战略性新兴产业金融支持效率研究

邓彦+卢鹏光

【摘 要】 在供给侧改革背景下，如何提升金融支持效率，增强金融对实体经济支撑能力显得至关重要。以广东省战略性新兴产业为研究对象，采用DEA模型和Malmquist指数模型分别测度了广东省各地区战略性新兴产业的金融支持效率，研究发现，广东省战略性新兴产业金融支持效率不高，大部分企业处于综合效率无效状态，但发展呈整体上升趋势。文章最后对提高新兴产业金融支持效率提出相应政策建议，包括提升银行金融支持服务、提高产业创新水平和鼓励企业进行并购等。

【关键词】 战略性新兴产业； 数据包络分析（DEA）； 金融支持效率

【中图分类号】 F830 【文献标识码】 A 【文章编号】 1004-5937（2016）24-0071-04

一、引言

改革开放以来，我国经济迅猛发展，综合国力和竞争力显著上升，但以投资需求拉动为主的高速增长模式，带来了供给与需求之间的不平衡，已经不再具备可持续的动力点。面对经济下行压力和传统动能减弱，国家开始着力推动结构性改革，而大力发展战略性新兴产业，努力形成新的经济增长点，已形成共识。战略性新兴产业以科技创新为依托，促进全要素生产率提升，对经济社会具有全局带动和重大引领作用，是转变经济发展方式、调整经济结构的重要途径。战略性新兴产业的培育需要政策、资金、管理、科学技术、人才等多方面的支持，而金融支持起着基础和支柱性的作用，因此，战略性新兴产业如何获得足够的资金和有效利用资金达到产出的最大化关系到产业能否健康发展。

随着供给侧改革的推进，会有更多的金融资本从传统行业流向新兴产业，金融支持的效率决定了战略性新兴产业的创新能力和先进水平，因此，如何提升金融支持效率，增强金融对新兴产业的支撑能力是一项重要的研究课题。本文拟以广东省为研究对象，进一步研究战略性新兴产业金融支持效率。近年来，广东省以国家首批促进科技和金融结合试点地区广州、佛山、东莞和深圳为基础，大力推动科技、金融和产业“三融合”，是科技金融政策创新和先试先行的重要试验田，对广东省战略性新兴产业金融支持效率进行深入研究，对全国各地促进金融和科技、产业的深度融合，为经济结构调整和动力转换营造良好的环境有重要的意义。

二、文献回顾

金融支持与产业发展的关系很早就受到国外学者的关注。Raghuram et al.[1]认为金融支持对产业的发展起促进作用。Raymond et al.[2]运用定量分析研究方法，得出金融市场体系越健全，对产业发展的促进作用越大，而其中私人银行在资源配置中发挥着支柱性的作用。Alessandra et al.[3]采用欧盟第二轮和第三轮科技创新的调查数据，分析了金融支持对英国新兴产业在创新活动中的作用，得出金融支持对产业发展尤其是新兴产业发展具有重要作用。

而国内关于金融支持对新兴产业发展的研究，主要分为以下两部分：

一是运用效率测度工具分析新兴产业的金融支持效率。熊正德等[4]对我国105家战略性新兴产业公司金融支持效率水平进行了DEA分析，在效率测度值的基础上建立了logit回归分析模型探讨金融支持效率的影响因素，结果表明不同产业之间金融支持效率存在差异，而直接融资方式对新兴产业的发展更有效；马军伟[5]运用DEA-Malm quist模型测度2008—2011年我国战略性新兴产业金融支持动态效率变化，由于金融技术水平偏低，在观测期内整体的金融支持效率呈下降趋势。

二是运用定性分析方法研究金融支持产业的发展路径。夏 和王晓东[6]以广州市为例，分析了金融支持新兴产业的现状和不足之处，并从发展股权投资、政府引导、建设多层次债券市场等方面提出相关政策建议；王认真[7]从商业银行的角度来分析银行在支持战略性新兴产业发展时的制约因素，并针对性提出支持产业发展的路径选择。

通过对现有研究成果的梳理可以看出，国外学者的研究主要侧重于金融支持对产业发展的理论研究，而国内学者则从发展的模式、路径、实证等方面对金融支持战略性新兴产业的发展做出较为全面的研究。但从地区平衡发展、政策支持效果的角度对战略性新兴产业的金融支持效率进行实证研究仍不多见，缺乏从整体平衡发展的角度考量金融支持效率。因此，本文以广东省为例，以2010—2014年作为样本观测期，运用DEA方法研究广东省内广佛莞深和其他城市各地区的战略性新兴产业金融支持效率，并比较其差异，以期能为全国各地战略新兴产业的平衡发展提供借鉴。

三、研究设计

（一）金融支持效率评价模型

1.DEA模型的基本原理

数据包络分析（Data Envelopment Analysis，DEA）是一种非参数的线性规划方法，该方法根据决策单元的统计数据，运用线性规划的方法构造有效的生产前沿面，处于前沿面上的点效率值为1，处于DEA有效；而位于前沿面线内的点的相对效率在（0，1）之间，未能达到有效状态，偏离程度越远，效率越低。

