林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險評價研究

陳茜+田治威

摘要：本文以33 家林業(yè)上市企業(yè)作為樣本，通過因子分析法對其2014年的主要財(cái)務(wù)指標(biāo)進(jìn)行分析，識別影響林業(yè)企業(yè)財(cái)務(wù)風(fēng)險的主要因素，構(gòu)建林業(yè)上市企業(yè)的財(cái)務(wù)風(fēng)險評價模型，對林業(yè)上市企業(yè)的財(cái)務(wù)風(fēng)險程度進(jìn)行打分和排序；并采用聚類分析法根據(jù)樣本企業(yè)的財(cái)務(wù)風(fēng)險程度將林業(yè)公司歸集為良好、一般、高風(fēng)險三類。最后根據(jù)研究結(jié)果分析林業(yè)公司普遍存在的財(cái)務(wù)風(fēng)險，提出相應(yīng)的建議和措施，對完善林業(yè)企業(yè)的風(fēng)險和績效評價體系提供理論借鑒和方法指導(dǎo)。

關(guān)鍵詞：林業(yè)上市企業(yè)；財(cái)務(wù)風(fēng)險評價；因子分析；聚類分析

中文圖書分類號：F23 文獻(xiàn)標(biāo)識碼： A 文章編號：

一、引言

林業(yè)是國民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè)，是涉及國民經(jīng)濟(jì)第一、第二、第三產(chǎn)業(yè)的復(fù)合產(chǎn)業(yè)群體，也是生態(tài)文明建設(shè)的主體。2003 年6 月25日國務(wù)院做出《關(guān)于加快林業(yè)發(fā)展的決定》、2013年十八大宣示了包含生態(tài)文明建設(shè)的“五位一體”總布局、2015年《中央一號文件》明確指出“深化林業(yè)改革”。這一系列有關(guān)林業(yè)發(fā)展的中央文件陸續(xù)出臺，可見我國林業(yè)生機(jī)勃勃，迎來了前所未有的發(fā)展契機(jī)。但是，由于林業(yè)生產(chǎn)具有投資期長、高風(fēng)險、高不確定性等特點(diǎn)，林業(yè)企業(yè)的財(cái)務(wù)經(jīng)營狀況與其他企業(yè)相比普遍堪憂。截止2016年2月5日A股2813家上市企業(yè)每股收益（EPS）最高的是貴州茅臺9.09元/股，而林業(yè)上市企業(yè)中EPS最高的順鑫農(nóng)業(yè)每股收益（EPS）僅為0.5047元/股，在所有A股上市企業(yè)中排名第422位。在本文定義的33家林業(yè)企業(yè)中，EPS為負(fù)值的就有11家之多。截至2016年2月，A股上市企業(yè)EPS均值0.2361、流動比率2.7939、總資產(chǎn)周轉(zhuǎn)率0.4456、凈利潤同比增長率-78.8864；林業(yè)上市企業(yè)EPS均值0.0402、流動比率1.9569、總資產(chǎn)周轉(zhuǎn)率0.3899、凈利潤同比增長率-214.5551。由此可見與A股其他上市企業(yè)相比，林業(yè)上市企業(yè)的盈利能力、營運(yùn)能力、償債能力等都顯著低于A股企業(yè)均值。

林業(yè)上市企業(yè)是林業(yè)企業(yè)中的“領(lǐng)頭羊”和生力軍，以其為研究對象，探究林業(yè)企業(yè)財(cái)務(wù)風(fēng)險預(yù)警和評價系統(tǒng)，可以幫助林業(yè)企業(yè)發(fā)掘潛在財(cái)務(wù)風(fēng)險、建立財(cái)務(wù)預(yù)警機(jī)制、及早采取必要的風(fēng)險控制措施、減少或化解財(cái)務(wù)危機(jī)，為林業(yè)企業(yè)的可持續(xù)發(fā)展、提高林業(yè)企業(yè)競爭力、促進(jìn)林業(yè)發(fā)展提供理論依據(jù)和政策建議。

