发布时间 : 星期四 文章Z-score模型对我国上市公司财务预警的适用性研究 - 图文更新完毕开始阅读1f2cc445852458fb760b5606
目录
第1章 绪论
1.1 研究目的及意义
全球经济在2008年开始的金融海啸中受到重大打击，一蹶不振的大小企业不在少数，投资者更是蒙受重大损失。如何改善我国上市公司的状况，遏制其财务恶化，扭转大面积亏损的现状，是现代财务理论界急于解决的问题。如何利用公开披露的财务信息，做好公司财务困境的事前预警工作，构建相对安全的投资组合成为人们关注的又一热点。而建立完善的财务危机预警系统，是公司降低财务风险的关键所在。建立一套有效的财务危机预警模型，获得这些财务状况出现严重恶化的上市公司的预警信号，能够改善公司的融资、投资、审计、经营和财务状况。同时，这套系统对国家证券监管部门监控上市公司质量和减少证券市场风险也有着重要的现实意义。一个良好的财务危机预警系统，作为一种成本低廉的诊断工具，能提早发现问题并告知企业经营者，从而能有效地防范与解决问题、回避财务危机的发生。因此研究财务预警，无论在理论上还是实务中都具有重要意义。
美国学者Altman在20世纪60年代建立的多元线性函数公式Altman—Z模型是其中重要的模型，在企业财务风险监测与危机预警中占很重要的地位，频频被各大投行分析师所引用。Altman—Z模型旨在运用多个财务比率的加权综合得分(即Z得分)来判别企业的财务健康状况。由于其客观准确、简单易懂、计算简便，所有数据均可根据财务报表得到，具有很强的可操作性，广泛地被机构及个人投资者乃至企业管理层作为决策工具。
由于Altman—Z模型是针对美国资本市场的实际情况构建的，面对我国的实际情况，“Z-Score”模型虽然也有它使用的空间，但是我国企业由于自身的情况，Z值在财务预测中的应用与西方存在着差异。所以应就目前我国的实际情况，研究“Z-Score”模型在我国企业财务分析方面的作用，为我国经济发展作出应有的贡献。为此，本文现就Z-score模型对我国上市公司的适用性做一实证分析，分析该模型对我国上市公司的应用意义。
- 1 -
哈尔滨工业大学毕业设计（论文）
1.2 国内外研究现状 1.2.1 国外研究现状
1．单变量财务预警模型
单变量分析是最早应用于财务危机预测的模型，其主要思想是通过比较财务危机企业和非财务危机企业之间各个财务指标的显著差异，选定某个指标作为排序变量，让样本数据根据该指标进行排序，然后根据最佳判定点对财务危机企业和财务健康企业进行分类的一种分析方法。Fitzpatrick（1932）最早利用该模型对企业财务危机进行预测，他以19家公司作为样本，运用单个财务指标进行预测，结果发现净利润/股东权益、股东权益/负债这两个财务指标判别能力最高。应用单变量进行破产预测研究在二十世纪六十年代前较为普遍，其中比较有影响的学者主要为Beaver和Zmijewski。1966 年, 美国的威廉?比弗(William Beaver) 运用精确的统计方法, 提出了单变量分析法,运用个别财务指标来预测企业财务风险的大小。单变量分析法中预警企业财务风险的指标主要有: 现金流量债务比、资产净利率、流动比率、资产负债率、资产安全率(即资产变现金额P资产账面金额与资产负债率之差) 等。
2．多变量财务预警模型 （1）多元Z值判断模型
由于单变量分析法一次只能分析一个指标, 而不同的指标只能反映企业财务状况的一个侧面, 因此难以有效地预警企业的财务风险。1968 年, 爱德华?奥特曼( Edward Altman) 运用一组数据进行综合分析,采用配对抽样法, 通过配比研究, 首次提出了企业财务风险预警的“Z 值”模型。按照这一模型, 通过计算企业连续几年的Z 值就可发现企业发生财务风险的征兆。
按照奥特曼的思路, 许多学者通过实证研究建立了自己的模型, 较具代表性的模型有1972 年埃德米斯特(Edmister) 建立的小企业财务危机预警分析模型和1977 年英国的塔夫勒(Taffler) 提出的财务风险预警模型，塔夫勒的模型形式如下: Z = 0.53W1 +0.13W2 + 0.18W3 + 0.15W4 。式中W1 表示税前利润P流动负债; W2 表示流动资产P负债总额; W3 表示流动负债P资产总额; W4 表示( 流动资产- 流动负债) P (经营费用- 折旧) 。
- 2 -
哈尔滨工业大学毕业设计（论文）
