基于支持向量機(jī)的新能源上市公司績效評價

馬莉娜，張　倩

(河海大學(xué) 商學(xué)院， 南京　211100)

?

引用格式：馬莉娜，張倩.基于支持向量機(jī)的新能源上市公司績效評價[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版)，2016(1):54-62.

Citation format：MA Li-na, ZHANG Qian.Performance Evaluation on New Energy Listed Companies Based on Support Vector Machine[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):54-62.

基于支持向量機(jī)的新能源上市公司績效評價

馬莉娜，張倩

(河海大學(xué) 商學(xué)院， 南京211100)

摘要：在分別介紹新能源上市公司績效評價方法及支持向量機(jī)(SVM)理論的基礎(chǔ)上，將SVM理論引入上市公司績效評價中，構(gòu)建了基于SVM的新能源上市公司績效評價模型，并通過案例分析證實了基于SVM的新能源上市公司績效評價方法的可行性。

關(guān)鍵詞：支持向量機(jī)；新能源上市公司；績效評價

新能源將會是未來能源消費的主流。中國的新能源產(chǎn)業(yè)面臨著巨大的機(jī)遇和挑戰(zhàn)。在2007年，中國新能源消費占總能源消費的8.5%，《可再生能源中長期發(fā)展規(guī)劃》指出：到2010年中國可再生能源消費將占總能源消費的10%，到2020年將達(dá)到15%[1]。不斷提升新能源產(chǎn)業(yè)的競爭力，對保障新能源產(chǎn)業(yè)擁有持續(xù)、健康、快速的發(fā)展具有重大的研究意義和實踐意義。劉慧娟[2]總結(jié)出我國新能源產(chǎn)業(yè)不斷壯大和加速發(fā)展，但還沒有形成完整的產(chǎn)業(yè)鏈，且整體技術(shù)水平較低、開發(fā)成本較高。因此，中國新能源產(chǎn)業(yè)急需提升生產(chǎn)能力和綜合競爭力。進(jìn)行科學(xué)合理的績效評價對上市公司提高經(jīng)營管理水平和綜合競爭能力具有重要的作用，它有利于上市公司相關(guān)利益方綜合了解公司經(jīng)營狀況及其發(fā)展變化趨勢，有利于公司建立健全的激勵和約束機(jī)制。如何正確分析和運用各種信息資料，對新能源上市公司績效進(jìn)行量化和科學(xué)的評價，在理論和現(xiàn)實上日益凸現(xiàn)其重要性、迫切性和必要性。目前，主要的上市公司績效評價方法有4種：傳統(tǒng)財務(wù)模式方法、平衡記分卡(BSC)、自由現(xiàn)金流量(FCF)、經(jīng)濟(jì)增加值(EVA)方法。而這4種方法都不盡完善，有其各自的優(yōu)劣之處[3-9]。

支持向量機(jī)是一種基于統(tǒng)計學(xué)習(xí)理論的新型機(jī)器學(xué)習(xí)算法，其理論基礎(chǔ)是Vapnik等提出的統(tǒng)計學(xué)習(xí)理論，是統(tǒng)計學(xué)習(xí)理論中最年輕的部分。在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理的基礎(chǔ)上建立的支持向量機(jī)方法，通過在有限樣本信息模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中方案來獲得足夠好的推廣能力。基于支持向量機(jī)基礎(chǔ)理論，國內(nèi)外許多學(xué)者對該算法做了進(jìn)一步的研究和改進(jìn)[10-16]。本文首先依照關(guān)注財務(wù)目標(biāo)、重視財務(wù)紀(jì)律、遵循行業(yè)規(guī)律的要求，設(shè)計了一套科學(xué)合理簡單易行的新能源上市公司績效評價指標(biāo)體系；在績效評價中引入SVM理論方法，將支持向量機(jī)引入新能源上市公司績效評價中，構(gòu)建了基于SVM的新能源上市公司績效評價模型。

