SCORE

SCORE（精选7篇）

SCORE 篇1

摘要：本文在说明企业财务预警必要性、功能的基础上, 具体阐述了Z—Score模型。最后, 用事例说明了该模型在财务预警中的可行性。

关键词：Z—Score模型,财务预警,预警指标

一、引言

经营者要为企业长期发展作长远考虑, 投资者要为投出资金的风险进行监测, 债权人则要依据财务风险的大小决定其信贷政策。当企业出现危机时, 虽然可以采用资产重组等善后方法, 但是, 都会使投资者和债权人的利益受到损害。因此, 用Z—Score模型 (多变量预警模型) 对企业的财务作出及时预警, 使企业的投资者和管理者提前发现企业财务恶化的信号, 一旦企业的财务状况出现危机, 就能及时发现, 并采取有效的措施, 从而使企业经营避免陷入困境。

二、财务预警的概述

财务预警是以企业的财务报表, 经营计划及其他相关的财务资料为依据, 利用财会、金融、企业管理、市场营销、经济学等理论, 采用比例分析、比率分析、比较分析、数学模型等方法, 发现企业存在的财务风险, 并向经营者预先示警。财务预警作为一种诊断工具, 其灵敏度越高就能越早发现问题, 从而回避财务危机的发生。

1.监测功能。

就是对预定的目标、计划、标准进行比较, 对企业营运状况做出预测, 找出偏差, 并分析产生偏差的原因和存在的问题, 当危及企业财务的关键性因素出现时, 让企业经营者早日寻求对策以减少财务损失。

2.财务诊断功能。

它是财务预警体系重要的功能之一, 是根据监测、跟踪的结果, 运用现代企业管理技术, 企业诊断技术, 财务分析方法等对企业营运状况的优劣做出判断, 找出企业运行中的弊端及其病根的所在。

3.财务治疗功能。

在监测诊断的基础上, 识别病根, 对症下药, 更正企业营运中的偏差或过失, 使企业恢复正常的运转轨道, 一旦发现财务危机, 经营者就要通过内部挖潜或积极寻求外部财源来阻止财务危机继续恶化。

4.辅助决策功能。

通过财务预警及时为企业高层提供决策所需信息, 保证决策的科学性和可行性。

5.财务保健功能。

通过财务预警分析, 企业应系统而详细地记录财务危机发生的缘由, 以及处理反馈与改进建议, 作为未来类似情况的前车之鉴, 这样将企业纠正偏差与过失的一些经验、教训转化成企业管理活动的规范, 以免重犯类似的错误, 不断增加企业的“免疫”功能。

三、Z—Score模型的描述

在财务预警模型中, 有单变量预警模型、多变量预警模型, Z—Score模型是多变量财务预警模型的主要分析方法。Z—Score模型是美国爱德华·阿尔曼在20世纪60年代将多元线性判别方法引入财务预警领域, 1968年他根据统计结果提出了运用五项财务比率的加权平均数建立财务预警模型, 模型的表达式如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

其中, Z为判别函数值;X1=营运资金/资产总额。它反映了企业资产折现力和规模特征;一个持续亏损的企业必定表现出X1的不断减少。X2=留存收益/资产总额。它反映了企业的累积获利能力, 该比率越大, 说明企业抗风险的能力越强。X3=息前税后收益/资产总额。即资产利润率。它反映了企业的盈利能力水平, 通常是衡量企业财务失败的最有力依据之一。X4=普通股和优先股市场价值总额/负债账面价值总额。它衡量企业的资本结构, 反映了企业的价值和承担的债务之间的关系。X5=销售收入/资产总额, 即总资产周转率。它反映了企业的资产利用效率, 并可推定其在竞争条件下的有效经营能力。

阿尔曼通过对Z-Score模型的进一步研究得出:Z值越低, 企业发生财务危机的可能性就越大。在此基础上, 提出了判断企业财务失败或破产的临界值, 企业的临界Z值为1.8, 具体判断标准如表1所示:

阿尔曼以1946～1965年间提出破产申请的33家企业和相对应的33家非破产企业为样本检验之后发现, 它正确预测了这66家企业中63家企业的结果, 其预测的成功率达95%。尽管Z值的判断标准在各国有相当的差异, 但各国“财务失败组”的Z值均明显低于“财务不失败组”, 且财务失败企业的Z值的平均值都低于临界值1.8。这说明多变量Z-Score预警模型在预测企业财务运行状况中的作用。

四、用Z-Score预警模型验证具体事例

以某上市X公司为例来验证Z—Score模型的运用。“X公司"于2005年底被宣布为特别处理公司 (财务失败公司) , 所以距离特别处理1年以上的最近会计年度报表是2004年度的。其2004年12月31日的报表部分资料如下:

资料来源:某会计师事务所 (笔者整理)

资料来源:某会计师事务所 (笔者整理)

资料来源:某会计师事务所 (笔者整理)

由上表可以计算出股东权益市场价值为;

9 216×10 000+4 800×10 000×6.76=416 640 000

X公司Z值计算结果

其中:X公司2004年12月31日:销售收入 85 989 835.10;息前税后利润 -9 768 369.02

前面已列出:当Z值≤1.8时, 则说明企业财务失败的可能性非常大, X公司的Z值正好落在此范围内。

通过上述模型的运用, 可以清楚地看到Z-Score模型预警模型对该公司的有效性, 预警模型显示出它在2004年时生产经营已存在严重困难, 2004年预警的结果在2005年得到了事实的证明。所以, 需要及时准确地对财务状况预测, 使企业经营避免陷入困境。

五、结论

该模型能提供给投资者更多的预测性, 投资者能早期得到企业陷入困境的警告, 及早做出的决策, 规避风险;还可以帮助企业做出信用决策, 并对应收账款进行控制, 同时银行可以利用该模型帮助做出贷款决策, 并进行企业贷款或质押贷款控制。另外, 中小企业信用担保机构也可凭预警信号提醒客户注意, 并提供解决措施和采取行动的方式以帮助客户避免危机的发生。

当然在运用该模型时要注意它的普遍性和企业情况的特殊性, 要将该模型与其它模型综合运用, 避免出现判断的误差。

参考文献

[1]陈嘉莉.中小企业如何构建财务风险预警机制[J].财会研究, 2007 (12) :52-53.

[2]余绪缨.企业理财学[M].辽宁:辽宁人民出版社, 2002.

[3]朱辛华.试论建立企业财务系统预警系统[J].广西会计, 2003 (2) :4-5.

[4]程涛.企业财务预警系统研究[J].财会月刊, 2003:8-9.

[5]胡凯, 康超.企业财务预警问题的理论思考[J].财会研究, 2003 (6) :47-48.

[6]苗润生.公司财务预警系统研究[J].中央财经大学学报, 2003 (8) :47-51.

[7]李小青, 董权.企业财务预警系统及定量分析探讨[J].会计之友, 2002 (1) :28-29.

[8]谢艳云, 张彤.财务预警系统初探[J].黑龙江财会, 2003 (4) :15-16.

[9]谢赤, 罗长青.财务困境预警SVM模型的构建及实证研究[J], 当代经济科学, 2007 (11) :96-100.

