齊 岳 蔣杉杉 宋瑩瑩

一、引 言

黨的十九大報告指出，“深化金融體制改革，增強金融服務(wù)實體經(jīng)濟能力，健全金融發(fā)展體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線?！痹诜婪痘饨鹑陲L(fēng)險的過程中，房地產(chǎn)行業(yè)起著十分重要的地位。房地產(chǎn)行業(yè)是中國國民經(jīng)濟里較為重要的一個產(chǎn)業(yè)，其持續(xù)發(fā)展對國民經(jīng)濟非常重要。2017 年，房地產(chǎn)銷售金額在我國GDP 中占比16.3%，但在金融支持實體經(jīng)濟發(fā)展的過程中也出現(xiàn)了創(chuàng)新過度、脫實向虛的問題，例如社會大量資金流向房地產(chǎn)領(lǐng)域，造成房地產(chǎn)泡沫，推高了資產(chǎn)價格。

房地產(chǎn)行業(yè)的金融屬性很強，眾多監(jiān)管命令的頒布使得房地產(chǎn)行業(yè)融資渠道收緊，資金鏈緊張，房地產(chǎn)行業(yè)成為防控系統(tǒng)性金融風(fēng)險下受影響程度較深的行業(yè)。2018 年金融業(yè)持續(xù)把防范化解系統(tǒng)性風(fēng)險放在重要的位置，房地產(chǎn)企業(yè)要想在激烈的競爭環(huán)境中生存下來，就需要保證自身財務(wù)安全性，因此研究房地產(chǎn)企業(yè)的財務(wù)風(fēng)險尤為重要。中國學(xué)者對上市房地產(chǎn)企業(yè)進行研究時，對港股上市房地產(chǎn)企業(yè)的研究較少，如丁紅梅（2017）研究了我國在A 股與港股上市的房地產(chǎn)企業(yè)所面臨的風(fēng)險，運用統(tǒng)計分析的方法對影響房地產(chǎn)企業(yè)財務(wù)風(fēng)險的因素進行系統(tǒng)性分析，概括性地提出了財務(wù)風(fēng)險預(yù)警系統(tǒng)。

本文選取我國港股上市房地產(chǎn)企業(yè)為研究對象有以下兩個主要原因。首先，港股與A 股的資本市場環(huán)境有著一定差異：港股市場成熟，境外投資者較多，投資理念、投資工具與投資手段均領(lǐng)先于國內(nèi)以散戶為主的A 股；且決定資本流向的資本敏感性也更強。所以在這樣的資本環(huán)境下，港股房地產(chǎn)企業(yè)要有優(yōu)異的業(yè)績作支撐才能更好地融資，提升企業(yè)價值；而在追求業(yè)績增長的過程中，控制財務(wù)風(fēng)險，保證企業(yè)正常運營是十分重要的一環(huán)。第二，相比于A股市場，港股與國際資本市場聯(lián)系更加密切。近三年以來，港股恒生指數(shù)隨美股DOWJONES 指數(shù)一路攀升，而反觀國內(nèi)滬深股市則較為低迷。美聯(lián)儲的不斷加息以及全球央行實行的更加緊縮的貨幣政策會使流向房地產(chǎn)的資金減少，同時我國房地產(chǎn)企業(yè)集中度進一步加強，抗風(fēng)險能力較弱的中小房地產(chǎn)企業(yè)更容易產(chǎn)生財務(wù)危機，所以應(yīng)更加注意防控自身財務(wù)風(fēng)險，以尋求發(fā)展之路。

因此本文創(chuàng)新點在于針對目前港股上市的房地產(chǎn)企業(yè)，結(jié)合行業(yè)特性，采取基于因子分析的Z 值與Logistic 回歸分析模型構(gòu)建適合中國港股上市房地產(chǎn)企業(yè)的專有財務(wù)風(fēng)險評估指標(biāo)體系，并確定企業(yè)發(fā)生財務(wù)風(fēng)險的判斷標(biāo)準(zhǔn)，以準(zhǔn)確及時地識別房地產(chǎn)企業(yè)財務(wù)風(fēng)險，更好地防控系統(tǒng)性金融風(fēng)險。全文研究框架如下圖1 所示。

圖1 研究主體框架

二、文獻綜述

（一）國外房地產(chǎn)企業(yè)財務(wù)相關(guān)研究

在最新管理學(xué)研究理論的基礎(chǔ)上，結(jié)合行業(yè)特性和所處市場環(huán)境，國外對于房地產(chǎn)企業(yè)與金融市場的研究體系愈加成熟與完善。Fan 等（2013）選取跨國數(shù)據(jù)進行實證研究發(fā)現(xiàn)金融市場風(fēng)險與房地產(chǎn)價格之間的關(guān)系非單調(diào)，而取決于市場的程度。Zhang 和Sun（2006）在1992 - 2004 年季度數(shù)據(jù)的計量經(jīng)濟分析的支持下得出當(dāng)期房地產(chǎn)周期對金融穩(wěn)定的影響包括房地產(chǎn)信貸風(fēng)險、政府擔(dān)保和期限錯配的結(jié)論。Liu（2009）考察了四種最常用的財務(wù)困境預(yù)測模型的預(yù)測能力，從而為臺灣的公共工業(yè)企業(yè)構(gòu)建了可靠的故障預(yù)測模型; 結(jié)果表明Probit，Logit 和ANN 模型具有較高的預(yù)測精度，具有泛化能力。

