我國煤炭上市公司財務困境研究

劉婷婷

摘 要：煤炭產業作為我國的能源供應支柱產業，其發展在很大程度上決定了國家工業整體實力的進步。因此，合理有效的引導煤炭上市公司防范財務風險，擺脫財務困境具有重要意義。本文選取了23家非ST股、Ａ股煤炭產業上市公司，基于2018-2022年的數據進行實證分析，利用Z-Score模型對煤炭上市公司進行財務預警。結果表明：23家煤炭上市公司中，絕大多數公司的Z值均小于1.81，表明煤炭上市公司整體的財務狀況較差，面臨的財務風險較高，陷入財務困境的概率也就越大。最后，為防范我國煤炭上市公司發生財務危機，本文提出了相應的對策。

關鍵詞：煤炭上市公司、Z-Score模型、財務預警、財務困境

一、引言

伴隨著經濟結構的優化，我國對于三大產業協調發展的重視程度加深。國家也非常重視對煤炭上市公司的扶持力度，這不僅給煤炭上市公司帶來了機遇，同時，由于煤炭上市公司需要調整自身的產業結構、生產方式來適應新規范和新標準，所以也給其帶來了新的挑戰[1]。由于煤炭產業作為我國的第二產業，煤炭上市公司也是推進我國產業化進程的主力軍，并且煤炭生產經營具有獨特的經營狀況，其開發利用過程中具有高耗能、高污染的特性[2]。因此，重視煤炭上市公司面臨的財務風險，并對其進行評價，這對煤炭上市公司的可持續發展具有關鍵性的作用，同樣也符合黨中央推進經濟高質量發展的思想。

二、研究設計

（一）Z-Score模型

對上市公司財務預警的研究方法有許多種，例如主成分分析法、BP神經網絡法、Logistic回歸分析以及多元回歸等。本文選擇的是Z-Score模型，原因主要有以下兩點：（1）Z模型克服了BP神經網絡法需分析較多樣本數量而煤炭上市公司樣本不足的問題，也克服了Logistic模型自變量可能會存在多重共線性的問題。（2）Z模型同一元判定模型相比，其具有更高的預測準確性。因此，本文采用美國經濟學家Edward Altman 在1968年創立的Z-Score模型進行財務預警[3]。Z-Score模型的基本表達式如下：

其中：Z為判別函數值

X1=營運資金/資產總額=（流動資產－流動負債）/資產總額。營運資金代表的是公司經營周轉所需的凈流動資金，反映的是公司資產的流動性。如果X1的值過小，則反映公司資金周轉存在問題，可能存在流動性風險。反之，如果X1的值過大，則表示公司的資產可能沒有得到充分的利用，可能會影響公司的盈利能力，從而不利于公司的長遠發展。

X2=留存收益/資產總額=（未分配利潤+盈余公積）/資產總額。通過分析X2值的大小，可以了解公司的累計獲利能力。如果X2較大，則表明公司的盈利能力較好，抗風險能力較強。反之，如果X2較小，則表明公司盈利能力較小，抗風險能力有待提高。

X3=息稅前利潤/資產總額=（利潤總額+財務費用）/資產總額。X3反映的是公司每投入一單位的資產可以獲得的利潤，即代表公司資金的投入產出水平。如果X3越大，表明公司獲利能力較強，經營績效較好。反之，則較差。

X4=所有者權益市值/負債總額=（每股市價×股本總數）/負債總額。X4表示的是公司股權價值與所承擔債務之間的關系。該比率越大，表明公司實收資本的價值較高，債券比重相對較小，從而使公司的破產風險較小。

X5=營業收入/資產總額=主營業務收入/資產總額。X5代表的是公司的總資產周轉率，反映的是公司總資產的營運能力。該比率越大，表明公司總資產的周轉速度較快，資產的使用效率較高。反之，則使用效率較低。

（二）Z-Score模型中臨界值Z的判別

隨著Z值的降低，公司面臨財務困境的可能性越大，破產風險也就越高。以1.81和2.675作為臨界值，當Z值小于1.81時，公司面臨財務困境的可能性很大，財務狀況很差，破產風險較高。隨著Z值的變大，公司面臨財務困境的概率變小，財務狀況轉好。

三、實證分析

（一）樣本選取和數據來源

本文本著剔除Z值數據不全的樣本公司、剔除財務數據相關指標不全的樣本公司以及剔除樣本期間被ST、*ST的上市公司的原則，選取了我國A股市場上的煤炭上市公司，總共有23家。數據來源于wind數據庫以及各公司年報，數據類別包括Z值以及X1、X2、X3、X4、X5五個細分值。

