A企業融資效率評價與優化建議

摘 要：在政府補貼逐漸退坡以及市場競爭日趨激烈的環境下，解決融資困境，避免新能源汽車銷量的斷崖式下跌，成為企業亟須解決的首要問題。本文以A企業為研究對象，從DEA模型的靜態分析和Malmquist指數的動態分析兩個角度實證分析了2018—2022年18家新能源汽車樣本公司的融資效率情況。結果表明：A企業綜合技術效率、純技術效率和規模效率均有所上升，但2022年數值均小于1，未達到有效狀態。此外，A企業的技術進步指數小于1，與其他企業相比有較大差距。最后根據研究結果提出相應建議。

關鍵詞：融資效率；DEA模型；Malmquist指數

一、引言

2020 年10月，國務院辦公廳印發了《新能源汽車產業發展規劃（2021—2035年）》，表明我國新能源汽車產業進入加速發展階段，但是仍然存在核心技術創新能力不強、市場競爭加劇等問題。新能源汽車產業如何在補貼逐漸退坡以及市場競爭日趨激烈的環境下，解決融資困境，避免新能源汽車銷量的斷崖式下跌，保障行業健康可持續發展，成為企業亟須解決的首要問題。

新能源汽車是一種新興的高新技術產品，其發展需要大量的資金支持研發創新，而該行業資金回收周期長，因此充足且穩定的資金對于企業的發展至關重要。融資效率能反映企業籌集資金和配置資金的能力，因此，如何提升新能源汽車公司的融資效率，成為公司發展的關鍵問題。本文選取A公司作為研究對象，對其融資效率進行靜態和動態兩個方面的分析，試圖找出企業目前存在的問題。

二、研究現狀

湯晨妮（2018）采用DEA基礎模型和Malmquist指數模型對上市公司恒大地產的融資效率進行定量評價。靳鑫（2020）對紡織行業上市公司的融資效率進行定量測算，結果表明行業上市公司的投入和產出不匹配，公司須優化融資結構，提高融資效率。曹翠珍等（2021）運用DEA-Malmquist模型對18家發行優先股的上市商業銀行進行融資效率測算，發現整體融資效率有效性不強。曾雄旺等（2021）運用三階段DEA模型對67家農業上市公司的融資效率進行評價，還研究了政府補助對融資效率的影響，結果表明不同子行業融資效率受政府補助的影響各異。陳東（2020）利用DEA-BCC模型和DEA-Malmquist模型對企業融資效率進行測算，結果表明研究范圍內企業融資效率整體較低且具有滑坡趨勢。

三、研究方法

1.DEA-BCC模型

數據包絡分析法（DEA）是一種非參數的效率評價方法。依據企業規模報酬是否可變，DEA模型分為CCR和BCC兩種。BCC模型是在CCR模型的基礎上引入了規模效率的概念，它假設決策單元的輸入輸出是可調整的，并且每個決策單元具有不同的權重。本文選擇BCC模型進行融資效率靜態分析。規模報酬可變的BCC模型數學表達式如下。

最大化：

BCC=

約束條件：

vj≥0，j=1，2，…，m

ui≥0，i=1，2，…，n

其中，n表示決策單元的數量，m表示指標的數量，xi表示第i個決策單元的輸入向量，yi表示第i個決策單元的輸出向量，ui表示第i個決策單元的輸入權重，vj表示第j個決策單元的輸出權重。

2.Malmquist指數模型

Malmquist指數模型主要對樣本公司進行動態評價分析，該指數反映出一段時間內樣本公司經營管理水平的變化程度，該模型公式如下。

M（）=[]1/2

該模型前半部分表示技術效率變化指數，后半部分表示技術進步指數，當樣本公司處于規模收益可變時，技術效率變化可再次分解為純技術效率變化和規模效率變化，公式如下。

Mt，Mt+1 = effch×techch = pech×sech×techch

其中，Mt用來判斷企業全要素生產率是否提高，effch表示技術效率變化，techch表示技術進步變化，pech表示純技術效率變化，sech表示規模效率變化。

四、樣本選擇和指標構建

通過Choice金融數據終端搜索新能源汽車概念股，剔除已退市、ST類、*ST類以及數據不全的公司，選取主營業務構成為整車銷售相關的18家企業為研究對象，研究時間為2018—2022年。通過閱讀相關文獻，最終選取資產總額、資產負債率、營業成本作為投入指標，選取凈資產收益率、總資產周轉率和營業收入增長率作為產出指標。資產總額用以衡量企業的融資規模，資產負債率用以衡量企業的融資結構，營業成本用以衡量企業的資金利用能力。凈資產收益率體現企業的盈利能力，總資產周轉率體現企業的資金營運能力，營業收入增長率則體現企業的成長能力。根據DEA模型的設定要求，決策單元數量（18）大于投入產出指標（6） 的2倍，符合模型要求。本文所涉及數據均來源于國泰安數據庫。

根據DEA模型設定要求，投入指標和產出指標的數值均要為正，而凈資產收益率和營業收入增長率可能為負，影響測量結果的準確性。因此需對部分指標進行無量綱化處理，無量綱化處理后的數值位于[0.1，1]，保證了測算結果的有效性。具體操作如下。

