科技型企業(yè)財務(wù)危機預(yù)警研究

潘雅瓊 劉艷

【摘 要】 從2000—2018年在滬深兩市主板上市的科技型企業(yè)中選取樣本，并從財務(wù)狀況、公司治理、科技創(chuàng)新能力三個方面選擇預(yù)警指標，運用生存分析法構(gòu)建Cox比例風(fēng)險模型進行實證研究，結(jié)果顯示：國有股比率、產(chǎn)權(quán)比率是危險因子，指標值越大，企業(yè)發(fā)生財務(wù)風(fēng)險的可能性會相應(yīng)增加;而研發(fā)投入金額、流通股比率、董事會議次數(shù)、營業(yè)利潤增長率、現(xiàn)金流動負債比是保護因子，指標值越大，可以降低企業(yè)發(fā)生財務(wù)危機的概率。進而繪制了生存函數(shù)曲線，發(fā)現(xiàn)企業(yè)生存率變化波動最大的時刻為上市70個月和150個月，此時發(fā)生財務(wù)危機的概率較大。最后對模型的判別能力進行檢驗。

【關(guān)鍵詞】 財務(wù)預(yù)警; 生存分析; Cox比例風(fēng)險模型; 科技型企業(yè)

【中圖分類號】 F275? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）08-0064-07

一、引言

隨著經(jīng)濟全球化進程的深化，企業(yè)間的競爭愈加激烈，遭遇財務(wù)危機的可能性也不斷增加，財務(wù)預(yù)警多年來都是國內(nèi)外研究的熱點問題。所謂財務(wù)預(yù)警，即運用風(fēng)險管理的相關(guān)理論和方法，分析企業(yè)面臨的宏觀環(huán)境、微觀治理、經(jīng)營狀況、財務(wù)管理等，對企業(yè)的財務(wù)風(fēng)險狀況進行識別、評估、預(yù)測并發(fā)出警示信號，以便企業(yè)防范規(guī)避風(fēng)險。科技型企業(yè)由于產(chǎn)品更新?lián)Q代的周期短，必須不斷創(chuàng)新以保持其在技術(shù)上的優(yōu)勢，因此具有高投入、高風(fēng)險、高回報并存的特點。這些特點決定了科技型企業(yè)的財務(wù)風(fēng)險遠高于其他企業(yè)。在此情形下，科技型企業(yè)迫切需要一套財務(wù)預(yù)警機制來防范風(fēng)險。生存分析法（Survival Analysis）作為一種動態(tài)的統(tǒng)計分析方法，研究特定事件發(fā)生的概率、時間及其影響因素的規(guī)律，最初在生物醫(yī)學(xué)領(lǐng)域應(yīng)用較多，因其具有動態(tài)分析發(fā)生財務(wù)危機的概率隨時間變化的規(guī)律、處理刪失數(shù)據(jù)等優(yōu)越性，而被學(xué)者們引入金融、財務(wù)等領(lǐng)域。鑒于此，本文順應(yīng)科技型企業(yè)加強財務(wù)預(yù)警的內(nèi)在訴求，基于生存分析法構(gòu)建預(yù)警模型，以期為科技型企業(yè)的持續(xù)健康發(fā)展提供指導(dǎo)和借鑒。

二、文獻綜述

（一）財務(wù)預(yù)警方面的研究

在財務(wù)預(yù)警體系的構(gòu)建中，學(xué)者們選擇的指標主要包括：傳統(tǒng)的財務(wù)比率指標，如選取償債能力、盈利能力、營運能力、發(fā)展能力[1-2]等預(yù)警指標，考察企業(yè)的基本財務(wù)能力;現(xiàn)金流量指標，學(xué)者們分別從經(jīng)營現(xiàn)金流量負債比率[3]、銷售收入現(xiàn)金量[4]、凈資產(chǎn)獲現(xiàn)率[5]等方面選取指標，考察企業(yè)的現(xiàn)金充裕程度和流入流出變動狀況;公司治理指標，通過前十大股東持股比例之和、Z指數(shù)[6]、獨立董事比例[7]等指標，考察公司的董事會規(guī)模、股權(quán)結(jié)構(gòu)等內(nèi)部治理環(huán)境的合理程度。

