資產預警Z計分模型

相關標簽:大智慧預警公式指標 、 z計分模型公式 、 陽包陰 指標預警公式 、 大智慧 集合競價預警 、 大智慧 信息地雷 預警 、 大智慧 60分鐘預警 、 大智慧預警 發送到qq 、 大智慧 官網 、 大智慧 威廉指標 、 大智慧指標公式論壇 、

 

摘 要】 文章介紹了財務危機預警的Z計分模型，并以滬深股市38家電器業上市公司為樣本，對財務危機預警展開了實證研究。結果表明，Z計分模型在評價電器業上市公司財務危機方面具有較高的準確性，可以引導管理層、投資者、債權人、上市公司監管部門等依據該模型對上市公司財務風險進行評估，對可能的財務危機進行預警。
　　【關鍵詞】 財務風險； 財務危機預警； Z計分模型； 電器業上市公司
　　
　　一、引言
　　根據財政部公布數據，2010年1—11月納入本月報統計范圍的全國國有及國有控股企業①主要效益指標保持穩定增長，但實現利潤環比略有下降。11月比10月實現利潤呈現不同程度增長的行業有：施工房地產（87.9%）、電力（33.2%）、煙草工業（22.6%）、有色（19.5%）、醫藥（17.6%）等；11月比10月實現利潤呈現不同程度下降的行業有：交通（-68.7%）、輕工（-37%）、紡織（-22.9%）、電器電子（-22%）、石化（-21.1%）等。可見在我國經濟逐步復蘇的大形勢下，還存在較大的結構性差異，其中電器電子行業利潤下降趨勢明顯，經營、財務風險增加，發生財務危機的可能性提高，因此本文選擇電器業上市公司作為研究對象。
　　企業的財務風險，從狹義上看，是指由于利用財務杠桿給企業帶來的破產風險或普通股收益發生大幅度變動的風險；從廣義上看，是指企業在籌資、投資、資金營運及利潤分配等財務活動中因各種原因而導致的對企業的存在、盈利及發展等方面的重大影響。本文在提到財務分析時更多指的是廣義的概念，而財務危機則是財務風險積累到一定程度的產物。
　　財務危機預警屬于微觀經濟預警的范疇，國外早在20世紀初就開始了對經濟預警的研究，并在“二次世界大戰”后的美國得到發展，而我國國內的研究則起步較晚，從20世紀80年代開始，預警系統的研究經歷了一個從宏觀經濟預警滲透到微觀領域主要是企業經營預警，從單純定性分析到定性定量相結合、從點預警到狀態預警的轉變過程，其中財務預警領域的研究發展很快，取得了令人矚目的成就。
　　本文以我國滬深股市2009年電器業上市公司為研究對象，采用經典多變量財務風險預警的Z計分模型，依據我國電器業上市公司2009年、2010年的數據展開對企業財務風險預警的實證研究，結果表明，Z計分模型對企業財務風險的判定有較高準確性。研究意義在于，依據Z計分模型對企業財務風險進行有效預警，可以降低市場主體的營運風險，可以進一步優化社會資源的配置，可以促進資本市場的規范和發展，對公司所有者、經營者、投資人、監管者以及其他它利益相關者都有重要的現實意義。
　　
　　二、文獻綜述
　　（一）對財務危機概念的界定
　　國內外學者由于研究側重點不同，使用了不同的標準。Beaver（1966）認為符合“破產、拖欠償還債務（債券違約）、透支銀行賬戶或無力支付優先股股利”四項中任何一項的企業，就可定義為失敗企業，也就是發生財務危機的企業。Altman（1968）認為，財務危機（財務困境）是企業無法解決現金流量不足以償還當前債務而引發的危機。Carmichael（1972）將財務危機定義為企業履行義務時受阻，出現流動性不足、權益不足、債務拖欠及流動資金不足四種形式。Deakin（1972）認為，財務危機是公司面臨破產、無力償債或為債權人利益而被迫清算的狀況。Alves（1978）認為，財務危機就是“如果不對公司營運方式或結構進行大規模的重新調整就不能解決嚴重的流動性問題”。George Foster（1986）認為，財務危機就是公司發生的嚴重的流動性問題，這類問題只有通過對公司運營方式或結構進行大規模的重新調整才能解決。Karels和Prakash（1987）認為，財務危機就是不能支付到期債務、銀行賬戶透支、凈現值小于零等。Rosh等人（1999—2000）則認為可以從四個方面定義企業的財務危機：第一，企業失敗，即企業清算后仍無力清償債權人的債權；第二，法定破產，即企業和債權人向法院申請企業破產；第三，技術破產，即企業無法按期履行債務合約付息還本；第四，會計破產，即企業的賬面凈資產出現負數，資不抵債。
