曹耀威，張友棠（博士生導師）

2015年12月，習近平總書記在中央經(jīng)濟工作會議提出“供給側(cè)結(jié)構(gòu)性改革”，開啟了中央新時期對國家經(jīng)濟發(fā)展的一次重大戰(zhàn)略部署的序幕?；猱a(chǎn)能風險是供給側(cè)改革的重要任務之一。解決產(chǎn)能過剩問題要從需求和供給兩個方面入手，不僅要優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、降低過剩產(chǎn)能，還要提高產(chǎn)品質(zhì)量、增加社會需求，進而逐步實現(xiàn)供求關(guān)系的動態(tài)平衡。由于市場經(jīng)濟形勢的波動和產(chǎn)業(yè)結(jié)構(gòu)的影響，微觀企業(yè)的產(chǎn)能過剩狀況會產(chǎn)生持續(xù)和積累的變化。因此，在供給側(cè)改革化解產(chǎn)能過剩風險的背景下，本文構(gòu)建基于供給與需求兩維度的企業(yè)產(chǎn)能過剩風險動態(tài)預警模型，及時、準確、快速地對產(chǎn)能過剩風險進行監(jiān)控，并采取相應的措施化解產(chǎn)能過剩風險，具有重要的理論和現(xiàn)實意義。

一、文獻回顧

1.產(chǎn)能過剩形成原因及測度。我國先后經(jīng)歷了三次大規(guī)模的產(chǎn)能過剩，最近的一次是2009年由全球金融危機所致的產(chǎn)能過剩。林毅夫[1]認為，在市場環(huán)境信息不對稱的情況下，若投資者對某一行業(yè)的前景看好，在高額利潤的誘導下，極易出現(xiàn)由過度投資引起的“潮涌現(xiàn)象”，從而導致產(chǎn)能過剩。蔡昉[2]提出供給側(cè)結(jié)構(gòu)性改革的主要任務是提高全要素生產(chǎn)率，中國“新常態(tài)”下經(jīng)濟下行的主要原因是全要素成產(chǎn)率增速放緩、生產(chǎn)要素供給制約引起的，消除過剩產(chǎn)能是遏制全要素增長率下降的重要著力點。余東華、呂逸楠[3]研究了政府不當干預與產(chǎn)能過剩之間的關(guān)系，政府通過財政補貼、政策引導、土地使用稅減免等政策來扭曲市場經(jīng)濟的規(guī)律、干預產(chǎn)業(yè)的發(fā)展，對企業(yè)產(chǎn)能過剩形成增益作用。郭曉蓓[4]利用經(jīng)營績效因子對我國鋼鐵行業(yè)進行實證分析，指出資本結(jié)構(gòu)、營運能力均與產(chǎn)能過剩顯著相關(guān)，加大財務杠桿、盈利能力下降都會加劇鋼鐵企業(yè)產(chǎn)能過剩。

產(chǎn)能利用率是實際產(chǎn)出與實際生產(chǎn)能力的比率，用其來衡量產(chǎn)能過剩存在不足，因為其只考慮了供給方面對產(chǎn)能過剩的影響。事實上企業(yè)的實際產(chǎn)出不僅受到供給沖擊的影響，同樣也受到需求沖擊的影響。齊紅倩等[5]從社會的實際產(chǎn)出與生產(chǎn)能力之間的差額入手，將全要素生產(chǎn)率分解為供給沖擊、需求沖擊和其他沖擊，在此基礎上對全要素生產(chǎn)率（TFP）進行測算。張皓等[6]提出產(chǎn)能過剩對企業(yè)TFP具有負向影響，即產(chǎn)能過剩越嚴重，全要素生產(chǎn)率越低。

