【正文】 為此，國家相關部門與證券交易所應采取措施，出臺相關規(guī)定明確上市公司信息披露的質(zhì)量要求，并采取實時監(jiān)控、及時公布問題上市公司，加大對相關公司的懲戒力度，提高相關公司違規(guī)成本，從而制約部分上市公司及其中介機構的違規(guī)行為。我國的證券市場正處于發(fā)展階段，極易受國家政策法律、行業(yè)環(huán)境以及上市公司的經(jīng)營結構變化的影響而產(chǎn)生信用風險。從實證結果來看，對于因財務風險而導致的信用風險，模型能做出相當精準的預測；但對于其他問題引起的，例如由公司治理結構變化、兼并重組等原因引起的信用風險變化，模型誤判率會升高。第二，模型的運用效果并未因行業(yè)不同而產(chǎn)生差異，能夠適用于大多數(shù)的上市公司。同時結合目標公司中三家終止上市公司的情況，該三家公司均是因公司被吸收合并而終止上市，Z值并未體現(xiàn)其存在的信用風險問題。從下表的統(tǒng)計數(shù)據(jù)可以看出，在被處理的前一年Zscore模型的Z值的誤判率為5%，前兩年的誤判率為10%，前三年的誤判率為25%。交易狀態(tài)來看，正常上市的公司定義為0，被ST處理的定義為1，暫停上市定義為2。標準差（Std deviation）是測度數(shù)據(jù)離散程度的重要指標。本文基于2009年存在信用風險的公司名單，追溯目標公司近三年的內(nèi)的信用風險狀況，利用Zscore模型給予分析與評價。公司年度報告定期會在上海證券交易所公布，數(shù)據(jù)較易獲得。很可能正在走入破產(chǎn)。該指標可以衡量公司在競爭狀態(tài)下的管理能力和處理能力。新設立的公司該指標可能偏低，其由于經(jīng)營管理水平有限且資金不足，并未建立自身的積累，當遇到經(jīng)營風險易導致經(jīng)營失敗。 Zscore模型判別式Altman在1968年提出的Z值多元判別的公式如下：Z＝X1＋X2＋X3＋X4＋X5 （）同時Altman對于每個指標的實際含義做出了細化的界定與解釋?，F(xiàn)代信用風險管理理論以信息經(jīng)濟學為基礎，從微觀層面上分析信用風險產(chǎn)生的機制，信息不對稱與信息不完全對于信用風險有著重要的影響。前者主要產(chǎn)生于商業(yè)銀行的貸款及衍生交易中，后者主要與債權相聯(lián)系。同時，也有學者在研究中指出了Zscore模型運用中的缺陷和運用中注意點。李衛(wèi)兵與胡紅菊在研究中發(fā)現(xiàn)，Zscore模型在我國有一定適用性，其風險區(qū)域劃分基本適用于我國但仍應根據(jù)我國實際作出一定的調(diào)整，并可考慮引入資本市場指標以完善體系，提高預測精準度；同時，Zscore模型在運用中Z值的大小與上市公司的財務狀況好壞成正比[5]。Altman的研究結果表明，表明企業(yè)的財務狀況良好，發(fā)生破產(chǎn)的可能性較小，銀行的信貸資產(chǎn)是有保障的；，表明企業(yè)存在較大的破產(chǎn)風險，銀行信貸資產(chǎn)面臨較大風險；—，表明企業(yè)財務狀況不穩(wěn)定，Altman稱之為“灰色區(qū)域”[1]。由于對低信用群體和高風險領域采取相對寬松的信用準入制度，信貸資金大量流入埋下了危機的隱患。新形勢下的信用風險特點對信用風險管理提出了新的要求，信息技術的發(fā)展拓寬了獲取信息的渠道、增加了分析數(shù)據(jù)處理數(shù)據(jù)的方法。對于Zscore模型對于公司信用風險預測精準度，主要存在以下兩種觀點：第一，認為Zscore模型有著相當高的預測精準度以及所具有的使用簡便的特點應得到廣泛的使用。