中国房地产上市公司财务危机预警研究

张 红，李 洋，黄 硕

（清华大学 建设管理系，北京 100081）

一、引言

财务危机又称财务困境（Financial Distress）或财务失败（Financial Failure），是一个较为模糊的概念，其定义往往随研究问题的不同存在明显差异[1]。通常认为，财务危机的标志是指公司无力偿还到期债务或费用[2-3]，或者公司正式提出破产申请的行为[4]。而事实上，财务危机是一个动态变化的过程，在不同阶段可分别表现为持续性亏损、无偿付能力、违约和破产等经济状态。现有的财务危机预警主要是指以公司的财务报表、经营计划及其他相关会计资料为依据，采用比率分析、因素分析、人工神经网络等多种统计分析方法，对公司的经营活动、财务活动等进行分析预测，以发现公司在经营管理活动中潜在的经营风险和财务风险，并在财务危机发生前向公司经营者发出警告。国外学者在该领域进行了大量的研究，并主要针对上市公司构建了一系列的财务危机预警模型，其中最著名的是Z-Score模型及其衍生模型ZETA等。但值得注意的一点是，不同的行业具有不同的经营模式和财务特点，基于上市公司整体层面构建的财务危机预警模型未必适用于某些行业特性较强的公司，如房地产上市公司等。

与一般的制造业上市公司相比，房地产上市公司的经营活动具有资金投入大、回收周期长、负债率高以及高风险和高收益并存等特点，在这种情况下，其财务风险主要体现在资金方面。一旦公司投资扩张过快而房地产销售放缓，房地产上市公司就很可能面临资金紧张甚至资金链断裂，进而导致财务危机的出现。可见，房地产上市公司的财务危机具有较强的行业特殊性，与其他行业上市公司存在一定的差异性，针对房地产上市公司的财务危机预警正成为目前学术界和产业界所共同关注的热点课题之一。基于此，本文将结合2006—2011年沪深A股市场房地产上市公司年报数据，通过对主要财务预警模型的比选确定一个财务预警基准模型，在运用多元判别分析法（Multiple Discriminant Analysis，MDA）对该基准模型修正的基础上构建适用于中国房地产上市公司的财务预警模型，进而帮助管理者和投资者提前识别房地产上市公司的财务风险。

二、房地产上市公司财务危机预警基准模型的确立

（一）基本假设条件

1.以房地产上市公司受到特别处理（ST）作为判定其发生财务危机的标准

上市公司发生财务危机的表现形式根据其自身严重性不同，可分为以下三种状态：一是现金流不足偿债；二是资不抵债，即净资产为负；三是破产。为进行比较研究，需要对财务状况正常的上市公司和发生财务危机的上市公司加以区分，因此财务危机的界定方法尤为重要。下面简单讨论利用这三类情形界定中国房地产上市公司财务危机的可行性。

（1）上市公司现金流不足偿债

对于现金流不足偿债这一情形，相关定量研究数量较少，且以国内研究为主。部分学者选择现金流量比率作为现金流不足偿债的量化标准，并采用个体与平均水平相比较的方法，即在某个上市公司现金流量比率低于国内上市公司平均水平时，就判定该公司现金流不足偿债并陷入财务困境。这种方法简便易行，但在逻辑上存在缺陷，解释力度不足，因此，用上市公司现金流不足偿债这种情形界定上市公司是否发生财务危机尚不可行。

（2）上市公司资不抵债

表1列示了2008—2010年三年A股市场上所有资不抵债，即净资产为负的房地产上市公司（表1中简称为资不抵债公司）的数量。

表1 2008—2010年资不抵债房地产上市公司数量

观察表1可知，2008—2010年发生资不抵债这种情形的房地产上市公司数量很少，而且其占房地产上市公司总数的比例极低。也就是说，资不抵债在房地产上市公司这一总体中不构成典型现象，故利用该情形界定房地产上市公司是否发生财务危机不可行。

（3）上市公司发生破产

从《上市公司破产法》于1988年11月开始施行至2011年12月，中国尚未出现上市公司发生破产的案例。上市公司在中国作为一项稀缺的“壳资源”，相对于未上市公司在融资渠道方面具有巨大优势。这种优势使得上市公司即使陷入财务危机甚至无力持续经营，也有极大可能成为其他公司的收购对象。由于没有上市公司的破产案例可供参考，所以用破产界定房地产上市公司是否发生财务危机同样不可行。

通过以上分析看出，利用上市公司现金流不足偿债、上市公司资不抵债以及上市公司发生破产这三类情形作为中国房地产上市公司发生财务危机的界定标准并不理想。目前国内学者大多将上市公司受到特别处理（ST）作为判定财务危机的标准。根据《关于上市公司状况异常期间的股票特别处理方式的通知》，上市公司在连续两年亏损的情况下将被施以特别处理，也就是说，被ST的上市公司大都处于较差的财务状况中。综上，本文认为将上市公司受到特别处理（ST）作为判定房地产上市公司财务危机的标准是合理的，并将以房地产上市公司是受到特别处理（ST）作为判定其是否发生财务危机的标准。

