Altman Z-score

Home » , , » Altman Z-score
0 komentar

From Wikipedia, the free encyclopedia

Example of an Excel spreadsheet that uses Altman Z-score to predict the probability that a firm will go into bankruptcy within two years

DEFINISI dari 'Altman Z-Score'

Output dari tes kredit-kekuatan yang mengukur kemungkinan perusahaan manufaktur publik tentang kebangkrutan. The Altman Z-score, didasarkan pada lima rasio keuangan yang dapat dihitung dari data yang ditemukan pada laporan tahunan perusahaan 10K. The Altman Z-score dihitung sebagai berikut:
Z-Score = 1.2A + 1.4B + 3.3c + 0.6D + 1.0E
Dimana:
A = Modal Kerja / Jumlah Aktiva
B = Saldo Laba / Jumlah Aktiva
C = Laba Sebelum Bunga & Pajak / Total Aktiva
D = Nilai Pasar Ekuitas / Total Kewajiban
E = Penjualan / Total Aktiva
Sebuah skor di bawah 1,8 berarti perusahaan mungkin menuju kebangkrutan, sementara perusahaan dengan nilai di atas 3,0 tidak mungkin bangkrut. Semakin rendah / tinggi skor, semakin rendah / tinggi kemungkinan kebangkrutan.

Investopedia MENJELASKAN 'Altman Z-Score'

NYU Stern Keuangan Profesor, Edward Altman, mengembangkan formula Altman Z-score pada tahun 1967. Pada tahun 2012, ia merilis versi terbaru yang disebut Altman Z-score Plus, yang dapat digunakan untuk mengevaluasi kedua perusahaan publik dan swasta, baik manufaktur dan non manufaktur perusahaan dan kedua AS dan non-AS perusahaan. Investor dapat menggunakan Altman Z-skor untuk membantu menentukan apakah mereka harus membeli atau menjual saham tertentu jika mereka khawatir tentang kekuatan keuangan perusahaan yang mendasari itu. The Altman Z-score Plus dapat digunakan untuk mengevaluasi risiko kredit korporasi.

The Z-score formula for predicting bankruptcy was published in 1968 by Edward I. Altman, who was, at the time, an Assistant Professor of Finance at New York University. The formula may be used to predict the probability that a firm will go into bankruptcy within two years. Z-scores are used to predict corporate defaults and an easy-to-calculate control measure for the financial distress status of companies in academic studies. The Z-score uses multiple corporate income and balance sheet values to measure the financial health of a company.

Contents

Estimation of the formula

The Z-score is a linear combination of four or five common business ratios, weighted by coefficients. The coefficients were estimated by identifying a set of firms which had declared bankruptcy and then collecting a matched sample of firms which had survived, with matching by industry and approximate size (assets).
Altman applied the statistical method of discriminant analysis to a dataset of publicly held manufacturers. The estimation was originally based on data from publicly held manufacturers, but has since been re-estimated based on other datasets for private manufacturing, non-manufacturing and service companies.
The original data sample consisted of 66 firms, half of which had filed for bankruptcy under Chapter 7. All businesses in the database were manufacturers, and small firms with assets of < $1 million were eliminated.
The original Z-score formula was as follows:[1]
Z = 1.2T1 + 1.4T2 + 3.3T3 + 0.6T4 + 0.99T5.
T1 = Working Capital / Total Assets. Measures liquid assets in relation to the size of the company.
T2 = Retained Earnings / Total Assets. Measures profitability that reflects the company's age and earning power.
T3 = Earnings Before Interest and Taxes / Total Assets. Measures operating efficiency apart from tax and leveraging factors. It recognizes operating earnings as being important to long-term viability.
T4 = Market Value of Equity / Book Value of Total Liabilities. Adds market dimension that can show up security price fluctuation as a possible red flag.
T5 = Sales/ Total Assets. Standard measure for total asset turnover (varies greatly from industry to industry).
Altman found that the ratio profile for the bankrupt group fell at -0.25 avg, and for the non-bankrupt group at +4.48 avg.

