房地產(chǎn)業(yè)財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究

陳 悅

一、 引言

在經(jīng)濟(jì)全球化的條件下，金融危機(jī)讓企業(yè)越來越警惕。因此企業(yè)需要建立一個(gè)科學(xué)的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)，對可能發(fā)生的財(cái)務(wù)危機(jī)做出預(yù)估，從而使決策者做出相應(yīng)合理有效的決策，將財(cái)務(wù)危機(jī)扼殺在搖籃里。 房地產(chǎn)業(yè)一直是我國的熱門行業(yè)，發(fā)展也如火如荼，涌入了大量的資本。 但近些年來，國家出臺(tái)了一些相關(guān)的政策對房地產(chǎn)業(yè)進(jìn)行相應(yīng)的宏觀調(diào)控，其中包括對貸款利率的限制，調(diào)整稅收規(guī)定等。 我國房地產(chǎn)業(yè)內(nèi)外部環(huán)境不容樂觀，面臨著前所未有的嚴(yán)峻考驗(yàn)。如果再加上房地產(chǎn)企業(yè)對于本公司的財(cái)務(wù)狀況沒有做到有效的檢測，不能及時(shí)有效的發(fā)現(xiàn)并解決財(cái)務(wù)危機(jī)問題，則企業(yè)很有可能就會(huì)破產(chǎn)。

二、 理論分析

關(guān)于財(cái)務(wù)危機(jī)預(yù)警的定義，則具有以下幾種觀點(diǎn):張玲認(rèn)為企業(yè)財(cái)務(wù)危機(jī)預(yù)警，是根據(jù)企業(yè)的財(cái)務(wù)信息，對于企業(yè)財(cái)務(wù)系統(tǒng)中可能出現(xiàn)的一些狀況預(yù)先進(jìn)行報(bào)警。 陳曉和陳志鴻認(rèn)為企業(yè)財(cái)務(wù)危機(jī)預(yù)警就是利用企業(yè)的一些財(cái)務(wù)指標(biāo)，采取一定的數(shù)據(jù)管理手段，分析企業(yè)經(jīng)營的一些資料，通過數(shù)據(jù)將企業(yè)可能會(huì)發(fā)生的問題提前告訴經(jīng)營者和其他利益關(guān)系人，及時(shí)找出財(cái)務(wù)問題的原因，并提出解決方案。 楊舒娥和張俊瑞指出企業(yè)財(cái)務(wù)危機(jī)預(yù)警，是對財(cái)務(wù)報(bào)表及其他經(jīng)營材料的分析，利用及時(shí)的數(shù)據(jù)化管理手段，將企業(yè)正在面對的危機(jī)狀況告知領(lǐng)導(dǎo)層，并分析其形成的可能原因及存在的隱患，提前做好防范措施。

財(cái)務(wù)危機(jī)預(yù)警就是企業(yè)結(jié)合自身經(jīng)營發(fā)展過程中的各種數(shù)據(jù)，主要是財(cái)務(wù)數(shù)據(jù)，通過定性和定量分析結(jié)合的方法，對企業(yè)發(fā)展過程中的財(cái)務(wù)狀況進(jìn)行及時(shí)的分析，及時(shí)地將財(cái)務(wù)危機(jī)出現(xiàn)的萌芽階段告知企業(yè)經(jīng)營者和其利益相關(guān)人，并告知其發(fā)生的原因和存在的隱患，以便及時(shí)做出決策和調(diào)控，把財(cái)務(wù)危機(jī)扼殺在搖籃中，從而使企業(yè)健康的發(fā)展。

在研究財(cái)務(wù)危機(jī)預(yù)警方面，常用的定性分析方法有下面幾種: 胡杰武和萬里霜提出標(biāo)準(zhǔn)化調(diào)查法，就是企業(yè)組織一批具有較高水平的專家運(yùn)用專業(yè)知識(shí)，對企業(yè)在發(fā)展過程中的內(nèi)外部環(huán)境進(jìn)行分析和研究，最后歸納出企業(yè)發(fā)展的規(guī)律，對企業(yè)可能出現(xiàn)的狀況做出合理的推測；張鳴和張艷提出“四階段癥狀”分析法，這種分析方法根據(jù)企業(yè)面臨的潛伏期、發(fā)作期、惡化期和實(shí)現(xiàn)期四個(gè)階段，采取各種方法進(jìn)行對應(yīng)的治理調(diào)整；余廉、胡華夏和王超認(rèn)為管理評分法行之有效，該方法是對財(cái)務(wù)危機(jī)定性因素通過賦值量化，然后進(jìn)行綜合評分的方法。 這種方法首先把企業(yè)的風(fēng)險(xiǎn)因素分為經(jīng)營缺點(diǎn)因素、經(jīng)營錯(cuò)誤因素和破產(chǎn)征兆因素三類，然后進(jìn)一步分解為17 個(gè)風(fēng)險(xiǎn)小項(xiàng)，每一項(xiàng)都給出標(biāo)準(zhǔn)分值，最后根據(jù)分值的大小來進(jìn)行界定。

