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)擴張和經(jīng)營不善，面臨著巨大的財務風險。本文在參考國內(nèi)外相關研究的基礎上，運用Z計分模型進行試探，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)，結果發(fā)現(xiàn)無論是ST企業(yè)還是非ST企業(yè)，準確率都不是很高。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)金流量指標和企業(yè)償債指標對Z計分模型進行調(diào)整和完善，提高了判別的準確性。

【關鍵詞】 農(nóng)業(yè)上市公司 財務風險 Z計分模型

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，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)供給側改革，首次將“農(nóng)業(yè)供給側改革寫進文件名”，凸顯政策變化。這對于農(nóng)業(yè)上市公司無疑是一個可以大施拳腳的機會。但是，在外部資本市場大波動的背景下，以及農(nóng)業(yè)上市公司自身盲目的非農(nóng)擴張和經(jīng)營不善，我國農(nóng)業(yè)上市公司的表現(xiàn)不盡如人意。因此密切關注公司的財務報告，防范財務危機，構建恰當?shù)娘L險識別模型對農(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)外文獻綜述

（一）國外文獻綜述

奧斯本和蓋布勒非常形象的描述了危機管理的重要意義：使用少量的錢預防，而不是花大量的錢治療”。Fitzpatrick（1932）最早利用單變量模型進行財務破產(chǎn)預警。Edward.Altman則將其發(fā)展為更為科學的多變量預測模型，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90年代初期，人工神經(jīng)網(wǎng)絡模型被相關學者引入了財務危機預警，使用BP神經(jīng)網(wǎng)絡進行預測，得到了良好的預測效果。

（二）國內(nèi)文獻綜述

周首華、楊濟華、王平（1996）對Z模型進行的修正，建立了F分數(shù)模型。楊淑娥、徐偉剛（2003）在借鑒Altman的Z計分模型的基礎上建立了一種更為實用的財務危機預測模型-Y分數(shù)模型。近年來，我國學者比較普遍的研究方法是借助Logistic分析工具構建BP神經(jīng)網(wǎng)絡模型和運用多元邏輯回歸分析來對上市公司進行財務預估，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務預警模型，并對模型的創(chuàng)新和不足都給予了進一步的探討。楊淑娥、王樂平（2007）通過構建BP神經(jīng)模型進而建立中長期預警模型，使模型具有更廣泛的應用價值。

通過以上對文獻的整理，我們可以很明顯的發(fā)現(xiàn)一個特點：無論是國內(nèi)的學者還是國外的學者，大部分都是對整個上市公司展開研究，而很少針對某一個具體行業(yè)進行研究，更少有對農(nóng)業(yè)上市公司進行財務分析，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計分模型。

三、實證研究

（一）Z計分模型簡介

1.Z計分模型

Edward.I.Altman在1968年設計出了著名的破產(chǎn)預測模型—Z計分模型。Z計分模型通過對銀行以往貸款案例的統(tǒng)計分析，選擇最能反映借款人的財務狀況以及對貸款質(zhì)量影響最大、最具預測和分析價值的比率，從而形成對貸款人比較準確的信用風險和咨信評價。Altman教授在研究后確定了5個指標作為此模型的自變量。Altman的Z計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=營運資金（期末流動資產(chǎn)-期末流動負債）/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=權益市價（期末股東的市場價值）/負債面值，X5=本期銷售收入/總資產(chǎn)。Altman教授在結合美國股票市場的實際情況，確定了Z值的實際節(jié)點。

一般來說，當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)上市公司的時間區(qū)間均選在2012-2014年，ST（*ST）農(nóng)業(yè)上市公司時間區(qū)間選擇在虧損的前三年（比如*ST（獐島）退市時間是2016年，那么選取的時間就是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）實證研究

1.ST農(nóng)業(yè)上市公司

注：其中默認t年為被退市風險警示年即被ST當年，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的時間不一樣，所以沒辦法用折線圖表達出來。很容易發(fā)現(xiàn)一點，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值很多甚至跌至負值。非ST企業(yè)的Z值也沒有達到預定所猜想的那樣高。這表明Z計分模型用于我國的農(nóng)業(yè)上市公司的財務風險評估的適用性較差。再看具體的準確率。

ST企業(yè)在T-3年的Z值在2.99以上的高達6家，而小于1.81的只有2家，準確率只有20%。但是隨著時間的推進，大于2.99的公司個數(shù)在不斷的減少，這說明公司被ST前其Z值是有一個不斷惡化過程的，且對于Z計分模型的運用，時間推斷的時間不宜過長。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，準確率分別為60%、50%、50%，準確率也很低。在此我們考慮對于非ST上市公司是否可以將判斷無財務風險的標準值降低至1.81。那么準確率可以提高到80%、60%、80%。因為考慮到我國農(nóng)業(yè)上市公司的財務水平普遍比較低，另一方面也符合我們模型得出的結論。

（四）模型的修正與改進

原Z模型主要從一個企業(yè)的營運能力、償債能力、盈利能力、財務結構和經(jīng)營效率五個角度進行分析，忽略了現(xiàn)金流量指標，因此用經(jīng)營活動的現(xiàn)金流來代替銷售收入。再考慮到對于陷入財務危機的大部分企業(yè)來說，常常無法按時償還到期債務。因此在改進模型中還可以引入體現(xiàn)企業(yè)償債能力的指標，此處引入的是資產(chǎn)負債率。設模型的函數(shù)形式為：

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

其中前四項指標和前面一樣，第五項指標X5變?yōu)榻?jīng)營活動現(xiàn)金凈流量/總資產(chǎn)，第六項指標X6等于總負債/總資產(chǎn)。本文用0來表示存在財務困境的ST公司，用1表示財務狀況良好的的非ST公司，采用Fisher判別分析法對變量進行分析，用SPSS推導出判別方程式，在利用Fisher判別式建立起的信用風險識別模型是，得到的結果如下：

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表示公司財務陷入困境，有較大可能無法償還，若Z<0，說明公司財務狀況良好。

（五）實證檢驗

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

四、結論

通過以上分析，我們可以發(fā)現(xiàn)Z計分模型在財務風險預測中還是比較準確和實用的。最終得出的Z值可以直接推算出該上市公司面臨的財務風險大小。但是任何預測性的模型都不可能達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計分模型的一大優(yōu)點，因為其指標具有可調(diào)整性，所以對于Z計分模型的應用應該是十分靈活的。

【參考文獻】

[1] 陳遠志，羅淑貞.我國農(nóng)業(yè)上市公司的財務預警實證研究[J].經(jīng)濟與管理研究.2008（03）.

[2] 袁康來，吳曉林.奧特曼模型在我國農(nóng)業(yè)上市公司財務危機預警中應用的探討[J].消費導刊.2008（03）.

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

[4] 邱云來.Z計分模型的改進及實證檢驗[J].統(tǒng)計與決策.2009（12）.

[5] 周首華，楊濟華，王平.論財務危機的預警分析—F分數(shù)模式[J].會計研究，1996（08）.

[6] 楊淑娥，王樂平.基于BP神經(jīng)網(wǎng)絡和面板數(shù)據(jù)的上市公司財務危機預警[J].系統(tǒng)工程理論與實踐，2007（02）.endprint