| 王賀敏 劉明瑋

一、引言

2015年8月31日國務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》明確指出，大數(shù)據(jù)是以容量大、類型多、存取速度快、應(yīng)用價(jià)值高為主要特征的數(shù)據(jù)集合，正快速發(fā)展為對(duì)數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)進(jìn)行采集、存儲(chǔ)和關(guān)聯(lián)分析，從中發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值、提升新能力的新一代信息技術(shù)和服務(wù)業(yè)態(tài)。同年10月召開的中國共產(chǎn)黨第十八屆中央委員會(huì)第五次全體會(huì)議提出實(shí)施“國家大數(shù)據(jù)戰(zhàn)略”，將大數(shù)據(jù)戰(zhàn)略上升至國家戰(zhàn)略層次，開啟了我國大數(shù)據(jù)建設(shè)的新篇章。2021年11月30日工信部出臺(tái)《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》，制定了新階段我國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展目標(biāo)：到2025年，我國大數(shù)據(jù)產(chǎn)業(yè)測(cè)算規(guī)模突破3萬億元，年均復(fù)合增長(zhǎng)率保持在25%左右，創(chuàng)新力強(qiáng)、附加值高、自主可控的現(xiàn)代化大數(shù)據(jù)產(chǎn)業(yè)體系基本形成。由此可見，我國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展速度逐漸加快，而知識(shí)經(jīng)濟(jì)時(shí)代下，基于時(shí)代需求和政府政策鼓勵(lì)，越來越多的企業(yè)將大數(shù)據(jù)等現(xiàn)代技術(shù)應(yīng)用于企業(yè)管理經(jīng)營活動(dòng)中，極大提升了企業(yè)的管理效率。

隨著經(jīng)濟(jì)全球化發(fā)展，我國經(jīng)濟(jì)體制深入改革，市場(chǎng)化程度加深，市場(chǎng)環(huán)境日益復(fù)雜，物價(jià)變動(dòng)、匯率波動(dòng)、人民幣貶值等市場(chǎng)外部環(huán)境的變化導(dǎo)致企業(yè)經(jīng)營增加了許多不確定性因素，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)也因此增加。因此在復(fù)雜化的市場(chǎng)環(huán)境和國際環(huán)境下，企業(yè)長(zhǎng)久健康的發(fā)展離不開財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別與監(jiān)管。而大數(shù)據(jù)技術(shù)的應(yīng)用可以顯著拓寬企業(yè)信息獲取渠道，并提升信息獲取速度，提升企業(yè)財(cái)務(wù)信息管理效率。但是在應(yīng)用大數(shù)據(jù)的同時(shí)，如何提升企業(yè)信息甄別、篩選能力，降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)也尤為重要，這已經(jīng)成為當(dāng)今企業(yè)發(fā)展需要思考的重要問題，同時(shí)也是學(xué)術(shù)界的熱點(diǎn)研究領(lǐng)域。

二、文獻(xiàn)回顧

（一）企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)定義及來源

我國財(cái)務(wù)風(fēng)險(xiǎn)研究起步于20世紀(jì)末，但是截至目前，國內(nèi)學(xué)者對(duì)財(cái)務(wù)風(fēng)險(xiǎn)定義研究結(jié)論并不完全統(tǒng)一。其中，我國較早的關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)的定義為“各種不確定性因素下，企業(yè)實(shí)際收益與預(yù)期收益不相符而遭受損失的可能性”。對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)來源，學(xué)者們研究意見也存在一些差異，可將其來源歸納為二個(gè)方面：一是企業(yè)經(jīng)營失誤，企業(yè)由于經(jīng)營管理出現(xiàn)失誤，導(dǎo)致企業(yè)造遭受財(cái)務(wù)損失，或者經(jīng)營收益下降，且根據(jù)風(fēng)險(xiǎn)因素的可控性，將其分為可控財(cái)務(wù)風(fēng)險(xiǎn)和不可控財(cái)務(wù)風(fēng)險(xiǎn)；二是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)來源于企業(yè)財(cái)務(wù)結(jié)構(gòu)不合理，財(cái)務(wù)杠桿失衡，導(dǎo)致企業(yè)負(fù)債經(jīng)營比重過高，無法較快獲得周轉(zhuǎn)資金；三是外部環(huán)境因素變化，包括自然環(huán)境、市場(chǎng)環(huán)境以及社會(huì)文化環(huán)境等方面，外部環(huán)境因素發(fā)生明顯波動(dòng)將對(duì)企業(yè)經(jīng)營產(chǎn)生影響，尤其是負(fù)面環(huán)境事件，將導(dǎo)致企業(yè)經(jīng)營損失概率提升，導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)。從上述關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)定義及來源的分析來看，學(xué)者研究多認(rèn)為企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)來源于企業(yè)內(nèi)部和外部?jī)蓚€(gè)方面，內(nèi)部主要包括經(jīng)營決策、財(cái)務(wù)決策、治理結(jié)構(gòu)、財(cái)務(wù)結(jié)構(gòu)等內(nèi)部管理因素不科學(xué)，外部主要包括發(fā)生自然災(zāi)害、突發(fā)社會(huì)事件、市場(chǎng)改革、宏觀政策變化等因素。

