房地產(chǎn)企業(yè)財務(wù)風(fēng)險測評與優(yōu)化探討

于寄語　李雪晴

摘 要：以6家代表性上市房企2017-2020年數(shù)據(jù)為樣本，結(jié)合熵值加權(quán)主成分方法和層次聚類對當(dāng)前房產(chǎn)企業(yè)的財務(wù)風(fēng)險狀況進行測評和探討。將12個典型性財務(wù)指標(biāo)降維至4個主成分，通過熵值加權(quán)構(gòu)建得到房地產(chǎn)企業(yè)的財務(wù)風(fēng)險指數(shù)，由此對當(dāng)前房企的財務(wù)風(fēng)險表現(xiàn)和優(yōu)化舉措進行探討。研究顯示，樣本企業(yè)近年的財務(wù)風(fēng)險不斷上升，且風(fēng)險分化縮減，但不同企業(yè)財務(wù)風(fēng)險表現(xiàn)的具體層面存在差異。針對不同房企財務(wù)結(jié)構(gòu)和自身特征的差異化特點，進一步結(jié)合層次聚類方法將6家樣本企業(yè)劃分為3個相鄰類，并指出“先類內(nèi)企業(yè)、后類外企業(yè)”的單元參照模式可以更為有效地引導(dǎo)房企財務(wù)風(fēng)險管理能力的提升。最后，本文基于建模結(jié)果就如何應(yīng)對房地產(chǎn)企業(yè)的財務(wù)風(fēng)險和穩(wěn)健發(fā)展提出了針對性建議。

關(guān)鍵詞：房地產(chǎn)企業(yè);財務(wù)風(fēng)險指數(shù);熵值加權(quán)PCA;風(fēng)險管理

基金項目：國家教育部人文社會科學(xué)研究青年基金（19YJC910009）;湖北金融發(fā)展與金融安全研究中心項目（19XY03）

一、引言

伴隨著房產(chǎn)過熱化問題的凸顯，決策層在近年持續(xù)強調(diào)對房地產(chǎn)行業(yè)的結(jié)構(gòu)改革，加大房產(chǎn)市場調(diào)控力度。如2017年國家上調(diào)政策利率，規(guī)定商品房庫存周期36個月以上的城市停止供地;2018年嚴(yán)格限制房地產(chǎn)商業(yè)項目融資;2019年以來大力執(zhí)行市場授信集中度等監(jiān)管規(guī)則;2020年嚴(yán)防經(jīng)營貸違規(guī)流入房產(chǎn)市場。應(yīng)該看到，當(dāng)前房地產(chǎn)行業(yè)面臨著較大的外部環(huán)境調(diào)整。銀行借款可得性的減弱、土地購買成本以及市場房產(chǎn)庫存的加大，使得房產(chǎn)企業(yè)在成本控制、盈利及發(fā)展空間上面臨著較大壓力。這一背景下，我國整體房產(chǎn)業(yè)的資產(chǎn)負債率已由2012年的75.2%不斷攀升至2020年的80%左右，房產(chǎn)企業(yè)面臨的潛在風(fēng)險需要給予密切關(guān)注。由此出發(fā)，本文落腳于房企風(fēng)險狀況的評測和管理優(yōu)化研究，旨在明確當(dāng)前房產(chǎn)企業(yè)的風(fēng)險表現(xiàn)，為提高微觀房企的抗風(fēng)險和穩(wěn)健運營能力、防范房企行業(yè)的風(fēng)險暴露提供政策啟示。

回顧文獻，已有較多學(xué)者對房產(chǎn)企業(yè)的風(fēng)險表現(xiàn)及管理問題進行關(guān)注。張煌強（2015）[1]對八家樣本企業(yè)進行案例探討，發(fā)現(xiàn)存貨周轉(zhuǎn)率、營業(yè)收入增長率、資產(chǎn)負債率、凈資產(chǎn)收益率是房企自身風(fēng)險形成的最關(guān)鍵因素。歐國良等（2018）[2]認(rèn)為房地產(chǎn)企業(yè)只有不斷地調(diào)整自身的管理水平、經(jīng)營模式以及創(chuàng)新能力等，實現(xiàn)企業(yè)經(jīng)營管理在財務(wù)上的穩(wěn)健性和抗風(fēng)險性，才能有效推動房地產(chǎn)企業(yè)自身的發(fā)展。相較于上述學(xué)者從內(nèi)部控制角度探討房企的風(fēng)險管理問題，部分學(xué)者強調(diào)外部市場對房企經(jīng)營風(fēng)險的影響。吳濤（2016）[3]分析宏景建設(shè)集團的財務(wù)狀況，指出其財務(wù)狀況主要受宏觀經(jīng)濟及外部政策環(huán)境影響，并建議結(jié)合外部指標(biāo)建立房產(chǎn)企業(yè)財務(wù)預(yù)警體系。汪永忠、代曉維（2017）[4]認(rèn)為政策環(huán)境對房產(chǎn)企業(yè)的發(fā)展起導(dǎo)向作用，經(jīng)濟環(huán)境與房產(chǎn)企業(yè)的發(fā)展呈同向關(guān)系。鐘榮桂、江麗（2017）[5]指出經(jīng)濟新常態(tài)下，地方土地財政路徑依賴與債務(wù)危機并存、國家去庫存壓力巨大與區(qū)域性房價上漲并存成為房企發(fā)展面臨的重要風(fēng)險點。

