人工智能作為全球科技與產(chǎn)業(yè)變革的關(guān)鍵領(lǐng)域,已經(jīng)成為了推動(dòng)經(jīng)濟(jì)可持續(xù)發(fā)展的強(qiáng)勁動(dòng)力。與歐美等發(fā)達(dá)國(guó)家相比,我國(guó)的人工智能企業(yè)大多處于生長(zhǎng)初期。因此,深入研究人工智能產(chǎn)業(yè)的融資效率對(duì)產(chǎn)業(yè)持續(xù)健康發(fā)展具有重要意義。整體來(lái)說(shuō),分別從靜態(tài)和動(dòng)態(tài)兩個(gè)角度對(duì)人工智能上市公司截面數(shù)據(jù)與面板數(shù)據(jù)進(jìn)行了融資效率評(píng)估,動(dòng)靜結(jié)合,形成了一套比較科學(xué)完善的評(píng)價(jià)方法,對(duì)于有關(guān)企業(yè)及政府部門具有一定的參考價(jià)值。具體地,靜態(tài)分析層次,將傳統(tǒng)BCC模型中各決策單元純技術(shù)效率作為因變量,結(jié)合影響企業(yè)融資效率的外部環(huán)境變量(作為自變量),建立了Tobit回歸模型,從統(tǒng)計(jì)的角度分析驗(yàn)證了外部環(huán)境因素對(duì)DEA模型下融資效率的線性影響。其次,針對(duì)現(xiàn)有文獻(xiàn)對(duì)融資效率實(shí)證研究中存在的識(shí)別能力不足、評(píng)價(jià)指標(biāo)單一等情況,引入香農(nóng)熵信息度量指數(shù),不但考慮給定的輸入輸出指標(biāo)體系,而且從變量組合的角度考察了所有投入產(chǎn)出指標(biāo)體系的融資效率,相較于單個(gè)指標(biāo)體系,其結(jié)果更易于識(shí)別且更加穩(wěn)定有效。此外,針對(duì)融資效率領(lǐng)域遇到的非期望產(chǎn)出問(wèn)題,創(chuàng)新性的將生態(tài)低效率模型運(yùn)用到了人工智能融資領(lǐng)域,計(jì)算得出了期望效率(EFE)、非期望效率(UFE)與低效率(PE)三組評(píng)價(jià)企業(yè)融資效率的指標(biāo)得分與完整排名,并將其結(jié)果與CCR模型和香農(nóng)熵指數(shù)模型進(jìn)行了橫向?qū)Ρ?側(cè)面說(shuō)明了低效率模型對(duì)涉及非期望產(chǎn)出效率評(píng)估的準(zhǔn)確性。動(dòng)態(tài)分析層次,將全要素生產(chǎn)率分解為技術(shù)效率變動(dòng)指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率變化指數(shù)以及規(guī)模效率變化指數(shù),更加詳盡的展現(xiàn)了人工智能行業(yè)融資效率內(nèi)部指標(biāo)變化情況,同時(shí)還巧妙結(jié)合了香農(nóng)熵優(yōu)化模型與低效率模型,從曼奎斯特指數(shù)內(nèi)部分解、完整排名對(duì)比與非期望產(chǎn)出影響三個(gè)角度研究了人工智能行業(yè)融資效率的變化趨勢(shì)。結(jié)果表明,我國(guó)人工智能上市公司綜合融資效率較低,主要體現(xiàn)在純技術(shù)效率上,而規(guī)模效率的變化幅度不大,這說(shuō)明行業(yè)整體上融資技術(shù)并不高,仍具有較大的投入產(chǎn)出空間。而經(jīng)過(guò)Tobit回歸剔除了環(huán)境變量的融資效率則顯示:我國(guó)人工智能上市公司真實(shí)的綜合效率有所提高,其資金的管理水平達(dá)到了較高層次,但規(guī)模效率仍舊較低,這也說(shuō)明環(huán)境變量對(duì)人工智能產(chǎn)業(yè)融資效率有很大影響。此外,從香農(nóng)熵指數(shù)優(yōu)化模型、低效率模型與傳統(tǒng)CCR模型的橫向?qū)Ρ冉Y(jié)果來(lái)看,三者融資效率基本保持一致性,這也側(cè)面驗(yàn)證了結(jié)果的有效性與可靠性,其融資效率結(jié)果可給予相關(guān)企業(yè)個(gè)體與政府一定的定量參考依據(jù),對(duì)于人工智能行業(yè)健康有序發(fā)展具有重大的現(xiàn)實(shí)意義。
【學(xué)位單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F224;F49;F832.51;F275
【部分圖文】：

近 10 年來(lái)隨著三因素的共同進(jìn)步，人工智能領(lǐng)域研究已經(jīng)突破了早期被算法和計(jì)算能力以及數(shù)據(jù)量限制的瓶頸，引發(fā)了“深度學(xué)習(xí)”的方法浪潮。并以此在語(yǔ)音語(yǔ)義識(shí)別、圖像識(shí)別、動(dòng)作控制等領(lǐng)域有了新的突破，同時(shí)隨著硬件技術(shù)的提升，不斷擴(kuò)張應(yīng)用的邊界。人工智能的發(fā)展迅速，各國(guó)已經(jīng)充分認(rèn)識(shí)到了人工智能產(chǎn)業(yè)發(fā)展對(duì)人類發(fā)展的重大意義，連續(xù)出臺(tái)了相關(guān)扶持人工智能產(chǎn)業(yè)振興發(fā)展的政策，積極推動(dòng)人工智能在各個(gè)細(xì)分領(lǐng)域的滲透。2016 年 5 月，國(guó)家四部委聯(lián)合頒布《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》，明確提出要培育發(fā)展人工智能新興產(chǎn)業(yè)、推進(jìn)重點(diǎn)領(lǐng)域智能產(chǎn)品創(chuàng)新、提升終端產(chǎn)品智能化水平[1]。2017 年 6 月，人工智能產(chǎn)業(yè)聯(lián)盟成立，旨在團(tuán)結(jié)人工智能領(lǐng)域領(lǐng)軍科研機(jī)構(gòu)、企業(yè)以及投資平臺(tái)，從上到下、從里到外共謀發(fā)展。在此期間人工智能投資呈現(xiàn)持續(xù)上升狀態(tài)。根據(jù)咨詢公司 Venture Scanner統(tǒng)計(jì)，截止 2016年底，全球人工智能公司已突破 1000家，涉及領(lǐng)域非常廣泛，共跨越 13 個(gè)子門類，融資金額高達(dá) 48 億美元。其中是人工智能創(chuàng)投金額增長(zhǎng)最為迅速，在五年間增長(zhǎng)了 12倍。

