我国房地产企业财务风险预警实证研究方法综述

来源：职称驿站所属分类：财税论文
发布时间：2019-04-12浏览：15次

　　近年来，房地产企业财务风险预警的实证研究日益增加。本文从基于财务数据及结合非财务数据构建预警指标体系方面对实证研究方法在我国房地产企业财务风险预警研究中的应用情况进行梳理分析。并在分析其局限与不足的基础上，提出了实证研究方法在房地产企业财务风险预警研究中应用的方向。

行政事业资产与财务

　　《行政事业资产与财务》杂志是经国家新闻出版总署批准，由湖北长江出版传媒集团和湖北华楚报刊中心主办的面向全国公开发行的正式出版物，湖北省优秀期刊。已被中国知网和万方数据-数字化期刊群全文收录，从2011年第1期开始改为半月刊。

　　0 引言

　　科学的财务预警系统对于房地产企业的发展具有战略性意义。我国学者在借鉴国外研究理论的基础上采用规范研究、实证研究以及二者相结合的方法，对我国房地产企业财务风险预警进行了系统研究。但是，国内大多数学者仅对一般上市公司财务风险预警研究方法做了探究，而针对房地产企业财务风险预警研究方法进行系统性概括的文献并未见。本文拟从基于财务指标及结合非财务指标构建房地产企业财务风险预警系统方面对实证研究方法的应用情况及特点进行梳理分析，以期为实证研究方法在我国房地产企业财务风险预警研究领域的应用提供借鉴。

　　1 在基于财务指标的我国房地产企业财务风险预警研究中的应用

　　传统的财务风险预警主要以财务指标为变量，构建一个适合房地产企业运营管理的财务风险预警系统，从而计算财务风险的评价值。

　　1.1 多变量判别分析法的应用

　　1.1.1 Logistic回归分析法

　　龙胜平等(2007)以沪深两市房地产企业2005年财务数据作为样本，采用主成分分析法，将7个主成分代替原来的11个财务指标，并将其作为Logistic回归分析的解释变量，进行逻辑回归分析，从而构建了房地产企业财务风险预警模型。其构建的预警模型对我国房地产企业起到良好的预警效果。但作者对模型自变量的选取存在一定程度的任意性，并未对自变量进行严格统计意义上的筛选。然而，李恩等(2012)以我国1998-2010年房地产上市公司为研究对象，选取了48家ST公司和48家财务正常公司为样本，对入选解释变量进行了逐步筛选，运用主成分分析法，构建了3个Logistic模型进行分析比较，选取预测率较高的模型，对前一年至前四年的财务数据进行返回预测检验，结果表明该模型预测的总准确率较高。这可以为银行、投资者、监管者和房地产企业管理自身的风险提供一定的参考。

　　1.1.2 多元Z值判定模型

　　黄硕等人(2010)利用简单随机抽样的方法，从我国A股上市公司中选取40家房地产上市公司作为研究对象，将样本公司的数据代入奥尔曼的Z-Score模型得到各家公司的Z值，并按照由大到小的方式将各家公司的Z值进行排序，从而判别出各公司的财务状况。奥尔曼的Z值模型从整体上来看比较客观，能够很好地预测企业财务危机的发生。但是其研究成果是基于美国各行业的经济财务数据，对于我国房地产企业财务预警有一定的参考价值，但不能机械地搬来运用。然而裴潇等(2015)运用奥尔曼的Z值模型，检验我国房地产上市公司最新财务数据模型的有效性，认为Z模型原有的临界值并不适合我国国情，并通过分析提出了适合我国房地产公司财务危机预警模型的新临界值。经检验，该临界值能够较好地预测我国房地产企业财务危机的发生。

