中国数字创意产业上市公司融资效率评价

熊正德，王艺锦

（湖南大学a.工商管理学院；b.战略性新兴产业发展研究中心，长沙 410082）

发展数字创意产业已成为各国经济发展战略与主要举措之一，中国2016 年底首次将数字创意产业列入“十三五”发展规划。作为战略性新兴产业的新支柱与社会经济发展的新动能，数字创意产业对消费的扩容提质、社会风尚的引领、经济发展方式的转变、经济高质量发展的推动等具有强有力的支撑作用。然而，高投入、高技术性、高质效等产业自身发展特性使得数字创意产业的发展需要大量资金支持，数字创意产业企业大多以知识、信息、版权等作为主要资产，缺乏有形资产抵押物，创意产品形成过程中充满不确定性，具有投资周期长、高风险、高回报的特性，在“脱实向虚”大背景下却不易得到金融资本的资金青睐，仍然存在一定的资金瓶颈和金融支持乏力问题。在融资难、融资贵等资金有限情况下，研究数字创意产业上市公司的融资效率，对于提升其资金筹集和配置能力，使金融资本能够有效促进我国数字创意产业发展，从而实现产业价值最大化有着重要理论价值与现实意义。

关于融资效率的界定学者们主要从资金筹集和资金配置两个角度入手。肖劲等[1]认为融资效率的分析应该包含融通资金的量以及融通资金的质两个方面，企业融资效率是指企业能否以尽可能低的成本融通到所需要的资金，以及企业所融通的资金是否能得到有效利用。方芳等[2]结合筹资收益与风险，提出企业的融资效率是以最高收益-成本比率与最低风险的融资方式提供企业所需资金的能力。王琼等[3]认为融资效率是通过不同融资方式融入且运用所筹资金为公司带来最大收益的能力，即为获取最大利润，使资金配置达到最优状态的融资安排。在融资效率理论研究的基础上，学者对融资效率的实证研究也成果颇丰，其中数据包络分析法（Data Envelopment Analysis，DEA）的运用最为广泛且深入。大部分研究集中在特定产业融资效率的定量分析[4-6]。还有一些学者从资本市场、新兴企业等角度进行研究，张延良等[7]运用DEA 方法对金砖五国股票市场的融资效率进行分析，结果表明我国股票市场融资效率尚处于较低水平。部分学者研究新三板市场的中小企业融资效率，发现由于新三板市场融资渠道狭窄、市场机制不健全等原因导致融资效率偏低[8-9]。Liu 等[10]通过三阶段DEA模型分析发现，2011—2017 年中国低碳企业的整体融资效率较高，规模效率是影响融资效率的主要制约因素之一。

在数字经济时代，数字创意产业的发展迎来了历史机遇，大多文献侧重于产业发展的定性分析。Ernkvist 等[11]通过日本视频游戏软件行业的纵向案例分析，研究数字创意产业集群的动态发展。臧志彭[12]从理论建构和战略升级两个角度提出加强数字创意产业全球价值链重构的建议。陈刚等[13]指出数字创意产业发展需要形成新理念，探索数字内容新模式。

梳理现有研究成果可以发现，融资效率的相关研究囊括了多个方面，但现有文献鲜有以数字创意产业为对象研究其融资问题。因此，本文运用DEA模型对我国数字创意产业上市公司的融资效率进行测度，以期为提升我国数字创意产业融资效率提供经验证据和相关策略。

1 研究设计

1.1 模型的构建

数据包络分析法（DEA）是1978 年由Charnes等[14]首次提出的非参数技术效率分析方法。该方法基于一定的生产有效性标准找出位于生产包络面上的相对有效点，无须预先确定生产函数的具体形式，可评价不同量纲的指标，适用范围广且计算结果客观，在分析处理多投入多产出问题时具有较强的优势。DEA 方法不仅可以对各个决策单元（DMU）的相对有效性作出评价，而且可进一步分析各个决策单元非DEA 有效的原因及其改进方向，从而供决策者参考重要的管理决策信息。

