Zscore模型对上市公司财务预警的适用性研究

摘要企业破产是市场经济中的普遍现象。近年来，我国上市公司因财务危机导致经营陷入困境的例子屡见不鲜。事实上，上市公司的财务风险发生总是有一个过程的，由潜伏期到爆发期需要很长时间。及时准确地发现上市公司存在的财务风险,对其各利益相关者主体来说都具有极其重要的意义。建立预警系统对企业财务运营进行预测预报,是十分必要而重要的。本文回顾了有关财务风险预警的相关理论，在介绍Altman的Z计分模型的基础上，随机抽取了深市和沪市共60只A股股票对Z-score模型的适用性进行了实证研究：选取了30家ST公司和30家非ST公司2008年、2009年及2010年三年的相关财务数据，计算各个指标，最终得出Z值，根据Z值的大小确定Z-score模型并不能直接用于我国上市公司预警。但是，通过比较ST公司与非ST公司Z值，对Z值的波动性和各财务比率做分析，适当降低临界点的大小，可以有效的提高准确程度。关键词Z-score模型，财务预警，适用性，实证研究；AbstractTheenterprisebankruptcyisacommonphenomenoninthemarketeconomy.Inrecentyears,thelistedcompaniesinChinagotintotroublebecauseofthefinancialcrisiscommonoccurrence.Infact,thelistedcompany'sfinancialriskoccursalwayshavingaprocess,andtheincubationperiodoftheoutbreakwilltakealongtime.Timelyandaccuratelyfindingthelistedcompanies’financialriskhasveryimportantsignificanceforallthestakeholders’subjects.Itisverynecessaryandimportanttoestablishtheearlywarningsystemtopredictenterprisefinancialoperation.BasedontheintroductionofAltman’sZ-scoremodel,thispaperreviewsthefinancialriskpre-warningrelatedtheory,andrandomlyselects60onlyAsharesfromtheShanghaiandShenzhenstockmarketstodotheempiricalresearchabouttheapplicabilityofZ-scoremodel:weselecttherelevantfinancialdatesof30STcompaniesand30normalcompaniesin2008,2009and2010threeyears,thencalculateeachindex,eventuallygetZvalue,andgettheconclusionthatwecan’tdirectlyusedZ-scoremodelintheearlywarningofthelistedcompaniesinChinaaccordingtothevalueZ.However,bycomparingtheSTcompanies’valueZwiththenormal’,analyzingthevolatilityofthevalueZandthefinancialratios,reducingthesizeofthecriticalpointproperly,wecaneffectivelyimprovetheaccuracy.KeywordsZ-scoremodel,Financialwarning,applicability,empiricalresearch；摘要 IAbstract II第1章绪论 51.1研究目的及意义 51.2国内外研究现状 61.2.1国外研究现状 61.2.2国内研究现状 9第2章财务风险预警理论 132.1财务风险的相关概念 132.1.1财务风险 132.1.2财务危机 132.1.3财务风险与财务危机的关系 142.2财务风险预警系统理论 142.2.1财务风险预警系统的涵义 142.2.2财务风险预警系统的功能 152.3阿特曼Z-score模型 15第3章实证研究 173.1研究假设 173.2样本选取与研究设计 173.2.1样本的选择 173.2.2数据来源 173.2.3指标设定 173.3数据分析 193.3.1ST公司与非ST公司Z值比较 193.3.2Z值波动性比较分析 213.3.3ST公司与非ST公司Z模型各财务比率的比较分析 213.3.4Z-score模型临界点调整 233.4实证结果分析 243.5建议 24结论 26参考文献 27附录 29致谢 46千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行绪论研究目的及意义全球经济在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。如何改善我国上市公司的状况，遏制其财务恶化，扭转大面积亏损的现状，是现代财务理论界急于解决的问题。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。而建立完善的财务危机预警系统，是公司降低财务风险的关键所在。建立一套有效的财务危机预警模型，获得这些财务状况出现严重恶化的上市公司的预警信号，能够改善公司的融资、投资、审计、经营和财务状况。同时，这套系统对国家证券监管部门监控上市公司质量和减少证券市场风险也有着重要的现实意义。一个良好的财务危机预警系统，作为一种成本低廉的诊断工具，能提早发现问题并告知企业经营者，从而能有效地防范与解决问题、回避财务危机的发生。因此研究财务预警，无论在理论上还是实务中都具有重要意义。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模型是其中重要的模型，在企业财务风险监测与危机预警中占很重要的地位，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Altman—Z模型是针对美国资本市场的实际情况构建的，面对我国的实际情况，“Z-Score”模型虽然也有它使用的空间，但是我国企业由于自身的情况，Z值在财务预测中的应用与西方存在着差异。所以应就目前我国的实际情况，研究“Z-Score”模型在我国企业财务分析方面的作用，为我国经济发展作出应有的贡献。为此，本文现就Z-score模型对我国上市公司的适用性做一实证分析，分析该模型对我国上市公司的应用意义。国内外研究现状国外研究现状1．单变量财务预警模型单变量分析是最早应用于财务危机预测的模型，其主要思想是通过比较财务危机企业和非财务危机企业之间各个财务指标的显著差异，选定某个指标作为排序变量，让样本数据根据该指标进行排序，然后根据最佳判定点对财务危机企业和财务健康企业进行分类的一种分析方法。Fitzpatrick（1932）最早利用该模型对企业财务危机进行预测，他以19家公司作为样本，运用单个财务指标进行预测，结果发现净利润/股东权益、股东权益/负债这两个财务指标判别能力最高。应用单变量进行破产预测研究在二十世纪六十年代前较为普遍，其中比较有影响的学者主要为Beaver和Zmijewski。1966年,美国的威廉•比弗(WilliamBeaver)运用精确的统计方法,提出了单变量分析法,运用个别财务指标来预测企业财务风险的大小。