張國(guó)政，陳維煌

(湖南農(nóng)業(yè)大學(xué)商學(xué)院，湖南長(zhǎng)沙 410128)

?

我國(guó)農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警研究綜述

張國(guó)政，陳維煌*

(湖南農(nóng)業(yè)大學(xué)商學(xué)院，湖南長(zhǎng)沙 410128)

回顧了企業(yè)財(cái)務(wù)危機(jī)預(yù)警的基本研究理論，并對(duì)國(guó)內(nèi)外財(cái)務(wù)預(yù)警的研究現(xiàn)狀進(jìn)行了評(píng)述，將我國(guó)學(xué)者對(duì)于農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警的研究進(jìn)行了梳理，把握目前的研究熱點(diǎn)與發(fā)展方向，為后續(xù)的農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警研究提供線索。

農(nóng)業(yè)上市公司；財(cái)務(wù)危機(jī)；財(cái)務(wù)預(yù)警

在市場(chǎng)經(jīng)濟(jì)的背景下，企業(yè)之間激烈的競(jìng)爭(zhēng)讓財(cái)務(wù)危機(jī)的發(fā)生更為頻繁，不加以控制的危機(jī)甚至?xí)?dǎo)致企業(yè)破產(chǎn)，由此會(huì)引發(fā)一系列經(jīng)濟(jì)和社會(huì)問題，故進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警成為學(xué)者們研究的熱點(diǎn)。在我國(guó)這樣一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)上市公司在不斷發(fā)展壯大的同時(shí)，也面臨了巨大的風(fēng)險(xiǎn)，暴露出很多的問題，因此，對(duì)農(nóng)業(yè)上市公司進(jìn)行財(cái)務(wù)預(yù)警在我國(guó)是一個(gè)很有現(xiàn)實(shí)意義的問題，也是一個(gè)值得研究的課題。

1 財(cái)務(wù)預(yù)警研究理論概述

企業(yè)財(cái)務(wù)預(yù)警，即借助企業(yè)所提供的相關(guān)財(cái)務(wù)報(bào)表、經(jīng)營(yíng)規(guī)劃及其他會(huì)計(jì)資料，利用財(cái)務(wù)、會(huì)計(jì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場(chǎng)營(yíng)銷等多種理論，采用比率分析、比較分析、因素分析等分析方法，對(duì)企業(yè)的經(jīng)營(yíng)與活動(dòng)進(jìn)行分析預(yù)測(cè)，以期發(fā)現(xiàn)企業(yè)潛在的經(jīng)營(yíng)和財(cái)務(wù)風(fēng)險(xiǎn)，提前向企業(yè)經(jīng)營(yíng)者發(fā)出警告，給予企業(yè)管理當(dāng)局采取有效對(duì)策的時(shí)間，有效防止?jié)撛诘娘L(fēng)險(xiǎn)演變成損失，起到未雨綢繆的作用；同時(shí)，作為企業(yè)經(jīng)營(yíng)預(yù)警系統(tǒng)的一部分，企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)也為企業(yè)調(diào)整經(jīng)營(yíng)方向、改進(jìn)經(jīng)營(yíng)決策、進(jìn)行有效資源配置提供了可靠依據(jù)。

企業(yè)財(cái)務(wù)預(yù)警研究主要有以下理論。

1.1 非均衡理論非均衡理論(disequilibriatheories)認(rèn)為，企業(yè)破產(chǎn)主要?dú)w因于外力沖擊，如災(zāi)害理論和混沌理論。Ho和Saunder首次將災(zāi)害理論應(yīng)用于公司破產(chǎn)研究領(lǐng)域，他們?cè)跒?zāi)害理論的指導(dǎo)下對(duì)美國(guó)的銀行管制進(jìn)行了研究，發(fā)現(xiàn)銀行破產(chǎn)并非由于逐步衰落，而是一種歸因于管制機(jī)構(gòu)行為的突然倒閉[1]。

