传统“Z- Score”模型与人工智能视角下的财务风险预警比较

叶文涛

一、前言

作为多元线性决策方法的典型模型，具有较高的预测精度的“Z-Score”模型被广泛应用于各个领域。国内外学者为了提高模型的适应性及精度，提出很多改进模型，这些模型现在依然活跃在财务风险预警研究中。

人工智能一问世就掀起了轩然大波，2017 年德勤财务机器人正式上岗，机器人处理基础会计问题效率之高，是人类不可及。人工智能与会计行业的融合并没有停止在基础领域，在财务管理方面也进行着深度融合，人工神经网络模型为复杂多变的企业环境提供了有效的预警手段。

传统“Z-Score”模型在人工智能时代在财务风险预警方面是否还有用武之地，跟人工智能模型相比传统模型又存在哪些局限性，这些问题在本文都会得到解答。

二、财务困境界定

财务风险预警研究中如何判定企业处于财务困境是首要解决的问题。国内外学者对这一问题进行了广泛的讨论，虽然没有统一的概念，但通常认为：第一，公司破产，公司申请破产是最容易定量分析的；第二，投资者、债券人等认为一旦破产，会给他们带来重大财务损失的公司，一旦有公司露出破产迹象会立刻引起他们的高度警觉。

但以上观点在中国资本市场适用性却值得商榷，因为宣布破产的公司多数为初创公司，这些公司对公众利益影响并不重大，且这些公司数据信息难以获取。相反，切实影响公众利益的上市公司却极少出现主动申请破产的，即便陷入极其严重的财务问题，依旧能坚持不退市、不破产。因此，在中国财务困境需要采用更加适合中国资本市场特点的界定。第一，上市公司被冠上ST 或者ST*；第二，公司资金链绷紧，随时存在现金流断裂的风险。ST或者ST*公司持续亏损，盈利能力堪忧，这类公司发展前景不容乐观，它们虽然面临着各种各样的问题，但其中财务问题无疑是最棘手的，深陷财务困境可能是压死它们的最后一根稻草。所以，把ST 或者ST*作为财务困境的界定具有实际意义。另外，有一部分上市公司热衷于多元化，不断涉足其他领域，常常一轮投资接着一轮投资，想打造自己的生态圈。这些公司的主业往往支撑不了快速的扩张，它们需要采取贷款、股权融资、股权质押等方法注入资金，但是最终债台高筑加上消化不良，导致公司资金链断链。所以，以现金流断链风险为依据界定财务困境也是可行的。

本文以康美药业为例，判定它面临财务困境也是以上面两条为依据。康美药业发布300 亿“会计差错”，这些“会计差错”多数都是银行存款，因而公司偿债能力备受质疑，现金流断裂风险很大，加上公司主动申请ST，所以判定康美药业处于财务困境的条件是成立的。

三、“Z-Score”模型

（一）模型概述

1968 年，多元线性决策方法被阿特曼首先应用于财务风险管理，阿特曼从22 个备选财务指标中选取了5 个财务指标，以33 家非破产公司和33 家破产公司为样本，建立了可以预测财务风险的财务预警模型“Z-Score”模型。在国内外学者多次实践后，“Z-Score”模型被认为能够较为准确的预测企业破产水平。

为了提高模型预测精度，包括阿特曼在内的国内外学者，不断提出新的改进模型。这些模型多数依然以“Z-Score”模型为基础，但调整了其中个别指标，使改进后的模型能够更加适应行业。现在，“Z-Score”模型已经应用于多个领域，在我国上市公司财务风险管理应用过程中也得到了高度认可。

本文也同样使用阿特曼提出的“Z-Score”模型，对康美药业财务风险进行定量分析。

（二）“Z-Score”模型评分方法

阿特曼根据公司股权结构及所处行业特点等，运用数理统计对案例进行统计分析，建立了财务风险预测模型，模型中参数不同，评价标准也不同。见表1。

Z=1.2X1+1.4X2+3.3X2+0.6X4+0.999X5

Z 计分模型能够有效评估企业违约风险，“Z-Score”模型评分标准是，当“Z≤1.81”时，企业会被认为很可能资不抵债，有极大的违约风险；“Z≥2.99”时，企业偿债能力较好，违约风险较低；“1.81＜Z＜2.99”时，“Z-Score”模型无法评价企业违约水平。

