物流上市公司投资价值评价研究
——基于Topsis法改进的因子分析模型

祝静远^a, 刘 莉^b*

(安徽财经大学 a.金融学院 b.经济学院，安徽 蚌埠 233030)

摘 要： 以A股上市的34家物流公司为研究对象，利用2013—2017年面板数据，选取了11个财务指标作为基础性指标，采用Topsis法改进后的因子分析模型对公司进行评价研究．结果表明,物流上市公司的最优因子方案贴近度分布于0.3～0.8，仅17.65%的物流上市公司最优因子方案贴近度高于0.7，表明国内不少物流上市公司的投资价值还存在较大提升空间．

关键词： 物流上市公司；投资价值；因子分析；Topsis法

0 引言

在“互联网+”背景下，电子商务的兴起为物流行业的发展提供了良好机遇，物流企业数量在电子商务的浪潮中不断增加．据同花顺iFinD数据，截至2018年12月31日，物流行业在沪深A股中的总市值达5 224.8亿元，已成为我国证券市场的重要组成部分．物流上市公司作为物流行业的龙头企业，通过对其评价研究，在一定程度上可帮助价值投资者发掘出行业投资价值．

众多学者从不同角度对物流业进行研究．如曾倩琳^[1]从产业融合的角度，建立系统协同发展模型，测算出复合系统的协同度和子系统的有序度，表明部分子系统有序度不足及波动幅度较大导致物流产业未能协调发展．邹筱^[2]探究了我国“营改增”税制改革对物流企业税负的影响，发现物流公司税负呈现出“先增后减”的变化趋势，税制改革将推动行业发展．韩剑尘等^[3]运用数据包络分析方法从多维度对企业生产效率进行测算，发现国内物流企业的规模效率已接近最优水平，而纯技术效率还存在较大提升空间，企业应重视资源配置效率的提升．王涛等^[4]基于产业经济理论、公司治理理论以及人力资本理论等多方面视角，发现企业规模、生产能力和员工素养是企业竞争力的关键要素．

目前我国医院在管理过程当中应当加强绩效考核工作以及绩效管理工作，通过这两个方面工作从而促使医院管理工作质量提升，同时有助于医院实现自身发展目标，进而促进医院实现健康以及稳定长远的发展。另外，医院当中进行合理以及有效的绩效管理工作，能够一定程度上促使医护人员主动性以及积极性等方面得到显著的提升，提高医院人力资源管理质量以及水平。因此，领导人员应当意识到医院绩效管理工作重要性，采取有效措施，充分挖掘绩效管理工作的潜力，进而促使医院的经济效益以及市场竞争能力得到显著提高。

现有文献多从企业管理角度对物流公司进行研究，而基于价值投资视角对物流行业进行综合评价的文献则较少．本文将基于投资者角度对物流企业进行评价，通过对物流公司投资价值的研究可认识到行业竞争地位，并结合市场价格来判断出企业估值洼地和投资时机．因此，不论是对市场投资者还是企业管理者而言，研究物流上市公司的投资价值具有重要意义．

1.3.2 标准曲 精密量取0.5,1,2,3,4mL对照品溶液，分别置25mL于容量瓶中，各加水至6mL，加5%NaNO2溶液1mL混匀，放置6min，加10%Al（NO3）3溶液1mL，摇匀，放置6min，加入NaOH溶液10mL，再加水至刻度，摇匀，放置15min,以相应试剂为空白，于510nm波长处测定吸光度。

1 研究方法与评价指标的确定

1.1 基于Topsis法改进的因子分析模型

网络是知识传播的高速公路，消除了知识传播的时空局限，人们可在任何时间和空间获取所需要的知识，这就使传统的大学教育模式面临巨大挑战。学生可以根据兴趣和任务通过网络获得知识，其效率已经远高于课堂教师讲授；网络传播可以一对多，也可以多对一交互学习，所涉及领域及知识面远超出课堂一对多传播；网络知识传播可以自主学习，真正体现兴趣驱动，体现学习者的主导地位；网络传播可以拆除大学围墙，突破单一学科限制，学生可以同时在不同的知识传播源获取知识，即在不同的大学、不同的国度同时学习；网络传播推动了知识更新，加快了知识创新，提升了知识应用。

(1)建立指标体系.设研究对象集为S _ti (i =1，2，…，n )，指标集为V _tj (j =1，2，…，m ),t ∈[t ₁,t ₂]，研究对象个数为n ，评价区间为l 年，则l =t ₂-t ₁+1.

