對臺灣及韓國航運企業(yè)財務狀況基于信息熵和灰色關聯(lián)分析的比較研究PaulTae-WooLee,Cheng-WeiLin,Sung-HoShin摘要：由于地緣政治方面的原因，韓國和臺灣的國際貿易都非常依賴國際海上運輸系統(tǒng)。因此，為了支持各自的經濟發(fā)展，韓國和臺灣都大力發(fā)展本國的遠洋航運工業(yè)。近期爆發(fā)的金融危機，導致了全球經濟增長的趨勢放緩。因此，依靠國際貿易的海上貨物運輸貿易大幅度減少，進而導致了集裝箱航運部門的收入明顯惡化。在我們研究之列的這兩個國家的著名集裝箱企業(yè)Evergreen，YangMing，Hyundai和Hanjin。本文試圖達到兩個目的。首先是運用信息熵找到四家企業(yè)每年的財務指標的相對權重，這樣我們就能根據(jù)這四家企業(yè)在1999-2009年間的財務狀況看到各個指標權重的變化情況。第二是應用灰色關聯(lián)分析對這四家企業(yè)在1999-2009年間每年的財務狀況進行排序。根據(jù)本文的研究結論，作者試圖對商業(yè)政策的制定提出建議，以便減輕金融危機對世界航運領域的影響。關鍵詞：信息熵灰色關聯(lián)分析財務指標分析集裝箱航運1、前言經濟全球化的快速增長促進了運輸業(yè)持續(xù)發(fā)展，也可以說在貿易全球化的過程中，國際航運系統(tǒng)發(fā)揮著重要的作用。在這個物流全球化的時代，集裝箱航運對于物流運輸系統(tǒng)和供應鏈管理尤其重要(Heaver,2002;Levinson,2006;Notteboom&Rodrigue,2008;Panayides,2006;Song&Lee,2009)。但是由于2008年美國爆發(fā)的金融危機導致了全球經濟下滑，因此航運業(yè)需求嚴重下降，越來越多的集裝箱企業(yè)開始讓其部分船只退出運營。近期Drewry(2009)再一次證實了這一趨勢，他通過對比三條主要航線2008年第二季度和2009年第二季度的貨運收入發(fā)現(xiàn)：太平洋航線下降了31%，歐洲遠東航線下降了63%，大西洋航線下降了38%，這三條航線的貿易額平均下降了34%。作為亞洲的主要出口國，韓國和臺灣由于機緣政治的原因在國際貿易上非常依賴海上運輸系統(tǒng)。這兩個國家的主要集裝箱航運企業(yè)，同時也是我們所要研究的對象Evergreen,YangMing,Hyundai和Hanjin也深受這場世界范圍的金融危機的影響。由于這兩個國家的水上運輸部門與其上游和下游產業(yè)都有很緊密的聯(lián)系，因此整個國家的經濟都受到了多方面的影響。同時水上運輸部門和其國內生產結構之間也有著緊密的內在聯(lián)系（Chan,Kumar,Tiwari,Lau,﹠Choy,2008）。根據(jù)上述情況，我們找到一個很有研究意義的課題，即對韓國和臺灣航運上市企業(yè)所受金融危機影響的財務狀況進行比較研究。通過財務分析可以解釋一家企業(yè)過去和現(xiàn)在的財務狀況，并且能夠預測它將來的財務狀況。盡管公司財務報表中包含著豐富的可供分析的信息，但是對報表的解釋可能是非常復雜的。因此，本文重點研究對財務指標的分析步驟。財務指標分析就是通過對財務報表的分析確定各財務指標的特點，從而反映出金融危機對本文中提到的幾家航運企業(yè)的影響。在對這四家企業(yè)財務報表進行初步分析的基礎上，本文試圖達到兩個目的。首先是運用信息熵找到四家企業(yè)每年的財務指標的相對權重，這樣我們就能根據(jù)這四家企業(yè)在1999-2009年間的財務狀況看到各個指標權重的變化情況。第二是應用灰色關聯(lián)分析對這四家企業(yè)在1999-2009年間每年的財務狀況進行排序。根據(jù)本文的研究結論，作者試圖對商業(yè)政策的制定提出建議，以便減輕金融危機對世界航運領域的影響。2、文獻回顧在金融動蕩時期，集裝箱航運行業(yè)對資本結構、收益率和成本削減都非常敏感（Chuang,Chiu&Wang,2008;Guzhva&Pagiavlas,2003;Lee,1999b）。因此，股東非常關注集裝航航運企業(yè)的財務報表分析。財務報表分析是估計企業(yè)財務狀況并向股東提供公司財務信息不可缺少的工具。本文回顧了過去20年間的相關文獻，發(fā)現(xiàn)了幾種用財務指標來評估公司財務狀況的方法。多準則決策(MCDM)方法在解決來自商業(yè)活動和現(xiàn)實生活中的多維復雜問題中起到了重要的作用。它被廣泛應用到各種模型中，例如加權和模型（WSM）、加權產品模型（WPM）、層次分析法（AHP）、消去和選擇轉換法（ELECTRE）（Benayoun,Roy&Sussman,1966）和逼近理想解排序法/理想點法（TOPSIS），這種方法和消去和選擇轉換法可以相互替代（Triantaphyllou,Shu,Sanchez&Ray,1998）。自從Zadeh(1965)提出了模糊集合論法，這種用來解決模糊多準則決策難題的方法已經被擴展和修正過的多準則決策所發(fā)展（HYPERLINKAshtiani,HYPERLINKHaghighirad,Makui&AliMontazer,2009;Atanassov,1986;Ata-HYPERLINKnassov,Pasi,&Yager,2005;Chen,2000;Chen&Tan,1994;Cheng,HYPERLINK1998;Chou&Chang,2008;Hus&Chen,1994,1996,1997;Lee,HYPERLINK1999a;Liang,1999;Opricovic&Tzeng,2004;Shih,2008;Tung&HYPERLINKLee,2009;Tzeng,Chiang,&Li,2007;Tzeng,Lin&Opricovic,HYPERLINK2005;Wang&Chang,2007;Zhang,Zhang,&Wang,2005）。