新能源汽車上市公司融資效率評價

孫洪旭　王玥

【摘? 要】新能源汽車產業是支持國家能源結構轉型的重要產業，新能源汽車產業的發展離不開技術的支持，而技術的改良與進步需要企業不斷融資。因此，融資效率問題關乎新能源汽車產業的持續發展。論文選取17家新能源汽車上市公司2017-2021年的相關數據作為樣本，針對投入和產出各設置4個指標，通過DEA-Malmquist指數分析新能源汽車上市公司的融資效率，指出行業中存在的問題，如面臨保持融資現狀的風險、未制定有效的融資戰略方案等，并據此提出相關建議。

【關鍵詞】融資效率；DEA-Malmquist指數；新能源汽車

【中圖分類號】F275；F832【文獻標志碼】A【文章編號】1673-1069（2023）05-0173-03

1 引言

習近平總書記在黨的二十大報告中明確，我國將積極穩妥推進碳達峰碳中和，立足我國能源資源稟賦，堅持先立后破，有計劃分步驟實施碳達峰行動，深入推進能源革命，加強煤炭清潔高效利用，加快規劃建設新型能源體系，積極參與應對氣候變化全球治理。同時，要堅持以推動高質量發展為主題，著力提高全要素生產率，推動經濟實現質的有效提升和量的合理增長。

當前，新能源汽車產業成為實現節能減排目標的重要組成部分，而新能源汽車企業的融資效率分析是對新能源汽車企業的資金投入產出效果的檢驗，企業使用不同融資方式所承擔的風險及成本是不同的，為節省融資成本、降低風險，有必要對融資時間、融資成本、融資結構等進行合理的選擇與確定，故有必要分析并總結新能源汽車行業融資效率的特點，促進整個行業實現更高質量發展。本文的創新之處在于從多個指標維度檢驗新能源汽車行業融資的產出效果，以投入與產出指標的創新組合進行研究，為后疫情時代此行業的融資戰略發揮指引作用。

融資效率是指公司在融資的財務活動中所實現的效能和功效，可從資金融入效率和資金融出效率角度劃分DEA模型的投入、產出指標。資金融入效率是指某種融資方式以最高成本-收益比率和最低風險提供所需資金的能力；與此對應，資金融出效率是指某種融資方式將資金以最低的成本和風險帶來最大收益的能力。二者貫穿籌集資金前與后的相關流程，都是融資決策者參考的重要指標。

DEA模型也稱數據包絡分析，是一種基于評價對象間比較來反映技術效率的一種非參數分析方法，是由美國的Charnes、Cooper和Rhodes這3位學者于1978年首次提出的，分為CCR模型和BCC模型。BCC模型對規模報酬因素加以考慮，在綜合技術效率中區分出純技術效率和規模效率，綜合技術效率=純技術效率×規模效率[1]。由于本文研究的主體是上市公司，因此，以BCC模型作為分析的基本方法。BCC模型基于規模收益可變（VRS），不足之處是其屬于靜態分析，是針對單一年份進行的分析。本文選擇有效與非有效兩種類型進行整理劃分并分析，從多維度探索新能源汽車上市公司的融資效率的具體現狀，為以后此行業進行科學融資提供參考。

Malmquist指數模型中的融資效率變化指數是包含企業技術應用水平和規模經濟因素的綜合指標，在融資效率的研究中作為評判企業資金配置水平變動的指標，技術效率變化指數大于1，說明企業的資源配置水平有所提升，反之則降低[2]。本文選取2017-2021年作為分析區間，先從行業的角度觀察這5年新能源汽車行業的融資效率變動情況，再進行細化找到影響行業融資效率的具體因素，并探索其可能存在的原因。

2 評價指標選取與數據來源

2.1 樣本選取

本文的樣本均來自滬深A股的上市公司，共選擇17家新能源汽車類別的上市公司作為樣本，具體樣本見表1。

2.2 指標選取與數據來源

對于投入與產出指標的選擇，本文通過查閱文獻，參考王海榮等[3]與李素梅等[4]學者的指標選取方式并考慮所選評價指標的適用性、可獲得性和可操作性等原則，確定投入指標為：財務費用、資產負債率、產權比率、銷售收入與籌資活動現金凈流入，確定產出指標為：凈資產收益率、營業總收入增長率、總資產周轉率、無形資產增長率。相關數據均取自上市公司年報。根據DEA模型的設定要求，決策單元數量（17）大于投入產出指標數量（8）的兩倍，符合模型要求。具體指標信息如表2所示。