隨著量化分析的流行，近期更多文獻結(jié)合統(tǒng)計建模對房產(chǎn)企業(yè)面臨的內(nèi)外部風(fēng)險進行量化探討。何愷、程道平（2016）[6]利用層次分析法和熵值綜合賦權(quán)方法對濟南市房地產(chǎn)市場進行評價，發(fā)現(xiàn)濟南房地產(chǎn)市場的價格風(fēng)險、庫存風(fēng)險相對較高，且總體風(fēng)險水平逐年升高。張曉燕（2016）[7]結(jié)合灰色預(yù)測模型對房地產(chǎn)公司運營過程中的風(fēng)險表現(xiàn)進行學(xué)習(xí)、評判，隨后基于歷史信息對房企的風(fēng)險級別進行預(yù)警。黃夢非等（2017）[8]運用貝葉斯網(wǎng)絡(luò)決策模型分析其在房產(chǎn)業(yè)風(fēng)險控制中的應(yīng)用，結(jié)合貝葉斯學(xué)習(xí)和推斷對房企投資風(fēng)險控制級別進行概率推導(dǎo)和識別，并指出房企風(fēng)險應(yīng)結(jié)合行業(yè)間的相互影響角度進行決策。

不同于前述文獻，本文聚焦于房企財務(wù)風(fēng)險的統(tǒng)計指數(shù)構(gòu)建和風(fēng)險評測研究。作為房產(chǎn)企業(yè)運行中非常重要的一環(huán)，財務(wù)風(fēng)險的有效防范和控制不僅可以節(jié)約成本、強化管理，還有利于房產(chǎn)企業(yè)的長期發(fā)展。由于房產(chǎn)業(yè)具有資本密集型、資金周轉(zhuǎn)慢、供應(yīng)鏈條長等特點，反映房企財務(wù)狀況及財務(wù)風(fēng)險的量化指標(biāo)較多，本文采用主成分分析（PCA）方法對其進行探討。作為經(jīng)典的信息降維方法，PCA方法在多指標(biāo)風(fēng)險評價研究中具有很大的適用性和靈活性[9-10]。不過，PCA在具體應(yīng)用中仍需要特別關(guān)注主成分方向的適宜問題，后者對后續(xù)的綜合評價具有重要影響。此外，相關(guān)文獻在提取多個主成分后，通常結(jié)合各主成分的方差貢獻率構(gòu)建綜合評價得分。這一做法具有較大主觀性，并可能帶來最終評價的無序或偏誤[11-12]。為解決上述問題，本文在對各項指標(biāo)進行方向調(diào)整PCA的基礎(chǔ)上，采用熵值加權(quán)法構(gòu)建房企財務(wù)風(fēng)險綜合指數(shù)，以科學(xué)測度不同房企的風(fēng)險表現(xiàn)。隨后，本文基于該指數(shù)對房產(chǎn)企業(yè)的風(fēng)險狀況進行比對探討和相似性分析，為不同房企的財務(wù)風(fēng)險優(yōu)化提供經(jīng)驗啟示。

全文剩余部分安排如下：第二部分就熵值加權(quán)PCA方法和相似性分析所采用的層次聚類方法進行介紹;第三部分為房產(chǎn)企業(yè)財務(wù)風(fēng)險指數(shù)的構(gòu)建和評測;第四部分對樣本房企的突出風(fēng)險表現(xiàn)和目標(biāo)參照單元進行探討，以更好地引導(dǎo)房企財務(wù)風(fēng)險狀況的優(yōu)化;第五部分為結(jié)論。

