DEA視角下高新技術上市公司融資效率分析

劉澤輝　秦紫妍　李華軍

【摘要】? ?文章運用DEA方法對2015—2018年廣東省高新技術上市公司的融資效率進行測度，得出2015—2017年融資效率受規模效率變動影響較大。在整體分析的基礎上，通過分行業和分區域深入了解高新技術企業的融資效率情況并分析成因，研究結果表明：在行業分析方面，各行業的表現情況各異。其中，新材料領域的純技術效率最高，電子信息領域的規模效率最高;在區域分析方面，深圳地區的規模效率平穩，珠三角地區（除深圳外）的融資效率呈U型狀態，而粵東西北地區企業的結果相對較好。最后根據實證分析結果，在資本結構優化、企業創新能力提升、科技金融體系發展和政策扶持等方面提出建議。

【關鍵詞】? ?DEA;高新技術企業;融資效率

【中圖分類號】? ?F275? ?【文獻標識碼】? ?A? ?【文章編號】? ?1002-5812（2020）03-0045-05

一、背景

高新技術企業是廣東省推動經濟轉型升級、實現高質量發展的主力軍。近年來，廣東省政府從體制機制、稅收優惠和經濟體系等方面為高新技術企業發展提供保障，出臺了一系列政策措施，在一定程度上改善了企業的營商環境。但是，受國際貿易形勢和國內經濟穩中有變的影響，廣東省高新技術企業的發展仍然面臨成本優勢消失、融資難融資貴等問題，給廣東省的產業升級帶來不少挑戰。在“內憂外患”的經濟環境下，出現了行業投資增速下滑、投資意愿低迷的情況，首當其沖的是在研發創新階段和成果轉化階段亟需大量資金的高新技術企業，許多企業因為資金需求不足而無法越過“死亡谷”。另外，廣東省高新技術企業數量眾多、行業分布廣，加之廣東省區域經濟、金融發展不協調不均衡的問題突出，高新技術企業面臨融資難的問題各不相同，研究廣東省高新技術企業融資問題具有現實意義。

二、概念界定及文獻綜述

國內學者很早就對企業融資效率問題展開研究，但是至今仍沒有對企業融資效率的概念作出明確的界定，對其評價基本以西方資本結構理論為支撐，并根據評價對象的性質進行擬定，主要有以下幾個方面：一是從融資成本和融資風險等方面擬定，即企業資金融入效率或交易效率;二是從企業經營成果角度擬定，衡量融通的資金是否得到有效利用，即資金配置效率;三是從微觀層面討論交易效率與配置效率的雙向互動，綜合分析企業融資效率。在前人的基礎上，根據高新技術企業的特點，本文嘗試從企業融資方式的角度探討融資效率，即企業融資渠道的利用情況與企業經營效益之間的效率。

企業融資渠道按是否具有金融中介機構的參與劃分為直接融資和間接融資，按融入資金與企業的權益關系則劃分為股權融資、債權融資和內源融資。對于融資渠道的選擇，優序融資假說認為若企業存在內部盈余，管理者應優先選擇內部融資。當企業必須依賴外部資本時，管理者應優先選擇債權融資，最后選擇股權融資。采取債權融資和股權融資不可避免地產生融資成本，由于外部融資具有償還期限和其他約定，促使企業在融資期限內可能帶來較高的收益，從而表現出較高的融資效率。倘若收益達不到預期，企業則面臨債務負擔加重、融資效率就會出現波動較大的情況。內源融資不會產生兌付危機但受到企業自身規模和資本積累能力的限制，各企業投入水平差異較大。根據企業生產情況和外部融資情況按需配置內源融資，能使企業融資資金成本最低，獲得平穩較好的融資效率。

相對于傳統企業，高新技術企業的融資偏好則有所不同。在初創期和成長期，企業不能通過抵質押資產消除道德風險，并且涉及的行業是高技術領域，高風險和發展不確定性使企業處于“檸檬市場”，缺乏銀行等商業金融機構的信貸支持，無法獲得充足、有效的債務融資，從而對股權融資產生強烈偏好。另外，影響高新技術企業融資效率的因素還涉及企業研發效率，企業在各階段都需要大量資金維持研發需求以應對競爭激烈的產品市場，研發周期與成果的不確定性、新產品收益的不確定性都會對企業的融資效率產生影響，甚至會造成新一輪的融資約束。

