房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估研究

齊 岳 蔣杉杉 宋瑩瑩

一、引 言

黨的十九大報(bào)告指出，“深化金融體制改革，增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)能力，健全金融發(fā)展體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線?！痹诜婪痘饨鹑陲L(fēng)險(xiǎn)的過(guò)程中，房地產(chǎn)行業(yè)起著十分重要的地位。房地產(chǎn)行業(yè)是中國(guó)國(guó)民經(jīng)濟(jì)里較為重要的一個(gè)產(chǎn)業(yè)，其持續(xù)發(fā)展對(duì)國(guó)民經(jīng)濟(jì)非常重要。2017 年，房地產(chǎn)銷售金額在我國(guó)GDP 中占比16.3%，但在金融支持實(shí)體經(jīng)濟(jì)發(fā)展的過(guò)程中也出現(xiàn)了創(chuàng)新過(guò)度、脫實(shí)向虛的問(wèn)題，例如社會(huì)大量資金流向房地產(chǎn)領(lǐng)域，造成房地產(chǎn)泡沫，推高了資產(chǎn)價(jià)格。

房地產(chǎn)行業(yè)的金融屬性很強(qiáng)，眾多監(jiān)管命令的頒布使得房地產(chǎn)行業(yè)融資渠道收緊，資金鏈緊張，房地產(chǎn)行業(yè)成為防控系統(tǒng)性金融風(fēng)險(xiǎn)下受影響程度較深的行業(yè)。2018 年金融業(yè)持續(xù)把防范化解系統(tǒng)性風(fēng)險(xiǎn)放在重要的位置，房地產(chǎn)企業(yè)要想在激烈的競(jìng)爭(zhēng)環(huán)境中生存下來(lái)，就需要保證自身財(cái)務(wù)安全性，因此研究房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)尤為重要。中國(guó)學(xué)者對(duì)上市房地產(chǎn)企業(yè)進(jìn)行研究時(shí)，對(duì)港股上市房地產(chǎn)企業(yè)的研究較少，如丁紅梅（2017）研究了我國(guó)在A 股與港股上市的房地產(chǎn)企業(yè)所面臨的風(fēng)險(xiǎn)，運(yùn)用統(tǒng)計(jì)分析的方法對(duì)影響房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的因素進(jìn)行系統(tǒng)性分析，概括性地提出了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。

本文選取我國(guó)港股上市房地產(chǎn)企業(yè)為研究對(duì)象有以下兩個(gè)主要原因。首先，港股與A 股的資本市場(chǎng)環(huán)境有著一定差異：港股市場(chǎng)成熟，境外投資者較多，投資理念、投資工具與投資手段均領(lǐng)先于國(guó)內(nèi)以散戶為主的A 股；且決定資本流向的資本敏感性也更強(qiáng)。所以在這樣的資本環(huán)境下，港股房地產(chǎn)企業(yè)要有優(yōu)異的業(yè)績(jī)作支撐才能更好地融資，提升企業(yè)價(jià)值；而在追求業(yè)績(jī)?cè)鲩L(zhǎng)的過(guò)程中，控制財(cái)務(wù)風(fēng)險(xiǎn)，保證企業(yè)正常運(yùn)營(yíng)是十分重要的一環(huán)。第二，相比于A股市場(chǎng)，港股與國(guó)際資本市場(chǎng)聯(lián)系更加密切。近三年以來(lái)，港股恒生指數(shù)隨美股DOWJONES 指數(shù)一路攀升，而反觀國(guó)內(nèi)滬深股市則較為低迷。美聯(lián)儲(chǔ)的不斷加息以及全球央行實(shí)行的更加緊縮的貨幣政策會(huì)使流向房地產(chǎn)的資金減少，同時(shí)我國(guó)房地產(chǎn)企業(yè)集中度進(jìn)一步加強(qiáng)，抗風(fēng)險(xiǎn)能力較弱的中小房地產(chǎn)企業(yè)更容易產(chǎn)生財(cái)務(wù)危機(jī)，所以應(yīng)更加注意防控自身財(cái)務(wù)風(fēng)險(xiǎn)，以尋求發(fā)展之路。

因此本文創(chuàng)新點(diǎn)在于針對(duì)目前港股上市的房地產(chǎn)企業(yè)，結(jié)合行業(yè)特性，采取基于因子分析的Z 值與Logistic 回歸分析模型構(gòu)建適合中國(guó)港股上市房地產(chǎn)企業(yè)的專有財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并確定企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的判斷標(biāo)準(zhǔn)，以準(zhǔn)確及時(shí)地識(shí)別房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，更好地防控系統(tǒng)性金融風(fēng)險(xiǎn)。全文研究框架如下圖1 所示。

圖1 研究主體框架

二、文獻(xiàn)綜述

（一）國(guó)外房地產(chǎn)企業(yè)財(cái)務(wù)相關(guān)研究

在最新管理學(xué)研究理論的基礎(chǔ)上，結(jié)合行業(yè)特性和所處市場(chǎng)環(huán)境，國(guó)外對(duì)于房地產(chǎn)企業(yè)與金融市場(chǎng)的研究體系愈加成熟與完善。Fan 等（2013）選取跨國(guó)數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)金融市場(chǎng)風(fēng)險(xiǎn)與房地產(chǎn)價(jià)格之間的關(guān)系非單調(diào)，而取決于市場(chǎng)的程度。Zhang 和Sun（2006）在1992 - 2004 年季度數(shù)據(jù)的計(jì)量經(jīng)濟(jì)分析的支持下得出當(dāng)期房地產(chǎn)周期對(duì)金融穩(wěn)定的影響包括房地產(chǎn)信貸風(fēng)險(xiǎn)、政府擔(dān)保和期限錯(cuò)配的結(jié)論。Liu（2009）考察了四種最常用的財(cái)務(wù)困境預(yù)測(cè)模型的預(yù)測(cè)能力，從而為臺(tái)灣的公共工業(yè)企業(yè)構(gòu)建了可靠的故障預(yù)測(cè)模型; 結(jié)果表明Probit，Logit 和ANN 模型具有較高的預(yù)測(cè)精度，具有泛化能力。

