电子信息板块上市公司财务危机预警与综合评价：理论、模型与实践

电子信息板块上市公司财务危机预警与综合评价：理论、模型与实践一、引言1.1研究背景与意义在当今数字化时代，电子信息产业作为战略性新兴产业，已成为推动全球经济增长和社会进步的关键力量，在国民经济体系中占据着举足轻重的地位。它以其技术创新快、产业关联度高、渗透性强等特点，广泛应用于各个领域，深刻改变着人们的生产生活方式。从智能手机、电脑等消费电子产品，到云计算、大数据、人工智能等前沿技术，电子信息产业的发展日新月异，不断催生新的业态和商业模式，成为经济发展的重要引擎。随着市场竞争的日益激烈和技术迭代的加速，电子信息板块上市公司面临着诸多挑战和不确定性，财务危机的潜在风险也逐渐凸显。财务危机不仅会对企业自身的生存和发展构成严重威胁，导致企业资金链断裂、经营困难、市场份额下降，甚至破产倒闭，还会对整个行业的稳定发展产生负面影响，引发产业链上下游企业的连锁反应，损害投资者、债权人等利益相关者的权益，降低市场信心，阻碍行业的健康发展。因此，对电子信息板块上市公司进行财务危机预警及综合评价具有重要的现实意义。财务危机预警能够提前察觉企业财务状况的异常变化，及时发现潜在的财务风险，为企业管理层提供决策依据，以便采取有效的措施加以防范和化解。通过建立科学的预警模型，利用财务指标和非财务指标的综合分析，能够更准确地预测企业财务危机的发生概率，为企业赢得宝贵的应对时间。有效的财务危机预警还可以帮助投资者、债权人等利益相关者做出合理的投资和信贷决策，降低风险，保护自身利益。综合评价则是对企业的财务状况、经营成果、市场竞争力等进行全面、系统的评估，能够清晰地展现企业在行业中的地位和发展态势，为企业管理者制定战略规划和经营决策提供参考依据。通过对企业各项指标的量化分析和比较，找出企业的优势和不足，有助于企业明确发展方向，优化资源配置，提升核心竞争力。综合评价结果也可以为政府部门制定产业政策、加强行业监管提供数据支持，促进电子信息产业的整体优化升级。1.2研究方法与创新点本文综合运用多种研究方法，确保研究的科学性、全面性和有效性，为电子信息板块上市公司的财务危机预警及综合评价提供坚实的方法支撑。假设检验是一种基于样本数据来推断总体特征的统计方法。在本研究中，利用假设检验筛选出能够有效区分电子信息板块中“ST”公司和正常公司的指标变量，以及能有效区分“ST”和“*ST”这两类公司的财务指标变量。通过设定原假设和备择假设，计算检验统计量，并与临界值进行比较，判断哪些指标在不同财务状况的公司之间存在显著差异，从而筛选出具有代表性和区分能力的指标，为后续的模型构建提供准确的数据基础。判别分析是多元统计分析中用于判别样本所属类型的一种方法。将基于马氏距离的费歇判别方法引入到财务预警中来，分别建立基于临界值和基于马氏距离的财务危机判别模型，以及危机程度预测模型。费歇判别方法通过将多维数据投影到某个方向上，使不同类别的样本尽可能地分开，然后选择合适的判别规则，对样本进行分类判别。马氏距离能够考虑到数据的协方差结构，消除变量之间的相关性和量纲影响，从而更准确地度量样本之间的距离，提高模型的判别效果。聚类分析是根据事物本身的特性研究个体分类的方法，它能够将物理或抽象对象的集合分组为由类似对象组成的多个类。本研究运用聚类分析将电子信息板块中的正常上市公司进行分类，通过计算样本之间的相似度或距离，将相似的公司聚为一类，不同类之间的公司具有较大差异。然后对每一类公司的特征进行详细阐述，帮助投资者和管理者更好地了解不同类型公司的特点和运营模式，为决策提供参考。主成分分析是一种降维的统计方法，它通过线性变换将多个相关变量转换为少数几个互不相关的综合变量，即主成分。这些主成分能够尽可能多地保留原始变量的信息，同时降低数据的维度，简化分析过程。在对电子信息板块上市公司进行综合评价时，利用主成分分析提取出六个主成分，计算每个主成分的得分，并由主成分得分建立综合评价模型。通过综合评价模型对上市公司进行综合排名及评价，能够全面、客观地反映公司的综合实力和竞争力，为投资者、债权人等利益相关者提供有价值的决策依据。本文的创新点主要体现在研究视角、模型构建和方法应用三个方面。从证券市场行业板块的角度出发，针对电子信息板块上市公司进行深入研究，充分考虑行业特性对企业财务状况的影响，使研究结果更具针对性和实用性，弥补了以往研究在行业细分方面的不足。在模型构建方面，不仅建立了财务危机预警模型，还进一步建立了危机程度预测模型，将两者结合起来给出一个完整的预测流程图，能够更全面地预测企业财务状况的变化趋势，为企业管理者和利益相关者提供更详细的决策信息，丰富了财务危机预测的研究内容。在方法应用上，将基于马氏距离的费歇判别方法引入到财务预警研究中，充分考虑指标变量之间的相关性和数据的协方差结构，提高了模型的准确性和可靠性，为财务预警研究提供了新的思路和方法。二、相关理论基础2.1财务危机相关理论2.1.1财务危机的定义财务危机，又被称为财务困境，是企业在财务层面面临的严峻挑战，通常表现为企业难以按时足额偿还到期债务，资金链断裂，偿债能力急剧下降，盈利能力严重受损，甚至出现资不抵债的情况。国内外学术界和实务界对于财务危机的定义尚未达成完全一致的观点，但普遍认为财务危机是一个渐进的过程，从轻微的财务困难逐步演变为严重的财务困境，最终可能导致企业破产清算。在国外，许多学者将企业破产作为财务危机的标志性事件。如Altman（1968）指出，财务危机涵盖经营失败、无偿付能力、违约以及破产等情形，并将企业破产视为财务危机的关键标志。Deakin（1972）也认为，财务危机公司是那些已破产、无偿债能力或为了债权人利益而被清算的企业。在国内，由于证券市场的特殊性和数据获取的便利性，大多数学者将上市公司被实施特别处理（ST）作为界定财务危机的重要依据。根据沪深证券交易所的相关规定，上市公司若出现连续两个会计年度的净利润为负值，或者最近一年的每股净资产低于股票面值等情况，将被实施特别处理。这意味着公司的财务状况出现了显著异常，经营业绩不佳，偿债能力和盈利能力受到严重质疑。被ST的上市公司，其市场价值往往会大幅缩水，面临着巨大的经营压力和财务风险，若不能及时改善财务状况，极有可能陷入更严重的财务困境，甚至走向破产边缘。因此，将上市公司被ST作为财务危机的判断标准，具有一定的合理性和现实意义，能够较为直观地反映企业财务状况的恶化程度，为后续的研究和分析提供了明确的界定依据。2.1.2财务危机的特征财务危机具有客观累积性。财务危机并非瞬间爆发，而是企业在长期的经营过程中，由于资金筹集、投资决策、生产运营、市场营销等各个环节的综合失误，逐步积累而成。在投资决策时，若资金筹集不顺利，无法保障投资计划的顺利推进，投资收益无法如期实现，或者因投资决策失误导致资金难以收回，就会使企业面临资金短缺的困境。还款期限安排不当，也会造成融资结构和投资分配组合不合理，增加企业的财务负担。在生产环节，公司治理不善，导致生产成本上升，产品出现亏损；产品质量不达标，导致市场销售不畅，库存积压严重，都会使企业的资金周转受到阻碍，现金流出大于现金流入，最终引发财务危机。财务危机还具有损失性。无论财务危机是源于资金管理的技术性失误，还是最终发展到破产清算的地步，都会给企业带来毁灭性的打击。因技术故障导致的偿付能力不足问题，虽相对而言在财务危机的各种表现中影响较轻，但仍会对企业的信誉和正常运营造成负面影响，企业需要采取一系列措施来补救，这无疑会增加企业的运营成本和管理难度。而一旦企业陷入破产清算，不仅股东的投资将血本无归，债权人的债权也难以得到足额清偿，员工将面临失业，企业多年积累的品牌价值和市场份额也将荡然无存，给企业的利益相关者带来巨大的损失。