基于主成分判別分析模型的房地產(chǎn)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)研究

徐曉莉，陳佩佩

（新疆大學(xué)經(jīng)濟(jì)管理學(xué)院，烏魯木齊 830049）

引言

二、實(shí)證研究

在目前經(jīng)濟(jì)全球化逐步深入及中國(guó)經(jīng)濟(jì)轉(zhuǎn)軌時(shí)期，企業(yè)的經(jīng)營(yíng)環(huán)境呈現(xiàn)高度的不確定性和動(dòng)蕩性，企業(yè)難以把握客觀存在的財(cái)務(wù)風(fēng)險(xiǎn)。房地產(chǎn)行業(yè)作為我國(guó)經(jīng)濟(jì)發(fā)展的支柱性行業(yè)以及國(guó)家供給側(cè)改革的重點(diǎn)關(guān)注對(duì)象，對(duì)其財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)估及預(yù)測(cè)是非常有必要的。同時(shí)，行業(yè)自身屬性決定了房地產(chǎn)企業(yè)財(cái)務(wù)具有較高風(fēng)險(xiǎn)性。本文構(gòu)建房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)估模型，旨在為房地產(chǎn)企業(yè)預(yù)測(cè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)提供依據(jù)，當(dāng)預(yù)測(cè)可能面臨風(fēng)險(xiǎn)時(shí)，利于企業(yè)盡早采取有效措施，分散或規(guī)避風(fēng)險(xiǎn)，從而降低甚至避免因財(cái)務(wù)風(fēng)險(xiǎn)給企業(yè)帶來的損失。

目前，國(guó)內(nèi)外關(guān)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警的方法主要有：?jiǎn)巫兞糠治龇ǎ欢嘧兞糠治龇ǎ╖-Sore模型、判別分析以及主成分分析法等；Logistic模型；神經(jīng)網(wǎng)絡(luò)模型等。

一、指標(biāo)體系的構(gòu)建

指標(biāo)選取應(yīng)遵循全面性原則，企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)主要受財(cái)務(wù)以及非財(cái)務(wù)的雙因素影響。本文借鑒國(guó)內(nèi)外財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，加入現(xiàn)金流量以及股權(quán)結(jié)構(gòu)兩方面指標(biāo)，同時(shí)結(jié)合房地產(chǎn)企業(yè)自身的風(fēng)險(xiǎn)特征，選取反映企業(yè)的償債能力、盈利能力、成長(zhǎng)能力、營(yíng)運(yùn)能力、現(xiàn)金流量和股東獲利能力六個(gè)維度的財(cái)務(wù)指標(biāo)，以及股權(quán)結(jié)構(gòu)維度的非財(cái)務(wù)指標(biāo)，共計(jì)31個(gè)評(píng)估指標(biāo)作為備選變量。加入現(xiàn)金流量指標(biāo)，主要是考慮到現(xiàn)金及其流動(dòng)對(duì)企業(yè)的持續(xù)經(jīng)營(yíng)具有關(guān)鍵作用。企業(yè)的日常經(jīng)營(yíng)并非完全依賴于企業(yè)是否能夠盈利，也需要企業(yè)擁有充足的現(xiàn)金流用于各項(xiàng)經(jīng)營(yíng)支出。

（一）樣本及樣本數(shù)據(jù)的選取

根據(jù)中信證券的行業(yè)分類標(biāo)準(zhǔn)，確定本文研究對(duì)象為上市的房地產(chǎn)企業(yè)。

2017年，有12家房地產(chǎn)企業(yè)被ST，所以，本文依據(jù)可比性原則，以1∶1的比例根據(jù)ST樣本組中各個(gè)房地產(chǎn)上市公司相同期間（2017年第一季度）相近總資產(chǎn)規(guī)模進(jìn)行非ST組公司樣本配對(duì)。

上市公司被證券交易所ST表明該公司財(cái)務(wù)存在異常，財(cái)務(wù)風(fēng)險(xiǎn)已經(jīng)發(fā)生，因此本文將ST/*ST企業(yè)定義為已發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的企業(yè)，將非ST企業(yè)定義為正常企業(yè)。本文以選取的24家樣本企業(yè)被ST前兩年的數(shù)據(jù)（2015年）來建立財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型，以隨機(jī)選取的30家房地產(chǎn)企業(yè)2016年的數(shù)據(jù)對(duì)模型的有效性進(jìn)行驗(yàn)證。以上樣本數(shù)據(jù)均來源于上海、深圳證券交易所以及Wind數(shù)據(jù)庫。