Precedents

Altman's work built upon research by accounting researcher William Beaver and others. In the 1930s and on, Mervyn and others had collected matched samples and assessed that various accounting ratios appeared to be valuable in predicting bankruptcy. Altman's Z-score is a customized version of the discriminant analysis technique of R. A. Fisher (1936).
William Beaver's work, published in 1966 and 1968, was the first to apply a statistical method, t-tests to predict bankruptcy for a pair-matched sample of firms. Beaver applied this method to evaluate the importance of each of several accounting ratios based on univariate analysis, using each accounting ratio one at a time. Altman's primary improvement was to apply a statistical method, discriminant analysis, which could take into account multiple variables simultaneously.

Accuracy and effectiveness

In its initial test, the Altman Z-Score was found to be 72% accurate in predicting bankruptcy two years before the event, with a Type II error (false negatives) of 6% (Altman, 1968). In a series of subsequent tests covering three periods over the next 31 years (up until 1999), the model was found to be approximately 80%–90% accurate in predicting bankruptcy one year before the event, with a Type II error (classifying the firm as bankrupt when it does not go bankrupt) of approximately 15%–20% (Altman, 2000).[2]
From about 1985 onwards, the Z-scores gained wide acceptance by auditors, management accountants, courts, and database systems used for loan evaluation (Eidleman). The formula's approach has been used in a variety of contexts and countries, although it was designed originally for publicly held manufacturing companies with assets of more than $1 million. Later variations by Altman were designed to be applicable to privately held companies (the Altman Z'-Score) and non-manufacturing companies (the Altman Z"-Score).
Neither the Altman models nor other balance sheet-based models are recommended for use with financial companies. This is because of the opacity of financial companies' balance sheets and their frequent use of off-balance sheet items. There are market-based formulas used to predict the default of financial firms (such as the Merton Model), but these have limited predictive value because they rely on market data (fluctuations of share and options prices to imply fluctuations in asset values) to predict a market event (default, i.e., the decline in asset values below the value of a firm's liabilities).[3]

Original z-score component definitions variable definition weighting factor

T1 = Working Capital / Total Assets
T2 = Retained Earnings / Total Assets
T3 = Earnings Before Interest and Taxes / Total Assets
T4 = Market Value of Equity / Total Liabilities
T5 = Sales/ Total Assets
Z score bankruptcy model:
Z = 1.2T1 + 1.4T2 + 3.3T3 + 0.6T4 + .999T5
Zones of Discrimination:
Z > 2.99 -“Safe” Zones
1.81 < Z < 2.99 -“Grey” Zones
Z < 1.81 -“Distress” Zones

Z-score estimated for private firms

T1 = (Current Assets − Current Liabilities) / Total Assets
T2 = Retained Earnings / Total Assets
T3 = Earnings Before Interest and Taxes / Total Assets
T4 = Book Value of Equity / Total Liabilities
T5 = Sales/ Total Assets
Z' Score Bankruptcy Model:
Z' = 0.717T1 + 0.847T2 + 3.107T3 + 0.420T4 + 0.998T5
Zones of Discrimination:
Z' > 2.9 -“Safe” Zone
1.23 < Z' < 2.9 -“Grey” Zone
Z' < 1.23 -“Distress” Zone

Z-score estimated for non-manufacturers & emerging markets

T1 = (Current Assets − Current Liabilities) / Total Assets
T2 = Retained Earnings / Total Assets
T3 = Earnings Before Interest and Taxes / Total Assets
T4 = Book Value of Equity / Total Liabilities
Z-Score bankruptcy model: Z = 6.56T1 + 3.26T2 + 6.72T3 + 1.05T4
Zones of discriminations:
Z > 2.6 -“Safe” Zone
1.1 < Z < 2.6 -“Grey” Zone
Z < 1.1 -“Distress” Zone

