房地产行业基于EVA的财务预警研究

2017-06-14陈紫威

经济研究导刊 2017年16期

陈紫威

摘要：2008年后全国各地的房价都经历了腾飞式增长，全民买房、炒房使得楼市处于泡沫经济的状态，为了避免泡沫破灭，在房地产企业建立财务预警体系显得十分紧急和必要。众所周知，楼市的发展影响层面很广，2008年美国金融危机就是始于次级房贷危机，可见为我国的房地产企业建立财务预警模型的紧急性和迫切性。因此，引入经济增加值指标进入备选指标，对于选出的指标使用Logistic模型建立财务预警模型。

关键词：EVA；Logistic模型；财务预警

中图分类号：F293.3 文献标志码：A 文章编号：1673-291X（2017）16-0095-04

近几年来，我国多处城市的房价均进行了较大程度的涨幅，各地政府均已经或将要对持续高涨的房价采取措施，以防泡沫经济的破灭，且房地产行业的兴衰涉及产业很广，可见为房地产行业建立财务预警模型的紧急性与迫切性。为了增强财务预警模型的敏感性和可预见性，本文引入经济增加值指标，相对于传统的利润表中的净利润，经济增加值指标不仅考虑了股东权益的机会成本，而且从持续经营角度对净利润进行调整。在扣除了股东权益的机会成本后，只有经济增加值大于0，才能够为股东创造财富，经济增加值可以将企业经营与股东财富的创造最直接地联系起来，只要是经济增加值大于0的项目，管理层就应当采纳。同时，根据EVA实现的多少给予管理层相应的薪酬奖励，这样可以将治理层的利益与管理层的利益统一起来。自2010年起，在中央企业已经全面执行了经济增加值指标的考核，相信在不久的将来，经济增加值的考核将会成为企业考核业绩的标准。

本文具有创新性，将管理用报表调整出来的EVA指标，引入到财务指标中，从而为建立更准确的预警模型做出贡献。同时，本文引入非财务指标，由于非财务指标影响的是企业文化、企业环境等宏观方面，对企业能产生深远的影响，所以在较远的期间就能预测企业的财务危机。

一、EVA相关理论

EVA最早由斯特恩斯特财务咨询公司提出，最精准的EVA需要对160多项财务数据进行调整。而一般情况下，基于重要性和成本效益原则，只需要对5项左右的财务数据进行调整，即可得到较为准确的评价指标。

经济增加值=税后经营净利润-总资本×加权平均资本成本

公司根据自身情况一般情况下进行一下调整即可，首先，税后经营净利润中不包括债务资本成本，因为债务资本成本包括在总资本成本中，避免重复扣除；其次，对相关财务指标进行调整，如准备金、递延所得税、研究开发费用、营业外收支，为建立品牌、进入新市场或扩大市场份额而发生的费用。

1.准备金。准备金是企业基于谨慎性原则，提取的存货跌价准备、资产减值损失、坏账等，由于准备金当期并没有实际发生，所以与本期的经营活动没有直接关系，在计算EVA是应调整回来，同时相应地增加相关资产价值。

2.递延所得税。递延所得税是由于账面价值与计税基础的暂时性差异引起的，会引起以后期间少交或多交所得税，而这与本期的经营无关，所以应做相应的调整。对于递延所得税资产应从资产项目中扣除，同时应从税后经营净利润中扣除该笔费用，对于递延所得税负债应作相反的会计处理。

3.研究开发费用。在研究开发费用可以资本化之前的费用化支出，会计上的处理是计入当期管理费用，并从利润中扣除，这可能会导致管理层为确保本期利润，减少必要的研究开发支出，所以从可持续发展角度考虑，应将费用化的支出资本化，同样是按照以后的使用期限分期摊销。从税后经营净利润中加上费用化支出，同时在资产项目中加上相应的金额。

4.营业外收支。由于经济增加值衡量的是企业主营业务相关产业的盈利能力，则需要扣除非主营业务相关的损益对经济增加值的影響。所以在计算EVA时，需要将其从税后经营净利润中扣除。

5.为建立品牌、进入新市场或扩大市场份额而发生的费用。为建立品牌、进入新市场或扩大市场份额而发生的费用在传统会计上的处理是将其计入销售费用，直接从当期利润中扣除。可见，一些管理层为了确保当期利润的实现，会放弃优秀品牌的建立或优秀销售渠道的构建。因此从可持续发展角度考虑，在调整经济增加值时，应将该笔费用资本化并在适当的使用期限摊销。

二、财务预警相关理论

1.财务危机的相关理论。国外学者通常把企业破产视为企业发生财务危机。根据我国实际情况，因为上市公司是宝贵的壳资源，即使出现财务危机也会被有财力的非上市公司通过买壳达到借壳上市，所以说我国的上市公司在一般情况下是不会破产的，我国的证券交易所会对出现财务异常的上市公司给予特别处理（ST）的标注，对于被ST的上市公司多多少少都会有一些财务问题，因此我国学者通常以上市公司被ST视为出现财务危机。而被ST有的是由于财务原因，有的是由于非财务问题，由于非财务问题具有不可预测性，所以本文选取的ST公司是由于财务问题引起的。

