Z模型改进

Z模型改进（精选7篇）

Z模型改进 篇1

一、财务预警Z模型及其评价

Altman于1968年发表的文章中使用了多元线性判别模型, 即Z分数模型来进行财务危机预测方面的研究。文中根据行业规模和资产规模, 以1946-1965年之间的33家破产公司为样本, 配对了33家非破产公司, 选用了22个变量作为破产前1-5年的预测备选变量。其中用于分析的财务指标包括:营运资金与总资产之比, 留存收益与总资产之比, 息税前利润与总资产之比, 股权的市场价值与企业债务总额的账面价值之比, 销售收入与总资产之比。根据误判率最小原则, 最终确定了5个变量作为判别变量组成了Z计分 (Z-Score) 模型。其判别函数为:Z=0.012X1+0.013X2+0.033X3+0.006X4+0.999X5。其中:X1= (流动资产-流动负债) /资产总额;X2=留存收益/资产总额;X3=息税前利润/资产总额;X4=资本市值/总负债;X5=销售收入/资产总额。通过对Z分数模型的研究分析得出, Z值越小, 公司遭受财务失败的可能性越大。

Z分数模型从资产规模、获利能力、变现能力、财务结构、运营能力等方面综合地反映了企业财务风险, 有利于对不同企业的财务风险进行比较。但是, 该模型未考虑企业的现金流量以及一些表外预警指标, 同时该模型的样本选取未全面考虑企业规模、所处行业及地域等因素的差异, 使Z值这一判断标准在各国间存在较大差异。此外, Z分数模型是以美国上市公司中的制造业公司为研究对象而建立的, 因此不利于对非上市公司及非制造企业进行评分及判定。

二、Z模型的改进

由于Z模型存在上述局限性, 因此有必要对其进行适当改进。一方面, 所选取的指标除了包括表内信息之外, 还应涵盖表外信息, 具体包括:盈利能力指标、营运能力指标、偿债能力指标、发展能力指标、现金流量指标与表外信息指标。另一方面, 所选取的样本应涉及各行各业。

(一) 样本的设计

本文选取了2010年被ST或*ST的57家公司作为财务危机型企业, 同时采取一对一配对的形式选取了非ST公司作为配对样本, 选取配对的非ST公司的参照标准为同行业、同时期、资产规模最接近且之前未被特别处理过的上市公司。经配对后总样本确定为上市公司114家, 其中非ST公司与ST公司各有57家, 分别选取建模样本30对以及测试样本27对。

(二) 模型指标体系的构建

1. 模型基础指标的选取。

在借鉴国内外学者的实证研究成果, 并结合我国上市公司实际情况的基础上, 从表内信息、表外信息两个角度六个方面初步确定了22个指标作为入选模型的基础指标。其中反映企业盈利能力的指标包括:净资产收益率、总资产报酬率、每股收益、每股未分配利润、主营业务利润率、成本费用利润率。反映企业营运能力的指标包括:总资产周转率、应收账款周转率、存货周转率。反映企业偿债能力的指标包括:资产负债率、流动比率、速动比率、利息保障倍数。反映企业发展能力的指标包括:主营业务增长率、净利润增长率、总资产增长率、每股收益增长率。反映企业现金流量的指标包括:现金流量负债比、净收益营运指数、销售现金比率、每股营业现金流量。表外信息指标包括:年度报告审计意见, 可分为无保留意见、无保留带解释性说明、保留意见、拒绝表示意见、否定意见、保留意见带解释性说明、修改意见等几种审计意见类型。

2. 模型指标的确定。

采用统计分析法中的显著性检验方法 (T检验) 对预警指标进行筛选。利用搜集的60家建模样本的数据资料, 使用SPSS统计分析软件, 对财务危机企业被宣布特别处理前两年的数据进行显著性检验。其结果详见表1。

从T检验的结果可以看出, 在财务危机发生前共有16个指标通过了显著性检验, 因此选取这16个指标为模型的指标体系。

3. 模型的构建。

以60家建模样本公司的数据为基础, 借鉴Z值线性判别分析方法, 采用费歇 (Fisher) 判别方法建立改进的Z模型, 运用SPSS统计软件获得的判别分析系数的结果见表2。

由此得到改进的Z值判别函数为:Z=0.295-0.715X1+7.083X2-0.42X3+0.308X4-1.395X5+2.203X6-0.265X7-1.327X8-0.835X9+1.576X10+1.092X11-0.034X12-0.716X13+0.018X14-0.626X15-0.17X16。根据该改进的Z值判别模型, 将训练样本财务危机发生前的数据回代, 得到ST公司和非ST公司的平均改进的Z值分别为-0.711和1.02。一般地, 取其平均数0.155作为分界值, 即两类样本的错判率一致。在实际应用过程中, 若改进的Z值小于0.155, 则说明公司未来两年内将被ST;若改进的Z值大于0.155, 则说明该企业财务状况正常;若改进的Z值恰好等于0.155, 则说明该公司的财务状况不明朗, 处于“灰色地带”, 为谨慎起见, 本文在判别过程中将其归为ST公司。将60家训练样本的财务数据代入改进的Z模型, 得到判别结果并将结果汇总 (见表3) 。

由表3可知, 改进的Z值判别模型在公司被ST或*ST前一年和前两年的预测准确率分别为91.67%和80%。

三、Z模型的应用

将27对测试样本企业的财务数据代入改进的Z值判别模型, 得到判别结果并将其汇总 (见表4) 。

由表4可知, 改进的Z值模型在公司被ST或*ST前两年的预测准确率为85.19%。

通过Z模型与改进的Z模型的预测结果进行对比可以发现:在公司被ST或*ST的前两年, Z模型的平均预测准确率为83.5%, 改进的Z模型的平均预测准确率为85.51%, 特别是公司在被ST或*ST的前两年, Z模型的预测准确率是72%, 改进的Z模型的预测准确率是81.67%。由此可知, 改进的Z模型具有更佳的预测效果。

摘要：Z分数财务预警模型由于简单明了、易于理解, 能够从多角度综合反映企业的财务风险, 应用较为广泛。但由于其指标的选取不够充分, 因而判断的准确率不够理想。本文选取了盈利能力、营运能力、偿债能力、发展能力、现金流量以及表外信息等新的预警指标, 以2010年30家ST或*ST上市公司为样本建立了改进的Z分数模型。通过应用可知, 改进后的Z模型较原模型具有更高的预警准确率。

改进型Z源逆变器 篇2

电压型逆变器[1,2,3]在功率变换技术中应用广泛,其同一个桥臂的上下2个开关管不能同时导通,否则会发生短路而损坏逆变器,且逆变器输出电压低于直流输入电压,不能适应输入电压变化范围较大的场合。

