基于z-score模型對電子行業(yè)上市公司的信用風(fēng)險預(yù)警研究【畢業(yè)論文+開題報告+文獻(xiàn)綜述+外文翻譯】

1、<p><b>　　畢業(yè)論文</b></p><p><b>　　（2010屆）</b></p><p>　　基于Z-Score模型對電子行業(yè)上市公司的信用風(fēng)險預(yù)警研究</p><p>　　所在學(xué)院 </p><p>　　專業(yè)班級

2、 金融學(xué) </p><p>　　學(xué)生姓名 學(xué)號 </p><p>　　指導(dǎo)教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　摘

3、 要</b></p><p>　　改革開放以來，中國經(jīng)濟(jì)發(fā)生了翻天覆地的變化，特別是加入WTO以來，經(jīng)濟(jì)發(fā)展尤為迅速，中國經(jīng)濟(jì)在世界經(jīng)濟(jì)中扮演著越來越重要的角色。在中國經(jīng)濟(jì)全面發(fā)展過程中，證券市場作為其重要的組成部分，發(fā)展速度及成果也有目共睹。上市公司作為證券市場的基礎(chǔ)，在現(xiàn)代經(jīng)濟(jì)中起著舉足輕重的作用。上市公司的健康發(fā)展對我國的經(jīng)濟(jì)發(fā)展至關(guān)重要，而上市公司在各個方面都存在著不確定性，想要提高自身的發(fā)展

4、水平與競爭力，需要在風(fēng)險管理方面達(dá)到更高的水平，需要建立風(fēng)險評估體系，對風(fēng)險進(jìn)行預(yù)控，預(yù)防和化解風(fēng)險的發(fā)生，并將風(fēng)險造成的損失降至最低程度。</p><p>　　本文旨從信用風(fēng)險預(yù)警角度出發(fā)，選擇對我國經(jīng)濟(jì)發(fā)展有這重要意義的電子行業(yè)為研究對象，通過對該行業(yè)上市公司財務(wù)數(shù)據(jù)的調(diào)查整理，運用Z-Score模型分析該行業(yè)上市公司的信用風(fēng)險狀況，并對Z-Score模型進(jìn)行修正，提高預(yù)警的準(zhǔn)確率，為上市公司在風(fēng)險預(yù)警方面提

5、供參考。</p><p>　　關(guān)鍵詞：信用風(fēng)險；Z-Score模型；電子行業(yè)</p><p><b>　　Abstract</b></p><p>　　Since the reform and opening up, China's economy has undergone earth-shaking changes, especia

6、lly since joining the WTO, economic development, and China’s economy is rapidly in the world economy plays a more and more important role. In China's economy, the overall development of the securities market as its m

7、ain component, the speed of development and the achievement also evident. The listed company as securities market in modern economy foundation plays a pivotal role. The healthy development of</p><p>　　This a

8、rticle from the credit risk early warning decree Angle, choose to our country economy development has the important meaning of the electronics industry as the research object, and through the industry survey of listed co

9、mpany financial data, using Z - Score tidy the listed company of this profession model analysis, and the situation of credit risk to Z - Score model is revised, improve the warning of the listed company, for accuracy in

10、providing reference warning of the risks.</p><p>　　Keywords: Credit risk; Z-Score; Electronic industry目 錄</p><p>　　1 Z-Score模型概述1</p><p>　　1.1 Z-Score模型的產(chǎn)生與發(fā)展1</p><p&g

11、t;　　1.2 Z-Score模型的應(yīng)用及意義3</p><p>　　2 運用Z-Score模型對我國電子行業(yè)信用風(fēng)險進(jìn)行判別4</p><p>　　2.1 樣本的選取與整理4</p><p>　　2.2運用Z-Score模型進(jìn)行信用風(fēng)險判別6</p><p>　　2.2.1違約公司樣本組的Z值計算6</p><

12、p>　　2.2.2 對照公司樣本組的Z值計算7</p><p>　　2.3 對計算結(jié)果進(jìn)行分析9</p><p>　　2.3.1 Z值趨勢性分析9</p><p>　　2.3.2 Z值適用性分析10</p><p>　　2.3.3 Z值準(zhǔn)確性分析12</p><p>　　3 對Z-Score模型進(jìn)行修正

13、14</p><p>　　3.1 財務(wù)比率的重新選取14</p><p>　　3.2 財務(wù)比率系數(shù)的重新判定15</p><p>　　3.3用修正后的模型對Z值進(jìn)行計算16</p><p>　　3.3.1 違約公司樣本組的Z值的重新計算16</p><p>　　3.3.2 對照公司樣本組的Z值的重新計算17

14、</p><p>　　3.4 修正后的Z值模型準(zhǔn)確性分析18</p><p>　　3.5 修正后的Z值模型預(yù)測能力與Z-Score模型的比較20</p><p>　　3.6 修正后的Z值模型在應(yīng)用方面的意義20</p><p><b>　　結(jié) 論21</b></p><p><b&

15、gt;　　參考文獻(xiàn)20</b></p><p>　　致 謝錯誤!未定義書簽。</p><p>　　1 Z-Score模型概述</p><p>　　1.1 Z-Score模型的產(chǎn)生與發(fā)展</p><p>　　Z-Score模型又成為Z計分模型或Z值模型，它是于1968年產(chǎn)生的，由紐約大學(xué)斯特恩商學(xué)院教授愛德華·阿特曼

16、(Edward Altman）提出。Z-Score模型適用于對上市公司的研究。首先，它從上市公司財務(wù)報告中計算出一組反映企業(yè)危機(jī)程度的財務(wù)比率，然后根據(jù)這些計算出來的比率對財務(wù)危機(jī)警示作用的大小給予一點的權(quán)重，最后再進(jìn)行加權(quán)計算，得出一個企業(yè)的綜合風(fēng)險判別值，即Z值，將其與臨界值對比，即可知該企業(yè)的財務(wù)危機(jī)程度，反映出企業(yè)的營運能力及經(jīng)營狀況。</p><p>　　Z-Score模型的研究步驟為：首先，先選定企業(yè)

17、的樣本，最初的樣本是有六十六家資產(chǎn)規(guī)模在100—2500萬美元的企業(yè)組成，并將其分成兩組，每組個三十三家企業(yè)。第一組是由1946年至1965年間根據(jù)全美破產(chǎn)法的規(guī)定申請破產(chǎn)的制造企業(yè)；而第二組則是由不分行業(yè)，部分規(guī)模，任意選擇的制造企業(yè)組成，這些企業(yè)在1966年仍在經(jīng)營。分組之后，收集了這些公司資產(chǎn)負(fù)債表、損益表等相關(guān)資料，并通過進(jìn)一步的整理，經(jīng)過大量的實驗，采用逐步判別分析法，在每一類財務(wù)比率中選取1個最具有區(qū)別預(yù)測能力的指標(biāo)放入模型

18、中，通過大量的實驗，產(chǎn)生了對評價有用的22個變量（比率），同時，把這些變量按流動性、收益率、穩(wěn)定性、支付能力以及活動比例這五項標(biāo)準(zhǔn)進(jìn)行分類，再從22個比率中選擇了5個，分別為流動性、獲利能力、財務(wù)杠桿、償債能力和周轉(zhuǎn)能力，這五個指標(biāo)更能對財務(wù)風(fēng)險進(jìn)行有效的預(yù)測，然后分析有關(guān)變量之間的相互依存關(guān)系，觀察各變量預(yù)測的準(zhǔn)確性，接著在進(jìn)行綜合分析，建立了著名的5變量Z-Score模型。其判別函數(shù)如下：</p><p>　