1我國新能源上市公司績效評價指標(biāo)體系

在上市公司評價指標(biāo)體系方面，不同國家存在多個評價指標(biāo)體系模式，在指標(biāo)內(nèi)容與數(shù)量上都不盡相同。楊琳[17]認(rèn)為：過去的績效評價指標(biāo)體系受制于資本成本計算的不精確和會計信息的不全面，無法準(zhǔn)確反映公司當(dāng)期創(chuàng)造的價值，這一缺點在使用EVA績效評價體系時得到了明顯的改善，同時在評價過程中以企業(yè)投入的資本為基礎(chǔ)，調(diào)整會計體系中不合理的部分，從而能更全面、客觀地反映公司的價值創(chuàng)造能力。李軍農(nóng)[18]認(rèn)為：傳統(tǒng)的上市公司綜合績效評價模型過分注重財務(wù)績效評價指標(biāo)的可直接計價因素，忽視了非財務(wù)指標(biāo)的不可直接計價因素，而事實上，市場競爭環(huán)境越來越需要管理者提示經(jīng)營決策的合理性，因此諸如創(chuàng)新、生產(chǎn)力、質(zhì)量和服務(wù)、市場占有率以及培訓(xùn)等這類非財務(wù)指標(biāo)在績效計量方面起著比以往更大的作用。徐兵[19]認(rèn)為：上市公司績效評價模型既要涵蓋傳統(tǒng)的財務(wù)評價指標(biāo)，又要針對上市公司所在的行業(yè)特色和發(fā)展階段選取其他非財務(wù)評價指標(biāo)，同時要注重考察上市公司長期績效是否持續(xù)改善。他通過分析目前上市公司現(xiàn)狀及發(fā)展趨勢，得出上市公司績效評價應(yīng)將財務(wù)指標(biāo)評價和非財務(wù)指標(biāo)評價結(jié)合進(jìn)行的結(jié)論。王敏等[20]通過研究分析國內(nèi)外企業(yè)及上市公司績效評價的現(xiàn)狀，建立了一套上市公司績效評價指標(biāo)體系。該體系從財務(wù)和非財務(wù)兩方面考察上市公司的經(jīng)營績效，其中財務(wù)方面通過5個維度，14個指標(biāo)來衡量，非財務(wù)方面用3個指標(biāo)來衡量。整個指標(biāo)體系指標(biāo)全面、結(jié)構(gòu)合理，具有較好的實際應(yīng)用價值。

上述幾種評價指標(biāo)體系模式雖然注重將財務(wù)指標(biāo)和非財務(wù)指標(biāo)相結(jié)合，但依然沒有很好地反映行業(yè)特色、企業(yè)長期發(fā)展能力、企業(yè)遵紀(jì)守法的情況，以及企業(yè)對社會的貢獻(xiàn)，且指標(biāo)間有重復(fù)或相互涵蓋，故以此作為評價結(jié)果無法實現(xiàn)有效促進(jìn)上市公司注重財務(wù)目標(biāo)、財務(wù)紀(jì)律的作用。在本文構(gòu)建的評價指標(biāo)體系中，不僅關(guān)注上市公司財務(wù)目標(biāo)，而且重點考察了上市公司遵守財務(wù)紀(jì)律的功能，具體包括反映上市公司償債能力、獲利能力、經(jīng)營效率、發(fā)展能力、貢獻(xiàn)能力和遵紀(jì)守法方面的6個1級指標(biāo)及具體的12個2級指標(biāo)。指標(biāo)體系如表1所示。

表1　新能源上市公司績效評價指標(biāo)體系組成

2基于SVM的新能源上市公司績效評價模型

2.1支持向量機(jī)基本原理

圖1　最優(yōu)分類超平面示意圖

對于分類問題，標(biāo)準(zhǔn)的支持向量分類算法是給定訓(xùn)練集S={(xi,xj),i=1,2,…,l}，其中輸入x∈Rd，輸出yi∈{-1,+1}，l為樣本數(shù)。采用非線性映射Φ:Rd→H將輸入樣本數(shù)據(jù)映射到一個高維空間以求得到線性模型，并定義核函數(shù)K(xi,xj)=Φ(xi)·Φ(xj)，用來取代向量的內(nèi)積運算，然后求解下列最優(yōu)化問題：

其中：ξi為松弛項，表示錯分樣本的懲罰程度；C為常數(shù)項，用于控制對錯分樣本懲罰的程度，實現(xiàn)在錯分樣本數(shù)與模型復(fù)雜性之間的折衷；ω和b為判決函數(shù)中的權(quán)向量和閾值。其對偶形式如下：

可以得到?jīng)Q策函數(shù)

將SVM理論引入績效評價中，建立了基于SVM的新能源上市公司績效評價模型。圖2是基于SVM的新能源上市公司績效評價模型框圖。

圖2　基于SVM的新能源上市企業(yè)績效評價模型框圖

2.2原始數(shù)據(jù)處理

本文構(gòu)建的新能源上市公司績效評價指標(biāo)體系中的12個指標(biāo)分屬不同類型，為了消除量綱不同帶來的影響，必須對指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。常見的指標(biāo)類型有：① 極大型，又稱正向指標(biāo)，即指標(biāo)值越大越好；② 極小型，又稱逆向指標(biāo)，即指標(biāo)值越小越好；③ 區(qū)間型，即指標(biāo)值處在一定范圍內(nèi)為優(yōu)。