2.财务预警的相关理论。财务预警模型衍化进程由一开始的单变量分析模型到多元性分析模型，进而到Logistic回归模型和判别分析模型，直至衍变到现在的人工神经网络模型、遗传算法等，模型预警的准确率均在逐步提高，但是由于人工神经网络模型等新兴模型的使用没有假设要求，故其科学性、准确性还需要进一步加强。所以，本文在比较后使用Logistic回归模型，对选取出的指标进行财务预警准确率的研究。

三、指标选取及样本选择

1.指标选取的相关原则。基于全面性原则，本文的指标选取将从偿债能力、盈利能力、营运能力、发展能力和现金能力5个财务指标方面进行选取，同时选取适当数量的非财务指标引入研究行列，其中对于涉及的净利润指标均用经济增加值指标进行替代。同时，基于重要性原则和准确性考虑，本文将尽可能地选择代表性强的指标，争取以最少的指标建立最准确的预警模型。

2.指标的选取。根据本文的指标选取原则，本文选取21个指标（见表1）。

3.样本的选择。由于近几年属于房地产行业的丰收年度，所以最近几年被ST的房地产企业数量很少，在最近几年内只找到了5被ST的房地产企业，其中一家是在2009年被ST，一家是在2008年被ST，若使用t-3年指标预测准确率，均为2007年以前的指标，而在2007年执行了新会计准则，所以指标之间不具有可比性，所以本文选择3家ST企业。配对原则分为一比一配对和多比一配对，多比一配对是以该行业中ST与非ST的比例关系为配比关系，房地产行业ST与非ST的比例差异较大，结合总资产规模相似的配对原则，本文选择使用1∶15的比例选择3家ST公司和45家非ST公司，作为样本公司，建立预警模型。处于同一行业，相似的规模作为配对原则，本文以企业总资产为规模计量依据，根据t-1年的数据确定t年是否被ST，我国证券公司一般“以连续2年净利润为负数”为依据定为ST，即t-2年数据的作用也不大。而前人的研究表明，t-4年的指标在财务危机公司与非财务危机公司之间的显著性差异不大，又由于t-3年是企业是否将会被ST的转折点，所以本文将对t-3年的数据进行预警研究。

四、Logistic模型回归预警

1.选出显著性差异指标。Logistic模型要求指标之间不存在共线性，由于本文选取的样本数量较少，所以样本之间不存在正态分布，对于不符合正态分布的数据使用Mann-Whitney U非参数检验法选取出对是否被ST有显著差异的指标，在Mann-Whitney U非参数检验法中，显著性结果大于0.05时，ST公司与非ST公司的指标不存在显著差异性；反之，存在显著差异性，则该指标最终可以选作该公司的预警模型指标，在本文选取的数据中，只有总资产周转率、资本保值增值率、总资产增长率这三个数据对公司是否ST有显著性差异。

2.相关性检验。对于选出的指标由于Logistic模型要求数据之间不存在共线性，所以对于用Mann-Whitney U非参数检验法选取出的对显著性差异有贡献的指标需要相关性检验，分析两两数据之间的相关性，若显著性概率小于0.05，则说明两者之间有显著的相关关系，需要剔除一个数据，本文对选出的对是否ST有贡献的三个数据进行共线性检验。根据表2可看出，资本保值增值率与总资产增长率之间具有相关关系。本文剔除总资产增长率指标，最终选出相关性很小的总资产周转率和资本保值增值率2个指标。

3.Logistic模型预测准确率。建立Logistic预警模型，通过模型运行可得，预测准确率为93.6%（见表3），这对被ST前第三年的指标进行预警而言，准确率已经是非常高了。

对t-3年的因子进行回归分析（见表4），因为自由度df为1，显著性水平为0.05，可得卡方临界值=CHINNV（0.05，1）=3.841，本文计算的的卡方值为20.256，且sig.=0.000<0.05，所以检验通过。

五、结论

在企业被ST前第三年，对企业是否ST有显著性差异的指标是总资产周转率、资本增值保值率、总资产增长率，在距离企业被ST较长的时间段上，说明将来是否被ST取决于企业目前的运营能力和发展能力，说明企业为保证未来不被ST，应从长远角度增强企业的运营能力和发展能力，而对于本文引入的EVA指标可能是直接影响或者影响的持续期间较短等原因，在t-3年不属于影响企业是否被ST的显著性差异指标。

参考文献：

[1] Altman E.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance，1968，（4）：

589-610.

[2] 吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001，（6）：46-55.

[3] Jones，J.and Dahensher.Predicting firm financial distress：a mixed Logit model[J].The Accounting Review，2004，（79）：1011-1038.

[4] 鲜文铎，向锐.基于混合Logit模型的财务困境预测研究[J].数量经济技术经济研究，2007，（9）：68-76.

[5] 雷振华.Logistic模型的财务预警准确度检验研究[J].求索，2012，（11）：54-56.

[6] 马庆国.管理统计[M].北京：科学出版社，2013：160-327.

[7] 张新明，钱爱明.财务报表分析[M].北京：中国人民大学出版社，2014：221-238.

[8] 郑玉华，崔晓东.公司财务预警LOGIT模型最有分界点实证研究[J].商业研究，2014，（6）：76-82.

[9] 曹中.论经济增加值及其在企业价值评估中的应用[J].会计之友，2011，（2）：16-27.

[10] 王雪梅，李阳阳.第一大股东性质对经济增加值的影响效应[J].财会月刊，2012，（2）：7-10.