I takt med att antalet företagskonkurser ökar i Sverige växer behovet av effektiva verktyg för att identifiera finansiellt utsatta företag. Denna studie undersöker hur väl konkursprediktionsmodellen Altman Z´-score överensstämmer med signaler om fortsatt drift i företags årsredovisningar, särskilt genom företagsledningens uttalanden i förvaltningsberättelsen och revisorns bedömningar i revisionsberättelsen.

Studien bygger på en kvalitativ innehållsanalys av 60 svenska tillverkningsföretag som försattes i konkurs under perioden april 2024 till april 2025. Genom att kombinera kvantitativa data från Z´-score-modellen med tolkning av kvalitativa uttalanden om fortsatt drift, analyseras i vilken grad dessa informationskällor ger samstämmiga signaler om konkursrisk.

Resultatet visar att Z´-score-modellen är den indikator som oftast identifierar risk i ett tidigt skede, men att dess träffsäkerhet förbättras väsentligt när den kombineras med revisorns och ledningens bedömningar. Endast i 35 % av fallen samstämde samtliga tre indikatorer om hög risk, och i 13 % om låg risk. I övriga fall fanns betydande skillnader i hur risk uttrycktes. Studien visar att ingen enskild metod är tillräcklig för att på egen hand förutsäga konkurs med hög precision. Däremot ger en kombinerad analysmodell, där kvantitativa och kvalitativa indikatorer vägs samman, en mer tillförlitlig helhetsbild av ett företags finansiella hälsa.

Resultatet är av värde för bland annat investerare, revisorer och beslutsfattare som arbetar med finansiell riskbedömning.

As the number of corporate bankruptcies increases in Sweden, the need for effective tools to identify financially distressed companies is growing. This study examines how well the bankruptcy prediction model Altman Z’-score aligns with going concern signals in companies’ annual reports, particularly through management statements in the directors’ report and auditors’ assessments in the audit report.

The study is based on a qualitative content analysis of 60 Swedish manufacturing companies that went bankrupt between April 2024 and April 2025.

By combining quantitative data from the Z’-score model with interpretations of qualitative statements regarding going concern, an analysis is conducted on the extent to which these sources provide consistent signals regarding bankruptcy risk.

The results show that the Z’-scoremodel is the indicator that most frequently identifies risk at an early stage, but its accuracy improves significantly when combined with the assessments of auditors and management. In only 35% of the cases did all three indicators agree on high risk, and in 13% on low risk. In the remaining cases, there were significant differences in how risk was expressed. The study demonstrates that no single method is sufficient to predict bankruptcy with high precision onits own. However, a combined analytical model where quantitative and qualitative indicators are integrated provides a more reliable overall picture of a company’s financial health.

The results are valuable for investors, auditors, and decision makers involved in financial risk assessment.