房地產上市公司財務風險評價

王拉娣 韓江旭

【摘 要】 為使房地產上市公司的財務風險評價更加客觀合理，且能對風險等級進行合理分檔，文章對熵值賦權法做出改進，與TOPSIS法結合增加了賦權的客觀性，秩和比法的引入對模型實現了進一步擴展。運用文章構建的風險評價模型先對樣本公司進行排名，并在此基礎上劃分財務風險等級，實證結果表明風險顯著以上的樣本公司占比過重，應當引起管理者及投資者的足夠重視。該模型能有效評價房地產上市公司的財務風險。

【關鍵詞】 EW-TOPSIS-RSR模型; 財務風險; 評價模型

【中圖分類號】 F275 ?【文獻標識碼】 A ?【文章編號】 1004-5937（2020）10-0031-06

一、引言

2003年國務院18號文件指出“房地產業已成為我國國民經濟的支柱產業”，可見其對經濟增長起著不可或缺的助推作用。但日本的泡沫危機與美國的次貸危機也給予了我們警示。因此，樓市的每一次興衰必定會給經濟帶來一定影響，而穩定的經濟環境會為房地產市場創造健康發展的條件。如今，房地產市場正處于迅速發展階段，房價的飛漲暴露了我國房地產市場中隱藏的諸多問題，加之市場體制不完善，居民傳統觀念以及投資羊群行為成為催生房地產泡沫的關鍵因素，隨之而來的風險不容小覷。接連出臺的宏觀調控政策又使房地產市場面臨嚴峻考驗，“限購”“限貸”“限售”“限商”“新土管政策”“房產稅”等措施頻出，2017年被稱為“史上宏觀調控政策出臺最密集”的一年。作為房地產開發、建設、經營和管理的主體，房地產上市公司同樣面臨危機。

房地產業受行業特點影響，初期投資量大，資金回收期較長，資產負債率較高，上漲的房價為房地產企業帶來了高收益，同時又伴隨著高風險。近年來，房地產上市公司的資產負債率逐年上升，至2017年底已達78.24%，遠高于安全線。從資本結構來看，銀行借款依然是主要的資金來源，流動負債的占比逐年上升，已經接近50%，一旦資金鏈斷裂，面臨的信貸風險將會進一步上升，并且借款逾期很有可能引發銀行系統性金融風險，嚴重的甚至會危及宏觀經濟。因此，運用有效的方法構建風險評價體系對房地產上市公司的財務風險進行評價，為投資者提供科學可靠的決策基礎、為房地產上市公司識別潛在的財務風險、及時提醒企業管理者及時調整運營策略、提高企業抗風險能力、促進房地產上市公司健康發展有積極作用。

二、文獻綜述

房地產業與國民經濟有較強的關聯性，與其相關的風險也是眾多學者研究探索的方面，從宏觀到微觀，從國外到國內，無論是模型還是觀點都形成了大量可供參考的研究成果。Kaklauskas等[ 1 ]考慮了建筑業和房地產業風險的生命周期，結合房地產業面臨的內外部環境綜合分析了影響建筑業及房地產業的各方面因素，從微觀、中觀和宏觀方面進行了概念建模，并針對性地為立陶宛提出了宏觀政策建議。Valverde[ 2 ]結合金融理論專門針對房地產業的風險管理開發了商務智能系統（BIS），協助房地產管理人員進行財務決策，規避決策失誤風險。孟志青等[ 3 ]運用CVaR模型度量房地產組合投資風險，研究投資風險最優化組合，確定房地產投資組合的最優組成比例，證明動態組合投資對降低投資風險有著重要的意義。劉晨暉和陳長石[ 4 ]以我國去泡沫化的宏觀調控政策為基礎，定量測算房地產市場的預期變化及泡沫風險狀況，從泡沫積累風險和破裂風險兩方面對泡沫的敏感性和泡沫風險的臨界值進行了分析。