Z源逆变器[4]的提出,很好地弥补了电压型逆变器的不足,其利用由电感和电容所构成的Z形阻抗网络使得在传统电压型逆变器工作时禁止出现的直通状态成为其正常工作状态,并利用直通状态来提高逆变器直流输入电压。因此,Z源逆变器的可靠性更高,适用范围更广,但现有的Z源逆变器拓扑存在如下缺陷:

a.直流升压因子较小,输出电压较高时必须减小调制比,从而增大了功率器件的电压应力;

b.输入电流断续,直流电压利用率降低;

c.存在严重的启动冲击问题。

国内外很多学者开展了对Z源逆变器拓扑[5,6,7,8]和控制方式[9,10,11,12]的研究,以致力于完善Z源逆变器的性能[13,14,15]。本文在传统Z源逆变器拓扑的基础上,利用增加的有源开关和电感,与传统Z源逆变器拓扑中的二极管一起,相当于在前级组成Boost电路,提高了拓扑的升压比,且该有源开关的工作状态和逆变器的直通状态同步,只需将直通状态通过驱动电路即可驱动增加的有源开关,无需额外的控制电路,控制结构非常简单。此外,由于电感的加入,在直通状态时为输入电流提供续流通路,使输入电流连续,省去了前级滤波器;同时由于电感电流不能突变,在启动过程中极大减小了阻抗网络上的电容的冲击电流,从而不需要采用软启动策略,简化了启动过程。通过理论分析和仿真研究,验证了该方法的正确性和有效性。

1 传统拓扑输入/输出关系及缺陷分析

传统的Z源逆变器拓扑如图1所示,它是在电压型逆变器的直流源和逆变桥中间加入电感L1、L2和电容器C1、C2的二端口网络接成阻抗,以提供一个阻抗源(Z源),从而逆变器在直通状态下不再使电源短路,并利用直通状态提高逆变器输入端的直流电压。

根据文献[4]可知,三相逆变桥直流链峰值电压Udc与实际输入电压Uin的关系为

其中,D0为直通占空比,B=1/(1-2D0)称为直流升压因子。而阻抗网络上的电容电压为

若逆变器的调制因子为M,则逆变器输出相电压峰值为

由式(3)可知,由于升压因子B的存在,使逆变器的输出电压有所提高,但为了不影响输出电能质量,直通状态都是加在逆变器原来的零状态上,因此直通时间较短,传统Z源逆变器拓扑的升压能力有限。另外,在直通状态下,二极管VDin截止,迫使输入电流断续,降低了直流源的利用率,同时也对直流源的使用寿命造成不良影响。

传统Z源逆变器在启动过程中,电容上的初始电压为0,由于逆变器IGBT反并联二极管的作用,会存在如图2所示的通路,启动时输入电流非常大,将Z源电容电压瞬时充到0.5Uin,此后,电路中电感电容开始谐振,导致Z源电感电流与电容电压大幅超过稳态值,若不采用软启动策略,有可能损坏逆变器。

2 改进型Z源逆变器

提出的改进型Z源逆变器拓扑如图3所示,在传统Z源逆变器的基础上,利用增加的有源开关和电感,与传统Z源逆变器拓扑中的二极管一起,相当于在前级组成Boost升压电路,提高Z源逆变器升压因子。

图4为改进型Z源逆变器从直流环节角度得到的等效电路。从图中可知,电感Lb为直通状态时的直流源提供了续流回路,使输入电流连续,并将电能储存于电感Lb中,在非直通状态流向逆变器,因此提高了直流侧的电压利用率。

如图4(a)所示,当逆变器处于6种非零状态的一种时,逆变桥变成一个等效电流源;而当处于2种传统的零电压状态时,逆变桥也可以用一个零值电流源(或开路)来代替。因此,图4(a)示出了当逆变桥处于传统的8种非直通零电压状态的一种状态时,Z源逆变器从直流侧角度得到的等效电路。

电感L1、L2和电容器C1、C2分别具有相同的电感量L和电容量C,阻抗网络对称,有

当逆变器处于非直通状态时,开关VTb关断,二极管VDin导通,此时阻抗网络电感L1上的电压为

前级电感Lb上的电压为

将式(6)代入式(5)得:

图4(b)为直通状态时的等效电路,此时逆变器直流链电压为0,同时控制开关VTb闭合,迫使二极管VDin关断,因为开关VTb的状态与直通状态同步,无需增加额外的控制电路,只需驱动电路即可,因此不会增加控制系统的复杂程度。此时,阻抗网络电感L1以及前级电感Lb上的电压为

在一个开关周期Ts中,电感两端的平均电压在稳态下必然为0,由式(5)~(8)得逆变桥直流链峰值电压Udc与实际输入电压Uin的关系为

其中,D0为直通占空比,改进型拓扑的直流升压因子B′=1/[(1-2D0)(1-D0)],而阻抗网络上的电容电压为

若逆变器的调制因子为M,则逆变器输出相电压峰值为

对比式(1)和式(9)可以看出,改进型拓扑提高了直流升压因子。图5给出了2种拓扑的升压因子B与直通占空比D0的关系曲线。从图中可以看出,改进型Z源逆变器拓扑相对于传统拓扑在升压能力上有较大提高,虽然在D0较小时升压优势不是很明显,但对于传统拓扑需要较大的D0才能达到所需B的情况,有时可能造成输出波形的畸变;而对于相同的输出电压,改进拓扑可以将D0控制在较小的值,保证良好的输出电能质量。

改进型Z源逆变器在启动初期同样存在类似于传统拓扑的启动回路,如图6所示。但由于加入了前级电感Lb,在启动时,流过电感的电流不能突变,启动电流非常小,不会发生将电容电压瞬时充到0.5Uin而使电路中电感电容开始谐振的情况,因此不需采用软启动策略。

3 简单升压控制原理

逆变器输出电压只与有效状态有关,为了使直通零状态不影响逆变器输出电压,在控制中需要把直通零状态加在传统零状态里面。简单升压控制[9]以其实现简单、开关管电流应力小等优点在Z源逆变器的控制中广泛应用。

图7为简单升压控制原理图。该控制方式是在传统PWM控制基础上,用正、负2个恒值电压Up和Un跟三角载波比较,在载波信号大于Up或小于Un时,逆变器的三相桥臂均同时导通。

由图中的几何关系可得直通占空比D0为

其中,t0为直通时间,Ts为开关周期,Utri为三角载波幅值。

因为Up≥ux(x=a,b,c),所以由(11)可得直通占空比的最大值D0max为

结合式(3)可得传统Z源逆变器的最大输出相电压峰值与调制比的关系为

结合式(11)可得改进型拓扑最大输出相电压峰值与调制比的关系为

由式(14)(15)可知,为得到高电压增益的输出电压,可减小调制因子,但同时功率器件的电压应力将会增加。

4 仿真分析验证

为了验证所提出的改进型Z源逆变器拓扑相对于传统拓扑的优越性,在理论分析的基础上以相同的参数对这2种拓扑在简单升压控制下进行了仿真研究,具体参数设置如下:直流输入电压Uin=400 V,Z源电感L1=L2=1 000μH,Z源电容C1=C2=470μF,输出滤波电感Lf=1 000μH,输出滤波电容Cf=22μF,载波频率fc=10 k Hz,前级电感Lb=100μH(改进型拓扑)。

