文献综述
基于Z-Score模型对电子行业上市公司的信用风险预警研
究
风险预警是指根据所需要研究对象的特点，收集其相关的数据及信息，利用金融、统计、财会和企业管理等相关知识理论，采用定性、定量的研究方法，及时监控风险的变动趋势，并评价各种风险状态偏离预警线的强弱程度，及早的向决策层发出预警信号，以便提前采取有效的前瞻性对策，减少企业不必要的损失，化解风险或将风险的危害降至最低的程度确保企业正常的经营活动，并创造更大的经济效益。同时，风险预警的应用还可以对企业未来的经营状况提供全面的预测，为决策层提供投资的依据，使其更好的发展。
一般而言，风险预警系统包括指标体系、预警模型、预警界限和信号处理这四个部分，而在这四方面中，预警模型是重点。预警模型是指可以用来获得预警信号和警情判别的一种数学模型。
1 国外研究现状
国外关于风险预警方面的研究起步较早，发展的也比较完善。其主要信用评级机构以及专家的信用分析方法和风险计量模型的选择，值得我们学习，而在实施过程中也有很多我们值得借鉴的经验和教训。
从历史上看，信用风险的探索过程大致可以分成三个阶段：第一个阶段，是1970年以前，主要依靠经验丰富的银行专家的主观判断分析来评估信用风险，如著名的5C分析法。第二个阶段，是以财务指标为基础，通过数学模型来判别企业的信用风险，如Altman的Z计分模型，以及之后的各种相关模型。第三个阶段，是指20世纪90年代以来，随着商业银行的快速发展，西方学者开始同时运用现代金融理论和数学工具来评估信用风险，建立以风险价值为基础的，并且以违约率、预期损失为核心指标的风险度量模型，如KMV模型，信用度量技术等等。
1.1 专家系统预警模型
专家系统预警模型主要凭借于经验丰富的银行专家的主观判断分析来评估信用风险。在该种方法下，信贷决策基本由放贷负责人做出。以5C方法为例，专家主要分析品格（Character），资本（Capital），偿付能力（Capacity），抵押品（Collateral),周期的或经济的形势（Cycle Conditions),根据具体情况，做出主观上的权衡，然后做出信贷决策。
1
1.2 基于财务指标的信贷评分预警模型
Beaver（1966）以单变量分析法建立信用风险预测模型，但由于影响一个企业信用风险的变量是多层面的，仅仅有单一的一个变量来判断正确率并不高，同时，对于每一个企业来说，该指标并不一定是最相关的指标。在此基础上，多元统计分析法应运而生。
Altman（1968）将多变量分析用于预测公司的财务困境，提出Z-Score模型。该模型根据财务比率对借款还本付息的影响程度确定相应财务指标的权重，并对每一个财务比率乘以相应的权重，然后相加，得出一个线性模型。
1.3 现代信用风险预警模型
20世纪90年代以来，随着商业银行的快速发展，特别是1998年新巴塞尔协议允许各大银行使用内部模型估算面临的信用风险以来，西方学者开始同时运用现代金融理论和数学工具来评估信用风险，建立以风险价值为基础的，并且以违约率、预期损失为核心指标的风险度量模型，如KMV模型，信用度量技术等等。
KMV模型是基于MM模型和期权定价模型采用企业股票市场价格分析法，得出及时反映市场预期和企业信用风险状况变化的新的预期违约率。在此之后，Delianedis和Geske（1999）以及Maria Vassalou和Yuhang Xing（2002）也在此基础上对企业的违约概率进行了相关的研究，得出了一个理论违约率。
2 国内研究现状
随着我国经济的不断发展，在关于上市公司风险预警方面的研究也不断深入，不少学者对于我国上市公司风险预警尤其是信用风险度量方面都提出了自己的看法。
2.1 在多元辨别分析和多元逻辑分析方面
近年来，随着我国信用经济的快速发展，国内的很多学者在建立有关多元辨别模型方面做了很多工作，也取得了突出的成果。
刘鑫（2008）利用“Z评分模型”对我过上市公司的行业信用风险进行研究，他研究指出，第一，经济景气行业中的两个行业业绩表现与其各自的Z评分值成正比，也就是说与行业企业风险成反比。第二，中间行业中两个行业的业绩表现与其各自的Z评分值成正比，也就是说与行业企业的信用风险成水平成反比。第三，不景气行业中的两个行业的业绩表现与其各自的Z评分值成正比，也就是说与行业企业的信用风险水平成反比。但是，这种分析只是从宏观上概述了这种趋势，但若对每个行业一一鉴别，就会发现很多需要引起注意的地方。
2
张玲，曾维火（2004）利用Z值多元判别模型算出了公司的Z值，并证实了我国上市公司与该Z值具有良好的相关性。在此基础上，利用Z值模型对我国上市公司进行了信用评级，并通过研究总结了我国上市公司在资信品质方面的一些共同特点。