　　1.2 BP人工神经网络方法的应用

　　朱燕妮(2008)选取44家中国房地产上市公司1998-2006年的数据作为样本，选择63个财务指标，先后采用Kruskal-walis H检验和因子分析对指标进行筛选和优化，构建了房地产上市公司财务危机预警指标体系。运用BP神经网络方法使用提前一年的样本数据建立了预测期为一年的分警度财务危机预警模型，对“海泰发展”一年的财务状况进行仿真预测，预测结果表明，财务危机年份的预测完全正确，仅出现了对健康年份的误判。证明了本模型对财务危机的识别能力及应用价值较大。但是因为受到样本数量的限制，其仅仅考察了财务指标提前一年的预示能力，时效性较差。赵莉(2010)选取了盈利能力、偿债能力、成长能力和扩张能力等相关财务指标，运用典型3层前馈型BP网络模型，构建我国房地产上市公司的财务危机预警模型，将10年的样本数据作为神经网络辨识模型的训练样本，预测2009 年企业的财务状况，得出2009年企业的财务数据处于健康状态。其研究结果表明：基于财务指标信息的BP人工神经网络方法是预测企业是否会发生财务危机的有效方法。可以看出，运用财务数据对房地产企业财务风险预警建立BP人工神经网络模型，有利于提高模型预测的准确性。

　　1.3 支持向量机方法的应用

　　董雅丽(2013)运用支持向量机的方法，结合20家上市房地产公司的财务数据展开研究，充分考虑财务危机问题的复杂性和非线性本质，将原低维空间非线性问题转化为高维空间中的线性问题，体现了在小样本数据条件下高精度预警的优越性，取得了很好的效果。杜晶(2014)通过因子分析对指标体系提取主因子，然后利用支持向量机理论，构建基于支持向量机的财务危机预警模型，同时将模型与判别分析、二元回归这两种预警模型进行比较，发现该模型预测的准确率要明显高于后两种模型预测的准确率。实践证明，该方法比以往传统统计学方法和神经网络方法更加方便，克服了传统方法的固有缺陷，为房地产企业财务风险在智能预警领域的研究中提供了新思路。

　　由以上分析可见，该方面研究中，采用的主要研究方法是多变量判别分析法、BP人工神经网络方法及支持向量机方法，集中研究财务数据对我国房地产企业财务危机的影响。但房地产企业的财务风险具有模糊性和复杂性，受到财务和非财务等多种因素的影响，难以用精确的数字来度量，无法全面预测房地产企业的财务状况。

　　2 在基于财务与非财务指标的我国房地产企业财务风险预警研究中的应用

　　为提高财务预警系统的有效性，我国学者将非财务指标引入房地产企业财务预警系统的构建中，运用灰色预测法、多级模糊综合评价法等方法展开研究。

　　2.1 多变量判别分析法的应用

　　2.1.1 ZETA模型评价法

　　杜俊娟(2013)选择将房地产企业的短期偿债能力、发展能力等6个方面的数据作为财务指标，将企业潜在发展能力、内部控制、学习与成长、顾客满意度等作为非财务指标，在奥尔曼Z值模型的基础上，利用改进的ZETA模型对房地产企业财务风险预警分析进行风险评判。结果发现，ZETA模型用于预测五年和一年财务危机的企业精度分别为70%和91%，而且越接近财务危机发生的时间，预测精度越高。结果表明在改进的Z值模型的基础上引入非财务指标会提高预警的准确性。

　　2.1.2 Fisher判别分析法

　　尚洪涛(2011)选取沪深两市A股房地产2009年及2010年的15家ST公司和45家非ST公司作为研究样本，在29个财务指标基础上加入了审计意见、公司股权结构、公司治理结构和市场信息等8个非财务指标为研究变量，使用Fisher判别法建立了ST发生前两年和前三年的危机预警模型。实证结果表明，在Fisher判别法下加入非财务指标可以显著提高ST危机预警的准确率，且预测的准确性较高。

　　2.2 灰色预测法的应用

　　杨刚(2010)将灰色关联分析法和灰色预测法应用到指标筛选和模型的建立中，针对房地产企业的财务指标和非财务指标，建立了房地产公司的财务风险预警模型，结果显示面对房地产企业的财务风险，运用灰色预测构建的模型有较高的精准度，并且短期预测功能良好。张晓燕(2016)以某房地产公司为例，选取该公司2012-2015年财务数据及非财务数据，构建灰色预测模型，对其2016年财务风险进行分析和预警，发现该公司2016年财务风险处于“重度预警”状态，并对该公司的财务风险发出预警。可见，当信息数量少、完整性较差时，可利用灰色模型对房地产企业的财务风险做长期模糊预测。

