房地产企业经营风险的影响因素及识别方法研究——来自样本企业的微观数据

张 琦

一、引言

近20 年来，我国房地产业发展迅速，成为了国民经济的支柱产业之一。由于区位条件、消费习惯、人口密度、经济水平等方面差异，房地产业在全国范围内呈现典型的非均衡性特征，一些地区出现明显的结构性过剩，导致唱衰房地产以及泡沫论不绝于耳[1～6]。2016 年以来，中央坚持“房住不炒”定位，要求保持政策的连续性和稳定性，构建房地产市场持续健康发展的有效机制。2018 年底，中央经济工作会议提出要构建房地产市场健康发展长效机制，完善住房市场体系和住房保障体系。从微观视角来看，提升房地产企业对经营风险的有效识别和科学治理能力是推动房地产业高质量发展的关键所在[7-8]。当前，学术界针对企业经营风险的研究主要有四类观点：其一，认为企业经营风险主要体现为经营业绩的变化，一般采用企业的收益波动率进行分析。其二，认为企业经营风险可通过第三方风险提示来体现。比如，被评级机构调低信用等级或被证券交易所认定为ST 或*ST。然而，无论是信用评级还是ST 处理，都有其严格的适用范围，且更多倾向于财务风险而非经营风险。其三，认为企业经营风险主要源于经营行为，比如，战略决策、项目管理、市场营销都会对经营风险产生重要影响，应将这些因素纳入分析框架之中。其四，认为企业经营风险应主要从外部因素进行分析，包括经济增长、利率水平、通货膨胀率等。本文认为，企业经营风险受多方面因素影响，不仅要考虑宏观经济、产业政策、政治环境、社会生态等外因，还要关注企业财务表现、营销策略、投融资行为等内部因素。就房地产业而言，由于其具有明显的区域性和政策性特征，决定了企业经营风险的形成机理和影响因素有其特殊性。因此，构建一套切实可行的房地产企业经营风险指标体系和风险识别方法，具有较强的理论价值和实践意义。

二、文献综述

识别房地产企业经营风险的关键在于找到风险来源及其影响因素[9-12]。国外该领域的文献较多， Miles 和Mc Cue （1982）[13]、 Louargand（2002）[14]认为，分散投资与区位选择对于房地产企业风险形成具有显著影响，如何做好分散投资和区域优化组合是房地产企业防范投资风险的重要选择。Christner（2009）[15]重点从财务及投资风险与回报的角度，分析房地产企业的潜在风险。Zhu 和Chen（2015）[16]认为，房地产开发除受市场政策、宏观经济、金融条件等方面影响，还与投资者的风险偏好密切相关，引入投资者价值偏好建立了房地产风险评价体系。Sindt（1998）[17]从外部环境变化影响房地产企业风险形成的角度进行研究，认为利率、通货膨胀、产业政策等因素是形成房地产企业风险的重要来源。Shulman等[18]认为，房地产企业风险与地理区位有关，实施风险管理应考虑项目布局和区位特征，尤其对于一些大型片区性房地产投资应着重开展区位选择研究。Janis 和Ilona（2013）[19]认为，除宏观经济的影响以外，技术、社会、政治等因素也会给房地产企业带来潜在风险。有学者对中国、中国香港、日本等亚洲6 个经济体的股票市场和房地产市场之间的关系进行实证研究后发现，随着经济和政策环境的不同，房地产市场的表现也各不相同[20～21]。由于我国房地产的市场化历程不长，相关文献研究较少，之前更多侧重于风险预测等方面研究。直至近10 年来，房地产企业经营风险研究才得以深入发展。昌忠泽（2010）[22]、郭克莎（2017）[23]、荆中博等（2019）[24]认为，房地产企业经营风险来源有政策变化、利率动荡以及市场供需变化等。部分学者认为房地产风险在很大程度上与金融以及流动性约束相关，银行信贷的作用不可忽略。孙翔等（2019）[25]认为，我国房地产业对金融机构存在较为显著的系统性风险溢 出 效 应。 王 现 增 （2010）[26]、 张 琦（2015）[27]、刘颜（2019）[28]等阐述了消费者需求、市场营销等因素对房地产企业经营风险的影响。王志刚（2019）[29]等认为，房地产属于典型的区域性产业，对企业经营风险的研究必须密切关注企业所处区位具体情况。《中国住房发展报告（2017—2018）》显示，2017 年1136 家房地产企业的有息负债同比2016 年增幅高达37%，房地产企业总体负债率高且资金集中兑付压力大，且面临宏观经济下行、价格泡沫破裂、投机炒作过度等诸多系统性风险诱因。

房地产企业经营风险的形成是一个复杂过程，是内外部因素共同作用的结果。上述文献更多对房地产企业经营风险的影响因素开展相关性分析或试图构建房地产企业经营风险的评价指标体系。由于房地产业的区域性差异以及强政策性等特征，一些基于区域样本或静态数据的研究成果的信度和效度均不尽如人意。本文尝试从定量视角对房地产企业的风险识别展开研究，再综合运用聚类与判别分析方法进行实证研究，推导出相应的风险识别模型。相对而言，这一研究视角和路径具有一定的创新性和适用性。