（二）國內(nèi)房地產(chǎn)企業(yè)財務(wù)相關(guān)研究

國內(nèi)學(xué)者對于企業(yè)財務(wù)風(fēng)險的研究起步較晚，主要集中在財務(wù)風(fēng)險定義、財務(wù)風(fēng)險成因以及財務(wù)風(fēng)險管理理論三方面。1996 年以來，我國不斷出現(xiàn)了以企業(yè)財務(wù)比率為基礎(chǔ)的財務(wù)風(fēng)險評估模型，國內(nèi)學(xué)者最常采用的風(fēng)險評估方法是因子分析法、Z值評估模型以及多元邏輯回歸模型。龍勝平和鄭立琴（2007）結(jié)合宏觀環(huán)境和房地產(chǎn)企業(yè)自身特性，分別構(gòu)建了Logistic 回歸評估模型、Z 值評估模型和Z-3 值評估模型，均取得很高的預(yù)測準(zhǔn)確率。 浦軍和劉娟（2009）運用Logistic 回歸模型，采用傳統(tǒng)的財務(wù)指標(biāo)、公司治理結(jié)構(gòu)指標(biāo)和現(xiàn)金指標(biāo)，對2007年ST 公司進行提前三至五年的財務(wù)困境預(yù)警研究，建立了相應(yīng)的財務(wù)危機預(yù)警模型，并使用2002～2004 年的數(shù)據(jù)進行了驗證，取得了令人滿意的效果。朱晨露和崔永紅（2012）對調(diào)控政策下的房地產(chǎn)企業(yè)財務(wù)風(fēng)險進行評估研究，通過選取受調(diào)控政策影響較大的財務(wù)指標(biāo)構(gòu)建了財務(wù)風(fēng)險評估指標(biāo)體系，并運用主成分分析法和Logistic 回歸模型進行實證分析，結(jié)果顯示流動資金對于企業(yè)財務(wù)風(fēng)險的發(fā)生具有重大影響。周梅妍（2012）對2006～2010年A 股上市的房地產(chǎn)公司的財務(wù)風(fēng)險預(yù)警系統(tǒng)進行了研究，并分析了房地產(chǎn)上市公司的財務(wù)風(fēng)險因素；其次在選取財務(wù)和非財務(wù)指標(biāo)作為備選指標(biāo)，及進行預(yù)處理和顯著性檢驗后，運用因子分析對指標(biāo)項進行了降維處理，并采用BP—Adaboost 神經(jīng)網(wǎng)絡(luò)算法對房地產(chǎn)公司的財務(wù)風(fēng)險進行了預(yù)測。丁紅梅（2017）研究了我國在A 股與港股上市的房地產(chǎn)企業(yè)所面臨的風(fēng)險，運用統(tǒng)計分析的方法對影響房地產(chǎn)企業(yè)財務(wù)風(fēng)險的因素進行系統(tǒng)性分析，概括性地提出了財務(wù)風(fēng)險預(yù)警系統(tǒng)。

通過分析先前學(xué)者所做的關(guān)于房地產(chǎn)企業(yè)財務(wù)風(fēng)險的相關(guān)研究發(fā)現(xiàn)，針對國內(nèi)滬深股市房地產(chǎn)企業(yè)的財務(wù)風(fēng)險模型已較為豐富。但在當(dāng)前港股與滬深股發(fā)展趨勢仍存在一定差距的情況下，要更好地控制我國房地產(chǎn)企業(yè)財務(wù)風(fēng)險，則需要進一步加強針對港股房地產(chǎn)企業(yè)的財務(wù)風(fēng)險模型研究。

三、財務(wù)風(fēng)險評估模型的構(gòu)建

（一）房地產(chǎn)企業(yè)財務(wù)風(fēng)險分析

先前學(xué)者對于房地產(chǎn)財務(wù)風(fēng)險的分析大多集中于房地產(chǎn)企業(yè)自身行業(yè)特點、資本結(jié)構(gòu)不合理與現(xiàn)金流不穩(wěn)定等方面。這樣的分析重點鮮明卻缺乏系統(tǒng)性，容易把房地產(chǎn)企業(yè)的財務(wù)風(fēng)險割裂開來，從而忽視了作為一個常規(guī)企業(yè)所面臨的財務(wù)風(fēng)險的一般性與系統(tǒng)性。本文對于房地產(chǎn)企業(yè)財務(wù)風(fēng)險的劃分是基于一般公司財務(wù)管理循環(huán)的基礎(chǔ)上，考慮房地產(chǎn)行業(yè)特點而進行的風(fēng)險劃分。

對于任何一個企業(yè)而言，籌資、投資、營運與利潤分配都是企業(yè)財務(wù)循環(huán)的核心，而財務(wù)風(fēng)險往往也會出現(xiàn)在這些關(guān)鍵環(huán)節(jié)。對于房產(chǎn)行業(yè)而言，現(xiàn)金流是一個尤為重要的方面，由于受政策影響較大，房地產(chǎn)企業(yè)也要著重于現(xiàn)金流的回收環(huán)節(jié)。所以結(jié)合我國房地產(chǎn)企業(yè)經(jīng)營活動特性及行業(yè)現(xiàn)狀，本文將房地產(chǎn)財務(wù)風(fēng)險分為籌資、投資、營運和現(xiàn)金回收風(fēng)險四大類。