在本文構(gòu)建的評價指標(biāo)體系中，“資產(chǎn)負(fù)債率”指標(biāo)反映企業(yè)長期償債能力，而“流動比率”指標(biāo)能夠反映企業(yè)短期償債能力。對于新能源上市公司，一般認(rèn)為流動比率的數(shù)值在160%～250%，而資產(chǎn)負(fù)債率則保持在30%～60%為宜，因此這2個指標(biāo)屬于區(qū)間型指標(biāo)。“成本費用利潤率”反映耗費1元錢所取得的報酬水平；“資產(chǎn)報酬率”反映1元資產(chǎn)的創(chuàng)利水平；“資本收益率”反映墊支1元資本而得到的報酬水平。這3個指標(biāo)綜合反映了上市公司的獲利能力，屬于正向指標(biāo)?！肮べY增加值率” 反映支付1元工資費用提供了多少元增加值，以此表達(dá)勞動投入與產(chǎn)出關(guān)系；“產(chǎn)銷平衡率”指標(biāo)反映一定時期上市公司生產(chǎn)成果為社會承認(rèn)的程度，該指標(biāo)數(shù)值如果過低，反映出產(chǎn)品銷路不佳。這2個指標(biāo)能夠比較客觀地反映上市公司的經(jīng)營效率。“銷售增長率”和“凈資產(chǎn)增長率”屬于極大型指標(biāo)，指標(biāo)數(shù)值越大，說明企業(yè)成長越快，相應(yīng)的財務(wù)狀況就越好?！吧鐣暙I(xiàn)率” 與“社會積累率” 同屬正向指標(biāo)，表示上市公司貢獻(xiàn)水平，它們反映了上市公司在一定時期內(nèi)對整個社會和政府所作的貢獻(xiàn)。“罰項支出比率” 是一個逆向指標(biāo)，其中的罰項指上市公司支付的各種罰金、罰款、罰息、滯納金、賠償費、訴訟費等，它反映了一個上市公司遵紀(jì)守法的情況，指標(biāo)數(shù)值應(yīng)越小越好。通過以下數(shù)學(xué)模型分別對以上12個指標(biāo)進(jìn)行規(guī)范化處理。

1) 對于極大型指標(biāo)：

2) 對于極小型指標(biāo)：

3) 對于區(qū)間型指標(biāo)：

2.3核函數(shù)和核參數(shù)的選擇

設(shè)計SVM評價模型的一個重要步驟就是選擇核函數(shù)和核參數(shù)?；赟VM的新能源上市公司績效評價研究，還需要確定核函數(shù)和核參數(shù)的選擇。本文在基于SVM的新能源上市公司績效評價中采用多項式作為內(nèi)積函數(shù)。通過實驗，使用同樣的訓(xùn)練集和測試集，分別調(diào)整多項式核函數(shù)的參數(shù)，得到多項式核函數(shù)參數(shù)的調(diào)整實驗結(jié)果，如表2所示。

從表2得出結(jié)論：以多項式內(nèi)積函數(shù)為核函數(shù)構(gòu)造的SVM模型，其準(zhǔn)確率受多項式次數(shù)影響較大，而運算速度則主要受c值影響。注意到，當(dāng)d=3，c=0.1時的準(zhǔn)確率最高且速度最快，這就是本研究需要的多項式核函數(shù)參數(shù)：d=3，c=0.1。

表2　多項式核函數(shù)參數(shù)的調(diào)整實驗結(jié)果

2.4訓(xùn)練及執(zhí)行分類

在此，假設(shè)m為待評價的新能源上市公司數(shù)量，n為指標(biāo)體系中的指標(biāo)數(shù)量。本文中n等于12，分量Xij對應(yīng)于第i個待評價新能源上市公司的第j個指標(biāo)分值，將第i個待評價新能源上市公司的指標(biāo)以一個n維向量表示：Xi=(Xi1,Xi2,…,Xin),i=1,2,…,m。

2.5積分累加和最優(yōu)新能源上市公司的確定

通過拼接向量并對拼接類別進(jìn)行判斷，實現(xiàn)了將SVM引入新能源上市公司績效評價中。為了完成待評公司的綜合排序，需要將分類結(jié)果轉(zhuǎn)化為絕對數(shù)值。使用循環(huán)的方法，讓每個新能源上市公司依次與所有其他待評上市公司作比較。假設(shè)gi(Xj)是第i個待評新能源上市公司相對于第j個待評新能源上市公司比較的得分，則規(guī)定：① 如果第i個待評新能源上市公司優(yōu)于第j個，則第i個待評新能源上市公司得2分；② 如果第i個待評新能源上市公司與第j個相當(dāng)，則第i個待評新能源上市公司得1分；③ 如果第i個待評新能源上市公司劣于第j個，則第i個待評新能源上市公司得0分。由此得到如下定義：

