中小型房地產(chǎn)企業(yè)資金鏈風(fēng)險分析

中小型房地產(chǎn)企業(yè)資金鏈風(fēng)險分析

受中小企業(yè)受限采購令、預(yù)算編制審查有序、信貸持續(xù)集中、資本市場融資障礙等外部因素的影響，房地產(chǎn)開發(fā)公司的運(yùn)營現(xiàn)金流顯著下降，總資產(chǎn)顯著上升。對于資金運(yùn)作主要依托信貸的中小型房地產(chǎn)企業(yè),負(fù)債問題尤其突出,部分企業(yè)的資產(chǎn)負(fù)債率在70%以上,有的甚至高達(dá)90%近年來,在險價值作為風(fēng)險測量工具,主要考察投資人資產(chǎn)的最大損失值,由于具有直觀性、簡潔性,因此廣泛應(yīng)用于風(fēng)險損失的量化測量上(Olson&Wu,2010)。本文選擇滬深A(yù)股中小型房地產(chǎn)企業(yè)為樣本,引入衡量公司外部市場風(fēng)險的在險價值指標(biāo),并結(jié)合相關(guān)財務(wù)數(shù)據(jù),構(gòu)建較為合理的財務(wù)風(fēng)險監(jiān)控模型,提出控制我國中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險的有效策略,為我國中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險控制提供理論基礎(chǔ),以期推動我國中小型房地產(chǎn)企業(yè)的健康發(fā)展。一、房地產(chǎn)企業(yè)財務(wù)風(fēng)險的模糊綜合評判關(guān)于房地產(chǎn)企業(yè)財務(wù)風(fēng)險監(jiān)控的方法研究,跨學(xué)科的數(shù)學(xué)模型和評價方法得到了重視。比如,房地產(chǎn)開發(fā)企業(yè)資金循環(huán)系統(tǒng)的動力學(xué)模型,該模型對房地產(chǎn)開發(fā)企業(yè)資金循環(huán)系統(tǒng)進(jìn)行情景模擬和危機(jī)識別,顯現(xiàn)出“政策實(shí)驗(yàn)室”效果(胡援成和張朝洋,2014)。而識別企業(yè)財務(wù)風(fēng)險可以靈活運(yùn)用回避風(fēng)險法、分散風(fēng)險法、轉(zhuǎn)移風(fēng)險法、降低風(fēng)險法、緩沖風(fēng)險法(劉平,2007)。房地產(chǎn)風(fēng)險定量分析和基本評價方法也可以有效分析房地產(chǎn)企業(yè)財務(wù)風(fēng)險(李啟明,1998)。AHP層次分析法就是一種實(shí)用的方法,能夠清楚地分析出影響房地產(chǎn)企業(yè)財務(wù)風(fēng)險的各種因素(陳樺,2012)。在此基礎(chǔ)上,構(gòu)建房地產(chǎn)開發(fā)項(xiàng)目風(fēng)險動態(tài)灰色模糊綜合評價模型,運(yùn)用模糊綜合評判的方式可以判定房地產(chǎn)上市公司并購融資風(fēng)險的風(fēng)險程度(劉曉君和孟凡文,2005;趙琳,2012)。將RBS和AHP方法引入房地產(chǎn)項(xiàng)目風(fēng)險管理的全過程中,構(gòu)建針對房地產(chǎn)項(xiàng)目的動態(tài)風(fēng)險管理模型,也可以運(yùn)用該模型監(jiān)控房地產(chǎn)企業(yè)財務(wù)風(fēng)險(喻曉艷和王松江,2008)。而基于SVM的房地產(chǎn)投資風(fēng)險評價模型可以處理分類和回歸問題,是對房地產(chǎn)投資風(fēng)險預(yù)測能力的提升(李毅,2012)。而對于房地產(chǎn)企業(yè)財務(wù)風(fēng)險監(jiān)控的測評研究,評級指標(biāo)體系的構(gòu)建是最受學(xué)者們關(guān)注的主題。國外已有學(xué)者引入在險價值來測度企業(yè)財務(wù)風(fēng)險,并試圖提高在險價值的精度(Lleo,2009)。有三種方法可以用來計算風(fēng)險價值:方差協(xié)方差法、歷史模擬法、蒙特卡羅模擬法。然而,這些方法都有不足。方差協(xié)方差法低估了風(fēng)險,歷史模擬法可能改變樣本大小和蒙特卡羅模擬法可能不正確(索莉斯,2009)。