实现难点：OTN体系中增加L3支持，需要精心裁剪功能并 在OTN接口板卡中增加NP，功耗控制和可靠性保持不易。

(2)采用因子分析对S _ti 的横截面数据进行研究，得到对象集S _ti 的f _t,k 个因子(k ≤m )以及各对象集因子综合得分y _t1 ，y _t2 ，…，y _tn ．其中，t 为时间点，可得(Y _ti )_n×l 的矩阵.

2.1.2 计算因子综合得分

直到有次，我俩喝到酒精中毒住了院，他爸一耳刮子过来了。我就在想，这年头当爹妈的，身上都自备武器，随时都可以出鞘上战场。

利用主成分分析法提取公因子，得到各个公因子的特征值和方差贡献率(见表2)．

Ⅱ.对l 个指标进行标准化

Ⅲ.根据Z _ti 矩阵确定最优、最劣向量，分别记作

Z ⁺=(Z _max,1,Z _max,2,……,Z _max,l )

由表2可见，在保留特征值大于1的因子后，各年的累计方差贡献率均大于80%，对整体的解释程度较高，所保留的公因子已经基本涵盖各个二级指标的信息，我国物流上市公司投资价值可被较好地体现．为让结果更具可解释性，采用最大方差法对2013—2017年各年截面数据初始因子载荷矩阵进行Kaiser标准化正交旋转，使得因子载荷系数向0或1两极分化．由于各年的分析过程相似，在此仅以2017年物流公司的截面数据为例进行阐释(见表3)．

近年来，随着土木行业的新材料、新技术、新工艺、新方法的不断涌现，行业规范需要高校的课程设置和选用教材应跟上社会需求，但很多高校使用的经典教材虽然一版再版，但在规范调整、行业动态、新方法、新技术应用等方面未跟上社会发展步伐，教学内容和教学课程体系滞后于行业发展，教师也未能根据行业发展更新教学内容，导致学生的知识体系和能力不能满足当前的工程实践要求。

Z ^-=(Z _min,1,Z _min,2,……,Z _min,l )；

Ⅳ.第i 个评价对象与最优、最劣解的距离分别为：

Ⅴ.第i 个评价对象与最优因子方案的接近程度为：

C _i 越大，表示该物流公司在2013-2017年的经营绩效越好，投资价值也就越大．

因子分析是主成分分析方法的推广，通过降维的思想，把多个指标转化为几个不相关的综合性指标，利用综合指标去描述原始变量之间的相关性^[5-7]．Topsis法又称优劣解距离法，是一种适用于多目标决策的综合评价法，在对原始数据进行无量纲化处理后，寻找出方案中的最优向量和最劣向量，通过计算评价对象与最优解、最劣解之间的距离来得出各评价对象与最优方案间的相对贴近程度，以此作为排序依据，使得评价结果真实、直观，该方法被学术界广泛应用^[8-11]．因子分析法只适用于截面数据，Topsis法改进后的因子分析模型克服了权重主观性的不足，并可用于面板数据．本文借鉴罗国旺等^[12]于2015年提出的基于Topsis法改进的因子分析模型，利用2013—2017年物流上市公司面板数据，来评价物流上市公司的投资价值.具体步骤如下．

1.2 指标体系构建与样本数据选取

f _2017，1=-0.028x ₁-0.060x ₂-0.044x ₃+0.104x ₄+0.139x ₅+0.181x ₆-0.030x ₇-0.041x ₈+0.242x ₉+0.250x ₁₀+0.243x ₁₁；

由格雷厄姆在1928年提出的价值投资理论认为，通过对上市公司的财务数据进行分析,可估量出企业的内在价值,并由此发掘出市场价格低于内在价值的资产^[13]．结合该理论思想，本文选取财务指标对物流上市公司的投资价值进行评价．最终确定4个一级指标，即偿债能力、盈利能力、营运能力和成长能力;以及11个二级指标，即流动比率(x ₁)、速动比率(x ₂)、资产负债率(x ₃)、总资产净利率(x ₄)、净资产收益率(x ₅)、销售净利率(x ₆)、总资产周转率(x ₇)、流动资产周转率(x ₈)、每股收益增长率(x ₉)、净利润增长率(x ₁₀)和利润总额增长率(x ₁₁)．物流行业上市公司投资价值评价指标体系如图1所示，所有数据均来自同花顺iFinD数据库．

