基于Z—Score模型的企業(yè)財務預警系統(tǒng)構(gòu)建.doc

1、基于zscore模型的企業(yè)財務預警系統(tǒng)構(gòu)建 一、文獻綜述與理論支持 （一）研究綜述 財務預警模型最早起源于20世紀30年代的西方經(jīng)濟學界。經(jīng)過了這些年學者們的不斷努力，財務預警系統(tǒng)日趨完善，先后出現(xiàn)了單變量判別模型、多元線性判別模型、線性概率分析、邏輯回歸分析、人工神經(jīng)網(wǎng)絡模型等。 （1）國外研究。運用個別財務比率對財務危機進行預測這種做法是由fitzpatrick于1932年提出的。后來，beaver在此基礎上提出了較為完整的單變量分析法。在眾多多元線性判別模型中，典型代表當屬美國阿爾曼教授于1968年建立的z分數(shù)模型，不但方法簡單而且精確度高，所以這個模型被西方企業(yè)一直沿用至今。1980年

2、，ohlson首先提出條件概率模型。1992年，salchenberger等使用了人工神經(jīng)網(wǎng)絡模型對金融企業(yè)進行了財務失敗的判斷。altman、marco和varetto（1994）也使用了這種方法對意大利的企業(yè)進行了財務失敗的判斷。這些研究分析的結(jié)果都比線性判別模型的效果要好。更有一些國外學者把兩種以上的模型結(jié)合使用以建立聯(lián)合預測模型。如韓國的b.s.ahn等（2000）將粗糙集理論與神經(jīng)網(wǎng)絡方法結(jié)合起來，英國的feng yulin和sally mcclean（2001）將四種財務預警的方法結(jié)合起來。這些研究的結(jié)果表明，在同等的條件下，聯(lián)合多種模型的預測結(jié)果會比單一的預測結(jié)果好。 （2）國內(nèi)

3、研究。相對于國外而言，國內(nèi)對財務預警系統(tǒng)的研究起展較慢，但目前也有不少學者在該領域的研究上取得了一定的成果。周守華等（1996）在阿爾曼模型的基礎上提出來f分數(shù)模型。陳靜（1999）對財務數(shù)據(jù)進行了單變量分析和多元線性判別分析。張玲（2000）建立的二類線性判別模型獲得了超前4年的預測結(jié)果。楊保安等（2001）建立的人工神經(jīng)網(wǎng)絡模型更是獲得了與實際情況基本一致的實驗結(jié)果。 （二）財務預警系統(tǒng)相關(guān)理論 具體包括： （1）財務預警系統(tǒng)的含義與構(gòu)建原則。財務預警是以企業(yè)的財務會計信息（財務報表、經(jīng)營計劃及其他相關(guān)會計資料）為基礎，通過設置并觀察一些敏感性財務指標的變化，而對企業(yè)或集團可能或?qū)⒁媾R的

4、財務危機實現(xiàn)預測預報和實時監(jiān)控的財務分析系統(tǒng)。企業(yè)可以運用這個系統(tǒng)分析企業(yè)財務狀況的現(xiàn)狀，了解企業(yè)目前的經(jīng)營情況，及時發(fā)現(xiàn)問題并得出相應的對策。一個好的財務預警系統(tǒng)應該能及時預知企業(yè)的財務危機，并能凸顯導致企業(yè)面臨財務危機的原因，使管理者能迅速對問題采取適當?shù)拇胧?，將危機扼殺在搖籃里，從根本上防止財務危機的出現(xiàn)，保證企業(yè)健康持續(xù)發(fā)展。 （2）財務預警系統(tǒng)的功能。財務預警系統(tǒng)一般具有以下功能：信息收集功能、監(jiān)測功能、預警功能、診斷功能、治療功能和免疫功能。要對一件事情進行預測就必須先收集到與其相關(guān)的一切資料、所以信息收集工作需要始終貫穿于財務預警的活動中。時刻收集信息并隨時對信息作出相應的判斷，

