王茜　張洪

摘 要：針對(duì)房地產(chǎn)投資決策中的財(cái)務(wù)風(fēng)險(xiǎn)，運(yùn)用信用風(fēng)險(xiǎn)模型，構(gòu)建我國(guó)房地產(chǎn)上市公司企業(yè)財(cái)務(wù)預(yù)警指標(biāo)體系，并選取滬深兩市54家ST 公司和50家非ST 公司為分析樣本，對(duì)所構(gòu)建的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系進(jìn)行檢驗(yàn)。

關(guān)鍵詞：信用風(fēng)險(xiǎn)模型；房地產(chǎn)上市公司；財(cái)務(wù)預(yù)警

中圖分類(lèi)號(hào)：F293.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2016）03-0100-04

引言

隨著經(jīng)濟(jì)全球化的發(fā)展，國(guó)內(nèi)房地產(chǎn)企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中面臨各種各樣的風(fēng)險(xiǎn)，如何辨識(shí)、評(píng)估、監(jiān)測(cè)、控制風(fēng)險(xiǎn)已成為我國(guó)房地產(chǎn)企業(yè)發(fā)展道路上必須面對(duì)的問(wèn)題。而在我國(guó)房地產(chǎn)企業(yè)風(fēng)險(xiǎn)意識(shí)不強(qiáng)，風(fēng)險(xiǎn)管理工作薄弱，是企業(yè)發(fā)生重大風(fēng)險(xiǎn)問(wèn)題的重要原因。

一、文獻(xiàn)綜述

國(guó)內(nèi)外對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的研究主要集中在識(shí)別方法和識(shí)別變量的選擇方面，而且這些研究成果主要是用于企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建。

Beaver[1]（1968）率先提出單變量分析法。選擇79家公司，通過(guò)6組30個(gè)變量來(lái)反映公司破產(chǎn)前一至五年的財(cái)務(wù)能力，研究發(fā)現(xiàn)最好的判別變量是營(yíng)運(yùn)資本與負(fù)債之比和凈利潤(rùn)與總資產(chǎn)之比。Altman[2]（1968）首次運(yùn)用多變量分析模型對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行判別分析。從流動(dòng)性、獲利能力、財(cái)務(wù)杠桿、償債能力和活動(dòng)性五個(gè)方面選用22個(gè)變量作為預(yù)測(cè)備選變量，通過(guò)對(duì)1946—1965年間破產(chǎn)制造企業(yè)和33家非破產(chǎn)配對(duì)企業(yè)的研究分析，構(gòu)建了Z-Score模型。Ohlson[3]（1980）構(gòu)建 Logistic預(yù)測(cè)模型，研究發(fā)現(xiàn)，影響公司破產(chǎn)概率的變量，即公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的變現(xiàn)能力。

