现代产权理论:一个产权投资与数据确权的思路

|研究员专栏 作者:李刚 2020-06-19

作者 | 李刚 腾讯研究院首席研究员

【写在前面】在合作中形成的产权应归属于对合作产出边际贡献最大的一方,是现代产权理论的基本思路。放在高科技领域的投资里,生态打法的好处是保留了创始团队的积极性,坏处是让渡了大部分的控制权。放在最近有关数据要素和数据市场培育的话题里,数据要素的确权应该鼓励在数据要素化过程中投入巨大、对数据价值创造至关重要的参与方。保障安全和隐私是数据要素使用中的高优先级目标,但这与数据要素的确权是两码事。

文章较长,第一部分是对现代产权理论的一个简单回顾(简单到简单化的回顾),第二部分是用一个例子对现代产权理论的推论做说明(虽然是个很古早的例子,但是真实发生的事件),第三部分和第四部分是在高科技投资和数据要素市场领域的讨论。对理论讨论没有兴趣的朋友,可以跳过一、二部分,直接看三、四部分。

 

1. 现代产权理论 

2016年,在与Sanford Grossman共同发表《所有权的成本和收益:一个垂直和水平整合的理论》(Cost and Benefit of Ownership: A Theory of Vertical and Lateral Integration)一文整30年之后,Oliver Hart获得了诺贝尔经济学奖。

这篇文章与之后Hart and Moore (1988、1990、1994)、Hart, Shleifer & Vishny (1997)等一系列重要文章一起,发展出以博弈论为基础的现代产权理论。时至今日,Grossman & Hart (1986)仍是微观经济学领域重要的里程碑之一,在谷歌学术搜索中被正式引用12,642次。

文章中第一次提出不完整合同(incomplete contract)的概念,指出不论缔约双方如何努力拍脑袋,不论合同写多长,也不可能穷尽签订后所有可能出现的例外状况,总会有情理之中、意料之外发生。因此能写出来的合同,都是“不完整”的合同。顺着这样的逻辑,作者把合同中标的物(往往是合同签订后双方合作投资形成的资产)的所有权(ownership)定义为剩余控制(residual control),也即除合同中事先约定的条款之外,掌握标的物所有权的一方拥有对所有例外情况的控制权。此即产权的本质

循着这一思路,作者为分析经济学中“企业和市场的边界”这一经典问题提供了一个新视角,大概可以总结为两条

第一条,所有权的重要性,不单在于保障在事后利益分配中取得合理份额,更重要的是保障事前的投资达到可以使事后总产出最优的水平。这一观点与从Ronald Coase (1937)到Oliver Williamson (1975)的交易成本传统有所不同。交易成本的产生是在投资完成后,因为投资的专属性(asset specificity)导致交易中的一方利用这一弱点重启谈判以便在最终的利益分配中拿到更大的份额,也即所谓“打劫”(hold up)问题。通过垂直整合(企业边界扩大),交易方变成企业内部雇员,行政命令取代对等谈判,打劫问题也就不复存在。在Grossman & Hart(1986)这里,预见到事后会被打劫,交易相关方在事先就会决定保守投资(underinvest)以减少被打劫时的损失,结果是一个次优的纳什均衡——虽然降低了被打劫的风险,但因为保守投资,产出也达不到最优水平,重新谈判筹码变少,收益也变少,也就没有再次谈判重写合同来打劫的动力。但若掌握标的物所有权,也就掌握对所有事后例外的控制权,有效保障合同的执行,避免事后打劫的发生。签约方也就更有信心在事先充分投资以保障事后产出水平最优。

第二条,产权归属应该取决于合作方对最终产出的贡献度。在交易成本理论的讨论中,有一个关键问题被忽略了,即交易双方谁来整合谁?垂直整合通过内化市场合同防范打劫、降低交易成本,但整合后谁是企业主、谁又变成了雇员对这一结果没有影响,反正打劫风险已经被消除,交易成本已经降低。与之形成鲜明对比,在Grossman & Hart(1986)的模型里,谁来整合谁会对最终结果产生关键影响。如果出现了错误的产权转移,也就是边际贡献率较低的一方掌握所有权,将导致边际贡献率较高的一方丧失动力,减少投入甚至不投入,最终产出显著下降,垂直整合还不如市场交易。这样看,保障最优产出的产权安排原则端看谁应用标的物创造的价值更大,对最后产出的边际贡献更大,就应该由他/她来整合内化标的物,取得“剩余控制”。这样一来,因为其权益受到“剩余控制”的保护,投资动机增强,更愿意参与投入,最终的产出水平也得到优化。

