■ 趙振洋 章 程

一、引言

近年來，我國電影市場發(fā)展迅猛，電影總票房實現(xiàn)了連續(xù)17年快速增長。如圖1所示，尤其是從2007年到2015年，年復(fù)合增長率高達38%。截至2017年，中國電影總票房的規(guī)模已經(jīng)達到558.39 億元，成為了僅次于美國的全球第二大電影市場。但我國電影融資渠道發(fā)展比較緩慢，當(dāng)前我國電影行業(yè)融資主要依靠風(fēng)險投資和私募基金投資。風(fēng)險投資和私募機構(gòu)往往會提出較為嚴苛的條件，其每一筆資金的使用和電影的制作進度都要受到嚴格約束。而諸如華誼兄弟、上海電影集團這樣的行業(yè)巨頭則選擇上市籌措資金，但這一融資模式僅僅適用于那些發(fā)展前景良好、實力雄厚的大企業(yè)。

電影版權(quán)證券化，是指電影版權(quán)擁有者通過特設(shè)載體（SPV）將具有預(yù)期現(xiàn)金流入的電影版權(quán)重組后，以未來現(xiàn)金流為基礎(chǔ)來發(fā)行證券、獲取融資的資本運作過程。從發(fā)達國家的經(jīng)驗來看，電影版權(quán)證券化已經(jīng)是一種成熟的電影融資方式。美國電影行業(yè)發(fā)行的版權(quán)證券化產(chǎn)品在全部知識產(chǎn)權(quán)證券化產(chǎn)品中占比達42%，規(guī)模遠遠超過商標和專利的證券化。2017年，國務(wù)院印發(fā)《國家技術(shù)轉(zhuǎn)移體系建設(shè)方案》，提出要完善多元化投融資服務(wù)，具體措施之一就是“開展知識產(chǎn)權(quán)證券化融資試點”。2018年，國務(wù)院出臺《關(guān)于支持海南全面深化改革開放的指導(dǎo)意見》，提出要鼓勵探索知識產(chǎn)權(quán)證券化，完善知識產(chǎn)權(quán)信用擔(dān)保機制。 2018年12月，在國家多部門指導(dǎo)下，我國首支以專利權(quán)、著作權(quán)等知識產(chǎn)權(quán)為標的物的“文科一期ABS”實現(xiàn)證券化，總規(guī)模達7.33 億元，實現(xiàn)了我國知識產(chǎn)權(quán)證券化零的突破。

電影版權(quán)證券化一方面能夠?qū)鏅?quán)這種無形資產(chǎn)成功地轉(zhuǎn)化為實際生產(chǎn)力，解決電影行業(yè)的融資問題，另一方面也能夠活躍資本市場，為廣大投資主體提供多元化的投資選擇。由于我國的電影版權(quán)證券化剛剛起步，電影投資整體上缺乏理性，風(fēng)險規(guī)避渠道缺乏，電影版權(quán)價值難以評估。無論是理論界還是實務(wù)界，都尚未針對電影版權(quán)證券化形成統(tǒng)一規(guī)范的價值評估體系，制約了電影版權(quán)證券化的實踐發(fā)展。

根據(jù)《著作權(quán)資產(chǎn)評估指導(dǎo)意見》的規(guī)定，確定著作權(quán)資產(chǎn)價值的評估方法包括市場法、收益法和成本法三種基本方法及其衍生方法。由于電影版權(quán)資產(chǎn)具有投入產(chǎn)出弱對應(yīng)性，高投入低產(chǎn)出和低投入高產(chǎn)出的案例比比皆是，成本法不適用于電影版權(quán)價值評估。另一方面，電影的文化創(chuàng)意屬性使得選取參照物時缺乏可比性，因此也不適用市場法。本文選用收益法對電影版權(quán)價值進行評估，借鑒傳播學(xué)中的拉斯韋爾模式，構(gòu)建影響電影收益的指標體系，基于神經(jīng)網(wǎng)絡(luò)建立電影收益預(yù)測模型，最終利用收益分成法確定電影版權(quán)的評估價值。

