综合业绩评价（精选十篇）
综合业绩评价 篇1
从信息挖掘角度看, 公司财务业绩综合评价体系是基于财务报表信息的运用评价指标采集信息, 并采取综合评价方法处理信息, 实现对公司财务业绩信息深度提取的数据挖掘工具。作为辅助外部信息使用者决策的重要工具, 其决策有用性的探究一直是学界研究的主要内容, 目前的研究方向主要集中在两方面。
(一) 对财务业绩评价指标的改进性研究
由于上市公司财务报告的信息庞杂, 不便于外部信息使用者在短期内分析、解读, 决策有用性受到了抑制;为提高信息的使用效率, 学界和实务界对原有的会计报表信息进行了筛选和分组, 去杂提纯, 对财务业绩评价指标进行了改进。近年来, 许多学者作了创新, 较为突出的有:从公司治理的角度, 引入代理成本角度探究财务最优业绩的自由现金流量理论;从价值战略角度, 考虑资金成本因素的EVA理论;从现金流量角度, 考虑现金利润的现金流量信息理论。此外, 借助于计算机技术和现代统计的方法, 如粗糙集法、因素分析法、机械提纯财务业绩指标法, 提高了企业财务业绩评价的效率, 为财务业绩评价研究提供了新思路。
(二) 对于财务业绩评价模型的改进研究
为了更加直观地反映公司的综合情况, 提高企业财务业绩评价的科学性和有效性。近年来, 学界和实务界主要从财务业绩综合评价模型的指标维度和指标权重进行了改进。从杜邦分析模型、后来的Saaty教授提出的AHP、ANP模型, Kaplan教授提出的BSC模型, 财务业绩综合评价模型经历了纯财务性标准向价值战略性表征的演进。此外, 模糊理论和运筹学算法的应用, 提高了财务信息使用的效率和业绩评价的质量, 为数据挖掘技术在财务分析评价领域的进一步推广创造了条件。现行的主流评价体系在财务评价指标和财务综合评价模型上仍存在一定的缺陷。
1. 财务指标忽略了对企业现金流量的整体考量。现行的财务评价指标在营运能力、盈利能力、偿债能力、成长性等方面的表征上, 仍以传统的财务指标为主, 忽略了对财务状况中现金流量创造、配置和维持能力的评价。少量的表征现金流量的指标设计缺乏科学性和实用性, 指标解释力也不强。
2. 财务评价方法选择上, 现行指标权重的确定通常采用的是AHP法等主观赋权法, 主观赋权法虽然能够较好地反映评价对象所处的背景条件和评价者的意图, 但各个指标权重系数的准确性有赖于专家的知识和经验的积累, 具有较强的主观随意性。
3. 一些学者在文献中尝试了诸如主成分分析等客观赋权法消除主观赋权的随意性, 但会出现由客观赋权法所确定的属性权重与属性的实际重要性程度相悖的情况, 且客观赋权筛选出的指标, 缺乏解释性, 阻碍了客观赋权法的进一步推广。
基于上述分析, 本文对现行的财务评价体系进行了如下改进:一是在现金流量的理论视角下, 选取更能客观反映财务业绩的评价指标;二是由于财务报表信息属不完全信息, 本文引入灰色关联度理论构建综合评价模型;三是在赋权方法选择上, 本文通过构造基于熵值理论组合权赋的概念, 并借助神经网络理论对AHP法下的权重进行优化, 从而实现对上市公司财务业绩综合、客观评价。
二、基于现金流量信息的财务业绩综合评价体系重构
现金流量信息理论是基于企业经济活动的本质与现金流量之间的关系, 认为企业经济活动与现金流量之间存在依从性、追从性、交融性及约束性的互动机理;根据企业获得现金增量渠道的不同, 以企业实现现金平衡为背景, 分析企业现金平衡动力的内涵, 并以现金平衡动力的不同渠道为标志, 构建了评价企业现金状态的理论模型。
基于现金流量信息理论, 李涛 (2009) 通过研究现金流量信息与财务决策的关系, 针对传统财务评价指标在设计上没有能够充分考虑现金流量信息而产生的不足, 在对现金流量信息内涵分析研究的基础上, 将现金利润、现金流转额、经营活动现金净流量的概念引入财务指标的设计中, 构建了在原有体系框架下的评价企业盈利能力、营运能力、发展能力与偿债能力评价的新指标体系。
三、灰色关联度财务评价模型
财务报表信息作为一种反映企业财务业绩的不完全信息, 可能会对财务报表信息的使用者分析和决策造成片面影响。为了提高决策分析的全面性, 本文选用灰色关联度分析作为财务业绩综合评价的基本模型。
(一) 灰色关联分析的基本原理
灰色关联分析是灰色系统理论的重要组成, 也是挖掘数据内部规律的有效方法。灰色关联分析的基本思想是将系统内部各因素间的关联程度用各因素间发展态势的相似、相异程度来衡量的一种系统相关性分析方法, 即根据对数据序列几何关系和曲线几何形状的相似度进行比较分析。曲线越接近, 相应灰色时间序列之间的关联度就越大, 反之就越小。灰色关联分析克服了传统分析方法受样本量、典型分布等限制的缺憾, 提高了分析方法的准确性。
(二) 灰色关联度评价模型
设多属性综合评价有n个财务评价指标G1, G2, G3, ……, Gn, 和m个评价公司X1, X2, X3, ……, Xm, 评价方案Xi (i=1, 2, ……, m) , 在目标Gj (j=1, 2, ……, n) 下的属性值为xij, 则决策矩阵为X= (xij) m×n, 对决策矩阵X进行极差变换法处理得到规范化矩阵R= (rij) m×n。取rj*组成的最优解r0 (j) ={rj*|j=1, 2, …, n}作为参考序列, 第i方案属性值ri (j) ={rij|j=1, 2, …, m}作为比较序列, 则ri与r0在第j项指标下的关联系数计算公式为:ξi (j) = (Δmin+ρΔmax) / (Δi0 (j) +ρΔmax) , (i=1, 2, …, m;j=1, 2, …, n) 。其中, Δmin=min (i) min (j) |r0 (j) -ri (j) |, Δmax=max (i) max (j) |r0 (j) -ri (j) |分别为比较序列绝对差中的最小值和最大值, Δi0=|r0 (j) -ri (j) |为比较序列的绝对差, ρ为分辨系数, 其作用是为削弱最大绝对差数太大而导致失真的影响, 提高关联系数之间的差异显著性, 取值范围为0<ρ<1, 本文取ρ=0.5。
设关联系数ξi (j) (i=1, 2, …, m;j=1, 2, …, n) , 得到的矩阵是ξ=ξi (j) m×n。对于权重信息已知的情况, 设指标的权重向量为w= (w1.w2, ……, wn) T, 则公司Xi的灰色关联度综合评价值为:Di=∑ξi (j) wj, (i=1, 2, …, m) 对m个决策方案的灰色关联度综合评价值进行排序比较, 评价值Di值越大, 则所对应的方案Xi就越好。
四、权赋确定模型优化
(一) 用AHP法进行主观赋权
在主观赋权法中, 应用最为广泛的是AHP法 (层次分析法) 。AHP法通过把复杂系统决策目标进行层次化分解, 将定性、定量指标有机地结合, 并通过建立判断矩阵、排序计算和一致性检验得到的结果是否具有说服力。AHP法的具体步骤:1.把问题进行分解组合, 建立递阶层次结构, 清楚地表明各层次之间的关系。2.用三标度法来对同一层元素进行两两比较后建立一个比较矩阵A并计算。3.列出各元素重要性的排序指数, 将比较矩阵转化为判断矩阵。用极比法构造判断矩阵, 由变换f (ri, rj) =cij= (ri/rj) logr Cb, 所得到的矩阵C= (cij) n×n为一致性判断矩阵, r=rmax/rmin称为极比。
(二) 组合赋权法与熵值法调整赋权
组合赋权法是一种将主、客服赋权法各自特点相结合的赋权方法, 既能兼顾到决策者对准则的偏好, 又能减少主观随意性, 使对准则的赋权达到主观与客观的统一。组合赋权法能兼顾到决策者对决策指标的偏好, 又能减少主观随意性, 使对决策指标的赋权达到主观与客观的统一。本文中引入信息熵理论客观确定评价体系的指标权赋。再与AHP法下的主观指标权重相结合, 构造出适合于本文的组合权赋。
1. 熵值法的基本原理。
熵 (entropy原本是热力学概念, 是对系统状态不确定性的一种度量, 自从数学家香农 (Claude E.Shanon) 将其引入信息论后, 熵在工程技术、管理科学乃至社会经济等领域得到广泛应用。根据信息论基本原理, 信息是系统有序程度的一个度量, 而熵则是系统无序程度的一个度量, 二者绝对值相等, 但符号相反。各个指标在决策评价指标体系中的作用, 与指标的变异度有关, 某项指标的指标值变异程度越大, 信息熵越小, 该指标提供的信息量越大, 该指标的权重也应越大;反之, 某项指标的指标值变异程度越小, 信息熵越大, 该指标提供的信息量越小, 该指标的权重也越小。所以, 可以根据各项指标值的变异程度, 利用信息熵这个工具, 计算出各指标的权重, 为多指标综合评价提供依据。
2. 熵值法计算权重的步骤。
(1) 设原始指标属性矩阵D= (xij) ×n中xij为第i方案在第j指标下的指标属性值, 则第i个方案对第j个指标属性的贡献度pij为:pij=xij/∑xij, (i=1, 2, …, m;j=1, 2, …, n) 。 (2) 对于此贡献度所包含的信息内容, 可以用熵Ej来表示所有方案对第j个指标的贡献总量。Ej=-k∑pijlnpij, (j=1, 2, …, n) 。其中k>0, 取k=1/lnm, Ej∈[0, 1], 如果在第j指标下各方案的贡献度趋于一致, 即Ej趋于1, 则说明该指标在决策时不起作用, 可将该指标的权重定为0;相反, 若在第j指标下各方案的贡献度相差较大, 表明该指标传递的信息较多, 作用也就较大, 其权值也应该较大。 (3) 定义第j个指标下各方案贡献度的差异系数:gj=1-Ej, (j=1, 2, ……, n) , 则当gj越大时, 指标越重要, 此时差异系数向量G= (g1, g2, ……, gn) 。
3. 熵值法进行组合赋权。
在用AHP法得到的评价指标主观权重WAHP的基础上, 用熵值法对主观赋权法求得的权重进行组合赋权, 常见的组合赋权方式有加法合成法和乘法合成法。乘法合成法的公式为:Wcomb-j=WAHP-jWentrop-j/∑WAHP-jWentrop-j, j=1, 2, 3…, n。其中Wcomb-j为组合赋权法得到的各评价指标的权重, WAHP-j为用AHP主观赋权法求出的各评价指标的权重, Wentropy-j为用熵值客观赋权法求出来的各评价指标的权重。
五、结论
本文在分析了财务业绩评价研究现状的基础上, 从财务指标体系和评价方法选择两方面, 对企业财务业绩综合评价体系进行了改进。对于财务指标体系的改进, 本文基于现金流量信息理论作为构建财务指标体系的视角选取更能够反映财务状况现金质量的财务指标;对于评价方法的改进, 本文引入灰色关联度理论对企业财务业绩进行综合评价, 并在指标权赋确定上, 运用熵值法和BP神经网络对原有AHP权赋确定法进行了修正, 构建了基于信息不完全的灰色关联度财务评价算法。Z
参考文献
[1].Deng Julong.The Control problems of grey systems.Systems&Control Letters, 1982, 1 (5) :288-294.
