林霞等

摘 要：以36家林業(yè)相關(guān)上市公司為樣本，根據(jù)KMV模型分組結(jié)果選取了2012年上市企業(yè)財(cái)務(wù)報(bào)告中的20個(gè)指標(biāo)進(jìn)行因子分析并提取主成分，運(yùn)用Logistic模型構(gòu)建適合我國(guó)林業(yè)上市公司的信用風(fēng)險(xiǎn)預(yù)警模型。結(jié)果表明，該預(yù)測(cè)模型的正確率達(dá)到80%以上，負(fù)債、現(xiàn)金流量和存貨對(duì)林業(yè)企業(yè)信用風(fēng)險(xiǎn)的判別影響較為顯著。結(jié)合KMV分組結(jié)果構(gòu)建的Logistic模型可以作為理想的林業(yè)企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)工具，對(duì)其信用風(fēng)險(xiǎn)管理具有積極意義。

關(guān)鍵詞：林業(yè)企業(yè)；信用風(fēng)險(xiǎn)；Logistic模型；因子分析

中圖分類號(hào)：F2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：16723198（2014）12005903

1 引言

隨著系列政策的出臺(tái)，我國(guó)林業(yè)產(chǎn)業(yè)總產(chǎn)值近年來快速增長(zhǎng)。據(jù)國(guó)家林業(yè)局公布，2012年實(shí)現(xiàn)林業(yè)產(chǎn)業(yè)總產(chǎn)值3.95萬億元，較2011年增長(zhǎng)28.94%，這一增長(zhǎng)速度結(jié)合林業(yè)的自然弱質(zhì)性來看，已經(jīng)較為突出，但當(dāng)前林業(yè)企業(yè)仍然面臨著發(fā)展相對(duì)滯后，且債務(wù)負(fù)擔(dān)較重的現(xiàn)狀。因此，林業(yè)相較于其他部門競(jìng)爭(zhēng)力明顯偏弱。這其中最關(guān)鍵的影響因素即企業(yè)信用。隨著林業(yè)投資持續(xù)增加，國(guó)家預(yù)算投入、國(guó)內(nèi)貸款及其他自籌資金量不斷增長(zhǎng)，信用風(fēng)險(xiǎn)成為金融機(jī)構(gòu)、投資者、政府部門關(guān)注的核心風(fēng)險(xiǎn)。“中國(guó)林業(yè)產(chǎn)業(yè)誠(chéng)信聯(lián)盟”的形成進(jìn)一步證明，加強(qiáng)林企信用建設(shè)已成為重要研究?jī)?nèi)容。

當(dāng)前國(guó)內(nèi)外針對(duì)信用風(fēng)險(xiǎn)的研究已較為成熟。最早的研究始于20世紀(jì)60年代，Beaver以30個(gè)財(cái)務(wù)比率預(yù)測(cè)企業(yè)陷入財(cái)務(wù)困境的概率，是單變量破產(chǎn)預(yù)測(cè)方面的里程碑。隨后，發(fā)展出Z分?jǐn)?shù)模型、多種傳統(tǒng)模型以及現(xiàn)代Logistic、KMV模型、BP神經(jīng)網(wǎng)絡(luò)等模型，逐步形成了愈發(fā)科學(xué)的信用風(fēng)險(xiǎn)預(yù)警機(jī)制。目前，國(guó)內(nèi)應(yīng)用Logistic模型進(jìn)行的風(fēng)險(xiǎn)研究頗為豐富。吳世農(nóng)、王春峰、鄭茂、郭富霞等均應(yīng)用Logistic模型構(gòu)建相關(guān)財(cái)務(wù)預(yù)警評(píng)判體系。石曉軍提出以邊界logistic方法建立違約率模型，解決了一般logistic方法難以通過Hosmer-Lememshow擬合優(yōu)度檢驗(yàn)的Cramer問題。李金海等運(yùn)用Logistic模型進(jìn)行上市公司信用等級(jí)評(píng)價(jià)并加以檢驗(yàn)，結(jié)果表明其構(gòu)建的模型有良好的預(yù)測(cè)能力。

