基于灰色面板数据聚类的物流上市公司财务绩效评价

周静，杨保华

（江苏师范大学，江苏 徐州 221000）

0 引言

财务绩效评价方法常见的有平衡记分卡[1]、财务综合分析[2]、杜邦分析法[3]以及EVA[1]等。近年来多位学者对财务绩效评价方法进行了改进，如陈一君，等[4]对传统TOPSIS法进行改进，结合BSC和灰色关联法综合评价白酒企业的财务绩效；杨秀琼[5]在对上市商业银行的财务绩效评价中，引入三角模糊数建立模糊DEA模型；朱和平，等[6]基于TOPSIS方法构建改进因子分析跨年度评价模型，将其运用于制造业财务可持续发展评价中；王婧[7]为评价金融企业财务绩效提出了一种基于主成分分析法和数据包络法的评价方法。

近年来电子商务的高速发展为物流产业的发展带来了新的机遇，物流业逐渐成为国民经济的重要组成部分。现有的相关物流业研究有：李晓津，等[8]在对快递型物流企业的财务绩效评价研究进行总结分析的基础上，构建了BWM-GRA模型；冯建海[9]建立了一套烟草商业物流财务绩效指标体系，运用熵权法确定指标权重和综合得分，以此发现了物流作业中的薄弱环节；徐楠，等[10]基于BP神经网络评价了物流上市公司财务绩效；王振东[11]通过FCM模糊聚类研究了铁路物流园区规划；王玉富[12]在完成多车辆路径优化系统中使用了K均值聚类算法。关于聚类方法的研究还包括李因果，等[13]提出了面板数据聚类方法并进行了实证分析；左超文[14]提出了灰色面板聚类方法等。已有的聚类方法大多通过聚类分析截面数据的静态特征，而灰色面板数据聚类方法从三个时空特征属性综合分析面板数据的动态特征，使得数据分析更具可靠性。灰色面板数据聚类方法还提出了多指标自适应权重法，引入灰靶决策理论改进了灰色聚类方法。本文通过灰色面板数据聚类方法对18家物流上市公司进行财务绩效分析，并提出改进建议。

1 财务绩效指标体系构建与样本选取

以传统财务绩效指标为准，分别从偿债能力、盈利能力、营运能力和成长能力四个方面选取财务指标构建指标体系，见表1。物流行业作为多元化经营的新兴产业，市场上并没有具体的行业划分标准。故本文以巨潮资讯为标准搜索物流公司，并进行筛选。将ST、*ST以及近五年数据缺失的物流上市公司剔除，最终获得18家物流上市公司，以其2016-2020年相关数据作为研究样本。

表1 物流上市公司财务绩效指标体系

2 基于灰色面板数据聚类方法的物流上市公司财务绩效评价

2.1 确定灰色面板数据

本文将18家物流上市公司作为聚类评估对象，综合考虑绝对量、变动量以及波动量三个时空特征属性。样本属性包括表1的12个指标，研究时间囊括2016-2020年，由此确定N=18，M=12，T=5的灰色面板数据，用 xij(t)表示时间t( t=1,2,...,T)时对象i( i =1,2,...,N)的指标j(j=1,2,...,M)的指标值的无量纲测度。2020年物流上市公司财务指标数据见表2。

表2 物流上市公司2020年度财务指标数据

2.2 数据处理，计算时空特征属性水平矩阵

2.2.1 无量纲化处理

同理可计算出2016-2020年面板数据的无量纲化数值。

本文的适中值D选自文献[15]，其中资产负债率取区间值的均值。

2.2.2 计算时空特征属性水平矩阵

定义1设xij(t)为t( t=1,2,...,T)时对象i( i =1,2,...,N)的指标j(j=1,2,...,M)的指标值的无量纲测度，如果分别称xi(t)、μi(t)、ηi(t)为对象i在t时面板数据下的绝对量水平矩阵、变动量水平矩阵、波动量水平矩阵。其中将定义1运用到2020年无量纲化处理后的财务数据中，得出2020年的水平矩阵：

同理得出2016-2019年的绝对量水平矩阵和波动量水平矩阵，以及2017-2020年的变动量水平矩阵。

2.3 时空特征正理想矩阵度量

定义2设γijl(t)表示对象i在t时关于指标i时空特征l的测度值，如果或，则分别称矩阵为对象i和正理想对象在t时刻关于指标i的时空特征l的测度值矩阵。由于绝对量和变动量越大越好，波动量越小越好，根据定义2，可得：

根据定义2可知，如xmax1(2020)即为2020年绝对量水平矩阵中第一个属性（流动比率）的最大值，同理可得2016-2020年的时空特征l测度值矩阵，分别为：

