“三道红线”视角下上市房企财务风险评析

黎杏群

（澳门城市大学商学院）

一、引言

房地产业在我国经济中起到举足轻重的作用，它带动了其他上下游产业的快速发展。然而，随着房价的不断攀高，住房成为了困扰很多年轻一代的问题。为了保持房地产公司长期平稳健康发展，国家近年来对房地产业的发展进行了持续调控。2017 年，习总书记在十九大报告中提出“房子是用来住的不是用来炒的”这样的定位，在房地产政策方面给出了方向性指导。在融资问题上，2020年8 月，央行、银保监会等机构提出从2021 年1月1 日正式实施房企“三道红线”政策：红线一为剔除预收账款后的资产负债率不得大于70%；红线二为净负债率不得大于100%；红线三为现金短债比不得小于1 倍。为控制房企有息债务增长，国家依据三道红线将房企分为红、橙、黄、绿4 档。如果三道红线都触碰到了，则被划分为红档，红档房企不得新增有息负债；如果碰到两道红线，则为橙档，橙档房企负债年增速不得超过5%；如果碰到一道红线，则为黄档，黄档房企负债年增速不得超过10%；如果三道红线都未碰到，则为绿档，绿档房企负债年增速不得超过15%。三道红线是国家对房企金融风险的一次精细化调控，是监管部门第一次明确了房企的举债标准。

国家的宏观调控措施对房地产行业也带来了较大的冲击，近年来不少房地产公司面临财务困境，更有华夏幸福、中国恒大、融创中国等大型房地产企业相继出现财务危机。大家迫切需要得到答案的问题是，“三道红线”政策是否导致了房地产公司的财务危机？国家的房地产调控是否有利于房地产行业健康发展？进一步，我们如何有效识别企业内部财务风险，并有效降低财务风险是现在房企迫切需要解决的问题。本文的目的是基于财务分析和统计理论探讨上述问题的答案。

二、相关文献综述

“三道红线”对房地产融资环境的影响分析、“三道红线”背景下房地产投融资对策及财务管理方式改变的研究成果较多，见李艳艳(2021)，郑川旭(2021)，杨槟和白若凌(2020)及何健生(2021)等，以及这些文献所引文献，但对“三道红线”与企业财务风险的关系的定量研究结果较少。

关于财务风险的研究，国外关于上市公司破产预测的研究成果较多，Beaver(1966)提出了财务失败(failure)的单变量判别方法，文中将财务失败包含“破产，债券拖欠不履行，银行超支，不能支付优先股股利等”，并使用了5 个财务比率作为变量，对79 家经营失败的公司和79 家未经营失败的公司进行一元判别分析，Altman(1968)将破产作为风险指标，利用费歇判别方法，对33家破产公司和33 家未破产公司提出了多元判别函数，又称Z 值判别模型，即用5 个财务指标的线性组合作为Z 函数，再用Z 值进行判别分析，此方法克服了单变量判别方法出现的对于同一公司不同变量预测出不同结果的现象，此研究开创了多变量财务风险评价的先河。除Z 值模型方法外，生存分析中广泛使用的Logistic 回归模型被Ohlson（1980）首次应用到财务危机预警。另一方面，国内研究财务风险评估和预测的文献众多，陈静（1999）将ST 作为风险指标，把资产负债率等6 个财务比率的指标作为初始研究变量，利用单变量模型和Z 值模型将1995—1997 年之间的A 股27家ST 公司与27 家非ST 公司进行对比研究，给出了可用于对新公司的非ST 或ST 属性进行判别的Z函数，高培业和张道奎（2000）利用Z 值模型和Logistic 回归模型对企业失败的判别进行了实证研究，梁琪、郭新伟和石宁（2014）将随机效应Logistic 模型应用到我国中小企业财务失败风险的预警，丁香乾和石硕(2004)采用层次分析法对财务风险作出评价，他们指出层次分析法是一种定性与定量相结合的方法，可以弥补专家打分过于主观的缺陷，李明霞（2015）应用层次分析法对中小企业的财务风险进行评价，此外，杨淑娥和徐伟刚（2003）采用主成分分析法构建了财务风险预警模型。

三、实证分析

（一）变量选取与样本说明

为了研究企业财务指标对财务风险的影响，需要选取合适的财务指标。已有的文献通常选用如下6 项财务指标资产负债率、净资产收益率、总资产收益率、流动比率、营运资金比率以及总资产周转率，这6 项指标对公司财务风险评估有重要意义，本文考虑到房企的特点和国家对房地产融资方面的宏观调控政策选取8 个指标（见表1）。

表1 选取变量的定义说明

其中，剔除预收账款后的资产负债率、净负债率和现金短债比为三道红线中对应的3 个财务指标。陈静（1999）中的第1 个指标为资产负债率，它是负债总额与资产总额的比值，负债总额包括预收账款，而红线一的指标是剔除预收账款后的资产负债率，资产负债率和剔除预收账款后的资产负债率存在共线性，结合房企的特点，我们使用剔除预收账款后的资产负债率代替陈静（1999）中的第1个指标，其余5 个指标均被采用。本文选取在上海证券交易所和深圳证券交易所A 股上市所有有完整财务数据的104 家公司，其中非ST 公司共95 家，ST 公司共9 家，使用上述8 项财务指标对这些房企2020 年的财务数据进行财务风险分析，并提出了风险预测方法。本文的数据来源为国泰安数据库（CSMAR）。