2.Malmquist指数模型的基本原理

Malmquist指数又称为全要素生产率指数，即TFP（Total Factor Productivity），测算样本在不同时期内生产率变化的动态特征。由于本文采取的是规模报酬可变的BCC模型，Malmquist指数可分解为技术效率变化EC和技术变化TC的乘积。因此，本文在计算Malmquist指数时所采用的公式为：

M（yt+1，xt+1，yt，xt）=××

其中xt，xt+1分别表示新兴产业公司在t期和t+1期的投入向量，而yt，yt+1表示在t期和t+1期的产出向量。Dt（xt，yt）和Dt+1（xt+1，yt+1）则分别表示以t期和t+1期技术作为参照面的决策单元与最佳前沿面的距离。

其中，EC=

TC=×

当Malmquist指数大于1时，代表在观测期（t，t+1）内，金融支持效率是上升的；当小于1时，则下降。而生产率指数可分为技术效率变化和技术变化的乘积，通过观测EC和TC的指数变化，有助于我们分析金融支持效率的变化是由哪些因素引起和影响程度强弱，从而针对性地提出改进办法。

（二）指标选取与数据来源

1.数据来源

本文选取广东省主营业务属于战略性新兴产业的七大产业的上市公司为样本，剔除ST公司和数据缺失的公司后，得到样本公司数为85家，其中广佛莞地区23家，深圳市35家，其他城市27家。由于我国在2010年作出了发展战略性新兴产业的决定和2011年实施科技与金融试点结合地区，因此，本文从时间上选取2010—2014年5个年度的财务数据，既能比较特殊时点上金融支持效率的变化情况，又能比较广东省不同地区间的效率差异。样本公司数据资料来自同花顺金融数据库，采用的DEA分析软件为DEAP 2.1。

2.指标选择

通过充分借鉴已有研究成果，本文参照马军伟[5]的研究思路，选取资产负债率、流通股比例和M2值作为投入指标，反映战略性新兴产业公司金融资源的投入情况；选取净资产收益率和营业总收入增长率作为产出指标，反映企业的盈利能力和产出能力，各项指标具体定义如表1所示。

3.数据无量纲化处理

用DEA软件测度金融效率时有两个前提条件：一是数据必须为非负数，二是样本数量大于投入产出指标数量和的2倍。由于投入指标中净资产负债率和营业总收入增长率的数据均存在负数的情况，必须按下列公式进行转化，确保满足DEA模型要求：

yij=0.1+0.9×，i=1，2，…，n

其中，Mj=max（xi1，xi2，…，xij）；mj=min（xi1，xi2，…，xij）

四、实证分析与结果

（一）基于DEA模型的金融支持效率研究

运用BCC模型计算相对效率时，其综合技术效率（TE）由纯技术效率（PTE）和规模效率（SE）的乘积构成。纯技术效率代表企业金融资源使用的效率，纯技术效率越高，代表企业的管理制度和资金运用情况越好，产出越大。规模效率代表战略性新兴产业是否处于最佳的投入产出比例，规模效率越高，代表投入的金融资源规模越合理。现对广东省85家样本企业2010—2014年的数据分别进行软件运算，计算结果如表2所示。

从表2可以看出，在2010—2014年期间，广东省各城市金融支持战略性新兴产业公司的综合效率还不够高，在85家公司中，平均只有17家处于生产前沿面上，这些企业纯技术效率和规模效率均处于有效状态，说明企业管理和技术水平较高，能最大效率地利用金融资源，使投入的资源均能达到最大的产出。其余企业处于纯技术效率无效或纯技术效率与规模效率均无效的状态，纯技术效率偏低是导致综合效率不高的主要成因，这些公司的金融管理效率偏低，在金融资金投入和使用中还能有较大调整空间。

从各地区的金融支持效率来看，在样本观测期间内，广佛莞城市的综合效率由2010年的0.574增长到2014年的0.884，增幅达到54%，表明在此时间段内，由于国家加大力度发展战略性新兴产业，并把广佛莞地区列为第一批科技金融结合试点城市，新兴产业发展受国家政策和政府支持力度影响较大。进一步从指标的角度分析，广佛莞城市综合效率仍有不断提升的空间，在规模效率处于较高水平的情况下，应着重提升纯技术效率，即进一步提升金融管理效率和企业技术水平。

深圳市新兴产业公司的金融支持综合效率在2010—2012年期间保持相对稳定，2012—2014年期间稳步增长，深圳地区的金融支持综合效率保持在较高的水平，与其金融中心的地位相符，且成为科技金融试点城市后，战略性新兴产业相关金融支持政策更趋完善，实现了金融支持综合效率的稳步增长。具体分析，深圳地区规模效率在0.997—1.000范围内波动，效率值保持在最优水平，而纯技术效率在0.727—0.847范围内波动，还需合理利用金融资源，使资源能够更有效率地为企业带来效益。

