“三道紅線”視角下上市房企財(cái)務(wù)風(fēng)險(xiǎn)評析

黎杏群

（澳門城市大學(xué)商學(xué)院）

一、引言

房地產(chǎn)業(yè)在我國經(jīng)濟(jì)中起到舉足輕重的作用，它帶動(dòng)了其他上下游產(chǎn)業(yè)的快速發(fā)展。然而，隨著房價(jià)的不斷攀高，住房成為了困擾很多年輕一代的問題。為了保持房地產(chǎn)公司長期平穩(wěn)健康發(fā)展，國家近年來對房地產(chǎn)業(yè)的發(fā)展進(jìn)行了持續(xù)調(diào)控。2017 年，習(xí)總書記在十九大報(bào)告中提出“房子是用來住的不是用來炒的”這樣的定位，在房地產(chǎn)政策方面給出了方向性指導(dǎo)。在融資問題上，2020年8 月，央行、銀保監(jiān)會(huì)等機(jī)構(gòu)提出從2021 年1月1 日正式實(shí)施房企“三道紅線”政策：紅線一為剔除預(yù)收賬款后的資產(chǎn)負(fù)債率不得大于70%；紅線二為凈負(fù)債率不得大于100%；紅線三為現(xiàn)金短債比不得小于1 倍。為控制房企有息債務(wù)增長，國家依據(jù)三道紅線將房企分為紅、橙、黃、綠4 檔。如果三道紅線都觸碰到了，則被劃分為紅檔，紅檔房企不得新增有息負(fù)債；如果碰到兩道紅線，則為橙檔，橙檔房企負(fù)債年增速不得超過5%；如果碰到一道紅線，則為黃檔，黃檔房企負(fù)債年增速不得超過10%；如果三道紅線都未碰到，則為綠檔，綠檔房企負(fù)債年增速不得超過15%。三道紅線是國家對房企金融風(fēng)險(xiǎn)的一次精細(xì)化調(diào)控，是監(jiān)管部門第一次明確了房企的舉債標(biāo)準(zhǔn)。

國家的宏觀調(diào)控措施對房地產(chǎn)行業(yè)也帶來了較大的沖擊，近年來不少房地產(chǎn)公司面臨財(cái)務(wù)困境，更有華夏幸福、中國恒大、融創(chuàng)中國等大型房地產(chǎn)企業(yè)相繼出現(xiàn)財(cái)務(wù)危機(jī)。大家迫切需要得到答案的問題是，“三道紅線”政策是否導(dǎo)致了房地產(chǎn)公司的財(cái)務(wù)危機(jī)？國家的房地產(chǎn)調(diào)控是否有利于房地產(chǎn)行業(yè)健康發(fā)展？進(jìn)一步，我們?nèi)绾斡行ёR別企業(yè)內(nèi)部財(cái)務(wù)風(fēng)險(xiǎn)，并有效降低財(cái)務(wù)風(fēng)險(xiǎn)是現(xiàn)在房企迫切需要解決的問題。本文的目的是基于財(cái)務(wù)分析和統(tǒng)計(jì)理論探討上述問題的答案。

二、相關(guān)文獻(xiàn)綜述

“三道紅線”對房地產(chǎn)融資環(huán)境的影響分析、“三道紅線”背景下房地產(chǎn)投融資對策及財(cái)務(wù)管理方式改變的研究成果較多，見李艷艷(2021)，鄭川旭(2021)，楊檳和白若凌(2020)及何健生(2021)等，以及這些文獻(xiàn)所引文獻(xiàn)，但對“三道紅線”與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)系的定量研究結(jié)果較少。