仿真结果如图8~10所示。图8为传统Z源逆变器和改进型Z源逆变器在输出电压峰值为222 V时的波形对比图。其中,ux为逆变器输出电压(x=a,b,c),UC为Z源电容电压,Udc为直流链电压,iL为Z源电感电流。比较输出电压波形可知,改进型拓扑在启动时的输出电压最大波动到-300 V,而传统拓扑最大波动到-400 V,改进型拓扑减小了启动时输出电压的波动,提高了输出电能质量,并减小了对逆变器所带负载的电压冲击;对于直流链电压Udc以及Z源电容电压UC,改进型拓扑在启动时的波动均远小于传统拓扑,减小了逆变器中开关元件的电压应力;对于启动时Z源电感电流,传统拓扑在未采用软启动策略时的启动电流高达115 A,改进型拓扑的电感电流经过很小的波动到达稳态值,减小了对负载的电流冲击和开关元件的电流应力。

图9为当调制比M固定为0.8,输出电压峰值为311 V时,改进型拓扑和传统拓扑的输出电压波形对比图。由图可知,改进型拓扑能够满足输出要求,其输出电压的总谐波畸变率(THD)为2.55%,输出电能质量良好;传统拓扑在M取值较大时的升压能力有限,因此所需的直通占空比大于1-M,从而导致输出电压波形畸变,其输出电压THD达12.62%。因此,改进型拓扑能在调制比不变的情况下适应更大的输入电压波动。

图10为输出电压峰值为500 V时,2种拓扑输出波形对比。在M=0.8时,2种拓扑均不能满足要求,因此只能减小调制比以获得更高的升压因子,由式(14)(15)可算出在取最大直通占空比D0 max时,得到峰值500 V的输出电压,传统拓扑M=0.632,而改进型拓扑M=0.708。对比可知,通过调节其调制比后,2种拓扑均能满足输出要求,但改进型拓扑输出电压启动冲击较小,其直流链电压稳态值为1 358 V,而传统拓扑的直流链电压稳态值1 515 V,明显大于改进型拓扑,且存在较大的波动。由于改进型拓扑的调制比高于传统拓扑,能以相对于传统拓扑较低的Udc获得较高的交流输出电压,从而减小了开关元件的电压应力。

5 结论

Z模型改进 篇3

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.

Z模型改进 篇4

上市公司财务状况的好坏往往是企业经营者、投资者、债权人和审计师关注的焦点。营运良好、财务健康的公司不但能提高自身在市场上的信誉及扩展筹资渠道, 也使投资者信心倍增。相反, 陷入财务困境或濒临破产的企业, 不仅给投资者带来巨大的损失, 也给公司后续生产经营带来巨大压力。事实上, 企业的财务危机是一个渐进过程, 财务危机的发生不但具有先兆, 而且是可预测的。建立一套有效的财务危机预警模型, 使公司获得预警信号, 能使公司的经营者根据这些信号及早采取相应措施, 改善公司的经营及财务状况, 避免或减少投资者投资损失, 避免借贷者贷款的高风险, 审计师避免因未能对企业恶化的财务状况发表正确的审计意见而导致的法律诉讼。同时, 预警模型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。

随着我国资本市场的不断发展与完善, 对上市公司财务困境进行预警研究一直是国内学术界的热点问题之一。财务预警是以财务会计信息为基础, 通过设置并观察一些敏感性预警指标的变化, 对企业可能或者将要面临的财务危机实施的实时监控和预测警报。国内外学者进行财务困境预警研究的方法主要有:剖面分析法、单变量判别分析法、回归分析、多元判别分析法、条件概率模型、二元LOGIT离散选择模型、基于MM理论和期权定价理论相结合的破产预警模型、基于信息科学的神经网络分析法以及近邻法、分类树方法等。

二、国内外研究现状评述

目前国内对财务预警的研究主要集中在建立财务预警模型, 主要的研究成果包括:

陈静 (1999) 以1998年27家ST公司与27家非ST公司为对象, 利用资产负债率、净资产收益率、总资产收益率、流动比率进行了研究。

张玲 (2000) 以120家上市公司为样本, 从偿债能力、盈利能力、资本结构状况和营运状况四个方面共选取15个财务指标建立起财务预警分析模型。

陈晓、陈治鸿 (2000) 分别从反映公司财务健康状况的资产流动性、财务杠杆、资产管理能力、盈利及回报能力、非主营业务回报、股本扩张能力、主营业务鲜明程度以及公司增长能力方面挑选若干财务变量作为备选预测变量, 然后再从每一大类特征指标中选出变量, 形成一个变量组合进行研究。

吴世农 (2001) 则选取1998~2000年度140家上市公司作为样本, 选用盈利增长系数、净资产收益率、速动比率、超速动比率、负债比率、长期负债比率、营运资本比率、总资产增长率、权益增长率、主营收入增长率、应收账款周转率、存货周转率、总资产周转率、总资产的对数、权益对数为变量进行研究。

以上基于财务指标建立的预测模型, 缺乏对财务困境原因及早期预警的系统分析。大多数研究只是在完成财务指标与财务状况优劣的逻辑验证, 并未从理论上深入剖析财务困境的深层原因, 忽视了企业运营的市场环境和治理等因素对财务状况的影响, 而且由于财务报表数据具有事后性或可能被管理者粉饰, 因此, 必须寻找其他事前信息完善财务预警。

而据中国证监会统计资料显示, 近年来, 我国上市公司发生亏损的数量以及亏损额度呈上升趋势发展。上市公司因陷入财务危机而宣告破产的例子也屡见不鲜。因此更需要建立一个有效的财务危机预警模型, 对我国上市公司财务危机预警模式进行实证分析, 以期为准确测定财务危机提供参考, 满足各利益相关者日益迫切的需要。

国外最早进行财务危机预警研究的是Fitzpatrick, 他在1932年研究发现净利润/股东权益和股东权益/负债这两个指标的预警能力较强。

Beaver (1966) 提出以财务危机预测为主题, 通过实证来检验财务比率的预测功能, 发现现金流/总负债的预测能力最高。Olson (1980) 运用非线性回归方法提出了多元逻辑回归模型 (Logistic) , 经过研究发现公司规模、资本结构、业绩和当前的融资能力4类变量是影响企业财务危机的重要因素。

Odom (1990) 等分别运用了不同的人工神经网络模型对财务危机进行了预测, 并与传统的方法作了比较, 表明神经网络的预测效果强于传统的方法。

此后, 诸多国外学者不断用不同的方法, 不同的指标进行预警研究, 直至现在此类研究仍在不断向前发展。

三、研究样本选取

本文以上市公司是否被特别处理 (ST) 来作为界定上市公司发生财务危机的标准。

按照我国相关证券法规的规定, 我国上市公司最近两个会计年度的审计结果显示的净利润为负值, 也就是说, 如果一家上市公司连续两年亏损或其每股净资产低于股票面值, 就要予以特别处理。

由于我国上市公司 (t-1) 年的年报和其在第t年是否被特别处理这两件事几乎是同时发生的, 所以用t-1年的数据预测第t年是否被特别处理是没有实际意义的。

因此本文分别通过上市公司第 (t-2) 年、 (t-3) 年的财务数据建立模型来预测公司在第t年是否因财务困境而被特别处理。从2006年到2008年选取了30家首次被特别处理的上市公司作为样本, 同时选取了同行业、同时间、规模接近 (相差不超过20%) 的30家非ST上市公司作为匹配样本。

