人工智能行業上市公司財務競爭力評價研究

高志琳王彤彤（副教授）

（1北京聯合大學管理學院 2北京聯合大學商務學院 北京 100101）

加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題，迫切需要加強人工智能和產業發展融合，為我國經濟的高質量發展提供新動能。人工智能技術更多地應用于各種經濟生活場景之中，但在競爭激烈的市場環境中，特別是在疫情影響下，人工智能企業的財務競爭力不僅是投資者的重要參考依據，也是企業可持續發展的重要基石。財務競爭力是企業將知識和創新作為基礎，同時發揮企業的財務優勢，將企業各項財務能力進行科學整合、保證企業可持續發展的一種能力。人工智能企業在競爭激烈的市場環境中，特別是在疫情影響下，如何配置各種財務資源，為投資人持續創造價值，不僅成為資本市場關注的熱點，也是我國經濟發展的重要動力。

一、文獻綜述

通過梳理歸納近年來有關上市公司財務競爭力的研究文獻和研究成果，發現具有以下特征：

對于研究客體來說，行業不同，包括石墨烯、商業銀行、影視、石油、汽車、航空、新能源、物流等（呂釗晰，2020；付靜，2020；王燕妮等，2019；高建城，2019；李昊，2019；李常亮，2017；徐廣等，2016；田鳳姹等，2015），同時，Crowder David W、Reganold John P（2015）通過對橫跨五大洲的55種作物的全球數據集進行分析，來評價有機農業在全球范圍內的財務競爭力。

對于評價側重點來說也各有不同。付靜（2020）采用規模實力、盈利能力、發展能力、安全性、經營管理效率、流動性作為評價指標；Nikita Mehta，MamtaBrahmbhatt（2019）采用盈利能力、管理效率、償債能力和財務杠桿作為評價指標；田鳳姹、趙寧等（2015）從利益相關者角度出發，將盈利能力、規模實力、營運能力、發展能力、償債能力五個方面作為評價指標；劉廣生、吳晗（2014）從企業綜合績效、風險控制、現金流量以及可持續發展角度出發，構建了7項評價指標體系，包括持續盈利能力、償債能力、運營能力、現金收入能力、競爭規模實力以及發展潛力和業務發展能力。

對于研究方法來說，大多數采用的是因子分析法。如：呂釗晰（2020）,王燕妮等（2019）,高建城（2019）,李昊（2019）,吳媚、張卉等（2019）等均采用因子分析方法進行指標體系的構建。還有少數學者采用其他方法。如：李常亮（2017）采用財務評價模型——灰色關聯度方法，來分析航空公司財務競爭力狀況。

顯而易見，國內外關于財務競爭力的研究已經有了一些積累，對于財務競爭力核心概念的理解基本趨同，但不同學者對于不同行業財務競爭力的構成劃分并不完全一致。此外，多數文獻的研究數據并不連續，多采用上市公司單個年份數據，鮮有時間序列數據；同時，新興的人工智能行業的相關研究很少。因此，本文將基于因子分析對人工智能行業上市公司的財務競爭力進行評價研究，通過不同企業的比較分析，為人工智能行業的發展提供參考。

二、樣本數據來源及評價指標選擇

（一）樣本和數據來源

本文的數據主要來源于WIND數據庫以及上交所與深交所上市公司年報，選取滬深A股人工智能板塊的上市公司，從數據庫中統計出36家，在搜集指標過程中，剔除了兩家數據不完整、時間年限不足的公司——昆侖萬維、富瀚微，最終得到34家公司。利用2016—2019年的財務指標進行算術平均作為樣本數據進行實證分析。

（二）評價指標選擇

為了研究人工智能行業上市公司的財務競爭力，本文參考了劉松（2019）建立的財務指標體系，從盈利能力、償債能力、營運能力、發展能力、獲現能力以及研發創新能力六個角度選取了15項指標，見下頁表1。

表1 財務競爭力評價指標體系

三、基于因子分析的樣本實證研究

（一）數據預處理、KMO檢驗和Bartlett球形檢驗

在實驗之前，對適中指標進行正向化處理，參考范坤等（2013）關于因子分析適中指標的預處理方式。因為人工智能屬于新興行業，不同行業的適中值有一定的差別，因此采用行業平均值對流動比率、速動比率、資產負債率這三個指標進行預處理。在進行研究之前，為了排除不同量綱對實驗研究的影響，本文選擇Z標準化方法對評價指標進行處理。在實驗之前，首先進行KMO檢驗和Bartlett球形檢驗，來分析是否適合因子分析方法。一般情況下，KMO值大于0.5，巴特利特球形度檢驗的顯著性小于0.05時，則說明可以使用因子分析。本文通過檢驗發現，KMO值=0.528＞0.5.顯著性=0.000＜0.05，表明所選指標適合因子分析。檢驗結果如表2所示。

