孫慶文 盧剛

【摘? 要】醫(yī)藥制造行業(yè)是高技術密集的行業(yè)，具有高投入、高產出、高風險、高技術的特點，被國家作為重點產業(yè)。因行業(yè)發(fā)展速度較快，醫(yī)藥行業(yè)企業(yè)普遍需要信貸資金支持，商業(yè)銀行對醫(yī)藥制造業(yè)行業(yè)客戶選擇的研究十分必要。論文采用Z值模型及Z值改進模型對2015-2019年國內168家上市醫(yī)藥公司的數據進行分析、研究，得知Z值改進模型更適用于醫(yī)藥制造業(yè)客戶選擇，并提出高度警惕高負債企業(yè)、加大創(chuàng)新型企業(yè)支持力度等5條醫(yī)藥制造業(yè)上市公司客戶選擇建議。

【Abstract】Pharmaceutical manufacturing industry is a high-tech intensive industry， with the characteristics of high investment， high output， high risk and high technology， and is regarded as a key industry by the state. Due to the rapid development of the industry， pharmaceutical industry enterprises generally need credit fund support， so it is very necessary for commercial banks to study the customer selection of pharmaceutical manufacturing industry. This paper uses Z value model and improved Z value model to analyze and study the data of 168 domestic listed pharmaceutical companies from 2015 to 2019. It is concluded that the improved Z value model is more suitable for customer selection in pharmaceutical manufacturing industry， and five suggestions on customer selection for listed pharmaceutical manufacturing companies， such as highly alert to high-debt enterprises and increasing support for innovative enterprises， are put forward.

【關鍵詞】客戶選擇;醫(yī)藥制造業(yè);Z值模型;Z值改進模型

【Keywords】customer selection; pharmaceutical manufacturing industry; Z value model; improved Z value model

【中圖分類號】F274;F426? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2021）10-0085-03

1 引言

為判別醫(yī)藥行業(yè)財務風險，選擇財務狀況較好的企業(yè)，有很多學者進行了有益的嘗試。楊雪燕、殷實等（2016）[1]以1988-2013年間143家醫(yī)藥上市企業(yè)財務數據為研究樣本運用逐步回歸方法驗證Z值影響因素，得出醫(yī)藥行業(yè)財務狀況整體較好，但部分企業(yè)財務狀況較差的結論。楊凡、卞鷹（2020）[2]以38家中藥上市企業(yè)財務數據為研究樣本運用Z值模型及面板分析工具，得出公司年限、有形資產率等指標為反映企業(yè)財務狀況的正向指標。趙悅（2020）[3]以2017-2019年40家醫(yī)藥企業(yè)的財務數據為研究樣本，運用Z值模型得出醫(yī)藥制造業(yè)整體財務欠佳的結論。

本文在前人研究基礎上，運用Z值及改進模型分析醫(yī)藥制造業(yè)上市企業(yè)財務風險，辨別Z值及Z值改進模型對財務風險判斷的準確性，確定適合作為商業(yè)銀行選擇醫(yī)藥制造業(yè)上市公司客戶的模型，并從商業(yè)銀行客戶選擇角度提出相應金融服務建議。

2 Z值及改進模型簡介

2.1 Z值模型

1968年Edward Altman提出了Z值模型[4]，主要用于破產預測。Edward運用數理統(tǒng)計中的辨別分析技術研究1946-1965年規(guī)模相近的33家企業(yè)破產原因與財務指標之間的相關性，篩選出了5個能夠顯著反映借款人財務狀況、最具有預測或者分析價值的指標，設計出了一個能夠最大限度預測財務失敗或者企業(yè)破產的判斷函數，也用于區(qū)分貸款風險程度。

Z值模型的判斷函數為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中：X1的計算公式為營運資本/總資產;X2的計算公式為留存收益/資產總額;X3的計算公式為息稅前利潤/資產總額;X4的計算公式為股權市值/總負債;X5的計算公式為銷售收入/總資產。

Z值模型的判斷標準為：如Z值>2.99，公司財務狀況較好，破產危機較小;1.81

2.2 Z值改進模型

Z值改進模型由張玲于2000年提出[5]，在原有Z值模型的基礎上進行了改進。張玲運用數理統(tǒng)計中的判別分析法對國內滬、深兩交易所14個行業(yè)中共計120家ST/非ST上市公司進行了研究，選擇出了4個能夠顯著反映財務危機的財務比率指標，構建了4個變量的判斷函數，用于評價公司財務狀況及危機預警。

