Z-score模型在我國上市公司財務預警中適用性的探討

陳珍靜

【摘要】經濟全球化下，跨國企業的涌入搶占了我國企業部分原有市場，使我國企業特別是上市公司極易陷入財務危機，不僅給企業利益相關者帶來損失，更會制約資本市場的穩定發展。因此，企業應盡早發現財務危機并避免可能發生的不良后果，而財務危機預警系統的核心為財務預警模型。本文根據Z-score模型在交通運輸設備制造業財務預警中的實證分析結果，對該模型進行了改進，以使其更適用于我國上市公司。

【關鍵詞】Z-score模型 財務預警 交通運輸設備制造業

一、模型的選擇與構建

西方學者從20世紀30年代開始就對企業財務預警問題進行研究，提出了各種不同的財務預警方法和模型，一般分為定性預警分析和定量預警模式。定性預警模式已有的并廣為接受的方法主要包括標準化調查法、管理評分法等。定量財務預警分析模式根據所選擇的研究變量的數量區別，主要有單變量模型和多變量模型。但定性分析主觀性過強，單變量模型反映的內容有限，所預測的結果沒有多變量模型可靠，因此國外學者趨向于多變量方法的研究。多變量模型主要包括：Z-score模型、小企業財務危機預警模型、邏輯回歸模型（Logit）、多元概率比回歸模型（Probit）、現金流量模型、人工神經網絡模型（ANN）等。

本文將選擇Z-score模型進行實證分析，原因如下：（1）所選取的樣本為上市公司，是有一定規模的大企業，所以排除了小企業財務危機預警模型；（2）邏輯回歸模型（Logit）和多元概率比回歸模型（Probit）需要大量的樣本，本文所研究的樣本數量有限，并不符合其要求；（3）人工神經網絡模型（ANN）是90年代新興財務預警方法，操作極其復雜，使用成本高，且預測結果穩定性較差。（4）Z-score模型獲得廣泛認同，計算較簡單，所需樣本量少于其他模型，適合用于本文的實證分析。

Z-score模型是由Altman（1968）以美國企業為樣本得出的模型，其第1個模型適用于制造業上市公司，具體如下：

Z=1.2 X1+1.4 X2+3.3 X3+0.6 X4+0.99 X5

其中，

X1=流動資本/資產總額=（流動資產-流動負債）/資產總額

X2=留存資本/資產總額=（盈余公積+未分配利潤）/資產總額

X3=息稅前收益/資產總額=（利潤總額+利息費用）/資產總額

X4=權益市場價值/負債賬面價值總額

X5=銷售收入/資產總額

由于我國的利息費用不單獨列示在會計報表中，而是包含于財務費用中，但利息費用一般占其絕大部分，因而本文用財務費用代替利息費用。此外，我國除了流通股，還存在非流通股。因此，本文對權益市場價值的核算分為流通股市場價值和非流通股市場價值兩部分，并用每股市價乘以流通股數代替前者，每股凈資產與非流通股數的乘積代替后者。

二、Z-score模型在交通運輸設備制造業財務預警適用性的實證分析

（一）樣本選取

我國上市公司破產的可能性很小，退出市場機制不完善，也沒有其他顯著信號可以證實企業發生財務危機，因此本文以“ST”作為財務危機的信號，即以2008年上市公司股票簡稱為依據，判斷其是否發生財務危機。

本文選取數量較多的交通運輸設備制造業上市公司為研究對象，選取2004年至2007年即ST公司虧損年及其前3年為研究期間，去除研究期間信息缺失的公司，剩余60家研究樣本。其中，ST組有9家，非ST組有51家。

（二）模型適用性分析

將研究樣本的各項數據指標代入Z-score模型，可以得到研究期間的Z值，本文將通過模型臨界點對比、Z值平均值對比、指標平均值對比3方面探討模型的適用性。

1.根據Z-score模型臨界點對比

Altman認為，2.675是Z值的臨界點，Z值大于2.675，表示企業財務狀況良好；Z值低于2.675的企業被認為是具有財務危機的企業。Z值小于1.81，為破產企業；Z值介于1.81和2.675之間，則說明企業已經存在財務危機，Altman稱之為“灰色地帶”。ST組和非ST組Z值分布情況分別如表1和表2所示。

由表1和表2可知，ST組上市公司的Z值大多小于1.81，非ST組大部分上市公司的Z值都大于1.81。這表示按照Altman的臨界點分類，該模型具有一定的適用性。

但是，對于該模型對財務危機預測的準確性，卻存在以下情況：2007年即財務危機當年，ST組財務危機預測的準確率為55.56%，低于前3年的準確率；非ST組財務危機預測的準確率則較高，而往年的預測水平卻遠遠低于應有水準。這說明，該模型不適合所選樣本，或者一些非ST樣本企業存在很大的財務隱患。

總之，根據Altman所定的原有臨界點來判斷我國交通運輸設備制造業上市公司的財務狀況，大致只有50%的預測準確率，該結果并不理想，應從其他角度驗證。

2.根據Z值平均值對比

為進一步判斷Z-score模型的適用性，本文將ST組和非ST組的Z值平均值進行對比，具體如表3所示。

由表3可知，在研究期間，ST組的Z值平均值遠遠小于非ST組，且兩組平均值存在明顯差異，這充分說明Z值對預測企業財務危機的可靠性。

此外，非ST組在2007年的Z值平均值大于2.675，2006年至2004年的Z值也都大于1.81，即沒有被判定為破產；而ST組各年的Z值平均值均小于0，顯然都可被判為破產，這說明，Altman定義的臨界點在整體判定上存在有效性，但在對個體的判定上存在較大誤差。同時也說明樣本行業上市公司Z值的標準差較大，即各公司間的Z值相差較大。這可能由于樣本行業的特殊性或我國資本市場的不完善而導致。

3.根據指標平均值對比

根據上述分析，已確定ST組和非ST組的Z值平均數有顯著不同，但無法用Altman的臨界點對企業個體進行區別，所以本文進一步通過分析模型各個指標的平均值進行對比。ST組和非ST組各個指標的平均值如表4所示。

由表4可知，X1、X2、X3這3個指標在ST組和非ST組間的差別較大，尤其是X3，而X4、X5這兩個指標的差別較小。除了X4以外，其他4個指標均反映出ST組和非ST組在財務風險上的區別，說明該指標對上市公司財務預警的重要性。

4.模型適用性分析

基于上述分析，Altman為Z-score模型設定的臨界點對我國上市公司財務預警的預測準確率為50%左右，并不理想。究其原因，可能有以下幾點：

第一，我國和美國在證券市場制度等方面有很大差別，而且該模型的提出距今已有40多年，市場已發生了巨大的變化，模型中的某些數據可能有定義上的分歧，臨界值也可能會不適用。

第二，Altman選取了多個行業的企業共同推導模型，而不同行業的財務指標標準可能有很大差別。本文則只選擇了交通運輸設備制造業，那么模型的因素、臨界點等都可能已發生變化。

第三，交通運輸設備制造業涉及的范圍很廣，包括鐵路運輸設備制造業、汽車制造業、交通運輸設備修理業等九種子行業，各子行業間的水平有較大差距，這有可能導致研究樣本Z值的差距較大。