我国农业上市公司财务预警研究综述

张国政，陈维煌

(湖南农业大学商学院，湖南长沙 410128)



我国农业上市公司财务预警研究综述

张国政，陈维煌*

(湖南农业大学商学院，湖南长沙 410128)

回顾了企业财务危机预警的基本研究理论，并对国内外财务预警的研究现状进行了评述，将我国学者对于农业上市公司财务预警的研究进行了梳理，把握目前的研究热点与发展方向，为后续的农业上市公司财务预警研究提供线索。

农业上市公司；财务危机；财务预警

在市场经济的背景下，企业之间激烈的竞争让财务危机的发生更为频繁，不加以控制的危机甚至会导致企业破产，由此会引发一系列经济和社会问题，故进行企业财务危机预警成为学者们研究的热点。在我国这样一个农业大国，农业上市公司在不断发展壮大的同时，也面临了巨大的风险，暴露出很多的问题，因此，对农业上市公司进行财务预警在我国是一个很有现实意义的问题，也是一个值得研究的课题。

1 财务预警研究理论概述

企业财务预警，即借助企业所提供的相关财务报表、经营规划及其他会计资料，利用财务、会计、统计、金融、企业管理、市场营销等多种理论，采用比率分析、比较分析、因素分析等分析方法，对企业的经营与活动进行分析预测，以期发现企业潜在的经营和财务风险，提前向企业经营者发出警告，给予企业管理当局采取有效对策的时间，有效防止潜在的风险演变成损失，起到未雨绸缪的作用；同时，作为企业经营预警系统的一部分，企业财务预警系统也为企业调整经营方向、改进经营决策、进行有效资源配置提供了可靠依据。

企业财务预警研究主要有以下理论。

1.1 非均衡理论非均衡理论(disequilibriatheories)认为，企业破产主要归因于外力冲击，如灾害理论和混沌理论。Ho和Saunder首次将灾害理论应用于公司破产研究领域，他们在灾害理论的指导下对美国的银行管制进行了研究，发现银行破产并非由于逐步衰落，而是一种归因于管制机构行为的突然倒闭[1]。

1.2 企业逆境管理理论该理论由佘廉首次提出，试图通过研究企业经营失利、管理行为波动与失误失效的成因机理和运动规律，寻找规避和摆脱企业逆境的管理方法的理论[2]。该理论的研究成果为企业的管理活动中在各种境况中预防失误、规避风险、保持经营活力提供了科学的理论指导。

1.3 权衡理论该理论强调在实现债务利息的抵税收益与财务困境成本平衡的前提下，企业价值最大化时的最佳资本结构。债务利息的扣除可以在税前，因此企业可以利用债务利息抵税的作用，扩大企业负债规模，增加企业价值。增加企业的负债固然是好，但不是说债务越多越好，因为过多的债务有可能会导致企业发生财务困难，使企业破产的可能性提高，企业破产会带来破产成本。因此，在决定资本结构时，企业要综合考虑负债的避税效应和破产成本对企业价值的影响，对两者之间的关系进行权衡。表达式为：

VL=VU+PV(利息抵税)-PV(财务困境成本)

1.4 代理理论代理理论就是研究代理关系及解决代理冲突的理论，不完全契约、信息不对称以及经理、股东与债权人之间的利益冲突将会对项目的选择产生影响，尤其是在企业出现财务危机时，过度投资问题或者投资不足问题更容易出现，他们的出现将导致债务代理成本的产生。其公式表示为：

VL=VU+PV(利息抵税)-PV(财务困境成本)-PV(债务的代理成本)+PV(债务的代理收益)

若财务困境成本的现值与债务的代理成本现值之和大于无负债企业的价值与利息抵税的现值以及债务的代理收益现值这3项之和，则企业价值为负，企业很可能会破产。

2 国内外关于财务预警的研究现状

2.1 单变量判定模型Fitzpatrick开启了利用一元判定预警模型预测企业财务困境的先河，运用单个财务比率将19家样本公司划分为破产和非破产两组来进行研究[3]。在Fitzpatrick研究结果的基础上，美国学者William Beaver提出了更为完善的单一变量模型，并发现越靠近企业的破产日期该模型的准确度越高[4]。吴世农等在国内上市公司中选取了140家作为样本，包括70家财务困境和70家财务正常的公司，采用了21个财务指标，进行了单变量分析[5]。吴芃等以纺织行业为例，建立了该行业上市公司陷入ST前、后2个阶段的模型，进行单变量分析，结果表明这些模型在2个阶段都取得了较好的效果[6]。何玉梅等在我国沪深股市上市公司中选择了样本公司计算财务困境临界值，通过实证分析比较了一元判别法和Z-score模型，Z-score模型准确度达到了85%以上，高于单指标模型64.324%的准确率，更为有效[7]。