1.2 企業(yè)逆境管理理論該理論由佘廉首次提出，試圖通過研究企業(yè)經(jīng)營(yíng)失利、管理行為波動(dòng)與失誤失效的成因機(jī)理和運(yùn)動(dòng)規(guī)律，尋找規(guī)避和擺脫企業(yè)逆境的管理方法的理論[2]。該理論的研究成果為企業(yè)的管理活動(dòng)中在各種境況中預(yù)防失誤、規(guī)避風(fēng)險(xiǎn)、保持經(jīng)營(yíng)活力提供了科學(xué)的理論指導(dǎo)。

1.3 權(quán)衡理論該理論強(qiáng)調(diào)在實(shí)現(xiàn)債務(wù)利息的抵稅收益與財(cái)務(wù)困境成本平衡的前提下，企業(yè)價(jià)值最大化時(shí)的最佳資本結(jié)構(gòu)。債務(wù)利息的扣除可以在稅前，因此企業(yè)可以利用債務(wù)利息抵稅的作用，擴(kuò)大企業(yè)負(fù)債規(guī)模，增加企業(yè)價(jià)值。增加企業(yè)的負(fù)債固然是好，但不是說債務(wù)越多越好，因?yàn)檫^多的債務(wù)有可能會(huì)導(dǎo)致企業(yè)發(fā)生財(cái)務(wù)困難，使企業(yè)破產(chǎn)的可能性提高，企業(yè)破產(chǎn)會(huì)帶來破產(chǎn)成本。因此，在決定資本結(jié)構(gòu)時(shí)，企業(yè)要綜合考慮負(fù)債的避稅效應(yīng)和破產(chǎn)成本對(duì)企業(yè)價(jià)值的影響，對(duì)兩者之間的關(guān)系進(jìn)行權(quán)衡。表達(dá)式為：

VL=VU+PV(利息抵稅)-PV(財(cái)務(wù)困境成本)

1.4 代理理論代理理論就是研究代理關(guān)系及解決代理沖突的理論，不完全契約、信息不對(duì)稱以及經(jīng)理、股東與債權(quán)人之間的利益沖突將會(huì)對(duì)項(xiàng)目的選擇產(chǎn)生影響，尤其是在企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)時(shí)，過度投資問題或者投資不足問題更容易出現(xiàn)，他們的出現(xiàn)將導(dǎo)致債務(wù)代理成本的產(chǎn)生。其公式表示為：

VL=VU+PV(利息抵稅)-PV(財(cái)務(wù)困境成本)-PV(債務(wù)的代理成本)+PV(債務(wù)的代理收益)

若財(cái)務(wù)困境成本的現(xiàn)值與債務(wù)的代理成本現(xiàn)值之和大于無負(fù)債企業(yè)的價(jià)值與利息抵稅的現(xiàn)值以及債務(wù)的代理收益現(xiàn)值這3項(xiàng)之和，則企業(yè)價(jià)值為負(fù)，企業(yè)很可能會(huì)破產(chǎn)。

2 國(guó)內(nèi)外關(guān)于財(cái)務(wù)預(yù)警的研究現(xiàn)狀

2.1 單變量判定模型Fitzpatrick開啟了利用一元判定預(yù)警模型預(yù)測(cè)企業(yè)財(cái)務(wù)困境的先河，運(yùn)用單個(gè)財(cái)務(wù)比率將19家樣本公司劃分為破產(chǎn)和非破產(chǎn)兩組來進(jìn)行研究[3]。在Fitzpatrick研究結(jié)果的基礎(chǔ)上，美國(guó)學(xué)者William Beaver提出了更為完善的單一變量模型，并發(fā)現(xiàn)越靠近企業(yè)的破產(chǎn)日期該模型的準(zhǔn)確度越高[4]。吳世農(nóng)等在國(guó)內(nèi)上市公司中選取了140家作為樣本，包括70家財(cái)務(wù)困境和70家財(cái)務(wù)正常的公司，采用了21個(gè)財(cái)務(wù)指標(biāo)，進(jìn)行了單變量分析[5]。吳芃等以紡織行業(yè)為例，建立了該行業(yè)上市公司陷入ST前、后2個(gè)階段的模型，進(jìn)行單變量分析，結(jié)果表明這些模型在2個(gè)階段都取得了較好的效果[6]。何玉梅等在我國(guó)滬深股市上市公司中選擇了樣本公司計(jì)算財(cái)務(wù)困境臨界值，通過實(shí)證分析比較了一元判別法和Z-score模型，Z-score模型準(zhǔn)確度達(dá)到了85%以上，高于單指標(biāo)模型64.324%的準(zhǔn)確率，更為有效[7]。

