適用我國房地產上市公司財務風險預警的Z 評分模型修正及檢驗

馬東俊，邢依成

（1.新鄉學院新聞傳播學院，河南 新鄉 453003；2.廣東外語外貿大學金融學院，廣東 廣州 510006）

一、引言

2022年末中央經濟工作會議明確指出確保房地產市場平穩發展， 穩妥處置房地產風險是有效防范化解重大經濟金融風險的重中之重。 房地產行業具有資金需求量大、資金使用周期長、外源性融資依賴程度高等特點，因此其面臨的不確定因素較多，極容易陷入資金回籠慢、資產負債率高的財務困境。 2018年以來眾多房地產公司紛紛陷入高負債危機中，華夏幸福基業股份有限公司債務高達1013億元， 恒大地產集團有限公司最高負債已達到1.95萬億元。 為避免房地產上市公司因高負債引發行業風險， 有效控制房地產企業有息債務增長，2020年8月中國人民銀行聯合住房和城鄉建設部制定了重點房企資金監測和融資管理的三檔規則，即“三道紅線”政策：一是剔除預收賬款后的資產負債率不得超過70%； 二是房地產公司凈負債率不得超過100%；三是房地產公司現金短債比不得小于1。

“三道紅線”政策嚴格規范了房地產公司的舉債要求， 對房地產公司去杠桿行為具有明顯的推動作用，房地產公司通過努力優化自身財務結構、積極管控和防范財務風險，從而取得良好降檔成效。 管控和防范房地產公司財務危機是一項系統工程， 對于房地產上市公司而言， 財務風險預警是經營活動中防范財務危機的重要手段， 更是確保公司持續健康穩定發展的關鍵。Z評分模型作為財務風險預警模型的常用方法，通過對企業財務數據的分析，評估出現財務風險的可能性， 及時提醒企業采取措施避免財務危機， 現已廣泛應用于國外企業的財務風險監測與危機預警中。Z評分模型雖然能夠較全面地反映企業財務狀況， 但在實際運用時還需要結合我國的宏觀經濟形勢、房地產行業發展狀況以及樣本情況，對Z評分模型中的預警指標進行修正并檢驗， 建立適用于我國國情的房地產上市公司財務預警的Z評分模型，已及時發現財務風險，減少企業虧損，促進房地產上市公司持續健康穩定發展。

二、文獻綜述

建立財務風險監測與危機預警模型規避行業風險一直都是企業關注的焦點。 自1968年Altman提出預測企業破產風險的Z評分模型［1］以來，國外眾多學者對財務風險預警模型構建展開了研究。 Beaver采用單變量模型對財務危機進行預測， 發現公司離財務危機發生的時間越近，模型預測準確度就越高［2］；Ohlson將邏輯回歸方法引入財務危機預警領域，選擇1970—1976年破產的105家公司和2058家非破產公司組成配對樣本， 分析了樣本公司在破產概率區間上的分布及其影響因素，發現公司規模、資本結構、利潤業績和融資能力是影響公司財務風險和破產的關鍵指標［3］。

國內學者對上市公司財務風險預警的研究起步較晚。 楊罡通過選取公司內部財務指標建立了Logistic預警模型，發現越靠近被ST的年份，預警模型的擬合效果就越好［4］；白鶴翔等基于房地產行業系統性金融風險指標，構建了金融風險網絡模型，對房地產行業風險進行了預警［5］。 關于Z評分模型在我國公司財務風險預警中的適用性研究，李靜認為Z評分模型適用于目前中國股票市場ST上市公司的財務風險預警，且預警效果顯著［6］；王向榮等在對中國上市保險公司進行風險度量時發現，多數公司Z值處于信用風險未知區，難以正確判斷信用風險［7］；姚欣在研究Z評分模型對我國上市公司預警能力時發現，針對ST公司財務預警的Z評分模型預警準確性較低［8］。

