姚雯

【摘 要】 近年來，農(nóng)業(yè)上市公司由于自身的盲目非農(nóng)擴(kuò)張和經(jīng)營不善，面臨著巨大的財(cái)務(wù)風(fēng)險(xiǎn)。本文在參考國內(nèi)外相關(guān)研究的基礎(chǔ)上，運(yùn)用Z計(jì)分模型進(jìn)行試探，文章選取10家ST企業(yè)被ST前三年的數(shù)據(jù)和10家非ST企業(yè)2012～2014三年的數(shù)據(jù)，結(jié)果發(fā)現(xiàn)無論是ST企業(yè)還是非ST企業(yè)，準(zhǔn)確率都不是很高。于是，在綜合我國農(nóng)業(yè)上市公司的具體情況，考慮對判別臨界值的調(diào)整并嘗試引入現(xiàn)金流量指標(biāo)和企業(yè)償債指標(biāo)對Z計(jì)分模型進(jìn)行調(diào)整和完善，提高了判別的準(zhǔn)確性。

【關(guān)鍵詞】 農(nóng)業(yè)上市公司 財(cái)務(wù)風(fēng)險(xiǎn) Z計(jì)分模型

一、選題背景及研究意義

無論是從歷史上看還是在現(xiàn)代社會(huì)，農(nóng)業(yè)在我國的重要地位都毋庸置疑。2017年中央一號文件聚焦農(nóng)業(yè)供給側(cè)改革，首次將“農(nóng)業(yè)供給側(cè)改革寫進(jìn)文件名”，凸顯政策變化。這對于農(nóng)業(yè)上市公司無疑是一個(gè)可以大施拳腳的機(jī)會(huì)。但是，在外部資本市場大波動(dòng)的背景下，以及農(nóng)業(yè)上市公司自身盲目的非農(nóng)擴(kuò)張和經(jīng)營不善，我國農(nóng)業(yè)上市公司的表現(xiàn)不盡如人意。因此密切關(guān)注公司的財(cái)務(wù)報(bào)告，防范財(cái)務(wù)危機(jī)，構(gòu)建恰當(dāng)?shù)娘L(fēng)險(xiǎn)識別模型對農(nóng)業(yè)上市公司的可持續(xù)健康發(fā)展是十分必要的。

二、國內(nèi)外文獻(xiàn)綜述

（一）國外文獻(xiàn)綜述

奧斯本和蓋布勒非常形象的描述了危機(jī)管理的重要意義：使用少量的錢預(yù)防，而不是花大量的錢治療”。Fitzpatrick（1932）最早利用單變量模型進(jìn)行財(cái)務(wù)破產(chǎn)預(yù)警。Edward.Altman則將其發(fā)展為更為科學(xué)的多變量預(yù)測模型，如線性判定分析：具有代表性的模型有1968年提出的Z計(jì)分模型和1977年提出跨行業(yè)的Zeta模型；線性概率模型（Deakin，1972）；Logit和Probit條件概率模型等。20世紀(jì)90年代初期，人工神經(jīng)網(wǎng)絡(luò)模型被相關(guān)學(xué)者引入了財(cái)務(wù)危機(jī)預(yù)警，使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，得到了良好的預(yù)測效果。

（二）國內(nèi)文獻(xiàn)綜述

周首華、楊濟(jì)華、王平（1996）對Z模型進(jìn)行的修正，建立了F分?jǐn)?shù)模型。楊淑娥、徐偉剛（2003）在借鑒Altman的Z計(jì)分模型的基礎(chǔ)上建立了一種更為實(shí)用的財(cái)務(wù)危機(jī)預(yù)測模型-Y分?jǐn)?shù)模型。近年來，我國學(xué)者比較普遍的研究方法是借助Logistic分析工具構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型和運(yùn)用多元邏輯回歸分析來對上市公司進(jìn)行財(cái)務(wù)預(yù)估，具有較好的穩(wěn)定性和連續(xù)性。比如李品芳、周兆明、陳帥（2006）基于多元回歸法建立財(cái)務(wù)預(yù)警模型，并對模型的創(chuàng)新和不足都給予了進(jìn)一步的探討。楊淑娥、王樂平（2007）通過構(gòu)建BP神經(jīng)模型進(jìn)而建立中長期預(yù)警模型，使模型具有更廣泛的應(yīng)用價(jià)值。

