房地產公司財務指標分析精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇房地產公司財務指標分析，期待它們能激發您的靈感。

篇1

本文運用因子分析方法對上海證券交易所的29家上市房地產公司的財務數據，從資產總計、主營業務收入、主營業務利潤、利潤總額、凈利潤、每股收益、每股凈資產、凈資產收益率、股本等9項指標進行了因子分析，認為財務指標可以歸納為營運能力、資產價值2個因子，其分別反映公司的營運能力和資本價值情況，為財務狀況分析提供了便利。

【關鍵詞】

房地產；上市公司；財務指標；因子分析

一、研究背景

進入21世紀以來，雖然我國的股票市場發展速度較快，但是從總體規模看，與國外還有相當大差距，我國目前股市投資者為3300萬人，僅占全國總人口的2.7%。并且隨著股票市場在社會經濟生活中的地位越來越重要，面對我國股市規模較小，而與國民經濟發展的客觀要求有較大差距這種現狀，在我國擴大股市規模有很大的潛力可挖。這就會吸引越來越多不同行業股票的加入，國家在進行必要的政策改進之外，投資者必然要對這些股票進行理性客觀的評價，上市公司的財務指標就成為投資者的研究對象。但是如何選取以及選取哪些適當的財務指標在一定程度上影響對上市公司運營狀況的分析結果，除了對財務報表的宏觀分析之外，關鍵在于要運用數據的財務分析技術，通過財務報表數據看到公司的營運能力、資產價值情況，把握其未來的發展狀況。財務分析的方法有很多，因子分析是一種很有效的降維和信息萃取技術。因此，我們將利用因子分析技術，在眾多的財務指標中提取出主要信息。

二、研究對象與方法

1、研究對象

對上海證券交易所的29家房地產上市公司2006年財務數據的總資產、總股本、主營業務收入、主營業務利潤、利潤總額、凈利潤、每股收益、每股凈資產、凈資產收益率主要財務指標進行因子分析，并將這九個指標歸結為兩個因子。

2、研究方法

對上述29家上市房地產公司的9項財務指標在SPSS17.0軟件上進行因子分析。

三、實證分析

1、數據的獲取

分析指標數據的獲取是2006年度報告的財務指標經匯總計算而來的，各房地產上市公司的具體評價指標數據由于太多在此不便展開。

2、數據分析

（2）因子旋轉。為了使潛在的因素意義更為明確，分析的結論更為真實，將因子載荷矩陣按最大方差法進行正交旋轉分離，可得到旋轉后的因子載荷矩陣，從表2可以看出，總資產、股本、主營業務收入、主營業務利潤、利潤總額、凈利潤、凈資產收益率等指標在第一個因子上有很高的載荷；每股收益、每股凈資產等指標在第二個因子上有很高的載荷。根據因子所代表的具體指標的含義和現實的需要，可以把這兩個因子命名為營運能力、資產價值因子。

篇2

關鍵詞：財務報告舞弊 房地產 Logistic回歸模型

我國的房地產業起步于20世紀80年代中期，是一個成長性很高的行業。如今，房地產業在我國經濟生活中已有舉足輕重的地位，但由于我國的房地產企業起步晚、規模小、基礎差，其企業缺乏規范性管理，企業的財務狀況也面臨會計核算體系不健全、缺乏有效的內部控制制度等問題，這些都使得房地產企業出現財務報告舞弊的風險加大。本文結合房地產企業的相關運營特點和財務特征，在國內外財務報告舞弊現有的研究基礎上建立一套適合我國上市房地產企業的財務報告舞弊的識別模型。同時找出識別房地產企業財務報告舞弊的關鍵指標，為各有關信息使用者的決策提供依據。

一、文獻綜述

（一）國外文獻 西方國家資本市場產生時間較長，國外學術界較早地進行了上市公司財務報告舞弊的研究。Lee，Ingram和Howard 用列舉的方式對財務報告舞弊作了定義。在他們看來，財務報告舞弊就是系統性的利潤操縱。霍華德.R達維亞（2004）認為財務報表舞弊指的是在企業向外界披露財務報表時有意將財務報表上的一項或多項余額虛報的一種欺詐。在Michael R.Young看來，只有違規的財務報表被用于決策并造成損失時，這種違規才是舞弊。Persons， Beasley， Beneish 等從行業、董事會特征、財務指標等方面對財務舞弊公司的征兆做了進一步研究。Persons（1995），Bell and Carcello（2000）運用財務指標建立Logistic模型，Beneish（1997）通過建立Probit模型來識別財務報告舞弊現象。