单变量分析法中预警企业财务风险的指标主要有:现金流量债务比、资产净利率、流动比率、资产负债率、资产安全率(即资产变现金额P资产账面金额与资产负债率之差)等。2．多变量财务预警模型（1）多元Z值判断模型由于单变量分析法一次只能分析一个指标,而不同的指标只能反映企业财务状况的一个侧面,因此难以有效地预警企业的财务风险。1968年,爱德华•奥特曼(EdwardAltman)运用一组数据进行综合分析,采用配对抽样法,通过配比研究,首次提出了企业财务风险预警的“Z值”模型。按照这一模型,通过计算企业连续几年的Z值就可发现企业发生财务风险的征兆。按照奥特曼的思路,许多学者通过实证研究建立了自己的模型,较具代表性的模型有1972年埃德米斯特(Edmister)建立的小企业财务危机预警分析模型和1977年英国的塔夫勒(Taffler)提出的财务风险预警模型，塔夫勒的模型形式如下:Z=0.53W1+0.13W2+0.18W3+0.15W4。式中W1表示税前利润P流动负债;W2表示流动资产P负债总额;W3表示流动负债P资产总额;W4表示(流动资产-流动负债)P(经营费用-折旧)。20世纪70年代,日本开发银行调查部综合了更广的财务数据,建立了如下预警模型:Z=2.1W1+1.6W2–1.7W3-W4+2.3W5+2.5W6。其中,W1表示销售额增长率;W2表示总资本利润率;W3表示他人资本分配率;W4表示资产负债率;W5表示流动比率;W6表示粗附加值生产率(即折旧费、人工成本、利息与利税之和与销售额之比)。1972年，埃德米斯（Deakin）专门针对小企业建立了小企业财务危机预警分析模型，该模型假定所有变量服从N(0，1)分布，以标准值为界限进行判别，变量值只能为l或0。模型如下：Z=0.951X1-0.423X2-0.482X3+0.277X4-0.452X5-0.352X6-0.924X7；X1=(税前净利+折旧)/流动负债：若该比率小于0.05则X1=1；否则，X1=0；X2=所有者权益/销售收入：若该比率小于0.07则X2=1；否则X2=0；X3=净营运资金与销售收入比值再除以行业平均值：若该比率小于-0.02则X3=1；否则X3=0；X4=流动负债/所有者权益：若该比率小于0.48则X4=1；否则X4=0；X5=存货与销售收入比值再除以行业平均值：若该比值有上升趋势(根据连续三年的数据判断)，则X5=1；否则X5=0；X6=速动比率/行业平均速动比率趋势值：若该比值有下降趋势并同时该值小于0.34，则X6=1；否则X6=0X7=速动比率/行业平均速动比率：若该比值有下降趋势(根据连续三年的数据判断)，则X7=1；否则X7=0。（2）逻辑（logit）和概率比（probit）回归模型自20世纪70年代末以来，财务困境研究人员引进了逻辑（logit）和概率比（probit）回归方法。从而将问题简化为已知一个公司具有某些性质（由财务比率指标加以呈现），计算它在一段时间里陷入财务困境的条件概率有多大。如果算出的概率大于设定的分割点，则判定该公司在这段时间内会陷入财务困境。logit模型的形式为：ｌｎ［ｐ÷（１－ｐ）］＝α０＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｐ取值为０、１；ｐ为概率；ｘ１，ｘ２，…，ｘｋ为ｋ个预测变量，即财务指标；α０、β１、β２、…、βｋ为系数。Ohlson(1980)使用Logit方法进行财务预警研究。他用1970-1976年间的105家破产公司及2058家正常公司为研究对象，采取9个财务变量来估计模型。实证结果表明，其中4项财务资料对评估破产概率具有统计显著性，依次是规模（总资产/GNP物价指数后取对数）；资本结构（总负债/总资产）；资产报酬率或来自经营的总负债/总资产；短期流动性（营运资金/总资产、流动负债/流动资产），判别正确率也高达92%以上。他构造了两个虚拟变量，OPNEG和INTWO，前者当企业总资产超过总负债是值为1，否则为0；后者当企业破产前两年的净利润负时值为1，否则为0。其研究结果表明这两个虚拟变量对模型的解释能力甚至不低于某些常用的财务比率。他指出采用破产之后获得的信息来预测破产会高估破产模型的预测能力。3．新的研究方向（1）神经网络模型在19世纪80年代末期，神经网络理论（NN）开始兴起，其影响也及于财务危机预测研究领域。虽然神经网络判别模型可谓是研究方法上的重大创新，但实际效果却很不稳定。例如，Coats和Fant（1991）对47家财务危机公司和47家正常公司运用神经网络模型进行判别时，对财务危机公司的预测准确率达到了91%，明显高于多元判别法72%的准确率。然而，Back等人在1994年所做的一项研究却并不认为神经网络模型具有比多元判别分析（MDA）和Logistic分析明显更佳的预测效果。不过，由于财务数据可以表现企业生命的各种特征，其变化规律也与达尔文进化论有许多相似之处，因此随着遗传算法（Geneticalgorithms）模型等思路的不断完善（如Back和Laitinen等人1996年的相关研究），该方法可能代表着未来的一种重要趋势。（2）期权定价理论Charitou和Trigeorgis（2000）使用B-S期权定价模型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国企业进行了对比检验，结果发现到期债务面值、企业资产的当期市价、企业价值变化的标准差等期权变量在预测破产方面作用显著。不过，该研究的基础方法仍然建立于Logistic回归检验之上，仅仅在变量设计方面引入了期权因子，因此实际的理论贡献不大。正如我们前文所指出的，“破产”要件受到债权人选择等非线性因素的影响而具有不确定的后果，因此期权理论目前仅在企业总体估价中得到有限应用，若作为财务危机预测研究的一种方法，仍然具有不可克服的先天局限。国内研究现状国内关于企业财务风险预警系统的研究除借鉴国外的预警模型以外,一部分学者也做了扩展性的研究工作。国内大部分学者在财务预警分析时所涉及的指标较多，有时高达20多项。最典型的是北京化工大学会计系周首华、美国夏威夷大学会计学院杨济华和中国人民大学王平在1996年应用多微区分分析，建立的“供管理当局使用而又区别于传统的公司偿付能力分析的新的预测模式—F分数模式（FailureScoreModel）”。1996年，周首华等对Z计分模型加以改造，建立了财务危机预测的新模式——F分数模型。F分数模型使用的样本更加扩大，使用了CompustatPCPlus会计数据库中1990年以来的4160家公司的数据作为样本进行了验证，在模型中加入了现金流量这一预测自变量，许多专家证实现金流量比率是预测公司破产的有效变量。其模型表达式是：F=-0.1774+1.109X1+0.1074X2+1.9217X3+0.0302X4+0.4961X5其中：F为判别函数值X1——（期末流动资产-期末流动负债）/期末总资产X2——期末留存收益/期末总资产X3——（税后收益+折旧）/平均总资产X4——期末股东权益的市场价值/期末总负债X5——（税后纯收益+折旧+利息）/平均总资产这个模型的判别临界点是0.00274，比率越低，企业发生财务失败或破产的可能性越大。但是，F分数模式的研究对象并不是中国的证券市场。1986年，吴世农、黄世忠曾撰文介绍企业破产的财务分析指标及其预测模型。蔡红艳、韩立岩（2003）采用了Fisher判别方法建模，进入建模的指标有：资产收益率、资产负债率等几个指标。Fisher二类线性判定模型在财务危机发生前的第1年的判定准确率达到了89.1%。上海财经大学的陈静在1999年对上市公司财务恶化预测进行了实证研究，她选用了1998年27家ST上市公司作为样本，并将其界定为财务失败公司，主要借鉴了Beaver和Altman的模型，采用1998年财务数据，应用判定分析建立了两个模型。