基于改进Z模型的财务危机预警研究

徐凯+邱煜+黄月娥

【摘 要】 文章以现金流量为研究视角，引入主成分分析法改进Z计分模型，使用t-1年的财务数据构建财务危机预警综合模型对42家医药行业上市公司进行研究。结果表明：企业财务危机是一个动态发展过程，存在阶段性特点；另外，企业的Z值越小，表示其财务状况越差，越有可能陷入财务危机。

【关键词】 改进Z模型； 财务危机预警； 医药行业上市公司； 现金流量

中图分类号：F275 文献标识码：A 文章编号：1004-5937（2014）33-0066-04

一、研究背景

近年来，随着中国经济开放程度不断提高，上市公司面临越来越激烈的竞争，我国不少上市公司因财务危机而陷入困境，甚至破产。公司从经营正常到陷入危机状态，往往存在一个循序渐进的过程，并非突然发生（陈磊，2010）。因此，对财务危机进行预警是公司规避破产风险的重要手段。医药行业是关乎国计民生的重要行业，是关系百姓身体健康和民族体能素质的关键性行业，若能够对医药企业进行有效的财务危机预警，不仅有利于医药公司管理层尽早发现财务危机信号，及时采取应对措施，扭转财务状况，改善公司经营，而且有利于银行等债权人更好地评估医药上市公司的财务状况，更有利于投资者更加科学地了解医药上市公司财务状况，作出合理的投资决策。因此，对医药行业的财务危机进行预警研究尤为重要。

迄今为止，已有一定文献对医药行业财务危机预警进行研究。王磊（2009）选用Logistic回归方法，分别构建了我国医药行业上市公司t-1年和t-2年的预警模型。杨涛（2009）使用SVM方法进行样本训练，构建SVM的财务分类预警模型。王丹丹（2012）以2008—2010年间沪深股市上市公司为研究对象，构建了t-1年和t-2年的BP神经网络模型。虽然他们的研究一定程度上为医药上市公司财务危机预警实务作出了贡献，但未将包含大量财务信息的现金流量指标纳入指标体系，且未能解决变量间可能会因为共线性而存在信息重叠等问题。本文采用改进的Z模型恰恰能克服以上问题。同时就笔者所掌握的文献而言，目前还尚未发现有文献引入现金流量指标体系和主成分分析法的改进Z模型对医药行业财务危机预警进行研究。

二、构建改进Z模型

Z计分模型由Altman（1968）首次提出，其构建的Z计分模型如下：

Z计分模型存在各指标间可能产生共线性以致取得的数据发生一定程度的信息重叠现象以及可能会由于所选变量过多而引发维数灾难等问题（周玉敏、邓维斌，2009）。为克服以上问题，本文引入主成分分析法改进传统Z计分模型，数学处理过程如下：

三、实证分析

（一）样本选取

本文采用国内学者对财务危机公司的普遍界定方式，将连续两年亏损而被特殊处理（ST或*ST）的上市公司界定为财务危机公司。鉴于以上原则，本文选取30家医药行业上市公司作为估计样本组，以构建财务危机预警模型。其中，2007—2011年被特别处理（ST）的医药行业上市公司10家，财务正常（非ST）的医药行业上市公司20家。选取12家医药行业上市公司作为检测样本组，以检测预警模型的准确度，其中2012—2013年被特别处理（ST）公司6家，非ST公司6家。

（二）变量选取

已有研究证实采用现金流量信息来反映企业的实际支付能力、偿债能力、财务弹性、发展能力等情况对企业的经营决策更具有实效，对于判别企业的财务状况也更为准确。因此，本文借鉴以往学者的研究，从偿债能力、获现能力、现金结构和发展能力四大方面出发，选择9个指标建立一套现金流量类财务预警指标体系（见表1）。

（三）财务危机预警模型主成分因子的确定

本文数据来源为CSMAR、金融界（http：//stock.jrj.com.cn）。运用Excel软件对所选的30家样本企业的财务数据进行处理，并运用SPSS进行主成分分析，得到各主成分的特征值和贡献率如表2所示。

首先，本文根据主成分分析法提取因子一般遵循累积方差贡献率大于85%、特征根大于1的标准，依据表2数据，提取出包含原来91.56%信息量的4个主成分因子以代替原有的9个财务指标。其次，为了对以上4个因子进行解释，就需要得到9个原始财务指标对这4个主成分的因子载荷矩阵。于是，本文将已提取的因子数据进行转换，经因子旋转得到转换后的因子载荷矩阵，如表3所示。

