我國農(nóng)業(yè)上市公司財務(wù)風(fēng)險預(yù)警研究

□張良勇，秦曉丹，胡珊珊

（河北經(jīng)貿(mào)大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)學(xué)院，河北 石家莊 050061）

農(nóng)業(yè)不僅是我國國民經(jīng)濟的重要基礎(chǔ)，也是人們衣食住行的源泉和生存的基礎(chǔ)。隨著社會進步和經(jīng)濟快速發(fā)展，農(nóng)業(yè)上市公司越來越多，財務(wù)造假案例也頻頻發(fā)生。例如，最早的藍田股份造假污點及獐子島事件等。財務(wù)造假不僅損害公司利益，更會危害國家利益。

根據(jù)調(diào)查顯示，截至2020 年11 月26 日，僅滬深股票市場的上市公司已有4 594 家，農(nóng)業(yè)上市公司占97 家，是滬深上市公司總體的2.11%。作為我國經(jīng)濟發(fā)展的重要行業(yè)之一，客觀科學(xué)評價農(nóng)業(yè)上市公司的財務(wù)狀況，預(yù)測企業(yè)財務(wù)危機，便于迎接挑戰(zhàn)。

1 文獻綜述

國內(nèi)外學(xué)者對財務(wù)風(fēng)險預(yù)警的課題一直非常關(guān)注，相比國外，國內(nèi)的研究起步較晚，主要研究方面如下。財務(wù)風(fēng)險模型的構(gòu)建方法，劉斌和黃浩（2007）從非金融類公司抽取30 家上市公司利用判別分析和聚類分析的方法構(gòu)建財務(wù)預(yù)警模型，得出我國上市公司的財務(wù)數(shù)據(jù)能夠預(yù)測未來發(fā)生財務(wù)危機的概率。因子分析方法構(gòu)建財務(wù)預(yù)警模型，朱清香等（2012）對河北制造業(yè)上市公司進行實證分析，得出分析結(jié)果與公司實際情況相吻合；陳欣欣和郭洪濤（2021）用因子分析和Logit 回歸構(gòu)建的財務(wù)預(yù)警模型具有較高的擬合精度和判別能力；石志康和蔡靜俏（2021）將因子分析與Fisher 判別法相結(jié)合，所構(gòu)建的模型具有較高的判別能力。

從指標選取方面入手進行研究，影響企業(yè)發(fā)生財務(wù)危機的重要因素除了財務(wù)指標，非財務(wù)指標也發(fā)揮著重要作用。劉義龍等（2015）將非財務(wù)指標和財務(wù)信息相結(jié)合建立財務(wù)預(yù)警體系，研究發(fā)現(xiàn)兩者合并可以更好地警示上市公司的財務(wù)問題。蔣春燕（2021）使用MVR-PCA 和Logistic 回歸對中小企業(yè)財務(wù)預(yù)警模型進行構(gòu)建并分析，得出模型具有高準確性和穩(wěn)健性，同時也得出公司的盈利能力和現(xiàn)金流量能力對企業(yè)的財務(wù)風(fēng)險具有顯著影響。

公司是否會發(fā)生財務(wù)危機最重要的因素是其財務(wù)狀況，同時農(nóng)業(yè)上市公司的財務(wù)狀況與經(jīng)濟發(fā)展有著密切的聯(lián)系。文章將通過對目標公司財務(wù)數(shù)據(jù)進行處理和分析，在盈利、償債、營運成長能力和現(xiàn)金流量等方面篩選出對農(nóng)業(yè)上市公司財務(wù)風(fēng)險具有顯著影響的指標，并在因子分析和聚類分析的基礎(chǔ)上，對上市公司進行有效的預(yù)警分類。

2 數(shù)據(jù)來源與指標選取

2.1 數(shù)據(jù)來源

抽取2020 年47 家滬深A(yù) 股農(nóng)業(yè)上市公司并借鑒已有的研究成果，凈資產(chǎn)收益率是衡量股東資金使用有效性的重要財務(wù)指標，所以將凈資產(chǎn)收益率高于20%的公司作為沒有發(fā)生財務(wù)危機的公司，凈資產(chǎn)收益率低于20%的公司被視為處于財務(wù)危機中。樣本數(shù)據(jù)來源于同花順網(wǎng)站、東方財富網(wǎng)以及樣本農(nóng)業(yè)上市公司2020 年財務(wù)報表。

2.2 財務(wù)指標選取

根據(jù)我國農(nóng)業(yè)上市公司的實際情況以及新的政策準則規(guī)定，從盈利能力、償債能力、營運成長能力、現(xiàn)金流量等方面設(shè)置了25 個指標作為財務(wù)預(yù)警指標體系。以樣本的正態(tài)性為切入點篩選出顯著性指標，利用SPSS 軟件，對樣本進行KS 檢驗，判斷是否服從正態(tài)分布。使用T 檢驗判斷服從正態(tài)分布的指標是否存在顯著性差異；對于非正態(tài)分布的樣本，使用MW-U 檢驗、W-W-W 檢驗和K-S 檢驗相結(jié)合的方式，如果有1/2 以上非參數(shù)檢驗通過，則可說明所檢驗的指標有顯著差異。通過檢驗的指標如表1 所示。