采用多元分析法, 将多个财务指标联系起来建立函数, 综合反映公司的财务状况, 预测公司的财务风险。数据处理采用SPSS和EXCEL软件完成。

四、传统Z分数模型及实证分析

传统Z分数模型的思路是运用多变量模式建立多元线性函数公式, 即运用多种财务指标加权汇总产生的总判别分 (Z值) 来预测企业的财务危机。

该模型主要是从20多个财务指标中综合出5个变量来计算、预测企业的财务状况。

其计算方法主要就是根据这些变量对财务危机警示作用的大小而赋予不同的权重, 最后进行加权计算, 得到一个企业的综合风险总判别分Z值, 将其与临界值对比就可以了解企业财务危机的严重程度。

据Altman的统计结果, 此方法预测的准确率在破产前一年高达90%以上, 而在破产前5年也高达70%之多。

Altman选定的5个指标从企业的运营能力、获利能力、财务结构、偿债能力、资产利用效率方面综合反映了企业财务状况, 其模型 (适用于上市公司) 为:

式中:

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=息税前利润/平均总负债;

X4=期末股东权益市场价值/总负债面值;

X5=本期销售收入/平均总资产。

Altman据1970年~1973年分析资料得出:

如Z值<1.810, 表明企业出现破产先兆, 破产可能性极大, 在本文中作为上市公司出现财务危机来处理;

Z值>2.675, 表明企业的财务状况良好, 破产可能性很小;

如Z值为1.810~2.675, 表明企业的财务状况很不稳定。

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危机的征兆。

传统Z分数模型实证分析的具体做法为:用这60家企业的5个主成份来预测企业财务危机情况, 即作为输入样本。

具体到本文, 在SPSS中系统会自动计算出每家企业5个主成份的值, 并且自动保存在SPSS编辑表中。模型输出层定义为一个节点, 即上市公司的实际财务状况。

在本模型样本集中, 样本的输出为Z (当为ST公司时, z<1.810;当为非ST公司时, y>1.810) 。以此作为评判上市公司财务状况的标准。

由表1可知:基于传统Z分数模型的财务危机预警模型在对t-2年的60家测试样本的测试结果中, ST公司有1家判断错误, 非ST公司中有15家判断错误, 其准确率为72.3%, 大于50%;在对t-3年的60家测试样本的测试结果中, ST公司有8家判断错误, 非ST公司中有11家判断错误, 其准确率为68.3%。

*t-2表示ST前2年, t-3表示ST前3年, 下同。

由上述计算结果可以看出, 特别对于ST公司来说, 传统Z分数模型的准确度出现了很大的偏差, 已经不能满足对于上市公司财务预警作用的需要。

究其原因, 传统的Z分数模型虽然综合考虑了企业的偿债能力、获利能力和营运能力, 但是这一模式的最大缺陷是没有考虑现金流量的变动情况和企业未来发展能力, 因此在实践中不能很好地预测财务危机的出现。

五、对传统Z分数模型改进

第一, 指标体系构建。本文所使用的财务指标包含了五个方面:偿债能力;经营能力;盈利能力;现金流量指标;成长能力指标。这些指标基本包含了公司财务状况的各个方面, 是比较全面的一个财务指标体系, 具体内容如表2所示。

第二, 财务危机预警模型自变量确定。为了筛选出有重大差异的指标, 本文首先对这些基础财务比率进行了正态性检验, 以便确定采用何种方法来检验财务比率均值的差异性。

由于在本研究中, 样本的选取遵从了配对的标准, 因此本文中选用非参数检验中的Wilcoxon配对符秩检验。

利用收集的三组60家样本企业的数据资料, 使用SPSS12.0版统计分析软件对样本财务危机前t-2, t-3年财务指标的非参数检验结果显示表明, 资产负债率、股东权益比率、应收账款周转率、总资产周转率、资产净利率、净资产利润率、主营业务利润率、每股收益、净利润现金含量、现金流动负债比、主营业务收入增长率、主营业务利润增长率、净利润增长率13个财务指标在t-2, t-3年具有显著性差异。

因此, 本文将这13个财务指标作为建立模型的初次入选指标。

然而这些指标有些相关性很强, 包含了重复信息, 而且指标的数量相对较多, 使模型不够经济。为使模型更加精简, 有必要进行二次筛选, 剔除其中相关性强的指标。

本文运用了主成份分析法, 通过在SPSS中对主成份分析的结果, 考虑实测指标信息量和主成分分析的分析方法处理的优化基础上, 经过显著性检验, 提取5个方面最有代表性并且贡献率大于85%的5个主成分因子。

这5个财务指标分别为:

X1= (期末流动资产-期末流动负债) /期末总资产;

X2=销售收入/平均资产总额;

X3=息税前利润/平均总负债;

X4=经营活动现金净流量/流动负债;

X5= (t年股东权益-t-1年股东权益) /t-1年股东权益。

该指标体系最大的特点是加入了现金流量和表明企业发展情况的主营业务收入增长率这两个自变量, 弥补了传统Z分数模型的不足。

然后, 运用多变量模式建立多元线性函数公式。多变量灰色模型的建模及预测模型的建立对某上市公司财务状况有5个相互关联的变形观测点, 获得了2周期的变形观测资料, 其相应的变形观测序列为:

其一次累加生成序列为:

式中, (k=1, 2;i=1, 2, 3, 4, 5) , 考虑到5个点的相互关系和相互影响, 对此生成的序列建成5元一阶常微分方程组。

写成矩阵形式:

式中:

由积分生成变换原理, 对式 (2) 两边左乘以e-At得:

在区间[0, t]上积分, 整理后得:

式 (3) 即为生成序列模型的一般形式·模型参数A和B, 通过对式 (1) 离散化, 并由最小二乘法得估值。

其中:

从式 (6) 中可以得到A和B的辨识值:

建立预测模型。将式 (3) 写成离散型式的模型:

将式 (9) 进行累加还原, 有

用R语言编程对数据进行多元线性回归模型的求解及残差分析, 运行结果为:

改进Z分数模型为:

通过对上市公司财务状况数据与X1= (期末流动资产-期末流动负债) /期末总资产;X2=销售收入/平均资产总额;X3=息税前利润/平均总负债;X4=经营活动现金净流量/流动负债;X5= (t年股东权益-t-1年股东权益) /t-1年股东权益这五个主成分因子的关系做多元统计分析, 得出了上市公司财务状况评估的回归模型。回归模型的结果见式 (12) 所示。

从回归方程中可以看出, 在五个主成分因子中, X5= (t年股东权益-t-1年股东权益) /t-1年股东权益对上市公司财务状况的影响最大, 这也说明了为什么我国将上市公司股东权益中每股净资产是否低于股票面值作为股票特变处理的原因。

基于Donalson理论选取变量, 现金流量变动情况使改进型Z分数模型较传统Z分数模型可更准确地预测企业财务危机。改进型Z分数模式仍以1.81为临界点, 如数值低于临界点, 就被预测为ST公司;反之, 即非ST公司。

