多重沖擊下大型房企財務(wù)風(fēng)險評價

王雪峰

【摘要】近年房企財務(wù)風(fēng)險問題凸顯。本文以萬科、 碧桂園和恒大等不同經(jīng)營模式下的大型房企為樣本， 提出并運(yùn)用熵值CRITIC合成賦權(quán)的TOPSIS分析， 對其2017 ～ 2021年財務(wù)風(fēng)險演變進(jìn)行評價和分析。結(jié)果顯示： 熵值CRITIC合成賦權(quán)的TOPSIS分析克服了現(xiàn)有客觀賦權(quán)方法的高估或低估弱點(diǎn)， 提高了評價的有效性；期間三大房企財務(wù)風(fēng)險持續(xù)加大， 其中萬科最為穩(wěn)健， 恒大最為兇險；高杠桿、 高周轉(zhuǎn)及重資產(chǎn)的行業(yè)開發(fā)模式是導(dǎo)致其財務(wù)脆弱的內(nèi)在根源， 市場下行及融資緊縮政策等外部沖擊是其財務(wù)風(fēng)險積聚的外在原因， 經(jīng)營模式差異導(dǎo)致三大房企抵御外來沖擊的能力分化。轉(zhuǎn)變經(jīng)營模式， 前瞻、 適時和彈性調(diào)控是防范房企財務(wù)危機(jī)的有效舉措。

【關(guān)鍵詞】多重沖擊；大型房企；熵值CRITIC合成法；TOPSIS法；財務(wù)風(fēng)險

【中圖分類號】 F275? ? ?【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2023）12-0094-6

一、 引言

為抑制房價增長過快， 從2011年至今房地產(chǎn)市場一直受到限購、 限貸、 限價和限售等一系列政策的調(diào)控。近年房地產(chǎn)行業(yè)進(jìn)一步遭受多重沖擊， 如宏觀經(jīng)濟(jì)和房地產(chǎn)市場下行， 以及“三道紅線”“二道紅線”等融資緊縮政策調(diào)控①等。2021年下半年至2022年底， 已有數(shù)十家房企出現(xiàn)流動性危機(jī)， 其中不乏恒大、 融創(chuàng)、 世茂等頭部房企。這是自住房市場化改革以來從未有過的現(xiàn)象， 房企財務(wù)風(fēng)險問題日益受到社會的關(guān)注。

企業(yè)財務(wù)風(fēng)險一直是學(xué)界重要的研究領(lǐng)域之一， 已有研究主要從三個角度展開分析。一是探查企業(yè)財務(wù)風(fēng)險的影響因素， 如研究宏觀調(diào)控和公司治理（彭中文等，2014）、 金融資產(chǎn)配置（譚小玉和陳裕鑫，2022）、 關(guān)聯(lián)并購（韓沚清和王惠，2021）及政府規(guī)制（呂雪晶等，2020）等宏微觀因素對企業(yè)財務(wù)風(fēng)險的影響； 二是探討企業(yè)財務(wù)風(fēng)險預(yù)警方法及其優(yōu)化（楊貴軍等，2019；Canbas等，2005；肖毅等，2020）； 三是研究如何有效度量企業(yè)的財務(wù)風(fēng)險， 已有文獻(xiàn)或采取層次分析法等主觀經(jīng)驗賦權(quán)的方法（孫晨輝和李富有，2014）， 或采取熵值法、 CRITIC法及聚類或因子分析等客觀賦權(quán)的方法（侯旭華和彭娟，2019；Lahmiri和Bekiros，2019）， 或采取主觀與客觀相結(jié)合的賦權(quán)方法（劉國城和王會金，2016；徐臨等，2017；Lahmiri和Bekiros，2019）， 對企業(yè)財務(wù)風(fēng)險進(jìn)行度量。顯然， 第三類研究即對企業(yè)財務(wù)風(fēng)險的有效度量是前兩類研究的基礎(chǔ)。但是， 這類研究尚存在一些不足和盲點(diǎn)： 一是主觀賦權(quán)法的依據(jù)來源于經(jīng)驗， 缺乏客觀基準(zhǔn)； 二是因子分析、 熵值法和CRITIC法等客觀賦權(quán)法要么只關(guān)注評價指標(biāo)的相關(guān)性信息， 要么只關(guān)注評價指標(biāo)的波動信息， 從而導(dǎo)致對指標(biāo)重要程度的評價出現(xiàn)或高或低的偏差； 三是缺少在當(dāng)前宏觀經(jīng)濟(jì)下行及融資緊縮政策調(diào)控背景下對房企財務(wù)風(fēng)險進(jìn)行評價及原因分析的相關(guān)研究。

