房地產企業財務風險評估研究

齊 岳 蔣杉杉 宋瑩瑩

一、引 言

黨的十九大報告指出，“深化金融體制改革，增強金融服務實體經濟能力，健全金融發展體系，守住不發生系統性金融風險的底線。”在防范化解金融風險的過程中，房地產行業起著十分重要的地位。房地產行業是中國國民經濟里較為重要的一個產業，其持續發展對國民經濟非常重要。2017 年，房地產銷售金額在我國GDP 中占比16.3%，但在金融支持實體經濟發展的過程中也出現了創新過度、脫實向虛的問題，例如社會大量資金流向房地產領域，造成房地產泡沫，推高了資產價格。

房地產行業的金融屬性很強，眾多監管命令的頒布使得房地產行業融資渠道收緊，資金鏈緊張，房地產行業成為防控系統性金融風險下受影響程度較深的行業。2018 年金融業持續把防范化解系統性風險放在重要的位置，房地產企業要想在激烈的競爭環境中生存下來，就需要保證自身財務安全性，因此研究房地產企業的財務風險尤為重要。中國學者對上市房地產企業進行研究時，對港股上市房地產企業的研究較少，如丁紅梅（2017）研究了我國在A 股與港股上市的房地產企業所面臨的風險，運用統計分析的方法對影響房地產企業財務風險的因素進行系統性分析，概括性地提出了財務風險預警系統。

本文選取我國港股上市房地產企業為研究對象有以下兩個主要原因。首先，港股與A 股的資本市場環境有著一定差異：港股市場成熟，境外投資者較多，投資理念、投資工具與投資手段均領先于國內以散戶為主的A 股；且決定資本流向的資本敏感性也更強。所以在這樣的資本環境下，港股房地產企業要有優異的業績作支撐才能更好地融資，提升企業價值；而在追求業績增長的過程中，控制財務風險，保證企業正常運營是十分重要的一環。第二，相比于A股市場，港股與國際資本市場聯系更加密切。近三年以來，港股恒生指數隨美股DOWJONES 指數一路攀升，而反觀國內滬深股市則較為低迷。美聯儲的不斷加息以及全球央行實行的更加緊縮的貨幣政策會使流向房地產的資金減少，同時我國房地產企業集中度進一步加強，抗風險能力較弱的中小房地產企業更容易產生財務危機，所以應更加注意防控自身財務風險，以尋求發展之路。

因此本文創新點在于針對目前港股上市的房地產企業，結合行業特性，采取基于因子分析的Z 值與Logistic 回歸分析模型構建適合中國港股上市房地產企業的專有財務風險評估指標體系，并確定企業發生財務風險的判斷標準，以準確及時地識別房地產企業財務風險，更好地防控系統性金融風險。全文研究框架如下圖1 所示。

圖1 研究主體框架

二、文獻綜述

（一）國外房地產企業財務相關研究

在最新管理學研究理論的基礎上，結合行業特性和所處市場環境，國外對于房地產企業與金融市場的研究體系愈加成熟與完善。Fan 等（2013）選取跨國數據進行實證研究發現金融市場風險與房地產價格之間的關系非單調，而取決于市場的程度。Zhang 和Sun（2006）在1992 - 2004 年季度數據的計量經濟分析的支持下得出當期房地產周期對金融穩定的影響包括房地產信貸風險、政府擔保和期限錯配的結論。Liu（2009）考察了四種最常用的財務困境預測模型的預測能力，從而為臺灣的公共工業企業構建了可靠的故障預測模型; 結果表明Probit，Logit 和ANN 模型具有較高的預測精度，具有泛化能力。

