人工智能行業(yè)上市公司財務(wù)競爭力評價研究

高志琳王彤彤（副教授）

（1北京聯(lián)合大學(xué)管理學(xué)院 2北京聯(lián)合大學(xué)商務(wù)學(xué)院 北京 100101）

加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機遇的戰(zhàn)略問題，迫切需要加強人工智能和產(chǎn)業(yè)發(fā)展融合，為我國經(jīng)濟的高質(zhì)量發(fā)展提供新動能。人工智能技術(shù)更多地應(yīng)用于各種經(jīng)濟生活場景之中，但在競爭激烈的市場環(huán)境中，特別是在疫情影響下，人工智能企業(yè)的財務(wù)競爭力不僅是投資者的重要參考依據(jù)，也是企業(yè)可持續(xù)發(fā)展的重要基石。財務(wù)競爭力是企業(yè)將知識和創(chuàng)新作為基礎(chǔ)，同時發(fā)揮企業(yè)的財務(wù)優(yōu)勢，將企業(yè)各項財務(wù)能力進行科學(xué)整合、保證企業(yè)可持續(xù)發(fā)展的一種能力。人工智能企業(yè)在競爭激烈的市場環(huán)境中，特別是在疫情影響下，如何配置各種財務(wù)資源，為投資人持續(xù)創(chuàng)造價值，不僅成為資本市場關(guān)注的熱點，也是我國經(jīng)濟發(fā)展的重要動力。

一、文獻綜述

通過梳理歸納近年來有關(guān)上市公司財務(wù)競爭力的研究文獻和研究成果，發(fā)現(xiàn)具有以下特征：

對于研究客體來說，行業(yè)不同，包括石墨烯、商業(yè)銀行、影視、石油、汽車、航空、新能源、物流等（呂釗晰，2020；付靜，2020；王燕妮等，2019；高建城，2019；李昊，2019；李常亮，2017；徐廣等，2016；田鳳姹等，2015），同時，Crowder David W、Reganold John P（2015）通過對橫跨五大洲的55種作物的全球數(shù)據(jù)集進行分析，來評價有機農(nóng)業(yè)在全球范圍內(nèi)的財務(wù)競爭力。

對于評價側(cè)重點來說也各有不同。付靜（2020）采用規(guī)模實力、盈利能力、發(fā)展能力、安全性、經(jīng)營管理效率、流動性作為評價指標(biāo)；Nikita Mehta，MamtaBrahmbhatt（2019）采用盈利能力、管理效率、償債能力和財務(wù)杠桿作為評價指標(biāo)；田鳳姹、趙寧等（2015）從利益相關(guān)者角度出發(fā)，將盈利能力、規(guī)模實力、營運能力、發(fā)展能力、償債能力五個方面作為評價指標(biāo)；劉廣生、吳晗（2014）從企業(yè)綜合績效、風(fēng)險控制、現(xiàn)金流量以及可持續(xù)發(fā)展角度出發(fā)，構(gòu)建了7項評價指標(biāo)體系，包括持續(xù)盈利能力、償債能力、運營能力、現(xiàn)金收入能力、競爭規(guī)模實力以及發(fā)展?jié)摿蜆I(yè)務(wù)發(fā)展能力。

對于研究方法來說，大多數(shù)采用的是因子分析法。如：呂釗晰（2020）,王燕妮等（2019）,高建城（2019）,李昊（2019）,吳媚、張卉等（2019）等均采用因子分析方法進行指標(biāo)體系的構(gòu)建。還有少數(shù)學(xué)者采用其他方法。如：李常亮（2017）采用財務(wù)評價模型——灰色關(guān)聯(lián)度方法，來分析航空公司財務(wù)競爭力狀況。

顯而易見，國內(nèi)外關(guān)于財務(wù)競爭力的研究已經(jīng)有了一些積累，對于財務(wù)競爭力核心概念的理解基本趨同，但不同學(xué)者對于不同行業(yè)財務(wù)競爭力的構(gòu)成劃分并不完全一致。此外，多數(shù)文獻的研究數(shù)據(jù)并不連續(xù)，多采用上市公司單個年份數(shù)據(jù)，鮮有時間序列數(shù)據(jù)；同時，新興的人工智能行業(yè)的相關(guān)研究很少。因此，本文將基于因子分析對人工智能行業(yè)上市公司的財務(wù)競爭力進行評價研究，通過不同企業(yè)的比較分析，為人工智能行業(yè)的發(fā)展提供參考。

