基于Bayesian-Ridge模型的煤炭企業(yè)凈資產(chǎn)收益率影響因素

譚旭紅, 王朕卿

(1.黑龍江科技大學(xué), 哈爾濱 150022; 2.黑龍江科技大學(xué) 管理學(xué)院, 哈爾濱 150022)

0 引 言

煤炭行業(yè)的發(fā)展一直受到社會(huì)各界的關(guān)注,其中煤炭企業(yè)的凈資產(chǎn)收益率等指標(biāo)備受社會(huì)各界重視[1]。為促進(jìn)我國煤炭行業(yè)的高質(zhì)量發(fā)展,需要對煤炭行業(yè)進(jìn)行多維度分析以及開展大量的實(shí)證研究,從而提升煤炭企業(yè)的創(chuàng)新力,這里需要重點(diǎn)關(guān)注國有資本在煤炭企業(yè)中的地位,同時(shí),需要不斷降低經(jīng)營負(fù)債比率,提升凈資產(chǎn)收益率[2]。

自20 世紀(jì)以來,國內(nèi)外學(xué)者對煤炭企業(yè)中影響凈資產(chǎn)收益率的因素做過大量研究。Peng等[3]主要通過考察煤炭市場實(shí)際需求,從而推導(dǎo)與煤炭企業(yè)的資產(chǎn)收益率之間的關(guān)系。Prasad等[4]則認(rèn)為在歐美國家中,要提升煤炭企業(yè)的資產(chǎn)收益率,需要對當(dāng)?shù)氐沫h(huán)境法規(guī)及該國的政策做深入調(diào)查。國內(nèi)學(xué)者主要從我國煤炭企業(yè)發(fā)展現(xiàn)狀和影響煤炭企業(yè)收益率的各因素之間的關(guān)系權(quán)重等方向進(jìn)行實(shí)證研究。陳夢等[5]采用VAR和狀態(tài)空間模型對中國煤炭價(jià)格影響因素進(jìn)行實(shí)證分析,表明中國煤炭的價(jià)格受產(chǎn)能、市場等因素影響,并且煤炭的價(jià)格直接關(guān)乎著該企業(yè)的經(jīng)濟(jì)效益。王曉磊[6]運(yùn)用DEA 模型分析煤炭企業(yè)的投資效率,具有良好的效果,并總結(jié)出煤炭企業(yè)的投資效率受企業(yè)的營業(yè)收入、負(fù)債率等因素影響較大。袁顯平等[7]認(rèn)為,煤炭企業(yè)最關(guān)注的凈資產(chǎn)收益率問題受很多因素影響,其中國有資本占比是一個(gè)重要因素。章激揚(yáng)等[8]通過對新能源車企的實(shí)證分析,得出企業(yè)的經(jīng)營負(fù)債率、營業(yè)利潤率對企業(yè)的收益率有很大影響。

隨著機(jī)器學(xué)習(xí)理論與技術(shù)的不斷發(fā)展,不少學(xué)者將機(jī)器學(xué)習(xí)與檢驗(yàn)融入到煤炭企業(yè)的研究中。譚云等[9]通過建立機(jī)器學(xué)習(xí)模型,計(jì)算自變量的權(quán)重,從而分析自變量對因變量的影響,取得顯著效果。張倩倩等[10]通過建立多種機(jī)器學(xué)習(xí)模型,分析煤炭行業(yè)產(chǎn)能過剩影響因子,其中包含OLS模型,并且預(yù)測的結(jié)果與實(shí)際的結(jié)果相差不大,取得良好的效果。陳翔等[11]基于物聯(lián)網(wǎng)流量數(shù)據(jù),采用了貝葉斯嶺回歸模型預(yù)測,該模型可以優(yōu)化輸出權(quán)重的估計(jì)方式,同時(shí)也減小了算法受到異常值的影響,有效地提升了算法的魯棒性。王蓉華等[12]認(rèn)為在影響因素權(quán)重分析過后,需要計(jì)算主要影響因素的置信區(qū)間,從而判斷變量的顯著性,這樣更加符合實(shí)際應(yīng)用。法子薇等[13]在對煤炭行業(yè)風(fēng)險(xiǎn)預(yù)控管理體系干預(yù)效應(yīng)實(shí)證研究中表明,需要對數(shù)據(jù)之間的共線性識(shí)別,從而來減少計(jì)算資源的消耗。馬源莉等[14]在研究多維度回歸過程中,認(rèn)為計(jì)算變量的置信區(qū)間非常重要,可以對該變量的顯著性得以判斷,從而加以利用。

