信息技术类公司

信息技术类公司（精选12篇）

信息技术类公司 篇1

摘要：本文以沪深股市59家信息技术类上市公司为研究样本，选用流动比率等13项财务指标，借助因子分析方法，从中提炼出4主因子，并通过因子命名，明确各主因子的经济含义。然后，采用回归法计算各主因子得分、综合绩效总得分及排名，并结合实际进行深层次研究和探讨，以期为信息技术类上市公司成长价值研究以及政府政策制定提供依据。

一、实证研究方法论——因子分析法理论简介

因子分析是主成分分析的推广和发展,它是将具有错综复杂关系的变量(或样品)综合为数量较少的几个因子,以再现原始变量与因子之间的相互关系,同时根据不同因子还可以对变量进行分类,它也是属于多元分析中处理降维的一种统计方法。因子分析的任务,首先是估计出(aij)和方差,然后将这些抽象因子赋予有实际背景的解释或者给以命名。利用综合出的少数因子,以再现原始变量和因子之间的相互关系,以达到降维和对原始变量进行分类的目的。因子分析的基本思想是通过变量(或样品)的相关关系矩阵(对样品是相似系数矩阵)内部结构的研究,找出能控制所有变量(或样品)的少数几个随机变量去描述多个变量(或样品)之间的相关(相似)关系。但在这里,这少数几个随机变量是不可观测的,通常称为因子。然后,根据相关性(或相似性)的大小把变量(或样品)分组,使得同组内的变量(或样品)之间相关性(或相似性)较高,但不同的变量相关性(或相似性)较低。

二、样本公司经营绩效评价

(一)经营绩效评价指标的选取。

为综合反映评价样本公司的经营业绩,选定四个方面12个财务指标。(1)反映上市公司偿债能力的指标。选择的指标包括流动比率、速动比率、资产负债率。资产负债率反映长期偿债能力,流动比率和速动比率等反映短期偿债能力,都是适度指标,若过低可能说明公司经营过于保守,过高又表明公司扩张过度,资金流动没有保障。(2)反映上市公司盈利能力的指标。盈利能力的大小决定了股票价值的高低。我们选择的指标包括总资产报酬率、净资产收益率、成本费用利润率。这些指标反映公司的整体销售获利能力。(3)反映上市公司成长能力的指标。主要包括主营业务收入增长率、主营利润增长率。主营业务是上市公司重点发展方向和利润的来源,主营业务利润率越大,上市公司在市场竞争中就更具有优势。(4)反映上市公司资产运营能力的指标。主要包括总资产增长率、固定资产增长率、净资产增长率。

(二)数据采集与可行性检验。

本文利用SPSS统计分析软件,根据反映上市公司成长价值指标所组成的指标体系,采用因子分析的统计方法,选用23家公司2005、2006年报中的数据进行分析,从而得出反映上市公司成长价值的基本排名,这将对现实应用有一定的实际意义。

本文采用KMO检验法和Bartlett球度检验法进行检验.根据SPSS11.0输出结果可得,KMO值为0.633,基本达到因子分析的可行性标准。Bartlett球度检验的显著性Sig.为0.000,远小于5%,因此拒绝零假设,认为适合做因子分析。

(三)主因子提取与定义。

本文采取主成分分析法,运行包含13个变量的基本模型,可得到4个主因子,使得累计解释的方差比例为81.615%,符合大于80%的标准。为了更好地对主因子进行解释,采用最常用的方差极大法对表1提取的主因子进行因子旋转。(表1、表2)

表1中第一个主因子在现金比率、流动比率、速动比率资产负债上有较大的载荷,它对全部初始变量的方差贡献率为32.524%。我们将该因子称为偿债能力因子。它也是我们评价样本公司经营绩效时需要重点考虑的因素。第二个主因子在总资产报酬率、净资产收益率、主营利润增长率、净利润增长率上有较大的载荷,我们将之称为盈利能力与成长质量因子。第二个主因子对全部初始变量的方差贡献率为25.848%,是我们评价样本上市公司经营绩效时所需要考虑的主要方面。第三个主因子在总资产增长率、净资产增长率上具有较高的载荷,我们称为资产增长能力因子,第三个主因子对全部初始变量的方差贡献率为14.907%。第四个主因子在主营收入增长率和固定资产增长率上有较大的载荷,它对全部初始变量的方差贡献率为8.336%。我们将该因子称为主营业务与资产扩张能力因子。

注:F1、F2、F3、F4指各主因子

(四)主因子得分模型与公司经营绩效状况评价。

由表3可以得到各个样本公司在每个主因子上的得分。由于每个主因子只反映了中小企业板块上市公司某个方面的能力。为此,本文以主因子特征值的贡献率为权重来加权计算各公司综合业绩的因子总得分,主因子得分模型如下:F=(0.32524F1+0.25848F2+0.14907F3+0.8336F4)/0.81615。限于文章篇幅,表3列出了的因子总得分排名前五名和后五名的10家样本公司中综合业绩的各因子得分、因子综合得分及总得分排序情况,并进行相关的分析。(表3)

三、结果讨论与建议

从主因子特征值对全部初始变量的方差贡献率来看,反映偿债能力的第一个因子对全部初始变量的方差贡献率最大,对全部初始变量的方差贡献率为32.524%,反映盈利能力与成长质量的第二个因子对全部初始变量的方差贡献率最大,对全部初始变量的方差贡献率为25.848%,反映资产增长能力的第三个主因子对全部初始变量的方差贡献率为14.907%。这从侧面反映了盈利能力、成长质量与财务杠杆在提高我国信息技术类上市公司业绩方面发挥着积极作用。从各公司的三个主因子得分和综合得分的情况来分析,样本公司中除了因子总得分排名第四七喜控股的各因子得分均大于零以外,其他公司总有某些因子得分小于零,反映了公司的相关能力较差。因此,对我国信息技术类上市公司需要积极通过增强营运管理能力、技术创新能力,提高劳动生产率,提高成长质量,不断增强核心竞争力。

信息技术类公司 篇2

文件编号：信息技术有限公司规范化文件

信息技术有限公司

工程部部门职能

一、负责编制公司工程项目施工计划，审核公司外包工程项目实施方案及进度计划。

二、负责编制、修改和申报公司外包工程项目招标文件，参与公司外包工程项目评（议）标工作。

三、参与公司外包工程项目参标单位的考察及比选。

四、负责起草和申报公司外包工程项目合同/协议。

五、配合商务部对公司承接的工程项目进行投标文件内容确认，包括但不限于项目范围、项目质量要求、项目成本预算等。

六、参与考察公司承接的工程项目中甲供材料设备供应商，提出比选意见，并负责甲供材料设备到货验收、调拨及保管工作。

七、负责协调施工单位做好施工现场安全、文明施工管理。

八、负责施工现场各施工单位之间、施工单位与公司客户（项目业主方）之间、施工单位与监理之间、公司与各施工单位及客户（项目业主方）之间的关系协调及问题的解决，做到问题的解决书面有记录、有跟进、有落实，有反馈。

九、负责参加公司客户（项目业主方）召开的工程例会，将会议精神及客户需求反馈至相关部门或施工单位，并予以跟进落实。

十、负责组织召开公司工程例会和工程协调会，每周以工作总结及计划形式提报总经室。

十一、负责施工现场施工质量及施工进度的管理及督控，对现场

出现的施工问题，联同技术研发部及施工单位共同寻找解决办法并予以落实。

十二、负责公司外包工程项目施工单位提交的工程量、施工工艺变更及工程延期签证的受理和确认工作。

十三、负责与公司客户（项目业主方）办理工程量、施工工艺变更及工程延期签证的申请及手续办理。

十四、负责审查施工单位提交的项目工程进度款、结算款、质保金的支付申请。

十五、负责与公司客户（项目业主方）办理项目进度款申付前的工程进度及完工量书面签认工作。

十六、负责与公司客户（项目业主方）竣工验收申请计划的编制、递交，联同技术部共同完成验收前各项准备工作。

十七、负责审核公司外包工程项目施工单位提交的阶段性验收申请。

十八、负责公司外包工程项目工程阶段性验收及竣工验收，出具并上报验收报告。

十九、负责部门规章制度及业务流程的起草、修订及上报工作。

二十、负责部门工作计划（总结）及定岗定编计划的编制和申报。

二十一、负责部门费用预算的编制、申报及费用支出督控管理工作。

二十二、负责部门员工招聘面试、业务培训，协助行政综合部做

好部门员工绩效考评工作。

二十三、负责部门工程档案的收集、整理、归档及管理工作，并于每个单体项目竣工后，及时将资料移交行政综合部。

二十四、完成总经室交办的其他工作。

郑州胜龙信息技术股份有限公司 篇3

智能裸眼立体显示系统，是将立体显示技术与人工智能识别技术结合在一起，使人们在感受立体逼真画面的同时，通过各种智能互动方式与系统进行人机对话。

这个技术我们一直在投入研发，已经七、八年了，我们在2011年已经拿到了初步几个专利。公司在去年11月13日挂牌新三板，现在公司注册资本1400万。我们一直被认定为高新技术企业和软件企业，拥有专利技术13项，软件著作权2项，现在还有4项软件著作权和6项专利正在申请中。

我们在2012年开始做三维立体大屏幕。大家可能看过阿凡达之类的电影，是立体的。但是，你会遇到一种情况，去看立体大屏幕的时候需要戴眼镜。而我们的技术路线第一步是让你先把眼镜去掉，让你不戴眼镜看到一个立体大屏幕，现在我们原型机已经做出来了。第二步我们在大屏幕上可以导入你的思维。比如这个节目的场景能根据你的思路或者根据你的动作来进行互辨，这就是我们的技术路线。

我们的产品：人机智能交互。通过手势就能凌空操作，操作者在互动的过程中对广告产品信息加深了解，从而刺激消费者的购物热情。我们现在和解放军信息工程大学已经开始合作。我们开始做用脑波来进行对大屏幕的控制，现在这个技术是比较先进的。

裸眼立体图像。立体显示技术配合着声音识别设备、图像识别设备及控制模块，使参与者与屏幕之间产生紧密结合的互动效果。参与者犹如置身于画面中，通过声音、动作，甚至表情，面对面地、全方位地与虚拟画面进行非接触式的交流。无论是从视觉，抑或是情感上，都能给参与者带来一种全新的互动新体验。这个就是我们逐步想要达到的最终结果，能让你有一个明显的参与感，能让你感受到身临其境的感觉。

