科学预测筹资风险发展农业上市企业论文

导语：科学预测筹资风险发展农业上市企业论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

编者按：本文主要从概述；筹资风险预测模型介绍；实证检验；模型实证结果比较分析进行论述。其中，主要包括：制约了我国农业上市公司的持续发展，延缓了农业现代化的实现、筹资活动是企业财务风险的启动点、美国学者阿尔曼教授于1968年提出“Z-Score”、现金流在企业财务管理中属于“木桶理论”中的那一块最短的木板、样本选取、数据说明、所有年报数据均采用合并会计报表中的数据、两个模型的判别精度比较、两个预测模型在农业上市公司实际应用的局限性、具体建议、防范筹资风险，关注上市公司的偿债能力指标、在现金流量管理的过程中，应建立信息反馈机制、目前绝大部分的研究都是以财务会计报表数据为基础等，具体请详见。

一、概述

20世纪90年代中后期，为了推进国有企业改革和农业产业化升级，国家有关部门和各省市批准了一些农业企业上市。然而从农业类上市公司近几年的发展情况可以看出，其整体经营效益不佳。再加上2008年全球金融危机的负面影响，对外出口订单骤减，应收账款回收期加长；对内由于原材料及人工成本上升，资金支付压力空前加大；另外银行银根紧缩，再筹资困难重重，导致众多企业面临资金链断裂的风险，严重制约了我国农业上市公司的持续发展，延缓了农业现代化的实现。

农业上市公司作为一个有机整体，要想得到良性的发展，就必须拥有长期充足的资金支持，必须具备持续的筹资能力。而筹资活动是企业财务风险的启动点，筹资风险既是基于资本来源角度的财务风险，又是经营风险和投资风险结果的显现与集中爆发，所以筹资风险是具有前导性和结果性的双重性质风险。因此关于筹资风险的科学预测研究，不论对现阶段的农业类上市公司规范筹资行为、优化融资结构，还是对未来即将上市的农业企业都具有重要的理论和现实指导意义。

二、筹资风险预测模型介绍

所谓筹资风险预测，就是通过对企业财务报表及经营、投资方面相关资料的分析，利用及时的财务数据和相应数据化管理方式，将企业面临的风险情况预先告知企业经营者和其他利益关系人。从主流的分析方法来看，单变量模型（国外大部分学者主要利用财务杠杆的高低来测量企业筹资风险）尽管简单易行，但作用有限；多元逻辑回归模型（Logit、Probit模型）尽管不需要严格的假设条件，但样本的数量不宜少于200个，否则存在参数估计的有偏性，另外繁杂的计算过程中存在很多的近似处理，不可避免地会影响到其预测精度；其它以非统计方法作为基础的模型（以人工神经网络模型为代表），由于模型难以确认、计算量较大和表述判别力较难等原因，导致在财务领域应用不多，还有待进一步的发展。因此本文选择多元线性判别法中最为典型的z分数模型与入指数法对农业上市公司的筹资风险作对比研究：

第一，z分数模型。美国学者阿尔曼教授于1968年提出“Z-Score”。该模型在经过大量的实证考察和分析研究的基础上，首先从上市公司财务报告中计算出一组反映公司财务风险程度的财务比率，然后根据这些比率对财务风险警示作用的大小给予不同的权重，最后进行加权计算得到一个公司的综合风险分z值，将其与临界值对比就可知公司财务风险的严重程度。其判断函数为（鉴于我国证券市场非流通股无市场价格以及利息费用无法直接从年度报告中直接获取，以财务费用代替，故对原模型中一些指标设定稍作调整）：

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

其中：

x1——营运资金／总资产二（流动资产—流动负债）／总资产

x2——留存收益／总资产二（未分配利润+盈余公积）／总资产

X3-息税前利润／总资产二（税前利润+财务费用）／总资产

X4-股权市价总值／总负债二股东权益／总负债

X5-销售收入／总资产二主营业务收入／总资产

在Z-Score模型中，将反映公司的偿债能力比率（x1和X4）、获利能力比率（x2和X3）以及营运能力比率x5有机地联系起来，采用综合的方式预测公司筹资风险的大小。在这一分析模型中提出了判断公司破产的临界值或称切割值。当2<1.8时，公司有很大的破产危险，筹资风险很高；当1.8<2<2.675时，公司处于灰色地带，财务状况极不稳定，筹资风险较高；当2>2.675时，公司财务状况良好，破产可能性极小，筹资风险较低。一般来说，公司的“Z-Score”越低，发生破产可能性越大，筹资风险越高。

