亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Super-SBM和Logit模型的人工智能產(chǎn)業(yè)融資效率及影響因素研究

        2020-07-01 11:31:38
        關(guān)鍵詞:融資人工智能效率

        (長春金融高等專科學(xué)校會計學(xué)院,長春 130028)

        引 言

        隨著新一代信息技術(shù)呈現(xiàn)爆發(fā)式增長,人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)應(yīng)用不斷普及,形成了新一輪工業(yè)革命的主要驅(qū)動力,深刻改變了以往的資源配置方式、生產(chǎn)組織方式和價值創(chuàng)造方式。人工智能產(chǎn)業(yè)已成為推動經(jīng)濟(jì)社會發(fā)展的助推器,發(fā)達(dá)國家紛紛將人工智能作為國家戰(zhàn)略。美國于2016年5月成立人工智能委員會,著力發(fā)展能夠為美國人民服務(wù)的人工智能,確保美國在人工智能領(lǐng)域的優(yōu)勢地位。韓國將人工智能作為重點發(fā)展的五大關(guān)鍵領(lǐng)域之一。日本制定了人工智能綜合發(fā)展計劃。我國政府出臺了 《中國制造2025》、《新一代人工智能發(fā)展規(guī)劃》、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃 (2018~2020)》等政策[1],各地方政府也紛紛出臺政策、規(guī)劃和建設(shè)人工智能產(chǎn)業(yè)園區(qū),這些舉措為人工智能產(chǎn)業(yè)發(fā)展創(chuàng)造了良好的發(fā)展環(huán)境,有力地促進(jìn)人工智能產(chǎn)業(yè)發(fā)展,使人工智能產(chǎn)業(yè)規(guī)模日益壯大,正在成為制造業(yè)集群轉(zhuǎn)型和升級的核心推動力。與此同時,人工智能產(chǎn)業(yè)的融資需求旺盛,《2019中國人工智能產(chǎn)業(yè)投融資白皮書》數(shù)據(jù)顯示,2018年國內(nèi)人工智能領(lǐng)域的總體融資規(guī)模達(dá)到1189億元,但2019年前3季度人工智能領(lǐng)域的融資規(guī)模僅為577億元,融資能力不足難以支撐人工智能產(chǎn)業(yè)項目商業(yè)化和應(yīng)用推廣,資金問題已成為制約人工智能產(chǎn)業(yè)發(fā)展瓶頸。當(dāng)前,我國人工智能產(chǎn)業(yè)仍處于發(fā)展初期階段,融資速度快,但融資效率普遍較低[2],這為產(chǎn)業(yè)升級帶來一定挑戰(zhàn)。為此,深入研究人工智能產(chǎn)業(yè)的融資效率和影響人工智能產(chǎn)業(yè)融資效率的因素,對于滿足人工智能產(chǎn)業(yè)融資需求、促進(jìn)人工智能產(chǎn)業(yè)健康發(fā)展具有重要的理論價值和現(xiàn)實意義。

        1 相關(guān)文獻(xiàn)綜述

        人工智能產(chǎn)業(yè)作為新興的產(chǎn)業(yè)領(lǐng)域,其融資環(huán)境與融資效率對產(chǎn)業(yè)發(fā)展具有先導(dǎo)性影響,當(dāng)前國內(nèi)外學(xué)者對人工智能產(chǎn)業(yè)融資效率的研究仍處于初期,相關(guān)成果還不多,但由于人工智能產(chǎn)業(yè)也屬于高新技術(shù)產(chǎn)業(yè),學(xué)者們對高新技術(shù)產(chǎn)業(yè)、戰(zhàn)略性新興產(chǎn)業(yè)等領(lǐng)域融資效率相關(guān)成果可以為本文提供參考。