由表3可得出4个主成分因子表达式为：

由主成分因子式（4）可以发现：1.主成分X1由除F9以外的8项财务指标解释，代表了企业偿债能力、获现能力和现金结构；2.主成分X2由F7、F8和F2、F3这4项财务指标解释，代表的是企业的现金结构和偿债能力；3.主成分X3由F1、F5、F6和F9这4项财务指标解释，这几项财务指标的因子载荷也大于其他指标，它代表了企业的偿债能力、获现能力和发展能力；4.主成分X4由F1和F9解释，同时代表了企业偿债能力和发展能力。

（四）财务危机预警的改进Z模型与评价区域的构建

通过主成分分析法，本文根据表3中各个主成分因子的贡献率，确定改进的Z计分模型的参数k1= 0.479、k2=0.1778、k3=0.1431、k4=0.1157，从而构建出本研究中的医药行业上市公司财务危机预警模型：

在构建出财务危机预警模型的基础上，本文将估计样本组中上市公司的各项经标准化处理后的财务指标代入公式（5），得出经过排序整理后的各上市公司预测分值（见表4），估计样本Z值分布如图1所示。

用所构建的改进Z模型对10家ST公司和20家非ST公司的原始样本进行分类，在预测值Z=0.15时，ST类公司小于Z值的个数为9个，占到该类公司总数的90%；非ST类公司超过该值的个数为19，占到该类公司的95%。考虑到非ST类公司是参照ST类公司按一定标准随机抽取得出，经营状况可能并非很好；同时ST类公司并非完全属于“财务危机”公司，并且正在进行改制、重组的ST类公司的财务指标值不具有稳定性，因而笔者认为以上结论比较合理。综合考虑这些公司实际财务状况和样本组的结果，把Z=0.15列为财务危机公司的临界值。据此可得出评价区域，如表4最后一列所示。endprint

（五）改进Z模型的预测精确度检测

为检验改进Z模型的预测精确度，本文将ST公司对应的非ST公司t-1年经标准化后的财务数据代入模型（5），计算出检测样本组公司的Z值，经排序整理后如表5所示，Z值分布如图2所示。

由表5的检测结果可以分析出：该模型对检测样本中ST公司判断准确率为1，对非ST公司的判断准确率大于83.33%，检测样本中非ST公司有一家落在0.15～0.30的灰色区域，对预测的准确性会产生影响。

通过对改进Z模型的预测精度检测，发现该模型对ST公司的判断准确率大于93.75%，其中有1家ST公司落在0.15～0.30的灰色区域，判断正确性需进一步证明；对非ST公司的判断准确率在69.23%～96.15%之间，其中有7家落在0.15～0.30的灰色区域，对准确率有所影响。在该模型的基础上，如何对灰色区域的预测结果进一步评价，即对处于灰色区域的公司未来财务状况发展趋势的预测需进一步研究。

四、研究结论

本文以医药行业上市公司为研究对象，选取了沪深交易所上市的42家样本公司，并从偿债能力、获现能力、现金结构和发展能力4个方面选取了9个现金流量类指标构建财务指标体系，引入主成分分析法改进传统Z计分模型，利用改进后的Z模型对医药行业财务危机预警进行研究。通过分析研究本文得出以下结论：1.Z值越小，公司财务状况越差，越有可能陷入财务危机。当Z值小于0.15时，为财务状况威胁区；当Z值在0.15～0.30之间时，为财务状况灰色区域；当Z值大于0.30时，为财务状况安全区。2.该模型对财务危机公司和非财务危机公司的预测准确率均较高，但是一定程度上受到灰色区域的影响，模型预测的准确度尚不能完全确定。3.研究发现企业财务危机预测存在灰色区域（潜在财务危机），也就是说，处于灰色区域的公司正处于一个危机与安全的边缘，稍有不慎则会逐渐恶化。

针对以上实证结果，提出如下建议：医药行业上市公司可以在参考该模型的基础上，建立一个动态的纵向跟踪预警模型，利用最新的财务数据检视公司的财务状况，时时注意公司的经营情况，根据自身的财务危机程度及时采取适当的应对措施改善经营情况和财务状况；另外，处在灰色区域的企业应当引起重视，若能及时调整偏差，有利于改善经营状况，使企业重新步入正轨。

最后需要指出的是，由于我国上市公司目前仍然存在会计信息失真现象，本文建立的财务预警模型可能会受到一定影响。另外，医药行业上市公司财务危机预警研究实践是一个极其复杂的系统工程，本文也不能完全彻底有效地解决医药行业上市公司财务危机预警的实务操作问题。但不可否认的是，本文的研究方法与研究结果，对评价医药行业上市公司的财务危机预警研究仍然具有明确的借鉴意义与参考价值，能在一定程度上为医药行业上市公司开展财务危机预警实践工作提供借鉴。●

【参考文献】

[1] 陈磊.公司动态财务危机预警研究[M].北京：北京邮电大学出版社，2010：38.