Z1=56.73X1+1.26X2-25.79X3+4.06X4-0.24X5+10.59X6Z2=-16.44X1+43.19X2+1.158X3-6.58X4+3.53X5+11.39X6X1——资产负债率；X2——净资产收益率；X3——总资产收益率；X4——流动比率；X5——营运资本比率；X6——总资产周转率。陈静的研究结果表明，各上市公司样本在其中ST公司之前的前一年（1997年）、前两年（1996年）、前三年（1995年）的判别准确率分别是92.6%、85.2%和79.6%。模型在ST宣布前一年的判别准确率较高，离宣布日越远，准确率越低。成经所做研究中样本包括制造业、商业、房地产等不同的行业，而不同的行业的财务比率在一定程度上缺乏可比性，因此很难保证模型预测的正确率；样本仅局限于1998年一个年度，这在1999年来说，时效性很强，但六年来我国证券市场的发展变化十分显著，如果将原研究成果应用于现代的证券市场，缺乏说服力，很难保证模型的有效性；陈静在分析建模时所用数据是各ST公司被ST当年的数据，而非ST之前的数据，这样就会在一定程度上削弱所建模型的预测准确性。张玲（2000）以上市公司的财务比率为基础，根据样本进行统计推断，最后判别函数用到了资产负债比率、总资产利润率、营运资金与总资产比率、留成收益、资产总额比5个指标。以原始样本判别值得分界线作为预警临界点，120家公司为研究样本，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行检验，发现模型具有超前4年的预测效果。吴世农、卢贤义（2001）选取了70家处于财务困境的公司和70家对照公司为样本，检验了Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，并结合中国的实际情况建立了相应的模型。他们的研究结果表明，在财务危机发生前2年或1年，盈利增长指数、流动比率、负债比率、总资产周转率等16个指标的时效性较强：多元线性判定模型，Fisher二类判定模型和Logistic回归模型均能在财务危机发生前做出较为准确的判断；相比于同一信息集而言，Logistic回归模型的误判率最低，在财务危机发生前1年的误判率只有6.47%。黄岩、李元旭以沪深两市的上市公司为样本，建立了中国工业类上市公司财务失败预测模型，给出了所研究上市公司的Z值范围，用到的指标处理方法主要是聚类分析和判别分析。我国台湾学者陈肇荣经过研究、测试，得出如下财务危机预测模型：央=0.35X1+0.67X2-0.57X3+0.29X4+0.55X5其中：Y为判别函数值X1——速动总额/流动负债；X2——营运资金/资本总额；X3——固定资本/资本净额；X4——应收账款/销货净额；X5——现金流入量/现金流出量按照此模型，当Y值低于11.5时，企业有可能在未来一年内发生财务危机。除此以外，我国学者关于Altman的Z-score模型也做了诸多实证研究。金婷婷在《我国上市公司财务预警实证研究———基于Z-score模型的探析》一文中，以我国上市公司中的72家企业为样本,采用实证分析方法,建立基于Z-score模型的上市公司财务线性判别预警模型。根据典则线性判别模型,,得到危机型企业与健康型企业的平均Z值分别为6.15546和13.13428,因而可确定分界值应为9.19487(6.15546和13.13428的平均数)。王玻在《Z-score模型对我国上市公司适用性实证研究》中运用实证分析方法，就深市的40家制造业公司来验证“Z记分法”在评价企业经营风险方面的有效性程度。根据数据得知，Altman标准对我国的上市公司仍然有较好的适用性，但同这个标准相比，我国的ST公司的Z值相对较低。文章就Z记分模型对我国上市公司的适用性做一实证分析，力争找到适合上市公司的预警模型。梁谋和卞鹰在《2004-2008我国中药上市企业财务风险的实证研究》中利用z值模型和上市公司年报数据对我国27家中药上市企业的财务状况进行分析，指出企业应当根据自身特点，采取针对性的策略，避免财务风险。王永生和李洁的《Z-score预警模型的研究与分析》对Z-score预警模型进行了新的研究，将模型中各财务比率的权数及常数项进行调查；并对各模型预测概率进行比较，以获得其预测准确率；然后在此基础上提出P模型（百分数模型），同时用ST公司和非ST公司的财务数据对P模型进行实证检测分析。赵健梅与王春莉的《财务危机预警在我国上市公司的实证研究》说明的是z一score模型对我国上市公司的财务危机有着较强的预警作用，但并未制定出一套适合我国上市公司的z值判定标准。滕为与杨娟在《基于战略视角的Z-Score模型临界值修正研究》中以我国上市公司财务预警系统的建立和完善为主线，运用Altman的模型对我国上市公司的适用情况作了实证研究，并依据计算结果对其临界值进行了修正研究，提出企业要进行财务战略预警分析。刘凤娇的《“Z-Score”模型在企业财务预警分析中应用的研究》研究结果表明,“Z-Score”模型对某个行业或某类企业经营风险的整体性分析的指导作用较强,并且随着会计准则与国际接轨、会计信息真实性的提高,其在国内的适用前景将更加广泛。陈文俊在《企业财务困境修正Z模型的实证研究》中针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型。财务风险预警理论财务风险的相关概念财务风险财务风险(financialrisk)是指公司财务结构不合理、融资不当，使公司可能丧失偿债能力而导致投资者预期收益下降的风险。财务风险有广义的定义和狭义的定义，决策理论学家把风险定义为损失的不确定性，这是风险的狭义定义。日本学者龟井利明认为，风险不只是指损失的不确定性，而且还包括盈利的不确定性。这种观点认为风险就是不确定性，它既可能给活动主体带来威胁，也可能带来机会，这就是广义风险的概念。财务风险的基本类型共有5种：筹资风险、投资风险、经营风险、存货管理风险以及流动性风险。财务危机1．国外学者对财务危机的界定（1）为了使样本企业有较明确的标识，便于区分，很多学者将财务危机企业定义为已宣告破产的企业。如Altman(1968)认为“企业失败包括在法律上的破产、被接管和重整等”，实质上是把财务危机基本视同为企业破产，即法定破产。遵循这条思路，Deakin(1972)认为财务危机企业是指已经破产、无力偿债或者为了债权人的利益已经进行清算的企业。将财务危机基本等同于法定破产的学者还有Casey、Bartczark(1984)，Gentry(1985)，Aziz(1988)和Gilbert(1990)等等。（2）为全面收集财务危机企业样本进行财务危机预警的实证研究，很多学者扩大了财务危机企业样本的选择范围。如Beaver(1966)将财务危机企业定义为：银行透支、未支付优先股股利、债券违约和宣告破产等几个状态。总的来看，国外学者对财务危机的定义是根据研究课题的需要而定，通常在文献中会明确给出研究样本的选择特性，其定义和描述财务危机企业样本的方式有多种，归结起来有变现拍卖、无力支付短期债务、无力支付债券利息、无力支付债券本金、无力支付优先股股息、重整及法定破产等。因而，CharlesHGibson&PatriciaAFrishkoff指出，财务失败有各种各样的标准，财务失败这个词的含义要根据所设的标准而定。2．国内学者对财务危机的界定在我国，暂时没有对财务危机进行深入研究及下一个准确的定义。由于国内财务危机预测的研究对象主要针对上市公司,故一般将财务危机界定为财务状况异常而被“特别处理”。由于我国证券市场的退市制度建立较晚，退市的企业不多，因而大部分研究者都把上市公司被特别处理作为企业陷入财务危机的标志，如陈静（1999），陈晓、陈治鸿（2000），吴世农，卢贤义（2001），李华中（2001）等。