張 琦

一、引言

近20 年來，我國房地產(chǎn)業(yè)發(fā)展迅速，成為了國民經(jīng)濟的支柱產(chǎn)業(yè)之一。由于區(qū)位條件、消費習(xí)慣、人口密度、經(jīng)濟水平等方面差異，房地產(chǎn)業(yè)在全國范圍內(nèi)呈現(xiàn)典型的非均衡性特征，一些地區(qū)出現(xiàn)明顯的結(jié)構(gòu)性過剩，導(dǎo)致唱衰房地產(chǎn)以及泡沫論不絕于耳[1～6]。2016 年以來，中央堅持“房住不炒”定位，要求保持政策的連續(xù)性和穩(wěn)定性，構(gòu)建房地產(chǎn)市場持續(xù)健康發(fā)展的有效機制。2018 年底，中央經(jīng)濟工作會議提出要構(gòu)建房地產(chǎn)市場健康發(fā)展長效機制，完善住房市場體系和住房保障體系。從微觀視角來看，提升房地產(chǎn)企業(yè)對經(jīng)營風(fēng)險的有效識別和科學(xué)治理能力是推動房地產(chǎn)業(yè)高質(zhì)量發(fā)展的關(guān)鍵所在[7-8]。當前，學(xué)術(shù)界針對企業(yè)經(jīng)營風(fēng)險的研究主要有四類觀點：其一，認為企業(yè)經(jīng)營風(fēng)險主要體現(xiàn)為經(jīng)營業(yè)績的變化，一般采用企業(yè)的收益波動率進行分析。其二，認為企業(yè)經(jīng)營風(fēng)險可通過第三方風(fēng)險提示來體現(xiàn)。比如，被評級機構(gòu)調(diào)低信用等級或被證券交易所認定為ST 或*ST。然而，無論是信用評級還是ST 處理，都有其嚴格的適用范圍，且更多傾向于財務(wù)風(fēng)險而非經(jīng)營風(fēng)險。其三，認為企業(yè)經(jīng)營風(fēng)險主要源于經(jīng)營行為，比如，戰(zhàn)略決策、項目管理、市場營銷都會對經(jīng)營風(fēng)險產(chǎn)生重要影響，應(yīng)將這些因素納入分析框架之中。其四，認為企業(yè)經(jīng)營風(fēng)險應(yīng)主要從外部因素進行分析，包括經(jīng)濟增長、利率水平、通貨膨脹率等。本文認為，企業(yè)經(jīng)營風(fēng)險受多方面因素影響，不僅要考慮宏觀經(jīng)濟、產(chǎn)業(yè)政策、政治環(huán)境、社會生態(tài)等外因，還要關(guān)注企業(yè)財務(wù)表現(xiàn)、營銷策略、投融資行為等內(nèi)部因素。就房地產(chǎn)業(yè)而言，由于其具有明顯的區(qū)域性和政策性特征，決定了企業(yè)經(jīng)營風(fēng)險的形成機理和影響因素有其特殊性。因此，構(gòu)建一套切實可行的房地產(chǎn)企業(yè)經(jīng)營風(fēng)險指標體系和風(fēng)險識別方法，具有較強的理論價值和實踐意義。

