基于決策者偏好的體育產業上市公司競爭力的投影尋蹤建模研究

虞玉華+樓文高

摘 要：應用基于群搜索群智能最優化方法建立初始投影尋蹤（PPC）模型，建立由22個指標組成的體育產業上市公司競爭力綜合評價精簡的指標體系，根據樣本投影值大小實現對體育產業上市公司競爭力的排序、分類及分析其發展趨勢。在表征競爭力的7大方面中，增長能力最重要，其次是盈利能力。根據PPC模型結果，提出了更有針對性的提高上市公司競爭力的措施和建議：理論上講，如果采取措施，能夠整體上改善投影向量系數較大的指標值，就能整體上顯著增強上市公司的競爭力；但對某一家具體的上市公司而言，必須根據自身的主客觀條件，努力采取措施，在投影向量系數較大的指標中，挖掘出弱勢指標，并積極創造條件，著力改進，往往能夠達到事半功倍的效果。實證研究表明，作為一種新的評價方法，基于決策者偏好的MPPC模型，能較好地用于體育產業上市公司競爭力綜合評價、排序與分類研究。

關鍵詞：體育產業；上市公司；投影尋蹤模型；競爭力；決策者偏好

中圖分類號：G 80-052 文章編號：1009-783X（2017）04-0305-08 文獻標識碼：A

Abstract： Based on the application of swarm intelligent optimization search method， the initial projection pursuit cluster （PPC） model is established， which includes 22 indicators of sports industry listed companiescompetitiveness comprehensive evaluation index system according to the simplified sample， projection value， sorting and classification of sports industry listed companiescompetitiveness analysis of the size of its development trend. In the 7 aspects of competitiveness， the growth ability is the most important， followed by profitability. According to the result of PPC model， this paper puts forward some measures and suggestions for more targeted to improve the competitiveness of listed companies： In theory， if measures are taken， it can improve the index of projection vector coefficient of the value， enhance the competitiveness of the listed companies； but for a specific listed companies， it must be based on their own the subjective and objective conditions， to take measures in the projection coefficient of the index vector， dig out the vulnerable index， and actively create conditions to improve， a multiplier effect can be achieved. The empirical study shows that， as a new evaluation method， the MPPC model based on the decision-makers' preference can be applied to the comprehensive evaluation， ranking and classification of the competitive ability of the listed companies in the sports industry.

Keywords： sports industry； listed companies； projection pursuit clustering model； competitiveness； performance information of decision-makers

加強對體育產業尤其是其代表性企業——上市公司的競爭力研究具有十分重要的現實意義。企業競爭力涉及企業的發展理念、發展能力、盈利能力、獲利能力、增長能力、營運效率和償債能力等諸多方面，涉及企業的利潤率、資產報酬率、流動比率、總資產增長率等眾多指標；因此，采用不同的評價指標體系和綜合評價方法，必定得到不盡相同的結果，一直以來都是研究的熱點和關注的難點。國內外有大批專家學者致力于企業競爭力研究，但考慮到數據的可獲得性和公開性，國內學者更多地集中于上市公司的競爭力研究，并取得了一定的成果。