六、改进型Z分数模型实证分析

如表3所示, 改进型Z分数模型在对t-2年的60家测试样本的测试结果中, ST公司有1家判断错误, 非ST公司中有5家判断错误, 整体准确率为90%, 对于ST公司判断的准确率高达96.7%;在对t-3年的60家测试样本的测试结果中, ST公司有6家判断错误, 非ST公司中有8家判断错误, 整体准确率为76.7%, 对于ST公司判断的准确率为80%。在模型运行结果中, R2=0.991, 指示数据间有较强的回归关系, 该回归方程是适合的。可见, 改进型Z分数模型在预测上市公司发生财务危机的预测过程中有较强的准确性, 特别是对于上市公司t-2年的财务状况走势判断准确性更高, 对上市公司的财务危机有很强的预警作用, 实用价值很高。

实证分析表明, 改进型Z分数模型对于我国上市公司都有较好的准确性, 该模式中的自变量均来自财务报表, 容易取得, 借助于相关数学模型、SPSS以及EXCEL软件, 计算过程较系统, 值得我国上市公司的管理当局、投资者、债权人和股东等其他相关利益主体在实践中运用。

但改进型Z分数模型在测定财务结构时, 用股东权益的市场价值取代了账面价值, 认为这样分子能更客观地反映公司的价值大小, 而由于我国资本市场的不成熟, 对于上市公司来说, 使用股东权益的市场价值并不能客观地反映公司价值的大小, 测定的财务结构与实际存在一定偏差。

另外, 虽然财务危机发生的最终的结果是公司主要会计科目、财务指标的数据不断恶化, 采取以财务指标进行财务危机的预测研究是必要的、合理的, 但是, 导致财务危机的因素是多元的, 除了会计、财务因素之外, 通过以上大量的实证研究表明, 公司治理指标因素也是有效预测财务危机的重要手段。不难推断, 公司治理结构不健全、不合理显然也是导致财务危机发生的重要诱因, 因此, 为了减少、防范财务危机, 公司必须不断健全和优化治理结构, 同时, 在对财务危机预测中应当重视治理因素的作用, 这样才能更全面、更准确地进行财务预测, 公司才能防范于未然, 真正减少和避免财务危机。

参考文献

[1]何宁、吴黎兵、滕冲:《统计分析系统SAS与SPS》S, 机械工业出版社2008年版。

[2]周恒彤:《统计学》, 东北财经大学出版社2008年版。

[3]王维国:《计量经济学》, 东北财经大学出版社2008年版。

Z模型改进 篇5

(一) 企业背景介绍及科目含义

Z企业是以不动产租金收入为主营业务收入的企业, 受业主的委托, 对业主的不动产进行策划招租、日常经营、修缮管理。企业使用小企业会计准则, 应收账款科目在《小企业会计准则》的具体定义如下:

应收账款核算小企业因销售商品、提供劳务等日常经营活动应收取的款项。

(二) 科目的账务处理

本科目在Z企业日常经营中主要账务处理:

本科目发生应收账款时, 按应收金额, 借记本科目, 按照实现的营业收入, 贷记“主营业务收入”等, 按专用发票上注明的增值税, 贷记“应交税费——应交增值税 (销项税额) ”科目;收回应收账款时, 借记“银行存款”等科目, 贷记本科目。

(三) 科目管理方式:

作为企业资产负债表上的一项重要内容, 应收账款的管理应该以信用风险为前提, 确立覆盖事前、事中、事后三个维度的管理理念, 我们一般讲货物交付之前的管理称为应收账款事前管理, 货物交付后直到坏账出现, 这段期间对应收账款的管理称为事中管理, 针对坏账出现后采取的措施叫做事后管理。

Z企业在日常经营管理中, 属于不动产类服务企业, 所谓“货物交付”实际上就是将不动产交付给承租人使用这一工作节点;所谓“坏账”出现就是拖欠租金这一行为的出现。对应收账款的管理方式从时间维度讲分为三个阶段:第一个阶段是租赁协议签订前的管理;第二个阶段是从签订租赁协议开始到应收账款到期日 (即合同约定的付款日期) 这段时间的管理, 即拖欠租金前的账款管理;第三个阶段是, 应收账款到期日后的账款管理, 即拖欠后的账款管理。

二、经营现状及存在问题:

(一) 没有对承租人建立信用评估体系

Z公司面对的承租人信用等级参差不齐, 但在实际工作中, 没有对不同类型的承租人划分不同的信用条件, 从而导致了对拖欠租金问题的预见能力, 没能建立一个承租人信用评估体系, 对承租人拖欠租金行为的估计不足, 从而导致经营招法过少。

(二) 信用额度的度量失衡

Z公司并没有明确区分承租户的不同信用等级, 在协议签订后, 也没有根据履行协议的表现, 给予每个承租户不同的信用额度, 这就造成了个别承租户信用额度过大, 最终导致坏账的出现。

没有信用额度的审批流程及审批责任人, 承租人的信用额度依赖于业务部门的工作人员过于粗放的评价和判断, 没有针对不同的承租户进行细致划分, 制订对应的信用额度。

(三) 没有对信用条件定期回顾及更新

缺乏对信用条件的定期回顾和更新, 很多承租户的信用条件都是在签订租赁协议时留下的印象, 承租户在租赁期内有的发展壮大, 有的经营亏损。由于信用条件没能定期更新, 经营业绩下滑的承租户有出现坏账的风险。

(四) 缺少与财务部门对账的工作环节

Z企业现在经营管理房产较少, 业务部门还没有每月到财务部门的对账工作环节, 对租金收缴不进行“应收租金”“实收租金”“预收租金”的分类归集统计, 只进行台账式分户管理。在预收租金后也不进行预收租金转已收, 与财务部门对账的工作流程。完成全年的目标责任的情况也不与财务部门进行核对确认, 业务部门与财务部门在完成全年责任目标上没有实质上统一, 还是两股劲。

目前对拖欠租金处理程序过于简单, 发现承租户有亏损、倒闭、停业等风险时, 仅仅是通过业务部门向总经理汇报, 并没有通知财务部门, 而由于其他部门没有介入, 往往没有提前采取措施, 导致坏账出现。

(五) 应收账款管理缺乏奖惩方案

对应收账款的回收情况既没有惩罚措施, 也没有奖励措施, 造成应收账款责任人对应收账款的催收主动性不高, 也造成了应收账款回款不够及时, 拖欠天数过高的情况。

三、完善应收账款管理的对策

(一) 事前控制:建立信用评估体系

一是签订房屋租赁协议前通过考察租户的各项资质, 初步建立信用评估体系。

通过过往承租经历等多种渠道考察承租户的信誉;查看一年内的财务报表考察偿债能力、现金流状况和财务状况;查看不动产、车辆等权属证明考察用作抵押的资产;考察可能影响承租户付款能力的经济环境, 财务状况、发展前景、行业的风险程度等, 来评价承租户的签订协议前的信用等级。业务部门在签订租赁协议前, 留存相关要件的复印件, 对承租户进行风险评估后, 在租赁协议期限内动态监督承租户的经营状况, 了解租户的资信情况, 不但建立完整、准确的承租户的信用评估体系, 当资料发生变更后, 还能及时更新承租户的信用评估体系。