核心团队：我们的团队基本上由我和我的几个同事组成，我是从1992年开始从事电器电子显示行业，已经有20余年。曾参与比较有影响的，像亚洲第一屏；1997年香港回归倒计时；还发表多篇论文。公司技术部的负责人，都是长期从事这个行业的，基本上都有十年以上的行业从业经验。

商业模式：主要通过以下两种模式：1.产品销售及技术支持。2.广告收益及游戏收益的分成。其实，我们项目去年已经做过一些路演，而且有过一些融资。项目经过一些专家老师的点评和建议，到目前为止今年的销售额相比去年增加了80%。今年又发现了项目更有效的应用点，智能教育。我们立体大屏幕的互动大屏幕已经可以进入智能教育里面，现在正在成立软件开发的项目组。我们可以给学校提供一定的立体大屏幕的软件课程，不是卖设备，而且明年打算设备免费送，每个学校送一套设备。但是我会开发教学内容软件给学校，学校使用这个软件是需要付费的。

竞争状况：针对现如今的产品应用范围大家可能会只想到3D电影城，但这只是其中一方面。人机交互、人机智能、软件内容的开发现在基本上都是空白。我们在北京、深圳、广东做产品调研时发现，要么是大屏幕方面的某一个竞争对手；要么是人机互动方面的某一个竞争对手；要么就是软件内容开发方面的竞争对手。如果把这三个方面综合起来，还没有能够和我们提供相同产品的竞争对手。

市场预测：智能裸眼立体显示系统和普通的3D立体影音系统最大的区别就在于高清、立体、智能交互三者有效的整合，市场前景可观。公司已在新三板挂牌，所以投资者做为股东可享有上市公司股东的基本权益，包括分红权、知情权、表决权等。

评委点评

上官同君：目前整个团队是侧重于技术研发还是后面整个市场推广、商业模式，在推广渠道是刚刚开始吧？

刚刚开始。

上官同君：我刚刚看像广告传媒、商业展示、科技教育、游戏娱乐、虚拟仿真，这五块里面率先突破的是哪一块？

现在已经开始应用的是房地产，但是我觉得我们在将来最率先突破的就是科教这一块。我们12月4号就在北京国家科技馆做一个恐龙馆的展示，他们已经表示出非常好的合作意向。

上官同君：我给你两个建议，现有整个市场拓展五大类里面，还是建议你找最强项的率先突破，不要一伸出来就是一巴掌，包括商业展示这块我估计你的利润空间不一定很大，除了给房地产做样板房、样板区的展示以外，另外建议你关注一下像每一个城市的城市展览馆。

是。

上官同君：以河南市场为例，河南是108个县，18个省辖市，每一个城市展览馆的投资，我指以声光电的方式布展下来，每一个单项投入都在一千万以上。

去年我们参与了新乡市民之家的展览馆项目。

持续努力，坚持创新

你如何定义创新？

我认为创新就是能促进社会各方面发展的新产品、新模式、新技术。

你认为在创新过程中，遇到的最大障碍是什么？

旧的思维定式影响创新。

是什么激发了你的创业热情？创业的原始动力是什么？

对成功的渴望，改变现有生活状态。

你认为，创业成功的要素是什么？

天道酬勤。

创业以来，企业遇到的最大困难是什么？

资金的困扰。

你认为你项目的最大优势是什么？

符合社会发展的潮流，科技进步的方向。

你认为创业与资金之间是什么关系？你如何看待投资人？

资金是创业的助推器，创业是资金的原动力。好的投资人是老师，是伙伴，更是企业资本市场的引路人。

你最喜欢或者敬仰的创业人物是谁？为什么？

比尔·盖茨。颠覆了传统的DOS系统。

对企业三到五年的规划有什么目标？

每年翻一番，三年登陆创业板。

你对当前所谓经济的“寒冬”怎么理解？怎么看待。

再冷的寒冬也有温暖的地方；

再差的市场也有赚钱的企业。

信息技术类公司 篇4

一、样本公司的选取

我国证劵市场上市公司没有因财务问题而被破产清算的, 所以选择上市公司中的ST公司作为陷入财务危机的企业。样本按照《上市公司行业分类指导》对行业的分类选择信息技术类上市公司进行研究。选取2012年被特别处理的7家信息技术类上市公司作为样本, 另外选取7家与之匹配的信息技术类上市公司作为对照, 建立财务预警模型。

二、财务指标的选取和描述

财务指标主要用于评价企业盈利能力、成长能力、偿债能力、资产管理能力、现金生产能力等方面。综合考虑信息技术类行业特点, 本文选取最常用的12个指标, 反映盈利能力指标5个:总资产报酬率、每股收益、主营业务利润率、成本费用利润率、主营利润比重;反映成长能力指标1个:总资产增长率;反映偿债能力指标4个:资产负债率、流动比率、速动比率、利息支付倍数;反映资产管理能力指标1个:总资产周转率;反映现金生产能力指标1个:现金流动负债比。

运用SPSS软件将初步选定的12个估计样本组的财务比率数据进行筛选, 根据相关系数矩阵, 最终选定6个财务指标作为建模的依据。具体命名如下:成本费用利润率 (X1) 、总资产报酬率 (X2) 、每股收益 (X3) 、现金流动负债比 (X4) 、主营业务利润率 (X5) 、主营利润比重 (X6) 。

三、财务危机预警模型的建立

公司被特别处理的当年, 是由于其前一年的财务状况引起的, 所以选择2011年样本公司的财务数据建立模型。

首先对样本进行KMO检验, 检验样本组是否适合做因子分析。对估计样本组KMO检验结果见表1。样本组的KMO值为0.621, 表明样本组可以进行因子分析。

通过检验后, 获得6个指标的相关矩阵, 通过SPSS数据处理的过程, 得到各因子及贡献率表, 见表2。因子分析中, 一般要求累计贡献率达到80%以上, 从表中可以看出, 前3个的累计贡献率为86.845%, 因此采取3个主成分来代替原来的6个财务比率, 这3个主成分包含了原有的86.845%的信息。总体上, 原有变量的信息丢失较少, 这3个共同因子成分解释了原始变量的大部分信息。

表3为因子旋转后的载荷矩阵, 根据该矩阵可写出各分析变量的因子表达式。

根据每个主成分的贡献率 (表2) , 可以得出主成分的贡献函数即预警模型为:

根据判别模型, 将样本财务危机发生前的数据代入模型, 并按综合得分进行从大到小的排列, 取中位数作为分割点, Z取平均数43.8392作为分割点时, 模型的判别率达到最高。在应用中, 如果Z值小于或等于43.8392, 说明公司有可能陷入财务危机。如果Z值大于43.8392, 则说明公司财务状况稳定。

四、实证检验

选取7组ST公司和7组非ST公司作为检验组。将其带代入模型进行验证。结果表明, 综合判断正确率为85.7143%。由判断结果得出, 根据因子分析法建立的模型, 可以较为准确地根据财务数据从定量角度判断企业是否存在风险与问题。

五、研究结论

青岛商德信息技术有限公司简介 篇5

公司简介：

青岛商德信息技术有限公司成立于2006年，是一家基于电子商务网站、网络推广、网络通信业务为核心的高速发展的多元化高新技术企业。青岛商德信息技术有限公司，由一批来自电子商务网站、网络推广、网络通信行业的专业IT人士共同创建。创业初期以网络、通讯业务为基础，经过多年的发展与积累，逐步将业务范围延伸至电子商务。凭借着对信息行业及互联网新技术应用的热爱和执着，依托大量的成功经验，凭借专业的团队、较强的经济实力、即时创新的产品以及一流的客户服务，在电子商务、通讯行业快速发展的今天，跻身于软件行业的前列。

2011年，我们着力寻找新方向、推出新产品、开拓新市场，公司决定打破从前的旧的营销模式，实现业务电子化。建立公司的销售网站“一人一号网”，降低了公司的管理成本和交易成本，同时给消费者提供了更多样的、更便利的消费渠道。除了手机卡的销售，还增加了合约增机等新业务。为了更好的为消费者服务，为了公司的长远发展，我们同北京阳光集团公关公司展开合作，增强网络推广力度并增加舆情监控的新业务。在提高公司知名度的同时也提升了公司的业务量。

公司口号：开拓进取，锐意创新，团结拼搏，成就梦想。就在商德，我们一起奋斗，一起收获，共同迎接美好未来！产品服务

一人一号网业务范围涵盖移动、联通、电信三大手机通讯运营商，经营产品包括青岛手机号码，青岛手机靓号、青岛手机号，国内商旅号、生日号码、情侣号码、固话靓号及3G上网卡等通信产品。