[2].Jensen M, Meckling M.Theory of the Firm:Managerial Behavior, Agency Costs and Capital Structure.Journal of Financial Economics, 1976, (3) :305～360.
综合业绩评价 篇2
摘要：通过分析研究，建立综合评价上市公司经营业绩的六大指标体系：盈利能力指标、偿债能力指标、资产管理能力指标、成长能力指标、股本扩张能力指标和现金流量指标。用层次分析法构造上市公司经营业绩的层次分析结构模型，并以实例进行应用分析。
1.引言
随着证券市场不断完善，投资者越来越趋于理性，越来越关注上市公司经营业绩，上市公司的财务报表是上市公司全部重要信息的浓缩反映，而财务指标是诊断上市公司经营业绩的重要工具。许多学者通过设立反映上市公司经营业绩的指标体系，并采用多元统计分析的综合评价方法对上市公司经营业绩进行综合评价。本文通过设立反映上市公司经营业绩的指标体系，并采用AHP法对上市公司经营业绩进行综合评价。通过对上市公司的板块分析，让企业的投资者和经营者了解该企业在同行业所处的位置，这样可以对上市公司经营者起到激励和鞭策的作用和上市公司的投资者作出投资决策。
2.上市公司经营业绩的综合评价指标体系
上市公司经营业绩的综合评价包括：盈利能力评价、偿债能力评价、资产管理能力评价、成长能力评价、股本扩张能力评价和现金流量评价等六大方面18项财务指标，各项指标之间，并不是完全互相独立，有些具有一定的相关性，必须综合考虑。
2.1盈利能力评价
评价上市公司盈利能力我们选取四个财务指标：主营业务利润率(C11)、总资产利润率(C12)、净资产收益率(C13)、每股收益(C14)。
2.2偿债能力评价
上市公司偿债能力评价我们选取三个财务指标：资产负债率(C21)、流动比率(C22)、速动比率(C23)。
2.3资产管理能力评价
对上市公司资产管理能力评价选取三个财务指标：总资产周转率(C31)、存货周转率(C32)、应收帐款周转率(C33)。
2.4成长能力评价评价
上市公司成长能力我们只选取三个财务指标：总资产增长率(C41)主营业务收入增长率(C42)、净利润增长率(C43)。
2.5股本扩张能力评价
对上市公司股本扩张能力评价我们选取三个财务指标：每股净资产(C51)、每股公积金(C52)、每股未分配利润(C53)。
2.6现金流量评价
对上市公司现金流量评价我们只选取二个财务指标：每股现金流量(C61)、现金净流量与净利润比率(C62)。
根据上面的分析，建立了上市公司经营业绩综合评价的`六大指标体系和18个具体财务评价指标。可以用层次分析法构造如图1所示的层次分析结构模型。
3.上市公司经营综合评价的层次分析结构模型应用
对图1所示的上市公司经营业绩的层次分析结构模型，不同的上市公司其指标的权重可以有所不同。下面我们综合分析沪深两市的白酒类4家(宁城老窖、山西汾酒、沪州老窖和五粮液)上市公司的经营业绩，其它们的18项财务指标见表1(数据摘自上市公司年报)。我们认为，盈利是上市公司生存的“灵魂”，成长性是上市公司可持续发展的源泉，偿债能力反映了上市公司资产的安全性，资产管理能力是上市公司日常经营能力的表现，股本扩张能力是上市公司不断扩大规模的潜力，现金流量是反映上市公司的财务收支状况和加强上市公司的资金管理。根据这六个方面在上市公司经营业绩综合评价的重要性，同时经过我们和财务专家们的反复讨论，得到如下的判断矩阵，通过计算可以得到有关的一致性检验结果。
表1
财务指标 宁城老窖 山西汾酒 泸州老窖 五粮液 主营业务利润率(C11) 30.27% 29.03% 50.95% 45.74% 总资产利润率(C12) 4.34% 0.84% 5.25% 16.69% 净资产收益率(C13) 6.82% 1.61% 12.68% 24.09% 每股收益(C14) 0.16 0.0219 0.219 1.6 资产负债率(C21) 15.3% 30.47% 34.68% 30.64% 流动比率(C22) 4.43 1.97 2.79% 2.12 速动比率(C23) 3.3 0.93 1.4 1.42 总资产周转率(C31) 0.38 0.33 0.51 0.93 存货周转率(C32) 1.27 0.44 0.68 2.41 应收帐周转率(C33) 1.84 2.26 6，04 66.2 总资产增长率(C41) 15.46% 2.51% 11。77% 17.4% 主营业务收入增长率(C42) -7.46% 22.81% -3.49% 19.49% 净利润增长率(C43) -30.48% 242.58% 32.68% 18.35% 每股净资产(C51) 3.08 1.8268 2.69 6.643 每股公积金(C52) 1.4399 0.6912 0.956 2.1709 每股未分配利润(C53) 0.384 0.033 0.2721 2.8263 每股现金流量(C61) -0.0636 0.0006 -0.0497 1.6198 财务指标 宁城老窖 山西汾酒 泸州老窖 五粮液 主营业务利润率(C11) 30.27% 29.03% 50.95% 45.74% 总资产利润率(C12) 4.34% 0.84% 5.25% 16.69% 净资产收益率(C13) 6.82% 1.61% 12.68% 24.09% 每股收益(C14) 0.16 0.0219 0.219 1.6 资产负债率(C21) 15.3% 30.47% 34.68% 30.64% 流动比率(C22) 4.43 1.97 2.79% 2.12 速动比率(C23) 3.3 0.93 1.4 1.42 总资产周转率(C31) 0.38 0.33 0.51 0.93 存货周转率(C32) 1.27 0.44 0.68 2.41 应收帐周转率(C33) 1.84 2.26 6.04 66.2 总资产增长率(C41) 15.46% 2.51% 11.77% 17.4% 主营业务收入增长率(C42) -7.46% 22.81% -3.49% 19.49% 净利润增长率(C43) -30.48% 242.58% 32.68% 18.35% 每股净资产(C51) 3.08 1.8268 2.69 6.643 每股公积金(C52) 1.4399 0.6912 0.956 2.1709 每股未分配利润(C53) 0.384 0.033 0.2721 2.8263 每股现金流量(C61) -0.0636 0.0006 -0.0497 1.6198
表2 A B1 B2 B3 B4 B5 B6 W B1 1 8 4 3 2 8 0.4145 B2 1/ 8 1 1/ 2 1/3 1/5 1 0.0487 B3 1/4 2 1 1/2 1/ 3 2 0.0908 B4 1/3 3 2 1 1/2 3 0.1467 B5 1/ 2 5 3 2 1 5 0.2506 B6 1/8 1 1/2 1/ 3 1/ 5 1 0.0487λmax=6.0257，C.I.=0.005
R.I.=1.26, C.R=0.004<0.1
表3
B1 C11 C12 C13 C14 W C11 2 2 2 2 0.4 C12 1/2 1 1 1 0.2 C13 1/2 1 1 1 0.2 C14 1/ 2 1 1 1 0.2λmax=4，C.I.=0
R.I.=0.89, C.R=0<0.1
表4
B 2 C21 C22 C23 W C 21 2 2 3 0.5396 C 22 1/ 2 1 2 0.2969 C 29 1/3 1/2 1 0.1635λmax=3.0092，C.I.=0.0046
R.I.=0.52, C.R=0.0088<0.1
表5
B 3 C 31 C 32 C 33 W C 31 1 2 2 0.5 C 32 1/ 2 1 1 0.25 C33 1/ 2 1 1 0.25λmax=3，C.I.=0
R.I.=0.52, C.R=0<0.1
表6