        在人工智能產(chǎn)業(yè)融資問題研究中,學(xué)者認(rèn)為人工智能產(chǎn)業(yè)屬于高新技術(shù)產(chǎn)業(yè),面臨著技術(shù)創(chuàng)新風(fēng)險和市場化難點,初創(chuàng)企業(yè)存在著較大的融資難題。耿成軒等 (2019)認(rèn)為人工智能產(chǎn)業(yè)的發(fā)展需要耗費巨大的資金成本用于基礎(chǔ)設(shè)施、人力資源和數(shù)據(jù)開發(fā),需要優(yōu)化融資生態(tài),完善融資服務(wù)體系,提升企業(yè)資金配置效率,不斷拓寬企業(yè)的融資渠道,進(jìn)而為產(chǎn)業(yè)發(fā)展提供有效的資金支持[1]。劉俊文和于洪 (2019) 指出吉林省人工智能企業(yè)面臨著外源性融資渠道不暢、企業(yè)貸款覆蓋率低等問題,由于初創(chuàng)企業(yè)的規(guī)模小、融資成本高、銀行審批流程復(fù)雜,導(dǎo)致企業(yè)難以獲得充足的資金用于支撐企業(yè)發(fā)展[3]。Dirk Czarnitzki(2006)對德國制造業(yè)中小企業(yè)研發(fā)活動的融資約束問題進(jìn)行了實證研究,結(jié)果發(fā)現(xiàn)公共研發(fā)資金的供應(yīng)差異對企業(yè)的融資約束具有影響,政府補貼研發(fā)經(jīng)費過高的情況下容易導(dǎo)致企業(yè)研發(fā)活動面臨金融市場機(jī)制失靈[4]。金輝 (2019)指出我國人工智能產(chǎn)業(yè)具有廣闊發(fā)展空間,產(chǎn)業(yè)鏈生態(tài)不斷完善,行業(yè)應(yīng)用領(lǐng)域日趨成熟,具有較強的并購整合需求和多樣化的融資需求,可以采用股權(quán)融資、投貸聯(lián)動、企業(yè)并購整合和跨國業(yè)務(wù)合作以及創(chuàng)新信貸模式等方式支持人工智能龍頭企業(yè)發(fā)展[5]。

        在融資效率評價與測度研究中,學(xué)術(shù)界對融資效率測度的方法主要有模糊綜合評價方法 (魏開文, 2001)[6]、 灰色關(guān)聯(lián)評價方法 (伍裝, 2005)[7]、層次分析與模糊評價相結(jié)合 (王平,2006)[8]以及數(shù)據(jù)包絡(luò)分析 (Data Envelopment Analysis,簡稱DEA)方法等。模糊綜合評價、灰色關(guān)聯(lián)等傳統(tǒng)研究方法在指標(biāo)選取和權(quán)重計算上具有一定的主觀性,而DEA方法無需主觀確定權(quán)重、能夠衡量多輸入多輸出的多目標(biāo)決策問題,近年來學(xué)者們更多采用DEA方法評價融資效率。如劉超等運用DEA-Tobit方法對我國人工智能上市公司的融資效率進(jìn)行測度,研究發(fā)現(xiàn)人工智能產(chǎn)業(yè)融資效率不高,大多數(shù)企業(yè)未達(dá)到效率最優(yōu)狀態(tài),主要原因在于規(guī)模效率較低[2]。李京文等 (2014) 運用DEA方法測算了北京市戰(zhàn)略性新興產(chǎn)業(yè)51家上市公司的融資效率,實證結(jié)果顯示2011~2013年樣本企業(yè)的融資效率整體較低,主要與技術(shù)進(jìn)步水平下降有關(guān)[9]。呂巖威和孫慧 (2013) 采用隨機(jī)前沿生產(chǎn)函數(shù)模型對我國不同地區(qū)的戰(zhàn)略性新興產(chǎn)業(yè)的技術(shù)效率進(jìn)行了測度[10]。熊正德等(2014)運用兩階段關(guān)聯(lián)網(wǎng)絡(luò)DEA方法對戰(zhàn)略性新興產(chǎn)業(yè)新能源汽車行業(yè)上市公司的債權(quán)融資效率進(jìn)行分析,分別測度了債權(quán)籌資階段和配置階段的融資效率,實證結(jié)果表明債權(quán)籌資效率相對較低導(dǎo)致產(chǎn)業(yè)總體融資效率低下[11]。