但當(dāng)前我國(guó)對(duì)于林業(yè)企業(yè)的信用風(fēng)險(xiǎn)的研究普遍較少，且模型的建立有待完善。相關(guān)研究有：王新利、陳敏采用偏最小二乘BP神經(jīng)網(wǎng)絡(luò)對(duì)農(nóng)業(yè)類上市公司進(jìn)行財(cái)務(wù)預(yù)警研究；王琳、王富煒取盈利性、風(fēng)險(xiǎn)性、成長(zhǎng)性三方面指標(biāo)衡量經(jīng)營(yíng)績(jī)效。針對(duì)林業(yè)企業(yè)，需要根據(jù)其特點(diǎn)對(duì)研究過程進(jìn)行調(diào)整。這主要體現(xiàn)在財(cái)務(wù)指標(biāo)的選取，即全然使用針對(duì)整體上市公司的方法無法恰當(dāng)反映行業(yè)間不同特點(diǎn)。因此，針對(duì)林業(yè)企業(yè)信用風(fēng)險(xiǎn)的研究，需將樣本量縮小至林業(yè)企業(yè)，確保變量及模型的準(zhǔn)確性。

基于此，本研究選擇Logistic模型對(duì)我國(guó)林業(yè)上市公司2012年的財(cái)務(wù)數(shù)據(jù)進(jìn)行實(shí)證研究，試圖構(gòu)建適合我國(guó)林業(yè)上市公司的信用風(fēng)險(xiǎn)度量與財(cái)務(wù)危機(jī)預(yù)警模型。

2 樣本處理

2.1 研究樣本以及研究樣本分類

對(duì)于林業(yè)相關(guān)行業(yè)的研究，羅歡煥、張大紅等將CSRC行業(yè)分類體系中涉及林業(yè)的公司作為研究對(duì)象。為了增強(qiáng)樣本覆蓋范圍完整性，本文根據(jù)CSRC分類選取林業(yè)及制造業(yè)中造紙、木材和家具子行業(yè)36家上市公司作為研究對(duì)象，研究數(shù)據(jù)來源于上海證券交易所和深圳證券交易所公布的2012年上市公司年報(bào)及wind資訊。

對(duì)于變量，從償債能力、盈利能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和現(xiàn)金流量指標(biāo)五方面選取，以此作為L(zhǎng)ogistic衡量企業(yè)信用風(fēng)險(xiǎn)的決定因子。但這五個(gè)方面的變量側(cè)重考慮企業(yè)自身經(jīng)營(yíng)狀況，缺乏對(duì)市場(chǎng)供求的考慮。因此，本文在研究前期利用KMV模型對(duì)樣本進(jìn)行分組。KMV模型以現(xiàn)代期權(quán)理論作為依托，側(cè)重考慮公司與整個(gè)市場(chǎng)，更好反映如何從市場(chǎng)價(jià)值角度衡量信用風(fēng)險(xiǎn)。因此通過KMV分組可以從另一個(gè)維度說明林業(yè)企業(yè)信用風(fēng)險(xiǎn)的情況。

針對(duì)KMV與Logistic模型相結(jié)合的研究，劉澄將KMV模型的違約概率與Logistic相結(jié)合，對(duì)我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的評(píng)估。魏婷實(shí)證得出KMV模型能夠從某些方面彌補(bǔ)Logistic模型的不足。韓艷艷研究證明將這兩種模型相結(jié)合獲得的混合模型有更好的評(píng)價(jià)效果。

本文根據(jù)KMV模型分類結(jié)果將樣本公司劃分為兩組，以進(jìn)行財(cái)務(wù)指標(biāo)的選擇及檢驗(yàn)。

2.2 財(cái)務(wù)指標(biāo)選取處理

針對(duì)林業(yè)類上市公司信用風(fēng)險(xiǎn)研究，本文從償債能力、盈利能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和現(xiàn)金流量指標(biāo)等五方面進(jìn)行研究，共選取17項(xiàng)財(cái)務(wù)指標(biāo)作為變量進(jìn)行研究。