綜上所述,學(xué)者們從多角度分析影響因素并評(píng)估其對企業(yè)凈資產(chǎn)收益率的重要性,實(shí)證論證時(shí),相比較機(jī)器學(xué)習(xí)方法,通常選擇效果更好的OLS模型。而筆者選擇運(yùn)用機(jī)器學(xué)習(xí)中的Bayesian-Ridge模型進(jìn)行探索研究,并與OLS模型進(jìn)行對比實(shí)驗(yàn),以煤炭企業(yè)的凈資產(chǎn)收益率作為因變量,以國有股持股比例、經(jīng)營負(fù)債比率、營業(yè)利潤率、長期負(fù)債比率、資產(chǎn)總計(jì)等指標(biāo)作為自變量。通過對模型的訓(xùn)練應(yīng)用,從而更準(zhǔn)確地評(píng)估各自變量因素對凈資產(chǎn)收益率的影響。

1 預(yù)測模型的構(gòu)建

1.1 OLS模型

OLS模型是擬合一個(gè)帶有回歸系數(shù)的β=(β1,β2,…,βp),使得數(shù)據(jù)的實(shí)際觀測值和線性近似預(yù)測的預(yù)測值之間的殘差平方和最小的一個(gè)線性模型。OLS模型優(yōu)化目標(biāo)函數(shù)為

(1)

式中,y、X——變量指標(biāo)。

式(1)與Ridge模型和Bayesian模型類似,只是目標(biāo)函數(shù)有些許變化。OLS模型(圖1)和Ridge模型可以直接手解出來,但是加入Bayesian之后,Bayesian-Ridge的目標(biāo)函數(shù)是無法有一個(gè)明確的公式表述。

圖1 OLS模型回歸Fig.1 OLS model regression

OLS模型中最為重要的一個(gè)假設(shè)是殘差需要服從零均值,同方差的分布假設(shè),否則,OLS模型并不能保證較好的擬合效果。

1.2 Bayesian-Ridge模型

為解決OLS模型中存在的一些問題,Ridge模型對系數(shù)的大小施加懲罰。嶺系數(shù)最小化一個(gè)帶懲罰項(xiàng)的殘差平方和,公式為

(2)

式中,θ——控制收縮量的復(fù)雜性參數(shù)。

由式(2)可知,θ值越大,收縮量越大,這樣系數(shù)對共線性的魯棒性就更強(qiáng)。

Ridge回歸使用具有L2范數(shù)的正則化,而Bayesian回歸是一種以概率術(shù)語定義的回歸模型,需要確切的先驗(yàn)概率分布來進(jìn)行回歸。先驗(yàn)概率的選擇可以具有正則化效果,例如對系數(shù)使用拉普拉斯先驗(yàn)等效于L1正則化。但是先驗(yàn)概率的選擇并不完全等同于正則化,因?yàn)镽idge回歸是一種回歸模型,而Bayesian方法是定義和估計(jì)可應(yīng)用于不同模型的統(tǒng)計(jì)模型的通用方法。

Ridge回歸模型表達(dá)式為

(3)

在加入Bayesian設(shè)定之后,可以利用Bayesian理論來估計(jì)后驗(yàn)分布,分布表達(dá)式為

P(θ|X)=p(X|θ)p(θ)。

(4)