　　由此可見，國外對財務危機的界定因研究目的不同而不同，主要有：已經破產的企業；進入破產程序的企業；無力償付本息的企業；資不抵債的企業。
　　國內學者對財務危機范圍的界定也基本以企業破產為分界線。認為企業破產是財務危機的有：谷祺和劉淑蓮（1999）、吳應宇和袁陵（2004），他們將財務危機定義為，企業無力支付到期債務或費用的一種經濟現象，包括從資金管理技術性失敗到破產以及處于二者之間的狀態。吳世農與盧賢義（2001）則將財務困境視為財務危機（Financial Cresis），最重要的財務困境是破產，企業因財務困境導致破產實際上是一種違約行為，所以財務困境又稱為違約（Default Risk）。鑒于我國證券市場陸續推行了特別處理（Special Treatment，ST）制度、特別轉讓（Particular Treatment，PT），2003年又發布了《關于對存在股票終止交易上市風險的公司加強風險警示等有關問題的通知》，我國部分學者在研究財務危機時，把特殊處理作為衡量企業財務危機的標準之一。吳世農等（2001）在研究中認為上市公司由于非偶發事件而被特別處理標志著企業陷入財務困境，并認為這是一種違約行為，且財務困境不僅僅限于特別處理的上市公司。陳曉和陳治鴻（2000）將“特別處理”界定為公司發生了財務困境，也就是出現了財務危機，因為“特別處理”有很高的度量性，要改變管理部門所給予的“特別處理”，一般要通過大規模資產重組。
　　由以上綜述可以看出，目前國內外學術界對財務危機尚沒有統一的定義。由于我國證券市場的完善程度、經濟環境、制度環境、研究環境與國外有差異，數據的積累遠遠不夠，基本上沒有破產企業的數據，因此，國內大多數研究者都以資本市場數據為樣本，以特別處理或暫停上市作為發生危機的標志，如吳世農、陳靜、陳曉等，本文也認可并采用這一觀點。
　　（二）有關財務危機預測方法的研究
　　財務危機預測方法按大類分有定性與定量的研究方法。
　　定性研究方法，這種方法首推美國管理專家約翰·阿吉蒂提出的一種定性衡量企業風險的方法——“A計分法”。其基本原理是首先計算綜合風險分值“A”，再將其與標準值對比，可知該企業的風險程度。傳統的風險評估采用“A計分法”，將企業的風險因素逐一列出，包括宏觀因素、技術因素、市場因素、管理因素、退出因素等，根據各因素對項目影響程度大小予以賦值，最后將所有因素的影響值加總，從總體上評價風險度。風險度的項值在0—10之間，得分越高，風險度越大。這一方法的優點是考慮到風險不是一下子產生的，而是相互關聯的，孕育于公司的業務流程系統中，因而要通過加總求和，從總體上來判斷風險大小。其缺點是影響大小的賦值取決于決策人員的主觀判斷，趨向于定性的主觀評價，缺乏科學性。
　　定量研究方法，最早在1932年時Fitzpatrick運用單個指標對財務風險進行預警，1966年威廉·比弗（William Beaver）運用統計方法和財務與比率進行財務危機研究，但是傳統的單變量財務風險預警模型有很多缺陷，因此從20世紀60年代起，發展了很多新的模型和方法，預測的精度和效率得到了極大的提高。美國學者Altman于1968年在《金融雜志》發表的一篇題為《財務比率、判別分析和公司破產預測》的文章提出了預測企業破產的多元Z值判斷模型。Altman最初選擇的樣本共有66家公司，分兩組，每組33家。破產組（組1）包含了從1946年到1965年申請破產的33家制造業公司。考慮到無論是從行業還是從資產規模進行比較，這些公司的差別都較大。因此，在選擇非破產組（組2）時，Altman采用了分層隨機抽樣的方式對應選擇了另外33家在1996年仍在經營的未破產的制造業企業。每層樣本的設計主要考慮了行業和規模因素，樣本中剔除了小公司（總資產100萬以下）和超大型公司。因為小公司的報表數據不全，而超大型公司的破產概率較小，不適于用來做普遍意義上的預測模型。



