稳健因子分析在房地产上市公司绩效评价中的应用

何志锋+杨婧祎

【摘要】房地产业是我国的支柱型产业，对国民经济增长的拉动作用越来越明显，而其上市公司能否健康、稳定的发展决定了整个行业能否持续稳定的向前发展。本文以沪深两市的房地产上市公司为研究样本，参考2015年度上市公司的财务报告，选取了偿债能力、盈利能力、经营能力和发展能力四个方面共12个财务指标数据进行财务绩效的综合评价。由于原始数据存在较多的异常值，因此在实证分析方法方面采用稳健因子分析相结合的方式，与传统方法对比稳健因子分析的因子解释力度更好，因子命名和因子分析模型构建也更加合理。结果显示，我国房地产上市公司存在综合绩效呈现金字塔形的分布特点、内部财务绩效结构发展不平衡和负债过高等特点。

【关键词】房地产上市公司 稳健因子分析 绩效综合评价 MCD估计

一、引言

改革开放以来，房地产业的迅速发展对国民经济的增长起到了很大的贡献。因其特殊性，使得房地产业在发展的同时受到宏观经济政策调控的影响比较大。因此，房地产上市公司的发展情况，不仅仅是证券市场投资者关注的问题，同时也是政府决策者监督和时刻关注的问题。对上市公司的财务绩效进行客观公正的综合评价有利于经营者、所有者和企业更好的获取利益。从一个大的层面上来说，对于了解我国房地产上市公司的财务经营状况以及预测发展趋势，促进经济的快速发展，都具有重大的意义。

对于房地产上市公司的投资者而言，能够为其投资决策提供重要的参考意见，有助于投资者做出更加理智的投资行为；对于上市公司的经营者来说，在两权分离的委托代理关系之下，上市公司的绩效评价有利于评估企业的真正价值，并正确衡量经营者的经营业绩；对上市公司本身来讲，有利于公司更加全面具体的了解自身情况，以及在整个行业中的位置关系，为其下一步的发展战略的制定和市场定位提供决策依据；于消费者而言，购房肯定是他们密切关注的一个话题，而客观科学的房地产上市公司财务绩效评价有助于消费者清晰明了得认识上市公司的真是绩效，从容更加理性有效的选择开发商；对于金融机构而言，可以使其更好的了解房地产上市公司的财务和非财务等状况，为其决定是否给房地产上市公司提供贷款提供依据；对于政府部门来说，在制定相关政策对房地产业进行宏观调控的时候，参考不同行业的上市公司绩效评价，可以使得其更加全面获知行业的经济信息，有针对性的进行调控，从而促进整个房地产行业的有序健康发展。

二、上市公司绩效评价研究现状

（一）国内学者对上市公司绩效评价的研究

综合以往学者在绩效评价这方面的研究，实证分析方法主要包括层次分析法（AHP）、因子分析法（FA）、主成分分析法（PCA）、、经济增加值（EVA）和数据包络分析法（DEA）等。

从近年相关研究中，采用因子分析法和主成分分析的论文主要有王新华（2010）结合一系列财务指标，采用主成分分析方法对我国家电行业上市公司进行绩效综合评价；孙奕驰（2011）结合定性分析和主成分分析，研究了不同行业上市公司的绩效综合评价体系；马丽和齐捧虎（2011）运用因子分析对环保类上市公司的绩效进行研究，研究最后对不同类型的环保类企业给出有针对性的改善经营状况的方案。

综合评价研究中，单独使用一种实证分析方法常常会出现赋权主观性的缺陷，使得对某一因素的评估过高或过低，从而不能真实的反映所研究的上市公司经营情况。因而许多学者在进行上市绩效综合评价时，也会整合两种以及两种以上分析方法进行实证研究。小康（2011）运用主成分分析和灰色关联两种方法对信息技术上市公司进行绩效分析，这样的研究就避开了灰色关联模型赋权主观性强的弊端，同时也补充了绩效评价系统信息不完整的不足。李阳（2013）通过DEA分析法和因子分析法的实证分析对汽车制造业代表性公司进行绩效研究，结果指出整体上整车类上市公司财务绩效水平偏低，上市公司之间绩效结果存在较大差异。

