陳珍靜

【摘要】經(jīng)濟全球化下，跨國企業(yè)的涌入搶占了我國企業(yè)部分原有市場，使我國企業(yè)特別是上市公司極易陷入財務危機，不僅給企業(yè)利益相關(guān)者帶來損失，更會制約資本市場的穩(wěn)定發(fā)展。因此，企業(yè)應盡早發(fā)現(xiàn)財務危機并避免可能發(fā)生的不良后果，而財務危機預警系統(tǒng)的核心為財務預警模型。本文根據(jù)Z-score模型在交通運輸設(shè)備制造業(yè)財務預警中的實證分析結(jié)果，對該模型進行了改進，以使其更適用于我國上市公司。

【關(guān)鍵詞】Z-score模型 財務預警 交通運輸設(shè)備制造業(yè)

一、模型的選擇與構(gòu)建

西方學者從20世紀30年代開始就對企業(yè)財務預警問題進行研究，提出了各種不同的財務預警方法和模型，一般分為定性預警分析和定量預警模式。定性預警模式已有的并廣為接受的方法主要包括標準化調(diào)查法、管理評分法等。定量財務預警分析模式根據(jù)所選擇的研究變量的數(shù)量區(qū)別，主要有單變量模型和多變量模型。但定性分析主觀性過強，單變量模型反映的內(nèi)容有限，所預測的結(jié)果沒有多變量模型可靠，因此國外學者趨向于多變量方法的研究。多變量模型主要包括：Z-score模型、小企業(yè)財務危機預警模型、邏輯回歸模型（Logit）、多元概率比回歸模型（Probit）、現(xiàn)金流量模型、人工神經(jīng)網(wǎng)絡(luò)模型（ANN）等。

本文將選擇Z-score模型進行實證分析，原因如下：（1）所選取的樣本為上市公司，是有一定規(guī)模的大企業(yè)，所以排除了小企業(yè)財務危機預警模型；（2）邏輯回歸模型（Logit）和多元概率比回歸模型（Probit）需要大量的樣本，本文所研究的樣本數(shù)量有限，并不符合其要求；（3）人工神經(jīng)網(wǎng)絡(luò)模型（ANN）是90年代新興財務預警方法，操作極其復雜，使用成本高，且預測結(jié)果穩(wěn)定性較差。（4）Z-score模型獲得廣泛認同，計算較簡單，所需樣本量少于其他模型，適合用于本文的實證分析。

Z-score模型是由Altman（1968）以美國企業(yè)為樣本得出的模型，其第1個模型適用于制造業(yè)上市公司，具體如下：

Z=1.2 X1+1.4 X2+3.3 X3+0.6 X4+0.99 X5

其中，

X1=流動資本/資產(chǎn)總額=（流動資產(chǎn)-流動負債）/資產(chǎn)總額

X2=留存資本/資產(chǎn)總額=（盈余公積+未分配利潤）/資產(chǎn)總額

X3=息稅前收益/資產(chǎn)總額=（利潤總額+利息費用）/資產(chǎn)總額

X4=權(quán)益市場價值/負債賬面價值總額

X5=銷售收入/資產(chǎn)總額

由于我國的利息費用不單獨列示在會計報表中，而是包含于財務費用中，但利息費用一般占其絕大部分，因而本文用財務費用代替利息費用。此外，我國除了流通股，還存在非流通股。因此，本文對權(quán)益市場價值的核算分為流通股市場價值和非流通股市場價值兩部分，并用每股市價乘以流通股數(shù)代替前者，每股凈資產(chǎn)與非流通股數(shù)的乘積代替后者。

二、Z-score模型在交通運輸設(shè)備制造業(yè)財務預警適用性的實證分析

（一）樣本選取

我國上市公司破產(chǎn)的可能性很小，退出市場機制不完善，也沒有其他顯著信號可以證實企業(yè)發(fā)生財務危機，因此本文以“ST”作為財務危機的信號，即以2008年上市公司股票簡稱為依據(jù)，判斷其是否發(fā)生財務危機。

本文選取數(shù)量較多的交通運輸設(shè)備制造業(yè)上市公司為研究對象，選取2004年至2007年即ST公司虧損年及其前3年為研究期間，去除研究期間信息缺失的公司，剩余60家研究樣本。其中，ST組有9家，非ST組有51家。