通過以上對文獻(xiàn)的整理，我們可以很明顯的發(fā)現(xiàn)一個(gè)特點(diǎn)：無論是國內(nèi)的學(xué)者還是國外的學(xué)者，大部分都是對整個(gè)上市公司展開研究，而很少針對某一個(gè)具體行業(yè)進(jìn)行研究，更少有對農(nóng)業(yè)上市公司進(jìn)行財(cái)務(wù)分析，因此本文將針對農(nóng)業(yè)上市公司展開研究，主要采用的是Z計(jì)分模型。

三、實(shí)證研究

（一）Z計(jì)分模型簡介

1.Z計(jì)分模型

Edward.I.Altman在1968年設(shè)計(jì)出了著名的破產(chǎn)預(yù)測模型—Z計(jì)分模型。Z計(jì)分模型通過對銀行以往貸款案例的統(tǒng)計(jì)分析，選擇最能反映借款人的財(cái)務(wù)狀況以及對貸款質(zhì)量影響最大、最具預(yù)測和分析價(jià)值的比率，從而形成對貸款人比較準(zhǔn)確的信用風(fēng)險(xiǎn)和咨信評價(jià)。Altman教授在研究后確定了5個(gè)指標(biāo)作為此模型的自變量。Altman的Z計(jì)分模型的判別公式及各變量的含義如下所示：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5（1）

其中，X1=營運(yùn)資金（期末流動(dòng)資產(chǎn)-期末流動(dòng)負(fù)債）/期末總資產(chǎn)，X2=期末留存收益（凈利潤-全部股利）/期末總資產(chǎn)，X3=息稅前利潤/期末總資產(chǎn)，X4=權(quán)益市價(jià)（期末股東的市場價(jià)值）/負(fù)債面值，X5=本期銷售收入/總資產(chǎn)。Altman教授在結(jié)合美國股票市場的實(shí)際情況，確定了Z值的實(shí)際節(jié)點(diǎn)。

一般來說，當(dāng)1.81

（二）樣本的選取

本文選取2000年到2016年的深滬兩市的共20家農(nóng)業(yè)上市公司為研究對象，其中非ST農(nóng)業(yè)上市公司和ST農(nóng)業(yè)上市公司各10家。非ST農(nóng)業(yè)上市公司的時(shí)間區(qū)間均選在2012-2014年，ST（*ST）農(nóng)業(yè)上市公司時(shí)間區(qū)間選擇在虧損的前三年（比如*ST（獐島）退市時(shí)間是2016年，那么選取的時(shí)間就是2013—2015年的數(shù)據(jù)，即表格后面的值就是2013—2015年的數(shù)據(jù)，依此類推）。

（三）實(shí)證研究

1.ST農(nóng)業(yè)上市公司

注：其中默認(rèn)t年為被退市風(fēng)險(xiǎn)警示年即被ST當(dāng)年，那么依次類推，t-1就是被ST的前一年，t-2就是被ST的前兩年，t-3就是被ST的前三年。

2.非ST農(nóng)業(yè)上市公司

先看Z值，由于被ST的時(shí)間不一樣，所以沒辦法用折線圖表達(dá)出來。很容易發(fā)現(xiàn)一點(diǎn)，ST企業(yè)的Z值總體上小于非ST的企業(yè)，并且差異還比較明顯，ST企業(yè)的Z值很多甚至跌至負(fù)值。非ST企業(yè)的Z值也沒有達(dá)到預(yù)定所猜想的那樣高。這表明Z計(jì)分模型用于我國的農(nóng)業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)評估的適用性較差。再看具體的準(zhǔn)確率。

ST企業(yè)在T-3年的Z值在2.99以上的高達(dá)6家，而小于1.81的只有2家，準(zhǔn)確率只有20%。但是隨著時(shí)間的推進(jìn)，大于2.99的公司個(gè)數(shù)在不斷的減少，這說明公司被ST前其Z值是有一個(gè)不斷惡化過程的，且對于Z計(jì)分模型的運(yùn)用，時(shí)間推斷的時(shí)間不宜過長。我們再來看非ST企業(yè)，2012年、2013年、2014年大于2.99的公司數(shù)分別為6、5、5，準(zhǔn)確率分別為60%、50%、50%，準(zhǔn)確率也很低。在此我們考慮對于非ST上市公司是否可以將判斷無財(cái)務(wù)風(fēng)險(xiǎn)的標(biāo)準(zhǔn)值降低至1.81。那么準(zhǔn)確率可以提高到80%、60%、80%。因?yàn)榭紤]到我國農(nóng)業(yè)上市公司的財(cái)務(wù)水平普遍比較低，另一方面也符合我們模型得出的結(jié)論。