选取的BCC 模型来自1984 年Banker、Charnes和Cooper 对CCR 模型的改进，它考虑规模报酬可变的情况，适用于在规模收益可变情况下对决策单元进行分析。假设模型有n个决策单元（DMU）（j=1，2，…，n），每个DMU 有m种类型投入和s种类型产出，xij和yij代表第j个决策单元的第i种投入和第r种产出，记为xi和yr，构建BCC 模型如下：

其中，ε 为非阿基米德无穷小量，s-为投入松弛变量，s+为产出松弛变量，θ 是第j个决策单元的效率值，满足0 ≤θ ≤1。

基于规模收益可变，BCC 模型得出的综合效率值（TE）可分解为规模效率（SE）与纯技术效率（PTE），表示为：TE=PTE×SE，其中，SE受规模因素影响，反映实际规模与最优生产规模的差异，PTE受管理和技术等因素影响，反映在现有管理和技术条件下的投入产出水平，TE是对决策单元多方面能力的综合评价。

1.2 指标选取及数据说明

融资效率会影响公司绩效和价值创造，有效的融资策略是以最有效方式将稀缺资金分配给最具生产力的用途，并减少资金的错配和浪费。结合资金获得和使用两个角度，将数字创意产业上市公司的融资效率界定为企业通过不同融资方式以相对较低的成本筹得足够规模的资金资源，通过合理配置和运用资金资源，实现产出最大化的程度。借鉴潘玉香等[15]和王琼等[16]的研究，选取反映不同融资方式对企业投入强度的股权融资额、债权融资额①，以及企业总成本作为投入指标；选取营业收入作为产出指标，衡量企业的盈利水平。考虑到数字创意产业以知识、技术、创新为核心，在新的会计准则下，无形资产与企业创新活动密切相关，借鉴鞠晓生[17]的研究，用无形资产增量衡量数字创意产业创新活动水平。本文投入产出指标选取及定义见表1。

表1 投入产出指标的选取与定义

根据国家统计局发布的《战略性新兴产业分类（2018）》中数字创意产业最新分类标准，结合万德数据库（WIND）的板块分类，得到在沪深证券交易所上市的数字创意产业上市公司共计394 家。剔除ST 股以及数据残缺样本的企业后，选取共计287家数字创意产业上市公司作为研究样本，数据来源于2015—2018 年287 家上市公司的年报、国泰安数据库（CSMAR）与万德数据库（WIND），指标的描述性统计结果如表2 所示。

表2 指标的描述性统计

1.3 数据预处理

由于所选取的数字创意企业融资效率的投入产出指标数据具有不同的量纲，且出现负值，如无形资产增量，当本期无形资产净额小于上期时，无形资产增量为负数。DEA 模型要求投入产出指标值为非负，因此本文将原始数据进行标准化处理，采用如下方法：

其中，xij和yij分别表示投入和产出的原始数据。

2 实证结果分析

2.1 融资效率整体分析

运用DEAP2.1 软件对决策单元数据进行分析处理，采用投入导向BCC 模型进行测算，得到样本公司2015—2018 年的综合效率（TE）、纯技术效率（PTE）和规模效率（SE）。实证结果整理如表3所示。

表3 2015—2018 年有效决策单元数量及占比情况

处于前沿面上的点效率值为1，即DEA 有效，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。据表3所示，从有效决策单元数量上观察，2018 年只有9家企业达到综合技术效率有效，仅有约3.14%处于效率前沿面，这些企业处于纯技术和规模同时有效状态，公司管理和技术水平较好，能较高效率地利用金融资源，使投入资源均实现最大产出。其余企业处于纯技术效率无效或规模效率无效抑或两者均无效的状态。总体来说，中国数字创意企业融资效率仍有较大提升空间。从时间上观察，有效决策单元数量和综合效率平均值呈现逐年平稳增长趋势，综合效率均值从2015 年0.528 增长到2018 年0.868，是一个很大的提升。2015—2018 年的纯技术效率均值都在0.9 以上，变化幅度不大；规模效率的变化情况与综合效率基本上一致，变化幅度如图1 所示。可以看到自数字创意产业被纳入《“十三五”国家战略性新兴产业发展规划》后，受国家政策支持和宏观调控影响，数字创意企业的整体融资效率有了一定程度的提升，2018 年数字创意产业上市公司的整体融资效率较高。

