Z模型与上市ST.docx
《Z模型与上市ST.docx》由会员分享，可在线阅读，更多相关《Z模型与上市ST.docx（25页珍藏版）》请在冰点文库上搜索。
Z模型与上市ST
Z模型与上市公司ST
摘要
随着我国股票市场的发展完善、企业管理模式的进步、投资者理财观念的升级，证券市场上的各个主体对于能及早、准确的预测上市公司发生财务困境的需求越来越强烈。
本文正是将国外非常有名的财务困境预测模型Z模型应用到我国的股票市场。
由于在国内股票交易中实行的特殊政策，通常认为被实行特别处理（ST或*ST）就是公司出现财务困境的标志。
因此，本文通过选取46家ST（或*ST）样本公司并对它们进行静态、动态的分析，归纳它们在被实行特别处理前五年间Z值的变化特点，找出支持这些特点的因素，从而验证了Z模型对于我国现行股市上市公司发生ST具有良好的预测能力和适用性。
本文的研究结论对于预测公司发生财务困境，有着很好的借鉴和参考价值，以此不同程度的满足市场上各参与者的需求。
关键词：
财务困境，预测，Z模型，ST
Z-scoreModelandListedcorporation（ST）inChinaStockMarket
Abstract
Asthedevelopmentofourstockmarket,theimprovementofmanagementstyleandtheescalationofinvestors’financingnotion,thedemandsofbetimesandaccuratelypredictingfinancialproblembecomestrongerandstronger.ThisdissertationtriestoapplyZ-scoremodel,whichisafamousfinancialproblempredictionmodel,inChinastockmarket.SpecialTreat（STor*ST）isconsideredasthesymboloffinancialproblemaccordingtothenationalspecificpoliciesonsecuritiesexchange.So,inselectionof46STcompanies’cases,thisdissertationmakesstaticanalysisanddemonstrativeanalysis,citestheircharactersinfiveyearsbeforetheirST,findsthefactorswhichsupportthesecharactersandthenvalidatesthegoodpredictionabilityofZ-scoremodelinChinastockmarket.
Thisconclusionishelpfulforthepredictionoffinancialproblem,andthenmeetstherequirementsofmarketparticipatorsmoreorless.
Keywords:
financialproblem,prediction,Z-scoremodel,ST
一、序言··················································1
二、文献回顾··············································1
三、Z模型介绍············································2
四、研究设计··············································3
（一）样本选择············································3
（二）指标定义············································3
（三）数据描述············································4
五、实证检验··············································4
（一）动态比较及结果······································4
（二）Z模型的适用性分析··································7
六、结论与局限性··········································9
