我國新媒體產業上市公司競爭力評價研究*

文/劉學文 王鐵軍

新媒體產業的發展與知識資本以及綜合國力的競爭密不可分。當前，發達國家不僅在技術水平與經濟實力上遠遠領先于發展中國家，同時也在利用新媒體產業優勢把它們的文化價值觀念傳播到世界各地。由此可見，新媒體產業的戰略意義遠遠高于其經濟價值[1]。美國學者利特爾IMD Little從上世紀80年代以來就致力于國際競爭力的比較研究，并把企業競爭力評價作為其研究的主要內容之一[2]。此后，企業競爭力評價作為企業管理的重要手段日益引起人們的重視。美、日等國家也紛紛開始進行企業素質或企業競爭力的評價活動，旨在促進本國企業適應市場，參與世界經濟角逐。

新媒體產業不僅是經濟增長的新動力，也是提高國際競爭力的核心要素。我們應審時度勢、未雨綢繆，力爭在方興未艾的新媒體產業的國際競爭中取得競爭優勢。在這種形勢下，如何提高新媒體產業企業綜合競爭力，如何制訂評價新媒體產業企業綜合競爭力的指標體系，通過定期評價和監測，及時把握新媒體產業企業競爭力的現狀，引導新媒體產業企業提高綜合競爭力，已經成為新媒體產業發展戰略中的一項重要內容。據此本文擬對我國新媒體產業上市公司進行競爭力評價的系統研究。

一、方法選取與研究樣本

關于企業競爭力的評價研究，大多采用層次分析法和模糊綜合評價法、多元判斷法以及指數分析法等方法。但是，由于這些方法缺乏自學能力，要依靠專家打分法來確定權重，因此很難擺脫評價人員的主觀性和隨意性，并且這些方法在實施時必須假設變量之間是線性關系，變量之間不存在相互影響。由于企業競爭力是一個復雜系統，系統復雜且影響因素多，存在著非線性關系[3]。為此，本文引入綜合評價方法中的另一個重要方法人工神經網絡（Artificial Neural Network，簡稱ANN）來進行新媒體產業上市公司競爭力的評價研究[4]。基于ANN的綜合評價方法通過神經網絡的自學習、自適應和強容錯性，建立更加接近人類思維模式的定性定量相結合的綜合評價模型。該方法在競爭力評價中有以下幾個優點：

（1）通過對參與評價企業樣本的學習就能夠確定人工神經網絡模型的結構。按照企業競爭力評價的最優算法準則反復迭代，不斷調整神經網絡結構，直至達到一個相對穩定的狀態，那么，就可以確定人工神經網絡的結構，并以該模型進行評價和排序。這樣有利于保證評價結果的客觀性。

（2）計算誤差小。人工神經網絡模型對參與評價的樣本不斷學習，能使系統誤差達到任何精度要求，且有收斂性。

（3）動態評價性好。隨著參評樣本的增加和時間的演進，能夠進行進一步的樣本學習和實現動態跟蹤評價[5]。

近年來，雖然不少學者利用神經網絡技術對競爭力綜合評價建模進行了有益的探索性研究，但還存在如建模樣本數據太少，采用太大的網絡結構，不采用檢驗樣本實時監控訓練過程，很容易出現“過訓練”現象等問題，致使建立的神經網絡模型的泛化能力較差，實用價值較小[6,7]。因此本文擬在此基礎上對新媒體產業進行更加細致科學地研究。

根據新媒體產業定義，選取上市公司中廣電新聞、傳播與文化、網絡媒體、信息內容等行業共22個公司進行實證研究，以2002～2012年滬深股市上市公司年報數據為基礎，剔除缺省數據后共獲得9655個有效年度樣本數據。按照企業綜合競爭力評價指標體系，采用其中14個財務指標值作為評價指標，即資產總額(x1)、利潤總額(x2)、主營業務利潤(x3)、每股收益(x4)、凈資產收益率(x5)、總資產報酬率(x6)、應收賬款周轉率(x7)、存貨周轉率(x8)、流動資產周轉率(x9)、每股收益率增長率(x10)、凈資產增長率(x11)、總資產增長率(x12)、主營業務及利潤增長率(x13)和流動比率(x14)。

為了克服變量因數據相差很大而影響模型輸出精度以及提高ANN模型的訓練效果，建立更可靠、有效的模型，有必要對輸入輸出數據進行規格化處理。本研究對各指標均采用線性方法（即0.2+0.6(X-Xmin)/(Xmax-Xmin) ），把原始數據化為[0.20，0.80]內的數據。這樣對超出本研究數據范圍的數據，可以有一定地外推能力。