        縱觀國內(nèi)外相關(guān)文獻(xiàn),對于人工智能產(chǎn)業(yè)的相關(guān)研究尚屬萌芽,而效率是產(chǎn)出與投入之比,體現(xiàn)的是以最少的成本實現(xiàn)最大限度的產(chǎn)出[12]。DEA方法雖然能夠克服系統(tǒng)誤差,避免主觀性,但由于其將評價系統(tǒng)視為 “黑箱”,難以有效反映不同指標(biāo)對評價對象的影響程度,基于此,為了全面反映人工智能產(chǎn)業(yè)企業(yè)獲取資金的難易程度以及企業(yè)在生產(chǎn)運營過程中對資金的配置效率,本文在已有研究基礎(chǔ)上,綜合運用Super-SBM和Logit模型方法測度我國人工智能產(chǎn)業(yè)融資效率,并對影響人工智能產(chǎn)業(yè)融資效率的因素進(jìn)行分析。

        2 融資效率模型的構(gòu)建與變量選擇

        2.1 基于Super-SBM的融資效率模型

        目前大多數(shù)學(xué)者在進(jìn)行融資效率問題研究時采用數(shù)據(jù)包絡(luò)分析 (DEA)方法,選用的模型主要有CCR和BCC兩種,該方法雖然克服了參數(shù)估計法系統(tǒng)誤差大的不足,但并未對輸入和輸出指標(biāo)的 “松弛”變化的影響進(jìn)行分析,為了解決該問題,Tone在進(jìn)行效率評價時,構(gòu)建了SBM模型,對松弛變量進(jìn)行效率評價,解決了傳統(tǒng)DEA模型中無效率評價含有松弛變量的問題,為了解決多個效率為1的DMU效率排序難的問題,Tone對SBM模型改進(jìn)形成Super-SBM模型[13],該模型的決策單元效率值可以大于或等于1,表達(dá)形式為:

        式中,n代表人工智能公司 (DMU)的數(shù)量,X代表每個DMU的投入要素向量,Y代表每個DMU的產(chǎn)出要素向量,ρ代表融資效率值,m代表投入要素指標(biāo)個數(shù),k代表產(chǎn)出要素指標(biāo)個數(shù),代表投入要素的松弛變量,代表產(chǎn)出要素的松弛變量,λ代表列向量。

        目前,針對融資效率投入和產(chǎn)出指標(biāo)的選取主要包括生產(chǎn)法、中介法、資產(chǎn)法3種[2],本文根據(jù)科學(xué)性、完整性和可操作性的原則選取了投入指標(biāo)和產(chǎn)出指標(biāo),其中投入指標(biāo)有3個: (1)總資產(chǎn):該指標(biāo)代表公司的整體規(guī)模,與融資規(guī)模成正比,反映了融資規(guī)模大??;(2)資產(chǎn)負(fù)債率:該指標(biāo)代表公司的資本結(jié)構(gòu)。融資結(jié)構(gòu)理論指出,經(jīng)營風(fēng)險較小的公司可以適當(dāng)?shù)奶岣哔Y產(chǎn)負(fù)債率獲得較高的利潤,正面效應(yīng)大于負(fù)面影響,而經(jīng)營風(fēng)險較大的企業(yè)提高資產(chǎn)負(fù)債率則會產(chǎn)生較大的風(fēng)險,負(fù)面影響大于正面效應(yīng);(3)營業(yè)總成本:該指標(biāo)代表企業(yè)經(jīng)營成本,成本與利潤成反比,反映了公司對資金的利用能力。

        產(chǎn)出指標(biāo)3個:(1)凈資產(chǎn)收益率:該指標(biāo)定義為利潤額與平均股東權(quán)益的比值,代表單位自有資本的收益能力,同時也反映了融資的收益;(2)總資產(chǎn)周轉(zhuǎn)率:該指標(biāo)定義為營業(yè)收入與年平均資產(chǎn)總額的比值。代表公司資本的流轉(zhuǎn)速度,體現(xiàn)了公司的資本利用效率和管理質(zhì)量,與資金利用效率成正比;(3)主營業(yè)務(wù)收入增長率:該指標(biāo)用于判斷公司所處的成長階段,用于判斷公司成長能力。