關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)的研究，國外關(guān)于上市公司破產(chǎn)預(yù)測的研究成果較多，Beaver(1966)提出了財(cái)務(wù)失敗(failure)的單變量判別方法，文中將財(cái)務(wù)失敗包含“破產(chǎn)，債券拖欠不履行，銀行超支，不能支付優(yōu)先股股利等”，并使用了5 個(gè)財(cái)務(wù)比率作為變量，對79 家經(jīng)營失敗的公司和79 家未經(jīng)營失敗的公司進(jìn)行一元判別分析，Altman(1968)將破產(chǎn)作為風(fēng)險(xiǎn)指標(biāo)，利用費(fèi)歇判別方法，對33家破產(chǎn)公司和33 家未破產(chǎn)公司提出了多元判別函數(shù)，又稱Z 值判別模型，即用5 個(gè)財(cái)務(wù)指標(biāo)的線性組合作為Z 函數(shù)，再用Z 值進(jìn)行判別分析，此方法克服了單變量判別方法出現(xiàn)的對于同一公司不同變量預(yù)測出不同結(jié)果的現(xiàn)象，此研究開創(chuàng)了多變量財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的先河。除Z 值模型方法外，生存分析中廣泛使用的Logistic 回歸模型被Ohlson（1980）首次應(yīng)用到財(cái)務(wù)危機(jī)預(yù)警。另一方面，國內(nèi)研究財(cái)務(wù)風(fēng)險(xiǎn)評估和預(yù)測的文獻(xiàn)眾多，陳靜（1999）將ST 作為風(fēng)險(xiǎn)指標(biāo)，把資產(chǎn)負(fù)債率等6 個(gè)財(cái)務(wù)比率的指標(biāo)作為初始研究變量，利用單變量模型和Z 值模型將1995—1997 年之間的A 股27家ST 公司與27 家非ST 公司進(jìn)行對比研究，給出了可用于對新公司的非ST 或ST 屬性進(jìn)行判別的Z函數(shù)，高培業(yè)和張道奎（2000）利用Z 值模型和Logistic 回歸模型對企業(yè)失敗的判別進(jìn)行了實(shí)證研究，梁琪、郭新偉和石寧（2014）將隨機(jī)效應(yīng)Logistic 模型應(yīng)用到我國中小企業(yè)財(cái)務(wù)失敗風(fēng)險(xiǎn)的預(yù)警，丁香乾和石碩(2004)采用層次分析法對財(cái)務(wù)風(fēng)險(xiǎn)作出評價(jià)，他們指出層次分析法是一種定性與定量相結(jié)合的方法，可以彌補(bǔ)專家打分過于主觀的缺陷，李明霞（2015）應(yīng)用層次分析法對中小企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評價(jià)，此外，楊淑娥和徐偉剛（2003）采用主成分分析法構(gòu)建了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

三、實(shí)證分析

（一）變量選取與樣本說明

為了研究企業(yè)財(cái)務(wù)指標(biāo)對財(cái)務(wù)風(fēng)險(xiǎn)的影響，需要選取合適的財(cái)務(wù)指標(biāo)。已有的文獻(xiàn)通常選用如下6 項(xiàng)財(cái)務(wù)指標(biāo)資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率、營運(yùn)資金比率以及總資產(chǎn)周轉(zhuǎn)率，這6 項(xiàng)指標(biāo)對公司財(cái)務(wù)風(fēng)險(xiǎn)評估有重要意義，本文考慮到房企的特點(diǎn)和國家對房地產(chǎn)融資方面的宏觀調(diào)控政策選取8 個(gè)指標(biāo)（見表1）。

表1 選取變量的定義說明

其中，剔除預(yù)收賬款后的資產(chǎn)負(fù)債率、凈負(fù)債率和現(xiàn)金短債比為三道紅線中對應(yīng)的3 個(gè)財(cái)務(wù)指標(biāo)。陳靜（1999）中的第1 個(gè)指標(biāo)為資產(chǎn)負(fù)債率，它是負(fù)債總額與資產(chǎn)總額的比值，負(fù)債總額包括預(yù)收賬款，而紅線一的指標(biāo)是剔除預(yù)收賬款后的資產(chǎn)負(fù)債率，資產(chǎn)負(fù)債率和剔除預(yù)收賬款后的資產(chǎn)負(fù)債率存在共線性，結(jié)合房企的特點(diǎn)，我們使用剔除預(yù)收賬款后的資產(chǎn)負(fù)債率代替陳靜（1999）中的第1個(gè)指標(biāo)，其余5 個(gè)指標(biāo)均被采用。本文選取在上海證券交易所和深圳證券交易所A 股上市所有有完整財(cái)務(wù)數(shù)據(jù)的104 家公司，其中非ST 公司共95 家，ST 公司共9 家，使用上述8 項(xiàng)財(cái)務(wù)指標(biāo)對這些房企2020 年的財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)分析，并提出了風(fēng)險(xiǎn)預(yù)測方法。本文的數(shù)據(jù)來源為國泰安數(shù)據(jù)庫（CSMAR）。

