顏蘇莉 孫婧豪

【摘要】隨著我國房地產(chǎn)業(yè)的高速發(fā)展，房地產(chǎn)公司的財(cái)務(wù)杠桿普遍偏大，承擔(dān)的財(cái)務(wù)風(fēng)險(xiǎn)值得我們關(guān)注。因此，對房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測分析，及時(shí)采取有效措施進(jìn)行控制，就變得尤為必要。本文以我國房地產(chǎn)業(yè)為研究背景，基于相關(guān)的數(shù)據(jù)和財(cái)務(wù)指標(biāo)，借助Fisher判別法，建立了與我國房地產(chǎn)公司相適應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，最后得出結(jié)論并提出了控制財(cái)務(wù)風(fēng)險(xiǎn)的建議，以幫助管理者及時(shí)采取有效的風(fēng)險(xiǎn)控制措施。

【關(guān)鍵詞】財(cái)務(wù)風(fēng)險(xiǎn) 風(fēng)險(xiǎn)預(yù)測模型 Fisher判別法 房地產(chǎn)上市公司

一、引言

（一）我國房地產(chǎn)業(yè)的發(fā)展

作為我國國民經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，房地產(chǎn)業(yè)一直發(fā)揮著基礎(chǔ)性和帶動(dòng)性作用。近10年來，我國的商品房銷售額和銷售面積呈現(xiàn)逐年增長的趨勢（如圖1、圖2所示），是帶動(dòng)國民經(jīng)濟(jì)增長的重要推動(dòng)力。

圖1 我國商品房各年銷售面積

圖2 我國商品房各年銷售額

然而，近年來，由美國次貸危機(jī)引發(fā)的全球金融危機(jī)已經(jīng)向我們展示了房地產(chǎn)業(yè)肆意擴(kuò)張而付出的慘痛代價(jià)[1]。對于我國房地產(chǎn)業(yè)而言，如果缺乏有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測系統(tǒng)，企業(yè)必然面臨較大的財(cái)務(wù)危機(jī)。因此，建立有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，及時(shí)對企業(yè)的財(cái)務(wù)狀況進(jìn)行預(yù)警，可以降低企業(yè)陷入財(cái)務(wù)風(fēng)險(xiǎn)的可能性，從而減少財(cái)務(wù)危機(jī)給企業(yè)帶來的損失。

（二）財(cái)務(wù)風(fēng)險(xiǎn)及風(fēng)險(xiǎn)預(yù)測

財(cái)務(wù)風(fēng)險(xiǎn)指的是企業(yè)無法按期支付負(fù)債融資所應(yīng)付的利息或本金而有倒閉的可能性，因此又稱為違約風(fēng)險(xiǎn)[2]。然而，企業(yè)用于支付到期債務(wù)的資金，主要來源于企業(yè)經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金流量。因此，本文主要從現(xiàn)金流量這個(gè)角度，來衡量企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，用經(jīng)營活動(dòng)凈現(xiàn)金流量與流動(dòng)負(fù)債的比值來反映企業(yè)的償債能力，以判斷企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)。

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測，指采用定量或定性分析方法，借助企業(yè)提供的財(cái)務(wù)報(bào)表、經(jīng)營計(jì)劃及其他相關(guān)資料，利用財(cái)會(huì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場營銷等理論，對企業(yè)的財(cái)務(wù)活動(dòng)、經(jīng)營活動(dòng)進(jìn)行分析預(yù)測，以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動(dòng)中潛在的財(cái)務(wù)風(fēng)險(xiǎn)和經(jīng)營風(fēng)險(xiǎn)，并在危機(jī)發(fā)生前向企業(yè)經(jīng)營管理者發(fā)出警告，以便讓企業(yè)管理當(dāng)局采取有效措施，避免或減輕潛在的風(fēng)險(xiǎn)演變成損失[3]。

以我國房地產(chǎn)公司為例，由于其行業(yè)特殊性，只有建立有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測機(jī)制，才能準(zhǔn)確地對企業(yè)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測分析，為企業(yè)股東、經(jīng)營管理者及各方提供及時(shí)的警報(bào)和糾偏措施。在此基礎(chǔ)上，本文對我國房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型進(jìn)行了相關(guān)研究。