表2 KMO和Bartlett球形檢驗

（二）公因子的提取

本文采用主成分分析法進行公因子提取，一般提取要求初始特征值＞1或者累計方差貢獻率≥80%。從總方差解釋來看，前5個因子的初始特征值大于1，累計方差貢獻率為79.377%，表明這5個公因子可以解釋79.377%的原始指標信息。因此可以提取到5個公因子，并分別將這5個因子命名為Y1、Y2、Y3、Y4、Y5。第1個因子Y1的方差貢獻率為17.853%，第2個因子Y2的方差貢獻率為17.262%，第3個因子Y3的方差貢獻率為16.795%，第4個因子Y4的方差貢獻率為14.853%，第5個因子Y5的方差貢獻率為12.614%。

（三）公因子的命名

本文采用最大方差正交旋轉法將因子進行旋轉，目的是使公因子在變量上的載荷量呈現出明顯的差異。旋轉后的成分矩陣顯示，第一個因子Y1在X4、X5、X6載荷系數較大，可以將Y1命名為償債因子；第二個因子Y2在X1、X2、X3載荷系數較大，可以將Y2命名為盈利因子；第三個因子Y3在X14、X15上的載荷系數較大，可以將Y3命名為研發創新因子；第四個因子Y4在X10、X11上的載荷系數較大，可以將Y4命名為發展因子；第五個因子Y5在X7、X9、X12上的載荷系數較大，可以將Y5命名為營運及獲現因子。

（四）因子得分模型的建立、各因子得分與綜合得分

利用SPSS提取因子及因子分析之后，得到成分得分系數矩陣，繼而對15項指標變量進行加權求和，得到5個因子得分模型：

以旋轉后各因子的方差貢獻率占累計貢獻率作為權重，對5個因子的得分情況進行加權平均，得到綜合得分模型Y。

綜合模型計算樣本公司總得分情況，各樣本5個因子得分以及綜合得分排名情況。結果見下頁表3。

從償債因子Y1來看，得分為正值的公司有24家，占比71%。得分最高的是恒生電子，達到1.127，說明公司流動性較好，償債能力較強，所面臨的財務風險較??；紫光國徽和東方網力，得分只有0.739和0.646。排后三位的公司分別為北京君正、華勝天成、景嘉微，其償債因子得分分別為-5.525、-0.588、-0.571。北京君正相比于其他公司，償債指標具有特殊性，流動比率與速動比率偏大，流動比率達到37.6，速動比率33.7，資產負債率偏低，只有4%；通過公司年報可以看出，北京君正的負債很少，流動資產中交易性金融資產與貨幣資金占比較高，長短期借款為零，直接導致流動比率、速動比率、資產負債率出現異值。所以北京君正的排名與得分是與平均值相比較所得的計算結果。整體而言，人工智能行業資產流動性欠佳，償債能力偏弱，直接威脅企業的健康生存與可持續發展。

從盈利因子Y2來看，得分為正值的公司有20家，占比59%。得分最高的是海康威視，為2.089，說明公司的獲利能力強，企業價值較高；其次是三六零、恒生電子，其得分分別為0.929、0.846。排后三位的分別為東方網力、科大智能、軟控股份，其盈利因子得分分別為-4.315、-1.656、-0.914?？傮w來看，其獲利能力較弱，經營業績不佳。

從研發創新因子Y3來看，得分為正值的公司有15家，占比44%。排前三位的分別為恒生電子、全志科技、東方網力，其研發創新因子得分分別為3.436、2.256、1.399，說明這些公司研發創新能力較強。排后三位的公司分別為江南化工、高樂股份、慈星股份，其研發創新因子得分分別為-1.094、-1.030、-1.018，顯示其研發創新能力較弱。

表3 各樣本公司財務競爭力因子排名和綜合排名

從發展因子Y4來看，得分為正值的公司只有12家，占比35%。排前三位的分別為景嘉微、天澤信息、賽為智能，其發展因子得分分別為2.463、2.288、1.796，說明這些公司成長能力較強。排后三位的公司分別為軟控股份、江南化工、北京君正，其發展因子得分分別為-1.154、-1.103、-1.000，這些公司需要不斷提升自身發展能力。