在這些分析方法發(fā)展的過程中，多準則決策方法（MCDM）應用于通過財務指標評估運輸部門的財務狀況，包括數(shù)據(jù)包絡分析法（DEA）（HYPERLINKBowlin,2004;Capobianco&Fernandes,2004;Halkos&HYPERLINKSalamouris,2004;Liang,Liu,Lin,&Yeh,2006;Lin&Liu,2005;HYPERLINKScheraga,2004)、模糊多準則決策（FMCDM）(HYPERLINKWang,2009;Wang&Lee,2010)、模糊多準則群體決策（FMCGDM）(HYPERLINKWang,2008)、理想點法(HYPERLINKFeng&Wang,HYPERLINK2000;Feng&Wang,2001;Wang&Lee,2007)、灰色主成分分析法(HYPERLINKTung&Lee,2009)、層次分析法(HYPERLINKSteur&Na,2003)模糊層次分析法（FAHP）和模糊公理設計（FAD）算法(HYPERLINKCelik,HYPERLINKMetin,Deha,&Ozok,2009)、模糊關系聚類法(HYPERLINKWang&Lee,2008)、改進的夏普利率(HYPERLINKChuangetal.,HYPERLINK2008)和托賓分析(HYPERLINKScheraga,2004)。Feng和Wang（2000）應用理想點法評估了臺灣境內五家航空公司的包括市場、生產率、執(zhí)行力和財務在內的業(yè)績指標，并對這五家公司進行了排序。他們同時還使用了灰色關聯(lián)分析選擇出了具有代表性的業(yè)績指標，并克服了樣本量小和不知樣本分布的難題。在前人研究的基礎上，Hwang和Yoon（1981）提出了實施理想點法的五大步驟，以便計算各樣本的業(yè)績分數(shù)并進行排序。這五個步驟分別是：將指標值標準化；給出最優(yōu)和最差的解決方案；對不同的方案措施進行計算；計算實際值與理想方案的相對距離；根據(jù)實際值與理想方案的距離遠近進行排序，近則優(yōu)。Feng和Wang（2001）再一次運用理想點法對臺灣高速公路公司的業(yè)績指標進行了評估，其中應用的概念模型和計算過程與之前的研究（Feng﹠Wang，2000）相同。Wang和Lee（2008）在研究臺灣四家航運企業(yè)23個財務指標模糊關系的基礎上提出了一個新的聚類方法，得到了一個集群驗證指數(shù)并從每個集群中找出一個代表性指標。這得益于他們在其文章中對證明過程和前提的定義，他們運用了聚類方法對財務指標進行分類，并選出了各個類的代表性指標。隨后，他們運用平均數(shù)法證明了其論文中提出的聚類方法的可行性。Wang（2009）結合灰色關聯(lián)分析和模糊多準則群體決策對臺灣集裝箱航運企業(yè)的財務狀況進行了評估。在評估過程中，他應用灰色關聯(lián)分析將臺灣臺灣的三家集裝箱航運企業(yè)的財務指標數(shù)據(jù)分為相等的五個階段，每個階段為半年，并從每個聚類中找出了代表性的指標，接著運用模糊多準則群體決策并結合專家的意見在他之前研究（Wang﹠Lee，2007）的基礎上評估了每家企業(yè)的財務狀況。四位專家提出了15標準的語言權重，Wang在論文中討論了模糊多準則群體決策即使在小樣本的情況下依然適用，并從15個聚類中選出了15個代表性指標。Wang和Lee（2010）提出運用模糊多準則決策來評估集裝性航運企業(yè)的財務指標，并運用灰色關聯(lián)分析對財務指標進行聚類，然后找出每類中具有代表性的指標。除了一些數(shù)學上的發(fā)展和修正，我們在本文中運用了幾乎與Wang的文章（2008,2009）一樣的方法。在Wang的文章分析了臺灣三家集裝箱航運企業(yè)2003年第三季度至2004年第三季度的21項財務指標，并將其分為相等的五個時期。四位財務專家提出了15標準的語言權重，他們聲稱擁有優(yōu)勢指標和劣勢指標的擴展模糊偏好關系的基礎上的FMCDM能夠用于評估企業(yè)財務狀況，即通過將所有的指標聚類，就可以容易的對企業(yè)的財務狀況進行排序了。Wang和他的團隊運用模糊模糊理想點法、模糊多準則決策、模糊多準則群體決策和灰色關聯(lián)分析對臺灣航空和集裝箱航運企業(yè)的財務狀況進行了評估，其中在他們的論文中，模糊模糊理想點法稱作是基于HYPERLINKWang、Roy和SussHYPERLINKman(2003)的模糊理想點法。從上文提及的文章中，我們可以看出它們都運用了相同的概念模型，并且都利用灰色關聯(lián)分析的結果作為距離指標對相關的財務指標進行聚類。這些方法對于解決作者們在論文中提出的問題是可行的。運用聚類分析，例如模糊關聯(lián)分析和均值分析(HYPERLINKWang&Lee,2008)來對財務指標進行分類，并找出具有代表性的指標，這似乎就是研究的主要目的。不同于本文中運用的熵分析，對財務指標進行分類，并找出代表性的指標以對航運企業(yè)的財務狀況進行評估的方法會丟失所要研究數(shù)據(jù)的部分信息。