想象一下，你只需对公司的财务报表进行一项数值计算，就能为商业中最令人不安的问题得到一个合理的答案：这家公司是否正走向破产？ 这不是猜测，也不是直觉 —— 而是一个经过数十年测试支持的分数，它能在公司真正倒闭前两年就发出预警信号。
这个数值确实存在。它由一位名叫爱德华·奥特曼（Edward Altman）的 26 岁金融教授于 1968 年创立，且至今依然有效。Altman Z-Score（奥特曼 Z 分值）将五个财务比率综合为一个数值，将公司划分为“安全”、“困境”或模糊的“灰色地带”。在最初的测试中，它对未来两年内的破产预测准确率达到 72%，而在随后三十年的跟踪研究中，其一年内的预测准确率提升到了 80–90%。
绝大多数小企业主都会忽略这一点：Z-Score 不仅仅是华尔街分析师选股的工具。你可以对 自己 的公司进行测算，以便在还有时间挽救时发现财务困境。你也可以对欠你钱的客户以及你所依赖的供应商进行测算 —— 在你向那些正默默走向崩溃边缘的企业提供信贷或签署长期合同之前。
本指南将解释该分值的运作原理、如何根据你的情况计算正确版本，以及它的局限性。
Z-Score 究竟衡量什么
奥特曼并不是通过空谈什么样的指标“应该”预测失败来发明这个分值的。他选取了 66 家制造企业 —— 33 家已申请破产， 33 家未申请破产 —— 并利用一种称为“多元判别分析”的统计技术，寻找能够最有效区分幸存者与倒闭者的比率组合。
其结果是一个加权公式。每个比率捕捉财务健康状况的一个不同维度，并根据其在数据中预测失败的强度赋予权重。一家公司不会因为一个疲软的比率而注定失败；该分值考察的是 整体情况 是否看起来像那些倒闭的公司。
这就是核心理念。Z-Score 是一个模式匹配工具。它将你公司的财务指纹与那些倒闭企业的财务指纹进行对比。
原始公式及其五个比率
专为上市制造企业设计的经典 Z-Score 公式如下：
Z = 1.2·X₁ + 1.4·X₂ + 3.3·X₃ + 0.6·X₄ + 1.0·X₅
每个变量都是可以直接从资产负债表和利润表中获取的比率。
X₁ — 营运资本 ÷ 总资产
营运资本是流动资产减去流动负债。除以总资产后，该比率衡量了相对于公司规模的短期流动性。如果一家公司持续消耗营运资本 —— 支付账单的速度快于现金流入的速度 —— 首先就会在这里体现。负数是一个严重的警告信号。
X₂ — 留存收益 ÷ 总资产
留存收益是公司保留而非发放的累计利润。该比率同时捕捉了 经营年限和盈利能力。初创公司没有时间积累留存收益，因此得分较低 —— 这也是 Z-Score 对初创企业比较苛刻的原因之一。一家成熟且持续盈利的公司得分会很高。
X₃ — EBIT ÷ 总资产
息税前利润（Earnings before interest and taxes）除以总资产，衡量了公司利用资产产生经营利润的效率 —— 在融资和税务决策干扰画面之前。奥特曼给这个比率赋予了最大的权重（3.3），因为归根结底，一家无法通过资产赚钱的企业是无法生存的。
X₄ — 股权市值 ÷ 总负债
该比率考察在负债超过资产、公司在技术上资不抵债之前，资产价值可以下跌多少。在原始公式中，它使用的是股权的 市场 价值（股价乘以流通股数），这仅适用于上市公司。（稍后我们将为私营企业修正这一点。）
X₅ — 销售额 ÷ 总资产
资产周转率。每一美元资产能产生多少收入？这是公式中唯一一个不直接涉及利润或偿债能力的指标；它捕捉了管理层竞争性利用资产的能力。
解读分值：三个区间
计算出 Z 值后，将其放入以下三个区间之一：
| 区间 | 分值（原始模型） | 解释 |
|---|---|---|
| 安全 | 2.99 以上 | 破产风险低 |
| 灰色地带 | 1.81 至 2.99 | 警惕 —— 不确定，需密切关注 |
| 困境 | 1.81 以下 | 破产可能性高 |
灰色地带并不是一个最终判决。它是一个标志，说明 模型无法确定 —— 你需要进行更深入的调查。一家连续几个季度处于灰色地带且呈下降趋势的公司，与一家正在摆脱灰色地带的公司，所传达的信息是完全不同的。
你可能需要的版本：Z' 和 Z''
对于本指南的大多数读者来说，原始公式存在一个问题：它需要权益的市值。你的企业并非上市公司，你想要筛选的小型企业客户和供应商几乎肯定也不是。
奥特曼（Altman）为此建立了两个修正模型。
Z'-Score —— 针对私营制造企业
Z'-Score 在 X₄ 中用权益账面价值（资产总额减去负债总额，直接取自资产负债表）取代了权益市值，并重新调整了每个比率的权重：
Z' = 0.717·X₁ + 0.847·X₂ + 3.107·X₃ + 0.420·X₄ + 0.998·X₅
相应的区间也发生了变化：
| 区间 | Z'-Score |
|---|---|
| 安全区 (Safe) | 2.99 以上 |
| 灰色地带 (Gray) | 1.23 到 2.99 |
| 困境区 (Distress) | 1.23 以下 |
Z''-Score —— 针对非制造型企业和服务性业务
大多数小企业不是制造商。它们是零售商、餐厅、咨询公司、代理机构或 SaaS 公司。问题在于，资产周转率 (X₅) 在这些行业中差异巨大——咨询公司和杂货店的资产密集度完全不同，因此包含 X₅ 会扭曲比较结果。
奥特曼的解决方案是完全删去 X₅ 并重新校准：
Z'' = 3.25 + 6.56·X₁ + 3.26·X₂ + 6.72·X₃ + 1.05·X₄
