上市房地产企业信用评级研究

西安建筑科技大学 张建儒 李 娜

上市房地产企业信用评级研究

西安建筑科技大学 张建儒 李 娜

不断壮大的房地产行业在经历了金融危机后更加认识到了资金链的重要性，其重要的融资渠道就来自银行。银行自2004年6月《巴塞尔新资本协议》正式发布，确立了国际金融界银行监管和风险管理的新框架后，突出强调了信用评级的重要性。因此，建立可行有效的房地产企业信用评级模型成为了沟通企业和银行间资金流通的渠道。我国的信用评级研究虽然处于起步阶段，但模型研究已经取得一些成就。目前，经常使用的有聚类模型、Logistic回归模型和多元判别模型，经过检验三种模型对于总趋势的预测是一致的，其中Logistic回归模型的准确性最高，聚类模型次之。但是由于Logistic回归模型要求总的样本量达到200家，才能保证模型数据的稳定性，而上市房地产企业总计111家，所以本文选择聚类模型对其进行研究。

一、上市房地产企业与财务指标遴选

银行针对上市房地产企业的信用评级是指银行根据规范的评估指标体系，运用科学的评估方法，履行严格的评估程序，对上市房地产企业的信用记录、企业素质、管理能力、经营水平、外部环境、财务状况、发展前景等进行全面了解、分析研究后，就其在未来一段时间履行承诺的能力、可能出现各种风险做出的综合评价。

本文选取了111家上市房地产企业，剔除21家数据不全的单位，最终以90家企业为集合进行研究，在这些企业2008年的年报中，共披露了103项财务指标。理论上，这些财务指标都可以直接或间接说明企业的经营状况，但是过多的指标会破环模型的稳定性和预测能力，为了遴选更具说明力的指标，本文采用指标之间相互不涵盖、重视现金流量分析指标、突出房地产企业评价指标的原则，使用相关性分析，最终确定了12项指标，分别是：净利润增长率、净资产收益率、资产负债比率、净利润现金含量、流动比率、速动比率、经营活动现金净流量增长率、应收账款周转率、总资产周转率、税后利润增长率、净资产增长率和利息备付率。

在上市房地产企业信用评级中，我们将反映企业信用评级打分函数Z记做各项因子Fi的线性组合，即：Z=a1F1+a2F2+a3F3+a4F4+a5F5+…+a12F12

式中：Z表示上市房地产企业信用评级得分；Fi（i=1，2，3，……，12）表示确定的12项评价指标；ai（i=1，2，3，……，12）表示确定的12项指标所占的比重。

二、信用评级模型指标分类及权重确定

其一，信用评级的财务指标分类。为了提高模型预测能力，本文采用基于因子的主成分分析法对所有数据计算，将财务指标分类，建立更直观、易操作的模型。

（1）由于各项指标的正、逆性和量纲不统一，所以本文使用ZScores法对数据做标准化处理。

（2）用主成分分析法处理数据，得出因子解释原有变量总方差的情况，如表1所示。

由输出结果可知，前六项主成分包含的原始数据达到了78.044%，说明六项分类可以保留近八成的财务指标，同时计算量大幅减少，可以代替原有财务指标得出有效的结果，本文选择6个因子来建模分析。

（3）对因子载荷矩阵进行旋转后，主要因子变量的含义更加明确反映了财务指标之间的相互关系。旋转后的因子载荷矩阵如表2所示。

表2 旋转后因子载荷矩阵

根据旋转载荷矩阵按照先纵列向后横行的原则，分别列标出纵列前三项绝对值最大的指标，再标注出一项横行绝对值最大的指标。对于其中交叉的项目我们按照绝对值和房地产企业会计的特点进行划分，得出每一类别中权重最大的分财务指标组情况并进行因子命名，如表3所示：

表3 财务指标因子命名

其二，信用评级的财务指标权重计量。具体内容如下：

（1）建立AHP架构。根据以上分析可以建立起房地产企业信用评级研究模型的构架图（图1），以便于直观掌握财务指标的分类情况。在建立好上市房地产企业的财务指标构架后，可以根据层次分析法分别对目标层、中间层和决策层打分，确定各项指标权重。