财务危机还具备突发性的特征。虽然财务危机的形成是一个逐渐积累的过程，但在某些特定因素的触发下，可能会突然爆发，让企业措手不及。这些触发因素既包括主观因素，也包括客观因素，其中许多因素具有不确定性和偶然性。市场需求的突然变化、竞争对手的重大战略调整、宏观经济形势的急剧恶化、政策法规的突然变动等，都可能成为财务危机爆发的导火索。当这些突发情况超出企业的应对能力范围时，企业就会迅速陷入财务危机之中。企业在市场需求旺盛时，大量投资扩大生产规模，但由于市场需求突然萎缩，产品滞销，企业的资金链瞬间断裂，陷入严重的财务危机。财务危机也有多样性的特征。财务危机的产生受到经营环境、经营过程和财务行为等多方面因素的综合影响，呈现出多样性的特点。从经营环境来看，企业不仅要面对国内市场的激烈竞争，还要应对国际市场的挑战；不仅要在传统产品市场中拼搏，还要在高科技产品市场中寻求发展机遇。在如此多元化的商业环境中，企业面临的风险种类繁多，稍有不慎就可能陷入财务危机。从经营过程来看，生产、销售、采购等各个环节紧密相连，任何一个环节出现问题，都可能引发连锁反应，导致财务危机的产生。企业在生产过程中出现质量问题，导致产品召回，不仅会增加企业的成本，还会影响企业的声誉，进而影响产品的销售，最终引发财务危机。从财务行为来看，企业的筹资、投资、利润分配等财务活动都存在一定的风险，若决策不当，就可能导致财务危机。企业过度负债经营，偿债压力过大，一旦经营不善，就会陷入债务困境，引发财务危机。财务危机还具有可预测性的特征。虽然财务危机的发生具有一定的突发性和不确定性，但通过对企业财务数据和经营信息的深入分析，建立科学合理的财务危机预警模型，是可以对财务危机进行预测的。财务危机预警模型通过选取一系列与企业财务状况密切相关的指标，如偿债能力指标、营运能力指标、盈利能力指标、发展能力指标等，运用统计分析方法和数学模型，对企业的财务数据进行处理和分析，从而预测企业发生财务危机的可能性。当模型预测结果显示企业的财务风险较高时，企业管理者可以及时采取措施，调整经营策略，优化财务结构，降低财务风险，避免财务危机的发生。通过加强应收账款管理，提高资金回笼速度；优化投资决策，提高投资回报率；合理安排债务结构，降低偿债压力等措施，都可以有效降低企业发生财务危机的风险。2.2财务综合评价理论2.2.1综合评价的概念财务综合评价是指基于科学、系统的评价体系，运用特定的方法和技术，对上市公司在一定时期内的偿债能力、营运能力、盈利能力、发展能力以及现金流量状况等多个维度的财务状况进行全面、深入、综合的评估和判断。它并非孤立地考察单个财务指标，而是将企业的各项财务数据和信息有机整合，从整体上把握企业的财务健康程度和经营绩效水平，进而为利益相关者提供一个清晰、全面的企业财务画像。在实际操作中，财务综合评价需要选取一系列具有代表性的财务指标，如流动比率、资产负债率、应收账款周转率、存货周转率、净资产收益率、总资产增长率等，涵盖了企业财务活动的各个方面。通过对这些指标的计算、分析和比较，运用加权平均、层次分析、主成分分析等方法，得出一个综合的评价结果，以量化的方式反映企业在行业中的地位和发展态势。2.2.2综合评价的作用财务综合评价对投资者而言，是其做出明智投资决策的重要依据。在资本市场中，投资者面临着众多的投资选择，而财务综合评价能够帮助他们快速、准确地了解上市公司的财务状况和投资价值。通过对不同公司的综合评价结果进行对比，投资者可以筛选出财务状况良好、盈利能力强、发展潜力大的公司进行投资，降低投资风险，提高投资收益。对于那些准备投资电子信息板块上市公司的投资者来说，通过财务综合评价，他们可以了解到哪些公司在行业中处于领先地位，具有较强的市场竞争力和稳定的盈利能力，从而将资金投向这些优质公司，实现资产的保值增值。财务综合评价对于企业管理者来说，是优化企业内部管理和制定科学战略决策的有力工具。通过综合评价，管理者能够清晰地认识到企业在经营过程中的优势和不足，及时发现财务管理中存在的问题。若评价结果显示企业的存货周转率较低，管理者就可以深入分析原因，采取优化库存管理、改进生产流程等措施，提高存货周转速度，降低库存成本，提高资金使用效率。管理者还可以根据综合评价结果，结合市场环境和行业发展趋势，制定合理的发展战略，明确企业的发展方向，提升企业的核心竞争力。财务综合评价也有助于企业加强与债权人的沟通与合作，为企业营造良好的融资环境。债权人在为企业提供贷款或其他融资支持时，会重点关注企业的偿债能力和财务风险。财务综合评价结果能够向债权人全面展示企业的财务状况和经营实力，增强债权人对企业的信任。若企业的综合评价结果良好，表明企业具有较强的偿债能力和稳定的经营状况，债权人就更愿意为企业提供融资支持，且可能给予更优惠的融资条件，如较低的贷款利率、较长的还款期限等。这有利于企业降低融资成本，拓宽融资渠道，保障企业的资金需求，促进企业的健康发展。财务综合评价能够为监管部门提供客观、准确的企业财务信息，便于监管部门加强对上市公司的监管力度，维护资本市场的公平、公正和有序运行。监管部门可以依据综合评价结果，对财务状况异常的企业进行重点监管，及时发现和纠正企业的违规行为，防范金融风险的发生。对于那些综合评价结果较差、存在财务风险隐患的上市公司，监管部门可以要求企业进行整改，加强信息披露，规范企业的财务管理和经营行为，保护投资者的合法权益，促进资本市场的健康稳定发展。三、电子信息板块上市公司财务现状及危机案例分析3.1电子信息板块发展概况电子信息产业作为我国的战略性支柱产业，在推动经济增长、促进科技创新、提升国家竞争力等方面发挥着举足轻重的作用。近年来，我国电子信息产业规模持续扩大，产业结构不断优化，技术创新能力显著增强，在全球电子信息产业格局中占据着重要地位。从产业规模来看，我国电子信息产业实现了快速增长。2010年至2022年期间，我国电子信息产业销售收入从7.75万亿元增长至15.45万亿元，年平均增速保持在较高水平。其中，电子信息制造业收入由6.39万亿元增加到12.10万亿元，软件和信息技术服务业由1.36万亿元增加到4.9万亿元，均呈现出强劲的发展态势。在地域分布上，我国电子信息产业已形成了环渤海、长三角、珠三角三个具有代表性的产业聚集地。环渤海地区以北京为核心，凭借丰富的科研资源和人才优势，承担着电子产品制造和电子信息产品研发的重要功能，尤其在元器件、家电、通信设备等产品的生产和研发方面成果显著。长三角地区以上海为中心，包括南京、无锡、苏州等城市，凭借完善的产业配套和高效的生产能力，主要承担电子信息产品的生产和组装功能，在电脑、半导体、手机等产品及其零部件的生产领域占据重要地位。珠三角地区以广州、深圳为核心，涵盖中山、佛山、东莞等地，充分发挥其灵活的市场机制和强大的制造能力，主要承担消费类电子产品和电脑零配件的生产和组装，是全球重要的消费电子生产基地。在进出口方面，我国电子信息产品在国际市场上占据重要份额。2010年，中国电子信息产品进出口总额超过1万亿美元，占全国外贸进出口总额的34%。2016年，电子信息产品进出口总额达到1.22万亿美元，占全国外贸进出口总额的33.23%。尽管2015年和2016年受国际经济环境影响，进出口总额同比有所下降，但总体来看，2010-2016年期间，电子信息产品进出口总额占全国进出口总额比例均超过30%。2022年，我国规模以上电子信息制造业企业出口交货值66776亿元，同比增长1.8%，在全球电子信息产业供应链中扮演着关键角色。随着5G、人工智能、大数据、云计算等新一代信息技术的快速发展，电子信息产业正迎来新一轮的技术变革和产业升级。