2.產(chǎn)能過剩風險防控。雖然對于預警方法的研究已經(jīng)取得了豐富的成果，但學術(shù)界關(guān)于產(chǎn)能過剩預警的研究成果還較少。王興艷[7]初步建立了產(chǎn)能過剩指標體系，通過將指標體系進行總體、系統(tǒng)和變量的三層次分級，提出各層次指標對產(chǎn)能過剩的影響程度，進而明確建立產(chǎn)能過剩預警模型的思路和目標。韓國高等[8]構(gòu)建了鋼鐵行業(yè)的產(chǎn)能利用監(jiān)測預警系統(tǒng)，從五個方面選取11 個經(jīng)濟指標構(gòu)建了2000～2010年產(chǎn)能利用情況的預警監(jiān)測系統(tǒng)，并確定了預警界限。2012年1月，國務院發(fā)布的《工業(yè)轉(zhuǎn)型升級規(guī)劃（2011～2015）》，提出了鋼鐵、船舶等行業(yè)產(chǎn)能過剩的界定、預警及應對措施等非常迫切的研究課題。劉曄、葛維琦[9]科學界定了產(chǎn)能過剩的內(nèi)涵，從供給、需求、短期產(chǎn)能和未來可利用產(chǎn)能四個方面，提出了建立中國特色產(chǎn)能過剩評估指標體系及預警制度的基本思路，為建立我國產(chǎn)能過剩評估指標體系提供了借鑒和參考。王迪[10]將PSR模型運用到煤炭行業(yè)的產(chǎn)能評價中，運用綜合指數(shù)來監(jiān)測煤炭產(chǎn)能利用情況及波動幅度。王雙正[11]將鋼鐵行業(yè)產(chǎn)能過剩的成因分為需求不足、過度投資、供需不匹配和體制性因素，通過先行指標、同步指標和滯后指標來對鋼鐵行業(yè)產(chǎn)能過剩進行預測。

總體而言，現(xiàn)有文獻多是利用影響產(chǎn)能過剩的指標來構(gòu)建預警模型，進而達到預警產(chǎn)能過剩的目的。但對于樣本數(shù)據(jù)的時序處理缺乏重視，僅以靜態(tài)截面數(shù)據(jù)來進行產(chǎn)能過剩預警，未考慮產(chǎn)能風險狀態(tài)的時間連續(xù)性，忽略了風險漸進的過程。當今企業(yè)處在瞬息萬變的市場環(huán)境中，由于影響因素隨時間不斷變化，產(chǎn)能過剩的誘因也呈現(xiàn)出動態(tài)多變的趨勢，不考慮時間因素而單純以靜態(tài)形式進行產(chǎn)能風險預警已經(jīng)不能夠滿足企業(yè)化解產(chǎn)能風險的要求。因此必須建立有效的產(chǎn)能過剩動態(tài)預警機制，從根本上化解企業(yè)產(chǎn)能過剩危機。

3.基于Kalman 濾波的風險預警。Kalman 濾波算法是基于狀態(tài)空間模型來解決狀態(tài)估計問題，通過構(gòu)建目標時間序列狀態(tài)方程和觀測方程，利用Kalman濾波器對模型進行含噪音的目標預測估計。孫曉琳等[12]以英國和愛爾蘭180 家公司為樣本，通過Kalman濾波構(gòu)建財務危機的動態(tài)預警模型，證實了動態(tài)預警的優(yōu)越性。魯曉東等[13]提出財務預警三階段理論，用實證研究方法檢驗了Kalman濾波法在財務危機預測中的可行性。劉天等[14]利用離散Kalman 濾波法進行遞推樣本訓練，通過對預測值與真實值之間誤差的時間更新與觀測更新，來構(gòu)建最優(yōu)估計方程，進而解決以往預警模型忽略時間序列的問題。

鑒于此，本文在進行產(chǎn)能過剩動態(tài)風險預警研究時，運用Levinsohn、Petrin[15]提出的全要素生產(chǎn)率估計方法（簡稱“LP法”）來測算全要素生產(chǎn)率，作為產(chǎn)能過剩的代理變量。選取鋼鐵行業(yè)上市企業(yè)為樣本，從供給、需求兩個維度構(gòu)建“二維”產(chǎn)能過剩風險動態(tài)預警模型。運用Kalman濾波算法對產(chǎn)能過剩進行動態(tài)預警，以期為企業(yè)管理人員對公司產(chǎn)能風險的監(jiān)控和其他利益相關(guān)者的投資決策提供參考。

二、模型構(gòu)建

Kalman 濾波算法是基于狀態(tài)空間模型，利用狀態(tài)空間法描述目標的狀態(tài)，再建立目標的觀測模型，通過目標的狀態(tài)模型和觀測模型來利用Kalman 濾波器對目標進行參數(shù)辨識和狀態(tài)的估計。

