1、成本重置法

重置成本法，也称重置完全价值法或重置全价法，通常简称为成本法，是一种基于现行市场条件来估算资产价值的评估方法。其核心思想是在当前技术、材料及市场环境下，重新购置或建造一个与评估对象在功能、性能和质量上完全相同的全新资产所需付出的全部成本，再从中扣除该资产因使用而产生的实体性损耗、功能落后导致的无形损耗，以及因外部经济环境变化引发的经济性贬值，最终得出评估对象当前的实际价值。 根据这一逻辑，重置成本法的基本计算公式可表述为： **评估价值 = 重置全价 - 实体性贬值 - 功能性贬值 - 经济性贬值**。 该方法特别适用于那些有明确重置成本、可量化损耗因素且市场交易数据缺乏的资产评估场景，如专用设备、工业厂房或特定资产组合等。

2、市场比较法 该方法通过分析市场上类似资产或相似交易案例的成交价格，结合差异因素进行调整，从而估算出待评估对象的合理价值。其核心在于选取具有可比性的参考案例，综合考虑资产的地理位置、使用状况、交易时间、市场环境等关键影响因素，通过科学的修正模型得出评估结果。此方法特别适用于交易活跃、信息透明的市场环境，能够直观反映当前市场的实际价值水平。

市场法是从市场视角出发，用于衡量评估对象价值的一种手段。该方法通过收集市场上若干类似资产的交易实例，分析其交易条件与成交价格，再结合待评估资产的具体特征，进行适当的差异调整，最终得出合理的价值判断。作为价值评估中最直观、最贴近实际交易情况的方法，市场法能够有效反映当前市场的供需状况与价格水平，具有较强的现实参考意义。

3、收益法（收益现值法） 收益法是一种通过预测资产在未来期间所能产生的预期收益，并将其折现至当前时点，从而评估资产价值的评估方法。其核心假设是：资产的价值取决于其未来带来经济利益的能力。该方法广泛应用于企业价值评估、无形资产定价、房地产投资收益分析等领域。 具体操作中，通常基于未来各期的净现金流量或收益，结合适当的折现率，计算出资产的现值。折现率的确定需综合考虑无风险利率、行业风险、企业特有风险等因素，以确保评估结果的合理性与公允性。 与市场法和成本法相比，收益法更能体现资产未来的盈利能力，尤其适用于具有持续盈利能力和稳定现金流的资产或企业。但其对预测的准确性依赖度较高，因此在实际应用中需谨慎处理参数选择与假设前提。

收益法作为评估专利技术价值的一种重要方法，其原理与实物资产价值评估具有相似性。在运用收益法测算专利技术价值时，核心在于预测该专利在未来生命周期内所能带来的预期经济收益。通过对这些未来收益进行合理估算，并采用适当的折现率将其折算为当前时点的现值，从而得出专利技术在当前市场条件下的科学估值。该方法充分体现了专利技术所带来的潜在收益能力，是衡量其经济价值的重要手段。

4、实物期权分析法 该方法将投资项目视为一种具有未来选择权的实物资产，通过期权定价理论对项目未来的不确定性进行量化评估。与传统净现值法不同，实物期权法充分考虑了项目在实施过程中可能产生的灵活性与战略价值，例如延迟投资、扩大规模、缩减产能或放弃项目等选择权。这种方法特别适用于高科技、高风险或具有高度不确定性的创新项目，能够更准确地反映项目的真实价值，帮助决策者在动态变化的市场环境中做出更有前瞻性的投资判断。

实物期权法是近年来兴起的一种先进评估与决策工具，其核心优势在于充分融入管理决策者在投资、生产及产品研发过程中所拥有的灵活性与选择权。与传统估值方法不同，该方法不仅衡量项目本身可能带来的现金流收益，更将决策过程中隐含的“战略选择权”纳入价值考量，从而更真实、全面地反映专利技术在动态环境下的潜在价值。在实际操作中，通常假设评估对象具备无限持续的生命期，这一前提使得可以建立描述项目期权价值的常微分方程。通过求解该方程，能够获得具有明确解析表达式的期权价值结果。正因这一方法融合了复杂金融理论与现实决策情景，被视为当前专利估值领域中最精细、最系统的方法之一。

