Research on Financial Performance Evaluation of Wind Power Equipment Manufacturing Listed Companies in China--Based on DEA Model and Cluster Analysis
Abstract
In recent years, Chinas wind power industry has developed rapidly. However, there are also problems such as high dependence on foreign core technologies for wind power equipment manufacturing，lacking of competitive enterprises, and blind pursuing the scale expansion. Based on the financial data of 15 wind power equipment manufacturing listed companies in China, this paper uses Data Envelopment Analysis (DEA) to conduct empirical evaluation on the financial performance of these companies from 2017 to 2019. According to the evaluation data, Cluster Analysis is adopted to conduct effective classification, and relevant suggestions for improving financial performance are put forward. The research in this paper provides reference for wind power enterprises to improve financial performance and realize sustainable development.
Keywords Wind Power Industry; Financial Performance; Data Envelopment Analysis; Cluster Analysis.
1. Introduction
In recent years, Chinas wind power industry has achieved leapfrog development. Both in terms of wind power installation and power generation, China has become the worlds largest wind power country [1]. However, at present, Chinas wind power listed companies generally appear problems of unreasonable allocation of resources such as high cost, low output and so on. In addition, listed wind power companies are highly dependent on policy subsidies [2], with low technical level [3] and limited earnings. Therefore, studying the financial performance of listed wind power equipment manufacturing companies is helpful for internal and external investors to effectively evaluate their financial status and operating results, government departments to formulate relevant policies, operators to analyze the future development direction and formulate appropriate strategies, and other enterprises in the industry to learn from the development experience.
At present, there are few researches on the financial performance of listed companies engaged in wind power equipment manufacturing in China. Some scholars have studied the financial performance of listed companies involved in new energy industry including wind power. The reference [4] introduced the new variables that link the type of renewable resource (solar, wind) with financial performance, which effectively explained the return on assets (ROA) and return on equity. Based on the regression analysis, the reference [5] studied the relationship between the growth of renewable energy and the financial performance of electric power companies using two estimation methods of fixed effect and random effect and Granger causality test. The reference [6] analyzed the relationship between the subsidy mode of the new energy company and its financial performance. The results showed that both indirect subsidy and non - innovative subsidy had significant effects on the financial performance of renewable energy enterprises. The reference [7] studied the maintenance activities of wind farms in Spain in an attempt to find the economic optimal scheme from the commercial operation and maintenance of wind farms. The reference [8] assessed the impact of UK tariffs on household small wind power. The relationship between the financial performance of micro -generation wind power projects and the feed-in tariff effect in urban areas of The United Kingdom is analyzed. In addition, some scholars also used DEA model to study the new energy industry. The reference [9] applied a bootstrapped Data Envelopment Analysis (DEA) formulation aiming to evaluate the financial performance of the firms operating in the Greek renewable energy sector. The results showed that higher assets andlower liabilities have a positive effect on corporate financial performance. Based on the importance of evaluating energy projects, a renewable energy project evaluation method based on Data Envelopment Analysis (DEA) and interval- valued intuitionistic fuzzy set (IVIFSs) fuzzy simulation was proposed in reference [10]. Based on the U.S. manufacturing industriesrsquo; eco-efficiency, considering renewable and nonrenewable energy use and economic output, the reference [11] developed data envelopment analysis (DEA) models, and proposed two benchmarking (eco-efficiency) measures, namely: renewability ratio (RR) and economic-output-induced renewability ratio (E-RR). Based on the data envelopment method, the reference [12] evaluated and analyzed the efficiency of 71 offshore wind farms in Northern Europe. It provides reference for offshore wind power benefit assessment from economy, environment, technology and other aspects. A two-stage method for comprehensive evaluation and structural optimization of renewable energy schemes is proposed in the reference [13]. After that, an example is given to prove that the model has a certain accuracy and can provide reference for the formulation of renewable energy strategies. In the reference [14], multiple indexes were selected, and the index system was established by combining DEA model. Finally, the validity of the model was proved by an example. The research [15] used the super-efficiency DEA model, and drawed the conclusion that in order to achieve maximum efficiency, the weight of social and environmental standards must be greater than that of ecological standard.
