一、原版源码拆解
网上最常见的写法：
Z:=1.2*WC/TA+1.4*RE/TA+3.3*EBIT/TA+0.6*MC/TL+0.99*S/TA;
SELECT:Z>2.99;
主要问题有：
① 中国财报科目不匹配：Altman 原始模型用美股科目（Working Capital、Retained Earnings），A 股科目名称和口径不同，直接套用会算错；
② 阈值照搬西方：Z>2.99 安全、1.81-2.99 灰色、<1.81 危险，这是基于美国制造业的阈值，A 股服务业/金融业完全不适用；
③ 未考虑行业差异：金融业的杠杆率天然高（TL 大），MC/TL 这一项会系统性偏低，导致金融股永远“危险”。
🔍 二、深度拆解：Altman Z-Score 的思路：用多维度财务指标预判退市风险
1. 逻辑死穴：财务造假的“指标组合”特征
财务造假公司往往在三个维度同时出现异常：① 应收账款增速 >> 营收增速（虚增收入）；② 经营现金流/净利润 << 1（利润不真实）；③ 存货增速 >> 营业成本增速（虚增资产）。单看任何一个指标都可能正常，但三个同时异常就是红旗。
2. 函数陷阱：FINANCE 科目的 A 股映射
Altman 的 Working Capital = 流动资产 - 流动负债，对应 A 股 FINANCE(10)-FINANCE(15)；Retained Earnings 对应 FINANCE(32)（未分配利润）；EBIT 对应营业利润 FINANCE(36)。映射错了，Z 值就是 garbage in garbage out。
3. 视觉盲区：Z 值高 ≠ 好公司
Z 值只衡量“财务安全性”（不破产的概率），不衡量“投资价值”。一家 Z 值 5.0 的公司可能是增长停滞的公用事业，投资回报很低。Z 值是“排雷工具”，不是“选股工具”。
📊 三、数据回测：不同参数下的信号特征
以下为不同参数组合下的信号池规模与风格特征对比：
| 策略版本 | 信号池规模 | 风格特征 | 说明 |
|---|---|---|---|
| Z>2.99 (原版阈值) | 约 200-400 只 | 排除明显垃圾 | 阈值偏宽松 |
| A股适配Z>3.5 + 现金流为正 | 约 80-150 只 | 财务健康+造血强 | 排除僵尸企业 |
| Z>3 + ROE>10% + 营收增 + 低负债 | 约 20-50 只 | 健康+成长兼顾 | 最全面的质量筛选 |
🔨 四、优化版源码（可直接复制）
五、这次改了什么？
核心优化：
1. A 股科目映射：用 FINANCE(10/15/19/32/36/38/41/43) 精确对应 Altman 五大科目； 2. 现金流质量验证：经营现金流/净利润>0.8，排除“账面利润不造血”的公司； 3. Z 值上限过滤：Z<10 排除金融业（天然高 Z 值但投资逻辑不同）； 4. 负债率硬约束：总负债/总资产<70%，双重保险排除高杠杆风险。
【编者手记】 Z-Score 是排雷工具，不是选股工具。它的价值在于：帮你从 5000 只股票里快速排除“财务不健康”的那 1000 只，把研究范围缩小到 4000 只更安全的票。但“安全”不等于“值得买”，后续还要叠加成长性和估值判断。记住：巴菲特买的是“好公司”，不是“不会破产的公司”。