（二）国内学者对房地产上市公司绩效评价的研究

除了上文提到的各种分析方法之外，国内学者对房地产业代表性公司在这一方面的研究还应用到了D-S广义模糊软集合理论法和熵权法等。在众多实证分析方法中，应用最为广泛的是因子分析方法，原因在于其提取出的主因子综合性较强，能以少数的几个因子覆盖几乎全部的原始信息，客观科学地体现整个分析过程。

邵铁柱和于莎（2013）对25家上市公司12个财务指标数据进行因子实证分析，研究指出我国房地产行业在运营前景上市十分可观的，但两级分化、不均衡发展以及发展能力不佳等问题也逐渐凸显。肖智（2013）等人对D-S广义模糊软集合理论方法所构建的体系从优秀到较差分为5个等级，计算相应的指标权重，将各个上市公司与5个等级标准进行匹配和对比，从而进行后续的分类评价。吴燕茹（2014）从变现能力、营运能力和长期偿债能力三个层面共11个指标结合主成分分析方法进行绩效综合评价。研究指出各上市公司都有其独特的优势，同行业之间可以相互借鉴，促进繁荣发展。王磊（2014）选取93家以房地产为主营业务的上市公司作为样本公司，运用因子分析方法研究得到上市公司内部绩效发展十分不平衡的结论。陈铭伦和王福君（2016）运用层次分析法以鞍钢房地产上市公司为例，主要以非财务指标中的工作环境及从业人员素质要求分析为起点，进行绩效的综合评价。

综合以上文献综述，国内学者对房地产上市公司绩效的相关研究，因子实证分析是绩效评价中应用广泛且较为有效的综合评价方法。然而，传统因子分析对异常值非常敏感，同時上市公司公布数据由于各种原因通常存在一定比例的异常值，而上述研究中均没考虑因子分析的稳健性，研究结论可能存在结构性偏差。王斌会，李雄英（2015）提出基于MCD估计的稳健因子分析能有效克服异常值导致的结果性偏差。

三、绩效评价指标体系与数据获得

（一）房地产上市公司绩效评价指标体系

构建绩效综合评价体系的一个重要前提是明确所选取的合适的指标。作为一系列的数字化指标，体现的是上市公司在一段经营期间内的财务运作状况和经营成果。财务指标按照不同的划分标准有不同的分类结果，这里讨论按照其反应的内容来划分，主要是偿债能力指标（包括速动比率、现金比率、流动比率、资产负债率等）、运营能力指标（包括流动资产周转率、总资产周转率、应收账款周转率等）、盈利能力指标（包括净资产收益率、总资产净利润率、资产报酬率等）、和发展能力指标（包括总资产增长率、资本积累率、净利润增长率等）。endprint

企业绩效评价体系作为一个结构完整的整体，涵盖的内容有选取的指标、研究方法、研究的理论基础、行业相关制度以及评价的机构等。但是不同行业的企业绩效评价的具体内容又是不尽相同的，不同时期的评价是与经济发展条件和企业的发展环境相适应的。考虑到指标数据的代表性和获取的可操作性，本文选取了房地产上市公司在偿债能力、盈利能力、经营能力和发展能力四个方面共12个财务指标进行绩效综合评价。具体指标见下表所示。

（二）数据获得与描述

本文选取的企业指标数据来自国泰安金融数据库。选择的128家房地产上市公司的划分准则来自证监会2012年度修订公开的《上市行业分类指引》，具体的相关划分准则如下：

一是以营业收入等财务指标数据作为主要分类标准划分行业上市公司，且财务数据来自经过会计师事务所审核通过的并公开透明的上市公司财务报表；

二是上市公司的某一类具体经营业务运营收入在该公司所有净利润中占比等于或者大于50%，而该主营业务又与某一行业相匹配，则把这个公司归类如该行业；

三是若某公司的主营业务没有满足以上第二条准则的，但是其在某一特定业务中的利润和收入在所有业务中是最高的，占据公司总收入和总利润的30%以上，就把这个公司归入该业务所匹配的行業分类中；

四是运用以上三种划分标准仍是不确定某上市公司的归属的，上市公司行业分类专家委员会将依据公司的具体经营情况和经营成果划分该公司所属的行业类别；如若在这种情况下仍是不能具体划分的，则归为综合类。