1、籌資風(fēng)險

房地產(chǎn)企業(yè)發(fā)生籌資風(fēng)險主要因為籌資數(shù)額不合理和籌資渠道單一?；I集資金多余實際需要，就會造成資金的閑置；籌集資金太少，則會造成項目資金短缺甚至資金鏈斷裂。銀行借款仍然是房地產(chǎn)企業(yè)最常用也是占比最大的融資方式。隨著銀行對房地產(chǎn)融資的審核越來越嚴(yán)格，越來越多的房地產(chǎn)企業(yè)采取短期借款獲取資金，從而造成短債長投的現(xiàn)象。

2、投資風(fēng)險

房地產(chǎn)的投資風(fēng)險主要是由于可行性分析不到位和投資成本預(yù)算不科學(xué)。大多數(shù)房地產(chǎn)企業(yè)采取的是定性分析方法而忽視了定量分析方法，從而導(dǎo)致可行性分析結(jié)果不夠科學(xué)準(zhǔn)確，增加了投資失敗的概率；房地產(chǎn)開發(fā)周期長會導(dǎo)致忽視通貨膨脹、利率變動等因素對預(yù)算結(jié)果的影響，造成預(yù)算結(jié)果與實際發(fā)生費用之間產(chǎn)生較大差距，最終造成投資風(fēng)險產(chǎn)生。

3、營運風(fēng)險

受到去庫存壓力以及預(yù)算管理意識淡薄的影響，房地產(chǎn)的營運風(fēng)險主要是在項目開發(fā)建設(shè)以及銷售過程中產(chǎn)生的。為加速去庫存，房地產(chǎn)企業(yè)經(jīng)常會增加營銷費用投入來刺激銷量。土地獲取成本，財務(wù)費用以及管理費用加上銷售費用高居不下，導(dǎo)致投資項目整體成本增加，項目收益減少，從而導(dǎo)致企業(yè)凈利潤減少。

4、現(xiàn)金回收風(fēng)險

如果企業(yè)的產(chǎn)品不能及時銷售，或者商品售出后貨款不能及時收回，都會造成企業(yè)產(chǎn)生現(xiàn)金回收風(fēng)險。一旦出現(xiàn)現(xiàn)金回收風(fēng)險，就可能影響到現(xiàn)有投資項目的正常運轉(zhuǎn)，甚至導(dǎo)致現(xiàn)有項目資金鏈斷裂，直接影響企業(yè)經(jīng)營效益。

（二）財務(wù)風(fēng)險評估模型的選擇

綜合國內(nèi)外學(xué)者的研究，財務(wù)風(fēng)險評估方法從時間跨度上主要經(jīng)歷了一元判別法、Z-SCORE 模型分析、Logistic 回歸模型分析、BP 神經(jīng)網(wǎng)絡(luò)以及COX生存分析模型。本文將這幾種模型的基本假設(shè)及優(yōu)缺點概述如下:

表1 財務(wù)風(fēng)險評估模型的比較

經(jīng)過參考文獻并結(jié)合房地產(chǎn)行業(yè)的特性，本文研究最終選擇了基于因子分析的Z 值評估模型和基于因子分析的Logistic 回歸模型。主要理由包括以下三點：其一，本文選取代表企業(yè)償債、營運、盈利、股票市場表現(xiàn)以及規(guī)模的共計23 個財務(wù)指標(biāo)，指標(biāo)數(shù)量眾多，引入因子分析既能夠最大限度的保留指標(biāo)所包含的信息，又能簡化研究，達到數(shù)據(jù)降維的目的。其二，Logistic 回歸模型的因變量Y 屬于分類變量，本文研究企業(yè)是否存在財務(wù)危機，屬于二分類變量，符合Logistic 回歸模型的假設(shè)條件。其三，因子分析、Z 值分析以及Logistic 回歸模型是財務(wù)危機預(yù)警問題研究的主流方法，相對其他模型來說簡單易操作，容易理解，適用性強。本文同時采取三種研究方法，有利于克服單個模型的限制。

本次研究對象為在香港上市的房地產(chǎn)企業(yè)，原因是相比于A 股市場，港股整體市場化程度更完善，與國際接軌程度較高，資本敏感性也更強；同時身在港股的房地產(chǎn)企業(yè)所處的資本環(huán)境更加嚴(yán)峻，也更容易發(fā)生財務(wù)危機。所以本文最終選擇港股上市房地產(chǎn)企業(yè)，以經(jīng)典評估模型即因子分析的Z 值與Logistic 回歸分析模型為依托，構(gòu)建適合中國港股上市房地產(chǎn)企業(yè)的專有財務(wù)風(fēng)險評估指標(biāo)體系，并確定企業(yè)發(fā)生財務(wù)風(fēng)險的判斷標(biāo)準(zhǔn)，以準(zhǔn)確及時地識別房地產(chǎn)企業(yè)財務(wù)風(fēng)險，更好地防控系統(tǒng)性金融風(fēng)險。