B 4 C41 C42 C43 W C 41 1 1/21 0.25 C 42 2 1 2 0.5 C 43 1 1/2 1 0.25λmax=3，C.I.=0
R.I.=0.52, C.R=0<0.1
表7
B 5 C51 C52 C53 W C 51 1 22 0.25 C 52 1/2 1 1 0.5 C 53 1/2 1 1 0.25
λmax=3，C.I.=0
R.I.=0.52, C.R=0<0.1
表8
B 6 C61 C62 W C 61 1 20.6667 C 62 1/2 1 0.333
λmax=2，C.I.=0
R.I.=0, C.R=0<0.1
第三层的组合一致性检验：C.I.=0.0002，R.I=0.648，C.R=0.0003<0.1。由于判断矩阵C-D有18个之多，因此对于判断矩阵C―D的数据给予省略，但计算及一致性检验的结果列于表9。
表9判断矩阵C-D
判断矩阵 C11-D C12-D C13-D C14-D C21-D C22-D C23-D C31-D C32-D C层合成权重 0.1658 0.0829 0.0829 0.0829 0.0263 0.0145 0.0079 0.0454 0.0227 W1 0.109 0.1151 0.01353 0.1075 0.5158 0.1091 0.1111 0.1409 0.2885 W2 0.109 0.0632 0.07 0.062 0.1894 0.3509 0.4445 0.1409 0.0675 W3 0.4852 0.1909 0.2707 0.186 0.1054 0.189l 0.222 0.2628 0.1117 W4 0.2968 0.6308 0.524 0.6445 0.1884 0.3509 0.2222 0.4554 0.5323 λmax 4.0206 4.0249 4.0022 4.0209 4.0206 4.0104 4 4.0104 4.0215 C.I.0.006 0.0083 0.0007 0.007 0.0069 0.0035 0 0.0035 0.0072 R.I. 0.89 0.89 0.89 0.89 0.89 0.89 0.89 0.89 0.89 C.R. 0.0077 0.0093 0.0008 0.0079 0.0077 0.0039 0 0.0039 0.0081
续表9判断矩阵C-D判断矩阵 C33一D C41一D
C42-D C43-D C51-D C52-D C53一D C61―D C62-D 层次D总排序结果 C层合成权重 0.0227 0.0367 0.0733 0.0367 0.1253 0.0626 0.0626 0.0325 0.0162 W1 0.063 0.2888 0.0567 0.0575 0.1972 0.2471 0.1468 0.0701 0.0699 0.1480 W2 0.063 0.0591 0.5191 0.6913 0.0699 0.0642 0.0561 0.1225 0.1972 0.1462 W3 0.1554 0.1959 0.0971 0.156 0.1186 0.101 0.1468 0.0701 0.1186 0.2125 W4 0.7186 0.4762 0.3371 0.0952 0.6143 0.5877 0.6503 0.7373 0.6143 0.4933 λmax 4.091 4.0658 4.0693 4.066 4.0453 4.0572 4.0328 4.0417 4.0453 C.I.0.0303 0.219 0.0231 0.022 0.0151 0.0191 0.0109 0.0139 0.0151 R.I. 0.89 0.89 0.89 0.89 0.89 0.89 0.89 0.89 0.89 C.R. 0.0341 0.0246 0.026 0.247 0.017 0.0214 0.0123 0.0156 0.017第四层的组合一致性检验：C.I=0.11，R.I.=0.89，C.R=0.0123<0.1。根据层次D总排序结果可知，五粮液的综合权重最高，其次是沪州老窖，第三是宁城老窖，最后是山西汾酒。作为证券投资者，我们可以选择五粮液作为股票投资。
4.结论
上市公司经营业绩的综合评价是一个比较复杂的问题，它牵涉到诸多因素。本文通过对上市公司一年的经营情况进行分析，建立了上市公司经营业绩综合评价的六大指标体系和18个具体财务评价指标，并且构造了上市公司经营业绩综合评价的AHP结构模型，通过AHP方法选择经营业绩相对较好的上市公司。在实际工作中，有关评价指标和权得可能会因不同的上市公司而不同。本方法适用于板块分析，从而找出最具实力的板块龙头股。本文将AHP法引入到上市公司经营业绩综合评价中，取得了较理想的结果，从而扩展了AHP法的应用领域。
对企业经营者业绩综合评价探讨 篇3
一、现有业绩评价体系在对经营者业绩评价方面的缺陷
1、不能重点对经营者业绩评价。由于现行操作细则实施的目的是为了进一步加强企业监督管理，规范企业经营绩效评价行为，完善企业绩效评价方法，确保企业绩效评价结果的科学、客观和公正。它能满足企业所有利益关系人的评价，如母公司对全资和控股子公司的评价，债权人对债务人的评价，投资者对拟投资企业的评价，企业自我测评等。但对于不同的利益关系人，企业业绩评价应有所不同，有不同的侧重点。如，就在知识经济新形势下，现在股东更关心高层经营者能否给企业带来长远的发展动力和竞争优势。而且，仅仅财务指标化的企业业绩已经不能全面反映经营者业绩了。如企业今年的利润率提高了，但是由于市场占有率扩大，还是整个市场规模扩大就不得而知了，还需要更具体的进一步分析才确定利润率的上升是否与经营者良好管理相关。
2、容易产生经营者操纵行为。现行业绩评价指标体系由20个定量指标和8个定性指标构成，在综合评价得分中：定量指标权重占80％，定性指标只占20％。这决定我们在对企业业绩进行评价时，把对经营者业绩评价主要构建在财务指标之上，而财务指标容易受到人为的操纵，一些不利于企业的短期行为容易被表面的数据给掩饰，同时会鼓励或驱使企业经理人人为操纵财务指标，以获的良好的绩效评价。而且这种大量的财务指标具有滞后性，不能反映当前经营者行为所创造或破坏的大部分价值。
3、只侧重对经营者内部业绩评价，忽略外部业绩的分析。科技的迅速发展，信息的瞬间传递，企业的运营环境发生了复杂变化，给企业的生产经营管理带来更多的风险和挑战。在这充满机遇和危机的条件下，企业经营的成功很大程度取决于企业对环境的适应、应变和应用能力，最终取决于经营者在变动的环境中能否应付自如。经营者往往会把更多的精力放在与外部环境相关的战略管理上。而以现在操作细则进行评价，对经营管理者这方面业绩的评价如企业在长期竞争中获得战略优势、环境与经济协调、由于高层管理给企业带来无形价值(经营者带领企业抵御风险的能力，面临变化的应变能力)完全忽略了。
4、以固定权重评价经营者业绩，缺乏灵活性。现行的操作细则中采用以净资产收益率为核心指标，多层次、多因素、定性分析与定量分析相结合的指标体系，但是，各个指标之间采用了固定权重的形式，忽略了不同企业或同一企业在不同发展阶段、处于不同竞争地位、实施不同战略等现实存在的差异。导致在运用这些指标对经营者业绩评价时缺乏灵活性和可操作性，不利于合理评价企业的经营业绩。
二、对正确进行经营者业绩评价的几点原则
1、以财务指标与非财务指标评价并重。由于现在对引入非财务指标加强企业绩效评价的呼声越来越高，但非财务指标也存在其固有的缺陷。非财务指标具有主观性和易于操纵的特点，过分注重非财务业绩，企业很可能因为财务上缺乏弹性而导致财务失败；但只关注财务业绩，则容易造成短期行为，影响企业长期发展。因此，理想的企业业绩评价系统应是财务与非财务评价系统的有机结合，保持两者之间的相互协调。
2、具体实际具体分析。当今企业的竞争环境十分复杂，有必要结合企业的具体情况对经营者业绩进行综合评价。根据有关国外的研究表明：有效的企业经营绩效驱动因素是企业的使命、远见、长期与短期目标、策略、计划、预算、奖赏制度。当然这些也是在对经营者业绩评价时必须考虑的，此外笔者认为企业规模、经营环境等因素也是影响经营者业绩的因素，也必须给予考虑。
