Z-score模型在我国上市公司财务预警中适用性的探讨

陈珍静

【摘要】经济全球化下，跨国企业的涌入抢占了我国企业部分原有市场，使我国企业特别是上市公司极易陷入财务危机，不仅给企业利益相关者带来损失，更会制约资本市场的稳定发展。因此，企业应尽早发现财务危机并避免可能发生的不良后果，而财务危机预警系统的核心为财务预警模型。本文根据Z-score模型在交通运输设备制造业财务预警中的实证分析结果，对该模型进行了改进，以使其更适用于我国上市公司。

【关键词】Z-score模型 财务预警 交通运输设备制造业

一、模型的选择与构建

西方学者从20世纪30年代开始就对企业财务预警问题进行研究，提出了各种不同的财务预警方法和模型，一般分为定性预警分析和定量预警模式。定性预警模式已有的并广为接受的方法主要包括标准化调查法、管理评分法等。定量财务预警分析模式根据所选择的研究变量的数量区别，主要有单变量模型和多变量模型。但定性分析主观性过强，单变量模型反映的内容有限，所预测的结果没有多变量模型可靠，因此国外学者趋向于多变量方法的研究。多变量模型主要包括：Z-score模型、小企业财务危机预警模型、逻辑回归模型（Logit）、多元概率比回归模型（Probit）、现金流量模型、人工神经网络模型（ANN）等。

本文将选择Z-score模型进行实证分析，原因如下：（1）所选取的样本为上市公司，是有一定规模的大企业，所以排除了小企业财务危机预警模型；（2）逻辑回归模型（Logit）和多元概率比回归模型（Probit）需要大量的样本，本文所研究的样本数量有限，并不符合其要求；（3）人工神经网络模型（ANN）是90年代新兴财务预警方法，操作极其复杂，使用成本高，且预测结果稳定性较差。（4）Z-score模型获得广泛认同，计算较简单，所需样本量少于其他模型，适合用于本文的实证分析。

Z-score模型是由Altman（1968）以美国企业为样本得出的模型，其第1个模型适用于制造业上市公司，具体如下：

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

其中，

X1=流动资本/资产总额=（流动资产-流动负债）/资产总额

X2=留存资本/资产总额=（盈余公积+未分配利润）/资产总额

X3=息税前收益/资产总额=（利润总额+利息费用）/资产总额

X4=权益市场价值/负债账面价值总额

X5=销售收入/资产总额

由于我国的利息费用不单独列示在会计报表中，而是包含于财务费用中，但利息费用一般占其绝大部分，因而本文用财务费用代替利息费用。此外，我国除了流通股，还存在非流通股。因此，本文对权益市场价值的核算分为流通股市场价值和非流通股市场价值两部分，并用每股市价乘以流通股数代替前者，每股净资产与非流通股数的乘积代替后者。

二、Z-score模型在交通运输设备制造业财务预警适用性的实证分析

（一）样本选取

我国上市公司破产的可能性很小，退出市场机制不完善，也没有其他显著信号可以证实企业发生财务危机，因此本文以“ST”作为财务危机的信号，即以2008年上市公司股票简称为依据，判断其是否发生财务危机。

本文选取数量较多的交通运输设备制造业上市公司为研究对象，选取2004年至2007年即ST公司亏损年及其前3年为研究期间，去除研究期间信息缺失的公司，剩余60家研究样本。其中，ST组有9家，非ST组有51家。

（二）模型适用性分析

将研究样本的各项数据指标代入Z-score模型，可以得到研究期间的Z值，本文将通过模型临界点对比、Z值平均值对比、指标平均值对比3方面探讨模型的适用性。

1.根据Z-score模型临界点对比

Altman认为，2.675是Z值的临界点，Z值大于2.675，表示企业财务状况良好；Z值低于2.675的企业被认为是具有财务危机的企业。Z值小于1.81，为破产企业；Z值介于1.81和2.675之间，则说明企业已经存在财务危机，Altman称之为“灰色地带”。ST组和非ST组Z值分布情况分别如表1和表2所示。

由表1和表2可知，ST组上市公司的Z值大多小于1.81，非ST组大部分上市公司的Z值都大于1.81。这表示按照Altman的临界点分类，该模型具有一定的适用性。

但是，对于该模型对财务危机预测的准确性，却存在以下情况：2007年即财务危机当年，ST组财务危机预测的准确率为55.56%，低于前3年的准确率；非ST组财务危机预测的准确率则较高，而往年的预测水平却远远低于应有水准。这说明，该模型不适合所选样本，或者一些非ST样本企业存在很大的财务隐患。

总之，根据Altman所定的原有临界点来判断我国交通运输设备制造业上市公司的财务状况，大致只有50%的预测准确率，该结果并不理想，应从其他角度验证。

2.根据Z值平均值对比

为进一步判断Z-score模型的适用性，本文将ST组和非ST组的Z值平均值进行对比，具体如表3所示。

由表3可知，在研究期间，ST组的Z值平均值远远小于非ST组，且两组平均值存在明显差异，这充分说明Z值对预测企业财务危机的可靠性。

此外，非ST组在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，即没有被判定为破产；而ST组各年的Z值平均值均小于0，显然都可被判为破产，这说明，Altman定义的临界点在整体判定上存在有效性，但在对个体的判定上存在较大误差。同时也说明样本行业上市公司Z值的标准差较大，即各公司间的Z值相差较大。这可能由于样本行业的特殊性或我国资本市场的不完善而导致。

3.根据指标平均值对比

根据上述分析，已确定ST组和非ST组的Z值平均数有显著不同，但无法用Altman的临界点对企业个体进行区别，所以本文进一步通过分析模型各个指标的平均值进行对比。ST组和非ST组各个指标的平均值如表4所示。

由表4可知，X1、X2、X3这3个指标在ST组和非ST组间的差别较大，尤其是X3，而X4、X5这两个指标的差别较小。除了X4以外，其他4个指标均反映出ST组和非ST组在财务风险上的区别，说明该指标对上市公司财务预警的重要性。

4.模型适用性分析

基于上述分析，Altman为Z-score模型设定的临界点对我国上市公司财务预警的预测准确率为50%左右，并不理想。究其原因，可能有以下几点：

第一，我国和美国在证券市场制度等方面有很大差别，而且该模型的提出距今已有40多年，市场已发生了巨大的变化，模型中的某些数据可能有定义上的分歧，临界值也可能会不适用。

第二，Altman选取了多个行业的企业共同推导模型，而不同行业的财务指标标准可能有很大差别。本文则只选择了交通运输设备制造业，那么模型的因素、临界点等都可能已发生变化。

第三，交通运输设备制造业涉及的范围很广，包括铁路运输设备制造业、汽车制造业、交通运输设备修理业等九种子行业，各子行业间的水平有较大差距，这有可能导致研究样本Z值的差距较大。