２００8．6 农业经济导刊
JOURNAL OF AGRICULTURAL ECONOMICS
一、问题的提出及文献综述
近年来，随着我国资本市场的发展，上市公司的
优胜劣汰以及破产退出机制的逐步确立趋势进一步
明晰， 上市公司的财务预警分析也因此受到更为广
泛的关注。 参与国内近年来相关的财务困境预警研
究的学者有：周首华（1996）、陈静（1999）、陈晓、陈治
鸿（2000）、高培业、张道奎（2000）、张玲（2000）、张
鸣、张艳（2001）、吴世农、卢贤义（2001）、李华中
（2001）、宋力、李晶（2004）、杨淑娥、王乐平（2007）
等。综观其研究文献，国内的上市公司财务预警分析
注重统一的预警模式，较少深入到某一具体行业，也
较少考虑不同行业的差异性。而笔者注意到，我国上
市公司的财务数据指标具有显著的行业差异性（陈
远志等，2006）， 对基于公司财务指标数据的财务预
警分析可能产生影响， 因而有必要具体考察财务预
警模型在具体行业公司中预警效果的差异性。 鉴于
此，本文拟基于具体的代表性行业，从一个侧面探讨
我国上市公司具体行业财务预警分析的必要性。
基于对我国上市公司 13类行业的比较分析，笔
者发现，出现财务困境的 140多家 ST企业主要分布
在 11个行业范围内， 其中农业板块陷入 ST的上市
公司比例高达 25％以上，因此，本文拟选择我国农
业上市公司作为先期的具体研究对象， 以考察上市
公司财务预警分析的行业差异性。笔者也发现，国内
有些文献已经开始注意到财务预警分析的行业差异
性以及具体行业分析的必要性（如陈志斌、谭瑞娟，
2006；范文亮、贺照利，2007），与笔者以上推断的出
发点相一致。
从国外的相关研究来看， 自 20世纪 30年代以
来，“财务危机”（Financiallcrisis）或“财务困境”（Fi-
nancialldistress） 预警分析从单变量判定模式（Fitz-
patrick，1932；Winaker 和 Smith，1935；Merwin，1942；
Beaver，1966）发展到多变量预测模型，如线性判定
分析（Z 计分模型，Altman，1968；Z′模型，Altman，
1977； 跨行业的 Zeta 模型 ，Altman，Haldeman 和
Narayanan，1977；Sinkey，Terza和 Dince，1987）、 线性
概率模型（Deakin，1972）、Logit和 Probit条件概率模
型等， 进而开始应用到神经网络模型和数据挖掘等
方法（如 Tam和 Kiang，1992）。 需要特别指出的是，
以上的国外研究多数采用破产标准（Alman，1968；
Zmijewski，1984） 作为财务危机或财务困境的标志，
但中国从 1988年开始试行《企业破产法》至今，还没
有 1家上市公司破产，因此，采用国外学者的做法不
符合中国的现实情况。 国内学者大都将特别处理
（ST）的上市公司作为存在财务危机的公司（如陈静，
1999；李华中，2001；姜秀华，2002等）。 本文也采用
以上学者的思路， 将 ST公司作为财务困境企业样
本，并将“财务困境”定义为“因财务状况异常而被特
别处理（ST）”（准确的法律定义参照中国证监会 1998
年颁布的《关于上市公司状况异常期间的股票特别处
理方式的通知》）。所指的“财务状况异常”包括上市公
司突然出现重大亏损、连续两年亏损、股东权益低于
注册资本或每股净资产低于面值等几种情形。
二、实证研究设计
（一）研究样本的选取
本文将财务困境界定为公司财务状况异常而被
我国农业上市公司的财务预警实证研究
陈远志 罗淑贞
内容提要：本文选取农业板块上市公司作为实证研究对象，探讨具体行业财务预警分析的必要性；基
于沪深两市农业上市公司的样本数据， 比较了单变量分析、Z模型、Zeta模型、F模型以及 F′分数模型的
