基于DEA-Tobit方法的人工智能行业上市公司融资效率研究

doi:10.12005/orms.2019.0138

运筹与管理 ›› 2019, Vol. 28 ›› Issue (6): 144-152.DOI: 10.12005/orms.2019.0138

基于DEA-Tobit方法的人工智能行业上市公司融资效率研究

刘超¹, 傅若瑜¹, 李佳慧², 周文文¹

1.北京工业大学经济与管理学院,北京 100124;
2.清华大学生命科学学院,北京 100062

收稿日期:2017-11-13 出版日期:2019-06-25
作者简介:刘超(1969-),男,山东枣庄人,博士生导师,教授,研究方向:金融系统工程与管理,社会经济系统仿真;傅若瑜(1993-),男,内蒙古呼和浩特人,硕士研究生,研究方向:金融系统工程与管理;李佳慧(1994-),女,河北保定人,博士研究生,研究方向:生物信息学;周文文(1989-),女,内蒙古赤峰人,博士,讲师,研究方向:社会经济系统仿真。
基金资助:
国家自然科学基金(61773029,61273230,61703014);2017年度北京市长城学者培养计划项目(IT&TCD20170304);山东省社科规划办项目(16CGLJ11);山东省高校科技计划资助项目(J17KA164)

Research into Financing Efficiency of Artificial IntelligenceIndustry Based on DEA-Tobit Method

LIU Chao¹, FU Ruo-yu¹, LI Jia-hui², ZHOU Wen-wen¹

1.College of Economics and Management, Beijing University of Technology, Beijing 100124, China;
2.School of Life Sciences, Tsinghua University, Beijing 100084, China

Received:2017-11-13 Online:2019-06-25

摘要/Abstract

摘要： 人工智能产业发展对实现我国总体产业升级和供给侧结构性改革具有重要意义。该领域投资态势向好,但融资渠道较为混乱。本文结合我国37家人工智能产业上市公司2013~2016年的融资数据,首先采用了DEA方法对我国人工智能产业上市公司融资效率进行测度,同时采用Malmquist指数法从动态角度来反映人工智能产业上市公司融资变化,然后通过Tobit方法构建融资效率影响因素模型。从实证结果可以看出,人工智能产业融资效率不高,大多数企业并未达到DEA有效,综合技术效率的不高主要是由于规模效率较低引起的;资本结构、企业的营业能力和成长性与融资效率具有显著的相关性,是影响融资效率的重要因素。最后从提高融资资金利用率、优化融资结构两个方面提出了相关建议。

关键词: 人工智能产业, 融资效率, DEA, Malmquist指数, Tobit模型

Abstract: The development of artificial intelligence industry is of great significance to the realization of overall industrial upgrading and supply-side structural reform in China. The investment trend in this field is good, but the financing channels are more confused. Based on the financing data in 2013~2016 of 37 listed companies of artificial intelligence industry in China, we first use the DEA method to measure the financing efficiency of 37 listed companies of the artificial intelligence industry in China. At the same time, we use Malmquist index method to reflect the financing changes of the listed companies of artificial intelligence industry from the dynamic perspective, and then we construct the model of the influencing factors of the financing efficiency by Tobit method. From the empirical results, it can be seen that the financing efficiency of the artificial intelligence industry is not high, and the most of the companies are not effective in DEA. The low comprehensive technical efficiency is mainly due to the low scale efficiency. And the capital structure, the business ability and growth of the enterprise, which are the important factor that affects the financing efficiency, are remarkably related to the financing efficiency. Finally,some suggestions are put forward from two aspects: raising the utilization rate of financing funds and optimizing the financing structure.

Key words: artificial intelligence industry, financing efficiency, DEA, malmquist index, tobit

中图分类号:

F830.59
F224

刘超, 傅若瑜, 李佳慧, 周文文. 基于DEA-Tobit方法的人工智能行业上市公司融资效率研究[J]. 运筹与管理, 2019, 28(6): 144-152.

LIU Chao, FU Ruo-yu, LI Jia-hui, ZHOU Wen-wen. Research into Financing Efficiency of Artificial IntelligenceIndustry Based on DEA-Tobit Method[J]. Operations Research and Management Science, 2019, 28(6): 144-152.

