（四川農(nóng)業(yè)大學(xué) 四川成都 611130）

筆者通過研究發(fā)現(xiàn)，在我國(guó)46家農(nóng)業(yè)上市公司中，有14家曾經(jīng)或正陷入財(cái)務(wù)困境，比率高達(dá)21.88%。農(nóng)業(yè)上市公司持續(xù)健康發(fā)展面臨很多問題，導(dǎo)致農(nóng)業(yè)資本市場(chǎng)的資源配置效率降低，而目前研究領(lǐng)域?qū)ι鲜泄矩?cái)務(wù)危機(jī)預(yù)警的理論和實(shí)證研究比較多，但專門研究農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警方法的卻不多見，而且針對(duì)農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警的研究雖然取得一定成果，但在實(shí)際應(yīng)用中的成效并不十分理想。因此，進(jìn)一步探討如何建立適合我國(guó)農(nóng)業(yè)上市公司的財(cái)務(wù)困境預(yù)警方法顯得十分必要。

一、文獻(xiàn)綜述

（一）預(yù)警指標(biāo)的選擇

目前財(cái)務(wù)困境預(yù)警的研究主要包括財(cái)務(wù)困境界定、預(yù)警指標(biāo)的選擇和預(yù)警模型的建立三個(gè)方面。國(guó)內(nèi)外學(xué)者們研究財(cái)務(wù)困境預(yù)警時(shí)所采用的指標(biāo)大體上可以分為定性、定性和定量相結(jié)合兩種選擇方法。定性的指標(biāo)選擇主要依賴于學(xué)者自己的專業(yè)知識(shí)以及其對(duì)財(cái)務(wù)困境和財(cái)務(wù)指標(biāo)內(nèi)涵的分析，主觀性較強(qiáng)。而定性和定量相結(jié)合這種選擇方法在主觀選擇的基礎(chǔ)上利用統(tǒng)計(jì)學(xué)的方法進(jìn)行篩選，近年來受到了更多學(xué)者的青睞，如梁琪（2005）運(yùn)用主成分分析，將反映企業(yè)財(cái)務(wù)狀況的24個(gè)指標(biāo)濃縮為6個(gè)主成分，并以此為變量構(gòu)建回歸模型。

（二）預(yù)警模型的建立

企業(yè)財(cái)務(wù)預(yù)警模型一直在不斷的改進(jìn)和創(chuàng)新，常見的有一元判定模型、多元判定模型、多元邏輯回歸模型、多元概率比回歸模型、人工網(wǎng)絡(luò)模型和聯(lián)合預(yù)警模型六類。我國(guó)財(cái)務(wù)困境預(yù)警研究較國(guó)外起步較晚，學(xué)者們大多通過引進(jìn)國(guó)外先進(jìn)方法并對(duì)其進(jìn)行改進(jìn)。吳世農(nóng)和黃世忠（1986）開創(chuàng)了我國(guó)財(cái)務(wù)困境預(yù)測(cè)的先河，分析了財(cái)務(wù)指標(biāo)在破產(chǎn)預(yù)測(cè)中的作用并介紹了Fisher判別分析的應(yīng)用方法。吳世農(nóng)和盧賢義 （2001）運(yùn)用Fisher線性判定、多元線性回歸和回歸分析，建立了主板市場(chǎng)ST公司的財(cái)務(wù)預(yù)警模型。此后，模型在我國(guó)財(cái)務(wù)困境預(yù)警研究領(lǐng)域得到許多學(xué)者的青睞，對(duì)于該模型的改進(jìn)也在不斷深入。如鮮向鐸和向銳（2007）建立了財(cái)務(wù)困境預(yù)測(cè)的混合模型。

二、研究方法和研究樣本

國(guó)內(nèi)比較流行的是運(yùn)用模型進(jìn)行財(cái)務(wù)預(yù)警，其較高的預(yù)測(cè)準(zhǔn)確性在以往的研究中得到了證明，因而本文基于模型對(duì)農(nóng)業(yè)上市公司進(jìn)行財(cái)務(wù)困境預(yù)警，以2011年的數(shù)據(jù)為預(yù)測(cè)研究數(shù)據(jù)并用此期間公司的財(cái)務(wù)狀況檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)的準(zhǔn)確性。最后在2012年數(shù)據(jù)的基礎(chǔ)上，預(yù)測(cè)目前可能發(fā)生財(cái)務(wù)困境的農(nóng)業(yè)上市公司。