（二）主成分分析

1.變量的差異性分析。運(yùn)用SPSS20.0統(tǒng)計(jì)軟件，將ST公司表示為1，正常公司表示為2。根據(jù)12對(duì)24家估計(jì)樣本企業(yè)2015年的經(jīng)營(yíng)數(shù)據(jù)，對(duì)31個(gè)備選指標(biāo)分別進(jìn)行配對(duì)樣本均值差異的T檢驗(yàn)，從而判斷各指標(biāo)在ST企業(yè)與非ST企業(yè)之間是否具有顯著性差異。判別結(jié)果顯示，當(dāng)sig.值小于0.05，應(yīng)拒絕原假設(shè)，即ST公司與非ST公司在相應(yīng)指標(biāo)上存在顯著性差異。因此，本文選擇資產(chǎn)負(fù)債率（X5）、凈資產(chǎn)收益率（X6）、總資產(chǎn)報(bào)酬率（X7）、總資產(chǎn)凈利率（X8）、銷售凈利率（X9）、成本費(fèi)用利潤(rùn)率（X10）、現(xiàn)金營(yíng)運(yùn)指數(shù)（X21）、營(yíng)業(yè)收入現(xiàn)金比率（X23）、每股收益（X24）、每股凈資產(chǎn)（X25）、第一股東持股比率（X30）、前十大股東持股比率（X31）共12個(gè)指標(biāo)，使ST企業(yè)組與正常企業(yè)組在償債能力、盈利能力、現(xiàn)金流量、股東獲利能力以及股權(quán)結(jié)構(gòu)維度存在顯著變化。

2.財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型的選擇。本文通過判別分析法以上文提取的4個(gè)主成分為變量，構(gòu)建評(píng)價(jià)企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)的模型，為企業(yè)預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)提供參考。該方法是借助研究樣本的相關(guān)資料指標(biāo)確定判別函數(shù)的分類系數(shù)，建立一個(gè)或多個(gè)判別函數(shù)，通過計(jì)算判別結(jié)果確定樣本所屬類別的一種研究方法。由于多因素誘發(fā)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，以至風(fēng)險(xiǎn)考察的指標(biāo)較多且通常存在信息重疊（指標(biāo)多重共線性）問題，使得一些指標(biāo)無法正常構(gòu)建判別分析模型，其為了保證指標(biāo)信息的完整性，借助主成分分析法將原來眾多指標(biāo)進(jìn)行重新組合保留大部分原始指標(biāo)信息，形成指標(biāo)間低相關(guān)，指標(biāo)內(nèi)高的可用于代替原始指標(biāo)的新綜合指標(biāo)。

首先利用KMO和Bartlett度量對(duì)已選12項(xiàng)指標(biāo)對(duì)應(yīng)的原始數(shù)據(jù)進(jìn)行檢驗(yàn)，分析采用主成分分析法的恰當(dāng)性，結(jié)果（如表1所示）。

本研究KMO值大于0.5，Bartlett球形度檢驗(yàn)的P值小于顯著性水平0.05。所以，拒絕Bartlett球度檢驗(yàn)的零假設(shè)，說明樣本數(shù)據(jù)適合用主成分分析法進(jìn)行主成分提取。

表1 KMO和Bartlett檢驗(yàn)結(jié)果

3.主成分的提取。用SPSS20.0軟件對(duì)數(shù)據(jù)進(jìn)行主成分分析，根據(jù)解釋的總方差結(jié)果提取主成分，本文按照特征值大于1的標(biāo)準(zhǔn)選取前4個(gè)主成分，其特征值分別為5.345、2.156、1.302和1.250。

4.主成分表達(dá)式及命名。通過主成分的成分矩陣可得第一主成分F1、第二主成分F2、第三主成分F3、第四主成分F4的表達(dá)式，但特別需要注意的是，此成分矩陣中的數(shù)值并非主成分特征向量，主成分系數(shù)需要依據(jù)表中成分向量除以各自主成分特征值的算術(shù)平方根求得。因此，本文財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的主成分表達(dá)式為：

在已提取的4個(gè)主成分成分矩陣中，根據(jù)主成分F1各個(gè)指標(biāo)變量的載荷量，發(fā)現(xiàn)X6、X7、X8、X9以及X10的載荷量遠(yuǎn)大于其他變量，分別為0.829、0.907、0.954、0.767以及0.858，因此在房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估中，可將F1命名為盈利能力主成分。同理，可分別將第二、第三、第四主成分命名為股權(quán)結(jié)構(gòu)主成分、現(xiàn)金流量主成分以及股東獲利能力主成分。