财务预警效果。结果表明，后三者的预测准确率明显较高，并且加入行业修正值及现金流量指标的 F′分数
模型的预测准确性在各时点均为最高。本文的实证结果提示了关注财务预警分析的行业差异性并进行更
多深入的具体行业分析的必要性，并指明了后续研究方向。
关键词：农业上市公司 /财务困境 /财务预警
111· ·
２００8．6农业经济导刊
JOURNAL OF AGRICULTURAL ECONOMICS
“特别处理”， 因而研究样本与我国沪深两市农业板
块因财务异常而陷入 ST的上市公司相关。基于时间
一致性、数据可获得性以及样本配比等方面的考虑，
研究样本限定为 2003年以前上市的农业板块上市
公司，样本数据的采样年份包括 2003、2004、2005三
年， 以发生 ST前三年的指标数据作为实证数据来
源。 2007年 40家农业上市公司中，剔除 1家为 2006
年上市的公司（獐子岛），剔除 5家在 2006年以前就
已成为 ST的公司（ST生态，SST大盈，PT粤金曼，ST
中鲁 B和 ST大盈 B）， 最终的研究样本中包含 7家
ST公司及 27家财务正常公司（参见文末附表 1）。
（二）指标变量的选取与数据来源说明
本文在数据可获取的前提下， 参考已有研究成
果，尽可能选择反映上市公司偿债能力、盈利能力、
资产管理能力以及成本效益等方面能力的各种财务
指标，同时偏重对现金流量指标的分析。单变量简易
预警分析选取的财务变量包括：（1）营业现金流量／
债务总额；（2）净收益／资产总额（资产收益率）；（3）
资产负债率；（4）营运资本／资产总额；（5）流动资
产／流动负债。 Z计分模型分析时采用的财务指标
为：（1）营运资本／资产总额；（2）留存收益（未分配
利润）／资产总额；（3）息税前利润／资产总额；（4）
股东权益／负债账面价值总额；（5）销售额／资产总
额。 而 F分数模型预警所采用的财务指标有：（1）营
运资本／资产总额；（2）留存收益（未分配利润）／资
产总额；（3）（净利润＋折旧）／资产总额；（4）股东权
益／负债账面价值总额；（5）（净利润＋折旧＋利息）／
资产总额。
本文的实证数据均源自证券之星网站统计数
据、巨潮资讯及上市公司年报资料。定义企业财务危
机当年为第 T年， 对样本前三年的数据依次定义为
T－1年，T－2年，T－3年。 财务危机组定义为 1，非
财务危机组定义为 0。 为了保留相对充足的样本，对
于缺失值， 本文采取组内变量的平均值替代法而非
删除法处理。
（三）财务预警方法及预警效果比较
本文在单变量预警分析的基础上， 深入比较国
内外应用较为广泛的多元变量分析中的 Z计分模
型、Zeta模型、F分数模型和加入行业修正值及现金
流量指标的 F′分数模型对我国农业板块上市公司
的财务预警效果。 预警效果采用误判率或预测准确
率来衡量， 其中误判率为判别错误的个数与总样本
数之比，判别错误包括第一类和第二类等两类错误，
前者指将财务危机企业判定为非财务危机企业，后
者则指把非财务危机企业判定为财务危机企业，并
假定犯第一类错误和第二类错误的成本相等。
三、实证分析及预警效果比较
（一）单变量及 Z计分预警分析
本文首先进行单变量简易预警分析并采用两分
法测试原则， 将所有样本的某一变量的值按顺序排
序， 根据所得排序结果选取使错判率最低的分割点
（Cut--off-point），即最佳判定点。 选取的财务指标变
量为 Beaver在比较 79家失败企业和相同数量、相
同资产规模的成功企业时所提出的预测效果较好的
五个指标， 利用这些变量对我国农业板块样本公司
进行单变量预警分析。
实证结果显示，从总误判率来看，利用单变量简
易预警分析来判别我国农业上市公司的财务状况
时，所选取的五个指标中，总资产收益率的误判率相
对低（以 T－1年为例，％），之后依次是资产负
债率（％）、营运资金／资产总额（％）、流
