我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警實(shí)證研究方法綜述

李晶

[摘 要] 近年來，房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的實(shí)證研究日益增加。本文從基于財(cái)務(wù)數(shù)據(jù)及結(jié)合非財(cái)務(wù)數(shù)據(jù)構(gòu)建預(yù)警指標(biāo)體系方面對(duì)實(shí)證研究方法在我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中的應(yīng)用情況進(jìn)行梳理分析。并在分析其局限與不足的基礎(chǔ)上，提出了實(shí)證研究方法在房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中應(yīng)用的方向。

[關(guān)鍵詞] 房地產(chǎn)企業(yè)；財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警；實(shí)證研究方法

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 13. 019

[中圖分類號(hào)] F275 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2017）13- 0046- 03

0 引 言

科學(xué)的財(cái)務(wù)預(yù)警系統(tǒng)對(duì)于房地產(chǎn)企業(yè)的發(fā)展具有戰(zhàn)略性意義。我國學(xué)者在借鑒國外研究理論的基礎(chǔ)上采用規(guī)范研究、實(shí)證研究以及二者相結(jié)合的方法，對(duì)我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警進(jìn)行了系統(tǒng)研究。但是，國內(nèi)大多數(shù)學(xué)者僅對(duì)一般上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究方法做了探究，而針對(duì)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究方法進(jìn)行系統(tǒng)性概括的文獻(xiàn)并未見。本文擬從基于財(cái)務(wù)指標(biāo)及結(jié)合非財(cái)務(wù)指標(biāo)構(gòu)建房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)方面對(duì)實(shí)證研究方法的應(yīng)用情況及特點(diǎn)進(jìn)行梳理分析，以期為實(shí)證研究方法在我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究領(lǐng)域的應(yīng)用提供借鑒。

1 在基于財(cái)務(wù)指標(biāo)的我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中的應(yīng)用

傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警主要以財(cái)務(wù)指標(biāo)為變量，構(gòu)建一個(gè)適合房地產(chǎn)企業(yè)運(yùn)營管理的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，從而計(jì)算財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)值。

1.1 多變量判別分析法的應(yīng)用

1.1.1 Logistic回歸分析法

龍勝平 等（2007）以滬深兩市房地產(chǎn)企業(yè)2005年財(cái)務(wù)數(shù)據(jù)作為樣本，采用主成分分析法，將7個(gè)主成分代替原來的11個(gè)財(cái)務(wù)指標(biāo)，并將其作為Logistic回歸分析的解釋變量，進(jìn)行邏輯回歸分析，從而構(gòu)建了房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。其構(gòu)建的預(yù)警模型對(duì)我國房地產(chǎn)企業(yè)起到良好的預(yù)警效果。但作者對(duì)模型自變量的選取存在一定程度的任意性，并未對(duì)自變量進(jìn)行嚴(yán)格統(tǒng)計(jì)意義上的篩選。然而，李恩 等（2012）以我國1998-2010年房地產(chǎn)上市公司為研究對(duì)象，選取了48家ST公司和48家財(cái)務(wù)正常公司為樣本，對(duì)入選解釋變量進(jìn)行了逐步篩選，運(yùn)用主成分分析法，構(gòu)建了3個(gè)Logistic模型進(jìn)行分析比較，選取預(yù)測(cè)率較高的模型，對(duì)前一年至前四年的財(cái)務(wù)數(shù)據(jù)進(jìn)行返回預(yù)測(cè)檢驗(yàn)，結(jié)果表明該模型預(yù)測(cè)的總準(zhǔn)確率較高。這可以為銀行、投資者、監(jiān)管者和房地產(chǎn)企業(yè)管理自身的風(fēng)險(xiǎn)提供一定的參考。