二、文獻綜述

識別房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的關(guān)鍵在于找到風(fēng)險來源及其影響因素[9-12]。國外該領(lǐng)域的文獻較多， Miles 和Mc Cue （1982）[13]、 Louargand（2002）[14]認為，分散投資與區(qū)位選擇對于房地產(chǎn)企業(yè)風(fēng)險形成具有顯著影響，如何做好分散投資和區(qū)域優(yōu)化組合是房地產(chǎn)企業(yè)防范投資風(fēng)險的重要選擇。Christner（2009）[15]重點從財務(wù)及投資風(fēng)險與回報的角度，分析房地產(chǎn)企業(yè)的潛在風(fēng)險。Zhu 和Chen（2015）[16]認為，房地產(chǎn)開發(fā)除受市場政策、宏觀經(jīng)濟、金融條件等方面影響，還與投資者的風(fēng)險偏好密切相關(guān)，引入投資者價值偏好建立了房地產(chǎn)風(fēng)險評價體系。Sindt（1998）[17]從外部環(huán)境變化影響房地產(chǎn)企業(yè)風(fēng)險形成的角度進行研究，認為利率、通貨膨脹、產(chǎn)業(yè)政策等因素是形成房地產(chǎn)企業(yè)風(fēng)險的重要來源。Shulman等[18]認為，房地產(chǎn)企業(yè)風(fēng)險與地理區(qū)位有關(guān)，實施風(fēng)險管理應(yīng)考慮項目布局和區(qū)位特征，尤其對于一些大型片區(qū)性房地產(chǎn)投資應(yīng)著重開展區(qū)位選擇研究。Janis 和Ilona（2013）[19]認為，除宏觀經(jīng)濟的影響以外，技術(shù)、社會、政治等因素也會給房地產(chǎn)企業(yè)帶來潛在風(fēng)險。有學(xué)者對中國、中國香港、日本等亞洲6 個經(jīng)濟體的股票市場和房地產(chǎn)市場之間的關(guān)系進行實證研究后發(fā)現(xiàn)，隨著經(jīng)濟和政策環(huán)境的不同，房地產(chǎn)市場的表現(xiàn)也各不相同[20～21]。由于我國房地產(chǎn)的市場化歷程不長，相關(guān)文獻研究較少，之前更多側(cè)重于風(fēng)險預(yù)測等方面研究。直至近10 年來，房地產(chǎn)企業(yè)經(jīng)營風(fēng)險研究才得以深入發(fā)展。昌忠澤（2010）[22]、郭克莎（2017）[23]、荊中博等（2019）[24]認為，房地產(chǎn)企業(yè)經(jīng)營風(fēng)險來源有政策變化、利率動蕩以及市場供需變化等。部分學(xué)者認為房地產(chǎn)風(fēng)險在很大程度上與金融以及流動性約束相關(guān)，銀行信貸的作用不可忽略。孫翔等（2019）[25]認為，我國房地產(chǎn)業(yè)對金融機構(gòu)存在較為顯著的系統(tǒng)性風(fēng)險溢 出 效 應(yīng)。 王 現(xiàn) 增 （2010）[26]、 張 琦（2015）[27]、劉顏（2019）[28]等闡述了消費者需求、市場營銷等因素對房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的影響。王志剛（2019）[29]等認為，房地產(chǎn)屬于典型的區(qū)域性產(chǎn)業(yè)，對企業(yè)經(jīng)營風(fēng)險的研究必須密切關(guān)注企業(yè)所處區(qū)位具體情況。《中國住房發(fā)展報告（2017—2018）》顯示，2017 年1136 家房地產(chǎn)企業(yè)的有息負債同比2016 年增幅高達37%，房地產(chǎn)企業(yè)總體負債率高且資金集中兌付壓力大，且面臨宏觀經(jīng)濟下行、價格泡沫破裂、投機炒作過度等諸多系統(tǒng)性風(fēng)險誘因。

房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的形成是一個復(fù)雜過程，是內(nèi)外部因素共同作用的結(jié)果。上述文獻更多對房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的影響因素開展相關(guān)性分析或試圖構(gòu)建房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的評價指標體系。由于房地產(chǎn)業(yè)的區(qū)域性差異以及強政策性等特征，一些基于區(qū)域樣本或靜態(tài)數(shù)據(jù)的研究成果的信度和效度均不盡如人意。本文嘗試從定量視角對房地產(chǎn)企業(yè)的風(fēng)險識別展開研究，再綜合運用聚類與判別分析方法進行實證研究，推導(dǎo)出相應(yīng)的風(fēng)險識別模型。相對而言，這一研究視角和路徑具有一定的創(chuàng)新性和適用性。

