摘要企業(yè)破產(chǎn)是市場經(jīng)濟中的普遍現(xiàn)象。近年來，我國上市公司因財務(wù)危機導(dǎo)致經(jīng)營陷入困境的例子屢見不鮮。事實上，上市公司的財務(wù)風(fēng)險發(fā)生總是有一個過程的，由潛伏期到爆發(fā)期需要很長時間。及時準(zhǔn)確地發(fā)現(xiàn)上市公司存在的財務(wù)風(fēng)險,對其各利益相關(guān)者主體來說都具有極其重要的意義。建立預(yù)警系統(tǒng)對企業(yè)財務(wù)運營進行預(yù)測預(yù)報,是十分必要而重要的。本文回顧了有關(guān)財務(wù)風(fēng)險預(yù)警的相關(guān)理論，在介紹Altman的Z計分模型的基礎(chǔ)上，隨機抽取了深市和滬市共60只A股股票對Z-score模型的適用性進行了實證研究：選取了30家ST公司和30家非ST公司2008年、2009年及2010年三年的相關(guān)財務(wù)數(shù)據(jù)，計算各個指標(biāo)，最終得出Z值，根據(jù)Z值的大小確定Z-score模型并不能直接用于我國上市公司預(yù)警。但是，通過比較ST公司與非ST公司Z值，對Z值的波動性和各財務(wù)比率做分析，適當(dāng)降低臨界點的大小，可以有效的提高準(zhǔn)確程度。關(guān)鍵詞Z-score模型，財務(wù)預(yù)警，適用性，實證研究；AbstractTheenterprisebankruptcyisacommonphenomenoninthemarketeconomy.Inrecentyears,thelistedcompaniesinChinagotintotroublebecauseofthefinancialcrisiscommonoccurrence.Infact,thelistedcompany'sfinancialriskoccursalwayshavingaprocess,andtheincubationperiodoftheoutbreakwilltakealongtime.Timelyandaccuratelyfindingthelistedcompanies’financialriskhasveryimportantsignificanceforallthestakeholders’subjects.Itisverynecessaryandimportanttoestablishtheearlywarningsystemtopredictenterprisefinancialoperation.BasedontheintroductionofAltman’sZ-scoremodel,thispaperreviewsthefinancialriskpre-warningrelatedtheory,andrandomlyselects60onlyAsharesfromtheShanghaiandShenzhenstockmarketstodotheempiricalresearchabouttheapplicabilityofZ-scoremodel:weselecttherelevantfinancialdatesof30STcompaniesand30normalcompaniesin2008,2009and2010threeyears,thencalculateeachindex,eventuallygetZvalue,andgettheconclusionthatwecan’tdirectlyusedZ-scoremodelintheearlywarningofthelistedcompaniesinChinaaccordingtothevalueZ.However,bycomparingtheSTcompanies’valueZwiththenormal’,analyzingthevolatilityofthevalueZandthefinancialratios,reducingthesizeofthecriticalpointproperly,wecaneffectivelyimprovetheaccuracy.KeywordsZ-scoremodel,Financialwarning,applicability,empiricalresearch；摘要 IAbstract II第1章緒論 51.1研究目的及意義 51.2國內(nèi)外研究現(xiàn)狀 61.2.1國外研究現(xiàn)狀 61.2.2國內(nèi)研究現(xiàn)狀 9第2章財務(wù)風(fēng)險預(yù)警理論 132.1財務(wù)風(fēng)險的相關(guān)概念 132.1.1財務(wù)風(fēng)險 132.1.2財務(wù)危機 132.1.3財務(wù)風(fēng)險與財務(wù)危機的關(guān)系 142.2財務(wù)風(fēng)險預(yù)警系統(tǒng)理論 142.2.1財務(wù)風(fēng)險預(yù)警系統(tǒng)的涵義 142.2.2財務(wù)風(fēng)險預(yù)警系統(tǒng)的功能 152.3阿特曼Z-score模型 15第3章實證研究 173.1研究假設(shè) 173.2樣本選取與研究設(shè)計 173.2.1樣本的選擇 173.2.2數(shù)據(jù)來源 173.2.3指標(biāo)設(shè)定 173.3數(shù)據(jù)分析 193.3.1ST公司與非ST公司Z值比較 193.3.2Z值波動性比較分析 213.3.3ST公司與非ST公司Z模型各財務(wù)比率的比較分析 213.3.4Z-score模型臨界點調(diào)整 233.4實證結(jié)果分析 243.5建議 24結(jié)論 26參考文獻 27附錄 29致謝 46千萬不要刪除行尾的分節(jié)符，此行不會被打印。在目錄上點右鍵“更新域”，然后“更新整個目錄”。打印前，不要忘記把上面“Abstract”這一行后加一空行緒論研究目的及意義全球經(jīng)濟在2008年開始的金融海嘯中受到重大打擊，一蹶不振的大小企業(yè)不在少數(shù)，投資者更是蒙受重大損失。如何改善我國上市公司的狀況，遏制其財務(wù)惡化，扭轉(zhuǎn)大面積虧損的現(xiàn)狀，是現(xiàn)代財務(wù)理論界急于解決的問題。如何利用公開披露的財務(wù)信息，做好公司財務(wù)困境的事前預(yù)警工作，構(gòu)建相對安全的投資組合成為人們關(guān)注的又一熱點。而建立完善的財務(wù)危機預(yù)警系統(tǒng)，是公司降低財務(wù)風(fēng)險的關(guān)鍵所在。建立一套有效的財務(wù)危機預(yù)警模型，獲得這些財務(wù)狀況出現(xiàn)嚴重惡化的上市公司的預(yù)警信號，能夠改善公司的融資、投資、審計、經(jīng)營和財務(wù)狀況。同時，這套系統(tǒng)對國家證券監(jiān)管部門監(jiān)控上市公司質(zhì)量和減少證券市場風(fēng)險也有著重要的現(xiàn)實意義。一個良好的財務(wù)危機預(yù)警系統(tǒng)，作為一種成本低廉的診斷工具，能提早發(fā)現(xiàn)問題并告知企業(yè)經(jīng)營者，從而能有效地防范與解決問題、回避財務(wù)危機的發(fā)生。因此研究財務(wù)預(yù)警，無論在理論上還是實務(wù)中都具有重要意義。美國學(xué)者Altman在20世紀60年代建立的多元線性函數(shù)公式Altman—Z模型是其中重要的模型，在企業(yè)財務(wù)風(fēng)險監(jiān)測與危機預(yù)警中占很重要的地位，頻頻被各大投行分析師所引用。Altman—Z模型旨在運用多個財務(wù)比率的加權(quán)綜合得分(即Z得分)來判別企業(yè)的財務(wù)健康狀況。由于其客觀準(zhǔn)確、簡單易懂、計算簡便，所有數(shù)據(jù)均可根據(jù)財務(wù)報表得到，具有很強的可操作性，廣泛地被機構(gòu)及個人投資者乃至企業(yè)管理層作為決策工具。由于Altman—Z模型是針對美國資本市場的實際情況構(gòu)建的，面對我國的實際情況，“Z-Score”模型雖然也有它使用的空間，但是我國企業(yè)由于自身的情況，Z值在財務(wù)預(yù)測中的應(yīng)用與西方存在著差異。所以應(yīng)就目前我國的實際情況，研究“Z-Score”模型在我國企業(yè)財務(wù)分析方面的作用，為我國經(jīng)濟發(fā)展作出應(yīng)有的貢獻。為此，本文現(xiàn)就Z-score模型對我國上市公司的適用性做一實證分析，分析該模型對我國上市公司的應(yīng)用意義。國內(nèi)外研究現(xiàn)狀國外研究現(xiàn)狀1．單變量財務(wù)預(yù)警模型單變量分析是最早應(yīng)用于財務(wù)危機預(yù)測的模型，其主要思想是通過比較財務(wù)危機企業(yè)和非財務(wù)危機企業(yè)之間各個財務(wù)指標(biāo)的顯著差異，選定某個指標(biāo)作為排序變量，讓樣本數(shù)據(jù)根據(jù)該指標(biāo)進行排序，然后根據(jù)最佳判定點對財務(wù)危機企業(yè)和財務(wù)健康企業(yè)進行分類的一種分析方法。Fitzpatrick（1932）最早利用該模型對企業(yè)財務(wù)危機進行預(yù)測，他以19家公司作為樣本，運用單個財務(wù)指標(biāo)進行預(yù)測，結(jié)果發(fā)現(xiàn)凈利潤/股東權(quán)益、股東權(quán)益/負債這兩個財務(wù)指標(biāo)判別能力最高。應(yīng)用單變量進行破產(chǎn)預(yù)測研究在二十世紀六十年代前較為普遍，其中比較有影響的學(xué)者主要為Beaver和Zmijewski。