试论预警多变量财务预警模型比较
本站原创 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）多变量统计分析模型方面 周首华（1996）等将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。
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=
（2）F分数模型：F=-0.1774+
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（3）F1改进模型：F1 = - 0.177 4 + 1.109 1 X1 + 0.107 4 X2 +1.927 1 X3 + 0.030 2X4 + 0.4961X5 + 0.02 X6
其中： X1 ～X5 同F分数模型， X6 （主营业务收入增长率） = （本期主营业务收入- 上期主营业务收入） /上期主营业务收入：F1模型在F分数模型的基础上加入主营业务增长率这一自变量来影响F分数， 并没有对F分数的临界值有任何影响和改变， 因此， F1 分数模式的临界值仍为0.0274。
（三）F1改进模型预警分析 表4结果表明F1分数模型预测准确性较之F分数模型更准确。对于农业上市公司来说，经营业绩的好坏取决于主营业务收入，所以主营业务收入增长率这一指标能够很好的反映公司的财务状况。通过这一指标的变动，利益相关者能更好地判断公司是否面临财务风险并及时加以控制，保证公司的安全运作。而F1分数模型考虑到了这一点，因而比Z分数模型和F分数模式这两种模型更适用于中国的农业上市公司。
Z计分模型侧重于盈利能力和流动性，却没有考虑流量状况，但多数财务危机的发生与流量息息相关。F分数模型虽然考虑了流量状况，但反映发展能力状况的指标却被忽视了，所以用于构建这两种模型的财务指标存在一定片面性，在进行预测时会出现偏差。实证检验结果表明，F1 分数模型的准确性更高。公司的发展能力主要体现在公司利润的增长，而营业收入尤其是主营业务收入对利润的增长有着举足轻重的作用。F1分数模型考虑了发展能力的指标，加入主营业务收入增长率这一重要指标，能比F分数模型更好地预测企业的财务风险。
虽然与Z计分模型相比F分数模型和F1分数模型的检验准确率都较高，但它们仍然存在一定的偏差。主要原因是：第一，F分数模型和F1 分数模型在测定财务结构时，使用的是股东权益的市场价值。实际上，新股票在发行初期是不具有市场价值的，F分数模型和F1 分数模型在计算上市公司股东权益的市场价值时并没有考虑这一因素，所以使用股东权益的市场价值计算出来的公司价值并不准确，测定的财务结构也就与实际情况存在一定偏差。第二，F和F1分数模型中X3与X5指标虽然都考虑了流，但考虑的只是占流比例很小的折旧部分。如果企业面临财务危机，折旧实在解决不了大问题。第三，F和F1分数模型在设计时仍然将会计利润这一易被粉饰、易被高估的变量纳入了指标体系。管理会计毕业论文
（2）提高工作人员的业务素质， 加强各部门的信息管理， 确保会计信息真实可靠。财务预警系统由公司财会部门操作，会计人员的职业道德水平和业务素质在很大程度上决定了公司财务预警模型的实施效果。会计工作人员要不断提高自身的业务能力、筛选有效的会计信息、及时发现问题并向公司预警系统进行信息反馈，创建完善的信息管理体系， 建立健全风险预警对策机制。
（3）政府应加大对涉农行业的扶持和优惠力度，给予农业上市公司税收和补贴优惠。政府的各种扶持政策会对农业上市公的财务状况产生重大的影响，农业上市公司应将这些影响因素作为非财务指标考虑进公司的财务预警系统，全面、充分地反映其真实的财务状况，提高财务预警系统的准确性。会计论文
参考文献：
袁康来：《我国农业上市公司财务困境预测的实证研究》，《华东经济管理》2008年第1期。
[本文获湖南省社会科学基金（编号：2010YBB168）资助]
（编辑 向玉章）
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）。关于会计专业的毕业论文由表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 + 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+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
