基于DEA数据包络分析法的陕西新三板挂牌企业融资效率研究

基于DEA方法的科技型中小企业融资效率研究【摘要】现阶段,融资困难和融资效率低下是制约中小企业发展的主要瓶颈。

文章立足于研究科技型中小企业的融资效率问题,利用深圳中小企业板和香港创业板上市的科技型中小企业数据,运用DEA分析方法,研究结果表明:90%的企业融资效率既不能达到规模有效,又不能达到技术有效,融资效率总体呈低效状态。

【关键词】科技型中小企业; 融资效率; DEA方法中小企业是我国国民经济的重要组成部分,在推动国民经济发展、缓解就业压力、优化经济结构和促进社会稳定等方面,发挥了举足轻重的作用。

作为高新技术产业主力军的科技型中小企业,近年来取得了一定发展,但仍面临一些困难和问题,融资现状不容乐观、融资效率不高已成为了科技型中小企业发展的桎梏,解决好科技型中小企业的融资效率问题迫在眉睫。

基于此,本文将从融资成本和资金使用角度来探讨科技型中小企业的融资效率。

一、融资效率相关理论研究回顾西方经济学中阐述的效率主要有三层含义构成:一是指微观主体以投入和产出之比表示的效用,指的是成本与收益的对比关系;二是指经济主体在追求微观经济效率的同时是否带来了全社会资源的合理利用,资源的配置是否达到了帕累托效率;三是指现有制度安排对微观效率和配置效率的影响以及在此基础上对经济制度本身的效率评价。

对融资效率的研究,前期主要集中于理论研究,国内理论界对融资效率的定义有多种界定。

曾康霖(1993)在分析直接融资与间接融资两种融资方式时,首次使用了“融资效率”这个概念,并分析了影响融资效率和成本的七种因素。

宋文兵(1997)指出,融资方式作为一种制度安排,包括交易效率和配置效率。

前者是指该种融资以最低成本为投资者提供金融资源的能力。

后者是指其能将稀缺的资本分配给进行最优化“生产性”使用的投资者,相当于托宾提出的功能效率。

干胜道(2000)指出,融资效率的计算指标至少应该体现融资成本和资本使用效率的比较关系,以企业在融资过程中的综合资本成本作为投人,以企业的投资报酬率作为产出,并充分考虑融资结构的风险程度和债务资本的抵税效应来计算企业的融资效率。

《基于DEA原理的我国证券公司经营效率研究》篇一一、引言随着中国资本市场的不断发展，证券公司作为资本市场的重要参与者，其经营效率直接关系到市场运行效率和资源配置的合理性。

本文以数据包络分析（DEA）原理为基础，对我国证券公司的经营效率进行深入研究，旨在为提高我国证券公司的经营效率提供理论依据和实践指导。

二、DEA原理及其在证券公司经营效率研究中的应用（一）DEA原理简介数据包络分析（DEA）是一种基于投入产出角度的效率评价方法，通过构建生产前沿面，对同类型单位进行相对效率评价。