由于ST公司的標(biāo)準(zhǔn)能夠反映企業(yè)盈利能力的惡化和自有資本的消蝕，即真實(shí)償債能力的下降，并且特別處理是一個(gè)客觀發(fā)生的事件，有很高的可度量性，因此本文沿用國(guó)內(nèi)學(xué)者普遍采用的做法，即選取ST企業(yè)作為財(cái)務(wù)困境樣本企業(yè)。Zmijewski曾指出，當(dāng)財(cái)務(wù)困境公司在樣本中所占的比重接近真實(shí)比重時(shí)能夠減少估計(jì)誤差。因此本文根據(jù)證監(jiān)會(huì)行業(yè)分類指引，選取全體A類上市公司作為研究樣本，數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫(kù)。為了減少缺失值的影響，本文剔除了在此期間退市和新上市的公司。

三、實(shí)證分析

（一）指標(biāo)篩選

通過對(duì)兩種財(cái)務(wù)指標(biāo)的分析可知，定性指標(biāo)選擇法主觀性較強(qiáng)，獲得的財(cái)務(wù)指標(biāo)體系雖然財(cái)務(wù)含義清晰，但往往建模預(yù)測(cè)效果欠佳。定性和定量結(jié)合的方法克服了上述主觀性較強(qiáng)的缺點(diǎn)，通過設(shè)計(jì)的可分性度量尋找具有高信息含量的輸入特征，理論上更為科學(xué)，建模預(yù)測(cè)的實(shí)際效果也更佳，故本文在選取財(cái)務(wù)指標(biāo)時(shí)采用此種方法。本文選擇企業(yè)盈利能力、償債能力、營(yíng)運(yùn)能力、發(fā)展能力、股東獲利能力、現(xiàn)金流量、風(fēng)險(xiǎn)水平等八個(gè)方面選擇指標(biāo)，結(jié)合有關(guān)學(xué)者的研究，在剔除掉缺失值較多的指標(biāo)之后，初步選了115個(gè)財(cái)務(wù)指標(biāo)。

1.指標(biāo)正態(tài)性及差異度檢驗(yàn)。首先運(yùn)用SPSS 20.0對(duì)指標(biāo)進(jìn)行Kolmogorov-Smirnov檢驗(yàn)，結(jié)果顯示74個(gè)指標(biāo)通過檢驗(yàn)，符合正態(tài)分布。為了進(jìn)一步驗(yàn)證指標(biāo)是否具有統(tǒng)計(jì)意義，即指標(biāo)在ST公司和非ST公司之間是否具有顯著差異，本文進(jìn)一步對(duì)符合正態(tài)分布的指標(biāo)進(jìn)行獨(dú)立樣本T檢驗(yàn)，結(jié)果表明兩類企業(yè)之間具有顯著差異的指標(biāo)有16個(gè)，分別是銷售收到現(xiàn)金比率、每股留存收益、留存收益資產(chǎn)比、每股籌資活動(dòng)現(xiàn)金凈流量、每股未分配利潤(rùn)、全部資產(chǎn)現(xiàn)金回收率、每股經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量、息稅前利潤(rùn)、應(yīng)收賬款周轉(zhuǎn)天數(shù)、市銷率、息前稅后利潤(rùn)、財(cái)務(wù)費(fèi)用率、存貨與收入比、息稅折舊攤銷前利潤(rùn)、管理費(fèi)用率、每股營(yíng)業(yè)收入，對(duì)前面未能通過K-S檢驗(yàn)的41個(gè)指標(biāo)進(jìn)行Mann-Whitney U檢驗(yàn)，發(fā)現(xiàn)營(yíng)運(yùn)資金對(duì)凈資產(chǎn)總額比率、凈資產(chǎn)收益率增長(zhǎng)率、營(yíng)運(yùn)指數(shù)和負(fù)債與權(quán)益市價(jià)比率等4個(gè)指標(biāo)存在著明顯區(qū)分度。

