A企業(yè)融資效率評價與優(yōu)化建議

摘 要：在政府補貼逐漸退坡以及市場競爭日趨激烈的環(huán)境下，解決融資困境，避免新能源汽車銷量的斷崖式下跌，成為企業(yè)亟須解決的首要問題。本文以A企業(yè)為研究對象，從DEA模型的靜態(tài)分析和Malmquist指數(shù)的動態(tài)分析兩個角度實證分析了2018—2022年18家新能源汽車樣本公司的融資效率情況。結(jié)果表明：A企業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均有所上升，但2022年數(shù)值均小于1，未達到有效狀態(tài)。此外，A企業(yè)的技術(shù)進步指數(shù)小于1，與其他企業(yè)相比有較大差距。最后根據(jù)研究結(jié)果提出相應(yīng)建議。

關(guān)鍵詞：融資效率；DEA模型；Malmquist指數(shù)

一、引言

2020 年10月，國務(wù)院辦公廳印發(fā)了《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035年）》，表明我國新能源汽車產(chǎn)業(yè)進入加速發(fā)展階段，但是仍然存在核心技術(shù)創(chuàng)新能力不強、市場競爭加劇等問題。新能源汽車產(chǎn)業(yè)如何在補貼逐漸退坡以及市場競爭日趨激烈的環(huán)境下，解決融資困境，避免新能源汽車銷量的斷崖式下跌，保障行業(yè)健康可持續(xù)發(fā)展，成為企業(yè)亟須解決的首要問題。

新能源汽車是一種新興的高新技術(shù)產(chǎn)品，其發(fā)展需要大量的資金支持研發(fā)創(chuàng)新，而該行業(yè)資金回收周期長，因此充足且穩(wěn)定的資金對于企業(yè)的發(fā)展至關(guān)重要。融資效率能反映企業(yè)籌集資金和配置資金的能力，因此，如何提升新能源汽車公司的融資效率，成為公司發(fā)展的關(guān)鍵問題。本文選取A公司作為研究對象，對其融資效率進行靜態(tài)和動態(tài)兩個方面的分析，試圖找出企業(yè)目前存在的問題。

二、研究現(xiàn)狀

湯晨妮（2018）采用DEA基礎(chǔ)模型和Malmquist指數(shù)模型對上市公司恒大地產(chǎn)的融資效率進行定量評價。靳鑫（2020）對紡織行業(yè)上市公司的融資效率進行定量測算，結(jié)果表明行業(yè)上市公司的投入和產(chǎn)出不匹配，公司須優(yōu)化融資結(jié)構(gòu)，提高融資效率。曹翠珍等（2021）運用DEA-Malmquist模型對18家發(fā)行優(yōu)先股的上市商業(yè)銀行進行融資效率測算，發(fā)現(xiàn)整體融資效率有效性不強。曾雄旺等（2021）運用三階段DEA模型對67家農(nóng)業(yè)上市公司的融資效率進行評價，還研究了政府補助對融資效率的影響，結(jié)果表明不同子行業(yè)融資效率受政府補助的影響各異。陳東（2020）利用DEA-BCC模型和DEA-Malmquist模型對企業(yè)融資效率進行測算，結(jié)果表明研究范圍內(nèi)企業(yè)融資效率整體較低且具有滑坡趨勢。

三、研究方法

1.DEA-BCC模型

數(shù)據(jù)包絡(luò)分析法（DEA）是一種非參數(shù)的效率評價方法。依據(jù)企業(yè)規(guī)模報酬是否可變，DEA模型分為CCR和BCC兩種。BCC模型是在CCR模型的基礎(chǔ)上引入了規(guī)模效率的概念，它假設(shè)決策單元的輸入輸出是可調(diào)整的，并且每個決策單元具有不同的權(quán)重。本文選擇BCC模型進行融資效率靜態(tài)分析。規(guī)模報酬可變的BCC模型數(shù)學(xué)表達式如下。