1 文獻回顧與述評

上市公司競爭力綜合評價是一個多指標綜合評價的過程，主要涉及3個關鍵方面：一是建立合理可靠的評價指標體系，二是合理確定各個評價指標的權重，三是采用合理的方法進行可靠的評價。這3個方面既相互獨立，又相互聯系和相互影響，有些評價方法（例如主成分分析法PCA等）同時涉及2～3個方面，既是一種評價方法，又同時能確定各個指標的權重。而且，3個方面迄今都還沒有取得公認的結論，都在不斷地探索和完善過程中。以題名中含有“上市公司”+“競爭力”檢索中國知網，得到700多篇論文，因限于篇幅，以下闡述中僅列出少數幾篇論文。關于建立合理的評價指標體系方面，目前差異還較大，少的只采用幾個（9個）指標[1]，多的則采用幾十個（60個）指標[2]。實際上，采用過少或者過多的指標都是不恰當的。從上市公司競爭力綜合評價結果（例如得分）與指標之間存在的數學關系來看，不外乎是線性模型和非線性模型2大類，前者如層次分析法（AHP），后者如神經網絡模型等，前者屬于顯性模型，而后者是隱性模型。從確定各個評價指標權重的方法屬性來看，不外乎主觀賦權重法和客觀賦權重法2大類，前者如AHP，后者如信息熵法、PCA等。線性模型主要有主觀賦權重（例如德爾菲法、AHP等）的（模糊）綜合指數法[3-6]，客觀賦權重法主要有信息熵法[1，7]、主成分分析法（PCA）[8-9]、因子分析法（FA）[10-11]和投影尋蹤模型（Projection Pursuit Clustering， 簡稱PPC）等[12]，非線性模型主要有（灰色）關聯法[13]、投入產出（DEA）模型[14]、突變級數法[15]、粗糙集法（RS）[16-17]、TOPSIS法[1，17]、神經網絡模型（ANN）[2， 11， 18]等。非線性的隱性模型，無法直接觀察和判斷各個評價指標與評價結果之間的定量關系，也無法直接判斷各個評價指標的重要性。主觀賦權重方法雖然充分考慮了“人”的知識和主觀能動性，但受專家自身水平、經驗和偏好等的影響較大，不同學者不僅選取的指標有時存在較大的差異，權重大小差異可能更大[6， 13]，結果的客觀性往往較差。PCA和FA等客觀賦權重法的結果完全取決于樣本數據的分布特征，但必須滿足KMO值大于0.60，并且要求指標之間存在較明顯的線性關系，以及樣本數據量要超過評價指標個數的3～5倍等的建模條件，否則，評價結果的穩定性和可靠性難以得到保證[19]。顯然，文獻[2，8-11，18]都不滿足上述建模條件。文獻[2，11，18]根據FA的結果，再應用神經網絡進行建模，并認為神經網絡模型的結果更科學和可靠。實際上這幾篇論文既不符合FA的建模條件，也不符合神經網絡（BPNN）建模條件和避免出現“過訓練”的要求，如文獻[11]針對40個訓練樣本采用12-15-1的網絡結構（網絡權重個數為13×15+16=211個），文獻[2]針對50個訓練樣本采用70-140-1的網絡結構（網絡權重個數為71×140+141=10 081個），文獻[18]針對25個訓練樣本采用9-15-1的網絡結構（網絡權重個數為10×15+16=166個），顯然都不符合BPNN建模要求訓練樣本數量至少要多于網絡連接權重個數（一般要求3～5倍以上）的最基本要求，也沒有采用檢驗樣本實時監控訓練過程以避免發生“過訓練”現象；因此，這些文獻采用神經網絡建模訓練時必定會發生“過訓練”現象，建立的模型也不可能有泛化能力，建模結果是無效的 [20-24]。DEA方法用上市公司投入產出效率的少數幾個指標衡量競爭力是不夠確切的。灰色關聯法、TOPSIS法和突變級數法等方法均存在問題[25]，本文不再一一說明。傳統的PPC分類技術雖然尤其適用于高維、非線性和非正態分布數據的建模，但也存在PCA和FA等客觀賦權重方法的缺陷——其結果完全取決于評價指標數據的分布規律，有時也會出現如正向指標的權重小于0等無法合理解釋的結果，有些專家認為很重要的指標其權重卻很小的情況等，不一而足。endprint

在體育產業上市公司研究方面，經檢索中國知網等，國內未發現有關體育產業上市公司競爭力研究的文獻，但發現不少有關體育產業上市公司經營效率及資金效率與績效之間關系、成長性等方面的研究[26-34]。例如：胡效芳等[26]采用FA方法研究李寧、安踏體育等在香港證券交易所上市的6家國內體育品牌上市公司的產業競爭力；譚宏[27]等應用FA和DEA組合方法研究2010年港、深、滬股市11家體育產業上市公司的經營效率，FA過程中只保留了80%的原始信息；詹新寰[29] 以2010、2011年深市主板、中小企業板、創業板、滬市主板、香港主板及香港創業板的17家國內體育產業上市公司為研究對象，應用多元線性回歸模型研究資金運營效率與企業績效之間的關系。

綜上所述，雖然眾多學者已對上市公司競爭力進行了廣泛的探索性研究，取得了不少成果，但仍然存在諸如上述列舉的問題，需要開展更深入的研究，以提高評價結果的有效性、可靠性和客觀性。而且，國內還沒有見到有關體育產業（用品）上市公司競爭力方面的研究。基于此，本文嘗試把決策者偏好（已有的研究成果和專家學者的意見）添加到投影尋蹤模型的約束條件中，從而建立主觀賦權重法與客觀賦權重法有機結合的改進型投影尋蹤模型，對體育產業上市公司競爭力綜合評價進行探索性研究。

2 建立體育產業上市公司競爭力綜合評價的MPPC模型

2.1 基于決策者偏好的投影尋蹤分類建模技術

Friedman等提出的一維投影尋蹤模型（PPC）通過從不同的投影方向研究樣本數據的分布規律，從而尋找出能夠最大程度揭示數據特征和規律的最優投影方向，求得高維數據結構特征的樣本投影值（即樣本綜合評價值），從而實現對樣本的排序和分類[35-37]。PPC建模過程無需人為確定權重，在高維、非線性、非正態分布數據處理中具有獨特優勢，克服了FA和PCA等傳統綜合評價方法主要適用于正態分布數據和需要大樣本的缺陷，應用日益廣泛。建模原理如下。

2.2 建立體育產業上市公司競爭力綜合評價指標體系

體育產業在服務業中占有越來越重要的位置，對其產業的典型企業——上市公司競爭力進行研究，對引領體育產業健康可持續發展具有重要意義。當前，已有學者開展有關我國區域體育產業競爭力和體育產業（用品）港、深、滬市及在美國、韓國、新加波、馬來西亞等國證券交易所上市的上市公司經營效率（業績）和投入產出效率、體育品牌上市公司競爭力、上市公司資金運營效率與績效的關系、上市公司成長性等方面的研究[26-34]，但檢索中國知網、萬方數據庫等還未見到有關體育產業上市公司競爭力研究的文獻。