Ridge回歸意味著假設(shè)參數(shù)為正態(tài)似然和正態(tài)先驗(yàn)。去掉歸一化常數(shù)后,正態(tài)分布的對數(shù)密度函數(shù)為

(5)

式中:μ、σ——正態(tài)分布的參數(shù);

a——常數(shù)。

然后最大化正常對數(shù)似然,使用正常先驗(yàn)相當(dāng)于最小化平方損失,公式為

(6)

相比于OLS模型,Bayesian-Ridge模型的優(yōu)勢在于可以將模型的不確定性進(jìn)行量化,且隨數(shù)據(jù)點(diǎn)增加似然會(huì)降低先驗(yàn)的影響,模型會(huì)變得更少犯錯(cuò)。

1.3 邊緣似然函數(shù)檢驗(yàn)

給出一組獨(dú)立同分布的數(shù)據(jù)點(diǎn)Ω=(x1,…,xn),xi～p(xi|η),其中,η是一個(gè)通過分布描述的隨機(jī)變量,即η～P(η|α),那么,概率為

(7)

若聯(lián)合參數(shù)η=(ψ,λ),ψ為目標(biāo)參數(shù),λ為其他參數(shù),如果λ服從概率分布,那么通?？梢酝ㄟ^邊緣化λ來考慮ψ的似然函數(shù),表達(dá)式為

(8)

2 影響因素分析

2.1 構(gòu)建主要變量

在分析上市公司經(jīng)營情況時(shí),選取的指標(biāo)常包括凈資產(chǎn)收益率、經(jīng)營負(fù)債比率、營業(yè)利潤率、長期負(fù)債比率、主營收入增長率、資產(chǎn)負(fù)債率等[15]。分析國有企業(yè)資產(chǎn)收益率時(shí)需充分考慮企業(yè)股權(quán)結(jié)構(gòu),其中國有股持股比例是重要影響因素[16]。在針對能源型企業(yè)的收益率影響分析的同時(shí),還需對該行業(yè)的營業(yè)利潤率、資產(chǎn)總計(jì)、總資產(chǎn)周轉(zhuǎn)率、所有者權(quán)益合計(jì)等因素進(jìn)行綜合考慮分析[17]。

文中選取國泰安數(shù)據(jù)庫2002-2022年我國上市煤炭企業(yè)數(shù)據(jù)作為初始研究樣本,剔除ST、*ST企業(yè)與部分極端數(shù)據(jù)企業(yè)后,最終獲得20 432個(gè)樣本值。將凈資產(chǎn)收益率Y作為被解釋變量,反映了企業(yè)自有資本獲得凈收益的能力,其數(shù)值越高說明企業(yè)投資帶來的收益越高,價(jià)值也越高。在現(xiàn)有研究中,該指標(biāo)通常作為衡量企業(yè)績效、判斷企業(yè)經(jīng)營成果的重要指標(biāo);已有研究證明對凈資產(chǎn)收益率的影響是多方面的、多角度的。文中將國有股持股比例X0、經(jīng)營負(fù)債比率X1、營業(yè)利潤率X2、長期負(fù)債比率X3、主營收入增長率X4、資產(chǎn)負(fù)債率X5、資產(chǎn)總計(jì)X6、總資產(chǎn)周轉(zhuǎn)率X7、所有者權(quán)益X8作為核心解釋變量,目的在于多方面反映企業(yè)的股權(quán)結(jié)構(gòu)和經(jīng)營活動(dòng)的能力,涵蓋更多方面,得出較為準(zhǔn)確的影響因子。由描述性統(tǒng)計(jì)分析可知,所選取的樣本較不穩(wěn)定。為不影響回歸參數(shù)的估計(jì),對所選取的凈資產(chǎn)收益率數(shù)據(jù)進(jìn)行了異常值剔除。樣本數(shù)據(jù)結(jié)構(gòu)如表1所示。

表1 主要變量描述性統(tǒng)計(jì)