二、財(cái)務(wù)風(fēng)險評價的方法

充分認(rèn)識風(fēng)險和財(cái)務(wù)風(fēng)險是企業(yè)可持續(xù)發(fā)展的前提。財(cái)務(wù)風(fēng)險是指經(jīng)濟(jì)主體實(shí)際經(jīng)營績效偏離預(yù)期財(cái)務(wù)收益的可能性，有狹義和廣義之分。狹義的財(cái)務(wù)風(fēng)險通常指企業(yè)無法償還到期債務(wù)的不確定性，風(fēng)險的大小表現(xiàn)為企業(yè)因無法如期償付債務(wù)而導(dǎo)致破產(chǎn)的可能性高低。廣義的財(cái)務(wù)風(fēng)險是指企業(yè)在日常經(jīng)營管理活動中，由于內(nèi)外環(huán)境的不確定性而導(dǎo)致的企業(yè)在一定時期內(nèi)的財(cái)務(wù)收益偏離預(yù)期目標(biāo)而導(dǎo)致的損失。本文主要從廣義角度研究林業(yè)企業(yè)財(cái)務(wù)風(fēng)險。

企業(yè)的財(cái)務(wù)風(fēng)險有跡可循，在財(cái)務(wù)困境中的企業(yè)通常表現(xiàn)出相似的財(cái)務(wù)特征，如：凈資產(chǎn)為負(fù)值、現(xiàn)金流量為負(fù)值等，因此可以通過合理的方法評價和預(yù)測財(cái)務(wù)風(fēng)險。財(cái)務(wù)風(fēng)險評價是利用企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行歸納整理，結(jié)合企業(yè)戰(zhàn)略和經(jīng)營計(jì)劃，通過各種財(cái)務(wù)比率的比較分析、建立統(tǒng)計(jì)模型或其他模型的方法，對企業(yè)未來的經(jīng)營行為進(jìn)行分析，以提早發(fā)現(xiàn)其中潛在的財(cái)務(wù)風(fēng)險，提醒企業(yè)提前采取相應(yīng)的措施降低或規(guī)避這些風(fēng)險。

目前國內(nèi)外企業(yè)財(cái)務(wù)風(fēng)險評價和預(yù)警模型的研究主要包括了以下幾種方法：1.單變量分析法。Beaver（1966）首次提出了單變量分析法，通過對79個樣本企業(yè)破產(chǎn)前1至5年的30個（6組）財(cái)務(wù)比率進(jìn)行檢驗(yàn)，認(rèn)為最能有效判別企業(yè)財(cái)務(wù)風(fēng)險的變量是債務(wù)保障率和資產(chǎn)收益率 [1]。2.多變量分析法。Altman（1968）首次運(yùn)用了多變量分析法。他選取了33家破產(chǎn)企業(yè)與33家同行業(yè)的非破產(chǎn)企業(yè)做對比研究，從流動性、運(yùn)營能力、償債能力、獲利能力、資本結(jié)構(gòu)等五個方面選用了多個變量構(gòu)建了Z-Score模型，以加權(quán)產(chǎn)生的Z值評價企業(yè)財(cái)務(wù)危機(jī)的大小，Z值越低財(cái)務(wù)風(fēng)險越大[2]。該方法至今仍被普遍用于評價上市企業(yè)的財(cái)務(wù)風(fēng)險。因子分析法也是多變量分析法的重要組成部分[3]。朱峰峻、張國勝（1995）將模糊數(shù)學(xué)中的模糊綜合評判原理與多元統(tǒng)計(jì)中的因子分析法相結(jié)合，建立了經(jīng)濟(jì)效益綜合評價模型，對工業(yè)企業(yè)的經(jīng)濟(jì)效益進(jìn)行了評價，研究結(jié)果表明該模型的評價結(jié)果更接近于實(shí)際[4]。黃生權(quán)、黃亞（2015）選取滬深兩市2012年ST和*ST企業(yè)共52家作為研究樣本，用因子分析法對其財(cái)務(wù)狀況評價。分析結(jié)果表明，因子分析方法能夠較為全面地對企業(yè)財(cái)務(wù)風(fēng)險進(jìn)行分析，幫助企業(yè)管理層即時掌握公司出現(xiàn)財(cái)務(wù)風(fēng)險的可能性，避免出現(xiàn)更為嚴(yán)重的財(cái)務(wù)狀況，并為公司投資人提供投資風(fēng)險信號，降低投資人的投資風(fēng)險[5]。3.Logistic模型。Ohlson（1980）首次通過建立Logistic模型預(yù)測企業(yè)破產(chǎn)情況。研究結(jié)果表明公司規(guī)模、變現(xiàn)能力、資本結(jié)構(gòu)和經(jīng)營業(yè)績是顯著影響企業(yè)破產(chǎn)概率的重要變量[6]。4.神經(jīng)網(wǎng)絡(luò)模型。Odom &Sharda（1990）通過樣本企業(yè)的檢驗(yàn)證明傳遞神經(jīng)網(wǎng)絡(luò)模型的財(cái)務(wù)預(yù)警效果比傳統(tǒng)模型更優(yōu)，其超強(qiáng)的自我適應(yīng)能力使其既能分析定量指標(biāo)、又能處理定性指標(biāo)[7]。