國內(nèi)有學(xué)者采用蒙特卡洛模擬方法,對貸款組合信用風(fēng)險在險價值進(jìn)行了計算(鄧云勝等,2003)。也有學(xué)者基于Copula函數(shù)度量組合信用風(fēng)險原理,模擬出1000種資產(chǎn)的收益率,并在聯(lián)合分布與邊際分布不同假設(shè)情況下,統(tǒng)計分析出資產(chǎn)組合的在險價值(白保中等,2009)。還有學(xué)者基于KMV模型,引入信用價差的計算,構(gòu)建了一個改進(jìn)的KMV模型,該模型可以直接度量樣本的在險價值,從而使得相關(guān)管理者從量化的角度直接測算信用損失(許清茹,2012)。這些研究為我國中小型房地產(chǎn)企業(yè)監(jiān)控財務(wù)風(fēng)險提供了理論依據(jù)、方法和對策(石夢娜,2013)。從長期看,從總體上看,我國近年來房地產(chǎn)價格變化有宏觀經(jīng)濟(jì)背景的支持,房地產(chǎn)市場風(fēng)險還不是很大(田成詩和李輝,2008)。綜上所述,關(guān)于房地產(chǎn)企業(yè)財務(wù)風(fēng)險的研究文獻(xiàn)僅采用財務(wù)指標(biāo)分析,雖然也有部分研究考慮到引入在險價值等市場風(fēng)險因素,但在對在險價值的應(yīng)用和估計方法時略有不足,尤其是在樣本選擇時多以ST和非ST來劃分,造成樣本選擇的主觀性。本文對傳統(tǒng)財務(wù)指標(biāo)提取五個主要因子,并與外部風(fēng)險在險價值進(jìn)行聚類分析,得到的樣本組與對比組樣本相對更加客觀,并且樣本區(qū)間較長,采用Garch模型估計在險價值更能反映市場風(fēng)險。二、學(xué)習(xí)方法(一)企業(yè)規(guī)模的確定為構(gòu)建中小型房地產(chǎn)公司的風(fēng)險監(jiān)控模型,本文選擇1998-2013年滬深A(yù)股中小型房地產(chǎn)公司為研究對象,并且按照總資產(chǎn)規(guī)模計算平均值,再排序劃分為三組,選擇資產(chǎn)規(guī)模最小的第三組作為研究樣本,包括ST和PT類公司共40家公司。樣本年觀測值為560個,股票周交易數(shù)據(jù)為23280個,以便于對建立房地產(chǎn)公司的風(fēng)險監(jiān)控模型進(jìn)行檢驗(yàn)。研究樣本財務(wù)指標(biāo)和股價數(shù)據(jù)均來源于銳思數(shù)據(jù)庫(RESSET),對個別指標(biāo)缺失的公司通過滬深證券交易所及新浪財經(jīng)網(wǎng)站查找相關(guān)數(shù)據(jù)補(bǔ)充完整。(二)企業(yè)面臨的金融市場風(fēng)險指標(biāo)要建立房地產(chǎn)企業(yè)風(fēng)險監(jiān)控模型,首要的就是對指標(biāo)的選取,然而目前國內(nèi)外關(guān)于企業(yè)風(fēng)險監(jiān)控的評價方法絕大部分是基于財務(wù)指標(biāo)局部綜合評價。雖然此類指標(biāo)是評價的必要參考,但隨著整個宏觀環(huán)境的變化,如果僅選擇財務(wù)指標(biāo)選擇難免有失偏頗,但由于企業(yè)面臨的金融市場風(fēng)險是很難衡量,本文采用反映股票收益率波動而產(chǎn)生的最大損失值來衡量企業(yè)面臨的金融市場風(fēng)險,從而引入了VAR這個指標(biāo)。在此基礎(chǔ)上結(jié)合多元統(tǒng)計方法中的因子分析法對原始指標(biāo)群所包含的信息進(jìn)行提取,可以獲得少數(shù)幾個經(jīng)濟(jì)上可解釋的主因子。再對這些主因子進(jìn)行風(fēng)險因素分析,運(yùn)用邏輯回歸對風(fēng)險損失做出評估。1.最優(yōu)模型的計算樣本公司的外部影響指金融市場風(fēng)險用VAR值來度量,VAR被稱為風(fēng)險價值或受險價值,它可以被定義為:在一定的置信水平下預(yù)期資產(chǎn)的最大可能損失。計算VAR的方法通常假設(shè)收益率服從正態(tài)分布,但是股票收益率通過大量的歷史數(shù)據(jù)統(tǒng)計顯示是不服從正態(tài)分布,它的分布呈現(xiàn)出尖峰后尾的現(xiàn)象,條件異方差不是固定值,而是隨著時間隨機(jī)變動的,而GARCH模型就是用來解決殘差序列不服從正態(tài)分布的一種金融時間序列估計模型,本文通過SAS軟件,對對數(shù)收益率的正態(tài)性進(jìn)行了檢驗(yàn),發(fā)現(xiàn)收益率序列不是正態(tài)分布的,出現(xiàn)尖峰后尾的情況。