青島市科技型中小企業融資效率研究

崔 玲 李 聰 何 帆

(青島大學經濟學院，山東 青島 266000)

青島市科技型中小企業融資效率研究

崔 玲 李 聰 何 帆

(青島大學經濟學院，山東 青島 266000)

科技是第一生產力，因此為青島市科技型中小企業選擇適當的融資模式來解決其融資難題，對推動青島市科技型中小企業的發展及青島市經濟的增長有著非常重要的意義；基于融資效率的視角，借助層次分析法與灰色關聯度結合的綜合模型，本文從6個不同層面對青島市科技型中小企業的融資效率進行評價，并對青島市科技型中小企業普遍采用的7種融資模式進行比較研究，最終得出不同融資模式與典型融資模式之間關聯度的排序。

融資模式；融資效率；層次分析法；灰色關聯分析

一、引言

改革開放以來，科技型中小企業在促進我國經濟發展、增加勞動就業等方面發揮了關鍵作用。截止2015年年底，青島市科技型中小企業年產值達到4349億元，占2015年工業產值比重的26%。由此可見，科技型中小企業對青島市經濟發展所作出的貢獻不容小覷。然而由于自身規模、融資渠道等問題，我市科技型中小企業仍然面臨著融資困難這一重要難題。

為解決科技型中小企業融資難題，青島市政府通過與社會資本及金融機構的合作，為全市科技型中小企業募得400億元銀行機構授信資金與9.9億天使投資基金。雖然我市科技型中小企業融資難的問題在政府的幫助下得到一定程度的緩解，但仍有近75%的企業的融資需求得不到滿足。而在融資過程中，影響融資效率的決定因素是融資模式的不同。因此，對我市科技型中小企業普遍選用的融資模式的融資效率的研究則顯得特別重要。

二、研究回顧

對于融資理論與融資模式的研究一直是國內外當前的研究重點。Modigliani 和Miller(1958)提出了著名的MM定理，MM定理認為在特定的條件下，存在著一個最優的融資結構可以使企業價值最大化[1]；廖理和朱正芹(2003)通過對中國上市公司首次公開募股后債權與股權融資成本的實證研究，得出債權融資成本低于股權融資成本的結論[2]。

對于融資效率的研究則起步較晚。在我國，曾康霖(1993)最早提出“融資效率”這一概念，并給出了影響融資成本與融資效率的七個相關因素[3]；彭曉英(2008)利用數據包絡法對已上市煤炭企業的融資效率進行了實證研究，基于研究結果提出了提高股權融資效率的方法[4]。

綜上所述，國內外學者從不同角度對融資模式與融資效率進行了研究，但針對具體地市的科技型中小企業融資模式的融資效率的研究卻較少。因此，本文以青島市為例，對科技型中小企業所選取的主要融資模式的融資效率進行研究，并將互聯網融資這一新型融資模式考慮進來，綜合運用層次分析法與灰色關聯度法對各種融資模式進行比較，以期探討適合青島市科技型中小企業的融資模式，進而提出解決青島市科技型中小企業融資問題的政策建議。

三、構建融資效率評價模型

關于融資模式影響因素的相對重要性的判斷，我們在專家主觀意識的基礎上，運用層次分析法進行研究，繼而運用灰色關聯法得出不同融資模式的融資效率；最后對多種融資模式的相對重要性進行排序。

(一)構造層次結構模型

對于層次分析法來說，最關鍵的一步是構造好的層次結構模型。對于具體評價內容來說，就是將其關鍵指標進行高度概括，通過科學分析將具體指標進行層層分解的過程。

在圖1所構造的層次結構模型中，共包含個目標層、m個準則層和n個方案層。最終目標是得出n個方案在影響目標層的m個因素中所占的比重。

圖1 層次結構模型

(二)構造判斷矩陣

為了使評判結果更加合理，本文選取m名專家對融資模式的影響因素進行評判，A1,A2,…Am為與之相對應的判斷矩陣。

表1 標度1-9的含義

(三)層次單排序及一致性檢驗

對于綜合判斷矩陣A*的特征值，運用歸一化方法求解。在對模型歸一化處理的方法選擇上，本文選用和積法。步驟如下：

1、將判斷矩陣A*的每一列歸一化：

(1)

2、對按列歸一化后的判斷矩陣A*再按行相加：

(2)

