• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      Z-score模型對(duì)中國上市公司財(cái)務(wù)預(yù)警適用性分析

      2017-05-16 06:42:14□李
      關(guān)鍵詞:財(cái)務(wù)狀況信用風(fēng)險(xiǎn)比率

      □李 靜

      (1.江西財(cái)經(jīng)大學(xué) 金融學(xué)院,南昌 330013;2.圣伊斯特萬大學(xué) 經(jīng)濟(jì)與社會(huì)科學(xué)學(xué)院,匈牙利 H-2100 )

      Z-score模型對(duì)中國上市公司財(cái)務(wù)預(yù)警適用性分析

      □李 靜1,2

      (1.江西財(cái)經(jīng)大學(xué) 金融學(xué)院,南昌 330013;2.圣伊斯特萬大學(xué) 經(jīng)濟(jì)與社會(huì)科學(xué)學(xué)院,匈牙利 H-2100 )

      從財(cái)務(wù)預(yù)警的角度研究上市公司的信用風(fēng)險(xiǎn),從而了解公司的財(cái)務(wù)狀況,有益于投資者和管理層采取有效的風(fēng)險(xiǎn)防范。Z-score模型是發(fā)達(dá)國家最廣泛使用的風(fēng)險(xiǎn)預(yù)警模型之一,通過應(yīng)用Z值評(píng)分模型,選取2015年中國股票市場上52家ST上市公司作為研究樣本,對(duì)其被ST特殊處理前三年的年度財(cái)務(wù)數(shù)據(jù)進(jìn)行分析。研究結(jié)果顯示,Z-score模型可適用于目前中國股票市場ST上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警,且預(yù)警效果顯著。

      Z-score模型;ST上市公司;信用風(fēng)險(xiǎn)管理;財(cái)務(wù)預(yù)警

      一、研究背景及意義

      信用風(fēng)險(xiǎn)是指當(dāng)債務(wù)人不愿意或不能按照約定償還債務(wù)時(shí)發(fā)生的損失,它包括兩個(gè)層面的含義,一方面損失產(chǎn)生的風(fēng)險(xiǎn)有可能來自債務(wù)人還款意愿的改變;另一方面,源自債務(wù)人的信用評(píng)級(jí)變動(dòng),使得債權(quán)人擁有的債權(quán)資產(chǎn)市場價(jià)值減少,從而帶來損失。[1]關(guān)于信用風(fēng)險(xiǎn)的研究,多年來經(jīng)歷了從初始決策模式到現(xiàn)代定量風(fēng)險(xiǎn)管理的不同發(fā)展時(shí)期,而其中一個(gè)研究方向,就是從公司財(cái)務(wù)預(yù)警的角度,研究企業(yè)信用風(fēng)險(xiǎn)。

      在大量應(yīng)用于信用風(fēng)險(xiǎn)管理的模型中,由奧爾特曼教授在1968年提出的Z-score模型,成為發(fā)達(dá)國家使用最為廣泛風(fēng)險(xiǎn)預(yù)警模型之一。[2]在此基礎(chǔ)上,1977年,奧爾特曼教授與另兩位學(xué)者合作,共同提出了基于Z-score模型的ZETA模型。與原始Z-score模型相比,ZETA模型具有七個(gè)參數(shù)變量,可為企業(yè)分類提供更好的效果。[3]然而,該類模型是否適用于處于新興市場的中國?中國的研究者從不同的角度引入Z-score模型對(duì)中國市場進(jìn)行檢驗(yàn)。劉獻(xiàn)中運(yùn)用Z值評(píng)分模型對(duì)我國股份制銀行和證券公司的信用風(fēng)險(xiǎn)進(jìn)行度量;[4]嚴(yán)碧紅和馬廣奇,則將視角著眼于我國房地產(chǎn)業(yè)上市公司,運(yùn)用該模型對(duì)房地產(chǎn)業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行實(shí)證分析。[5]

      中國股票市場執(zhí)行ST制度,指對(duì)財(cái)務(wù)狀況出現(xiàn)異常的上市公司股票交易進(jìn)行特別處理,這類股票稱為ST股。一旦上市公司受到特殊處理,這些公司的股價(jià)或因其信用風(fēng)險(xiǎn)的增加而下降,由此股東可能遭受巨大損失。此外,由于ST股票未來或面臨退市風(fēng)險(xiǎn),也給公司管理層帶來了巨大的壓力。因此,投資者和管理層對(duì)上市公司的財(cái)務(wù)狀況進(jìn)行及時(shí)預(yù)警和評(píng)估顯得非常重要,通過有效而及時(shí)的財(cái)務(wù)預(yù)警,從而采取相應(yīng)的風(fēng)險(xiǎn)預(yù)防措施,進(jìn)行風(fēng)險(xiǎn)規(guī)避。