對于財務風險，其識別與評價一直是相關學者關注的焦點，這一領域的研究多基于財務指標進行，最早的相關研究起源于國外。美國斯坦福大學會計學教授Beaver[ 5 ]采用單變量分析法將財務比率與破產風險相聯系。由于單一變量模型存在缺陷，隨后，多變量分析法得到發展。Altman做出了杰出的貢獻，他在1968年選取22個財務指標建立了著名的五變量Z-Score模型，之后，Haldeman、Narayanan[ 6 ]將該模型擴展為ZETA模型，由五個變量增加到七個，使用范圍更廣，形成第二代模型。該模型開始是作為信用風險評級模型來測定破產概率，后來被引入到企業財務風險的預測中。在此基礎上，多變量分析法逐漸豐富。Ohlson[ 7 ]在研究中強調某些公司會延遲會計報表對外公布的時間，增大了投資者的投資風險，因此以條件Logistic分析方法建立公司破產概率的預測模型，得出公司規模、財務結構、性能指標和流動性這四個有統計意義的風險影響因素。該方法在風險預測能力和穩定性上都優于線性判別模型，因而被廣泛應用。

相比于國外，我國房地產業興起時間不長，國內學者對房地產上市公司的研究起步雖然較晚但仍然很豐富。張堯庭[ 8 ]證明了copula技術在對財務風險估計時的可用性。王升[ 9 ]通過Black-Scholes期權定價模型，揭示了房地產廠商強勢定價與負債能力的明確數量關系，指出受利潤最大化的驅使，公司為房地產過高定價將會引發財務風險，甚至會影響國家金融系統的穩定性。Z模型同樣也被引進我國房地產上市公司的財務風險評價中。楊軍芳[ 10 ]根據我國房地產市場的特點對該模型進行了修正，并證明修正后的模型具有較好的實用價值。同時，Z-Score模型也由嚴碧紅和馬廣奇[ 11 ]進行了實證檢驗并對房地產上市公司的財務風險做出了評價。隨后神經網絡模型發展迅速，在不同領域得到了應用。周梅妍[ 12 ]采用BP-Adaboost神經網絡算法對房地產公司的財務風險進行了預測，證明BP-Adaboost準確性較BP分類器要強，且誤差率小于Logistic回歸模型。利用評分值對房地產上市公司的財務風險排序是另一種風險測定方法。李素紅和陳立文[ 13 ]、程言美和程杰[ 14 ]分別基于因子分析法和主成分分析法對房地產上市公司的財務風險作了評價。王曉燕[ 15 ]在財務風險監控系統中引入在險價值（VAR）進一步提升了風險預測的準確性。

綜合以上分析，對房地產上市公司財務風險的研究逐年增多，指標維度也越來越豐富，單一方法評價已經無法滿足研究的需求，且企業環境的多樣化使戰略決策開始涉及多屬性決策。在確定影響因素權重的方法中層次分析法（AHP）和德爾菲法（Delphi）被廣泛采用，但權重中難免會摻雜專家的個人因素，因此，主觀賦權存在一定的片面性，在不同程度上使預測結果偏離實際。近年來，客觀賦權法逐漸受到重視，這類賦權法根據指標本身的特點進行賦權，具有較好的規范性，主要有變異系數法、主成分分析法、熵權法等。

本文的創新點在于：（1）考慮到數據的完整性和評價的可信度，對熵權—TOPSIS法做出進一步改進，有效避免了因剔除存在負值的樣本數據而對整體風險評價造成的影響。（2）構建了EW-TOPSIS-RSR模型，并將其運用到房地產上市公司財務風險評價中。改進的熵權法消除了零值和負值的影響，并通過TOPSIS法對樣本公司進行排名，在此基礎上，與秩和比法相結合對排序結果進一步拓展，將財務風險進行歸檔，綜合評價房地產上市公司財務風險，提高了評價的客觀性和具體性。

