新能源行业上市公司投资价值实证分析——基于改进的因子分析模型

方伟国, 陈祖武, 谢 峰

(1.福州外语外贸学院 理工学院, 福建 福州 352020；2.福建工程学院 经贸学院, 福建 福州 350002；3.华侨大学 计算机学院, 福建 泉州 362000)

0 引 言

目前,我国正在大力推行能源行业的整治和改革，伴随着经济可持续发展理念的深入推进，各行业特别是能源行业将进行全面的产业升级和行业重整。国家政策利好将为新能源行业的迅速发展提供良好机遇，同时政府提出的保护“绿水青山”的决心也将对目前能源行业中一些落后的企业提出挑战，新能源行业上市公司的数量在国家政策扶持和资本市场蓬勃发展的浪潮中不断增加。截至2018年12月31日，根据中商产业研究院数据库的搜索结果显示，目前,我国新能源行业上市公司在沪深A股上市公司达27家，总市值将近数千亿元，其中，隆基股份以733亿元市值位居榜首，金风科技、协鑫集成分别以519.0亿元、257.9亿元市值位列第二、第三名。作为我国新能源产业的龙头企业，新能源上市公司的市场投资价值在一定程度上可反映出我国新能源行业的发展现状，通过对其投资价值的探究，可认识到新能源上市公司在市场竞争中所处的地位，并为新能源行业长远发展规划制定提供相关理论依据。

1 文献综述及研究意义

目前学术界应用较为广泛的投资价值理论是由英国经济学家格雷厄姆提出的投资内在价值理论。该理论认为，在资本市场上，企业的投资价值具有波动性，特别是从短期来看，有很多不确定因素难以确定其投资价值，但是其基础价值是较为稳定且可测量的。通过上市公司的相关报表可对其财务数据进行分析,估量出企业的内在价值,并由此发掘出市场价格低于内在价值的资产[1]。作为国家重点关注并大力支持的行业，新能源行业是我国证券市场中的重要组成部分，而不少新能源上市企业正处于估值洼地。因此，不论是对市场投资者还是企业管理者而言，研究新能源上市公司的投资价值具有重要意义。

文献梳理发现，关于新能源上市公司投资价值的研究极少。贾全星等[2]给予随机前沿的方法，以新能源类上市公司2004-2010年的数据平均值作为样本数据，对新能源类上市公司的技术效率进行实证研究；任晓丽[3]基于格雷厄姆提出的价值投资理论，以2010—2012年各新能源上市公司年报为分析样本，选取10个指标,运用主成分分析法对公司的投资价值进行分析。但在一定时期内，上市公司的投资价值是一个动态变化的过程，由于两位学者采用的是一定时期内各年数据的平均值，故存在一定局限性，研究结果有待进一步精确。

不少学者通过各类研究方法对上市公司投资价值进行实证分析，研究行业包括文化娱乐、房地产、新能源、农业类以及高科技等。陈钧[4]以AHP理论为分析框架，并利用层次分析法确定评价指标的权重系数，最后运用AMOS模型对典型房地产上市公司进行实证分析；赵惠芳等[5]以A股文娱上市公司为例，选取大量财务分析变量，基于实证分析方法对公司进行投资价值分析；李恒光等[6]运用主成分分析方法，从财务视角对动力电池产业链的29家上市公司的财务指标进行实证分析与综合评估,并认为江苏国泰和德赛电池的投资价值较高；黄海轮[7]选择农业类上市公司，通过构建Logistic回归模型探究公司长期投资价值，为投资者提供客观、合理的投资决策依据。

文中借鉴罗国旺等[8]于2015年提出的基于Topsis法改进的因子分析模型，利用2014—2018年新能源上市公司面板数据，分别从财务指标和企业运营能力指标进行分析，其中，财务指标细分为债务承受和利润衡量，运营能力细分为营运水平和企业未来成长空间4个一级指标和11个二级指标在内的新能源上市公司投资价值评价体系，如图1所示。

图1 我国新能源上市公司投资价值评价体系

首先，依据指标评价体系，采用因子分析法对2014—2018年年报数据进行分析，得出27家新能源上市公司各年的因子综合得分，并在此基础上，通过Topsis法评价27家公司的投资价值。Topsis法改进后的因子分析模型适用于面板数据，并突破了各年因子得分不可加性的局限[9]。

2 研究方法与评价指标的确定

2.1 基于Topsis法改进的因子分析模型

因子分析是把多个指标转化为几个不相关的综合性指标，利用综合指标去描述原始变量之间的相关性。Topsis法又称优劣解距离法，是一种适用于多目标决策的综合评价法。因子分析法只适用于截面数据，Topsis法改进后的因子分析模型克服了权重主观性的不足，并可用于面板数据。为客观、全面地评价新能源上市公司的投资价值，文中采用Topsis法改进的因子分析模型，具体步骤如下:

1)建立指标体系，对研究对象进行分集处理为Sti(i=1，2，…，n)，需要研究的企业变量为Vti(j=1，2，…，m),t∈[t1,t2]，研究对象个数为n，评价区间为l年，则l=t2-t1+1。

