基于logit 模型的農(nóng)業(yè)上市公司財務困境預警研究

（四川農(nóng)業(yè)大學 四川成都 611130）

筆者通過研究發(fā)現(xiàn)，在我國46家農(nóng)業(yè)上市公司中，有14家曾經(jīng)或正陷入財務困境，比率高達21.88%。農(nóng)業(yè)上市公司持續(xù)健康發(fā)展面臨很多問題，導致農(nóng)業(yè)資本市場的資源配置效率降低，而目前研究領域對上市公司財務危機預警的理論和實證研究比較多，但專門研究農(nóng)業(yè)上市公司財務危機預警方法的卻不多見，而且針對農(nóng)業(yè)上市公司財務危機預警的研究雖然取得一定成果，但在實際應用中的成效并不十分理想。因此，進一步探討如何建立適合我國農(nóng)業(yè)上市公司的財務困境預警方法顯得十分必要。

一、文獻綜述

（一）預警指標的選擇

目前財務困境預警的研究主要包括財務困境界定、預警指標的選擇和預警模型的建立三個方面。國內(nèi)外學者們研究財務困境預警時所采用的指標大體上可以分為定性、定性和定量相結合兩種選擇方法。定性的指標選擇主要依賴于學者自己的專業(yè)知識以及其對財務困境和財務指標內(nèi)涵的分析，主觀性較強。而定性和定量相結合這種選擇方法在主觀選擇的基礎上利用統(tǒng)計學的方法進行篩選，近年來受到了更多學者的青睞，如梁琪（2005）運用主成分分析，將反映企業(yè)財務狀況的24個指標濃縮為6個主成分，并以此為變量構建回歸模型。

（二）預警模型的建立

企業(yè)財務預警模型一直在不斷的改進和創(chuàng)新，常見的有一元判定模型、多元判定模型、多元邏輯回歸模型、多元概率比回歸模型、人工網(wǎng)絡模型和聯(lián)合預警模型六類。我國財務困境預警研究較國外起步較晚，學者們大多通過引進國外先進方法并對其進行改進。吳世農(nóng)和黃世忠（1986）開創(chuàng)了我國財務困境預測的先河，分析了財務指標在破產(chǎn)預測中的作用并介紹了Fisher判別分析的應用方法。吳世農(nóng)和盧賢義 （2001）運用Fisher線性判定、多元線性回歸和回歸分析，建立了主板市場ST公司的財務預警模型。此后，模型在我國財務困境預警研究領域得到許多學者的青睞，對于該模型的改進也在不斷深入。如鮮向鐸和向銳（2007）建立了財務困境預測的混合模型。

二、研究方法和研究樣本

國內(nèi)比較流行的是運用模型進行財務預警，其較高的預測準確性在以往的研究中得到了證明，因而本文基于模型對農(nóng)業(yè)上市公司進行財務困境預警，以2011年的數(shù)據(jù)為預測研究數(shù)據(jù)并用此期間公司的財務狀況檢驗模型預測的準確性。最后在2012年數(shù)據(jù)的基礎上，預測目前可能發(fā)生財務困境的農(nóng)業(yè)上市公司。

由于ST公司的標準能夠反映企業(yè)盈利能力的惡化和自有資本的消蝕，即真實償債能力的下降，并且特別處理是一個客觀發(fā)生的事件，有很高的可度量性，因此本文沿用國內(nèi)學者普遍采用的做法，即選取ST企業(yè)作為財務困境樣本企業(yè)。Zmijewski曾指出，當財務困境公司在樣本中所占的比重接近真實比重時能夠減少估計誤差。因此本文根據(jù)證監(jiān)會行業(yè)分類指引，選取全體A類上市公司作為研究樣本，數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。為了減少缺失值的影響，本文剔除了在此期間退市和新上市的公司。