周首華等[4]（1996）運(yùn)用1977—1990年的62家公司，即31家破產(chǎn)公司和相對(duì)應(yīng)的同一年度、同一行業(yè)及相近凈銷(xiāo)售額的31家非破產(chǎn)公司，建立了F分?jǐn)?shù)模型，并以ComPustat PC Plus 會(huì)計(jì)資料庫(kù)中1990年以來(lái)的4 160家公司數(shù)據(jù)作為檢驗(yàn)樣本進(jìn)行了驗(yàn)證，其F模型的準(zhǔn)確率高達(dá)近70%。生育新、顧壽儀[5]（1998年）通過(guò)流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率和利息倍數(shù)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警指示，研究宏觀(guān)回避和微觀(guān)回避對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的回避。楊淑娥和徐偉剛[6]（2003）在Z分?jǐn)?shù)模式的基礎(chǔ)上，運(yùn)用統(tǒng)計(jì)學(xué)中的主成分分析方法，提出了Y分?jǐn)?shù)模型，并用建立模型的134個(gè)原始樣本進(jìn)行回代，在預(yù)測(cè)值Y=0.5時(shí)，模型的回判準(zhǔn)確率為80%左右。王芳云[7] （2005）在系統(tǒng)闡述奧特曼Z計(jì)分法的基礎(chǔ)上，有針對(duì)性地選取了2003年滬、深上市公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行實(shí)證研究。實(shí)證表明，Z-score模型、模型對(duì)某個(gè)行業(yè)或某類(lèi)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)整體性分析的指導(dǎo)作用較強(qiáng)，可有效的評(píng)價(jià)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。邢姝媛[8]（2011）結(jié)合了王偉、趙占軍認(rèn)為的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的三種表現(xiàn)形式，從內(nèi)部控制體系、財(cái)務(wù)管理體系、資金管理體系和加強(qiáng)財(cái)務(wù)管理意識(shí)等方面提出防范措施。趙春[9]（2012）應(yīng)用于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)分析與危機(jī)預(yù)警的研究，提出了企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)概念層次樹(shù)模型和時(shí)間序列動(dòng)態(tài)維護(hù)的財(cái)務(wù)危機(jī)預(yù)警模型。通過(guò)基于Hash 結(jié)構(gòu)的關(guān)聯(lián)規(guī)則交互挖掘算法HIUA、基于部分支持度樹(shù)的關(guān)聯(lián)規(guī)則增量式更新算法 IUPS_Miner和關(guān)聯(lián)規(guī)則的動(dòng)態(tài)維護(hù)算法ARDM方法，構(gòu)建償債能力、盈利能力、現(xiàn)金流量指標(biāo)、運(yùn)營(yíng)能力、成長(zhǎng)能力和指標(biāo)相關(guān)性分析幾項(xiàng)財(cái)務(wù)指標(biāo)。杜俊娟[10]（2013）從系統(tǒng)風(fēng)險(xiǎn)，非系統(tǒng)風(fēng)險(xiǎn)兩方面分析房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的類(lèi)型及產(chǎn)生原因，提出將財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)結(jié)合進(jìn)行預(yù)警分析的新思路。杜運(yùn)潮、徐鳳菊[11]（2013）以我國(guó)房地產(chǎn)上市公司為研究對(duì)象，選取8家財(cái)務(wù)狀況異常的公司，按照4倍比例選取了32家財(cái)務(wù)狀況正常的配對(duì)公司，采用反映企業(yè)償債能力、資產(chǎn)運(yùn)營(yíng)能力、盈利能力、成長(zhǎng)能力、現(xiàn)金流量能力五個(gè)方面能力的30個(gè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，構(gòu)成Logistic財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型。代岑穎[12]（2014年）將財(cái)務(wù)風(fēng)險(xiǎn)劃分為籌資風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)、流動(dòng)資產(chǎn)風(fēng)險(xiǎn)三類(lèi)，針對(duì)每一類(lèi)風(fēng)險(xiǎn)選取相關(guān)財(cái)務(wù)指標(biāo)，共27個(gè)量化指標(biāo)構(gòu)成財(cái)務(wù)風(fēng)險(xiǎn)分析指標(biāo)體系，對(duì)該房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行識(shí)別與防范。王惠聰[13]（2014）運(yùn)用財(cái)務(wù)比率分析法，單變量分析模型、Z3計(jì)分模型、F分?jǐn)?shù)模型，對(duì)房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)水平進(jìn)行了分析，研究發(fā)現(xiàn)房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)水平正在逐漸升高。向曉露[14]（2014）、劉砂砂[15] （2014）研究結(jié)果表明，對(duì)房地產(chǎn)行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)影響最大的為償債能力因子和成長(zhǎng)能力因子，盈利能力因子對(duì)強(qiáng)勢(shì)公司影響最大，而償債能力因子對(duì)弱勢(shì)公司的影響最大。龐明和吳紅梅[16]采用多元回歸分析法，利用現(xiàn)金流視角研究財(cái)務(wù)風(fēng)險(xiǎn)。研究結(jié)果表明，經(jīng)營(yíng)活動(dòng)現(xiàn)金流增長(zhǎng)率、投資活動(dòng)總流入結(jié)構(gòu)比率與財(cái)務(wù)風(fēng)險(xiǎn)的變化趨勢(shì)反比凈利潤(rùn)現(xiàn)金比率、全部現(xiàn)金流量比率、籌集活動(dòng)總流入結(jié)構(gòu)比率顯著影響財(cái)務(wù)風(fēng)險(xiǎn)。