財務(wù)預(yù)警研究方法主要包括兩大類：一是經(jīng)典的統(tǒng)計方法，如單變量分析、多元判別分析、Z-score模型[8]、logistic回歸[9]、probit回歸等;二是人工智能方法，如神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機等方法。李揚等[10]應(yīng)用加權(quán)L1正則化支持向量機（w-L1SVM）對SVM進行了改進，解決了由于財務(wù)危機企業(yè)遠少于正常企業(yè)帶來的數(shù)據(jù)不平衡問題，提高了預(yù)測的準確率。王昱等[11]采取人工神經(jīng)網(wǎng)絡(luò)、決策樹技術(shù)，考慮經(jīng)營、財務(wù)、融資、人力資本多維效率，運用數(shù)據(jù)包絡(luò)研究上市公司的財務(wù)困境預(yù)警。

（二）生存分析方面的研究

20世紀60、70年代，在生物醫(yī)學(xué)、藥學(xué)領(lǐng)域人們開始應(yīng)用生存分析法，研究病人的術(shù)后存活率、康復(fù)時間以及藥物的臨床試驗效果，后來被引入經(jīng)濟學(xué)領(lǐng)域，研究出口貿(mào)易關(guān)系[12]、股市漲跌預(yù)測[13]、違約概率測算[14]等。少數(shù)學(xué)者在研究企業(yè)財務(wù)預(yù)警時嘗試采用生存分析法，測算企業(yè)發(fā)生危機的概率，預(yù)測其生存時間。Gemar et al.[15]用該方法發(fā)現(xiàn)住宿行業(yè)企業(yè)的生存概率取決于企業(yè)的地理位置、財務(wù)狀況、公司特征。Matsuno et al.[16]在測度日本信息服務(wù)企業(yè)的生存概率時，發(fā)現(xiàn)軟件開發(fā)、系統(tǒng)集成和委托加工這三種銷售比率具有顯著的正向影響。Lagares et al.[17]運用生存分析法研究西班牙水產(chǎn)養(yǎng)殖業(yè)，發(fā)現(xiàn)具有良好的長期償債和盈利能力、較好履行環(huán)境承諾、經(jīng)營年限較短的企業(yè)，其生存概率較大。還有學(xué)者則運用生存分析法研究公司治理結(jié)構(gòu)[18]等指標在企業(yè)財務(wù)預(yù)警中的作用。

生存分析法中的模型具有普適性，在行業(yè)的選擇上沒有太多限制要求，其適用性與行業(yè)無關(guān)。一些學(xué)者已將該方法運用于高科技行業(yè)的相關(guān)問題研究中，如：張春香等[19]聚焦于新創(chuàng)高科技企業(yè)，建立生存分析模型研究聲譽對其風(fēng)險投資獲得時間的影響;劉瀚龍等[20]也著眼于高技術(shù)企業(yè)，基于生存分析研究政府規(guī)制負擔與企業(yè)生存概率的關(guān)系。本文試圖用生存分析法研究科技型企業(yè)的財務(wù)預(yù)警問題，考慮到這類企業(yè)具有資金投入大、知識和技術(shù)密集、創(chuàng)新能力強、高風(fēng)險等與傳統(tǒng)行業(yè)迥然不同的特點，在構(gòu)建生存分析模型時除了傳統(tǒng)的財務(wù)及公司治理指標，需要引入更符合科技型企業(yè)特點的創(chuàng)新能力指標，對經(jīng)典模型進行擴展以使此類企業(yè)的風(fēng)險預(yù)警更加精準，這也是本文可能的創(chuàng)新之處。

