-
首页
-
出版物展开 / 收起
sidenav background出版物
sidenav header background公司倒闭风险预测及其在美国和中国的应用 --简报2013年第041期（总第1073期）
发布日期：2013-11-18 02:24 来源：北京大学国家发展研究院
2013年11月8日下午，纽约大学斯特恩商学院的Edward Altman教授在朗润园致福轩发表演讲，演讲的题目是“公司倒闭风险预测及其在美国和中国的应用”。Edward Altman教授于1968年提出了著名的评分系统——5变量Z-score模型，可以用于预测企业破产的可能性。在此次演讲中，Edward Altman教授向大家讲述了Z-score模型的具体内容及近年发展，并探讨了这一模型在美国和中国经济环境下的现实运用以及所面临的挑战。Edward Altman教授首先简要回顾了不同的评分系统。早期的评分系统依赖主观评价。面对同样的数据，不同的分析师很可能得到完全不同的结论。较强的主观臆测性、评价的模糊性甚至误导性使得类似的评分系统无法大范围推广。1910年以后，出现了较为完整的单变量财务评价体系，分析师和运营者终于可以定量地衡量一个公司的财务健康状况。但是，单变量财务评价体系每次只能考虑一个变量的限制使得这一体系在实际运用中的结果并不理想，多变量的财务评价体系应运而生。Edward Altman教授的Z-score模型就属于这一类别。Z-score模型从企业的资产规模、变现能力、获利能力、财务结构、偿债能力、资产利用效率等方面综合反映了企业财务状况，克服了传统金融比率评价分析方法的缺陷，也进一步推动了财务预警系统的发展。此后，市场上出现了更加复杂的评价方法，尽管高性能计算机的发展保证了这些评价方法的实际应用，但操作简单且预测率高的Z-score模型仍然是一种主流的评分系统。
在简要的回顾之后，Edward Altman教授详细介绍了原始Z-score模型的具体内容。原始的Z-score模型是基于多变量影响因素的财务评价体系，考虑不同变量对评价的判别分数（Discriminant Score）的线性影响。其中，判别分数由两个部分组成，包括判别变量（Discriminant Variables）和判别系数（Discriminant Coefficients）。判别变量选取的是五个影响较大的财务因子，分别是流动资本占总资产之比、留存收益占总资产之比、息税前利润占总资产之比、权益的市场价值占所有债务的票面价值之比和销售额占总资产之比；而判别系数的确定则是依据电脑运算的最优拟合结果。最初的Z-score模型在通过上述方法得出最终的判别分数之后，按照数值大小可以分为三个不同的区域，每个区域对应于不同的财务健康状况。当判别分数大于2.99时，认为企业的运行状况属于安全区域(Safe Zone)；当判别分数小于2.99但大于1.8时，认为企业的运行状况属于灰色区域(Grey Zone)；当判别分数小于1.8时，认为企业的运行出现了较大的问题，属于压力区域（Distress Zone），或者称为危险区域。
Edward Altman教授指出，原始的Z-score模型具有一定的局限性。这一模型只适用于制造业公司的破产可能性预测，而不能直接应用于对非制造业的公司进行破产可能性预测，特别需要强调的是，不能够直接把划分安全区域和危险区域的标准适用于非制造业。Edward Altman教授指出，对于非制造业的公司进行破产可能性预测，可以采取预测公司的违约概率（Probability of Default，PD）和违约损失率（Loss Given Defaults，LGD）的方法。具体的操作方法可以分为两种，一种是利用企业债务的信用分数、债券评级对等物（Bond rating equivalents）、死亡率（mortality）或累积违约率（cumulative default rates）来预测该公司的边际和累积违约率，从而预测该公司的违约恢复和损失的可能性。另一种方法则是利用公司新发行的或原有债务的信用分数，对违约的可能性直接进行预测，根据这个估计的违约概率给该公司直接分配一个评级。这两种方法各具有一定的优势。当然，原始的Z-score模型经过拓展，也已经出现了可以用于评判私有公司私有公司破产可能性的Z’ Score 模型和可以用于预测制造业、非制造行业以及发达、新兴的市场信贷状况的Z’’ Score 模型。
随后，Edward Altman教授向大家展示了Z-score模型在中国应用的一次成功尝试。Edward Altman教授和他的合作者选择的研究对象是30个ST公司（指因财务状况或其他状况出现异常而被交易所特别处理的上市公司）以及30个非ST上市公司。他们通过对这两类公司进行压力测试以希望得到相应的结果。在研究中，模型变量的选择则是主要依据ST公司一年以前的金融比率指标，包括企业的盈利性、偿付能力、流动性和资产管理措施等等。这样的变量选择方法主要是依据于在中国的接受程度以及一些来自中国之外的研究的结果。在经过大量的尝试之后，最终研究选择的Z-score中国模型的四个变量分别是：运营资本占平均总资产之比，留存收益占总资产之比，净利润占平均总资产之比，以及总债务占平均总资产之比。依据此模型计算得到的中国ST公司的平均得分为-3.5，而非ST公司的平均得分则为3.0。此后，Edward Altman教授还对该模型的估计精确性和长期预测的精确性进行了讨论，他认为，从实际的应用结果来看，这一模型方法还是较为可信的。