我們對新媒體產業22家上市公司業績進行統計，新媒體產業2012年業績實現快速增長，其中營業收入同比增長28.10%，相對上半年增速提高0.39%，凈利潤同比增長19.79%，相對上半年增長5.3%。兩者環比上半年均有所增加，行業綜合毛利率31.93%，基本與2011年同期和2012年上半年持平。新媒體產業市場情況以及樣本中22家上市公司的基本統計分析如表1和圖1所示：

表1 新媒體行業上市公司基本統計分析

圖1 2008～2011年中國新媒體產業市場規模

二、實證結果

將各項評價指標的分界值輸入到訓練好的BP網絡14-10-1模型，對應的網絡模型輸出值分別為：1.538、2.253、3.493和4.261。因此，企業競爭力等級的很強(Ⅰ)、強(Ⅱ)、中(Ⅲ)、弱(Ⅳ)和很弱(Ⅴ)五個等級區間，BP網絡模型輸出值的范圍分別為：≤1.538、≤2.253～1.538、≤3.493～2.253、≤4.261～3.493和>4.261。

1.實證研究樣本的輸出值

將規格化后的新媒體產業上市公司財務指標矩陣作為網絡輸入變量，然后打開建立的BP網絡14-10-1模型進行實證研究，結果如表2所示。

表2 新媒體產業上市公司2012年競爭力BP網絡模型輸出值及評定結果

仿真結果分析：

（1）以上22家新媒體產業上市公司中沒有一家公司的競爭力等級為很強（I）；競爭力等級為強（II）級的占45.6%；競爭力等級為中（III）級的占31.8%；競爭力等級為弱（IV）級的占4.5%；競爭力等級為很弱（V）級的占18.1%。其中等級為強（II）和中（III）占77.4%。

（2）廣電網絡、歌華有線和博瑞傳播這三家公司雖然同處競爭力等級強（II），模型輸出值分別為1.914、1.854和1.930，但通過模型得分高低可以看出這三家公司的競爭力強弱順序為歌華有線、廣電網絡和博瑞傳播。

（3）聚友網絡、萬鴻集團、交大博通和托普軟件同屬于競爭力很弱（V），通過原始數據分析，以上四家公司2012年度均有較大程度虧損，分別虧損1.66、0.38、0.72和8.29億元，其中萬鴻集團和托普軟件被中國證監會評為特別處理（ST）公司，模型的分析結果與實際情況比較吻合。

(4) 從模型得分高低來看，歌華有線、廣電網絡和博瑞傳播為新媒體產業上市公司競爭力前三名，聚友網絡、托普軟件和交大博通為新媒體產業上市公司競爭力最后三名。

（5）新媒體產業中廣電傳媒業上市公司競爭力平均得分為3.089，軟件信息內容業上市公司競爭力平均得分為2.808，說明軟件信息內容業上市公司總體上競爭力要強廣電傳媒業上市公司。

由上述分析我們可以看出，大部分新媒體產業上市公司競爭力水平處于中上水平，但沒有競爭力特別優秀的公司，由此可以看出新媒體產業的競爭力水平還有較大的上升空間，還需要全產業公司的不懈努力。競爭力較弱的企業面臨虧損甚至連續虧損的概率要更大一些，因此企業要想在激烈的競爭中長久生存發展下去，就必須努力提升自身綜合競爭力。軟件信息內容業上市公司總體上競爭力要強于廣電傳媒業上市公司，可能的原因是軟件信息內容業的公司的盈利方式更加直接便捷，因此在財務方面表現要比廣電傳媒業公司更好。

2.新媒體產業上市公司競爭力變化趨勢分析

企業競爭力水平是動態的、連續的和發展的。對企業競爭力水平進行變化趨勢分析有助于跟蹤其和競爭對手的競爭力、競爭優勢和劣勢隨時間變化，預測今后的發展趨勢。將原始數據規格化處理后輸入BP網絡（14-10-1）模型，得到新媒體產業上市公司競爭力變化趨勢分析結果。

競爭力變化趨勢仿真結果分析：

（1）新媒體產業中傳媒行業上市公司競爭力水平近5年均保持在較高水平，其中11.2%的公司處在競爭力等級為很強（I）的水平；41.1%的公司處在競爭力等級為強（II）的水平，均高于競爭力等級分類的很強（I）10%和強（II）20%的比例。其中瑞博傳播、電廣傳媒、歌華有線、東方明珠、廣電信息、用友軟件和廣電網絡等都處于競爭力較高水平。