二、基于拉斯韋爾傳播模式構(gòu)建票房影響因素體系

電影既是藝術(shù)，也是商品，更是一種影響廣泛的大眾傳播媒介。電影版權(quán)（即電影著作權(quán)）是指電影作品的所有者對其作品所享有的權(quán)利，主要包括人身權(quán)和財產(chǎn)權(quán)兩個部分，具體可分為復(fù)制權(quán)、放映權(quán)、改編權(quán)等十七項權(quán)利。由于電影放映權(quán)是我國電影版權(quán)價值最重要的組成部分，而電影放映權(quán)產(chǎn)生的收益超過80%由票房提供，因此本文采用電影放映權(quán)價值代表電影版權(quán)價值，并主要通過票房收入來研究電影版權(quán)價值。

如圖2所示，傳播學(xué)中經(jīng)典的拉斯韋爾傳播模式認為，任何傳播過程都可以被解析為五個主要環(huán)節(jié)：傳播主體（傳播者）、傳播內(nèi)容（訊息）、傳播媒介（媒介）、傳播對象（受眾）和傳播效果（效果）。不同的傳播環(huán)節(jié)，對電影票房收入產(chǎn)生不同的影響。如表1所示，針對每一個電影傳播環(huán)節(jié)，選取相應(yīng)的具體指標，最終構(gòu)建包含21 個維度的票房影響指標體系。其中，前20 個維度作為電影收益預(yù)測的自變量，電影票房作為因變量。

圖2 拉斯韋爾傳播模式

傳播者是傳播過程中信息的主動發(fā)出者。從電影的產(chǎn)出角度來看，所有參與電影制作的人都屬于傳播者，包括投資人、制片公司、導(dǎo)演和演員。對于投資人，選取投資成本指標。對于制片公司，考慮到有聯(lián)合制作發(fā)行的情況，根據(jù)CNPP 平臺的統(tǒng)計結(jié)果，選取行業(yè)內(nèi)最具影響力的14 家公司：中影、華誼兄弟、光線傳媒、博納影業(yè)、萬達影業(yè)、上海電影、安樂、北京文化、寰亞、英皇、樂創(chuàng)文娛（前身為樂視影業(yè)）、影聯(lián)傳媒、華夏發(fā)行和五洲發(fā)行，構(gòu)成14 維布爾型變量。對于導(dǎo)演和演員，選取豆瓣影迷數(shù)量作為衡量其影響力的指標，同時選取獲獎情況作為衡量其專業(yè)能力的指標。

訊息是指電影作為載體所傳達的內(nèi)容，包括電影類型、電影時長、技術(shù)應(yīng)用、劇情熟悉度、核心價值和劇情設(shè)置。對于電影類型，根據(jù)中國票房網(wǎng)的標簽，選取“動作、冒險、犯罪、劇情、傳記、喜劇、奇幻、古裝、青春、懸疑、愛情、科幻、運動、驚悚、戰(zhàn)爭、恐怖、警匪和武俠”共18 個種類構(gòu)成布爾型變量；考慮到音樂劇、動畫等類型電影受眾的特殊性，予以剔除。對于技術(shù)應(yīng)用，選取3D和IMAX 構(gòu)成2 維布爾變量。對于劇情熟悉度，選取改編、續(xù)集、翻拍構(gòu)成3 維布爾變量。對于核心價值，根據(jù)電影是否弘揚正能量、積極的世界觀、人生觀、電影價值觀層次是否多元、以及電影主題與社會熱點的關(guān)聯(lián)程度等因素打分，打分范圍為0-10 分。對于劇情設(shè)置，根據(jù)劇情跌宕起伏程度、人物形象刻畫程度、劇情的合理性和創(chuàng)意性以及是否涉嫌抄襲等因素打分，打分范圍為0-10 分。

表1 數(shù)據(jù)指標及其來源

媒介是指傳播過程中傳播者和受眾進行信息交流的渠道，即電影的發(fā)行和上映，具體包括發(fā)行公司，銀幕數(shù)量，檔期和上映天數(shù)。對于發(fā)行公司，由于聯(lián)合出品的情況較多，且大多數(shù)制片公司兼具發(fā)行業(yè)務(wù)，故將發(fā)行公司和制片公司做合并處理。銀幕數(shù)量是指全國影院銀幕的數(shù)量，體現(xiàn)影響票房收益的外部宏觀因素。對于檔期，根據(jù)行業(yè)慣例，劃分為“賀歲檔：11.20- 次年2.20，五一檔：4.20-5.10，暑期檔：6.20-8.31，國慶檔：9.20-10.10，其他”，構(gòu)成5 維布爾型變量。

