引入在險價值的中小型房地產企業財務風險監控研究

內容提要：國家宏觀調控使中小型房地產企業外部風險顯著增大，對企業償債能力和資金鏈風險產生嚴峻挑戰。為評估中小型房地產企業財務風險，本文以我國中小型房地產上市公司1998-2013年的年度數據為樣本，將在險價值引入財務風險監控指標體系，構建中小型房地產企業財務風險監控模型，經進一步驗證，該模型能夠有效提高房地產企業財務風險預測的準確性。因此，融入在險價值的財務風險評估體系對中小型房地產上市公司防范和化解財務風險具有一定的參考價值，對外部市場風險因素變化也起到預警作用。

關鍵詞：中小型房地產企業；風險監控；在險價值；預警機制

中圖分類號：F830572 文獻標識碼：A 文章編號：1001-148X（2017）08-0109-07

收稿日期：2017-03-15

作者簡介：王曉燕（1977-），女，河南淅川人，西北大學經濟管理學院博士研究生，華北水利水電大學管理與經濟學院講師，研究方向：審計網絡。

基金項目：中國博士后科學基金項目，項目編號：2015M580872；河南省高等學校重點科研項目，項目編號：15B630007；河南省教育廳人文社科項目，項目編號：2016-ZD-061。

受限購令、預售款監管趨嚴、信貸不斷收緊、資本市場融資受阻等外部因素的影響，房地產開發企業的經營性現金流顯著趨緊、資產負債率明顯攀升。對于資金運作主要依托信貸的中小型房地產企業，負債問題尤其突出，部分企業的資產負債率在70%以上，有的甚至高達90%①。隨著國家對房地產市場的宏觀調控，中小型房地產企業的外部風險將顯著增大，這已經成為房地產行業必須面對的經濟新常態。

近年來，在險價值作為風險測量工具，主要考察投資人資產的最大損失值，由于具有直觀性、簡潔性，因此廣泛應用于風險損失的量化測量上（Olson & Wu， 2010）。本文選擇滬深A股中小型房地產企業為樣本，引入衡量公司外部市場風險的在險價值指標，并結合相關財務數據，構建較為合理的財務風險監控模型，提出控制我國中小型房地產企業財務風險的有效策略，為我國中小型房地產企業財務風險控制提供理論基礎，以期推動我國中小型房地產企業的健康發展。

一、文獻綜述

關于房地產企業財務風險監控的方法研究，跨學科的數學模型和評價方法得到了重視。比如，房地產開發企業資金循環系統的動力學模型，該模型對房地產開發企業資金循環系統進行情景模擬和危機識別，顯現出“政策實驗室”效果（胡援成和張朝洋，2014）。而識別企業財務風險可以靈活運用回避風險法、分散風險法、轉移風險法、降低風險法、緩沖風險法（劉平，2007）。房地產風險定量分析和基本評價方法也可以有效分析房地產企業財務風險（李啟明，1998）。AHP層次分析法就是一種實用的方法，能夠清楚地分析出影響房地產企業財務風險的各種因素（陳樺，2012）。在此基礎上，構建房地產開發項目風險動態灰色模糊綜合評價模型，運用模糊綜合評判的方式可以判定房地產上市公司并購融資風險的風險程度（劉曉君和孟凡文，2005；趙琳，2012）。將RBS和AHP方法引入房地產項目風險管理的全過程中，構建針對房地產項目的動態風險管理模型，也可以運用該模型監控房地產企業財務風險（喻曉艷和王松江，2008）。而基于SVM的房地產投資風險評價模型可以處理分類和回歸問題，是對房地產投資風險預測能力的提升（李毅，2012）。

而對于房地產企業財務風險監控的測評研究，評級指標體系的構建是最受學者們關注的主題。國外已有學者引入在險價值來測度企業財務風險，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險價值：方差協方差法、歷史模擬法、蒙特卡羅模擬法。然而，這些方法都有不足。方差協方差法低估了風險，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）。國內有學者采用蒙特卡洛模擬方法，對貸款組合信用風險在險價值進行了計算（鄧云勝等，2003）。也有學者基于Copula函數度量組合信用風險原理，模擬出1000種資產的收益率，并在聯合分布與邊際分布不同假設情況下，統計分析出資產組合的在險價值（白保中等，2009）。還有學者基于KMV模型，引入信用價差的計算，構建了一個改進的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企業監控財務風險提供了理論依據、方法和對策（石夢娜，2013）。從長期看，從總體上看，我國近年來房地產價格變化有宏觀經濟背景的支持，房地產市場風險還不是很大（田成詩和李輝，2008）。