（二）國內文獻 與西方國家相比，我國證券市場建立時間相對較晚，所以我國學者對上市公司財務報告舞弊現象主要進行規范研究。阮錦勤（2003）以48家被公開實施舞弊的上市公司為樣本，對財務報告舞弊的現狀進行了多角度的考察，并通過反映舞弊征兆和舞弊特征的兩類指標建立Logistic回歸模型，結果表明調整后每股現金和應收賬款與收入比兩個指標可以識別財務報告舞弊公司。明（2006）以8個財務指標為變量進行研究，最終建立了一個由應收賬款周轉率、毛利率指數和資產質量指數為變量的舞弊識別模型。陳國欣、呂占甲、何峰（2007）研究回歸模型表明：實際上只需要盈利能力、管理層持股比例、獨立董事規模、審計意見四個變量就可以較好地識別預測上市公司財務報告舞弊，而且通過Logistic 回歸技術建立的模型整體識別正確率已達95.1%，可以說效果相當顯著。梁杰、任茜（2009）在我國上市公司財務報告舞弊信號的審計與識別一文中從公司管理層、關系對象、公司治理結構及內部控制制度等方面揭示了財務舞弊的跡象。

二、研究設計

（一）研究假設 本文以我國上市房地產企業財務報告為樣本，通過綜合考察上市房地產企業公開的財務數據，尋求舞弊房地產企業在財務指標上共有的，能區別于未舞弊公司的特征，從而建立一個由多方面指標反映的識別模型。由此，本文提出以下假設：

假設1：:所有可以公開獲得的財務報表數據是真實、公允的

假設2：被中國證監會公開進行行政處罰的上市房地產公司均為有舞弊行為的公司

假設3：未受行政處罰的房地產公司均為財務報告正常的公司（即非舞弊公司）

篇3

內容摘要:本文運用Logistic回歸對我國預虧的上市房地產公司的財務數據進行分析,試圖從實證研究的角度說明上市房地產公司財務危機產生的原因,構建上市公司財務預警模型。研究表明logistic模型在預測虧損前的房地產公司財務困境方面具有較高的準確率。

關鍵詞:logistic回歸STT檢驗預警模型

繼1998年3月中國證監會了《關于上市公司狀況異常期間的股票特別處理方式的通知》后,同年4月滬深交易所即宣布將對財務狀況或其他狀況出現異常的上市公司的股票進行特別處理(Special Treatment,簡稱ST),從此ST板塊的股票即成為我國股票市場上一個特殊的群體。無論是資產重組的題材,還是關聯交易的頻繁發生,都可以引起市場對ST股票的敏感反映,使得該類股票的波動遠大于市場波動的平均幅度,成為制造投機成分,為股市營造變數的一個板塊。為排除行業不同所造成的影響,本文選擇ST板塊中房地產業的上市公司作為研究對象,運用常用統計分析軟件SPSS對這些上市房地產公司的財務困境進行研究,并運用logistic回歸尋找造成財務危機的原因,試圖構建相應的財務預警模型,為ST公司和投資者的經營和決策提供參考。

研究選樣標準與指標體系的建立

本文選取的研究對象為2009年被ST的12家房地產公司,并且選取了在滬深兩市中排名前12位的表現正常的12家房地產企業作為對比樣本。樣本相關變量數據取自CSMAR數據庫中各上市房地產公司2008年的數據以及證券之星、中國上市公司資訊網、和訊網等網站。

(一)財務風險預警指標的初步選取

美國紐約大學的Edward.Altman教授在建立企業破產預測的Zeta模型時,財務指標的最初選取遵循了兩個原則:該指標在以前的研究中出現的頻率;指標與所要研究問題的潛在相關性。結合這兩個原則以及敏感性、先兆性、關聯性、可操作性和互斥性,本文從反映上市公司的盈利能力、經營能力、償債能力、成長能力四個方面提取了各項財務指標,具體說明如下:

1.盈利能力指標。X1凈資產收益率:該指標是從所有者的角度考察企業盈利水平的高低。該指標越高,表明資產增值能力越強,企業越有活力,財務狀況越健康;X2總資產利潤率:該指標反映企業總資產獲得利潤的能力,是反映企業資產綜合利用效率的指標。該指標越高,表明資產利用效果越好,企業發生財務危機的可能性越小。