19、　Z=1.2*X1+1.4*X2+3.3*X3+0.6*X4+1.0*X5</p><p><b>　　其中，該公式中：</b></p><p>　　X1=營運資本/總資本，即企業(yè)運營資金與資產(chǎn)總額的比率，能夠衡量企業(yè)償還到期債務(wù)的能力。X1越大，說明企業(yè)流動性越強(qiáng)，財務(wù)狀況越良好。</p><p>　　X2=留存收益/總資本，即企業(yè)在一定的時

20、期內(nèi)留存收益進(jìn)行再投資的比率，能夠衡量企業(yè)累計獲利能力。X2越大，說明企業(yè)的籌資能力和再投資功能越強(qiáng)，與此同時，企業(yè)的創(chuàng)新能力和競爭力也越強(qiáng)。而除此之外，考慮到企業(yè)的存在時間問題，對于一家成立不久的企業(yè)而言，因來不及累積利潤，比率很低是合理的狀況。</p><p>　　X3=息稅前利潤/總資產(chǎn)，即在企業(yè)不考慮稅收和財務(wù)杠桿因素時企業(yè)資產(chǎn)的盈利能力，通常，一家企業(yè)的最終生存是基于資產(chǎn)的盈利能力，所以，該比率對于公司

21、的破產(chǎn)研究尤為有效。</p><p>　　X4=資本市值/債務(wù)賬面價值，即企業(yè)資本市值與其債務(wù)賬面價值的比率，能夠衡量企業(yè)在資不抵債前可下降的程度，反映股東提供的資本與債券人提供的資本的相對關(guān)系，以及企業(yè)的基本財務(wù)結(jié)構(gòu)是否穩(wěn)定等。它也反映出投資者對企業(yè)前景的判斷。X4越大，說明企業(yè)越有投資價值，在成熟的資本市場中，該指標(biāo)更遇有說服力。</p><p>　　X5=銷售額/總資產(chǎn)，即企業(yè)在一定

22、時期內(nèi)銷售額與總資產(chǎn)的比率，它主要用來衡量企業(yè)資產(chǎn)獲得銷售收入的能力即企業(yè)的企業(yè)的資本運營能力，也能衡量企業(yè)在競爭環(huán)境中管理能力的大小。</p><p>　　根據(jù)對過去經(jīng)營失敗的企業(yè)統(tǒng)計數(shù)據(jù)進(jìn)行整理分析，愛德華·阿特曼(Edward Altman）得出了一個經(jīng)驗型的臨界值，即Z=3.0。當(dāng)企業(yè)的Z值高于3.0時，該企業(yè)較為安全，低于3.0時，該企業(yè)存在財務(wù)危機(jī)貨或產(chǎn)風(fēng)險。除此之外，愛德華·阿特

23、曼(Edward Altman）教授從對經(jīng)營失敗的企業(yè)經(jīng)驗分析中還發(fā)現(xiàn)，如果一個企業(yè)的Z值低于1.8，該企業(yè)實際上已經(jīng)潛伏破產(chǎn)危機(jī)，如果不采取特別強(qiáng)有力的措施，將很難走出危機(jī)。</p><p>　　關(guān)于Z值的臨界值表述如下：</p><p>　　Z記分值 短期出現(xiàn)破產(chǎn)的概率</p><p>　　1.81以下

24、 存在嚴(yán)重的財務(wù)危機(jī)，破產(chǎn)機(jī)率極高</p><p>　　1.81~2.675 存在一定的財務(wù)危機(jī)，破產(chǎn)幾率無法判斷</p><p>　　2.675以上 財務(wù)狀況良好，無破產(chǎn)可能</p><p>　　此外，愛德華·阿特曼(Edward Altman）教授還運用該模型進(jìn)行研究時還發(fā)現(xiàn)，隨著時間的延長，企

25、業(yè)發(fā)生破產(chǎn)的可能性越大，而該模型預(yù)測效果的準(zhǔn)確性也會隨之降低。</p><p>　　而由于該模型適用于公開上市交易的制造企業(yè)，對于非制造業(yè)的上市公司，愛德華·阿特曼(Edward Altman）教授于2000年對該模型進(jìn)行了修改。得出了Zeta值模型。</p><p>　　Z''=6.56*X1+3.26*X2+6.72*X3+1.05*X4</p>

26、<p>　　該式中，X1，X2，X3，X4所表達(dá)的內(nèi)容與原式相同。</p><p>　　Z-Score模型克服了單變量預(yù)警模型的缺陷，幾乎包括了所有預(yù)測能力較強(qiáng)的指標(biāo)，它不僅可以用于預(yù)測本企業(yè)的發(fā)展?fàn)顩r，還可以用來分析對手企業(yè)以及供應(yīng)商、客戶、利益相關(guān)企業(yè)的運營情況。</p><p>　　1.2 Z-Score模型的應(yīng)用及意義</p><p>　　Z-S

27、core模型主要用于預(yù)測企業(yè)的財務(wù)狀況失敗或者企業(yè)破產(chǎn)的可能性，在美國、澳大利亞、巴西、加拿大、英國、法國、德國、愛爾蘭、日本和荷蘭得到了廣泛的應(yīng)用。</p><p>　　在20世紀(jì)70年底，日本學(xué)者采用了與愛德華·阿特曼(Edward Altman）教授的Z-Score模型想類似的分析方法，研究企業(yè)的業(yè)績評價以及進(jìn)行風(fēng)險評估。日本開發(fā)銀行調(diào)查部也曾發(fā)表了一篇以東京證券交易所310家上市公司作為研究對象

28、，名為“利用經(jīng)營指標(biāo)進(jìn)行企業(yè)風(fēng)險評價的新嘗試——利用多變量分析的探索”，其研究方法卻如出一轍，有所區(qū)別的只是計算Z值的指標(biāo)選擇有一定的差異。</p><p>　　在美國和日本等地，Z-Score模型和日本開發(fā)銀行調(diào)查部的判別函數(shù)在企業(yè)風(fēng)險預(yù)警方面得到了很好的評價。很快，其他地區(qū)和企業(yè)也紛紛對照該模型設(shè)計出了適用于該國或該地區(qū)企業(yè)的分析判別模型，Z-Score模型得到了廣泛的重視和應(yīng)用。其最主要的優(yōu)點在于它較為客觀

29、準(zhǔn)確，并且簡單易懂，計算簡便，所有的數(shù)據(jù)均可以通過上市公司的財務(wù)報表獲得，可操作性強(qiáng)。有利于企業(yè)的決策者更好的對企業(yè)經(jīng)營狀況進(jìn)行分析，做出正確的決策，促進(jìn)企業(yè)的良好健康發(fā)展，同時，也可以幫助外部投資者、債權(quán)人對企業(yè)的經(jīng)營狀況進(jìn)行評價，以便做出正確的判斷。</p><p>　　對于我國而言，Z-Score更具有現(xiàn)實的意義。它不僅可以用以幫助企業(yè)經(jīng)營者及早發(fā)現(xiàn)潛在的經(jīng)營危機(jī)，一以便在危機(jī)出現(xiàn)萌芽的時候及早解決，采取快

