摘 要：本文以22家林業上市公司為樣本，運用傳統的Z值模型對我國林業上市企業的財務數據進行測算，并結合我國實際運用Fisher多元判別模型加以修正，建立了適合我國林業上市企業的財務預警模型。實證研究顯示，傳統的Z值模型判別效果差，不適應我國林業上市企業的風險預警；通過Fisher多元判別修正后的Z值模型，判別臨界值為0，且能對我國林業上市企業做出很好的風險判別，達到財務風險預警的目的。
關鍵詞：林業上市企業；財務預警；Z值模型；Fisher判別
一、引言
近年來，我國林業上市企業在快速發展的同時，也具有一些問題。例如，經營過于多元化，企業主營業務衰退，以及公司股權結構不合理等。這些問題使得我國林業上市企業整體經營績效下降，經營風險加大。目前國內外對于上市企業財務預警模型有著諸多研究，且都取得了較為優秀的預測成果。然而，國內林業上市企業對財務預警系統缺乏的深刻認識，未形成系統的財務預警模型，針對這一現狀，在總結各種模型的優勢和劣勢的基礎上，選用Z值模型對我國林業上市企業進行財務預警。
二、基于傳統Z值模型的應用
（1）傳統Z值模型的內容。在傳統財務危機預警模型中，最受歡迎的就是多變量預測模型。其中最為著名的就是美國Altman教授在20世紀60年代得出的Z-score模型。Altman運用判別分析，確定出Z值模型公式：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 （1）
其中：X1=（流動資產-流動負債）/總資產；X2=（盈余公積+未分配利潤）/總資產；X3=（利潤總額+財務費用）/資產總額；X4=（每股市價*流通股數+每股凈資產*非流通股數）/期末總負債；X5= 銷售收入/總資產。Altman的Z-score模型的判別標準是，Z值越小，樣本企業未來遭受財務危機的可能性就越大；反之，Z值越大，該企業的財務狀況就越好，在未來遭受財務危機的可能性也就越小。原模型給出的Z值臨界值為1.81，當Z<1.81時，說明企業存在較大的財務危機的風險（重警）；1.812.675時說明企業財務狀況良好（無警）。
組別 公司名稱 Z值 判別結果 公司名稱 Z值 判別結果 組別 公司名稱 Z值 判別結果 公司名稱 Z值 判別結果
非ST組 海南橡膠 1.3879 重警 中福實業 1.1340 重警 ST組 *ST中基 0.4710 重警 *ST大地 1.1040 重警
圣農發展 1.8623 中警 大湖股份 0.8630 重警 *ST美利 0.4879 重警 ST宜紙 0.2376 重警
吉林森工 1.1147 重警 冠豪高新 1.1450 重警 *ST新農 1.0773 重警 ST新龍 0.5426 重警
好當家 2.3325 中警 新疆天宏 0.7595 重警 *ST石峴 0.0434 重警 ST景谷 0.1861 重警
升達林業 0.9125 重警 香梨股份 1.0513 重警 *ST國商 0.3450 重警 ST中冠A 1.3750 重警
永安林業 0.3174 重警 *ST甘化 0.7661 重警
（2）樣本的選取。首先，確定林業相關樣本企業，選取ST和非ST企業作為對照組。然后，運用Altman的Z-score模型對這些企業進行測算。其中，因為ST企業均是在兩年連續虧損或出現重大虧損的情況下才被冠以ST（Special Treatment， 特別處理）之名的，所以選擇采集其在被交易所公布特別處理年份的三年前的數據。[1]根據以上方法，本文選取了存在財務危機的林業相關企業共11家組成ST組企業樣本，對應找到相關的林業上市企業作為對照組即非ST組。最終構成一個樣本容量為22的模型數據組，并按照Z-score模型要求，計算Z值。（樣本數據均來自于和訊網）
（3）傳統Z值模型結果分析。表1為樣本企業的測算Z值以及參照Z-score模型判別標準得出的財務危機風險預警結果：
從表1的結果中可以看到，運用傳統Z-score模型對我國林業相關上市企業進行財務風險預測時，Z值都小于1.81，均被判定為有財務危機風險的企業，不僅ST企業全部需要重度警告，而且非ST企業也基本處于重中警狀態。從判定結果來看，此判別模型失去了判別的意義和效用。此外，林業企業存在生產周期長、負債率高的特殊性，該模型的判別臨界值對于我國林業相關上市企業而言相對偏高，不適用于我國國情。而且該模型所有的變量均未考慮相關的現金流量指標，而我國的林業企業作為高負債企業，往往需要大量現金流量用于償還債務等來維持企業的經營周轉。因此，傳統Z-score模型不適用于我國當前林業相關的上市企業。
三、修正Z值模型
（1）判別模型的建立。1）指標選取。在構建模型中，考慮資產負債因素和利潤因素的同時，考慮現金流量因素。綜合各項因素，最后從企業財務報表中選擇了以下7個指標作為模型的變量指標。[2]這7個指標分別為主營業務現金含量（X1）、營業活動收益質量（X2）、資產現金流量回報率（X3）、現金流動負債比率（X4）、流動比率（X5）、每股收益（X6） 、現金比率（X7），并以此為變量建立新的Z值模型。2）建立模型。判別分析的基本原理是按照一定的判別準則，建立一個或者多個判別函數，通過研究對象的大量資料確定判別函數中的待定系數，并計算判別指標。它的一般形式是：
Y=a1X1+a2X2+a3X3+…anXn （2）
其中，Y為判別分數，也稱為判別值；X1，X2，X3…Xn
為反映研究對象特征的變量值；a1，a2，a3…an為各變量的系數，又稱為判別系數。 判別模型的建立過程中，樣本依然選取上述22家上市公司，通過SPSS運行判別分析可以得到Fisher線性判別函數系數，并由此得到Fisher線性判別函數模型是：
Y1=130.035X1-0.037X2-5.571X3+20.613X4+8.101X5+ 34.156X6
-57.494X7-71.973 （3）
Y2=125.318X1-0.019X2+15.241X3+6.941X4+7.951X5+34.691X6-
54.943X7-66.324 （4）
（2）Fisher判別模型的檢驗。在本文中，給出一個公司的X1-X7變量，再將這些變量分別代入Y1、Y2兩個判別模型，如果得出的Y1>Y2，則將該公司歸入第一組，即非ST組，反之，
則是ST組。通過SPSS操作結果顯示，非ST組11個樣本中，有海南橡膠，升達林業，大湖股份以及新疆天宏四家企業因為Y1Y2被誤判為非ST企業，兩組共計6家企業被誤判，模型判斷正確率為72.73%。在校對檢查時發現，被誤判的企業大都存在一些較大的問題。這些誤判的企業基本上處于ST與非ST邊界的企業，因此其判別結果仍然合理，可以進一步應用。
作者：劉欣
