农业上市公司的财务风险预警研究
2019-12-10芦笛王冠华
芦笛 王冠华
【摘 要】 农业具有特殊性,因季节等因素该行业存在一定的不确定性,其风险水平大大高于其他行业。因此,有必要建立一个恰当的财务预警模型对其财务风险进行预测、分析与控制。文章以2016年沪深两市A股43家农业上市公司为研究样本,采用因子分析法和聚类分析法对其进行了实证分析。研究表明,基于因子分析法构建的中国农业上市公司的财务预警模型在2013—2016年的判别准确率分别为88.37%、93.02%、79.07%和93.02%,具有良好的判别效果。研究还发现,62.79%的农业上市公司处于警示状态,其发展情况不容乐观。文章为后续财务预警方法的研究提供了新思路,同时也为财务预警问题的研究体系拓展了理论研究的边界,丰富了实务研究的经验与证据。
【关键词】 农业上市公司; 财务预警; 因子分析; 聚类分析
【中图分类号】 F275.5 【文献标识码】 A 【文章编号】 1004-5937(2019)24-0079-05
一、引言
农业不仅是中国最首要的行业,而且是中国国民经济的命脉。习近平总书记在党的十九大报告中强调了农业、农村、农民问题是关系国计民生的根本性问题,必须始终把解决好“三农”问题作为全党工作的重中之重。由于农业行业具有一定的特殊性,所以影响农业公司发生风险的因素是多方面的。这些农业公司一方面存在公司经营中均可能面对的政治风险、社会风险、经济风险与技术风险等,另一方面还存在一定的自然风险,如水灾、风灾、雹灾、冻灾、旱灾、虫灾等,其中自然风险的成因最不可控,并且发生后的影响范围较广,这些不确定性均会对农业公司收益造成较大的影响。
近10年,沪深两市A股中被证监会特殊处理的上市公司有547家,其中有17家农业上市公司,如香梨股份、农发种业、平潭发展、中鲁B和ST景谷等。此外,近年农业上市公司财务舞弊案件频发,比如众所周知的獐子岛集团的“扇贝出走”财务疑似造假事件,万福生科(现已更名为佳沃股份)财务造假案,平潭发展异常交易案,以及康华农业、步森股份信息披露违法违规案等。以上种种案例令人咋舌,无不说明目前农业上市公司的实际财务状况并不佳,甚至有些公司徘徊在破产的边缘。因此,如何分析农业上市公司形成财务危机的原因,并构建与之相符的财务预警模型,将可能的财务风险进行预测与控制显得至关重要。
国外学者在财务预警模型的构建研究方法方面有很大的突破。最早运用统计学方法进行财务预警模型研究的学者为Fitzpatrick[1],研究提出了单变量模型。在其研究基础上,Beaver[2]提出了更加完善的单变量模型,单变量模型使用简单、容易,但其判别精度不高。还有多名学者将Logit模型及其改进后的模型应用于财务困境研究中,为后续研究提供了理论基础[3-5]。Kim[6]则采用AdaBoosted决策树、组合模型的研究方法来研究影响财务困境的决定因素。通过上述文献可知,尽管国外学者对于财务预警方法方面进行了大量富有建设性的研究,但将这些理论方法与特殊行业的应用相结合的研究较少。
国内学者大多在国外学者研究的基础上,将已有的模型进行改进,或将已有的模型进行对比研究,运用于中国上市公司的财务预警之中。一些学者运用Logistic回归模型对上市公司的财务状况进行了预警分析[7-9]。高小雪[10]通过建立多元概率比回归模型(Probit)对上市公司的财务危机进行了预警分析。李茜等[11]运用附加动量法、共轭梯度法以及L-M优化法构建上市公司财务危机预测模型。
农业行业在运营风险方面相对于其他行业有一定的特殊性,并且现有研究对于农业上市公司财务预警模型的建立与比较大多囿于传统的方法(如单变量模型、多变量模型、Logit模型、人工神经网络模型等),很少运用与计算机网络结合较为先进的方法(如单元学习框架模型、粗糙集模型、决策树模型、梯度推进模型、模糊OSVR方法等)来进行实证研究[12]。比如袁康来[13]采用单变量分析法和多变量分析法对农业上市公司进行财务困境研究。张旭尧等[14]基于生存分析法对农业上市公司进行财务预警研究。张健[15]阐述了如何将传统的会计指标应用在农业上市公司财务预警中。袁源等[16]基于EVA理论构建了Logistic回归分析模型,对农业上市公司财务危机也进行了预警研究。本文基于因子分析法和聚类分析法对中国农业上市公司财务风险预警问题进行研究,將具有较大的理论及现实意义。
本文贡献在于以下三个方面:(1)以往财务预警问题的研究中,通常以医药行业、房地产行业、纺织行业等作为研究对象,对农业行业的财务危机预警的研究较少,本文的研究无疑拓展了现有财务预警研究领域的边界。(2)由于农业企业在经营特点以及财务危机管理的侧重点与其他企业不尽相同,因此农业上市公司在财务预警指标选取上也与其他行业存在明显差异。本文的研究完善并丰富了现有财务预警指标体系。(3)本文运用的因子分析法和聚类分析法对中国农业上市公司进行了实证研究,在内容上具有一定的创新,并提出了具有针对性的建议。
