摘 要

随着知识经济时代的到来，科技型公司特别是一些高新技术主导的科技型公司迎来到了新的春天，高科技企业得到迅猛发展，其所产生的经济效益已经成为国民经济的重要支柱，高科技产业已经成为我国在新一轮科技革命中取得战略性优势的必然选择。因此，科技型企业能否既迅速又稳定地发展对于我国经济来说十分重要。

由多种财务指标加权得出的Z-score模型，是检测企业财务风险，进行破产与危机预警的有效模型。本文即采用Z-score模型作为科技企业财务风险预警的检验工具，从财务分析的角度出发，选取40家A股科技型上市公司披露的相关财务数据，选取最能体现企业盈利能力、负债能力和营运能力的五个指标，通过建立Z-score模型来寻找企业破产风险预警信号，进而达到有效的企业财务风险管理目的，并将其应用于高科技上市公司C公司的财务风险预警，据此提出针对性的对策建议。

研究结果表明，科技型上市公司的财务风险来源多样，内外部因素皆有影响,通过选取多个样本及对案例公司的财务风险分析，证实了Z-score模型对于预警科技型上市公司财务风险的有效性。

关键词：风险预警，财务风险，科技型上市公司

Abstract

With the advent of the era of knowledge-based economy, technology-based companies, especially some high-tech-led technology-based companies, ushered in a new spring. High-tech enterprises have developed rapidly. The economic benefits generated by them have become an important pillar of the national economy. High-tech industry has become a new round of scientific and technological revolution in China. The inevitable choice to gain strategic advantage. Therefore, it is very important for our country's economy whether science and technology enterprises can develop rapidly and steadily.

The Z-score model, weighted by various financial indicators, is an effective model for detecting financial risks of enterprises and forecasting bankruptcy and crisis. This paper uses Z-score model as a test tool for financial risk early warning of science and technology enterprises. From the point of view of financial analysis, this paper chooses relevant financial data disclosed by 40 A-share technology-based listed companies, and chooses five indicators that can efficiently reflect the profitability, debt capacity and operational capacity of enterprises to establish Z-score model. Find early warning signal of enterprise bankruptcy risk, and then achieve the purpose of effective enterprise financial risk management, and apply it to company as a case study, and put forward countermeasures and suggestions based on the results of modeling.

The results show that the financial risk sources of science and technology listed companies are diverse, including both internal and external factors . By selecting several samples and analyzing the financial risk of case companies, the effectiveness of Z-score model for early warning of financial risk of science and technology listed companies is confirmed, and it can be promoted in the industry.

Key Words：Risk Early Warning, Financial Risk, Scientific and Technological Listed Companies

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究目的及意义 1

1.1.1 目的 1

1.1.2 意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 4

1.2.3 研究评述 5

1.3 研究内容与方法 6

1.3.1 研究内容 6

1.3.2 研究方法 7

第2章 科技企业财务风险预警基本理论 9

2.1 基本概念 9

2.1.1 科技企业的界定 9

2.1.2 风险 9

2.1.3 财务风险 9

2.2 科技企业财务风险的来源 9

2.3 财务风险预警方法 10

2.3.1 单变量模型 10

2.3.2 多变量模型 11

2.4 Z-score模型的适用性 12

第3章 科技型上市公司财务风险现状及成因 14

3.1 科技型上市公司财务风险总体现状 14

3.2 科技型上市公司财务风险成因 15

3.2.1 外部因素 15

3.2.2 内部因素 16

第4章 科技型上市公司财务风险预警模型的构建 17

4.1 样本选取与数据来源 17

4.2 预警指标的选取 18

4.2.1 指标选取原则 18

4.2.2 预警指标 18

4.3 Z-score模型参数确定 19

4.4 显著性检验 19

第5章 财务风险预警模型在C公司的运用 22

5.1 C公司概况 22

5.2 C公司财务现状 22

5.3 C公司财务风险预警结果与分析 24

5.4 对策建议 25

第6章 研究结论与展望 27

6.1研究结论 27

6.2研究展望 27

参考文献 28

致谢 30

第1章 绪论

1.1 研究目的及意义

1.1.1 目的

随着知识经济时代的到来，科技型公司特别是一些高新技术主导的科技型公司迎来到了新的春天，高科技企业得到迅猛发展，其所产生的经济效益已经成为国民经济的重要支柱，高新科已经及成为我国在新一轮科技革命中取得战略性优势的必然选择。因此，科技型企业能否既迅速又稳定地发展对于我国经济来说十分重要。

