張紅 羅天

摘要：現(xiàn)有房地產(chǎn)上市公司盈利能力評價模型多依賴統(tǒng)計工具，缺少因子解釋與有效性說明。通過因子分析法建立盈利能力評價模型后，引入隨機(jī)森林分類模型驗證其有效性，利用滬深A(yù)股房地產(chǎn)上市公司2010-2018年的數(shù)據(jù)，開展測算與比較。依據(jù)分析結(jié)果，我國房地產(chǎn)上市公司2010-2017年間的平均盈利能力較為穩(wěn)定，2018年下滑嚴(yán)重;樣本盈利能力分布明顯正偏且存在較大的地區(qū)差異;所構(gòu)建的模型更適合進(jìn)行短期盈利能力預(yù)測。

關(guān)鍵詞：房地產(chǎn)上市公司;盈利能力;因子分析;隨機(jī)森林模型

中圖分類號：F293 文獻(xiàn)標(biāo)識碼：A

文章編號：1001-9138-（2021）01-0008-15 收稿日期：2020-12-30

房地產(chǎn)行業(yè)一直是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，隨著我國房地產(chǎn)市場同經(jīng)濟(jì)社會轉(zhuǎn)型一并進(jìn)入調(diào)控新常態(tài)，市場中的不理性需求進(jìn)一步被抑制，新的市場環(huán)境也直接影響了房地產(chǎn)上市公司的盈利與盈利能力。

盈利是指企業(yè)通過生產(chǎn)經(jīng)營，收入與支出相減后最終所得到的經(jīng)濟(jì)效益，是企業(yè)的主要經(jīng)營目標(biāo)。盈利是企業(yè)發(fā)展的物質(zhì)基礎(chǔ)，既決定了企業(yè)所有者的投資報酬，也是企業(yè)償債能力的保證。現(xiàn)階段對于盈利能力的衡量已經(jīng)不僅僅局限在收益層面，運(yùn)營效率與財務(wù)穩(wěn)健性都被相關(guān)研究納入了考量范疇，并且需要綜合考慮公司的管理模式、學(xué)習(xí)能力、成長空間等各個非財務(wù)方面的影響。在嚴(yán)峻的市場環(huán)境下，實現(xiàn)行業(yè)結(jié)構(gòu)優(yōu)化升級，提高房地產(chǎn)上市公司盈利能力，是行業(yè)發(fā)展中主要要解決的問題。從行業(yè)發(fā)展與政策角度等多個角度出發(fā)，研究我國房地產(chǎn)上市公司的盈利能力水平有利于探究市場規(guī)律，助力行業(yè)穩(wěn)定健康發(fā)展。

1 引言

1.1 相關(guān)研究綜述

國內(nèi)外眾多研究都圍繞盈利能力這一指標(biāo)展開，本文主要對多維度盈利能力評價模型的研究做相關(guān)評述。

Alexander Wall采用沃爾評分法，人為選擇了幾個重要的指標(biāo)，通過線性分析構(gòu)建模型，確定各項指標(biāo)的權(quán)值和總分?jǐn)?shù)，綜合評價財務(wù)狀況。Mohamed Khaled Al-Jafari通過最小二乘模型研究，探究盈利能力的影響因素，考慮了公司規(guī)模、平均稅率、財務(wù)杠桿、固定資產(chǎn)、流動資金等因素。Kim Hiang Liow利用夏普比率與ALPHA方法衡量了2000-2006年間19家來自美國的房地產(chǎn)上市公司，從增長、盈利能力與杠桿率三個角度調(diào)查了11種不同的公司特征。Salvador Rayo與Antonio M.Cortes采用基于一定假設(shè)的歸納算法（CHAID），對西班牙的房地產(chǎn)上市公司進(jìn)行分析，描述出具有最佳盈利能力的公司應(yīng)該具有的模式，以及應(yīng)用這種分類方法成功預(yù)測的概率。