有關其他產業上市公司競爭力綜合評價的指標體系通常由幾個直至幾十個評價指標組成，一般都由作者根據自己的經驗、學識或者參照其他文獻選取有關指標，通常也不對選取指標進行相關性、性質（是否確實是正向指標或者逆向指標）、有效性和顯著性等的檢驗和篩選，主觀性較大。本文在文獻綜述的基礎上，在初選時選取盡可能多的指標，并考慮數據的可獲得性，建立了體現上市公司盈利能力、償債能力、獲利能力、增長能力、規模能力、運營能力和現金流量管理能力7個方面的指標體系，由37個評價指標構成，見表1。在建模過程中，通過相關性分析刪除了3個相關性很高的指標，投影尋蹤建模過程中又刪除了權重太小和性質錯誤的12個指標，最終建立了由22個指標組成的體育產業上市公司競爭力綜合評價精簡的指標體系，并據此進行競爭力綜合評價、排序與分類研究。

2.3 樣本選取、數據采集及其預處理

2.3.1 樣本選取及其數據采集

考慮到數據的公開性和可獲得性，本文數據來自銳思金融研究數據庫（http：//www.resset.cn）。現有研究體育產業（用品）上市公司經營效率和投入產出效率的文獻，主要針對的是體育產業概念（用品）的上市公司，不局限于主營業務是運動服裝、鞋帽等品牌生產和經營的上市公司。例如中體產業，2011年房地產產值占總產值的73%，青島雙星2011年橡膠輪胎生產的產值占總產值的90%。大部分文獻對國內上市公司與在美國、新加坡、韓國等證券交易所上市的公司一起進行橫向比較研究[26-34]，符合“同類可比”要求；但筆者認為，囿于境內外證券交易所交易規則差異很大，上市條件和管理相差顯著，不同國家證券交易所的運營環境差異更大，實踐中這些上市公司的“同類可比”是難以實現的。盡管深市的主板、中小板、創業板上市公司與滬市主板的上市公司運營規則不完全相同，企業性質也存在一定差異，企業規模、資產等相差也較大，但研究國內體育產業（用品）上市公司的大多數文獻，仍然都把深市的主板上市公司、創業板上市公司、中小板上市公司和滬市上市公司一起進行橫向比較研究[27-31， 33-34]，取得了較好的效果。為此，本文只選取國內體育產業概念（用品）在深市主板、中小板、創業板和滬市上市的公司一起進行比較，但不作國際比較。按照大智慧軟件中板塊分類為“體育產業”概念的上市公司有27家，為了保持數據的多年連續性和持續性，本文選取2010年之前上市的體育產業上市公司20家（見表2），對其2010—2015年的競爭力進行綜合評價、排序與分類研究。

2.3.2 樣本數據及其預處理

表1中的37個指標中，既有正向指標，也有逆向指標和適度指標，不同指標間還可能存在明顯的線性相關關系，而且，有些指標數據嚴重偏離正態分布規律，將導致指標區分度低和評價結果失真，必須對他們進行必要的預處理[38]。

1）逆向指標、適度指標的正向化。對逆向指標（X5、X6、X13和X15 ）通過取負值而正向化。對適度指標（X9和X10），通過取而正向化，其中q為適度值，本文取所有樣本的平均值。

2）剔除線性相關性很高的指標。本文采用偏相關分析法判定指標間的線性相關程度，刪除相關系數高于0.95的指標X8、X13和X33 3個指標。endprint

3）調整嚴重離群的數據，對部分指標進行非線性變換。雖然投影尋蹤方法對高維非線性、非正態分布數據建模比其他方法更為有效，但如果個別數據嚴重偏離，將會顯著降低指標的區分度[38]。例如存貨周轉率指標原始數據的頻率分布如圖1（a）所示，由于2個最大值非常離群，導致除2個最大值外，其他數據比較集中，區分度較低；圖1（b）所示為數據取平方根后的數據頻次圖，雖然數據分布情況有所改善，但區分度還是較低；圖1（c）所示為調整2個最大值后的頻率圖，數據分布依然較偏態；圖1（d）所示是圖1（c）數據取平方根后的頻率圖，雖然數據仍不符合正態分布，但區分度和分布態勢明顯改善，有利于提高建模結果的可靠性和有效性（其他建模方法也需要進行預處理）[38]；因此，根據上述原則，本文在對原始數據調整極個別異常大值或者小值后，對指標作如下變換：1）對X5、X15、X32～X36不作變換；2）對X10和X19作自然對數變換；3）對X24～X26作開3次方根變換；4）對其他指標作開平方根變換。對經過上述轉換的指標數據再進行標準化預處理，轉換為均值為0、方差為1（與PCA和FA等方法一致，數據的區分度較好）的樣本數據。

