高新技術企業運行發展預警模型研究
——以湛江市高新技術企業為例

胡 意，鄒倩瑜，鄭宏松

(廣東省科技創新監測研究中心，廣東廣州 510033)

大力發展高新技術產業對推進供給側結構性改革、支撐經濟轉型升級和產業結構調整具有顯著社會經濟效益，各級政府高度重視高新技術企業的認定與運行登記工作。根據科技部火炬中心統計數據，2017年全國高新技術企業存量達到12.8萬余家，2018年的高新技術企業申報與認定數量也大幅度增長。地方政府持續加大高新技術企業的政策扶持力度，高新技術企業的運行發展狀況成為評價城市科技競爭軟實力的一張“晴雨表”?？梢灶A見，針對存量高新技術企業與持續增加的新認定高新技術企業，如何開展運行發展情況預警將成為一個熱點問題。針對具體地市的高新技術企業運行發展情況進行預警分析，為提升市縣科技創新監測能力提供一種有益的探索，具有典型示范效益。

1 文獻綜述

當前在學術研究中針對高新技術企業的預警研究相對集中在高新技術企業的財務風險、人才流失風險和企業管理風險等角度[1-16]，通過選定預警評價指標、構建預警模型、設立預警閾值，對存在的風險進行預警。

在財務預警方面，張曉琦[1]、朱發根等[2]基于支持向量機(SVM)算法小樣本學習的特性、扎實的理論基礎和突出的泛化性能，分別建立了SVM財務預警模型，張曉琦從高新技術企業的經營能力、盈利能力、償債能力、現金能力和成長能力等5個維度建立預警模型，并運用非上市公司財務數據進行實證，驗證了預警模型的預測精度及有效性；馬秀梅[3]通過分析高新技術企業財務狀況中可能出現的警情、風險及危機原因，將本量利分析法運用到財務預警模型,研究發現安全邊際率可以預測財務報表中不能直觀表現出來的隱藏危機。寧燕[4]認為高新技術企業擁有研發費用投入占比大、智力資本成本高、市場競爭激烈等行業特征，促使高新技術企業財務風險遠遠大于其他傳統企業，因此建言構建一套完善的、可持續的財務風險預警機制，為企業預防財務風險提供保障。周曉蕾[5]通過建立財務指標體系，運用因子分析及邏輯回歸方法構建目標行業財務危機預警模型，對模型的精確度進行驗證。呂洋[6]構建了一個以現金流量指標為主，兼顧傳統資產和利潤指標的高新技術企業財務預警指標體系，并選取56家滬深上市高新技術企業進行邏輯回歸建模分析，分析證明企業財務指標能充分反映財務風險。

在人才流失預警方面，汪倩倩[7]、程巍偉[8]以中小型高新技術企業為研究對象，針對企業人才緊缺、人才流失等問題，分別開展人才預警研究。王倩倩結合模糊綜合評價法設立企業人才緊缺預警等級，對應提出相應人才緊缺問題對策。程巍偉則從人力資源的組織、開發和管理等3個方面，建立人力資源危機管理狀況等級，實證分析了人力資源危機管理預警系統的有效性。王球琳[9]的研究表明基于高斯核函數的SVM預警方法能有效提高人才流失分類預警分析的精確度。許坤[10]在人才流失預警模型的基礎上，進行了企業和人才的博弈分析，通過二者的有效結合，更加有效地預測了人才流失狀況。丁娟娟等[11]則從系統開發的角度，圍繞系統建設目標、系統開發流程、系統功能設置和組織結構等方面給出高新技術企業人才流失預警系統的建設思路。

在企業管理預警方面，陳偉等[12]對高新技術企業管理的危機類型和特征進行剖析，構建了高新技術企業管理危機預警機制，提高企業危機管理能力。張保生[13]采用系統動力學對高新技術企業戰略風險管理過程進行仿真，模擬了高新技術企業戰略環境劇烈變動下戰略風險管理系統相關因素變動狀況，并得出企業內部因素對企業戰略風險管理具有重要影響的結論。胡文林[14]、張琳琳[15]、趙剛[16]等人分別通過結合創新資金配置、金融危機及風險投資等特殊情景開展高新技術企業的管理預警研究。胡文林采用K-均值聚類分析法對48家樣本企業的創新資金配置管理風險進行量化評價分析。張琳琳考慮金融危機下宏觀環境因素和公司管理因素的結合使得高新技術企業風險研究更具有針對性。趙剛提出了針對高新技術企業風險投資的積極干預型管理監控模式，并對監控模式中的風險預警系統進行研究與設計。