财务风险与财务危机的关系财务危机是财务风险积聚到一定程度的产物，它同财务风险一样，是在不断运动变化着的。陷入财务危机的上市公司必然面临着较大的财务风险，而具有财务风险的上市公司不一定陷入了财务危机。不同上市公司财务风险与财务危机有不同的表现形式，即使是同一上市公司，在不同时点其财务风险与财务危机也会有所不同。财务风险预警系统理论财务风险预警系统的涵义财务预警就是通过对企业财务活动运行状态进行监控，预先告知企业即将发生的警情，并采取一定的措施，排除警情，保证企业财务活动安全运行的管理行为。根据警情界定程度的不同，可将其分为广义和狭义的财务预警。广义的财务预警是对所有可能引起企业财务活动波动的因素进行研究，只要引起企业财务活动产生不利因素就进行预警。它与财务风险控制的区别主要在于它更偏重于研究如何规避影响企业财务运转正常的那些风险所带来的不利因素，目的只在于保证企业生存。而财务风险控制还要研究影响企业盈利的那些风险，目的还在于发展和获利。狭义的财务预警偏重于研究财务危机，实际上就是财务危机预警。财务危机主要表现为企业财务状况恶化，丧失了偿还到期债务的能力，企业的净现金流量小于企业需偿还的到期债务;它是一个时期的概念，从技术性失败到公司破产都属于财务危机过程，并且有程度轻重之分。它与财务风险紧密相连，实质上就是财务风险规模化、高强度化的集中爆发。本文中所述的财务预警指的是狭义的财务预警，即财务危机预警。财务风险预警系统的功能1.监测功能。跟踪企业的经营过程,监控企业日常财务状况,在危害企业的财务关键因素出现之前,预先发出警讯,从中找出偏差及偏差发生的原因,以便及时寻求对策。2.诊断功能。根据跟踪监测,对企业的实际财务状况与行业或标准财务状况进行对比分析,找出导致企业财务运行恶化的原因以及企业运行中的弊端及其病根所在。3.预防功能。即避免类似的情况再次发生，系统详细记录危机的发生、处理和解决过程,作为前车之鉴,增强企业规避危机的能力。阿特曼Z-score模型美国学者Altman于1968年在《金融杂志》发表的一篇题为《财务比率、判别分析和公司破产预测》的文章中提出了预测企业破产的多元Z值判断模型，这是最早的多变量型财务预警模型。他将若干变量拟合成一个函数方程，用z值进行判断，从而克服了一元判定模型的缺陷。其实证结果表明，在破产前一年的预测准确性比一元模型有较大的提高，但在破产前五年进行预测准确性却不如一元模型。Altman的多元z值判定模型的重要性在于他介绍了一种方法技术，使用几个变量综合进行估计，获得企业的有关信息。人们已经无法用一个比率，获得足够的信息来描述企业所有特性，而一个一个地分析比率则过于复杂。因此，把多个比率合并入一个方程式的做法较为可取。Altman最初选择的样本共有66家公司，分两组，每组33家。破产组（组1）包含了从1946年到1965年申请破产的33家制造业公司。考虑到无论是从行业还是从资产规模进行比较，这些公司的差别都较大。因此，在选择非破产组（组2）时，Altman采用了分层随机抽样的方式对应选择了另外33家在1996年仍在经营的未破产的制造业企业。每层样本的设计主要考虑了行业和规模因素，样本中剔除了小公司（总资产100万以下）和超大型公司，因为小公司的报表数据不全，而超大型公司的破产概率较小，不适于用来做普遍意义上的预测模型。Altman共选择了22个可能有用的财务比率分五大类（流动性、获利能力、财务杠杆、偿债能力和活动性）进行研究。选择原则是该比率在以前研究中出现的频率和其与研究问题的潜在相关性。Altman经过因素分析最终找出最具解释力的五个财务指标，建立的判别函数模型如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5X1：营运资金/总资产=(流动资产-流动负债)/总资产X2：留存收益/总资产=(股东权益合计—股本)/总资产X3：息税前利润/总资产=(税前利润+财务费用)/总资产X4:股权市价总值/总负债=(每股市价×流通股数+每股净资产×非流通股数)/总负债X5:销售收入/总资产=主营业务收入/总资产。根据对过去经营失败企业统计数据的分析，Altman得出经验性临界数据值判断企业破产的临界值：如果Ｚ值大于2.675，则表示企业的财务状况、经营状况良好，发生破产的可能性小；如果Ｚ值小于1.81，则表明企业正处于破产的边缘；如果Ｚ值在1.81～2.675之间，则表明企业的财务及经营极不稳定，被称为“灰色地带”。通过计算，观察某个企业连续若干年的Ｚ值大小，就能发现企业发生财务危机的先兆。实证研究研究假设根据Z-score模型，ST公司具有较大的财务风险，Z值应小于1.81；Z值大于2.675的公司，不具有财务风险。若计算结果符合以上论述，则Z-score模型适用于我国公司；若有一条不符，则不适用。样本选取与研究设计样本的选择本文从深市的808只A股股票和沪市的888只A股股票共1696只股票中，剔除了数据不完整的样本后，从剩下的股票中随机抽取了60只股票为样本，其中包括ST公司和非ST公司各30只。数据来源来自最股网。数据来源上市公司2008年、2009年和2010年的年报数据。指标设定本文采用多元分析方法。多元分析是将几个指标综合起来，反映企业总体财务状况，预测财务危机。多元分析选择相对较简单、且数据易于获取，并且在实际中应用较广，国际上也较为流行Altman的Z-score模型。Z-score模型的判别函数如下所示：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5其中，X1=营运资金／资产总额，它反映了公司资产的变现能力和规模特征。一个公司营运资本如果持续减少，往往预示着公司资金周转不灵或出现短期偿债危机。X2=留存收益／资产总额，反映了公司的累积获利能力。对于上市公司，留存收益是指净利润减去全部股利的余额。留存收益越多，表明公司支付股利的剩余能力越。X3=息税前利润／资产总额。即EBIT／资产总额。可称为总资产息税前利润率，而通常所用的总资产息税前利润率为EBIT／平均资产总额，分母间的区别在于平均资产总额。避免了期末大量购进资产时使X3降低，不能客观反映一年中资产的获利能力，衡量上市公司运用全部资产获利的能力。X4=股东权益的市场价值总额／负债总额．测定的是财务结构，分母为流动负债和长期负债的账面价值之和．分子以股东权益的市场价值取代了账面价值，使分子能客观地反映公司价值的大。X5=销售收入／资产总额，即总资产周转率，企业总资产的营运能力集中反映在总资产的经营水平上。因此,总资产周转率可以用来分析企业全部资产的使用效率。如果企业总资产周转率高,说明企业利用全部资产进行经营的成果好,效率高;反之,如果总资产周转率低,则说明企业利用全部资产进行经营活动的成果差,效率低,最终将影响企业的获利能力。如果总资产周转率长期处于较低的状态,企业就应当采取措施提高各项资产的利用程度,对那些确实无法提高利用率的多余、闲置资产应当及时进行处理,加速资产周转速度。文章《运用Z计分模型对我国上市公司财务风险的实证研究》认为，在Z-score模型中,五个指标充分考虑了企业的盈利能力(Ｘ2、Ｘ3)、资产管理水平(Ｘ1)、成长能力(Ｘ5)及企业市场价值或账面价值(Ｘ4)等方面,比较全面地反映企业的经营状况,但在目前市场经济条件下,我们认为Z-score模型还存在问题,使其模型具有明显的不适应性。其中，Ｘ4指标的适用性不够。Ｘ4指标反映的是普通股和优先股市价或企业的账面价值与负债的账面价值的比值,此项指标在现阶段不管对上市公司,还是非上市公司都有其不适应性。