人工智能行业上市公司财务竞争力评价研究

高志琳王彤彤（副教授）

（1北京联合大学管理学院 2北京联合大学商务学院 北京 100101）

加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题，迫切需要加强人工智能和产业发展融合，为我国经济的高质量发展提供新动能。人工智能技术更多地应用于各种经济生活场景之中，但在竞争激烈的市场环境中，特别是在疫情影响下，人工智能企业的财务竞争力不仅是投资者的重要参考依据，也是企业可持续发展的重要基石。财务竞争力是企业将知识和创新作为基础，同时发挥企业的财务优势，将企业各项财务能力进行科学整合、保证企业可持续发展的一种能力。人工智能企业在竞争激烈的市场环境中，特别是在疫情影响下，如何配置各种财务资源，为投资人持续创造价值，不仅成为资本市场关注的热点，也是我国经济发展的重要动力。

一、文献综述

通过梳理归纳近年来有关上市公司财务竞争力的研究文献和研究成果，发现具有以下特征：

对于研究客体来说，行业不同，包括石墨烯、商业银行、影视、石油、汽车、航空、新能源、物流等（吕钊晰，2020；付静，2020；王燕妮等，2019；高建城，2019；李昊，2019；李常亮，2017；徐广等，2016；田凤姹等，2015），同时，Crowder David W、Reganold John P（2015）通过对横跨五大洲的55种作物的全球数据集进行分析，来评价有机农业在全球范围内的财务竞争力。

对于评价侧重点来说也各有不同。付静（2020）采用规模实力、盈利能力、发展能力、安全性、经营管理效率、流动性作为评价指标；Nikita Mehta，MamtaBrahmbhatt（2019）采用盈利能力、管理效率、偿债能力和财务杠杆作为评价指标；田凤姹、赵宁等（2015）从利益相关者角度出发，将盈利能力、规模实力、营运能力、发展能力、偿债能力五个方面作为评价指标；刘广生、吴晗（2014）从企业综合绩效、风险控制、现金流量以及可持续发展角度出发，构建了7项评价指标体系，包括持续盈利能力、偿债能力、运营能力、现金收入能力、竞争规模实力以及发展潜力和业务发展能力。

对于研究方法来说，大多数采用的是因子分析法。如：吕钊晰（2020）,王燕妮等（2019）,高建城（2019）,李昊（2019）,吴媚、张卉等（2019）等均采用因子分析方法进行指标体系的构建。还有少数学者采用其他方法。如：李常亮（2017）采用财务评价模型——灰色关联度方法，来分析航空公司财务竞争力状况。

显而易见，国内外关于财务竞争力的研究已经有了一些积累，对于财务竞争力核心概念的理解基本趋同，但不同学者对于不同行业财务竞争力的构成划分并不完全一致。此外，多数文献的研究数据并不连续，多采用上市公司单个年份数据，鲜有时间序列数据；同时，新兴的人工智能行业的相关研究很少。因此，本文将基于因子分析对人工智能行业上市公司的财务竞争力进行评价研究，通过不同企业的比较分析，为人工智能行业的发展提供参考。

二、样本数据来源及评价指标选择

（一）样本和数据来源

本文的数据主要来源于WIND数据库以及上交所与深交所上市公司年报，选取沪深A股人工智能板块的上市公司，从数据库中统计出36家，在搜集指标过程中，剔除了两家数据不完整、时间年限不足的公司——昆仑万维、富瀚微，最终得到34家公司。利用2016—2019年的财务指标进行算术平均作为样本数据进行实证分析。

（二）评价指标选择

为了研究人工智能行业上市公司的财务竞争力，本文参考了刘松（2019）建立的财务指标体系，从盈利能力、偿债能力、营运能力、发展能力、获现能力以及研发创新能力六个角度选取了15项指标，见下页表1。

表1 财务竞争力评价指标体系

三、基于因子分析的样本实证研究

（一）数据预处理、KMO检验和Bartlett球形检验

在实验之前，对适中指标进行正向化处理，参考范坤等（2013）关于因子分析适中指标的预处理方式。因为人工智能属于新兴行业，不同行业的适中值有一定的差别，因此采用行业平均值对流动比率、速动比率、资产负债率这三个指标进行预处理。在进行研究之前，为了排除不同量纲对实验研究的影响，本文选择Z标准化方法对评价指标进行处理。在实验之前，首先进行KMO检验和Bartlett球形检验，来分析是否适合因子分析方法。一般情况下，KMO值大于0.5，巴特利特球形度检验的显著性小于0.05时，则说明可以使用因子分析。本文通过检验发现，KMO值=0.528＞0.5.显著性=0.000＜0.05，表明所选指标适合因子分析。检验结果如表2所示。