图1 我国物流上市公司投资价值评价体系

2 物流上市公司投资价值的评价

2.1 因子分析

根据我国物流上市公司投资价值评价指标体系，使用SPSS 22.0对2013—2017年的各年的横截面数据分别进行因子分析．

2.1.1 KMO和Bartlett检验

在进行因子分析前，需检验指标变量之间的相关关系，本研究利用KMO检验和Bartlett球形检验来探究原始数据的相关性(见表1)．

表1 2013-2017年各年截面数据KMO检验及Bartlett检验

由表1可见，2013—2017年各年的KMO统计值均大于0.5，同时Bartlett球形检验均为0，远小于显著性水平0.05，这表明数据之间具有一定的相关性，适合因子分析．

(3)利用Topsis法对S _ti 的因子综合得分y _ti 进行最终评价.具体步骤为：

Ⅰ.把各年的最终得分作为公司投资价值的一个评价指标，构成一个新的指标体系，即l 个数据指标，n 个目标，y _ti 个数据.

表2 2013-2017年截面数据因子分析的总方差贡献率

和

表3 2017年旋转后的因子载荷矩阵

利用主成分分析法对2017年财务指标进行提取，可得到3个公因子．结合表2、表3，第1个公因子、第2个公因子和第3个公因子对公司投资价值的贡献率分别为38.096%、25.687%和19.148%，3个公因子分别体现公司的成长能力、盈利能力、偿债能力和营运能力，由此，分别命名为成长能力因子、盈利能力因子、偿债能力因子和营运能力因子，其中，成长能力和盈利能力因子对投资价值的单个贡献率最高．以上3个公因子的累积贡献率达到82.931%，总体解释程度较高，能够较好地反映公司投资价值．运用回归法估算2017年截面数据的因子得分系数，可得到该年因子得分系数矩阵(见表4)．

当前，“以学习者为中心”的教学理念深入人心，而ESP教学具有强烈的工具性，以满足学习者需求为主要目标。因而，ESP课程规划应建立在学习者需求分析的基础之上，要基于学习者对专业英语的应用需求，制定课程教学目标和相应的考查标准。EGP课程对听、说、读、写等基本语言能力同等对待，而ESP课程应根据学习者的需求而有所侧重。

表4 2017年因子得分系数矩阵

结合表4中的因子得分系数，3个因子被11个指标变量的线性组合分别表示出来，由此得到2017年的各因子得分函数．

其中， r为NI的长度，tp (1 p r)是NI的所有项目中其支持度最大的单项目，Is为NI的所有2_子项集至(r-1)_子项集中其支持度最大的子项集.

在选取研究样本时，本文依据申银万国证券的行业分类，选择交通运输业中的二级行业物流业，选取沪深A股共40家物流上市公司，剔除2013—2017年内数据缺失的公司，最终以34家物流上市公司为研究样本．

f _2017，2=0.299x ₁+0.286x ₂+0.340x ₃+0.227x ₄+0.111x ₅+0.076x ₆+0.016x ₇+0.056x ₈-0.097x ₉-0.099x ₁₀-0.092x ₁₁；

已知东莞-南沙水上“巴士”重柜运价为530.25元/TEU，现有100 TEU需要被运输，此时深圳港与南沙港服务水平可近似相等，故深圳港水上“巴士”运价是影响货主选港的关键，深圳港水上“巴士”经济性随着运价的变化而变化如图5所示.

f _2017，3=-0.010x ₁-0.052x ₂+0.090x ₃+0.180x ₄+0.159x ₅-0.137x ₆+0.446x ₇+0.466x ₈-0.045x ₉-0.064x ₁₀-0.057x ₁₁

以各公因子方差贡献率为权重，计算物流上市公司投资价值因子综合得分，记为y _ti ，则2017年的因子综合得分y _2017,i =(38.096f _2017，1+25.687f _2017，2+19.148f _2017，3)/82.931．根据此法分别得出2013—2017年各年的因子综合得分(见表5)．

表5 34家物流公司2013-2017年因子综合得分及排名

由表5可知，34家物流上市公司的因子综合得分排名在2013—2017年间均有变化，没有一家公司的排名是保持在同一个水平上，利用某一年的截面数据不能反映上市公司投资价值的变化过程，通过某年的因子综合得分排名结果来评价我国物流上市公司投资价值存在一定局限性^[14]．本文利用2013—2017年面板数据可客观地表现出投资价值的变化过程，使得最终的研究结果更具说服力．

