上市公司财务预警实证研究_以房地产业为例

1、以房地产业为例上市公司财务预警实证研究胡海涛1高秉学2(1、浙江东方集团股份有限公司财务部;2、浙江省国际贸易集团有限公司人力资源部浙江杭州310000摘要:本文以我国房地产业上市公司为例,利用其公开披露的年报财务信息,运用聚类分析法和判别分析法等多元统计方法,建立了基于多变量的企业财务危机预警模型。实证结果表明,该方法能够较为准确的识别企业财务危机,具有较强的实用性及操作性。关键词:房地产业上市公司聚类分析判别分析财务危机预警作者简介:胡海涛(1969-,女,江西新余人,浙江东方集团股份有限公司财务部副经理高秉学(1969-,男,浙江杭州人,浙江省国际贸易集团有限公司人力资源部经理随着我国资

2、本市场的快速发展,以及市场经济竞争日趋激烈,企业的经营和财务运作环境日益复杂。而财务危机预警已成为现代企业财务管理的重要内容。建立实际有效的企业财务危机预警系统,对于降低企业经营风险、投资风险以及确保公司财务状况良性循环具有重大的现实意义。房地产业属于我国的新兴产业,具有很大的发展潜力,是一个成长性很高的行业。随着我国房地产业迅猛发展,房地产行业的风险也逐渐显现,引起社会的广泛关注。尤其是美国次贷危机爆发后,房地产风险更加受到重视。而房地产风险的一个重要组成部分就是财务风险,有必要深入研究房地产业上市公司的财务风险并做出及时预警。一、文献综述财务危机预警研究是随着证券市场的发展而产生和不断深入

3、的。目前,许多学者在研究构建财务危机预警系统,广泛运用多元统计方法中的判别分析模型,并取得一定的研究成果。如陈静(1999以1998年底的27家ST 公司与同行业同规模的非ST 公司作为样本,分别采用单变量分析和多元判别分析方法进行财务困境预测,发现由资产负债率、净资产收益率、总资产收益率、流动比率、营运资本/总资产、总资产周转率等6项指标构成的判别函数能够较好地预测出ST 公司。高培业、张道奎(2000采用29个财务指标,运用多元判别分析方法建模,发现由留存收益/总资产、息税前收益/总资产、销售收入/总资产、资产负债率、营运资本/总资产构成的判别函数有较好的预测能力。陈晓、陈治鸿(2000以

4、38家ST 和132家非ST 上市公司作为样本,采用逻辑模型,通过试验1260种变量组合,发现负债/权益比、应收账款周转率、主营利润/总资产、留存收益/总资产对企业财务风险有显著的预测作用。吴世农、卢贤义(2001以70家ST 和70家非ST 上市公司作为样本,采用盈利增长指数、资产报酬率、流动比率、长期负债/股东权益、营运资本/总资产、资产周转率等6个财务指标,比较了多元判别分析、线性概率模型和逻辑回归模型的预测效果,发现逻辑回归模型的预测能力最强。张玲(2000利用多元线性判别方法以深沪交易所120家上市公司作为样本进行研究,结果表明资产负债率、营运资金与总资产比率、总资产利润率、留存收益

5、/总资产对判别的分析贡献最大。吴文强(2003针对我国高速公路公司的特点,运用财务指标法、判别分析法这两个财务判别工具,对高速公路公司的财务风险进行预警,认为高速公路公司财务风险预警系统应建立以多变量的预警系统为主,单变量为辅的财务预警系统,并指出这种方法可以运用到其他行业。综上所述,从理论模型和实证研究两个方面,以往研究采用判别分析方法对构建财务预警系统都做了深入细致的研究,但仍美中不足:首先,公司所属的不同行业使得其财务危机预警模型包含的财务指标及其参数也不同,所以应针对不同行业的具体情况及特征采用不同的模型来进行实证研究;其次,以往研究几乎是把样本分成两类(财务危机或非财务危机,即ST