三、實證分析

（一）指標篩選

通過對兩種財務指標的分析可知，定性指標選擇法主觀性較強，獲得的財務指標體系雖然財務含義清晰，但往往建模預測效果欠佳。定性和定量結合的方法克服了上述主觀性較強的缺點，通過設計的可分性度量尋找具有高信息含量的輸入特征，理論上更為科學，建模預測的實際效果也更佳，故本文在選取財務指標時采用此種方法。本文選擇企業(yè)盈利能力、償債能力、營運能力、發(fā)展能力、股東獲利能力、現(xiàn)金流量、風險水平等八個方面選擇指標，結合有關學者的研究，在剔除掉缺失值較多的指標之后，初步選了115個財務指標。

1.指標正態(tài)性及差異度檢驗。首先運用SPSS 20.0對指標進行Kolmogorov-Smirnov檢驗，結果顯示74個指標通過檢驗，符合正態(tài)分布。為了進一步驗證指標是否具有統(tǒng)計意義，即指標在ST公司和非ST公司之間是否具有顯著差異，本文進一步對符合正態(tài)分布的指標進行獨立樣本T檢驗，結果表明兩類企業(yè)之間具有顯著差異的指標有16個，分別是銷售收到現(xiàn)金比率、每股留存收益、留存收益資產(chǎn)比、每股籌資活動現(xiàn)金凈流量、每股未分配利潤、全部資產(chǎn)現(xiàn)金回收率、每股經(jīng)營活動現(xiàn)金凈流量、息稅前利潤、應收賬款周轉天數(shù)、市銷率、息前稅后利潤、財務費用率、存貨與收入比、息稅折舊攤銷前利潤、管理費用率、每股營業(yè)收入，對前面未能通過K-S檢驗的41個指標進行Mann-Whitney U檢驗，發(fā)現(xiàn)營運資金對凈資產(chǎn)總額比率、凈資產(chǎn)收益率增長率、營運指數(shù)和負債與權益市價比率等4個指標存在著明顯區(qū)分度。

2.指標相關性檢驗。原先115個指標經(jīng)過上面三步的篩選余下的20個指標不能直接代入方程，因為它們之間相關程度較高，直接進行分析不僅會因多重共線性對模型預測產(chǎn)生影響，也較為復雜。在經(jīng)過KMO統(tǒng)計量和Bartletts球形檢驗后，得到KMO值為0.327，小于0.5，因此不適用于主成分分析。因此本文改用簡單相關性分析，將相關系數(shù)限定在0.5之內(nèi)，排除那些相關性較強的指標，防止多重共線性對模型的干擾。

經(jīng)過相關性分析發(fā)現(xiàn)現(xiàn)金比率、息稅前利潤、存貨與收入比、息稅折舊攤銷前利潤、每股營業(yè)收入、負債與權益市價比率幾個指標直接存在較強的相關性，因而將其剔除。再用Eveiws6.0對變量進行異方差檢驗和顯著性檢驗之后，最終將變量留存收益資產(chǎn)比、每股未分配利潤、每股留存收益、全部資產(chǎn)現(xiàn)金回收率、每股經(jīng)營活動現(xiàn)金凈流量、應收賬款周轉天數(shù)、營運資金對凈資產(chǎn)總額比率、營運指數(shù)等八個指標納入預測模型，分別將其命名為 X1、X2、X3、X4、X5、X6、X7和 X8。

（二）財務困境預警模型分析

利用多元回歸方法分析變量之間關系或進行預測時的一個基本要求是：被解釋變量應該是連續(xù)定距型變量。然而，實際應用中這種要求未必都能夠得到很好的滿足。在數(shù)據(jù)分析的應用中，尤其是在社會科學研究中，有時會出現(xiàn)被解釋變量是0-1二值品質型變量的情況，即因變量只取0或1。在這種情況下，就要應用函數(shù)進行變量估計。