綜上，雖然在財務(wù)預(yù)警領(lǐng)域已經(jīng)有不少的研究，但其著眼的指標大多是傳統(tǒng)的財務(wù)比率、現(xiàn)金流量或公司治理指標，科技創(chuàng)新等因素較少涉及;采用的研究方法多局限于靜態(tài)分析，或是修正經(jīng)典模型，或是對比多種研究模型的預(yù)測精度。因此，本文借鑒前人的研究成果，引入生物醫(yī)學(xué)領(lǐng)域的動態(tài)分析方法——生存分析法，它彌補了傳統(tǒng)靜態(tài)研究方法的不足，能全面展示企業(yè)歷年來財務(wù)狀況的變化規(guī)律，測算企業(yè)可能發(fā)生風(fēng)險的時點和概率，及時預(yù)警。此外，本文選擇科技型企業(yè)這一前人較少關(guān)注的行業(yè)進行生存分析，基于企業(yè)的經(jīng)營特點，加入了創(chuàng)新能力指標，考察科技型企業(yè)的創(chuàng)新資金和創(chuàng)新人才投入力度以及產(chǎn)出創(chuàng)新成果的效率。從創(chuàng)新能力、公司治理和財務(wù)狀況三個方面綜合構(gòu)建預(yù)警指標體系，指標考量更加全面，為科技型企業(yè)規(guī)避財務(wù)風(fēng)險、擺脫財務(wù)困境提供針對性指導(dǎo)，具有一定的現(xiàn)實參考價值。

三、生存分析方法論

（一）生存分析概念

生存分析是研究相關(guān)因素對特定事件是否發(fā)生（如死亡、違約、破產(chǎn)等）及發(fā)生時間的影響及其統(tǒng)計規(guī)律的一種動態(tài)分析方法。生存分析常用的估計方法主要有三種：非參數(shù)法、參數(shù)法和半?yún)?shù)法。其中Cox比例風(fēng)險模型為半?yún)?shù)法，應(yīng)用最為廣泛，是由Cox D. R（1972）提出的一種對生存時間的分布無限制、可以處理含有截尾數(shù)據(jù)樣本的模型，用來分析多種因素對研究對象生存時間的影響。其中的生存數(shù)據(jù)包括兩種：一種是完全數(shù)據(jù)，指的是可以完整觀測到其生存時間的起點和終點的樣本數(shù)據(jù);另一種是截尾數(shù)據(jù)，即在觀測期內(nèi)因各種原因（失訪、中途退出、觀測期截止等）導(dǎo)致所要研究的特定事件的開始時刻或終止時刻的數(shù)據(jù)出現(xiàn)缺失的樣本數(shù)據(jù)。

（二）生存分析基本函數(shù)

生存分析中包含生存函數(shù)、累積分布函數(shù)、風(fēng)險函數(shù)、累積風(fēng)險函數(shù)四種基本函數(shù)，它們之間可以相互推導(dǎo)轉(zhuǎn)化。其中，生存函數(shù)反映的是研究對象在經(jīng)過時點t后仍存在的概率。其基本形式為：

研究中采用最多的生存分析模型是Cox比例風(fēng)險模型，基本函數(shù)形式是：

公式2中，S（t，x）為生存函數(shù)，即生存率。S0（t）的影響因素僅包括研究對象的生存時間t，其余外界因素對其無任何影響，為基準生存函數(shù)。Xi為協(xié)變量，表示可能給研究對象的生存帶來某些不確定影響的因素，即財務(wù)預(yù)警指標。βi為計算出的協(xié)變量的系數(shù)，顯示了每個可能的因素Xi對其生存率影響程度的大小。其中，對參數(shù)βi的估計需要用到Cox提出的偏似然函數(shù)，即：

公式3中，設(shè)ti（t1<…ti…

四、實證分析

（一）指標選取與模型構(gòu)建

根據(jù)上述Cox比例風(fēng)險模型的基本形式，本文將X設(shè)為代表財務(wù)能力指標的向量，Y設(shè)為代表公司治理指標的向量，Z設(shè)為代表創(chuàng)新能力的向量。λ、ε、η則為代表三個維度變量系數(shù)的向量，顯示三個不同維度的影響因素指標對企業(yè)生存率的作用程度大小。最終建立如公式4所示的生存分析模型：

