科學預測籌資風險發展農業上市企業論文

導語：科學預測籌資風險發展農業上市企業論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

編者按：本文主要從概述；籌資風險預測模型介紹；實證檢驗；模型實證結果比較分析進行論述。其中，主要包括：制約了我國農業上市公司的持續發展，延緩了農業現代化的實現、籌資活動是企業財務風險的啟動點、美國學者阿爾曼教授于1968年提出“Z-Score”、現金流在企業財務管理中屬于“木桶理論”中的那一塊最短的木板、樣本選取、數據說明、所有年報數據均采用合并會計報表中的數據、兩個模型的判別精度比較、兩個預測模型在農業上市公司實際應用的局限性、具體建議、防范籌資風險，關注上市公司的償債能力指標、在現金流量管理的過程中，應建立信息反饋機制、目前絕大部分的研究都是以財務會計報表數據為基礎等，具體請詳見。

一、概述

20世紀90年代中后期，為了推進國有企業改革和農業產業化升級，國家有關部門和各省市批準了一些農業企業上市。然而從農業類上市公司近幾年的發展情況可以看出，其整體經營效益不佳。再加上2008年全球金融危機的負面影響，對外出口訂單驟減，應收賬款回收期加長；對內由于原材料及人工成本上升，資金支付壓力空前加大；另外銀行銀根緊縮，再籌資困難重重，導致眾多企業面臨資金鏈斷裂的風險，嚴重制約了我國農業上市公司的持續發展，延緩了農業現代化的實現。

農業上市公司作為一個有機整體，要想得到良性的發展，就必須擁有長期充足的資金支持，必須具備持續的籌資能力。而籌資活動是企業財務風險的啟動點，籌資風險既是基于資本來源角度的財務風險，又是經營風險和投資風險結果的顯現與集中爆發，所以籌資風險是具有前導性和結果性的雙重性質風險。因此關于籌資風險的科學預測研究，不論對現階段的農業類上市公司規范籌資行為、優化融資結構，還是對未來即將上市的農業企業都具有重要的理論和現實指導意義。

二、籌資風險預測模型介紹

所謂籌資風險預測，就是通過對企業財務報表及經營、投資方面相關資料的分析，利用及時的財務數據和相應數據化管理方式，將企業面臨的風險情況預先告知企業經營者和其他利益關系人。從主流的分析方法來看，單變量模型（國外大部分學者主要利用財務杠桿的高低來測量企業籌資風險）盡管簡單易行，但作用有限；多元邏輯回歸模型（Logit、Probit模型）盡管不需要嚴格的假設條件，但樣本的數量不宜少于200個，否則存在參數估計的有偏性，另外繁雜的計算過程中存在很多的近似處理，不可避免地會影響到其預測精度；其它以非統計方法作為基礎的模型（以人工神經網絡模型為代表），由于模型難以確認、計算量較大和表述判別力較難等原因，導致在財務領域應用不多，還有待進一步的發展。因此本文選擇多元線性判別法中最為典型的z分數模型與入指數法對農業上市公司的籌資風險作對比研究：

第一，z分數模型。美國學者阿爾曼教授于1968年提出“Z-Score”。該模型在經過大量的實證考察和分析研究的基礎上，首先從上市公司財務報告中計算出一組反映公司財務風險程度的財務比率，然后根據這些比率對財務風險警示作用的大小給予不同的權重，最后進行加權計算得到一個公司的綜合風險分z值，將其與臨界值對比就可知公司財務風險的嚴重程度。其判斷函數為（鑒于我國證券市場非流通股無市場價格以及利息費用無法直接從年度報告中直接獲取，以財務費用代替，故對原模型中一些指標設定稍作調整）：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5

其中：

x1——營運資金／總資產二（流動資產—流動負債）／總資產

x2——留存收益／總資產二（未分配利潤+盈余公積）／總資產

X3-息稅前利潤／總資產二（稅前利潤+財務費用）／總資產

X4-股權市價總值／總負債二股東權益／總負債

X5-銷售收入／總資產二主營業務收入／總資產

在Z-Score模型中，將反映公司的償債能力比率（x1和X4）、獲利能力比率（x2和X3）以及營運能力比率x5有機地聯系起來，采用綜合的方式預測公司籌資風險的大小。在這一分析模型中提出了判斷公司破產的臨界值或稱切割值。當2<1.8時，公司有很大的破產危險，籌資風險很高；當1.8<2<2.675時，公司處于灰色地帶，財務狀況極不穩定，籌資風險較高；當2>2.675時，公司財務狀況良好，破產可能性極小，籌資風險較低。一般來說，公司的“Z-Score”越低，發生破產可能性越大，籌資風險越高。

