提升破产预测能力

尽管阿特曼的Z评分事后来看确实成功预测了世界通信的破产，研究者却发现它存在几个问题。1980年，詹姆斯·奥尔森（James Ohlson）时为加州大学伯克利分校的一名副教授，发现了阿特曼数据中的一些问题。奥尔森发现，Z评分在回测中采用的财务数据对于投资者而言并不是实时可得的。这被称为前视偏误，我们在第十章中将更详细地讨论。前视偏误是由于采用了包含投资者无法获取的数据的数据库而造成的。举例而言，2011年12月31日前的财务报表，往往在1月中旬至2月间才可获得，但数据库假设这一信息在2011年12月31日即可获取。奥尔森认为，破产预测的错误率远高于阿特曼所认为的，这也意味着阿特曼的Z评分的准确性低于他所声称的。研究者现今采用“时间点”数据库以纠正达一错误。通过运用时间点数据库，奥尔森提出了“O评分”，主要关注于四个预测公司破产的因子：公司的规模、财务结构、财务表现以及流动性。

泰勒·沙姆韦（Tyler Shumway），芝加哥大学罗斯商学院的一名金融学教授，在他1999年发表的以《更准确地预测破产：一个简单风险模型》（Forecasting Bankruptcy More Accurately: A Simple Hazard Model）为题的论文中探索了采用多阶段“风险”模型在破产预测方面的运用。沙姆韦的模型采用了会计变量，但是同样结合了股票市场变量，如股票回报标准差以及其过去的超额回报。沙姆韦发现，他的破产预测模型的表现超过了阿特曼的Z评分以及奥尔森的O评分。沙姆韦认定阿特曼Z评分中所提出的一半的变量在破产方面都不再具有预测性。

2004年，萨德、西尔·查瓦（Sudheer Chava）以及罗伯特·杰罗（Robert Jarrow）进一步拓展了沙姆韦的模型，认为沙姆韦的结果具有稳定性，并且同意阿特曼的Z评分在破产预测方面不再具有可靠性，他们认为，在预测破产时，必须将股票所在行业考虑进来。直观而言，从两个方面这是讲得通的。不同行业的股票面临不同程度的竞争，也拥有不同的会计惯例。拥有相近资产负债表的股票，处于不同竞争程度的不同行业，并且拥有不同会计惯例，那么，在破产方面就会面临不同的风险。查瓦和杰罗证明了对于不同行业进行调整能提升沙姆韦模型的预测能力。