3、适量选取评价指标。曾有一项由可选择的薪酬战略研究协会所做的研究表明，当一个激励计划采用3—5个业绩评价指标是，使企业业绩收益最大，当采用更多的指标后，会令企业业绩下降。所以在对经营者业绩进行评价是，可供选择的业绩指标很多，但是并非选取的指标越多越好，过多的业绩指标的存在势必产生信息过载，使每个业绩指标的重要性丧失。当然，必须指出的是指标选取范围过小也同样存在风险，会产生系统机能失调。
三、对经营者业绩评价体系的构思
经营者业绩评价体系应该是一个多目的、多层次的指标体系，但在对经营者业绩进行评价时要结合企业具体情况时，选择具体目的和层次的指标。参考目前比较倡导的卡普兰平衡记分卡，并结合我国的企业效绩评价体系，由于水平有限，本人试着从企业可从财务、顾客、内部营运、学习与成长、环境等五个方面入手，根据企业生命周期不同阶段的实际情况和采取的战略，为每一方面设计适当的评价指标，形成一套专门对企业整个高层管理经营者综合业绩评价指标体系。具体运用时可以再结合企业的规模、内外环境等因素，对具体个别指标赋予不同的权重，得出综合评分，予企业经营者业绩以合理的评价。当然对个人工作绩效评价指标体系拟从以下几个方面构建；公司的资本运营效果，对股东大会决策的执行，高级经理层的运作，劳资关系的协调及企业文化建设情况，在此不单独探讨。
综合业绩评价 篇4
企业一般习惯于通过有实际意义的业绩特征来衡量作业执行情况, 如成本、质量、灵活性、顾客满意度等等。这些指标相互独立。但这种分离式业绩评价仅能从某一方面反映作业的执行情况。管理者需要通过作业成本会计的相关信息来全面获知作业情况, 或者要将作业情况融入市场环境进行综合分析。
1 作业业绩评价的要素
综合分析评价作业情况时, 需要提前掌握与作业情况相关的几个要素。作业情况不同, 相关的评价因素也会随之变动。下文重点阐述对于作业业绩评价中需要主要特别注意的几个方面: (1) 作业成本。可以通过成本核算系统中获取成本信息; (2) 作业准备时间。这段时间的任务是调试作业设备或相关零部件。一般来说, 作业准备时间越短, 成本也越低; (3) 作业质量。质量就是适用性。通过作业管理减少成本浪费, 提高生产率是生产作业目标之一。企业一般通过合格产品在总产品中所占比例来衡量作业质量; (4) 作业完成时间, 即作业活动从始到终的这一时间段。一般来说, 作业执行时间越短, 其所需的资源越少。
2 综合比较业绩评价的步骤
为了同时考虑作业的各方面情况, 如以上所述的作业成本、作业完成时间、作业准备时间和作业质量, 需要采用综合比较业绩评价系统。综合比较业绩评价系统需要进行如下操作:
(1) 确定需要评价的重要作业:鉴于人力、成本等方面的限制, 管理者应该先将提升空间最大的作业项目作为业绩评价重点。在生产作业中, 企业80%的成本是由前期20%的作业所引起的, 这20%的作业可以通过帕累托分析出来; (2) 收集作业的多因素业绩值:企业自身各部门作业的多因素业绩的数据可通过信息系统收集的数据进行整理、分析、计算而得。而收集竞争对手的作业信息则是一项比较困难的工作。 (3) 计算综合比较的业绩值:很少有企业在作业的各方面都胜过其竞争对手。因此, 需要将作业的多方面的业绩值整合成一个具有比较性的数值, 即通过理想相近性排序技术 (TOPSIS) 实现矢量与标量的转换。 (4) 通过敏感性分析, 采用正确的措施:将相互独立的业绩值与企业内部相关部门或竞争对手相比较, 得到作业相对于竞争对手或企业其他部门的执行水平。但是决策者若要获知提高作业业绩的方法, 则要通过作业活动的敏感性分析来实现。
综合比较业绩评价的目的是通过比较分析获知作业中的缺陷或不足, 而后加以改进, 提高作业效率。由此可见, 综合比较业绩评价系统实际是一个不断反复的过程。在这一过程中, 一旦发现问题, 就需要结合系统中的相关信息制定科学的应对措施, 从而使作业流程不断完善。
3 TOPSIS的原理及算法
Topsis法 (Technique for order preference by similarity to ideal solution) 是有限方案多目标决策分析的一种常用方法, 可用于效益评价。本法的基本思想是:基于归一化后的原始数据矩阵, 采用余弦法找出有限方法中的最优方案和最劣方案, 然后分别计算各评价对象与最优方案和最劣方案间的距离, 获得各评价对象与最优方案的相对接近程度, 以此作为评价优劣的依据。设有n个评价对象, m个评价指标, 原有数据形式为表1。
最优方案应是作业各因素最高水平的集合体。通常, 最优方案是难以达到的。如果某因素有目标值, 我们就以目标值作为该因素的最优值。我们可以选择最接近于最优方案的近似理想方案。
最优方案可表示为:
xj*是备选方案中作业的第j个因素的最优值。各因素最优值的组合方案即为最优方案。
最劣方案是由作业各因素的最低水平所组合成的方案, 表示如下:
代表备选方案中作业的第j个因素的最劣值。
TOPSIS的具体算法如下:
(1) 趋同化数据的归一化。趋同化数据的归一化的目的是为获得可比较的标量值, 这样既可用于同因素的对比, 又可用于不同因素的对比。矢量标准化公式可表示为:
式中:i代表方案数;j代表方案的因素数;xij代表第i方案的j因素的矢量值;Zij代表第i方案的j因素的标量值。
(2) 计算加权标准化值。权重代表各因素之间的相对重要程度。第j个因素的重要程度用wj表示, 权数之和为1。加权标准化值的计算公式如下:
vij=wj·Zij (i=1, 2, …, n;j=1, 2, …, m)
(3) 确定最优方案与最劣方案。最优方案与最劣方案分别表示如下:
其中v*j为j列中vij最大值, i=1, 2, …, n。
其中vj-为j列中vij最小值, i=1, 2, …, n。
式中:效益因素 (如质量) 的值越大越好;相反, 费用因素 (如准备时间) 的值越小越好。
(4) 计算每个评价对象与vj*和vj-间的距离值。
方案与最优方案之间的距离可利用n维欧几里德距离公式进行计算:
同样, 各备选方案与最劣方案之间的距离可表示为公式:
(5) 计算各备选方案与最优方案的接近程度。
其中0≤Ci≤1, 当Ci=0时, 表示Ai=A-是最劣方案;当Ci=1时, Ai=A*, 是最优方案。
(6) 按Ci值的大小进行排序, 给出评价结果。
4 应用案例分析
假设某船厂A具有四个竞争企业, B企业、C企业、D企业和E企业。船厂决策层需要了解本企业的作业水平, 作为业绩考核的依据。
4.1 确定重要作业。
经过帕累托分析, 发现加工成本是所有成本中最高的一项, 于是确定加工作业为重点评价的作业。
4.2 收集作业多因素业绩值。
选择加工作业的成本、完成时间、准备时间和质量四个方面为分析的四因素。
A、B、C、D、E各企业的四因素业绩值见表2 (假定其他企业的资料可以取得) 。从表中可看出, 每个企业在某一方面都具有一定的优势, 因此, 我们很难直接确定各企业的作业水平。
4.3 计算作业的综合比较业绩值。
(1) 计算标准化值, 构建标准化决策矩阵。把表2的业绩值标准化为标量值, 构成如表3的标准化决策矩阵。
(2) 计算加权标准化值。船厂邀请有关专家对加工作业的四方面因素进行重要性比较, 经整理后, 各因素的权重见表4。加权标准化决策矩阵见表5。
(3) 确定最优方案与最劣方案。成本、完成时间和准备时间均为费用因素, 而质量则为效益因素, 因此, 最优方案与最劣方案分别为:
(4) 计算距离值。五个企业的加工作业距离值如表6所示。
(5) 计算各企业的加工作业与最优作业的相近值, 如表7所示。
(6) 按Ci值的大小排列的顺序为 (D, A, B, C, E) 。因此, D企业的加工作业水平最高, 而E企业最次。
参考文献
[1]穆林娟, 潘爱香等.构建作业基础标准成本系统[J].会计研究, 2004 (5) .
[2]刘希宋, 方跃, 邵晓峰, 贾静等.新的成本管理方法:作业成本法:机理、模型、实证分析[M].北京:国防工业出版社, 1999.
