我国区块链概念股上市公司投入产出效率研究
张月玲 王晴 王晓菁
【摘 要】 文章采用DEA-BCC模型和Malmquist指数模型，以2014—2018年我国72家区块链概念股上市公司的面板数据为研究样本，构建了投入产出指标体系，从静态和动态两个角度分别测算我国区块链概念股上市公司的投入产出效率。静态分析表明：从整体来看，区块链概念股上市公司投入产出效率处于中等偏上水平;从四大经济区域来看，东部地区及中部地区的技术效率、纯技术效率较高;从具体省份来看，技术效率水平存在较大差异，连续五年保持DEA有效的公司中深圳占比38.5%;从时间变动趋势来看，70%左右的区块链公司技术效率值在0.4～0.8之間波动。动态分析表明，区块链概念股上市公司全要素生产率处于稳定状态，2015—2018年间技术进步指数的增减变动是Malmquist指数波动的主要原因;进一步分析可知，技术效率变化指数变动的主要影响因素为纯技术效率。因此，为更好提升区块链概念股上市公司的投入产出效率，公司需要加强资源分配，提高资源利用率，并调整企业规模，进一步提高技术研发能力实现技术进步。
【关键词】 区块链; 投入产出效率; 数据包络分析; Malmquist指数
【中图分类号】 F276.6? 【文献标识码】 A? 【文章编号】 1004-5937（2020）15-0153-08
一、引言
随着数字经济的发展与推进，区块链技术作为一种新兴技术以去中心化、可靠性、匿名性、不可篡改性等特点，给经济社会带来了颠覆式的创新变化。区块链技术也给相关行业的商业模式、技术研发以及政府监管等方面带来了挑战[ 1 ]。当前，关于区块链的相关研究，一方面集中于区块链技术的开发，一方面侧重于区块链技术的应用。纵观国外，澳大利亚对区块链技术持积极态度，注重区块链技术的应用及标准的制定，推出了国家级区块链平台（ANB），助力国内区块链发展;英国则积极为全球区块链初创企业提供优惠政策，并开展数字货币以及区块链技术的监管研究。我国为了鼓励区块链技术的研发与应用，实现数字经济与实体经济的融合，陆续推出了相应的政策法规。2016年12月，国务院《“十三五”国家信息化规划》首次明确指出，加强区块链等前沿技术的开发;2019年1月，国家互联网信息办公室（以下简称国信办）发布《区块链信息服务管理规定》，旨在规范和促进区块链技术及相关服务健康发展。从我国首次将区块链技术纳入国家信息化规划到目前为止，国家层面乃至地区层面都积极推动区块链技术相关领域的研究与应用。基于国家角度可知，区块链技术的发展受到各国政府的高度关注与重视。
在我国推动区块链技术发展的过程中，企业融入区块链技术的现象日益增多。据统计，国信办于2019年3月底发布了197个第一批境内区块链信息服务名称及备案编号。华大基因推出华大区块链BaaS平台，浙商银行开展个人理财产品转让平台、应收款链平台等五项服务。可见，区块链作为前沿技术的代表，越来越多公司为增强自身实力与竞争力，积极开展与区块链相关的技术、业务等，而这些公司也被市场归为“区块链概念股”。在当前互联网、人工智能、区块链等技术与实体经济深度融合的背景下，还需进一步考虑公司投入产出的效率问题，如资源分配是否合理、企业规模是否合适、技术研发投入是否足够以及技术是否实现进步等。贴有“区块链”标签的上市公司投入与产出是否在理想状态、效率能否达到最优，这是目前需要深入研究的问题。
因此，本文选取我国72家区块链概念股上市公司为研究对象，构建投入产出指标体系，结合使用DEA-BCC模型和Malmquist指数模型，分别从静态、动态两个角度进行测算，进一步多角度多层次分析区块链上市公司的投入产出效率，以期为我国区块链概念股上市公司投入产出效率的提高提供借鉴，推动我国区块链技术的发展。
二、相关文献综述