張紅、林蔭、劉平利用主成分分析方法，結(jié)合2000-2007年面板數(shù)據(jù)進(jìn)行了測算分析，認(rèn)為我國房地產(chǎn)行業(yè)總體盈利能力較好，但行業(yè)中低于平均盈利能力的公司在增加，并且總體盈利能力在逐漸下降。官俊琪、李林選定具有代表性的盈利能力指標(biāo)對于京滬深房地產(chǎn)上市公司進(jìn)行研究，對每個指標(biāo)以四分位數(shù)進(jìn)行分級。確定等級后，通過隨機(jī)森林分類模型進(jìn)行分類準(zhǔn)確度測試。

國內(nèi)外對于房地產(chǎn)上市公司盈利能力評價模型的相關(guān)研究已經(jīng)相當(dāng)充分，提出了各種評價的角度與方法，但是這些研究普遍存在著缺乏具有實際背景的信息解釋，除了統(tǒng)計工具本身的相關(guān)性要求缺乏其他可供參照的有效性分析。

1.2 本文研究基本思路

基于因子分析與隨機(jī)森林分類模型構(gòu)建房地產(chǎn)上市公司盈利能力分析模型，依據(jù)模型進(jìn)行測算比較的基本思路是：

（1）指標(biāo)比選、統(tǒng)計方法比選、評價體系評述三個方面，最終確定本文的分項指標(biāo)與統(tǒng)計工具。

（2）利用樣本房地產(chǎn)上市公司2010-2018年間的財務(wù)數(shù)據(jù)，構(gòu)建盈利能力分析模型，依據(jù)模型對各個樣本的盈利能力水平進(jìn)行分類，通過隨機(jī)森林分類模型對比驗證模型的準(zhǔn)確率。

（3）對于分析的結(jié)果進(jìn)行對比分析，對個體與總體、不同區(qū)域之間的房地產(chǎn)上市公司的盈利能力進(jìn)行對比歸納，提出結(jié)論與建議。

2 基于因子分析的盈利能力測算與比較

2.1 樣本房地產(chǎn)上市公司遴選

本文以在滬深股市上市的A股房地產(chǎn)公司為研究對象，依據(jù)下列標(biāo)準(zhǔn)：

（1）不得缺少研究時間內(nèi)相關(guān)的研究數(shù)據(jù)。

（2）對于A、B股同時上市的公司，以及以轉(zhuǎn)債的形式上市的公司，只保留其中的A股公司。

（3）為了減少異常值的影響，本文剔除2010-2018年中有兩年以上處于ST、PT狀態(tài)的公司。

（4）分類依據(jù)為證監(jiān)會制訂的我國上市公司分類指引與中信證券交易網(wǎng)站的行業(yè)分類，同時依據(jù)主營業(yè)務(wù)與經(jīng)營范圍進(jìn)行適當(dāng)?shù)暮Y選。

最終確定了76家A股房地產(chǎn)上市公司作為樣本，收集其2010-2018年間的財務(wù)數(shù)據(jù)，數(shù)據(jù)主要來自于巨潮咨詢網(wǎng)的房地產(chǎn)上市公司披露的財務(wù)數(shù)據(jù)。

2.2 盈利能力指標(biāo)分項統(tǒng)計

本文先通過基本統(tǒng)計方法，對2010-2018年間的樣本房地產(chǎn)上市公司的盈利能力指標(biāo)的平均值與中位值進(jìn)行統(tǒng)計，如表1所示。通過簡單的趨勢分析，營業(yè)凈利率保持在10%～20%之間;成本費用率保持在60%～70%的水平;加權(quán)凈資產(chǎn)收益率變化趨勢與營業(yè)凈利率相似，保持在8%～15%;總資產(chǎn)凈利率從5%逐步下降到3%;每股盈利從0.4元增長到0.5元;盈利現(xiàn)金保障倍數(shù)普遍較低，均低于1;凈利潤增長率的水平保持在20%左右，其變化規(guī)律和營業(yè)凈利率較相近?？梢园l(fā)現(xiàn)，不同的盈利能力指標(biāo)反映出的變化趨勢往往不同，需要進(jìn)行綜合性的分析，全面評價我國房地產(chǎn)上市公司的盈利能力。