(3)

4、計算判斷矩陣A*的最大特征根：

(4)

式中，(A*W)i代表向量A*W的第i個分量。

至此，我們已經求得了A*的特征值和特征向量，下一步判斷矩陣A*的不一致性程度是否在容許范圍內，用隨機一致性比率CR表示：

CR=CI/RI

(5)

其中，CI=(λmax-n)/(n-1)，RI的值則與矩陣的階數有關，本文中所有矩陣階數均為6，而當矩陣階數為6時，RI=1.26。

CR的數值反映了判斷矩陣的不一致性是否在容許范圍內。只有當CR≤0.1，才能說明判斷矩陣的不一致性在容許范圍內，能夠通過一致性檢驗。

(四)灰色關聯度分析

灰色關聯度分析指的是在系統發展過程中，如果兩個系統變化的態勢是一致的，即同步變化程度較高，則可以認為兩者關聯較大；反之，則兩者關聯度較小。設有兩個數列{Xit,Xjt}，那么兩數列的灰色關聯度定義如下：

(6)

其中，εij,k為t=k時{Xit,Xjt}的灰色關聯系數，其計算公式為：

(7)

式中，Δij,k為t=k時刻{Xit,Xjt}之間的絕對差，即Δij,k=|Xik-Xjk|；Δmax,Δmin代表在任何時刻{Xit,Xjt}之間絕對差的最大值與最小值；ρ為分辨系數，0<ρ<1，一般取ρ=0.5。

(五)灰色關聯系統的建模

設融資模式q為典型融資模式。記Xqi為典型融資模式q在第i個影響因素下所占的比重，那么典型融資模式q在所有影響因素下的比重構成特征向量為Xq={Xq1,Xq2,…，Xqn}，同時，將與典型融資模式進行關聯度計算的剩余P種融資模式所構成的矩陣為：

最后，計算剩余P種融資模式與典型融資模式q之間的關聯度，得到基于融資效率的不同融資模式的優先排序。

四、基于融資效率的青島市科技型中小企業融資模式評價

本文將運用上文所構造的模型，對目前青島市科技型中小企業普遍采用的幾種融資模式進行分析研究。經過調研發現，青島市科技型中小企業普遍采用的融資方式有內部融資、銀行貸款、風險投資、民間借款、互聯網金融、擔保融資及財政直接融資7種融資模式，因此本文將對這7種融資模式進行展開討論。

(一)建立層次結構模型

對于研究青島市科技型中小企業的融資效率來說，其目標層為融資效率的評價，準則層為影響融資效率的6個因素，方案層為我們要進行評價的7種融資模式。由此可以得出圖2所示的層次結構：

圖2 融資效率評價的層次結構

(二)典型融資模式的選擇及其特征向量

本文對青島市科技局的13名專家進行問卷調查，將融資效率評價的6項影響因素之間進行兩兩比較，根據表一對其相對重要性進行打分，繼而構建出相應的判斷矩陣。在上文提到的7種融資模式中，結合已有研究成果可知內部融資的融資效率是最高的。因此，從融資效率角度，本文將內部融資看作典型融資模式，然后對其余6種融資模式的融資效率進行排序。

在本文中，我們所選取的典型融資模式為內部融資，因此可以將6個因素對目標層影響程度的比重作為內部融資的特征向量。然后利用上文所構建的灰色系統關聯模型，對內部融資與其他6種融資模式的灰色關聯度進行計算，便可得出基于融資效率的融資模式的有效排序。將13名專家的調查問卷的結果進行整理，每項取其平均數且保留兩位小數，得出影響融資效率的6個因素的綜合判斷矩陣A*為：

W=[0.35，0.23，0.12，0.12，0.15，0.03]

據公式(4)可求得判斷矩陣A*的最大特征根為λmax=6.1162。

最后根據公式(5)與公式(6)求得CI=0.0232，CR=0.0184≤0.1,因此綜合判斷矩陣A*通過一致性檢驗，即專家組對影響融資效率的6種因素的評價具有一致性，結果可信。