        2.2 Logit模型

        Logit模型由Warner于20世紀(jì)60年代首次引用到經(jīng)濟(jì)領(lǐng)域,隨后學(xué)者們在多個領(lǐng)域?qū)υ撃P瓦M(jìn)行拓展,該模型通過建立解釋變量和被解釋變量之間的關(guān)系,估算被解釋變量的概率分布,廣泛應(yīng)用于解決二元離散性選擇問題,Logit模型的一般表達(dá)式為:

        式中Y?和Xi分別代表被解釋變量和解釋變量,βi為待估系數(shù),μi為隨機(jī)誤差項。本文通過分析人工智能產(chǎn)業(yè)融資效率的影響因素,建立基于Logit方法的離散的二元模型,以Super-SBM模型測算的人工智能產(chǎn)業(yè)融資效率作為被解釋變量,當(dāng)P≥1時,被解釋變量值為1,當(dāng)P<1時,被解釋變量的值為0,在選擇解釋變量時先分析了人工智能產(chǎn)業(yè)融資效率的影響因素,做出如下假設(shè):

        假設(shè)1:債權(quán)融資與人工智能產(chǎn)業(yè)上市公司的融資效率有正相關(guān)性。融資效率受到平均資本成本的影響,平均資本成本受到資本結(jié)構(gòu)和融資方式的影響,公司融資方式有債權(quán)和股權(quán)融資兩種,本文選取資產(chǎn)負(fù)債率這一債權(quán)融資指標(biāo)來反映公司的融資結(jié)構(gòu)。

        假設(shè)2:企業(yè)的盈利能力與人工智能產(chǎn)業(yè)上市公司的融資效率有正相關(guān)性。企業(yè)的償債能力受到盈利能力的影響,因此盈利能力強的企業(yè)更容易獲得債權(quán)融資。企業(yè)的盈利能力越強,企業(yè)內(nèi)部資金越充裕,內(nèi)部融資的成本相對較低,財務(wù)風(fēng)險也就相對較低,同時盈利能力強的企業(yè)通過向市場傳達(dá)信息,有利于進(jìn)行股權(quán)融資,本文選取凈資產(chǎn)收益率這一指標(biāo)衡量企業(yè)盈利能力。

        假設(shè)3:企業(yè)的成長能力與人工智能產(chǎn)業(yè)上市公司的融資效率有正相關(guān)性。成長性與盈利有一定相關(guān)性,但是并不意味著成長性較高的企業(yè)盈利能力強。一般來講,高成長能力的企業(yè)相比低成長性企業(yè)的融資方式選擇較多,融資效率相對較高。本文選取營業(yè)收入增長率這一指標(biāo)反映企業(yè)成長能力。

        3 實證研究

        3.1 數(shù)據(jù)來源及數(shù)據(jù)處理

        本文選取了國內(nèi)35家人工智能企業(yè)2012~2018年財務(wù)報表數(shù)據(jù)為研究樣本,數(shù)據(jù)來源于國泰安、Wind資訊等數(shù)據(jù)庫以及上市公司年報,樣本數(shù)量大于指標(biāo)數(shù)量的2倍,滿足Super-SBM模型研究的需要。

        在數(shù)據(jù)應(yīng)用過程中,為了滿足運算需要,對數(shù)據(jù)進(jìn)行無量綱處理,具體如下:

        3.2 融資效率的整體評價

        2012~2018 年我國35家人工智能企業(yè)融資效率計算結(jié)果如表1所示。

        表1 2012~2018年人工智能產(chǎn)業(yè)企業(yè)融資效率測算值

        從表1中可以看出,我國人工智能產(chǎn)業(yè)的整體融資效率不高,大部分處于非效率狀態(tài)。從2012~2018年各企業(yè)的平均融資效率值可以看出,僅有高樂股份1家公司的平均融資效率大于1,為1.2076,占樣本企業(yè)的2.86%;僅有和而泰1家企業(yè)的平均融資效率大于0.9且小于1,占樣本企業(yè)的2.86%;有17家公司的平均融資效率在0.8~0.9之間,占樣本企業(yè)的48.57%;16家公司的平均融資效率在0.8~0.9之間,占樣本企業(yè)的45.71%。具體而言,2012年,和而泰和四川長虹2家公司融資效率達(dá)到有效;2013年,和而泰和康力電梯2家公司融資效率達(dá)到有效;2014年,巨星科技、浙大網(wǎng)新、東方通、同花順和江南化工5家公司融資效率達(dá)到有效;2015年,巨星科技、驊威文化、同花順、恒生電子、遠(yuǎn)大智能、藍(lán)色光標(biāo)和佳訊飛鴻7家公司融資效率達(dá)到有效;2016年,高樂股份和江南化工2家公司融資效率達(dá)到有效;2017年,高樂股份和浙大網(wǎng)新2家公司融資效率達(dá)到有效;2018年,高樂股份、浙大網(wǎng)新和東方網(wǎng)力3家公司融資效率達(dá)到有效。這說明大部分人工智能產(chǎn)業(yè)企業(yè)需要進(jìn)一步拓寬融資渠道,優(yōu)化融資結(jié)構(gòu),提升融資效率。