（二）“三道紅線”與財(cái)務(wù)風(fēng)險(xiǎn)之間的關(guān)聯(lián)分析

剔除預(yù)收賬款后的資產(chǎn)負(fù)債率、凈負(fù)債率和現(xiàn)金短債比為“三道紅線”所涉及的財(cái)務(wù)指標(biāo)，是反映房地產(chǎn)企業(yè)負(fù)債情況的重要指標(biāo)。從債權(quán)人角度看，這三個(gè)比率越低越好，因?yàn)楣疽坏┢飘a(chǎn)清算，債權(quán)人更容易收回債務(wù)；從股東立場看，用于企業(yè)通過舉債資金與股東資金在經(jīng)營中發(fā)揮作用，全部資本利潤率高于借款利息率時(shí)，股東所獲得的利潤更大，此時(shí)負(fù)債率越高越好，但過高的舉債容易引發(fā)財(cái)務(wù)危機(jī)，此時(shí)股東的權(quán)益有清零的風(fēng)險(xiǎn)；對房地產(chǎn)企業(yè)來說，負(fù)債率不能超過規(guī)定的界限，但也不宜過低，當(dāng)負(fù)債率過低時(shí)，說明企業(yè)經(jīng)營能力不足，沒有很好地利用財(cái)務(wù)杠桿的作用，另一方面，當(dāng)負(fù)債率過高時(shí)，企業(yè)存在不能及時(shí)足額償債風(fēng)險(xiǎn)，一旦企業(yè)無法償還債務(wù)，可能導(dǎo)致企業(yè)破產(chǎn)。所以國家根據(jù)我國房地產(chǎn)發(fā)展的實(shí)際情況，對這3項(xiàng)指標(biāo)制定了不同的上限，既兼顧了房地產(chǎn)發(fā)展合理的舉債需求，又為避免債務(wù)違約而對財(cái)務(wù)杠桿進(jìn)行了限制。下面分析上市房企的這三個(gè)負(fù)債率的整體情況以及負(fù)債率與公司財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)系。

1.描述性分析

（1）剔除預(yù)收賬款后的資產(chǎn)負(fù)債率

一是農(nóng)民認(rèn)識不高，環(huán)保意識不強(qiáng)。秸稈焚燒的主體是農(nóng)民，由于農(nóng)民的文化教育水平不高，對秸稈焚燒的危害認(rèn)識比較膚淺。以沅江市南嘴鎮(zhèn)的部分村民為例，在多年的耕種中，秸稈主要是焚燒為主，稻谷秋收之后，選擇天氣較好的時(shí)段直接焚燒，部分農(nóng)民沒有認(rèn)識到焚燒秸稈不但會(huì)影響天氣質(zhì)量，而且還有可能帶來巨大的安全隱患，甚至引發(fā)大面積的火災(zāi)，危害人們?nèi)罕姷呢?cái)產(chǎn)安全。因此，農(nóng)民環(huán)保意識不足，認(rèn)識不到焚燒秸稈會(huì)給環(huán)境污染帶來嚴(yán)重的危害，是秸稈禁燒難的主要原因。

剔除預(yù)收賬款后的資產(chǎn)負(fù)債率是“三道紅線”中的紅線一所涉及的財(cái)務(wù)指標(biāo)，政策規(guī)定該指標(biāo)不得大于70%。從表2 可以看出，ST 公司與非ST 公司剔除預(yù)收賬款后的資產(chǎn)負(fù)債率大于70%的數(shù)量均超過50%，說明此時(shí)超過半數(shù)的公司存在無法償還債務(wù)的風(fēng)險(xiǎn)，同時(shí)也反映了房地產(chǎn)高杠桿經(jīng)營的總體特征，由此看出超過半數(shù)的房地產(chǎn)公司存在償債風(fēng)險(xiǎn)。