单变量判别方法简便易行，但是由于变量数目的限制使得该模型具有一定的局限性，无法充分的反映企业的财务特征，此外，单变量判别模型的结论也容易受到通货膨胀的影响。正是由于这些局限性，后来的学者均倾向于采用多变量判别模型来进行企业的财务风险预警。

2.2 多变量判定模型多变量判定模型在单变量判定模型的基础上更进一步，采用多个财务指标并分别赋予其权重，最后进行加权，确立一种函数关系。

美国的 Altman教授提出的Z-score模型是一种十分有代表性的多元判定模型，为后续研究的发展奠定了良好的基础。Altman教授从22个作为初始变量的财务指标中最终筛选出5个财务指标建立起一个Z计分模型来区分企业的财务情况是健康还是失败。上市公司的Z-score模型如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中Z为判别函数值，X1～X5为Altman教授定义的5变量，依次为营运资金/资产总额，留存收益/资产总额，息税前利润/资产总额，权益的市场价值/负债账面价值总额，销售收入/资产总额。通常企业的Z值越低则破产的可能性就越大[8]。

在非线性情况下，具有典型意义的有以下2个模型：Logistic 模型和 Probit 模型。Logistic 判别函数为：

ln[p/(1-p)]=a+bx,p=[exp(a+bx)]

将企业破产的概率假定为p，样本服从正态分布，选取与p对应的分位数的财务指标，根据概率比回归模型计算的结果对企业的财务状况进行判定。美国学者Ohlson首次采用Logistic回归模型进行财务预警，估计了3个模型，采用了9个变量，发现至少有公司规模、企业的资本结构、企业业绩和企业当前的资产变现能力这4类变量能对企业破产概率产生显著影响[9]。

Probit 模型的原理类似于Logistic 模型，但在该模型中要先假设企业样本服从标准正态分布。较之于累计标准正态分布复杂的计算，相对直接简单的Logistic 模型在实证分析中更为广泛的被采用。

在我国，杨淑娥等基于Z-score模型，采用主成分分析法，建立了Y分数模型，通过研究认为该模型在预测上市公司的财务危机是否发生时具有较高的可信度[10]。张鸣等采用Logit回归法构建财务指标预警模型，对企业进行中长期的财务预警[11]。康晓玲等以一季度报表和半年报表为界限对短期与长期进行界定，研究时运用Logistic结合逐步回归的分析方法，认为短期模型更具时效性，考虑重要的非财务指标对于构建长期模型具有重要意义[12]。刘桂英等从企业增长模式的角度构建了包含增长偏离度绝对和的财务预警模型[13]。

2.3 动态预警模型市场经济形势的周期性与波动性的变化导致了企业财务状况相应的波动，财务危机也呈现出一个逐渐演变的状态，构建动态预警跟踪模型更能适应实际情况。人工神经网络是一种主要的的动态预警方法。神经网络分析方法是一种具有高度并行计算能力和随复杂环境不断变化的自学能力，该方法是模拟人类大脑神经运行的模式。

Odom和Sharda首次将人工神经网络应用于财务预警研究，以 Altman 教授所确定的5个财务比率作为研究变量，构建了倒传递网络模型，并且将其与判别分析做验证比较，结果表明类神经网络在财务预警方面有更好的效果[14]。Green和Choi将人工神经网络用于财务信息失真方面的研究，以财务指标为输入变量，构造了会计舞弊判别模型，研究结果表明这一模型将极大地提高独立审计师发现舞弊行为的能力[15]。

动态预警模型在财务预警方面呈现出极大地优势，国内学者纷纷展开研究。周敏等基于模糊优选和神经网络，综合了危机判定、动态预警功能，提出了一个财务危机判定与预警模型，效果比判别分析、F分数模式等功能单一的预警方法更有优势，对企业财务危机的动态监测预警具有更高的可行性，并且在判定企业状态方面降低了对操作人员的专业能力要求，更为合理[16]。李晓峰等将Rough集(粗糙集)和ANN(人工神经网络)理论相结合，构造了Rough-ANN模型，并且对其可行性与有效性进行了验证[17]。秦小丽等基于灰色理论与神经网络构建了动态静态相结合的财务预警模型，灰色模型的预测结果将作为神经网络模型的输入变量，判定结果完全准确，非常有效[18]。

3 关于农业上市公司财务预警的研究

陈远志等进行实证研究的数据来源于我国沪深两市的农业板块上市公司，对于单变量分析、Z-score模型、Zeta模型、F模型以及F’分数模型(即F模型中加入行业修正值)的财务预警效果进行比较，结果表明后3个模型的预测准确率明显高于其他，认为应该关注财务预测的时效性，可以通过引入行业相关的修正因素来显著提高预测准确性，提高对于财务预警的行业差异性研究[19]。王新利等根据农业上市公司提供的会计信息，结合了偏最小二乘法与BP 神经网络模型进行财务财务预警评价，预测结果的综合正确率达到 90.2%，为农业上市公司相关人员提供参考[20]。杨亦民等选取了我国35家农业上市公司作为样本，对其相应的财务数据进行统计分析，比较了Z-score模型、F分数模型和 F1改进模型对我国农业板块上市公司的财务预警效果，发现F1模型相对来说是最优的，并分析了3个模型产生偏差的原因，并认为我国农业上市公司从实用价值考虑，必须根据行业实际情况修正模型的判别标准[21]。