2.将财务危机预警年限设定为5年

现有研究发现，财务预警模型的预警期限最长不超过5年，即使用上市公司第T年的数据，只能对其第T+5年之前的财务状况进行预判。当预警年限超过5年时，财务预警准确度就会随着预警年限增加而急剧降低，故本文将财务危机的预警年限同样设定为5年。

（二）研究样本选择

按照证监会的行业划分标准，本文选择A股市场99家房地产上市公司作为样本。从2011年末这个时点来看，这99家房地产上市公司中包括ST上市公司9家，非ST上市公司90家。由于本文以5年作为房地产上市公司的财务预警年限，在下文的计算中均以上述99家房地产上市公司2006年末的财务数据作为基础数据。

为检验上述两个模型对中国房地产上市公司的财务预警效果，将2006年99家A股房地产上市公司样本分为ST公司组和非ST公司组两组。其中第1组样本数量是9家，第2组样本数量是90家。样本公司的描述性统计数据如表2所示。样本公司的资产总额在0.45亿元至499.20亿元之间。这些样本公司的资产总额、负债总额、营运资金、净利润和留存收益的平均值分别是38.38亿元、25.02亿元、10.99亿元、1.15亿元和2.72亿元。

表2 样本公司的描述性统计数据

（三）财务危机预警基准模型的比选

为测算财务预警模型的判别准确率，建立模型判别准确度矩阵，如表3所示。

表3 模型判别准确度矩阵

表3所示的模型判别准确度矩阵中，H1和H2表示正确判别样本的数量；M1代表第一类错误的数量，即误将ST组的房地产上市公司判别成为非ST组公司的数量；M2代表第二类错误数量，即误将非ST组的房地产上市公司判别成为ST组公司的数量。H1、H2、M1、M2四个元素的总和等于样本总数。利用H1和H2之和占样本总数的比例R可以测算模型的财务预警准确度，如式（1）：

由于本文以房地产上市公司受到ST作为判定其财务危机的标准，根据Z-Score模型的判别标准，ST公司组各公司的Z值应小于1.81，非ST公司组各公司的Z值应大于等于1.81；而根据Z0模型的判别标准，ST公司组各公司的Z0值应小于0.5，非ST公司组各公司的Z0值应大于等于0.5。分别计算各模型的判定值，从而得出模型判别准确性矩阵的参数如表4和表5所示。

表4 基于Z-Score模型的中国房地产上市公司的判别准确度分析

表5 基于Z0模型的中国房地产上市公司的判别准确度分析

观察表4可知，Z-Score模型对中国房地产上市公司的判别准确度R1=（5+48）/（5+48+4+42）=54%。观察表5可知，Z0模型对中国房地产上市公司的判别准确度R2=（8+60）/（8+60+1+30）=76%。通过比较不难发现，Z0模型对中国房地产上市公司进行财务预警的准确度明显高于Z-Score模型，因而本文将以Z0模型为基准模型，进一步结合2006年房地产上市公司的财务数据对该模型进行修正，构建适用于房地产上市公司的财务预警模型。

三、基于多元判别分析法的房地产上市公司财务危机预警分析

（一）多元判别分析法

多元判别分析法（Multiple Discriminant Analysis，MDA）是多元数据分析的重要方法，目的是对已知分类的数据建立由数值指标构成的分类规则，然后将此分类规则应用到未知分类的样本中并将其分类，通过统计学原理，将多个标志变量在最小信息损失的情况下转变为分类变量，继而获得高预测精度的多元线性判别方程。MDA应用于财务预警的主要思想是利用观测到的已知财务比率构造判别函数并计算出各家公司的判别得分，最后对研究对象的归类做出判断（详细过程略）。

（二）房地产上市公司财务危机预警模型的构建

现有的Z0基准模型在建模过程中已应用了多元判别分析法，本文将沿用该方法对Z0模型予以修正，使之更符合房地产上市公司的财务特点。Z0模型的具体形式如式（5）所示：

式（5）中，自变量Xi（i=1,2,3,4）的含义及计算公式如表6所示。

表6 Z0模型预警变量的含义及计算公式

通常说来，Z0值越高，公司的财务状况就越健康，未来发生财务危机的可能性就越小。基于Z0模型的公司财务状况判别标准如表7所示。根据Z0模型，0.5是判别上市公司是否属于财务危机公司的临界点。因此，如果Z0模型适用于中国房地产上市公司的财务预警，则ST公司的Z0应小于0.5，而非ST公司的Z0应大于0.5。