二、模型構(gòu)建思路

（一）總體思路

本文以房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的定義為出發(fā)點(diǎn)，并選取相應(yīng)的財(cái)務(wù)指標(biāo)對財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行描述，借助Fisher判別法，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，對企業(yè)風(fēng)險(xiǎn)狀況進(jìn)行評估，最后提出控制風(fēng)險(xiǎn)的措施。

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型的具體構(gòu)建方法是：首先，根據(jù)一定的標(biāo)準(zhǔn)，將選取的房地產(chǎn)企業(yè)劃分為兩組，財(cái)務(wù)風(fēng)險(xiǎn)組和財(cái)務(wù)健康組；第二，選擇相應(yīng)的財(cái)務(wù)指標(biāo)，來反映房地產(chǎn)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)狀況；第三，采用一定的方法篩選指標(biāo)，本文采用判別分析中的逐步選擇法，篩選出適當(dāng)?shù)呢?cái)務(wù)指標(biāo)進(jìn)入模型；第四，借助SPSS軟件，采用Fisher法建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，并設(shè)置合適的臨界值；第五，分別采用原始樣本回判檢驗(yàn)、原始樣本交叉檢驗(yàn)兩種方法對模型的有效性進(jìn)行檢驗(yàn)，并對模型進(jìn)行適當(dāng)?shù)男拚?/p>

（二）樣本的選取及分組

從防范財(cái)務(wù)風(fēng)險(xiǎn)的角度看，“財(cái)務(wù)風(fēng)險(xiǎn)是指一個(gè)企業(yè)處于經(jīng)營性現(xiàn)金流量不足以抵償現(xiàn)有到期債務(wù)的狀態(tài)”，即技術(shù)破產(chǎn)。[4]在本文中，從企業(yè)現(xiàn)金流量這個(gè)角度來對財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行界定，以“經(jīng)營凈現(xiàn)金流量”與“流動(dòng)負(fù)債”的比值作為標(biāo)準(zhǔn)，來判斷企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)。

隨機(jī)選取國內(nèi)A股上市的40家房地產(chǎn)企業(yè)，以2014年12月31日各公司“經(jīng)營凈現(xiàn)金流量/流動(dòng)負(fù)債”的平均值作為標(biāo)準(zhǔn)。經(jīng)計(jì)算，可以得出，40家上市房地產(chǎn)公司“經(jīng)營凈現(xiàn)金流量/流動(dòng)負(fù)債”的平均值為-0.000465。在此基礎(chǔ)上，假定當(dāng)企業(yè)“經(jīng)營凈現(xiàn)金流量/流動(dòng)負(fù)債”小于-0.000465時(shí)，該企業(yè)現(xiàn)金流量不足，企業(yè)存在財(cái)務(wù)風(fēng)險(xiǎn)；當(dāng)企業(yè)“經(jīng)營凈現(xiàn)金流量/流動(dòng)負(fù)債”大于-0.000465時(shí)，該企業(yè)運(yùn)營狀況持續(xù)良好，企業(yè)不存在財(cái)務(wù)風(fēng)險(xiǎn)。

根據(jù)以上判斷標(biāo)準(zhǔn)，對隨機(jī)選取的40家房地產(chǎn)上市公司進(jìn)行分組，健康組代號(hào)為1，風(fēng)險(xiǎn)組代號(hào)為2（如表1所示）。

表1 模型樣本選取

（三）變量的選取

在選擇變量的過程中，結(jié)合我國房地產(chǎn)業(yè)的實(shí)際情況，參考了財(cái)務(wù)風(fēng)險(xiǎn)研究中廣泛采用的財(cái)務(wù)變量，并且加入了反映企業(yè)現(xiàn)金流量狀況的財(cái)務(wù)指標(biāo)，初步確定了25個(gè)預(yù)測變量。這25個(gè)預(yù)測變量主要從五個(gè)方面反映了企業(yè)的財(cái)務(wù)狀況，即盈利能力、成長能力、營運(yùn)能力、償債及資本結(jié)構(gòu)、現(xiàn)金流量狀況。具體指標(biāo)如表2所示。