3 因子分析

財(cái)務(wù)指標(biāo)之間存在相互轉(zhuǎn)換的可能，財(cái)務(wù)指標(biāo)間的多重共線性可能降低模型穩(wěn)定性，甚至影響最終結(jié)果。其次，各變量之間的內(nèi)在聯(lián)系以及重要程度，即變量的內(nèi)在結(jié)構(gòu)對(duì)于指標(biāo)的選取及模型的建立具有重要意義。本文采用因子分析提取主成分，將離散指標(biāo)的信息濃縮為預(yù)測(cè)所需的主要指標(biāo)。

3.1 KMO以及Bartlett球形檢驗(yàn)

KMO及Bartlett球形檢驗(yàn)用以檢驗(yàn)變量間的相關(guān)性。本文檢驗(yàn)結(jié)果如表2所示，獲得KMO統(tǒng)計(jì)量為0.556?？紤]到樣本量的影響，此數(shù)值在接受范圍內(nèi)，可以利用上述變量進(jìn)行因子分析。

3.2 公因子方差比（Communalities）

公因子方差比反映了提取公因子過程中，各變量被提取出信息所占比例，即原變量的信息量中由公因子決定的比例。本文對(duì)變量公因子方差比進(jìn)行分析，結(jié)果如表3所示。多數(shù)變量提取的比例在70%以上，可知所提取公因子對(duì)變量的的解釋能力均處在較強(qiáng)水平。

3.3 解釋的總方差

為保證因子的可解釋性，本文運(yùn)用最大方差法對(duì)因子進(jìn)行旋轉(zhuǎn)，將信息量重新分配。該操作將17個(gè)變量劃分為5個(gè)特征根。特征根可以被看做體現(xiàn)主成分影響力度的指標(biāo)，代表引入該因子后對(duì)原始變量信息的平均解釋量。分析表4中各成分方差及其累積程度可知，前五個(gè)特征根的總貢獻(xiàn)率已達(dá)到79.48%，即可利用前五個(gè)特征根描述足夠信息。

5 結(jié)論與建議

本文通過Logistic模型建立林業(yè)上市公司信用風(fēng)險(xiǎn)預(yù)警機(jī)制，研究結(jié)論如下：

第一，從預(yù)測(cè)指標(biāo)的選擇中可以發(fā)現(xiàn)，從營(yíng)運(yùn)能力、盈利能力、現(xiàn)金流量、償債能力和成長(zhǎng)能力這五類指標(biāo)中汲取的主要成分是有效的。

通過因子分析，本文從五類指標(biāo)中選取了5項(xiàng)主成分。通過表5可以看出，分別表示現(xiàn)金流量、負(fù)債和存貨的F2、F3、F5對(duì)于林業(yè)企業(yè)是否存在風(fēng)險(xiǎn)的判別起到比較顯著的作用。

第二，實(shí)證結(jié)果說明通過KMV模型得出的分組是合理有效的，且將Logistic模型與KMV分組結(jié)果相結(jié)合進(jìn)行預(yù)測(cè)是可行的。

第三，Logistic模型對(duì)于我國(guó)林業(yè)類相關(guān)上市公司信用風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果較為準(zhǔn)確，能夠較好的區(qū)分林業(yè)上市公司的信用風(fēng)險(xiǎn)，可以成為決策者進(jìn)行投資決策的理想工具。

分析可知，負(fù)債、現(xiàn)金流量和存貨是當(dāng)前林業(yè)企業(yè)信用風(fēng)險(xiǎn)判別的主要影響因素。對(duì)于主要從事輕工制造、家具、造紙的林業(yè)類企業(yè)而言，林產(chǎn)品庫(kù)存即企業(yè)生物性資產(chǎn)最為主要。主要包括：外購(gòu)存貨入庫(kù)前的費(fèi)用；為達(dá)到銷售狀態(tài)的加工成本；“郁閉”后的費(fèi)用。最后一項(xiàng)費(fèi)用對(duì)林業(yè)企業(yè)而言往往是最高的一筆開支，因?yàn)樵谏镔Y產(chǎn)存續(xù)期間必須連續(xù)不斷地投入，才能維持生物資產(chǎn)活體存在。如果中斷后續(xù)投入，將影響收獲品的數(shù)量和質(zhì)量，甚至因活體生存無法維持而導(dǎo)致價(jià)值減少。因此，注重庫(kù)存的比例，加大流轉(zhuǎn)速度，是林業(yè)企業(yè)需要注意的重要問題。