综合业绩评价 篇5
关键词：经济增加值;平衡计分卡;业绩评价
中图分类号：G40 文献标识码：A 文章编号：1671-864X（2015）02-0161-01
一、传统业绩评价体系概述
传统业绩评价包含财务业绩计量指标和非财务业绩计量指标，其中较先进的为EVA即经济增加值和BSC 平衡积分卡。
（一）经济增加值（ EVA）
经济增加值（EVA）是20世纪90年代发展起来的一种公司业绩评价的新方法，是衡量经济组织价值和财富创造的度量标准。它反映了一个公司在经济意义上是否盈利，并通过对资产负债表和损益表的研究和分析，反映出公司营运的真实情况及股东价值的创造的过程。EVA用公式表示为：EVA=NOPAT-WACC×TC。式中，NOPAT为税后净营业利润;WACC为加权平均资本成本;TC为总投入资本。EVA通过对会计报表进行合理的整合和计算得到，并且考虑了能够带来企业利润的所有資金的成本。
（二）平衡计分卡（ BSC）
平衡计分卡BSC 是管理学家卡普兰和诺顿提出的，平衡计分卡从四个方面评价企业绩效：财务、客户、内部业务流程及学习与成长。BSC可以用于评价企业长期战略目标，它帮助企业实现长远的战略目标。BSC在保留了传统的财务业绩指标的基础上，增加了能对未来财务业绩进行考评的非财务动因指标，从而可以起到在短期目标和长期目标之问、外部评价和内部评价之间、定量评价和定性评价之间等多方面发挥综合的作用。
但是，传统的业绩评价体系只是单方面从财务指标或者非财务指标来衡量公司的业绩，不免存在着一定的缺陷。而基于战略的EVA—BSC 绩效评价体系却很好的补充了传统业绩评价体系的不足。
二、战略的EVA-BSC 绩效评价体系
新型的业绩评价系统是将EVA评价系统与平衡计分卡融合在一起，该体系基础是平衡计分卡，核心是EVA指标体系，财务层面的分析主要是以EVA指标为核心，根据杜邦分析体系进行指标分解出企业营运能力、偿债能力、盈利能力的指标，充分挖掘企业价值的驱动因素，并且，它还将其他关键的财务指标和非财务指标与EVA紧密结合在一起，可以更加合理的对企业绩效做出科学的评价，为企业今后发展的改进提供了方向和参照。
EVA-BSC 企业绩效模型，包括四个维度：财务维度、顾客维度、内部流程维度、创新与学习维度。该模型是企业价值最大化为目标，将 EVA 作为核心财务指标置于整个 EVA-BSC 绩效评价体系的首要位置，其他所有战略和指标都围绕其运行。同时平衡计分卡作为业绩评价系统的平台， 从财务、客户、内部业务流程、学习与成长四个方面综合考察了 EV A 的影响因素，以便企业经营者及时了解企业业绩变动的具体原因，及时改善企业的经营管理， 更好地实现企业价值最大化目标。
该体系以EVA为核心，各部门的活动都必须融入到提升EVA的目标中去，使企业战略目标具体到各项指标的实现，运用BSC的四个方面，以企业价值最大化为目标，在目标评价与因素评价、外部评价与内部评价、财务指标与非财务指标评价之间综合。同时前导性因素与滞后性因素之间形成清晰的因果关系，更好的为企业未来发展指引方向，从而形成一条贯穿企业各个方面及层次的价值链，构成基于EVA和BSC整合的业绩评价系统。
图1 E VA综合平衡计分卡的基本框架
综合上述分析，EVA—BSC综合业绩评价体系以增加公司价值为核心，并基于平衡计分卡的四个维度财务维度、内部流程维度、创新与学习维度和顾客维度，综合考虑财务和非财务指标，可以为公司下一期制定战略决策和战略实施方案提供指导建议，从不同角度对企业进行综合性评价，全面衡量企业生产经营业绩。EVA综合平衡积分卡体系在我国的应用是一项复杂的系统工程，此模型，通过整合结果性指标和过程性指标，使企业业绩评价与企业战略结合起来。EVA与BSC综合评价模型是以EVA为目标，以BSC为载体，在EVA的价值创造机制的基础上，构建综合业绩评价体系，为将来更深入的企业业绩评价研究以及在企业有效实施基于EVA的业绩评价体系提供理论上的支撑，提高现代企业的管理水平。
参考文献：
[1]亢锦江：《EVA—企业绩效评价的新方法》[J];《东北大学学报》2010 （4）
[2]邵军，张秀峰《平衡计分卡业绩评价体系评述》.辽宁工学院学报（社会科学版），2009（2）
[3]涂毅，刘源：《EVA与价值评估》[J];《财会研究》2010（4）：17
综合业绩评价 篇6
数据来源与样本选择
原始数据来源于巨潮资讯及色诺芬数据库，数据的处理运用SAS软件。样本取自2007年底前新疆32家上市公司，剔除9家(4家ST公司、2家2008年上市的公司、3家数据不全的上市公司)。本文借鉴前人评价指标体系, 选取15个具有代表性的指标:每股收益、每股净资产、净资产收益率、扣除后每股收益、流动比率、速动比率、应收账款周转率、资产负债比率、净利率、总资产报酬率、存货周转率、固定资产周转率、总资产周转率、净资产比率、固定资产比率。
计算及结果
为表述简洁，标准化后的指标分别记为X1-X15。
(1)主因子数量的确定。根据各个因子解释原有指标变量总方差情况，选用主成分分析法，从15项指标变量中提取5类主因子，代替原有指标变量所含的信息。从因子方差贡献结果可知, 提取的5个主因子累计方差贡献率为88.08%，即这5个因子反映了总体信息的88.08%，丢失信息较少，用它们来代替原有指标变量, 进行上市公司业绩评价是可行的。
(2)因子的命名。在实证分析中，采取方差最大法进行因子旋转，没有影响原有变量的共同度，但各个因子的方差贡献比例却有了新的分配。
因子旋转结果显示: (1) 每股收益、净资产收益率、扣除后每股收益、净利润率、总资产报酬率等5个指标在第1个因子上有较高载荷，它代表公司经济活动中的资金利用效率和管理运用资产的能力，可命名为反映公司盈利与资产管理能力的因子。 (2) 流动比率、速动比率、资产负债比率、净资产比率等4个指标在第2个因子上具有较高载荷，可对第2个因子命名为反映公司偿债能力的因子。 (3) 应收账款周转率、固定资产周转率、总资产周转率等3个指标在第3个因子上具有较高载荷，可对第3个因子命名为反映公司经营效率情况的因子。 (4) 存货周转率与固定资产比率这2个指标在第4个因子上的载荷较高，可将第4个因子命名为反映公司资本构成的指标。 (5) 每股净资产指标在第5个因子上具有较高载荷，而其他指标在该因子上载荷极小，因此该因子可命名为反映公司所有者权益的因子。
(3)计算因子得分。本文采用回归法估计因子得分系数，以Bij (i=1, 2，…5;j=1, 2，…15) 表示各系数，以Cj (j=1, 2，…15) 表示经标准化处理后的指标变量，所提取的因子Fi (i=1, 2，…5) 的得分函数可表达为Fi=ΣBij Cj。
对23家上市公司的综合得分排序
根据各因子得分函数，计算出因子得分，再以各个旋转后因子的方差贡献为权数，样本公司综合得分函数G可表达为：
根据总得分函数，可对新疆省23家上市公司综合业绩排序。
为检验排序结果的可信度，将综合业绩排序表反映的内容与实际情况进行对比。以排名靠前与靠后的若干公司为例，新疆众和、天康生物、八一钢铁、中泰化学等新疆境内的知名企业排名均在前位，影响巨大的金属冶炼及压延加工业与能源制造业类企业，如新疆众和与天康生物分别排在第2、第3位。而新中基、新农开发和汇通集团等新疆企业排名靠后，可见基于因子分析法的评价是比较客观可信的。
聚类分析过程及结果
由于影响其经营业绩水平的因素众多，关系复杂，为此采用聚类方法中的沃德法进一步分析。样品被归为最后6类时有关统计量如下表所示。
可以看出：伪F统计量在归为3类、4类、5类时较大，说明归为3类或4类或5类较好;伪T2统计量在归为2类或4类时较大，表明上一次聚类的效果好，所以由伪T2可知归为3类或5类较好。类似由统计量RSQ和半偏RSQ可知，归为4类或5类比较好。根据以上统计量分析，发现聚为5类较为合理，最后得到各上市公司在5类中的属类。结合其分类和各主因子得分可以总结出各个类别的特征如下：
第一类：新疆众和、天山纺织。在偿债因子的得分和资本构成因子得分排名较高，其得分分别为1、2，说明这两家公司在偿债能力方面很优秀。其中天山纺织很特殊，它在公司盈利与资产管理能力的因子排名为20，在所有者权益因子的排名为22，但是由于它在偿债因子和经营效率因子的排名分别为1、4，最后在综合排名上升到第1位。
第二类：八一钢铁。从经营效率因子得分和资本构成因子得分以及综合得分上可以发现八一钢铁是很特别的，它在偿债因子上得分排名19，而在经营效率因子上得分却排名第1，最终依靠经营效率高的得分，使其综合得分排名上升到第4位。
第三类：天康生物、伊力特、特变电工、国际实业、广汇股份和啤酒花。公司盈利和管理运用资产的能力较好、经营效率较高。它们有的在公司盈利和管理资产的能力因子得分排名1、2、4、5、6、7;有的在经营效率因子得分排名2、3、5、7，由此看出这6家公司在盈利和管理资产的能力因子和经营效率因子上的得分都非常高，说明它们在这两方面的情况有很大的优势，但还应该注意改善其资本构成、适当提高经营效率。