        3.3 融資效率影響因素分析

        本文利用Eviews8.0對2012~2018年人工智能產(chǎn)業(yè)上市公司融資效率進(jìn)行Logit分析,得到計算模型如下:

        Y?=-0.1824DA+0.0045IRBR+0.3387ROE(8)

        式中:DA代表資產(chǎn)負(fù)債率,IRBR代表營業(yè)收入增長率,ROE代表凈資產(chǎn)收益率。

        對模型進(jìn)行H-L Statistic檢驗,得到卡方值為6.5728,P值為0.8725,大于5%,在統(tǒng)計學(xué)意義上不能拒絕模型擬合良好的原假設(shè)。DA、IRBR和ROE變量的z檢驗的P值分別為0.0128、0.0386和0.0087,均小于5%顯著性水平,表明在2012~2018年,資產(chǎn)負(fù)債率、營業(yè)收入增長率和凈資產(chǎn)收益率對人工智能產(chǎn)業(yè)上市公司融資效率具有顯著影響。

        對模型8進(jìn)行分析可知,DA的系數(shù)為負(fù)值,說明在其他內(nèi)外部環(huán)境保持穩(wěn)定的前提下,資產(chǎn)負(fù)債率與人工智能產(chǎn)業(yè)上市公司的融資效率呈負(fù)向關(guān)系,資產(chǎn)負(fù)債率越低,公司融資效率越高。盡管適當(dāng)?shù)呢?fù)債能夠提高企業(yè)的價值,但是由于當(dāng)前人工智能產(chǎn)業(yè)的融資渠道相對較窄,過度的舉債會降低企業(yè)競爭力,因此資產(chǎn)負(fù)債率應(yīng)該控制在合理范圍內(nèi)。IRBR的系數(shù)為正值,說明在其他內(nèi)外部環(huán)境保持穩(wěn)定的前提下,企業(yè)的盈利能力與人工智能產(chǎn)業(yè)上市公司的融資效率呈正向關(guān)系,企業(yè)盈利能力越強,則融資效率越高,具有較高盈利能力的企業(yè)具有較強的內(nèi)部融資能力,相比債券融資和股權(quán)融資,內(nèi)部融資在資金到位效率和融資成本上優(yōu)勢明顯,對提高融資效率具有重要作用。ROE的系數(shù)為正值,說明在其他內(nèi)外部環(huán)境保持穩(wěn)定的前提下,企業(yè)的成長能力與人工智能產(chǎn)業(yè)上市公司的融資效率呈正向關(guān)系,企業(yè)的成長能力越強,公司融資效率越高。人工智能產(chǎn)業(yè)屬于高新技術(shù)產(chǎn)業(yè),技術(shù)能力越強的企業(yè),往往具有較強的核心競爭力,對獲取資本市場的支持、吸引投資具有較大的吸引力。因此在公司進(jìn)行融資過程中可供選擇的融資方式較多,融資成本相對較低,融資效率相對較高。

        4 結(jié)論與啟示

        本文利用Super-SBM模型對我國35家人工智能上市企業(yè)2012~2018年融資效率進(jìn)行實證分析,采用Logit模型對融資效率的影響因素進(jìn)行分析,得到以下結(jié)論:(1)我國人工智能產(chǎn)業(yè)處于產(chǎn)業(yè)生命周期的起步階段,資本配置率的整體水平相對較低,企業(yè)的融資效率可提升空間較大;(2)資產(chǎn)負(fù)債率、企業(yè)的盈利能力和企業(yè)的成長能力對人工智能產(chǎn)業(yè)上市公司的融資效率具有顯著影響。在其他內(nèi)外部環(huán)境穩(wěn)定的前提下,資產(chǎn)負(fù)債率越低、企業(yè)的盈利能力和企業(yè)的成長能力越強,融資效率越高。