2.3 基于因子分析構(gòu)建評價模型

考慮到如果采用原始的數(shù)據(jù)進(jìn)行分析，結(jié)果會受到不同的財務(wù)指標(biāo)數(shù)值水平與量綱的影響，這樣不利于對多維度數(shù)據(jù)進(jìn)行降維，本文通過z-score方法對數(shù)據(jù)標(biāo)準(zhǔn)化后進(jìn)行分析。

2.3.1 因子確定與信息解釋

由于盈余現(xiàn)金保障倍數(shù)與其他變量的相關(guān)性較弱，本文通過選定因子個數(shù)的方法，通過累積方差貢獻(xiàn)率選擇個數(shù)，結(jié)果如表2。前5個因子的累積方差貢獻(xiàn)率為90.95%，符合累積方差貢獻(xiàn)率為85%的要求。

根據(jù)表3結(jié)果顯示，7個變量中前4個變量在第一個因子上具有較高載荷，成本費用率指標(biāo)在第二個因子上載荷較高，盈余現(xiàn)金保障倍數(shù)在第三個因子中載荷較高，凈利潤增長率在第4個因子中載荷較高。

通過旋轉(zhuǎn)后的成分矩陣本文能夠更清晰的解釋與歸納因子，本文將5個提取因子記為：Y1、Y2、Y3、Y4、Y5;將原變量依表格次序用R1、R2、R3、R4、R5、R6、R7表示。Y1是資本盈利能力因子，信息涵蓋加權(quán)凈資產(chǎn)收益率、每股收益、與考慮權(quán)益乘數(shù)后的總資產(chǎn)凈利率反映的公司所有資產(chǎn)經(jīng)營中資本活動帶來的盈利;Y2是經(jīng)營活動收入利潤率因子，包含的信息量為營業(yè)凈利率與總資產(chǎn)凈利率中進(jìn)行經(jīng)營活動帶來的盈利;Y3、Y4、Y5具有的高載荷指標(biāo)單一，其含義基本與成本費用率、凈利潤增長率、盈余現(xiàn)金保障倍數(shù)相同。

2.3.2 構(gòu)造綜合計量指標(biāo)

由表4得到主成分與各選定指標(biāo)的關(guān)系，如下（1）到（5）式;

Y1 = - 0.212R1 + 0.067R2 + 0.487R3 + 0.605R4 + 0.142R5 - 0.038R6 - 0.111R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

Y2 = 1.056R1 + 0.278R2 - 0.122R3 - 0.192R4 + 0.234R5 - 0.028R6 - 0.126R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

Y3 = 0.305R1 + 1.035R2 + 0.003R3 + 0.118R4 - 0.164R5 - 0.007R6 - 0.049R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

Y4 = -0.144R1 - 0.040R2 + 0.039R3 - 0.193R4 + 0.058R5 - 0.020R6 + 1.016R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

Y5 = -0.039R1 - 0.002R2 - 0.018R3 - 0.044R4 + 0.036R5 + 1.002R6 - 0.020R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

由表2旋轉(zhuǎn)后的因子載荷方差貢獻(xiàn)率，確定各因子系數(shù)得（6）式，將（1）到（5）式帶入，得到因變量為原始財務(wù)指標(biāo)的綜合計量指標(biāo)表達(dá)式（7）。

P = 0.281Y1 + 0.178Y2 + 0.158Y3 + 0.149Y4 +

0.144Y5 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

P = 0.150R1 + 0.226R2 + 0.119R3 + 0.119R4 + 0.069R5 + 0.125R6 + 0.087R7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（7）