[2] 王磊.我国医药行业上市公司财务危机预警研究[D].上海交通大学，2009：54-58.

[3] 杨涛.基于SVM的中国医药制造企业财务危机预警研究[D].厦门大学，2009：39-43.

[4] 王丹丹.基于BP神经网络中国医药行业上市公司财务危机预警研究[D].安徽大学，2012：47-49.

[5] Altman，E. I.， Financial Ratios，Discrimininant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Banking and Finance.1968，23（4）：589-609.

[6] 周玉敏，邓维斌.SPSS 16.0与统计数据分析[M].成都：西南财经大学出版社，2009：280-310.

[7] 刘宏洲.财务危机预警的Z计分模型实证研究——来自中国电器业上市公司的新证据[J].会计之友，2011（10上）：82-87.endprint

（五）改进Z模型的预测精确度检测

为检验改进Z模型的预测精确度，本文将ST公司对应的非ST公司t-1年经标准化后的财务数据代入模型（5），计算出检测样本组公司的Z值，经排序整理后如表5所示，Z值分布如图2所示。

由表5的检测结果可以分析出：该模型对检测样本中ST公司判断准确率为1，对非ST公司的判断准确率大于83.33%，检测样本中非ST公司有一家落在0.15～0.30的灰色区域，对预测的准确性会产生影响。

通过对改进Z模型的预测精度检测，发现该模型对ST公司的判断准确率大于93.75%，其中有1家ST公司落在0.15～0.30的灰色区域，判断正确性需进一步证明；对非ST公司的判断准确率在69.23%～96.15%之间，其中有7家落在0.15～0.30的灰色区域，对准确率有所影响。在该模型的基础上，如何对灰色区域的预测结果进一步评价，即对处于灰色区域的公司未来财务状况发展趋势的预测需进一步研究。

四、研究结论

本文以医药行业上市公司为研究对象，选取了沪深交易所上市的42家样本公司，并从偿债能力、获现能力、现金结构和发展能力4个方面选取了9个现金流量类指标构建财务指标体系，引入主成分分析法改进传统Z计分模型，利用改进后的Z模型对医药行业财务危机预警进行研究。通过分析研究本文得出以下结论：1.Z值越小，公司财务状况越差，越有可能陷入财务危机。当Z值小于0.15时，为财务状况威胁区；当Z值在0.15～0.30之间时，为财务状况灰色区域；当Z值大于0.30时，为财务状况安全区。2.该模型对财务危机公司和非财务危机公司的预测准确率均较高，但是一定程度上受到灰色区域的影响，模型预测的准确度尚不能完全确定。3.研究发现企业财务危机预测存在灰色区域（潜在财务危机），也就是说，处于灰色区域的公司正处于一个危机与安全的边缘，稍有不慎则会逐渐恶化。

针对以上实证结果，提出如下建议：医药行业上市公司可以在参考该模型的基础上，建立一个动态的纵向跟踪预警模型，利用最新的财务数据检视公司的财务状况，时时注意公司的经营情况，根据自身的财务危机程度及时采取适当的应对措施改善经营情况和财务状况；另外，处在灰色区域的企业应当引起重视，若能及时调整偏差，有利于改善经营状况，使企业重新步入正轨。

最后需要指出的是，由于我国上市公司目前仍然存在会计信息失真现象，本文建立的财务预警模型可能会受到一定影响。另外，医药行业上市公司财务危机预警研究实践是一个极其复杂的系统工程，本文也不能完全彻底有效地解决医药行业上市公司财务危机预警的实务操作问题。但不可否认的是，本文的研究方法与研究结果，对评价医药行业上市公司的财务危机预警研究仍然具有明确的借鉴意义与参考价值，能在一定程度上为医药行业上市公司开展财务危机预警实践工作提供借鉴。●

【参考文献】

[1] 陈磊.公司动态财务危机预警研究[M].北京：北京邮电大学出版社，2010：38.

[2] 王磊.我国医药行业上市公司财务危机预警研究[D].上海交通大学，2009：54-58.

[3] 杨涛.基于SVM的中国医药制造企业财务危机预警研究[D].厦门大学，2009：39-43.

