班聞穎 馮瑞琳

摘要：本文旨在通過(guò)采用定性分析和定量分析相結(jié)合的方法，構(gòu)建適用于我國(guó)房地產(chǎn)企業(yè)的債務(wù)違約風(fēng)險(xiǎn)評(píng)價(jià)模型，為金融機(jī)構(gòu)進(jìn)行貸前審查、額度測(cè)算、貸后監(jiān)控等提供常態(tài)化支持，為貸款風(fēng)險(xiǎn)防控路徑提供依據(jù)。

關(guān)鍵詞：房地產(chǎn);財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別;債務(wù)違約風(fēng)險(xiǎn)識(shí)別

1 問(wèn)題提出

本文希望借鑒房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別體系構(gòu)建已有研究成果，結(jié)合觸發(fā)債務(wù)違約風(fēng)險(xiǎn)的成因，識(shí)別可能引發(fā)房地產(chǎn)企業(yè)落入財(cái)務(wù)困境的因素，以此為依據(jù)構(gòu)建房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)體系。接下來(lái)，以已經(jīng)發(fā)生債務(wù)違約的房地產(chǎn)企業(yè)財(cái)務(wù)數(shù)據(jù)為樣本，采用統(tǒng)計(jì)分析方法構(gòu)建債務(wù)違約風(fēng)險(xiǎn)識(shí)別模型，通過(guò)實(shí)證的定量檢驗(yàn)和定性分析，構(gòu)建適用于我國(guó)房地產(chǎn)企業(yè)的涵蓋其自身特性的債務(wù)違約風(fēng)險(xiǎn)評(píng)價(jià)模型。

2 理論分析與研究假設(shè)

2.1 債務(wù)違約風(fēng)險(xiǎn)識(shí)別的概念

企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別是指通過(guò)運(yùn)用多種統(tǒng)計(jì)分析方法、技術(shù)和手段，系統(tǒng)、全面、及時(shí)地對(duì)企業(yè)可能面臨的各種債務(wù)違約風(fēng)險(xiǎn)或引起風(fēng)險(xiǎn)事故的原因進(jìn)行分析，進(jìn)而識(shí)別主要的風(fēng)險(xiǎn)因素。在債務(wù)違約風(fēng)險(xiǎn)發(fā)生前，可以通過(guò)對(duì)企業(yè)的各項(xiàng)影響債務(wù)違約風(fēng)險(xiǎn)的相關(guān)指標(biāo)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)其中的潛在風(fēng)險(xiǎn)，分析企業(yè)未來(lái)發(fā)生債務(wù)違約的可能性，從而對(duì)高風(fēng)險(xiǎn)企業(yè)及時(shí)開展相應(yīng)的防范和控制措施，降低風(fēng)險(xiǎn)發(fā)生的概率。

2.2 債務(wù)違約風(fēng)險(xiǎn)評(píng)價(jià)模型研究

在國(guó)外，Beaver和Altman先后構(gòu)建了單變量模型和Z值模型用于財(cái)務(wù)風(fēng)險(xiǎn)定量衡量。在二十世紀(jì)中葉，Beaver（1996）[1]通過(guò)對(duì)70多家企業(yè)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)資產(chǎn)收益率和資產(chǎn)負(fù)債率指標(biāo)對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)大小的評(píng)估是比較準(zhǔn)確的，但利用單一指標(biāo)衡量企業(yè)整體財(cái)務(wù)風(fēng)險(xiǎn)相對(duì)片面。隨后， Altman（1968）[2]在前人有關(guān)企業(yè)財(cái)務(wù)指標(biāo)研究的基礎(chǔ)上，建立了Z-Score模型用于衡量企業(yè)未來(lái)財(cái)務(wù)狀況的發(fā)展趨勢(shì)，并根據(jù)Z值模型結(jié)果設(shè)立不同風(fēng)險(xiǎn)等級(jí)的臨界值，使企業(yè)財(cái)務(wù)狀況評(píng)價(jià)判斷更加直觀。

在我國(guó)，周首華等學(xué)者（1996）[3]最先開始對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行定量度量研究，他們?cè)赯-Score模型基礎(chǔ)上進(jìn)一步考慮了企業(yè)現(xiàn)金流對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的影響，通過(guò)對(duì)1977年到1990年31家公司進(jìn)行跟蹤研究，總結(jié)得出F分?jǐn)?shù)模型，該模型對(duì)我國(guó)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率達(dá)到70%。趙振魯（2017）針對(duì)房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)定量衡量進(jìn)行了更加深入的研究，并建立了COX風(fēng)險(xiǎn)衡量模型。齊岳（2019）在構(gòu)建房地產(chǎn)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型時(shí)，結(jié)合房地產(chǎn)行業(yè)特殊性，首次增加了凈利潤(rùn)評(píng)價(jià)法，并且利用房地產(chǎn)上市企業(yè)二十三個(gè)財(cái)務(wù)指標(biāo)，從中提取九個(gè)因子帶入Z值財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型中，得出結(jié)論Z值模型對(duì)于房地產(chǎn)企業(yè)未來(lái)財(cái)務(wù)狀況預(yù)測(cè)準(zhǔn)確率達(dá)到78.49%。

