Altman Z-Score：5 个比率预测破产的经典模型

1968 年，NYU Stern 商学院 Edward I. Altman 教授在《Journal of Finance》发表了一篇后来被引用 超过 25,000 次 的论文《Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy》^[1]。论文用多元判别分析（Multiple Discriminant Analysis, MDA）从 22 个候选财务比率中筛选出 5 个最具判别力的比率，加权得到一个综合分数 — 这就是 Altman Z-Score。

Altman 在 1946-1965 年间收集 33 家破产 美国制造业公司，配对 33 家同行业同规模的正常公司，估计判别函数。结果惊人：在破产前 1 年，Z-Score 模型的预测准确率达到 95%；破产前 2 年 仍有 72%^[1]。这一发现奠定了量化信用风险的基础，至今仍是 S&P、Moody's、Bloomberg 等信用评级机构的核心参考指标之一^[2][3]。

本文从模型起源、5 项比率详解、三种公式（Z / Z' / Z''）、Lehman Brothers + 中国 ST 海航双案例、与 Piotroski F-Score / Beneish M-Score 对比、失效场景、操作要点、FAQ 八层展开。

一、Altman Z-Score 是什么：多元判别分析的胜利

Altman 的研究背景值得回顾。1960 年代之前，信用风险评估主要依赖单一财务比率（如流动比率、负债率）和定性判断。Altman 的核心创新有三^[1][2]。

第一，多元而非单一。单一比率（如流动比率）容易被特定的财务安排掩盖，多元组合可以捕捉公司财务健康的多维特征。

第二，用判别分析估计权重。MDA 是一种统计方法，最大化两组（破产 vs 正常）之间的方差比，从而找到 5 个比率的最优加权。每个权重不是 Altman 拍脑袋定的，而是数据驱动。

第三，给出明确阈值。Z > 2.99 为安全区（Safe Zone）、1.81 ≤ Z ≤ 2.99 为灰色区（Gray Zone）、Z < 1.81 为危险区（Distress Zone）。阈值由原样本的最优分类边界确定^[1]。

需要观察的是：Altman 自己在论文结论中明确说明，Z-Score 是 『2 年内破产』预测工具，而非『未来某天破产』。模型对 1-2 年内陷入财务困境的公司预测力强，超过 3 年准确率快速衰减^[1][3]。这一时间窗口的限制后来成为很多误用案例的根源。

二、5 项比率详解：每项都覆盖一个财务维度

原始 Z-Score 公式 Z = 1.2×X1 + 1.4×X2 + 3.3×X3 + 0.6×X4 + 1.0×X5。5 项比率与权重如下^[1]。

每项比率背后都有清晰的财务逻辑^[1][2][3]。

X1 营运资本 / 总资产：捕捉短期流动性。营运资本（流动资产减流动负债）为负，意味着公司无法用流动资产覆盖短期负债，是流动性危机的早期信号。

X2 留存收益 / 总资产：这是一个被低估的变量。留存收益既反映累积盈利能力，又隐含公司年龄 — 新公司没时间积累留存收益，Altman 认为新公司本身有更高破产风险，X2 自然把年龄风险定价进去。这也是为什么科技初创公司用 Z-Score 容易被误判。

X3 EBIT / 总资产（权重 3.3，最高）：资产的真实盈利能力。Altman 用 EBIT 而非净利润，是为了剥离税务和资本结构影响。权重 3.3 反映 Altman 的核心信念：一家公司能否避免破产，最根本的是资产能否产生足够的运营利润^[1]。

X4 市值 / 总负债账面价值：唯一含市场数据的变量。市值反映市场对未来偿债能力的综合判断（如果市场觉得公司要破产，股价跌、市值低、X4 低）。这也是 Altman 在 1983 年提出 Z' 公式（把 X4 改为账面价值）以适用非上市公司的原因。

X5 销售 / 总资产：资产周转效率。低 X5 意味着资产闲置、回报率低。Altman 在 1995 年的 Z'' 公式中去掉了 X5，因为不同行业的资产周转率差异过大（零售业 X5 可能 > 3，资源股 X5 可能 < 0.3），不利于跨行业比较^[2]。

三、三种公式对比：Z / Z' / Z'' 的适用范围

Altman 在原始 Z 公式之后陆续提出两个改进版本，覆盖更广的应用场景。三个公式的差异如下^[1][2][3]。

三个公式的核心差异在两点^[2][3]。

第一，X4 是否用市值。原版 Z 用市值（X4 = 市值/总负债），但很多公司未上市或市值不可靠。Altman 1983 年发布 Z' 时把 X4 改为账面权益/总负债，让模型可以用在所有公司。代价是 X4 失去了「市场对偿债能力的判断」这一信号维度。