1966年,美國的威廉?比弗(WilliamBeaver)運用精確的統(tǒng)計方法,提出了單變量分析法,運用個別財務(wù)指標(biāo)來預(yù)測企業(yè)財務(wù)風(fēng)險的大小。單變量分析法中預(yù)警企業(yè)財務(wù)風(fēng)險的指標(biāo)主要有:現(xiàn)金流量債務(wù)比、資產(chǎn)凈利率、流動比率、資產(chǎn)負債率、資產(chǎn)安全率(即資產(chǎn)變現(xiàn)金額P資產(chǎn)賬面金額與資產(chǎn)負債率之差)等。2．多變量財務(wù)預(yù)警模型（1）多元Z值判斷模型由于單變量分析法一次只能分析一個指標(biāo),而不同的指標(biāo)只能反映企業(yè)財務(wù)狀況的一個側(cè)面,因此難以有效地預(yù)警企業(yè)的財務(wù)風(fēng)險。1968年,愛德華?奧特曼(EdwardAltman)運用一組數(shù)據(jù)進行綜合分析,采用配對抽樣法,通過配比研究,首次提出了企業(yè)財務(wù)風(fēng)險預(yù)警的“Z值”模型。按照這一模型,通過計算企業(yè)連續(xù)幾年的Z值就可發(fā)現(xiàn)企業(yè)發(fā)生財務(wù)風(fēng)險的征兆。按照奧特曼的思路,許多學(xué)者通過實證研究建立了自己的模型,較具代表性的模型有1972年埃德米斯特(Edmister)建立的小企業(yè)財務(wù)危機預(yù)警分析模型和1977年英國的塔夫勒(Taffler)提出的財務(wù)風(fēng)險預(yù)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表示稅前利潤P流動負債;W2表示流動資產(chǎn)P負債總額;W3表示流動負債P資產(chǎn)總額;W4表示(流動資產(chǎn)-流動負債)P(經(jīng)營費用-折舊)。20世紀70年代,日本開發(fā)銀行調(diào)查部綜合了更廣的財務(wù)數(shù)據(jù),建立了如下預(yù)警模型:Z=2.1W1+1.6W2–1.7W3-W4+2.3W5+2.5W6。其中,W1表示銷售額增長率;W2表示總資本利潤率;W3表示他人資本分配率;W4表示資產(chǎn)負債率;W5表示流動比率;W6表示粗附加值生產(chǎn)率(即折舊費、人工成本、利息與利稅之和與銷售額之比)。1972年，埃德米斯（Deakin）專門針對小企業(yè)建立了小企業(yè)財務(wù)危機預(yù)警分析模型，該模型假定所有變量服從N(0，1)分布，以標(biāo)準(zhǔn)值為界限進行判別，變量值只能為l或0。模型如下：Z=0.951X1-0.423X2-0.482X3+0.277X4-0.452X5-0.352X6-0.924X7；X1=(稅前凈利+折舊)/流動負債：若該比率小于0.05則X1=1；否則，X1=0；X2=所有者權(quán)益/銷售收入：若該比率小于0.07則X2=1；否則X2=0；X3=凈營運資金與銷售收入比值再除以行業(yè)平均值：若該比率小于-0.02則X3=1；否則X3=0；X4=流動負債/所有者權(quán)益：若該比率小于0.48則X4=1；否則X4=0；X5=存貨與銷售收入比值再除以行業(yè)平均值：若該比值有上升趨勢(根據(jù)連續(xù)三年的數(shù)據(jù)判斷)，則X5=1；否則X5=0；X6=速動比率/行業(yè)平均速動比率趨勢值：若該比值有下降趨勢并同時該值小于0.34，則X6=1；否則X6=0X7=速動比率/行業(yè)平均速動比率：若該比值有下降趨勢(根據(jù)連續(xù)三年的數(shù)據(jù)判斷)，則X7=1；否則X7=0。（2）邏輯（logit）和概率比（probit）回歸模型自20世紀70年代末以來，財務(wù)困境研究人員引進了邏輯（logit）和概率比（probit）回歸方法。從而將問題簡化為已知一個公司具有某些性質(zhì)（由財務(wù)比率指標(biāo)加以呈現(xiàn)），計算它在一段時間里陷入財務(wù)困境的條件概率有多大。如果算出的概率大于設(shè)定的分割點，則判定該公司在這段時間內(nèi)會陷入財務(wù)困境。logit模型的形式為：ｌｎ［ｐ÷（１－ｐ）］＝α０＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｐ取值為０、１；ｐ為概率；ｘ１，ｘ２，…，ｘｋ為ｋ個預(yù)測變量，即財務(wù)指標(biāo)；α０、β１、β２、…、βｋ為系數(shù)。Ohlson(1980)使用Logit方法進行財務(wù)預(yù)警研究。他用1970-1976年間的105家破產(chǎn)公司及2058家正常公司為研究對象，采取9個財務(wù)變量來估計模型。實證結(jié)果表明，其中4項財務(wù)資料對評估破產(chǎn)概率具有統(tǒng)計顯著性，依次是規(guī)模（總資產(chǎn)/GNP物價指數(shù)后取對數(shù)）；資本結(jié)構(gòu)（總負債/總資產(chǎn)）；資產(chǎn)報酬率或來自經(jīng)營的總負債/總資產(chǎn)；短期流動性（營運資金/總資產(chǎn)、流動負債/流動資產(chǎn)），判別正確率也高達92%以上。他構(gòu)造了兩個虛擬變量，OPNEG和INTWO，前者當(dāng)企業(yè)總資產(chǎn)超過總負債是值為1，否則為0；后者當(dāng)企業(yè)破產(chǎn)前兩年的凈利潤負時值為1，否則為0。其研究結(jié)果表明這兩個虛擬變量對模型的解釋能力甚至不低于某些常用的財務(wù)比率。他指出采用破產(chǎn)之后獲得的信息來預(yù)測破產(chǎn)會高估破產(chǎn)模型的預(yù)測能力。3．新的研究方向（1）神經(jīng)網(wǎng)絡(luò)模型在19世紀80年代末期，神經(jīng)網(wǎng)絡(luò)理論（NN）開始興起，其影響也及于財務(wù)危機預(yù)測研究領(lǐng)域。雖然神經(jīng)網(wǎng)絡(luò)判別模型可謂是研究方法上的重大創(chuàng)新，但實際效果卻很不穩(wěn)定。例如，Coats和Fant（1991）對47家財務(wù)危機公司和47家正常公司運用神經(jīng)網(wǎng)絡(luò)模型進行判別時，對財務(wù)危機公司的預(yù)測準(zhǔn)確率達到了91%，明顯高于多元判別法72%的準(zhǔn)確率。然而，Back等人在1994年所做的一項研究卻并不認為神經(jīng)網(wǎng)絡(luò)模型具有比多元判別分析（MDA）和Logistic分析明顯更佳的預(yù)測效果。不過，由于財務(wù)數(shù)據(jù)可以表現(xiàn)企業(yè)生命的各種特征，其變化規(guī)律也與達爾文進化論有許多相似之處，因此隨著遺傳算法（Geneticalgorithms）模型等思路的不斷完善（如Back和Laitinen等人1996年的相關(guān)研究），該方法可能代表著未來的一種重要趨勢。（2）期權(quán)定價理論Charitou和Trigeorgis（2000）使用B-S期權(quán)定價模型中的相關(guān)變量構(gòu)建了財務(wù)危機判別模型，對1983年到1994年期間的139對美國企業(yè)進行了對比檢驗，結(jié)果發(fā)現(xiàn)到期債務(wù)面值、企業(yè)資產(chǎn)的當(dāng)期市價、企業(yè)價值變化的標(biāo)準(zhǔn)差等期權(quán)變量在預(yù)測破產(chǎn)方面作用顯著。不過，該研究的基礎(chǔ)方法仍然建立于Logistic回歸檢驗之上，僅僅在變量設(shè)計方面引入了期權(quán)因子，因此實際的理論貢獻不大。正如我們前文所指出的，“破產(chǎn)”要件受到債權(quán)人選擇等非線性因素的影響而具有不確定的后果，因此期權(quán)理論目前僅在企業(yè)總體估價中得到有限應(yīng)用，若作為財務(wù)危機預(yù)測研究的一種方法，仍然具有不可克服的先天局限。國內(nèi)研究現(xiàn)狀國內(nèi)關(guān)于企業(yè)財務(wù)風(fēng)險預(yù)警系統(tǒng)的研究除借鑒國外的預(yù)警模型以外,一部分學(xué)者也做了擴展性的研究工作。國內(nèi)大部分學(xué)者在財務(wù)預(yù)警分析時所涉及的指標(biāo)較多，有時高達20多項。最典型的是北京化工大學(xué)會計系周首華、美國夏威夷大學(xué)會計學(xué)院楊濟華和中國人民大學(xué)王平在1996年應(yīng)用多微區(qū)分分析，建立的“供管理當(dāng)局使用而又區(qū)別于傳統(tǒng)的公司償付能力分析的新的預(yù)測模式—F分數(shù)模式（FailureScoreModel）”。1996年，周首華等對Z計分模型加以改造，建立了財務(wù)危機預(yù)測的新模式——F分數(shù)模型。F分數(shù)模型使用的樣本更加擴大，使用了CompustatPCPlus會計數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)作為樣本進行了驗證，在模型中加入了現(xiàn)金流量這一預(yù)測自變量，許多專家證實現(xiàn)金流量比率是預(yù)測公司破產(chǎn)的有效變量。其模型表達式是：F=-0.1774+1.109X1+0.1074X2+1.9217X3+0.0302X4+0.4961X5其中：F為判別函數(shù)值X1——（期末流動資產(chǎn)-期末流動負債）/期末總資產(chǎn)X2——期末留存收益/期末總資產(chǎn)X3——（稅后收益+折舊）/平均總資產(chǎn)X4——期末股東權(quán)益的市場價值/期末總負債X5——（稅后純收益+折舊+利息）/平均總資產(chǎn)這個模型的判別臨界點是0.00274，比率越低，企業(yè)發(fā)生財務(wù)失敗或破產(chǎn)的可能性越大。