李春梅

摘 要：本文以43家上市農(nóng)業(yè)企業(yè)為樣本，選取 2016年的財(cái)務(wù)指標(biāo)數(shù)據(jù)，并采用F分?jǐn)?shù)模型對(duì)這些企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，結(jié)果顯示，我國(guó)農(nóng)業(yè)上市企業(yè)的整體F值偏大，主要受變量X4的影響，68%左右的農(nóng)業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)水平較高，財(cái)務(wù)風(fēng)險(xiǎn)狀況不穩(wěn)定，并針對(duì)如何防范財(cái)務(wù)風(fēng)險(xiǎn)提出了相應(yīng)建議。

關(guān)鍵詞：上市公司；財(cái)務(wù)風(fēng)險(xiǎn)；F分?jǐn)?shù)模型

國(guó)內(nèi)外對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估研究狀況

關(guān)于國(guó)內(nèi)外研究財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估方法的文獻(xiàn)，總結(jié)起來(lái)主要有以下幾種方法：

單變量模型

Fitzpatrick是最早使用單一財(cái)務(wù)比率模型對(duì)公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行研究的學(xué)者，William Beaver（1966）選取了五個(gè)財(cái)務(wù)指標(biāo)對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行分析，并運(yùn)用單變量分析法構(gòu)建了最早的財(cái)務(wù)危機(jī)預(yù)警模型。我國(guó)學(xué)者陳靜（1999）采用單變量分析法對(duì)1998年27家ST企業(yè)及另外27家非ST企業(yè)進(jìn)行了分析。

多變量模型

著名學(xué)者Altman（1968）構(gòu)建了一個(gè)多變量模型——Z分?jǐn)?shù)模型，這個(gè)模型選取了5個(gè)變量，并為每個(gè)變量賦予權(quán)重，Altman 通過(guò)研究，發(fā)現(xiàn)當(dāng) Z ≤ 1.81 時(shí)，破產(chǎn)風(fēng)險(xiǎn)很高； 當(dāng) Z ≥2.675，企業(yè)的經(jīng)營(yíng)狀況良好，財(cái)務(wù)風(fēng)險(xiǎn)很小。由于Z 分?jǐn)?shù)模型不完善，因此 1977 年Altman 及一些學(xué)者通過(guò)研究提出了Zeta 模型。我國(guó)學(xué)者周首華、楊濟(jì)華（ 1996） 基于Z模型的基礎(chǔ)上，加入了現(xiàn)金流量設(shè)計(jì)出了F計(jì)分模型。

神經(jīng)網(wǎng)絡(luò)模型

隨著計(jì)算機(jī)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)模型被運(yùn)用到財(cái)務(wù)危機(jī)預(yù)警當(dāng)中。Odom.和 R. Sharda（1990）首次將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于公司財(cái)務(wù)危機(jī)的預(yù)測(cè)中。我國(guó)學(xué)者王春峰、萬(wàn)海暉、張維等（1999）對(duì)商業(yè)銀行的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行研究時(shí)采用了 BP 神經(jīng)網(wǎng)絡(luò)模型。

在以上的方法當(dāng)中，最為經(jīng)典和應(yīng)用最廣泛的模型是多變量模型當(dāng)中的Z分?jǐn)?shù)模型，但由于Z分?jǐn)?shù)模型忽略了現(xiàn)金流量對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的影響，且該模型是基于國(guó)外的樣本構(gòu)建的模型，對(duì)我國(guó)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的計(jì)算準(zhǔn)確度不高，馬曉利（2009）運(yùn)用Z分?jǐn)?shù)模型和 F 分?jǐn)?shù)模型分別對(duì) 41 家上市農(nóng)業(yè)企業(yè)及以ST 中農(nóng)為例進(jìn)行實(shí)證研究，結(jié)果顯示， F分?jǐn)?shù)模型比Z分?jǐn)?shù)模型對(duì)財(cái)務(wù)危機(jī)的預(yù)測(cè)準(zhǔn)確率更高。

故本文采用了周首華等基于Z模型基礎(chǔ)上增加現(xiàn)金流量指標(biāo)構(gòu)造出來(lái)的F分?jǐn)?shù)模型對(duì)目前我國(guó)43 家A股上市的農(nóng)業(yè)企業(yè)作為樣本進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究。期望能夠通過(guò)對(duì)我國(guó)上市農(nóng)業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，能對(duì)我國(guó)農(nóng)業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)管理起到提示的作用，進(jìn)而促進(jìn)我國(guó)農(nóng)業(yè)企業(yè)的發(fā)展。

