基于Logistic 模型的房地產上市公司財務預警

張 靜

(上海工程技術大學 管理學院,上海 200336)

一、引言

房地產經濟是我國國民經濟增長的主要來源之一,為我國經濟快速增長貢獻了重要的力量。但是我國房地產行業(yè)起步稍晚,管理還不是很健全。開發(fā)失控、管理無序等多種原因導致房地產行業(yè)極易陷入財務危機。房地產行業(yè)的可持續(xù)發(fā)展需要我們健全相關法規(guī),也需要我們重視行業(yè)內部的財務問題,以防范財務風險的發(fā)生。

傳統(tǒng)的財務危機預警評價方法包括財務報表分析法、財務比率分析法和單變量分析法。但是由于財務報表本身存在信息滯后、易被操控等問題,使得傳統(tǒng)的財務危機預警評價方法存在一定的缺陷[1]。Fitzpatrick(1932)[2]提出單變量分析模型,誤判率較高。Altman 設計了Z Score 模型,甄選多個財務指標進行加權匯總,用多元線性的形式構建財務預警系統(tǒng),誤判率有所降低[3]。周首華設計了F 分數預測模型,綜合考慮了我國上市公司財務的特殊性,引入了現金流量指標,大大提高了預測精確度[4]。但多元線性模型條件苛刻,要求自變量呈正態(tài)分布且變量之間完全獨立,而實際數據往往很難滿足條件。Ohlson 首次將Logistic 模型應用于財務預警中,提高了模型預測準確性[5]。

Logistic 模型是國內研究財務預警問題普遍采用的模型,操作簡便,且對數據沒有過高要求,同時對于公司財務風險具有良好的預測效果[6]。本文運用Logistic 模型,以房地產行業(yè)T-3 年財務數據為研究對象,利用SPSS 22 進行數據處理和模型建立,有助于我國房地產行業(yè)及時規(guī)避風險,也為風險投資及利益相關者的投資活動提供了參考資料。

二、研究設計

(一)樣本選取

為確保數據的真實可靠,本文以我國房地產上市公司作為樣本進行分析。數據來源于同花順數據庫。主要依據滬深兩證券交易所應對“異常狀況”上市公司采取的股票特別處理情況,將被ST 的房地產企業(yè)認定為財務危機企業(yè),非ST 企業(yè)認定為財務良好企業(yè)。選取6 家財務危機企業(yè),根據可比性原則,以公司規(guī)模相似為條件匹配了27 家財務良好企業(yè)。設公司首次被ST 為T 年,由于被證監(jiān)會認定為財務狀況異常的條件為連續(xù)虧損兩年,故本文樣本研究期為T-3 年。本文所選公司樣本如表1 所示。

表1 建模企業(yè)代碼及名稱表

(二)指標建立

在已有研究基礎上[7-9],結合我國房地產行業(yè)的實際情況,本文從償債能力、營運能力、盈利能力、發(fā)展能力、每股指標、現金流量狀況7 個維度初選了26 個財務指標和2 個非財務指標,如表2所示。

表2 初選指標表

(三)模型介紹

Logistic 回歸方法是解決多變量0～1 回歸問題的有效方法之一,對數據沒有過多要求,操作簡便,是財務預警領域比較常用的模型,預測效果良好[1]。在財務預警中,將P(Y=1)= p 定義為財務危機企業(yè),P(Y=0)=1-p 定義為財務良好企業(yè),模型基本形式為:

其中,z=β0+β1X1+β2X2+β3X3+…βnXn+ε.

Xn 表示導致公司發(fā)生財務危機的各個變量值,本文以0.8 為分界變量,即P≥0.8,判定企業(yè)發(fā)生財務危機;P＜0.8,判定企業(yè)財務良好。

三、實證研究

(一)正態(tài)性檢驗

對上文所選取的28 個指標進行正態(tài)性檢驗,以找出能顯著區(qū)分財務危機公司與財務良好公司的指標。本文采用K-S 方法對數據進行正態(tài)性檢驗,檢驗結果如表3 所示。

表3 單樣本 Kolmogorov-Smirnov 檢驗

由表3 可知,在0.05 的顯著性水平下,所選的28 個指標中,X4 資產負債率、X20 每股凈資產、X22 現金流量比率、X23 全部資產現金回報率4 個指標的雙側漸進顯著性水平大于0.05,服從正態(tài)分布。其余24 個指標不服從正態(tài)分布。對服從正太分布的4 個指標進行獨立樣本T 檢驗,對不服從正態(tài)分布的24 個指標進行兩獨立樣本非參數檢驗。

