我国制造业企业对外投资绩效分析

柯庚铭

（贵州财经大学大数据应用与经济学院）

一、引言

自改革开放以来，我国大力加强经济建设，党的十五届五中全会上提出了“走出去”的国家战略，鼓励我国民营企业加大对外投资和出口贸易，我国对外投资额不断增长。尤其是2013年“一带一路”倡议的提出，更加推进了我国与东道国的经济合作，为企业开展对外投资提供便利。2003年我国对外直接投资的存量只有330亿美元左右，到2020年，即便是在突如其来的新冠疫情的影响之下，我国对外直接投资存量也达到了2.6万亿美元，相比2003年对外投资额增长了78.8倍，由此可见我国已经成为了对外直接投资的大国。企业对外投资，有利于创造更多的就业岗位，也有利于引进外资,弥补企业资金来源不足，促进我国经济增长，形成经济高质量发展和良好循环。对外投资已经成为我国“走出去”的重要方式之一。2020年我国对外直接投资流量1 537.1亿美元，其中制造业对外直接投资（OFDI)流量是205.92亿美元，占比13.4%，而制造业OFDI存量是2 778.7亿美元，已位居前列，因此制造业对外投资是我国对外投资的重要组成部分。

我国制造业对外投资主要是轻纺产业、资源加工工业和机械、电子制造业，虽然看似强大，但是从全球的价值链角度而言目前还是处于下游的阶段，存在着较多的问题，基础设施发展缓慢和产业繁殖能力相对比较薄弱。此外，在面对当今复杂的国际经济形势，人民币不断升值虽然能够改善我国的贸易产业，但是与之对应也会削弱我国制造业产品在海外低价的优势。

与此同时，制造业对外投资的国家主要集中在“一带一路”沿线的国家和部分欧洲国家，这些国家地理位置分散，经济、政治、文化差别较大，所以我国制造业企业在对外投资时可能面临较大的风险与障碍。另外，在我国企业对外投资的周期之中，有些国家发展过程中可能存在产业转型、政策调整等不可预料的因素，同时企业对外投资的回报也有待考察。因此在面对如此复杂的海外投资环境形势之下，本文运用灰色关联分析对我国制造业企业对外投资绩效进行研究具有一定意义。

二、文献综述

在宏微观OFDI绩效方面，徐今瑾、徐孝勇（2009）从国家层面出发，采用联合国编制的绩效指数（OND）来研究当前阶段的中国OFDI绩效，分析出当前阶段中国OFDI绩效不佳的原因是多样性的，包括投资结构失衡，区位分布不均衡等。认为需要鼓励多元化的区位选择，调整投资结构，实现产业升级，从而提高企业OFDI绩效。霍杰（2014）基于中国对外投资1985—2012年的时间序列数据，对宏观OFDI绩效进行评价。在这过程中运用灰色关联分析方法与主成分分析方法，得出中国OFDI绩效并不是随着OFDI的规模扩大而提高，而是呈现“V”型。潘旵、向冬静和沈敏（2016）通过研究上市公司海外并购对企业绩效的影响指出中国企业在进行OFDI时与东道国的制度距离越小，那么带来的收益也就越高，越有利于OFDI的提高。Castellani(2008)以1998—2004年意大利对外投资的108家企业作为研究样本，通过分析得知企业在进行对外投资时会提高企业生产率水平从而对企业绩效有正向促进作用。同理Gazaniol(2013)运用倾向匹配得分研究OFDI对企业绩效的影响，和Castellani得出的结论类似，企业对外直接投资活动会明显提高企业的经营绩效。

同时部分学者还以上市企业的财务指标为研究目标，通过财务指标建立评价体系衡量企业投资绩效。刘远君（2005）选取了对外投资行业的28家上市企业2003年整年若干数据利用因子分析模型对企业的财务绩效进行评价，发现销售净利率、净资产收益率和总资产利润率是反映公司盈利能力的重要指标。资产负债率、流动比率和速动比率是反映偿债能力的重要指标。谢赞春（2011）从创业板中选取2009年具有海外投资经历的45家上市公司，从每股收益、每股净资产、每股现金流量和净资产收益率、净利润五个指标中提取排名前三个构建财务绩效评价体系。汤婉钰、刘洪久（2020）通过对197家上市医药企业的49项财务指标运用灰色关联分析与回归分析，对企业综合绩效进行排名，并且得出影响企业绩效的相关财务指标。

三、指标构建体系与数据分析处理

（一）指标体系构建

根据客观可靠的原则，本文从东方财富choice金融终端选取了2020年对外投资的31家上市制造业企业的年报作为样本数据进行研究与分析，在剔除偏离度较大和空值指标之后最终把公司的财务绩效评价指标划分为五个一级指标，分别是营运能力、盈利能力、偿债能力、成本能力和基本财务指标，细分二级指标共24个。

（二）数据筛选和分析

首先根据年报获得的数据，对企业对应年报数据的相关空值指标进行填充和剔除，又因为不同指标衡量的数据量纲不同，不同的量纲可能会导致分析的结果出现差异。因此需要对一些指标进行标准化。标准化公式如下：