二、研究方法

（一）熵值加權(quán)的PCA方法

作為經(jīng)典的統(tǒng)計分析方法，主成分分析（PCA）在信息提取和統(tǒng)計指數(shù)測度上有著廣泛應(yīng)用。不過，如前所述，傳統(tǒng)PCA方法中特征方向的不明確和主成分權(quán)重設(shè)置的不合理可能導(dǎo)致最終評價結(jié)果與客觀事實存在差異[13]。對此，我們首先對選取的多維度房企財務(wù)指標(biāo)進行正向處理，統(tǒng)一方向并關(guān)注相應(yīng)的特征方向值。隨后，從相應(yīng)指標(biāo)中提取出互不相關(guān)的主成分，結(jié)合熵值加權(quán)構(gòu)建房產(chǎn)企業(yè)的綜合財務(wù)風(fēng)險指數(shù)。具體步驟如下：

1. 設(shè)定有n個房地產(chǎn)企業(yè)，共K個財務(wù)風(fēng)險指標(biāo)序列。對其中的逆向指標(biāo)進行正向化處理，保證指標(biāo)的方向性一致，并記為。

2. 對各指標(biāo)進行標(biāo)準(zhǔn)化，得到、分別為在樣本房企的平均值和標(biāo)準(zhǔn)差?；谛蛄羞M行信息提取并得到K個主成分。記為

（1）

3. 基于上述主成分對原始指標(biāo)的累積貢獻大?。ㄒ话闳　?0%），挑選出M（）個主成分F1、F2…FM。

4. 記房企i在主成分Fj部分的取值為，計算Fij占所有考察房企在主成分Fj部分的比重，得到第j個主成分的熵值。（注：一般要求）

5. 基于熵值ej計算主成分Fj的權(quán)重由此得到考察房企的最終財務(wù)風(fēng)險指數(shù)。

上述方法在各指標(biāo)方向性一致的基礎(chǔ)上結(jié)合熵值進行主成分權(quán)重的構(gòu)建，由于相應(yīng)熵值有效反映了主成分的信息變異度和信息容量大小，較已有文獻基于方差貢獻率作為主成分的權(quán)重設(shè)置，更具有客觀性和科學(xué)性。

（二）層次聚類分析

前述風(fēng)險指數(shù)的構(gòu)建有利于我們對房企的風(fēng)險狀況進行直觀評價。但對于風(fēng)險得分高（風(fēng)險狀況較糟糕）的企業(yè)而言，其余風(fēng)險得分較低的企業(yè)并不一定是其進行有效參照和學(xué)習(xí)的對象。由于不同企業(yè)財務(wù)指標(biāo)和投入要素的異質(zhì)化特征，選擇結(jié)構(gòu)和規(guī)模表現(xiàn)較自身相似的低風(fēng)險企業(yè)作為目標(biāo)參照更為適宜，也更能夠起到“引導(dǎo)自身風(fēng)險管理優(yōu)化”的作用。

基于上述目的，本文結(jié)合前述分析指標(biāo)Xj對樣本房企進行層次聚類，以此對相似性企業(yè)進行歸類。作為數(shù)據(jù)信息劃分的重要手段，層次聚類在現(xiàn)有文獻有著廣泛應(yīng)用，其思路主要是通過“距離”的概念將多維指標(biāo)表現(xiàn)相近的個體聚集成一類，達到分層、分類的目的，其分析步驟簡略概括如下：

1. 將每個樣本房企在最初視為單獨一組，結(jié)合相應(yīng)指標(biāo)信息計算它們之間的距離。

2. 將距離最近的兩組（即最?。┖铣尚碌囊唤M。

3. 基于新的分組重新計算組與組之間的距離，并將距離最近的兩組再次合成新的一組。

4. 重復(fù)上述步驟，直到所有組合并成一個組或者達到設(shè)定的終止條件為止。

最終聚成一類的房企具有最大的相似性，通過在相同或者相近類別內(nèi)進行目標(biāo)房企的選擇和經(jīng)驗參照，可以更為適宜地指導(dǎo)樣本房企風(fēng)險狀況的改善和優(yōu)化。

三、房產(chǎn)企業(yè)財務(wù)風(fēng)險指數(shù)構(gòu)建與評測

（一）房企樣本選擇和財務(wù)風(fēng)險指標(biāo)