有鑒于此， 本文以萬科、 碧桂園和恒大三個經(jīng)營模式相異且具有代表性的房企為樣本， 創(chuàng)新性地提出并運(yùn)用熵值CRITIC合成賦權(quán)的TOPSIS分析， 對其2017 ～2021年的財務(wù)風(fēng)險演變及背后的原因進(jìn)行度量、 比較和分析。

二、 方法、 樣本和數(shù)據(jù)

1. 方法。運(yùn)用指標(biāo)體系來刻畫一個事物或系統(tǒng)狀態(tài)的方法主要有層次分析法、 模糊綜合評價、 數(shù)據(jù)包絡(luò)分析、 耦合協(xié)調(diào)度和優(yōu)劣解距離（TOPSIS）法等方法②。其中， TOPSIS法是一種可最大限度利用原始數(shù)據(jù)信息進(jìn)行組內(nèi)綜合評估的方法， 其通過測算各評價對象距組內(nèi)理想值的遠(yuǎn)近并進(jìn)行大小排序， 精確反映各評價對象之間的優(yōu)劣， 特別適合缺乏最優(yōu)客觀標(biāo)準(zhǔn)的事物評價問題。本文正是充分運(yùn)用多財務(wù)指標(biāo)數(shù)據(jù)尋找其最優(yōu)最劣值， 并以此為基準(zhǔn)對三個大型房企財務(wù)狀況的跨期變化及其間的優(yōu)劣進(jìn)行客觀評價和比較， 所以TOPSIS法非常適合。TOPSIS法的基本邏輯如下：

2. 樣本和數(shù)據(jù)。大型房企特別是頭部房企是我國房地產(chǎn)市場的中堅力量， 其經(jīng)營狀況能從一定程度反映我國房地產(chǎn)市場狀況。作為行業(yè)領(lǐng)導(dǎo)者， 它們被眾多中小房企追隨和模仿， 行業(yè)的經(jīng)營模式很大程度上也因此由它們主導(dǎo)。萬科、 碧桂園和恒大無疑是其中的翹楚。盡管房地產(chǎn)行業(yè)屬資本密集型行業(yè)， 高杠桿、 高周轉(zhuǎn)和重資產(chǎn)是目前房企共有的特點(diǎn)， 但這三個企業(yè)分別代表了房企三種不同的經(jīng)營模式。萬科圍繞住宅主業(yè)采取輕資產(chǎn)、 重營運(yùn)、 低成本和“現(xiàn)金為王”的水平多角化戰(zhàn)略， 屬于穩(wěn)健派； 碧桂園以低成本、 高效營銷為特征， 通過高周轉(zhuǎn)撬動高杠桿進(jìn)行經(jīng)營， 是高周轉(zhuǎn)運(yùn)營的代表； 恒大則采取重資產(chǎn)、 集團(tuán)多角化戰(zhàn)略， 除地產(chǎn)外還涉及新能源汽車、 健康和文體等多個行業(yè)， 通過大規(guī)模融資、 儲地、 開發(fā)等方式實現(xiàn)企業(yè)發(fā)展， 是高杠桿房企的代表。因此， 本文選擇萬科、 碧桂園和恒大為樣本， 考慮到2017 ～ 2021年房地產(chǎn)行業(yè)經(jīng)歷了“房住不炒”國策以及“三道紅線”等政策的沖擊， 以三大房企這一時期的中期和年度財務(wù)狀況各10期共30期為評價對象⑤， 通過對其財務(wù)狀況演變的測算、 比較， 探究我國房企存在的財務(wù)風(fēng)險及其背后的原因。本文所用財務(wù)指標(biāo)數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