企业文化 公司文化：

专业，奠定基础

服务，赢得用户

诚信，把握明天

合作，携手互助

企业价值观

创新模式—我们力求创造一个新型的、高效的网络营销模式。成就品牌—我们坚持自己的信念和方向，努力成就自己的品牌。

创造价值—我们秉承互利共赢的经营理念，让每一个合作商都能获得回报。便捷生活—我们致力于服务大众，用最专业的服务改变消费者的生活。公司发展历程

2011年 网站内部测试

2011年12月 网站正式上线运营

公司目前主营网站：一人一号网 http://

信息技术类公司 篇6

一、集团框架下基于云计算的内部审计特点：

1、审计体系集中管控：支持多层级的集团企业审计体系管控架构，统一计划、整合资源、监控过程、组织协同，支持集中模式下的分级管理

基于云服务的多组织，各级审计机构采用一致的审计业务流程与审计检查标准；

审计体系内年度计划统一协调，平衡项目类型与时间安排；

审计体系内审计人员的统一调配，有效利用资源，平衡工作量；

基于云存储，实现对审计体系所有数据、资料、成果的集中存储与信息共享；

通过可视化界面，直观反映年度计划及审计人员的计划安排与执行跟踪；

通过在线视频会议，审计部门领导能够实时掌控并指导现场审计工作

2、标准化审计作业：基于分行业及审计类型的审计检查评价标准体系，支持各种行业及审计类型的作业过程，实现审计作业过程的数字化及标准化。

审计检查评价标准基于量化打分模式，实现评价的量化及数字化，以及审计体系内检查标准的一致性；

项目步骤分解，责任落实到人，项目实施过程在线跟踪，进度可控；

支持异地协作，审计人员不受地点限制地参与审计项目，访问项目文档、编制底稿并进行复核；

支持项目委外模式，事务所人员也可登录系统并完成相关任务；

支持经济责任审计、专项管理审计、内控审计、IT审计、工程结算审计、净资产审计等各类审计业务；

支持效能监察、招标监督、礼品上缴、信访举报等日常监察工作。

3、大数据分析：基于云计算技术实现对海量业务数据的快速自动检测与分析

基于预设的检查程序，对业务数据进行自动预检，根据规则从海量数据中发现审计线索，缩小检查范围；

基于数据可视化引擎，实现对海量数据的可视化图形展示；

基于OLAP引擎，实现对大数据的实时多维分析。

4、风险监控预警：支持风险导向审计及在线监控预警

根据风险评估结果形成风险地图，判断审计重点，制定风险导向的审计计划；

针对重大风险建立监控预警机制，设定预警指标及阈值，支持监控指标阈值分解下发，实现集团型企业的分级监控预警；

通过可视化界面，直观反映风险态势及监控状态。

5、服务全员：基于平台实现审计工作全员协同，提高工作效率，服务各级员工

各单位在线完成资料提交、底稿确认、意见反馈等审计过程交互工作；

各单位在线反馈问题整改进展，实现整改闭环管理与实时跟踪；

从内部审计的视角，向企业管理层提供各单位经营管理情况的量化分析结果，评价管理现状，揭示问题、反映潜在风险

向关键业务岗位提供风控指引，提示以往发生的问题及潜在风险。

二、案列分析

1、某飞机制造业实施案例

面临问题

专职审计人员少，有较多的兼职审计人员；

总部和子公司审计模板不统一；

业务数据获取困难。

实施效果

实现对五家子公司的集中管控，标准模板应用到各级单位；

与集团的财务系统建立了审计数据接口，实现财务数据与报表按月自动报送，自动生成监控报表。

集团反映

确保了审计项目的质量，提高了审计项目的执行率；促进了审计专业能力的提升；实现了从事后审计向事中与事后相结合的转变。

2、某银行体系的案例

面临问题

历史审计成果缺乏积累，审计作业规程不规范；

非现场审计靠人工完成数据采集和分析，效率低，工作量大；

管理咨询成果落地困难。

实施效果

规范了审计作业流程，建立了审计成果的自动积累与分析利用机制；

实现了非现场审计数据的在线报送、导入和自动分析，生成报告；

实现了IT审计和非现场审计的咨询成果固化于系统，指导实际业务开展。

银行体系反映

规范了审计流程，实现了对审计的有效利用，极大提高了非现场审计的工作效率，最大限度地利用了咨询成果。

3、某钢铁制造企业案例

面临问题

审计人员主要偏重于财务审计、工程审计领域，对新兴审计业务领域缺乏经验；

审计作业过程不规范，审计项目成果不全面；

审计部门的审计均为事后审计，无法实时了解企业的现状。

实施效果

实现了集团对两家直属企业的集中管控；规范了审计作业流程与审计模板；

与20多家子公司建立ERP审计数据接口及标准的手工导入接口，实现了财务数据与报表按月自动报送。

集团反映

推动了审计信息化进步的步伐，完善了审计管理制度，确保了工作成果的统一性；

有利于提升审计人员自身素质；

事前通过审计管理手段，有利于规避企业的风险。

4、某化工集团案例

面临问题

日常审计监督工作量大，成果资料多，难以管理和利用；

难以及时获取业务数据，均为事后审计。

实施效果

对审计项目及日常审计监督工作进行了规范化管理；

基于同一的分类，实现对各类资料集中存储和共享；

与集团SAP系统建立了数据接口，自动分析预警。

集团反映

规范了工作流程，实现了对审计成果的有效管理和利用，提升了风险管理水平。

三、点评

1、信息技术的应用，取代了手工作业，使审计能够动态地、系统地全面反映企业的经营状况，实现了内部审计所长期追求的目标，使风险监控和预警成为可能。

2、标准化审计作业以后，使得内部审计更具可操作性。评价标准、过程管理、数据分析、问题整改、现场操作、审计报告等更加规范。

信息技术类公司 篇7

一、财务危机预警基本内容

(一) 财务预测系统

财务预测系统主要是相关预测, 方程为Y=F (XI, X2, X3…Xn) , 其中Y是预测变量X1、X2、X3……Xn的函数, X1、X2、X3……Xn是影响因变量Y的相关变量。建立财务预测系统时, 仅仅设置一个相关变量的方法为单变量方法, 设置多个相关变量的方法为多变量方法。在多变量方法中, 可以应用线性概率模型、Fisher二类线性判定模型、Logistic模型等不同的计量方法, 对变量进行处理, 从而形成线性判定模型、线性概率模型和Logistic回归模型等不同的财务危机预警模型。

(二) 财务危机预警指标体系

任何一种经济现象都具有多方面的特征, 财务指标体系就是对经济现象特征的整体描述。企业财务危机的各种征兆只有通过预警指标来加以量化、说明与解释, 才能得到科学、全面的反映。模型的可靠性在很大程度上依赖于预警分析指标的质量。因此, 财务危机预警指标体系的建立和完善是构建财务危机预警系统的关键核心之一。

(三) 财务危机预警与排警

企业财务危机预警与排警的有效运行应包括以下步骤:

(1) 财务危机预警信息的收集、传递。良好的财务危机预警系统, 要能够有效预知企业可能发生的财务危机, 预先防范财务危机的发生, 这必须建立在对大量资料进行系统分析的基础上, 抓住每一个相关的财务危机征兆。这些资料主要包括内部数据和相关外部市场、行业等数据。这个系统应是实时的、开放性的, 不仅有财会人员提供的财会信息, 更有其他渠道的信息。这里的会计信息系统不仅是指一般意义上的企业会计核算报告系统, 还包括对会计资料的认真阅读、分析和评价, 以及寻找企业潜在的财务危机并及时进行消除财务危机的工作。

(2) 财务危机预警分析。高效的财务危机预警分析机制是关键, 通过分析可以迅速排除对财务影响小的风险, 从而将主要精力放在有可能造成重大财务危机的影响因素上。经重点研究, 分析出财务危机的成因, 评估其可能造成的损失。当财务危机的成因分析清楚后, 也就不难制定相应的措施了。为了保证分析结果的真实性, 并不带有任何偏见, 从事该项工作的部门或个人应保持高度的独立性。

(3) 财务危机处理。预测与警示只是手段, 排警并避免不必要的损失才是目的。在财务危机分析清楚后, 应立即制定相应的预防、转化措施, 尽可能减少财务危机带来的损失。企业财务预警系统若要有效运作, 就必须有正确、实时且合乎企业需要的各种管理咨询系统提供实时而完整的经营结果数据。当有超出或低于指标数据的情形发生时, 就表示企业财务状况发生不良征兆, 管理者应及时依据数据作出判断, 迅速找出问题关键, 积极寻找改善对策。

二、预警研究样本、指标变量选取

(一) 研究样本选取

财务危机预警研究样本的选取涉及到如何确定陷入财务危机公司的样本组, 如何确定与财务危机公司配对的非财务危机公司样本组, 以及如何对开发样本组和检验样本组进行两组间样本个体数量分配的问题等。一般选取样本时, 考虑了以下因素:

(1) 样本公司所处的行业。虽然现在很多上市公司都有其主打产品, 但在保持其品牌特色的前提下, 很多上市公司为了获得更大的利润, 都在尝试着进入其他行业, 进行多元化投资。所以针对某个行业来研究公司的财务危机预警具有可比性, 而且能反映该行业整体的实际情况。鉴于上述理由, 本文选取的样本来自信息技术类行业。

(2) 是否符合界定的财务危机概念。研究样本建立的正确与否, 直接关系到研究成果的合理性和应用价值, 其首要标准是所选财务危机公司的财务状况是否符合所界定的财务危机概念。

(3) 开发样本组的配对标准。为了较好地识别财务危机型企业, 增强分析结果的准确性和降低误差, 采取了1:1的比例选择非ST公司作为配对样本, 并且研究期间一致, 例如若ST公司采用的是2007年的财务数据, 则配对样本公司也同样采用2007年的数据。这样可以将与时间跨度有关的影响因素从模型中剔除。

(4) 是否兼顾检验样本组。财务危机预警研究需要两组样本, 一组用于模型的建立, 称为开发样本 (建模样本) , 另一组则用于检验模型的预测能力, 称为检验样本。为了提高所构建模型的适用性, 必须增大开发样本组的信息含量, 因此开发样本组样本数量应尽可能大。确定了开发样本组以后, 剩余样本就进入检验样本组。

(二) 指标变量选取

企业的财务危机通常都是经历了一个渐进积累转化的过程, 并通过一些敏感性财务指标值的变化反映出来。因此, 财务预警就是通过设置并观察一些敏感性财务指标的变化, 对企业可能或将要面临的财务危机进行预测预报的财务分析评价工作。考虑了相关指标数据资料获取的难易程度的影响因素之后, 并结合国内外学者有关于财务危机预警研究文献中挑选出的经实证检验预测能力比较显著的指标, 经过整理并加入本文认为预测能力显著的指标。本文认为, 应包括六大类共21个指标。它们既包括财务类指标, 也包含非财务性指标。具体指标如下: (1) 反映企业盈利能力的指标, 包括净资产收益率、总资产收益率、销售净利率、主营业务利润率、每股收益。 (2) 反映企业偿债能力的指标, 包括资产负债率、股东权益与固定资产比率、利息保障倍数、流动比率等。 (3) 反映企业资产营运能力的指标, 包括总资产周转率、存货周转率、应收账款周转率等。 (4) 反映企业成长能力的指标, 包括净利润增长率、净资产增长率、总资产增长率等。 (5) 反映企业现金流动状况的指标, 包括经营现金负债总额比、销售现金比率、现金营运指数、每股现金净流量等。 (6) 非财务类指标。本文针对信息技术类上市公司的特点, 主要引入了下面能表明企业创新能力的指标:第一, 研发费用投入强度。研发费用投入强度=研发费用/销售收入x100%。此指标是国际上通用的反映企业科技创新投入强度的主要指标。国际上普遍认为, 研发经费投入强度在I%以内的企业难以生存, 达到2%则勉强维持, 占5%以上的企业才有竞争力。第二, 技术人员比率。技术人员比率=研发人员/总员工人数。此指标代表着一个企业潜在价值的高低, 并关系着企业将来发展创新能力水平高低。技术人员作为企业重要的人力资源成本, 在知识经济时代的今天显得更为重要。

