引言

在数字化浪潮席卷全球经济的大背景下，国家对企业数字化转型的重视程度达到了新高度，相关制度法规不断出台，为企业数字化提供了政策保障与发展指引。根据中国信通院发布的《中国数字经济发展研究报告（2024年）》显示，2023年中国数字经济规模达到53.9万亿元，占GDP比重达到42.8%，这一数据彰显我国数字经济的蓬勃发展，意味着数字经济逐渐融入生产生活各领域，对于未完成数字化转型的企业而言加快数字化转型进程迫在眉睫。而值得注意的是，数字化转型背景下的新型财务风险与传统财务风险存在显著差异，且在偿债、经营、盈利、发展能力呈现出独特的风险表现。A公司作为行业龙头，其业务规模庞大、数字化转型实践丰富，对其数字化转型中的财务风险进行深入研究，总结风险识别、评估与应对的有效经验，能够为同行业企业提供切实可行的参考，助力工程机械行业在数字化转型中防范财务风险、实现稳健发展。

一、A公司简介

A公司经过近30年发展，公司规模持续扩张，截至2024年末，拥有员工超2.5万人，在国内布局北京、上海、长沙等十大研发制造基地，海外在德国、美国、印度等20多个国家建有产业园与生产基地，总资产突破1500亿元，2024年营业收入超770亿元，稳居中国工程机械行业营收榜首。

在产品体系上，A公司聚焦工程建设核心需求，打造了覆盖“建、养、运、管”全场景的产品矩阵，除核心的混凝土机械、挖掘机械、起重机械外，还涵盖路面机械、桩工机械、港口机械等八大品类，其中挖掘机械连续10年全球销量第一，混凝土泵车市场占有率长期位居全球前列，技术指标达到国际领先水平。依托强大的研发实力，公司建立了国家级技术中心，拥有研发人员超5800人，截至2024年研发投入占营业收入比重保持在7%以上，累计获得授权专利超8900项，2024当年发明专利623项，多次斩获“国家科技进步奖”“中国专利金奖”等行业顶级奖项。

作为传统制造企业数字化转型的标杆，A公司深度推进“数智化”战略，截至2024年底，A公司累计建成37座智能工厂；同时积极布局低碳化转型，电动化产品覆盖挖掘机、起重机等十大品类，新能源产品整体收入为40.25亿元，率先在行业内实现电动化产品持续化盈利，先后荣获“中国数字化转型领军企业”“国家级绿色工厂”等荣誉，其转型实践为制造业高质量发展提供了重要参考。

二、熵权TOPSIS法概述

（一）熵权TOPSIS法基本原理

熵权TOPSIS法是熵权法与TOPSIS法的有机结合，融合了两种方法的优势，既解决了TOPSIS法中权重确定的难题，又弥补了熵权法仅能赋值、无法直接排序的缺陷，是多指标综合评价中应用广泛的方法之一。其核心逻辑是：先通过熵权法计算各指标的客观权重，确保权重的科学性与客观性；再将该客观权重代入TOPSIS法的计算过程，替代默认的等权重或主观权重，进而更精准地计算评价对象与理想解、负理想解的距离，最终通过贴近度完成排序。在实际操作中，熵权TOPSIS法的流程分为两步：第一步是权重确定，按照熵权法的计算步骤，基于原始数据的离散程度得出各指标的客观权重；第二步是方案排序，将客观权重代入TOPSIS法，完成数据标准化、标杆构建、距离计算与贴近度分析，最终得到评价对象的综合排序结果。该方法的核心作用是在保证评价客观性的同时，实现对多对象的精准排序，尤其适用于财务风险评价等复杂场景。主要应用在分析数字化转型背景下企业多年财务风险，既能通过熵权法合理分配指标的权重，又能通过TOPSIS法清晰呈现各年份风险的高低排序，为识别风险变化趋势、制定应对策略提供兼具客观性与实用性的量化依据。

（二）熵权TOPSIS法的计算步骤

以下介绍熵权TOPSIS法的基本步骤：

第一步，先构建一个原始评价矩阵，设其有m个评价指标，n个待评价对象个数。其中表示为第i个评价指标下的第j个待评估对象所对应的数据（i=1，2，⋯，m；j=1，2，⋯，n）。

第二步，构建标准化矩阵。这一步主要是为了消除不同指标之间的量纲和量纲单位不统一的问题，标准化处理后使得不同指标具有可比性。先明确原始数据的指标属性，判断其是正向指标、负向指标还是适度指标，根据其指标属性分别进行处理。