單變量判別方法簡(jiǎn)便易行，但是由于變量數(shù)目的限制使得該模型具有一定的局限性，無法充分的反映企業(yè)的財(cái)務(wù)特征，此外，單變量判別模型的結(jié)論也容易受到通貨膨脹的影響。正是由于這些局限性，后來的學(xué)者均傾向于采用多變量判別模型來進(jìn)行企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。

2.2 多變量判定模型多變量判定模型在單變量判定模型的基礎(chǔ)上更進(jìn)一步，采用多個(gè)財(cái)務(wù)指標(biāo)并分別賦予其權(quán)重，最后進(jìn)行加權(quán)，確立一種函數(shù)關(guān)系。

美國(guó)的 Altman教授提出的Z-score模型是一種十分有代表性的多元判定模型，為后續(xù)研究的發(fā)展奠定了良好的基礎(chǔ)。Altman教授從22個(gè)作為初始變量的財(cái)務(wù)指標(biāo)中最終篩選出5個(gè)財(cái)務(wù)指標(biāo)建立起一個(gè)Z計(jì)分模型來區(qū)分企業(yè)的財(cái)務(wù)情況是健康還是失敗。上市公司的Z-score模型如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中Z為判別函數(shù)值，X1～X5為Altman教授定義的5變量，依次為營(yíng)運(yùn)資金/資產(chǎn)總額，留存收益/資產(chǎn)總額，息稅前利潤(rùn)/資產(chǎn)總額，權(quán)益的市場(chǎng)價(jià)值/負(fù)債賬面價(jià)值總額，銷售收入/資產(chǎn)總額。通常企業(yè)的Z值越低則破產(chǎn)的可能性就越大[8]。

在非線性情況下，具有典型意義的有以下2個(gè)模型：Logistic 模型和 Probit 模型。Logistic 判別函數(shù)為：

ln[p/(1-p)]=a+bx,p=[exp(a+bx)]

將企業(yè)破產(chǎn)的概率假定為p，樣本服從正態(tài)分布，選取與p對(duì)應(yīng)的分位數(shù)的財(cái)務(wù)指標(biāo)，根據(jù)概率比回歸模型計(jì)算的結(jié)果對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行判定。美國(guó)學(xué)者Ohlson首次采用Logistic回歸模型進(jìn)行財(cái)務(wù)預(yù)警，估計(jì)了3個(gè)模型，采用了9個(gè)變量，發(fā)現(xiàn)至少有公司規(guī)模、企業(yè)的資本結(jié)構(gòu)、企業(yè)業(yè)績(jī)和企業(yè)當(dāng)前的資產(chǎn)變現(xiàn)能力這4類變量能對(duì)企業(yè)破產(chǎn)概率產(chǎn)生顯著影響[9]。

Probit 模型的原理類似于Logistic 模型，但在該模型中要先假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布。較之于累計(jì)標(biāo)準(zhǔn)正態(tài)分布復(fù)雜的計(jì)算，相對(duì)直接簡(jiǎn)單的Logistic 模型在實(shí)證分析中更為廣泛的被采用。