另一方面，企業(yè)的負(fù)債程度偏高。負(fù)債是一把雙刃劍，恰當(dāng)?shù)氖褂媚軌蚪o股東帶來收益，過度舉債則會(huì)導(dǎo)致償債能力受限，企業(yè)信用級(jí)別降低，信用風(fēng)險(xiǎn)增加。根據(jù)楊建志的分析，林業(yè)企業(yè)舉債的目的主要三類：擴(kuò)張性、償債性以及混合性目的。前者存在經(jīng)營(yíng)風(fēng)險(xiǎn)，后者存在財(cái)務(wù)風(fēng)險(xiǎn)。如何協(xié)調(diào)者兩者風(fēng)險(xiǎn)，結(jié)合成功企業(yè)的歷史經(jīng)驗(yàn)確立正確的資產(chǎn)結(jié)構(gòu)，同樣也是林業(yè)企業(yè)所需注重的重要問題。

綜上，通過此預(yù)測(cè)模型，可以利用林業(yè)企業(yè)當(dāng)前的財(cái)務(wù)指標(biāo)對(duì)信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，幫助投資者進(jìn)行合理的選擇。同時(shí)，對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)有助于企業(yè)管理者估計(jì)風(fēng)險(xiǎn)程度，分析風(fēng)險(xiǎn)因素并采取措施避免損失，促進(jìn)企業(yè)長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)

[1]國(guó)家林業(yè)局.中國(guó)林業(yè)發(fā)展報(bào)告[R].北京：中國(guó)林業(yè)出版社，2013.

[2]Beaver W H.Financial ratios as predictors of failure[J]. Journal of Accounting Research，1966：71111.

[3]Altman E I. Financial Ratios，Discriminant analysis and prediction of corporate bankruptcy[J]. Journal of Banking and Finance，1968，23（4）：589609.

[4]Tam K Y，Kiang M Y. Managerial applications of neural networks： the case of bank failure predictions[J]. Management science，1992，38（7）： 926947.

[5]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001，（6）：4655.

[6]王春峰，萬海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998，1（1）：6872.

[7]鄭茂.我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建及實(shí)證分析[J].金融論壇，2003，8（10）：3842.

[8]郭富霞，路蘭，高齊圣.基于主成分的Logistic模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)分析[J].青島大學(xué)學(xué)報(bào)，2012，25（2）：106110.

[9]石曉軍，任若恩，肖遠(yuǎn)文.邊界Logistic違約率模型及實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，2007，10（3）：4451.

[10]李金海，付琳娜，李建華.基于Logistic模型對(duì)上市公司的信用等級(jí)評(píng)價(jià)研究[J].河北工業(yè)大學(xué)學(xué)報(bào)，2011，40（6）：113118.

[11]王新利，陳敏.基于偏最小二乘BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究——以農(nóng)業(yè)上市公司為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011，（11）：122128.

[12]王琳，王富煒.中國(guó)林業(yè)上市公司多元化經(jīng)營(yíng)與經(jīng)營(yíng)績(jī)效的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2012，（27）：9799.

[13]羅歡煥，周馳杰等.林業(yè)上市公司環(huán)境信息披露影響因素研究——以滬市上市林業(yè)企業(yè)為例[J].林業(yè)經(jīng)濟(jì)，

2013，（2）：018.

[14]劉澄，郝丹潔.基于Logistic理論與KMV模型的我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J].時(shí)代經(jīng)貿(mào)，2013，（24）.

[15]魏婷.基于Logistic和KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技信息，2010，（16）：10072I0073.

[16]韓艷艷，王波.基于logistic回歸KMV模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技與管理，2011，13（001）：104107.

[17]楊建志.淺析林業(yè)企業(yè)負(fù)債經(jīng)營(yíng)[J].林業(yè)經(jīng)濟(jì)問題，2006，26（4）：367369.

