
【摘要】本文以房地產(chǎn)行業(yè)上市公司為實證對象,選取8家ST類公司和32家財務(wù)正常的配對公司為樣本,依據(jù)同一財政年度、類似固定資產(chǎn)規(guī)模的原則,進(jìn)行三步篩選,建立包含營業(yè)利潤、流動比率和凈利潤/營業(yè)總收入三個變量的Logistic財務(wù)風(fēng)險識別模型。此模型判定結(jié)果與實際基本相符,其對企業(yè)財務(wù)風(fēng)險預(yù)測的準(zhǔn)確程度為95%,模型具有較好的判別能力,可為房地產(chǎn)企業(yè)內(nèi)部構(gòu)建財務(wù)風(fēng)險識別模型提供參考。
【關(guān)鍵詞】Logistic模型 房地產(chǎn)企業(yè) 財務(wù)風(fēng)險控制
一、引言
我國房地產(chǎn)行業(yè)正處于快速發(fā)展時期,而伴隨著快速發(fā)展帶來的是房地產(chǎn)行業(yè)的經(jīng)濟(jì)泡沫,其表現(xiàn)為房價逐年攀升,嚴(yán)重地超過了普通老百姓的購買能力。為制止房價上漲愈演愈烈,近年來,國家相繼出臺了房價調(diào)控政策。例如:2010年,國土資源局出臺政策提高購地保證金,嚴(yán)格把控房地產(chǎn)供地;2011年,國務(wù)院“國八條”明確要求30多個城市出臺“限購令”;2012年,房地產(chǎn)稅正式納入“十二五”規(guī)劃;2013年,國務(wù)院“國五條”出臺抑制投資性購房政策等等。
在國家嚴(yán)厲的調(diào)控政策下,房地產(chǎn)企業(yè)面臨著銀行等金融機(jī)構(gòu)更為嚴(yán)格的信貸評估,增加了獲取借貸資金的難度。而房地產(chǎn)行業(yè)是一個資金密集型產(chǎn)業(yè),一旦資金鏈斷裂,勢必會影響企業(yè)的生存。
在房地產(chǎn)企業(yè)面臨的嚴(yán)峻形勢下,幫助房地產(chǎn)上市公司分析財務(wù)風(fēng)險狀況,提出識別風(fēng)險的方法,有效預(yù)防和控制財務(wù)風(fēng)險,促使房地產(chǎn)企業(yè)持續(xù)健康地發(fā)展,無疑具有積極的意義,這也正是本文研究的目的。
二、文獻(xiàn)綜述
國外對于企業(yè)財務(wù)預(yù)警的研究較早。Fitzpatric(1932)研究發(fā)現(xiàn)財務(wù)正常和財務(wù)異常的上市公司在一些財務(wù)數(shù)據(jù)上存在著明顯的差別,并提出了比較兩種類型上市公司的財務(wù)比率。Beaver(1966)率先提出了用單變量分析方法來識別企業(yè)的財務(wù)風(fēng)險。Martin(1977)選取58家銀行的8個指標(biāo)數(shù)據(jù),利用Logistic模型有效地預(yù)測了公司破產(chǎn)。
Ohlson(1980)挑選出1970 ~ 1976年105家財務(wù)異常公司及205家財務(wù)正常公司,共310家公司,采用Logistic方法建立企業(yè)財務(wù)風(fēng)險識別模型,從而奠定了該分析方法在財務(wù)風(fēng)險識別方面應(yīng)用的基礎(chǔ)。Blum(1974)基于資本市場企業(yè)財務(wù)狀況數(shù)據(jù)分析,提出了“現(xiàn)金流量理論”;Gentry等(1987)通過建立企業(yè)多項現(xiàn)金流量模型,構(gòu)建一種新的企業(yè)財務(wù)風(fēng)險識別模型,該模型是對Blum模型的延伸。David West(2000)通過建立5種神經(jīng)網(wǎng)絡(luò)模型與5種統(tǒng)計分類模型進(jìn)行比較,發(fā)現(xiàn)Logistic模型識別企業(yè)財務(wù)風(fēng)險的準(zhǔn)確率最高。
