Z-score Model on Financial Crisis Early-Warning of
Listed Real Estate Companies in China: a Financial Engineering Perspective Wang Yi*
Abstract: Financial engineers developed quantitative models that help firms making financial decisions in the face of risk and uncertainty. Z-score model is one of the most frequently used risk early warning models in financial engineering, but it needs further research to prove whether it is suitable for Chinarsquo;s burgeoning real estate enterprises. The financial data of Chinarsquo;s 40 listed real estate companies is processed in this article, and statistic analysis is conducted, so as to judge the effectiveness of Z-score model on financial risk early warning of Chinarsquo;s listed real estate companies.
Keywords: Z-score model; Early-warning; Effectiveness
1. Introduction
The development of real estate industry, which is the pillar industry of Chinarsquo;s national economy, has a strong influence on the operation of the entire national economy. In recent years, Chinarsquo;s real estate industry has experienced an unprecedented period of rapid development. Considering the immaturity of the real estate market, the government has taken measures to regulate and control the real estate market on many occasions, especially after the second half of 2010, when our country launched a series of strict adjustment and control policies. At the same time, due to tight monetary policies, a large number of real estate enterprises are facing tension and even rupture of the capital chain and are very likely to suffer financial crisis. Listed real estate companies have basically represented the development of this industry in China. Therefore, the research over the financial crisis early warning of listed real estate companies is of great significance for studying the development of Chinarsquo;s real estate industry. Scholars in industrial engineering and management sciences focused on the prediction models using in financial risk. To consider the risk of the entire portfolio, an institution must take into account comparing several models and choosing the proper one. In right time，accurate carrying on pre-warning analysis to enterprisersquo;s financial affairs is the objective requirement for the market competition system，it is the essential guarantee of enterprisersquo;s survival and development too. The research on financial crisis early warning model has experienced many years of development, from early research on model construction to the research specific to the practical financial crisis early warning model construction of Chinese enterprises [1], and then to explore the financial crisis early warning model that is suitable for the industry.
2. Literature Review on Financial Crisis Early-Warning Model
Financial crisis prediction has become an important factor in the healthy development in Chinarsquo;s capital market and the problem of financial crisis prediction has become a hot issue. The scholars in financial engineering field generalize, sort and introduce the research progress of financial crisis prediction models. It is necessary to compare, evaluate and analyze the financial crisis prediction models on the basis of financial engineering. Since 1932，scholars began to launch on the listed company or private enterprise financial crisis pre-warning model research, from single-variable warring model to the current artificial intelligence and higher discriminating rate pre-alarming model [2]. Although in China，financial crisis early-warning model research began later than abroad, research results can reach the advanced level. Regarding the enterprise，especially the listed companyrsquo;s financial crisis warning research，many experts and scholars from different angles on such questions carried out in depth research. In this paper, it compares the early warring models for enterprises based on the concept of financial engineering cube.
2.1 Single-Variable Model
Single-variable model is a forecast model that uses a financial index as the criterion to judge whether an enterprise is on the edge of bankruptcy. When the financial index involved in the enterprisersquo;s financial crisis early warning model deteriorates, it is often a bad signal and a sign of financial crisis.
2.2 Multi-Variable Model Analysis
2.2.1 Z-Score Model
Z-score Model adopts multi-variable linear function and selects those variables with the biggest difference between the two sample groups and the smallest dispersion within each group through statistical techniques so as to convert multiple variables to categorical variables and obtain equation[3].
2.2.2 Principal Component Analysis
Principal component analysis is the best comprehensive simplification of multi-variable flat data sheet. To put it another way, after giving up a small quantity of information on the principle of losing as little data information as possible, the principal axis can still be very effective in indicating the variation of the raw data and reduce the dimensions of the high-dimension variable space.
2.2.3 Logistic Regression Analysis
The objective of logistic model is to seek the conditional probability of observation objects and judge their financial status and business risks on this basis. Logistic model is suitable for the selection model whose dependent variables are of discontinuity and dichotomies [4]. It limits default probability to between 0 and 1 and computes default probability through the logarithmic distribution of functions.