（二）國(guó)內(nèi)房地產(chǎn)企業(yè)財(cái)務(wù)相關(guān)研究

國(guó)內(nèi)學(xué)者對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究起步較晚，主要集中在財(cái)務(wù)風(fēng)險(xiǎn)定義、財(cái)務(wù)風(fēng)險(xiǎn)成因以及財(cái)務(wù)風(fēng)險(xiǎn)管理理論三方面。1996 年以來(lái)，我國(guó)不斷出現(xiàn)了以企業(yè)財(cái)務(wù)比率為基礎(chǔ)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，國(guó)內(nèi)學(xué)者最常采用的風(fēng)險(xiǎn)評(píng)估方法是因子分析法、Z值評(píng)估模型以及多元邏輯回歸模型。龍勝平和鄭立琴（2007）結(jié)合宏觀環(huán)境和房地產(chǎn)企業(yè)自身特性，分別構(gòu)建了Logistic 回歸評(píng)估模型、Z 值評(píng)估模型和Z-3 值評(píng)估模型，均取得很高的預(yù)測(cè)準(zhǔn)確率。 浦軍和劉娟（2009）運(yùn)用Logistic 回歸模型，采用傳統(tǒng)的財(cái)務(wù)指標(biāo)、公司治理結(jié)構(gòu)指標(biāo)和現(xiàn)金指標(biāo)，對(duì)2007年ST 公司進(jìn)行提前三至五年的財(cái)務(wù)困境預(yù)警研究，建立了相應(yīng)的財(cái)務(wù)危機(jī)預(yù)警模型，并使用2002～2004 年的數(shù)據(jù)進(jìn)行了驗(yàn)證，取得了令人滿意的效果。朱晨露和崔永紅（2012）對(duì)調(diào)控政策下的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)估研究，通過(guò)選取受調(diào)控政策影響較大的財(cái)務(wù)指標(biāo)構(gòu)建了財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并運(yùn)用主成分分析法和Logistic 回歸模型進(jìn)行實(shí)證分析，結(jié)果顯示流動(dòng)資金對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生具有重大影響。周梅妍（2012）對(duì)2006～2010年A 股上市的房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)進(jìn)行了研究，并分析了房地產(chǎn)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)因素；其次在選取財(cái)務(wù)和非財(cái)務(wù)指標(biāo)作為備選指標(biāo)，及進(jìn)行預(yù)處理和顯著性檢驗(yàn)后，運(yùn)用因子分析對(duì)指標(biāo)項(xiàng)進(jìn)行了降維處理，并采用BP—Adaboost 神經(jīng)網(wǎng)絡(luò)算法對(duì)房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了預(yù)測(cè)。丁紅梅（2017）研究了我國(guó)在A 股與港股上市的房地產(chǎn)企業(yè)所面臨的風(fēng)險(xiǎn)，運(yùn)用統(tǒng)計(jì)分析的方法對(duì)影響房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的因素進(jìn)行系統(tǒng)性分析，概括性地提出了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。

通過(guò)分析先前學(xué)者所做的關(guān)于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的相關(guān)研究發(fā)現(xiàn)，針對(duì)國(guó)內(nèi)滬深股市房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)模型已較為豐富。但在當(dāng)前港股與滬深股發(fā)展趨勢(shì)仍存在一定差距的情況下，要更好地控制我國(guó)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，則需要進(jìn)一步加強(qiáng)針對(duì)港股房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)模型研究。

三、財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建

（一）房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)分析

先前學(xué)者對(duì)于房地產(chǎn)財(cái)務(wù)風(fēng)險(xiǎn)的分析大多集中于房地產(chǎn)企業(yè)自身行業(yè)特點(diǎn)、資本結(jié)構(gòu)不合理與現(xiàn)金流不穩(wěn)定等方面。這樣的分析重點(diǎn)鮮明卻缺乏系統(tǒng)性，容易把房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)割裂開(kāi)來(lái)，從而忽視了作為一個(gè)常規(guī)企業(yè)所面臨的財(cái)務(wù)風(fēng)險(xiǎn)的一般性與系統(tǒng)性。本文對(duì)于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的劃分是基于一般公司財(cái)務(wù)管理循環(huán)的基礎(chǔ)上，考慮房地產(chǎn)行業(yè)特點(diǎn)而進(jìn)行的風(fēng)險(xiǎn)劃分。

對(duì)于任何一個(gè)企業(yè)而言，籌資、投資、營(yíng)運(yùn)與利潤(rùn)分配都是企業(yè)財(cái)務(wù)循環(huán)的核心，而財(cái)務(wù)風(fēng)險(xiǎn)往往也會(huì)出現(xiàn)在這些關(guān)鍵環(huán)節(jié)。對(duì)于房產(chǎn)行業(yè)而言，現(xiàn)金流是一個(gè)尤為重要的方面，由于受政策影響較大，房地產(chǎn)企業(yè)也要著重于現(xiàn)金流的回收環(huán)節(jié)。所以結(jié)合我國(guó)房地產(chǎn)企業(yè)經(jīng)營(yíng)活動(dòng)特性及行業(yè)現(xiàn)狀，本文將房地產(chǎn)財(cái)務(wù)風(fēng)險(xiǎn)分為籌資、投資、營(yíng)運(yùn)和現(xiàn)金回收風(fēng)險(xiǎn)四大類。

1、籌資風(fēng)險(xiǎn)

