基于Z值及改进模型对医药制造业上市公司客户选择评价的研究

孙庆文 卢刚

【摘  要】医药制造行业是高技术密集的行业，具有高投入、高产出、高风险、高技术的特点，被国家作为重点产业。因行业发展速度较快，医药行业企业普遍需要信贷资金支持，商业银行对医药制造业行业客户选择的研究十分必要。论文采用Z值模型及Z值改进模型对2015-2019年国内168家上市医药公司的数据进行分析、研究，得知Z值改进模型更适用于医药制造业客户选择，并提出高度警惕高负债企业、加大创新型企业支持力度等5条医药制造业上市公司客户选择建议。

【Abstract】Pharmaceutical manufacturing industry is a high-tech intensive industry， with the characteristics of high investment， high output， high risk and high technology， and is regarded as a key industry by the state. Due to the rapid development of the industry， pharmaceutical industry enterprises generally need credit fund support， so it is very necessary for commercial banks to study the customer selection of pharmaceutical manufacturing industry. This paper uses Z value model and improved Z value model to analyze and study the data of 168 domestic listed pharmaceutical companies from 2015 to 2019. It is concluded that the improved Z value model is more suitable for customer selection in pharmaceutical manufacturing industry， and five suggestions on customer selection for listed pharmaceutical manufacturing companies， such as highly alert to high-debt enterprises and increasing support for innovative enterprises， are put forward.

【關键词】客户选择;医药制造业;Z值模型;Z值改进模型

【Keywords】customer selection; pharmaceutical manufacturing industry; Z value model; improved Z value model

【中图分类号】F274;F426                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）10-0085-03

1 引言

为判别医药行业财务风险，选择财务状况较好的企业，有很多学者进行了有益的尝试。杨雪燕、殷实等（2016）[1]以1988-2013年间143家医药上市企业财务数据为研究样本运用逐步回归方法验证Z值影响因素，得出医药行业财务状况整体较好，但部分企业财务状况较差的结论。杨凡、卞鹰（2020）[2]以38家中药上市企业财务数据为研究样本运用Z值模型及面板分析工具，得出公司年限、有形资产率等指标为反映企业财务状况的正向指标。赵悦（2020）[3]以2017-2019年40家医药企业的财务数据为研究样本，运用Z值模型得出医药制造业整体财务欠佳的结论。

本文在前人研究基础上，运用Z值及改进模型分析医药制造业上市企业财务风险，辨别Z值及Z值改进模型对财务风险判断的准确性，确定适合作为商业银行选择医药制造业上市公司客户的模型，并从商业银行客户选择角度提出相应金融服务建议。

2 Z值及改进模型简介

2.1 Z值模型

1968年Edward Altman提出了Z值模型[4]，主要用于破产预测。Edward运用数理统计中的辨别分析技术研究1946-1965年规模相近的33家企业破产原因与财务指标之间的相关性，筛选出了5个能够显著反映借款人财务状况、最具有预测或者分析价值的指标，设计出了一个能够最大限度预测财务失败或者企业破产的判断函数，也用于区分贷款风险程度。

Z值模型的判断函数为：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中：X1的计算公式为营运资本/总资产;X2的计算公式为留存收益/资产总额;X3的计算公式为息税前利润/资产总额;X4的计算公式为股权市值/总负债;X5的计算公式为销售收入/总资产。

Z值模型的判断标准为：如Z值>2.99，公司财务状况较好，破产危机较小;1.81

2.2 Z值改进模型

Z值改进模型由张玲于2000年提出[5]，在原有Z值模型的基础上进行了改进。张玲运用数理统计中的判别分析法对国内沪、深两交易所14个行业中共计120家ST/非ST上市公司进行了研究，选择出了4个能够显著反映财务危机的财务比率指标，构建了4个变量的判断函数，用于评价公司财务状况及危机预警。

Z值改进模型的判别函数为：Z=0.517-0.46X1-0.388X2+9.32X3+1.158X4

其中：X1的计算公式为负债总额/总资产;X2的计算公式为营运资金/总资产;X3的计算公式为净利润/平均总资产;X4的计算公式为留成收益/总资产，其中留成收益为未分配利润与盈余公积的和。

Z值改進模型的判断标准为：如Z值>0.5，公司财务状况良好，倒闭风险较低;如Z值<0.5，公司财务状况较差，倒闭风险较高。

3 样本选择及实证分析

3.1 样本选择及数据来源

本文选择的研究样本是国内168家上市医药公司（非ST公司159家，ST公司9家）2015-2019年5年间的财务数据，并据此分别计算出Z值、Z值改进模型的Z值得分，比较2种模型的准确性。

本文研究样本的数据来源为国泰安（CSMAR）数据库。

3.2 Z值模型判断准确性分析

Z值模型计算结果中：2015-2019年之间的非ST处于安全区的比重如表1所示，5年间非ST公司处于安全区的个数为451个，占样本总数的56.73%;2015-2019年之间的ST处于危机区的比重如表1所示，5年间ST公司处于危机区的个数为25个，占样本总数的55.56%。

3.3 Z值改进模型判断准确性分析

Z值改进模型计算结果中：2015-2019年之间的非ST处于安全区的比重如表2所示，5年间非ST公司处于安全区的个数为695个，占样本总数的87.42%%;2015-2019年之间的ST处于危机区的比重如表2所示，5年间ST公司处于危机区的个数为19个，占样本总数的42.22%。