國內外對于財務風險預警模型的研究成果為進一步研究提供了很好的借鑒，但對于Z評分模型在我國房地產上市公司財務風險預警中的適用性問題，多數學者研究結果表明其預測的準確度并不理想，適用度有限。 我國房地產上市公司的特殊經營環境以及財務特征與傳統制造業或服務業公司存在較大差異， 房地產公司通常具有高杠桿率和高融資依賴度，而Z評分模型并沒有充分考慮這些因素。此外，中國房地產市場的周期性波動以及政府調控的干預也給模型的應用帶來了一定的挑戰。

本文在回顧及借鑒國內外關于我國房地產上市公司Z評分模型財務風險預警相關研究成果的基礎上，結合各部委發布的房地產政策，探討該模型在我國房地產上市公司財務風險預警中應用的適用性，選取2018—2021年間15個季度110家房地產上市公司財務數據作為研究樣本，主要結合“三道紅線”政策的實施情況， 修正出適用于我國房地產上市公司財務風險預警的Z評分模型，并使用2022年上市公司季度財務數據進行適用性檢驗， 以增強我國房地產上市公司財務分析和風險評估的能力， 為房地產公司實施風險控制和預警提供借鑒。

三、研究假設

1968年美國教授Altman在研究公司破產風險時，以美國66家公司為樣本， 將33家破產公司與33家正常公司進行對比分析， 從22個反映公司財務狀況的指標中篩選出了5個最具有代表性的指標研究公司違約風險情況，包括資產負債比率、流動比率、營運能力、盈利能力和償債能力，為評估公司財務風險提供參考依據。

Altman財務風險預警Z評分模型表示為

Z評分模型中各個指標計算方法及定義解釋見表1。

表1 Z 評分模型各指標計算方法及定義解釋

Altman通過計算破產公司和正常公司的Z值，并進行準確度的分類驗證后， 劃定了公司發生違約風險的臨界值。 研究判定：當Z＜1.81時，公司發生違約；當1.81≤Z＜2.99時，公司財務狀況處于“灰色地帶”，不能確定公司是否發生違約；當Z≥2.99時，公司信用狀況良好，會履約。 Altman認為：Z值越小，公司違約可能性就越大；Z值越大，公司財務狀況則越好。

基于Altman財務風險預警Z評分模型確定的財務風險評價分類值標準， 參考相關文獻研究對財務風險的判定方法［9］，同時綜合考慮房地產上市公司研究樣本的經營環境、運營特點及其財務特征，提出以下假設。

假設1：被ST的房地產上市公司Z值應小于1.81。

假設2：非ST的房地產上市公司Z值應大于1.81。

假設3：在被ST前公司Z值可能呈下降趨勢，被ST后若Z值出現持續上升，表明財務狀況在逐步恢復。

四、 房地產上市公司財務風險預警Z評分模型的修正及檢驗實證

（一）數據來源

選取110家房地產上市公司2018年1月至2021年9月共15個季度（以下簡稱“2018—2021年”）的財務數據，所有數據均來源于國泰安CSMAR數據庫。對原始數據進行了如下篩選和處理：1.剔除了核心財務數據缺失的數據樣本；2.將上市期內被ST的房地產上市公司視為遭受財務困境、 存在違約風險的財務狀況異常的樣本， 將未被ST的房地產上市公司視為財務狀況正常的樣本。

對樣本進行篩選和處理后， 獲得樣本總數1651個，以此作為修正Z評分模型的研究樣本。 另外使用同樣的篩選和處理原則， 獲得75個2022年房地產上市公司的樣本數據， 以此作為適用性檢驗的研究樣本。 全部樣本總數為1726個。