表1 通過檢驗的指標

3 因子分析

3.1 因子分析的適用性檢驗

在進行因子分析時，需要對數(shù)據(jù)進行適用性檢驗即KMO 和Bartlett 球形度檢驗。經(jīng)檢驗，KMO 統(tǒng)計量為0.625，Bartlett 球形度檢驗的值接近于0。在顯著性水平0.05 下，說明所篩選的指標之間顯著相關(guān)。因此，可以用因子分析對樣本公司的財務(wù)風(fēng)險狀況進行評價。

3.2 公因子提取

利用SPSS 軟件構(gòu)建相關(guān)矩陣，采用主成分法抽取公因子。前6 個因子的特征值均大于1，并且累計方差貢獻率達到了85.524%，如表2。說明原始數(shù)據(jù)信息能被前6 個公因子充分解釋，因此，選擇前6 個公因子反映樣本公司的財務(wù)風(fēng)險狀況。

表2 解釋的總方差

在因子載荷矩陣的基礎(chǔ)上，采用了正交旋轉(zhuǎn)（最大方差法）進行轉(zhuǎn)換，得到旋轉(zhuǎn)后的載荷矩陣，如表3所示。

表3 旋轉(zhuǎn)后的因子載荷矩陣

從因子旋轉(zhuǎn)成分矩陣中可知，因子1 中每股留存收益、營業(yè)總收入、總資產(chǎn)和流動資產(chǎn)周轉(zhuǎn)率的解釋力度最大，除了流動資產(chǎn)周轉(zhuǎn)率處于0.9 以下（0.706）外，其余3 個變量的解釋程度均在0.9 以上；因子2 中每股收益、每股未分配利潤、凈資產(chǎn)收益率、現(xiàn)金比率和每股經(jīng)營現(xiàn)金凈流量的解釋程度均在0.6 以上；因子3 中流動比率和主營業(yè)務(wù)現(xiàn)金比率的解釋力度較大；因子4 中資產(chǎn)負債率的解釋力度最大，達到0.859；因子5 中經(jīng)營活動現(xiàn)金凈流量增長率和全部資產(chǎn)現(xiàn)金回收率兩個指標的解釋力度均較大；因子6中主營業(yè)務(wù)現(xiàn)金比率達到0.961，解釋力度最大。

3.3 綜合得分

基于因子分析，可以將原來的15 個財務(wù)指標更替為所提取的6 個公因子。然而各個農(nóng)業(yè)上市公司的財務(wù)狀況的評價不能單由某個因子決定，所以把所提取公因子的方差貢獻率作為權(quán)數(shù)，分別乘以各個公因子，得出綜合得分的計算公式，具體見公式（1）。

式（1）即為建立的47 家樣本公司的財務(wù)風(fēng)險預(yù)警模型，由此可以計算出47 家農(nóng)業(yè)上市公司的綜合得分，并將其經(jīng)過排序后，如表4 所示。

表4 財務(wù)狀況綜合得分

從綜合得分和排名可以看出，排名前10 的公司有獐子島、ST 云投、新農(nóng)開發(fā)、神農(nóng)集團、牧原股份、ST 景谷、ST 香梨、曉鳴股份、圣農(nóng)發(fā)展和東瑞股份。根據(jù)綜合得分，以0 為邊界點判斷公司是否會發(fā)生財務(wù)危機。當＞0 時，判定為不會發(fā)生財務(wù)危機；當≤0 時，判定為會發(fā)生財務(wù)危機?？傮w而言，樣本判別準確率為80.21%，總體誤判率為19.79%。預(yù)測結(jié)果如表5 所示。

表5 預(yù)測結(jié)果

4 聚類分析

基于因子分析，使用系統(tǒng)聚類中的平方歐式距離和Ward 法進行聚類分析判斷樣本公司的財務(wù)風(fēng)險預(yù)警程度，將變量設(shè)為財務(wù)預(yù)警6 個公因子得分。經(jīng)計算，樣本可分為兩大類，分別定義為A 類和B 類，其中A 類（預(yù)警）包含35 個公司，B 類（無警）包含12 個公司。每一類中農(nóng)業(yè)上市公司得分均相近，所以使用因子分析方法來構(gòu)建上市公司財務(wù)狀況綜合模型具有科學(xué)性和有效性。最終得到47 家農(nóng)業(yè)上市公司的財務(wù)預(yù)警結(jié)果，占樣本總數(shù)的74.47%，具體分類結(jié)果如表6 所示。

5 研究結(jié)論

根據(jù)我國農(nóng)業(yè)上市公司的實際情況，從4 個方面篩選出15 個財務(wù)指標，建立了比較完善的財務(wù)預(yù)警指標體系。之后運用因子分析的方法建立了財務(wù)風(fēng)險預(yù)警模型，并對我國滬深A(yù) 股47 家農(nóng)業(yè)上市公司進行了實證分析。先對樣本進行正態(tài)性檢驗，再對正態(tài)樣本的指標進行T 檢驗和非正態(tài)樣本的指標進行非參數(shù)檢驗，最終得出非財務(wù)危機公司和財務(wù)危機公司有顯著性差異的指標。

基于因子分析法，得到的財務(wù)風(fēng)險預(yù)警模型的判別準確率達到80.21%，誤判率為19.79%，說明構(gòu)建的模型判別效果較好；經(jīng)過聚類分析，將樣本農(nóng)業(yè)上

市公司進行分類，得到34 家公司達到預(yù)警級別，是研究樣本的74.47%。表明我國1/2 以上的農(nóng)業(yè)上市公司處于預(yù)警狀態(tài)，財務(wù)狀況今不如昔，需要引起相關(guān)重視。