1.1.2 多元Z值判定模型

黃碩 等人（2010）利用簡(jiǎn)單隨機(jī)抽樣的方法，從我國A股上市公司中選取40家房地產(chǎn)上市公司作為研究對(duì)象，將樣本公司的數(shù)據(jù)代入奧爾曼的Z-Score模型得到各家公司的Z值，并按照由大到小的方式將各家公司的Z值進(jìn)行排序，從而判別出各公司的財(cái)務(wù)狀況。奧爾曼的Z值模型從整體上來看比較客觀，能夠很好地預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的發(fā)生。但是其研究成果是基于美國各行業(yè)的經(jīng)濟(jì)財(cái)務(wù)數(shù)據(jù)，對(duì)于我國房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警有一定的參考價(jià)值，但不能機(jī)械地搬來運(yùn)用。然而裴瀟等（2015）運(yùn)用奧爾曼的Z值模型，檢驗(yàn)我國房地產(chǎn)上市公司最新財(cái)務(wù)數(shù)據(jù)模型的有效性，認(rèn)為Z模型原有的臨界值并不適合我國國情，并通過分析提出了適合我國房地產(chǎn)公司財(cái)務(wù)危機(jī)預(yù)警模型的新臨界值。經(jīng)檢驗(yàn)，該臨界值能夠較好地預(yù)測(cè)我國房地產(chǎn)企業(yè)財(cái)務(wù)危機(jī)的發(fā)生。

1.2 BP人工神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用

朱燕妮（2008）選取44家中國房地產(chǎn)上市公司1998-2006年的數(shù)據(jù)作為樣本，選擇63個(gè)財(cái)務(wù)指標(biāo)，先后采用Kruskal-walis H檢驗(yàn)和因子分析對(duì)指標(biāo)進(jìn)行篩選和優(yōu)化，構(gòu)建了房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法使用提前一年的樣本數(shù)據(jù)建立了預(yù)測(cè)期為一年的分警度財(cái)務(wù)危機(jī)預(yù)警模型，對(duì)“海泰發(fā)展”一年的財(cái)務(wù)狀況進(jìn)行仿真預(yù)測(cè)，預(yù)測(cè)結(jié)果表明，財(cái)務(wù)危機(jī)年份的預(yù)測(cè)完全正確，僅出現(xiàn)了對(duì)健康年份的誤判。證明了本模型對(duì)財(cái)務(wù)危機(jī)的識(shí)別能力及應(yīng)用價(jià)值較大。但是因?yàn)槭艿綐颖緮?shù)量的限制，其僅僅考察了財(cái)務(wù)指標(biāo)提前一年的預(yù)示能力，時(shí)效性較差。趙莉（2010）選取了盈利能力、償債能力、成長能力和擴(kuò)張能力等相關(guān)財(cái)務(wù)指標(biāo)，運(yùn)用典型3層前饋型BP網(wǎng)絡(luò)模型，構(gòu)建我國房地產(chǎn)上市公司的財(cái)務(wù)危機(jī)預(yù)警模型，將10年的樣本數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)辨識(shí)模型的訓(xùn)練樣本，預(yù)測(cè)2009 年企業(yè)的財(cái)務(wù)狀況，得出2009年企業(yè)的財(cái)務(wù)數(shù)據(jù)處于健康狀態(tài)。其研究結(jié)果表明：基于財(cái)務(wù)指標(biāo)信息的BP人工神經(jīng)網(wǎng)絡(luò)方法是預(yù)測(cè)企業(yè)是否會(huì)發(fā)生財(cái)務(wù)危機(jī)的有效方法。可以看出，運(yùn)用財(cái)務(wù)數(shù)據(jù)對(duì)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警建立BP人工神經(jīng)網(wǎng)絡(luò)模型，有利于提高模型預(yù)測(cè)的準(zhǔn)確性。