1.狀態(tài)方程。狀態(tài)方程用于反映系統(tǒng)狀態(tài)的變化趨勢，就上市公司產(chǎn)能風險預警而言，其t+1時刻的產(chǎn)能風險狀況是由t時刻的產(chǎn)能風險狀況演變而來，但在演變的過程中可能會受到外部因素的影響，因此會產(chǎn)生預測過程中的噪聲。理想狀態(tài)下，這種噪聲應當為高斯白噪聲，因此構(gòu)建狀態(tài)方程的核心問題在于找到上市公司產(chǎn)能風險的演變路徑，并通過分析第t期的結(jié)果來預測t+1時期的產(chǎn)能風險狀態(tài)。公式（1）即為構(gòu)建的Kalman濾波狀態(tài)方程。

LP 法以對數(shù)形式的柯布—道格拉斯生產(chǎn)函數(shù)為基礎：

其中，Yt表示產(chǎn)出，Lt和Kt表示勞動和資本的投入，A 是全要素生產(chǎn)率TFP?？紤]到諸多影響因素，投入的勞動和資本不能充分被利用，進而使得實際產(chǎn)出小于實際生產(chǎn)能力。本文設Z和Zb分別為資本運作效率和勞動運作效率，由此可得實際生產(chǎn)函數(shù)為：

將式（3）進行對數(shù)處理：

代入公式（4）整理可得：

因此用生產(chǎn)函數(shù)對數(shù)形式殘差估計方法，最終估計出TFP值：

2.觀測方程。觀測方程是由可以直接觀測到的數(shù)據(jù)來計算樣本的實際值，運用與狀態(tài)方程之間的對應關(guān)系，通過實際值來對無法直接觀察的狀態(tài)變量進行判斷。供給側(cè)改革旨在通過調(diào)整經(jīng)濟結(jié)構(gòu)來達到化解產(chǎn)能風險的目的，在勞動力、土地、資本、制度創(chuàng)造和創(chuàng)新等方面實現(xiàn)要素的最優(yōu)配置。對于勞動力投入，不僅要提高勞動數(shù)量，而且要提升勞動力的專業(yè)技術(shù)水平，充分發(fā)揮企業(yè)家才能，進而提高全要素生產(chǎn)率。土地和資本是企業(yè)重要的生產(chǎn)資源，在生產(chǎn)技術(shù)創(chuàng)新的推動和經(jīng)濟政策的指引下，合理的土地供給和資本投入可以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提高產(chǎn)業(yè)和產(chǎn)品質(zhì)量，實現(xiàn)全要素生產(chǎn)率的有效提升。基于產(chǎn)能過剩的成因分析，本文遵循重要性、系統(tǒng)性、可獲得性的原則，從供給、需求兩個維度遴選影響全要素生產(chǎn)率的指標來構(gòu)建Kalman濾波觀測方程。

（1）供給維度。①勞動力方面，本文用企業(yè)高管的教育背景和員工人數(shù)來衡量企業(yè)勞動力。②資本方面，本文用企業(yè)規(guī)模作為衡量企業(yè)資本的代理變量。為了不與LP法對全要素生產(chǎn)率進行估計產(chǎn)生相關(guān)性問題，這里將企業(yè)凈資產(chǎn)、企業(yè)注冊年限和子公司數(shù)作為衡量企業(yè)規(guī)模的變量。③技術(shù)創(chuàng)新方面，本文用企業(yè)的發(fā)明專利數(shù)和研發(fā)人員數(shù)來衡量企業(yè)的技術(shù)創(chuàng)新水平。

（2）需求維度。需求即代表著對商品的最終需求，而最終產(chǎn)品是指被最終使用者購買并使用的產(chǎn)品或勞務。由投入產(chǎn)出理論可知，一個產(chǎn)業(yè)的產(chǎn)出即為另一個產(chǎn)業(yè)的投入，需求的擴張會增加企業(yè)的銷售額。因此本文用企業(yè)的銷售收入來衡量需求。