表：1“Z-Score”模型指标及意义

（三）康美药业财务风险评分

表2：康美药业“Z-Score”模型评分

由表2 可以看出，康美药业在2015 年、2016 年的Z值都大于2.99，公司违约风险较低，2017 年公司Z 值为2.08，此时“Z-Score”模型评分失效，说明公司经营处于不确定状况，此时应引起投资者、债权人等的关注。在2018年公司Z 值快速下降，时隔一年，公司债务违约风险就极大增加。综上可以看出2019 年公司面临极大财务风险。

通过康美药业财务风险评分可以看出，“Z-Score”模型评分指标简单易懂，相关财务数据也能够从公开渠道获取，Z 值结果也可以很直接评价企业财务风险，只要具备一定财务知识就能快速理解“Z-Score”模型。

四、人工智能视角

财务数据是公司发展的晴雨表，财务指标更是通过深入挖掘财务数据信息，建立了能够较为准确评估企业效益优劣的综合评价体系。以财务指标为基础建立不同的模型，并用这些模型对企业进行财务风险管理是当下的主流，但随着“大智移云”时代的到来，人工智能为公司财务风险预警开阔了新思路。

（一）人工智能模型优势

人工智能模型涵盖面更广。人工智能模型与“Z-Score”模型一样仍需选取基础财务指标，但不同的是，人工智能模型还可以添加非财务信息，作为评价指标，比如管理层薪酬、管理层人员变动、审计报告类型等。这些非财务信息都是公众所关心的，但在“Z-Score”模型中却无法体现，也无法参与评分。两种模型相比较，很容易就能看出，人工智能模型评价范围更广。

此外，人工智模型的预测精度也更高。人工智能模型一般都采用多种方法相互验证，以降低单一模型带来的弊端。有学者在研究中小企业财务危机预警体系中就同时使用了C4.5、Bayesnet、RF、ANN 等人工智能模型，建立了较为稳健的预测体系。

（二）人工智能视角下的信息披露

2019 年5 月上交所下发了对康美药业的询问函，一共12 个问题剑指资金主要去向、信息披露违规等。其中有一部分情况无法仅通过财务分析就能了解，需要数据与附注、审计报告等综合评估才能全面掌握。

康美药业2018 年财务报表被出具保留意见的审计报告，同时，也提出公司内部控制可能存在重大缺陷。审计报告上的信息不像财务数据可以直接定量评价，而在人工智能模型下，把审计报告是标准无保留意见的标记为0，其他审计意见标记为1，再通过相应算法的得出定量结果，并据此反映审计报告对财务风险预警程度。

从人工智能的角度看，无论是财务信息还是非财务信息，都可以在选取指标阶段通过先设条件将它转化为程序可识别的条件，最后通过人工智能模型评价指标可预警程度。但人工智能模型也并非是绝对的完美，很多模型应用范围并不广泛，不能实现全行业通用。此外，人工智能模型依然以传统模型为基础进行改进，虽然可以逐渐适应复杂多变的企业环境，但依然有很大的发展空间。

五、结语

“Z-Score”模型凭借良好的适应性以及较高的预测精度，在人工智能时代下依然可以为企业财务风险预警做出更多贡献。而人工智能模型虽然在精度、评价指标范围方面能够胜过传统模型，但人工智能还处于发展阶段，在应用范围、实用性等方面还存在缺陷。本文以康美药业案例，对传统“Z-Score”模型和人工智能模型在企业财务预警方面的表现进行了简单比较。两种模型都有各自优势，未来人工智能还会继续给财务风险预警研究带来新思路，传统模型也依然会发挥余热。