See also

References

Altman, Edward I. (July 2000). "Predicting Financial Distress of Companies". Retrieved on September 4th, 2009 from http://pages.stern.nyu.edu/~ealtman/Zscores.pdf: 15–22.
Altman, Edward I. (September 1968). "Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy". Journal of Finance: 189–209.
Altman, Edward I. (May 2002). "Revisiting Credit Scoring Models in a Basel II Environment" (PDF). Prepared for "Credit Rating: Methodologies, Rationale, and Default Risk", London Risk Books 2002.
Eidleman, Gregory J. (1995-02-01). "Z-Scores – A Guide to Failure Prediction". The CPA Journal Online.
Fisher, Ronald Aylmer (1936). "The Use of Multiple Measurements in Taxonomic Problems". Annals of Eugenics 7: 179. doi:10.1111/j.1469-1809.1936.tb02137.x.
The Use of Credit Scoring Modules and the Importance of a Credit Culture by Dr. Edward I Altman, Stern School of Business, New York University.



  • realequityresearch.dk/Documents/Z-Score_Altman_1968.pdf

  • Predicting Financial Distress of Companies: Revisiting the Z-SCORE and ZETA Models


    1. Predicting Financial Distress of Companies:Revisiting the Z-SCORE and ZETA Models

    Further reading

    Caouette, John B; Edward I Altman, Paul Narayanan (1998). Managing Credit Risk - the Next Great Financial Challenge, John Wiley & Sons: New York. ISBN 978-0-471-11189-4

    External links

    The Altman Z-Score

    oleh CI Staf

    Bencana terbesar yang dapat menimpa investor ekuitas kebangkrutan perusahaan, yang menghapus ekuitas dari suatu perusahaan dan mengetuk nilai investasi saham turun ke nol. Analisis fundamental mencoba untuk mengukur kekuatan keuangan perusahaan menggunakan berbagai metrik, banyak yang kita telah disorot dalam kolom ini. Digunakan bersama dengan satu sama lain, rasio keuangan sering dapat membantu kita untuk melukiskan gambaran dari kelangsungan hidup jangka panjang dari suatu perusahaan. Namun, hal ini tidak selalu terjadi; kadang-kadang rasio dari suatu perusahaan memberikan pandangan yang bertentangan. Untuk membantu menghilangkan kebingungan ini, NYU profesor Edward Altman mengembangkan Z-Score pada akhir tahun 1960 secara eksplisit mengatasi kemungkinan bahwa perusahaan akan bangkrut. Dalam angsuran dari Focus Fundamental, kita membahas bagaimana menghitung perusahaan Z-Score.

    Z-Score Formula

    The Altman Z-Score sebenarnya terdiri dari lima rasio kinerja yang digabungkan menjadi skor tunggal. Kelima rasio yang berbobot menggunakan rumus sebagai berikut:
    Z-Score = 1.2A + 1.4B + 3.3c + 0.6D + 1.0E
    Dimana:
    A = modal kerja ÷ total aset
    B = laba ditahan ÷ total aset
    C = laba sebelum bunga dan pajak ÷ total aset
    D = nilai pasar ekuitas ÷ total kewajiban
    E = penjualan ÷ total aset
    Ketika menganalisis Z-Score dari perusahaan, semakin rendah nilai, semakin tinggi kemungkinan bahwa perusahaan menuju kebangkrutan. Altman datang dengan aturan berikut untuk menginterpretasikan sebuah perusahaan Z-Score:
    • Di bawah 1,8 menunjukkan sebuah perusahaan menuju kebangkrutan;
    • Di atas 3.0 menunjukkan suatu perusahaan tidak mungkin untuk dinyatakan pailit; dan
    • Antara 1,8 dan 3,0 adalah statistik "wilayah abu-abu."