結(jié)合房產(chǎn)企業(yè)規(guī)模、品牌認(rèn)可度和市場表現(xiàn)，本文從滬深兩市篩選出6家代表性房地產(chǎn)企業(yè)進行研究，分別是萬科A、保利地產(chǎn)、格力地產(chǎn)、綠地控股、招商蛇口、美好置業(yè)。各企業(yè)的數(shù)據(jù)信息來源于雪球網(wǎng)，時間跨度為2017至2020年。為便于不同年份企業(yè)財務(wù)風(fēng)險的比較，后文結(jié)合個體和時間維度對樣本企業(yè)進行編號，如萬科A 2017、萬科A 2018。表1列出了與房產(chǎn)企業(yè)風(fēng)險管理相關(guān)的常見基礎(chǔ)性財務(wù)指標(biāo)，各指標(biāo)的具體含義見表內(nèi)，并由此構(gòu)成后文房企財務(wù)風(fēng)險指數(shù)架構(gòu)和評價的底層信息支撐。

（二）基于熵值加權(quán)PCA的房企財務(wù)風(fēng)險指數(shù)構(gòu)建

結(jié)合表1指標(biāo)，基于熵值加權(quán)的PCA方法構(gòu)建房產(chǎn)企業(yè)的財務(wù)風(fēng)險指數(shù)。首先對各指標(biāo)進行方向性處理，保證處理后的各指標(biāo)與風(fēng)險值同保持正方向。其中，資產(chǎn)負債率（X1）通常認(rèn)為與風(fēng)險表現(xiàn)呈正關(guān)聯(lián)，對其不做處理;其余指標(biāo)，如總資產(chǎn)報酬率（X2）、流動比率（X3）等均反映了企業(yè)的盈利和成長狀況，和風(fēng)險表現(xiàn)呈負方向，對相應(yīng)指標(biāo)進行逆向處理。另外，主成分分析通常要求變量間的相關(guān)性較高，表2基于Bartlett球度檢驗和KMO檢驗對方向調(diào)整后指標(biāo)的相關(guān)度進行分析，Bartlett球度檢驗的p值遠小于0.05，同時KMO值為0.62，上述檢驗均表明樣本指標(biāo)間的相關(guān)性較高，所選指標(biāo)較適合進行PCA降維。

PCA分析下的主成分及其累計貢獻率如表3所示。可以看到，前四個主成分的累積貢獻率已達到90%，由此，我們選擇前四個主成分F1-F4進行房產(chǎn)企業(yè)風(fēng)險信息的提取，各主成分在原始指標(biāo)上的載荷見下表4。

可以看出，主成分F1在資產(chǎn)負債比率（X1）、總資產(chǎn)周轉(zhuǎn)率（X6）、存貨周轉(zhuǎn)率（X7）、流動資產(chǎn)周轉(zhuǎn)率（X8）上的載荷較大，這一成分主要反映房產(chǎn)企業(yè)的整體營運能力;主成分F2的信息主要體現(xiàn)在總資產(chǎn)報酬率（X2）、速動比率（X4）、固定資產(chǎn)增長率（X9）上，反映企業(yè)的資產(chǎn)使用及管理效率;主成分F3在凈利潤增長率（X10）、凈資產(chǎn)收益率（X11）上的載荷系數(shù)較大，主要體現(xiàn)企業(yè)的盈利性能力，主成分F4的信息主要表現(xiàn)在流動比率（X3）、營業(yè)收入增長率（X12）上，反映企業(yè)的短期償債及發(fā)展能力。上述4個主成分構(gòu)成了企業(yè)財務(wù)風(fēng)險評價的降維信息指標(biāo)，我們以其為基礎(chǔ)進行熵值加權(quán)構(gòu)建房企的財務(wù)風(fēng)險指數(shù)。

本文在計算熵值權(quán)重時，對主成分Fij進行了一定的靈活處理，主要體現(xiàn)在對其減去個體i在該主成分上的臨近最小值（），以保證滿足算法處理中大于0的需求。最終基于上節(jié)流程計算得到主成分F1-F4的熵值權(quán)重分別為0.310、0.333、0.156、0.201，由此得到房產(chǎn)企業(yè)的財務(wù)風(fēng)險指數(shù)構(gòu)建公式如下：

（2）

注意到，上式中F1和F2的權(quán)重最大，營運能力和資產(chǎn)管理效率對于房企的風(fēng)險表現(xiàn)及程度具有更為重要的影響。F3的權(quán)重最小，當(dāng)前背景下微觀房企的盈利能力整體不佳，由此表現(xiàn)出對其房企風(fēng)險的影響處于弱化位置。根據(jù)式（2），最終測算得到樣本企業(yè)在考察年份的財務(wù)風(fēng)險指數(shù)如表5。