第二，入指数法。现金流在企业财务管理中属于“木桶理论”中的那一块最短的木板，因此现金及其流动必然是筹资风险预测的重要指标，在一定程度上将取代利润或流动资本成为支付能力的象征。入指数法就是通过近几年的现金流量来计算上市公司短期内再筹资风险概率的模型。该模型主要考虑上市公司因无现金支付到期负债而陷入财务困境直至破产，却没有专门考虑盈利能力和营运能力，当然现金流量多少也会反映这些因素。

指数=先进留存+期望现金流量/现金流量的标准差

其中：

现金流量=现金+有价证券+可使用的信用度

期望现金流量二期望收到或支出的现金流量

现金流量的标准差=现金流量

则：

估计该公司的筹资风险=1-N(入)

式中N代表标准正态分布，可根据算出的入值，查正态分布表得出结果。

三、实证检验

第一，样本选取。本文在借鉴国内学者相关研究成果的基础上，将新浪股票——农林牧渔板块共60家上市公司作为研究对象，选取其中截止2008年底被特别处理的5家ST公司作为样本，分别是ST亚华、ST中农、ST九发、ST香梨和ST康达尔；由于行业与企业规模的影响，为了作对比分析，笔者将板块中绩效差以及亏损的企业剔除掉，择优确定了5家非ST企业作为比较样本，分别是正虹科技、顺鑫农业、光明乳业、隆平高科以及新希望。

第二，数据说明。具体如下：

一是该方法所有检验数据都来自证券之星、巨潮资讯网以及新浪财经有关个股资料及财务年报，每股市价取当年12月31日收盘价；

二是所有年报数据均采用合并会计报表中的数据；

三是对于ST公司，运用z模型进行分析预测时，由于所依据的财务数据越临近财务失败时，其准确率越高，所以选取被ST处理最近一年及其前两年的年报数据，运用入指数法的时候则选取被ST处理前5年的数据；

四是对经营良好的公司运用z分数模型进行分析预测时统一选取2006年、2007年、2008年三年的年报数据，运用入指数法的时候则统一运用2004-2008年连续5年的年报数据；

五是ST中农由于是2000年上市，于2003年4月23日被特别处理，股票简称变更为“ST中农”，于是只有前三年的年报数据进行入指数计算；

六是假设组内分布为近似正态分布并且两组的协方差矩阵相等。

第三，模型运行。

四、模型实证结果比较分析

第一，两个模型的判别精度比较。模型判别准确率比较。从表1、3可以看出，对于ST公司来说，z分数模型判断亚华、康达尔、九发和香梨均有财务恶化的趋势，风险预测值远远低于下临界值1.8，只有中农公司的z分数值却接近于上临界值2.675，平均误判率为26.67%;入指数法显示这五个公司均有较高的筹资风险，中农公司的风险值最小。

从表2、表4可以看出，对于非ST公司来说，z分数模型和入指数模型的预警存在很大差异。其中z分数模型对非ST公司2006-2008年三年的平均误判率为40%，高于ST公司。本文认为，这是由于陷入财务困境的公司，存在一定程度的粉饰报表现象；入指数法的预测要相对准确．与实际相符。

风险值趋势判断比较。10家农业上市公司中有5家为ST公司，z分数模型和入指数模型三年预警值变化趋势均一致，中农集团的z分数值显示连续三年财务状况都处于灰色地带，接近于上临界值2.675，入指数模型计算显示该公司破产风险仅为6%，说明模型预测趋势一致；趋势判断差异主要体现在另外5家非ST公司的预警值上，z模型显示这5家非ST公司除了光明乳业财务状况比较良好以外，其他四家都处于灰色区域，财务状况极不稳定阶段；而入指数模型计算显示这5家非ST公司财务状况良好，不存在筹资风险，唯一例外的隆平高科筹资风险也仅为1.54%。相比之下，入指数模型能更好地反映企业真实的财务状况（所选5家业绩好的公司的实际经营状况的确不错）。