在評價方法方面，國內學者選用數據包絡分析法（DEA）對高新技術企業融資效率測度居多。例如，王新紅（2007）[1]采用DEA方法對高新技術企業的融資效率進行測度，發現融資效率的高低與企業資本結構有關;宋獻中（2008）[2]等利用高新技術企業數據，研究發現企業技術創新融資效率不斷提高、權益融資使用效率最佳;高山（2010）[3]以深交所中小企業板和港交所創業板上市的科技型中小企業為樣本，采用DEA方法得出90%的企業融資效率中的規模效率和技術效率都處于非有效狀態;丁華（2019）[4]運用DEA-Malmquist方法對新三板企業進行測度，發現新三板市場的總體融資效率不高，純技術效率是主要的制約因素。

除此之外，對融資效率的評價方法有Super-SBM法[5]、層次分析法[6]、模糊綜合評價法[7]等，這些方法都各有側重地衡量企業融資效率。層次分析法、模糊綜合評價法需要根據所選指標體系之間的重要程度確定權重，其過程難以確保其客觀性，而且該方法通常適用于幾種模式的效率之間進行比較分析，如果決策單元眾多，則該方法不太合適。而且，企業融資過程本質上屬于投入和產出的過程，使用數據包絡分析法可以綜合考慮融資投入和融資產出的情況，無需構建數學函數來確定指標權重，避免了主觀影響。因此，本文運用數據包絡分析法對高新技術企業效率進行評價。

三、廣東省高新技術企業融資現狀

（一）企業存在股權再融資偏好

高新技術企業已成為廣東省上市公司的主要力量。截至2018年底，廣東省擁有高新技術上市公司335家，其中196家是近四年內上市的，四年來首次融資額達1 208.9億元，資本市場對促進高新技術企業加速擴張的作用非常突出。受到金融市場和資本市場去杠桿、強監管的影響，2018年廣東省新增上市公司數量和股票市場融資額有所減少，高新技術企業在新三板市場和區域股權交易市場進行股權融資意向增強。而且，近兩年股票再融資額占全年總融資額比例不低，說明廣東省上市公司融入資金存在配股或定向增發等股權融資偏好，能充分利用股票市場。

（二）金融資本對高新技術企業支持有限

由表1可知，廣東省金融市場融資結構仍然以銀行體系的間接融資為主，直接融資比例較低，金融市場結構性問題依然存在。受股票市場行情和市場出清的影響，近年來廣東省直接融資比例波動較大。2018年廣東省新增社會融資規模2.25萬億元，占全國總量的11.7%，表明金融機構通過資金運用對實體經濟支持規模不斷增長，但金融市場“脫實向虛”的問題依然存在。在廣東省各項金融機構貸款比重中，非金融企業及機關團體貸款占比不斷下降，說明金融資本更多地在金融部門流轉，服務實體經濟的規模仍有增長空間。其中，2017年廣東制造業貸款余額為1.3萬億元，占貸款余額的10.93%，還遠遠不能滿足廣東省制造業融資需求。可以推斷，面對產業特征風險相對較高的高新技術企業，以銀行為主體的金融資源配置結構性的問題更為突出，高新技術企業的有形資產比例較低，不能提供足夠的抵押品以消除潛在的道德風險，面臨銀行的“惜貸”現象。

（三）內源融資能力不斷增強

近年來，廣東省不斷深化科技、金融與產業融合發展，高新技術企業也進入“量質齊升”的階段。2018年廣東省高新技術企業營業收入、凈利潤和利稅等指標與上年相比有較大幅度的增長。其中，2018年企業凈利潤達到4 978億元，人均營業收入同比增長19.7%。內部盈余資金不斷增加，說明企業可直接用于擴大再生產和投資的資金充足，內源融資能力不斷增強。另外，高新技術企業經濟效益變好能夠向資本市場發出積極信號，銀行債務融資的風險與收益會趨于對稱，企業可獲取的銀行等金融機構的融資難度會降低，也會增強企業的股權融資能力。

四、融資效率模型設計

（一）評價方法

對于本文而言，主要在于評價企業通過不同渠道籌措資金的比例衡量高新技術企業的成長性和盈利能力，因此使用以投入為導向的模型進行評價比較適合。企業融資效率評價涉及的指標眾多，是一個典型的多投入、多產出的復雜系統。同時，企業經營又受到經濟環境、政策環境等不確定因素影響，故采用規模報酬可變的DEA-BCC模型測度廣東省高新技術企業融資效率。

