基于Z值模型的我国新能源上市公司信用风险研究

李一剑?韩晓梦?蔡一如?张郦聪

本文利用Z值模型的改善模型对于中国新能源上市公司的信用风险进行研究，实证检验结果表明，我国新能源上市公司近年存在相当大信用风险。主要受到政府政策，企业财务管理水平等因素影响。建议政府完善信用风险评级制度；拓宽新能源企业融资渠道；企业应控制成本投入以规避风险。

有关新能源企业信用风险的研究大致从两方面展开，一是从政府的角度进行分析，通过与他国政策、制度上的比较，指出我国在信用风险评级制度上存在的不完善、政府金融渠道开发不充分等。例如吴哲清（2015）指出影响新能源企业信用风险很大程度上取决于政府对信用制度的建设以及对于融资渠道拓宽。二是从新能源企业的角度出发，分析财务数据，指出企业自身存在的问题。楚攀（2016）在研究新能源企业财务风险时，表示新能源企业的产品市场推广难度大；初创阶段投入高，加之初创阶段财务管理水平低，风险相对较高。

以上的研究对新能源企业的信用风险做了深入分析，但是我们也发现一定的缺陷：1、对于行业整体信用风险的研究相对较少2、研究时选取时间段较短无法反映信用风险变化趋势。基于上述，本文将使用Z值模型对于新能源行业整体的信用风险进行评价并选用了近八年数据对行业信用风险按照时间序列进行研究，希望对近年新能源行业信用风险状况作出总结，最后提出改善建议。

一、新能源产业信用风险现状

新能源产业是资金和技术密集型产业，初期投资高、回报周期长，非常依赖政府资金和政策扶持的特点导致该行业通常存在较大的信用风险。从政策角度来看：以新能源汽车为例，前几年国家财政部、工信部曾提出《关于开展私人购买新能源汽车补贴试点的通知》等一系列的利好政策，使得过去几年我国新能源汽车市场发展相当迅速。然而在2016年新能源汽车购买补贴大幅度收缩，导致享受不到政策补贴的车型减产或者直接停产。这说明新能源产品还未在市场站稳脚跟，还需要政策扶持。从企业自身角度来看：新能源上市公司发展初期需要巨额的资金投入，相比外国广泛应用私募、风投等融资方式，中国新能源上市公司融资渠道相对单一，主要靠银行贷款和发行债券等方式。新能源上市公司债务融资比例大，债务资金成本率高使得资金的使用成本远高于传统能源公司的支出，这意味着新能源企业Z值判分中的两大变量企业贴现能力和偿债能力都很差，信用风险境况令人担忧。

二、Z值评分模型简介

（一） Z值模型的起源

Altman（1968）建立了著名的5变量Z模型，用于预测企业破产和企业信用评级问题。其主要内容为：Z = 1.2X1+1.4X2+3.3X3+0.6X4+0.999X5式中，Z为判别函数值，X1表示为运营资本/总资产；X2为留存收益/总资产；X3为息税前利润/总资产；X4为股票市值/债务的账面价值；X5为销售收入/总资产。

Altman还研究了Z值与穆迪等评级公司公开发表的公司信用评级之间的关系，并根据实证分析他设定了两个临界值来判别企业财务状况，Z值大于2.675的企业，财务状况良好，反之，小于1.81的企业则面临破产危机。

（二）Z值模型的适用性与选取

常用的信用风险判别模型主要包括Z值模型、Fisher模型、Logit模型和Probit模型。高培业（2000）选取了深圳部分企业的财务报表数据，利用以上四种统计方法进行了企业破产的实证研究，发现Z值模型得出的结果波动性更小。杨立芳（2011）指出由于我国信用体系建设相较西方起步较晚，相关数据不足，评价环境不佳，不适合直接套用西方成型的复杂模型。而Z值模型操作简单，结果直观，在我国信用环境下能起到很好的代替和过渡作用。在本次的实验中，我们选择了张玲（2000）建立的4个指标的判别模型代入新能源企业财务数据与原Z值模型进行比较。实证表明，该模型的预测效果比原本的Z值模型的识别能力更强。