三、模型構建及理論基礎

（一）熵權—TOPSIS法

熵權法是一種客觀賦權法，根據指標之間的相對變化程度對系統整體的影響來決定指標的權重，該權重反映了指標信息熵值的效用值，避免了人為的影響因素，從而具有較高的再現性和可信度[ 16 ]，與TOPSIS法相結合彌補了確定權重系數上的缺陷與不足。但熵權法要求指標數據均需大于零，否則無法計算權重，考慮到數據的完整性和信息含量的有效性，在此采用指標平移的方法對熵權法做出改進，將出現極端值或負值的指標進行平移[ 17 ]。該方法不僅保證了樣本數據容量，而且提高了評價的可信度。在改進的熵權法中，平移之后的指標為Hij，組成最終的標準化矩陣，平移的距離為指標數據的和。定義Aij為第i個被評價對象上第j個指標的原始值，i∈m，j∈n。

在構造規范化決策矩陣時，TOPSIS法一般采用向量規范法進行標準化，但Chakraborty[ 18 ]在研究不同規模的多屬性決策問題中，運用仿真技術證明在方案和屬性的數量大于20×20時，四種規范化方法的一致性結果并無差異，因此選用極差變換法替代向量規范法。這兩種方法做替代之后可簡化計算步驟，且權重由熵權法而得，避免了后者主觀賦權對評價結果的影響，最終確定的加權規范化矩陣為zij=WjHij。

從加權規范化矩陣中確定正負理想解，定義正理想解為A+j=（z+i1，z+i2，…，z+in），負理想解為A-j=（z-i1，z-i2，…，z-in）。

則樣本的相對貼近度為Ci：

其中，s+i和s-i為依據正負理想解計算的歐式距離。

按照Ci大小排列方案的優先序，Ci越大，表明Aj越接近A+j，方案越優;Ci越小，表明Aj越接近A-j，方案越劣。

（二）秩和比法（RSR）

秩和比是行（或列）秩次的平均值，且具有0～1連續變量的特征。其基本原理是：在一個n行m列矩陣中，通過秩運算獲得無量綱統計量RSR，在此基礎上運用參數統計分析的概念與方法，研究RSR的分布，以RSR值對評價對象直接排序或分檔排序[ 19 ]。該方法應先對原始指標矩陣根據各自的性能進行相應排序，高優指標按升序排列，低優指標按降序排列。

四、實證分析

（一）指標及樣本選取

本文初步選取了反映企業財務狀況和經營成果的5個基本評價指標類型：償債能力指標、營運能力指標、盈利能力指標、發展能力指標和現金流量指標。償債能力指標用來評價企業的長期償債能力和短期償債能力，營運能力指標用來評價企業資產管理效率，盈利能力指標用來評價企業獲取利潤的能力，發展能力指標用來評價企業在現有基礎上擴大規模的潛在能力，現金流量指標用來評價企業經營活動產生的現金與債務之間的關系。考慮到財務指標選取的全面性，結合國內外的研究加入了每股指標，衡量每股股票創造利潤的能力以及其所代表的凈資產價值，并根據房地產上市公司的特點對各指標體系做了刪減和填充。最終采用綜合反映以上6個方面的24個財務指標構成評價體系，除產權比率為低優指標外其余指標均為高優指標，如表1所示。

本文從截至2017年底在滬深兩市A股上市的132家房地產公司中剔除了財務狀況異常以及被ST、*ST和SST的公司，所選指標數據缺失的公司也被排除在外，最終確定60家房地產上市公司作為研究對象，所選指標中有16個指標均為正值，8個指標含有部分負值。本文的數據來自Wind資訊金融數據庫和新浪財經網，對房地產上市公司的劃分以證監會發布的分類為標準。

（二）EW-TOPSIS-RSR模型的運用

對原始數據中不存在負值的指標選用極差變換法標準化，存在負值的指標數據采用改進后的標準化法式（1）進行平移。規范化矩陣選取改進后的熵權法形成的標準化決策矩陣，并根據式（4）計算相對貼近度（見表2）。以上步驟均依托于MATLAB 2017b進行。

