我国农业上市企业财务风险评价研究

李春梅

摘 要：本文以43家上市农业企业为样本，选取 2016年的财务指标数据，并采用F分数模型对这些企业的财务风险进行评价，结果显示，我国农业上市企业的整体F值偏大，主要受变量X4的影响，68%左右的农业企业的财务风险水平较高，财务风险状况不稳定，并针对如何防范財务风险提出了相应建议。

关键词：上市公司；财务风险；F分数模型

国内外对于财务风险评估研究状况

关于国内外研究财务风险评估方法的文献，总结起来主要有以下几种方法：

单变量模型

Fitzpatrick是最早使用单一财务比率模型对公司财务风险进行研究的学者，William Beaver（1966）选取了五个财务指标对企业的财务状况进行分析，并运用单变量分析法构建了最早的财务危机预警模型。我国学者陈静（1999）采用单变量分析法对1998年27家ST企业及另外27家非ST企业进行了分析。

多变量模型

著名学者Altman（1968）构建了一个多变量模型——Z分数模型，这个模型选取了5个变量，并为每个变量赋予权重，Altman 通过研究，发现当 Z ≤ 1.81 时，破产风险很高； 当 Z ≥2.675，企业的经营状况良好，财务风险很小。由于Z 分数模型不完善，因此 1977 年Altman 及一些学者通过研究提出了Zeta 模型。我国学者周首华、杨济华（ 1996） 基于Z模型的基础上，加入了现金流量设计出了F计分模型。

神经网络模型

随着计算机技术的发展，神经网络模型被运用到财务危机预警当中。Odom.和 R. Sharda（1990）首次将神经网络模型应用于公司财务危机的预测中。我国学者王春峰、万海晖、张维等（1999）对商业银行的财务风险进行研究时采用了 BP 神经网络模型。

在以上的方法当中，最为经典和应用最广泛的模型是多变量模型当中的Z分数模型，但由于Z分数模型忽略了现金流量对财务风险的影响，且该模型是基于国外的样本构建的模型，对我国企业财务风险的计算准确度不高，马晓利（2009）运用Z分数模型和 F 分数模型分别对 41 家上市农业企业及以ST 中农为例进行实证研究，结果显示， F分数模型比Z分数模型对财务危机的预测准确率更高。

故本文采用了周首华等基于Z模型基础上增加现金流量指标构造出来的F分数模型对目前我国43 家A股上市的农业企业作为样本进行财务风险评价研究。期望能够通过对我国上市农业企业的财务风险进行评价，能对我国农业企业的财务风险管理起到提示的作用，进而促进我国农业企业的发展。

我国农业上市公司财务风险状况

在我国43 家上市农业企业中，种植业和畜牧业占据了农业板块的主要版块，这些企业来自全国 15个省和自治区， 山东省以6家的优势独占鳌头，新疆维吾尔族自治区、湖南和福建分别以5、4、4 家位列第二和第三，农业企业分布上呈现“整体零散，区域集中”的特点。农业上市公司的生产经营通常受区域性、自然条件、土地资源稀缺性、生产周期性等多方面因素的影响，农业的产出过程比较漫长，分散程度高，是自然再生产和经济再生产交融在一起的特殊行业，加上生物产品从生产到销售的每一个环节都高度依赖对外部环境，造成了农业企业的生产经营较为被动，即自然风险很高。过去曾经上市的农业企业 PT 粤金曼、ST 大菲、ST 华圣、 ST 生态和 ST 金荔5 家农业企业已退市。

陈雪（2017）运用报表分析方法对四十家A股上市的农业公司的2013 ～2016 年财务数据进行分析，得出了农业公司总体的变现能力差，负债结构不平衡，投入产出不成比例，投资回报率低，资产营运能力低，获利能力及资产收益率低的结论。由此可见，我国农业上市企业在财务危机防范方面还有欠缺，因此对农业上市公司财务危机预警进行深入研究是十分有必要的。

研究方法——F 模型原理

由于Z分数模型没有把现金流量作为一个考虑的因素，因而不够全面。1996年，中国内地学者周首华、杨济华等以Z分数模型为基础，扩大样本量，设计出了F分数模型。F分数模型的显著特征是：

第一，现金流量作为预测公司破产的有效指标，被考虑在自变量之内。

第二，F分数模型将现代化公司财务状况的发展结合了有关标准的变更。

第三，扩大样本范围。F分数模型的突出亮点就是加入了现金流量指标，相比于Z 分数模型，F分数模型的预测效果更好。

F 分数模型是一个多变量的公式，公式及风险临界值的描述如表1所示：

对于变量X1 、X2和X4， F分数模型与Z分数模型是相同的，X1 、X2和X4 分别代表了公司资产的变现能力，公司的累积获利能力及反映公司价值的大小；而变量X3、X5在F分数模型中分别表示企业所创造的全部现金流量对企业债务的保障能力及企业总资产创造现金流量的能力。而Z分数模型中X3、X5 分别表示的是企业资产的获利能力及企业资产的营运能力

F值的计算

为了了解农业企业的财务风险水平，考虑到企业规模，区域分布，信息获取的便利程度等因素，本文选取了43家A股上市的农业企业作为样本并对这些企业的F值进行了计算，数据获取途径主要通过和讯网、东方财富网、前瞻数据网，在计算所有者权益市值时，每股市价按上市公司当年最后一天的收盘价。

