论文摘要
人工智能作为全球科技与产业变革的关键领域,已经成为了推动经济可持续发展的强劲动力。与欧美等发达国家相比,我国的人工智能企业大多处于生长初期。因此,深入研究人工智能产业的融资效率对产业持续健康发展具有重要意义。整体来说,分别从静态和动态两个角度对人工智能上市公司截面数据与面板数据进行了融资效率评估,动静结合,形成了一套比较科学完善的评价方法,对于有关企业及政府部门具有一定的参考价值。具体地,静态分析层次,将传统BCC模型中各决策单元纯技术效率作为因变量,结合影响企业融资效率的外部环境变量(作为自变量),建立了Tobit回归模型,从统计的角度分析验证了外部环境因素对DEA模型下融资效率的线性影响。其次,针对现有文献对融资效率实证研究中存在的识别能力不足、评价指标单一等情况,引入香农熵信息度量指数,不但考虑给定的输入输出指标体系,而且从变量组合的角度考察了所有投入产出指标体系的融资效率,相较于单个指标体系,其结果更易于识别且更加稳定有效。此外,针对融资效率领域遇到的非期望产出问题,创新性的将生态低效率模型运用到了人工智能融资领域,计算得出了期望效率(EFE)、非期望效率(UFE)与低效率(PE)三组评价企业融资效率的指标得分与完整排名,并将其结果与CCR模型和香农熵指数模型进行了横向对比,侧面说明了低效率模型对涉及非期望产出效率评估的准确性。动态分析层次,将全要素生产率分解为技术效率变动指数、技术进步指数、纯技术效率变化指数以及规模效率变化指数,更加详尽的展现了人工智能行业融资效率内部指标变化情况,同时还巧妙结合了香农熵优化模型与低效率模型,从曼奎斯特指数内部分解、完整排名对比与非期望产出影响三个角度研究了人工智能行业融资效率的变化趋势。结果表明,我国人工智能上市公司综合融资效率较低,主要体现在纯技术效率上,而规模效率的变化幅度不大,这说明行业整体上融资技术并不高,仍具有较大的投入产出空间。而经过Tobit回归剔除了环境变量的融资效率则显示:我国人工智能上市公司真实的综合效率有所提高,其资金的管理水平达到了较高层次,但规模效率仍旧较低,这也说明环境变量对人工智能产业融资效率有很大影响。此外,从香农熵指数优化模型、低效率模型与传统CCR模型的横向对比结果来看,三者融资效率基本保持一致性,这也侧面验证了结果的有效性与可靠性,其融资效率结果可给予相关企业个体与政府一定的定量参考依据,对于人工智能行业健康有序发展具有重大的现实意义。
论文目录
文章来源
类型: 硕士论文
作者: 傅若瑜
导师: 刘超
关键词: 人工智能上市公司,融资效率,三阶段模型,香农熵指数,模型
来源: 北京工业大学
年度: 2019
分类: 基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,企业经济,信息经济与邮政经济,金融,证券,投资
单位: 北京工业大学
分类号: F224;F49;F832.51;F275
DOI: 10.26935/d.cnki.gbjgu.2019.000290
总页数: 80
文件大小: 1878K
下载量: 91
相关论文文献
标签：人工智能上市公司论文; 融资效率论文; 三阶段模型论文; 香农熵指数论文; 模型论文;