國內(nèi)也有不少學(xué)者進(jìn)行了這方面的研究,周首華等(1996)提出了F-Score模型進(jìn)行財務(wù)預(yù)警,并考慮了企業(yè)現(xiàn)金流量變動情況的相關(guān)影響因素。楊保安、季海(2001)綜合比較構(gòu)建企業(yè)財務(wù)風(fēng)險評價模型的各種方法,將神經(jīng)網(wǎng)絡(luò)分析法引入財務(wù)預(yù)警模型,可有效識別企業(yè)財務(wù)風(fēng)險。徐勇(2007)結(jié)合Fisher線性分析方法和Logistic分析方法,以上市公司為例進(jìn)行了實證研究,發(fā)現(xiàn)企業(yè)規(guī)模對于評價指標(biāo)具有明顯的影響。浦軍、劉娟(2009)通過Logistic分析方法,采用公司治理指標(biāo)、現(xiàn)金流量指標(biāo)和傳統(tǒng)財務(wù)指標(biāo),對2007年ST公司財務(wù)狀況進(jìn)行分析,最終得出企業(yè)獲利能力、償債能力及成長能力等指標(biāo)在模型中影響顯著。羅曉光和劉飛虎(2011)選用資本充足性、信用度、盈利能力、流動性和發(fā)展能力等五項指標(biāo),通過Logistic回歸模型構(gòu)建商業(yè)銀行的“多指標(biāo)風(fēng)險測度模型”。杜俊娟(2013)結(jié)合財務(wù)指標(biāo)和非財務(wù)指標(biāo)對房地產(chǎn)企業(yè)財務(wù)風(fēng)險進(jìn)行預(yù)警分析,并采用ZETA模型(即第二代信用風(fēng)險模型)進(jìn)行風(fēng)險評判,發(fā)現(xiàn)2011年所有公司ZETA值相對下降,意味著企業(yè)財務(wù)狀況變差。
三、實證分析
1. 指標(biāo)的選擇。企業(yè)盈利能力、資產(chǎn)運(yùn)營能力、償債能力以及成長能力指標(biāo)在傳統(tǒng)的企業(yè)財務(wù)管理中應(yīng)用較為廣泛,而大量研究證明,企業(yè)財務(wù)風(fēng)險與資產(chǎn)流動性密不可分。因此,還應(yīng)將反映資產(chǎn)流動性的現(xiàn)金流量能力指標(biāo)納入財務(wù)評價體系。本文結(jié)合選取房地產(chǎn)行業(yè)上市公司樣本數(shù)據(jù),最終采用綜合反映上述五個方面能力的30個財務(wù)風(fēng)險評價指標(biāo)構(gòu)成評價體系,具體見表1。2. 樣本的選擇。截至2012年底,對照證監(jiān)會發(fā)布的行業(yè)分類標(biāo)準(zhǔn),得知滬深兩市房地產(chǎn)開發(fā)與經(jīng)營業(yè)上市公司共有152家。樣本數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫、上市公司資訊網(wǎng)和各上市公司年報。
本文選取30個財務(wù)風(fēng)險指標(biāo)健全的房地產(chǎn)上市公司作為樣本,將被標(biāo)記為ST、∗ST或者S∗ST的上市公司定為財務(wù)狀況異常公司,將未被標(biāo)記為ST的上市公司定為財務(wù)狀況正常公司。由于2012年行業(yè)ST類型公司樣本數(shù)為4家,且∗ST國商凈資產(chǎn)收益率ROE(TTM)計算結(jié)果無意義,予以放棄,故ST樣本公司僅為3家,因此對2011年數(shù)據(jù)進(jìn)行取樣,其中ST樣本數(shù)為8家,上市公司總數(shù)為137家??紤]到企業(yè)的規(guī)模不同,各項財務(wù)指標(biāo)數(shù)據(jù)之間可比性不強(qiáng),因此需要考慮規(guī)模因素造成的偏差,并在選取樣本時遵循上市公司固定資產(chǎn)總額類似原則。最后,挑選出8家財務(wù)狀況異常的上市公司,按照4倍比例選取財務(wù)狀況正常的樣本公司共32家,具體見表2。
3. Logsitic模型分析。
(1)單因素Logsitic模型回歸分析。采用Logistic回歸模型將樣本數(shù)據(jù)分為兩組,其中財務(wù)狀況正常上市公司賦值為0,財務(wù)狀況異常上市公司賦值為1。
以組別(1,0)作為分析的因變量,30個財務(wù)指標(biāo)數(shù)據(jù)作為自變量,并選取0.25作為各變量顯著水平比較值,以此作為臨界點來判斷變量是否保留,如果自變量顯著水平sig<0.25,則保留;如果自變量顯著水平sig>0.25,則放棄。