（一）结论················································9
（二）局限性与建议········································9
附录·····················································10
资料来源和参考文献·······································11
一、序言
对于财务困境，很多学者都有着不尽相同的观点，比如Beaver（1966）把破产、拖欠优先股股利、拖欠债务界定为财务困境；而Altman（1968）定义的财务困境是“进入法定破产的企业”；Deakin（1972）则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”；Carmichael（1972）曾定义财务困境是企业履行义务时受阻,具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。
尽管上述观点在描述财务困境的标准和程度不完全相同，但是从一个比较普遍和直接的观点来看，导致一个公司发生财务困境的，往往是它的经营活动出现了异常，或者是管理层做出的一些重大错误决定或有违公司利益的行为。
由于财务困境的最严重的程度就是公司的消亡------宣告破产，所以在投资市场上，各国经济学者都一直致力于研究公司财务困境的预测系统。
预测财务困境的需求来源于市场，它对市场有着非常重要的意义。
首先，最直接的是企业能够通过预测提高警惕，及早发现存在的问题，企业的管理层可以提前采取有效的措施来控制，尽可能的避免财务困境的来临，使得公司正常平稳健康的发展；其次，投资者（无论是股票投资者还是债权投资者）可以通过预测系统很好的规划自己的投资组合，降低投资风险，实现投资收益；第三，对于部分市场主体，比如银行、企业的并购方等，预测系统能提供非常理性的参考依据；最后，预测财务困境能从宏观上促进经济的稳定健康的发展，减少社会问题。
国外财务困境预测模型有很多，其中Altman的Z模型以其简单的使用方法和较好的效果被誉为最好的使用财务指标来预测财务困境的模型。
Z模型的思想后来也被更多的学者所借鉴。
本文试图将Z模型套用到我国的股票市场，验证其在我国是否具有预测上市公司发生财务困境的能力。
由于我国股票交易市场特殊的股票交易规定，ST（特别处理）被视为上市公司已经或即将步入财务困境的标志，因此，本文的目的实际上是通过实证分析，验证Z模型对于我国上市公司被实行ST的预测能力和价值。
本文主要分为以下几个部分：
上述引言部分是对本文研究的内容、目的、意义的介绍；其次是对国内外模型、文献的回顾；第三部分是对Z模型的介绍；第四部分是研究的设计、指标的定义，包括对样本公司Z值的静态特征的分析；第五是实证分析，通过对46家样本公司进行动态的分析，观察Z模型的预测能力和适用性；最后是结论和根据Z模型的局限性提出的一些建议。
二、文献回顾
对于财务困境预测模型，国外有许多经典的文献，比较早的是Beaver提出的单变量分析模型，它采用了大量的实证分析，总结出现金流量比总负债比率和资产负债率等比率都是预测财务困境比较好的指标。
但是单变量分析的缺陷很大，有些变量往往发现不了问题，而且会出现用各个变量预测出的结果互相冲突的情形。
往后的Altman采用了多元分析的Z值记分的方法（即本文所谓的Z模型），通过使用多个变量共同作用来预测财务困境，大大克服了单元分析的弊端。
后来的经济学者，将高等数学的知识运用到预测模型里来，在累积概率函数的基础上，Ohlson、Zmijewski等研究者，采用条件概率模型，主要有多元逻辑回归LOG-IT模型和多元概率比回归PROBIT模型。
从采用的信息类型来分，又分为了财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型三类。
由于国外的证券市场有很长的历史，预测财务困境类的研究也比较多，成果也是比较成熟，但是这些模型在我国的运用还需考虑我国证券市场的客观环境。
近年来，国内有很多学者对于我国的预测模型都有很重大贡献：
吴世农等（1986）介绍了企业破产分析指标和预测模型，周首华等（1996）借鉴Altman研究建立了F分数模型，考虑了折旧和现金流的影响，陈静（1999）第一个进行了我国上市公司的财务困境预测研究，她建立的是线性判别分析模型，陈瑜和陈晓（2000）分别建立了多元分析模型和LOG-IT模型，吴世农等（2001）建立了FISHER判别分析、多元线性回归分析和LOG-IT模型来对上市公司财务困境进行预测。