劉鑫認為Zscore模型在對我國股票市場上不同檔次經(jīng)營業(yè)績水平上市公司的信用風險度量中上市公司的業(yè)績水平基本上與其信用風險水平成反比[6]。黃小舟在文章中指出Zscore模型應用中的缺陷主要來源于五點：數(shù)據(jù)來源的可靠性、各變量對變化的敏感性、模型的有效性、不同變量的環(huán)境適應性以及假設前提的正確性[11]。從組成來看，信用風險損失由兩部分組成，一部分是違約損失，表現(xiàn)為資金提供者所持有的債權合約或有合約不能得到對方的履行或完全履行，導致債權人資產(chǎn)的損失?，F(xiàn)代信用風險分析更為注重對信息的掌握和提煉，并運用適當?shù)墓ぞ邚亩康慕嵌葋砀鼮闇蚀_地識別和度量風險。并在文章中指出了這些指標設置的具體目的和作用。X3用以衡量在除去稅或其他杠桿因素后公司資產(chǎn)真實的生產(chǎn)能力，即公司的盈利能力。此比率是相當重要的，因為它獨立于其他的變量，對整個模型的判別能力和貢獻，其居第二[16]。很難恢復過來 將Zscore模型作為研究方法的原因本文基于上述原因選擇Zscore模型作為現(xiàn)階段我國上市公司信用風險度量的研究對象。第二，模型采用的是多元判別式進行判定，有較強的客觀性和操作性。 研究數(shù)據(jù)來源本文的研究數(shù)據(jù)來源于CCER數(shù)據(jù)庫以及上海證券交易所2007年—2009年的年報與公告。是個單位標志值與其算數(shù)平均數(shù)的離差平方的算數(shù)平均數(shù)的平方根，又稱“均方差” 趨勢分析通過分析上市公司幾年的統(tǒng)計數(shù)據(jù)，確定個項目的增減變動及發(fā)展趨勢，并對各項目在未來可能出現(xiàn)的結果做出預測的一種分析方法。 均值分析利用均值分析的原理，本文分別計算了四類公司T年、T1年、T2年與T3年的平均值、中位數(shù)、最大值、最小值、標準差，并對通過數(shù)量統(tǒng)計歸類得出了Z值運用于我國上市公司預測的準確性?？梢奪score模型在運用中有明顯的時間性的特征，模型在越接近風險發(fā)生年，預測精準度越高；反之，預測精準度降低。 被處理原因分類Z值的范圍劃分Z﹤≦Z﹤Z≧公司數(shù)量比率（%）公司數(shù)量比率（%）公司數(shù)量比率（%）財務問題2080416%14%法律糾紛11000000公司重整250125%125%其他1100%0000 趨勢分析本文通過對在2009年被暫停上市公司為樣本，觀察其被處理前三年的交易狀態(tài)與Z值變化趨勢，發(fā)現(xiàn)Z值普遍存在先遞減后遞增的情況。通過實證結果發(fā)現(xiàn)，Zscore模型的判別式在我國運用，并未出現(xiàn)只能用于對制造型公司的信用風險評估而不適用與其他非制造型企業(yè)，這為Zscore模型在我國除金融類上市一般上市公司中廣泛運用評估信用風險提供了良好的基礎。5 Zscore運用于我國上市公司信用風險評估的建議在上文的研究中，Zscore模型運用與我國上市公司主要存在受時間影響，對非財務原因引起的信用風險準確性下降，常有奇異值出現(xiàn)等問題，為使Zscore模型在我國上市公司信用風險評估中更好的運用，現(xiàn)提出建議如下： 探索合乎我國實際的Zscore模型指標體系和變量計算方法Zscore模型在我國上市公司信用風險評價中的預測精準度較高，但常有奇異值出現(xiàn)，這與變量計算公式的處理不無關系。故單純的運用Zscore模型現(xiàn)有的評價指標來衡量我國上市公司的信用風險，會在一定程度上