2.2 Topsis法综合评价

为更真实、合理地评价我国物流行业上市公司的投资价值情况，在因子分析的基础上采用Topsis法，并进行排序(见表6)．最优因子方案贴近度(C _i )越大，说明该物流上市公司的投资价值越高．

表6 34家物流上市公司投资价值评价结果及排名

结合表5和表6的数据结果，从整个样本期间来看，公司各年的因子综合得分较高或呈现出上升趋势，那么该公司的最优因子方案贴近度排名也较为靠前．如圆通速递在2013-2017年的排名均在前10名内，期间内总体发展较好，根据最终的最优因子方案贴近度排名，圆通速递位列第一，表现出其良好的发展能力；畅联股份在样本期间内的因子综合得分排名逐年上升，因此其最终的最优因子方案贴近度排名靠前，位于第3名；恒通股份在2013—2017年因子综合得分均为正，说明公司发展较为平稳，且排名呈现波段上升趋势，故最终的最优因子方案贴近度排名第5位，整体发展较好．相反，各年因子综合得分相对较低或是出现大起大落现象的公司，其最终的最优因子方案贴近度排名也是相对靠后的.如新宁物流在2015年营业利润为-9 980.62万元，相比往年亏损709.53%，归属于上市公司所有者的净利润亏损额高达1.1亿元，同比亏损1 804.67%．尽管在2016年扭亏为盈，但受旗下子公司影响，公司涉入多起纠纷诉讼及仲裁案件，暴露出公司在内部管理上的缺陷，故其最优因子方案贴近度排名第25位.保税科技受旗下的基金公司的投资理财行为不当的影响，接连出现亏损情况．据该公司近年的投资收益数据，2013年、2014年、2016年和2017年的投资收益皆为负值，业绩位于同业底部，因此，该公司最终的最优因子方案贴近度排名靠后．

为得到不同锚固长度、不同载荷界面剪应力分布规律，由外端口向锚固底端等距离选择锚固剂单元体，提取外侧面剪应力值进行分析，得到锚固剂-围岩界面剪应力沿锚固长度分布曲线，如图6所示。

绘制最优因子方案贴近度分布图可更直观地了解我国物流行业上市公司的投资价值(见图2)．

图2 34家物流上市公司最优因子方案贴近度分布情况

由图2可见，仅17.65%的物流上市公司最优因子方案贴近度高于0.7，样本中物流上市公司的最优因子方案贴近度均小于0.8，说明国内物流上市公司投资价值还存在较大提升的空间；从总体上来看，物流行业内公司的最优因子方案贴近度较低表明我国物流上市公司的投资价值有待进一步提高，偿债能力、盈利能力、营运能力以及成长能力是公司综合能力的一种体现，各项能力协调发展是提升公司投资价值的基础．

3 结论与建议

建立Topsis法改进的因子分析模型对34家物流上市公司的投资价值进行综合评价,实证研究结论如下：第一，物流行业各公司间竞争激烈．在2013—2017年内，不少公司的因子综合得分排名上下波动明显，如申通快递、厦门象屿等公司在样本期间内的因子综合得分排名有明显变化.第二，不同物流上市公司的投资价值存在较大差距．最优因子方案贴近度最大值和最小值分别约为0.788、0.326，这说明行业内各公司发展情况有显著差异.第三，约58.82%的样本公司最优因子方案贴近度高于0.6，说明超过一半的物流上市公司具备一定投资价值，投资者可根据实际情况对物流上市公司予以适当关注．第四，不少排名靠前的公司存在个别年份因子综合得分为负值的情况，这说明我国物流上市公司的综合能力仍有待进一步提高．

作为物流业的重要组成部分，物流上市公司的有效发展可以带动整个物流业的发展．对此，本文提出如下三点建议：第一，提高营运盈利能力．在保证一定偿债能力的同时，提升企业资产管理效率，完成当期业绩，这是吸引价值投资者的关键.第二，加强企业内部管理^[15]．通过研究发现，部分物流公司在管理方面存在问题，有效地进行内部监管控制是保证企业正常运营的基础，也是企业实现盈利的前提，公司应尽可能避免由于内部管理不当而造成的纠纷诉讼案件的发生.第三，合理运用利好政策．在行业激烈竞争趋势下，公司应明确国家政策走向，把握机遇，实现企业转型发展，吸引更多价值投资者．

参考文献：

[1] 曾倩琳. 融合视角下我国物流产业系统成长的协同研究 [J]. 统计与决策,2017(1):51-55.

