王文華，顧婷婷

基于灰色投影尋蹤分類模型的科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)

王文華，顧婷婷

針對科技服務(wù)企業(yè)的特點(diǎn)，從財(cái)務(wù)資本、人力資本、技術(shù)創(chuàng)新能力三個(gè)維度構(gòu)建系統(tǒng)全面的財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。運(yùn)用灰色投影尋蹤分類模型對科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評價(jià)，進(jìn)一步運(yùn)用灰色預(yù)測模型對2016年財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測，綜合分析科技服務(wù)企業(yè)2011—2016年財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)展趨勢，在此基礎(chǔ)上對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)防范提出對策建議。文章理論上構(gòu)建了更為系統(tǒng)全面的財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，實(shí)踐上為一維統(tǒng)計(jì)方法解決高維問題提供了參考依據(jù)。

財(cái)務(wù)資本；人力資本；技術(shù)創(chuàng)新能力；財(cái)務(wù)風(fēng)險(xiǎn)

隨著科學(xué)技術(shù)的飛快發(fā)展，科技服務(wù)業(yè)逐漸取代傳統(tǒng)服務(wù)業(yè)的地位，成為中國最活躍的經(jīng)濟(jì)發(fā)展主體。近年來的發(fā)展表明,科技服務(wù)企業(yè)無論是在數(shù)量上還是在質(zhì)量上,都已經(jīng)成為國民經(jīng)濟(jì)的重要組成部分,是國家經(jīng)濟(jì)發(fā)展的重要增長點(diǎn)?？刂骑L(fēng)險(xiǎn)是科技服務(wù)企業(yè)管理的核心，也是財(cái)務(wù)管理的關(guān)鍵[1]，在復(fù)雜的經(jīng)營環(huán)境中，如何及時(shí)發(fā)現(xiàn)財(cái)務(wù)危機(jī)，防患于未然，是科技服務(wù)業(yè)企業(yè)經(jīng)營者最為關(guān)心的話題。

關(guān)于預(yù)警評價(jià)方法，國外從傳統(tǒng)的評價(jià)方法向更加注重技術(shù)性的數(shù)學(xué)建模方向發(fā)展[2]。企業(yè)財(cái)務(wù)預(yù)警模型經(jīng)歷了從Beaver的單一變量模型[3]，Altman多元變量模型[4]和Ohlson條件概率模型[5]到Tam的BP神經(jīng)網(wǎng)絡(luò)[6]和Frydman決策樹研究[7]的三次演變，每一次發(fā)展都取得了豐碩的理論成果。近幾年，學(xué)者們在不斷改進(jìn)財(cái)務(wù)建模方法，并將不同方法進(jìn)行組合對比。如Javier等[8]基于模糊C-均值聚類和自適應(yīng)回歸建立了預(yù)警模型。Bao等[9]使用時(shí)間序列判別分析技術(shù)、指數(shù)加權(quán)移動平均控制圖模型，建立了多階段動態(tài)財(cái)務(wù)危機(jī)預(yù)警模型，并獲得了較好的預(yù)測效果。在國內(nèi)，鮑新中[10]將基于粒子群的K均值聚類算法與粗糙集理論應(yīng)用于財(cái)務(wù)預(yù)警領(lǐng)域。李森等[11]引入灰色系統(tǒng)理論的Logistic違約預(yù)警模型對2011年制造業(yè)上市公司進(jìn)行違約預(yù)警。綜合來看，現(xiàn)有文獻(xiàn)對財(cái)務(wù)風(fēng)險(xiǎn)的研究方法很豐富，但使用灰色投影尋蹤分類模型法的幾乎沒有。所以，本文引入灰色投影尋蹤分類模型對中國科技服務(wù)業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評價(jià)和預(yù)測，從而從理論上豐富和完善科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究，實(shí)踐上為使用一維統(tǒng)計(jì)方法解決高維問題提供了方法借鑒。