综上所述，z分数模型预测10家农业企业是否具有财务危机的判别精度约为66.67%，入指数模型约为90%。相对来说，入指数模型适用度高于z分数模型，故在两者间本文选择入指数模型。

第二，两个预测模型在农业上市公司实际应用的局限性。具体有以下几个方面：

一是数据取得问题。由于我国上市公司在很大程度上存在利润操纵的行为，农业上市公司也不例外，其会计报表的真实性要打一定的折扣，有些指标可能与实际财务状况不符，导致计算结果有偏差，也导致了模型的预测能力及准确度相对降低。

二是样本选择中的局限。由于我国农业上市公司截至目前数量有限，被”的公司数量就更少，所以样本规模偏小，难免出现以偏概全的现象，对整个模型的预测效果产生一定的负面影响。进一步的研究可以通过拓展至多个行业，找出异同点，寻求消除差异的处理方法，从而扩大样本，也可以扩大模型应用的广度。

三是行业因素的影响。我国农业企业由于在其他行业的投资增加而产生对主营业务收入的影响，在内部成本上升和外界环境的压力下，企业的转型意愿增强；其次是我国农业企业整体销售收入相对于其他制造型企业较低，从而导致在计算z分数值时X5偏低；再次，中美关于破产界限的界定存在较大差异。z分数模型具有显著美国行业的特性，对于美国公司而言，若资不抵债则可能破产，但我国只要存在偿债能力就不得申请破产。

第三，具体建议。目前我国农业企业在现金流量管理方面较为薄弱，资金利用效率极其低下。一方面把过多的资金用于长期项目，几乎全部以流动负债来维持运转，筹资风险陡增。另一方面，企业支付能力严重匮乏，“三角债”的问题始终没有得到根本解决，直接影响到企业的持续经营能力。而且很多上市公司没有建立信息反馈机制，对现金流量管理也缺乏事后控制。因此本文提出如下建议：

一是防范筹资风险，关注上市公司的偿债能力指标。尤其是营运资金／总资产、股权市价总值／总负债两个指标，该指标能很好地反映上市公司的短期偿债能力，间接反应公司的筹资风险程度，从而保护中小投资者和债权人的利益。

二是企业应建立现金流预算体系，加强现金流量管理。现金流总预算应着重于规划和控制企业宏观的经营活动，保障企业战略目标的实现。日常现金流的预算应统管日常经营活动的现金安排，保证现金流有条不紊，永不停息，从而保障企业简单再生产或者扩大再生产的进行，满足企业实现价值创造的条件。

三是在现金流量管理的过程中，应建立信息反馈机制。将有关信息及时反馈到决策部门，计划部门，做到及时发现问题，及时研究解决，将风险和损失控制在一定的范围内。现金流量是企业管理的血液，只有形成良性循环，才有利于实现企业价值最大化。

四是目前绝大部分的研究都是以财务会计报表数据为基础，以各种财务指标为变量来建立模型，缺乏非财务因素支持。不可否认财务报表数据是公司经营状况的一个综合反映，但财务报表数据绝不是公司经营状况的全部反应。在实际操作时还应考虑宏观经济波动、产业以及管理因素，另外，审计意见以及公司治理结构、信用等级以及重大对外担保和诉讼等其他非财务因素都将提高模型的预测能力。

本文运用z分数模型及入指数模型，结合我国农业上市公司各年财务报表数据进行适用性检验，结果表明两个模型在该行业具有一定适用性，它所提供的分析思路有较强的指导意义，但其临界值对农业行业明显偏高，模型表现出一定的局限性。

上述实证结果还表明入指数模型的预测精度高于z分数模型，相对而言，入指数模型更适合于农业行业实际运用，该模型可作为一种风险诊断和分析方法，但须对临界值进行界定，若能在现有模型中加入行业性差异，可使模型的预测更为精准科学，筹资风险预测模型的前景将更加广阔。