文献类型：期刊文章

作　　者：刘超[1] 傅若瑜[1] 李佳慧[2] 周文文[1]

LIU Chao;FU Ruo-yu;LI Jia-hui;ZHOU Wen-wen(College of Economics and Management,Beijing University of Technology,Beijing 100124,China;School of Life Sciences,Tsinghua University,Beijing 100084,China)

机构地区：[1]北京工业大学经济与管理学院,北京100124 [2]清华大学生命科学学院,北京100062

出　　处：《运筹与管理》

基　　金：国家自然科学基金(61773029,61273230,61703014);2017年度北京市长城学者培养计划项目(IT&TCD20170304);山东省社科规划办项目(16CGLJ11);山东省高校科技计划资助项目(J17KA164)

年　　份：2019

卷　　号：28

期　　号：6

起止页码：144-152

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、CSSCI、CSSCI_E2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：人工智能产业发展对实现我国总体产业升级和供给侧结构性改革具有重要意义。该领域投资态势向好,但融资渠道较为混乱。本文结合我国37家人工智能产业上市公司2013~2016年的融资数据,首先采用了DEA方法对我国人工智能产业上市公司融资效率进行测度,同时采用Malmquist指数法从动态角度来反映人工智能产业上市公司融资变化,然后通过Tobit方法构建融资效率影响因素模型。从实证结果可以看出,人工智能产业融资效率不高,大多数企业并未达到DEA有效,综合技术效率的不高主要是由于规模效率较低引起的;资本结构、企业的营业能力和成长性与融资效率具有显著的相关性,是影响融资效率的重要因素。最后从提高融资资金利用率、优化融资结构两个方面提出了相关建议。

关 键 词：人工智能产业  融资效率 DEA MALMQUIST指数 TOBIT模型

分 类 号：F830.59[金融学类] F224