（二）大數(shù)據(jù)與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控

目前國內(nèi)外關(guān)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控的指標(biāo)研究相對(duì)豐富。國外學(xué)者關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的研究?jī)A向于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型和方法領(lǐng)域，Katarina等(2019)在研究企業(yè)可持續(xù)發(fā)展財(cái)務(wù)風(fēng)險(xiǎn)測(cè)度與預(yù)測(cè)中建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，包含了流動(dòng)、盈利、償債、營運(yùn)和成長(zhǎng)五大比例指標(biāo)，該模型獲得了較為準(zhǔn)確的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果。Gospodinov等(2018)在風(fēng)險(xiǎn)模型中同時(shí)引入了SVM、ANN等研究方法，用于識(shí)別整個(gè)企業(yè)經(jīng)營過程中的財(cái)務(wù)風(fēng)險(xiǎn)，結(jié)果顯示，SVM方法下的財(cái)務(wù)風(fēng)險(xiǎn)估計(jì)結(jié)果準(zhǔn)確度更高。國內(nèi)學(xué)者關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的研究?jī)A向于指標(biāo)體系的構(gòu)建，張蓓蓓和李光龍(2021)研究企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)控制中指出，高準(zhǔn)確度和高效率的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)體系應(yīng)當(dāng)綜合定量和定性兩種類型的指標(biāo)。王博和王建玲(2019)利用模糊評(píng)價(jià)法測(cè)度企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)中，從內(nèi)部和外部?jī)蓚€(gè)維度選取了相應(yīng)的評(píng)價(jià)指標(biāo)，其中內(nèi)部指標(biāo)主要包括企業(yè)戰(zhàn)略調(diào)整、組織結(jié)構(gòu)變更、供應(yīng)商變更等；外部指標(biāo)主要包括經(jīng)濟(jì)政策變化、法律法規(guī)變化、市場(chǎng)需求變化等。

關(guān)于大數(shù)據(jù)技術(shù)在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控中的應(yīng)用，Dutta等(2019)研究顯示，大數(shù)據(jù)技術(shù)引入壽險(xiǎn)企業(yè)資產(chǎn)決策系統(tǒng)極大提升了決策效率，且提升了決策風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確度。Thomas等(2018)在研究風(fēng)險(xiǎn)評(píng)估領(lǐng)域大數(shù)據(jù)應(yīng)用中指出，在風(fēng)險(xiǎn)預(yù)警過程中使用數(shù)據(jù)挖掘技術(shù)和語言處理技術(shù)提升風(fēng)險(xiǎn)預(yù)警準(zhǔn)確度。張敏等(2021)在大數(shù)據(jù)與企業(yè)風(fēng)險(xiǎn)管理研究中指出，大數(shù)據(jù)環(huán)境下企業(yè)需要根據(jù)環(huán)境變化實(shí)時(shí)調(diào)整財(cái)務(wù)管理決策，利用大數(shù)據(jù)工具進(jìn)行信息收集和數(shù)據(jù)處理可以有效提升企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理的效率，并降低財(cái)務(wù)風(fēng)險(xiǎn)。陳位(2019)在研究“大智移云”背景下財(cái)務(wù)共享服務(wù)中指出，大數(shù)據(jù)技術(shù)的應(yīng)用提升了非結(jié)構(gòu)化信息的價(jià)值，因此，在利用大數(shù)據(jù)工具進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)管理時(shí)，企業(yè)需要加大對(duì)非結(jié)構(gòu)化信息的關(guān)注度。蔡立新和李嘉歡(2018)在探究大數(shù)據(jù)時(shí)代企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制中將數(shù)據(jù)挖掘技術(shù)引入到企業(yè)財(cái)務(wù)管理中，認(rèn)為企業(yè)財(cái)務(wù)管理軟件應(yīng)用大數(shù)據(jù)工具將顯著提升數(shù)據(jù)分析準(zhǔn)確度。