三、研究設(shè)計

（一）經(jīng)營風(fēng)險識別指標體系構(gòu)建

本文根據(jù)美國COSO構(gòu)建的風(fēng)險管理框架，借鑒國內(nèi)研究學(xué)者的部分觀點，嘗試構(gòu)建房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的六維度識別模型，如圖1所示。

從每個維度選取1-3 個代表性變量，共12 個變量來識別房地產(chǎn)企業(yè)經(jīng)營風(fēng)險，各變量的具體定義及賦值標準如表1所示。

圖1 房地產(chǎn)企業(yè)風(fēng)險的六維度識別模型

表1 變量具體定義及賦值標準

（二）經(jīng)營風(fēng)險識別方法設(shè)計

識別房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的關(guān)鍵在于找出風(fēng)險構(gòu)成要素并確定風(fēng)險等級，本文基于聚類與判別相結(jié)合的方法對經(jīng)營風(fēng)險識別進行方法構(gòu)建和結(jié)果檢驗。

參考國家發(fā)改委等部門聯(lián)合編寫的《投資項目可行性研究指南》對風(fēng)險等級進行衡量，將房地產(chǎn)企業(yè)風(fēng)險等級分為低風(fēng)險、一般風(fēng)險、較大風(fēng)險、嚴重風(fēng)險，分別用離散數(shù)據(jù)1、2、3、4予以替代，即1 代表低風(fēng)險、2 代表一般風(fēng)險、3代表較大風(fēng)險、4 代表嚴重風(fēng)險。對于具體企業(yè)風(fēng)險等級的劃分，本文在收集相關(guān)數(shù)據(jù)的基礎(chǔ)上，進行四等級聚類。利用聚類分析方法對房地產(chǎn)企業(yè)風(fēng)險等級進行識別的基礎(chǔ)上，將其作為因變量，探討房地產(chǎn)企業(yè)風(fēng)險等級與風(fēng)險形成因素之間的邏輯關(guān)系。上述分析可知，因變量“房地產(chǎn)企業(yè)風(fēng)險等級”明顯不吻合正態(tài)分布規(guī)律，與自變量之間的關(guān)系解釋不宜采用一般的回歸分析方法。為科學(xué)選取經(jīng)營風(fēng)險影響因素，并明確各因素的作用大小和影響機理，本文采用判別分析方法進行研究。該方法是將邏輯分布作為隨機誤差項概率分布的一種多元離散選擇模型，被廣泛運用于因變量為離散變量的情形下對因變量與自變量之間關(guān)系的分析。基于上述原理，本文假設(shè)房地產(chǎn)企業(yè)風(fēng)險等級與其影響因素之間的函數(shù)關(guān)系為：

本研究采用Fisher 準則進行分析，即從k 個總體G1, …, Gk，抽取樣品分別為n1,n2,…,nk，令n=n1+n2+…+nk。為第i個總體的第a個樣品的觀測向量。模型的演變過程和計算原理如下：

其中，c=(c1,…,cp)',x=(x1,…,xp)'

另，記-x(i)和s(i)分別是總體Gi內(nèi)x 的樣本均值向量和樣本協(xié)差陣，根據(jù)求隨機變量線性組合的均值和方差的性質(zhì)可以得到，y(x)在Gi上的樣本均值和樣本方差為

在多總體情況下，F(xiàn)isher 準則就是要選取系數(shù)向量c，使達到最大。其中，qi是人為的正的加權(quán)系數(shù)，可以取為先驗概率。如果取qi=ni-1，并將代入上式可化為：