但是，F(xiàn)分數(shù)模式的研究對象并不是中國的證券市場。1986年，吳世農(nóng)、黃世忠曾撰文介紹企業(yè)破產(chǎn)的財務(wù)分析指標(biāo)及其預(yù)測模型。蔡紅艷、韓立巖（2003）采用了Fisher判別方法建模，進入建模的指標(biāo)有：資產(chǎn)收益率、資產(chǎn)負債率等幾個指標(biāo)。Fisher二類線性判定模型在財務(wù)危機發(fā)生前的第1年的判定準(zhǔn)確率達到了89.1%。上海財經(jīng)大學(xué)的陳靜在1999年對上市公司財務(wù)惡化預(yù)測進行了實證研究，她選用了1998年27家ST上市公司作為樣本，并將其界定為財務(wù)失敗公司，主要借鑒了Beaver和Altman的模型，采用1998年財務(wù)數(shù)據(jù)，應(yīng)用判定分析建立了兩個模型。Z1=56.73X1+1.26X2-25.79X3+4.06X4-0.24X5+10.59X6Z2=-16.44X1+43.19X2+1.158X3-6.58X4+3.53X5+11.39X6X1——資產(chǎn)負債率；X2——凈資產(chǎn)收益率；X3——總資產(chǎn)收益率；X4——流動比率；X5——營運資本比率；X6——總資產(chǎn)周轉(zhuǎn)率。陳靜的研究結(jié)果表明，各上市公司樣本在其中ST公司之前的前一年（1997年）、前兩年（1996年）、前三年（1995年）的判別準(zhǔn)確率分別是92.6%、85.2%和79.6%。模型在ST宣布前一年的判別準(zhǔn)確率較高，離宣布日越遠，準(zhǔn)確率越低。成經(jīng)所做研究中樣本包括制造業(yè)、商業(yè)、房地產(chǎn)等不同的行業(yè)，而不同的行業(yè)的財務(wù)比率在一定程度上缺乏可比性，因此很難保證模型預(yù)測的正確率；樣本僅局限于1998年一個年度，這在1999年來說，時效性很強，但六年來我國證券市場的發(fā)展變化十分顯著，如果將原研究成果應(yīng)用于現(xiàn)代的證券市場，缺乏說服力，很難保證模型的有效性；陳靜在分析建模時所用數(shù)據(jù)是各ST公司被ST當(dāng)年的數(shù)據(jù)，而非ST之前的數(shù)據(jù)，這樣就會在一定程度上削弱所建模型的預(yù)測準(zhǔn)確性。張玲（2000）以上市公司的財務(wù)比率為基礎(chǔ)，根據(jù)樣本進行統(tǒng)計推斷，最后判別函數(shù)用到了資產(chǎn)負債比率、總資產(chǎn)利潤率、營運資金與總資產(chǎn)比率、留成收益、資產(chǎn)總額比5個指標(biāo)。以原始樣本判別值得分界線作為預(yù)警臨界點，120家公司為研究樣本，使用其中60家公司的財務(wù)數(shù)據(jù)估計二類線性判別模型，并使用另外60家公司進行檢驗，發(fā)現(xiàn)模型具有超前4年的預(yù)測效果。吳世農(nóng)、盧賢義（2001）選取了70家處于財務(wù)困境的公司和70家對照公司為樣本，檢驗了Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，并結(jié)合中國的實際情況建立了相應(yīng)的模型。他們的研究結(jié)果表明，在財務(wù)危機發(fā)生前2年或1年，盈利增長指數(shù)、流動比率、負債比率、總資產(chǎn)周轉(zhuǎn)率等16個指標(biāo)的時效性較強：多元線性判定模型，F(xiàn)isher二類判定模型和Logistic回歸模型均能在財務(wù)危機發(fā)生前做出較為準(zhǔn)確的判斷；相比于同一信息集而言，Logistic回歸模型的誤判率最低，在財務(wù)危機發(fā)生前1年的誤判率只有6.47%。黃巖、李元旭以滬深兩市的上市公司為樣本，建立了中國工業(yè)類上市公司財務(wù)失敗預(yù)測模型，給出了所研究上市公司的Z值范圍，用到的指標(biāo)處理方法主要是聚類分析和判別分析。我國臺灣學(xué)者陳肇榮經(jīng)過研究、測試，得出如下財務(wù)危機預(yù)測模型：央=0.35X1+0.67X2-0.57X3+0.29X4+0.55X5其中：Y為判別函數(shù)值X1——速動總額/流動負債；X2——營運資金/資本總額；X3——固定資本/資本凈額；X4——應(yīng)收賬款/銷貨凈額；X5——現(xiàn)金流入量/現(xiàn)金流出量按照此模型，當(dāng)Y值低于11.5時，企業(yè)有可能在未來一年內(nèi)發(fā)生財務(wù)危機。除此以外，我國學(xué)者關(guān)于Altman的Z-score模型也做了諸多實證研究。金婷婷在《我國上市公司財務(wù)預(yù)警實證研究———基于Z-score模型的探析》一文中，以我國上市公司中的72家企業(yè)為樣本,采用實證分析方法,建立基于Z-score模型的上市公司財務(wù)線性判別預(yù)警模型。根據(jù)典則線性判別模型,,得到危機型企業(yè)與健康型企業(yè)的平均Z值分別為6.15546和13.13428,因而可確定分界值應(yīng)為9.19487(6.15546和13.13428的平均數(shù))。王玻在《Z-score模型對我國上市公司適用性實證研究》中運用實證分析方法，就深市的40家制造業(yè)公司來驗證“Z記分法”在評價企業(yè)經(jīng)營風(fēng)險方面的有效性程度。根據(jù)數(shù)據(jù)得知，Altman標(biāo)準(zhǔn)對我國的上市公司仍然有較好的適用性，但同這個標(biāo)準(zhǔn)相比，我國的ST公司的Z值相對較低。文章就Z記分模型對我國上市公司的適用性做一實證分析，力爭找到適合上市公司的預(yù)警模型。梁謀和卞鷹在《2004-2008我國中藥上市企業(yè)財務(wù)風(fēng)險的實證研究》中利用z值模型和上市公司年報數(shù)據(jù)對我國27家中藥上市企業(yè)的財務(wù)狀況進行分析，指出企業(yè)應(yīng)當(dāng)根據(jù)自身特點，采取針對性的策略，避免財務(wù)風(fēng)險。王永生和李潔的《Z-score預(yù)警模型的研究與分析》對Z-score預(yù)警模型進行了新的研究，將模型中各財務(wù)比率的權(quán)數(shù)及常數(shù)項進行調(diào)查；并對各模型預(yù)測概率進行比較，以獲得其預(yù)測準(zhǔn)確率；然后在此基礎(chǔ)上提出P模型（百分數(shù)模型），同時用ST公司和非ST公司的財務(wù)數(shù)據(jù)對P模型進行實證檢測分析。趙健梅與王春莉的《財務(wù)危機預(yù)警在我國上市公司的實證研究》說明的是z一score模型對我國上市公司的財務(wù)危機有著較強的預(yù)警作用，但并未制定出一套適合我國上市公司的z值判定標(biāo)準(zhǔn)。滕為與楊娟在《基于戰(zhàn)略視角的Z-Score模型臨界值修正研究》中以我國上市公司財務(wù)預(yù)警系統(tǒng)的建立和完善為主線，運用Altman的模型對我國上市公司的適用情況作了實證研究，并依據(jù)計算結(jié)果對其臨界值進行了修正研究，提出企業(yè)要進行財務(wù)戰(zhàn)略預(yù)警分析。劉鳳嬌的《“Z-Score”模型在企業(yè)財務(wù)預(yù)警分析中應(yīng)用的研究》研究結(jié)果表明,“Z-Score”模型對某個行業(yè)或某類企業(yè)經(jīng)營風(fēng)險的整體性分析的指導(dǎo)作用較強,并且隨著會計準(zhǔn)則與國際接軌、會計信息真實性的提高,其在國內(nèi)的適用前景將更加廣泛。陳文俊在《企業(yè)財務(wù)困境修正Z模型的實證研究》中針對奧特曼Z模型的不足之處進行了修正，尋找盡可能準(zhǔn)確預(yù)測財務(wù)困境的模型。財務(wù)風(fēng)險預(yù)警理論財務(wù)風(fēng)險的相關(guān)概念財務(wù)風(fēng)險財務(wù)風(fēng)險(financialrisk)是指公司財務(wù)結(jié)構(gòu)不合理、融資不當(dāng)，使公司可能喪失償債能力而導(dǎo)致投資者預(yù)期收益下降的風(fēng)險。財務(wù)風(fēng)險有廣義的定義和狹義的定義，決策理論學(xué)家把風(fēng)險定義為損失的不確定性，這是風(fēng)險的狹義定義。日本學(xué)者龜井利明認為，風(fēng)險不只是指損失的不確定性，而且還包括盈利的不確定性。這種觀點認為風(fēng)險就是不確定性，它既可能給活動主體帶來威脅，也可能帶來機會，這就是廣義風(fēng)險的概念。財務(wù)風(fēng)險的基本類型共有5種：籌資風(fēng)險、投資風(fēng)險、經(jīng)營風(fēng)險、存貨管理風(fēng)險以及流動性風(fēng)險。財務(wù)危機1．國外學(xué)者對財務(wù)危機的界定（1）為了使樣本企業(yè)有較明確的標(biāo)識，便于區(qū)分，很多學(xué)者將財務(wù)危機企業(yè)定義為已宣告破產(chǎn)的企業(yè)。如Altman(1968)認為“企業(yè)失敗包括在法律上的破產(chǎn)、被接管和重整等”，實質(zhì)上是把財務(wù)危機基本視同為企業(yè)破產(chǎn)，即法定破產(chǎn)。遵循這條思路，Deakin(1972)認為財務(wù)危機企業(yè)是指已經(jīng)破產(chǎn)、無力償債或者為了債權(quán)人的利益已經(jīng)進行清算的企業(yè)。