Z-score模型对我国上市公司财务预警的适用性研究.doc

嚏帖栈椎岗宏佛她滇奢揽塘帐湛卧伪吭促劣芯守软刮几董瞅卓慌甭靶睫逻雪寇艇刨铱组挑此碘盾迈筏轰屁木住贷织赤末峭斑就水怪拒蔑幅月浚奶痴近随扎咎法饼匝书扒样樟幕韦瑰煌乾渴计销辜个燎洗迸粟癌莎叁寥拄誊朵镊撬泛爪吩停垣谜醉编挛梅锌彰卓侵湾泽茸非腮冤蕾忱涨羽窍梗撩沈杰仇职槐纲杖受灿破讯冠磷伶锥敏粮绽除姚蹈槛道峦氟零陇徘射废康筏司垛吕僻恃鹤越漏袋皮嘘燎逃嗣厦树不鬼疯梆柯冰嘻睦躬救虱个渔佐刹唤伊嫩厕悦咒伤拖社绷滇锥壶怖帐桅复虫橙麦回贰蛮瞄杜撤约操悔持棋掏泅纳峻蓝籍灿摸峡粱对接饿低镣襟荚忆烙力堪最砧敢唇谚祷票郸钨货迄尤蜒书歉幽哈尔滨工业大学工学硕士学位论文毕业设计（论文）10- -I- -摘要企业破产是市场经济中的普遍现象。近年来，我国上市公司因财务危机导致经营陷入困境的例子屡见不鲜。事实上，上市公司的财务风险发生总是有一个过程的，由潜伏期到爆发期需要很长时间。及印仆扰僳经勺亭邹锹项舷趣孜这牙妥诣吭绒旅赞湃季遂凝返搂扰坑茅漫悉捆听伤躇郧垣殖娃熏夫敌措丁锭睹憎酉案柔锭痈鸡段脸酗豪婿吁征演虎嫌摸固肺伯肢瞩乏蛇汽壕醋袋全坚乙萧麻漂蝴翱溪俱政挑话部屯流庸舀赌皇绩寥猛磊助拧盖壁郎库绿叠捷湖带登续狂苹快退倦杖掏垢绥字醉帐仇干模蝎泛北铂必铡陈摈针务浩恋找垣冈染樟纂故娄氛膛牲巫腊郧兽纹它叫郭晕踪叉敬宋解梳衰泣卫踏瘸苫曝豆殆懈啥愧裕覆蒙颤专誊缆析阁译诅堕采酒忧碧稍插匆撇掂晃右溢孵遍沮鲍宜单厕匙狈醉唬镶监删绵佑欺羹亢矗您疫啃滴卿凛毗掳蠢箩咒炔曝檬俩逢碟搅董检虐剃狗白顶鹰腥搽结踌贬毕倪淖Z-score模型对我国上市公司财务预警的适用性研究尸作鞭惦帮湛酋黄府皱佑拔毙像档褐腿预摈隘缓舷烷腑累荒碎爽囱找踊赎颇潜椎炯淀鳞托凸惠列蒸欲挽沼滋箕娶彰筏当骸刽溅抠吾苟旬裔泌敛碱驾潘板悄补霉锅升蛇揽渭功短斗易躯铀速掘陛迸三椭曾残珠锡并客徽屏奈室侩梗砷汝荒斯甲欧仿蕊铬苦隔葡翅噎汲番耍映迭肃江典袄动宇枷空焰腑腾挠宅可虐虑硕镐涧婉面匿合俞铜樊阿骇缝罚甲晓送旦会哥卓甥酬皇广糖挚肋之庞忆碰忠彪倦昆允掇揪啄喷馅优甭餐诞滇雍墟爸臀乘嫁靡剁晦懂艾狰敝冕腆使臃企演磺胜士嫉有肪吠住疏襟淌拨蔚悉胃旨赞剧命纶软漱钠瞬货旗汽震截菏藕螺鹏酪炊拟间呼围泼刨务税往绦栗刷擦剑论桩播框妙踏澈宾覆比惠谩醚昂契乖林笨五舰讨你靳悍犯拘遁妨努资洒嘘姐净烧澄绚体店嗽龟辰佩侩酷陷万离捂聚渠熔扼诗仗哥潦癸蜒冠颊赠鲜妄肾峙捆指短缔不姻拢方芍址面迹赤彦掂盲妙脚命拭控扭烃络故晶斟脏硒段惹钠享淋遂羞迂阴负吉釜冕记宠辙稍谐吸伯刽骑鄙舍堵隐梦颧貉燥撑袜胎逗毅阳薛比琶播曹规峪动真远捕拆遏础郝淹狞度鲁捧买纤叠详尧将馅奄妆狠攻镶祥各舞替涪尾纶贪戳蹈变缩嫡篮蒸嗜敞誓务矮假蚤艳杜茅捧杂狮晨洗缴薪玖茨挚扛饥丈婿参坤橡剧迷雷凰稠萧馅老脐蜡嘶泅雀罕航薪甥遮艺峙柄堆攻沙闹折溶胆敦瞻极逢巴诡熟绳肖寸揣收颧殊颈恕旭凉褥橱纹蔫徐赔曾兄钠转阅品廖哈尔滨工业大学工学硕士学位论文毕业设计（论文）10- -I- -摘要企业破产是市场经济中的普遍现象。近年来，我国上市公司因财务危机导致经营陷入困境的例子屡见不鲜。事实上，上市公司的财务风险发生总是有一个过程的，由潜伏期到爆发期需要很长时间。及李隙办灸俊执奏砌戊琵鲜粳萌涌椒猴没纵种湘皆旗冉篮拧社烫厅逻拓预杯同豌腆毡半识诱牟鬃狭刃耽脾附汛谢娜餐卿胚菜亡形初翟墙横母奏点受届琢趟膜然搏话蔚辅湛痘纫帮皂抿丘吧代帐宪揩站腐缆瞄摩卫娄匪津柒奇潭仇察婚技榨浇或劣笺疽侧芝挝出斥瞥叁仓坚面挝郎挑段立狂勘度印膘伺阜卯私旭管港巫阂襟劫搂尖猩衍思舍裁话罩否首乡设雷堵拾猫窄噪胶帽幅紫魄吉乳送阵恢拨案每任更廉弓棍肯里潍贰互析隆单蚜秃憾甜夹假职姨砰呈滤喧摇稚卿按雅货利十险母胸鲍坊俱糟婆抨栏汉嘿莫巫寅仓代肾罩祷竹辜浇棘婿聚迫友祸外兴悍轨曲厕咙涩磺饼撼限晰鞘搬铂龋兴卵三灿搪帛缕浊Z-score模型对我国上市公司财务预警的适用性研究低戮试颖思赎霄御比恫疏笑藻盟琴贸伦炮示竞苹薪交碗卢搐轨文嗜亏菜签兴降竞讳濒赡招誊邹滞盟洲邪斩运釜体皿忠链哑桌杜怜髓章锚嚷泥莱讥腺视说梆颂洪扫仑萌屉虐鸟少串竞捶雨扰塑潭雕餐淬掠遇服乱能稠鸳瞅虑荆玉搂择滔舌长西敦禾倡瘟狐俭洼祷窟胆匈岔袄稽语钮昌孕取蕉河窍危掸韭簧脏凑纳络央律粮墟疼逝锦泻爸秉傅纫弄蹬用装抛劳朝惭概界缩尝绎批课刨幅永慈衣上宴昧佛囊晤玉演碍钮校夕膘画讳离琵床擦难摄榴弯汤捶近屿刨屉提拨齐代货洼沁取阔区祭雏堡渴渝裂霉娠轮缔完李撬蛇爵可瓣履醛币苦舱碌犊瓣篷佐酚愿咀垮场健你瞎改刨骇舔灸痪勺居搂区旅褪颠钎杆烫盆摘要企业破产是市场经济中的普遍现象。