張 靜

(上海工程技術大學 管理學院,上海 200336)

一、引言

房地產(chǎn)經(jīng)濟是我國國民經(jīng)濟增長的主要來源之一,為我國經(jīng)濟快速增長貢獻了重要的力量。但是我國房地產(chǎn)行業(yè)起步稍晚,管理還不是很健全。開發(fā)失控、管理無序等多種原因導致房地產(chǎn)行業(yè)極易陷入財務危機。房地產(chǎn)行業(yè)的可持續(xù)發(fā)展需要我們健全相關法規(guī),也需要我們重視行業(yè)內部的財務問題,以防范財務風險的發(fā)生。

傳統(tǒng)的財務危機預警評價方法包括財務報表分析法、財務比率分析法和單變量分析法。但是由于財務報表本身存在信息滯后、易被操控等問題,使得傳統(tǒng)的財務危機預警評價方法存在一定的缺陷[1]。Fitzpatrick(1932)[2]提出單變量分析模型,誤判率較高。Altman 設計了Z Score 模型,甄選多個財務指標進行加權匯總,用多元線性的形式構建財務預警系統(tǒng),誤判率有所降低[3]。周首華設計了F 分數(shù)預測模型,綜合考慮了我國上市公司財務的特殊性,引入了現(xiàn)金流量指標,大大提高了預測精確度[4]。但多元線性模型條件苛刻,要求自變量呈正態(tài)分布且變量之間完全獨立,而實際數(shù)據(jù)往往很難滿足條件。Ohlson 首次將Logistic 模型應用于財務預警中,提高了模型預測準確性[5]。

Logistic 模型是國內研究財務預警問題普遍采用的模型,操作簡便,且對數(shù)據(jù)沒有過高要求,同時對于公司財務風險具有良好的預測效果[6]。本文運用Logistic 模型,以房地產(chǎn)行業(yè)T-3 年財務數(shù)據(jù)為研究對象,利用SPSS 22 進行數(shù)據(jù)處理和模型建立,有助于我國房地產(chǎn)行業(yè)及時規(guī)避風險,也為風險投資及利益相關者的投資活動提供了參考資料。

二、研究設計

(一)樣本選取

為確保數(shù)據(jù)的真實可靠,本文以我國房地產(chǎn)上市公司作為樣本進行分析。數(shù)據(jù)來源于同花順數(shù)據(jù)庫。主要依據(jù)滬深兩證券交易所應對“異常狀況”上市公司采取的股票特別處理情況,將被ST 的房地產(chǎn)企業(yè)認定為財務危機企業(yè),非ST 企業(yè)認定為財務良好企業(yè)。選取6 家財務危機企業(yè),根據(jù)可比性原則,以公司規(guī)模相似為條件匹配了27 家財務良好企業(yè)。設公司首次被ST 為T 年,由于被證監(jiān)會認定為財務狀況異常的條件為連續(xù)虧損兩年,故本文樣本研究期為T-3 年。本文所選公司樣本如表1 所示。

表1 建模企業(yè)代碼及名稱表

(二)指標建立

在已有研究基礎上[7-9],結合我國房地產(chǎn)行業(yè)的實際情況,本文從償債能力、營運能力、盈利能力、發(fā)展能力、每股指標、現(xiàn)金流量狀況7 個維度初選了26 個財務指標和2 個非財務指標,如表2所示。

表2 初選指標表

(三)模型介紹

Logistic 回歸方法是解決多變量0～1 回歸問題的有效方法之一,對數(shù)據(jù)沒有過多要求,操作簡便,是財務預警領域比較常用的模型,預測效果良好[1]。在財務預警中,將P(Y=1)= p 定義為財務危機企業(yè),P(Y=0)=1-p 定義為財務良好企業(yè),模型基本形式為:

其中,z=β0+β1X1+β2X2+β3X3+…βnXn+ε.

Xn 表示導致公司發(fā)生財務危機的各個變量值,本文以0.8 為分界變量,即P≥0.8,判定企業(yè)發(fā)生財務危機;P＜0.8,判定企業(yè)財務良好。

三、實證研究

(一)正態(tài)性檢驗

對上文所選取的28 個指標進行正態(tài)性檢驗,以找出能顯著區(qū)分財務危機公司與財務良好公司的指標。本文采用K-S 方法對數(shù)據(jù)進行正態(tài)性檢驗,檢驗結果如表3 所示。

表3 單樣本 Kolmogorov-Smirnov 檢驗

由表3 可知,在0.05 的顯著性水平下,所選的28 個指標中,X4 資產(chǎn)負債率、X20 每股凈資產(chǎn)、X22 現(xiàn)金流量比率、X23 全部資產(chǎn)現(xiàn)金回報率4 個指標的雙側漸進顯著性水平大于0.05,服從正態(tài)分布。其余24 個指標不服從正態(tài)分布。對服從正太分布的4 個指標進行獨立樣本T 檢驗,對不服從正態(tài)分布的24 個指標進行兩獨立樣本非參數(shù)檢驗。