（三）財務(wù)風(fēng)險評估指標(biāo)體系的構(gòu)建

1、評估指標(biāo)的選取

財務(wù)風(fēng)險評估模型建立在財務(wù)風(fēng)險評估指標(biāo)體系的基礎(chǔ)上。評估指標(biāo)體系的建立必須要結(jié)合特定的市場環(huán)境和所研究行業(yè)的特點，這樣才能提升評估模型的準(zhǔn)確性和適用性。本文在建立財務(wù)風(fēng)險評估指標(biāo)體系時遵守以下相關(guān)原則。

第一、行業(yè)性原則。本文在選取傳統(tǒng)財務(wù)指標(biāo)的基礎(chǔ)上，結(jié)合房地產(chǎn)行業(yè)特性及其集中化趨勢，特意將規(guī)模指標(biāo)納入指標(biāo)體系來衡量企業(yè)財務(wù)風(fēng)險。第二、全面性原則。本文在選取反映企業(yè)償債、盈利、營運以及成長能力的指標(biāo)基礎(chǔ)上，加入現(xiàn)金指標(biāo)、股票市場表現(xiàn)指標(biāo)以及規(guī)模指標(biāo)以構(gòu)建相對完整的指標(biāo)體系。第三、預(yù)測性原則。這就要求所選指標(biāo)對于企業(yè)及行業(yè)環(huán)境具有較高的靈敏性，在選取指標(biāo)時要盡量選擇與行業(yè)緊密聯(lián)系的先導(dǎo)性評估指標(biāo)。第四、可操作原則。財務(wù)風(fēng)險評估指標(biāo)的構(gòu)建是為了反映房地產(chǎn)企業(yè)的財務(wù)狀況，所以可操作性原則要求研究數(shù)據(jù)可獲取，研究方法具備適用性。

綜合我國房地產(chǎn)企業(yè)特性和金融監(jiān)管趨嚴(yán)的背景，本文選取了七個指標(biāo)類別，共23 個財務(wù)指標(biāo)組成風(fēng)險評估指標(biāo)體系，如表2 所示。償債能力、營運能力、盈利能力與成長能力是評估一般企業(yè)財務(wù)風(fēng)險的基本指標(biāo)，當(dāng)然也適用于房地產(chǎn)企業(yè)。除此之外，本文選取了主營業(yè)務(wù)收入現(xiàn)金比率、債務(wù)保障率以及現(xiàn)金流量比率來反映企業(yè)現(xiàn)金流量質(zhì)量，指標(biāo)數(shù)值越大，說明企業(yè)現(xiàn)金流量情況越好，財務(wù)風(fēng)險越小。同時，本文也考慮了股票市場表現(xiàn)指標(biāo)，選取市盈率、市凈率以及市銷率來反映企業(yè)在股票市場上的表現(xiàn)。最后，由于房地產(chǎn)行業(yè)的集中度趨勢，導(dǎo)致眾多小規(guī)模的房企面臨著融資渠道收窄，投資受阻甚至被兼并的風(fēng)險。本文特意加入反映企業(yè)規(guī)模的指標(biāo)，所采取的處理方法就是對上市房地產(chǎn)企業(yè)的總資產(chǎn)取對數(shù)。房地產(chǎn)行業(yè)的規(guī)模優(yōu)勢越來越明顯，規(guī)模越大，生存能力越強，生存環(huán)境越有利，財務(wù)風(fēng)險越小。

表2 房地產(chǎn)企業(yè)財務(wù)風(fēng)險評估指標(biāo)體系表

2、財務(wù)指標(biāo)及判斷標(biāo)準(zhǔn)的選取

之前學(xué)者在對房地產(chǎn)企業(yè)財務(wù)風(fēng)險進行評估時，從眾多財務(wù)指標(biāo)中選取出比較具有代表性的四個指標(biāo)，以速動比率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率和主營業(yè)務(wù)收入增長率四個指標(biāo)的中位數(shù)作為財務(wù)風(fēng)險判斷標(biāo)準(zhǔn)，認為當(dāng)四個指標(biāo)中有三個指標(biāo)低于行業(yè)中位數(shù)時即判定企業(yè)為財務(wù)非健康企業(yè)。為提升研究的準(zhǔn)確性及科學(xué)性，本文加入滬深A(yù) 股市場判定企業(yè)是否存在財務(wù)危機的凈利潤指標(biāo)作為補充指標(biāo)，共五個財務(wù)指標(biāo)作為判斷標(biāo)準(zhǔn)。

收集整理2014-2016 年度港股上市房地產(chǎn)企業(yè)公布財務(wù)報表中的財務(wù)數(shù)據(jù)，通過統(tǒng)計性描述得了到四個指標(biāo)的中位數(shù)分別為速動比率為0.62，凈資產(chǎn)收益率為6.56%，總資產(chǎn)周轉(zhuǎn)率為0.16，主營業(yè)務(wù)收入增長率為13.26%。