其中，xij表示的是第i家公司的第j个指标的值，xij表示的是进行标准化之后的值，xjmin是j项指标中的最小值，xjmax是j项指标中的最大值，在对数据进行标准化之后开始进行评价体系评估。

四、灰色关联分析

（一）模型原理

运用熵值法与灰色关联分析相互结合，熵值法是熵理论衍生而来用于计算指标权重的一种分析方法，主要是用来判断某个指标的离散程度的数学方法，同时也适用于鉴别哪些指标在评价体系中起到关键性的作用。一般而言，离散程度越大，该指标对综合评价的影响越大。灰色关联分析是灰色研究理论中的一种研究方法，主要是通过数学计量方法计算系统中各因素之间的数值关系，进而根据几何图形的相似程度来判断不同序列之间的联系是否紧密。

（二）计算过程

1.建立原始指标体系矩阵

首先根据年报获取31家制造业企业24个指标的相关信息构建m×n的系数矩阵，其中m表示是评价对象，n表示评价指标的数量，绩效指标体系如表1所示,指标变量建立开始的原始矩阵如公式（3）所示。

表1 制造业企业财务绩效指标体系

2.设置最优序列

最优序列指的是在各指标中的最优值挑选出来形成长度与评价矩阵列数一致的序列X0。通常在灰色关联分析中把最优序列作为参考序列，后将参考序列加入评价矩阵的第0行，组成新的评价矩阵xmn。

其中x0表示的是新的评价矩阵中的第一行，x0j表示为第j列的最优值。

3.计算指标熵值与权重

对数据进行标准化处理以及设置最优序列之后，开始计算个指标的熵值ej与权重ωj。

第i个公司的第j项指标的权重为

第j项指标的熵值为

最后，由以上公式可以计算第j项指标的权重为

4.计算灰色关联系数

X0作为参考序列，因此可以计算对外投资制造业企业的绩效评价各指标的关联系数rij：

其中关联系数rij表示是评价序列对于最优序列的关联系数，μ表示的是分辨系数，通过μ∈（0,1）时，分辨性最优，在本文中μ取0.5。

5.计算综合绩效得分

由关联系数和权重可以计算对外投资企业的绩效评分yi：

五、实证分析

（一）计算关联系数

根据以上的模型分析，针对对外投资企业进行实证分析与探讨，由公式（3）（4）（9）可以计算各公司的关联系数，部分数据如表2所示。

表2 部分制造业企业关联系数数据

（二）计算权重

由公式（5）～（8）可以计算得出相对应指标的权重，结果如表3所示，其中权重比例最大的是总资产周转率和流动资产周转率，均占比约0.09832；其次是流动比率和速动比率，这说明这些指标在财务绩效的得分中能起到比较重要的作用。而有些指标占比较小，如营运资本周转率占比0.000051，现金净流量同比增长率占比0.00002，这些指标对绩效评分的作用较小。

表3 各指标权重占比

(三)计算绩效得分

由公式（10）计算出各家对外投资制造业企业的绩效得分，排名前5和后5的企业如表4所示。

表4 综合绩效排名前5和后5的上市制造业企业

通过以上的分析，可以得出对应的31家2020年对外投资制造业企业的综合绩效评分，根据所得的绩效评分进行逐步回归分析影响财务绩效具体包括哪些指标。

（四）回归分析

为了分析对制造业企业财务绩效指标有显著性影响的指标，采用逐步回归分析变量之间的关系，由（三）可得知31家制造业企业的绩效评分，把绩效评分作为被解释变量，财务指标做为解释变量，构建以下回归方程：

由（11）中，Y表示每家企业的绩效评分，β1～β24是待评估的参数，x1～x24是24项财务指标，ε服从正态分布（0，δ2）。将标准化处理之后的指标数据与绩效评分共同运用stata进行回归分析，为避免回归系数产生不显著的影响，因此运用逐步回归并运用方差膨胀因子检验变量之间是否存在多重共线性，逐步回归结果如表5。

表5 回归模型部分系数

由表5可知，进行逐步回归之后除了解释变量x1、x2、x4、x9、x13、x16、x18、x19，其余的都不能通过0.05的显著性水平。因此通过模型分析，我们得知能够影响对外投资企业绩效的指标分别是；存货周转率、固定资产周转率、流动资产周转率、总资产净利率、流动比率、速动比率、营业收入同比增长率和净资产同比增长率相关。

六、结论

本文通过对31家对外投资制造业企业2020年度的财务数据建立评价体系并进行灰色熵关联分析，得出每家企业的综合绩效评分，最后再进行回归分析，判断哪个指标对企业绩效具有一定影响。分析结果得知盈利能力、偿还能力、成长能力和营运能力这几个方面的指标都对企业绩效产生相关的影响。一方面，企业应该及时处理闲置资产，管理人员应加强对公司库存的管理与检查，适当减少不必要的库存，从而提高存货周转率和流动性资产的占比，有利于流动性资产比率的提高。另一方面，企业自身可以适当调整优化偿债结构，在不增加企业债务负担的前提之下，减少短期负债从而提高偿债能力。因此制造业企业可以通过对具有影响因素的指标进行有针对性地完善，从而提高企业绩效水平。