在以上所描述的分类标准下，2015年划分入房地产上市公司的一共有156家，为了本文研究的可操作性，在选取数据时剔除了数据无法收集完整的公司，最后纳入样本研究对象的一共有128家，并对128家房地产上市公司所对应的12个财务指标值做描述性统计分析如表2。

各变量虽然均为百分数但量纲不同，进一步对各变量标准化处理后作箱线图，如图1。

从数据描述性分析中可以看出，所选的12个财务指标中，其最小值、最大值和平均值之间存在较大的差异，且由箱线图也可以看出该数据集存在较多的异常值。对于存在较多异常值的数据进行传统因子分析会使得结果不能够反映实际特征，甚至得到错误的结论。因此本文结合稳健性因子分析，实证比较其与传统因子分析的结果，并得到更合理和有效的结论。

四、稳健因子分析及比较应用

（一）稳健因子分析原理

传统因子分析是的多元统计分析的主干技术之一，常用于综合评价问题。其特征是基于降维的思想，在原始指标的相关系数矩阵的基础上，用数量较少的公共因子代表原来关系复杂的指标，且这些公共因子之间是互不关联的，能够涵盖原始数据大部分信息。

具体的因子分析模型如下所示：

（1）X=（x1，x2，…，xp）是p维可观测随机向量，有均值向量E（X）=0，协差阵Cov（X）=Σ，相关系数矩阵R（相关系数矩阵为标准化的协差阵）。

（2）F=（F1，F2，…，Fm）（m

（3）e=（e1，e2，…，ep）与F相互独立，且E（e）=0，e的协方差阵，即各分量e之间是相互独立的，则因子分析模型为：

x1=a11F1+a12F2+…+a1mFm+e1

x2=a21F1+a22F2+…+a2mFm+e2

………

xp=ap1F1+ap2F2+…+apmFm+ep

其矩阵形式为：X=AF+e。其中A是因子载荷矩阵，A=（aij），aij为第i个变量在第j个因子上的载荷，反映了第i个变量在第j个因子上的重要性。F是公共因子向量，F=（F1，F2，…，Fm），e是X的特殊因子。

由传统因子分析相关理论基础和模型建设的过程可以看出，因子分析模型中最重要的一个步骤就是估计协方差矩阵Σ。众所周知，多元均值的经典估计量是样本均值，样本的协方差矩阵便是协方差矩阵的经典估计量，这些估计均为矩估计，不能抵抗异常值的干扰，从而会影响到后续相关矩阵、特征值和特征向量估计，从而最终导致因子分析失效，不能真实反映研究的内容。在此条件下，利用稳健性的估计量就显得非常有意义了。简单来说，稳健化的方法就是把经典的样本均值和样本协方差矩阵估计量换成稳健性的估计量，具体到本文所用的稳健性估计量方法是MCD估计。

MCD估计的主要思想是在求解马氏距离的基础上不断的进行迭代，迭代的目的是估计一个稳健性的协方差矩阵，再据此求解得到稳健性的相关矩阵，后续的分析就跟传统的因子分析想类似了。具体的计算过程是，从所选取的研究数据中抽取h个样本数据，求解他们的均值K1和协方差矩阵M1。然后利用马氏距离的求解公式解得n个样本数据到中心K1的距离，在所有n个求解得到的距离中选择最小的h个。在所选出的这h个样本中求解他们的样本均值K2和协方差矩阵M2。重复以上求解过程，当且仅当det（Mn）=det（Mn-1）时结束该过程，那么再对Mn加权运算即能够得到稳健性的协方差矩阵估计量。

（二）稳健因子分析与传统因子分析的实证对比

对传统因子分析和稳健因子分析构建因子分析模型时，选择相同的主因子个数4个，比较两者的累计方差贡献率。传统因子分析累计方差贡献率为70.27%，而稳健因子分析则达到80.50%。说明稳健因子对原始变量的解释力度比传统因子要大，在信息损失方面更少，且符合一般条件下累计方差贡献达到80%以上的要求，基本上能全面的反映12个财务指标的信息。