通過對供給維度和需求維度影響因素的分析，總結(jié)出全要素生產(chǎn)率的影響因素，如表1所示：

表1 Kalman濾波觀測方程TFP預警指標及定義

通過TFP 的狀態(tài)空間模型構(gòu)建Kalman 濾波的觀測方程：

3.Kalman濾波算法。Kalman濾波通過構(gòu)建時間序列的狀態(tài)空間模型來模擬系統(tǒng)的變化過程，在這一過程中需要構(gòu)建系統(tǒng)的狀態(tài)方程和觀測方程。

狀態(tài)方程：

觀測方程：

式中，X（k）是K 時刻的系統(tǒng)狀態(tài)，A 是系統(tǒng)參數(shù)。Z（k）是K時刻的測量值，H是測量系統(tǒng)的參數(shù)。U（k）和V（k）分別表示狀態(tài)和測量過程中的噪聲，假設協(xié)方差分別為Q和R。

構(gòu)建系統(tǒng)的狀態(tài)空間方程后，通過預測值與實際值之間的誤差，對狀態(tài)空間方程進行迭代更新：

第一步，預測現(xiàn)在的狀態(tài)：

第二步，協(xié)方差更新：

第三步，計算卡爾曼增益：

第四步，測量值更新：

第五步，協(xié)方差預測：

通過上述五步迭代，狀態(tài)空間方程都會基于上一期的預測結(jié)果進行修正。在修正的過程中，主要是協(xié)方差和卡爾曼增益根據(jù)誤差情況而不斷進行動態(tài)調(diào)整，進而使得每一期狀態(tài)空間方程都發(fā)生變化，減少預測值與實際值之間的誤差，提高預測值的準確度，最終達到預警防控的作用。

根據(jù)Kalman濾波狀態(tài)空間模型的特征，構(gòu)建企業(yè)產(chǎn)能風險動態(tài)預警狀態(tài)空間模型。

上式中，X（t）表示t時刻TFP的狀態(tài)變量，由模型（1）所得；Z（t）表示t 時刻TFP 的實際值，由模型（7）通過回歸而得。

三、模型的效果檢驗

1.樣本及數(shù)據(jù)選取。本文以2010～2018年全行業(yè)樣本數(shù)據(jù)來檢驗Kalman濾波觀測方程的有效性，同時選取2010～2018年具有代表性的A股鋼鐵上市公司為樣本，以檢驗Kalman 濾波的預測效應。我國鋼鐵行業(yè)由于過度投資存在嚴重的產(chǎn)能過剩問題，對其行業(yè)進行產(chǎn)能過剩防控研究具有重大的實際意義。本文選取的樣本數(shù)據(jù)均來自CSMAR、巨潮數(shù)據(jù)庫，剔除了金融類、ST、?ST 和相關(guān)數(shù)據(jù)缺失的樣本?？紤]到極端值的影響，本文對樣本指標進行5%的Winsorze 縮尾處理，最終得到1056 家全行業(yè)上市公司和16家鋼鐵上市公司。本文選用的統(tǒng)計軟件為Stata 12.0，Kalman 濾波模型通過MATLAB 軟件實現(xiàn)。

2.實證結(jié)果分析。公式（7）以全行業(yè)作為樣本，得到擬合度為0.9097 的回歸結(jié)果，觀測方程的測度效果得到有效驗證。2010～2018年16家鋼鐵上市公司的TFP 實際值以及Kalman 濾波得到的TFP 預測值如表2所示。

檢驗結(jié)果顯示，樣本企業(yè)TFP 的實際值和Kalman 濾波預測值之間的差值平均值為-0.024，標準誤差值為0.153，表明整體誤差保持在較低的水平上。這說明16 家鋼鐵上市企業(yè)通過Kalman 濾波模型能夠?qū)ζ髽I(yè)的TFP進行比較準確的預測。

四、產(chǎn)能風險案例分析

在驗證Kalman 濾波算法對全要素生產(chǎn)率具有較好預測功能的基礎上，為了深入分析產(chǎn)能風險的成因及其防控對策，本文在16家鋼鐵上市企業(yè)中選取南鋼股份（600282）、包鋼股份（600010）和八一鋼鐵（600581）三家企業(yè)的TFP值進行預測分析。