5G技术的广泛应用，为物联网、智能交通、工业互联网等领域的发展提供了强大的技术支撑，推动了电子信息产品的智能化、网络化发展。人工智能技术的不断突破，使得电子信息产品具备了更强大的智能交互和数据分析能力，如智能语音助手、图像识别技术等在消费电子、安防监控等领域得到广泛应用。大数据和云计算技术的发展，为电子信息产业提供了高效的数据存储、处理和分析平台，促进了产业的数字化转型和创新发展。在新的发展趋势下，电子信息产业智能化发展趋势日益明显。智能技术、人工智能、智能电器、智能服务、智能汽车等领域成为产业发展的热点。越来越多的电子信息产品具备了智能化的功能，如智能家居系统可以实现家电的远程控制和智能联动，智能汽车配备了自动驾驶辅助系统和智能互联功能，提升了用户的使用体验和生活品质。随着技术的不断进步，电子信息产业将朝着更高端、更智能、更绿色的方向发展，为经济社会的发展注入新的动力。3.2财务现状分析为全面、深入地剖析电子信息板块上市公司的财务状况，选取盈利能力、偿债能力、营运能力等关键财务指标，对该板块上市公司进行系统性分析。在盈利能力方面，选取净资产收益率（ROE）、总资产收益率（ROA）、毛利率和净利率这四个具有代表性的指标。净资产收益率是净利润与平均股东权益的百分比，反映股东权益的收益水平，用以衡量公司运用自有资本的效率。总资产收益率是净利润与平均资产总额的比率，体现了企业运用全部资产获取利润的能力。毛利率是毛利与销售收入的百分比，反映了产品或服务的初始盈利能力。净利率则是净利润与销售收入的百分比，展示了企业在扣除所有成本和费用后的最终盈利能力。通过对这些指标的分析，可以清晰地了解企业在盈利方面的表现和能力。根据对电子信息板块上市公司2022-2024年财务数据的统计分析，整体盈利能力呈现出一定的波动。2022年，板块平均净资产收益率为8.5%，总资产收益率为4.2%，毛利率为20.5%，净利率为7.8%。到了2023年，受市场竞争加剧、原材料价格上涨等因素影响，平均净资产收益率降至7.2%，总资产收益率降至3.5%，毛利率降至18.8%，净利率降至6.5%。2024年，随着行业技术创新的推进和市场需求的部分回暖，盈利能力有所回升，平均净资产收益率达到8.0%，总资产收益率为3.8%，毛利率为19.5%，净利率为7.2%。尽管整体盈利能力有所波动，但仍有部分企业表现出色，如[公司A]凭借其在5G通信领域的技术优势和市场份额，2024年净资产收益率达到15.6%，总资产收益率为8.2%，毛利率为28.5%，净利率为12.6%，在行业中处于领先地位。偿债能力是衡量企业财务风险的重要指标，分为短期偿债能力和长期偿债能力。短期偿债能力主要通过流动比率和速动比率来评估。流动比率是流动资产与流动负债的比值，反映企业在短期内用流动资产偿还流动负债的能力。速动比率是速动资产（流动资产减去存货）与流动负债的比值，更能准确地反映企业的短期偿债能力。长期偿债能力则主要通过资产负债率和产权比率来衡量。资产负债率是负债总额与资产总额的百分比，体现了企业总资产中有多少是通过负债筹集的，反映了企业的长期偿债风险。产权比率是负债总额与股东权益的比值，表明债权人提供的资本与股东提供的资本的相对关系，衡量企业的财务结构是否稳定。从统计数据来看，电子信息板块上市公司的偿债能力在不同年份也有所变化。2022-2024年，板块平均流动比率分别为1.8、1.7和1.8，整体处于较为合理的水平，表明企业在短期内具备一定的偿债能力。平均速动比率分别为1.3、1.2和1.3，也显示出企业在扣除存货后，能够较快地偿还流动负债。在长期偿债能力方面，平均资产负债率在2022-2024年分别为45%、47%和46%，相对稳定，说明企业的长期偿债风险处于可控范围。平均产权比率分别为0.8、0.9和0.8，反映出企业的财务结构相对稳健。然而，也有个别企业存在偿债风险，如[公司B]由于过度扩张，2024年资产负债率高达65%，产权比率为1.8，面临较大的长期偿债压力，若经营不善，可能会引发财务危机。营运能力体现了企业在资产管理和运营效率方面的能力，主要通过应收账款周转率、存货周转率和总资产周转率来衡量。应收账款周转率是营业收入与平均应收账款余额的比值，反映了企业收回应收账款的速度，周转率越高，说明企业收账速度快，资产流动性强，坏账损失少。存货周转率是营业成本与平均存货余额的比值，用于衡量企业存货管理水平和存货变现速度，周转率越高，表明存货占用资金少，存货周转快。总资产周转率是营业收入与平均资产总额的比值，反映了企业全部资产的经营质量和利用效率，周转率越高，说明企业资产运营效率越高。分析2022-2024年的数据可知，电子信息板块上市公司的营运能力整体较为稳定。平均应收账款周转率在2022-2024年分别为6.5次、6.2次和6.4次，略有波动，表明企业在应收账款管理方面保持着一定的水平。平均存货周转率分别为4.8次、4.6次和4.7次，显示出企业在存货管理上相对平稳，但仍有提升空间。平均总资产周转率分别为1.2次、1.1次和1.2次，说明企业在资产运营效率方面基本保持稳定。部分企业在营运能力方面表现突出，[公司C]通过优化供应链管理和销售渠道，2024年应收账款周转率达到9.5次，存货周转率为6.8次，总资产周转率为1.5次，有效提高了企业的运营效率和资金使用效率。3.3财务危机案例剖析3.3.1商汤科技案例分析商汤科技作为亚洲最大的人工智能软件供应商和中国最大的计算机视觉软件供应商，在技术研发和市场应用方面取得了显著成就，其技术在金融、安防、智慧城市等多个领域得到广泛应用。然而，近年来商汤科技却面临着严峻的财务危机，长期处于亏损状态，营收下滑，现金流承压，给公司的持续发展带来了巨大挑战。从财务数据来看，商汤科技自成立以来一直未能实现盈利，亏损额不断扩大。2018-2020年，公司的亏损分别为34.33亿元、49.68亿元和121.58亿元。2021年在香港上市后，虽亏损幅度有所收窄，但2021年和2022年仍分别亏损171.77亿元和60.93亿元，上市以来累计亏损超232亿元。在营收方面，2022年之前公司营收保持增长，由2018年的18.53亿元上升至2021年的47亿元，但2022年却出现明显下降，当年实现营业收入38.09亿元，同比下降18.97%。2022年末，公司年末现金及现金等价物余额为79.63亿元，同比下降51.83%，经营性现金净流出30.84亿元，同比下降24.1%，现金流状况不容乐观。商汤科技陷入财务危机的原因是多方面的。研发投入过高是导致其长期亏损的重要因素之一。2018-2021年上半年，商汤科技的研发投入占比分别为45.9%、63.3%、71.3%、107.3%，研发费用比营收还要高。人工智能算法与模型是商汤科技的核心产品，但这些算法本身并不能直接盈利，为了实现商业化，需要将技术应用到各个行业中，这一转化过程需要大量的研发投入、市场推广和合作伙伴关系建设，导致公司成本居高不下。客户集中度较高也给商汤科技带来了一定的风险。虽然公司拥有2400家软件客户，其中250家是财富500强企业，但大部分公司没有贡献利润，前五大客户贡献了公司59.3%的收入，客户集中度非常高，一旦主要客户流失或减少订单，将对公司营收产生重大影响。商汤科技的产品不够标准化，目前核心产品解决方案仍需要个性化交付，难以规模化复制，导致公司团队陷入项目交付状态，在高研发成本的情况下，利润空间被严重压缩。此外，疫情的影响也不可忽视。