房地產企業財務困境預測模型研究

摘 要：正確預測企業財務困境，對于保護投資者和債權人的利益、對于經營者防范財務危機、對于政府管理部門監控上市公司質量和證券市場風險，都具有重要的現實意義。為提高預測模型的有效性，文章提出將財務指標與非財務指標結合進行分析。在結合房地產行業特性的基礎上選取評判指標，利用模糊綜合評判法和層次分析法對企業的非財務指標、財務指標進行分析評判，并以一定比例將二者的評判結果綜合為企業最終的財務困境預測結果，在一定程度上減少了財務報表粉飾現象對預測精度的影響。

關鍵詞：財務困境預警 層次分析法 模糊綜合評判法

中圖分類號:F293.3 文獻標識碼:A

文章編號:1004-4914(2008)11-274-03

一、引言

財務困境(Financial distress)又稱“財務危機”(Financial crisis)，最嚴重的財務困境是“企業破產”(Bankruptcy)。企業因財務困境導致破產實際上是一種違約行為，所以財務困境又可稱為“違約風險”(Default risk)。事實上，企業陷入財務困境是一個逐步的過程，通常從財務正常漸漸發展到財務危機。實踐中，大多數企業的財務困境都是由財務狀況正常到逐步惡化，最終導致財務困境或破產的。因此，企業的財務困境不但具有先兆，而且是可預測的。正確地預測企業財務困境，對于保護投資者和債權人的利益、對于經營者防范財務危機、對于政府管理部門監控上市公司質量和證券市場風險，都具有重要的現實意義。

國外學者很早就開始了關于財務困境預測的研究，其中多數學者將企業根據破產法提出破產申請的行為作為確定企業進入財務困境的標志（Altman，1968;Ohlson，1971;Zmijewski，1984;Platt and platt，1990and 1994），只有極少數的研究如Beaver（1966）把破產、拖欠優先股股利、拖欠債務界定為財務困境。在實證研究領域主要有Fitzpatric(1932)和Beaver（1966）的單變量預測企業破產；Altman（1968、1977、2000）最早運用多元變量分析法（Multiple Discriminate Analysis）研究企業的財務困境預測，提出多元Z值判定模型；Coats和Fant（1993）使用神經網絡系統對這些模型進行了修正；Ohlson（1980）使用對數成敗比率模型（logit）和概率單位模型（Porbit）回歸方法，發現至少有四個變量顯著影響公司破產的概率，即：公司規模、資本結構、業績和當前的變現能力。Kahya等（2001）提出了一個使用時間序列累計和（Cumulative Sums，CUSUM）統計方法的財務困境模型。

國內的研究起步較晚。吳世農、黃世忠（1986）曾介紹企業的破產分析指標和預測模型；周首華等（1996）利用Compustat PC Plus會計資料庫中1990年以來4160家公司數據作為檢驗樣本建立了F分數模式，但他們的研究對象都不是中國的證券市場。其后，陳靜（1999）、張玲（2000）、陳曉（2000）等開始采用國內A股市場數據對此命題進行實證研究。然而多數仍集中于對財務報表數據的定量分析且缺乏針對某一具體行業的研究成果。

二、研究方法設計

1.我國《企業破產法》雖然早在1986年頒布，1988年11月1日開始試行，但迄今為止，還沒有一家上市公司破產的案例，因此對國內上市公司以進入破產程序作為財務困境的界定是不合適的。1998年3月16日中國證監會頒布了《關于上市公司狀況異常期間的股票特別處理方式的通知》，要求證券交易所應對“狀況異?！钡纳鲜泄緦嵭泄善苯灰椎奶貏e處理（ST），其中“異常狀況”包括“財務狀況異?！焙汀捌渌麪顩r異常”。故而本文將企業的財務困境界定為因發生“財務狀況異常”而被特別處理（ST）的公司。

2.為剔除行業的影響，本文選取滬深兩市A股房地產行業的企業數據作為總樣本，并將數據分為兩組進行研究。其中，截至2005年12月31日的57家房地產企業中，共6家ST公司（其中當年新增1家ST公司，撤銷1家ST公司），將其中5家在2005年以前即被ST的公司與其相對應的5家非ST公司、以及當年新增ST和被撤銷ST的公司作為第一組。將2007年新增的1家ST公司及與其相對應的非ST公司作為第二組（詳見表1）。

上述ST公司均屬由于財務異常而別特別處理的公司，因此不需要再對其ST原因進行細分。

三、模型構建

鑒于本行業中ST公司樣本量較少，本文基于模糊綜合評價方法，將模型分為對非財務指標的定性分析部分和對財務指標的定量分析部分。設U為對企業財務風險考核的因素集，U={U1，U2}；U1是非財務指標集，U2是財務指標集，都屬于第一層次的考核因素。設U1、U2的權數分別為w1、w2。借鑒2004年2月頒布的《股份制商業銀行風險評級體系》（暫行）中定性指標與定量指標的比例，令w1=0.4，w2=0.6。以下將分別設計非財務指標和財務指標的分析模型。