In addition, some scholars focus on wind power industrial policy. The reference [16] analyzed the advantages and disadvantages of Nordic offshore wind power systems and pointed out a series of related policy challenges. The reference [17]
剩余内容已隐藏，支付完成后下载完整资料
我国风电设备制造上市公司财务绩效评价研究——基于DEA模型和聚类分析
摘 要
近年来，中国的风力发电产业发展迅速。但也存在着在风电设备制造中高度依赖国外核心技术、缺乏具有竞争力的企业、盲目追求规模扩张等问题。本文基于中国15家风电设备制造上市公司的财务数据，采用数据包络分析(DEA)对这些公司2017-2019年的财务业绩进行实证评价。根据评价数据，采用聚类分析的方法进行有效的分类，并提出改善财务绩效的相关建议。本文的研究为风电企业提高财务绩效、实现可持续发展提供了参考。
关键词 风电行业；财务绩效；数据包络分析；聚类分析
- 介绍
近年来，我国风电产业实现了跨越式发展。无论是在风电安装还是在发电方面，中国都已成为世界上最大的风电国家[1]。然而，目前我国风电上市公司普遍出现成本高、低产量等资源配置不合理等问题。此外，上市的风电公司高度依赖政策补贴[2]，技术水平[3]较低，收益有限。因此，研究上市风电设备制造企业的财务绩效，有助于内外投资者有效评价其财务状况和经营成果，政府部门制定相关政策，经营者分析未来发展方向，制定适当的战略，以及行业其他企业借鉴发展经验。
目前，关于我国从事风电设备制造的上市公司财务绩效的研究较少。一些学者研究了包括风能在内的新能源行业的上市公司的财务表现。参考文献[4]引入了将可再生资源类型（太阳能、风能）与财务绩效联系起来的新变量，这有效地解释了资产回报率(ROA)和股本回报率。参考文献[5]在回归分析的基础上，采用固定效应和随机效应两种估计方法和格兰杰因果检验，研究了可再生能源增长与电力公司财务绩效之间的关系。参考文献[6]分析了新能源公司的补贴模式与其财务绩效之间的关系。结果表明，间接补贴和非创新补贴对可再生能源企业的财务绩效有显著影响。参考文献[7]研究了西班牙风电场的维护活动，试图从风电场的商业运营和维护中找到经济最优方案。参考文献[8]评估了英国关税对家用小型风电的影响。分析了微型发电风电项目的财务绩效与英国城市地区上网电价效应的关系。此外，一些学者还利用DEA模型研究了新能源产业。参考文献[9]采用了自举数据包络分析(DEA)公式，旨在评估希腊可再生能源部门运营公司的财务绩效。结果表明，提高资产和负债对企业财务绩效有积极的影响。基于能源项目评价的重要性，在参考文献[10]中提出了一种基于数据包络分析(DEA)和互值直觉模糊集(IVIFSs)模拟的可再生能源项目评价方法。基于美国制造业的生态效率，考虑到可再生能源和不可再生能源的使用和经济产出，参考文献[11]开发了数据包络分析(DEA)模型，并提出了两种基准（生态效率）措施，即可再生率(RR)和经济产出诱导可再生率(E-RR)。参考文献[12]基于数据包络法，对北欧71个海上风电场的使用效率进行了评价和分析。从经济、环境、技术等方面为海上风电效益评价提供了参考。在参考文献[13]中提出了一种对可再生能源方案进行综合评价和结构优化两个阶段的方法，并通过实例证明了该模型具有一定的准确性，可为可再生能源策略的制定提供参考。在参考文献[14]中，选择多个指标，并结合DEA模型建立指标体系。最后，通过一个实例验证了该模型的有效性。研究采用超效率DEA模型，得出结论：为了达到最大效率，社会环境标准的权重必须大于生态标准的权重。
此外，一些学者还关注了风力发电的产业政策。参考文献[16]分析了北欧海上风力发电系统的优缺点，并指出了一系列相关的政策挑战。参考文献[17]定量分析了我国各省的风能政策，并评估了这些政策对我国风能发展的影响。研究结果表明，省级风能政策对各省风电装机容量的增长有积极的影响。参考文献[18]指出，不同国家不同的能源政策和监管框架会导致不同的经济和社会结果。在此基础上，他们对欧洲、亚洲和美国主要国家的风能政策进行了比较研究。由此可见，对上市风电设备制造企业财务效率的研究相对较少，可量化的研究也较少。
