试论我国应用Altman-Z模型进行财务困境预测的研究局限性

来源:用户上传      作者: 陈 宁

　　内容提要：为使Altman-Z模型适用于我国市场，现有研究对其进行了一系列的修正，包括将权益市价／总负债等比率进行修正或简单剔除；并选取一组sT公司作为财务困境公司的代表，另一组非sT公司作为财务健康公司的代表，对其财务数据进行研究。这些修正急于加入“中国特色”的因素，因为自身证券市场的不成熟而将Altman-Z模型中的相关成分剔除，但却是以牺牲该模型天生的优越性为代价的。在继承Altman-Z模型本身的先进之处的同时因应我国的实际情况，构造一系列可行的辅助指标才是我们对Altman-Z模型进行进一步研究拓展所应有的态度和方向。
　　关键词：Altman-Z模型；财务困境；预测；局限性
　　中图分类号：F832.5 文献标识码：A 文章编号：1003-4161(2010)02-0118-03
　　
　　一、研究背景
　　
　　全球经济在2008年开始的金融海啸中受到重大打击，一蹶不振的大小企业不在少数，投资者更是蒙受重大损失。如何利用公开披露的财务信息，做好公司财务困境的事前预警工作，构建相对安全的投资组合成为人们关注的又一热点。美国学者Altman在20世纪60年代建立的多元线性函数公式Altman-Z模型又开始频频被各大投行分析师所引用。Altman-Z模型旨在运用多个财务比率的加权综合得分(即Z得分)来判别企业的财务健康状况。由于其客观准确、简单易懂、计算简便，所有数据均可根据财务报表得到，具有很强的可操作性，广泛地被机构及个人投资者乃至企业管理层作为决策工具。
　　由于Ahman-Z模型是在针对美国资本市场的实际情况构建的，多年来我国学者也针对国情对其进行了修正和研究，本文分析了这些研究的基本思路，认为其中的一些“中国特色”是以牺牲模型本身的优势为代价的。从而提出从新的角度对Altman-Z模型在中国资本市场的应用进行研究。
　　 二、研究综述
　　 (一)国外财务困境预警模型的文献回顾 国外证券市场历史较长，对财务失败的预警研究也有一定的积累。Beaver(1966)提出了单变量判定模型，他首先使用了5个财务比率作为变量，分别对相等数量的财务失败及财务不失败的公司比照进行单变量判定预测，发现债务保障比率(现金流量与负债总额的比率)在判定公司财务状况上表现最优，其次是资产收益率和资产负债率。他还发现，离经营失败日越近，这些财务比率的预测准确度就越强。
　　在单变量预警模型的基础上，美国学者Altman(1968)将若干财务比率合并入一个函数方程，创建了Altman-Z多变量判定模型以克服单变量模型以不同财务比率预测同一公司，出现不同结果的现象。Altman的实证结果表明，在破产前一年的预测准确性较Beaver有较大提高。1977年Altmant构建了包含7个财务比率的二次判别分析模型，即Zeta模型。另辟蹊径的是以累积概率函数为基础的多元条件概率模型，主要包括Logit和Prohibit两种统计方法。1977年Martint首次使用Logit方法预测银行的财务危机，1980年Ohlson用同样的方法对财务失败的预测进行研究。
　　由于统计方法本身具有一定的局限性，而随着人工智能的发展和应用，Durra et al.于1992提出将神经网络方法用于预测公司破产。这种方法没有数据的分布、结构等方面的要求，但其所涉及的拓扑定义、网络架构决定、学习参数以及转换公式的选择都过于复杂和难以确定，导致应用成本较高。
　　
　　(二)Altman-Z模型概述
　　虽然学术界不断研究探讨更精准的各种企业财务困境预警模型，但z模型的其特点和优势依然很明显：客观准确，简单易懂，计算简便，所有数据均可根据财务报表得到，可操作性强。因此Altman-Z模型不仅被用于企业管理当局进行财务分析，促进其改进财务管理，也被外部投资者、债权人广泛应用于对企业的评价，并作为其投资决策依据。20世纪70年代，日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象，使用与Altman相同的研究方法，建立了“利用经营指标进行企业风险评价的破产模型”，获得很高评价。许多其他国家和企业也纷纷比照此模型设计适合自身实际情况的分析模型。
