汽车行业上市公司经营绩效评价(doc-6)培训讲学.doc

汽车行业上市公司经营绩效评价Management Performance Measurement for Stock Companies in Automobile Industry刘满凤摘要：本文首先分析了常用的企业经营绩效综合评价方法功效系数法、层次分析法、模糊综合评价法存在的局限性；其次，阐述了主成分分析法的优点，构造了企业经营绩效评价的主成分分析模型；最后应用汽车行业上市公司的样本数据进行了检验。关键词：经营绩效、评价、主成分分析法。一、引言汽车工业已成为我国经济发展的支柱产业，经过近50年特别是“八五”以来的发展，我国汽车工业已具有一定的规模，初步显示出国内市场潜力大、产业关联度大、积累资金能力增强等特点，表明汽车工业对整个国民经济的拉动作用。作为汽车产业的主体汽车企业，随着国内人均收入水平的提高，汽车市场前景看好，这几年也得到了突飞猛进的发展。从1999开始，许多企业利税开始显著回升，规模进一步扩大，竞争能力进一步提高。但是，也有少数企业，虽然销售额大增，但其整体经济效益却不佳，如天津厦利，其销售额在2002年为40多亿元，名列前茅，但其当年的亏损额却高达近8个多亿。因此，本文认为，作好企业经营绩效分析与评价也是企业保持高速发展的重要因素之一。企业经营绩效评价从19世纪初产生以来，一直受到企业各方利益攸关者，如企业出资人、企业经营者、企业债权人、政府等的广泛关注，那是因为企业经营绩效评价是这些利益攸关者正确判断企业的实际经营水平，评判经营者的业绩，分析企业取得成绩、存在问题的基本依据，也是企业进行自我分析、自我诊断的基本工具。纵观近两百年的发展历史，企业经营绩效的评价工作大部分集中在关于企业经营绩效指标体系的设置和改进上，如评价指标体系首先从简单的成本绩效评价发展到复杂的成本绩效评价，再发展到标准的成本绩效评价；然后从以销售利润为中心的财务绩效评价发展到以投资报酬率为中心的财务绩效评价，再到以财务指标为主的绩效评价；最后从以财务指标为主的绩效评价发展到如今的以财务指标和非财务指标并重的绩效评价。应该说，现在的以财务指标和非财务指标并重的绩效评价指标体系是一个包括企业盈利能力、资产运营能力、偿债能力、发展能力、竞争能力等，从多方面来评价企业经营状况的相当完善的评价指标体系。但是，由于任何一个比较完善的指标体系，大都是一个多层次多准则多指标的体系，那么如何将这些指标进行综合，形成一个综合的评价指标，这方面的研究工作却一直进展缓慢。现在比较常用的有层次分析法、模糊综合评价法、功效系数法等，这些方法的局限性主要表现在：（1）基于主观信息进行评价，难免存在脱离实际，夸大或降低某些指标的作用，使排序的结果不能完全真实地反映事物间的现实关系，产生偏差较大的倾向；（2）它们实质上是某种加权的加法合成，因此要求各评价指标之间应是相互独立的。而第二点是许多指标体系都无法满足的，如我国1999年6月1日由财政部等四部委颁布的国有资本金绩效评价规则中的绩效评价指标中一个较突出的问题就是指标之间缺乏独立性（如图1所示）。主成分分析法是通过研究指标体系的内在结构关系，从而将多个指标转化为互不相关的，包含原来指标大部分信息（80%或85%以上）的少数几个综合指标（主成分）来评价事物的一种方法。它是一种基于客观信息的综合评价方法，在指标权重选择上克服了主观因素的影响，避免了人为因素带来的偏差，有助于保证客观地反映样本间的现实关系。主成分分析综合评价法具有以下优点：第一，可消除评价指标之间的相关影响。因为主成分分析在对原指标变量进行变换后形成了彼此相互独立的主成分，而且实践证明指标间相关程度越高，主成分分析效果越好。第二，可减少指标选择的工作量，对于其它评价方法，由于难以消除评价指标间的相关影响，所以选择指标时要花费不少精力，而主成分分析由于可以消除这种相关影响，所以在指标选择上相对容易些。第三、主成分分析中各主成分是按方差大小依次排列顺序的，在分析问题时，可以舍弃一部分主成分，只取前面方差较大的几个主成分来代表原变量，从而减少了计算工作量。 