　　2.3 多级模糊综合评价法的应用

　　宋锐林等(2011)选用了包括内部风险及外部风险的7个指标，将模糊评价与层次分析法结合起来，建立了基于模糊层次分析的企业财务风险评价模型，并对CS公司的财务风险进行综合评价进一步验证模型，最后提出了房地产企业控制财务风险的建议。但作者并未对模型进行定性分析，使得模型的可信度不高，而孙艳春等(2012)以吉林省长春市的房地产上市公司A为例，在以财务指标为主体的财务预警系统基础上，结合房地产企业的特征选取获利能力、偿债能力等5个方面的非财务指标，对影响房地产企业财务预警的非财务指标进行分层研究，运用多级模糊综合评价法构建房地产企业的财务预警模型。最终经过对财务指标的定量分析和非财务指标的定性分析，发现得出的结论会使评价结果更加真实合理。不难发现，将房地产企业复杂的财务风险因素进行层次分解后，可以使难以量化的复杂对象分解为若干个小范围的比较判断，从而增加房地产企业非财务指标的预警模型的可操作性。

　　不难看出，我国学者将非财务指标引入房地产企业财务风险预警指标中，采用多变量判别分析法、灰色预测法及多级模糊综合评价法构建财务风险预警系统后，能够更加合理精确地预测房地产企业财务风险。可见非财务指标在风险预测的某些方面比财务指标更为可靠有效。

　　3 结语

　　综上所述，我国学者在房地产企业财务风险预警研究方法中综合使用了多变量判别分析法、BP人工神经网络方法、多级模糊综合评价法、灰色预测法及支持向量机法等。但是，由于资产负债表反映的是某一时点的财务状况，损益表反映的是一定期间的经营成果，即便将非财务指标引入财务危机预警系统中，预警系统也不能反映财务危机量变的过程及其产生危机的直接因素，从而限制了指标体系的可靠性和说服力，不利于内部管理者提出应对风险的防范措施。而且目前国内房地产上市企业财务报表的真实性也有待考察。所以未来房地产企业的财务风险预警模型应能够在现有财务风险预警指标的基础上稍做修改，建立一套企业内部管理者适用的财务风险预警子系统——资产风险预警系统，主要用于企业年度内各月份的风险监控。另外，还应能够对上市公司所提供的财务数据的真伪做出一定鉴别，从而更加精确地进行公司财务困境预测。

　　主要参考文献

　　[1]龙胜平，郑立琴.我国房地产企业财务风险预警模型研究[J].求索，2007(6)：18-20.

　　[2]李恩，劉立新.我国房地产上市公司财务预警研究[J].华东经济管理，2012，26(8)：156-160.

　　[3]黄硕，张红，周鹏，等.基于Z-Score模型的我国房地产上市公司财务预警研究[J].中国房地产，2010(11)：60-62.

　　[4]裴潇，黄玲，陈华.基于Z值模型的房地产企业财务预警研究[J].财会通讯，2015(4)：42-45.

　　[5]朱燕妮.基于BP神经网络的中国房地产上市公司财务危机预警研究[D].杭州：浙江大学，2008.

　　[6]赵莉.基于BP神经网络的房地产上市公司财务危机预警[J].价值工程，2010，29(8)：51.

　　[7]董雅丽.房地产企业财务风险智能预警研究[J].价值工程，2013(7)：147-148.

　　[8]杜晶.基于支持向量机的房地产上市公司财务危机预警研究[D].成都：西南财经大学，2014.

　　[9]杜俊娟.我国房地产企业财务风险的预警与防范[J].会计之友，2013(10)：44-47.

　　[10]尚洪涛.基于Fisher判别法的房地产上市公司ST危机预警研究[J].经济与管理研究，2011(11)：77-82.

　　[11]杨刚.房地产企业财务风险预警模型研究[J].荆楚理工学院学报，2010，25(11)：62-64.