赵科乐
(1.吉林省科技金融研究中心,吉林 长春 130028;2.长春金融高等专科学校 金融学院,吉林 长春 130028)
创新是引领时代发展的驱动力量,是建设社会主义现代化经济强国的战略支撑。科技型中小企业作为当前背景下的技术革新主力军,已经成为科技研发与产业升级的重要贡献者,肩负着发展科技战略、创新时代经济的艰巨使命。但是,在实际运行过程中,科技型中小企业由于自身抗风险能力差、内部财务管理制度规范性不足、市场监管机制不完善等多方面原因,在金融市场上的融资形势较为严峻。因此,以东北三省为例着重分析科技型中小企业新三板融资效率并提出相应的对策建议,旨在为其发展提供可供选择的路径方向。
数据包络分析方法(Data EnvelopmentAnalysis),简称DEA模型。它是由美国著名运筹经济学家W.W.Cooper和A.Charnes在20世纪80年代共同提出来的,属于数量经济学、统计学、运筹学与工商管理学等学科交叉在一起的综合领域。该模型运用DEAP软件,通过将多项投入指标和多项产出指标输入系统,根据软件处理结果充分比较样本单位效率与绩效,对样本企业进行相对有效性评价,试图使其服务单位的经营效率实现最大化的一种数量分析与数据处理方法。[1]
DEA模型最常见的应用就是进行企业效率分析,其数据处理结果从EFFICIENCY SUMMARY(效率概况)、drs/irs(规模报酬递减/递增)及FIRM BY FIRM RESULTS(针对各个样本单元的详细结果)等方面不同程度地反映了企业融资效率。通常情况下,其测算出的所有效率值均在[0,1]区间范围内,国内外已有的研究根据DEA模型融资效率的划分标准,将效率值划分为以下四个梯度,见表1所示:
表1 DEA模型融资效率的划分标准
平均而言,企业融资效率大于或等于0.8,被视为整体上融得的资金得到了较好的运用,企业的管理和经营决策相对有效,融资效率较高;而融资效率低于0.8的,则被认为企业融资效率不高,在市场上融得的资金未实现最优利用,需要采取相应措施进行完善,使其融资效率得以提升。
2006年初始,在中国证券业监督管理委员会批准下,非上市企业正式开始通过三板市场进行股份转让,此后新三板市场形成并逐渐发展。在新三板刚刚成立的2006年,挂牌公司仅有10家,过了5年的时间才积累到97家,发展初期增长缓慢。2013年将新三板扩大至全国范围并制定实施了一系列的配套政策,2014年国家正式推行金融市场做市商交易制度,2016年推出分层管理试行办法,将三板市场细分为创新层和基础层(截至2019年8月,基础层8 790家,创新层690家)。随着近年来新三板市场的不断健全和扩张,更多的企业、券商、投资机构纷纷涌入,新三板也成为了科技型中小企业活跃发展的核心领域。
为了有效分析企业的融资效率,在搜集全国中小企业股份转让系统创新层挂牌的吉林省、黑龙江省、辽宁省科技型中小企业数据资料时,筛选的企业标准为于2015年12月底之前在三板市场挂牌,研究期间为2016年1月1日至2018年12月31日,通过同花顺软件查找2016—2018年最近三年的公司年报,获取相应的财务报表数据。DEA模型的有效性需要样本数量至少高于所选择的投入指标和产出指标总和的三倍,本模型选取的投入与产出指标共6个,剔除数据不完整企业1家,最后合计样本数19家,符合研究要求。其中,科技型中小企业样本中吉林省有四家,辽宁省有九家,黑龙江省有六家,具体如表2所示。
在分析过程中,指标的选取不仅要科学合理,还要容易获得、完整全面、有代表性,最终才能实现模型处理结果的准确可靠。DEA模型的投入指标有3个,分别是资产总额(X1)、资产负债率(X2)、营业成本(X3),产出指标有3个,分别是净资产利润率(Y1)、总资产周转率(Y2)、营业收入增长率(Y3),具体的指标界定和所表达含义如表3所示。
表2 新三板创新层挂牌的东北三省科技型中小企业样本名单
表3 投入指标与产出指标示意图
理论上来说,DEA模型要求投入指标和产出指标不可以存在负数,否则结果无效。而新三板挂牌的东北三省创新层企业中所选取的指标中Y1和Y3属于相对指标,在近三年都曾出现过负值。因此,对所搜集的原始数据通过功效系数法进行无量纲化处理,这样可以实现在保持模型处理结果不变的基础上,不仅避免负数指标影响模型评估的准确性,还可以从根本上排除指标的瑕疵问题。[2]具体公式为:
其中,Xij*是处理后的数据,Xij是处理前的数据,min(Xij)为第j列的最小值,max(Xij)为第j列的最大值;i=1,2,……6表示投入和产出变量的序数,j=1,2,……19表示样本企业的序数。
通过DEAP2.1软件对以上数据进行有效性处理,输入无量纲化后的3项投入变量和3项产出变量指标,得出东北三省19家样本科技型中小企业2016—2018三年的纯技术效率(vrste)、规模效率(scale)和综合技术效率(crste)的DEA模型实证结果如表4—表6所示。
