李晶

[摘 要] 近年來，房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警的實證研究日益增加。本文從基于財務(wù)數(shù)據(jù)及結(jié)合非財務(wù)數(shù)據(jù)構(gòu)建預(yù)警指標體系方面對實證研究方法在我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究中的應(yīng)用情況進行梳理分析。并在分析其局限與不足的基礎(chǔ)上，提出了實證研究方法在房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究中應(yīng)用的方向。

[關(guān)鍵詞] 房地產(chǎn)企業(yè)；財務(wù)風(fēng)險預(yù)警；實證研究方法

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 13. 019

[中圖分類號] F275 [文獻標識碼] A [文章編號] 1673 - 0194（2017）13- 0046- 03

0 引 言

科學(xué)的財務(wù)預(yù)警系統(tǒng)對于房地產(chǎn)企業(yè)的發(fā)展具有戰(zhàn)略性意義。我國學(xué)者在借鑒國外研究理論的基礎(chǔ)上采用規(guī)范研究、實證研究以及二者相結(jié)合的方法，對我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警進行了系統(tǒng)研究。但是，國內(nèi)大多數(shù)學(xué)者僅對一般上市公司財務(wù)風(fēng)險預(yù)警研究方法做了探究，而針對房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究方法進行系統(tǒng)性概括的文獻并未見。本文擬從基于財務(wù)指標及結(jié)合非財務(wù)指標構(gòu)建房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警系統(tǒng)方面對實證研究方法的應(yīng)用情況及特點進行梳理分析，以期為實證研究方法在我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究領(lǐng)域的應(yīng)用提供借鑒。

1 在基于財務(wù)指標的我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究中的應(yīng)用

傳統(tǒng)的財務(wù)風(fēng)險預(yù)警主要以財務(wù)指標為變量，構(gòu)建一個適合房地產(chǎn)企業(yè)運營管理的財務(wù)風(fēng)險預(yù)警系統(tǒng)，從而計算財務(wù)風(fēng)險的評價值。

1.1 多變量判別分析法的應(yīng)用

1.1.1 Logistic回歸分析法

龍勝平 等（2007）以滬深兩市房地產(chǎn)企業(yè)2005年財務(wù)數(shù)據(jù)作為樣本，采用主成分分析法，將7個主成分代替原來的11個財務(wù)指標，并將其作為Logistic回歸分析的解釋變量，進行邏輯回歸分析，從而構(gòu)建了房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警模型。其構(gòu)建的預(yù)警模型對我國房地產(chǎn)企業(yè)起到良好的預(yù)警效果。但作者對模型自變量的選取存在一定程度的任意性，并未對自變量進行嚴格統(tǒng)計意義上的篩選。然而，李恩 等（2012）以我國1998-2010年房地產(chǎn)上市公司為研究對象，選取了48家ST公司和48家財務(wù)正常公司為樣本，對入選解釋變量進行了逐步篩選，運用主成分分析法，構(gòu)建了3個Logistic模型進行分析比較，選取預(yù)測率較高的模型，對前一年至前四年的財務(wù)數(shù)據(jù)進行返回預(yù)測檢驗，結(jié)果表明該模型預(yù)測的總準確率較高。這可以為銀行、投資者、監(jiān)管者和房地產(chǎn)企業(yè)管理自身的風(fēng)險提供一定的參考。

1.1.2 多元Z值判定模型

黃碩 等人（2010）利用簡單隨機抽樣的方法，從我國A股上市公司中選取40家房地產(chǎn)上市公司作為研究對象，將樣本公司的數(shù)據(jù)代入奧爾曼的Z-Score模型得到各家公司的Z值，并按照由大到小的方式將各家公司的Z值進行排序，從而判別出各公司的財務(wù)狀況。奧爾曼的Z值模型從整體上來看比較客觀，能夠很好地預(yù)測企業(yè)財務(wù)危機的發(fā)生。但是其研究成果是基于美國各行業(yè)的經(jīng)濟財務(wù)數(shù)據(jù)，對于我國房地產(chǎn)企業(yè)財務(wù)預(yù)警有一定的參考價值，但不能機械地搬來運用。然而裴瀟等（2015）運用奧爾曼的Z值模型，檢驗我國房地產(chǎn)上市公司最新財務(wù)數(shù)據(jù)模型的有效性，認為Z模型原有的臨界值并不適合我國國情，并通過分析提出了適合我國房地產(chǎn)公司財務(wù)危機預(yù)警模型的新臨界值。經(jīng)檢驗，該臨界值能夠較好地預(yù)測我國房地產(chǎn)企業(yè)財務(wù)危機的發(fā)生。

