一、引言
陜西省地處我國內陸，以能源化工為產業結構主導，是西三角經濟區的重要組成部分。程博（2009）研究認為，與發達地區相比，從資產總額、負債總額、總股本數量來看，陜西省上市公司規模不均衡，并且負債規模較大，加大了企業財務風險和經營風險，并且整體盈利能力不強，被特別處理的上市公司數量相對較多。隨著陜西省產業結構演變呈現第一產業比重下降，第二產業比重持續增長，第三產業先升后降的新特點，以能源化工業、建筑業、裝備制造業和高技術產業等為核心的支柱產業日益成為陜西經濟的重要依托（八大支柱產業占GDP比重情況見圖1），裝備制造業以成為陜西省工業第三大支柱產業。截止2010年12月31日，陜西省共有30家上市公司。其中，裝備制造業上市公司共有11家（見表1）。隨著裝備制造業在陜西省地位越來越重要，其面臨的機會和風險也越來越大，尤其是眾人矚目之下的上市公司，為了利潤目標，更可能付出巨大風險代價。在復雜的經營環境中，陜西省裝備制造業上市公司如何及時發現財務危機的征兆，防患于未然，是經營者最為關心的財務問題之一，同時廣大股東和債權人也需要趨利避害，將風險和損失降到最低，因此，如果能在企業財務狀況剛剛出先危機征兆之時就發現并采取有效措施，就可以使眾多企業免受更大損失，避免陷入困境甚至破產。
二、財務預警模型
（一）Z計分模型 國外關于財務預警模型的研究起步較早，比較著名的是美國學者愛德華・阿爾曼（Edward Altman）的Z計分模型。Altman認為，企業資金鏈的中斷導致企業無力償還到期債務，是企業破產的重要因素。企業的財務狀況從正常轉到破產清算這個過程中，反映在財務環節中的信號是可以預測的。1968年，Altman首次將多元線性判別方法引入到財務危機預警領域，利用數理統計方法，根據誤判率最小原則，建立了“Z計分模型”。判別函數為：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5。
其中: X1=（ 期末流動資產-期末流動負債） /期末總資產， 反映了企業資產折現能力和規模特征，營運資本下降，通常預示著企業會出現短期償債困難；X2=期末累計未分配利潤/期末總資產，反映累積獲利能力；X3=息稅前利潤/期末總資產，往往是財務失敗最有利的依據之一；X4=期末股東權益/期末總負債，測定的是企業的財務結構；X5=本期銷售收入/期末總資產，反映的是企業運用資產以產生銷售收入的能力。通過對Z計分模型的研究分析，Altman認為，Z值越小，企業遭受財務失敗的可能性就越大。Altman 還提出了判斷企業破產的臨界值: Z 值大于2.675 時， 表明企業的財務狀況良好， 破產可能性極小； 當Z 值小于1.81 時， 表明企業存在很大的破產危險；當1.81 （二）F分數模型 我國對于企業財務危機預警的相關研究比較晚，與國外研究相比存在著較大的差距，但國內學者結合我國實際，運用多種方法進行探索，取出了很多重要成果。周首華、楊濟華和王平（1996）以Altman的Z分數模型為基礎對Z模型進行改進，把現金流量加入預測公司破產的有效指標，建立了F分數模型：F=- 0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+0.4961X5。
其中:X1、X2 和X4與Z分數的計算方法相同。該模型中現金流量是根據財務管理中長期投資決策中所用到的稅后凈現金流量計算辦法，即:營業現金流量=稅后凈利潤+折舊， 假設只有折舊為非付現費用。 X1=（期末流動資產-期末流動負債）/期末總資產，反映了企業資產折現能力和規模特征。營運資本下降，通常預示著企業會出現短期償債困難；X2=期末累計未分配利潤/期末總資產，反映累積獲利能力；X3=（稅后凈利潤+折舊）/平均總負債，衡量企業所產生的全部現金流量可用于償還企業債務的能力；X4=期末股東權益/期末總負債，測定的是企業的財務結構；X5=（稅后凈利潤+利息+折舊）/平均總資產，測定的是企業總資產在創造現金流量方面的能力（其中的利息是指企業利息收入去利息支出后的余額）。F分數模型的臨界點為0.0274，若的F分數值低于0.0274，則預測為破產公司；反之，若F分數值高于0.0274，則被預測為繼續生存公司。F分數模型的數值在其臨界點上下0.0775內（即-0.0501~0.1049）為不確定區域，在此區域內有可能把財務危機公司預測為繼續生存公司，或將繼續生存公司預測為財務危機公司，需要進一步進行研究分析。
（三）模型公式解釋及調整 鑒于我國上市公司具體情況，Z計分模型的X2指標中期末累計未分配利潤即留存收益，可通用（盈余公積+未分配利潤）計算取得，X3指標中息稅前利潤可以通過（利潤總額+財務費用）計算取得，因而本文采用的Z計分模型：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