（2）新媒體產業上市公司資產規模較大的企業競爭力水平保持基本穩定，近5年來變化不大，如東方明珠、央視股份、綜藝股份和電廣傳媒。這說明大型上市公司提升競爭力水平較難，也不易降低競爭力水平，這于現實中的情況也是相符的。

（3）新媒體產業中新興網絡媒體上市公司競爭力水平波動較大，如聚友網絡、欣網視訊和永生數據等。這說明網絡媒體上市公司易受投資環境、市場環境、技術更新速度等因素影響。

（4）新媒體產業中軟件行業在2008～2009年間競爭力水平均處于較高水平，而近兩年來有所回落。分析原始數據可以看出，2008～2009年軟件行業上市公司主營業務利潤及利潤增長率、凈資產增長率和每股收益增長率都較高，說明這段時間內軟件行業上市公司具有很高的成長能力，而在2011～2012年增長趨勢有所減緩。

（5）2012年所有新媒體產業上市公司競爭力水平均有不同程度下降，筆者認為這與2012年股市投資環境較差，股市指數降到歷史最低，投資者對股市沒有信心等因素有關。

由上述分析我們可以得出，新媒體產業上市公司近幾年的競爭力水平一直保持穩中有升的趨勢，并且大型上市公司的競爭力水平更加穩定，總體來說新媒體產業是前景美好的朝陽產業，并且在未來還會有較好的增長態勢。

3.新媒體產業與支柱行業上市公司競爭力比較分析

新媒體產業作為一個新興的產業集群，其發展水平、競爭力水平可以通過與支柱產業的橫向比較得到一個較為客觀的評價。本文隨機選取支柱產業中的機械儀器、石油化工、金屬行業各22家上市公司與新媒體產業22家公司進行比較，對收集到的支柱產業上市公司原始數據進行規格化處理后輸入到上文建立好的BP網絡（14-10-1）模型。

（1）整體而言，新媒體產業上市公司競爭力平均得分為2.948，稍大于支柱產業上市公司競爭力平均得分為2.899，可知新媒體產業上市公司平均競爭力略低于支柱產業上市公司平均競爭力。

（2）支柱產業中，機械儀器行業、金屬行業和石油化工行業上市公司競爭力平均得分分別為3.323、2.046和3.329，金屬行業上市公司競爭力水平最高，其中大部分鋼鐵公司均處于競爭力等級為很強（I）的水平，如寶鋼股份、邯鄲鋼鐵、包鋼股份、萊鋼股份和濟南鋼鐵。

從平均得分可以看出，新媒體產業上市公司競爭力水平僅低于金屬行業上市公司，高于機械儀器行業和石油化工行業。說明新媒體產業上市公司較支柱產業某些行業還是具有一定優勢。

（3）支柱產業上市公司中競爭力水平為強（I）的占13.6%，大部分為國有藍籌股，如上海石化、寶鋼股份、邯鄲鋼鐵等。而新媒體產業上市公司無一家上市公司競爭力水平為很強（I）。說明新媒體產業上市公司競爭力與支柱產業中優秀國有大型企業還是有一定差距。

（4）支柱產業和新媒體產業上市公司中競爭力水平為強（II）的分別占31.8%和45.4%，說明新媒體產業上市公司在競爭力水平為強（II）上占有一定優勢。

（5）支柱產業上市公司中競爭力水平為很弱（V）的占13.6%，而新媒體產業上市公司中競爭力水平為很弱（V）的占18.1%，說明新媒體產業上市公司部分企業需要提高競爭力水平，以避免被中國證監會ST(特別處理)。

綜合上述分析我們可以得知，新媒體產業上市公司平均競爭力略低于支柱產業上市公司平均競爭力，這其中主要是由于新媒體產業上市公司較一些發展較成熟的國有支柱性企業存在較大差距，并且新媒體產業中競爭力水平較差的企業較多，因此，新媒體產業上市公司要在穩步的發展中注重提升自身競爭力水平，并逐步向高競爭力的成熟企業靠攏。

4.影響上市公司競爭力綜合評價因素的重要度分析

上市公司競爭力水平受企業規模、盈利能力、運營能力、償債能力和成長能力等的14個指標的影響，但究竟哪些因素影響更大呢？這些都要求做輸入變量的靈敏度分析，即對輸入變量的重要性進行排序。

變量靈敏度分析方法之一是針對模型求各輸入變量的偏導數，求得各輸入變量的瞬時變化速率（斜率），斜率的絕對值越大，該變量就越靈敏、越重要，但是瞬時靈敏度作為研究可以，在實際應用中意義不大。方法之二是分析在總的模型誤差中，哪個變量占的比例最大，那個變量就越重要、越靈敏，這是在整個數據范圍內的變量靈敏度，是總靈敏度，對分析評價和提高上市公司綜合競爭力都有重要意義。

