【作　　者】
乔小燕1，毛东俊2（博士）

【作者单位】
（1.苏州科技学院天平学院，江苏苏州 215009；2.苏州科技学院商学院，江苏苏州 215009）

【摘　　要】

【摘要】 战略性新兴产业的发展已成为世界各国新的经济增长点，而金融支持在培育和发展战略性新兴产业的过程中起着基础和核心作用。本文以江苏省新能源为例，首先采用DEA方法对比分析了2010 ~ 2013年江苏省15家新能源上市公司股权融资效率的差异；然后在此结果之上，利用固定效应模型对效率的影响因素进行了分析。实证结果表明，上市公司股权融资有利于企业实现产业效率最大化，而负债融资行为对江苏省新能源产业的金融支持效率会产生负面影响。
【关键词】 新兴产业；股权融资；金融支持效率；DEA；固定效应

一、文献综述
能源金融是一种金融活动，它将能源产业资本与金融资本整合在一起不断优化聚合，从而促进能源产业与金融业良性互动、协调发展。国内学者大都是从理论分析和定性分析来研究金融支持新能源的发展。
金融支持对新能源产业的发展至关重要，部分学者主要从理论上论述其重要性，并探讨分析了利用何种金融支持途径来促进新能源产业的发展。如杨明辉和彭立新（2004）认为我国的能源融资需求巨大，为应对不可预料的市场风险，上市融资是解决融资难的重要途径，可以有效减少资金风险；蒋松云和曾铮（2008）对发达国家和发展中国家的能源效率进行了对比分析，从国际经验提出了我国新能源产业的金融支持的具体举措，如加大研发的资金投入、政府加大财政投资、大力发展消费者信贷等；张亮（2009）提出为弥补严重的资金缺口，我国的新能源产业需要多层次的金融支持，新能源行业应深化金融体制的改革、建设多层次的资本市场的前提下更要注重民间风险投资资本的投入等；袁中化和刘小差（2010）指出新能源产业作为我国六大战略性新兴产业之一，其发展离不开金融的支持，金融支持新能源产业发展的路径可以选择风险投资、商业银行和私募股权基金等多层次金融体系。
由于新能源产业具有“高投入、高风险”的特点，所以其投融资渠道有限，部分学者对新能源产业的投融资问题进行分析，并给出相应的对策建议。如陈芳平和李静（2010）指出加大风险资本投资、加大银行的信贷支持力度、加大资本市场的支持力度和有效利用BOT融资方式都会有利于新能源产业发展的金融支持；陈柳钦（2011）提出我国金融支持新能源的发展需要建立一个良好的投融资环境，比如加大商业银行的信贷支持力度、建立政策性金融组织、发挥多层次资本市场的引导作用和推进能源金融创新等；薛楠和刘舜（2013）指出新能源企业的融资问题成为当前制约我国新能源产业发展的瓶颈，并对新能源的投融资问题现状进行了分析，指出加大财税支持力度、拓宽融资渠道和加强风险控制可以有效促进金融支持。不同阶段新能源产业的金融支持模式也不一样，刘洪昌、闫帅（2013）指出作为我国六大战略性新兴产业之一，不同阶段的新能源产业在发展中的金融需求并不相同，并对不同阶段新能源产业的金融支持模式进行了探讨。
而金融支持新能源产业的实证研究尚不多。徐枫和陈昭豪（2013）运用面板VAR模型对世界上具有代表性的29个国家的1992 ~ 2009年的跨国面板数据进行了实证分析，结果表明直接融资和间接融资金融行业都对新能源产业发展起了很大的支持作用，但相比之下间接融资的贡献要大于直接融资。徐枫和周文浩（2014）通过DEA和LOGIT模型对2010 ~ 2012年沪深股市上具有代表性的新能源产业上市公司的金融支持效率进行实证分析，结果表明：相对于直接融资方式，在新能源产业发展的过程中间接融资方式起的作用更加明显。本文以江苏省新能源上市公司股权融资与负债融资为视角，采用DEA模型对比分析了2010 ~ 2013年江苏省新能源产业上市公司股权融资效率的差异，在此基础上，通过固定效应模型进一步分析了股权融资和负债融资对产业效率的影响。
