基于logistic模型房地产行业信用风险探究

1、基于logistic模型房地产行业信用风险探究【摘要】运用二分类的logistic模型对房地产行 业的信用风险进行研究，将收益率的正负定义为房地产上市 公司违约与否，通过数据有效性检验以及因子分析的方法筛 选出对违约率有影响且互不相关的指标，从而建立符合实际 的logistic模型并计算房地产公司的违约预测值。【关键词】信用风险收益率因子分析logistic模型一、引言时值经济髙速发展的盛世且伴随着中国城市化率的快 速增长，房地产业成为万人瞩目的焦点也成为我国的支柱性 产业，为我国的经济发展做出了重要的贡献。然而，随着越来越多的地产商涌入房地产行业，致使行 业竞争激烈，同时也因为缺乏科学的规划

2、，导致我国现在的 房地产不至于泡沫化，但其信用风险随着房地产行业的快速 膨胀日渐显现，并具有积累性。一旦爆发，会迅速引起大面积的金融风暴,还会引发社会资产的巨大损失。至此，对房地产业信用风险的研究已成为一个迫在眉睫的课题。国内外 已有很多对房地产业信用风险研究的理论和实证。其中，rupertnabarro和tonykey对房地产行业的信贷 周期和信用风险进行了研究，证明了房地产信贷周期中的关 键要素能够被度量和检测。香港城市大学的王坤、王泽森对 银行业房地产信贷风险的成因及对策进行了研究。张婷、嵇 玲竹于2006年对房地产价格与商业银行房地产信贷风险的 关系进行了定性与定量分析。分析发现房价因

3、素已成为影响 商业银行房地产信贷风险的重要因素。此外，国内外利用 logistic模型对房地产信用风险的研究也比较多。最早是由 martin用来预测公司的破产及违约概率，他在19701977 年间从大约5700家美联储成员银行中界定出58家困境银 行，并从25个财务指标中选取总资产利润率等8个财务比 率来预测公司的破产及违约概率，建立了 logistic回归模 型。ohlson也利用logistic模型做了关于财务比率和企业 破产之间关系的研究，从上千家企业财务报表中选取了财务 数据，建立了有条件的逻辑模型，研究结果表明，公司规模、 资本结构、公司业绩和变现能力这4个因素显著影响公司破 产概率

4、。乔卓，薛锋等应用logit模型对我国上市公司的财 务困境进行实证研究，表明logit模型具有良好的预测精度, 可以作为证券投资者和财务分析人员使用的一种有效的财 务困境预测工具。张宗益、朱小宗等在2005年测算了各模 型的预测结果，发现logistic模型的预测效果明显优于z 模型。宋素荣等从上市公司的财务品质、公司战略和管理者 行为等方面选取预警指标，并运用logistic模型对测试样 本进行检验，证实该模型的预测具有较高的准确性。然而， 这些利用logistic模型对房地产业信用风险进行研究时， 对上市公司违约和不违约的界定都是利用公司为st和非st, 这不能分析出同为st或同为非st时

5、，公司的违约概率，也 不能动态的研究一个上市房地产公司由st变为非st或由非 st变为st后所起作用的因素。并且大部分都是直接对指标 进行因子分析后就建立logistic模型，这使得有很多对信 用度没有影响的指标存在于模型中，会影响模型的预测度。 本文采用上市公司每股收益率来界定违约与否，并且通过对 指标的有效性检验来筛选对信用度有影响的指标来建立 logistic模型，并计算各上市公司的违约预测值。二、logistic模型的思想logistic模型是一种分类的非线性模型，为多元线性回 归模型的推广。其参数采用极大似然法进行估计，对数据没有正态性的 要求。所以，当遇到因变量是二分类变量且数据不

6、服从正态 分布这两类问题时非常适合用logistic模型进行分析。其 模型具体形式如下：其中为在给定系列自变量的值时，事件发生的概率。对等式两边取对数可得此式称为logit形式logit (y) 对于其参数而言是线性的，并且依赖于x的取值，它的值域 为负无穷至正无穷ologistic模型函数的图像具有s型分布, 而且p是s的连续增函数。从模型运用于二分类的案例中， 一旦拥有各个案例的观察自变量值构成的样本，并同时拥有 其事件发生与否的观测值，就能够使用这些信息来分析和描 述在特定条件下事件发生的比率且此模型的参数运用极大 似然法来估计，运用wald统计量进行检验。三、实证分析根据来自2012年