一、科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)體系的構(gòu)建

吳興澤[12]通過對財(cái)務(wù)危機(jī)本質(zhì)原因及其發(fā)生機(jī)理和財(cái)務(wù)行為的社會嵌入性進(jìn)行分析，認(rèn)為財(cái)務(wù)指標(biāo)是財(cái)務(wù)危機(jī)發(fā)生的征兆而不是原因，并在此基礎(chǔ)上構(gòu)建了一套新的財(cái)務(wù)預(yù)警研究框架。這為依靠平衡計(jì)分卡框架提供了重要的理論依據(jù)。Kaplan和Norton發(fā)明的平衡計(jì)分卡明確指出財(cái)務(wù)、顧客、內(nèi)部運(yùn)營、學(xué)習(xí)與發(fā)展為四個(gè)互相關(guān)聯(lián)的方面[13]。平衡計(jì)分卡從四個(gè)維度對公司的整體情況進(jìn)行評價(jià)[14]。其中，財(cái)務(wù)維度反映公司的償債能力、盈利能力、營運(yùn)能力和發(fā)展能力等；客戶維度主要是以顧客和市場為中心；內(nèi)部流程維度主要是公司生產(chǎn)產(chǎn)品或者提供服務(wù)的業(yè)務(wù)流程；學(xué)習(xí)和成長維度主要是指全部員工的能力與潛力。平衡計(jì)分卡四個(gè)維度中，財(cái)務(wù)維度是落腳點(diǎn)，其他三個(gè)維度的指標(biāo)具體可以反映到財(cái)務(wù)維度上?；诳萍挤?wù)企業(yè)行業(yè)特色，借鑒吳興澤的研究與平衡計(jì)分卡的理論，文章從財(cái)務(wù)資本、人力資本[15]、技術(shù)創(chuàng)新能力[16]三個(gè)維度構(gòu)建了科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系(見表1)。由于技術(shù)創(chuàng)新產(chǎn)出指標(biāo)年報(bào)一般不披露，文章運(yùn)用技術(shù)創(chuàng)新投入指標(biāo)作為技術(shù)創(chuàng)新能力的替代指標(biāo)。

表1 科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系

二、實(shí)證分析

(一)研究方法

1.投影尋蹤分類模型

20世紀(jì)70年代初Kruscal首先使用投影尋蹤技術(shù)分析高維數(shù)據(jù)，將其投影到低維空間，得到反映高維數(shù)據(jù)結(jié)構(gòu)特征的最優(yōu)投影[17]。筆者參考前人的評價(jià)辦法[18-19]，具體步驟如下。

第一，指標(biāo)歸一化處理

其中，x*(i，j)為企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)的原始值，x(i，j)為財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)的歸一化值，xmax(j)，xmin(j)為歸一化后第j個(gè)指標(biāo)的最大值和最小值。

第二，構(gòu)造投影指標(biāo)函數(shù)

(1)

(2)

(3)

式中，SZ為投影值Z(i)的標(biāo)準(zhǔn)差，DZ為投影值Z(i)的局部密度，EZ為投影值Z(i)的均值，R為局部密度的窗口半徑，r(i，j)為樣本間距，u(t)為單位階躍函數(shù)。

第三，優(yōu)化投影指標(biāo)函數(shù)

不同的投影方向反映不同的數(shù)據(jù)結(jié)構(gòu)特征，最佳投影方向就是最大可能暴露高維數(shù)據(jù)某類特征結(jié)構(gòu)的投影方向。因此，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的優(yōu)化目標(biāo)函數(shù)可設(shè)計(jì)如下

(4)

由于u(t)函數(shù)與r(i，j)的定義，目標(biāo)函數(shù)Q(a)在某些點(diǎn)不連續(xù)或不可微。因此文章應(yīng)用模擬生物優(yōu)勝劣汰與群體內(nèi)部染色體信息交換機(jī)制的基于實(shí)數(shù)編碼的加速遺傳算法(RAGA-PPC模型)來解決問題(4)。

第四，計(jì)算財(cái)務(wù)風(fēng)險(xiǎn)綜合得分

將財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)值的最佳投影方向aj代入式(1)得到財(cái)務(wù)風(fēng)險(xiǎn)的投影值，即科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的綜合得分。投影值越大表明企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)越小。

2.灰色預(yù)測模型

(二)樣本選取和數(shù)據(jù)來源

與非上市公司相比，上市公司在會計(jì)核算、內(nèi)部管理及信息披露方面相對規(guī)范。因此選取了11家A股科技服務(wù)業(yè)上市公司的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)，并剔除了沒有公開年報(bào)數(shù)據(jù)的華建集團(tuán)，最終確定10家科技服務(wù)企業(yè)，分別是中國海誠、延華智能、建研集團(tuán)、三維工程、天海防務(wù)、華測檢測、易世達(dá)、電科院、蘇教科和中源協(xié)和。選取的企業(yè)都處于正常營業(yè)中，沒有出現(xiàn)ST或*ST。數(shù)據(jù)主要來源于《證券時(shí)報(bào)》、巨潮網(wǎng)等相關(guān)網(wǎng)站以及國泰安數(shù)據(jù)庫。

(三)科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)

