供給側結構性改革下的產能過剩風險動態監測
——基于鋼鐵行業的實證研究

2019-08-19 00:38:56曹耀威張友棠博士生導師

財會月刊 2019年16期

曹耀威，張友棠（博士生導師）

2015年12月，習近平總書記在中央經濟工作會議提出“供給側結構性改革”，開啟了中央新時期對國家經濟發展的一次重大戰略部署的序幕。化解產能風險是供給側改革的重要任務之一。解決產能過剩問題要從需求和供給兩個方面入手，不僅要優化產業結構、降低過剩產能，還要提高產品質量、增加社會需求，進而逐步實現供求關系的動態平衡。由于市場經濟形勢的波動和產業結構的影響，微觀企業的產能過剩狀況會產生持續和積累的變化。因此，在供給側改革化解產能過剩風險的背景下，本文構建基于供給與需求兩維度的企業產能過剩風險動態預警模型，及時、準確、快速地對產能過剩風險進行監控，并采取相應的措施化解產能過剩風險，具有重要的理論和現實意義。

一、文獻回顧

1.產能過剩形成原因及測度。我國先后經歷了三次大規模的產能過剩，最近的一次是2009年由全球金融危機所致的產能過剩。林毅夫[1]認為，在市場環境信息不對稱的情況下，若投資者對某一行業的前景看好，在高額利潤的誘導下，極易出現由過度投資引起的“潮涌現象”，從而導致產能過剩。蔡昉[2]提出供給側結構性改革的主要任務是提高全要素生產率，中國“新常態”下經濟下行的主要原因是全要素成產率增速放緩、生產要素供給制約引起的，消除過剩產能是遏制全要素增長率下降的重要著力點。余東華、呂逸楠[3]研究了政府不當干預與產能過剩之間的關系，政府通過財政補貼、政策引導、土地使用稅減免等政策來扭曲市場經濟的規律、干預產業的發展，對企業產能過剩形成增益作用。郭曉蓓[4]利用經營績效因子對我國鋼鐵行業進行實證分析，指出資本結構、營運能力均與產能過剩顯著相關，加大財務杠桿、盈利能力下降都會加劇鋼鐵企業產能過剩。

產能利用率是實際產出與實際生產能力的比率，用其來衡量產能過剩存在不足，因為其只考慮了供給方面對產能過剩的影響。事實上企業的實際產出不僅受到供給沖擊的影響，同樣也受到需求沖擊的影響。齊紅倩等[5]從社會的實際產出與生產能力之間的差額入手，將全要素生產率分解為供給沖擊、需求沖擊和其他沖擊，在此基礎上對全要素生產率（TFP）進行測算。張皓等[6]提出產能過剩對企業TFP具有負向影響，即產能過剩越嚴重，全要素生產率越低。

2.產能過剩風險防控。雖然對于預警方法的研究已經取得了豐富的成果，但學術界關于產能過剩預警的研究成果還較少。王興艷[7]初步建立了產能過剩指標體系，通過將指標體系進行總體、系統和變量的三層次分級，提出各層次指標對產能過剩的影響程度，進而明確建立產能過剩預警模型的思路和目標。韓國高等[8]構建了鋼鐵行業的產能利用監測預警系統，從五個方面選取11 個經濟指標構建了2000～2010年產能利用情況的預警監測系統，并確定了預警界限。2012年1月，國務院發布的《工業轉型升級規劃（2011～2015）》，提出了鋼鐵、船舶等行業產能過剩的界定、預警及應對措施等非常迫切的研究課題。劉曄、葛維琦[9]科學界定了產能過剩的內涵，從供給、需求、短期產能和未來可利用產能四個方面，提出了建立中國特色產能過剩評估指標體系及預警制度的基本思路，為建立我國產能過剩評估指標體系提供了借鑒和參考。王迪[10]將PSR模型運用到煤炭行業的產能評價中，運用綜合指數來監測煤炭產能利用情況及波動幅度。王雙正[11]將鋼鐵行業產能過剩的成因分為需求不足、過度投資、供需不匹配和體制性因素，通過先行指標、同步指標和滯后指標來對鋼鐵行業產能過剩進行預測。

總體而言，現有文獻多是利用影響產能過剩的指標來構建預警模型，進而達到預警產能過剩的目的。但對于樣本數據的時序處理缺乏重視，僅以靜態截面數據來進行產能過剩預警，未考慮產能風險狀態的時間連續性，忽略了風險漸進的過程。當今企業處在瞬息萬變的市場環境中，由于影響因素隨時間不斷變化，產能過剩的誘因也呈現出動態多變的趨勢，不考慮時間因素而單純以靜態形式進行產能風險預警已經不能夠滿足企業化解產能風險的要求。因此必須建立有效的產能過剩動態預警機制，從根本上化解企業產能過剩危機。