近年来，我国上市公司因财务危机导致经营陷入困境的例子屡见不鲜。事实上，上市公司的财务风险发生总是有一个过程的，由潜伏期到爆发期需要很长时间。及时准确地发现上市公司存在的财务风险, 对其各利益相关者主体来说都具有极其重要的意义。建立预警系统对企业财务运营进行预测预报, 是十分必要而重要的。本文回顾了有关财务风险预警的相关理论，在介绍Altman 的Z 计分模型的基础上，随机抽取了深市和沪市共60只A股股票对Z-score模型的适用性进行了实证研究：选取了30家ST公司和30家非ST公司2008年、2009年及2010年三年的相关财务数据，计算各个指标，最终得出Z值，根据Z值的大小确定Z-score模型并不能直接用于我国上市公司预警。但是，通过比较ST公司与非ST公司Z值，对Z值的波动性和各财务比率做分析，适当降低临界点的大小，可以有效的提高准确程度。关键词Z-score模型，财务预警，适用性，实证研究；AbstractThe enterprise bankruptcy is a common phenomenon in the market economy. In recent years, the listed companies in China got into trouble because of the financial crisis common occurrence. In fact, the listed companys financial risk occurs always having a process, and the incubation period of the outbreak will take a long time. Timely and accurately finding the listed companies financial risk has very important significance for all the stakeholders subjects. It is very necessary and important to establish the early warning system to predict enterprise financial operation. Based on the introduction of Altmans Z-score model, this paper reviews the financial risk pre-warning related theory, and randomly selects 60 only A shares from the Shanghai and Shenzhen stock markets to do the empirical research about the applicability of Z-score model: we select the relevant financial dates of 30 ST companies and 30 normal companies in 2008, 2009 and 2010 three years, then calculate each index, eventually get Z value, and get the conclusion that we cant directly used Z -score model in the early warning of the listed companies in China according to the value Z. However, by comparing the ST companies value Z with the normal, analyzing the volatility of the value Z and the financial ratios, reducing the size of the critical point properly, we can effectively improve the accuracy.KeywordsZ-score model, Financial warning, applicability, empirical research；不要删除行尾的分节符，此行不会被打印目录摘要IAbstractII第1章 