我国房地产上市公司财务风险预测模型

颜苏莉 孙婧豪

【摘要】随着我国房地产业的高速发展，房地产公司的财务杠杆普遍偏大，承担的财务风险值得我们关注。因此，对房地产公司的财务风险进行预测分析，及时采取有效措施进行控制，就变得尤为必要。本文以我国房地产业为研究背景，基于相关的数据和财务指标，借助Fisher判别法，建立了与我国房地产公司相适应的财务风险预测模型，最后得出结论并提出了控制财务风险的建议，以帮助管理者及时采取有效的风险控制措施。

【关键词】财务风险 风险预测模型 Fisher判别法 房地产上市公司

一、引言

（一）我国房地产业的发展

作为我国国民经济发展的支柱产业，房地产业一直发挥着基础性和带动性作用。近10年来，我国的商品房销售额和销售面积呈现逐年增长的趋势（如图1、图2所示），是带动国民经济增长的重要推动力。

图1 我国商品房各年销售面积

图2 我国商品房各年销售额

然而，近年来，由美国次贷危机引发的全球金融危机已经向我们展示了房地产业肆意扩张而付出的惨痛代价[1]。对于我国房地产业而言，如果缺乏有效的财务风险预测系统，企业必然面临较大的财务危机。因此，建立有效的财务风险预测模型，及时对企业的财务状况进行预警，可以降低企业陷入财务风险的可能性，从而减少财务危机给企业带来的损失。

（二）财务风险及风险预测

财务风险指的是企业无法按期支付负债融资所应付的利息或本金而有倒闭的可能性，因此又称为违约风险[2]。然而，企业用于支付到期债务的资金，主要来源于企业经营活动产生的现金流量。因此，本文主要从现金流量这个角度，来衡量企业的财务风险，用经营活动净现金流量与流动负债的比值来反映企业的偿债能力，以判断企业是否存在财务风险。

企业财务风险预测，指采用定量或定性分析方法，借助企业提供的财务报表、经营计划及其他相关资料，利用财会、统计、金融、企业管理、市场营销等理论，对企业的财务活动、经营活动进行分析预测，以发现企业在经营管理活动中潜在的财务风险和经营风险，并在危机发生前向企业经营管理者发出警告，以便让企业管理当局采取有效措施，避免或减轻潜在的风险演变成损失[3]。

以我国房地产公司为例，由于其行业特殊性，只有建立有效的财务风险预测机制，才能准确地对企业进行财务风险预测分析，为企业股东、经营管理者及各方提供及时的警报和纠偏措施。在此基础上，本文对我国房地产企业的财务风险预测模型进行了相关研究。

二、模型构建思路

（一）总体思路

本文以房地产企业财务风险的定义为出发点，并选取相应的财务指标对财务风险进行描述，借助Fisher判别法，建立财务风险预测模型，对企业风险状况进行评估，最后提出控制风险的措施。

财务风险预测模型的具体构建方法是：首先，根据一定的标准，将选取的房地产企业划分为两组，财务风险组和财务健康组；第二，选择相应的财务指标，来反映房地产上市公司的财务风险状况；第三，采用一定的方法筛选指标，本文采用判别分析中的逐步选择法，筛选出适当的财务指标进入模型；第四，借助SPSS软件，采用Fisher法建立财务风险预测模型，并设置合适的临界值；第五，分别采用原始样本回判检验、原始样本交叉检验两种方法对模型的有效性进行检验，并对模型进行适当的修正。

（二）样本的选取及分组

从防范财务风险的角度看，“财务风险是指一个企业处于经营性现金流量不足以抵偿现有到期债务的状态”，即技术破产。[4]在本文中，从企业现金流量这个角度来对财务风险进行界定，以“经营净现金流量”与“流动负债”的比值作为标准，来判断企业是否存在财务风险。

随机选取国内A股上市的40家房地产企业，以2014年12月31日各公司“经营净现金流量/流动负债”的平均值作为标准。经计算，可以得出，40家上市房地产公司“经营净现金流量/流动负债”的平均值为-0.000465。在此基础上，假定当企业“经营净现金流量/流动负债”小于-0.000465时，该企业现金流量不足，企业存在财务风险；当企业“经营净现金流量/流动负债”大于-0.000465时，该企业运营状况持续良好，企业不存在财务风险。