從營運及獲現因子Y5來看，得分為正值的公司有13家，占比38%。排前三位的公司分別為浪潮信息、三六零、華勝天成，其營運及獲現因子得分分別為2.370、2.103、1.310，說明這些公司營運能力較強，對可利用資源使用后形成獲取現金的能力較好。排后三位的公司分別為景嘉微、機器人、賽為智能，其因子得分分別為-2.193、-1.708、-1.319，說明這些公司營運能力及獲現能力需要進一步提高。

從綜合得分Y來看，公司的綜合得分普遍較低，反映了目前人工智能行業上市公司的財務競爭力尚有待提高。在34家上市公司中，只有15家綜合得分大于0，占比44%，其中排名前5的是恒生電子、三六零、海康威視、浪潮信息、中科曙光，最高得分只有1.259。另有19家的綜合得分均小于0，其中，北京君正綜合得分-1.196，綜合競爭力較弱。

（五）因子得分的統計性描述

因子得分的統計性描述能更清楚地展現出每個因子得分的綜合情況，以及各個公司的因子得分在整體中的位置。從表4可以看出，每個公司在單個因子的得分數據呈標準正態化分布，得分的差異度較小。

表4 因子得分的統計性描述

四、結論與建議

（一）結論

本文以我國34家人工智能上市公司為研究樣本，構建財務競爭力評價指標體系，通過因子分析對上市公司2016—2019年的財務競爭力進行分析比較，研究發現：

1.本文提取的5個公共因子，對樣本公司的財務競爭力影響較大，貢獻率達到79.377%，所以人工智能上市公司之間的差異主要體現在這5個因子上。

2.34家公司的綜合財務競爭力普遍得分不高，而且得分相差并不大，財務競爭力普遍不高。

3.34家公司中，因子差異度較大的是盈利能力、營運能力及獲現能力，研發創新能力與發展能力次之，償債能力較差。

4.公司內部財務能力發展不均衡。如：恒生電子在償債能力與研發創新能力上得分第一，但其發展能力得分處于中下游；浪潮信息在營運及獲現能力排名第一，但是償債能力及盈利能力比較薄弱；景嘉微的發展能力比較強，排名第一，但是其營運及獲現能力得分最低，償債能力得分也低，與北京君正類似，景嘉微的負債較少，賬面資金較多，主要是貨幣資金。綜合來看，人工智能行業公司綜合得分普遍不高，很大程度上是公司內部財務能力發展不均衡導致的。

5.公司戰略側重有所不同。恒生電子與全志科技的發展戰略較為相似，兩家公司均明顯注重研發創新，大量資金投入研發，公司的發展能力表現欠佳；三六零、浪潮信息、中科曙光這三家公司的發展能力、營運能力及獲現能力都較好，但償債能力表現不佳，需要進一步優化資本結構；天澤信息與賽為智能均注重公司的發展能力，在盈利能力及研發創新上卻不太樂觀。

（二）建議

人工智能產業作為新興產業，整體財務競爭力偏弱，資金保證有限，資產流動性不強，盈利能力也亟待提升。針對這些問題，本文提出以下建議：

1.盈利是根本。公司要注重盈利能力的發展，其一，盈利能力是各方關注的核心要素，是投資者能否獲得投資增值的重要指標，是債權人如期收本收息的保障，是資本市場價值衡量的重要指標；其二，體現了公司管理層的運營成果與經營業績，對于公司戰略布局起著指導性作用，是公司可持續發展的前提。

2.研發是動能。人工智能行業作為高新技術企業，其競爭力核心之一就是企業的自主研發，在目前的國際競爭環境下，企業只有注重新技術、新產品的研發創新，才能在技術迅速發展的時代不被淘汰，才能獲得持續發展的不竭動力。

3.資金是保障。充足的資金能使企業順利的運轉，避免因為資金不足陷入困境。對于人工智能行業，除了公司運營的資金需要，研發創新更是依賴于現金流的投入。所以，為了使公司持續運轉，提高管理效率，更好地抓住發展機遇，就要有充足的資金作保障，因此，資本結構的優化，財務風險的管控是企業長期發展的保障。

（三）本文局限性

本文利用因子分析法，從六個維度，選取了15項二級指標，構建人工智能行業上市公司財務競爭力評價體系。在評價過程中，缺少對定性指標的考核，沒有完整地覆蓋所有財務層面的信息，期待在以后的研究中，能更加深入地探究分析。