受眾是指基于特定需求觀看電影的消費者，也是電影票房收益的直接來源。本文主要選取電影平均票價、場均人數(shù)和網(wǎng)絡(luò)搜索指數(shù)。對于網(wǎng)絡(luò)搜索指數(shù)，針對電影上映前后兩個不同階段，分別選取上映前的百度搜索數(shù)量和上映后的百度搜索數(shù)量。其中，前者反映的是電影前期的營銷能力，而后者反映的更多是電影本身吸引觀眾的能力。

效果是指電影對于受眾所造成的影響，體現(xiàn)為受眾對電影的評價和情緒反應(yīng)。電影一旦引起受眾情感上的共鳴或是對現(xiàn)實的思考，其口碑就會快速發(fā)酵。因此選取豆瓣評分和評分人數(shù)，以及專家對電影的情緒體驗打分來衡量電影效果，最終對電影票房收入造成影響。對于情緒體驗，根據(jù)觀眾對劇情人物的代入感、視覺聽覺與思想上的沖擊、電影是否引起觀眾愉悅或感動等情緒反應(yīng)及其程度打分，打分范圍為0-10 分。

三、基于BP 神經(jīng)網(wǎng)絡(luò)估測電影版權(quán)價值的路徑

神經(jīng)網(wǎng)絡(luò)是以計算機、數(shù)學(xué)、神經(jīng)科學(xué)等學(xué)科為基礎(chǔ)，用來模擬人腦特性的抽象簡化模型。該模型由大量神經(jīng)元按照一定層次相互聯(lián)結(jié)而成，具有卓越的非線性映射能力，被廣泛應(yīng)用于分類、識別和預(yù)測等人工智能領(lǐng)域。與傳統(tǒng)的統(tǒng)計回歸模型不同，它無需數(shù)據(jù)集的因變量和自變量之間具有特定關(guān)系或是滿足特定假設(shè)。神經(jīng)網(wǎng)絡(luò)能夠通過迭代學(xué)習(xí)，自主地根據(jù)數(shù)據(jù)特征調(diào)整神經(jīng)元之間的連接權(quán)重，擬合出變量之間復(fù)雜的非線性關(guān)系。因此十分適合用來預(yù)測電影票房收入這種極不穩(wěn)定的變量。

（一）BP 神經(jīng)網(wǎng)絡(luò)概述

目前各領(lǐng)域使用的神經(jīng)網(wǎng)絡(luò)中，超過80% 都選用了BP 神經(jīng)網(wǎng)絡(luò)。BP 網(wǎng)絡(luò)（Back-Propagation Network），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，名字源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則，采用的是后向傳播學(xué)習(xí)算法，即BP 學(xué)習(xí)算法。本文采用BP 神經(jīng)網(wǎng)絡(luò)來評估電影版權(quán)價值。網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。由于網(wǎng)絡(luò)評分和評分人數(shù)等指標只能在電影上映后取得，而電影版權(quán)的評估基準時點可能在電影上映前，也可能在電影上映后，因此本文針對兩個不同階段選取不同指標分別構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，用于預(yù)測電影票房收益。

圖3 BP 神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)

BP 網(wǎng)絡(luò)學(xué)習(xí)過程和步驟如圖4所示。

圖4 BP 神經(jīng)網(wǎng)絡(luò)算法流程圖

1.初始化。確定模型的層數(shù)和每一層神經(jīng)元的數(shù)量，并隨機賦予連接權(quán)值和閾值初始值。其中，和分別描述了輸入層，隱含層和輸出層之間的權(quán)值，表示隱含層的閾值，表示輸出層的閾值。

（2）式中， 是輸出層神經(jīng)元的數(shù)目。

5.修正各層閾值和連接權(quán)值。利用反傳誤差更新網(wǎng)絡(luò)