赵瑾（2009）以水泥业上市公司为研究对象，为选取了宫20家水泥行业上市公司A股作为样本进行研究，选取2006年至2008年的财务数据进行分析，使用负债比率、流动比率、净资产收益率等指标数据。研究发现：企业风险防范与财务控制相互关联，建议企业应建立一套完整的财务风险预警机制，加强财务监督管理，避免潜在风险演变成损失。
吴世农，卢贤义（2001）通过比较中国上市公司财务困境模型，选取了70家财务困境和70家财务正常的公司为样本，利用盈利增长指数、资产报酬率、流动比率、资产周转率、长期负债股东权益比率、营运资本/总资本6个财务指标为变量比较了Fisher线性判别、Logistic回归和多元线性回归分析的预测能力和准确度。
张玲（2005）借鉴发达国家信用风险管理技术和方法的基础上，从财务预警方面切入，运用古典的多元判别分析和现代的期望违约率技术来研究信用风险度量以及管理中的企业信用评级、评级转移概率和基于违约顺势度量的商业银行内部经济资本配置。
2.2 KMV模型的研究和应用
我国学者早在1998年就开始关注KMV模型，但早期的研究仅限于对该模型的理论基础和模型框架的介绍与分析，而大量的实证研究则是在几年形成的。
杜本峰（2002）利用期权评价方式，来分析了信用风险管理。他认为，从企业的市场价值构建模型，能快速反应未来企业信用风险的变化并且可以弥补传统方式的不足。
王琼，陈金贤（2002）从期权理论角度研究了信用风险定价问题。他首先分析了信用风险的特征，以及信用风险定价的困难的问题，接着论述了基于期权理论的信用风险定价方法以及在此基础上建立的Merton模型和KMV模型，并对该模型进行了评价。
张义强（2003）以一家上市公司为样本，按照KMV模型的基本框架并利用国外研究的模型和关系函数，分析信用风险问题。
3总结
总之，Z-Score模型在风险预警方面有巨大的作用。我国学者对Z-Score模
3
型在风险预警方面也有一定的研究，但运用Z-Score模型对一个行业的信用风险预警方面的研究比较缺乏。本文旨从风险预警角度出发，选择对我国经济发展有这重要意义的电子信息行业为研究对象，通过对该行业上市公司财务数据的调查整理，运用Z-Score模型分析该行业上市公司的风险状况，为上市公司在风险预警方面提供参考。
4
参考文献
[1] 赵瑾．基于Z-Score模型的水泥业上市公司财务预警研究[J]．理财研究，2009（12）． [2] 张玲．基于判别分析和期望违约率方法的信用风险度量和管理方法研究[D]．湖南大学博士毕业论文，2005．
[3] 张玲，曾维火．基于Z值模型的中国上市公司信用评级研究[J]．财经研究2004（6）． [4] 王琼，陈金贤．信用风险定价方法与模型研究[J]．现代财经，2004（4）． [5] 杜本峰．产值期权理论在信用风险评估中的应用[J]．经济经纬，2002（3）．
[6] 吴世农，卢贤义．中国上市公司财务困境的预测模型研究[J]．经济研究，2001（6）． [7] Maria VassaIou，Yuhang Xing．Defaut Risk in Equity Return[D]．The Journal of Finance．2004（2）．
[8] Gordon Delianedis,Robert Geske．Credit Risk and Risk Neutral Default Probabilities：Information About Rating Migrations and Defaults[J]．Working paper，The Anderson School at UCLA，1999（5）．
[9] Altman，Hardeman，Narayanan.ZETA Analysis：A new model to identify bankruptcy risk of corporations[D].Journal of Banking and Finance，1977（1）．
[10] Altman E．Financial Rations，Discriminant Analysis and Prediction of Corporate Bankruptcy[D]．Journal of Finance．1968(23)：589-610．
[11] Beaver．W．H．Financial Rations as Predictors of Failure．[D]Journal of Accounting．Research（Supplement）1966：71-111．
5
基于Z-Score模型对电子行业上市公司的信用风险预警研究【文献综述】