本文以A股33家林業(yè)上市企業(yè)為樣本，從企業(yè)財(cái)務(wù)管理的五大方面提取關(guān)鍵性財(cái)務(wù)指標(biāo)，選用多變量分析法中的因子分析法研究林業(yè)企業(yè)財(cái)務(wù)風(fēng)險的影響因素，建立林業(yè)企業(yè)財(cái)務(wù)風(fēng)險評價體系，推導(dǎo)林業(yè)企業(yè)財(cái)務(wù)風(fēng)險評價模型，根據(jù)模型對各林業(yè)上市企業(yè)的財(cái)務(wù)風(fēng)險進(jìn)行單因子評分和綜合評分，并對林業(yè)上市企業(yè)的財(cái)務(wù)風(fēng)險控制和評價機(jī)制提出建議。

三、林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險評價體系研究設(shè)計(jì)

（一）林業(yè)上市企業(yè)范圍的界定

林業(yè)產(chǎn)業(yè)是涉及國民經(jīng)濟(jì)第一、第二、第三產(chǎn)業(yè)的復(fù)合產(chǎn)業(yè)群體，但當(dāng)前證監(jiān)會行業(yè)分類（CSCR行業(yè)分類）并未把林木產(chǎn)品加工、林業(yè)生態(tài)旅游等企業(yè)納入林業(yè)企業(yè)范疇。筆者認(rèn)為，由于林木資產(chǎn)的長周期與高風(fēng)險性會為企業(yè)帶來了特殊的財(cái)務(wù)風(fēng)險，因此以是否擁有林木資產(chǎn)為衡量標(biāo)準(zhǔn)，但凡擁有林木類生物資產(chǎn)的上市企業(yè)均可以定義為“林業(yè)上市企業(yè)”。

根據(jù)此定義，本研究選取樣本的步驟如下：第一步，選取CSCR林業(yè)企業(yè)4個。第二步，選取CSCR制造業(yè)“木材加工和木、竹、藤、棕、草制品”企業(yè)10個；CSCR“家具制造業(yè)加工”公司8個；CSCR“造紙和紙制品”企業(yè)27個。第三步：選取Wind咨訊金融終端行業(yè)分類中“紙與林木產(chǎn)品”企業(yè)33個。剔除重復(fù)的11家公司后再通過人工閱讀年報，在剩余的樣本公司中確認(rèn)符合本研究定義的林業(yè)企業(yè)33個。最后為了減少樣本的錯漏，筆者再次比較現(xiàn)有文獻(xiàn)中被歸類為“林業(yè)上市企業(yè)”的企業(yè)，最終確定目標(biāo)樣本公司33個。