5、就體現(xiàn)了其監(jiān)測功能。而作為一個預警系統(tǒng)，其首要功能是能在危機出現(xiàn)前預測危機的到來。通過收集、分析數(shù)據(jù)，預警系統(tǒng)能判斷出企業(yè)財務已經(jīng)出現(xiàn)的問題和能找到適當?shù)膽獙Υ胧粝麓卧儆龅酵瑯拥膯栴}就能很快的得出解決的方法。 二、現(xiàn)有財務預警模型存在的缺陷 （一）單變量模型存在的缺陷 單變量判別模型只運用了單一的財務比率，而財務比率的預測方向經(jīng)常有相當大的差距，所以容易出現(xiàn)使用不同的財務比率預測會有不同判斷結(jié)果的現(xiàn)象。再者，該模型只運用的一個財務比率，但明顯一個財務比率是無法代表企業(yè)整體的經(jīng)營情況的，而且單一的財務比率很容易受到盈余管理和外部經(jīng)營環(huán)境等的影響。所以，單變量模型就逐漸被其他模型取代了。 （二

6、）多變量模型存在的缺陷 主要有： （1）z分數(shù)模型的主要缺陷。第一，理論基礎不足。大量財務預警模型的實證表明，陷入經(jīng)營危機的企業(yè)基本上都出現(xiàn)了財務危機的征兆。但雖然z分數(shù)模型得到了很多實例驗證，但目前還沒有一個完整的理論可以證明財務危機的出現(xiàn)和財務指標低于正常值有必然的聯(lián)系。而且，在提出z分數(shù)模型時阿爾曼無法提供選取當中五個指標的依據(jù)。第二，假設很難達到。z分數(shù)模型假設預測變量有著嚴格服從聯(lián)合正態(tài)分布，且分組樣本間的協(xié)方差要相等，而在現(xiàn)實中這個假設條件很難成立。而且，一旦預測變量中包含虛擬變量，假設就不能成立。第三，忽略了企業(yè)的現(xiàn)金流量。z分數(shù)模型是建立在企業(yè)的資產(chǎn)負債表和利潤表的財務數(shù)據(jù)之上

7、，并沒有考慮到企業(yè)的現(xiàn)金流量表。而許多專家證實，現(xiàn)金流量比率是預測企業(yè)破產(chǎn)的有效變量。第四，忽略了行業(yè)之間的差異。阿爾曼在建立該模型的時候的研究對象是美國的33家制造企業(yè)，研究的行業(yè)單一，不適合籠統(tǒng)的套用在其他行業(yè)上。 （2）其他模型的主要缺陷。線性概率模型的誤判率和多元線性模型的判斷效果相當。多元邏輯模型計算復雜，預測精度較低。人工神經(jīng)網(wǎng)絡模型是目前預測精度最高的模型，但其理論基礎比較抽象且建立和運用過程十分復雜，適用性不強。 三、適合中國國情z-scone模型的構(gòu)建方法 （一）擬建模型的優(yōu)點 具體如下： （1）以數(shù)理統(tǒng)計方法彌補理論的不足。雖然現(xiàn)階段還沒有一個完整的理論支撐z分數(shù)模型，但該

8、模型經(jīng)過多年的實踐檢驗后仍然被世界各國所接受并加以運用肯定有其存在的合理性?，F(xiàn)階段我們可以運用數(shù)理統(tǒng)計軟件來推斷在我國這兩者之間的關(guān)系，所以本文在推斷兩者之間的關(guān)系時運用了spss統(tǒng)計軟件的非參數(shù)統(tǒng)計方法。spss 17.0提供了8種非參數(shù)檢驗方式，而其中的兩個獨立樣本方式適合用于檢驗本文的數(shù)據(jù)。 （2）剔除指標權(quán)重的主觀性，解除變量正態(tài)分布的限制。國內(nèi)外學者在進行財務預警系統(tǒng)建模時主要使用兩種方法確定指標的權(quán)重，一種是根據(jù)專業(yè)人員對指標的理解和經(jīng)驗確定其在模型里的影響力；另一種是通過統(tǒng)計分析方法分配權(quán)重。本文認為，目前還沒有理論能證明財務指標與財務風險之間的關(guān)系，在還不清楚之間關(guān)系時不適宜通

