企业新能源项目投资财务分析的方法和建议

杨 婷,张 娉

(中国电建集团西北勘测设计研究院有限公司,西安 710065)

文章编号：1006—2610(2015)05—0083—03

企业新能源项目投资财务分析的方法和建议

杨 婷,张 娉

(中国电建集团西北勘测设计研究院有限公司,西安 710065)

企业投资决策是现代企业财务管理的核心，关乎企业目标的实现。为促进企业新能源项目投资决策的科学化及合理化，文章结合工作实践，提出了进一步完善企业投资决策的思路及建议，以期能为企业新能源项目投资决策提供有益参考，并引发对其更深入和全面的研究。文章亮点在于通过整理74个风电项目资料，运用回归分析方法得到财务效益指标与影响因素间的多元线性回归方程，经检验，方程准确度较高，可用于投资决策实践。

企业;投资决策;财务分析;新能源;回归分析

企业投资是指企业把资金直接或间接投放于一定对象，以期最大化获取企业合法利益的一种再生产经济活动，例如企业投资建设新能源项目、引进新技术及新设备、开拓市场等[1-2]。在企业进行项目投资决策的过程中，用财务分析的方法判断项目的盈利及生存能力，将促进企业投资的科学化及合理化，一定程度上减小投资风险。近年来，风电等新能源发展迅速，众多企业投资新能源领域，笔者结合自己的工作实际，对企业投资新能源项目提出几点建议，供投资和决策部门参考。

1 重视已设计电站资料的整理

在项目投资前期阶段，能够迅速大致判断项目未来的盈利情况至关重要。选择有前景、生存能力强、未来效益可观的项目，是项目投资成功的第一步。在前期筛选项目时，整理已设计电站的相关资料，参考同地区、相近规模电站的投资、年利用小时数、资本金财务内部收益率等情况，对待筛选项目进行快速判断，可提高筛选项目的效率。笔者结合工作实践，整理了74个风电项目的资料，部分有代表性的项目见表1。

2 预测与控制

基于统计好的电站资料，可采用回归分析等数理统计方法，进行预测与控制。在项目前期筛选阶段，项目无准确投资及电量，又需要项目考察人员快速大致判断项目财务上是否可行，是否需要继续跟踪此项目时，参考类似规模、类似地区的已设计电站资料，采用回归分析等数理统计方法预测项目未来收益情况，是一种有效的方法。

表1 风电项目资料表

结合工作实践，判断项目未来财务收益好坏的主要指标有资本金财务内部收益率、投资回收期等，影响电站财务收益的主要因素是投资、电量与电价。单位电量静态投资是指项目的静态投资与设计电量的比值，该指标同时反映了投资与电量2个因素。因此，本文基于统计的风电场资料采用回归分析的方法，求出因变量项目资本金财务内部收益率与2个自变量单位电量静态投资、电价之间的多元线性回归方程，可对待筛选项目进行初步判断。

在做回归分析前，先剔除一些影响回归方程准确率的数据。例如去除含送出工程，享受补贴电价的项目；去除财务测算时考虑CDM收益的项目；去除财务评价中采用了特殊操作的项目。笔者整理的74个风电项目数据中，去除上述数据后，剩余66个风电项目，对这66个风电项目利用Excel的数据分析功能进行回归分析。

数据分析是Excel提供的解决特殊问题的分析工具[3-5]。利用Excel的数据分析工具库对66个风电项目资料进行回归分析的结果如图1所示。

根据分析结果，多元线性回归方程如下：

资本金财务内部收益率(%)=-8.750 329×单位

电量静态投资+64.967747×上网电价+8.090885

(1)

从图1可以看出，因变量资本金财务内部收益率与2个自变量(单位电量静态投资及上网电价)的相关系数(MultipleR)为0.95，说明因变量与2个自变量的相关性很高，从2个自变量的系数(Coefficients)分别为-8.750 329和64.967 747可以看出，资本金财务内部收益率与这2个自变量分别呈负相关和正相关。为了检验多元线性回归方程的准确度，进行残差计算，结果见表2。

图1 66个风电项目资料回归分析结果图

表2 66个风电项目回归分析结果残差分析表

序号实际值/%预测/%残差/%序号实际值/%预测/%残差/%序号实际值/%预测/%残差/%110．1510．62-0．47239．338．081．254512．4411．381．0629．6510．79-1．14248．699．39-0．704614．8414．620．2238．509．39-0．89258．016．511．504711．5910．251．3449．109．22-0．122613．5013．240．264811．9710．161．81511．0311．23-0．202715．4715．170．304918．6216．112．5168．868．520．342810．8512．37-1．525015．3114．970．34711．8111．320．492914．0614．29-0．235110．6911．03-0．34813．2812．540．743013．4715．78-2．315210．1010．51-0．41913．4112．810．603112．3411．910．43539．279．90-0．63108．4710．88-2．413214．3914．47-0．08548．089．29-1．211114．1613．680．483314．6214．210．415511．3212．70-1．381211．5911．84-0．253413．5213．420．105613．5114．18-0．67138．869．04-0．183523．9522．321．635710．9911．65-0．66148．2110．01-1．803610．2410．36-0．125813．8913．570．32158．619．39-0．783714．0915．17-1．085918．0817．071．01169．529．66-0．143811．8512．02-0．176010．6911．03-0．34177．377．47-0．10399．338．081．256114．8314．88-0．05188．067．120．94408．138．78-0．65628．518．230．281910．2110．36-0．154112．2412．81-0．57638．097．820．27208．557．640．914213．4514．21-0．766411．7310．800．932112．7912．720．074315．4715．340．136513．2113．68-0．47228．346．941．404410．129．740．38669．9810．62-0．64