從現(xiàn)有文獻(xiàn)來看，國外學(xué)者多傾向于關(guān)注大數(shù)據(jù)環(huán)境下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警特點(diǎn)的研究，強(qiáng)調(diào)以大數(shù)據(jù)技術(shù)為基礎(chǔ)建設(shè)信息共享系統(tǒng)。而我國學(xué)者的研究多聚焦于大數(shù)據(jù)應(yīng)用對(duì)企業(yè)財(cái)務(wù)管理工作的影響視角，試圖用不同的方法從不同角度提升企業(yè)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別與監(jiān)管能力。當(dāng)前，雖然國內(nèi)外學(xué)者在大數(shù)據(jù)視角下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警、財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別等方面已經(jīng)形成一定的研究基礎(chǔ)，但是關(guān)于大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)定義、來源、財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系等研究結(jié)果論并不統(tǒng)一，還有待進(jìn)一步完善和豐富。

三、大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)的構(gòu)建

（一）指標(biāo)選擇分析

從上述關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)管理預(yù)警指標(biāo)文獻(xiàn)來看，在傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與監(jiān)管中，財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)多以傳統(tǒng)財(cái)務(wù)指標(biāo)為依據(jù)建立，包括盈利、償債、營運(yùn)和成長(zhǎng)四個(gè)主要維度。隨著大數(shù)據(jù)等現(xiàn)代信息工具的應(yīng)用，非結(jié)構(gòu)化信息在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別中的重要性越發(fā)顯著，即企業(yè)財(cái)務(wù)信息來源不再局限于紙質(zhì)文件，電子文檔、網(wǎng)頁、視頻文件、多媒體等多樣化信息渠道被廣泛接受，因此，在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別中，對(duì)信息的關(guān)注也不再局限于傳統(tǒng)財(cái)務(wù)報(bào)表的財(cái)務(wù)指標(biāo)內(nèi)容，非財(cái)務(wù)指標(biāo)對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別也越發(fā)重要。

狹義識(shí)別理論在學(xué)術(shù)界關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)管理指標(biāo)研究中認(rèn)同度最高，即以財(cái)務(wù)比率作為風(fēng)險(xiǎn)指標(biāo)，也有學(xué)者對(duì)此表示質(zhì)疑，認(rèn)為財(cái)務(wù)比率只能反映企業(yè)當(dāng)前財(cái)務(wù)決策的風(fēng)險(xiǎn)性程度，對(duì)于企業(yè)戰(zhàn)略高度有所忽略，且無法克服主觀性問題。此外，還有部分學(xué)者指出，以狹義識(shí)別理論為基礎(chǔ)選取財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)時(shí)，會(huì)遺漏非財(cái)務(wù)指標(biāo)，且缺乏靈活性。由此可見，隨著科學(xué)技術(shù)和理論的發(fā)展，市場(chǎng)環(huán)境日益復(fù)雜，以財(cái)務(wù)指標(biāo)為核心的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)體系過于單一，且存在明顯滯后性，尤其是大數(shù)據(jù)時(shí)代背景下，傳統(tǒng)財(cái)務(wù)指標(biāo)預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)時(shí)效性不足的缺陷越發(fā)顯著，為提升財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)體系的風(fēng)險(xiǎn)預(yù)警能力，對(duì)非財(cái)務(wù)指標(biāo)的關(guān)注度日益提升。大數(shù)據(jù)技術(shù)的發(fā)展極大提升了企業(yè)獲取數(shù)據(jù)信息的全面性，也為多維度非財(cái)務(wù)指標(biāo)數(shù)據(jù)獲取提供了更多可能。因此，在大數(shù)據(jù)背景下，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系的構(gòu)建不再以單一的財(cái)務(wù)指標(biāo)為核心，將非財(cái)務(wù)指標(biāo)納入其中的意義重大。

（二）指標(biāo)體系構(gòu)建

根據(jù)上述分析，大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系主要從財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)兩個(gè)維度構(gòu)建。