最大化：

BCC=

約束條件：

vj≥0，j=1，2，…，m

ui≥0，i=1，2，…，n

其中，n表示決策單元的數(shù)量，m表示指標(biāo)的數(shù)量，xi表示第i個決策單元的輸入向量，yi表示第i個決策單元的輸出向量，ui表示第i個決策單元的輸入權(quán)重，vj表示第j個決策單元的輸出權(quán)重。

2.Malmquist指數(shù)模型

Malmquist指數(shù)模型主要對樣本公司進行動態(tài)評價分析，該指數(shù)反映出一段時間內(nèi)樣本公司經(jīng)營管理水平的變化程度，該模型公式如下。

M（）=[]1/2

該模型前半部分表示技術(shù)效率變化指數(shù)，后半部分表示技術(shù)進步指數(shù)，當(dāng)樣本公司處于規(guī)模收益可變時，技術(shù)效率變化可再次分解為純技術(shù)效率變化和規(guī)模效率變化，公式如下。

Mt，Mt+1 = effch×techch = pech×sech×techch

其中，Mt用來判斷企業(yè)全要素生產(chǎn)率是否提高，effch表示技術(shù)效率變化，techch表示技術(shù)進步變化，pech表示純技術(shù)效率變化，sech表示規(guī)模效率變化。

四、樣本選擇和指標(biāo)構(gòu)建

通過Choice金融數(shù)據(jù)終端搜索新能源汽車概念股，剔除已退市、ST類、*ST類以及數(shù)據(jù)不全的公司，選取主營業(yè)務(wù)構(gòu)成為整車銷售相關(guān)的18家企業(yè)為研究對象，研究時間為2018—2022年。通過閱讀相關(guān)文獻，最終選取資產(chǎn)總額、資產(chǎn)負(fù)債率、營業(yè)成本作為投入指標(biāo)，選取凈資產(chǎn)收益率、總資產(chǎn)周轉(zhuǎn)率和營業(yè)收入增長率作為產(chǎn)出指標(biāo)。資產(chǎn)總額用以衡量企業(yè)的融資規(guī)模，資產(chǎn)負(fù)債率用以衡量企業(yè)的融資結(jié)構(gòu)，營業(yè)成本用以衡量企業(yè)的資金利用能力。凈資產(chǎn)收益率體現(xiàn)企業(yè)的盈利能力，總資產(chǎn)周轉(zhuǎn)率體現(xiàn)企業(yè)的資金營運能力，營業(yè)收入增長率則體現(xiàn)企業(yè)的成長能力。根據(jù)DEA模型的設(shè)定要求，決策單元數(shù)量（18）大于投入產(chǎn)出指標(biāo)（6） 的2倍，符合模型要求。本文所涉及數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫。

根據(jù)DEA模型設(shè)定要求，投入指標(biāo)和產(chǎn)出指標(biāo)的數(shù)值均要為正，而凈資產(chǎn)收益率和營業(yè)收入增長率可能為負(fù)，影響測量結(jié)果的準(zhǔn)確性。因此需對部分指標(biāo)進行無量綱化處理，無量綱化處理后的數(shù)值位于[0.1，1]，保證了測算結(jié)果的有效性。具體操作如下。