企業(yè)財務(wù)危機形成的原因復(fù)雜多變，需要多方考慮。本文著眼于財務(wù)能力、公司治理、創(chuàng)新能力三個維度，變量X1，…，X27的選擇綜合考慮了企業(yè)的償債、盈利、營運、發(fā)展能力和現(xiàn)金流量等對企業(yè)財務(wù)能力的影響，變量Y1，…，Y11的選擇則是考慮到管理層和股權(quán)結(jié)構(gòu)等對公司治理的影響。此外，在創(chuàng)新能力指標方面，已有許多的研究文獻做過系統(tǒng)的闡述。企業(yè)的創(chuàng)新能力一方面取決于企業(yè)的創(chuàng)新資源投入，如企業(yè)科研人員占比、R&D經(jīng)費投入等人力和財力的投入。另一方面取決于企業(yè)的創(chuàng)新績效，如企業(yè)申請發(fā)明專利數(shù)、科技成果獲獎數(shù)等體現(xiàn)企業(yè)創(chuàng)新產(chǎn)出效率的指標。因此，本文借鑒支軍等[21]、徐立平等[22]提出的企業(yè)創(chuàng)新能力評價與測度指標體系，選取了Z1，…，Z5這5個反映企業(yè)創(chuàng)新資金和人員投入、成果產(chǎn)出的變量。最終初步構(gòu)建的財務(wù)預(yù)警指標體系及對每個指標的假設(shè)如表1所示。

（二）樣本數(shù)據(jù)來源

本文中作為樣本的企業(yè)均是被政府有關(guān)部門資質(zhì)審核認定為“高新技術(shù)企業(yè)”或“軟件企業(yè)”的科技型企業(yè)，并且在滬深兩市主板上市。最終篩選出來的樣本企業(yè)總共有260家，其中被特殊處理（ST）的樣本70家，在觀測期間始終正常且未被ST的企業(yè)樣本190家。為進行樣本外檢驗，驗證模型的準確性，隨機選擇保留了60家企業(yè)樣本，剩余的200家企業(yè)樣本數(shù)據(jù)（正常樣本145家，ST樣本55家，）則作為建模樣本。本文中企業(yè)樣本的相關(guān)數(shù)據(jù)全部來自于政府網(wǎng)站、上市公司財務(wù)年報、CSMAR、RESSET經(jīng)濟金融數(shù)據(jù)庫。

（三）生存時間界定

本文的觀測時間設(shè)置為2000—2018年。生存時間以月為尺度進行計算，生存時間的起點均為企業(yè)首次掛牌上市之時，對于生存時間終點T的設(shè)置，截尾數(shù)據(jù)（非ST企業(yè)）的生存終點為2018年12月31日，即觀測期末，完全數(shù)據(jù)（ST企業(yè)）則以企業(yè)第一次被特殊處理（ST）的時刻為生存終點。鑒于國內(nèi)證券交易所決定企業(yè)是否應(yīng)被“ST”的直接依據(jù)是企業(yè)前兩年的經(jīng)營財務(wù)情況，為了確保最終模型預(yù)測結(jié)果的科學(xué)性，本文搜集整理數(shù)據(jù)時摒棄了T-1和T-2年的數(shù)據(jù)，而選擇T-3年的數(shù)據(jù)納入模型進行研究，因此，最終篩選出的樣本中企業(yè)首次上市時間最晚不超過2015年。

