1、成本重估法

重置成本法，亦称重置完全价值法或重置全价法，通常简称为成本法，是一种基于当前市场条件评估资产价值的方法。该方法的核心思路是：在现有技术水平和市场环境下，重新构建或购置一台与评估对象功能相同、状态全新的资产所需投入的全部费用，再扣除该资产因物理磨损、功能落后以及外部经济环境变化所导致的各项贬值因素，最终得出资产的现时公允价值。依据这一逻辑，重置成本法的计算公式可表述为：评估价值 = 重置成本 - 实体性损耗 - 功能性贬值 - 经济性贬值。该方法广泛应用于各类固定资产、机器设备及长期资产的评估，尤其适用于那些难以通过市场比较或收益预测方式准确判断价值的资产。

2、市场比较法 该方法通过对比近期市场上类似资产或企业交易案例的成交价格，结合差异因素进行调整，从而合理估算评估对象的市场价值。其核心在于选取具有可比性的参照物，综合考虑交易时间、地理位置、规模大小、经营状况、财务状况及交易条件等多维度指标，对可比案例进行修正与分析，最终得出被评估资产或企业公允的市场价值。该方法具有较强的现实依据，尤其适用于交易活跃、数据透明的市场环境。

市场法是一种从市场实际交易视角出发，用于衡量评估对象价值的手段。该方法通过梳理和分析市场上若干与待评估资产具有相似性或可比性的参照案例，收集其交易价格及相关条件，再结合评估对象自身的特征、状况及差异因素进行合理修正与调整，最终得出公允价值。由于其依据真实市场数据，具有较强的直观性和现实参考意义，因此被视为价值评估中最直接、最具说服力的方法之一。

3、收益法 收益法是一种通过预测资产在未来所能产生的经济收益，并将其折现至当前价值，以评估资产价值的评估方法。该方法核心在于“预期收益”与“时间价值”的结合，特别适用于那些具备持续盈利能力的资产或企业。其基本思路是：资产的价值取决于其未来带来的现金流入能力，通过对未来净收益的合理预测并采用适当的折现率进行折现，得出资产的现值。 在实际应用中，收益法常用于企业价值评估、无形资产定价、房地产租赁收益测算等领域。关键步骤包括：确定收益期限、预测未来各期净收益、选择合理的折现率以及计算现值。该方法强调对市场趋势、经营状况、增长潜力及风险因素的深入分析，具有较强的前瞻性与逻辑性。 相较于市场法与成本法，收益法更侧重于资产的内在价值和持续创造收益的能力，尤其在缺乏可比交易案例或资产重置成本难以确定的情况下，更具适用性。但其结果高度依赖于对未来收益的预测准确性和折现率的选择，因此对评估人员的专业判断能力要求较高。

收益法作为一种专利技术价值评估手段，其思路源于对实物资产价值测算的借鉴。在运用该方法评估专利技术价值时，核心在于分析该专利在未来运营中可产生的预期收益。通过对未来各期收益进行合理预测，并采用适当的折现率将其还原为当前时点的现值，从而得出专利技术在现有时点的经济价值。这一过程不仅考量了专利技术的潜在盈利能力，也充分反映了资金时间价值与风险因素，使得评估结果更具科学性和现实依据。

4、实物期权分析法 该方法将项目投资视为一种具有未来选择权的实物资产，借鉴金融期权理论，评估企业在不确定环境下所拥有的灵活性价值。通过识别项目中潜在的战略选择（如延迟、扩张、收缩或放弃），将其转化为期权形式，进而运用期权定价模型（如二叉树模型、Black-Scholes模型等）计算其内在价值，从而更全面地反映投资项目的真实经济潜力。相较于传统净现值法，实物期权法尤其适用于技术变革快、市场波动大的创新型项目，能有效捕捉不确定性带来的机会价值。

实物期权法是近年来兴起的一种创新性评估与决策工具，其核心优势在于充分纳入管理决策者在投资、生产及产品研发等环节中所拥有的灵活性与主动选择权。相较传统评估方法，该方法能更真实地体现专利技术在动态环境中所蕴含的战略价值，尤其在不确定性较强的创新项目评估中展现出显著优越性。在实际应用中，实物期权不仅考量项目本身所带来的现金流收益，更将决策者未来可调整策略的“期权价值”纳入整体评估框架。通常，该方法基于项目具有无限生命周期的假设，构建相应的常微分方程模型，进而求解出期权价值的解析表达式。由于其数学建模复杂、对不确定性因素处理精细，实物期权法被视为当前专利价值评估领域中最为深入和严谨的方法之一。