表5中的風(fēng)險指數(shù)越高，表明房產(chǎn)企業(yè)面臨的財務(wù)風(fēng)險越大。可以看到，2020年份的綠地控股的風(fēng)險表現(xiàn)最為突出，風(fēng)險值高達2.09;財務(wù)風(fēng)險指數(shù)表現(xiàn)最低的企業(yè)為2017年份的美好置業(yè)，取值為-1.24。從樣本房企間的橫向比對來看，財務(wù)風(fēng)險指數(shù)最高的房企亦為綠地控股，其在2017-2020年的風(fēng)險指數(shù)值均保持在1.0以上，遠高于其余房企，這表明綠地控股在近年的整體風(fēng)險較突出;萬科A、保利地產(chǎn)、格力地產(chǎn)的風(fēng)險指數(shù)值排名居中，得分在-0.5至0.5之間波動;財務(wù)風(fēng)險值最低的房企是招商蛇口和美好置業(yè)，兩者的風(fēng)險排名一直保持在所有房企的尾端，表現(xiàn)出有較好的財務(wù)風(fēng)險防范能力。最后，從不同年份的財務(wù)風(fēng)險指數(shù)得分來看，各房企的風(fēng)險表現(xiàn)處于動態(tài)上升過程中。表6的統(tǒng)計結(jié)果顯示，2017至2020年，待考察房企的財務(wù)風(fēng)險指數(shù)平均值由-0.17不斷攀升至0.34，同時風(fēng)險指數(shù)的標(biāo)準(zhǔn)差于2019年開始下降，風(fēng)險表現(xiàn)分化縮減，反映房產(chǎn)業(yè)整體風(fēng)險壓力不斷增強的現(xiàn)狀。

四、樣本房企財務(wù)風(fēng)險的進一步探討與優(yōu)化

（一）樣本房企財務(wù)風(fēng)險的突出成分端

我們對表5進行進一步整理，得到房企財務(wù)風(fēng)險指數(shù)在不同主成分端（F1-F4）的具體得分（表7）。通過對樣本房企在各主成分端的風(fēng)險表現(xiàn)進行橫向比較，可以具象透視相應(yīng)房企的風(fēng)險突出點。就主成分F1所對應(yīng)的整體營運能力風(fēng)險而言，可以看到，無論是基于樣本房企之間還是房企內(nèi)部不同主成分端進行比較，格力地產(chǎn)和美好置業(yè)在F1下的年度風(fēng)險得分都較低。相應(yīng)地，保利地產(chǎn)、綠地控股、萬科A和招商蛇口在整體運營能力端的風(fēng)險管控上表現(xiàn)欠佳，四者在F1下的風(fēng)險得分遠高于各自在F2-F4下的取值。數(shù)據(jù)上來看，這四家房企的存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率和固定資產(chǎn)率都處于相對較高水平，相應(yīng)房企需要積極關(guān)注管理流程和資產(chǎn)處置的效能化，減少對非商品資金的占用，縮短商品房待售時間，加快資金和存貨的周轉(zhuǎn)及利用效率。

房企突出風(fēng)險點集中于主成分F2部分（資產(chǎn)使用及管理效率）的是美好置業(yè)、格力地產(chǎn)、綠地控股三家企業(yè)。特別是美好置業(yè)，其在F2下的風(fēng)險得分遠高于F1、F3、F4部分，相應(yīng)房企在資金管理的有序性、資金回報率等方面表現(xiàn)不佳。這三家房企的風(fēng)險管理中需要加大對企業(yè)經(jīng)營資金的集中化、有序化和過程化管理，同時增強財務(wù)管理員工的風(fēng)險意識和專業(yè)水平。風(fēng)險點集中于主成分F3部分（盈利性能力）的房企是格力地產(chǎn)、保利地產(chǎn)和招商蛇口，三者的盈利性風(fēng)險較F1、F3、F4下的風(fēng)險表現(xiàn)明顯更突出?？紤]到企業(yè)自身盈利模式和資本結(jié)構(gòu)對盈利能力起著關(guān)鍵作用，上述房企在戰(zhàn)略發(fā)展和風(fēng)險優(yōu)化中應(yīng)對此進行優(yōu)先關(guān)注。最后，風(fēng)險表現(xiàn)在F4部分（短期償債及發(fā)展能力）相對更突出的房企是美好置業(yè)，盡管美好置業(yè)的整體財務(wù)風(fēng)險較低，但其在F4部分的風(fēng)險得分顯著高于F1和F3部分，略低于F2部分，償債及發(fā)展能力方面的不足很大程度制約了美好置業(yè)風(fēng)險優(yōu)化的進一步提升。美好置業(yè)在未來發(fā)展布局中需要將償債能力穩(wěn)定在合理范圍內(nèi)的前提下，完善預(yù)算和內(nèi)控制度，為企業(yè)的穩(wěn)健經(jīng)營和風(fēng)險管理進階提供支撐。