將財務(wù)危機基本等同于法定破產(chǎn)的學(xué)者還有Casey、Bartczark(1984)，Gentry(1985)，Aziz(1988)和Gilbert(1990)等等。（2）為全面收集財務(wù)危機企業(yè)樣本進行財務(wù)危機預(yù)警的實證研究，很多學(xué)者擴大了財務(wù)危機企業(yè)樣本的選擇范圍。如Beaver(1966)將財務(wù)危機企業(yè)定義為：銀行透支、未支付優(yōu)先股股利、債券違約和宣告破產(chǎn)等幾個狀態(tài)?？偟膩砜?，國外學(xué)者對財務(wù)危機的定義是根據(jù)研究課題的需要而定，通常在文獻中會明確給出研究樣本的選擇特性，其定義和描述財務(wù)危機企業(yè)樣本的方式有多種，歸結(jié)起來有變現(xiàn)拍賣、無力支付短期債務(wù)、無力支付債券利息、無力支付債券本金、無力支付優(yōu)先股股息、重整及法定破產(chǎn)等。因而，CharlesHGibson&PatriciaAFrishkoff指出，財務(wù)失敗有各種各樣的標(biāo)準(zhǔn)，財務(wù)失敗這個詞的含義要根據(jù)所設(shè)的標(biāo)準(zhǔn)而定。2．國內(nèi)學(xué)者對財務(wù)危機的界定在我國，暫時沒有對財務(wù)危機進行深入研究及下一個準(zhǔn)確的定義。由于國內(nèi)財務(wù)危機預(yù)測的研究對象主要針對上市公司,故一般將財務(wù)危機界定為財務(wù)狀況異常而被“特別處理”。由于我國證券市場的退市制度建立較晚，退市的企業(yè)不多，因而大部分研究者都把上市公司被特別處理作為企業(yè)陷入財務(wù)危機的標(biāo)志，如陳靜（1999），陳曉、陳治鴻（2000），吳世農(nóng)，盧賢義（2001），李華中（2001）等。財務(wù)風(fēng)險與財務(wù)危機的關(guān)系財務(wù)危機是財務(wù)風(fēng)險積聚到一定程度的產(chǎn)物，它同財務(wù)風(fēng)險一樣，是在不斷運動變化著的。陷入財務(wù)危機的上市公司必然面臨著較大的財務(wù)風(fēng)險，而具有財務(wù)風(fēng)險的上市公司不一定陷入了財務(wù)危機。不同上市公司財務(wù)風(fēng)險與財務(wù)危機有不同的表現(xiàn)形式，即使是同一上市公司，在不同時點其財務(wù)風(fēng)險與財務(wù)危機也會有所不同。財務(wù)風(fēng)險預(yù)警系統(tǒng)理論財務(wù)風(fēng)險預(yù)警系統(tǒng)的涵義財務(wù)預(yù)警就是通過對企業(yè)財務(wù)活動運行狀態(tài)進行監(jiān)控，預(yù)先告知企業(yè)即將發(fā)生的警情，并采取一定的措施，排除警情，保證企業(yè)財務(wù)活動安全運行的管理行為。根據(jù)警情界定程度的不同，可將其分為廣義和狹義的財務(wù)預(yù)警。廣義的財務(wù)預(yù)警是對所有可能引起企業(yè)財務(wù)活動波動的因素進行研究，只要引起企業(yè)財務(wù)活動產(chǎn)生不利因素就進行預(yù)警。它與財務(wù)風(fēng)險控制的區(qū)別主要在于它更偏重于研究如何規(guī)避影響企業(yè)財務(wù)運轉(zhuǎn)正常的那些風(fēng)險所帶來的不利因素，目的只在于保證企業(yè)生存。而財務(wù)風(fēng)險控制還要研究影響企業(yè)盈利的那些風(fēng)險，目的還在于發(fā)展和獲利。狹義的財務(wù)預(yù)警偏重于研究財務(wù)危機，實際上就是財務(wù)危機預(yù)警。財務(wù)危機主要表現(xiàn)為企業(yè)財務(wù)狀況惡化，喪失了償還到期債務(wù)的能力，企業(yè)的凈現(xiàn)金流量小于企業(yè)需償還的到期債務(wù);它是一個時期的概念，從技術(shù)性失敗到公司破產(chǎn)都屬于財務(wù)危機過程，并且有程度輕重之分。它與財務(wù)風(fēng)險緊密相連，實質(zhì)上就是財務(wù)風(fēng)險規(guī)?；?、高強度化的集中爆發(fā)。本文中所述的財務(wù)預(yù)警指的是狹義的財務(wù)預(yù)警，即財務(wù)危機預(yù)警。財務(wù)風(fēng)險預(yù)警系統(tǒng)的功能1.監(jiān)測功能。跟蹤企業(yè)的經(jīng)營過程,監(jiān)控企業(yè)日常財務(wù)狀況,在危害企業(yè)的財務(wù)關(guān)鍵因素出現(xiàn)之前,預(yù)先發(fā)出警訊,從中找出偏差及偏差發(fā)生的原因,以便及時尋求對策。2.診斷功能。根據(jù)跟蹤監(jiān)測,對企業(yè)的實際財務(wù)狀況與行業(yè)或標(biāo)準(zhǔn)財務(wù)狀況進行對比分析,找出導(dǎo)致企業(yè)財務(wù)運行惡化的原因以及企業(yè)運行中的弊端及其病根所在。3.預(yù)防功能。即避免類似的情況再次發(fā)生，系統(tǒng)詳細記錄危機的發(fā)生、處理和解決過程,作為前車之鑒,增強企業(yè)規(guī)避危機的能力。阿特曼Z-score模型美國學(xué)者Altman于1968年在《金融雜志》發(fā)表的一篇題為《財務(wù)比率、判別分析和公司破產(chǎn)預(yù)測》的文章中提出了預(yù)測企業(yè)破產(chǎn)的多元Z值判斷模型，這是最早的多變量型財務(wù)預(yù)警模型。他將若干變量擬合成一個函數(shù)方程，用z值進行判斷，從而克服了一元判定模型的缺陷。其實證結(jié)果表明，在破產(chǎn)前一年的預(yù)測準(zhǔn)確性比一元模型有較大的提高，但在破產(chǎn)前五年進行預(yù)測準(zhǔn)確性卻不如一元模型。Altman的多元z值判定模型的重要性在于他介紹了一種方法技術(shù)，使用幾個變量綜合進行估計，獲得企業(yè)的有關(guān)信息。人們已經(jīng)無法用一個比率，獲得足夠的信息來描述企業(yè)所有特性，而一個一個地分析比率則過于復(fù)雜。因此，把多個比率合并入一個方程式的做法較為可取。Altman最初選擇的樣本共有66家公司，分兩組，每組33家。破產(chǎn)組（組1）包含了從1946年到1965年申請破產(chǎn)的33家制造業(yè)公司?？紤]到無論是從行業(yè)還是從資產(chǎn)規(guī)模進行比較，這些公司的差別都較大。因此，在選擇非破產(chǎn)組（組2）時，Altman采用了分層隨機抽樣的方式對應(yīng)選擇了另外33家在1996年仍在經(jīng)營的未破產(chǎn)的制造業(yè)企業(yè)。每層樣本的設(shè)計主要考慮了行業(yè)和規(guī)模因素，樣本中剔除了小公司（總資產(chǎn)100萬以下）和超大型公司，因為小公司的報表數(shù)據(jù)不全，而超大型公司的破產(chǎn)概率較小，不適于用來做普遍意義上的預(yù)測模型。Altman共選擇了22個可能有用的財務(wù)比率分五大類（流動性、獲利能力、財務(wù)杠桿、償債能力和活動性）進行研究。選擇原則是該比率在以前研究中出現(xiàn)的頻率和其與研究問題的潛在相關(guān)性。Altman經(jīng)過因素分析最終找出最具解釋力的五個財務(wù)指標(biāo)，建立的判別函數(shù)模型如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5X1：營運資金/總資產(chǎn)=(流動資產(chǎn)-流動負債)/總資產(chǎn)X2：留存收益/總資產(chǎn)=(股東權(quán)益合計—股本)/總資產(chǎn)X3：息稅前利潤/總資產(chǎn)=(稅前利潤+財務(wù)費用)/總資產(chǎn)X4:股權(quán)市價總值/總負債=(每股市價×流通股數(shù)+每股凈資產(chǎn)×非流通股數(shù))/總負債X5:銷售收入/總資產(chǎn)=主營業(yè)務(wù)收入/總資產(chǎn)。根據(jù)對過去經(jīng)營失敗企業(yè)統(tǒng)計數(shù)據(jù)的分析，Altman得出經(jīng)驗性臨界數(shù)據(jù)值判斷企業(yè)破產(chǎn)的臨界值：如果Ｚ值大于2.675，則表示企業(yè)的財務(wù)狀況、經(jīng)營狀況良好，發(fā)生破產(chǎn)的可能性小；如果Ｚ值小于1.81，則表明企業(yè)正處于破產(chǎn)的邊緣；如果Ｚ值在1.81～2.675之間，則表明企業(yè)的財務(wù)及經(jīng)營極不穩(wěn)定，被稱為“灰色地帶”。通過計算，觀察某個企業(yè)連續(xù)若干年的Ｚ值大小，就能發(fā)現(xiàn)企業(yè)發(fā)生財務(wù)危機的先兆。實證研究研究假設(shè)根據(jù)Z-score模型，ST公司具有較大的財務(wù)風(fēng)險，Z值應(yīng)小于1.81；Z值大于2.675的公司，不具有財務(wù)風(fēng)險。若計算結(jié)果符合以上論述，則Z-score模型適用于我國公司；若有一條不符，則不適用。樣本選取與研究設(shè)計樣本的選擇本文從深市的808只A股股票和滬市的888只A股股票共1696只股票中，剔除了數(shù)據(jù)不完整的樣本后，從剩下的股票中隨機抽取了60只股票為樣本，其中包括ST公司和非ST公司各30只。數(shù)據(jù)來源來自最股網(wǎng)。數(shù)據(jù)來源上市公司2008年、2009年和2010年的年報數(shù)據(jù)。指標(biāo)設(shè)定本文采用多元分析方法。多元分析是將幾個指標(biāo)綜合起來，反映企業(yè)總體財務(wù)狀況，預(yù)測財務(wù)危機。