房地产企业财务风险评估研究

齐 岳 蒋杉杉 宋莹莹

一、引 言

党的十九大报告指出，“深化金融体制改革，增强金融服务实体经济能力，健全金融发展体系，守住不发生系统性金融风险的底线。”在防范化解金融风险的过程中，房地产行业起着十分重要的地位。房地产行业是中国国民经济里较为重要的一个产业，其持续发展对国民经济非常重要。2017 年，房地产销售金额在我国GDP 中占比16.3%，但在金融支持实体经济发展的过程中也出现了创新过度、脱实向虚的问题，例如社会大量资金流向房地产领域，造成房地产泡沫，推高了资产价格。

房地产行业的金融属性很强，众多监管命令的颁布使得房地产行业融资渠道收紧，资金链紧张，房地产行业成为防控系统性金融风险下受影响程度较深的行业。2018 年金融业持续把防范化解系统性风险放在重要的位置，房地产企业要想在激烈的竞争环境中生存下来，就需要保证自身财务安全性，因此研究房地产企业的财务风险尤为重要。中国学者对上市房地产企业进行研究时，对港股上市房地产企业的研究较少，如丁红梅（2017）研究了我国在A 股与港股上市的房地产企业所面临的风险，运用统计分析的方法对影响房地产企业财务风险的因素进行系统性分析，概括性地提出了财务风险预警系统。

本文选取我国港股上市房地产企业为研究对象有以下两个主要原因。首先，港股与A 股的资本市场环境有着一定差异：港股市场成熟，境外投资者较多，投资理念、投资工具与投资手段均领先于国内以散户为主的A 股；且决定资本流向的资本敏感性也更强。所以在这样的资本环境下，港股房地产企业要有优异的业绩作支撑才能更好地融资，提升企业价值；而在追求业绩增长的过程中，控制财务风险，保证企业正常运营是十分重要的一环。第二，相比于A股市场，港股与国际资本市场联系更加密切。近三年以来，港股恒生指数随美股DOWJONES 指数一路攀升，而反观国内沪深股市则较为低迷。美联储的不断加息以及全球央行实行的更加紧缩的货币政策会使流向房地产的资金减少，同时我国房地产企业集中度进一步加强，抗风险能力较弱的中小房地产企业更容易产生财务危机，所以应更加注意防控自身财务风险，以寻求发展之路。

因此本文创新点在于针对目前港股上市的房地产企业，结合行业特性，采取基于因子分析的Z 值与Logistic 回归分析模型构建适合中国港股上市房地产企业的专有财务风险评估指标体系，并确定企业发生财务风险的判断标准，以准确及时地识别房地产企业财务风险，更好地防控系统性金融风险。全文研究框架如下图1 所示。

图1 研究主体框架

二、文献综述

（一）国外房地产企业财务相关研究

在最新管理学研究理论的基础上，结合行业特性和所处市场环境，国外对于房地产企业与金融市场的研究体系愈加成熟与完善。Fan 等（2013）选取跨国数据进行实证研究发现金融市场风险与房地产价格之间的关系非单调，而取决于市场的程度。Zhang 和Sun（2006）在1992 - 2004 年季度数据的计量经济分析的支持下得出当期房地产周期对金融稳定的影响包括房地产信贷风险、政府担保和期限错配的结论。Liu（2009）考察了四种最常用的财务困境预测模型的预测能力，从而为台湾的公共工业企业构建了可靠的故障预测模型; 结果表明Probit，Logit 和ANN 模型具有较高的预测精度，具有泛化能力。