（四）數(shù)據(jù)處理及實證過程

1.顯著性檢驗

在對原始數(shù)據(jù)進行缺失值及標準化處理的基礎(chǔ)之上，本文采用Mann-Whitney U檢驗對所有的變量進行顯著性檢驗，初步判斷在ST企業(yè)和非ST企業(yè)中這些指標是否表現(xiàn)出明顯的差異。最終的檢驗結(jié)果表明，X12（P=0.143）、X14（P=0.481）、X17（P=0.997）、X18（P=0.729）、X19（P=0.927）、X20（P=0.225）、X26（P=0.947）、Y2（P=0.473）、Y3（P=0.061）、Y8（P=0.124）、Y9（P=0.554）、Z3（P=0.170）、Z4（P=0.597）這13個指標的P值全都大于0.05，沒有通過顯著性檢驗，因此這些變量不能納入研究模型，將其剔除。

2.多重共線性檢驗

通過Spearman相關(guān)分析，發(fā)現(xiàn)X2、X5、X27這三個指標的相關(guān)系數(shù)高于0.7，因此將其去除。接著對余下的27個指標的多重共線性進行檢驗，最終的診斷結(jié)果中每個變量的容忍度（TOL）和方差膨脹因子（VIF）這兩個指標的大小都符合“TOL>0.1，VIF<10”這一判斷標準，因此，可以基本上判定這27個變量間不存在多重共線性。

3.Cox模型回歸

將通過上述過程篩選出的27個變量納入Cox模型進行回歸。回歸過程通過SPSS軟件實現(xiàn)，采用“Forward：LR法”讓協(xié)變量進入模型，設(shè)定進出模型的概率均為0.1，在5%的顯著性水平迭代回歸多次后，得到如表2所示的模型回歸結(jié)果。從表2中可以看出，最終只有7個關(guān)鍵指標會對模型的結(jié)果產(chǎn)生顯著的影響，且變量的顯著性全都小于0.05，表明模型在5%的顯著性水平上具有解釋力。

4.比例風(fēng)險假設(shè)PH檢驗

由于Cox模型的構(gòu)建需要滿足一個重要的假設(shè)——模型中協(xié)變量對風(fēng)險率的影響（即Hazard Ratio）不會隨著時間的推移而發(fā)生改變，所以需要對Cox模型回歸的結(jié)果進行比例風(fēng)險假設(shè)檢驗，基于表2中的回歸結(jié)果，在Stata軟件中輸入命令“estat phtest，detail”以檢驗回歸得到的Cox模型是否符合PH假設(shè)。結(jié)果顯示其協(xié)變量X8、X11、X13、Y6、Y10、Y11、Z5的顯著性分別為0.78、0.15、0.63、0.15、0.60、0.90、0.14，全都大于0.05，同時Global test一行代表模型整體的檢驗結(jié)果，其顯著性的值為0.61，也大于0.05，不能拒絕PH假定，說明Cox回歸結(jié)果是滿足比例風(fēng)險假設(shè)的。

（五）實證結(jié)果分析

回歸結(jié)果顯示，X11、X13、Y6、Y11、Z5的系數(shù)β分別為-0.997、-0.567、-0.527、-0.560、-0.817，全部都小于0，說明這些變量可以降低財務(wù)風(fēng)險，是保護因子。而X8、Y10的系數(shù)β分別為0.283、0.282，都大于零，說明這些變量會增加發(fā)生財務(wù)危機的概率，是危險因子。

從保護因素的角度看，現(xiàn)金流動負債比的相對危險度Exp（β）值為0.369，表明指標X11值越大，企業(yè)賺取現(xiàn)金的能力越強，對短期債務(wù)的償付能力越強，財務(wù)風(fēng)險越小。營業(yè)利潤增長率的Exp（β）值為0.567，同理，該指標值越高，表明企業(yè)營業(yè)利潤增長速度越快，反映出企業(yè)的經(jīng)營業(yè)務(wù)市場前景較好，具有持續(xù)性的利潤增長點，具備長期發(fā)展的潛力，發(fā)生風(fēng)險的可能性越低。董事會議次數(shù)的Exp（β）值為0.590，表明如果公司的股權(quán)所有者更多地召開董事會，則更有利于其履行對經(jīng)營者的監(jiān)督管理職責(zé)，經(jīng)營決策科學(xué)性更強，企業(yè)的經(jīng)營風(fēng)險也隨之降低。流通股比例的Exp（β）值為0.571，說明如果企業(yè)可以在市場中自由交易流通的股票數(shù)占比越高，則公司的所有權(quán)更為分散，不會出現(xiàn)“一言堂”，經(jīng)營決策風(fēng)險更低。研發(fā)投入金額的Exp（β）值為0.442，表明對于科技型企業(yè)來說，研發(fā)投入總額越多，則企業(yè)產(chǎn)品的更新?lián)Q代能力越強，在競爭中更有優(yōu)勢，風(fēng)險更小。