通常，運用多元回歸對變量進行研究分析或是進行預測時會要求被解釋變量應該是連續(xù)的定距型的變量。但是在實踐中，尤其是社科類的研究中，常常會發(fā)生違背這種假設的情況。比如虛擬變量，即0-1變量作為因變量的情況。此時，就需要建立logit回歸模型。

yi=1表示某個事件發(fā)生，yi=0表示該事件不發(fā)生，P表示自變量為Xi時該事件發(fā)生的概率，即yi=1的概率。由于logit模型不滿足一般的多元線性回歸分析的前提假設，因而采用極大似然估計對模型的參數(shù)進行估計。

本文的研究正好符合logit分布的特點，因此建立logit預測模型。若i上市公司處于ST狀態(tài)，令yi=1，反之則令yi=0。則上市公司被特殊處理的概率為P1，得到logit預測模型的函數(shù)形式 pi=E（yi|xi）=F（Xi，βi），其中 k 維行向量 βi=（β1i，β2i…βki）表示各個變量的決定系數(shù)；β0表示模型的截距；k維列向量 X1i=（X1i，X2i…Xki）T表示被選入的各個財務指標。

運用SPSS 20.0的Binary Logistic回歸對37家農(nóng)業(yè)上市公司2011年的數(shù)據(jù)對模型進行擬合，計算結果如表1所示。

表1 回歸結果

（三）預警模型的檢驗及預測

將2011年的數(shù)據(jù)代回預警模型，由于本文是選取全體農(nóng)業(yè)上市公司為樣本，而不是一般學者采用的1∶1的比例，經(jīng)過本文的多次嘗試，在同時保證第一類錯誤和第二類錯誤發(fā)生概率基本相同且具有較高的預測精度的前提下，選擇以0.3為最佳判定點而不是大多數(shù)論文所采用的0.5的分界點。

對得到的P值進行判定，若P＞0.3就判定公司發(fā)生財務困境，反之則認為公司財務狀況正常。其檢驗結果如表2所示。

表2 檢驗預測結果

由表2可以看出，預警模型的綜合預測準確率達到了97.3%，說明本文建立的模型有一定的可靠性和準確性。

同樣以0.3為最佳判定點，將2012年的財務數(shù)據(jù)代回建立的預警模型，剔除P值小于0.3的企業(yè)，得到7家目前可能發(fā)生財務困境的農(nóng)業(yè)上市公司及其概率，logit模型預測結果：公司名稱及財務困境概率p分別為：中福實業(yè)0.54、永安林業(yè) 0.33、綠大地 0.64、中魯 B0.59、*ST 景谷 0.98、新農(nóng)開發(fā) 0.87、香梨股份 0.67。

四、結論與建議

在上面預測結果中值得注意的是，永安林業(yè)（P=0.33）以前未被特殊處理過，據(jù)永安林業(yè)稱，受林業(yè)政策的影響，公司2013年砍伐面積指標同比上年下降31.89%；另因木材行情不斷走低，木材價格持續(xù)下滑，公司全年完成木材銷售9.27萬立方米，同比上年下降10.09%。公司同時還披露業(yè)績預告，預計2014年一季度虧損550萬元至1100萬元，上年同期公司虧損162.84萬元。公司稱今年第一季度虧損的主要原因為木材限伐政策仍在執(zhí)行中，木材產(chǎn)量持續(xù)減少，木質原料收購成本居高不下，雖然永安林業(yè)不是ST公司，但其面臨財務困境的可能性較大，這值得我們注意。

由于農(nóng)業(yè)投資周期長、風險大、收益低的特點，且容易受到氣候變化、經(jīng)濟形勢以及國家政策等多重因素的影響，農(nóng)業(yè)上市公司面臨的財務風險較高。公司應根據(jù)自身特點，建立適用于本企業(yè)的財務預警模型，結合非定量的方法進行分析，提早采取措施避免財務危機的惡化。同時建立健全風險防控機制，提高企業(yè)應對財務困境的能力，規(guī)避財務風險。這有助于農(nóng)業(yè)上市公司的可持續(xù)經(jīng)營，有利于農(nóng)業(yè)龍頭企業(yè)發(fā)揮模范帶頭作用，從而促進農(nóng)業(yè)和整個國民經(jīng)濟的健康發(fā)展。