根据以上判断标准，对随机选取的40家房地产上市公司进行分组，健康组代号为1，风险组代号为2（如表1所示）。

表1 模型样本选取

（三）变量的选取

在选择变量的过程中，结合我国房地产业的实际情况，参考了财务风险研究中广泛采用的财务变量，并且加入了反映企业现金流量状况的财务指标，初步确定了25个预测变量。这25个预测变量主要从五个方面反映了企业的财务状况，即盈利能力、成长能力、营运能力、偿债及资本结构、现金流量状况。具体指标如表2所示。

表2 模型变量选取

三、财务风险预测模型实证分析

在样本和财务指标选取完毕后，利用SPSS软件，借助于Fisher 判别模型，进行指标筛选、模型建立、模型检验等程序，最终得出房地产上市公司的财务风险预测模型。

（一）指标筛选

借助SPSS软件，采用逐步判别分析法，对以上25个指标进行筛选，如表3所示。其中，Wilks的Lambda栏中的统计量是该变量进入模型后总体的Wilks的Lambda值，该值随着变量的加入而逐渐变小；精确F栏内的统计量是一个F值，该值是均方与误差均方的比值，该比值越大，其对应的变量越先进入模型。

由表3可知，最终进入模型的变量为：资产的经营现金流量回报率、销售净利率，其显著性水平均为0.000，均小于0.05，说明这两个变量对判别函数的贡献都特别显著。

表3 输入的/删除的变量a，b，c，d

在每个步骤中，输入了最小化整体Wilk的Lambda的变量。

a.步骤的最大数目是48。

b.要输入的最小偏F是3.84。

c.要删除的最大偏F是2.71。

d.F级、容差或VIN不足以进行进一步计算。

（二）模型建立

1.模型初建。利用表3中筛选出来的两个变量，采用Fisher判别分析法实现建模，得到如下模型：

表4 标准化的典型判别式函数系数

SPSS软件给出了两种判别式函数的判别系数。表4显示的是标准化的判别函数系数，反映了各变量对因变量的解释程度，是将变量标准化后所建立的模型的系数。从表4可以看出，在影响财务风险的变量中，贡献最大的是资产的经营现金流量回报率，证实了现金流量对财务状况的重要作用，而销售净利率显示出其负贡献性，也体现了高风险高收益的规律。

表5 典型判别式函数系数

表5显示的是非标准化的判别函数系数，在本文中，房地产公司财务风险预测采用非标准化系数的判别模型。在非标准化的判别模型中，将财务指标代入公式计算，计算简便，省去了标准化的步骤。因此，模型可表示为：

Z=-0.058X1+11.716X2+1.542

其中，X1：销售净利率（%）；X2：资产的经营现金流量回报率（%）。

2.函数有效性检验及临界值的确定。多元判别分析法采用WilksLambda统计量来检验各组判别函数的均值是否相等，即对函数有效性的检验[5]。从表6和表7可以看出，Fisher判别函数最大特征根为1.454，函数Wilks的Lambda统计量为0.407，卡方分布统计量为27.832，检验的概率值小于显著性水平0.05，能够显著拒绝各组判别函数的均值相等的零假设，所以判别函数能较好地区分这两类。

表6 特征值

a.分析中使用了前1个典型判别式函数。

表7 Wilks的Lambda

3.模型的总结。根据建立的模型，计算财务健康组和财务风险组Z值的分布情况，计算结果如表8所示。

表8 组质心处的函数

在组均值处评估的非标准化典型判别式函数。

由表8可知，健康组的重心为1.103，风险组的重心-1.241。取两者的中间位置-0.138，作为划分财务风险组与财务健康组的判别标准。

综上所述，根据3.3.1建立的模型，得出适合我国上市房地产企业的财务风险预测模型：

Z=-0.058X1+11.716X2+1.542

其中，X1：销售净利率（%）；X2：资产的经营现金流量回报率（%）。

计算各个公司Z值，当Z大于-0.138时，企业被划分为健康组，企业未来存在财务风险的几率比较小；当Z小于-0.138时，企业被划分为风险组，企业未来存在财务风险的几率比较大。