        人工智能產(chǎn)業(yè)對促進(jìn)我國經(jīng)濟(jì)轉(zhuǎn)型升級具有重要推動作用,針對當(dāng)前人工智能產(chǎn)業(yè)融資效率整體偏低的問題,應(yīng)結(jié)合實際情況,優(yōu)化融資環(huán)境,提升企業(yè)自身競爭力,拓寬融資渠道,提高資金配置效率,提升融資效率。(1)優(yōu)化融資環(huán)境,滿足人工智能企業(yè)多元化融資需求。在政策環(huán)境上,各級政府在稅收和政策上對人工智能產(chǎn)業(yè)給予傾斜,立足人工智能產(chǎn)業(yè)快速發(fā)展階段的融資需求,對產(chǎn)業(yè)發(fā)展的資金供給量進(jìn)行引導(dǎo),促進(jìn)人工智能產(chǎn)業(yè)集聚發(fā)展,形成融資生態(tài),提高融資資金利用率;(2)完善融資服務(wù)體系,拓展融資渠道,鼓勵金融機(jī)構(gòu)針對人工智能產(chǎn)業(yè)發(fā)展開發(fā)新型金融產(chǎn)品,創(chuàng)新投融資模式,為人工智能企業(yè)提供并購整合、并購基金、投貸聯(lián)動、擔(dān)保、股權(quán)質(zhì)押融資等多種融資方式,為企業(yè)獲取資金支持提供便利;(3)提高企業(yè)資金配置效率,提升人工智能企業(yè)的公司治理能力,注重優(yōu)化融資渠道,充分利用股權(quán)融資的渠道,確保股權(quán)流通,保持合理的資產(chǎn)負(fù)債率,平衡融資成本和融資風(fēng)險,實現(xiàn)資本結(jié)構(gòu)的優(yōu)化。

        猜你喜歡
        融資人工智能效率
        融資統(tǒng)計(1月10日~1月16日)
        融資統(tǒng)計(8月2日~8月8日)
        提升朗讀教學(xué)效率的幾點思考
        甘肅教育(2020年14期)2020-09-11 07:57:42
        融資
        融資
        2019:人工智能
        商界(2019年12期)2019-01-03 06:59:05
        人工智能與就業(yè)
        數(shù)讀人工智能
        小康(2017年16期)2017-06-07 09:00:59
        下一幕,人工智能!
        跟蹤導(dǎo)練(一)2
        丰满人妻猛进入中文字幕| 成人片在线看无码不卡| 亚洲双色视频在线观看| 国产精品密播放国产免费看| 永久免费的拍拍拍网站| 黄片国产一区二区三区| 成人av在线久色播放| 亚洲国产成人久久综合| 丁香综合网| 中文字幕一区二区三区在线乱码| 国产一区二区长腿丝袜高跟鞋| 午夜福利av无码一区二区| 91免费永久国产在线观看| 国产一区二区三区影片| 熟女中文字幕一区二区三区 | 日韩在线免费| 国产成人色污在线观看| 华人免费网站在线观看| a级毛片免费观看在线| 无码精品色午夜| 色小姐在线视频中文字幕| 99riav国产精品视频| 国产精自产拍久久久久久蜜| 大伊香蕉精品视频一区| 国产一区二区三区成人| 国产免费拔擦拔擦8x高清在线人| 国产羞羞视频在线观看| 日本在线播放不卡免费一区二区| 天天干天天日夜夜操| 久久婷婷成人综合色| 国内视频一区| 亚洲中文字幕精品久久a| 最爽无遮挡行房视频| 亚洲婷婷丁香激情| 亚洲国产成人久久精品美女av | 国产高清大片一级黄色| 成年美女黄的视频网站| 在线观看av永久免费| 厕所极品偷拍一区二区三区视频| 亚洲色图三级在线观看| 蜜臀av无码人妻精品|