1.財(cái)務(wù)指標(biāo)。傳統(tǒng)財(cái)務(wù)指標(biāo)主要包括盈利、償債、營運(yùn)和發(fā)展四個(gè)大類，現(xiàn)代學(xué)者在研究中進(jìn)一步將財(cái)務(wù)指標(biāo)擴(kuò)展至五個(gè)維度，即加入了現(xiàn)金流量指標(biāo)，共計(jì)33個(gè)財(cái)務(wù)指標(biāo)：(1)盈利指標(biāo)。主要反映企業(yè)通過經(jīng)營活動(dòng)獲得收益的能力，是企業(yè)的重要現(xiàn)金來源和發(fā)展目標(biāo)。獲得收益是企業(yè)開展經(jīng)營活動(dòng)的主要目標(biāo)，也是企業(yè)能夠長(zhǎng)久健康發(fā)展的經(jīng)濟(jì)基礎(chǔ)，一旦企業(yè)盈利水平收縮，企業(yè)經(jīng)濟(jì)來源將大幅降低，對(duì)企業(yè)償債、后續(xù)營運(yùn)資金投入、發(fā)展均會(huì)產(chǎn)生負(fù)面影響，進(jìn)而引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)。(2)償債指標(biāo)。主要反映企業(yè)償還債務(wù)的能力，舉債經(jīng)營是當(dāng)前大部分企業(yè)的現(xiàn)狀，企業(yè)的償債能力直接影響其獲得更多融資的可能性，償債能力下降，企業(yè)可能面臨財(cái)務(wù)杠桿失衡的可能，導(dǎo)致企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)增加。(3)營運(yùn)指標(biāo)。主要反映企業(yè)運(yùn)用資產(chǎn)的效率，同樣的資產(chǎn)數(shù)量和質(zhì)量下，企業(yè)利用該資產(chǎn)獲得的收益越多則營運(yùn)能力越強(qiáng)，表示企業(yè)內(nèi)部管理水平越高，有助于企業(yè)盈利水平的提升，企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性也越低。(4)發(fā)展指標(biāo)。主要反映企業(yè)擴(kuò)大規(guī)模、競(jìng)爭(zhēng)力增強(qiáng)的能力。企業(yè)目標(biāo)并不是只追求短期內(nèi)的收益最大，長(zhǎng)久持續(xù)的發(fā)展才是企業(yè)的最終目標(biāo)，在競(jìng)爭(zhēng)激勵(lì)的市場(chǎng)環(huán)境中，只有具備穩(wěn)定經(jīng)營能力的企業(yè)才具備抵抗風(fēng)險(xiǎn)的能力，才能長(zhǎng)久生存。(5)現(xiàn)金流量指標(biāo)。主要反映企業(yè)獲取現(xiàn)金的能力，現(xiàn)金獲取能力越強(qiáng)的企業(yè)，其償付債務(wù)的資金越充足，收益質(zhì)量越高，越不容易出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)。

2.非財(cái)務(wù)指標(biāo)。在大數(shù)據(jù)背景下，企業(yè)獲得信息的渠道得以擴(kuò)寬，且自動(dòng)化的識(shí)別程序可以幫助企業(yè)篩選信息，提升信息有效性?；跀?shù)據(jù)可獲得性原則，本文根據(jù)Thomas(2018)、丁平(2020)、林敏(2022)等學(xué)者的研究，選取了股權(quán)結(jié)構(gòu)、董事會(huì)結(jié)構(gòu)、管理成本、審計(jì)意見四個(gè)維度的非財(cái)務(wù)指標(biāo)，這些非財(cái)務(wù)指標(biāo)數(shù)據(jù)均可從企業(yè)年度報(bào)告和審計(jì)報(bào)告中獲取。但是僅從企業(yè)披露的非財(cái)務(wù)信息來識(shí)別企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)具有片面性，因此，本文參考Oláh(2019)的研究，在非財(cái)務(wù)指標(biāo)中引入網(wǎng)絡(luò)輿情指標(biāo)，用以反映社會(huì)對(duì)企業(yè)的評(píng)價(jià)與傳播情況。大數(shù)據(jù)時(shí)代，社會(huì)對(duì)企業(yè)的滿意度、信用評(píng)價(jià)等信息通過互聯(lián)網(wǎng)迅速傳播，對(duì)企業(yè)的社會(huì)形象、市場(chǎng)競(jìng)爭(zhēng)力等均會(huì)產(chǎn)生一定影響。本文根據(jù)網(wǎng)民對(duì)企業(yè)表現(xiàn)出的情感極性統(tǒng)計(jì)獲得正面、中性、負(fù)面、正負(fù)交互情緒指數(shù)以及信息頻次五個(gè)網(wǎng)絡(luò)輿情指標(biāo)。