巢劍雄認(rèn)為財(cái)務(wù)危機(jī)定量分析就是用數(shù)據(jù)進(jìn)行分析，以確切的數(shù)值作為評判財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn)，采用統(tǒng)計(jì)學(xué)的一些方法，對企業(yè)的財(cái)務(wù)數(shù)據(jù)做出分析。 其中定量分析又分為單一模式和多變量模式分析，多變量模式主要是以構(gòu)造數(shù)據(jù)模型的方式來預(yù)測企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)與多個(gè)變量指標(biāo)之間的線性關(guān)系，從而預(yù)測財(cái)務(wù)風(fēng)險(xiǎn)。 單一模式分析會(huì)選取一套預(yù)警體系指標(biāo)，按照反映企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)綜合性和預(yù)測力大小，可設(shè)立一些比率，根據(jù)比率對財(cái)務(wù)數(shù)據(jù)做出運(yùn)用，并加以分析。

三、 我國房地產(chǎn)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建

(一)基礎(chǔ)指標(biāo)的選擇與分析

在前人的研究基礎(chǔ)上，最終選擇從以下幾個(gè)指標(biāo)中來選取構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的指標(biāo)，見表1。

表1 財(cái)務(wù)指標(biāo)

以上是初選的財(cái)務(wù)危機(jī)指標(biāo)，共計(jì)16 個(gè)，但是指標(biāo)過多，使得構(gòu)建的模型過于復(fù)雜，不利于模型的實(shí)用性和操作性。 因此，需要剔除相關(guān)性強(qiáng)的指標(biāo)，選取能明顯區(qū)分財(cái)務(wù)危機(jī)和財(cái)務(wù)正常的指標(biāo)。 結(jié)合前人的相關(guān)研究和參考文獻(xiàn)，剔除了一些指標(biāo)，最終選取了X1、X5、X7、X8、X10、X11這六個(gè)變量作為構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的指標(biāo)。

(二)模型與樣本選擇

結(jié)合上文分析，最終本文采用Logistic 回歸模型，因?yàn)槠渥宰兞肯嗷オ?dú)立，適用范圍廣，預(yù)測比較準(zhǔn)確。

該模型的表達(dá)式為:

其中x作為自變量，其代表著企業(yè)的財(cái)務(wù)指標(biāo)，y作為因變量，其意義是事件發(fā)生(ST)為1，事件不發(fā)生(非ST)為0，而對于P值來說，大于0.5，則為ST；小于0.5，則為非ST。

本文在研究時(shí)采用的評判標(biāo)準(zhǔn)是是否被證監(jiān)會(huì)特殊處理作為有危機(jī)和正常企業(yè)的區(qū)別，即是否ST。 因此，在樣本選擇時(shí)，既要有ST 企業(yè)，還要有非ST 企業(yè)，這樣才能顯示出樣本的充分性。 而在具體的選擇過程中，由于ST 企業(yè)較少，所以不會(huì)采用一比一的選取比例來選擇樣本，而且采用一比一的比例會(huì)造成樣本的選擇不具有完全的隨機(jī)性。 綜合以上分析，最終選取了2018 年首次被ST 的8 家企業(yè)和32 家非ST 企業(yè)2016～2018 年連續(xù)三年的財(cái)務(wù)數(shù)據(jù)，通過2016 年的數(shù)據(jù)來進(jìn)行模型的構(gòu)建，通過2017 和2018 年的數(shù)據(jù)來進(jìn)行模型的檢驗(yàn)。

(三)模型的構(gòu)建

對以上所選取的指標(biāo)進(jìn)行重新賦予標(biāo)號(hào)，資產(chǎn)負(fù)債率(X1)、流動(dòng)比率(X2)、利息保障倍數(shù)(X3)、存貨周轉(zhuǎn)率(X4)、流動(dòng)資產(chǎn)周轉(zhuǎn)率(X5)、銷售凈利率(X6)，作為自變量，房地產(chǎn)企業(yè)是否ST 的因變量，其中事件發(fā)生概率為1，不發(fā)生概率為0，采用系統(tǒng)默認(rèn)的進(jìn)入方式進(jìn)行二元Logistic 回歸。