正向指标标准化处理：

负向指标标准化处理：

适度指标标准化处理：

上述标准化公式中，

标准化处理后，得到标准化矩阵：

第三步，确定各项所占比重：

第四步，确定第i项评价指标的熵值：

第五步，计算第i项指标的指标权重：

第六步，同趋化处理。因为指标的评价标准并不一致，所以在原矩阵Rx的基础上，对负向指标进行同趋化处理。负向指标=1/，正向指标=。得到新的决策矩阵：

第七步，归一化处理。对矩阵做归一化处理以提高各指标数据之间的可比性，以便计算分析，得到规范化决策矩阵：

第八步，利用熵权法权重构造加权决策矩阵。根据熵权法确定的指标权重，得到赋权后的加权决策矩阵，=×（i=1，2，⋯，m；j=1，2，⋯，n）。

第九步，确定正负理想解。当评价指标为正向时，值越大越好；当评价指标为负向时，值越小越好。

第十步，计算评价对象到正理想解、负理想解的距离（j=1，2，⋯，n）。

第十一步，计算理想贴进度（j=1，2，⋯，n），公式为：

第十二步，根据理想贴进度的大小，对n个待评价对象依次排序。值越大，表明该待评价对象越好，值越小，表明该待评价对象越差。

三、财务风险评价

（一）财务风险评价指标选取

财务指标的选取直接影响着评价的结果，本文从筹资、营运、投资和成长风险四个方面选取评价指标，由此评价A公司财务风险的变化。

一级指标	二级指标	编号	指标属性
筹资风险	资产负债率	A1	负向
	流动比率	A2	正向
	速动比率	A3	正向
	权益乘数	A4	负向
营运风险	应收账款周转率	A5	正向
	存货周转率	A6	正向
	流动资产周转率	A7	正向
	总资产周转率	A8	正向
投资风险	净资产收益率	A9	正向
	资产报酬率	A10	正向
	投入资本回报率	A11	正向
	营业总成本增长率	A12	负向
成长风险	净资产增长率	A13	正向
	总资产增长率	A14	正向
	净利润增长率	A15	正向
	营业收入增长率	A16	正向

（二）数据选取

结合财务风险评价指标体系，本文选取2018-2024年的财务数据进行分析(数据来源于国泰安经济数据库)，原始数据如表2所示。

编号	2024年	2023年	2022年	2021年	2020年	2019年	2018年
A1	0.520	0.543	0.584	0.530	0.539	0.497	0.559
A2	1.594	1.794	1.564	1.526	1.473	1.625	1.529
A3	1.281	1.431	1.272	1.225	1.164	1.287	1.188
A4	2.084	2.186	2.405	2.129	2.170	1.989	2.270
A5	3.131	2.977	3.582	5.155	4.588	3.609	2.900
A6	2.881	2.680	3.183	4.178	4.169	3.941	4.027
A7	0.781	0.720	0.802	1.146	1.242	1.257	1.267
A8	0.513	0.472	0.538	0.801	0.916	0.921	0.846
A9	0.086	0.068	0.067	0.200	0.306	0.295	0.214
A10	0.047	0.031	0.031	0.104	0.174	0.163	0.116
A11	0.060	0.038	0.038	0.131	0.202	0.170	0.114
A12	0.058	-0.118	-0.190	0.144	0.333	0.287	0.350
A13	0.253	-0.002	-0.648	-0.305	0.080	0.302	1.297
A14	0.006	-0.048	0.146	0.097	0.394	0.227	0.267
A15	0.323	0.046	-0.643	-0.223	0.380	0.824	1.830
A16	0.062	-0.085	-0.246	0.068	0.313	0.355	0.456

数据来源：国泰安经济数据库

（三）指标权重分布分析

从熵权TOPSIS法计算得出的指标权重结果来看，各财务风险指标对A公司整体财务风险的影响程度存在显著差异，这一差异深刻反映了在数字化转型背景下企业财务风险的核心来源与关键管控方向。

在16项评价指标中，成长风险相关指标占据了权重的主导地位。其中，净资产增长率以28%的权重成为影响财务风险的首要指标，营业收入增长率和净利润增长率分别以18.5%和18.1%的权重紧随其后，三者合计权重高达64.6%。这一数据表明，在数字化转型进程中，A公司的财务风险高度依赖于企业的成长能力，无论是资产规模的扩张、盈利水平的提升还是市场份额的增长，都会对整体财务风险产生决定性影响。深入分析其原因，一方面，A公司在数字化转型中投入大量资源用于智能工厂建设、电动化产品研发等领域，这些战略布局需要以稳定且持续的成长作为支撑，若成长指标出现波动，将直接导致转型投入的回报不确定性增加；另一方面，作为行业龙头企业，A公司的数字化转型具有标杆性特征，其成长速度与质量不仅关系自身财务健康，更影响产业链上下游合作信心，成长指标的权重优势恰是这种行业地位与转型需求的量化体现。