本文之所以选择研究Z模型对我国上市公司ST的预测能力，原因在于：
首先，在国外的证券市场上，Z模型有着非常良好的声誉，它采用的是多元差别分析的方法，预测效果好，不容易受到干扰，其思想也影响了后来的诸多学者；其次，国内对于专门采用Z模型来预测我国上市公司财务困境的研究还比较少，很多文献对于Z模型只是一笔带过，所以研究有一定的意义；第三，Z模型是线性模型，有着固定变量组成的判别方程，相比于LOG-IT或PORBIT等模型，不涉及高等数学和统计学的专业知识，使用较为简单，在国外的预测的效果也比较好，更容易被市场接受，研究具有很大的实用价值；第四，Z模型产生于六十年代的美国股票市场较早时期，从发展周期的角度来说，其发展状况和我国现在股票市场有着一定的相似之处。
三、Z模型介绍
Z模型基于美国经济学者Altman在1966年使用的多变量统计分析方法------差别分析（discriminantanalysis）。
他通过长期对财务困境预测模型的研究，一方面从22个常用的财务比率中选出了比较有效的5个；另一方面抽取出66家中等规模的公司作为研究对象并将其分为两组，其中破产组有33家破产公司；非破产组是33家没有出现过财务困境的健康公司。
对这些样本公司分别计算这五个比率，从统计的角度来确定每个比率对于破产公司和健康公司的差别能力，再加上考虑它们互相之间的关系，以及各自对整体模型分析的贡献，然后来确定这5个比率各自的系数，最终得到了Z模型（Z-ScoreModel）。
很显然，Z模型采用的是财务比率分析的方法，一般来说，用来描述公司的财务比率大致分为五类：
描述流动性的比率、描述盈利能力的比率、描述偿债能力的比率、描述经营状况和效率的比率、以及描述资本结构和财务杠杆的比率。
一个公司的财务困境往往是多方面的因素造成的，是一个综合的问题，也就是说，公司在即将发生财务困境时并不是一个比率发生了明显的变化，而是会引起公司一系列的指标发生变化。
Altman通过差别分析找到了这里面的联系，也就是说，Z模型之所以能如此有效的预测公司的财务困境，就是因为它采用了多元分析方法，通过多个有效的变量共同作用，来预测公司将来的状况。
Z模型的判别公式及各变量的说明如下：
Z=++++
其中：
X1=营运资金/总资产
X2=留存收益/总资产
X3=息税前利润EBIT/总资产
X4=权益市价/负债面值
X5=销售收入/总资产
X1是流动性中的营运资金比总资产比率。
该比率首先是考虑了公司的流动性，流动性是反应公司短期偿债能力和应付突发事件、困境能力的指标；其次，它还将公司的规模（总资产）考虑进来，真实地表现了在特定的公司规模下的流动性；此外，它还对资本的结构进行了评价。
X2是偿债能力中的留存收益比总资产比率。
留存收益是公司通过日常经营而不断积累尚未分配给股东的净收益，一方面，它是投资回报------股利的源泉，另一方面，公司追加投资或用于福利等事业时留存收益也会起到很大作用。
一般说来，企业的净资产为负（即所谓的资不抵债）都是由于其留存收益为负引起的，所以留存收益对于预测公司财务困境有着很好的价值。
X3是盈利能力中的息税前利润比总资产比率。
这个变量由于排除了所得税和利息的影响，所以它衡量了公司资产真实的盈利率。
公司的生存和发展最终是基于其资产的盈利能力，所以这个变量对于预测公司财务困境是非常合适的。
X4是偿债能力中的股东权益市价比总负债比率。
这个变量很好地表现了公司的资本结构和偿债能力，特别是它采用的是股东权益市价，这是当时其它研究极少使用的。
采用市价的形式，能够更真实的反应公司的状况，特别是市场对其的偏好程度。
公司的经营状况包括了很多内容，比如公司的成本控制能力、管理环节、行业风险、市场竞争力等等，这些都无法通过一个简单的年报上的数据，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。
如果说基于比率的模型都是从报表结果本身出发，容易发生偏斜，那采用股东权益市价就在很大程度上使Z模型更加客观地描述公司的实际状况。
但是，它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。
X5是经营效率中的销售收入比总资产比率。
该变量即所谓的资产周转率，它显示的是资产带来销售收入的能力。
在Altman的研究中发现，单从总资产周转率来看，它是五个变量中破产组和非破产组两组差异最小的一个变量，即差别能力最弱，但是基于它和其它变量的内在联系，使得加入它以后，Z模型能更好地判别公司的破产情况，特别是从贡献来看，它对整个Z模型的贡献排列五个变量中第二。