房地產(chǎn)企業(yè)發(fā)生籌資風(fēng)險(xiǎn)主要因?yàn)榛I資數(shù)額不合理和籌資渠道單一?；I集資金多余實(shí)際需要，就會(huì)造成資金的閑置；籌集資金太少，則會(huì)造成項(xiàng)目資金短缺甚至資金鏈斷裂。銀行借款仍然是房地產(chǎn)企業(yè)最常用也是占比最大的融資方式。隨著銀行對(duì)房地產(chǎn)融資的審核越來(lái)越嚴(yán)格，越來(lái)越多的房地產(chǎn)企業(yè)采取短期借款獲取資金，從而造成短債長(zhǎng)投的現(xiàn)象。

2、投資風(fēng)險(xiǎn)

房地產(chǎn)的投資風(fēng)險(xiǎn)主要是由于可行性分析不到位和投資成本預(yù)算不科學(xué)。大多數(shù)房地產(chǎn)企業(yè)采取的是定性分析方法而忽視了定量分析方法，從而導(dǎo)致可行性分析結(jié)果不夠科學(xué)準(zhǔn)確，增加了投資失敗的概率；房地產(chǎn)開(kāi)發(fā)周期長(zhǎng)會(huì)導(dǎo)致忽視通貨膨脹、利率變動(dòng)等因素對(duì)預(yù)算結(jié)果的影響，造成預(yù)算結(jié)果與實(shí)際發(fā)生費(fèi)用之間產(chǎn)生較大差距，最終造成投資風(fēng)險(xiǎn)產(chǎn)生。

3、營(yíng)運(yùn)風(fēng)險(xiǎn)

受到去庫(kù)存壓力以及預(yù)算管理意識(shí)淡薄的影響，房地產(chǎn)的營(yíng)運(yùn)風(fēng)險(xiǎn)主要是在項(xiàng)目開(kāi)發(fā)建設(shè)以及銷售過(guò)程中產(chǎn)生的。為加速去庫(kù)存，房地產(chǎn)企業(yè)經(jīng)常會(huì)增加營(yíng)銷費(fèi)用投入來(lái)刺激銷量。土地獲取成本，財(cái)務(wù)費(fèi)用以及管理費(fèi)用加上銷售費(fèi)用高居不下，導(dǎo)致投資項(xiàng)目整體成本增加，項(xiàng)目收益減少，從而導(dǎo)致企業(yè)凈利潤(rùn)減少。

4、現(xiàn)金回收風(fēng)險(xiǎn)

如果企業(yè)的產(chǎn)品不能及時(shí)銷售，或者商品售出后貨款不能及時(shí)收回，都會(huì)造成企業(yè)產(chǎn)生現(xiàn)金回收風(fēng)險(xiǎn)。一旦出現(xiàn)現(xiàn)金回收風(fēng)險(xiǎn)，就可能影響到現(xiàn)有投資項(xiàng)目的正常運(yùn)轉(zhuǎn)，甚至導(dǎo)致現(xiàn)有項(xiàng)目資金鏈斷裂，直接影響企業(yè)經(jīng)營(yíng)效益。

（二）財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型的選擇

綜合國(guó)內(nèi)外學(xué)者的研究，財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估方法從時(shí)間跨度上主要經(jīng)歷了一元判別法、Z-SCORE 模型分析、Logistic 回歸模型分析、BP 神經(jīng)網(wǎng)絡(luò)以及COX生存分析模型。本文將這幾種模型的基本假設(shè)及優(yōu)缺點(diǎn)概述如下:

表1 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型的比較

經(jīng)過(guò)參考文獻(xiàn)并結(jié)合房地產(chǎn)行業(yè)的特性，本文研究最終選擇了基于因子分析的Z 值評(píng)估模型和基于因子分析的Logistic 回歸模型。主要理由包括以下三點(diǎn)：其一，本文選取代表企業(yè)償債、營(yíng)運(yùn)、盈利、股票市場(chǎng)表現(xiàn)以及規(guī)模的共計(jì)23 個(gè)財(cái)務(wù)指標(biāo)，指標(biāo)數(shù)量眾多，引入因子分析既能夠最大限度的保留指標(biāo)所包含的信息，又能簡(jiǎn)化研究，達(dá)到數(shù)據(jù)降維的目的。其二，Logistic 回歸模型的因變量Y 屬于分類變量，本文研究企業(yè)是否存在財(cái)務(wù)危機(jī)，屬于二分類變量，符合Logistic 回歸模型的假設(shè)條件。其三，因子分析、Z 值分析以及Logistic 回歸模型是財(cái)務(wù)危機(jī)預(yù)警問(wèn)題研究的主流方法，相對(duì)其他模型來(lái)說(shuō)簡(jiǎn)單易操作，容易理解，適用性強(qiáng)。本文同時(shí)采取三種研究方法，有利于克服單個(gè)模型的限制。

本次研究對(duì)象為在香港上市的房地產(chǎn)企業(yè)，原因是相比于A 股市場(chǎng)，港股整體市場(chǎng)化程度更完善，與國(guó)際接軌程度較高，資本敏感性也更強(qiáng)；同時(shí)身在港股的房地產(chǎn)企業(yè)所處的資本環(huán)境更加嚴(yán)峻，也更容易發(fā)生財(cái)務(wù)危機(jī)。所以本文最終選擇港股上市房地產(chǎn)企業(yè)，以經(jīng)典評(píng)估模型即因子分析的Z 值與Logistic 回歸分析模型為依托，構(gòu)建適合中國(guó)港股上市房地產(chǎn)企業(yè)的專有財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并確定企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的判斷標(biāo)準(zhǔn)，以準(zhǔn)確及時(shí)地識(shí)別房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，更好地防控系統(tǒng)性金融風(fēng)險(xiǎn)。

（三）財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建

1、評(píng)估指標(biāo)的選取

財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型建立在財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的基礎(chǔ)上。評(píng)估指標(biāo)體系的建立必須要結(jié)合特定的市場(chǎng)環(huán)境和所研究行業(yè)的特點(diǎn)，這樣才能提升評(píng)估模型的準(zhǔn)確性和適用性。本文在建立財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系時(shí)遵守以下相關(guān)原則。