SCORE 篇2

(一) 研究综述

财务预警模型最早起源于20世纪30年代的西方经济学界。经过了这些年学者们的不断努力, 财务预警系统日趋完善, 先后出现了单变量判别模型、多元线性判别模型、线性概率分析、逻辑回归分析、人工神经网络模型等。

(1) 国外研究。运用个别财务比率对财务危机进行预测这种做法是由Fitzpatrick于1932年提出的。后来, Beaver在此基础上提出了较为完整的单变量分析法。在众多多元线性判别模型中, 典型代表当属美国阿尔曼教授于1968年建立的Z分数模型, 不但方法简单而且精确度高, 所以这个模型被西方企业一直沿用至今。1980年, Ohlson首先提出条件概率模型。1992年, Salchenberger等使用了人工神经网络模型对金融企业进行了财务失败的判断。Altman、Marco和Varetto (1994) 也使用了这种方法对意大利的企业进行了财务失败的判断。这些研究分析的结果都比线性判别模型的效果要好。更有一些国外学者把两种以上的模型结合使用以建立联合预测模型。如韩国的B.S.Ahn等 (2000) 将粗糙集理论与神经网络方法结合起来, 英国的Feng Yu Lin和Sally Mc Clean (2001) 将四种财务预警的方法结合起来。这些研究的结果表明, 在同等的条件下, 联合多种模型的预测结果会比单一的预测结果好。

(2) 国内研究。相对于国外而言, 国内对财务预警系统的研究起展较慢, 但目前也有不少学者在该领域的研究上取得了一定的成果。周守华等 (1996) 在阿尔曼模型的基础上提出来F分数模型。陈静 (1999) 对财务数据进行了单变量分析和多元线性判别分析。张玲 (2000) 建立的二类线性判别模型获得了超前4年的预测结果。杨保安等 (2001) 建立的人工神经网络模型更是获得了与实际情况基本一致的实验结果。

(二) 财务预警系统相关理论具体包括:

(1) 财务预警系统的含义与构建原则。财务预警是以企业的财务会计信息 (财务报表、经营计划及其他相关会计资料) 为基础, 通过设置并观察一些敏感性财务指标的变化, 而对企业或集团可能或将要面临的财务危机实现预测预报和实时监控的财务分析系统。企业可以运用这个系统分析企业财务状况的现状, 了解企业目前的经营情况, 及时发现问题并得出相应的对策。一个好的财务预警系统应该能及时预知企业的财务危机, 并能凸显导致企业面临财务危机的原因, 使管理者能迅速对问题采取适当的措施, 将危机扼杀在摇篮里, 从根本上防止财务危机的出现, 保证企业健康持续发展。

(2) 财务预警系统的功能。财务预警系统一般具有以下功能:信息收集功能、监测功能、预警功能、诊断功能、治疗功能和免疫功能。要对一件事情进行预测就必须先收集到与其相关的一切资料、所以信息收集工作需要始终贯穿于财务预警的活动中。时刻收集信息并随时对信息作出相应的判断, 就体现了其监测功能。而作为一个预警系统, 其首要功能是能在危机出现前预测危机的到来。通过收集、分析数据, 预警系统能判断出企业财务已经出现的问题和能找到适当的应对措施, 若下次再遇到同样的问题就能很快的得出解决的方法。

二、现有财务预警模型存在的缺陷

(一) 单变量模型存在的缺陷

单变量判别模型只运用了单一的财务比率, 而财务比率的预测方向经常有相当大的差距, 所以容易出现使用不同的财务比率预测会有不同判断结果的现象。再者, 该模型只运用的一个财务比率, 但明显一个财务比率是无法代表企业整体的经营情况的, 而且单一的财务比率很容易受到盈余管理和外部经营环境等的影响。所以, 单变量模型就逐渐被其他模型取代了。

(二) 多变量模型存在的缺陷主要有:

(1) Z分数模型的主要缺陷。第一, 理论基础不足。大量财务预警模型的实证表明, 陷入经营危机的企业基本上都出现了财务危机的征兆。但虽然Z分数模型得到了很多实例验证, 但目前还没有一个完整的理论可以证明财务危机的出现和财务指标低于正常值有必然的联系。而且, 在提出Z分数模型时阿尔曼无法提供选取当中五个指标的依据。第二, 假设很难达到。Z分数模型假设预测变量有着严格服从联合正态分布, 且分组样本间的协方差要相等, 而在现实中这个假设条件很难成立。而且, 一旦预测变量中包含虚拟变量, 假设就不能成立。第三, 忽略了企业的现金流量。Z分数模型是建立在企业的资产负债表和利润表的财务数据之上, 并没有考虑到企业的现金流量表。而许多专家证实, 现金流量比率是预测企业破产的有效变量。第四, 忽略了行业之间的差异。阿尔曼在建立该模型的时候的研究对象是美国的33家制造企业, 研究的行业单一, 不适合笼统的套用在其他行业上。

(2) 其他模型的主要缺陷。线性概率模型的误判率和多元线性模型的判断效果相当。多元逻辑模型计算复杂, 预测精度较低。人工神经网络模型是目前预测精度最高的模型, 但其理论基础比较抽象且建立和运用过程十分复杂, 适用性不强。

三、适合中国国情Z-Scone模型的构建方法

(一) 拟建模型的优点具体如下:

(1) 以数理统计方法弥补理论的不足。虽然现阶段还没有一个完整的理论支撑Z分数模型, 但该模型经过多年的实践检验后仍然被世界各国所接受并加以运用肯定有其存在的合理性。现阶段我们可以运用数理统计软件来推断在我国这两者之间的关系, 所以本文在推断两者之间的关系时运用了SPSS统计软件的非参数统计方法。SPSS 17.0提供了8种非参数检验方式, 而其中的两个独立样本方式适合用于检验本文的数据。

(2) 剔除指标权重的主观性, 解除变量正态分布的限制。国内外学者在进行财务预警系统建模时主要使用两种方法确定指标的权重, 一种是根据专业人员对指标的理解和经验确定其在模型里的影响力;另一种是通过统计分析方法分配权重。本文认为, 目前还没有理论能证明财务指标与财务风险之间的关系, 在还不清楚之间关系时不适宜通过经验确定指标的权重, 所以本文偏重于使用后面一种方法重新确定适合我国情况的指标权重。

(3) 引入现金流量指标。原有的Z分数主要是以资产负债表和利润表的数据计算的, 而在现实中这两个表的数据都很容易受到盈余管理的影响, 导致信息失真, 预测失败。而目前我国的证券市场还处于发展阶段, 法制不是十分健全, 企业有动机也有机会进行盈余管理以获得更多的资金, 所以要建立一个适合我国的财务预警模型有必要加入现金流量指标。

(4) 减少行业差异对模型准确率的影响。大量实证证明, 财务指标具有行业差异。以1985年美国各行业负债比率为例, 具体见表1:

由表1可见, 每个行业正常的资产负债比率是不一样的。公用事业一般都是大型项目, 所以负债率较高是比较正常的, 这并不影响企业的正常运作;而医药的资金周转周期比较短, 所以负债率会相应较低。由此可得, 用同一个负债比来衡量不同的企业的经营状况是不合理的, 建立财务预警模型的时候应该考虑行业之间的差异。我国也会存在同样的问题, 但因为市场条件不一样, 我国肯定不能直接引用国外的数据进行建模, 必须按照我国情况重新设计。

(二) 新建多元线性模型的实证分析具体过程如下:

(1) 样本选择与分组。基于研究数据的易获得性, 本文选择在2010年沪深证券市场A股上市公司中选取研究样本。根据截止到2010年12月31日的统计资料, 沪深两市A股当中一共有64家*ST公司。*ST公司是连续三年亏损, 根据证券市场规定处以退市风险警示的企业, 所以本文将这类公司分到失败组作为样本。再根据*ST公司2009年末在的资产总额规模 (所属行业相同, 资金规模相差不超过10%) 配对相对应的非ST (*ST) 公司作为正常组样本。由于部分*ST公司的资产总额规模太小无法找到合适的配对样本, 所以予以剔除。最后, 本文选定了其中的44家*ST公司和44家非ST (*ST) 公司用来建立判别模型。

(2) 指标选取。具体如下:

第一, 基础指标的确定。本文要建立的财务预警系统拟从偿债能力、盈利能力、营运能力、稳定性能力和资产质量五个方面综合反映企业财务状况。相关指标的选取参照加入了现金流量后的杜邦评价体系, 再参照财务舞弊模型, 在原有的Z分数模型理念之上加入现金流量指标, 使得模型更加完善。

因为本文是在原有的Z分数模型上进行改进的, 所以模型原有的5个指标均列入候选指标中。本文再借鉴了财务舞弊模型和加入了现金流量指标的杜邦分析体系, 选取不容易受盈余管理的指标进行财务预警。所以入选的指标如下:X1=营运资金/资产总额;X2=留存收益/资产总额;X3=息税前利润/资产总额;X4=股东权益的市场价值总额/负债总额;X5=销售收入/资产总额;X6=经营活动现金净流量/ (|经营活动现金净流量|+|投资活动现金净流量|+|筹资活动现金净流量|) ;X7=销售商品提供劳务所收入的现金/主营业务收入净额;X8= (经营活动现金净流量+投资活动现金净流量+筹资活动现金净流量) /资产总额;X9= (经营活动现金净流量—资本支出) /资产总额;X10=| (净利润—经营活动现金净流量) /资产总额|;X11=现金盈利值/净利润;X12=经营活动现金净流量/营业利润;X13=非经常性损益/|利润总额|;X14=自由现金流量/销售收入;X15=自由现金流量/净利润;X16=自由现金流量/营业利润;X17=自由现金流量/股本;X18=自由现金流量/所有者权益;X19=自由现金流量/总资产。

