基于Logistic模型的企业财务预警研究——以房地产企业为例

湖北华夏水利水电股份有限公司 匡琼

基于Logistic模型的企业财务预警研究——以房地产企业为例

湖北华夏水利水电股份有限公司 匡琼

针对当前房地产市场严厉的监控措施，建立有效的财务预警系统，预测企业是否会陷入财务困境是房地产企业长远发展的重中之重。本文选取沪深两市首次被ST前一年的数据，运用因子分析法对所选择的30家房地产公司，建立最新形势下我国房地产企业Logistic财务预警模型，并对模型的预测能力进行检验，所构建的模型能对房地产上市公司的财务状况是否异常做出86.7%的预测准确率，具备较强的财务预警判别能力，因而具有一定的可行性和实用价值。

Logistic模型 房地产企业 财务困境 财务预警模型

房地产行业是牵动国计民生的行业。2008年以来，房价上涨迅速，于是房地产行业便成为了人们和学术界关注的焦点。针对这种情况，2010年4月以来，国务院颁布了一系列被称为“史上最严厉的调控措施”，通过财政、金融、税收等多种手段进行规范。而房地产行业本身具有资金密集、投入产出周期长以及远高于其他行业资产负债率等特点，为房地产企业财务危机埋下了隐患，因此，建立有效的财务预警体系至关重要。本文试图采用Logistic回归分析方法建立最新形势下我国房地产企业的财务预警模型，以帮助房地产企业加强风险管理，及时发现经营风险和财务风险，采取有效的改善财务状况的措施，从而使企业走出财务困境。

1　房地产企业财务预警模型的构建

1.1研究设计

选取2009年～2013年沪、深两市房地产上市公司由于“财务状况异常”(ST和*ST)而被特殊处理的公司15家。并根据同行业、同年度、资产规模相近的原则选择配对非ST公司15家。选用的数据是被ST前一年度的数据，非ST公司的财务数据与ST公司属于同一会计年度。本文将ST公司的概率P 值设定为1，正常公司的概率P值设定为0，将0.5作为概率分界值，即预测概率值大于0.5时认为被解释变量的分类预测值为1，小于0.5时认为分类预测值为0。

1.2财务指标的选取

为了全面地评价分析房地产企业的财务状况同时兼顾重要性和可获取性原则，选取了包含营运能力、偿债能力、发展能力、盈利能力以及现金流量能力五个方面共12个指标作为变量(见表1)，通过非参数检验、单变量Logistic分析，选取既有显著性差异又有利于提高模型预测精度的财务指标，然后通过因子分析，构建财务预警模型。

表1　选取的财务指标

营运能力　存货周转率　X9应收账款周转率　X10现金流量指标　销售商品劳务收入现金/营业收入　X11销售现金比率　X12

2　房地产企业财务预警模型的实证研究

2.1财务指标的差异显著性检验

从沪、深两市选取2009年～2013年房地产上市公司中ST公司15家和非ST公司15家，对T-1年的财务指标进行Mann-Whitney U检验，检验结果如表2所示。

表2　Mann-Whitney U检验

从表2可以看出，若显著性水平为a=0.05时，变量X3、X4、X6、X9、X10、X12的相伴概率Sig均大于a，即它们的数据在ST公司和非ST公司之间没有显著的区别，不能用来判断其区别，也就是要被排除在模型之外。因此模型将剩下X1、X2、X5、X7、X8、X11共6个变量。

2.2单变量Logistic回归分析

单变量回归模型可以帮助我们识别哪些财务指标是很好地预测因变量，并且能够提高模型的拟合优度。因此，我们采用Wald统计量，进行单变量Logistic回归检验。在用Logistic单变量回归进行初选变量时，为了尽量减少预警指标的遗漏，把设为0.15，如果一个自变量在单变量回归的检验中相伴概率p<0.15，就考虑将该变量保留并加入到多元Logistic回归模型中。通过单变量Logistic回归分析，相伴概率P值小于检验标准0.15的如下指标：X1、X2、X5、X7、X8、X11。

2.3因子分析

通过Mann-Whitney U检验和单变量回归分析，已经筛选出了既有显著性差异又有利于提高模型预测精度的6个财务指标。这些财务指标虽然进行了精简，但由于它们之间可能存在较强的相关关系，而且用它们来建立模型还是比较繁琐和复杂。因此，有必要利用因子分析法对这些财务指标进行进一步简化，达到用少数几个因子来描述许多指标或因素之间的联系的目的。

因子分析时，通过KMO检验和Bartlett球形检验，得到KMO值为0.667，根据统计学家Kaiser给出的标准，KMO取值大于0.6，适合因子分析。另外，Bartlett球形检验给出的相伴概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球形检验的零假设，认为适合于因子分析。

于是我们进行因子分析的初始特征值分析，发现前五个因子的累积贡献率为97.183%，这样我们就可以用前5个因子来进行主成分的因子分析，得到的成分得分系数矩阵如表3所示。

根据SPSS输出的由回归算法计算出的得分因子回归矩阵并结合表3，可得：

根据这个得分函数，就可以将6个变量的信息转化为5个因子的信息，也就是简化成了5个主成分的变量。下面我们就以这5个因子进行Logistic回归分析。

2.4多变量Logistic回归分析

根据新的因子变量F1、F2、F3、F4和F5，利用SPSS19.0软件运行，得到变量F1、F2、F3、F5的相伴概率小于0.05，在显著性水平为0.05时显著；因此回归模型拟和效果较好，可建立logistic预测概率模型：

2.5模型检验与预测

利用以上得到的模型公式，将30个建模样本带入模型，经计算，得到的结果如表4所示。

表4　模型预测值与实际值对照表

其中，我们将实际分类为1的个体中，预测结果也为1的概率称为灵敏度；实际分类为0的个体中，预测结果也为0的概率称为特异度；总体预测准确率为预测结果正确的比率。由表4可知，灵敏度=93.3%，特异度=80%，总体预测准确率为86.7%，说明整体预测效果很好。

3　研究结论

(1)通过因子分析以及Logistic回归分析，发现对房地产企业财务状况起主要作用的是公司的盈利能力、偿债能力和成长能力。因此，房地产企业应高度关注资产运营和收益情况，注重提高收益质量的同时，也应提高资产的运营效率和能力，并密切关注企业未来发展趋势和发展速度。(2)利用Logistic建立的财务预警模型，该模型整体预测准确率为86.7%，能够比较准确地预测房地产上市公司的财务状况，可行性较强。有助于房地产企业了解公司的财务状况，及时发现其存在的财务危机，从而有效地采取防范措施。(3)我们建立的财务预警模型的有效性以企业真实的财务指标为前提。而有些上市公司对外公布的财务指标不真实，可能还存在一些数据被操纵的现象。因此，该模型也存在一定的局限性。

[1] 裴潇,黄玲,陈华.基于Z值模型的房地产企业财务预警研究[J].财会通讯,2015(4).

[2] 朱晨露,崔永红.调控政策下的房地产企业财务预警分析[J].企业经济,2012(4).

[3] 梁美健,闫蔚.企业财务预警的国内外研究综述[J].财会月刊, 2014(12).

F275

A

2096-0298(2016)10(b)-112-02