第一、行業(yè)性原則。本文在選取傳統(tǒng)財(cái)務(wù)指標(biāo)的基礎(chǔ)上，結(jié)合房地產(chǎn)行業(yè)特性及其集中化趨勢(shì)，特意將規(guī)模指標(biāo)納入指標(biāo)體系來(lái)衡量企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。第二、全面性原則。本文在選取反映企業(yè)償債、盈利、營(yíng)運(yùn)以及成長(zhǎng)能力的指標(biāo)基礎(chǔ)上，加入現(xiàn)金指標(biāo)、股票市場(chǎng)表現(xiàn)指標(biāo)以及規(guī)模指標(biāo)以構(gòu)建相對(duì)完整的指標(biāo)體系。第三、預(yù)測(cè)性原則。這就要求所選指標(biāo)對(duì)于企業(yè)及行業(yè)環(huán)境具有較高的靈敏性，在選取指標(biāo)時(shí)要盡量選擇與行業(yè)緊密聯(lián)系的先導(dǎo)性評(píng)估指標(biāo)。第四、可操作原則。財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)的構(gòu)建是為了反映房地產(chǎn)企業(yè)的財(cái)務(wù)狀況，所以可操作性原則要求研究數(shù)據(jù)可獲取，研究方法具備適用性。

綜合我國(guó)房地產(chǎn)企業(yè)特性和金融監(jiān)管趨嚴(yán)的背景，本文選取了七個(gè)指標(biāo)類別，共23 個(gè)財(cái)務(wù)指標(biāo)組成風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，如表2 所示。償債能力、營(yíng)運(yùn)能力、盈利能力與成長(zhǎng)能力是評(píng)估一般企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的基本指標(biāo)，當(dāng)然也適用于房地產(chǎn)企業(yè)。除此之外，本文選取了主營(yíng)業(yè)務(wù)收入現(xiàn)金比率、債務(wù)保障率以及現(xiàn)金流量比率來(lái)反映企業(yè)現(xiàn)金流量質(zhì)量，指標(biāo)數(shù)值越大，說(shuō)明企業(yè)現(xiàn)金流量情況越好，財(cái)務(wù)風(fēng)險(xiǎn)越小。同時(shí)，本文也考慮了股票市場(chǎng)表現(xiàn)指標(biāo)，選取市盈率、市凈率以及市銷率來(lái)反映企業(yè)在股票市場(chǎng)上的表現(xiàn)。最后，由于房地產(chǎn)行業(yè)的集中度趨勢(shì)，導(dǎo)致眾多小規(guī)模的房企面臨著融資渠道收窄，投資受阻甚至被兼并的風(fēng)險(xiǎn)。本文特意加入反映企業(yè)規(guī)模的指標(biāo)，所采取的處理方法就是對(duì)上市房地產(chǎn)企業(yè)的總資產(chǎn)取對(duì)數(shù)。房地產(chǎn)行業(yè)的規(guī)模優(yōu)勢(shì)越來(lái)越明顯，規(guī)模越大，生存能力越強(qiáng)，生存環(huán)境越有利，財(cái)務(wù)風(fēng)險(xiǎn)越小。

表2 房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系表

2、財(cái)務(wù)指標(biāo)及判斷標(biāo)準(zhǔn)的選取

之前學(xué)者在對(duì)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)估時(shí)，從眾多財(cái)務(wù)指標(biāo)中選取出比較具有代表性的四個(gè)指標(biāo)，以速動(dòng)比率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率和主營(yíng)業(yè)務(wù)收入增長(zhǎng)率四個(gè)指標(biāo)的中位數(shù)作為財(cái)務(wù)風(fēng)險(xiǎn)判斷標(biāo)準(zhǔn)，認(rèn)為當(dāng)四個(gè)指標(biāo)中有三個(gè)指標(biāo)低于行業(yè)中位數(shù)時(shí)即判定企業(yè)為財(cái)務(wù)非健康企業(yè)。為提升研究的準(zhǔn)確性及科學(xué)性，本文加入滬深A(yù) 股市場(chǎng)判定企業(yè)是否存在財(cái)務(wù)危機(jī)的凈利潤(rùn)指標(biāo)作為補(bǔ)充指標(biāo)，共五個(gè)財(cái)務(wù)指標(biāo)作為判斷標(biāo)準(zhǔn)。

收集整理2014-2016 年度港股上市房地產(chǎn)企業(yè)公布財(cái)務(wù)報(bào)表中的財(cái)務(wù)數(shù)據(jù)，通過(guò)統(tǒng)計(jì)性描述得了到四個(gè)指標(biāo)的中位數(shù)分別為速動(dòng)比率為0.62，凈資產(chǎn)收益率為6.56%，總資產(chǎn)周轉(zhuǎn)率為0.16，主營(yíng)業(yè)務(wù)收入增長(zhǎng)率為13.26%。

健康的企業(yè)速動(dòng)比率通常大于1，港股房地產(chǎn)行業(yè)的速動(dòng)比率中位數(shù)為0.62，表明港股房地產(chǎn)行業(yè)整體償債能力較弱，所以速動(dòng)比率小于0.62 的企業(yè)可能有償債風(fēng)險(xiǎn)。如果房地產(chǎn)企業(yè)的凈資產(chǎn)收益率低于其中位數(shù)6.56%，則可能存在盈利風(fēng)險(xiǎn)。與其他行業(yè)相比，房地產(chǎn)行業(yè)的總資產(chǎn)周轉(zhuǎn)率處于較低水平，如果企業(yè)總資產(chǎn)周轉(zhuǎn)率小于0.16 就可能存在營(yíng)運(yùn)風(fēng)險(xiǎn)。據(jù)統(tǒng)計(jì)，港股房地產(chǎn)企業(yè)的主營(yíng)業(yè)務(wù)收入在近年來(lái)呈現(xiàn)增長(zhǎng)趨勢(shì)，因此，主營(yíng)業(yè)務(wù)收入增長(zhǎng)率低于行業(yè)中位數(shù)13.26% 的房地產(chǎn)企業(yè)可以判斷為成長(zhǎng)能力較差。綜上，本文設(shè)立房地產(chǎn)上市公司為財(cái)務(wù)非健康企業(yè)的判斷標(biāo)準(zhǔn)為：四個(gè)判斷財(cái)務(wù)指標(biāo)中至少有三個(gè)判斷指標(biāo)低于其行業(yè)中位數(shù)，如表3所示。

