基于遗传算法的投影寻踪聚类模型对我国农业上市公司财务偿债能力评价研究

荣加超，姜法竹

（黑龙江八一农垦大学经济管理学院，大庆 163319）

我国农业上市公司主要经营农、林、牧、副、渔等领域，目前其分布区域不集中，主要集中在湖南、北京、山东等农业发达省、市。资源性和地域性是农产品生产和销售的主要特点，从空间分布上看，农业上市公司一般靠近消费市场、原材料市场等特点[1]。我国农业具有生产时间长、获取收益低、风险较大等特点。从年报中的数据可以看出，我国大部分农业公司的资产净利率较低，整体盈利能力也相对较低。目前，虽然我国农业上市公司规模比较小[2]，但是农业上市公司作为农业企业先进生产的“领头羊”，其经营成果的好坏可以直接反映出我国现代化农业的整体发展水平。

农业上市公司是我国农业生产力的企业组织，其偿债能力的好坏对上市公司的生存起到至关重要的作用。上市公司的偿债能力是反映其财务状况和经营能力的关键要素，同时也是公司偿还到期债务的强有力保证。偿债能力分析是财务分析的重要组成部分，关系到投资者、债权人等相关利益者的权益。偿债能力可以从静态和动态两个维度思考，分别用资产清偿债务和创造的收益偿还债务的能力；同时，偿债能力包括短期偿债能力和长期偿债能力，短期偿债能力是以流动资产偿还债务，长期偿债能力是对债务的承受能力和保障能力。长短偿债能力的分析对投资者、经营者和公司利益相关者等有着十分重要的作用，企业是否有偿债能力保证其债权的安全，企业是否能让他们按时取得利息和收回本金等问题的出现，体现了偿债能力的重要性。

现阶段农业上市公司的发展速度和发展质量呈现出良好的态势，然而在发展过程中也出现了各种各样的问题，其中农业上市公司的融资偿债能力一直受到社会的广泛关注，原因主要在于，与其他类型的上市公司相比，农业上市公司因为从事着与农业生产有关的直接或间接的生产活动，受自然因素及不可抗力的因素影响会更大，同时国家政策也对农业上市公司产生了一定的制约。所以，为了保障农业上市公司的偿债能力，从而保障农业上市公司的有序发展，有必要建立一套系统的评价体系和方法，以便于及时发现农业上市公司出现的偿债能力存在的问题，并提高农业上市公司的经营效益。

通过对我国多家农业上市公司基本情况的了解，建立合理的指标体系，得出相关结论，这无论是对农业上司公司生产经营，还是对为投资者提供数据支持，都有重要的意义。通过查阅相关文献，结合农业上市公司的实际特点，将农业上市公司的偿债能力评价指标体系[3]分为两个大的层面，即短期偿债能力指标与长期偿债能力指标[4]，指标体系见表1：

表1 农业上市公司偿债能力评价指标体系Table 1 Evaluation index system of debt paying ability about agricultural listed company

1 样本评价集数据确定

选取了8 家当前的农业上市公司作为研究对象，他们具有农业产业化的特征，是我国重点企业，同时也是农业企业发展的标杆，其中包括位于安徽省的丰乐种业、湖北省的武昌鱼、海南经济特区的罗牛山、深圳经济特区的深圳农产品、四川省的通威股份、浙江省的新安股份、甘肃省的亚盛实业、江苏省的中垦农业。通过查询这8 家上市公司2010年公司年报，对相关数据进行处理，得到如下评价样本表2。

表2 2010年各农业上市公司偿债能力比率情况Table 2 The debt paying ability ratio of agricultural listed companies in 2010

现阶段企业对偿债能力评价有很多种方法，主要从财务指标和统计指标的角度进行评价[5]。虽然这些方法都能在某种程度上增加评价的客观性，但是这些方法存在其局限性。例如：当使用层次分析法时，人的主观判断、选择、偏好会对评价结果产生影响[6]，如判断失误就可能会导致结果的变化，致使决策失误；运用主成分分析法对高维数据进行研究研究时，也存在一定的缺陷，主要是关于其他主成分的意义并不十分显著、第一主成分中的系数正负也有可能会与评价的实际意义不符等现象。为了避免传统模型的不足，寻找更为实用的评价方法就显得尤为重要，采用投影寻踪聚类模型可以解决高维数据导致的问题，该评价方法能最大程度地克服人工权重的影响，使评价结果更为客观。

2 基于遗传算法的投影寻踪模型简介及构建

2.1 投影寻踪模型简介

投影寻踪聚类模型[7-8]是一种新型的统计方法，直接由样本数据驱动，同时也是一种降维处理技术，其基本主导思想是将高维数据通过投影函数投影成一维数据进行比较，此方法能够保证高维数据在转向低维数过程中的数据的稳健性，能对数据进行客观分析，探索数据之间的规律，能获得较真实的评价结果。同时，因为采用基于遗传算法处理数据，能够最大程度的克服人工权重的影响，从而保证评价结果的客观性。

2.2 基于遗传算法的投影寻踪模型构建

2.2.1 对样本数据进行归一化处理

设各指标值的样本集为｛H*（i，j）｜i=1，2，K，n，j=1，2，K，q｝，其中H*（i，j）为第i 个样本第j 个指标值，n 是样本的个数，q 为指标的数目。为了统一各指标值在一定范围内的变化，可采用下式进行极值归一化处理：