动比率（％）和债务保障率（％）。这一次序
部分地反映了以上指标对我国农业上市企业进行单
变量预警分析的相对有效性。但同时也应注意到，资
产收益率指标容易受到上市公司盈余管理影响而具
有片面性， 它在以上单变量预警分析中错判率较低
可能与研究中将财务困境定义为 ST公司，而我国上
市公司是否被 ST又部分取决于 ROA和 ROA所定
义的盈亏状况相关， 因而单变量简易预警的总误判
率比较可能夸大了资产收益率指标的有效性。此外，
五个指标的均值差异性显著， 虽然它们被已有文献
认为对于公司财务预警较为有效， 但是单变量简易
预警分析的总误判率普遍偏高， 难以达到对我国农
业上市公司财务状况有效预警的要求。
本文随之采用 Altman的 Z计分模型对我国农
业上市公司的财务状况进行预警分析， 模型结构及
参数估计结果如下：
Z＝＋＋＋＋
其中，X1=营运资金／资产总额；X2＝留存收益
（未分配利润）／资产总额；X3＝息税前利润／资产
总额；X4＝股东权益／负债账面价值总额；X5＝销
售额／资产总额。
112· ·
２００8．6 农业经济导刊
JOURNAL OF AGRICULTURAL ECONOMICS
判断标准为：Z＜时， 企业有很高的财务困
境概率；＜Z＜时，企业财务状况不明，处于
灰色区域；Z＞时，企业处于安全状态。 对样本中
34家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 Z值，其区间分布见表 1。 根据 Z值的
范围，对 Z模型的错判率进行统计，结果如表 2所示。
表 1 样本公司的 Z值分布
Z值／年 T-1 ---------T-2 ----------------T-3-
-------Z＜ -----------19家 17家 17家
＜Z＜-------------8家 10家 12家
Z＞ -7家 7家 5家
表 2 2样本上市公司的 Z值判别分析
年份 第一类错误 第二类错误 误判率
T-1 --------------0 ％ ％
T-2 ％ ％ ％
T-3 --------------0 ％ ％
从表 2中模型的误判效果来看，Z计分模型应
用于我国农业板块的准确度并不高， 虽然其将陷入
ST的公司误判为财务正常公司的几率接近于 0（即
第一类错误很低）， 对 ST公司的遗漏预警情况极少
发生，但其第二类错误率较高，容易把很多财务状况
良好的公司预测为财务困境， 这使得 Z模型的误判
率相对较高。
（二）Zeta模型预警分析
Zeta 模型去掉了具有行业影响因素的销售收
入／总资产，既有研究显示，四变量的 Zeta值模型
在财务预警方面要优于原来的 Z值模型， 在企业财
务危机或破产前一年的预测精度在 90％以上，而破
产前 5年的预测精度也在 70％以上。 Zeta模型及其
参数估计值如下：
Zeta＝＋＋＋
其中：X1＝营运资本／总资产；X2＝留存收
益／总资产；X3＝息税前利润／总资产；X4＝股东
权益／总负债。
判别标准为：Z＜时，代表很高的财务困境概
率；＜Z＜时，表明企业财务状况不明，处于灰
色区域；Z＞时， 企业处于安全状态。 本文应用
Zeta模型结构对我国农业上市公司样本进行参数再
估算，得出各样本公司的 Zeta，其区间分布见表 3。
Zeta模型的错判统计结果参见表 4。
从表 4的判别效果来看，Zeta计分模型应用于
判断我国农业样本上市公司的财务状况时， 第二类
错误即将正常企业误判为财务危机企业的几率为
0，并且随着公司离陷入特别处理（ST）越近，其预测
的准确率越高，误判率趋于下降。但其第一类错误误
判率则较高，即容易对财务困境企业出现漏判情况。
对比 Zeta计分及 Z计分模型的误判率数据，我们发
现，Zeta模型对我国农业上市公司的财务预警精确
率要明显高于 Z模型的预测， 在农业上市公司陷入