而除广佛莞深外的其他城市的综合效率在2010—2014年期间波动增长，增长率达到了14.6%，势头良好，但综合效率不高，均处于0.8以下，且纯技术效率和规模效率缺乏稳定性，需加大政策扶持力度促进产业稳定、平衡发展。

（二）基于Malmquist指数模型的金融支持效率研究

运用DEA模型只能测算金融支持效率的静态特征，为了更好地观察样本在观测期内的跨期变动情况，本文进一步运用Malmquist指数方法测算样本在2010—2014年期间金融支持效率的动态变化。结果测算如表3所示。

总体上看，2010—2014年间，广东省各城市金融支持效率的Malmquist指数平均值均大于1。根据定义，当Malmquist指数大于1时，表明在整个样本观测期间内金融支持战略性新兴产业发展的效率呈整体上升趋势，其中广佛莞城市上升幅度最大（21.2%），其次是其他城市（19%），深圳次之（11.5%）。而Malmquist指数上升是由技术效率变化和技术进步共同引起的，其中，广佛莞城市主要是由于技术效率的变化，而深圳和其他城市则是技术进步较大。而且在各个环比区间内，除了其他城市在2011—2012年Malmquist指数小于1，其余11个环比区间Malmquist指数均大于1，表明在2010—2014年期间，由于国家大力发展战略性新兴产业，并把广佛莞深列为第一批科技金融结合试点城市，金融支持战略性新兴产业力度加大，成效显著，使得产业蓬勃发展。

五、结论与建议

（一）主要结论

由上述研究分析可以得到以下结论：第一，广东省战略性新兴产业公司金融支持效率还不高，大部分企业未能达到DEA有效状态；第二，大部分企业纯技术效率和规模效率不高，管理效率低下和资源配置不平衡，必须同时提高金融支持的纯技术效率和规模效率，加大资金投入力度，并提升资金管理水平；第三，广东省在金融支持方面存在地区性的不平衡，广佛莞深地区比其他城市的效率更高；第四，广东省各个地区战略性新兴产业公司金融支持效率呈逐年上升状态，其中广佛莞地区发展迅速。

（二）政策建议

第一，企业要加大创新投入，提高自身核心竞争力。企业应切实提高管理能力并调整资金投入结构，把更多资金投入到企业创新投入中去，并注重引进高层次技术人才，促进企业技术创新。

第二，发挥银行机构的主导作用。银行机构应对等合资格的新兴产业公司给予更大的信贷额度和更优惠的利率政策，使企业的资金需求得到满足。一些中小企业由于规模较小，获取银行信贷比较困难，政府应发挥必要的引导作用，设立政府新兴产业贷款风险补偿金和贴息资金，引导银行业金融机构加大对中小新兴产业企业的信贷支持。形成政府引导、银行机构参与的新兴产业企业贷款风险补偿机制。

第三，加大政策力度，发挥广佛莞深地区的示范效应，促进其他城市新兴产业发展，达到以点带面。发挥广州、深圳的金融辐射带动作用，加大政策创新和专项资金支持力度，重点建设好“广佛莞”和深圳市两个国家第一批科技与金融试点结合地区，创新促进科技与金融结合模式。支持除广佛莞深外其他城市有条件的专业镇、民营科技园、高新技术产业开发区等产业集聚区结合自身实际，充分发挥金融资源在支持新兴产业发展的积极作用。

第四，在促进银行机构加大对新兴产业公司信贷支持的同时，鼓励新兴产业公司充分利用社会资本促进企业发展，支持符合条件的企业完善公司治理结构，通过股权债券等渠道开展直接融资。另外，可选择几个战略性新兴产业重点培养，鼓励规模较大、竞争优势明显的企业通过兼并收购，培育多家国内领先的科技型龙头企业，以形成对经济发展的持续推动。

【参考文献】

[1] RAGHURAM G R，et al. Financial Dependence and Growth[J]. The American Economic Review，1998， 88 （3）：559-586.

[2] RAYMOND J F，et al. Financial Development and the Composition of Industrial Growth[D]. NBER Working Paper，2003：280-284.

[3] ALESSANDRA C， et al. Financial Constraints Innovation in the UK： Evidence from CISZ2 and CIS3 [D]. Oxford Economic Papers，2008：711-730.

[4] 熊正德，詹斌，林雪.基于DEA和Logit模型的战略性新兴产业金融支持效率[J].系统工程，2011（6）：35-41.

[5] 马军伟.基于Malmquist模型的战略性新兴产业金融支持效率研究[J].西安财经学院学报，2013（2）：11-15.

[6] 夏 ，王晓东.广州市战略性新兴产业发展的金融支持政策研究[J].科技管理研究，2014（24）：37-40.

[7] 王认真.商业银行支持战略性新兴产业发展的改革路径探讨[J].广州大学学报（社会科学版），2014，13（5）：50-53.