9、過經(jīng)驗確定指標的權(quán)重，所以本文偏重于使用后面一種方法重新確定適合我國情況的指標權(quán)重。 （3）引入現(xiàn)金流量指標。原有的z分數(shù)主要是以資產(chǎn)負債表和利潤表的數(shù)據(jù)計算的，而在現(xiàn)實中這兩個表的數(shù)據(jù)都很容易受到盈余管理的影響，導致信息失真，預測失敗。而目前我國的證券市場還處于發(fā)展階段，法制不是十分健全，企業(yè)有動機也有機會進行盈余管理以獲得更多的資金，所以要建立一個適合我國的財務預警模型有必要加入現(xiàn)金流量指標。 （4）減少行業(yè)差異對模型準確率的影響。大量實證證明，財務指標具有行業(yè)差異。以1985年美國各行業(yè)負債比率為例，具體見表1： 由表1可見，每個行業(yè)正常的資產(chǎn)負債比率是不一樣的。公用事業(yè)一般都是大型項目

10、，所以負債率較高是比較正常的，這并不影響企業(yè)的正常運作；而醫(yī)藥的資金周轉(zhuǎn)周期比較短，所以負債率會相應較低。由此可得，用同一個負債比來衡量不同的企業(yè)的經(jīng)營狀況是不合理的，建立財務預警模型的時候應該考慮行業(yè)之間的差異。我國也會存在同樣的問題，但因為市場條件不一樣，我國肯定不能直接引用國外的數(shù)據(jù)進行建模，必須按照我國情況重新設計。 （二）新建多元線性模型的實證分析 具體過程如下： （1）樣本選擇與分組?；谘芯繑?shù)據(jù)的易獲得性，本文選擇在2010年滬深證券市場a股上市公司中選取研究樣本。根據(jù)截止到2010年12月31日的統(tǒng)計資料，滬深兩市a股當中一共有64家*st公司。*st公司是連續(xù)三年虧損，根據(jù)證

11、券市場規(guī)定處以退市風險警示的企業(yè)，所以本文將這類公司分到失敗組作為樣本。再根據(jù)*st公司2009年末在的資產(chǎn)總額規(guī)模（所屬行業(yè)相同，資金規(guī)模相差不超過10%）配對相對應的非st（*st）公司作為正常組樣本。由于部分*st公司的資產(chǎn)總額規(guī)模太小無法找到合適的配對樣本，所以予以剔除。最后，本文選定了其中的44家*st公司和44家非st（*st）公司用來建立判別模型。 （2）指標選取。具體如下： 第一，基礎指標的確定。本文要建立的財務預警系統(tǒng)擬從償債能力、盈利能力、營運能力、穩(wěn)定性能力和資產(chǎn)質(zhì)量五個方面綜合反映企業(yè)財務狀況。相關(guān)指標的選取參照加入了現(xiàn)金流量后的杜邦評價體系，再參照財務舞弊模型，在原有

12、的z分數(shù)模型理念之上加入現(xiàn)金流量指標，使得模型更加完善。 因為本文是在原有的z分數(shù)模型上進行改進的，所以模型原有的5個指標均列入候選指標中。本文再借鑒了財務舞弊模型和加入了現(xiàn)金流量指標的杜邦分析體系，選取不容易受盈余管理的指標進行財務預警。所以入選的指標如下：x1=營運資金/資產(chǎn)總額；x2=留存收益/資產(chǎn)總額；x3=息稅前利潤/資產(chǎn)總額；x4=股東權(quán)益的市場價值總額/負債總額；x5=銷售收入/資產(chǎn)總額；x6=經(jīng)營活動現(xiàn)金凈流量/（|經(jīng)營活動現(xiàn)金凈流量|+|投資活動現(xiàn)金凈流量|+|籌資活動現(xiàn)金凈流量|）；x7=銷售商品提供勞務所收入的現(xiàn)金/主營業(yè)務收入凈額；x8=（經(jīng)營活動現(xiàn)金凈流量+投資活動現(xiàn)