（二）“三道红线”与财务风险之间的关联分析

剔除预收账款后的资产负债率、净负债率和现金短债比为“三道红线”所涉及的财务指标，是反映房地产企业负债情况的重要指标。从债权人角度看，这三个比率越低越好，因为公司一旦破产清算，债权人更容易收回债务；从股东立场看，用于企业通过举债资金与股东资金在经营中发挥作用，全部资本利润率高于借款利息率时，股东所获得的利润更大，此时负债率越高越好，但过高的举债容易引发财务危机，此时股东的权益有清零的风险；对房地产企业来说，负债率不能超过规定的界限，但也不宜过低，当负债率过低时，说明企业经营能力不足，没有很好地利用财务杠杆的作用，另一方面，当负债率过高时，企业存在不能及时足额偿债风险，一旦企业无法偿还债务，可能导致企业破产。所以国家根据我国房地产发展的实际情况，对这3项指标制定了不同的上限，既兼顾了房地产发展合理的举债需求，又为避免债务违约而对财务杠杆进行了限制。下面分析上市房企的这三个负债率的整体情况以及负债率与公司财务风险的关系。

1.描述性分析

（1）剔除预收账款后的资产负债率

一是农民认识不高，环保意识不强。秸秆焚烧的主体是农民，由于农民的文化教育水平不高，对秸秆焚烧的危害认识比较肤浅。以沅江市南嘴镇的部分村民为例，在多年的耕种中，秸秆主要是焚烧为主，稻谷秋收之后，选择天气较好的时段直接焚烧，部分农民没有认识到焚烧秸秆不但会影响天气质量，而且还有可能带来巨大的安全隐患，甚至引发大面积的火灾，危害人们群众的财产安全。因此，农民环保意识不足，认识不到焚烧秸秆会给环境污染带来严重的危害，是秸秆禁烧难的主要原因。

剔除预收账款后的资产负债率是“三道红线”中的红线一所涉及的财务指标，政策规定该指标不得大于70%。从表2 可以看出，ST 公司与非ST 公司剔除预收账款后的资产负债率大于70%的数量均超过50%，说明此时超过半数的公司存在无法偿还债务的风险，同时也反映了房地产高杠杆经营的总体特征，由此看出超过半数的房地产公司存在偿债风险。

表2 列联表—剔除预收账款后的资产负债率

（2）净负债率

净负债率属于国家对房地产债务调控三道红线中的红线二所涉及的财务指标，政策规定该比率不得超过100%。从表3 可以看出，该指标超过第二道红线的非ST 公司及ST 公司占比均为总体的30%左右，虽比超过红线一的公司数量占比少20%以上，但可能出现资不抵债的公司也不在少数。

表3 列联表——净负债率

（3）现金短债比

现金短债比属于国家对房地产债务调控三道红线中的红线三所涉及的财务指标，政策规定现金短债比不得小于1。从表4 看出，近90%的公司现金短债比没有超过1，也就是说公司的短期债务大于货币资金，大多数房地产公司没有满足第三条红线要求，所以全面降低房地产公司的短期负债是一项紧迫的任务。

表4 列联表——现金短债比

2.独立性检验

基于列联表分析的统计理论，通过SPSS 软件，可以得到“三道红线”涉及的3 个变量与ST 风险之间的独立性检验，其中，上述3 个变量的属性情况依据三道红线的划分确定，检验结果如表5。

表5 独立性检验

检验结果表明，“三道红线”涉及的3 个变量与ST 风险有较强的相关性，注意到，这一结果是基于2020 年的数据，“三道红线”政策是从2021 年开始实施的。结果表明，“三道红线”设置的科学性和及时性，对防范房地产公司的财务风险有重要作用。我们注意到，许多房地产公司在“三道红线”之后不断出现暴雷，比如中国恒大和融创中国等，但这些大型房地产公司的暴雷不是“三道红线”的结果，最多只是“三道红线”加速了风险暴露，证明了房地产调控有利于房地产公司长期健康发展。

（三）多元判别分析

1.指标共线性检验

与常用的分析财务风险的财务指标相比，我们增加了“三道红线”涉及的财务指标，那么这“三道红线”涉及的财务指标有没有关联（重复）以及这些指标与其它财务指标是否关联（重复）呢？本文利用SPSS 进行的多重共线性检验的结果（表6），结果表明8 项财务指标的方差膨胀系数（VIF）均小于10，即“三道红线”涉及的财务指标没有共线性，且所有8 项指标没有共线性，它们均可用于财务风险判别。