相對貼近度是房地產上市公司財務風險的量化表現，財務風險隨著相對貼近度的降低而增加。相對貼近度的取值范圍在0～1之間，相對貼近度越大，距離正目標越近，財務風險越小;反之，相對貼近度越小，距離正目標越遠，財務風險越大。從總體來看，樣本公司的相對貼近度較小，表明房地產上市公司整體的財務風險較大。根據相對貼近度排名的結果來看，樣本中廣宇發展的相對貼近度最大，財務風險最小，北辰實業的相對貼近度最小，財務風險最大。

相對貼近度Ci屬于高優指標，按從小到大排序，獲得的秩見表2，且Ci的取值在0～1之間與秩和比值（RSR）分布相同，可以進行歸檔。計算頻數和向下累積概率，通過查“百分率與概率單位換算表”得出相應的概率Probit（見表3）;以概率為自變量，相對貼近度為因變量運用Excel做回歸，得出回歸方程Ci=-0.2563+0.0635Probit，方差分析結果顯示F值為57.8332，P<0.05，說明該線性回歸方程具有統計學意義。

根據最佳分檔原理[ 20 ]，參照常用合理分檔數表，擬將樣本分為四檔。第一個百分位數為6.681，概率分界值為3.50;第二個百分位數為50，概率分界值為0.50;第三個百分位數為93.319，概率分界值為6.50。對房地產上市公司財務風險劃分結果見表4。

從財務指標來看，幾乎沒有風險的四家企業中有三家財務指標中含有負值，但總體表現并不劣于指標均為正的樣本。廣宇發展雖然經營活動現金流量負債比和凈利潤現金凈含量存在負值但其應收賬款周轉率兩期均值處于所有樣本數據的最高水平，達到了2 753 797.35次，從財務報表可知該公司不存在1—2年期的應收賬款，主營業務收入及時收回，減少了資金短缺風險，或許與企業的收現政策有關。皇庭國際擁有較高的營運能力和發展能力，存貨周轉率達到了106.52次，較高的周轉率使其免受因存貨積壓而造成的資金回流風險，減少了存貨的管理費用，營業利潤及凈利潤較高的增長又給企業帶來了足夠的資金，加速企業成長。華聯控股的利息保障倍數居于首位，表明該企業支付負債利息的能力最強，且較強的長期償債能力也會受到債權人的青睞，容易籌措到資金。中國高科在償債能力、盈利能力與發展能力方面表現優異，使其在其他指標平平的情況下處于最優等級。

26家企業具有顯著風險的主要原因在于長期償債能力和營運能力較弱。持有較多的長期負債增加了資本成本，如若不能及時還本付息將面臨信用風險，增加了籌資難度，進一步加大了財務風險，可能是企業盲目擴大資產規模的結果;而營運能力主要涉及周轉率問題，存貨較多，產大于銷，造成積壓，或是銷售收入無法及時收回形成應收賬款，增加了資金回收風險和呆賬、爛賬的存在，營運能力不佳，長此以往，企業將無法長期生存。

對于具有高度風險的3個樣本，云南城投在多數指標為正且表現一般的條件下，只有營業利潤增長率存在負值，且是所有樣本數據中下降幅度最大的，主要由于2016年該企業的營業利潤為-3.3億元，營業成本遠大于營業收入，使營業利潤同比增長率大幅度下滑。西藏城投與北辰實業的情況類似，雖然指標數據中不存在負值，但多數指標處于樣本數據的底端，尤其是現金流指標，容易產生資金鏈斷裂的風險。

處于顯著風險水平和高度風險水平的企業應引起外部投資者和內部管理人員的高度重視，這些公司應當積極做好風險防范措施，及時發現潛在風險，提高企業運營能力水平，創造良好的企業發展環境。

五、結論及展望

本文首先以滬深交易所A股上市的60家房地產上市公司為樣本，選取24個財務指標，涵蓋償債能力、營運能力、盈利能力、發展能力、現金流量及普通股每股獲利能力，運用原始熵權法對正值指標賦權，運用改進的熵權法消除了含負值指標中極端值的影響，在保證有足夠實證樣本的前提下，提高了評價的客觀性，并根據相對貼近度進行排序。之后，運用秩和比法將樣本財務風險劃分為四檔，從分檔結果來看多數房地產上市公司具有較高的財務風險。最后，從總體到個體對樣本公司的財務風險及其產生原因做出綜合評價。