 

2. 举个“栗子”🌰 

Oliver Hart在其诺贝尔奖获奖致辞中,用一个煤矿-火电厂的例子来说明上述两个论点。煤矿希望火电厂建在旁边,这样可以节省运费,巩固自己的价格优势。火电厂则担心,投资建设完成后,煤矿会跑来要求重新谈判事先签订的供货合同,反正电厂已经建在煤矿旁边无法移动,只好接受煤矿的各种要求。换句话说,因为电厂做出了专属性投资(建在煤矿旁边)导致在投资完成后被“打劫”。预见到投资完成会被打劫,电厂可能会缩减投资规模,或者选址在几个煤矿的中间点,或者要求煤矿负担部分投资建厂成本。煤矿可能会因此在后期供煤的时候做手脚以节省成本。总之,最后的结果就是两者合作的产出达不到最优水平,而是一个次优的纳什均衡。

交易成本理论中,只要电厂和煤矿实现垂直整合,变成同一家企业,打劫问题就会迎刃而解。领导让把电厂建在哪里就建在哪里,让煤矿提供什么品质的煤就必须提供这一品质的煤,搞小动作,屡劝不听,最不济投资人可以换掉煤矿/电厂的管理层,让听话的上位,结果都是为发电产出最优提供保障。但垂直整合是由煤矿来整合电厂,还是电厂整合煤矿,或者是由第三方投资者同时并购电厂和煤矿,并无本质区别。

但在产权理论当中,三种情况会导致迥异的结果,因为煤矿和电厂对最终的发电量贡献是不同的。假设电厂的边际贡献远大于煤矿,如果是电厂并购煤矿,虽然煤矿因为转交“剩余控制”利益得不到保障投入意愿降低,但其贡献率不大所以对最终结果的影响也较小。相反,如果是煤矿并购电厂,电厂因为相同原因投入意愿降低,则最终结果会因此大幅偏离最优产出,甚至比垂直整合之前更糟糕。而由第三方完成并购,只有在合同的完成度很高、事后出现例外状况的空间很小的时候才会成为选项(实际上,这种情况下由谁来主导垂直整合已经不重要,甚至垂直整合本身是否必要都是可以讨论的问题了)。

Hart and Moore (1988、1990、1994)、Hart, Shleifer & Vishny (1997)等系列文章对Grossman & Hart (1986)做了进一步发展。Hart and Moore (1988)在合同中加入一个事后重新谈判的机制,但发现在需要做专属性投资的情况下,重新谈判的机制还是会导致次优的结果;Hart and Moore (1990)把不完整合同拓展到多个相关方、多种标的物的情况,产权的安排也更为复杂;Hart and Moore (1994)讨论学识精力等与个人不可分割的投入对公司资本结构的影响,当与这些人力匹配的实物投资专属性越强,则权益投资或整合是更好的选择,若相反,则负债的可能性更高;Hart, Shleifer & Vishny (1997)将不完整合同理论用到公共服务领域,讨论何种服务应采用垂直整合模式,由政府拥有由政府提供,何种服务应采用外包模式,由私人机构提供。

 

3.产权投资 

Grossman & Hart (1986)提出的这些原创性方法和分析思路,即便是在三十年后的今天,对我们理解一些重要的经济现象,仍是非常有启发的。

例如,新冠疫情引发全球对药物/疫苗研发的关注。新药研发风险高、周期长,发现活性物成分的小团队会早早为自己的发现注册专利,但却没有资源和实力来支撑后面漫长、高风险、所费不赀的临床试验,因此需要引入外部投资者,通常是实力雄厚的制药公司来支持临床实验。那么问题来了,面对这样的情况,制药公司要不要买入小团队来保障自己的高额投入不会在研发成功后被“打劫”——掌握专利的小团队反悔,宁愿挨罚,转投其他出价更高的制药公司怀抱?

