农业与化工业上市公司信用风险比较分析

葛祺

[提要] 本文通过运用Z评分模型这一传统信用风险度量方法，分别对我国农业和化工制造业上市公司财务状况进行考察，通过选取总资产相近的各20家上市公司数据对这两个行业的信用风险情况做比较分析。研究发现：化工制造业中财务恶化的上市公司比例显著高于农业上市公司，但农业上市公司财务状况介于破产和良好之间的灰色区域比例远高于化工制造业。与化工制造业相比，我国农业企业面临的信用风险虽然较小，但财务状况缺乏活力，抵御风险的能力较差，更需要金融机构的政策支持。

关键词：Z评分模型；信用风险；跨行业比较

中图分类号：F83 文献标识码：A

原标题：基于Z评分模型的我国农业与化工制造业上市公司信用风险比较研究

收录日期：2016年11月24日

一、研究目的

随着现代社会信用交易的扩大，信用风险越来越成为各国政府、金融机构乃至整个社会广泛关注的焦点问题。尤其是上市公司作为企业直接融资的重要手段和间接融资的有效保障，其面临的信用风险不仅影响着市场投资者的判断，更影响着银行等金融机构对企业的贷款政策。因此，利用各种定性、定量手段考察企业信用风险，并以此为依据对银行结构性贷款风险进行防范和预警是非常必要的。

二、研究背景

2002年，向德伟用Z模型把沪深两地证券市场共80家企业作为样本，对上市公司经营风险进行了实证研究；2004～2009年，先后有学者分区域对我国中部和新疆上市公司经营风险进行分析；2005～2015年，不少学者分行业对我国畜牧业、林业、房地产业、机械制造业等上市公司进行研究；还有一些学者按照二级市场的分类，分别对我国A股市场的主板、中小板、创业板和高新技术类上市公司进行分析研究。但至今为止，尚没有对农牧饲渔和化工制造业的定量研究，也没有跨行业的信用风险比较分析。事实上，由于农业、尤其是现代农业与工业制造业的融合程度日益加大，且都是利用现有资源生产出满足人们需求的产品，两者都具有劳动密集型产业的特点，因此对农业和化工制造业上市公司的信用风险进行比较研究是可行的。

三、模型介绍

Z评分模型由美国经济金融学家Edward Altman在1968年提出，随后广泛应用于美国、澳大利亚、巴西、加拿大、英国、法国、德国、爱尔兰、日本和荷兰的财务预警系统。该模型以多变量的统计方法为基础，在经过大量的实证考察和分析研究的基础上，从上市公司财务报告中计算出一组反映公司财务危机程度的财务比率，然后根据这些比率对财务危机警示作用的大小给予不同的权重，最后进行加权计算得到一个公司的综合风险分，即z值，将其与临界值对比就可知公司财务健康状况和面临信用风险的严重程度。

其中：X1=流动资本/总资产，该指标反映了公司的流动性和资产规模；X2=留存收益/总资产，该指标反映了公司的累积获利能力；X3=息税前利润/总资产，该指标是衡量企业利用债权人和所有者权益总额取得盈利的指标，它反映了上市公司的资产利用率；X4=总市值/总负债，这一指标反映了股东提供的资本与债权人提供的资本的相对比例关系，也反映了债权人投入的资本受股东资本的保障程度，它衡量的是企业基本财务结构是否稳定；X5=销售收入/总资产，该指标衡量企业利用全部资产进行经营活动、增加营业收入的能力，反映了企业资产周转率。

Z评分模型从企业的流动性、资产规模、获利能力、债务结构、资产利用率等方面综合反映了企业的财务状况。Altman通过对Z评分模型的研究分析得出Z值与公司财务恶化、进而产生信用风险的可能性成反比。即Z值越小，公司发生财务危机的可能行就越大；Z值越大，公司发生财务危机的可能性就越小。

根据Altman的研究结论，当Z<1.8时，企业面临破产风险；当1.8≤Z<2.99时，企业属于“灰色区”，可能面临一定的风险；当Z≥2.99时，公司财务状况良好。