三、 財務(wù)風(fēng)險演變的度量和評價

1. 財務(wù)風(fēng)險評價指標(biāo)體系的構(gòu)建。對企業(yè)財務(wù)狀況或風(fēng)險進(jìn)行綜合評價， 除了要選擇科學(xué)的評價方法， 還必須依據(jù)全面性、 重要性、 可得性等原則及行業(yè)特性建立合理有效的指標(biāo)體系。在已有的研究中， 大多主張從盈利能力、 運(yùn)營能力、 成長能力、 償債能力和現(xiàn)金流量五個方面對財務(wù)風(fēng)險進(jìn)行全面測度， 并在每個方面選擇若干具體財務(wù)指標(biāo)進(jìn)行刻畫（Canbas 等，2005；王秀麗等，2017；楊貴軍等，2019）。因此， 本文依據(jù)全面性原則， 遵循多數(shù)研究的共識， 從盈利能力、 償債能力、 營運(yùn)能力、 成長能力和現(xiàn)金流量五個維度， 選擇14個二級指標(biāo)對樣本房企的財務(wù)風(fēng)險進(jìn)行評估。依據(jù)重要性原則和行業(yè)特性， 針對房地產(chǎn)企業(yè)資本密集、 高杠桿、 高周轉(zhuǎn)的行業(yè)特點(diǎn)以及存貨、 應(yīng)收賬款等資產(chǎn)占比較高的事實， 將應(yīng)收賬款周轉(zhuǎn)率、 存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率作為營運(yùn)能力的二級指標(biāo)； 用現(xiàn)金經(jīng)營回報率、 現(xiàn)金流量比率等二級指標(biāo)來刻畫現(xiàn)金流風(fēng)險。其他維度的二級指標(biāo)參考了已有研究的成果（王秀麗等，2017；楊貴軍等，2019）。具體的指標(biāo)體系如表1所示。

2. 財務(wù)風(fēng)險評價及分析。

（1）數(shù)據(jù)預(yù)處理。營運(yùn)能力指標(biāo)包含3個二級指標(biāo)， 即應(yīng)收賬款周轉(zhuǎn)率、 存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率。Wind數(shù)據(jù)庫中提供的這3個指標(biāo)的年報和中期財報數(shù)據(jù)的計算口徑不同， 分別為一年和半年， 因此將這三個指標(biāo)的中期財報數(shù)據(jù)按一年期進(jìn)行調(diào)整， 使年報和中期財報數(shù)據(jù)具有可比性。此外， 房企的資金籌集和投入、 土地購置、 房屋開發(fā)及銷售回款等經(jīng)營行為在一年中的不同階段實施， 而且這些活動在不同企業(yè)間也存在差異， 因此表1中反映企業(yè)經(jīng)營行為的這些指標(biāo)存在較強(qiáng)的季節(jié)性波動， 為消除季節(jié)性因素對評價結(jié)果的干擾， 本文在評價前分別對三大房企的所有原始數(shù)據(jù)進(jìn)行了季節(jié)調(diào)整處理。