我國(guó)農(nóng)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)狀況

在我國(guó)43 家上市農(nóng)業(yè)企業(yè)中，種植業(yè)和畜牧業(yè)占據(jù)了農(nóng)業(yè)板塊的主要版塊，這些企業(yè)來(lái)自全國(guó) 15個(gè)省和自治區(qū)， 山東省以6家的優(yōu)勢(shì)獨(dú)占鰲頭，新疆維吾爾族自治區(qū)、湖南和福建分別以5、4、4 家位列第二和第三，農(nóng)業(yè)企業(yè)分布上呈現(xiàn)“整體零散，區(qū)域集中”的特點(diǎn)。農(nóng)業(yè)上市公司的生產(chǎn)經(jīng)營(yíng)通常受區(qū)域性、自然條件、土地資源稀缺性、生產(chǎn)周期性等多方面因素的影響，農(nóng)業(yè)的產(chǎn)出過(guò)程比較漫長(zhǎng)，分散程度高，是自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)交融在一起的特殊行業(yè)，加上生物產(chǎn)品從生產(chǎn)到銷(xiāo)售的每一個(gè)環(huán)節(jié)都高度依賴(lài)對(duì)外部環(huán)境，造成了農(nóng)業(yè)企業(yè)的生產(chǎn)經(jīng)營(yíng)較為被動(dòng)，即自然風(fēng)險(xiǎn)很高。過(guò)去曾經(jīng)上市的農(nóng)業(yè)企業(yè) PT 粵金曼、ST 大菲、ST 華圣、 ST 生態(tài)和 ST 金荔5 家農(nóng)業(yè)企業(yè)已退市。

陳雪（2017）運(yùn)用報(bào)表分析方法對(duì)四十家A股上市的農(nóng)業(yè)公司的2013 ～2016 年財(cái)務(wù)數(shù)據(jù)進(jìn)行分析，得出了農(nóng)業(yè)公司總體的變現(xiàn)能力差，負(fù)債結(jié)構(gòu)不平衡，投入產(chǎn)出不成比例，投資回報(bào)率低，資產(chǎn)營(yíng)運(yùn)能力低，獲利能力及資產(chǎn)收益率低的結(jié)論。由此可見(jiàn)，我國(guó)農(nóng)業(yè)上市企業(yè)在財(cái)務(wù)危機(jī)防范方面還有欠缺，因此對(duì)農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警進(jìn)行深入研究是十分有必要的。

研究方法——F 模型原理

由于Z分?jǐn)?shù)模型沒(méi)有把現(xiàn)金流量作為一個(gè)考慮的因素，因而不夠全面。1996年，中國(guó)內(nèi)地學(xué)者周首華、楊濟(jì)華等以Z分?jǐn)?shù)模型為基礎(chǔ)，擴(kuò)大樣本量，設(shè)計(jì)出了F分?jǐn)?shù)模型。F分?jǐn)?shù)模型的顯著特征是：

第一，現(xiàn)金流量作為預(yù)測(cè)公司破產(chǎn)的有效指標(biāo)，被考慮在自變量之內(nèi)。

第二，F(xiàn)分?jǐn)?shù)模型將現(xiàn)代化公司財(cái)務(wù)狀況的發(fā)展結(jié)合了有關(guān)標(biāo)準(zhǔn)的變更。

第三，擴(kuò)大樣本范圍。F分?jǐn)?shù)模型的突出亮點(diǎn)就是加入了現(xiàn)金流量指標(biāo)，相比于Z 分?jǐn)?shù)模型，F(xiàn)分?jǐn)?shù)模型的預(yù)測(cè)效果更好。

F 分?jǐn)?shù)模型是一個(gè)多變量的公式，公式及風(fēng)險(xiǎn)臨界值的描述如表1所示：

對(duì)于變量X1 、X2和X4， F分?jǐn)?shù)模型與Z分?jǐn)?shù)模型是相同的，X1 、X2和X4 分別代表了公司資產(chǎn)的變現(xiàn)能力，公司的累積獲利能力及反映公司價(jià)值的大小；而變量X3、X5在F分?jǐn)?shù)模型中分別表示企業(yè)所創(chuàng)造的全部現(xiàn)金流量對(duì)企業(yè)債務(wù)的保障能力及企業(yè)總資產(chǎn)創(chuàng)造現(xiàn)金流量的能力。而Z分?jǐn)?shù)模型中X3、X5 分別表示的是企業(yè)資產(chǎn)的獲利能力及企業(yè)資產(chǎn)的營(yíng)運(yùn)能力

F值的計(jì)算

為了了解農(nóng)業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)水平，考慮到企業(yè)規(guī)模，區(qū)域分布，信息獲取的便利程度等因素，本文選取了43家A股上市的農(nóng)業(yè)企業(yè)作為樣本并對(duì)這些企業(yè)的F值進(jìn)行了計(jì)算，數(shù)據(jù)獲取途徑主要通過(guò)和訊網(wǎng)、東方財(cái)富網(wǎng)、前瞻數(shù)據(jù)網(wǎng)，在計(jì)算所有者權(quán)益市值時(shí)，每股市價(jià)按上市公司當(dāng)年最后一天的收盤(pán)價(jià)。