本文以觀測方程計算得到的全要素生產(chǎn)率平均值作為產(chǎn)能過剩的預警臨界值：

計算得到TFP 為15.98，當企業(yè)的TFP 大于15.98 時，說明企業(yè)不存在產(chǎn)能過剩風險；當企業(yè)TFP小于15.98時，表明企業(yè)處于產(chǎn)能過剩的風險狀態(tài)中，需要采取相應的措施化解產(chǎn)能過剩問題。

樣本企業(yè)TFP預測圖

通過上圖可知，三家企業(yè)在2010～2015年間的TFP值都呈現(xiàn)出震蕩下降的趨勢，并在2016年達到了統(tǒng)計的最低值。受到2015年提出的供給側(cè)改革去產(chǎn)能政策的重大影響，三家樣本企業(yè)的TFP 值在2016年后都出現(xiàn)明顯的反彈。而2019年的預測結(jié)果顯示，三家樣本企業(yè)呈現(xiàn)出不同的結(jié)果，具體分析如下。

1.南鋼股份（600282）。南鋼股份的主營業(yè)務為運輸管線鋼材。從供給維度分析，2010～2016年間企業(yè)的資產(chǎn)總額呈現(xiàn)超過三倍的增長，企業(yè)的專利獲取數(shù)也保持良好的增長趨勢，企業(yè)的員工人數(shù)沒有出現(xiàn)大幅變化。從需求維度分析，企業(yè)營業(yè)收入保持著小幅下降的趨勢。雖然企業(yè)擴大了生產(chǎn)規(guī)模，但企業(yè)保持著較高的研發(fā)能力，在企業(yè)營業(yè)收入出現(xiàn)小幅下降的情況下，南鋼股份2010～2016年間的TFP值呈現(xiàn)出小幅下降趨勢，并在2014年TFP值下降到產(chǎn)能風險的預警臨界值，說明企業(yè)存在產(chǎn)能風險。

Kalman濾波預測顯示，企業(yè)在2019年間的TFP值將呈下降趨勢。經(jīng)過對行業(yè)環(huán)境分析可知，在經(jīng)歷2016～2018年TFP 持續(xù)增長后，企業(yè)會由于運輸管線鋼材需求的調(diào)整而呈現(xiàn)階段性TFP值下降趨勢。

2.包鋼股份（600010）。包鋼股份是主營黑色金屬及延壓加工產(chǎn)品的企業(yè)。從供給維度分析，2010～2016年期間，包鋼股份的資產(chǎn)總額不斷升高，企業(yè)員工人數(shù)相比2009年有近三倍增長，但企業(yè)的專利獲取數(shù)沒有太大的變化。從國務院發(fā)展研究中心獲取的行業(yè)景氣指數(shù)可以看出，受2008年美國次貸危機的影響，鋼鐵行業(yè)的景氣指數(shù)在2010～2016年間持續(xù)下降。在行業(yè)景氣指數(shù)下行階段，包鋼股份卻持續(xù)地擴大生產(chǎn)規(guī)模，進而導致企業(yè)TFP值持續(xù)降低。從需求維度分析，2010～2015年期間，銷售收入的減少直接反映出市場需求的減少，進而導致企業(yè)TFP 的下降，并在2014年后出現(xiàn)產(chǎn)能過剩風險問題。

受供給側(cè)結(jié)構(gòu)性改革去產(chǎn)能政策的影響，國家對公共設施投入的增加和去產(chǎn)能政策的實施，使得2016年后企業(yè)的TFP 值持續(xù)提升，Kalman 濾波預測2019年包鋼股份TFP值將繼續(xù)提升。究其原因，國家對基礎設施建設的投入持續(xù)增加，市場對黑色金屬和延壓加工產(chǎn)品的需求增加，進而使得企業(yè)的TFP 值保持平穩(wěn)增長。

3.八一鋼鐵（600581）。八一鋼鐵的主營業(yè)務為鐵絲、汽車鋼板和碳鋼焊條。從供給維度分析，2009～2015年企業(yè)的總資產(chǎn)持續(xù)增長，投資規(guī)模不斷擴大，受到行業(yè)不景氣的影響，企業(yè)的TFP值持續(xù)下降。從需求維度分析，受到國家加大污染防控力度和內(nèi)需不足的影響，2011～2016年間企業(yè)TFP值呈下降趨勢，并在2014年出現(xiàn)產(chǎn)能過剩風險問題。