1.3 支持向量機(jī)方法的應(yīng)用

董雅麗（2013）運(yùn)用支持向量機(jī)的方法，結(jié)合20家上市房地產(chǎn)公司的財(cái)務(wù)數(shù)據(jù)展開研究，充分考慮財(cái)務(wù)危機(jī)問題的復(fù)雜性和非線性本質(zhì)，將原低維空間非線性問題轉(zhuǎn)化為高維空間中的線性問題，體現(xiàn)了在小樣本數(shù)據(jù)條件下高精度預(yù)警的優(yōu)越性，取得了很好的效果。杜晶（2014）通過因子分析對(duì)指標(biāo)體系提取主因子，然后利用支持向量機(jī)理論，構(gòu)建基于支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警模型，同時(shí)將模型與判別分析、二元回歸這兩種預(yù)警模型進(jìn)行比較，發(fā)現(xiàn)該模型預(yù)測(cè)的準(zhǔn)確率要明顯高于后兩種模型預(yù)測(cè)的準(zhǔn)確率。實(shí)踐證明，該方法比以往傳統(tǒng)統(tǒng)計(jì)學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法更加方便，克服了傳統(tǒng)方法的固有缺陷，為房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)在智能預(yù)警領(lǐng)域的研究中提供了新思路。

由以上分析可見，該方面研究中，采用的主要研究方法是多變量判別分析法、BP人工神經(jīng)網(wǎng)絡(luò)方法及支持向量機(jī)方法，集中研究財(cái)務(wù)數(shù)據(jù)對(duì)我國房地產(chǎn)企業(yè)財(cái)務(wù)危機(jī)的影響。但房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)具有模糊性和復(fù)雜性，受到財(cái)務(wù)和非財(cái)務(wù)等多種因素的影響，難以用精確的數(shù)字來度量，無法全面預(yù)測(cè)房地產(chǎn)企業(yè)的財(cái)務(wù)狀況。

2 在基于財(cái)務(wù)與非財(cái)務(wù)指標(biāo)的我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中的應(yīng)用

為提高財(cái)務(wù)預(yù)警系統(tǒng)的有效性，我國學(xué)者將非財(cái)務(wù)指標(biāo)引入房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)的構(gòu)建中，運(yùn)用灰色預(yù)測(cè)法、多級(jí)模糊綜合評(píng)價(jià)法等方法展開研究。

2.1 多變量判別分析法的應(yīng)用

2.1.1 ZETA模型評(píng)價(jià)法

杜俊娟（2013）選擇將房地產(chǎn)企業(yè)的短期償債能力、發(fā)展能力等6個(gè)方面的數(shù)據(jù)作為財(cái)務(wù)指標(biāo)，將企業(yè)潛在發(fā)展能力、內(nèi)部控制、學(xué)習(xí)與成長、顧客滿意度等作為非財(cái)務(wù)指標(biāo)，在奧爾曼Z值模型的基礎(chǔ)上，利用改進(jìn)的ZETA模型對(duì)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析進(jìn)行風(fēng)險(xiǎn)評(píng)判。結(jié)果發(fā)現(xiàn)，ZETA模型用于預(yù)測(cè)五年和一年財(cái)務(wù)危機(jī)的企業(yè)精度分別為70%和91%，而且越接近財(cái)務(wù)危機(jī)發(fā)生的時(shí)間，預(yù)測(cè)精度越高。結(jié)果表明在改進(jìn)的Z值模型的基礎(chǔ)上引入非財(cái)務(wù)指標(biāo)會(huì)提高預(yù)警的準(zhǔn)確性。

2.1.2 Fisher判別分析法

尚洪濤（2011）選取滬深兩市A股房地產(chǎn)2009年及2010年的15家ST公司和45家非ST公司作為研究樣本，在29個(gè)財(cái)務(wù)指標(biāo)基礎(chǔ)上加入了審計(jì)意見、公司股權(quán)結(jié)構(gòu)、公司治理結(jié)構(gòu)和市場(chǎng)信息等8個(gè)非財(cái)務(wù)指標(biāo)為研究變量，使用Fisher判別法建立了ST發(fā)生前兩年和前三年的危機(jī)預(yù)警模型。實(shí)證結(jié)果表明，在Fisher判別法下加入非財(cái)務(wù)指標(biāo)可以顯著提高ST危機(jī)預(yù)警的準(zhǔn)確率，且預(yù)測(cè)的準(zhǔn)確性較高。