3 基于隨機(jī)森林模型的有效性對比驗證

3.1 有效性驗證的理論闡述

因子分析的主要優(yōu)點是降低了因子維度，有利于綜合評價，但是仍然損失了一定的信息量。而隨機(jī)森林模型可以處理較高維度的數(shù)據(jù)，不需要進(jìn)行指標(biāo)的篩選與降維，分類精度較高，將存在異常值的樣本排除后會有著較高的準(zhǔn)確率。將隨機(jī)森林模型得到的相對評價結(jié)果與基于因子分析得到的絕對評價結(jié)果相比較，能夠較為客觀地說明構(gòu)件綜合計量指標(biāo)的有效性。

3.2 盈利能力的分類

由于隨機(jī)森林模型對于異常值比較敏感，數(shù)據(jù)可能會出現(xiàn)特別大或特別小的情況，采用分位數(shù)進(jìn)行分級排除異常值影響。綜合計量指標(biāo)P的1/4分位數(shù)為-0.184，3/4分位數(shù)為0.220，本文將每個公司的盈利能力等級按照綜合計量指標(biāo)分為較弱、中等、較強(qiáng)三等分別用數(shù)字0，1，2表示，所有樣本的分類結(jié)果在7個分項指標(biāo)上的分布情況如圖1、圖2所示。數(shù)集的劃分本文從兩個角度出發(fā)，第一種本文將2010-2016年數(shù)據(jù)為樣本訓(xùn)練集，2017與2018年數(shù)據(jù)為測試集，考慮模型的時效性;第二種本文將測算結(jié)果視為混合數(shù)據(jù)，仍然按照7：2的比例將數(shù)據(jù)劃分為訓(xùn)練集與測試集，驗證混合數(shù)據(jù)時的模型準(zhǔn)確率。

3.3 分類參數(shù)的選擇

本文對樹的最大深度沒有限制，主要需要確定節(jié)點的分類指標(biāo)個數(shù)與決策樹的個數(shù)。由表5所示，節(jié)點分類指標(biāo)為7個的時候，混合數(shù)據(jù)訓(xùn)練集的誤差較小;由表6所示，節(jié)點分類指標(biāo)個數(shù)為3時，時間序列數(shù)據(jù)訓(xùn)練集的誤差較小?？紤]到?jīng)Q策樹的個數(shù)對誤差穩(wěn)定性與模型構(gòu)建速度的影響，本文設(shè)定決策樹個數(shù)為300。

3.4 分類模型測試結(jié)果

由圖3可得153個截面數(shù)據(jù)樣本中，123個樣本被正確估計，30個樣本被錯誤的估計，153個測試樣本的預(yù)測準(zhǔn)確率為80.39%。說明了本文構(gòu)建的綜合盈利能力計量指標(biāo)的準(zhǔn)確率相對較高，具有預(yù)測截面樣本盈利能力的能力。

由圖4可得152個時間序列數(shù)據(jù)樣本中，127個樣本被正確估計，25個樣本被錯誤的估計，152個測試樣本的預(yù)測準(zhǔn)確率為83.55%，說明了本文構(gòu)建的綜合盈利能力計量指標(biāo)的準(zhǔn)確率相對較高。并且本文注意到較多的誤差出現(xiàn)在2018年間，2017年間的數(shù)據(jù)出現(xiàn)錯誤預(yù)測的有6例，2018年間的數(shù)據(jù)出現(xiàn)錯誤預(yù)測的有20例，以2017年樣本為測試集，準(zhǔn)確率高達(dá)91%。將測試集年限越貼近訓(xùn)練集，得到的預(yù)測結(jié)果越好，這說明了時間因素對于分類模型預(yù)測準(zhǔn)確度的重要影響。

4 基于分析模型的盈利能力對比評價

通過分類模型驗證可知，本文構(gòu)建的盈利能力綜合計量指標(biāo)具有較高的準(zhǔn)確性，本章將通過構(gòu)建的盈利能力分析模型，從各個角度體現(xiàn)房地產(chǎn)上市公司盈利能力的變化情況，對比總結(jié)客觀規(guī)律。