（二）Z評分模型的適用性分析

利用2018—2021年房地產行業上市公司公布的季度財務數據， 根據Altman財務風險預警Z評分模型，依次代入營運能力、盈利能力、償債能力、現金流量和資產負債率5項財務數據，分別計算出非ST和被ST的房地產上市公司的Z值（表2）。 表2中Z值描述性統計顯示，被ST的房地產上市公司Z值平均值及中位數均小于標準臨界值1.81，說明存在違約風險，假設1被成功驗證； 非ST的房地產上市公司Z值平均值為1.9462，中位數為1.6069，說明超過一半的財務狀況正常的公司Z值都低于標準臨界值1.81，即財務狀況正常的公司同樣存在違約風險，與假設2不符。 被ST和非ST的房地產上市公司Z值臨界值均低于Z評分模型標準臨界值， 與我國房地產上市公司的實際狀況存在差異。為了增強Z評分模型在我國房地產上市公司財務分析和風險評估中的適用性， 以便為房地產公司有效實施風險控制和預警提供借鑒，需要對Z評分模型進行修正。

表2 2018—2021 年房地產上市公司Z 值描述性統計

Z評分模型在我國房地產上市公司財務分析和風險評估中適用性較弱的主要原因有以下幾點：

第一，各國宏觀經濟形勢的差異。 Z評分模型標準臨界值是基于1968年美國各行業公司的經濟財務數據的計算結果，而不同國家之間的破產成本、破產條件及破產規則均存在較大差異，Z模型對于我國房地產上市公司的財務預警雖然具有一定的參考價值，但不能完全套用。

第二，房地產行業的特殊性。 房地產行業投資周期較長，資金投入規模巨大，與其他行業相比，房地產公司的資產結構中還包含大量的固定資產和土地資產，這些資產具有較長的使用壽命和較高的價值，長期資本可能會導致運營資產相對較低，Z值偏低，與Z模型標準臨界值存在較大差異。

第三， 股權市值對房地產上市公司的公司價值體現不準確。 國內股票市場目前設置的漲跌幅及買空賣空限制， 導致公司實際市場價值可能不會被股價充分反映，從而影響了Z評分模型指標的準確性。

（三）Z評分模型臨界值的修正

為提高Altman的Z評分模型對我國房地產上市公司財務預警的適用性及準確性， 需要在原模型的基礎上修正模型判定的臨界值。 首先依據2018—2021年房地產上市公司公布的季度財務報表數據，判別出財務風險較大、 存在違約風險的房地產上市公司，并利用SPSS軟件對上述房地產上市公司的Z值數據分布進行統計。 判別條件主要為該公司是否觸碰“三道紅線”政策，但是考慮到“三道紅線”政策要求較為嚴格，房地產行業為資本密集型行業，踩線的房地產公司數量較多［10］，因此引入每股收益是否小于0作為評定存在財務風險的另一重要因素［11］。存在財務風險的房地產上市公司的Z值描述統計如表3所示， 根據表3中Z值平均值95%置信區間的上下限數值，得出判定房地產上市公司存在財務風險的Z值臨界值，即當Z＜0.9241時，公司可能存在財務風險。

表3 2018—2021 年存在財務風險的房地產上市公司Z 值描述統計

參考裴瀟等對財務狀況良好公司的界定標準，當房地產公司每股收益大于0.4時公司財務狀況良好［11］，篩選出符合財務狀況良好標準的房地產上市公司，并對Z值數據分布進行統計，結果如表4所示。根據表4中Z值平均值95%置信區間上下限數值，得出判定房地產上市公司財務狀況良好的Z值臨界值，即當Z≥1.877時，公司違約概率小，財務狀況良好。

表4 2018—2021 年財務狀況良好的房地產上市公司Z 值描述統計

分別利用樣本公司被ST前一年及被ST前兩年的準確度對修正后的Z值臨界值進行驗證，分類驗證準確度結果如表5 所示。 破產前一年模型準確度為89.83%，破產前兩年模型準確度為80.64%，因此，可以確定預測房地產上市公司存在財務風險的Z值臨界值下限為0.9241， 上限為1.877。 綜合上述研究結果， 得出適用于我國房地產上市公司的Z值評定標準： 當Z＜0.9241 時， 公司存在較大破產風險；當0.9241≤Z＜1.8771 時， 公司財務不穩定處于灰色地帶；當Z≥1.877時，公司財務狀況良好，破產可能性較小。