（二）国内房地产企业财务相关研究

国内学者对于企业财务风险的研究起步较晚，主要集中在财务风险定义、财务风险成因以及财务风险管理理论三方面。1996 年以来，我国不断出现了以企业财务比率为基础的财务风险评估模型，国内学者最常采用的风险评估方法是因子分析法、Z值评估模型以及多元逻辑回归模型。龙胜平和郑立琴（2007）结合宏观环境和房地产企业自身特性，分别构建了Logistic 回归评估模型、Z 值评估模型和Z-3 值评估模型，均取得很高的预测准确率。 浦军和刘娟（2009）运用Logistic 回归模型，采用传统的财务指标、公司治理结构指标和现金指标，对2007年ST 公司进行提前三至五年的财务困境预警研究，建立了相应的财务危机预警模型，并使用2002～2004 年的数据进行了验证，取得了令人满意的效果。朱晨露和崔永红（2012）对调控政策下的房地产企业财务风险进行评估研究，通过选取受调控政策影响较大的财务指标构建了财务风险评估指标体系，并运用主成分分析法和Logistic 回归模型进行实证分析，结果显示流动资金对于企业财务风险的发生具有重大影响。周梅妍（2012）对2006～2010年A 股上市的房地产公司的财务风险预警系统进行了研究，并分析了房地产上市公司的财务风险因素；其次在选取财务和非财务指标作为备选指标，及进行预处理和显著性检验后，运用因子分析对指标项进行了降维处理，并采用BP—Adaboost 神经网络算法对房地产公司的财务风险进行了预测。丁红梅（2017）研究了我国在A 股与港股上市的房地产企业所面临的风险，运用统计分析的方法对影响房地产企业财务风险的因素进行系统性分析，概括性地提出了财务风险预警系统。

通过分析先前学者所做的关于房地产企业财务风险的相关研究发现，针对国内沪深股市房地产企业的财务风险模型已较为丰富。但在当前港股与沪深股发展趋势仍存在一定差距的情况下，要更好地控制我国房地产企业财务风险，则需要进一步加强针对港股房地产企业的财务风险模型研究。

三、财务风险评估模型的构建

（一）房地产企业财务风险分析

先前学者对于房地产财务风险的分析大多集中于房地产企业自身行业特点、资本结构不合理与现金流不稳定等方面。这样的分析重点鲜明却缺乏系统性，容易把房地产企业的财务风险割裂开来，从而忽视了作为一个常规企业所面临的财务风险的一般性与系统性。本文对于房地产企业财务风险的划分是基于一般公司财务管理循环的基础上，考虑房地产行业特点而进行的风险划分。

对于任何一个企业而言，筹资、投资、营运与利润分配都是企业财务循环的核心，而财务风险往往也会出现在这些关键环节。对于房产行业而言，现金流是一个尤为重要的方面，由于受政策影响较大，房地产企业也要着重于现金流的回收环节。所以结合我国房地产企业经营活动特性及行业现状，本文将房地产财务风险分为筹资、投资、营运和现金回收风险四大类。

1、筹资风险

房地产企业发生筹资风险主要因为筹资数额不合理和筹资渠道单一。筹集资金多余实际需要，就会造成资金的闲置；筹集资金太少，则会造成项目资金短缺甚至资金链断裂。银行借款仍然是房地产企业最常用也是占比最大的融资方式。随着银行对房地产融资的审核越来越严格，越来越多的房地产企业采取短期借款获取资金，从而造成短债长投的现象。

2、投资风险

房地产的投资风险主要是由于可行性分析不到位和投资成本预算不科学。大多数房地产企业采取的是定性分析方法而忽视了定量分析方法，从而导致可行性分析结果不够科学准确，增加了投资失败的概率；房地产开发周期长会导致忽视通货膨胀、利率变动等因素对预算结果的影响，造成预算结果与实际发生费用之间产生较大差距，最终造成投资风险产生。

3、营运风险

受到去库存压力以及预算管理意识淡薄的影响，房地产的营运风险主要是在项目开发建设以及销售过程中产生的。为加速去库存，房地产企业经常会增加营销费用投入来刺激销量。土地获取成本，财务费用以及管理费用加上销售费用高居不下，导致投资项目整体成本增加，项目收益减少，从而导致企业净利润减少。