二、樣本數(shù)據(jù)來源及評價指標(biāo)選擇

（一）樣本和數(shù)據(jù)來源

本文的數(shù)據(jù)主要來源于WIND數(shù)據(jù)庫以及上交所與深交所上市公司年報，選取滬深A(yù)股人工智能板塊的上市公司，從數(shù)據(jù)庫中統(tǒng)計出36家，在搜集指標(biāo)過程中，剔除了兩家數(shù)據(jù)不完整、時間年限不足的公司——昆侖萬維、富瀚微，最終得到34家公司。利用2016—2019年的財務(wù)指標(biāo)進行算術(shù)平均作為樣本數(shù)據(jù)進行實證分析。

（二）評價指標(biāo)選擇

為了研究人工智能行業(yè)上市公司的財務(wù)競爭力，本文參考了劉松（2019）建立的財務(wù)指標(biāo)體系，從盈利能力、償債能力、營運能力、發(fā)展能力、獲現(xiàn)能力以及研發(fā)創(chuàng)新能力六個角度選取了15項指標(biāo)，見下頁表1。

表1 財務(wù)競爭力評價指標(biāo)體系

三、基于因子分析的樣本實證研究

（一）數(shù)據(jù)預(yù)處理、KMO檢驗和Bartlett球形檢驗

在實驗之前，對適中指標(biāo)進行正向化處理，參考范坤等（2013）關(guān)于因子分析適中指標(biāo)的預(yù)處理方式。因為人工智能屬于新興行業(yè)，不同行業(yè)的適中值有一定的差別，因此采用行業(yè)平均值對流動比率、速動比率、資產(chǎn)負(fù)債率這三個指標(biāo)進行預(yù)處理。在進行研究之前，為了排除不同量綱對實驗研究的影響，本文選擇Z標(biāo)準(zhǔn)化方法對評價指標(biāo)進行處理。在實驗之前，首先進行KMO檢驗和Bartlett球形檢驗，來分析是否適合因子分析方法。一般情況下，KMO值大于0.5，巴特利特球形度檢驗的顯著性小于0.05時，則說明可以使用因子分析。本文通過檢驗發(fā)現(xiàn)，KMO值=0.528＞0.5.顯著性=0.000＜0.05，表明所選指標(biāo)適合因子分析。檢驗結(jié)果如表2所示。

表2 KMO和Bartlett球形檢驗

（二）公因子的提取

本文采用主成分分析法進行公因子提取，一般提取要求初始特征值＞1或者累計方差貢獻率≥80%。從總方差解釋來看，前5個因子的初始特征值大于1，累計方差貢獻率為79.377%，表明這5個公因子可以解釋79.377%的原始指標(biāo)信息。因此可以提取到5個公因子，并分別將這5個因子命名為Y1、Y2、Y3、Y4、Y5。第1個因子Y1的方差貢獻率為17.853%，第2個因子Y2的方差貢獻率為17.262%，第3個因子Y3的方差貢獻率為16.795%，第4個因子Y4的方差貢獻率為14.853%，第5個因子Y5的方差貢獻率為12.614%。

（三）公因子的命名

本文采用最大方差正交旋轉(zhuǎn)法將因子進行旋轉(zhuǎn)，目的是使公因子在變量上的載荷量呈現(xiàn)出明顯的差異。旋轉(zhuǎn)后的成分矩陣顯示，第一個因子Y1在X4、X5、X6載荷系數(shù)較大，可以將Y1命名為償債因子；第二個因子Y2在X1、X2、X3載荷系數(shù)較大，可以將Y2命名為盈利因子；第三個因子Y3在X14、X15上的載荷系數(shù)較大，可以將Y3命名為研發(fā)創(chuàng)新因子；第四個因子Y4在X10、X11上的載荷系數(shù)較大，可以將Y4命名為發(fā)展因子；第五個因子Y5在X7、X9、X12上的載荷系數(shù)較大，可以將Y5命名為營運及獲現(xiàn)因子。