F值結(jié)果分析

從表2中計(jì)算可得我國(guó)A股上市農(nóng)業(yè)公司2016年的F值平均值為0.90，結(jié)合F 值的平均值及F值分布情況我們可以知道，有8家企業(yè)小于破產(chǎn)臨界值0.0275且小于F值平均值，占比為19%，最為嚴(yán)重的是其中7家企業(yè)：*ST新賽，天山生物，新農(nóng)開(kāi)發(fā)，敦煌種業(yè)，云投生態(tài)，西部牧業(yè)，好當(dāng)家的F值甚至出現(xiàn)負(fù)值，表明這8家公司財(cái)務(wù)狀況非常糟糕，存在非常嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)，甚至有破產(chǎn)危險(xiǎn)，應(yīng)重點(diǎn)關(guān)注。

有35家企業(yè)大于安全臨界值，其中大于F值的安全臨界值及F值均值0.0775的企業(yè)有大湖股份，福建金森，萬(wàn)向德農(nóng)，眾興菌業(yè)，福成股份，平潭發(fā)展，隆平高科，新五豐，北大荒，仙壇股份，登海種業(yè)，益生股份，溫氏股份，香梨股份共計(jì)14家企業(yè)，占比32%，說(shuō)明這14家企業(yè)財(cái)務(wù)狀況較為安全，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)可能性較小。

另外21家企業(yè)即49%的企業(yè)的F值雖然大于安全臨界值0.0775，但是低于F 值平均值，說(shuō)明公司風(fēng)險(xiǎn)處于不確定區(qū)域，財(cái)務(wù)狀況不穩(wěn)定，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)概率很大，需要采取防范措施及時(shí)把風(fēng)險(xiǎn)控制在合理范圍內(nèi)。

變量X對(duì)F值的影響分析

以上分析表明我國(guó)81%的農(nóng)業(yè)上市企業(yè)的F值的平均值大于安全臨界值0.0775，整體來(lái)說(shuō)F值偏大，為了更深入地了解原因，本文對(duì) 43 家樣本企業(yè) 2016年具體的X值進(jìn)行描述統(tǒng)計(jì)分析，具體結(jié)果如表3所示。

從表3中，我們可以看到X4的最大值，平均值、置信度，標(biāo)準(zhǔn)差、方差都很大，且五個(gè)指標(biāo)中X4最大。這說(shuō)明 43 家樣本企業(yè)的F值較大的原因是由X4較大引起的，但68%的農(nóng)業(yè)企業(yè)F值低于平均值，因此，我國(guó)43 家農(nóng)業(yè)上市公司整體財(cái)務(wù)風(fēng)險(xiǎn)不穩(wěn)定，各企業(yè)之間財(cái)務(wù)風(fēng)險(xiǎn)的差異主要源自于X4的差異造成的。X4反映的是了投資者對(duì)公司未來(lái)前景的預(yù)測(cè)，該指標(biāo)越大，說(shuō)明市場(chǎng)對(duì)該企業(yè)發(fā)展前景越看好，反映債權(quán)人投入的資本受股東資本的保障程度越高，企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)越小。

可能是因?yàn)閲?guó)家提出了全面建設(shè)小康社會(huì)的目標(biāo)，政府把“三農(nóng)“問(wèn)題作為工作的重點(diǎn)和難點(diǎn)?！皬?qiáng)農(nóng)”“惠農(nóng)”“一、二、三產(chǎn)業(yè)融合”等等政策的出臺(tái)及國(guó)家加大對(duì)農(nóng)業(yè)政策扶持力度這些利好，使得市場(chǎng)對(duì)農(nóng)業(yè)企業(yè)的未來(lái)發(fā)展普遍看好，一時(shí)間農(nóng)業(yè)領(lǐng)域成為了投資的熱點(diǎn)，農(nóng)業(yè)的生產(chǎn)模式由原來(lái)傳統(tǒng)分散的家庭式向集約化、產(chǎn)業(yè)化、規(guī)模化、標(biāo)準(zhǔn)化的生產(chǎn)模式轉(zhuǎn)變。

其次，農(nóng)業(yè)行業(yè)的政策紅利也正在慢慢顯現(xiàn)，農(nóng)業(yè)行業(yè)的發(fā)展正迎來(lái)了前所未有的大好時(shí)期。

建議

樹(shù)立財(cái)務(wù)風(fēng)險(xiǎn)意識(shí)，建立企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)