將這些得分疊加就可以得到第i個待評新能源上市公司的分值f′(Xi)，其計算公式為

最終，通過上述步驟就可以得出績效最優(yōu)的新能源上市公司。

3案例分析——以新能源上市公司為例

本文選擇10家典型的新能源上市公司，分別是：保定天威、長城電工、春蘭股份、樂山電力、力諾太陽、岷江水電、特變電工、維科精華、新華光、華東科技。對這10家新能源上市公司進(jìn)行績效評價。數(shù)據(jù)來源于2009年度上市公司年報，原始數(shù)據(jù)見表3。

按照本文的數(shù)學(xué)模型對各項指標(biāo)的原始數(shù)據(jù)進(jìn)行規(guī)范化處理，結(jié)果見表4。

表3　新能源上市公司原始數(shù)據(jù)

表4　新能源上市公司評價指標(biāo)標(biāo)準(zhǔn)化數(shù)值

表5　良中分類樣本數(shù)據(jù)

表6　待評價新能源上市公司分類結(jié)果

進(jìn)一步通過將待評價新能源上市公司進(jìn)行兩兩循環(huán)比較，并通過本文2.6節(jié)的積分累加公式得到待評價新能源上市公司的積分累加值，進(jìn)而得到績效最優(yōu)的新能源上市公司。從表7的結(jié)果可以看出：7號新能源上市公司為績效最優(yōu)企業(yè)。

表7　待評價新能源上市公司循環(huán)比較分類結(jié)果及積分累加值

4結(jié)束語

本文以注重財務(wù)目標(biāo)和財務(wù)紀(jì)律為導(dǎo)向，考慮新能源上市公司的實情，從上市企業(yè)償債能力、獲利能力、經(jīng)營效率、發(fā)展能力、貢獻(xiàn)能力和遵紀(jì)守法等6個方面提取指標(biāo)，建立了新能源上市公司績效評價指標(biāo)體系。

本文將支持向量機(jī)引入新能源上市企業(yè)績效評價領(lǐng)域，建立了基于支持向量機(jī)的新能源上市公司績效評價模型。首先通過將多個待評價的反映創(chuàng)業(yè)板上市企業(yè)績效的相應(yīng)指標(biāo)數(shù)據(jù)的拼接形成大向量集，從而將績效評價問題簡化為分類問題；其次采用3個二值分類的分類器來完成3個分類，通過1對1的組合方式，實現(xiàn)了多分類功能；最后通過將待評價的樣本公司進(jìn)行兩兩組合，對類別標(biāo)簽進(jìn)行定義和比較，實現(xiàn)了分類結(jié)果轉(zhuǎn)化為絕對分值的功能，從而得出總的排序。本文利用實例研究說明基于支持向量機(jī)的新能源上市公司績效評價方法是可行的。

參考文獻(xiàn)：

[1]GAO C,ZHANG J Z,LI X D.Technical Efficiency Analysis of New Energy Listed Companies Based on DEA[C]//Artificial Intelligence and Computational Intelligence,International Conference,AICI 2010,Sanya,China:[s.n.],2010:161-168.

[2]劉慧娟.我國新能源類上市公司治理績效與對策研究[D].南京:東南大學(xué),2010.

[3]MAUREEN M,MATTHEW P.Performance Management for Social Enterprises[J].Systemic Practice and Action Research,2010,23(2):127-141.

[4]SEOKI L，KIM W G.EVA,refined EVA,MVA,or traditional performance measures for the hospitality industry[J].International Journal of Hospitality Management,2009,28(3):439-445.

[5]MICHALSKA J.The usage of The Balanced Scorecard for the estimation of the enterprise’s effectiveness[J].Journal of Materials Processing Technology,2005(162/163):751-758.

[6]BRUSHT H,BROMILEY P，HENDRISKX M.The Free Cash Flow Hypothesis for Sales Growth and Firm Performance[J].Strategic Management Journal,2000,21(4):455-472.

[7]FERDINAND A G.Free cash flow,debt-monitoring and managers’ LIFO/FIFO policy choice[J].Journal of Corporate Finance,2001,7(4):475-492.

