本文探讨了Z-Score模型和Zeta模型在企业破产预测中的应用，Zeta模型通过增加变量提升了预测准确性。然而，针对A股市场的实证研究表明，原始模型的适用性有限，可能由于样本量不足和行业选择不透明等问题。通过Logistic回归重新计算系数并调整模型，尽管回测结果显示整体亏损，但特定时期内如ST股票的上涨表明模型在特定市场环境下仍有其价值。策略源码已分享以供进一步研究。
可能很多人都有听过或用过Z-Score模型，该模型是国外Altman教授在1968年开发，用来分析、判断一家企业破产的可能性。后来，Altman教授等人对Z-Score模型进行了二次开发，即Zeta信用风险模型。
Zeta模型从Z-Score模型的5个变量增加到了7个，分别是：
1.资产报酬率，采用税息前收益/总资产衡量。
2.收入的稳定性，采用对X在5-10年估计值的标准误差指标作为这个变量的度量。
3.债务偿还，可以用人们所常用的利息保障倍数（覆盖率）即利税前收益/总利息偿付来度量。
4.积累盈利，可以用公司的留存收益（资产减负债/总资产）来度量。
5.流动比率，可以用人们所熟悉的比率衡量。
6.资本化率，可以用普通股权益/总资本。
7.规模，可以用公司总资产的对数形式来度量。
PS：以上信息来源于百度百科
出于商业机密，Zeta模型的变量系数没有公开（其实公开了也不适用于当下的A股），网上能获取的相关信息也不多，但我们在知网上查到了一篇应用该模型的论文：《基于ZETA模型的我国上市公司信用风险度量研究》。今天就是以其作为本次策略研究的参考。
论文中对相关变量进行了一些调整，同时基于Fisher判别分析求得了一系列变量系数并得出相关结论：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