2.3 評價數據的標準化處理

DEA模型要求所要測度的投入產出指標數值必須大于0，本文選取的投入產出指標中均有負值出現，而且選取的投入產出指標存在量綱差異，可能對測算得出的效率結果產生影響。本文參考沈忱[5]對DEA模型所需原始數據進行標準化處理的方式，去除量綱上的差異，減少數據在絕對數值方面的差異，提升模型結果的準確性，將所有數據處理到[0，1]的無量綱區間[6]，決策單元的有效性不受各項指標的量綱影響，數據的意義不會因無量綱處理而發生改變，具體操作公式如下：

Y=0.1+0.9×（X－X_min）/X_min-X_max（1）

式中，Y為處理后的變量；X_min為指標中的最小值；X_max為指標中的最大值。

3 融資效率的實證分析

3.1 基于DEA-BCC模型的融資效率靜態分析

本文運用DEAP2.1軟件進行DEA-BCC模型的數據實證測算，設定測算結果E=1為DEA有效，即達到最優狀態，E<1為DEA非有效。根據2017-2021年17家新能源汽車上市公司的樣本數據得出以下分析結果。

由表3可知，第一，從整體上看，新能源汽車產業的樣本數據中各項效率的均值都小于1，同時，有效的企業占比均較低，即行業整體未達到融資效率有效水平并且有效水平偏低，隨著時間的推移呈現效率上升的趨勢。第二，從綜合技術效率角度分析，5年內的變動幅度并不顯著，整體上呈現緩慢上升趨勢，保持較穩定的狀態，在2020年這個特殊時期綜合技術效率中企業有效占比下降幅度較大，行業均值略有上升，到2021年迅速恢復且達到5年內最高值，且有10家企業做到綜合技術效率有效，這說明新能源汽車行業受新冠肺炎疫情的影響只是暫時的，在疫情態勢平穩之后便迅速恢復并呈現逐漸加快發展的態勢。進一步分析發現，雖然2020年有效企業屈指可數，但行業均值有所提高，說明行業整體的綜合技術效率在不斷提升與優化，進而多數公司均在想方設法改善融資結構，降低融資成本與風險。在疫情之前的3年中，綜合技術效率保持平穩，隨著時代更迭的加速，2017-2019年綜合技術效率并沒有得到顯著提升，說明行業在融資的投入產出效果方面停滯不前，遇到了融資瓶頸，影響了行業的發展進程。第三，從純技術效率角度分析，行業純技術效率均值在上下波動，2017-2020年有效企業呈減少趨勢，因此，行業的純技術效率低下反映出公司技術開發戰略的問題，進而落實到企業自身的管理運營能力需要提升。在2021年有效占比達71%，這是2017-2021年有效數量的最大值，原因可能是大量企業發現自身融資問題已經無法回避，紛紛采取措施擴大融資渠道、改善融資方式，以此拯救并優化公司的資金供應鏈與運營的加速循環流程。第四，從規模報酬效率角度分析，2017-2021年行業均值較高，即行業整體融資規模效率在較合理區間，5年內17家企業的規模報酬效率的有效占比情況與綜合技術效率的有效占比保持一致，因此，融資規模效率是影響綜合技術效率的主要因素，想要實現從整體上提高融資效率，需要對融資規模全面衡量與重點關注。

3.2 基于Malmquist指數的融資效率動態分析

Malmquist指數可分解成不同形式，如式（2）所示：

tfpch=effch×techch=pech×sech（2）

式中，tfpch為全要素生產率指數；effch為技術效率變化指數；techch為技術進步指數；pech為純技術效率變化指數；sech為規模效率變化指數。

如表4所示，從整體上分析，17家上市公司平均的時間序列的Malmquist指數的各項指標都處在先下降再上升的波動狀態，優點是沒有某一指標大幅波動的情況使得指標間變動劇烈。拐點出現在2018-2019年，其各項指標均數值較低，查詢有關政策了解到，這可能與2018年政府補貼提高導致對技術的高要求與2019年政府補貼政策的突然退坡有關。長期以來，對補貼政策所形成的“補貼依賴癥”暴露問題，籌集資金的難度加大，進而會對整個新能源汽車市場產生一定的影響，根據數據可以發現，對全要素生產率的影響最為明顯。在2019-2021年，由于政府將財政補貼政策實施期限延長至2022年底，企業重新找到依賴主體，融資的規模與效用開始提高[7]。