三、信息技术类上市公司财务危机预警完善措施

(一) 加强理论研究

我国对财务危机预警的研究起步比西方发达国家要晚, 而且基础比较差, 目前支持财务危机研究的系统规范理论比较薄弱。因为迄今为止, 尚无重要的理论能够说明财务指标在破产前的预测能力, 模型变量选取还处于探索阶段, 不能在理论指导下有系统性的进行, 这些预测模型都是通过靠研究者经验判断、对前人研究成果借鉴和统计筛选等实证研究得出的。因此, 我们要积极实施“走出去”战略, 学习西方先进的理论, 借鉴他们的研究成果, 并且结合我国信息技术类上市公司的实际情况, 探索出适合我国国情的财务危机预警系统。加强西方先进的理论专家交流, 诚恳合作, 总结与创造一系列财务危机研究的系统规范理论, 能够更加科学地指导财务危机预警研究的成果应用。

(二) 完善相关法律制度

我国目前尚未建立上市公司的破产制度, 至今尚无上市公司破产先例。正因为缺乏相应的破产制度, 使上市公司感受不到优胜劣汰的压力, 财务危机预警也就起不到相应的作用。因此, 有必要建立上市公司破产制度。

我国的《破产法》是在1986年颁布的, 与当时相比经济环境发生了很大的变化, 有些内容已经很难适应市场经济发展的需要, 并且缺乏很多的界定, 在处理财务困境时, 企业、债权人显得无所适从, 尤其是处理非国有企业的财务危机。比如企业破产的界限不够清晰、对企业重组提到的内容也不具实际指导意义。所以新的破产法应从规范财务危机企业的处理过程, 维护债权人、债务人的合法权益、维护市场经济次序和信用体系的根本目的出发, 建立适应于不同性质的企业破产和重组法律制度, 使各方处理企业财务困境问题时做到有法可依, 为财务危机预警研究提供支撑点。

(三) 健全内部控制制度

内部控制制度是为了保护经济主体的资产完整, 保证会计资料真实、正确, 提高经营效益, 促进经营方针的贯彻实施, 在经济主体的内部建立或采用一系列相互联系、相互制约的方法、程序和行为准则。内部控制制度健全与否直接关系到财务预警模型中各种指标、财务比率计算的真实性。因此, 建立财务预警系统的前提是企业要有一个健全有效的内部控制制度, 并且可以得到一贯执行, 并且把企业的预警系统与各项制度的建设有机的结合起来, 最大限度发挥其协同效应。

为此, 我国信息技术类上市公司在制度建设时应做到: (1) 在设计公司组织结构时, 既要职责明确, 又要建立经济业务处理的分工和稽核制度, 有清晰的组织系统图; (2) 要有健全的会计体系, 实行严格、完整的凭证制度、账簿报表制度、复核制度、会计控制制度、标准成本和预算制度、资产盘点制度; (3) 在控制程序上, 推行职务不兼容制度, 杜绝高层管理人员交叉任职。建立比较完善的内部控制, 并确保其贯彻执行, 这是财务危机预警最为基本和重要的内容, 否则, 即使最先进的预警系统也得不到正常的运转。

(四) 建立预警对策库

现代财务预警是对从警源监控、警情播报到辅助排警等一系列功能的综合, 预警并排警才是一套完整的系统。而预警对策库是事先准备好的在各种风险条件下的应急排警对策集合, 企业应根据预警信息具体实际去寻求更实用的、有效的实施方案, 信息技术类上市公司结合行业特点, 制定的相应的对策主要有: (1) 加强流动资产管理。信息技术类公司应当在理财观念上重视现金流量的管理, 进一步完善现金流量预测, 并在此基础上编制资金周转表。因为从现金流量角度上讲, 无论是考虑企业的偿债能力还是支付能力, 重要的是要有充足的资金以便周转。 (2) 提取风险准备基金。信息技术类企业具有高收益、高风险的特征, 提取一定比率的风险准备金有利于增强企业控制财务风险的能力。信息技术类公司应结合自身情况, 将这一比率保持在合理水平。 (3) 加强研发的管理。良好的研发能力是信息技术类企业在激烈的市场竞争中生存和发展的保证。但是研发会占用高科技企业大量的人力、物力, 因此, 必须做好研发的前期可行性论证, 加速研发成果转化。 (4) 削减和压缩资本性支出, 延缓非生产经营性支出。在降低生产经营成本的同时, 压缩日常经费开支, 推迟和延缓固定资产建设和改造以及无形资产投资项目, 可以从一定程度上缓解信息技术类公司财务紧张的局面等等。

(五) 改进财务预警模型

现有的预警模型大都是国外学者根据本国公司的资料进行统计计算得出的, 虽然在许多国家也同样具有一定的有效性, 但仍存在种种局限。对于一个公司来说, 预警模型能否对财务危机起到预警作用, 才是最值得关注的。公司管理层越来越希望建立有效的财务预警机制。

随着市场上功能日益增强的统计软件的开发与会计资料库的建立, 财务管理决策或监测部门应该在吸收国外已有研究成果的基础上, 结合我国现代企业的特点进行创新, 建立更适用于本公司或本行业的财务预警模型。信息技术类上市公司应根据自身发展速度快, 创新能力强的特点, 注重模型的时效性, 选择合适的指标, 并对其不断进行修正更新, 建立动态的预警模型。这样才能及时准确地预测企业的各种风险, 防止财务危机的出现, 发挥财务预警应有的作用。

参考文献

[1]AltmanE.Finaneial RatiosDiseriminant Analysisand thePredi-etionof Corporate Bankru Joumal of Finanee.2008 (23) , p:4-7.

[2]陈晓、陈治鸿:《中国上市公司的财务困境预测》, 《中国会计与财务研究》2008年第3期。

信息技术类公司 篇8

财务危机是由严重的财务风险引发的紧急状态, 它的实质是财务风险规模化、高强度化的集中爆发。 成功预测上市公司的财务危机意味着依据公开信息避免损失而获得超额收益。因此,企业管理者高度重视财务危机预测。根据以往的经验,分析上市公司在什么状态下将面临财务危机,一直是企业管理实务界以及金融经济理论界关注的问题。

同时由于信息技术企业高风险、高成长、高收益的固有属性,其面对的财务风险比其他行业更加突出。随着我国信息技术市场不断发展,该行业出现了越来越多的财务问题。我国信息技术类企业如何面对日益复杂的环境,解决财务危机问题,提高对风险的抵抗能力,成为管理者不得不思考的严峻的现实问题。因此本文力求在现有的数据样本基础上,对我国信息技术类上市公司的财务危机可预测性问题做出相对全面、客观、准确的分析,建立公司财务危机预警模型,为我国信息技术上市公司预测研究提供新的研究思路和经验。

2文献综述

预测财务危机的研究在国外是一个受到广泛关注的研究课题。Fitzpatrick[1]最早在1931年用单变量财务预警模型进行破产预测研究。此后对于财务危机预警的研究处于停滞状态。直到30多年后, Beaver[2]在Fitzpatrick研究的基础上提出了影响更为广泛的单变量判定模型。他认为判断公司财务状况最准确的比率是现金流量/负债总额,其次是资产负债率。美国学者Altman[3]以1946-1965年间申请破产的33家制造业企业和与之规模相当的33家非破产制造企业作为研究样本提出了著名的Z分数模型。但是该模型参量选择太少,适用性上存在一定的局限性[2]。Ohlson[4]为了克服传统判别中的这一问题,以105家破产公司与2 058家正常公司为样本,采用9个财务比率,首次运用了LOGIT分析方法[3]。从此,判别分析法被Logistic回归分析代替, 很多学者开始大量使用Logistic回归法。Zmijews- ki[5]首次运用probit模型并证明该模型有效降低了预测误差。随着统计学、运筹学的发展,西方学者纷纷将混合神经网络模型、自组织映射模型、人工智能模型等运用到财务预警的研究中,财务预警混合模型也层出不穷,如Odom&Sharda[6]首次引入人工神经网络模型,英国学者Feng YuLin和Sally McClean[7]将四种独立的财务预警研究方法———判别分析法、回归法、神经网络方法及决策树方法进行不同的组合, 建立了三种混合模式,实证结果表明在同等条件下混合模式明显优于单个方法模式。

相对而言,我国学者在这方面进行的研究起步比较晚,发展相对缓慢。1986年,吴世农、黄世忠描述了企业破产的财务指标及其预警模型。相比,其他学者集中于经验分析或规范论证,较少进行实证分析。 佘廉教授等人在1999年出版企业预警管理丛书开启了我国学者研究财务危机的新时代。周首华、杨济华和王平[8]首次考虑了现金流变动情况,以Z分数模型为基础建立了F分数模型。 陈静[9]、高培业、张道奎[10]不约而同的采用了多元判定技术进行研究。吴世农、卢贤义[11]分别使用了多元线性回归分析、 Fisher线性判定分析和Logistic回归分析三种方法构建了相应的模型,研究发现三种模型均能在财务危机发生前做出较为准确的判断;相对同一信息集而言,逻辑回归模型的误判率最低。姜秀华与孙铮[12]、 李益骐,田高良[13]、赵惠芳、王晓、徐晟[14]等也运用了Logistic回归建立模型,只是姜秀华与孙铮选取概率0.1为最佳分割点。杨淑娥[15]运用主成分分析方法在Z分数模型的基础上提出了Y分数模型。此外, 还有许多学者还较为深入的研究了财务预警的内涵及其指标体系的建立等方面。如杨保安等[16]把神经网络分析方法应用于企业财务危机判定与预测。吕长江[17]运用多元判别分析、逻辑线性回归模型和人工神经网络模型对财务危机的公司进行预测。王克敏、姬美光[18]把公司治理、投资者保护等因素引入财务分析。