表5 分類驗證準確度結果

（四）適用性檢驗

為驗證房地產上市公司Z值臨界值的適用狀況，利用2022年季度財務數據進行檢驗。 將2022年仍然存續的105家房地產上市公司的財務數據代入模型驗證，結果顯示：從總體上看，105家公司中新Z值臨界值準確預測了其中96家公司的財務風險情況，準確度為91.43%； 對99家非財務危機房地產上市公司的判定準確度為90.91%；對6家財務危機房地產上市公司的預測準確度達到100%。 因此，與原Z評分模型相比，我國房地產上市公司新的Z評分模型適用性較強，預測準確率較高。

同時為驗證假設3，選取2022年被ST的天津津濱發展股份有限公司、天津松江集團有限公司、海航基礎股份有限公司、廣州粵泰集團股份有限公司、深圳全新好股份有限公司、新光控股集團有限公司6家房地產上市公司進行分析， 依據新臨界值判定其財務狀況。 觀察圖1可以看出，當公司處于破產危機狀態時（圖中虛線部分），公司Z值較低且呈減小趨勢。 以天津津濱發展股份有限公司為例，在被ST前Z值已低于臨界值0.9241，觸發財務預警。 2019年第四季度以后，隨著財務狀況的逐漸好轉，公司Z值也逐漸上升，脫離了財務預警范圍。 假設3被成功驗證。

圖1 2018—2022 年6 家房地產上市公司Z 值變化

五、研究結論及建議

基于2018年1月至2021年9月110家房地產上市公司季度財務數據，在Altman提出的Z評分模型的基礎上， 檢驗Z評分模型對我國房地產上市公司財務風險預警的適用性，結合我國現階段宏觀經濟形勢、房地產行業發展狀況以及中國人民銀行“三道紅線”政策，對Z評分模型的財務指標及臨界值進行修正，并進行適用性檢驗。 研究結果表明：第一，Altman提出的Z評分模型臨界值對評價我國房地產上市公司財務風險的適用性較弱， 需要結合我國國情及房地產行業發展狀況進行修正；第二，修正的Z值臨界值對我國房地產上市公司的適用性較高， 新臨界值的財務風險預警準確率為91.43%， 預警能力較強；第三，修正的Z值對及時預測房地產上市公司財務風險具有一定的效果。 在被ST前公司Z值可能呈下降趨勢，被ST后若Z值出現持續上升，表明財務狀況在逐步恢復。基于上述研究結果，對房地產上市公司的財務預警機制提出以下建議：

首先，房地產上市公司在利用Z評分模型評估自身財務風險時，應注意結合公司自身情況，對公司財務風險進行量化。 同時應當格外注意，當公司Z值處于灰色區域時，應當加大對自身風險的控制，避免引發更嚴重的財務風險。 除此之外，還應及時關注公司Z值的變化情況，對財務風險提前作出預判以降低公司風險。

其次，考慮到“三道紅線”政策要求較為嚴格，房地產行業為資本密集型行業， 踩線的房地產公司數量較多的情況，為順應“三道紅線”政策中三項指標的硬性要求，房地產公司應當合理進行融資，控制公司資產負債率，避免因盲目擴張而帶來違約風險。最后， 行政監管部門要根據國家關于房地產上市公司的發展戰略和規劃，結合行業定位和發展目標，進一步完善相應監管體系。通常公司Z值的計算多數依賴于公司的會計年報， 對會計年報的不規范處理行為，會導致Z值數據不可信，從而存在潛在的財務風險。 因此，行政管理部門在加強監管的同時，應對處于臨界值下限邊緣的公司及時提出預警， 以避免因財務風險而產生房地產行業風險， 保障房地產上市公司持續健康穩定發展。