基于前人在高新技術企業的財務風險、人才流失風險和企業管理風險等方面的理論研究與實證分析基礎，本文通過深入分析涵蓋高新技術企業全面發展情況的運行登記表數據指標，結合突變級數法、灰色預測模型構建高新技術企業運行發展預警模型，針對高新技術企業運行發展情況進行監測預警，輔助提升各級科技主管部門對高新技術企業的監管及治理能力。

2 預警模型構建

預警是指在災害和需要提防的危險情況發生之前，根據以往總結的經驗和規律對可能性前兆，發出警示信號，以便在危險情況發生之前做好預防準備工作。針對高新技術企業運行發展情況的預警，就是要結合已有的高新技術企業運行登記數據，根據經驗、規律和方法來分析和預測企業面臨的潛在風險，進而對存在險情的高新技術企業補齊短板，防患于未然。

2.1 預警指標分析

預警模型建立在警源分析的基礎之上，本文的警源數據來源于高新技術企業所填寫的企業運行登記表信息。高新技術企業運行登記表是國家科技部火炬中心根據《高新技術企業認定管理辦法》(國科發火〔2016〕32號)要求，為做好國家高新技術企業發展的跟蹤與服務工作，要求各地科技主管部門配合開展的高新技術企業運行數據登記工作。高新技術企業運行登記表主要特點：一是登記數據具有權威性，各地科技主管部門定期組織高新技術企業據實填報企業運行信息，并歷經縣區、地市、省級科技主管部門逐層遞進審核方式，最終提交至國家科技部火炬中心；二是登記數據涵蓋面較廣，高新技術企業運行登記表所采集的企業運行發展信息包括企業基本信息、從業人員數據信息、企業研發機構信息、企業研發信息、科技成果轉化信息、高新技術產品信息、企業資本和生產經營信息等全面的企業運營信息；三是登記數據完整規范，高新技術企業運行等級系統采用電子表格填報方式，所有登記數據均設置為必填項，且對信息格式做了嚴格要求，因此登記數據具有結構完整、規范的特點。綜上由國家科技部火炬中心主導采集的高新技術企業運行登記信息具有較強的權威性、全面性、規范性。

為了結合高新技術企業運行登記表對企業的運行發展情況進行預警，首先要建立能夠反映企業運行發展狀況的指標體系。本文通過對文獻梳理，結合前人在高新技術企業財務風險、人才流失風險和企業管理風險等角度建立的評價指標研究模型，選取了高新技術企業運行登記表中的31個指標進行分析，并歸納為人力資源條件、財務運行狀況、研發能力情況及科研效能管理4個二級指標，最終形成高新技術企業運行發展綜合預警結果，具體運行發展預警指標體系見圖1。

圖1 高新技術企業運行發展預警指標體系

2.2 突變級數理論

針對上節建立的指標體系需要建立合適的算法得出量化的綜合預警結果，以便開展進一步分析。涉及指標體系的算法大都需要借助指標權重來進行，例如層次分析法、因子分析法等，但高新技術企業運行登記指標體系相對復雜，且兼顧耦合與離散的雙重屬性，采用定性分析方法則可能面臨主觀性較大，采用定量分析方法則過于復雜、可操作性欠佳。鑒于此，本文規避指標權重的確定，采用了突變級數算法進行預警評分。

突變級數理論由法國數學家雷內·托姆(Rene Thom)在拓撲學、穩定性理論和奇點理論的基礎上提出。主要用于描述事物從一種穩定狀態到另一種穩定狀態之間突然的、不連續躍變的現象[17]。突變級數理論能夠解釋系統狀態的不連續躍變現象，因此被廣泛應用在涉及安全評價的各個領域。突變級數理論由狀態變量和控制變量所組成的勢函數作為研究對象，通過分析分歧集的性態來達到控制系統行為的目的[18]。

