考虑ESG因素的新能源汽车企业价值评估

高玲玲 牛雨虹 徐珂

【摘要】在倡导可持续发展的时代背景下， ESG（环境、社会、治理）投资备受关注， ESG因素对企业价值的影响日益凸显。同时， 我国新能源汽车行业在绿色发展理念和政策支持的引领下迎来爆发式增长， 如何更准确地评估相关企业的价值是投资者关注的重点。本文以比亚迪为研究对象， 构建以EVA模型为基础并考虑ESG因素的价值评估模型， 进而得到考虑ESG因素后的企业价值。本研究为ESG投资理念下的估值实践提供了可行思路， 可助力投资者优化投资策略， 同时也能为新能源汽车企业提供改善自身ESG实践的思路， 帮助企业更好地实现长期可持续发展。

【关键词】ESG；企业价值评估；EVA模型；绿色发展

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2024）01-0095-7

一、 引言

面对人口增长、 气候变化和自然资源紧缺等全球性、 系统性的发展威胁， 积极实现可持续发展目标已在全球逐步形成共识， 关注经济增长质量则成为更为重要的话题。ESG倡导在经济、 环境和社会价值三者中寻求平衡， 以及其对非财务因素的重视， 正好契合了当下的发展需求， 它是一种关注企业环境、 社会责任和公司治理绩效而非财务绩效的投资理念和评价标准。

近年来， 基于ESG理念的投资备受国内外投资者的关注， 这是因为企业的ESG表现能够帮助投资者识别出企业的潜在非财务风险， 从而避免损失； 同时， 良好的ESG表现能够促进企业价值提升， 进而提高投资者的收益。具体来说， 因企业ESG表现不佳而引发社会公众指责， 甚至导致公司股价出现断崖式下跌的负面事件频繁发生， 例如： 比亚迪长沙工厂污染事件（污染环境）、 长生生物疫苗事件（缺乏社会责任）、 包商银行被接管事件（公司治理问题）等。ESG因素导致的投资风险令投资者们忧心忡忡。与之相反， 良好的ESG表现则有助于塑造企业良好的形象， 进而提升企业经营绩效。例如： 鸿星尔克在捐赠河南暴雨灾区后， 消费者疯狂涌入其網络销售平台， 其天猫旗舰店的单日销售额最高曾一举超过1亿元。上述案例都表明， ESG表现会对企业价值产生重大影响， 单纯关注被投资公司的财务绩效， 已不能适应日益复杂的市场环境。为准确评估企业的投资价值， 投资者必须将ESG因素纳入投资决策过程中。

然而， 传统的企业价值评估方法皆是基于财务数据的角度， 并未将ESG等非财务因素考虑在内。当前， 国内外机构和学者已开始对此展开研究， 如国际评估准则理事会（IVSC）在《ESG与企业估值》中指出， ESG估值是在现有估值方法和程序中纳入对ESG因素的考量， 需要通过量化方法将ESG的“预财务”信息转化为价值计量信息， 建立ESG因素与企业价值的传导机制， 但目前尚未形成统一的框架体系。

自2020年习近平总书记提出双碳政策目标后， 我国也出台了一系列政策支持新能源行业发展， 如双积分政策、 购置税优惠政策等。中国汽车工业协会最新统计数据显示： 2022年我国新能源汽车产量为705.8万辆（同比增长96.9%）， 销量为688.7万辆（同比增长93.4%）； 2022年新能源汽车市场占有率提升至25.6%， 连续8年保持全球第一。在政策和市场的双重作用下， 我国新能源汽车行业市场发展前景良好。在此背景下， 如何科学、 客观、 准确地评估新能源汽车企业的价值就成为热点话题。在ESG投资理念备受追捧的市场环境下， 新能源汽车企业的ESG表现必然会被投资机构纳入估值考虑之中。同时， 新能源汽车企业因其产品所具备的环保属性而与绿色低碳发展有着千丝万缕的联系， ESG因素对新能源汽车企业估值的影响不容忽视。综上所述， 有必要在新能源汽车企业的价值评估体系中纳入对ESG因素的考量。