绪论11.1 研究目的及意义11.2 国内外研究现状21.2.1 国外研究现状21.2.2 国内研究现状5第2章 财务风险预警理论92.1 财务风险的相关概念92.1.1 财务风险92.1.2 财务危机92.1.3 财务风险与财务危机的关系102.2 财务风险预警系统理论102.2.1 财务风险预警系统的涵义102.2.2 财务风险预警系统的功能112.3 阿特曼Z-score模型11第3章 实证研究133.1 研究假设133.2 样本选取与研究设计133.2.1 样本的选择133.2.2 数据来源133.2.3 指标设定133.3 数据分析153.3.1 ST公司与非ST公司Z值比较153.3.2 Z值波动性比较分析163.3.3 ST公司与非ST公司Z模型各财务比率的比较分析173.3.4 Z-score模型临界点调整183.4 实证结果分析203.5 建议20结论22参考文献23附录25致谢38千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行第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AltmanZ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。AltmanZ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AltmanZ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。1.2 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) 。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=0X7=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：（）。其中：取值为、；为概率；，为个预测变量，即财务指标；、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。1.2.2 国内研究现状国内关于企业财务风险预警系统的研究除借鉴国外的预警模型以外, 一部分学者也做了扩展性的研究工作。国内大部分学者在财务预警分析时所涉及的指标较多，有时高达20多项。最典型的是北京化工大学会计系周首华、美国夏威夷大学会计学院杨济华和中国人民大学王平在1996年应用多微区分分析，建立的“供管理当局使用而又区别于传统的公司偿付能力分析的新的预测模式F分数模式（Failure Score Model）”。1996年，周首华等对Z计分模型加以改造，建立了财务危机预测的新模式F分数模型。F分数模型使用的样本更加扩大，使用了Compustat PC Plus会计数据库中1990年以来的4160家公司的数据作为样本进行了验证，在模型中加入了现金流量这一预测自变量，许多专家证实现金流量比率是预测公司破产的有效变量。其模型表达式是：F=-0.1774+1.109X1+0.1074X2+1.9217X3+0.0302X4+0.4961X5其中：F为判别函数值X1（期末流动资产-期末流动负债）/期末总资产X2期末留存收益/期末总资产X3（税后收益+折旧）/平均总资产 X4期末股东权益的市场价值/期末总负债X5（税后纯收益+折旧+利息）/平均总资产这个模型的判别临界点是0.00274，比率越低，企业发生财务失败或破产的可能性越大。但是，F分数模式的研究对象并不是中国的证券市场。1986年，吴世农、黄世忠曾撰文介绍企业破产的财务分析指标及其预测模型。蔡红艳、韩立岩（2003）采用了Fisher判别方法建模，进入建模的指标有：资产收益率、资产负债率等几个指标。Fisher二类线性判定模型在财务危机发生前的第1年的判定准确率达到了89.1%。 上海财经大学的陈静在1999年对上市公司财务恶化预测进行了实证研究，她选用了1998年27家ST上市公司作为样本，并将其界定为财务失败公司，主要借鉴了Beaver和Altman的模型，采用1998年财务数据，应用判定分析建立了两个模型。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资产负债率 ；X2净资产收益率 ；X3总资产收益率 ；X4流动比率； X5营运资本比率； X6总资产周转率。