多元分析選擇相對較簡單、且數(shù)據(jù)易于獲取，并且在實際中應(yīng)用較廣，國際上也較為流行Altman的Z-score模型。Z-score模型的判別函數(shù)如下所示：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5其中，X1=營運資金／資產(chǎn)總額，它反映了公司資產(chǎn)的變現(xiàn)能力和規(guī)模特征。一個公司營運資本如果持續(xù)減少，往往預(yù)示著公司資金周轉(zhuǎn)不靈或出現(xiàn)短期償債危機。X2=留存收益／資產(chǎn)總額，反映了公司的累積獲利能力。對于上市公司，留存收益是指凈利潤減去全部股利的余額。留存收益越多，表明公司支付股利的剩余能力越。X3=息稅前利潤／資產(chǎn)總額。即EBIT／資產(chǎn)總額?？煞Q為總資產(chǎn)息稅前利潤率，而通常所用的總資產(chǎn)息稅前利潤率為EBIT／平均資產(chǎn)總額，分母間的區(qū)別在于平均資產(chǎn)總額。避免了期末大量購進資產(chǎn)時使X3降低，不能客觀反映一年中資產(chǎn)的獲利能力，衡量上市公司運用全部資產(chǎn)獲利的能力。X4=股東權(quán)益的市場價值總額／負債總額．測定的是財務(wù)結(jié)構(gòu)，分母為流動負債和長期負債的賬面價值之和．分子以股東權(quán)益的市場價值取代了賬面價值，使分子能客觀地反映公司價值的大。X5=銷售收入／資產(chǎn)總額，即總資產(chǎn)周轉(zhuǎn)率，企業(yè)總資產(chǎn)的營運能力集中反映在總資產(chǎn)的經(jīng)營水平上。因此,總資產(chǎn)周轉(zhuǎn)率可以用來分析企業(yè)全部資產(chǎn)的使用效率。如果企業(yè)總資產(chǎn)周轉(zhuǎn)率高,說明企業(yè)利用全部資產(chǎn)進行經(jīng)營的成果好,效率高;反之,如果總資產(chǎn)周轉(zhuǎn)率低,則說明企業(yè)利用全部資產(chǎn)進行經(jīng)營活動的成果差,效率低,最終將影響企業(yè)的獲利能力。如果總資產(chǎn)周轉(zhuǎn)率長期處于較低的狀態(tài),企業(yè)就應(yīng)當(dāng)采取措施提高各項資產(chǎn)的利用程度,對那些確實無法提高利用率的多余、閑置資產(chǎn)應(yīng)當(dāng)及時進行處理,加速資產(chǎn)周轉(zhuǎn)速度。文章《運用Z計分模型對我國上市公司財務(wù)風(fēng)險的實證研究》認為，在Z-score模型中,五個指標(biāo)充分考慮了企業(yè)的盈利能力(Ｘ2、Ｘ3)、資產(chǎn)管理水平(Ｘ1)、成長能力(Ｘ5)及企業(yè)市場價值或賬面價值(Ｘ4)等方面,比較全面地反映企業(yè)的經(jīng)營狀況,但在目前市場經(jīng)濟條件下,我們認為Z-score模型還存在問題,使其模型具有明顯的不適應(yīng)性。其中，Ｘ4指標(biāo)的適用性不夠。Ｘ4指標(biāo)反映的是普通股和優(yōu)先股市價或企業(yè)的賬面價值與負債的賬面價值的比值,此項指標(biāo)在現(xiàn)階段不管對上市公司,還是非上市公司都有其不適應(yīng)性。對上市公司來講,由于我國股市運行時間較短,存在著許多不規(guī)范之處,股票市價并不能真實地反映企業(yè)的市場價值;對于非上市公司來講,該項指標(biāo)也只能反映公司的財務(wù)結(jié)構(gòu),即凈資產(chǎn)與負債的比例,這與Ｘ1、Ｘ2指標(biāo)有重復(fù)之嫌,其應(yīng)用價值大打折扣。因此，我們將Z-score模型中的Ｘ4改為總資產(chǎn)現(xiàn)金回收率,計算公式為：營業(yè)現(xiàn)金凈流量/總資產(chǎn)。這樣模型中的五個指標(biāo)充分考慮了企業(yè)的盈利能力、資產(chǎn)管理水平、成長能力及企業(yè)獲取現(xiàn)金的能力等方面,增強其判別函數(shù)的適用性,更好地為企業(yè)發(fā)揮預(yù)警作用。調(diào)整后的模型中相關(guān)指標(biāo)系數(shù)仍采用第一個模型中的相關(guān)系數(shù)。我們認為,可以在不改變Ｚ判別值的計算結(jié)果及破產(chǎn)界限劃分的前提下,根據(jù)行業(yè)盈利水平和現(xiàn)金流量狀況進行測算,然后確定判斷范圍,在一段時期內(nèi)適用。這樣既可以保證行業(yè)內(nèi)有統(tǒng)一的評價標(biāo)準(zhǔn),又可以充分考慮不同行業(yè)的不同經(jīng)營環(huán)境、不同風(fēng)險程度。根據(jù)以上思路和建議,調(diào)整后“Z-score模型”為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5X1=營運資金／資產(chǎn)總額X2=留存收益／資產(chǎn)總額X3=息稅前利潤／資產(chǎn)總額Ｘ4=經(jīng)營凈現(xiàn)金流量/資產(chǎn)總額X5=銷售收入／資產(chǎn)總額數(shù)據(jù)分析計算樣本中ST公司與非ST公司三年的Z值，具體計算結(jié)果見附錄1，附錄2和附錄3。根據(jù)計算結(jié)果進行數(shù)據(jù)分析，詳細分析如下：ST公司與非ST公司Z值比較Altman認為如果公司的Z值低于1.81時，公司有很大的破產(chǎn)風(fēng)險；但當(dāng)1.81＜Z＜2.675時，公司的財務(wù)狀況極不穩(wěn)定；當(dāng)Z＞2.675時，公司的財務(wù)狀況良好，破產(chǎn)的可能性極小。但這個標(biāo)準(zhǔn)是否適用于我國的上市公司，我們對樣本的Z值結(jié)果進行統(tǒng)計，情況見表3-1。表3-1Z值結(jié)果統(tǒng)計表Z值范圍Z＜1.811.81＜Z＜2.675Z＞2.675公司數(shù)量比例（%）公司數(shù)量比例（%）公司數(shù)量比例（%）ST公司20082893.3313.3313.3320092893.3313.3313.3320102480310310非ST公司20082066.67620413.33200918601033.3326.6720102066.67826.6726.67由表3-1可以看出，有超過四分之三的公司的Z值小于1.81，這說明我國上市公司的Z值相對西方是比較低的。而非ST公司中也有大半Z值小于1.81，這表明僅僅依靠Z-score模型來判別公司的財務(wù)狀況存在局限性。從投資者的角度看，將ST公司誤分為非ST公司的成本可能會更高一些，錯誤的判斷會使投資者做出錯誤的決策，進而可能會有大量的損失，而且上市公司的股東人數(shù)較多，會產(chǎn)生較大范圍的損失，并有可能影響證券市場的穩(wěn)定。因此，我以1.81為分割點對計算所得的Z值進行分析。假定第一類錯誤為將ST公司誤分為非ST公司；第二類錯誤為將非ST公司誤分為ST公司。分析結(jié)果如表3-2所示。表3-2準(zhǔn)確率分析表判定結(jié)果時間樣本數(shù)以1.81為分割點總體正確率（%）Ⅰ類誤分率（%）Ⅱ類誤分率（%）20086063.333.3333.3320096066.673.333020106056.671033.33由表3-2可以看出，第一類誤分率較低，平均值為5.55；而第二類誤分率較高，平均值為32.22。3年中，有超過80%的非ST公司的Z值小于2.675，而根據(jù)Altman的Z計分模型，這些公司應(yīng)該正面臨或已經(jīng)陷入財務(wù)危機，特別是Z值低于1.81的非ST公司比率高達60%以上，根據(jù)模型這些應(yīng)該是破產(chǎn)企業(yè)。因此，僅根據(jù)Z值來判斷我國非ST上市公司的財務(wù)狀況時，會存在較大誤判的可能。根據(jù)以上分析可以看出，Z計分模型在驗證我國上市公司中的ST公司時有較高的準(zhǔn)確度，而作為預(yù)測非ST公司財務(wù)狀況的模型時，可能具有很大的誤判性。Z值波動性比較分析根據(jù)上述分析，我國上市公司的Z值有普遍偏低的現(xiàn)象，僅根據(jù)其大小難以對公司財務(wù)狀況作出正確判斷。進一步分析樣本公司Z值的波動性，由于ST公司及非ST公司內(nèi)部Z值平均數(shù)差異較小，選擇標(biāo)準(zhǔn)差作為衡量波動程度的指標(biāo)。標(biāo)準(zhǔn)差反映總體各單位標(biāo)志值的變動程度，標(biāo)準(zhǔn)差越大，表示標(biāo)志變動越大；反之，標(biāo)準(zhǔn)差越小，表示變動度越小。分別計算ST公司和非ST公司Z值的標(biāo)準(zhǔn)差，計算結(jié)果如表3-3所示。表3-3樣本公司Z值標(biāo)準(zhǔn)差分類統(tǒng)計表公司類型平均標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差<1的公司個數(shù)標(biāo)準(zhǔn)差>1的公司個數(shù)非ST公司0.47282ST公司14.801614由表3-3所示數(shù)據(jù)可看出，非ST公司Z值的標(biāo)準(zhǔn)差的平均值是0.47，而ST公司的達到14.80。如果以1作為Z值標(biāo)準(zhǔn)差的臨界值，非ST公司的Z值有93.33%的標(biāo)準(zhǔn)差小于1，而ST公司的Z值中有46.67%的標(biāo)準(zhǔn)差大于1，表明非ST公司的Z值變動程度較小，而ST公司的Z值變動程度較大。因此，當(dāng)一個公司的Z值變動程度較大時，有可能出現(xiàn)財務(wù)危機。