表2 列聯(lián)表—剔除預(yù)收賬款后的資產(chǎn)負(fù)債率

（2）凈負(fù)債率

凈負(fù)債率屬于國家對房地產(chǎn)債務(wù)調(diào)控三道紅線中的紅線二所涉及的財(cái)務(wù)指標(biāo)，政策規(guī)定該比率不得超過100%。從表3 可以看出，該指標(biāo)超過第二道紅線的非ST 公司及ST 公司占比均為總體的30%左右，雖比超過紅線一的公司數(shù)量占比少20%以上，但可能出現(xiàn)資不抵債的公司也不在少數(shù)。

表3 列聯(lián)表——凈負(fù)債率

（3）現(xiàn)金短債比

現(xiàn)金短債比屬于國家對房地產(chǎn)債務(wù)調(diào)控三道紅線中的紅線三所涉及的財(cái)務(wù)指標(biāo)，政策規(guī)定現(xiàn)金短債比不得小于1。從表4 看出，近90%的公司現(xiàn)金短債比沒有超過1，也就是說公司的短期債務(wù)大于貨幣資金，大多數(shù)房地產(chǎn)公司沒有滿足第三條紅線要求，所以全面降低房地產(chǎn)公司的短期負(fù)債是一項(xiàng)緊迫的任務(wù)。

表4 列聯(lián)表——現(xiàn)金短債比

2.獨(dú)立性檢驗(yàn)

基于列聯(lián)表分析的統(tǒng)計(jì)理論，通過SPSS 軟件，可以得到“三道紅線”涉及的3 個(gè)變量與ST 風(fēng)險(xiǎn)之間的獨(dú)立性檢驗(yàn)，其中，上述3 個(gè)變量的屬性情況依據(jù)三道紅線的劃分確定，檢驗(yàn)結(jié)果如表5。

表5 獨(dú)立性檢驗(yàn)

檢驗(yàn)結(jié)果表明，“三道紅線”涉及的3 個(gè)變量與ST 風(fēng)險(xiǎn)有較強(qiáng)的相關(guān)性，注意到，這一結(jié)果是基于2020 年的數(shù)據(jù)，“三道紅線”政策是從2021 年開始實(shí)施的。結(jié)果表明，“三道紅線”設(shè)置的科學(xué)性和及時(shí)性，對防范房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)有重要作用。我們注意到，許多房地產(chǎn)公司在“三道紅線”之后不斷出現(xiàn)暴雷，比如中國恒大和融創(chuàng)中國等，但這些大型房地產(chǎn)公司的暴雷不是“三道紅線”的結(jié)果，最多只是“三道紅線”加速了風(fēng)險(xiǎn)暴露，證明了房地產(chǎn)調(diào)控有利于房地產(chǎn)公司長期健康發(fā)展。

（三）多元判別分析

1.指標(biāo)共線性檢驗(yàn)

與常用的分析財(cái)務(wù)風(fēng)險(xiǎn)的財(cái)務(wù)指標(biāo)相比，我們增加了“三道紅線”涉及的財(cái)務(wù)指標(biāo)，那么這“三道紅線”涉及的財(cái)務(wù)指標(biāo)有沒有關(guān)聯(lián)（重復(fù)）以及這些指標(biāo)與其它財(cái)務(wù)指標(biāo)是否關(guān)聯(lián)（重復(fù)）呢？本文利用SPSS 進(jìn)行的多重共線性檢驗(yàn)的結(jié)果（表6），結(jié)果表明8 項(xiàng)財(cái)務(wù)指標(biāo)的方差膨脹系數(shù)（VIF）均小于10，即“三道紅線”涉及的財(cái)務(wù)指標(biāo)沒有共線性，且所有8 項(xiàng)指標(biāo)沒有共線性，它們均可用于財(cái)務(wù)風(fēng)險(xiǎn)判別。