健康的企業(yè)速動比率通常大于1，港股房地產(chǎn)行業(yè)的速動比率中位數(shù)為0.62，表明港股房地產(chǎn)行業(yè)整體償債能力較弱，所以速動比率小于0.62 的企業(yè)可能有償債風(fēng)險。如果房地產(chǎn)企業(yè)的凈資產(chǎn)收益率低于其中位數(shù)6.56%，則可能存在盈利風(fēng)險。與其他行業(yè)相比，房地產(chǎn)行業(yè)的總資產(chǎn)周轉(zhuǎn)率處于較低水平，如果企業(yè)總資產(chǎn)周轉(zhuǎn)率小于0.16 就可能存在營運風(fēng)險。據(jù)統(tǒng)計，港股房地產(chǎn)企業(yè)的主營業(yè)務(wù)收入在近年來呈現(xiàn)增長趨勢，因此，主營業(yè)務(wù)收入增長率低于行業(yè)中位數(shù)13.26% 的房地產(chǎn)企業(yè)可以判斷為成長能力較差。綜上，本文設(shè)立房地產(chǎn)上市公司為財務(wù)非健康企業(yè)的判斷標(biāo)準(zhǔn)為：四個判斷財務(wù)指標(biāo)中至少有三個判斷指標(biāo)低于其行業(yè)中位數(shù)，如表3所示。

表3 房地產(chǎn)上市公司財務(wù)風(fēng)險判別表

證監(jiān)會規(guī)定A 股上市公司在連續(xù)的兩個會計年度內(nèi)均發(fā)生虧損，認定該公司財務(wù)情況異常。雖然H 股和滬深A(yù) 股房地產(chǎn)企業(yè)上市地點和環(huán)境不一樣，但均屬于中國房地產(chǎn)企業(yè)，其經(jīng)營環(huán)境和采用的會計準(zhǔn)則都是一樣的，所以本文認為利用凈利潤判斷滬深A(yù) 股企業(yè)是否陷入財務(wù)危機的方法同樣適用于港股上市房地產(chǎn)企業(yè)。因此，針對本文研究的房地產(chǎn)企業(yè)，判斷2015-2016 連續(xù)兩年凈利潤為負數(shù)的企業(yè)為財務(wù)非健康企業(yè)。綜合上述兩種判斷標(biāo)準(zhǔn)，本文找到港股一共有146 家房地產(chǎn)上市公司，剔除已退市以及數(shù)據(jù)嚴(yán)重缺失的16 家公司以及2013 年以后上市的37 家公司，最終選定2014 年以后在港股上市的93 家房地產(chǎn)上市公司。根據(jù)五個判斷指標(biāo)共篩選出32 家財務(wù)非健康企業(yè)，如表4 所示：

表4 非正常房地產(chǎn)上市公司財務(wù)狀況表

四、基于因子分析的Z 值與Logistic回歸實證分析

（一）財務(wù)風(fēng)險評估指標(biāo)的處理

1、評估指標(biāo)的正態(tài)檢驗

在眾多的正態(tài)檢驗方法中，本文選擇了非參數(shù)檢驗的K-S（全稱為Kolmogorov-Smirnov）檢驗。K-S檢驗原假設(shè)：被檢驗樣本的分布和正態(tài)分布之間不存在顯著性差異。如果檢驗結(jié)果顯示雙側(cè)漸進概率高于設(shè)定的顯著性水平，則認為原假設(shè)是正確的，否則認為樣本不是正態(tài)分布。

下面運用SPSS 分析軟件對23 個指標(biāo)進行顯著性水平為5%的K-S 檢驗，結(jié)果如下表所示：

表5 K-S 檢驗結(jié)果表

由分析結(jié)果得出，存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率以及公司規(guī)模四個指標(biāo)符合正態(tài)分布，可以直接用作Z 值分析；其他指標(biāo)不符合正態(tài)分布，需要進行進一步檢驗。

2、評估指標(biāo)的顯著性檢驗

顯著性檢驗是探究兩個總體之間是否產(chǎn)生真實差異，還是偶然出現(xiàn)?；谏衔腒-S 檢驗的結(jié)果，接下來將對通過K-S 正態(tài)性檢驗的四個評估指標(biāo)應(yīng)用獨立兩樣本的T 檢驗，而對其余19 個評估指標(biāo)采用非參數(shù)檢驗。

（1）評估指標(biāo)的T 檢驗

本文將財務(wù)健康企業(yè)和財務(wù)非健康企業(yè)作為獨立的兩樣本接受T 檢驗。通過檢驗兩組樣本指標(biāo)均值是否相同來判斷其在兩樣本組中是否存在顯著性差異。計算得到的顯著性水平sig 數(shù)值如果大于給定的顯著性水平a，則認為原假設(shè)是成立的，兩獨立樣本均值相同；反之則拒絕原假設(shè)，認為這兩個獨立樣本之間均值不同，存在顯著性差異。本文給定的顯著性水平a 為0.05。

本文利用SPSS 統(tǒng)計軟件對X5（存貨周轉(zhuǎn)率）、X6（流動資產(chǎn)周轉(zhuǎn)率）、X8（總資產(chǎn)周轉(zhuǎn)率）以及X23（公司規(guī)模）4 個指標(biāo)的T 檢驗結(jié)果如表6所示。