依據(jù)分析結(jié)果得出總共14項指標(biāo)顯著水平sig>0.25,即其未通過顯著性檢驗,因此應(yīng)放棄這些指標(biāo)。其余成長能力指標(biāo)——營業(yè)總收入(同比增長率)為X13、利潤總額(同比增長率)為X15;償債能力指標(biāo)——有形資產(chǎn)/總負(fù)債為X22、經(jīng)營活動產(chǎn)生的經(jīng)營流量凈額/總負(fù)債為X24、歸屬母公司股東的權(quán)益/總負(fù)債為X25、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額/流動負(fù)債為X26;盈利能力指標(biāo)——ROE為X31、銷售毛利率為X34;營運(yùn)能力指標(biāo)——固定資產(chǎn)周轉(zhuǎn)率為X46、總資產(chǎn)周轉(zhuǎn)率為X47;現(xiàn)金流量能力指標(biāo)——銷售商品提供勞務(wù)收到的現(xiàn)金/營業(yè)收入為X51、經(jīng)營活動現(xiàn)金流量凈額/營業(yè)收入為X52、資本支出/折舊和攤銷為X53和經(jīng)營性現(xiàn)金凈流量/營業(yè)總收入為 X54。
(2)相關(guān)性分析和多元共線性檢驗。對于剩下的指標(biāo),采用Pearson進(jìn)行相關(guān)性檢驗,并設(shè)置標(biāo)準(zhǔn)值為0.5。如果兩兩變量之間的相關(guān)系數(shù)監(jiān)測結(jié)果大于0.5,說明兩者相關(guān)性較高,僅選取其中一個變量作為下一步分析的自變量。
X35、X36、X37、X41與X42的相關(guān)系數(shù)分別為0.808、0.813、0.813和0.989。由于剩余的變量中還有存貨周轉(zhuǎn)率X43這一指標(biāo),而該指標(biāo)更具有完整性,故舍棄存貨周轉(zhuǎn)天數(shù)X42。
X35、X36與X37三者兩兩相關(guān)系數(shù)均為1,考慮到單因素Logistic回歸模型的分析結(jié)果,凈利潤/營業(yè)收入對因變量的解釋程度強(qiáng),故保留凈利潤/營業(yè)總收入X35,舍去營業(yè)利潤/營業(yè)總收入X36和息稅前利潤/營業(yè)總收入X37兩個變量。
X11、X23、X32、X44與X33的相關(guān)系數(shù)分別為:0.511、0.736、0.813和0.504,考慮到Logistic回歸模型要求簡潔且解釋力強(qiáng),故舍棄ROIC X33。
X14、X43、X45與X12的相關(guān)系數(shù)分別為-0.857、0.998和0.752,考慮到指標(biāo)的完整性,故舍棄每股經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額(同比增長率)X12。
X16與X11為0.997,因為在第一步中發(fā)現(xiàn)X25對與因變量的解釋力較弱,考慮到因變量前后的一致性和良好的解釋能力,故舍棄歸屬母公司股東的凈利潤X16。
經(jīng)過第二步篩選后,剩下10個自變量兩兩間相關(guān)系數(shù)均低于0.5,再通過容忍度檢驗,實現(xiàn)自變量多元共線性檢驗,結(jié)果如表3所示:
陳希孺等(1990)提出若自變量容忍度小于0.1,則多變量之間存在共線性問題。基于此,本文認(rèn)定當(dāng)自變量容忍度大于0.1且VIF小于10時,可以認(rèn)定該自變量不存在多元共線性問題。依據(jù)表3,可以得出X23這一自變量被排除,剩下9個自變量不存在多元共線性問題。
(3)參數(shù)估計。本文采用“向后:LR”逐步選擇法,確定模型中應(yīng)包含的自變量,并評估所得的參數(shù)。此次模型構(gòu)建經(jīng)過六次極大偏似然估計,并舍棄似然比統(tǒng)計量最小的自變量,直到第七步模型中所有自變量均滿足要求。
模型第七步驟的回歸結(jié)果表明:營業(yè)利潤(同比增長率)X14、流動比率X21和凈利潤/營業(yè)總收入X35三個變量更改的顯著性均小于0.05,故保留。將此三個變量代入Logistic模型,得到如下表達(dá)式:
[lnp1-p=0.927-0.07X14-0.642X21-0.155X35] (1)
式(1)轉(zhuǎn)化為非線性形式即為:
[p=11+e-(0.927-0.07X14-0.642X21-0.155X35)] (2)
式(2)為Logistic模型,p為房地產(chǎn)上市公司財務(wù)風(fēng)險的預(yù)測概率。鑒于式(2)中自變量難以對因變量進(jìn)行解釋,故引入概率發(fā)生比(Odds),即p/(1-p)和發(fā)生比率(Odds ratio),用自變量來解釋發(fā)生比貢獻(xiàn)的大小,發(fā)生比率表示自變量的變化對發(fā)生比的影響程度。于是可得發(fā)生比的表達(dá)式:
[Odds=e(0.927-0.07X14-0.642X21-0.155X35)] (3)
式(3)若自變量X14變化了l個單位,則此時發(fā)生比率為:
[Odds1Odds2=e0.927-0.07(X14+1)-0.642X21-0.155X35e(0.927-0.07X14-0.642X21-0.155X35)=e-0.07] (4)
此時發(fā)生比變化了(e-0.07-1)個單位。若發(fā)生比率大于1,則表明事件發(fā)生的可能性會提升,否則相反。
(4)模型顯著性檢驗。模型中每剔除一個不顯著的變量后,其卡方值均大于臨界值1.323,這說明在檢驗過程應(yīng)拒絕零假設(shè),即回歸方程整體上是顯著的。而且,剔除過程中,每步對應(yīng)的顯著性水平分別達(dá)到0.784、0.808、0.816、0.468、0.548、0.236,均大于既定顯著性水平,也即在檢驗過程中,每步剔除的變量都不顯著,接受零假設(shè),也即剔除的變量不會影響模型的顯著性水平。
四、結(jié)論
本文構(gòu)建Logistic財務(wù)風(fēng)險識別模型的判定結(jié)果與實際基本相符,其對企業(yè)財務(wù)風(fēng)險預(yù)測的準(zhǔn)確程度為95%,可見模型具有較好的判別能力。經(jīng)過三步篩選,最終得出效果較好的3個指標(biāo)為Logistic模型的自變量,即營業(yè)利潤(同比增長率)X14、流動比率X21和凈利潤/營業(yè)總收入X35,這三項指標(biāo)能夠較好地判別房地產(chǎn)上市公司的財務(wù)狀況。
從模型評價的結(jié)果可以看出,在假定的分類點位P=0.5時,Logistic模型對總體的預(yù)測準(zhǔn)確率達(dá)到95%,對正常企業(yè)的判定正確率為100%,對具有財務(wù)風(fēng)險的ST企業(yè)判定的正確率為75%。模型的回歸結(jié)果表明,運(yùn)用Logistic模型可以有效地預(yù)測和檢測樣本房地產(chǎn)上市公司的財務(wù)風(fēng)險,那么其他房地產(chǎn)公司同樣可以運(yùn)用此模型建立符合自身特點的風(fēng)險評估模型,比如考慮治理結(jié)構(gòu)、學(xué)習(xí)能力、客戶關(guān)系管理能力等非財務(wù)因素,進(jìn)而有效地制定風(fēng)險預(yù)警機(jī)制,最終保證企業(yè)在市場中擁有核心競爭力和持續(xù)競爭優(yōu)勢。
主要參考文獻(xiàn)
1. Fitzpartrick,P. J.. A Comparison of Ratios of Successful Industrial Enterprises With those Failed Firms. The Accountants Publishing Company,1932
2. Beaver, William H.. Financial Ratios as Predictors of Failure. Journal of Accounting Research,1966;4
3. Blum M.. Failing company discriminant analysis. Journal of Accounting Research,1974;12
4. 周首華,楊濟(jì)華,王平.論財務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式.會計研究,1996;8
5. 楊保安,季海.基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款風(fēng)險預(yù)警研究.系統(tǒng)工程理論與實踐,2001;5
6. 浦軍,劉娟.財務(wù)狀況質(zhì)量與財務(wù)危機(jī)研究——基于LOGISTIC模型的實證分析.經(jīng)濟(jì)問題,2009;10
7. 羅曉光,劉飛虎.基于Logistic回歸法的商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型研究.金融發(fā)展研究,2011;11
8. 陳希孺,白志東,趙林城,吳月華.線性模型中最小一乘估計的漸近正態(tài)性.中國科學(xué),1990;5
【作 者】
杜運(yùn)潮 徐鳳菊(博士生導(dǎo)師)
【作者單位】
(武漢理工大學(xué)管理學(xué)院 武漢 430070)