4、现金回收风险

如果企业的产品不能及时销售，或者商品售出后货款不能及时收回，都会造成企业产生现金回收风险。一旦出现现金回收风险，就可能影响到现有投资项目的正常运转，甚至导致现有项目资金链断裂，直接影响企业经营效益。

（二）财务风险评估模型的选择

综合国内外学者的研究，财务风险评估方法从时间跨度上主要经历了一元判别法、Z-SCORE 模型分析、Logistic 回归模型分析、BP 神经网络以及COX生存分析模型。本文将这几种模型的基本假设及优缺点概述如下:

表1 财务风险评估模型的比较

经过参考文献并结合房地产行业的特性，本文研究最终选择了基于因子分析的Z 值评估模型和基于因子分析的Logistic 回归模型。主要理由包括以下三点：其一，本文选取代表企业偿债、营运、盈利、股票市场表现以及规模的共计23 个财务指标，指标数量众多，引入因子分析既能够最大限度的保留指标所包含的信息，又能简化研究，达到数据降维的目的。其二，Logistic 回归模型的因变量Y 属于分类变量，本文研究企业是否存在财务危机，属于二分类变量，符合Logistic 回归模型的假设条件。其三，因子分析、Z 值分析以及Logistic 回归模型是财务危机预警问题研究的主流方法，相对其他模型来说简单易操作，容易理解，适用性强。本文同时采取三种研究方法，有利于克服单个模型的限制。

本次研究对象为在香港上市的房地产企业，原因是相比于A 股市场，港股整体市场化程度更完善，与国际接轨程度较高，资本敏感性也更强；同时身在港股的房地产企业所处的资本环境更加严峻，也更容易发生财务危机。所以本文最终选择港股上市房地产企业，以经典评估模型即因子分析的Z 值与Logistic 回归分析模型为依托，构建适合中国港股上市房地产企业的专有财务风险评估指标体系，并确定企业发生财务风险的判断标准，以准确及时地识别房地产企业财务风险，更好地防控系统性金融风险。

（三）财务风险评估指标体系的构建

1、评估指标的选取

财务风险评估模型建立在财务风险评估指标体系的基础上。评估指标体系的建立必须要结合特定的市场环境和所研究行业的特点，这样才能提升评估模型的准确性和适用性。本文在建立财务风险评估指标体系时遵守以下相关原则。

第一、行业性原则。本文在选取传统财务指标的基础上，结合房地产行业特性及其集中化趋势，特意将规模指标纳入指标体系来衡量企业财务风险。第二、全面性原则。本文在选取反映企业偿债、盈利、营运以及成长能力的指标基础上，加入现金指标、股票市场表现指标以及规模指标以构建相对完整的指标体系。第三、预测性原则。这就要求所选指标对于企业及行业环境具有较高的灵敏性，在选取指标时要尽量选择与行业紧密联系的先导性评估指标。第四、可操作原则。财务风险评估指标的构建是为了反映房地产企业的财务状况，所以可操作性原则要求研究数据可获取，研究方法具备适用性。

综合我国房地产企业特性和金融监管趋严的背景，本文选取了七个指标类别，共23 个财务指标组成风险评估指标体系，如表2 所示。偿债能力、营运能力、盈利能力与成长能力是评估一般企业财务风险的基本指标，当然也适用于房地产企业。除此之外，本文选取了主营业务收入现金比率、债务保障率以及现金流量比率来反映企业现金流量质量，指标数值越大，说明企业现金流量情况越好，财务风险越小。同时，本文也考虑了股票市场表现指标，选取市盈率、市净率以及市销率来反映企业在股票市场上的表现。最后，由于房地产行业的集中度趋势，导致众多小规模的房企面临着融资渠道收窄，投资受阻甚至被兼并的风险。本文特意加入反映企业规模的指标，所采取的处理方法就是对上市房地产企业的总资产取对数。房地产行业的规模优势越来越明显，规模越大，生存能力越强，生存环境越有利，财务风险越小。