至此，形成了20家體育產業上市公司2010—2015年期間經正向化、標準化處理的34個指標的120組樣本數據。

3 建立體育產業上市公司競爭力綜合評價投影尋蹤模型MPPC

把20家公司、120組數據導入筆者編制的基于GSO的群智能最優化算法的投影尋蹤PPC程序，求得了真正的全局最優解，但PPC建模結果有7個指標的權重仍然小于0。理論上講，所有指標都已經進行了正向化和標準化預處理，也就是說，所有指標值越大，上市公司的競爭力也應該越大；但建模結果卻是X2等7個指標的權重小于0，即實際情況是這7個指標的實際數據與其他指標數據之間呈負相關關系。這與已有的上市公司財務理論和競爭力理論相矛盾，在理論上較難解釋，應該作為決策者偏好之一，即設定他們的權重大于0，作為約束條件加入到投影尋蹤模型中。為此，設定所有指標的權重都必須大于0，重新建立了基于決策者偏好的MPPC，發現這7個指標的權重等于0，其他22個指標的投影向量系數為ɑ（j）=（0.2847、0.2372、0.3066、0.2481、0.0671、0.3024、0.1802、0.0671、0.0308、0.2042、0.1814、0.3247、0.2504、0.3077、0.1941、0.2679、0.2731、0.1816、0.0924、0.0780、0.0587、0.0295），它們的歸一化權重均大于0.005，這個MPPC模型就是基于決策者偏好的體育產業上市公司競爭力綜合評價的最終模型，評價指標體系由22個指標組成。

20家體育產業上市公司競爭力的PPC得分（以下簡稱得分）及其排名見表2，得分越大，表示上市公司競爭力越強。6年內各個上市公司競爭力的波動情況（PPC最大值與最小值之差）與競爭力變化（2015年與2010年PPC得分之差）、競爭力排名的波動（最高排名與最低排名之差）與排名變化（2015年與2010年的排名之差）情況均見表2。

4 結果與討論

4.1 各評價指標、7大方面的重要性分析

根據PPC建模原則，投影向量系數越大的評價指標越重要；因此，在所有22個有效評價指標中，每股收益增長率（X18）最重要。其次是凈利潤增長率（X20），隨后按重要性依次遞減為X4、X7、X1、X23、X22、X19、X5、X3、X16、X21、X26、X17、X11、X28、X30、X14、X6、X31、X15和X37，投影方向系數的最大值與最小值之比為11.02倍，說明這22個指標的相對重要度比較均衡，都是重要的；但考慮到更精簡，如果一定要減少評價指標個數，則可以刪除權重較小的指標，而對評價結果的影響較小。根據有序樣本最優分割法可把上述22個指標按重要程度分為極重要、重要、較重要和次重要4類，其中前5個指標X18、X20、X4、X7、X1為極重要指標，隨后的X23、X22、X19、X5、X3為5個重要指標，X16、X21、X26、X17、X11為5個較重要指標，X28、X30、X14、X6、X31、X15、X37為7個次重要指標，其中極重要的5個指標占總權重的36.6%，5個重要指標權重占30.6%，5個較重要指標占24.8%，7個次重要指標權重僅占8.0%，即前15個指標占所有指標總權重的92%。在5個極重要指標中，2個是增長能力指標，3個是盈利能力指標；在10個極重要和重要指標中，有5個是增長能力指標，還有5個是盈利能力指標。在競爭力的7大方面中，增長能力最重要，占總權重的38.8%，其次是盈利能力，占總權重的34.7%，然后是獲利能力、償債能力、運營能力、規模能力和現金流量管理能力，分別占9.3%、6.7%、5.5%、4.4%和0.7%；因此，整體上講，體育產業上市公司的競爭力主要取決于增長能力和盈利能力，而現金流量管理能力和規模能力的影響很小，甚至可以基本忽略不計。

4.2 改變決策者偏好對上市公司競爭力的影響

再次調用筆者編制的基于GSO的群智能最優化算法MPPC程序，得到投影向量系數真正的全局最優解，24個指標的權重分別為ɑ（j） =（0.2804 、0.2307、0.2989、0.2413、0.0594、0.2951、0.1783、0.0492、0.0439、0.1982、0.1696、0.3035、0.2416、0.2997、0.1836、0.2600、0.2648、0.0439、0.0439、0.1726、0.0893、0.1202、0.0992、0.2193 ）。因為決策者偏好要求7個方面的權重占總權重的比例都不低于5%，使X24（資產總額）和X25（主營業務收入）的投影向量系數都提高到0.0439，X37（現金獲利能力）的投影向量系數提高到0.2193，從而使7個方面的權重占比分別為32.0%、6.2%、8.4%、35.4%、8.0%、5.0%和5.0%，即盈利能力、增長能力、獲利能力方面的權重占比有所下降，規模能力和現金流量管理能力方面的權重占比有所提高。endprint