将ESG因素纳入企业价值评估范畴可以帮助投资者更好地进行决策， 也能助力企业实现长期可持续发展目标。本文基于已有理论和方法， 尝试将ESG因素纳入比亚迪公司的价值评估程序。这既丰富了ESG领域的研究成果， 也扩充了EVA模型在新能源汽车企业价值评估中的应用研究， 同时有利于指导投资者的投资决策， 督促企业管理者改变经营策略以积极践行ESG理念， 帮助企业更好地理解并实现长期可持续发展目标。

二、 文献综述

国外学者针对EVA模型在企业价值评估中的有效性展开了丰富的研究。Hu（2017）以行业龙头企业为样本， 得出了EVA指标更准确的结论。Agrawal等（2019）通过混合效应模型对2001 ～ 2016年中国和孟买两地1700多家上市企业进行分析， 发现EVA对于股票年度收益的解释力比ROA和ROE更强， 这也证明了EVA在解释股票价值上的有效性。近年来， 我国学者将EVA模型广泛应用于具体行业的企业估值实践中（池国华和吴亚丹，2020；朱伟民等，2019）。以2013年国资委开始对央企推行EVA考核制度为契机， 周燕和冯悦（2017）将EVA模型应用于中国石油公司的价值评估之中， 探究中央企业在推进EVA评价体系中存在的问题， 并提出改进意见。

国外对于影响机制的研究主要集中在融资约束和风险方面。Gregory等（2014）研究发现， ESG的价值提升效应主要得益于低股权资本成本。Giese等（2019）发现， 企业ESG信息通过降低资本成本和尾部风险敞口来影响其估值和业绩。目前， 国内文献直接以ESG为因变量研究其对企业价值影响的文献还相对较少， 这主要是因为ESG概念的提出较晚。对于如何在企业价值评估中纳入ESG因素， 施懿宸等（2021）基于IVSC发布的指引文件《ESG与企业估值》， 阐述了收益法下如何根据ESG表现调整企业预期现金流和折现率。崔晨（2022）也探讨了在市场法下ESG因素对可比公司、 价值乘数等关键评估环节的影响， 为将ESG因素纳入估值程序提供了依据。学者们对ESG因素的关注多停留在理论分析层面， 对将其应用于具体案例的研究还处于空白。

由于新能源汽车行业属于新兴行业， 国内外对新能源汽车的研究状况基本一致， 目前还处于起步阶段。国内目前对新能源汽车产业的研究主要集中在国家政策扶持、 研发创新和产业发展方面， 例如周亚虹等（2015）研究了政府扶持政策是否能够引导新能源产业健康发展， 认为在产业发展的起步阶段， 政府补助能够为新能源产业带来盈利优势。

在产业估值研究方面， 目前的理论研究中使用最多的是自由现金流量折现法、 EVA法和实物期权法。杨洁妮（2021）对新能源汽车行业发展前景进行了分析， 为了弥补自由现金流折现模型无法反映该类企业潜在获利能力的缺陷， 对现金流预测模型进行修正， 创造性地加入了永续年金和加速增长率， 从而提高了评估结果的准确性。作为收益法下的重要模型之一， EVA模型也被广泛应用于新能源汽车企业的价值评估之中。高开元（2017）以上汽集团为研究案例， 运用EVA法对其进行估值并与公司市值进行比较， 结果表明EVA法适用于新能源汽车企业的价值评估。曹忆宁（2020）认为EVA模型与其他模型相比更注重企业的潜在价值， 考虑了研发创新对企业价值的影响， 所以适用于新能源汽车企业的价值评估； 同时基于传统EVA的缺陷引入退出倍数对EVA模型进行改进， 以更加精确地评估企业价值。