表2 房地产企业财务风险评估指标体系表

2、财务指标及判断标准的选取

之前学者在对房地产企业财务风险进行评估时，从众多财务指标中选取出比较具有代表性的四个指标，以速动比率、总资产周转率、净资产收益率和主营业务收入增长率四个指标的中位数作为财务风险判断标准，认为当四个指标中有三个指标低于行业中位数时即判定企业为财务非健康企业。为提升研究的准确性及科学性，本文加入沪深A 股市场判定企业是否存在财务危机的净利润指标作为补充指标，共五个财务指标作为判断标准。

收集整理2014-2016 年度港股上市房地产企业公布财务报表中的财务数据，通过统计性描述得了到四个指标的中位数分别为速动比率为0.62，净资产收益率为6.56%，总资产周转率为0.16，主营业务收入增长率为13.26%。

健康的企业速动比率通常大于1，港股房地产行业的速动比率中位数为0.62，表明港股房地产行业整体偿债能力较弱，所以速动比率小于0.62 的企业可能有偿债风险。如果房地产企业的净资产收益率低于其中位数6.56%，则可能存在盈利风险。与其他行业相比，房地产行业的总资产周转率处于较低水平，如果企业总资产周转率小于0.16 就可能存在营运风险。据统计，港股房地产企业的主营业务收入在近年来呈现增长趋势，因此，主营业务收入增长率低于行业中位数13.26% 的房地产企业可以判断为成长能力较差。综上，本文设立房地产上市公司为财务非健康企业的判断标准为：四个判断财务指标中至少有三个判断指标低于其行业中位数，如表3所示。

表3 房地产上市公司财务风险判别表

证监会规定A 股上市公司在连续的两个会计年度内均发生亏损，认定该公司财务情况异常。虽然H 股和沪深A 股房地产企业上市地点和环境不一样，但均属于中国房地产企业，其经营环境和采用的会计准则都是一样的，所以本文认为利用净利润判断沪深A 股企业是否陷入财务危机的方法同样适用于港股上市房地产企业。因此，针对本文研究的房地产企业，判断2015-2016 连续两年净利润为负数的企业为财务非健康企业。综合上述两种判断标准，本文找到港股一共有146 家房地产上市公司，剔除已退市以及数据严重缺失的16 家公司以及2013 年以后上市的37 家公司，最终选定2014 年以后在港股上市的93 家房地产上市公司。根据五个判断指标共筛选出32 家财务非健康企业，如表4 所示：

表4 非正常房地产上市公司财务状况表

四、基于因子分析的Z 值与Logistic回归实证分析

（一）财务风险评估指标的处理

1、评估指标的正态检验

在众多的正态检验方法中，本文选择了非参数检验的K-S（全称为Kolmogorov-Smirnov）检验。K-S检验原假设：被检验样本的分布和正态分布之间不存在显著性差异。如果检验结果显示双侧渐进概率高于设定的显著性水平，则认为原假设是正确的，否则认为样本不是正态分布。

下面运用SPSS 分析软件对23 个指标进行显著性水平为5%的K-S 检验，结果如下表所示：

表5 K-S 检验结果表

由分析结果得出，存货周转率、流动资产周转率、总资产周转率以及公司规模四个指标符合正态分布，可以直接用作Z 值分析；其他指标不符合正态分布，需要进行进一步检验。

2、评估指标的显著性检验

显著性检验是探究两个总体之间是否产生真实差异，还是偶然出现。基于上文K-S 检验的结果，接下来将对通过K-S 正态性检验的四个评估指标应用独立两样本的T 检验，而对其余19 个评估指标采用非参数检验。