（二）樣本房企風(fēng)險優(yōu)化的參照單元選擇

進行財務(wù)風(fēng)險指數(shù)的測評不僅是為了更好地認(rèn)識房企的財務(wù)風(fēng)險狀況，我們還希望以此引導(dǎo)表現(xiàn)較差的房企向較優(yōu)房企進行經(jīng)驗借鑒，優(yōu)化財務(wù)風(fēng)險管控能力。但考慮到不同房企在償債、營運以及發(fā)展能力等方面的差異性，各房企具體參照對象的選擇需要有效考慮同自身的適宜性?；谶@一目標(biāo)，圖1基于2020年X1-X12指標(biāo)對樣本房企進行層次聚類，由此結(jié)合相似性歸類對各房企的借鑒單元選擇和風(fēng)險優(yōu)化進行探討。

可以看到，圖1分為三個聚類區(qū)域。第一類包括萬科A和保利地產(chǎn)，這兩個企業(yè)在凈利潤增長率上有極大相似性，該類企業(yè)規(guī)模較大、資金雄厚、盈利能力強;第二類為綠地控股和美好置業(yè)，該類企業(yè)在速凍比率上有極大的相似性，企業(yè)流動資產(chǎn)立即變現(xiàn)用于償還債務(wù)的能力是相近的;格力地產(chǎn)和招商蛇口為第三類，這兩個企業(yè)在總資產(chǎn)報酬率和固定資產(chǎn)周轉(zhuǎn)率上有極大的相似性，此外，該類企業(yè)的特點是除了主營房地產(chǎn)業(yè)務(wù)外，還會拓展社區(qū)和物業(yè)管理等業(yè)務(wù)，發(fā)展能力較強。

由于相同聚類區(qū)域下房企的經(jīng)營結(jié)構(gòu)和模式更具有可比性，我們建議首先在相同類別的房企間進行經(jīng)驗參照，如類別三下的萬科A，可以選擇該類別下財務(wù)風(fēng)險較小的保利地產(chǎn)進行目標(biāo)參照;類別二下的綠地控股，可以在該類別下選擇美好置業(yè)作為目標(biāo)參照。在同一類別下的目標(biāo)參照完成后，各樣本房企再考慮將參照單元轉(zhuǎn)換至相鄰類別下風(fēng)險指數(shù)較小的企業(yè)。此外，從前文房企財務(wù)風(fēng)險指數(shù)的主成分構(gòu)建角度來看，各房企的財務(wù)風(fēng)險差異可歸結(jié)為整體營運風(fēng)險差異、資產(chǎn)使用及管理效率風(fēng)險差異、盈利風(fēng)險差異、短期償債和發(fā)展能力差異四個方面。各房企在進行參照單元的比對、借鑒過程中，應(yīng)結(jié)合上述四部分的表現(xiàn)和管理進行分解式關(guān)注和經(jīng)驗學(xué)習(xí)。特別地，應(yīng)首先聚焦自身突出短板的那部分主成分端進行經(jīng)驗參照，隨后再考慮其他成分端的加強，由此最終提升整體財務(wù)風(fēng)險管控能力。

五、結(jié)論和啟示

房地產(chǎn)業(yè)對我國國民經(jīng)濟的發(fā)展和穩(wěn)定具有十分重要的作用，以六個代表性房企2017-2020年財務(wù)數(shù)據(jù)為樣本，本文基于熵值加權(quán)的PCA方法構(gòu)建房企財務(wù)風(fēng)險指數(shù)，由此對近期房產(chǎn)企業(yè)的財務(wù)風(fēng)險狀況進行測評和考察。研究發(fā)現(xiàn)，房企財務(wù)風(fēng)險指數(shù)主要由四部分信息合成，分別反映房企的營運能力、資產(chǎn)管理能力、盈利能力和短期償債及發(fā)展能力，其中，前兩者對當(dāng)前房企風(fēng)險表現(xiàn)的影響最為突出?？v向時間軸上來看，樣本房企在近年的財務(wù)風(fēng)險不斷上升，且風(fēng)險分化在2019年后開始縮減，這反映了經(jīng)濟結(jié)構(gòu)和政策調(diào)整大背景下當(dāng)前房產(chǎn)企業(yè)財務(wù)風(fēng)險不斷暴露的現(xiàn)狀。隨后，為進一步明確樣本房企的風(fēng)險表現(xiàn)狀況，尋求房企風(fēng)險優(yōu)化舉措的經(jīng)驗啟示，本文細化考察了樣本房企在前述四部分信息端的財務(wù)風(fēng)險表現(xiàn)特征，并基于層次聚類分析對房企風(fēng)險管理優(yōu)化中的“借鑒單元”選擇進行了探討。