3 模型選擇與數(shù)據(jù)分析

3.1 債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)體系構(gòu)建

3.1.1 債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)體系搭建

基于第二章對(duì)房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)成因的分析，本文按照目前較有代表性的研究，根據(jù)引發(fā)房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的成因，把房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)涉及的投資風(fēng)險(xiǎn)、籌資風(fēng)險(xiǎn)、收益分配風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)分別對(duì)應(yīng)于盈利能力指標(biāo)、償債能力指標(biāo)、融資風(fēng)險(xiǎn)指標(biāo)、營(yíng)運(yùn)能力指標(biāo)，全面構(gòu)建房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)體系。

3.1.2 債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)選取

借鑒業(yè)界領(lǐng)先科研和實(shí)踐成果，以房地產(chǎn)上市企業(yè)財(cái)務(wù)報(bào)表數(shù)據(jù)、債務(wù)數(shù)據(jù)為基礎(chǔ)，通過(guò)衍生變量加工等方式，構(gòu)建房地產(chǎn)企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)體系，形成風(fēng)險(xiǎn)指標(biāo)24個(gè)，其中償債能力指標(biāo)8個(gè)，融資風(fēng)險(xiǎn)指標(biāo)2個(gè)，盈利能力指標(biāo)9個(gè)，營(yíng)運(yùn)能力指標(biāo)5個(gè)，具體如表1所示。

4 實(shí)證結(jié)果與分析

4.1 Logistic 模型介紹

若以Prob（event）表示企業(yè)發(fā)生債務(wù)違約的概率，該概率值的取值范圍在 0 到 1 之間，1-Prob（event）表示未發(fā)生債務(wù)違約的概率，對(duì)Prob（event） 做logit 轉(zhuǎn)換為In[prob（event）1-pωb（event）]，則回歸方程可表示為：

prob（event）=ez1+ez=11+e-z

其中，z可表示為：

z=b0+b1x1+b2x2+...+bpxp（p為自變量的數(shù)量）

4.2 研究樣本的選取

4.2.1 研究樣本選取的依據(jù)

本文通過(guò)搜集2019-2021年，房地產(chǎn)行業(yè)上市企業(yè)發(fā)生債務(wù)違約的公告數(shù)據(jù)，共搜集發(fā)生債務(wù)違約的負(fù)樣本企業(yè)15家，并以277家未發(fā)生債務(wù)違約的房地產(chǎn)上市企業(yè)作為正樣本進(jìn)行分析建模。

4.2.2 指標(biāo)相關(guān)性檢驗(yàn)

若以γ（X，Y）為變量X，Y的相關(guān)系數(shù)，Cov（X，Y）為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差，則X，Y的相關(guān)系數(shù)計(jì)算公式表示為：

γ（X，Y）=Cov（X，Y）Var[X]Var[Y]

4.3 Logistic 回歸模型構(gòu)建

4.3.1 模型效果分析

基于4.2章節(jié)變量篩選結(jié)果，以“發(fā)生債務(wù)違約”為目標(biāo)變量，利用python工具構(gòu)建Logistic模型。采用 Logistic回歸模型的判斷標(biāo)準(zhǔn)，認(rèn)為Prob（event）值大于 0.5 的企業(yè)極有可能發(fā)生債務(wù)違約，即該企業(yè)面臨較為嚴(yán)峻的債務(wù)違約風(fēng)險(xiǎn);反之，Prob（event）值小于 0.5 的企業(yè)，則被判定為所面臨的債務(wù)違約風(fēng)險(xiǎn)在可控范圍內(nèi);最后、將模型識(shí)別出來(lái)的結(jié)果統(tǒng)計(jì)后與現(xiàn)實(shí)中是否發(fā)生債務(wù)違約進(jìn)行比較，以此得到模型的ROC指標(biāo)為0.97，KS指標(biāo)為0.89，認(rèn)為模型具有良好的擬合效果。

4.3.2 模型有效性檢驗(yàn)

利用建模以外的數(shù)據(jù)構(gòu)建測(cè)試集，對(duì)模型效果和穩(wěn)定性進(jìn)行驗(yàn)證。利用建立的模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到模型結(jié)果ROC指標(biāo)為0.9，KS指標(biāo)為0.83，測(cè)試集模型驗(yàn)證結(jié)果指標(biāo)與訓(xùn)練集模型驗(yàn)證結(jié)果指標(biāo)的差異程度較小，說(shuō)明模型預(yù)測(cè)效果較好;PSI指數(shù)為0.1，認(rèn)為模型穩(wěn)定性較強(qiáng)。