表6 兩獨立樣本T 檢驗結(jié)果

從上表可以看出，四個指標(biāo)均通過了T 檢驗，表明四個指標(biāo)在財務(wù)健康企業(yè)和財務(wù)非健康企業(yè)這兩個獨立樣本之間有顯著性差異，可以納入評估體系進行下一步實證分析。

（2）評估指標(biāo)的非參數(shù)檢驗

本文對沒有通過K-S 正態(tài)分布檢驗的19 個評估指標(biāo)進行非參數(shù)檢驗。綜合比較多種非參數(shù)檢驗的辦法，本文最終選定了國內(nèi)外學(xué)者廣泛使用的獨立兩樣本Mann-Whitney U 檢驗法，檢驗19 個評估指標(biāo)在財務(wù)健康企業(yè)和財務(wù)非健康企業(yè)間是否存在顯著性差異。

原假設(shè)為評估指標(biāo)變量在財務(wù)健康企業(yè)與財務(wù)非健康企業(yè)之間不存在顯著性差異，設(shè)定顯著性水平為0.05。通過SPSS 數(shù)據(jù)分析軟件計算，19 個評估指標(biāo)進行顯著性檢驗的最終結(jié)果如表7 所示。

表7 非參數(shù)Mann-Whitney U 檢驗

數(shù)據(jù)來源： SPSS 統(tǒng)計分析軟件。

未通過K-S 檢驗的19 個評估指標(biāo)均通過了顯著性檢驗，應(yīng)納入評估指標(biāo)體系。但考慮到，有些指標(biāo)反映的是企業(yè)同一方面的能力，具有較大相關(guān)性。本文將23 個指標(biāo)簡化成具有代表性的因子，既能最大限度保留指標(biāo)所反映的信息，又能簡化研究。

（二）因子分析

1、原始數(shù)據(jù)檢驗

（一）指標(biāo)體系 《普通高等學(xué)校黨建工作基本標(biāo)準(zhǔn)》將高校黨建工作分為黨委對學(xué)校工作的領(lǐng)導(dǎo)、領(lǐng)導(dǎo)班子建設(shè)等6個方面?！吨袊伯a(chǎn)黨普通高?；鶎咏M織工作條例》、《中共教育部黨組關(guān)于加強普通高等學(xué)?；鶎狱h組織建設(shè)的意見》等文件也對高校黨建工作進行了劃分。本項目組主要依托上述文件設(shè)計指標(biāo)體系，但是由于本項目主要考察院系級別的基層黨組織，所以涉及整個高校層面的指標(biāo)不予考慮。小組設(shè)計了以制度保障、組織建設(shè)、作用發(fā)揮、作風(fēng)建設(shè)及反腐倡廉、思想政治工作和黨的領(lǐng)導(dǎo)6個一級指標(biāo)，下含27個二級指標(biāo)，詳見表1。

本文將港股房地產(chǎn)上市公司2014-2016 年度財務(wù)指標(biāo)作為模型的初始變量，通過因子分析對23個指標(biāo)進行簡化，以達到降低數(shù)據(jù)維度、簡化研究的目的。因子分析首先要進行 KMO 統(tǒng)計量和Bartlett 球形檢驗，來判斷數(shù)據(jù)之間是否有共線性，從而判斷樣本是否適合做因子分析。

檢驗結(jié)果如表8 所示，KMO 值為0.725＞0.6 ，Bartlett 球形檢驗的sig 值為0.00，小于顯著性水平0.05，因此可以判定本文評估模型指標(biāo)體系適合進行因子分析。

表8 KMO 和Bartlett 球形檢驗結(jié)果

2、因子提取

本文采用主成分方法提取因子，提取出特征值大于1 的因子。使用SPSS 軟件得到的因子及其方差貢獻率結(jié)果發(fā)現(xiàn)，特征值大于1 的因子共有9 個。提取的九個公共因子的累計方差貢獻率為77.6%，且原有因子的提取和累計方差貢獻率在因子旋轉(zhuǎn)后沒有發(fā)生改變。

3、因子旋轉(zhuǎn)

通常情況下，在計算因子得分前要進行因子旋轉(zhuǎn)。這是因為初始因子載荷矩陣系數(shù)可能不是太明顯，其顯示的邏輯意義也不明確，為了使因子載荷系數(shù)向0 或1 分化，本文采用方差最大法進行因子旋轉(zhuǎn)，旋轉(zhuǎn)后得出因子載荷矩陣。因子的方差貢獻率越大，其能反映整體變量的信息越多，對于企業(yè)財務(wù)風(fēng)險評估的影響程度越大，對于企業(yè)來說就越重要。九個因子按照公共因子的方差貢獻率進行排序，如表9 所示。

表9 各因子包含指標(biāo)情況表

4、因子得分

因子分析是將眾多原始變量表示成被提取的少量因子的線性組合。但是，在實際研究中，將公共因子表示成原始變量的線性組合更有助于描述研究樣本的特征。所以，在本文中采取反方向辦法，用被提取的公共因子替代初始變量。利用因子分析中的回歸分析法，得到因子得分系數(shù)表，進而得到公共因子得分模型：