從危險因素上看，產(chǎn)權(quán)比率反映企業(yè)舉債經(jīng)營的程度，其Exp（β）值為1.327，表明如果企業(yè)的產(chǎn)權(quán)比率指標越高，則企業(yè)的總資產(chǎn)中自有資金占比越低，過多地依賴于債權(quán)人提供的資金進行日常經(jīng)營，資金結(jié)構(gòu)不夠合理，導(dǎo)致企業(yè)償還長期債務(wù)的能力較弱，風(fēng)險過大。國有股比率反映國有資本對企業(yè)的控制程度，其Exp（β）值為1.326，表明若企業(yè)的股權(quán)結(jié)構(gòu)中屬于國有的股份比重過高，則企業(yè)的經(jīng)營和管理就更有可能因為組織結(jié)構(gòu)靈活性不夠、效率低下而缺乏市場競爭力，更容易陷入財務(wù)困境，風(fēng)險更高。

（六）生存函數(shù)圖

此外，通過回歸還可以得到如圖1所示的生存函數(shù)圖，其中，橫縱坐標分別代表著企業(yè)上市后生存時間和累積生存率，它可以直觀地顯示出隨著時間的推移，企業(yè)在不同時點累計生存率的波動趨勢。通過圖1可知，企業(yè)生存的第一個高危時段存在于上市70個月（5.8年）時，在這一時點之后，企業(yè)累積生存率有一個較大幅度的下跌，說明處在這個時間段的企業(yè)有很大可能陷入財務(wù)困境。而第二個高風(fēng)險的時段存在于上市150個月（12.5年）之時，企業(yè)的生存率同樣下降得十分迅速，經(jīng)營風(fēng)險較大。

（七）基準生存函數(shù)的估計

Cox回歸完成后，就能通過表2的回歸結(jié)果知曉每個協(xié)變量的系數(shù)β的值，此外，還需要求解基準生存函數(shù)S0（t）的函數(shù)形式，才能確定Cox模型的最終形式。通過歸納和總結(jié)其他學(xué)者的研究，可知基準生存函數(shù)S0（t）的分布形式具有不確定性，需首先假設(shè)其滿足某一特定分布形式，因此，本文假設(shè)S0（t）滿足指數(shù)分布。同時，基于壽命表法可以計算出不同的生存時間t所一一對應(yīng)的企業(yè)生存率，得出具有對應(yīng)關(guān)系的基準生存率表。

基于上述假設(shè)，可知S0（t）的基本形式為：S0（t）=e-λt，將左式兩邊取對數(shù)，可將其轉(zhuǎn)化為Ln[S0（t）]=-λt，通過代數(shù)替換，即令X=t，Y=Ln[S0（t）]，將其轉(zhuǎn)化為一次函數(shù)的形式Y(jié)=-λt，最后，將前面得到的基準生存率表中數(shù)據(jù)代入，進行一元線性回歸，求得的模型的擬合優(yōu)度達到了0.96，說明其滿足指數(shù)分布的假設(shè)是可行的。

線性回歸進行參數(shù)估計的結(jié)果顯示其常數(shù)項顯著性為0.114，大于0.05，不顯著，一次項X的顯著性為0.000，且系數(shù)為-0.002，則可以得到回歸出的線性函數(shù)表達式為Y=-0.002X，與之前假設(shè)的指數(shù)分布形式Y(jié)=-λt一致，因此可以得到Ln[S0（t）]=-0.002t，最終得到基準生存函數(shù)的表達式為S0（t）=e-0.002t，則Cox模型最終形式為：