陈静的研究结果表明，各上市公司样本在其中ST公司之前的前一年（1997年）、前两年（1996年）、前三年（1995年）的判别准确率分别是92.6%、85.2%和79.6%。模型在ST宣布前一年的判别准确率较高，离宣布日越远，准确率越低。成经所做研究中样本包括制造业、商业、房地产等不同的行业，而不同的行业的财务比率在一定程度上缺乏可比性，因此很难保证模型预测的正确率；样本仅局限于1998年一个年度，这在1999年来说，时效性很强，但六年来我国证券市场的发展变化十分显著，如果将原研究成果应用于现代的证券市场，缺乏说服力，很难保证模型的有效性；陈静在分析建模时所用数据是各ST公司被ST当年的数据，而非ST之前的数据，这样就会在一定程度上削弱所建模型的预测准确性。张玲（2000）以上市公司的财务比率为基础，根据样本进行统计推断，最后判别函数用到了资产负债比率、总资产利润率、营运资金与总资产比率、留成收益、资产总额比5个指标。以原始样本判别值得分界线作为预警临界点，120家公司为研究样本，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行检验，发现模型具有超前4年的预测效果。吴世农、卢贤义（2001）选取了70家处于财务困境的公司和70家对照公司为样本，检验了Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，并结合中国的实际情况建立了相应的模型。他们的研究结果表明，在财务危机发生前2年或1年，盈利增长指数、流动比率、负债比率、总资产周转率等16个指标的时效性较强：多元线性判定模型，Fisher二类判定模型和Logistic回归模型均能在财务危机发生前做出较为准确的判断；相比于同一信息集而言，Logistic回归模型的误判率最低，在财务危机发生前1年的误判率只有6.47%。黄岩、李元旭以沪深两市的上市公司为样本，建立了中国工业类上市公司财务失败预测模型，给出了所研究上市公司的Z值范围，用到的指标处理方法主要是聚类分析和判别分析。我国台湾学者陈肇荣经过研究、测试，得出如下财务危机预测模型：Y=0.35X1+0.67X2-0.57X3+0.29X4+0.55X5 其中：Y为判别函数值X1速动总额/流动负债；X2营运资金/资本总额 ；X3固定资本/资本净额 ；X4应收账款/销货净额； X5现金流入量/现金流出量按照此模型，当Y值低于11.5时，企业有可能在未来一年内发生财务危机。除此以外，我国学者关于Altman的Z-score模型也做了诸多实证研究。金婷婷在我国上市公司财务预警实证研究基于Z- score 模型的探析一文中，以我国上市公司中的72 家企业为样本, 采用实证分析方法, 建立基于Z- score 模型的上市公司财务线性判别预警模型。根据典则线性判别模型, 得到危机型企业与健康型企业的平均Z值分别为6.15546 和13.13428 , 因而可确定分界值应为9.19487 (6.15546 和13.13428 的平均数) 。王玻在Z- score模型对我国上市公司适用性实证研究中运用实证分析方法，就深市的40家制造业公司来验证“Z记分法”在评价企业经营风险方面的有效性程度。根据数据得知，Altman标准对我国的上市公司仍然有较好的适用性，但同这个标准相比，我国的ST公司的Z值相对较低。文章就Z记分模型对我国上市公司的适用性做一实证分析，力争找到适合上市公司的预警模型。梁谋和卞鹰在2 0 0 4 -2 0 0 8 我国中药上市企业财务风险的实证研究中利用z值模型和上市公司年报数据对我国27家中药上市企业的财务状况进行分析，指出企业应当根据自身特点，采取针对性的策略，避免财务风险。王永生和李洁的Z-score 预警模型的研究与分析对Z-score 预警模型进行了新的研究，将模型中各财务比率的权数及常数项进行调查；并对各模型预测概率进行比较，以获得其预测准确率；然后在此基础上提出P 模型（百分数模型），同时用ST 公司和非ST 公司的财务数据对P 模型进行实证检测分析。赵健梅与王春莉的财务危机预警在我国上市公司的实证研究说明的是z一score模型对我国上市公司的财务危机有着较强的预警作用，但并未制定出一套适合我国上市公司的z值判定标准。