第四类：中泰化学、天山股份、青松建化、中粮屯河、友好集团、新疆天业、新赛股份、美克股份、天富热电、新疆城建和天利高新。公司的偿债能力较好、资本构成较合理。它们有的在偿债能力因子得分排名4、6、9，有的在资本构成因子上得分排名1、2、3、5，由此看出这11家公司在偿债能力因子及资本构成因子的得分上较高，这说明它们在这两方面的发展较为均衡。
第五类：新中基、新农开发和汇通集团。所有者权益因子相对其它因子较好。其在所有者权益因子上的得分分别为12、9、14，说明这3家公司的绩效应该在其他4方面加大力度进行改善，以提高其自身的业绩。
结论
综合业绩评价 篇7
综合评价是指对多属性体系结构描述的对象系统做出全局性、整体性的评价。 目前对评价问题的研究大致可以分为两类:一类是对评价指标体系的研究;另一类是对综合评价方法的研究, 大多学者只注重两者之一的研究。同时, 关于批发和零售业的公司业绩评价并不多见。因此, 针对以上问题, 本文在同时考虑评价指标选取和方法研究的基础上, 对我国批发和零售业的上市公司业绩进行评价。首先采用聚类分析和多元回归分析法选取评价指标体系, 再利用因子分析法构造综合评价公式, 对上市公司的经营业绩进行评价。实证结果表明, 该评价过程考虑了评价指标选取的科学性和评价过程的客观性。
一、评价原理
(一) 基于聚类分析的评价指标筛选
在上市公司经营业绩综合评价过程中, 指标的选取是否合适直接影响到综合评价的结论。综合评价指标体系应该同时具备全面性和代表性, 但是全面性并不意味着指标越多越好, 指标选取过多会产生许多重复性指标;选取太少则所选指标缺乏足够的代表性, 产生片面性。所以, 如何科学地选择指标, 构建指标体系, 是综合评价研究中首先要解决的问题。
具体步骤为:1.根据经济意义进行指标分类。从上市公司经营业绩的内涵出发, 对主要综合评价指标按照经济意义进行分类;2.对每类中的指标再进行R型聚类分析, 将其分成若干子类;3.在子类中运用多元线性回归方法选择代表性指标。若某个子类只有一个指标, 则将其直接选入评价指标体系;若某子类有两个以上的指标, 则计算该子类中各指标与其他指标的复相关系数。某指标的复相关系数在该类最大, 则可认为该指标所包含本类的信息最丰富, 对该类指标的代表性最强, 按此原理, 复相关系数最大的指标入选。
(二) 基于因子分析的上市公司经营业绩综合评价
确定合适的评价指标变量后, 再通过研究多个指标的相关矩阵内部依赖关系, 找出控制所有变量的少数主因子, 将每个指标变量表示成主因子的线性组合, 以再现原始变量与主因子之间的相关关系。因子分析的目的是寻求变量基本结构, 简化观测系统, 减少变量维数, 用少数的变量来解释所研究的复杂问题。
设有N个样本, p个指标。X= (X1, X2, …, Xn) T为可观察的随机变量, 要寻找的主因子为f= (f1, f2, …, fq) , 则因子分析模型:
undefined
在因子分析过程中, 我们将每个主因子表示为变量的线性组合, 进而用变量的观测值来估计每个主因子的值 (即因子得分) 。
其数学模型为:
Fi=bi1X1+bi2X2+…+binXn, i=1, 2, …, n (2)
其中Fi为第i个因子得分。
二、实证分析
(一) 指标选择
在借鉴“网易财经” (quotes.money.163.com) 公布的财务分析指标的基础上, 对上市公司业绩评价指标按盈利能力、偿债能力、成长能力和营运能力四方面进行分类, 见表1:
选择批发和零售业40家上市公司作为样本, 所有数据来自“网易财经”, 在分析前首先进行指标类型一致化处理, 然后进行指标的无量纲化处理, 并且将异常点用所属某列去除所有异常点的均值进行替代。
(二) 对每类指标的聚类分析及筛选
将40家上市公司的样本数据录入SPSS, 进行聚类分析。聚类方法采用系统默认的类平均法, 选择皮尔逊相关系数 (pearson correlation) 作为距离的测度, 聚类结果见图1。
根据图1中的聚类分析结果我们可以将盈利能力的7个指标分为两类, 即A1、A2、A3、A4、A5为一类, A6、A7为一类, 按照指标筛选方案。
对于A1、A2、A3、A4、A5五个指标, 分别求每一个指标对其他6个指标的复相关系数R, 结果如下:
RA1=0.873 RA2=0.948 RA3=0.918
RA4=0.732 RA5=0.598
可以看出, A2 (每股净资产) 最大, 指标A2入选。在A6、A7中, 同样求每一个指标对其他4个指标的复相关系数R, 结果如下:
RA6=0.729 RA7=0.794
可以看出, A7 (息税前利润率) 最大, 指标A7入选。
这样, 在盈利能力指标中, 通过筛选, 将A2 (每股净资产) 和A7 (息税前利润率) 两个指标作为盈利能力的代表性指标。
采用同样的方法对其它类进行分析, 得到上市公司经营业绩综合评价指标体系, 见表2:
(三) 基于因子分析综合评价方法的基本步骤
1.将表2指标对应到原始数据标准化处理, 采用Z-score方法无量纲化, 由SPSS软件自动完成;
2.根据标准化数据矩阵计算相关系数矩阵R;
3.计算相关系数矩阵R的特征值及方差贡献率, 见表3。
4.对综合因子进行线性加权求和
在实际评价中, 通常只选取前面几个方差大的综合因子, 这样既简化了指标之间的联系, 又达到了以尽可能少的指标反映尽可能多信息的目的。通常是要求选取的综合因子的累计贡献率大于80%, 这里取前4个综合因子 (累计贡献率80.208%) 来代替原来8个指标。
以各主因子的方差贡献率占累计贡献率的比重为权数进行线性加权求和, 得到各上市公司的综合得分F:
undefined
采用因子分析对40家批发和零售贸易行业上市公司经营业绩进行综合评价, 结果见表4。
综合评分值正负并无实际意义, 这是指标标准化后的结果。从得分来看, 最高为永泰能源, 得分为1.68, 最低为百大集团, 为-0.98, 公司的得分主要集中在 (-1, 1) 之间, 业绩分布基本上是呈正态分布的。从排名情况来看, 效益好、财务结构合理、经营业绩良好的企业明显排在前列。得分较高的批发和零售业主要集中在能源类, 这与实际情况比较相符, 在一定程度上证明了因子综合评价法的合理性, 可作为科学决策的有力依据。
三、结论
本文利用多元统计分析方法对批发和零售业上市公司经营业绩进行了综合评价。为提高因子分析方法在综合评价中的效果和可靠性, 首先对评价指标采用聚类分析和多元回归分析方法进行科学选取, 使得进入评价过程中的指标都是影响显著的;其次, 利用因子分析法, 根据数据本身得到各个指标在综合评分中的权重和因子得分;第三, 计算公司业绩综合得分值, 并进行排名, 并与实际情况比较, 验证了该综合评价法能够很好地体现经营业绩评价的客观性和合理性。虽然, 选取不同行业的样本会影响到最后的综合评价函数, 但却不会降低在同一样本或时期公司经营业绩的可比性, 这也是对传统评价方法中的“权重一旦确定便很少变动”缺陷的克服。
参考文献
[1]KEH.H, CHU.S.Retail Productivity and Scale E-conomies at the Firm Level a DEA Approach[J].Omega, 2003, 31 (2) :75-82.
[2]刘勇, 汪旭晖.对全国30个地区零售行业效率的分析[J].统计与决策, 2007 (9) :75-77.
[3]楼文高, 沈莲莲, 冯国珍.中国批发和零售业投入产出效率研究[J].广东商学院学报, 2012 (4) :49-59.
[4]财政部统计评价司.企业效绩评价问答[M].经济科学出版社, 1999:67-70.
[5]JONDROW.J, LOVELL.C, MATEROV.I.On theEstimation of Technical Inefficiency in the Stochastic FrontierProduction Function Model[J].Journal of Econometrics, 1982, 19 (3) :233-238.
[6]陈衍泰, 陈国宏, 李美娟.综合评价方法分类及研究进展[J].管理科学学报, 2004, 7 (2) :69-78.
[7]王大飞, 曹佳.基于因子分析法的上市公司经营业绩的评价模型[J].经济论坛, 2010 (6) :195-198.
[8]王力宾.多元统计分析:模型、案例及SPSS应用[M].北京:经济科学出版社, 2010:234-246.
