南斫完生学刊2020年第1期 金融业与新能源汽车产业协同发展研究 俞晴 (南京审计大学经济学院,江苏南京211815) 摘要:为了能源结构的改善以及生态环境的可持续发展,各个国家都在发展新能源汽 车产业。然而,新能源汽车产业的技术创新和融资约束问题尤为突出,这使得金融业对其的 支持作用不可或缺,对金融业与新能源汽车产业协同发展的研究有益于金融结构优化和产业 结构升级。本文首先阐述了新能源汽车产业的现状,然后通过因子分析对新能源汽车产业的 综合发展指标进行说明,进而构建多元回归模型分析直接融资和间接融资对产业发展的情况 并且理论分析了新能源汽车产业对金融业的影响,研究结论如下:直接融资和间接融资对新 能源汽车产业发展均有正向影响,且间接融资的影响更大;新能源汽车产业对金融业的影响 主要有促进金融基本功能实现和完善金融体系两个方面。最后本文提出为减少对间接融资的 依赖而扩大直接融资比重和完善金融市场两个建议。 关键词:新能源汽车产业融资约束协同发展 引言 为了能源结构的改善以及生态环境的可持续发展,我国开始发展新能源汽车产业,不断智能 化、网联化、共享化以及电动化的政策推广给新能源汽车产业带来了新的增长点,中汽协网站发 布的数据表明,2018年新能源汽车在中国的销售量约为125万辆,同比增幅为904%,超过全球 销量一半以上,今年第一季度的新能源汽车销售量比去年同期增长幅度超过一半。经过几年的政 策推动,市场引导是目前新能源汽车产业的新阶段,汽车产品而言从导入期进入成熟期。本年上 半年新能源汽车产业的补贴退坡后,虽然汽车销售量短时间有一定的下滑,但是消费者在此之前 已经有一定的预期,因此销售量依然会有继续增加的趋势。 二、金融业对新能源汽车产业的影响 为了能源结构的改善以及生态环境的可持续发展,我国不断发展新能源汽车产业,更是有助 于我国新能源汽车产业结构优化和金融发展。此次研究所采用的研究方法如下:首先,选取8家 典型的新能源汽车上市企业在2014年至2018年5年间的财务报告以及东方财富 Choice数据,采 用因子分析的方法,主要选取三类指标作为一级指标,分别反映了新能源汽车产业的盈利水平、 1俞睛(1996-),女,南京审计大学经济学院硕士生,研究方向:国际商务
63 2020 年第 1 期 金融业与新能源汽车产业协同发展研究 俞晴 1 （南京审计大学经济学院，江苏 南京 211815） 摘 要 : 为了能源结构的改善以及生态环境的可持续发展，各个国家都在发展新能源汽 车产业。然而，新能源汽车产业的技术创新和融资约束问题尤为突出，这使得金融业对其的 支持作用不可或缺，对金融业与新能源汽车产业协同发展的研究有益于金融结构优化和产业 结构升级。本文首先阐述了新能源汽车产业的现状，然后通过因子分析对新能源汽车产业的 综合发展指标进行说明，进而构建多元回归模型分析直接融资和间接融资对产业发展的情况， 并且理论分析了新能源汽车产业对金融业的影响，研究结论如下：直接融资和间接融资对新 能源汽车产业发展均有正向影响，且间接融资的影响更大；新能源汽车产业对金融业的影响 主要有促进金融基本功能实现和完善金融体系两个方面。最后本文提出为减少对间接融资的 依赖而扩大直接融资比重和完善金融市场两个建议。 关键词：新能源汽车产业 融资约束 协同发展 一、引言 为了能源结构的改善以及生态环境的可持续发展，我国开始发展新能源汽车产业，不断智能 化、网联化、共享化以及电动化的政策推广给新能源汽车产业带来了新的增长点，中汽协网站发 布的数据表明，2018 年新能源汽车在中国的销售量约为 125 万辆，同比增幅为 90.4%，超过全球 销量一半以上，今年第一季度的新能源汽车销售量比去年同期增长幅度超过一半。经过几年的政 策推动，市场引导是目前新能源汽车产业的新阶段，汽车产品而言从导入期进入成熟期。本年上 半年新能源汽车产业的补贴退坡后，虽然汽车销售量短时间有一定的下滑，但是消费者在此之前 已经有一定的预期，因此销售量依然会有继续增加的趋势。 二、金融业对新能源汽车产业的影响 为了能源结构的改善以及生态环境的可持续发展，我国不断发展新能源汽车产业，更是有助 于我国新能源汽车产业结构优化和金融发展。此次研究所采用的研究方法如下：首先，选取 8 家 典型的新能源汽车上市企业在 2014 年至 2018 年 5 年间的财务报告以及东方财富 Choice 数据，采 用因子分析的方法，主要选取三类指标作为一级指标，分别反映了新能源汽车产业的盈利水平、 1 俞晴（1996- ），女，南京审计大学经济学院硕士生，研究方向：国际商务