在我國(guó)，楊淑娥等基于Z-score模型，采用主成分分析法，建立了Y分?jǐn)?shù)模型，通過研究認(rèn)為該模型在預(yù)測(cè)上市公司的財(cái)務(wù)危機(jī)是否發(fā)生時(shí)具有較高的可信度[10]。張鳴等采用Logit回歸法構(gòu)建財(cái)務(wù)指標(biāo)預(yù)警模型，對(duì)企業(yè)進(jìn)行中長(zhǎng)期的財(cái)務(wù)預(yù)警[11]?？禃粤岬纫砸患径葓?bào)表和半年報(bào)表為界限對(duì)短期與長(zhǎng)期進(jìn)行界定，研究時(shí)運(yùn)用Logistic結(jié)合逐步回歸的分析方法，認(rèn)為短期模型更具時(shí)效性，考慮重要的非財(cái)務(wù)指標(biāo)對(duì)于構(gòu)建長(zhǎng)期模型具有重要意義[12]。劉桂英等從企業(yè)增長(zhǎng)模式的角度構(gòu)建了包含增長(zhǎng)偏離度絕對(duì)和的財(cái)務(wù)預(yù)警模型[13]。

2.3 動(dòng)態(tài)預(yù)警模型市場(chǎng)經(jīng)濟(jì)形勢(shì)的周期性與波動(dòng)性的變化導(dǎo)致了企業(yè)財(cái)務(wù)狀況相應(yīng)的波動(dòng)，財(cái)務(wù)危機(jī)也呈現(xiàn)出一個(gè)逐漸演變的狀態(tài)，構(gòu)建動(dòng)態(tài)預(yù)警跟蹤模型更能適應(yīng)實(shí)際情況。人工神經(jīng)網(wǎng)絡(luò)是一種主要的的動(dòng)態(tài)預(yù)警方法。神經(jīng)網(wǎng)絡(luò)分析方法是一種具有高度并行計(jì)算能力和隨復(fù)雜環(huán)境不斷變化的自學(xué)能力，該方法是模擬人類大腦神經(jīng)運(yùn)行的模式。

Odom和Sharda首次將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于財(cái)務(wù)預(yù)警研究，以 Altman 教授所確定的5個(gè)財(cái)務(wù)比率作為研究變量，構(gòu)建了倒傳遞網(wǎng)絡(luò)模型，并且將其與判別分析做驗(yàn)證比較，結(jié)果表明類神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)預(yù)警方面有更好的效果[14]。Green和Choi將人工神經(jīng)網(wǎng)絡(luò)用于財(cái)務(wù)信息失真方面的研究，以財(cái)務(wù)指標(biāo)為輸入變量，構(gòu)造了會(huì)計(jì)舞弊判別模型，研究結(jié)果表明這一模型將極大地提高獨(dú)立審計(jì)師發(fā)現(xiàn)舞弊行為的能力[15]。

動(dòng)態(tài)預(yù)警模型在財(cái)務(wù)預(yù)警方面呈現(xiàn)出極大地優(yōu)勢(shì)，國(guó)內(nèi)學(xué)者紛紛展開研究。周敏等基于模糊優(yōu)選和神經(jīng)網(wǎng)絡(luò)，綜合了危機(jī)判定、動(dòng)態(tài)預(yù)警功能，提出了一個(gè)財(cái)務(wù)危機(jī)判定與預(yù)警模型，效果比判別分析、F分?jǐn)?shù)模式等功能單一的預(yù)警方法更有優(yōu)勢(shì)，對(duì)企業(yè)財(cái)務(wù)危機(jī)的動(dòng)態(tài)監(jiān)測(cè)預(yù)警具有更高的可行性，并且在判定企業(yè)狀態(tài)方面降低了對(duì)操作人員的專業(yè)能力要求，更為合理[16]。李曉峰等將Rough集(粗糙集)和ANN(人工神經(jīng)網(wǎng)絡(luò))理論相結(jié)合，構(gòu)造了Rough-ANN模型，并且對(duì)其可行性與有效性進(jìn)行了驗(yàn)證[17]。秦小麗等基于灰色理論與神經(jīng)網(wǎng)絡(luò)構(gòu)建了動(dòng)態(tài)靜態(tài)相結(jié)合的財(cái)務(wù)預(yù)警模型，灰色模型的預(yù)測(cè)結(jié)果將作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量，判定結(jié)果完全準(zhǔn)確，非常有效[18]。