2.經營能力指標。X3應收賬款周轉率:該指標反映企業應收賬款周轉速度的比率。該指標越高,表明公司收賬速度快,壞賬損失少,資產流動快,償債能力強;X4存貨周轉率:該指標是衡量企業購入存貨、投入生產、銷售收回等各環節管理狀況的綜合性指標。它影響到企業的短期償債能力。該指標越高,存貨的占用水平越低,企業的變現能力越強;X5總資產周轉率:該指標綜合評價企業全部資產經營質量和利用效率。數值越高,表明企業總資產周轉速度越快,銷售能力越強,資產利用效率越高,發生財務危機的可能性越小。

3.償債能力指標。X6流動比率:該指標是流動資產對流動負債的比率,用于衡量企業流動資產在短期債務到期前,可以變為現金用于償還負債的能力。該指標越大,企業短期償還債務的能力越強;X7速動比率:該指標是速動資產對流動負債的比率,衡量企業流動資產中可以立即變現用于償還流動負債的能力。該指標是對流動比率的補充,它越大,企業的短期償債能力越強,財務風險越小;X8資產負債率:該指標又稱為財務杠桿系數。在企業經營狀況良好的情況下,適當的財務杠桿可以起到正面的作用,在經營不良時,過度的財務杠桿會導致企業的財務狀況惡化。

4.成長能力指標。X9主營業務收入增長率:該指標衡量公司的產品生命周期,判斷公司所處的階段。該指標越大表明企業的發展潛力越大;X10總資產增長率:該指標反映企業本期資產規模的增長情況。該指標越高,表明企業一定時期內資產經營規模擴張的速度越快。

(二) 財務風險預警指標的進一步篩選

進入預警模型的指標應當能夠顯著地區分ST公司和非ST公司,因此,本文選取應用多元統計方法中的T檢驗對預警指標進行再次篩選。對同一財務指標而言,當兩組樣本具備齊方差性時,采用的檢驗統計量為:

當兩組樣本不具備齊方差性時,采用的檢驗統計量為:

利用24家上市房地產公司的樣本數據,采用SPSS統計分析軟件中的雙樣本(獨立)平均數檢驗Independent-Sample T Test,對樣本2008年的數據進行顯著性檢驗的結果如表1所示。由表1可以看出,在財務風險發生的前一年中有三個指標通過了顯著性檢驗,分別是:X7速動比率、X5總資產周轉率和X10總資產增長率,這三個指標可以有效地區分有財務困境和沒有財務困境的企業,因此,選取它們作為logistic回歸中的入選變量。

財務困境預測模型選擇和構建

根據上述篩選出的三個財務指標,本文試圖預測我國上市房地產公司發生財務困境的可能性,即根據該指標組刻畫的財務狀況推測企業未來發生虧損的概率。

Logistic回歸是處理定性被解釋變量的常用統計分析方法,尤其對于相依變量為二分類變量時的模型往往具有較好的效果。并且相對于多元線性回歸,logistic回歸不要求變量服從正態分布,因而比判別分析更加穩健。其表達式為:

其中,xn的值為自變量,β0為截距, βi為回歸系數,P為在給定自變量的條件下事件發生的概率。

運用SPSS統計分析軟件對篩選出的三個經過T檢驗的財務指標進行logistic回歸分析,得到如表2所示。

所得方程可表示為:

logistic回歸模型一般以0.5為最佳判定點,即如果通過模型計算出來的某事件發生的概率(Y=1)大于等于該事件不發生的概率(Y=0),則判定該事件發生,否則判定該事件不發生。在本文中即為當P>0.5時,該企業被判定為ST公司,當P

將樣本公司的財務數據代入模型,進行回判,得到結果如表3所示。

從上述預測結果來看財務指標的綜合運用大大提高了預測的準確性,本文對ST公司的正判概率為83.3%,對正常上市公司的正判概率為83.3%,綜合正判概率即為83.3%。

結論及虧損的原因

(一)結論

本文利用logistic回歸對中國預虧上市房地產公司的財務困境進行了預測研究。采納的數據是綜合反映公司經營狀況的財務指標,判斷公司發生財務困境的標準是被ST。此外,作為對比研究,文章還選入數量相同的未發生虧損的業績正常的上市公司。從logistic回歸模型的預測結果來看,判別的準確率達到83.3%,表明模型在預測上市房地產公司發生虧損方面是有效的。因此,這個模型可以為資本市場上的機構與個人投資者做決策提供參考。同時,這個模型可以看做是對上市房地產公司連續虧損原因的解釋,表明速動比率、總資產周轉率和總資產增長率這三個指標所代表的相應的償債能力、經營能力和成長能力對企業的財務狀況具有重要的影響,這三個指標越大,企業的發生財務困境的概率越小,因此,企業的管理層應當在這些方面給予足夠的關注。

