王 霞：西南财经大学财政税务学院副教授

佟紫灵、王偲偌、马赫研、李泉霖：西南财经大学财政税务学院资评评估硕士生

近年来，我国磷矿资源开发与管理政策体系经历了深刻调整，为采矿权价值评估带来复杂挑战。2021年“双碳”目标提出后，生态环保政策持续收紧,《磷石膏利用和无害化贮存污染控制技术规范》《湖北省磷石膏污染防治条例》等文件明确限制磷矿开采规模，全国磷矿石产量增速缓慢。同时，在能耗双控政策下，贵州、云南等主产区实施产能置换指标管理，进一步加剧供给端收缩。而新能源产业的爆发式增长形成需求端强力拉动。2019-2024年，我国磷酸铁锂产量保持快速增长，由89万吨提升至234.0万吨，年均复合增长率达92.30%。供需错配导致价格呈现剧烈波动。据百川盈孚，2021-2024年8月国内磷矿石价格从402.7元/吨飙升至1058元吨，2018 年与2023年两次极端波动事件间隔不足五年，凸显市场不确定性显著增强。

这种波动本质上源于三重驱动因素:政策层面环保督察与产能管控直接影响供给弹性，如2024年第二季度长江经济带环保专项检查导致湖北磷矿停产率大幅升高；产业层面，新能源产业链需求爆发打破传统农业化肥主导的消费结构，价格传导机制从“季节性波动”转向“政策-技术-资本”多维驱动；金融层面，磷矿期货合约上市后，投机资金涌人放大短期波动，加剧市场非理性震荡。

传统实物期权评估模型(B-S模型)依赖历史波动率静态估计，难以应对上述动态场景。A公司并购B公司X磷矿案例显示，采用 2011-2024年对数收益率法计算的16%波动率，导致评估值较实际交易价格低估 9.5%。究其根源，静态模型无法捕提政策冲击下的波动集群效应和厚尾分布特征下的极端风险。为此，本文提出融合 GARCH(1，1)-Student'st模型、LSTM 神经网络与蒙特卡洛模拟的动态波动率重构框架，通过时变参数建模与多维随机模拟，实现采矿权价值的精准评估。

研究结论

首先，传统 B-S模型在采矿权估值中存在明显局限。其对波动率的估计严重依赖历史数据，且假设标的资产价格服从几何布朗运动、波动率恒定但磷矿价格实际呈现尖峰厚尾、波动集群等非正态特征，难以精准刻画市场极端风险与政策变化等不确定性因素，导致期权价值评估出现偏差。而本研究提出的基于蒙特卡洛与机器学习的波动率参数重构方法，能有效提升评估模型对市场波动的适应性。其次，不同优化方法在波动率估计上各有优势且效果显著。GARCH(1，1)-Student'st模型通过动态方差方程捕捉波动集群性，结合 Student'st分布适配收益率厚尾特征，将年化波动率从传统方法的 16% 提升至 18.52%，尤其准确识别了 2023 年政策驱动的波动率飙升至 22%。LSTM 模型借助滚动预测验证动态调整参数，得出17%的年化波动率，较GARCH 模型更贴近短期市场情绪。蒙特卡洛模拟基于几何布朗运动生成10万条价格路径，通过分布检验和分位数验证，量化“政策突变”等小概率事件影响，得出16.41% 的年化波动率，虽与历史法接近但在风险量化方面更具优势。

最后，综合三种方法的改进，实现了从“静态估计”到“动态建模”的范式升级。将三者结合的均值 17.31%作为最终波动率，使采矿权评估值从52 443 万元提升至 57 395 万元，更贴合实际交易溢价，证明“机器学习+蒙特卡洛”是解决采矿权评估中不确定性量化难题的有效路径。

启示

随着矿业市场环境日益复杂，不确定性因素增多，采矿权评估工作需要评估专业人员不断探索新方法、新技术，以适应行业发展需求。针对今后采矿权价值评估相关工作，提出如下启示:

第一，完善矿业权评估准则。遵循《中华人民共和国资产评估法》推动方法多元化，明确将实物期权法纳人评估体系，作为传统 DCF 法的必要补充以兼顾现金流基础价值与管理灵活性溢价。

第二，建立参数标准化框架，制定波动率估算规范，并构建行业案例库支持参数校准，采用历史价格数据回溯结合蒙特卡洛模拟与机器学习等模型确定波动率，避免主观估算偏差。此外，将红利收益率y纳入评估体系，按公式量化延迟开采的机会成本，约束模型乐观偏差。

第三，建立跨行业数据共享机制。当前模型依赖历史数据质量，在极端市场环境或新兴矿种评估中，数据样本不足可能影响参数精度。未来应整合宏观经济、政策文本等非结构化数据，进一步完善评估模型的动态适应性。对高波动性矿种或长周期项目，强制实施敏感性分析及多方法交叉验证，确保评估结果的稳健性与市场贴合度。

（资料来自：《中国资产评估》2025年第8期）