當然，針對研究不同產業的上市公司，根據已有的研究成果和專家知識，可以設定更多或者不同的決策者偏好，從而達到主觀賦權重（決策者偏好）與客觀賦權重（投影尋蹤模型）的有機結合，得到更合理和有效的權重，從而得到更合理、有效的上市公司競爭力綜合評價及排序和分類結果。

4.3 用FA、PCA和信息熵等客觀法求得的各個評價指標的權重

1）FA建模確定的權重。采用FA進行建模，KMO=0.712，Bartlett球形度的檢驗值為5 209，說明本文數據可以采用FA和PCA進行建模。一共有8個主因子（成分）的特征值大于1.0，解釋總方差的79.4%，第1次建模結果是X2、X12、X17、X23、X24和X29 6個指標的綜合權重小于0，即這些指標的性質是錯誤的，刪除這6個指標后重新建模，建立了由28個指標組成的評價指標體系，KMO=0.753，Barlett球形度的檢驗值為3 489，選取7個主因子，解釋總方差的78.3%，上市公司競爭力綜合評價得分中各個評價指標的歸一化權重為？棕j =（ 0.0283、0.0507、0.0507、0.0124、0.0427、0.0333、0.0673、0.0608、0.0224、0.0366、0.0405、0.0433、0.0391、0.0255、0.0247、0.0259、0.0199、0.0103、0.0484、0.0448、0.0242、0.0346、0.0390、0.0406、0.0305、0.0309、0.0271、0.0455 ）。競爭力7大方面的歸一化權重占比分別為21.8%、22.8%、4.3%、13.5%、10.4%、9.8%和17.5%。與投影尋蹤建模結果相比，盈利能力、增長能力、獲利能力的權重占比（重要性）大大降低了，而償債能力、運營能力、規模能力和現金流量管理能力的重要性明顯增強了。當然，各個指標的重要性及其排名和分類及各個上市公司的競爭力和排名等也必然會發生相應的變化。

2）PCA建模確定的權重。與FA建模相似，PCA經過2輪建模，刪除了權重小于0的X2、X14、X15、X17、X35、X36及X8、X13和X33共計9個指標，建立了由28個有效指標構成的體育產業上市公司競爭力綜合評價指標體系，各個評價指標的歸一化權重分別為？淄j =（ 0.0214、0.0508、0.0413、0.0485、0.0156、0.0214、0.0347、0.0261、0.0377、0.0176、0.0423、0.0556、0.0418、0.0546、0.0480、0.0473、0.0283、0.0228、0.0428、0.0514、0.0187、0.0621、0.0110、0.0454、0.0415、0.0185、0.0205、0.0324 ）。競爭力7大方面的歸一化權重占比分別為19.9%、11.6%、4.2%、27.6%、13.6%、17.8%和5.3%。與投影尋蹤建模結果相比，盈利能力、增長能力和獲利能力的重要性大大降低了，而償債能力、運營能力和現金流量管理能力的重要性卻大大增強了。PCA與FA相比，償債能力和現金流量管理能力的重要性大大降低了，而增長能力和運營能力的重要性卻大大地提高了。

3）信息熵法確定的權重。信息熵法無法判定實際數據之間是否呈負相關關系，即其評價指標體系由34個指標構成，求得各個評價指標的歸一化權重為？灼j=（ 0.0156、0.0588、0.0178、0.0096、0.0109、0.0266、0.0142、0.0134、0.0073、0.0633、0.0239、0.0342、0.0151、0.0186、0.0345、0.0089、0.0252、0.0209、0.0390、0.0186、0.0249、0.0469、0.0457、0.0154、0.0530、0.0446、0.0859、0.0430、0.0462、0.0210、0.0113、0.0206、0.0363、0.0290 ）。競爭力7大方面的歸一化權重占比分別為15.3%、15.7%、5.3%、13.8%、10.8%、27.3%和11.8%。與投影尋蹤建模結果相比，盈利能力、增長能力和獲利能力的重要性大大降低了，而償債能力、規模能力、運營能力和現金流量管理能力的重要性大大增強了，尤其是償債能力、運營能力和現金流量管理能力增強顯著。信息熵法的權重與PCA、FA方法的權重也有較大的不同。

盡管MPPC、FA、PCA和信息熵法都是客觀賦權重方法，但MPPC、PCA和FA可以通過刪除權重小于0（數據性質錯誤，應該是正向指標，實際數據呈現逆向特性）的評價指標來建立精簡的評價指標體系，再求得各個評價指標的權重；但是，這3種方法刪除的指標也不完全相同，刪除的指標個數也不相同。整體上講，上述4種客觀方法求得的權重差異也較大。在上述4種方法中，只有基于決策者偏好的MPPC方法可以通過增加約束條件的辦法，實現主觀賦權重法與客觀賦權重法的有機結合，從而得到更合理、可靠和有效的綜合評價結果，其他3種確定權重的方法則完全取決于數據的分布規律。