突變級數理論的步驟：首先分解系統評價總體目標；其次選定突變勢函數；再通過歸一化對研究目標進行綜合計算并得出預警結果；最后開展預警評價。選擇的突變類型不同，影響系統狀態的因素就會有差異，控制變量和狀態變量的數目也會不同[19]。突變級數理論的基本突變類型見表1。

表1 突變理論基本模型

根據高新技術企業運行發展預警指標體系，確定不同層級指標采用的突變類型，結合突變級數理論確定本文的評價指標突變類型見圖2。

2.3 預警線分析

預警線的設定直接關系到企業運行發展是否存在險情，只有通過科學合理的預警線及預警區間設定，才能提高預警機制的有效性，促發運行發展預警模型生效，提前預知險情。針對高新技術企業預警線及預警區間的研究甚少，因此可以參照其他領域在預警線劃分上采用的主流方法。目前常用的預警線劃分方法有有u-d法、正態歸一法、系統化法等，但前兩者需要大樣本數據作為支撐，而系統化法適用范圍較廣[20]。

圖2 高新技術企業運行發展預警指標突變類型

系統化法是基于定性分析的方法，根據一種或多種并列的原則或標準來研究預警線，綜合分析得出最后的預警線值。常用的原則有：半數原則、均數原則、多數原則、少數原則和負數原則等。各原則類型及預警觸發機制見表2。

表2 系統化法常用原則及預警觸發機制

利用系統化法設定預警線，需要根據預警問題的考察對象屬性選擇一種或多種原則，本文針對單個企業的多個預警年度的縱向預警線設置時采用均數原則作為預警標準，即高新技術企業的運行發展狀況如果比歷史平均水平要差，則需要警惕“走下坡路”。在針對區域內所有企業的當年度橫向預警線設置時采用多數原則作為預警標準，多數原則的預警觸發機制是假設總體趨勢是趨于穩定健康狀態，當單個企業預警指標比大多數預警值差時觸發預警機制。本文采用常見的三等分線定義大多數，即針對所有被分析的高新技術企業，當企業的運行發展狀況比2/3的企業要差時，觸發預警機制，企業需要提高警惕，奮起直追；當企業的運行發展狀況比2/3的企業要好時，則達到安全線，表明企業運行發展情況較好。

2.4 灰色預測模型

高新技術企業運行發展情況的預警，本質上是基于現有的歷史數據，科學合理的對未來一段時間內的企業發展狀況進行預測，針對高新技術企業進行“主動安全”賦能。由于高新技術企業的運行登記工作始發于20XX年，使得針對企業運行登記的縱向時間序列數據量只有短短4年(2018年高新技術企業全年運行登記業務尚在開展，未形成權威的結果性數據)，常規的邏輯回歸方法、神經網絡算法都不適用于高新技術企業運行發展情況的預測[21]。因此在小樣本數據預測中具有一定的優勢的灰色預測理論被采用為高新技術企業運行發展預警情況預測的方法。

將已知的信息看作白色系統，未知的信息看作黑色系統，將已知信息與未知信息看作一個系統，即為灰色系統。將灰色系統用于預測未來一段時間內的高新技術企業運行發展情況，就是利用歷年的預警結果數據為基礎，建立高新技術企業歷年運行發展預警計算值與未來預測的預警值的微分方程，利用已知的預警數據計算未知的預警預測數據的算法[22]。通過將少量歷史數據帶入均值、差分、離散 GM(1，1)灰色預測模型中進行計算，結果顯示離散 GM(1，1)灰色預測模型的誤差較小，因此本文采用離散 GM(1，1)灰色預測模型作為預測高新技術企業未來運行發展趨勢的主要算法。

3 實證分析

3.1 湛江市高新技術企業概況

湛江市為廣東省地級市，位于廣東省西南部，是粵西地區和北部灣城市群中心城市，擁有國家級湛江經濟技術開發區(國家高新技術產業開發區)，以及奮勇高新區、南三島濱海旅游示范區、海東新區3個功能區。選取湛江市高新技術企業運行發展情況為實證研究對象，主要出于以下考慮：一是湛江市地處粵西地區，為區域中心城市，針對湛江市高新技術企業運行發展情況的預警方法能推廣應用到粵東西北類似地市的類似預警研究上，具有典型示范效應；二是湛江市2015—2017年高新技術企業存量在粵東西北12個地市排名分別為第3名、第4名、第5名，存量數據處于粵東西北地區中等水平，且湛江市高新技術企業2015—2017年有效運行登記表填報率均超過80%(見表3)。針對中等規模的高新技術企業存量數據開展研究，不僅有利于避免體量過大的樣本數據導致的預警觸發原因分析的離散化，也能有效避免樣本過少導致的預警結果歸納分析缺乏說服力。