二、模型设计
1. DEA模型。为了评价相同部门间的相对有效性，1978年运筹学家A.Charnes等首先提出了一个被称为数据包络分析（DEA）的方法，他们的第一个模型被命名为C2R。1984年又在C2R基础上假设生产函数的常数规模返回到规模，进一步发展起了BC2模型。BC2模型如下：
[  minθ-εS-+S+s.t.j=1nλj+S-=θX0j=1nYjλj-S+=Y0j=1nλj=1λj,θ,S-,S+≥0]
在模型中，ε为非阿基米德无穷小的正数。此模型中的决策单元的效率也称为技术效率（TE），技术效率可进一步分解为纯技术效率（PTE）和规模效率（SE），即：TE=PTE×SE。本文将新能源股权融资效率界定为产业内上市公司股权融资获得的资金推动企业实现绩效产出最大化和规模收益的效率，在研究新能源金融支持效率的过程中选用了产出导向的BC2模型。
本文主要是评价新能源上市公司股权融资与负债融资效率，在借鉴已有研究指标选择标准的基础之上，选取的投入指标有总资产、反映证券市场上的直接融资比例的流通股占总股本的比例、反映间接融资比例的资产负债率以及反映宏观经济状况和市场因素对股票市值造成的影响的系统风险因素。选取净资产收益率和基本每股收益以及反映上市公司股权融资的配置效率托宾Q值（用市净率代替）作为产出指标。
2. 固定效应模型。为了分析金融支持效率与产业金融投入间的因果关系，在DEA 模型的结果基础之上，本文引入了固定效应模型，其中因变量（Y）的取值是当达到BC2综合技术效率的决策单元效率的设置为1，未达到的均设置为0，并将FXXS（系统风险指标）、LTGBL（流通股占总股本比例）和ZCFZL（资产负债率）三个投入指标作为解释变量，β为待估变量系数。
本文建立的固定效应模型如下所示：
Yi=β0+β1×FXXS+β2×LTGBL+β3×ZCFZL+μi
μi=Ar（1）μi-1+εi
其中：β0表示常数项；μi表示随机扰动项；Ar（1）表示自相关干扰滞后一阶；εi表示白噪声。
3. 数据来源。新能源产业尚处于快速发展时期，上市公司不仅数量少且上市时间较短，本文对江苏省新能源产业的上市公司进行实证分析，随机抽取具有代表性的15家公司。这15家上市公司中太阳能行业上市公司有江苏阳光、林海股份、小天鹅A、宏达新材、春兰股份、大港股份、苏州固锝、中利科技和中天科技；风能行业上市公司有国电南瑞、九鼎新材、吉鑫科技和中材科技；生物能源行业上市公司有华光股份；节能环保行业上市公司有国电南自。在实证分析的过程中，收集了样本公司2010 ~ 2013年的年报数据，数据来自于国泰安数据库和和讯网。采用的DEA分析是DEAP2.1，固定效应模型分析软件采用的是Eviews8。
三、实证结果与分析
1. 江苏省新能源股权融资效率DEA分析。
（1）数据分析。2010 ~ 2013年样本公司DEA效率值见表1。从综合效率的总平均值来看，江苏ith 新能源产业效率值最高的年份是2010年，有11家公司的综合效率值高于均值；2011年是新能源产业效率值最低的年份，综合效率值只有0.793。在2010 ~ 2013年间，江苏省太阳能行业的综合效率值分别为0.834、0.751、0.837和0.847，综合效率平均值达到最低的年份是2011年，而综合效率值为1的企业比2010年减少了20%，且只有2012年的2/3；风能行业的综合效率值在2010 ~ 2013年间分别为0.972、0.930、0.815和0.780，从2010年开始连续四年持续下滑，2013年的综合效率平均值比2010年的减少了19.2%，而2011年综合效率值为1的企业只有2家，比2012年减少了33.3%。