二、研究設(shè)計(jì)與指標(biāo)構(gòu)建

Vasicek 于2002 年首先提出來(lái)的財(cái)務(wù)風(fēng)險(xiǎn)，并在財(cái)務(wù)預(yù)警體系研究中得到應(yīng)用。該模型假設(shè)財(cái)務(wù)運(yùn)行狀況主要取決于兩個(gè)變量ZA和ZB為正的概率，用公式表示為：

財(cái)務(wù)預(yù)算的名義杠桿率？漬可以表述為：

鑒于最大概率為1，現(xiàn)金流運(yùn)行狀況的概率可以表述為：

當(dāng)概率為1 時(shí)表示現(xiàn)金流的約束較松，可以降低風(fēng)險(xiǎn)標(biāo)準(zhǔn)提高高風(fēng)險(xiǎn)項(xiàng)目的投資，如果把剩余資金用于項(xiàng)目A，則B+A項(xiàng)目的收益情況W可以表示為：

根據(jù)上述公式可以得出以下公式：

上述公式表明，在約束條件下，公司現(xiàn)金流的最優(yōu)財(cái)務(wù)狀況和公司項(xiàng)目收益E 呈正向關(guān)系，與置信度系數(shù)α 也呈正向關(guān)系，和違約率PA和PB呈反向關(guān)系，即風(fēng)險(xiǎn)的存在將提高公司財(cái)務(wù)危機(jī)發(fā)生的概率。

企業(yè)收益情況可以表示為：E（P|I）=（q-Pi）P0+（1-q+Pi）pc

其中，Pi 表示企業(yè)利潤(rùn)，如果i為0，表示企業(yè)完全使用自有資金，i 等于C，表示完全使用外部資金。

只有在E>0，即企業(yè)利潤(rùn)為正時(shí)才會(huì)繼續(xù)擴(kuò)大投資規(guī)模，意味著企業(yè)現(xiàn)金流的財(cái)務(wù)狀況良好，對(duì)E 求導(dǎo)可得如下形式：

上述公式意味著房地產(chǎn)企業(yè)所處外部環(huán)境越復(fù)雜，房地產(chǎn)企業(yè)資金不足時(shí)，進(jìn)行外部融資的成本越大，將會(huì)影響企房地產(chǎn)企業(yè)正常運(yùn)轉(zhuǎn)。財(cái)務(wù)預(yù)警指標(biāo)從經(jīng)營(yíng)效率、償債能力、盈利能力和資本收益四個(gè)方面對(duì)財(cái)務(wù)狀況進(jìn)行分析，其中經(jīng)營(yíng)效率包括企業(yè)內(nèi)部現(xiàn)金充足率、經(jīng)營(yíng)現(xiàn)金比率、自由現(xiàn)金比率和資金周轉(zhuǎn)率4個(gè)子指標(biāo)，償債能力包括企業(yè)現(xiàn)金比率、資本負(fù)債率和現(xiàn)金債務(wù)比率3個(gè)子指標(biāo)，盈利能力包括盈利現(xiàn)金比率、經(jīng)營(yíng)現(xiàn)金比率和凈資產(chǎn)利潤(rùn)3個(gè)子指標(biāo)，資本收益用每股的現(xiàn)金流量表示。隨機(jī)抽取2015滬深兩市54家房地產(chǎn)上市公司ST 公司和50家非ST 公司，把ST公司設(shè)定為1，非ST公司設(shè)定為0，在分析時(shí)把94個(gè)樣本公司分成兩組，分別為估計(jì)組和檢驗(yàn)組，計(jì)量分析使用SPSS軟件，數(shù)據(jù)的描述性統(tǒng)計(jì)（見(jiàn)表1）。