1.2 BP人工神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用

朱燕妮（2008）選取44家中國房地產(chǎn)上市公司1998-2006年的數(shù)據(jù)作為樣本，選擇63個財務(wù)指標，先后采用Kruskal-walis H檢驗和因子分析對指標進行篩選和優(yōu)化，構(gòu)建了房地產(chǎn)上市公司財務(wù)危機預(yù)警指標體系。運用BP神經(jīng)網(wǎng)絡(luò)方法使用提前一年的樣本數(shù)據(jù)建立了預(yù)測期為一年的分警度財務(wù)危機預(yù)警模型，對“海泰發(fā)展”一年的財務(wù)狀況進行仿真預(yù)測，預(yù)測結(jié)果表明，財務(wù)危機年份的預(yù)測完全正確，僅出現(xiàn)了對健康年份的誤判。證明了本模型對財務(wù)危機的識別能力及應(yīng)用價值較大。但是因為受到樣本數(shù)量的限制，其僅僅考察了財務(wù)指標提前一年的預(yù)示能力，時效性較差。趙莉（2010）選取了盈利能力、償債能力、成長能力和擴張能力等相關(guān)財務(wù)指標，運用典型3層前饋型BP網(wǎng)絡(luò)模型，構(gòu)建我國房地產(chǎn)上市公司的財務(wù)危機預(yù)警模型，將10年的樣本數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)辨識模型的訓(xùn)練樣本，預(yù)測2009 年企業(yè)的財務(wù)狀況，得出2009年企業(yè)的財務(wù)數(shù)據(jù)處于健康狀態(tài)。其研究結(jié)果表明：基于財務(wù)指標信息的BP人工神經(jīng)網(wǎng)絡(luò)方法是預(yù)測企業(yè)是否會發(fā)生財務(wù)危機的有效方法?？梢钥闯?，運用財務(wù)數(shù)據(jù)對房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警建立BP人工神經(jīng)網(wǎng)絡(luò)模型，有利于提高模型預(yù)測的準確性。

1.3 支持向量機方法的應(yīng)用

董雅麗（2013）運用支持向量機的方法，結(jié)合20家上市房地產(chǎn)公司的財務(wù)數(shù)據(jù)展開研究，充分考慮財務(wù)危機問題的復(fù)雜性和非線性本質(zhì)，將原低維空間非線性問題轉(zhuǎn)化為高維空間中的線性問題，體現(xiàn)了在小樣本數(shù)據(jù)條件下高精度預(yù)警的優(yōu)越性，取得了很好的效果。杜晶（2014）通過因子分析對指標體系提取主因子，然后利用支持向量機理論，構(gòu)建基于支持向量機的財務(wù)危機預(yù)警模型，同時將模型與判別分析、二元回歸這兩種預(yù)警模型進行比較，發(fā)現(xiàn)該模型預(yù)測的準確率要明顯高于后兩種模型預(yù)測的準確率。實踐證明，該方法比以往傳統(tǒng)統(tǒng)計學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法更加方便，克服了傳統(tǒng)方法的固有缺陷，為房地產(chǎn)企業(yè)財務(wù)風(fēng)險在智能預(yù)警領(lǐng)域的研究中提供了新思路。

由以上分析可見，該方面研究中，采用的主要研究方法是多變量判別分析法、BP人工神經(jīng)網(wǎng)絡(luò)方法及支持向量機方法，集中研究財務(wù)數(shù)據(jù)對我國房地產(chǎn)企業(yè)財務(wù)危機的影響。但房地產(chǎn)企業(yè)的財務(wù)風(fēng)險具有模糊性和復(fù)雜性，受到財務(wù)和非財務(wù)等多種因素的影響，難以用精確的數(shù)字來度量，無法全面預(yù)測房地產(chǎn)企業(yè)的財務(wù)狀況。

2 在基于財務(wù)與非財務(wù)指標的我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究中的應(yīng)用

為提高財務(wù)預(yù)警系統(tǒng)的有效性，我國學(xué)者將非財務(wù)指標引入房地產(chǎn)企業(yè)財務(wù)預(yù)警系統(tǒng)的構(gòu)建中，運用灰色預(yù)測法、多級模糊綜合評價法等方法展開研究。