結(jié)合本文研究，筆者就推動當(dāng)前房產(chǎn)企業(yè)的財務(wù)風(fēng)險防范和管理優(yōu)化提出如下建議。

（一）加快質(zhì)量變革和模式創(chuàng)新，避免粗放式發(fā)展

宏觀角度來看，我國房地產(chǎn)市場歷經(jīng)二十余年的迅速發(fā)展階段，已逐步進入存量時代。黨的十九大以來，決策層不斷強調(diào)“房子是用來住的，不是用來炒”的市場定位，未來房地產(chǎn)行業(yè)的規(guī)模、利潤空間受到壓縮，同時在不同區(qū)域?qū)用婷媾R異質(zhì)性差異影響。房產(chǎn)企業(yè)應(yīng)順勢而為，把握不同城市房產(chǎn)庫存與市場的平衡點，積極布局未來的開發(fā)區(qū)域;同時在房產(chǎn)投資和住房項目建設(shè)中注重質(zhì)量和模式創(chuàng)新，避免規(guī)模化擴張。

（二）提升營運能力，加強資產(chǎn)管理效率

文中分析可以看到，營運能力和資產(chǎn)管理效率是影響當(dāng)前微觀房企財務(wù)風(fēng)險最為重要的成分因子，由此，房產(chǎn)企業(yè)一方面應(yīng)有效提升其營運能力，制定合適的發(fā)展目標(biāo)和營銷方案，積極拓寬資金渠道，為企業(yè)創(chuàng)新探索、承擔(dān)風(fēng)險提供空間。另一方面，房產(chǎn)企業(yè)應(yīng)全面加強資金管理，構(gòu)建現(xiàn)代化的全面預(yù)算管理模式，優(yōu)化資金使用水平;同時借鑒國內(nèi)外較成熟的“去產(chǎn)能”和“去庫存”案例經(jīng)驗，積極進行存貨管理，加快房地產(chǎn)存貨周轉(zhuǎn)速度，推動企業(yè)運營高效化、質(zhì)量化發(fā)展。

（三）明確發(fā)展短板，針對性制定財務(wù)績效優(yōu)化舉措

房產(chǎn)企業(yè)應(yīng)結(jié)合自身發(fā)展以及財務(wù)表現(xiàn)情況，明確短板和不足，完善和優(yōu)化自身的財務(wù)管理水平和財務(wù)績效。如本文研究中美好置業(yè)的資產(chǎn)使用及管理效率較低，應(yīng)強化資金預(yù)算管理，對資金實行集中管理和統(tǒng)籌安排，嚴(yán)格控制結(jié)算資金的占用，及時清理拖欠費用;保利地產(chǎn)和綠地控股、萬科A在整體運營能力端的風(fēng)險管控上表現(xiàn)欠佳，應(yīng)積極拓展?fàn)I運模式、提升經(jīng)營管理水平，加快流動資產(chǎn)和固定資產(chǎn)的周轉(zhuǎn)率;格力地產(chǎn)的盈利性表現(xiàn)較弱，則應(yīng)從自身的盈利模式和資本結(jié)構(gòu)入手對企業(yè)財務(wù)管理和表現(xiàn)進行優(yōu)化和提升。此外，具體企業(yè)運營中，可以借鑒本文的聚類思路選擇適宜的參照單元，結(jié)合自身短板積極學(xué)習(xí)、吸收目標(biāo)單元的經(jīng)驗?zāi)Ｊ胶凸芾磙k法，有效提升自身財務(wù)風(fēng)險管控能力。