区块链概念自2008年首次提出以来，其发展经历了从凸显到盛行的巨大转变[ 2 ]。国内外学者从多个领域出发，对区块链理论及实践应用进行了大量研究。就计算机技术层面而言，国外诸多学者针对区块链基础架构模型涉及的关键技术开展研究，例如Merkle树、共识算法、智能合约等技术要素。同样，区块链技术借助去中心化、透明性以及不可篡改等本质特性，也驱动国外学者、企业商人研究具体“落地”应用问题，主要涉及物联网、医疗、数据/隐私保护、会计/审计等层面。Bogner等[ 3 ]研究认为，在电力紧张的情况下，可使用区块链技术的智能合约在网络中实现电器交叉使用或省电模式;Sharma等[ 4 ]更是结合区块链技术构建了新型分布式云架构，实现了低成本且安全的物联网基础设施的提供。基于匿名性特征，区块链技术在隐私/数据保护方面提供了新途径。Swan[ 5 ]认为区块链技术能改善个人健康数据或隐私数据受到侵犯的现状;Xia等[ 6 ]提出了Me DShare系统，旨在利用区块链技术中的数据追溯能力解决云存储中医疗数据的共享问题。此外，在会计/审计领域，Irving等[ 7 ]根据区块链属于分布式、永久性公共分类系统的特点，提出了应用于审计研究工作的建议，以实现审计工作的低成本及独立验证。
比较而言，国内研究起步较晚，但发展趋势良好，关于区块链的学术关注度、媒体关注度以及学术传播度均呈现明显上升趋势，且研究领域十分广泛。诸多学者从比特币原理出发，进一步探讨区块链的定义、区块链技术内在原理等[ 8 ]。在此基础上，有关区块链理论与应用场景结合研究的文献日益增多。在金融领域，胡启磊[ 9 ]立足“一带一路”视角，分别从属性、对象、功能三个维度阐述区块链技术具体在跨国征信、金融交易、支付结算以及监督追溯环节的作用;也有学者探讨供应链金融模式的创新，提出了区块链技术驱动下的优化路径[ 10 ]。在会计、审计等领域，章刘成等[ 11 ]立足大数据背景，结合区块链技术的本质、核心技术以及会计行业的应用现状，构建了不可逆式的财务系统;崔春[ 12 ]从区块链技术对审计目标、模式及证据获取的影响出发，提出了利用区块链技术的审计模式以及业务审计一体化模型;也有学者结合PDCA循环提出政府治理与审计的发展框架[ 13 ]。此外，随着区块链技术的发展与推广，区块链技术应用所涉及的行业不断增加，研究层面也不断升级，包括教育、医疗、共享经济、物联网等多个层面。
综上分析，国外研究比较注重区块链技术的理论基础及应用，国内研究更倾向于区块链技术的实践应用，包括初期的金融、经济领域及逐渐转向智能合约、数据/隐私保护等技术问题。因此，区块链不仅仅是比特币等加密货币的底层技术，更是利用去中心化、匿名性、透明性、可追溯性、不可篡改性等优势解决相关行业问题的一种技术手段。
三、研究方法与理论模型
（一）研究方法的选取
通过相关文献分析可知，效率测度的评价方法多种多样，如全要素生产模型、随机前沿面、数据包络分析（以下简称DEA方法）等。基于此，结合李守林等[ 14 ]、李培哲等[ 15 ]以及其他学者的研究成果可知，DEA方法只能针对研究对象同一时点的投入产出效率进行比较，不同时间点的状况不可比;而Malmquist指数可通过不同时期的投入产出测算内在动态联系。因此，本文将DEA方法与Malmquist指数模型组合使用，分析我国区块链概念股上市公司的投入产出效率，分别从静态、动态两方面进行多层次分析。
（二）研究方法与理论模型的具体介绍
1.DEA-BCC模型
DEA方法由美国著名运筹学家Charnes等[ 16 ]于1978年提出，是一种评价具有多个投入与多个产出关系的决策单元（DMU）间相对有效性的非参数化研究方法[ 1 ]。在DEA方法中，以CCR模型和BCC模型最具代表性。其中，CCR模型假定规模报酬不变（VRS），主要测算决策单元的技术效率（TE）;BCC模型则假定规模报酬可变（CRS），将技术效率分解为纯技术效率（PTE）和规模效率（SE），技术效率为二者乘积，即TE=PTE*SE。由于实际生产中很难实现规模报酬不变的情况，并且BCC模型更具有一般性，故本文采用BCC模型从静态角度测算各上市公司的投入产出效率，并假定有m个独立的决策单元（DMU），每个决策单元有n个投入和s个产出，具体模型如式（1）所示：