从纯技术效率的总平均值来看，2010年是江苏省新能源产业效率值最高的年份，有13家公司的纯技术效率值高于均值；2011年是新能源产业效率值最低的年份，有12家公司的纯技术效率值高于均值。在2010 ~ 2013年间，江苏省太阳能行业的纯技术效率值分别为0.933、0.852、0.911和0.911，其中2010年的纯技术效率平均值达到最高，2011年r 最低；风能行业的纯技术效率值在2010 ~ 2013年间分别为1.000、0.985、0.825和0.788，连续四年持续下滑，其中2013年的纯技术效率值为1的只有2家，是2010年的50%。
从规模效率的总平均值来看，江苏省新能源产业效率值最低的年份是2011年，2012年是新能源产业效率值最高的年份。在2010 ~ 2013年间，江苏省太阳能行业的规模效率值分别为0.899、0.855、0.913和0.933，其中2013年的规模效率平均值达到最高，2011年的规模效率平均值最低；风能行业的规模效率值在2010 ~ 2013年间分别为0.972、0.937、0.966和0.988，其中2011年的规模效率值最低，规模效率为1的只有2家。
（2）原因分析。新能源产业的发展受到2008年世界金融危机的负面影响很大，江苏省新能源产业也经历了一段低潮时期，在2011年跌到低谷。随着2008年我国4万亿经济刺激政策的出台和世界发达国家的量化宽松的经济政策的实施，各行各业开始复苏，江苏省新能源产业的金融支持效果更为容易体现出来。
江苏省作为我国光伏产业大省，全省有超过90%的光伏产能是出口的，光伏企业不仅极力开拓东南亚等新兴市场，欧美市场也吸引了众多光伏企业的出口。得到政府政策的大力扶持和欧美发达国家经济强劲复苏的需求，江苏省太阳能光伏产业在2010年达到了行业发展的最高点，但好景不长，随着欧债危机爆发和贸易双反的落地，我国20亿至30亿美元的光伏产品的出口受到了影响，江苏省更是有10多家光伏企业，总价值高达13亿美元，这对于刚复苏的光伏行业造成不小冲击。光伏行业严重供大于求，产品价格持续回落，企业利润也逐年下滑。
2009 ~ 2010年我国风电行业大幅扩张，出现了很多风能制造和装机产业，它们不仅数量巨大，而且质量也参差不齐，仅江苏省就有200多家风电开发和设备制造企业，行业内部竞争加剧，大量风能企业面临破产风险。
由于我国新能源产业发展较晚，技术水平明显落后于欧美发达国家，大部分技术依赖于国外进口，所以新能源行业的纯技术效率普遍低于规模效率，最终导致综合效率水平偏低。
2. 江苏省新能源股权融资的固定效应模型分析。对于本文的样本公司来说，每个公司的影响因素有很多，不同的公司影响因素也不一样，但是在2010 ~ 2013年里，投入变量对每个公司的影响因素却是稳定的，所以本文假设影响各企业的因素是相同的，采用固定效应模型进行参数估计。考虑到从投入到产出，显现出的金融支持效应需要一定的时间，所以本文在处理ZCFZL、LTGBL和FXXS这三个投入变量过程中，均是采用滞后一阶，模型结果估计见表2。

从表2的结果来看，模型的可决系数是0.716 8，表明模型的拟合优度较好，说明江苏省新能源产业的金融支持效率不仅和FXXS有关，还和LTGBL、ZCFZL有关。从回归的系数和显著性水平来看，对江苏省新能源产业的金融支持效率影响最大的是ZCFZL，其弹性系数为-1.631 4<0，显著性水平为0.05，说明负债融资行为与综合效率是负相关的，间接融资对金融支持效率的实现存在负面影响，而ZCFZL每提高1%，将能使新能源产业的金融支持效率减少1.631 4个百分点。