綜上所述，關于房地產企業財務風險的研究文獻僅采用財務指標分析，雖然也有部分研究考慮到引入在險價值等市場風險因素，但在對在險價值的應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。本文對傳統財務指標提取五個主要因子，并與外部風險在險價值進行聚類分析，得到的樣本組與對比組樣本相對更加客觀，并且樣本區間較長，采用Garch模型估計在險價值更能反映市場風險。

二、研究方法

（一）樣本選擇與數據來源

為構建中小型房地產公司的風險監控模型，本文選擇1998-2013年滬深A股中小型房地產公司為研究對象，并且按照總資產規模計算平均值，再排序劃分為三組，選擇資產規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，股票周交易數據為23280個，以便于對建立房地產公司的風險監控模型進行檢驗。研究樣本財務指標和股價數據均來源于銳思數據庫（RESSET），對個別指標缺失的公司通過滬深證券交易所及新浪財經網站查找相關數據補充完整。

（二）變量選擇與定義

要建立房地產企業風險監控模型，首要的就是對指標的選取，然而目前國內外關于企業風險監控的評價方法絕大部分是基于財務指標局部綜合評價。雖然此類指標是評價的必要參考，但隨著整個宏觀環境的變化，如果僅選擇財務指標選擇難免有失偏頗，但由于企業面臨的金融市場風險是很難衡量，本文采用反映股票收益率波動而產生的最大損失值來衡量企業面臨的金融市場風險，從而引入了VAR這個指標。在此基礎上結合多元統計方法中的因子分析法對原始指標群所包含的信息進行提取，可以獲得少數幾個經濟上可解釋的主因子。再對這些主因子進行風險因素分析，運用邏輯回歸對風險損失做出評估。endprint

1.金融市場風險VAR

樣本公司的外部影響指金融市場風險用VAR值來度量，VAR被稱為風險價值或受險價值，它可以被定義為：在一定的置信水平下預期資產的最大可能損失。計算 VAR 的方法通常假設收益率服從正態分布，但是股票收益率通過大量的歷史數據統計顯示是不服從正態分布，它的分布呈現出尖峰后尾的現象，條件異方差不是固定值，而是隨著時間隨機變動的，而GARCH模型就是用來解決殘差序列不服從正態分布的一種金融時間序列估計模型，本文通過SAS軟件，對對數收益率的正態性進行了檢驗，發現收益率序列不是正態分布的，出現尖峰后尾的情況。通常VAR的計算方法主要有三種：Monte Carlo模擬法、方差一協方差方法、歷史模擬法，這三種方法各有優劣。參考趙會嵩（2011）、李微微（2009）、李凱（2011）等的研究，李永娟（2011）認為采用GARCH模型參數法計算VAR是最佳的方法，因此，結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，利用對數收益率 rt=lnPt-lnPt-1。

利用GARCH模型計算VAR關鍵要計算出條件標準差，構建GARCH（1，1）模型如下：

均值方程：rt=μ+εt

條件異方差方程：σ2t=α0+α1μ2t-1+βσ2t-1

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準差序列，然后將得到的條件標準差代替VAR計算公式：

VAR=t×μp-Zασpt

如果股票交易周數為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.財務指標

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、營運能力、成長能力及收益質量等方面選擇了相關財務指標。如表1所示。

（三）研究方法

本文在研究中小型房地產行業特征及風險成因的基礎上，構建適合我國中小型房地產行業的風險監控模型。首先采用聚類分析將公司進行分類，并界定發生風險的公司。其次采用因子分析從財務指標中提取主要因子，為構建風險監控模型奠定基礎。最后采用logit回歸方法構建中小型房地產行業的風險監控模型，并進一步驗證風險監控模型的有效性。