13、金凈流量+籌資活動現(xiàn)金凈流量）/資產(chǎn)總額；x9=（經(jīng)營活動現(xiàn)金凈流量資本支出）/資產(chǎn)總額；x10=|（凈利潤經(jīng)營活動現(xiàn)金凈流量）/資產(chǎn)總額| ；x11=現(xiàn)金盈利值/凈利潤；x12=經(jīng)營活動現(xiàn)金凈流量/營業(yè)利潤；x13=非經(jīng)常性損益/|利潤總額| ；x14=自由現(xiàn)金流量/銷售收入；x15=自由現(xiàn)金流量/凈利潤；x16=自由現(xiàn)金流量/營業(yè)利潤；x17=自由現(xiàn)金流量/股本；x18=自由現(xiàn)金流量/所有者權(quán)益；x19=自由現(xiàn)金流量/總資產(chǎn) 。 （2）具體指標的確定。主要如下： 第一，非參數(shù)檢驗。兩個獨立樣本非參數(shù)檢驗是在對總體分布不是很了解的情況下，通過分析樣本數(shù)據(jù)，推斷樣本來自的兩個獨立總體分布是否存

14、在顯著差異 。本文把失敗組成員編號為1，正常組編號為2。在已知分組情況的條件下對88家企業(yè)19項指標的值進行非參數(shù)檢驗，檢驗兩組之間19個指標的數(shù)值是否有明顯的差異。本文一共選用了四種方法對數(shù)據(jù)進行檢驗，分別為兩個獨立樣本mann-whitney u檢驗、極端反應檢驗、k-s檢驗和游程檢驗。 根據(jù)檢驗結(jié)果可得，四種方法都表明兩組之間的x1、x2存在明顯差異；其中有三種方法表明兩組之間的x4、x8、x13存在明顯差異；只有一種方法表明兩組之間的x14、x18存在明顯差異，沒有方法表明兩組之間的x3、x5、x6、x7、x9、x10、x11、x12、x15、x16、x17、x19存在明顯差異。 第二

15、，判別分析。根據(jù)上一步的結(jié)果，進入判別分析的變量共有5個，分別為x1、x2、x4、x8和x13。將預先設置的分組作為依據(jù)對5個變量進行判別分析，觀察表2組均值的均等性的檢驗（f檢測）中的相伴概率，只有x4的大于0.05的顯著性水平，其余變量的相伴概率均小于0.05的顯著性水平，為提高模型的正確率需要剔除變量x4，最終確定納入建模的變量共有四個，分別為x1、x2、x8、x13。 （3）模型構(gòu)建。剔除x4后對x1、x2、x8、x13再做一次判別分析。見表3，這次模型的正常組誤判率為2.3%，正確率為97.7%，模型的綜合正確率為78.4% 此時，spss得出的判別分析的判別式函數(shù)系數(shù)（非標注化）為

16、表4中 x1、x2、x8、x13典型判別式函數(shù)非標準化系數(shù)，由此得出判別函數(shù)式： z=0.5130x1+0.9084x2+1.6560x8-0.1522x13+0.4712 為了方便表示，這里對變量的編號重新編排，所以 z=0.5130x1+0.9084x2+1.6560x3-0.1522x4+0.4712 其中， x1為營運資金/資產(chǎn)總額；x2為留存收益/資產(chǎn)總額；x3為（經(jīng)營活動現(xiàn)金凈流量+投資活動現(xiàn)金凈流量+籌資活動現(xiàn)金凈流量）/資產(chǎn)總額；x4為非經(jīng)常性損益/|利潤總額| 本文所有公式中的資產(chǎn)總額都是用年初資產(chǎn)總額和年末資產(chǎn)總額的平均值，以去除企業(yè)在期末進行盈余管理的影響。單項指標比上資