（八）模型的預(yù)測能力檢驗

檢驗?zāi)Ｐ偷呐袆e能力，需要設(shè)定一個判別點，生存分析理論上不存在最優(yōu)判定點，在判別分析與Logit回歸研究中，研究者通常將判別點的取值定為0.5，因此，本文遵照此判斷標準，將生存率大于0.5的企業(yè)判為正常企業(yè)，生存率小于0.5的企業(yè)判為ST企業(yè)，表3中顯示的就是最終的預(yù)測統(tǒng)計結(jié)果。從表中可知，以0.5為判定點，模型在原始的建模樣本中表現(xiàn)較好，預(yù)測精度高達86.5%，在進行樣本外檢驗時模型的預(yù)測精度（81.7%）僅有一定的降低，但相較而言降幅較小，且二者的綜合預(yù)測準確度為85.4%，波動性較小，說明模型的預(yù)測結(jié)果具有穩(wěn)定性，預(yù)測能力良好。

五、結(jié)論

本文以滬深兩市主板的260個科技型上市公司的數(shù)據(jù)樣本進行實證研究，從財務(wù)狀況、公司治理、創(chuàng)新能力三方面選取財務(wù)預(yù)警指標，利用生存分析法中的Cox比例模型進行回歸，得出影響科技型企業(yè)生存率的7個關(guān)鍵指標，繪制生存曲線，得到企業(yè)生存率隨時間動態(tài)變化的規(guī)律，并對模型的預(yù)測能力進行檢驗，整體預(yù)測精度為85.4%。

實證結(jié)果顯示，若研發(fā)投入金額、流通股比率、董事會議次數(shù)、現(xiàn)金流動負債比、營業(yè)利潤增長率這5個關(guān)鍵的指標值越大，對企業(yè)的財務(wù)風(fēng)險的減小可以起到積極的影響，是保護因子。產(chǎn)權(quán)比率、國有股比率2個指標值如果過大則會增加企業(yè)發(fā)生財務(wù)危機的概率，是危險因子。因此，對于科技型企業(yè)，從財務(wù)狀況來看，提升企業(yè)經(jīng)營活動中的盈利能力，并維持企業(yè)充足的現(xiàn)金來源，避免過高的負債比率，對于削弱企業(yè)的財務(wù)風(fēng)險有重要的作用。從公司治理的情況來看，董事會需要加強對企業(yè)事務(wù)的關(guān)注度，并對經(jīng)理層進行監(jiān)管，還要保證企業(yè)能自由流通的股份占有較大的份額，以使股權(quán)盡量分散，同時，可以逐漸降低和調(diào)整國有股權(quán)比例，形成多元化的股權(quán)結(jié)構(gòu)，以降低管理中的風(fēng)險。從企業(yè)創(chuàng)新的角度來看，科技型企業(yè)之間的競爭依靠的就是技術(shù)的先進性和獨特性，而要提升企業(yè)的技術(shù)創(chuàng)新能力，培養(yǎng)這種技術(shù)上的核心競爭力，就必不可少地需要大量研發(fā)資金和相關(guān)人力物力的投入，同時還要關(guān)注企業(yè)的創(chuàng)新轉(zhuǎn)化效率，只有創(chuàng)新成果的取得才能直接降低企業(yè)的經(jīng)營風(fēng)險。

【參考文獻】

[1] DU JARDIN P.Dynamics of firm financial evolution and bankruptcy prediction[J].Expert Systems with Applications，2017，75：25-43.

[2] 阿小燕，趙娟.資源型上市公司財務(wù)預(yù)警實證分析[J].財會月刊，2018（2）：79-84.