表6 多重共线性检验结果

2.多元判别分析

为了判别A 股上市房企的ST 风险，我们利用8 项财务指标，采用Z 模型进行判别，即选用费歇判别函数：

C，C，…，C为函数的系数，费歇判别方法介绍见张尧庭和方开泰(2013)。我们将通过SPSS 得出判别函数的系数，由此得到Z 函数具体表达式，通过回判结果来验证—函数判别的正确率，并得到各公司Z 值得分分布图，给出对Z 值判别财务风险的具体方法。基于2020 年104 家公司的8 项指标，通过SPSS 软件，采用费歇判别分析，得到各系数具体值，其判别函数为：

由此看出，Z 值与总资产收益率的关系最大，该指标对房地产公司风险影响较大，与“红线一”的指标剔除预收账款后的资产负债率的关系次之，说明三道红线涉及的主要指标对房企风险影响显著，剔除预收账款后的资产负债率对Z 值得分产生正向影响。需要注意的是，判别函数系数的正负不表示该指标对企业风险产生正向影响或者负向影响，而仅仅是对Z 值得分的影响。如剔除预收账款后的资产负债率的系数为3.379，该指标对Z 值得分为正向影响，对房企的经营来说，却是相反的，负债率越高，企业越容易存在财务风险。房地产公司自身带有高杠杆经营基因，没有一定的负债很难做大做强，但是，对杠杆的控制还是必要的。

3. 多元函数回判结果

该判别函数的回判结果如表7，此结果展示了Z 函数对非ST 公司与ST 公司判别的准确性。95 个非ST 公司，有91 个依然被判为非ST 公司，有4 个非ST 公司被误判为ST 公司，非ST 公司判别正确率为95.8%，误判率为4.2%，该Z 值函数判别方法对非ST 公司判别的正确率很高；另外，9 个ST 公司，有7 个依然被判为ST 公司，有2 个ST 公司被误判为非ST 公司，ST 公司判别正确率为77.8%，误判率为22.2%，该Z 值函数判别方法对ST公司判别的正确率比非ST 公司低但其正确率也超过了50%。该Z 值函数对非ST 与ST 总体的判别正确率为94.2%。也就是说正确地对94.2%个原始已分组个案进行了分类。仅针对分析中的个案进行交叉验证，在交叉验证中，每个个案都由那些从该个案以为的所有个案派生的函数进行分类。正确地对91.3%个进行了交叉验证的已分组个案进行了分类。

表7 多元函数回判结果——预测组成员信息

4. Z 值得分及判别方法

基于2020 年数据，这104 家房企一一对应一个Z 值，这些公司的Z 值得分分布如图1 所示。非ST 公司Z 值的平均值为0.34，标准差为0.905，Z得分集中在-3 ～2 之间，其中30 个非ST 公司得分0.5 ～1 之间，24 个非ST 公司得分在0 ～0.5之间。ST 公司Z 值平均值为-3.54，标准差为1.767，Z 值得分集中在-6.5 ～-1 之间。采用Z 值判别的方法如下：用表4 的常量Z=-3.011 作为判别临界值，当一个新公司无法判别其ST 风险时，可将该公司的上述8 项财务指标代入Z 函数，来判别该公司是否为ST 公司，当Z ≥3.011 时，判定为非ST公司；当Z ＜3.011 时，则判定为ST 公司，说明公司存在ST 风险。

图1 Z 值得分分布

四、结论与建议

本文通过研究房企的ST 风险与下述8 项财务指标的关系：剔除预收账款后的资产负债率、净资产收益率、总资产收益率、流动比率、营运资金比率、净负债率以及现金短债比，分别进行了列联表分析、多指标费歇判别分析，结果表明，列联表分析和多指标分析均有效。分析中发现，A股上市房企中超半数存在负债过高的情况，存在较大资不抵债的风险，说明国家设立的“三道红线”政策非常及时和有针对性，严格执行这一政策对我国房地产市场平稳健康发展有重要意义；与陈静（1999）比较，我们既考虑了Z 模型用来判别财务风险又结合了国家对房地产调控的政策和房地产公司的特征，将房地产调控的“三道红线”对应的指标纳入分析范围，分析结果显示“三道红线”对应的主要指标对房地产风险有显著影响，这既说明了本文结论对房地产公司有较强的针对性，也表明国家制定房地产调控红线的必要性。本文新的发现是国家房地产调控中的“三道红线”之中的剔除预收账款后的资产负债率对房地产财务风险有明显影响，由此看出，严格控制不越线是控制房地产公司风险的重要任务之一；值得一提的是，企业财务风险除了ST 风险外，还有多种其他风险，如对于房地产公司财务风险的研究，可以将超过1 条红线的公司作为一类，其余作为另一类，利用本文的方法进行对比研究，这将是未来的研究课题。本文的结果有一些局限性，主要有：（1）由于实际情况的限制，A 股上市房企中ST 公司的数量过少，特别是与非ST 公司相比的数量较少，这样分析得到的结果的稳定性不够好，在后续跟进研究中可通过实际可能增加的ST公司样本容量的方法来解决这个问题；（2）本文假设ST 公司来自于同一个总体，同时非ST 公司也来自于同一个总体，在有些情况下这种假设会被破坏，此时我们可以通过差分等方法来处理数据，以便得到平稳数据。