[8]POPA G,MIHAILESCU L,CARAGEA C.EVA-Advanced Method for Performance Evaluation in Banks[M].Economia:Seria Management,2009.

[9]CHEN T Y,CHEN C B，PENG S Y.Firm operation performance analysis using data envelopment analysis and balanced scorecard:A case study of a credit cooperative bank[J].International Journal of Productivity and Performance Management,2008,57(7):523-539.

[10]CORINNA C，VLADIMIR V.Support-Vector Networks[J].Machine Learning,1995,20(3):273-297.

[11]OLIVIER C，VLADIMIR V，OLIVIER B,et al.Choosing Multiple Parameters for Support Vector Machines[J].Machine Learning,2002,46 (1/3):131-159.

[12]TAKASHI T,SHIN I.Ternary Bradley-Terry model-based decoding for multi-class classification and its extensions[J].Machine Learning,2011,85(3):249-272.

[13]HUANG J T,MA L H,QIAN J X.Improved support vector machine for multi-class classification problems[J].Journal-Zhejiang University Engineering Science,2004,38(12):1-61.

[14]ZHANG X F,SHEN L.A new hypersphere support vector machine algorithm[J].Journal of Electronics (China),2006,23(4):614-617.

[15]HEA X，ZHE W B.A simplified multi-class support vector machine with reduced dual optimization[J].Pattern Recognition Letters,2012,33(1):71-82.

[16]ARINDAM C,KAJAL D.Fuzzy Support Vector Machine for bankruptcy prediction[J].Applied Soft Computing,2011,11(2):2472-2486.

[17]楊琳.基于EVA的上市公司績效評價[D].武漢:華中科技大學(xué),2005.

[18]李軍農(nóng).上市公司經(jīng)營績效評價研究[D].武漢:武漢大學(xué),2004.

[19]徐兵.中國上市公司績效評價研究[D].長沙:中南大學(xué),2007.

[20]王敏,姜振萍.上市公司績效評價指標(biāo)體系的建立[J].科技創(chuàng)業(yè)月刊,2007 (3):40-41.

[21]王華秋，王斌.優(yōu)化的鄰近支持向量機(jī)在圖像檢索中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版)，2014(9)：66-71.

[22]DING Y S,SONG X P,ZEN Y M.Forecasting financial condition of Chinese listed companies based on support vector machine[J].Expert Systems with Applications,2008,34(4):3081-3089.

[23]呂雍正，芮國勝，田文飚.基于直接支持向量機(jī)的蒸發(fā)波導(dǎo)參數(shù)反演研究[J].四川兵工學(xué)報，2015(2)：111-114.

[24]TANG F M,CHEN M Y,WANG Z D.New approach to training support vector machine[J].Journal of Systems Engineering and Electronics,2006,17(1):200-205.

[25]覃延，李冬梅，陳志泊.基于支持向量機(jī)的大規(guī)模試卷識別方法[J].西南大學(xué)學(xué)報(自然科學(xué)版)，2014(6)：180-185.

[26]JIANG Z Q,FU H G,LI L J.Support Vector Machine for mechanical faults classification[J].Journal of Zhejiang University-Science A,2005,6(5):433-439.

[27]林于力.基于模糊支持向量機(jī)的信用風(fēng)險評估模型研究[J].重慶工商大學(xué)學(xué)報(自然科學(xué)版),2014(5):65-70.

[28]胡國勝,錢玲,張國紅.支持向量機(jī)的多分類算法[J].系統(tǒng)工程與電子技術(shù),2006,28(1):127-132.

(責(zé)任編輯劉舸)

Performance Evaluation on New Energy Listed Companies

Based on Support Vector Machine

MA Li-na, ZHANG Qian

(Business School, Hohai University, Nanjing 211100, China)

Abstract:Based on the respectively introduction of new energy listed company performance evaluation methods and support vector machine (SVM) theory, the SVM theory was introduced into the performance evaluation of listed companies to build a new energy performance evaluation of listed companies based on the SVM model, and through the case analysis, we confirmed that the performance evaluation method of new energy listed company based on SVM is feasibility.

Key words:support vector machine (SVM); new energy of the listed company; performance evaluation

文章編號：1674-8425(2016)01-0054-09

中圖分類號：O21；TK-9

文獻(xiàn)標(biāo)識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.010

作者簡介：馬莉娜(1987—)，女，江蘇徐州人，碩士研究生；張倩(1989—)，女，湖南長沙人，碩士研究生，主要從事金融數(shù)學(xué)研究。

基金項目：國家自然科學(xué)基金資助項目(71271107)

收稿日期：2015-03-15