[3] ALMAMY J，ASTON J，NGWA L N.An evaluation of Altman' s Z-score using cash flow ratio to predict corporate failure amid the recent financial crisis：evidence from the UK[J].Journal of Corporate Finance，2016，36：278-285.

[4] 劉翰林，張友棠，彭穎.基于現(xiàn)金流的上市公司財務(wù)預(yù)警研究——以信息技術(shù)業(yè)為例[J].財會通訊，2016（31）：24-27.

[5] BEN JABEUR S.Bankruptcy prediction using partial least squares logistic regression[J].Journal of Retailing and Consumer Services，2017，36：197-202.

[6] 鮑新中，陶秋燕，傅宏宇.基于面板離散選擇模型的企業(yè)財務(wù)預(yù)警及其行業(yè)適用性[J].系統(tǒng)管理學(xué)報，2016，25（1）：36-44.

[7] MIGLANI S，AHMED K，HENRY D.Voluntary corporate governance structure and financial distress：Evidence from Australia[J].Journal of Contemporary Accounting & Economics，2015，11（1）：18-30.

[8] FITO M A ，PLANA-ERTA D，LLOBET J.Usefulness of Z scoring models in the early detection of financial problems in bankrupt Spanish companies[J].Intangible Capital，2018，14（1）：162-170.

[9] KRISTANTI F T，RAHAYU S，HUDA A N.The Determinant of financial distress on indonesian family firm[J].Procedia - Social and Behavioral Sciences，2016，

219：440-447.

[10] 李揚，李竟翔，馬雙鴿.不平衡數(shù)據(jù)的企業(yè)財務(wù)預(yù)警模型研究[J].數(shù)理統(tǒng)計與管理，2016，35（5）：893-906.

[11] 王昱，楊珊珊.考慮多維效率的上市公司財務(wù)困境預(yù)警研究[J].中國管理科學(xué)，2020（7）：1-12.

[12] 張亞斌，黎謐，李靜文.制造業(yè)出口貿(mào)易生存分析與跨國比較研究[J].國際貿(mào)易問題，2014（11）：3-13.

[13] 賀筱君，陳俊男，吳佳懋.生存分析在股市期市漲跌預(yù)測中的應(yīng)用[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2014（12）：116-122.

[14] DIRICK L，CLAESKENS G，BAESENS B.Time to default in credit scoring using survival analysis：a benchmark study[J].Journal of the Operational Research Society，2017，68（6）：652-665.

[15] G？魪MAR G，MONICHE L，MORALES A J.Survival analysis of the Spanish hotel industry[J].Tourism Management，2016，54：428-438.

[16] MATSUNO S，UCHIDA Y，TSUTOMU ITO，et al.A survival analysis of the Japanese information service industry[J].Procedia Computer Science，2017，121：291-296.

[17] LAGARES E C，ORDAZ F G，HOYO J G.Innovation，environmental commitment，internationalization and sustainability：A survival analysis of Spanish marine aquaculture firms[J].Ocean and Coastal Management，2018，151：61-68.

[18] 孫奕馳，張藝馨.上市公司治理風(fēng)險預(yù)警研究——基于時依協(xié)變量的COX 模型[J].會計之友，2011（2）：65-67.

[19] 張春香，張百舸.新創(chuàng)高科技企業(yè)聲譽對其風(fēng)險投資獲得時間的影響——基于Cox比例風(fēng)險模型的實證分析[J].技術(shù)經(jīng)濟與管理研究，2018（9）：57-61.

[20] 劉瀚龍，范黎波，李德輝.政府規(guī)制負擔降低了高技術(shù)企業(yè)的生存概率嗎？——基于微觀企業(yè)的經(jīng)驗分析[J].財經(jīng)論叢，2018（6）：96-103.

[21] 支軍，王忠輝.自主創(chuàng)新能力測度理論與評估指標體系構(gòu)建[J].管理世界，2007（5）：168-169.

[22] 徐立平，姜向榮，尹■.企業(yè)創(chuàng)新能力評價指標體系研究[J].科研管理，2015（36）：122-126.