LTGBL的弹性系数为1.414 7>0，较大程度地促进了江苏省新能源产业的金融支持效率，且和其他影响因素相比，LTGBL对江苏省新能源产业的综合效率的影响是正向的，说明公司上市有利于新能源产业融通资金来支持实现产业效率最大化，直接融资对金融支持效率的实现是有效的。LTGBL的显著性水平为0.01，说明LTGBL每增加1%，将能使江苏省新能源产业的金融支持效率增加1.414 7个百分点。FXXS的弹性系数是1.228 3>0，显著性水平为0.05，说明FXXS为对金融支持效率产生负面影响，而FXXS每提高1%，能使江苏省新能源产业的综合效率增加1.228 3个百分点。AR（1）的弹性系数为-0.944 3<0，显著性水平为0.001，说明江苏省新能源产业的发展在2010 ~ 2013年4年间发展不太稳定，年度之间波动显著。目前还处于成长期的江苏省新能源产业对宏观经济环境更敏感，抗风险能力有限，有极大的不确定性。
通过比较各解释变量的系数可以看出，各解释变量对江苏省新能源产业的金融支持效率投入的影响依次为ZCFZL、LTGBL和FXXS。这说明ZCFZL和LTGBL已经在某种程度上极大地影响了江苏省新能源产业的金融支持效率，同时，企业面对的FXXS也是影响新能源产业企业的金融支持效率投入的重要因素，但与前两者相比相对较弱。
四、结论
本文采用DEA方法对比分析了2010 ~ 2013年江苏省15家新能源上市公司股权融资效率的差异，在此结果上，通过固定效应模型进一步分析了效率的影响因素，得出以下结论：①受2008年世界金融危机的影响，江苏省新能源产业的综合效率在2011年跌到低谷，随着国家经济刺激政策的出台，新能源产业重新获得了政府政策和金融市场的大力支持。②江苏省新能源产业起步较晚，技术水平落后于欧美国家，大部分技术依赖于国外，导致江苏省新能源产业的纯技术效率普遍低于规模效率，从而使得综合效率偏低。③目前江苏省新能源产业企业处于成长期，受国家宏观经济环境多方面的影响，金融支持新能源产业的功能常常出现不稳定的现象，抗风险能力有限。④新能源产业采用不同金融支持手段与方法受到不同程度的影响。公司股权融资有利于江苏省新能源融通资金支持实现产业效率最大化，负债融资行为对江苏省新能源产业的金融支持效率会产生负面影响。
主要参考文献
杨明辉，彭立新.能源企业上市融资将大量出现［J］.经济导刊，2004（8）.
蒋松云，曾铮.能源效率和可再生能源的发展及其金融支持的国际经验［J］.经济社会体制比较，2008（1）.
张亮.我国节能与新能源行业的金融支持问题［J］.开放导报，2009（4）.
袁中华，刘晓差.后危机时代我国新兴产业发展的金融支持研究［J］.产业金融，2010（5）.
陈芳平，李静.我国新能源产业发展的金融支持策略［J］.中国科技纵横，2010（2）.
陈柳钦.新能源产业发展的金融支持研究［J］.金融发展研究，2010（6）.
薛楠，刘舜.新能源战略性新兴产业投融资问题探讨［J］.中国流通经济，2013（6）.
刘洪昌，闫帅.战略性新兴产业发展的金融支持及其政策取向［J］.现代经济探讨，2013（1）.
徐枫，周文浩.新能源产业的金融支持绩效评价——基于DEA和Logit模型［J］.科技管理研究，2014（20）.
Charnes A.，Cooper W. W.，Rhodes E.. Measuring the efficiency of decion making units［J］. European Journal of Operational Research，1978（2）.
【基金项目】 苏州科技学院科研青年基金项目“江苏省战略性新兴产业与金融融合发展研究”（批准号：XKQ201207）