多变量财务预警模型比较研究.docVIP

多变量财务预警模型比较研究 　　一、引言 　　因为农业经济在很大程度上受自然条件的约束，使得公司经营存在着极大的不确定性，财务危机的发生具有多样性、突发性等特点。同其他法人企业相比，农业上市公司经营面临的财务风险更加突出。这就需要利益相关者建立健全财务预警系统，对企业的经营活动、财务活动等进行监控分析，在危机发生之前对潜在的经营风险和财务风险进行预警，未雨绸缪，在产生财务危机时及时采取有效措施控制或降低风险。因此，对农业上市公司进行财务风险预警系统的研究具有必要性和紧迫性。 　　二、财务预警理论文献综述 　　（一）单变量模型方面 陈静（1998）发现预测能力较强的几个指标：资产负债率、总资产收益率和流动比率。而且这些指标离会计报告公布日期越近时，误差比率越低。吴世农、卢贤义（2001）选定净资产报酬率、营运资本与总资产的比例、负债比率和资产周转率这4个预测指标，得出如下结论：净资产报酬率的判定模型误差最小；资产周转率的判定模型误差最大；营运资本/总资产的判定模型和负债比率的判定模型的判定误差率处于上述两者之间。 　　（二）多变量统计分析模型方面 周首华（1996）等将现金流量这一变量引入到Z记分法模型中， 构造了F分数模式， 使新的财务预警模型更适合我国公司的现状。李春振（2009）选取了7个财务指标，陈艳娇（2009）以345家国有农场作为建模样本，使用21个财务比率，进行多变量费雪判别分析，最后得到影响国有农场财务状况的9个主要指标，建立了有效的针对国有农场财务危机的费雪判别模式。 　　（三）人工神经网络（ANN）模型方面 杨保安、季海（2001）将人工神经网络模型应用于商业银行信贷业务的风险预警系统中， 发现该模型比其他预警工作判别更加有效，更符合实际。 　　从上述研究成果来看，对财务预警模型的研究为企业预测财务风险、提前防范财务危机起到了重要的作用，但大都是针对一种模型进行实证分析，而没有通过比较来凸显各种财务预警模型的优势和不足。而且目前研究的上市公司财务预警模型多为通用型，较少深入到某一具体行业尤其是农业上市公司。将多变量财务预警模型应用到农业上市公司正是本文的一大创新之处。本文的另一个优势在于克服了单变量模型与人工神经网络模型的缺陷，如传统的单变量模型只是选取一部分财务指标进行预测，很难全面、准确地反映企业的财务危机状况，而且对预测指标的重要性判定没有统一的标准；人工神经网络模型结构难以确认，计算量大并且表述判别力较难，主要适用于信息技术类企业，因此其在财务领域的应用不多，难以应用于农业上市公司的财务预警系统研究。 　　三、研究设计 　　（一）样本选取与数据来源 本文选取了35 家农业上市公司作为样本， 其中ST农业上市公司10家， 非ST农业上市公司25家，对样本农业上市公司的财务数据进行相应的统计分析，得出相应的预警模型分数值并统计其区间分布（见表1）。 　　由表1可知，Z分模型显示样本农业上市公司的财务状况恶化，可能发生财务危机的公司较多，而F模型和F1改进模型显示绝大部分样本农业上市公司的财务状况良好，经营稳健，不会发生财务危机。本文财务预警分析的指标数据均源自巨灵数据库、中国上市公司统计数据和上市公司年报资料，数据可信度高。时间跨度为2003～2005年。数据处理采用SPSS和EXCEL软件完成。 　　（二）模型构建 本文选用判别率较高的变量比较国内外应用较为广泛的3种财务预警模型：Z计分模型、F分数模型和F1改进模型，检验这些模型对我国农业板块上市公司的财务预警效果。 　　（1）Z计分模型：Z=1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 0.999X5 　　其中：X1=（期末流动资产-期末流动负债）/期末总资产；X2=期末留存收益/期末总资产；X3=息税前利润/期末总资产；X4=期末股东权益的市场价值/期末总负债；X5=本期主营业务收入/期末总资产。Z值的实际截止点为2.675.如果Z值大于2.675那么公司的财务状况处于稳健、安全状态；如果Z值小于1.81，那么公司有很高的财务危机概率；如果Z值介于1.81和2.675之间，将是处于“灰色区域”，无法准确地判断公司的财务状况。 　　（2）F分数模型：F=-0.1774+1.1091X1+0.1074X2+1.9271 X3+ 　　0.0302X4+0.4961X5 　　其中： X1=（期末流动资产-期末流动负债）/期末总资产；X2=期末留存收益/期末总资产； X3=（净利润+折旧）/平均总负债；X4=期末股东权益的市场价值/期末总负债；X5=（净利润+利息+折旧）/平均总资产。 　　F分数模型以0.0274为临界点，如果F值低于临界点，就被预测为ST公司；反之，即非ST公司。-0.0501