(2) 具体指标的确定。主要如下:

第一, 非参数检验。两个独立样本非参数检验是在对总体分布不是很了解的情况下, 通过分析样本数据, 推断样本来自的两个独立总体分布是否存在显著差异。本文把失败组成员编号为1, 正常组编号为2。在已知分组情况的条件下对88家企业19项指标的值进行非参数检验, 检验两组之间19个指标的数值是否有明显的差异。本文一共选用了四种方法对数据进行检验, 分别为两个独立样本Mann-Whitney U检验、极端反应检验、K-S检验和游程检验。

根据检验结果可得, 四种方法都表明两组之间的X1、X2存在明显差异;其中有三种方法表明两组之间的X4、X8、X13存在明显差异;只有一种方法表明两组之间的X14、X18存在明显差异, 没有方法表明两组之间的X3、X5、X6、X7、X9、X10、X11、X12、X15、X16、X17、X19存在明显差异。

第二, 判别分析。根据上一步的结果, 进入判别分析的变量共有5个, 分别为X1、X2、X4、X8和X13。将预先设置的分组作为依据对5个变量进行判别分析, 观察表2组均值的均等性的检验 (F检测) 中的相伴概率, 只有X4的大于0.05的显著性水平, 其余变量的相伴概率均小于0.05的显著性水平, 为提高模型的正确率需要剔除变量X4, 最终确定纳入建模的变量共有四个, 分别为X1、X2、X8、X13。

(3) 模型构建。剔除X4后对X1、X2、X8、X13再做一次判别分析。见表3, 这次模型的正常组误判率为2.3%, 正确率为97.7%, 模型的综合正确率为78.4%

此时, SPSS得出的判别分析的判别式函数系数 (非标注化) 为表4中X1、X2、X8、X13典型判别式函数非标准化系数, 由此得出判别函数式:

Z=0.5130X1+0.9084X2+1.6560X8-0.1522X13+0.4712

为了方便表示, 这里对变量的编号重新编排, 所以

Z=0.5130X1+0.9084X2+1.6560X3-0.1522X4+0.4712

其中, X1为营运资金/资产总额;X2为留存收益/资产总额;X3为 (经营活动现金净流量+投资活动现金净流量+筹资活动现金净流量) /资产总额;X4为非经常性损益/|利润总额|

本文所有公式中的资产总额都是用年初资产总额和年末资产总额的平均值, 以去除企业在期末进行盈余管理的影响。单项指标比上资产总额后可以在一定程度上消除该变量由于企业资金规模的不一致造成的影响, 增加了不同企业规模之间的可比性。

(4) 确定模型的临界值。本文根据费雪准则的判别原理, 设模型的临界值为Z* (加权平均值)

其中, CK为第K个变量的系数, XK (1) 为第K个变量在第1组 (失败组) 中的平均值, XK (2) 为第K个变量在第2组 (正常组) 中的平均值。

根据表5代入数字计算得, Z*≈0.000039 (结果保留六位小数) , 如表6所示。

(5) 新建模型的检验。为了检验新建模型对我国上市公司的判别效果, 本文将2011年年末的上海证券交易所的市场数据代入新建模型中进行检验。截止至2012年3月12日晚, 已经在上海证券交易所公布2011年年度报表的公司共有153家, 其中与建模时使用的样本所属行业相同的企业有73家。利用上海证券交易所网站的XBRL系统搜集这73家企业的相关财务数据, 分别计算四个变量的值, 然后计算出各自的Z值。

由表7的分析可见, 在73个样本中错判的只有8个, 其余的65个是正确的, 新建模型的正确达到了89.04%, 虽然在判断失败组的正确率不高, 而判断正常组的正确率高达93.44%。在检验时使用的数据中只有四家是*ST公司, 其余都是ST公司 (含一家SST公司) 。ST公司是连续两年亏损而被证券交易所特别处理的企业, 虽然ST公司财务失败的可能性高, 但往往可以通过债务重组或者公司改革等一系列措施扭转企业亏损的局面, 所以很难对其准确判断, 故降低了失败组的判断准确性, 但总体而言, 新模型的正确率还是让人满意的。

四、新建模型在我国运用的局限性

(一) 判断企业财务出现危机标准的局限性

本文中判定*ST公司为失败组, 而非ST公司为正常组, 这个判断标准有一些武断, 因为我国的证券市场现在仍处于发展阶段, 在界定财务危机的标准上设置得还不是很完善。虽然证券交易所会对其挂牌上市的企业的财务状况进行监控, 但事实证明, 在没有被特别处理的企业中存在着企业财务确实出现问题但尚未被披露的企业, 在建模选取样本时若包含了这类企业, 则会影响到模型的正确率。

(二) 未全面考虑影响企业财务状况的因素

本文研究的指标都是从传统的财务指标中选取出来的, 并没有考虑到非财务因素。很多实例证明, 员工素质、管理层的设置、奖惩政策的设置等非财务因素都会对企业的业绩造成影响。以上提到的都只是企业内部因素, 企业的业绩除了受自身的条件影响外还会受到外部因素的影响, 如国家政策、经济环境、法律环境等。如果能考虑得更全面, 也许能提供模型的准确率。

(三) 样本容量与涉及行业的问题

据统计, 沪深两市A股上市公司2009年末共有1860家, 2010年末共有2107家, 而本文建模时所用的样本只有88家, 抽样规模较小, 这就降低了模型的代表性。而样本所涉及的行业从大类上说都是属于工业, 对于判断其他行业上的代表性不足。

(四) 财务数据失真可能性高

SCORE 篇3

一、概述

(一)财务预警的界定。财务预警,是指以企业提供的财务报表等为基础,利用会计、统计、金融、企业管理等理论,采用比率分析、数学建模等方法,对公司是否有能力偿还到期债务作出预判,并将判断结果反馈给公司,以便公司在损失发生之前采取相应措施,规避风险或将损失降低到最小,保证公司的持续发展。

(二)财务预警模型的选择。对于财险公司的财务预警,本文选用Z-score模型。我国学者现有的研究多采用多元逻辑回归模型进行分析,选用Z-score模型作例证分析的较少。另外,我国的保险公司上市企业较少,以非上市公司居多,这较符合Z-score模型的适用范围。

二、财务预警模型的数据选取———以Z-score模型为例

(一)Z-score模型的构建。Z-score模型是纽约大学斯特恩商学院教授、金融经济学家爱德华·奥特曼(Edward Altman)于1968年建立。最初的5变量Z-score模型如下:

其中:X1=运营资金/资产总额,反映公司的资产流动性;X2=留存收益/资产总额,反映公司的累计获利能力;X3=息税前利息/资产总额,反映公司的全部资产获利能力,即盈利能力;X4=权益市场价值/负债总额,反映公司的财务结构;X5=销售收入/负债总额,反映公司的资产周转能力。

之后奥特曼又通过多次修正,给出了针对私营企业的多变数财务模型,模型如下:

其中X1、X2、X3的含义同上,由于是针对非上市的企业,X4=权益的账面值/债务总额的账面值。

该模型的临界值分别为1.10和2.60。如果Z值小于1.10,表明企业将面临破产危机;如果Z值位于1.10—2.60之间,表明企业的经营状况并不乐观,位于灰色区;如果Z值大于2.60,表明企业的财务及运营状况良好,不太可能出现破产问题。