2.2 灰色預(yù)測(cè)法的應(yīng)用

楊剛（2010）將灰色關(guān)聯(lián)分析法和灰色預(yù)測(cè)法應(yīng)用到指標(biāo)篩選和模型的建立中，針對(duì)房地產(chǎn)企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)，建立了房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，結(jié)果顯示面對(duì)房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，運(yùn)用灰色預(yù)測(cè)構(gòu)建的模型有較高的精準(zhǔn)度，并且短期預(yù)測(cè)功能良好。張曉燕（2016）以某房地產(chǎn)公司為例，選取該公司2012-2015年財(cái)務(wù)數(shù)據(jù)及非財(cái)務(wù)數(shù)據(jù)，構(gòu)建灰色預(yù)測(cè)模型，對(duì)其2016年財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行分析和預(yù)警，發(fā)現(xiàn)該公司2016年財(cái)務(wù)風(fēng)險(xiǎn)處于“重度預(yù)警”狀態(tài)，并對(duì)該公司的財(cái)務(wù)風(fēng)險(xiǎn)發(fā)出預(yù)警?？梢?，當(dāng)信息數(shù)量少、完整性較差時(shí)，可利用灰色模型對(duì)房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)做長期模糊預(yù)測(cè)。

2.3 多級(jí)模糊綜合評(píng)價(jià)法的應(yīng)用

宋銳林 等（2011）選用了包括內(nèi)部風(fēng)險(xiǎn)及外部風(fēng)險(xiǎn)的7個(gè)指標(biāo)，將模糊評(píng)價(jià)與層次分析法結(jié)合起來，建立了基于模糊層次分析的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，并對(duì)CS公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行綜合評(píng)價(jià)進(jìn)一步驗(yàn)證模型，最后提出了房地產(chǎn)企業(yè)控制財(cái)務(wù)風(fēng)險(xiǎn)的建議。但作者并未對(duì)模型進(jìn)行定性分析，使得模型的可信度不高，而孫艷春 等（2012）以吉林省長春市的房地產(chǎn)上市公司A為例，在以財(cái)務(wù)指標(biāo)為主體的財(cái)務(wù)預(yù)警系統(tǒng)基礎(chǔ)上，結(jié)合房地產(chǎn)企業(yè)的特征選取獲利能力、償債能力等5個(gè)方面的非財(cái)務(wù)指標(biāo)，對(duì)影響房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警的非財(cái)務(wù)指標(biāo)進(jìn)行分層研究，運(yùn)用多級(jí)模糊綜合評(píng)價(jià)法構(gòu)建房地產(chǎn)企業(yè)的財(cái)務(wù)預(yù)警模型。最終經(jīng)過對(duì)財(cái)務(wù)指標(biāo)的定量分析和非財(cái)務(wù)指標(biāo)的定性分析，發(fā)現(xiàn)得出的結(jié)論會(huì)使評(píng)價(jià)結(jié)果更加真實(shí)合理。不難發(fā)現(xiàn)，將房地產(chǎn)企業(yè)復(fù)雜的財(cái)務(wù)風(fēng)險(xiǎn)因素進(jìn)行層次分解后，可以使難以量化的復(fù)雜對(duì)象分解為若干個(gè)小范圍的比較判斷，從而增加房地產(chǎn)企業(yè)非財(cái)務(wù)指標(biāo)的預(yù)警模型的可操作性。

不難看出，我國學(xué)者將非財(cái)務(wù)指標(biāo)引入房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)中，采用多變量判別分析法、灰色預(yù)測(cè)法及多級(jí)模糊綜合評(píng)價(jià)法構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)后，能夠更加合理精確地預(yù)測(cè)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)?？梢姺秦?cái)務(wù)指標(biāo)在風(fēng)險(xiǎn)預(yù)測(cè)的某些方面比財(cái)務(wù)指標(biāo)更為可靠有效。