2.4 时空特征属性聚类对象间距离测度

将对象i和正理想对象在t时刻关于指标i的时空特征l测度值代入式（1），计算结果见表2。

2.5 确定自适应权重

根据熵权思想，结合样本特征属性，构建了自适应特征熵权法，确定综合距离的权重。熵权法的原理在于能够有效表征数据中蕴含信息的多寡，然后根据信息蕴含量确定权重的大小。因此，运用改进的熵权法对算法的权重进行求解，得出各时空特征属性权重分别为w1=0.4,w2=0.3,w3=0.3。

2.6 时空特征属性差异下的灰类理想靶心确定

定义4设dli表示对象i与正理想对象关于时空特征l的距离，如果则分别称为对象关于时空特征属性的上、下极值向量。

定义5如果kl表示基于时空特征属性l(1,2,...,q)分类的第kl个类别，则称k=(k1,k2,...,kq)为对象时空特征差异的灰类。

根据物流上市公司在绝对量水平、变动量水平以及波动量水平上的表现，可将三个时空特征属性均分为两个灰类，则一共表现为8个灰类，如下所示：

根据定义6计算时空特征属性差异下k类灰类理想靶心，如绝对量水平矩阵的灰类计算为取d1i的max=6.171和min=4.625，则灰类好=min=4.625，灰类差=max-(max-min)/2=5.398。

同理可得其余时空特征属性灰类，计算结果如下：

2.7 计算对象i与k类理想靶心关于时空特征属性差异的靶心距离

根据对象i关于k灰类理想对象关于时空特性属性Gl的测度距离，可计算靶心距离为：

根据聚类对象i的靶心距，dki越小，表明聚类对象i越可能隶属于灰类k，由可以判定聚类对象i属于k灰类。如顺丰控股的灰类判断，将时空特征距离（5.225，17.784，3.729）和第一灰类（4.625，5.987，0.309）代入式（2），得出顺丰控股到第一灰类的靶心距离，同理得出到第二灰类到第八灰类的靶心距离，最后比较八个靶心距离，靶心距离最小的则是顺丰控股的灰类。同理得出其余17家物流上市公司的聚类结果，计算结果见表3。

2.8 聚类结果分析

由表3可知，我国18家物流上市公司主要分布在5个灰类中：

表3 物流上市公司特征属性的距离和聚类结果

第一灰类包括圆通速递和嘉友国际。此灰类财务绩效具有绝对量水平较好，变动水平较好，但波动量较大的特点。造成这种特征的主要原因可能在于企业多项经营活动的财务绩效碰撞，比如圆通速递借壳上市、嘉友国际发行股份等活动对企业财务绩效产生影响。针对此种情形，企业应不断完善公司治理机制，合理利用自身优势，借助行业政策的机遇，推动企业进一步发展。

第二灰类包括恒基达鑫、宏川智慧、普路通。此灰类财务绩效具有绝对量水平较差，变动水平较好，且波动幅度较小的特点。出现这种特征的原因可能是企业人力资源、物力资源及技术资源等内部资源配置不足。对此类企业可以引入大量相关人才，提高企业竞争能力，还可以有效配置企业内部资源，将有限资源效用最大化。

第三灰类包括顺丰控股、物产中大、建发股份、海晨股份、华贸物流、东方嘉盛、嘉诚国际、密尔克卫，此灰类财务绩效具有绝对量水平较差，变动水平较好，且波动量较大的特点。造成这种特征的主要原因可能在于企业经营风险较大，如财务风险和战略风险等。企业可以通过建立或完善企业风险预警机制来降低风险。

第四灰类包括淮河能源、飞力达、厦门象屿，此灰类财务绩效具有绝对量水平较差，变动水平较差，波动幅度较小的特点。出现这种现象的企业可以调整企业发展策略，使之与企业内部资源和外部资源相适配，同时可以结合提升企业社会形象等方面促进企业的发展。

第五灰类包括中国外运、畅联股份，此灰类财务绩效具有绝对量水平较差，变动水平较差，且波动幅度较大的特点。对于此类特征的企业，人才募集和培养至关重要，是企业发展的动力源泉。企业可以建立一套合理的人才培养机制，同时可以借助国家政策扶持的力量逐步发展企业。

整体来看，18家物流上市公司主要分布在第三灰类中，财务绩效具有绝对量水平较差，变动水平较好，且波动量较大的特点。针对该聚类结果提出三点建议：第一，引进相关技术人员，建立人才培养机制，提高企业核心竞争力；第二，建立与完善企业风险预警机制，降低企业经营风险；第三，关注行业发展动态，抓住国家政策扶持机遇，推动企业进一步发展。

3 结语

针对静态聚类方法不能做到分析面板数据的动态特征，本文采用改进的灰色面板数据聚类方法动态分析18家物流上市公司的财务绩效情况。根据聚类结果将企业分为5个灰类，并针对各灰类属性特征对企业提出建议。本文的灰色面板数据聚类分析既丰富了动态聚类方法的研究内容，也为解决物流业上市公司发展中的问题提供了一定的参考思路。