随着新能源产业的迅速发展壮大， 学者对于新能源汽车企业的价值评估模型也在不断创新优化。考虑到传统估值模型未考虑非财务因素的缺陷， 学者们以新能源汽车企业价值创造过程及企业价值影响因素为基础展开研究， 拟将非财务因素纳入估值模型。如刘洁（2015）把财务因素和非财务因素相结合， 运用层次分析法和现金流量折现模型评估新能源汽车企业的价值。目前尚未有研究将ESG因素纳入新能源汽车企业的价值评估之中， 这也是本文的研究重点。

综上所述， 已有文献对企业价值评估的方法、 估值模型的具体应用、 ESG对企业价值的影响及其作用机制展开了较为丰富的研究。随着市场环境的日益复杂， 非财务因素对企业价值的影响越来越受到重视。为弥补传统估值模型未考虑非财务因素的缺陷， 学者们结合综合评价、 线性回归等方法对企业价值评估模型进行了改进。然而， 已有文献对如何将ESG因素引入企业价值评估模型的研究相对匮乏， 目前仅有学者和研究机构提出了可能思路， 尚未形成确定的模型或方法， 缺乏具体的案例应用。在现有文献的基础上， 本文借鉴已有研究中对非财务因素的处理方法， 对EVA模型进行改进， 尝试在新能源汽车企业的价值评估中考虑ESG因素的影响， 从而更加精确地评估新能源汽车企业的价值。

三、 考虑ESG因素的新能源企业价值评估模型构建

本文将ESG因素纳入企业综合价值的评价指标， 作为传统估值方法之外的补充。在使用EVA模型这类绝对价值评估方法时， 增加ESG贡献度或溢价作为企业价值的增量， 其具体思路为： 构建ESG指标因素体系→计算各指标权重→计算各指标得分→得到修正系数→计算企业价值。

（一）新能源企业价值ESG因素指标体系的构建

对国内外权威ESG评级机构的评级体系进行分析后发现， 由于不同国家和地区的市场环境和政策偏向不同， 各评级机构对评价指标的选取略有差异。以MSCI（摩根士丹利资本国际公司）为例， 其基于行业特点对每一个行业都建立了专门的关键指标体系， 其对汽车制造业企业ESG表现的关键评价指标包括： 生产运营中的碳排放、 清洁技术的发展与创新、 产品质量与安全、 劳动力管理、 社区贡献、 产品中的有害化学物质、 公司治理制度与商业道德， 并设置了更为细分的定性或定量评价指标。

本文参考现有权威ESG评级机构的指标体系设定， 确定了如表1所示的ESG因素评价指标体系。

（二）确定各指标权重

本文运用主客观相结合的方法， 即熵值法和层次分析法相结合来确定指标权重。

1. 运用层次分析法计算主观权重。首先， 采用专家评分法判断各项指标的相对重要性并构造判断矩阵。其次， 根据专家评价构造判断矩阵， 并计算出该判断矩阵的最大特征值λ及其所对应的特征向量。最后， 进行一致性检验。

结合RI系数表（见表2）计算一致性指标CI和检验系数： CR=CI/RI。当CR<0.1时， 即可认为判断矩阵通过了一致性检验。通过一致性检验的特征向量即为该层次内各指标的权重系数。

2. 运用熵值法计算客观指标权重。采用熵值法计算客观指标权重的步骤如下：pij=xij/[i=1nxij]； Hj=-1/lnn[i=1npij]ln（pij）； wj=（1-Hj）/[i=1m（1-Hj）]。

在同行业企业ESG评级数据的基础上， xij表示企业i在指标j上的得分。首先计算第j项指标下第i家企业的贡献pij； 然后计算第j项指标的熵值Hj； 最后即可得到指标j的权重wj。