（二）國內房地產企業財務相關研究

國內學者對于企業財務風險的研究起步較晚，主要集中在財務風險定義、財務風險成因以及財務風險管理理論三方面。1996 年以來，我國不斷出現了以企業財務比率為基礎的財務風險評估模型，國內學者最常采用的風險評估方法是因子分析法、Z值評估模型以及多元邏輯回歸模型。龍勝平和鄭立琴（2007）結合宏觀環境和房地產企業自身特性，分別構建了Logistic 回歸評估模型、Z 值評估模型和Z-3 值評估模型，均取得很高的預測準確率。 浦軍和劉娟（2009）運用Logistic 回歸模型，采用傳統的財務指標、公司治理結構指標和現金指標，對2007年ST 公司進行提前三至五年的財務困境預警研究，建立了相應的財務危機預警模型，并使用2002～2004 年的數據進行了驗證，取得了令人滿意的效果。朱晨露和崔永紅（2012）對調控政策下的房地產企業財務風險進行評估研究，通過選取受調控政策影響較大的財務指標構建了財務風險評估指標體系，并運用主成分分析法和Logistic 回歸模型進行實證分析，結果顯示流動資金對于企業財務風險的發生具有重大影響。周梅妍（2012）對2006～2010年A 股上市的房地產公司的財務風險預警系統進行了研究，并分析了房地產上市公司的財務風險因素；其次在選取財務和非財務指標作為備選指標，及進行預處理和顯著性檢驗后，運用因子分析對指標項進行了降維處理，并采用BP—Adaboost 神經網絡算法對房地產公司的財務風險進行了預測。丁紅梅（2017）研究了我國在A 股與港股上市的房地產企業所面臨的風險，運用統計分析的方法對影響房地產企業財務風險的因素進行系統性分析，概括性地提出了財務風險預警系統。

通過分析先前學者所做的關于房地產企業財務風險的相關研究發現，針對國內滬深股市房地產企業的財務風險模型已較為豐富。但在當前港股與滬深股發展趨勢仍存在一定差距的情況下，要更好地控制我國房地產企業財務風險，則需要進一步加強針對港股房地產企業的財務風險模型研究。

三、財務風險評估模型的構建

（一）房地產企業財務風險分析

先前學者對于房地產財務風險的分析大多集中于房地產企業自身行業特點、資本結構不合理與現金流不穩定等方面。這樣的分析重點鮮明卻缺乏系統性，容易把房地產企業的財務風險割裂開來，從而忽視了作為一個常規企業所面臨的財務風險的一般性與系統性。本文對于房地產企業財務風險的劃分是基于一般公司財務管理循環的基礎上，考慮房地產行業特點而進行的風險劃分。

對于任何一個企業而言，籌資、投資、營運與利潤分配都是企業財務循環的核心，而財務風險往往也會出現在這些關鍵環節。對于房產行業而言，現金流是一個尤為重要的方面，由于受政策影響較大，房地產企業也要著重于現金流的回收環節。所以結合我國房地產企業經營活動特性及行業現狀，本文將房地產財務風險分為籌資、投資、營運和現金回收風險四大類。

1、籌資風險

房地產企業發生籌資風險主要因為籌資數額不合理和籌資渠道單一。籌集資金多余實際需要，就會造成資金的閑置；籌集資金太少，則會造成項目資金短缺甚至資金鏈斷裂。銀行借款仍然是房地產企業最常用也是占比最大的融資方式。隨著銀行對房地產融資的審核越來越嚴格，越來越多的房地產企業采取短期借款獲取資金，從而造成短債長投的現象。

2、投資風險

房地產的投資風險主要是由于可行性分析不到位和投資成本預算不科學。大多數房地產企業采取的是定性分析方法而忽視了定量分析方法，從而導致可行性分析結果不夠科學準確，增加了投資失敗的概率；房地產開發周期長會導致忽視通貨膨脹、利率變動等因素對預算結果的影響，造成預算結果與實際發生費用之間產生較大差距，最終造成投資風險產生。

3、營運風險

受到去庫存壓力以及預算管理意識淡薄的影響，房地產的營運風險主要是在項目開發建設以及銷售過程中產生的。為加速去庫存，房地產企業經常會增加營銷費用投入來刺激銷量。土地獲取成本，財務費用以及管理費用加上銷售費用高居不下，導致投資項目整體成本增加，項目收益減少，從而導致企業凈利潤減少。

