基于Z模型的上市物流企业财务风险评价研究

□ 李诗瑶

(上海工程技术大学 管理学院，上海 201620)

新时代下，我国社会主要矛盾已经发生了变化，人民对美好生活需求日益增长，消费规模进一步扩大，服务需求更加多元，这对中国的贸易和物流业提出了更高的要求，也为其为发展提供了更广阔的市场。2017年1月19日，商务部等五部门联合发布了《商贸物流发展“十三五”规划》，为进一步促进我国物流业健康发展，提高国民经济质量和效益，稳步快速发展提供有力支撑。

物流业作为我国的新兴行业，其发展受到国家政策的大力支持，同样也面临着诸多挑战：资源和环境约束加强，劳动力和租金成本急剧上升，标准化、信息化和绿色化发展任务艰巨。居民各类消费支出在总消费支出中结构不断升级、层次不断提高，要求物流服务更加精细化、个性化和专业化。同时，经济全球化、区域经济一体化也给物流企业带来全新的挑战，传统物流企业在激烈的竞争下不断寻求新的经营模式。

在此背景下，关注物流业上市公司面临的财务风险，并对其进行评价，这对其健康发展起到关键性的作用，符合党中央关于提升物流发展水平，建立完善的现代物流服务体系，为全面建设小康社会提供物流服务保障的指导思想。本文采用Z-Score财务风险预警模型作为研究工具，对39家物流样本公司的财务风险进行了实证研究，并就如何进一步降低我国物流业的财务风险提出了相应建议。

1 研究对象与数据来源

1.1 研究对象

《物流企业分类与评估指标》将物流企业定义为至少从事运输(包括运输代理、货物快递)或仓储一种经营业务的经济组织，并可以根据顾客的需求组织和管理一系列包装、配送等流程，同时具有相应的信息管理系统，能够进行独立核算，并独立承担民事责任。

根据以上定义，本文以2016-2018年在上海和深圳证券交易市场A股上市的物流公司作为研究对象。剔除ST、*ST企业、2016年之后上市的公司以及2016-2018年之间停牌的公司，最终选取了39家物流上市企业作为样本公司。

1.2 数据来源

本文研究所用的财务数据来源于锐思金融研究数据库。在计算所有者权益市值时，每股市价均取自上市公司当年最后一天的收盘价。

2 研究方法-Z模型原理

本文选取美国经济学家Edward Altman于1968年建立的Z-Score财务风险预警模型，对39个样本进行财务风险评估研究。Z-Score财务风险预警模型，即Z模型，是Altman选取了1946至1965年期间33家申请破产的公司和33家正常经营的公司进行对比研究后所提出来的数学模型，用来对企业的财务风险进行预测。该模型是由多个财务指标变量组成的多元线性函数，这些指标加权汇总所产生的判别分数就是Z分数。通过Z分数可以分析公司的财务状况，并对公司在未来两年内破产的可能性进行预测与判断。实际研究表明，Z模型的预测精度高达72%-80%，已被广泛应用。该模型详细公式如下:

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中:

X1=营运资金/资产总和=(流动资产-流动负债)/资产总和

X1反映了该企业的短期偿债能力和公司规模，数值越大则短期偿债能力越强。

X2=留存收益/资产总和=(未分配利润+盈余公积)/资产总和

X2反映了企业积累的利润和经营年限。

X3=息税前利润/资产总和=(利润总和+财务费用)/资产总和

X3反映了企业的盈利能力。

X4=所有者权益市值/负债总和=(每股市价×股本总数)/负债总和

X4反映了企业股东资本与债权人资本的比例关系，体现了企业的资本结构。

X5=营业收入/资产总和=主营业务收入/资产总和

X5反映了企业产生收入的能力。

根据实证研究，Altman通过该模型计算了申请破产的公司和正常运营公司的Z值，结果发现，Z值越小公司出现财务风险的可能就越大，越有可能破产；Z值越大则表明公司的运营越顺畅，破产的几率越小。当Z值小于1.81时，此时的财务风险很高，很可能发生破产；当Z值介于1.81和2.675之间时，此时企业财务状况不太稳定，很可能出现财务危机，需要企业引起重视并采取必要的措施来改善其财务状况，否则会有破产的风险；当Z值大于2.675时，说明企业财务状态良好，基本不会发生破产。