表3 房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)判別表

證監(jiān)會(huì)規(guī)定A 股上市公司在連續(xù)的兩個(gè)會(huì)計(jì)年度內(nèi)均發(fā)生虧損，認(rèn)定該公司財(cái)務(wù)情況異常。雖然H 股和滬深A(yù) 股房地產(chǎn)企業(yè)上市地點(diǎn)和環(huán)境不一樣，但均屬于中國(guó)房地產(chǎn)企業(yè)，其經(jīng)營(yíng)環(huán)境和采用的會(huì)計(jì)準(zhǔn)則都是一樣的，所以本文認(rèn)為利用凈利潤(rùn)判斷滬深A(yù) 股企業(yè)是否陷入財(cái)務(wù)危機(jī)的方法同樣適用于港股上市房地產(chǎn)企業(yè)。因此，針對(duì)本文研究的房地產(chǎn)企業(yè)，判斷2015-2016 連續(xù)兩年凈利潤(rùn)為負(fù)數(shù)的企業(yè)為財(cái)務(wù)非健康企業(yè)。綜合上述兩種判斷標(biāo)準(zhǔn)，本文找到港股一共有146 家房地產(chǎn)上市公司，剔除已退市以及數(shù)據(jù)嚴(yán)重缺失的16 家公司以及2013 年以后上市的37 家公司，最終選定2014 年以后在港股上市的93 家房地產(chǎn)上市公司。根據(jù)五個(gè)判斷指標(biāo)共篩選出32 家財(cái)務(wù)非健康企業(yè)，如表4 所示：

表4 非正常房地產(chǎn)上市公司財(cái)務(wù)狀況表

四、基于因子分析的Z 值與Logistic回歸實(shí)證分析

（一）財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)的處理

1、評(píng)估指標(biāo)的正態(tài)檢驗(yàn)

在眾多的正態(tài)檢驗(yàn)方法中，本文選擇了非參數(shù)檢驗(yàn)的K-S（全稱為Kolmogorov-Smirnov）檢驗(yàn)。K-S檢驗(yàn)原假設(shè)：被檢驗(yàn)樣本的分布和正態(tài)分布之間不存在顯著性差異。如果檢驗(yàn)結(jié)果顯示雙側(cè)漸進(jìn)概率高于設(shè)定的顯著性水平，則認(rèn)為原假設(shè)是正確的，否則認(rèn)為樣本不是正態(tài)分布。

下面運(yùn)用SPSS 分析軟件對(duì)23 個(gè)指標(biāo)進(jìn)行顯著性水平為5%的K-S 檢驗(yàn)，結(jié)果如下表所示：

表5 K-S 檢驗(yàn)結(jié)果表

由分析結(jié)果得出，存貨周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率以及公司規(guī)模四個(gè)指標(biāo)符合正態(tài)分布，可以直接用作Z 值分析；其他指標(biāo)不符合正態(tài)分布，需要進(jìn)行進(jìn)一步檢驗(yàn)。

2、評(píng)估指標(biāo)的顯著性檢驗(yàn)

顯著性檢驗(yàn)是探究?jī)蓚€(gè)總體之間是否產(chǎn)生真實(shí)差異，還是偶然出現(xiàn)?；谏衔腒-S 檢驗(yàn)的結(jié)果，接下來(lái)將對(duì)通過(guò)K-S 正態(tài)性檢驗(yàn)的四個(gè)評(píng)估指標(biāo)應(yīng)用獨(dú)立兩樣本的T 檢驗(yàn)，而對(duì)其余19 個(gè)評(píng)估指標(biāo)采用非參數(shù)檢驗(yàn)。

（1）評(píng)估指標(biāo)的T 檢驗(yàn)

本文將財(cái)務(wù)健康企業(yè)和財(cái)務(wù)非健康企業(yè)作為獨(dú)立的兩樣本接受T 檢驗(yàn)。通過(guò)檢驗(yàn)兩組樣本指標(biāo)均值是否相同來(lái)判斷其在兩樣本組中是否存在顯著性差異。計(jì)算得到的顯著性水平sig 數(shù)值如果大于給定的顯著性水平a，則認(rèn)為原假設(shè)是成立的，兩獨(dú)立樣本均值相同；反之則拒絕原假設(shè)，認(rèn)為這兩個(gè)獨(dú)立樣本之間均值不同，存在顯著性差異。本文給定的顯著性水平a 為0.05。

本文利用SPSS 統(tǒng)計(jì)軟件對(duì)X5（存貨周轉(zhuǎn)率）、X6（流動(dòng)資產(chǎn)周轉(zhuǎn)率）、X8（總資產(chǎn)周轉(zhuǎn)率）以及X23（公司規(guī)模）4 個(gè)指標(biāo)的T 檢驗(yàn)結(jié)果如表6所示。

表6 兩獨(dú)立樣本T 檢驗(yàn)結(jié)果

從上表可以看出，四個(gè)指標(biāo)均通過(guò)了T 檢驗(yàn)，表明四個(gè)指標(biāo)在財(cái)務(wù)健康企業(yè)和財(cái)務(wù)非健康企業(yè)這兩個(gè)獨(dú)立樣本之間有顯著性差異，可以納入評(píng)估體系進(jìn)行下一步實(shí)證分析。