俞晴 金融业与新能源汽车产业协同发展研究 营运水平以及成长水平,再选取一级指标中的具体财务指标作为二级指标,进行主成分分析,并 最终利用标准化之后的数据计算出新能源汽车产业综合发展指标;其次,选取新能源汽车概念股 整体资产负债率指标(DAR)用以衡量产业间接融资情况,总市值/GDP指标(SEC)用以衡量 直接融资情况,中国新能源汽车产业平均资产规模(SIZE)作为控制变量,并以多元线性回归模 型反映直接融资和间接融资对新能源汽车产业综合发展的具体影响情况,因而更加形象地显示出 金融业对新能源汽车产业综合发展的作用 (一)新能源汽车产业融资情况 1.新能源汽车产业间接融资情况 各项金融政策使得新能源汽车企业快速发展,但是整体上产业发展还未成熟,其中很多企业 都是中小企业,因而以银行信贷为主的间接融资能够有效汇集社会闲散资金,提高资源配置效率。 普惠金融的发展使得各银行将中小微企业作为发展战略的重点板块。此外2018年中央经济会议中 也指出,银保监会将会尤其强化逆周期调节的监管措施,优化金融服务环境,缓解中小微企业的 融资困境,有助于金融更好的服务于新能源汽车产业,有利于促进新能源汽车产业内的中小企业 更为良好的发展。中央金融支持政策对于新能源汽车产业的帮助是尤为明显的,这也是使得新能 源汽车产业快速且更好地发展的最根本动力之一。 2.新能源汽车产业直接融资情况 随着经济转型升级,运用银行信贷,扩张间接融资,以此来保证企业的资金需求的模式正在 改变,今年两会期间李总理也特别强调了企业要提高直接融资的比重,这也表明在我国主要依赖 直接融资将并非是一个短期的趋势。此外,研究表明科创板的落地对于促进新能源汽车产业技术 创新和长久发展也是有着积极地影响。在经济金融全局不断把扩大直接融资比重放在重要地位, 将会使得金融更好地服务于新能源汽车产业,进而促进产业结构优化和经济金融发展。 (二)金融支持新能源汽车产业发展的实证分析 1.新能源汽车产业发展指标的选取 在我国,新能源汽车产发展的时间比较短暂,现有数据不是很全面,此外,目前金融支持新 能源汽车产业发展的实证研究的文献依然偏少,因此关于新能源汽车产业发展指标的构建也未能 达成一致的结论,所以本次研究将以已有的研究成果为基础,选取8家典型的新能源汽车上市企 业在2014年至2018年5年间的各类财务数据,采用因子分析的方法,构建一个表示新能源汽车 产业的综合发展指标。对财务指标数据不全和财务状况异常的新能源汽车上市企业进行剔除。8 家具体企业名单为:江铃(000550)、长安(000625)、一汽(000800)、比亚迪(002594)、 欣旺达(300207)、上汽(600104)、江淮(600418)、广汽(601238)。 主要选取三类指标作为一级指标,分别反映了新能源汽车产业的盈利水平、营运水平以及成 长水平,再选取一级指标中的具体财务指标作为二级指标,整理2014—2018年8家样本上市公司 的财务指标数值,采取因子分析对新能源汽车产业的综合发展指标进行描述。财务指标如表1所示
64 营运水平以及成长水平，再选取一级指标中的具体财务指标作为二级指标，进行主成分分析，并 最终利用标准化之后的数据计算出新能源汽车产业综合发展指标；其次，选取新能源汽车概念股 整体资产负债率指标（DAR）用以衡量产业间接融资情况，总市值 /GDP 指标（SEC）用以衡量 直接融资情况，中国新能源汽车产业平均资产规模（SIZE）作为控制变量，并以多元线性回归模 型反映直接融资和间接融资对新能源汽车产业综合发展的具体影响情况，因而更加形象地显示出 金融业对新能源汽车产业综合发展的作用。 （一）新能源汽车产业融资情况 1. 新能源汽车产业间接融资情况 各项金融政策使得新能源汽车企业快速发展，但是整体上产业发展还未成熟，其中很多企业 都是中小企业，因而以银行信贷为主的间接融资能够有效汇集社会闲散资金，提高资源配置效率。 普惠金融的发展使得各银行将中小微企业作为发展战略的重点板块。此外 2018 年中央经济会议中 也指出，银保监会将会尤其强化逆周期调节的监管措施，优化金融服务环境，缓解中小微企业的 融资困境，有助于金融更好的服务于新能源汽车产业，有利于促进新能源汽车产业内的中小企业 更为良好的发展。中央金融支持政策对于新能源汽车产业的帮助是尤为明显的，这也是使得新能 源汽车产业快速且更好地发展的最根本动力之一。 2. 新能源汽车产业直接融资情况 随着经济转型升级，运用银行信贷，扩张间接融资，以此来保证企业的资金需求的模式正在 改变，今年两会期间李总理也特别强调了企业要提高直接融资的比重，这也表明在我国主要依赖 直接融资将并非是一个短期的趋势。