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，用于处理具有不确定性和主观性特征的多因素决策问题的评价方法。该方法通过构建模糊隶属度函数，将定性评价转化为定量分析，有效克服了传统评价方法在面对复杂、模糊信息时的局限性。其核心思想是利用模糊集合对评价因素进行描述，结合权重分配，通过模糊合成运算得出综合评价结果，最终实现对评价对象的科学、合理排序与判断。该方法广泛应用于环境评估、教育质量分析、企业绩效评价等领域，具有较强的实用性与适应性。

模糊数学评价法是一种依托模糊数学理论构建的专利价值评估方法。该方法首先根据评价目标明确核心评价指标体系，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，依据其相对重要性进行打分，从而计算出各指标的权重系数。在此基础上，通过构建模糊评判矩阵，将专利在各项指标上的表现映射至预设的价值评语集（如“高、较高、中等、较低、低”等定性等级），实现从模糊评判到定量表达的转换。评语集通过隶属度函数进行量化处理，得到专利的初步价值评分。该评分与专家主观判断的专利价值进行对比，计算出评估偏差。最终，专利的实际价值可由“初步评估值与偏差修正系数的乘积”来表示，从而实现更科学、客观的量化评价。

6、层次分析法（AHP）评估模型 层次分析法（Analytic Hierarchy Process，简称 AHP）是一种系统化、层次化的决策分析方法，广泛应用于多准则决策问题中。该方法通过将复杂问题分解为多个层次的评价指标，利用专家判断构造判断矩阵，计算各因素的权重，从而实现对不同方案的量化比较与优选。 AHP的核心思想是将决策问题按照目标、准则、子准则及方案等层次结构进行分解，通过两两比较的方式确定各层次因素的相对重要性，最终综合得出各备选方案的综合优先级。该方法具有逻辑清晰、易于理解、可操作性强等特点，特别适用于涉及主观判断与定性因素的决策场景。 实施AHP评估模型通常包括以下步骤：建立层次结构模型、构建判断矩阵、计算权重向量、进行一致性检验、汇总并得出最终评价结果。通过引入一致性比率（CR）来验证判断矩阵的合理性和逻辑一致性，有效避免主观偏误对决策结果的影响。 由于其灵活性和实用性，AHP已被广泛应用于项目评估、资源配置、风险分析、绩效评价等多个领域，成为现代决策支持系统中的重要工具之一。

AHP评估模型法为决策分析提供了一种量化方法，特别适用于对社会经济等多维度因素进行系统化评估与测度。

该方法基于相对标度体系，充分结合决策者个人的经验与主观判断，在递阶层次结构框架内，运用预设的比例标度，对同一层次中各因素间的相对重要性进行两两对比分析。通过自上而下的层次递推，将各层判断结果综合汇总，最终得出各备选方案对总体决策目标的相对重要性度量，其结果以权重形式体现，反映各方案在决策体系中的相对优先程度。

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：无论是已成交还是未成交的专利，其价值均来自同一潜在分布。该方法利用已公开的专利拍卖成交价格数据作为已知样本，系统地识别并划分影响专利成交价格的关键因素。通过构建BP神经网络模型，对已有成交专利的价值变化过程进行学习与模拟，进而揭示输入变量（如技术领域、专利年限、权利要求数量、引用次数等）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，建立能够反映专利价值形成规律的一般性评估模型。当面对待评估的未成交专利时，只需将其对应的影响因素数据输入该训练好的神经网络模型，即可自动输出相应的价值估算结果，从而实现对未知专利价值的智能化预测。

8、基于IPScore的专利价值评估方法 该方法以IPScore为核心评估框架，综合考量专利的技术先进性、市场应用潜力、法律稳定性及战略重要性等多个维度，构建科学、量化、可操作的专利价值评估体系。通过引入多因素加权模型，结合行业数据与人工智能分析技术，实现对专利资产的精准评估，助力企业优化知识产权布局、提升创新决策效率，并为技术交易、投融资及并购活动提供可靠的价值参考依据。

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，是一款专用于评估专利或技术项目价值的系统化工具，其核心载体为IPScore 2.0软件。该方法通过融合定性分析与定量建模，以预测被评估专利未来净现值为核心目标，构建出一套兼具经济合理性与实用性的价值评估框架。

IPScore 需要整合五类核心信息：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。评估体系融合了定量数据（如财务报表、专利数量与引用情况）与定性分析（如专家问卷、战略方向评估），确保评价结果兼具科学性与全面性，精准反映知识产权价值的真实水平。