20 世纪70 年代, 日本开发银行调查部综合了更广的财务数据, 建立了如下预警模型: Z = 2.1W1 +1.6W2 – 1.7W3 - W4 + 2.3W5 + 2.5W6 。其中, W1 表示销售额增长率; W2 表示总资本利润率; W3 表示他人资本分配率; W4 表示资产负债率; W5 表示流动比率; W6 表示粗附加值生产率(即折旧费、人工成本、利息与利税之和与销售额之比) 。
1972年，埃德米斯（Deakin）专门针对小企业建立了小企业财务危机预警分析模型，该模型假定所有变量服从N(0， 1)分布，以标准值为界限进行判别，变量值只能为l或0。模型如下：
Z=0.951X1-0.423X2-0.482X3+0.277X4-0.452X5-0.352X6-0.924X7； X1=(税前净利+折旧)/流动负债：若该比率小于0.05则X1=1；否则， X1=0；
X2=所有者权益/销售收入：若该比率小于0.07则X2=1；否则X2=0； X3=净营运资金与销售收入比值再除以行业平均值：若该比率小于-0.02则X3=1；否则X3=0；
X4=流动负债/所有者权益：若该比率小于0.48则X4=1；否则X4=0； X5=存货与销售收入比值再除以行业平均值：若该比值有上升趋势(根据连续三年的数据判断)，则X5=1；否则X5=0；
X6=速动比率/行业平均速动比率趋势值：若该比值有下降趋势并同时该值小于0.34，则X6=1；否则X6=0
X7=速动比率/行业平均速动比率：若该比值有下降趋势(根据连续三年的数据判断)，则X7=1；否则X7=0。
（2）逻辑（logit）和概率比（probit）回归模型
自20世纪70年代末以来，财务困境研究人员引进了逻辑（logit）和概率比（probit）回归方法。从而将问题简化为已知一个公司具有某些性质（由财务比率指标加以呈现），计算它在一段时间里陷入财务困境的条件概率有多大。如果算出的概率大于设定的分割点，则判定该公司在这段时间内会陷入财务困境。logit模型的形式为：ｌｎ［ｐ÷（１－ｐ）］＝α０＋β１ｘ１＋β２ｘ２＋?＋βｋｘｋ。其中：ｐ取值为０、１；ｐ为概率；ｘ１，ｘ２，?，ｘｋ为ｋ个预测变量，即财务指标；α０、β１、β２、?、βｋ为系数。
Ohlson(1980)使用Logit方法进行财务预警研究。他用1970-1976年间的105家破产公司及2058家正常公司为研究对象，采取9个财务变量来估计模型。实证结果表明，其中4项财务资料对评估破产概率具有统计显著
- 3 -
哈尔滨工业大学毕业设计（论文）
性，依次是规模（总资产/GNP物价指数后取对数）；资本结构（总负债/总资产）；资产报酬率或来自经营的总负债/总资产；短期流动性（营运资金/总资产、流动负债/流动资产），判别正确率也高达92%以上。他构造了两个虚拟变量，OPNEG和INTWO，前者当企业总资产超过总负债是值为1，否则为0；后者当企业破产前两年的净利润负时值为1，否则为0。其研究结果表明这两个虚拟变量对模型的解释能力甚至不低于某些常用的财务比率。他指出采用破产之后获得的信息来预测破产会高估破产模型的预测能力。
3．新的研究方向 （1）神经网络模型
在19世纪80年代末期，神经网络理论（NN）开始兴起，其影响也及于财务危机预测研究领域。虽然神经网络判别模型可谓是研究方法上的重大创新，但实际效果却很不稳定。例如，Coats和Fant（1991）对47家财务危机公司和47家正常公司运用神经网络模型进行判别时，对财务危机公司的预测准确率达到了91%，明显高于多元判别法72%的准确率。然而，Back等人在1994年所做的一项研究却并不认为神经网络模型具有比多元判别分析（MDA）和Logistic分析明显更佳的预测效果。不过，由于财务数据可以表现企业生命的各种特征，其变化规律也与达尔文进化论有许多相似之处，因此随着遗传算法（Genetic algorithms）模型等思路的不断完善（如Back和Laitinen等人1996年的相关研究），该方法可能代表着未来的一种重要趋势。
（2）期权定价理论
Charitou 和Trigeorgis（2000）使用B-S期权定价模型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国企业进行了对比检验，结果发现到期债务面值、企业资产的当期市价、企业价值变化的标准差等期权变量在预测破产方面作用显著。不过，该研究的基础方法仍然建立于Logistic回归检验之上，仅仅在变量设计方面引入了期权因子，因此实际的理论贡献不大。正如我们前文所指出的，“破产”要件受到债权人选择等非线性因素的影响而具有不确定的后果，因此期权理论目前仅在企业总体估价中得到有限应用，若作为财务危机预测研究的一种方法，仍然具有不可克服的先天局限。
- 4 -