其次，营运与筹资风险指标的权重相对均衡，且整体占比不高。整体营运风险指标合计权重不足6%；筹资风险指标合计权重约7.4%。这一权重分布反映出，在数字化转型期间，A公司的营运管理与筹资结构相对稳定，未成为财务风险的主要引爆点。

编号	熵值	权重
A1	0.986	0.038
A2	1	0
A3	1	0.001
A4	0.987	0.035
A5	0.998	0.006
A6	0.999	0.004
A7	0.998	0.007
A8	0.997	0.009
A9	0.988	0.034
A10	0.986	0.038
A11	0.987	0.035
A12	0.974	0.072
A13	0.899	0.28
A14	0.972	0.077
A15	0.935	0.181
A16	0.933	0.185

值得注意的是，营业总成本增长率与总资产增长率作为高权重项，分别以7.2%和7.7%的权重成为财务风险的重要影响因素。营业总成本增长率的高权重意味着成本控制能力对财务风险的影响不容忽视，数字化转型中智能设备采购、研发投入等会阶段性推高成本，若成本增长速度超过收入增长，将直接挤压利润空间；总资产增长率的权重优势则与A公司的产能扩张战略相关，无论是国内十大研发制造基地的布局，还是海外20多个国家产业园的建设，都需要资产规模的同步增长，若资产增长与营收增长不匹配，将导致资产利用效率下降，进而增加财务风险。

（四）年度财务风险变化趋势分析

结合2018-2024年各年份的正理想解距离、负理想解距离与相对接近度数据，A公司的财务风险在数字化转型期间呈现出先降后升再缓降的阶段性特征，且不同阶段的风险驱动因素存在明显差异。

2018年A公司的相对接近度以0.886达到7年峰值，同时正理想解距离仅为0.058，负理想解距离高达0.451，这表明该年份企业财务状况最接近理想状态，财务风险处于最低水平。从指标数据来看，2018年净利润增长率达183%、营业收入增长率达45.6%，成长指标的优异表现成为风险控制的核心支撑；同时，资产负债率为55.9%，处于合理区间，营运指标中存货周转率达4.027次，营运效率稳定。

2019-2020年相对接近度虽从0.886降至0.565、0.464，但仍维持在0.4以上的较高水平，财务风险整体可控。这一阶段的风险变化主要源于成长指标的阶段性调整，2019年净利润增长率降至82.4%，2020年进一步降至38%，但营业收入增长率仍保持31.3% 的较高水平，同时资产负债率稳定在49%-54%之间，筹资风险未显著上升，使得整体财务风险仍处于低位。2021-2022年是A公司财务风险的关键攀升期，相对接近度从2020年的0.464降至2021年的0.243，2022年进一步降至0.109，达到7年最低值；与此同时，正理想解距离从2020年的0.26升至2022年的0.452，负理想解距离从0.225降至0.056，表明企业财务状况与理想状态的差距显著扩大，财务风险达到峰值。

深入分析风险攀升的驱动因素，成长指标的大幅恶化是核心原因。2022年净资产增长率降至-64.8%，净利润增长率降至-64.3%，营业收入增长率降至-24.6%，三大核心成长指标均出现负增长，这与当年工程机械行业整体需求疲软、原材料价格上涨以及数字化转型投入加大的多重因素叠加相关，2022年A公司持续推进智能工厂建设与电动化产品研发，研发投入占比维持在7%以上，但市场需求的下滑导致转型投入短期内难以转化为营收增长，进而推高财务风险。此外，营运指标的同步恶化加剧了风险，2022年应收账款周转率从2021年的5.155次降至3.582次，存货周转率从4.178次降至3.183次，营运效率的下降导致资金回笼速度放缓，进一步增加了企业的流动性压力。

2023-2024年A公司财务风险呈现逐步缓解的趋势，相对接近度从2022年的0.109回升至2023年的0.311、2024年的0.44，正理想解距离从0.452降至0.321、0.258，负理想解距离从0.056升至0.145、0.203，财务状况逐步向理想状态回归。这一阶段风险缓解的关键在于成长指标的修复与数字化转型成效的释放。2024年净利润增长率回升至32.3%，营业收入增长率回升至6.2%，净资产增长率回升至25.3%，成长指标的全面回暖为风险缓解提供了核心支撑；同时，数字化转型的降本增效作用逐步显现，存货周转率从2022年的3.183次回升至2.881次，虽未恢复至2021年水平，但已呈现改善趋势。此外，筹资结构的优化也助力风险缓解，2024年资产负债率降至52%，较2022年的58.4%下降6.4个百分点，权益乘数同步下降，筹资风险进一步降低。