（二）研究方法及其原因說明

1.因子分析法

因子分析是多變量分析法的一種，是從多個變量指標(biāo)中提取少數(shù)幾個綜合變量指標(biāo)以達(dá)到降維和分類效果的多元統(tǒng)計(jì)方法。其基本思想是根據(jù)相關(guān)性的大小將原始變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，而不同組的變量間的相關(guān)性較低。每組變量代表一個基本結(jié)構(gòu)，并用一個不可觀測的綜合變量表示，這個綜合變量即為公共因子。企業(yè)財(cái)務(wù)風(fēng)險的大小、經(jīng)營情況的好壞，基本可以從其盈利能力、現(xiàn)金能力、償債能力、營運(yùn)能力、成長能力等幾方面來判斷，而具體反應(yīng)這些能力的是各個具體的財(cái)務(wù)指標(biāo)。因此本研究選用因子分析法，對若干具體的財(cái)務(wù)指標(biāo)進(jìn)行分類以反映企業(yè)的上述各大能力，進(jìn)而對企業(yè)的財(cái)務(wù)風(fēng)險進(jìn)行綜合評價。

2.評價指標(biāo)及設(shè)計(jì)變量選取

財(cái)務(wù)指標(biāo)是指總結(jié)和評價企業(yè)財(cái)務(wù)狀況和經(jīng)營成果的相對指標(biāo)，企業(yè)的利益相關(guān)者可借助財(cái)務(wù)指標(biāo)分析，將繁復(fù)的財(cái)務(wù)數(shù)據(jù)轉(zhuǎn)換為簡單明了并具有決策參考價值的信息。中國《企業(yè)財(cái)務(wù)通則》中規(guī)定，反映企業(yè)財(cái)務(wù)管理能力的指標(biāo)為：償債能力指標(biāo)，包括資產(chǎn)負(fù)債率、流動比率等；營運(yùn)能力指標(biāo)，包括存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等；盈利能力指標(biāo)，包括營業(yè)利潤率、凈資產(chǎn)收益率、總資產(chǎn)收益率等；成長能力指標(biāo)，包括營業(yè)收入增長率等。由于現(xiàn)金是現(xiàn)代企業(yè)生存和發(fā)展的基礎(chǔ)，不少企業(yè)因?yàn)楝F(xiàn)金流斷裂而導(dǎo)致破產(chǎn)，現(xiàn)金流量比以權(quán)責(zé)發(fā)生制為基礎(chǔ)的會計(jì)利潤更能反映企業(yè)的經(jīng)營狀況，因此本研究加入了反映企業(yè)現(xiàn)金能力的2個財(cái)務(wù)指標(biāo)。此外，由于本研究的對象是上市公司，因此在盈利能力指標(biāo)中加入了每股收益（EPS）指標(biāo)，以反映上市公司發(fā)行在外普通股的盈利能力。

綜上所述，本研究共選取12個有代表性的指標(biāo)（如表2），分別從企業(yè)的盈利能力、現(xiàn)金能力、償債能力、營運(yùn)能力和成長能力共5個方面反映林業(yè)上市企業(yè)的財(cái)務(wù)風(fēng)險。本研究將指標(biāo)值越大代表公司經(jīng)營狀況越好或風(fēng)險越小的指標(biāo)定義為“正向指標(biāo)”；反之則定義為“逆向指標(biāo)”。

3.數(shù)據(jù)來源與數(shù)據(jù)處理

從Wind資訊金融數(shù)據(jù)庫選取33家樣本公司2014年財(cái)務(wù)數(shù)據(jù)，利用SPSS.17軟件進(jìn)行因子分析。在所選取的12個財(cái)務(wù)指標(biāo)中，有11個為正向指標(biāo)，1個為逆向指標(biāo)（即X7資產(chǎn)負(fù)債比率），為了統(tǒng)一評價標(biāo)準(zhǔn)，對該指標(biāo)采取倒數(shù)法進(jìn)行正向化處理。

四、林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險評價體系的因子分析

（一）因子分析的可行性檢驗(yàn)

