基于改进TOPSIS模型的物流业上市公司融资效率

2019-05-09赵建东何嘉亮邓荣宇

沈阳大学学报(社会科学版) 2019年2期

赵建东, 何嘉亮, 邓荣宇

(安徽农业大学经济管理学院, 安徽合肥 230036)

电商产业的飞速发展促进了物流业从小规模、高投入、机械化水平低的模式,向高质量、高效率、高水平的创新型模式的转变。物流业的转型发展离不开融资结构的优化,进一步探究融资效率影响因素对指导物流业发展具有重要意义。

一、研究成果及问题提出

针对物流业效率的研究成果众多。刘勇运用DEA模型对中国物流业全要素能源效率进行评价,发现其全要素能源效率较低[1]。吴娜利用DEA-Malmquist指数法从横向截面和时间序列两方面评价山西省物流产业效率,发现其资源分配不合理,物流资源潜力挖掘不充分[2]。倪志敏利用SE-DEA模型对河南省近10年的物流业效率进行评价,并利用Tobit模型分析影响因素,发现区位因素和物流资源利用率对河南省物流效率影响最高[3]。刘丹等基于视窗网路SBM模型,评价海上丝绸之路沿线11个地区的物流业效率,并针对性地提出建议[4]。

对企业而言,融资效率高低对其发展具有重要意义,已知的研究成果也较多。王海荣等利用SUPER-SBM和DEA模型对我国新能源汽车产业融资效率进行评价,并利用Tobit模型探究影响因素,结果表明新能源汽车产业融资规模效率较高,纯技术效率相对较低[5]。蒋惠凤从农业产业化角度,测度农业上市公司融资效率,并利用单因素方差分析法比较农业不同子行业间综合效率均值[6]。张孟威利用DEA-Malmquist指数法,从静态和动态两个角度测度科技型中小企业的融资效率,为科技型中小企业发展提供指导[7]。段从海利用DEA模型对云南省医药制造业上市公司进行投资效率和融资效率评价[8]。田刚等借助数据包络分析模型评价我国11家林业上市公司融资效率,并探索林业企业效率不高的原因[9]。巩世广和李雯君从银行、中小企业和经济环境等角度分析目前企业融资难问题[10]。

TOPSIS作为一种效率评价模型,由于操作简单而被学者广为利用。李灿等利用熵权TOPSIS模型评价土地利用绩效,并通过灰色关联方法分析影响因素[11]。杜挺等利用熵权TOPSIS模型分析县域经济发展水平,并利用GIS对重庆市县域经济发展格局进行探索性空间分析[12]。周文坤等利用DEA、AHP和模糊TOPSIS法评价供应链融资模式下中小企业的信用风险,为供应链融资信用风险评估提供建议[13]。刘东等利用灰色关联分析和TOPSIS模型综合评价区域用水效率[14]。综合来看,TOPSIS模型是效率评价的有效方式。

综合以上研究发现,对物流业的研究主要集中在不同地区、不同角度的效率分析上,针对融资效率方面的研究较少,且多围绕DEA模型进行评价。本研究尝试对TOPSIS模型进行改进,通过对比各公司融资效率,探索影响融资效率的主要因素,并针对性地给予指导建议。

二、指标体系构建与研究方法

1. 指标体系构建

由于评价方法不同,目前尚无固定评价上市公司融资效率的指标体系,本研究综合已有TOPSIS模型研究成果,从资金筹集效率、资金配置效率和企业治理效率三个方面构建评价指标体系。资金筹集效率主要评价企业资金到位情况及其融资成本;资金配置效率主要涉及企业的盈利能力和成长能力;治理效率通过企业风险治理能力和资本结构体现。研究选取筹资速度等16个指标,构建物流业上市公司融资效率评价指标体系,全面客观地评价融资效率。

2. 研究方法

(1) 熵权法确定指标权重。为减少主观随意性,采用熵权法确定指标权重大小,计算公式如下:

式中:wj为第j个指标的熵权;ej为第j个指标的熵值,k=1/lnm;pij为第j个指标在第i个项目的指标值的比重。

(2) 改进的TOPSIS模型。利用加权矩阵对TOPSIS模型进行改进,通过测算评价对象与理想解之间的加权距离,实现对目标的评价[15]。具体过程如下:

第2步,确定各评价指标的正理想解和负理想解。

正理想解:

负理想解:

式中,J1={正向指标},J2={负向指标},j=1,2,…,m。

第3步,计算各评价指标距离理想解的加权距离。

第4步,计算各评价指标与最优方案的接近程度。各评价指标与最优方案的贴近程度Tj表示该上市公司融资效率大小,贴合度越大。表示公司融资效率越高;反之,则表示融资效率低。

三、物流业上市公司融资效率研究

1. 样本数据选择

选取我国A股市场物流业上市公司,鉴于财务数据的可靠性和完整性,剔除2015—2018年成立的标的,筛选保留数据完整的19家物流业企业代表物流业上市公司整体进行融资效率评价(见表2)。研究数据主要来源于2016年上海证券交易所和深圳证券交易所披露的财务信息,并由锐思数据库进行补充。