本文的研究希望在实践和学术方面做出以下贡献。首先，利用DEA模型构建财务绩效评价指标体系，对风电设备制造企业近年来的财务业绩、输入冗余和产出不足进行分析。其次，利用聚类分析进行有效聚类，根据其性能对样本公司进行分类。最后，本文对目前存在的问题提出了一些发展建议。本文的研究丰富了对风电设备制造企业业绩的定量分析，为风电企业提高财务业绩、实现可持续发展提供了参考。本文的研究结构组织结构如下：第2节介绍了本文所使用的理论和方法，并解释了数据来源。第3节绘制了详细的说明实证分析过程和结果，并进行比较研究。第4节阐述了结论，并根据研究结论提出了相关建议。
2. 方法和材料
2.1. 数据包络分析(DEA)
数据包络分析(DEA)是一种著名的效率评价方法，由美国著名的运筹学家查恩斯、库珀和罗兹于1978年提出。该方法需要选择多个输入指标和多个输出指标，利用线性规划和凸分析，对具有相同输入输出类型的多个决策单元的相对效率进行评价，并在一定程度上对操作结果进行评价和分析，即[19]。由于它克服了传统的单位面积单输入产量分析方法的缺点，在经济和管理领域非常流行。本文采用具有可变尺度返回的体心立方输入导向模型进行分析。该模型假设评估对象有N个决策单元(DMU)。DMUj(j=1,2 ...，n)中的每个决策单元分别有m种输入和s种输出。对应的输入指标和输出指标分别为Xj= (X1j,X2j,X3j,hellip;,Xmj)T，Yj= (Y1j,Y2j,Y3j,hellip;, YSJ)T。该模型还引入了松弛变量Sj-= (S1j-,S2j -, hellip;,Smj-)，其余的变量Sj = (S1j ,S2j ,hellip;,Smj )。基于CCR模型，利用约束条件sum;=1j=1 ，得到用于评估j0th DMU的BCC模型的基本形式。在下面的BCC模型公式中，theta;表示DMU的技术效率值，ε在这里取阿基米德正无穷小。lambda;1， lambda;2， lambda;3， ...， lambda;j 是决策变量。Xj0 和 Yj0 分别表示第 J0 个 DMU 的输入和输出索引向量。
mintheta; - ε(S- S ) (1)
sum;1 lambda;j Xj S=theta;Xj0
s. t. sum;1 lambda;j Yj -S=Yj0
sum;1 lambda;j =1 (2)
{lambda;j, S,Sge;0, j=1,2,3, hellip;,n
图1 体心立方模型与CCR模型的有效边界比较图
图1为体心立方模型与CCR模型的有效正面比。直线OFH和曲线ABD分别是CRR模型和体心立方模型下的有效生产前沿。对于输出水平为G点的DMU，其综合技术效率为SE（theta;）=EF/EG，纯技术效率为Ste=EC/EG，规模效率为SE=EF/EC。可以看出（1）综合技术效率(SE)等于纯技术效率(Ste)和规模效率(SE)的产物；（2）当theta;=1时，DMU有效，其相应的技术和生产活动规模是有效的[20]。STE表示当规模回报可变时，被调查企业与有效边界之间的距离。SE=1表示被评估的企业处于最佳规模位置，小于1表示处于规模低效状态；（3）对于ABD上的DMU，体心立方的有效边界，部分AB是规模回归递增阶段(irs)，部分BD是规模回归递减阶段(drs)。
2.2. 聚类分析
聚类分析的基本思想是对样本[21]进行分类。基于样本中的多个指标，通过分析可以衡量指标[22,23]之间相似性程度的统计数据，可以将样本或指标聚合为不同的类别。本文在系统聚类分析中采用沃德法（偏差平方和），并在区间内选择平方欧氏距离。在该方法中，首先将每个样本或索引视为一个独立的组，然后通过合并来减少组的数量。此时，偏差的平方和出现并逐渐增加，然后选择平方偏差之和增加最小的两组并合并，直到所有的样本或指标组合在一起。聚类分析模型的优点是直观，结论形式简洁。该模型已在许多领域使用。