本文将选取Z=6.56X1+3.26X2+6.72X3+1.05X4进行代入测算。

(二)研究对象的选取和数据来源。本文以保监会公示的“2014年财产保险公司原保险保费收入信息”为依据,按照中资、外资保险公司的分配比例及各保险公司市场占有份额,选取中国人民财产保险股份有限公司、中国平安财产保险股份有限公司、中国太平洋财产保险股份有限公司、中国人寿财产保险股份有限公司、中华联合财产保险股份有限公司、天安财产保险股份有限公司、英大泰和财产保险股份有限公司、都邦财产保险股份有限公司、民安财产保险有限公司、渤海财产保险股份有限公司、泰山财产保险股份有限公司、三星财产保险(中国)有限公司、国泰财产保险有限责任公司、东京海上日动火灾保险(中国)有限公司、中意财产保险有限公司、乐爱金财产保险(中国)有限公司、劳合社保险(中国)有限公司,共17家(11家中资,6家外资公司)财产保险公司为研究对象。本文数据来源于中国保险行业协会网站公示的行业数据。

三、财务预警模型的实证分析———以Z-score模型为例

(一)Z值表。根据之前选取的Z值模型,可获取这17家财产保险公司2011年至2013年的Z值表(如表1所示)。对于保险公司而言,偿付能力充足率是监管部门最主要的监管指标,因此,在Z值表中,加入一列,显示当年该保险公司的偿付能力充足率,以与前面的Z值相验证。

(二)对Z值的分析。

1.整体概况。

(1)大多数保险公司的Z值均低于临界值。综合2011、2012、2013三年的Z值数据,笔者所选17家产险公司的Z值绝大部分小于临界值1.10,且Z为负值的情况居多,只有三星、东京海上、乐爱金三家公司的Z值位于1.10和2.60之间或大于2.60(见下页表2)。数据反映出多数产险公司面临危机,即这些企业的财务经营状况并不乐观。

!" # $%&’()*+,-./012345.6789:;- <=./0>;?@ AB%CDEFGH I J KL MNOP QRSTUVWX YZ[%

模型变量因子数据方面,X1、X2、X3这三组数据中负值的占比也很大,说明就研究对象整体而言,这些企业的资产流动性、累计获利能力、盈利能力较差。而X4这组数据相对理想,几乎全都大于0,且均值在0.45(剔除“锦泰财险”)左右,说明这些企业的财务结构还是较为稳定的。

(2)Z值与偿付能力充足率有一定的相关性。从表2可以看出,多数保险公司的Z值与偿付能力充足率有一定的相关性,即当Z值增加时,偿付能力充足率也会有所增加;反之,当Z值减小时,偿付能力充足率也会有所减小。虽然Z值反映出这些保险公司的经营状况令人堪忧,但其三年的偿付能力充足率都基本符合国家要求。

2.单项分析。

(1)外资财险公司Z值整体优于中资。模型变量因子方面,X1、X2、X4这三组数据中资产险公司均低于外资产险公司,说明中资企业在资产流动性、累计获利能力、财务结构方面与外资企业还存在差距(见表3)。而X3,即公司的盈利能力方面,中资产险公司的表现要优于外资产险公司。

从表4可以看出,在三年研究范围内,有约91%的中资产险公司Z值≤1.10,面临破产危机。而外资产险公司Z值≤1.10的占比情况则相对乐观,前两年有约50%的企业Z值≤1.10,面临财务困境,2013年这一比率下降为33%。可见,17家研究对象中,外资企业的财务经营状况要好于中资产险公司。

“三年偿付能力充足率均值”方面,该组数据中资产险公司要低于外资产险公司,这也反映出外资产险公司的财务经营情况要优于中资产险公司。

中、外资产险公司的差别主要体现在经营理念、运营模式等方面,且外资企业在保险经营方面的历史经验要比本土企业丰富得多,面对相同的市场氛围、客户群体,外资产险公司的经营成果是值得肯定和借鉴的。

(2)大财险公司Z值略高于小财险公司。本文在所研究的17家财产保险公司中选取占原保险保费收入份额最多的前三家公司(人保财险、平安财险、太保财险)和占份额较少的三家中资公司(英大财险、渤海保险、民安保险,以下简称“三中资”)、三家外资公司(东京海上、中意财险、乐爱金,以下简称“三外资”)进行比较(如表5所示)。

模型变量因子数据方面,占保费收入份额最大的三家公司的X2、X3均值最高,说明其累计获利能力、盈利能力相对较好。而三家占市场份额较低的中资公司则与其形成鲜明对比,在上述两方面表现最差。另三家占市场份额较低的外资公司四因子的综合实力较强,X1、X4的均值均领先中资公司,以X1均值的领先程度尤为突出,说明外资公司的资产流动性较高。

"#$%&’()*+,-./ 012!

保费市场份额占比较大公司的Z值要略高于占比较小的中资公司,但占比小的外资公司还有很大差距。说明在中资企业中,市场占额对公司财务运营状况有一定影响,一般来说市场占额大的产险公司对目标客户群体的吸引力要大于占额小的产险公司,而客户群体的增加能使更多的资金流入公司,这也就意味着企业有更多的流动资金可用于理财投资等财务安排,由此为企业带来更多的收入,改善财务状况。但市场份额占比最小的外资公司在Z值和偿付能力充足率的数值上都遥遥领先于中资公司,可见市场份额并不是影响企业经营状况好坏的决定因素,只有提高公司各方面运营机制的综合能力才能实现利润最大化的目标。

值得注意的是,即使外资公司的Z值最高,但其仍处在Z-score模型给出的灰色区域,说明我国整体产险行业的财务状况令人堪忧。

(3)上市公司与非上市公司比较。从下页表6可以看出,中资上市公司的X2、X3均值都大于中资非上市公司,说明上市公司在累计获利能力、盈利能力方面优于非上市公司。而在X1、X4均值方面,非上市公司的数值略高于上市公司,但两者差距不大。

综合考虑四个模型变量因子,上市公司的整体情况较好,Z值也反映出相同的结果。说明中资产险企业中,上市公司的财务运营状况比非上市公司好。上市公司多为资产雄厚、经营状况良好、连续盈利的大型企业,因此上市公司在产险行业占据领先优势是符合常理的。但即便如此,Z值的负数现象仍然不容忽视。Z值低于模型下限说明我国中资公司在财务管理上存在很大问题,保费收入的高低并不能全面反映公司的运营状况,这一点值得关注。

从下页表6可以看出,虽然非上市中资公司的财务状况不如上市公司,但其偿付能力充足率高于上市企业,两者的整体经营情况各有千秋,是可以相互借鉴改善的。

四、Z-score模型对我国财险公司财务预警的验证

从前文数据可看出,我国财险公司无论公司规模、中资或外资、上市与非上市等,Z-score模型下的Z值总体偏低。而财险业却在2009—2014年期间的年均增长率超过20%。这种现象与Z值总体偏低是否相悖?

但从2011年至2013年保险公司的经营状况看,Z-score模型下的Z值与实际较为吻合。2011年,52家非上市财险公司中有23家公司出现亏损现象,共计亏损20.5亿元;20家外资财险公司中仅有5家实现盈利。2012年,全国62家财险公司中,有多达37家公司出现承保亏损,其中中资20家、外资17家,承保亏损的比例高达近六成。相较2011年,2012年中资财险整体承保利润业绩下滑28.51%。2013年,保险公司在利润大幅增长的同时,财产险的综合成本率大幅攀升,整个财产险行业濒临亏损边缘。特别是占据整个财险业七成份额的车险领域,普遍出现亏损现象。

由此可见,Z值反映出多家公司存在经营亏损问题、Z值能起到财务危机的预警作用与我国2011、2012、2013年三年财险业的实际情况基本符合。

五、Z-score模型财务预警模型的结论与建议

(一)主要结论。

1.Z-score模型对财险公司起到财务预警的作用。总体而言,我国财险公司2011、2012、2013三年的财务经营状况较差,Z值能起到财务危机的预警作用。而行业内财务运营状况的差异表现为:外资财险公司明显优于中资公司,市场份额占比较大的财险公司要略优于占比较小的公司,上市财险公司略优于占比较小的公司。

2.我国财险公司资金流动性和盈利能力的整体水平也较差。在体现这两方面的财务比率中,各有13家公司在不同年份出现了负值情况,其中4家公司在研究的三年中比率均为负值。资金流动性、盈利能力这两项的行业内部情况,除中资财险公司盈利能力高于外资财险公司外,累计获利能力整体也不容乐观。