注意前面的常数 3.25。区间划分如下：
| 区间 | Z''-Score |
|---|---|
| 安全区 (Safe) | 2.6 以上 |
| 灰色地带 (Gray) | 1.1 到 2.6 |
| 困境区 (Distress) | 1.1 以下 |
对于大多数以服务为基础和轻资产的小型企业，Z''-Score 是最适合使用的版本。 这也是奥特曼为新兴市场和非美国公司改编的模型。
实例演示
假设你正考虑向一家批发客户（一家私营分销公司）提供 40,000 美元的贸易信用。他们分享了财务数据，以下是简化的资产负债表和利润表：
- 资产总额：$800,000
- 流动资产：$350,000
- 流动负债：$250,000
- 负债总额：$520,000
- 留存收益：$90,000
- 息税前利润 (EBIT)：$70,000
- 权益账面价值：$280,000
因为这是一家非制造公司，你使用 Z''-Score：
- X₁ = 营运资金 ÷ 资产总额 = ($350,000 − $250,000) ÷ $800,000 = 0.125
- X₂ = 留存收益 ÷ 资产总额 = $90,000 ÷ $800,000 = 0.1125
- X₃ = EBIT ÷ 资产总额 = $70,000 ÷ $800,000 = 0.0875
- X₄ = 权益账面价值 ÷ 负债总额 = $280,000 ÷ $520,000 = 0.538
代入公式：
Z'' = 3.25 + 6.56(0.125) + 3.26(0.1125) + 6.72(0.0875) + 1.05(0.538)
Z'' = 3.25 + 0.82 + 0.367 + 0.588 + 0.565 = 5.59
5.59 的得分稳稳处于安全区（2.6 以上）。该客户看起来财务状况良好——提供信用是一个合理的风险，不过你仍需确认其付款记录和行业状况。
如果你对一个留存收益为负、营运资金薄弱且负债远超权益的客户进行同样的计算，你通常会看到低于 1.1 的得分。这就是要求预付、缩短账期或直接放弃交易的信号。
使用 Z-Score 的三个实际方法
1. 监控自家公司
每季度计算一次 Z-Score 并绘制趋势图。绝对数值的重要性不如变化方向。如果在三个季度内分值从 4.0 滑落到 3.2 再到 2.5，即使尚未进入困境区，也说明财务状况在明显恶化。及早发现这种趋势能让你在还有选择余地的情况下，争取到数月时间来削减成本、重新协商债务或募集资金。
2. 在提供信用前筛选客户
你发出的每一张 30 天或 60 天账期的发票本质上都是一笔无担保贷款。在提供大额贸易信用之前，索要财务报表并运行 Z-Score 分析。处于困境区的客户并不意味着“绝对不卖给他们”，而是意味着“先款后货，或针对风险收费，或限制风险敞口”。
3. 审查关键供应商
供应商破产带来的损害可能与客户违约一样严重——尤其是当你无法迅速找到替代品时，如果是单一来源的零部件供应商则更甚。如果关键供应商的得分处于困境区，就是时候在真正出事之前寻找备选供应商了。
Z-Score 的局限性
Z-Score 是一个强大的筛选工具，但不是水晶球。在使用时请牢记以下限制：
- 对初创公司不公平。 留存收益比率 (X₂) 在结构上不利于初创公司，因为它们还没有数年的时间来积累利润。一家快速增长的、成立两年的公司可能得分在困境区，但本身非常健康。不要对早期企业机械地应用 Z-Score。
- 忽略了所有定性因素。 管理层质量、客户集中度、专利即将到期、新竞争对手出现、未决诉讼——公式中都不体现这些内容。该分数只解读财务报表，别无其他。
- 数据质量决定结果。 财务报表可以被美化，一次性的冲销（如巨额坏账计提、资产减值）可能会拉低分数，而不能反映持续的经营健康状况。务必探究异常数字背后的原因。
- 灰色地带确实具有模糊性。 中间地带的分数是调查指令，而非定论。
- 它不应孤立使用。 奥特曼本人也将 Z-Score 视为多个输入指标之一。请将其与现金流分析、付款记录、行业基准和流动比率趋势结合使用。
良好的数据始于良好的账目
每一个上述的局限性都可以追溯到一个要求：Z-Score 的可靠性取决于其背后的财务报表。如果你的账目混乱——留存收益从未妥善结转、负债归类在错误的科目中、收入确认不一致——那么你的评分就只是噪音。对于客户或供应商提供给你的财务数据也是如此：垃圾进，垃圾出。
可靠的比率取决于一个清晰、结构良好且可供审计的账本。这是一个强有力的论据，支持将会计记录保存在透明、可审查的格式中，而不是黑盒子里。
保持财务随时可供审计
无论你是在评估自己的财务健康状况，还是在评估客户的状况，分析的质量取决于底层记录的质量。Beancount.io 提供纯文本会计服务，让你对财务数据拥有完全的透明度和控制权——每笔交易都是可读的、版本受控的且易于验证，没有厂商锁定。你可以直接根据会计师看到的同一个单一真理来源生成报告和比率。免费开始使用，看看为什么开发人员和金融专业人士正在转向纯文本会计。关于账本可视化和报告，请探索 Fava，并查看 文档 了解更多信息。
Altman Z-Score 能够存在半个多世纪，是因为它在某一方面表现得极其出色：它能将堆积如山的财务报表转化为一个单一的、具有可比性的财务困境信号。它不会替你做决定，而且在面对初创公司和轻资产的极端情况时可能会失效。但作为一个预警系统——针对你自己的公司、客户和供应商——很少有工具能从你已有的数据中提供如此深刻的洞见。