(二)我國上市房地產公司連續虧損的原因

企業償債能力偏低,風險大。我國房地產企業普遍存在自有資金不足的問題,企業所需資金主要是靠向銀行貸款解決。而對比ST企業與經營良好企業的財務指標可以發現連續虧損企業的資產負債率多在90%以上,有的高達1000%,遠遠高于正常經營的企業,而速動比率卻明顯偏低。這樣,過高的負債,不足的償債能力必然導致企業經營的成本增加,盈利下降,以致出現虧損。這種自由資金不足,過分依靠銀行貸款、施工企業墊資和拖欠材料款等方式來進行房地產開發的公司,一旦商品房銷售不暢,資金不能即時回籠,將導致工程難以為繼,極易出現虧損乃至破產。 企業重開發,輕經營管理。依據上述研究結果中顯示的經營能力,再結合實際,可以發現被ST的房地產企業相對于業績良好的房地產企業而言更加輕視物業經營管理。在這種情況下,公司業績取決于具體的開發項目,而一個開發項目的周期只有2-4年,極易導致開發企業經營業績的大起大落。在國外,物業經營管理的比重大大高于物業開發的比重,這也是國外房地產企業經營相對穩定的主要原因之一。

企業開發能力低,發展潛力小。房地產業是非常密集的資本密集型產業,而我國很多房地產企業規模小,資源分散,開發企業整體水平不高,與其密集的行業特點極不相適應。這也是ST房地產企業所面臨的問題之一,再加上它們償債能力和經營能力的欠缺,導致其融資能力也大受影響,進而影響到企業的發展潛力。而發展潛力所映射的成長能力的缺乏又進一步增加了其虧損的可能性。

此外,本文的研究也存在一定的局限性。主要表現在:由于考慮了行業和規模進行實證分析,難以取得足夠的樣本,這可能會導致研究結果與實際狀況存在一定誤差。樣本的選取局限于上市公司,限制了模型的適用范圍。由于搜集數據的途徑有限,有關公司治理、宏觀環境、行業競爭情況等影響企業財務狀況的非財務指標因素沒有納入研究范圍。

參考文獻:

1.于立勇,詹捷輝.基于Logistic回歸分析的違約概率預測研究[J].財經研究,2004(9)

2.楊蓬勃,張成虎,張湘.基于Logistic回歸分析的上市公司信貸違約概率預測模型研究[J].經濟經緯,2009(2)

3.杜勇,劉星.基于Logistic回歸的上市公司虧損逆轉識別模型研究.[J].技術經濟,2009(12)

篇4

0引言

目前，對房地產企業財務風險預警系統模型的定量研究僅主要采用線性或者廣域線性模型，而采用非線性模型對房地產企業的財務風險預警系統做定量研究較為少見。本文將從財務信息和非財務信息方面構建一個財務風險預警系統的指標體系，并采用因子-神經網絡模型對房地產上市公司的財務風險預警進行分析和預測，并得出相關結論。

1樣本的選取及指標體系的建立

1.1研究樣本的選取

為便于財務數據的獲得和研究成果的對比，本文選擇房地產A股上市公司的財務數據作為分析樣本，把滬、深兩地證券市場中的ST房地產公司界定為處于財務危機的公司，非ST房地產公司界定為財務正常的公司。根據上市房地產公司的實際情況，采用非配對抽樣，抽取相對少量的財務危機企業與相對較多的正常企業。基于以上原則，并根據CCERDATA和新浪網站公布的房地產上市公司報表及CSRC和GISC的行業分類標準，選取滬、深兩市房地產上市公司。選取的房地產企業情況如表1所示，由于2006年的數據缺省太多，且2010年的被ST房地產公司數量很少不便于預測，故本文僅選取2007~2009年的房地產企業作為研究樣本，分為財務正常企業和財務危機企業兩種樣本(表1)。