4、現金回收風險

如果企業的產品不能及時銷售，或者商品售出后貨款不能及時收回，都會造成企業產生現金回收風險。一旦出現現金回收風險，就可能影響到現有投資項目的正常運轉，甚至導致現有項目資金鏈斷裂，直接影響企業經營效益。

（二）財務風險評估模型的選擇

綜合國內外學者的研究，財務風險評估方法從時間跨度上主要經歷了一元判別法、Z-SCORE 模型分析、Logistic 回歸模型分析、BP 神經網絡以及COX生存分析模型。本文將這幾種模型的基本假設及優缺點概述如下:

表1 財務風險評估模型的比較

經過參考文獻并結合房地產行業的特性，本文研究最終選擇了基于因子分析的Z 值評估模型和基于因子分析的Logistic 回歸模型。主要理由包括以下三點：其一，本文選取代表企業償債、營運、盈利、股票市場表現以及規模的共計23 個財務指標，指標數量眾多，引入因子分析既能夠最大限度的保留指標所包含的信息，又能簡化研究，達到數據降維的目的。其二，Logistic 回歸模型的因變量Y 屬于分類變量，本文研究企業是否存在財務危機，屬于二分類變量，符合Logistic 回歸模型的假設條件。其三，因子分析、Z 值分析以及Logistic 回歸模型是財務危機預警問題研究的主流方法，相對其他模型來說簡單易操作，容易理解，適用性強。本文同時采取三種研究方法，有利于克服單個模型的限制。

本次研究對象為在香港上市的房地產企業，原因是相比于A 股市場，港股整體市場化程度更完善，與國際接軌程度較高，資本敏感性也更強；同時身在港股的房地產企業所處的資本環境更加嚴峻，也更容易發生財務危機。所以本文最終選擇港股上市房地產企業，以經典評估模型即因子分析的Z 值與Logistic 回歸分析模型為依托，構建適合中國港股上市房地產企業的專有財務風險評估指標體系，并確定企業發生財務風險的判斷標準，以準確及時地識別房地產企業財務風險，更好地防控系統性金融風險。

（三）財務風險評估指標體系的構建

1、評估指標的選取

財務風險評估模型建立在財務風險評估指標體系的基礎上。評估指標體系的建立必須要結合特定的市場環境和所研究行業的特點，這樣才能提升評估模型的準確性和適用性。本文在建立財務風險評估指標體系時遵守以下相關原則。

第一、行業性原則。本文在選取傳統財務指標的基礎上，結合房地產行業特性及其集中化趨勢，特意將規模指標納入指標體系來衡量企業財務風險。第二、全面性原則。本文在選取反映企業償債、盈利、營運以及成長能力的指標基礎上，加入現金指標、股票市場表現指標以及規模指標以構建相對完整的指標體系。第三、預測性原則。這就要求所選指標對于企業及行業環境具有較高的靈敏性，在選取指標時要盡量選擇與行業緊密聯系的先導性評估指標。第四、可操作原則。財務風險評估指標的構建是為了反映房地產企業的財務狀況，所以可操作性原則要求研究數據可獲取，研究方法具備適用性。

綜合我國房地產企業特性和金融監管趨嚴的背景，本文選取了七個指標類別，共23 個財務指標組成風險評估指標體系，如表2 所示。償債能力、營運能力、盈利能力與成長能力是評估一般企業財務風險的基本指標，當然也適用于房地產企業。除此之外，本文選取了主營業務收入現金比率、債務保障率以及現金流量比率來反映企業現金流量質量，指標數值越大，說明企業現金流量情況越好，財務風險越小。同時，本文也考慮了股票市場表現指標，選取市盈率、市凈率以及市銷率來反映企業在股票市場上的表現。最后，由于房地產行業的集中度趨勢，導致眾多小規模的房企面臨著融資渠道收窄，投資受阻甚至被兼并的風險。本文特意加入反映企業規模的指標，所采取的處理方法就是對上市房地產企業的總資產取對數。房地產行業的規模優勢越來越明顯，規模越大，生存能力越強，生存環境越有利，財務風險越小。