（2）指標(biāo)正向化和標(biāo)準(zhǔn)化。運(yùn)用熵值CRITIC合成賦權(quán)的TOPSIS分析進(jìn)行綜合評價， 首先要對二級指標(biāo)進(jìn)行正向化處理， 使所有指標(biāo)的取值都符合“值大者優(yōu)”原則， 這是找出最優(yōu)解、 最劣解及對評價對象進(jìn)行優(yōu)劣排序的前提。在表1中， 盈利能力、 營運(yùn)能力、 成長能力及現(xiàn)金流量四類的二級指標(biāo)都是極大型指標(biāo)， 無需正向化。但償債能力中的流動比率、 速動比率和現(xiàn)金比率屬于中間型指標(biāo)， 已有理論認(rèn)為其最優(yōu)值分別為2、 1和0.2。對這些指標(biāo)采取公式aij'=1-|aij-aj?|/M進(jìn)行正向化轉(zhuǎn)換， 其中aj?為指標(biāo)j的最優(yōu)值， M=max{|aij-aj?|}。資產(chǎn)負(fù)債率指標(biāo)則屬于極小型指標(biāo)， 采取公式aij'=1/aij（aij>0）進(jìn)行轉(zhuǎn)換， 其中aij為指標(biāo)j第i個對象的取值， aij'為正向化后的轉(zhuǎn)換值。

在將原數(shù)據(jù)矩陣A正向化處理轉(zhuǎn)換為A'后， 為消除各指標(biāo)量綱不同的影響， 還要進(jìn)行標(biāo)準(zhǔn)化處理。由于所有指標(biāo)都進(jìn)行了正向化處理， 采取公式xij=［aij'-min（aj'）］/［max（aj'）-min（aj'）］進(jìn)行轉(zhuǎn)換， 其中max（aj'）和min（aj'）分別為正向化后指標(biāo)j的最大和最小取值。

（3）基于熵值CRITIC合成賦權(quán)的TOPSIS分析確定權(quán)重。運(yùn)用公式（3） ～ （5）， 可以計算出采取熵值CRITIC合成賦權(quán)的TOPSIS分析確定的各二級指標(biāo)和一級指標(biāo)的權(quán)重， 見表2。

表2顯示， 一級指標(biāo)營運(yùn)能力、 償債能力和成長能力的權(quán)重分別為31.7%、 31.7%和17.0%， 合計超過80%， 說明其是影響三大房企財務(wù)狀況的決定性因素。二級指標(biāo)中應(yīng)收賬款周轉(zhuǎn)率和流動比率的影響都超過10%， 存貨周轉(zhuǎn)率和資產(chǎn)負(fù)債率的影響接近10%， 同時總資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)增長率對財務(wù)風(fēng)險的影響也較大。這深刻揭示了應(yīng)收賬款、 存貨和總資產(chǎn)等周轉(zhuǎn)速度、 長短期償債能力是決定房企能否正常運(yùn)轉(zhuǎn)的關(guān)鍵， 是房企高杠桿、 高周轉(zhuǎn)特征的內(nèi)在原因。

從圖1可以進(jìn)一步發(fā)現(xiàn)， 由于熵值法沒有考慮指標(biāo)之間的相關(guān)性， CRITIC法沒有考慮取值的離散程度， 對所有財務(wù)指標(biāo)的重要性均出現(xiàn)了不同程度的高估或低估。比如， 這兩種方法均低估了流動比率的作用， 分別高估和低估了應(yīng)收賬款周轉(zhuǎn)率和存貨周轉(zhuǎn)率的重要性。熵值CRITIC合成法則將指標(biāo)的相關(guān)性和取值的變異性均予以充分考慮， 從而提高了對指標(biāo)賦權(quán)的科學(xué)性和有效性。

（4）得分計算及分析。運(yùn)用公式（1）、 公式（2）及公式（6） ～ （8）， 得到三大房企2017 ～ 2021年間每年中期和年度各期財務(wù)風(fēng)險評價結(jié)果（見表3）。顯然， 綜合得分指數(shù)Gi越接近1則評價對象的財務(wù)狀況越好、 財務(wù)風(fēng)險越小， 越接近0則財務(wù)狀況越差、 財務(wù)風(fēng)險越大。

