關于AI上市公司發展水平評價

李如是+張海+高夢元

摘 要：采用主成分分析法，收集新興概念行業--AI（人工智能）2014年上市企業相關數據，重新建立其行業發展水平的指標體系，對目前19家AI企業進行評價，并與原有的指標體系進行對比。又對“量子通訊”概念行業（相類似的行業）包含的上市企業進行相同的分析，作為對照行業使得結論更為可靠。本文通過研究發現，不同的行業都有其獨特的評價體系，且由于國家宏觀經濟情況的不同以及數據波動的影響，該評價指標體系也會有所改變。所以應該對原有的權威指標體系不斷進行更新，不斷細化。

關鍵詞：主成分分析；AI上市企業；評價指標體系

一、研究背景

人工智能（Artificial Intelligence），通常縮略為“AI”。該行業是研究人的智能相關的理論，并將其應用于各生產領域，使得社會勞動更為快速簡便的一類新興科學技術。人工智能是受信息技術影響的一個研究領域，它企圖分解人類的生理動作或行為模式，并創造出能應用該原理的機械設備，有部分研究是為了生產極其“擬人化”的機械而存在。自從人工智能這門學科背獨立出來之后，其對人類社會生產的影響越來越大，有越來越多相關的科技產品被應用于實際的生產流程，使得現代化生產變得迅捷簡便。

涉及AI概念行業的企業，近幾年尤為受股民的追捧，特別是2016年2月份以來，AI概念個股逐漸升溫，AI股的發展現狀及趨勢無疑是一熱點。上市公司的財務分析與我們日常所學緊密相關，對它的分析不僅要從經濟的視角出發，更要從管理的視角出發。對投資者或是企業的融資都有一定的借鑒意義。

通過主成分對AI上市公司進行行業的評價，從數據的角度檢驗主成分得到的結果與專家所設立的指標體系是否一致，并做出解釋。

二、指標體系的建立

通過對相關文獻的研究，以及專家評價的結果并結合相關的財務知識，得到以下指標評價體系：根據AI企業的背景，在此，我們從上市公司的償債能力，獲利能力，營運能力和規模成長能力四個方面對其進行指標的劃分。存貨作為一個實際物體的存在方式，現在的AI企業所生產的產品能夠規模量產的幾乎沒有，且部分互聯網企業無存貨這一指標。因此，這個存貨周轉率該指標在此剔除。

整理后，較權威的對上市企業的評價指標體系如下表所示：

三、主成分分析法實證研究

利用主成分析法是為了對大量的上市企業評價指標進行“降維”處理，以便得到層次分明，解釋合理的行業發展水平評價指標體系。主成分分析法與因子分析有相似之處，但有有所不同，將具有較多“相似”部分的指標合為一個層次的指標對建立評價體系很有幫助。

以2014年（由于2015年年報并未全部披露，2014年披露的財務數據最為全面且詳細）披露的滬深主板A股上市公司年度報告或獨立公告為數據來源。對每一家企業的財務報告的數據進行采樣、匯總，依據財務指標計算公式求出已建立的評價體系所需數據，最終得到分析樣本。選取了較新概念行業--人工智能作為分析對象，該概念股包含19家上市公司。

由上圖可知，市凈率這一指標在5個主成分中的貢獻率均不顯著，所以剔除。

根據主成分分析的結果保留5個主成分（各成分解釋如下），總共達到78%左右的累積貢獻率：

1.盈利能力（企業獲取收益的能力）：權益凈利率，總資產凈利率，凈資產收益率，銷售凈利率，成本費用利潤率，營業利潤率，營業收入增長率；

2.償債能力（企業償還債務及支付利息的能力）：流動比率，速動比率，資產負債率；

3.規模擴張能力（企業擴大市場占有率及影響力的能力）：權益乘數，凈利潤增長率，固定資產投資擴張率；

4.營運能力（企業經營日常業務的能力）：每股盈利，應收賬款周轉率；

5.資產增長能力（企業價值的增長及未來的成長能力）：總資產增長率，總資產周轉率，資本保值增值率。

可以看出，通過主成分分析法得到的評價指標體系與之前總結的前人研究成果相比并不完全一致，這5個主成分的提取有其行業本身特點的影響，也有采用的樣本數據的影響。

評價結果如下：1.盈利能力最強：同花順、高樂股份、慈星股份；2.償債能力最強：東方網力、同花順、高樂股份；3.規模擴張能力最強：科大智能、東方網力、高樂股份；4.營運能力最強：高樂股份、驊威股份、張江高科；5.資產增長能力最強：同花順、紫光股份、高樂股份。

