張 靜

(上海工程技術(shù)大學(xué) 管理學(xué)院,上海 200336)

一、引言

房地產(chǎn)經(jīng)濟(jì)是我國(guó)國(guó)民經(jīng)濟(jì)增長(zhǎng)的主要來(lái)源之一,為我國(guó)經(jīng)濟(jì)快速增長(zhǎng)貢獻(xiàn)了重要的力量。但是我國(guó)房地產(chǎn)行業(yè)起步稍晚,管理還不是很健全。開發(fā)失控、管理無(wú)序等多種原因?qū)е路康禺a(chǎn)行業(yè)極易陷入財(cái)務(wù)危機(jī)。房地產(chǎn)行業(yè)的可持續(xù)發(fā)展需要我們健全相關(guān)法規(guī),也需要我們重視行業(yè)內(nèi)部的財(cái)務(wù)問(wèn)題,以防范財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生。

傳統(tǒng)的財(cái)務(wù)危機(jī)預(yù)警評(píng)價(jià)方法包括財(cái)務(wù)報(bào)表分析法、財(cái)務(wù)比率分析法和單變量分析法。但是由于財(cái)務(wù)報(bào)表本身存在信息滯后、易被操控等問(wèn)題,使得傳統(tǒng)的財(cái)務(wù)危機(jī)預(yù)警評(píng)價(jià)方法存在一定的缺陷[1]。Fitzpatrick(1932)[2]提出單變量分析模型,誤判率較高。Altman 設(shè)計(jì)了Z Score 模型,甄選多個(gè)財(cái)務(wù)指標(biāo)進(jìn)行加權(quán)匯總,用多元線性的形式構(gòu)建財(cái)務(wù)預(yù)警系統(tǒng),誤判率有所降低[3]。周首華設(shè)計(jì)了F 分?jǐn)?shù)預(yù)測(cè)模型,綜合考慮了我國(guó)上市公司財(cái)務(wù)的特殊性,引入了現(xiàn)金流量指標(biāo),大大提高了預(yù)測(cè)精確度[4]。但多元線性模型條件苛刻,要求自變量呈正態(tài)分布且變量之間完全獨(dú)立,而實(shí)際數(shù)據(jù)往往很難滿足條件。Ohlson 首次將Logistic 模型應(yīng)用于財(cái)務(wù)預(yù)警中,提高了模型預(yù)測(cè)準(zhǔn)確性[5]。

Logistic 模型是國(guó)內(nèi)研究財(cái)務(wù)預(yù)警問(wèn)題普遍采用的模型,操作簡(jiǎn)便,且對(duì)數(shù)據(jù)沒(méi)有過(guò)高要求,同時(shí)對(duì)于公司財(cái)務(wù)風(fēng)險(xiǎn)具有良好的預(yù)測(cè)效果[6]。本文運(yùn)用Logistic 模型,以房地產(chǎn)行業(yè)T-3 年財(cái)務(wù)數(shù)據(jù)為研究對(duì)象,利用SPSS 22 進(jìn)行數(shù)據(jù)處理和模型建立,有助于我國(guó)房地產(chǎn)行業(yè)及時(shí)規(guī)避風(fēng)險(xiǎn),也為風(fēng)險(xiǎn)投資及利益相關(guān)者的投資活動(dòng)提供了參考資料。

二、研究設(shè)計(jì)

(一)樣本選取

為確保數(shù)據(jù)的真實(shí)可靠,本文以我國(guó)房地產(chǎn)上市公司作為樣本進(jìn)行分析。數(shù)據(jù)來(lái)源于同花順數(shù)據(jù)庫(kù)。主要依據(jù)滬深兩證券交易所應(yīng)對(duì)“異常狀況”上市公司采取的股票特別處理情況,將被ST 的房地產(chǎn)企業(yè)認(rèn)定為財(cái)務(wù)危機(jī)企業(yè),非ST 企業(yè)認(rèn)定為財(cái)務(wù)良好企業(yè)。選取6 家財(cái)務(wù)危機(jī)企業(yè),根據(jù)可比性原則,以公司規(guī)模相似為條件匹配了27 家財(cái)務(wù)良好企業(yè)。設(shè)公司首次被ST 為T 年,由于被證監(jiān)會(huì)認(rèn)定為財(cái)務(wù)狀況異常的條件為連續(xù)虧損兩年,故本文樣本研究期為T-3 年。本文所選公司樣本如表1 所示。

表1 建模企業(yè)代碼及名稱表

(二)指標(biāo)建立

在已有研究基礎(chǔ)上[7-9],結(jié)合我國(guó)房地產(chǎn)行業(yè)的實(shí)際情況,本文從償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力、每股指標(biāo)、現(xiàn)金流量狀況7 個(gè)維度初選了26 個(gè)財(cái)務(wù)指標(biāo)和2 個(gè)非財(cái)務(wù)指標(biāo),如表2所示。