2.2.4 Probit Model
Similarly, Probit regression model also presumes that the enterprisersquo;s bankruptcy probability is P and enterprise samples are normally distributed. With its computing method very similar to that of Logistic model, Probit model also first determines the maximum likelihood function of ente
全文共15287字，剩余内容已隐藏，支付完成后下载完整资料
中国上市房地产企业财务危机预警Z计分模型的研究：
基于金融工程视角
摘要：金融工程师开发了定量分析模型，帮助企业在面对风险和不确定性的做出有效的财务决策。Z计分模型是一个在金融工程中最常用的风险预警模型，但还需要进一步的研究来证明它是否适用于中国蓬勃发展的房地产企业。本文通过收集中国40家上市房地产企业的财务数据，将其作为样本进行处理，并进行统计分析，以判断Z计分模型在中国房地产上市公司财务风险预警中的有效性。
关键词：Z值模型；财务风险预警；有效性
1.引言
蓬勃发展的房地产业，作为我国国民经济的支柱产业，对整个国民经济的运行有着很强的影响。近年来，我国房地产行业经历了前所未有的快速发展时期。考虑到房地产市场的不成熟，我国政府已采取相关措施，在很多方面对房地产市场进行调控，特别是在2010年的下半年，我国推出了一系列严格的调控政策。同时，由于国家施行紧缩的货币政策，大量的房地产企业正面临着资金链的紧张甚至断裂的风险，很容易受到金融危机的影响。上市房地产企业已经基本代表了我国这一行业的发展。因此，研究房地产上市公司的财务危机预警对于研究我国整个房地产行业的发展具有重要意义。
工业工程和管理科学的学者们集中于财务风险预测模型的应用。要考虑整个投资组合的风险，一个机构必须考虑比较几个模型，选择合适的一个。在正确的时间，进行正确的企业财务预警分析是市场竞争体制的客观要求，它对于保证企业的生存与发展来说是必不可少的。财务危机预警模型的研究已经经历了多年的发展，从早期研究模式构建到构建具体实际的中国企业财务危机预警模型，进而探索适合特定行业的财务危机预警模型[ 1 ]。
2、财务危机预警模型文献综述
财务危机预测已经成为我国资本市场健康发展的重要因素，财务危机预测问题已成为一个热点议题。金融工程领域的学者对财务危机预测模型的研究进展进行了概括、梳理和介绍。在金融工程的基础上，对财务危机预测模型进行比较、评价和分析是必要的。自1932以来，学者们开始发动对挂牌公司或民营企业财务危机预警模型的研究，从单变量分析模型当前人工智能和高识别率的预警模型[ 2 ]。虽然在我国，财务危机预警模型研究起步较晚，但相关研究成果已经达到国际先进水平。对于企业，尤其是挂牌公司的财务危机预警研究，不少专家学者从不同角度对这类问题进行了深入研究。在本文中，它比较了企业财务预警模型在金融工程基础上的概念。
2.1单变量模型
单一变量模型是一种以单一财务指标作为判断企业是否在破产边缘的预测模型。财务危机预警模型在企业财务危机预警模型中的出现，往往是一个不好的信号，是金融危机的征兆。
2.2多变量模型分析
2.2.1 Z计分模型
Z分数模型采用多变量的线性函数，选取这些变量的两组样本和最小的分散值，在每一组中通过统计技术，从而将多变量分类，以使变量和方程获得最大的区别[ 3 ]。
2.2.2主成分分析模型
主成分分析是对多变量平板数据表的最佳综合简化。要把它应用于另一种方式，在尽可能少的数据信息丢失的原则上，根据指示的原始数据的变化，并减少高维变量空间的重要性，但主要成分仍然可以是非常有效的。
2.2.3 Logistic回归分析
逻辑回归分析模型的目标是在这一基础上寻求观察对象的条件概率，并根据其财务状况和经营风险进行判断。Logistic模型是适合的选择模型，它的因变量是连续的二分法，它限制了缺省的概率在1和0之间，并通过对数分布来计算默认的概率[ 4 ]。
2.2.4 Probit模型
同样，Probit回归模型还假定企业破产的概率P、企业样本正态分布。其计算方法与Logistic模型非常相似，Probit模型也首先确定企业样本的极大似然函数，然后得到参数的似然函数的最大值并以此计算企业的破产概率。
2.2.5人工神经网络（ANN）的方法
神经网络模型是一个由多个相互关联的简单处理单元组成的复杂网络系统。由输入层、输出层和隐含层组成，通过网络学习和数据校正，获得期望输出，并通过学习得到的判决规则进行预测。在实践中，单一变量的分析由于它的缺陷，导致该模型几乎是过时的。人工神经网络建模是一个非常复杂和耗时的模型，需要连续的人工调整，所以它的应用是非常有限的[ 5 ]。相反，多变量线性判别法和多元逻辑回归模型具有较高的实用性和预测精度，因此这两种方法被广泛使用。
本文采用Z-score模型构建我国上市房地产公司财务危机预警模型，以判断Z-Score财务危机预警模型在预测中国房地产企业的财务危机中的适用性，并测试其准确性。
3．Z计分模型预警有效性检验
3.1 Z计分模型
Z值模型理论是由奥特曼在1968发表的研究成果中提出的结论。后来，他修改了原有的两个模型，并最终建立了2个模型：非股票上市公司的财务预警模型和股票上市公司的财务预警模型[ 6 ]。实证研究证明，这2种模型在美国企业中具有较高的预测精度。非制造型企业上市公司的Z模式表达式如下：
Z=6.65X1 3.26X2 6.72X3 1.05X4 (1)
X1 =（经营资产/总资产）*100% （2）
X2 =（留存收益/总资产）*100% （3）
X3 =（税息前利润/总资产）*100% （4）
