我國農業上市公司財務預警研究綜述

張國政，陳維煌

(湖南農業大學商學院，湖南長沙 410128)

?

我國農業上市公司財務預警研究綜述

張國政，陳維煌*

(湖南農業大學商學院，湖南長沙 410128)

回顧了企業財務危機預警的基本研究理論，并對國內外財務預警的研究現狀進行了評述，將我國學者對于農業上市公司財務預警的研究進行了梳理，把握目前的研究熱點與發展方向，為后續的農業上市公司財務預警研究提供線索。

農業上市公司；財務危機；財務預警

在市場經濟的背景下，企業之間激烈的競爭讓財務危機的發生更為頻繁，不加以控制的危機甚至會導致企業破產，由此會引發一系列經濟和社會問題，故進行企業財務危機預警成為學者們研究的熱點。在我國這樣一個農業大國，農業上市公司在不斷發展壯大的同時，也面臨了巨大的風險，暴露出很多的問題，因此，對農業上市公司進行財務預警在我國是一個很有現實意義的問題，也是一個值得研究的課題。

1 財務預警研究理論概述

企業財務預警，即借助企業所提供的相關財務報表、經營規劃及其他會計資料，利用財務、會計、統計、金融、企業管理、市場營銷等多種理論，采用比率分析、比較分析、因素分析等分析方法，對企業的經營與活動進行分析預測，以期發現企業潛在的經營和財務風險，提前向企業經營者發出警告，給予企業管理當局采取有效對策的時間，有效防止潛在的風險演變成損失，起到未雨綢繆的作用；同時，作為企業經營預警系統的一部分，企業財務預警系統也為企業調整經營方向、改進經營決策、進行有效資源配置提供了可靠依據。

企業財務預警研究主要有以下理論。

1.1 非均衡理論非均衡理論(disequilibriatheories)認為，企業破產主要歸因于外力沖擊，如災害理論和混沌理論。Ho和Saunder首次將災害理論應用于公司破產研究領域，他們在災害理論的指導下對美國的銀行管制進行了研究，發現銀行破產并非由于逐步衰落，而是一種歸因于管制機構行為的突然倒閉[1]。

1.2 企業逆境管理理論該理論由佘廉首次提出，試圖通過研究企業經營失利、管理行為波動與失誤失效的成因機理和運動規律，尋找規避和擺脫企業逆境的管理方法的理論[2]。該理論的研究成果為企業的管理活動中在各種境況中預防失誤、規避風險、保持經營活力提供了科學的理論指導。

1.3 權衡理論該理論強調在實現債務利息的抵稅收益與財務困境成本平衡的前提下，企業價值最大化時的最佳資本結構。債務利息的扣除可以在稅前，因此企業可以利用債務利息抵稅的作用，擴大企業負債規模，增加企業價值。增加企業的負債固然是好，但不是說債務越多越好，因為過多的債務有可能會導致企業發生財務困難，使企業破產的可能性提高，企業破產會帶來破產成本。因此，在決定資本結構時，企業要綜合考慮負債的避稅效應和破產成本對企業價值的影響，對兩者之間的關系進行權衡。表達式為：

VL=VU+PV(利息抵稅)-PV(財務困境成本)

1.4 代理理論代理理論就是研究代理關系及解決代理沖突的理論，不完全契約、信息不對稱以及經理、股東與債權人之間的利益沖突將會對項目的選擇產生影響，尤其是在企業出現財務危機時，過度投資問題或者投資不足問題更容易出現，他們的出現將導致債務代理成本的產生。其公式表示為：

VL=VU+PV(利息抵稅)-PV(財務困境成本)-PV(債務的代理成本)+PV(債務的代理收益)

若財務困境成本的現值與債務的代理成本現值之和大于無負債企業的價值與利息抵稅的現值以及債務的代理收益現值這3項之和，則企業價值為負，企業很可能會破產。

2 國內外關于財務預警的研究現狀

2.1 單變量判定模型Fitzpatrick開啟了利用一元判定預警模型預測企業財務困境的先河，運用單個財務比率將19家樣本公司劃分為破產和非破產兩組來進行研究[3]。在Fitzpatrick研究結果的基礎上，美國學者William Beaver提出了更為完善的單一變量模型，并發現越靠近企業的破產日期該模型的準確度越高[4]。吳世農等在國內上市公司中選取了140家作為樣本，包括70家財務困境和70家財務正常的公司，采用了21個財務指標，進行了單變量分析[5]。吳芃等以紡織行業為例，建立了該行業上市公司陷入ST前、后2個階段的模型，進行單變量分析，結果表明這些模型在2個階段都取得了較好的效果[6]。何玉梅等在我國滬深股市上市公司中選擇了樣本公司計算財務困境臨界值，通過實證分析比較了一元判別法和Z-score模型，Z-score模型準確度達到了85%以上，高于單指標模型64.324%的準確率，更為有效[7]。