3.基于Kalman 濾波的風險預警。Kalman 濾波算法是基于狀態空間模型來解決狀態估計問題，通過構建目標時間序列狀態方程和觀測方程，利用Kalman濾波器對模型進行含噪音的目標預測估計。孫曉琳等[12]以英國和愛爾蘭180 家公司為樣本，通過Kalman濾波構建財務危機的動態預警模型，證實了動態預警的優越性。魯曉東等[13]提出財務預警三階段理論，用實證研究方法檢驗了Kalman濾波法在財務危機預測中的可行性。劉天等[14]利用離散Kalman 濾波法進行遞推樣本訓練，通過對預測值與真實值之間誤差的時間更新與觀測更新，來構建最優估計方程，進而解決以往預警模型忽略時間序列的問題。

鑒于此，本文在進行產能過剩動態風險預警研究時，運用Levinsohn、Petrin[15]提出的全要素生產率估計方法（簡稱“LP法”）來測算全要素生產率，作為產能過剩的代理變量。選取鋼鐵行業上市企業為樣本，從供給、需求兩個維度構建“二維”產能過剩風險動態預警模型。運用Kalman濾波算法對產能過剩進行動態預警，以期為企業管理人員對公司產能風險的監控和其他利益相關者的投資決策提供參考。

二、模型構建

Kalman 濾波算法是基于狀態空間模型，利用狀態空間法描述目標的狀態，再建立目標的觀測模型，通過目標的狀態模型和觀測模型來利用Kalman 濾波器對目標進行參數辨識和狀態的估計。

1.狀態方程。狀態方程用于反映系統狀態的變化趨勢，就上市公司產能風險預警而言，其t+1時刻的產能風險狀況是由t時刻的產能風險狀況演變而來，但在演變的過程中可能會受到外部因素的影響，因此會產生預測過程中的噪聲。理想狀態下，這種噪聲應當為高斯白噪聲，因此構建狀態方程的核心問題在于找到上市公司產能風險的演變路徑，并通過分析第t期的結果來預測t+1時期的產能風險狀態。公式（1）即為構建的Kalman濾波狀態方程。

LP 法以對數形式的柯布—道格拉斯生產函數為基礎：

其中，Yt表示產出，Lt和Kt表示勞動和資本的投入，A 是全要素生產率TFP。考慮到諸多影響因素，投入的勞動和資本不能充分被利用，進而使得實際產出小于實際生產能力。本文設Z和Zb分別為資本運作效率和勞動運作效率，由此可得實際生產函數為：

將式（3）進行對數處理：

代入公式（4）整理可得：

因此用生產函數對數形式殘差估計方法，最終估計出TFP值：

2.觀測方程。觀測方程是由可以直接觀測到的數據來計算樣本的實際值，運用與狀態方程之間的對應關系，通過實際值來對無法直接觀察的狀態變量進行判斷。供給側改革旨在通過調整經濟結構來達到化解產能風險的目的，在勞動力、土地、資本、制度創造和創新等方面實現要素的最優配置。對于勞動力投入，不僅要提高勞動數量，而且要提升勞動力的專業技術水平，充分發揮企業家才能，進而提高全要素生產率。土地和資本是企業重要的生產資源，在生產技術創新的推動和經濟政策的指引下，合理的土地供給和資本投入可以優化產業結構、提高產業和產品質量，實現全要素生產率的有效提升。基于產能過剩的成因分析，本文遵循重要性、系統性、可獲得性的原則，從供給、需求兩個維度遴選影響全要素生產率的指標來構建Kalman濾波觀測方程。

（1）供給維度。①勞動力方面，本文用企業高管的教育背景和員工人數來衡量企業勞動力。②資本方面，本文用企業規模作為衡量企業資本的代理變量。為了不與LP法對全要素生產率進行估計產生相關性問題，這里將企業凈資產、企業注冊年限和子公司數作為衡量企業規模的變量。③技術創新方面，本文用企業的發明專利數和研發人員數來衡量企業的技術創新水平。

（2）需求維度。需求即代表著對商品的最終需求，而最終產品是指被最終使用者購買并使用的產品或勞務。由投入產出理論可知，一個產業的產出即為另一個產業的投入，需求的擴張會增加企業的銷售額。因此本文用企業的銷售收入來衡量需求。

