西安建筑科技大學(xué) 張建儒 李 娜

上市房地產(chǎn)企業(yè)信用評(píng)級(jí)研究

西安建筑科技大學(xué) 張建儒 李 娜

不斷壯大的房地產(chǎn)行業(yè)在經(jīng)歷了金融危機(jī)后更加認(rèn)識(shí)到了資金鏈的重要性，其重要的融資渠道就來(lái)自銀行。銀行自2004年6月《巴塞爾新資本協(xié)議》正式發(fā)布，確立了國(guó)際金融界銀行監(jiān)管和風(fēng)險(xiǎn)管理的新框架后，突出強(qiáng)調(diào)了信用評(píng)級(jí)的重要性。因此，建立可行有效的房地產(chǎn)企業(yè)信用評(píng)級(jí)模型成為了溝通企業(yè)和銀行間資金流通的渠道。我國(guó)的信用評(píng)級(jí)研究雖然處于起步階段，但模型研究已經(jīng)取得一些成就。目前，經(jīng)常使用的有聚類模型、Logistic回歸模型和多元判別模型，經(jīng)過(guò)檢驗(yàn)三種模型對(duì)于總趨勢(shì)的預(yù)測(cè)是一致的，其中Logistic回歸模型的準(zhǔn)確性最高，聚類模型次之。但是由于Logistic回歸模型要求總的樣本量達(dá)到200家，才能保證模型數(shù)據(jù)的穩(wěn)定性，而上市房地產(chǎn)企業(yè)總計(jì)111家，所以本文選擇聚類模型對(duì)其進(jìn)行研究。

一、上市房地產(chǎn)企業(yè)與財(cái)務(wù)指標(biāo)遴選

銀行針對(duì)上市房地產(chǎn)企業(yè)的信用評(píng)級(jí)是指銀行根據(jù)規(guī)范的評(píng)估指標(biāo)體系，運(yùn)用科學(xué)的評(píng)估方法，履行嚴(yán)格的評(píng)估程序，對(duì)上市房地產(chǎn)企業(yè)的信用記錄、企業(yè)素質(zhì)、管理能力、經(jīng)營(yíng)水平、外部環(huán)境、財(cái)務(wù)狀況、發(fā)展前景等進(jìn)行全面了解、分析研究后，就其在未來(lái)一段時(shí)間履行承諾的能力、可能出現(xiàn)各種風(fēng)險(xiǎn)做出的綜合評(píng)價(jià)。

本文選取了111家上市房地產(chǎn)企業(yè)，剔除21家數(shù)據(jù)不全的單位，最終以90家企業(yè)為集合進(jìn)行研究，在這些企業(yè)2008年的年報(bào)中，共披露了103項(xiàng)財(cái)務(wù)指標(biāo)。理論上，這些財(cái)務(wù)指標(biāo)都可以直接或間接說(shuō)明企業(yè)的經(jīng)營(yíng)狀況，但是過(guò)多的指標(biāo)會(huì)破環(huán)模型的穩(wěn)定性和預(yù)測(cè)能力，為了遴選更具說(shuō)明力的指標(biāo)，本文采用指標(biāo)之間相互不涵蓋、重視現(xiàn)金流量分析指標(biāo)、突出房地產(chǎn)企業(yè)評(píng)價(jià)指標(biāo)的原則，使用相關(guān)性分析，最終確定了12項(xiàng)指標(biāo)，分別是：凈利潤(rùn)增長(zhǎng)率、凈資產(chǎn)收益率、資產(chǎn)負(fù)債比率、凈利潤(rùn)現(xiàn)金含量、流動(dòng)比率、速動(dòng)比率、經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量增長(zhǎng)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、稅后利潤(rùn)增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率和利息備付率。

在上市房地產(chǎn)企業(yè)信用評(píng)級(jí)中，我們將反映企業(yè)信用評(píng)級(jí)打分函數(shù)Z記做各項(xiàng)因子Fi的線性組合，即：Z=a1F1+a2F2+a3F3+a4F4+a5F5+…+a12F12

式中：Z表示上市房地產(chǎn)企業(yè)信用評(píng)級(jí)得分；Fi（i=1，2，3，……，12）表示確定的12項(xiàng)評(píng)價(jià)指標(biāo)；ai（i=1，2，3，……，12）表示確定的12項(xiàng)指標(biāo)所占的比重。

二、信用評(píng)級(jí)模型指標(biāo)分類及權(quán)重確定

其一，信用評(píng)級(jí)的財(cái)務(wù)指標(biāo)分類。為了提高模型預(yù)測(cè)能力，本文采用基于因子的主成分分析法對(duì)所有數(shù)據(jù)計(jì)算，將財(cái)務(wù)指標(biāo)分類，建立更直觀、易操作的模型。