5 結(jié)論與建議

本文通過Logistic模型建立林業(yè)上市公司信用風(fēng)險(xiǎn)預(yù)警機(jī)制，研究結(jié)論如下：

第一，從預(yù)測(cè)指標(biāo)的選擇中可以發(fā)現(xiàn)，從營(yíng)運(yùn)能力、盈利能力、現(xiàn)金流量、償債能力和成長(zhǎng)能力這五類指標(biāo)中汲取的主要成分是有效的。

通過因子分析，本文從五類指標(biāo)中選取了5項(xiàng)主成分。通過表5可以看出，分別表示現(xiàn)金流量、負(fù)債和存貨的F2、F3、F5對(duì)于林業(yè)企業(yè)是否存在風(fēng)險(xiǎn)的判別起到比較顯著的作用。

第二，實(shí)證結(jié)果說明通過KMV模型得出的分組是合理有效的，且將Logistic模型與KMV分組結(jié)果相結(jié)合進(jìn)行預(yù)測(cè)是可行的。

第三，Logistic模型對(duì)于我國(guó)林業(yè)類相關(guān)上市公司信用風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果較為準(zhǔn)確，能夠較好的區(qū)分林業(yè)上市公司的信用風(fēng)險(xiǎn)，可以成為決策者進(jìn)行投資決策的理想工具。

分析可知，負(fù)債、現(xiàn)金流量和存貨是當(dāng)前林業(yè)企業(yè)信用風(fēng)險(xiǎn)判別的主要影響因素。對(duì)于主要從事輕工制造、家具、造紙的林業(yè)類企業(yè)而言，林產(chǎn)品庫(kù)存即企業(yè)生物性資產(chǎn)最為主要。主要包括：外購(gòu)存貨入庫(kù)前的費(fèi)用；為達(dá)到銷售狀態(tài)的加工成本；“郁閉”后的費(fèi)用。最后一項(xiàng)費(fèi)用對(duì)林業(yè)企業(yè)而言往往是最高的一筆開支，因?yàn)樵谏镔Y產(chǎn)存續(xù)期間必須連續(xù)不斷地投入，才能維持生物資產(chǎn)活體存在。如果中斷后續(xù)投入，將影響收獲品的數(shù)量和質(zhì)量，甚至因活體生存無法維持而導(dǎo)致價(jià)值減少。因此，注重庫(kù)存的比例，加大流轉(zhuǎn)速度，是林業(yè)企業(yè)需要注意的重要問題。

另一方面，企業(yè)的負(fù)債程度偏高。負(fù)債是一把雙刃劍，恰當(dāng)?shù)氖褂媚軌蚪o股東帶來收益，過度舉債則會(huì)導(dǎo)致償債能力受限，企業(yè)信用級(jí)別降低，信用風(fēng)險(xiǎn)增加。根據(jù)楊建志的分析，林業(yè)企業(yè)舉債的目的主要三類：擴(kuò)張性、償債性以及混合性目的。前者存在經(jīng)營(yíng)風(fēng)險(xiǎn)，后者存在財(cái)務(wù)風(fēng)險(xiǎn)。如何協(xié)調(diào)者兩者風(fēng)險(xiǎn)，結(jié)合成功企業(yè)的歷史經(jīng)驗(yàn)確立正確的資產(chǎn)結(jié)構(gòu)，同樣也是林業(yè)企業(yè)所需注重的重要問題。

綜上，通過此預(yù)測(cè)模型，可以利用林業(yè)企業(yè)當(dāng)前的財(cái)務(wù)指標(biāo)對(duì)信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，幫助投資者進(jìn)行合理的選擇。同時(shí)，對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)有助于企業(yè)管理者估計(jì)風(fēng)險(xiǎn)程度，分析風(fēng)險(xiǎn)因素并采取措施避免損失，促進(jìn)企業(yè)長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)

[1]國(guó)家林業(yè)局.中國(guó)林業(yè)發(fā)展報(bào)告[R].北京：中國(guó)林業(yè)出版社，2013.

[2]Beaver W H.Financial ratios as predictors of failure[J]. Journal of Accounting Research，1966：71111.

[3]Altman E I. Financial Ratios，Discriminant analysis and prediction of corporate bankruptcy[J]. Journal of Banking and Finance，1968，23（4）：589609.

