基于Z―score模型的汽车行业上市公司财务风险实证分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Z―score模型的汽车行业上市公司财务风险实证分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：随着市场经济的不断发展，汽车行业作为国民经济支柱产业的地位越来越重要。加强汽车行业的财务风险预警能够为财务信息使用者及时提供有用的决策信息，进而提高汽车行业整体的财务管理水平，增强抗风险能力。本文通过运用Z-score模型对2011年我国汽车行业上市公司总体状况进行分析，得出我国汽车行业上市公司一半以上财务状况良好，破产的可能性较小，但部分公司存在一定财务风险且财务管理水平有待提高的结论。
关键词： Z-score 模型 汽车行业 上市公司 财务预警
一、引言
在加入WTO的十余年里，我国经济迎来了前所未有的发展机遇，同时也面临着严峻的挑战。全球经济一体化的冲击和大量外资企业的不断涌入，使企业市场竞争日趋激烈，一些企业开始面临经营困境。加之2008年的金融危机，一些企业遭受重创甚至破产。笔者认为，企业面临经营危机一方面受外部宏观因素的影响，如经济衰退、通货膨胀等；另一方面受企业自身因素制约，其中财务风险是导致经营危机的主要因素。因此，在企业中建立健全财务风险预警是十分必要的。截至2012年底，我国上市公司总数为2 494家，市值约22.91万亿元，但是在许多上市公司中，仍然存在着内部经营管理不完善、缺乏风险危机意识等现象，造成上市公司出现财务危机甚至面临破产等境况。虽然中国证券监督委员会已给一些出现财务危机状况的上市公司以警示，但起到的预警作用不如预期的效果。近年来，国内外学者就如何建立有效的财务风险预警模型进行了深入探讨与研究，分行业的财务风险研究将成为一种趋势。汽车行业在国民经济中发挥着举足轻重的作用，其特点是产业链长，产业相关度高，就业范围广，在出口和投资放缓的情况下，是拉动消费增长的重要力量，所以汽车行业已成为我国国民经济的支柱产业。通过加强对汽车行业的财务风险预警研究，可以及早捕捉到汽车行业的隐患和重大风险，及早发现行业出现财务危机的信号，从而避免财务风险的发生，提高汽车行业整体抗风险能力，确保汽车行业上市公司持续健康稳定发展。
二、Z-score 模型概述
（一）Z-score 模型基本理论
Z-score 模型是由美国教授Altman（1968）提出的一种多变量的财务预警模型，这种模型采用的是财务比率分析法，将企业常用财务比率按流动性、获利能力、财务杠杆、偿债能力和发展能力进行分类，运用数理统计的方法从22个变量指标中选取5个关键指标，并以1946年至1965 年期间33 家破产公司和33 家非破产公司作为样本进行研究，得出了Z-score 模型。其判别函数为：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5
其中：X1=营运资金/资产总额
=（流动资产-流动负债）/
资产总额；
X2=留存收益/资产总额
=（未分配利润+盈余公积）/资产总额；
X3=息税前利润/资产总额
=（利润总额+利息费用）/ 资产总额；
X4=股东权益合计/负债合计
=（每股市价×流通股股数+每股净资产×非流通股股数）/ 负债合计；
X5=营业收入/资产总额。
在Z-score模型中，Altman提出了判断企业破产的临界值：（1）当企业的Z≥2.675时，表明企业财务状况运行良好，发生破产的可能性较小；（2）当企业的1.81
（二）Z-score模型在汽车行业上市公司运用的理论可行性
笔者认为，我国汽车行业上市公司运用Z-score模型对企业财务风险进行预警，理论上具有可行性。第一，Z-score模型是Altman教授以上市公司制造业为研究对象提出的，本文的研究对象是上市公司汽车行业，汽车行业属于制造业，从研究对象来看具有可行性。第二，在数据选取上，模型的数据均从上市公司对外公布的定期财务报告中获取，期末股票市价能从各类炒股软件中查找，研究数据获取也具有可行性。第三，Z-score模型采用的多变量分析法，能综合反映公司财务状况，克服了单变量模型对于同一公司不同指标分析得出不同结果的状况，能够较有效地预测财务风险。相对于Logit判别分析法、Probit判别分析法和人工神经网络，Z-score模型具有模型简单、成本低、可操作性强等特点。所以在汽车行业上市公司运用Z-score模型理论上是可行的。
三、Z-score模型在汽车行业上市公司财务预警的适用性检验
（一）实验假设、样本及数据选取
实验假设：Z-score模型是用来对财务风险进行预警的模型，本文假设ST公司具有较大的财务风险，其Z值应小于等于1.81，而其他非ST公司Z值应大于1.81。用以检验Z-score模型在汽车行业上市公司的适用性。