Kalman 濾波預測出企業(yè)在2019年的TFP 值相比2018年呈現(xiàn)較小變化。根據(jù)企業(yè)的生產(chǎn)狀況分析，雖然鐵絲和鋼鐵焊條需求略微下降，但新能源汽車需求的增長使得八一鋼鐵的產(chǎn)品需求持續(xù)增長，因此2019年的TFP值相比2018年變化不大。

從整體的預測結(jié)果可以看出，包鋼股份、南鋼股份和八一鋼鐵雖然受國家宏觀政策和企業(yè)產(chǎn)業(yè)調(diào)整的影響，企業(yè)的TFP 值有所提升，但受市場大環(huán)境不景氣的抑制，三家企業(yè)的TFP值在2016年前總體呈現(xiàn)下降趨勢。2016年《國務院關(guān)于鋼鐵行業(yè)化解過剩產(chǎn)能實現(xiàn)脫困發(fā)展的意見》的頒布，最主要的作用就是嚴禁鋼鐵行業(yè)新增產(chǎn)能，由此，2016年成為化解鋼鐵行業(yè)產(chǎn)能風險的轉(zhuǎn)折點。三家企業(yè)在2016年后的全要素生產(chǎn)率都表現(xiàn)出明顯的反彈之勢。由于企業(yè)主要生產(chǎn)產(chǎn)品受市場需求變化影響，三家企業(yè)2019年的TFR預測值呈現(xiàn)出不同的變化趨勢：寶鋼股份預測出的TFP 強勢提升看，南鋼股份表現(xiàn)出后勁不足的趨勢，八一鋼鐵TFP 的預測值則表現(xiàn)得更為平穩(wěn)。

五、建議

1.以需求為起點，發(fā)揮市場倒逼作用。市場經(jīng)濟的自發(fā)調(diào)節(jié)會讓企業(yè)為了適應市場變化而改變生產(chǎn)經(jīng)營管理方式。企業(yè)生產(chǎn)要根據(jù)市場需求進行結(jié)構(gòu)調(diào)整，采用按需生產(chǎn)的經(jīng)營模式。通過深化供給側(cè)改革，可以加強優(yōu)質(zhì)商品供給、減少同質(zhì)低端商品產(chǎn)出。企業(yè)在生產(chǎn)過程中要提升靈活性和應變能力，及時調(diào)整企業(yè)的生產(chǎn)經(jīng)營結(jié)構(gòu)，緩解市場需求突變給企業(yè)生產(chǎn)帶來的沖擊。

2.以供給為起點，提高產(chǎn)品創(chuàng)新質(zhì)量水平。要牢牢把握“質(zhì)量第一”這一宗旨，正確全面地理解質(zhì)量觀念，提高企業(yè)的自主創(chuàng)新能力和可持續(xù)發(fā)展能力，深化產(chǎn)品結(jié)構(gòu)調(diào)整，加大高附加值產(chǎn)品的研發(fā)力度，優(yōu)化我國粗放低端的生產(chǎn)模式。嚴控過度投資和擴大行業(yè)規(guī)模，執(zhí)行嚴格的行業(yè)準入政策，在提高產(chǎn)品質(zhì)量的同時防止產(chǎn)品產(chǎn)量過剩。

3.加強行業(yè)數(shù)據(jù)綜合開發(fā)和信息資源共享。產(chǎn)能過剩也與相關(guān)部門數(shù)據(jù)統(tǒng)計口徑、計算頻度、信息來源及發(fā)布的時間密切相關(guān)。應加大行業(yè)數(shù)據(jù)綜合開發(fā)力度、擴大信息資源共享范圍，在控制“潮涌現(xiàn)象”的同時引領(lǐng)企業(yè)合理地組織生產(chǎn)，降低同質(zhì)化低端產(chǎn)品過剩產(chǎn)量，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，進而化解產(chǎn)能過剩風險。

4.充分發(fā)揮政府的引導作用。政府應該充分發(fā)揮引導作用，正確處理市場、國企、民企之間的關(guān)系，注重長遠性和實效性，加強政策銜接和配套，完善企業(yè)去產(chǎn)能的激勵約束機制，加大監(jiān)督力度，警惕產(chǎn)能過剩問題死灰復燃。