單變量判別方法簡便易行，但是由于變量數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的財務特征，此外，單變量判別模型的結論也容易受到通貨膨脹的影響。正是由于這些局限性，后來的學者均傾向于采用多變量判別模型來進行企業的財務風險預警。

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上更進一步，采用多個財務指標并分別賦予其權重，最后進行加權，確立一種函數關系。

美國的 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，為后續研究的發展奠定了良好的基礎。Altman教授從22個作為初始變量的財務指標中最終篩選出5個財務指標建立起一個Z計分模型來區分企業的財務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為判別函數值，X1～X5為Altman教授定義的5變量，依次為營運資金/資產總額，留存收益/資產總額，息稅前利潤/資產總額，權益的市場價值/負債賬面價值總額，銷售收入/資產總額。通常企業的Z值越低則破產的可能性就越大[8]。

在非線性情況下，具有典型意義的有以下2個模型：Logistic 模型和 Probit 模型。Logistic 判別函數為：

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

將企業破產的概率假定為p，樣本服從正態分布，選取與p對應的分位數的財務指標，根據概率比回歸模型計算的結果對企業的財務狀況進行判定。美國學者Ohlson首次采用Logistic回歸模型進行財務預警，估計了3個模型，采用了9個變量，發現至少有公司規模、企業的資本結構、企業業績和企業當前的資產變現能力這4類變量能對企業破產概率產生顯著影響[9]。

Probit 模型的原理類似于Logistic 模型，但在該模型中要先假設企業樣本服從標準正態分布。較之于累計標準正態分布復雜的計算，相對直接簡單的Logistic 模型在實證分析中更為廣泛的被采用。

在我國，楊淑娥等基于Z-score模型，采用主成分分析法，建立了Y分數模型，通過研究認為該模型在預測上市公司的財務危機是否發生時具有較高的可信度[10]。張鳴等采用Logit回歸法構建財務指標預警模型，對企業進行中長期的財務預警[11]。康曉玲等以一季度報表和半年報表為界限對短期與長期進行界定，研究時運用Logistic結合逐步回歸的分析方法，認為短期模型更具時效性，考慮重要的非財務指標對于構建長期模型具有重要意義[12]。劉桂英等從企業增長模式的角度構建了包含增長偏離度絕對和的財務預警模型[13]。

2.3 動態預警模型市場經濟形勢的周期性與波動性的變化導致了企業財務狀況相應的波動，財務危機也呈現出一個逐漸演變的狀態，構建動態預警跟蹤模型更能適應實際情況。人工神經網絡是一種主要的的動態預警方法。神經網絡分析方法是一種具有高度并行計算能力和隨復雜環境不斷變化的自學能力，該方法是模擬人類大腦神經運行的模式。

Odom和Sharda首次將人工神經網絡應用于財務預警研究，以 Altman 教授所確定的5個財務比率作為研究變量，構建了倒傳遞網絡模型，并且將其與判別分析做驗證比較，結果表明類神經網絡在財務預警方面有更好的效果[14]。Green和Choi將人工神經網絡用于財務信息失真方面的研究，以財務指標為輸入變量，構造了會計舞弊判別模型，研究結果表明這一模型將極大地提高獨立審計師發現舞弊行為的能力[15]。

動態預警模型在財務預警方面呈現出極大地優勢，國內學者紛紛展開研究。周敏等基于模糊優選和神經網絡，綜合了危機判定、動態預警功能，提出了一個財務危機判定與預警模型，效果比判別分析、F分數模式等功能單一的預警方法更有優勢，對企業財務危機的動態監測預警具有更高的可行性，并且在判定企業狀態方面降低了對操作人員的專業能力要求，更為合理[16]。李曉峰等將Rough集(粗糙集)和ANN(人工神經網絡)理論相結合，構造了Rough-ANN模型，并且對其可行性與有效性進行了驗證[17]。秦小麗等基于灰色理論與神經網絡構建了動態靜態相結合的財務預警模型，灰色模型的預測結果將作為神經網絡模型的輸入變量，判定結果完全準確，非常有效[18]。