表2 房地產企業財務風險評估指標體系表

2、財務指標及判斷標準的選取

之前學者在對房地產企業財務風險進行評估時，從眾多財務指標中選取出比較具有代表性的四個指標，以速動比率、總資產周轉率、凈資產收益率和主營業務收入增長率四個指標的中位數作為財務風險判斷標準，認為當四個指標中有三個指標低于行業中位數時即判定企業為財務非健康企業。為提升研究的準確性及科學性，本文加入滬深A 股市場判定企業是否存在財務危機的凈利潤指標作為補充指標，共五個財務指標作為判斷標準。

收集整理2014-2016 年度港股上市房地產企業公布財務報表中的財務數據，通過統計性描述得了到四個指標的中位數分別為速動比率為0.62，凈資產收益率為6.56%，總資產周轉率為0.16，主營業務收入增長率為13.26%。

健康的企業速動比率通常大于1，港股房地產行業的速動比率中位數為0.62，表明港股房地產行業整體償債能力較弱，所以速動比率小于0.62 的企業可能有償債風險。如果房地產企業的凈資產收益率低于其中位數6.56%，則可能存在盈利風險。與其他行業相比，房地產行業的總資產周轉率處于較低水平，如果企業總資產周轉率小于0.16 就可能存在營運風險。據統計，港股房地產企業的主營業務收入在近年來呈現增長趨勢，因此，主營業務收入增長率低于行業中位數13.26% 的房地產企業可以判斷為成長能力較差。綜上，本文設立房地產上市公司為財務非健康企業的判斷標準為：四個判斷財務指標中至少有三個判斷指標低于其行業中位數，如表3所示。

表3 房地產上市公司財務風險判別表

證監會規定A 股上市公司在連續的兩個會計年度內均發生虧損，認定該公司財務情況異常。雖然H 股和滬深A 股房地產企業上市地點和環境不一樣，但均屬于中國房地產企業，其經營環境和采用的會計準則都是一樣的，所以本文認為利用凈利潤判斷滬深A 股企業是否陷入財務危機的方法同樣適用于港股上市房地產企業。因此，針對本文研究的房地產企業，判斷2015-2016 連續兩年凈利潤為負數的企業為財務非健康企業。綜合上述兩種判斷標準，本文找到港股一共有146 家房地產上市公司，剔除已退市以及數據嚴重缺失的16 家公司以及2013 年以后上市的37 家公司，最終選定2014 年以后在港股上市的93 家房地產上市公司。根據五個判斷指標共篩選出32 家財務非健康企業，如表4 所示：

表4 非正常房地產上市公司財務狀況表

四、基于因子分析的Z 值與Logistic回歸實證分析

（一）財務風險評估指標的處理

1、評估指標的正態檢驗

在眾多的正態檢驗方法中，本文選擇了非參數檢驗的K-S（全稱為Kolmogorov-Smirnov）檢驗。K-S檢驗原假設：被檢驗樣本的分布和正態分布之間不存在顯著性差異。如果檢驗結果顯示雙側漸進概率高于設定的顯著性水平，則認為原假設是正確的，否則認為樣本不是正態分布。

下面運用SPSS 分析軟件對23 個指標進行顯著性水平為5%的K-S 檢驗，結果如下表所示：

表5 K-S 檢驗結果表

由分析結果得出，存貨周轉率、流動資產周轉率、總資產周轉率以及公司規模四個指標符合正態分布，可以直接用作Z 值分析；其他指標不符合正態分布，需要進行進一步檢驗。

2、評估指標的顯著性檢驗

顯著性檢驗是探究兩個總體之間是否產生真實差異，還是偶然出現。基于上文K-S 檢驗的結果，接下來將對通過K-S 正態性檢驗的四個評估指標應用獨立兩樣本的T 檢驗，而對其余19 個評估指標采用非參數檢驗。

