王 旭 于 洋

哈爾濱師范大學,黑龍江 哈爾濱 150025

0 引言

國以農(nóng)為本,農(nóng)以種為先,種業(yè)是國家戰(zhàn)略性、基礎(chǔ)性核心產(chǎn)業(yè)。近年來,我國高度重視種業(yè)發(fā)展,出臺了多項政策促進種質(zhì)資源庫建立,保護新品種知識產(chǎn)權(quán)并鼓勵種業(yè)商業(yè)化。隨著我國政策的不斷完善,我國種業(yè)企業(yè)迅速發(fā)展壯大。但我國多數(shù)種業(yè)企業(yè)在發(fā)展過程中面臨嚴峻的財務風險。如何有效識別與防范種子企業(yè)的市場風險,使其實現(xiàn)健康發(fā)展,成為加快推進種業(yè)振興急需解決的問題。

1 國內(nèi)外文獻述評

國外部分學者對財務風險預警進行研究。國外學者Altman［1］將多元判定引進財務預警中,建立了Zscore 模型,創(chuàng)新性地選取盈利能力、杠桿、流動性、償債能力和收入活動作為變量,通過線性關(guān)系計算破產(chǎn)指數(shù),判斷破產(chǎn)風險。Blum［2］為了提升財務風險預警的專業(yè)性和準確性,嘗試在模型中添加現(xiàn)金流量指標。Zmijewski［3］在前人研究的基礎(chǔ)上構(gòu)建了多元概率比（Probit）風險預警判定模型。但該模型對數(shù)據(jù)要求比較嚴格,因此并沒有得到廣泛應用。

目前,我國較多學者對種子企業(yè)財務風險進行了研究。楊文［4］從我國種子企業(yè)發(fā)展的角度出發(fā),對我國種子企業(yè)財務戰(zhàn)略管理及財務風險防范過程中存在的主要問題進行分析,綜合指出有效應對我國種子企業(yè)現(xiàn)存財務管理問題的解決方案。劉艷［5］就新形勢下種子企業(yè)面臨的諸多風險進行深入的分析,從風險管理和內(nèi)部控制的角度提出相應的防范和控制措施。劉永?。?］對目前我國農(nóng)產(chǎn)品的種業(yè)企業(yè)內(nèi)控管理與財政風險防范所存在的問題進行了分析,并在此基礎(chǔ)上提出了相應的解決措施,具有一定的可行性與合理性。丁志嵐［7］依據(jù)內(nèi)部控制理論,結(jié)合實際工作,分析了中小種業(yè)企業(yè)面臨的財務風險,提出了防范財務風險的對策,并對種業(yè)企業(yè)的內(nèi)控指標體系提出了構(gòu)想。然而,關(guān)于種業(yè)企業(yè)財務預警的實證研究并不是很多?；诖?筆者在現(xiàn)有研究的基礎(chǔ)上,選取20 家種業(yè)上市公司和16 家新三板掛牌企業(yè)為研究對象,從營運能力、盈利能力和發(fā)展能力3個維度選取12個財務指標,構(gòu)建種業(yè)企業(yè)財務預警模型。

2 研究設(shè)計

2.1 指標選取

在前人研究的基礎(chǔ)上,筆者從營運能力、盈利能力和發(fā)展能力3 個維度選取12 個指標,構(gòu)建種業(yè)企業(yè)財務風險預警模型。其中,營運能力的代表性指標包括存貨周轉(zhuǎn)率（x10）、總資產(chǎn)周轉(zhuǎn)率（x6）和應收賬款周轉(zhuǎn)率（x7）；盈利能力的代表指標包括總資產(chǎn)報酬率（x1）、成本費用利潤率（x2）、營業(yè)利潤率（x3）、凈資產(chǎn)收益率（x4）、毛利率（x5）及每股收益（x12）；發(fā)展能力的代表指標包括營業(yè)總收入增長率（x8）、總資產(chǎn)增長率（x9）及凈利潤增長率（x11）。

2.2 研究對象與數(shù)據(jù)來源

選取36家種業(yè)企業(yè)作為研究對象,其中20家來自A 股上市企業(yè),16 家為新三板掛牌企業(yè)。相關(guān)指標數(shù)據(jù)均來源于各企業(yè)2022年年報。

2.3 研究方法

2.3.1 因子分析法

在因子分析中,因子可以分為公共因子和特殊因子。因子分析法就是從研究變量內(nèi)部相關(guān)的依賴關(guān)系出發(fā),把一些具有錯綜復雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。其基本公式為

2.3.2 Logistic回歸分析

Logistic 回歸分析是解決0～1 回歸的問題中相對有效的方法,且不要求樣本必須符合正態(tài)分布,對企業(yè)財務風險的預判更加適用。其基本回歸模型為

Logistic 函數(shù)本質(zhì)為線性回歸模型與Sigmoid 函數(shù)（以下簡稱Sig函數(shù)）的結(jié)合。Sig函數(shù)為