高技术产业的实质就是使用当代的尖端技术来生产高科技产品的产业群，主要集中在信息技术、新材料、生物工程等领域，是一种人才密集、知识密集、技术密集、资金密集、信息密集的产业，高科技企业作为高技术产业的重要组成部分，兼具着高投入、高收益的特点，但这往往意味着随之而来的高风险性，这些风险通常来自于不同方面，比如技术研发失败、经营管理存在漏洞、员工专业素质不够、企业财务管理不善等等。

近年来，由于高科技企业发展势头大好、前景一片光明，国内的许多科技型公司已经掀起了一场上市潮。据相关资料显示，仅仅在2018年度一年内，已经有先后39家科技公司在港交所、纽交所、纳斯达克挂牌上市或递交了招股书，比如小米、印客、美团等互联网科技公司，这一数量创下国内科技公司在境外上市的新纪录，甚至超过阿里巴巴、京东上市的2014年。然而，公司一旦成功上市，其所面临的经营和管理环境就会发生变化，财务风险便会大大增加，这需要企业及早进行财务风险的预警分析工作，尽早做好防范措施。

科技产业相较于一般传统产业，其发展更为迅速，对其他产业渗透性强，影响大，然而，国内对于科技型产业这类新兴产业财务风险尚且缺失具体详细的研究。出于这一考虑，本文试图以企业的信息化为基础，通过文献归纳、实证研究和案例研究等方法来选择建模方法、筛选建模指标，并根据科技型企业自身的发展特点和经营需求来建立一个适合科技型上市企业的财务风险预警模型，从而对高科技企业经营过程中的财务风险进行及时监控，以达到帮助科技公司管理者尽早发现潜在风险，更好地进行风险识别及防范工作的目的。

1.1.2 意义

（1）理论意义

由于高科技产业在我国尚属于新兴产业，虽然发展势头迅猛，但发展的时间还不算长，我国目前对于科技产业较为具体的财务风险研究还是比较少的，也没有能够形成最适合科技型企业的一整套财务风险预警分析体系，虽然对于财务风险预警模型的研究不少，但由于科技产业其独特的性质与特点，尚且不能够套用一套标准模版。而本文针对科技型上市公司的特点，对其进行财务风险预警模型的选取和补充，也是是对风险预警研究的发展和创新。除此以外，高科技产业作为弥补传统产业经济下滑的中流砥柱，国家有关政府部门势必会对其制定宏观的经济政策、调控其经济运行，而加强对科技型上市企业的财务风险了解，对于作出正确适当的经济政策有重要的理论作用。

（2）现实意义

企业一旦上市以后，其所面临的整个经济环境及营业环境都会发生一些重大变化，比如出现更多的利益相关者，其财务风险也会随之发生变动。因此，从不同的利益相关者角度来看，加强对企业的财务风险预警都是十分必要的，具有重要的现实意义。

对科技型上市公司本身来说，了解企业自身的财务风险，建立专业的财务风险预警体系，能够帮助企业自身及早认识到自身管理问题上的缺陷的不足之处，并且针对这些问题，及早进行财务风险的识别及防范工作，减少或避免由此带来的经济损失，甚至能够更好地帮助下一步的部署工作，有利于科技型企业的长远发展。

对于投资者来说，科技型企业上市后，他们虽然拥有了更为丰富的投资渠道，但这些投资渠道往往都会一定的投资风险，有些投资者甚至对本行业不太了解，只是跟风投资，这大大影响了收益的稳定性和安全性。而通过专门的财务风险预警体系，投资者能够了解到企业更多的财务信息和真实财务状况，更好地做出决策，从而有效规避投资风险，减少投资无法收回的危险。

