﻿---
title: "Altman Z-Score：财务困境公式与适用边界"
description: "理解经典 Altman Z-Score 公式，五个比率如何反映流动性、盈利能力、杠杆和效率，以及为什么它只是筛选工具而非破产保证预测。"
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Altman Z-Score：财务困境公式与适用边界

> 仅供教育参考，不构成投资建议；投资可能产生损失。

<a id="answer"></a>

## 直接答案

Altman Z-Score 是一种财务困境筛选模型，把五个会计和市场比率合成一个分数。经典公开制造企业版本为：

`Z = 1.2X₁ + 1.4X₂ + 3.3X₃ + 0.6X₄ + 1.0X₅`

其中 `X₁` 是营运资本除以总资产，`X₂` 是留存收益除以总资产，`X₃` 是 EBIT 除以总资产，`X₄` 是股权市值除以总负债账面价值，`X₅` 是销售额除以总资产。

这个分数适合做风险筛选，不提供确定性。Altman 在 1968 年使用多元判别分析，以 33 家破产和 33 家未破产制造企业估计模型，并在当时的研究环境中按行业和资产规模配对。样本内及后续测试表现不能把分数变成当前破产概率，也不能预测破产申请的日期或法律形式。低分不证明一定破产，高分也不消除再融资、流动性、欺诈、行业、会计或市场风险。

<a id="mechanism"></a>

## 五个变量衡量什么

`X₁ = 营运资本 / 总资产` 反映资产负债表的流动性维度。营运资本等于流动资产减流动负债。负值可能提示融资压力，但部分商业模式可长期以低或负营运资本经营；这种商业模式解释本身并不能证明安全。

`X₂ = 留存收益 / 总资产` 反映扣除累计亏损和分配后的累计盈利相对于资产规模的水平。原论文讨论过它与公司年龄的关联，但留存收益不是直接的年龄指标；股息、重组、会计规则、收购和累计亏损都会影响它。

`X₃ = EBIT / 总资产` 反映息税前经营盈利能力相对于资产规模的水平。其系数是与其他变量一起由判别模型估计的；这个数值权重不代表因果关系，也不应孤立解读。

`X₄ = 股权市值 / 总负债账面价值` 反映股权市场价值相对于账面债务的缓冲。应使用明确日期的市值，并尽可能与资产负债表日对齐，同时记录纳入的股数和股权类别。它会随价格和稀释快速变化，也可能包含已反映在其他输入中的信息。

`X₅ = 销售额 / 总资产` 反映资产周转率。它对行业、收入列报、资产密集度、收购、通胀和会计政策高度敏感；软件、制造、公用事业和零售的正常周转率可能完全不同。

对于经典上市制造企业公式，后续资料通常把低于 `1.81` 称为困境区，把 `1.81` 至 `2.99` 称为灰色区，把高于 `2.99` 称为相对安全区。这些标签不是校准后的概率或保证，边界归类方式也可能不同。不得把它们套用于采用不同变量、系数、常数或校准样本的 Z'、Z''、供应商修改版、私营企业版或新兴市场版。

<a id="example"></a>

## 示例

假设一家制造企业报告：

- 流动资产：`$600 million`
- 流动负债：`$400 million`
- 留存收益：`$300 million`
- EBIT：`$120 million`
- 总资产：`$1.0 billion`
- 股权市值：`$800 million`
- 总负债：`$500 million`
- 年销售额：`$1.5 billion`

在货币和报告范围一致的前提下，各变量为：

`X₁ = ($600m - $400m) / $1,000m = 0.20`

`X₂ = $300m / $1,000m = 0.30`

`X₃ = $120m / $1,000m = 0.12`

`X₄ = $800m / $500m = 1.60`

`X₅ = $1,500m / $1,000m = 1.50`

分数为：

`Z = 1.2×0.20 + 1.4×0.30 + 3.3×0.12 + 0.6×1.60 + 1.0×1.50`

`Z = 0.24 + 0.42 + 0.396 + 0.96 + 1.50 = 3.516`

如果股价下跌使股权市值降到 `$300 million`，EBIT 降到 `$40 million`，则 `X₄ = 0.60`、`X₃ = 0.04`。其他输入不变时：

`Z = 0.24 + 0.42 + 0.132 + 0.36 + 1.50 = 2.652`

分数恶化，因为经营利润和股权市值缓冲下降。第二次计算假定其他输入全部不变，因此只是敏感性示例，不是预测；现实中现金、负债、销售额、资产和留存收益也可能变化。股价和 EBIT 下跌还可能反映部分相同的新信息，不能把五项输入视为五个相互独立的因果信号。仍需结合债务到期、现金渠道、契约、行业环境和管理层行动。

<a id="risks"></a>

## 局限与检查项

- 使用正确模型版本。经典公式以上市制造企业为估计对象；私营、金融、公用事业、服务、非美国及较晚时期的企业需要验证或有意选择替代模型，不能自动替换系数或阈值。
- 定义每项输入和报告范围。比较企业或期间前，应核对流动资产、流动负债、留存收益、EBIT、总资产、总负债、销售额、市值、币种、单位、财政期间、终止经营和重述。
- 检查会计质量。一次性收益、租赁、收入确认、存货减记、养老金、商誉及其他减值、供应商融资、保理、收购和表外承诺都会影响解释或可比性。
- 不要忽略时间口径。资产负债表项目是时点值，销售额和 EBIT 覆盖一个期间，市值则取自某个交易日。不要在未明确标注错配的情况下混合过时财报、滚动数据和当前股价。
- 市值具有市场敏感性，并非数学意义上的循环。股价下跌会直接降低 `X₄`；应判断价格变动来自公司信息、整体市场、流动性不足还是股数变化。
- 与流动性证据结合：现金、循环信贷、债务到期、契约、自由现金流和信用评级。
- 观察按一致口径计算的趋势，而不是只看一个数。下降序列可能有信息，但模型版本、财年、会计政策、币种、单位或合并范围变化会制造虚假趋势。
- 与 10-K 风险因素、MD&A、脚注和现金流分析一起使用。

<a id="misconceptions"></a>

## 常见误区

**“Z-Score 能精确预测破产。”** 它是判别筛选模型，不是校准概率、法律结论或精确破产申请日期的预测。

**“所有行业分数越高越好。”** 资产周转率、营运资本结构、会计方法和适用模型版本差异很大，不同类型企业的分数不能自动比较。

**“低分公司不能投资。”** 低分提示困境风险。证券仍可能有价值，但要求回报、下行风险和资本结构位置会变得关键。

**“公式可以替代阅读文件。”** 变量来自文件和市场数据，不能替代理解业务、债务条款和现金流路径。

<a id="related"></a>

## 相关主题

- [资产负债表](/zh-cn/stocks/balance-sheet/)
- [利润表](/zh-cn/stocks/income-statement/)
- [债务权益比](/zh-cn/stocks/debt-to-equity/)

<a id="sources"></a>

## 权威来源

- [Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy](https://doi.org/10.1111/j.1540-6261.1968.tb00843.x) - Journal of Finance（2026-08-07）
- [How to Read a 10-K/10-Q](https://www.investor.gov/introduction-investing/general-resources/news-alerts/alerts-bulletins/investor-bulletins/how-read) - Investor.gov（2026-08-07）
- [Beginners' Guide to Financial Statements](https://www.sec.gov/about/reports-publications/beginners-guide-financial-statements) - SEC（2026-08-07）

Source: https://wiki.fcontext.com/zh-cn/stocks/altman-z-score/index.mdx