6、或非ST 进行建模。基于以上的不足,本文以我国房地产业上市公司为例,充分考虑房地产行业的特点构建预警模型,并把研究样本聚成三类,设计多类(或多项线性判定模型,以提高模型的针对性,实用性及可操作性。二、研究设计(一判别分析模型判别分析是多元统计分析中用于判别样本所属类型的一种方法。它是指在研究对象分类已知的情况下,根据样本数据推导出一个或一组判别函数,同时指定判别规则,用于确定待判别样本的所属类别,使错误率最小。多元判别方法的基本原理在于通过统计技术筛选出那些在各组(类间判别尽可能大,而在组内部的离散程度最小的变量,从而将多个标志变量在最小信息损失下转换为分类变量,获得能够有效提高预测精度的多元

7、线性判别方程。在判别分析中最常采用的是Fisher 线性判别函数,其一般形式为:Y i =a 1x 1+a 2x 2+a n x n +b (i=1,2,k 。其中,k 是判别组数,Y 是判别分数或判别值;x 1,x 2,x n 是因变量或预测变量;a 1,a 2,a n 是各变量的系数,即判别系数;b 是函数中的常数。建立判别函数的方法主要有两种:一是全模型法,将全部变量作为判别函数的因变量,而不管该变量是否对研究对象显著或对判别函数贡献大小。二是逐步选择法,是一种选择最能反映类间差异的变量子集,建立判别函数的方法。它是从模型中没有任何变量开始,每一步都对模型进行检验,将对模型的判别贡献最大

8、的变量加入到模型中,同时将对判别贡献不大显著的变量从中去掉,直到模型中所有变量全都符合引入模型的条件,而模型外的所有变量都不符合引入模型的条件为止,以简化模型和提高判别效率。具体步骤为:选择因变量及组变量;推导判别系数,进行检验;再根据判别系数建立Fisher 线性判别模型,并根胡海涛高秉学:上市公司财务预警实证研究64·综表1变量均值检验财务指标每股收益(元每股收益增长率(%每股收益-扣除(元每股收益-扣除-增长率(%每股收益-加权(元每股收益-加权-增长率(%每股收益-扣除/加权(元每股收益-扣除/加权-增长率(%每股未分配利润(元每股可分配利润(元每股净资产(元每股净资产增长率

9、(%每股净资产-调整(元每股现金含量(元每股资本公积金(元每股盈余公积金(元每股负债比(%流动比率速动比率现金流动负债比(%股东权益比(%流动负债率(%负债权益比(%存货周转天(天存货周转率(倍应收款周转天(天应收账款周转率(倍.969.999.951.996.969.999.953.996.9751.000.983.9691.000.998.998.987.984.971.986.948.999.971.997.006.999.005.999F 值1.167.0241.852.1271.165.0231.764.148.933.013.6221.166.013.062.085.473.584

10、1.081.5201.967.0221.056.1076040.937.0367661.619.041df1自由度1222222222222222222222222222df2自由度2727272727272727272727272727272727272727272727272727272Sig.显著性水平.317.976.164.881.318.978.179.862.398.987.540.318.987.940.918.625.560.345.596.147.978.353.898.000.964.000.960Wilks'Lambda 值据Fisher 准则进行判别分组;然乎

11、进行样本判别分析,计算分类准确率;最后输出结果,并对其进行分析,做出结论。(二样本选择及数据来源由于不同行业的生产特点及生产周期不同,财务指标一般具有较大差异,如果不进行行业的划分,会降低财务预警模型的实用性,因此,本文选择房地产业作为所选行业。将我国75家房地产上市公司作为研究对象,以其2008年的财务数据为样本数据,数据均来自于公开的定期报告资料中。(三财务预警预测变量选取根据我国上市公司的特点,选取每股收益(元、每股收益增长率(%、每股收益-扣除(元、每股收益-扣除-增长率(%、每股收益-加权(元、每股收益-加权-增长率(%、每股收益-扣除/加权(元、每股收益-扣除/加权-增长率(%、每

12、股未分配利润(元、每股可分配利润(元、每股净资产(元、每股净资产增长率(%、每股净资产-调整(元、每股现金含量(元、每股资本公积金(元、每股盈余公积金(元、每股负债比(%、流动比率、速动比率、现金流动负债比(%、股东权益比(%、流动负债率(%、负债权益比(%、存货周转天(天、存货周转率(倍、应收款周转天(天、应收账款周转率(倍来建立指标体系作为分析变量。这27个指标综合反映了企业的盈利能力、营运能力、资产管理能力、成长能力、获取现金流能力和资本实力,在短期和长期因素方面都能较全面的反映企业的财务能力。在利用多变量模型进行财务危机预警时,预测变量越多,可供选择的余地越大,模型的拟合就越好。本文运