30、速有效的措施，還可以幫助投資者在發(fā)現(xiàn)企業(yè)危機(jī)時能及早轉(zhuǎn)移投資，減少不必要的損失。而銀行金融機(jī)構(gòu)也可以利用這種分析方法，幫助決策者作出貸款決策，并進(jìn)行貸款風(fēng)險控制。同時債權(quán)人可以在這種信號的幫助下作出信用決策，審計師則可以利用這種信息確定其審計程序，幫助判定該企業(yè)的前景。在當(dāng)前我國股市推行退出機(jī)制之后，上市公司及利益關(guān)系人面臨的投資風(fēng)險更大，企業(yè)的經(jīng)營者、外部投資者、債權(quán)人乃甚至證券監(jiān)管部門更有必要、也更為迫切地需要一個行之有效的操作性強(qiáng)

31、的財務(wù)預(yù)警分析方法。如果能證明“Z記分法” 同樣適用于我國證券市場, 并將其改造為更適合我國上市公司風(fēng)險分析的模型，對企業(yè)管理當(dāng)局、廣大投資者和證券監(jiān)管部門而言意義重大。以下筆者將運用實證研究分析方法，驗證“Z記分法” 在我國股票市場的有效性程度。</p><p>　　2 運用Z-Score模型對我國電子行業(yè)信用風(fēng)險進(jìn)行判別</p><p>　　2.1 樣本的選取與整理</p>

32、<p>　　在本文中，行業(yè)的分類是按照中國證券監(jiān)督委員會的行業(yè)分類標(biāo)準(zhǔn)，本文選取了電子行業(yè)作為研究對象。所有上市公司的財務(wù)數(shù)據(jù)來自于CCER中國經(jīng)濟(jì)金融數(shù)據(jù)庫，違約或財務(wù)困境的信息來自于上海和深圳證券交易所網(wǎng)站。</p><p>　　而在信用風(fēng)險界定方面，國外學(xué)者通常使用破產(chǎn)或申請破產(chǎn)作為財務(wù)困境的標(biāo)志。從財務(wù)困境事項來看，破產(chǎn)是企業(yè)陷入財務(wù)困境的一種表現(xiàn)，但是我們注意到破產(chǎn)或申請破產(chǎn)是企業(yè)陷入財務(wù)

33、困境的最嚴(yán)重的一種狀態(tài)，國內(nèi)由于破產(chǎn)法不健全，目前上市公司還沒有破產(chǎn)的案例，而非上市的財務(wù)數(shù)據(jù)又很難取得，所以通常國內(nèi)學(xué)者選擇ST企業(yè)作為陷入困境的標(biāo)志。ST企業(yè)是指滬深證券交易所在1998年4月22日宣布，根據(jù)1998年實施的股票上市規(guī)則，將對財務(wù)狀況或其它狀況出現(xiàn)異常的上市公司的股票交易進(jìn)行特別處理。ST股是指境內(nèi)上市公司連續(xù)二年虧損，被進(jìn)行特別處理的股票。*ST股是指境內(nèi)上市公司連續(xù)三年虧損的股票。由于 “特別處理”的英文是Spe

34、cial treatment（縮寫是“ST”），因此這些股票就簡稱為ST股。所以，本文將ST企業(yè)判定為違約公司，而其他電子行業(yè)上市公司則為正常公司與違約公司進(jìn)行比較。</p><p>　　研究樣本的篩選結(jié)果如表1所示，本文所選取了2000年以后的財務(wù)數(shù)據(jù)，而被特別處理的電子行業(yè)上市公司需要選取被特別處理前三年的財務(wù)數(shù)據(jù)，所以樣本選取了2003年以來被特別處理的所有電子行業(yè)上市公司共24家作為違約公司樣本，同時，以

35、一家違約公司配比兩家正常經(jīng)營的電子行業(yè)上市公司的方法，參考公司的資產(chǎn)規(guī)模，按資產(chǎn)規(guī)模相似的原則，選取了24組對照樣本，共48家正常經(jīng)營公司作為對照樣本的方法進(jìn)行對比研究。</p><p>　　在違約樣本組中，包括ST股票以及*ST股票為12個，分別為：600854 ST春蘭、000068 ST三星、600207 ST安彩、600355 *ST精倫、000922 *ST阿繼、600892 *ST寶誠、600847

36、ST渝萬里、600203 *ST福日、000697 *ST偏轉(zhuǎn)、600340 ST國祥、600870 ST廈華、000555 ST太光。同時也包括在2003年以后被特別處理，現(xiàn)在已經(jīng)被取消特別處理，正常經(jīng)營的其他12家電子行業(yè)上市公司（見表1）。</p><p><b>　　表1 研究樣本統(tǒng)計</b></p><p><b>　　續(xù)表</b>&l

37、t;/p><p><b>　　續(xù)表</b></p><p>　　2.2運用Z-Score模型進(jìn)行信用風(fēng)險判別</p><p>　　本文將針對違約公司樣本組與對照公司樣本組進(jìn)行分別計算。同時，為了揭示樣本公司發(fā)生違約前的信用風(fēng)險狀況，并判斷Z-Score模型對我國電子行業(yè)上市公司適用性，本文選取了發(fā)生違約時點前一年，前兩年，以及前三年作為觀察點，即分

38、別設(shè)置觀察點1，觀察點2以及觀察點3來對樣本公司的信用風(fēng)險進(jìn)行判別，各觀察點的數(shù)據(jù)均來自于各公司的年度財務(wù)數(shù)據(jù)。</p><p>　　以ST春蘭（600854）為例，該股于2007年4月30日實行退市風(fēng)險警示，股票簡稱由“春蘭股份”變更為“*ST春蘭”，所以在本文中選取該公司2006年，2005年以及2004年分別設(shè)置觀察點1，觀察點2以及觀察點3，并選取這三年的年度財務(wù)數(shù)據(jù)計算該公司的Z值，以判別Z-Score

39、模型對信用風(fēng)險的預(yù)警能力。</p><p>　　2.2.1違約公司樣本組的Z值計算</p><p>　　本文運用Altman教授的Z-Score模型，對所選取的樣本公司的財務(wù)數(shù)據(jù)計算，得出各公司在觀察點1，觀察點2以及觀察點3的Z值。（如表2所示）</p><p>　　表2 違約公司樣本組Z值計算結(jié)果</p><p><b>　　續(xù)

40、表</b></p><p>　　2.2.2 對照公司樣本組的Z值計算</p><p>　　本文通過Altman教授的Z-Score模型，計算得出對照公司樣本組在觀察點1，觀察點2以及觀察點3的Z值情況，方便與違約公司進(jìn)行比較。（如表3所示）</p><p>　　表3 對照公司組Z值計算結(jié)果</p><p><b>　　續(xù)

41、表</b></p><p><b>　　續(xù)表</b></p><p>　　2.3 對計算結(jié)果進(jìn)行分析</p><p>　　根據(jù)Altman教授的Z-Score模型，本文計算得出了違約公司樣本與對照公司樣本的Z值。Z值的大小反映出了各公司不同的財務(wù)風(fēng)險狀況，體現(xiàn)了一個公司的信用風(fēng)險程度。同時，由于在本文中，選取了違約公司被特別處理前一

42、年，前兩年，前三年的年度財務(wù)數(shù)據(jù)進(jìn)行個公司Z值的計算，更有利于我們對電子行業(yè)上市公司信用風(fēng)險預(yù)警的研究，有利于我們預(yù)防和化解風(fēng)險，降低風(fēng)險的危害性，同時增加投資者投資的準(zhǔn)確性，穩(wěn)定證券市場。通過Z值的計算得出，違約公司樣本與對照公司樣本的Z值呈現(xiàn)出不同的規(guī)律性。同時，由于一家違約公司樣本配予了兩家正常經(jīng)營的上市公司進(jìn)行比較研究，本文將基于Z值對每一組的違約公司與對照公司的信用風(fēng)險進(jìn)行分析。</p><p>　　2