样本及数据选取：本文以大智慧软件汽车类为分类标准，以其类别中100家公司为样本容量，选取3家ST公司为第一组，再随机抽取10家非ST公司为第二组，各数据均来自巨潮资讯网（.cn）。
（二）指标计算
本文运用Excel 工作表进行计算分析，得出第一组3家ST汽车行业上市公司2009-2011年Z值统计表（见表1）和第二组10家非ST汽车行业上市公司2009-2011年Z值统计表（见表2）。
（三）实证结果
通过对表1、表2的数据进行整理分析，得出表3和表4的结果。
对于ST组2011年的预测准确率为100%，2010年的预测准确率为66.67%，2009年的预测准确率为66.67%。Altman教授在提出Z-score模型时，指出该模型在判断企业破产前一年的预测准确率达到95%，在破产前两年的预测准确率为72%，而第三年以上的预测准确率降到48%。因为我国证券市场与美国证券市场不同，模型提出距现在已四十多年，且把模型运用到了汽车行业上市公司，与Altman教授模型样本为各行业也有差别，所以判断企业破产的预测准确率与Altman教授指出的预测准确率存在差异是无法避免的。只要这个预测准确率在合理范围内，我们就可以认为此模型适用于我国汽车行业上市公司。从表3的结果看，各年的预测准确率基本在合理的区间内，与Altman教授指出的预测准确率差距也较小，数据较为理想，即在判断我国ST汽车行业上市公司具有财务风险时此模型具有适用性。在ST组中，由于样本量过小，只有3家为认定的特别处理公司，所以当只要有一家ST汽车行业上市公司Z值较大时，计算出来的预测准确率比重就会大大下降，进而使得出的预测准确率与Altman教授提出的预测准确率略有不同。
从表4中可以看出，2011年非ST公司Z值预测准确率为80%，2010年预测准确率为90%，2009年预测准确率为90%。相比Altman教授提出Z-score模型判断企业破产前一年的预测准确率为95%而言，2011年Z值的预测准确率略低，其原因笔者认为，除了可能受样本误差影响外还存在多种因素，如可能受子行业因素影响。虽然本文中以汽车行业上市公司为研究样本，规避了行业特性差异，但是目前我国汽车行业包括范围广，分为汽车整车、汽车零配件等不同子行业，子行业间的差距较大，也会使Z值有所不同。
把ST组和非ST组每个样本计算出三年平均Z值进行表5的临界值统计分析，得出ST组有66.67%的Z值小于等于1.81，非ST组三年平均Z值均大于1.81。从Z值数值角度分析得出Altman教授提出Z-score模型适用于我国汽车行业上市公司。
综上，无论从理论还是实证角度看，笔者认为Z-score模型均可用于对我国汽车行业上市公司进行财务预警。
四、汽车行业上市公司财务风险实证分析
以大智慧软件汽车类为分类标准，除去第一组ST的3家公司和第二组非ST的10家公司，从样本中随机抽取了30家汽车行业上市公司进行分析，计算得出了这30家上市公司2011年的Z值如表6所示。
从表6可以看出，在这30家汽车行业上市公司中，2011年Z值大于2.675的有17家，所占比重为56.66%；Z值大于1.81小于2.675的有11家，所占比重为36.67%；Z值小于1.81的有2家，所占比重为6.67%。按照Altman教授提出Z-score模型的企业破产的临界值来看，江铃汽车（000550）等17家公司财务状况运行良好，发生破产的可能性较小；万向钱潮（000559）等11家公司则处于“灰色地带”，公司财务可能不稳定；亚星客车（600213）、北方股份（600262）则可能存在很大的财务危机，发生财务困境的可能性较大。
五、结论
本文尝试将Altman教授提出的Z-score模型用于我国汽车行业上市公司进行财务预警，通过理论和实证的分析，证明模型对汽车行业上市公司财务预警具有良好效果。通过样本推断总体的方法，得出我国2011年汽车行业上市公司有一半以上财务状况良好，破产的可能性较小；小部分公司处于“灰色地带”，个别公司财务状况欠佳，发生财务困境的可能性较大。2011年受国家宏观调控、优惠政策相继退出和限购等因素影响，我国汽车行业整体产销量有所下降，一些公司处于“灰色地带”也是正常现象。对于这些存在财务风险的公司，经营者应及时调整经营策略，加强日常财务管理以使公司尽快摆脱财务困境。
参考文献：
1.Altman I Edward.Financial Ratios， Discriminant Analysis and the Prediction of corporate Bankruptcy [J].Journal of Finance，1968，（9）.
2.王永生，李洁.Z-score预警模型的研究与分析[J].财会通讯（学术版），2006，（02）.
3.陈珍静.Z-score模型在我国上市公司财务预警中适用性的探讨――基于交通运输设备制造业的实证分析[J].国际商务财会，2011，（04）.
4.张荣艳，廖萌.Z计分模型在房地产上市公司财务预警中适用性检验[J].财会通讯，2012，（10）.