（四）增強財務(wù)人員風(fēng)險意識和管理素養(yǎng)，提高財務(wù)管理能力

財務(wù)人員是財務(wù)管理的執(zhí)行者，相應(yīng)房企應(yīng)積極提高財務(wù)人員的風(fēng)險管理素養(yǎng)。一方面，要強化房企財務(wù)管理者的風(fēng)險管理意識，相關(guān)財務(wù)人員能有效利用資產(chǎn)負債表、利潤表、現(xiàn)金流量表等信息明確、識別企業(yè)的財務(wù)風(fēng)險情況，對異常的財務(wù)指標(biāo)表現(xiàn)及時關(guān)注并結(jié)合內(nèi)外部因素做出合理判斷和決策，同時應(yīng)嚴(yán)格避免操作風(fēng)險，為企業(yè)的財務(wù)管理奠定堅實的人力支持。另一方面，應(yīng)積極提升財務(wù)人員的管理能力，提高其在房產(chǎn)投資開發(fā)中的資金預(yù)算安排和統(tǒng)籌規(guī)劃能力，同時財務(wù)人員在財務(wù)運營中應(yīng)具有前瞻意識，結(jié)合公司發(fā)展布局制定適宜的財務(wù)管理目標(biāo)，有效提升房企的資金運轉(zhuǎn)和財務(wù)管理效率。

（五）完善內(nèi)部控制制度，提高風(fēng)險防范能力

最后，內(nèi)控制度的有效建立和執(zhí)行對于房企的風(fēng)險防范具有重要作用。盡管很多房產(chǎn)企業(yè)在當(dāng)前建立了內(nèi)控制度，但內(nèi)部控制的執(zhí)行情況不容樂觀，各部門的職責(zé)不明、界線不清、監(jiān)管機制不完善，并由此拖累了房企整體的運營效率和風(fēng)險管理效力。當(dāng)前背景下，房地產(chǎn)企業(yè)應(yīng)結(jié)合自身管理模式及外部環(huán)境變化，進一步統(tǒng)籌、完善相關(guān)環(huán)節(jié)的內(nèi)部控制體系，建立科學(xué)的決策機制、有效的監(jiān)督和優(yōu)化機制，為企業(yè)的風(fēng)險防范從內(nèi)部筑牢防火墻。

參考文獻：

[1] 張煌強.房地產(chǎn)企業(yè)財務(wù)風(fēng)險評價研究[J].廣西社會科學(xué)，2015，（7）：81-85.

[2] 歐國良，吳剛，朱祥波.基于因子分析法的房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警研究[J].社會科學(xué)家，2018，（9）：56-63.

[3] 吳濤.房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警管理探究——以宏景建設(shè)集團為例[J].財會通訊，2016，（2）：91-93.

[4] 汪永忠，代曉維.企業(yè)財務(wù)風(fēng)險及其防范——以房地產(chǎn)企業(yè)為例[J].中國商論，2017，（7）：120-121.

[5] 鐘榮桂，江麗.中國經(jīng)濟新常態(tài)與房地產(chǎn)市場風(fēng)險防范[J].現(xiàn)代管理科學(xué)，2017，（4）：103-105.

[6] 何愷，程道平.我國城市房地產(chǎn)市場風(fēng)險測度研究——基于綜合賦權(quán)評價方法對濟南市的測算[J].價格理論與實踐，2016，（10）：148-151.

[7] 張曉燕.基于灰色預(yù)測模型的房地產(chǎn)公司財務(wù)風(fēng)險預(yù)警[J].財會月刊，2016，（22）：53-54.

[8] 黃夢非，姚明秀，魯波濤.貝葉斯網(wǎng)絡(luò)決策在房地產(chǎn)投資風(fēng)險控制中的應(yīng)用[J].統(tǒng)計與決策，2017，（21）：71-74.

[9] 顧雷雷.營銷能力、東道國政治風(fēng)險與跨國公司子公司績效——來自東盟自貿(mào)區(qū)的證據(jù)[J].中國人民大學(xué)學(xué)報，2018，32（2）：104-115.

[10] 楊亞剛.改進主成分分析法下的保險數(shù)據(jù)風(fēng)險因素分析[J].商業(yè)經(jīng)濟研究，2019，（12）：171-173.

[11] 葉明確，楊亞娟.主成分綜合評價法的誤區(qū)識別及其改進[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2016，33（10）：142-153.

[12] 趙茂，楊洋，劉大鵬.中國金融市場化指數(shù)的度量研究[J].統(tǒng)計與決策，2019，（10）：151-154.

[13] 曲雙紅，李華，李剛.基于主成分分析的幾種常用改進方法[J].統(tǒng)計與決策，2011，（5）：155-156.

作者簡介：于寄語（1989- ），男，安徽阜陽人，湖北經(jīng)濟學(xué)院金融學(xué)院講師，博士，研究方向為應(yīng)用統(tǒng)計建模;李雪晴（1996- ），女，湖北十堰人，湖北經(jīng)濟學(xué)院研究生，研究方向為金融企業(yè)會計。