首先采用KMO和Bartlett度量對原始數(shù)據(jù)進(jìn)行檢驗(yàn)，判定數(shù)據(jù)是否適用于因子分析法。KMO值是顯示相關(guān)系數(shù)值與偏相關(guān)系數(shù)值比較結(jié)果的指標(biāo)，KMO值介于0.5和1之間代表數(shù)據(jù)適合因子分析，若小于0.5則表明不適宜進(jìn)行因子分析。本研究KMO值為0.732，Bartlett的球形度檢驗(yàn)的觀測值（近似卡方）434.423，df值66，Sig.為0.000，相應(yīng)的概率p接近于0，小于顯著性水平0.05。因此拒絕Bartlett球度檢驗(yàn)的零假設(shè)，樣本數(shù)據(jù)適合進(jìn)行因子分析。

（二）因子提取

采用主成分因子法進(jìn)行因子提取。如表3所示，前5個公共因子累計(jì)方差貢獻(xiàn)率92.197%，能較好地解釋原有變量所包含的信息，因子分析效果理想。旋轉(zhuǎn)后5個因子累計(jì)貢獻(xiàn)率沒有變化、特征值和貢獻(xiàn)率發(fā)生變化，即沒有影響原始變量的共同度，但卻重新分配了各個因子解釋原始變量的方差，改變了各因子的方差貢獻(xiàn)，使得因子易于解釋。

（三）因子命名與解釋

設(shè)F1、F2、F3、F4、F5分別為提取的5個公共因子，為了更好的解釋因子變量，基于方差最大的原則，用主成分法提取，用具有Kaiser標(biāo)準(zhǔn)化正交旋轉(zhuǎn)法對成分矩陣進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)在7次迭代后收斂。因子F1中，X1（每股收益率）、X2（凈資產(chǎn)收益率）、X3（總資產(chǎn)報酬率）、X4（營業(yè)利潤率）的載荷量分別為0.956、0.942、0.964、0.581，遠(yuǎn)大于其他指標(biāo)的載荷量，因此F1主要由X1、X2、X3、X4來反映，稱為“盈利能力因子”；因子F2中X9（存貨周轉(zhuǎn)率）、X10（流動資產(chǎn)周轉(zhuǎn)率）、X11（總資產(chǎn)周轉(zhuǎn)率）的載荷量分別為0.955、0.979和0.895，即F2主要由X9、X10、X11反映，因此F2稱為“營運(yùn)能力因子”；因子F3主要由X7（資產(chǎn)負(fù)債率）、X8（流動比率）反映，對應(yīng)載荷量分別為0.929和0.882，因此F3稱為“償債能力因子”；因子F4中X5（經(jīng)營現(xiàn)金流與流動負(fù)債之比）、X6（經(jīng)營現(xiàn)金流與總負(fù)債之比）的載荷量分別為0.918和0.966，遠(yuǎn)高于其他指標(biāo)，因此F4被稱為“現(xiàn)金能力因子”。因子F5在X12（營業(yè)收入同比增長率）上有最大的正載荷0.788，因此F5可稱為“發(fā)展能力因子”。

（四）因子得分及建立因子模型

根據(jù)因子得分系數(shù)矩陣計(jì)算各公共因子的因子得分函數(shù)。并利用因子評分模型計(jì)算各樣本公司在5個公因子上的得分（表4）。然后根據(jù)各因子所對應(yīng)方差貢獻(xiàn)率為權(quán)重進(jìn)行加權(quán)平均，可以得到各樣本公司因子綜合得分F。

五、實(shí)證結(jié)果與分析

（一）林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險大小排序

根據(jù)上述因子綜合得分對各樣本公司的財(cái)務(wù)風(fēng)險進(jìn)行排序和評價。公司得分越高，證明財(cái)務(wù)能力越強(qiáng)，財(cái)務(wù)風(fēng)險越小。將各變量代入因子評分模型，得出33家林業(yè)上市企業(yè)在5個公共因子上的綜合得分F及其排序（表5）。

（二）林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險等級的聚類分析

根據(jù)因子綜合評分采用快速聚類分析法將上述樣本公司分為財(cái)務(wù)狀況良好、一般及高風(fēng)險三類。結(jié)果顯示：財(cái)務(wù)狀況良好的企業(yè)8家、財(cái)務(wù)狀況一般的企業(yè)22家、財(cái)務(wù)狀況為高風(fēng)險的有3家。