本文以中国2016年农业上市公司为研究样本,依据降维思想构建了因子综合得分模型,并对所选取的预警指标进行了单样本Kolmogorov-Smirnov检验以验证指标的正态性,同时对于指标的显著性采用T检验与Kruskal Wallis检验进行了检验,从而筛选出构建模型所需的财务预警指标。进一步运用因子分析法构建出财务预警模型,并对所构建的模型进行了稳健性检验,而且通过K均值聚类法对中国农业上市公司进行分类并发出警示。最后,得出研究结论,并指出研究的局限性和未来的研究方向。
二、中国农业上市公司概况
据国家统计局数据显示,中国农业上市公司主要分布在16个省份,其中,山东省、新疆维吾尔自治区、湖南省位居地域分布的前三位,分别拥有7家、5家和4家农业上市公司。传统农业大省辽宁省、河北省、广西壮族自治区2016年农业产值分别为4 422亿元、6 084亿元、4 591亿元,然而这三个省份中却仅有1家农业上市公司。具体而言,中国农业上市公司具有如下特征:
(一)股本规模太小和市值过低
截至2016年12月31日,中国农业上市公司总股本为429.95亿股,平均总股本每家上市公司为9.55亿股,总流通股本为319.68亿股,平均流通股本每家上市公司为7.10亿股,远低于同期沪深两市A股上市公司的相关数据,即平均总股本为18.42亿股与平均流通股本15.86亿股;中国农业上市公司的总市值为5 512.60亿元,平均总市值每家上市公司为122.50亿元,自由流通市值为2 849.94亿元,平均流通市值每家上市公司为63.33亿元,同样低于同期沪深两市A股上市公司的平均总市值180.51亿元,以及平均自由流通市值66.45亿元。
(二)主营收入构成多元化
以中国支农政策为名,部分农业上市公司却从事非农生产,从而使其面临着多元化“陷阱”。多元化经营的农业上市公司占到总农业上市公司的70%以上,且经营了很多非农行业业务,包括酒店服务业、房地产、矿物冶炼等逐利性行业。比如,京蓝科技91.98%的主营收入来自节水灌溉,国联水产87.88%的主营收入来自加工销售业务,仙坛股份94.91%的主营收入来自食品加工等。与此类似的上市公司比比皆是,表明农业上市公司主营收入构成多渠道化。
(三)整体盈利能力较差
通过对比2016年沪深两市A股上市公司和农业上市公司的净资产收益率、总资产报酬率、总资产净利率、销售净利率可知,沪深两市A股上市公司的每个平均盈利指标分别高于农业上市公司相关盈利指标达0.65%、0.64%、0.31%与2.13%,这表明农業上市公司的盈利能力整体较差。
(四)被借“壳”现象明显
在中国,农业“壳”资源是一个稀缺的资源,借助农业“壳”资源上市不但是一种经营策略,还能达到融资上市、获取更多利益的目的,因此很多企业通过并购、重组等资本运作的方式,获得农业上市公司的“壳”资源,然而却在上市后不久便进行了更名。
三、研究设计
(一)样本选取
本文选取2016年沪深两市A股的农业上市公司为初选样本,剔除两家停牌的公司,本文实际有效样本为43家农业上市公司,样本区间为2013—2016年。借鉴已有的研究成果,将净资产收益率高于20%的企业视为没有发生财务危机的企业,而将净资产收益率低于20%的企业视为产生了财务危机的企业。本文所用数据均来自于Wind数据库。
(二)指标初步筛选
本文在指标选取上重点参考中国农业类上市公司的已有文献,结合中国农业上市公司的具体情况和特征,依据新准则的规定,从盈利能力、偿债能力、营运能力、成长能力、现金流量5个角度,设置26个预警指标构建了中国农业上市公司财务预警指标体系(如表1所示)。
(三)指标检验
为了筛选出在评判财务危机企业和非财务危机企业中具有显著差异的指标,需要对指标进行显著性检验;为了进一步验证指标的显著性,需要对样本进行正态性检验。当样本服从正态分布时,用T检验来判断样本是否存在显著差异;当样本不服从正态分布时,用Kruskal Wallis检验来判断。
1.正态性检验与显著性检验
在α=0.05的显著性水平,X2、X3、X4、X8、X9、X10、X14、X15、X17、X19、X20、X24、X26这13个指标的样本总体的P值大于0.05,接受原假设,符合正态分布,不存在显著性差异。为了筛选出在评判财务危机企业和非财务危机企业中具有显著差异的指标,需要对指标进行显著性检验,本文主要采用T检验和Kruskal Wallis检验。当样本服从正态分布时,用T检验来判断其是否存在显著差异。经T检验,X3、X24在5%的水平显著;X4、X26在1%的水平显著;X2、X8、X14、X15、X17、X19、X20在1‰的水平显著。因此,这11个指标通过显著性检验,将其纳入到因子综合得分模型中。当样本不服从正态分布时,本文进一步采用Kruskal Wallis检验来判断,得出X1、X5、X6、X7、X11、X22在1%的水平显著。因此,这6个指标通过显著性检验,将其纳入到因子综合得分模型中。