表7 基于Z0模型的公司财务状况判别标准

进一步结合房地产上市公司的财务数据，本文运用MDA修正Z0模型，在此基础上构建了适用于中国房地产上市公司的财务预警模型（Financial Early Warning Model for Listed Real Estate Companies，简称FRE）。

（三）模型有效性和稳健性检验

由表8可知，FRE对中国房地产上市公司的财务预警准确度R=（8+90）/（8+89+1+1）=98%。通过原始样本回判检验发现，在使用相同样本的情况下，FRE的财务预警准确度（98%）比Z0模型（76%）提高了22%。这说明相对于Z0基准模型，FRE对中国房地产上市公司财务预警效果更加理想。进一步选择99家房地产上市公司2007年末的数据作为预测样本，检验FRE模型的财务预警效果，将预测分组结果和实际分组汇总如表9所示。

表8 基于原始样本的FRE判别准确度分析

表9 基于预测样本的FRE判别准确度分析

由表9可知，该模型对中国房地产上市公司的财务预警准确度R=（8+87）/（8+87+1+3）=96%。可见，在使用不同年份样本数据的情况下，模型仍然保持了较高的财务预警准确度，模型的稳健性较强。用两类错误的数量除以对应组内样本总数可以得到模型对中国房地产上市公司财务预警过程中两类错误发生的概率，如表10所示。从表10可知，发生第一类错误的概率是11%，发生第二类错误的概率是3%，即在应用该模型对中国房地产上市公司进行财务预警时，误将财务危机公司判别成为非财务危机公司的概率是11%，而误将非财务危机公司判别成为财务危机公司的概率是3%。综上，FRE模型对中国房地产上市公司财务预警效果较为理想。

表10 FRE财务预警两类错误发生概率

（四）财务危机预警应用

在FRE模型的基础上，本文进一步采用2009—2011年的财务数据对中国房地产上市公司未来5年的财务危机进行分析和预测。同样选取2009—2011年的99家房地产上市公司作为样本，根据其财报数据计算得出相应的财务比率指标Xi并引入FRE模型，进而根据样本所对应的F值大小判定上市公司是否会发生财务危机。

表11列出了7家房地产上市公司，其中ST类的公司有5家，非ST公司有2家。根据2009年的财报数据，并考虑到预警年限为5年的基本假设，这两家非ST类的上市公司在未来2—4年内将有可能会发生财务危机。尽管受房地产市场环境的整体影响，2010年和2011年数据计算得到的F值已低于财务危机的预警标准，但从过去3年的平均数据来看，东方银星和泰禾集团这两家公司的自身经营仍然面临较大的不确定性，发生财务危机的风险较高。

表11 房地产上市公司的财务预警判别分析

需要注意的一点是，与国外不同，中国证券市场普遍存在稀缺性“壳资源”这一特殊情况，这些陷入财务危机的上市公司极有可能在未来成为其他上市公司重组和收购的对象，并通过“借壳”的方式成为新的上市公司，因此，被列入财务危机的上市公司，其股价在短期内并不一定会大幅下降，但从长期来看，这些公司存在较大的财务危机风险，并不适合一般的市场投资者。

四、结论与建议

本文的主要研究结论包括：

1.本文基于99家房地产上市公司的财报数据，运用多元判别分析法对一个已有的基准模型进行修正，从而构建了适用于中国房地产上市公司的财务危机预警模型。对样本数据的检验表明，该模型对中国房地产上市公司财务危机预警的平均准确度达到90%以上，且稳健性较强。

2.基于该模型对近3年财报数据的财务预警显示，两家房地产上市公司将在未来2—4年内可能陷入财务危机之中，这将有助于企业管理者和市场投资者采取措施来避免潜在的损失。

3.通过对财务预警基准模型的修正发现，行业差异性所导致的模型差异非常显著，相同预警变量的权重分布存在较大差异。在今后的上市公司财务预警研究中，应对行业性强的上市公司采取有针对性的预警分析，从而提升财务预警的准确性。

在中国房地产市场调整不断深化的背景下，该模型不仅能为上市公司管理者和市场投资者提供决策参考，还能帮助政策制定者及时发现和评估可能导致房地产行业财务危机的潜在风险。受篇幅所限，本文的研究侧重于对房地产上市公司财务危机预警模型的构建和应用，并未对房地产上市公司财务危机产生的深层机理进行分析，后续的研究可以从房地产上市公司的具体经营属性和财务统计特点角度加以深入探讨，同时应当考虑宏观经济以及政策因素等对房地产整体经营环境的影响，进而提高财务预警模型的适用性和针对性。

[1]吴星泽.财务危机预警研究：存在问题与框架重构[J].会计研究，2011，（2）：59—65.

[2]Beaver W H.Financial ratios as predictors of failure[J].Journal of Accounting Research，1966，（3）：71—111.

[3]谷祺，刘淑莲.财务危机企业投资行为分析与对策[J].会计研究，1999，（10）：28—31.

[4]Altman E I.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，（4）：589—609.