3 關(guān)于農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警的研究

陳遠(yuǎn)志等進(jìn)行實(shí)證研究的數(shù)據(jù)來源于我國(guó)滬深兩市的農(nóng)業(yè)板塊上市公司，對(duì)于單變量分析、Z-score模型、Zeta模型、F模型以及F’分?jǐn)?shù)模型(即F模型中加入行業(yè)修正值)的財(cái)務(wù)預(yù)警效果進(jìn)行比較，結(jié)果表明后3個(gè)模型的預(yù)測(cè)準(zhǔn)確率明顯高于其他，認(rèn)為應(yīng)該關(guān)注財(cái)務(wù)預(yù)測(cè)的時(shí)效性，可以通過引入行業(yè)相關(guān)的修正因素來顯著提高預(yù)測(cè)準(zhǔn)確性，提高對(duì)于財(cái)務(wù)預(yù)警的行業(yè)差異性研究[19]。王新利等根據(jù)農(nóng)業(yè)上市公司提供的會(huì)計(jì)信息，結(jié)合了偏最小二乘法與BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行財(cái)務(wù)財(cái)務(wù)預(yù)警評(píng)價(jià)，預(yù)測(cè)結(jié)果的綜合正確率達(dá)到 90.2%，為農(nóng)業(yè)上市公司相關(guān)人員提供參考[20]。楊亦民等選取了我國(guó)35家農(nóng)業(yè)上市公司作為樣本，對(duì)其相應(yīng)的財(cái)務(wù)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，比較了Z-score模型、F分?jǐn)?shù)模型和 F1改進(jìn)模型對(duì)我國(guó)農(nóng)業(yè)板塊上市公司的財(cái)務(wù)預(yù)警效果，發(fā)現(xiàn)F1模型相對(duì)來說是最優(yōu)的，并分析了3個(gè)模型產(chǎn)生偏差的原因，并認(rèn)為我國(guó)農(nóng)業(yè)上市公司從實(shí)用價(jià)值考慮，必須根據(jù)行業(yè)實(shí)際情況修正模型的判別標(biāo)準(zhǔn)[21]。

總體來看，我國(guó)在農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警領(lǐng)域的研究工作還非常有限，農(nóng)業(yè)相對(duì)于其他行業(yè)來說，由于受到自然環(huán)境的約束，在財(cái)務(wù)風(fēng)險(xiǎn)與財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方面具有其獨(dú)特性，因此，農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警領(lǐng)域的研究還具有很大的空間。

4 綜合評(píng)述

綜合現(xiàn)有的關(guān)于財(cái)務(wù)預(yù)警的研究，多變量判定模型較之于單變量判定模型更有效、更準(zhǔn)確已經(jīng)成為共識(shí)，動(dòng)態(tài)模型更具有時(shí)效性，特別是神經(jīng)網(wǎng)絡(luò)技術(shù)的引入使得海量財(cái)務(wù)數(shù)據(jù)的快速處理成為可能，并且神經(jīng)網(wǎng)絡(luò)模型的非線性特征對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)劇烈的情況預(yù)測(cè)精確度較高，因此該理論的引入對(duì)于財(cái)務(wù)預(yù)警領(lǐng)域具有重要的理論與實(shí)際意義。

在以往的研究中，財(cái)務(wù)預(yù)警的研究往往都是對(duì)于整個(gè)上市公司而言的，關(guān)注的僅僅是統(tǒng)一模式的預(yù)警模型，而對(duì)某一個(gè)具體行業(yè)預(yù)警模式的深入挖掘研究較為欠缺；不同學(xué)者研究所選取的指標(biāo)與應(yīng)用的模型各異，這樣的差異性的存在往往會(huì)對(duì)財(cái)務(wù)預(yù)警模型的實(shí)際應(yīng)用產(chǎn)生影響，缺乏一套公認(rèn)的、規(guī)范的財(cái)務(wù)預(yù)警體系。對(duì)農(nóng)業(yè)上市公司來說，財(cái)務(wù)預(yù)警的研究程度還很有限，切合行業(yè)實(shí)際的動(dòng)態(tài)預(yù)警模型的建立還需完善，具有很大的發(fā)展空間。

[1] HO T，SAUNDERS A.A catastrophe model of bank failure[J].Journal of Finance，1980，35(15)：1189-1207.