2.1.1 變量標(biāo)準(zhǔn)化及熱力圖

為避免某些變量數(shù)值過大或存在極端分布影響系數(shù)估計(jì)的準(zhǔn)確性,對所有變量進(jìn)行標(biāo)準(zhǔn)化,并繪制熱力圖,如圖2～4所示。

相比之下,標(biāo)準(zhǔn)化后的數(shù)據(jù)呈現(xiàn)出較為規(guī)律的分布。可以看出對于某些變量,例如圖2a、圖4a和圖4b,Y值在某個(gè)X值下的分布會(huì)更為廣泛;其中一些變量,例如圖3c,Y值在任何X值下都展現(xiàn)出大致相同的分布,并且呈現(xiàn)正態(tài)分布,因此,用于建模的數(shù)據(jù)質(zhì)量較好,符合建模要求。

圖3 Y與X3、X4、X5關(guān)系熱力圖Fig.3 Thermal map of relationship between Y and X3, X4 and X5

圖4 Y與X6、X7、X8關(guān)系熱力圖Fig.4 Thermal map of relationship between Y and X6, X7 and X8

2.1.2 變量之間共線性驗(yàn)證

共線性檢驗(yàn)就是根據(jù)各自變量與因變量之間是否存在共線性關(guān)系來進(jìn)行檢驗(yàn)。在分析某一變量與其自變量之間的關(guān)系時(shí),自變量過多會(huì)導(dǎo)致因變量系數(shù)不顯著,甚至出現(xiàn)自相關(guān)性。當(dāng)自變量與因變量之間不存在共線性,即每個(gè)自變量都可以由一個(gè)因變量來解釋,就必須要對這些變量進(jìn)行剔除。

為減少共線性變量帶來的運(yùn)算資源的浪費(fèi),接下來通過變量之間的相關(guān)性分析來篩選變量,根據(jù)斯皮曼爾相關(guān)系數(shù)等級(jí)理論可得知,當(dāng)兩變量之間的相關(guān)系數(shù)絕對值大于0.8時(shí),可以認(rèn)為兩變量相關(guān)性非常強(qiáng)烈,取其中一個(gè)變量即可。如表2所示,在需要建模的變量中,Y和X2之間的關(guān)聯(lián)性呈現(xiàn)正相關(guān)且關(guān)聯(lián)系數(shù)為0.39,是關(guān)聯(lián)系數(shù)最高的,但關(guān)聯(lián)度為弱相關(guān)。因此,數(shù)據(jù)之間不存在共線性,較為合理,可以直接用于建模。

表2 變量相關(guān)性

2.2 基于模型的誤差與權(quán)重分析

2.2.1 模型訓(xùn)練

文中主要使用sklearn庫來構(gòu)建Bayesian-Ridge模型,在20 432條樣本中把訓(xùn)練集和測試集的比例劃分為8∶2,從而對Bayesian-Ridge模型進(jìn)行訓(xùn)練,得到模型的均方誤差eMSE和決定系數(shù)R2。同時(shí),文中為更進(jìn)一步的比較,也對OLS模型進(jìn)行訓(xùn)練并得出eMSE和R2指數(shù),對兩個(gè)模型進(jìn)行對比,如圖5所示。從圖5中可以發(fā)現(xiàn),Bayesian-Ridge模型的R2指數(shù)高于OLS模型。同時(shí),兩個(gè)模型的eMSE值進(jìn)行比較,OLS模型的eMSE值為0.020 95,Bayesian-Ridge模型的eMSE值為0.020 944,最終得出采用OLS和Bayesian-Ridge模型對該數(shù)據(jù)進(jìn)行建模是合理的,且Bayesian-Ridge模型優(yōu)于OLS模型。

圖5 模型評(píng)價(jià)對比Fig.5 Comparison of model evaluation

2.2.2 權(quán)重分析

在已有模型基礎(chǔ)上對影響收益率因素的權(quán)重做進(jìn)一步分析,OLS模型和Bayesian-Ridge模型的變量權(quán)重對比,如圖6所示。OLS模型和Bayesian-Ridge模型對于變量權(quán)重的估計(jì)差別不大,但是Bayesian-Ridge由于對變量進(jìn)行一定的正則化要求,總體呈現(xiàn)將變量權(quán)重歸零化。因此變量權(quán)重分析方面更傾向于采用Bayesian-Ridge模型。