（四）因子得分模型的建立、各因子得分與綜合得分

利用SPSS提取因子及因子分析之后，得到成分得分系數(shù)矩陣，繼而對15項指標(biāo)變量進行加權(quán)求和，得到5個因子得分模型：

以旋轉(zhuǎn)后各因子的方差貢獻率占累計貢獻率作為權(quán)重，對5個因子的得分情況進行加權(quán)平均，得到綜合得分模型Y。

綜合模型計算樣本公司總得分情況，各樣本5個因子得分以及綜合得分排名情況。結(jié)果見下頁表3。

從償債因子Y1來看，得分為正值的公司有24家，占比71%。得分最高的是恒生電子，達到1.127，說明公司流動性較好，償債能力較強，所面臨的財務(wù)風(fēng)險較??；紫光國徽和東方網(wǎng)力，得分只有0.739和0.646。排后三位的公司分別為北京君正、華勝天成、景嘉微，其償債因子得分分別為-5.525、-0.588、-0.571。北京君正相比于其他公司，償債指標(biāo)具有特殊性，流動比率與速動比率偏大，流動比率達到37.6，速動比率33.7，資產(chǎn)負(fù)債率偏低，只有4%；通過公司年報可以看出，北京君正的負(fù)債很少，流動資產(chǎn)中交易性金融資產(chǎn)與貨幣資金占比較高，長短期借款為零，直接導(dǎo)致流動比率、速動比率、資產(chǎn)負(fù)債率出現(xiàn)異值。所以北京君正的排名與得分是與平均值相比較所得的計算結(jié)果。整體而言，人工智能行業(yè)資產(chǎn)流動性欠佳，償債能力偏弱，直接威脅企業(yè)的健康生存與可持續(xù)發(fā)展。

從盈利因子Y2來看，得分為正值的公司有20家，占比59%。得分最高的是?？低暎瑸?.089，說明公司的獲利能力強，企業(yè)價值較高；其次是三六零、恒生電子，其得分分別為0.929、0.846。排后三位的分別為東方網(wǎng)力、科大智能、軟控股份，其盈利因子得分分別為-4.315、-1.656、-0.914。總體來看，其獲利能力較弱，經(jīng)營業(yè)績不佳。

從研發(fā)創(chuàng)新因子Y3來看，得分為正值的公司有15家，占比44%。排前三位的分別為恒生電子、全志科技、東方網(wǎng)力，其研發(fā)創(chuàng)新因子得分分別為3.436、2.256、1.399，說明這些公司研發(fā)創(chuàng)新能力較強。排后三位的公司分別為江南化工、高樂股份、慈星股份，其研發(fā)創(chuàng)新因子得分分別為-1.094、-1.030、-1.018，顯示其研發(fā)創(chuàng)新能力較弱。

表3 各樣本公司財務(wù)競爭力因子排名和綜合排名

從發(fā)展因子Y4來看，得分為正值的公司只有12家，占比35%。排前三位的分別為景嘉微、天澤信息、賽為智能，其發(fā)展因子得分分別為2.463、2.288、1.796，說明這些公司成長能力較強。排后三位的公司分別為軟控股份、江南化工、北京君正，其發(fā)展因子得分分別為-1.154、-1.103、-1.000，這些公司需要不斷提升自身發(fā)展能力。

從營運及獲現(xiàn)因子Y5來看，得分為正值的公司有13家，占比38%。排前三位的公司分別為浪潮信息、三六零、華勝天成，其營運及獲現(xiàn)因子得分分別為2.370、2.103、1.310，說明這些公司營運能力較強，對可利用資源使用后形成獲取現(xiàn)金的能力較好。排后三位的公司分別為景嘉微、機器人、賽為智能，其因子得分分別為-2.193、-1.708、-1.319，說明這些公司營運能力及獲現(xiàn)能力需要進一步提高。

從綜合得分Y來看，公司的綜合得分普遍較低，反映了目前人工智能行業(yè)上市公司的財務(wù)競爭力尚有待提高。在34家上市公司中，只有15家綜合得分大于0，占比44%，其中排名前5的是恒生電子、三六零、?？低?、浪潮信息、中科曙光，最高得分只有1.259。另有19家的綜合得分均小于0，其中，北京君正綜合得分-1.196，綜合競爭力較弱。

（五）因子得分的統(tǒng)計性描述

因子得分的統(tǒng)計性描述能更清楚地展現(xiàn)出每個因子得分的綜合情況，以及各個公司的因子得分在整體中的位置。從表4可以看出，每個公司在單個因子的得分?jǐn)?shù)據(jù)呈標(biāo)準(zhǔn)正態(tài)化分布，得分的差異度較小。