2.1 多變量判別分析法的應(yīng)用

2.1.1 ZETA模型評價法

杜俊娟（2013）選擇將房地產(chǎn)企業(yè)的短期償債能力、發(fā)展能力等6個方面的數(shù)據(jù)作為財務(wù)指標，將企業(yè)潛在發(fā)展能力、內(nèi)部控制、學(xué)習(xí)與成長、顧客滿意度等作為非財務(wù)指標，在奧爾曼Z值模型的基礎(chǔ)上，利用改進的ZETA模型對房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警分析進行風(fēng)險評判。結(jié)果發(fā)現(xiàn)，ZETA模型用于預(yù)測五年和一年財務(wù)危機的企業(yè)精度分別為70%和91%，而且越接近財務(wù)危機發(fā)生的時間，預(yù)測精度越高。結(jié)果表明在改進的Z值模型的基礎(chǔ)上引入非財務(wù)指標會提高預(yù)警的準確性。

2.1.2 Fisher判別分析法

尚洪濤（2011）選取滬深兩市A股房地產(chǎn)2009年及2010年的15家ST公司和45家非ST公司作為研究樣本，在29個財務(wù)指標基礎(chǔ)上加入了審計意見、公司股權(quán)結(jié)構(gòu)、公司治理結(jié)構(gòu)和市場信息等8個非財務(wù)指標為研究變量，使用Fisher判別法建立了ST發(fā)生前兩年和前三年的危機預(yù)警模型。實證結(jié)果表明，在Fisher判別法下加入非財務(wù)指標可以顯著提高ST危機預(yù)警的準確率，且預(yù)測的準確性較高。

2.2 灰色預(yù)測法的應(yīng)用

楊剛（2010）將灰色關(guān)聯(lián)分析法和灰色預(yù)測法應(yīng)用到指標篩選和模型的建立中，針對房地產(chǎn)企業(yè)的財務(wù)指標和非財務(wù)指標，建立了房地產(chǎn)公司的財務(wù)風(fēng)險預(yù)警模型，結(jié)果顯示面對房地產(chǎn)企業(yè)的財務(wù)風(fēng)險，運用灰色預(yù)測構(gòu)建的模型有較高的精準度，并且短期預(yù)測功能良好。張曉燕（2016）以某房地產(chǎn)公司為例，選取該公司2012-2015年財務(wù)數(shù)據(jù)及非財務(wù)數(shù)據(jù)，構(gòu)建灰色預(yù)測模型，對其2016年財務(wù)風(fēng)險進行分析和預(yù)警，發(fā)現(xiàn)該公司2016年財務(wù)風(fēng)險處于“重度預(yù)警”狀態(tài)，并對該公司的財務(wù)風(fēng)險發(fā)出預(yù)警?？梢?，當信息數(shù)量少、完整性較差時，可利用灰色模型對房地產(chǎn)企業(yè)的財務(wù)風(fēng)險做長期模糊預(yù)測。

2.3 多級模糊綜合評價法的應(yīng)用

宋銳林 等（2011）選用了包括內(nèi)部風(fēng)險及外部風(fēng)險的7個指標，將模糊評價與層次分析法結(jié)合起來，建立了基于模糊層次分析的企業(yè)財務(wù)風(fēng)險評價模型，并對CS公司的財務(wù)風(fēng)險進行綜合評價進一步驗證模型，最后提出了房地產(chǎn)企業(yè)控制財務(wù)風(fēng)險的建議。但作者并未對模型進行定性分析，使得模型的可信度不高，而孫艷春 等（2012）以吉林省長春市的房地產(chǎn)上市公司A為例，在以財務(wù)指標為主體的財務(wù)預(yù)警系統(tǒng)基礎(chǔ)上，結(jié)合房地產(chǎn)企業(yè)的特征選取獲利能力、償債能力等5個方面的非財務(wù)指標，對影響房地產(chǎn)企業(yè)財務(wù)預(yù)警的非財務(wù)指標進行分層研究，運用多級模糊綜合評價法構(gòu)建房地產(chǎn)企業(yè)的財務(wù)預(yù)警模型。最終經(jīng)過對財務(wù)指標的定量分析和非財務(wù)指標的定性分析，發(fā)現(xiàn)得出的結(jié)論會使評價結(jié)果更加真實合理。不難發(fā)現(xiàn)，將房地產(chǎn)企業(yè)復(fù)雜的財務(wù)風(fēng)險因素進行層次分解后，可以使難以量化的復(fù)雜對象分解為若干個小范圍的比較判斷，從而增加房地產(chǎn)企業(yè)非財務(wù)指標的預(yù)警模型的可操作性。