而相对累计获利能力、资金流动性、盈利能力而言,我国财险公司的财务结构较好,相关财务比率仅有中华财险在2011年出现负值情况。该指标的行业内部情况表现为:外资财险公司优于中资财险公司,市场份额占比小的财险公司优于占比大的财险公司,上市公司优于非上市公司。尽管如此,在财务结构上我国财险公司普遍还不够完善,仍有很大的发展空间。

(二)建议。

1.增强资产流动性。由于运营资金决定着企业的资产流动性,且两者呈正比关系,所以应通过增加运营资金来提高财险公司的流动性。而运营资金又是流动资产和流动负债的净额,因此从根本上讲,财险公司应在增加自身流动资产的同时减少其流动负债,从而增强资产流动性。具体来说,财险公司可以通过对加强对应收款项的管理、融资财产比例的合理分配等方面增加流动资产,通过增强预算水平减少短期借款等减少流动负债。

2.提高累计获利能力。累计获利能力由留存收益决定,留存收益又主要由盈余公积与未分配利润之和决定,因此财险公司应增加盈余公积、未分配利润进而增加其累计获利能力。而盈余公积、未分配利润均从公司历年的结存利润中提取,所以财险公司应在追求增加保费的同时注重降低经营成本增加盈利能力,保证公司良好的财务状况,才能使公司健康发展。

3.提高盈利能力。对于财险公司而言,较好的盈利能力是其财务健康运营的重要影响因素之一,提升公司盈利能力的必要性毋庸赘言。财险公司可以通过研发适销对路的新产品、降低经营成本、增强理赔技术等增加盈利能力,同时还可以加强员工的效益至上思想,从基层增加利润来源,再用利润反过来激发员工的工作热情,营造一种良好的公司运营氛围。

4.改善财务结构。权益账面值与负债总额账面值的比率,是评判公司财务结构优劣的一项标准。从公式上看,财险公司应该增强影响其权益账面值的相关经营环节,同时控制增加负债的相关财务进项来改善其财务结构。但事实上,财务结构并不是公司相关经营活动的简单加减,而是整个运营体系统筹协调的结果。因此,管理层应根据公司的经营状况、经营特点及经营目标对财务运营机制、财务分配等进行及时调整,才能不断优化公司的结构。

摘要：我国保险业近年来发展迅速。财产保险公司保费2014年达到7 544.4亿元,但财险公司经营亏损较为严重。在此背景下,本文运用Z-score模型对2011年至2013年多家财产保险公司的财务状况进行预警研究。在此基础上将得到的Z值与实际情况进行验证,并提出相应的建议。

关键词：财产保险公司,财务预警,Z-score

参考文献

[1]许敏敏,夏瑞辰,万鹏,栗博盟.基于因子分析法的财产保险公司竞争力研究[J].会计之友,2014,(17).

[2]吕长江,周县华,杨家树.保险公司偿付能力恶化预测研究[J].财经研究,2006,(10).

SCORE 篇4

一、Z-SCORE财务预警模型简介

多变量预警模型是一种综合评价企业风险的方法。多变量模型中最早也是最广泛使用的是多元线性函数模型。在多元线性函数模型研究中, 最早也最有影响力的是Altman于20世纪60年代中期创建的Z-SCORE模型。Altman (1968) 将多变量统计分析方法———判断分析和财务比率相结合, 选取了5种基本财务比率, 并根据按顺序排列的判别函数, 为每一种比率确定了其对破产的影响程度, 以此作为财务危机的预测模型。其基本表达式为:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。式中, X1:净营运资本/资产总额;X2:留存收益/资产总额;X3:息税前利润/资产总额;X4:股权市场价值/负债账面价值总额;X5:营业收入/资产总额。该模型实际上是通过五个变量, 将反映企业偿债能力的指标 (X1、X4) 、获利能力指标 (X2、X3) 和营运能力指标 (X5) 有机联系起来, 综合分析预测企业财务失败或破产的可能性。一般Z越低越有可能发生破产。Altman认为:2.675是Z值的临界点, Z值大于2.675, 表示企业财务状况良好;Z值低于2.675的企业被认为是具有财务危机的企业。Z值小于1.81, 为破产企业;Z值介于1.81~2.675之间, 则说明企业已经存在财务危机, Altman称之为“灰色地带”。

二、研究设计

(一) 样本选取

本文将沪深两地证券市场的ST公司定为处于财务危机中的公司。我国自1998年在沪深证券交易所正式启用了当上市公司出现“异常状况”时, 对上市公司进行“特别处理”的条款。这里所指的“异常状况”包括“财务状况异常”和“其他状况异常”。前者指“连续两年亏损”或“每股净资产低于股票面值”;后者主要指自然灾害、重大事故等导致的公司生产经营活动基本终止, 公司涉及可能赔偿金额超过本公司净资产的诉讼等情况。由于后者具有偶然性, 很难从财务角度进行有效判断, 而“财务状况异常”情况的界定符合一般认为企业财务状况不正常的判断, 因此, 本文只讨论“财务状况异常”的情况, 选定的研究对象为因财务状况异常而被特别处理的上市公司。本文选取样本时, 从2008年被宣布特别处理的公司中选取了57家ST公司 (表1) 及与之相对应的57家非ST公司 (表2) (与ST公司同行业、资产总额大体相等) 共114家公司作为研究样本, 其中ST公司深市25家, 沪市32家, 非ST公司也是深市25家, 沪市32家。

(二) 数据来源

研究所选取的财务数据是ST公司被宣布特别处理前四年的财务数据, 57家非ST公司的数据按照对应年度选取, 如ST公司是在2007年被宣布特别处理, 其选取数据的年份为2004年、2005年、2006年、2007年, 其对应的非ST公司选取数据的年份为2004年、2005年、2006年、2007年。本文样本公司财务数据主要来自深圳国泰安信息技术有限公司提供的中国股票市场研究数据库。

(三) 指标选择

除利息费用与股权市场价总值两个指标外, 模型中用到的数据基本来自会计报表。在我国会计实务中, 利息费用是在财务费用中核算, 并不单独列示, 研究时也难以对此进行区分, 实际上两者差别并不太大, 因此研究中以财务费用代替利息费用, 息税前利润=利润总额 (税前) +财务费用。股权市价总值应为每股股价和普通股总股份数的乘积。但我国的股权结构较为复杂, 除可自由流通股以外还有大量限售股, 限售股解禁后对股票价格的影响很难确定, 为此以股东权益代替股权市价总值。模型各变量计算采用下面公式计算:

三、实证分析

(一) ST公司与非ST公司Z值比较

根据所选的公司样本应用Z计分模型, 可得各公司被ST前四年的Z指标值。

(1) 将ST公司按其Z值分类统计 (表3) , 临界点分别为1.81和2.675。

根据Z计分模型, Z值大于2.675, 表示企业财务状况良好;Z值小于1.81, 为破产企业;Z值介于1.81~2.675之间, 则说明企业已经存在财务危机。如果ST公司Z值>2.675, 称其为错判。由 (表3) 可以看出, 在公司被宣布ST前一年的错判率为12.07%, 前两年的错判率为13.79%, 前三年的错判率为27.59%, 前四年的错判率为32.73%。但同时Z计分模型对我国上市公司财务危机的判断有一定的准确度, 且随着越接近被ST准确性逐步提高, 由前4年的47.27%上升至公司被ST前一年的81.03%。

(2) 将非ST公司按其Z值进行分类统计, 临界点仍为1.81和2.675, 结果如 (表4) 。

由此统计结果可发现, 非ST公司Z值也偏低, 4年中非ST公司Z值低于2.675的有80%以上, 而根据Altman的Z计分模型, 这些公司应该正面临或已经陷入财务危机, 特别是Z值低于1.81的非ST公司比率高达50%以上, 根据模型这些应该是破产企业。因此, 仅根据Z值来判断我国非ST上市公司的财务状况时, 会存在较大误判的可能。根据以上分析可以看出, Z计分模型在验证我国上市公司中的ST公司时有较高的准确度, 而作为预测非ST公司财务状况模型时, 可能具有很大的误判性。