利用Statistica Neural Networks軟件的變量靈敏度分析功能，可以根據每個評價指標對上市公司競爭力的貢獻大小來進行重要度排序研究。分析計算結果如表3所示。

表3 模型各輸入變量靈敏度分析及重要度排序

在文中研究的14項評價指標中：凈資產增長率(X11) 最重要；其次是應收賬款周轉率(X7)，資產總額（X1）處于第三位，然后依次是X9、X14等，利潤總額(X2) 的影響最小。就資產規模因素而言，資產總額（X1）影響最大；就盈利能力而言凈資產收益率（X5）影響最大；就運營能力而言應收賬款周轉率（X7）影響最大；就成長能力而言凈資產增長率（X11）影響最大。從各輸入變量的比例看，一方面，每個變量對企業綜合競爭力都有顯著影響（一般認為比例大于1.05就有重要作用），只是影響程度不同而已，在神經網絡模型中都應該保留這些變量。另一方面，各評價指標的影響程度相差明顯，如凈資產增長率、應收賬款周轉率、資產總額的貢獻率比其他指標大的多。

由上述分析我們可以看出，就提高新媒體產業上市公司競爭力方法上，首先應該提高公司的成長能力，努力擴大投資項目，使公司有長遠的投資規劃，大力開發短期投資項目，更大地開拓市場以增加收入和增加毛利率，是新媒體產業上市公司經營者必須做好的事情。其次應該提高企業管理能力，提高日常管理效率，縮短應收賬款周轉天數，提高營銷能力，減小存貨周轉率等。

三、結論

本文在回顧國內外上市公司綜合競爭力評價模型研究領域經典文獻和研究成果的基礎上，以我國滬深兩市A股上市公司為研究對象，采用基于BP神經網絡的綜合評價方法，構建了上市公司綜合競爭力模型，并對新媒體產業上市公司進行實證研究。以2002～2012年滬深上市公司年報報告的9655組有效數據為原始樣本，對國內外專家學者曾經使用的25個財務指標進行相關分析和主成分分析，在保留原始變量的85%方差信息時，構建了包括5個方面14個指標的上市公司競爭力綜合評價指標體系，基本上涵蓋了上市公司競爭力狀況的各個方面，且具有較好的代表性，為科學地進行上市公司競爭力綜合評價奠定了基礎。研究表明，凈資產增長率、應收賬款周轉率、資產總額處于重要度前三位，并根據研究結果提出提高上市公司競爭力的方法和建議。利用建立的神經網絡模型對內容產業22家上市公司競爭力水平進行縱向比較分析和與支柱產業之中22家上市公司競爭力水平進行橫向比較分析，從模型得分高低來看，歌華有線、廣電網絡和博瑞傳播為內容產業上市公司競爭力前三名，聚友網絡、托普軟件和交大博通為內容產業上市公司競爭力最后三名。整體而言，內容產業上市公司競爭力平均得分為2.948，稍大于支柱產業上市公司競爭力平均得分為2.899，可知內容產業上市公司平均競爭力略低于支柱產業上市公司平均競爭力。

上市公司競爭力綜合評價神經網絡模型是根據系統論原理、基于多年上市公司年報數據、應用ANN技術而建立的模型，無論從理論上還是實踐上都具有重要意義，并將隨著ANN技術的發展、企業競爭力理論的成熟、上市公司年報數據的增多（建模數據增多）以及指標體系的完善和發展，以上存在的問題將逐步得到克服，對上市公司競爭力綜合評價，提高上市公司競爭力、經濟效益，促進上市公司快速、可持續發展具有廣闊的應用前景和實用價值。

[1]劉殿雄.淺析新媒體產業最新發展特點與發展方向[J].中國證券期貨,2013,(8),132-133.

[2]Little I M D.Economic development:theory,policy,and international relations[M].New York:Basic Books,1982.

[3]杜金和.企業競爭力評價的人工神經網絡方法[J].技術經濟與管理研究,2000,(5):36-37.

[4]聶辰席.企業競爭力評價方法及其應用研究[D].天津大學博士論文,2003,03.

[5]呂潔華.高新技術企業核心競爭力的識別方法體系[J].哈爾濱工業大學學報,2006,38 (12):2171-2173.

[6]郭嵐,張祥建.基于BP神經網絡的企業核心競爭力評價[J].科學學研究,2007,25(2):131-136.

[7]時希杰,吳育華.企業核心競爭力三維評價模型與實證研究[J].中國管理科學,2006,14 (6):102-106.