按照交易成本理论的分析,制药公司当然要垂直整合,或者买断专利,或者买下团队,这样才能消除打劫风险,降低交易成本。但从产权理论的角度,垂直整合后,小团队的“剩余控制”被剥夺,或者成为卖掉专利的不相干的一方,或者成为企业雇员,在原专利基础上持续创新的动力大打折扣。而对于新药研发特别是生物药研发来讲,原创团队的热情对应对临床中的不确定性,对最终是否能从专利变成被批准的新药,是十分重要的。由创业者变成雇员,拼搏奋斗敢于冒险的企业家精神被打了折扣,最终产出也变成次优。所以垂直整合不如一份研发代理合同。事实也是如此,大型制药公司除少量内部孵化的研发项目外,大部分的研发活动都是通过与外部小型生物制药公司或研发团队以战略合作伙伴或者外包合同的方式来完成的。医药研发领域类似合作关系异常发达,以大型制药企业为中心,各类研发合作关系构成的致密网络包裹出一个个具备自组织能力的生态圈。

从制药行业跳出来,放在一个更一般性的情景下考虑大型科技企业与初创企业或快速成长的独角兽的关系,产业投资的股权结构安排也应该做相似的平衡。大型科技企业,从某种程度上讲有点像上面提到的大型制药公司,处在竞争激烈创新活跃的前沿科技领域,往往需要通过投资来应对快速变化的市场和科技研发带来的不确定性。事实上也是如此,ICT、互联网与医药行业一样,都是投资并购非常活跃的领域,而其中的主导力量也都是大型科技公司。站在这些公司的角度,框架合同、少数股权、合营、控股、合并,哪一种安排更为合适?

对此,曾有不少讨论。相当一部分舆论站在控股甚至合并一边,认为这样才能指挥的动,才能打通“中台”,才能推动新打法、颠覆固有的商业模式。当然,与这些商业模式一起被颠覆的,往往还包括创始人和创业团队——草创企业的“剩余控制”被买断,自己变身为打工仔,或者彻底出局成为最熟悉的陌生人。不论哪种情况,都会让创业团队至少丧失大部分继续奋不顾身投入企业运行和市场开拓的动机。而对于初创企业来说,能够区别于其他赛道和模式类似的企业的最重要资产,往往就是创始人和创业团队的特性和拼搏精神。沿用Grossman & Hart (1986)的逻辑,在这种情况下,控股/合并不一定是能够保障项目产出最大化(初创公司快速健康发展)的合适安排。 

Bernstein,Korteweg & Laws (2017)针对4,500名天使投资人做了一场随机测试,发出email推介21家初创企业,内容除了赛道、创意、市场潜力、期望的融资金额、前期已经融到的金额,还包括创业团队的背景介绍(教育/工作经历/创业经历)、企业经营状况(营收/用户增长)、现有的重要投资人名单。试验结果所有天使投资者都对创业团队本身的信息更感兴趣,而且越是有经验、成功的投资者越是专注于创业团队本身,越是经验较少的投资者越容易受到其他因素的影响。 

当然,随着企业的成长和内部体系的完善,创始人和创业团队的角色、对企业的价值也会发生复杂的转变。一方面,敢闯敢拼的企业家精神对于在创新引领、快速变化的市场竞争中取得先手非常重要;另一方面,出现绑架投资方,采用过于激进的策略或者过度扩张的集团化策略巩固自己地位等代理人问题,也可能浮出水面。Kaplan, Sensoy, & Stromberg (2009) 研究了50家VC投资的企业从最早提出商业计划(business plan)的创业初期,到IPO,再到IPO之后三年的变化,发现创业初期77%的CEO是创始人,到IPO时这一比例降低到58%,三年后进一步下降到38%——作者的解释是创业期,企业最重要的资产是创始人和创业团队的人力资本,而随着企业长大,不与个人挂钩的有形和无形资产占比增加,贡献越来越大,创始人和创业团队虽然仍然很重要,但重要性随着公司的逐渐成熟而缓慢下降。

Kaplan, Sensoy, & Stromberg (2009)将对初创企业投资比喻成赌马,投资者是要押注在马(企业、赛道)身上,还是要押注在骑手(管理团队)身上?作者认为前者更靠谱,因为从最初的商业计划书到IPO再到IPO后三年,管理团队常换常新而核心业务少有变化。这一结论多少有事后回头看(from hindsight)且只看成功者(survival bias)的问题。更合适的比喻可能是吃包子,业务是包子皮,创始人和团队是包子馅。若是投资者总觉得自己比创始人和团队更了解业务,觉得自己手中有候选包子馅,可以买完之后留皮换馅,买包子只买看着有食欲的包子皮,似乎也不是一个好的投资策略。因为这样总不会比从一开始就买到包子皮馅合口味来得更好。

 