年份	正理想解距离D+	负理想解距离D-	相对接近度C	排序
2024	0.258	0.203	0.44	4
2023	0.321	0.145	0.311	5
2022	0.452	0.056	0.109	7
2021	0.357	0.115	0.243	6
2020	0.26	0.225	0.464	3
2019	0.207	0.269	0.565	2
2018	0.058	0.451	0.886	1

四、结论及建议

（一）研究结论

本文运用熵权TOPSIS法，从筹资、营运、投资、成长四类风险维度，对2018-2024年A公司数字化转型期间的财务风险展开评价，得出以下核心结论。

其一，成长风险是影响财务风险的核心因素。从指标权重来看，净资产增长率、营业收入增长率、净利润增长率三大成长指标合计权重达64.6%，远超筹资、营运等风险指标。这表明在数字化转型中，A公司财务风险的高低主要由成长能力决定，一旦营收、净利润等成长指标出现波动，将直接引发整体财务风险的显著变化。

其二，财务风险呈现先降后升再缓降的阶段性特征。2018年凭借高成长指标，相对接近度达0.886，风险最低；2019-2020年成长指标阶段性调整，风险小幅上升但仍可控；2021-2022年受行业需求疲软与转型投入加大影响，成长、营运指标同步恶化，风险攀升至峰值；2023-2024年随成长指标修复与转型成效释放，风险逐步缓解。

其三，数字化转型对财务风险的影响具有短期压力、长期红利特性。2021-2022年，智能工厂建设、电动化研发等高额投入，叠加市场需求下滑，导致成本上升而营收增长滞后，推高财务风险；但长期来看，2023-2024年数字化转型成效显现，电动化产品收入达40.25亿元，存货周转率逐步改善，成为风险缓解的关键动力，印证了转型对财务风险的长期正向作用。

（二）优化建议

结合研究结论，为进一步管控A公司财务风险、助力数字化转型稳健推进，提出以下优化建议。

在成长风险管控方面，建立动态预警与多元增长的机制。一方面，针对净资产、营收、净利润增长率设置风险预警阈值，实时监测成长指标波动，提前应对市场需求变化；另一方面，拓展增长渠道，除传统工程机械市场外，加大电动化、智能化产品推广力度，依托已建成的智能工厂，提升高附加值产品产能，减少对单一市场的依赖，稳定成长指标。

在营运风险管控方面，深化数字化工具应用。针对应收账款与存货周转问题，利用大数据分析客户信用等级，优化应收账款催收策略，缩短资金回笼周期；通过智能库存管理系统，结合市场需求预测，精准调控存货规模，避免库存积压，推动存货周转率从2024年的2.881次进一步回升，降低营运资金占用压力。

在筹资风险管控方面，优化资本结构。保持资产负债率稳定在50%-55%的合理区间，通过发行绿色债券、引入战略投资等多元化融资方式，替代单一债务融资，降低财务杠杆风险；同时，将融资资金优先投向短期能见效的数字化项目，提升资金使用效率，平衡转型投入与财务安全。

在数字化转型优化方面，把控投入节奏与效益转化。根据成长指标与市场需求动态调整转型投入规模，避免盲目扩张；建立转型项目效益评估机制，对智能工厂、研发项目设定明确的营收转化目标，确保转型投入能及时转化为成长动力，减少短期风险压力。

五、结语

本文以A公司为样本，揭示了数字化转型背景下工程机械企业财务风险的演化规律与核心影响因素。研究表明，成长风险主导财务风险变化，且数字化转型需平衡短期投入与长期效益。对于A公司而言，通过精准管控成长风险、深化数字化营运、优化筹资结构，可进一步降低财务风险，巩固行业龙头地位。

同时，本研究也为工程机械行业提供了可借鉴的经验，在数字化转型中，企业需聚焦核心风险因素，建立动态风险评价与应对机制，让数字化不仅成为转型手段，更成为风险管控的支撑。未来可进一步扩大研究样本，对比不同规模工程机械企业的风险特征，为行业整体财务风险管控提供更全面的理论与实践参考。

参考文献：

1. [1] 曹祎遐,叶睿妍.数字化浪潮下的中国文创：创新驱动与文化自信[J].上海信息化,2024(11):22-26.
2. [2] 李婷.京津冀城市群生态环境可持续发展的政策评价——基于DPSIR-TOPSIS模型[J].生态经济,2022,38(05):107-113.
3. [3]赵腾,杨世忠.熵权TOPSIS法在企业财务风险评价中的应用——以酒鬼酒公司为例[J].财会月刊,2019(03):9-1