5 結(jié)論與啟示

本文研究的債務(wù)違約數(shù)據(jù)來(lái)源于互聯(lián)網(wǎng)渠道獲取的2019年-2021年15家發(fā)生過(guò)債務(wù)違約的房地產(chǎn)上市企業(yè)2020年的財(cái)報(bào)數(shù)據(jù)、債務(wù)數(shù)據(jù)，同時(shí)選取了277家未發(fā)生債務(wù)違約的房地產(chǎn)上市企業(yè)財(cái)報(bào)數(shù)據(jù)、債務(wù)數(shù)據(jù)作為控制樣本來(lái)研究我國(guó)房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別模型。通過(guò)搜集分析國(guó)內(nèi)外關(guān)于企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別的相關(guān)基礎(chǔ)理論研究和房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的特殊性研究，最終將可能影響我國(guó)房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)的因素通過(guò)盈利能力、償債能力、融資風(fēng)險(xiǎn)、營(yíng)運(yùn)能力四個(gè)維度，24個(gè)具體風(fēng)險(xiǎn)指標(biāo)來(lái)體現(xiàn)。

構(gòu)建債務(wù)違約風(fēng)險(xiǎn)識(shí)別模型，根據(jù)搜集的房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)識(shí)別指標(biāo)數(shù)據(jù)進(jìn)行回歸分析，首先對(duì)搜集到的數(shù)據(jù)進(jìn)行單樣本方差分析，篩選24個(gè)出顯著性強(qiáng)的指標(biāo);接下來(lái)采用相關(guān)系數(shù)檢驗(yàn)方法，篩選出了兩組相關(guān)系數(shù)大于0.6的指標(biāo);第三步，通過(guò)IV值檢驗(yàn)方法，對(duì)24個(gè)指標(biāo)分別計(jì)算IV值，結(jié)果發(fā)現(xiàn)這24個(gè)指標(biāo)的IV值均大于0.1，說(shuō)明24個(gè)指標(biāo)均具有一定的預(yù)測(cè)能力;第四步，對(duì)兩組相關(guān)系數(shù)大于0.6的指標(biāo)，通過(guò)分別對(duì)比IV值的大小，剔除各組內(nèi)IV值較小的指標(biāo)。經(jīng)過(guò)上述處理，最終保留22個(gè)入模指標(biāo)。對(duì)篩選出的22個(gè)指標(biāo)進(jìn)行 Logistic 回歸分析，并將回歸系數(shù)值帶入模型方程，構(gòu)建債務(wù)違約風(fēng)險(xiǎn)識(shí)別模型，并基于測(cè)試集對(duì)構(gòu)建的債務(wù)違約風(fēng)險(xiǎn)識(shí)別模型進(jìn)行了穩(wěn)健性檢驗(yàn)，PSI<0.1，說(shuō)明模型的穩(wěn)定性較強(qiáng)。

根據(jù)模型結(jié)果，“現(xiàn)金利息保障倍數(shù)”指標(biāo)與我國(guó)房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)呈負(fù)相關(guān)，該指標(biāo)體現(xiàn)償債能力，說(shuō)明公司的償債能力越強(qiáng)，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性越小;“銷售期間費(fèi)用率”與我國(guó)房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)呈正相關(guān)，該指標(biāo)反映盈利能力，說(shuō)明公司的盈利能力越弱，發(fā)生債務(wù)違約風(fēng)險(xiǎn)的可能越大;“存貨/平均預(yù)收賬款”與我國(guó)房地產(chǎn)上市企業(yè)債務(wù)違約風(fēng)險(xiǎn)呈負(fù)相關(guān)，該指標(biāo)反映營(yíng)運(yùn)能力，說(shuō)明公司的營(yíng)運(yùn)能力越強(qiáng)，發(fā)生債務(wù)違約風(fēng)險(xiǎn)的可能越小;“平均融資成本”與我國(guó)房地產(chǎn)上市企業(yè)發(fā)生債務(wù)違約風(fēng)險(xiǎn)呈正相關(guān)，該指標(biāo)反映融資風(fēng)險(xiǎn)，說(shuō)明企業(yè)的融資風(fēng)險(xiǎn)越低，發(fā)生債務(wù)違約風(fēng)險(xiǎn)的可能越小。

參考文獻(xiàn)

[1] Beaver W H. Financial ratios as predictors of failure，empirical research in accounting： selected studies[J].Journal of Accounting Research，1966（4）：71-127.

[2] Alman E I.Financial Ratios，Discriminate Analysis and the Prediction of Corporate Failure[J].The Journal of Finance， 1968， 23（4）： 586-609.

[3] 周首華，楊濟(jì)華，王平. 論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式， 會(huì)計(jì)研究，1996（8）： 8-11.

[4] 裴瀟，黃玲，陳華. 基于Z值模型的房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警研究，財(cái)會(huì)通訊，2015（2），42-45.

[5] 李光榮，李風(fēng)強(qiáng). 基于幾種神經(jīng)網(wǎng)絡(luò)方法的公司財(cái)務(wù)風(fēng)險(xiǎn)判別研究，經(jīng)濟(jì)經(jīng)緯， 2017（2），122-127.

作者簡(jiǎn)介：班聞穎，（1994.03.13），女，河北，本科，信息管理與信息系統(tǒng)。