4. 数据确权 

4月10日印发的《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》将数据与土地、劳动力、资本、技术等传统生产函数中的要素并列,有关“数据生产要素”的讨论引发热烈讨论。培育数据要素市场、促进数据资源流通也被提上议事日程,数据确权、数据定价等话题成为讨论的焦点,但讨论结果往往因为所持立场和讨论场域的不同而相差很大。从现代产权理论的角度来分析这个问题,以让数据要素产生的价值最大化为确权和流通的目标,可能会帮助我们厘清一些关键点。

数据作为要素投入,本身具有的与土地、劳动力、资金等传统要素不一样的独特性质,可以简单归纳为三点,容易复制(复制速度快且成本低,一块硬盘搞定)、一致性(复制无损,在谁手里都“长”得一样)、非排他(non-rivalry, 复制给A并不妨碍复制给B;A在用不妨碍B也同时使用)。当采用完全静态的角度看数据要素的这三个特性的时候,往往会产生这样的错觉——如果数据作为生产要素可以产生价值,且可以在保持一致性的前提下以极低成本大量复制,不会有排他性,那岂不是复制越多、分享范围越大、价值自然就最大化了? 

这可能是对数据要素特性的最广泛流传的误解。事实并不是这样的:复制低成本不等于加工低成本;数据一致性不等于价值一致性;使用非排他不等于使用无成本。

首先,移动互联时代的大数据与PC时代的小数据有本质的区别——量大、多维、格式多样、价值稀疏。一张40行×5列的班级成绩表,可以通过简单排序,花几分钟时间理解清楚;一张300行×30列的地级市GDP历史数据,可以通过多绘几张图,花几十分钟得到趋势性结论;一张2000行×200列的股市交易数据,需要通过描述统计、方差分析,甚至更复杂的统计模型来进行判断。再升高两个数量级,excel能做的已经不多,需要换专门的统计软件了。这些还是定义直观明确容易理解的情况,若是处理对象从excel表换成数以亿计的文章、照片、视频,这样的原始数据素材依靠人力或者高性能PC来处理已经不现实了。

当样本越大、维度越多、数据越复杂、定义越模糊,从原始数据产生出可以用作决策的结论所需要的加工深度就越大,工作量也就越大。移动互联时代实时产生的海量数据绝大部分已经托付给机器和算法自动处理,最终送到决策者面前的都已经是深度加工的成果。原生态数据不是生产要素,加工后的数据才是;复制一台PC上的数据很简单(但往往也要一两个小时),传输、存储、计算、挖掘分析互联网大数据很贵很难。这个很贵很难需要大量前期投资数据深加工过程,可以称为数据的“要素化”。没有要素化的数据,如同没有被光电板捕捉到的日照、从风电机旁边吹过的疾风,是无法利用的。

其次,数据的一致性不等于数据要素价值的一致性。相反,即便是完成要素化的数据,也与一般意义上贵金属、石油、大豆等大宗商品不一样,难以简单进行标准化分割,拆成单位商品标价交易。数据要素作为一种资产是高度场景化的,有很强的专属特性。银行、运营商、互联网企业等都是目前数据要素化的关键渠道。各家面对的场景不同,具体的数据源、存储结构、分析方式方法也有较大的差异。一家搜索公司与一家电商公司的数据结构、使用数据的方式和流程,分别是以优化搜索结果或者最大化电商推荐为目标,并不断迭代演进的结果。两者的数据要素化过程必然会有显著的差异,搜索拿着电商的数据做不来搜索的业务、电商拿着搜索的数据做不来电商的业务。让搜索公司与电商公司互换自家赖以生存的数据要素来做自己的现有业务,必然是一地鸡毛。也就是说,各家经过多年积累培养的数据要素化能力也是要素化数据在自家手里才能发挥最大价值的保障。

从这个意义上讲,未来的数据定价和数据市场建设需要围绕着已经要素化的数据产品和服务展开,而不是针对未经加工的原始数据素材。价值评估不应是以芜杂多样难以理解的原始数据素材为标的物按量计价,而是针对特定的使用方式、使用场景开发出的特定数据服务来估价——数据完成要素化之后,进一步与实际需求相结合、与应用场景相结合开发成为专门的服务产品,再基于公平公开自觉自愿的原则进行市场配置。 

第三,非排他不等于无成本。数据的要素化过程需要大量投入,不仅仅是搭建平台的硬件投入,还包括在要素化的过程中,随着开发量的积累和原创性想法的加入,出现的特异的具有知识产权属性的价值增量。非排他是知识产权普遍具有的特性,虽然在A使用的同时不妨碍B的使用,但并不等于因为非排他就无成本,就应该无偿分享。