对上市公司来讲,由于我国股市运行时间较短,存在着许多不规范之处,股票市价并不能真实地反映企业的市场价值;对于非上市公司来讲,该项指标也只能反映公司的财务结构,即净资产与负债的比例,这与Ｘ1、Ｘ2指标有重复之嫌,其应用价值大打折扣。因此，我们将Z-score模型中的Ｘ4改为总资产现金回收率,计算公式为：营业现金净流量/总资产。这样模型中的五个指标充分考虑了企业的盈利能力、资产管理水平、成长能力及企业获取现金的能力等方面,增强其判别函数的适用性,更好地为企业发挥预警作用。调整后的模型中相关指标系数仍采用第一个模型中的相关系数。我们认为,可以在不改变Ｚ判别值的计算结果及破产界限划分的前提下,根据行业盈利水平和现金流量状况进行测算,然后确定判断范围,在一段时期内适用。这样既可以保证行业内有统一的评价标准,又可以充分考虑不同行业的不同经营环境、不同风险程度。根据以上思路和建议,调整后“Z-score模型”为：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5X1=营运资金／资产总额X2=留存收益／资产总额X3=息税前利润／资产总额Ｘ4=经营净现金流量/资产总额X5=销售收入／资产总额数据分析计算样本中ST公司与非ST公司三年的Z值，具体计算结果见附录1，附录2和附录3。根据计算结果进行数据分析，详细分析如下：ST公司与非ST公司Z值比较Altman认为如果公司的Z值低于1.81时，公司有很大的破产风险；但当1.81＜Z＜2.675时，公司的财务状况极不稳定；当Z＞2.675时，公司的财务状况良好，破产的可能性极小。但这个标准是否适用于我国的上市公司，我们对样本的Z值结果进行统计，情况见表3-1。表3-1Z值结果统计表Z值范围Z＜1.811.81＜Z＜2.675Z＞2.675公司数量比例（%）公司数量比例（%）公司数量比例（%）ST公司20082893.3313.3313.3320092893.3313.3313.3320102480310310非ST公司20082066.67620413.33200918601033.3326.6720102066.67826.6726.67由表3-1可以看出，有超过四分之三的公司的Z值小于1.81，这说明我国上市公司的Z值相对西方是比较低的。而非ST公司中也有大半Z值小于1.81，这表明仅仅依靠Z-score模型来判别公司的财务状况存在局限性。从投资者的角度看，将ST公司误分为非ST公司的成本可能会更高一些，错误的判断会使投资者做出错误的决策，进而可能会有大量的损失，而且上市公司的股东人数较多，会产生较大范围的损失，并有可能影响证券市场的稳定。因此，我以1.81为分割点对计算所得的Z值进行分析。假定第一类错误为将ST公司误分为非ST公司；第二类错误为将非ST公司误分为ST公司。分析结果如表3-2所示。表3-2准确率分析表判定结果时间样本数以1.81为分割点总体正确率（%）Ⅰ类误分率（%）Ⅱ类误分率（%）20086063.333.3333.3320096066.673.333020106056.671033.33由表3-2可以看出，第一类误分率较低，平均值为5.55；而第二类误分率较高，平均值为32.22。3年中，有超过80%的非ST公司的Z值小于2.675，而根据Altman的Z计分模型，这些公司应该正面临或已经陷入财务危机，特别是Z值低于1.81的非ST公司比率高达60%以上，根据模型这些应该是破产企业。因此，仅根据Z值来判断我国非ST上市公司的财务状况时，会存在较大误判的可能。根据以上分析可以看出，Z计分模型在验证我国上市公司中的ST公司时有较高的准确度，而作为预测非ST公司财务状况的模型时，可能具有很大的误判性。Z值波动性比较分析根据上述分析，我国上市公司的Z值有普遍偏低的现象，仅根据其大小难以对公司财务状况作出正确判断。进一步分析样本公司Z值的波动性，由于ST公司及非ST公司内部Z值平均数差异较小，选择标准差作为衡量波动程度的指标。标准差反映总体各单位标志值的变动程度，标准差越大，表示标志变动越大；反之，标准差越小，表示变动度越小。分别计算ST公司和非ST公司Z值的标准差，计算结果如表3-3所示。表3-3样本公司Z值标准差分类统计表公司类型平均标准差标准差<1的公司个数标准差>1的公司个数非ST公司0.47282ST公司14.801614由表3-3所示数据可看出，非ST公司Z值的标准差的平均值是0.47，而ST公司的达到14.80。如果以1作为Z值标准差的临界值，非ST公司的Z值有93.33%的标准差小于1，而ST公司的Z值中有46.67%的标准差大于1，表明非ST公司的Z值变动程度较小，而ST公司的Z值变动程度较大。因此，当一个公司的Z值变动程度较大时，有可能出现财务危机。根据以上对样本公司2008年至2010年Z值的波动性分析可以发现，非ST公司和ST公司的Z值波动性有较大的差异。ST公司的Z值连续几年的变动度较大，说明公司的发展不稳定，财务状况有不断恶化的趋势；而非ST公司的Z值变动度较小，说明企业发展稳定，财务状况稳定。ST公司与非ST公司Z模型各财务比率的比较分析仅凭Z值来判断我国上市公司的财务状况存在很大误差，还可以进一步分析样本公司Z-score模型中的五个财务比率及其变动情况。计算样本中ST公司与非ST公司Z值各财务比率的2008年至2010年平均值，结果见表3-4。表3-4ST公司与非ST公司Z-SCORE模型各财务比率比较表公司类型年份X1X2X3X4X5非ST公司20080.11530.47680.07080.11820.554320090.21450.30820.05470.24460.537220100.25100.33490.06000.11810.5481ST公司2008-2.5386-6.17740.03060.05610.61042009-1.4130-4.19590.4976-19.85370.46332010-0.6092-2.49570.1385-0.02550.60651.X1为净营运资本/资产总额，反映了企业资产的折现能力和规模特征。营运资本是企业的周转资金，具有周转速度快、变现能力强、项目繁多、性质复杂、获利能力高、投资风险小等特点。一个企业营运资本的持续减少，往往预示着企业资金周转不灵或出现短期偿债危机。由表3-4可以看出，2008年至2010年间，非ST公司的净营运资本在总资产中所占的比率变动不大，且逐年增加，说明非ST公司的资金周转正常，短期偿债能力较好；而ST公司的该比率一直为负值，且普遍低于非ST公司的该比率，说明ST公司可能存在资金周转危机和短期偿债危机。2．X2为留存收益／资产总额，反映了企业的累积获利能力。期末留存收益是企业税后利润累积而造成的，一般来讲，X2越小，企业财务危机的风险越大。2008至2010年间，非ST公司的X2比率变动不大，说明其累积获利能力发展稳定，且其值基本在30%以上，说明其累积获利能力较强；而ST公司的该比率变动较大，比率值为负值，且明显低于非ST公司，说明ST公司遭受财务危机的风险普遍大于非ST公司。3．X3为息税前利润/资产总额，反映的是企业投入的全部资金的获取报酬的能力。该比例越高，说明企业的全部资金获得的报酬越高。从平均值看，ST公司的X3值要高于非ST公司，然而，这只是因为ST公司的X3值相差很大，而非ST公司的X3值相差不大所造成的。事实上，从具体数据看，非ST公司的X3值大多数都大于0，而ST公司的X3值很多都是负值，且大多数ST公司的X3值要小于非ST公司，这说明ST公司的盈利能力出现了问题。4．修改后的X4是总资产现金回收率，反映的是企业获取现金的能力。一般来说，该比率越高，企业获取现金的能力越强，偿还负债的能力越强，财务风险越小。5．X5为总资产周转率，企业总资产的营运能力集中反映在总资产的经营水平上，因此，总资产周转率可以用来分析企业全部资产的使用效率。