二是在签订协议环节对房屋租赁协议的付款时间条款加以重视, 灵活把握。

租赁协议中对房租的付款时间都有很明确的规定, 对于资信好, 在信用评估体系中等级高的承租户, 在履约过程中, 可以给予相对宽松的期限要求。例如, 有些有信誉, 由社会影响力的法人单位对房租发票的开具时间要求不得跨年, 企业就可以针对跨年时点的房租, 在付款时间这一协议条款上做相对宽松的约定。

对于在信用评估体系中等级低的承租户、自然人承租户, 业务部门必须强调付款时间, 及滞纳金条款。

(二) 事中控制:对信用评估体系的动态管理。

一是履行协议过程中对信用评估体系进行完善, 全方位动态管理。

一旦签订房屋租赁协议, 就与承租户建立了债权债务关系, 就以租赁协议形成了Z企业的应收账款。业务部门对该项应收账款进行追踪分析, 业务部门通过保持与承租户的经常联系, 提供服务, 提醒付款到期日, 催促付款, 使承租户感觉到债权人施加的压力。业务部门根据租金收缴情况, 更新承租户的信用评估体系, 切实有效, 及时有效地确定承租户信用额度。对于信用评分高的, 付款及时, 履约好的租户, 可以给予其较高奖励额度;反之, 应给予其低一点的奖励额度或者不奖励。同时, 根据承租户的奖励额度设定每户的最长的欠款期限, 业务人员在每户对应的欠款到期日前催收租金, 如承租户到期未能交租, 则立即采取措施, 组织追款。

二是业务部门与财务部门定期对账, 并对应收账款收取情况、账龄等情况进行分析, 通过财务数据和分户台账, 及时反馈给业务部门, 完善信用评估体系。主要包含以下两方面的工作:

(1) 业务部门与财务部门每月进行对账工作。由业务部门编制房租对账单, 包含应收租金、实收租金、预收租金的金额数, 业务部门、财务部门在对账单上签字确认, 一式两份分别存档, 业务部门对账单上的数字应与租金台账上的合计数据是一致的。

(2) 应收租金回收情况账龄分析。房屋租赁企业应对应收租金回收情况随时掌握, 可以通过编制账龄分析表进行账龄分析, 可分析欠款时间长短的款项各占多少, 对不同拖欠时间的欠款, 业务部门应采取不同的收租方法、收租政策。例如, 财务部门定期出具挂账的租金占应收账款累计总额的比例, 这一指标作为企业定期财务分析的重要数据。此外, 财务部门还可以按户进行分析, 将承租户的拖欠房租行为划分为若干等级, 以自然月或季度为分户台帐的出具时点, 将全部承租户划分为交租户与欠缴户;欠缴户下划分为初次欠缴户与多次欠缴户;多次欠缴户下记录欠缴天数。举例如下, 假设租赁协议约定的付款日期为每月最后一天, 3月31日编制的台账如下:

**年3月份三名承租户台账

张三类型是交租户累计欠缴次数为1累计欠缴天数为2

李四类型是欠缴户累计欠缴次数为1累计欠缴天数为0

王五类型是欠缴户累计欠缴次数为2累计欠缴天数为9

具体情况是张三履行协议到3月31日时, 应交租金均已交齐, 在1月份欠缴过一次, 但是在2月3日已补齐租金;李四履行协议到3月31日时, 应交租金未交齐, 在3月31日应交租金欠缴;王五履行协议到3月31日时, 应交租金未交齐, 在1月份欠缴过一次, 但是在2月10日已补齐租金, 3月31日应交租金欠缴。

假如4月份张三未缴纳租金, 李四在4月3日补齐上月欠缴租金并缴纳当月租金, 王五在4月1日补齐上月欠缴租金但仍未缴纳当月租金, 4月30日台账更新如下:

**年4月份三名承租户台账

张三类型是交租户累计欠缴次数为2累计欠缴天数为2

李四类型是欠缴户累计欠缴次数为1累计欠缴天数为2

王五类型是欠缴户累计欠缴次数为3累计欠缴天数为10

以上案例仅仅对次数和天数进行简要说明, 在工作实践中还应添加欠缴金额、本年累计等内容, 以表格形式编制。

三、事后控制:全力以赴阻止坏账的产生。

一是业务部门制定岗位责任制, 确定合理的催收账款程序。

业务部门应将承租户发生的应收账款的拖欠责任明确到人, 分析拖欠的原因, 特别是有关停倾向的承租户, 要争取在债务人进行破产程序前收回债权。

二是确定合理的催收账款程序。

Z模型改进 篇6

风险的存在使企业的经营前景具有较多的不确定性, 如果企业对风险控制不力, 就有可能出现财务危机甚至破产。但一般而言, 企业破产不是突然发生的, 而是一个渐进的过程, 在萌芽阶段总是会有异常信息, 称为财务预警。财务预警分析, 就是依据企业财务报告和其他经营资料, 计算分析企业财务指标的变化, 揭示企业面临的经营困难和财务危机, 警示企业尽快采取有效措施来优化财务状况, 提高财务成果, 使企业走出破产边缘。

全球经济一体化的日趋加速, 市场竞争更加激烈, 市场运行的风险也在加大, 而财务监测与预警系统可以对企业在经营管理活动中潜在的风险进行实时控制, 并向经营者预先示警。

►►二、实证研究

(一) 样本选取与研究设计

1.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=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

其中:

X1=净营运资本/总资产;

X2=保留收益/总资产;

X3=息税前收益/总资产;

X4=经营净现金流量/总资产;

X5=销售额/资产总额。

根据这一模型, Z值越低, 企业就越有可能破产。Altman提出判断破产企业和非破产企业的分界点为2.675, Z值大于2.675, 为非破产企业;Z值小于1.81, 为破产企业;当Z值处于1.81-2.675之间时, 由于进入该区间的企业财务状况不稳定, 误判的可能性很大, 所以Altman称此区间为“灰色地带”。

2.样本的选择

本文以在深市发行的和沪市发行的10只A股为样本, 其中包括ST公司和非ST公司

各5只。

3.数据来源

根据上市公司2003年、2004年和2005年的年报数据分析计算得出Z值的数据。

(二) 实证结果的分析与解释

(1) Z值的计算

研究样本中ST公司与非ST公司Z值的计算

(2) 数据分析。

Altman认为如果公司的Z值低于1.81时, 公司有很大的破产风险;但当1.812.675时, 公司的财务状况良好, 破产的可能性极小, 但这个标准是否适用于我国的上市公司, 我们对样本的Z值结果进行统计, 情况见表2。

从以上的统计结果可以看出, Altman标准对我国的上市公司不具有较好的适用性。同时可以看出, 同这个标准相比, 我国的ST公司的Z值相对较低。因而, 从现实使用的角度看, 判别点仍需进一步优化, 我们分别以0.8和1.6为分割点进行分析, 统计结果如表3。