该方法可以有效地处理多投入、多产出的复杂系统，适用于证券公司等金融企业的经营效率评价。

（二）DEA在证券公司经营效率研究中的应用DEA原理可以定量地分析证券公司的投入产出比例，对证券公司的经营效率进行全面评价。

通过对历史数据和实时数据的收集与处理，我们可以更准确地反映证券公司的经营状况，找出存在的不足和优化空间。

三、我国证券公司经营效率的实证研究（一）样本选择与数据来源本研究选取了我国主要证券公司作为研究对象，数据来源于各大证券公司年报及公开市场信息。

通过构建投入产出指标体系，我们进行了详细的实证分析。

（二）投入产出指标体系构建在构建投入产出指标体系时，我们主要考虑了人力资源、资本投入、信息技术等投入指标以及业务收入、市场份额、盈利能力等产出指标。

通过这些指标的定量分析，我们可以全面反映证券公司的经营状况。

（三）实证分析结果通过对样本公司的实证分析，我们发现我国证券公司的经营效率整体呈上升趋势，但不同公司之间存在较大差异。

部分公司在人力资源、信息技术等方面的投入产出比例较高，表现出较高的经营效率；而部分公司在资本投入、市场份额等方面存在较大提升空间。

四、提高我国证券公司经营效率的建议（一）优化资源配置根据实证分析结果，我们发现资源配置是影响证券公司经营效率的关键因素。

因此，证券公司应优化人力资源、资本投入和信息技术等资源的配置，提高资源利用效率。

引言概述：正文内容：大点一：超效率的DEA模型小点1：超效率的概念和定义小点2：超效率在实际应用中的意义小点3：超效率的计算方法和模型推导小点4：超效率与非超效率的比较分析小点5：超效率的应用案例和实践经验大点二：动态DEA模型小点1：动态DEA模型的原理和概念小点2：动态DEA模型与静态DEA模型的差异小点3：动态DEA模型在时序数据分析中的应用小点4：动态DEA模型的求解方法和算法小点5：动态DEA模型的实际案例和研究成果大点三：拓展DEA模型小点1：DEA模型的非线性扩展方法小点2：DEA模型在不完全信息环境中的应用小点3：DEA模型与其他评估模型的融合方法小点4：DEA模型在多层次系统中的应用小点5：拓展DEA模型的进一步研究方向和挑战大点四：DEA模型的经验研究小点1：DEA模型在产业效率评估中的应用小点2：DEA模型在环境效率评估中的应用小点3：DEA模型在金融机构评估中的应用小点4：DEA模型在服务业评估中的应用小点5：DEA模型在公共政策评估中的应用大点五：DEA模型的未来发展趋势小点1：DEA模型与的结合前景小点2：DEA模型在大数据分析中的应用小点3：DEA模型在跨国公司比较中的应用小点4：DEA模型在可持续发展评估中的应用小点5：DEA模型的改进和发展方向展望总结：通过本文的详细阐述，我们可以看出DEA数据包络分析模型作为一种非参数评估方法，具有广泛的应用前景和潜力。

在实际应用中，超效率的DEA模型可以帮助我们更好地评估和管理资源利用效率，动态DEA模型可以更准确地分析时序数据变化趋势。

同时，拓展DEA模型的应用和经验研究也为我们提供了更多解决实际问题的方法和思路。

随着和大数据技术的不断发展，DEA模型也将面临更大的机遇和挑战。

我们期待DEA模型在未来的发展中，能够更好地服务于社会经济发展和可持续发展的需求。

DEA数据包络分析法DEA数据包络分析法（Data Envelopment Analysis，DEA）是一种用于评估组织或单位绩效的方法。

它是一种非参数的效率评价方法，不需要任何先验假设或函数形式的假设。

DEA通过比较多个输入和输出变量来确定一个单位的相对效率，即单位在给定的资源限制下能够产生的最佳输出水平。

DEA方法可以用来评估各种类型的单位，包括公司、医院、学校等。

DEA方法的基本思想是将单位的输入和输出量转化为数值来进行比较。

每个单位可以被看作是一个生产过程，输入变量是生产这个过程所需要的资源，输出变量是生产过程所产生的结果。

DEA方法可以帮助管理者找到哪些单位在利用资源方面效率最高，哪些单位在利用资源方面存在浪费，从而指导管理者进行资源配置和决策。

DEA方法的核心是构建生产可能性集（Production Possibility Set，PPS）。

PPS是指所有可能的输入和输出组合，构成一个封闭的边界，这个封闭的边界被称为数据包络（Data Envelopment）。

在这个边界上的单位都被认为是有效率的，而在这个边界内的单位被认为是无效率的。

DEA方法有很多优点。

首先，DEA方法不需要事先制定有效率的标准，而是通过比较各个单位之间的相对效率来确定哪些单位是最有效率的。

这样避免了主观性带来的偏差。

其次，DEA方法可以同时考虑多个输入和输出变量，考虑了生产中的多维度特性。

第三，DEA方法可以识别出生产过程中的浪费，帮助管理者改进资源配置和管理方式。

DEA方法也存在一些局限性。

首先，DEA方法只能提供相对效率的评价结果，而不是绝对效率。

这意味着DEA方法无法提供单位具体的效率水平，只能比较单位之间的相对效率。

其次，DEA方法对输入输出数据的准确性要求很高，数据的质量直接影响了评价结果的准确性。

第三，DEA方法对于数据包络的选择比较敏感，不同的数据包络选择可能导致不同的评价结果。

在实际应用中，DEA方法广泛应用于各种类型的单位绩效评估。