第二，入指數法。現金流在企業財務管理中屬于“木桶理論”中的那一塊最短的木板，因此現金及其流動必然是籌資風險預測的重要指標，在一定程度上將取代利潤或流動資本成為支付能力的象征。入指數法就是通過近幾年的現金流量來計算上市公司短期內再籌資風險概率的模型。該模型主要考慮上市公司因無現金支付到期負債而陷入財務困境直至破產，卻沒有專門考慮盈利能力和營運能力，當然現金流量多少也會反映這些因素。

指數=先進留存+期望現金流量/現金流量的標準差

其中：

現金流量=現金+有價證券+可使用的信用度

期望現金流量二期望收到或支出的現金流量

現金流量的標準差=現金流量

則：

估計該公司的籌資風險=1-N(入)

式中N代表標準正態分布，可根據算出的入值，查正態分布表得出結果。

三、實證檢驗

第一，樣本選取。本文在借鑒國內學者相關研究成果的基礎上，將新浪股票——農林牧漁板塊共60家上市公司作為研究對象，選取其中截止2008年底被特別處理的5家ST公司作為樣本，分別是ST亞華、ST中農、ST九發、ST香梨和ST康達爾；由于行業與企業規模的影響，為了作對比分析，筆者將板塊中績效差以及虧損的企業剔除掉，擇優確定了5家非ST企業作為比較樣本，分別是正虹科技、順鑫農業、光明乳業、隆平高科以及新希望。

第二，數據說明。具體如下：

一是該方法所有檢驗數據都來自證券之星、巨潮資訊網以及新浪財經有關個股資料及財務年報，每股市價取當年12月31日收盤價；

二是所有年報數據均采用合并會計報表中的數據；

三是對于ST公司，運用z模型進行分析預測時，由于所依據的財務數據越臨近財務失敗時，其準確率越高，所以選取被ST處理最近一年及其前兩年的年報數據，運用入指數法的時候則選取被ST處理前5年的數據；

四是對經營良好的公司運用z分數模型進行分析預測時統一選取2006年、2007年、2008年三年的年報數據，運用入指數法的時候則統一運用2004-2008年連續5年的年報數據；

五是ST中農由于是2000年上市，于2003年4月23日被特別處理，股票簡稱變更為“ST中農”，于是只有前三年的年報數據進行入指數計算；

六是假設組內分布為近似正態分布并且兩組的協方差矩陣相等。

第三，模型運行。

四、模型實證結果比較分析

第一，兩個模型的判別精度比較。模型判別準確率比較。從表1、3可以看出，對于ST公司來說，z分數模型判斷亞華、康達爾、九發和香梨均有財務惡化的趨勢，風險預測值遠遠低于下臨界值1.8，只有中農公司的z分數值卻接近于上臨界值2.675，平均誤判率為26.67%;入指數法顯示這五個公司均有較高的籌資風險，中農公司的風險值最小。

從表2、表4可以看出，對于非ST公司來說，z分數模型和入指數模型的預警存在很大差異。其中z分數模型對非ST公司2006-2008年三年的平均誤判率為40%，高于ST公司。本文認為，這是由于陷入財務困境的公司，存在一定程度的粉飾報表現象；入指數法的預測要相對準確．與實際相符。

風險值趨勢判斷比較。10家農業上市公司中有5家為ST公司，z分數模型和入指數模型三年預警值變化趨勢均一致，中農集團的z分數值顯示連續三年財務狀況都處于灰色地帶，接近于上臨界值2.675，入指數模型計算顯示該公司破產風險僅為6%，說明模型預測趨勢一致；趨勢判斷差異主要體現在另外5家非ST公司的預警值上，z模型顯示這5家非ST公司除了光明乳業財務狀況比較良好以外，其他四家都處于灰色區域，財務狀況極不穩定階段；而入指數模型計算顯示這5家非ST公司財務狀況良好，不存在籌資風險，唯一例外的隆平高科籌資風險也僅為1.54%。相比之下，入指數模型能更好地反映企業真實的財務狀況（所選5家業績好的公司的實際經營狀況的確不錯）。