1.2財務預警指標的選取

由于對財務危機預警的研究始終缺少系統的經濟理論支持，很難在已有的參考資料中找到企業內部影響因素的公認指標。故本文試圖結合房地產上市公司的實際情況，并基于可采取可量化的原則，將選擇涵蓋企業償債能力、現金流量能力、盈利能力、營運能力、股東獲利能力、成長能力等方面的財務指標共32個，同時也將選擇涵蓋公司規模、股權結構、市場信息、審計等方面的非財務指標共20個，見表2。表2中的指標能比較全面地衡量房地產上市公司各方面的情況。然而財務危機預警指標過多，會導致神經網絡分析的過分擬合，同時指標之間的相互關聯反而會導致預警判別結果出現偏差。因此在對數據進行神經網絡分析前，必須先對這些財務危機預警指標進一步篩選，去掉冗余信息。

2模型構建與對比分析

2.1財務數據處理

由于在采集到的企業原始數據中，有些企業的部分數據缺乏，故首先要做預處理，才能進行深層次的分析。處理情況包括以下幾種：（1）對于在財務報表中未披露的數據。本文將用該企業前后兩年的平均數作為缺省數據補充，以保證整體數據的完整性。（2）對于在公開信息中無法獲得或依據公開信息無法判斷的數據。本文將依據悲觀準則用“不利”數據進行填充。比如，對于無法獲得董事長是否變更的情況，都一律認為發生變更。當數據處理完整之后，利用SPSS統計分析軟件提供的K-S檢驗，對2007~2009年的127個樣本的52個指標進行正態分布檢驗。檢驗結果顯示，在顯著性水平為0.05下，流動負載比例、長期負載比例、年度股東大會會議出席率、董事監事和高級管理人員總人數、CR10指數、換手率這6個變量的K統計量的p值大于0.05，符合正態分布，其余指標樣本不符合正態分布。

2.2顯著性檢驗

2.2.1服從正態分布的財務危機預警指標的均值相等性檢驗

對于服從正態分布的變量，可根據兩種樣本（財務正常企業和財務危機企業）的均值差的t統計量，對其進行獨立樣本的均值相等性檢驗，從而判斷兩種樣本中的財務危機預警指標是否存在顯著性差異。在0.05的顯著性水平下，長期負債比例、CR10指數、流動負載比例這3個指標通過了t檢驗的顯著性水平檢驗，即兩個樣本中的這3個指標有顯著性差異。董事監事和高級管理人員總人數、換手率、年度股東大會會議出席率這3個指標沒有通過t檢驗，即兩個樣本中的這3個指標沒有顯著性差異。如表3所示。

2.2.2不服從正態分布的財務危機預警指標的非參數檢驗

對其余47個不服從正態分布的財務危機預警指標變量，因其不符合t檢驗的前提條件，不能采用t檢驗的方法。本文采用非參數檢驗中的兩獨立樣本非參數檢驗的Mann-WhitneyU檢驗、Wald-WolfowitzW檢驗和Kolmogorov-Smirnov檢驗相結合的方式，若有一半以上非參數檢驗認為指標有差異，則認為通過了顯著性檢驗。通過SPSS檢驗后，流動比例、速動比例、營運資金比例、現金流量對流動負載比例、資產負債率、權益負債率、固定資產比例、長期負債比例利息保障倍數、存貨周轉率、資產周轉率、應收賬款周轉率、營運收入凈利潤率、營業利潤率、每股收益、市凈率、市盈率、凈資產增長率、營業利潤增長率、財務杠桿系數、年度內董事會的會議次數、金額最高的前三名董事的報酬總額、回報率、西格瑪系數、貝塔系數這24個指標通過顯著性檢驗；其余指標在兩種樣本中沒有顯著性差異。

2.2.3顯著性檢測結果

綜合上述t檢驗及非參數檢驗的結果，一共選取27個財務危機預警指標作為下一步分析對象。其中財務指標20個，非財務指標7個。

2.3財務指標的因子分析

上面確定的27個財務危機預警指標具有顯著性，這些指標從不同方面反映了公司的財務狀況。但財務危機預警指標項過多會導致神經網絡模型的過分擬合，反而影響結果的正確性[2]。本文考慮用因子分析的方法對財務危機預警指標進行降維處理。首先利用KMO檢驗對20個財務指標變量之間的相關性進行測定，把原有變量的指標數值代入SPSS軟件，計算結果如表3所示。變量指標的KMO測度值為0.674，球形檢驗P值小于0.05，檢驗結果顯著，可以做因子分析。檢驗結果如表4所示。把樣本數據代入SPSS，采用主成分分析方法，并取累計貢獻率為78.517%，則主成份為8個，即用這8個主成份來代替原來的20個財務指標。本文采用正交旋轉法中的方差最大法進行轉換。結果如表5所示。觀察表5，可以將這8個因子歸納為，短期償債和現金流動能力因子、盈利能力因子、營運能力因子、獲利能力因子、風險評價能力因子、資本成長潛力能力因子、資產營運負債能力因子、股東獲利能力因子。同時對非財務指標進行因子分析，發現不滿足KMO檢驗，無法進行主成分提取，故可直接將7個非財務指標作為神經網路的輸入。