（三）模型检验

财务风险预测模型构建后，还需要对其有效性进行检验，本文采用原始样本的回判检验、交叉检验两种方法对其进行检验。

1.原始样本回判检验。首先，将样本数据分别代入预测模型，计算出各个样本的判别分数，即Z值；其次，各个样本的Z值与设定的判别准则进行比较，判断其属于哪一组别；最后，将判别结果与实际结果相比较，从而检验模型的有效性。借助SPSS软件的样本回判功能，得到分类结果，如下表9所示。

表9 分类结果b，c

a.仅对分析中的案例进行交叉验证。在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。

b.已对初始分组案例中的100.0%个进行了正确分类。

c.已对交叉验证分组案例中的85.0%个进行了正确分类。

由表9可知，健康组样本和风险组样本均没有发生错判，回判准确率都为100%，总体回判准确率为100%，模型的有效性非常显著。

2.原始样本交互检验。该方法是在建立判别函数时去掉该例，然后用函数进行判别，从而发现强影响点。借助SPSS软件的交叉检验功能，得到分类结果，如上表9所示。

由表9可知，交互检验中，健康组错判的案例为2个，风险组错判的案例为4个。因而健康组判别准确率为91.3%，风险组判别准确率为76.5%，总体判别准确率为85.0%。与原始样本回判检验结果相比，准确率虽然有所下降，但从整体的判别效果来看，模型还是比较有效的。

四、结论及建议

（一）结论

本文通过研究房地产上市公司的财务风险预测模型，可以得出如下结论：

第一，我国房地产上市公司在即将面临财务风险时，主要变现为现金流量指标和盈利能力指标的异常变动。因此，应该更多关注公司的资产的经营现金流量回报率和销售净利率的变动，并且及时分析变动原因，制定相应的控制策略。

第二，研究我国房地产上市公司是否存在财务风险，只用财务指标进行衡量，往往存在一定的偏差。正如在模型的交叉检验中，模型整体的回判准确率只有85%。因此，应该将财务指标和非财务指标相结合，创建综合性的风险预测体系，全面地研究公司可能面临的财务风险。

（二）建议

财务风险是客观存在的，对企业的经营影响较大，基于本文的研究，管理者可以从以下几方面入手，采取相应策略来降低财务风险。

1.建立多元化的融资渠道。房地产企业应注重挖掘自身潜力，充分利用留存收益资金，同时，制定多元化融资策略。一方面，拓宽直接融资渠道，例如房地产产业基金，分散金融风险，降低对银行信贷及股市融资依赖。另一方面，充分利用民间资本，分流投资性购房资金，加快金融创新。这样一来，既可以避免资产负债率大幅度提高，又可以降低融资成本，节约财务费用。

2.优化资本结构。资本结构是指企业长期资金的构成及其比例关系，即企业的长期债务资本和权益资本各占多大的比重。[6]虽然负债经营具有较强的杠杆效应，但是随着负债比例的上升，企业的财务风险也随着加大。因此，为了降低财务风险，企业应该合理的控制权益资本与债务资本比例，不断优化资本结构。

3.提高资金的利用率。资金是企业的血脉，是企业进行经营活动的重要保障。一方面，房地产企业应制定合理的现金使用计划，满足经营活动的需要，提高资金的利用率；另一方面，要加强应收账款的管理，通过建立客户资信和等级评级等方式，制定相应的信用政策和收款政策，加快收回赊销账款。

参考文献

[1]唐睿明.我国房地产业上市公司财务预警模型实证研究[J].财经问题研究，2013.

[2]刘力.我国上市公司财务预警模型研究[D].西安电子科技大学，2009.

[3]张扬.上市公司财务预警模型统计实证分析[D].首都经济贸易大学，2005.

[4]刘少杰.中国房地产业上市公司财务预警实证研究[D].西南财经大学，2009.

[5]石亚玲.我国房地产业上市公司财务预警研究及其实证分析[D].华北电力大学，2007.

[6]张志伟.上市公司财务预警实证研究[D].西南财经大学，2009.

作者简介：颜苏莉（1962-），女，汉族，湖南涟源人，华北电力大学经济与管理学院副教授，研究方向：电力经济分析与管理；孙婧豪（1991-），女，汉族，山东淄博人，华北电力大学经济与管理学院研究生，研究方向：会计学。