表2 初選指標(biāo)表

(三)模型介紹

Logistic 回歸方法是解決多變量0～1 回歸問(wèn)題的有效方法之一,對(duì)數(shù)據(jù)沒(méi)有過(guò)多要求,操作簡(jiǎn)便,是財(cái)務(wù)預(yù)警領(lǐng)域比較常用的模型,預(yù)測(cè)效果良好[1]。在財(cái)務(wù)預(yù)警中,將P(Y=1)= p 定義為財(cái)務(wù)危機(jī)企業(yè),P(Y=0)=1-p 定義為財(cái)務(wù)良好企業(yè),模型基本形式為:

其中,z=β0+β1X1+β2X2+β3X3+…βnXn+ε.

Xn 表示導(dǎo)致公司發(fā)生財(cái)務(wù)危機(jī)的各個(gè)變量值,本文以0.8 為分界變量,即P≥0.8,判定企業(yè)發(fā)生財(cái)務(wù)危機(jī);P＜0.8,判定企業(yè)財(cái)務(wù)良好。

三、實(shí)證研究

(一)正態(tài)性檢驗(yàn)

對(duì)上文所選取的28 個(gè)指標(biāo)進(jìn)行正態(tài)性檢驗(yàn),以找出能顯著區(qū)分財(cái)務(wù)危機(jī)公司與財(cái)務(wù)良好公司的指標(biāo)。本文采用K-S 方法對(duì)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn),檢驗(yàn)結(jié)果如表3 所示。

表3 單樣本 Kolmogorov-Smirnov 檢驗(yàn)

由表3 可知,在0.05 的顯著性水平下,所選的28 個(gè)指標(biāo)中,X4 資產(chǎn)負(fù)債率、X20 每股凈資產(chǎn)、X22 現(xiàn)金流量比率、X23 全部資產(chǎn)現(xiàn)金回報(bào)率4 個(gè)指標(biāo)的雙側(cè)漸進(jìn)顯著性水平大于0.05,服從正態(tài)分布。其余24 個(gè)指標(biāo)不服從正態(tài)分布。對(duì)服從正太分布的4 個(gè)指標(biāo)進(jìn)行獨(dú)立樣本T 檢驗(yàn),對(duì)不服從正態(tài)分布的24 個(gè)指標(biāo)進(jìn)行兩獨(dú)立樣本非參數(shù)檢驗(yàn)。

(二)獨(dú)立樣本T 檢驗(yàn)

對(duì)呈正態(tài)分布的指標(biāo)進(jìn)行以5%未顯著性水平的獨(dú)立樣本T 檢驗(yàn),根據(jù)檢驗(yàn)結(jié)果判斷兩樣本是否具有顯著差異[10]。檢驗(yàn)結(jié)果如表4 所示。在顯著性水平為0.05 的水平下,4 個(gè)指標(biāo)均未通過(guò)檢驗(yàn)。

表4 獨(dú)立樣本T 檢驗(yàn)

(三)兩獨(dú)立樣本非參數(shù)檢驗(yàn)

不服從正態(tài)分布的24 個(gè)指標(biāo)進(jìn)行兩獨(dú)立樣本非參數(shù)檢驗(yàn),本文采用Mann-Whitney U 檢驗(yàn)法進(jìn)行顯著性檢驗(yàn),以5%為顯著性水平,檢驗(yàn)結(jié)果如表5所示。

表5 Mann-Whitney U 非參數(shù)檢驗(yàn)

在顯著性水平為5%的情況下,共有9 個(gè)指標(biāo)通過(guò)了顯著性檢驗(yàn),分別為X5 應(yīng)收賬款周轉(zhuǎn)率、X8固定資產(chǎn)周轉(zhuǎn)率、X10 總資產(chǎn)報(bào)酬率、X11 總資產(chǎn)凈利率、X12 加權(quán)凈資產(chǎn)收益率、X13 銷售毛利率、X14 銷售凈利率、X16 總資產(chǎn)同比增長(zhǎng)率、X19 每股收益。

(四)Spearman 相關(guān)性分析

最終確定了9 個(gè)指標(biāo)中有5 個(gè)指標(biāo)類別為盈利能力類別,有較強(qiáng)的相關(guān)性。指標(biāo)過(guò)多不利于模型的構(gòu)建,同時(shí)也影響模型的實(shí)用性和操作性。為保證模型預(yù)測(cè)的準(zhǔn)確率,本文將對(duì)盈利能力類別下的X10 總資產(chǎn)報(bào)酬率、X11 總資產(chǎn)凈利率、X12 加權(quán)凈資產(chǎn)收益率、X13 銷售毛利率、X14 銷售凈利率5個(gè)指標(biāo)進(jìn)行相關(guān)性分析。由于這5 個(gè)指標(biāo)不符合正態(tài)分布,故選用Spearman 相關(guān)分析法[11],分析結(jié)果如表6 所示。