图1 2015—2018 年数字创意产业上市公司融资效率的变化

进一步，分年度分段观察这些数字创意企业融资效率的变化，具体分段情况见表4。

表4 2015—2018 年分段效率值具体情况

从表中可以观察到综合效率值为1 及介于0.8~1 之间的企业数逐年增加，2018 年综合效率值小于0.6 的企业数为6 家，仅占样本比重约2%。意味着数字创意企业的融资效率逐渐向好，仅少数企业存在很大程度的资源浪费和生产浪费问题。这些低效率企业可能存在两种情况，一是纯技术效率很高，甚至可能达到最佳纯技术效率点，但规模效率较低；二是企业规模效率很高，但纯技术效率相对较低，这两类企业需要及时认清企业发展效率的症结所在，及时采取改进措施。

2.2 PTE 与SE 两维度分析

综合效率为什么会无效呢？从效率分解的纯技术效率（PTE）和规模效率（SE）两个维度进一步分析其原因。从PTE维度来看，实现纯技术有效的企业数较多，且样本期内纯技术效率均值保持在0.9以上。可见，在目前技术水平下，我国数字创意企业利用现有投入生产相应产出的能力较强，一方面企业的管理水平较高，另一方面数字创意企业的蓬勃发展在一定程度上具备了技术支撑。但2018 年与2015 年相比，有效决策单元数和纯技术效率均值有所下降，反映出数字创意企业在提高规模效率的同时忽略了纯技术效率的提升，也造成了综合效率无效的状态。从SE维度来看，实现规模有效的企业数较少。2015—2018 年规模效率均值波动范围为0.558 至0.948，呈上升趋势。规模效率在样本期的变化情况与综合效率基本一致，可见规模效率对数字创意企业融资效率的影响作用力更大。规模收益情况②如表5 所示，数字创意企业大多处于规模报酬递增阶段。顾海峰[18]提到，战略性新兴产业处于培育期时产业发展潜力水平最大，但产业发展规模水平最小。从培育期进入发展期，产业发展规模水平出现逐步递增的趋势。此外，数字创意企业的收益大多来源于其无形资产和品牌效益，初期需要大量投入以扩大影响力，经济效益则相对滞后，也导致其规模效率的变化。

表5 2015—2018 年规模效率情况

散点图2 至图5 更为直观清晰地反映样本企业的纯技术效率和规模效率的分布情况，图中横轴是纯技术效率、纵轴是规模效率，本文将效率值分为较高效率和较低效率两个等级，较高效率为[0.8，1]，较低效率为[0，0.8），以此为划分标准，分为四类区域。

图2 2015 年数字创意企业融资纯技术效率与规模效率散点图

图3 2016 年数字创意企业融资纯技术效率与规模效率散点图

图4 2017 年数字创意企业融资纯技术效率与规模效率散点图

图5 2018 年数字创意企业融资纯技术效率与规模效率散点图

观察各散点图及其变化趋势，2015 样本企业在第二象限的分布密度最高，企业规模效率较低。从2016 年起逐渐向第一象限靠近，规模效率不断提升，但2018 年第四象限的样本数增加，也说明企业在着力于提高规模效率的同时却忽视了纯技术效率的改进。总的来说，多数企业存在纯技术有效但规模无效的情况，很大程度上降低了数字创意企业的融资综合效率的有效性，规模效率的变化是导致综合效率低效或无效的主要原因。