从各变量的共同度看，在传统因子分析中，主因子解释力度较低的指标有，X3（资产负债率）、X9（固定资产周转率）、X10（总资产增长率）和X11（基本每股收益增长率）这四个指标；但是经过稳健因子分析处理后，这四个指标的解释力度都有了相应的提高，其中，指标X9（固定资产周转率）提高的最为明显，由原来的0.4928提高到0.9196；提高较为明显的还有X3（资产负债率），由原来的0.4979提高到0.6859。因此可以说明稳健因子分析在因子解释力度方面对传统因子分析做出了补充和完善，使得因子模型的构造更加的合理和有说服力。

将传统因子模型和稳健因子模型中正交变换后的载荷矩阵汇总在一起做对比。对于第一个主因子，两个载荷上所对应的指标占该因子比重较大的都是X10、X11和X12；但是不同的是，经过稳健化处理得到的载荷量明显比传统因子载荷量大，说明稳健因子F1基本涵盖了指标X10、X11和X12所有的信息。因此對比传统因子载荷，用稳健因子处理结果得到的因子显然更加全面。对于F2，传统因子分析上载荷量较大的是X2、X3和X4，而稳健因子分析上载荷量较大的是X1、X2和X3；从意义上来说，X2是速动比率，X3是资产负债率，而X4表示资产报酬率。显然X2和X3体现的是企业的偿债能力，而X4表达的是企业的盈利能力，传统因子分析对划分得到的因子在这三个变量上的共同度较高，但是显然在命名时不够合理化。将这三个指标归为一类因子，显然在因子命名方面不够合理化。而对比稳健因子F2上所对应的三个指标X1、X2和X3，都是代表企业的偿债能力，此时的因子命名也会更加的合理和有意义。对于主因子F3，情况和F2是相似的；传统因子载荷量较大的指标包括偿债能力、盈利能力和经营能力三个方面，这样情况下的因子命名是非常困难的，且意义也不大，而稳健因子F3代表的指标为X4、X5和X6，这三个指标代表的都是企业的盈利能力。主因子F4的情况和F1是相同的，即稳健化后的因子载荷量比传统因子载荷量大，对原始指标的信息覆盖率更大。

综合以上传统因子分析和稳健因子分析在不同角度的对比情况，认为在本文所取数据存在较多异常值的情况下，稳健化后的分析比传统上的分析更加有说服力，后续的分析过程也显得更加有意义。因此下文对稳健化后的因子分析相关运行结果进行更深一步的探讨。

（三）基于稳健因子分析的绩效评价

由表5可得，公共因子F1上，载荷量较大的是指标是总资产收益率（X10）、基本每股收益增长率（X11）和营业收入增长率（X12），这三个变量体现的都是企业的发展能力，故命名发展能力因子；对于F2，流动比率（X1）、速动比率（X2）和资产负债率（X3）这三个变量的载荷量较大，故命名为偿债能力因子；公共因子F3上占有较大载荷量的财务指标是资产报酬率（X4）、净资产收益率（X5）和总资产净利润率（X6），这些变量都是企业在盈利能力上的具体体现，因此命名为盈利能力因子。对于F4，流动资产周转率（X7）、总资产周转率（X8）和固定资产周转率（X9）三个变量在该因子上的载荷量都达到了0.9以上，将其命名为经营能力因子。

运算各上市公司的综合得分时，以各主因子的方差贡献率占所有因子的累计方差贡献率比值为权数求解得到。具体本文中的表达式如下所示：

F=（0.263F1+0.161F2+0.231F3+0.15F4）/0.805

由于文章篇幅有限，本论文选取了各公因子和总绩效排序前5名和后5名的企业，通过表格汇总如下所示：

五、结论

（一）房地产上市公司财务绩效呈现金字塔形分布

128家上市公司综合绩效得分最高的是中国国贸（6.7998），最低的是嘉凯城（-4.5517），在最高分与最低分之间按综合得分平均分为四组，每组公司个数如表7所示：

可见，我国房地产上市公司绩效得分分布呈现金字塔形，低分段上市公司数量多，中间分数段公司数少之，高分段公司数量则更加少，不同于中间多两端少的正态分布特点。上市公司呈现金字塔形的特点正反映出我国房地产市场的某些特点，大数量低绩效的企业处于塔基的位置，一般这些企业的业务集中在三四线城市，市场竞争十分激烈，从而也必然导致公司绩效低的现象，从整体上来说，也会造成房地产行业大而不强的现象。