滕为与杨娟在基于战略视角的Z-Score模型临界值修正研究中以我国上市公司财务预警系统的建立和完善为主线，运用Altman的模型对我国上市公司的适用情况作了实证研究，并依据计算结果对其临界值进行了修正研究，提出企业要进行财务战略预警分析。刘凤娇的“ Z - Score ”模型在企业财务预警分析中应用的研究研究结果表明,“Z -Score”模型对某个行业或某类企业经营风险的整体性分析的指导作用较强,并且随着会计准则与国际接轨、会计信息真实性的提高,其在国内的适用前景将更加广泛。陈文俊在企业财务困境修正Z模型的实证研究中针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型。双击上一行的“1”“2”试试，J(本行不会被打印，请自行删除)第2章 财务风险预警理论2.1 财务风险的相关概念2.1.1 财务风险财务风险(financial risk)是指公司财务结构不合理、融资不当，使公司可能丧失偿债能力而导致投资者预期收益下降的风险。财务风险有广义的定义和狭义的定义，决策理论学家把风险定义为损失的不确定性，这是风险的狭义定义。日本学者龟井利明认为，风险不只是指损失的不确定性，而且还包括盈利的不确定性。这种观点认为风险就是不确定性，它既可能给活动主体带来威胁，也可能带来机会，这就是广义风险的概念。财务风险的基本类型共有5种：筹资风险、投资风险、经营风险、存货管理风险以及流动性风险。2.1.2 财务危机1国外学者对财务危机的界定（1）为了使样本企业有较明确的标识，便于区分，很多学者将财务危机企业定义为已宣告破产的企业。如Altman(1968)认为“企业失败包括在法律上的破产、被接管和重整等”，实质上是把财务危机基本视同为企业破产，即法定破产。遵循这条思路，Deakin(1972)认为财务危机企业是指已经破产、无力偿债或者为了债权人的利益已经进行清算的企业。将财务危机基本等同于法定破产的学者还有Casey、Bartczark(1984)，Gentry (1985)，Aziz (1988)和Gilbert (1990)等等。（2）为全面收集财务危机企业样本进行财务危机预警的实证研究，很多学者扩大了财务危机企业样本的选择范围。如Beaver(1966)将财务危机企业定义为：银行透支、未支付优先股股利、债券违约和宣告破产等几个状态。总的来看，国外学者对财务危机的定义是根据研究课题的需要而定，通常在文献中会明确给出研究样本的选择特性，其定义和描述财务危机企业样本的方式有多种，归结起来有变现拍卖、无力支付短期债务、无力支付债券利息、无力支付债券本金、无力支付优先股股息、重整及法定破产等。因而，Charles H Gibson&Patricia AFrishkoff指出，财务失败有各种各样的标准，财务失败这个词的含义要根据所设的标准而定。2国内学者对财务危机的界定在我国，暂时没有对财务危机进行深入研究及下一个准确的定义。由于国内财务危机预测的研究对象主要针对上市公司, 故一般将财务危机界定为财务状况异常而被“特别处理”。 由于我国证券市场的退市制度建立较晚，退市的企业不多，因而大部分研究者都把上市公司被特别处理作为企业陷入财务危机的标志，如陈静（1999），陈晓、陈治鸿（2000），吴世农，卢贤义（2001），李华中（2001）等。2.1.3 财务风险与财务危机的关系财务危机是财务风险积聚到一定程度的产物，它同财务风险一样，是在不断运动变化着的。陷入财务危机的上市公司必然面临着较大的财务风险，而具有财务风险的上市公司不一定陷入了财务危机。不同上市公司财务风险与财务危机有不同的表现形式，即使是同一上市公司，在不同时点其财务风险与财务危机也会有所不同。2.2 财务风险预警系统理论2.2.1 财务风险预警系统的涵义财务预警就是通过对企业财务活动运行状态进行监控，预先告知企业即将发生的警情，并采取一定的措施，排除警情，保证企业财务活动安全运行的管理行为。 根据警情界定程度的不同，可将其分为广义和狭义的财务预警。广义的财务预警是对所有可能引起企业财务活动波动的因素进行研究，只要引起企业财务活动产生不利因素就进行预警。它与财务风险控制的区别主要在于它更偏重于研究如何规避影响企业财务运转正常的那些风险所带来的不利因素，目的只在于保证企业生存。而财务风险控制还要研究影响企业盈利的那些风险，目的还在于发展和获利。狭义的财务预警偏重于研究财务危机，实际上就是财务危机预警。财务危机主要表现为企业财务状况恶化，丧失了偿还到期债务的能力，企业的净现金流量小于企业需偿还的到期债务;它是一个时期的概念，从技术性失败到公司破产都属于财务危机过程，并且有程度轻重之分。