对于越大越好的指标：

对于越小越好的指标：

其中，Hmax（j）是第j 个指标值的最大值，Hmin（j）是第j个指标值的最小值，H（i，j）为指标特征值归一化的序列。

2.2.2 构造投影指标函数F（d）

把q 维数据｛H*（i，j）｜i=1，2，K，n，j=1，2，K，q｝综合成以d=｛d（1），d（2），d（3），…，d（q）｝为投影方向的一维投影值w（i），

其中，Gw为投影值w（i）的标准差，Bw为投影值w（i）的局部密度，即：

Q 为窗口半径，E（w）为期望均值，Q=0.1Gw，t（i，j）=｜w（i）-w（j）｜，即t（i，j）表示样本之间的距离，u（p）是分段函数：当p＜0 时u（p）=0，当p＞0 时，u（p）=1。

2.2.3 投影指标函数的寻优

MaxF（d）=Gw·Bw，其中约束条件为，采用基于遗传算法即RAGA 对｛d（j）｜j=1，2，…，q｝进行非线性优化。用遗传算法对d（j）进行寻优，模仿生物界的自然遗传变异特性进行寻优。

2.2.4 样本评价排序

3 实证分析

采用MATLAB R2010a 软件进行编程，建立农业上市公司偿债能力评价的模型。将投影寻踪聚类模型应用到农业上市公司偿债能力的评价体系当中，得出各个上市公司的偿债能力的高低，通过实例分析，体现了此方法在这个领域的可行性。

对于遗传算法，选父代种群规模为n=400，交叉概率为0.8，变异概率为0.8，优秀个体为20，a=0.05，加速次数为11 次，通过MATLAB R2010a 对程序进行运行，得到最大投影值为0.604 1，最佳投影方向（0.449 3 0.413 8 0.049 0.057 0.618 8 0.040 3 0.293 9 0.387 7），得到的各影响因子权重如图1 所示。

从而得到各个农业上市公司财务偿债能力评价状况，如图2 所示。

图1 影响因素权重比例Fig.1 Influence factors weight scale

图2 农业上市公司财务偿债能力状况Fig.2 Financial debt paying ability of listed agricultural companies

从图2 中可以看出，新安股份与中垦农业财务偿债能力最强，其次是深圳农产品与亚盛实业，丰乐种业、武昌鱼、罗牛山偿债能力处于一般水平，通威股份的偿债能力处于最后。偿债能力评价结果反映了上市公司流动比率、速动比率、资产负债率和产权比率等多方面内容的评价，可以系统地分析上市公司财务状况的诸多因素，能够较全面判断上市公司的偿债能力的真实情况。通过影响因子和偿债能力的评价结果可知，已获利息倍数、流动比率、速动比率及带息负债比率影响权重较大，农业上市公司应首先考虑从这几个方面提高其运行质量，可以有方向性地对农业上市公司采用相应措施，提高上市公司的偿债能力，促进农业上市公司的发展。

从已获利息倍数所占权重比例可知，农业上市公司盈利能力的好坏直接影响着偿债能力。公司的盈利能力代表着公司产生现金的能力，是公司偿债能力的力量之源，也就是说是支付债务的最佳动力。对于农业上市公司，提高公司的盈利能力是重中之重。

在影响因素权重比例中，流动比率占19%，位居第二。农业上司公司是流动资产较多的企业，为了保证其偿债能力，其融资方式建议采取流动负债的方式。因为流动资产在较短的时间转变成现金的能力比较强[9]，能及时有效偿还短期债务，从而提高农业上市公司的偿债能力。

建立内部资金管理体制，有效利用资金能大大降低偿债能力的风险。对资金的使用采取资金运行到哪里，监管跟到哪里的方式，提高资金的利用率，从而在有效提高偿债能力上做出资金保障。

与此同时还需要对报表以外的影响因素进行考量，影响偿债能力的因素并不仅限于报表中的数据，因此，偿债能力分析指标有必要进行补充说明。例如：企业偿债能力的信誉、资产的质量、企业潜在的负债、筹资环境等。对上市公司偿债能力分析时，需要对上市公司具体情况进行透彻的了解，结合数据进行分析，得出结论。

［1］刘伟，杨印生.我国农业上市公司业绩评价与分析［J］.农业技术经济，2006（4）：47-52.

［2］沈敏，倪晓敏.农业上市公司经营状况分析［J］.大众商务，2010（1）：4-5.

［3］陈俊.企业营运能力指标分析及评价［J］.会计之友，2006（6）：61-62.

［4］谢志琴.上市公司偿债能力分析［J］.学术研究，2012（3）：19-21.

［5］徐蕾，高海军.上市公司经营业绩综合评价模式研究［J］.企业经济，2008（9）：172-174.

［6］吴丹，姜法竹.基于投影寻踪模型的商业银行竞争力探析［J］.黑龙江八一农垦大学学报，2012（2）：103-108.

［7］杜春颖，李玉明.基于投影寻踪模型的企业文化测量研究［J］.黑龙江八一农垦大学学报，2012（3）：92-96.

［8］付强，金菊良，梁川.基于实码加速遗传算法的投影寻踪分类模型在水稻灌溉制度优化中的应用［J］.水利学报，2002（10）：39-45.

［9］刘红霞，韩嫄.企业偿债能力的预警管理［J］.财经科学，2004（3）：122-124.