我國農業上市企業財務風險評價研究

李春梅

摘 要：本文以43家上市農業企業為樣本，選取 2016年的財務指標數據，并采用F分數模型對這些企業的財務風險進行評價，結果顯示，我國農業上市企業的整體F值偏大，主要受變量X4的影響，68%左右的農業企業的財務風險水平較高，財務風險狀況不穩定，并針對如何防范財務風險提出了相應建議。

關鍵詞：上市公司；財務風險；F分數模型

國內外對于財務風險評估研究狀況

關于國內外研究財務風險評估方法的文獻，總結起來主要有以下幾種方法：

單變量模型

Fitzpatrick是最早使用單一財務比率模型對公司財務風險進行研究的學者，William Beaver（1966）選取了五個財務指標對企業的財務狀況進行分析，并運用單變量分析法構建了最早的財務危機預警模型。我國學者陳靜（1999）采用單變量分析法對1998年27家ST企業及另外27家非ST企業進行了分析。

多變量模型

著名學者Altman（1968）構建了一個多變量模型——Z分數模型，這個模型選取了5個變量，并為每個變量賦予權重，Altman 通過研究，發現當 Z ≤ 1.81 時，破產風險很高； 當 Z ≥2.675，企業的經營狀況良好，財務風險很小。由于Z 分數模型不完善，因此 1977 年Altman 及一些學者通過研究提出了Zeta 模型。我國學者周首華、楊濟華（ 1996） 基于Z模型的基礎上，加入了現金流量設計出了F計分模型。

神經網絡模型

隨著計算機技術的發展，神經網絡模型被運用到財務危機預警當中。Odom.和 R. Sharda（1990）首次將神經網絡模型應用于公司財務危機的預測中。我國學者王春峰、萬海暉、張維等（1999）對商業銀行的財務風險進行研究時采用了 BP 神經網絡模型。

在以上的方法當中，最為經典和應用最廣泛的模型是多變量模型當中的Z分數模型，但由于Z分數模型忽略了現金流量對財務風險的影響，且該模型是基于國外的樣本構建的模型，對我國企業財務風險的計算準確度不高，馬曉利（2009）運用Z分數模型和 F 分數模型分別對 41 家上市農業企業及以ST 中農為例進行實證研究，結果顯示， F分數模型比Z分數模型對財務危機的預測準確率更高。

故本文采用了周首華等基于Z模型基礎上增加現金流量指標構造出來的F分數模型對目前我國43 家A股上市的農業企業作為樣本進行財務風險評價研究。期望能夠通過對我國上市農業企業的財務風險進行評價，能對我國農業企業的財務風險管理起到提示的作用，進而促進我國農業企業的發展。

我國農業上市公司財務風險狀況

在我國43 家上市農業企業中，種植業和畜牧業占據了農業板塊的主要版塊，這些企業來自全國 15個省和自治區， 山東省以6家的優勢獨占鰲頭，新疆維吾爾族自治區、湖南和福建分別以5、4、4 家位列第二和第三，農業企業分布上呈現“整體零散，區域集中”的特點。農業上市公司的生產經營通常受區域性、自然條件、土地資源稀缺性、生產周期性等多方面因素的影響，農業的產出過程比較漫長，分散程度高，是自然再生產和經濟再生產交融在一起的特殊行業，加上生物產品從生產到銷售的每一個環節都高度依賴對外部環境，造成了農業企業的生產經營較為被動，即自然風險很高。過去曾經上市的農業企業 PT 粵金曼、ST 大菲、ST 華圣、 ST 生態和 ST 金荔5 家農業企業已退市。

陳雪（2017）運用報表分析方法對四十家A股上市的農業公司的2013 ～2016 年財務數據進行分析，得出了農業公司總體的變現能力差，負債結構不平衡，投入產出不成比例，投資回報率低，資產營運能力低，獲利能力及資產收益率低的結論。由此可見，我國農業上市企業在財務危機防范方面還有欠缺，因此對農業上市公司財務危機預警進行深入研究是十分有必要的。

研究方法——F 模型原理

由于Z分數模型沒有把現金流量作為一個考慮的因素，因而不夠全面。1996年，中國內地學者周首華、楊濟華等以Z分數模型為基礎，擴大樣本量，設計出了F分數模型。F分數模型的顯著特征是：

第一，現金流量作為預測公司破產的有效指標，被考慮在自變量之內。

第二，F分數模型將現代化公司財務狀況的發展結合了有關標準的變更。

第三，擴大樣本范圍。F分數模型的突出亮點就是加入了現金流量指標，相比于Z 分數模型，F分數模型的預測效果更好。

F 分數模型是一個多變量的公式，公式及風險臨界值的描述如表1所示：

對于變量X1 、X2和X4， F分數模型與Z分數模型是相同的，X1 、X2和X4 分別代表了公司資產的變現能力，公司的累積獲利能力及反映公司價值的大??；而變量X3、X5在F分數模型中分別表示企業所創造的全部現金流量對企業債務的保障能力及企業總資產創造現金流量的能力。而Z分數模型中X3、X5 分別表示的是企業資產的獲利能力及企業資產的營運能力