    Mendekonstruksi Z-Score

    Bekerja Modal terhadap Total Aktiva

    Modal kerja adalah aset lancar perusahaan kurang kewajiban lancar dan mengukur efisiensi perusahaan dan kesehatan keuangan jangka pendek. Modal kerja positif berarti bahwa perusahaan mampu memenuhi kewajiban jangka pendek. Modal kerja negatif berarti aktiva lancar perusahaan tidak dapat memenuhi kewajiban jangka pendeknya; bisa memiliki masalah membayar kembali kreditor dalam jangka pendek, akhirnya memaksanya ke dalam kebangkrutan. Perusahaan dengan sehat, modal kerja positif harus tidak memiliki masalah membayar tagihan mereka.

    Saldo Laba terhadap Total Aset

    Laba ditahan dari perusahaan adalah persentase laba bersih yang belum dibayarkan sebagai dividen; mereka "ditahan" untuk diinvestasikan kembali dalam perusahaan atau digunakan untuk membayar utang. Saldo laba dihitung sebagai berikut:
    Laba ditahan awal + laba bersih (Rugi bersih) - dividen yang dibayarkan
    Rasio laba ditahan terhadap total aset membantu mengukur sejauh mana perusahaan bergantung pada utang, atau leverage. Semakin rendah rasio, semakin perusahaan mendanai aset dengan meminjam bukan melalui laba ditahan yang, sekali lagi, meningkatkan risiko kebangkrutan jika perusahaan tidak dapat memenuhi kewajiban utangnya.

    Laba Sebelum Bunga & Pajak terhadap Total Aset

    Ini adalah variasi pada pengembalian aset, yang merupakan laba bersih dibagi dengan total aset. Rasio ini menilai kemampuan perusahaan untuk menghasilkan keuntungan dari aset sebelum dikurangi bunga dan pajak.

    Nilai Pasar Ekuitas Jumlah Kewajiban untuk

    Rasio nilai pasar ekuitas terhadap total kewajiban menunjukkan berapa banyak nilai pasar perusahaan (yang diukur dengan kapitalisasi pasar, atau harga saham kali saham yang beredar) bisa menurun sebelum kewajiban melebihi aset.
    Berbeda dengan komponen rasio lainnya yang digunakan oleh Z-Score, nilai pasar tidak murni berdasarkan fundamental-kapitalisasi pasar dari suatu perusahaan merupakan indikasi kepercayaan pasar dalam posisi keuangan perusahaan. Secara umum, semakin tinggi kapitalisasi pasar perusahaan, semakin tinggi kemungkinan bahwa perusahaan dapat bertahan hidup ke depan.

    Penjualan terhadap Total Aktiva

    Rasio penjualan terhadap total aktiva, lebih sering disebut sebagai asset turnover, mengukur jumlah penjualan yang dihasilkan oleh perusahaan untuk bernilai setiap dolar asetnya.
    Dengan kata lain, perputaran aset merupakan indikasi seberapa efisien sebuah perusahaan adalah dengan menggunakan aset untuk menghasilkan penjualan. Semakin tinggi angka yang lebih baik, sementara perputaran aktiva yang rendah atau jatuh bisa menandakan kegagalan oleh perusahaan untuk memperluas pangsa pasarnya.