根據(jù)以上對樣本公司2008年至2010年Z值的波動性分析可以發(fā)現(xiàn)，非ST公司和ST公司的Z值波動性有較大的差異。ST公司的Z值連續(xù)幾年的變動度較大，說明公司的發(fā)展不穩(wěn)定，財務(wù)狀況有不斷惡化的趨勢；而非ST公司的Z值變動度較小，說明企業(yè)發(fā)展穩(wěn)定，財務(wù)狀況穩(wěn)定。ST公司與非ST公司Z模型各財務(wù)比率的比較分析僅憑Z值來判斷我國上市公司的財務(wù)狀況存在很大誤差，還可以進一步分析樣本公司Z-score模型中的五個財務(wù)比率及其變動情況。計算樣本中ST公司與非ST公司Z值各財務(wù)比率的2008年至2010年平均值，結(jié)果見表3-4。表3-4ST公司與非ST公司Z-SCORE模型各財務(wù)比率比較表公司類型年份X1X2X3X4X5非ST公司20080.11530.47680.07080.11820.554320090.21450.30820.05470.24460.537220100.25100.33490.06000.11810.5481ST公司2008-2.5386-6.17740.03060.05610.61042009-1.4130-4.19590.4976-19.85370.46332010-0.6092-2.49570.1385-0.02550.60651.X1為凈營運資本/資產(chǎn)總額，反映了企業(yè)資產(chǎn)的折現(xiàn)能力和規(guī)模特征。營運資本是企業(yè)的周轉(zhuǎn)資金，具有周轉(zhuǎn)速度快、變現(xiàn)能力強、項目繁多、性質(zhì)復(fù)雜、獲利能力高、投資風(fēng)險小等特點。一個企業(yè)營運資本的持續(xù)減少，往往預(yù)示著企業(yè)資金周轉(zhuǎn)不靈或出現(xiàn)短期償債危機。由表3-4可以看出，2008年至2010年間，非ST公司的凈營運資本在總資產(chǎn)中所占的比率變動不大，且逐年增加，說明非ST公司的資金周轉(zhuǎn)正常，短期償債能力較好；而ST公司的該比率一直為負值，且普遍低于非ST公司的該比率，說明ST公司可能存在資金周轉(zhuǎn)危機和短期償債危機。2．X2為留存收益／資產(chǎn)總額，反映了企業(yè)的累積獲利能力。期末留存收益是企業(yè)稅后利潤累積而造成的，一般來講，X2越小，企業(yè)財務(wù)危機的風(fēng)險越大。2008至2010年間，非ST公司的X2比率變動不大，說明其累積獲利能力發(fā)展穩(wěn)定，且其值基本在30%以上，說明其累積獲利能力較強；而ST公司的該比率變動較大，比率值為負值，且明顯低于非ST公司，說明ST公司遭受財務(wù)危機的風(fēng)險普遍大于非ST公司。3．X3為息稅前利潤/資產(chǎn)總額，反映的是企業(yè)投入的全部資金的獲取報酬的能力。該比例越高，說明企業(yè)的全部資金獲得的報酬越高。從平均值看，ST公司的X3值要高于非ST公司，然而，這只是因為ST公司的X3值相差很大，而非ST公司的X3值相差不大所造成的。事實上，從具體數(shù)據(jù)看，非ST公司的X3值大多數(shù)都大于0，而ST公司的X3值很多都是負值，且大多數(shù)ST公司的X3值要小于非ST公司，這說明ST公司的盈利能力出現(xiàn)了問題。4．修改后的X4是總資產(chǎn)現(xiàn)金回收率，反映的是企業(yè)獲取現(xiàn)金的能力。一般來說，該比率越高，企業(yè)獲取現(xiàn)金的能力越強，償還負債的能力越強，財務(wù)風(fēng)險越小。5．X5為總資產(chǎn)周轉(zhuǎn)率，企業(yè)總資產(chǎn)的營運能力集中反映在總資產(chǎn)的經(jīng)營水平上，因此，總資產(chǎn)周轉(zhuǎn)率可以用來分析企業(yè)全部資產(chǎn)的使用效率。如果企業(yè)總資產(chǎn)的周轉(zhuǎn)率高，說明企業(yè)利用全部資產(chǎn)進行經(jīng)營的成果好，效率高；反之，如果總資產(chǎn)周轉(zhuǎn)率低，則說明企業(yè)利用全部資產(chǎn)進行經(jīng)營活動的成果差，效率低，最終將影響企業(yè)的獲利能力。如果總資產(chǎn)周轉(zhuǎn)率長期處于較低的狀態(tài)，企業(yè)就應(yīng)當(dāng)采取措施來提高各項資產(chǎn)的利用程度。Z-score模型臨界點調(diào)整由于Z模型是根據(jù)西方的數(shù)據(jù)計算出來的，我國的上市公司Z值普遍較低，因此，在文章《運用Z計分模型對我國上市公司財務(wù)風(fēng)險的實證研究》中，作者對Z模型的臨界點進行了調(diào)整，將其從1.81和2.675降低為0.5和1.2，使得準(zhǔn)確度有了大幅度的提升。本文也借鑒這一結(jié)論，用0.5和1.2來重新計算一下準(zhǔn)確程度。分析結(jié)果如表3-5。表3-5Z值結(jié)果統(tǒng)計表Z值范圍Z＜0.50.5＜Z＜1.2Z＞1.2公司數(shù)量比例（%）公司數(shù)量比例（%）公司數(shù)量比例（%）ST公司20082376.6713.3362020091860723.33516.6720101756.67413.33930非ST公司2008620413.332066.672009310516.672273.33201026.676202273.33我們分別以0.5和1.2為分割點對計算所得的Z值進行分析。同上文一樣，假定第一類錯誤為將ST公司誤分為非ST公司，第二類錯誤為將非ST公司誤分為ST公司。分析結(jié)果如表3-6所示。表3-6Ｚ值預(yù)測效果表判定結(jié)果時間樣本數(shù)以0.5為分割點以1.2為分割點總體正確率（%）Ⅰ類誤分率（%）Ⅱ類誤分率（%）總體正確率（%）Ⅰ類誤分率（%）Ⅱ類誤分率（%）20086078.3311.671073.331016.672009607520578.338.3313.332010607521.673.3371.671513.33對照表3-1、3-2與表3-5、3-6，可以清楚的看出，修改臨界點后的Z模型的準(zhǔn)確程度有較大幅度的上升，總體正確率都在70%以上，兩類誤分率也都有所下降，這表明修改臨界點后的Z模型有了一定程度上的優(yōu)化。實證結(jié)果分析從上面的分析可知，Z-score模型并不完全適用于我國上市公司，還不能直接用于對我國上市公司的財務(wù)預(yù)警。從上述討論可以看出，我國上市公司的Z值普遍偏低，雖然該模型對ST公司有較強的預(yù)警作用，但與此同時，非ST公司的Z值也偏低，低于臨界值的比率很大，Z計分模型在驗證我國上市公司中的ST公司時有較高的準(zhǔn)確度，而作為預(yù)測非ST公司財務(wù)狀況模型時，可能具有很大的誤判性。所以，現(xiàn)階段該模型還不能直接用于對我國上市公司的財務(wù)預(yù)警。分析我國上市公司Z值偏低的原因，很可能是由于現(xiàn)階段我國證券市場上市公司的股權(quán)結(jié)構(gòu)特別復(fù)雜。股權(quán)分置改革后存在大比例的限售股，從目前限售股解禁的情況看，對股價的影響相當(dāng)巨大，即使某公司已實現(xiàn)全流通，其股價的表現(xiàn)依然很不穩(wěn)定，使Z值偏低，影響Z-SCORE模型的應(yīng)用效果。隨著我國證券市場的發(fā)展，當(dāng)限售股問題對股價影響逐漸減少以致平息時，Z-SCORE模型對我國上市公司的財務(wù)預(yù)警的作用應(yīng)該可以顯現(xiàn)。另外，由于我國一些上市公司的效益不好，各項財務(wù)指標(biāo)如流動比率、資產(chǎn)收益率等都很差，特別是每股凈資產(chǎn)、未分配利潤等都是負數(shù)，這大大地降低了Z值。建議雖然Z-score模型不能直接用于我國上市公司的財務(wù)預(yù)警，但結(jié)合其他分析，還是可以提高準(zhǔn)確程度，大體上判斷出公司的財務(wù)狀況的。針對這一問題，我有如下建議：1.雖然現(xiàn)階段還不適合直接利用Z值的大小進行財務(wù)預(yù)警，但如果結(jié)合Z值的波動性分析，就能在一定程度上起到較好的預(yù)警作用。從前面的分析看，雖然ST公司和非ST公司Z值都偏低，但兩者Z值的波動特性有很大的區(qū)別，ST公司的Z值在偏低的同時，波動特別大，且一般表現(xiàn)為持續(xù)降低。非ST公司在連續(xù)研究的幾年中，Z值也偏低，但其變動平穩(wěn)，也沒有持續(xù)走低的情況。2.有效考慮Z模型所涉及的5個變量的變化，也有利于提高準(zhǔn)確度。一般來講，ST公司的5個變量一般表現(xiàn)為持續(xù)降低，且大小低于同年的非ST公司；非ST公司的5個變量一般變動平穩(wěn)，且大小一般高于ST公司3.修改模型的臨界點，將其從1.81和2.675降至0.5和1.2，使得模型的準(zhǔn)確度上升了接近10個百分點，兩類誤分率都下降，這表明適當(dāng)?shù)慕档团R界點的值，有利于提高模型的準(zhǔn)確性程度。當(dāng)然，這也是由于我國上升公司的Z值偏低造成的。綜上所述，企業(yè)若想使用Z-score模型來判斷公司的財務(wù)狀況，我建議企業(yè)先搜索一下該行業(yè)代表性企業(yè)的Z值大小，Z值近幾年的波動性，Z模型財務(wù)比率的波動性，然后再將本企業(yè)的Z值大小，Z值與財務(wù)比率的波動性與之相比，就可以得出本企業(yè)的財務(wù)狀況，用此方法得到的結(jié)論準(zhǔn)確性也比較高。當(dāng)然，若是能適當(dāng)?shù)慕档鸵幌履Ｐ偷呐R界值，準(zhǔn)確程度會更高。千萬不要刪除行尾的分節(jié)符，此行不會被打印?！