（2）評(píng)估指標(biāo)的非參數(shù)檢驗(yàn)

本文對(duì)沒(méi)有通過(guò)K-S 正態(tài)分布檢驗(yàn)的19 個(gè)評(píng)估指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。綜合比較多種非參數(shù)檢驗(yàn)的辦法，本文最終選定了國(guó)內(nèi)外學(xué)者廣泛使用的獨(dú)立兩樣本Mann-Whitney U 檢驗(yàn)法，檢驗(yàn)19 個(gè)評(píng)估指標(biāo)在財(cái)務(wù)健康企業(yè)和財(cái)務(wù)非健康企業(yè)間是否存在顯著性差異。

原假設(shè)為評(píng)估指標(biāo)變量在財(cái)務(wù)健康企業(yè)與財(cái)務(wù)非健康企業(yè)之間不存在顯著性差異，設(shè)定顯著性水平為0.05。通過(guò)SPSS 數(shù)據(jù)分析軟件計(jì)算，19 個(gè)評(píng)估指標(biāo)進(jìn)行顯著性檢驗(yàn)的最終結(jié)果如表7 所示。

表7 非參數(shù)Mann-Whitney U 檢驗(yàn)

數(shù)據(jù)來(lái)源： SPSS 統(tǒng)計(jì)分析軟件。

未通過(guò)K-S 檢驗(yàn)的19 個(gè)評(píng)估指標(biāo)均通過(guò)了顯著性檢驗(yàn)，應(yīng)納入評(píng)估指標(biāo)體系。但考慮到，有些指標(biāo)反映的是企業(yè)同一方面的能力，具有較大相關(guān)性。本文將23 個(gè)指標(biāo)簡(jiǎn)化成具有代表性的因子，既能最大限度保留指標(biāo)所反映的信息，又能簡(jiǎn)化研究。

（二）因子分析

1、原始數(shù)據(jù)檢驗(yàn)

（一）指標(biāo)體系 《普通高等學(xué)校黨建工作基本標(biāo)準(zhǔn)》將高校黨建工作分為黨委對(duì)學(xué)校工作的領(lǐng)導(dǎo)、領(lǐng)導(dǎo)班子建設(shè)等6個(gè)方面。《中國(guó)共產(chǎn)黨普通高?；鶎咏M織工作條例》、《中共教育部黨組關(guān)于加強(qiáng)普通高等學(xué)校基層黨組織建設(shè)的意見(jiàn)》等文件也對(duì)高校黨建工作進(jìn)行了劃分。本項(xiàng)目組主要依托上述文件設(shè)計(jì)指標(biāo)體系，但是由于本項(xiàng)目主要考察院系級(jí)別的基層黨組織，所以涉及整個(gè)高校層面的指標(biāo)不予考慮。小組設(shè)計(jì)了以制度保障、組織建設(shè)、作用發(fā)揮、作風(fēng)建設(shè)及反腐倡廉、思想政治工作和黨的領(lǐng)導(dǎo)6個(gè)一級(jí)指標(biāo)，下含27個(gè)二級(jí)指標(biāo)，詳見(jiàn)表1。

本文將港股房地產(chǎn)上市公司2014-2016 年度財(cái)務(wù)指標(biāo)作為模型的初始變量，通過(guò)因子分析對(duì)23個(gè)指標(biāo)進(jìn)行簡(jiǎn)化，以達(dá)到降低數(shù)據(jù)維度、簡(jiǎn)化研究的目的。因子分析首先要進(jìn)行 KMO 統(tǒng)計(jì)量和Bartlett 球形檢驗(yàn)，來(lái)判斷數(shù)據(jù)之間是否有共線性，從而判斷樣本是否適合做因子分析。

檢驗(yàn)結(jié)果如表8 所示，KMO 值為0.725＞0.6 ，Bartlett 球形檢驗(yàn)的sig 值為0.00，小于顯著性水平0.05，因此可以判定本文評(píng)估模型指標(biāo)體系適合進(jìn)行因子分析。

表8 KMO 和Bartlett 球形檢驗(yàn)結(jié)果

2、因子提取

本文采用主成分方法提取因子，提取出特征值大于1 的因子。使用SPSS 軟件得到的因子及其方差貢獻(xiàn)率結(jié)果發(fā)現(xiàn)，特征值大于1 的因子共有9 個(gè)。提取的九個(gè)公共因子的累計(jì)方差貢獻(xiàn)率為77.6%，且原有因子的提取和累計(jì)方差貢獻(xiàn)率在因子旋轉(zhuǎn)后沒(méi)有發(fā)生改變。

3、因子旋轉(zhuǎn)

通常情況下，在計(jì)算因子得分前要進(jìn)行因子旋轉(zhuǎn)。這是因?yàn)槌跏家蜃虞d荷矩陣系數(shù)可能不是太明顯，其顯示的邏輯意義也不明確，為了使因子載荷系數(shù)向0 或1 分化，本文采用方差最大法進(jìn)行因子旋轉(zhuǎn)，旋轉(zhuǎn)后得出因子載荷矩陣。因子的方差貢獻(xiàn)率越大，其能反映整體變量的信息越多，對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估的影響程度越大，對(duì)于企業(yè)來(lái)說(shuō)就越重要。九個(gè)因子按照公共因子的方差貢獻(xiàn)率進(jìn)行排序，如表9 所示。

表9 各因子包含指標(biāo)情況表

4、因子得分

因子分析是將眾多原始變量表示成被提取的少量因子的線性組合。但是，在實(shí)際研究中，將公共因子表示成原始變量的線性組合更有助于描述研究樣本的特征。所以，在本文中采取反方向辦法，用被提取的公共因子替代初始變量。利用因子分析中的回歸分析法，得到因子得分系數(shù)表，進(jìn)而得到公共因子得分模型：