（三）考虑ESG因素的企业估值模型

将ESG因素纳入企业价值评估程序是一种新兴的趋势， 也是一项挑战。目前还未形成统一的方法来实现这一目标， 不同的评估机构或投资者采用不同的模型和假设。根据国内外学者和研究机构的成果， 有两种基本思路： 一种是在传统的估值方法中， 根据ESG因素对企业价值的影响机制， 将ESG因素反映在估值参数的确定中； 另一种是将ESG因素作为衡量企业综合价值的指标， 作为传统估值方法之外的补充。综合考虑上述两种思路的可行性， 同时参考胡继承（2021）等已有文献对非财务因素的处理方法， 本文采用第二种思路构建出如下考虑ESG因素的新能源汽车企业价值评估模型：

V=F（ESG，V0）=α×V0

上式中： V表示考虑ESG因素后的企业价值； α为修正系数， 表示ESG因素对企业价值的贡献率； V0表示运用传统估值模型計算出的企业价值。

修正系数α可进一步由如下公式得到：

α=f （ESG）=ω×X

其中： ω表示影响企业价值的关键ESG因素指标的权重系数； X代表根据目标企业在关键ESG因素指标上的表现进行赋值得到的得分向量。

公式中V0部分利用EVA估值模型进行估值， 根据新能源汽车行业的发展特点以及比亚迪公司的发展情况， 本文采用二阶段模型进行估值， 具体的计算公式如下为：

V0=c0+[t=1nEVAt（1+WACC） t]+

其中： c0表示估值基准时点企业投入资本总额； EVA=税后净营业利润-资本总额×加权平均资本成本； WACC（加权平均资本成本）=债务资本成本×（1-所得税税率）×债务资本占比+股权资本成本×股权资本占比； g为固定增长阶段的增长率； 第1 ～ n年为高速增长阶段， 自n+1年及之后为固定增长阶段。

由于新能源汽车行业的发展在较大程度上受到国家政策导向的影响， 目前我国将新能源汽车行业作为战略性新兴产业， 制定了《新能源汽车产业发展规划（2021-2035年）》， 在规划中确定了我国新能源汽车行业在2025年的发展目标。根据我国政策变动以及习惯性制定五年规划的规律， 本文认为2025年可能是一个关键的转折点， 因此将比亚迪的高速增长阶段（第一阶段）设定为2023 ～ 2025年。在运用EVA模型进行企业价值评估时， 需要对一些会计科目进行调整以反映企业真实的价值创造能力。参考温素彬等（2018）的做法， 结合比亚迪的规模及发展现状等因素， 本文将研发费用、 利息支出、 计提的各类减值准备、 非经常性损益、 在建工程、 递延所得税等作为调整项。

四、 考虑ESG因素的新能源企业价值评估模型的应用

（一）比亚迪公司简介

比亚迪1995年在广东深圳成立， 起初的比亚迪依靠电池业务起家。2003年比亚迪收购西安秦川汽车有限责任公司， 开始进军汽车行业。2022年1月比亚迪半导体业务上市申请成功过会， 公司市值曾突破万亿， 是目前国内汽车企业市值最高的公司。在2022年全球品牌价值500强中， 比亚迪居自主汽车品牌首位。比亚迪致力于用技术创新促进人类社会的可持续发展， 坚持自主创新研发和自主生产， 成为新能源汽车行业龙头企业。

查询比亚迪公司官网信息可知， 比亚迪公司自2010年起开始披露其企业社会责任报告， 长期深耕ESG实践， 并取得了不错的成绩。2018年9月， MSCI对比亚迪的首次ESG评级结果为A， 处于行业前列， 此后三年内评级结果均未发生变动。在2022年11月MSCI更新上调了比亚迪的ESG评级为AA， 在44家汽车工业企业中处于前19%的领先地位。同时， 国内外的其他权威评级机构给予比亚迪的ESG评级也都位于行业前列。

比亚迪在ESG方面的良好表现， 意味着其很好地承担了社会责任， 这有助于比亚迪提高自身声誉、 打造竞争优势、 完善公司治理， 对其价值产生正向作用。比亚迪的ESG实践对其价值产生了积极影响， 因此对比亚迪的估值必须考虑ESG因素的影响。