從表3和圖2可以發(fā)現(xiàn)： 三大房企從2018年底開始財務(wù)狀況逐漸下滑， 財務(wù)風(fēng)險逐漸上升。比較而言， 在整個考察期， 萬科的財務(wù)狀況均顯著優(yōu)于碧桂園和恒大， 雖然呈下降趨勢， 但非常平緩； 碧桂園的財務(wù)風(fēng)險增加速度較快， 2021年后稍有改善； 恒大財務(wù)狀況持續(xù)下降趨勢明顯， 特別是“三道紅線”等融資緊縮政策出臺后， 其財務(wù)狀況明顯惡化， 以致2022年初出現(xiàn)違約、 停牌及債務(wù)重組。

進(jìn)一步， 將財務(wù)狀況指數(shù)進(jìn)行如下分級： 若0.8

四、 財務(wù)風(fēng)險變化的原因

造成考察期內(nèi)三大房企財務(wù)風(fēng)險加大且變化相異的原因在于： 高周轉(zhuǎn)、 高杠桿和重資產(chǎn)的行業(yè)經(jīng)營模式， 行業(yè)下行和融資緊縮政策等外部環(huán)境沖擊， 以及三大企業(yè)內(nèi)部經(jīng)營模式的差異。具體而言：

1. 高周轉(zhuǎn)、 高杠桿和重資產(chǎn)的行業(yè)經(jīng)營模式是導(dǎo)致我國房企財務(wù)脆弱的根源。高儲地、 多盤同時開發(fā)和連續(xù)滾動開發(fā)是我國房企開發(fā)的共性。三大房企2017年后每年新增土地儲備均超過1000萬平米， 開發(fā)項目均超過1000個。這要求三大房企的持續(xù)經(jīng)營必須以強(qiáng)大、 及時和穩(wěn)定的主營業(yè)務(wù)收入及外源性資金供給為前提， 一旦外部融資及銷售收入不能持續(xù)提供支持， 財務(wù)風(fēng)險必然上升。

2. 近年宏觀經(jīng)濟(jì)下行、 政策持續(xù)加力調(diào)控等導(dǎo)致三大房企財務(wù)風(fēng)險顯現(xiàn)并上升。從企業(yè)收入端來看， 一方面， 長期的限購限貸等政策以及近年房地產(chǎn)行業(yè)下行， 使得市場需求減少、 房價下滑或有價無市， 導(dǎo)致企業(yè)去存貨的規(guī)模和速度下降、 預(yù)收賬款能力下降、 應(yīng)收賬款規(guī)模增加和周轉(zhuǎn)速度下降、 資產(chǎn)變現(xiàn)能力下降、 資金回收規(guī)模和速度下降， 高周轉(zhuǎn)不可持續(xù)。另一方面， 2020年發(fā)布的“三道紅線”等信貸緊縮政策， 使得房企外源性融資渠道變窄， 負(fù)債收入下降， 企業(yè)原有的“借新還舊”策略不再有效。 從企業(yè)支出端來看， 高土地儲備、 多項目滾動開發(fā)以及高開發(fā)成本等使得企業(yè)負(fù)債率過高， 高額利息等成本支出不可避免。因此， 收入下降與成本支出的剛性矛盾不斷加劇必然會導(dǎo)致三大房企財務(wù)風(fēng)險增加， 甚至財務(wù)危機(jī)爆發(fā)。

3. 經(jīng)營模式的不同導(dǎo)致三大房企承受外來沖擊的能力不同， 從而呈現(xiàn)不同的財務(wù)風(fēng)險等級及變化趨勢。盡管三大房企都采取高杠桿、 高周轉(zhuǎn)和重資產(chǎn)的經(jīng)營模式， 但萬科的杠桿水平相對最低， 負(fù)債方式更多元化， 融資成本最低。而且， 其在運(yùn)營中始終實施穩(wěn)健的“現(xiàn)金為王”策略， 應(yīng)收賬款周轉(zhuǎn)率比碧桂園和恒大高出10倍以上。另外， 盡管三大房企都采取多元化經(jīng)營模式， 但萬科仍是以住宅為核心向關(guān)聯(lián)行業(yè)拓展， 風(fēng)險更易把控。而碧桂園的輕資產(chǎn)轉(zhuǎn)型仍處在戰(zhàn)略規(guī)劃層面， 土地儲備規(guī)模和開工項目最多。恒大則是大規(guī)模地向電動汽車等風(fēng)口行業(yè)轉(zhuǎn)型， 投資巨大且風(fēng)險極高， 當(dāng)房地產(chǎn)主業(yè)收入不足以支撐跨界投資時， 財務(wù)狀況自然會惡化。這就是三大房企財務(wù)狀況出現(xiàn)分化的內(nèi)在原因。