（四）模型的修正與改進(jìn)

原Z模型主要從一個(gè)企業(yè)的營運(yùn)能力、償債能力、盈利能力、財(cái)務(wù)結(jié)構(gòu)和經(jīng)營效率五個(gè)角度進(jìn)行分析，忽略了現(xiàn)金流量指標(biāo)，因此用經(jīng)營活動(dòng)的現(xiàn)金流來代替銷售收入。再考慮到對于陷入財(cái)務(wù)危機(jī)的大部分企業(yè)來說，常常無法按時(shí)償還到期債務(wù)。因此在改進(jìn)模型中還可以引入體現(xiàn)企業(yè)償債能力的指標(biāo)，此處引入的是資產(chǎn)負(fù)債率。設(shè)模型的函數(shù)形式為：

Z=C+a1*X1+a2*X2+a3*X3+a4*X4+a5*X5+a6*X6（2）

其中前四項(xiàng)指標(biāo)和前面一樣，第五項(xiàng)指標(biāo)X5變?yōu)榻?jīng)營活動(dòng)現(xiàn)金凈流量/總資產(chǎn)，第六項(xiàng)指標(biāo)X6等于總負(fù)債/總資產(chǎn)。本文用0來表示存在財(cái)務(wù)困境的ST公司，用1表示財(cái)務(wù)狀況良好的的非ST公司，采用Fisher判別分析法對變量進(jìn)行分析，用SPSS推導(dǎo)出判別方程式，在利用Fisher判別式建立起的信用風(fēng)險(xiǎn)識別模型是，得到的結(jié)果如下：

Z=-0.974+0.032X1+0.014X2-0.142X3-

0.001X4+8.339X5+1.637X6（3）

其中：Z為判別值，若Z>0表示公司財(cái)務(wù)陷入困境，有較大可能無法償還，若Z<0，說明公司財(cái)務(wù)狀況良好。

（五）實(shí)證檢驗(yàn)

根據(jù)新模型的判別標(biāo)準(zhǔn)，我們發(fā)現(xiàn)ST上市公司的Z值為負(fù)的總共有8個(gè)，準(zhǔn)確率為73.33%，非ST上市公司等額Z值為負(fù)的28個(gè)，準(zhǔn)確率高達(dá)93.33%。相對于原先的Z計(jì)分模型，準(zhǔn)確率有了較大的提高。

四、結(jié)論

通過以上分析，我們可以發(fā)現(xiàn)Z計(jì)分模型在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測中還是比較準(zhǔn)確和實(shí)用的。最終得出的Z值可以直接推算出該上市公司面臨的財(cái)務(wù)風(fēng)險(xiǎn)大小。但是任何預(yù)測性的模型都不可能達(dá)到百分之百的正確性，也不可能適用于所有的行業(yè)，但這也是Z計(jì)分模型的一大優(yōu)點(diǎn)，因?yàn)槠渲笜?biāo)具有可調(diào)整性，所以對于Z計(jì)分模型的應(yīng)用應(yīng)該是十分靈活的。

【參考文獻(xiàn)】

[1] 陳遠(yuǎn)志，羅淑貞.我國農(nóng)業(yè)上市公司的財(cái)務(wù)預(yù)警實(shí)證研究[J].經(jīng)濟(jì)與管理研究.2008（03）.

[2] 袁康來，吳曉林.奧特曼模型在我國農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警中應(yīng)用的探討[J].消費(fèi)導(dǎo)刊.2008（03）.

[3] 王力申，羅華偉.基于Z值模型分析農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)[J].商場現(xiàn)代化.2008（09）.

[4] 邱云來.Z計(jì)分模型的改進(jìn)及實(shí)證檢驗(yàn)[J].統(tǒng)計(jì)與決策.2009（12）.

[5] 周首華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析—F分?jǐn)?shù)模式[J].會(huì)計(jì)研究，1996（08）.

[6] 楊淑娥，王樂平.基于BP神經(jīng)網(wǎng)絡(luò)和面板數(shù)據(jù)的上市公司財(cái)務(wù)危機(jī)預(yù)警[J].系統(tǒng)工程理論與實(shí)踐，2007（02）.endprint