李偉(高級會計師)(中國平煤神馬集團資金管理中心 河南平頂山 467000)
當前我國經濟已由高速增長階段轉向高質量發展階段,煤炭作為我國重要的基礎能源和化工原料,在能源消費結構中占比較大,煤炭工業在國民經濟中具有重要的戰略地位。“三去一降一補”以及碳中和碳達峰等政策的接續出臺,促使煤炭企業不斷進行結構調整,結構調整離不開資金的支持,充裕的資金能夠保障煤炭行業更好地實現企業轉向高質量發展,而高效率地使用資金可以為煤炭企業發展增添動能。因此,對煤炭行業企業的融資效率進行深入研究具有重要的理論和現實意義。
對于融資效率的內涵,方芳、曾輝(2005)認為,融資效率是指企業能以最高的收益成本比以及最小的風險獲取資金的一種融資方式;馬春光(2019)認為,融資效率是指公司在融資活動中所實現的效能和功效,能夠對企業融資成本及面臨的風險進行有效衡量;杜麗(2020)認為,融資效率通常由企業籌措資金的成本支出與資金利用率所決定。對于融資效率的分類,宋文兵(1998)認為,融資效率可分為交易效率和配置效率;葉棟梁(2008)認為,企業融資的效率分為主要效率、資源配置效率和交易效率。結合現有研究成果,本文將企業融資效率界定為:在一定宏觀環境中,企業在進行融資活動時用最小的融資成本所獲取的最大的融資規模。
目前對融資效率的實證研究方法主要包括主成分分析法、模糊綜合評價法以及DEA 效率綜合評價法三種。主成分分析法從影響融資效率的具體因素出發,通常與其他研究方法相結合,過程中缺乏對融資效率的定量研究;模糊綜合評價法在應用過程中克服了主成分分析法所缺乏的量化分析能力,對融資效率的影響因素進行隸屬度評價分析,但是該方法需要專家進行評分,評分過程中所摻雜的個人主觀意識較強,不具備良好的客觀性;DEA 效率綜合評價法在對融資效率進行評價的過程中涵蓋了整個融資流程,通過構建投入產出指標體系,將企業資金流入及流出全過程緊密結合在一起。單一利用 DEA 模型對樣本企業融資效率進行測算,只是橫向比較各決策單元靜態的橫截面數據,引入不同的時間因素所得到不同的橫截面數據不具有縱向可比性。引入Malmquist 指數可以有效彌補這一不足,基于DEA模型的Malmquist 指數在應用過程中將指標分為技術效率變化和技術進步變化兩項,技術效率變化指標又可再分為純技術效率變化以及規模效率變化。通過求解不同時間(期間)的動態數值,全面分析融資效率的提升和下降背后的影響因素,從而更加準確地反映融資效率的變化趨勢。
本文通過建立我國煤炭行業上市公司融資效率的DEA-Malmquist 指數評價模型,進而分析煤炭行業上市公司融資效率動態變化,為我國煤炭行業上市公司融資效率的提升提供一定程度的借鑒。
本文以證監會網站公布的煤炭采選業現有上市企業作為研究樣本,得到28家樣本公司,剔除1家ST公司,最終確認27家企業作為樣本(見表1)。
表1 煤炭采選業現有上市企業樣本
篩選出相關財務指標(截至 2019年12月31日)進行描述性統計,發現煤炭行業上市公司融資結構具有以下特點:(1)煤炭行業上市公司資產負債率總體水平較高。煤炭企業作為資本與勞動密集型行業,資產規模大,從煤炭企業發展的經驗來看,企業高負債經營在所難免,因此,我國煤炭行業在保持合理負債水平下,充分利用債務融資。(2)長期資本占比均值較低,債務結構不合理,說明流動性負債占據主導地位,長期負債發展緩慢,給企業的短期償債帶來很大壓力。現階段煤炭企業應權衡短期負債和長期負債的結構安排,防止由于償債壓力過大而導致企業資金鏈斷裂,增加企業財務風險。
表2 相關財務指標描述性統計
企業的融資方式主要包括內源融資和外源融資。內源融資的資金來源主要是企業日常生產經營活動產生的現金流量。煤炭行業作為資本密集型行業,企業在發展過程中往往需要大量的資金。隨著煤炭產業整合的進一步深入,企業僅依靠內源融資已經不能滿足企業發展所需要的全部資金,還要采取外源融資的方式。外源融資可分為權益融資和債務融資。權益融資不需要到期還本付息,沒有償還資金的壓力。但是現階段,煤炭行業上市公司的融資渠道主要為銀行信貸融資、企業債券融資以及租賃融資等債務融資,企業在資金籌措時需要向金融機構支付一定的利息及手續費,定期還本付息,企業面臨融資成本較高、還款壓力較大的問題,而且企業的財務風險也主要來源于債務融資。
基于數據的可得性,本文以滬、深交易所公開披露的樣本企業2014—2019年度財務報表為基礎,從相應財務報表中獲取財務指標,確定樣本(決策單元DMU)。本文最終確定的DMU數為27,輸入輸出變量合計數為8,DMU數大于變量合計數的2倍以上,符合使用 DEA應用的經驗法則。將表3中各指標作為自變量與因變量進行統計回歸分析,以期找出真正能影響煤炭行業上市公司融資效率的因素,并確定DEA模型中的投入指標與產出指標。
構建多元線性回歸模型為:
y=α+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+β9x9+β10x10+ε
從表4回歸結果可以看出,自變量x1—x8的T值絕對值小于2,對融資效率的變化產生顯著的影響,自變量x9—x10的T值絕對值大于2,對融資效率的變化不會產生顯著的影響。此外,R2為0.872,說明所選取的指標對融資效率的變化有著較好的解釋。根據自變量的相關系數,負數代表該指標為投入指標,正數代表該指標為產出指標。因此,該DEA模型的投入指標為:總資產、資產負債率、主營業務成本、財務費用;該DEA模型的產出指標為:總資產報酬率、主營業務收入、凈資產利潤率、托賓Q。
表4 回歸分析與統計校驗
通過多元線性回歸分析獲得了2019年樣本企業投入產出指標和相關數據,描述性統計結果見表5。
表5 投入產出指標描述性統計
根據DEA模型數據要求,對于樣本指標數據中出現的負值現象,需進行無量綱化處理,有效剔除樣本數據中的異常及失真數據,可信度更高。處理方法為:
其中,Xi為原始數據,yi為調整后的數據,xmin為該指標(變量)的最小值,xmin=min{x1,x2……xn},xmax為該指標(變量)的最大值,xmax=max{x1,x2……xn}。
本文將每個樣本企業作為一個決策單元,基于2019年的橫截面數據,以DEA投入導向評價方法為基礎,求解煤炭行業上市公司融資效率,即可得到各決策單元的純技術效率指數(PTE)值和規模效率(SE)值,并且根據公式:技術效率TE=純技術效率PTE×規模效率SE得出技術效率值。從表6可以看出,通過構建融資效率評價體系,2019年27家煤炭行業上市公司整體融資效率處于較高水平范圍,傾向于有效狀態,但與有效狀態仍有一定差距,其中純技術效率平均值為0.864,規模效率平均值為0.929,平均技術效率水平為0.802,存在19.8%的投入資源浪費現象,處于非有效狀態。在27個決策單元里,處于規模效益遞增狀態的企業數量為18家,剩余9家企業處于規模效益遞減狀態,這說明煤炭行業的規模經濟效益與行業自身特點緊密相連,只有一定規模的投入,才會產生相應的經濟效益,但這與目前供給側改革背景下去產能政策不符,需要企業在日常生產經營中注意優化企業資產結構,進而提升企業融資效率水平。
表6 2019年煤炭行業上市公司融資效率統計
對樣本企業 2014—2019年數據進行標準化處理,然后求解 Malmquist 指數,得到不同年度區間的全要素生產效率指數,結果如表7所示。從表7和圖1可以看出,以2014年全要素生產率指標為基數,之后5年的全要素生產率指數分別為:0.785、0.859、1.352、0.957、0.945,2014年至2017年全要素生產指數呈上升趨勢,2017年至2019年全要素生產指數呈下降趨勢,年平均值為0.979,說明煤炭企業在6年間融資效率平均下降了2.1%,主要是由于技術因素導致(技術進步指數以及純技術效率指數均小于1)。規模效益方面,根據2019年融資效率靜態分析可知,規模效益不足會導致融資效率下降,但是動態分析規模效益年均值為1.002,平均增長率為2%,由此可以看出規模效益日漸好轉。
表7 2014—2019年煤炭行業上市公司融資效率Malmquist 指數
圖1 2014—2019年全要素生產率變化
目前,我國正在構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局,優化資產結構對于確保資金鏈安全、提升經濟運行質量,具有重大支撐作用。煤炭行業上市公司要合理調節自身資源,確保各種生產要素的投入水平與企業發展戰略相適應,同時要打通多元化融資的渠道、優化債務的期限結構和利率結構,建立并充分發揮煤炭企業資產負債約束機制作用,合理確定資產負債比率,將資產負債率納入企業薪酬的考核體系,有效推動企業資產結構的優化,有效降低企業財務風險。
煤炭行業企業應根據自身行業特點,狠抓內部挖潛和創效增盈能力,利用技術革新提高自身核心競爭力,建立多元化供銷體系,從而構建企業的運營效率提升機制。通過提高企業內部組織效率、技術創新能力、防范化解風險以及信息化智能化水平,打通企業管理各個環節,發揮煤炭企業規模優勢并激發內部潛力,合理壓縮各環節運營和制度成本。抓住金融機構支持實體企業的政策性窗口機會,增強企業對資本市場變化的敏銳性,進而提高企業的融資效率和運營水平。
在新常態背景下,煤炭企業應建立良好的資金管理體系,以資金風險防范為前提,建立健全層級化、多樣化、全覆蓋的資金管理新體系,合理安排資金使用,將資金投向企業的核心資產,提高企業核心資產的比重,增強企業資金集中管控能力,提高資金使用效率,充分利用煤炭行業的規模優勢及資源稟賦,進而為推動國民經濟整體增長發揮較大的支撐作用。