Y=0.1+0.9×

其中，X為原始數值，Y為無量綱化處理后的數值。

五、A企業靜態融資效率測度及結果分析

通過使用DEAP 2.1軟件計算出18家樣本企業的靜態融資效率值，具體如表1所示。

綜合技術效率能實現對企業的綜合評測，反映包括技術選擇、生產組織和資源配置等方面的效率。若綜合效率等于1，表明企業整體效率值達到最優水平，產出達到最佳。若綜合效率小于1，則說明企業沒有達到最優生產效率，需要對企業各方面要素進行調整。從表中數據來看，2018年和2022年A企業的綜合技術效率分別為0.636和0.961，呈現上升趨勢，2022年數值更是超過了樣本均值，表明企業資源配置、組織能力等較之前得到提升。此外，A企業綜合技術效率排名由倒數變為第8名，表明企業在自身能力提升的同時，縮小了與其他企業的差距。但是，2022年該企業的綜合技術效率值為0.961，未達到DEA有效，企業仍有一定的上升空間。

純技術效率可以反映企業是否基于現有水平實現了資源效率最大化。當企業的純技術效率值為1，說明企業運營管理水平高，資源利用充分有效。若小于1，說明當前投入運營管理水平偏低，企業未處于生產前沿面。從表中數據來看，A企業純技術效率2018年到2022年呈現上升趨勢，且由2018年低于樣本均值狀態變為2022年高于樣本均值狀態。此外，2022年A企業純技術效率接近1，表明企業運營管理水平得到提升。在樣本公司中，A企業純技術效率綜合排名從第17名上升到第9名，表明企業在提升自身能力的同時，縮小了與其他企業的差距。但是，2022年該企業的純技術效率值小于1，企業仍需提高自身的管理水平，達到DEA有效。

規模效率反映的是實際規模與最優生產規模的差距。當規模效率值為1時，表明企業融資投入或產出達到最佳規模狀態，即規模效率有效。若小于1，說明企業投入與產出未處于最優狀態，需要調整投入或產出。A企業規模效率2018年和2022年分別為0.846和0.992，2022年接近1，近似最佳規模狀態。2018年和2022年A企業均處于規模報酬遞增狀態，表明企業可繼續加大投入，以求達到最優規模。就2022年而言，A企業的各項效率值均高于樣本均值，而企業規模效率接近1，企業應提高自身運營管理水平，力求位于生產前沿，促使企業綜合技術效率值達到1。

六、A企業動態融資效率測度及結果分析

通過DEAP 2.1軟件進行Malmquist指數分析，具體結果如表2和表3所示。

由表2可以看出，2018年到2022年樣本企業整體全要素生產率呈現波動狀態，但是總體上呈現上升趨勢，上升了5.7%。分解來看，技術效率上升了1.7%，技術進步上升了3.9%，表明新能源汽車產業整體技術水平創新對全要素生產率的提高起主要作用，管理水平及資源使用能力提升起次要作用。5年間樣本企業純技術效率變動整體趨于下降，下降了0.2%，規模效率則上升了1.8%。比較5年純技術效率變動及技術效率變動趨勢，發現2018—2022年兩者呈現相反的變動趨勢。說明規模效率發揮良性作用，抵減了純技術效率的負面影響。

由表3中數據統計發現，2018—2022年共有12家企業全要素生產率變動指數大于1，A企業全要素生產率變動指數大于1，為1.113，排名第六，說明A企業的融資效率有所提升，且形成一定的競爭力。全要素生產率變動受技術效率變動和技術進步變動雙重影響。由數據發現，11家企業的技術效率變動大于1，A企業也是其中之一，其技術效率增加了12%，超過樣本均值，表明企業有較為強勁的組織管理能力。此外，共有13家企業技術進步變動大于1，而A企業為0.994，小于1且小于樣本均值，排名第14位，表明A企業技術水平在同行業中較為落后，企業要加強技術研發投入，提升技術水平，從而提高融資效率。

七、研究結論及建議

由上述兩個維度的分析，得出以下結論。第一，從靜態分析來看，A企業綜合技術效率、純技術效率和規模效率均有所上升，但是，A企業2022年效率值均小于1，未達到有效狀態，僅規模效率近似1，為0.992，融資效率仍有上升空間，尤其是純技術效率有較大上升空間。第二，從動態分析來看，2018—2022年，A企業有4項指數大于1，且大于樣本均值。僅技術進步變動指數小于1，處于遞減狀態，下降了0.6%。技術進步變動指數反映企業技術水平的改進情況，接近72%的企業技術水平改進且有一定提升，表明A企業的技術水平較為落后，須采取一定措施提高技術水平，從而對融資效率產生正向影響。

根據研究結論，提出以下建議。第一，A企業可以進一步擴大規模，發揮規模效應，促使企業達到最佳規模狀態。在最優規模的加持下，持續改進企業融資決策與管理水平，拓寬融資渠道，優化資本結構。確定合理的債務資本和權益資本的比重，同時合理安排長短期貸款占比，力求降低企業綜合資本成本率，避免資金閑置。第二，新能源汽車產業依賴核心技術，而人才的質量決定著技術研發創新水平與效率。因此，A企業應通過多方渠道引進高精尖人才，組建專注技術研發的科研隊伍，并投入一定資金用于人才培養，突破技術限制對融資效率的影響。

參考文獻：

[1]湯晨妮.基于DEA-Malmquist的恒大地產融資效率研究[D].廣州：華南理工大學，2018.

[2]靳鑫.基于SBM模型的上市公司融資效率探析[J].財會通訊，2020（22）：153-156.

[3]曹翠珍，杜威.我國發行優先股的上市商業銀行融資效率分析[J].會計之友，2021（6）：81-87.

[4]曾雄旺，唐學思，李志勝.農業上市公司融資效率及政府補助的影響效應[J].會計之友，2021（23）：58-63.

[5]陳東.我國通用航空產業上市公司融資效率分析[D].成都：四川省社會科學院，2020.

作者簡介：陳斯潔（2000— ），女，漢族，安徽安慶人，碩士在讀，研究方向：會計實務與管理。