熵權法與TOPSIS的結合運用避免了極端值對樣本個數的影響，增加了后者賦權的客觀性，并且秩和比法的加入解決了TOPSIS法無法進行分檔排序的缺陷。實證分析表明，EW-TOPSIS-RSR模型使三種方法相互補充，不僅操作簡單，有較強的適用性，而且得出的結果與實際相符，能夠客觀有效地評價房地產上市公司的財務風險。

風險的形成并不是一蹴而就的，往往存在潛伏期，本文選取2016—2017年的樣本數據，涵蓋范圍較小，后續的研究應當擴大財務報表數據的采集跨度，進一步優化該房地產上市公司財務風險評價體系。

【參考文獻】

[1] KAKLAUSKAS A，KELPSIENE L， ZAVADSKAS E K，et al. Crisis management in construction and real estate：conceptual modeling at the micro-，meso- and macro-levels[J].Land Use Policy，2011，28（1）：280-293.

[2] VALVERDE R. A business intelligence system for risk management in the real estate industry[J].International Journal of Computer Applications，2011，27（2）：14-22.

[3] 孟志青，虞曉芬，蔣敏，等.基于動態CVaR模型的房地產組合投資的風險度量與控制策略[J].系統工程理論與實踐，2007，27（9）：69-76.

[4] 劉晨暉，陳長石.我國房地產去泡沫化風險及其應對[J].經濟學家，2015（11）：35-42.

[5] BEAVER W H. Financial ratios as predictors of failure[J]. Journal of Accounting Research，1966（4）：71-111.

[6] ALTMAN ? ?E ? ?I，HALDEMAN ? ?R ? ?G，NARAYANAN P. ZETATM analysis a new model to identify bankruptcy risk of corporations[J].Journal of Banking & Finance，1977，1（1）：29-54.

[7] OHLSON J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research，1980，18（1）：109-131.

[8] 張堯庭.連接函數（copula）技術與金融風險分析[J]. 統計研究，2002，19（4）：48-51.

[9] 王升.房地產定價與公司財務風險度量研究[J].華南農業大學學報，2008，7（3）：49-56.

[10] 楊軍芳.房地產企業財務風險實證分析及測度[J].財會通訊，2011（36）：57-59.

[11] 嚴碧紅，馬廣奇.基于Z-Score模型的我國房地產業上市公司財務風險的實證分析[J].財務與金融，2011（5）：37-41.

[12] 周梅妍.房地產財務風險預警系統研究[J].統計與決策，2012（15）：50-52.

[13] 李素紅，陳立文.基于因子分析法的房地產上市公司財務風險評價[J].河北工業大學學報，2011，40（6）：101-106.

[14] 程言美，程杰.我國房地產上市公司財務風險預警模型的建立與應用[J].武漢理工大學學報，2013，35（6）：151-156.

[15] 王曉燕.引入在險價值的中小型房地產企業財務風險監控研究[J].商業研究，2017（8）：109-115.

[16] 孫利娟，邢小軍，周德群.熵值賦權法的改進[J].統計與決策，2010（21）：153-154.

[17] 林同智，唐國強，羅盛鋒，等.基于改進熵值賦權法和TOPSIS模型的綜合評價應用[J].桂林理工大學學報，2015，35（3）：622-627.

[18] CHAKRABORTY S， YEH C H. A simulation comparison of normalization procedures for TOPSIS[C]. International Conference on Computers & Industrial Engineering. France：IEEE， 2009：1815-1820.

[19] 邱玉婷，李濟沅，鄧旭，等.基于改進TOPSIS-RSR法的電能質量綜合評價[J].高壓電器，2018，54（1）：44-50.

[20] 田鳳調.RSR法中的分檔問題[J].中國衛生統計，1993，10（2）：26-28.