随着我国市场经济的快速发展,信息技术行业可谓是迅速发展。传统信息技术产业与新技术、新理念、新商业模式的不断融合,将使信息技术产业格局发生新的变革。随着互联网+、大数据、云计算、物联网的概念不断提出,我国信息技术行业将持续快速发展。然而,在瞬息万变的市场环境之中如何让企业特别是信息技术企业良好发展成为一个重要的问题。信息技术企业因其自身的特点(高风险、高投入、高收益)使得相较于其他行业的企业而言陷入财务危机的可能性更大。如何有效避免企业陷入财务危机?如何使企业在发生财务危机之前有效防范?这些问题成为急需解决的问题。因此,建立财务危机预警模型(financial crisis warning model construction,FCWMC)相对于信息技术企业和经济发展环境而言具有很强的现实意义,促进经济环境良好发展。笔者通过查阅国内外的相关文献,研究发现财务危机预警模型呈现多元化趋势,包括统计类预测方法和非统计类预测方法。统计类预测方法包含单变量模型、多元线性模型(Z值、F值模型)、多元逻辑回归模型(Logistic模型)以及概率比模型(Probit模型)。非统计类预测方法包括遗传算法、神经网络模型、支持向量机模型、递归分割法等。财务预警模型预测方法不同,其预测精度也不同。从目前研究现状来看,学者构建财务危机预警模型样本的选择大多面向全行业或者制造业,国内鲜有学者能够关注信息技术业这一行业特征。因此,本文将针对信息技术行业,在前人的基础之上加入非财务指标(技术人员比例、研发投入强度、申请专利数量)衡量上市公司的创新能力。加入非财务指标可以完善指标体系,有利于模型的判别准确度有较高的提升。文章从沪深两市之中选取了 70家信息技术业上市公司,其中有35家ST公司和35家财务正常的公司作为研究样本,样本数据为上市公司前三年(T-3年)的年度财务报表数据。文章共选取20个财务指标(偿债能力、营运能力、盈利能力、发展能力)和10个非财务指标(公司治理能力、审计意见、创新能力)作为初始备选变量。运用SPSS20.0和Exce12007软件分析数据。通过正态性检验、两个独立样本T检验和Mann-Whitney U检验筛选指标,共有18个指标通过筛选。因指标数量较多不适宜将全部指标作为自变量用于构建模型,为消除指标间的多重共线性和降低指标维度采用的是因子分析方法。KMO的检验统计量为0.666,相应的概率p值为0.000,说明变量之间存在相关关系,适合于做因子分析。通过实证分析(因子分析法)共提取出6个因子,累积解释度为82.813%,将其作为自变量构建二元Logistic回归模型。通过建模样本的回代检验,模型的判别准确度为92.9%,误判率为7.1%。为验证构建模型的有效性,文章还随机选取2014、2015年沪深两市30家上市公司作为预测样本,带入模型中以验证模型财务危机预测能力。研究结果发现综合判别率为76.7%,误判率为23.3%。说明模型的构建效果较为理想,判别准确度较高。通过对信息技术业财务危机预警的实证分析,结合实证研究的结果提出以下几点建议以防范企业陷入财务危机之中:(1)提高企业的核心竞争力——创新能力。(2)建立财务危机预警防范系统以达到事前防范、事中监管、事后补救的效果,降低企业财务危机的发生概率使风险达到可承受的范围之内。(3)加强公司治理能力,董事会、监事会完善内部控制制度、监管机制及激励机制,提高公司治理效率,促使企业良好发展。本文的创新之处在于针对信息技术行业构造财务危机预警模型,具有行业针对性。在构造模型的过程之中,结合信息技术行业特性加入非财务指标(公司治理能力、审计意见、创新能力),采用实证分析(因子分析法、Logistic回归方法)构建预警模型,将数据代入模型用以检验准确度。研究结果表明模型判别准确度为92.9%,误判率为7.1%。非财务指标的加入有效提升了模型的预测准确度,预测结果较为理想,为财务危机预警研究提供了借鉴意义。