43、.3.1 Z值趨勢性分析</p><p>　　在本文中，我們選取了被特別處理的電子行業(yè)上市公司在被特別處理前一年，前兩年，前三年的年度財務(wù)數(shù)據(jù)，即計算了觀察點1，觀察點2，觀察點3的Z值。就Z值的趨勢性而言，違約公司樣本與對照公司樣本存在著一定的差異性。</p><p>　　如表2所示，在違約公司樣本中，各違約公司的Z值在觀察點1，觀察點2，觀察點3呈現(xiàn)出一定的趨勢。從觀察點3到觀察點1的

44、Z值有逐漸變小的趨勢。在24個違約公司樣本中，有19家違約公司在觀察點1的Z值最小，占所有違約公司樣本的79.17%，也就是說，違約公司在被特別處理的前一年度Z值最小。Z值越小，說明該上市公司的信用風(fēng)險越大。該結(jié)果說明，在所有的違約公司樣本數(shù)據(jù)中，79.17%的電子行業(yè)上市公司在被特別處理的前一年度存在較大的信用風(fēng)險。</p><p>　　如表3所示，對照公司樣本選取了與其相對應(yīng)的違約公司在被特別處理前一年，前兩

45、年，前三年設(shè)置觀察點，選取了這三個觀察點的年度財務(wù)數(shù)據(jù)來計算各公司的Z值。從Z值的趨勢來看，對照公司樣本的Z值并沒有呈現(xiàn)出一定的趨勢性。各對照公司樣本Z值趨勢并不明顯。</p><p>　　2.3.2 Z值適用性分析</p><p>　　就適用性而言，從觀察點3到觀察點1違約公司樣本呈現(xiàn)出越來越強(qiáng)的適用性。而對于對照公司樣本而言，在觀察點3到觀察點1適用性均呈現(xiàn)出較弱的狀態(tài)。</p&

46、gt;<p>　?。?）觀察點1 Z值的適用性</p><p>　　在本文中，我們先選取觀察點1來分析Z值的適用性，即選取違約公司被特別處理前一年的年度財務(wù)數(shù)據(jù)進(jìn)行分析。</p><p>　　如表2所示，在違約公司樣本中，根據(jù)Altman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這24家違約樣本公司中，有22家違約公司處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），

47、占所有樣本總數(shù)的91.67%，有2家違約樣本公司處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本總數(shù)的8.33%，無違約樣本公司在觀察點1的Z值大于2.675，即在所有違約公司樣本中，無違約公司處于“無破產(chǎn)風(fēng)險區(qū)”。</p><p>　　如表3所示，在對照公司樣本中，根據(jù)Altman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這48家對照公司樣本中，有12家對照公司樣本處于“無破產(chǎn)

48、風(fēng)險區(qū)”（即Z值大于2.675），占所有樣本的25%，有21家對照公司樣本處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本的43.75%，有15家對照公司樣本處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），占所有樣本的31.25%，反映出了不同的財務(wù)風(fēng)險可能。</p><p>　　就觀察點1所反映的Z值來看，對違約公司而言，適用性較強(qiáng)，所有的違約公司樣本均處于“灰色區(qū)域”與“破產(chǎn)風(fēng)險區(qū)”，即Z值均小于

49、2.675。但是對于對照樣本公司而言，適用性則較弱，所有的對照公司樣本在“無破產(chǎn)風(fēng)險區(qū)”，“灰色區(qū)域”與“破產(chǎn)風(fēng)險區(qū)”分布的比重差異并不大。</p><p>　?。?）觀察點2 Z值的適用性</p><p>　　同時，本文選取觀察點2來分析Z值的適用性，即選取違約公司被特別處理前兩年的年度財務(wù)數(shù)據(jù)進(jìn)行分析。</p><p>　　如表2所示，在違約公司樣本中，根據(jù)Al

50、tman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這24家違約公司樣本中，有19家違約公司處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），占所有樣本總數(shù)的79.17%，有4家違約樣本公司處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本總數(shù)的16.67%，有1家違約公司處于“無破產(chǎn)風(fēng)險區(qū)”（即Z值大于2.675），占所有樣本的4.17%。反映出了各違約公司不同的風(fēng)險狀況。</p><p>

51、;　　如表3所示，在對照公司樣本中，根據(jù)Altman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這48家對照公司樣本中，有13家對照公司樣本處于“無破產(chǎn)風(fēng)險區(qū)”（即Z值大于2.675），占所有樣本的27.08%，有19家對照公司樣本處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本的39.58%，有16家對照公司樣本處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），占所有樣本的33.33%，反映出了不同的財務(wù)風(fēng)險可

52、能。</p><p>　　就各公司在觀察點2的Z值來看，對違約公司而言，適用性并不及觀察點1大，有一家違約公司在觀察點2的Z值為4.04，處于“無破產(chǎn)風(fēng)險區(qū)”。同時，處于“破產(chǎn)風(fēng)險區(qū)”的公司數(shù)量減少。而對于對照公司而言，在觀察點2所反映的Z值情況與觀察點1差別不大，所有的對照公司樣本在“無破產(chǎn)風(fēng)險區(qū)”，“灰色區(qū)域”與“破產(chǎn)風(fēng)險區(qū)”分布的比重差異并不大，適用性較弱。</p><p>　?。?

53、）觀察點3 Z值的適用性</p><p>　　本文再對觀察點3的Z值進(jìn)行Z值的適用性分析，即選取違約公司被特別處理前三年的年度財務(wù)數(shù)據(jù)進(jìn)行分析。</p><p>　　如表2所示，在違約公司樣本中，根據(jù)Altman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這24家違約公司樣本中，有13家違約公司處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），占所有樣本總數(shù)的54.17%，有6家違約

54、樣本公司處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本總數(shù)的25%，有5家違約公司處于“無破產(chǎn)風(fēng)險區(qū)”（即Z值大于2.675），占所有樣本的20.83%。與違約公司在觀察點1，觀察點2相比較，在觀察點3中，處于“灰色區(qū)域”與“無破產(chǎn)風(fēng)險區(qū)”的違約公司樣本數(shù)量有所增加。</p><p>　　如表3所示，在對照公司樣本中，根據(jù)Altman教授的Z-Score模型對各樣本公司的Z值進(jìn)行分析得出，在這

55、48家對照公司樣本中，有14家對照公司樣本處于“無破產(chǎn)風(fēng)險區(qū)”（即Z值大于2.675），占所有樣本的29.17%，有20家對照公司樣本處于“灰色區(qū)域”（即Z值位于1.81~2.675之間），占所有樣本的41.67%，有14家對照公司樣本處于“破產(chǎn)風(fēng)險區(qū)”（即Z值小于1.81），占所有樣本的21.17%，反映出了不同的財務(wù)風(fēng)險可能。</p><p>　　就各公司在觀察點3的Z值來看，對違約公司而言，適用性并不及觀察

56、點1以及觀察點2大，有5家違約公司在觀察點3處于“無破產(chǎn)風(fēng)險區(qū)”，Z值最大為ST精倫的5.07。同時，處于“破產(chǎn)風(fēng)險區(qū)”的公司數(shù)量也隨之減少。而對于對照公司而言，在觀察點3所反映的Z值情況與觀察點1和觀察點2差別不大，所有的對照公司樣本在“無破產(chǎn)風(fēng)險區(qū)”，“灰色區(qū)域”與“破產(chǎn)風(fēng)險區(qū)”分布的比重差異并不大，適用性較弱。</p><p>　　綜上所述，在我國電子行業(yè)上市公司中，違約公司與正常公司在Z值的區(qū)域分布上呈現(xiàn)