国内外财务危机预警研究经过几十年发展取得重大进步。预警变量中不仅仅有传统的财务指标,非财务指标也加入其中;研究工具由Bayes判别模型、 Logistic回归模型、Probit模型等统计类方法拓宽到递归分割算法、神经网络模型等非统计方法。但是在研究对象方面,绝大多数研究没有考虑到各个国家和各个行业的特征,专门针对某一具体行业的财务危机预警研究还不够。在预警变量方面,大部分的实证研究均以财务报表信息为基础,对于非财务要素考虑较少。本文结合信息技术类上市公司当前的发展现状, 以沪、深两市A股28家信息技术类上市公司为研究样本,结合行业特点选择了适用有效的21个指标变量;并借用SPSS软件先后对基础预警指进行了正态性检验、显著性检验和因子分析,最终确定了8个指标作为模型初始变量。最后运用Logistic回归分析构建了更为严谨与科学的预测模型,从而克服了上述研究中存在的问题。

3变量选取与样本确定

3.1基础预警指标的选取与确定

财务危机预警模型是建立在财务信息必须可靠、 样本随机性与指标差异显著性的研究假设基础上的, 在此前提下才能区分并标识两类公司。这是本文分析的关键点。

本文结合国内外学者有关研究成果,并针对我国信息技术行业竞争激烈、经营风险高、高渗透性和带动性的特点,在考虑了相关指标数据资料获取的难易程度之后选择了偿债能力(流动比率X1、股东权益与固定资产比率X2、资产负债率X3、利息保障倍数X4)、营运能力(应收账款周转率X5、存货周转率X6、 总资产周转率X7)、盈利能力(净资产收益率X8、总资产收益率X9、销售净利率X10、主营业务利润率X11、每股收益X12)、发展能力(净利润增长率X13、净资产增长率X14、总资产增长率X15)、现金流量(经营现金负债总额比X16、销售现金比率X17、现金营运指数X18、每股现金净流量X19)、非财务类指标(研发费用投入强度X20、技术人员比率X21)6个方面的21个指标。这些指标的选取遵循了相关性原则、全面性原则、动态性原则、可操作性原则、敏感性原则六个原则。这6个方面的因素基本包括了前人研究中所涉及的符合我国上市公司特征的所有假设。除了一些必须的基础指标,笔者还选取了研发费用强度和技术人员比率这两个具有行业特点的指标,以期在之后的预警模型分析中能更好的体现行业特点。

3.2样本选择

国内学者大都将因财务状况异常而特别处理(ST)的公司作为存在财务危机的公司,如陈静[9]、李华中[19]、姜秀华等[12]。根据我国的具体情况,本文将ST公司确定为财务危机型企业,相应地,其他企业为健康型企业。本文定义上市公司发生财务危机的前l年为t-1年,前2年为t-2年,前3年为t-3年,扩大了截面数据选择的时间跨度,以期提高预测的准确度。

根据中国证监会公布的有关上市公司的资料信息,假定公司在t年宣布被特别处理,研究样本还需满足以下条件:1公司所属行业为信息技术类且目前还在A股市场上未被停牌;2为尽可能地消除企业间的属性差别对研究所造成的影响,本文所选企业均为沪、深两市的A股上市公司;3ST公司要满足:首次由于“财务状况异常”而被特别处理,且至少在t- 3年前上市,并可以获得t-l、t-2、t-3年度的财务报表数据;4本论文采取分层抽样法为财务危机公司选取配对样本,即非ST公司。配对样本公司与对应财务危机公司属于同一细分行业且时间窗一致;同时在t-3年1月1日前上市,至t年末未被特别处理, 并可以获得财务危机前三年的财务数据。并排除存在以下情形的公司:1由于严重的财务造假己被中国证监会做出处罚决定的公司;2因不符规定而被特别处理的公司;3数据严重缺失的上市公司。

根据证监会对行业的定义,2012年,我国信息技术类上市公司一共有207家,其中ST公司有7家。 由于ST公司样本量过少,首次被ST公司在各年度较少。为了扩大样本量且保证样本的有效性,根据上述样本选择原则及标准,本论文最终选取了自2008年1月l日至2012年12月31日之间的14家财务危机公司及14家配对样本公司组成研究样本组,数据均来源于国泰安数据库与中信证劵。

4基础预警指标初步处理

4.1指标的正态性检验

本文首先对基础指标变量进行正态性检验,以确定采用何种方法检验指标均值的差异性。对选取的28家开发样本t-1、t-2及t-3年指标变量进行K -S正态性检验,检测结果见表1。

注:Y表示此基础预警指标通过K-S假设检验,即服从正态分布。

依据K-S检验规则,当显著性水平双侧检验结果大于0.05时,即可判定被检验指标服从正态分布。 从检验结果来看,t-1年共有8个指标通过了正态性检验,约占基础预警指标总数的38.1%;t-2年和t-3年,共有10个指标通过了正态性检验,约占基础预警指标总数的47.62%。因而基础预警指标总体上不服从正态分布。这一结果与国内外学者对财务指标所作的实证结论一致。所以,财务指标平均值差异分析应使用非参数检验法。

4.2指标的显著性分析

根据正态性检验结果,本研究样本不服从正态分布;同时考虑到本论文对同属一个细分行业的ST类公司进行配对,所以采用非参数检验方法中的两独立样本Mann-whitney U检验,并假设来自样本的两总体均值没有显著性差异。关于均值差异显著性的非参数检验结果见表2。

在对样本组前三年指标数据进行显著性检验后, 发现ST公司与非ST公司在21个指标上的差异性很明显,当公司在靠近被ST时,样本平均值之间的差距越来越大,这表明所选预警指标的信息含量时效性很好。与t-2年相比,t-1年指标的差异更显著, 而且变化大的指标数量也更多,这说明利用t-1年数据进行预测是有一定的科学依据的。但在t-2年财务危机公司和健康公司的数据差异小,可比性很强,又处在边缘阶段,因此对这一年进行分析很有意义。而财务危机公司与配对的健康公司大约有45%的指标在t-3年没有显著的差别,因此t-3年不应作为财务危机预警的有效期。前文研究中所选的21指标变量通过了显著性检验,其中X11、X6,、X18外的18个指标在财务危机发生前1-2年预测能力较强, 因而下一步的研究将以此为基础。这也表明我们可以运用适当的统计方法建立财务危机预警模型。同时,健康公司的财务指标的表现远远优于ST公司, 尤其在盈利能力、现金流量创造能力指标方面ST公司在财务危机危机发生之前变化剧烈。这告诉管理者们应当重点关注公司的盈利能力和现金流量创造能力,一旦这些指标出现异常,就应该采取相关措施积极扭转不利的局面。

注:U代表Mann-Whitney U值,W代表Wilcoxon值。

4.3指标的因子分析

为了保留模型自变量的最大信息量且尽可能不遗漏重要变量,本论文将t-1年的样本数据作为主成分分析的截面数据,对通过显著性检验的指标进行进一步筛选。将样本原始数据进行标准化处理后,再对标准化值进行分析,计算特征值、贡献率及累积贡献率。分析结果见表3。

保留主成分数目的标准有以下几个,只需选择其一即可:1累积贡献率达85%~95%的主成分;2选取所有特征值≥1的主成分;3累积特征值大于1的主成分。本论文采用标准2选取了6个主成分。从分析结果可以看出,这6个主成分的累积贡献率达到81.951%,即这6个主成分表现了原来18个指标81.951%的信息量。为了有效解释这6个主成分,就需要获取原来的18个指标对这6个主成分的因子载荷量。因而笔者采用方差最大化正交旋转方法进行转换。一方面,它不会改变模型对数据的拟合程度; 另一方面,它在为每个主成分找到合适解释的同时还可以有效避免各变量间多重共线性的影响。经正交旋转后的因子载荷矩阵见表4。

由表4可以看出:主成分l载荷量较大的是净资产增长率X14和每股收益X12,表示公司的盈利能力对财务状况的影响;主成分2主要由经营现金负债总额比率X16和销售现金比率X17两个指标解释,概括为现金流量类因子;主成分3主要由总资产周转率X7来解释,主成分4主要由净利润增长率X13来解释,主成分5在研发费用投入强度X20上有较大载荷,主成分6在技术人员比率X21上有较大载荷。因此,最终确定X14、X12、X16、X17、X7、X13、X20、X21为模型的自变量。

注:提取方法:主成分分析法;旋转法:具有Kaiser标准化的正交旋转法;α:旋转在7次迭代后收敛。

5财务危机预警模型的构建

逻辑回归模型的准确率较高,Ohlson[4]、姜秀华与孙铮[20]、李益骐与田高良[13]、吴世农与卢贤义[11]等纷纷采用了Logistic模型进行财务危机预警研究。 因而针对本研究样本数据的特征,本论文在建立财务危机预警模型时也采用逻辑回归分析模型(Logistic模型)。

本文将财务危机型企业和健康型企业分别记为0和1,以开发样本财务危机前3年的财务比率数据为基础,运用Backward向后逐步提出选择法。通过5次迭代,笔者得出Logistic模型的系数及相关参数,见表5。

根据回归结果可以得到下面的财务危机预警模型:

经整理可得

其中,P代表在因素自变量(X12、X16、X17、X20) 之下公司发生财务危机的概率。逻辑回归模型一般选择0.5作为分割点。如果P<0.5,那么该上市公司可以归入发生财务危机的ST公司,如果P>0.5, 那么该上市公司为正常公司。

为了说明该模型的预测效果,我们进一步通过拟合度检验来进行验证。拟合度检验的结果见表6。

从Hosmer和Lelneshow拟合优度检验结果来看,显著性概率为0.997,大于显著性水平(0.05)。 因此,可以接受零假设,认为模型的预测值与观测值差异很小,表明模型对数据的拟合达到了可接受的水平。