第二，是否含 X5。Z'' 去掉了 X5（销售/总资产），原因是非制造业（特别是服务业、金融、贸易）的资产周转率与制造业差异过大，X5 跨行业可比性差。去掉 X5 后，Z'' 在非制造业 + 新兴市场（包括中国 A 股）上效果更稳定^[2][3]。

实操建议：上市美股制造业用原版 Z；非上市制造业用 Z'；非制造业 + A 股 + 港股用 Z''。Altman 后期在多篇综述中明确推荐 Z'' 作为通用版本^[2][3]。

四、案例一（美股破产）：Lehman Brothers 倒闭前的 Z-Score 轨迹

雷曼兄弟（Lehman Brothers）于 2008 年 9 月 15 日申请破产保护，是金融危机最经典的破产案例。但 Lehman 是投行（金融行业），原版 Z-Score 不直接适用 — 需要用 Z'' 或其他金融机构专用模型^[4]。这里我们用 Z'' 公式对 Lehman 2005-2007 年报数据打分（数据来源：Lehman 10-K）^[4]。

Lehman 在 2005-2007 年的 Z''-Score 长期处于 0.5-0.8 之间，远低于 1.10 的危险区阈值。这意味着 Z''-Score 早在破产前 3 年 就持续发出预警。到 2008 年 Q2，EBIT 转负、Z''-Score 跌至 −0.06，预警信号已经非常明确^[4][5]。

需要说明的是：Lehman 的 Z-Score 长期低，本质原因是高杠杆 + 低净资产/总资产比（典型投行特征，总资产 6914 亿、净资产 225 亿、杠杆 30 倍）。X1 营运资本/总资产、X2 留存收益/总资产在投行行业普遍偏低。但 Z-Score 的真正信号不是绝对值，而是 趋势 — Lehman 的 Z''-Score 从 0.83 → 0.71 → 0.50 → −0.06 持续恶化，趋势比绝对值更有诊断力^[5]。

同期对比：高盛（GS）2005-2007 年 Z''-Score 维持 0.9-1.1（也是高杠杆但盈利更强），摩根士丹利（MS）维持 0.7-0.9。Lehman 在三大投行中 Z-Score 最低、下降斜率最陡 — 这是相对排序而非绝对值的诊断力^[4]。

五、案例二（A 股 ST）：海航控股 600221 的 Z''-Score 演变

海航控股（600221.SH）是 A 股最具代表性的破产重整案例之一。2021 年 1 月 29 日海航集团向法院申请破产重整，海航控股股票于 2021 年 2 月 10 日起被实施退市风险警示（*ST 海航），2022 年 4 月撤销退市风险警示恢复为 ST 海航，2023 年 5 月 17 日撤销 ST 标识^[6]。

用 Z''-Score 公式（A 股非制造业适用）对海航控股 2017-2020 年报数据打分^[6]。

解读非常清晰^[6]：

FY2017（Z'' = 0.59）：已经远低于 1.10 危险区阈值。当时海航集团激进并购（2015-2017 累计海外并购 500 亿美元）导致负债快速膨胀，营运资本已经为负（−167 亿）。Z'' 已经在 被 ST 前 4 年 发出预警。

FY2018（Z'' = 0.20）：所有变量同步恶化，X3 EBIT/总资产 从 0.026 降至 0.014，营运资本缺口扩大到 −215 亿。市场也开始反应（股价从 5.5 元跌至 3 元）。

FY2019（Z'' = −0.26）：留存收益首次为负，意味着累计亏损吃光了过去的留存。Z'' 转负意味着模型已经几乎确定破产即将发生。

FY2020（Z'' = −4.06）：净资产 −326 亿（资不抵债），EBIT −579 亿，X1、X2、X3、X4 全部为负 —— Z'' 已经塌陷。2021 年 1 月正式申请破产重整。

这是 Z''-Score 在 A 股的典型成功应用：从 2017 年报披露（2018 年 4 月）到 2021 年 1 月破产重整，Z'' 提供了 3 年预警窗口。需要观察的是：Z''-Score 不能告诉你确切的破产日期，但持续低于 1.10 + 趋势恶化的组合，是高度可信的财务困境信号^[6][7]。

类似案例：A 股近 5 年中，ST 鹏起、ST 工智、ST 中天等公司在被 ST 前 2-3 年 Z'' 均已跌入危险区。Z''-Score 不是预测 ST 的唯一信号，但与Piotroski F-Score、应计利润质量组合使用时，召回率（在 ST 前提前识别）显著提升^[5][7]。

六、与 Piotroski F / Beneish M 对比：三模型互补

Z-Score 不是唯一的量化财务模型。市场上常被一起提到的还有 Piotroski F-Score（质量改善方向）、Beneish M-Score（盈利操纵检测）。三者目标和适用场景不同^[2][5][8]。