5、模糊综合评价法 模糊综合评价法是一种基于模糊数学理论的系统评价方法，适用于处理具有不确定性、模糊性特征的复杂问题。该方法通过构建模糊隶属度矩阵，结合各评价因素的权重，运用模糊运算对多个指标进行综合分析，从而得出对评价对象的整体评判结果。与传统评价方法相比，模糊综合评价法更能贴近实际决策中的模糊认知，具有较强的灵活性与实用性，广泛应用于环境评估、项目决策、教育质量分析、医疗诊断等领域。该方法的核心在于科学确定隶属函数和合理赋权，以保证评价结果的客观性与可信度。

模糊数学评价法是一种基于模糊集合理论的综合评估方法。其核心流程如下：首先，根据评价目标明确专利评价所涉及的关键指标体系；随后，采用层次分析法（AHP），邀请相关领域专家对各项指标进行两两比较，依据其相对重要性打分，构造判断矩阵，进而计算各指标的权重系数；在此基础上，构建模糊评价矩阵，将专利在各项指标下的表现映射为模糊关系；通过模糊合成运算，将各指标的模糊隶属度进行综合，得出该专利在预设价值等级评语集（如“高、较高、中等、较低、低”）中的隶属程度；进一步将评语集进行量化处理，得到专利的模糊综合评价得分；将该得分与专家主观判断的专利价值进行比对，计算两者之间的差异（即偏差）；最终，通过调整原始评估值，以实际评价结果与偏差的乘积作为修正后的专利价值，从而实现更科学、客观的量化评估。

6、层次分析法（AHP）评估模型 层次分析法（Analytic Hierarchy Process, AHP）是一种系统化、层次化的决策分析工具，广泛应用于多准则决策问题中。该方法通过构建递阶层次结构，将复杂问题分解为若干层级，包括目标层、准则层和方案层，使决策过程更加清晰、有条理。 在具体应用中，AHP通过专家打分的方式对同一层级中的元素进行两两比较，形成判断矩阵，继而计算各因素的权重，并进行一致性检验，确保判断的合理性。最终通过加权求和的方式，对备选方案进行综合评分，从而为决策提供科学依据。 AHP的优势在于其逻辑性强、操作直观、易于理解和应用，尤其适用于难以量化的定性决策问题。但其局限性在于依赖主观判断，可能存在判断误差，因此在使用过程中需结合专家意见与数据支持，以提高评估结果的可信度与实效性。

AHP评估模型法为决策因素（特别是社会与经济因素）的量化评估提供了系统化的基础框架。

该方法基于相对尺度的表达方式，充分调动决策者个体的经验与主观判断力，在递阶层次结构框架内，依据预设的比例标度，通过逐对比较同一层级中各因素之间的相对重要性，结合层层递进的分析路径，自上而下地整合出各备选方案对总体目标的综合评价结果。最终的输出以各方案相对重要程度的权重值形式呈现，体现其在决策体系中的相对贡献度。

7、基于BP神经网络的建模方法

BP神经网络模型法基于这样一个假设：成交专利与未成交专利的价值在总体上遵循相同的分布规律。由于成交专利的实际交易价格是已知的，而未成交专利的价格尚不可观测，因此该方法通过采集公开拍卖市场中的专利成交数据，识别并提取影响专利交易价格的关键因素。利用BP（反向传播）神经网络算法，对已知成交专利的估值变动进行动态模拟与学习，建立输入变量（各类影响专利价值的因素）与输出结果（专利价值评估值）之间的非线性映射关系。在此基础上，构建出具有较强泛化能力的专利价值评估模型。当面对待估的未成交专利时，只需将其对应的影响因素作为输入变量代入已训练好的神经网络模型中，即可获得较为合理的估值预测结果。

8、基于IPScore的专利价值评估方法

IPScore专利价值评估法由丹麦专利局与哥本哈根商学院教授Jan Mouritsen于2002年联合开发，是一款系统化的专利及技术项目价值评估工具，其核心成果体现为IPScore 2.0评估软件。该方法通过整合定性与定量分析，基于对专利未来经济收益的预测，构建其净现值模型，从而实现对专利资产价值的科学、动态评估。

IPScore 评估体系需整合五方面核心数据：A——法律状态；B——技术潜力；C——市场环境；D——财务表现；E——企业战略方向。该体系融合量化指标（如财务数据、专利数量与引用情况）与质性分析（如专家问卷、战略方向评估），兼顾客观数据与主观判断，从而保障评估结果的科学性、全面性与实际参考价值。