ST 的前两年，Zeta 模型的预测准确率高达 90％以
上。 就准确甄别有财务问题的公司而言，Z计分模型
显得过分严格，而 Zeta模型则相对过于宽松。
（三）F及 F′分数模型分析
周首华（1996）以 1990年以来的 4160家公司为
样本， 通过调整和更新指标对 Z计分模型进行了修
正，建立了 F分数模型，其最大特点就在于引入了现
金流量变量（X3是一个现金流量变量，它是衡量企
业所产生的全部现金流量可用于偿还企业债务能力
的重要指标，X5则测定的是企业总资产在创造现金
流量方面的能力），弥补了 Z计分模型的不足。 模型
的基本结构如下：
F＝β0＋β1X1＋β2X2＋β3X3＋β4X4＋β5X5
其中：X1＝营运资金／资产总额；X2＝留存收
益／资产总额；X3＝（净利润＋折旧）／平均总负
债；X4＝期末股东权益市场价值／负债；X5＝（净利
润＋折旧＋利息）／资产总额。
本文基于我国农业样本上市公司数据对 F 分
数模型进行参数估算的调整， 各参数的估算结果为
｛－，，，，，｝，除
常数项基于 10％显著性水平上显著不为零外，其余
参数估计值均在 1％水平上显著。 该 F 分数模型
以 为临界点， 此数值上下 以内 ，
即－＜F＜区间为不确定区域，但应高
度警觉； 当 F＜－则企业发生财务危机；F＞
表 3 我国农业样本公司的 Zeta值分布
Zeta值 T-1年 T-2年 T-3年
Z＜ -----5家 4家 3家
＜Z＜--------------1家 1家 2家
Z＞ ----28家 29家 29家
表 4 样本公司的 Zeta值判别分析
年份 第一类错误 第二类错误 误判率
T-1 ％ 0 ％
T-2 ％ 0 ％
T-3 ％ 0 ％
113· ·
２００8．6农业经济导刊
JOURNAL OF AGRICULTURAL ECONOMICS
则说明企业财务状况较好。
基于以上参数估计结果， 计算出各样本公司 F
值，F分数模型的预警效果状况参见表 5。 对比 F分
数模型与 Z计分和 Zeta计分模型的判别效果，我们
发现 F分数模型对我国农业上市公司的预警准确度
要高于 Z系列财务预警模型， 并且随着公司在离陷
入 ST公司越近，预测准确率越高。
F 分数模型较大的缺陷就在于行业差异因素
仍然考虑不足。 陈志斌（2006）在 F分数模型基础
上提出 F′模型对此有所改进。 本文借鉴其改进建
议， 加入行业修正值以及现金流量指标后基于本
文的农业上市公司样本， 最终参数估计结果为
｛，，，，，｝， 除
常数项不显著外， 其余参数估计值均在 5％显著性
水平上显著不为 0。
该模型以 为临界点，F′＞时，认为
企业财务状况较好，F′＜时，判断企业会发生
财务危机。 基于以上参数估计结果计算各样本企业
的 F′值，预警效果参见表 6。
表 55555F分数模型的预警效果列表
年份 第一类错误 第二类错误 误判率
T-1 ＜＜＜＜＜＜＜％ 0 ＜＜＜＜＜＜＜＜＜＜＜％
T-2 ＜＜＜＜＜＜＜＜％ ％ ％
T-3 ＜＜＜＜＜＜＜％ 0 ＜＜＜＜＜＜＜＜＜＜％
表 65555样本公司 F′值的财务预警效果
年份 第一类错误 第二类错误 误判率
T-1 ＜＜＜＜＜＜＜＜％ 0 ＜＜＜＜＜＜＜＜＜＜％
T-2 ＜＜＜＜＜＜＜＜％ ％ ％
T-3 ＜＜＜＜＜＜＜＜％ 0 ＜＜＜＜＜＜＜＜＜＜％
表 6显示， 加入行业修正值以及现金流量指标
后的 F′分数模型对我国农业上市公司被 ST的预警
准确度较高，各年的总误判率都在 9％以下，临近 ST
前一年的总误判率甚至只有 ％；在 2005年预测
我国农业上市公司发生财务困境的正确率为
％，2004年预测的准确率为 ％，并且随着
公司离陷入 ST的年份越近， 财务预警的准确率越
高。 但其第一类错误的发生概率相对于其第二类错
误仍明显较高。
（四）财务预警效果分析与比较
综合表 1～表 6 的实证结果， 定义预测准确