3 研究结果-实证分析

3.1 Z值的计算

本文采用Z-Score财务风险预警模型计算了39家样本物流上市公司的Z值。具体Z值选取了2016至2018年三年的财务数据进行分析。计算结果如表1所示。

表1 2016-2018年具体Z值计算结果

3.2 Z值结果分析

3.2.1 Z值的平均值与Z值分布的分析

由表1可以算得这39家样本物流公司Z值的均值，2016年是4.7210，2017年是4.0549，2018年是2.9565，可以看出近三年来物流行业的Z值均大于临界值2.675，但同时也有下降趋势，说明总体上近三年的物流上市公司发生财务风险的概率较低。分别来看，2016年Z值的极大值17.2402与极小值0.4161的全距为16.8241，2017年Z值的极大值14.3236与极小值0.5108的全距为13.8128，2018年Z值的极大值7.6089与极小值0.4161的全距为7.1928，说明不同的物流上市公司的财务风险状况差异较大，但差距在不断缩小。根据Z值的临界值，对39家样本物流上市公司的Z值进行了分组统计，如表2所示。

表2 Z值的分布

从表2可以看出，在39家物流样本公司中，2016年至2018年平均有9家公司的Z值小于1.81，平均占公司总数的23.08%，存在较高的财务风险，应引起企业的重视。另外有8家企业的Z值介于1.81和2.675之间，占公司总数的20.51%，公司财务的状态变动性较强，很可能出现财务风险。还有平均22家企业的Z值大于2.675，占公司总数的56.41%，公司财务状况安全，发生财务风险的几率较低。从Z值的分布可以看出，超过半数的公司财务状况是相对安全的。

3.2.2 变量X对Z值的具体影响分析

以上分析表明，我国物流上市公司的Z值的均值大于2.675，整体Z值较高。为进一步探究变量X对Z值的具体影响，本文选取了39家样本物流企业2018年X值的具体数据，如表3所示，并对其进行了描述性统计，具体结果如表4所示。

表3 2018年39家样本公司的X值

表4 2018年各X值的描述性统计

从表3和表4可以看出，2018年39家样本公司的X1整体偏小，其中有9家公司出现了负值，说明这9家公司的短期偿债能力较差，有可能面临债务危机；两个代表利润与总资产比例的变量X2、X3也整体偏小，有3家公司的X2出现了负值。X3的平均值、标准差和方差是五个变量中最小的，说明物流上市公司的X3值普遍较小，且离散度不高，表明整个物流业的盈利能力都相对偏低；五个X变量中X4的平均值、标准差和方差是最大的，这说明39家物流上市企业Z值整体较高的原因是变量X4较大所引起的，但不同公司之间X4的差异也较大，说明Z值的大小差异也主要是由X4带来的；X5代表企业创造收入的能力，不同企业能力不尽相同，但整体较为稳定。

4 结论及建议

根据上述研究结果，2016年至2018年39家样本物流上市企业的平均Z值大于2.675，表明我国大部分物流上市公司的财务状况相对安全，发生财务风险可能性低，破产几率也较低，但也有部分公司财务状况不佳，需要采取必要措施防范财务风险的发生。

根据对Z模型中五个变量的具体分析，发现物流行业盈利能力普遍偏低。在Z模型当中，X3的系数为3.3，是五个变量中最大的，若提高X3则能够明显提升Z值的大小。因此物流行业应多加关注企业盈利能力的提高。39家样本公司整体Z值较高是由于X4较大所引起的，X4作为所有者权益市值与负债总和的比值，其数值体现了企业的资本结构，X4较大表明我国物流上市公司整体上债务比率低，财务政策相对稳定。但也正因如此，企业债务资本所带来的财务杠杆效应不佳，影响企业的盈利能力。目前我国物流行业发展前景良好，国家政策支持力度不断加强，同时央行存款准备金率一度下调，公司债务融资的成本进一步降低，因此对于那些目前偿债能力相对稳定的企业，可以适当增加债务融资来获得更多的杠杆收益，通过增加企业利润，降低财务风险。对于X1较低的物流公司，其短期偿债能力不佳，很可能会面临债务危机。这些企业可以通过转变经营模式，加强内部控制，降低经营成本等方法来改变企业现状。根据《2018年全国物流运行情况通报》，2018年社会物流总费用为13.3万亿元，与GDP的比重为14.8%，比上年同期增加了0.2个百分点。可以看出，我国物流行业的运营成本仍处于一个较高的水平。因此降低物流成本对整个行业来说都是可以降低财务风险的方式之一。在降低企业成本方面，不少企业发展出了许多互联网+物流的新模式，例如，“货车帮”、“生鲜电商+冷链宅配”等。传统物流公司通过大数据解决选址问题降低运输成本，与电商结合降低仓储成本，更加智能化和信息化的同时也增加了物流企业的竞争力，为整个行业降低财务风险提供了新思路。