2022年受疫情封控影响，公司项目推进延期，客户贸易应收款项延期，导致账龄1年以上的贸易应收款项由23.56亿元增至50.55亿元，同比增长114.56%，贸易应收款项周转天数由2021年的319天增至2022年的494天，与贸易应收款相关的计提减值拨备由2021年的9.8亿元增至2022年的25.79亿元，增幅为163.2%，对利润亏损产生了较大影响。3.3.2东晶电子案例分析东晶电子成立于1999年，2007年在深交所上市，主营业务为石英晶体元器件业务。然而，近年来东晶电子面临着控制权变更频繁、业绩亏损严重等问题，甚至面临着“财务退”的风险，公司的财务状况和经营前景不容乐观。自2016年以来，东晶电子的控制权多次变更。2016年12月，公司创始人、原控股股东李庆跃及其他三名自然人股东向蓝海投控转让股份，并委托表决权，使得蓝海投控成为新任控股股东，实控人变更为苏思通。但苏思通未能帮助公司走出困境，2018年东晶电子营收创上市以来新低，归母净亏损0.79亿元。同年，苏思通转让蓝海投控控制权，中锐集团掌门人钱建蓉成为公司新任实控人。钱建蓉主导的英雄互娱借壳东晶电子也以失败告终。2019年6月，李庆跃等人解除表决权委托协议，东晶电子变更为无控股股东、无实控人状态。2021年3月，千石创富宣布“清仓式”减持，李庆跃重回第一大股东之位。2024年11月，李庆跃向宁波宁聚转让股份，蓝海投控被动成为第一大股东。频繁的控制权变更使得公司战略缺乏稳定性和连贯性，管理层频繁变动，影响了公司的正常运营和发展决策。在业绩方面，东晶电子长期处于亏损状态。2011年受国际经济环境变动、行业竞争加剧等因素影响，公司业绩大幅下滑。为寻求转型，公司布局LED蓝宝石晶片项目，但由于市场发展不及预期，2014年和2015年分别亏损1.53亿元和2.75亿元。2016年出售相关业务后虽实现扭亏，但2018年再次陷入亏损。2022-2024年，公司营收分别为1.81亿元、1.73亿元和2.17亿元，归属于上市公司股东的净利润分别为-6910.84万元、-6659.56万元和-7345.34万元，已连续三年亏损。2025年3月24日晚间，公司发布公告称，自3月26日起，公司股票将被实施退市风险警示，股票简称由“东晶电子”变更为“*ST东晶”。公司业绩亏损的主要原因是所处电子元器件行业市场竞争激烈，主要产品销售单价未见好转，同时，2024年度分别计提存货跌价准备3005.29万元，固定资产减值准备1261.23万元，进一步加重了亏损。从运营数据来看，公司费用控制呈现分化趋势，销售费用和财务费用上升，研发费用下降，研发投入占比从7.20%降至4.83%，可能影响未来技术储备。经营活动现金流净额暴跌98.30%至-917.37万元，反映经营质量明显下降。资产状况持续恶化，年末总资产4.89亿元同比下降5.5%，净资产2.30亿元缩水23.8%，资产负债率攀升至52.95%。3.3.3创意信息案例分析创意信息成立于1996年，2014年在深圳登陆资本市场，经过多年发展，已形成拥有数据库、操作系统、5G等产品，以及人工智能、物联网和云计算边缘计算等信息技术解决方案的服务商，为包括政企、金融、能源等领域的众多客户提供数字化转型服务。然而，一起3亿级的诈骗案给创意信息带来了沉重打击，导致公司利润大幅减少，股价暴跌，陷入了严重的财务危机。2022年11月底，创意信息与国网四川综合能源服务有限公司签订了总金额达3.64亿元的七份《物资采购合同》，涉及分布式数据中心建设项目。但国网四川综合能源服务有限公司仅在2022年12月29日支付了两笔货款，共计3898.8万元，后续3.25亿元款项一直未支付。为收回款项，创意信息与货物购买业主国宁睿能绿色能源科技有限公司沟通，并签订《合作协议》，约定国宁睿能在2023年12月的三个时间点支付剩余货款。但国宁睿能未能按时支付第一笔款项，创意信息向成都市中院提起民事诉讼和财产保全申请，法院冻结国宁睿能五个银行账户，但实际冻结资金总额还不到2万元。在催收回款过程中，创意信息发现可能涉及违法犯罪行为，于2024年1月19日向成都市公安局青羊区分局经侦大队报案，并于2月20日收到立案告知书，公安机关已对“240119合同诈骗案”立案调查。出于谨慎原则，创意信息已全额计提特定项目的应收账款为坏账，导致利润减少约3.25亿元。这对于原本经营状况就不佳的创意信息来说，无疑是雪上加霜。从公司过往财务数据来看，2018-2022年，创意信息分别实现营业收入16.05亿元、19.71亿元、20.06亿元、18.67亿元和21.92亿元，归母净利润分别为-4.2亿元、1.02亿元、-8.18亿元、-0.48亿元和-0.73亿元，算上2023年预亏至多4.5亿元，公司近六年中有五年处于亏损泥潭中，近四年连续亏损额至多达到13.89亿元。资产负债率方面，2017-2022年，该指标从19.97%飙升至50.36%，虽随后几年有所回落但仍在40%以上。此次诈骗案发生后，公司经营受到重创，现金流和财务稳定情况受到巨大考验。二级市场上，公司股价自2024年1月5日的12.24元/股暴跌至2月6日的6.83元/股，跌幅达44.2%，投资者信心受到极大打击。3.4案例总结与启示综合分析商汤科技、东晶电子和创意信息这三个案例，可以发现电子信息板块上市公司陷入财务危机存在一些共性问题。研发投入与盈利平衡难以把握是一个突出问题。商汤科技为了保持技术领先地位，持续加大研发投入，研发投入占比过高，导致长期亏损，尽管在技术上取得了一定优势，但盈利能力不足，使得公司面临较大的财务压力。这反映出在电子信息行业，企业在追求技术创新的，必须注重研发投入与盈利之间的平衡，不能过度依赖技术投入而忽视了盈利的实现。市场竞争激烈和产品竞争力不足也是导致财务危机的重要原因。东晶电子所处的电子元器件行业竞争激烈，主要产品销售单价持续低迷，公司市场份额不断被挤压，盈利能力受到严重影响。在这样的市场环境下，企业如果不能及时提升产品竞争力，优化产品结构，就很容易陷入财务困境。产品竞争力的提升不仅包括产品质量的提高，还包括产品的差异化、创新性以及成本控制等方面。公司治理和战略稳定性同样至关重要。东晶电子频繁的控制权变更，使得公司战略缺乏稳定性，管理层难以制定长期有效的发展规划，影响了公司的正常运营和发展决策。一个稳定的公司治理结构和明确的发展战略，对于企业的长期发展至关重要。稳定的公司治理结构能够保证企业决策的科学性和有效性，而明确的发展战略能够为企业指明发展方向，提高企业的运营效率和市场竞争力。外部风险对企业财务状况的影响也不容忽视。创意信息遭遇的合同诈骗案，导致公司利润大幅减少，股价暴跌，陷入财务危机。这表明企业在经营过程中，面临着各种外部风险，如信用风险、市场风险、法律风险等，企业必须加强风险管理，建立健全风险预警机制和应对措施，降低外部风险对企业财务状况的影响。基于上述案例分析，电子信息板块上市公司可以从中得到以下启示。在研发投入方面，企业应制定合理的研发投入计划，根据自身的财务状况和市场需求，科学确定研发投入的规模和方向，注重研发成果的转化和商业化应用，提高研发投入的回报率。可以加强与高校、科研机构的合作，整合各方资源，提高研发效率，降低研发成本。在产品竞争力提升方面，企业要加大技术创新力度，不断推出具有创新性和差异化的产品，满足市场需求。要加强质量管理，优化生产流程，降低生产成本，提高产品的性价比。还应加强市场调研，及时了解市场动态和竞争对手情况，调整产品策略，提高市场份额。完善公司治理结构，保持战略稳定性是企业发展的关键。企业应建立健全的公司治理机制，明确各股东的权利和义务，加强董事会的独立性和监督作用，避免控制权的过度集中和频繁变更。制定科学合理的发展战略，并保持战略的稳定性和连贯性，确保企业在长期发展中有明确的方向和目标。在风险管理方面，企业要树立风险意识，加强对各类风险的识别、评估和控制。