其中，E 為組內(nèi)離差陣，A 為總體之間樣本協(xié)差陣，即，

為求λ的最大值，根據(jù)極值存在的必要條件，令，利用對向量求導(dǎo)的公式：

表2 聚類結(jié)果

這說明，λ及c 恰好是A、E 矩陣的廣義特征根及其對應(yīng)的特征向量。一般要求加權(quán)協(xié)差陣E是正定的。因此可知，上式非零特征根個數(shù)m不超過min（k-1,p），又因為A 為非負定的，所以非零特征根必為正根，故記為λ1≥λ2≥…≥λm＞0 ，于是，可構(gòu)造m個判別函數(shù)：

對于每一個判別函數(shù)，必須給出一個用于衡量判別能力的指標pi，定義為：

m0個判別函數(shù)y1,…,ym0的判別能力定義為：

建立判別函數(shù)后，將原始數(shù)據(jù)代入相應(yīng)函數(shù)，可根據(jù)分值大小衡量各影響因素的作用機理和效果。

（三）樣本選擇與數(shù)據(jù)來源

本研究分別從東、西、南、北、中部地區(qū)各選擇1-2個代表性省市作為關(guān)注重點，再從中隨機選擇1-2家房地產(chǎn)企業(yè)作為調(diào)研對象。通過訪談及問卷（表格）方式，對房地產(chǎn)企業(yè)的實際情況開展調(diào)研。20 家樣本企業(yè)覆蓋商業(yè)地產(chǎn)和住宅地產(chǎn)，既有上市地產(chǎn)商，也有區(qū)域性地產(chǎn)企業(yè)（應(yīng)調(diào)研對象要求及企業(yè)商譽考慮，對部分企業(yè)名稱進行了適當處理）。此次調(diào)研旨在了解企業(yè)基本情況并收集可能的風(fēng)險因素，通過數(shù)據(jù)整理和SPSS24.0 建模，創(chuàng)建“房地產(chǎn)企業(yè)風(fēng)險識別因素”數(shù)據(jù)庫。

四、實證結(jié)果與分析

（一）聚類分析結(jié)果及分析

對選取的20 家樣本企業(yè)進行聚類分析，選擇在聚類分析中距離最小的分類單元先合并，值越小，說明兩家企業(yè)的類似性越高。通過譜系圖可更加清晰地顯示企業(yè)間的類似性以及聚類分組情況。本文將閾值設(shè)定為5，對照譜系圖可將樣本分為四類，如表2所示。

表2的聚類結(jié)果顯示，第一類基本為股份制房地產(chǎn)企業(yè)，抗風(fēng)險能力和資本運營能力較強；第二類大致是國內(nèi)較發(fā)達地區(qū)的房地產(chǎn)企業(yè)，這些區(qū)域資本表現(xiàn)活躍、融資環(huán)境較寬松、居民消費能力普遍較強，企業(yè)盈利水平也相對較高。顯然，第一類和第二類企業(yè)均具備較強的可持續(xù)發(fā)展能力，經(jīng)營風(fēng)險相對可控。第三類和第四類主要為區(qū)域性地產(chǎn)企業(yè)，無論是品牌、規(guī)模、成長性，還是盈利能力及抗風(fēng)險能力，均難以支撐企業(yè)的高質(zhì)量發(fā)展。