根據(jù)RAGA-PPC模型，運(yùn)用MATLAB 2014軟件編程，選定父代種群N=400，交叉概率Pc= 0.8，變異概率Pm=0.8，優(yōu)秀個(gè)體數(shù)目=20，α=0.05，加速次數(shù)為20次，迭代次數(shù)為50次[21]，計(jì)算可得2011年10家科技服務(wù)企業(yè)的最佳投影方向a*=(0.134 2，0.119 8，0.210 9，0.475 1，0.062 3，0.056 4，0.204 1，0.319 7，0.208 8，0.417 5，0.230 5，0.121 6，0.383 5，0.216 9，0.185 7，0.178 7)，將求得的最佳投影方向a*代入式(3)可得財(cái)務(wù)風(fēng)險(xiǎn)綜合評價(jià)最佳投影值Z(i)=(1.914 8，1.258 7，1.276 7，1.276 7，1.168 3，1.242 2，1.545 1，2.142 9，2.635 9，1.257 7)，投影指標(biāo)值越大代表企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)越小。同理，可得2012—2015年10家科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)的最佳投影值(見表2)。

表2 10家科技服務(wù)企業(yè)2011—2015年財(cái)務(wù)風(fēng)險(xiǎn)綜合評價(jià)最佳投影值

分析表2數(shù)據(jù)可知，2011—2015年，天海防務(wù)的財(cái)務(wù)風(fēng)險(xiǎn)最大。從驅(qū)動因素來看，天海防務(wù)在2011—2013年利息保障倍數(shù)降低，企業(yè)償債能力降低，企業(yè)擴(kuò)展經(jīng)營規(guī)模的資金不足，導(dǎo)致企業(yè)不能可持續(xù)發(fā)展。此外，企業(yè)研發(fā)資金投入不足，研發(fā)人員不足也是企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)的根源。天海防務(wù)在2014—2015年雖然情況好轉(zhuǎn)，但利息保障倍數(shù)和研發(fā)人員投入仍較低，企業(yè)盈利能力仍然下降，也導(dǎo)致企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)加大。2011—2015年，蘇教科的財(cái)務(wù)風(fēng)險(xiǎn)最小，主要原因是企業(yè)存貨周轉(zhuǎn)快，營業(yè)收入提高，企業(yè)的高層次人員逐年增長。這些因素保障了企業(yè)良好的財(cái)務(wù)狀況。

(四)科技服務(wù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測

表3 中國海誠2011—2016年財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測值

(五)模型檢驗(yàn)

由表4可知，小誤差概率大于0.95，殘差方差比小于0.35，平均相對誤差為0.018 5。根據(jù)表4的判別標(biāo)準(zhǔn)可知，模型的預(yù)測準(zhǔn)確性較高。用灰色預(yù)測模型預(yù)測得到的數(shù)據(jù)和灰色序列原始數(shù)據(jù)非常接近。由此可知，灰色預(yù)測模型不僅預(yù)測效果好，而且它能還原出最接近的原始數(shù)據(jù)。同理，可求出其余9家科技服務(wù)企業(yè)2016年的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測值(見表5)。

表4 模型預(yù)測精度等級

小誤差概率P殘差方差比C評價(jià)等級相對誤差大于0.95小于0.35一級0.01大于0.8小于0.50二級0.05大于0.7小于0.65三級0.10其他其他四級0.20

綜合分析表2、表5的數(shù)據(jù)可知，中國海誠2011—2013年財(cái)務(wù)風(fēng)險(xiǎn)很大，但自2014年以后企業(yè)逐步提高高層次人員數(shù)量，企業(yè)財(cái)務(wù)狀況得以改善，目前暫無財(cái)務(wù)危機(jī)。延華智能、建研集團(tuán)和三維工程等3家企業(yè)6年來的財(cái)務(wù)風(fēng)險(xiǎn)波動較小，企業(yè)一直處于穩(wěn)定發(fā)展?fàn)顟B(tài)。天海防務(wù)6年間的財(cái)務(wù)狀況每況愈下，該企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)與資金支付能力下降有關(guān)，因此該企業(yè)在日后發(fā)展中應(yīng)改善銷售業(yè)績，合理使用企業(yè)資金，避免企業(yè)財(cái)務(wù)狀況進(jìn)一步惡化。蘇教科2011—2013年財(cái)務(wù)風(fēng)險(xiǎn)逐步上升，2014—2016年財(cái)務(wù)風(fēng)險(xiǎn)雖有減弱但仍不穩(wěn)定，所以蘇教科應(yīng)做好財(cái)務(wù)風(fēng)險(xiǎn)防范工作，避免企業(yè)面臨ST。易世達(dá)和中源協(xié)和兩家企業(yè)在2013年發(fā)生財(cái)務(wù)危機(jī)，但通過提高償債能力降低了財(cái)務(wù)危機(jī)。華測檢測和電科院在2011—2016年期間財(cái)務(wù)風(fēng)險(xiǎn)呈現(xiàn)周期性波動，因此需時(shí)刻關(guān)注財(cái)務(wù)狀況的動向，防范財(cái)務(wù)危機(jī)的發(fā)生。