2. 结果分析

(1) 指标权重分析。结合评价指标体系,利用19家物流业上市公司2016年财务指标测算指标权重(见表1)。①通过分析各指标对企业融资效率的影响方向判断指标性质。发现债券融资费用率、成本费用利润率、资产负债率,以及股权集中度对企业融资效率具有负向影响,即该指标越大,企业融资效率越低;其他指标皆对融资效率具有正向影响。②比较各指标权重值的大小判断主要影响指标。熵权法计算结果表明:利息保障倍数、存货周转率、筹资活动现金流入流出比、总资产净利率,以及筹资速度等指标权重较大,对上市公司融资效率影响较为显著;物流业上市公司的融资能力、盈利能力及企业应对风险能力是制约融资效率的主要因素。③汇总各准则层权重发现,上市公司资金配置效率和治理效率指标权重大于筹资效率,可见企业的盈利能力、成长能力、治理能力对融资效率影响较大,主要包括每股收益、净利润及总资产的增长情况和存货周转速度、利息保障倍数等。

表1 物流业上市公司融资效率评价指标体系及权重

(2) 改进模型评价结果分析。借助改进TOPSIS模型对19家物流业上市公司融资效率进行评价, 通过计算各企业效率值与理想值贴近程度,比较融资效率大小(见表2)。结果显示,物流业上市公司融资效率最大值为申通快递,最小值为保税科技,平均值为0.252 5,可见2016年我国物流业上市公司融资效率整体较低, 且行业内融资效率波动区间较大,企业间融资效率差距明显。融资效率排名前五的企业分别为申通快递、韵达股份、顺丰控股、澳洋顺昌及安通控股, 其贴合度平均值达0.449 7,这五家物流业企业2016年筹资成本较低且筹资速度较快, 整体来看筹资效率高于其他公司, 此外,企业的盈利情况及存货周转率较高, 公司经营状况相对较好。

表2 物流业上市公司融资效率评价结果排序

3. 比较分析

对比2015年与2016年各上市公司融资效率变化情况,进一步探索影响物流业上市公司融资效率的主要因素(见图1)。

比较发现, 2015年融资效率最高值为澳洋顺昌,最小值为安通控股,平均值为0.396 2。从整体情况来看,虽然当年最大值低于2016年最大值,但效率值普遍较高,平均值远高于2016年水平,相比之下2016年物流业上市融资效率有所下降。①就融资效率变化趋势而言,2016年仅韵达股份、顺丰控股和申通快递三家公司融资效率提高,其他公司融资效率皆呈下降趋势,效率值远低于2015年水平。2016年虽物流业上市公司发展形势良好,但公司内部融资效率整体呈下降状态,融资效率低下不利于公司长远发展。②通过计算融资效率变化百分比发现,2015—2016年融资效率增加幅度最大的是申通快递,效率值增加77.73%;融资效率减小幅度最大为中储股份,融资效率下降了64.83%。③融资效率变化最大的五个公司为申通快递、中储股份、华鹏飞、长江投资及飞力达,比较2015年与2016年财务指标的变化发现,各公司筹资速度、存货周转率及筹资活动现金流入流出比变动较大,对融资效率影响较为显著。例如,中储股份2015年筹资速度为5.739 8,筹资活动现金流入流出比为3.452,存货周转率为11.634 4。2016年皆大幅下降,企业融资效率受到影响。

图1 19家物流业上市公司两年融资效率比较

4. 基本结论

(1) 熵权法测算权重结果显示, 影响物流业上市公司融资效率的主要因素集中在利息保障倍数、存货周转率、筹资活动现金流入流出比及总资产净利率等方面, 因而, 提高企业融资效率应重视企业资金运用的风险治理及融资效率的提高。

(2) 利用改进的TOPSIS模型计算融资效率发现, 2016年物流业上市公司融资效率平均值为0.252 5,整体较低,且行业内部波动较大。其中,企业间融资效率差距明显,仅申通快递、韵达股份、顺丰控股等少数公司效率较高。

(3) 2016年物流行业融资效率平均值低于2015年水平,除少数公司外,整体下降较为明显,原因在于物流业上市公司筹资速度、筹资成本,以及公司盈利情况皆有所下降。

四、政策建议

为促进我国物流行业发展,进一步提高物流业上市公司融资效率,提出如下建议:

1. 政府加强引导,改善融资环境

物流业上市公司的发展离不开国家相关财政、税收政策的扶植。政府部门应发挥管理职能,为物流业企业提供税收优惠等便利,进一步解决企业融资难问题,引导和支持物流业发展。通过出台财政补助、社保、落户等人才引进政策,为物流业人才队伍建设提供更好的政策环境,为物流业的进一步发展提供有力保障。

2. 企业自主创新,增强核心竞争力

近年来,“一带一路”“互联网+”和O2O等平台快速发展,为物流业带来新的机遇,但行业间竞争激烈。物流业上市公司必须增加科技投入,增强自主创新能力,包括管理模式和经营理念的创新,推动企业在激烈的竞争中能够脱颖而出。物流业企业还应加强企业品牌建设,强化企业品牌效应,提高企业信用等级,稳定物流业融资来源。