（1）由于各項(xiàng)指標(biāo)的正、逆性和量綱不統(tǒng)一，所以本文使用ZScores法對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理。

（2）用主成分分析法處理數(shù)據(jù)，得出因子解釋原有變量總方差的情況，如表1所示。

由輸出結(jié)果可知，前六項(xiàng)主成分包含的原始數(shù)據(jù)達(dá)到了78.044%，說(shuō)明六項(xiàng)分類可以保留近八成的財(cái)務(wù)指標(biāo)，同時(shí)計(jì)算量大幅減少，可以代替原有財(cái)務(wù)指標(biāo)得出有效的結(jié)果，本文選擇6個(gè)因子來(lái)建模分析。

（3）對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)后，主要因子變量的含義更加明確反映了財(cái)務(wù)指標(biāo)之間的相互關(guān)系。旋轉(zhuǎn)后的因子載荷矩陣如表2所示。

表2 旋轉(zhuǎn)后因子載荷矩陣

根據(jù)旋轉(zhuǎn)載荷矩陣按照先縱列向后橫行的原則，分別列標(biāo)出縱列前三項(xiàng)絕對(duì)值最大的指標(biāo)，再標(biāo)注出一項(xiàng)橫行絕對(duì)值最大的指標(biāo)。對(duì)于其中交叉的項(xiàng)目我們按照絕對(duì)值和房地產(chǎn)企業(yè)會(huì)計(jì)的特點(diǎn)進(jìn)行劃分，得出每一類別中權(quán)重最大的分財(cái)務(wù)指標(biāo)組情況并進(jìn)行因子命名，如表3所示：

表3 財(cái)務(wù)指標(biāo)因子命名

其二，信用評(píng)級(jí)的財(cái)務(wù)指標(biāo)權(quán)重計(jì)量。具體內(nèi)容如下：

（1）建立AHP架構(gòu)。根據(jù)以上分析可以建立起房地產(chǎn)企業(yè)信用評(píng)級(jí)研究模型的構(gòu)架圖（圖1），以便于直觀掌握財(cái)務(wù)指標(biāo)的分類情況。在建立好上市房地產(chǎn)企業(yè)的財(cái)務(wù)指標(biāo)構(gòu)架后，可以根據(jù)層次分析法分別對(duì)目標(biāo)層、中間層和決策層打分，確定各項(xiàng)指標(biāo)權(quán)重。

（2）專家打分法。本文采用專家打分法，對(duì)以上的指標(biāo)進(jìn)行1-9評(píng)價(jià)并采用AHP對(duì)此分?jǐn)?shù)進(jìn)行一致性檢驗(yàn)，得到各項(xiàng)指標(biāo)的權(quán)重。以盈利能力X1這層中的凈利潤(rùn)增長(zhǎng)率F1、流動(dòng)比率F2和稅后利潤(rùn)增長(zhǎng)率F3為例說(shuō)明權(quán)重確定的方法。

第一步，構(gòu)造X1—F1、F2、F3判斷矩陣如下：

第二步，計(jì)算并作歸一化處理，得到權(quán)重：f1=0.54，f2=0.16，f3=0.3。

第三步，計(jì)算矩陣的最大特征根：λmax=3.01。

第四步，一致性檢驗(yàn)：CI=0，CR=0.01<0.1，符合一致性要求，所以權(quán)重的分配是合理的。

（3）計(jì)算結(jié)果。同理，可以采用該方法確定其他各層指標(biāo)的權(quán)重，并確定Z—X1、X2、X3、X4、X5、X6的權(quán)重，最終得到各項(xiàng)指標(biāo)的權(quán)重結(jié)果：

a1=0.1188，a2=0.0352，a3=0.066，a4=0.0415，a5=0.0085，a6=0.352，a7=0.088，a8=0.025，a9=0.075，a10=0.0225，a11=0.072，a12=0.1。

三、上市房地產(chǎn)企業(yè)信用評(píng)級(jí)打分模型建立

經(jīng)過(guò)財(cái)務(wù)指標(biāo)的分類和權(quán)重的確定，可以得到綜合評(píng)價(jià)房地產(chǎn)企業(yè)信用得分的線性模型，即：

Z=0.1188F1+0.0352F2+0.066F3+0.0415F4+0.0085F5+0.352F6+0.088F7+0.025F8+0.075F9+0.0225F10+0.072F11+0.1F12

表4 90家房地產(chǎn)企業(yè)信用得分表

至此，上市房地產(chǎn)企業(yè)信用評(píng)級(jí)打分模型構(gòu)建完畢。

四、上市房地產(chǎn)企業(yè)信用等級(jí)劃分

筆者整理了90家上市房地產(chǎn)企業(yè)的財(cái)務(wù)指標(biāo)，采用上式計(jì)算得出以下信用得分，如表4所示：

本文采用聚類分析中的K-means算法來(lái)劃分90家企業(yè)的信用得分，這是一種基于樣本間相似度量的間接算法。經(jīng)過(guò)反復(fù)的迭代和計(jì)算，發(fā)現(xiàn)九級(jí)分類優(yōu)于七級(jí)分類結(jié)果，可以合理說(shuō)明90家企業(yè)的信用分布情況。其分析結(jié)果表5所示：