13、用SPSS 统计分析软件,在利用判别分析法构造判别函数之前,首先将研究的对象进行分类,根据选定的27个财务指标,利用多元统计分析中的聚类分析方法将样本公司按财务状况科学地分为三类,再用判别分析法构造财务判别模型,对财务危机状况进行判定预测。三、实证结果分析(一聚类分析聚类分析是建立在某种优化意义下,对样品或指标(变量之间存在的相似性进行度量,将“相似性”的归并成类。其优点在于:能综合利用多个变量对样本进行分类;分类结果是直观的,聚类谱系图很明确、清晰地表现其数值分类结果;聚类分析所得到的结果比传统分类方法更细致、全面、合理。聚类分析是将分类对象置于一个多维空间中,按照它们空间关系的相似程度进行

14、分类。简单地讲,就是对事物彼此不同的属性进行辨认,将具有相似性属性的事物聚为一类。聚类分析的方法很多,常用的有系统聚类、动态聚类。本文选用系统聚类法(hierarchical cluster 对上述五个因子进行聚类。根据类与类之间距离的定义不同,系统聚类法分为最短距离法、最长距离法、重心法、类平均法和离差平方和法。其中,类平均法是聚类效果较好,应用比较广泛的一种聚类方法。与类平均法相比,最短距离法和重心法使空间浓缩;最长距离法和离差平方和法使空间扩张。太浓缩的方法不够灵敏,太扩张的方法当样本大时容易失真。因此,本文选取类平均法中的组间联结法,计算距离选择欧式距离。聚类分析的目的是要对研究对象进

15、行分类,因此如何确定类数是聚类分析要解决的首要问题之一。在系统聚类过程中,首先把离得近的类合并,所以在并类过程中聚合系数呈增加的趋势,聚合系数小,表示合并的类的相似程度较大,两个差异很大的类合到一起,会使该系数很大。因此,本文把所有样本公司分为三类。根据研究的目的,将所有样本公司的财务状况归分为非财务危机状态、中间状态及财务危机状态三类。具体聚类分类如下:第一,非财务危机状态:保利地产、浙江广厦、中江地产、南京高科、绵高地产、大龙地产、香江控股、联美控股、卧龙地产、华业地产、万通地产、天房发展、华发股份、首开股份、金地集团、东华实业、空港股份、华丽家族、栖霞建设、万好万家、兴业地产、丰华股份、

16、海鸟发展、新黄浦、浦东金桥、万业企业、爱建股份、外高桥、陆家嘴、天地源、中华企业、珠江实业、上海新梅、苏州高新、幸福地产、上实发展、运盛实业、京能置业、世茂股份、新湖创业、北辰实业、万科、深振业、达声地产、沙河股份、招商地产、深深房、中粮地产、深长城、泛海建设、宜华地产、金融街、绿景地产、珠江控股、银基发展、渝开发、莱茵置业、粤宏远、阳光股份、绵世股份、亿城股份、高新地产、名流置业、武石油、苏宁环球、国兴地产、福星股份、天保基建、世荣兆业、广宇集团、荣盛发展、合肥城建、滨江集团。第二,中间状态:光华控股。第三,财务危机状态:云南城投。(二预警模型判别分析由于本文建立判别模型的自变量多达27个,

17、需要根据对判别贡献的大小进行选择,故采用逐步分析法来剔除显著性不重要的变量。在具体的判别分析方法上,采用系统默认的Wilks lambda ,即每步都是Wilk 的统计量最小的进入判别函数;逐步判别停止的依据采用F 值,当加入一个变量(或剔除一个变量后,对在判别函数中的变量进行方差分析,系统默认的标准是,当F 值大于3.84时加入,当F 值小于2.71时剔除;为了能够直接用于对新样本进行判别分类,采用未经标准化的Fisher 系数;在选择要求给出的自变量系数矩阵时,采用组内相关矩阵,即计算相关矩阵之前,将各组(类协方差矩阵平均后,计算类内相关矩阵;分类参数中的先验概率采用各类先验概率相等;分类