      本文基于Z-score模型的理論,把研究重點(diǎn)放在ST上市公司上,選擇2015年中國股票市場上的52家ST公司作為研究樣本,以探討Z值評(píng)分模型是否適用于中國上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。

      二、Z值評(píng)分模型(Z-score model)

      Z值評(píng)分模型是1968年由美國紐約大學(xué)斯特商學(xué)院教授愛德華·奧爾特曼教授提出,他通過研究美國上市企業(yè),運(yùn)用多元線性統(tǒng)計(jì)分析,從流動(dòng)性、償付能力、盈利能力、資產(chǎn)運(yùn)作能力和財(cái)務(wù)杠桿等方面選出了具有代表性的五個(gè)指標(biāo),建立一個(gè)完整的加權(quán)平均函數(shù)方程。該模型計(jì)算的Z值用于評(píng)定企業(yè)財(cái)務(wù)狀況,預(yù)測企業(yè)的破產(chǎn)概率。

      Z值評(píng)分模型的公式如下所示:

      Z = 1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

      其中,X1=流動(dòng)資產(chǎn)/資產(chǎn)總額,衡量企業(yè)資產(chǎn)流動(dòng)性。該指標(biāo)同時(shí)考慮資產(chǎn)的流動(dòng)性和規(guī)模。比率越大,企業(yè)流動(dòng)性越好。

      X2=留存收益/資產(chǎn)總額,衡量企業(yè)累積利潤水平。其中,留存收益包括未分配利潤和盈余公積。比率越大,企業(yè)抗風(fēng)險(xiǎn)能力越高。

      X3=息稅前收益/資產(chǎn)總額,衡量企業(yè)盈利能力。不考慮稅收和財(cái)務(wù)杠桿對(duì)資產(chǎn)利潤的影響時(shí),該指標(biāo)越大,企業(yè)的經(jīng)濟(jì)效益越大。

      X4=股權(quán)價(jià)值/負(fù)債總額,衡量企業(yè)的財(cái)務(wù)結(jié)構(gòu)及發(fā)展前景。比率越大,破產(chǎn)風(fēng)險(xiǎn)越小,意味著企業(yè)具有更大的投資價(jià)值。

      X5=營業(yè)收入/資產(chǎn)總額,衡量企業(yè)總資產(chǎn)周轉(zhuǎn)率,反映總資產(chǎn)的運(yùn)作能力。低比率意味著效率低下,最終將影響企業(yè)的盈利能力。

      Z值代表判別值。根據(jù)Z值大小,可將企業(yè)的財(cái)務(wù)狀況分為三個(gè)區(qū)間。當(dāng)Z<1.81時(shí),意味著企業(yè)具有較高的破產(chǎn)可能性,信用風(fēng)險(xiǎn)很大;當(dāng)1.81≤Z<2.99時(shí),企業(yè)的財(cái)務(wù)狀況不穩(wěn)定,信用風(fēng)險(xiǎn)較高,如果沒有適時(shí)調(diào)整風(fēng)險(xiǎn)控制管理,企業(yè)有可能面臨更為嚴(yán)重的財(cái)務(wù)危機(jī);當(dāng)Z≥2.99時(shí),意味著企業(yè)財(cái)務(wù)狀況穩(wěn)定,信用風(fēng)險(xiǎn)很小。

      三、我國ST上市公司的Z值評(píng)分模型分析

      本文選擇了2015年中國股票市場上的52家ST公司作為研究樣本,財(cái)務(wù)數(shù)據(jù)來自其被ST處理前3年,即2012年至2014年發(fā)布的年度財(cái)務(wù)報(bào)告。

      (一)Z值評(píng)分檢驗(yàn)結(jié)果區(qū)間分類

      應(yīng)用Z值評(píng)分模型通過對(duì)樣本公司在2012年至2014年的年度財(cái)務(wù)數(shù)據(jù)進(jìn)行檢驗(yàn),結(jié)果如表1所示:

      表1:ST上市公司2012-2014年Z值評(píng)分區(qū)間分類

      從表1可以看出,在2012年,即被ST處理前第三年,52家上市公司中有41家的Z值評(píng)分低于1.81,占比為78.85%。Z值得分在1.81和2.99之間有5家公司,另外6家公司財(cái)務(wù)狀況穩(wěn)定,Z值大于等于2.99。2013年是被ST處理前的第二年,52家上市公司中有47家的Z值評(píng)分低于1.81,比例為90.38%。只有一家公司處于中等財(cái)務(wù)狀況,4家公司表現(xiàn)為財(cái)務(wù)狀況穩(wěn)定。2014年,ST處理前一年,52家上市公司中Z值低于1.81的企業(yè)數(shù)量增至48家,總比例達(dá)到92.31%。4家公司處于中間狀態(tài),如果公司管理層沒有改善經(jīng)營,則意味著未來陷入財(cái)務(wù)困境的概率較大。值得注意的是,在2014年,沒有一家上市公司的Z值大于等于2.99,意味著沒有一家企業(yè)達(dá)到穩(wěn)定的財(cái)務(wù)狀態(tài)。從實(shí)證結(jié)果可以看出,Z值評(píng)分模型對(duì)中國股票市場上市公司的預(yù)測能力非常顯著。大多數(shù)上市公司在被ST處理前三年都已準(zhǔn)確預(yù)測。并且,越接近被ST處理年份,預(yù)測結(jié)果準(zhǔn)確度越高。

      (二)Z值波動(dòng)率分析

      標(biāo)準(zhǔn)差反映了總體Z值的波動(dòng)程度,標(biāo)準(zhǔn)差越大,波動(dòng)較大; 反之亦然。通過分析Z值的波動(dòng)率,發(fā)現(xiàn)在2012-2014這三年Z值標(biāo)準(zhǔn)差均大大高于常規(guī)水平,2012年Z值標(biāo)準(zhǔn)差為13.35,2013年為15.36,2014年高達(dá)45.22。經(jīng)審查,發(fā)現(xiàn)樣本平均值明顯小于中值,意味著樣本存在異常值。異常數(shù)據(jù)會(huì)使標(biāo)準(zhǔn)差急劇上升,因此,通過刪除異常數(shù)據(jù)后重新檢測,結(jié)果仍顯示出較大的波動(dòng)性:2012年Z值標(biāo)準(zhǔn)差為1.71,2013年為1.20,2014年為2.29,波動(dòng)性呈逐年上升趨勢,且越接近ST處理年份,波動(dòng)率越高,即風(fēng)險(xiǎn)越大。

      (三)財(cái)務(wù)指標(biāo)年度均值變動(dòng)分析

      本文同時(shí)選取各自變量的年度平均值,用以比較各指標(biāo)變化趨勢。具體結(jié)果如表2所示。

      表2:2012 - 2014年財(cái)務(wù)比率平均值

      從表2可以看出,衡量企業(yè)流動(dòng)性的指標(biāo)X1,其總體趨勢從2012年到2014年呈現(xiàn)下降,意味著公司可能面臨流動(dòng)性風(fēng)險(xiǎn)和短期債務(wù)危機(jī);X2用于衡量公司的融資能力,這一比例在2012年到2014年期間急劇下降,暗示著樣本上市公司面臨著潛在的財(cái)務(wù)危機(jī);X3是衡量企業(yè)盈利能力的指標(biāo)。該比率在樣本期間嚴(yán)重下降,由2012年的正值下降至負(fù)數(shù),說明上市公司的盈利能力在被ST處理前即已明顯低于正常水平;X4是財(cái)務(wù)杠桿比率,雖然該比率在表2中變化不大,但仍然呈現(xiàn)小幅度的下降趨勢;X5反映總資產(chǎn)的營運(yùn)能力,低比率值意味著公司營運(yùn)效率低下。從2012年到2014年間,該比率長期保持在低值水平,上市公司應(yīng)及時(shí)處置其利用率不大的閑置資產(chǎn),以加快速度提高資產(chǎn)周轉(zhuǎn)率。

      四、結(jié)語

      本文運(yùn)用Z值評(píng)分模型對(duì)ST上市公司進(jìn)行檢驗(yàn)。選定2015年度52家ST上市公司作為實(shí)證檢驗(yàn)樣本,通過收集其被ST處理前三年的年度財(cái)務(wù)數(shù)據(jù)進(jìn)行分析。結(jié)果表明,Z評(píng)分模型可以應(yīng)用于中國ST公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警,預(yù)測準(zhǔn)確率可達(dá)90%左右,如果同時(shí)結(jié)合Z值波動(dòng)率分析,該模型預(yù)警效果更好。

      [1]宋清華,李志輝.金融風(fēng)險(xiǎn)管理[M].北京:中國金融出版社,2003:26.