三、研究设计

（一）经营风险识别指标体系构建

本文根据美国COSO构建的风险管理框架，借鉴国内研究学者的部分观点，尝试构建房地产企业经营风险的六维度识别模型，如图1所示。

从每个维度选取1-3 个代表性变量，共12 个变量来识别房地产企业经营风险，各变量的具体定义及赋值标准如表1所示。

图1 房地产企业风险的六维度识别模型

表1 变量具体定义及赋值标准

（二）经营风险识别方法设计

识别房地产企业经营风险的关键在于找出风险构成要素并确定风险等级，本文基于聚类与判别相结合的方法对经营风险识别进行方法构建和结果检验。

参考国家发改委等部门联合编写的《投资项目可行性研究指南》对风险等级进行衡量，将房地产企业风险等级分为低风险、一般风险、较大风险、严重风险，分别用离散数据1、2、3、4予以替代，即1 代表低风险、2 代表一般风险、3代表较大风险、4 代表严重风险。对于具体企业风险等级的划分，本文在收集相关数据的基础上，进行四等级聚类。利用聚类分析方法对房地产企业风险等级进行识别的基础上，将其作为因变量，探讨房地产企业风险等级与风险形成因素之间的逻辑关系。上述分析可知，因变量“房地产企业风险等级”明显不吻合正态分布规律，与自变量之间的关系解释不宜采用一般的回归分析方法。为科学选取经营风险影响因素，并明确各因素的作用大小和影响机理，本文采用判别分析方法进行研究。该方法是将逻辑分布作为随机误差项概率分布的一种多元离散选择模型，被广泛运用于因变量为离散变量的情形下对因变量与自变量之间关系的分析。基于上述原理，本文假设房地产企业风险等级与其影响因素之间的函数关系为：

本研究采用Fisher 准则进行分析，即从k 个总体G1, …, Gk，抽取样品分别为n1,n2,…,nk，令n=n1+n2+…+nk。为第i个总体的第a个样品的观测向量。模型的演变过程和计算原理如下：

其中，c=(c1,…,cp)',x=(x1,…,xp)'

另，记-x(i)和s(i)分别是总体Gi内x 的样本均值向量和样本协差阵，根据求随机变量线性组合的均值和方差的性质可以得到，y(x)在Gi上的样本均值和样本方差为

在多总体情况下，Fisher 准则就是要选取系数向量c，使达到最大。其中，qi是人为的正的加权系数，可以取为先验概率。如果取qi=ni-1，并将代入上式可化为：

其中，E 为组内离差阵，A 为总体之间样本协差阵，即，

为求λ的最大值，根据极值存在的必要条件，令，利用对向量求导的公式：

表2 聚类结果

这说明，λ及c 恰好是A、E 矩阵的广义特征根及其对应的特征向量。一般要求加权协差阵E是正定的。因此可知，上式非零特征根个数m不超过min（k-1,p），又因为A 为非负定的，所以非零特征根必为正根，故记为λ1≥λ2≥…≥λm＞0 ，于是，可构造m个判别函数：

对于每一个判别函数，必须给出一个用于衡量判别能力的指标pi，定义为：

m0个判别函数y1,…,ym0的判别能力定义为：

建立判别函数后，将原始数据代入相应函数，可根据分值大小衡量各影响因素的作用机理和效果。

（三）样本选择与数据来源

本研究分别从东、西、南、北、中部地区各选择1-2个代表性省市作为关注重点，再从中随机选择1-2家房地产企业作为调研对象。通过访谈及问卷（表格）方式，对房地产企业的实际情况开展调研。20 家样本企业覆盖商业地产和住宅地产，既有上市地产商，也有区域性地产企业（应调研对象要求及企业商誉考虑，对部分企业名称进行了适当处理）。此次调研旨在了解企业基本情况并收集可能的风险因素，通过数据整理和SPSS24.0 建模，创建“房地产企业风险识别因素”数据库。

四、实证结果与分析

（一）聚类分析结果及分析

对选取的20 家样本企业进行聚类分析，选择在聚类分析中距离最小的分类单元先合并，值越小，说明两家企业的类似性越高。通过谱系图可更加清晰地显示企业间的类似性以及聚类分组情况。本文将阈值设定为5，对照谱系图可将样本分为四类，如表2所示。

表2的聚类结果显示，第一类基本为股份制房地产企业，抗风险能力和资本运营能力较强；第二类大致是国内较发达地区的房地产企业，这些区域资本表现活跃、融资环境较宽松、居民消费能力普遍较强，企业盈利水平也相对较高。显然，第一类和第二类企业均具备较强的可持续发展能力，经营风险相对可控。第三类和第四类主要为区域性地产企业，无论是品牌、规模、成长性，还是盈利能力及抗风险能力，均难以支撑企业的高质量发展。