（二）房地产上市公司内部财务绩效结构发展不平衡

整体上来看，很少有上市公司在各因子上都表现良好，说明该行业上市公司整体结构上财务绩效内部发展是不平衡的。例如综合财务绩效排名第一的企业中国国贸虽然在运营能力和盈利能力两个因子方面排名第一，在发展能力和偿债能力却排名十分靠后，都在100名之后。绿地控股在综合排名上高居第二的位置，可是其在偿债能力这方面却排到倒数第三的位置。企业财务绩效内部发展的不平衡性说明了企业在某些方面存在缺点，如果不及时发现并克服就会成为制约企业健康稳定、可持续发展的绊脚石。对于这种状态所有的房地产上市公司都应该重视，因为不仅仅体现在综合绩效低的公司，综合绩效高的公司也会出现这种情况。作为龙头企业如果出现了问题而又没有及时解决，毫无疑问会对整个房地产市场产生不良的影响。

（三）房地产上市公司整体上负债过高

根据所取128家房地产上市原始数据可以得到，我国房地产上市公司资产结构不合理主要体现在资产来源上，从偿债能力中的资产负债率可以看出债务资本比重过大。在样本上市公司一共有81%的公司资产负债率高于0.5，负债率最高的企业万科A更是达到了1.14。一般而言，过高的债务比率不仅仅会增加公司的财务风险，还会增加公司经营的风险，让投资者陷入困境当中，更会影响企业的市场地位和信誉。对于房地产市场而言，稍微有一些波动，就是使得高负债企业陷入财务困境当中，不管是对企业、债务人、投资者，更甚者是对国家都会产生负面的影响。

参考文献

[1]陈铭伦，王福君.基于层次分析法的房地产企业绩效评价办法探讨[J].沈阳工程学院学报（社会科学版），2016，12（1）：60-64.

[2]丁琦，王要武，徐鹏举.基于DEA-FCE的房地产上市公司绩效综合评价[J].系统管理学报，2011，20（2）：196-201.

[3]李阳.汽车制造业上市公司财务绩效评价研究[D].郑州大学，2013.

[4]刘江艳.基于因子分析法的房地产上市公司绩效评价研究[D].西安建筑科技大学，2012.

[5]马丽，齐捧虎.运用因子分析法评价我国环保类上市公司绩效[J].西安邮电大学学报，2011，16（6）：107-111.

[6]孙奕驰.上市公司财务绩效评价及其影响因素研究[D].辽宁大学，2011.

[7]史小康.基于灰色关联与主成分分析的公司绩效评价——以2009年信息技术上市公司为例[J].金融与经济，2011（6）：67-70.

[8]邵铁柱，于莎.基于因子分析的房地产上市公司财务绩效评价[J].科技与管理，2013，15（1）：90-93.

[9]王斌会，李雄英.稳健因子分析方法的构建及比较研究[J].统计研究，2015，32（5）：84-90.

[10]王新华.家电行业上市公司绩效评价实证研究[D].陕西师范大学，2010.

[11]王玥，李健.基于层次分析法的发电上市公司经营绩效评价[J].商，2012（4）：110-111.

[12]吴燕茹.基于主成分分析的房地产上市公司绩效评价研究[J].中国市场，2014（51）：135-137.

[13]王磊.我国房地产上市公司绩效评价研究[D].辽宁大学，2014.

[14]张美诚.农业上市公司绩效指标构建及其评价研究[D].湖南农业大学，2013.

[15]周涵妮，谢龙公，张永辉.基于数据包络分析（DEA）的中国上市银行的绩效评价[J].江苏商论，2015（22）：86-87.

[16]张敏，张旭.基于DEA的房地产上市公司经营绩效评价[J].中小企业管理与科技旬刊，2009（11）：61-62.

基金项目：广东省科技计划项目“南疆地区统计科技人才实践能力培训体系建设”（2014A020209087）。

作者简介：何志锋（1983-），男，讲师，博士研究生，研究管理统计学、金融量化投资；杨婧祎（1996-），女，本科在读，信息与计算科学专业。endprint