（二）考虑ESG因素的比亚迪价值评估

1. EVA模型计算企业价值。

（1）计算比亚迪的历史税后经营净利润。利用EVA模型进行估值之前， 需要先计算比亚迪的历史税后净利润（NOPAT）， 本文采用以下公式进行计算：

NOPAT=（净利润+所得税+利息费用）×（1-所得税税率）+研发费用×（1-所得税税率）+资产减值准备增加额×（1-所得税税率）-非经常性损益×（1-所得税税率）+递延所得税负债增加额-递延所得税资产增加额

（2）计算比亚迪的历史资本总额。进一步计算比亚迪历史资本总额（TC）， 其计算公式如下：

TC=债务资本+股权资本=短期借款+一年内到期的长期借款+长期借款+应付债券+长期应付款+股东权益合计+资产减值准备+研发费用+递延所得税负债-递延所得税资产-在建工程

（3）计算比亚迪的历史加权平均资本成本。在EVA模型估值中本文采用加权平均资本成本（WACC）作为模型中的贴现率， 其计算公式如下：

WACC=债务资本成本×（1-所得税税率）×债务资本占比+股权资本成本×股权资本成本占比

比亚迪债务结构相对复杂， 多项应付债券和银行长期借款相互混杂， 难以区分确认单项负债的资本成本。因此， 本文采用当年利息支出与平均债务总额之比作为债务资本成本， 权益资本成本则根据资本资产定价模型来确定， 公式如下：

Re=Rf +β×（Rm-Rf）

其中： Rf为无风险利率； β表示企业对市场风险的敏感程度； Rm-Rf为市场风险溢价。

参考企业价值评估的理论研究及已有文献中的做法， 无风险利率使用2018 ～ 2022年各年的一年期国债收益率， 此数据来源于中国人民银行网站； 比亚迪的β值来源于CSMAR数据库； 本文使用2018 ～ 2022年沪深300指数平均收益率作为市场预期收益率， 计算得到比亚迪2018 ～ 2022年加权平均资本成本。

（4）计算比亚迪的历史EVA。根据上述一系列步骤， 可以计算得到比亚迪2018 ～ 2022年的EVA值， 其具体结果如表3所示。

（5）未来EVA的预测。本文采用销售百分比法对财务报表科目进行预测， 同时结合平均增长率、 复合增长率进行调整。

在过去五年， 比亚迪的营业收入整体上呈现上升趋势， 但2019年的营业收入增幅较低。2020年之后， 在疫情影响下公司经营业绩并未受到影响， 仍保持较大的增幅； 2022年疫情结束后， 营业收入得到大幅提升。因此本文剔除2019年与2022年的数据， 计算得到比亚迪营业收入的平均增速為27.45%。

本文参考了国内券商及研究机构的研究报告， 认为2023 ～ 2025年这三年比亚迪的营业收入增长率分别为40%、 30%、 20%。假设2025年之后公司进入稳定发展阶段， 营业收入增长率与宏观经济增长率持平或略高， 由此确定稳定增长阶段的增长率为5%。本文选取历史五年的平均息税前利润率5.25%作为息税前利润的预测基础， 所得税税率取历史五年的平均值14.51%为计算基础， 则可计算得到2023 ～ 2025年比亚迪的息前税后利润。对于研发费用的变动， 本文采取2018 ～ 2022年研发费用占营业收入的比率平均值4.35%预测未来研发费用。

由于会计调整项目中资产减值准备、 非经常性损益、 递延所得税资产、 递延所得税负债对营业收入的变化不敏感， 且存在较大的随机性， 因此本文使用上述项目在2018 ～ 2022年的算术平均值作为预测值。