（三）實(shí)證結(jié)果分析

從因子得分結(jié)果可以看出33家樣本企業(yè)中綜合因子得分為負(fù)值的企業(yè)有16家。根據(jù)聚類分析結(jié)果，財(cái)務(wù)狀況良好的林業(yè)企業(yè)僅為8家占林業(yè)上市企業(yè)24%；有3家ST企業(yè)為財(cái)務(wù)高風(fēng)險。由此可見林業(yè)類上市公司整體財(cái)務(wù)狀況一般、風(fēng)險較大。

綜合得分最高的登海種業(yè)除營運(yùn)能力因子得分較低位于第29位外，其余四種能力排名均靠前列，尤其在盈利能力和現(xiàn)金能力上，分別位于林業(yè)上市企業(yè)的第1位和第2位，其成長能力因子中的凈利潤增長率比上年同期增長172.89%。但是，當(dāng)筆者深入剖析登海種業(yè)2014年報時發(fā)現(xiàn)，這172.89%的增長主要來源于2013年的巨額虧損和資產(chǎn)減值準(zhǔn)備的計(jì)提，以及2014年虧損額的大幅減少。由此可見，即使是經(jīng)營狀況較好、財(cái)務(wù)風(fēng)險最低的林業(yè)企業(yè)，其高速的利潤增長要么源于巨額虧損的縮減、要么來源于非經(jīng)營性收益。這意味著林業(yè)企業(yè)普遍存在著較高的財(cái)務(wù)風(fēng)險，其可持續(xù)發(fā)展能力令人堪憂。

通過因子分析的實(shí)證結(jié)果，以及查閱樣本企業(yè)年報，筆者發(fā)現(xiàn)林業(yè)企業(yè)的財(cái)務(wù)風(fēng)險狀況與本文實(shí)證結(jié)果基本一致，具體可歸納為以下幾點(diǎn)：

第一，營業(yè)利潤逐年下跌，凈利潤偏低，虧損企業(yè)較多。在本研究所選取的33家樣本企業(yè)中，有20家2014年凈利潤與2013年相比下降，其中天音控股（000829.SZ）同比下降12倍、香梨股份（600506.SH）同比下降4.19倍、ST景谷（600265.SH）同比下降4.18倍、永安林業(yè)（000663.SZ）同比下降2.3倍、ST美利（000815.SZ）同比下降1.7倍、莫高股份（600543.SH）同比下降1.2倍、海南橡膠（601118.SH）同比下降82%、新農(nóng)開發(fā)（600359.SH）同比下降69%。筆者通過查閱了這些公司2009-2014年的財(cái)務(wù)報表，發(fā)現(xiàn)樣本企業(yè)凈利潤的下降主要源于營業(yè)利潤的減少。2014年凈利潤下跌幅度最大的天音控股，其巨額的利潤下滑是源自于2014年?duì)I業(yè)成本的巨幅提高，2013年?duì)I業(yè)利潤為7.11%而2014年?duì)I業(yè)利潤僅為3.1%。香梨股份自2010年起開始出現(xiàn)營業(yè)利潤巨幅下降，2012年起營業(yè)利潤步入虧損狀態(tài)；2015年財(cái)務(wù)報表顯示該企業(yè)當(dāng)年?duì)I業(yè)利潤虧損額為2392.78萬元。如此巨幅的凈利潤下降速度，不禁令人對林業(yè)企業(yè)的前景憂心忡忡。

第二，資本規(guī)模小。與A股其他企業(yè)相比，林業(yè)企業(yè)資本規(guī)模偏小。在33家樣本企業(yè)中，吉林森工總股本為3. 1050億股、福建金森為1. 3868 億股、豐林集團(tuán)為4. 6891 億股。并且林業(yè)上市企業(yè)大多為國有企業(yè)，國有股份在股權(quán)結(jié)構(gòu)中所占比重較高，股權(quán)形式較為單一。