此外，研究表明科创板的落地对于促进新能源汽车产业技术 创新和长久发展也是有着积极地影响。在经济金融全局不断把扩大直接融资比重放在重要地位， 将会使得金融更好地服务于新能源汽车产业，进而促进产业结构优化和经济金融发展。 （二）金融支持新能源汽车产业发展的实证分析 1. 新能源汽车产业发展指标的选取 在我国，新能源汽车产发展的时间比较短暂，现有数据不是很全面，此外，目前金融支持新 能源汽车产业发展的实证研究的文献依然偏少，因此关于新能源汽车产业发展指标的构建也未能 达成一致的结论，所以本次研究将以已有的研究成果为基础，选取 8 家典型的新能源汽车上市企 业在 2014 年至 2018 年 5 年间的各类财务数据，采用因子分析的方法，构建一个表示新能源汽车 产业的综合发展指标。对财务指标数据不全和财务状况异常的新能源汽车上市企业进行剔除。8 家具体企业名单为：江铃（000550）、长安（000625）、一汽（000800）、比亚迪（002594）、 欣旺达（300207）、上汽（600104）、江淮（600418）、广汽（601238）。 主要选取三类指标作为一级指标，分别反映了新能源汽车产业的盈利水平、营运水平以及成 长水平，再选取一级指标中的具体财务指标作为二级指标，整理 2014—2018 年 8 家样本上市公司 的财务指标数值，采取因子分析对新能源汽车产业的综合发展指标进行描述。财务指标如表 1 所示 . 俞晴 : 金融业与新能源汽车产业协同发展研究
南斫完生学刊2020年第1期 表1企业财务指标 二级 指标 指标代码 净资产收益率ROE 盈利能力指标 销售毛利率 成长能力指标 主营业务收入增长率 净利润增长率 营运能力指标 总资产周转率 表2标准化后各变量指标的描述性统计分析 重复取样 统计资料 95%信赖区间 偏差 标准错误 下限 上限 最小值 净资产收益率 最大值 平均數 10.9433 8.2012 标准偏差873262 -.14975 1.01954 6.62603 1064609 N 0 40 最小值 8.6532 销售毛利率 最大值 28.9400 平均数16979150 15.550l1l18.517345 标准偏差4.7838994 0916117 45978703.8359033 N 最小值 主营业务收入增长率最大值942092 平均数17.860365 0929 3.940900 0.51100425680371 标准偏差25301053 4005901 3.5058383 7.700802431.6340532 N 最小值 17554586 净利润增长率 最大值 平均数56.1529255773346544064-16540466810.386959 标准偏差301.5688473323645505130.5177965482719031490.9553719 最小值 总资产周转率 最大值 16114 平均数 037053 000487 054342 934713 145041 标准偏差3508727 0055694 0288713 3985126 有效的 n(istwise 除非另行说明,否则重复取样结果会以1000重复取样样本为基础 2.新能源汽车产业发展指标的构建 此次研究的样本数据为2014—-2018年8家新能源汽车企业的每年最后一天的财务数据,在分 析数据之前,排除量纲不同所带来的后果,在此对各项财务数据进行标准化处理,使得各指标数 据现实的结果更可靠。采用 Z-score标准化法原理如下:X=--,其中表示财务数据的均值, 表示财务数据的标准差。变量描述表2。 (1)判断是否符合因子分析
65 2020 年第 1 期 表 1 企业财务指标 一级指标 二级指标 指标代码 盈利能力指标 净资产收益率 ROE X1 销售毛利率 X2 成长能力指标 主营业务收入增长率 X3 净利润增长率 X4 营运能力指标 总资产周转率 X5 表 2 标准化后各变量指标的描述性统计分析 统计资料 偏差 重复取样 a 标准错误 95% 信赖区间 下限 上限 净资产收益率 N 40 0 0 40 40 最小值 -12.41 最大值 29.49 平均數 10.9433 .0499 1.3565 8.2012 13.6691 标准偏差 8.73262 -.14975 1.01954 6.62603 10.64609 销售毛利率 N 40 0 0 40 40 最小值 8.6532 最大值 28.9400 平均数 