（三）Z 值與Logistic 回歸評(píng)估模型分析

通過(guò)以上的實(shí)證分析提取了9 個(gè)主成分因子，再根據(jù)主成分特征值與貢獻(xiàn)率中各個(gè)主成分因子的貢獻(xiàn)率，將主成分因子與其各自的貢獻(xiàn)率相乘，就得到了基于因子分析的Z 值評(píng)估模型：

將樣本組中的93 家房地產(chǎn)類上市公司的各項(xiàng)指標(biāo)代入上述公式，計(jì)算各家上市公司的綜合分?jǐn)?shù)，并將綜合分?jǐn)?shù)進(jìn)行分類匯總?cè)绫?0 所示。

表10 Z 值分布表

通過(guò)上述反復(fù)對(duì)比分析，本文認(rèn)為把Z 值預(yù)警模型的臨界值定為1 較為理想，如表11 所示，臨界值為1 時(shí)財(cái)務(wù)健康企業(yè)預(yù)測(cè)率為80.3%，財(cái)務(wù)非健康企業(yè)為75%，總預(yù)測(cè)率為78.5%，未被成功預(yù)測(cè)的企業(yè)共有22 家。

表11 Z 值預(yù)測(cè)表

Z 值評(píng)估模型是多元線性評(píng)估模型，1968 年學(xué)者Altman 首先提出Z 分?jǐn)?shù)模型并不斷進(jìn)行改善，通過(guò)大量數(shù)據(jù)樣本研究得到Z 值預(yù)警區(qū)間，這使得Z值評(píng)估模型具有很強(qiáng)的應(yīng)用性。本文所建立的基于因子分析的Z 值實(shí)證研究取得了較為滿意的預(yù)測(cè)精確度，所以使用者可以直接將數(shù)據(jù)代入評(píng)估模型從而得到結(jié)果，簡(jiǎn)單易操作。

2、基于因子分析的Logistic 回歸分析

（1）變量選擇及擬合度檢驗(yàn)

本文對(duì)模型進(jìn)行擬合度檢驗(yàn)采取的是經(jīng)典的Hosmer 和Lemeshow 檢驗(yàn)。若sig＞0.05，卡方值小于臨界值CHIINV（顯著性水平，自由度），說(shuō)明模型擬合效果很好。從表12 看出，模型的P（sig）值0.512＞0.05，而且CHIINV（0.05,9）=16.92＞7.227（卡方），這說(shuō)明該模型能夠很好地?cái)M合整體。

表12 Hosmer 和Lemeshow 檢驗(yàn)表

（2）Logistic 回歸評(píng)估模型的構(gòu)建

經(jīng)過(guò)擬合度檢驗(yàn)之后，運(yùn)用SPSS 數(shù)據(jù)分析軟件進(jìn)行Logistic 回歸分析，取得最后的模型統(tǒng)計(jì)量，從而得到財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型概率P 的表達(dá)式。當(dāng)P大于0.5 時(shí)，Y 值取1，表示企業(yè)有較大可能會(huì)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)；當(dāng)P 小于0.5 時(shí)，Y 值取0，表示企業(yè)在研究期間沒(méi)有財(cái)務(wù)風(fēng)險(xiǎn)。

從上述Logistic 回歸評(píng)估模型可知，九個(gè)因子變量的回歸系數(shù)均為負(fù)數(shù)，代表變量與財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生概率反向變化。償債因子指標(biāo)經(jīng)過(guò)取倒數(shù)同向處理后，其回歸系數(shù)為負(fù)數(shù)，說(shuō)明當(dāng)償債原指標(biāo)與財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生概率為同向變化。綜上，評(píng)估模型中全部變量系數(shù)的符號(hào)和理論相符。

（3）最優(yōu)閾值的確定

結(jié)合總誤判率和總誤判成本，本文采用嘗試比較的方法選擇最優(yōu)閾值。利用2016 年的數(shù)據(jù)，將閾值分為0.1-0.9 共9 個(gè)閾值點(diǎn)來(lái)分析不同閾值點(diǎn)之間Logistic 回歸模型結(jié)果的變化，具體變化見(jiàn)表13所示。

表13 不同閾值誤判率統(tǒng)計(jì)

表13 中，總誤判率最低的閾值點(diǎn)是0.4、0.5 和0.6 三個(gè)閾值點(diǎn)，均為15.1%。但以0.4 作為閾值點(diǎn)的第一類誤判率為21.9%，小于以0.5 和0.6 作為閾值點(diǎn)的誤判率，誤判成本最小。因此本文所建立的Logistic 回歸預(yù)警模型將以0.4 作為最優(yōu)閾值點(diǎn)。

利用SPSS 統(tǒng)計(jì)軟件，將指標(biāo)數(shù)據(jù)代入所建立的Logistic 回歸評(píng)估模型中進(jìn)行實(shí)證分析，輸出的預(yù)測(cè)分類表14 顯示模型的預(yù)測(cè)精度整體為84.9%，財(cái)務(wù)健康企業(yè)的預(yù)測(cè)準(zhǔn)確率為88.5%；對(duì)于財(cái)務(wù)非健康企業(yè)的預(yù)測(cè)精度較低，為78.1%。未能成功預(yù)測(cè)的企業(yè)共有14 家。相比其他以Logistic 作為回歸的財(cái)務(wù)預(yù)警模型，如田寶新和王建瓊（2017）以滬深A(yù)股上市公司為研究對(duì)象所構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，其Logistics 回歸預(yù)警準(zhǔn)確率最高達(dá)到79.4%；本文以0.4 作為最優(yōu)閾值點(diǎn)，所構(gòu)建的港股房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型在基于因子分析的Logistic 回歸分析中達(dá)到了更高的精確率，對(duì)于健康企業(yè)的預(yù)測(cè)準(zhǔn)確度更是達(dá)到了88.5%。