　　Airman在1968年是利用1946～1965年间资产规模在100-2500万美元之间66家制造业公司(33家破产公司、33家非破产公司)的数据为基础，使用多元判别分析法，产生了一个总的判别企业财务状况恶化程度的概率值，称之为z值。该模型的函数式如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+X5。X1-X5分别表示资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率以及总资产周转率。Z值的判别的标准为：Z>3时企业从财务数据来判断是安全的；1.84：债务权益市价率(即：股东权益市价／债务总额×100％)的修正。
　　我国证券市场一个非常特殊的现象是上市公司的股票分为

流通股与非流通股两大类，为了计算总的股东权益，我们不得不分开来计算：以收盘价计算流通股股东价值，而以每股净资产计算非流通股股东价值。按这种方法计算出来的X4应当说总体偏低。因此许多学者考虑修正甚至弃用这一指标，典型的例如陈静(1999)认为债务权益市价率与流动比率的相关性高达0.905，因此在她的模型中起用流动比率，剔除债务权益市价率；陈文俊(2005)用所有者权益代替权益市价。
　　
　　(二)研究的误区
　　1　对X4的修正是否合理
　　由于我国的国情，使得照搬原有模型统计出来的z得分预测准确度有失偏颇，研究者才考虑去除Altman-Z模型中原采用的X4。采用市价的形式，能够更真实的反应包括市场偏好在内的各种状况。公司的经营状况包含了丰富的内容，如成本控制、管理水平、行业风险及市场竞争力等等，这一切很难从一个简单的年报数据，比如说股东权益账面值来表现，但是可以通过市场对其未来发展情况的评价，即股票价格来体现。当然，市价信息意味着该模型对股市的完善程度以及投资者的素质要求比较高，而且正是因为股票是非常敏感的，它可能会受公司本身以外的因素影响，比如收入水平、政策法规、突发事件、国际形势等等，这些都会对z模型的使用造成一定程度的误导。但是财务数据一个缺点就是面向过去，采用市价信息使得z模型在很大程度上更加客观地描述了公司的实际情况。如果只是简单地剔除，或是用所有者权益的账面价值来代替，那利用公开信息所做的财务预测永远都跳不出历史成本的局限性，新的模型在某种程度上说反倒是一个退步。 2　所取样本是否具有代表性 鉴于几乎所有的实证研究都取了sT和非sT两组公司的数据进行研究，因此这个标题也可以简单表述为sT公司是否就是财务失败公司的代表，而非sT公司能否成为财务健康公司的代表?
　　Ahman(1993)综合了学界对财务困境的定义，将财务困境分为四种情形：1)失败。典型代表是商业统计公司采用的“经营失败”概念，指公司经营因为破产而停止，或者处置抵押品后仍对债权人造成损失、无法按期偿付债务、由于法律纠纷被接管重组等情况。2)无偿付能力。包括技术上的无力偿付和破产意义上的无力偿付。前者指企业缺乏流动性，不能偿付到期债务，主要用净现金流是否能满足流动负债的支付需要作为判别技术上是否无偿付能力的标准；而后者指企业资不抵债，净资产为负等情况。3)违约。违约可以是技术上的或法律上的，前者是指债务人违反合同规定并可能招致法律纠纷，后者则指债务人到期无法还债。4)破产。指企业提交破产申请后被接管清算。
　　我国从1998年开始实行特殊处理(sT)政策，针对的对象是出现财务状况或其他状况异常的上市公司。所谓“财务状况异常”是指以下几种情况：1)最近两个会计年度的审计结果显示的净利润为负值。2)最近一个会计年度的审计结果显示其股东权益低于注册资本。3)注册会计师对最近一个会计年度的财产报告出具无法表示意见或否定意见的审计报告。4)最近一个会计年度经审计的股东权益扣除注册会计师、有关部门不予确认的部分，低于注册资本。5)最近一份经审计的财务报告对上年度利润进行调整，导致连续两个会计年度亏损。6)经交易所或中国证监会认定为财务状况异常的。另一种“其他状况异常”是指自然灾害、重大事故等导致生产经营活动基本中止，公司涉及可能赔偿金额超过公司净资产的诉讼等情况。
　　显然，前后两者并不是完全吻合。首先，有财务失败隐患的公司未必会被实行ST。譬如说企业的流动性缺乏并没有反映在任何一个实行特殊处理的情况之中，但我们知道流动性缺乏恰恰是许多企业在本次经济危机中节节溃败的关键所在。如果这些真正意义上存在财务困境的公司却被列人了财务健康的行列进行研究，其价值自然会被大大削弱。其次，我国的证券市场发展并不成熟，许多ST公司甚至依靠其重组概念拥有虚高的市值，使得权益市价／负债总额虚高，从而影响Altrnan-Z得分的准确性。