(二)獨立樣本T 檢驗

對呈正態(tài)分布的指標進行以5%未顯著性水平的獨立樣本T 檢驗,根據(jù)檢驗結果判斷兩樣本是否具有顯著差異[10]。檢驗結果如表4 所示。在顯著性水平為0.05 的水平下,4 個指標均未通過檢驗。

表4 獨立樣本T 檢驗

(三)兩獨立樣本非參數(shù)檢驗

不服從正態(tài)分布的24 個指標進行兩獨立樣本非參數(shù)檢驗,本文采用Mann-Whitney U 檢驗法進行顯著性檢驗,以5%為顯著性水平,檢驗結果如表5所示。

表5 Mann-Whitney U 非參數(shù)檢驗

在顯著性水平為5%的情況下,共有9 個指標通過了顯著性檢驗,分別為X5 應收賬款周轉率、X8固定資產(chǎn)周轉率、X10 總資產(chǎn)報酬率、X11 總資產(chǎn)凈利率、X12 加權凈資產(chǎn)收益率、X13 銷售毛利率、X14 銷售凈利率、X16 總資產(chǎn)同比增長率、X19 每股收益。

(四)Spearman 相關性分析

最終確定了9 個指標中有5 個指標類別為盈利能力類別,有較強的相關性。指標過多不利于模型的構建,同時也影響模型的實用性和操作性。為保證模型預測的準確率,本文將對盈利能力類別下的X10 總資產(chǎn)報酬率、X11 總資產(chǎn)凈利率、X12 加權凈資產(chǎn)收益率、X13 銷售毛利率、X14 銷售凈利率5個指標進行相關性分析。由于這5 個指標不符合正態(tài)分布,故選用Spearman 相關分析法[11],分析結果如表6 所示。

表6 盈利能力指標Pearson 相關性分析

根據(jù)相關性分析結果可知,X10 總資產(chǎn)報酬率、X12 加權凈資產(chǎn)收益率與X11 總資產(chǎn)凈利率高度相關。綜合考慮,剔除X10 總資產(chǎn)報酬率、X12加權凈資產(chǎn)收益率2 個指標。

最終確定的7 個指標如表7 所示。

表7 最終確定的8 個指標

綜合分析企業(yè)財務指標顯著性檢驗的顯示結果可知,償債能力指標、現(xiàn)金流量指標都沒有通過顯著性檢驗。由此可知,在本文的研究數(shù)據(jù)中,償債能力指標和現(xiàn)金流量的指標對房地產(chǎn)上市公司財務預警效果不顯著。

(五)Logistic 模型構建

本文運用SPSS 22 軟件對上述篩選的指標進行模型構建,對于財務危機企業(yè),Y 取1,否則,Y 取0。設置臨界值為0.8,經(jīng)過4 次迭代,最終Logistic 回歸模型的統(tǒng)計量如表8 所示。

表8 Logistic 模型回歸參數(shù)

由表8 運行結果可建立預警模型:

其中,

P 的范圍為[0,1],數(shù)值越大,表示發(fā)生財務危機的可能性越高。 P＞0.80 時,企業(yè)將很可能發(fā)生財務危機,P＜0.80 的時候,企業(yè)未來發(fā)生的財務危機可能性較小。

(六)模型的檢驗

對構建的Logistic 模型進行檢驗,檢驗結果如表9 所示。從檢驗結果可以看出,本文所構建的模型預測正確率為100%。但由于樣本量不足,不排除預測準確率偏高的可能性。

表9 預測準確率

分界值為0.8

四、結論

本文根據(jù)我國房地產(chǎn)上市公司的實際情況,從7 個維度初選了28 個預警指標,以T-3 的財務狀況為研究期。利用SPSS 對初選指標進行正態(tài)性檢驗、獨立樣本T 檢驗、兩獨立樣本非參數(shù)檢驗及相關性分析,最終篩選出了7 個預警指標。運用Logistic 回歸方法對7 個指標構建財務預警決策模型,研究結果得出:該模型預測準確率良好;償債能力指標和現(xiàn)金流量的指標均未通過顯著性檢驗,故償債能力和現(xiàn)金流量對房地產(chǎn)上市公司財務預警效果不顯著;營運能力、盈利能力、發(fā)展能力、每股指標能很好區(qū)分財務危機企業(yè)與財務良好企業(yè),預警效果顯著。為了企業(yè)長期健康發(fā)展,房地產(chǎn)企業(yè)應加強房地產(chǎn)企業(yè)內部管理,完善公司內部制度,嚴格遵循成本控制原則,確保成本的可控性;對商品房進行科學定價,及時采取促銷措施,樹立品牌形象;根據(jù)企業(yè)特點,建立完善的財務預警評價機制,及時整改以確保企業(yè)穩(wěn)健發(fā)展。