2.3 各渠道融资效率分析

为分析数字创意产业股权融资和债权融资的效率，分别将各渠道的资金量作为投入变量，同时采用两个相同的产出变量，得到不同渠道的融资效率，如图6 所示。

图6 不同渠道融资效率变化趋势图

样本期间债权融资效率高于股权融资效率。究其原因，一是上市公司存在着严重的股权融资偏好[19]，且存在一定程度的资金浪费。不少上市公司的募集资金使用并不符合公司长远利益，资金融到后盲目投资使得资金没有真正发挥其功能，造成资源的巨大浪费。下文的投影分析也表明企业股权融资存在严重的投入冗余情况。二是存在信息不对称和公司治理问题。黄少岗等指出内部人控制、股权融资偏好与公司治理之间已经形成或者很可能形成恶性循环：内部人控制是股权融资偏好成因，不合理的股权结构导致内部人控制，股权融资比例增加又进一步强化了内部人控制，并成为改善公司治理结构的主要障碍[20]。股权融资可以给公司带来大量资本，管理层可能因个人利益将股权融资作为其“圈钱”的手段，重筹资、轻使用，导致股权融资效率低下。

2.4 各区域融资效率分析

由于各区域发展基础不同，我国数字创意产业的融资效率存在较大差异，本文按照中国“七五”计划中三大经济地带的划分标准，对东部、中部、西部地区数字创意产业的融资效率差异进行比较，有利于明确各区域数字创意产业融资效率现状。各区域数字创意企业数量及效率值如表6 所示。

表6 各区域数字创意产业上市公司数量及融资综合效率值

从表6 可以看出，一方面，数字创意企业大多分布在东部地区，多达243 家，约占整个样本数的84.67%，西部地区数字创意企业较少。可见优越的融资环境是吸纳企业落户的重要条件，良好的地缘优势和丰富的政治经济、科教文化资源有利于数字创意企业的发展。另一方面，2018 年各区域数字创意产业的融资效率平均值高低排名依次是西部、东部、中部。西部地区经济环境较为落后，但数字创意企业融资效率较高，主要原因是西部地区数字创意企业少而精，优势资源相对集中，且得益于政策发展机遇及产业集群培育良好。比如重庆市打造了创意公园、天健创意（动漫）产业基地、重庆仙桃数据谷等产业园区。四川成都文化体制改革和文化产业发展领导小组于2018 年9 月公布了31 家首批成都市文创产业园区，涉及游戏、旅游、泛娱乐和教育等领域。陕西现有人工智能相关国家级研发平台11 个③。产业发展集群效应凸显，有利于创新主体高度互动，发挥协同效应。东部地区资源优势良好，具备优越的融资环境，但企业间发展不平衡，部分企业融资效率低下，影响整体水平。中部地区数字创意产业融资规模较小，融资能力较弱，2017 年股权融资规模和债权融资规模均低于西部地区④，其融资能力也落后于东部和西部地区[21]，从而影响其融资效率。

2.5 融资效率的投影分析

投影分析是指通过考察松弛变量的分布情况和数值的大小，发现样本所存在的投入冗余或产出不足的严重程度[22]，为企业提出改善资金效率的方向和程度。以2018 年数据为基础进行投影分析，松弛变量的分布情况见表7。

表7 2018 年松弛变量分布情况

从投入角度来看，有40.07%的样本企业存在投入冗余，其中，股权融资和企业总成本的投入冗余比较大。部分企业对资金的使用效率较低，尤其是股权融资，存在较为严重的资金闲置和浪费。从产出角度来看，有19.85%的样本企业存在产出不足，数字创意企业的营业收入情况尚可，无形资产增量产出不足，有较大提升空间。