三、實證分析

（一）描述性統計與分析

表2是樣本公司的相關指標的描述性統計分析結果。

由表2可知，金融市場風險VAR的均值和中位數分別為0689和0693，標準差為0063，波動性不大。凈資產收益率（AvgROE）、總資產報酬率（ROA）的均值分別為577%和294%。流動比率和速動比率的均值分別為192和102，資產負債率均值為493%，總資產增長率均值為503%，總資產周轉率為0385%。扣除非經常性損益后的凈利潤占比為775%，以及總資產現金回收率為148%，說明資產收益質量還是不錯的。

（二）聚類分析

大多數對財務危機預警模型的研究，都是將ST公司作為發生風險公司，未被ST的公司作為沒有發生風險的公司。這一方面有利于對ST公司和非ST公司進行配對研究，通過統計分析從而得出一些能夠明顯區分這兩類公司的一些指標進行劃分，企業劃分界限比較明顯，在配對研究時容易進行區分。但是這并不是劃分財務危機與財務危機的唯一方法，ST與非ST的劃分是按照監管部門標準劃分的，難免會插入一些主觀的因素。對財務危機的界定也可以有別的方式，實際情況表明，ST公司可能是財務危機企業，但財務危機企業卻不一定被ST（特別處理），即非ST公司也可能出現財務危機。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兩年財務虧損，在實際情況中，除此之外，還有其他因素也可能導致上市公司被ST。因此，影響企業財務狀況的因素是多方面的，反映企業財務狀況的標準除了凈利潤外，還有其他種種指標。根據表1中的財務指標，本文通過聚類分析，將公司進行分類，并界定發生風險的公司（李微微，2009）。

通過對比分析，可以發現加入VAR指標后的聚類效果比不加入VAR指標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，客觀上應該屬于財務危機公司。因此，一些非T類公司由于總體財務狀況與T類公司相似，也同屬一類。這也說明運用聚類法較好地排除人為主觀經驗分類的缺陷。另外在一定程度上證明了加入衡量金融風險的VAR指標對中小型房地產行業風險監控的作用。文后的分析與驗證就是基于聚類分析的結果進行的。

（三）因子分析

要進行因子分析，首先要進行無量綱化處理，也就是將數據進行標準化處理。其次分析相關指標是否適合做因子分析，運用KMO檢驗。KMO檢驗的系數為089，BartlettS球形檢驗值較大，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個財務指標，運用SAS軟件進行聚類分析，詳細結果未列出。因子分子主要根據因子變量的方差貢獻（特征值）來確定因子個數，特征值是衡量因子重要性程度的指標，選取特征值大于1的因子作為初始因子。為使因子具有實際經濟含義，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法對因子載荷矩陣進行旋轉，使得每個因子上具有最高載荷的變量數目最小，從而簡化對因子的解釋。旋轉后的因子貢獻率結果和旋轉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的信息，便于后文的分析。由表4可知，因子載荷矩陣可以發現，Factor1與每股收益、每股凈資產、凈資產收益率、總資產報酬率、銷售凈利率、營業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、現金流動負債比、資產負債率、權益乘數具有較高的因子載荷系數，因此命名為償債能力因子。Factor3與存貨周轉率、應收賬款周轉率、總資產周轉率的載荷系數較高，因此命名為營運能力因子。Factor4與營業收入增長率、總資產增長率因子載荷系數較高，稱之為成長能力因子。Factor5與總資產現金回收率、扣除非經常性損益后的凈利潤占凈利潤比具有較高的因子載荷，稱之為收益質量因子。這與選取財務指標的分析結果很類似。endprint

（四）Logistic回歸分析

運用二元Logistic回歸分析，以發生財務風險的概率為因變量，根據聚類分析結果，參照T類企業，定義發生財務風險企業為0，沒有發生財務風險企業為1。Logiistic分析方法雖然是一種較為常用且有效的統計學方法，但Logistic回歸法的變量篩選及參數估計中，對各變量之間相互獨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立，而是相互之間存在一定程度的線性依存關系，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。當多元共線性不太嚴重時，Logistic回歸的系數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行相關性的分析。在提出因子分析中我們已經對反映企業內部財務信息變量提取了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立的。對于反映外部金融風險的在險價值指標，本文鑒于前人的相關研究，以0.3的Pearson相關系數作為標準，對篩選過的5個公共因子變量與在險價值做了進一步的相關性分析，分析結果見表5所示。