表2 模型變量選取

三、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型實(shí)證分析

在樣本和財(cái)務(wù)指標(biāo)選取完畢后，利用SPSS軟件，借助于Fisher 判別模型，進(jìn)行指標(biāo)篩選、模型建立、模型檢驗(yàn)等程序，最終得出房地產(chǎn)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型。

（一）指標(biāo)篩選

借助SPSS軟件，采用逐步判別分析法，對以上25個(gè)指標(biāo)進(jìn)行篩選，如表3所示。其中，Wilks的Lambda欄中的統(tǒng)計(jì)量是該變量進(jìn)入模型后總體的Wilks的Lambda值，該值隨著變量的加入而逐漸變?。痪_F欄內(nèi)的統(tǒng)計(jì)量是一個(gè)F值，該值是均方與誤差均方的比值，該比值越大，其對應(yīng)的變量越先進(jìn)入模型。

由表3可知，最終進(jìn)入模型的變量為：資產(chǎn)的經(jīng)營現(xiàn)金流量回報(bào)率、銷售凈利率，其顯著性水平均為0.000，均小于0.05，說明這兩個(gè)變量對判別函數(shù)的貢獻(xiàn)都特別顯著。

表3 輸入的/刪除的變量a，b，c，d

在每個(gè)步驟中，輸入了最小化整體Wilk的Lambda的變量。

a.步驟的最大數(shù)目是48。

b.要輸入的最小偏F是3.84。

c.要?jiǎng)h除的最大偏F是2.71。

d.F級、容差或VIN不足以進(jìn)行進(jìn)一步計(jì)算。

（二）模型建立

1.模型初建。利用表3中篩選出來的兩個(gè)變量，采用Fisher判別分析法實(shí)現(xiàn)建模，得到如下模型：

表4 標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù)

SPSS軟件給出了兩種判別式函數(shù)的判別系數(shù)。表4顯示的是標(biāo)準(zhǔn)化的判別函數(shù)系數(shù)，反映了各變量對因變量的解釋程度，是將變量標(biāo)準(zhǔn)化后所建立的模型的系數(shù)。從表4可以看出，在影響財(cái)務(wù)風(fēng)險(xiǎn)的變量中，貢獻(xiàn)最大的是資產(chǎn)的經(jīng)營現(xiàn)金流量回報(bào)率，證實(shí)了現(xiàn)金流量對財(cái)務(wù)狀況的重要作用，而銷售凈利率顯示出其負(fù)貢獻(xiàn)性，也體現(xiàn)了高風(fēng)險(xiǎn)高收益的規(guī)律。

表5 典型判別式函數(shù)系數(shù)

表5顯示的是非標(biāo)準(zhǔn)化的判別函數(shù)系數(shù)，在本文中，房地產(chǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測采用非標(biāo)準(zhǔn)化系數(shù)的判別模型。在非標(biāo)準(zhǔn)化的判別模型中，將財(cái)務(wù)指標(biāo)代入公式計(jì)算，計(jì)算簡便，省去了標(biāo)準(zhǔn)化的步驟。因此，模型可表示為：

Z=-0.058X1+11.716X2+1.542

其中，X1：銷售凈利率（%）；X2：資產(chǎn)的經(jīng)營現(xiàn)金流量回報(bào)率（%）。

2.函數(shù)有效性檢驗(yàn)及臨界值的確定。多元判別分析法采用WilksLambda統(tǒng)計(jì)量來檢驗(yàn)各組判別函數(shù)的均值是否相等，即對函數(shù)有效性的檢驗(yàn)[5]。從表6和表7可以看出，F(xiàn)isher判別函數(shù)最大特征根為1.454，函數(shù)Wilks的Lambda統(tǒng)計(jì)量為0.407，卡方分布統(tǒng)計(jì)量為27.832，檢驗(yàn)的概率值小于顯著性水平0.05，能夠顯著拒絕各組判別函數(shù)的均值相等的零假設(shè)，所以判別函數(shù)能較好地區(qū)分這兩類。