建立完善的风险预警机制，及时发现潜在的风险因素，并采取有效的应对措施。加强对合同的管理，严格审查合同条款，防范合同诈骗等风险的发生。还应优化融资结构，合理控制债务规模，降低偿债风险，确保企业的财务稳定。四、财务危机预警模型构建4.1指标选取与筛选4.1.1初选指标确定为全面、准确地反映电子信息板块上市公司的财务状况和经营成果，以便构建有效的财务危机预警模型，本研究从盈利能力、偿债能力、营运能力、发展能力、现金流量以及股东获利能力等多个维度，精心选取了共22个财务指标作为初选指标。在盈利能力方面，选取了净资产收益率、总资产收益率、毛利率、净利率、基本每股收益和每股经营现金流量六个指标。净资产收益率是净利润与平均股东权益的百分比，反映股东权益的收益水平，用以衡量公司运用自有资本的效率，该指标越高，说明投资带来的收益越高。总资产收益率是净利润与平均资产总额的比率，体现了企业运用全部资产获取利润的能力，指标值越高，表明企业资产利用效果越好。毛利率是毛利与销售收入的百分比，反映了产品或服务的初始盈利能力，毛利率越高，说明产品或服务的利润空间越大。净利率是净利润与销售收入的百分比，展示了企业在扣除所有成本和费用后的最终盈利能力，净利率越高，表明企业的盈利能力越强。基本每股收益是指普通股每股税后利润，该指标反映了每股创造的税后利润，比率越高，表明所创造的利润越多。每股经营现金流量反映了公司每股普通股获得的现金流量，该指标越高，说明公司的经营现金流量状况越好，盈利能力的质量越高。偿债能力指标包括流动比率、速动比率、现金流动负债比、资产负债率、产权比率和利息保障倍数六个指标。流动比率是流动资产与流动负债的比值，反映企业在短期内用流动资产偿还流动负债的能力，一般认为流动比率应保持在2左右较为合适。速动比率是速动资产（流动资产减去存货）与流动负债的比值，更能准确地反映企业的短期偿债能力，通常速动比率在1左右被认为是较好的。现金流动负债比是经营现金净流量与流动负债的比值，反映企业经营活动产生的现金流量对流动负债的保障程度，该指标越大，表明企业经营活动产生的现金流量越多，越能保障企业按时偿还到期债务。资产负债率是负债总额与资产总额的百分比，体现了企业总资产中有多少是通过负债筹集的，反映了企业的长期偿债风险，一般来说，资产负债率越低，企业的偿债能力越强，但过低的资产负债率也可能表明企业未能充分利用财务杠杆。产权比率是负债总额与股东权益的比值，表明债权人提供的资本与股东提供的资本的相对关系，衡量企业的财务结构是否稳定，产权比率越低，说明企业的长期偿债能力越强，财务结构越稳定。利息保障倍数是息税前利润与利息费用的比值，反映了企业经营所得支付债务利息的能力，该指标越大，说明企业支付利息费用的能力越强，偿债能力越强。营运能力指标选取了存货周转率、应收账款周转率、流动资产周转率和总资产周转率四个指标。存货周转率是营业成本与平均存货余额的比值，用于衡量企业存货管理水平和存货变现速度，周转率越高，表明存货占用资金少，存货周转快，企业的销售能力越强。应收账款周转率是营业收入与平均应收账款余额的比值，反映了企业收回应收账款的速度，周转率越高，说明企业收账速度快，资产流动性强，坏账损失少。流动资产周转率是营业收入与平均流动资产余额的比值，反映了企业流动资产的周转速度，该指标越高，表明企业流动资产的利用效率越高。总资产周转率是营业收入与平均资产总额的比值，反映了企业全部资产的经营质量和利用效率，周转率越高，说明企业资产运营效率越高。发展能力指标包括营业收入增长率、净利润增长率、总资产增长率和股东权益增长率四个指标。营业收入增长率是本期营业收入增加额与上期营业收入总额的比值，反映了企业营业收入的增长情况，该指标越高，说明企业的市场拓展能力越强，发展前景越好。净利润增长率是本期净利润增加额与上期净利润的比值，反映了企业净利润的增长情况，净利润增长率越高，表明企业的盈利能力不断增强，发展态势良好。总资产增长率是本期总资产增加额与年初资产总额的比值，反映了企业资产规模的增长情况，总资产增长率越高，说明企业资产规模扩张速度越快。股东权益增长率是本期股东权益增加额与年初股东权益的比值，反映了股东权益的增长情况，该指标越高，说明企业股东权益增长越快，企业的发展能力越强。现金流量指标选取了经营现金流量净额和现金及现金等价物净增加额两个指标。经营现金流量净额反映了企业经营活动现金流入与现金流出的差额，该指标越大，说明企业经营活动产生的现金流量越充足，企业的经营状况越好。现金及现金等价物净增加额是企业现金及现金等价物期末余额与期初余额的差额，反映了企业现金及现金等价物的增减变动情况，该指标可以反映企业的资金流动性和财务弹性。股东获利能力指标选取了每股净资产和每股公积金两个指标。每股净资产是股东权益与总股数的比率，反映每股股票所拥有的资产现值，每股净资产越高，股东拥有的资产现值越多，股东的获利能力越强。每股公积金是公积金与总股数的比值，公积金是企业在经营过程中积累的资金，每股公积金越高，说明企业的资本公积金越充足，股东的潜在获利能力越强。通过选取上述多个维度的22个财务指标，能够全面、系统地反映电子信息板块上市公司的财务状况和经营成果，为后续的指标筛选和模型构建提供丰富的数据基础。4.1.2指标筛选方法为了从初选的22个财务指标中筛选出对区分“ST”公司和正常公司具有显著作用的指标变量，本研究采用假设检验方法。假设检验是一种基于样本数据来推断总体特征的统计方法，其基本思想是先对总体参数提出一个假设，然后利用样本数据来判断该假设是否成立。在本研究中，将“ST”公司视为财务危机组，正常公司视为非财务危机组。针对每个初选财务指标，分别对两组数据进行独立样本t检验（若数据不满足正态分布，则采用非参数检验中的Mann-WhitneyU检验）。原假设H0为：“ST”公司和正常公司在该财务指标上的均值无显著差异；备择假设H1为：“ST”公司和正常公司在该财务指标上的均值存在显著差异。以净资产收益率为例，假设检验的具体步骤如下：首先，收集“ST”公司和正常公司的净资产收益率数据。对两组数据进行正态性检验，若数据服从正态分布，则计算两组数据的均值、方差等统计量。根据独立样本t检验的公式，计算t统计量的值：t=\frac{\bar{x}_1-\bar{x}_2}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}，其中\bar{x}_1和\bar{x}_2分别为“ST”公司和正常公司净资产收益率的样本均值，s_1^2和s_2^2分别为两组数据的样本方差，n_1和n_2分别为两组数据的样本数量。确定显著性水平α（通常取0.05），根据自由度和显著性水平查t分布表，得到临界值。若计算得到的t统计量的绝对值大于临界值，则拒绝原假设，认为“ST”公司和正常公司在净资产收益率上存在显著差异，该指标对区分两组公司具有显著作用，予以保留；反之，则接受原假设，认为该指标在两组公司间无显著差异，将其剔除。若数据不满足正态分布，则采用Mann-WhitneyU检验。计算两组数据的秩和，根据Mann-WhitneyU检验的公式计算U统计量的值。同样根据显著性水平α，查Mann-WhitneyU分布表，得到临界值。若U统计量的值小于临界值，则拒绝原假设，保留该指标；否则，接受原假设，剔除该指标。通过对22个初选财务指标逐一进行假设检验，筛选出在“ST”公司和正常公司之间存在显著差异的指标变量，这些指标变量能够更有效地反映电子信息板块上市公司的财务危机状况，为后续构建准确的财务危机预警模型奠定坚实基础。