净资产收益率总资产报酬率（息税前利润/平均总资产） 1/（1-资产负债率）已获利息倍数 利息支出负债总额 / 资产总额长期负债 + 流动负债所有者 + 负债总额权益总额资本积累率销售（营业）利润率 总资产周转率净利润 / 销售收入销售收入 / 资产总额销售（营业）增长率流动资产周转率流动资产 + 长期负债销售收入-全部成本费用+各种收入来源货币资金 + 应收款项 + 存货 + 其他流动资产图1 1999年财政部等颁布的国有资本金绩效评价指标体系二、企业经营绩效的主成分分析评价模型1、将样本数据标准化设有n个待评价的企业，评价指标数共p个，设样本数据矩阵为： 为了消除不同指标间的量纲影响和正、逆指标的影响，将样本数据按下式标准化，得标准化后的矩阵为，其中，。2、计算相关系数矩阵的特征值与特征向量主成分分析就是设法将原来众多具有一定相关性的p个指标，重新组合成一组新的相互无关的综合指标来代替原来指标，即将分散指标信息集中化，以尽可能少的指标来表示原来指标的全部信息。由此，用标准化后的矩阵的p个向量作线性组合 ， 其中 ，则F1，F2，Fp就为p个主成分。我们希望这些主成分中，越在前面的包含原有指标的信息越多，而包含信息的多少一般用方差来表示，所以主成分F1，F2，Fp需要满足以下条件：（1）Fi与Fj（）不相关；（2）F1是X1，X2，Xp的一切线性组合中方差中最大的，F2是与F1不相关的X1，X2，Xp的一切线性组合中方差中最大的，Fp是F1，F2，Fp-1都不相关的X1，X2，Xp的一切线性组合中方差中最大的。可以证明，满足上述条件的主成分F1，F2，Fp线性组合中的系数向量恰好是Y的协方差矩阵的特征值对应的特征向量。当协方差矩阵未知时，可用其估计值S（样本协方差矩阵）来代替。 其中 而相关系数矩阵： 其中 由于Y1，Y2，Yp已标准化，所以有 计算时为简单起见，不妨取，因为这时的R与只相差一个系数，显然与的特征根相差n倍，但它们的特征向量不变，并不影响求主成分。 由特征方程可求得相关系数矩阵R的p个特征值为，将其按大小顺序排列，然后再由求出对应于每一特征值的特征向量。设相关系数矩阵R的p个特征值为，称第一主成分的贡献率为，它是第一主成分的方差在全部方差中的比值，这个比值越大，表明第一主成分综合原指标X1，X2，Xp信息的能力越强。前两个主成分的累计贡献率为，前k个主成分的累计贡献率为。如果前k个主成分的累计贡献率达到85%，表明取前k个主成分基本包含了全部测评指标所具有的信息，这样既减少了变量的个数，又便于对实际问题进行分析和研究。3、将k个主成分综合成单指标评价将累计贡献率达到85%的k个主成分F1，F2，Fk做线性组合，并以每个主成分Fi的方差贡献率作为权数构造一个综合评价函数： 以v为评估指数，依据对每个评价对象计算出的v值大小进行综合排序。三、汽车行业上市公司经营绩效评价样本数据选取我国汽车行业2000年末10家上市公司的单项绩效指标数据（共5个大类，19个指标），如下表1所示：表1 2000年末我国10家汽车上市公司绩效指标数据上市公司指标江铃汽车长安汽车天津汽车东风汽车上海汽车一汽轿车厦门汽车宇通客车昌河股份亚星客车获得能力销售毛利润%25.3419.1720.6018.7338.1622.6920.2320.3519.2613.27主营业务利润率%23.7014.6516.3018.2437.1817.5618.9719.7916.6013.04销售净利润%1.892.176.1910.8529.619.084.267.263.205.95总资产报酬率%1.241.953.899.1910.904.244.106.114.364.68净资产收益率%3.226.007.6213.8715.485.8511.8310.0316.818.94经营能力应收帐款周转率,次16.025.351.5049.9510.148.0136.5125.037