通過對供給維度和需求維度影響因素的分析，總結出全要素生產率的影響因素，如表1所示：

表1 Kalman濾波觀測方程TFP預警指標及定義

通過TFP 的狀態空間模型構建Kalman 濾波的觀測方程：

3.Kalman濾波算法。Kalman濾波通過構建時間序列的狀態空間模型來模擬系統的變化過程，在這一過程中需要構建系統的狀態方程和觀測方程。

狀態方程：

觀測方程：

式中，X（k）是K 時刻的系統狀態，A 是系統參數。Z（k）是K時刻的測量值，H是測量系統的參數。U（k）和V（k）分別表示狀態和測量過程中的噪聲，假設協方差分別為Q和R。

構建系統的狀態空間方程后，通過預測值與實際值之間的誤差，對狀態空間方程進行迭代更新：

第一步，預測現在的狀態：

第二步，協方差更新：

第三步，計算卡爾曼增益：

第四步，測量值更新：

第五步，協方差預測：

通過上述五步迭代，狀態空間方程都會基于上一期的預測結果進行修正。在修正的過程中，主要是協方差和卡爾曼增益根據誤差情況而不斷進行動態調整，進而使得每一期狀態空間方程都發生變化，減少預測值與實際值之間的誤差，提高預測值的準確度，最終達到預警防控的作用。

根據Kalman濾波狀態空間模型的特征，構建企業產能風險動態預警狀態空間模型。

上式中，X（t）表示t時刻TFP的狀態變量，由模型（1）所得；Z（t）表示t 時刻TFP 的實際值，由模型（7）通過回歸而得。

三、模型的效果檢驗

1.樣本及數據選取。本文以2010～2018年全行業樣本數據來檢驗Kalman濾波觀測方程的有效性，同時選取2010～2018年具有代表性的A股鋼鐵上市公司為樣本，以檢驗Kalman 濾波的預測效應。我國鋼鐵行業由于過度投資存在嚴重的產能過剩問題，對其行業進行產能過剩防控研究具有重大的實際意義。本文選取的樣本數據均來自CSMAR、巨潮數據庫，剔除了金融類、ST、?ST 和相關數據缺失的樣本。考慮到極端值的影響，本文對樣本指標進行5%的Winsorze 縮尾處理，最終得到1056 家全行業上市公司和16家鋼鐵上市公司。本文選用的統計軟件為Stata 12.0，Kalman 濾波模型通過MATLAB 軟件實現。

2.實證結果分析。公式（7）以全行業作為樣本，得到擬合度為0.9097 的回歸結果，觀測方程的測度效果得到有效驗證。2010～2018年16家鋼鐵上市公司的TFP 實際值以及Kalman 濾波得到的TFP 預測值如表2所示。

檢驗結果顯示，樣本企業TFP 的實際值和Kalman 濾波預測值之間的差值平均值為-0.024，標準誤差值為0.153，表明整體誤差保持在較低的水平上。這說明16 家鋼鐵上市企業通過Kalman 濾波模型能夠對企業的TFP進行比較準確的預測。

四、產能風險案例分析

在驗證Kalman 濾波算法對全要素生產率具有較好預測功能的基礎上，為了深入分析產能風險的成因及其防控對策，本文在16家鋼鐵上市企業中選取南鋼股份（600282）、包鋼股份（600010）和八一鋼鐵（600581）三家企業的TFP值進行預測分析。

本文以觀測方程計算得到的全要素生產率平均值作為產能過剩的預警臨界值：

計算得到TFP 為15.98，當企業的TFP 大于15.98 時，說明企業不存在產能過剩風險；當企業TFP小于15.98時，表明企業處于產能過剩的風險狀態中，需要采取相應的措施化解產能過剩問題。

樣本企業TFP預測圖

通過上圖可知，三家企業在2010～2015年間的TFP值都呈現出震蕩下降的趨勢，并在2016年達到了統計的最低值。受到2015年提出的供給側改革去產能政策的重大影響，三家樣本企業的TFP 值在2016年后都出現明顯的反彈。而2019年的預測結果顯示，三家樣本企業呈現出不同的結果，具體分析如下。

1.南鋼股份（600282）。南鋼股份的主營業務為運輸管線鋼材。從供給維度分析，2010～2016年間企業的資產總額呈現超過三倍的增長，企業的專利獲取數也保持良好的增長趨勢，企業的員工人數沒有出現大幅變化。從需求維度分析，企業營業收入保持著小幅下降的趨勢。雖然企業擴大了生產規模，但企業保持著較高的研發能力，在企業營業收入出現小幅下降的情況下，南鋼股份2010～2016年間的TFP值呈現出小幅下降趨勢，并在2014年TFP值下降到產能風險的預警臨界值，說明企業存在產能風險。