根据上述過程可得到预测结果， 如表4所示。

假定比亚迪在未来几年内的股本不变、 股利政策不发生巨大变动、 资本结构保持稳定， 则可用下述公式来预测所有者权益金额：

期末所有者权益=期初所有者权益+留存收益增加值=期初所有者权益+营业收入×营业净利率×利润留存率

进一步， 可根据债务资本与权益资本的历史比例预测2023 ～ 2025年的债务资本金额。即： 期末债务资本=期末所有者权益×债务权益比。其中， 营业净利率、 利润留存率及债务权益比均取历史五年的平均值， 分别为2.85%、 90.88%和0.68。

由上述分析得出如表5所示的权益资本和债务资本的预测结果：

对于资本总额的调整项， 研发费用的调整方式如前所述， 由于资产减值准备、 递延所得税负债、 递延所得税资产和在建工程的变动不存在明显规律， 因此均取历史平均值。假设在未来几年我国宏观市场环境稳定， 且公司经营状况不会发生重大变动， 则比亚迪的资本成本也将保持当前水平， 本文以2018 ～ 2022年公司加权平均资本成本的平均值11.30%来代替。

综上所述， 比亚迪公司2023 ～ 2025年的EVA预测值如表6所示。

（6）比亚迪企业价值的计算。根据2023 ～ 2025年的EVA预测值， 可以计算得出比亚迪在高速增长阶段EVA的现值之和为3469050.28万元。

2025年及之后进入稳定增长阶段， 比亚迪将以固定5%的增长率增长， 则2026年其EVA预测值为： 1940914.838×（1+5%）=2037960.58（万元）。按照永续年金现值的计算方法， 可知稳定增长阶段比亚迪EVA现值之和为3469050.28万元。计算过程如下：

V永续增长阶段=EVAn+1/［（WACC-g）×（1+WACC）n］

=2037960.58/［（11.30%-5%）×（1+11.30%）3］

=3469050.28（万元）

根据EVA两阶段估值模型， 比亚迪在估值基准日（2022年12月31日）的企业估值为： V0=期初投入资本+高速增长阶段EVA现值+永续增长阶段EVA现值。

则： V0=11709570.30+3469050.28+44600602.22=59779222.80（万元）。

2. 考虑ESG因素的EVA评估模型修正。

（1）计算指标权重。本文以润灵环球ESG评级数据库中的同行业企业各项指标评分数据为样本， 采用熵值法计算各指标的权重。本文采用专家评分法， 向若干ESG领域的专家学者， 以及在会计师事务所和投资银行从事新能源汽车行业研究、 ESG投资研究的从业人员发放了调查问卷， 共计收回10份有效问卷， 得到了上述专家对ESG因素指标相对重要程度的判断结果。根据专家问卷调查的反馈资料， 按照层次分析法的计算步骤， 本文使用SPSS软件进行数据处理， 计算得出各指标权重。经过对比发现， 采用两种方法计算得到的各指标权重并不存在显著差异， 各指标对新能源汽车企业价值的相对重要性排序基本一致， 能够证明本文计算权重的方法是可靠的。综合主观赋权和客观赋权的结果， 取熵权法和层次分析法权重的平均值作为本文ESG因素指标体系的最终权重， 所得结果如表7所示。

（2）计算修正系数。为确保指标得分数据的客观性和准确性， 本文以ESG评级机构的评级数据为基础确定比亚迪在各ESG因素指标上的得分。

考虑到数据的可获得性， 本文计算比亚迪各指标得分的数据来源于润灵环球ESG评级数据库， 该评级体系针对不同的行业设置了不同的评价指标。参考已有文献的做法， 本文以行业平均得分水平作为基准， 对各指标得分进行调整。本文设置的各指标分值区间为0 ～ 100分， 并以60分为基准， 如果某个指标的得分值大于60分， 则说明该指标有助于提升比亚迪的企业价值； 反之， 若低于60分， 则代表比亚迪在该指标方面的表现导致其企业价值受到了减损。最终可以得到调整后的比亚迪各项评价指标得分， 将各指标分值与对应权重依次相乘后相加， 即可得到表8所示的比亚迪整体得分。