洞庭湖濕地作為全球重要生態(tài)區(qū)之一，在維系生態(tài)平衡中有重要影響。湖區(qū)濕地生物資源豐富，動(dòng)植物種類繁多，水源足調(diào)蓄力巨大，其獨(dú)特的自然人文地理環(huán)境，使洞庭湖濕地生態(tài)旅游資源景有自己的特質(zhì)，開發(fā)前景廣闊?？山陙?，湖泊面積萎縮，已退居我國第二大淡水湖。當(dāng)前人們雖早已認(rèn)識(shí)到濕地重要性，但仍然高強(qiáng)度索取，使得濕地開發(fā)向破碎化、陸地化趨勢(shì)發(fā)展。忽視濕地的生態(tài)價(jià)值，忽視長(zhǎng)久發(fā)展，只會(huì)讓資源日益枯竭，導(dǎo)致突發(fā)性災(zāi)害時(shí)有發(fā)生，所以加強(qiáng)濕地保護(hù)迫在眉睫。

本研究構(gòu)建大數(shù)據(jù)背景下財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系，如表1所示。

表1 大數(shù)據(jù)背景下財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系

（三）數(shù)據(jù)來源

本研究大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控，從財(cái)務(wù)、非財(cái)務(wù)與大數(shù)據(jù)三個(gè)維度選取指標(biāo)構(gòu)建風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，為驗(yàn)證指標(biāo)體系的有效性，以發(fā)生過財(cái)務(wù)危機(jī)的企業(yè)為樣本，以計(jì)算出指標(biāo)的衡量標(biāo)準(zhǔn)。根據(jù)Dutta(2019)等學(xué)者的研究，國外上市企業(yè)舉債經(jīng)營比例較高，企業(yè)出現(xiàn)無力償還債務(wù)的情況需要向政府申請(qǐng)破產(chǎn)，因此，國外研究通常認(rèn)為進(jìn)入破產(chǎn)程序的企業(yè)即為企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)的標(biāo)志。而我國企業(yè)管理法律有所差異，在無力償還債務(wù)的情況下，上市企業(yè)實(shí)質(zhì)性破產(chǎn)的概率并不高，因此，根據(jù)我國的實(shí)際情況，參考沈恂(2020)、張敏(2021)等學(xué)者的研究，本文以滬深A(yù)股上市企業(yè)為樣本范圍，從中選取被特別處理的上市企業(yè)作為出現(xiàn)財(cái)務(wù)危機(jī)的樣本，即以被標(biāo)記“ST”和“＊ST”的上市企業(yè)為樣本對(duì)象，選取時(shí)間范圍為2015年至2019年，共計(jì)65個(gè)樣本企業(yè)。其中，樣本期間內(nèi)再次被退市風(fēng)險(xiǎn)警示的企業(yè)由于存在“摘帽”動(dòng)機(jī)，可能出現(xiàn)財(cái)務(wù)作假的行為，因此刪除這類樣本，同時(shí)刪除存在其他狀況異常而被實(shí)行退市風(fēng)險(xiǎn)警示的樣本企業(yè)，主要是由于其他狀況異常不屬于財(cái)務(wù)問題。最終保留25家樣本作為研究對(duì)象。為減少隨機(jī)誤差，以樣本組企業(yè)所在行業(yè)前一年以及其股本規(guī)模為標(biāo)準(zhǔn)進(jìn)行配對(duì)，獲得配對(duì)樣本，如表2所示。

表2 樣本組匹配結(jié)果

本研究以標(biāo)記“ST”的上市企業(yè)為樣本，借鑒安學(xué)麗(2018)、王博(2019)等學(xué)者的研究，與正常經(jīng)營狀態(tài)的企業(yè)相比，被標(biāo)記“ST”的企業(yè)在被實(shí)行退市風(fēng)險(xiǎn)警告之前的幾年內(nèi)，其財(cái)務(wù)狀況已經(jīng)出現(xiàn)異常，尤其是靠近被實(shí)行退市風(fēng)險(xiǎn)警告時(shí)間的財(cái)務(wù)狀況異常情況明顯。因此，本文研究中將樣本研究時(shí)間段確定為樣本被實(shí)行退市風(fēng)險(xiǎn)警告起前三年。假設(shè)樣本企業(yè)在第T年被標(biāo)記“ST”，則其研究時(shí)間段為T-1、T-2、T-3。