如果企业总资产的周转率高，说明企业利用全部资产进行经营的成果好，效率高；反之，如果总资产周转率低，则说明企业利用全部资产进行经营活动的成果差，效率低，最终将影响企业的获利能力。如果总资产周转率长期处于较低的状态，企业就应当采取措施来提高各项资产的利用程度。Z-score模型临界点调整由于Z模型是根据西方的数据计算出来的，我国的上市公司Z值普遍较低，因此，在文章《运用Z计分模型对我国上市公司财务风险的实证研究》中，作者对Z模型的临界点进行了调整，将其从1.81和2.675降低为0.5和1.2，使得准确度有了大幅度的提升。本文也借鉴这一结论，用0.5和1.2来重新计算一下准确程度。分析结果如表3-5。表3-5Z值结果统计表Z值范围Z＜0.50.5＜Z＜1.2Z＞1.2公司数量比例（%）公司数量比例（%）公司数量比例（%）ST公司20082376.6713.3362020091860723.33516.6720101756.67413.33930非ST公司2008620413.332066.672009310516.672273.33201026.676202273.33我们分别以0.5和1.2为分割点对计算所得的Z值进行分析。同上文一样，假定第一类错误为将ST公司误分为非ST公司，第二类错误为将非ST公司误分为ST公司。分析结果如表3-6所示。表3-6Ｚ值预测效果表判定结果时间样本数以0.5为分割点以1.2为分割点总体正确率（%）Ⅰ类误分率（%）Ⅱ类误分率（%）总体正确率（%）Ⅰ类误分率（%）Ⅱ类误分率（%）20086078.3311.671073.331016.672009607520578.338.3313.332010607521.673.3371.671513.33对照表3-1、3-2与表3-5、3-6，可以清楚的看出，修改临界点后的Z模型的准确程度有较大幅度的上升，总体正确率都在70%以上，两类误分率也都有所下降，这表明修改临界点后的Z模型有了一定程度上的优化。实证结果分析从上面的分析可知，Z-score模型并不完全适用于我国上市公司，还不能直接用于对我国上市公司的财务预警。从上述讨论可以看出，我国上市公司的Z值普遍偏低，虽然该模型对ST公司有较强的预警作用，但与此同时，非ST公司的Z值也偏低，低于临界值的比率很大，Z计分模型在验证我国上市公司中的ST公司时有较高的准确度，而作为预测非ST公司财务状况模型时，可能具有很大的误判性。所以，现阶段该模型还不能直接用于对我国上市公司的财务预警。分析我国上市公司Z值偏低的原因，很可能是由于现阶段我国证券市场上市公司的股权结构特别复杂。股权分置改革后存在大比例的限售股，从目前限售股解禁的情况看，对股价的影响相当巨大，即使某公司已实现全流通，其股价的表现依然很不稳定，使Z值偏低，影响Z-SCORE模型的应用效果。随着我国证券市场的发展，当限售股问题对股价影响逐渐减少以致平息时，Z-SCORE模型对我国上市公司的财务预警的作用应该可以显现。另外，由于我国一些上市公司的效益不好，各项财务指标如流动比率、资产收益率等都很差，特别是每股净资产、未分配利润等都是负数，这大大地降低了Z值。建议虽然Z-score模型不能直接用于我国上市公司的财务预警，但结合其他分析，还是可以提高准确程度，大体上判断出公司的财务状况的。针对这一问题，我有如下建议：1.虽然现阶段还不适合直接利用Z值的大小进行财务预警，但如果结合Z值的波动性分析，就能在一定程度上起到较好的预警作用。从前面的分析看，虽然ST公司和非ST公司Z值都偏低，但两者Z值的波动特性有很大的区别，ST公司的Z值在偏低的同时，波动特别大，且一般表现为持续降低。非ST公司在连续研究的几年中，Z值也偏低，但其变动平稳，也没有持续走低的情况。2.有效考虑Z模型所涉及的5个变量的变化，也有利于提高准确度。一般来讲，ST公司的5个变量一般表现为持续降低，且大小低于同年的非ST公司；非ST公司的5个变量一般变动平稳，且大小一般高于ST公司3.修改模型的临界点，将其从1.81和2.675降至0.5和1.2，使得模型的准确度上升了接近10个百分点，两类误分率都下降，这表明适当的降低临界点的值，有利于提高模型的准确性程度。当然，这也是由于我国上升公司的Z值偏低造成的。综上所述，企业若想使用Z-score模型来判断公司的财务状况，我建议企业先搜索一下该行业代表性企业的Z值大小，Z值近几年的波动性，Z模型财务比率的波动性，然后再将本企业的Z值大小，Z值与财务比率的波动性与之相比，就可以得出本企业的财务状况，用此方法得到的结论准确性也比较高。当然，若是能适当的降低一下模型的临界值，准确程度会更高。千万不要删除行尾的分节符，此行不会被打印。“结论”以前的所有正文内容都要编写在此行之前。结论全球经济在2008年开始的金融海啸中受到重大打击，许多大小企业濒临破产，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，成为人们关注的一大热点。而建立完善的财务危机预警系统，正是公司降低财务风险的关键所在。z-score模型作为财务风险预警的一种方法，具有很强的可操作性。但是，由于我国会计准则与国外不同，金融市场也不够完善，这对模型的计算结果可能会产生一定影响，因此在使用过程中应当注意模型的适用范围。尽管如此，z值模型对判定我国企业的财务风险仍具有较强的指导意义。本文选取了在深市和沪市发行的60只A股为样本，其中包括ST公司和非ST公司各30只，以此为样本进行了实证研究。本文根据上市公司2008年、2009年及2010年三年的年报数据，计算出这三年ST公司与非ST公司的Z值，并将其做了比较分析，得出以下结论：1.Z-SCORE模型还不能直接用于对我国上市公司的财务预警，该模型在验证ST公司时有较高的准确度。2.虽然现阶段还不适合直接利用Z值的大小进行财务预警，但如果结合Z值的波动性分析，能起到较好的预警作用。3.结合模型所涉及的5个变量分析，可以有效的提高准确度。4.适当降低临界点，可以使模型的准确率提高。参考文献1王芳云.运用Z计分模型对上市公司财务风险的实证研究[J].山东纺织经济.2005，（5）:42-442Beaver，W．H．FinancialRatiosasPredictorsofFailure[J]．JournalofAccountingResearch.1966(SupplementtoVol5)：71—1113Beaver，W．H．FinancialRatiosasPredictorsofFailure[J]．JournalofAccountingResearch.1966(SupplementtoVol5)：71—1114田爱国.企业财务危机预警定量分析初探.当代经济.2005，（9）:65-665吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究.2001，（6）:46-516梁谋,卞鹰.2004年～2008年我国中药上市企业财务风险的实证研究.商业研究.2009(9):10-137王永生，李洁.Z-score预警模型的研究与分析[J].财会通讯.2006，（2）:52-558赵健梅，王春莉.财务危机预警在我国上市公司的实证研究[J].数量经济技术经济研究.2003，（7）:134-1389YongshengDing，XinpingSong，YuemingZen.ForecastingfinancialconditionofChineselistedcompaniesbasedonsupportvectormachine.ExpertSystemswithApplications,2008.10俞军，张锴，殷辉．安徽上市公司财务风险实证研究．华东经济管理．2006(5):P24—2711Altman，E．