1.非財務指標的模糊評判法。對于非財務指標，其屬性、約束、偏好等信息的主觀性相對較大，無法給出準確的判斷信息，因此本文采用模糊評判法分析公司的非財務指標。參照《股份制商業銀行風險評價體系》中確定的定性指標體系，并結合房地產行業自身特點，本文將非財務指標體系（即模糊綜合評價中的準則層A=U2）劃分為獲利能力、償債能力、營運能力、發展能力及內部控制五個方面。每個方面（準則層）又由若干次級評價指標（子準則層）所決定，最終構成了財務困境預測的遞階層次結構，使用層次分析法對各個指標賦權，見表2。

綜合判斷矩陣B={0.14，0.44，0.27，0.15}。根據最大隸屬度原則，該公司處于中等安全的級別，較不易出現財務困境。

同理，可請專家對第一組樣本數據進行單因素評判后推導得出財務困境預測結果并進行對比。

2.對財務指標的定量分析。由于本文選取房地產行業作為分析對象，樣本容量較小，不易使用多元回歸分析等對樣本量有較高要求的統計方法。因此，本文主要采用模糊綜合分析法對樣本組進行分析。

根據財務管理的相關理論，結合資產負債表、利潤表、現金流量表的相關數據，并要反映公司經營狀況的不同側重點。本文從盈利能力、償債能力、營運能力、發展能力四個角度選取最具代表性的財務指標進行分析，具體處理方式同上（結果見表4）。

以第二組樣本公司為例。根據我國上市公司的年報披露制度，公司2006年度的財務報表和公司在2007年度是否被特別處理這兩個信息幾乎是同時獲得的。因此，使用2006年度報表數據預測公司2007年度的財務風險是不合理的。同時，由于房地產行業的經營周期往往比其他行業長一年，因此本文將樣本的觀察期延長為3年。因此，本文選取樣本公司近三年的報表數字，同時將最近一年的報表由常用的年報替換為中報數據，具體財務比率見表5。

類似非財務指標的分析過程，此處仍將評判集設定為={安全，中等，一般，危險}。用SPSS軟件分析房地產行業各個指標，得到三年度行業內指標均值、中位數如表6。

根據上表數據對樣本公司各指標做出評判。以行業均值、中位數作為參考，其數值可作為指標評判集中“一般”到“中等”的判定區間。具體的綜合評判過程前文已有詳細介紹，此處從略。

四、總結

本文以房地產行業為研究對象，提出了定性分析和定量分析相結合的財務預測方法，將財務指標與非財務指標以一定比例融合在預測模型，彌補了過往研究中只重視財務指標的片面性。在預測模型中引入非財務指標，不但充實了模型的信息含量，使預測過程能充分考察企業各方面的條件。同時，非財務指標的引入，減少了企業內部管理人員粉飾財務報表數字以掩蓋財務困境的可能性，能大大提高預測的有效性。

另一方面，針對房地產行業的特點，本文在預測指標的選取上，適當提高了償債能力、現金比率、資產負債率、存貨周轉率、應收賬款周轉率等因素的權重，以期針對特定行業加強預測能力。此外，本文在預測指標中加入了與現金流量相關的指標，旨在減少資產負債表、利潤表數據的可能存在的失真問題。

然而，由于條件所限，本文提出的模型僅僅停留在方法的研究階段。對非財務指標的權重賦值通常需要有經驗的專家組進行，或要求更深入的統計學推導，故而本文暫以虛擬數據對方法進行介紹。另一方面，在不同層次指標的選取上存在很大的主觀性，本文雖盡可能選取大量研究成果中已經證實與財務困境問題顯著相關的因素進行研究，但難免出現偏頗或不足，需要以后更進一步的研究和驗證。

參考文獻：

1.張鳴，張艷.財務困境預測的實證研究與評述.財經研究，2001（12）

2.吳世農，盧賢義.我國上市公司財務困境的預測模型研究.經濟研究，2001（6）

3.陳曉，陳治鴻.企業財務困境研究的理論、方法及應用.投資研究，2000（6）

4.朱家安，陳志斌.我國財務困境預測實證研究文獻綜述和分析.會計之友，2007（4）

5.趙麗瓊，張慶芳.國內外財務困境研究綜述.特區經濟，2007（9）

6.萬希寧，王艷.基于非財務指標的企業財務危機模糊預警模型研究.管理學報，2007（3）

7.萬希寧，黃莉.企業財務風險綜合模糊預測模型研究.財會通訊，2005（1）

8.唐煒.房地產上市公司財務指標比較分析.價格月刊，2005（10）

(作者單位：上海大學國際工商與管理學院 上海 200444）

(責編:賈偉)