（1）评估指标的T 检验

本文将财务健康企业和财务非健康企业作为独立的两样本接受T 检验。通过检验两组样本指标均值是否相同来判断其在两样本组中是否存在显著性差异。计算得到的显著性水平sig 数值如果大于给定的显著性水平a，则认为原假设是成立的，两独立样本均值相同；反之则拒绝原假设，认为这两个独立样本之间均值不同，存在显著性差异。本文给定的显著性水平a 为0.05。

本文利用SPSS 统计软件对X5（存货周转率）、X6（流动资产周转率）、X8（总资产周转率）以及X23（公司规模）4 个指标的T 检验结果如表6所示。

表6 两独立样本T 检验结果

从上表可以看出，四个指标均通过了T 检验，表明四个指标在财务健康企业和财务非健康企业这两个独立样本之间有显著性差异，可以纳入评估体系进行下一步实证分析。

（2）评估指标的非参数检验

本文对没有通过K-S 正态分布检验的19 个评估指标进行非参数检验。综合比较多种非参数检验的办法，本文最终选定了国内外学者广泛使用的独立两样本Mann-Whitney U 检验法，检验19 个评估指标在财务健康企业和财务非健康企业间是否存在显著性差异。

原假设为评估指标变量在财务健康企业与财务非健康企业之间不存在显著性差异，设定显著性水平为0.05。通过SPSS 数据分析软件计算，19 个评估指标进行显著性检验的最终结果如表7 所示。

表7 非参数Mann-Whitney U 检验

数据来源： SPSS 统计分析软件。

未通过K-S 检验的19 个评估指标均通过了显著性检验，应纳入评估指标体系。但考虑到，有些指标反映的是企业同一方面的能力，具有较大相关性。本文将23 个指标简化成具有代表性的因子，既能最大限度保留指标所反映的信息，又能简化研究。

（二）因子分析

1、原始数据检验

（一）指标体系 《普通高等学校党建工作基本标准》将高校党建工作分为党委对学校工作的领导、领导班子建设等6个方面。《中国共产党普通高校基层组织工作条例》、《中共教育部党组关于加强普通高等学校基层党组织建设的意见》等文件也对高校党建工作进行了划分。本项目组主要依托上述文件设计指标体系，但是由于本项目主要考察院系级别的基层党组织，所以涉及整个高校层面的指标不予考虑。小组设计了以制度保障、组织建设、作用发挥、作风建设及反腐倡廉、思想政治工作和党的领导6个一级指标，下含27个二级指标，详见表1。

本文将港股房地产上市公司2014-2016 年度财务指标作为模型的初始变量，通过因子分析对23个指标进行简化，以达到降低数据维度、简化研究的目的。因子分析首先要进行 KMO 统计量和Bartlett 球形检验，来判断数据之间是否有共线性，从而判断样本是否适合做因子分析。

检验结果如表8 所示，KMO 值为0.725＞0.6 ，Bartlett 球形检验的sig 值为0.00，小于显著性水平0.05，因此可以判定本文评估模型指标体系适合进行因子分析。

表8 KMO 和Bartlett 球形检验结果

2、因子提取

本文采用主成分方法提取因子，提取出特征值大于1 的因子。使用SPSS 软件得到的因子及其方差贡献率结果发现，特征值大于1 的因子共有9 个。提取的九个公共因子的累计方差贡献率为77.6%，且原有因子的提取和累计方差贡献率在因子旋转后没有发生改变。

3、因子旋转

通常情况下，在计算因子得分前要进行因子旋转。这是因为初始因子载荷矩阵系数可能不是太明显，其显示的逻辑意义也不明确，为了使因子载荷系数向0 或1 分化，本文采用方差最大法进行因子旋转，旋转后得出因子载荷矩阵。因子的方差贡献率越大，其能反映整体变量的信息越多，对于企业财务风险评估的影响程度越大，对于企业来说就越重要。九个因子按照公共因子的方差贡献率进行排序，如表9 所示。