數(shù)據(jù)來(lái)源：中國(guó)信通院發(fā)展報(bào)告圖 1-2 中美人工智能產(chǎn)業(yè)累計(jì)融資額對(duì)比Figure 1-2 Comparison ofAccumulated Financing Amount ofArtificial Intelligence Industrybetween China and the United States1.2.3.2 我國(guó)人工智能產(chǎn)業(yè)的融資現(xiàn)狀資本市場(chǎng)敏銳地捕捉到人工智能的商業(yè)化前景，我國(guó)人工智能領(lǐng)域投融資熱度快速升溫。2000-2016 年，中國(guó)人工智能融資規(guī)模累積達(dá) 27.6 億美元。其中，2014-2016年三年是中國(guó)人工智能發(fā)展最為迅速的時(shí)期。在這三年里人工智能融資規(guī)模占總數(shù)的 93.59%，投資頻次占總數(shù)的 87.22%。

數(shù)據(jù)來(lái)源：中國(guó)信通院發(fā)展報(bào)告圖 1-2 中美人工智能產(chǎn)業(yè)累計(jì)融資額對(duì)比Figure 1-2 Comparison ofAccumulated Financing Amount ofArtificial Intelligence Industrybetween China and the United States1.2.3.2 我國(guó)人工智能產(chǎn)業(yè)的融資現(xiàn)狀資本市場(chǎng)敏銳地捕捉到人工智能的商業(yè)化前景，我國(guó)人工智能領(lǐng)域投融資熱度快速升溫。2000-2016 年，中國(guó)人工智能融資規(guī)模累積達(dá) 27.6 億美元。其中，2014-2016年三年是中國(guó)人工智能發(fā)展最為迅速的時(shí)期。在這三年里人工智能融資規(guī)模占總數(shù)的 93.59%，投資頻次占總數(shù)的 87.22%。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李文新;張丹;周本彩;;戰(zhàn)略性新興產(chǎn)業(yè)資本市場(chǎng)融資效率影響因素研究——來(lái)自A股市場(chǎng)的經(jīng)驗(yàn)數(shù)據(jù)[J];商業(yè)會(huì)計(jì);2015年23期

2 王娟;鄭浩原;;環(huán)境約束下中國(guó)電力行業(yè)全要素生產(chǎn)率研究——基于Malmquist-Luenberger生產(chǎn)率指數(shù)的面板數(shù)據(jù)分析[J];東北財(cái)經(jīng)大學(xué)學(xué)報(bào);2015年06期

3 張華;韓盼盼;于佳;;民營(yíng)企業(yè)融資效率的影響因素研究——基于生命周期[J];改革與開(kāi)放;2015年15期

4 黃玉英;余克艱;婁淑珍;;整合視角下中小企業(yè)融資效率影響因素研究[J];科技進(jìn)步與對(duì)策;2015年15期

5 沈?yàn)]俐;;基于DEA-Malmquist模型的我國(guó)農(nóng)村水利項(xiàng)目投入產(chǎn)出效率及區(qū)域差異分析[J];山東農(nóng)業(yè)科學(xué);2015年04期

6 周昌仕;郇長(zhǎng)坤;;涉海產(chǎn)業(yè)類企業(yè)融資效率及影響因素測(cè)評(píng)研究——基于DEA-Random Effects Models的經(jīng)驗(yàn)數(shù)據(jù)[J];中國(guó)海洋大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2015年02期

7 崔杰;胡海青;張道宏;;非上市中小企業(yè)融資效率影響因素研究——來(lái)自制造類非上市中小企業(yè)的證據(jù)[J];軟科學(xué);2014年12期

8 李莉;;我國(guó)企業(yè)融資效率評(píng)價(jià)與影響因素分析[J];商業(yè)時(shí)代;2013年11期

9 王安民;談俊英;;陜西中小企業(yè)融資效率的模糊綜合評(píng)價(jià)與實(shí)證分析[J];中國(guó)證券期貨;2011年12期

10 楊海維;;中小企業(yè)融資效率的模糊綜合評(píng)價(jià)和實(shí)證分析[J];華北金融;2010年08期

相關(guān)博士學(xué)位論文 前2條

1 王新紅;我國(guó)高新技術(shù)企業(yè)融資效率研究[D];西北大學(xué);2007年

2 盧福財(cái);企業(yè)融資效率分析[D];中國(guó)社會(huì)科學(xué)院研究生院;2000年

相關(guān)碩士學(xué)位論文 前2條

1 姜琳;基于DEA-Malmquist-Tobit和SD模型的新三板股權(quán)融資效率評(píng)價(jià)研究[D];華南理工大學(xué);2018年

2 董丁銘;我國(guó)環(huán)保企業(yè)融資效率研究[D];北方工業(yè)大學(xué);2012年

本文編號(hào)：2881074