Sig函數(shù)的導數(shù)為

將其帶入如式（5）所示的線性回歸函數(shù)得到Logistic函數(shù)如式（6）所示。

綜上所述,二分類Logistic回歸模型為

采用最大似然法所得的似然比統(tǒng)計量的概率值對變量進行剔除,公式計算為

3 種業(yè)企業(yè)財務風險預警指標權(quán)重的計算

3.1 基于因子分析法下財務風險預警指標權(quán)重的計算

3.1.1 適應性檢驗

因子分析首先要進行適應性檢驗。筆者利用KMO（Kaiser-Meyer-Olkin）檢驗和Bartlett 球形度檢驗進行適應性檢驗,結(jié)果如表1 所示。由表1 可知,KMO值=0.617>0.005,Bartlett球形度檢驗的卡方值為228.053,顯著性水平近似值為0.000,說明12個變量之間的相關(guān)程度比較強,所選取的樣本可以進行因子分析。

表1 KMO檢驗和Bartlett球形度檢驗

3.1.2 公因子的提取

提取公因子,分析得出種業(yè)企業(yè)具有代表性的12個財務風險指標的因子提取情況。其提取值大小反映提取后各指標信息的保存完成度,一般提取值大于0.8則視為指標信息保存度較高,滿足后續(xù)分析要求。提取公因子的結(jié)果如表2 所示。主因子特征值及方差貢獻率如表3所示。

表2 公因子方差

表3 主因子特征值及方差貢獻率

由表2 可知,1/2 指標的提取值在80%以上,說明提取效果良好。由表3可知,前5項的因子特征值均大于1,累計方差貢獻率為80.098%,大于80%,說明這5個因子可以很好地解釋大部分原始指標變量,因此提取5個公因子。

3.1.3 歸納建立因子載荷陣

由于提取載荷平方和得出的結(jié)果只適用于主成分分析法,所以需要對上述載荷平方和進行旋轉(zhuǎn),以便進行因子分析,旋轉(zhuǎn)后的成分矩陣如表4 所示。由表4 可知,總資產(chǎn)報酬率、成本費用利潤率、營業(yè)利潤率、凈資產(chǎn)收益率、毛利率及每股收益在F1中載荷較大,其對評價種業(yè)企業(yè)財務風險預警的貢獻率為39.723%；營業(yè)收入增長率與總資產(chǎn)增長率在F2中載荷較大,其對評價種業(yè)企業(yè)財務風險預警貢獻率為12.378%；應收賬款周轉(zhuǎn)率在F3中載荷較大,其對種業(yè)企業(yè)財務風險預警的貢獻率為10.172%；總資產(chǎn)周轉(zhuǎn)率與凈利潤增長率在F4載荷較大,其對種業(yè)企業(yè)財務風險預警的貢獻率為9.115%；存貨周轉(zhuǎn)率在F5中載荷較大,其對種業(yè)企業(yè)財務風險預警的貢獻率為8.71%。

成分得分系數(shù)矩陣如表5 所示。根據(jù)表5 得到公共因子F與原始變量x之間的關(guān)系,其函數(shù)關(guān)系為

表5 成分得分系數(shù)矩陣

根據(jù)各因子在旋轉(zhuǎn)后的方差貢獻率與總方差貢獻率的比值來確定各公共因子的權(quán)重并計算綜合得分。其綜合得分的計算公式為

3.2 基于Logistic 回歸分析法下財務風險預警指標權(quán)重的計算

3.2.1 財務風險預警模型的建立

在上述因子分析的結(jié)果上,筆者使用Logistic 回歸的方法得到種子企業(yè)的財務風險預警回歸方程。模型中,設(shè)自變量x為5 個主因子,因變量y為財務風險企業(yè)劃分。將F值小于0 的企業(yè)劃分為財務困境企業(yè),將F值大于0 的企業(yè)劃分為非財務困境企業(yè)。Logistic 回歸對變量有6 種剔除方法,筆者采用最大偏似然估計所得的似然比統(tǒng)計量的概率值對變量進行剔除。通過3 次迭代,得到最終的統(tǒng)計變量F5（見表6）。

表6 方程中變量

數(shù)據(jù)經(jīng)過處理后得到回歸方程為

式（17）中:F4代表企業(yè)的總資產(chǎn)周轉(zhuǎn)率和凈利潤增長率。由此得到種業(yè)企業(yè)的財務預警模型為

通過上述Logistic 回歸模型的結(jié)果,對不同企業(yè)進行財務風險預警的判定。在這個模型中,P的取值范圍介于0～1,判別臨界點為0.5。當P值大于0.5 時,表明企業(yè)財務狀況不佳,易出現(xiàn)財務風險；當P值小于0.5 時,表明企業(yè)處于正常運營階段；當P值為0.5 時,表明企業(yè)可能出現(xiàn)財務風險,需及時防范。

3.2.2 財務風險預測模型檢驗

預測效果如表7 所示,對于非財務困境企業(yè)預判準確度為100%,即有28 家非財務困境企業(yè)；對于財務困境企業(yè)而言,預測有8 家財務困境企業(yè),預測正確的有7 家,預測準確度達87.5%。由此得出,該模型總體預判準確度為97.2%,有較好的參考價值。

表7 預測效果檢驗

4 結(jié)論

筆者選取20家種業(yè)上市公司和16家新三板掛牌企業(yè)為研究對象,從營運能力、盈利能力和發(fā)展能力3個維度選取12個財務指標,構(gòu)建種業(yè)企業(yè)財務預警模型。結(jié)果表明,該模型的預測準確度為97.2%,預測價值較高。