9、基于层次分析法的专利价值模糊综合评估模型

基于层次分析法的专利价值模糊评估方法，首先通过层次分析法科学地确定各项评价指标的权重，随后结合模糊综合评价技术对专利各项指标进行定性与定量相结合的评估，最终整合各指标信息，得出全面、可靠的综合评分结果。

层次分析法的核心思想在于：通过逐对比较的方式，确定同一层级中各因素相对于上一层级因素的相对重要性，进而构建判断矩阵，并通过定量计算逐步推导出各因素的权重值，实现对多层次决策问题的系统分析与综合判断。模糊综合评价法则基于模糊集合理论，针对具有模糊性或不确定性特征的评价对象，通过构建隶属度函数与评价矩阵，采用模糊运算方法实现对多指标、多因素的综合性评判，从而更准确地反映复杂系统的真实状况。

该模型可表述为：X = M * E，其中 X 表示综合评价结果向量，M 为各评价指标的权重向量，* 代表模糊运算算子，E 则为反映各项指标评价结果的评估矩阵。在模型构建过程中，科学合理地设计评价指标体系，并准确获取各指标的权重向量，是确保评价结果有效性与可靠性的核心环节。

10、专利价值评估法 该方法通过系统分析专利的技术先进性、市场应用前景、法律稳定性以及产业化潜力等核心维度，综合评价专利的经济价值与战略意义。通过对专利技术所处技术生命周期、在产业链中的关键程度、潜在竞争对手布局以及许可或商业化路径的可行性进行多维度测算，构建量化评估模型，从而实现对专利资产价值的科学测算与优化配置。该方法不仅适用于企业专利组合管理，也可为投资决策、技术交易、并购重组等提供有力支撑。

专利价值评估的“价值度法”从法律、技术与经济三个核心维度出发，构建了综合性评估体系。在法律维度上，涵盖了专利权的稳定性、可规避性、技术依赖性、侵权行为的可判定性、剩余有效期限、国际布局情况（多国申请）及专利许可状态等七项具体指标；技术维度则聚焦于专利的先进性水平、与行业发展方向的契合度、应用领域的广度、对配套技术的依赖程度、技术可替代性以及成熟度等六个方面；经济维度则从市场应用前景、潜在市场规模、市场占有率潜力、竞争格局态势以及与产业政策的契合度五个关键指标进行考量。尽管该方法体系较为系统全面，但仍存在若干局限性，限制了其在实际评估场景中的深度应用与推广。

11、非市场参考定价法

非市场基准法是一种基于计量经济学模型的专利价值评估方法，在过去几十年中于西方国家获得了深入研究与广泛应用。该方法通过从公开的专利数据库中提取一系列关键专利指标数据（如专利申请量、同族专利规模、专利引用次数等），采用实证分析手段，挖掘这些量化指标与专利实际价值之间的内在关联，进而构建可操作的计量模型，以实现对专利经济价值的科学估算。在此领域中，最具代表性的研究成果包括Lanjouw与Schankerman提出的专利价值评估模型（简称LS模型），以及Harhoff所开展的一系列具有启发性的实证研究，二者均在推动专利价值量化评估的理论发展与实践应用方面发挥了重要作用。

12、欧式看涨期权定价方法

欧式看涨期权的定价方法主要包括以下几种核心模型与技术： 1. **布莱克-斯科尔斯模型（Black-Scholes Model）** 该模型是欧式看涨期权定价的经典方法，基于无套利原理与几何布朗运动假设，推导出期权价格的解析解。其关键参数包括标的资产当前价格、行权价、无风险利率、到期时间以及标的资产波动率。 2. **风险中性定价法（Risk-Neutral Pricing）** 在风险中性测度下，期权的期望收益以无风险利率贴现，从而得到其现值。该方法强调在风险中性世界中，资产期望收益率等于无风险利率，适用于所有符合该框架的衍生品定价。 3. **蒙特卡洛模拟法（Monte Carlo Simulation）** 通过大量随机路径模拟标的资产未来价格走势，计算期权到期时的期望收益并贴现，适用于复杂路径依赖或高维问题的欧式期权定价，特别适合波动率随时间变化或存在随机波动的模型。 4. **二叉树模型（Binomial Option Pricing Model）** 虽然常用于美式期权，但也可用于欧式期权的近似定价。通过构建离散时间下的价格变动树状结构，分步计算期权的未来价值，最终回溯至当前价值。 5. **积分变换法与傅里叶变换技术** 在波动率非恒定或资产价格服从跳跃过程时，可利用特征函数和傅里叶逆变换方法，高效计算期权价格，如Heston模型、VG模型等。 6. **数值微分方程方法（如有限差分法）** 将布莱克-斯科尔斯偏微分方程离散化，利用数值求解技术逼近期权价格，适用于需要高精度或处理边界条件的复杂场景。 以上方法中，布莱克-斯科尔斯模型因其简洁与解析性成为最广泛使用的基准，而其他方法则在现实市场复杂性增加时提供了更强的适用性与灵活性。