可見在險價值與5個因子之間的Pearson相關系數均小于03，說明在險價值與5個主成份之間的相關性不是很大，可以利用回歸模型進行進一步的統計分析。

從理論上而言，在險價值指標和財務類指標一樣反映了企業某一個方面的特性，對于房地產行業來說在險價值的反映的特性就是表現在房地產這一特殊的行業所面臨的金融市場風險上，主要受利率風險、匯率風險、股票價格變動等外部宏觀經濟環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性不是很大，可以利用多元Logistic回歸模型進行進一步的分析。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，回歸結果如表6所示。

從表6中的（1）-（6）的回歸結果可知，模型的參數估計都至少在01的顯著性水平通過檢驗，表明得到的參數估計是可靠的，上述六個回歸結果其卡方值的顯著性水平均為00000，說明模型的整體檢驗十分顯著。表6中的（6）回歸結果即是引入在險價值后的中小型房地產企業財務風險監控模型。根據回歸結果（6）可得到中小型房地產企業財務風險監控模型：

ln（1-pp）=0254×f1-025×f2-0183×f3+0189×f4+0305×f5+0744×VAR

其中，P為發生財務風險的概率。

為驗證模型的有效性，將所有樣本原始數據帶入模型，計算出P值，將P值與確立的狀況進行比，將預測狀況與原始分類狀況進行比較，本文主要分析了實行新企業會計準則之后2008-2013年各年得出模型的預測精度檢驗結果如表7所示。由表7可知，在本文只運用很小范圍的檢驗樣本的情況下，判別準確率與估計樣本所得到的判別準確率相差不是很大，準確率基本上都在80%以上。可見模型具有一定的穩定性，也說明了本文構建的中小型房地產企業的風險監控模型是比較成功的。

（五）假設檢驗

Logistic回歸分析結果表明，在險價值對中小型房地產企業財務風險的回歸系數是0744，并在001顯著水平上，回歸結果其卡方值的顯著性水平均為00000，說明模型在險價值對中小型房地產企業財務風險檢驗十分顯著。

四、研究結論

本文以1998-2013年滬深A股中小型房地產企業為研究樣本，將衡量公司外部市場風險的在險價值引入風險監控指標體系，構建中小型房地產企業財務風險監控模型，研究表明：盈利能力、成長能力、收益質量皆與企業財務風險顯著正相關，表明中小型房地產企業盈利能力不強，過于擴張會導致企業風險控制不足，加大了財務風險。同時，為了與大型房地產企業競爭，銷售環節過多的采用應收項目，導致收益質量差增加了財務風險。償債能力、營造能力與企業財務風險顯著負相關，表明中小型房地產鑒于自身盈利能力低，借債規模有限且規模小，可以在現有規模內實現資產的有效運營，降低了財務風險。而在險價值與中小型房地產企業財務風險顯著正相關，其回歸系數為0744，遠遠高于以上5個公共因子。這說明，在險價值對中小型房地產企業財務風險十分敏感，非常適合預測中小型房地產企業財務風險，因此，在中小型房地產企業財務風險監控中引入在險價值，必然會大大提高中小型房地產企業財務風險預測的準確性。

盡管在險價值具有廣泛的應用和普及，但是也有學者提出了質疑（Artzner et al， 1999； Dowd and Blake， 2006），即在險價值對于一致性風險的度量上有可能會導致誤導的風險感知（Nocera， 2009； Einhorn，2008）。此外，在險價值估計不可能捕獲投資者所要研究的所有信息（Linsmeier & Pearson，2000），例如流動性風險、人員風險、政治風險、監管風險這幾類風險（Beder，1995）。這是后續研究需要注意的問題。

注釋：

① 數據來源：http：//financesinacomcn/review/jcgc/20140530shtml

參考文獻：

[1] BEAVER，W.H.Financial Ratios as Predictors of Failure[J].Journal of Accounting Research， 1966，（4）：72-102.

[2] GALLINGER G. W. The Current and Quick Ratios： Are They Only Window Dressing？[J].Business Credit，1997，99（5）： 22-23.

[3] BALIi， T.， and N. CAKICI. Value at Risk and Expected Stock Returns[J]. Financial Analysts Journal，2004，60（2）：57-73.endprint

[4] BERKOWITZ， J. and J. OBRIEN. ‘How Accurate Are the Value-at-Risk Models at Commercial Banks？[J].Journal of Finance，2002，57： 1093-1111.