指標進一步解釋調整為：X1=（期末流動資產- 期末流動負債） /期末總資產；X2=期末累計未分配利潤/期末總資產=留存收益/期末總資產=（盈余公積+未分配利潤）/期末總資產；X3=息稅前利潤/期末總資產=（利潤總額+財務費用）/期末總資產；X4=期末股東權益/期末總負債；X5=本期銷售收入/期末總資產；同理，F分數模型的X3指標中（稅后凈利潤+折舊）可以用經營現金凈流量表示，平均總負債用（（期初總負債+期末總負債）/2）表示，X5指標中利息無法直接取得，（稅后凈利潤+利息+折舊）可以用（營業現金流量+財務費用）表示，平均總資產用（（期初總資產+期末總資產）/2）表示，本文采用的F分數模型：F=-0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+
0.4961X5
指標進一步解釋調整為：X1=（ 期末流動資產-期末流動負債） /期末總資產；X2=期末累計未分配利潤/期末總資產=每股未分配利潤*總股數/期末總資產；X3=（稅后凈利潤+折舊） /平均總負債=營業現金流量/（（期初總負債+期末總負債）/2）；X4=期末股東權益/期末總負債；X5=（稅后凈利潤+利息+折舊） /平均總資產=（營業現金流量+財務費用）/（（期初總資產+期末總資產）/2）
三、實證分析
（一）樣本選取和數據來源 本文選取陜西省裝備制造業上市公司11只股票作為樣本，其中2支*ST股票，9支普通股票，ST（Special treatment）指“特別處理”，*ST指公司經營連續三年虧損，退市預警。本文假設*ST股票具有較大的財務風險，計算出的Z值較大。擬根據11家上市公司2009年12月31日資產負債表、利潤表、現金流量表的數據計算模型中的指標值，分別對Z計分模型和F分數模型進行實證分析。本表數據均來自巨潮信息網http://www.cninfo.com.cn/。
（二）描述性統計 相關財務指標的描述性統計見（表2）所示。
（三）Z計分模型對陜西省裝備制造業上市公司財務預警的驗證 根據樣本公司財務數據表數據及Z計分模型公式，利用Excel表格可以計算相關指標，同時，Z 值大于2.675 時， 表明企業的財務狀況良好， 破產可能性極小；當Z值小于1.81時，表明企業存在很大的破產危險；當1.81 （四）F分數模型對陜西省裝備制造業上市公司財務預警的驗證 根據樣本公司財務數據表數據及F分數模型公式，利用Excel表格計算出相關指標，同時，若的F分數值低于-0.0501，則預測為破產公司；反之，若F分數值高于0.1049，則被預測為繼續生存公司，數值在-0.0501~0.1049之間為不確定區域，據此判斷樣本公司財務狀況。詳見（表3）。
（五）Z計分模型與F分數模型結果對比分析 分別用1、0、-1來表示財務狀況從良好到不穩定，進而到破產危險，或從繼續生存到不確定，進而到破產，并檢驗兩模型結果類型是否一致，假設被特殊處理公司為-1，正常公司為0或1，據此檢驗與上市公司實際情況是否一致。見（表5）。Z計分模型和F分數模型在陜西省11家裝備制造業上市公司計算的預警結果顯示有6家結果一致，占54.54%，在5家不一樣的結果中，除了*ST建機，F分數模型結果顯示的財務狀況均比Z計分模型結果顯示的財務狀況好一個等級。在與上市公司實際情況對比中，Z計分模型有6個結果一致，5個結果不一致，正確率54.54%，F分數模型有9個結果一致，3個結果不一致，正確率66.67%。在與實際情況不一致的結果中，兩模型結果一致強烈地顯示彩虹股份、烽火電子財務狀況惡化，有破產危險，從一定程度上可以發現兩家上市公司的財務風險隱患，亟需采取相應措施。而事實上，烽火電子財務狀況極不穩定，經常被特殊處理。
四、結論
通過Z計分模型和F分數模型在陜西省裝備制造業上市公司的實證研究，分析可得以下結論：第一，F分數模型較Z計分模型檢驗結果較為緩和。從兩模型對比檢驗表中可以看出，Z計分模型和F分數模型在5家不一樣的結果中，除了*ST建機，F分數模型結果顯示的財務狀況均比Z計分模型結果顯示的財務狀況好一個等級，因此可以判斷F分數模型較Z計分模型檢驗結果較為緩和。第二，F分數模型較Z計分模型更適合樣本公司財務預警。通過結果對比驗證，Z計分模型正確率達54.54%，F分數模型正確率達66.67%，可見，對于陜西省裝備制造業上市公司，加入了現金流量因素的F分數模型比較Z計分模型，財務預警效果更加明顯。不過，兩模型正確率都低于80%，都無法精準地預測陜西省裝備制造業上市公司的財務風險，應考慮深入探究準確率更高，更加適合陜西省裝備制造業上市公司的財務預警模型。第三，部分公司存在較大財務隱患。從驗證分析中可得，Z計分模型和F分數模型的數值結果均強烈顯示彩虹股份、烽火電子存在較大財務風險，雖然暫時沒有被公開處理，但是兩公司應引起注意，及時采取有力措施來降低財務風險，防患于未然，這也是財務風險預警研究的重要目的。本研究也存在一定局限性，由于客觀原因，陜西省裝備制造業僅有11家上市公司，即樣本數量有限，而且采用的平面數據，可能存在偶然因素的影響，使結果準確度不夠。如何克服這些局限性，需要進一步探索。