4.2基于临界值的判别模型4.2.1模型原理介绍基于临界值的财务危机判别模型，是依据财务指标的特征以及过往经验，为各个关键财务指标设定相应的临界值。通过对比企业实际的财务指标数值与所设定的临界值，以此来判断企业是否存在财务危机的风险。若企业的多个财务指标数值偏离正常范围，超出了所设定的临界值，就表明企业的财务状况可能出现异常，存在较高的财务危机风险。以流动比率这一关键财务指标为例，在正常情况下，企业的流动比率通常保持在2左右较为合适，这一数值是基于大量企业的财务数据统计分析以及行业经验得出的。当企业的流动比率低于1.5这一临界值时，意味着企业的流动资产可能不足以覆盖流动负债，短期偿债能力存在较大风险。若企业的流动比率连续多个会计期间持续低于1.5，且其他偿债能力指标如速动比率、现金流动负债比等也呈现出恶化趋势，如速动比率低于0.8，现金流动负债比为负数，就说明企业的短期偿债能力严重不足，面临着较大的财务危机风险。再以资产负债率为例，一般认为资产负债率在40%-60%之间是较为合理的范围。当企业的资产负债率超过70%这一临界值时，表明企业的负债规模相对较大，长期偿债风险显著增加。若企业的资产负债率持续攀升，且利息保障倍数低于2，说明企业的盈利能力可能无法有效支撑债务利息的支付，长期偿债能力堪忧，企业陷入财务危机的可能性增大。该模型的核心在于准确设定临界值。临界值的设定并非一成不变，而是需要充分考虑行业特点、企业规模、经营模式以及宏观经济环境等多种因素。不同行业的企业，其财务指标的正常范围和风险特征存在差异。电子信息行业属于技术密集型和资金密集型行业，研发投入较大，资产负债率相对较高，因此在设定资产负债率的临界值时，可能需要适当放宽标准。企业规模的大小也会影响财务指标的表现，大型企业由于其规模优势和多元化经营，可能具有更强的偿债能力和抗风险能力，临界值的设定可以相对灵活。经营模式不同的企业，其财务指标的变化规律也有所不同。以电商企业和传统制造业企业为例，电商企业的资金周转速度较快，应收账款周转率较高，而传统制造业企业的存货周转周期较长，在设定相关财务指标的临界值时，需要充分考虑这些差异。宏观经济环境的变化也会对企业的财务状况产生影响。在经济繁荣时期，企业的经营状况相对较好，财务指标表现较为稳定，临界值可以适当收紧；而在经济衰退时期，企业面临的市场风险和经营压力增大，临界值则需要适当放宽。4.2.2模型应用与检验为了检验基于临界值的财务危机判别模型的有效性，本研究选取了[具体年份]电子信息板块的[样本数量]家上市公司作为研究样本，其中包括[“ST”公司数量]家“ST”公司和[正常公司数量]家正常公司。对于每个样本公司，收集其在[具体年份]的各项财务指标数据，包括流动比率、速动比率、资产负债率、净资产收益率、净利润增长率等关键指标。根据前文所述的模型原理，为每个指标设定相应的临界值。流动比率的临界值设定为1.5，速动比率的临界值设定为0.8，资产负债率的临界值设定为70%，净资产收益率的临界值设定为5%，净利润增长率的临界值设定为-10%。将样本公司的实际财务指标数值与临界值进行逐一对比。若一家公司的流动比率低于1.5，速动比率低于0.8，资产负债率超过70%，净资产收益率低于5%，净利润增长率低于-10%，且这些指标的异常情况持续多个会计期间，就判定该公司存在财务危机风险。若公司A在[具体年份]的流动比率为1.2，速动比率为0.6，资产负债率达到75%，净资产收益率仅为3%，净利润增长率为-15%，且在过去两年中这些指标也呈现出类似的恶化趋势，根据模型判定该公司存在财务危机风险。通过对样本公司的逐一判断，得出模型的预测结果。将预测结果与样本公司的实际财务状况进行对比，以检验模型的准确率。在[样本数量]家样本公司中，实际存在财务危机（被“ST”）的公司有[“ST”公司数量]家，模型正确预测出其中[正确预测“ST”公司数量]家，预测错误[错误预测“ST”公司数量]家；实际财务状况正常的公司有[正常公司数量]家，模型正确预测出其中[正确预测正常公司数量]家，预测错误[错误预测正常公司数量]家。计算模型的准确率，公式为：准确率=（正确预测“ST”公司数量+正确预测正常公司数量）/样本数量×100%。经计算，该模型在本次样本检验中的准确率为[具体准确率数值]%。虽然该模型在一定程度上能够识别出存在财务危机风险的公司，但仍存在一定的误判率。部分被模型判定为存在财务危机风险的公司，实际上并未被“ST”，这可能是由于这些公司虽然某些财务指标表现不佳，但通过其他方式（如资产重组、政府补贴等）改善了财务状况，或者模型本身对一些特殊情况的考虑不够全面。也有部分实际已被“ST”的公司未被模型准确预测出来，这可能是因为模型所选取的财务指标和设定的临界值未能充分反映这些公司的财务危机特征，或者存在其他未被纳入模型考虑的影响因素。4.3基于马氏距离的判别模型4.3.1马氏距离原理马氏距离是由印度统计学家马哈拉诺比斯（P.C.Mahalanobis）提出的概念，用于表示数据的协方差距离，能够同时考虑到变量之间的相关性并且独立于测量尺度，是一种有效计算两个未知样本集相似度的方法。在判别分析中，马氏距离有着重要的作用。在欧氏距离中，它将样品的不同属性（即各指标或各变量）之间的差别等同看待，这在许多实际情况中并不合理。在财务指标分析中，不同的财务指标对企业财务状况的影响程度是不同的，而且各指标之间可能存在相关性。流动比率和速动比率都用于衡量企业的短期偿债能力，它们之间存在一定的相关性。如果仅使用欧氏距离来分析企业财务状况，可能会因为没有考虑到这些相关性和指标的重要性差异，导致分析结果不准确。马氏距离则克服了欧氏距离的这些缺点。它考虑了数据的协方差结构，能够消除变量之间的相关性和量纲影响。对于一个均值为μ，协方差矩阵为Σ的多变量向量，其马氏距离定义为D_M=\sqrt{(x-\mu)^T\Sigma^{-1}(x-\mu)}，其中x为样本向量。从公式可以看出，马氏距离通过协方差矩阵\Sigma^{-1}对变量之间的相关性进行了调整。当变量之间存在正相关时，协方差矩阵中的相应元素为正，在计算马氏距离时会对这种相关性进行合理的考量，避免重复计算相关信息对距离的影响。马氏距离不受测量尺度的影响，无论数据的单位如何变化，马氏距离的值都保持不变。这使得在处理不同量纲的财务指标时，马氏距离能够更准确地度量样本之间的相似程度。在财务危机预警的判别分析中，马氏距离可以帮助我们更准确地判断企业财务状况与正常企业或财务危机企业的相似度。通过计算企业财务指标向量与正常企业和财务危机企业样本均值向量的马氏距离，比较距离的大小，从而判断该企业更倾向于属于哪一类。如果某企业与财务危机企业样本均值向量的马氏距离较小，而与正常企业样本均值向量的马氏距离较大，则说明该企业的财务状况与财务危机企业更为相似，存在财务危机的风险较高。4.3.2模型构建与分析构建基于马氏距离的财务危机判别模型，首先需要确定用于分析的财务指标变量。通过前文的指标筛选方法，从初选的22个财务指标中筛选出对区分财务危机企业和正常企业具有显著作用的指标，如净资产收益率、资产负债率、流动比率、存货周转率等。假设筛选出的财务指标变量组成的向量为X=[x_1,x_2,\cdots,x_n]^T，其中n为指标变量的个数。将样本数据分为财务危机组（“ST”公司）和正常组（非“ST”公司）。分别计算两组的样本均值向量\mu_1和\mu_2，以及合并样本的协方差矩阵S。对于一个待判断的企业样本X_0，计算它与财务危机组均值向量\mu_1的马氏距离D_{M1}和与正常组均值向量\mu_2的马氏距离D_{M2}：D_{M1}=\sqrt{(X_0-\mu_1)^TS^{-1}(X_0-\mu_1)}D_{M2}=\sqrt{(X_0-\mu_2)^TS^{-1}(X_0-\mu_2)}判别规则为：若D_{M1}\leqD_{M2}，则判断该企业为财务危机企业；若D_{M1}>D_{M2}，则判断该企业为正常企业。