滬深Ａ股房地產行業上市公司的Ｚ分數模型

摘要：本文選擇滬深A股市場房地產行業53家上市公司為研究對象，利用這些上市公司的會計信息和公司治理信息來構建財務困境預測模型。研究表明：1．公司治理特征對公司陷入財務困境具有顯著的影響；2．公司治理信息不能為財務信息所覆蓋。這一方面說明，公司治理結構對公司的財務安全具有重要的影響，因此應進一步完善公司治理結構，在研究和構建財務困境頂測模型的時候，不僅要考慮會計信息，還應考慮公司治理信息等，以構建更為有效的預測模型。

關鍵詞：上市公司 財務困境 預測模型

隨著我國資本市場的不斷發展與完善，對上市公司財務困境進行預警研究一直是國內學術界的熱點問題之一。財務預警是以財務會計信息為基礎，通過設置并觀察一些敏感性預警指標的變化，對企業可能或者將要面臨的財務危機實施的實時監控和預測警報。國內外學者進行財務困境預警研究的方法主要有：剖面分析法、單變量判別分析法、回歸分析、多元判別分析法、條件概率模型、二元LOGIT離散選擇模型、基于MM理論和期權定價理論相結合的破產預警模型、基于信息科學的神經網絡分析法以及近鄰法、分類樹方法等等。

一、目前國內研究進展評述

目前國內的研究主要是集中在建立財務預警模型，主要的研究成果包括： 陳靜(1999)以1998年27家ST公司與27家非ST公司為對象，利用資產負債率、凈資產收益率、總資產收益率、流動比率進行研究。

張玲(2000)以120家上市公司為樣本，從償債能力、盈利能力、資本結構狀況和營運狀況四個方面共選取15個財務指標建立起財務預警分析模型。

陳曉、陳治鴻(2000)分別從反映公司財務健康狀況的資產流動性、財務杠桿、資產管理能力、盈利及回報能力、非主營業務回報、股本擴張能力、主營業務鮮明程度以及公司增長能力方面挑選若干財務變量作為備選預測變量，然后再從每一大類特征指標中選出變量，形成一個變量組合進行研究。

吳世農(2001)則選取1998-2000年度140家上市公司作為樣本，選用盈利增長系數、凈資產收益率、速動比率、超速動比率、負債比率、長期負債比率、營運資本比率、總資產增長率、權益增長率、主營收入增長率、應收賬款周轉率、存貨周轉率、總資產周轉率、總資產的對數、權益對數為變量進行研究。

張后奇等(2002)在上證聯合研究計劃第三期課題報告中，所做的《上市公司財務危機預警系統：理論研究與實證分析》，從償債能力、盈利能力、經營能力、周轉能力、現金能力等方面，選出37個財務變量進行研究。

以上基于財務指標建立的預測模型，缺乏對財務困境原因及早期預警的系統分析。大多數研究只是在完成財務指標與財務狀況優劣的邏輯驗證，并未從理論上深入剖析財務困境的深層原因；其次，忽視了企業運營的市場環境和治理等因素對財務狀況的影響；再次，由于財務報表數據具有事后性或可能被管理者粉飾，因此，必須尋找其他事前信息完善財務預警。

本文擬突破以往財務預警研究基于財務指標或治理指標的單一層面分析，在財務因素分析基礎上，引入公司治理的因素，建立基于會計信息和公司治理信息的Z分數財務危機預測模型。之所以采用著名的5變量Z-score模型，是因為該模型是由美國的Altman教授在1968年采用了22個財務比率經過數理統計篩選建立并加以了改進。該模型簡便、成本低、效果佳，目前日本開發銀行、德國、法國、英國等許多發達國家的金融機構都紛紛研制了各自的判別模型。模型的基本原理是：假設觀察到在某一時點上的n個企業，分為以下兩組：其中n1個財務狀況良好，n2個發生財務危機(n＝-nl+n2)，同時收集企業的一些財務特征(財務比率)，利用若干個財務比率構造的多元線性判別函數為：

判別函數中βi為模型的系數，Xi為第i個財務比率。判定準則為：Z＜Z1，被預測企業為危機企業；Z＞Z2，被預測企業為正常企業；Z1＜Z＜Z2，模型處于灰色區域，被預測企業發生危機與否需要依據經驗判斷。從中可以看出，Z計分模型有一個重要的假設存在著一種測度能將正常公司與危機公司區分為兩種不同的分布(一般情況下是正態分布)。當然兩個分布之間有一種重疊(overlap)區域。這種重疊或模糊的(indecisive)區域對于模型來說是無法避免的，判別模型的效果依賴于選取什么樣的多元變量組合具有使這種灰色區域降至最小的能力。