X4 =（所有者权益/总负债）*100% （5）
对公司的财务状况，基于Z值模型的判断标准如表1所示。
表1。基于Z值模型的财务状况指标
|
Z系列 |
财务状况 |
|
zle;1.23 1.23le;zle;2.9 2.9le;z |
高破产概率 不稳定的财务状况 稳定的财务状况 |
3.2样本选择
参考国内外公认的研究方法，本文以股票上市公司特殊的财务状况作为金融危机的标志，以其特殊的处理方式进行了研究。根据中国证监会发布的行业划分标准，本文选取上海和深圳A股市场上40家上市房地产企业。其中，10家是危机样本（带有ST标记），另外30家是正常样本（公司没有ST标记），这些企业是根据相近的总资产规模的原则选择的。
3.3数据处理
本文用Excel软件处理样本数据，选择的40家公司2008～2009年的财务数据（危机样本财务数据取自ST处理前2年），带入公式，从而计算出各种财务指标，获得公司的Z值如表2所示。
表2.40上市公司Z值。
股票代 码 Z值1 Z值 2 股票代码 Z值 1 Z值 2
000040 2.78 1.25 600807 6.56 6.69
600247 2.32 2.56 000511 3.88 3.68
000014 1.25 2.01 000667 3.19 3.33
600840 6.25 6.24 600067 2.36 2.45
000546 3.19 3.26 600555 2.05 2.36
000965 1.98 1.87 600576 1.42 1.36
600193 3.14 3.98 600643 1.05 1.22
002016 2.15 1.87 000690 -0.64 0.25
002133 3.05 3.21 600162 0.14 0.25
600079 4.33 4.12 600753 0.51 0.25
600638 3.75 4.56 ST 600515 1.77 1.89
000505 3.35 3.14 *ST 600275 1.16 1.32
000836 1.41 1.56 *ST 000628 1.02 1.58
600064 2.01 1.36 ST 600381 1.25 1.22
000558 1.45 2.57 ST 600743 0.74 1.02
002077 6.21 5.98 ST 000007 1.51 2.14
600082 2.66 3.15 ST600745 1.05 1.46
000632 3.21 3.26 ST600385 0.81 0.92
600648 3.94 4.00 ST 000656 0.34 0.61
600208 3.64 2.15 ST600603 -0.14 -0.89
3.4对Z分数模型的预测能力测试
根据表2，我们可以发现Z-Score模型对ST公司的财务危机的预测能力。可以看出，在被ST处理前一年，ST公司的Z分值都在1.23以下，预测精度为80%；在被ST处理前两年，10家公司中有8家的Z得分低于1.23，预测精度为80%；有两家公司的Z值是1.23和2.90之间。也就是说，它的财务状况是处于中间状态，如果没有任何改进，它可能陷入危机；2年前，10个公司中只有5个公司的分数低于1.23，并且10家公司的所有分数均低于2.90。一般而言，越是接近被ST处理，预测准确率越高。
从表2中的ST公司Z值的分布，我们可以得出这样一个结论：在被ST处理的1到2年，Z分数越来越低。然而，其准确率分别为80%。因此，它的准确率不是很高的，离被ST处理的年份越早，预测准确率越低，甚至会出现错误的结果，这模型就失去了这样的预测意义。
根据表2，在这两年里，Z分数模型预测一些非ST公司为ST公司的，错误的预测平均比率在13.3%，正确预测的平均比率为86.7%。正确预测的公司可以分为2类。第一，公司的平均比率是33.3%，Z分值在1.23和2.90之间，处于不稳定的财务状况是。其次，公司的平均比例为51.1%，Z分值在2.9以上，具有良好的财务状况。
从表2中，可以在预测的连续两年看到，Z-Score模型具有一定的合理性，但其准确率不够高，有时甚至是错误的预测。
具体而言，其分别测试的最高和最低的准确率是80%，而其最高和最低的误报率是13.3%。
4．结论
实证分析表明，在金融工程领域的Z-Score模型在一定程度上适用于预警中国房地产上市公司，但其预测准确率低于90%，这个预测率不是很高。有两点原因导致其准确率不够高。首先，由于中国和美国的证券市场之间的差异，根据美国上市公司的财务数据建立的模型不适用于我国股票上市公司财务预警系统的研究；其次，Z-score预警模型由奥特曼教授建立的适合上市非制造业企业的模型，但对于这些上市非制造业企业，其中包括许多不同的行业，没有做一个详细的分类，因此模型具有非常低的实用性。许多企业都面临着危机，在全球金融危机之后，许多风险预警模型都崩溃了，应该更好地找出如何从金融工程的角度建立更好的风险预测模型。
参考文献：
1. P .Ravi Kumar，V. Ravi，Bankruptcy Prediction in banks and firms via statistical and Intelligent techniques –A review[J]，European Journal of Operational Research 18(2007)15-18.
2. Juliana Yim, Heather Mitchell. Comparison of
全文共6096字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[154401]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
