我国农业上市公司的财务预警实证研究，本文主要内容关键词为：上市公司论文,我国农业论文,财务论文,实证研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F830文献标识码：A 文章编号：1000－7636(2008)03－0089－06
一、问题的提出及文献综述
近年来，随着我国资本市场的发展，上市公司的优胜劣汰以及破产退出机制的逐步确立趋势进一步明晰，上市公司的财务预警分析也因此受到更为广泛的关注。参与国内近年来相关的财务困境预警研究的学者有：周首华(1996)、陈静(1999)、陈晓、陈治鸿(2000)、高培业、张道奎(2000)、张玲(2000)、张鸣、张艳(2001)、吴世农、卢贤义(2001)、李华中(2001)、宋力、李晶(2004)、杨淑娥、王乐平(2007)等。综观其研究文献，国内的上市公司财务预警分析注重统一的预警模式，较少深入到某一具体行业，也较少考虑不同行业的差异性。而笔者注意到，我国上市公司的财务数据指标具有显著的行业差异性(陈远志等，2006)，对基于公司财务指标数据的财务预警分析可能产生影响，因而有必要具体考察财务预警模型在具体行业公司中预警效果的差异性。鉴于此，本文拟基于具体的代表性行业，从一个侧面探讨我国上市公司具体行业财务预警分析的必要性。
基于对我国上市公司13类行业的比较分析，笔者发现，出现财务困境的140多家ST企业主要分布在11个行业范围内，其中农业板块陷入ST的上市公司比例高达25％以上，因此，本文拟选择我国农业上市公司作为先期的具体研究对象，以考察上市公司财务预警分析的行业差异性。笔者也发现，国内有些文献已经开始注意到财务预警分析的行业差异性以及具体行业分析的必要性(如陈志斌、谭瑞娟，2006；范文亮、贺照利，2007)，与笔者以上推断的出发点相一致。
从国外的相关研究来看，自20世纪30年代以来，“财务危机”(Financial crisis)或“财务困境”(Financial distress)预警分析从单变量判定模式(Fitzpatrick，1932；Winaker和Smith，1935；Merwin，1942；Beaver，1966)发展到多变量预测模型，如线性判定分析(Z计分模型，Altman，1968；Z′模型，Altman，1977；跨行业的Zeta模型，Altman，Haldeman和Narayanan，1977；Sinkey，Terza和Dince，1987)、线性概率模型(Deakin，1972)、Logit和Probit条件概率模型等，进而开始应用到神经网络模型和数据挖掘等方法(如Tam和Kiang，1992)。需要特别指出的是，以上的国外研究多数采用破产标准(Alman，1968；Zmijewski，1984)作为财务危机或财务困境的标志，但中国从1988年开始试行《企业破产法》至今，还没有1家上市公司破产，因此，采用国外学者的做法不符合中国的现实情况。国内学者大都将特别处理(ST)的上市公司作为存在财务危机的公司(如陈静，1999；李华中，2001；姜秀华，2002等)。本文也采用以上学者的思路，将ST公司作为财务困境企业样本，并将“财务困境”定义为“因财务状况异常而被特别处理(ST)”(准确的法律定义参照中国证监会1998年颁布的《关于上市公司状况异常期间的股票特别处理方式的通知》)。所指的“财务状况异常”包括上市公司突然出现重大亏损、连续两年亏损、股东权益低于注册资本或每股净资产低于面值等几种情形。
二、实证研究设计
(一)研究样本的选取
本文将财务困境界定为公司财务状况异常而被“特别处理”，因而研究样本与我国沪深两市农业板块因财务异常而陷入ST的上市公司相关。基于时间一致性、数据可获得性以及样本配比等方面的考虑，研究样本限定为2003年以前上市的农业板块上市公司，样本数据的采样年份包括2003、2004、2005三年，以发生ST前三年的指标数据作为实证数据来源。2007年40家农业上市公司中，剔除1家为2006年上市的公司(獐子岛)，剔除5家在2006年以前就已成为ST的公司(ST生态，SST大盈，PT粤金曼，ST中鲁B和ST大盈B)，最终的研究样本中包含7家ST公司及27家财务正常公司(参见文末附表1)。