本文選取了概念股作為研究對象。與以往根據主營業務劃分的行業不同，概念行業是依據研究權重、時事熱點、以及特色題材進行劃分的。在這種情況下股票業績未必通過運營實現，可以通過事件驅動，起到一定的宣傳作用。就AI行業來說，建立行業發展水平評價指標體系，是為了更好體現企業的發展現狀及趨勢，那就必須對其不斷細化，篩選和實驗，不可能一蹴而就，且由于數據波動的影響指標體系隨時有可能比那花。已有的指標體系未必適合我們將做研究的對象。

四、與量子通訊行業對比分析

同樣收集2014年深滬A股中“量子通訊”概念行業（總共15家上市企業）的相關數據，包括上市企業該年年報以及發展近況描述，作為樣本數據進行主成分分析。

由上圖可以看出，由主成分分析法所得的量子通訊行業的評價指標體系由5個部分組成：1.銷售凈利潤，凈資產收益率，總資產周轉率，資產負債率，每股盈利，權益凈利潤，市凈率，流動比率；2.總資產凈利率，權益凈利率，成本費用利潤率，營業利潤率，應收賬款周轉率；3.營業收入增長率，凈利潤增長率，總資產增長率；4.固定資產投資擴張率，資本保值增值率；5.速動比率。

量子通訊與人工智能均是屬于高新科技這一大概念下的概念行業，出現這一新興概念股的時間都較短，且包含上市公司的企業數量大體一致。但其經過主成分分析所得結果卻完全不一致，這說明了每個行業應該都有其獨特的評價指標體系，若僅僅使用統一的、不變的評價體系可能會有失偏頗。

五、結論與思考

結合實際的經濟背景對人工智能概念股的主成分結論進行分析：

1.在按五個主成分分別對企業進行分類之后，高樂股份可以說是個極端情況：不是最好，就是最差。當然這也與數據選取的局限性有關（只選取了2014年一年的數據進行分析），不排除恰好有特殊情況；

2.在五種分類之中，同花順企業領先領域較多；不排除財務報表從同花順炒股軟件上所得的影響，但它是其中極少數的完全依賴互聯網的企業；

3.人工智能股票的熱潮與今年政策導向有部分關系。從第一主成分可以看出，盈利能力強大是其主要的相似之處；

4.從其他四大主成分的排序可以看出，償債能力、規模擴張能力、營運能力以及資產增長能力的高低對盈利能力的強弱并沒有直接影響。

盈利能力是該行業最重視的指標。但盈利能力的高低不能表示企業其他方面的能力的強弱；對企業的發展現狀及趨勢進行綜合評價時，企業在各成分上的分布較為分散，可能是受指標數量過多和樣本數量過少的影響。所以，在研究上市企業的績效時，只分析其中具有代表性的某一方面可能會得出更顯著的結論。

高科技概念行業上市公司的數據波動較大，應從長期視角對其進行分析；且研發產品收益周期較長，在短期內對企業進行評價可能會有失偏頗。例如：高樂股份，是廣東省的老牌玩具制造企業。建立于1989年，有較深厚的底蘊。近幾年與廣州幽聯攜手進軍人工智能，有強大的技術優勢作為后盾，但該優勢未必是短期內可以反映出的。所以其較好的盈利能力并不是空穴來風。

參考文獻：

史小康.基于灰色關聯與主成分分析的公司績效評價--以2009年信息技術上市公司為例[J].金融與經濟，2011（06）：67-70.