（1）評估指標的T 檢驗

本文將財務健康企業和財務非健康企業作為獨立的兩樣本接受T 檢驗。通過檢驗兩組樣本指標均值是否相同來判斷其在兩樣本組中是否存在顯著性差異。計算得到的顯著性水平sig 數值如果大于給定的顯著性水平a，則認為原假設是成立的，兩獨立樣本均值相同；反之則拒絕原假設，認為這兩個獨立樣本之間均值不同，存在顯著性差異。本文給定的顯著性水平a 為0.05。

本文利用SPSS 統計軟件對X5（存貨周轉率）、X6（流動資產周轉率）、X8（總資產周轉率）以及X23（公司規模）4 個指標的T 檢驗結果如表6所示。

表6 兩獨立樣本T 檢驗結果

從上表可以看出，四個指標均通過了T 檢驗，表明四個指標在財務健康企業和財務非健康企業這兩個獨立樣本之間有顯著性差異，可以納入評估體系進行下一步實證分析。

（2）評估指標的非參數檢驗

本文對沒有通過K-S 正態分布檢驗的19 個評估指標進行非參數檢驗。綜合比較多種非參數檢驗的辦法，本文最終選定了國內外學者廣泛使用的獨立兩樣本Mann-Whitney U 檢驗法，檢驗19 個評估指標在財務健康企業和財務非健康企業間是否存在顯著性差異。

原假設為評估指標變量在財務健康企業與財務非健康企業之間不存在顯著性差異，設定顯著性水平為0.05。通過SPSS 數據分析軟件計算，19 個評估指標進行顯著性檢驗的最終結果如表7 所示。

表7 非參數Mann-Whitney U 檢驗

數據來源： SPSS 統計分析軟件。

未通過K-S 檢驗的19 個評估指標均通過了顯著性檢驗，應納入評估指標體系。但考慮到，有些指標反映的是企業同一方面的能力，具有較大相關性。本文將23 個指標簡化成具有代表性的因子，既能最大限度保留指標所反映的信息，又能簡化研究。

（二）因子分析

1、原始數據檢驗

（一）指標體系 《普通高等學校黨建工作基本標準》將高校黨建工作分為黨委對學校工作的領導、領導班子建設等6個方面。《中國共產黨普通高校基層組織工作條例》、《中共教育部黨組關于加強普通高等學校基層黨組織建設的意見》等文件也對高校黨建工作進行了劃分。本項目組主要依托上述文件設計指標體系，但是由于本項目主要考察院系級別的基層黨組織，所以涉及整個高校層面的指標不予考慮。小組設計了以制度保障、組織建設、作用發揮、作風建設及反腐倡廉、思想政治工作和黨的領導6個一級指標，下含27個二級指標，詳見表1。

本文將港股房地產上市公司2014-2016 年度財務指標作為模型的初始變量，通過因子分析對23個指標進行簡化，以達到降低數據維度、簡化研究的目的。因子分析首先要進行 KMO 統計量和Bartlett 球形檢驗，來判斷數據之間是否有共線性，從而判斷樣本是否適合做因子分析。

檢驗結果如表8 所示，KMO 值為0.725＞0.6 ，Bartlett 球形檢驗的sig 值為0.00，小于顯著性水平0.05，因此可以判定本文評估模型指標體系適合進行因子分析。

表8 KMO 和Bartlett 球形檢驗結果

2、因子提取

本文采用主成分方法提取因子，提取出特征值大于1 的因子。使用SPSS 軟件得到的因子及其方差貢獻率結果發現，特征值大于1 的因子共有9 個。提取的九個公共因子的累計方差貢獻率為77.6%，且原有因子的提取和累計方差貢獻率在因子旋轉后沒有發生改變。

3、因子旋轉

通常情況下，在計算因子得分前要進行因子旋轉。這是因為初始因子載荷矩陣系數可能不是太明顯，其顯示的邏輯意義也不明確，為了使因子載荷系數向0 或1 分化，本文采用方差最大法進行因子旋轉，旋轉后得出因子載荷矩陣。因子的方差貢獻率越大，其能反映整體變量的信息越多，對于企業財務風險評估的影響程度越大，對于企業來說就越重要。九個因子按照公共因子的方差貢獻率進行排序，如表9 所示。