(二)指标变量的选取与数据来源说明
本文在数据可获取的前提下，参考已有研究成果，尽可能选择反映上市公司偿债能力、盈利能力、资产管理能力以及成本效益等方面能力的各种财务指标，同时偏重对现金流量指标的分析。单变量简易预警分析选取的财务变量包括：(1)营业现金流量／债务总额；(2)净收益／资产总额(资产收益率)；(3)资产负债率；(4)营运资本／资产总额；(5)流动资产／流动负债。Z计分模型分析时采用的财务指标为：(1)营运资本／资产总额；(2)留存收益(未分配利润)／资产总额；(3)息税前利润／资产总额；(4)股东权益／负债账面价值总额；(5)销售额／资产总额。而F分数模型预警所采用的财务指标有：(1)营运资本／资产总额；(2)留存收益(未分配利润)／资产总额；(3)(净利润＋折旧)／资产总额；(4)股东权益／负债账面价值总额；(5)(净利润＋折旧＋利息)／资产总额。
本文的实证数据均源自证券之星网站统计数据、巨潮资讯及上市公司年报资料。定义企业财务危机当年为第T年，对样本前三年的数据依次定义为T－1年，T－2年，T－3年。财务危机组定义为1，非财务危机组定义为0。为了保留相对充足的样本，对于缺失值，本文采取组内变量的平均值替代法而非删除法处理。
(三)财务预警方法及预警效果比较
本文在单变量预警分析的基础上，深入比较国内外应用较为广泛的多元变量分析中的Z计分模型、Zeta模型、F分数模型和加入行业修正值及现金流量指标的F′分数模型对我国农业板块上市公司的财务预警效果。预警效果采用误判率或预测准确率来衡量，其中误判率为判别错误的个数与总样本数之比，判别错误包括第一类和第二类等两类错误，前者指将财务危机企业判定为非财务危机企业，后者则指把非财务危机企业判定为财务危机企业，并假定犯第一类错误和第二类错误的成本相等。
三、实证分析及预警效果比较
(一)单变量及Z计分预警分析
本文首先进行单变量简易预警分析并采用两分法测试原则，将所有样本的某一变量的值按顺序排序，根据所得排序结果选取使错判率最低的分割点(Cut- off point)，即最佳判定点。选取的财务指标变量为Beaver在比较79家失败企业和相同数量、相同资产规模的成功企业时所提出的预测效果较好的五个指标，利用这些变量对我国农业板块样本公司进行单变量预警分析。
实证结果显示，从总误判率来看，利用单变量简易预警分析来判别我国农业上市公司的财务状况时，所选取的五个指标中，总资产收益率的误判率相对低(以T－1年为例，11.76％)，之后依次是资产负债率(23.53％)、营运资金／资产总额(29.412％)、流动比率(38.24％)和债务保障率(47.06％)。这一次序部分地反映了以上指标对我国农业上市企业进行单变量预警分析的相对有效性。但同时也应注意到，资产收益率指标容易受到上市公司盈余管理影响而具有片面性，它在以上单变量预警分析中错判率较低可能与研究中将财务困境定义为ST公司，而我国上市公司是否被ST又部分取决于ROA和ROA所定义的盈亏状况相关，因而单变量简易预警的总误判率比较可能夸大了资产收益率指标的有效性。此外，五个指标的均值差异性显著，虽然它们被已有文献认为对于公司财务预警较为有效，但是单变量简易预警分析的总误判率普遍偏高，难以达到对我国农业上市公司财务状况有效预警的要求。
本文随之采用Altman的Z计分模型对我国农业上市公司的财务状况进行预警分析，模型结构及参数估计结果如下：
Z＝1.2X1＋1.4X2＋3.3X3＋0.6X4＋0.999X5
其中，X1=营运资金／资产总额；X2＝留存收益(未分配利润)／资产总额；X3＝息税前利润／资产总额；X4＝股东权益／负债账面价值总额；X5＝销售额／资产总额。
判断标准为：Z＜1.81时，企业有很高的财务困境概率；1.81＜Z＜2.67时，企业财务状况不明，处于灰色区域；Z＞2.67时，企业处于安全状态。对样本中34家农业上市公司的财务数据进行相应的统计分析，得出相应的Z值，其区间分布见表1。根据Z值的范围，对Z模型的错判率进行统计，结果如表2所示。