表5 上市房地產(chǎn)企業(yè)信用得分分級(jí)結(jié)果

90家上市房地產(chǎn)企業(yè)的信用得分經(jīng)過(guò)聚類分析后，在九級(jí)信用等級(jí)中呈現(xiàn)了樣本量集中在第4、6級(jí)別，而兩端的分布較小的情況，這和現(xiàn)實(shí)情況是一致的。由于本文選取的是2008年年報(bào)，整體房地產(chǎn)企業(yè)在這一年中的經(jīng)營(yíng)都陷入了金融危機(jī)時(shí)的低迷狀態(tài)，所以在最差的第9級(jí)中出現(xiàn)9家樣本量也真實(shí)反映出了當(dāng)年該行業(yè)經(jīng)營(yíng)的實(shí)際情況。

本文采用歐式幾何原理，把每?jī)杉?jí)別的最終中心點(diǎn)的中間值確定為分級(jí)的臨界點(diǎn)，用來(lái)劃分九級(jí)信用等級(jí)，并確定出了區(qū)間范圍，如表6所示：

表6 上市房地產(chǎn)企業(yè)信用評(píng)級(jí)得分區(qū)間

五、上市房地產(chǎn)企業(yè)信用模型檢驗(yàn)

為了驗(yàn)證該模型，本文選取6家上市房地產(chǎn)資料健全的ST企業(yè)，其信用得分和評(píng)級(jí)情況如下（表7）：

表7 6家ST房地產(chǎn)企業(yè)信用得分和評(píng)級(jí)情況表

通過(guò)表7可以看出，6家ST房地產(chǎn)企業(yè)在信用等級(jí)中有4家分布在最后三級(jí)中，一家分布在第6級(jí)中，而ST中潤(rùn)則分布在第4級(jí)。筆者參閱該公司近三年的財(cái)務(wù)報(bào)表發(fā)現(xiàn)，ST中潤(rùn)自2007年扭虧為盈后，已經(jīng)連續(xù)三年實(shí)現(xiàn)盈利，其2008年和2009年的前三個(gè)季度的凈資產(chǎn)收益率分別為28.63%和43.80%，遠(yuǎn)遠(yuǎn)高于同期的行業(yè)凈資產(chǎn)收益率6.01%，企業(yè)的盈利能力已經(jīng)大幅提高，企業(yè)信用開(kāi)始改善。而ST耀華和ST魯置業(yè)在2008年都有大幅虧損且資金的流動(dòng)性差，這和模型檢驗(yàn)的結(jié)果是一致的，說(shuō)明該模型可以合理識(shí)別并預(yù)測(cè)房地產(chǎn)企業(yè)的信用等級(jí)。

綜上所述，本文通過(guò)對(duì)90家上市房地產(chǎn)企業(yè)信用評(píng)級(jí)的實(shí)證研究，建立了較為完善的評(píng)價(jià)體系和模型，該模型可以為銀行提供評(píng)價(jià)房地產(chǎn)企業(yè)等級(jí)的依據(jù)，增強(qiáng)銀行對(duì)企業(yè)信用評(píng)級(jí)的科學(xué)性，減少人為信貸評(píng)級(jí)過(guò)程中的缺陷，在房地產(chǎn)企業(yè)和銀行間建立起資金流動(dòng)的橋梁。

［1］張貴清：《信用風(fēng)險(xiǎn)評(píng)級(jí)與商業(yè)銀行信用風(fēng)險(xiǎn)管理》，對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)2005年博士學(xué)位論文。

［2］康書(shū)生、鮑海靜：《中小企業(yè)信用評(píng)級(jí)模型的構(gòu)建》，《河北大學(xué)學(xué)報(bào)》（哲學(xué)社會(huì)科學(xué)版）2007年第2期。

［3］吳青：《〈巴塞爾協(xié)議Ⅱ〉、內(nèi)部信用評(píng)級(jí)及小企業(yè)貸款》，《國(guó)際金融研究》2007年第5期。

［4］高媛、卞直?。骸蛾P(guān)于中小企業(yè)信用評(píng)級(jí)體系》，《長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)》2003年第4期。

［5］趙家敏、黃英婷：《我國(guó)商業(yè)銀行信用評(píng)級(jí)模型研究》，《金融論壇》2006年第4期。

（編輯 劉 姍）