[5] HUANG， Y.， and B. LIN. Value-at-risk Analysis for Taiwan Stock Index Futures： Fat Tails and Conditional Asymmetries in Return Innovations[J].Review of Quantitative Finance and Accounting，2004，22：79-95.

[6] LIM， C.， and P. TAN. Value Relevance of Value-at-risk Disclosure[J].Review of Quantitative Finance and Accounting，2007，29： 353-370.

[7] WOODS， M.， K. DOWD and C. HUMPHREY. The Value of Risk Reporting： a Critical Analysis of Value-at-Risk Disclosures in the Banking Sector[J]. International Journal of Financial Services Management，2008，8（1）：45-64.

[8] POLANSKI， A.， & STOJA， E. Incorporating higher moments into Value at Risk forecasting[J].Journal of Forecasting，2010，29（6）：523-535.

[9] MANCINI， L.， & TROJANI， F. Robust Value at Risk prediction[J]. Journal of Financial Econometrics，2011，9（2）：281-313.

[10]陳樺. 基于層次分析法AHP的房地產投資項目風險分析與評價[J].企業導報，2012（16）：33-34.

[11]葛江松，洪開榮.基于AHP的房地產項目投資風險評價研究[J].企業家天地，2008（12）：186-187.

[12]胡援成，張朝洋. 政策調控下房地產開發企業的資金循環與債務危機識別[J].當代財經，2014（2）：50-64

[13]李立華，張強. 房地產信貸風險的評估與監控[J].統計與決策，2009（20）：113-115.

[14]李毅.基于SVM的房地產投資風險評價及應用[J].統計與決策，2012（1）：70-72.

[15]林樂芬，張越.中國房地產市場與流動性過剩的相關性分析[J].南京社會科學，2007（11）：45-49.

[16]劉曉君，孟凡文. 模糊層次分析法在房地產投資風險評價中的應用[J].西安建筑科技大學學報：自然科學版，2005（1）：135-137.

[17]魯俊偉. 層次分析法在房地產開發項目風險管理中的應用研究[J]. 產業與科技論壇，2008（10）：236-238

[18]孟強.基于層次分析法的房地產項目風險管理[J].商業經濟，2008（6）：15-17.

[19]上官金麗. 基于主成分分析的房地產投資風險評價研究[J].價值工程，2009（5）：158-160.

[20]蘇亞莉. 房地產開發項目風險管理研究[J]. 東華理工大學學報：社會科學版，2011（1）：26-29

[21]田成詩，李輝.中國房地產市場風險評價_基于房價與宏觀經濟協整的分析[J]. 預測，2008（4）：1-5.

[22]楊淑君，王超.基于狀態空間模型的我國房地產上市公司財務流動性實證研究[J]. 財政監督，2010（1）：7-9.

[23]喻曉艷，王松江. 房地產動態風險管理模型[J].科學咨詢（決策管理），2008（10）：33-34

[24]張羽，張小利.房地產行業上市公司流動性分析[J].上海立信會計學院學報，2007（3）：47-50.

Research on Financial Risk Monitoring Introducing Value at Risk （VaR） of

Small and Medium- Sized Real Estate Enterprises

WANG Xiao-yan1，2

（1.School of Economics and Management， Northwestern University， Xi′an 710069， China；

2.School of Management and Economics， North China University of Water Resources and Electric Power，

Zhengzhou 450046，China）

Abstract：The external risk of small and medium-sized real estate enterprises has been significantly increased by the state macro control， which poses a severe challenge to the enterprise solvency and capital chain risk. To assess the risk of small and medium-sized real estate enterprises， this paper chooses 1998-2013 annual data of small and medium-sized real estate listed companies as research sample， to construct risk monitoring model by introducing the VaR into financial risk monitoring index system， and the model can effectively improve the accuracy of the financial risk prediction of real estate enterprises. Therefore， the integration of financial VaR risk assessment system has certain reference value for real estate companies to prevent and defuse financial risks， which can also play an early warning role to external market risk factors.

Key words：small and medium-sized real estate enterprises； risk monitoring； Value at Risk； early warning mechanism

（責任編輯：周正）endprint