表9 各因子包含指標情況表

4、因子得分

因子分析是將眾多原始變量表示成被提取的少量因子的線性組合。但是，在實際研究中，將公共因子表示成原始變量的線性組合更有助于描述研究樣本的特征。所以，在本文中采取反方向辦法，用被提取的公共因子替代初始變量。利用因子分析中的回歸分析法，得到因子得分系數表，進而得到公共因子得分模型：

（三）Z 值與Logistic 回歸評估模型分析

通過以上的實證分析提取了9 個主成分因子，再根據主成分特征值與貢獻率中各個主成分因子的貢獻率，將主成分因子與其各自的貢獻率相乘，就得到了基于因子分析的Z 值評估模型：

將樣本組中的93 家房地產類上市公司的各項指標代入上述公式，計算各家上市公司的綜合分數，并將綜合分數進行分類匯總如表10 所示。

表10 Z 值分布表

通過上述反復對比分析，本文認為把Z 值預警模型的臨界值定為1 較為理想，如表11 所示，臨界值為1 時財務健康企業預測率為80.3%，財務非健康企業為75%，總預測率為78.5%，未被成功預測的企業共有22 家。

表11 Z 值預測表

Z 值評估模型是多元線性評估模型，1968 年學者Altman 首先提出Z 分數模型并不斷進行改善，通過大量數據樣本研究得到Z 值預警區間，這使得Z值評估模型具有很強的應用性。本文所建立的基于因子分析的Z 值實證研究取得了較為滿意的預測精確度，所以使用者可以直接將數據代入評估模型從而得到結果，簡單易操作。

2、基于因子分析的Logistic 回歸分析

（1）變量選擇及擬合度檢驗

本文對模型進行擬合度檢驗采取的是經典的Hosmer 和Lemeshow 檢驗。若sig＞0.05，卡方值小于臨界值CHIINV（顯著性水平，自由度），說明模型擬合效果很好。從表12 看出，模型的P（sig）值0.512＞0.05，而且CHIINV（0.05,9）=16.92＞7.227（卡方），這說明該模型能夠很好地擬合整體。

表12 Hosmer 和Lemeshow 檢驗表

（2）Logistic 回歸評估模型的構建

經過擬合度檢驗之后，運用SPSS 數據分析軟件進行Logistic 回歸分析，取得最后的模型統計量，從而得到財務風險評估模型概率P 的表達式。當P大于0.5 時，Y 值取1，表示企業有較大可能會發生財務風險；當P 小于0.5 時，Y 值取0，表示企業在研究期間沒有財務風險。

從上述Logistic 回歸評估模型可知，九個因子變量的回歸系數均為負數，代表變量與財務風險發生概率反向變化。償債因子指標經過取倒數同向處理后，其回歸系數為負數，說明當償債原指標與財務風險發生概率為同向變化。綜上，評估模型中全部變量系數的符號和理論相符。

（3）最優閾值的確定

結合總誤判率和總誤判成本，本文采用嘗試比較的方法選擇最優閾值。利用2016 年的數據，將閾值分為0.1-0.9 共9 個閾值點來分析不同閾值點之間Logistic 回歸模型結果的變化，具體變化見表13所示。

表13 不同閾值誤判率統計

表13 中，總誤判率最低的閾值點是0.4、0.5 和0.6 三個閾值點，均為15.1%。但以0.4 作為閾值點的第一類誤判率為21.9%，小于以0.5 和0.6 作為閾值點的誤判率，誤判成本最小。因此本文所建立的Logistic 回歸預警模型將以0.4 作為最優閾值點。

