论文部分内容阅读
房地产行业作为一个独立的经济行业自20世纪90年代初登上中国的经济舞台,在短短20年的发展过程中取得了迅猛发展,其市场化、产业化、规模化程度不断提高。根据证监会对上市公司的分类,沪深两市中共有114家专门从事房地产开发的公司,非上市的房地产企业数量更是数不胜数。房地产业与国民经济多个行业联系紧密,统计数据显示:房地产业可以拉动钢铁、建材、家电等60个关联产业的发展,每开发1万平方米的土地,就能解决400人的就业。可见,房地产行业在国民经济中占有重要的地位和作用。房地产业所提供的产品是满足人民基本居住需求的必需品,在国民经济中占有基础性地位,因此,房地产业的发展过程中除遵循市场规律外,还要受到国家宏观调控很大程度的影响。在行业调整期,企业经常会面临资金短缺、入不敷出的风险,从而使企业承受着巨大的财务风险,甚至导致财务危机。2009年中国房地产市场涨声一片,全国及主要城市的商品房销售面积、销售价格、销售额均创历史新高;在土地招拍市场,总价及单价地王不断涌现,市场热度甚至超过2007年。2009年年底,中央政府加大了对市场的调控,以2010年1月7日出台的“国十一条”为标志,2010年的房地产业政策出现了由“宽松”转为“调控”的新阶段。2010年4月14日楼市新政打响“第一枪”。国务院常务会议确定,对贷款购买第二套住房的家庭,贷款首付款比例不得低于50%,贷款利率不得低于基准利率的1.1倍。这波调整被称为“史上最严厉的楼市调控政策”。政策出台以后,市场观望气氛浓厚,销售节奏明显放缓,回款率不断降低,而利息费用、土地转让款等要照常支付,同时,房地产开发企业的土地供给受到政策控制,银行信贷受到严格限制,企业普遍面临资金紧张的压力,财务危机潜伏其中。鉴于此,房地产开发企业如何做好财务风险控制,进行科学的财务危机预警显得尤为重要。目前国内对财务危机预警模型的研究,多数学者均将注意力集中在检验何种财务指标预测效果更精确,而将国内数据直接代入已有模型,忽视了国内外环境的不同,其模型的科学性有待考证。同时,缺乏模型组合预测思想,鲜有构建出传统统计分析方法相结合的组合预测模型,并且在样本选取上,国内学者的研究取样大部分直接选取ST企业作为财务危机企业,这样做虽然易于取样,但局限性同样明显。由于财务危机的出现和形成往往并不是突发性的,而是一个逐渐的演变过程。公司被ST处理一般表明公司财务危机已经发展到恶化甚至最终的爆发阶段,以是否被ST作为上市公司财务状况健康与否的标准并不精确,而选取的样本恰当与否会对回归结果产生非常重要的影响。况且国内房地产业上市公司中被ST的只有有限几家,过少的样本量会对使模型达不到预期的拟合效果。本文借鉴以往学者的研究经验,构建主成分分析与Logistic回归分析的、组合预警模型,同时应用主成分因子对样本进行分类,划分财务危机样本组和正常组,‘这样,能大大提高模型的精度。主成分Logistic回归预警模型可以改变房地产企业静态监管、事后监管的落后监管模式,形成动态预警机制,使房地产企业能够随时针对自身的财务风险程度,采取合理有效措施,避免陷入财务危机。因此,预警模型对于我国房地产企业增强自身抗风险能力,减少企业破产造成的损失具有较强的现实意义。本文分为六个部分:第一章,导论。首先阐述该研究选题背景及意义,然后说明本文研究思路与结构体系。第二章,文献综述。系统回顾了包括财务危机定义、财务危机预警方法国内外研究现状等在内的财务危机预警理论,并在对这些成果进行评析的基础上,提出本文的观点,即建立财务危机预警的主成分Logistic回归分析模型。第三章,房地产企业财务危机相关理论研究。在这一部分,系统回顾了房地产行业的四个发展历程;全面总结了房地产行业特征,从基础性、波动性、周期性、权利主导性、制约性、区域性、级差收益性、资金密集性、高风险性等几个方面进行了全面的阐释;从外部客观环境、内部环境两个层面分析房地产企业财务危机形成的原因,并最终得出房地产企业财务危机的特征,即财务危机发展的过程具有客观积累性、财务危机的发生具有突发性、财务危机具有多样性、可预见性,特别是最后一个特征,为本文进行财务危机预警模型的研究提供了理论基础。第四章,研究模型概述。对主成分分析法和Logistic两冷方法进行系统解释,包括模型概念、思想、计算步骤及统计量的含义,并说明模型构建的思路。第五章,构建预警模型,进行实证分析。选取沪深两市房地产开发的上市公司作为分析样本,并针对房地产业特征,选取了包括偿债能力指标、发展能力指标、营运能力指标、盈利能力指标、现金能力指标在内的24个财务变量指标,将24个财务指标通过显著性检验验证其对财务危机的敏感性,筛选出11个敏感性较强的财务指标,然后通过主成分分析综合成5个主成分因子。首先通过判别分析对样本进行分组,划分为财务危机组和正常组,然后将主成分因子带入Logistic回归模型进行模型拟合,并形成最终的预警模型。最后,对预警模型进行预测效果的检验和拟和优度的检验,从而论证预警模型的实用价值。模型对财务危机组的预测准确率达85.7%,对正常组预测准确率达到94.9%,整体预测精度为92.1%,这是个准确率很高的预测效果,说明该预警模型可以在实际中应用,且具有很高的实用价值。第六章,结论。总结本文的研究成果,归纳本文的不足之处及进行研究展望。本文的不足之处:1.从数据采集上看。受数据来源的限制,本文的研究只包括了房地产开发与经营行业上市的公司,而未能包含大量的中小型企业在内的非上市公司,这样可能会造成研究结果适用范围的片面性。2.从变量选取上看。本文选取了涉及房地产企业偿债能力、营运能力、发展能力、盈利能力、现金能力指标在内24个变量,但是并没有考虑到宏观经济形势、公司发展策略、管理层能力等哑变量的影响。而在揭露财务状况方面,哑变量可能要比财务指标更可靠、更有效。所以本文的研究仅能从财务指标方面预测公司的财务危机。因此,在今后的财务危机预警研究中,要尝试引入哑变量指标,使得预警模型更加全面,预警能力更强。本文提出以下研究展望:1.不同规模的房地产企业可能在财务指标的敏感性上存在差异,对构建的模型也会产生影响。因此,在以后的研究中,应该尝试对房地产企业进行企业规模的分类,针对不同规模企业的特征,构建更具针对性、精确性的财务危机预警模型,使财务预警模型能够真正成为房地产企业决策的依据。2.本文的研究都是在主成分Logistic模型的基础上进行的,缺乏不同模型之间的比较,因此容易使读者因为缺少比较对象而对模型在预测精度上的进步缺乏直观的认识,故在以后的研究中套入以前学者研究的模型,进行不同模型的优劣比较。3.由于房地产行业受到内外多个因素的影响,因此,在模型中引入诸如宏观经济形势、管理者能力等哑变量指标,可能使得模型的预测精度进一步提高,预测效果更好。4.行业的不同,对Logistic回归临界值确定会产生影响。因此,应通过科学的方法对临界值的确定进行重新的分析,来确定更加精确的临界值。否则,如果临界值的选取出现错误,会出现正常公司误判如危机公司或者危机公司误判入正常公司,对判别效果产生直接的影响,