各式中，η為學(xué)習(xí)率。

6.按照新的閾值、權(quán)值和均方誤差，判斷網(wǎng)絡(luò)是否達到預(yù)期。如圖4所示，如果已經(jīng)達到期望的精度或迭代次數(shù)，就可以停止學(xué)習(xí)；否則返回第二步，繼續(xù)學(xué)習(xí)新的樣本或重復(fù)學(xué)習(xí)樣本。

（二）運用收益分成法確定電影版權(quán)價值

根據(jù)我國《著作權(quán)法》第十五條的規(guī)定，電影版權(quán)由電影的制片方享有。因此，電影版權(quán)證券化的發(fā)起人往往是電影制片方。在評估其版權(quán)價值時，要先將電影票房總收益中歸屬于制片方的部分抽取出來，再按照貢獻分成確定版權(quán)收益。根據(jù)收益分成法，評估電影版權(quán)價值的模型為：

電影總票房收益額已經(jīng)通過神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到。根據(jù)我國電影行業(yè)的慣例，院線占票房收益的57%，制片方占43%。在獲得制片方的票房收入之后，依據(jù)電影版權(quán)和其他資產(chǎn)對收入做出貢獻的比例，將票房收入在各項資產(chǎn)之間進行分成，即可得到被評估電影版權(quán)的預(yù)期收益額。其分成率可在參考行業(yè)平均水平的基礎(chǔ)上，根據(jù)制片方具體情況確定。

由于我國電影市場的發(fā)展相對歐美還不夠完善，票房收入占據(jù)版權(quán)收入的80%以上，后續(xù)衍生收入很少。因此在選擇收益期限時，只考慮票房收入的期限。該收益期限通常較短，也就是從評估基準日到電影結(jié)束放映之間的天數(shù)。

折現(xiàn)率的選取采用風(fēng)險累加法。一方面，電影作為文化產(chǎn)品，作品之間不具有可比性，消費者從中獲得的精神性滿足也難以被量化；另一方面，電影票房收入受到諸多因素影響，具有較大不確定性，屬于風(fēng)險較高的投資活動。因此，在考慮電影版權(quán)的折現(xiàn)率時，應(yīng)當(dāng)著重考慮電影的個別風(fēng)險調(diào)整。折現(xiàn)率公式為：

折現(xiàn)率=無風(fēng)險報酬率+風(fēng)險報酬率+個別風(fēng)險調(diào)整

其中，無風(fēng)險報酬率使用五年期國債的到期收益率。關(guān)于風(fēng)險報酬率，可以在實務(wù)操作過程中，選取若干家可比影視公司近三年的凈資產(chǎn)收益率，求取其均值作為行業(yè)平均凈資產(chǎn)收益率。個別風(fēng)險調(diào)整根據(jù)被評估電影版權(quán)的具體情況分析確定。

將上述參數(shù)代入公式（8）即可得到電影版權(quán)的評估值。

四、基于BP 神經(jīng)網(wǎng)絡(luò)電影版權(quán)價值的實證分析

（一）樣本選擇

本文收集了從2015年1月到2018年9月期間公開上映的450 部國產(chǎn)電影。如表2所示，樣本涵蓋了18 個電影類型和5 個不同檔期，能夠較為全面地反映國產(chǎn)電影的特征。票房收入范圍包括100 萬元到56 億元，中位數(shù)為4137 萬，平均數(shù)為2.3 億。其中《戰(zhàn)狼2》票房最高為56 億，《你往哪里跑》票房最低為100 萬。由于數(shù)據(jù)的差距過大，在數(shù)據(jù)預(yù)處理時對收入、評分人數(shù)等數(shù)值型變量進行取對數(shù)。

（二）建立兩階段的票房預(yù)測模型

鑒于電影上映前后兩個階段的不同特征，分別建立票房預(yù)測模型。針對尚未上映的電影，只能通過前期數(shù)據(jù)來預(yù)測其未來收益。另外，由于評估人員能夠在電影上映前接觸到被評估電影的具體內(nèi)容，所以將核心價值、劇情設(shè)置和情感體驗這三項由評估人員打分的指標也劃為上映前預(yù)測模型指標。如表3所示，選取前述指標體系中制作公司、發(fā)行公司、導(dǎo)演和主演影迷數(shù)量及獲獎情況、電影類型、上映檔期、技術(shù)應(yīng)用和上映前網(wǎng)絡(luò)搜索指數(shù)等共計53 個維度的數(shù)據(jù)作為輸入變量，將累計票房收入作為輸出變量。