综合业绩评价 篇8
教师业绩考核是高校教学评估环节中的一项重要工作,也是教师岗位聘任、职称评定的一个重要指标,同时也是教师绩效工资发放的一个主要依据。但在评价过程中不可避免地存在大量的模糊性等不确定性因素,评价结果似乎也有些“模糊”,有失合理性和公正性。利用传统的模糊综合评判方法虽然也可得到较好的评价效果,但评价的准确度仍有待提高,为让教师业绩评价结果更为客观、公正,本文采用了层次分析法来确定各指标的权系数,利用加权平均法来计算评价结果。算例结果表明,基于多层次模糊综合评判教师业绩可以得到良好的评价效果。
1 模糊决策中的模糊综合评判过程
模糊理论的研究最早始于模糊数学,是文献[1]中美国科学家L.A.Zadeh于1965年提出,它主要研究定量描述、模糊处理等问题。建立在模糊数学基础上的各种模糊理论、模糊技术不仅在自动控制、计算机与信息处理等自然学科得到广泛应用,而且在决策、管理等社会学科也获得了广泛的运用。
模糊决策是模糊技术与决策方法相结合的产物。它由模糊化、模糊推理和去模糊化三个部分组成[2],可用图1表示。
模糊综合评判步骤如下:
(1) 确定评价对象的因素论域;
(2) 确定评语等级论域;
(3) 建立模糊关系矩阵;
(4) 确定评价因素的权向量;
(5) 合成模糊综合评价结果向量;
(6) 对模糊综合评价结果向量进行分析。
2 利用AHP方法确定各评价指标的权重
AHP方法是文献[3]中美国科学家T.L.Saaty提出的对定性问题进行定量分析的方法。它把复杂问题中的各因素划分为互相联系的有序层使之条理化,根据对客观实际的模糊判断,就每一层次的相对重要性给出定量的表示,再利用数学方法确定全部元素相对重要性次序的权系数。
2.1 构造判断矩阵
判断矩阵是用随机的方法构造500个样本矩阵,构造方法是随机地用标度以及它们的倒数填满样本矩阵的上三角各项[4](一般采用1-9数字及其倒数来标度)。主对角线各项数值始终为1,对应转置位置项则采用上述对应位置随机数的倒数。即得到判断矩阵S=(uij)p×p。
2.2 计算判断矩阵
用Mathematica软件计算判断矩阵S的最大特征根λmax,及其对应的特征向量A,此特征向量就是各评价因素的重要性排序,也即是权系数的分配[5]。
2.3 一致性检验
样本矩阵一致性指标值计算[6]:
平均随机一致性指标RI计算:RI=(CI1+CI2+……+CIn)/n。
当随机一致性比率
3 算例验证
3.1 教师业绩多级模糊综合评价指标
3.1.1 评价定量分级标准的确定
本文以高校教师教学工作业绩评价为例,主要围绕着教学效果、教学工作量、教学研究与改革、教师社会实践与学生毕业设计指导、科研项目、教师获奖等六个方面进行。根据测评数据确定4个测评等级:优秀、良好、合格、待努力,另增加一个否定级,即教师在一年中发生一次以上的教学事故就定为不合格。为了便于计算,我们将主观评价进行量化,并依次赋值为4、3、2、1。所设计的评价定量标准见表1。
3.1.2 教师教学工作业绩两级评价指标及其权重
现从以下几个方面来考虑:从教学效果、教学工作量、教学研究、教学改革、教师科研、教师获奖情况设定6个一级评价指标以及18个二级业绩评价指标构成体系[7,8]。所构成的业绩指标体系见表2(表中权重的分配由层次分析法求出)。
3.2 评价指标权重的确定
3.2.1 确定评价对象集
P=高校教师教学工作业绩评价。
3.2.2 构造评价因子集
u={u1,u2,…,u6}={教学效果,教学工作量,教学研究与改革,教师社会实践与学生毕业设计指导,科研项目,教师获奖}。
3.2.3 确定评语等级论域
确定评语等级论域,即建立评价集V。
V={v1,v2,v3,v4}={优秀,良好,合格,待努力},对于本年度出现过教学事故的,按一票否决来执行,一律规定为E级。
3.2.4 一级指标权重的计算
对于6个一级指标因子权重,我们采用AHP方法求出指标权重。构造判断矩阵S=(uij)p×p即:
用Mathematica软件计算判断矩阵S的最大特征根得λmax=6.00589。
一致性指标:
平均随机一致性指标:RI=1.24。
随机一致性比率:
因此认为层次分析排序的结果有满意的一致性,即权系数的分配是非常合理的。
其对应的特征向量为:
A0=(1.544515,0.933893,0.646541,0.975798,0.610622,1.275123)。
归一化处理后得:A=(0.258,0.156,0.108,0.163,0.102,0.213)。
3.2.5 计算二级指标权重
同理,我们仍采用层次分析的方法来求出指标权重。分别对各个二级指标构造其各自的判断矩阵,再用Mathematica软件计算最大特征根和一致性检验。得出合理的权系数。
教学效果评价五个指标的权重,其特征向量为:
(1.70915,1.75125,0.858786,1.80176,2.29851)。
归一化得:(0.203,0.208,0.102,0.214,0.273)。
教学工作量指标的权重:(0.874,0.126)。
教学研究与改革指标的权重:(0.165,0.119, 0.356,0.360)。
教师社会实践与学生毕业设计指导指标的权重:(0.591,0.409)。
科研项目指标的权重:(0.467,0.305,0.228)。
教师获奖指标的权重:(0.473,0.563)。
3.3 教师教学工作业绩的二级模糊综合评价
3.3.1 教师教学工作业绩的加权平均模糊合成综合评价
利用加权平均M(•,⊕)模糊合成算子将A与R组合成得到模糊综合评价结果向量B,计算公式为:
式中,bi、ai、rij分别为隶属于第j等级的隶属度、第i个评价指标的权重和第i个评价指标隶属于第j等级的隶属度。
3.3.2 多级模糊综合评价结果向量
将来源于某学校教师教学工作业绩评价的数据代入建立的模型中,计算各级模糊综合评价的向量。
3.3.2.1 教学效果的评价向量
学生网上评价模糊集合的构建,由学生在网上测评的结果进行统计,现得到某教师的数据为:68%的学生评定“优秀”,27%的学生评定为“良好”,5%的学生评定为“合格”,评定不合格的学生人数为0,则可得学生网上评价模糊集为R1=(0.68,0.27,0.05,0.00)。
同理,可得到教学督导评价、同行评价、教研组评价、考评组评价等因素评判模糊集合为:R2=(0.59,0.26,0.11,0.04),R3=(0.61,0.25,0.11,0.03),R4=(0.54,0.32,0.06,0.08),R5=(0.49,0.35,0.11,0.05)。权重α取前面计算值,这样,因素集与评判集之间的关系矩阵为:
归一化后的教学效果评价向量:(0.572,0.299,0.087,0.042)。
3.3.2.2 教学工作量的评价向量
归一化得:(0.079,0.659,0.158,0.141)。
3.3.2.3 教学研究与改革评价向量
归一化得:(0.152,0.228,0.520,0.099)。
3.3.2.4 教师社会实践与学生毕业设计指导评价向量
归一化得:(0.043,0.376,0.509,0.073)
3.3.2.5 科研项目的评价向量
归一化得:(0.028,0.216,0.562,0.194)。
3.3.2.6 教师获奖评价向量
归一化得:(0.026,0.232,0.418,0.162)。
3.3.2.7 综合评价向量
归一化得:(0.197,0.347,0.342,0.113)。
3.3.2.8 对综合评分值进行等级评定
VA=4×0.572+3×0.299+2×0.087+1×0.042=3.401
VB=4×0.079+3×0.659+2×0.158+1×0.141=2.719
VC=4×0.152+3×0.228+2×0.520+1×0.099=2.431
VD=4×0.043+3×0.376+2×0.509+1×0.073=2.391
VE=4×0.028+3×0.216+2×0.562+1×0.194=2.078
VF=4×0.026+3×0.232+2×0.418+1×0.162=1.798
由上述计算可知,对照表1的评价分级标准可得某教师教学工作业绩的“教学效果”、“教学工作量”二个评价指标的评价结果为“良好”属于B级,“教学研究与改革”、“ 教师社会实践与学生毕业设计指导”和“科研项目”三个评价指标的评价结果为合格,属于C级,另外教师获奖评价指标的评价结果为“待努力”,也就是该教师本人没有获奖也没有指导学生竞赛获奖,属于D级。按照各个指标的评分等级的大小可以对其排序,其中“教学效果”最好、“教师获奖”的评价最差。 而对总体的综合评判分值为:
V=4×0.197+3×0.347+2×0.342+1×0.113=2.626
说明该教师教学工作业绩评价为“良好”,属于B级。
4 结 语
应用模糊综合评判法对教师教学工作进行评判,可以避免许多主观因素的干扰,一方面能将定性分析问题转化为定量分析,并且可利用计算机编程计算;另一方面使评价结果更科学、公正,为指导教师提高教学业务水平提供了可信的依据。
对于权重的确定,目前大多由专家凭经验给出,人为干扰较为严重,导致评判结果的出入。本文在模糊综合评价中采用层次分析法来确定权重。 此方法具有较强的逻辑性、实用性和系统性。并能准确地得出各评价指标的权系数。对模糊综合评价结果进行分析,本文采用加权平均原则方法对结果进行分析,并可对多指标进行比较排序,结果令人满意。
参考文献
[1]吴力士.通俗模糊数学与程序设计[M].北京:中国水利水电出版社,2008:140-161.
[2]欧阳绵.模糊理论基础[M].武汉:武汉大学出版社,2004:198-218.
[3]朱小雷,吴硕贤.大学校园环境主观质量的多级模糊综合评价[J].城市规划,2002,26(10):57-60.
[4]袁甜甜,接励,郜焕平.多级广义模糊综合评判在高校人才评价中的应用[J].天津师范大学学报:自然科学版,2007,27(2):76-80.
[5]刘元高,刘耀儒.Mathematica4.0实用教程[M].北京:国防工业出版社,2000:65-68.
[6]滕居特,顾幸生.研究生教育评估的多级变权模糊综合评判[J].华东理工大学学报:自然科学版,2006,32(9):1121-1125.
[7]付巧峰.模糊综合评判在水资源价值评估中的应用[J].西北大学学报:自然科学版,2008,38(2):187-191.