在Wang的文章中只分析了21-23個財務指標5個季度也就是兩年半期間的數(shù)據(jù)，并且只有四名專家參與對個財務指標的權重進行賦值，他們甚至都沒有對所賦的權重值進行解釋。同時Wang所研究的數(shù)據(jù)期間太短，以至于人們不能從他的研究中得出更廣泛的結論，在他的論文中也沒有對所得到的排序結果進行適當?shù)慕忉尯陀懻?。在本文中則應用更長期的數(shù)據(jù)以彌補其它論文中數(shù)據(jù)期間太短的缺陷，但是我們應該認識到，如果他們論文的主要目的是驗證上述數(shù)據(jù)分析方法在分析航空、機場和集裝箱企業(yè)時的適用性和可行性的話，那么他們便是成功的。上文提到的文章中似乎并沒有將如何對各指標的權重進行賦值作為重點。然而，確定評估指標的標準權重對于評估問題是非常重要的。HYPERLINKMaetal(1999)和Xu(2004)指出，權重的確定方法可以分為主觀和客觀兩種方法。主觀方法，例如Saaty（1977）提出的層次分析法，總是需要考慮決策者的主觀偏見，所要評估的客體越多，評估工作就會越困難。由于決策者判斷的不可靠性，用主觀方法獲得的權重值是不穩(wěn)定的，并且決策制在確定權重值時，并沒有考慮所要研究的數(shù)據(jù)?？陀^方法，例如HYPERLINKShan-HYPERLINKnon(1948)提出的信息熵就是一個很常用的確定評估指標的標準權重的客觀方法，它不需要決策者的主觀看法，而是要關注評估客體的績效。用信息熵對權重進行賦值的方法在評估體系中是非順序的。樣本數(shù)據(jù)中提供的信息可以用權重進行測量(HYPERLINKZouetal，2006)。當然兩種權重確定方法在解決實際問題中都是有用的，考慮到不同方法的不同特點，研究者可以根據(jù)自己的需要選擇合適的方法。根據(jù)上文的討論和文獻回顧，我們發(fā)現(xiàn)，大多數(shù)的研究者是采用專家主觀的意見來對財務指標的權重進行賦值，然后結合灰色關聯(lián)分析對各個企業(yè)的財務狀況進行排序。在本文中，我們則采用新的概念來分析近期的經濟增長下降對航運企業(yè)的影響。我們首先運用熵分析這種客觀方法對個財務指標的權重進行賦值，因為熵分析不會丟失所要分析數(shù)據(jù)的任何信息；然后運用于上文中提到的論文中一樣的灰色關聯(lián)分析并結合各指標的權重對文中研究的四家企業(yè)的財務狀況進行排序。3、數(shù)學方法和實證分析從上文的文獻回顧中我們了解到運用熵分析和灰色關聯(lián)分析對航運企業(yè)進行評估的方法是可行的。在本部分中，我們首先對信息熵和灰色關聯(lián)分析進行簡單的說明，然后介紹了運用這兩種方法對四家（EG、YM、HJ、HMM）企業(yè)進行評估時的具體實施步驟。3.1信息熵步驟1.數(shù)據(jù)：業(yè)績矩陣/評估矩陣用來進行熵分析的數(shù)據(jù)應該具有如公式（1）所示的格式。(1)步驟2.計算出Pij該步驟就是將步驟1的矩陣進行標準化步驟3.標準熵用公式（2）計算標準熵(2)K是波爾茲曼常數(shù)，，同時。步驟4.標準財務指標所包含信息的多元化程度為。(3)步驟5.對進行標準化權重應在區(qū)間（0,1）內，以滿足灰色關聯(lián)分析的需要，對步驟得到的數(shù)據(jù)用公式（4）進行標準化。(4)同時，。3.2灰色關聯(lián)分析模型表1中的數(shù)據(jù)包括績效指標、評估標準、權重和調查得到的每個指標的實際值的標準化值。理想值和最差值可以從評估矩陣中計算得出，計算公式為。在表1中所示的理想值和最差值的基礎上，灰色關聯(lián)分析的實施步驟如下：步驟1.理想值的灰色關聯(lián)系數(shù)(5)灰色關聯(lián)的等級（越大越好）(6)表1灰色關聯(lián)分析數(shù)據(jù)矩陣注：標準化后的數(shù)據(jù)矩陣步驟2.最差值的灰色關聯(lián)系數(shù)灰色關聯(lián)系數(shù)的等級（越小越好）步驟3.灰色關聯(lián)系數(shù)的相對數(shù)根據(jù)步驟1和步驟2的等級值進行對比，按比率進行排序3.3數(shù)據(jù)本文所研究的樣本是世界上前二十家集裝箱企業(yè)中的四家：臺灣的EvergreenMarineCorpo-rations和YangMingLines以及韓國的HanjinShippingCompanyLtd和HyundaiMerchantMarineCompanyLtd。在研究的最初階段，我們從1999-2009年間各公司的財務報表中找出了45項財務指標。這些財務指標被分為六類：（1）流動率、（2）收益率、（3）回報率、（4）周轉率、（5）財務杠桿率和（6）現(xiàn)金流。根據(jù)我們研究的目的和問卷調查的有效性，我們將45項指標縮減到25項，但是25項中的4項，即固定資產長期負債率（4）、毛利率（7）、銷售成本率（10）和現(xiàn)金流動負債比（23）被從我們的分析中剔除，因為它們不僅在計算公式還是含義方面都與（5）（6）（8）（24）非常相近。因此，在本部分的實證研究中我們應用了21項財務指標（如表2所示）。