参考文献

[1] 王玉荣.中国上市公司融资结构研究[D].对外经济贸易大学,2004.
[2] Romano C A, Tanewski G A, Smyrnios K X. Capital structure decision making: a model for family business[J]. Journal of Business Venturing, 2001, 16(3): 285-310.
[3] Almeida H, Wolfenzon D. The effect of external finance on the equilibrium allocation of capital[J]. Journal of Financial Economics, 2005, 75(1): 133-164.
[4] Eisdorfer A, Giaccotto C, White R. Capital structure, executive compensation, and investment efficiency[J]. Journal of Banking & Finance, 2013, 37(2): 549-562.
[5] Kaffash S, Marra M. Data envelopment analysis in financial services: a citations network analysis of banks, insurance companies and money market funds[J]. Annals of Operations Research, 2017. 1-38.
[6] 陈燕武.基于复合DEA和Malmquist指数的科技投入产出效率评价[J].运筹与管理,2011,20(06):196-204.
[7] 王赫一,张屹山.两阶段DEA前沿面投影问题研究——兼对我国上市银行运营绩效进行评价[J].中国管理科学,2012, 20(02):114-120.
[8] 董锋,刘晓燕,龙如银,周德群.基于三阶段DEA模型的我国碳排放效率分析[J].运筹与管理,2014,23(04):196-205.
[9] 杨德权,薛云霞.基于交叉效率DEA和熵IAHP对物流企业绩效评价[J].运筹与管理,2015,24(03):172-178.
[10] 刘满凤,李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[J].管理评论,2016, 28(01):42-52.
[11] 查勇,宋阿丽,杨宏林,梁樑.考虑决策者风险偏好的机会约束DEA模型[J].管理科学学报,2014,17(01):11-20.
[12] 朱南,谭德彬.我国财务公司资金使用效率、动态变化及影响因素研究——基于DEA方法的实证分析[J].金融研究,2015,01:177-192.
[13] 李春好,苏航,佟轶杰,孙永河.基于理想决策单元参照求解策略的DEA交叉效率评价模型[J].中国管理科学,2015,23(02):116-122.
[14] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444.
[15] Farrell M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society, 1957, 120(3): 253-290.
[16] 王小波.全要素生产率的指数估计与分解[J].统计研究,1992,02:58-65.
[17] Malmquist S. Index numbers and difference surfaces[J]. Trabajos De Estadistica, 1953, 4(2): 209-242.
[18] Caves D W, Christensen L R, Diewert W E. The economic theory of index numbers and the measurement of input, output, and productivity[J]. Econometrica, 1982, 50(6): 1393-1414.
[19] Tobin J. Estimation of relationships for limited dependent variables[J]. Econometrica, 1958, 26(1): 24-36.

基于DEA-Tobit方法的人工智能行业上市公司融资效率研究

Research into Financing Efficiency of Artificial IntelligenceIndustry Based on DEA-Tobit Method

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李勇军, 蔡华权. 基于Shephard距离函数的DEA TOPSIS方法研究[J]. 运筹与管理, 2021, 30(5): 116-121.
[2]	曹洁, 雷良海. 基于广义CoES方法的金融业与房地产业风险溢出研究[J]. 运筹与管理, 2021, 30(4): 200-205.
[3]	姚佼, 唐庆云, 陈学敏, 郭晓峰, 熊杨辉. 基于DEA-博弈论模型的铁路电子车票实名制查验评价分析[J]. 运筹与管理, 2021, 30(3): 165-170.
[4]	吴辉, 昂胜, 杨锋. 基于前景理论的两阶段DEA交叉效率评价模型[J]. 运筹与管理, 2021, 30(11): 53-59.
[5]	李勇军, 江莹. 基于平行DEA模型的我国小学教育资源配置效率分析[J]. 运筹与管理, 2021, 30(11): 60-64.
[6]	孟韬, 徐广林. 基于三阶段DEA的独角兽上市企业创新效率评价[J]. 运筹与管理, 2021, 30(10): 206-212.
[7]	李刚, 马羽洁, 牛冲槐. 煤炭资源型地区技术锁定效应测度研究[J]. 运筹与管理, 2020, 29(12): 147-153.
[8]	冯宝军, 沈佳坤, 孙秀峰. 研究型大学财务资源两阶段配置的相对效率评价[J]. 运筹与管理, 2020, 29(10): 140-146.
[9]	俞锦涛, 王金山. 基于Archimedean三角模的犹豫直觉模糊语言信息群决策方法[J]. 运筹与管理, 2019, 28(9): 27-32.
[10]	王昱, 成力为, 王晓娜. 金融功能升级与区域金融发展的动态内生俱乐部收敛[J]. 运筹与管理, 2019, 28(9): 142-156.
[11]	范德成,李盛楠. 区域高技术产业技术创新效率测度与提升路径研究——基于共享投入关联型两阶段DEA模型[J]. 运筹与管理, 2019, 28(5): 156-165.
[12]	段永瑞, 景一方, 李贵萍. 基于两阶段DEA方法的中国商业银行效率评价[J]. 运筹与管理, 2019, 28(2): 118-125.
[13]	杨德权, 杜冰竹. 基于关联网络DEA的供应链协调程度评价[J]. 运筹与管理, 2018, 27(9): 51-66.
[14]	何平, 杨早立, 刘显球, 陈伟. 不良贷款约束下我国上市商业银行全要素生产率时序演变及其驱动因素研究——基于非期望产出的Malmquist-luenberger和Tobit模型[J]. 运筹与管理, 2018, 27(4): 162-172.
[15]	陈恒, 何平, 林超然, 冯志军. 基于SBM-NDEA模型的我国高专利密集度产业技术创新效率研究[J]. 运筹与管理, 2018, 27(3): 191-199.