从分析结果可以看出, 以0.8和1.6为分割点要优于以1.81和2.675为分割点。从投资者的角度看, 错误的判断会使投资者做出错误的决策, 进而可能会有大量的损失, 而且上市公司的股东人数较多, 会产生较大范围的损失, 并有可能影响证券市场的稳定。所以我们建议以1.6为分割点来修正Z模型分值。根据这一修正后的模型, 判断破产企业和非破产企业的分界点为1.6, Z值大于1.6, 为非破产企业;Z值小于0.8, 为破产企业;当Z值处于0.8-1.6之间时, 由于进入该区间的企业财务状况不稳定, 误判的可能性很大, 称此区间为“灰色地带”。

►►三、研究结论及说明

从上面的实证结果可知, Z-score模型并不完全适用于我国上市公司, 需要进一步优化, 即将假设1中的分割点修正为1.6。修正后的Z-score模型对我国上市公司的财务危机有较好的预测作用, 模型的分类能力和超前预测能力比较令人满意。

虽然这些财务危机的预警模型存在一定的局限性, 但是仍然是一种有效的预警方式, 在我国的证券市场上有较好的示警作用。

参考文献

[1]周首华等.论财务危机的预警分析——F分数模型, 会计研究, 1996;8

[2]陈静.上市公司财务恶化预测的实证分析[J], 会计研究, 1999;4

[3]罗栋梁.ST财务危机预警.会计之友, 2001;7

[4]李小青, 董全.企业财务预警系统及其定量分析[J].会计之友, 2000;1

Z模型改进 篇7

一、文献回顾

(一)国外研究Fitzpatrick(1932)是第一个接触到财务预警研究的学者,他挑选出了十九家公司作为研究对象,并按照统一的标准以破产为界限将它们划分成为两大类,结果显示出净资产报酬率和产权比率这两个指标能够比较准确的衡量企业的财务风险水平。Beaver(1966)在对财务危机预测时运用到了单变量模型。他挑选了158个企业,并将其划归为两大类,选定了五组与财务相关的指标作线性回归分析,结果证明现金流动负债比的准确度最高,位居第二的则是举债经营比率。并且研究发现企业距离破产失败的时间越短,准确度越高。Altman(1968)首次使用了多元判定分析(Multiple Discriminant Analysis,简称MDA)预测财务危机,该模型对于财务困境的预测能力较之以前有了很大提高,此模型被定义为Z模型。Z模型在后来的研究中又得到了逐步的完善与改进,由于准确性高、可靠性强,深受广大研究学者们的关注与重视。1970年,对财务危机的预测有了新的突破。Meyer、Pifer在实证研究的过程中首次将最小平方法容纳到其中,并将被解释变量Y分别定义为1和0,引入了净资产收益率等多个变量进行回归分析。

(二)国内研究与国外相比,我国对上市企业财务困境预测的研究基本上是参照国外研究进行的,口径和路线与国外基本一致。国内在这方面的研究比较有建树的学者主要以吴世龙、陈治鸿、黄世忠等为代表,他们都从多个角度作了深入探讨和分析,对后续的研究产生了很强的指导作用。从总体上来看,国内对企业财务预警的研究方法大致上可划分为单模型研究和多模型比较研究这两种类型。单模型研究主要涉及到了主成分分析法、BP神经网络方法等方法的运用,而多模型比较研究主要采纳了Logistic回归分析、多元线性回归分析、Fisher线性判定分析等方法。

本文基于美国学者(Altman)提出的Z模型预测财务危机,提出最新形势下我国房地产上市公司财务预警模型的临界值,推进Z模型在我国进一步的运用。考虑到财务预警具备实践性以及实际可操作性都很强的秉性,本文在研究过程中综合运用了定性分析方法与定量分析方法,以此来降低财务预警误判发生的概率。

二、Z模型构建

(一)指标选择Z模型是由美国纽约大学斯特商学院教授爱德华·奥尔曼(Edward Altman)在1968年提出的,其初衷在于判断企业破产发生的可能性大小,目前已成为西方国家信用风险管理的重要模型之一。Z模型的基本思想是利用多个财务指标设定多元线性回归函数,也就是以选取的这些财务指标经过综合计算得出的数值(即Z值)来判定企业是否发生了财务危机。该模型最初只应用于制造业企业,后来经过专家学者们的修订与完善,也适用于服务型企业。

奥尔曼以66家企业作为样本,在众多财务指标中精选了最具代表性的5个指标,使用两组企业在相应时段的数据,得出Z值判别模型函数为:Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5,此函数中相应的Z值指标解释如下:

X1为营运资金/总资产=(流动资产-流动负债)/总资产。这一指标反映的是企业营运资本规模。营运资本衡量的是企业的短期偿债能力,只有加强对营运资本的合理利用以及提高其配置效率才能使企业高效率的运作,从而有助于企业获得更大的利润空间以及更好的规避风险。

X2为留存收益/总资产=(未分配利润+盈余公积)/总资产。这一指标反映了企业的累积获利能力,对于上市公司而言,留存收益是指净利润减去全部股利的余额。

X3为息税前利润/总资产=(税前利润+利息费用)/总资产。该指标反映的是企业以自有资金每投入一元的资产所能获取的利润。需要注意的是,这里的利息费用是广义的利息费用,一部分是计入损益表中财务费用项目的利息费用,另一部分是计入资产负债表无形资产等成本的资本化利息。该指标能够较好体现企业利用自有资金加强企业管理进而获取利润的能力,资金的投入产出比越高,企业的盈利能力越强。该指标越大,说明企业整体获利能力越强。

X4为股权市价总值/总负债。该指标中的分子由两部分构成,其中流通股部分以市价衡量,而其余的部分则是以股东权益与总股数的比例来衡量。X4一方面度量了企业的财务结构,另一方面度量了企业的偿债能力大小。该指标用股东权益的市场价值代替了账面价值, 对同样可以反映企业财务状况的产权比率进行了修正,以期能更客观地反映公司价值。

X5为销售收入/总资产=主营业务收入/总资产。销售收入也就是营业收入,但是此处的营业收入不同于我们平时广泛使用的营业收入。必须强调,在这个指标里面,主营业务收入应该是剔除了各种减项之后的净额。该指标实质上就是总资产周转率,它能够强化企业对资金的管理水平,迫使管理层合理分配企业资本在各个环节的比重,从而加强其综合利用效率。

(二)模型建立Z模型作为一种被用来预测企业破产状况的模型,其宗旨在于:选用一组能显著代表企业财务状况的指标,建立合理可靠的模型,借助模型值来反映企业的财务状况,从而在一定程度上控制企业财务危机的发生。Z模型基本涵盖以下三个方面的内容:

(1)选取适当的财务指标。选取适当的财务指标是构建财务预警分析模型的首要条件。模型涵盖的五个财务指标分别体现了企业的短期偿债能力、长期偿债能力、资本增值能力、营运能力和财务杠杆,一方面可以系统、准确的反映该企业真实的财务状况,另一方面强化了模型的可操作性。

(2)赋予加权系数。Z模型的独特之处便是借助于加权系数说明不同指标对企业财务状况影响程度的不同。正是因为不同的指标对财务危机的作用力大相径庭,且权数直接关乎指标和预测结果的准确度,如何选择加权系数便成为模型运用中的重中之重。