2.预警指标筛选结果
经过筛选后,将通过显著性检验的17个预警指标纳入模型,其中,盈利能力指标占多数,其他指标占少数,说明盈利能力在判断农业上市公司财务预警状况时起到重要作用(如表2所示)。
四、实证结果
(一)因子分析
1.模型检验
本文在进行因子分析前,对样本数据进行了标准化处理,经KMO与Bartlett检验,从初始解来看,前5个因子的特征值大于1,说明该5个因子可以解释原有17个原始变量总方差的85.174%。根据解释的总方差结果显示,选取5个公因子的因子成分对所选取的公因子进行因子解释,作为选取公因子与原指标间的系数,得到因子旋转成分矩阵。
根据因子旋转成分矩阵可知,对于因子1(F1),其中每股收益Z(X1)、净资产收益率Z(X5)、总资产净利率Z(X6)、销售净利率Z(X7)、销售毛利率Z(X8)和息税前利润/总资产Z(X11)的解释力度最大,且除销售毛利率Z(X8)旋转后的解释程度在0.8以下(0.565),每个原始变量的解释程度均在0.8以上;对于因子2(F2),其中每股净资产Z(X2)、每股未分配利润Z(X3)和每股留存收益Z(X4)解释程度均在0.8以上;对于因子3(F3),其中存货周转率Z(X17)、流动资产周转率Z(X19)和总资产周转率Z(X20)的解释程度较大;对于因子4(F4),载荷量较大的是净利润增长率Z(X22)、每股经营现金流量Z(X24)和全部资产现金回收率Z(X26);对于因子5(F5),现金比率Z(X14)和资产负债率Z(X15)的解释程度较大。
进一步通过因子分析后,将原来17个财务预警评价指标替换为现在的5个公因子。通过计算,可以得出样本公司5个公因子的得分,并可分别从4个角度反映中国农业上市公司的财务状况。5个主因子的方差贡献率分别为32.895%、17.350%、15.527%、9.731%、9.671%,累计方差贡献率为85.174%。由于单独的某一因子并不能对中国农业上市公司的财务状况有一个全面的评价,所以将构造综合得分模型进行全面评价,该模型具体如下所示:
其中,F表示综合得分的分值;Fi表示第i个公因子。
将各样本的数据代入模型求得各样本综合得分,再对得分进行排序,最终得到综合得分与排名,其中排名前十的企业为温氏股份、益生股份、仙坛股份、牧原股份、雪榕生物、北大荒、圣农发展、登海种业、中鲁B、新五丰。
根据误判率最低原则和各综合得分F值,本文选取-0.5为界定公司是否发生财务危机的界限。若F≥-0.5,则判定企业不会发生财务危机;若F<-0.5,则判定企业会发生财务危机。从2016年的检验结果中可以看出,该模型在进行判别时,将不会发生财务危机的36家企业误判为会发生财务危机的企业仅有1家,准确率为97.22%,误判率为2.78%;将会发生财务危机的7家企业误判为不会发生财务危机的企业仅有2家,准确率为71.43%,误判率为28.57%;对2016年样本的总体判别准确率为93.02%,总体误判率为6.98%。
2.更进一步的检验
另取2013—2015年相同的43家公司财务数据作为样本,同样提取主成分后得出綜合得分,再代入模型进行检验。将所得到的判别值与各自年份的真实判别值进行对比,最终得到误判矩阵。从表3可以看出,该预警模型的判别准确率在2013—2015年分别为88.37%、93.02%和79.07%,平均判别准确率为86.82%,由此可见,该预警模型具有很好的判别能力,对农业上市公司财务危机具有一定的警示作用。
(二)聚类分析
在因子分析的基础下,本文运用K均值聚类法对农业上市公司的财务预警程度分类,这样将可更加直观地观测其分布水平。
1.聚类过程
根据K均值聚类的算法,经过5次迭代后,聚类中心达到收敛,初始中心间的最小距离为2.700。通过K均值聚类,样本最终被聚合成两类,这两类的综合得分分别为0.4600和-0.2733,二者聚类中心间的距离为0.733。
2.聚类结果
经计算,本文最终得到43家中国农业上市公司的财务预警情况(如表4所示)。其中,有16家公司被聚在第一类(无预警类别),27家公司被聚在第二类(预警类别),从预警结果可知,达到预警级别的公司占样本企业总数的62.79%。
五、研究结论