率＝1－总误判率。我国农业上市公司财务预警效果
比较结论如下：（1）在五类模型中，单变量简易预警
分析和 Z计分模型对我国农业上市公司财务状况的
判定准确率明显偏低， 在各时点判定的准确率均低
于 70％； 其中单变量分析能反映出其预警的时效
性，即离上市公司被判 ST的时间越近，模型的预测
准确率越高，而 Z计分模型则不然；（2）Zeta模型、修
正的 F分数模型以及加入行业修正值及现金流量指
标的 F′分数模型对我国农业上市公司的财务预警
精度则明显较高， 在各时点的预测准确性均高于
88％，并且总体上都体现出预测准确性的时效性，距
离公司被判 ST的时间越近， 模型的预测准确率越
高；其中加入行业修正值以及现金流量指标后的 F′
分数模型在各时点的预测准确性都是最高的， 尤其
在公司被判 ST前的第 3年，其预测的准确率要显著
高于其余两类模型。
四、结论与启示
本文选取我国沪深两市农业板块上市公司作为
实证研究对象，采用单变量分析、Z模型、Zeta模型、
F模型以及 F′分数模型对我国农业板块上市公司进
行了财务预警实证研究。结果表明，后三类模型对我
国农业上市公司财务状况预测的准确性具有明显优
势，并且总体上体现出预警分析的时效性，即越临近
财务困境发生年份，预测精度越高。 其中，F′分数模
型在各时点的预测准确性都是最高的， 在公司被判
ST前的第 3年（T－3），其预测的准确率要显著高于
其余两类模型；在公司被判 ST前的第 2年（T－2），
F′分数模型和 Zeta模型的预测准确率高于 F分数模
型；而在公司被判 ST的前 1年（T－1），修正的 F分
数模型和 F′分数模型的预测准确率要显著高于 Zeta
模型。 修正的 F分数模型以及加入行业修正值及现
金流量指标的 F′分数模型的预警效果从一个侧面
表明， 在财务预警模型中引入行业的修正因素能够
显著地提高财务困境预测的准确性， 因而关注财务
预警分析的行业差异性并进行更多深入的具体行业
分析是有必要的。
本文以笔者前期研究中对于我国上市公司财务
指标数据行业差异特征的谨慎关注和实证检验结论
（陈远志、梁彤缨，2006）作为出发点，选取 ST比例高
于 25％的农业板块作为先期的实证研究样本探讨
具体行业财务预警分析的必要性问题， 是具有理论
依据和现实意义的。从表象看，我国上市公司某些财
务指标具有较大的盈余管理空间、 各行业的资本／
114· ·
２００8．6 农业经济导刊
JOURNAL OF AGRICULTURAL ECONOMICS
劳动密集型、 财务杠杆比率以及产业扶持力度等方
面存在差异是有必要进行具体行业差异分析的基
础；深入来看，各行业所固有的营运特征差异以及我
国上市公司独特的股权结构、 盈利激励机制以至于
公司治理机制的行业差异性则是我国上市公司盈利
预测及财务预警分析有必要展开深入的具体行业分
析的深层次原因。
本文的财务预警分析仍然存在一定的局限性有
待改进：（1） 仅以农业板块作为先期的研究对象，数
据样本仍相对有限；（2）财务预警模型的比较仅限于
国内外应用较为广泛的五类预警分析模型， 受时间
和篇幅所限未纳入条件概率、 神经网络等其他模型
的预警效果比较，有待进一步探讨。 即便如此，本文
的实证分析作为先期探讨， 已初步提示了对我国上
市公司进行分行业财务预警具体分析的必要性。 为
了提高我国企业财务预警分析的有效性， 后续研究
还有必要进一步引入更多的行业差异指标， 甚至包
括某些非财务指标，如王克敏、姬美光（2006）对更多
具体行业上市公司所进行的深入的财务预警分析。
参考文献：
[1]]Beaver]W]H.]Financial]Ratiossas]Predictors]of]Failure[J].s
Journal of Accounting Research (supplement) , 1966,4.