（四）指標(biāo)篩選

在正式回歸之前，由于表1中財(cái)務(wù)指標(biāo)數(shù)量過多，對(duì)財(cái)務(wù)指標(biāo)進(jìn)行篩選，避免由于指標(biāo)體系過于復(fù)雜而導(dǎo)致研究結(jié)果偏差。本文利用t檢驗(yàn)篩選出有效的指標(biāo)。在進(jìn)行t檢驗(yàn)之前，首先對(duì)指標(biāo)進(jìn)行K-S檢驗(yàn)，只有K-S檢驗(yàn)下符合正態(tài)分布的指標(biāo)才能進(jìn)行t檢驗(yàn)。K-S檢驗(yàn)結(jié)果如表3所示。31個(gè)指標(biāo)的p值均在5%置信水平下通過顯著性檢驗(yàn)，即均服從正態(tài)分布，可以進(jìn)行t檢驗(yàn)。

表3 財(cái)務(wù)指標(biāo)K-S檢驗(yàn)結(jié)果

表2中ST樣本企業(yè)和非ST樣本企業(yè)的數(shù)據(jù)具有獨(dú)立性，因此對(duì)這兩組樣本下的指標(biāo)分別進(jìn)行t檢驗(yàn)，結(jié)果見表4。22個(gè)財(cái)務(wù)指標(biāo)中，僅有指標(biāo)PRO、PRO、REP、REP、OPE、DEV、DEV、CASH的顯著性達(dá)到5%置信水平，即僅有這8個(gè)財(cái)務(wù)指標(biāo)達(dá)到有效性。

表4 財(cái)務(wù)指標(biāo)t檢驗(yàn)結(jié)果

四、基于上市公司的驗(yàn)證

（一）Logistic模型構(gòu)建與回歸

從上述樣本選取看，本研究涉及分類變量，且變量屬于二分項(xiàng)變量，即僅有被退市警告和沒有被退市警告上市企業(yè)兩類，根據(jù)Katarina(2018)、Cao(2021)等學(xué)者的研究，Binary Logistic回歸模型在二分類變量研究中具有較好的適用性，因此本文利用Binary Logistic回歸模型研究大數(shù)據(jù)背景下財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控指標(biāo)體系的有效性。假設(shè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)符號(hào)為Y，二分類變量下，其表達(dá)式如下：

根據(jù)公式(1)，當(dāng)樣本企業(yè)為非ST時(shí)，則該樣本企業(yè)沒有發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)事件；反之，當(dāng)樣本企業(yè)為ST標(biāo)記企業(yè)時(shí)，則該樣本企業(yè)發(fā)生了財(cái)務(wù)風(fēng)險(xiǎn)事件。

公式(2)中，P(event)表示事件發(fā)生的概率，其值域?yàn)閇0，1]，當(dāng)P(event)＜0.5時(shí)，表示企業(yè)沒有嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)，財(cái)務(wù)狀況相對(duì)良好；當(dāng)P(event)＞0.5時(shí)，表示企業(yè)存在嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)，財(cái)務(wù)狀況較為嚴(yán)峻。公式(3)中，x、x、…、x為解釋變量，即表1中的風(fēng)險(xiǎn)識(shí)別指標(biāo)；a、a、…a、為解釋變量系數(shù)；a為常數(shù)項(xiàng)。

將t檢驗(yàn)結(jié)果下的有效財(cái)務(wù)指標(biāo)以及非財(cái)務(wù)指標(biāo)、大數(shù)據(jù)指標(biāo)作為解釋變量加入Logistic模型(2)中，利用向前逐步選擇法和向后逐步剔除法構(gòu)建模型，對(duì)比模型回代準(zhǔn)確率，以其中回代準(zhǔn)確率最大方法下的回歸模型為最終模型。其中T-1年、T-2年、T-3年樣本下的Logistic模型均在向前逐步法下模型回代率達(dá)到最大，分別為95.02%、92.33%、91.84%，由此確定T-1年、T-2年、T-3年樣本下的Logistic模型如下：