表2財務比率與公式組別編號財務指標計算公式變現(xiàn)能力比率1流動比率流動資產／流動負債2利息保障倍數(shù)EBIT／利息3權益資本率所有者權益／總資產4固定資產長期負債率固定資產／長期負債5固定資產長期資金比率固定資產／長期資金收益率6毛利率總收入／銷售收入7營業(yè)利潤率營業(yè)利潤／銷售收入8凈利率凈利潤／銷售收入9稅前利潤率稅前利潤／銷售收入10銷售成本率銷售成本／銷售收入回報率11長期資本回報率凈利潤／長期資金12所有者權益回報率凈利潤／所有者權益13總資產回報率凈利潤／總資產周轉率14總資產周轉率銷售收入／總資產15固定資產周轉率銷售收入／固定資產16所有者權益周轉率銷售收入／所有者權益17負債周轉率銷售收入／全部負債18營運資本周轉率銷售收入／營運資本財務杠桿率19資產負債率全部負債／總資產20權益負債率全部負債／所有者權益21長期負債權益比率長期負債／所有者權益22長期債務與長期資金比率長期債務／長期資金現(xiàn)金流23現(xiàn)金流動負債比經營現(xiàn)金流／流動負債24凈利潤現(xiàn)金含量經營現(xiàn)金流／凈利潤25現(xiàn)金流充足率經營現(xiàn)金流／長期負債3.4實證研究結果根據(jù)上文中描述的步驟，我們運用了熵分析這種客觀方法得到了各財務指標的權重值，以便用來測量個財務指標的數(shù)據(jù)的離散程度，然后運用灰色關聯(lián)分析對著四家企業(yè)的財務狀況進行排序。3.5各指標權重值變化趨勢本文運用熵分析確定了個指標的權重值。表3列示了四家企業(yè)21項財務指標每年的權重、各指標權重的平均值和系數(shù)差異（CV）。平均值的值從0.0003到0.320。系數(shù)差異是測量權重變化的指標，其值從0.13到0.975。表3各指標的權重從熵分析的結果中我們可以發(fā)現(xiàn)在這21項指標中，在1999-2009年間重要的指標有利息保障倍數(shù)（F2）、權益凈利率（F12）、長期負債權益比率（F21）、凈利潤現(xiàn)金含量（F24）和現(xiàn)金流充足率（F25）（它們的平均權重值都不小于0.5）。在這六項指標中，現(xiàn)金流比率（F24、F25）是最重要的。相反，流動比率（F1）、總資產周轉率（F14）、總負債周轉率（F17）和資產負債率（F19）（它們的平均權重值都不大于0.020）與其他指標相比不那么重要。在這四項指標中，資產負債率（F19）是最不重要的。這意味著財務指標的權重值越大，它就越分散。也就是說，熵分析告訴我們一個指標的權重越大，那么它就比權重小的指標重要。這些指標中擁有最大權重值的是2004年的權益負債率（F20）是0.32，也就是人說，權益負債率是1999-2009年間21項財務指標中最重要的指標，這也可以從圖1-5中容易的看出來。圖1財務指標權重變化（1999-2000）圖2財務指標權重變化（2000-2001）圖3財務指標權重變化（2006-2007）圖4財務指標權重變化（2007-2008）圖5財務指標權重變化（2008-2009）3.6四家航運企業(yè)財務狀況的排序前面幾段介紹了運用熵分析來確定財務指標的權重值。在本段中將各財務指標的權重值和平均權重值結合起來運用灰色關聯(lián)分析對四家航運企業(yè)進行排序，表4顯示了四家企業(yè)的得分及排序情況，得分是通過公式（7）計算出來的。從表4可以看出在過去的11年里，臺灣的兩家航運企業(yè)的財務狀況都好于韓國的兩家企業(yè)。HMM公司從1999-2007年都排在最末，但是從2008年開始，排序開始上升，而HJ公司卻從第一位降到最后一位。四家企業(yè)的排序變化情況可以由圖6看出。表4四家企業(yè)排序變化圖6四家企業(yè)排序變化圖7權益負債率表508年及09年上半年標的航運企業(yè)財務計算結果4、討論與商業(yè)影響通過上文的分析得出的數(shù)據(jù)見表4、表5及圖1-5，以下為幾點啟示：(1)在1999年至2009年期間，除了2008年，這兩家臺灣企業(yè)（EG和YM）在整體財務狀況上優(yōu)于韓國的這兩家企業(yè)（HJ和HMM）。在2008年，韓國發(fā)生了金融危機，這對韓國經濟的各個方面產生了嚴重的影響。根據(jù)國際基金組織的緊急救助方案，韓國的財團，即大型家族企業(yè)，同意與他們的借款銀行簽訂一項財務協(xié)議，條件是將企業(yè)的權益負債率降到200%以下。在這樣的情況下，HJ航運有限責任公司賣掉了31艘船舶，其中包括29艘集裝箱船舶，獲得了7.2億美元資金，從而使權益負債率得以好轉。隨后HMM公司也以同樣的方式將其車輛運輸船出售給外國投資者，從而改善了其財務比率。然而，由于其高負債的財務結構，這兩家公司的財務狀況仍然比不上兩家臺灣企業(yè)，直至2008年金融危機的發(fā)生。(2)從2005年開始，EG和HJ兩家公司在排行榜上的位置有更明顯的變化，而從2007年開始這四家企業(yè)的盈利能力出現(xiàn)了急劇的滑坡。如表6所示，05年以后EG和HJ兩家公司的排序都發(fā)生了不穩(wěn)定的變化，另外兩家則比較穩(wěn)定。但從表5支持我們的研究結果，即從07年起，這四家企業(yè)的盈利能力都開始嚴重惡化。09年上半年，四家公司均做出了虧損報告：HJ整體虧損5.42億美元，比上年增長346.4%；HMM（-2.7億美元，-177.1%），EG（-175億美元，-457.1%），YM(-2.1億美元，-588.4%)。由于這次世界性的經濟危機，APM(集裝運輸企業(yè))，Hapag–Lloyd以及Zim在09年都產生了虧損，分別是-9.61、-7.04、-3.05億美元，在其股東、債權人和政府提供援助之前，Hapag-Lloyd和Zim公司都面臨著破產。兩家企業(yè)所在的政府都設法幫助這兩家企業(yè)，因為Zim的正常經營對國家安全以及經濟都非常重要，而Hapag–Lloyd不僅對漢堡有重要意義，同時是德國整個海事部門的基石和宣傳窗口。