[2],sDiscriminantsAnalysiss ands
Prediction of Corporate Bankruptcy [J]. Journal of Finance,
1968,23 (4).
[3]-
tion of Bankruptcy [J]. Journal of Accounting Research, 1980, 18 (1).
[4]]Kathleen]M]I,]Nancy]E]B,]Erica]J]M,]et]al.]Unsupportive]
responses]from]others]concerning]a]stressful]life]event]:]Develop-
ment of the unsupportive social interactions inventory[J]. Journal of
Social]and]Clinical]Psychology,]2001,]20(2).
[5]]周首华，等．论财务危机的预警分析———F分数模式
[J].会计研究，1996(8).
[6]]陈静．上市公司财务恶化预测的实证分析[J].会计研
究，1999(4).
[7]]陈晓，陈治鸿．中国上市公司的财务困境[J].中国会
计与财务研究，2000(9).
[8]]高培业，张道奎．企业失败判别模型实证研究[J].统
计研究，2000(10).
[9]]张玲．财务危机预警分析判别模型[J].数量经济技术
经济研究，2000(3).
[10]]张鸣，张艳．财务困境预测的实证研究与述评[J].财
经研究，2001(12).
[11]]吴世农，卢贤义．我国上市公司财务困境的预测模
型研究[J].经济研究，2001(6).
[12]]李华中．上市公司经营失败的预警系统研究[J].财
经研究，2001(10).
[13]]宋力，李晶．上市公司财务危机预警模型的实证研
究[J].财经论丛，2004(1).
[14]]杨淑娥，王乐平．基于 BP神经网络和面板数据的
上市公司财务危机预警[J].系统工程理论与实践，2007(2).
[15]]陈远志，梁彤缨．行业特征、股权结构与公司绩效的
实证研究[J].系统工程，2006(2).
[16]]陈志斌，谭瑞娟．财务预警的行业差异模型研究[J].
南京师范大学学报：社会科学版，2006(9).
[17]]范文亮，贺照利．房地产行业上市公司财务危机预
警的实证研究[J].集团经济研究，2007(2).
[18]]王克敏，姬美光．基于财务与非财务指标的亏损公
司财务预警研究[J].财经研究，2006(7).
附表 1 1研究样本列表
代号 名称 代号 名称 代号 名称 代号 名称
000509 ]]]]S*ST华型 600242 ]]]]S*ST华龙 000663 ]]]]]]永安林业 600248 ]]]]*ST秦丰
000713 ]]]]丰乐种业 600251 ]]]]冠农股份 000829 ]]]]]]天音控股 600275 ]]]]]]武昌鱼
000735 ]]]]]]罗牛山 600257 ]]]]洞庭水殖 000860 ]]]]]]顺鑫农业 600313 ]]]]SST中农
000798 ]]]]中水渔业 600265 ]]]]景谷林业 000918 ]]]]]S*ST亚华 600354 ]]]]敦煌种业
000972 ]]]]]]新中基 600359 ]]]]新农开发 000998 ]]]]]]隆平高科 600438 ]]]]通威股份
002041 ]]]登海种业 600467 ]]]]]]]好当家 600075 ]]]]]新疆天业 600506 ]]]]香梨股份
600093 ]]]*ST禾嘉 600540 ]]]]]新赛股份 600108 ]]]]]亚盛集团 600598 ]]]]]]北大荒
600180 ]]]九发股份 600962 ]]]]]国投中鲁 600189 ]]]]]吉林森工 600965 ]]]]]福成五丰
600225 ]]]S*ST天香 600975 ]]]]]]]新五丰
作者单位：陈远志，华南理工大学工商管理学院（广州 510640）；罗淑贞，毕马威华振会计师事务所。（深圳 518000）
原载《经济与管理研究》（京），～94
115· ·