2.指標(biāo)相關(guān)性檢驗(yàn)。原先115個(gè)指標(biāo)經(jīng)過上面三步的篩選余下的20個(gè)指標(biāo)不能直接代入方程，因?yàn)樗鼈冎g相關(guān)程度較高，直接進(jìn)行分析不僅會(huì)因多重共線性對(duì)模型預(yù)測(cè)產(chǎn)生影響，也較為復(fù)雜。在經(jīng)過KMO統(tǒng)計(jì)量和Bartletts球形檢驗(yàn)后，得到KMO值為0.327，小于0.5，因此不適用于主成分分析。因此本文改用簡(jiǎn)單相關(guān)性分析，將相關(guān)系數(shù)限定在0.5之內(nèi)，排除那些相關(guān)性較強(qiáng)的指標(biāo)，防止多重共線性對(duì)模型的干擾。

經(jīng)過相關(guān)性分析發(fā)現(xiàn)現(xiàn)金比率、息稅前利潤(rùn)、存貨與收入比、息稅折舊攤銷前利潤(rùn)、每股營(yíng)業(yè)收入、負(fù)債與權(quán)益市價(jià)比率幾個(gè)指標(biāo)直接存在較強(qiáng)的相關(guān)性，因而將其剔除。再用Eveiws6.0對(duì)變量進(jìn)行異方差檢驗(yàn)和顯著性檢驗(yàn)之后，最終將變量留存收益資產(chǎn)比、每股未分配利潤(rùn)、每股留存收益、全部資產(chǎn)現(xiàn)金回收率、每股經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量、應(yīng)收賬款周轉(zhuǎn)天數(shù)、營(yíng)運(yùn)資金對(duì)凈資產(chǎn)總額比率、營(yíng)運(yùn)指數(shù)等八個(gè)指標(biāo)納入預(yù)測(cè)模型，分別將其命名為 X1、X2、X3、X4、X5、X6、X7和 X8。

（二）財(cái)務(wù)困境預(yù)警模型分析

利用多元回歸方法分析變量之間關(guān)系或進(jìn)行預(yù)測(cè)時(shí)的一個(gè)基本要求是：被解釋變量應(yīng)該是連續(xù)定距型變量。然而，實(shí)際應(yīng)用中這種要求未必都能夠得到很好的滿足。在數(shù)據(jù)分析的應(yīng)用中，尤其是在社會(huì)科學(xué)研究中，有時(shí)會(huì)出現(xiàn)被解釋變量是0-1二值品質(zhì)型變量的情況，即因變量只取0或1。在這種情況下，就要應(yīng)用函數(shù)進(jìn)行變量估計(jì)。

通常，運(yùn)用多元回歸對(duì)變量進(jìn)行研究分析或是進(jìn)行預(yù)測(cè)時(shí)會(huì)要求被解釋變量應(yīng)該是連續(xù)的定距型的變量。但是在實(shí)踐中，尤其是社科類的研究中，常常會(huì)發(fā)生違背這種假設(shè)的情況。比如虛擬變量，即0-1變量作為因變量的情況。此時(shí)，就需要建立logit回歸模型。

yi=1表示某個(gè)事件發(fā)生，yi=0表示該事件不發(fā)生，P表示自變量為Xi時(shí)該事件發(fā)生的概率，即yi=1的概率。由于logit模型不滿足一般的多元線性回歸分析的前提假設(shè)，因而采用極大似然估計(jì)對(duì)模型的參數(shù)進(jìn)行估計(jì)。

本文的研究正好符合logit分布的特點(diǎn)，因此建立logit預(yù)測(cè)模型。若i上市公司處于ST狀態(tài)，令yi=1，反之則令yi=0。則上市公司被特殊處理的概率為P1，得到logit預(yù)測(cè)模型的函數(shù)形式 pi=E（yi|xi）=F（Xi，βi），其中 k 維行向量 βi=（β1i，β2i…βki）表示各個(gè)變量的決定系數(shù)；β0表示模型的截距；k維列向量 X1i=（X1i，X2i…Xki）T表示被選入的各個(gè)財(cái)務(wù)指標(biāo)。