2.4BP-Adaboost神經網絡模型

Adaboost算法的思想是合并多個“弱”分類器的輸出以產生有效的分類。BP-Adaboost模型即把BP神經網絡作為弱分類器，反復訓練BP神經網絡預測樣本輸出，通過Ada-boost算法得到多個BP神經網絡弱分類器組成的強分類器。對于本案例來說，輸入節點為15維，代表上述8個財務因子和7個非財務指標，輸出為1維，代表公司財務狀況。輸出為1時表示財務狀況良好，輸出為-1時表示財務狀況出現問題。BP神經網絡的激發函數選取Sigmoid函數。同時應注意隱含層節點數的選擇，如果隱含節點數太少，BP神經網絡不能建立復雜的映射關系，預測誤差較大，節點數過多，網絡學習時間增加，可能出現“過分擬合”現象，導致訓練樣本預測準確，但對其它樣本預測的誤差則較大。一般采用經驗法，中間隱含節點數參考下面公式：（略）。本文通過試錯法，確定BP神經網絡的結構為15-4-1，共訓練生成15個BP神經網路弱分類器；并用這15個弱分類器組成強分類器對公司財務狀況進行分類。抽取2007~2008年共127組數據作為訓練數據，再抽取2009年84組數據作為測試數據。根據Adaboost和BP神經網絡原理，采用Matlab進行仿真，設定單個BP迭代次數為50，學習率為0.1，目標為0.00004。采用多次訓練求平均值的方法確定分類錯誤和誤差率，作為訓練的結果，如表6所示。

2.5模擬結果分析

BP-Adaboost作為強分類器，比BP分類器的準確性要強，同時和Logistic回歸模型相比，誤差率要相應小一些[3][4]，該模型和指標項對財務正常的企業具有較高的判斷能力，誤差率只有2.71%。但本模型對于財務異常企業的判斷能力就有些弱了。一方面，2007~2009年中國和國際經濟形勢發生了巨大變化，而房地產企業受外部環境和政策的影響很大；又由于房地產企業的特殊性，其財務指標往往帶有滯后性，故若忽略這些因素，而只選取公司內部指標來判斷一個企業財務狀況是否正常有些欠妥。另一方面，對于異常企業來說，其部分數據太過異常，淹沒了其它數據之間的差異性，從而對該部分數據的標準化肯定會影響該指標項的其他數據，給最終結果帶來影響。

篇5

摘 要：隨著經濟日益發展，市場競爭日趨激烈，完善的財務危機預警體系是房地產上市公司在激烈的市場競爭中處于不敗的必要保障。但我國財務危機預警體系研究起步較晚，至今尚未形成完整的財務危機預警體系。我國房地產上市公司主要采用定量分析法來進行財務危機預警。本文在前人研究的基礎上，從我國房地產上市公司財務危機預警體系的現狀出發，指出僅采用定量分析法來預測公司財務風險的局限性，提出引入非財務指標因素及改進財務預警模型兩點建議來完善我國房地產上市公司財務危機預警體系，旨在加強我國房地產上市公司防范財務風險的能力。