（二）判別分析結(jié)果及分析

判別分析仍選取聚類分析中20 家房地產(chǎn)企業(yè)的相關(guān)數(shù)據(jù)，且將聚類分析中的分組數(shù)據(jù)作為源數(shù)據(jù)，利用SPSS24.0 的判別分析方法輸入。從輸出結(jié)果看，全部數(shù)據(jù)有效，可進行下階段分析。從得到的組統(tǒng)計量表可以看出，各變量在各組之間存在顯著差異。以“可持續(xù)發(fā)展空間”變量X5為例，第一大類的均值為3.8571，第二類均值為2.75，第三類均值為1.85，第四類均值為1.4，數(shù)值呈顯著下降趨勢。從其標準差來看，組內(nèi)差異較小，可初步判斷上述分組較為科學(xué)。在此基礎(chǔ)上，再考察這些指標之間的協(xié)方差，通過生成的協(xié)方差矩陣可知，各變量之間并非完全獨立（相互系數(shù)不為0），存在一定的相互影響。而這些因素對房地產(chǎn)企業(yè)經(jīng)營風(fēng)險形成的總體影響如何，則需構(gòu)建相應(yīng)的判別函數(shù)。本文根據(jù)生成的Fisher 線性判別函數(shù)系數(shù)得出4 組分類判別函數(shù)。對比各函數(shù)中的系數(shù)可知，開發(fā)環(huán)境、科學(xué)決策、總資產(chǎn)額變化、客戶認知等4 個變量在四組判別函數(shù)中的系數(shù)均相對較大，說明對企業(yè)經(jīng)營風(fēng)險具有更為顯著的影響，也意味著企業(yè)應(yīng)重點從上述四個方面提升經(jīng)營風(fēng)險的識別和治理能力。

表3 兩家房地產(chǎn)企業(yè)的基礎(chǔ)數(shù)據(jù)

表4 四類判別函數(shù)計算結(jié)果

（三）經(jīng)營風(fēng)險識別模型的可靠性分析

檢驗房地產(chǎn)企業(yè)經(jīng)營風(fēng)險識別是否準確，可對分類結(jié)果進行可靠性判定。結(jié)果可知，識別函數(shù)對于20 家企業(yè)樣本的分類準確度達95%，說明采取的分類識別模型具有較好的耦合性，能較為準確地識別房地產(chǎn)企業(yè)的經(jīng)營風(fēng)險。

（四）模型應(yīng)用

利用生成的分類判別函數(shù)對預(yù)留的兩家房地產(chǎn)企業(yè)的經(jīng)營風(fēng)險進行識別（基礎(chǔ)數(shù)據(jù)如表3），以檢驗方法的有效性。

將兩家房地產(chǎn)企業(yè)的具體數(shù)據(jù)分別代入四類判別函數(shù)，得出如下結(jié)果（表4）。

由計算結(jié)果可識別兩家企業(yè)的經(jīng)營風(fēng)險類別。中糧地產(chǎn)屬于第一類（低風(fēng)險），順泰地產(chǎn)屬于第三類（較高風(fēng)險）。

針對兩家地產(chǎn)企業(yè)的調(diào)研發(fā)現(xiàn)，中糧地產(chǎn)近年來高度重視風(fēng)險管理工作。2012 年，根據(jù)國務(wù)院國資委《中央企業(yè)全面風(fēng)險管理指引》建立了全面風(fēng)險管理體制，著力提升風(fēng)險防范與管理水平。在成本控制方面，編制了涵蓋各階段、各專業(yè)的設(shè)計標準；并結(jié)合不同業(yè)態(tài)產(chǎn)品的成本結(jié)構(gòu)，建立了“以目標成本為核心，成本動態(tài)控制為主導(dǎo)”的成本管理體系，著力推進成本的標準化建設(shè)和動態(tài)監(jiān)控。在市場開拓方面，借力新型城鎮(zhèn)化政策，大力發(fā)展工業(yè)地產(chǎn)，及時剝離虧損項目和非核心資產(chǎn)，有效提升了企業(yè)的品牌影響力和產(chǎn)品的市場競爭力，降低了銷售成本和產(chǎn)品庫存，使經(jīng)營風(fēng)險得到進一步釋放。而順泰地產(chǎn)近年來一直被資金短缺所困擾，2018 年負債率超過90%，比我國地產(chǎn)業(yè)500 強企業(yè)的平均資產(chǎn)負債率64.21%高出20 多個百分點，明顯超出行業(yè)公認的70%安全閾值。究其原因，公司近年來同步開發(fā)的項目數(shù)量較多且融資渠道單一，沒有采取股權(quán)融資、信托融資、資產(chǎn)證券化等新型融資手段。另一方面，公司系區(qū)域性地產(chǎn)企業(yè)，在產(chǎn)品品質(zhì)、規(guī)模經(jīng)濟以及品牌實力等方面均缺乏競爭優(yōu)勢，進一步加劇了經(jīng)營風(fēng)險的累積。對比兩家企業(yè)的實際經(jīng)營情況可知，根據(jù)識別模型做出的分類結(jié)果基本吻合企業(yè)的實際情況。因此，認為該識別方法具有較高效度，同時也說明12 個評價指標的選取較為科學(xué)。