（二）判别分析结果及分析

判别分析仍选取聚类分析中20 家房地产企业的相关数据，且将聚类分析中的分组数据作为源数据，利用SPSS24.0 的判别分析方法输入。从输出结果看，全部数据有效，可进行下阶段分析。从得到的组统计量表可以看出，各变量在各组之间存在显著差异。以“可持续发展空间”变量X5为例，第一大类的均值为3.8571，第二类均值为2.75，第三类均值为1.85，第四类均值为1.4，数值呈显著下降趋势。从其标准差来看，组内差异较小，可初步判断上述分组较为科学。在此基础上，再考察这些指标之间的协方差，通过生成的协方差矩阵可知，各变量之间并非完全独立（相互系数不为0），存在一定的相互影响。而这些因素对房地产企业经营风险形成的总体影响如何，则需构建相应的判别函数。本文根据生成的Fisher 线性判别函数系数得出4 组分类判别函数。对比各函数中的系数可知，开发环境、科学决策、总资产额变化、客户认知等4 个变量在四组判别函数中的系数均相对较大，说明对企业经营风险具有更为显著的影响，也意味着企业应重点从上述四个方面提升经营风险的识别和治理能力。

表3 两家房地产企业的基础数据

表4 四类判别函数计算结果

（三）经营风险识别模型的可靠性分析

检验房地产企业经营风险识别是否准确，可对分类结果进行可靠性判定。结果可知，识别函数对于20 家企业样本的分类准确度达95%，说明采取的分类识别模型具有较好的耦合性，能较为准确地识别房地产企业的经营风险。

（四）模型应用

利用生成的分类判别函数对预留的两家房地产企业的经营风险进行识别（基础数据如表3），以检验方法的有效性。

将两家房地产企业的具体数据分别代入四类判别函数，得出如下结果（表4）。

由计算结果可识别两家企业的经营风险类别。中粮地产属于第一类（低风险），顺泰地产属于第三类（较高风险）。

针对两家地产企业的调研发现，中粮地产近年来高度重视风险管理工作。2012 年，根据国务院国资委《中央企业全面风险管理指引》建立了全面风险管理体制，着力提升风险防范与管理水平。在成本控制方面，编制了涵盖各阶段、各专业的设计标准；并结合不同业态产品的成本结构，建立了“以目标成本为核心，成本动态控制为主导”的成本管理体系，着力推进成本的标准化建设和动态监控。在市场开拓方面，借力新型城镇化政策，大力发展工业地产，及时剥离亏损项目和非核心资产，有效提升了企业的品牌影响力和产品的市场竞争力，降低了销售成本和产品库存，使经营风险得到进一步释放。而顺泰地产近年来一直被资金短缺所困扰，2018 年负债率超过90%，比我国地产业500 强企业的平均资产负债率64.21%高出20 多个百分点，明显超出行业公认的70%安全阈值。究其原因，公司近年来同步开发的项目数量较多且融资渠道单一，没有采取股权融资、信托融资、资产证券化等新型融资手段。另一方面，公司系区域性地产企业，在产品品质、规模经济以及品牌实力等方面均缺乏竞争优势，进一步加剧了经营风险的累积。对比两家企业的实际经营情况可知，根据识别模型做出的分类结果基本吻合企业的实际情况。因此，认为该识别方法具有较高效度，同时也说明12 个评价指标的选取较为科学。

五、结论与建议

随着行业政策的持续从紧以及产业结构的深刻调整，房地产业的供给侧结构性改革压力在大部分地区仍将长期存在。如何有效识别经营风险仍将是房地产企业适应新形势、推动新发展的基本前提和关键所在。鉴于此，本文构建一套更加符合我国房地产发展态势的企业经营风险指标体系，然后综合运用聚类与判别分析方法对20 家样本企业的经营风险进行识别，并对模型的可靠性进行检验。结果表明：本文构建的指标体系及数学模型能对房地产企业经营风险进行有效识别，不仅为构建植根于我国具体国情的企业经营风险识别指标体系提供了有益借鉴，也为房地产企业防范化解经营风险提供了有力支撑。

基于上述研究结论，本文建议：一是应该构建房地产企业经营风险的预警机制。作为国民经济的支柱性产业，房地产业近年来受宏观调控的冲击较大，加之民众消费行为更加理性和更趋多元，极大增加了房地产企业的经营风险。通过构建科学的经营风险识别及预警机制，有利于指导企业提前谋划并采取有效应对措施，降低外部环境带来的潜在风险；二是必须加强对关键风险因素的重点监控。开发环境、科学决策、总资产额变化、客户认知在现阶段对我国房地企业经营风险构成显著性影响。无论是政府开展行业监管，还是企业进行内部风险管控，均应重点关注上述指标的异动情况并及时做出有效应对。三是应以动态思维审视房地产企业经营风险的演化特征。本文研究结果是基于对样本企业的历史业绩和当前发展态势的判断，对潜在风险因素的预测相对不足。当外部环境及产业自身特征发生变化，可能导致关键风险因素及其影响因子随之改变。比如，2020 年初暴发的新冠肺炎疫情，属于无法预见的“黑天鹅”事件，其引发的经营性风险必须引起房地产企业的高度关注。