（三）Z 值與Logistic 回歸評估模型分析

通過以上的實證分析提取了9 個主成分因子，再根據(jù)主成分特征值與貢獻率中各個主成分因子的貢獻率，將主成分因子與其各自的貢獻率相乘，就得到了基于因子分析的Z 值評估模型：

將樣本組中的93 家房地產(chǎn)類上市公司的各項指標(biāo)代入上述公式，計算各家上市公司的綜合分數(shù)，并將綜合分數(shù)進行分類匯總?cè)绫?0 所示。

表10 Z 值分布表

通過上述反復(fù)對比分析，本文認為把Z 值預(yù)警模型的臨界值定為1 較為理想，如表11 所示，臨界值為1 時財務(wù)健康企業(yè)預(yù)測率為80.3%，財務(wù)非健康企業(yè)為75%，總預(yù)測率為78.5%，未被成功預(yù)測的企業(yè)共有22 家。

表11 Z 值預(yù)測表

Z 值評估模型是多元線性評估模型，1968 年學(xué)者Altman 首先提出Z 分數(shù)模型并不斷進行改善，通過大量數(shù)據(jù)樣本研究得到Z 值預(yù)警區(qū)間，這使得Z值評估模型具有很強的應(yīng)用性。本文所建立的基于因子分析的Z 值實證研究取得了較為滿意的預(yù)測精確度，所以使用者可以直接將數(shù)據(jù)代入評估模型從而得到結(jié)果，簡單易操作。

2、基于因子分析的Logistic 回歸分析

（1）變量選擇及擬合度檢驗

本文對模型進行擬合度檢驗采取的是經(jīng)典的Hosmer 和Lemeshow 檢驗。若sig＞0.05，卡方值小于臨界值CHIINV（顯著性水平，自由度），說明模型擬合效果很好。從表12 看出，模型的P（sig）值0.512＞0.05，而且CHIINV（0.05,9）=16.92＞7.227（卡方），這說明該模型能夠很好地擬合整體。

表12 Hosmer 和Lemeshow 檢驗表

（2）Logistic 回歸評估模型的構(gòu)建

經(jīng)過擬合度檢驗之后，運用SPSS 數(shù)據(jù)分析軟件進行Logistic 回歸分析，取得最后的模型統(tǒng)計量，從而得到財務(wù)風(fēng)險評估模型概率P 的表達式。當(dāng)P大于0.5 時，Y 值取1，表示企業(yè)有較大可能會發(fā)生財務(wù)風(fēng)險；當(dāng)P 小于0.5 時，Y 值取0，表示企業(yè)在研究期間沒有財務(wù)風(fēng)險。

從上述Logistic 回歸評估模型可知，九個因子變量的回歸系數(shù)均為負數(shù)，代表變量與財務(wù)風(fēng)險發(fā)生概率反向變化。償債因子指標(biāo)經(jīng)過取倒數(shù)同向處理后，其回歸系數(shù)為負數(shù)，說明當(dāng)償債原指標(biāo)與財務(wù)風(fēng)險發(fā)生概率為同向變化。綜上，評估模型中全部變量系數(shù)的符號和理論相符。

（3）最優(yōu)閾值的確定

結(jié)合總誤判率和總誤判成本，本文采用嘗試比較的方法選擇最優(yōu)閾值。利用2016 年的數(shù)據(jù)，將閾值分為0.1-0.9 共9 個閾值點來分析不同閾值點之間Logistic 回歸模型結(jié)果的變化，具體變化見表13所示。

表13 不同閾值誤判率統(tǒng)計

表13 中，總誤判率最低的閾值點是0.4、0.5 和0.6 三個閾值點，均為15.1%。但以0.4 作為閾值點的第一類誤判率為21.9%，小于以0.5 和0.6 作為閾值點的誤判率，誤判成本最小。因此本文所建立的Logistic 回歸預(yù)警模型將以0.4 作為最優(yōu)閾值點。

利用SPSS 統(tǒng)計軟件，將指標(biāo)數(shù)據(jù)代入所建立的Logistic 回歸評估模型中進行實證分析，輸出的預(yù)測分類表14 顯示模型的預(yù)測精度整體為84.9%，財務(wù)健康企業(yè)的預(yù)測準(zhǔn)確率為88.5%；對于財務(wù)非健康企業(yè)的預(yù)測精度較低，為78.1%。未能成功預(yù)測的企業(yè)共有14 家。相比其他以Logistic 作為回歸的財務(wù)預(yù)警模型，如田寶新和王建瓊（2017）以滬深A(yù)股上市公司為研究對象所構(gòu)建的財務(wù)風(fēng)險預(yù)警模型，其Logistics 回歸預(yù)警準(zhǔn)確率最高達到79.4%；本文以0.4 作為最優(yōu)閾值點，所構(gòu)建的港股房地產(chǎn)企業(yè)財務(wù)風(fēng)險評估模型在基于因子分析的Logistic 回歸分析中達到了更高的精確率，對于健康企業(yè)的預(yù)測準(zhǔn)確度更是達到了88.5%。

