我國農(nóng)業(yè)上市企業(yè)財務風險評價研究

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年的財務指標數(shù)據(jù)，并采用F分數(shù)模型對這些企業(yè)的財務風險進行評價，結(jié)果顯示，我國農(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)的財務風險水平較高，財務風險狀況不穩(wěn)定，并針對如何防范財務風險提出了相應建議。

關(guān)鍵詞：上市公司；財務風險；F分數(shù)模型

國內(nèi)外對于財務風險評估研究狀況

關(guān)于國內(nèi)外研究財務風險評估方法的文獻，總結(jié)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(yè)的財務狀況進行分析，并運用單變量分析法構(gòu)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(yè)及另外27家非ST企業(yè)進行了分析。

多變量模型

著名學者Altman（1968）構(gòu)建了一個多變量模型——Z分數(shù)模型，這個模型選取了5個變量，并為每個變量賦予權(quán)重，Altman 通過研究，發(fā)現(xiàn)當 Z ≤ 1.81 時，破產(chǎn)風險很高； 當 Z ≥2.675，企業(yè)的經(jīng)營狀況良好，財務風險很小。由于Z 分數(shù)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(xiàn)金流量設計出了F計分模型。

神經(jīng)網(wǎng)絡模型

隨著計算機技術(shù)的發(fā)展，神經(jīng)網(wǎng)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(jīng)網(wǎng)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(yè)銀行的財務風險進行研究時采用了 BP 神經(jīng)網(wǎng)絡模型。

在以上的方法當中，最為經(jīng)典和應用最廣泛的模型是多變量模型當中的Z分數(shù)模型，但由于Z分數(shù)模型忽略了現(xiàn)金流量對財務風險的影響，且該模型是基于國外的樣本構(gòu)建的模型，對我國企業(yè)財務風險的計算準確度不高，馬曉利（2009）運用Z分數(shù)模型和 F 分數(shù)模型分別對 41 家上市農(nóng)業(yè)企業(yè)及以ST 中農(nóng)為例進行實證研究，結(jié)果顯示， F分數(shù)模型比Z分數(shù)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(xiàn)金流量指標構(gòu)造出來的F分數(shù)模型對目前我國43 家A股上市的農(nóng)業(yè)企業(yè)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(nóng)業(yè)企業(yè)的財務風險進行評價，能對我國農(nóng)業(yè)企業(yè)的財務風險管理起到提示的作用，進而促進我國農(nóng)業(yè)企業(yè)的發(fā)展。

我國農(nóng)業(yè)上市公司財務風險狀況

在我國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)來自全國 15個省和自治區(qū)， 山東省以6家的優(yōu)勢獨占鰲頭，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。農(nóng)業(yè)上市公司的生產(chǎn)經(jīng)營通常受區(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)出過程比較漫長，分散程度高，是自然再生產(chǎn)和經(jīng)濟再生產(chǎn)交融在一起的特殊行業(yè)，加上生物產(chǎn)品從生產(chǎn)到銷售的每一個環(huán)節(jié)都高度依賴對外部環(huán)境，造成了農(nóng)業(yè)企業(yè)的生產(chǎn)經(jīng)營較為被動，即自然風險很高。過去曾經(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）運用報表分析方法對四十家A股上市的農(nóng)業(yè)公司的2013 ～2016 年財務數(shù)據(jù)進行分析，得出了農(nóng)業(yè)公司總體的變現(xiàn)能力差，負債結(jié)構(gòu)不平衡，投入產(chǎn)出不成比例，投資回報率低，資產(chǎn)營運能力低，獲利能力及資產(chǎn)收益率低的結(jié)論。由此可見，我國農(nóng)業(yè)上市企業(yè)在財務危機防范方面還有欠缺，因此對農(nóng)業(yè)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(shù)模型沒有把現(xiàn)金流量作為一個考慮的因素，因而不夠全面。1996年，中國內(nèi)地學者周首華、楊濟華等以Z分數(shù)模型為基礎，擴大樣本量，設計出了F分數(shù)模型。F分數(shù)模型的顯著特征是：