总体来看，我国在农业上市公司财务预警领域的研究工作还非常有限，农业相对于其他行业来说，由于受到自然环境的约束，在财务风险与财务风险预警方面具有其独特性，因此，农业上市公司财务预警领域的研究还具有很大的空间。

4 综合评述

综合现有的关于财务预警的研究，多变量判定模型较之于单变量判定模型更有效、更准确已经成为共识，动态模型更具有时效性，特别是神经网络技术的引入使得海量财务数据的快速处理成为可能，并且神经网络模型的非线性特征对于财务风险剧烈的情况预测精确度较高，因此该理论的引入对于财务预警领域具有重要的理论与实际意义。

在以往的研究中，财务预警的研究往往都是对于整个上市公司而言的，关注的仅仅是统一模式的预警模型，而对某一个具体行业预警模式的深入挖掘研究较为欠缺；不同学者研究所选取的指标与应用的模型各异，这样的差异性的存在往往会对财务预警模型的实际应用产生影响，缺乏一套公认的、规范的财务预警体系。对农业上市公司来说，财务预警的研究程度还很有限，切合行业实际的动态预警模型的建立还需完善，具有很大的发展空间。

[1] HO T，SAUNDERS A.A catastrophe model of bank failure[J].Journal of Finance，1980，35(15)：1189-1207.

[2] 佘廉.企业逆境管理[M].沈阳：辽宁人民出版社，1993.

[3] FRIZPTRICK P.A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms[M].New York:Certified Public Acountant，1932：598-605，656-662，727-731.

[4] BEAVER W.Financial Ratios as Predictors of failure[J].Journal of Accounting Research，1966，4：77-111.

[5] 吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001(6)：46-55.

[6] 吴芃，吴应宇，仲伟俊.基于单变量分析的我国上市公司两阶段财务预警模型实证研究——以纺织行业为例[J].东南大学学报：哲学社会科学版，2006，8(2)：18-23.

[7] 何玉梅，张涛.上市公司财务危机预警模型之有效性选择——基于单变量模型判别法和Z计分法的选择[J].现代财经，2011，31(5)：72-76.

[8] ALTMAN E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，23(4)：589-609.

[9] OHLSON J A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research，1980，18(1)：109-131.

[10] 杨淑娥，徐伟刚.上市公司财务预警模型——Y分数模型的实证研究[J].中国软科学，2003(1)：56-60.

[11] 张鸣，程涛.上市公司财务预警实证研究的动态视角[J].财经研究，2005，31(1)：62-71.

[12] 康晓玲，张懿.企业财务预警模型研究——基于中报数据与可持续增长模型的重构[J].科研管理，2009，30(1)：45-55.

[13] 刘桂英，董丽.基于增长偏离度的企业财务预警模型构建[J].统计与决策，2013(9)：59-63.

[14] HART A.Using neural networks for classification tasks：some experiments on data sets and Practical advice [J].Journal of Operation Research Society，1992，43(3)：215-226.

[15] GREEN B P，CHOI J H.Assessing the Riskof Management Fraud though Neural Network Technology [J].Auditing，1997，16：1-19.

[16] 周敏，王新宇.基于模糊优选和神经网络的企业财务危机预警[J].管理科学学报，2002，5(3)：86-90.

[17] 李晓峰，徐玖平.企业财务危机预警Rough-ANN模型的建立及其应用[J].系统工程理论与实践，2004(10)：8-14.

[18] 秦小丽，田高良.基于灰色理论和神经网络的公司财务预警模型[J].统计与决策，2011(16)：176-178.

[19] 陈远志，罗淑贞.我国农业上市公司的时务预誉实证研究[J].经济与管理研究，2008(3)：89-94.

[20] 王新利，陈 敏.基于偏最小二乘 BP 神经网络的财务预警研究——以农业上市公司为例[J].农业技术经济，2011(11)：122-128.

[21] 杨亦民，袁洁，陈罗琴.多变量财务预警模型比较研究——来自农业上市公司的经验证据[J].财会通讯，2013(4)：112-113.

2012国家社科青年基金(12CGL046)；2012年度教育部人文社科青年基金(12YJC790259)。

张国政(1976- )，男，湖北浠水人，副教授，博士，硕士生导师，从事会计与财务管理研究。*通讯作者，硕士研究生，研究方向：会计与财务管理。

2015-02-02

S-9；F 253

A

0517-6611(2015)09-351-02