9、基于层次分析法的专利价值模糊综合评价方法

一种基于层次分析法的专利价值模糊评估方法，该方法首先通过层次分析法科学确定各项评价指标的权重体系，随后结合模糊综合评价技术对专利的各项指标进行定性与定量相结合的模糊处理，最终整合各维度评价结果，得出全面、客观的综合评分，实现对专利价值的精准评估。

层次分析法的核心思想在于：通过逐对比较的方式，确定同一层级中各元素相对于上一层级元素的重要性程度，进而构建判断矩阵，最终利用数学方法综合计算，得出各元素的相对权重，为决策提供量化依据。模糊综合评价法则基于模糊集合理论，针对具有不确定性或难以精确量化的评价对象，通过构建隶属度关系，对多因素进行综合评判，从而实现对复杂系统的整体评估。

该模型的结构可表述为：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，E 为由各项指标评分构成的评价矩阵，符号 ⊗ 代表模糊合成运算。在实际建模过程中，科学合理地构建评价指标体系，并准确获取各指标的权重向量，是决定评判结果可靠性与有效性的核心环节。

10、专利价值评估法

专利价值度评估法通过法律、技术与经济三大维度，对专利的综合价值进行系统化衡量。在法律维度方面，涵盖专利权的稳定性、可规避性、依赖性强弱、侵权行为的可判定性、专利有效期长短、是否在多国进行布局以及专利许可的开放程度等七项关键指标；技术维度则聚焦于专利的技术先进性、与行业发展方向的契合度、应用范围的广度、对配套技术的依赖程度、技术替代的可能性以及技术成熟度等六项核心要素；经济维度则从市场应用潜力、目标市场规模、市场占有率水平、竞争对手的技术布局态势，以及与现行产业政策的匹配程度五个方面展开分析。尽管该评估体系具备较强的逻辑性与实用性，但仍存在若干局限，限制了其在更广泛场景下的深入应用与发展。

11、非市场参考基准法

非市场基准法是一种依托计量经济学模型的专利价值评估方法，近年来在西方学术界和实务领域获得了广泛的关注与应用。该方法不依赖于市场交易价格，而是从公共专利数据库中提取一系列量化指标（如专利申请数量、同族专利规模、专利被引频次等），通过实证分析手段挖掘这些技术性指标与专利经济价值之间的内在关联，并据此建立可量化的评估模型。在众多代表性成果中，Lanjouw与Schankerman提出的专利价值评估模型（即LS模型）以及Harhoff开展的实证研究尤为突出，为非市场基准法的理论构建与实践应用奠定了重要基础。

12、欧式看涨期权的定价方法

欧式看涨期权的定价方法主要包括以下几种： 1. **Black-Scholes-Merton 模型**：这是最经典且广泛应用的欧式看涨期权定价公式。该模型基于无套利原理，假设标的资产价格服从几何布朗运动，且市场无摩擦、无风险利率恒定、期权在到期日才可执行等理想条件。其公式为： $$ C = S_0 N(d_1) - K e^{-rT} N(d_2) $$ 其中： - $ C $：欧式看涨期权价格 - $ S_0 $：标的资产当前价格 - $ K $：期权执行价格 - $ r $：无风险利率 - $ T $：期权到期时间（以年为单位） - $ N(\cdot) $：标准正态分布累积分布函数 - $ d_1 = \frac{\ln(S_0/K) + (r + \sigma^2/2)T}{\sigma \sqrt{T}} $ - $ d_2 = d_1 - \sigma \sqrt{T} $ - $ \sigma $：标的资产年化波动率 2. **二叉树模型（Binomial Tree Model）**：一种离散时间模拟方法，通过构建多个时间步长的资产价格路径，逐期倒推期权价值，最终得出期权价格。该方法适用于对欧式期权进行数值逼近，尤其在处理复杂条件（如含分红）时具有灵活性。 3. **蒙特卡洛模拟法（Monte Carlo Simulation）**：通过对未来资产价格路径进行大量随机模拟，计算期权支付的期望值，并折现至现值。虽然该方法对欧式期权的精确性较高，但在计算效率上通常低于Black-Scholes模型，适合作为复杂衍生品定价的补充工具。 4. **傅里叶变换与特征函数方法（如FFT, Fast Fourier Transform）**：基于期权价格是其支付函数与风险中性密度卷积的数学表达，利用特征函数在频域求解，适用于具有解析解的跳跃扩散模型或随机波动率模型（如Heston模型）中的欧式期权定价。 5. **数值积分法**：在具备封闭解的模型（如Black-Scholes）中，也可以通过直接数值积分计算期权价格，适用于某些特殊函数形式下的定价。 上述方法各有适用场景。Black-Scholes模型因简洁高效，是欧式的主流解析解；而其他方法则在模型复杂度提升或市场条件不符合理想假设时提供更灵活的替代方案。