（二）模型適用性分析

將研究樣本的各項數(shù)據(jù)指標代入Z-score模型，可以得到研究期間的Z值，本文將通過模型臨界點對比、Z值平均值對比、指標平均值對比3方面探討模型的適用性。

1.根據(jù)Z-score模型臨界點對比

Altman認為，2.675是Z值的臨界點，Z值大于2.675，表示企業(yè)財務狀況良好；Z值低于2.675的企業(yè)被認為是具有財務危機的企業(yè)。Z值小于1.81，為破產(chǎn)企業(yè)；Z值介于1.81和2.675之間，則說明企業(yè)已經(jīng)存在財務危機，Altman稱之為“灰色地帶”。ST組和非ST組Z值分布情況分別如表1和表2所示。

由表1和表2可知，ST組上市公司的Z值大多小于1.81，非ST組大部分上市公司的Z值都大于1.81。這表示按照Altman的臨界點分類，該模型具有一定的適用性。

但是，對于該模型對財務危機預測的準確性，卻存在以下情況：2007年即財務危機當年，ST組財務危機預測的準確率為55.56%，低于前3年的準確率；非ST組財務危機預測的準確率則較高，而往年的預測水平卻遠遠低于應有水準。這說明，該模型不適合所選樣本，或者一些非ST樣本企業(yè)存在很大的財務隱患。

總之，根據(jù)Altman所定的原有臨界點來判斷我國交通運輸設(shè)備制造業(yè)上市公司的財務狀況，大致只有50%的預測準確率，該結(jié)果并不理想，應從其他角度驗證。

2.根據(jù)Z值平均值對比

為進一步判斷Z-score模型的適用性，本文將ST組和非ST組的Z值平均值進行對比，具體如表3所示。

由表3可知，在研究期間，ST組的Z值平均值遠遠小于非ST組，且兩組平均值存在明顯差異，這充分說明Z值對預測企業(yè)財務危機的可靠性。

此外，非ST組在2007年的Z值平均值大于2.675，2006年至2004年的Z值也都大于1.81，即沒有被判定為破產(chǎn)；而ST組各年的Z值平均值均小于0，顯然都可被判為破產(chǎn)，這說明，Altman定義的臨界點在整體判定上存在有效性，但在對個體的判定上存在較大誤差。同時也說明樣本行業(yè)上市公司Z值的標準差較大，即各公司間的Z值相差較大。這可能由于樣本行業(yè)的特殊性或我國資本市場的不完善而導致。

3.根據(jù)指標平均值對比

根據(jù)上述分析，已確定ST組和非ST組的Z值平均數(shù)有顯著不同，但無法用Altman的臨界點對企業(yè)個體進行區(qū)別，所以本文進一步通過分析模型各個指標的平均值進行對比。ST組和非ST組各個指標的平均值如表4所示。

由表4可知，X1、X2、X3這3個指標在ST組和非ST組間的差別較大，尤其是X3，而X4、X5這兩個指標的差別較小。除了X4以外，其他4個指標均反映出ST組和非ST組在財務風險上的區(qū)別，說明該指標對上市公司財務預警的重要性。

4.模型適用性分析

基于上述分析，Altman為Z-score模型設(shè)定的臨界點對我國上市公司財務預警的預測準確率為50%左右，并不理想。究其原因，可能有以下幾點：

第一，我國和美國在證券市場制度等方面有很大差別，而且該模型的提出距今已有40多年，市場已發(fā)生了巨大的變化，模型中的某些數(shù)據(jù)可能有定義上的分歧，臨界值也可能會不適用。

第二，Altman選取了多個行業(yè)的企業(yè)共同推導模型，而不同行業(yè)的財務指標標準可能有很大差別。本文則只選擇了交通運輸設(shè)備制造業(yè)，那么模型的因素、臨界點等都可能已發(fā)生變化。

第三，交通運輸設(shè)備制造業(yè)涉及的范圍很廣，包括鐵路運輸設(shè)備制造業(yè)、汽車制造業(yè)、交通運輸設(shè)備修理業(yè)等九種子行業(yè)，各子行業(yè)間的水平有較大差距，這有可能導致研究樣本Z值的差距較大。