CAIIB ABFM के लिए Altman Z-Score Model को आसानी से समझें (2026)

हर CAIIB ABFM उम्मीदवार को कभी-न-कभी ऐसी कंपनी मिलती है जिसका बैलेंस शीट ऊपर से ठीक दिखता है, लेकिन अंदर ही अंदर मुश्किल की तरफ बढ़ रहा होता है। Altman Z-score model बैंकरों का पहला औजार है, क्योंकि यह पाँच सामान्य फाइनेंशियल रेशियो को मिलाकर एक ऐसा नंबर बनाता है जो डिफॉल्ट होने से बरसों पहले ही खतरे का संकेत दे देता है। यह मॉडल पाँच दशकों से ज्यादा के मार्केट साइकल झेल चुका है, जो किसी भी क्रेडिट मॉडल के लिए दुर्लभ बात है।

इस गाइड में हम बताएंगे कि यह मॉडल कैसे बना है, इसके ज़ोन कैसे पढ़ें, बैंक क्रेडिट ऑफिसर इसे असली लेंडिंग निर्णयों में कहाँ इस्तेमाल करते हैं, और इसकी कमियाँ क्या हैं। साथ ही हम वे एग्जाम एंगल भी कवर करेंगे जो IIBF पूछना पसंद करता है, प्रैक्टिस MCQ और अंत में एक FAQ सेक्शन के साथ।

📉 Altman Z-Score Model क्या है?

Altman Z-score model को प्रोफेसर Edward Altman ने 1968 में मैन्युफैक्चरिंग कंपनियों के एक सैंपल पर multiple discriminant analysis का इस्तेमाल करके बनाया था, जिसमें कुछ कंपनियाँ स्वस्थ थीं और कुछ दिवालिया हो चुकी थीं। किसी फर्म को एक-एक रेशियो देखकर आँकने की बजाय, यह मॉडल पाँच रेशियो को साथ में वेट देकर एक ही कम्पोज़िट स्कोर निकालता है।

यही एक नंबर इस मॉडल को लेंडर्स के लिए आकर्षक बनाता है। एक क्रेडिट एनालिस्ट जो हफ्ते में दर्जनों बॉरोअर फाइलें देखता है, वह हर अकाउंट पर पूरी क्वालिटेटिव डिस्ट्रेस रिव्यू नहीं कर सकता, लेकिन Z-score उन आंकड़ों से निकल जाता है जो पहले से ऑडिटेड फाइनेंशियल स्टेटमेंट में मौजूद होते हैं। यह गहरी ड्यू डिलिजेंस शुरू होने से पहले एक तेज़, दोहराई जा सकने वाली पहली छानबीन देता है।

शुरुआत में यह मॉडल लिस्टेड मैन्युफैक्चरर्स के लिए बना था, लेकिन बाद में इसके कई वेरिएंट बने जो प्राइवेट कंपनियों, सर्विस फर्मों और भारत जैसे एमर्जिंग मार्केट को कवर करते हैं, जिनकी तुलना नीचे टेबल में दी गई है।

🧮 फॉर्मूले के पीछे पाँच रेशियो

ओरिजिनल मॉडल पाँच रेशियो को जोड़ता है, जिनमें से हर एक फाइनेंशियल हेल्थ के अलग पहलू को दर्शाता है: liquidity, संचित प्रॉफिटेबिलिटी, मौजूदा अर्निंग पावर, मार्केट-आधारित लीवरेज, और एसेट टर्नओवर। फॉर्मूला है:

Z = 1.2(X1) + 1.4(X2) + 3.3(X3) + 0.6(X4) + 1.0(X5)

यहाँ X1 वर्किंग कैपिटल को टोटल एसेट्स से भाग देकर (शॉर्ट-टर्म liquidity) मिलता है, X2 रिटेन्ड अर्निंग्स को टोटल एसेट्स से भाग देकर (संचित प्रॉफिटेबिलिटी और फर्म की उम्र) मिलता है, X3 EBIT को टोटल एसेट्स से भाग देकर (ऑपरेटिंग एफिशिएंसी) मिलता है, X4 इक्विटी के मार्केट वैल्यू को टोटल लायबिलिटीज़ से भाग देकर (कर्ज़ के मुकाबले इक्विटी कितना कुशन देती है) मिलता है, और X5 सेल्स को टोटल एसेट्स से भाग देकर (एसेट उपयोग) मिलता है।