處于對類似經濟安全方面的考慮，臺灣和韓國對各自航運企業(yè)的處理可以借鑒上述兩個案例。(3)除09年，兩家韓國企業(yè)中的HJ公司在排名上一直比較靠前。如之前所述，五大財團保證遵照政府降低負債放熱指導方針，在1999年年底將權益負債率降低至200%以下。金融監(jiān)管委員會，國家經濟最高監(jiān)察機構，負責監(jiān)督各企業(yè)執(zhí)行情況，企業(yè)一般通過資產評估、銷售資產和引進國外資本來降低權益負債率。這項計劃由金融監(jiān)管委員會和財團主要債權銀行聯(lián)合監(jiān)管并向韓國首相匯報，可以說HJ的重組范圍比HMM更加廣泛。從圖7可以看出，HJ的重組使得他在后續(xù)幾年里獲得了比HMM更好的財務績效。(4)從圖6中公司排名變化中可以預測，兩家臺灣企業(yè)2010年的排名。在集裝箱航運行業(yè)，公司財務狀況與整個行業(yè)形勢相關，比如服務領域、船舶大小、市場策略、船只經營策略，通過調整船只節(jié)省燃油成本。由于四家企業(yè)都面臨著相同的行業(yè)形勢，因此，想在這些方面增加企業(yè)績效的可能性很小。在這種情況下，有一個因素可以提高企業(yè)財務狀況，那就是政府對航運業(yè)的政策。噸位稅體系就是一個很好的例子。這種體系是05年被引進韓國的，在海事發(fā)達國家，船主要承受很高的稅賦，與那些開放性注冊公司相比，不能雇傭非本國船員，沒有潛在的節(jié)水政策，因此相比之下是沒有競爭力的。因此，在這些國家引進國際船舶注冊體系和噸位體系之前，航運業(yè)一直萎靡不振。噸位稅是對航運企業(yè)所擁有和控制的凈噸位征稅，不考慮其是否盈利(HYPERLINKBergantino&HYPERLINKMarlow,1998;Brownrigg&Dawe,2001;Cullinane&Robershaw,1996;Goulielmos,1998;Lee,1996;Leggate&McConville,2005;HYPERLINKLlacer,2003)。大部分的歐洲國家，包括德國、丹麥、比利時、芬蘭、挪威、西班牙和英國，亞洲國家韓國和印度都是用這種稅制。新船舶注冊制度的引進對航運業(yè)和國家經濟都有多方面的影響，更不用說對海事貿易了。一份內部報告和采訪證實，韓國引入的噸位稅制度提高了盈利底線，并且韓國船主協(xié)會也證實噸位稅制度對于韓國航運企業(yè)的盈利底線有積極作用。這是因為這種新的稅制在過去四年來對于降低企業(yè)稅賦具有積極意義。值得慶幸的是，臺灣政府近期宣布要引進噸位稅體系。結合航運業(yè)的自由政策，(HYPERLINKChang,Lin&Bao,2006;Chiu,HYPERLINK2007)新引進的噸位稅體系或許會有助于提升臺灣航運業(yè)的財務狀況。5、結論本文運用熵分析和灰色關聯(lián)分析研究了韓國與臺灣的四家主要航運企業(yè)的財務比率權重，并根據(jù)1999年至2009年間經注冊會計師審計后的財務報表中獲得并計算的財務比率的真實值，對這四家企業(yè)進行排序。我們進行的文獻回顧顯示，先前的大部分研究是多準則決策方法（MCDM）來評估航運企業(yè)的財務績效的。該方法是通過專家意見的主觀方法來指標賦權的，同時，由于各比率之間復雜的關系，以至于不便于將財務比率分組，因此，在本文中，運用了熵分析這種客觀分析方法對財務指標進行賦權并找出各比率的變化趨勢。因為該方法保存了財務比率數(shù)據(jù)的完整信息。運用灰色關聯(lián)分析并結合客觀權重找出四家航運企業(yè)在1999至2009年間財務狀況的排序變化。之前已經說過，由于我們從數(shù)學的角度所使用的評估航運企業(yè)財務狀況的方法，填充了一項研究空白。當然，運用主觀或客觀的權重確定方法，我們的研究結果是不同的。在航運領域主客觀權重確定方法的比較是非常重要的，因為將來有必要對這方面進行研究以便找到跟多的證據(jù)和邏輯關系來幫助管理者和股東決定資本結構并面對金融危機后嚴峻的企業(yè)財務狀況。一個財務指標的權重值越大，他就越分散，也就是說，一個財務指標的熵值越大，那么他就比其他熵值小的指標重要。根據(jù)熵分析的結果利息保證倍數(shù)、營運成本周轉率、長期負債權益比率、凈利潤現(xiàn)金含量和現(xiàn)金流量充足率在1999年至2009年間相對其他財務指標重要?；疑P聯(lián)分析的結果表明在1999-2009年間除了2003年，臺灣兩家航運企業(yè)的財務績效優(yōu)于韓國的兩家企業(yè)。但是在08年，情況卻是相反的。在臺灣，從1999至2009年間，除2003年，YM公司的財務狀況一直優(yōu)于EG。但是自2007年以后，兩家企業(yè)的盈利能力都嚴重下降，我們已經從前文中知道了政府對于Hapag-Lloyd和Zim的救助計劃。同樣，臺灣政府需要出臺政策提升航運企業(yè)的財務狀況，因此，噸位稅體系將被引入臺灣。在與韓國的競爭者的比較中，我們了解到，一項統(tǒng)一的財務目標在經歷嚴峻的時期時，可能會使企業(yè)的財務狀況變得更好。上述研究也應當結合臺灣航運業(yè)經營環(huán)境的實際情況，尤其時要注意到臺灣政府允許外部貿易的進入情況。作者之前對于韓國貿易結構變化的研究表明，特定的金融環(huán)境會產生響應的行為。集裝箱行業(yè)和金融市場都在經歷一段嚴峻的時期。