16.979150 .006938 .765884 15.550111 18.517345 标准偏差 4.7838994 -.0916117 .4597870 3.8359033 5.6467904 主营业务收入增长率 N 40 0 0 40 40 最小值 -21.2463 最大值 94.2092 平均数 17.860365 .092951 3.940900 10.511004 25.680371 标准偏差 25.301053 -.4005901 3.5058383 17.7008024 31.6340532 净利润增长率 N 40 0 0 40 40 最小值 -1755.4586 最大值 116.7506 平均数 -56.115292 -.557733 46.544064 -165.404668 10.386959 标准偏差 301.5688473 -32.3645505 130.5177965 48.2719031 490.9553719 总资产周转率 N 40 0 0 40 40 最小值 .2503 最大值 1.6114 平均数 1.037053 .000487 .054342 .934713 1.145041 标准偏差 .3508727 -.0055694 .0288713 .2881896 .3985126 有效的 N (listwise) N 40 0 0 40 40 a. 除非另行说明，否则重复取样结果会以 1000 重复取样样本为基础 2．新能源汽车产业发展指标的构建 此次研究的样本数据为 2014—2018 年 8 家新能源汽车企业的每年最后一天的财务数据，在分 析数据之前，排除量纲不同所带来的后果，在此对各项财务数据进行标准化处理，使得各指标数 据现实的结果更可靠。采用 z-score 标准化法原理如下 : x x X σ − = ，其中 表示财务数据的均值， 表示财务数据的标准差。变量描述表 2。 （1）判断是否符合因子分析
俞晴:金融业与新能源汽车产业协同发展研究 因子分析是为了找出代表性的因子,进行KMO检验以及 Bartlett球形检验,结果如下: 表3KMO和 Bartlett的检验 Kaiser.- Meyer-Olkin測量取樣適當性 0.624 大約卡方 21.151 Bartlett·的球形檢定 df 顯著性 0.020 本部分是进行KMO取样适当性因子分析及巴氏球形因子分析,KMO=0.624大于0.6表示基 本可以认为适合做因子分析,巴氏球形因子分析值21.151,显著性=0.02小于a(a=0.05,显 示数据进行因子分析是十分合理的。 (2)提取因子和计算因子得分 这里首先进行尝试性分析,根据财务指标的相关系数矩阵,提取因子的分析如下 表4公因子方差 擷取 净资产收益率 销售毛利率 主营业务收入增长率 净利润增长率 1.000 总资产周转率 419 頡取方法:主體元件分析 表4表明变量共同度,首列数据说明的是在初始解下财务数据的变量共同度,也就是说明若 通过主成分分析方法对所有变量提取因子,那么所有财务数据的方差都是可以解释的,但是这样 就不用进行因子分析,所以,这种是不可取的。第二列数据说明的是在特征值大于1的前提下提 取因子时的变量共同度。从表4可以看到:净资产收益率、净利润增长率的绝大部分信息(大于 67%)可被因子解释,财务变量反映的信息丢失较少,但是销售毛利率、主营业务收入增长率和 总资产周转率的信息丢失较为严重(近50%),所以这样的结果不太理想。于是,提取2个因子 是合理的,分析结果如表5所示。 一般而言,因子分析会选择特征值大于1的成分进行计算,但是由于前两个成分的累计方差 贡献率为51.201%,远低于85%的标准,为了能够更好的反应信息,前四个成分的累计方差贡献 率为91.106%,因此选择前4个成分是合理的。 表5(a)公因子方差 起始 擷取 净资产收益率 1.000 销售毛利率 1.000 主营业务收入增长率 净利润增长率 总资产周转率
