黎杏群
(澳門城市大學(xué)商學(xué)院)
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。
“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。
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)。
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。
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
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)。