五、結(jié)論與建議

隨著行業(yè)政策的持續(xù)從緊以及產(chǎn)業(yè)結(jié)構(gòu)的深刻調(diào)整，房地產(chǎn)業(yè)的供給側(cè)結(jié)構(gòu)性改革壓力在大部分地區(qū)仍將長期存在。如何有效識別經(jīng)營風(fēng)險仍將是房地產(chǎn)企業(yè)適應(yīng)新形勢、推動新發(fā)展的基本前提和關(guān)鍵所在。鑒于此，本文構(gòu)建一套更加符合我國房地產(chǎn)發(fā)展態(tài)勢的企業(yè)經(jīng)營風(fēng)險指標體系，然后綜合運用聚類與判別分析方法對20 家樣本企業(yè)的經(jīng)營風(fēng)險進行識別，并對模型的可靠性進行檢驗。結(jié)果表明：本文構(gòu)建的指標體系及數(shù)學(xué)模型能對房地產(chǎn)企業(yè)經(jīng)營風(fēng)險進行有效識別，不僅為構(gòu)建植根于我國具體國情的企業(yè)經(jīng)營風(fēng)險識別指標體系提供了有益借鑒，也為房地產(chǎn)企業(yè)防范化解經(jīng)營風(fēng)險提供了有力支撐。

基于上述研究結(jié)論，本文建議：一是應(yīng)該構(gòu)建房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的預(yù)警機制。作為國民經(jīng)濟的支柱性產(chǎn)業(yè)，房地產(chǎn)業(yè)近年來受宏觀調(diào)控的沖擊較大，加之民眾消費行為更加理性和更趨多元，極大增加了房地產(chǎn)企業(yè)的經(jīng)營風(fēng)險。通過構(gòu)建科學(xué)的經(jīng)營風(fēng)險識別及預(yù)警機制，有利于指導(dǎo)企業(yè)提前謀劃并采取有效應(yīng)對措施，降低外部環(huán)境帶來的潛在風(fēng)險；二是必須加強對關(guān)鍵風(fēng)險因素的重點監(jiān)控。開發(fā)環(huán)境、科學(xué)決策、總資產(chǎn)額變化、客戶認知在現(xiàn)階段對我國房地企業(yè)經(jīng)營風(fēng)險構(gòu)成顯著性影響。無論是政府開展行業(yè)監(jiān)管，還是企業(yè)進行內(nèi)部風(fēng)險管控，均應(yīng)重點關(guān)注上述指標的異動情況并及時做出有效應(yīng)對。三是應(yīng)以動態(tài)思維審視房地產(chǎn)企業(yè)經(jīng)營風(fēng)險的演化特征。本文研究結(jié)果是基于對樣本企業(yè)的歷史業(yè)績和當前發(fā)展態(tài)勢的判斷，對潛在風(fēng)險因素的預(yù)測相對不足。當外部環(huán)境及產(chǎn)業(yè)自身特征發(fā)生變化，可能導(dǎo)致關(guān)鍵風(fēng)險因素及其影響因子隨之改變。比如，2020 年初暴發(fā)的新冠肺炎疫情，屬于無法預(yù)見的“黑天鵝”事件，其引發(fā)的經(jīng)營性風(fēng)險必須引起房地產(chǎn)企業(yè)的高度關(guān)注。