1）二项式模型（B.M）法：该方法基于这样一个核心思想——股票看涨期权的收益可以被一个由借款与股票持仓构成的特定投资组合所完全复制。通过构建一个“合成期权”组合（即包含无风险借款和标的股票的动态对冲组合），能够使该组合在到期时的现金流与期权收益保持一致。这种复制策略使得期权的价值可通过对该投资组合的构成成本进行计算来确定。然而，由于现实中股价未来走势存在多种可能路径，尤其在多期模型中，状态树的节点数量迅速膨胀，导致模型的计算复杂度显著上升，进而增加了建模与求解的难度。

2）Black-Scholes（B-S）期权定价模型：1973年，美国芝加哥大学的学者Fisher Black与Myron Scholes提出了一种经典的期权定价方法。该模型基于一个关键假设，即标的资产的价格变动遵循对数正态分布，并通过几何布朗运动来刻画其随机演化过程。

13、四因素专利价值评估模型

专利价值 V = 评估系数 K × 专利基础价值指标 P + 综合调控参数值 δ

K ∈ (0, 1)

第一步：基于专利的技术性能、市场应用前景及法律稳定性等因素，计算得出专利的基本价值参数P，作为后续价值评估的基准参考。

专利的核心价值参数 P 可表示为：P =（目标市场潜力 Q）×（法律保护力度 S）×（技术替代难度 T）

S ∈ (0, 1)，T ∈ (0, 1)

第二步：评估专利技术的质量指标Z

专利技术质量Z通过专利技术质量指标体系综合评估获得，采用十分制进行量化评分。

第三步：基于专利技术质量，计算综合评估系数K

评估系数K与专利技术质量Z呈正相关关系。

K 属于开区间 (0, 1)

第四步：引入综合控制参数 δ，该参数值由其他相关因素决定，其取值范围可正可负，具备双向调节能力。
 

14、割差法（又称割补法或差量法） 割差法是一种在数学运算中用于简化计算、处理复杂数量关系的技巧，尤其常见于代数、几何和应用题中。其核心思想是通过“割”出部分量、“差”出关键数值，将原本复杂的整体问题转化为局部的差值计算，从而提升解题效率与准确性。 在实际应用中，该方法通常用于解决如下类型的问题： - 比较两个数量之间的差值； - 在图形中通过割补法求解面积或体积； - 在工程、经济问题中分析成本、利润、产量的差异； - 在行程问题中处理时间、速度、路程的差量关系。 其优势在于：逻辑清晰，思路直观，能够有效避免繁琐的代数推导，尤其适用于选择题或填空题中的快速求解。 简而言之，割差法是一种“以差求整、以简驭繁”的高效思维工具，是提升数学解题能力的重要方法之一。

割差法是一种用于估算企业专利权价值的评估方法。其基本思路是：首先采用“收益现值法”测算企业整体价值，然后减去通过“重置成本法”确定的有形资产价值，由此得出企业全部无形资产的总价值。在此基础上，进一步剔除专利权以外的其他无形资产（如商标、商誉、客户关系等），最终剩余部分即为企业专利权所对应的经济价值。该方法通过逐步剥离，有助于更准确地量化专利权在企业整体价值中的贡献。

专利价值的评估手段多样，每种方法均有其独特的优势与局限性。在实际评估过程中，必须全面权衡多种影响因素。考虑到专利具有漫长的生命周期，期间影响其价值的内外部因素不断演变，评估的变量也随之动态调整；同时，在专利研发阶段与实际应用阶段，其价值评估的目的与应用场景也存在显著差异。因此，若在整个专利经济生命周期中仅依赖单一评估方法，往往难以准确反映其真实价值。为此，笔者主张采用分阶段评估的策略——在不同发展阶段，应结合专利所处的技术成熟度、市场潜力、法律状态等特征，明确评估目标，并依据方法的适用性与科学性原则，灵活选取最适合的评估工具，从而实现更加客观、精准且具有前瞻性的价值判断。

来源：知识产权课堂 改写后： 出处：知识产权课堂