4.1 盈利能力變化趨勢分析

對構(gòu)造的綜合計量指標(biāo)進(jìn)行描述性統(tǒng)計，統(tǒng)計結(jié)果如表7所示，對統(tǒng)計結(jié)果進(jìn)行趨勢分析，可以明顯得到如下結(jié)論：

（1）2010-2018年房地產(chǎn)行業(yè)的盈利能力水平總體來說有不斷降低的趨勢，但2012-2017年間依舊保持在相對穩(wěn)定的水平，2018年出現(xiàn)了大幅度的下降。2018年盈利能力快速降低的主要原因有兩點：一是2018年的樓市調(diào)控政策維持了2017年12月份提出的差別化調(diào)控政策，遏制了投機(jī)行為，房地產(chǎn)相應(yīng)的開發(fā)投資均在減少;二是房地產(chǎn)上市公司的行業(yè)分化在2018年更加嚴(yán)重，龍頭企業(yè)的規(guī)模效應(yīng)更加強(qiáng)大，而行業(yè)的均值水平反而降低，2018年P(guān)值的偏度系數(shù)為-4.93，為9年內(nèi)最高，說明很多公司的盈利能力在均值之下。

（2）2010-2018年間的均值都落在，1/4到3/4分位之間且偏低，說明多數(shù)公司盈利能力水平低于平均值。

（3）2010-2012年間，中等盈利能力范圍不斷擴(kuò)大，2012-2014年間范圍不斷減小，2014-2018年間基本呈擴(kuò)大趨勢，可以看出2018年是自2012年后盈利能力范圍分布最廣，分化趨勢最明顯的一年。

4.2 盈利能力地域差異分析

本文對來自不同地區(qū)的76家房地產(chǎn)上市公司進(jìn)行了分類，主要分為4個地區(qū)，見圖5。由于其他地區(qū)的數(shù)據(jù)樣本相對較少，比較難以客觀的進(jìn)行判斷，本文主要將進(jìn)行圖5所示4個地區(qū)的房地產(chǎn)上市公司盈利能力對比，總結(jié)相應(yīng)的地域性規(guī)律。

根據(jù)圖5，從9年來各個地區(qū)的平均水平來看，西南地區(qū)的房地產(chǎn)上市公司盈利能力較弱，在西南地區(qū)的6個房地產(chǎn)上市公司中，盈利能力屬于較弱水平的有3家，屬于較強(qiáng)水平的有3家，各占50%，沒有較強(qiáng)水平的房地產(chǎn)上市公司。京津冀地區(qū)的房地產(chǎn)上市公司樣本共13家，其中屬于較弱水平的有4個，中等水平為8個，較強(qiáng)水平的有1家。長江三角洲地區(qū)的樣本中較弱水平的有8個，中等水平有15個，較強(qiáng)水平為3家。珠江三角洲地區(qū)樣本中沒有盈利能力較弱水平的房地產(chǎn)上市公司，屬于中等水平的有15個，較強(qiáng)水平的4個。

從各個地區(qū)的盈利能力區(qū)域分布情況來看，珠江三角洲地區(qū)的房地產(chǎn)上市公司盈利能力最好，長江三角洲次之，京津冀地區(qū)盈利能力水平弱于以上兩個地區(qū)，西南地區(qū)的房地產(chǎn)上市公司盈利能力相較來說最差。從成長性角度去看房地產(chǎn)上市公司盈利能力水平的變化來看，京津冀地區(qū)公司盈利能力平均水平呈下降趨勢;長三角與珠三角地區(qū)公司的盈利能力水平較為穩(wěn)定略有波動;西南地區(qū)的房地產(chǎn)上市公司，盈利能力水平長期處于低位。

5 結(jié)論

本文應(yīng)用因子分析方法與隨機(jī)森林分類模型構(gòu)造并驗證了綜合計量指標(biāo)的有效性，進(jìn)行了相應(yīng)測算分析。結(jié)論如下：