圖6 變量權(quán)重對比Fig.6 Comparison of variable weights

由圖6可知,經(jīng)營負(fù)債比率X1、國有持股比例X0和營業(yè)利潤率X2是最能影響企業(yè)凈資產(chǎn)收益率Y值估計(jì)的變量,權(quán)重系數(shù)分別為0.045,0.035和0.019。

同時(shí),有三個(gè)變量呈現(xiàn)出和企業(yè)凈資產(chǎn)收益率的顯著的反相關(guān)關(guān)系,分別是長期負(fù)債比率X3、資產(chǎn)負(fù)債率X5和所有者權(quán)益合計(jì)X8,其不會(huì)導(dǎo)致企業(yè)的收益率增長,反而會(huì)降低企業(yè)的收益率。

2.3 置信區(qū)間計(jì)算

通過上文分析得知對經(jīng)營負(fù)債比率X1、國有持股比例X0和營業(yè)利潤率X2對企業(yè)凈資產(chǎn)收益率影響最大。通過計(jì)算三個(gè)變量的置信區(qū)間,從而判斷對企業(yè)凈資產(chǎn)收益率是否顯著。三個(gè)變量的權(quán)重系數(shù)分別為0.045、0.035和0.019。同時(shí),通過Bayesian-Ridge模型計(jì)算出對應(yīng)的標(biāo)準(zhǔn)誤差分別為0.001 570 14、0.001 389 8、0.001 162 6。使用95%的置信水平,計(jì)算出三個(gè)變量的置信區(qū)間,如圖7所示。從圖7中發(fā)現(xiàn),三個(gè)變量的置信區(qū)間都大于0,說明對凈資產(chǎn)收益率的影響均顯著,證明經(jīng)營負(fù)債比率、國有持股比例和營業(yè)利潤率變量對凈資產(chǎn)收益率的影響是真實(shí)的且具有統(tǒng)計(jì)意義。

圖7 變量置信區(qū)間對比Fig.7 Comparison of variable confidence intervals

2.4 經(jīng)營負(fù)債比率回歸校驗(yàn)

為更加直觀得到經(jīng)營負(fù)債比率與凈資產(chǎn)收益率之間的趨勢,文中使用Bayesian-Ridge模型只針對經(jīng)營負(fù)債率和凈資產(chǎn)收益率兩個(gè)變量進(jìn)行擬合,從而進(jìn)一步的分析,擬合結(jié)果如表3所示。從表3中發(fā)現(xiàn),經(jīng)營負(fù)債比率X1對凈資產(chǎn)收益率的影響是顯著的,同時(shí)還可以得出經(jīng)營負(fù)債比率的變化對凈資產(chǎn)收益率的變化有影響。經(jīng)營負(fù)債比率上升,凈資產(chǎn)收益率預(yù)計(jì)下降。也說明經(jīng)營負(fù)債比率的增加預(yù)計(jì)會(huì)導(dǎo)致凈資產(chǎn)收益率的下降。

表3 經(jīng)營負(fù)債比率擬合

2.5 模型檢驗(yàn)

任何機(jī)器學(xué)習(xí)模型,校驗(yàn)都是一個(gè)重要的步驟。Bayesian-Ridge模型也同樣如此。通過校驗(yàn)?zāi)Ｐ?可以更好的評(píng)估其性能和適用性。由圖8邊緣似然函數(shù)圖像可知,數(shù)據(jù)在多次迭代的過程中不斷上升,最終達(dá)到完全的收斂。因此,基于上述數(shù)據(jù),采用Bayesian-Ridge模型分析是合理且行之有效的。