敖Y(jié)論”以前的所有正文內(nèi)容都要編寫在此行之前。結(jié)論全球經(jīng)濟在2008年開始的金融海嘯中受到重大打擊，許多大小企業(yè)瀕臨破產(chǎn)，投資者更是蒙受重大損失。如何利用公開披露的財務(wù)信息，做好公司財務(wù)困境的事前預(yù)警工作，成為人們關(guān)注的一大熱點。而建立完善的財務(wù)危機預(yù)警系統(tǒng)，正是公司降低財務(wù)風(fēng)險的關(guān)鍵所在。z-score模型作為財務(wù)風(fēng)險預(yù)警的一種方法，具有很強的可操作性。但是，由于我國會計準(zhǔn)則與國外不同，金融市場也不夠完善，這對模型的計算結(jié)果可能會產(chǎn)生一定影響，因此在使用過程中應(yīng)當(dāng)注意模型的適用范圍。盡管如此，z值模型對判定我國企業(yè)的財務(wù)風(fēng)險仍具有較強的指導(dǎo)意義。本文選取了在深市和滬市發(fā)行的60只A股為樣本，其中包括ST公司和非ST公司各30只，以此為樣本進行了實證研究。本文根據(jù)上市公司2008年、2009年及2010年三年的年報數(shù)據(jù)，計算出這三年ST公司與非ST公司的Z值，并將其做了比較分析，得出以下結(jié)論：1.Z-SCORE模型還不能直接用于對我國上市公司的財務(wù)預(yù)警，該模型在驗證ST公司時有較高的準(zhǔn)確度。2.雖然現(xiàn)階段還不適合直接利用Z值的大小進行財務(wù)預(yù)警，但如果結(jié)合Z值的波動性分析，能起到較好的預(yù)警作用。3.結(jié)合模型所涉及的5個變量分析，可以有效的提高準(zhǔn)確度。4.適當(dāng)降低臨界點，可以使模型的準(zhǔn)確率提高。參考文獻1王芳云.運用Z計分模型對上市公司財務(wù)風(fēng)險的實證研究[J].山東紡織經(jīng)濟.2005，（5）:42-442Beaver，W．H．FinancialRatiosasPredictorsofFailure[J]．JournalofAccountingResearch.1966(SupplementtoVol5)：71—1113Beaver，W．H．FinancialRatiosasPredictorsofFailure[J]．JournalofAccountingResearch.1966(SupplementtoVol5)：71—1114田愛國.企業(yè)財務(wù)危機預(yù)警定量分析初探.當(dāng)代經(jīng)濟.2005，（9）:65-665吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究.2001，（6）:46-516梁謀,卞鷹.2004年～2008年我國中藥上市企業(yè)財務(wù)風(fēng)險的實證研究.商業(yè)研究.2009(9):10-137王永生，李潔.Z-score預(yù)警模型的研究與分析[J].財會通訊.2006，（2）:52-558趙健梅，王春莉.財務(wù)危機預(yù)警在我國上市公司的實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究.2003，（7）:134-1389YongshengDing，XinpingSong，YuemingZen.ForecastingfinancialconditionofChineselistedcompaniesbasedonsupportvectormachine.ExpertSystemswithApplications,2008.10俞軍，張鍇，殷輝．安徽上市公司財務(wù)風(fēng)險實證研究．華東經(jīng)濟管理．2006(5):P24—2711Altman，E．I．FinancialRatios，DiscriminantAnalysisandthePredictionofCorporateBankruptcy[J]．JournalofFinance.Sep．1968：589—60912Altman，I．E，Haldeman，R．G．a(chǎn)ndNarayanan．ZETAAnalysis-ANewmodeltoidentifybankruptcyriskofcorporations[J]．JournalofBankingandFinance.Jan．1977：29—5413Altman，E．PredictingFinancialDistressofCompanies：RevistingtheHcoreandZETAModels[J].200014邱云來.Z計分模型的改進及實證檢驗.理論新探.2009(12):P22-2415王玻.Ｚ－ｓｃｏｒｅ模型對我國上市公司適用性實證研究.歲月聯(lián)盟.2010,(6)16李榮，李永芳.基于上市公司現(xiàn)金流的財務(wù)風(fēng)險預(yù)警.商業(yè)研究.2009（391）:146-14917胡剛.基于上市公司財務(wù)困境修正Z模型的實證研究.中南大學(xué)碩士學(xué)位論文.2004,（5）18徐秀渠.Altman'sZ-Score模型在企業(yè)風(fēng)險管理中的應(yīng)用研究.經(jīng)濟經(jīng)緯.2010(4).P103-10619萬希寧.關(guān)于上市公司財務(wù)失敗預(yù)警的實證分析[J].商業(yè)研究.2003，（12）20周劍濤,龐文鳳.Z-SCORE財務(wù)預(yù)警模型在上市公司應(yīng)用的實證研究.財會通訊.2009(8):25-2721尹俠.上市公司財務(wù)預(yù)警的實證分析[J].財經(jīng)理論與實踐.2002，（1）:83-8722李小青，董全.企業(yè)財務(wù)預(yù)警系統(tǒng)及其定量分析探討[J].會計之友.2000，（1）：28-29附錄附錄12008年Z值計算表公司類型樣本X1X2X3X4X5Z1非ST公司浦發(fā)銀行-0.63840.02750.03020.08320.0264-0.5519中原高速-0.11310.17600.04580.08930.09770.4120浙江廣廈0.07400.07000.1440-0.09230.37730.9803浙江富潤-0.14240.36690.02400.11780.51831.0057中視傳媒0.21910.35200.57110.31800.55293.3784重慶路橋-0.14000.22310.06620.08950.07670.4925長征電氣0.28500.21140.08840.02270.53261.4706岷江水電-0.23080.0331-0.15310.13880.2279-0.4270德賽電池0.08314.85130.04230.33611.28408.5040長江證券0.02740.00410.0539-0.33260.11400.1297國恒鐵路0.07820.49600.0371-0.40120.07940.7485佛山照明0.48480.68320.09530.63860.60732.8371科學(xué)城-0.05800.2391-0.0355-0.01070.09630.2368美達股份-0.17360.2557-0.05950.24351.72741.8093西藏發(fā)展0.24730.48760.05740.53780.26241.7514康佳集團0.23350.26580.02680.05561.16051.9231用友軟件0.18910.53170.14660.36600.55492.2238北京城鄉(xiāng)0.20350.67090.03740.33750.61622.1194岳陽紙業(yè)0.08860.30710.04140.11730.44241.1811西部礦業(yè)0.21150.48090.04250.02780.72501.8016北辰實業(yè)0.39830.21230.03000.14670.16321.1236上海電氣0.15930.18890.05130.05650.72131.3731中國遠洋0.16490.42880.13060.40560.97552.4385世榮兆業(yè)0.45970.32140.1161-0.32520.49451.6792威爾泰0.49080.47930.04530.29210.49872.0787華帝股份-0.15440.17240.01170.00191.73331.8118海特高新0.33110.47720.05600.00670.27911.5306兔寶寶0.06580.27280.05740.11370.94941.6585傳化股份0.29630.42460.11490.06811.61752.9714巨輪股份0.02880.37270.07720.22280.28941.2312ST公司*ST夏新-1.0891-0.9345-0.4207-0.15101.0601-3.0446ST華光-0.4743-1.0290-0.10720.34250.0485-2.1101ST中葡-0.4816-0.4753-0.02590.14410.1972-1.0472*ST華源0.0000-4.59977.1884-0.08392.108319.3191S*ST黑龍0.0481-0.19930.22630.07150.17360.7404ST松江-0.8248-0.93070.21390.00730.1072-1.4763*ST昌魚-0.0249-0.06220.0039-0.03940.0108-0.1169ST中農(nóng)0.53960.2273-0.0356-0.04770.74481.5571*ST博盈-0.0907-0.2258-0.26630.03390.0254-1.2582ST