为了更直观地说明基于马氏距离的判别模型的优势，将其与基于临界值的模型进行对比分析。以前文检验基于临界值的财务危机判别模型的[具体年份]电子信息板块的[样本数量]家上市公司为样本，同时使用基于马氏距离的判别模型对这些样本进行判断。基于临界值的模型在判断时，可能会因为某些企业的个别财务指标异常但整体财务状况尚可，或者个别指标虽符合临界值但其他指标存在潜在风险而出现误判。有些企业可能由于短期的资金周转问题导致流动比率暂时低于临界值，但其他财务指标表现良好，企业的整体经营状况仍然稳定，基于临界值的模型可能会将其误判为财务危机企业。而基于马氏距离的判别模型综合考虑了多个财务指标之间的相关性和整体财务状况。它通过计算马氏距离，从多个维度衡量企业与财务危机组和正常组的相似度，能够更全面、准确地判断企业的财务状况。对于上述例子中的企业，基于马氏距离的模型在计算马氏距离时，会综合考虑其他财务指标的情况，不会仅仅因为流动比率这一个指标异常就做出误判。通过对比两种模型对样本的判断结果，发现基于马氏距离的判别模型在准确率上有一定的提升。在[样本数量]家样本公司中，基于马氏距离的判别模型正确判断出的财务危机企业数量比基于临界值的模型多[X]家，正确判断出的正常企业数量多[Y]家，总体准确率从基于临界值模型的[具体准确率数值]%提升到了[基于马氏距离模型的准确率数值]%。这表明基于马氏距离的判别模型在财务危机预警方面具有更好的性能，能够为企业管理者、投资者等利益相关者提供更准确的决策依据。4.4危机程度预测模型4.4.1“ST”与“*ST”公司指标筛选为了构建能够准确预测电子信息板块上市公司危机程度的模型，需要筛选出能够有效区分“ST”和“*ST”公司的财务指标变量。同样采用假设检验方法，将“ST”公司和“*ST”公司分别视为两组样本，对初选的财务指标进行逐一检验。对于每个财务指标，设定原假设H0：“ST”公司和“*ST”公司在该指标上的均值无显著差异；备择假设H1：“ST”公司和“*ST”公司在该指标上的均值存在显著差异。以资产负债率为例，收集“ST”公司和“*ST”公司的资产负债率数据，对数据进行正态性检验。若数据服从正态分布，计算两组数据的均值\bar{x}_{ST}和\bar{x}_{*ST}、方差s_{ST}^2和s_{*ST}^2。根据独立样本t检验公式计算t统计量：t=\frac{\bar{x}_{ST}-\bar{x}_{*ST}}{\sqrt{\frac{s_{ST}^2}{n_{ST}}+\frac{s_{*ST}^2}{n_{*ST}}}}，其中n_{ST}和n_{*ST}分别为“ST”公司和“*ST”公司的样本数量。确定显著性水平α（如α=0.05），查t分布表得到临界值。若|t|大于临界值，则拒绝原假设，认为该指标在两组公司间存在显著差异，可作为区分“ST”和“*ST”公司的有效指标；若|t|小于等于临界值，则接受原假设，该指标不能有效区分两组公司，予以剔除。若数据不满足正态分布，则采用非参数检验中的Mann-WhitneyU检验。计算两组数据的秩和，根据公式计算U统计量。根据显著性水平α查Mann-WhitneyU分布表得到临界值。若U统计量小于临界值，则拒绝原假设，保留该指标；若U统计量大于等于临界值，则接受原假设，剔除该指标。通过对22个初选财务指标进行假设检验，筛选出在“ST”和“*ST”公司之间存在显著差异的财务指标，这些指标能够更好地反映不同危机程度公司的财务特征差异，为后续构建危机程度预测模型提供关键变量。经检验，如净利润增长率、资产负债率、流动比率、速动比率等指标在“ST”和“*ST”公司间存在显著差异，被保留作为构建模型的有效指标。净利润增长率能够反映公司盈利的增长或下降趋势，“*ST”公司往往净利润增长率更低，甚至为负且下降幅度较大，表明其盈利能力持续恶化；资产负债率反映公司的负债水平，“*ST”公司通常资产负债率更高，偿债压力更大；流动比率和速动比率衡量公司的短期偿债能力，“*ST”公司在这两个指标上表现更差，短期偿债风险更高。这些指标的筛选为准确预测危机程度奠定了基础。4.4.2模型建立与检验在筛选出有效区分“ST”和“*ST”公司的财务指标后，分别建立基于临界值和基于马氏距离的危机程度预测模型。基于临界值的危机程度预测模型，根据筛选出的财务指标，结合行业数据和经验，为每个指标设定不同的临界值区间，对应不同的危机程度。对于净利润增长率，设定当大于5%时为正常状态；当在-10%到5%之间时为轻度危机；当小于-10%时为重度危机。对于资产负债率，当小于50%时为正常；当在50%-70%之间为轻度危机；当大于70%时为重度危机。对于流动比率，大于2为正常；在1.5-2之间为轻度危机；小于1.5为重度危机。当一家公司的净利润增长率为-15%，资产负债率为75%，流动比率为1.2时，根据模型判断该公司处于重度危机状态。基于马氏距离的危机程度预测模型，以筛选出的财务指标构建指标向量X=[x_1,x_2,\cdots,x_m]^T，其中m为指标个数。分别计算“ST”公司和“*ST”公司的样本均值向量\mu_{ST}和\mu_{*ST}，以及合并样本的协方差矩阵S。对于待判断的公司样本X_0，计算它与“ST”公司均值向量\mu_{ST}的马氏距离D_{MST}和与“*ST”公司均值向量\mu_{*ST}的马氏距离D_{M*ST}：D_{MST}=\sqrt{(X_0-\mu_{ST})^TS^{-1}(X_0-\mu_{ST})}D_{M*ST}=\sqrt{(X_0-\mu_{*ST})^TS^{-1}(X_0-\mu_{*ST})}根据马氏距离的大小判断危机程度。若D_{M*ST}\leqD_{MST}，且D_{M*ST}小于设定的重度危机距离阈值，则判断该公司处于重度危机状态；若D_{MST}\leqD_{M*ST}，且D_{MST}小于设定的轻度危机距离阈值，则判断该公司处于轻度危机状态；若D_{MST}和D_{M*ST}均大于相应阈值，则判断公司处于正常状态。为检验两个模型的效果，选取[具体年份]电子信息板块中[样本数量]家“ST”和“*ST”公司作为样本，其中“ST”公司[ST样本数量]家，“*ST”公司[*ST样本数量]家。将样本公司的财务指标数据代入两个模型进行预测。对于基于临界值的模型，统计模型正确判断出的“ST”和“ST”公司数量，以及错误判断的数量。若在[样本数量]家样本中，正确判断出“ST”公司[正确判断ST数量]家，错误判断[错误判断ST数量]家；正确判断出“ST”公司[正确判断ST数量]家，错误判断[错误判断ST数量]家。计算模型的准确率为：准确率=\frac{正确判断ST数量+正确判断*ST数量}{样本数量}\times100\%，经计算准确率为[临界值模型准确率数值]%。该模型可能因临界值设定的局限性，对一些处于临界值附近的公司判断不准确。有些公司的财务指标刚好处于轻度危机和重度危机的临界值附近，由于行业波动等因素，实际危机程度与模型判断可能存在偏差。对于基于马氏距离的模型，同样统计正确和错误判断的公司数量。假设正确判断出“ST”公司[基于马氏距离正确判断ST数量]家，错误判断[基于马氏距离错误判断ST数量]家；正确判断出“ST”公司[基于马氏距离正确判断ST数量]家，错误判断[基于马氏距离错误判断*ST数量]家。