（1）我國房地產(chǎn)上市公司2010-2017年間的盈利能力水平較為穩(wěn)定，但是行業(yè)平均水平在逐漸的降低，2018年的行業(yè)平均水平有了明顯的下降;

（2）自2012年之后，2018年房地產(chǎn)上市公司的行業(yè)分化趨勢最為嚴(yán)重，更多的房地產(chǎn)上市公司盈利能力低于行業(yè)的平均水平;

（3）對各地區(qū)的房地產(chǎn)上市公司進(jìn)行比較發(fā)現(xiàn)，珠三角地區(qū)的房地產(chǎn)上市公司盈利能力綜合來看最高，長三角地區(qū)與京津冀地區(qū)次之，西南地區(qū)房地產(chǎn)上市公司最低;

（4）通過隨機(jī)森林分類模型對于分析模型的有效性驗證本文發(fā)現(xiàn)，驗證集的正確率較高，但是距訓(xùn)練集范圍較遠(yuǎn)的年份的數(shù)據(jù)出現(xiàn)誤差較多，說明了分析結(jié)果適于做短期的盈利能力預(yù)測。

基于上述研究結(jié)論，論文建議房地產(chǎn)上市公司應(yīng)合理評估自身盈利水平和未來盈利能力，結(jié)合市場趨勢適時調(diào)整經(jīng)營模式，以適應(yīng)市場變化和行業(yè)調(diào)控措施。

參考文獻(xiàn)：

1.Alexander Wall. Ratio analysis of financial statement.New York：Harper Press.2014.06

2.Mohamed Khaled Al-Jafari Hazem Al Samman. Determinants of Profitability：Evidence from Industrial Companies Listed on Muscat Securities Market.Review of European Studies.2015.08

3.Kim Hiang Liow.Firm value，growth，profitability and capital structure of listed real estate companies： an international perspective.Journal of Property Research.2010.09

4.Salvador.R Antonio.M.Applying Chaid to Identify the Accounting-Financial Characteristics of the Most Pro?t table Real Estate Companies in Spain.2010.11

5.張紅 林蔭 劉平.基于主成分分析的房地產(chǎn)上市公司盈利能力分析與預(yù)測.清華大學(xué)學(xué)報（自然科學(xué)版）.2010.09

6.官俊琪 李林.京滬深房地產(chǎn)上市公司的盈利能力分析——基于隨機(jī)森林.金融.2019.03

7.張瀟藝.基于主成分分析的房地產(chǎn)上市公司盈利能力分析.科技廣場.2014.07

8.李明明.我國房地產(chǎn)上市公司盈利能力分析.現(xiàn)代營銷（創(chuàng)富信息版）.2018.09

9.王儲.我國房地產(chǎn)上市公司盈利能力分析.統(tǒng)計與管理.2017.10

10.種鎮(zhèn)國 莫中杰.基于因子分析的中國房地產(chǎn)上市公司績效評價.經(jīng)濟(jì)研究導(dǎo)刊.2010.07

11.張俊瑞 賈宗武 孫玉梅.上市公司盈利能力的因子分析.當(dāng)代經(jīng)濟(jì)科學(xué).2004.11

12.儲一昀 王安武.上市公司盈利質(zhì)量分析.會計研究.2000.09

13.Xueming Luo.Evaluating the profitability and marketability efficiency of large banks An application of data envelopment analysis.Journal of Business Research.2003.01

作者簡介：張紅，清華大學(xué)土水學(xué)院城鎮(zhèn)化與產(chǎn)業(yè)發(fā)展研究中心/清華大學(xué)恒隆房地產(chǎn)研究中心，教授。

羅天，清華大學(xué)土水學(xué)院城鎮(zhèn)化與產(chǎn)業(yè)發(fā)展研究中心/清華大學(xué)恒隆房地產(chǎn)研究中心，碩士研究生。