二、z分數模型建立的說明

(一)樣本的選擇

根據滬深證券交易所的相關規定，ST(英文“specialtreatment”的簡寫)公司主要指2種情況：一是上市公司經審計2個會計年度的凈利潤均為負值的公司；二是上市公司最近1個會計年度經審計的每股凈資產低于股票面值的公司。 本文選擇了我國房地產行業53家上市公司2003年的數據為有效樣本。對于ST樣本，主要是2006年新增的ST上市公司；對于非ST，主要是整個行業除ST樣本以外的所有樣本(在篩選樣本時，剔除了數據不完整的樣本)。 (二)會計指標的選擇 對于樣本的會計數據，由于國內外眾多學者研究上市公司財務危機的預測模型時基本上采取公司的營運能力、盈利能力、成長能力、償債能力等方面的財務、會計指標的數據為樣本數據，基于此，本文的財務信息數據也遵循這種方法。其主要財務信息指標的情況詳見下表。

注：以上盈利能力和成長能力的計算公式中，需要相應地考慮絕對值的情況。

(三)公司治理指標的選擇

從歐美成熟市場的經驗看，上市公司治理情況的好壞主要從股權結構(如流通股比例、股權集中度)、董事會如(如董事會中的外部董事構成、獨立董事比例、薪酬委員會等專職部門是否建立)、管理層特性(管理層持股比例)等方面反映。 長期以來，我國上市公司第一大股東(含國有股)絕對控股、“一股獨大”的現象比較普遍，所以上市公司董事會成員以及公司的投資決策、財務信息、人事選拔等基本為第一大股東控制，公司股東大會也基本被其控制。盡管我國上市公司相關的公司治理法規在2002年左右已經出臺，但是實施的情況并不理想?？傮w上，我國上市公司董事會的特征還亟待優化和調整，而目前，董事會的特征明顯為股權結構所決定。

因此，在我國上市公司治理結構還沒有得到實質性改善的大背景下，以股權結構的特點基本能全面反映目前公司現有的治理情況，加上上市公司對公司治理方面的信息披露并不翔實，基于此，本文中的反映公司治理信息的指標主要為股權結構中的相關指標。具體選用以下4個指標作為公司治理指標。

三、模型的參數估計及檢驗

在房地產行業中，選擇的樣本數據包括上市公司的會計和治理信息的29個指標，其有效樣本以2003年的數據為準，總共53個有效樣本，其中，ST樣本有4個，非ST樣本有49個。經統計分析軟件(包括EVIEWS、SPSS兩類統計軟件)運算，其Z分數模型的主要結果如下表3： Z=0．626X07+1．010X10-0．217X22+0．573X26+0．733X28………(模型2)

如下表4看出，使用Z分模型對估計樣本(2003年的樣本)進行回判，在最佳分界點為0．50的條件下(Z值小于或等于0．50的為財務危機公司；Z值大于0．50為沒有財務危機的公司，以下類推)，4家被ST的上市公司被誤判的概率0％；49家非ST公司的上市公司被誤判為ST公司2％，總體上，53家房地產上市公司的回歸準確率為98％(不過，這跟非ST公司樣本的絕對數量較大有關，以下同)。在相同的分界點的條件下，使用Z分模型對檢驗樣本(2004年的樣本)進行預測，結果顯示，被ST的上市公司被誤判的概率25％；預測準確率為98％(不過，這跟非ST公司樣本的絕對數量遠大于ST公司樣本有關，以下同)。其結果詳見下表4。

四、模型的經濟意義及特點

第一，從整體上看，以上模型結果中，在房地產行業，上市公司的財務風險主要與總資產周轉率(X07)、銷售毛利率(x10)、資產負債率(X22)、第一大股東持股比例(X26)、流通股持股比例(X28)等5個變量均顯著，具有統計意義。這表明這些變量對公司是否發生財務危機均有顯著影響。

第二，從方程中變量符號的含義而言，總資產周轉率(X07)、銷售毛利率(X10)、第一大股東持股比例(X26)、流通股持股比例(X28)等變量增大，公司陷入財務危機的可能性減少；資產負債率(X22)等變量增大，公司陷入財務危機的可能性增加。

第三，從方程中變量系數的大小而言，銷售毛利率(X10)、總資產周轉率(X07)、流通股持股比例(X28)是對公司是否發生財務危機最重要的3個財務指標；從各自對公司發生財務危機的貢獻率(或影響力度)看，銷售毛利率的貢獻率為3 1．98％，位居第一，而且其貢獻率進行簡單加總后的結果反映，會計指標信息的貢獻率為近60％，公司治理指標信息的貢獻率為近40％，進一步，會計和公司治理的主要指標的信息可以對公司是否發生財務危機進行有效判斷和預測。詳見下表5。