表9 各因子包含指标情况表

4、因子得分

因子分析是将众多原始变量表示成被提取的少量因子的线性组合。但是，在实际研究中，将公共因子表示成原始变量的线性组合更有助于描述研究样本的特征。所以，在本文中采取反方向办法，用被提取的公共因子替代初始变量。利用因子分析中的回归分析法，得到因子得分系数表，进而得到公共因子得分模型：

（三）Z 值与Logistic 回归评估模型分析

通过以上的实证分析提取了9 个主成分因子，再根据主成分特征值与贡献率中各个主成分因子的贡献率，将主成分因子与其各自的贡献率相乘，就得到了基于因子分析的Z 值评估模型：

将样本组中的93 家房地产类上市公司的各项指标代入上述公式，计算各家上市公司的综合分数，并将综合分数进行分类汇总如表10 所示。

表10 Z 值分布表

通过上述反复对比分析，本文认为把Z 值预警模型的临界值定为1 较为理想，如表11 所示，临界值为1 时财务健康企业预测率为80.3%，财务非健康企业为75%，总预测率为78.5%，未被成功预测的企业共有22 家。

表11 Z 值预测表

Z 值评估模型是多元线性评估模型，1968 年学者Altman 首先提出Z 分数模型并不断进行改善，通过大量数据样本研究得到Z 值预警区间，这使得Z值评估模型具有很强的应用性。本文所建立的基于因子分析的Z 值实证研究取得了较为满意的预测精确度，所以使用者可以直接将数据代入评估模型从而得到结果，简单易操作。

2、基于因子分析的Logistic 回归分析

（1）变量选择及拟合度检验

本文对模型进行拟合度检验采取的是经典的Hosmer 和Lemeshow 检验。若sig＞0.05，卡方值小于临界值CHIINV（显著性水平，自由度），说明模型拟合效果很好。从表12 看出，模型的P（sig）值0.512＞0.05，而且CHIINV（0.05,9）=16.92＞7.227（卡方），这说明该模型能够很好地拟合整体。

表12 Hosmer 和Lemeshow 检验表

（2）Logistic 回归评估模型的构建

经过拟合度检验之后，运用SPSS 数据分析软件进行Logistic 回归分析，取得最后的模型统计量，从而得到财务风险评估模型概率P 的表达式。当P大于0.5 时，Y 值取1，表示企业有较大可能会发生财务风险；当P 小于0.5 时，Y 值取0，表示企业在研究期间没有财务风险。

从上述Logistic 回归评估模型可知，九个因子变量的回归系数均为负数，代表变量与财务风险发生概率反向变化。偿债因子指标经过取倒数同向处理后，其回归系数为负数，说明当偿债原指标与财务风险发生概率为同向变化。综上，评估模型中全部变量系数的符号和理论相符。

（3）最优阈值的确定

结合总误判率和总误判成本，本文采用尝试比较的方法选择最优阈值。利用2016 年的数据，将阈值分为0.1-0.9 共9 个阈值点来分析不同阈值点之间Logistic 回归模型结果的变化，具体变化见表13所示。

表13 不同阈值误判率统计

表13 中，总误判率最低的阈值点是0.4、0.5 和0.6 三个阈值点，均为15.1%。但以0.4 作为阈值点的第一类误判率为21.9%，小于以0.5 和0.6 作为阈值点的误判率，误判成本最小。因此本文所建立的Logistic 回归预警模型将以0.4 作为最优阈值点。

利用SPSS 统计软件，将指标数据代入所建立的Logistic 回归评估模型中进行实证分析，输出的预测分类表14 显示模型的预测精度整体为84.9%，财务健康企业的预测准确率为88.5%；对于财务非健康企业的预测精度较低，为78.1%。未能成功预测的企业共有14 家。相比其他以Logistic 作为回归的财务预警模型，如田宝新和王建琼（2017）以沪深A股上市公司为研究对象所构建的财务风险预警模型，其Logistics 回归预警准确率最高达到79.4%；本文以0.4 作为最优阈值点，所构建的港股房地产企业财务风险评估模型在基于因子分析的Logistic 回归分析中达到了更高的精确率，对于健康企业的预测准确度更是达到了88.5%。