其中： X1 ～X5 同F分数模型， X6 （主营业务收入增长率） = （本期主营业务收入- 上期主营业务收入） /上期主营业务收入：F1模型在F分数模型的基础上加入主营业务增长率这一自变量来影响F分数， 并没有对F分数的临界值有任何影响和改变， 因此， F1 分数模式的临界值仍为0.0274。
四、实证结果与分析
（一）Z计分模型预警分析 从表2中模型的误判效果来看， 本文选取的样本中财务状况较好的非ST公司占大多数，而Z计分模型的检验结果显示处于财务危机状态的ST公司占大多数，把大部分非ST公司误判成了ST公司，因此Z计分模型对于我国农业板块的财务预警判别准确度不高。这很可能是由于我国的现实国情和农业板块上市公司的特殊性，导致农业上市公司Z 临界值低于美国学者Edward Altman（1968）提出的Z计分模型的原始临界值2.675和1.81。（二）F分数模型预警分析 表3结果显示，不管是对非ST还是ST公司，相对于Z计分模型F分数模型预测农业上市公司财务风险的效果明显要好得多。F分数模型结合了公司各个方面的财务指标，采用多元分析方法综合反映， 准确率比较高。但是F分数模型没有考虑到经营业绩增长因素，而我国农业上市公司年度间业绩波动较大，经营业绩包含非农业扩张，呈现出多元化的特征，因而该模型的预测结果受经营业绩的影响较大，稳定性不强。（三）F1改进模型预警分析 表4结果表明F1分数模型预测准确性较之F分数模型更准确。对于农业上市公司来说，经营业绩的好坏取决于主营业务收入，所以主营业务收入增长率这一指标能够很好的反映公司的财务状况。通过这一指标的变动，利益相关者能更好地判断公司是否面临财务风险并及时加以控制，保证公司的安全运作。而F1分数模型考虑到了这一点，因而比Z分数模型和F分数模式这两种模型更适用于中国的农业上市公司。
五、结论与建议
（一）结论 从表5中可以看出，与其他两个模型相比Z计分模型的检验准确率最差，说明Z计分模型并不适应于我国农业上市公司。F分数模型和F1分数模型的检验准确率相对较高，而F1分数模型又优于F分数模型，所以在实际应用中可以更多地考虑使用F1分数模型。Z计分模型侧重于盈利能力和流动性，却没有考虑流量状况，但多数财务危机的发生与流量息息相关。F分数模型虽然考虑了流量状况，但反映发展能力状况的指标却被忽视了，所以用于构建这两种模型的财务指标存在一定片面性，在进行预测时会出现偏差。实证检验结果表明，F1 分数模型的准确性更高。公司的发展能力主要体现在公司利润的增长，而营业收入尤其是主营业务收入对利润的增长有着举足轻重的作用。F1分数模型考虑了发展能力的指标，加入主营业务收入增长率这一重要指标，能比F分数模型更好地预测企业的财务风险。
虽然与Z计分模型相比F分数模型和F1分数模型的检验准确率都较高，但它们仍然存在一定的偏差。主要原因是：第一，F分数模型和F1 分数模型在测定财务结构时，使用的是股东权益的市场价值。实际上，新股票在发行初期是不具有市场价值的，F分数模型和F1 分数模型在计算上市公司股东权益的市场价值时并没有考虑这一因素，所以使用股东权益的市场价值计算出来的公司价值并不准确，测定的财务结构也就与实际情况存在一定偏差。第二，F和F1分数模型中X3与X5指标虽然都考虑了流，但考虑的只是占流比例很小的折旧部分。如果企业面临财务危机，折旧实在解决不了大问题。第三，F和F1分数模型在设计时仍然将会计利润这一易被粉饰、易被高估的变量纳入了指标体系。管理会计毕业论文
(二)建议 根据以上结论，具体政策建议如下：
（1）在运用各种不同的财务预警模型进行风险预测时，我国农业上市公司必须根据本公司所在行业的实际情况对模型的判别标准进行修正，使预警模型具有真正的实用价值，保证各种模型预测财务风险的准确性。（2）提高工作人员的业务素质， 加强各部门的信息管理， 确保会计信息真实可靠。财务预警系统由公司财会部门操作，会计人员的职业道德水平和业务素质在很大程度上决定了公司财务预警模型的实施效果。会计工作人员要不断提高自身的业务能力、筛选有效的会计信息、及时发现问题并向公司预警系统进行信息反馈，创建完善的信息管理体系， 建立健全风险预警对策机制。
（3）政府应加大对涉农行业的扶持和优惠力度，给予农业上市公司税收和补贴优惠。政府的各种扶持政策会对农业上市公的财务状况产生重大的影响，农业上市公司应将这些影响因素作为非财务指标考虑进公司的财务预警系统，全面、充分地反映其真实的财务状况，提高财务预警系统的准确性。会计论文
参考文献：
袁康来：《我国农业上市公司财务困境预测的实证研究》，《华东经济管理》2008年第1期。
[本文获湖南省社会科学基金（编号：2010YBB168）资助]
（编辑 向玉章）