針對已經(jīng)上映的電影，可以獲取到首日票房、場均人數(shù)、平均票價、網(wǎng)絡(luò)評分及評分人數(shù)等數(shù)據(jù)?；趥鞑W(xué)的角度考慮，電影上映后的數(shù)據(jù)已經(jīng)包含了前期因素的影響，信息從傳播者到受眾的單向傳播過程已然完成，后續(xù)票房的增長更多地依賴于受眾對電影反饋和口碑在人群中的擴散。因此，如表4所示，第二階段只選取首日票房、場均人數(shù)、網(wǎng)絡(luò)評分及評分人數(shù)、上映后網(wǎng)絡(luò)搜索指數(shù)、平均票價和上映天數(shù)這7 個維度的數(shù)據(jù)作為輸入變量，將累計票房收入作為輸出變量。

表2 樣本數(shù)據(jù)的描述性統(tǒng)計

表3 第一階段的預(yù)測模型指標

表4 第二階段的預(yù)測模型指標

兩個模型都采用只有一個隱含層的網(wǎng)絡(luò)結(jié)構(gòu)。輸入層神經(jīng)元數(shù)量由輸入變量決定，分別是53 個和7 個，輸出層神經(jīng)元數(shù)量都只有1 個。隱含層神經(jīng)元數(shù)量的確定，則需要根據(jù)經(jīng)驗公式反復(fù)試驗得到：

其中， 表示隱含層神經(jīng)元數(shù)目， 表示輸入層神經(jīng)元數(shù)目， 表示輸出層神經(jīng)元數(shù)目， 表示1-10之間的常數(shù)。

（三）實證結(jié)果分析

將樣本數(shù)據(jù)中的70%作為訓(xùn)練集，交叉驗證樣本和測試集各占15%。訓(xùn)練過程中，學(xué)習(xí)算法采用Levenberg-Marquardt 反向傳播算法，激活函數(shù)選取Sigmoid 函數(shù)。本文使用MATLAB，將樣本分別導(dǎo)入兩個階段的神經(jīng)網(wǎng)絡(luò)模型中進行訓(xùn)練，根據(jù)經(jīng)驗公式設(shè)置不同的隱含層神經(jīng)元數(shù)量，挑選出表現(xiàn)最佳的兩個模型。

通過反復(fù)實驗發(fā)現(xiàn)，在第一階段的預(yù)測模型中，隱含層含有10 個神經(jīng)元的網(wǎng)絡(luò)結(jié)構(gòu)擬合效果最佳。如圖5所示，訓(xùn)練集的回歸R 值達到了0.98311，測試集回歸R 值達到了0.96993，模型整體上的擬合效果較好。但圖5的測試集中也出現(xiàn)個別離群值，經(jīng)過梳理發(fā)現(xiàn)，這與現(xiàn)實中存在的低投入高票房和高投入低票房情況相吻合。例如電影《阿修羅》，投資成本高達7 億，視覺效果和演員陣容堪稱華麗，但最終票房不到5000 萬。

在第二階段的預(yù)測模型中，隱含層含有4 個神經(jīng)元的網(wǎng)絡(luò)結(jié)構(gòu)擬合效果最佳。如圖6所示，訓(xùn)練集的回歸R 值達到了0.99725，測試集回歸R 值達到0.98863。通過對比可以發(fā)現(xiàn)，上映后的預(yù)測模型相比上映前的預(yù)測模型，其預(yù)測能力更強。同時發(fā)現(xiàn)，上映后的預(yù)測模型在一定程度上修正了離群值問題，說明觀眾對于電影的反饋和傳播對電影票房具有重大貢獻。

將前述占樣本總數(shù)15%的測試集數(shù)據(jù)代入已建立的預(yù)測模型，得出預(yù)測結(jié)果。共計67 部測試電影，部分結(jié)果如表5所示。電影票房預(yù)測值和電影實際票房收入誤差較小，基本在10%左右?？紤]到模型數(shù)據(jù)來源于網(wǎng)絡(luò)，以及中國票房收入的真實性問題，本文認為預(yù)測模型的實證結(jié)果是比較合理的。