（2）专家打分法。本文采用专家打分法，对以上的指标进行1-9评价并采用AHP对此分数进行一致性检验，得到各项指标的权重。以盈利能力X1这层中的净利润增长率F1、流动比率F2和税后利润增长率F3为例说明权重确定的方法。

第一步，构造X1—F1、F2、F3判断矩阵如下：

第二步，计算并作归一化处理，得到权重：f1=0.54，f2=0.16，f3=0.3。

第三步，计算矩阵的最大特征根：λmax=3.01。

第四步，一致性检验：CI=0，CR=0.01<0.1，符合一致性要求，所以权重的分配是合理的。

（3）计算结果。同理，可以采用该方法确定其他各层指标的权重，并确定Z—X1、X2、X3、X4、X5、X6的权重，最终得到各项指标的权重结果：

a1=0.1188，a2=0.0352，a3=0.066，a4=0.0415，a5=0.0085，a6=0.352，a7=0.088，a8=0.025，a9=0.075，a10=0.0225，a11=0.072，a12=0.1。

三、上市房地产企业信用评级打分模型建立

经过财务指标的分类和权重的确定，可以得到综合评价房地产企业信用得分的线性模型，即：

Z=0.1188F1+0.0352F2+0.066F3+0.0415F4+0.0085F5+0.352F6+0.088F7+0.025F8+0.075F9+0.0225F10+0.072F11+0.1F12

表4 90家房地产企业信用得分表

至此，上市房地产企业信用评级打分模型构建完毕。

四、上市房地产企业信用等级划分

笔者整理了90家上市房地产企业的财务指标，采用上式计算得出以下信用得分，如表4所示：

本文采用聚类分析中的K-means算法来划分90家企业的信用得分，这是一种基于样本间相似度量的间接算法。经过反复的迭代和计算，发现九级分类优于七级分类结果，可以合理说明90家企业的信用分布情况。其分析结果表5所示：

表5 上市房地产企业信用得分分级结果

90家上市房地产企业的信用得分经过聚类分析后，在九级信用等级中呈现了样本量集中在第4、6级别，而两端的分布较小的情况，这和现实情况是一致的。由于本文选取的是2008年年报，整体房地产企业在这一年中的经营都陷入了金融危机时的低迷状态，所以在最差的第9级中出现9家样本量也真实反映出了当年该行业经营的实际情况。

本文采用欧式几何原理，把每两级别的最终中心点的中间值确定为分级的临界点，用来划分九级信用等级，并确定出了区间范围，如表6所示：

表6 上市房地产企业信用评级得分区间

五、上市房地产企业信用模型检验

为了验证该模型，本文选取6家上市房地产资料健全的ST企业，其信用得分和评级情况如下（表7）：

表7 6家ST房地产企业信用得分和评级情况表

通过表7可以看出，6家ST房地产企业在信用等级中有4家分布在最后三级中，一家分布在第6级中，而ST中润则分布在第4级。笔者参阅该公司近三年的财务报表发现，ST中润自2007年扭亏为盈后，已经连续三年实现盈利，其2008年和2009年的前三个季度的净资产收益率分别为28.63%和43.80%，远远高于同期的行业净资产收益率6.01%，企业的盈利能力已经大幅提高，企业信用开始改善。而ST耀华和ST鲁置业在2008年都有大幅亏损且资金的流动性差，这和模型检验的结果是一致的，说明该模型可以合理识别并预测房地产企业的信用等级。

综上所述，本文通过对90家上市房地产企业信用评级的实证研究，建立了较为完善的评价体系和模型，该模型可以为银行提供评价房地产企业等级的依据，增强银行对企业信用评级的科学性，减少人为信贷评级过程中的缺陷，在房地产企业和银行间建立起资金流动的桥梁。

［1］张贵清：《信用风险评级与商业银行信用风险管理》，对外经济贸易大学2005年博士学位论文。

［2］康书生、鲍海静：《中小企业信用评级模型的构建》，《河北大学学报》（哲学社会科学版）2007年第2期。

［3］吴青：《〈巴塞尔协议Ⅱ〉、内部信用评级及小企业贷款》，《国际金融研究》2007年第5期。

［4］高媛、卞直巍：《关于中小企业信用评级体系》，《长春工业大学学报》2003年第4期。

［5］赵家敏、黄英婷：《我国商业银行信用评级模型研究》，《金融论坛》2006年第4期。

（编辑 刘 姗）