7、上市公司季报数据，本文选用2012年 第1至第4季度40家房地产行业上市公司的主要财务数据 进行研究。其中有20家公司的每股收益大于零，认为其为 正常运行公司，定义其信用度为1则另外20家公司每股收 益小于零，认为其为违约公司，定义其信用度为0o根据银 行对房地产客户信用评级指标，本文也选用了净利润、盈利 能力、偿还能力、成长能力和营运能力五大类指标（见表l）o由于各指标对信用度为"0”和信用度为"1”的区别 能力不同，需要筛选出对结果影响能力大的指标。因此本文 采用参数两独立样本t检验和非参数的k-w检验对指标变量 进行分析（见表2、表3）。通过t检验和k-w检验的p值可

8、知，对违约组和正常组 有显著的影响的指标有净利润中的每股收益，盈利能力中的 总资产利润率和股本报酬率，成长能力中的总资产增长率， 主营业务增长率和净资产增长率，营运能力中的总资产周转 率，流动资产周转率，经营现金流对负债比率和现金流量比 率，这也说明当上市公司的这几个指标都正常时就不会出现 违约现象。由于logistic模型对指标的无关性有非常严格的要求。 因此，在建立logistic模型之前需要对其指标变量进行筛 选。本文利用km0检验和bartlett球形检验发现对这些变 量采用因子分析来筛选非常合适（见表4）。采用因子分析所得结果如表5所示。由因子分析的总方差解释表可知，变量相关阵的前三

9、个 因子的特征值大于1,它们一起解释了总方差的87.81%。说 明这三个因子提供了原始数据的足够信息。由因子分析的结 果得到的三个因子分别是：由上式可知，y1主要包含了每股收益、总资产利润率、股本报酬率、总资产周转率 和流动资产周转率。主要代表了净利润、盈利能力和营运能 力；y2主要包含了总资产增长率、主营业务收入增长率和净 资产增长率。主要代表企业的成长能力；y3主要包含了经营 现金净流量对负债比率，现金流量比率。主要代表企业的营 运能力。利用yl, y2, y3这三个指标进行logistic回归,其h-l 检验的拟合优度表如表6所示。h-l统计量的观测值为18. 552,概率p值为0. 0

10、25,小 于显著性水平。认为模型很好的拟合了数据。另外， nagekerke r2为0.918与1很接近，由此值也能说明模型的 拟合效果很好。所以，利用logistic模型能很高的分析出 房地产上市公司的违约率。所得模型的参数如下（见表7）。由上可知企业的净利润，盈利能力，营运能力，成长能 力，对房地产行业信用风险的影响是比较大的，而影响最大 的是企业的成长能力。这也说明了在房地产这个激烈竞争的 行业里，成长能力强的企业会有很大的获利空间，也不会对 投资者产生违约的危险。利用上式对所选用的40家房地产 公司的预测值如表8所示。四、研究结论本文采用我国40家上市公司进行实证分析，利用收益 率确定

11、出房地产上市公司的信用度后采用t检验和k-w检验 筛选出对信用度有影响的因子，因子分析后进行logistic 回归，得出结论如下：1通过对模型的参数估计，拟合优度检验以及预测值的 计算，说明logistic模型非常适合用来分析我国房地产上 市公司的信用风险。2决定房地产行业的信用风险不仅仅是单个变量，而是 由有多个变量共同作用的，如：净利润、盈利能力、营运能 力以及企业的成长能力等，并且这些变量对信用风险的影响 程度是不同的。3.采用收益率来确定公司是否违约以及进行了数据有 效性检验后，logistic模型更能够准确的界定出公司的违约 率。参考文献1 王坤，王泽森银行业房地产信贷风险成因及对策 j.金融改革,2007 (05).2 张婷，嵇玲竹房地产价格和商业银行房地产信贷风 险的关系研究j.价格理论与实践，2006 (06).3 乔卓，薛锋.上市公司财务困境预测logit模型实证 研究j.湖南工程学院学报，2002 (10).4 庞素琳.logistic回归模型在信用风险分析中的应 用j.数学的实践与识,2006 (09).5 肖冰，李春红.基于logistic模型的房地产行业信 用风险研究j.技术经济，2010 (03).6 王济川，郭志刚.logistic回归模型方法与应用m.北京：高等教育出