Z值改進模型的判別函數為：Z=0.517-0.46X1-0.388X2+9.32X3+1.158X4

其中：X1的計算公式為負債總額/總資產;X2的計算公式為營運資金/總資產;X3的計算公式為凈利潤/平均總資產;X4的計算公式為留成收益/總資產，其中留成收益為未分配利潤與盈余公積的和。

Z值改進模型的判斷標準為：如Z值>0.5，公司財務狀況良好，倒閉風險較低;如Z值<0.5，公司財務狀況較差，倒閉風險較高。

3 樣本選擇及實證分析

3.1 樣本選擇及數據來源

本文選擇的研究樣本是國內168家上市醫(yī)藥公司（非ST公司159家，ST公司9家）2015-2019年5年間的財務數據，并據此分別計算出Z值、Z值改進模型的Z值得分，比較2種模型的準確性。

本文研究樣本的數據來源為國泰安（CSMAR）數據庫。

3.2 Z值模型判斷準確性分析

Z值模型計算結果中：2015-2019年之間的非ST處于安全區(qū)的比重如表1所示，5年間非ST公司處于安全區(qū)的個數為451個，占樣本總數的56.73%;2015-2019年之間的ST處于危機區(qū)的比重如表1所示，5年間ST公司處于危機區(qū)的個數為25個，占樣本總數的55.56%。

3.3 Z值改進模型判斷準確性分析

Z值改進模型計算結果中：2015-2019年之間的非ST處于安全區(qū)的比重如表2所示，5年間非ST公司處于安全區(qū)的個數為695個，占樣本總數的87.42%%;2015-2019年之間的ST處于危機區(qū)的比重如表2所示，5年間ST公司處于危機區(qū)的個數為19個，占樣本總數的42.22%。

3.4 Z實證分析結果

3.4.1 Z值模型

根據實證分析結果及客戶真實財務狀況情況相對比，客戶實際狀態(tài)被Z值模型準確或誤判的具體情況如表3所示。

根據客戶狀態(tài)判別準確率的公式[6]，Z值模型判別正確率的計算公式為：

正確率=? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

將表3中Z值模型判別客戶實際狀態(tài)正確的值代入公式（1）可得：

Z值模型對2015-2019年間國內168家上市醫(yī)藥公司財務狀況判斷準確率分別為63.29%、63.92%、57.59%、60.13%、56.33%，準確率較低。

3.4.2 Z值改進模型

根據實證分析結果及客戶真實財務狀況情況相對比，客戶實際狀態(tài)被Z值改進模型準確或誤判的具體情況如表4所示。

將表4中Z值改進模型判別客戶實際狀態(tài)正確的值代入公式（1）可得：

Z值改進模型對2015-2019年間國內168家上市醫(yī)藥公司財務狀況判斷準確率分別為90.51%、93.67%、91.77%、90.51%、85.44%，準確率較高。

綜上，Z值改進模型對醫(yī)藥制造業(yè)上市公司客戶財務狀況判別準確率較高，適合商業(yè)銀行作為醫(yī)藥制造業(yè)上市公司信貸客戶選擇模型。

4 Z值改進模型X值描述統(tǒng)計

根據Z值改進模型對2015-2019年間醫(yī)藥制造業(yè)財務狀況風險測量結果可知，醫(yī)藥制造業(yè)企業(yè)發(fā)生財務危機的可能性不斷增大。通過描述統(tǒng)計2015-2019年間Z值改進模型X值的變化情況分析產生財務風險的具體原因。

最大值變化趨勢如圖1所示。最小值變化趨勢如圖2所示。平均值變化趨勢如圖3所示。標準差變化趨勢如圖4所示。

由圖1～圖4可知，X值整體平均值較低，2015-2019年間，X1的最小值、平均值穩(wěn)中有升，標準差變化比較平緩，表明該行業(yè)的整體負債率有所提升，且企業(yè)間負債增加的差異較小，應重點關注資產負債率較高的企業(yè)。X2的最大值變化較為平緩，最小值波動較大，平均值穩(wěn)中有降，標準差有所下降，表明該行業(yè)整體營運能力有所下降，底部企業(yè)營運資金周轉較為緊張。X3的最大值、最小值穩(wěn)中有降，平均值一直處于較低水平，標準差穩(wěn)中有升，表明該行業(yè)盈利水平下降，利潤空間逐步壓縮。X4的最大值、平均值較為平緩，最小值穩(wěn)中有升，標準差穩(wěn)中有降，表明該行業(yè)整體有利潤留存。

5 商業(yè)銀行醫(yī)藥制造業(yè)上市公司客戶選擇建議

根據Z值改進模型X值描述統(tǒng)計可知，醫(yī)藥制造業(yè)整體財務狀況較差，公司出現(xiàn)財務危機的可能性逐年增加，所以商業(yè)銀行在醫(yī)藥制造業(yè)上市公司客戶選擇過程中應高度關注其財務風險問題并注重挖掘業(yè)務機會。