五、 結(jié)論和建議

1. 結(jié)論。通過運(yùn)用熵值CRITIC合成賦權(quán)的TOPSIS分析對萬科、 碧桂園和恒大三大標(biāo)桿房企2017 ～ 2021年的財務(wù)風(fēng)險進(jìn)行評價、 比較和原因分析， 本文發(fā)現(xiàn)： （1）熵值CRITIC合成賦權(quán)的TOPSIS分析能克服熵值法和CRITIC法賦權(quán)各自存在的信息重疊或信息不全的弱點(diǎn)， 更為充分合理地利用財務(wù)數(shù)據(jù)本身的信息， 有效界定各類財務(wù)指標(biāo)的重要程度， 真實地反映三大房企財務(wù)風(fēng)險的演變。（2）影響房企財務(wù)風(fēng)險的主要因素集中在償債能力和營運(yùn)能力等方面。應(yīng)收賬款周轉(zhuǎn)率、 流動比率、 存貨周轉(zhuǎn)率和資產(chǎn)負(fù)債率等二級指標(biāo)的變動是財務(wù)風(fēng)險的主要來源， 這與我國房企高杠桿、 高周轉(zhuǎn)和重資產(chǎn)的經(jīng)營模式相契合， 說明資本結(jié)構(gòu)匹配、 資產(chǎn)周轉(zhuǎn)速度和現(xiàn)金回收能力對于穩(wěn)健的財務(wù)狀況至關(guān)重要。（3）考察期內(nèi)三大房企的財務(wù)風(fēng)險都在上升， 特別是“三道紅線”等融資緊縮政策實施后的2020 ～ 2021年。其中， 萬科的抗沖擊能力最強(qiáng)， 財務(wù)狀況相對穩(wěn)健， 均處在財務(wù)風(fēng)險一般水平， 顯示出較強(qiáng)的韌性。盡管碧桂園的財務(wù)風(fēng)險在2021年有所下降， 但出現(xiàn)流動性危機(jī)的不確定性仍然很高。恒大的財務(wù)狀況持續(xù)下滑， 最為嚴(yán)峻。（4）以高杠桿、 高周轉(zhuǎn)、 重資產(chǎn)為特征的行業(yè)經(jīng)營模式是導(dǎo)致房企財務(wù)脆弱的根源， 市場下行及融資緊縮政策等外部沖擊觸發(fā)三大房企財務(wù)風(fēng)險顯現(xiàn)并上升，? 三大房企經(jīng)營模式的差異使其財務(wù)風(fēng)險狀況出現(xiàn)分化。

