En Z-poäng är ett statistiskt mått som talar om hur mycket en observation skiljer sig från medelvärdet (eller genomsnittet). Till exempel, om en observation har ett Z-poäng på 1,0, är ​​resultatet en standardavvikelse från medelvärdet. Z-poäng kan vara positiva eller negativa, och när en Z-poäng är positiv är de observerade data över genomsnittet.

Nedan kommer vi att granska hur Z-poäng fungerar och varför de kan vara intressant för investerare.

Definition och exempel på Z-poäng

En Z-poäng använder standardavvikelse för att indikera skillnaden mellan en data uppsättningens medelvärde och en individuell observation. När Z-poängen är 2,0, till exempel, är de observerade data två standardavvikelser från medelvärdet.

Z-poäng hjälper dig att utvärdera hur normal en observation är för en given datauppsättning. Du kanske ser ett resultat utan att veta om det är högt, lågt eller någonstans nära genomsnittet. Med en Z-poäng kan du snabbt få mer insikt.

Investerare har anpassat Z-poängen för att försöka förstå den ekonomiska hälsan av ett företag. Till exempel är Altman Z-poängen utformad för att förutsäga hur sannolikt ett företag är att försätta i konkurs.

När du beräknar ett förhållande mellan pris och vinst för ett företag, du vet inte nödvändigtvis om den siffran är hög eller låg. Men när du jämför det förhållandet med andra företag i branschen får du reda på om det är över eller under genomsnittet – och med hur mycket.

Så fungerar Z-scores

Z-poäng jämför enskilda observationer med genomsnittet, och de kan också hjälpa till att standardisera information, vilket möjliggör jämförelser mellan flera datamängder.

För att beräkna ett Z-poäng, subtrahera medelvärdet från observationen i fråga (datavärde), och dividera resultatet med datasetets standardavvikelse:

Z-score =(Observation - Mean) / Standard Deviation

Altman Z-poängen, utvecklad i slutet av 1960-talet, modifierar grundläggande Z-poäng för att illustrera hur ekonomiskt sund ett företag kan vara och för att försöka kvantifiera dess kreditvärdighet. Modellen är uppkallad efter professor Edward Altman, som utvecklade konceptet vid New York University. I slutändan försöker Altman Z-poängen förutsäga hur sannolikt ett företag är att försättas i konkurs, vilket kan resultera i betydande förluster för investerare.

Du kan beräkna Altman Z-poängen genom att kombinera data från företagets bokslut. Antag i denna beräkning:

• X1 =Rörelsekapital / totala tillgångar
• X2 =Behållna intäkter / totala tillgångar
• X3 =Resultat före räntor och skatter / totala tillgångar
• X4 =Marknadsvärde eget kapital / bokfört värde av totala skulder
• X5 =Försäljning / totala tillgångar

Varje mätvärde tilldelas sin egen vikt. Till exempel har X1 en viktningsfaktor på 1,2, så du skulle multiplicera den med 0,012. Här är hela beräkningen:

Altman Z-Score =0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 +0,999X5 

Om resultatet är under 1,81 antyder Altmans modell en relativt hög sannolikhet av konkurs. För poäng över 2,99 hamnar företaget i den "säkra" zonen, även om det inte finns någon garanti för att något företag är en säker investering. Resultat mellan 1,81 och 2,99 är i en gråzon.

Till skillnad från en traditionell Z-poäng använder Altman Z-poäng inte standardavvikelse i beräkningen.

Altmans forskning visade att Z-score-modellen kunde identifiera ungefär 80 % till 90 % av företagen som riskerade att försättas i konkurs (även om träffsäkerheten var bäst under perioder på upp till två år). Men det tillvägagångssättet gav också falska positiva resultat, och flaggade 15–20 % av företagen som "nödställda" när de inte gick i konkurs.

Altmans ursprungliga forskning fokuserade på tillverkningsföretag baserade i USA. Men investeringen universum inkluderar företag i olika branscher och länder, och Altman ville tillhandahålla en metod för att utvärdera andra typer av företag. Z-score har utvecklats över tiden, och Altmans Z-score Plus-app är designad för att rymma ett bredare utbud av investeringar. Dessutom syftar Z-poängen till att ge prognoser på längre räckvidd genom att förutsäga sannolikheten för fallissemang i upp till 10 år.

Vad det betyder för enskilda investerare

Att investera i ett företag som går i konkurs kan resultera i betydande förluster. Z-poängen kan hjälpa till att identifiera risker, men kom ihåg att det bara är ett verktyg. Beräkningen inkluderar flera datapunkter från finansiella rapporter, men försiktiga investerare kommer att gräva djupare innan de fattar ett beslut om att köpa eller sälja en aktie. Du kanske vill komplettera Z-score-analys med andra analystekniker, inklusive granskning av bredare analys av finansiella rapporter, utföra industri- och konkurrentundersökningar och andra strategier.

Bara att beräkna siffror för en Z-poäng berättar du inte om ett företags potentiella strategiförändringar, vilket kan påverka dess ekonomi. Med en övergripande förståelse för en investering kan du vara bättre förberedd på att fatta ett välgrundat beslut för att stödja dina investeringsmål.

Nyckelalternativ

• Ett traditionellt Z-värde talar om hur mycket en individuell observation skiljer sig från genomsnittet.
• Z-poäng kan hjälpa till att sätta resultat i sitt sammanhang så att ett enda nummer ger mer mening.
• Altman Z-poäng kan hjälpa investerare att avgöra om ett företag sannolikt kommer att försättas i konkurs.
• Överväg att komplettera Z-score-analys med andra investeringsanalystekniker innan du fattar investeringsbeslut.