5.1 高度警惕高負債企業(yè)

由X1、X2分析結果可知，醫(yī)藥制造業(yè)企業(yè)的資產負債率逐年提升，營運能力有所下降。在此背景下，部分高負債率的底部企業(yè)易產生因營運資金不足導致資金鏈斷裂，生產無以為繼，出現(xiàn)資不抵債的現(xiàn)象，商業(yè)銀行在選擇信貸客戶時應引起高度關注。

5.2 加大創(chuàng)新型企業(yè)支持力度

由X3分析結果可知，傳統(tǒng)醫(yī)藥制造業(yè)的利潤空間在逐步壓縮，商業(yè)銀行可加大對該行業(yè)創(chuàng)新企業(yè)的支持力度。創(chuàng)新行業(yè)的發(fā)展特性決定著其對資金、技術和市場等有較高的內在要求，同時，創(chuàng)新型企業(yè)利潤水平較高，如企業(yè)存在盤活既有高額投資產品，并用于彌補新產品研發(fā)的多方面需求，可以基于知識產權等核心資產，由商業(yè)銀行通過投資銀行、信貸等多種方式給予支持。

5.3 加強與頭部重點客戶的資本市場合作

由X2、X4可知，醫(yī)藥制造業(yè)頭部重點客戶的營運資金充裕，且留存收益有所提升，客戶營運能力、償債能力穩(wěn)中有升，可重點營銷。商業(yè)銀行可以結合醫(yī)藥制造行業(yè)有關政策對符合條件并有意向資本市場融資的頭部重點客戶提供支持。在抗疫期間，針對該領域企業(yè)的債券融資扶持政策可顯著緩解醫(yī)藥行業(yè)相關企業(yè)的債務到期與再融資壓力，商業(yè)銀行可借助此次降成本與調整債務結構的有利契機，加大對上市醫(yī)藥企業(yè)的營銷力度。

5.4 關注和挖掘科創(chuàng)板等上市需求

2018年香港交易所向未盈利的生物醫(yī)藥企業(yè)開通綠色上市通道。截至2019年7月末，包括歌禮、百濟神州、華領醫(yī)藥等8家企業(yè)均成功登陸港交所。2019年7月，科創(chuàng)板開閘，心脈醫(yī)療、南微醫(yī)學成為首批登陸科創(chuàng)板的醫(yī)藥股。商業(yè)銀行可整合自身客戶優(yōu)勢和渠道優(yōu)勢，積極關注、挖掘轄內醫(yī)藥行業(yè)優(yōu)質公司或集團下屬優(yōu)質企業(yè)的上市需求。

5.5 運用Z值改進模型進行醫(yī)藥制造業(yè)上市公司客戶選擇

根據實證分析可知，相較于Z值模型，Z值改進模型對醫(yī)藥制造業(yè)上市公司的財務狀況判斷準確性更高。因此，商業(yè)銀行可運用Z值改進模型對醫(yī)藥制造業(yè)上市公司進行客戶選擇，將相關指標代入Z值改進模型，若Z值大于0.6，則財務狀況較好，可以選擇為其提供信貸支持;若Z值在0.5至0.6之間，則企業(yè)財務狀況處于危機邊緣，需謹慎進行分析判斷，審慎支持客戶的融資需求;若Z值小于0.5，則企業(yè)財務狀況處于危機狀態(tài)，應拒絕為企業(yè)提供信貸支持。

【參考文獻】

【1】楊雪燕，殷實，卞鷹.利用Z值模型評價我國醫(yī)藥上市公司財務狀況的實證研究[J].中國藥房，2016，27（07）：865-868.

【2】楊凡，卞鷹.中藥上市企業(yè)財務風險現(xiàn)狀及其影響因素分析[J].中國藥業(yè)，2020，29（08）：56-60.

【3】趙悅.基于Z值模型的醫(yī)藥制造業(yè)上市公司財務風險評價研究[J].廣西質量監(jiān)督導報，2020（10）：125-126.

【4】Altman E I. Financial Ratios， Discriminant Analysis andthe Prediction of Corporate Bankruptcy[J].The Journal of Fi-nance，1968，23（4）：589-609.

【5】張玲.財務危機預警分析判別模型及其應用[J].預測，2000（06）：38-40.

【6】張奇，胡藍藝，王玨.基于Logit與SVM的銀行業(yè)信用風險預警模型研究[J].系統(tǒng)工程理論與實踐，2015，35（7）：1784-1790.