57、出了完全不相同的狀況，并且各觀察點的Z值分布也存在著諸多不同。所以，為了更加直觀的反映違約公司與對照公司的Z值分布，本文分別制作表4與表5予以說明。</p><p>　　表4 違約公司組Z值區(qū)域分布</p><p>　　表4反映了在各個觀察點違約公司Z值的區(qū)域分布情況。</p><p>　　表5 對照公司組Z值區(qū)域分布</p><p>　　表

58、5反映了在各個觀察點對照公司Z值的區(qū)域分布情況。</p><p>　　2.3.3 Z值準(zhǔn)確性分析</p><p>　　根據(jù)Z-Score模型對“破產(chǎn)風(fēng)險區(qū)”、“灰色區(qū)域”以及“無破產(chǎn)風(fēng)險區(qū)”的劃分，如表4以及表5所示，本文對Z-Score模型的分類正確率予以了計算。計算結(jié)果如表6所示。</p><p>　　其中，第Ⅰ類錯誤（type Ⅰ error）是指把會違約的公

59、司誤認(rèn)為不會違約的公司，而第Ⅱ類錯誤表示把不會違約的公司誤認(rèn)為會違約的公司。</p><p>　　表6 Z-Score的分類正確率</p><p>　　注：（1）第Ⅰ類錯誤比率=犯第Ⅰ類錯誤公司家數(shù)/總違約公司數(shù)；（2）第Ⅱ類錯誤比率=犯第Ⅱ類錯誤公司家數(shù)/總正常公司數(shù)。（3）總錯誤率=犯第Ⅰ類與第Ⅱ類錯誤公司家數(shù)/樣本總數(shù)，正確率=1-總錯誤率。</p><p>

60、　　如表6所示，Z-Score模型對我國電子行業(yè)信用風(fēng)險判別的準(zhǔn)確率并不高，特別是第二類錯誤在觀察點1就達(dá)到了68.74%。同時，第一類錯誤的正確率在觀察點雖然比較低，但是從觀察點1到觀察點3的錯誤率顯著上升。可見，Z-Score模型對我國電子行業(yè)上市公司的信用風(fēng)險預(yù)警能力并不強(qiáng)。</p><p>　　從第一類錯誤與第二類錯誤的分布來看，Z-Score模型中關(guān)于判別樣本位于“破產(chǎn)風(fēng)險區(qū)”，“灰色區(qū)域”與“無破產(chǎn)風(fēng)

61、險區(qū)”的Z值明顯偏高，不適用于我國電子行業(yè)上市公司進(jìn)行判別。</p><p>　　3 對Z-Score模型進(jìn)行修正</p><p>　　3.1 財務(wù)比率的重新選取</p><p>　　為了提高Z-Score模型對電子行業(yè)上市公司信用風(fēng)險預(yù)警的準(zhǔn)確性，本文在財務(wù)因素的五大分類項下分別選取了具有代表性的三項比率變量，共15項比率變量進(jìn)行因素萃取。其中，在這15項比率變量

62、中，包含Altam（1968）所選取的財務(wù)比率。</p><p>　　第一類為獲利能力，包含總資產(chǎn)收益率（X1)，營業(yè)利潤率（X2），稅前凈利潤與總資產(chǎn)的比（X13)。第二類為成長能力，包含營業(yè)收入增長率（X3)，營業(yè)利潤增長率（X4)，留存收益與總資產(chǎn)的比（X12)。第三類為流動能力，包含流動比率（X5)，速動比率（X6），以及營運資本與總資產(chǎn)的比（X11）。第四類為償債能力，包含負(fù)債比率（X7)，利息保障倍數(shù)

63、（X8)以及權(quán)益市值與總資產(chǎn)的比（X14）。最后一類為經(jīng)營能力，包含存貨周轉(zhuǎn)率（X9），固定資產(chǎn)周轉(zhuǎn)率（X10)以及銷售收入與總資產(chǎn)的比（X15)。各財務(wù)比率的計算方法如表7所示。</p><p>　　表7 選取的財務(wù)比率計算方法</p><p><b>　　續(xù)表</b></p><p>　　根據(jù)因素分析和逐步判別分析兩種方法，使用SPSS 1

64、6.0版本對電子行業(yè)上市公司的財務(wù)數(shù)據(jù)進(jìn)行整理分析，財務(wù)比率萃取結(jié)果記錄于表8。</p><p><b>　　表8 因素萃取結(jié)果</b></p><p>　　如表8所示，采用因素分析和逐步判別分析兩種方法之后，本文萃取的變量比率共有9個，包括留存收益與總資產(chǎn)的比（X12)，營運資本與總資產(chǎn)的比（X11），營業(yè)利潤增長率（X4)，銷售收入與總資產(chǎn)的比（X15)，存貨周轉(zhuǎn)

65、率（X9），固定資產(chǎn)周轉(zhuǎn)率（X10)，營業(yè)利潤率（X2），營業(yè)收入增長率（X3)，權(quán)益市值與總資產(chǎn)的比（X14）。</p><p>　　3.2 財務(wù)比率系數(shù)的重新判定</p><p>　　如表7所示，本文經(jīng)過重新判別，共選取了9個財務(wù)比率來對電子行業(yè)上市公司信用風(fēng)險進(jìn)行判別。通過判別分析的未標(biāo)準(zhǔn)化典型判別系數(shù)，計算出了這9項財務(wù)比率的判別系數(shù)。經(jīng)過重新的整理，修正后的Z值模型如下：<

66、/p><p>　　其中，X1表示營運資本與總資產(chǎn)的比，X2表示營業(yè)利潤率，X3表示營業(yè)收入增長率，X4表示營業(yè)利潤增長率，X5表示留存收益與總資產(chǎn)的比，X6表示權(quán)益市值與總資產(chǎn)的比，X7表示銷售收入與總資產(chǎn)的比，X8表示存貨周轉(zhuǎn)率，X9表示固定資產(chǎn)周轉(zhuǎn)率。</p><p>　　3.3用修正后的模型對Z值進(jìn)行計算</p><p>　　3.3.1 違約公司樣本組的Z值的重新

67、計算</p><p>　　運用修正后的Z值模型，本文對違約公司的Z值進(jìn)行重新的計算，計算結(jié)果如表9所示。</p><p>　　表9 違約公司樣本組修正后的Z值計算結(jié)果</p><p>　　3.3.2 對照公司樣本組的Z值的重新計算</p><p>　　基于修正后的Z值模型，本文也將對照公司的Z值進(jìn)行重新的計算，計算結(jié)果如表10所示。</

68、p><p>　　表10 對照公司組修正后Z值計算結(jié)果</p><p><b>　　續(xù)表</b></p><p>　　注：由于北礦磁材（600980），置信電氣（600517），士蘭微（600460），寶勝股份（600973），科力遠(yuǎn)（600478），正泰電器（601877）在觀察點3部分財務(wù)數(shù)據(jù)資料不全，未能準(zhǔn)確計算出他們在某個時點準(zhǔn)確的修正后的Z

69、值。</p><p>　　3.4 修正后的Z值模型準(zhǔn)確性分析</p><p>　　為了方便與修正前的Z值模型進(jìn)行比較，對修正后計算得出的Z值本文分別計算觀察點1到觀察點3最適用的截斷分?jǐn)?shù)值。基于截斷分?jǐn)?shù)值，我們判定大于截斷分?jǐn)?shù)值則為正常經(jīng)營公司，小于截斷分?jǐn)?shù)值則為違約公司。以此為基礎(chǔ)，計算正確率與錯誤率。</p><p>　　截斷分?jǐn)?shù)值=（違約公司Z值平均數(shù)*正常公