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

第二，F(xiàn)分數(shù)模型將現(xiàn)代化公司財務狀況的發(fā)展結(jié)合了有關(guān)標準的變更。

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

F 分數(shù)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(shù)模型與Z分數(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值的大小；而變量X3、X5在F分數(shù)模型中分別表示企業(yè)所創(chuàng)造的全部現(xiàn)金流量對企業(yè)債務的保障能力及企業(yè)總資產(chǎn)創(chuàng)造現(xiàn)金流量的能力。而Z分數(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)的營運能力

F值的計算

為了了解農(nóng)業(yè)企業(yè)的財務風險水平，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)作為樣本并對這些企業(yè)的F值進行了計算，數(shù)據(jù)獲取途徑主要通過和訊網(wǎng)、東方財富網(wǎng)、前瞻數(shù)據(jù)網(wǎng)，在計算所有者權(quán)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(jié)果分析

從表2中計算可得我國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%，最為嚴重的是其中7家企業(yè)：*ST新賽，天山生物，新農(nóng)開發(fā)，敦煌種業(yè)，云投生態(tài)，西部牧業(yè)，好當家的F值甚至出現(xiàn)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(chǎn)危險，應重點關(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14家企業(yè)，占比32%，說明這14家企業(yè)財務狀況較為安全，發(fā)生財務風險可能性較小。

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，說明公司風險處于不確定區(qū)域，財務狀況不穩(wěn)定，發(fā)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(nèi)。

變量X對F值的影響分析

以上分析表明我國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，整體來說F值偏大，為了更深入地了解原因，本文對 43 家樣本企業(yè) 2016年具體的X值進行描述統(tǒng)計分析，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(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43 家農(nóng)業(yè)上市公司整體財務風險不穩(wěn)定，各企業(yè)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(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(nóng)“問題作為工作的重點和難點?！皬娹r(nóng)”“惠農(nóng)”“一、二、三產(chǎn)業(yè)融合”等等政策的出臺及國家加大對農(nóng)業(yè)政策扶持力度這些利好，使得市場對農(nóng)業(yè)企業(yè)的未來發(fā)展普遍看好，一時間農(nóng)業(yè)領域成為了投資的熱點，農(nóng)業(yè)的生產(chǎn)模式由原來傳統(tǒng)分散的家庭式向集約化、產(chǎn)業(yè)化、規(guī)?；藴驶纳a(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)展正迎來了前所未有的大好時期。

建議

樹立財務風險意識，建立企業(yè)財務風險預警系統(tǒng)

由于財務風險無處不在，故農(nóng)業(yè)企業(yè)應該建立完善的財務及內(nèi)部控制制度，建立企業(yè)財務風險預警系統(tǒng)。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(jiān)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(yè)不必要的管理成本。

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

當前我國農(nóng)業(yè)上市公司的資產(chǎn)負債率整體偏低，因而X4普遍較大，故資本結(jié)構(gòu)有待調(diào)整。我國農(nóng)業(yè)發(fā)展市場前景樂觀，而農(nóng)產(chǎn)品的投入具有回收期較長的特點，如果農(nóng)業(yè)公司資產(chǎn)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(nóng)業(yè)上市公司應該根據(jù)自身的實際情況對公司的資本結(jié)構(gòu)進行調(diào)整，適量提高企業(yè)的債務資本，保持公司適度的負債規(guī)模，最大限度地發(fā)揮債務資本所帶來的財務杠桿效應。

此外，農(nóng)業(yè)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(yè)利潤增長速度與穩(wěn)健經(jīng)營的關(guān)系。

提高產(chǎn)品質(zhì)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(xiàn)，而且是產(chǎn)品質(zhì)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(nóng)業(yè)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(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)上市公司應該加大對技術(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)新能力和科研開發(fā)實力并及時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：北京中國農(nóng)業(yè)大學經(jīng)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(nèi)部控制視角下的農(nóng)業(yè)企業(yè)財務風險控制研究——以DTJ公司為例[D]. 安徽財經(jīng)大學，2017.

[8]馬曉利.我國農(nóng)業(yè)上市公司財務危機防范體系研究[D]. 西北農(nóng)林科技大學，2009.