比亚迪的ESG整体得分为72.62， 基于上述结果可得ESG因素对比亚迪企业价值的修正系数为1.21（72.62÷60）。从表8的总得分来看， 可以认为比亚迪的ESG表现是有助于提升自身企业价值的。

3. 估值结果及分析。考虑ESG因素对EVA模型得到的企业价值进行修正后， 比亚迪的综合企业价值=1.21×59779222.80=72332859.59（万元）。本文选定的价值评估基准日为2022年12月31日， 当日比亚迪股票在A股市场的收盘价为256.97元/股， 由财务报表得知2022年12月31日比亚迪公司的股本为2911142855股， 即当日比亚迪总市值为74807637.94万元。估值结果对比如表9所示。

由表9可以看到， 与EVA模型的估值结果相比， 考虑ESG因素修正后， 比亚迪的综合企业价值显著上升了16.79%， 与市值的偏差率从20.09%降低至3.31%， 使估值更接近于市场价值。本文考虑ESG因素后构建的修正模型能够弥补传统估值模型未考虑ESG因素的缺陷， 更加准确地评估新能源汽车企业的价值， 同时验证了良好的ESG表现有助于提高新能源汽车企业价值的论断。

为验证修正后估值模型的合理性， 本文使用其他ESG评级机构的评级数据重新计算修正系数， 对比亚迪的企业价值进行评估， 作为补充。受制于数据获取的局限性， 除润灵环球外， 其他各评级机构仅对外公开准则层三项指标的综合评分数据， 无法获得指标层各细分指标的评分数据。因此， 本文的处理方法是： 取各评级机构对准则层三项指标评分的平均值， 按照本文设定的权重， 计算ESG因素对比亚迪企业价值的贡献率。其中， 对于采取等级制或十分制进行评分的， 应首先按照对应比例转化为百分制， 再取平均值。

经各机构评分调整后比亚迪在E层面的得分为72.55、 S层面为82.25、 G层面为70.53。则比亚迪的ESG总得分为72.55×61.35%+82.25×30.55%+70.53×8.10%=75.35， 根據各评级机构评分数据的平均值计算得到ESG因素对比亚迪企业价值的贡献率α=75.35÷60=1.26， 则考虑ESG因素的影响进行修正后， 比亚迪的企业价值=1.26×59779222.80=75321820.73（万元）。与EVA模型下计算得到的企业价值相比提升了26.00%， 偏差率由-20.09%降低至0.69%。此结果与前文的计算结果基本一致， 表明考虑ESG因素后估值的准确度更高。

五、 研究结论与启示

（一）结论

本文借鉴已有研究中对非财务因素的处理方法， 对EVA模型进行改进， 尝试在新能源汽车企业的价值评估中考虑ESG因素的影响， 从而更加精确地评估新能源汽车企业的价值。通过以上分析可以看出， 与采用EVA模型得到的估值结果相比， 考虑ESG因素后比亚迪的企业价值评估结果更接近其真实市场价值， 估值与市场价值之间的偏差率降低。这一结果证明了在企业价值评估中考虑ESG因素的必要性， 也表明本文构建的考虑ESG因素的企业价值评估模型能够有效提高估值的准确性， 为类似企业的价值评估提供了可行思路， 为后续的估值研究奠定了良好基础。

（二）启示

良好的ESG表现有助于提升企业价值。企业积极践行ESG理念， 主动降低生产经营对环境的影响、 积极承担社会责任并不断完善公司治理， 在创造社会价值的同时也提高了企业声誉、 增强了自身市场竞争力， 还有助于降低融资约束水平和风险， 进而提升企业财务绩效和内在价值， 实现社会效益和经济效益的双赢。就本文的案例研究而言， 比亚迪的ESG表现在同行业中处于领先地位， 良好的ESG表现给比亚迪带来了估值溢价。这也为投资机构、 监管机构以及企业管理者提供了有益的启示。