2. 建議。為提高房企財務(wù)穩(wěn)健性和抵御外來沖擊的能力， 本文提出如下建議： （1）在企業(yè)營運(yùn)模式上， 應(yīng)向“適度杠桿、 穩(wěn)健周轉(zhuǎn)和輕型資產(chǎn)”等方向轉(zhuǎn)變。在這一輪市場及政策等的沖擊下， 萬科等秉持穩(wěn)健擴(kuò)張、 “現(xiàn)金為王”的企業(yè)， 其財務(wù)狀況均展現(xiàn)出較強(qiáng)的韌性， 充分說明“適度杠桿、 穩(wěn)健周轉(zhuǎn)和輕型資產(chǎn)”的營運(yùn)模式是防范房企財務(wù)風(fēng)險的有效保證。更為重要的是， 近年來我國房地產(chǎn)市場已從增量市場向存量市場轉(zhuǎn)化， “房住不炒”的定位已成社會共識， 現(xiàn)有“高杠桿、 高周轉(zhuǎn)、 重資產(chǎn)”的行業(yè)開發(fā)模式所依賴的市場和政策環(huán)境已不復(fù)存在。（2）在企業(yè)發(fā)展戰(zhàn)略上， 應(yīng)朝多元化、 差異化和專業(yè)化方向轉(zhuǎn)型。房地產(chǎn)市場容量日趨飽和， 已不足以支撐眾多競爭主體的生存和發(fā)展， 這是導(dǎo)致房企財務(wù)脆弱的原因之一。因此， 多元化發(fā)展是房企的必然選擇。要注意的是， 多元化戰(zhàn)略轉(zhuǎn)型應(yīng)當(dāng)以競爭差異化和服務(wù)專業(yè)化為基礎(chǔ)， 只有這樣才能實現(xiàn)多元互補(bǔ)、 風(fēng)險分散和行穩(wěn)致遠(yuǎn)。（3）在政府調(diào)控方面， 應(yīng)強(qiáng)化事前管理、 彈性管理和穿透管理。房企長期高負(fù)債經(jīng)營的問題由來已久， 盡管多次調(diào)控， 但由于這些政策往往都是事后的、 剛性的和“一刀切”的， 導(dǎo)致痼疾難愈， 甚至觸發(fā)風(fēng)險。通過事前管理可以防患于未然， 特別是若選擇市場上升期進(jìn)行調(diào)控， 可以降低調(diào)控成本和對市場的沖擊； 通過彈性管理可以減少調(diào)控對象的抵觸和機(jī)會主義行為， 提高管理效果； 穿透管理則通過對房企復(fù)雜的表外業(yè)務(wù)和交叉業(yè)務(wù)等的有效監(jiān)管， 及時發(fā)現(xiàn)問題和防范風(fēng)險。

本文可能存在的貢獻(xiàn)如下： 一是從多重沖擊視角考察了房企的財務(wù)風(fēng)險； 二是創(chuàng)新性地提出并應(yīng)用將熵值法和CRITIC法相結(jié)合的TOPSIS分析， 提高了模型的可靠性。由于房企存在大量的項目公司， 未來的研究應(yīng)考慮相對隱蔽的表外融資對房企財務(wù)風(fēng)險的影響， 同時進(jìn)一步對不同運(yùn)營模式下的中小型房企進(jìn)行相關(guān)研究。

【 注 釋 】

①“三道紅線”政策于2020年8月發(fā)布，依據(jù)資產(chǎn)負(fù)債水平的三個標(biāo)準(zhǔn)將房企分為四檔，對處于不同檔次房企的有息負(fù)債增長率進(jìn)行上限約束；“二道紅線”政策于2020年12月發(fā)布，依據(jù)房地產(chǎn)貸款集中度的兩個標(biāo)準(zhǔn)對不同類型和規(guī)模的金融機(jī)構(gòu)房地產(chǎn)貸款比重進(jìn)行上限約束。

②層次分析法適合運(yùn)用經(jīng)驗判斷解決多目標(biāo)決策問題；模糊綜合評價適合不易定量的因素定量化的評價；數(shù)據(jù)包絡(luò)分析適合多輸入指標(biāo)和多輸出指標(biāo)的系統(tǒng)投入產(chǎn)出評價；耦合協(xié)調(diào)度常用于多系統(tǒng)協(xié)調(diào)的評價。

③變異系數(shù)法只對取值波動大的指標(biāo)賦予更高的權(quán)重；CRITIC法不僅對取值波動大的指標(biāo)，而且對與其他指標(biāo)相關(guān)性小的指標(biāo)賦予更高的權(quán)重；熵值法則對取值離散程度大即熵值小的指標(biāo)賦予更高的權(quán)重。

④指標(biāo)間相關(guān)性越強(qiáng)，則意味著指標(biāo)提供的信息重疊度越大，賦予的權(quán)重越低。

⑤中國恒大因停牌沒有發(fā)布2021年年報，最后一期數(shù)據(jù)缺失。

【 主 要 參 考 文 獻(xiàn) 】

曹向，秦凱羚，李春友.融資約束、環(huán)境不確定性與多元化戰(zhàn)略有效性［ J］.財經(jīng)科學(xué)，2019（11）：67 ～ 79.