通常VAR的計算方法主要有三種:MonteCarlo模擬法、方差一協(xié)方差方法、歷史模擬法,這三種方法各有優(yōu)劣。參考趙會嵩(2011)、李微微(2009)、李凱(2011)等的研究,李永娟(2011)認(rèn)為采用GARCH模型參數(shù)法計算VAR是最佳的方法,因此,結(jié)合股票市場收益率的波動性特征,采用GARCH(1,1)模型計算各樣本公司股票周收益率的VAR的值,用上市公司的股票周收盤價來衡量股票收益率,利用對數(shù)收益率利用GARCH模型計算VAR關(guān)鍵要計算出條件標(biāo)準(zhǔn)差,構(gòu)建GARCH(1,1)模型如下:均值方程:條件異方差方程:可以通過SAS軟件,生成GARCH條件方差序列,最后將生成的條件方差序列開方后就可以得到條件標(biāo)準(zhǔn)差序列,然后將得到的條件標(biāo)準(zhǔn)差代替VAR計算公式:如果股票交易周數(shù)為50周,那么VAR中的t就等于50,這樣計算得到持有期為一年的VAR。因此,可以分別得到樣本公司每一年的VAR值。2.相關(guān)財務(wù)指標(biāo)的選擇與以往研究類似,參考趙會嵩(2011)、李微微(2009)、李凱(2011)、李永娟(2011)等的研究,本文分別從盈利能力、償債能力、營運(yùn)能力、成長能力及收益質(zhì)量等方面選擇了相關(guān)財務(wù)指標(biāo)。如表1所示。(三)風(fēng)險監(jiān)控模型構(gòu)建過程本文在研究中小型房地產(chǎn)行業(yè)特征及風(fēng)險成因的基礎(chǔ)上,構(gòu)建適合我國中小型房地產(chǎn)行業(yè)的風(fēng)險監(jiān)控模型。首先采用聚類分析將公司進(jìn)行分類,并界定發(fā)生風(fēng)險的公司。其次采用因子分析從財務(wù)指標(biāo)中提取主要因子,為構(gòu)建風(fēng)險監(jiān)控模型奠定基礎(chǔ)。最后采用logit回歸方法構(gòu)建中小型房地產(chǎn)行業(yè)的風(fēng)險監(jiān)控模型,并進(jìn)一步驗(yàn)證風(fēng)險監(jiān)控模型的有效性。三、示范分析(一)資產(chǎn)收益avgroe、資本流動比率roa及周轉(zhuǎn)率表2是樣本公司的相關(guān)指標(biāo)的描述性統(tǒng)計分析結(jié)果。由表2可知,金融市場風(fēng)險VAR的均值和中位數(shù)分別為0.689和0.693,標(biāo)準(zhǔn)差為0.063,波動性不大。凈資產(chǎn)收益率(AvgROE)、總資產(chǎn)報酬率(ROA)的均值分別為5.77%和2.94%。流動比率和速動比率的均值分別為1.92和1.02,資產(chǎn)負(fù)債率均值為49.3%,總資產(chǎn)增長率均值為5.03%,總資產(chǎn)周轉(zhuǎn)率為0.385%?？鄢墙?jīng)常性損益后的凈利潤占比為77.5%,以及總資產(chǎn)現(xiàn)金回收率為1.48%,說明資產(chǎn)收益質(zhì)量還是不錯的。(二)財務(wù)危機(jī)的界定大多數(shù)對財務(wù)危機(jī)預(yù)警模型的研究,都是將ST公司作為發(fā)生風(fēng)險公司,未被ST的公司作為沒有發(fā)生風(fēng)險的公司。這一方面有利于對ST公司和非ST公司進(jìn)行配對研究,通過統(tǒng)計分析從而得出一些能夠明顯區(qū)分這兩類公司的一些指標(biāo)進(jìn)行劃分,企業(yè)劃分界限比較明顯,在配對研究時容易進(jìn)行區(qū)分。但是這并不是劃分財務(wù)危機(jī)與財務(wù)危機(jī)的唯一方法,ST與非ST的劃分是按照監(jiān)管部門標(biāo)準(zhǔn)劃分的,難免會插入一些主觀的因素。對財務(wù)危機(jī)的界定也可以有別的方式,實(shí)際情況表明,ST公司可能是財務(wù)危機(jī)企業(yè),但財務(wù)危機(jī)企業(yè)卻不一定被ST(特別處理),即非ST公司也可能出現(xiàn)財務(wù)危機(jī)。