本文基于對(duì)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的科學(xué)劃分、財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型的適當(dāng)選擇與針對(duì)港股房地產(chǎn)企業(yè)進(jìn)行的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型指標(biāo)體系構(gòu)建的合理性，才能在基于因子分析的Z 值與Logistic 回歸實(shí)證分析中取得較高的精確率，同時(shí)也說(shuō)明本文針對(duì)港股房地產(chǎn)企業(yè)所構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型具有較強(qiáng)的指導(dǎo)意義。

表14 最終預(yù)測(cè)分類表

3、Z 值和Logistic 回歸評(píng)估模型的比較分析

本文通過(guò)同樣的樣本數(shù)據(jù)建立了針對(duì)港股房地產(chǎn)上市公司的兩種財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，并均取得了較好的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)效果。從本文兩種模型最終顯示的預(yù)測(cè)準(zhǔn)確率來(lái)看，Z 值財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型財(cái)務(wù)健康企業(yè)預(yù)測(cè)率為80.3%，財(cái)務(wù)非健康企業(yè)為75%，總的預(yù)測(cè)率為78.49%。Logistic 回歸評(píng)估模型對(duì)樣本評(píng)估的綜合準(zhǔn)確率達(dá)到了84.9%，其中對(duì)財(cái)務(wù)健康企業(yè)的評(píng)估準(zhǔn)確率為88.5%，對(duì)財(cái)務(wù)非健康企業(yè)的評(píng)估判斷率為78.1%。綜合兩種評(píng)估模型研究，本文認(rèn)為在評(píng)估港股上市房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)Logistic 回歸評(píng)估模型優(yōu)于Z 值財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型。且采用基于因子分析的Z 值與Logistic 回歸實(shí)證分析研究港股上市房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)具有較強(qiáng)的現(xiàn)實(shí)意義，研究方法容易理解、研究過(guò)程容易操作、研究結(jié)果淺顯易懂，可以為企業(yè)判斷財(cái)務(wù)風(fēng)險(xiǎn)提供很好的參考。

五、結(jié)論與展望

（一）研究結(jié)論

本文在參考國(guó)內(nèi)外學(xué)者大量研究的基礎(chǔ)上，結(jié)合港股上市房地產(chǎn)企業(yè)的特性，將其在2014-2016三個(gè)年度的23 個(gè)財(cái)務(wù)指標(biāo)代入構(gòu)建了基于因子分析的Z 值評(píng)估模型與Logistic 回歸評(píng)估模型中，最終得到的研究結(jié)論有：

（1）以速動(dòng)比率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率以及主營(yíng)業(yè)務(wù)收入增長(zhǎng)率四個(gè)財(cái)務(wù)指標(biāo)為判斷指標(biāo)，創(chuàng)新性地補(bǔ)充凈利潤(rùn)判別法。

（2）選取代表企業(yè)償債、營(yíng)運(yùn)、盈利、成長(zhǎng)、現(xiàn)金流量質(zhì)量、股票市場(chǎng)表現(xiàn)能力以及企業(yè)規(guī)模七個(gè)方面共23 個(gè)財(cái)務(wù)指標(biāo)，通過(guò)因子分析最終得到九個(gè)公共因子，被提取的九個(gè)公共因子對(duì)整體指標(biāo)的解釋程度高達(dá)77.6%。通過(guò)因子分析提取的九個(gè)公共因子進(jìn)行基于因子分析的Z 值實(shí)證分析以及基于因子分析的Logistic 回歸分析，分別得到兩種評(píng)估模型。

（3）通過(guò)將93 家企業(yè)的財(cái)務(wù)數(shù)據(jù)代入上述兩種財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，得到兩種評(píng)估模型的預(yù)測(cè)準(zhǔn)確率。

綜合來(lái)看，Logistic 回歸評(píng)估模型的綜合預(yù)測(cè)準(zhǔn)確率高于Z 值財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，更適用于港股上市房地產(chǎn)企業(yè)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估研究。

（二）展望

本文雖對(duì)港股上市房地產(chǎn)企業(yè)創(chuàng)新性地提出了預(yù)測(cè)準(zhǔn)確率較高的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，但仍存在很多不足之處需要加以改進(jìn)。第一，本文在構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估體系時(shí)，考慮到非財(cái)務(wù)指標(biāo)難以直接量化處理，因此全部采用的是財(cái)務(wù)指標(biāo)而沒(méi)有采用非財(cái)務(wù)指標(biāo)。第二，本文研究港股上市房地產(chǎn)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)只采用了房地產(chǎn)行業(yè)的微觀數(shù)據(jù)。第三，本文在進(jìn)行港股上市房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型時(shí)采取的是經(jīng)典的因子分析法、Z 值模型以及Logistic 回歸模型，雖然本文將三種評(píng)估模型有機(jī)結(jié)合在一起，提升了研究的科學(xué)性和準(zhǔn)確性，但仍然還有許多評(píng)估模型值得我們?nèi)ヌ接?，例如近年?lái)學(xué)者采用的功效系數(shù)法等。

本文針對(duì)中國(guó)在港股上市的房地產(chǎn)企業(yè)構(gòu)建了財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，且在實(shí)證檢驗(yàn)中取得了較高的精確率，所以在實(shí)際中，港股上市的房地產(chǎn)企業(yè)可將自身財(cái)務(wù)數(shù)據(jù)直接帶入到本文所構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型當(dāng)中，操作簡(jiǎn)單易行。這使得港股上市房地產(chǎn)企業(yè)能夠及時(shí)準(zhǔn)確地識(shí)別自身財(cái)務(wù)風(fēng)險(xiǎn)，進(jìn)而防控系統(tǒng)性金融風(fēng)險(xiǎn)。