应的更新缓存时间和各自对应的更新优先级，对数据库中的内容进行定期更新。

以上技术方案中通过对用项目级公共参数数据库、科目级公共参数数据库和计算模型数据库中内容进行定时更新，使得在下次调用数据库时，完成数据库内容的更新，进而使得数据内容在不定时的获取信息的内容，从而进一步提高了成本法评估模型评估准确性，避免了因参数的不准确，而导致评估值误差效果较大。

本发明提供的一个实施例中，所述输出待评估的固定资产信息的资产评估结果之后还包括：对输出的资产评估结果值进行验证，具体步骤如下：

获取待评估的固定资产信息数据，并根据待评估的固定资产信息数据计算待评估的固定资产信息数据的均值、标准差以及服从的正态分布；

根据待评估的固定资产信息数据的均值、标准差以及服从的正态分布，对所述待评估的固定资产信息所对应的资产评估结果进行验证；

当资产评估结果符合待评估的固定资产信息数据的均值、标准差以及服从的正态分布，则保留最终的资产评估结果；

当资产评估结果不符合待评估的固定资产信息数据的均值、标准差以及服从的正态分布，则进行重新估值计算。

以上技术方案实现了对输出的资产评估结果值进行验证，从而使得资产评估结果值能够满足待评估的固定资产信息数据的分布趋势，从而使得最终的估值更为准确，更具有代表性，当不满足待评估的固定资产信息数据的分布趋势时，从而进行成本法模型的再次评估，直至满足待评估的固定资产信息数据的分布趋势，进而避免了因为成本法模型误差较大的估值而造成的损失，从而使得成本法模型更为全面。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则范围之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。