[4]Tam K Y，Kiang M Y. Managerial applications of neural networks： the case of bank failure predictions[J]. Management science，1992，38（7）： 926947.

[5]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001，（6）：4655.

[6]王春峰，萬海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998，1（1）：6872.

[7]鄭茂.我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建及實(shí)證分析[J].金融論壇，2003，8（10）：3842.

[8]郭富霞，路蘭，高齊圣.基于主成分的Logistic模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)分析[J].青島大學(xué)學(xué)報(bào)，2012，25（2）：106110.

[9]石曉軍，任若恩，肖遠(yuǎn)文.邊界Logistic違約率模型及實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，2007，10（3）：4451.

[10]李金海，付琳娜，李建華.基于Logistic模型對(duì)上市公司的信用等級(jí)評(píng)價(jià)研究[J].河北工業(yè)大學(xué)學(xué)報(bào)，2011，40（6）：113118.

[11]王新利，陳敏.基于偏最小二乘BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究——以農(nóng)業(yè)上市公司為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011，（11）：122128.

[12]王琳，王富煒.中國(guó)林業(yè)上市公司多元化經(jīng)營(yíng)與經(jīng)營(yíng)績(jī)效的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2012，（27）：9799.

[13]羅歡煥，周馳杰等.林業(yè)上市公司環(huán)境信息披露影響因素研究——以滬市上市林業(yè)企業(yè)為例[J].林業(yè)經(jīng)濟(jì)，

2013，（2）：018.

[14]劉澄，郝丹潔.基于Logistic理論與KMV模型的我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J].時(shí)代經(jīng)貿(mào)，2013，（24）.

[15]魏婷.基于Logistic和KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技信息，2010，（16）：10072I0073.

[16]韓艷艷，王波.基于logistic回歸KMV模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技與管理，2011，13（001）：104107.

[17]楊建志.淺析林業(yè)企業(yè)負(fù)債經(jīng)營(yíng)[J].林業(yè)經(jīng)濟(jì)問題，2006，26（4）：367369.

5 結(jié)論與建議

本文通過Logistic模型建立林業(yè)上市公司信用風(fēng)險(xiǎn)預(yù)警機(jī)制，研究結(jié)論如下：

第一，從預(yù)測(cè)指標(biāo)的選擇中可以發(fā)現(xiàn)，從營(yíng)運(yùn)能力、盈利能力、現(xiàn)金流量、償債能力和成長(zhǎng)能力這五類指標(biāo)中汲取的主要成分是有效的。

通過因子分析，本文從五類指標(biāo)中選取了5項(xiàng)主成分。通過表5可以看出，分別表示現(xiàn)金流量、負(fù)債和存貨的F2、F3、F5對(duì)于林業(yè)企業(yè)是否存在風(fēng)險(xiǎn)的判別起到比較顯著的作用。

第二，實(shí)證結(jié)果說明通過KMV模型得出的分組是合理有效的，且將Logistic模型與KMV分組結(jié)果相結(jié)合進(jìn)行預(yù)測(cè)是可行的。

第三，Logistic模型對(duì)于我國(guó)林業(yè)類相關(guān)上市公司信用風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果較為準(zhǔn)確，能夠較好的區(qū)分林業(yè)上市公司的信用風(fēng)險(xiǎn)，可以成為決策者進(jìn)行投資決策的理想工具。

分析可知，負(fù)債、現(xiàn)金流量和存貨是當(dāng)前林業(yè)企業(yè)信用風(fēng)險(xiǎn)判別的主要影響因素。對(duì)于主要從事輕工制造、家具、造紙的林業(yè)類企業(yè)而言，林產(chǎn)品庫(kù)存即企業(yè)生物性資產(chǎn)最為主要。主要包括：外購(gòu)存貨入庫(kù)前的費(fèi)用；為達(dá)到銷售狀態(tài)的加工成本；“郁閉”后的費(fèi)用。最后一項(xiàng)費(fèi)用對(duì)林業(yè)企業(yè)而言往往是最高的一筆開支，因?yàn)樵谏镔Y產(chǎn)存續(xù)期間必須連續(xù)不斷地投入，才能維持生物資產(chǎn)活體存在。如果中斷后續(xù)投入，將影響收獲品的數(shù)量和質(zhì)量，甚至因活體生存無法維持而導(dǎo)致價(jià)值減少。因此，注重庫(kù)存的比例，加大流轉(zhuǎn)速度，是林業(yè)企業(yè)需要注意的重要問題。