韓沚清，王惠.關(guān)聯(lián)并購影響財務(wù)風(fēng)險的邏輯及路徑分析［ J］.財會月刊，2021（5）：27 ～ 31.

侯旭華，彭娟.基于熵值法和功效系數(shù)法的互聯(lián)網(wǎng)保險公司財務(wù)風(fēng)險預(yù)警研究［ J］.財經(jīng)理論與實踐，2019（5）：40 ～ 46.

劉國城，王會金.基于AHP和熵權(quán)的信息系統(tǒng)審計風(fēng)險評估研究與實證分析［ J］.審計研究，2016（1）：53 ～ 59.

呂雪晶，陳志斌，李東陽等.政府規(guī)制與企業(yè)財務(wù)風(fēng)險——來自中國A股上市公司的經(jīng)驗證據(jù)［ J］.會計與經(jīng)濟(jì)研究，2020（5）：56 ～ 67.

彭中文，李力，文磊.宏觀調(diào)控、公司治理與財務(wù)風(fēng)險——基于房地產(chǎn)上市公司的面板數(shù)據(jù)［ J］.中央財經(jīng)大學(xué)學(xué)報，2014（5）：52 ～ 59.

孫晨輝，李富有.基于AHP和模糊綜合評價的民間金融風(fēng)險判定與評估［ J］.經(jīng)濟(jì)管理，2014（2）：136 ～ 146.

譚小玉，陳裕鑫.企業(yè)金融化對財務(wù)風(fēng)險影響的統(tǒng)計檢驗［ J］.統(tǒng)計與決策，2022（19）：158 ～ 163.

王秀麗，張龍?zhí)欤R曉霞.基于合并報表與母公司報表的財務(wù)危機(jī)預(yù)警效果比較研究［ J］.會計研究，2017（6）：38 ～ 44+96.

肖毅，熊凱倫，張希.基于TEI@I方法論的企業(yè)財務(wù)風(fēng)險預(yù)警模型研究［ J］.管理評論，2020（7）：226 ～ 235.

徐臨，姚曉琳，李艷輝.基于層次分析和熵值法的融資擔(dān)保機(jī)構(gòu)風(fēng)險評價［ J］.經(jīng)濟(jì)與管理，2017（2）：50 ～ 55.

楊柏辰，張怡，郭煒.基于Logistic 回歸模型的企業(yè)財務(wù)風(fēng)險診斷研究［ J］.系統(tǒng)科學(xué)學(xué)報，2021（3）：84 ～ 87.

楊貴軍，周亞夢，孫玲莉.基于Benford-Logistic模型的企業(yè)財務(wù)風(fēng)險預(yù)警方法［ J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019（10）：149 ～ 165.

朱衛(wèi)東，吳鵬.引入TOPSIS法的風(fēng)險預(yù)警模型能提高模型的預(yù)警準(zhǔn)確度嗎？——來自我國制造業(yè)上市公司的經(jīng)驗證據(jù)［ J］.中國管理科學(xué)，2015（11）：96 ～ 104.

Canbas S.， Cabuk A.， Kilic S. B.. Prediction of Commercial Bank Failure via Multivariate Statistical Analysis of Financial Structures： The Turkish Case［ J］. European Journal of Operational Research， 2005（2）：528 ～ 546.

Lahmiri S.， Bekiros S.. Can Machine Learning Approaches Predict Corporate Bankruptcy？ Evidence from a Qualitative Experimental Design［ J］. Quantitative Finance，2019（9）：1569 ～ 1577.