6研究结论

信息技术类公司 篇9

在现代金融市场环境中, 上市公司的融资方式可分为两种, 一种是通过企业留存收益和折旧进行融资, 为内源融资;另一种是包括股权融资和债券融资的外源融资。根据梅耶斯的优序融资理论, 企业融资结构选择顺序首先是内部股权融资, 其次是债务融资, 最后是外部股权融资。研究表明, 我国上市公司整体呈现资产负债率低、股权融资偏好的特征, 而信息技术行业上市公司因其行业属性, 表现地更为显著。统计数据显示, 我国信息技术行业上市公司资产负债率低于全体上市公司的平均水平, 且近5年的股权融资比例在各行业中均居于首位, 5年平均股权融资比例为49.01%, 整个行业债权融资比例呈现负增长态势, 尤其在2002年至2004年的3年间, 平均每年减少60亿元债权融资, 同时由于整个行业处于高成长阶段, 股利支付率远低于其他行业的平均水平, 呈现高增长率、低负债率、低股利支付率并存的现象。

2、信息技术行业上市公司融资结构影响因素实证研究

2.1样本选择及样本数据说明

根据证监会制定的行业标准, 本文共选取了53家沪市信息技术行业上市公司, 满足大样本条件。回归分析采用样本上市公司2006年末横断面数据, 数据来源为样本公司的2006年年报。

研究的数据分析部分全部采用EViews3统计软件完成。

2.2研究假设

综合财务理论和国内外融资决策实证方面已有的研究成果, 对影响我国信息技术行业上市公司融资决策的因素提出了如下4个理论假设:

假设1:企业规模与资本结构正相关。一般认为, 规模大的企业更倾向于且有条件实施多角化经营或纵向一体化, 具有更低的预期破产成本, 因此大企业较小企业有更多的负债。

假设2:企业盈利能力与资本结构负相关。根据优序融资理论, 企业融资的一般顺序是保留盈余、债权融资、股权融资。因此, 当企业盈利能力较强时, 企业就可能保留更多的盈余, 从而更少地使用债权融资。

假设3:资产担保价值与资本结构正相关。一般认为, 企业的资产结构中适于担保的资产 (如存货, 固定资产等) 所占比例越大, 则企业的信用能力便越强, 负债水平也越高。

假设4:偿债能力与资本结构正相关。偿债能力指标用于衡量企业承担经常性债务负担的能力, 公司若有足够的现金流量, 可降低陷入债务困境的破产成本, 企业在长期融资决策时便更倾向于债务融资。

2.3模型方法和变量设计

本文采用多元线性回归分析方法对影响我国信息技术行业上市公司融资决策的内部因素进行实证研究。

2.3.1变量设计

⑴因变量。选择总负债率为资本结构指标, 在模型中用y表示。

⑵自变量。以总资产取自然对数作为企业规模指标, 模型中用x1表示。x1=Ln (总资产) 。

以净资产收益率作为盈利能力指标, 模型中用x2表示。x2=净利润/净资产。

以固定资产比率作为资产担保价值指标, 模型中用x3表示。x3=固定资产/总资产。

以流动比率作为公司偿债能力指标, 模型中用x4表示。x4=流动资产/流动负债。

2.3.2回归模型设计

其中Y为被解释变量, x1、x2、x3、x4是解释变量, b0、b1、b2、b3、b4是待定的回归系数, e则是反映各种扰动综合影响的随机项。

2.4实证结果及相关解释

结果表明, 回归方程拟合地较好。R2为0.7168, F值为30.3756, 变量x2, x3和x4的t值通过显著水平0.05下的t检验, 变量x1的t值通过显著水平0.1下的t检验;D-W值为2.124, 1.86 (du) <2.124<2.28 (4-du) , 在0.05的置信水平不存在序列相关, 满足非自相关假定。

结合上述多元回归结果, 我们对选定的四个解释变量与被解释变量 (资本结构) 之间的关系作如下解释:

⑴总资产的对数与资产负债率的回归系数为0.019, T值为1.4491, 表明我国信息技术行业上市公司规模与资产负债率呈正相关, 这与发达国家的研究是一致的, 符合假设一。

⑵净资产收益率与资产负债率的回归系数为-0.087, T值为-3.169, 表明我国上市公司的盈利能力与资产负债率呈显著负相关关系, 但回归系数比较小。这与发达国家的研究基本一致, 符合假设二。回归系数较小, 表明企业的盈利能力并不显著影响我国信息技术行业上市公司的融资决策, 这也反映了我国上市公司的盈余管理现状, 还可能存在如下原因:我国上市公司盈利能力不强, 靠内源融资根本无法满足其现有发展速度, 企业在融资时并未考虑内源融资。

⑶资产担保价值与资产负债率的回归系数为-0.346, T值为-3.752, 表明我国上市公司的资产担保价值与资产负债率呈显著负相关关系, 这与发达国家的实证研究结果相反。

⑷流动比率与资产负债率的回归系数为-0.1172, T值为-8.805, 表明在我国信息技术行业上市公司偿债能力与资本结构呈显著负相关的关系, 随着偿债能力的增强, 企业的资本结构水平反而有下降趋势, 这也与假设完全相悖。

2.5结论及讨论

信息技术类公司 篇10

为保证公司本部大楼的安全，避免不法分子的破坏，公司根据实际情况, 决定采用光学脱机指纹识别系统解决公司本部大楼的安全准入问题，既可以安全、快捷地检查员工的准入情况，又能够方便职工的使用。

1.1 设备选型及技术原理

公司选用的指纹考勤机采用了新一代光学指纹采集仪，采集面积大、比对速度快、性能更稳定，各种疑难指纹均可适用，超强识别(系统原理见图1)。由于运行在P4商业计算机上，实现了真正意义上的互联网通讯，从而使得数据网络通信更稳定、传输速率更高(其技术指标见表1。

1.2 实施效果

该系统使用后，公司本部大楼的准入效率得到较大的提升，特别是准确率明显提高，通过时间也相应缩短。不但保证了公司本部大楼的安全，同时在很大程度上方便了员工使用，收到了良好的效果。

2 信息网络安全技术的应用

公司信息网络以信息主干网络为核心，辐射各区、县 (市) 供电分公司、变电所、营业所等，是鞍山电力工业信息化的公共基础设施，是供电公司生产、经营和管理的信息应用系统平台。为了信息网络能够安全、可靠、坚强、高效的运行，采取了如下措施：

2.1 部署企业版防病毒系统、软件防火墙和补丁分发系统

Symantec AntiViru企业版防病毒系统包含服务器端和客户端，通过服务器端的管理控制台能够集中管理运行防病毒系统的客户端，可以启动和调度扫描，以及设置实时防护，从而建立并实施公司统一的病毒防护策略，在发现病毒泛滥时可进行全网杀毒，避免了单机防病毒软件各自为战的状态。

Sygate防火墙利用基于主机的防火墙和入侵防御和自适应防护技术，保护受管理的客户端免遭已知和未知攻击，并且在服务器端可以检测到发起攻击的主机，从而做进一步的处理。

WSUS补丁分发服务，具有无需干预、自动升级和更新迅速等特点，配置自动更新后，客户端计算机可在第一时间内更新操作系统补丁，修复系统漏洞，提高计算机安全性。

2.2 在硬件防火墙上配置安全访问控制策略

公司所属财务、调度、营销、负控、农电等部分信息内网区域，均在与省公司互联出口处配备了硬件防火墙，封闭了易受攻击的TCP协议的135、137、138、445等端口，UDP协议的135、139、4672等端口，保证信息网络安全。

2.3 信息内外网物理隔离，建立临时外网工作区

按照国网公司及省公司相关要求，彻底断开了信息内网与互联网的连接。同时，为保证各部门对外业务的正常开展，公司在本部大楼建立了与信息内网严格物理隔离的临时信息外网。此外，还在大楼13层设立临时外网工作区，为各部门提供邮件传输、公文传送、查阅资料等服务。

公司在互联网与信息外网之间部署了网屏NetScreen 204防火墙，封闭了易被攻击的端口，设置了严格的过滤规则。通过在防火墙上启用日志转发功能，在外网区域利用Kiwi Syslog 8.3日志软件设置了日志服务器，记录访问互联网的计算机IP地址、访问网站的IP地址和端口号、访问起止时间等信息，做到网络行为有迹可查，同时满足《互联网安全保护技术措施规定》中“应至少保存60天记录”的要求。

2.4 对IP地址进行全方位管理，建立严格的审批流程

(1) 对公司所属各单位需要登陆信息网络的计算机及外设进行普查，设计了具体的普查明细表，包括单位、使用者、设备名称等相应信息;

(2) 将普查结果进行分类汇总，根据各单位的所在位置和业务需要，共划分了43个VLAN，并且为每个设备实现各网段之间的逻辑隔离，对符合要求的交换设备进行网关下移工作;

(3) 建立公司IP地址汇总表，按照VLAN的划分和普查信息，为每个登陆公司信息网的设备分配一个专属的固定IP地址，并且与其MAC地址进行了绑定;

(4) 建立了IP地址申请审批流程，设计了IP地址申请表，规范了公司信息网络的使用。

2.5 利用入侵检测系统监测网络攻击

公司采用绿盟科技的冰之眼入侵检测系统，监测省公司网络出口及网络关键点的网络应用。为保证入侵检测系统正常工作，入侵检测系统的探测器应捕获到希望监听的数据包，这就需要启用交换机的端口镜像功能，使需监测的端口或虚拟子网的所有流量都转发至探测器连接的交换机端口。根据需要，现配置为“最高安全”模式，最大可能的发现可疑攻击行为。

3 业务应用系统安全技术应用

鞍山供电公司目前共有应用系统38个，2007年建立了综合信息资源平台，对大部分应用系统进行了接入，并通过企业门户对信息进行展示。

3.1 针对调度、营销、财务等重要应用系统采取有效的安全措施

调度系统：在7月1日至9月30日的奥运期间，断开了鞍山地调、海城县调、电量计费、集控站的生产控制大区和管理信息大区的所有连接。禁止通过拨号方式对生产控制大区进行远程维护。确需远程维护时，必须经过专人现场确认、临时开通、全程监控。限制集控站对变电站的远方遥控，所辖66 kV及以上变电站断路器、隔离开关应设置为本地操作模式。禁止在调度端进行远方修改定值和远方投退保护压板等控制功能。

营销/财务系统：设置营销东软NetEye防火墙和负控/财务PIX525防火墙的安全访问控制策略，以增强区域网络内的安全，防止未授权用户访问内部网络，并对网络攻击进行有效防御。