1）**二项式模型（B.M）法**：该方法的核心思想是通过构建一个由股票持仓与借贷组合而成的复制投资组合，使其收益与股票看涨期权的收益完全一致。该策略基于“复制原理”——只要能构造出一个在到期日与期权收益完全相同的组合，该组合的当前价值即为期权的合理价格。然而，由于股价在每个时间步长内可能有两种变动方向（上涨或下跌），当时间区间划分得越细（即步数越多），可能的状态数量呈指数级增长，使得模型的计算复杂度显著上升，尤其在处理多期或路径依赖型期权时，更会带来巨大的建模与求解挑战。

2）Black-Scholes（B-S）期权定价模型：1973年，美国芝加哥大学的经济学家Fisher Black与Myron Scholes提出了一种用于期权定价的数学模型。该模型基于一个重要假设：标的资产的价格变动遵循对数正态分布，其动态变化过程由几何布朗运动（Geometric Brownian Motion）来刻画，从而为欧式期权的理论定价提供了坚实的理论基础。

13、基于四大维度的专利价值评估模型

专利价值 $ V = $ 评估系数 $ K \times $ 专利基础价值指标 $ P + $ 综合调控参数 $ \delta $

K 属于开区间 (0, 1)

第一步：计算专利的基础价值参数P，作为专利价值评估的初始基准值。

专利的潜在价值可由以下公式表征：P = Q × S × T，其中 P 代表专利的基本价值，Q 表示目标市场的潜在经济价值，S 反映专利受法律保护的稳固程度与范围，T 则衡量该技术在市场中被其他方案替代的可能性。三者共同决定了专利在实际应用与商业化过程中的综合价值水平。

S 和 T 均属于开区间 (0, 1)

第二步：评估专利技术的质量指标Z

专利技术质量Z基于一套专利技术质量指标体系进行综合评估，采用百分制评分，满分为10分。

第三步：基于专利技术质量综合评定，计算得出综合评估系数K

评估系数K与专利技术质量Z呈正比关系。

K 属于开区间 (0, 1)

第四步：引入综合控制参数δ，该参数值由多种外部因素共同决定，其取值范围可正可负，具备双向调节能力。
 

14、割差法 割差法是一种通过划分与对比，消除差异、揭示本质的分析方法。其核心在于将复杂问题或对象进行合理分割，再通过比较各部分之间的差异，找出关键变量或隐藏规律，从而达到深入理解与精准解决问题的目的。该方法广泛应用于数学建模、数据分析、物理实验以及系统优化等领域，尤其在处理非线性关系或变量耦合问题时表现出较强的实用性与灵活性。通过科学“割”分与细致“差”异分析，能够有效剥离干扰因素，聚焦核心本质，实现从表象到本质的认知跃迁。

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”测算出企业整体价值；然后运用“重置成本法”确定企业有形资产的评估价值；将两者相减，所得差额即为企业无形资产的总价值。在此基础上，若进一步扣除专利权以外的其他无形资产（如商标、商誉、客户关系等），剩余部分便可视为企业专利权所对应的专属价值。这种方法通过剥离非专利类无形资产，精准聚焦于专利技术带来的经济收益，有助于更科学地评估专利权的市场价值。

专利价值的评估方法多样，每种方法都有其独特的优势与局限性。由于专利在长期发展过程中会面临动态变化的技术环境、市场状况及法律条件，其价值也随时间推移而不断演变。同时，在专利的不同实施阶段——如研发初期、成果转化期、商业化运营期等——评估的目的与应用场景亦有所差异。因此，若在整个专利生命周期中仅依赖单一评估方法，难以全面、准确地反映其真实价值，存在明显不足。为此，笔者主张采取分阶段评估的策略。在不同阶段，应结合专利所处的技术成熟度、权利状态、产业化潜力以及评估的具体目标，灵活选择最为契合的评估方法，遵循科学适用的原则，从而实现价值判断的动态化与精细化，最终提升评估结果的合理性与可信度。

来源：知识产权实务学堂