我國對上市公司采取特別處理的一個前提是上市公司連續(xù)兩年財務(wù)虧損,在實(shí)際情況中,除此之外,還有其他因素也可能導(dǎo)致上市公司被ST。因此,影響企業(yè)財務(wù)狀況的因素是多方面的,反映企業(yè)財務(wù)狀況的標(biāo)準(zhǔn)除了凈利潤外,還有其他種種指標(biāo)。根據(jù)表1中的財務(wù)指標(biāo),本文通過聚類分析,將公司進(jìn)行分類,并界定發(fā)生風(fēng)險的公司(李微微,2009)。通過對比分析,可以發(fā)現(xiàn)加入VAR指標(biāo)后的聚類效果比不加入VAR指標(biāo)的聚類效果要好一些,能夠把T類公司與非T類公司有效的區(qū)分出來,還有一些非T類公司雖然未被ST可是在效果上與T類公司類似,客觀上應(yīng)該屬于財務(wù)危機(jī)公司。因此,一些非T類公司由于總體財務(wù)狀況與T類公司相似,也同屬一類。這也說明運(yùn)用聚類法較好地排除人為主觀經(jīng)驗(yàn)分類的缺陷。另外在一定程度上證明了加入衡量金融風(fēng)險的VAR指標(biāo)對中小型房地產(chǎn)行業(yè)風(fēng)險監(jiān)控的作用。文后的分析與驗(yàn)證就是基于聚類分析的結(jié)果進(jìn)行的。(三)因子的選取及解釋要進(jìn)行因子分析,首先要進(jìn)行無量綱化處理,也就是將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。其次分析相關(guān)指標(biāo)是否適合做因子分析,運(yùn)用KMO檢驗(yàn)。KMO檢驗(yàn)的系數(shù)為0.89,Bartlett’S球形檢驗(yàn)值較大,在1%的水平上顯著,因此適合做因子分析。按照前文選取的19個財務(wù)指標(biāo),運(yùn)用SAS軟件進(jìn)行聚類分析,詳細(xì)結(jié)果未列出。因子分子主要根據(jù)因子變量的方差貢獻(xiàn)(特征值)來確定因子個數(shù),特征值是衡量因子重要性程度的指標(biāo),選取特征值大于1的因子作為初始因子。為使因子具有實(shí)際經(jīng)濟(jì)含義,在因子分析的載荷矩陣中,因子變量可能在許多變量上都有較高的載荷,那么,因子變量的含義就比較模糊。通過使用方差最大的正交旋轉(zhuǎn)法對因子載荷矩陣進(jìn)行旋轉(zhuǎn),使得每個因子上具有最高載荷的變量數(shù)目最小,從而簡化對因子的解釋。旋轉(zhuǎn)后的因子貢獻(xiàn)率結(jié)果和旋轉(zhuǎn)后的因子載荷矩陣分別如表3和表4所示。由表3可知,選取五個因子能夠解釋原有變量的87.58%,這說明選擇五個因子就能很好代表原有指標(biāo)的信息,便于后文的分析。由表4可知,因子載荷矩陣可以發(fā)現(xiàn),Factor1與每股收益、每股凈資產(chǎn)、凈資產(chǎn)收益率、總資產(chǎn)報酬率、銷售凈利率、營業(yè)利潤率具有較高的因子載荷,因此命名為盈利能力因子。Factor2與流動比率、速動比率、利息保障倍數(shù)、現(xiàn)金流動負(fù)債比、資產(chǎn)負(fù)債率、權(quán)益乘數(shù)具有較高的因子載荷系數(shù),因此命名為償債能力因子。Factor3與存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率的載荷系數(shù)較高,因此命名為營運(yùn)能力因子。Factor4與營業(yè)收入增長率、總資產(chǎn)增長率因子載荷系數(shù)較高,稱之為成長能力因子。Factor5與總資產(chǎn)現(xiàn)金回收率、扣除非經(jīng)常性損益后的凈利潤占凈利潤比具有較高的因子載荷,稱之為收益質(zhì)量因子。這與選取財務(wù)指標(biāo)的分析結(jié)果很類似。(四)回歸結(jié)果與分析運(yùn)用二元Logistic回歸分析,以發(fā)生財務(wù)風(fēng)險的概率為因變量,根據(jù)聚類分析結(jié)果,參照T類企業(yè),定義發(fā)生財務(wù)風(fēng)險企業(yè)為0,沒有發(fā)生財務(wù)風(fēng)險企業(yè)為1。