      [2]Altman E.I.,Financial ratios, Discriminant analysis and The prediction of corporate bankruptcy[J]. Journal of finance, 1968(4), 589-609.

      [3]Altman E.I., R. Haldeman, P. Narayanan., Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation[J].Journal of banking and finance, 1977(1), 29-51.

      [4]劉獻(xiàn)中.基于Z評(píng)分模型對(duì)我國股份制銀行和證券公司信用風(fēng)險(xiǎn)的度量[J]. 金融經(jīng)濟(jì)(理論版), 2010(6):80-82.

      [5]嚴(yán)碧紅,馬廣奇.基于Z-Score模型的我國房地產(chǎn)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的實(shí)證分析[J]. 財(cái)務(wù)與金融, 2011(5):37-41.

      本文責(zé)編:趙鳳媛

      The Application of Z-score Model on Financial Early Warning of Chinese Listed Companies

      Li Jing1,2

      (1. Institute of Finance, Jiangxi University of Finance and Economics, Nanchang, Jiangxi, 330013; 2. Faculty of Economics and Social Sciences, Szent István University, Godollo, Hungary,H-2100 )

      It is beneficial for investors and managers to study the credit risk of listed companies and understand the company's financial situation from the perspective of financial early warning, because it can help investors and managers take effective risk prevention. Z-score model is one of the most widely used risk early warning models in developed countries. By applying Z-score model, 52 ST listed companies in Chinese stock market of 2015 were selected as the research samples and analysis were made on the three-year annual financial data of these sample companies before they were specially treated by ST. The result indicates that Z-score model can be applied to analyzing the financial risk early warning of listed companies in Chinese stock market, and the effect of early warning is remarkable.

      Z-score model; ST listed companies; credit risk management; financial risk early warning

      2017—03—08

      李 靜(1981—),女,貴州遵義人,江西財(cái)經(jīng)大學(xué)金融學(xué)院,講師;圣伊斯特萬大學(xué) 經(jīng)濟(jì)與社會(huì)科學(xué)學(xué)院。

      F275

      A

      1008—8350(2017)02—0048—03

      猜你喜歡
      財(cái)務(wù)狀況信用風(fēng)險(xiǎn)比率
      一類具有時(shí)滯及反饋控制的非自治非線性比率依賴食物鏈模型
      新常態(tài)下房地產(chǎn)企業(yè)財(cái)務(wù)狀況分析及應(yīng)對(duì)措施
      比率分析公司財(cái)務(wù)狀況——以步步高及永輝超市為例
      淺析我國商業(yè)銀行信用風(fēng)險(xiǎn)管理
      京東商城電子商務(wù)信用風(fēng)險(xiǎn)防范策略
      基于財(cái)務(wù)報(bào)表分析看企業(yè)財(cái)務(wù)狀況及其發(fā)展前景——以寧夏某公司為例
      一種適用于微弱信號(hào)的新穎雙峰值比率捕獲策略
      個(gè)人信用風(fēng)險(xiǎn)評(píng)分的指標(biāo)選擇研究
      信用風(fēng)險(xiǎn)的誘發(fā)成因及對(duì)策思考
      基于CFaR模型與Logistic回歸的財(cái)務(wù)困境預(yù)警研究
      长岛县| 清河县| 松江区| 武安市| 会昌县| 松滋市| 博客| 余干县| 鱼台县| 静安区| 安徽省| 大港区| 招远市| 庆阳市| 馆陶县| 余庆县| 淳化县| 固原市| 武邑县| 金山区| 扎囊县| 都江堰市| 沁阳市| 沂源县| 潢川县| 汝南县| 公安县| 隆子县| 海丰县| 莎车县| 恩平市| 沈丘县| 肥西县| 潍坊市| 会同县| 奉化市| 鄂伦春自治旗| 潼南县| 历史| 天柱县| 双鸭山市|