（二）指標選擇

1.投入指標選擇。投入指標方面，按照企業融資渠道并根據翟華云（2012）、付興（2018）、姚夢琪（2019）[8-10]等學者的經驗，選擇以下指標：（1）資產負債率。衡量企業通過債權人籌措資金的強度，同時反映企業的經營風險大小。 （2）流通股比例。反映股權流動性對股權融資效率的作用，也能對企業融資方式選擇產生影響。（3）內源融資額。指企業不斷將自己的內部盈余轉化為投資的金額，由于沒有找到反映內源融資強度的財務指標，故使用留存收益和累計折舊的規模指標替代。

2.產出指標選擇。產出指標方面，本文選取營業收入增長率、凈資產收益率和總資產周轉率三個指標，能充分體現企業整體經營能力和盈利能力。營業收入增長率能夠反映企業進行融資后的成長規模，反映企業融資對生產規模擴張作用大小;凈資產收益率能夠綜合反映企業股權融資后的盈利能力，是衡量股權融資等企業融資效率的指標;總資產周轉率則反映企業融資后的資產運營能力，是判斷高新技術企業對融入資金的利用效率和償還債權融資能力的重要指標。

（三）樣本選擇及數據處理

本文研究區間為2015—2018年的融資效率，為防止企業上市后財務數據波動較大，影響結果的科學性，故選取于2015年以前在深滬交易所上市的廣東省上市公司為初始樣本，并按以下標準進行選擇：（1）剔除ST、PT等特殊處理以及退市的公司;（2）剔除財務數據缺失的公司;（3）根據2012版證監會《上市公司行業分類指引》對剔除后公司進行分類，篩選出屬于高新技術領域的企業。鑒于行業樣本量需符合DEA的經驗法則，舍棄了不符合經驗法則的領域，最后確定218家高新技術企業2015—2018年四年面板數據，共872個觀察值作為研究樣本，樣本數據均來源于國泰安CSMAR數據庫。研究樣本按技術領域分類有電子信息領域105家、先進制造與自動化領域72家、新材料領域24家和生物醫藥領域17家;根據上市公司實際分布情況，按區域劃分為深圳地區115家、珠三角地區（除深圳外）85家，粵東西北地區18家。

在實際應用中，由于DEA模型是純技術模型，無需對數據進行無量綱化處理，但投入產出的數值必須是非負數。在財務報表中，當企業處于虧損狀態或經營狀況出現波動的時候，部分財務指標往往為負值，因此需要對樣本數據進行無量綱化法處理，把數據歸一到[0.1，1]區間內，采用方法如下：

五、評價結果及分析

（一）融資效率總體評價

從整體融資效率結果來看，四年內廣東省高新技術企業融資效率并不高，大體上處于0.7—0.9的較無效狀態。融資效率從2015年的0.808下降到2017年的0.744。分解融資效率，可見這三年融資效率是規模效率下降導致的，印證了近年來金融資本市場去杠桿、企業投資意愿減弱的現象。但在2018年，融資效率得到較大幅度提升，達到0.874，這是純技術效率和規模效率共同上升的結果。究其原因在于2017年廣東省科技廳出臺了《廣東省高新技術企業樹標提質行動計劃（2017—2020年）》等刺激高新技術企業發展的系列政策，使得企業在研發投入、科技金融服務等方面投入增加。

從綜合構成來看，規模效率水平優于純技術效率，純技術效率不高決定了融資效率的整體水平，規模效率則是影響融資效率波動的主要因素，說明公司治理水平和資金運用能力是制約融資效率高低的關鍵。規模效率變化幅度太大，某種程度上反映企業資金管理水平的低下，無法正確地把握企業實際的資金需求，存在融資不足或融資過度的情況。另外，在所有樣本企業中，平均每年僅有約7%的企業融資效率處于有效狀態，大部分高新技術企業處于純技術效率和規模效率都無效的狀態，表明企業融資規模和資金配置能力都不是最優。

（二）行業融資效率比較分析

由于不同企業具有不同的行業環境，在總體評價視角下高新技術企業的同類型性質不太嚴謹，而且不同行業領域選擇的融資方式也不相同，按高新技術領域進行分組評價能更好地解釋高新技術企業融資效率情況。