　　截止2009年4月，沪深两市共有1602家上市公司，剔除25家金融类公司因报表项目表述不同不具备可比性，28家上市公司因2008年下半年新上市或在统计期间停盘，市值信息不全，利用其余1549个公司2008年度中期及2008年度三季度的财务数据计算其Altman-Z得分可得：2008年中期Altman-Z得分大于1.8的sT公司共有40家，市值与负债总额之比平均为234.54％，2008年三季度Altman-Z得分大于1.8的ST公司共有34家，市值与负债总额之比平均为193.12％。
　　3 所取财务数据的时间区间是否会误导研究结果
　　我国已有的对Ahman-Z模型的研究多数是对样本在同一个时间区间内的财务数据进行统计。譬如陈静(1999)正是取了1998年的27家ST公司与27家非ST公司在1995～1997年间的财务数据进行研究。Altman-Z模型的建立是旨在对财务失败进行预警。随着我国实行ST制度的时间逐渐变长，各家sT公司被实行特殊处理的时间是不一致的。若都以同一时间段的财务数据进行统计，那么一定会有部分sT公司在这段时间之前已经亏损连连或者危机四伏，并不存在警示作用。根据WIND数据库对截止2009年8月的ST公司进行统计：2004年及以前有28家，2005年9家，2006年39家，2007年38家，2008年22家，2009年29家，合计共有165家ST公司(数据来源：wind资讯)。
　　截止2009年8月依然在被实行特殊处理的165家上市公司，其中有28家是在五年以前被实行特殊处理的，70家是在三年以前被特殊处理的。若就所有165家公司同一时间段的财务数据来验证Ahman-Z模型对财务失败的预警作用，其意义必然不大。
　　
　　四、进一步研究的构想
　　
　　(一)保留权益市价负债率，增加决策约束条件
　　跟随我国全流通的步伐以及证券市场的进一步发展，相信给X4带来干扰的“特殊国情”会逐渐消失，而我国的证券市场也将更加国际化。因此我们不必急于给Altman-Z模型加入“中国特色”。相反，我们可以对上市公司非流通股比重逐渐减少对Altman-Z模型预测的准确度影响做进一步的研究。一来可以依此结果对Altman-Z得分进行修正，二来也可以对我国非流通股的影响有更深一步的认识。但由于我国确实仍存在非流通股，所以在应用Altman-Z模型时首先应该考虑X4／Altman-Z这一比率，对此比率超出正常范围的公司采用额外的约束条件(例如市净率等)辅助决策。
　　
　　(二)取样时设置条件限制
　　简单选取ST和非ST公司作为研究样本，并不一定真正反映财务失败或财务健康公司的情况，因此在取样时应该再细分一些，譬如在ST公司中剔除权益市值超过一定规模的，或在非ST公司中设置流动性等其他比率的限制来进一步筛选真正具有代表性的样本数据。
　　 (三)针对实行ST时间的不同，选取不同年度的财务数据
　　对各ST公司，可分别取其被实行ST前N年度财务数据来检验Altman-Z模型的预测准确性。但要注意首先被实行ST的时间不宜相差太久，而研究的跨度N也不适宜太长。因为不同时期的政策法规，市场条件，宏观经济环境等都相差甚远，财务数据自然也不可比。可以分别选取几组在同一年被实行ST的公司在实行ST之前的若干年财务数据进行比较。这样还可以研究公司本身以外的因素对Altman-Z模型的预测准确度影响。
　　
　　四、结论
　　
　　Altman-Z模型已经在美国被多次实证检验，能够有效地预测上市公司的财务失败。但是由于我国证券市场的特色和局限性，我们不能生搬硬造。在研究符合我国市场实际情况的财务失败预测模型时，一方面要继承Altman-Z模型本身的先进之处，例如其多元分析的方法和对市场因素的引入；另一方面要尽量因应我国的实际情况对可能出现的问题进行弥补，例如对X4／Altman-Z得分比例过高的问题，应该考虑引入其他财务指标综合分析，而不是简单剔除那些可能产生问题的变量。事实上，对公司财务失败的预测很难用单独一个指标进行判断，我们应该具体问题具体分析，将不同的模型和财务指标灵活应用，寻找一个最佳方案。

转载注明来源:https://www.xzbu.com/2/view-482659.htm