第三，資產(chǎn)負(fù)債率偏高。通常情況下，企業(yè)的資產(chǎn)負(fù)債率在50%左右視為正常。但在樣本企業(yè)中，資產(chǎn)負(fù)債率超過50%的共19家，占樣本企業(yè)的58%；其中ST美利、ST景谷、ST宜紙、永安林業(yè)、天音控股、晨鳴紙業(yè)6家公司的資產(chǎn)負(fù)債率超過70%；ST美利的資產(chǎn)負(fù)債率高達(dá)111.23%，面臨被摘牌甚至清算的風(fēng)險；S T宜紙和ST景谷的資產(chǎn)負(fù)債率高達(dá)99%；這意味著過半的林業(yè)上市企業(yè)面臨嚴(yán)資不抵債的財(cái)務(wù)風(fēng)險。

第四，林木資產(chǎn)價值被低估。筆者通過人工查閱年報發(fā)現(xiàn)，目前林業(yè)企業(yè)普遍采用歷史成本模式計(jì)量林木資產(chǎn)價值，33家樣本企業(yè)中僅有晨鳴紙業(yè)1家采用公允價值計(jì)量其消耗性林木資產(chǎn)。然而林木生長是自然力和人工培育的共同結(jié)果，在歷史成本計(jì)量模式下，林木資產(chǎn)的價值不到被砍伐出售的那刻都不能得以真正體現(xiàn)，因此導(dǎo)致了林木資產(chǎn)價值的低估、企業(yè)償債能力的低估、企業(yè)融資約束增加等一系列問題，加劇了企業(yè)的財(cái)務(wù)風(fēng)險。

第五，資產(chǎn)流動性偏弱。由于林木生長的長周期性，與一般企業(yè)相比，林業(yè)企業(yè)的資產(chǎn)變現(xiàn)能力偏弱；也正因?yàn)榱帜旧L的長周期性、高風(fēng)險性和較弱的變現(xiàn)能力，導(dǎo)致銀行等金融機(jī)構(gòu)往往不愿意接受以林木資產(chǎn)作為抵押物，為林業(yè)企業(yè)提供貸款，一旦沒有足夠的可變現(xiàn)資產(chǎn)用以償債，企業(yè)將面臨財(cái)務(wù)危機(jī)。

六、林業(yè)上市企業(yè)財(cái)務(wù)風(fēng)險防范與建議

第一，加快林業(yè)產(chǎn)業(yè)升級。提高林業(yè)生產(chǎn)技術(shù)，提高林木產(chǎn)品附加值，開展林業(yè)多元化經(jīng)營，提升企業(yè)經(jīng)營績效，降低林木加工企業(yè)的市場風(fēng)險，保證林業(yè)產(chǎn)業(yè)鏈健康、有效運(yùn)行。

第二，改變林木資產(chǎn)的計(jì)量模式，采用公允價值計(jì)量。以公允價值核算林木資產(chǎn)價值更能體現(xiàn)林木資產(chǎn)的實(shí)際經(jīng)濟(jì)價值，更客觀地反應(yīng)林業(yè)企業(yè)的資產(chǎn)規(guī)模。但公允價值計(jì)量模式的普及仍有待于我國各級林木交易市場和林權(quán)交易市場的規(guī)范與發(fā)展。

第三，優(yōu)化資本結(jié)構(gòu)、降低融資成本。林業(yè)企業(yè)應(yīng)調(diào)整資本結(jié)構(gòu)，適當(dāng)降低債務(wù)性資本比重，采用多種融資方式，尤其關(guān)注不同籌資方式之間轉(zhuǎn)換的可能性；認(rèn)真分析未來的現(xiàn)金流量，增加流動資產(chǎn)的比重，有效降低融資成本和財(cái)務(wù)風(fēng)險。

第四，建立健全的內(nèi)控制度和風(fēng)險預(yù)警機(jī)制，樹立財(cái)務(wù)人員的風(fēng)險防范意識，有效防范財(cái)務(wù)風(fēng)險。

參考文獻(xiàn)

[1] William Beaver. Financial ratios as predictors of failure. Journal of Accounting Research. 1966， 4（1）：71-111

[2] Altman. Edward. Financial Ratios Discriminate Analysis and The Prediction of Corporate Bankruptcy .Journal of Finance. 1968，（9）：598-609.