(二) 样本公司Z值波动性的比较分析

根据上述分析, 我国上市公司的Z值有普遍偏低的现象, 仅根据其大小难以对公司财务状况作出正确判断。进一步分析样本公司Z值的波动性, 由于ST公司及非ST公司内部Z值平均数差异较小, 选择标准差作为衡量波动程度的指标, 标准差反映总体各单位标志值的变动程度, 标准差越大, 表示标志变动越大;反之, 标准差越小, 表示变动度越小。分别计算ST公司和非ST公司Z值的标准差, 计算结果如 (表5) 所示。由 (表5) 所示数据可看出, 非ST公司Z值的标准差的平均值是0.50, 而ST公司的达到1.56。如果以0.8作为z值标准差的临界值, 非ST公司的Z值有87.72%的标准差小于0.8, 而ST公司的Z值中有61.40%的标准差大于0.8, 表明非ST公司的Z值变动程度较小, 而ST公司的Z值在被ST前四年的Z值变动程度较大。因此, 当一个公司的Z值变动程度较大时, 有可能出现财务危机。同时再分析Z值的波动方向, 非ST公司中有56.14%的公司的Z值变动呈递增型, 而ST公司中有94.83%的公司的Z值变动呈递减型。根据以上对样本公司2003年至2006年Z值的波动性分析可以发现, 非ST公司和ST公司的Z值波动性有较大的差异。ST公司在被列入ST名单前, 其Z值连续几年的变动度较大, 且呈不断递减趋势, 说明公司的发展不稳定, 财务状况有不断恶化的趋势;而非ST公司的Z值变动度较小, 多数公司的Z值呈递增趋势, 说明企业发展稳定, 财务状况稳定。

(三) ST公司与非ST公司Z-SCORE模型各财务比率的比较分析

仅凭Z值来判断我国上市公司的财务状况存在很大误差, 还可以进一步分析样本公司Z-score模型中的五个财务比率及其变动情况。计算样本中ST公司与非ST公司Z值各财务比率的2003年至2006年平均值, 结果见 (表6) 。 (1) X1为净营运资本/资产总额, 反映了企业资产的折现能力和规模特征。营运资本是企业的周转资金, 具有周转速度快、变现能力强、项目繁多、性质复杂、获利能力高、投资风险小等特点。一个企业营运资本的持续减少, 往往预示着企业资金周转不灵或出现短期偿债危机。由 (表6) 可以看出, 2004年至2007年间, 非ST公司的净营运资本在总资产中所占的比率虽略有下降, 但幅度不大, 而ST公司的该比率持续急剧下降, 幅度较大, 且普遍低于非ST公司的该比率, 说明ST公司可能存在资金周转危机和短期偿债危机。 (2) X2反映了企业的累积获利能力。期末留存收益是企业税后利润累积而造成的, 一般来讲, X2越小, 企业财务危机的风险越大。2004至2007年间, 非ST公司的X2比率略有上升, 说明其累积获利能力发展稳定, 而ST公司的该比率总体趋势是急剧下滑, 比率值也明显低于非ST公司, 说明ST公司遭受财务危机的风险普遍大于非ST公司。 (3) X3为息税前利润/资产总额, 反映的是企业投入的全部资金的获取报酬的能力。该比例越高, 说明企业的全部资金获得的报酬越高。非ST公司的总资产息税前利润率在5%左右略有浮动, 基本保持稳定, 而ST公司的该比率普遍度低于非ST公司水平。对于ST公司, 2004年和2005年, 其总资产息税前利润率的平均值略低于5%, 但大于0;2006年和2007年, 该比率急剧下降, 并跌至负值, 说明ST公司在被ST前两年的盈利能力已经明显低于正常水平 (非ST公司的水平) 。 (4) X4是股权与负债比率, 测定的是资本结构, 股权与负债比率通过对资本结构地描述来反映企业地财务风险与长期偿债能力, 一般来说, 该比率越高, 企业的负债越安全、财务风险越小。2004年至2007年间, ST公司和非ST公司的X4比率都是逐年降低, 但ST公司的该比率总体是低于非ST公司的水平, 说明ST公司的长期偿债能力不及非ST公司, 财务风险较大。 (5) X5为总资产周转率, 企业总资产的营运能力集中反映在总资产的经营水平上, 因此, 总资产周转率可以用来分析企业全部资产的使用效率。如果企业总资产的周转率高, 说明企业利用全部资产进行经营的成果好, 效率高;反之, 如果总资产周转率低, 则说明企业利用全部资产进行经营活动的成果差, 效率低, 最终将影响企业的获利能力。如果总资产周转率长期处于较低的状态, 企业就应当采取措施提高各项资产的利用程度。2004年至2007年间, 非ST公司的总资产周转率呈线性持续稳定增长, 而ST公司的总资产周转率没有较大增长变动, 且一直明显低于非ST公司的水平, 说明ST公司的营运能力低于非ST公司的水平。

四、结论

(一) Z-SCORE模型还不能直接用于对我国上市公司的财务预警

从以上分析可以看出, 我国上市公司Z值普遍偏低, 虽然该模型对ST公司在被ST前有较强的预警作用, 特别公司被ST的前一年的分辨比率达81.03%。但与此同时非ST公司的Z值也偏低, 低于临界值的比率很大, Z计分模型在验证我国上市公司中的ST公司时有较高的准确度, 而作为预测非ST公司财务状况模型时, 可能具有很大的误判性。所以, 现阶段该模型还不能直接用于对我国上市公司的财务预警。分析我国上市公司Z值偏低的原因, 很可能是由于现阶段我国证券市场上市公司的股权结构特别复杂。股权分置改革后存在大比例的限售股, 从目前限售股解禁的情况看, 对股价的影响相当巨大, 即使某公司已实现全流通, 其股价的表现依然很不稳定, 所以在本研究中以股东权益代替股权市价总值计算X4, 这样很可能使得X4值偏低, 而使Z值偏低, 影响Z-SCORE模型的应用效果。随着我国证券市场的发展, 当限售股问题对股价影响逐渐减少以致平息时, 直接利用股权市价总值计算X4, Z-SCORE模型对我国上市公司的财务预警的作用应该可以显现。

(二) 虽然现阶段还不适合直接利用Z值的大小进行财务预警, 但如果结合Z值的波动性分析, 能起到较好的预警作用

从前面的分析看, 虽然ST公司和非ST公司Z值都偏低, 但两者Z值的波动特性有很大的区别, ST公司在被ST前几年的Z值在偏低的同时, 波动特别大, 且一般变现为持续降低, 模型所涉及的5个变量也表现为持续降低, 且大小低于同年的非ST公司。非ST公司在连续研究的几年中, Z值也偏低, 但其变动平稳, 也没有持续走低的情况, 模型所涉及的5个变量也变动平稳, 且大小一般高于ST公司。

摘要：本文选取2008年被宣布特别处理公司中的57家ST公司及与其同行业、资产总额基本相等对应的57家非ST公司为研究样本, 利用Z-SCORE财务预警模型分析了ST公司被宣布特别处理前四年及非ST公司的相对应年度财务数据。结果发现:Z-SCORE模型在我国证券市场发展的现阶段, 虽然还不能直接用于对我国上市公司的财务预警, 但如果结合Z值的波动性分析, 该模型还是能起到较好的财务预警作用。

关键词：财务预警,Z-SCORE模型,ST公司

参考文献

[1]赵健梅、王春莉:《财务危机预警在我国上市公司的实证研究》, 《数学经济技术经济研究》2003年第7期。

[2]王今、韩文秀:《财务危机预警中财务比率的选择研究》, 《数学的实践与认识》2003年第33期。

[3]程涛:《财务预警模型综述》, 《陕西财经大学学报》2003年第25期。

[4]杨淑娥、黄礼:《基于BP神经网络的上市公司财务预警模型》, 《系统工程理论与实践》2005年第1期。

[5]周昌仕、李森木:《企业财务预警分析模型及其运用》, 《湛江海洋大学学报》2003年第23期。

[6]姜秀华、任强、孙铮:《上市公司财务危机预警模型研究》, 《预测》2002年第3期。

[7]陈宇:《支持向量机在企业财务预警中的应用研究》, 《中国海洋大学通信与信息系统专业论文》2006年。

[8]巢剑雄:《企业财务困境预警模型》, 《湖南大学学报》2005年第32期。

SCORE 篇5

(一) 国外对财务危机预警研究概述

国外最早关于企业经营失败风险预测的重要研究大致可追溯到年Fitzpatrick的相关研究, 其主要研究方法是对破产企业和非破产企业的一系列财务比率进行经验分析和比较;美国的W.Beaver[1]开创了用单一比率判别财务困境的新局面;美国纽约大学教授Altman[2]首次将多元线性判别方法引入到财务预警研究中;Messier和Hansen将专家系统法首次引入到财务预警中, 他们从知识获取角度探讨比较了专家系统在信用分析领域的应用, 通过运用71家公司的数据将专家系统与线性判别分析等方法加以比较, 结果证明专家系统法效果明显。