根据Altman的大量实证研究，得出了关于Z模型的经验判别区域：
即当Z值小于时，公司会在不久的几年内走向破产；而如果Z值大于，则表明公司运作非常正常，不会出现财务困境；如果公司的Z值介于到之间，则是所谓的“灰色地带（grayarea）”，在这一区段内，公司的未来很难通过Z值进行推测，很可能发生破产，也很可能正常的运作下去。
一般认为，如果Z值落在灰色地带，而且伴有下降趋势或明显波动的，应该要加以注意；而伴随着上升态势的，则表明公司状况良好。
四、研究设计
（一）样本选择
从我国证交所对股票交易实行的政策来看，为了保护投资者的利益，当上市公司出现财务状况异常或者其他异常情况,导致其股票存在被终止上市的风险,或者投资者难以判断公司前景,证交所会对公司股票交易进行一些特别处理。
特别处理分为警示存在终止上市风险的特别处理（*ST）和其他特别处理（ST）。
从财务亏损的角度来讲，也是最普遍的情况，前者是上市公司连续两年亏损，后者是最近一年股东权益为负；而且，更为严重的暂停上市和终止上市一般都是要先经过特别处理。
可以看出，被实行特别处理（ST或*ST）的公司即将甚至是已经发生了财务困境。
因此，本次研究选取的样本是在上海证券交易所上市的ST公司，为了更具有代表性，同时也考虑到模型的研究与应用价值，本次研究所选取的是2003年1月1日以来，到2005年04月初以前共两年多的时间里被实行ST并且在2004年底尚未被撤销ST的全部47家公司。
此外，由于*ST洛玻（600876）涉及到海外上市，不是很具代表性，而且难以确定其股东权益市价，所以在研究的时候没有进行考虑。
所以实际的研究样本是46家ST公司。
样本详情见附表1。
（二）指标定义
（1）为了能更好地验证Z模型的预测能力，本文不以日历年份作为考察依据，而是考察各样本公司在被实行ST前五年内的Z值变化情况，因此本文规定以公司被实行ST的前一年报表为第0年，ST前第二年年报表为第-1年，以此类推，比如，公司在2003年的年初被实行ST，则ST前第一年2002年年报为第0年，2001年年报为第-1年，ST前第五年1998年年报为第-4年。
（2）关于公式：
研究根据Z模型的需要，到相关网站查找样本公司的相关年份的财务报告，分别摘取了每家公司五年中各年的流动资产、总资产、流动负债、总负债、股东权益净值、股本净额、资本公积、销售收入、利润总额、财务费用、股份结构；并且查询到每家公司每一年年底的股票市场价格。
其中部份通过计算得到的变量本研究采用的公式如下：
X2中的留存收益=股东权益-股本-资本公积。
即留存收益包括了盈余公积、未分配利润等项目，而资本公积不被认为是留存收益。
资本公积一般被认为是所有者所共有的，并非收益转化而形成的资本，它是资本的储存形式，主要用途是转增股本，所以没有把其归入留存收益。
X4中的权益市价=期末股票价格*期末股份总额。
股价通常使用的是12月31日的收盘价，如果遇到12月31日休市，则使用的是12月31日前最后的一个开盘日的收盘价。
期末股份总额包括已流通的部分和未流通的部分，也就是说，本研究在计算的过程中，将未流通的股份也做流通股份处理，这是现在比较常用的一种处理方法。
如果遇到有B股的ST公司，本研究用以计算权益市价的公式为：
权益市价=（总股份数-B股股数）*A股股票价格+B股股数*B股股票价格。
即把所有未流通股份看成A股处理。
B股股价取得的注意事项同A股股价。
X3中的息税前利润EBIT=利润总额+财务费用。
尽管财务费用包括公司在生产经营期间发生的利息费用、收入，汇兑损益净额、金融机构手续费和因筹资而发生的其他费用几个项目。
但是考虑到财务费用的绝大部分是由利息组成，因此本研究近似地将财务费用视为利息。
（3）研究使用的是年报中的合并数。
（4）销售收入使用的是销售收入净值。
（三）数据描述
首先从静态的角度来观察ST公司的Z值特点。
Z值计算的基础是这46家样本公司的最近一期报表，由于部分公司04年年报尚未公布，对这些公司采用的是03年的年报。
计算结果见附表1，对结果的归纳见表4-1：
表4-1基于样本公司最近一期年报的Z值统计结果
平均值
小于的占总数的
65%
最大值
小于的占总数的
76%
最小值
小于的占总数的
89%
中位数
介于0~的占总数的
85%
标准差
结果显示，这些ST公司的Z值都比较小，而且无一例外的小于Altman指出的警戒线，特别是平均值相差这条警戒线很大的距离。