綜上所述，z分數模型預測10家農業企業是否具有財務危機的判別精度約為66.67%，入指數模型約為90%。相對來說，入指數模型適用度高于z分數模型，故在兩者間本文選擇入指數模型。

第二，兩個預測模型在農業上市公司實際應用的局限性。具體有以下幾個方面：

一是數據取得問題。由于我國上市公司在很大程度上存在利潤操縱的行為，農業上市公司也不例外，其會計報表的真實性要打一定的折扣，有些指標可能與實際財務狀況不符，導致計算結果有偏差，也導致了模型的預測能力及準確度相對降低。

二是樣本選擇中的局限。由于我國農業上市公司截至目前數量有限，被”的公司數量就更少，所以樣本規模偏小，難免出現以偏概全的現象，對整個模型的預測效果產生一定的負面影響。進一步的研究可以通過拓展至多個行業，找出異同點，尋求消除差異的處理方法，從而擴大樣本，也可以擴大模型應用的廣度。

三是行業因素的影響。我國農業企業由于在其他行業的投資增加而產生對主營業務收入的影響，在內部成本上升和外界環境的壓力下，企業的轉型意愿增強；其次是我國農業企業整體銷售收入相對于其他制造型企業較低，從而導致在計算z分數值時X5偏低；再次，中美關于破產界限的界定存在較大差異。z分數模型具有顯著美國行業的特性，對于美國公司而言，若資不抵債則可能破產，但我國只要存在償債能力就不得申請破產。

第三，具體建議。目前我國農業企業在現金流量管理方面較為薄弱，資金利用效率極其低下。一方面把過多的資金用于長期項目，幾乎全部以流動負債來維持運轉，籌資風險陡增。另一方面，企業支付能力嚴重匱乏，“三角債”的問題始終沒有得到根本解決，直接影響到企業的持續經營能力。而且很多上市公司沒有建立信息反饋機制，對現金流量管理也缺乏事后控制。因此本文提出如下建議：

一是防范籌資風險，關注上市公司的償債能力指標。尤其是營運資金／總資產、股權市價總值／總負債兩個指標，該指標能很好地反映上市公司的短期償債能力，間接反應公司的籌資風險程度，從而保護中小投資者和債權人的利益。

二是企業應建立現金流預算體系，加強現金流量管理?，F金流總預算應著重于規劃和控制企業宏觀的經營活動，保障企業戰略目標的實現。日?，F金流的預算應統管日常經營活動的現金安排，保證現金流有條不紊，永不停息，從而保障企業簡單再生產或者擴大再生產的進行，滿足企業實現價值創造的條件。

三是在現金流量管理的過程中，應建立信息反饋機制。將有關信息及時反饋到決策部門，計劃部門，做到及時發現問題，及時研究解決，將風險和損失控制在一定的范圍內?，F金流量是企業管理的血液，只有形成良性循環，才有利于實現企業價值最大化。

四是目前絕大部分的研究都是以財務會計報表數據為基礎，以各種財務指標為變量來建立模型，缺乏非財務因素支持。不可否認財務報表數據是公司經營狀況的一個綜合反映，但財務報表數據絕不是公司經營狀況的全部反應。在實際操作時還應考慮宏觀經濟波動、產業以及管理因素，另外，審計意見以及公司治理結構、信用等級以及重大對外擔保和訴訟等其他非財務因素都將提高模型的預測能力。

本文運用z分數模型及入指數模型，結合我國農業上市公司各年財務報表數據進行適用性檢驗，結果表明兩個模型在該行業具有一定適用性，它所提供的分析思路有較強的指導意義，但其臨界值對農業行業明顯偏高，模型表現出一定的局限性。

上述實證結果還表明入指數模型的預測精度高于z分數模型，相對而言，入指數模型更適合于農業行業實際運用，該模型可作為一種風險診斷和分析方法，但須對臨界值進行界定，若能在現有模型中加入行業性差異，可使模型的預測更為精準科學，籌資風險預測模型的前景將更加廣闊。