F值结果分析

从表2中计算可得我国A股上市农业公司2016年的F值平均值为0.90，结合F 值的平均值及F值分布情况我们可以知道，有8家企业小于破产临界值0.0275且小于F值平均值，占比为19%，最为严重的是其中7家企业：*ST新赛，天山生物，新农开发，敦煌种业，云投生态，西部牧业，好当家的F值甚至出现负值，表明这8家公司财务状况非常糟糕，存在非常严重的财务风险，甚至有破产危险，应重点关注。

有35家企业大于安全临界值，其中大于F值的安全临界值及F值均值0.0775的企业有大湖股份，福建金森，万向德农，众兴菌业，福成股份，平潭发展，隆平高科，新五丰，北大荒，仙坛股份，登海种业，益生股份，温氏股份，香梨股份共计14家企业，占比32%，说明这14家企业财務状况较为安全，发生财务风险可能性较小。

另外21家企业即49%的企业的F值虽然大于安全临界值0.0775，但是低于F 值平均值，说明公司风险处于不确定区域，财务状况不稳定，发生财务风险概率很大，需要采取防范措施及时把风险控制在合理范围内。

变量X对F值的影响分析

以上分析表明我国81%的农业上市企业的F值的平均值大于安全临界值0.0775，整体来说F值偏大，为了更深入地了解原因，本文对 43 家样本企业 2016年具体的X值进行描述统计分析，具体结果如表3所示。

从表3中，我们可以看到X4的最大值，平均值、置信度，标准差、方差都很大，且五个指标中X4最大。这说明 43 家样本企业的F值较大的原因是由X4较大引起的，但68%的农业企业F值低于平均值，因此，我国43 家农业上市公司整体财务风险不稳定，各企业之间财务风险的差异主要源自于X4的差异造成的。X4反映的是了投资者对公司未来前景的预测，该指标越大，说明市场对该企业发展前景越看好，反映债权人投入的资本受股东资本的保障程度越高，企业的财务风险越小。

可能是因为国家提出了全面建设小康社会的目标，政府把“三农“问题作为工作的重点和难点。“强农”“惠农”“一、二、三产业融合”等等政策的出台及国家加大对农业政策扶持力度这些利好，使得市场对农业企业的未来发展普遍看好，一时间农业领域成为了投资的热点，农业的生产模式由原来传统分散的家庭式向集约化、产业化、规模化、标准化的生产模式转变。

其次，农业行业的政策红利也正在慢慢显现，农业行业的发展正迎来了前所未有的大好时期。

建议

树立财务风险意识，建立企业财务风险预警系统

由于财务风险无处不在，故农业企业应该建立完善的财务及内部控制制度，建立企业财务风险预警系统。无论是上层管理者还是普通员工都应该树立财务风险意识、加强实施风险防范与各个部门之间及其上下级之间的相互监督，责任落实到具体的人，尽量减少人为因素带来的财务风险，进而降低企业不必要的管理成本。

调整资本结构，适当提高企业的债务规模

当前我国农业上市公司的资产负债率整体偏低，因而X4普遍较大，故资本结构有待调整。我国农业发展市场前景乐观，而农产品的投入具有回收期较长的特点，如果农业公司资产负债率偏低，债务资本所带来的财务杠杆效效应就会得不到充分利用。故我国农业上市公司应该根据自身的实际情况对公司的资本结构进行调整，适量提高企业的债务资本，保持公司适度的负债规模，最大限度地发挥债务资本所带来的财务杠杆效应。

此外，农业上市公司还应合理安排长短期负债比例相匹配的问题，平衡好企业利润增长速度与稳健经营的关系。

提高产品质量，塑造品牌形象

品牌是一个公司形象的代表，具有不可估量的价值，它不仅是公司核心价值的体现，而且是产品质量和信誉的保证。品牌来自于消费者和市场的认可，直接影响着投资者对其前景预测的高低。

因此，农业上市公司应该注重品牌建设。提高自身的核心竞争力，进而提高盈利能力。

加大技术研发的投入及提高农业生产的规模，降低企业生产成本

科技是第一生产力，农业上市公司应该加大对技术研发创新的投资力度，提高自身的农业科技创新能力和科研开发实力并及时地把其科技成果的转化成公司的获利产品。

尽量利用规模化生产，以便降低企业的生产成本。比如与其他公司进行技术联盟，与农业高校或科研院所建立合作关系。

（作者单位：北京中国农业大学经济管理学院）

【参考文献】

[1] E.I Altman， R.G Haldeman， P Narayanan. ZETATM* Analysis a New Model to Identify Bankruptcy Risk of Corporations [J]. Journal of Banking and Finance， 1977， 1（01）.

[2] Edward. I Altman. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy [J]. Journal of Finance，1968，23（09）.

[3] Odom MD， Sharda R.A. Neural Network for Bankruptcy Prediction[C]. In International Conference on Neural Networks， San Diego， 1990.

[4] P.J. Fitz Patrick. A Comparison of the Ratios of Successful Industrial Enterprises with Those of Failed Companies [J]. New York： Certified Public Accountant， 1932 （02）.

[5] William H. Beaver， Financial ratios as predictors of failure [J]. Journal of Accounting Research， 1966（04）.

[6]陈静.上市公司财务恶化预测的实证分析[J]. 会计研究，1994（04）.

[7]陈雪.内部控制视角下的农业企业财务风险控制研究——以DTJ公司为例[D]. 安徽财经大学，2017.

[8]马晓利.我国农业上市公司财务危机防范体系研究[D]. 西北农林科技大学，2009.