不難看出，我國學(xué)者將非財務(wù)指標引入房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警指標中，采用多變量判別分析法、灰色預(yù)測法及多級模糊綜合評價法構(gòu)建財務(wù)風(fēng)險預(yù)警系統(tǒng)后，能夠更加合理精確地預(yù)測房地產(chǎn)企業(yè)財務(wù)風(fēng)險?？梢姺秦攧?wù)指標在風(fēng)險預(yù)測的某些方面比財務(wù)指標更為可靠有效。

3 結(jié) 語

綜上所述，我國學(xué)者在房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究方法中綜合使用了多變量判別分析法、BP人工神經(jīng)網(wǎng)絡(luò)方法、多級模糊綜合評價法、灰色預(yù)測法及支持向量機法等。但是，由于資產(chǎn)負債表反映的是某一時點的財務(wù)狀況，損益表反映的是一定期間的經(jīng)營成果，即便將非財務(wù)指標引入財務(wù)危機預(yù)警系統(tǒng)中，預(yù)警系統(tǒng)也不能反映財務(wù)危機量變的過程及其產(chǎn)生危機的直接因素，從而限制了指標體系的可靠性和說服力，不利于內(nèi)部管理者提出應(yīng)對風(fēng)險的防范措施。而且目前國內(nèi)房地產(chǎn)上市企業(yè)財務(wù)報表的真實性也有待考察。所以未來房地產(chǎn)企業(yè)的財務(wù)風(fēng)險預(yù)警模型應(yīng)能夠在現(xiàn)有財務(wù)風(fēng)險預(yù)警指標的基礎(chǔ)上稍做修改，建立一套企業(yè)內(nèi)部管理者適用的財務(wù)風(fēng)險預(yù)警子系統(tǒng)——資產(chǎn)風(fēng)險預(yù)警系統(tǒng)，主要用于企業(yè)年度內(nèi)各月份的風(fēng)險監(jiān)控。另外，還應(yīng)能夠?qū)ι鲜泄舅峁┑呢攧?wù)數(shù)據(jù)的真?zhèn)巫龀鲆欢ㄨb別，從而更加精確地進行公司財務(wù)困境預(yù)測。

主要參考文獻

[1]龍勝平，鄭立琴.我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警模型研究[J].求索，2007（6）：18-20.

[2]李恩，劉立新.我國房地產(chǎn)上市公司財務(wù)預(yù)警研究[J].華東經(jīng)濟管理，2012，26（8）：156-160.

[3]黃碩，張紅，周鵬，等.基于Z-Score模型的我國房地產(chǎn)上市公司財務(wù)預(yù)警研究[J].中國房地產(chǎn)，2010（11）：60-62.

[4]裴瀟，黃玲，陳華.基于Z值模型的房地產(chǎn)企業(yè)財務(wù)預(yù)警研究[J].財會通訊，2015（4）：42-45.

[5]朱燕妮.基于BP神經(jīng)網(wǎng)絡(luò)的中國房地產(chǎn)上市公司財務(wù)危機預(yù)警研究[D].杭州：浙江大學(xué)，2008.

[6]趙莉.基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)上市公司財務(wù)危機預(yù)警[J].價值工程，2010，29（8）：51.

[7]董雅麗.房地產(chǎn)企業(yè)財務(wù)風(fēng)險智能預(yù)警研究[J].價值工程，2013（7）：147-148.

[8]杜晶.基于支持向量機的房地產(chǎn)上市公司財務(wù)危機預(yù)警研究[D].成都：西南財經(jīng)大學(xué)，2014.

[9]杜俊娟.我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險的預(yù)警與防范[J].會計之友，2013（10）：44-47.

[10]尚洪濤.基于Fisher判別法的房地產(chǎn)上市公司ST危機預(yù)警研究[J].經(jīng)濟與管理研究，2011（11）：77-82.

[11]楊剛.房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警模型研究[J].荊楚理工學(xué)院學(xué)報，2010，25（11）：62-64.

[12]張曉燕.基于灰色預(yù)測模型的房地產(chǎn)公司財務(wù)風(fēng)險預(yù)警[J].財會月刊，2016（8）：53-54.

[13]宋銳林，崔曲.基于模糊-層次分析法的房地產(chǎn)企業(yè)財務(wù)風(fēng)險評價[J].中國集體經(jīng)濟，2011（31）：69-70.

[14]孫艷春，郭繼秋.基于多級模糊綜合評價法的房地產(chǎn)企業(yè)財務(wù)預(yù)警研究[J].企業(yè)經(jīng)濟，2012（8）：93-95.