通過SPSS 運(yùn)算得到結(jié)果如表2。

表2 模型的回歸系數(shù)

將各種變量和常量帶入，可以得到如下公式:

四、 模型的擬合度檢驗(yàn)和預(yù)測結(jié)果

(一)模型的擬合度檢驗(yàn)

表3 模型匯總

表4 模型系數(shù)的檢驗(yàn)

從表3 來看，Cox＆SnellR方以及NagelkerkeR方作為評價(jià)指標(biāo)，取值范圍在0～1 之間，越接近1，表明方程的擬合度越高，相反則越低；從表4 來看，Sig 值大于0.5，表明方程能較好地?cái)M合數(shù)據(jù)，因此擬合度也比較高。

(二)預(yù)測結(jié)果

將2017～2018 年樣本的指標(biāo)數(shù)據(jù)帶入模型方程中，得出Y值，然后求解出P值，用檢測模型的預(yù)測能力，最終得到模型的預(yù)測結(jié)果如表5 所示。

表5 模型預(yù)測分析

通過表5 分析，可以看出在爆發(fā)財(cái)務(wù)危機(jī)當(dāng)年的預(yù)測準(zhǔn)確率達(dá)到92.5%，準(zhǔn)確度較高，預(yù)測比較準(zhǔn)確。 在第二年，雖然準(zhǔn)確率是85%，也比較高，但是ST 的準(zhǔn)確率為62.5%，比較低，說明被誤判的比較多，即把ST 公司預(yù)測為非ST 的比較多，因此，此模型在一年內(nèi)的預(yù)測比較準(zhǔn)確。

五、 房地產(chǎn)企業(yè)財(cái)務(wù)危機(jī)預(yù)測與應(yīng)對措施

根據(jù)以上模型，從樣本數(shù)據(jù)中選取了2018 年20 家非ST企業(yè)，將其財(cái)務(wù)數(shù)據(jù)代入模型進(jìn)行運(yùn)算，得到P值，如表6所示。

表6 2018 年財(cái)務(wù)指標(biāo)預(yù)警結(jié)果

通過表6 的運(yùn)算結(jié)果，不難看出這20 家非ST 企業(yè)，有9家企業(yè)的P值是大于0.5 的，接近半數(shù)，這表明未來這9 家企業(yè)可能會(huì)遭遇財(cái)務(wù)危機(jī)，如果不進(jìn)行及時(shí)地把控和處理的話，極有可能會(huì)走向ST 。

六、 結(jié)論

本文從我國房地產(chǎn)業(yè)的發(fā)展背景和行業(yè)特點(diǎn)出發(fā)，結(jié)合國內(nèi)學(xué)者的學(xué)術(shù)研究，選取了40 家房地產(chǎn)上市公司的財(cái)務(wù)數(shù)據(jù)建立了多元Logistic 回歸模型，最后經(jīng)過2017 ～2018 年的財(cái)務(wù)數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表明模型具有較好的預(yù)測能力。 通過分析，可以得出以下結(jié)論:

第一，影響企業(yè)財(cái)務(wù)危機(jī)的因素是復(fù)雜的，多樣的，既受政策、經(jīng)濟(jì)形勢、市場等宏觀因素的影響，也受到企業(yè)自身財(cái)務(wù)狀況、人員危機(jī)意識(shí)、資金管理水平等微觀因素的影響。因此，房地產(chǎn)企業(yè)應(yīng)該在不同的發(fā)展階段，針對性地制定相關(guān)制度，來做出相應(yīng)的對策，盡量避免財(cái)務(wù)危機(jī)的發(fā)生。

第二，根據(jù)上文中的模型來看，如果一家企業(yè)不存在財(cái)務(wù)粉飾的假象，則ST 能很好地反映一個(gè)企業(yè)的財(cái)務(wù)狀況，其量化程度比較高，即如果ST，則其一定發(fā)生了財(cái)務(wù)危機(jī)。

第三，根據(jù)模型的擬合度檢驗(yàn)和模型的預(yù)測結(jié)果，說明本文建立的多元Logistic 回歸模型能較好地預(yù)測結(jié)果。 2017年預(yù)測的準(zhǔn)確度92.5%，2018 年預(yù)測的準(zhǔn)確度85%，因此，認(rèn)為本文構(gòu)建的財(cái)務(wù)危機(jī)預(yù)警模型在預(yù)測上具有良好的性能，具有一定的實(shí)用價(jià)值。