新能源汽车上市公司绩效的行业内部关联与综合价值研究

发布时间：2020-08-16 21:30

【摘要】：面对全球能源短缺和环境恶化的压力,我国作为汽车大国积极面对挑战,提出新能源汽车发展战略,并且给予了一系列政策福利与支持以促进新能源汽车行业的发展与壮大,因此各企业纷纷进军新能源汽车行业,但有些企业只是贪图国家政策的红利,并不具备相应财务水平与研发技术的支持,这不仅影响到其自身的持续经营,更是不利于新能源汽车行业内部的协同发展,同时在一定程度上也造成了资源浪费。因此,非常有必要对新能源汽车行业上市公司综合价值给予相关评价,并引入科学的方法来研究该行业的内部发展联动,这无论是对经营者决策,还是政府挑选龙头企业、协调行业结构,或是投资者选择投资对象都可以提供借鉴。所以,对新能源汽车上市公司综合价值及行业内部关联进行评价分析具有重要的现实意义。本文首先以新能源汽车产业链为基础,依据2013-2017年新能源汽车上市公司年报中披露的相关信息将新能源汽车行业内部分为三类:电池电机电控类、整车类、提供配套设施及服务类,并作为内部关联研究的基础;其次,构建了财务指标与行业特色指标相结合的新能源汽车综合价值评价指标体系,并利用因子分析法对2013-2017年新能源汽车上市公司财务绩效进行评价,同时利用从年报中整理的行业特色指标数据构造修正系数对财务绩效进行修正,最终得到评价新能源汽车上市公司综合价值的得分;最后,引入RBF神经网络研究新能源汽车行业内部关联,鉴于新能源汽车行业各类别企业数量差别较大,这里确定主要研究新能源汽车整车类上市公司和电池类上市公司的绩效关联,并用前述综合价值评价所得的相关结果作为网络的输入输出数据,即在研究新能源汽车上市公司绩效内部关联时建立如下两个网络:一是以整车类企业财务公因子为输入、电池类企业综合价值为输出,二是以电池类企业财务公因子为输入、整车类企业综合价值为输出,并利用这两个建立好的网络进一步研究输入值的不同变动对输出值的影响方向、影响幅度等。利用上述模型对新能源汽车概念板块各上市公司2013-2017年数据进行实证分析后,得到这107家上市公司综合价值的排名以及在相关财务指标或行业特色指标方面表现突出的上市公司;同时,在进一步的绩效关联研究方面,发现两个RBF神经网络都可以有效的仿真新能源汽车行业内部整车与电池类企业的绩效关联所体现的非线性关系,其中:通过利用第一个网络发现,电池企业综合价值受到整车企业财务绩效的影响,呈现正向变动趋势,且电池企业综合价值受整车企业成长能力及营运能力因子的影响较大;通过利用第二个网络发现,整车企业综合价值同样也受到电池企业财务绩效的影响,并且呈正向变动趋势,其中,输出值也是受到成长能力因子变动的影响最大,其次是偿债能力因子。最后,根据研究结果分别对经营者、政府以及投资者提出了相关意见及建议。
【学位授予单位】：陕西科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F406.7;F426.471
【图文】：

产销量,变动趋势,汽车保有量

根据“十三五”规划，我国新能源汽车保有量至 2020 年将达到 50达到 200 万辆以上，再加上充电换电等基础设施的进一步建设与完善计将达到万亿元，短期增长幅度巨大。表 3-2 2011-2017 年新能源汽车产销量情况Table 3-2 Production and sales of new energy vehicles from 2011 to 2017新能源汽车产量（万辆）同比增长新能源汽车销量（万辆）同比增长汽车总销量（万辆）新能占0.84 / 0.82 / 1850.51 1.26 50% 1.28 56.10% 1930.64 1.75 38.89% 1.76 37.50% 2198.41 7.85 348.57% 7.48 325% 2349.19 37.9 382.80% 33.11 342.65% 2459.8 51.7 36.41% 50.7 53.13% 2802.82 79.4 53.58% 77.7 53.25% 2887.9

内部分类,类别

图 3-3 2013—2017 年新能源汽车行业的内部分类变动Fig.3-3 2013-2017 internal classification changes in the new energy automotive industry表 3-3 所示，三个类别中，电池电机电控类上市公司数量每年都是最多的，企业，而提供配套设施及相关服务的上市公司数量较少，尤其是 2013 年和过近三年有所提升；还有剔除的公司数量越来越少，尤其是 2015-2017 的三除的越少，即在该年中 107 家上市公司所属新能源汽车行业的数量越多；另-3 也可以发现，在 2013-2017 的五年中，剔除公司个数下降明显，同时，各数量都呈一个增长态势，尤其是电池电机电控类，整车类增长则较为平缓，套设施及相关服务类有望随着我国对新能源汽车配套服务的补助及支持，实快发展。相信在未来会有更多企业进军新能源汽车行业，壮大我国新能源汽，实现我国新能源汽车发展进入快速道。表 3-4 2013—2017 年新能源汽车行业所属类别一的具体分类-4 The specific classification of Category 1 of the new energy automobile industry in 2013-20类别一内部细分年份

公因子,整车企业,网络利用,网络误差

-0.13 0.97 0.94 0.15 0.18 3.83 0.60 0.06 0.16 1.66 0.49 -0.83 0.07 0.05 0.84 0.20 网络模型在 MATLAB 中的实现已建立好的表 5-7 和表 5-8 在 MATLAB 中用 net=newrb(P,T)创后再用建好的网络利用 y=sim(net,P)拟合原始数据，其中，P 公因子所在列，T 为输出数据，即表中的最后一列，newrb 函。个 RBF 网络：以整车企业的四个公因子为输入，电池企业综 5-2 所示，经过训练后的网络误差非常小，同时从图 5-3 也可的仿真值与原始综合价值数据非常接近，绝对误差非常小，误波动。说明这里建立的 RBF 神经网络仿真能力很好，完全可以业财务因子变动对电池行业综合价值带来的影响。

【相似文献】