投資者、航運業(yè)、股東、金融家和政策制定者都應該利用本文的研究來做出決策以解決難題并長期加強金融結構。參考文獻[1]Ashtiani,B.Haghighirad,F.Makui,A,&AliMontazer,G.(2009).ExtensionoffuzzyTOPSISmethodbasedoninterval-valuedfuzzysets.AppliedSoftComputing,9(2),457–461.[2]Atanassov,K.T.(1986).Intuitionisticfuzzysets.FuzzySetsandSystems,20,87–96.Atanassov,K.,Pasi,G.,&Yager,R.R.(2005).Intuitionisticfuzzyinterpretationsofmulti-criteriamulti-personandmulti-measurementtooldecisionmaking.InternationalJournalofSystemsScience,36(14),859–868.[3]Benayoun,R.,Roy,B,&Sussman,B.(1966).ELECTRE:Uneméthodepourguiderlechoixenpresencedepointsdevuemultiples.SEMANote49.[4]Bergantino,A.S.,&Marlow,P.(1998).Factorsinfluencingthechoiceofflag:Empiricalevidence.MaritimePolicyandManagement,25(2),157–174.[5]Bowlin,W.F.(2004).Financialanalysisofcivilreserveairfleetparticipantsusingdataenvelopmentanalysis.EuropeanJournalofOperationalResearch,154(3),691–709.[6]Brownrigg,M.,&Dawe,G.(2001).DevelopmentsinUKshipping:thetonnagetax.MaritimePolicyandManagement,28(3),213–223.[7]Capobianco,H.M.P.,&Fernandes,E.(2004).Capitalstructureintheworldairlineindustry.TransportationResearchPartA,38,421–434.[8]CelikMetin,I.,Deha,E.,&Ozok,A.F.(2009).ApplicationoffuzzyextendedAHPmethodologyonshippingregistryselection:ThecaseofTurkishmaritimeindustry.ExpertSystemswithApplications,36(1),190–198.[9]Chan,F.T.S.,Kumar,N.,Tiwari,M.K.,Lau,H.C.W.,&Choy,K.L.(2008).Globalsupplierselection:Afuzzy-AHPapproach.InternationalJournalofProductionResearch,46(14),3825–3857.[10]Chang,C.C.,Lin,K.,&Bao,J.Y.(2006).DevelopingdirectshippingacrosstheTaiwanStraits.MarinePolicy,30,392–399.[11]Chen,C.T.(2000).ExtensionstotheTOPSISforgroupdecision-makingunderfuzzyenvironment.FuzzySetsandSystems,114,1–9.[12]Cheng,C.H.(1998).Anewapproachforrankingfuzzynumbersbydistancemethod.FuzzySetsandSystems,95(3),307–317.[13]Chen,S.M.,&Tan,J.M.(1994).Handlingmulticriteriafuzzydecision-makingproblemsbasedonvaguesettheory.FuzzySetsandSystems,67,163–172.[14]Chiu,R.H.(2007).TheliberalizationofshippinginTaiwan.MarinePolicy,31,258–265.[15]Chou,S.Y.,&Chang,Y.H.(2008).Adecisionsupportsystemforsupplierselectionbasedonastrategy–alignedfuzzySMARTapproach.ExpertSystemwithApplications,34,2241–2253.[16]Chuang,I.Y.,Chiu,Y.C.,&Wang,C.E.(2008).TheperformanceofAsianairlinesintherecentfinancialturmoilbasedonVaRandmodifiedSharperatio.JournalofAirTransportManagement,14(5),257–262.[17]Cullinane,K.,&Robershaw,M.