[3] 周首華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會計(jì)研究，1996，（8）

[4] 朱峰峻，張國勝.工業(yè)經(jīng)濟(jì)效益模糊綜合評價模型的研究[C].中國會議，1995，8

[5] 黃生權(quán)，黃亞. 基于因子分析的ST、*ST上市公司財(cái)務(wù)風(fēng)險研究[J]. 企業(yè)技術(shù)開發(fā)，2015，（3）：109-121

[6] J Ohlson. Financial Ratio and the Probabilistic Prediction of Bankruptcy [J]. J Accounting Research，1980，18

[7] MD Odom，R Sharda. A neural network model for bankruptcy prediction[C]， International Joint Conference on Neural ， 1990， 2：163-168 vol.2

[8] 劉洪，何光軍. 基于人工神經(jīng)網(wǎng)絡(luò)方法的上市公司經(jīng)營失敗預(yù)警研究.[J]. 會計(jì)研究，2004，（2）：42-46

[9]周平. 灰色系統(tǒng)理論下上市公司財(cái)務(wù)風(fēng)險評價[J]. 財(cái)會通訊，2010，（4）：143-144

[10]宋彩平，何佳祺.基于因子分析的林業(yè)上市公司財(cái)務(wù)風(fēng)險評價體系研究[J].林業(yè)經(jīng)濟(jì)問題，2013，（2）：71-72

[11] 李建中，武鐵梅. 基于因子logistic 模型的房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警分析[J].哈爾濱商業(yè)大學(xué)學(xué)報，2010，（5）：89-93

[12] 林海明，張文霖.主成分分析與因子分析詳細(xì)的異同和SPSS軟件[J].統(tǒng)計(jì)研究，2005，（3）：65-66

[13] 劉燕娜，林偉明，戴永務(wù).林業(yè)類上市公司經(jīng)營績效影響因素研究——基于公司治理視角[J]. 林業(yè)經(jīng)濟(jì)，2010，（11）：87-89.

[14] 邢慧，馬海青.基于因子分析法的電力行業(yè)上市公司經(jīng)營績效評價[J].財(cái)會通訊，2011，（ 8）：23-28.

[15] 楊淑娥，王樂平.基于BP 神經(jīng)網(wǎng)絡(luò)和面板數(shù)據(jù)的上市公司財(cái)務(wù)危機(jī)預(yù)警[J].系統(tǒng)工程理論與實(shí)踐，2007，（2） ：62-65.

[16] 張友棠； 黃陽.基于行業(yè)環(huán)境風(fēng)險識別的企業(yè)財(cái)務(wù)預(yù)警控制系統(tǒng)研究[J].會計(jì)研究，2011，（3）：41～47

[17] 朱乃平.企業(yè)集團(tuán)財(cái)務(wù)風(fēng)險管理研究[D].江蘇大學(xué)博士（論文）.2009

[18] 李素紅，陳立文.基于因子分析法的房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險評價[J]. 河北工業(yè)大學(xué)學(xué)報，2011，（12）：101-106

[19] 吳世農(nóng)，盧賢義. 我國上市公司財(cái)務(wù)困境的預(yù)測模型研究[J]. 經(jīng)濟(jì)研究，2001，（6）：46-55

Abstract： 33 domestic forestry listed companies were selected as samples， the paper try to analyze the financial indicators of the forestry listed companies， identify the financial risk factors and establish the financial risk comprehensive evaluation model by the factor analysis method. Then rank these listed companies by their comprehensive financial risks scores which come out from the risk evaluation model. Finally， the suggestions of risk prevention were put forwarded in order to perfect forestry enterprise risk and performance evaluation system to provide a theoretical reference and guidance method.

Key words： forestry listed company； financial risk evaluation； factor analysis； cluster analysis