利用SPSS 統計軟件，將指標數據代入所建立的Logistic 回歸評估模型中進行實證分析，輸出的預測分類表14 顯示模型的預測精度整體為84.9%，財務健康企業的預測準確率為88.5%；對于財務非健康企業的預測精度較低，為78.1%。未能成功預測的企業共有14 家。相比其他以Logistic 作為回歸的財務預警模型，如田寶新和王建瓊（2017）以滬深A股上市公司為研究對象所構建的財務風險預警模型，其Logistics 回歸預警準確率最高達到79.4%；本文以0.4 作為最優閾值點，所構建的港股房地產企業財務風險評估模型在基于因子分析的Logistic 回歸分析中達到了更高的精確率，對于健康企業的預測準確度更是達到了88.5%。

本文基于對房地產企業財務風險的科學劃分、財務風險評估模型的適當選擇與針對港股房地產企業進行的財務風險評估模型指標體系構建的合理性，才能在基于因子分析的Z 值與Logistic 回歸實證分析中取得較高的精確率，同時也說明本文針對港股房地產企業所構建的財務風險評估模型具有較強的指導意義。

表14 最終預測分類表

3、Z 值和Logistic 回歸評估模型的比較分析

本文通過同樣的樣本數據建立了針對港股房地產上市公司的兩種財務風險評估模型，并均取得了較好的財務風險預測效果。從本文兩種模型最終顯示的預測準確率來看，Z 值財務風險評估模型財務健康企業預測率為80.3%，財務非健康企業為75%，總的預測率為78.49%。Logistic 回歸評估模型對樣本評估的綜合準確率達到了84.9%，其中對財務健康企業的評估準確率為88.5%，對財務非健康企業的評估判斷率為78.1%。綜合兩種評估模型研究，本文認為在評估港股上市房地產企業財務風險時Logistic 回歸評估模型優于Z 值財務風險評估模型。且采用基于因子分析的Z 值與Logistic 回歸實證分析研究港股上市房地產企業財務風險具有較強的現實意義，研究方法容易理解、研究過程容易操作、研究結果淺顯易懂，可以為企業判斷財務風險提供很好的參考。

五、結論與展望

（一）研究結論

本文在參考國內外學者大量研究的基礎上，結合港股上市房地產企業的特性，將其在2014-2016三個年度的23 個財務指標代入構建了基于因子分析的Z 值評估模型與Logistic 回歸評估模型中，最終得到的研究結論有：

（1）以速動比率、總資產周轉率、凈資產收益率以及主營業務收入增長率四個財務指標為判斷指標，創新性地補充凈利潤判別法。

（2）選取代表企業償債、營運、盈利、成長、現金流量質量、股票市場表現能力以及企業規模七個方面共23 個財務指標，通過因子分析最終得到九個公共因子，被提取的九個公共因子對整體指標的解釋程度高達77.6%。通過因子分析提取的九個公共因子進行基于因子分析的Z 值實證分析以及基于因子分析的Logistic 回歸分析，分別得到兩種評估模型。

（3）通過將93 家企業的財務數據代入上述兩種財務風險評估模型，得到兩種評估模型的預測準確率。

綜合來看，Logistic 回歸評估模型的綜合預測準確率高于Z 值財務風險評估模型，更適用于港股上市房地產企業進行財務風險評估研究。

（二）展望

本文雖對港股上市房地產企業創新性地提出了預測準確率較高的財務風險評估模型，但仍存在很多不足之處需要加以改進。第一，本文在構建財務風險評估體系時，考慮到非財務指標難以直接量化處理，因此全部采用的是財務指標而沒有采用非財務指標。第二，本文研究港股上市房地產財務風險時只采用了房地產行業的微觀數據。第三，本文在進行港股上市房地產企業財務風險評估模型時采取的是經典的因子分析法、Z 值模型以及Logistic 回歸模型，雖然本文將三種評估模型有機結合在一起，提升了研究的科學性和準確性，但仍然還有許多評估模型值得我們去探討，例如近年來學者采用的功效系數法等。

本文針對中國在港股上市的房地產企業構建了財務風險評估模型，且在實證檢驗中取得了較高的精確率，所以在實際中，港股上市的房地產企業可將自身財務數據直接帶入到本文所構建的財務風險評估模型當中，操作簡單易行。這使得港股上市房地產企業能夠及時準確地識別自身財務風險，進而防控系統性金融風險。