Logiistic分析方法雖然是一種較為常用且有效的統(tǒng)計學(xué)方法,但Logistic回歸法的變量篩選及參數(shù)估計中,對各變量之間相互獨(dú)立性要求的要求較高,而有很多研究中各自變量之間并不獨(dú)立,而是相互之間存在一定程度的線性依存關(guān)系,被稱作多重共線性。Logistic回歸模型與線性回歸模型一樣,對自變量的多元共線性很敏感。當(dāng)多元共線性不太嚴(yán)重時,Logistic回歸的系數(shù)估計基本是無偏且有效的,所以幾乎可以忽略其影響。但是當(dāng)共線性程度增加時,其偏差會增大。在回歸分析之前先對其進(jìn)行相關(guān)性的分析。在提出因子分析中我們已經(jīng)對反映企業(yè)內(nèi)部財務(wù)信息變量提取了5個公共因子,由于因子分析的原理,提取的公共因子之間是相互獨(dú)立的。對于反映外部金融風(fēng)險的在險價值指標(biāo),本文鑒于前人的相關(guān)研究,以0.3的Pearson相關(guān)系數(shù)作為標(biāo)準(zhǔn),對篩選過的5個公共因子變量與在險價值做了進(jìn)一步的相關(guān)性分析,分析結(jié)果見表5所示?？梢娫陔U價值與5個因子之間的Pearson相關(guān)系數(shù)均小于0.3,說明在險價值與5個主成份之間的相關(guān)性不是很大,可以利用回歸模型進(jìn)行進(jìn)一步的統(tǒng)計分析。從理論上而言,在險價值指標(biāo)和財務(wù)類指標(biāo)一樣反映了企業(yè)某一個方面的特性,對于房地產(chǎn)行業(yè)來說在險價值的反映的特性就是表現(xiàn)在房地產(chǎn)這一特殊的行業(yè)所面臨的金融市場風(fēng)險上,主要受利率風(fēng)險、匯率風(fēng)險、股票價格變動等外部宏觀經(jīng)濟(jì)環(huán)境以及公司管理決策的影響。由于在險價值與5個公共因子之間的相關(guān)性不是很大,可以利用多元Logistic回歸模型進(jìn)行進(jìn)一步的分析。在采用Logistic回歸時,采用逐步加入因子的方法,依次分析F1、F2、F3、F4、F5、VAR的影響,回歸結(jié)果如表6所示。從表6中的(1)-(6)的回歸結(jié)果可知,模型的參數(shù)估計都至少在0.1的顯著性水平通過檢驗(yàn),表明得到的參數(shù)估計是可靠的,上述六個回歸結(jié)果其卡方值的顯著性水平均為0.0000,說明模型的整體檢驗(yàn)十分顯著。表6中的(6)回歸結(jié)果即是引入在險價值后的中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險監(jiān)控模型。根據(jù)回歸結(jié)果(6)可得到中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險監(jiān)控模型:其中,P為發(fā)生財務(wù)風(fēng)險的概率。為驗(yàn)證模型的有效性,將所有樣本原始數(shù)據(jù)帶入模型,計算出P值,將P值與確立的狀況進(jìn)行比,將預(yù)測狀況與原始分類狀況進(jìn)行比較,本文主要分析了實(shí)行新企業(yè)會計準(zhǔn)則之后2008-2013年各年得出模型的預(yù)測精度檢驗(yàn)結(jié)果如表7所示。由表7可知,在本文只運(yùn)用很小范圍的檢驗(yàn)樣本的情況下,判別準(zhǔn)確率與估計樣本所得到的判別準(zhǔn)確率相差不是很大,準(zhǔn)確率基本上都在80%以上?？梢娔Ｐ途哂幸欢ǖ姆€(wěn)定性,也說明了本文構(gòu)建的中小型房地產(chǎn)企業(yè)的風(fēng)險監(jiān)控模型是比較成功的。(五)商業(yè)財務(wù)風(fēng)險模型的回歸分析Logistic回歸分析結(jié)果表明,在險價值對中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險的回歸系數(shù)是0.744,并在0.01顯著水平上,回歸結(jié)果其卡方值的顯著性水平均為0.0000,說明模型在險價值對中小型房地產(chǎn)企業(yè)財務(wù)風(fēng)險檢驗(yàn)十分顯著。四、中小型房地產(chǎn)企業(yè)面臨的主