18、使用的协方差矩阵采用Within-groups ,即使用合并组内协方差矩阵。(1模型建立检验。由于判别分析运用有假设条件,所以应先采用统计检验量对模型进行显著性检验,以判断该判别函数能否将三类很好地分开。(表1为变量在不同类中均值相等的检验。当Wilks lambda 值(为1时,各组均值相等,由表可见,27个变量的65表4判别分析结果Predicted Group M embershipVAR000291.002.003.00TotalOriginalCount1.007300732.0001013.000011%1.00100.0.0.0100.02.00.0100.0.0100.03.0

19、0.0.0100.0100.0Cross-validated a Count1.007300732.0010013.000101%1.00100.0.0.0100.02.00100.0.0.0100.03.00.0100.0.0100.0表2拟合优度检验测试函数1through 22Wilks'Lambda 值.000.061Chi-square 623.464196.235Df 自由度104Sig.显著性.000.000表3费雪线性判别函数系数表每股收益增长率(%速动比率现金流动负债比(%存货周转率(倍应收帐款周转率(倍常数1.006.204.776.613.000.032-3.39

20、3VAR000292.0076.118-25.50248.728.020.042-1186.3913.00305.408-44.476104.119.0514.045-16001.372值均小于1,表明各组均值不等,27个变量显著性水平均小于0.05,因此可以拒绝各组均值相等的零假设,即在0.05的显著性水平下27个变量的均值有显著差异,可进行判别分析。(表2为拟合优度检验,通过对构建的两个典型判别函数的检验,在0.05的显著性水平下,拒绝各组判别函数的均值相等的零假设,即认为该判别函数能较好地将三类区分开,也就是两个典型判别函数都具有统计学意义。通过上述对模型统计量的检验,可以认为所建立的判

21、别函数在统计上是有意义的。在此基础上,方可具体写出判别分析的模型结果,否则所建立的模型是无效的,而且得出的模型结果也无多大价值。(2判别模型结果。由(表3的费雪(Fisher 线性判别函数的系数可见,采用逐步判别法,只需5个变量就可以构造判别函数。逐步判别分析的结果,从27个指标(变量中剔除重要性较小的指标,得出了包含5个变量的判别分析的Fisher 线性判别函数模型,由于本文是将样本分为三类,在判别分析中需对这三组进行两两对比分析,故判别模型函数为三个。这三个函数的表达式如下:y 1=6.204x 1+0.776x 2-0.613x 3-0.032x 4-3.393x 5y 2=76.118

22、x 1-25.502x 2+48.728x 3+0.02x 4-0.042x 5-1186.391y 3=305.408x 1-44.476x 2+104.119x 3-0.051x 4+4.045x 5-16001.37其中,y 1、y 2、y 3分别表示非财务危机组、中间状态组、财务危机组的函数判别值;x 1、x 2、x 3、x 4、x 5分别代表每股收益增长率(%、速动比率、现金流动负债比(%、存货周转率(倍、应收账款周转率(倍。从模型中的五个变量来看,影响我国房地产业上市公司财务状况的指标主要是反映盈利能力和营运能力的两类指标。首先,盈利能力对我国房地产业上市公司尤为重要。从财务角度分

23、析可知,对企业利润影响最大的因素是价格,我国房地产公司楼盘的价格主要因地域差异、供求关系等而变化,进而影响企业现金能力、偿债能力等。其次,营运能力不仅反映了企业资产的流动性,也反映了企业资产的变现能力,房地产公司营运能力较低,则资产的流动性和变现能力差,进而影响企业的发展。总之,模型中的五个变量从不同角度较好地反映了对我国房地产业上市公司而言最重要的几个财务指标。由于盈利能力欠佳、资产周转速度慢及营运资金不足,从而引起企业偿债能力的下降,极易导致房地产公司财务危机的发生,最终影响企业的生存和发展。(3判别分析结果。从(表4中可看出,判别分析的结果为:73个非财务危机公司的分类全部正确,分类正确率为100%;1个中间状态公司也正确,分类