基于因子分析法的房地產企業財務風險預警研究

一、前言

近年來，房地產行業“高杠桿、高周轉、高負債”的“三高”模式為行業帶來高速發展的同時也聚集了風險[1]。2023年中央金融工作會議強調，要全面加強金融監管，有效防范化解金融風險。鑒于房地產行業與金融業的特殊“連帶”關系，防范金融風險的重點領域之一便是房地產行業。2023年7月24日召開的中共中央政治局會議明確指出，要切實防范化解重點領域風險，適應我國房地產市場供求關系發生重大變化的新形勢，適時調整優化房地產政策，因城施策用好政策工具箱，更好滿足居民剛性和改善性住房需求，促進房地產市場平穩健康發展?？梢?，研究房地產企業財務風險狀況，對行業乃至整個國民經濟持續健康發展具有重要意義。

二、房地產企業財務風險預警指標體系構建

（一）樣本選取

本文根據證監會發布的《上市公司行業分類指引》，從104家房地產上市公司中剔除ST公司，最終以100家房地產公司為研究對象。所需數據通過新浪財經、巨潮資訊、公司年報等渠道獲取，利用SPSS統計軟件、EXCEL軟件分別對100家上市公司2022年財務指標進行因子分析和聚類分析。財務指標越大，表明公司的經營狀況越好，則將這類指標認定為正向指標，否則視為逆向指標[2]。在選取的18個財務指標中，有17個正向指標，1個逆向指標（資產負債率），為了便于比較，對資產負債率進行倒數法正向化，同時針對公司總資產數值較大的問題，選用總資產的對數。

（二）模型構建

基于財務視角，在償債能力、營運能力、現金能力、盈利能力、發展能力的基礎上[3]，結合房地產企業特征，創新性地增加了每股指標、資產規模方面的指標，構建了房地產企業的財務風險預警指標體系[4]（見表1），包括七大方面18個指標。

三、房地產企業財務風險預警實證研究

（一）因子分析法

本文采用因子分析法對選取的18個財務指標進行降維處理，為了保證結果的有效性，對原始數據進行Z分數標準化[5]，發現其因子分析結果與原數據一致。因子分析法具體步驟如下：

1.因子分析的KMO與Bartlett檢驗

通過KMO和Bartlett度量檢驗（見表2），其中KMO為0.67，大于0.5臨界值，Bartlett的球形檢驗度量的顯著性水平為0，表示適合進行因子分析。

2.因子提取

采用主成分分析法進行因子提取，依據特征值大于1提取公因子，前5個公因子累計方差貢獻率為77.309%（表略），能很好解釋原有變量所包含的信息。循環旋轉后前5個因子的累計貢獻率沒有發生變化，只是特征值和貢獻率發生變化，但并不會對因子提取結果產生影響。

3.因子變量命名與解釋

基于方差最大原則，采用Kaiser標準化的正交旋轉法對成分矩陣進行旋轉，在5次循環迭代后收斂，并設置取消系數絕對值小于0.5的成分載荷量，具體旋轉成分矩陣見表3。根據矩陣分別設F1、F2、F3、F4、F5共5個公因子，將F1命名為盈利與發展能力因子，F2命名為償債能力因子，F3命名為營運能力因子，F4命名為現金能力因子，F5命名為資產規模與質量因子。

4.因子得分及其排序

根據因子成分評價系數矩陣表（表略）和各公司2022年12月31日財務指標的標準化值計算因子得分，具體計算過程見公式（1）（2）（3）（4）（5）。再利用各因子旋轉后所對應方差貢獻率占總貢獻率的比重和各因子得分進行計算綜合因子得分即公式（6），可得到100家房地產上市公司單因子得分與排序及綜合因子得分與排序（表略）。

F1=-0.117X1-0.1X2-0.056X3-0.043X4-0.022X5-0.032X6+0.006X7+0.015X8-0.008X9+0.16X10+0.172X11+0.18X12+0.21X13+0.28X14+0.204X15+0.234X16-0.029X17-0.084X18 （1）

F2=0.294X1+0.285X2+0.252X3+0.238X4+0.048X5-

0.011X6-0.021X7-0.004X8+0.026X9+0.078X10+0.07X11+0.025X12-0.076X13-0.161X14-0.057X15-0.071X16+0.07X17+0.002X18 （2）

F3=0.056X1-0.019X2+0.005X3+0.008X4+0.343X5+0.33X6+0.35X7-0.026X8+0.023X9-0.095X10-0.093X11+0.049X12+0.032X13-0.055X14-0.006X15+0.057X16+0.083X17-0.075X18 （3）

F4=0.067X1+0.002X2+0.009X3-0.03X4+0.009X5-0.001X6-0.022X7+0.403X8+0.411X9-0.015X10-0.02X11+0.02X12-0.214X13+0.009X14+0.212X15+0.006X16+0.029X17+0.035X18 （4）

F5=0.121X1+0.092X2+0.035X3-0.033X4+0.101X5+

0.004X6+0.02X7+0.013X8+0.058X9-0.014X10-0.038X11+

0.082X12-0.022X13-0.304X14-0.013X15+0.091X16+0.624X17+0.499X18 ?; （5）

F=0.2679F1+0.2656F2+0.1885F3+0.1701F4+0.1078F5 （6）

本文對指標數據進行了標準化處理，根據因子分析結果，因子得分大于0，表示財務風險比較低，因子得分越高的公司財務狀況越好，反之越差。根據分析結果發現100家房地產上市公司中，71家公司的盈利與發展能力因子大于0，25家公司的償債能力因子大于0，25家公司的營運能力因子大于0，43家公司的現金能力因子大于0，45家公司的資產規模與質量因子大于0，只有40家公司的綜合因子得分大于0，說明超過一半的房地產公司面臨的財務風險較大。