（二）煤炭上市公司Z-Score模型的財務困境分析

1、描述性統計分析

為分析我國煤炭上市公司整體的財務狀況，本文將選取的數據利用stata軟件進行了描述性統計分析，主要對數據的均值、中值、標準差、最小值以及最大值進行分析。煤炭上市公司整體Z值的均值為1.515，小于1.81，根據Z值的界定可知，2018年-2022年，我國A股上市的煤炭公司整體財務狀況很差，存在嚴重的財務風險，陷入財務困境的概率較高。并且，值得注意的是，Z值最小值與最大值之間的差距較大，標準差較高，說明各煤炭上市公司之間的Z值存在較大的差異，波定性較強，財務經營狀況的穩定性有待提高。此外，在構成Z值的五個指標中，可以看到X1較小且為負數，初步說明各公司Z值的大小差異主要是由于X1的差異造成的。總體而言，我國23家煤炭上市公司整體財務風險較高，陷入財務困境的概率也較高。

2、Z值的分布情況

為進一步分析我國煤炭上市公司單個公司所面臨的財務風險，本文根據Z值臨界值的大小，對23家樣本煤炭上市公司的Z值進行了分組統計。在這23家煤炭上市公司中，2018年有16家公司的Z值小于1.81，占公司總數量的69.6%，而Z值大于2.675的公司只有兩家，占公司總數量的8.7%，說明煤炭上市公司整體的財務狀況非常差，存在嚴重的財務風險。在2019年和2020年，均有17家公司的Z值小于1.81，占公司總數量的73.9%，即大多數公司的Z值均較低，說明我國煤炭上市公司整體的財務狀況較2018年而言更差，財務風險也更高了。在2021年，Z值小于1.81的煤炭上市公司數量有所下降，Z值大于2.675的公司的數量有所上升，說明我國煤炭上市公司整體的財務狀況有所好轉，抗風險能力有所加強。到2022年，Z值小于1.81的煤炭上市公司數量明顯下降，但數量仍超過一半，說明我國煤炭上市公司整體的財務狀況仍然較差，發生財務風險的可能性較高，陷入財務困境的可能性仍然較大，各公司仍需重視經營管理。

此外，就各公司而言，只有2家煤炭上市公司處于無警告區，4家公司處于輕度警告區，其余17家公司處于重度警告區。也就是說近五年來，有73.9%的煤炭上市公司的財務狀況較差，財務風險較大，陷入財務困境的可能性較高。

3、變量X對Z值的具體影響分析

為進一步分剖析原因，本文將組成Z值的五個細分值進行了分析。X1的均值都較小，并且絕大多數公司的X1為負數。這說明在23家煤炭上市公司中，絕大多數公司Z值較小主要是由于X1值較小且為負造成的。X1=營運資金/資產總額=（流動資產－流動負債）/資產總額，其反映公司資產的流動性，若該值較小，則表明公司資金周轉存在問題，并且公司發展可能面臨流動性風險。在23家煤炭上市公司中，絕大多數公司的X1較小且為負，說明流動資金已經不能完全覆蓋流動負債，公司面臨的流動性風險較大，資金流動性存在問題，公司的業務開展必然受限，進而會導致公司的財務狀況變差，陷入財務困境的概率提高。

四、結論及展望

本文通過運用Z-Score模型計算出23家煤炭上市公司的Z值，得出近五年平均有67.84%的煤炭上市公司存在財務危機、陷入財務困境概率高的結論。究其原因主要是大部分煤炭上市公司資金流動性、總資產周轉率、獲利能力、利息支付能力都較差。并且大多數煤炭上市公司的X1值為負，公司面臨的資金流動性風險較為明顯。因此，煤炭上市公司在發展的過程中應注重各類風險的管理，最大限度避免公司陷入財務困境。同時也要提高資金的使用效率，不能盲目負債。近年來，我國對煤炭上市公司也提供了稅收、財政方面的很多優惠政策。在這一優惠政策下，煤炭上市公司也不能過度的依賴國家政策，政府也應注重對接受優惠政策的公司進行監督，注重對煤炭產業市場的宏觀調控。

參考文獻：

[1]代文，齊航.碳減排約束、環境信息披露與企業研發投入研究[J].中國管理信息化，2020，23（6）：2.

[2]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（01）：62-71.DOI：10.16538/j.cnki.jfe.2005.01.006.

[3]Altman.E.Financial Ratios Discriminate Analysis and the Prediction of Corporate bankruptcy [J].Journal of Finance，1968（9）： 589-609.