表3 2015—2017年高新技術企業數據情況

3.2 湛江市高新技術企業預警分析

3.2.1 個體高新技術企業預警算法實現

(1)原始數據采集。采集湛江市2015—2017年高新技術企業運行登記數據，并根據圖1的指標劃分方式進行梳理，通過數據整理發現2015、2016及2017年度連續3年都提交有效高新技術企業運行登記表的企業數量為68家，為后期開展預警預測需要，本文選取這68家高新技術企業作為實證分析的企業。

(2)數據歸一化處理。對于正向指標(值越大，效果越好)有：

(1)

對于反向指標(值越小，代表效果越好)有：

(2)

(3)各層級指標互補性判斷。利用 SPSS對各突變類型中所包含指標進行相關性檢驗，如果相關則認為具有互補性，反之則沒有互補性關系。

對于有互補性的指標，則采取公式：

(3)

其中Y是X的上一級指標，n取值與下級指標個數相等。

若沒有互補性關系，則采取公式：

(4)

其中Y是X的上一級指標 , n取值與下級指標個數相等。

通過對本文所有層級突變指標類型的相關性檢測，發現圖2中所有預警指標突變類型包含的指標都具有相關性，因此全部采用公示(3)進行運算。

3.2.2 湛江市高新技術企業運行發展預警分析

依據上節的預警算法，結合選取的68家高新技術企業2015、2016及2017年度的運行登記表數據，開展預警企業的預警值計算，并根據2.3節針對區域內企業的當年度橫向預警線設置時采用的多數原則，即把低于當前年度2/3企業的預警值設為預警線，當企業的預警值低于預警線時觸發預警機制，同時把高于當前年度2/3企業的預警值設為安全線，當企業的預警值高于安全線時即表明企業運行發展情況較好。出于信息安全考慮，針對這68家企業進行信息脫敏，進行隨機編碼(編號從1-68)，針對單個企業采用固定編號，2015、2016及2017年度的預警分布情況見圖3。

圖3 2015—2017年湛江市高新技術企業預警分布情況

同時對湛江市68家企業近3年的運行發展情況按照持續增長型、持續衰退型、波動增長型和波動衰退型4種發展趨勢進行統計分析，結果見表4。

表4 2015—2017年高新技術企業運行發展趨勢統計

3.3 湛江市高新技術企業發展預測

3.3.1 個體高新技術企業預警預測實現

(5)

(6)

對累積生成的數列進行曲線擬合，函數表達式為：

(7)

(8)

3.3.2 湛江市高新技術企業預警預測分析

根據灰色預測算法，完成所有68家高新技術企業的2018年預警值運算，采用多數原則作為預警線設置標準，預警線值為0.427，安全線值為0.729，根據多數原則的2018年高新技術企業預警預測分布情況見圖4。

圖4 2018年湛江市高新技術企業預警預測分布情況

根據2015—2017年的高新技術企業預警值及2018年預測預警值，得出歷年的預警線值及安全線值見表5與圖5。

表5 2015—2018年預警線值和安全線值

圖5 2015—2018年預警線及安全線趨勢

為了解個體高新技術企業的運行發展預警趨勢，隨機抽取編號為3、13、23、33、43、53、63的高新技術企業，根據2015—2017年的高新技術企業預警值及2018年預測預警值，建立抽樣企業運行發展預警趨勢曲線見圖6。

3.4 時間序列-區域水平二維預警預測

在這里結合2.3節的針對單個企業多個預警年

度的縱向預警線設置時采用均數原則作為縱向預警線標準，即預測的高新技術企業的運行發展狀況如果比該企業的歷史平均水平要差，則需要進行預警；同時根據多數原則預警結果，建立時間序列-區域水平二維預警模型，2018年時間序列-區域水平二維預警預測分布情況及統計情況見圖7和表6。