70、司家數(shù)+正常公司Z值平均數(shù)*違約公司家數(shù)）/(正常公司家數(shù)+違約公司家數(shù)）</p><p>　　通過計算，觀察點1最適用截斷分?jǐn)?shù)值為-1.27，大于此截斷分?jǐn)?shù)值的樣本公司為56家，小于此截斷分?jǐn)?shù)值的樣本公司有16家。也就是說，按截斷分?jǐn)?shù)值分析，在所有樣本公司中，有56家樣本公司屬于正常經(jīng)營，有16家樣本公司屬于違約公司。其中，在違約公司樣本中，有9家公司被判別為正常經(jīng)營公司，而在正常公司樣本中，有1家公司被判別為

71、違約公司。也就是說，在觀察點1中，有9家公司樣本屬于第Ⅰ類錯誤，1家公司樣本為第Ⅱ類錯誤。所以，該觀察點的分類正確率為86.11%。</p><p>　　觀察點2最適用截斷分?jǐn)?shù)值為-0.60，大于此截斷分?jǐn)?shù)值的樣本公司有58家，小于此截斷分?jǐn)?shù)值的樣本公司有12家，也就是說，按截斷分?jǐn)?shù)值分析，在所有樣本公司中，有58家樣本公司屬于正常經(jīng)營，有12家樣本公司屬于違約公司。其中有9家樣本公司為第Ⅰ類錯誤，有3家樣本公司

72、為第Ⅱ類錯誤。所以，該觀察點的分類正確率為83.33%。</p><p>　　由于在觀察點3中，部分公司財務(wù)數(shù)據(jù)不全，所以在計算分析過程中予以剔除，在72家樣本公司中，有6家對照公司在該觀察點被剔除。觀察點3最適用截斷分?jǐn)?shù)值為-0.25，大于此截斷分?jǐn)?shù)值的樣本公司有47家，小于此截斷分?jǐn)?shù)值的樣本公司有19家，也就是說，按截斷分?jǐn)?shù)值分析，在所有樣本公司中，有47家樣本公司屬于正常經(jīng)營，有19家樣本公司屬于違約公司。

73、其中有11家樣本公司為第Ⅰ類錯誤，有6家樣本公司為第Ⅱ類錯誤。所以，該觀察點的分類正確率為74.24%。</p><p>　　綜上所述，從截斷分?jǐn)?shù)值的準(zhǔn)確性來看，觀察點3到觀察點1的準(zhǔn)確性逐漸變大，在觀察點1的準(zhǔn)確性最高。也就是說，以違約公司被特別處理前一年度的財務(wù)數(shù)據(jù)所計算出的Z值在分析過程中具有更好的解釋能力，準(zhǔn)確性最高。與此同時，修正后的Z值模型準(zhǔn)確率較未修正之前有了進(jìn)一步的提升?？倶颖镜姆诸愓_率如表11

74、所示。</p><p>　　表11 修正后的總樣本的分類正確率</p><p>　　注：（1）第Ⅰ類錯誤比率=犯第Ⅰ類錯誤公司家數(shù)/總違約公司數(shù)；（2）第Ⅱ類錯誤比率=犯第Ⅱ類錯誤公司家數(shù)/總正常公司數(shù)。（3）總錯誤率=犯第Ⅰ類與第Ⅱ類錯誤公司家數(shù)/樣本總數(shù)，正確率=1-總錯誤率。</p><p>　　3.5 修正后的Z值模型預(yù)測能力與Z-Score模型的比較<

75、;/p><p>　　為了進(jìn)一步說明修正后的Z值模型更加具有預(yù)測的準(zhǔn)確性，本文利用表6和表10對修正后的Z值模型與Z-Score模型進(jìn)行比較。</p><p>　　在觀察點1中，修正后的Z值模型比修正前進(jìn)一步提高了分類正確率，由原來的51.33%到修正后的86.11%，特別是在第Ⅱ類錯誤的分類正確率上，提高的最為明顯，錯誤率由原來的68.75%降低到了2.08%。</p><

76、p>　　在觀察點2中，正確分類率有了一定的提高，從之前的48.61%提高到了83.33%，特別是在第Ⅱ類錯誤分類率上有了明顯的降低，從66.67%降低到了4.17%。</p><p>　　在觀察點3中，正確分類率提高最為明顯，從原來的37.5%提高到了74.24%，而在第Ⅱ類錯誤分類率中，更是從70.83%降低到了9.09%，這說明修正后的Z值模型在信用風(fēng)險預(yù)警方面確實有了很大的提高。</p>

77、<p>　　綜上所述，修正后的Z值模型在總分類正確率方面有了一定程度的提升，特別是在第Ⅱ類錯誤的分類正確率上，提高的最為顯著。</p><p>　　3.6 修正后的Z值模型在應(yīng)用方面的意義</p><p>　　修正后的Z值模型在判別的準(zhǔn)確率上有了很大的提高，具有重要的意義。</p><p>　　對企業(yè)管理者而言，及時監(jiān)控企業(yè)信用風(fēng)險的變動趨勢，并評價各種

78、風(fēng)險狀態(tài)偏離預(yù)警線的強(qiáng)弱程度，能及早的通過發(fā)出預(yù)警信號，提前采取有效的前瞻性對策，減少企業(yè)不必要的損失，化解風(fēng)險或?qū)L(fēng)險的危害降至最低的程度確保企業(yè)正常的經(jīng)營活動，并創(chuàng)造更大的經(jīng)濟(jì)效益。同時，風(fēng)險預(yù)警的應(yīng)用還可以對企業(yè)未來的經(jīng)營狀況提供全面的預(yù)測，為決策層提供投資的依據(jù)，使其更好的發(fā)展。并且，根據(jù)修正后的Z值模型多采用的九個財務(wù)指標(biāo)，能有針對性的改善企業(yè)的經(jīng)營狀況。</p><p>　　對投資者而言，通過修正后的

79、Z值模型，能更加準(zhǔn)確的判別所投資的上市公司所面臨的信用風(fēng)險程度，及時增加或者減少自己的投資，降低投資的風(fēng)險程度，增加自身的獲利能力。</p><p><b>　　結(jié) 論</b></p><p>　　改革開放以來，中國經(jīng)濟(jì)發(fā)生了翻天覆地的變化，特別是加入WTO以來，經(jīng)濟(jì)發(fā)展尤為迅速，中國經(jīng)濟(jì)在世界經(jīng)濟(jì)中扮演著越來越重要的角色。在中國經(jīng)濟(jì)全面發(fā)展過程中，證券市場作為其重

80、要的組成部分，發(fā)展速度及成果也有目共睹。上市公司作為證券市場的基礎(chǔ)，在現(xiàn)代經(jīng)濟(jì)中起著舉足輕重的作用。上市公司的健康發(fā)展對我國的經(jīng)濟(jì)發(fā)展至關(guān)重要，而上市公司在各個方面都存在著不確定性，想要提高自身的發(fā)展水平與競爭力，需要在風(fēng)險管理方面達(dá)到更高的水平，需要建立風(fēng)險評估體系，對風(fēng)險進(jìn)行預(yù)控，預(yù)防和化解風(fēng)險的發(fā)生，并將風(fēng)險造成的損失降至最低程度。所以，風(fēng)險預(yù)警對上市公司乃至整個社會經(jīng)濟(jì)而言也尤為重要。</p><p>　