3 結(jié) 語

綜上所述，我國學(xué)者在房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究方法中綜合使用了多變量判別分析法、BP人工神經(jīng)網(wǎng)絡(luò)方法、多級(jí)模糊綜合評(píng)價(jià)法、灰色預(yù)測(cè)法及支持向量機(jī)法等。但是，由于資產(chǎn)負(fù)債表反映的是某一時(shí)點(diǎn)的財(cái)務(wù)狀況，損益表反映的是一定期間的經(jīng)營成果，即便將非財(cái)務(wù)指標(biāo)引入財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)中，預(yù)警系統(tǒng)也不能反映財(cái)務(wù)危機(jī)量變的過程及其產(chǎn)生危機(jī)的直接因素，從而限制了指標(biāo)體系的可靠性和說服力，不利于內(nèi)部管理者提出應(yīng)對(duì)風(fēng)險(xiǎn)的防范措施。而且目前國內(nèi)房地產(chǎn)上市企業(yè)財(cái)務(wù)報(bào)表的真實(shí)性也有待考察。所以未來房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型應(yīng)能夠在現(xiàn)有財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的基礎(chǔ)上稍做修改，建立一套企業(yè)內(nèi)部管理者適用的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子系統(tǒng)——資產(chǎn)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，主要用于企業(yè)年度內(nèi)各月份的風(fēng)險(xiǎn)監(jiān)控。另外，還應(yīng)能夠?qū)ι鲜泄舅峁┑呢?cái)務(wù)數(shù)據(jù)的真?zhèn)巫龀鲆欢ㄨb別，從而更加精確地進(jìn)行公司財(cái)務(wù)困境預(yù)測(cè)。

主要參考文獻(xiàn)

[1]龍勝平，鄭立琴.我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究[J].求索，2007（6）：18-20.

[2]李恩，劉立新.我國房地產(chǎn)上市公司財(cái)務(wù)預(yù)警研究[J].華東經(jīng)濟(jì)管理，2012，26（8）：156-160.

[3]黃碩，張紅，周鵬，等.基于Z-Score模型的我國房地產(chǎn)上市公司財(cái)務(wù)預(yù)警研究[J].中國房地產(chǎn)，2010（11）：60-62.

[4]裴瀟，黃玲，陳華.基于Z值模型的房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警研究[J].財(cái)會(huì)通訊，2015（4）：42-45.

[5]朱燕妮.基于BP神經(jīng)網(wǎng)絡(luò)的中國房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D].杭州：浙江大學(xué)，2008.

[6]趙莉.基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警[J].價(jià)值工程，2010，29（8）：51.

[7]董雅麗.房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)智能預(yù)警研究[J].價(jià)值工程，2013（7）：147-148.

[8]杜晶.基于支持向量機(jī)的房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D].成都：西南財(cái)經(jīng)大學(xué)，2014.

[9]杜俊娟.我國房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警與防范[J].會(huì)計(jì)之友，2013（10）：44-47.

[10]尚洪濤.基于Fisher判別法的房地產(chǎn)上市公司ST危機(jī)預(yù)警研究[J].經(jīng)濟(jì)與管理研究，2011（11）：77-82.

[11]楊剛.房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究[J].荊楚理工學(xué)院學(xué)報(bào)，2010，25（11）：62-64.

[12]張曉燕.基于灰色預(yù)測(cè)模型的房地產(chǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警[J].財(cái)會(huì)月刊，2016（8）：53-54.

[13]宋銳林，崔曲.基于模糊-層次分析法的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)[J].中國集體經(jīng)濟(jì)，2011（31）：69-70.

[14]孫艷春，郭繼秋.基于多級(jí)模糊綜合評(píng)價(jià)法的房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警研究[J].企業(yè)經(jīng)濟(jì)，2012（8）：93-95.