从表4可以综合看出,2018年东北三省19家创新层科技型中小企业样本中纯技术效率处于较高水平的占比较多,高于0.8临界值的样本企业有15家,总占比高达78.95%,和前两年的纯技术效率相比来看呈稳定持平状态,虽然有个别企业纯技术融资效率较低,依然在低效率状态徘徊,但是整体上表现良好,东北三省科技型中小企业内部经营管理和技术等方面对融资效率的影响效果不错。
表5 2016—2018年东北三省创新层科技型中小企业规模效率值
从表5可以综合看出,2018年东北三省19家创新层科技型中小企业样本中规模融资效率高于0.8的数量有17家,总占比高达89.47%,处于较高水平的占比较多,和前两年相比呈稳定增长的优化状态。虽然有个别企业规模融资效率依然处于低水平状态,规模报酬递减,在日趋竞争激烈的内外部环境下,多数企业融资后生产资源投入不合理,在规模扩张和转型升级方面急于求成。但是整体上表现良好,东北三省科技型中小企业的实际生产规模与最优生产规模的差距相对较小。在未来发展过程中可以适当提升资金运营能力和经营管理水平,提高资金利用效率,集约化发展。
表6 2016—2018年东北三省创新层科技型中小企业综合技术效率值
从表6综合来看,2018年东北三省19家创新层科技型中小企业样本中综合融资效率处于较高水平的占比较高,高于0.8的样本企业为14家,占总数的73.68%,和前两年相比呈稳定波动变化状态。虽然有个别企业综合融资效率依然较差,资源配置能力较低,资金运用无效,但是整体上表现良好。东北三省大多数科技型中小企业生产要素等资源使用效率较高,企业总体结构符合产业发展规划要求,综合效益发挥较好,经济和社会效益较高,科技型中小企业通过新三板融资后效率有所提高。
通过DEA数据包络分析法对新三板创新层挂牌的东北三省19家科技型中小样本企业进行分析,可以看出该地区科技型中小企业的融资效率近3年内有所变化。其中规模效率均值在0.8—1范围内不断上升,2018年突破了0.9,上涨态势乐观;纯技术效率均值和综合技术效率均值则在0.8—1范围内处于下降态势,其中纯技术效率下降到0.9以下,但这两个效率均值指标在2018年都位于0.8以上,大致上呈现稳定波动的状态,整体效率仍有待提升。在具体运营过程中,企业生产技术、管理水平和运营能力方面还不够完善,规模递增型企业和规模递减型企业数量变化中趋于稳定状态,表明仍有部分企业需要提高自身资金运营能力及内部管控水平,降低营业成本,健全发展机制,提高融资效率。
目前,吉林、黑龙江、辽宁三省的科技型中小企业融资效率还不够满意,大多数企业仍然有提升空间。无论是宏观政策监管层、中观行业市场还是微观企业个体,都应该从自身出发,采取相关的改善措施,改善东北三省科技型中小企业的融资环境,从根本上提高科技型中小企业的融资效率。
第一,政府应该发挥主导作用,为科技型企业建立长效的扶持机制,如创设科技发展引导基金,合理统筹宏观系统的科技资源及优化配置,为科学技术发展和科技产业转型升级提供可靠的支撑保障。[3]第二,对于科技型中小企业的创业进行支持,通过建立科学技术孵育平台,简化流程,规范项目运作流程和实施步骤。第三,建立健全的科技企业法律法规体制,增强科技型中小企业及外部金融部门对政府的监督反馈,实现内部管理外部监督的多位一体化监管制度。
进一步推动地区性村镇银行、农商行、城商行的合作,增强小型商业银行的放贷实力,从地方银行的角度助力有合作意向的商业银行与符合贷款条件的科技型中小企业签约,提高贷款业务的匹配度;根据商业银行与科技型中小企业合作的运行动态,及时调整科技贷款的风险补偿策略,从资金规模角度让区域内更多的企业从中受益,满足所需资金要求,实现发展的“加速跑”。在美国,风险银行专门服务于当地高科技企业,为其提供融资支持,而国内却只有杭州、成都等金融集聚地区的城商行开设了“银行+担保+额外风险收益补偿机制”运作模式相关分支机构,经营机制尚不健全。因此,在国内尤其是科技金融相对落后的东北三省可以推行银行综合化体制改革,在区域内部设立专业型科技发展银行,细分贷款客户,明细科技型中小企业贷款主体,构建健全的风险管理架构与管理方法,增强科技型中小企业内部管理能力。
企业只有进行充分自我剖析,正确认识自身在行业中的竞争地位,发现生产、经营、管理过程中的不足,才能更好地生产与发展。首先,科技型中小企业应该明确定位,注意三省吾身,在行业中进行横向对比,找准位置。通过重构内部组织框架,完善财务及运营组织管理;其次,东北三省科技型中小企业也应该完善人才激励与培养机制,搭建人才发展和晋升平台,可以将员工薪酬分为保障型基本工资、风险型绩优工资与科研型创收工资等多方面,形成以基本工资为支撑的短期薪酬激励与风险科研创造等长期薪酬激励相结合,让高科技技能型人才能够劳有所得,有所归属,有所期待,实现激励效果最大化,从根本上解决东北地区现有创新型高水平优秀人才过度流失的问题,助力当地科技型中小企业健康稳定发展。