三、实证分析

（一）样本选取

本文旨在基于财务指标研究近年我国新能源上市公司信用风险状况，首先选取2009、2010年深交所、上交所所有新能源上市公司的有效财务数据250组以求2009、2010年度新能源上市公司总体信用风险情况。然后按公司Z值判分进行排序，分成健康企业、存在信用风险的企业、高为企业三档，并在每档中随机抽取4家上市公司共12家公司代表新能源相关上市公司，来研究该行业在2009-2016八年间信用风险变动情况。

相关数据均来源于国泰安经济金融数据库与同花顺金融服务网。

（二）指标设定

本文比较Altman（1968）、张玲（2000，2004）等研究，最终选取张玲的Z判别式进行实证分析。其具体定义如下：

（三）实证分析结果

125家新能源相关企业整体信用风险较大，2009年有62%，2010年有62.7%的公司面临信用风险的威胁。

根据上市公司平均8年Z值判分，在选取的十二个随机企业中有十个具有信用风险问题，说明从09年起行业信用风险没有好转。

12家企业当中，在八年间有上涨趋势的有4家，其中只有代码为600885的1家公司突破了原本的判分段位，成为健康企业。相对而言，2家Z值判分下跌的公司跌势都较为明显，最终落入了高危判分的段位，进入了高危企业的行列。分段位来看，高危企业判分基本长期处于0.5以下，除了在2010-2011两年内以惊人涨势最终成为健康企业的黑马以外，其他公司几乎没有波动。存在信用风险的企业也是Z值判分的灰色地段，所以企业Z值判分波动也较大。也有三家企业Z值具有下跌趋势。在健康企业当中，只有一家企业信用风险一直保持较小的状态，其他企业则都处于风险段位分界线0.9附近徘徊。

随机选取的12个新能源相关上市公司的平均Z值在八年间，持续地在0.5-0.9分段中徘徊，表明整个新能源行业相关公司长时间地处于信用风险当中。这样的状况对于每一个相关公司而言，乃至整个新能源行业的发展都是非常不利的，这表明我们需要拿出切实可行的方法来帮助这些公司尽快脱出信用风险的困境。

四、总结与建议

（一）模型本身

Z值模型本身模擬要求并不算严格，因此适用于初期排除高危借贷企业。Z值模型的参数将随着市场的发展而改变，需要不停地重新选取，并对其是否正确判断企业风险情况进行检验。在实际情况中我们也不能将Z值模型作为新能源企业信用风险评估的唯一标准，在评估信用风险等级时应当将产业定位、行业发展、计划发展和政府政策等因素考虑在内。

（二）拓宽新能源企业融资渠道

作为新兴产业之一，新能源项目建设伴随着一定风险性。为了防止投资方或债权人因市场风险撤资而造成资金链断裂，政府应着力拓宽企业融资渠道。关于融资渠道的多元化方式，可以参考德国的经验，不仅有商业银行的行业专业化投资以及制造商的直接投资，还有政府提供融资担保，推动中小型新能源企业的良性竞争及发展。

（三）完善信用风险评级制度

政府完善信用风险评级制度的重点是确立优秀的监管机构及评级机构。在监管机构书面材料审理过后，应该留有足够长的观察期，对其程序运行建设专门的考察组来审核。在观察期过后，对于合格的监管机构依旧应保持周期性检查，一旦有违反相关规章制度的行为即应当取消其资格。避免企业使用虚假包装信息蒙混过关。同时，政府需要增加新能源上市公司的信息披露量，建立相应的数据库并让数据在各大银行金融机构间流通。完整而真实的数据是信用评级的基础。因此，完善信息披露对我国的信用评级制度的建立意义重大。

（四）新能源企业财务风险管控

新能源产业虽已在我国得到了充分发展，但依然尚未成熟。新能源产业的研究和开发的固定成本较高，企业最主要的一点便是控制成本。较多新能源企业由于盲目扩张造成信用风险加剧。因此新能源企业发展过程中，不应一味依赖进口技术导致成本高而市场竞争力弱的后果，应在提高自主研发的基础上减少各个环节的成本耗费，采取内控措施。（作者单位为上海工程技术大学）