ध्यान दें कि X3, यानी मौजूदा अर्निंग पावर, इस फॉर्मूले में सबसे ज्यादा वेट रखता है। कोई फर्म एक खराब क्वार्टर झेल सकती है, लेकिन अपने एसेट बेस के मुकाबले लगातार कमज़ोर ऑपरेटिंग अर्निंग्स, Altman के मूल रिसर्च में असफलता की सबसे मज़बूत अकेली भविष्यवाणी है। यही वजह है कि यह मॉडल capital investment decision and capital budgeting for international projects के तहत कवर होने वाले कैपिटल बजटिंग निर्णयों से भी जुड़ता है, क्योंकि आज का खराब प्रोजेक्ट चयन कल कमज़ोर EBIT के रूप में सामने आता है।

📊 ज़ोन कैसे पढ़ें और सही वेरिएंट कैसे चुनें

2.99 से ऊपर का Z-score फर्म को "सेफ ज़ोन" में रखता है, 1.81 और 2.99 के बीच का स्कोर "ग्रे ज़ोन" में आता है जहाँ जजमेंट की ज़रूरत होती है, और 1.81 से नीचे कुछ भी "डिस्ट्रेस ज़ोन" में आता है जहाँ अगले दो साल में असफलता की संभावना काफी ज्यादा होती है। लेकिन ओरिजिनल फॉर्मूला एक लिस्टेड मैन्युफैक्चरर मानकर बना है, इसलिए Altman ने बाकी तरह के बॉरोअर के लिए बाद में वेरिएंट बनाए।

भारतीय मिड-मार्केट बॉरोअर के साथ काम करने वाले एनालिस्ट, जिनमें ज्यादातर अनलिस्टेड होते हैं, आमतौर पर ओरिजिनल की बजाय Z″ वेरिएंट चुनते हैं, क्योंकि यह मार्केट-वैल्यू रेशियो की जगह बुक वैल्यू इस्तेमाल करता है जो हमेशा उपलब्ध रहता है।

🏦 बैंक क्रेडिट ऑफिसर इसे NPA नॉर्म्स के साथ क्यों इस्तेमाल करते हैं

Altman Z-score model शायद ही कभी अकेले लेंडिंग निर्णय का आधार बनता है, लेकिन यह एक व्यापक क्रेडिट मॉनिटरिंग फ्रेमवर्क के भीतर एक तेज़, डिफेंसिबल अर्ली-वॉर्निंग इनपुट है। अगर कोई बॉरोअर लगातार कई क्वार्टर में सेफ ज़ोन से ग्रे ज़ोन की तरफ खिसक रहा है, तो यही वह पैटर्न है जिसे रिपेमेंट में कोई गड़बड़ी दिखने से बहुत पहले ही रिव्यू मीटिंग ट्रिगर करनी चाहिए।

यह सीधे एसेट क्लासिफिकेशन प्रैक्टिस से जुड़ता है। एक बार लोन फिसल जाए, तो अकाउंट उन चरणों से गुज़रता है जो NPA classification and provisioning में बताए गए हैं, और Reserve Bank of India का प्रूडेंशियल मार्गदर्शन तय करता है कि जब अर्ली-वॉर्निंग संकेत असली डिफॉल्ट में बदल जाएं तो बैंक को कितना प्रावधान करना होगा। Z-score के ट्रेंड को इन प्रोविज़निंग नॉर्म्स के साथ पढ़ने से क्रेडिट टीमों को केवल कोवेनेंट टूटने के बाद प्रतिक्रिया देने की बजाय ज्यादा पूरी अर्ली-वॉर्निंग तस्वीर मिलती है।

💡 परीक्षा टिप: अगर CAIIB का सवाल आपको पाँच रेशियो वैल्यू और वेट दे दे, तो बस उन्हें ध्यान से फॉर्मूले में डालें — मार्क्स आमतौर पर अरिथमेटिक में गलती से कटते हैं, कॉन्सेप्ट में नहीं।

रेटिंग एजेंसियाँ और इक्विटी रिसर्च डेस्क भी IPO से पहले या किसी डिस्ट्रेस्ड टारगेट की वैल्यूएशन से पहले कंपनियों की स्क्रीनिंग में यही लॉजिक इस्तेमाल करती हैं, जिसे special cases of valuation के तहत और गहराई से कवर किया गया है।

⚠️ सीमाएँ और आम गलतियाँ

यह स्कोरिंग तरीका हिस्टोरिकल डेटा पर फिट किया गया एक स्टैटिस्टिकल पैटर्न है, फाइनेंस का कोई नियम नहीं, और इसके असली नतीजे होते हैं। यह दशकों पहले US मैन्युफैक्चरिंग फर्मों पर कैलिब्रेट किया गया था, इसलिए ओरिजिनल वेट को बिना बदले किसी भारतीय सर्विस या ट्रेडिंग कंपनी पर लगाना एक असली स्वस्थ फर्म को डिस्ट्रेस्ड बता सकता है, या इसका उल्टा भी हो सकता है।