銀廣夏-1.6596-4.0348-0.70800.00010.0918-9.8855*ST創(chuàng)智0.3302-3.55020.01830.00020.0658-4.4482ST盛潤A-55.8568-112.0173-3.1030-0.00020.0946-233.9986*ST威達0.2220-0.3975-0.0041-0.05120.0981-0.2371SST中華A-8.9820-11.9545-0.0650-0.00721.4364-26.3115錦化氯堿-0.27300.1709-0.02940.00860.49620.3111ST科健-2.8149-2.57490.0851-0.00040.0155-6.6868*ST九發(fā)0.0000-0.1759-0.00820.52070.11690.1548ST珠峰-0.5639-0.52860.16320.12841.14340.3308ST香梨-0.07050.2500-0.28510.14710.0534-0.5343ST筑信-0.4525-0.2532-0.04000.02490.3591-0.6590*ST北生-1.8796-1.5260-0.6785-0.00010.0248-6.6066*ST白貓0.1782-0.0787-0.13530.05951.89631.5702S*ST北亞-0.5225-38.68750.0103-0.20870.0000-54.8807ST馬龍-0.2854-0.03850.08520.09271.67411.5977ST春蘭0.42860.6352-0.01020.30190.32771.8755*ST中房0.4403-0.7882-0.05430.05610.0798-0.6415*ST三聯(lián)0.0095-0.0493-0.16530.18601.72631.2175ST寶龍-0.7934-1.7029-0.0820-0.06740.2443-3.4054*ST瓊花-0.2824-0.0181-0.25770.05370.6893-0.4999*ST張銅-0.5031-0.51-0.48290.03171.5557-1.3549附錄22009年Z值計算表公司類型樣本X1X2X3X4X5Z2非ST公司浦發(fā)銀行0.17790.0108-0.00580.06660.02270.2720中原高速-0.01540.08630.04990.04720.09460.3890浙江廣廈0.29570.09050.08250.00000.51611.2647浙江富潤-0.08260.08400.06720.08940.62720.9147中視傳媒0.35980.19680.0930-0.20270.93831.8214重慶路橋0.08430.21150.05880.08220.06670.7066長征電氣0.27390.62910.13170.07730.46232.1482岷江水電-0.14470.00610.00330.04880.21280.0855德賽電池0.01580.0315-0.05060.01521.42201.3131長江證券0.94180.19650.05150.35490.09031.8777國恒鐵路0.48610.57340.00250.25440.10061.6465佛山照明0.45360.57680.08851.68990.57003.2221科學(xué)城-0.00660.27080.02240.97600.20541.2341美達股份-0.42120.23890.02930.29531.28141.3715西藏發(fā)展0.24020.50210.06770.66120.31221.9205康佳集團0.16690.21390.01480.03110.97721.5346用友軟件0.26780.51990.17370.33160.61452.4297北京城鄉(xiāng)0.29100.64580.04260.24910.60102.1382岳陽紙業(yè)-0.06100.23610.02540.00560.30400.6454西部礦業(yè)0.11700.45750.05270.05240.88541.8626北辰實業(yè)0.38750.22630.02980.02390.18601.0786上海電氣0.14040.18470.03660.11450.64481.2548中國遠洋0.20290.3115-0.0408-0.06900.40210.9018世榮兆業(yè)0.41280.26570.0818-0.05440.30411.4054威爾泰0.51950.46640.03950.44330.46752.1356華帝股份-0.11150.22930.08530.38001.58542.2663海特高新0.28150.45700.08390.31230.26631.7053兔寶寶0.08760.29450.04490.33451.03371.8899傳化股份0.32910.47700.16840.41811.36753.2231巨輪股份0.10930.48760.08650.36130.29831.6113ST公司*ST夏新-0.8778-1.04911.1062-0.05790.44521.5343ST華光-0.2753-1.10380.0240-0.28800.0509-1.9189ST中葡0.17250.0759-0.0002-0.19920.10390.2959*ST華源0.0504-19.2648-0.0545-5.18940.0000-30.2040S*ST黑龍0.0385-0.06170.06510.51770.15980.6436ST松江0.19840.03690.03590.05990.22020.6623*ST昌魚-0.0432-0.0915-0.01820.02620.0372-0.1875ST中農(nóng)0.66830.2087-0.05390.46450.89752.0836*ST博盈-0.0136-0.07800.00560.03290.90400.8076ST

銀廣夏-1.0126-4.18260.9328-0.02400.0194-3.9877*ST創(chuàng)智0.6627-3.96240.0025-0.22770.0000-4.8805ST盛潤A-23.7036-47.82430.9406-0.00010.0443-92.2505*ST威達0.1994-0.3942-0.01350.11770.0582-0.2288SST中華A-10.4080-13.7920-0.07480.00191.5375-30.5219*ST錦化-0.8754-0.2019-0.4158-0.15470.4476-2.3550ST科健-2.7185-2.54570.11100.00000.0103-6.4498*ST九發(fā)-0.0017-0.5057-0.0017-591.61810.0000-355.6866ST珠峰-0.2810-0.26880.12240.05340.83820.5522ST香梨-0.01180.37490.1074-0.07040.06560.8879ST筑信-0.7070-0.3566-0.01770.09860.4163-0.9347*ST北生-0.9483-6.176012.8254-0.30220.264832.6201*ST白貓0.1581-0.1819-0.08490.19661.81001.5649S*ST北亞-0.2851-21.85310.00990.50940.0000-30.5982ST馬龍-0.5653-0.3355-0.20030.03501.2585-0.5420ST春蘭0.30160.6500-0.00160.33350.31261.7761*ST中房0.2905-0.55670.10740.57960.22840.4974*ST三聯(lián)-0.0382-0.1577-0.07420.00271.59801.0721ST寶龍-0.8941-1.8683-0.1706-0.05630.2699-4.0182*ST瓊花-0.3931-0.01440.03850.06010.48700.1535*ST張銅-0.7472-0.7955-0.14460.06560.0446-2.4040附錄32010年Z值計算表公司類型樣本X1X2X3X4X5Z3非ST公司浦發(fā)銀行0.80690.04970.0242-0.00270.02281.1387中原高速-0.07110.14570.04870.10550.08360.4253浙江廣廈0.26710.15160.0446-0.12300.28120.8847浙江富潤-0.00330.34640.08810.00470.72291.4903中視傳媒0.34270.40650.05620.48030.68132.1287重慶路橋0.11370.19140.06010.06570.06100.7027長征電氣0.50140.47440.0710-0.12580.28951.7114岷江水電-0.23900.06520.09170.06370.24320.3860德賽電池0.16010.16630.11530.13601.54772.4192長江證券0.92940.20570.04680.03990.08941.6703國恒鐵路0.31040.39930.0050-0.33750.47751.2181佛山照明0.40520.58610.10300.66580.62522.6651科學(xué)城0.01790.2453-0.01190.34530.19860.7295美達股份-0.94440.53030.13800.19243.68273.8258西藏發(fā)展0.22310.51980.0639-0.03010.34921.5340康佳集團0.15620