(1996).TheinfluenceofqualitativefactorsinIsleofmanshipregistrationdecisions.MaritimePolicyandManagement,23(4),321–336.[18]DrewryPublishing.(2009).Containermarketreviewandforecast.AnnualReport.Feng,C.M.,&Wang,R.T.(2000).Performanceevaluationforairlinesincludingtheconsiderationoffinancialratios.JournalofAirTransportManagement,6(3),133–142.[19]Feng,C.M.,&Wang,R.T.(2001).Consideringthefinancialratiosontheperformanceevaluationofhighwaybusindustry.TransportReviews,21(4),449–467.[20]Goulielmos,A.M.(1998).FlaggingoutandtheneedforanewGreekmaritimepolicy.TransportPolicy,5,115–125.[21]Guzhva,V.S.,&Pagiavlas,N.(2003).Corporatecapitalstructureinturbulenttimes:AcasestudyoftheUSairlineindustry.JournalofAirTransportManagement,9(6),371–379.[22]Halkos,G.E.,&Salamouris,D.S.(2004).EfficiencymeasurementoftheGreekcommercialbankswiththeuseoffinancialratios:Adataenvelopmentanalysisapproach.ManagementAccountingResearch,15,201–224.[23]Heaver,T.D.(2002).Theevolvingrolesofshippinglinesininternationallogistics.InternationalofJournalofMaritimeEconomics,4(3),210–230.[24]Hus,H.M.,&Chen,C.T.(1994).Fuzzyhierarchicalweightanalysismodelformulticriteriadecisionproblem.JournaloftheChineseInstituteofIndustrialEngineers,11(3),129–136.[25]Hus,H.M.,&Chen,C.T.(1996).Aggregationoffuzzyopinionsundergroupdecisionmaking.FuzzySetsandSystems,79,279–285.[26]Hus,H.M.,&Chen,C.T.(1997).Fuzzycredibilityrelationmethodformultiplecriteriadecision-makingproblems.InformationScience,96,79–91.[27]Hwang,C.L.,&Yoon,K.(1981).Multipleattributesdecisionmakingmethodsandapplications.BerlinHeidelberg:Springer.[28]Jessop,A.(2004).Minimallybiasedweightdeterminationinpersonnelselection.EuropeanJournalofOperationalResearch,153,433–444.[29]Jung,A.,Schulz,T.,&Wangner,W.(2009).Shippingindustrydrowninginfinancialwoes,DerSpiegel,August14.[30]Lee,H.S.(1999a).Automaticclusteringofbusinessprocessesinbusinesssystems.EuropeanJournalofOperationalResearch,114,354–362.[31]Lee,T.W.(1999b).RestructuringoftheeconomyanditsimpactsontheKoreanmaritimeindustry.MaritimePolicyandManagement,26(4),311–325.[32]Lee,T.W.(1996).Flaggingoptionsforthefuture:aturningpointinKoreanshippingpolicy.MaritimePolicyandManagement,23(2),177–186.[33]Levinson,M.(2006).Thebox:HowtheshippingcontainermadetheWorldSmallerandtheWorldEconomyBigger.Princeton.NJ:Princeton[34]Leggate,H.,&McConville,J.(2005).Tonnagetax:Isitworking.MaritimePolicyandManagement,32(2),177–186.