    Analisis Grup perbatasan ini

    Sebagai contoh bagaimana menghitung dan menafsirkan Z-Score, kita menggunakan kelompok Perbatasan, yang mengajukan kebangkrutan pada 16 Februari 2011. Sementara belakang selalu 20/20, kita dapat menggunakan hal ini untuk melihat apakah Z-Score akan telah mengangkat bendera merah tentang solvabilitas perusahaan.
    Tabel 1 menunjukkan data laporan keuangan yang diperlukan untuk menghitung
    Z-Skor untuk Borders. Kami menyediakan lima tahun data untuk memberikan gambaran tentang tren di Borders 'Z-Score sebelum kebangkrutannya pengajuan pada tahun 2011. Pada tahun 2006, Borders berada di "daerah abu-abu" dengan skor 2.81. Skor menurun tajam di tahun 2007 menjadi 2,00, seperti laba sebelum bunga dan pajak (EBIT) pergi negatif dan modal kerja dan laba ditahan juga dicelupkan. Borders 'Z-Score turun setiap tahun antara tahun 2006 dan 2010, mendarat di zona bahaya di 1,79 pada tahun 2010. Tahun berikutnya, perusahaan itu bangkrut.
    Ketika menganalisis Z-Score dari perusahaan, adalah penting untuk menganalisis tren dari waktu ke waktu. Dalam kasus Borders, penurunan stabil seharusnya tanda peringatan kepada investor.
    Tabel 1. Altman Z-Score Perhitungan untuk Borders Group
    Data Keuangan (dalam $ juta)
    2006
    2007
    2008
    2009
    2010


    Penjualan 4,080.0 4,110.0 3,820.0 3,280.0 2,820.0
    Laba Sebelum Bunga & Pajak 173,0 -137,0 6.6 -149,0 -94,9
    Aset Lancar 1,640.0 1,720.0 1,510.0 1,070.0 988,0
    Total Aset 2,570.0 2,610.0 2,300.0 1,610.0 1,430.0
    Kewajiban Lancar 1,310.0 1,600.0 1,470.0 994,0 928,0
    Jumlah Kewajiban 1,640.0 1,970.0 1,830.0 1,350.0 1,270.0
    Laba Ditahan 614,0 438,0 250.0 63,8 -45,6
    Nilai pasar Ekuitas 1,400.0 1,004.0 350,1 33.1 73,6

    Rasio Z-Score 2006 2007 2008 2009 2010 Z-Score
    Pembobotan

    Modal Kerja ÷ Jumlah Aktiva 0.13 0.05 0.02 0.05 0.04 1.2
    Saldo Laba ÷ Jumlah Aktiva 0.24 0,17 0.11 0.04 -0,03 1.4
    Laba Sebelum Bunga & Pajak ÷ Jumlah Aktiva 0.07 -0,05 0.00 -0,09 -0,07 3.3
    Nilai Pasar Ekuitas ÷ Jumlah Kewajiban 0.85 0.51 0.19 0.02 0.06 0,6
    Penjualan ÷ Total Aktiva 1.59 1,57 1.66 2.04 1.97 1.0

    Z-Score 2.81 2.00 1.96 1.86 1.79

    Sumber: Wikinvest.com .

    Kelemahan dari Z-Score

    Setiap kali Anda menggunakan rasio keuangan untuk menganalisis sebuah perusahaan, penting untuk diingat bahwa tidak ada teknik analisis yang sempurna, dan Z-Score tidak terkecuali.
    Kelemahan terbesar, seperti halnya dengan semua analisis keuangan, adalah bahwa Z-Score adalah bergantung pada kualitas data laporan keuangan yang mendasari. Jika sebuah perusahaan "memasak buku," data laporan keuangan adalah tidak benar representasi dari kekuatan (atau ketiadaan) dari perusahaan. Ingat bahwa Z-Score adalah hanya sebagai baik sebagai data yang masuk ke dalamnya ("sampah, keluar sampah").

    Kesimpulan

    Z-Score adalah investor alat lain yang dapat digunakan untuk memantau keamanan investasi mereka. Seperti yang kita lihat dengan Borders, skor terus menurun dapat menandakan masalah mendasar dengan perusahaan. Bahwa menjadi kata, itu masih tunduk pada kekurangan yang dihadapi oleh semua metrik keuangan.
    Minimal, namun, Z-Score rendah atau menurun harus memacu Anda untuk melakukan analisis yang lebih mendalam untuk mencari akar penyebab.

    .
    Share this article :