式（1）中，？兹为决策单元DMUj0的有效值;λj表示决策单元DMUj0的权重系数;Xj为投入变量，Yj为产出变量;S-为投入松弛变量，S+为产出松弛变量。根据DEA-BCC模型的输出结果，主要包括三种情况：（1）若？兹=1且S-≠0，S+≠0，则决策单元为弱有效;（2）若？兹=1且S-=0，S+=0，则表明决策单元有效;（3）若？兹<1，则表示决策单元无效。
2.Malmquist指数模型
Malmquist指数最早由Malmquist[ 17 ]于1953年提出，经Caves等[ 18 ]引入生产率研究领域，后由Fare等[ 19 ]进一步拓展将其与DEA模型结合使用。具体来说，该方法利用不同时期距离函数的比值表示投入产出效率[ 20 ]，是一种非参数线性规划方法。鉴于全要素生产率变动的研究经验，本文采用Fare等改进的Malmquist指数模型测算生产率指数。
首先，基于t期和t+1期技术条件下的Malmquist指数分别定义为式（2）与式（3），Dt（xt，yt）与Dt（xt+1，yt+1）分别表示t期技术环境下决策单元在t和t+1期的距离函数，Dt+1（xt，yt）、Dt+1（xt+1，yt+1）则以t+1期技术环境为参照，其余含义类似。其次，为方便识别与计算，将基期生产率指数采用几何平均数进行表示，如式（4）所示，若M>1，表明全要素生产率处于上升阶段，反之则处于下降阶段。最后，将式（4）进行分解，结果如式（5）所示。具体来说，式（5）将Malmquist指数分解为技术效率变化指数（effch）和技术进步指数（techch）。其中，若effch>1，则说明技术效率提高，即决策单元的管理水平相对改善。同理，techch>1，表示技术进步，即决策单元的技术具有创新。
四、指标选取与数据来源
（一）评价指标体系的选取
在进行区块链概念股上市公司投入产出效率评价时，指标选取的准确性对输出结果的影响很大。因此，本文遵循科学性、可比性、简洁性以及可操作性的原则，同时考虑效率测度的目的，结合其他学者关于投入产出效率测度的研究成果[ 1 ]，最终构建包括六个指标的评价体系。具体指标体系见表1。
（二）数据来源及说明
本文选取通达信区块链概念板块的106家上市公司作为初始研究样本，通过筛选将上市时间不足五年的样本进行删除，最终得到2014—2018年正常经营且数据披露齐全的72家区块链上市公司，即评价模型的72個决策单元（DMU）。本文所用数据均来自国泰安数据库。此外，由于测度投入产出效率的个别指标数据存在负值，而DEA模型要求软件输入值不能为负数，根据“线性变化不变性”原理，将指标数据的负值统一调整为正值，以满足DEA模型的数据要求并保证软件顺利输出结果。
五、投入产出效率实证分析与比较
（一）区块链概念股上市公司投入产出效率静态评价
本文运用Deap2.1软件对决策单元的相关数据进行分析，依据评价指标体系并选取规模报酬可变（VRS）的DEA-BCC模型，对2014—2018年72个决策单元的技术效率（TE）、纯技术效率（PTE）以及规模技术效率（SE）进行测算，结果如表2所示。根据计量模型特点，当效率值为1时，则称决策单元DEA有效。从结果可知，在72家区块链公司中，2015年仅有9家达到DEA有效，其余四年达到DEA有效的公司均在15%以上，该结果说明区块链概念股上市公司投入产出效率水平整体并不高，但总体呈上升状态。从规模报酬角度来看，规模报酬不变的公司数呈现“V型”波动，但变化幅度较平缓;规模报酬递增与规模报酬递减的公司数量在2016年与2018年呈现较大的波动起伏。基于此，处于递减状态的公司应减少投入要素数量来提高产出，递增状态的公司需要增加投入实现产出的增加。按照规模报酬的整体趋势分析，区块链上市公司应避免盲目扩大经营规模，进一步合理分配资源，实现规模效益的最优状态。此外，本文将进一步从区域划分、时间变动以及投入产出冗余计算三个方面对具体测算结果进行比较分析。