I．FinancialRatios，DiscriminantAnalysisandthePredictionofCorporateBankruptcy[J]．JournalofFinance.Sep．1968：589—60912Altman，I．E，Haldeman，R．G．andNarayanan．ZETAAnalysis-ANewmodeltoidentifybankruptcyriskofcorporations[J]．JournalofBankingandFinance.Jan．1977：29—5413Altman，E．PredictingFinancialDistressofCompanies：RevistingtheHcoreandZETAModels[J].200014邱云来.Z计分模型的改进及实证检验.理论新探.2009(12):P22-2415王玻.Ｚ－ｓｃｏｒｅ模型对我国上市公司适用性实证研究.岁月联盟.2010,(6)16李荣，李永芳.基于上市公司现金流的财务风险预警.商业研究.2009（391）:146-14917胡刚.基于上市公司财务困境修正Z模型的实证研究.中南大学硕士学位论文.2004,（5）18徐秀渠.Altman'sZ-Score模型在企业风险管理中的应用研究.经济经纬.2010(4).P103-10619万希宁.关于上市公司财务失败预警的实证分析[J].商业研究.2003，（12）20周剑涛,庞文凤.Z-SCORE财务预警模型在上市公司应用的实证研究.财会通讯.2009(8):25-2721尹侠.上市公司财务预警的实证分析[J].财经理论与实践.2002，（1）:83-8722李小青，董全.企业财务预警系统及其定量分析探讨[J].会计之友.2000，（1）：28-29附录附录12008年Z值计算表公司类型样本X1X2X3X4X5Z1非ST公司浦发银行-0.63840.02750.03020.08320.0264-0.5519中原高速-0.11310.17600.04580.08930.09770.4120浙江广厦0.07400.07000.1440-0.09230.37730.9803浙江富润-0.14240.36690.02400.11780.51831.0057中视传媒0.21910.35200.57110.31800.55293.3784重庆路桥-0.14000.22310.06620.08950.07670.4925长征电气0.28500.21140.08840.02270.53261.4706岷江水电-0.23080.0331-0.15310.13880.2279-0.4270德赛电池0.08314.85130.04230.33611.28408.5040长江证券0.02740.00410.0539-0.33260.11400.1297国恒铁路0.07820.49600.0371-0.40120.07940.7485佛山照明0.48480.68320.09530.63860.60732.8371科学城-0.05800.2391-0.0355-0.01070.09630.2368美达股份-0.17360.2557-0.05950.24351.72741.8093西藏发展0.24730.48760.05740.53780.26241.7514康佳集团0.23350.26580.02680.05561.16051.9231用友软件0.18910.53170.14660.36600.55492.2238北京城乡0.20350.67090.03740.33750.61622.1194岳阳纸业0.08860.30710.04140.11730.44241.1811西部矿业0.21150.48090.04250.02780.72501.8016北辰实业0.39830.21230.03000.14670.16321.1236上海电气0.15930.18890.05130.05650.72131.3731中国远洋0.16490.42880.13060.40560.97552.4385世荣兆业0.45970.32140.1161-0.32520.49451.6792威尔泰0.49080.47930.04530.29210.49872.0787华帝股份-0.15440.17240.01170.00191.73331.8118海特高新0.33110.47720.05600.00670.27911.5306兔宝宝0.06580.27280.05740.11370.94941.6585传化股份0.29630.42460.11490.06811.61752.9714巨轮股份0.02880.37270.07720.22280.28941.2312ST公司*ST夏新-1.0891-0.9345-0.4207-0.15101.0601-3.0446ST华光-0.4743-1.0290-0.10720.34250.0485-2.1101ST中葡-0.4816-0.4753-0.02590.14410.1972-1.0472*ST华源0.0000-4.59977.1884-0.08392.108319.3191S*ST黑龙0.0481-0.19930.22630.07150.17360.7404ST松江-0.8248-0.93070.21390.00730.1072-1.4763*ST昌鱼-0.0249-0.06220.0039-0.03940.0108-0.1169ST中农0.53960.2273-0.0356-0.04770.74481.5571*ST博盈-0.0907-0.2258-0.26630.03390.0254-1.2582ST

银广夏-1.6596-4.0348-0.70800.00010.0918-9.8855*ST创智0.3302-3.55020.01830.00020.0658-4.4482ST盛润A-55.8568-112.0173-3.1030-0.00020.0946-233.9986*ST威达0.2220-0.3975-0.0041-0.05120.0981-0.2371SST中华A-8.9820-11.9545-0.0650-0.00721.4364-26.3115锦化氯碱-0.27300.1709-0.02940.00860.49620.3111ST科健-2.8149-2.57490.0851-0.00040.0155-6.6868*ST九发0.0000-0.1759-0.00820.52070.11690.1548ST珠峰-0.5639-0.52860.16320.12841.14340.3308ST香梨-0.07050.2500-0.28510.14710.0534-0.5343ST筑信-0.4525-0.2532-0.04000.02490.3591-0.6590*ST北生-1.8796-1.5260-0.6785-0.00010.0248-6.6066*ST白猫0.1782-0.0787-0.13530.05951.89631.5702S*ST北亚-0.5225-38.68750.0103-0.20870.0000-54.8807ST马龙-0.2854-0.03850.08520.09271.67411.5977ST春兰0.42860.6352-0.01020.30190.32771.8755*ST中房0.4403-0.7882-0.05430.05610.0798-0.6415*ST三联0.0095-0.0493-0.16530.18601.72631.2175ST宝龙-0.7934-1.7029-0.0820-0.06740.2443-3.4054*ST琼花-0.2824-0.0181-0.25770.05