Y=0.1+0.9×

其中，X為原始數(shù)值，Y為無量綱化處理后的數(shù)值。

五、A企業(yè)靜態(tài)融資效率測度及結(jié)果分析

通過使用DEAP 2.1軟件計算出18家樣本企業(yè)的靜態(tài)融資效率值，具體如表1所示。

綜合技術(shù)效率能實現(xiàn)對企業(yè)的綜合評測，反映包括技術(shù)選擇、生產(chǎn)組織和資源配置等方面的效率。若綜合效率等于1，表明企業(yè)整體效率值達到最優(yōu)水平，產(chǎn)出達到最佳。若綜合效率小于1，則說明企業(yè)沒有達到最優(yōu)生產(chǎn)效率，需要對企業(yè)各方面要素進行調(diào)整。從表中數(shù)據(jù)來看，2018年和2022年A企業(yè)的綜合技術(shù)效率分別為0.636和0.961，呈現(xiàn)上升趨勢，2022年數(shù)值更是超過了樣本均值，表明企業(yè)資源配置、組織能力等較之前得到提升。此外，A企業(yè)綜合技術(shù)效率排名由倒數(shù)變?yōu)榈?名，表明企業(yè)在自身能力提升的同時，縮小了與其他企業(yè)的差距。但是，2022年該企業(yè)的綜合技術(shù)效率值為0.961，未達到DEA有效，企業(yè)仍有一定的上升空間。

純技術(shù)效率可以反映企業(yè)是否基于現(xiàn)有水平實現(xiàn)了資源效率最大化。當(dāng)企業(yè)的純技術(shù)效率值為1，說明企業(yè)運營管理水平高，資源利用充分有效。若小于1，說明當(dāng)前投入運營管理水平偏低，企業(yè)未處于生產(chǎn)前沿面。從表中數(shù)據(jù)來看，A企業(yè)純技術(shù)效率2018年到2022年呈現(xiàn)上升趨勢，且由2018年低于樣本均值狀態(tài)變?yōu)?022年高于樣本均值狀態(tài)。此外，2022年A企業(yè)純技術(shù)效率接近1，表明企業(yè)運營管理水平得到提升。在樣本公司中，A企業(yè)純技術(shù)效率綜合排名從第17名上升到第9名，表明企業(yè)在提升自身能力的同時，縮小了與其他企業(yè)的差距。但是，2022年該企業(yè)的純技術(shù)效率值小于1，企業(yè)仍需提高自身的管理水平，達到DEA有效。

規(guī)模效率反映的是實際規(guī)模與最優(yōu)生產(chǎn)規(guī)模的差距。當(dāng)規(guī)模效率值為1時，表明企業(yè)融資投入或產(chǎn)出達到最佳規(guī)模狀態(tài)，即規(guī)模效率有效。若小于1，說明企業(yè)投入與產(chǎn)出未處于最優(yōu)狀態(tài)，需要調(diào)整投入或產(chǎn)出。A企業(yè)規(guī)模效率2018年和2022年分別為0.846和0.992，2022年接近1，近似最佳規(guī)模狀態(tài)。2018年和2022年A企業(yè)均處于規(guī)模報酬遞增狀態(tài)，表明企業(yè)可繼續(xù)加大投入，以求達到最優(yōu)規(guī)模。就2022年而言，A企業(yè)的各項效率值均高于樣本均值，而企業(yè)規(guī)模效率接近1，企業(yè)應(yīng)提高自身運營管理水平，力求位于生產(chǎn)前沿，促使企業(yè)綜合技術(shù)效率值達到1。

六、A企業(yè)動態(tài)融資效率測度及結(jié)果分析

通過DEAP 2.1軟件進行Malmquist指數(shù)分析，具體結(jié)果如表2和表3所示。

由表2可以看出，2018年到2022年樣本企業(yè)整體全要素生產(chǎn)率呈現(xiàn)波動狀態(tài)，但是總體上呈現(xiàn)上升趨勢，上升了5.7%。分解來看，技術(shù)效率上升了1.7%，技術(shù)進步上升了3.9%，表明新能源汽車產(chǎn)業(yè)整體技術(shù)水平創(chuàng)新對全要素生產(chǎn)率的提高起主要作用，管理水平及資源使用能力提升起次要作用。5年間樣本企業(yè)純技術(shù)效率變動整體趨于下降，下降了0.2%，規(guī)模效率則上升了1.8%。比較5年純技術(shù)效率變動及技術(shù)效率變動趨勢，發(fā)現(xiàn)2018—2022年兩者呈現(xiàn)相反的變動趨勢。說明規(guī)模效率發(fā)揮良性作用，抵減了純技術(shù)效率的負(fù)面影響。