2)采用因子分析对Sti的横截面数据进行研究，得到对象集Sti的ft,k个因子(k≤m),以及各对象集因子综合得分yt1，yt2，…，ytm,其中，t为时间点，可得(Yti)n×l的矩阵。

3)利用Topsis法对Sti(i=1，2，…，n)的因子获取分数yti进行分析，具体步骤如下：

①各年的最终得分作为公司竞争力的一个评价指标，构成一个新的指标体系，即l个数据指标，n个目标，yti个数据。

②对l个指标进行标准化。

(1)

③根据Zti矩阵确定最优、最劣向量，分别记作Z+=(Zmax,1,Zmax,2,…,Zmax,l)和Z-=(Zmin1,Zmin2,…,Zminl)。

④第i个评价对象与最优、最劣解的距离分别为：

(2)

(3)

⑤第i个评价对象与最优因子方案的接近程度为

(4)

Ci越大，表示该新能源公司在2013-2017年的经营绩效越好，投资价值也就越大。

2.2 指标体系构建与样本数据选取

选取研究样本时，依据中商产业研究院数据库的行业分类，选择能源行业中的二级行业新能源业，选取沪深A股共27家新能源上市公司为研究样本。根据企业投资价值的相关理论，文中最终确定4个一级指标，即偿债能力、盈利能力、营运能力和成长能力，以及11个二级指标，即流动比率(X1)、速动比率(X2)、资产负债率(X3)、总资产净利率(X4)、净资产收益率(X5)、销售净利率(X6)、总资产周转率(X7)、流动资产周转率(X8)、每股收益增长率(X9)、净利润增长率(X10)和利润总额增长率(X11)。新能源行业上市公司投资价值评价指标体系见图1(数据均来自WIND数据库)。

3 新能源上市公司投资价值评价

3.1 因子分析

根据我国新能源上市公司投资价值评价指标体系，使用SPSS22.0对2014-2018年的横截面数据分别进行因子分析。

3.1.1 KMO和Bartlett检验

在进行因子分析前，需检验指标变量之间的内在相关性，文中利用KMO检验和Bartlett球形检验来探究原始数据的相关性，见表1。

从检验结果看，KMO在2014-2018年的检验结果均大于0.5，且球形检验结果也较为理想，显示数据之间具有一定的相关性，适合因子分析。

表1 2014-2018年截面数据KMO检验及Bartlett 检验

3.1.2 计算因子综合得分

利用主成分分析法提取公因子，得到各个公因子的特征值和方差贡献率，见表2。

表2 2014-2018年截面数据因子分析的总方差贡献率

在保留特征值大于1的因子后，根据表中结果可以看出，每年的累计方差贡献率均大于80%，对整体的解释程度较高，所保留的公因子已经基本涵盖各个二级指标的信息，我国新能源上市公司投资价值可被较好地体现。

为让结果更具可解释性，采用Varimax对2014-2018年截面数据初始因子载荷矩阵进行Kaiser标准化正交旋转，由于文中篇幅有限，各年的因子分析过程相似，在此仅以2018年新能源公司的截面数据为例进行阐释。对因子载荷矩阵进行旋转处理后的结果见表3。

表3 2018年旋转后的因子载荷矩阵

第1个公因子在每股收益增长率、净利润增长率和利润总额增长率上具有极高的因子载荷值，分别为0.944、0.968和0.946，这些指标反映了新能源上市公司的成长能力，另外，第1个公因子在总资产净利率、净资产收益率、销售净利率上也具有较高的因子载荷值，分别为0.625、0.700和0.754，这些指标反映了新能源上市公司的盈利能力，综合来看，第1个公因子提取出大量与公司成长能力和盈利能力有关的信息，因此将第1个公因子命名为成长能力和盈利能力因子，该因子对投资价值的方差贡献率最高，达到38.096%；第2个公因子在流动比率、速动比率及资产负债率上有较高的载荷值，这三个指标反映了新能源上市公司的偿债能力，因此将其命名为偿债能力因子，该因子对投资价值的贡献率为25.687%；第3个公因子在总资产周转率和流动资产周转率上有极高的载荷值，反映出大量与公司营运能力有关的信息，因此将其命名为营运能力因子，该因子对投资价值的贡献率为19.148%。以上3个因子对新能源上市公司投资价值的总体解释程度较高，最终累积贡献率达到82.931%。

同时对2018年截面数据进行回归，可得到该年各因子的系数矩阵见表4。

表4 2018年因子得分系数矩阵

由此计算因子得分:

F1=-0.028X1-0.060X2-0.044X3+

0.104X4+0.139X5+0.181X6-

0.030X7-0.041X8+0.242X9+

0.250X10+0.243X11,

F2=0.299X1+0.286X2+0.340X3+

0.227X4+0.111X5+0.076X6+

0.016X7+0.056X8-0.097X9-

0.099X10-0.092X11,

F3=-0.010X1-0.052X2+0.090X3+

0.180X4+0.159X5-0.137X6+

0.446X7+0.466X8-0.045X9-

0.064X10-0.057X11。

以各公因子方差贡献率为权重，计算新能源上市公司投资价值因子综合得分，记为Y，则

根据此法分别得出新能源上市公司2014-2018年间的Y，最终形成因子综合得分Yti，排序后的结果见表5。

表5 27家新能源上市公司2014-2018年因子综合得分及排名

根据表5结果可知，27家新能源上市公司的因子综合得分排名在2014—2018年间均有变化，没有一家公司的排名是保持在同一个水平上，利用某一年的截面数据不能反映上市公司投资价值的变化过程，通过某年的因子综合得分排名结果来评价我国新能源上市公司投资价值存在一定局限性。文中利用2014-2018年面板数据可客观地表现出投资价值的变化过程，使得最终的研究结果更具说服力。

3.2 Topsis法综合评价

在因子分析的基础上，采用Topsis法可更真实、合理地评价我国新能源行业上市公司的投资价值情况，排序后的最终结果见表6。

表中的最优因子方案贴近度(Ci)越大，说明该新能源上市公司的投资价值越高。

表6 27家新能源上市公司投资价值评价结果及排名

结合表5和表6的数据结果，从整个样本期间来看，公司各年的因子综合得分较高或呈现出上升趋势，那么该公司的最优因子方案贴近度排名也较为靠前。如金风科技在2014-2018年的排名均在前10名，期间总体发展较好。根据最终的最优因子方案贴近度排名，金风科技位列第一，表现出其良好的发展能力；东旭蓝天在样本期间内的因子综合得分排名逐年上升，因此,其最终的最优因子方案贴近度排名靠前，位于第2名；天顺风能在2014—2018年因子综合得分均为正，说明公司发展较为平稳，且排名呈现波段上升趋势，故最终的最优因子方案贴近度排名第5位，整体发展较好。相反，各年因子综合得分相对较低或是出现“大起大落”现象的公司，其最终的最优因子方案贴近度排名也是相对靠后的，如吉鑫科技在2017年营业利润为-8 693.25元，相比往年亏损709.53%，归属于上市公司所有者的净利润亏损额高达1.1亿元，同比亏损1 804.67%。尽管在2016年扭亏为盈，但受旗下子公司影响，公司涉入多起纠纷诉讼及仲裁案件，暴露出公司在内部管理上的缺陷，故其最优因子方案贴近度排名第22位；锐电受旗下基金公司的投资理财行为不当的影响，接连出现亏损情况,据公司5年内投资收益数据，2014年、2015年、2017年和2018年这4年的投资收益皆为负值，业绩位于同业底部，因此，该公司最终的最优因子方案贴近度排名靠后。

绘制最优因子方案贴近度分布图可更直观地了解我国新能源行业上市公司的投资价值，如图2所示。

图2 27家新能源上市公司2014-2018 年最优因子方案贴近度分布情况

由图2可以看出，仅17.65%的新能源上市公司最优因子方案贴近度高于0.7，样本中新能源上市公司的最优因子方案贴近度均小于0.8，说明国内新能源上市公司还存在较大的提升空间。从总体上来看，最优因子方案贴近度较低,反映我国新能源上市公司的投资价值有待进一步提高，偿债能力、盈利能力、营运能力以及成长能力是公司综合能力的一种体现，各项能力协调发展是提升公司投资价值的基础。

4 结语与建议

运用Topsis法改进的因子分析模型对27家新能源上市公司的投资价值进行综合评价。

文中实证研究结论如下：

1)在2014-2018年，新能源上市公司在样本期间内各年的因子综合得分之间差距明显，并且最终的最优因子方案贴近度最大值与最小值差距较大，最大值和最小值分别约为0.985、0.113，这说明国内新能源上市公司投资价值有显著差异。

2)在样本期间内，不少公司的因子综合得分排名波动明显，如金风科技、协鑫集成等公司在五年内的因子得分呈现出“大起大落”态势，说明行业内竞争激烈。

3)约58.82%的样本公司最优因子方案贴近度高于0.6，说明我国超过一半的新能源上市公司具备较高的投资价值，投资者可根据实际情况对新能源上市公司予以适当关注。

4)从表6中不难发现，即便是最终的最优因子方案贴近度排名靠前的公司，依然存在个别年份的因子综合得分为负值的情况，这说明我国新能源上市公司的综合能力仍有待进一步提高。

作为新能源业的重要组成部分，新能源上市公司的有效发展可以带动整个新能源业的发展。对此，文中提出三点建议:

1)新能源上市公司需努力提高营运、盈利能力，在保证一定偿债能力的同时，提升企业资产管理效率，完成当期业绩，这是吸引价值投资者的关键。

2)注重内部管理，公司应尽可能避免由于内部管理不当而造成的纠纷诉讼案件的发生。通过研究发现，新能源行业中部分企业在管理方面存在不少问题，有效地进行内部监管控制是保证企业正常运营的基础，也是企业实现盈利的前提。

3)合理运用相关利好政策。2019年中国能源产业升级建设将全面启动，而新能源行业面临全新的机遇和挑战。公司要在明确国家政策走向，顺应社会经济发展的同时，勇于创新技术，形成企业核心竞争力，通过降低运营成本，提高财务绩效，吸引更多价值投资者。