接着，Edward Altman教授介绍了金融压力预测方法的实际应用。这些预测方法对借贷人、投资人、股票长/短期投资策略以及投资分析家的巨大意义显而易见。Edward Altman教授则重点强调了金融压力预测方法对政府监管机构的意义。一般来说，监管者需要正确地对企业的破产风险做出评价，这不仅对某个特定的公司来说是非常重要的，而且是整个金融市场的健康运行的保证。然而，由于一些潜在风险的存在，企业的真实破产可能性是很难正确进行估计和预测的。即便如此，金融压力预测方法得到的结果依然具有非常重要的意义，因为往往在安全区域内的企业更有可能是健康运营的企业，而处于压力区域的企业则更有可能是面临困境的企业。这些财务处于困境的企业虽然可以从其他地方进行筹资，但这种状况是很难长久维持的，因此这类企业具有很大的破产风险，需要引起监管者足够的重视。除此以外，金融压力预测方法还可以被进一步地应用于不同国家主权违约风险的评估上。
在讲座的最后，Edward Altman教授以GTI公司为例介绍了如何利用压力预测模型管理金融转折（Managing a Financial Turnaround）。管理金融转折能力的重要性在于证明了企业在面临危机时并不是完全被动的，而是可以使用有效的管理工具，并且预测破产风险的模型实际上还可以被“翻转”从而用作内部管理工具来逆转它们的预测。GTI公司是一个很好的案例，该公司在1975年上半年经历了较大的金融变革：流动资本减少了600万美金，留存收益减少了200万美金，销售额和股票的市值都降低了50%。此时GTI公司的Z-score分数只有0.1，濒临破产。然而，GTI公司根据Z-score评价体系的具体组成部分的改善来进行公司的改革，收获了明显的成效。公司的管理层进行了人员的裁剪和资本开支的排出，整合盈利产品线，排除了那些不盈利的未被充分利用的资产，从而减少了债务和总资产。这些措施使得Z-core从压力区域稳步上升至安全区域，债务/股权的比率逐步降低，销售金额稳步上升，最终GTI公司成功脱离困境。这一具体案例充分显示了压力预测模型在实际应用中的巨大意义。
（苏丹 整理）
国家发展研究院官方微信
Copyright© 1994-2012 北京大学 国家发展研究院 版权所有, 京ICP备05065075号-1
保留所有权利，不经允许请勿挪用
-
首页
-
出版物展开 / 收起
sidenav background出版物
sidenav header background公司倒闭风险预测及其在美国和中国的应用 --简报2013年第041期（总第1073期）
发布日期：2013-11-18 02:24 来源：北京大学国家发展研究院
2013年11月8日下午，纽约大学斯特恩商学院的Edward Altman教授在朗润园致福轩发表演讲，演讲的题目是“公司倒闭风险预测及其在美国和中国的应用”。Edward Altman教授于1968年提出了著名的评分系统——5变量Z-score模型，可以用于预测企业破产的可能性。在此次演讲中，Edward Altman教授向大家讲述了Z-score模型的具体内容及近年发展，并探讨了这一模型在美国和中国经济环境下的现实运用以及所面临的挑战。Edward Altman教授首先简要回顾了不同的评分系统。早期的评分系统依赖主观评价。面对同样的数据，不同的分析师很可能得到完全不同的结论。较强的主观臆测性、评价的模糊性甚至误导性使得类似的评分系统无法大范围推广。1910年以后，出现了较为完整的单变量财务评价体系，分析师和运营者终于可以定量地衡量一个公司的财务健康状况。但是，单变量财务评价体系每次只能考虑一个变量的限制使得这一体系在实际运用中的结果并不理想，多变量的财务评价体系应运而生。Edward Altman教授的Z-score模型就属于这一类别。Z-score模型从企业的资产规模、变现能力、获利能力、财务结构、偿债能力、资产利用效率等方面综合反映了企业财务状况，克服了传统金融比率评价分析方法的缺陷，也进一步推动了财务预警系统的发展。此后，市场上出现了更加复杂的评价方法，尽管高性能计算机的发展保证了这些评价方法的实际应用，但操作简单且预测率高的Z-score模型仍然是一种主流的评分系统。
在简要的回顾之后，Edward Altman教授详细介绍了原始Z-score模型的具体内容。原始的Z-score模型是基于多变量影响因素的财务评价体系，考虑不同变量对评价的判别分数（Discriminant Score）的线性影响。其中，判别分数由两个部分组成，包括判别变量（Discriminant Variables）和判别系数（Discriminant Coefficients）。判别变量选取的是五个影响较大的财务因子，分别是流动资本占总资产之比、留存收益占总资产之比、息税前利润占总资产之比、权益的市场价值占所有债务的票面价值之比和销售额占总资产之比；而判别系数的确定则是依据电脑运算的最优拟合结果。最初的Z-score模型在通过上述方法得出最终的判别分数之后，按照数值大小可以分为三个不同的区域，每个区域对应于不同的财务健康状况。当判别分数大于2.99时，认为企业的运行状况属于安全区域(Safe Zone)；当判别分数小于2.99但大于1.8时，认为企业的运行状况属于灰色区域(Grey Zone)；当判别分数小于1.8时，认为企业的运行出现了较大的问题，属于压力区域（Distress Zone），或者称为危险区域。