另一方面，企業(yè)的負(fù)債程度偏高。負(fù)債是一把雙刃劍，恰當(dāng)?shù)氖褂媚軌蚪o股東帶來收益，過度舉債則會(huì)導(dǎo)致償債能力受限，企業(yè)信用級(jí)別降低，信用風(fēng)險(xiǎn)增加。根據(jù)楊建志的分析，林業(yè)企業(yè)舉債的目的主要三類：擴(kuò)張性、償債性以及混合性目的。前者存在經(jīng)營(yíng)風(fēng)險(xiǎn)，后者存在財(cái)務(wù)風(fēng)險(xiǎn)。如何協(xié)調(diào)者兩者風(fēng)險(xiǎn)，結(jié)合成功企業(yè)的歷史經(jīng)驗(yàn)確立正確的資產(chǎn)結(jié)構(gòu)，同樣也是林業(yè)企業(yè)所需注重的重要問題。

綜上，通過此預(yù)測(cè)模型，可以利用林業(yè)企業(yè)當(dāng)前的財(cái)務(wù)指標(biāo)對(duì)信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，幫助投資者進(jìn)行合理的選擇。同時(shí)，對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)有助于企業(yè)管理者估計(jì)風(fēng)險(xiǎn)程度，分析風(fēng)險(xiǎn)因素并采取措施避免損失，促進(jìn)企業(yè)長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)

[1]國(guó)家林業(yè)局.中國(guó)林業(yè)發(fā)展報(bào)告[R].北京：中國(guó)林業(yè)出版社，2013.

[2]Beaver W H.Financial ratios as predictors of failure[J]. Journal of Accounting Research，1966：71111.

[3]Altman E I. Financial Ratios，Discriminant analysis and prediction of corporate bankruptcy[J]. Journal of Banking and Finance，1968，23（4）：589609.

[4]Tam K Y，Kiang M Y. Managerial applications of neural networks： the case of bank failure predictions[J]. Management science，1992，38（7）： 926947.

[5]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001，（6）：4655.

[6]王春峰，萬海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998，1（1）：6872.

[7]鄭茂.我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建及實(shí)證分析[J].金融論壇，2003，8（10）：3842.

[8]郭富霞，路蘭，高齊圣.基于主成分的Logistic模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)分析[J].青島大學(xué)學(xué)報(bào)，2012，25（2）：106110.

[9]石曉軍，任若恩，肖遠(yuǎn)文.邊界Logistic違約率模型及實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，2007，10（3）：4451.

[10]李金海，付琳娜，李建華.基于Logistic模型對(duì)上市公司的信用等級(jí)評(píng)價(jià)研究[J].河北工業(yè)大學(xué)學(xué)報(bào)，2011，40（6）：113118.

[11]王新利，陳敏.基于偏最小二乘BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究——以農(nóng)業(yè)上市公司為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011，（11）：122128.

[12]王琳，王富煒.中國(guó)林業(yè)上市公司多元化經(jīng)營(yíng)與經(jīng)營(yíng)績(jī)效的實(shí)證研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2012，（27）：9799.

[13]羅歡煥，周馳杰等.林業(yè)上市公司環(huán)境信息披露影響因素研究——以滬市上市林業(yè)企業(yè)為例[J].林業(yè)經(jīng)濟(jì)，

2013，（2）：018.

[14]劉澄，郝丹潔.基于Logistic理論與KMV模型的我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J].時(shí)代經(jīng)貿(mào)，2013，（24）.

[15]魏婷.基于Logistic和KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技信息，2010，（16）：10072I0073.

[16]韓艷艷，王波.基于logistic回歸KMV模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].科技與管理，2011，13（001）：104107.

[17]楊建志.淺析林業(yè)企業(yè)負(fù)債經(jīng)營(yíng)[J].林業(yè)經(jīng)濟(jì)問題，2006，26（4）：367369.