81、　本文旨從風(fēng)險預(yù)警角度出發(fā)，選擇對我國經(jīng)濟(jì)發(fā)展有這重要意義的電子行業(yè)為研究對象，通過對該行業(yè)上市公司財務(wù)數(shù)據(jù)的調(diào)查整理，運用Z-Score模型分析該行業(yè)上市公司的風(fēng)險狀況，同時運用因素分析和逐步判別分析兩種方法，使用SPSS 16.0版本對電子行業(yè)上市公司的財務(wù)數(shù)據(jù)進(jìn)行重新的整理分析，通過判別分析的未標(biāo)準(zhǔn)化典型判別系數(shù)，得出了修正后的Z值模型，該模型提高了Z-Score模型對上市公司信用風(fēng)險預(yù)警判別的正確率，對我國電子行業(yè)上市公司的信用

82、風(fēng)險預(yù)警研究具有更加重要的意義。</p><p>　　但本文的研究仍存在不足，主要是：修正后的模型雖然提高了信用風(fēng)險預(yù)警的整體準(zhǔn)確性，但是第Ⅰ類錯誤明顯提高，但是第Ⅰ類錯誤更為關(guān)鍵。造成這一現(xiàn)象的原因主要是本文確定截斷值的方法較為簡單，截斷值的取值不甚合理。截斷值的取值直接關(guān)系到信用風(fēng)險判別的準(zhǔn)確率，若完善截斷值的取值方法，那么關(guān)于運用修正后的Z值模型對我國電子行業(yè)上市公司信用風(fēng)險預(yù)警的正確率必將進(jìn)一步提高。&l

83、t;/p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]趙瑾．基于Z-Score模型的水泥業(yè)上市公司財務(wù)預(yù)警研究[J]．理財研究，2009（12）．</p><p>　　[2]葉蜀軍．信用風(fēng)險度量與管理[M]．北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008．</p><p>　　[3]張玲．基于判別分析和期望違約率

84、方法的信用風(fēng)險度量和管理方法研究[D]．湖南大學(xué)博士畢業(yè)論文，2005</p><p>　　[4]陳凱凡，陳英．對財務(wù)困境預(yù)警實證研究標(biāo)志事件選擇問題的探討[J]．經(jīng)濟(jì)研究，2004（3）．</p><p>　　[5]王瓊，陳金賢．信用風(fēng)險定價方法與模型研究[D]．現(xiàn)代財經(jīng)，2004，4（22－146）．</p><p>　　[6]呂長江．上市公司財務(wù)困境與財務(wù)破產(chǎn)

85、的比較研究[J]．經(jīng)濟(jì)研究，2004(8)．</p><p>　　[7]張玲，曾維火．基于Z值模型的中國上市公司信用評級研究[J]．財經(jīng)研究2004（6）．</p><p>　　[8]巴塞爾委員會．外部信用評級與內(nèi)部信用評級體系[M]．中國金融出版社，2004．</p><p>　　[9]張友棠．財務(wù)預(yù)警系統(tǒng)研究[M]．北京：中國人民大學(xué)出版社，2004．</

86、p><p>　　[10]蔡虹，高杰．中國上市公司信用風(fēng)險評估的方法、問題及對策分析[J]．科學(xué)學(xué)與科學(xué)技術(shù)管理，2003（9）</p><p>　　[11]杜本峰．產(chǎn)值期權(quán)理論在信用風(fēng)險評估中的應(yīng)用[J]．經(jīng)濟(jì)經(jīng)緯，2002（3）．</p><p>　　[12]程鵬，吳沖鋒，李為冰．信用風(fēng)險度量和管理方法研究[J]．管理工程學(xué)報，2002（1）．</p>

87、<p>　　[13]長城證券課題組．上市公司財務(wù)危機(jī)預(yù)警系統(tǒng)：理論研究與實證研究[D]．上證研究，2001（3）：63-146．</p><p>　　[14]吳世農(nóng)，盧賢義．中國上市公司財務(wù)困境的預(yù)測模型研究[J]．經(jīng)濟(jì)研究，2001（6）．</p><p>　　[15]王濟(jì)川，郭志剛．當(dāng)代科學(xué)前沿論叢Logistic回歸模型——方法與應(yīng)用[M]．北京：高等教育出版社，2001．

88、</p><p>　　[16]Basel Committee on Banking Supervision. International Convergence of Capital Measurement and Capital Standards（A Revised Framework）[M]，June 2004．</p><p>　　[17]Roland Kirstein. The

89、new Basle Accord，internal ratings，and the incentives of banks，International Review of Law and Economics[M]．21(2002)393–412．</p><p>　　[18]Edward E Altman. Commercial bank lending：Process，credit scoring and co

90、sts of errors in lending[D]．Journal of Finance，Sept.1980．</p><p>　　[19]Altman，Hardeman，Narayanan.ZETA Analysis：A new model to identify bankruptcy risk of corporations[D].Journal of Banking and Finance，1977（1

91、）．</p><p>　　[20]Edward E Altman. Predicting Financial Distress of Companies：Revisiting the Z-Score and ZETA Models[J]，Working paper，2000，July．</p><p><b>　　開題報告</b></p><p&g

92、t;　　基于Z-Score模型對電子行業(yè)上市公司的信用風(fēng)險預(yù)警研究</p><p><b>　　一、立論依據(jù)</b></p><p>　　1.研究意義、預(yù)期目標(biāo)</p><p>　　改革開放以來，中國經(jīng)濟(jì)發(fā)生了翻天覆地的變化，特別是加入WTO以來，經(jīng)濟(jì)發(fā)展尤為迅速，中國經(jīng)濟(jì)在世界經(jīng)濟(jì)中扮演著越來越重要的角色。在中國經(jīng)濟(jì)全面發(fā)展過程中，證券市場作

93、為其重要的組成部分，發(fā)展速度及成果也有目共睹。</p><p>　　上市公司作為證券市場的基礎(chǔ)，在現(xiàn)代經(jīng)濟(jì)中起著舉足輕重的作用。上市公司的健康發(fā)展對我國的經(jīng)濟(jì)發(fā)展至關(guān)重要，而上市公司在各個方面都存在著不確定性，想要提高自身的發(fā)展水平與競爭力，需要在風(fēng)險管理方面達(dá)到更高的水平，需要建立風(fēng)險評估體系，對風(fēng)險進(jìn)行預(yù)控，預(yù)防和化解風(fēng)險的發(fā)生，并將風(fēng)險造成的損失降至最低程度。所以，風(fēng)險預(yù)警對上市公司乃至整個社會經(jīng)濟(jì)而言也尤

94、為重要。</p><p>　　信用風(fēng)險預(yù)警是指根據(jù)所需要研究對象的特點，收集其相關(guān)的數(shù)據(jù)及信息，利用金融、統(tǒng)計、財會和企業(yè)管理等相關(guān)知識理論，采用定性、定量的研究方法，及時監(jiān)控風(fēng)險的變動趨勢，并評價各種風(fēng)險狀態(tài)偏離預(yù)警線的強(qiáng)弱程度，及早的向決策層發(fā)出預(yù)警信號，以便提前采取有效的前瞻性對策，減少企業(yè)不必要的損失，化解風(fēng)險或?qū)L(fēng)險的危害降至最低的程度確保企業(yè)正常的經(jīng)營活動，并創(chuàng)造更大的經(jīng)濟(jì)效益。同時，信用風(fēng)險預(yù)警的應(yīng)

