打开文本图片集
【摘要】 文章构建了基于面板数据的广义DEA模型，测算了2011—2017年我国新能源产业的动态融资效率。研究发现我国新能源产业动态融资效率总体较低，存在著巨大的上升空间，但随着新能源产业的规范化发展，优势企业逐渐显现。从区域上看，新能源产业融资效率呈现出东部>西部>中部的格局，可以通过筹资效率和配置效率的共同提升推动新能源产业融资效率的持续攀升。
【关键词】 动态融资效率;广义DEA模型;面板数据;新能源产业
【中图分类号】 F275 【文献标识码】 A 【文章编号】 1002-5812（2019）18-0051-03
一、引言
改革开放以来，我国经济的快速发展使得能源消费量不断攀升。考虑到我国的资源条件以及不同能源系统的风险、成本和环境收益等，以传统化石能源为主的能源发展模式难以持续，清洁化、低碳化的新能源系统无疑是我国能源发展的最终目标，并能同时促进我国经济实现“创新驱动、转型发展”。2014年国务院发布《能源发展战略行动计划（2014—2020年）》，描绘了新能源产业发展的基本轮廓。作为技术密集、资本密集的新兴产业，新能源产业在项目上的投资、尤其是在科研开发和投入建设阶段需要巨额资金的支持，但由于新能源项目投资规模大、建设周期长，而且具有高风险性，较之于常规能源，其在技术上和市场上的前景更难把握，所以除了少数技术较为成熟和依托传统能源发展起来的新能源企业外，在新能源产业中特别是在占比达50%以上的民营企业中融资问题尤为突出。在经济新常态环境下，以有限的金融资源供给实现更高的融资效率，已成为促进新能源产业从资本密集推动增长转向质量增长的关键。而提升融资效率的前提就是科学动态地评价融资效率。
二、模型构建
当目标决策单元的样本是面板数据时，通过基于截面数据的DEA基本模型所计算的效率可能会产生偏差。1954年Fare等学者将Malmquist指数运用到DEA研究中，提出了DEA-Malmquist方法，但该方法存在几何平均形式不满足传递性的问题，且针对非同期的参照技术前沿，线性规划可能无可行解。Pastor and Lovell（2005）提出全局参比Malmquist指数，以各期的总和作为参考集，满足了Malmquist指数可传递性特征，并不存在无可行解的问题，但是依然无法根据任意参考集进行动态评价。
为了更好地刻画我国新能源产业融资效率随时间推移而产生的变动情况，本文选用基于面板数据的广义DEA方法对其进行动态评价。
三、样本选取与指标体系
随着2010年10月我国正式将新能源产业纳入战略性新兴产业，我国新能源产业的发展进入了新阶段。为有效评价我国新能源产业融资效率的整体演变态势，本文以2011—2017年我国新能源产业的融资情况为研究对象，根据中国证监会2017年度上市公司行业分类报告并结合Wind数据库、RESSET概念股分类，从中选取新能源产业上市公司，并剔除财务状况异常以及2011年后上市的公司，共选取130家上市公司的年度财务数据进行分析，相关数据均来源于Wind数据库、RESSET数据库和巨潮资讯网公布的上市公司财务数据。
（一）融资效率的内涵
融资效率是指以最低的成本和风险及时融入资金并运用融入资金带来最大收益的能力，包括筹资效率和配置效率（王海荣，2016）。其中筹资效率是指在资源有限的市场中，企业能否在自身经营情况的基础上以最低的成本和风险及时取得经营活动所需资金，测度筹资效率的关键要素包括融资成本、融资风险和融资速度;配置效率是指企业运用融入资金为企业带来最大化收益的能力，对其进行量化测度的指标可以从企业的盈利能力、营运能力和发展能力三方面选取。
（二）投入与产出变量
根据上文对融资效率内涵的界定，构建新能源产业融资效率评价指标体系，如下表所示。
四、实证结果
为系统研究我国新能源产业融资效率的演变过程，本文将样本公司2011—2017年衡量新能源产业融资效率的指标数据代入基于面板数据的广义DEA模型，利用MATLAB编程，以2011年新能源产业的融资效率为参考集，得出新能源产业总体和区域的动态融资效率。
（一）融资效率总体动态分析
如图1所示，2011—2017年我国新能源产业融资显示出较大的无效率，7年融资效率的平均值仅为0.6805，说明我国新能源产业整体融资粗放。