Kalman濾波預測顯示，企業在2019年間的TFP值將呈下降趨勢。經過對行業環境分析可知，在經歷2016～2018年TFP 持續增長后，企業會由于運輸管線鋼材需求的調整而呈現階段性TFP值下降趨勢。

2.包鋼股份（600010）。包鋼股份是主營黑色金屬及延壓加工產品的企業。從供給維度分析，2010～2016年期間，包鋼股份的資產總額不斷升高，企業員工人數相比2009年有近三倍增長，但企業的專利獲取數沒有太大的變化。從國務院發展研究中心獲取的行業景氣指數可以看出，受2008年美國次貸危機的影響，鋼鐵行業的景氣指數在2010～2016年間持續下降。在行業景氣指數下行階段，包鋼股份卻持續地擴大生產規模，進而導致企業TFP值持續降低。從需求維度分析，2010～2015年期間，銷售收入的減少直接反映出市場需求的減少，進而導致企業TFP 的下降，并在2014年后出現產能過剩風險問題。

受供給側結構性改革去產能政策的影響，國家對公共設施投入的增加和去產能政策的實施，使得2016年后企業的TFP 值持續提升，Kalman 濾波預測2019年包鋼股份TFP值將繼續提升。究其原因，國家對基礎設施建設的投入持續增加，市場對黑色金屬和延壓加工產品的需求增加，進而使得企業的TFP 值保持平穩增長。

3.八一鋼鐵（600581）。八一鋼鐵的主營業務為鐵絲、汽車鋼板和碳鋼焊條。從供給維度分析，2009～2015年企業的總資產持續增長，投資規模不斷擴大，受到行業不景氣的影響，企業的TFP值持續下降。從需求維度分析，受到國家加大污染防控力度和內需不足的影響，2011～2016年間企業TFP值呈下降趨勢，并在2014年出現產能過剩風險問題。

Kalman 濾波預測出企業在2019年的TFP 值相比2018年呈現較小變化。根據企業的生產狀況分析，雖然鐵絲和鋼鐵焊條需求略微下降，但新能源汽車需求的增長使得八一鋼鐵的產品需求持續增長，因此2019年的TFP值相比2018年變化不大。

從整體的預測結果可以看出，包鋼股份、南鋼股份和八一鋼鐵雖然受國家宏觀政策和企業產業調整的影響，企業的TFP 值有所提升，但受市場大環境不景氣的抑制，三家企業的TFP值在2016年前總體呈現下降趨勢。2016年《國務院關于鋼鐵行業化解過剩產能實現脫困發展的意見》的頒布，最主要的作用就是嚴禁鋼鐵行業新增產能，由此，2016年成為化解鋼鐵行業產能風險的轉折點。三家企業在2016年后的全要素生產率都表現出明顯的反彈之勢。由于企業主要生產產品受市場需求變化影響，三家企業2019年的TFR預測值呈現出不同的變化趨勢：寶鋼股份預測出的TFP 強勢提升看，南鋼股份表現出后勁不足的趨勢，八一鋼鐵TFP 的預測值則表現得更為平穩。

五、建議

1.以需求為起點，發揮市場倒逼作用。市場經濟的自發調節會讓企業為了適應市場變化而改變生產經營管理方式。企業生產要根據市場需求進行結構調整，采用按需生產的經營模式。通過深化供給側改革，可以加強優質商品供給、減少同質低端商品產出。企業在生產過程中要提升靈活性和應變能力，及時調整企業的生產經營結構，緩解市場需求突變給企業生產帶來的沖擊。

2.以供給為起點，提高產品創新質量水平。要牢牢把握“質量第一”這一宗旨，正確全面地理解質量觀念，提高企業的自主創新能力和可持續發展能力，深化產品結構調整，加大高附加值產品的研發力度，優化我國粗放低端的生產模式。嚴控過度投資和擴大行業規模，執行嚴格的行業準入政策，在提高產品質量的同時防止產品產量過剩。

3.加強行業數據綜合開發和信息資源共享。產能過剩也與相關部門數據統計口徑、計算頻度、信息來源及發布的時間密切相關。應加大行業數據綜合開發力度、擴大信息資源共享范圍，在控制“潮涌現象”的同時引領企業合理地組織生產，降低同質化低端產品過剩產量，優化產業結構，進而化解產能過剩風險。