新能源汽车上市公司综合绩效评价研究——基于模糊神经网络的实证模型.pdf

新能源汽车产业在全球范围内备受关注，尤其在中国，作为战略性新兴产业，被列为“中国制造 2025”的关键领域，旨在推动汽车强国建设。在政策扶持和环保需求的双重推动下，新能源汽车上市公司快速发展，但各公司的绩效表现各异。针对这一情况，学术界已开展了大量研究，多集中于财务指标或特定方面的绩效评价，如研发能力和政府补助。 本文在前人研究的基础上，建立了一个融合财务指标和新能源汽车特性指标的综合绩效评价体系。评价指标分为三层：一级指标包括财务指标和行业特色指标；二级指标涉及盈利能力、偿债能力、成长能力、营运能力、研发能力、社会责任履行和政策支持及内部激励；三级指标则进一步细化，如净资产收益率、研发投入占营业收入比、政府补助增长率等。其中，部分指标如资产负债率被视为反向指标，而流动比率和速动比率被视为适度指标。 为了评估这些复杂的非线性关系，文章采用了模糊评判理论与神经网络模型相结合的方法。模糊评判理论允许处理不确定性和主观性，神经网络则能有效模拟这种复杂关系。通过变异系数法确定了最底层指标的权重，接着构建了隶属函数来处理正向、反向和适度指标的评价。最终，通过模糊神经网络模型对2016年新能源汽车板块的107家上市公司进行了综合绩效评价，验证了模型的有效性，并进行了影响因素分析。 研究表明，模糊神经网络模型能准确地反映新能源汽车上市公司的综合绩效，为行业提供了一种更全面、客观的评价工具。此外，通过分析评价结果，文章还提出了针对性的建议，以促进新能源汽车企业的健康发展。关键词包括模糊综合评价、神经网络、新能源汽车以及综合绩效。 这样的研究有助于政策制定者、投资者和企业管理层更全面地理解新能源汽车行业的绩效状况，从而作出更加明智的决策，推动整个行业的可持续发展。同时，这种方法论的创新也为其他领域的绩效评价提供了可借鉴的思路。