这里又回到现代产权理论的核心一问,在不完全合同条件下,什么样的产权归属安排才能达到事后产出价值最优的结果?依照“剩余控制”按照边际贡献分配的原则,在数据要素化起到关键作用的平台,更应该取得相应权利。一方面,数据要素化需要依托强大的计算存储等基础能力和专业化的人才队伍,前期投入巨大耗时费力;另一方面,数据要素化有很大的规模效应和范围效应,适于专业长期持续投入的平台化发展。从这些特性考虑,把数据的要素化过程交给个人用户、多个个人用户的代理者/联盟、第三方数据公司来完成,至少是低效的,甚至大部分情况下是不可能的。充分保护用户隐私是一回事,以此为据进行要素化数据归属的错配是另一回事,这样的错配必然是削弱对数据要素化起关键作用的一方前期投入积极性,结果很可能是数据要素化进程缓慢,数据要素的价值难以充分发挥,相关市场也发育不起来。

 

小 结

企业与市场的关系是微观经济学的重要课题。从Ronald Coase (1937)到Oliver Williamson (1975),再到Grossman & Hart (1986)、Hart & Moore (1990),一系列微观领域的经典论文出自于尝试对“企业的边界”这一核心问题作出解答。甚至包括一些社会学研究的经典,如Mark Granovetter (1985)基于任何组织必然“嵌入”(embeddedness)在社交网络之中的论述,也在试图重新定义“企业”和“企业的边界”。这些思想,对我们理解当今的一些经济现象、厘清一些重要的经济关系,仍有借鉴意义。例如不完全合同和剩余控制概念对我们理解高科技领域里企业集群、产业生态演进的现象,对数据要素的产权归属、市场交易机制设计等问题,都会有所启发。如果以最终产出最优为考虑,需要对边际贡献最大的一方做倾斜这一原则,直观且有说服力。

它山之石,可以攻玉。在中国特殊的国情和制度之下,发展数字经济等新的经济形态和新的增长模式,需要学习借鉴国内外历史经验,降低试错成本,更需要谨慎客观的研究态度和科学的研究方法来探索未来发展道路。期待未来更多的思考者和观察员加入这一讨论。

 

参考文献:

  1. Bernstein, S., A. Korteweg, and K. Laws (2017), “Attracting Early Stage Investors: Evidence from a Randomized Field Experiment”, Journal of Finance. Vol.72: 509-538.

  2. Coase, R. (1937) "The Nature of the Firm." Economica, Vol. 4: 386-405.

  3. Granovetter, M. (1985). Economic action and social structure: The problem of embeddedness. American journal of sociology. Vol. 91, 481-510.

  4. Grossman, S., and O. Hart, (1986) "The Costs and Benefits of Ownership: A Theory of Vertical and Lateral Integration." Journal of Political Economy. Vol.94: 691-719.

  5. Hart, O. and J. Moore (1988), “Incomplete Contracts and Renegotiation”, Econometrica. Vol. 56: 755–785.

  6. Hart, O., and J. Moore. (1990) “Property rights and the nature of the firm”. Journal of Political Economy. Vol.98: 1119-1158.

  7. Hart, O. and J. Moore (1994), “A Theory of Debt Based on the Inalienability of Human Capital”, Quarterly Journal of Economics. Vol.109: 841–879.

  8. Hart, O., A Shleifer, and R. Vishny (1997), “The Proper Scope of Government: Theory and an Application to Prisons”, Quarterly Journal of Economics. Vol.112: 1127–1161.

  9. Jensen, M. and W. Meckling (1976), “Theory of the Firm: Managerial Behavior, Agency Costs, and Ownership Structure”, Journal of Financial Economics. Vol.3: 305–360.

  10. Kaplan, S., B, Sensoy, and P. Strömberg (2009), “Should Investors Bet on the Jockey or the Horse? Evidence from the Evolution of Firms from Early Business Plans to Public Companies”, Journal of Finance. Vol.64: 75–115.

  11. Williamson, O. (1975), Markets and Hierarchies: Analysis and Antitrust Implications, The Free Press: New York.

前沿杂志
互联网前沿42

无人驾驶汽车正从科幻变成现实。作为第二次机器革命(即如今的人工智能变革)的重要产物和标志,无论从未来5年、10年抑或20年来看,无人驾驶汽车都可能产生巨大影响,这些影响牵扯到人类生活的方方面面,需要政策制定者现在就开始绸缪无人驾驶汽车的未来并应对其潜在影响。

2018-07-11

全站精选