關鍵詞：上市公司；財務危機；預警體系

一、引言

隨著全球化的發展，市場競爭日益激烈，由財務失敗而導致的破產公司越來越多，2009年的金融危機更是把破產風潮推向頂端。因此，建立完善的財務危機預警體系十分必要。

財務危機預警的研究國內外已經有了一些優秀的研究成果。國外學者Fitzpatrick于1931年以19家公司作為樣本，利用單一財務比率進行分析，發現凈利潤/股東權益和股東權益/負債兩個比率的判別能力最高。Beaver于1968年選擇79家經營失敗和未失敗的公司，選用30個財務比率進行分析，發現債務保障率、資產收益率、資產負債率、資金安全率、應收賬款周轉率、存貨周轉率、流動資金周轉率等比率判別力較高。但是，這些單一變量模型不能反映各財務比率之間的相互影響。Altman于1968年提出了Z模型。其多元線性判定模型為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5，其中判別變量分別為營運資本/總資產、留存收益/總資產、息稅前收益/總資產、股票市值/債務的賬面價值、銷售收入/總資產。由于公司規模、行業、地域等諸多差異，使Z值并不具有橫向可比性。再者，模型中一些數據的收集十分困難。Olson于1980年將邏輯回歸方法引入財務危機預警領域，提出了logistic回歸分析模型，此模型收集信息和計算過程較為復雜，不易掌握。Tam于1991年采用人工神經網絡模型進行財務危機預警研究，提出了人工神經網絡模型，但是模型很抽象，且不同樣本模型其隱藏要素個數會有所不同，影響比較的客觀性。

國內學者杜蘭英，王海波于2006年提出長期財務預警模型由獲利能力、償債能力、經濟效率和發展潛力四個模塊組成，從公司財務評價，經營管理水平和發展潛力三方面對財務危機進行監測。但是過于依賴定量指標，沒有考慮定性因素對財務危機的影響。柏麗于2008年提出經營風險引起財務風險，應因采取適當的風險策略，并制定相應切實可行的風險管理策略來降低危害。可是，財務風險總會受到特定歷史時期各種相關因素的影響，比如政策風險、自然風險等，經營風險只是影響因素之一。趙彬于2009年提出非財務指標往往先于財務指標發現問題，在財務危機預警體系中占有重要角色。雖開始關注非財務指標和定性指標，但是只引入了國家宏觀經濟產業政策的研究，沒有注重上市公司的微觀經營環境。

二、財務危機預警體系的理論研究

財務危機是指財務陷入困境，是公司風險貨幣化的集中表現，是一種復合性風險概念。公司的財務風險按其在經營中的表現不同，可以分為狹義財務風險和廣義財務風險。

狹義財務風險，通常也稱為籌資風險，是指公司因借入資金而增加的喪失償債能力或減少公司利潤的可能性。

廣義財務風險是指公司在運行過程中籌資、投資、資金收回、收益分配等各個環節產生的風險。財務風險是個綜合性極強的概念。首先，它涉及到公司資金運動的各個環節、公司內部的各個方面以及公司環境中的各個因素。其次，公司的其它風險，如經營風險、政策風險、自然風險等，對公司的影響最終也會通過財務成果來反映。由此可知，財務風險是財務活動和經營活動過程中各種不確定性的綜合反映，是公司風險貨幣化的集中體現。

財務危機預警是指依據公司財務報表及相關經營資料，運用科學的方法，對公司財務系統和財務活動中存在的問題進行分析和診斷，及時發現公司的潛在危機，進而提出解決措施。

三、我國房地產上市公司財務危機預警體系現狀及問題

我國房地產上市公司財務危機預警的現狀表現在以下四方面：

（一）主要采用定量分析法進行預警分析

我國有些房地產上市公司對其相關財務指標進行分析來預測財務風險，比如，凈利潤率、資產負債率、股利增長率、凈資產收益率等。有些公司通過選取一些財務指標作為預測變量，沿用國外的預警模型來進行預警分析，Z模型使用較為普遍。

（二）預測變量的選擇及相關關系的確立依據不充分

我國財務危機模型的研究是在借鑒國外的實證性研究的基礎上進行的。但是公司樣本的選擇并不完全適合我國上市公司。首先，我國上市公司的退市機制剛建立，上市公司有關破產機制不健全，迄今為止尚無一家上市公司宣告破產，以至研究人員無法以破產為財務危機標準來建立財務危機預警模型，通過選取ST公司來代替。ST公司是指連續虧損兩年的上市公司，這都是根據上市公司的虧損狀況而定的，虧損并不意味著就公司就陷入了財務困境。因此，模型中預測變量的選擇是否與公司持續經營相關，依據不充分。

（三）預測變量數據缺乏準確性

隨著所有權和經營權的分離，投資者和經營者信息不對稱。經營者在信息編報方面權利過大，而且現行獨立審計機制和監督機制難以保證上市公司的財務信息質量，這會影響模型預測的準確性。再者，許多模型中變量數據收集十分困難，例如，“Z-模型”中需要的股東權益的市場價值，其包含資產負債表中已經存在的所有者權益，同時還包括市場對上市公司未來盈利能力和市場價值的估計，對于一個發展前景好的公司，其權益市場價值通常會高于其賬面的所有者權益價值，二者不存在簡單的算術關系。因此，這些都使得模型的準確性大打折扣。