從融資效率來看（見上頁圖1），生物醫藥領域的融資效率整體呈下降趨勢（從2015年0.814下降到2018年0.765），先進制造與自動化領域增長幅度最大（從2015年0.745到2018年0.875）;從純技術效率來看（見上頁圖2），除生物醫藥領域外，其余三個領域的純技術效率都呈平穩提升的狀態，生物醫藥領域則呈現波動狀態。其中，新材料領域的技術效率水平最高，說明該行業對融入資金有較好的配置能力;從規模效率來看，電子信息領域的規模效率水平最高，反映出該行業資本供給情況較好。據《2017年廣東省風險投資報告》顯示，2017年廣東省創業投資市場按行業投資金額排名，前兩名屬于電子信息領域，表明市場投資者對行業前景看好，能夠獲得足夠資金支持。

從規模報酬角度來看，電子信息領域的企業規模報酬表現相對分化。該領域企業數量眾多、市場競爭激烈，也受到各類投資資本的青睞，導致行業內企業經營情況和資金需求情況差異較大，結合圖3中規模效率較高的情況，說明企業存在過度融資或效益沒有達到預期的情況;生物醫藥行業的相對有效企業比重最大（四年內平均值達45.59%），說明該行業當前的投入產出水平是比較相宜的，融通資金能夠得到充分利用，但是純技術效率值相對較低（由上頁圖2可知），造成了行業融資效率波動幅度較大;此外，新材料領域和先進制造與自動化領域的規模報酬遞增企業比重較大，就行業性質而言，這兩個行業還處于工業技改時期，資金需求量大且產能釋放緩慢，是導致其比重較大的原因。因此，這類企業應該注重R&D投入和管理，使產品在技術和工藝上得到提升，增強企業的競爭力。值得注意的是，2017—2018年生物醫藥領域和先進制造與自動化領域的規模效率得到較大幅度提高（見圖3），但處于有效狀態的企業數量并沒有增多，說明融資投入總量不斷提高，但資金配置結構和使用效果存在問題。

（三）區域融資效率比較分析

由表4可知，深圳地區的高新技術企業規模效率平穩向好。多層次的資本市場體系和完善的科技金融政策使該地區的企業融入資金的難度大大降低，但同時也存在技術效率不高的情況。因此，企業應注意合理配置融資資本，提高資金利用效率;珠三角地區（除深圳外）的高新技術企業融資效率呈U型狀態，中間年份的規模效率下降是導致融資效率下降的主要原因。結合地區實際情況，企業應該謹慎選擇不同的融資模式，使資本結構符合自身生產經營狀況。同時還需要提升公司治理水平，防止費用侵蝕利潤，根據市場需求將生產調至最合適的水平;另外，粵東西北地區高新技術企業融資效率相對較好且增長速度快。雖然該地區上市公司較少，但是相對有效的企業比重大，說明粵東西北地區高新技術上市公司質量較高。由于上市公司在欠發達地區的稀缺性，更容易獲得地方政府的扶持，地方政府為當地上市公司優先提供政策便利和資金補助，故在規模效率方面并沒有出現資金融通困難的問題。

六、研究結論與對策建議

（一）研究結論

本文在整體分析的基礎上，基于行業比較與區域比較的視角，對廣東省高新技術上市公司的融資效率進行了實證分析，得出如下結論：

1.從全省整體分析來看。2015—2018年廣東省高新技術企業融資效率受規模效率變動影響較大，2015—2017年融資效率從0.808下降到0.744，2018年上升至0.874。從綜合效率構成來看，規模效率水平優于純技術效率，大部分企業處于非有效狀態且效率水平不高。

2.從行業比較分析來看。融資效率及其構成方面，先進制造與自動化領域的規模效率增長速度最快，但生物醫藥領域的融資效率不斷下降且純技術效率呈現波動狀態;新材料領域的純技術效率最高;電子信息領域的資金融入狀況最好;規模報酬比較方面，電子信息領域的企業規模報酬狀態較為分化;生物醫藥領域的有效企業比重最高;新材料領域和先進制造與自動化領域的大部分企業處于規模遞增狀態。

3.從區域比較分析來看，深圳地區的高新技術企業規模效率水平平穩向好，資金供給情況較好;珠三角地區（除深圳外）融資效率呈現U型狀態，需要調整資金投入結構和提高生產經營管理能力;粵東西北地區融資效率得到較快的增長。