1.从区域角度比较分析
不同省份、区域企业的技术效率、纯技术效率以及规模效率值如表3所示（广东省深圳市单列）。根据表3分析可知，72家区块链概念股上市公司技术效率均值为0.731，纯技术效率、规模效率的均值分别为0.763、0.960，整体处于中等以上水平。进一步从区域以及省份角度进行分析，各效率值呈现一定的差异性。从四大经济区域来看，相对于西部地区以及东北地区，东部地区和中部地区的技术效率、纯技术效率较高;而规模效率方面，四大经济区域均达到0.9以上。由此可见，虽然技术效率受纯技术效率和规模效率的综合影响，但纯技术效率的影响程度大于规模效率。此外，经济发展水平较高的地区，企业的技术效率水平更容易改进并达到最优状态。从具体省份来看，总体上市公司达到DEA有效状态（即TE、PTE、SE均达到1）的13家企业中，深圳有五家，占深圳区块链上市公司总数的50%。其中，深圳中国长城致力于开发能满足数字货币矿机市场需求的高性能电源，积极努力成为中国区块链未来发展中领先的基础硬件供应商;北京航天信息积极推动区块链技术在各个行业的应用落地，开发的航信区块链平台可融合货运物流、供应链金融等多个业务系统;浙江恒生电子成功开发“中国贸易金融跨行交易区块链平台”，实现了银行间贸易金融产品交易信息的标准化、电子化和智能化;其他省份如湖南、黑龙江均有1家企业技术效率达到最优水平。
2.从时间变动趋势分析
从时间变动趋势（见图1）可以看出，大部分区块链上市公司技术效率处于波动起伏状态，仅有两家公司连续五年的技术效率保持最优状态，分别为恒生电子以及佳沃股份。通过图1进一步分析，包括东旭蓝天、紫鑫药业、天广中茂等在内的8家上市公司的技术效率值连续五年在0.2～0.6的低水平区间波动，技术效率值较低。此外，还有部分公司波动较明显，如众应互联及恺英网络，在2014年技术效率分别为0.684、0.563，到2015年均提高至1，并连续四年维持在最优效率水平;二三四五2014年呈现上升趋势，到2016年达到技术效率最优并连续三年保持最优状态;省广集团处于下滑状态，2014—2015年的技术效率值为1，但从2016年开始呈现连续下降趋势，到2018年技术效率下降至0.848。
整体而言，我国72家区块链概念股上市公司的技术效率水平处于0.4～0.8之间，并且变动明显。主要原因可能在于区块链技术属于新兴发展技术，其技术要素、具体应用落地等处于探索阶段，而各个区块链概念股上市公司开展区块链业务过程中有关资本、技术等投入均不稳定，大部分上市公司需要根据实际情况调整投入要素，以进一步完善和提高投入产出效率。
3.投入产出冗余分析
基于上述两方面分析，进一步了解如何通过调整投入要素与产出要素来达到DEA有效状态。鉴于篇幅，本文仅选取浙江省9家区块链上市公司的冗余调整结果进行列示，详见表4。其中，新湖中宝、恒生电子以及信雅达的投入产出效率达到最优水平，且S-与S+为0，其余6家上市公司则需要通过投入产出要素的冗余调整实现DEA有效。如浙大网新，需调整资产总额、固定资产、主营业务成本、净资产收益率来实现DEA有效。具体分析可知，资产总额松弛变量需减少70 864.76万元以达到目标值，固定资产松弛变量需在初始值基础上减少15.3%达到目标值，主营业务成本松弛变量需减少61 356.78万元才能达到效率最优，产出指标净资产收益率需要增加26.96%才能达到最优水平下的目标值67.08%。通过以上分析可看出，浙大网新处于规模报酬递减阶段，需要通过减少生产要素的投入量来增加产出数量。
（二）区块链概念股上市公司投入产出效率动态评价