66 因子分析是为了找出代表性的因子，进行 KMO 检验以及 Bartlett 球形检验，结果如下： 表 3 KMO 和 Bartlett 的检验 Kaiser-Meyer-Olkin 測量取樣適當性。 0.624 Bartlett 的球形檢定 大約 卡方 21.151 df 10 顯著性 0.020 本部分是进行 KMO 取样适当性因子分析及巴氏球形因子分析，KMO=0.624 大于 0.6 表示基 本可以认为适合做因子分析，巴氏球形因子分析值 21.151，显著性 =0.02 小于 α（）α=0.05 ，显 示数据进行因子分析是十分合理的。 （2）提取因子和计算因子得分 这里首先进行尝试性分析，根据财务指标的相关系数矩阵，提取因子的分析如下： 表 4 公因子方差 起始 擷取 净资产收益率 1.000 .702 销售毛利率 1.000 .578 主营业务收入增长率 1.000 .569 净利润增长率 1.000 .672 总资产周转率 1.000 .419 擷取方法：主體元件分析。 表 4 表明变量共同度，首列数据说明的是在初始解下财务数据的变量共同度，也就是说明若 通过主成分分析方法对所有变量提取因子，那么所有财务数据的方差都是可以解释的，但是这样 就不用进行因子分析，所以，这种是不可取的。第二列数据说明的是在特征值大于 1 的前提下提 取因子时的变量共同度。从表 4 可以看到：净资产收益率、净利润增长率的绝大部分信息（大于 67%）可被因子解释，财务变量反映的信息丢失较少，但是销售毛利率、主营业务收入增长率和 总资产周转率的信息丢失较为严重（近 50%），所以这样的结果不太理想。于是，提取 2 个因子 是合理的，分析结果如表 5 所示。 一般而言，因子分析会选择特征值大于 1 的成分进行计算，但是由于前两个成分的累计方差 贡献率为 51.201%，远低于 85% 的标准，为了能够更好的反应信息，前四个成分的累计方差贡献 率为 91.106%，因此选择前 4 个成分是合理的。 表 5 （a） 公因子方差 起始 擷取 净资产收益率 1.000 .763 销售毛利率 1.000 .989 主营业务收入增长率 1.000 .998 净利润增长率 1.000 .805 总资产周转率 1.000 .999 俞晴 : 金融业与新能源汽车产业协同发展研究
南斫完生学刊2020年第1期 表6因子解释原有变量总方差的情况 元件 起始特徵值 擷取平方和載入 循環平方和載入 總計變異的%累加%總計變異的%累加%總計變異的%累加 37.52037.520 1.876 37.5 37.520 1.546 30.924 1.06421.27558.7951.06421.275587951.01420.27751.201 345 954190737786895419073778681.00120.02571.226 13.23891.106 13.23891.106 941988091.106 445 8894100.000 表7主成分的得分系数矩阵 净资产收益率X1 0.567 .08 0.020 销售毛利率X2 -0.037 0.985 0.023 0.022 主营业务收入增长率X3 -0.198 0.020 -0.025 1076 净利润增长率X4 0.656 -0.133 总资产周转率X5 0.073 0023 -0.028 根据成分得分系数,可以得出4个主成分(F1、F2、F3、F4)的表达式如下 Fl=0.0567X12-0037X21-0.198X32+0.656X4+0073X5 F2=0.089X14+0.985X21+0.020X3-0.133X4+0023X5 F3=0.020X1+0.023X21-0025X3+0081X44+1.009X5 F4=-0.092X1+0.022X2.+1076X3.-0.206X4.-0.028X5 014-2018年新能源汽车产业综合发展指标(CDL)的得分公式如下。结果见表8 CD,=(F1×30.924+F2×20.277+F3×20.025+F4×19880)÷91106 表82014-2018年新能源汽车产业综合发展指标(CDt)的得分 年份 0.127886076 -0.08206432 0.270457312 0.281224667 0.084589 2015 0.184343897 0.243575281 0.179629009 0.013270791 0.156265202 -0.330374104 0.264854144 -0.409805728 0.143266097 20 0.065776022 0.0530093300813819030.1278086880.052011948 2018 -0047634039 0.47937713 -0.12167025 -0.457461911 -0.149603892 3.金融业支持指标的选取 在前面的数据分析中,研究方法主要选取三类指标作为一级指标,分别反映了新能源汽车产 业的盈利水平、营运水平以及成长水平,再选取一级指标中的具体财务指标作为二级指标,进行 主成分分析,并最终利用标准化之后的数据计算出新能源汽车产业综合发展指标。关于金融支持 指标的选择,新能源汽车产业虽然发展较快,但是整体上产业发展还未成熟,其中银行信贷和新 能源汽车企业的上市融资行为表明金融业通过间接融资和直接融资两种方式对新能源汽车产业的 发展提供支持作用。在现有研究的基础上,此次硏究选取新能源汽车概念股整体资产负债率指标 DAR)用以衡量产业间接融资情况,总市值/GDP指标(SEC)用以衡量直接融资情况,中国