从表2中模型的误判效果来看，Z计分模型应用于我国农业板块的准确度并不高，虽然其将陷入ST的公司误判为财务正常公司的几率接近于0(即第一类错误很低)，对ST公司的遗漏预警情况极少发生，但其第二类错误率较高，容易把很多财务状况良好的公司预测为财务困境，这使得Z模型的误判率相对较高。
(二)Zeta模型预警分析
Zeta模型去掉了具有行业影响因素的销售收入／总资产，既有研究显示，四变量的Zeta值模型在财务预警方面要优于原来的Z值模型，在企业财务危机或破产前一年的预测精度在90％以上，而破产前5年的预测精度也在70％以上。Zeta模型及其参数估计值如下：
Zeta＝6.56X1＋3.26X2＋6.72X3＋1.05X4
其中：X1＝营运资本／总资产；X2＝留存收益／总资产；X3＝息税前利润／总资产；X4＝股东权益／总负债。
判别标准为：Z＜1.1时，代表很高的财务困境概率；1.1＜Z＜2.6时，表明企业财务状况不明，处于灰色区域；Z＞2.6时，企业处于安全状态。本文应用Zeta模型结构对我国农业上市公司样本进行参数再估算，得出各样本公司的Zeta，其区间分布见表3。Zeta模型的错判统计结果参见表4。
从表4的判别效果来看，Zeta计分模型应用于判断我国农业样本上市公司的财务状况时，第二类错误即将正常企业误判为财务危机企业的几率为0，并且随着公司离陷入特别处理(ST)越近，其预测的准确率越高，误判率趋于下降。但其第一类错误误判率则较高，即容易对财务困境企业出现漏判情况。对比Zeta计分及Z计分模型的误判率数据，我们发现，Zeta模型对我国农业上市公司的财务预警精确率要明显高于Z模型的预测，在农业上市公司陷入ST的前两年，Zeta模型的预测准确率高达90％以上。就准确甄别有财务问题的公司而言，Z计分模型显得过分严格，而Zeta模型则相对过于宽松。
(三)F及F′分数模型分析
周首华(1996)以1990年以来的4160家公司为样本，通过调整和更新指标对Z计分模型进行了修正，建立了F分数模型，其最大特点就在于引入了现金流量变量(X3是一个现金流量变量，它是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标，X5则测定的是企业总资产在创造现金流量方面的能力)，弥补了Z计分模型的不足。模型的基本结构如下：
其中：X1＝营运资金／资产总额；X2＝留存收益／资产总额；X3＝(净利润＋折旧)／平均总负债；X4＝期末股东权益市场价值／负债；X5＝(净利润＋折旧＋利息)／资产总额。
本文基于我国农业样本上市公司数据对F分数模型进行参数估算的调整，各参数的估算结果为｛－0.1021，1.1080，0.1023，0.8965，0.0299，0.5011｝，除常数项基于10％显著性水平上显著不为零外，其余参数估计值均在1％水平上显著。该F分数模型以0.0274为临界点，此数值上下0.0775以内，即－0.0501＜F＜0.1049区间为不确定区域，但应高度警觉；当F＜－0.0501则企业发生财务危机；F＞0.1049则说明企业财务状况较好。
基于以上参数估计结果，计算出各样本公司F值，F分数模型的预警效果状况参见表5。对比F分数模型与Z计分和Zeta计分模型的判别效果，我们发现F分数模型对我国农业上市公司的预警准确度要高于Z系列财务预警模型，并且随着公司在离陷入ST公司越近，预测准确率越高。
F分数模型较大的缺陷就在于行业差异因素仍然考虑不足。陈志斌(2006)在F分数模型基础上提出F′模型对此有所改进。本文借鉴其改进建议，加入行业修正值以及现金流量指标后基于本文的农业上市公司样本，最终参数估计结果为｛一0.0012，0.0899，0.1910，0.1702，0.0468，0.0511｝，除常数项不显著外，其余参数估计值均在5％显著性水平上显著不为0。