(3)定义模型临界值。Z模型的最终落脚点在于通过将数据代入模型计算得出的分数值判断企业的财务状况。企业面临财务危机或是财务困境的显著表现即是模型得出的分数值较低甚至为负数。Z模型通过严密的实证分析及检验计算出了几个比较合理的临界点。通过临界范围的划分使企业管理当局能够直截了当的判断其所属区间,进而明晰企业财务状况的好坏并在一定程度上预防或者减小企业发生财务危机的可能,提高管理当局的危机意识。

通过大量的数据佐证和分析, 奥尔曼初步计算出了Z的标准值,即Z=2.675。企业的Z值高于2.675的企业为较安全的企业, 低于2.675的为存在财务危机或破产风险的企业。此外,奥尔曼还发现,如果一个企业的Z值低1.81,则该企业实际上已经有破产的潜在风险,若不采取有效的行动,则很容易陷入困境。具体来说,奥尔曼提出的Z指标评价分类值如表1所示:

在经过如此反复的研究证明后,奥尔曼认为:Z值的大小与这个企业面临财务失败的风险程度呈负相关关系。研究表明,该方法的精准度在企业破产的连续五年之内都是在70%以上。由此可见,Z值相对较小的企业面临破产的危险系数更高,在预测的过程中要多加小心。

三、房地产企业财务预警实证研究

(一)样本选取由于我国只有上市公司才有披露财务信息的责任,因此从上交所和深交所获得的数据看,2008年到2011年我国上市的房地产企业就从93家发展到123家,其中有5家ST企业。本文选取了2008年~2010年的财务数据,并以2011年的数据来检验研究结果。ST代表的是出现财务状况或其他状况异常的公司,因此在进行实证分析的过程中把ST公司看成是房地产企业遭遇财务困境的象征,相反的,非ST公司则被认为财务现状良好。

(二)模型有效性检验本文基于Z模型研究成果,提出以下假设:ST房地产公司具有较大财务风险,Z值应小于1.81;非ST房地产公司财务风险应大于1.81。

本文利用2005年~2007年房地产行业上市公司财务报表数据,运用Excel办公软件计算出我国房地产业上市公司的Z值。ST公司Z值情况如表2所示。由表1可知,ST公司平均Z值为-0.1742,远小于1.81,与假设前半部分符合。

通过数据分析得知,非ST公司平均Z值为1.6390,小于1.81,与假设的后半部分不符。由此可以看出无论是上临界值和下临界值都相对较高,因此本文基于前人的研究成果,着力于对Z值模型临界值的修正。

造成我国房地产公司Z。值模型临界值低于奥尔曼所确定的临界值的原因有如下几点:第一,国情不同,企业破产的条件不同。由于经济、文化、政治条件的不同,对于破产界限的界定我国和美国存在着很大差异。第二,我国上市公司的股权市价总值不够合理。目前我国股市参杂了很多主观的成分在其中,并且股权过于集中,股权市价总值的计算基础是每股股价,在一定程度上扭曲了公司实际的市场价值这样就影响了X4这一指标的合理性。第三,由于投资本身具有多元化的特点, 大部分企业都把注意力放在了各种间接投资上,而忽略了关键性的直接投资。超额的非直接投资减少了公司的营业收入,直接导致X5的值偏低。第四,房地产行业负债比较高。数据统计发现房地产行业平均资产负债率62%,而美国公司的资产负债率平均在50%左右, 这样就极大影响了指标X4的值,使得X4值偏小。第五,房地产行业周期相对较长,长期资产占了相当大的比重,营运资产相对较低,这在一定程度上会影响X1的值,而营运资本在一个企业的生产经营过程中是相当重要的。

(三)模型修正奥尔曼的Z值模型从整体上来看比较客观,能够很好的预测企业财务危机的发生。但是其研究成果是基于美国各行业的经济财务数据,对于我国房地产企业财务预警有一定的参考价值,但不能机械地搬来运用。因此,本文基于我国2008年~2010年的房地产上市公司的临界值分析,然后利用2011年数据进行检验。

20世纪初,陈晓、陈治鸿的研究中得出的结论是其模型能够将股东权益报酬率作为判定企业财务风险的可行性指标,从整体上来看,其精确程度接近80%。从这一研究成果中我们能够确定以6%作为股东权益报酬率的临界点来判定企业面临财务风险的大小具有很高的可信度。本文令每股收益和净资产收益率均小于零。通常一家公司每股收益和净资产收益率小于零时,便认为该公司的财务风险较大。相应的,本文也统计了此阶段房地产公司的Z值平均值。见表3。

由表3得知,Z值小于1.0213时,ST公司有4家,占了总ST公司的80%;非ST公司有12家,占总非ST公司的9%。因此,本文估计Z值模型的临界值为1。

许多文献都表明,当每股收益大于0.4时,公司的财务状况会呈现出比较好的状态。本文对每股收益大于0.4这一区间的Z值做数据统计,如表4所示。

与此同时,我们引入另一个指标即股东权益报酬率来衡量企业财务风险的大小,并将10%作为企业财务风险大小的临界值。在对股东权益报酬率高于10%这一范围内的Z值进行统计分析后不难发现:此范围内的Z值的平均值等于1.45,股东权益报酬率的平均值等于0.26。

根据谨慎性原则,本文估计当Z值大于1.6(1.45,1.5209较大者的近似值)时,该公司为业绩比较好的公司,风险较小,见表5。

综上所述,本文提出了符合我国房地产行业上市公司实际情况的Z值经验临界值,具体见表6:

将2011年房地产上市公司的财务数据带入模型验证新的临界值在我国的适用状况,结果证明对于140家非财务危机公司来说,其准确度高达81%;而对于另外5个财务危机公司来说,其准确度也达到了80%。从全部145个公司的角度观察可知,新的临界值正确预测了118个,综合准确度为81%。综合看来,就我国房地产上市公司而言,Z模型新的临界值的准确系数更高。具体见表7。

四、结论

通过以上研究,本文得出了两个主要结论:第一,原来的临界值不符合我国国情,应结合我国具体的国情加以修正。第二,重新计算分析得到了符合我国国情的临界值,并进一步利用2011年的数据进行检验,证明了新的临界值更适合我国房地产上市公司的财务危机预警。

当然,本文的研究也存在不足之处。本文在选择变量的过程中将范围局限在了财务指标范围内,而忽略了其他非财务指标与所建立模型的关联性。实际上公司在发生财务风险的前几年,其非财务指标也会发生相应的变化。此外,针对房地产行业的财务预警,应更多地结合行业的特点进行指标的筛选,如增加开发量、竣工量、项目或土地储备量、销售量与结算量的关系、商品房空置率等行业特别关注,而财务报表中却缺少予以反映的指标。由此可见,未来在进行房地产企业财务预警研究时应该适当的增加非财务指标,这样才能使Z值模型更趋于完善。

摘要：本文基于奥尔曼的Z值模型,应用我国房地产上市公司最新的财务数据检验模型的有效性,认为Z模型原有的临界值并不适合我国国情,并通过分析计算提出了适合我国房地产上市公司财务危机预警模型的新临界值,以期能够较好的预测我国房地产企业财务危机的发生。