2.3. 数据的无维处理
在经济管理中，无量纲法是综合评价的步骤之一。由于统计原始指标具有不同单位维度的数据，因此无法直接将数据代入模型中，得到所需的解。因此，有必要对原始数据进行无量纲处理。目前常用的无量纲处理方法主要有极值化、标准化、均值化、标准差等方面。本研究采用极值法对原始数据进行归一化处理。
即：
= (3)
3. 结果和讨论
3.1. 样品选择
在新浪金融网站的帮助下，由于中国风电概念股的上市公司数量有限，且部分上市公司的主营业务不是风电装备制造，除去意法半导体企业后，只有15家大公司被选为最终研究样本，且企业数据不完整。在申请过程中，为了突出可变性和可比性，连续三年的数据被选择进行分析。
3.2. 数据包络分析(DEA)
3.2.1. 指标选择
DEA模型对输入和输出指标的选择有一定的要求，在选择时应遵循相应的原则。具体原则主要包括全面性、重要性、弱相关性、简洁性和源的可靠性。换句话说，指标的选择必须是具有代表性和合理的。根据上述选择原则，本文选择的输入输出指标如表1所示。
表1 输入输出指标
|
输入指示器(X) |
输出指示器(Y) |
|
总资产（X1） |
净利润（Y1） |
|
主营业务成本（X2） |
主营业务收入（Y2） |
|
股东权益总额（X3） |
每股收益（Y3） |
本研究选择了总资产、主营业务成本和总股东权益作为输入指标。
（1）总资产
总资产是指企业拥有或控制的能够带来经济效益的所有资产。也就是说，一个企业可以利用并从中获利的资源。总资产的变化属于发展能力的变化，也反映了企业的资源配置。因此，总资产配置的合理性将会影响资产的利用效率，即企业的盈利能力。
（2）主要业务成本
主营业务成本是指企业在日常活动中产生的成本，如销售商品或提供服务，反映了企业维持正常运行所需的投入。该指数与企业的利润水平密切相关。只有控制企业的成本，才能扩大利润空间。此外，该指数属于企业的经营能力指数，可以反映企业的日常经营能力。对应产出指标中主营业务收入，共同体现资产投入效率，衡量盈利能力。
（3）股东权益总额
股东权益总额，也称为净资产，是企业总资产扣除负债后的剩余部分。该指数反映了股东或所有者的投入，即企业自身的资本。在一定程度上，总股东权益可以反映出企业的实力，以及企业是否有足够的自有资本来盈利。
本研究选取净利润、主营业务收入和每股收益三个指标作为产出指标。
（1）净利润
净利润是企业的最终经营结果，即利润总额扣除所得税后的部分。该指标可以作为衡量企业经营状况最直接、最明确的指标，因此可以作为企业产出能力的指标之一。
（2）主营业务收入
主营业务收入，是指在企业的日常经营活动中获得的收入，如零售行业的商品销售收入。该指标反映了主营业务的盈利能力和发展能力。主营业务收入的提高往往是企业增长最重要的动力利润，这与主营业务的成本相一致，并反映了企业的利润水平。
（3）每股收益
每股收益是指税后利润与股本的比率，它反映了普通股东应享有的净利润或净亏损，即其自身资本的经营成果，对应于股东权益总额。该指数常被用来衡量企业的盈利能力，也是投资者在投资时需要考虑的一个重要指标。
3.2.2. 实证结果
本文采用DEA模型，对选定的15家从事风电行业设备制造的上市公司的财务数据进行了有效的处理。在应用过程中，为了突出可变性和可比性，我们选择了连续三年的数据进行分析，并得到了以下结果。
表2 2017-2019年财务效率DEA计算结果
|
决策单位(DMU) |
综合性的技术效率 |
纯技术效率 |
规模效率 |
|||||||
|
2017 |
2018 |
2019 |
2017 |
2018 |
2019 |
2017 |
2018 |
2019 |
||
|
1 |
新疆金风科技股份限责任公司 |
1.000 剩余内容已隐藏，支付完成后下载完整资料 资料编号：[602971]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
||||||||
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
