摘要：隨著市場經濟的不斷發展，汽車行業作為國民經濟支柱產業的地位越來越重要。加強汽車行業的財務風險預警能夠為財務信息使用者及時提供有用的決策信息，進而提高汽車行業整體的財務管理水平，增強抗風險能力。本文通過運用Z-score模型對2011年我國汽車行業上市公司總體狀況進行分析，得出我國汽車行業上市公司一半以上財務狀況良好，破產的可能性較小，但部分公司存在一定財務風險且財務管理水平有待提高的結論。
關鍵詞： Z-score 模型 汽車行業 上市公司 財務預警
一、引言
在加入WTO的十余年里，我國經濟迎來了前所未有的發展機遇，同時也面臨著嚴峻的挑戰。全球經濟一體化的沖擊和大量外資企業的不斷涌入，使企業市場競爭日趨激烈，一些企業開始面臨經營困境。加之2008年的金融危機，一些企業遭受重創甚至破產。筆者認為，企業面臨經營危機一方面受外部宏觀因素的影響，如經濟衰退、通貨膨脹等；另一方面受企業自身因素制約，其中財務風險是導致經營危機的主要因素。因此，在企業中建立健全財務風險預警是十分必要的。截至2012年底，我國上市公司總數為2 494家，市值約22.91萬億元，但是在許多上市公司中，仍然存在著內部經營管理不完善、缺乏風險危機意識等現象，造成上市公司出現財務危機甚至面臨破產等境況。雖然中國證券監督委員會已給一些出現財務危機狀況的上市公司以警示，但起到的預警作用不如預期的效果。近年來，國內外學者就如何建立有效的財務風險預警模型進行了深入探討與研究，分行業的財務風險研究將成為一種趨勢。汽車行業在國民經濟中發揮著舉足輕重的作用，其特點是產業鏈長，產業相關度高，就業范圍廣，在出口和投資放緩的情況下，是拉動消費增長的重要力量，所以汽車行業已成為我國國民經濟的支柱產業。通過加強對汽車行業的財務風險預警研究，可以及早捕捉到汽車行業的隱患和重大風險，及早發現行業出現財務危機的信號，從而避免財務風險的發生，提高汽車行業整體抗風險能力，確保汽車行業上市公司持續健康穩定發展。
二、Z-score 模型概述
（一）Z-score 模型基本理論
Z-score 模型是由美國教授Altman（1968）提出的一種多變量的財務預警模型，這種模型采用的是財務比率分析法，將企業常用財務比率按流動性、獲利能力、財務杠桿、償債能力和發展能力進行分類，運用數理統計的方法從22個變量指標中選取5個關鍵指標，并以1946年至1965 年期間33 家破產公司和33 家非破產公司作為樣本進行研究，得出了Z-score 模型。其判別函數為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5
其中：X1=營運資金/資產總額
=（流動資產-流動負債）/
資產總額；
X2=留存收益/資產總額
=（未分配利潤+盈余公積）/資產總額；
X3=息稅前利潤/資產總額
=（利潤總額+利息費用）/ 資產總額；
X4=股東權益合計/負債合計
=（每股市價×流通股股數+每股凈資產×非流通股股數）/ 負債合計；
X5=營業收入/資產總額。
在Z-score模型中，Altman提出了判斷企業破產的臨界值：（1）當企業的Z≥2.675時，表明企業財務狀況運行良好，發生破產的可能性較小；（2）當企業的1.81＜Z＜2.675時，表明企業進入“灰色地帶”，這個區間的企業財務是不穩定的，很容易陷入破產危機；（3）當企業的Z≤1.81時，則表明企業存在很大的財務危機，發生財務困境或破產的可能性較大。
（二）Z-score模型在汽車行業上市公司運用的理論可行性
筆者認為，我國汽車行業上市公司運用Z-score模型對企業財務風險進行預警，理論上具有可行性。第一，Z-score模型是Altman教授以上市公司制造業為研究對象提出的，本文的研究對象是上市公司汽車行業，汽車行業屬于制造業，從研究對象來看具有可行性。第二，在數據選取上，模型的數據均從上市公司對外公布的定期財務報告中獲取，期末股票市價能從各類炒股軟件中查找，研究數據獲取也具有可行性。第三，Z-score模型采用的多變量分析法，能綜合反映公司財務狀況，克服了單變量模型對于同一公司不同指標分析得出不同結果的狀況，能夠較有效地預測財務風險。相對于Logit判別分析法、Probit判別分析法和人工神經網絡，Z-score模型具有模型簡單、成本低、可操作性強等特點。所以在汽車行業上市公司運用Z-score模型理論上是可行的。
三、Z-score模型在汽車行業上市公司財務預警的適用性檢驗
（一）實驗假設、樣本及數據選取