三者实际上是 互补关系，分别覆盖不同的财务病理^[2][5][8]。

组合一：Z-Score + Piotroski F-Score。Z-Score 排除潜在破产标的（Z'' < 1.10 或 Z < 1.81），剩余股票池再用 Piotroski F-Score 选质量改善标的。这是 AAII（American Association of Individual Investors）官方 Piotroski Screen 的标准前置步骤^[5][8]。

组合二：Z-Score + Beneish M。Z-Score 判断真实财务困境，Beneish M 判断是否有人通过财务造假掩盖困境。两者结合可识别「Z-Score 看起来正常但 M-Score 提示盈利操纵」的隐藏雷股（典型如康美药业造假期的财报）。

组合三：三模型同时使用。机构信用研究的标准做法是同时跑 Z-Score（破产风险）+ F-Score（质量趋势）+ M-Score（操纵嫌疑）+ Sloan 比率（应计质量），交叉验证。任何单一模型都有 20-30% 的误报率，组合使用可显著降低漏报^[5]。

七、Z-Score 的失效场景：金融 / 高成长 / 周期顶

Z-Score 不是万能。四类场景显著失效^[2][3][5]。

失效场景一：金融行业（银行 / 保险 / 券商）。金融机构的资产负债结构与一般企业差异巨大 — 银行 90%+ 资产是贷款和债券、负债 90%+ 是存款，营运资本（X1）的概念不适用，EBIT（X3）口径也不同。Lehman 案例之所以可用 Z''，是因为 Lehman 是投行而非商业银行，资产负债更接近一般金融企业。对商业银行更适合用 Texas Ratio、CAMELS 评级、CET1 资本充足率等专用工具。

失效场景二：科技 / SaaS 高成长公司。早期高成长公司常年累计亏损，X2 留存收益 / 总资产 为负，叠加股权融资稀释，Z-Score 系统性偏低。亚马逊 1999-2001 年 Z-Score 长期低于 1.5、Salesforce 2010-2014 年 Z-Score 在 1.5-2.5 区间徘徊、Zoom 2019-2021 年 Z-Score 1.0-2.0 — 这些公司当时都不会破产，反而是 10-30 倍长牛股^[3]。Z-Score 不适合用在持续股权融资 + 烧钱获客的科技公司。

失效场景三：周期顶部的资本密集行业。航运、煤炭、地产在景气高点 X3 EBIT/总资产 飙升、X5 销售/总资产 也飙升，Z-Score 大幅虚高。2021 年中远海控 Z-Score 一度超过 6（远超 2.99 安全线），但 2022-2023 年随集运运价回落，Z-Score 跌回 2.5 附近。Z-Score 与质量投资体系的 ROIC 5 年滚动均值结合使用，可以识别周期高点的虚高分数。

失效场景四：受会计政策影响的公司。使用激进收入确认、资产重估、表外融资等手段的公司，X3、X5 失真。安然破产前两年 Z-Score 仍在 2 以上 — 因为虚构的能源合同收入推高了 X3、X5，把财务困境掩盖了。这也是为什么需要把 Z-Score 与 Beneish M-Score 组合使用^[5][8]。

Altman 自己在 2014 年的综述论文中明确说明：Z-Score 的最佳应用场景是稳定经营的传统制造业 + 工业企业，不应作为科技 / SaaS / 金融行业的主要分析工具^[3]。

八、操作要点：何时打分、看什么趋势

Z-Score 的实操有四个要点^[1][2][3]。

第一，选对公式。美股上市制造业用原版 Z；非上市制造业用 Z'；非制造业、A 股、港股、新兴市场用 Z''。用错公式会导致阈值失准（原版 1.81 阈值套用到 Z'' 上会严重低估危险）。

第二，看趋势比看绝对值更重要。Lehman 和海航案例都显示，Z-Score 持续下降的趋势比单期绝对值更有诊断力。一只标的 Z 从 3.5 跌到 2.2，比另一只常年保持 Z = 1.8 的信号强度更高。

第三，结合行业中位数判断。同行业横向比较优于绝对阈值。例如金融行业整体 Z 偏低、零售行业整体 Z 偏高 — 行业内排名后 20% 的标的，财务困境概率显著高于阈值判断。

第四，季度滚动 + 年报基准。年报数据更完整（包含完整资产负债表项目），季度数据可用 TTM EBIT 估算。建议每个财报季度结束后滚动重算，发现 Z-Score 跨入危险区或快速下行（季度环比下降 > 0.3）时进入深度尽调。

第五，组合使用降低误报。Z-Score 单独使用误报率 20-30%（科技股、周期股容易被误判）。与 Piotroski F-Score、Sloan 应计比率、Beneish M-Score 组合使用，可以显著降低漏报和误报^[5][8]。