[2] 邹筱. “营改增”对物流业税负影响实证研究:基于沪深A股上市公司的经验数据 [J]. 中南财经政法大学学报,2016(2):43-47.

[3] 韩剑尘,夏涛. 多维视角下我国物流企业生产效率异质性研究 [J]. 华东经济管理,2016,30(3):97-101.

[4] 王涛,邱风. 我国物流公司竞争力影响因素分析:以88家上市公司为例 [J]. 商业经济研究,2018(22):85-87.

[5] 赵文辉,张贝贝,刘杰,等. 基于因子分析的高新技术园区发展综合评价:以中关村示范区为例 [J]. 科技管理研究,2018,38(18):50-56.

[6] 代金辉,马树才,刘宏岩. 社会发展水平统计指标体系的构建与评价 [J]. 统计与决策,2018,34(1):30-33.

[7] 陈慧霖,黄翠凤,聂常乐,等. 四川省新型城镇化发展状况及影响因子分析 [J]. 内江师范学院学报,2017,32(12):113-118.

[8] 江玉国,胡颖梅,范莉莉. 基于TOPSIS法的钢铁企业低碳竞争力评价:来自12家上市钢铁公司的数据 [J]. 科技管理研究,2016,36(11):259-266.

[9] 高延雷,张正岩,王志刚. 基于熵权TOPSIS方法的粮食安全评价:从粮食主产区切入 [J]. 农林经济管理学报,2019,18(2):135-142.

[10] 李凯风,李星. 债务风险水平的识别及对区域金融风险的影响:基于熵权TOPSIS法和综合模糊评价法 [J]. 上海金融,2019(3):74-80.

[11] 刘攀,冯长焕. 正态标准化数据无量纲处理在因子分析中的应用 [J]. 内江师范学院学报,2017,32(12):54-58.

[12] 罗国旺,刘衍民,黄建文,等. 基于Topsis改进的因子分析模型在面板数据中的应用研究:以中国经济为例 [J]. 数学的实践与认识,2015,45(16):77-85.

[13] 徐哈军. 物流上市公司投资价值研究 [J]. 郑州航空工业管理学院学报,2014,32(4):78-82.

[14] 杨雪,何玉成. 我国中药上市公司成长性评价研究:基于因子分析法的Topsis评价法 [J]. 中草药,2018,49(21):5220-5228.

[15] 盛玉奎. 从规模经济角度谈甩挂运输发展 [J]. 内江师范学院学报,2017,32(6):63-66.

On Investment Value Evaluation of Listed Logistics Companies :Based on the Factor Analysis Model Improved by Topsis Method

ZHU Jingyuan ^a ,LIU Li ^b*

(a.School of Economics; b. School of Finance, Anhui University of Finance and Economics, Bengbu, Anhui 233030,China)

Abstract :34 listed logistics companies on A-share market were chosen as the research subjects, and using the panel data from 2013 to 2017, 11 financial indicators of greater scientificity and rationality were chosen to be the basic indicators, and the factor analysis model, improved by the Topsis method, was adopted to conduct the evaluation research of the company. The improved factor Analysis is fit to treat panel data, which overcomes the restriction of the inability to put together all the yearly comprehensive scores of the previous method, making the evaluation results more comprehensive and self-evident. The results show that about 82.35% of the Listed Logistics Companies in China have the closeness degree of the optimal factor schemes ranging from 0.3 to 0.7; only 17.65% of the Listed Logistics Companies in the study sample have the closeness degree of the optimal factor schemes greater than 0.7, indicating that the investment value of the Listed Logistics Companies in China has ample room for improvement.

Keywords : listed logistics companies; investment value; factor analysis; Topsis method

DOI ：10.13603/j.cnki.51-1621/z.2019.08.016

中图分类号： F259.23； F224

文献标志码： A

文章编号： 1671-1785(2019)08-0094-06

收稿日期： 2019- 04- 28

基金项目: 国家自然科学基金项目(71773001)；安徽省自然科学基金项目(1508085QG145)；安徽省高校人文社科重点研究项目(SK2017A0442)

作者简介： 祝静远(1998—) , 女, 汉族, 四川内江人, 安徽财经大学学生

*通信作者： 刘莉(1975—), 女, 汉族，安徽霍山人, 安徽财经大学副教授，硕士，研究方向：宏观经济

(责任编辑： 谢玉华)

标签：物流上市公司论文;  投资价值论文;  因子分析论文;  TOPSIS法论文;  安徽财经大学金融学院论文;  安徽财经大学经济学院论文;