(三)確定待檢驗融資模式的特征向量

通過專家組對7種融資模式在影響融資效率的6個因素中進行的兩兩比較，構造了相應的判斷矩陣，整理結果詳見表2至表7(表2至表7中用字母A代表最大特征根λmax)。

表2 融資成本下的判斷矩陣及權重系數

表3 資金利用率下的判斷矩陣及權重系數

表4 清償能力下的判斷矩陣及權重系數

表5 融資風險下的判斷矩陣及權重系數

表6 融資主體自由度下的判斷矩陣及權重系數

表7 融資機制規范度下的判斷矩陣及權重系數

由表2至表7的結果可知，的值均小于。因此，根據專家組的調查問卷整理得到的判斷矩陣的不一致性均在容許范圍之內，通過一致性檢驗，結果可信。于是，我們可以得到互聯網金融、風險投資、銀行貸款、民間借貸、擔保融資及財政直接融資這6種融資模式各自的特征向量如下：

Y1=[0.32，0.24，0.19，0.11，0.27，0.20]

Y2=[0.05，0.33，0.12，0.46，0.08，0.04]

Y3=[0.11，0.20，0.21，0.06，0.08，0.39]

Y4=[0.08，0.06，0.24，0.09，0.26，0.04]

Y5=[0.06，0.07，0.19，0.08，0.27，0.26]

Y6=[0.37，0.10，0.06，0.21，0.03，0.06]

(四)利用灰色關聯系統模型對融資模式進行排序

首先，將作為典型融資模式的內部融資的特征向量初始化，得到：

下一步，將其余6種融資模式的特征向量分別與內部融資的特征向量作差并求其絕對值得到：

Z1=|Y1-X|=[0.68,0.41,0.17,0.23,0.18,0.10]

Z2=|Y2-X|=[0.95,0.32,0.24,0.12,0.36,0.06]

Z3=|Y3-X|=[0.89,0.45,0.15,0.28,0.36,0.29]

Z4=|Y4-X|=[0.92,0.59,0.12,0.25,0.18,0.05]

Z5=|Y5-X|=[0.94,0.59,0.17,0.26,0.17,0.16]

Z6=|Y6-X|=[0.63,0.55,0.30,0.13,0.41,0.04]

于是

Δmax=max[0.68,0.95,0.89,0.92,0.94,0.63]=0.95

Δmin=min[0.10,0.06,0.15,0.05,0.16,0.04]=0.04

根據公式(8)，求得其余6種融資模式與內部融資的關聯系數，如表8所示，其中ρ=0.5：

表8 關聯系數計算結果

最后，根據公式(7)，通過計算得到其余6種融資模式與內部融資的關聯度為：

表9 關聯度計算結果

綜上，通過對其余6種融資模式與內部融資的關聯度的對比可得：M2>M3=M5>M7 >M6>M4。

從以上結果中我們可以看出，與內部融資模式關聯度最大的是互聯網金融這一新型融資模式，其次是風險投資與民間借款，而作為傳統融資模式的銀行貸款模式則位居末位。

五、結論

本文通過構建基于層次分析法與灰色關聯度的綜合評價模型，將互聯網金融這一新型融資模式考慮進來，研究了青島市科技型中小企業普遍采用的7種融資模式之間關聯度的關系。結果表明，基于融資效率視角的融資模式的排序為內部融資、互聯網金融、風險投資與民間借款、財政直接融資、擔保融資、銀行貸款。此研究結果為青島市科技型中小企業在日后的融資模式選擇上提供了新的思路。隨著互聯網金融的迅速發展，加之其審核時間短、放款速度快等優點，互聯網金融越來越受到中小型企業家的青睞。除內部融資外，互聯網金融很有可能成為日后青島市科技型中小企業家的首選融資模式，而作為傳統融資模式的銀行貸款模式由于其對中小企業的融資需求審查過于嚴格且違約利息高等缺點，正在逐漸失去其在融資模式中的傳統地位。

[1] Modigliani，Miller.The Cost of Capital，Corporate Finance and The Theory of Investment[J].American Economic Review，1958，48(3).

[2] 廖理，朱正芹.中國上市公司股權融資與債權融資成本實證研究[J].中國工業經濟，2003，183(6).

[3] 曾康霖.怎樣看待直接融資與間接融資[J].金融研究，1993，(10).

[4] 彭曉英，張慶華.基于DEA模型的煤炭上市公司股權融資效率評價[J].中國礦業，2008，17(12).

本課題受《青島市科技金融的作用機制與模式創新研究》(項目號15-9-2-1-(8)-zhc)資助。