基于机器学习融合效益与市场因素的数据资产估值方法

本发明涉及数据资产估值技术领域，公开了基于机器学习融合效益与市场因素的数据资产估值方法。该方法采集目标数据资产的运营效益指标和市场波动指标，运营效益指标包括数据使用频率、完整度、更新周期、调用成本节约值，市场波动指标包括行业需求增长率、竞品替代率、政策影响系数、技术迭代风险值。将运营效益指标输入预训练的随机森林回归模型得到初始效益估值向量，将市场波动指标输入预训练的时序卷积神经网络生成动态折现率矩阵。对两者进行多维张量交互计算，输出融合价值特征张量，进行非线性变换处理，生成最终估值结果并存储至区块链存证系统。该方法融合运营效益与市场因素，提升了估值准确性和动态适应性，保障了结果可信度。