(二)獨立樣本T 檢驗

對呈正態(tài)分布的指標進行以5%未顯著性水平的獨立樣本T 檢驗,根據檢驗結果判斷兩樣本是否具有顯著差異[10]。檢驗結果如表4 所示。在顯著性水平為0.05 的水平下,4 個指標均未通過檢驗。

表4 獨立樣本T 檢驗

(三)兩獨立樣本非參數檢驗

不服從正態(tài)分布的24 個指標進行兩獨立樣本非參數檢驗,本文采用Mann-Whitney U 檢驗法進行顯著性檢驗,以5%為顯著性水平,檢驗結果如表5所示。

表5 Mann-Whitney U 非參數檢驗

在顯著性水平為5%的情況下,共有9 個指標通過了顯著性檢驗,分別為X5 應收賬款周轉率、X8固定資產周轉率、X10 總資產報酬率、X11 總資產凈利率、X12 加權凈資產收益率、X13 銷售毛利率、X14 銷售凈利率、X16 總資產同比增長率、X19 每股收益。

(四)Spearman 相關性分析

最終確定了9 個指標中有5 個指標類別為盈利能力類別,有較強的相關性。指標過多不利于模型的構建,同時也影響模型的實用性和操作性。為保證模型預測的準確率,本文將對盈利能力類別下的X10 總資產報酬率、X11 總資產凈利率、X12 加權凈資產收益率、X13 銷售毛利率、X14 銷售凈利率5個指標進行相關性分析。由于這5 個指標不符合正態(tài)分布,故選用Spearman 相關分析法[11],分析結果如表6 所示。

表6 盈利能力指標Pearson 相關性分析

根據相關性分析結果可知,X10 總資產報酬率、X12 加權凈資產收益率與X11 總資產凈利率高度相關。綜合考慮,剔除X10 總資產報酬率、X12加權凈資產收益率2 個指標。

最終確定的7 個指標如表7 所示。

表7 最終確定的8 個指標

綜合分析企業(yè)財務指標顯著性檢驗的顯示結果可知,償債能力指標、現金流量指標都沒有通過顯著性檢驗。由此可知,在本文的研究數據中,償債能力指標和現金流量的指標對房地產上市公司財務預警效果不顯著。

(五)Logistic 模型構建

本文運用SPSS 22 軟件對上述篩選的指標進行模型構建,對于財務危機企業(yè),Y 取1,否則,Y 取0。設置臨界值為0.8,經過4 次迭代,最終Logistic 回歸模型的統(tǒng)計量如表8 所示。

表8 Logistic 模型回歸參數

由表8 運行結果可建立預警模型:

其中,

P 的范圍為[0,1],數值越大,表示發(fā)生財務危機的可能性越高。 P＞0.80 時,企業(yè)將很可能發(fā)生財務危機,P＜0.80 的時候,企業(yè)未來發(fā)生的財務危機可能性較小。

(六)模型的檢驗

對構建的Logistic 模型進行檢驗,檢驗結果如表9 所示。從檢驗結果可以看出,本文所構建的模型預測正確率為100%。但由于樣本量不足,不排除預測準確率偏高的可能性。

表9 預測準確率

分界值為0.8

四、結論

本文根據我國房地產上市公司的實際情況,從7 個維度初選了28 個預警指標,以T-3 的財務狀況為研究期。利用SPSS 對初選指標進行正態(tài)性檢驗、獨立樣本T 檢驗、兩獨立樣本非參數檢驗及相關性分析,最終篩選出了7 個預警指標。運用Logistic 回歸方法對7 個指標構建財務預警決策模型,研究結果得出:該模型預測準確率良好;償債能力指標和現金流量的指標均未通過顯著性檢驗,故償債能力和現金流量對房地產上市公司財務預警效果不顯著;營運能力、盈利能力、發(fā)展能力、每股指標能很好區(qū)分財務危機企業(yè)與財務良好企業(yè),預警效果顯著。為了企業(yè)長期健康發(fā)展,房地產企業(yè)應加強房地產企業(yè)內部管理,完善公司內部制度,嚴格遵循成本控制原則,確保成本的可控性;對商品房進行科學定價,及時采取促銷措施,樹立品牌形象;根據企業(yè)特點,建立完善的財務預警評價機制,及時整改以確保企業(yè)穩(wěn)健發(fā)展。