3.2 严格控制信息发布权限

企业门户和部门主页的信息发布严格按照发布流程进行，只允许有特定权限的人员进行信息发布，同时加强对信息发布的审查工作，坚持“谁上网、谁负责，谁公开、谁负责”的原则，严格按照有关规定执行。此外，企业门户采用了单点登录功能，每个公司员工必须使用自己的用户名、密码登录到企业门户，提高了信息系统使用的安全性。

3.3 做好重要信息系统数据备份

现公司各主要应用系统有本地数据备份，门户、线损、营销、负控、调度系统实现双机热备，营销系统还建有异地数据备份。对于小型机和数据库系统，配备磁带机及Veritas软件进行本地备份。同时积极进行双机切换和数据恢复的有效性验证，确保发生突发事件时可有效地进行切换或恢复数据。对于企业门户等新开发的应用系统，要求有完善的数据备份和恢复机制，确保系统安全稳定、运行。

3.4 加强小型机、服务器及应用客户端的安全

组织进行了公司信息系统的安全隐患排查，对各应用系统所在服务器及客户端可能存在的如SQL注入漏洞、对外服务、网络连接端口等安全隐患排查并进行了整改，采取了限制系统用户帐号、控制权限、加固用户口令、升级补丁、关闭无关网络服务等技术手段，防止服务器被侵入，应用系统被破坏。此外，利用MBSA2.0和Nessus3.0等主机补丁或组件脆弱性扫描软件对服务器及客户端进行扫描，在技术上给予支持以发现存在的安全隐患。

4 中心机房的安全措施

公司13层中心机房做为整个公司信息系统的心脏部分是否安全、稳定，直接关系到公司信息系统的坚强高效的运行和未来持续良好的发展，具体措施主要有：

4.1 安装指纹门禁系统

通过配置指纹门禁系统，对进入机房的人员加以控制，只有经授权的人员才可以凭借指纹信息进入中心机房，大大降低了因人为误操作和误碰情况下发生的故障和设备损坏。

4.2 配备录像监控设备

新增录像监控设备，对机房内设备及工作人员进行全程监控，机房内和13层走廊共架设了10个摄像头，安装了红外设备，具备夜视功能，硬盘录像机可以记录20天的录像，有利于追查如盗窃、人为破坏以及误操作等相关责任人。

4.3 对机房电源、空调系统进行检查

公司大楼13层中心机房负荷在过去几年内大幅增长，已达到不间断供电系统(UPS)的满载状态。目前机房的最大负荷88.811kW，而现有UPS额定输出功率28 kW，已经不能满足公司信息系统对UPS的要求，需要对进线电缆、配电屏、UPS、电池组、机房电源布线进行改造，并安装机柜专用电源分配单元。

另外，夏季机房内温度过高，发生过几次设备故障。在与有关部门沟通后，查出原因，一是由于近些年信息系统的快速发展，网络设备、小型机、服务器等大型发热设备不断增加，且24小时不停运转，致使现在的中央空调系统的制冷效果达不到相应的要求;二是机房内没有配备专业的制冷设备，一旦发生大楼停电检修或者中央空调故障时，不能做到及时对机房设备进行制冷散热。经过多次研究，决定对中心机房的中央空调系统进行初步改造，通过放水，更换阀门，变更管道等一系列的处理，使机房内的中央空调制冷效果得到一定的改善。

为了从根本上解决问题，公司已制定了机房电源、空调系统改造计划，准备近期实施。

5 公司信息系统安全技术应用展望

根据国网公司SG186工程和省公司“十一五”信息化发展规划的要求，公司未来信息系统建设及安全技术发展将围绕几个方面进行：

(1)改造信息内网，建设冗余通道。依托通讯主干环网建设，逐步提高城域网络覆盖率，实现核心层与汇聚层间双通道的冗余备份，并争取达到万兆传输，满足公司主干信息网络和应用系统的的稳定运行需要，同时，提高信息网络的性能和可靠性。

(2)建设DMZ区和网络准入认证机制。DMZ是为了解决安装防火墙后部分网络功能不能实现而设立的一个非安全系统与安全系统之间的缓冲区。这个缓冲区位于企业网络不同安全区域之间的小网络区域内，在这个小网络区域内可以放置一些必须公开的服务器设施，有效地保护了内部网络运行的安全。

网络准入控制 (NAC) 是一项由思科发起、多家厂商参加的计划，其宗旨是防止病毒和蠕虫等新兴黑客技术对企业安全造成危害。借助NAC，客户可以只允许合法的、值得信任的端点设备接入网络，而不允许其他设备接入。

(3)为中心机房网络设备配置管理系统。通过配置KVM系统，实现系统和网络的集中管理，提高系统管理员的工作效率，节约机房的面积，降低网络工程和服务器系统的成本, 避免使用多显示器产生的辐射，营建健康、环保的机房。

(4)建立网络综合监控管理中心，实现智能化管理。通过底层开发和接口集成相结合对网络系统、主机系统、数据库系统、安全系统、存储系统、视频系统、内网终端计算机以及应用系统的设备和系统运行信息进行监控、预警和控制管理，实现信息系统、资产、信息化服务的预警和联动管理，可监测和管理网络、应用系统和运行环境。对于各种事件和日志，有收集、告警、处理、分析等功能，能够提供API接口，能针对重要的应用进行二次开发。同时，整合中心机房原有的机房监控系统，建立统一的短信报警平台，实现对网络设备、服务器运行状况及机房环境的监控，并对系统运行中的异常情况通过短信的方式通报给相关管理人员。

参考文献

[1]张千里.网络安全基础与应用[M].北京:人民邮电出版社, 2007 (7) .

[2]林涛.网络安全与管理[M]北京:电子工业出版社, 2005 (8) .

[3]潘瑜.计算机网络安全技术[M].北京:科学出版社.2007 (8) .

信息技术类公司 篇11

一、 模型与指标遴选

因子分析法的主旨在于浓缩信息，降低指标维度，简化指标结构，在尽可能少损失主要信息的前提下，避免变量间多重共线性问题，使指标体系的分析更加简单有效。它应根据相关性大小进行变量分组，使同组内的变量相关性较高，不同组的变量相关性较低。每组变量构成一个因子。这些低维的综合指标又称主因子，通常可以根据具体的专业知识解释主因子反映的独特含义。因子反映事物或研究对象的本质。模型如下：

X1=a11F1+a12F2+……+a1mFm+ε１

Ｘ２＝ａ２１Ｆ１＋ａ２２Ｆ２＋……＋ａ２ｍＦｍ＋ε２

…

Ｘｐ＝ａｐ１Ｆ１＋ａｐ２Ｆ２＋……＋ａｐｍＦｍ＋εｐ

简记为：Ｘ＝ＡＦ＋ε，满足：

１．ｍ≤ｐ；

２．Ｆ１，…，Ｆｍ不相关且方差皆为１；

３．ε１，…，εｐ不相关，且方差不同。

其中：Ａ为因子载荷矩阵，Ｆ为Ｘ的公共因子，ε为特殊因子。

为客观、真实、全面、系统评价信息技术业上市公司的经营业绩，本文选取每股加权收益Ｘ１、每股净资产Ｘ２、每股公积金Ｘ３、每股未分配利润Ｘ４、主营业务利润率Ｘ５、销售净利润Ｘ６、净资产收益率Ｘ７、应收账款周转率Ｘ８、存货周转率Ｘ９、总资产周转率Ｘ１０、流动比率Ｘ１１、速动比率Ｘ１２、资产负债率Ｘ１３、税后利润增长率Ｘ１４、总资产增长率Ｘ１５等１５个指标作为因子分析指标体系。这些指标基本涵盖了样本公司的赢利、偿债、成长等方面的能力。

二、数据处理与主因子确定

（一）数据处理与因子载荷值计算

第一，对原始数据进行同方向性处理：在选取的15项指标中流动比率、速动比率、资产负债比率属于适度指标，分别取其倒数变换为正指标。

第二，为避免量纲的不同，运用SPSS10.0 for Windows软件对数据进行标准化处理；

第三，运用KMO（Kaiser-Meyer-Olkin）检验模型与巴特利特球度检验（Bartlett’s Test of Sphericity）对数据进行检验；KMO的值是0.846，适合因子分析； 巴特利特球体检验是从整个相关系数矩阵来考虑问题，在一定条件下服从χ２分布，其零假设是相关系数矩阵为单位矩阵，可以根据常规的假设检验判断相关系数矩阵是否显著异于零。采用巴特利特球体检验进行显著性检验，χ２统计值为９１１．６７９，显著性概率为０．０００，小于１％?熏说明数据具有相关性，适宜做因子分析。

第四，计算因子载荷矩阵。为理解公共因子的实际意义本文采用方差最大法(Varimax)对因子进行旋转，即使每个因子上的负载尽可能向±1或0的方向靠近。

第五，用主成分法提取公共因子，求出最大方差正交旋转矩阵、特征值、累计贡献。

用SPSS10.0orWindows软件计算结果数据列表1：

（二） 主因子确定

按照累积贡献率大于85%的原则选入的五个公共因子，其方差累计贡献率高达85.141%(见表1)，基本反映了原有信息。可将这五个因子作为评价信息技术业上市公司综合业绩的主因子。表1可知：

主因子F1在流动比率X11、速动比率X12、每股未分配利润X4、每股净资产X2四个指标上的因子载荷值最大，均超过84%。该因子可以反映出企业的偿债能力，可以把它命名为偿债能力因子。方差贡献率中，主因子F1最大，为34.461%。因此，控制债务风险，保持良好的偿债能力对目前的信息技术业上市公司非常重要。

主因子F2在净资产收益率X7、税后利润增长率X14两个指标上的因子载荷值最大，均超过80%。该因子可以反映出企业的赢利能力，可以把它命名为赢利能力因子。方差贡献率中，主因子F2居第二位，达19.321%。由此可见，赢利能力对企业的生存与发展起着重要的作用。

主因子F3在存货周转率X9、每股公积金X3两个指标上的因子载荷值最大，均超过68%。该因子可以反映出企业的变现能力，可以将其命名为流动因子。主因子F3的方差贡献率为13.732%。