(二) 国内对财务危机预警研究概述

国内对于企业财务危机预警的研究起步相对较晚, 且在研究思路和方法上也一直借鉴国外的研究成果。最早始于吴世农和黄世忠对企业财务危机预警的探索性研究;周敏、潘福乙[3]在预警指标中加入了EVA指标;高芳丽和张爱香[4]从盈利能力、偿债能力、营运能力、发展能力四个方面选取12个财务指标, 运用功效系数法建立财务危机预警模型, 对中小企业板民营上市公司的财务状况进行预警等, 通过对企业财务危机预警的研究可以为企业的财务管理等方面提供帮助。

二、Z值模型概述

Z值模型是由纽约大学商学院Altman在1968年提出来的。他是利用两个或两个以上财务指标变化的总的结果对企业未来发展趋势作出预测和判断。判别方程可以把单个企业的各财务指标转换成单一的判别评分, 或称为Z值。然后, 可用Z值把公司分为“破产”或“非破产”。

(一) Z值模型的公式

最佳的预测模型即Z值模型表达式如下:

公式:Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

其中:Z为判别函数值。

X1=营运资金/期末总资产;

X2=期末留存收益/期末总资产;

X3=息税前利润/期末总资产;

X4=期末股东权益资产/期末总负债;

X5=本期销售收入/总资产, X5为总资产周转率。

(二) Z值模型的结果

Z值模型的破产 (清算) 与非破产 (非清算) 的分割点值为2.7, 即Z值大于2.7时, 企业财务状况良好, 发生破产的可能性较小;当Z值小于1.81时, 企业存在很大的破产风险;如果Z值处于1.81-2.7之间, 则表明企业的财务状况极不稳定, Altman将这一区间定义为“灰色区域”。

三、力生公司的Z值模型分析

根据力生公司2010~2014年财务数据, 应用Z值模型对其有关资料进行分析并据以判断其财务危机程度。如下表1所示。

从以上对力生公司的Z值计算结果来看, 力生公司2010~2011年的Z值分别为1.950和1.800处于Z值模型中1.81~2.7的灰色区域中, 财务失败的可能性很大, 表明企业的财务状况极不稳定。2012年企业的状况继续恶化, Z值为0.570处于处于Z值模型中小于1.81的黑色区域中, 企业财务失败可能性非常大, 破产机率很高, 企业在2013年度开始采取一系列政策, 2013~2014年对企业的Z值计算结果为3.412和3.725, 虽然严重的财务危机己于2013年被打破, 但从财务危机预警的角度来看, 企业仍然没有走出经营困境, 陷入财务失败的风险还是很大。我们不可能绝对确定当Z值处于较大风险区域时, 企业就会陷入财务失败。但是, 从预防和预控财务风险的角度出发时, 这样的分析至少给企业的经营管理者敲起了警钟, 警示企业应该注意企业所面临的危机和风险, 以达到最终防止企业陷入财务危机的目的。

四、对策和建议

(一) 加强领导者制度建设

力生公司2010~2012年出现的越来越严重的财务危机问题, 其中最重要的一个问题就是管理不善等原因造成的。可见高层管理者的品行对一个企业是多么的重要。企业中的许多人并不具有职业经理人的素养和基本管理技能。他们为了自己的所谓政绩不惜弄虚作假, 通过虚构合同增加收入、账外报销费用以降低成本的方式来增加利润等方式来粉饰财务报表。

(二) 提高经营效率, 控制生产成本

企业在市场竞争中, 其目的是为了获取利润。在现有生产能力的基础上, 要获得更大的利润, 就只能从提高经营效率、控制生产成本入手。力生公司2010~2012年出现严重的财务危机, 为了摆脱财务危机的风险2011年采取一系列措施, 使公司的财务危机得以好转。这都充分说明, 在企业管理过程中只有不断提高企业的经营效率的同时控制企业的生产成本, 企业才能获得更大的发展空间, 最终赢得更大的利润。

参考文献

[1]Beaver W H.Financial ratios as predictors of failure:[J].Journal of Accounting research, 1966.

[2]Edward I Altman.Financial ratios, discriminant analysis and the prediction of bankruptcy:[J].Journal of Finance, 1968.

[3]周敏, 潘福乙.基于EVA的财务危机预警模型构建探讨[J].中国科技信息, 2006 (3) .

SCORE 篇6

一、Z-Score模型及其应用

美国学者Altman于1968年提出了经典的Z-Score模型, 其具体形式如式 (1) 所示:

式 (1) 中, 自变量 (=1, 2, 3, 4, 5) 的含义及计算公式如表1所示。

需要说明的是, 式 (1) 中X4的计算需要度量股东权益市场价值, 即股价与股份总额的乘积。但由于我国股权分置改革尚未完成, 上市公司的股份中仍包含一定比例的有限售条件股份。这些有限售条件股不能通过资本市场进行交易, 无法直接计算其市场价格和市场价值。为此, 本文用有限售条件股的账面价值近似估计其市场价值, 即用每股净资产替代价格, 来估算有限售条件股的价值。由此, 自变量X4的计算公式如式 (2) 所示。

式 (2) 中, p是无限售条件股价格, bvps是每股净资产, n1和n2分别是无限售条件股和有限售条件股的数量。通常说来, Z值越高, 公司的财务状况越健康, 未来发生财务风险的可能性越小。基于Z-Score模型的公司财务状况判别标准如表2所示。

二、我国房地产上市公司财务预警

本文利用简单随机抽样的方法, 从我国A股上市公司中选取40家房地产上市公司作为研究对象。数据来源是这40家房地产上市公司2009年的年度财务报告。无限售条件股价格以2009年12月31日的收盘价为准。

将40家样本公司的数据代入式 (1) 即可得到各家公司的Z值。根据Z值由大到小的方式将各家公司进行排序, 并判别各公司的财务状况, 结果如表3所示。

结合表3和表2可知, 在40家样本房地产上市公司中, 1.财务状况处于健康、不稳定、极差三种水平的公司分别有9家、11家和20家, 各占样本总数的22.5%、27.5%和50%。也就是说, 87.5%的样本公司的财务状况处于非健康水平。这说明，我国房地产上市公司整体的财务状况不容乐观。2.Z 值的平均值为 2.29，处于财务状况不稳定的区间;最大值(6.49)是最小值(0.92)的近 6 倍。这意味着我国房地产上市公司整体的财务状况不佳，且不同公司之间差异较大。

注：为避免引起不必要的纠纷，本文用序号来代替公司名称

三、结论

根据2009年的数据和Z-Score模型计算的结果来看, 我国房地产上市公司整体的财务状况处于非健康和非稳定状态, 且不同公司之间差异较大, 需要公司管理人员提高风险防范意识。

参考文献

[1].张楚堂杨志强.基于Z-Score模型的国有公司财务分析.武汉理工大学学报.2009.31

[2].Edward Altman.Financial Ratios, Discrimi-nate Analysis and the Prediction of Corporate Bankruptcy.Journal of Finance.1968.23

SCORE 篇7

关键词：房地产业,财务风险,Z-Score模型,实证研究

我国今年内连续多次上调存款准备金率并开始提高利率,使得房地产业融资环境日益趋紧,房地产企业在银行的融资受阻,而通过信托融资的成本过高、房地产基金融资的周期过长。特别是随着国家房价管制力度的不断加强,使得房地产市场成交量明显下降,导致销售回款随之下滑,房地产企业的现金流压力逐日增大。那么,当前我国的房地产企业的财务状况到底怎样呢?本文运用Z—Score财务风险预警模型,以深市A股上市的61家房地产上市公司为样本,对其2010年第二季度到2011年第一季度的财务风险进行实证分析,并据此判断我国房地产企业存在财务危机和陷入破产的可能性。