（四）對非財務指標因素重視不夠

公司進行財務預警分析時，往往忽視了非財務指標的作用。財務指標面向過去，非財務指標往往面向未來，非財物指標是公司未來財務危機較好的指示器，不容忽視。對非財務指標這一定性因素進行改善，將有助于改善公司的財務業績，增強公司抵御風險和財務危機的能力。

四、完善我國房地產上市公司財務危機預警體系建議

（一）重視非財務指標的作用

房地產上市公司陷入財務危機是一個逐步惡化的過程。從一定意義上說，如果房地產公司的可持續發展能力長期處于虛弱狀態，將會導致財務危機的出現。因此，本文提出將房產上市公司的可持續發展能力這一非財務指標因素納入財務危機預警體系研究。影響房產上市公司可持續發展水平及能力高低的因素很多，本文認為，房地產上市公司應對以下因素進行考察：

1、房地產上市公司的發展戰略

發展戰略是房地產上市公司的發展遠景，是塑造公司核心競爭能力實現其持續發展的謀略。因此，房地產上市公司應制定適當的發展戰略，其各種短期、中期、長期發展戰略的制定要從公司全局出發，實事求是，高瞻遠矚，確保發展方向正確、目標明確、靈活運用規模化和差別化原則、充分利用各種資源、戰略措施的制定貼近實際而又靈活機動。目前，我國房地產上市公司的資源利用并不充分，外部資源利用太少，融資渠道太窄，這也就說明應該制定正確的發展戰略，拓寬融資渠道，廣開源路。

2、房地產上市公司的制度環境

制度是房地產上市公司良性運作和可持續發展的保障機制。公司可持續發展客觀上要求一種制度可持續發展，而公司治理就是一種制度安排，那么公司治理體系越完善就越能保障公司制度的持續發展。因此，我國房地產上市公司應該要不斷完善公司治理結構，可從以下方面進行完善：第一，分散股權，改善股權結構，積極推進產權改革。在一般的競爭行業，可通過出讓國家股、國有法人股或者資產重組等方式，同時制訂外資公司收購上市公司股權的管理辦法，并加以完善。第二，規范董事會，建立和健全董事提名和任免機制，股東對董事的任免起決定作用。分設董事長與總經理職位。第三，提高監事會的獨立性，強化監事會的監督力度。第四，設立獨立的薪酬委員會，保持薪酬委員會與受益人之間的獨立性，防止各方串通勾結。

3、房地產上市公司的人力資源狀況

知識經濟時代，社會經濟活動的一切競爭，歸根到底是人力資源特別是人才的競爭。人力資源越優越，公司的綜合能力就越強。房地產上市公司的人力資源狀況包括全體員工的文化水平、道德水平、技術技能、組織紀律性等綜合情況。因此，公司必須重視對人才的培養，通過各種適合自身發展所需要的培訓途徑來傳導公司文化、提高人才素質，促進公司優勢人力資源的形成。公司人力資源管理應注重變革管理和人性管理，采取前瞻態度，注重人員的貯備、使用和提高，只有這樣才能吸引、保留和激勵人才，促進公司的可持續發展。i

（二）完善財務危機預警模型

在建立財務指標預警模型時，應考慮由于不同年度上市公司所處環境的差異，公司各項財務指標是否受到與時間跨度有關因素的影響，如宏觀經濟形勢、經濟周期等，并加以必要的處理。

在預測變量數據的使用方面，嘗試利用中報數據，建立中報預測模型，努力使研究結果提高公司財務預測的及時性，并檢驗我國上市公司中報信息的質量，確保模型數據的真實性。

隨著統計軟件的日益完善和計量經濟學的不斷發展，研究者應該結合我國上市公司的實際情況，不斷建立更多、更先進的財務預測模型。（作者單位：湘潭大學）

參考文獻：

[1] 顧曉安.公司財務預警系統的構建[J].財經論叢，2000（4）：69-70.

[2] 柏麗.公司財務危機預警體系探究[J].山東行政學院報，2008（6）：107-109.

[3] 馮璇.影響我國上市公司可持續發展的公司治理因素研究――來自制造業上市公司的經驗數據[J].財會通訊，2008：15-18.