圖6 2015—2018年抽樣企業運行發展預警趨勢

表6 2018年時間序列-區域水平二維預警預測分布統計

區域企業數量/家占比情況區域類型說明(以2018年預警預測值為基準)A57.4%預警預測值低于自身歷史平均水平,且處于區域水平安全線上的企業B22.9%預警預測值低于自身歷史平均水平,且處于區域預警線與安全線之間的企業C22.9% 預警預測值低于自身歷史平均水平,且處于區域水平預警線以下的企業D1927.9% 預警預測值優于自身歷史平均水平,且處于區域水平預警線以下的企業E2130.9%預警預測值優于自身歷史平均水平,且處于區域預警線與安全線之間的企業F1927.9%預警預測值優于自身歷史平均水平,且處于區域水平安全線上的企業

3.5 預警結果分析

(1)3/4的湛江市高新技術企業保持良好的運行發展勢頭，但另外1/4的高新技術企業是需要重點關注的對象。通過對湛江市68家高新技術企業2015—2017年預警值運算，結合圖3的預警情況分布圖和表4的高新技術企業2015—2017年運行發展趨勢統計分析結果可以看出， 51家企業運行發展情況取得持續進步，約占企業總數的3/4；7家企業運行發展情況持續衰退，需要引起警惕；波動發展的企業10家，其中波動增長型8家，波動衰退型2家，需予以重點關注。

(2)湛江市高新技術企業2015—2017年整體運行發展情況向好發展，預測2018年整體發展質量將進一步提升。根據灰色預測理論得出湛江市2018年高新技術企業預警預測分布情況如圖4所示，結合圖5、表5的2015—2017年逐年上升的預警線與安全線值，可以看出湛江市高新技術企業2015—2017年運行發展質量整體向好發展，根據2018年企業預警線值和安全線值，可以推斷2018年整體企業的運行發展質量將進一步提升。隨機抽取的7家高新技術企業的發展趨勢較好印證整體企業預測結果。

(3)預測2018年有40家高新技術企業的運行發展狀況優于自身歷史平均水平，并且處于區域水平預警線之上，占企業總數的58.8%，其他28家企業需根據預警預測情況補齊短板。根據圖7和表6的時間序列-區域水平二維預警預測分布情況及統計結果，可以看出預警預測值優于自身歷史平均水平且優于區域水平預警線之上的企業有40家，占比58.8%(E、F區域內)；由于預警預測值低于自身歷史平均水平，觸發時間序列預警的企業總數為9家，占比13.2%(A、B、C區域內)；針對觸發時間序列-區域水平雙預警機制的2家企業(C區域內) 需要重點預警；針對所有觸發預警機制的28家企業，則根據預警預測情況針對性補全短板。

4 結論

本文針對高新技術企業運行發展情況建立預警模型。第一，通過綜合分析高新技術企業預警相關的文獻，針對高新技術企業運行登記表中的31個指標進行梳理分析，歸納總結為人力資源條件、財務運行狀況、研發能力情況及科研效能管理4個二級預警指標，最終形成高新技術企業運行發展綜合預警算法模型；第二，結合突變級數理論與系統化方法，實現湛江市2015—2017年68家高新技術企業的運行發展預警值運算及運行發展趨勢分析；第三，運用灰色預測模型完成湛江市2018年度高新技術企業運行發展預警預測運算，并建立時間序列-區域水平二維預警模型對湛江市高新技術企業運行發展情況進行分區域預警預測。預警結果顯示，湛江市高新技術企業2015—2017年整體運行發展質量向好發展，預測表明2018年整體發展質量將進一步提升；湛江市高新技術企業大體保持良好的運行發展勢頭的同時，但約有1/4的高新技術企業未保持持續進步狀態，需要重點關注；針對2018年的運行發展預測結果顯示68家企業中的40家有望在實現運行發展狀況優于自身歷史平均水平的同時，處于區域水平預警線之上，占企業總數的58.8%，其他28家企業則需根據預警預測情況盡快補齊短板，促進自身運行發展水平。通過針對湛江市68家高新技術企業2015—2017年運行發展水平的預警分析，能夠對湛江市高新技術企業整體運行發展狀況及未來發展趨勢進行及時預警，輔助提升科技創新治理水平。