为更加直观并深入了解不同时期企业投入产出效率的变化，本文运用Deap2.1软件对72家区块链概念股上市公司四个年度区间（2014—2015年，2015—2016年，2016—2017年，2017—2018年）的全要素生产率变动情况进行分析，计算结果如表5所示。
1.Malmquist指数分析
由表5结果可知，2014—2018年72家区块链概念股上市公司Malmquist指数平均值为1.000，五年间效率水平未出现明显变化，技术效率变化指数与技术进步指数均变动0.6%。据此分析可见，技术效率变化指数与技术进步指数共同影响Malmquist指数。进一步分析各个年度区间状况，仅有2014—2015年、2017—2018年两个区间的Malmquist指数大于1，说明两个区间的全要素生产率呈现上升趋势;而两个区间的技术效率变化指数均小于1，技术进步指数大于1，因此，区块链上市公司投入产出效率的增长动力主要来自技术进步的提升效果。
根据上述关于全要素生产指数的变化，区块链概念股上市公司在新一轮发展中需要提高技术创新能力，并提升自身管理水平，以此促进投入产出效率的提高。
2.技术效率变化指数分析
技术效率变化指数主要反映公司管理水平的高低，具体通过纯技术效率以及规模效率的共同变化发生波动。分阶段来看，2014—2016年区块链上市公司的技术效率变化指数处于上升阶段，主要得益于纯技术效率和规模效率的共同提高;而2015—2017年受到纯技术效率和规模效率的下滑影响，该区间的技术效率变化指数下降。结合图2可直观看出，相对于规模效率变化指数的轻微下降，纯技术效率的下降是导致技术效率下滑的主要原因。
3.技术进步指数分析
技術进步指数主要用来衡量技术是否有创新、是否有进步。若技术进步指数大于1，表示技术进步，反之则技术退步。由表5可知，技术进步指数在2014—2016年大幅下降，然后2016—2017年开始呈现上升趋势，到2017—2018年技术进步指数为1.087。进一步通过图2观察，在2014—2018年，Malmquist指数的走势与技术进步指数变化趋势基本相符，呈先降后升状态。由于Malmquist指数受技术效率变化指数与技术进步指数的共同影响，因此其波动幅度小于技术进步指数的幅度。
六、结论与启示
本文基于2014—2018年我国区块链概念股上市公司的面板数据，运用DEA-BCC模型和Malmquist指数模型，从多投入多产出的角度对72家区块链上市公司投入产出效率进行静态以及动态两个维度的分析研究，主要研究结论及启示如下：
（一）静态测算角度
我国72家区块链上市公司投入产出效率处于中等偏上水平，2014—2018年技术效率、纯技术效率以及规模效率的均值分别为0.731、0.763、0.960。进一步分析，从四大经济区域来看，东部地区以及中部地区的技术效率、纯技术效率较高，在一定程度上说明经济发展水平与公司投入产出效率存在联系，并且中部地区正借助“一带一路”不断壮大经济实力与内生动力，崛起趋势明显。从具体省份来看，各省份之间的技术效率水平存在较大差异，仅有13家公司连续五年保持DEA有效，其中包括深圳5家区块链上市公司。可见，深圳作为我国第一个经济特区，在经济发展水平以及技术创新方面都处于先进水平。从时间变动趋势来看，大部分区块链上市公司的技术效率值在0.4～0.8之间波动，仅有两家公司的技术效率水平连续五年保持最优，整体来看，各公司的技术效率从2016年开始有回升趋势，连续三年的技术效率平均值在0.7以上。这也说明，随着区块链技术的发展，区块链上市公司资源分配以及技术创新方面的能力逐渐提高。此外，投入产出冗余分析为公司进一步合理分配资源、调整投入产出数量、实现投入产出效率最优提供了较详细的数据支持。
（二）动态测算角度