表6 特征值

a.分析中使用了前1個(gè)典型判別式函數(shù)。

表7 Wilks的Lambda

3.模型的總結(jié)。根據(jù)建立的模型，計(jì)算財(cái)務(wù)健康組和財(cái)務(wù)風(fēng)險(xiǎn)組Z值的分布情況，計(jì)算結(jié)果如表8所示。

表8 組質(zhì)心處的函數(shù)

在組均值處評估的非標(biāo)準(zhǔn)化典型判別式函數(shù)。

由表8可知，健康組的重心為1.103，風(fēng)險(xiǎn)組的重心-1.241。取兩者的中間位置-0.138，作為劃分財(cái)務(wù)風(fēng)險(xiǎn)組與財(cái)務(wù)健康組的判別標(biāo)準(zhǔn)。

綜上所述，根據(jù)3.3.1建立的模型，得出適合我國上市房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型：

Z=-0.058X1+11.716X2+1.542

其中，X1：銷售凈利率（%）；X2：資產(chǎn)的經(jīng)營現(xiàn)金流量回報(bào)率（%）。

計(jì)算各個(gè)公司Z值，當(dāng)Z大于-0.138時(shí)，企業(yè)被劃分為健康組，企業(yè)未來存在財(cái)務(wù)風(fēng)險(xiǎn)的幾率比較??；當(dāng)Z小于-0.138時(shí)，企業(yè)被劃分為風(fēng)險(xiǎn)組，企業(yè)未來存在財(cái)務(wù)風(fēng)險(xiǎn)的幾率比較大。

（三）模型檢驗(yàn)

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型構(gòu)建后，還需要對其有效性進(jìn)行檢驗(yàn)，本文采用原始樣本的回判檢驗(yàn)、交叉檢驗(yàn)兩種方法對其進(jìn)行檢驗(yàn)。

1.原始樣本回判檢驗(yàn)。首先，將樣本數(shù)據(jù)分別代入預(yù)測模型，計(jì)算出各個(gè)樣本的判別分?jǐn)?shù)，即Z值；其次，各個(gè)樣本的Z值與設(shè)定的判別準(zhǔn)則進(jìn)行比較，判斷其屬于哪一組別；最后，將判別結(jié)果與實(shí)際結(jié)果相比較，從而檢驗(yàn)?zāi)Ｐ偷挠行浴＝柚鶶PSS軟件的樣本回判功能，得到分類結(jié)果，如下表9所示。

表9 分類結(jié)果b，c

a.僅對分析中的案例進(jìn)行交叉驗(yàn)證。在交叉驗(yàn)證中，每個(gè)案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。

b.已對初始分組案例中的100.0%個(gè)進(jìn)行了正確分類。

c.已對交叉驗(yàn)證分組案例中的85.0%個(gè)進(jìn)行了正確分類。

由表9可知，健康組樣本和風(fēng)險(xiǎn)組樣本均沒有發(fā)生錯(cuò)判，回判準(zhǔn)確率都為100%，總體回判準(zhǔn)確率為100%，模型的有效性非常顯著。

2.原始樣本交互檢驗(yàn)。該方法是在建立判別函數(shù)時(shí)去掉該例，然后用函數(shù)進(jìn)行判別，從而發(fā)現(xiàn)強(qiáng)影響點(diǎn)。借助SPSS軟件的交叉檢驗(yàn)功能，得到分類結(jié)果，如上表9所示。

由表9可知，交互檢驗(yàn)中，健康組錯(cuò)判的案例為2個(gè)，風(fēng)險(xiǎn)組錯(cuò)判的案例為4個(gè)。因而健康組判別準(zhǔn)確率為91.3%，風(fēng)險(xiǎn)組判別準(zhǔn)確率為76.5%，總體判別準(zhǔn)確率為85.0%。與原始樣本回判檢驗(yàn)結(jié)果相比，準(zhǔn)確率雖然有所下降，但從整體的判別效果來看，模型還是比較有效的。

四、結(jié)論及建議

（一）結(jié)論

本文通過研究房地產(chǎn)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，可以得出如下結(jié)論：