[35]Liang,G.S.(1999).FMCDMbasedonidealandanti-idealconcepts.EuropeanJournalofOperationalResearch,112,682–691.[36]Liang,G.S.,Liu,C.F.,Lin,W.C.,&Yeh,C.H.(2006).Adataenvelopmentanalysisofshippingindustrybondratings.TamkangJournalofScienceandEngineering,9(4),403–408.[37]Lin,W.C.,&Liu,C.F.(2005).PerformanceEfficiencyEvaluationoftheTaiwan’sShippingIndustry:AnApplicationofDataEnvelopmentAnalysis.InProceedingsoftheEasternAsiaSocietyforTransportationStudies,5(pp.467–476).[38]Llacer,F.J.M.(2003).Openregisters:Past,presentandfuture.MarinePolicy,27,513–523.[39]Ma,J.,Fan,Z.P.,&Huang,L.H.(1999).Asubjectiveandobjectiveintegratedapproachtodetermineattributeweights.AEuropeanJournalofOperationalResearch,112,397–404.[40]Notteboom,T.,&Rodrigue,J.P.(2008).Containerisation,boxlogisticsandglobalsupplychain:Theintegrationofportsandlinershippingnetworks.MaritimeEconomicsandLogistics,10(1-2),152–174.[41]Opricovic,S.,&Tzeng,G.H.(2004).CompromisesolutionbyMCDMmethods:AcomparativeanalysisofVIKORandTOPSIS.EuropeanJournalofOperationalResearch,156(2),445–455.[42]Panayides,P.M.(2006).Maritimelogisticsandglobalsupplychains:TowardsaresearchAgenda.MaritimeEconomicsandLogistics,8(1),3–18.[43]Saaty,T.L.(1980).Theanalytichierarchyprocess.NewYork:McGraw-Hill.Scheraga,C.A.(2004).Operationalefficiencyversusfinancialmobilityintheglobalairlineindustry:AdataenvelopmentandTobitanalysis.TransportationResearchPartA:PolicyandPractice,38(5),383–404.[44]Shannon,C.E.(1948).Amathematicaltheoryofcommunications.BellSystemsTechnicalJournal,27,379–423.[45]Shih,H.S.(2008).IncrementalanalysisforMCDMwithanapplicationtogroupTOPSIS.EuropeanJournalofOperationalResearch,186(2),720–734.[46]Song,D.W.,&Lee,P.T.W.(2009).Maritimelogisticsintheglobalsupplychain.InternationalJournalofLogistics:ResearchandApplications,12(2),1–2.[47]Steuer,R.E.,&Na,P.(2003).Multiplecriteriadecisionmakingcombinedwithfinance:Acategorizedbibliographicstudy.EuropeanJournalofOperationalResearch,150,496–515.[48]Triantaphyllou,E.,Shu,B.,Sanchez,S.N.,&Ray,T.(1998).Multi-criteriadecisionmaking:Anoperationsresearchapproach.InJ.G.Webster(Ed.),EncyclopediaofElectricalandElectronicsEngineering(pp.175–186).[49]NY:JohnWiley&Sons.Tung,C.T.,&Lee,Y.J.(2009).Anovelapproachtoconstructgreyprincipalcomponentanalysisevaluationmodel.ExpertSystemswithApplications,36(3),5916–5920.[50]Tzeng,G.H.,Chiang,C.H.,&Li,C.W.(2007).Evaluatingintertwinedeffectsi