3.4 Z实证分析结果

3.4.1 Z值模型

根据实证分析结果及客户真实财务状况情况相对比，客户实际状态被Z值模型准确或误判的具体情况如表3所示。

根据客户状态判别准确率的公式[6]，Z值模型判别正确率的计算公式为：

正确率=                            （1）

将表3中Z值模型判别客户实际状态正确的值代入公式（1）可得：

Z值模型对2015-2019年间国内168家上市医药公司财务状况判断准确率分别为63.29%、63.92%、57.59%、60.13%、56.33%，准确率较低。

3.4.2 Z值改进模型

根据实证分析结果及客户真实财务状况情况相对比，客户实际状态被Z值改进模型准确或误判的具体情况如表4所示。

将表4中Z值改进模型判别客户实际状态正确的值代入公式（1）可得：

Z值改进模型对2015-2019年间国内168家上市医药公司财务状况判断准确率分别为90.51%、93.67%、91.77%、90.51%、85.44%，准确率较高。

综上，Z值改进模型对医药制造业上市公司客户财务状况判别准确率较高，适合商业银行作为医药制造业上市公司信贷客户选择模型。

4 Z值改进模型X值描述统计

根据Z值改进模型对2015-2019年间医药制造业财务状况风险测量结果可知，医药制造业企业发生财务危机的可能性不断增大。通过描述统计2015-2019年间Z值改进模型X值的变化情况分析产生财务风险的具体原因。

最大值变化趋势如图1所示。最小值变化趋势如图2所示。平均值变化趋势如图3所示。标准差变化趋势如图4所示。

由图1～图4可知，X值整体平均值较低，2015-2019年间，X1的最小值、平均值稳中有升，标准差变化比较平缓，表明该行业的整体负债率有所提升，且企业间负债增加的差异较小，应重点关注资产负债率较高的企业。X2的最大值变化较为平缓，最小值波动较大，平均值稳中有降，标准差有所下降，表明该行业整体营运能力有所下降，底部企业营运资金周转较为紧张。X3的最大值、最小值稳中有降，平均值一直处于较低水平，标准差稳中有升，表明该行业盈利水平下降，利润空间逐步压缩。X4的最大值、平均值较为平缓，最小值稳中有升，标准差稳中有降，表明该行业整体有利润留存。

5 商业银行医药制造业上市公司客户选择建议

根据Z值改进模型X值描述统计可知，医药制造业整体财务状况较差，公司出现财务危机的可能性逐年增加，所以商业银行在医药制造业上市公司客户选择过程中应高度关注其财务风险问题并注重挖掘业务机会。

5.1 高度警惕高负债企业

由X1、X2分析结果可知，医药制造业企业的资产负债率逐年提升，营运能力有所下降。在此背景下，部分高负债率的底部企业易产生因营运资金不足导致资金链断裂，生产无以为继，出现资不抵债的现象，商业银行在选择信贷客户时应引起高度关注。

5.2 加大创新型企业支持力度

由X3分析结果可知，传统医药制造业的利润空间在逐步压缩，商业银行可加大对该行业创新企业的支持力度。创新行业的发展特性决定着其对资金、技术和市场等有较高的内在要求，同时，创新型企业利润水平较高，如企业存在盘活既有高额投资产品，并用于弥补新产品研发的多方面需求，可以基于知识产权等核心资产，由商业银行通过投资银行、信贷等多种方式给予支持。

5.3 加强与头部重点客户的资本市场合作

由X2、X4可知，医药制造业头部重点客户的营运资金充裕，且留存收益有所提升，客户营运能力、偿债能力稳中有升，可重点营销。商业银行可以结合医药制造行业有关政策对符合条件并有意向资本市场融资的头部重点客户提供支持。在抗疫期间，针对该领域企业的债券融资扶持政策可显著缓解医药行业相关企业的债务到期与再融资压力，商业银行可借助此次降成本与调整债务结构的有利契机，加大对上市医药企业的营销力度。

5.4 关注和挖掘科创板等上市需求

2018年香港交易所向未盈利的生物医药企业开通绿色上市通道。截至2019年7月末，包括歌礼、百济神州、华领医药等8家企业均成功登陆港交所。2019年7月，科创板开闸，心脉医疗、南微医学成为首批登陆科创板的医药股。商业银行可整合自身客户优势和渠道优势，积极关注、挖掘辖内医药行业优质公司或集团下属优质企业的上市需求。

5.5 运用Z值改进模型进行医药制造业上市公司客户选择

根据实证分析可知，相较于Z值模型，Z值改进模型对医药制造业上市公司的财务状况判断准确性更高。因此，商业银行可运用Z值改进模型对医药制造业上市公司进行客户选择，将相关指标代入Z值改进模型，若Z值大于0.6，则财务状况较好，可以选择为其提供信贷支持;若Z值在0.5至0.6之间，则企业财务状况处于危机边缘，需谨慎进行分析判断，审慎支持客户的融资需求;若Z值小于0.5，则企业财务状况处于危机状态，应拒绝为企业提供信贷支持。

【参考文献】

【1】杨雪燕，殷实，卞鹰.利用Z值模型评价我国医药上市公司财务状况的实证研究[J].中国药房，2016，27（07）：865-868.

【2】杨凡，卞鹰.中药上市企业财务风险现状及其影响因素分析[J].中国药业，2020，29（08）：56-60.

【3】赵悦.基于Z值模型的医药制造业上市公司财务风险评价研究[J].广西质量监督导报，2020（10）：125-126.

【4】Altman E I. Financial Ratios， Discriminant Analysis andthe Prediction of Corporate Bankruptcy[J].The Journal of Fi-nance，1968，23（4）：589-609.

【5】張玲.财务危机预警分析判别模型及其应用[J].预测，2000（06）：38-40.

【6】张奇，胡蓝艺，王珏.基于Logit与SVM的银行业信用风险预警模型研究[J].系统工程理论与实践，2015，35（7）：1784-1790.