我国72家区块链概念股上市公司Malmquist指数为1.000，由于受到技术效率变化指数与技术进步指数共同作用，整体呈现平稳状态。2015—2017年间受技术进步指数下降的影响，72家区块链上市公司的Malmquist指数呈现下滑状态;2017—2018年由于技术进步指数的提升，Malmquist指数呈改善趋势。由此可见，技术进步指数增减变动的影响作用更大。在此基础上，技术效率变化指数受纯技术效率和规模效率的共同影响，通过分析可知，纯技术效率的变动是技术效率变化指数波动的主要原因，各区块链上市公司应在合理分配资源的同时加大技术创新力度，提升核心技术水平，从而实现投入产出效率的提高。
综上，要想进一步提高投入产出效率，区块链概念股上市公司不仅需要合理分配资源，提高资源利用率并完善企业规模，而且需加大科研技术投入，提高自身核心技术研发能力和技术创新水平，实现技术进步，从而推动投入产出效率水平的提升。此外，区块链上市公司还需依照国家的行业标准和规定开展业务与技术研发，在合理的政府监管下推动区块链技术的发展与应用。
【参考文献】
[1] 李晓梅，夏茂森.辽宁战略性新兴产业企业投入产出效率测度与提升路径研究：基于2012—2016年辽宁地区上市公司的样本数据分析[J].科技管理研究，2019，39（2）：80-85.
[2] 张月玲，王晓菁.区块链技术环境下联网审计框架探析[J].审计文摘，2019（4）：111-116.
[3] BOGNER A， CHANSON M， MEEUW A. A decentralised sharing app running a smart contract on the ethereum blockchain[C].Proceedings of the 6th International Conference on the Internet of Things.ACM，2016.
[4] SHARMA P K， CHEN M Y， PARK J H. A software defined fog node based distributed blockchain cloud architecture for IoT[J].IEEE Access，2017，6：115-124.
[5] SWAN M. Blockchain thinking：the brain as a decentralized autonomous corporation [commentary][J].IEEE Technology and Society Magazine，2015，34（4）：41-52.
[6] XIA Q I， SIFAN E B， ASAMOAH K O， et al. MeDShare：trust-less medical data sharing among cloud service providers via blockchain[J].IEEE Access，2017，5：14757-14767.
[7] IRVING G， HOLDEN J. How blockchain-timestamped protocols could improve the trustworthiness of medical science[J].F1000Research，2016，5.
[8] 袁勇，周濤，周傲英，等.区块链技术：从数据智能到知识自动化[J].自动化学报，2017，43（9）：1485- 1490.
[9] 胡启磊.区块链技术在金融领域的应用研究：基于“一带一路”视角[J].会计之友，2019（5）：151-156.
[10] 郑君宇.基于区块链技术的网络供应链金融创新优化路径初探[J].山西财经大学学报，2019，41（S1）：18-20.
[11] 章刘成，于琳琳.大数据视域下区块链技术在会计行业应用研究[J].会计之友，2018（18）：157-160.
[12] 崔春.大数据助推审计基本理论问题发展探讨：基于区块链技术[J].经济体制改革，2018（3）：85-90.