（三）多元判別分析模型

1.建模及回判結(jié)果。將所選24家樣本企業(yè)2015年的相關(guān)指標(biāo)數(shù)據(jù)帶入主成分表達(dá)式（1）、式（2）、式（3）、式（4）中，即可得到建立多元判別分析模型的變量數(shù)據(jù)，其結(jié)果通過SPSS20.0軟件的判別分析功能，可得建模樣本的分類函數(shù)系數(shù)如下：

被ST房地產(chǎn)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型為：

Z1=-6.771-0.047F1+0.056F2-0.038F3+0.001F4

正常房地產(chǎn)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型為：

Z2=-6.047+0.116F1+0.110F2+0.104F3+0.117F4

對(duì)于模型有效性的檢驗(yàn)，將2015年的建模樣本數(shù)據(jù)代入上述評(píng)價(jià)模型進(jìn)行回判，其回判結(jié)果（如表2所示）。

表2 分類結(jié)果

回判結(jié)果顯示，在建模樣本中，對(duì)初始分組案例的判別準(zhǔn)確率為95.8%，對(duì)交叉驗(yàn)證分組案例的判別準(zhǔn)確率為91.7%，表明模型具有較高的判別準(zhǔn)確率。

2.模型檢驗(yàn)及分析。本文在上市的151家房地產(chǎn)企業(yè)中隨機(jī)選取了30家作為模型的檢驗(yàn)樣本。首先，將收集到的包括資產(chǎn)負(fù)債率在內(nèi)的12項(xiàng)原始指標(biāo)數(shù)據(jù)帶入前文求得的主成分表達(dá)式中，即可得到檢驗(yàn)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型所需要的數(shù)據(jù)；其次，將觀測(cè)值F1、F2、F3、F4分別帶入上文的判別函數(shù)Z1、Z2中，可得兩組分類函數(shù)值；最后，將觀測(cè)分類到較大的分類函數(shù)值中，即檢驗(yàn)結(jié)果是依據(jù)Z1與Z2的較大值所得。具體驗(yàn)?zāi)＝Y(jié)果可得：本文所構(gòu)建的模型對(duì)ST企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率為85.71%，對(duì)正常企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率為91.3%。所以，總的來說，此模型風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率高達(dá)90%，即可認(rèn)為該模型對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)或預(yù)測(cè)是有效的。

結(jié)語

本文借鑒國(guó)內(nèi)外關(guān)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系，通過加入現(xiàn)金流量以及股權(quán)結(jié)構(gòu)兩維度指標(biāo)，并結(jié)合我國(guó)房地產(chǎn)企業(yè)自身特點(diǎn)，構(gòu)建了本文的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，利用配對(duì)樣本均值差異的T檢驗(yàn)篩選出在ST與非ST企業(yè)之間存在顯著性差異的12個(gè)指標(biāo)，以24家樣本企業(yè)2015年的經(jīng)營(yíng)數(shù)據(jù)提取主成分，通過多元判別分析模型得到企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型如下：

被ST房地產(chǎn)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型為：

Z1=-6.771-0.047F1+0.056F2-0.038F3+0.001F4

正常房地產(chǎn)上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型為：

Z2=-6.047+0.116F1+0.110F2+0.104F3+0.117F4

通過從151家上市的房地產(chǎn)企業(yè)中隨機(jī)抽取30家作為模型檢驗(yàn)樣本，利用樣本企業(yè)2016年的經(jīng)營(yíng)數(shù)據(jù)對(duì)本文所得財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型的有效性進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明，總體來看，本文所構(gòu)建模型的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率達(dá)到90%，即可認(rèn)為該模型對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)是有效的。

同時(shí)，本文研究存在的不足之處在于：一是由于宏觀因素對(duì)各個(gè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)影響程度不好度量，且相關(guān)數(shù)據(jù)的獲取存在困難，故本文的研究主要依據(jù)企業(yè)經(jīng)營(yíng)的微觀數(shù)據(jù)展開，欠缺對(duì)宏觀因素指標(biāo)的考量；二是本文所建立的模型主要用于對(duì)房地產(chǎn)企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，但無法追蹤引發(fā)風(fēng)險(xiǎn)的源頭，這也是在今后的研究中需要進(jìn)一步探究的方面。