⚠️ आम गलती: उम्मीदवार अक्सर परीक्षा में सिर्फ ओरिजिनल Z फॉर्मूला बता देते हैं और यह नहीं बताते कि प्राइवेट-कंपनी और एमर्जिंग-मार्केट वेरिएंट भी मौजूद हैं — हमेशा बॉरोअर के प्रकार के अनुसार सही वेरिएंट का नाम लें।

यह मॉडल पूरी तरह ऑडिटेड फाइनेंशियल स्टेटमेंट डेटा पर निर्भर करता है, जो पीछे देखकर बना होता है और रियल-टाइम कैश स्ट्रेस से एक पूरे रिपोर्टिंग साइकल जितना पीछे रह सकता है। यह ऑफ-बैलेंस-शीट एक्सपोज़र, रिलेटेड-पार्टी निर्भरता या अचानक लिक्विडिटी शॉक को सीधे नहीं पकड़ता। नए क्रेडिट-रिस्क तरीके अब Z-score को मशीन-लर्निंग तकनीकों के साथ मिलाने लगे हैं, जिसे artificial intelligence in emerging business solutions के तहत बताया गया है, ताकि क्वार्टरली रेशियो से ज्यादा तेज़ी से प्रतिक्रिया दी जा सके।

📌 याद रखें: कम Z-score और गहराई से जाँच करने का संकेत है, कोई ऑटोमैटिक फैसला नहीं — इसे कई इनपुट में से एक मानें, साथ में कैश फ्लो एनालिसिस और मैनेजमेंट व इंडस्ट्री आउटलुक पर क्वालिटेटिव जाँच भी करें।

यह भी याद रखने लायक है कि किसी कंपनी की रिस्क प्रोफाइल सिर्फ आंकड़ों से नहीं, बल्कि संरचनात्मक रूप से भी बदल सकती है। venture capital funding stages में बताए गए शुरुआती चरणों से गुज़र रही कोई फर्म अक्सर कमज़ोर Z-score दिखाएगी सिर्फ इसलिए क्योंकि वह नई और एसेट-लाइट है, न कि इसलिए कि वह असफल हो रही है — असली संदर्भ हमेशा कच्चे स्कोर से ज्यादा मायने रखता है।

🔁 Z-Score बनाम अन्य डिस्ट्रेस संकेत

बैंकर शायद ही कभी इस Z-score model पर अकेले भरोसा करते हैं; वे इसे कंपनी के अकाउंट्स से मिलने वाले दूसरे संकेतों के साथ क्रॉस-चेक करते हैं। उदाहरण के लिए, बार-बार होने वाला एसेट इम्पेयरमेंट एक अकाउंटिंग-साइड रेड फ्लैग है जो Ind AS 36 impairment of assets के तहत कवर किया गया है, और गिरते Z-score के साथ राइट-डाउन की अचानक लहर आना करीबी निगरानी की ज़रूरत को और मज़बूत करता है।

कॉरपोरेट स्ट्रक्चरिंग की घटनाएँ भी मायने रखती हैं। जब किसी टारगेट कंपनी का मूल्यांकन लिस्टिंग से पहले special purpose acquisition company जैसे स्ट्रक्चर के ज़रिए किया जाता है, तो ड्यू डिलिजेंस टीमें डील की कीमत तय होने से पहले टारगेट की फाइनेंशियल मज़बूती जाँचने के लिए नियमित रूप से यह मॉडल चलाती हैं। ये कोई भी टूल एक-दूसरे की जगह नहीं लेते; साथ में इस्तेमाल होने पर ये किसी अकेले रेशियो से कहीं ज्यादा भरोसेमंद तस्वीर देते हैं।

🧠 प्रैक्टिस MCQ: Altman Z-Score Model

100+ MCQ वाले चैप्टर-वाइज़ मॉक टेस्ट चाहिए? मुफ्त में प्रैक्टिस शुरू करें →

❓ अक्सर पूछे जाने वाले सवाल

Altman Z-score model किसी बॉरोअर के डिस्ट्रेस रिस्क को नंबर में बदलने के सबसे तेज़ तरीकों में से एक बना हुआ है, लेकिन यह सबसे बेहतर तब काम करता है जब इसे व्यापक क्रेडिट असेसमेंट प्रक्रिया की एक परत माना जाए, अकेला फैसला नहीं। संबंधित वैल्यूएशन और क्रेडिट विषयों की एक व्यवस्थित वॉक-थ्रू के लिए ABFM topic hub ब्राउज़ करें, या एग्जाम से पहले पूरी CAIIB mock test series से अपनी तैयारी और पैनी करें।