從以上看，對于房地產上市公司，一方面公司需要加快資金的周轉以實現擴大經營收入；與此同時，需要嚴格控制經營成本以提高經營收入的盈利能力，銷售毛利率顯然是其中一個關鍵性的財務目標。另一方面房地產公司的經營方式是資金密集型特點，需要采取較高的財務杠桿進行大量融資，較高的資產負債率成為行業各公司的普遍現象，從這個角度看，資產負債率的水平很難成為一個直接反映公司是否陷入財務危機的關鍵性指標，但是，這類主要依靠負債經營的房地產公司很容易受到宏觀調控等因素的影響，因此，這要求公司不斷加快資金的有效周轉以實現用最少的資金產生最大的收入，從而保證充足的現金流，顯然，不斷提高總資產周轉率才能保證公司穩健擴張，否則，高額的負債很容易在突發因素的影響下引致公司陷入財務危機。

第四：從以上回判及預測能力的情況看，模型2中，被ST的上市公司被誤判概率非常低，回判的準確率及其預測的準確率都非常高?？傮w上，以上模型2能對房地產上市公司的財務危機進行有效預測。

五、僅基于會計信息研究的缺點

從以上研究看，在房地產行業的財務預測模型研究中，以上會計信息和公司治理信息基本上可以預測到上市公司是否發生財務危機。在這里，為了進一步證實基于會計信息和公司治理信息的財務預測模型研究要優于僅基于會計信息的財務預測模型研究，以下以房地產上市公司2003年的會計信息為樣本數據，樣本的其他情況基本與以上介紹的內容相似，即總共53個有效樣本，其中，ST樣本有4個，非ST樣本有49個等。經統計分析軟件(包括EVIEWS、SPSS兩類統計軟件)運算，其Z分數模型的主要結果如下表6：

Z=0．752+0．434X07+0．658X10-0．239X22-0．010X123………(模型3)

不難判斷，以上模型的參數估計及檢驗結果都不錯，而且其預測能力也達到70％以上的準確率(具體情況省略)，但是從下表7看到常數項C在公司是否發生財務危機的貢獻率高達35．94％，進一步，如果采取這種樣本進行研究，這顯然會降低對公司是否發生財務危機預測的準確性。從以上研究看到，增加會計信息以外的信息，比如公司治理信息，顯然有利于減低常數項的影響力度或貢獻率，從而能更全面、真實、準確的對公司是否發生財務危機進行預測。

六、財務危機的防范、對策及建議

(一)按不同的行業進行防范

由前文得知，由于不同行業的經營方式、競爭開放程度等方面不同，各行業的公司產生財務危機的方式應當是多種多樣的，試圖采取一種模式、一套方法對各個行業進行財務危機防范顯然是不切實際的。應當針對不同的行業，采取不同的防范措施。要加強和提升各個行業協會的功能，通過行業協會的協調、同業互助等方式把潛在的風險有效減低，直至避免。

(二)建立z式的財務預測模型

由前文得知，Z分數模型是最早用來對公司財務危機預測研究的模型，在理論界已經得到廣泛認同；在實踐上，該模型由于模型簡便、成本低、效果佳等優點而被眾多金融機構競相采用，如目前日本開發銀行、德國、法國、英國等許多發達國家的金融機構在Z分數模型的基礎上紛紛研制了各自的判別模型。同時，通過筆者進行以上研究發現，區分不同行業的前提下構建Z分數模型是可行的，也是有效的，因此，可以在借鑒以上所述國家的經驗盡快建立適合不同行業的財務預測模型，以便作行業指導，從而減少相關公司的財務危機。

(三)注重治理等非會計因素的作用

財務危機的發生最終的結果當然是公司主要會計科目、財務指標的數據不多惡化，采取以財務指標進行財務危機的預測研究應當說是必要的、合理的，但是，導致財務危機的因素是多元的，除了會計、財務因素之外，通過以上大量的實證研究表明，公司治理指標因素也是有效預測財務危機的重要手段。不難推斷，公司治理結構不健全、不合理顯然也是導致財務危機發生的重要誘因，因此，為了減少、防范財務危機，公司必須不斷健全和優化治理結構，同時，在對財務危機預測中應當重視治理因素的作用，這樣才能更全面、準確的進行財務預測。只有這樣，財務危機的預測模型才能更準確、更實用，公司才能防范于未然，真正減少、避免財務危機。