表4 因子得分的統(tǒng)計性描述

四、結(jié)論與建議

（一）結(jié)論

本文以我國34家人工智能上市公司為研究樣本，構(gòu)建財務(wù)競爭力評價指標(biāo)體系，通過因子分析對上市公司2016—2019年的財務(wù)競爭力進行分析比較，研究發(fā)現(xiàn)：

1.本文提取的5個公共因子，對樣本公司的財務(wù)競爭力影響較大，貢獻率達到79.377%，所以人工智能上市公司之間的差異主要體現(xiàn)在這5個因子上。

2.34家公司的綜合財務(wù)競爭力普遍得分不高，而且得分相差并不大，財務(wù)競爭力普遍不高。

3.34家公司中，因子差異度較大的是盈利能力、營運能力及獲現(xiàn)能力，研發(fā)創(chuàng)新能力與發(fā)展能力次之，償債能力較差。

4.公司內(nèi)部財務(wù)能力發(fā)展不均衡。如：恒生電子在償債能力與研發(fā)創(chuàng)新能力上得分第一，但其發(fā)展能力得分處于中下游；浪潮信息在營運及獲現(xiàn)能力排名第一，但是償債能力及盈利能力比較薄弱；景嘉微的發(fā)展能力比較強，排名第一，但是其營運及獲現(xiàn)能力得分最低，償債能力得分也低，與北京君正類似，景嘉微的負(fù)債較少，賬面資金較多，主要是貨幣資金。綜合來看，人工智能行業(yè)公司綜合得分普遍不高，很大程度上是公司內(nèi)部財務(wù)能力發(fā)展不均衡導(dǎo)致的。

5.公司戰(zhàn)略側(cè)重有所不同。恒生電子與全志科技的發(fā)展戰(zhàn)略較為相似，兩家公司均明顯注重研發(fā)創(chuàng)新，大量資金投入研發(fā)，公司的發(fā)展能力表現(xiàn)欠佳；三六零、浪潮信息、中科曙光這三家公司的發(fā)展能力、營運能力及獲現(xiàn)能力都較好，但償債能力表現(xiàn)不佳，需要進一步優(yōu)化資本結(jié)構(gòu)；天澤信息與賽為智能均注重公司的發(fā)展能力，在盈利能力及研發(fā)創(chuàng)新上卻不太樂觀。

（二）建議

人工智能產(chǎn)業(yè)作為新興產(chǎn)業(yè)，整體財務(wù)競爭力偏弱，資金保證有限，資產(chǎn)流動性不強，盈利能力也亟待提升。針對這些問題，本文提出以下建議：

1.盈利是根本。公司要注重盈利能力的發(fā)展，其一，盈利能力是各方關(guān)注的核心要素，是投資者能否獲得投資增值的重要指標(biāo)，是債權(quán)人如期收本收息的保障，是資本市場價值衡量的重要指標(biāo)；其二，體現(xiàn)了公司管理層的運營成果與經(jīng)營業(yè)績，對于公司戰(zhàn)略布局起著指導(dǎo)性作用，是公司可持續(xù)發(fā)展的前提。

2.研發(fā)是動能。人工智能行業(yè)作為高新技術(shù)企業(yè)，其競爭力核心之一就是企業(yè)的自主研發(fā)，在目前的國際競爭環(huán)境下，企業(yè)只有注重新技術(shù)、新產(chǎn)品的研發(fā)創(chuàng)新，才能在技術(shù)迅速發(fā)展的時代不被淘汰，才能獲得持續(xù)發(fā)展的不竭動力。

3.資金是保障。充足的資金能使企業(yè)順利的運轉(zhuǎn)，避免因為資金不足陷入困境。對于人工智能行業(yè)，除了公司運營的資金需要，研發(fā)創(chuàng)新更是依賴于現(xiàn)金流的投入。所以，為了使公司持續(xù)運轉(zhuǎn)，提高管理效率，更好地抓住發(fā)展機遇，就要有充足的資金作保障，因此，資本結(jié)構(gòu)的優(yōu)化，財務(wù)風(fēng)險的管控是企業(yè)長期發(fā)展的保障。

（三）本文局限性

本文利用因子分析法，從六個維度，選取了15項二級指標(biāo)，構(gòu)建人工智能行業(yè)上市公司財務(wù)競爭力評價體系。在評價過程中，缺少對定性指標(biāo)的考核，沒有完整地覆蓋所有財務(wù)層面的信息，期待在以后的研究中，能更加深入地探究分析。