（二）對策建議

1.謹慎選擇融資方式，優化企業資本結構。高新技術企業融資效率不高的其中一個原因就是融資方式的選擇不當導致企業資本結構不合理。企業應著力完善財務制度，明確折舊基金的使用方式，使其用于符合企業戰略發展需要的生產性投資上，同時提高留存盈余公積的比例，健全以留存收益增補企業資本金的制度。在產業發展中，應控制融資規模的不合理擴大，注重融資成本的控制，降低資金成本率。

2.提升企業運營能力，加快資金流轉。企業應該提升資金配置效率，加快資金周轉速度。處于規模報酬遞增的企業，可適當加大融資力度，獲取更多資金進行生產性投資;處于規模收益遞減的企業應適當收縮資本的同時加強內部控制與風險管理，降低企業杠桿率;另外，企業應積極尋找新的利潤增長點，避免研發項目過度投入，不能為了追求短期收益而將資金投向資本市場領域。

3.提高企業的研發創新能力。根據實證分析結果可知，技術效率水平的高低與企業融資效率有密切的聯系。因此，提高企業研發創新能力必不可少。鼓勵在規模以上高新技術企業申報工程研究中心，提升產品競爭力;樹立人才意識，提高科研人員占企業從業人員的比例;與當地高校實行產學研合作，加快推動科技成果市場化和產業化，盡快實現新產品的經濟效益。

4.拓寬融資渠道，健全科技金融運作體系。利用珠三角金融創新綜合試驗區的先行先試政策，鼓勵銀行等商業金融機構創新科技金融產品發展模式，探索開展“投貸聯動”“集合信貸”等新型融資業務的可能性，針對不同企業的資信情況定制貸款利率和還款模式;構建多層次的資本市場，鼓勵粵東西北地區企業多運用上市融資、債券融資等方式;在當前主板市場IPO和再融資政策收緊的情況下，可發揮廣東區域股權交易市場的便利性，使更多高新技術企業能掛牌融資和進行產權交易，同時完善“轉板”和資本退出制度，以打通上下融資渠道。

5.落實支持高新技術企業發展的政策措施，加大企業減負力度。深入推進《廣東省高新技術企業樹標提質行動計劃（2017—2020年）》工作，充分發揮政府對高新技術企業發展的財政支持作用;落實廣東省“科創十二條”“實體經濟新十條”等措施，降低企業成本，增強企業的減負獲得感;實行普惠性減稅減費，完善以研發費用加計扣除為主的稅收優惠政策，激發企業研發創新動力;健全高新技術企業認定工作，使符合資質的企業享受稅收優惠。

【主要參考文獻】

[ 1 ] 王新紅.我國高新技術企業融資效率研究[D].西北大學，2007.

[ 2 ] 宋獻中，劉振.高新技術企業技術創新融資效率研究[J].財會月刊，2008，（03）：10-12.

[ 3 ] 高山.基于DEA方法的科技型中小企業融資效率研究[J].會計之友（下旬刊），2010，（03）：86-88.

[ 4 ] 丁華，高丹.新三板掛牌企業融資效率——基于DEA-Malmquist方法[J].會計之友，2019，（02）：21-25.

[ 5 ] 曾剛，耿成軒.戰略性新興產業融資效率靜態與動態實證研究[J].中國民航大學學報，2018，36（04）：59-64.

[ 6 ] 章玲.基于融資效率的中小企業融資模式評價研究[D].中南大學，2014.

[ 7 ] 魏開文.中小企業融資效率模糊分析[J].金融研究，2001，（06）：67-74.

[ 8 ] 翟華云.戰略性新興產業上市公司金融支持效率研究[J].證券市場導報，2012，（11）：20-25.

[ 9 ] 付興，鄭紹鈺，張文鵬.高新技術企業融資效率評價指標體系的構建[J].智庫時代，2018，（51）：69+78.

[ 10 ] 姚夢琪，許敏.高新技術企業融資效率對研發投入的影響[J].科技管理研究，2019，39（01）：129-136.

[ 11 ] 馬金花.基于DEA模型的寧夏光伏企業融資效率分析[J].商業會計，2012，（19）：93-95.

[ 12 ] 曹小林.新能源產業項目融資效率的影響因素及對策分析[J].商業會計，2018，（24）：82-84.

【作者簡介】

李華軍，男，肇慶學院經濟與管理學院，博士、副教授，高級會計師;研究方向：創新管理，科技金融，財務管理。