从图2各年融资效率的平均值来看，2011—2017年我国新能源产业融资效率的均值呈现出明显波动的发展趋势，其中2011—2012年融资效率增幅显著，2013年下降至7年区间的最低点0.5754，2014年大幅反弹回升至7年区间的最高点0.7334。此后2015—2017年期间，融资效率的均值波动较为平缓，呈现出相对缓和的上升态势。本文认为这与2011—2012年新能源产业初被纳入战略性新兴产业时出现无序爆发式增长有关。无序爆发式增长带来了新能源产业供需市场的失衡，导致2013年新能源产业融资出现问题，其后在政府宏观调控和市场调节的共同作用下，新能源产业逐渐开始走向相对有序发展，但仍存在巨大的上升空间。
从下页图3各年融资效率变异系数走势来看，2011—2017年我国新能源产业的融资效率变异系数均未超过0.25，说明新能源产业融资效率值总体较为集聚，差异性相对不大。但分区间来看，2011—2013年融资效率变异系数出现持续增长态势，从0.1872增至0.2315，达到阶段性高点，2014—2016年，融资效率变异系数从0.2036上升至0.2486，2017年融资效率变异系数为0.2132，在两个显著的波段期间，融资效率变异系数的底点和顶点均在不断增加，说明新能源产业的融资效率逐渐呈现出两极分化的发展态势，优势企业逐渐显现，同时也从侧面说明新能源产业改进融资效率的不确定因素在增加。
（二）分区域融资效率动态分析
从图4可以看出，2011—2017年，我国东、西部区域的新能源产业融资效率均值呈缓慢上升趋势，东部和西部区域的融资效率相对较好，2011—2013年西部区域新能源产业融资效率最高，随着东部区域融资效率上升速度的加快，2014—2017年东部区域新能源产业的融资效率最高。
从图5来看，2011—2017年东、中部区域的新能源产业融资效率变异系数也同样呈现出上升趋势，东部区域的新能源产业上市公司数量最多，差异性最大，其变异系数也一直处于高位，中部地区的新能源产业融资效率均值和变异系数均处于低位，说明与东、西部区域相比，中部区域新能源产业的发展较为缓慢。
五、结论
我国新能源产业2011—2017年的动态融资效率均值仅为0.6805，说明仍存在巨大的上升空间，但随着新能源产业的规范化发展，优势企业逐渐显现。分区域来看，新能源产业融资效率呈现出东部>西部>中部的格局。综上，我国需要进一步加强对新能源产业的资金支持力度，创新融资渠道，降低融资成本和融资风险，提升融資速度，从而提升新能源产业的筹资效率。另外，可以通过培育良好的市场竞争环境、改善公司治理水平和内部控制体系、优化人力资本和技术资本配置等提升新能源产业的配置效率，进而推动新能源产业融资效率的持续攀升。S
【主要参考文献】
[1] Kao H Y，Chan C Y，Wu D J.A multi-Objective Programming Method for Solving Network DEA[J].Applied Soft Computing， 2014，（24）：406-413.
[2] Despotis D K，Koronakos G，Sotiros D.Composition Versus Decomposition in Two-Stage Network DEA：A Reverse Approach[J].Journal of Productivity Analysis，2016，45（1）：71-87.
[3] 马占新.数据包络分析方法的研究进展[J].系统工程与电子技术，2002，24（3）：42-46.
[4] 木仁，马占新，崔巍.模糊数据包络分析方法有效性分析[J].模糊系统与数学，2013，27（4）：157-166.
[5] 卢福财.企业融资效率分析[M].北京：经济管理出版社，2001.
[6] 王海荣，鄂奕洲.生态协同视阈下江苏新能源产业融资效率研究[J].华东经济管理，2018，32（05）：14-19.
[7] 王海荣，耿成轩.新能源汽车产业融资效率——基于SUPER-SBM DEA及TOBIT模型[J].社会科学家，2016，（11）：83-87.
[8] 王琼，耿成轩.金融生态环境、产权性质与战略性新兴产业融资效率[J].经济经纬，2017，34（03）：87-92.
[9] 曹宇，耿成轩.节能环保产业公司融资效率研究——基于四阶段DEA-Malmquist模型[J].环境科学与管理，2016，41（03）：6-10.
【作者简介】
王海荣，女，南京工程学院经济与管理学院副教授;研究方向：产业融资、资本市场、公司金融等。
耿成轩，女，南京航空航天大学经济与管理学院教授;研究方向：财务管理、资本市场、公司治理等。
推荐访问： 新能源 融资 效率 我国 产业