表2 KMO和Bartlett球形检验

（二）公因子的提取

本文采用主成分分析法进行公因子提取，一般提取要求初始特征值＞1或者累计方差贡献率≥80%。从总方差解释来看，前5个因子的初始特征值大于1，累计方差贡献率为79.377%，表明这5个公因子可以解释79.377%的原始指标信息。因此可以提取到5个公因子，并分别将这5个因子命名为Y1、Y2、Y3、Y4、Y5。第1个因子Y1的方差贡献率为17.853%，第2个因子Y2的方差贡献率为17.262%，第3个因子Y3的方差贡献率为16.795%，第4个因子Y4的方差贡献率为14.853%，第5个因子Y5的方差贡献率为12.614%。

（三）公因子的命名

本文采用最大方差正交旋转法将因子进行旋转，目的是使公因子在变量上的载荷量呈现出明显的差异。旋转后的成分矩阵显示，第一个因子Y1在X4、X5、X6载荷系数较大，可以将Y1命名为偿债因子；第二个因子Y2在X1、X2、X3载荷系数较大，可以将Y2命名为盈利因子；第三个因子Y3在X14、X15上的载荷系数较大，可以将Y3命名为研发创新因子；第四个因子Y4在X10、X11上的载荷系数较大，可以将Y4命名为发展因子；第五个因子Y5在X7、X9、X12上的载荷系数较大，可以将Y5命名为营运及获现因子。

（四）因子得分模型的建立、各因子得分与综合得分

利用SPSS提取因子及因子分析之后，得到成分得分系数矩阵，继而对15项指标变量进行加权求和，得到5个因子得分模型：

以旋转后各因子的方差贡献率占累计贡献率作为权重，对5个因子的得分情况进行加权平均，得到综合得分模型Y。

综合模型计算样本公司总得分情况，各样本5个因子得分以及综合得分排名情况。结果见下页表3。

从偿债因子Y1来看，得分为正值的公司有24家，占比71%。得分最高的是恒生电子，达到1.127，说明公司流动性较好，偿债能力较强，所面临的财务风险较小；紫光国徽和东方网力，得分只有0.739和0.646。排后三位的公司分别为北京君正、华胜天成、景嘉微，其偿债因子得分分别为-5.525、-0.588、-0.571。北京君正相比于其他公司，偿债指标具有特殊性，流动比率与速动比率偏大，流动比率达到37.6，速动比率33.7，资产负债率偏低，只有4%；通过公司年报可以看出，北京君正的负债很少，流动资产中交易性金融资产与货币资金占比较高，长短期借款为零，直接导致流动比率、速动比率、资产负债率出现异值。所以北京君正的排名与得分是与平均值相比较所得的计算结果。整体而言，人工智能行业资产流动性欠佳，偿债能力偏弱，直接威胁企业的健康生存与可持续发展。

从盈利因子Y2来看，得分为正值的公司有20家，占比59%。得分最高的是海康威视，为2.089，说明公司的获利能力强，企业价值较高；其次是三六零、恒生电子，其得分分别为0.929、0.846。排后三位的分别为东方网力、科大智能、软控股份，其盈利因子得分分别为-4.315、-1.656、-0.914。总体来看，其获利能力较弱，经营业绩不佳。

从研发创新因子Y3来看，得分为正值的公司有15家，占比44%。排前三位的分别为恒生电子、全志科技、东方网力，其研发创新因子得分分别为3.436、2.256、1.399，说明这些公司研发创新能力较强。排后三位的公司分别为江南化工、高乐股份、慈星股份，其研发创新因子得分分别为-1.094、-1.030、-1.018，显示其研发创新能力较弱。

表3 各样本公司财务竞争力因子排名和综合排名

从发展因子Y4来看，得分为正值的公司只有12家，占比35%。排前三位的分别为景嘉微、天泽信息、赛为智能，其发展因子得分分别为2.463、2.288、1.796，说明这些公司成长能力较强。排后三位的公司分别为软控股份、江南化工、北京君正，其发展因子得分分别为-1.154、-1.103、-1.000，这些公司需要不断提升自身发展能力。