圖8 邊緣似然函數(shù)圖像Fig.8 Marginal likelihood function image

3 數(shù)據(jù)變量分析

通過訓(xùn)練Bayesian-Ridge模型獲取各個(gè)自變量對凈資產(chǎn)收益率的權(quán)重。通過權(quán)重的觀察,帶入Bayesian-Ridge模型的9個(gè)自變量中,經(jīng)營負(fù)債比率X1系數(shù)最大,為0.045,說明經(jīng)營負(fù)債率占比對企業(yè)經(jīng)營效益影響最大。另外國有持股比例和營業(yè)利潤率對收益率的權(quán)重占比也是很高。長期負(fù)債比率、資產(chǎn)負(fù)債率和所有者權(quán)益合計(jì)這三個(gè)變量呈現(xiàn)出和企業(yè)凈資產(chǎn)收益率顯著的負(fù)相關(guān)關(guān)系。其中,其中,長期負(fù)債比率對企業(yè)的凈資產(chǎn)收益率影響程度最大,也表明了企業(yè)長期負(fù)債率如果一直居高不下,很容易造成企業(yè)凈資產(chǎn)率的下滑。主營收入增長率、資產(chǎn)負(fù)債率、資產(chǎn)總計(jì)、總資產(chǎn)周轉(zhuǎn)率等影響因素也對凈資產(chǎn)收益率產(chǎn)生一定的影響,相對權(quán)重占比較小。

4 結(jié)論與建議

(1)經(jīng)營負(fù)債比率對凈資產(chǎn)收益率具有直接顯著負(fù)向影響,企業(yè)負(fù)債水平的提高對凈資產(chǎn)收益率會(huì)產(chǎn)生抑制作用,即企業(yè)負(fù)債比例的提升會(huì)降低企業(yè)所持資產(chǎn)的比例,進(jìn)而降低企業(yè)的凈資產(chǎn)收益率。數(shù)值分析來說,即每增加1單位的經(jīng)營負(fù)債比率,凈資產(chǎn)收益率預(yù)計(jì)會(huì)下降0.045個(gè)單位。

(2)國有股份占比對企業(yè)的凈資產(chǎn)收益率具有直接顯著正向影響,即國有持股比例上升對凈資產(chǎn)收益率產(chǎn)生積極影響。但其數(shù)值應(yīng)存在理論上限,該上限受企業(yè)自身發(fā)展?fàn)顩r和政策環(huán)境等因素影響,可以適度引入民營資本提升企業(yè)活力與創(chuàng)新能力,控制國有股份和民營股份占比比例。由于二者之間存在此消彼長的態(tài)勢,背后反映著利益層面的博弈,會(huì)在一定程度上爭奪企業(yè)主體控制權(quán)?；旄钠髽I(yè)中國有與民營會(huì)存在不適應(yīng)不協(xié)調(diào)的情況導(dǎo)致博弈的產(chǎn)生,博弈的劇烈程度取決于二者占比程度,這一比例應(yīng)當(dāng)在股權(quán)結(jié)構(gòu)比例點(diǎn)附近震蕩,因此側(cè)面驗(yàn)證X0變量的最優(yōu)解是各企業(yè)不相同的區(qū)間。

(3)營業(yè)利潤率對凈資產(chǎn)收益率的影響較大,關(guān)注企業(yè)的營業(yè)利潤率有助于提高凈資產(chǎn)收益率。由于對凈資產(chǎn)收益率的影響也是顯著的。提高營業(yè)利潤率可以對凈資產(chǎn)收益率產(chǎn)生積極影響。另外,長期負(fù)債比率、資產(chǎn)負(fù)債率和所有者權(quán)益合計(jì)與凈資產(chǎn)收益率呈現(xiàn)負(fù)相關(guān)。特別是長期負(fù)債比率對凈資產(chǎn)收益率的影響最為重要。在長期的企業(yè)改革過程中,降低長期負(fù)債比率有助于提高企業(yè)效益。