三、實(shí)證檢驗(yàn)

根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)的數(shù)理模型，企業(yè)財(cái)務(wù)狀況主要取決于企業(yè)收益情況和現(xiàn)金流項(xiàng)目特質(zhì)性。

由于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)（CF）和企業(yè)收益和現(xiàn)金流存在密切關(guān)系，基于上述變量選取，本文設(shè)定經(jīng)營(yíng)效率（JY）、償債能力（CZ）、盈利能力（YL）和資本收益（ZB）四大影響因素構(gòu)建計(jì)量模型：

為了對(duì)公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行定量分析，首先使用上述風(fēng)險(xiǎn)計(jì)量模型進(jìn)行回歸分析，回歸結(jié)果（見(jiàn)表2）。

從模型回歸結(jié)果可以看出，所有變量都通過(guò)了顯著性檢驗(yàn)，伴隨概率較小，從標(biāo)準(zhǔn)差和t值可以看出回歸結(jié)果較為理想。在市場(chǎng)經(jīng)濟(jì)的環(huán)境下，目前還存在很多不合理的地方，而且上市公司融資壓力是制約企業(yè)財(cái)務(wù)狀況的重要因素。合理規(guī)劃、制定行業(yè)標(biāo)準(zhǔn)是國(guó)家經(jīng)濟(jì)健康發(fā)展的重要保障。

參考文獻(xiàn)：

[1] Beaver W.Marketprice，F(xiàn)inancial Ratios，and the Prediction of Failure [J].Jouranal of accounting research，1968.

[2] Edward I.Altman.Financial ratios，discriminant analysis and prediction of corporate bankruptcy [J].Journal of Finance，1968.

[3] Ohlson J.A.Financial ratios and the probabilistic prediction bankruptcy[J].Journal of accounting research，1980，（1）.

[4] 周首華，等.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會(huì)計(jì)研究，1996，（8）.

[5] 生育新，顧壽儀.淺談企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)[J].財(cái)會(huì)月刊，1998，（12）.

[6] 楊淑娥，徐偉剛.上市公司財(cái)務(wù)預(yù)警模型——Y分?jǐn)?shù)模型的實(shí)證研究[J].中國(guó)軟科學(xué)，2003，（2）.

[7] 王芳云.運(yùn)營(yíng)Z計(jì)分模型對(duì)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的實(shí)證研究[J].山東紡織經(jīng)濟(jì)，2005，（5）.

[8] 邢姝媛.關(guān)于我國(guó)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)分析[J].中國(guó)證券期貨，2011，（6）.

[9] 趙春.基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)風(fēng)險(xiǎn)分析與預(yù)警研究[D].北京：北京化工大學(xué)碩士學(xué)位論文，2012.

[10] 杜俊娟.我國(guó)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警與防范[J].會(huì)計(jì)之友，2013，（10）.

[11] 杜運(yùn)潮，徐鳳菊.房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別——基于Logistic模型的實(shí)證研究[J].財(cái)會(huì)月刊，2013，（18）.

[12] 代岑穎.？菖？菖房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與防范研究[D].重慶：重慶理工大學(xué)碩士學(xué)位論文，2014.

[13] 王惠聰.BLDC公司財(cái)務(wù)風(fēng)險(xiǎn)分析與防范[D].沈陽(yáng)：遼寧大學(xué)碩士學(xué)位論文，2014.

[14] 向曉露.我國(guó)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[D].成都：西南財(cái)經(jīng)大學(xué)碩士學(xué)位論文，2014.

[15] 劉砂砂.上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警綜合指標(biāo)體系研究——以房地產(chǎn)行業(yè)為例[D].濟(jì)南：山東財(cái)經(jīng)大學(xué)碩士學(xué)位論文，2014.

[16] 龐明，等.基于現(xiàn)金流的我國(guó)三大石油公司的財(cái)務(wù)風(fēng)險(xiǎn)研究[J].經(jīng)濟(jì)問(wèn)題，2015，（6）.

[責(zé)任編輯 陳丹丹]