T-1年：

回歸系數(shù)結(jié)果見表5。T-1年、T-2年、T-3年樣本下的Logistic模型均以0.5作為概率P(event)臨界點(diǎn)，將企業(yè)數(shù)據(jù)代入公式(4)、(5)和(6)，以此計(jì)算概率，若概率結(jié)果大于0.5，即表示該企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)事件的概率較高，且財(cái)務(wù)風(fēng)險(xiǎn)將造成較大的企業(yè)損失；反之，若概率結(jié)果小于0.5，即表示該企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)事件的概率較低，或者財(cái)務(wù)風(fēng)險(xiǎn)在企業(yè)可控范圍內(nèi)。

表5 Logistic模型回歸結(jié)果

模型擬合優(yōu)度結(jié)果見表6。Cox$Snell R和Nagelkerke R為廣義決定系數(shù)，其值越大，表示變量對(duì)模型解釋的比例越高，模型預(yù)測(cè)的準(zhǔn)確性也越高。從表6中模型擬合優(yōu)度檢驗(yàn)結(jié)果來看，對(duì)比T-1年、T-2年、T-3年樣本下的Logistic模型的Cox$Snell R和Nagelkerke R結(jié)果，擬合優(yōu)度排序由高至低依次為T-1年模型、T-2年模型、T-3年模型，即隨著樣本距離被實(shí)行停牌風(fēng)險(xiǎn)警告時(shí)間越長(zhǎng)，模型擬合優(yōu)度逐漸下降，即模型解釋效果下降。

表6 Logistic模型回歸擬合優(yōu)度

（二）指標(biāo)體系有效性檢驗(yàn)

為進(jìn)一步驗(yàn)證上述T-1年、T-2年、T-3年樣本下的Logistic模型的有效性，將上文樣本規(guī)模擴(kuò)大至2021年，依據(jù)上文步驟整理出2020年和2021年滿足條件的樣本企業(yè)，并確定配對(duì)樣本，共計(jì)12個(gè)樣本企業(yè)。按照遞進(jìn)時(shí)間序列的思路整理樣本數(shù)據(jù)，代入上述模型中，以檢驗(yàn)?zāi)Ｐ头€(wěn)健性。根據(jù)表1中的指標(biāo)，以2020年和2021年增加的12個(gè)樣本企業(yè)各自被標(biāo)記“ST”的時(shí)間為參照從國泰安數(shù)據(jù)庫獲得對(duì)應(yīng)企業(yè)在T-1年、T-2年、T-3年的指標(biāo)數(shù)據(jù)，將其代入公式(4)、(5)和(6)中計(jì)算得到各樣本企業(yè)在T-1年、T-2年、T-3年的財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生概率P(event)，以0.5為臨界點(diǎn)判斷各樣本企業(yè)在T-1年、T-2年、T-3年的財(cái)務(wù)風(fēng)險(xiǎn)，并將結(jié)果與樣本企業(yè)實(shí)際被實(shí)行退市風(fēng)險(xiǎn)警示的情況進(jìn)行對(duì)比，以此得到模型的預(yù)測(cè)精確度。

本部分檢驗(yàn)有效性延續(xù)上文的做法，用向前逐步法估計(jì)回歸模型。模型有效性檢驗(yàn)結(jié)果見表7。將T-1年、T-2年、T-3年的Logistic模型預(yù)測(cè)準(zhǔn)確率與上文各個(gè)年份Logistic模型的回代準(zhǔn)確率進(jìn)行比較分析，發(fā)現(xiàn)T-1年、T-2年、T-3年下模型的整體驗(yàn)證準(zhǔn)確率均超過60%，驗(yàn)證準(zhǔn)確率較高，即表示本文構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型對(duì)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)具有較好的預(yù)測(cè)能力。并且縱向?qū)Ρ萒-1年、T-2年、T-3年下模型的整體驗(yàn)證準(zhǔn)確率，T-3年驗(yàn)證準(zhǔn)確率明顯小于T-1年驗(yàn)證準(zhǔn)確率，即表示企業(yè)越臨近被退市風(fēng)險(xiǎn)警告時(shí)間，模型預(yù)測(cè)的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)準(zhǔn)確率越高。