.024.96存货周转率,次3.065.785.977.675.782.833.473.444.626.31固定资产周转率,次1.422.121.791.492.003.742.583.363.16股东权益周转率,次1.752.821.271.320.570.652.861.595.741.53总资产周转率,次-4.426.738.3212.5312.4216.0126.1744.26-1.988.66偿债能力流动比率,倍1.121.151.861.491.282.541.171.781.071.56速动比率,倍0.660.911.611.141.121.950.661.230.591.33资本结构资产负债率%60.1361.4649.0130.4429.3827.5350.7039.1158.4447.63股东权益比率%38.4532.5050.9966.2370.4572.5734.6660.8925.9552.37固定资产比率%45.8027.9928.5349.9523.8923.5025.1832.1445.3425.88发展能力主营业务收入增长率%15.7920.89-25.2011.692.98-23.2457.5971.25-3.85-11.97营业利润增长率%-129.6546.26-40.528.61-30.50-55.3134.7946.15-5.34-23.31税后利润增长率%-129.19174.89-38.3215.543.52-45.2915.7423.176.17-7.65净资产增长率%4.743.677.496.0717.881.085.8835.4620.204.46总资产增长率%0.640.930.650.900.390.501.070.991.350.82资料来源：中国汽车工业年鉴2001，中国汽车技术研究中心用Matlab计算出指标相关系数矩阵的特征值与贡献率如表2所示：表2 特征值与贡献率序号特征值贡献率累积贡献率序号特征值贡献率累积贡献率16.159932.42%32.42%110.00000.00%100%24.157521.88%54.30%120.00000.00%100%32.939215.47%69.77%130.00000.00%100%42.084710.97%80.74%140.00000.00%100%51.64898.68%89.42%150.00000.00%100%61.13185.96%95.38%160.00000.00%100%70.51242.70%98.08%170.00000.00%100%80.30151.59%99.67%180.00000.00%100%90.06410.33%100%190.00000.00%100%100.00000.00%100%20由表2可知,前5个主成分的累积贡献率已达89.42%，因此选择前5个主成分就可近似代替原指标的所有信息。从而计算出10家上市公司的绩效综合评价值如表3所示： 表3 主成分综合评价值上市公司评价值排序上市公司评价值排序江铃汽车-0.20457一汽轿车-1.249510长安汽车0.72065厦门汽车1.26752天津汽车-0.79149宇通客车0.94524东风汽车0.19236昌河股份0.94783上海汽车1.53651亚星客车-0.29148由表3可看出，从综合绩效角度考虑，上海汽车由于各项绩效指标值均较好，所以排在第一，而一汽轿车主要由于其主营业务收入增长率、营业利润增长率、税后利润增长率均为负值而被排在最后。参考文献：1 梅国平著，上市公司及证券投资基金绩效评价方法与实证。中国商业出版社，2002。2 陈孝新，多因素层次模糊综合评价在上市公司经营业绩分析中的应用，财经理论与实践，2002（2）。3 李湘露，主成分分析法在上市公司财务状况评价中的应用，郑州纺织式学院学报，1999（12）。4 高长元，丁雪伟等，高新技术产品的主成分分析评价法，哈尔滨理工大学学报，2000（2）。