運(yùn)用SPSS 20.0的Binary Logistic回歸對(duì)37家農(nóng)業(yè)上市公司2011年的數(shù)據(jù)對(duì)模型進(jìn)行擬合，計(jì)算結(jié)果如表1所示。

表1 回歸結(jié)果

（三）預(yù)警模型的檢驗(yàn)及預(yù)測(cè)

將2011年的數(shù)據(jù)代回預(yù)警模型，由于本文是選取全體農(nóng)業(yè)上市公司為樣本，而不是一般學(xué)者采用的1∶1的比例，經(jīng)過本文的多次嘗試，在同時(shí)保證第一類錯(cuò)誤和第二類錯(cuò)誤發(fā)生概率基本相同且具有較高的預(yù)測(cè)精度的前提下，選擇以0.3為最佳判定點(diǎn)而不是大多數(shù)論文所采用的0.5的分界點(diǎn)。

對(duì)得到的P值進(jìn)行判定，若P＞0.3就判定公司發(fā)生財(cái)務(wù)困境，反之則認(rèn)為公司財(cái)務(wù)狀況正常。其檢驗(yàn)結(jié)果如表2所示。

表2 檢驗(yàn)預(yù)測(cè)結(jié)果

由表2可以看出，預(yù)警模型的綜合預(yù)測(cè)準(zhǔn)確率達(dá)到了97.3%，說明本文建立的模型有一定的可靠性和準(zhǔn)確性。

同樣以0.3為最佳判定點(diǎn)，將2012年的財(cái)務(wù)數(shù)據(jù)代回建立的預(yù)警模型，剔除P值小于0.3的企業(yè)，得到7家目前可能發(fā)生財(cái)務(wù)困境的農(nóng)業(yè)上市公司及其概率，logit模型預(yù)測(cè)結(jié)果：公司名稱及財(cái)務(wù)困境概率p分別為：中福實(shí)業(yè)0.54、永安林業(yè) 0.33、綠大地 0.64、中魯 B0.59、*ST 景谷 0.98、新農(nóng)開發(fā) 0.87、香梨股份 0.67。

四、結(jié)論與建議

在上面預(yù)測(cè)結(jié)果中值得注意的是，永安林業(yè)（P=0.33）以前未被特殊處理過，據(jù)永安林業(yè)稱，受林業(yè)政策的影響，公司2013年砍伐面積指標(biāo)同比上年下降31.89%；另因木材行情不斷走低，木材價(jià)格持續(xù)下滑，公司全年完成木材銷售9.27萬立方米，同比上年下降10.09%。公司同時(shí)還披露業(yè)績(jī)預(yù)告，預(yù)計(jì)2014年一季度虧損550萬元至1100萬元，上年同期公司虧損162.84萬元。公司稱今年第一季度虧損的主要原因?yàn)槟静南薹フ呷栽趫?zhí)行中，木材產(chǎn)量持續(xù)減少，木質(zhì)原料收購(gòu)成本居高不下，雖然永安林業(yè)不是ST公司，但其面臨財(cái)務(wù)困境的可能性較大，這值得我們注意。

由于農(nóng)業(yè)投資周期長(zhǎng)、風(fēng)險(xiǎn)大、收益低的特點(diǎn)，且容易受到氣候變化、經(jīng)濟(jì)形勢(shì)以及國(guó)家政策等多重因素的影響，農(nóng)業(yè)上市公司面臨的財(cái)務(wù)風(fēng)險(xiǎn)較高。公司應(yīng)根據(jù)自身特點(diǎn)，建立適用于本企業(yè)的財(cái)務(wù)預(yù)警模型，結(jié)合非定量的方法進(jìn)行分析，提早采取措施避免財(cái)務(wù)危機(jī)的惡化。同時(shí)建立健全風(fēng)險(xiǎn)防控機(jī)制，提高企業(yè)應(yīng)對(duì)財(cái)務(wù)困境的能力，規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)。這有助于農(nóng)業(yè)上市公司的可持續(xù)經(jīng)營(yíng)，有利于農(nóng)業(yè)龍頭企業(yè)發(fā)揮模范帶頭作用，從而促進(jìn)農(nóng)業(yè)和整個(gè)國(guó)民經(jīng)濟(jì)的健康發(fā)展。