主因子F4在主营业务利润率X5指标上的因子载荷值最大，超过79%。该因子可以反映出企业资金的主营业务能力，可以将其称为主营因子。主因子F4的方差贡献率为10.082 %。

主因子F5在总资产增长率X15指标上的因子载荷值最大，超过79%。该因子可以反映出企业的成长能力，将其命名为成长能力因子。成长能力的指标可以看做企业未来发展能力的一种预期，因此，可以作为投资者对企业今后发展预测的可靠依据。主因子F5的方差贡献率为7.545%。

三、主因子得分与综合得分

（一）主因子得分

在因子模型中将公共因子表示为指标变量的线性组合：Fi=βｉ１Ｘ１＋…＋βｉ ｐＸｐ?穴ｉ＝１，…，ｍ?雪。利用回归分析法求出各企业的主因子得分Ｆｉ 。计算结果列表２。

（二）综合得分

企业经营业绩评价的综合得分，以每个主因子的方差贡献率占五个主因子总方差贡献率的比重作为权数进行加权计算，其计算公式为：F=(34.461×F1+19.321×F2+13.732×F3+10.082×F4+7.545×F5)/85.141。计算结果见表2。（限于篇幅，列出一部分具代表性的上市公司）

四、结果分析

从单个因子得分来看，主因子F1得分名列前三位的是中兴通讯、中国软件、长城电脑，主因子F2得分位列前三甲的是*ST托普、*ST炎黄、长城电脑，主因子F3得分较多的是博瑞传播、宝利来、长城电脑，主因子F4得分较高的是航天信息、用友软件、沙河股份，主因子F5得分较高的是宏图高科、沙河股份、TCL集团和*ST 炎黄。

从综合得分来看，一些偿债能力不错、效益好、变现能力、成长能力强的，或者个别方面稍欠缺但其余各方面均衡发展的企业明显排在前列。高居榜首的是博瑞传播，主要归因于其在主因子F3和F4的得分，显示该企业有良好的变现能力和主营业务能力。综合得分位于第二的是宏图高科，归因于其主因子F5上的得分，显示其很好的成长能力，其他方面均衡发展。位于第三的航天信息，在主因子F4上得分最高，说明它的主营业务鲜明，但赢利能力和成长能力有待改善。ST科健、*ST圣方、*ST托普，尽管综合得分不甚理想，但在单个因子方面，也有较好表现之处。ST科健的主因子F3表现不差，说明它的变现能力较强。*ST圣方的主因子F3、F4和F5也尚好，说明它的变现能力、主营业务能力和成长能力有一定功底。*ST托普的主因子F2和F4得分不错，意味它有着良好的赢利能力和主营业务能力；但主因子F1的负值较大，说明其要想取得较好的业绩，必须加大偿债能力方面的改革力度。

信息技术类公司 篇12

狭义的信用风险是指借款人到期不能或不愿偿还借款的违约风险。从广义上看还包括信用交易中借款人信用状况恶化或金融市场上标的资产信用评级下降，造成资产贬值，由于其不直接反映在账面上，常常不被重视。但事实上，随着我国经济的发展，上市公司在加速扩张的同时，投资、融资行为的频繁出现可能会带来公司信用崩溃，出现亏损，从而面临“退市”风险。

目前，国际上有关信用风险管理的主流模型主要分为两类，即以KMV模型为代表的随机模型和以Ahman Z计分模型为代表的多元线性统计模型。我国学者对信用风险的研究是以定性分析为主，而定量分析尚处于起步阶段。陈晓、陈治鸿(2000)以1998年-1999年被ST的37家公司为样本，建立了Logistic回归模型并得到了86.5%的预测准确度。耿克红和李占省(2006)选取沪市上市公司数据，对判别分析模型、主成分模型以及基于快速BP算法的ANN仿真的财务失败能力进行了比较，结果证明在多元统计类模型中，判别分析模型回判准确率最高。

信息技术业是新兴的产业，由于其高风险、高成长、高收益的固有属性，2006年被ST的59家上市公司中就有10家是信息技术业上市公司，且ST公司数量排在制造业之后，远远高于其他行业。因而如何对其进行信用风险管理，是一个值得研究的问题。本文就以信息技术业上市公司为例，结合财务指标，运用因子分析与判别分析，建立能够有效评价上市公司信用风险的模型。

二、样本与指标的选择

（一）样本的选取

本文选取2008年沪深两市被ST的18家信息技术业上市公司作为失信企业组，并按照同行业、同规模的原则选取了18家财务状况正常的信息技术业上市公司作为配对样本，即守信企业组。信息技术业分为通信及相关设备制造业、计算机及相关设备制造业、通信服务业、计算机应用服务业四大类。按1:1的比例选择非ST上市公司作为配对样本时也是严格按照上述行业细分的。

数据来源于国泰安数据库。因为财务报表信息都有一定的滞后性，故选用的是上述36家上市公司2006年和2007年两年年报中的数据指标的平均值，并用SPSSl5.0软件来进行数据处理。

（二）风险分析的相关指标

由于企业信用风险的形成很大程度上取决于企业的财务状况, 为构建上市公司信用风险评价指标体系, 本文确定了七大类15个财务指标, 具体情况如表1。

三、风险因子的确定

如果用以上的全部15个财务指标来建立模型会显得复杂和繁琐，而且它们之间可能存在着较强的相关关系。因此，有必要对这些财务指标进行进一步的筛选，提取信息含量较高的变量并避免多重共线性的影响。

采用球形Bartlett和KMO检验进行相关性检验，结果显示这15个指标之间存在相关性，综合分析时将会导致信息的重叠等问题，可以进行因子分析。用少数几个“抽象”的因子来反映总体，达到减少变量个数而不丢失主要信息的目的。

利用主成分分析法提取因子，提取出的前6个因子已经可以解释原始变量75.121%的方差，已经包含了大部分的信息。但是，各个主成分的经济意义并不太明显，通过方差最大化正交旋转(Varimax)，可得到各主成分的因子旋转阵。

从表2可以看出，第一个因子有较大载荷的指标“营业收入净利润率、资产报酬率、净资产收益率”均属于公司盈利能力指标，称为“盈利性因子”;同理，第二个因子在指标“总资产周转率、每股收益、每股净资产、总资产增长率”上有较大载荷，称为“成长性因子”，反映公司资产、收益的增长状况;第三个因子有较大载荷的指标“流动比率、应收账款周转率、现金流量对流动负债比率”均体现公司短期偿债能力，特别是现金收支状况，称为“流动性因子”;第四个因子在“存货周转率、有形净值债务率”上有较大载荷，反映公司日常营运能力，称为“营运性因子”;第五个因子在“盈余现金保障倍数、净利润增长率”上有较大载荷，称为“资本市场因子”，体现在资本市场公司的收益;第六个因子有较大载荷的指标“资产负债率”属于公司长期偿债能力指标，称为“清偿性因子”。

至此，通过因子分析将原先15个财务指标综合为6个主成分，降低了观测维度。将这六个新产生的因子保存为F1-F6，作为建模的初始自变量进行信用风险模型的构建。

四、风险程度的判别模型

本文的主要目的是建立一个在我国信息技术业上市公司具有较强可操作性的信用风险定量分析模型。在企业破产或经营失败预测研究中，根据经营状况和相应的解释变量(财务指标)的已知信息，可以以变量组内方差最小的组间方差最大作为统计决策法则，建立最优判别公式。

判别模型是对二分类因变量进行分析时普遍使用的一种多元统计方法。其函数一般形式是：Y=a1x1+a2x2+…+anxn，其中Y为判别指标，x1, x2，…，xn为研究对象的特征变量，a1, a2，…，an为判别系数。运用上文因子分析中得到的六个因子载荷作为判别分析的特征变量，引入因变量y，失信企业组的ST上市公司y取值为0，守信企业组的正常上市公司y取值为1。建立多元判别分析模型。鉴于本文样本数据与指标均较少，采用“Enter”全部指标编入法。

计算结果显示典型判别函数的特征值为组间平方和与组内平方和之比为3.409，典型相关系数为0.879。Wilksλ检验结果为0.227，卡方检验统计量的观测值为45.995，概率p值为0.000，小于0.05，检验通过，说明模型拟合优度较高。

本文样本数据经判别分析得到如下标准化和典型函数模型：

ZY=0.246*F1+1.164*F2+0.242*F3+0.525*F4+0.620*F5-0.305*F6;

Y=0.244*F1+1.841*F2+0.239*F3+0.531*F4+0.634*F5-0.303*F6。

依式可建立企业潜在信用风险预警模型判别规则：若Y<1，则样本企业信用风险处正常区域;若Y≥1，则样本企业信用风险处警戒区域。还可以看出F2即成长性因子对于模型的解释作用最大。

运用该公式，可对样本进行回代判别，结果如下表3：该模型对正常公司的回判正确率为100%，对ST公司的回判正确率为100%，对总体而言，共36个样本，判错0个，总体回判正确率为100%。这说明模型的预测效果较理想。

五、结论

本文实证分析的结果证明建立的模型拟合效果良好，说明判别分析模型具有较好的判别和预警能力，可为企业潜在信用风险提供数量化参考，在我国具有一定的实用价值。由于我国上市公司的财务数据具有高相关性和高维性等特点，本文在判别分析的基础上引入了因子分析，得到了良好的预测效果。

预测结果中不存在将ST公司误判为正常公司的情况，如果有则将给投资者和债权人带来巨大的损失，因此有必要对此问题进行分析。被误判的风险样本可能是因为各项财务指标有好转迹象，整体经营状况得到有效改善。当然，也不排除公司有意粉饰财务报表的可能性，导致模型发生误判。

参考文献

[1]张敦力.风险基础财务管理研究[M].北京:中国财政经济出版社, 2002.

[2]张红兵, 贾来喜, 李潞.SPSS宝典[M].北京:电子工业出版社, 2007.

[3]马雨生.我国上市公司信用风险度量实证研究[D].上海:华东师范大学金融学专业, 2008.

[4]耿克红, 李占省.上市公司财务失败预测模型的预测能力比较[J].山西财经大学学报, 2006 (151) :129-133.

[5]翟东升, 曹运发.Fisher判别分析模型在上市公司信用风险度量中的应用[J].林业经济, 2006 (3) .