本文基于对房地产企业财务风险的科学划分、财务风险评估模型的适当选择与针对港股房地产企业进行的财务风险评估模型指标体系构建的合理性，才能在基于因子分析的Z 值与Logistic 回归实证分析中取得较高的精确率，同时也说明本文针对港股房地产企业所构建的财务风险评估模型具有较强的指导意义。

表14 最终预测分类表

3、Z 值和Logistic 回归评估模型的比较分析

本文通过同样的样本数据建立了针对港股房地产上市公司的两种财务风险评估模型，并均取得了较好的财务风险预测效果。从本文两种模型最终显示的预测准确率来看，Z 值财务风险评估模型财务健康企业预测率为80.3%，财务非健康企业为75%，总的预测率为78.49%。Logistic 回归评估模型对样本评估的综合准确率达到了84.9%，其中对财务健康企业的评估准确率为88.5%，对财务非健康企业的评估判断率为78.1%。综合两种评估模型研究，本文认为在评估港股上市房地产企业财务风险时Logistic 回归评估模型优于Z 值财务风险评估模型。且采用基于因子分析的Z 值与Logistic 回归实证分析研究港股上市房地产企业财务风险具有较强的现实意义，研究方法容易理解、研究过程容易操作、研究结果浅显易懂，可以为企业判断财务风险提供很好的参考。

五、结论与展望

（一）研究结论

本文在参考国内外学者大量研究的基础上，结合港股上市房地产企业的特性，将其在2014-2016三个年度的23 个财务指标代入构建了基于因子分析的Z 值评估模型与Logistic 回归评估模型中，最终得到的研究结论有：

（1）以速动比率、总资产周转率、净资产收益率以及主营业务收入增长率四个财务指标为判断指标，创新性地补充净利润判别法。

（2）选取代表企业偿债、营运、盈利、成长、现金流量质量、股票市场表现能力以及企业规模七个方面共23 个财务指标，通过因子分析最终得到九个公共因子，被提取的九个公共因子对整体指标的解释程度高达77.6%。通过因子分析提取的九个公共因子进行基于因子分析的Z 值实证分析以及基于因子分析的Logistic 回归分析，分别得到两种评估模型。

（3）通过将93 家企业的财务数据代入上述两种财务风险评估模型，得到两种评估模型的预测准确率。

综合来看，Logistic 回归评估模型的综合预测准确率高于Z 值财务风险评估模型，更适用于港股上市房地产企业进行财务风险评估研究。

（二）展望

本文虽对港股上市房地产企业创新性地提出了预测准确率较高的财务风险评估模型，但仍存在很多不足之处需要加以改进。第一，本文在构建财务风险评估体系时，考虑到非财务指标难以直接量化处理，因此全部采用的是财务指标而没有采用非财务指标。第二，本文研究港股上市房地产财务风险时只采用了房地产行业的微观数据。第三，本文在进行港股上市房地产企业财务风险评估模型时采取的是经典的因子分析法、Z 值模型以及Logistic 回归模型，虽然本文将三种评估模型有机结合在一起，提升了研究的科学性和准确性，但仍然还有许多评估模型值得我们去探讨，例如近年来学者采用的功效系数法等。

本文针对中国在港股上市的房地产企业构建了财务风险评估模型，且在实证检验中取得了较高的精确率，所以在实际中，港股上市的房地产企业可将自身财务数据直接带入到本文所构建的财务风险评估模型当中，操作简单易行。这使得港股上市房地产企业能够及时准确地识别自身财务风险，进而防控系统性金融风险。