计算其准确率为：准确率=\frac{基于马氏距离正确判断ST数量+基于马氏距离正确判断*ST数量}{样本数量}\times100\%，经计算准确率为[马氏距离模型准确率数值]%。虽然基于马氏距离的模型考虑了指标间相关性，但在样本数据存在异常值时，协方差矩阵会受到影响，从而可能导致距离计算不准确，影响判断结果。4.5模型对比与选择将基于临界值的判别模型、基于马氏距离的判别模型以及危机程度预测模型进行对比，从预警能力和准确率等方面进行综合评估。在预警能力方面，基于临界值的判别模型主要通过设定单一指标的临界值来判断企业是否存在财务危机风险。这种方式简单直观，易于理解和操作，但它的局限性在于过于依赖单个指标，忽视了财务指标之间的相互关系和综合影响。当企业的某个指标刚好处于临界值附近时，可能会因为该指标的微小波动而导致误判。若企业的流动比率略低于临界值，但其他偿债能力指标表现良好，仅依据流动比率可能会将企业误判为存在财务危机风险。基于马氏距离的判别模型则充分考虑了多个财务指标之间的相关性和整体财务状况。它通过计算马氏距离，从多个维度衡量企业与财务危机组和正常组的相似度，能够更全面、准确地判断企业的财务状况。该模型能够避免因单个指标异常而导致的误判，对于财务状况复杂的企业，其预警能力更具优势。对于一家电子信息企业，虽然某一时期的净利润率较低，但其他指标如资产负债率、营运能力指标等表现正常，基于马氏距离的模型会综合考虑这些因素，更准确地判断企业是否真正面临财务危机。危机程度预测模型旨在进一步区分企业财务危机的严重程度。基于临界值的危机程度预测模型通过为多个财务指标设定不同的临界值区间来判断危机程度。这种方法在一定程度上能够反映企业财务危机的轻重，但由于临界值的设定具有主观性，且难以全面涵盖各种复杂的财务情况，可能会导致对危机程度的判断不够精准。不同行业、不同规模的企业，其财务指标的合理范围存在差异，统一的临界值区间可能并不适用。基于马氏距离的危机程度预测模型通过计算企业与不同危机程度样本组的马氏距离来判断危机程度。该模型能够更细致地刻画企业财务状况与不同危机程度样本的相似性，在危机程度的判断上更具科学性和准确性。当企业与重度危机样本组的马氏距离较小，而与轻度危机样本组的马氏距离较大时，能够更准确地判断企业处于重度危机状态。从准确率方面来看，通过对样本数据的检验，基于马氏距离的判别模型和危机程度预测模型在准确率上普遍高于基于临界值的模型。在对电子信息板块上市公司的样本检验中，基于临界值的判别模型准确率为[具体准确率数值1]%，而基于马氏距离的判别模型准确率达到[具体准确率数值2]%，提升了[提升的准确率数值]个百分点。在危机程度预测方面，基于临界值的危机程度预测模型准确率为[具体准确率数值3]%，基于马氏距离的危机程度预测模型准确率为[具体准确率数值4]%，提高了[提升的准确率数值2]个百分点。综合考虑预警能力和准确率，基于马氏距离的判别模型和危机程度预测模型在电子信息板块上市公司的财务危机预警中表现更为出色。它们能够更全面、准确地反映企业的财务状况，为企业管理者、投资者等利益相关者提供更可靠的决策依据。在实际应用中，可优先选择基于马氏距离的模型进行财务危机预警及危机程度预测。五、正常上市公司综合评价5.1聚类分析5.1.1聚类方法选择聚类分析作为一种重要的数据分析手段，能够依据数据的内在特征和相似性，将数据对象划分为不同的类别，使得同一类中的对象具有较高的相似性，而不同类之间的对象差异较大。在对正常上市公司进行聚类分析时，系统聚类法是一种常用且有效的方法，它能够通过逐步合并或分裂的方式，构建出层次分明的聚类结构，直观地展示数据之间的关系。在系统聚类法中，类间距离的计算方式对于聚类结果有着关键影响。Ward法作为一种常用的类间距离计算方法，具有独特的优势。它基于方差分析的思想，通过最小化类内方差的增加来合并类。具体而言，当合并两个类时，Ward法会计算合并后类内方差的增加量，选择使该增加量最小的两个类进行合并。这种方法的优点在于它能够保证聚类结果的紧凑性和同质性，使得每个类内的数据点尽可能相似，而不同类之间的数据点差异明显。在对正常上市公司进行聚类时，Ward法可以有效地将财务特征相似的公司聚为一类，避免出现类内差异过大或类间差异过小的情况，从而为后续对不同类型公司的特征分析和比较提供了更为准确和可靠的基础。5.1.2聚类结果分析运用系统聚类法，类间距离选择Ward法对正常上市公司进行聚类后，得到了[X]个不同的类别。通过对各个类别中公司的财务数据和经营特征进行深入分析，可以清晰地阐述每一类公司的特点。第一类公司具有显著的高盈利能力特征。从财务指标来看，这类公司的净资产收益率普遍较高，均值达到[X]%，远高于行业平均水平，表明公司能够高效地运用股东权益获取利润，为股东创造丰厚的回报。总资产收益率也表现出色，均值为[X]%，反映出公司整体资产的运营效率极高，资产利用效果良好。毛利率和净利率同样突出，分别达到[X]%和[X]%，说明公司在产品或服务的初始盈利能力和最终盈利能力方面都具有强大的竞争力，产品或服务不仅具有较高的利润空间，而且在扣除所有成本和费用后仍能保持较高的盈利水平。这类公司通常拥有强大的技术研发实力和品牌优势。在技术研发方面，它们持续加大投入，不断推出具有创新性和差异化的产品，满足市场高端需求，从而在市场竞争中占据主导地位，获取高额利润。以[具体公司1]为例，该公司专注于[核心技术领域]的研发，拥有多项核心专利技术，其研发的[核心产品]在市场上具有独特的竞争优势，市场份额逐年扩大，推动公司盈利能力不断提升。在品牌建设方面，这类公司注重品牌形象塑造和品牌价值提升，通过优质的产品和服务、广泛的市场推广以及良好的企业声誉，树立了强大的品牌影响力，吸引了大量忠实客户，进而提高了产品的附加值和市场定价能力，增强了盈利能力。第二类公司呈现出高成长潜力的特点。在财务指标上，其营业收入增长率和净利润增长率表现优异，均值分别达到[X]%和[X]%，显示出公司业务拓展迅速，市场份额不断扩大，盈利能力持续增强。总资产增长率也较高，均值为[X]%，表明公司资产规模不断扩张，正在积极进行投资和业务布局。这类公司往往处于新兴细分市场，市场需求增长迅速。随着5G技术的普及，[具体公司2]专注于5G通信设备的研发和生产，所处的5G通信设备市场需求呈现爆发式增长，公司抓住机遇，快速扩大生产规模，拓展市场渠道，营业收入和净利润实现了高速增长。它们还具有创新的商业模式，能够快速适应市场变化，满足客户多样化需求。[具体公司2]采用了[创新商业模式]，通过与上下游企业的深度合作，构建了完整的产业链生态系统，实现了资源的优化配置和协同发展，提高了运营效率和市场竞争力，推动公司快速成长。第三类公司则以稳健的经营风格著称。从偿债能力指标来看，流动比率和速动比率保持在合理水平，均值分别为[X]和[X]，表明公司短期偿债能力较强，能够有效应对短期债务压力。资产负债率相对较低，均值为[X]%，说明公司债务负担较轻，长期偿债风险较小。在营运能力方面，存货周转率和应收账款周转率较为稳定，均值分别为[X]次和[X]次，反映出公司存货管理和应收账款管理水平较高，资产运营效率稳定。这类公司通常具有成熟的业务模式和稳定的客户群体。它们在行业中经营多年，积累了丰富的经验和良好的口碑，业务模式经过市场的长期检验，具有较高的稳定性和可靠性。以[具体公司3]为例，该公司主要从事[核心业务]，拥有一批长期稳定的客户，客户忠诚度高，为公司的稳定经营提供了坚实保障。公司注重风险管理，建立了完善的风险预警机制和内部控制体系，能够及时识别和应对各种风险，确保公司经营的稳定性。在市场波动较大或行业竞争加剧时，这类公司能够凭借稳健的经营策略和风险控制能力，保持经营业绩的稳定，为投资者提