由表3中數(shù)據(jù)統(tǒng)計發(fā)現(xiàn)，2018—2022年共有12家企業(yè)全要素生產(chǎn)率變動指數(shù)大于1，A企業(yè)全要素生產(chǎn)率變動指數(shù)大于1，為1.113，排名第六，說明A企業(yè)的融資效率有所提升，且形成一定的競爭力。全要素生產(chǎn)率變動受技術(shù)效率變動和技術(shù)進步變動雙重影響。由數(shù)據(jù)發(fā)現(xiàn)，11家企業(yè)的技術(shù)效率變動大于1，A企業(yè)也是其中之一，其技術(shù)效率增加了12%，超過樣本均值，表明企業(yè)有較為強勁的組織管理能力。此外，共有13家企業(yè)技術(shù)進步變動大于1，而A企業(yè)為0.994，小于1且小于樣本均值，排名第14位，表明A企業(yè)技術(shù)水平在同行業(yè)中較為落后，企業(yè)要加強技術(shù)研發(fā)投入，提升技術(shù)水平，從而提高融資效率。

七、研究結(jié)論及建議

由上述兩個維度的分析，得出以下結(jié)論。第一，從靜態(tài)分析來看，A企業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均有所上升，但是，A企業(yè)2022年效率值均小于1，未達到有效狀態(tài)，僅規(guī)模效率近似1，為0.992，融資效率仍有上升空間，尤其是純技術(shù)效率有較大上升空間。第二，從動態(tài)分析來看，2018—2022年，A企業(yè)有4項指數(shù)大于1，且大于樣本均值。僅技術(shù)進步變動指數(shù)小于1，處于遞減狀態(tài)，下降了0.6%。技術(shù)進步變動指數(shù)反映企業(yè)技術(shù)水平的改進情況，接近72%的企業(yè)技術(shù)水平改進且有一定提升，表明A企業(yè)的技術(shù)水平較為落后，須采取一定措施提高技術(shù)水平，從而對融資效率產(chǎn)生正向影響。

根據(jù)研究結(jié)論，提出以下建議。第一，A企業(yè)可以進一步擴大規(guī)模，發(fā)揮規(guī)模效應(yīng)，促使企業(yè)達到最佳規(guī)模狀態(tài)。在最優(yōu)規(guī)模的加持下，持續(xù)改進企業(yè)融資決策與管理水平，拓寬融資渠道，優(yōu)化資本結(jié)構(gòu)。確定合理的債務(wù)資本和權(quán)益資本的比重，同時合理安排長短期貸款占比，力求降低企業(yè)綜合資本成本率，避免資金閑置。第二，新能源汽車產(chǎn)業(yè)依賴核心技術(shù)，而人才的質(zhì)量決定著技術(shù)研發(fā)創(chuàng)新水平與效率。因此，A企業(yè)應(yīng)通過多方渠道引進高精尖人才，組建專注技術(shù)研發(fā)的科研隊伍，并投入一定資金用于人才培養(yǎng)，突破技術(shù)限制對融資效率的影響。

參考文獻：

[1]湯晨妮.基于DEA-Malmquist的恒大地產(chǎn)融資效率研究[D].廣州：華南理工大學(xué)，2018.

[2]靳鑫.基于SBM模型的上市公司融資效率探析[J].財會通訊，2020（22）：153-156.

[3]曹翠珍，杜威.我國發(fā)行優(yōu)先股的上市商業(yè)銀行融資效率分析[J].會計之友，2021（6）：81-87.

[4]曾雄旺，唐學(xué)思，李志勝.農(nóng)業(yè)上市公司融資效率及政府補助的影響效應(yīng)[J].會計之友，2021（23）：58-63.

[5]陳東.我國通用航空產(chǎn)業(yè)上市公司融資效率分析[D].成都：四川省社會科學(xué)院，2020.

作者簡介：陳斯?jié)崳?000— ），女，漢族，安徽安慶人，碩士在讀，研究方向：會計實務(wù)與管理。