　　Altman共選擇了22個可能有用的財務比率分五大類（流動性、獲利能力、財務杠桿、償債能力和活動性）進行研究。選擇原則是該比率在以前研究中出現的頻率和其與研究問題的潛在相關性。Altman經過因素分析最終找出最具解釋力的五個財務指標，建立了多變量財務危機預警的經典模型——Z-score模型。
　　根據對過去經營失敗企業統計數據的分析，Altman認為Z值越大公司財務狀況越好，并進一步得出經驗性臨界數據值判斷企業破產的臨界值：如果Z值大于2.675，則表示企業的財務狀況、經營狀況良好，發生破產的可能性小；如果Z值小于1.81，則表明企業正處于破產的邊緣；如果Z值在1.81～2.675之間，則表明企業的財務及經營極不穩定，被稱為“灰色地帶”。通過計算，觀察某個企業連續若干年的Z值大小，就能發現企業發生財務危機的先兆。由于Z計分模型簡單易懂，計算簡便，所有數據均可直接根據財務報表得到，可操作性強，準確率高，目前已廣泛應用于國外許多銀行、企業、會計師事務所、投資機構等，因此，本文采用該方法展開實證研究。
　　
　　三、研究設計
　　（一）研究模型
　　鑒于我國資本市場的特點，對Altman的Z計分模型中各項指標的系數設定做以下微調：
　　Z=1.2X1+1.4X2+3.3X3+0.6X4
　　+0.999X5
　　其中：X1=營運資本/總資產（WC/TA）=（流動資產-流動負債）／總資產
　　X2=留存收益/總資產（RE/TA） =（未分配利潤+盈余公積）／總資產
　　X3=息稅前利潤/總資產（EDIT/TA）=（稅前利潤+利息費用）／總資產
　　X4=權益市場價值/總債務的賬面價值（MVE/TL）=總市值／總負債
　　X5=銷售收入/總資產（S/TA）=主營業務收入／總資產
　　（二）研究假設
　　基于前文文獻分析，筆者提出如下假設：
　　假設1：ST公司具有較大財務風險，Z值應小于1.81；
　　假設2：每股收益大于0.4的公司，不具有財務風險，Z值應大于2.675；
　　假設3：凈資產收益率小于10％，在10％到15％之間，大于15％的公司，財務風險越來越小，平均Z值應該依次升高；
　　假設4：Z值小于1.81，1.81到2.675，大于2.675的公司，隨著Z值的升高，平均每股收益及平均凈資產收益率都應該依次升高。
　　（三）樣本選取與數據來源
　　1.樣本的選擇
　　本文以2010年滬深股市45家電器業上市公司為對象，剔除了相關財務數據數據缺失的上市公司7家后，獲得了38家樣本公司，其中：32家為正常公司，6家為危機公司，觀察其在2009年末的相關數據。
　　2.數據來源
　　數據來自巨潮資訊、CSMAR數據庫、上海證券交易所、深圳證券交易所網站。
　　（四）實證結果的分析與解釋
　　根據2009年年報資料，采用Microsoft Excel計算2009年38家上市公司的Z值（具體計算結果詳見附表5，其中對個別明顯異常數據按行業平均水平及慣例進行了調整），具體結果分類歸納如下：
　　1.ST公司Z值情況（表1）
　　由表1可知：ST組公司平均Z值為1.30，小于1.81，與假設1符合。其中，ST國祥、ST春蘭Z值偏離正常水平，是由于X4指標（總市值/總負債）異常，進一步看，是總市值偏高。
　　2.每股收益大于0.4的公司的平均Z值（表2）
　　由表2可知：每股收益大于0.4的公司，Z平均值3.95大于2.675，與假設2符合。其中，格力電器Z值等于1.94，煙臺冰輪Z值等于2.25均偏離Z值正常范圍，是由于X1、X5值較低，而美菱電器Z值的偏離則是由于X1、X4值較低。
　　3.凈資產收益率與Z值的關系（表3）
　　由表3可知，在凈資產收益率小于10％、10％至15％、大于15％的水平上，平均Z值分別為2.7、3.21、3.96，Z值逐漸升高，符合假設3。