3 關于農業上市公司財務預警的研究

陳遠志等進行實證研究的數據來源于我國滬深兩市的農業板塊上市公司，對于單變量分析、Z-score模型、Zeta模型、F模型以及F’分數模型(即F模型中加入行業修正值)的財務預警效果進行比較，結果表明后3個模型的預測準確率明顯高于其他，認為應該關注財務預測的時效性，可以通過引入行業相關的修正因素來顯著提高預測準確性，提高對于財務預警的行業差異性研究[19]。王新利等根據農業上市公司提供的會計信息，結合了偏最小二乘法與BP 神經網絡模型進行財務財務預警評價，預測結果的綜合正確率達到 90.2%，為農業上市公司相關人員提供參考[20]。楊亦民等選取了我國35家農業上市公司作為樣本，對其相應的財務數據進行統計分析，比較了Z-score模型、F分數模型和 F1改進模型對我國農業板塊上市公司的財務預警效果，發現F1模型相對來說是最優的，并分析了3個模型產生偏差的原因，并認為我國農業上市公司從實用價值考慮，必須根據行業實際情況修正模型的判別標準[21]。

總體來看，我國在農業上市公司財務預警領域的研究工作還非常有限，農業相對于其他行業來說，由于受到自然環境的約束，在財務風險與財務風險預警方面具有其獨特性，因此，農業上市公司財務預警領域的研究還具有很大的空間。

4 綜合評述

綜合現有的關于財務預警的研究，多變量判定模型較之于單變量判定模型更有效、更準確已經成為共識，動態模型更具有時效性，特別是神經網絡技術的引入使得海量財務數據的快速處理成為可能，并且神經網絡模型的非線性特征對于財務風險劇烈的情況預測精確度較高，因此該理論的引入對于財務預警領域具有重要的理論與實際意義。

在以往的研究中，財務預警的研究往往都是對于整個上市公司而言的，關注的僅僅是統一模式的預警模型，而對某一個具體行業預警模式的深入挖掘研究較為欠缺；不同學者研究所選取的指標與應用的模型各異，這樣的差異性的存在往往會對財務預警模型的實際應用產生影響，缺乏一套公認的、規范的財務預警體系。對農業上市公司來說，財務預警的研究程度還很有限，切合行業實際的動態預警模型的建立還需完善，具有很大的發展空間。

[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，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001(6)：46-55.

[6] 吳芃，吳應宇，仲偉俊.基于單變量分析的我國上市公司兩階段財務預警模型實證研究——以紡織行業為例[J].東南大學學報：哲學社會科學版，2006，8(2)：18-23.

[7] 何玉梅，張濤.上市公司財務危機預警模型之有效性選擇——基于單變量模型判別法和Z計分法的選擇[J].現代財經，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.上市公司財務預警模型——Y分數模型的實證研究[J].中國軟科學，2003(1)：56-60.

[11] 張鳴，程濤.上市公司財務預警實證研究的動態視角[J].財經研究，2005，31(1)：62-71.

[12] 康曉玲，張懿.企業財務預警模型研究——基于中報數據與可持續增長模型的重構[J].科研管理，2009，30(1)：45-55.

[13] 劉桂英，董麗.基于增長偏離度的企業財務預警模型構建[J].統計與決策，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.基于模糊優選和神經網絡的企業財務危機預警[J].管理科學學報，2002，5(3)：86-90.

[17] 李曉峰，徐玖平.企業財務危機預警Rough-ANN模型的建立及其應用[J].系統工程理論與實踐，2004(10)：8-14.

[18] 秦小麗，田高良.基于灰色理論和神經網絡的公司財務預警模型[J].統計與決策，2011(16)：176-178.

[19] 陳遠志，羅淑貞.我國農業上市公司的時務預譽實證研究[J].經濟與管理研究，2008(3)：89-94.

[20] 王新利，陳 敏.基于偏最小二乘 BP 神經網絡的財務預警研究——以農業上市公司為例[J].農業技術經濟，2011(11)：122-128.

[21] 楊亦民，袁潔，陳羅琴.多變量財務預警模型比較研究——來自農業上市公司的經驗證據[J].財會通訊，2013(4)：112-113.

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

張國政(1976- )，男，湖北浠水人，副教授，博士，碩士生導師，從事會計與財務管理研究。*通訊作者，碩士研究生，研究方向：會計與財務管理。

2015-02-02

S-9；F 253

A

0517-6611(2015)09-351-02