F值的計算

為了了解農業企業的財務風險水平，考慮到企業規模，區域分布，信息獲取的便利程度等因素，本文選取了43家A股上市的農業企業作為樣本并對這些企業的F值進行了計算，數據獲取途徑主要通過和訊網、東方財富網、前瞻數據網，在計算所有者權益市值時，每股市價按上市公司當年最后一天的收盤價。

F值結果分析

從表2中計算可得我國A股上市農業公司2016年的F值平均值為0.90，結合F 值的平均值及F值分布情況我們可以知道，有8家企業小于破產臨界值0.0275且小于F值平均值，占比為19%，最為嚴重的是其中7家企業：*ST新賽，天山生物，新農開發，敦煌種業，云投生態，西部牧業，好當家的F值甚至出現負值，表明這8家公司財務狀況非常糟糕，存在非常嚴重的財務風險，甚至有破產危險，應重點關注。

有35家企業大于安全臨界值，其中大于F值的安全臨界值及F值均值0.0775的企業有大湖股份，福建金森，萬向德農，眾興菌業，福成股份，平潭發展，隆平高科，新五豐，北大荒，仙壇股份，登海種業，益生股份，溫氏股份，香梨股份共計14家企業，占比32%，說明這14家企業財務狀況較為安全，發生財務風險可能性較小。

另外21家企業即49%的企業的F值雖然大于安全臨界值0.0775，但是低于F 值平均值，說明公司風險處于不確定區域，財務狀況不穩定，發生財務風險概率很大，需要采取防范措施及時把風險控制在合理范圍內。

變量X對F值的影響分析

以上分析表明我國81%的農業上市企業的F值的平均值大于安全臨界值0.0775，整體來說F值偏大，為了更深入地了解原因，本文對 43 家樣本企業 2016年具體的X值進行描述統計分析，具體結果如表3所示。

從表3中，我們可以看到X4的最大值，平均值、置信度，標準差、方差都很大，且五個指標中X4最大。這說明 43 家樣本企業的F值較大的原因是由X4較大引起的，但68%的農業企業F值低于平均值，因此，我國43 家農業上市公司整體財務風險不穩定，各企業之間財務風險的差異主要源自于X4的差異造成的。X4反映的是了投資者對公司未來前景的預測，該指標越大，說明市場對該企業發展前景越看好，反映債權人投入的資本受股東資本的保障程度越高，企業的財務風險越小。

可能是因為國家提出了全面建設小康社會的目標，政府把“三農“問題作為工作的重點和難點。“強農”“惠農”“一、二、三產業融合”等等政策的出臺及國家加大對農業政策扶持力度這些利好，使得市場對農業企業的未來發展普遍看好，一時間農業領域成為了投資的熱點，農業的生產模式由原來傳統分散的家庭式向集約化、產業化、規?；?、標準化的生產模式轉變。

其次，農業行業的政策紅利也正在慢慢顯現，農業行業的發展正迎來了前所未有的大好時期。

建議

樹立財務風險意識，建立企業財務風險預警系統

由于財務風險無處不在，故農業企業應該建立完善的財務及內部控制制度，建立企業財務風險預警系統。無論是上層管理者還是普通員工都應該樹立財務風險意識、加強實施風險防范與各個部門之間及其上下級之間的相互監督，責任落實到具體的人，盡量減少人為因素帶來的財務風險，進而降低企業不必要的管理成本。

調整資本結構，適當提高企業的債務規模

當前我國農業上市公司的資產負債率整體偏低，因而X4普遍較大，故資本結構有待調整。我國農業發展市場前景樂觀，而農產品的投入具有回收期較長的特點，如果農業公司資產負債率偏低，債務資本所帶來的財務杠桿效效應就會得不到充分利用。故我國農業上市公司應該根據自身的實際情況對公司的資本結構進行調整，適量提高企業的債務資本，保持公司適度的負債規模，最大限度地發揮債務資本所帶來的財務杠桿效應。

此外，農業上市公司還應合理安排長短期負債比例相匹配的問題，平衡好企業利潤增長速度與穩健經營的關系。

提高產品質量，塑造品牌形象

品牌是一個公司形象的代表，具有不可估量的價值，它不僅是公司核心價值的體現，而且是產品質量和信譽的保證。品牌來自于消費者和市場的認可，直接影響著投資者對其前景預測的高低。

因此，農業上市公司應該注重品牌建設。提高自身的核心競爭力，進而提高盈利能力。

加大技術研發的投入及提高農業生產的規模，降低企業生產成本

科技是第一生產力，農業上市公司應該加大對技術研發創新的投資力度，提高自身的農業科技創新能力和科研開發實力并及時地把其科技成果的轉化成公司的獲利產品。

盡量利用規?；a，以便降低企業的生產成本。比如與其他公司進行技術聯盟，與農業高校或科研院所建立合作關系。

（作者單位：北京中國農業大學經濟管理學院）

【參考文獻】

[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.上市公司財務惡化預測的實證分析[J]. 會計研究，1994（04）.

[7]陳雪.內部控制視角下的農業企業財務風險控制研究——以DTJ公司為例[D]. 安徽財經大學，2017.

[8]馬曉利.我國農業上市公司財務危機防范體系研究[D]. 西北農林科技大學，2009.