　　4.Z值的分布與凈資產收益率、每股收益的關系（表4）
　　由表4可知，Z小于1.81，1.81<
　　Z<2.675，Z大于2.675的公司，隨著Z值的升高，公司的平均每股收益0.22，0.57，0.4及凈資產收益率3.17％，17.17％，10.19％呈先升后降趨勢，不太符合假設4。經分析可知，格力電器（證券代碼000651）Z值為1.94，但其2009年凈資產收益率高達33.66%；而美菱電器（證券代碼000521）、華意壓縮（證券代碼000404）Z值分別為1.97、2.52，但2009年凈資產收益率分別為21.82％、17.82％，進一步觀察發現2008年凈資產收益率僅分別為2.67%、6.06%，變化較大。以上兩個因素是導致凈資產收益率、每股收益變化趨勢不完全符合假設的原因。
　　
　　四、對Z計分模型的評價
　　Z計分模型作為最早用來評價制造業財務危機的一種方法，對其它企業財務危機的預警也有一定的指導意義。但是也應該注意到經濟環境、政策法規、證券市場發育程度、準則差異等，都會對模型的計算結果產生一定影響。因此，在使用過程中應特別注意模型的適用范圍。
　　雖然我國滬深股市電器業38家樣本上市公司的實證結果大體上支持Z計分模型的有效性，但在運用該模型進行個案分析時，會存在個別指標畸高或畸低的問題，從而導致Z值異常，這時應對異常情況加以特別關注，進行進一步分析。其次，財務危機預警的前提是公司發布的財務數據必須是真實可靠的，但我國會計信息失真在一定程度上還存在，因此不能只停留在財務指標上，應結合非財務指標分析。但是，總體上Z計分模型仍然是一種有效的財務危機預警方法，對幫助管理層、投資者、債權人判定危機，進行財務危機預警有較強的指導意義。
　　
　　【參考文獻】
　　［1］ 陳靜.上市公司財務危機惡化預測的實證分析［J］.會計研究，1999（2）.
　　［2］ 谷祺，劉淑蓮.財務危機企業投資行為分析與對策［J］.會計研究，1999（10）.
　　［3］ 曲秀麗.財務風險預警模型構建實證分析——基于網絡環境下財務風險［J］.會計之友，2009（5）.
　　［4］ 吳應宇，蔡秋萍，吳莧.基于神經網絡技術的企業財務危機預警研究［J］.東南大學學報，2008（10）.
　　［5］ 吳世農，盧賢義.我國上市公司財務困境的預測模型研究［J］.經濟研究，2001（6）.
　　［6］ 吳世農，黃世忠.企業破產的分析指標和預測模型［J］.中國經濟問題，1986.
　　［7］ 楊淑娥，黃禮.基于BP神經網絡的上市公司財務預警模型［J］.系統工程理論與實踐，2005（1）.
　　［8］ 周首華，楊濟華，王平.論財務危機的預警分析——F分數模型［J］.會計研究，1996（8）.
　　［9］ 張玲.財務危機預警分析判別模型［J］.數量技術經濟研究，2000（3）.
　　［10］ 王芳云.運用Z計分模型對上市公司財務風險的實證研究［J］.山東紡織經濟，2005（5）.
　　［11］ Altman E.I.Finance Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy［J］.Journal of Banking and Finance，1968，9：589-609.
　　［12］ Altman E.I.Corporate Financial Distress and Bankruptcy［M］.John Wiley&sons Inc.，2000：242.以上摘要公試編寫有些數據找不到引用所以代替了，以上文是網上找來的發出來給在大家參考，公試在下面有源碼CXH:=STRTONUM(STRRIGHT(DATESTR(CURRENTDATE),1));
WARNING('http://www.tumamayizhan.com',CURRENTTIME>180000 and (CXH=1 OR CXH=6));
DRAWTEXTREL(10 ,10 ,'指標公式');