Edward Altman教授指出，原始的Z-score模型具有一定的局限性。这一模型只适用于制造业公司的破产可能性预测，而不能直接应用于对非制造业的公司进行破产可能性预测，特别需要强调的是，不能够直接把划分安全区域和危险区域的标准适用于非制造业。Edward Altman教授指出，对于非制造业的公司进行破产可能性预测，可以采取预测公司的违约概率（Probability of Default，PD）和违约损失率（Loss Given Defaults，LGD）的方法。具体的操作方法可以分为两种，一种是利用企业债务的信用分数、债券评级对等物（Bond rating equivalents）、死亡率（mortality）或累积违约率（cumulative default rates）来预测该公司的边际和累积违约率，从而预测该公司的违约恢复和损失的可能性。另一种方法则是利用公司新发行的或原有债务的信用分数，对违约的可能性直接进行预测，根据这个估计的违约概率给该公司直接分配一个评级。这两种方法各具有一定的优势。当然，原始的Z-score模型经过拓展，也已经出现了可以用于评判私有公司私有公司破产可能性的Z’ Score 模型和可以用于预测制造业、非制造行业以及发达、新兴的市场信贷状况的Z’’ Score 模型。
随后，Edward Altman教授向大家展示了Z-score模型在中国应用的一次成功尝试。Edward Altman教授和他的合作者选择的研究对象是30个ST公司（指因财务状况或其他状况出现异常而被交易所特别处理的上市公司）以及30个非ST上市公司。他们通过对这两类公司进行压力测试以希望得到相应的结果。在研究中，模型变量的选择则是主要依据ST公司一年以前的金融比率指标，包括企业的盈利性、偿付能力、流动性和资产管理措施等等。这样的变量选择方法主要是依据于在中国的接受程度以及一些来自中国之外的研究的结果。在经过大量的尝试之后，最终研究选择的Z-score中国模型的四个变量分别是：运营资本占平均总资产之比，留存收益占总资产之比，净利润占平均总资产之比，以及总债务占平均总资产之比。依据此模型计算得到的中国ST公司的平均得分为-3.5，而非ST公司的平均得分则为3.0。此后，Edward Altman教授还对该模型的估计精确性和长期预测的精确性进行了讨论，他认为，从实际的应用结果来看，这一模型方法还是较为可信的。
接着，Edward Altman教授介绍了金融压力预测方法的实际应用。这些预测方法对借贷人、投资人、股票长/短期投资策略以及投资分析家的巨大意义显而易见。Edward Altman教授则重点强调了金融压力预测方法对政府监管机构的意义。一般来说，监管者需要正确地对企业的破产风险做出评价，这不仅对某个特定的公司来说是非常重要的，而且是整个金融市场的健康运行的保证。然而，由于一些潜在风险的存在，企业的真实破产可能性是很难正确进行估计和预测的。即便如此，金融压力预测方法得到的结果依然具有非常重要的意义，因为往往在安全区域内的企业更有可能是健康运营的企业，而处于压力区域的企业则更有可能是面临困境的企业。这些财务处于困境的企业虽然可以从其他地方进行筹资，但这种状况是很难长久维持的，因此这类企业具有很大的破产风险，需要引起监管者足够的重视。除此以外，金融压力预测方法还可以被进一步地应用于不同国家主权违约风险的评估上。
在讲座的最后，Edward Altman教授以GTI公司为例介绍了如何利用压力预测模型管理金融转折（Managing a Financial Turnaround）。管理金融转折能力的重要性在于证明了企业在面临危机时并不是完全被动的，而是可以使用有效的管理工具，并且预测破产风险的模型实际上还可以被“翻转”从而用作内部管理工具来逆转它们的预测。GTI公司是一个很好的案例，该公司在1975年上半年经历了较大的金融变革：流动资本减少了600万美金，留存收益减少了200万美金，销售额和股票的市值都降低了50%。此时GTI公司的Z-score分数只有0.1，濒临破产。然而，GTI公司根据Z-score评价体系的具体组成部分的改善来进行公司的改革，收获了明显的成效。公司的管理层进行了人员的裁剪和资本开支的排出，整合盈利产品线，排除了那些不盈利的未被充分利用的资产，从而减少了债务和总资产。这些措施使得Z-core从压力区域稳步上升至安全区域，债务/股权的比率逐步降低，销售金额稳步上升，最终GTI公司成功脱离困境。这一具体案例充分显示了压力预测模型在实际应用中的巨大意义。
（苏丹 整理）
访问学者申请
EMAIL
北京大学
ENGLISH