3 结论与建议

本文运用DEA 模型分析了2015—2018 年间中国数字创意产业287 家上市公司的融资效率，还深入分析了融资效率的总体有效性、技术有效性、规模收益以及投入冗余和产出不足情况，并比较不同融资方式及不同区域数字创意产业上市公司融资效率的差异。综合实证分析结果，得到以下结论：

整体来看，数字创意企业达到综合效率有效的企业数量较少，部分企业存在不同程度的投入冗余和产出不足，融入资金未得到有效利用，创新产出能力有待加强，数字创意企业的融资效率还有很大的提升空间。自“十三五”规划提出我国重点发展数字创意产业这一战略性新兴产业以来，受政策红利影响，融资效率呈逐年提升态势。

从效率分解来看，数字创意企业的融资效率主要受规模效率的影响，样本期间纯技术效率处于较高水平，规模效率提升幅度较大，大多数样本企业处于规模递增状态，但规模效率得到改善的同时纯技术效率均值和有效决策单元数均有所下降，数字创意企业在规模扩张的过程中不能兼顾管理及技术水平的提升。

从融资方式来看，债权融资效率高于股权融资效率。由于内部治理等诸多因素，数字创意企业对股权融资的使用效率相对较低。

从区域比较来看，数字创意企业融资效率最高的是西部地区，其次是东部地区，融资效率相对较低的是中部地区。

基于实证结果，并结合我国数字创意产业发展的特点，提出以下建议：

第一，强化金融统筹引导，构建融资保障机制。政府与金融机构通力合作，能够为企业提供良好的融资环境，可加大政策性金融支持力度，释放政策红利引导优质资本投资，推动数字创意产业金融服务创新，构建包含无形资产价值评估、知识产权保护、多种融资模式的服务体系。可以搭建政府与金融机构合作平台，建立多部门信息沟通机制和优质项目数据库，实行风险共担，以降低数字创意企业成本负担，加大对成熟科技成果产业孵化，提高融资效率的外部保障。

第二，完善企业内部治理，优化企业融资结构。如何在规模扩张的同时提高管理水平是数字创意企业需要关注的问题，良好的内部治理机制有助于企业良性发展，应平衡利益相关者权责范围，适度调整现有投入规模，在提高规模效益的同时高度重视创新产出，加快核心知识产权的研发，增强融资能力，提升企业价值，进而吸引更多优质资本投入。数字创意企业存在不同程度的投入冗余，企业应当优化融资结构，合理发展和利用外源融资，改善股权融资偏好，灵活运用多种金融工具，同时严控资金使用环节，增强营运能力，降低融资成本，从而实现投入产出最大化，提升企业融资效率。

第三，缩小区域融资差距，发挥资源集聚优势。我国各区域发展基础不同，可进行精准施策，在财政、信贷政策制定上实行针对性倾斜，调节投资空间流向，优化金融支持环境，有利于提升整体融资效率。同时聚集区域优势资源，培育数字创意产业集群创新生态圈，实现优势互补，扩大规模经济，发挥技术溢出效应，从而提升数字创意产业整体的融资竞争力和产出效益。

注 释：

① 内源融资的资金量及其使用受制于企业自身资金积累，数字创意产业多为中小型企业，其资金积累总量无法使企业通过内源融资适时获得所需资金，故本文仅探讨股权融资和债权融资。

② 规模报酬不变即产量增加（减少）的比率等于生产要素增加（减少）的比率；规模效率递减（drs）即产量增加（减少）的比率小于生产要素增加（减少）的比率；规模效率递增（irs）即产量增加（减少）的比率大于生产要素增加（减少）的比率。

③ 张江舟. 陕西成为我国人工智能技术发展重要引领地26 个科研成果世界领先[EB/OL].（2019-02-26）http：//www.sxdaily.com.cn.

④ 数据来源于《2019 中国战略性新兴产业发展报告》。西部、中部地区股权融资规模分别为485.6 亿元、635.5 亿元，债权融资规模分别为3 752.2 亿元、1 906.3 亿元。