四、样本选取和数据分析

本文首先选取沪深两市A股农业上市公司共61家、化工制造业上市公司共152家，分别考察截至2016年上半年末农业和化工制造业上市公司信用风险情况；其次，从61家农业类上市公司、152家化工制造业上市公司中选取总资产规模大致相当的各20家公司共计40个样本进行跨行业比较。

考虑到我国部分上市公司存在非流通股的情况，因此在计算X4时还加入了非流通股的净资产情况。上市公司销售收入数据一般没有披露，因此在计算X5时用主营业务收入代替销售收入。具体调整如下：

X1=（流动资产-流动负债）/总资产

X2=（公积金+未分配利润）/总资产

X3=（利润总额+财务费用）/总资产

X4=（每股市值×流通股股数+每股净资产×非流通股股数）/总负债

X5=主营业务收入/总资产

以上数据来源于沪深证券交易所网站、公开披露的上市公司财务报表和东方财富终端。根据Z评分模型公式，计算结果如下：

（一）农业、化工制造业上市公司Z值分布。从表1、表2可以看出，农业上市公司共61家，其中ST类公司1家，面临破产风险的5家，处于灰色区域的11家，财务状况良好的45家。化工制造业上市公司共152家，其中ST类公司7家，面临破产风险的26家，处于灰色区域的14家，财务状况较好的有112家。（表1、表2、图1、图2）

（二）农业、化工制造业上市公司样本Z值比较。在农业类中，总资产分布在20亿～40亿元之间的上市公司比较密集，在化工制造类中，总资产分布在20亿～30亿元之间的上市公司比较密集，因而按照升序方式选取总资产在19.4亿～39亿元的农业上市公司和总资产在20.1亿～32亿元的化工制造业上市公司各20家作为样本。（表3）

从表3可以看出，在两行业总资产相近的各20家上市公司中，处于破产区的数量都是2家，但明显两家化工制造业企业的Z值较小，说明其财务状况恶化程度较高。处于灰色区的化工制造业上市公司只有1家，而灰色区域的农业上市公司有3家，说明这些农业类上市公司虽不至于马上面临破产风险，但抵御风险能力差，在受到不确定因素影响时财务状况仍然堪忧。

五、研究结论

近年来，尽管银行等金融机构积极响应国家“三农”政策，对涉农贷款力度不断加大，但由于农业企业缺少有效担保抵押物，加上受自然灾害因素影响较大，要获得贷款仍然比较困难。2016年，根据银行中期报告的数据，四大国有银行对化工制造业的贷款占比远高于对农业的贷款占比。事实上，通过本文的比较研究可以看出，从财务危机引发信用风险的角度，农业处于破产区的上市公司比例远低于化工制造业，这一点与农业ST类公司较少而化工制造业ST类公司数量较多的事实是一致的，说明总体来说，农业类上市公司财务恶化的风险远小于化工制造业企业。但处于灰色地带的农业企业比例是化工制造业企业的近两倍，说明相当一部分农业上市公司的财务状况无法应对因为政策环境发生变化或者企业内部经营不善可能带来的失信风险。与化工企业相比，这些处在灰色区域的农业企业更需要产业补贴和政策扶持。

主要参考文献：

[1]Altman，Edward I，Robert G.Haldeman，and Paul Narayanan，“ZETA Analysis：A new model to identify bankruptcy risk of corporations”.Journal of Banking & Finance，1977.

[2]叶蜀君.信用风险度量与管理信用管理.北京：首都经济贸易大学出版社，2008.

[3]陈宁.基于Z模型的财务困境预测应用——以亚太周边市场及中国A股市场为例.金融经济（理论版），2009.9.

[4]胡胜，张永杰.Z模型在我国的适用性与临界值研究.财会通讯，2011.17.

[5]赵嘉敏，宁宇新.Z模型在我国畜牧业上市公司的应用.合作经济与科技，2014.19.