通過進一步分析，全要素生產率的效率數值相對較大，均值也是2017-2021年這5年中的最大值，即1.143，因此，全要素生產率的效率提升效果最顯著。與此相對應，純技術效率的數值相對較小，這也反映了新能源汽車行業在融資時缺乏合理的融資計劃，缺少對融資問題的適應能力與應對能力，而分析發現全要素生產率主要隨著技術進步發生變動，因此，優化融資手段能夠在一定程度上改善整體融資能力。

4 結論與啟示

4.1 結論

通過對17個樣本的實證分析，本文發現新能源汽車行業的融資效率在經歷困境后正在向好發展，融資效率處于較高水平。從整體上看，籌資形勢受疫情的影響期限較短，在2021年逐步跨越融資障礙，效率逆向快速增長。同時，總結影響新能源汽車行業融資的不利因素，一方面，整個行業面臨保持融資現狀的風險，即對新時代賦予的融資機會重視程度不夠，在社會穩定中沒有尋找合適的融資機會，在疫情到來后開始紛紛自救；另一方面，企業未制定有效的融資戰略方案，在保持合理融資規模的前提下，企業的管理者應提高自身管理運營能力。

4.2 啟示

第一，采取多元化、進階式的融資策略。經過以上分析，目前是新能源汽車企業開啟高速發展模式的關鍵時期，企業可以嘗試進階式的融資方式。進階式是指循序漸進、由低到高、逐步提升的一種方式，融資活動對于新能源汽車行業來說應該是長期持續的，進階式的融資手段能讓企業實現向更高融資效率攀登的目標，制定進階式規劃方案，并從多元化的融資渠道進行風險分散與管控，在政府補貼政策退出前站穩腳跟，從而避免在艱難時期無法抵御融資壓力而承擔嚴重后果。第二，建立融資風險應對制度。企業融資保持現狀的根本原因是沒有制定和實施融資風險的應對措施和抵抗手段，不敢貿然向前。企業可以通過建立融資風險準備金、融資風險應對體系、融資風險識別小組及聘請融資管理專業人員等措施積極應對風險挑戰。第三，調整融資戰略的制定流程。企業可以通過咨詢高融資的非競爭企業或從事相關工作的專家使融資戰略制定更加合理化、規范化。管理者作為流程的主要決策人，要從結合企業實際出發，多方面考慮權衡并吸取相關經驗，優化融資戰略的制定流程。第四，加強管理層人才隊伍建設。融資戰略反映了管理者的決策風格，因此，積極引進人才，發展人才戰略，能夠為合理決策服務。企業可以適時進行組織變革，調整管理層人員結構，提高對優秀人才的引進水平與重視程度。

【參考文獻】

【1】劉主軍，梁瑞雪.大型央企下屬科技型上市公司融資效率研究[J].投資與合作，2023（3）：7-10.

【2】徐杰，王涵.新三板創新層企業定向增發融資效率研究——基于DEA模型和Malmquist指數模型[J].中國物價，2021（1）：75-78.

【3】王海榮，耿成軒.新能源汽車產業融資效率——基于SUPER-SBM DEA及TOBIT模型[J].社會科學家，2016（11）：83-87.

【4】李素梅，陳琛，徐繼明.我國新能源汽車產業融資效率評價與分析——基于DEA-Logit模型的實證研究[J].科技管理研究，2016，36（18）：57-63+74.

【5】沈忱.中小企業在新三板市場融資效率研究——基于三階段DEA模型定向增發研究[J].審計與經濟研究，2017，32（3）：78-86.

【6】劉軍航，張玲玲.融資效率對企業綠色創新的影響——基于新能源上市公司的實證分析[J].工業技術經濟，2022，41（9）：35-42.

【7】藍圖，張彥.政府補助、研發投入與科技創新企業融資效率研究[J].中國注冊會計師，2020（12）：70-74.