一、Z—Score财务风险预警模型及含义解析

“Z-Score财务风险预警模型”(Z-Score Formula,以下简称“Z计分模型”)是一个多变量财务公式,由金融经济学家爱德华·阿特曼(Edward Altman)在1968年创立,用以衡量一个公司的财务健康状况,并对公司在2年内破产的可能性进行诊断与预测。实际应用表明该模型的预测准确率高达72%-80%。

Z-Score模型判别函数为:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

模型中各变量含义及其计算公式如表1所示。

基于Z-Score模型的公司财务状况判别标准如表2所示。(1)Z值越低,企业越有可能发生财务危机;(2)判断企业危机的临界值:若Z≥2.675,则表明企业的财务状况良好,发生危机的可能性较小;若Z≤1.81,则企业存在很大的财务危机;(3)但由于每个国家的经济环境不同,每个国家值的判断标准也各不相同,因而各国家公司值的临界值也各不相同。

二、我国房地产上市公司的Z-Score模型分析

本文的研究对象是在我国深圳交易所A股市场上市的房地产企业。我国深市A股市场共有64家上市的房地产企业,本文剔除了经营不正常的ST零七、ST东源、ST珠江3家ST上市企业,以其余61家房地产企业作为代表性样本进行研究。

本文所有的房地产企业财务数据均来源于东方财富网(http://www.eastmoney.com)公开披露的上市公司财务报表。为了体现近期宏观经济政策和房价调控措施对我国房地产行业的影响,在计算上市房地产企业的财务风险时,选取了从2010年第二季度到2011年第一季度这一时间段的数据进行分析。

应用Z-Score模型对本文选取的61家房地产企业上市公司的Z值进行计算,结果如表3所示。

从总体Z值来看,我国房地产行业的总体Z值从2010年第二季度到2011年第一季度均小于1.81,说明我国房地产行业整体的财务风险已近进入高风险阶段;其中,我国房地产行业的总体Z值从2010年第二季度到2010年第四季度处于上升阶段,说明我国房地产上市公司的总体财务风险有所改善,财务风险趋于减小;然而2010年第四季度到2011年第一季度的Z值却掉头向下,说明在这个时间段内,我国房地产上市公司的总体财务风险趋于增加,房地产行业破产的危险性很大。因此,房地产行业应该高度警惕目前的财务风险态势,认真剖析下降的成因,采取针对性的防范措施,积极防范财务危机的发生。

为了更加清楚地分析单个企业所面对的财务风险,本文依照Z值各区间的范围取值,对61家样本房地产企业的Z值进行了具体统计,包括Z值各区间的企业分布及其所占比重,如表4所示。

从表4可以看出,当Z<=1.81时,除2010年第4季度有46家房地产企业,占总体统计样本的75%外,其他时期都有高达52家以上企业,占整个行业的85%以上,表明面临严重财务风险的房地产企业在整个行业中所占的比重很高,这些房地产企业存在潜在破产风险;在1.81

三、房地产企业财务风险增大的宏观调控原因分析

1、银行信贷紧缩,房地产业筹资风险加大

房地产开发企业的主要融资渠道是银行贷款,但是由于央行为了控制市场上流通的货币量,减小通货膨胀的压力,今年内连续多次上调存款准备金率,并开始提高利率,使得开发商融资环境日益趋紧,导致房地产企业的融资难度加大。特别是最近银监会已要求银行采取减少对房地产开发商的贷款等四项措施来防范房地产贷款风险,据悉这也是监管部门首次公开表示要减少房地产贷款。随着政府一系列信贷紧缩政策的实施,大大增加了房地产业筹资难度,进而增加了我国房地产企业的财务风险。

2、在政府宏观调控下,房地产市场供求关系的变化导致资金回笼慢

随着楼市调控政策的加码,特别是新国八条的公布,各地纷纷出台了具体的商品房限购措施,严厉打击投机炒房的投机行为。同时,由于存款准备金率的不断上调,银行收紧房贷,对购买2套房和3套房的首付和利息提高,增加了购房者的贷款压力,在一定程度上影响了购房者的购房行为,引起房屋销售成交量下降,这就使得房地产企业将要面对房地产商品积压,收不回资金,无力偿还贷款等困境,进一步加剧了房地产企业的财务风险。

3、政府加强了对房地产开发用地的监管,导致房地产企业的开发成本上升

我国对城市建设用地进行严格的行政审批制度,对建设用地实行行政审批和计划控制造成土地供应紧张。多年来,城市住房建设用地供给与城市化进程中城镇人口增长的需要不相适应,助推了住房市场供求失衡。我国土地资源的稀缺性,使得地价一直呈现大幅上升的趋势,因而,对于房地产开发企业而言,其利润空间大幅降低,地价与房价的不平衡加大了企业的财务风险。

4、土地增值税和企业所得税预征率的提高,进一步加大了房地产企业的财务负担

在政府的宏观调控下,国税总局对房地产企业土地增值税及企业所得税的预征率也大幅提升,与此同时,各税务管理部门还设置了建安成本预警线,加大了房地产开发企业的财务管理成本。房地产企业土地增值税和企业所得税预征率的提高,增加了房地产企业的财务支出,在一定程度上加剧了房地产企业的财务风险。

四、加强房地产企业财务风险管理和防范的建议

1、加强财务管理意识,建立全面预算管理和财务风险预警体系

房地产企业只注重工程项目的进度和质量,忽视企业财务管理意识和预算管理的情况,认为成本核算和管理只是财务部门的职责,并没有重视内部各个职能部门的全过程成本预算。很多房地产开发商在资金运作上存在盲目性现象,没有真正从财务管理的战略高度去分析成本,只有简单的对项目进行财务核算,没有进行专门的成本控制管理,所以企业成本投入较大,而真正实现的经济效益较少,造成投入和产出不平衡。为了解决这一现状,我国房地产企业首先应该加强财务管理意识,提升对财务风险管理重要性的认识;其次要建立全面财务预算管理体系,有效防止财务风险的发生;再次,项目开发过程中需要建立短期财务预警措施,资金运转过程中需要建立现金流量预算体系。建立财务管理预警体系,可以把财务风险控制到最合理的状态。

2、合理调整企业融资结构,拓宽企业融资渠道

根据央行最新数据显示,2010年新增的7.95万亿贷款中近25%流入了房地产领域。为了对房地产行业降温,政府已采取了上调首付比例和抵押贷款利率、限购等行政措施以及对开发商拿地制定更严格的规定。近几年银监会也对房地产贷款进行了多轮压力测试,以评估房价大跌下对银行资产质量的影响。虽然开发贷款并没有全面喊停,但实际上从2010年下半年开始,银行已经在大规模压缩开发贷款。针对我国目前的宏观经济调控措施,我国房地产企业应该合理调整企业融资结构,拓宽企业融资渠道。比如从银行融资转变为信托融资、积极吸引民间资本、加强企业内部融资、私募股权融资、金融租赁融资等,增强企业应对财务风险的能力。

3、缩短房地产开发周期,加速资金回笼

房地产项目的特点是开发周期长、筹资金额大、资金回收期长,这无形中就增加了房地产企业的财务风险,为了应对这一风险,房地产企业应该尽量缩短房地产项目开发周期,加速资金回笼,避免资金链的断裂给企业带来的风险。

4、进行合理的税收筹划,降低税收成本,减少财务风险

合理的税收筹划不但有利于降低征税和纳税成本,而且有利于优化企业产业和产品结构,使企业的人、财、物、信息等资源得到合理配置。房地产企业涉及的税种有很多,通过合理的税收筹划可以减轻企业负担,通过合理筹划税收,可以降低纳税成本,减少房地产企业的财务风险。

参考文献

[1]汪平.财务理论[M].经济管理出版社,2008.

[2]王新华.宏观调控下房地产开发企业财务风险管理研究[J].中国总会计师,2010,(12)

[3]刘华辉.我国钢铁上市公司财务风险实证研究[J].会计之友,2010,(12)中

[4]李静.Z值模型在上市公司财务预警分析中的应用[J].中国乡镇企业会计,2010,(7)

[5]杨雪峰.关于房地产企业财务管理现状的探析[J].中国总会计师,2008,(2)