基于logistic模型的我國不動產企業信用風險研究

黃騫 李高高

摘 要：本文基于logistic模型原理，選取106家不動產上市企業數據，從財務指標和非財務指標兩個方面構建模型，對我國不動產企業的信用風險進行實證研究。結果顯示：凈資產收益率和營業收入增長率是影響不動產企業違約概率的主要因素，并且模型的預警準確率較高，達到98.1%。

關鍵詞：信用風險;不動產企業;logistic模型;財務指標;非財務指標

中圖分類號：F272 文獻標識碼：A 文章編號：2096-0298（2021）06（b）--03

隨著我國不動產行業的快速發展，投機性購房需求不斷增加，導致房價不斷攀升。十九大報告指出“堅持房子是用來住的，不是用來炒的”，為減弱不動產的投機屬性、抑制投機性需求，我國出臺了一系列限購和限貸措施。而不動產企業具有高資產負債率和低流動性的特征，高額的負債往往需要源源不斷的營業收入來償還。因此，控制投機性購房的政策性措施同時也導致不動產企業的信用風險逐漸顯現。

相比較而言，不動產企業的融資規模大、使用周期長，并且不動產經濟振幅寬、體量大，一旦不動產企業出現信用危機，將不利于社會經濟的健康穩定發展。故本文基于不動產上市企業數據，對不動產企業的信用風險進行實證研究。

1 模型理論

logistic模型是一種非線性概率模型，被解釋變量為二分類變量，只有發生與不發生兩種可能，分別用1和0表示。logistic模型先將取值通過Logit變化轉換為目標概率值，然后利用極大似然法進行參數估計。logistic模型的基本表達式：

其中;為常數項，表示回歸系數，表示解釋變量，被解釋變量Pi表示第i家企業的違約概率。若公司未來確實發生違約，其P值應接近于1，不違約的公司P值應接近于0。

1.1 樣本選取

由于非上市公司財務數據不對外公布，不容易獲得;而上市公司財務報告相對齊全，且財務年報經過審計比較真實可靠。故本文以2019年我國不動產上市企業為研究對象，剔除B股和非不動產開發與銷售類企業，共選取106家企業作為樣本。

將106家企業分為兩組：一組為經營業績正常的企業，沒有被“*ST”或“ST”，共102家，劃為正常組;一組為財務狀況出現問題的企業，被“*ST”或“ST”，共4家，劃為違約組。被“ST”及“*ST”的上市企業一般連續2～3年虧損，故經營業績較差，相比而言具有更大的信用風險。

1.2 指標構建與數據來源

本文選取財務指標和非財務指標作為自變量。財務指標具體包括盈利能力、成長能力、營運能力和償債能力共計12個指標;非財務指標主要選取的是企業規模和消費能力。消費能力主要考查不動產企業所在地居民在住房方面的消費支出。從理論上講，消費支出越多，不動產企業營業收入越多，資金流動性越強，違約概率就越低。

本文數據均來源于新浪財經及《2020中國統計年鑒》。為消除觀測量綱和數量級差異的影響，通過SPSS23.0軟件對樣本觀測數據進行標準化處理，如表1所示。

2 實證分析

2.1 描述性分析

運行SPSS23.0對106家企業的原始財務指標進行描述性統計，如表2所示，不動產企業應收賬款周轉率的標準差極大，說明企業間的差距巨大;而在總資產利潤率方面，各企業間的差距最小。

2.2 參數檢驗

2.2.1 正態性檢驗

通過單樣本K-S檢驗判斷解釋變量是否服從正態分布。結果如表3所示，12個財務變量和2個非財務指標的P值均<0.05，故認為均不服從正態分布。

2.2.2 顯著性檢驗

對不服從正態分布的變量，運用曼-惠特尼U進行顯著性檢驗。結果如表4所示，X1、X3、X4、X6、X9、X13的P值均小于0.05，故拒絕原假設，即認為上述6個變量可以有效區分ST類企業與非ST類企業，因此予以保留。剩余變量的P值均大于0.05，認為不能區分ST類與非ST類企業，故剔除。

2.2.3 多重共線性檢驗

當自變量間存在顯著多重共線性時，會影響模型的擬合效果。因此本文對剩余變量進行多重共線性檢驗，結合容忍度Tol和方差膨脹因子VIF兩個指標予以判斷。結果顯示，X1、X3、X4、X6、X9、X13的Tol值均>0.1，且其VIF值均<10，故六個變量均通過共線性檢驗。

2.3 模型擬合回歸

通過上述檢驗，將最終篩選出的X1、X3、X4、X6、X9、X13個變量帶入logistic模型進行擬合回歸，在SPSS23.0中選擇向后Wald方法。經過3步計算，最后保留X3和X4兩個解釋變量，結果如表5所示。

為檢驗模型的預測準確度，采用錯判矩陣對樣本企業進行回判。如表7所示，102家非ST類企業被預測正確的有102家，預測準確率為100%;而4家ST類企業正確預測的有2家，預測準確率為50%;模型整體的準確率達到98.1%，預測結果較好。

4 結語

本文對我國不動產企業的信用風險通過logistic模型進行了實證分析，得出以下結論：

（1）回歸模型總體預測準確率為98.1%，表明logistic模型能較好地度量我國不動產企業的信用風險，具有一定的預警作用。

（2）回歸模型對非違約企業的預測準確度高于違約企業。

（3）通過擬合結果可知，不動產企業的違約概率與凈資產收益率和營業收入增長率密切相關，但非財務指標對其是否違約的影響不顯著。

故為防止信用風險的發生，不動產企業應加強內部經營，通過提高創新能力、提升產品質量等多種方式樹立優質品牌，不斷提升企業競爭力。此外還應注重提高營業收入和凈利潤水平，在控制成本的基礎上增加產品銷售，以增強企業盈利能力與成長能力，并增強自我“造血”功能，實現降低債務違約概率的目的。

參考文獻

胡勝，雷歡歡，胡華強.基于logistic模型的我國房地產企業信用風險度量研究[J].中國軟科學，2018（12）：167-164.

吳文茜.基于logistic模型對河北省上市公司信用風險度量的實證研究[J].市場論壇，2019（11）：33-37.

高歌.新三板企業信用風險度量及影響因素分析[D].杭州：杭州電子科技大學，2019.

王炳杰.基于logistic模型的我國上市公司信用風險實證研究[D].太原：山西財經大學，2016.

Abstract： Based on the principle of logistic model， this paper selects data from 106 listed real estate companies， constructs models from two aspects of financial indicators and non-financial indicators， and conducts an empirical study on the credit risk of real estate companies in China. The result indicates that the ROE and the revenue growth rate are the main factors that affecting the default probability of real estate companies， and the model has high accuracy， which reaches 98.1%.

Keywords： credit risk; real estate enterprise; logistic model; financial index; non-financial index