實驗假設：Z-score模型是用來對財務風險進行預警的模型，本文假設ST公司具有較大的財務風險，其Z值應小于等于1.81，而其他非ST公司Z值應大于1.81。用以檢驗Z-score模型在汽車行業上市公司的適用性。
樣本及數據選取：本文以大智慧軟件汽車類為分類標準，以其類別中100家公司為樣本容量，選取3家ST公司為第一組，再隨機抽取10家非ST公司為第二組，各數據均來自巨潮資訊網（www.cninfo.com.cn）。
（二）指標計算
本文運用Excel 工作表進行計算分析，得出第一組3家ST汽車行業上市公司2009-2011年Z值統計表（見表1）和第二組10家非ST汽車行業上市公司2009-2011年Z值統計表（見表2）。
（三）實證結果
通過對表1、表2的數據進行整理分析，得出表3和表4的結果。
對于ST組2011年的預測準確率為100%，2010年的預測準確率為66.67%，2009年的預測準確率為66.67%。Altman教授在提出Z-score模型時，指出該模型在判斷企業破產前一年的預測準確率達到95%，在破產前兩年的預測準確率為72%，而第三年以上的預測準確率降到48%。因為我國證券市場與美國證券市場不同，模型提出距現在已四十多年，且把模型運用到了汽車行業上市公司，與Altman教授模型樣本為各行業也有差別，所以判斷企業破產的預測準確率與Altman教授指出的預測準確率存在差異是無法避免的。只要這個預測準確率在合理范圍內，我們就可以認為此模型適用于我國汽車行業上市公司。從表3的結果看，各年的預測準確率基本在合理的區間內，與Altman教授指出的預測準確率差距也較小，數據較為理想，即在判斷我國ST汽車行業上市公司具有財務風險時此模型具有適用性。在ST組中，由于樣本量過小，只有3家為認定的特別處理公司，所以當只要有一家ST汽車行業上市公司Z值較大時，計算出來的預測準確率比重就會大大下降，進而使得出的預測準確率與Altman教授提出的預測準確率略有不同。
從表4中可以看出，2011年非ST公司Z值預測準確率為80%，2010年預測準確率為90%，2009年預測準確率為90%。相比Altman教授提出Z-score模型判斷企業破產前一年的預測準確率為95%而言，2011年Z值的預測準確率略低，其原因筆者認為，除了可能受樣本誤差影響外還存在多種因素，如可能受子行業因素影響。雖然本文中以汽車行業上市公司為研究樣本，規避了行業特性差異，但是目前我國汽車行業包括范圍廣，分為汽車整車、汽車零配件等不同子行業，子行業間的差距較大，也會使Z值有所不同。
把ST組和非ST組每個樣本計算出三年平均Z值進行表5的臨界值統計分析，得出ST組有66.67%的Z值小于等于1.81，非ST組三年平均Z值均大于1.81。從Z值數值角度分析得出Altman教授提出Z-score模型適用于我國汽車行業上市公司。
綜上，無論從理論還是實證角度看，筆者認為Z-score模型均可用于對我國汽車行業上市公司進行財務預警。
四、汽車行業上市公司財務風險實證分析
以大智慧軟件汽車類為分類標準，除去第一組ST的3家公司和第二組非ST的10家公司，從樣本中隨機抽取了30家汽車行業上市公司進行分析，計算得出了這30家上市公司2011年的Z值如表6所示。
從表6可以看出，在這30家汽車行業上市公司中，2011年Z值大于2.675的有17家，所占比重為56.66%；Z值大于1.81小于2.675的有11家，所占比重為36.67%；Z值小于1.81的有2家，所占比重為6.67%。按照Altman教授提出Z-score模型的企業破產的臨界值來看，江鈴汽車（000550）等17家公司財務狀況運行良好，發生破產的可能性較小；萬向錢潮（000559）等11家公司則處于“灰色地帶”，公司財務可能不穩定；亞星客車（600213）、北方股份（600262）則可能存在很大的財務危機，發生財務困境的可能性較大。
五、結論
本文嘗試將Altman教授提出的Z-score模型用于我國汽車行業上市公司進行財務預警，通過理論和實證的分析，證明模型對汽車行業上市公司財務預警具有良好效果。通過樣本推斷總體的方法，得出我國2011年汽車行業上市公司有一半以上財務狀況良好，破產的可能性較小；小部分公司處于“灰色地帶”，個別公司財務狀況欠佳，發生財務困境的可能性較大。2011年受國家宏觀調控、優惠政策相繼退出和限購等因素影響，我國汽車行業整體產銷量有所下降，一些公司處于“灰色地帶”也是正常現象。對于這些存在財務風險的公司，經營者應及時調整經營策略，加強日常財務管理以使公司盡快擺脫財務困境。J