370.6893-0.4999*ST张铜-0.5031-0.51-0.48290.03171.5557-1.3549附录22009年Z值计算表公司类型样本X1X2X3X4X5Z2非ST公司浦发银行0.17790.0108-0.00580.06660.02270.2720中原高速-0.01540.08630.04990.04720.09460.3890浙江广厦0.29570.09050.08250.00000.51611.2647浙江富润-0.08260.08400.06720.08940.62720.9147中视传媒0.35980.19680.0930-0.20270.93831.8214重庆路桥0.08430.21150.05880.08220.06670.7066长征电气0.27390.62910.13170.07730.46232.1482岷江水电-0.14470.00610.00330.04880.21280.0855德赛电池0.01580.0315-0.05060.01521.42201.3131长江证券0.94180.19650.05150.35490.09031.8777国恒铁路0.48610.57340.00250.25440.10061.6465佛山照明0.45360.57680.08851.68990.57003.2221科学城-0.00660.27080.02240.97600.20541.2341美达股份-0.42120.23890.02930.29531.28141.3715西藏发展0.24020.50210.06770.66120.31221.9205康佳集团0.16690.21390.01480.03110.97721.5346用友软件0.26780.51990.17370.33160.61452.4297北京城乡0.29100.64580.04260.24910.60102.1382岳阳纸业-0.06100.23610.02540.00560.30400.6454西部矿业0.11700.45750.05270.05240.88541.8626北辰实业0.38750.22630.02980.02390.18601.0786上海电气0.14040.18470.03660.11450.64481.2548中国远洋0.20290.3115-0.0408-0.06900.40210.9018世荣兆业0.41280.26570.0818-0.05440.30411.4054威尔泰0.51950.46640.03950.44330.46752.1356华帝股份-0.11150.22930.08530.38001.58542.2663海特高新0.28150.45700.08390.31230.26631.7053兔宝宝0.08760.29450.04490.33451.03371.8899传化股份0.32910.47700.16840.41811.36753.2231巨轮股份0.10930.48760.08650.36130.29831.6113ST公司*ST夏新-0.8778-1.04911.1062-0.05790.44521.5343ST华光-0.2753-1.10380.0240-0.28800.0509-1.9189ST中葡0.17250.0759-0.0002-0.19920.10390.2959*ST华源0.0504-19.2648-0.0545-5.18940.0000-30.2040S*ST黑龙0.0385-0.06170.06510.51770.15980.6436ST松江0.19840.03690.03590.05990.22020.6623*ST昌鱼-0.0432-0.0915-0.01820.02620.0372-0.1875ST中农0.66830.2087-0.05390.46450.89752.0836*ST博盈-0.0136-0.07800.00560.03290.90400.8076ST

银广夏-1.0126-4.18260.9328-0.02400.0194-3.9877*ST创智0.6627-3.96240.0025-0.22770.0000-4.8805ST盛润A-23.7036-47.82430.9406-0.00010.0443-92.2505*ST威达0.1994-0.3942-0.01350.11770.0582-0.2288SST中华A-10.4080-13.7920-0.07480.00191.5375-30.5219*ST锦化-0.8754-0.2019-0.4158-0.15470.4476-2.3550ST科健-2.7185-2.54570.11100.00000.0103-6.4498*ST九发-0.0017-0.5057-0.0017-591.61810.0000-355.6866ST珠峰-0.2810-0.26880.12240.05340.83820.5522ST香梨-0.01180.37490.1074-0.07040.06560.8879ST筑信-0.7070-0.3566-0.01770.09860.4163-0.9347*ST北生-0.9483-6.176012.8254-0.30220.264832.6201*ST白猫0.1581-0.1819-0.08490.19661.81001.5649S*ST北亚-0.2851-21.85310.00990.50940.0000-30.5982ST马龙-0.5653-0.3355-0.20030.03501.2585-0.5420ST春兰0.30160.6500-0.00160.33350.31261.7761*ST中房0.2905-0.55670.10740.57960.22840.4974*ST三联-0.0382-0.1577-0.07420.00271.59801.0721ST宝龙-0.8941-1.8683-0.1706-0.05630.2699-4.0182*ST琼花-0.3931-0.01440.03850.06010.48700.1535*ST张铜-0.7472-0.7955-0.14460.06560.0446-2.4040附录32010年Z值计算表公司类型样本X1X2X3X4X5Z3非ST公司浦发银行0.80690.04970.0242-0.00270.02281.1387中原高速-0.07110.14570.04870.10550.08360.4253浙江广厦0.26710.15160.0446-0.12300.28120.8847浙江富润-0.00330.34640.08810.00470.72291.4903中视传媒0.34270.40650.05620.48030.68132.1287重庆路桥0.11370.19140.06010.06570.06100.7027长征电气0.50140.47440.0710-0.12580.28951.7114岷江水电-0.23900.06520.09170.06370.24320.3860德赛电池0.16010.16630.11530.13601.54772.4192长江证券0.92940.20570.04680.03990.08941.6703国恒铁路0.31040.39930.0050-0.33750.47751.2181佛山照明0.40520.58610.10300.66580.62522.6651科学城0.01790.2453-0.01190.34530.19860.7295美达股份-0.94440.53030.13800.19243.68273.8258西藏发展0.22310.51980.0639-0.03010.34921.5340康佳集团0.15620