综合业绩评价 篇9
食品行业是我国国民经济的重要产业,对推动国民经济的持续、健康发展具有重要意义。但目前我国的食品安全处于问题多发期、职能调整期、机构磨合期“三期”交织的阶段,风险隐患增大、不确定因素增多,食品行业的发展形势不容乐观。媒体曝光的三聚氰胺、瘦肉精、染色馒头等一系列事件逐渐引起公众对食品安全的关注。针对食品行业存在的市场秩序不规范、产业素质不高、企业责任意识缺乏引发的食品安全问题,在2014年全国“两会”政府工作报告中,国务院总理李克强认为食品安全非常重要,食品监管任重道远,明确指出:“要建立从生产加工到流通消费的全过程监管机制、社会共治制度和可追溯体系,健全从中央到地方直至基层的食品药品安全监管体制。”因此,有必要对食品行业上市公司进行综合评价,针对食品行业上市公司存在的问题提出相应政策建议,以期提高其经营业绩,增强企业的市场竞争力。
二、文献综述
目前对上市公司绩效的衡量主要采用单一指标衡量法和综合指标衡量法。单一指标又分为单一会计利润指标和单一市场价值指标。靳明(2000)使用净资产收益率(ROE)衡量经营业绩。余力、刘英(2004)采用累计超额平均收益率CAR对我国上市公司绩效进行实证研究。郭福春(2006)用资产回报率衡量上市公司的经营绩效,但周宏、王海妹(2008)认为在不充分的资本市场上,股票价格并不能准确反映公司绩效,我国资本市场并不成熟,单一市场价值指标必须加以其他指标综合衡量上市公司的绩效。同时,单一会计利润指标不能准确评价企业经营业绩的整体特征,又容易受到经理层的操作,无法合理衡量企业的财务绩效。鉴于单一指标的局限性,有关学者提出采用多指标综合评价上市公司的财务绩效。谢赞春(2011)通过采用五项财务指标对上市公司的财务绩效进行综合评价。张智华(2012)分别从赚取现金的能力、资产管理能力、偿债能力、股东收益水平、盈利能力、成长能力六个方面构建上市公司的经营业绩评价指标体系,运用实证统计方法综合评价上市公司的经营绩效。花春荣(2013)采用多元统计分析方法,从四个财务角度构建综合指标衡量上市公司的经营业绩,并运用聚类分析法对上市公司进行分类评价。陈捷(2013)通过对企业经营业绩评价指标体系进行因子分析,提取出五个主因子模型对上市公司进行综合评价。刘琼(2014)从偿债能力、盈利能力、成长能力、现金流量能力和营运能力五个方面构建财务指标体系并建立面板模型,从中提取出四个主因子评价上市公司的综合绩效。现有文献很少采用综合指标衡量法对食品行业上市公司进行综合财务评价,因此本文将采用因子分析法构建财务指标体系以衡量食品行业上市公司的综合绩效,并对食品行业上市公司进行聚类分析。
三、研究设计
(一)样本选取与数据来源本文选取沪深两市食品行业上市公司2013年数据作为研究样本,按中信行业分类标准选取食品行业上市公司,剔除财务状况异常和数据缺失企业后,最终得到31家食品行业上市公司。本文数据源自RESSET金融研究数据库(www.resset.cn)。
(二)指标体系构建本文主要从盈利能力、偿债能力、成长能力和营运能力四个方面来评价食品行业上市公司的经营绩效,具体财务指标如表1所示。
(三)财务数据正向化由于衡量偿债能力的资产负债率、流动比率和速动比率均为适度指标,并不是越大越好或越小越好,因此,需要进行正向化处理。本文选取的正向化处理方法为:设食品行业上市公司最优指标为A,实际指标为X,将1/(X-A)的绝对值作为正向化指标(张慧、周春梅,2012)。
四、实证结果与分析
(一)因子分析因子分析是多元统计分析的重要分支,通过因子分析可以把多种变量转换为少数变量,有利于简化数据,以便利用少数因子对样本进行综合评价。
(1)适用性检验。首先进行检验以判断是否适合做因子分析,本文使用KMO和Bartlett检验样本变量的适用性(见表2)。结果显示,KMO的检验值为0.637大于0.6,Bartlett的球形检验值为318.167,而且显著性的概率为0.00,低于0.05的显著性水平,因此适合进行因子分析。
(2)提取公因子。本文使用的统计软件为SPSS19.0,根据特征值大于1的原则提取主成分。公因子的贡献率可以表示该公因子解释原始指标信息量的能力,提取的4个公因子可以综合解释原始变量78.833%的信息,如表3所示。
(3)因子旋转。因子旋转的目的在于进一步检验各公因子对初始变量的解释能力,本文采用方差最大化的正交旋转法。经旋转后的初始变量只在某个因子上具有较大的载荷,而在其他因子上载荷较小,从而能够使主因子代表的经济含义清晰化。如表4所示,存货周转率、流动资产周转率、股东权益周转率及总资产周转率指标在第一个公因子上具有较大载荷,因此第一个公因子可以解释为营运能力因子;每股收益、净资产收益率和资产报酬率在第二个公因子上具有很大的载荷,因此第二个公因子可以视为盈利能力因子;总资产增长率、净资产增长率和营业收入增长率在第三个公因子上具有较大的载荷,因此第三个公因子可解释为成长能力因子;流动比率和速动比率在第四个因子上具有很大的载荷,因此第四个因子可以视为偿债能力因子。
(4)综合得分及排序。综合得分是指各个因子F乘以相对应的方差贡献率的和,再比上所有因子的累积方差贡献率。综合得分公式为:
将原始数据代入综合得分计算公式可得出每个上市公司的综合得分,综合得分排序如表5所示。由表5可知,伊利股份的综合财务绩效名列前茅,双汇发展在食品行业上市公司中综合财务绩效排名第二,而位于同一省份的河南莲花味精股份有限公司的综合得分却排名倒数第二。在所选取的31家食品行业上市公司中,39%的公司综合得分为正,61%的公司综合得分为负,说明行业内企业财务绩效差距较明显,食品行业发展不均衡。
(二)聚类分析聚类分析同样是多元统计分析的一种方法,通过运用数学方法定量确定样本间的亲疏关系,进而科学客观地依据共同的特性划分类型。本文采用KMeans Cluster聚类方法,按欧氏距离及食品行业上市公司盈利因子、营运因子、成长因子和偿债因子的得分及排名情况进行综合分析聚类,如表6所示。
通过聚类分析,可以将食品行业上市公司大致分为五大类。伊利股份为第一类,该公司的营运能力在行业中最强,成长能力排名第二,盈利能力和偿债能力均较强。金字火腿为第二类,该公司的偿债能力最强,成长能力居中,但营运能力不高,盈利能力不强。第三类有25家上市公司,这些公司的盈利能力、营运能力、偿债能力和成长能力均一般,公司发展相对稳定。第四类有4家公司,这些公司营运能力较强,偿债能力居中,但盈利能力有待提高。天润乳业属于第五类,该公司的成长能力最强,发展前景乐观,盈利能力和偿债能力也较强,但营运管理存在严重问题。
五、结论及建议
(一)结论通过对我国食品行业上市公司进行因子分析和聚类分析,本文发现我国食品行业上市公司的综合财务绩效差距较明显,伊利股份的营运能力在行业中排名第一,且综合财务绩效在行业中遥遥领先,而莲花味精和星河生物的综合财务绩效排名靠后,盈利能力不佳。说明我国食品行业发展不平衡,公司的营运能力、盈利能力、成长能力及偿债能力均会影响其综合绩效。
业绩评价数据靠不靠谱 篇10
作为新闻，短期的数据更有大众关注的优势，报道中经常用的月度、季度、半年、年度的数据比较显然都太短。但是三年、五年的数据，在现在的市场状况下，够合理吗？
A股市场不仅是一个波动巨大的市场，也是一个各领风骚的市场，各行业、各板块、各类股票的涨跌此起彼伏，并且相互差距较大，这就造成尽管用的是长期数据，但由于相互之间的增长不同，使得某一行业、特点的股票在某一特定时期可能会有较大增长，使选择了这类行业、特点股票的基金短期业绩有明显提升，用3年、5年的数据，依然可能是因为截止阶段数据的差异，而对三年数据都有较大影响，就使长期业绩也显示出此起彼伏，没有稳定性的特征。
这样不稳定的数据特征，使得使用过去长期业绩对未来影响的准确度大大降低，用这样的业绩表现指标选择出来的基金，与未来一段的表现偏差太大，使用如此指标选出来的基金难以令投资者下期获得相似业绩，难以提高投资人基金选择的满意度。
用每年的业绩比较来进行评价可能是更好的选择。在不同的年份，不同风格的基金往往表现出较大的差异。有些基金经理没有明确的选股风格，缺乏对投资的理解，他们也许会有偶尔表现出业绩好的时候，但难以有单年的持续、稳定业绩。就算是投资能力较好的基金经理，也会因其策略不同，而表现出在不同年份的不同表现。
追求长期带给客户更高回报的基金经理，往往会满仓、选股偏门并集中，他们往往会有市场上涨或偏好股票为市场热点的年份业绩优异，在市场下跌或风格不配时，表现往往令人失望，其单年收益率或单年排名在同类基金中往往好时好、坏时坏，短期累计收益率也会有类似特征。
选择单年收益时高、时低的基金，长期回报可能也不错，但中间过程常常会令人时而喜出望外、时而心惊肉跳，这些基金经理也许是某一阶段的明星，在300多只相似的股票基金中，要想异军突起，没有足够集中的持股，并且股票风格特点明显，不会有明显超越其他近300只基金的可能。只是选择对时，而一旦选中的股票当期是市场抛弃的对象，集中持股，即使长期这些股票的确可以为投资者带来很好的回报，在短期与热点相悖的时候，业绩排名靠后、低于基金指数也是在所难免。
投资这些基金，就需要有更大的耐心与对业绩偏差的承受力，往往选时因其与市场热点的般配，排名靠前而买，买后赶上热点变化，排名正好偏后，使投资者叫苦连天。也许长期回报亦好，高期望值与阶段性与期望的大偏差结合，使中间阶段性失望却难免，如果不能对这种偏差有正确的认识，不能忍受这种偏差而赎回，就难以享受到这类基金的持久回报，并且对自己基金选择的能力丧失信心，也就降低了对基金长期业绩的信心。
以持续稳定回报为目标的基金经理，往往会均衡配置，随市场热点调整部分其股票组合，使其基金在短期热点与长期回报间平衡。如此管理的组合在某一阶段表现优异的概率是极低的，但其排名、与基金指数的偏差相对稳定，如此特点的基金并不代表长期没有好的回报。
有了合理的基金指数，用这个指标去衡量基金经理们的业绩，而不再是多元分析下的情绪理解，会帮助投资者更好地理解基金的表现，能够分享基金经理们和市场带来的回报。