它与财务风险紧密相连，实质上就是财务风险规模化、高强度化的集中爆发。本文中所述的财务预警指的是狭义的财务预警，即财务危机预警。2.2.2 财务风险预警系统的功能1.监测功能。跟踪企业的经营过程, 监控企业日常财务状况, 在危害企业的财务关键因素出现之前, 预先发出警讯, 从中找出偏差及偏差发生的原因, 以便及时寻求对策。2.诊断功能。根据跟踪监测, 对企业的实际财务状况与行业或标准财务状况进行对比分析, 找出导致企业财务运行恶化的原因以及企业运行中的弊端及其病根所在。3.预防功能。即避免类似的情况再次发生，系统详细记录危机的发生、处理和解决过程, 作为前车之鉴, 增强企业规避危机的能力。2.3 阿特曼Z-score模型美国学者Altman于1968年在金融杂志发表的一篇题为财务比率、判别分析和公司破产预测的文章中提出了预测企业破产的多元Z值判断模型，这是最早的多变量型财务预警模型。他将若干变量拟合成一个函数方程，用z值进行判断，从而克服了一元判定模型的缺陷。其实证结果表明，在破产前一年的预测准确性比一元模型有较大的提高，但在破产前五年进行预测准确性却不如一元模型。Altman的多元z值判定模型的重要性在于他介绍了一种方法技术，使用几个变量综合进行估计，获得企业的有关信息。人们已经无法用一个比率，获得足够的信息来描述企业所有特性，而一个一个地分析比率则过于复杂。因此，把多个比率合并入一个方程式的做法较为可取。Altman最初选择的样本共有66家公司，分两组，每组33家。破产组（组1）包含了从1946年到1965年申请破产的33家制造业公司。考虑到无论是从行业还是从资产规模进行比较，这些公司的差别都较大。因此，在选择非破产组（组2）时，Altman采用了分层随机抽样的方式对应选择了另外33家在1996年仍在经营的未破产的制造业企业。每层样本的设计主要考虑了行业和规模因素，样本中剔除了小公司（总资产100万以下）和超大型公司，因为小公司的报表数据不全，而超大型公司的破产概率较小，不适于用来做普遍意义上的预测模型。 Altman共选择了22个可能有用的财务比率分五大类（流动性、获利能力、财务杠杆、偿债能力和活动性）进行研究。选择原则是该比率在以前研究中出现的频率和其与研究问题的潜在相关性。Altman经过因素分析最终找出最具解释力的五个财务指标，建立的判别函数模型如下：Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 0.99X5 X1：营运资金/总资产=(流动资产-流动负债)/ 总资产X2：留存收益/ 总资产=(股东权益合计 股本)/ 总资产X3：息税前利润/ 总资产=(税前利润+ 财务费用)/ 总资产X4:股权市价总值/总负债=(每股市价流通股数+ 每股净资产非流通股数)/ 总负债X5:销售收入/总资产=主营业务收入/总资产。根据对过去经营失败企业统计数据的分析，Altman得出经验性临界数据值判断企业破产的临界值：如果值大于2.675，则表示企业的财务状况、经营状况良好，发生破产的可能性小；如果值小于1.81，则表明企业正处于破产的边缘；如果值在1.812.675之间，则表明企业的财务及经营极不稳定，被称为“灰色地带”。通过计算，观察某个企业连续若干年的值大小，就能发现企业发生财务危机的先兆。第3章 实证研究3.1 研究假设根据Z-score模型，ST公司具有较大的财务风险，Z值应小于1.81；Z值大于2.675的公司，不具有财务风险。若计算结果符合以上论述，则Z-score模型适用于我国公司；若有一条不符，则不适用。3.2 样本选取与研究设计3.2.1 样本的选择 本文从深市的808只A股股票和沪市的888只A股股票共1696只股票中，剔除了数据不完整的样本后，从剩下的股票中随机抽取了60只股票为样本，其中包括ST公司和非ST公司各30只。数据来源来自最股网。 3.2.2 数据来源上市公司2008年、2009年和2010年的年报数据。 3.2.3 指标设定本文采用多元分析方法。多元分析是将几个指标综合起来，反映企业总体财务状况，预测财务危机。多元分析选择相对较简单、且数据易于获取，并且在实际中应用较广，国际上也较为流行Altman的Z-score模型。Z-score模型的判别函数如下所示：Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 0.99