表7 大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控模型有效性檢驗(yàn)準(zhǔn)確率

但是將樣本數(shù)據(jù)代入模型后得到判斷準(zhǔn)確率結(jié)果均低于上文T-1年、T-2年、T-3年的Logistic模型回代準(zhǔn)確率，主要是由于模型(4)、(5)和(6)是由2015年至2019年樣本企業(yè)數(shù)據(jù)計(jì)算所得，因此對(duì)樣本之外的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)效果會(huì)有所下降，并且2020年和2021年檢驗(yàn)樣本的時(shí)間與2015年至2019年樣本的時(shí)間存在一定差異，這期間內(nèi)市場(chǎng)政策、宏觀環(huán)境發(fā)生了變化，可能存在一些模型無法預(yù)測(cè)的因素，導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果準(zhǔn)確率有所下降。

五、結(jié)論與建議

本文構(gòu)建大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)體系，包含財(cái)務(wù)、非財(cái)務(wù)和大數(shù)據(jù)三個(gè)維度。其中財(cái)務(wù)指標(biāo)從傳統(tǒng)盈利、營運(yùn)、償債、發(fā)展四個(gè)維度選取，并增加了現(xiàn)金流量維度指標(biāo)，共計(jì)22個(gè)指標(biāo)；非財(cái)務(wù)指標(biāo)主要包括股權(quán)結(jié)構(gòu)、董事會(huì)結(jié)構(gòu)、管理成本、審計(jì)意見4個(gè)指標(biāo)；大數(shù)據(jù)指標(biāo)僅有社會(huì)網(wǎng)絡(luò)輿情一個(gè)維度，利用正面情緒指數(shù)、中性情緒指數(shù)、負(fù)面情緒指數(shù)、正負(fù)交互情緒指數(shù)、信息頻次共5個(gè)指標(biāo)來衡量。該指標(biāo)體系共包含31個(gè)指標(biāo)，利用K-S檢驗(yàn)和t檢驗(yàn)篩選財(cái)務(wù)指標(biāo)，剔除14個(gè)指標(biāo)，最終保留凈資產(chǎn)收益率、應(yīng)收賬款周轉(zhuǎn)率等8個(gè)指標(biāo)。以2015-2019年滬深A(yù)股市場(chǎng)被標(biāo)記“ST”的企業(yè)為樣本，構(gòu)建連續(xù)三期Logistic模型進(jìn)行回歸，即分別以企業(yè)被退市風(fēng)險(xiǎn)警告前3年為研究區(qū)間構(gòu)建模型，利用向前逐步法計(jì)算得到財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型。最后通過2020-2021年的樣本來檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)有效性。研究結(jié)果顯示，本文以大數(shù)據(jù)維度下企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別指標(biāo)體系為基礎(chǔ)構(gòu)建的三期Logistic模型能夠較好地預(yù)測(cè)上市企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，且距離被實(shí)行退市風(fēng)險(xiǎn)警告的時(shí)間越近，模型對(duì)其財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率越高。

從預(yù)測(cè)模型來看，大數(shù)據(jù)維度指標(biāo)在模型中回歸系數(shù)顯著，且大小遠(yuǎn)大于財(cái)務(wù)指標(biāo)，由此可見，大數(shù)據(jù)指標(biāo)應(yīng)用可以顯著提升企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別準(zhǔn)確率。大數(shù)據(jù)時(shí)代，企業(yè)應(yīng)當(dāng)發(fā)揮大數(shù)據(jù)工具的優(yōu)勢(shì)，將大數(shù)據(jù)工具引入企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與管控系統(tǒng)中，充分利用人工智能、大數(shù)據(jù)等先進(jìn)工具，通過精密的系統(tǒng)算法和智能信息識(shí)別功能，提升企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)信息識(shí)別效率，同時(shí)拓寬信息獲取渠道，不再局限于傳統(tǒng)的財(cái)務(wù)指標(biāo)信息，利用大數(shù)據(jù)技術(shù)、人工智能獲取非結(jié)構(gòu)化的信息，提升企業(yè)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)信息識(shí)別的全面性，對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管控能力提升也有顯著促進(jìn)效應(yīng)。此外，企業(yè)還應(yīng)當(dāng)培養(yǎng)大數(shù)據(jù)等信息專業(yè)技術(shù)人員，培養(yǎng)內(nèi)部專業(yè)人才和吸收外部?jī)?yōu)秀人才是企業(yè)靈活應(yīng)用大數(shù)據(jù)工具管控財(cái)務(wù)風(fēng)險(xiǎn)的基礎(chǔ)。