第一，我國房地產(chǎn)上市公司在即將面臨財(cái)務(wù)風(fēng)險(xiǎn)時(shí)，主要變現(xiàn)為現(xiàn)金流量指標(biāo)和盈利能力指標(biāo)的異常變動(dòng)。因此，應(yīng)該更多關(guān)注公司的資產(chǎn)的經(jīng)營現(xiàn)金流量回報(bào)率和銷售凈利率的變動(dòng)，并且及時(shí)分析變動(dòng)原因，制定相應(yīng)的控制策略。

第二，研究我國房地產(chǎn)上市公司是否存在財(cái)務(wù)風(fēng)險(xiǎn)，只用財(cái)務(wù)指標(biāo)進(jìn)行衡量，往往存在一定的偏差。正如在模型的交叉檢驗(yàn)中，模型整體的回判準(zhǔn)確率只有85%。因此，應(yīng)該將財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)相結(jié)合，創(chuàng)建綜合性的風(fēng)險(xiǎn)預(yù)測體系，全面地研究公司可能面臨的財(cái)務(wù)風(fēng)險(xiǎn)。

（二）建議

財(cái)務(wù)風(fēng)險(xiǎn)是客觀存在的，對企業(yè)的經(jīng)營影響較大，基于本文的研究，管理者可以從以下幾方面入手，采取相應(yīng)策略來降低財(cái)務(wù)風(fēng)險(xiǎn)。

1.建立多元化的融資渠道。房地產(chǎn)企業(yè)應(yīng)注重挖掘自身潛力，充分利用留存收益資金，同時(shí)，制定多元化融資策略。一方面，拓寬直接融資渠道，例如房地產(chǎn)產(chǎn)業(yè)基金，分散金融風(fēng)險(xiǎn)，降低對銀行信貸及股市融資依賴。另一方面，充分利用民間資本，分流投資性購房資金，加快金融創(chuàng)新。這樣一來，既可以避免資產(chǎn)負(fù)債率大幅度提高，又可以降低融資成本，節(jié)約財(cái)務(wù)費(fèi)用。

2.優(yōu)化資本結(jié)構(gòu)。資本結(jié)構(gòu)是指企業(yè)長期資金的構(gòu)成及其比例關(guān)系，即企業(yè)的長期債務(wù)資本和權(quán)益資本各占多大的比重。[6]雖然負(fù)債經(jīng)營具有較強(qiáng)的杠桿效應(yīng)，但是隨著負(fù)債比例的上升，企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)也隨著加大。因此，為了降低財(cái)務(wù)風(fēng)險(xiǎn)，企業(yè)應(yīng)該合理的控制權(quán)益資本與債務(wù)資本比例，不斷優(yōu)化資本結(jié)構(gòu)。

3.提高資金的利用率。資金是企業(yè)的血脈，是企業(yè)進(jìn)行經(jīng)營活動(dòng)的重要保障。一方面，房地產(chǎn)企業(yè)應(yīng)制定合理的現(xiàn)金使用計(jì)劃，滿足經(jīng)營活動(dòng)的需要，提高資金的利用率；另一方面，要加強(qiáng)應(yīng)收賬款的管理，通過建立客戶資信和等級評級等方式，制定相應(yīng)的信用政策和收款政策，加快收回賒銷賬款。

參考文獻(xiàn)

[1]唐睿明.我國房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警模型實(shí)證研究[J].財(cái)經(jīng)問題研究，2013.

[2]劉力.我國上市公司財(cái)務(wù)預(yù)警模型研究[D].西安電子科技大學(xué)，2009.

[3]張揚(yáng).上市公司財(cái)務(wù)預(yù)警模型統(tǒng)計(jì)實(shí)證分析[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2005.

[4]劉少杰.中國房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警實(shí)證研究[D].西南財(cái)經(jīng)大學(xué)，2009.

[5]石亞玲.我國房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警研究及其實(shí)證分析[D].華北電力大學(xué)，2007.

[6]張志偉.上市公司財(cái)務(wù)預(yù)警實(shí)證研究[D].西南財(cái)經(jīng)大學(xué)，2009.

作者簡介：顏蘇莉（1962-），女，漢族，湖南漣源人，華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，研究方向：電力經(jīng)濟(jì)分析與管理；孫婧豪（1991-），女，漢族，山東淄博人，華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院研究生，研究方向：會(huì)計(jì)學(xué)。