表6 多重共線性檢驗(yàn)結(jié)果

2.多元判別分析

為了判別A 股上市房企的ST 風(fēng)險(xiǎn)，我們利用8 項(xiàng)財(cái)務(wù)指標(biāo)，采用Z 模型進(jìn)行判別，即選用費(fèi)歇判別函數(shù)：

C，C，…，C為函數(shù)的系數(shù)，費(fèi)歇判別方法介紹見張堯庭和方開泰(2013)。我們將通過SPSS 得出判別函數(shù)的系數(shù)，由此得到Z 函數(shù)具體表達(dá)式，通過回判結(jié)果來驗(yàn)證—函數(shù)判別的正確率，并得到各公司Z 值得分分布圖，給出對Z 值判別財(cái)務(wù)風(fēng)險(xiǎn)的具體方法?；?020 年104 家公司的8 項(xiàng)指標(biāo)，通過SPSS 軟件，采用費(fèi)歇判別分析，得到各系數(shù)具體值，其判別函數(shù)為：

由此看出，Z 值與總資產(chǎn)收益率的關(guān)系最大，該指標(biāo)對房地產(chǎn)公司風(fēng)險(xiǎn)影響較大，與“紅線一”的指標(biāo)剔除預(yù)收賬款后的資產(chǎn)負(fù)債率的關(guān)系次之，說明三道紅線涉及的主要指標(biāo)對房企風(fēng)險(xiǎn)影響顯著，剔除預(yù)收賬款后的資產(chǎn)負(fù)債率對Z 值得分產(chǎn)生正向影響。需要注意的是，判別函數(shù)系數(shù)的正負(fù)不表示該指標(biāo)對企業(yè)風(fēng)險(xiǎn)產(chǎn)生正向影響或者負(fù)向影響，而僅僅是對Z 值得分的影響。如剔除預(yù)收賬款后的資產(chǎn)負(fù)債率的系數(shù)為3.379，該指標(biāo)對Z 值得分為正向影響，對房企的經(jīng)營來說，卻是相反的，負(fù)債率越高，企業(yè)越容易存在財(cái)務(wù)風(fēng)險(xiǎn)。房地產(chǎn)公司自身帶有高杠桿經(jīng)營基因，沒有一定的負(fù)債很難做大做強(qiáng)，但是，對杠桿的控制還是必要的。

3. 多元函數(shù)回判結(jié)果

該判別函數(shù)的回判結(jié)果如表7，此結(jié)果展示了Z 函數(shù)對非ST 公司與ST 公司判別的準(zhǔn)確性。95 個(gè)非ST 公司，有91 個(gè)依然被判為非ST 公司，有4 個(gè)非ST 公司被誤判為ST 公司，非ST 公司判別正確率為95.8%，誤判率為4.2%，該Z 值函數(shù)判別方法對非ST 公司判別的正確率很高；另外，9 個(gè)ST 公司，有7 個(gè)依然被判為ST 公司，有2 個(gè)ST 公司被誤判為非ST 公司，ST 公司判別正確率為77.8%，誤判率為22.2%，該Z 值函數(shù)判別方法對ST公司判別的正確率比非ST 公司低但其正確率也超過了50%。該Z 值函數(shù)對非ST 與ST 總體的判別正確率為94.2%。也就是說正確地對94.2%個(gè)原始已分組個(gè)案進(jìn)行了分類。僅針對分析中的個(gè)案進(jìn)行交叉驗(yàn)證，在交叉驗(yàn)證中，每個(gè)個(gè)案都由那些從該個(gè)案以為的所有個(gè)案派生的函數(shù)進(jìn)行分類。正確地對91.3%個(gè)進(jìn)行了交叉驗(yàn)證的已分組個(gè)案進(jìn)行了分類。