（二）聚類分析法

本文采用主成分分析法定義樣本之間的距離，將2022年房地產上市公司各因子得分作為變量，運用分層聚類（Hierarchical Cluster），根據譜系圖可以直觀地看出聚類的類別數，然后運用K均值聚類分析（K-Means Cluster Analysis）得出具體分類。

1.K均值（K-Means）聚類分析

根據聚類分析將100家房地產公司分為5類（見表4）。

2.聚類結果分析

根據K-Means聚類分析迭代后收斂的最終聚類中心對房地產上市公司的各因子特征進行分析，將因子分數在0—1之間的劃分為強、大于1的劃分為較強、小于0的劃分為弱，具體結果見表5。

四、房地產上市公司財務風險分析與防范建議

（一）借助政策“東風”，利用好發展優勢

根據上述聚類結果，可以發現類1公司共3家，綜合能力較強，尤其在營運能力方面屬于五類公司中最突出的一類，對比綜合因子得分發現這3家公司均大于0，而且排名靠前，這類公司的財務風險較低?？梢?，對于類1公司要利用好自身營運優勢，借助“降息”等宏觀調控政策，拓寬籌資渠道，提高公司盈利能力。在日常經營活動中，公司要關注各項財務風險指標，做好財務風險預警。

（二）開源節流，有效預防風險惡化

類2公司各方面能力都比較弱，同時結合各公司的綜合因子得分，發現類2的60家公司中有48家綜合因子得分小于0，僅有12家公司綜合因子得分大于0，具體對比這12家公司的各因子得分，發現因子得分大多小于0，可見類2公司總體經營狀況不佳，財務風險較大，為風險重點防范對象。類2公司要化解財務風險，首先，必須從自身經營入手，降低不必要的費用和開支，同時催收各項應收款項，增加公司的資金儲備。其次，公司要進行市場調查，了解用戶的現實需求，有針對性地開發產品，創造發展機遇。最后，公司要建立智能化財務風險預警系統，有效預防風險惡化。

（三）抓住市場機遇，提升核心競爭力

類3公司共4家，償債能力屬于五類公司中最強的，僅有營運能力和資產規模與質量兩方面不足，可以看出該類公司并沒有很好地利用自有資產，有可能存在資產閑置的問題。對比綜合因子得分發現，類3公司的綜合因子得分均大于0，而且排名靠前，表明該類公司的財務風險較低。對于上市企業而言，良好的企業運營情況能夠向外界展現企業的核心競爭力，有助于企業股票升值和總體市值的增長。因此，該類公司要優化資產配置，以提高資產的使用效率和盈利能力，同時根據市場需求擴大資產規模，以實現規模效應。

（四）健全內部控制，加強風險管理

類4公司共32家，這類公司的資產規模與質量較好，但其他能力不足，并不能很好地利用盈利能力和資產規模的優勢。對比綜合因子得分發現，其中華僑城Ａ、大悅城、陸家嘴等12家公司的綜合因子得分小于0，因此，類4公司存在一定的財務風險。該類公司應建立健全的內部控制和風險管理機制，規范資產管理制度和流程，降低資產損失和風險，關注應收賬款、開發商品等情況。通過加強內部控制和風險管理，提高公司的穩健性和綜合實力。

（五）“現金為王”助力化解風險

類5公司只有云南城投一家，其現金因子得分排名第1，可見公司不能將現金的效用發揮到最大，而且現金的持有成本較高。綜合因子得分排名第6，財務風險比較低，但需要提高盈利、營運等方面能力?；诖?，該類公司應利用好自己的現金能力優勢，以盤活自身現有資源為主，優化資源配置，加強公司的資金運作和周轉能力，助力現金能力向盈利能力、營運能力轉化，同時，關注償債、盈利等指標的變動情況。

五、結語

綜上所述，本文通過對100家房地產上市公司的財務風險進行因子得分計算，將其盈利與發展能力因子、償債能力因子、營運能力因子、現金能力因子、資產規模與質量因子得分進行排序，并計算了公司的綜合因子得分，對公司財務能力和綜合能力進行風險大小的預測。而后引用聚類分析法，將100家房地產公司按風險特征不同劃分為五類，最后針對不同風險類型的公司提出了風險防范建議。

引用

[1]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（04）：32-39.

[2]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（06）：101-106.

[3]歐國良，吳剛，朱祥波.基于因子分析法的房地產企業財務風險預警研究[J].社會科學家，2018（09）：56-63.

[4]劉彥君，馬鄭瑋.CEO和董事間的老鄉關系會影響企業財務風險嗎？——基于因子分析構建的財務風險成因研究[J].財會通訊，2022（08）：29-34+117.

[5]龍志，陳湘州.企業財務風險預警模型的構建與檢驗[J].財會月刊，2023，44（24）：54-61.

作者單位：楊妃，蘭州資源環境職業技術大學；向桂霖，成都文理學院

責任編輯：韓 柏 張娟娟