从残差分析结果可以看出，利用公式(1)预测的66个风电项目的资本金财务内部收益率与实际值的误差绝对值在0.05%～2.51%之间，平均误差为0.72%，误差较小，公式(1)准确度较高，可用于投资决策实践。随着样本数据的增加，多元线性回归方程的准确率会进一步提高。

随着风力发电技术日臻成熟，风力发电设备价格降低，国家适当调整了陆上风电标杆上网电价(发改价格[2014]3008号)，将第Ⅰ类、Ⅱ类和Ⅲ类资源区风电标杆上网电价降低了2分/kWh，第Ⅳ类资源区风电标杆上网电价维持现行0.61元/kWh。该规定适用于2015年1月1日以后核准的陆上风电项目，以及2015年1月1日前核准但于2016年1月1日以后投运的陆上风电项目。

目前新电价政策刚开始实行，尚未搜集到执行新电价的风电项目资料，本文旨在抛砖引玉，不管标杆上网电价如何变化，资本金财务内部收益率与单位电量静态投资及上网电价密切相关的规律不会发生变化，后期随着执行新电价项目资料的积累，补充新的样本数据，可使多元线性回归方程的准确率进一步提高。

在得出多元线性回归方程后，在企业投资决策初期即筛选项目阶段，可根据项目估算的单位电量静态投资和上网电价初步估算项目的资本金财务内部收益率。例如当项目单位电量静态投资和上网电价分别为4.2元/kWh和0.61元/kWh时，可根据公式(1)预测得出项目的资本金财务内部收益率为10.97%。

另外，还可利用多元线性回归方程进行投资控制，例如，在某地区投资风电项目时，电价及该地区的风资源情况是已知的，装机49.5 MW，电价0.61元/kWh，年利用小时数1 900 h左右，若资本金财务内部收益率想控制在9%～10%之间，则静态投资需控制在41 600～40 500万元之间。

3 综合考虑贷款偿还方式等因素

在项目投资决策中，可通过财务分析选择较有利的还款方式(等额本金利息照付或者等本息还款方式)，减少投资成本。另外，推迟贷款的额度及年限，也能一定程度提高项目的财务效益。投资者可根据项目的具体情况、投资者的偏好及与银行沟通的结果，综合选择较有利的还款方式。

4 结 语

企业投资项目存在一定财务风险，例如不能获得预期收益、投资无法按期回收等。很多企业在投资决策阶段，由于缺乏系统的分析和研究，决策所依据的经济信息不全面、不真实等原因，使得投资决策失误频繁发生。

为减少投资风险，在项目投资决策阶段，基于累积的项目经验，运用财务分析的方法预测评估项目未来的收益情况是种很有效的方法。重视对已完成项目资料的整理总结，并运用回归分析等数理统计方法，借助Excel中的数据分析工具，挖掘财务效益指标与影响因素之间的相关关系，为项目的效益预测和投资控制提供了有效的途径。笔者结合工作实践，整理了部分风电项目资料，通过回归分析，建立了多元线性回归方程，变量之间的相关系数达到了0.95，相关性很高;残差分析结果表明，预测值与实际值的平均误差为0.72%，所建立的模型准确度较高，可以应用到风电项目效益预测及投资控制实践中去。

随着样本数据的增多，多元线性回归方程的准确度会进一步增强。建议日后不断补充新的样本数据，使回归方程的准确度进一步提高。在投资决策阶段，通过选择有利的还款方式、推迟贷款额度及年限等方法，可在一定程度上降低投资成本。

综上，本文结合工程实践，提出了进一步完善企业新能源项目投资决策的思考及建议：一是重视已完成新能源项目资料的整理总结，为项目投资提供参考；二是运用数理统计方法，进行项目效益预测和投资控制；三是综合考虑贷款偿还方式等因素，有效降低投资成本，以期能为企业投资决策提供有益参考。

[1] 杜鹃.浅议企业投资项目决策中的财务分析[J].中国外资,2009,(7)：54-55.

[2] 涂志文.浅析企业投融资管理存在的问题及对策[J].会计师,2013,(6)：31-32.

[3] 神龙工作室.Excel高效办公—公式与函数[M].北京：人民邮电出版社,2006.

[4] 袁国庆,靳国良,高天山等.Excel2007实用教程[M].北京：电子工业出版社,2008.

[5] 潘文,许清泉.Excel的回归分析功能在数据处理中的应用[J].常州工学院学报,2001,14(4)：19-23.

Method and Tip of Financial Analysis for Investment on New Energy Projects

YANG Ting, ZHANG Ping

(POWERCHINA Northwest Engineering Co., Ltd., Xi'an 710065，China)

The investment decision-making is the core of financial management of modern enterprises. It defines the realization of the enterprise objective. To have the investment decision-making of new energy project of enterprises scientific and reasonable as well as in combination of practice, concepts and comments to further improve the decision-making on the new energy project investment are raised to provide the decision-making on the new energy project investment with reference. Meanwhile, deep and full study on the subject is triggered. Through analysis on the data of 74 wind energy projects and by application of regression analysis method, the multiple factor linear regression equation between the financial benefit indicators and influencing factors is concluded. It is approved by practice that the equation is with high precision and can be applied for decision making on investment.Key words:enterprise; investment decision-making; financial analysis; new energy; regression analysis

2015-04-13

杨婷(1983- )，女，陕西省凤翔县人，工程师，主要从事可再生能源规划设计工作.

TP391.7

A

10.3969/j.issn.1006-2610.2015.05.024