从分布密集的角度来看，46家公司的Z值标准差为，这也是相对比较小的，将它与平均值相比较，可以知道这些样本普遍存在于左右的一个较小的范围内；而且由于中位数小于平均值，说明样本的Z值的分布是右偏，即大部分公司的Z值分布在小于的一个较小的区间内，而小部分公司的Z值是分布在大于的一个较大的区间内；我们从对区间的研究也可以看出分布规律，这些公司的Z值普遍集中在以下，特别是在0~的区间内的样本高达85%之多。
简而言之，ST公司的Z值呈现出了数值偏小，分布比较集中的特点。
五、实证检验
（一）动态比较及结果
本文实证研究的主体部分是从动态的角度，观察样本公司在被实行ST前五年间Z值的变化情况。
前面对ST公司Z值的特点进行了简单的静态描述，但更有价值的是在ST之前就能对其进行预测，于是研究以ST前一年的年报为基础，分别向前查询了五年的年报，目的在于验证Z模型对中国上市公司ST的预测能力。
各样本公司被实行ST前五年内的Z值汇总见附表1。
表5-1是对统计结果的一个简单汇总。
图1是样本公司ST前五年来Z值变化的直观图，其中*ST大元（600146）公司在-3年时的Z值非常大，为了能更好的显示其它数据的变化趋势，图5-1没有将这个数据点包括在可视范围内，而在后文中会专门对*ST大元的这个特殊状况进行分析。
表5-1样本公司被实行ST前五年的Z值统计结果
年数
0
-1
-2
-3
-4
剔除了*ST大元影响
未剔除*ST大元影响
平均值
最大值
标准差
中位数
最小值
图5-1样本公司ST前五年Z值统计直观图
通过对样本公司被实行ST前五年的Z值研究发现，除*ST大元在ST前第四年年报（-3年）大于安全线外，其余公司在这五年中各年的Z值均小于警戒线。
研究结果大致有如下两点：
1.同质性
从表5-1中的平均数、中位数、最大值和最小值可以看出，除了在-3年受到*ST大元公司的影响外，整个Z值在五年间的大小变化和每一年中的分布情况都是比较稳定的；同我们在第一部分静态研究里的结论一样，在ST前的各年内，样本公司的Z值分布也是呈现出右偏趋势，即较多的样本分布在小于平均值的较小区域内，而较少的样本分布在大于平均值的较大区域内。
从标准差我们也可以看出样本分布仍然是比较密集，而且这五年内标准差的变化也是很稳定的（-3年剔除*ST大元的影响）。
为了说明这种密集程度，我们以一个比较小的长度（长度）为标准进行考察，将各年度的Z值分布情况归纳在表5-2：
表5-2五年间在长度的Z值范围的最高密集程度
年份
0
-1
-2
-3
-4
Z值区间（长度
~
~
~
~
~
在此区间公司个数
34
37
36
33
29
有数据的公司数
45
46
43
40
40
所占比例（密集程度）
76%
80%
84%
83%
73%
表5-2是用于说明在ST前的每一年内，这些样本公司的Z值都是很密集地分布于某一个长度的区段，而且这些区段随着时间临近ST是稳步而且连续下降的。
比如在ST前第四年中，有83%的ST公司Z值处于~区域内，而到了ST前第一年时，有76%的ST公司的Z值集中于~区域内。
同质性的特点表明样本公司的Z值在其被实行ST前的若干年间，很大程度上会表现出相同的分布和变化过程。
值的下降趋势
首先来看平均数，从图5-1中可以很直观地看出，样本公司的Z值是呈略微下降的趋势的，从表5-1中的数字我们也可以看出样本的平均值也是随着年份越靠近ST而越发减少的（-3年剔除*ST大元的影响）。
再进一步来研究个体逐年变化的情况，表5-3是对样本公司Z值下降情况的研究：
表5-3Z值下降情况统计
比较区段
-1年~0年
-2年~-1年
-3年~-2年
-4年~-3年
-2年~0年
比较时间跨度
1年
1年
1年
1年
2年
Z值下降的公司数*
31
28
24
22
33
可进行比较公司数**
45
43
40
40
46***
所占比例
69%
65%
60%
55%
72%
注*：
下降不包括相等（不变）的情况
**：
由于少数公司在部分年份的Z值空缺，故可比较公司数为比较区段两端都有值的公司数。
***：
为了能从总体上说明问题，此处可进行比较公司数按样本总数算，数据缺失无法计算两年Z值变化的公司以一年变化计。
可以很明显地看出，在被实行ST前第五年到第四年的时间里，有一半多（55%）的公司Z值出现了下降情况，这个比例随时间临近ST逐渐变大，到了ST前第二年到第一年的时间里，有近七成的样本公司的Z值出现了下降的情况。
如果把时间放长为两年，在被实行ST前最近的两年里，有超过七成的样本公司的Z值出现了下降的情况。
这说明ST公司Z值呈现下降的趋势随着时间越接近ST而越明显。
下面单独研究样本中比较特殊的*S
升级会员 