从营运及获现因子Y5来看，得分为正值的公司有13家，占比38%。排前三位的公司分别为浪潮信息、三六零、华胜天成，其营运及获现因子得分分别为2.370、2.103、1.310，说明这些公司营运能力较强，对可利用资源使用后形成获取现金的能力较好。排后三位的公司分别为景嘉微、机器人、赛为智能，其因子得分分别为-2.193、-1.708、-1.319，说明这些公司营运能力及获现能力需要进一步提高。

从综合得分Y来看，公司的综合得分普遍较低，反映了目前人工智能行业上市公司的财务竞争力尚有待提高。在34家上市公司中，只有15家综合得分大于0，占比44%，其中排名前5的是恒生电子、三六零、海康威视、浪潮信息、中科曙光，最高得分只有1.259。另有19家的综合得分均小于0，其中，北京君正综合得分-1.196，综合竞争力较弱。

（五）因子得分的统计性描述

因子得分的统计性描述能更清楚地展现出每个因子得分的综合情况，以及各个公司的因子得分在整体中的位置。从表4可以看出，每个公司在单个因子的得分数据呈标准正态化分布，得分的差异度较小。

表4 因子得分的统计性描述

四、结论与建议

（一）结论

本文以我国34家人工智能上市公司为研究样本，构建财务竞争力评价指标体系，通过因子分析对上市公司2016—2019年的财务竞争力进行分析比较，研究发现：

1.本文提取的5个公共因子，对样本公司的财务竞争力影响较大，贡献率达到79.377%，所以人工智能上市公司之间的差异主要体现在这5个因子上。

2.34家公司的综合财务竞争力普遍得分不高，而且得分相差并不大，财务竞争力普遍不高。

3.34家公司中，因子差异度较大的是盈利能力、营运能力及获现能力，研发创新能力与发展能力次之，偿债能力较差。

4.公司内部财务能力发展不均衡。如：恒生电子在偿债能力与研发创新能力上得分第一，但其发展能力得分处于中下游；浪潮信息在营运及获现能力排名第一，但是偿债能力及盈利能力比较薄弱；景嘉微的发展能力比较强，排名第一，但是其营运及获现能力得分最低，偿债能力得分也低，与北京君正类似，景嘉微的负债较少，账面资金较多，主要是货币资金。综合来看，人工智能行业公司综合得分普遍不高，很大程度上是公司内部财务能力发展不均衡导致的。

5.公司战略侧重有所不同。恒生电子与全志科技的发展战略较为相似，两家公司均明显注重研发创新，大量资金投入研发，公司的发展能力表现欠佳；三六零、浪潮信息、中科曙光这三家公司的发展能力、营运能力及获现能力都较好，但偿债能力表现不佳，需要进一步优化资本结构；天泽信息与赛为智能均注重公司的发展能力，在盈利能力及研发创新上却不太乐观。

（二）建议

人工智能产业作为新兴产业，整体财务竞争力偏弱，资金保证有限，资产流动性不强，盈利能力也亟待提升。针对这些问题，本文提出以下建议：

1.盈利是根本。公司要注重盈利能力的发展，其一，盈利能力是各方关注的核心要素，是投资者能否获得投资增值的重要指标，是债权人如期收本收息的保障，是资本市场价值衡量的重要指标；其二，体现了公司管理层的运营成果与经营业绩，对于公司战略布局起着指导性作用，是公司可持续发展的前提。

2.研发是动能。人工智能行业作为高新技术企业，其竞争力核心之一就是企业的自主研发，在目前的国际竞争环境下，企业只有注重新技术、新产品的研发创新，才能在技术迅速发展的时代不被淘汰，才能获得持续发展的不竭动力。

3.资金是保障。充足的资金能使企业顺利的运转，避免因为资金不足陷入困境。对于人工智能行业，除了公司运营的资金需要，研发创新更是依赖于现金流的投入。所以，为了使公司持续运转，提高管理效率，更好地抓住发展机遇，就要有充足的资金作保障，因此，资本结构的优化，财务风险的管控是企业长期发展的保障。

（三）本文局限性

本文利用因子分析法，从六个维度，选取了15项二级指标，构建人工智能行业上市公司财务竞争力评价体系。在评价过程中，缺少对定性指标的考核，没有完整地覆盖所有财务层面的信息，期待在以后的研究中，能更加深入地探究分析。