通過綜合考慮經(jīng)營負(fù)債比率、國有持股比例、營業(yè)利潤率以及長期負(fù)債比率和資產(chǎn)負(fù)債率等因素,采取相應(yīng)的改進(jìn)措施,煤炭企業(yè)可以提升凈資產(chǎn)收益率,增強(qiáng)企業(yè)的競爭力。煤炭企業(yè)在決策過程中需重點(diǎn)關(guān)注這些權(quán)重占比較大的因素,并制定相應(yīng)的戰(zhàn)略來實(shí)現(xiàn)企業(yè)的持續(xù)業(yè)績改善,最終不斷提升企業(yè)的凈資產(chǎn)收益率。

通過結(jié)論分析,提出以下幾點(diǎn)建議:

(1)在合理范圍內(nèi)減少煤炭企業(yè)負(fù)債,管控長期負(fù)債比率和資產(chǎn)負(fù)債率,降低財(cái)務(wù)風(fēng)險(xiǎn)。一是要適度舉債,保持合理現(xiàn)金流。合理預(yù)估償債能力,時(shí)刻關(guān)注流動(dòng)比率與速動(dòng)比率的指標(biāo)。二是要積極改善負(fù)債結(jié)構(gòu),采取多種手段減少負(fù)債。主動(dòng)剝離不良資產(chǎn),拓展融資渠道、改變?nèi)谫Y方式、債轉(zhuǎn)股、債務(wù)重組等推進(jìn)實(shí)現(xiàn)減少負(fù)債的目標(biāo)。三是要把開拓新產(chǎn)品、新市場、新領(lǐng)域作為利潤增長點(diǎn),構(gòu)建多元化生產(chǎn)投資體系。以產(chǎn)業(yè)扶貧為依托進(jìn)入現(xiàn)代農(nóng)業(yè)領(lǐng)域、建立煤炭產(chǎn)業(yè)技術(shù)研發(fā)中心實(shí)現(xiàn)產(chǎn)學(xué)研結(jié)合、加強(qiáng)創(chuàng)新投入發(fā)展煤炭清潔高效利用技術(shù)等,提升核心競爭力和營收水平,降低負(fù)債所帶來的經(jīng)營風(fēng)險(xiǎn)。

(2)構(gòu)建合理股權(quán)結(jié)構(gòu),優(yōu)化資源配置,合理引入民營股份增加企業(yè)活力。一是加強(qiáng)國有資產(chǎn)的監(jiān)管工作,減少國有資產(chǎn)流失。做好國有產(chǎn)權(quán)登記、評(píng)估以及國有股權(quán)轉(zhuǎn)移的監(jiān)控工作。二是適當(dāng)引入民營股份,統(tǒng)一共同的經(jīng)營目標(biāo),減少資源錯(cuò)配,提升企業(yè)活力。政府引導(dǎo)企業(yè)提高資本配置決策的科學(xué)性與嚴(yán)謹(jǐn)性,有效緩解國有企業(yè)資本錯(cuò)配問題,進(jìn)而實(shí)現(xiàn)提升凈資產(chǎn)收益率的目標(biāo)。

(3)提高煤炭企業(yè)營業(yè)利潤率。一是加強(qiáng)成本控制。煤炭企業(yè)可以依靠煤電一體化產(chǎn)業(yè)鏈整合上下游的業(yè)務(wù),通過多樣化的業(yè)務(wù)分配實(shí)現(xiàn)成本控制,從而提高營業(yè)利潤率。二是提高周轉(zhuǎn)率與銷售速率。制定合理的銷售計(jì)劃,加大市場開拓力度,擴(kuò)大銷售市場,外延式擴(kuò)張、兼并或注入資金等提高整體盈利能力。三是提升管理素質(zhì)。企業(yè)管理者可從提高安全生產(chǎn)、增加資源利用率、提高成本管理效率等部署企業(yè)的生產(chǎn)戰(zhàn)略,根據(jù)市場行情調(diào)整生產(chǎn)計(jì)劃,力爭把公司打造成為有國際競爭力的企業(yè)。