1. 投资机构应当发挥自身优势开发量化模型， 指导ESG投资的决策过程。在企业价值评估中考虑ESG因素是一个非常复杂的过程， 需要依赖大量历史数据支撑和分析人员的专业判断， 这正是投资机构的优势。投资机构应当发挥自身的专业性和海量数据优势， 运用数学模型和工具量化ESG指标， 开发出更加合理、 科学的估值模型。

2. 监管机构应当加快建立统一的ESG报告披露标准， 加强对ESG信息披露的管理。量化ESG指标的前提是收集并厘清各类数据， 而ESG相关的信息来源复杂分散。虽然目前已经出台了一系列披露准则和指引， 但是ESG信息披露领域至今尚未出现与财务报告相同等级的披露标准， 评价指标也尚未统一。统一的ESG报告披露体系有助于积累更多统一制式的、 可供机器学习的大数据， 从而为ESG估值理论体系的完善和案例实践应用提供数据基础。

3. 企业管理者应当意识到ESG因素的重要性， 在生产经营的过程中兼顾其他利益相关者的利益。企业应以实现经济价值和社会价值的共同最大化为目标。企业管理者应当重视ESG管理体系的建立， 成立专门负责ESG的部门， 引进ESG估值研究人员， 提升其在ESG估值领域的技能水平。同时可以利用国内外ESG评级机构对本行业建立的评价体系， 查找自身不足， 不断提升ESG表现； 此外， 企业应当重视ESG信息的披露， 遵守指引文件的规定， 按照准确、 客观的原则及时披露相关信息。

【 主 要 参 考 文 献 】

曹忆宁．基于改进EVA法的新能源汽车企业价值评估［D］．杭州：杭州电子科技大学，2020．

陈伟， 夏建华．综合主、客观权重信息的最优组合赋权方法［ J］．数学的实践与认识，2007（1）：17 ～ 22．

池国华，吴亚丹．中国式EVA考核实施典型案例的启示［ J］．财会月刊，2020（3）：49 ～ 53．

崔晨．环境、社会责任和公司治理（ESG）对企业价值评估的影响分析［ J］．中国资产评估，2022（7）：64 ～ 67．

高开元．基于EVA的新能源汽车企业价值评估研究［D］．昆明：云南大学，2017．

胡继承．非财务因素在科创企业估值的运用研究［D］．上海：上海财经大学，2021．

刘洁．我国新能源类公司企业价值评估研究［D］．北京：华北电力大学，2015．

施懿宸，赵龙图，朱一木．ESG因素在企业估值的运用［ J］．金融纵横，2021（7）：23 ～ 31．

杨洁妮．基于修正现金流量折现模型下新能源汽车企业价值评估［ J］．商场现代化，2021（5）：20 ～ 22．

周亚虹，蒲余路，陈诗一，方芳．政府扶持与新型产业发展——以新能源为例［ J］．经济研究，2015（6）：147 ～ 161．

周燕，冯悦．基于EVA的中央企业价值评估研究——以中国石油为例［ J］．经济研究导刊，2017（36）：4 ～ 6+9．

朱伟民，姜梦柯，赵梅等．互联网企业EVA估值模型改进研究［ J］．财会月刊，2019（24）：90 ～ 99．

Agrawal A.， Mohanty P.， Totala N. K.. Does EVA Beat ROA and ROE in Explaining the Stock Returns in Indian Scenario？ An Evidence Using Mixed Effects Panel Data Regression Model［ J］．Management and Labour Studies，2019（2）：103 ～ 134．

Giese G.， Lee L. E.， Melas D.， et al.. Foundations of ESG Investing： How ESG Affects Equity Valuation， Risk， and Performance［ J］．The Journal of Portfolio Management，2019（5）：69 ～ 83．

Gregory A.， Tharyan R.， Whittaker J.. Corporate Social Responsibility and Firm Value： Disaggregating the Effects on Cash Flow， Risk and Growth［ J］．Journal of Business Ethics，2014（4）：633 ～ 657．