九、常见问题（FAQ）

Q1：Altman Z-Score 是什么？为什么是 5 个比率？

Altman Z-Score 是 NYU Stern 商学院 Edward Altman 教授在 1968 年发表的破产预测模型，使用多元判别分析（Multiple Discriminant Analysis, MDA）从 22 个候选财务比率中筛选出 5 个最具判别力的比率，加权合成 Z 分数。5 项比率覆盖营运资本、留存收益、盈利能力、市场价值和资产周转效率四个维度。原始公式 Z = 1.2×X1 + 1.4×X2 + 3.3×X3 + 0.6×X4 + 1.0×X5。阈值：Z > 2.99 安全区、1.81-2.99 灰色区、Z < 1.81 危险区。原论文报告破产前 1 年预测准确率 95%、破产前 2 年 72%^[1]。

Q2：5 个比率分别是什么？计算公式是什么？

X1 = 营运资本 / 总资产（短期流动性）；X2 = 留存收益 / 总资产（累积盈利能力 + 公司年龄）；X3 = EBIT / 总资产（资产的盈利能力，权重最高 3.3）；X4 = 股东权益市场价值 / 总负债账面价值（杠杆 + 市场对偿债能力的判断）；X5 = 销售收入 / 总资产（资产周转率）。每项比率的权重由 Altman 在 1946-1965 年 66 家美国制造业上市公司（33 家破产 + 33 家配对正常公司）样本上通过判别函数估计得到^[1]。

Q3：Z-Score、Z'-Score、Z''-Score 三种公式有什么区别？

原始 Z-Score（1968）：适用美国上市制造业公司，需要市值（X4 用市场价值），阈值 >2.99 / <1.81。Z'-Score（1983）：把 X4 改为账面价值，适用非上市制造业公司（私营、未上市），阈值 >2.90 / <1.23。Z''-Score（1995，又称 Emerging Markets Score, EMS）：去掉 X5（资产周转率），适用非制造业 + 新兴市场（包括 A 股），公式 Z'' = 6.56×X1 + 3.26×X2 + 6.72×X3 + 1.05×X4，阈值 >2.60 / <1.10。Z''-Score 是 Altman 后期推荐的通用版本，覆盖范围最广^[2][3]。

Q4：Altman Z-Score 能在多大概率上提前预警破产？

Altman 1968 原始论文报告：在 33 家破产公司样本中，破产前 1 年用 Z-Score 判别的准确率 95%（31/33 被正确归入危险区），破产前 2 年准确率 72%，破产前 3 年降至 48%，破产前 5 年 36%。意味着 Z-Score 在破产前 1-2 年具备强预警能力，超过 2 年准确率快速衰减。后续 Altman 在 2000 年的论文中用 2000-2005 年数据重新验证，准确率仍维持在 80-90% 区间，模型 robust。但要注意 Z-Score 是「2 年内破产」预测，不是「未来某天破产」预测^[1][3]。

Q5：Z-Score 在哪些场景会失效？

四类场景失效。一是金融行业（银行、保险、券商）：资产负债结构与一般企业差异巨大，Z-Score 系统性偏低。二是科技 / SaaS 高成长公司：早期累计亏损（X2 留存收益为负）+ 高股权融资稀释，Z-Score 长期 <1.81 但并不预示破产（亚马逊 1999-2001 年 Z-Score 长期低于 1）。三是周期顶部的资本密集行业：航运、煤炭、地产在景气高点 X3 EBIT/总资产 飙升，Z-Score 虚高，掩盖下行风险。四是受会计政策影响的公司：使用激进收入确认 + 资产重估的公司，X3、X5 失真。Z-Score 的最佳应用场景是稳定经营的传统制造业 + 工业企业^[2][3][5]。

引用　[1] Altman (1968) Journal of Finance 23(4), 589-609；[2] Altman (1983, 1995) Z' 与 Z'' 公式原始文献；[3] Altman (2014) NYU Stern Working Paper Revisiting the Z-Score；[4] Lehman Brothers FY2005-FY2008Q2 10-K / 10-Q（SEC EDGAR）；[5] CFA Institute Credit Risk Modeling (2020) 综述；[6] 海航控股 600221.SH 2017-2020 年报与破产重整公告；[7] Damodaran, Applied Corporate Finance, NYU Stern；[8] Beneish (1999) 与 Piotroski (2000)。

By m8 康哥。关注时效性资讯与跨市场综述。

免责声明：本文为基于公开资料的概念教学与方法论梳理，不构成任何投资建议、买卖推荐或目标价预测。投资者应独立判断、自行承担风险。所引用学术研究与机构数据仅作参照，不代表 m8 立场。