4.4 體育產業上市公司競爭力分析

1）上市公司競爭力的成長力和穩定性。由表2可見，各上市公司2010—2015年競爭力的PPC得分，用2015與2010年PPC得分之差表示競爭力的“成長力”。在20家上市公司中，共有8家公司的成長力是“正”的，即這些公司2015年的競爭力比2010年強；同時，有12家公司的成長力是“負”的，即這些公司的競爭力是下降的。其次，用2010—2015年PPC得分的變化幅度表示上市公司競爭力的穩定性，變化幅度越小表示公司競爭力的穩定性越好。

2）體育產業上市公司競爭力的波動性。用2010～2015年期間PPC得分的極差來表示其競爭力的波動性。從表2可以看出，沒有一家公司的競爭力是逐年增強的，期間都存在程度不同的波動起伏，而且規律性不是太強，有些上市公司波動很大，有些卻較小。endprint

3）體育產業上市公司整體競爭力變化情況。從表2可見，2010—2015年PPC得分的均值、最大值和最小值可以看出，體育產業上市公司在2010年的整體競爭力最強，2011和2013年次之，2012、2014和2015年較低，尤其以2015年最低。

4）上市公司競爭力排名與競爭力強弱的關系。在2010—2015年，體育產業上市公司競爭力整體上存在較大的波動起伏，因此，競爭力排名的提高并不意味著競爭力的增強，反之亦然。根據不同年度的競爭力排名（如無論采用投影尋蹤還是因子分析等，針對不同年度的數據分別進行建模，然后再進行競爭力排名）來判定上市公司不同年度的競爭力究竟是增強還是下降是沒有意義的，也是不恰當的。

5）上市公司競爭力與企業規模大小（總資產）的關系。從建模過程和結果來看，資產總額、主營業務收入2個指標因為權重太小而被刪除，而凈利潤的權重也不是很大，只占總權重的4.4%左右；因此，從整體上看，企業規模能力對體育產業上市公司的競爭力影響較小。隨著企業規模迅速擴張，如果管理水平得不到有效提高，不能有效提高盈利能力、增長能力和獲利能力等，也無法提高其競爭力，有時候中小規模公司的競爭力反而更強；中等規模公司或者小公司，如果不能有效提高管理水平和資金運營效率，其競爭力也不一定強；因此，體育產業上市公司的競爭力雖然直接表現為財務指標數據，但歸根結底與企業的管理水平、技術水平、行業中的地位、資金運營效率和決策者的能力等密切相關，但與上市公司的規模大小沒有直接關系。

6）上市公司業態和經營方式（是否多元化經營）對競爭力的影響。本文研究的20家體育產業上市公司中，有些上市公司涉及較多的概念和題材，另有一些上市公司經營方式相對簡單，但它們兩者之間，競爭力并沒有必然的強弱之分，因此，競爭力與其是否采取多元化經營方式也沒有必然的聯系。同時，有些上市公司涉足足球產業、有些以服裝業等為主，企業業態差異也很大，相同業態上市公司的競爭力差異也較明顯；因此，可以這么說，體育產業上市公司的競爭力強弱并不取決于其業態和是否采取了多元化經營策略。企業采取多種業態和多元化經營方式，并不一定能達到分散風險、實現資源共享的目的，如果把握不好，反而有可能增加風險，降低管理效率，使盈利能力、增長能力等下降，從而降低企業在業界的競爭力。

7）不同板上市公司與競爭力的關系。在本文研究的20家上市公司中，10家在深市上市，其中中小板3家，創業板3家，另有10家在滬市上市。總體來講，按照PPC得分的平均值來排名的話，在深市上市的公司中， 3家創業板上市公司總體排名較高；3家中小板上市公司排名居中；其他4家公司排名第12～16名。在滬市上市的10家公司中，既有排名第2、4、5、6的，也有排名第17、18和20位的；因此，除2家創業板上市公司競爭力比較強以外，其他上市公司的競爭力強弱與其是在深市上市還是滬市上市的關系并不大。在滬市上市的公司中，既有競爭力較強的，也有競爭力很弱的。

8）主營業務與上市公司競爭力的關系。在本文研究的20家體育產業上市公司中，多數上市公司或建有足球俱樂部，或者建有籃球俱樂部，有些主要從事體育轉播和報道等，但與體育有關的收入占主營業務收入的比例都不高，并且多數上市公司在主營業務收入占比中都沒有直接說明，只包含在其他收入中。從上市公司的主營業務收入構成與競爭力高低來看，主營業務與上市公司競爭力之間的勾稽關系并不強。

5 結論與建議

5.1 結論

應用PPC技術進行體育產業上市公司競爭力綜合評價與分類排序研究，用基于群搜索（GSO）群智能最優化算法求得PPC模型真正的全局最優解——各個評價指標的客觀權重（投影向量系數），并且可以把專家意見或者已有的研究成果等決策者偏好添加到投影尋蹤模型的約束條件中，從而達到主觀賦權重與客觀賦權重方法的有機結合，求得更加合理、有效的各個評價指標權重，能挖掘出影響體育產業上市公司競爭力的主要指標及其重要度排序。根據某個上市公司在極重要指標和重要指標上的PPC得分，剖析其優勢和劣勢，從而提出針對性更強的提升其競爭力的有效措施和建議，往往可以起到事半功倍的效果。

