论文部分内容阅读
新能源产业是衡量一个国家和地区高新技术发展水平的重要依据,也是新一轮国际竞争的战略制高点,发展新能源已成为顺应科技潮流、推进产业结构调整的重要举措。作为一个新兴产业,其良好发展态势也给国内新能源行业上市公司提供了巨大的发展空间。因此,正确认识当前我国新能源行业上市公司财务绩效状况,明确相关影响因素,不仅有利于投资者更加全面的了解我国新能源上市公司总体的运营水平,提升管理者和经营者的经营管理能力,规避投资风险,有效地提高企业的竞争力,也有利于降低企业的经营风险。但就目前而言,国内对我国新能源行业上市公司财务绩效综合评价的研究非常少,说明对新能源行业上市公司的财务绩效评价问题重视不足。这显然与我国新能源行业上市公司的快速发展实际是不匹配的,对我国科技赶超战略的实施也是不利的,因此,应该对新能源行业上市公司财务绩效评价投入更多的关注。 传统的上市公司财务绩效评价法大多采用主观赋值法,在评价过程中不可避免地掺杂了主观上的不确定性及认识上的模糊性。因此,为了消除主观性影响,本文将因子分析法和BP神经网络相结合,首先对所选取的财务指标采用因子分析法对原始信息进行降维,形成新的训练样本集。然后,用因子分析的综合得分作为训练神经网络的期望值,将得到的主因子作为BP神经网络的输入,减少了BP网络建模时的网络结构,提高了神经网络的学习速率与泛化能力,并有效的消除了主观因素带来的影响,保证了评价的准确性,为新能源行业上市公司财务绩效综合评价提供了一种科学、可行的方法。 在对我国新能源行业上市公司财务绩效分析过程中,本文选取了国内新能源行业51家上市公司作为样本,对18个相关财务指标运用因子分析法进行分析,得到了综合运营因子、盈利能力因子、变现能力因子、发展能力因子、资金流动能力因子、偿债能力因子和资产利用能力因子等7个主因子。用训练好的BP神经网络对样本公司财务绩效进行评价,得出实际值和期望值输出基本一致,并最终得出了我国新能源行业上市公司的财务绩效评价的最终排名,并分析出了我国新能源行业上市公司财务绩效中存在的问题。