95、用還可以對企業(yè)未來的經(jīng)營狀況提供全面的預(yù)測，為決策層提供投資的依據(jù)，使其更好的發(fā)展。</p><p>　　Z-Score模型在信用風(fēng)險預(yù)警方面具有重要的意義。早在1968年，紐約大學(xué)斯特恩商學(xué)院教授愛德華·阿特曼(Edward Altman）對1946年至1965年間，資產(chǎn)規(guī)模在100—2500萬美元的美國破產(chǎn)與非破產(chǎn)企業(yè)進(jìn)行觀察研究，采用逐步判別分析法，通過大量的實驗，從22個財務(wù)比率中選擇了5個，建

96、立了著名的5變量Z-Score模型。它是一個對企業(yè)運行狀況、破產(chǎn)與否等方面都具有重要意義的模型。該模型目前在美國、澳大利亞、巴西、加拿大、英國、法國等都得到了廣泛的應(yīng)用。</p><p>　　本文旨從風(fēng)險預(yù)警角度出發(fā)，選擇對我國經(jīng)濟(jì)發(fā)展有這重要意義的電子行業(yè)為研究對象，通過對該行業(yè)上市公司財務(wù)數(shù)據(jù)的調(diào)查整理，運用Z-Score模型分析該行業(yè)上市公司的風(fēng)險狀況，為上市公司在風(fēng)險預(yù)警方面提供參考。</p>

97、<p><b>　　2.國內(nèi)外研究現(xiàn)狀</b></p><p><b>　　國外研究成果綜述</b></p><p>　　國外關(guān)于風(fēng)險預(yù)警方面的研究起步較早，發(fā)展的也比較完善。其主要信用評級機(jī)構(gòu)以及專家的信用分析方法和風(fēng)險計量模型的選擇，值得我們學(xué)習(xí)，而在實施過程中也有很多我們值得借鑒的經(jīng)驗和教訓(xùn)。</p><p

98、>　　從歷史上看，信用風(fēng)險的探索過程大致可以分成三個階段：第一個階段，是1970年以前，主要依靠經(jīng)驗豐富的銀行專家的主觀判斷分析來評估信用風(fēng)險，如著名的5C分析法。第二個階段，是以財務(wù)指標(biāo)為基礎(chǔ)，通過數(shù)學(xué)模型來判別企業(yè)的信用風(fēng)險，如Altman的Z計分模型，以及之后的各種相關(guān)模型。第三個階段，是指20世紀(jì)90年代以來，隨著商業(yè)銀行的快速發(fā)展，西方學(xué)者開始同時運用現(xiàn)代金融理論和數(shù)學(xué)工具來評估信用風(fēng)險，建立以風(fēng)險價值為基礎(chǔ)的，并且以違

99、約率、預(yù)期損失為核心指標(biāo)的風(fēng)險度量模型，如KMV模型，信用度量技術(shù)等等。</p><p><b>　　國內(nèi)研究成果綜述</b></p><p>　　隨著我國經(jīng)濟(jì)的不斷發(fā)展，在關(guān)于上市公司風(fēng)險預(yù)警方面的研究也不斷深入，不少學(xué)者對于我國上市公司風(fēng)險預(yù)警尤其是信用風(fēng)險度量方面都提出了自己的看法。</p><p>　　近年來，隨著我國信用經(jīng)濟(jì)的快速發(fā)展

100、，國內(nèi)的很多學(xué)者在建立有關(guān)多元辨別模型方面做了很多工作，也取得了突出的成果。</p><p>　　張玲，曾維火（2004）利用Z值多元判別模型算出了公司的Z值，并證實了我國上市公司與該Z值具有良好的相關(guān)性。在此基礎(chǔ)上，利用Z值模型對我國上市公司進(jìn)行了信用評級，并通過研究總結(jié)了我國上市公司在資信品質(zhì)方面的一些共同特點。</p><p>　　趙瑾（2009）以水泥業(yè)上市公司為研究對象，為選取了

101、宮20家水泥行業(yè)上市公司A股作為樣本進(jìn)行研究，選取2006年至2008年的財務(wù)數(shù)據(jù)進(jìn)行分析，使用負(fù)債比率、流動比率、凈資產(chǎn)收益率等指標(biāo)數(shù)據(jù)。研究發(fā)現(xiàn)：企業(yè)風(fēng)險防范與財務(wù)控制相互關(guān)聯(lián)，建議企業(yè)應(yīng)建立一套完整的財務(wù)風(fēng)險預(yù)警機(jī)制，加強(qiáng)財務(wù)監(jiān)督管理，避免潛在風(fēng)險演變成損失。</p><p>　　吳世農(nóng)，盧賢義（2001）通過比較中國上市公司財務(wù)困境模型，選取了70家財務(wù)困境和70家財務(wù)正常的公司為樣本，利用盈利增長指數(shù)、

102、資產(chǎn)報酬率、流動比率、資產(chǎn)周轉(zhuǎn)率、長期負(fù)債股東權(quán)益比率、營運資本/總資本6個財務(wù)指標(biāo)為變量比較了Fisher線性判別、Logistic回歸和多元線性回歸分析的預(yù)測能力和準(zhǔn)確度。</p><p>　　林平（2001）運用多元線性判別法以及Logistic判別法建立了用于判別中國農(nóng)村信用社信用風(fēng)險的預(yù)測模型，為中國農(nóng)村信用社在風(fēng)險預(yù)警方面提供了重要的依據(jù)。</p><p>　　我國學(xué)者早在19

103、98年就開始關(guān)注KMV模型，但早期的研究僅限于對該模型的理論基礎(chǔ)和模型框架的介紹與分析，而大量的實證研究則是在幾年形成的。</p><p>　　杜本峰（2002）利用期權(quán)評價方式，來分析了信用風(fēng)險管理。他認(rèn)為，從企業(yè)的市場價值構(gòu)建模型，能快速反應(yīng)未來企業(yè)信用風(fēng)險的變化并且可以彌補(bǔ)傳統(tǒng)方式的不足。</p><p>　　王瓊，陳金賢（2002）從期權(quán)理論角度研究了信用風(fēng)險定價問題。他首先分析了

104、信用風(fēng)險的特征，以及信用風(fēng)險定價的困難的問題，接著論述了基于期權(quán)理論的信用風(fēng)險定價方法以及在此基礎(chǔ)上建立的Merton模型和KMV模型，并對該模型進(jìn)行了評價。</p><p>　　張義強(qiáng)（2003）以一家上市公司為樣本，按照KMV模型的基本框架并利用國外研究的模型和關(guān)系函數(shù)，分析信用風(fēng)險問題。</p><p><b>　　3.參考文獻(xiàn)</b></p>&

105、lt;p>　　[1] 趙瑾．基于Z-Score模型的水泥業(yè)上市公司財務(wù)預(yù)警研究[J]．理財研究，2009（12）．</p><p>　　[2] 葉蜀軍．信用風(fēng)險度量與管理[M]．北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008． </p><p>　　[3] 張玲．基于判別分析和期望違約率方法的信用風(fēng)險度量和管理方法研究[D]．湖南大學(xué)博士畢業(yè)論文，2005．</p><p

106、>　　[4] 張友棠．財務(wù)預(yù)警系統(tǒng)研究[M]．北京：中國人民大學(xué)出版社，2004．</p><p>　　[5]呂長江．上市公司財務(wù)困境與財務(wù)破產(chǎn)的比較研究[J]．經(jīng)濟(jì)研究，2004(8)．</p><p>　　[6]張玲，曾維火．基于Ｚ值模型的中國上市公司信用評級研究[J]．財經(jīng)研究2004（6）</p><p>　　[7] 王瓊，陳金賢．信用風(fēng)險定價方法與模