由于財(cái)務(wù)風(fēng)險(xiǎn)無(wú)處不在，故農(nóng)業(yè)企業(yè)應(yīng)該建立完善的財(cái)務(wù)及內(nèi)部控制制度，建立企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。無(wú)論是上層管理者還是普通員工都應(yīng)該樹(shù)立財(cái)務(wù)風(fēng)險(xiǎn)意識(shí)、加強(qiáng)實(shí)施風(fēng)險(xiǎn)防范與各個(gè)部門(mén)之間及其上下級(jí)之間的相互監(jiān)督，責(zé)任落實(shí)到具體的人，盡量減少人為因素帶來(lái)的財(cái)務(wù)風(fēng)險(xiǎn)，進(jìn)而降低企業(yè)不必要的管理成本。

調(diào)整資本結(jié)構(gòu)，適當(dāng)提高企業(yè)的債務(wù)規(guī)模

當(dāng)前我國(guó)農(nóng)業(yè)上市公司的資產(chǎn)負(fù)債率整體偏低，因而X4普遍較大，故資本結(jié)構(gòu)有待調(diào)整。我國(guó)農(nóng)業(yè)發(fā)展市場(chǎng)前景樂(lè)觀，而農(nóng)產(chǎn)品的投入具有回收期較長(zhǎng)的特點(diǎn)，如果農(nóng)業(yè)公司資產(chǎn)負(fù)債率偏低，債務(wù)資本所帶來(lái)的財(cái)務(wù)杠桿效效應(yīng)就會(huì)得不到充分利用。故我國(guó)農(nóng)業(yè)上市公司應(yīng)該根據(jù)自身的實(shí)際情況對(duì)公司的資本結(jié)構(gòu)進(jìn)行調(diào)整，適量提高企業(yè)的債務(wù)資本，保持公司適度的負(fù)債規(guī)模，最大限度地發(fā)揮債務(wù)資本所帶來(lái)的財(cái)務(wù)杠桿效應(yīng)。

此外，農(nóng)業(yè)上市公司還應(yīng)合理安排長(zhǎng)短期負(fù)債比例相匹配的問(wèn)題，平衡好企業(yè)利潤(rùn)增長(zhǎng)速度與穩(wěn)健經(jīng)營(yíng)的關(guān)系。

提高產(chǎn)品質(zhì)量，塑造品牌形象

品牌是一個(gè)公司形象的代表，具有不可估量的價(jià)值，它不僅是公司核心價(jià)值的體現(xiàn)，而且是產(chǎn)品質(zhì)量和信譽(yù)的保證。品牌來(lái)自于消費(fèi)者和市場(chǎng)的認(rèn)可，直接影響著投資者對(duì)其前景預(yù)測(cè)的高低。

因此，農(nóng)業(yè)上市公司應(yīng)該注重品牌建設(shè)。提高自身的核心競(jìng)爭(zhēng)力，進(jìn)而提高盈利能力。

加大技術(shù)研發(fā)的投入及提高農(nóng)業(yè)生產(chǎn)的規(guī)模，降低企業(yè)生產(chǎn)成本

科技是第一生產(chǎn)力，農(nóng)業(yè)上市公司應(yīng)該加大對(duì)技術(shù)研發(fā)創(chuàng)新的投資力度，提高自身的農(nóng)業(yè)科技創(chuàng)新能力和科研開(kāi)發(fā)實(shí)力并及時(shí)地把其科技成果的轉(zhuǎn)化成公司的獲利產(chǎn)品。

盡量利用規(guī)?；a(chǎn)，以便降低企業(yè)的生產(chǎn)成本。比如與其他公司進(jìn)行技術(shù)聯(lián)盟，與農(nóng)業(yè)高校或科研院所建立合作關(guān)系。

（作者單位：北京中國(guó)農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院）

【參考文獻(xiàn)】

[1] E.I Altman， R.G Haldeman， P Narayanan. ZETATM* Analysis a New Model to Identify Bankruptcy Risk of Corporations [J]. Journal of Banking and Finance， 1977， 1（01）.

[2] Edward. I Altman. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy [J]. Journal of Finance，1968，23（09）.

[3] Odom MD， Sharda R.A. Neural Network for Bankruptcy Prediction[C]. In International Conference on Neural Networks， San Diego， 1990.

[4] P.J. Fitz Patrick. A Comparison of the Ratios of Successful Industrial Enterprises with Those of Failed Companies [J]. New York： Certified Public Accountant， 1932 （02）.

[5] William H. Beaver， Financial ratios as predictors of failure [J]. Journal of Accounting Research， 1966（04）.

[6]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J]. 會(huì)計(jì)研究，1994（04）.

[7]陳雪.內(nèi)部控制視角下的農(nóng)業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)控制研究——以DTJ公司為例[D]. 安徽財(cái)經(jīng)大學(xué)，2017.

[8]馬曉利.我國(guó)農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)防范體系研究[D]. 西北農(nóng)林科技大學(xué)，2009.