17、產(chǎn)總額后可以在一定程度上消除該變量由于企業(yè)資金規(guī)模的不一致造成的影響，增加了不同企業(yè)規(guī)模之間的可比性。 （4）確定模型的臨界值。本文根據(jù)費雪準則的判別原理，設模型的臨界值為z*（加權(quán)平均值） z*= 而z（1）=ckxk（1），z（2）=ckxk（2） 其中，ck為第k個變量的系數(shù)，xk（1）為第k個變量在第1組（失敗組）中的平均值，xk（2）為第k個變量在第2組（正常組）中的平均值。 根據(jù)表5代入數(shù)字計算得，z*0.000039（結(jié)果保留六位小數(shù)），如表6所示。 （5）新建模型的檢驗。為了檢驗新建模型對我國上市公司的判別效果，本文將2011年年末的上海證券交易所的市場數(shù)據(jù)代入新建模型中進行檢

18、驗。截止至2012年3月12日晚，已經(jīng)在上海證券交易所公布2011年年度報表的公司共有153家，其中與建模時使用的樣本所屬行業(yè)相同的企業(yè)有73家。利用上海證券交易所網(wǎng)站的xbrl系統(tǒng)搜集這73家企業(yè)的相關(guān)財務數(shù)據(jù)，分別計算四個變量的值，然后計算出各自的z值。 由表7的分析可見，在73個樣本中錯判的只有8個，其余的65個是正確的，新建模型的正確達到了89.04%，雖然在判斷失敗組的正確率不高，而判斷正常組的正確率高達93.44%。在檢驗時使用的數(shù)據(jù)中只有四家是*st公司，其余都是st公司（含一家sst公司）。st公司是連續(xù)兩年虧損而被證券交易所特別處理的企業(yè)，雖然st公司財務失敗的可能性高，但往

19、往可以通過債務重組或者公司改革等一系列措施扭轉(zhuǎn)企業(yè)虧損的局面，所以很難對其準確判斷，故降低了失敗組的判斷準確性，但總體而言，新模型的正確率還是讓人滿意的。 四、新建模型在我國運用的局限性 （一）判斷企業(yè)財務出現(xiàn)危機標準的局限性 本文中判定*st公司為失敗組，而非st公司為正常組，這個判斷標準有一些武斷，因為我國的證券市場現(xiàn)在仍處于發(fā)展階段，在界定財務危機的標準上設置得還不是很完善。雖然證券交易所會對其掛牌上市的企業(yè)的財務狀況進行監(jiān)控，但事實證明，在沒有被特別處理的企業(yè)中存在著企業(yè)財務確實出現(xiàn)問題但尚未被披露的企業(yè)，在建模選取樣本時若包含了這類企業(yè)，則會影響到模型的正確率。 （二）未全面考慮影響

20、企業(yè)財務狀況的因素 本文研究的指標都是從傳統(tǒng)的財務指標中選取出來的，并沒有考慮到非財務因素。很多實例證明，員工素質(zhì)、管理層的設置、獎懲政策的設置等非財務因素都會對企業(yè)的業(yè)績造成影響。以上提到的都只是企業(yè)內(nèi)部因素，企業(yè)的業(yè)績除了受自身的條件影響外還會受到外部因素的影響，如國家政策、經(jīng)濟環(huán)境、法律環(huán)境等。如果能考慮得更全面，也許能提供模型的準確率。 （三）樣本容量與涉及行業(yè)的問題 據(jù)統(tǒng)計，滬深兩市a股上市公司2009年末共有1860家，2010年末共有2107家，而本文建模時所用的樣本只有88家，抽樣規(guī)模較小，這就降低了模型的代表性。而樣本所涉及的行業(yè)從大類上說都是屬于工業(yè)，對于判斷其他行業(yè)上的代表性不足。 （四）財務數(shù)據(jù)失真可能性高 我國的證券市場現(xiàn)階段的法律制度還不是很健全，對企業(yè)的財務狀況的監(jiān)控還不夠全面。企業(yè)為了得到因為上市而獲得的高額資金，往往會進行盈余管理，使得公布的財務信息失真。雖然新建模型建立時在一定程度上考慮到了這一點，可以通過觀察每個變量的變化情況推斷企業(yè)是否存在違規(guī)行為，但財務資料的失真對建模時的影響還是無法完全避免的。 參考文獻： 1edward i. altman. financial rations， discriminate analysis and the