1.2 国内外研究现状

1.2.1 国外研究现状

财务风险预警属于风险管理体系，由于第一次工业革命的影响，“风险管理”这个词汇最先于十九世纪三十年代诞生于美国，其后六十年，美国又成立了专门的风险分析学会。自此，企业风险的识别和预警开始在西方世界范围缓慢成长起来，并且在全球范围内广泛用于企业的财务管理中。目前，国外学者对财务预警模型的研究方法只要有以下几种：

单变量财务风险预测模型

Fitzpartrick是世界上首位提出单变量模型的学者，他运用单变量进行企业财务风险以及财务困境预测研究，在对38家破产企业和非破产企业的财务经营状况进行了分析之后，他撰写了《成功工业企业和失败工业企业财务比率分析的比较》一文，并指出：将经营政策的企业和存在财务危机的企业相比较，很容易发现两者的财务比率有显著不同。他认为企业财务比率不仅能够反映企业财务状况与经营成果，而且它对企业的未来具有预测功能^[1]。

William Beaver将单变量模型运用于预测企业破产理论，在《以财务比率预测企业失败，会计上的经验研究：选择性研究》一文中，以1954-1964年度的企业经营数据为分析基础，指出财务比率可用于预测企业偿付能力，这些财务比率可用于区分企业有无偿付能力，其正确程度得到一定提升。1968年，Beaver又发表了《作为破产预测者的财务比率》一文中，Beaver通过对比79对破产企业和非破产企业各13年的财务项目的平均值，并且运用5个单变量进行一元预测，从而得出结论：债务现金比率、资产收益率、资产负债率、资产安全率是预测企业危机最有效的四个财务指标^[2]。

Bogdan在2014年将运用单变量模型及多元回归模型综合起来，对金融机构的风险进行了分析，研究发现仅仅需要两个以上的指标即可确定金融机构风险的危险程度。

多变量财务风险预测模型

用多元变量来判断企业财务状况的模型就是多变量模型。多变量模型主要包括以下几种：

①Z-score模型

Edward I.Altman（1968）首次利用多元判别分析法即MDA进行了财务预警研究，在其《财务比率，差异分析和企业破产预测》一文中，以1:1的比例将总共66家企业分为财务危险和财务安全财务两个样本组，运用了配对抽样法，选取22个财务比率来分析公司可能存在的财务危机。Edward I.Altman利用多元鉴别分析的方法，逐步筛选出5种预测准确性最高的财务比率，建立起了一个类似回归方程式的鉴别函数——Z-score法模式。该模型奠定了多变量财务风险预警系统的理论基础^[3]。

P.WU（2016）在传统的财务风险管理与收益的风险管理的分析基础上，提出了多元线性模型，并验证了其有效性，证明了构建财务风险预警模型的必要性。

②多元逻辑模型

Ohlson（1980）是首位将逻辑回归方法引入财务危机预警领域的学者，逻辑回归分析方法使财务预警得到了重大改进，克服了传统判别分析中的许多问题，包括变量属于正态分布的假设以及破产和非破产企业具有同一协方差矩阵的假设^[4]。

Tirapat (1999）在之后运用多元逻辑回归法模型对企业财务失败的根本原因进行分析，发现宏观经济条件能够对企业财务危机的产生带来一定影响，因此通过研究相关得财务变量可以更好的预测企业财务风险。

Matthieu ( 2002）有在此基础上进行了部分创新，他克服了逻辑模型只能判断出财务失败的发生与不发生的缺点，并且运用过二元离散方法将财务风险分成不同程度，在此基础之上有更进一步创新了多变量逻辑模型，经过实证，确认了多变量逻辑模型能够对财务风险进行有效预警。

P Cahce、G Caggiano、L Leonida和G Kapetanios(2016)银行财务风险预警体系进行了研究，建立了多项logistic回归预警模型和二项logistic回归预警模型，同时进行模型预测准确性的比较。最终得出多项 logistic回归预警模型优于二项logistic回归预警模型的结论^[5]。

③多元比率回归模型

该模型的计算与逻辑模型有相似之处，精准度也较高，但由于其对于样本数据的要求更为严苛，因此使用范围不是很广泛。

以新型信息技术为支撑的理论方法