该模型以0.0254为临界点，F′＞0.0254时，认为企业财务状况较好，F′＜0.0254时，判断企业会发生财务危机。基于以上参数估计结果计算各样本企业的F′值，预警效果参见表6。
表6显示，加入行业修正值以及现金流量指标后的F′分数模型对我国农业上市公司被ST的预警准确度较高，各年的总误判率都在9％以下，临近ST前一年的总误判率甚至只有2.94％；在2005年预测我国农业上市公司发生财务困境的正确率为85.72％，2004年预测的准确率为71.43％，并且随着公司离陷入ST的年份越近，财务预警的准确率越高。但其第一类错误的发生概率相对于其第二类错误仍明显较高。
(四)财务预警效果分析与比较
综合表1～表6的实证结果，定义预测准确率＝1－总误判率。我国农业上市公司财务预警效果比较结论如下：(1)在五类模型中，单变量简易预警分析和Z计分模型对我国农业上市公司财务状况的判定准确率明显偏低，在各时点判定的准确率均低于70％；其中单变量分析能反映出其预警的时效性，即离上市公司被判ST的时间越近，模型的预测准确率越高，而Z计分模型则不然；(2)Zeta模型、修正的F分数模型以及加入行业修正值及现金流量指标的F′分数模型对我国农业上市公司的财务预警精度则明显较高，在各时点的预测准确性均高于88％，并且总体上都体现出预测准确性的时效性，距离公司被判ST的时间越近，模型的预测准确率越高；其中加入行业修正值以及现金流量指标后的F′分数模型在各时点的预测准确性都是最高的，尤其在公司被判ST前的第3年，其预测的准确率要显著高于其余两类模型。
四、结论与启示
本文选取我国沪深两市农业板块上市公司作为实证研究对象，采用单变量分析、Z模型、Zeta模型、F模型以及F′分数模型对我国农业板块上市公司进行了财务预警实证研究。结果表明，后三类模型对我国农业上市公司财务状况预测的准确性具有明显优势，并且总体上体现出预警分析的时效性，即越临近财务困境发生年份，预测精度越高。其中，F′分数模型在各时点的预测准确性都是最高的，在公司被判ST前的第3年(T－3)，其预测的准确率要显著高于其余两类模型；在公司被判ST前的第2年(T－2)，F′分数模型和Zeta模型的预测准确率高于F分数模型；而在公司被判ST的前1年(T－1)，修正的F分数模型和F′分数模型的预测准确率要显著高于Zeta模型。修正的F分数模型以及加入行业修正值及现金流量指标的F′分数模型的预警效果从一个侧面表明，在财务预警模型中引入行业的修正因素能够显著地提高财务困境预测的准确性，因而关注财务预警分析的行业差异性并进行更多深入的具体行业分析是有必要的。
本文以笔者前期研究中对于我国上市公司财务指标数据行业差异特征的谨慎关注和实证检验结论(陈远志、梁彤缨，2006)作为出发点，选取ST比例高于25％的农业板块作为先期的实证研究样本探讨具体行业财务预警分析的必要性问题，是具有理论依据和现实意义的。从表象看，我国上市公司某些财务指标具有较大的盈余管理空间、各行业的资本／劳动密集型、财务杠杆比率以及产业扶持力度等方面存在差异是有必要进行具体行业差异分析的基础；深入来看，各行业所固有的营运特征差异以及我国上市公司独特的股权结构、盈利激励机制以至于公司治理机制的行业差异性则是我国上市公司盈利预测及财务预警分析有必要展开深入的具体行业分析的深层次原因。
本文的财务预警分析仍然存在一定的局限性有待改进：(1)仅以农业板块作为先期的研究对象，数据样本仍相对有限；(2)财务预警模型的比较仅限于国内外应用较为广泛的五类预警分析模型，受时间和篇幅所限未纳入条件概率、神经网络等其他模型的预警效果比较，有待进一步探讨。即便如此，本文的实证分析作为先期探讨，已初步提示了对我国上市公司进行分行业财务预警具体分析的必要性。为了提高我国企业财务预警分析的有效性，后续研究还有必要进一步引入更多的行业差异指标，甚至包括某些非财务指标，如王克敏、姬美光(2006)对更多具体行业上市公司所进行的深入的财务预警分析。
收稿日期：2008－01－12
标签：财务预警论文; 预测模型论文; 现金流量分析论文; 差异分析论文; 财务预测论文; 现金流量预测论文; 模型公司论文; zeta论文;