表5 10家科技服務(wù)企業(yè)2016年財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測值

三、結(jié)論與建議

文章構(gòu)建了投影尋蹤財(cái)務(wù)風(fēng)險(xiǎn)評分的灰色預(yù)測模型。首先，利用投影尋蹤分類模型求出財(cái)務(wù)風(fēng)險(xiǎn)評分值，分別對科技服務(wù)企業(yè)2011—2015年財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評價(jià)；然后，以財(cái)務(wù)風(fēng)險(xiǎn)評分為復(fù)合指標(biāo)，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)灰預(yù)測GM(1，1)模型，預(yù)測10家科技服務(wù)企業(yè)2016年的財(cái)務(wù)風(fēng)險(xiǎn)值。主要結(jié)論和建議如下：

其一，傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系主要是基于財(cái)務(wù)指標(biāo)構(gòu)建的，財(cái)務(wù)指標(biāo)具有短期性、滯后性等特點(diǎn)，不能起到提前預(yù)測與防范企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的作用。本文基于吳興澤的研究與平衡計(jì)分卡這個(gè)動態(tài)系統(tǒng)，針對科技服務(wù)企業(yè)的特點(diǎn)，既考慮了傳統(tǒng)結(jié)果性財(cái)務(wù)指標(biāo)，同時(shí)考慮了人力資本、技術(shù)創(chuàng)新能力等引起財(cái)務(wù)風(fēng)險(xiǎn)的動因性指標(biāo)，構(gòu)建了更為系統(tǒng)全面的財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，從而為分析企業(yè)財(cái)務(wù)危機(jī)根源和預(yù)防財(cái)務(wù)危機(jī)發(fā)生指明了方向。

其二，運(yùn)用灰色預(yù)測模型預(yù)測10家科技服務(wù)企業(yè)2011-2016年的財(cái)務(wù)風(fēng)險(xiǎn)值，從而可以描述企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)發(fā)展趨勢，分析企業(yè)財(cái)務(wù)狀況走勢。針對企業(yè)管理的薄弱環(huán)節(jié)，有針對性地提出企業(yè)在人力、技術(shù)創(chuàng)新、產(chǎn)品和服務(wù)、內(nèi)部流程改造、市場營銷等方面的管理措施，增強(qiáng)企業(yè)可持續(xù)發(fā)展能力，防范企業(yè)財(cái)務(wù)危機(jī)發(fā)生。

其三，投影尋蹤分類模型可以有效處理高維數(shù)據(jù)以揭示現(xiàn)象的結(jié)構(gòu)特征，所建立的分類與綜合評價(jià)模型簡單有效，直觀和易于理解，可以深刻分析企業(yè)財(cái)務(wù)危機(jī)的根源和影響因素，不僅起到評價(jià)企業(yè)財(cái)務(wù)危機(jī)的作用，還可以有針對性采取財(cái)務(wù)措施防范企業(yè)財(cái)務(wù)危機(jī)?；疑A(yù)測模型能還原出與原始數(shù)據(jù)較為接近的預(yù)測值，模型判別精度也較高。因此，投影尋蹤法建立的財(cái)務(wù)危機(jī)評價(jià)和預(yù)測研究具有較強(qiáng)的應(yīng)用價(jià)值。

[1]王衛(wèi)星.基于學(xué)科視角的企業(yè)財(cái)務(wù)管理拓展與創(chuàng)新探討[J].會計(jì)研究，2016(11)：30-37.

[2]李帆，杜志濤，李玲娟．企業(yè)財(cái)務(wù)預(yù)警模型：理論回顧及其評論[J]．管理評論，2011，23 (9)：145-150．

[3]BEAVER W H．Financial ratios as predictors of failure[J]．Journal of Accounting Research，1966 (6)：71-111．

[4]ALTMAN E I．Financial ratios discriminant analysis and prediction of corporate bankruptcy[J]．Journal of Finance，1968，23 (4)：589-609．

[5]OHLSON J S．Financial ratios and the probabilistic prediction of bankruptcy[J]．Journal of Accounting Research，1980，18：109-130．

[6]TAM K，KIANG M．Predicting bank failures：a neural network approach[J]．Applied Artificial Intelligence，1992 (8)：927-947．