本文基于對房地產(chǎn)企業(yè)財務(wù)風(fēng)險的科學(xué)劃分、財務(wù)風(fēng)險評估模型的適當(dāng)選擇與針對港股房地產(chǎn)企業(yè)進行的財務(wù)風(fēng)險評估模型指標(biāo)體系構(gòu)建的合理性，才能在基于因子分析的Z 值與Logistic 回歸實證分析中取得較高的精確率，同時也說明本文針對港股房地產(chǎn)企業(yè)所構(gòu)建的財務(wù)風(fēng)險評估模型具有較強的指導(dǎo)意義。

表14 最終預(yù)測分類表

3、Z 值和Logistic 回歸評估模型的比較分析

本文通過同樣的樣本數(shù)據(jù)建立了針對港股房地產(chǎn)上市公司的兩種財務(wù)風(fēng)險評估模型，并均取得了較好的財務(wù)風(fēng)險預(yù)測效果。從本文兩種模型最終顯示的預(yù)測準(zhǔn)確率來看，Z 值財務(wù)風(fēng)險評估模型財務(wù)健康企業(yè)預(yù)測率為80.3%，財務(wù)非健康企業(yè)為75%，總的預(yù)測率為78.49%。Logistic 回歸評估模型對樣本評估的綜合準(zhǔn)確率達到了84.9%，其中對財務(wù)健康企業(yè)的評估準(zhǔn)確率為88.5%，對財務(wù)非健康企業(yè)的評估判斷率為78.1%。綜合兩種評估模型研究，本文認為在評估港股上市房地產(chǎn)企業(yè)財務(wù)風(fēng)險時Logistic 回歸評估模型優(yōu)于Z 值財務(wù)風(fēng)險評估模型。且采用基于因子分析的Z 值與Logistic 回歸實證分析研究港股上市房地產(chǎn)企業(yè)財務(wù)風(fēng)險具有較強的現(xiàn)實意義，研究方法容易理解、研究過程容易操作、研究結(jié)果淺顯易懂，可以為企業(yè)判斷財務(wù)風(fēng)險提供很好的參考。

五、結(jié)論與展望

（一）研究結(jié)論

本文在參考國內(nèi)外學(xué)者大量研究的基礎(chǔ)上，結(jié)合港股上市房地產(chǎn)企業(yè)的特性，將其在2014-2016三個年度的23 個財務(wù)指標(biāo)代入構(gòu)建了基于因子分析的Z 值評估模型與Logistic 回歸評估模型中，最終得到的研究結(jié)論有：

（1）以速動比率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率以及主營業(yè)務(wù)收入增長率四個財務(wù)指標(biāo)為判斷指標(biāo)，創(chuàng)新性地補充凈利潤判別法。

（2）選取代表企業(yè)償債、營運、盈利、成長、現(xiàn)金流量質(zhì)量、股票市場表現(xiàn)能力以及企業(yè)規(guī)模七個方面共23 個財務(wù)指標(biāo)，通過因子分析最終得到九個公共因子，被提取的九個公共因子對整體指標(biāo)的解釋程度高達77.6%。通過因子分析提取的九個公共因子進行基于因子分析的Z 值實證分析以及基于因子分析的Logistic 回歸分析，分別得到兩種評估模型。

（3）通過將93 家企業(yè)的財務(wù)數(shù)據(jù)代入上述兩種財務(wù)風(fēng)險評估模型，得到兩種評估模型的預(yù)測準(zhǔn)確率。

綜合來看，Logistic 回歸評估模型的綜合預(yù)測準(zhǔn)確率高于Z 值財務(wù)風(fēng)險評估模型，更適用于港股上市房地產(chǎn)企業(yè)進行財務(wù)風(fēng)險評估研究。

（二）展望

本文雖對港股上市房地產(chǎn)企業(yè)創(chuàng)新性地提出了預(yù)測準(zhǔn)確率較高的財務(wù)風(fēng)險評估模型，但仍存在很多不足之處需要加以改進。第一，本文在構(gòu)建財務(wù)風(fēng)險評估體系時，考慮到非財務(wù)指標(biāo)難以直接量化處理，因此全部采用的是財務(wù)指標(biāo)而沒有采用非財務(wù)指標(biāo)。第二，本文研究港股上市房地產(chǎn)財務(wù)風(fēng)險時只采用了房地產(chǎn)行業(yè)的微觀數(shù)據(jù)。第三，本文在進行港股上市房地產(chǎn)企業(yè)財務(wù)風(fēng)險評估模型時采取的是經(jīng)典的因子分析法、Z 值模型以及Logistic 回歸模型，雖然本文將三種評估模型有機結(jié)合在一起，提升了研究的科學(xué)性和準(zhǔn)確性，但仍然還有許多評估模型值得我們?nèi)ヌ接?，例如近年來學(xué)者采用的功效系數(shù)法等。

本文針對中國在港股上市的房地產(chǎn)企業(yè)構(gòu)建了財務(wù)風(fēng)險評估模型，且在實證檢驗中取得了較高的精確率，所以在實際中，港股上市的房地產(chǎn)企業(yè)可將自身財務(wù)數(shù)據(jù)直接帶入到本文所構(gòu)建的財務(wù)風(fēng)險評估模型當(dāng)中，操作簡單易行。這使得港股上市房地產(chǎn)企業(yè)能夠及時準(zhǔn)確地識別自身財務(wù)風(fēng)險，進而防控系統(tǒng)性金融風(fēng)險。