67 2020 年第 1 期 表 6 因子解释原有变量总方差的情况 元件 起始特徵值 擷取平方和載入 循環平方和載入 總計 變異的 % 累加 % 總計 變異的 % 累加 % 總計 變異的 % 累加 % 1 1.876 37.520 37.520 1.876 37.520 37.520 1.546 30.924 30.924 2 1.064 21.275 58.795 1.064 21.275 58.795 1.014 20.277 51.201 3 .954 19.073 77.868 .954 19.073 77.868 1.001 20.025 71.226 4 .662 13.238 91.106 .662 13.238 91.106 .994 19.880 91.106 5 .445 8.894 100.000 表 7 主成分的得分系数矩阵 元件 1 2 3 4 净资产收益率 X1 0.567 0.089 0.020 -0.092 销售毛利率 X2 -0.037 0.985 0.023 0.022 主营业务收入增长率 X3 -0.198 0.020 -0.025 1.076 净利润增长率 X4 0.656 -0.133 0.081 -0.206 总资产周转率 X5 0.073 0.023 1.009 -0.028 根据成分得分系数，可以得出 4 个主成分（F1、F2、F3、F4）的表达式如下： t t t t t t t t 1 0.0567 1 0.037 2 0.198 3 0.656 4 0.073 5 2 0.089 1 0.985 2 0.020 3 0.133 4 0.023 5 3 0.020 1 0.023 2 0.025 3 0.081 4 1.009 5 4 0.092 1 0.022 2 1.076 3 0.206 4 0.028 5 t t t t t t t t t t t t F XX X X X FXX X X X FXX X X X F XXXX X = − −++ =+ +−+ =+ −++ =− + + − − 2014—2018 年新能源汽车产业综合发展指标（CDIt ）的得分公式如下。结果见表 8 t CDI F F = × +× +× +× ÷ ( 1 30.924 2 20.277 3 20.025 4 19.880) 91.106 F F 表 8 2014—2018 年新能源汽车产业综合发展指标（CDIt）的得分 年份 F1 F2 F3 F4 CDI 2014 0.127886076 -0.082064329 0.270457312 0.281224667 0.0845898 2015 0.184343897 0.243575281 0.179629009 0.013270791 0.156265202 2016 -0.330374104 0.264854144 -0.409805728 0.0351606 -0.143266097 2017 0.065776022 0.05300933 0.081381903 0.127808688 0.052011948 2018 -0.047634039 -0.479377137 -0.12167025 -0.457461911 -0.149603892 3. 金融业支持指标的选取 在前面的数据分析中，研究方法主要选取三类指标作为一级指标，分别反映了新能源汽车产 业的盈利水平、营运水平以及成长水平，再选取一级指标中的具体财务指标作为二级指标，进行 主成分分析，并最终利用标准化之后的数据计算出新能源汽车产业综合发展指标。关于金融支持 指标的选择，新能源汽车产业虽然发展较快，但是整体上产业发展还未成熟，其中银行信贷和新 能源汽车企业的上市融资行为表明金融业通过间接融资和直接融资两种方式对新能源汽车产业的 发展提供支持作用。在现有研究的基础上，此次研究选取新能源汽车概念股整体资产负债率指标 （DAR）用以衡量产业间接融资情况，总市值 /GDP 指标（SEC）用以衡量直接融资情况，中国