[7]FRYDMAN H，ALTMAN E I，KAO D．Introducing recursive partitioning for financial classification：the case of financial distress[J]．Journal of Finance，1985，40 (1)：269-291．

[8]JAVIER D，ANDRES J，PEDRO L．Bankruptcy forecasting：a hybrid approach using fuzzy C-means clustering and multivariate adaptive regression splines (MARS)[J]．Expert Systems with Applications，2011，38 (2)：1866-1875．

[9]BAO X Z，TAO Q Y．Dynamic financial distress prediction based on rough set theory and EWMA model[J]．International Journal of Applied Mathematics and Statistics，2013，48 (18)：339-346．

[10]鮑新中．基于粒子群的K均值算法和粗糙集理論的財(cái)務(wù)預(yù)警[J]．系統(tǒng)管理學(xué)報(bào)，2012，21 (4)：462-466．

[11]李森，劉媛華，于明亮．商業(yè)銀行信貸業(yè)務(wù)風(fēng)險(xiǎn)預(yù)警——基于灰色系統(tǒng)理論與Logistic回歸的實(shí)證檢驗(yàn)[J]．科技與經(jīng)濟(jì)，2015，28 (6)：15-18．

[12]吳興澤．財(cái)務(wù)危機(jī)預(yù)警研究：存在問題與框架重構(gòu)[J]．會計(jì)研究，2011 (12)：60-64．

[13]肖凱．基于平衡計(jì)分卡的財(cái)務(wù)與非財(cái)務(wù)指標(biāo)的融合[J]．統(tǒng)計(jì)與決策，2011 (19)：180-182．

[14]馮巧玲．商業(yè)銀行財(cái)務(wù)預(yù)警體系研究——基于現(xiàn)金流指標(biāo)與非財(cái)務(wù)指標(biāo)相結(jié)合[J]．科技創(chuàng)業(yè)月刊，2013 (2)：36-41．

[15]吳丹．高技術(shù)企業(yè)成長績效評價(jià)體系研究[J]．工業(yè)技術(shù)經(jīng)濟(jì)，2015 (2)：16-19．

[16]曹文才，單汨源．科技型中小企業(yè)持續(xù)創(chuàng)新能力影響因素[J]．北京理工大學(xué)學(xué)報(bào)(社會科學(xué)版)，2013，10 (2)：70-73．

[17]KRUSCAL J B．Toward a practical method which help sun-cover the structure of a set of multivariate observations by finding the linear transformation which optimizes a new index of condensation [M]．New York：Academia Press，1969：45-256．

[18]王春峰，李汶華．商業(yè)銀行信用風(fēng)險(xiǎn)評估：投影尋蹤判別分析模型[J]．管理工程學(xué)報(bào)，2000，24 (14)：44-46．

[19]姜鴻，卜興云，張藝影．制造業(yè)外移對江蘇省產(chǎn)業(yè)空心化的影響——基于改進(jìn)的灰色投影關(guān)聯(lián)度模型的分析[J]．常州大學(xué)學(xué)報(bào)(社會科學(xué)版)，2016，17 (6)：44-48．

[20]蘇萬春．基于GM(1，1)模型員工績效趨勢的灰預(yù)測研究[J]．管理科學(xué)，2009 (5)：31-32．

[21]張曉燕．基于灰色預(yù)測模型的房地產(chǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警[J]．財(cái)會月刊，2016 (22)：53-54．

Financial Risk Assessment of Science and Technology Service EnterprisesBased on Gray Projection Pursuit Classification Model

Wang Wenhua，Gu Tingting

According to the features of science and technology service enterprises, a systematic and comprehensive financial risk assessment index system is constructed from three dimensions：the financial capital，human capital and technological innovation ability. By gray projection pursuit classification model, the financial risk of science and technology service enterprises is evaluated, the financial risk in 2016 is further predicted based on gray prediction model, the development trend of financial risk from 2011 to 2016 is comprehensively analyzed, based on which some countermeasures are proposed. This paper theoretically constructs a more systematic and comprehensive financial risk assessment index system and practically provides references for one-dimensional statistical method to solve high-dimensional problems．

financial capital；human capital；technology innovation ability；financial risk

王文華，常州大學(xué)商學(xué)院副教授，碩士生導(dǎo)師；顧婷婷，常州大學(xué)商學(xué)院碩士研究生。

江蘇省社會科學(xué)基金重點(diǎn)項(xiàng)目“江蘇中小微企業(yè)發(fā)展金融支持政策研究”(16EYA004)。

F272.5

A

10.3969/j.issn.2095-042X.2017.03.008

2017-01-11；責(zé)任編輯:沈秀)