[4] 王丹丹.基于BP神经网络中国医药行业上市公司财务危机预警研究[D].安徽大学，2012：47-49.

[5] Altman，E. I.， Financial Ratios，Discrimininant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Banking and Finance.1968，23（4）：589-609.

[6] 周玉敏，邓维斌.SPSS 16.0与统计数据分析[M].成都：西南财经大学出版社，2009：280-310.

[7] 刘宏洲.财务危机预警的Z计分模型实证研究——来自中国电器业上市公司的新证据[J].会计之友，2011（10上）：82-87.endprint

（五）改进Z模型的预测精确度检测

为检验改进Z模型的预测精确度，本文将ST公司对应的非ST公司t-1年经标准化后的财务数据代入模型（5），计算出检测样本组公司的Z值，经排序整理后如表5所示，Z值分布如图2所示。

由表5的检测结果可以分析出：该模型对检测样本中ST公司判断准确率为1，对非ST公司的判断准确率大于83.33%，检测样本中非ST公司有一家落在0.15～0.30的灰色区域，对预测的准确性会产生影响。

通过对改进Z模型的预测精度检测，发现该模型对ST公司的判断准确率大于93.75%，其中有1家ST公司落在0.15～0.30的灰色区域，判断正确性需进一步证明；对非ST公司的判断准确率在69.23%～96.15%之间，其中有7家落在0.15～0.30的灰色区域，对准确率有所影响。在该模型的基础上，如何对灰色区域的预测结果进一步评价，即对处于灰色区域的公司未来财务状况发展趋势的预测需进一步研究。

四、研究结论

本文以医药行业上市公司为研究对象，选取了沪深交易所上市的42家样本公司，并从偿债能力、获现能力、现金结构和发展能力4个方面选取了9个现金流量类指标构建财务指标体系，引入主成分分析法改进传统Z计分模型，利用改进后的Z模型对医药行业财务危机预警进行研究。通过分析研究本文得出以下结论：1.Z值越小，公司财务状况越差，越有可能陷入财务危机。当Z值小于0.15时，为财务状况威胁区；当Z值在0.15～0.30之间时，为财务状况灰色区域；当Z值大于0.30时，为财务状况安全区。2.该模型对财务危机公司和非财务危机公司的预测准确率均较高，但是一定程度上受到灰色区域的影响，模型预测的准确度尚不能完全确定。3.研究发现企业财务危机预测存在灰色区域（潜在财务危机），也就是说，处于灰色区域的公司正处于一个危机与安全的边缘，稍有不慎则会逐渐恶化。

针对以上实证结果，提出如下建议：医药行业上市公司可以在参考该模型的基础上，建立一个动态的纵向跟踪预警模型，利用最新的财务数据检视公司的财务状况，时时注意公司的经营情况，根据自身的财务危机程度及时采取适当的应对措施改善经营情况和财务状况；另外，处在灰色区域的企业应当引起重视，若能及时调整偏差，有利于改善经营状况，使企业重新步入正轨。

最后需要指出的是，由于我国上市公司目前仍然存在会计信息失真现象，本文建立的财务预警模型可能会受到一定影响。另外，医药行业上市公司财务危机预警研究实践是一个极其复杂的系统工程，本文也不能完全彻底有效地解决医药行业上市公司财务危机预警的实务操作问题。但不可否认的是，本文的研究方法与研究结果，对评价医药行业上市公司的财务危机预警研究仍然具有明确的借鉴意义与参考价值，能在一定程度上为医药行业上市公司开展财务危机预警实践工作提供借鉴。●

【参考文献】

[1] 陈磊.公司动态财务危机预警研究[M].北京：北京邮电大学出版社，2010：38.

[2] 王磊.我国医药行业上市公司财务危机预警研究[D].上海交通大学，2009：54-58.

[3] 杨涛.基于SVM的中国医药制造企业财务危机预警研究[D].厦门大学，2009：39-43.

[4] 王丹丹.基于BP神经网络中国医药行业上市公司财务危机预警研究[D].安徽大学，2012：47-49.

[5] Altman，E. I.， Financial Ratios，Discrimininant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Banking and Finance.1968，23（4）：589-609.

[6] 周玉敏，邓维斌.SPSS 16.0与统计数据分析[M].成都：西南财经大学出版社，2009：280-310.

[7] 刘宏洲.财务危机预警的Z计分模型实证研究——来自中国电器业上市公司的新证据[J].会计之友，2011（10上）：82-87.endprint