在37個初始評價指標中，通過增加各個指標的歸一化權重必須大于0.005作為決策者偏好增加到PPC模型的約束條件中，刪除了X2和X7等12個指標，建立了精簡的由22個指標構成的體育產業上市公司競爭力評價指標體系。采用基于GSO群智能最優化算法編制的MPPC程序，求得了真正的全局最優解，其中指標每股收益增長率（X18）最重要，X18、X20、X4、X7、X15為極重要指標，X23、X22、X19、X5、X35為重要指標，較重要指標和次重要指標分別有5個和7個。極重要的5個指標占總權重的36.6%，5個重要指標權重占比30.6%，前15個指標占所有指標總權重的92%。在競爭力的7大方面中，增長能力最重要，占總權重的38.8%，其次是盈利能力，權重占比達到34.7%，現金流量管理能力僅占0.7%，幾乎可以忽略不計。

通過增加其他約束條件，可以很方便地求得基于其他決策者偏好（專家意見和已有研究成果）的投影尋蹤模型和各個評價指標的權重和上市公司競爭力。同時，采用PCA、FA和信息熵等方法，也可以求得各個評價指標的權重。4種客觀賦權重方法，由于求解原理不同，不同方法求得的權重也不同。在這些方法中，只有投影尋蹤模型可以通過增加決策者偏好，從而達到主觀賦權重與客觀賦權重的有機結合，求得更合理的、更符合實際和有效的結果。

從20家體育產業上市公司競爭力分析發現：1）在20家上市公司中，共有8家公司的成長力是“正”的，即這些公司2015年的競爭力比2010年強；同時，有12家公司的成長力是“負”的，即這些公司的競爭力是下降的。其次，用2010—2015年期間PPC得分的變化幅度表示上市公司競爭力的穩定性，變化幅度越小表示公司競爭力的穩定性越好。2）沒有一家公司的競爭力是逐年增強的，期間都存在程度不同的波動起伏，而且規律性不是太強，有些上市公司波動很大，有些卻較小。3）體育產業上市公司在2010年的整體競爭力最強，2011和2013年次之，2012、2014和2015年較低，尤其以2015年最低。4）體育產業上市公司競爭力整體上存在較大的波動起伏，因此，競爭力排名的提高并不意味著競爭力的增強，反之亦然。根據不同年度的競爭力排名來判定上市公司不同年度的競爭力究竟是增強還是下降是沒有意義的，也是不恰當的。5）體育產業上市公司的競爭力雖然直接表現為財務指標數據，但歸根結底與企業的管理水平、技術水平、行業中的地位、資金運營效率和決策者的能力等密切相關，但與上市公司的規模大小沒有直接的關系。6）體育產業上市公司的競爭力強弱并不取決于其業態和是否采取了多元化經營策略。企業采取多種業態和多元化經營方式，并不一定能達到分散風險、實現資源共享的目的，如果把握不好，反而有可能增加風險，降低管理效率，使盈利能力、增長能力等下降，從而降低企業在業界的競爭力。7）除2家創業板上市公司競爭力比較強以外，其他上市公司的競爭力強弱與其是在深市上市還是滬市上市的關系并不大。在滬市上市的公司中，既有競爭力較強的，也有競爭力很弱的。8）從上市公司的主營業務收入構成與競爭力高低來看，主營業務與上市公司競爭力之間的勾稽關系并不強。endprint

5.2 建議

理論上講，如果采取措施，能夠整體上改善投影向量系數較大的指標值，就能整體上顯著增強上市公司的競爭力，但對某一家具體的上市公司而言，必須根據自身的主客觀條件，努力采取措施，在投影向量系數較大的指標中，挖掘出弱勢指標，并積極創造條件，著力改進，往往能夠達到事半功倍的效果。因為競爭力差的公司并不是所有指標都是差的，與之對應，競爭力強的公司也不是所有指標都是很好的。

參考文獻：

[1] 慈斌， 呂杰. 基于熵-TOPSIS法的農業上市公司競爭力評價[J]. 統計與決策， 2012（13）：73.

[2] 郭嵐， 張祥建. 基于BP神經網絡的企業核心競爭力評價[J]. 科學學研究， 2007， 25（1）：133.

[3] 王明夫. 企業競爭力：上市公司興盛之道[M]. 北京：中國財經出版社， 2001：80-85.

[4] 劉艷春. 大企業競爭力評價理論、方法與實證研究[M]. 北京：經濟管理出版社， 2014：64-65.

[5] 金碚. 中國企業競爭力報告（2013）[M]. 北京：社會科學文獻出版社， 2013：368-369.

[6]許民強， 杜方林， 姚曄， 等. 基于層次分析法的上市公司競爭力評價[J]. 中國市場， 2015（30）：56.

[7]陳祖英. 金融危機對農業上市公司競爭力的影響： 基于30家農業上市公司面板數據的實證分析[J]. 中國農村經濟， 2010（4）：71.