本文通过选取盈利能力、偿债能力、营运能力、成长能力和现金流量5个角度的17个财务指标,构建了较为科学完善的财务预警指标体系。之后采用因子分析法建立了财务预警模型,对中国43家农业上市公司进行了实证检验。通过对指标的T检验与Kruskal Wallis检验可知:非财务危机公司与财务危机公司在此17个财务指标上存在显著性差异,且盈利能力类的指标对于判定公司是否发生财务危机方面最为显著。研究发现,盈利能力的不足是诱发公司财务危机最重要的原因,尤其是针对农业上市公司而言,每股收益、净资产收益率、总资产净利率、销售净利率、销售毛利率和息税前利润/总资产,这六个盈利能力方面的指标对于其财务危机预警具有重要作用。此外,基于因子分析法构建的农业上市公司财务预警模型的判别效果较好,2013—2016年模型的判别准确率分别为88.37%、93.02%、79.07%和93.02%,从其判别趋势中可以看出,该模型在公司发生财务危机的前两年判别效果较佳。本文进一步用聚类分析法对现有农业上市公司进行分类,可知达到预警级别的公司有27家,占到总数的62.79%,说明中国农业上市公司大部分处于被警示状态,农业上市公司财务状况堪忧,应当引起证监会、投资者、债权人等重视。
本文贡献在于不仅在预警指标的选取上完善并丰富了现有财务预警指标体系,而且在预警方法上运用了因子分析法和聚类分析法进行财务预警的实证研究,内容上具有一定的创新。此外,本文针对于农业行业的财务危机进行预警,拓展了现有财务预警研究领域的边界。
本文只是针对农业类上市公司进行预警分析,并且未能考虑非财务指标,希望在后续研究中能够引入非财务指标,进一步根据不同行业构建更为完善的财务预警指标体系。此外,在现实生活中,由于数据本身的复杂性,并不完全符合某一个模型,很可能是多个模型相互作用的结果。因此,如何将多种统计分析方法结合来研究财务风险并对之有效控制与预测为未来应有的研究之义。
【参考文献】
[1] FITZPARTRICK P J.A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Accountant,1932(2):598-605.
[2] BEAVER W H. Financial ratios as predictors of failure[J].Journal of Accounting Research,1966(4):71-111.
[3] BECKMANN D,MENKHOFF L,SAWISCHLEWSKI K.Robust lessons about practical early warning systems[J]. Journal of Policy Modeling,2006,28(2):163-193.
[4] LIN S M,ANDREEVA G.Predicting default of a small business using different definitions of financial distress[J].Journal of the Operational Research Society,2012,63(4):539-548.
[5] LI S,WANG S.A financial early warning logit model and its efficiency verification approach[J].Knowledge-Based Systems,2014,70(C):78-87.
[6] KIM S Y. Predicting hospitality financial distress with ensemble models:the case of US hotels,restaurants,and amusement and recreation[J].Service Business,2018(2):1-21.
[7] 徐玉芳,邵胜华.中小企业财务危机预警模型设计及实证研究[J].会计之友,2017(12):31-34.
[8] 阿小燕,趙娟.资源型上市公司财务预警实证分析[J].财会月刊,2018(2):79-84.
[9] 邓旭东,张瑜,徐文平.基于现金流量角度的财务预警模型研究——以房地产行业为例[J].会计之友,2018(23):89-93.
[10] 高小雪.基于多元概率比回归模型的上市公司财务危机预警分析[J].企业经济,2015(4):188-192.
[11] 李茜,唐恒书.基于三种BP-NNs改进算法的财务预警研究[J].会计之友,2019(6):55-62.
[12] 彭静,欧阳令南,彭勇.国内外财务危机预警研究综述[J].科技进步与对策,2007,24(6):191-195.
[13] 袁康来.我国农业上市公司财务困境预测的实证研究[J].华东经济管理,2008(1):78-84.
[14] 张旭尧,张卫民.基于生存分析法的财务困境预警研究——以我国农业上市公司为例[J].商业会计,2016(3):38-41.
[15] 张健.传统会计指标在农业企业财务危机预警中的应用[J].北方经济,2013(22):76-77.
[16] 袁源,郭晖.基于EVA的农业上市公司财务危机预警Logistic回归分析[J].经济论坛,2017(3):79-82.