表7 多元函數(shù)回判結(jié)果——預(yù)測組成員信息

4. Z 值得分及判別方法

基于2020 年數(shù)據(jù)，這104 家房企一一對應(yīng)一個(gè)Z 值，這些公司的Z 值得分分布如圖1 所示。非ST 公司Z 值的平均值為0.34，標(biāo)準(zhǔn)差為0.905，Z得分集中在-3 ～2 之間，其中30 個(gè)非ST 公司得分0.5 ～1 之間，24 個(gè)非ST 公司得分在0 ～0.5之間。ST 公司Z 值平均值為-3.54，標(biāo)準(zhǔn)差為1.767，Z 值得分集中在-6.5 ～-1 之間。采用Z 值判別的方法如下：用表4 的常量Z=-3.011 作為判別臨界值，當(dāng)一個(gè)新公司無法判別其ST 風(fēng)險(xiǎn)時(shí)，可將該公司的上述8 項(xiàng)財(cái)務(wù)指標(biāo)代入Z 函數(shù)，來判別該公司是否為ST 公司，當(dāng)Z ≥3.011 時(shí)，判定為非ST公司；當(dāng)Z ＜3.011 時(shí)，則判定為ST 公司，說明公司存在ST 風(fēng)險(xiǎn)。

圖1 Z 值得分分布

四、結(jié)論與建議

本文通過研究房企的ST 風(fēng)險(xiǎn)與下述8 項(xiàng)財(cái)務(wù)指標(biāo)的關(guān)系：剔除預(yù)收賬款后的資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率、營運(yùn)資金比率、凈負(fù)債率以及現(xiàn)金短債比，分別進(jìn)行了列聯(lián)表分析、多指標(biāo)費(fèi)歇判別分析，結(jié)果表明，列聯(lián)表分析和多指標(biāo)分析均有效。分析中發(fā)現(xiàn)，A股上市房企中超半數(shù)存在負(fù)債過高的情況，存在較大資不抵債的風(fēng)險(xiǎn)，說明國家設(shè)立的“三道紅線”政策非常及時(shí)和有針對性，嚴(yán)格執(zhí)行這一政策對我國房地產(chǎn)市場平穩(wěn)健康發(fā)展有重要意義；與陳靜（1999）比較，我們既考慮了Z 模型用來判別財(cái)務(wù)風(fēng)險(xiǎn)又結(jié)合了國家對房地產(chǎn)調(diào)控的政策和房地產(chǎn)公司的特征，將房地產(chǎn)調(diào)控的“三道紅線”對應(yīng)的指標(biāo)納入分析范圍，分析結(jié)果顯示“三道紅線”對應(yīng)的主要指標(biāo)對房地產(chǎn)風(fēng)險(xiǎn)有顯著影響，這既說明了本文結(jié)論對房地產(chǎn)公司有較強(qiáng)的針對性，也表明國家制定房地產(chǎn)調(diào)控紅線的必要性。本文新的發(fā)現(xiàn)是國家房地產(chǎn)調(diào)控中的“三道紅線”之中的剔除預(yù)收賬款后的資產(chǎn)負(fù)債率對房地產(chǎn)財(cái)務(wù)風(fēng)險(xiǎn)有明顯影響，由此看出，嚴(yán)格控制不越線是控制房地產(chǎn)公司風(fēng)險(xiǎn)的重要任務(wù)之一；值得一提的是，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)除了ST 風(fēng)險(xiǎn)外，還有多種其他風(fēng)險(xiǎn)，如對于房地產(chǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)的研究，可以將超過1 條紅線的公司作為一類，其余作為另一類，利用本文的方法進(jìn)行對比研究，這將是未來的研究課題。本文的結(jié)果有一些局限性，主要有：（1）由于實(shí)際情況的限制，A 股上市房企中ST 公司的數(shù)量過少，特別是與非ST 公司相比的數(shù)量較少，這樣分析得到的結(jié)果的穩(wěn)定性不夠好，在后續(xù)跟進(jìn)研究中可通過實(shí)際可能增加的ST公司樣本容量的方法來解決這個(gè)問題；（2）本文假設(shè)ST 公司來自于同一個(gè)總體，同時(shí)非ST 公司也來自于同一個(gè)總體，在有些情況下這種假設(shè)會(huì)被破壞，此時(shí)我們可以通過差分等方法來處理數(shù)據(jù)，以便得到平穩(wěn)數(shù)據(jù)。