表6 盈利能力指標(biāo)Pearson 相關(guān)性分析

根據(jù)相關(guān)性分析結(jié)果可知,X10 總資產(chǎn)報(bào)酬率、X12 加權(quán)凈資產(chǎn)收益率與X11 總資產(chǎn)凈利率高度相關(guān)。綜合考慮,剔除X10 總資產(chǎn)報(bào)酬率、X12加權(quán)凈資產(chǎn)收益率2 個(gè)指標(biāo)。

最終確定的7 個(gè)指標(biāo)如表7 所示。

表7 最終確定的8 個(gè)指標(biāo)

綜合分析企業(yè)財(cái)務(wù)指標(biāo)顯著性檢驗(yàn)的顯示結(jié)果可知,償債能力指標(biāo)、現(xiàn)金流量指標(biāo)都沒(méi)有通過(guò)顯著性檢驗(yàn)。由此可知,在本文的研究數(shù)據(jù)中,償債能力指標(biāo)和現(xiàn)金流量的指標(biāo)對(duì)房地產(chǎn)上市公司財(cái)務(wù)預(yù)警效果不顯著。

(五)Logistic 模型構(gòu)建

本文運(yùn)用SPSS 22 軟件對(duì)上述篩選的指標(biāo)進(jìn)行模型構(gòu)建,對(duì)于財(cái)務(wù)危機(jī)企業(yè),Y 取1,否則,Y 取0。設(shè)置臨界值為0.8,經(jīng)過(guò)4 次迭代,最終Logistic 回歸模型的統(tǒng)計(jì)量如表8 所示。

表8 Logistic 模型回歸參數(shù)

由表8 運(yùn)行結(jié)果可建立預(yù)警模型:

其中,

P 的范圍為[0,1],數(shù)值越大,表示發(fā)生財(cái)務(wù)危機(jī)的可能性越高。 P＞0.80 時(shí),企業(yè)將很可能發(fā)生財(cái)務(wù)危機(jī),P＜0.80 的時(shí)候,企業(yè)未來(lái)發(fā)生的財(cái)務(wù)危機(jī)可能性較小。

(六)模型的檢驗(yàn)

對(duì)構(gòu)建的Logistic 模型進(jìn)行檢驗(yàn),檢驗(yàn)結(jié)果如表9 所示。從檢驗(yàn)結(jié)果可以看出,本文所構(gòu)建的模型預(yù)測(cè)正確率為100%。但由于樣本量不足,不排除預(yù)測(cè)準(zhǔn)確率偏高的可能性。

表9 預(yù)測(cè)準(zhǔn)確率

分界值為0.8

四、結(jié)論

本文根據(jù)我國(guó)房地產(chǎn)上市公司的實(shí)際情況,從7 個(gè)維度初選了28 個(gè)預(yù)警指標(biāo),以T-3 的財(cái)務(wù)狀況為研究期。利用SPSS 對(duì)初選指標(biāo)進(jìn)行正態(tài)性檢驗(yàn)、獨(dú)立樣本T 檢驗(yàn)、兩獨(dú)立樣本非參數(shù)檢驗(yàn)及相關(guān)性分析,最終篩選出了7 個(gè)預(yù)警指標(biāo)。運(yùn)用Logistic 回歸方法對(duì)7 個(gè)指標(biāo)構(gòu)建財(cái)務(wù)預(yù)警決策模型,研究結(jié)果得出:該模型預(yù)測(cè)準(zhǔn)確率良好;償債能力指標(biāo)和現(xiàn)金流量的指標(biāo)均未通過(guò)顯著性檢驗(yàn),故償債能力和現(xiàn)金流量對(duì)房地產(chǎn)上市公司財(cái)務(wù)預(yù)警效果不顯著;營(yíng)運(yùn)能力、盈利能力、發(fā)展能力、每股指標(biāo)能很好區(qū)分財(cái)務(wù)危機(jī)企業(yè)與財(cái)務(wù)良好企業(yè),預(yù)警效果顯著。為了企業(yè)長(zhǎng)期健康發(fā)展,房地產(chǎn)企業(yè)應(yīng)加強(qiáng)房地產(chǎn)企業(yè)內(nèi)部管理,完善公司內(nèi)部制度,嚴(yán)格遵循成本控制原則,確保成本的可控性;對(duì)商品房進(jìn)行科學(xué)定價(jià),及時(shí)采取促銷措施,樹立品牌形象;根據(jù)企業(yè)特點(diǎn),建立完善的財(cái)務(wù)預(yù)警評(píng)價(jià)機(jī)制,及時(shí)整改以確保企業(yè)穩(wěn)健發(fā)展。