圖5 第一階段預(yù)測模型的實驗結(jié)果（10 個隱含層神經(jīng)元）

圖6 第二階段預(yù)測模型的實驗結(jié)果（4 個隱含層神經(jīng)元）

表5 票房預(yù)測模型部分結(jié)果

綜上，采用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測電影票房收入具有可行性。在用第一階段的預(yù)測模型時，要注意異常值對預(yù)測結(jié)果的影響，而第二階段指標建立的神經(jīng)網(wǎng)絡(luò)模型具有更強的性能，能夠?qū)﹄娪捌狈孔龀鲚^為準確的預(yù)測。再將預(yù)測出來的票房收益代入收益分成法估值模型公式（8）中，即可得到證券化電影版權(quán)的評估價值。

五、電影版權(quán)證券化估值應(yīng)注意的問題

本文通過對電影行業(yè)融資現(xiàn)狀和電影版權(quán)證券化發(fā)展前景的分析，論證了電影版權(quán)價值評估對于推進電影版權(quán)證券化的重要意義，基于傳播學(xué)理論構(gòu)建了評估電影版權(quán)的指標體系，并結(jié)合大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)進行實證分析，最終利用收益分成法建立了電影版權(quán)估值模型。但在電影版權(quán)證券化估值的過程中，還應(yīng)該注意以下幾點問題：

1.注意數(shù)據(jù)真實性和可靠性對票房預(yù)測精度的影響

由于電影行業(yè)和電影版權(quán)評估業(yè)務(wù)的發(fā)展都相對不完善，評估電影版權(quán)時選用的數(shù)據(jù)大多來自網(wǎng)絡(luò)。因此，為了避免劣質(zhì)數(shù)據(jù)對票房收入的預(yù)測精度產(chǎn)生負面影響，需要特別注意網(wǎng)絡(luò)數(shù)據(jù)的真實性和可靠性。除此之外，隨著互聯(lián)網(wǎng)大數(shù)據(jù)的發(fā)展，資產(chǎn)評估行業(yè)建立健全行業(yè)數(shù)據(jù)庫刻不容緩。這就要求資產(chǎn)評估行業(yè)將能夠獲取的數(shù)據(jù)資源和專家?guī)爝M行整合，形成不斷更新完善的信息系統(tǒng)，

2.注意導(dǎo)演、演員丑聞對電影票房的影響

一旦導(dǎo)演、演員爆出吸毒、嫖娼等違法犯罪的丑聞，相關(guān)電影可能將面臨換人重拍、刪減戲份，甚至是無法上映的困境，對電影票房收入有著致命影響。因此，在評估電影版權(quán)價值時，要格外關(guān)注導(dǎo)演、演員是否丑聞纏身、是否有不當(dāng)?shù)难哉摰取?/p>

3.在實際預(yù)測電影版權(quán)收入時，注意衍生收入的影響

由于我國電影市場的發(fā)展相對還不夠完善，票房收入占據(jù)版權(quán)收入的絕大部分，后續(xù)衍生收入較少，因此本文采用票房收入代表版權(quán)收入。但在實際評估中，應(yīng)當(dāng)關(guān)注被評估電影未來產(chǎn)生衍生收入的可能性。根據(jù)被評估電影和制片方實際情況，當(dāng)具有充分證據(jù)表明被評估電影在可預(yù)見未來可能產(chǎn)生衍生收入時，應(yīng)該謹慎地考慮這種衍生收入對版權(quán)價值的影響，這樣才能使得評估價值更加準確。

4.在選取折現(xiàn)率時，注意個別風(fēng)險的影響

電影作為文化產(chǎn)品所具有的創(chuàng)意屬性和精神屬性，是其投入與產(chǎn)出不匹配的主要原因。低投入高票房和高投入低票房的現(xiàn)象時有發(fā)生，使得其未來收入具有極強的不穩(wěn)定性。因此，在選取折現(xiàn)率時，應(yīng)當(dāng)針對被評估電影特有的風(fēng)險做出調(diào)整，以便更準確可靠地評估其價值。