[2] 佘廉.企業(yè)逆境管理[M].沈陽：遼寧人民出版社，1993.

[3] FRIZPTRICK P.A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms[M].New York:Certified Public Acountant，1932：598-605，656-662，727-731.

[4] BEAVER W.Financial Ratios as Predictors of failure[J].Journal of Accounting Research，1966，4：77-111.

[5] 吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001(6)：46-55.

[6] 吳芃，吳應(yīng)宇，仲偉俊.基于單變量分析的我國(guó)上市公司兩階段財(cái)務(wù)預(yù)警模型實(shí)證研究——以紡織行業(yè)為例[J].東南大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2006，8(2)：18-23.

[7] 何玉梅，張濤.上市公司財(cái)務(wù)危機(jī)預(yù)警模型之有效性選擇——基于單變量模型判別法和Z計(jì)分法的選擇[J].現(xiàn)代財(cái)經(jīng)，2011，31(5)：72-76.

[8] ALTMAN E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，23(4)：589-609.

[9] OHLSON J A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research，1980，18(1)：109-131.

[10] 楊淑娥，徐偉剛.上市公司財(cái)務(wù)預(yù)警模型——Y分?jǐn)?shù)模型的實(shí)證研究[J].中國(guó)軟科學(xué)，2003(1)：56-60.

[11] 張鳴，程濤.上市公司財(cái)務(wù)預(yù)警實(shí)證研究的動(dòng)態(tài)視角[J].財(cái)經(jīng)研究，2005，31(1)：62-71.

[12] 康曉玲，張懿.企業(yè)財(cái)務(wù)預(yù)警模型研究——基于中報(bào)數(shù)據(jù)與可持續(xù)增長(zhǎng)模型的重構(gòu)[J].科研管理，2009，30(1)：45-55.

[13] 劉桂英，董麗.基于增長(zhǎng)偏離度的企業(yè)財(cái)務(wù)預(yù)警模型構(gòu)建[J].統(tǒng)計(jì)與決策，2013(9)：59-63.

[14] HART A.Using neural networks for classification tasks：some experiments on data sets and Practical advice [J].Journal of Operation Research Society，1992，43(3)：215-226.

[15] GREEN B P，CHOI J H.Assessing the Riskof Management Fraud though Neural Network Technology [J].Auditing，1997，16：1-19.

[16] 周敏，王新宇.基于模糊優(yōu)選和神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J].管理科學(xué)學(xué)報(bào)，2002，5(3)：86-90.

[17] 李曉峰，徐玖平.企業(yè)財(cái)務(wù)危機(jī)預(yù)警Rough-ANN模型的建立及其應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2004(10)：8-14.

[18] 秦小麗，田高良.基于灰色理論和神經(jīng)網(wǎng)絡(luò)的公司財(cái)務(wù)預(yù)警模型[J].統(tǒng)計(jì)與決策，2011(16)：176-178.

[19] 陳遠(yuǎn)志，羅淑貞.我國(guó)農(nóng)業(yè)上市公司的時(shí)務(wù)預(yù)譽(yù)實(shí)證研究[J].經(jīng)濟(jì)與管理研究，2008(3)：89-94.

[20] 王新利，陳 敏.基于偏最小二乘 BP 神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究——以農(nóng)業(yè)上市公司為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011(11)：122-128.

[21] 楊亦民，袁潔，陳羅琴.多變量財(cái)務(wù)預(yù)警模型比較研究——來自農(nóng)業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].財(cái)會(huì)通訊，2013(4)：112-113.

2012國(guó)家社科青年基金(12CGL046)；2012年度教育部人文社科青年基金(12YJC790259)。

張國(guó)政(1976- )，男，湖北浠水人，副教授，博士，碩士生導(dǎo)師，從事會(huì)計(jì)與財(cái)務(wù)管理研究。*通訊作者，碩士研究生，研究方向：會(huì)計(jì)與財(cái)務(wù)管理。

2015-02-02

S-9；F 253

A

0517-6611(2015)09-351-02