[8] 王友轉. 基于主成分分析法的LED上市公司競爭力評價[J]. 情報探索， 2015（2）：53.

[9]張廣宏. 上市公司競爭力及其評價分析：以中國農業上市公司為例[D]. 福州：福建農林大學， 2012.

[10]王崇彩. 我國零售行業上市公司競爭力因子分析 [J]. 工業技術經濟， 2010， 29（1）：134.

[11] 王春麗， 王俊， 吳德燚. 上市公司競爭力的非線性評價：遼寧省例證[J]. 數學的實踐與認識， 2010， 40（7）：97.

[12]樓文高， 馮國珍， 吳曉偉， 等. 基于競爭情報的企業競爭力投影尋蹤實證建模[J]. 情報雜志， 2011，30（9）：25.

[13]謝江龍. 基于灰色關聯分析的新材料上市公司競爭力比較及評價研究[D]. 西安：西北大學， 2013.

[14] 李義鵬. 銀行類上市公司競爭力評價及提升路徑研究 [D]. 大慶：東北石油大學， 2013.

[15] 王健. 基于突變級數法的零售上市公司競爭力動態評價[J]. 財會月刊， 2013（1下）：51

[16]趙智敏， 朱躍釗， 汪霄， 等. 粗糙集理論在建筑企業上市公司競爭力評價中的應用研究[J]. 工程管理學報， 2010， 24（3）：352.

[17]鄒樹梁， 武良鵬. 基于DRSA-TOPSIS法的我國核電上市公司競爭力評價[J]. 南華大學學報， 2015， 16（1）：2.

[18] 王俊. 金融保險類上市公司競爭力分析[D]. 大連：東北財經大學， 2010.

[19] TABACHNICK B G， FIDELL L S. Using Multivariate Statistics[M]. （6th Edition）. New Jersey： Pearson Education， 2013：618.

[20] HAYKIN S. Neural Networks and Learning Machines[M].3rd ed. Beijing： China Machine Press， 2009：165.

[21] ZHANG G， PATUWO E， HU M. Forecasting with artificial neural networks： the state of the art [J]. International Journal of Forecasting， 1998， 14（1）：55.

[22] STATSOFT. Electronic Statistics Textbook[EB/OL]. [2016-05-15]. http：//www.statsoft.com/textbook.

[23] 樓文高. 活性污泥工藝神經網絡模擬與控制研究[D]. 上海：同濟大學， 2005.

[24] 樓文高. 基于人工神經網絡的三江平原土壤質量綜合評價與預測模型[J]. 中國管理科學， 2002， 10（1）：81.

[25] 樓文高， 吳曉偉， 馮國珍. 我國零售業上市公司成長性的投影尋蹤評價與實證研究[J]. 廣東商學院學報， 2011， 31（6）：39.

[26] 胡效芳，焦兵，張文彬. 中國體育品牌產業競爭力比較研究[J]. 統計與信息論壇， 2012， 27（4）：68.

[27]譚宏， 曹國華， 陸宇嘉. 我國體育產業上市公司經營效率評價： 基于因子分析和數據包絡分析模型[J]. 上海體育學院學報， 2013， 37（5）：18.

[28]陳頗. 中國體育產業上市公司經營管理績效演變特征的實證研究[J]. 武漢體育學院學報， 2014， 48（3）：53.

[29]詹新寰. 中國體育產業上市公司營運資金結構對企業績效的影響：基于對我國17家體育產業上市公司的實證研究[J]. 武漢體育學院學報， 2013， 47（9）：30.

[30] 楊光. 中國體育用品上市公司經營業績評價研究：基于上市公司的財務數據分析[J]. 西安體育學院學報， 2013， 30（5）：561.

[31] 劉春華， 張再生， 李祥飛. 基于三階段DEA模型的中、外體育上市公司效率評價[J]. 體育科學， 2012， 32（10）：21.

[32] 魏德樣，雷雯. 中外體育用品上市公司經營效率的動態評價：基于DEA-Malmquist 全要素生產率指數[J]. 武漢體育學院學報， 2012， 46（2）：32.

[33] 楊光，張慶來，于秀艷. 我國體育用品上市公司經營效率評價與分析[J]. 首都體育學院學報，2015， 27（3）：208.

[34]呂慶華，龔詩婕. 中國體育用品上市公司成長性評價研究：基于2009-2013年數據的分析[J]. 體育科學， 2016， 36（1）：53.

[35] FRIEDMAN J H， TUKEY J W. A projection pursuit algorithm for exploratory data analysis [J]. IEEE Transactions on Computers， 1974， 23（9）：882.

[36] 付強， 趙小勇. 投影尋蹤模型原理及其應用[M]. 北京： 科學出版社， 2006：46-50.

[37] 樓文高， 喬龍. 投影尋蹤聚類建模理論的新探索與實證研究[J]. 數理統計與管理， 2015， 34（1）：49.

[38]郭亞軍， 易平濤. 線性無量綱化方法的性質分析[J]. 統計研究， 2008， 25（2）：95.endprint