基于熵權(quán)法TOPSIS模型的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估

[摘 要]受“房住不炒”導(dǎo)向及相關(guān)配套政策影響，房地產(chǎn)行業(yè)面臨的風(fēng)險(xiǎn)逐漸增大。對(duì)于投資者及購(gòu)房者而言，有效識(shí)別高風(fēng)險(xiǎn)的房地產(chǎn)企業(yè)能幫助其盡量規(guī)避可能出現(xiàn)債務(wù)違約、建筑爛尾等現(xiàn)象的企業(yè)，實(shí)現(xiàn)資金的合理配置。文章選取2017年至2018年僅在A股上市的房地產(chǎn)企業(yè)，基于熵權(quán)法和TOPSIS法，運(yùn)用盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力、現(xiàn)金能力構(gòu)建了房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估五維模型。研究結(jié)果表明，房地產(chǎn)行業(yè)風(fēng)險(xiǎn)在地域上已向一、二線城市擴(kuò)散、在行業(yè)內(nèi)正向少數(shù)企業(yè)集中，投資者和購(gòu)房者在評(píng)估房企財(cái)務(wù)風(fēng)險(xiǎn)時(shí)最應(yīng)關(guān)注企業(yè)的償債能力，其次是現(xiàn)金能力和營(yíng)運(yùn)能力。

[關(guān)鍵詞]熵權(quán)法;TOPSIS法;房地產(chǎn)行業(yè);財(cái)務(wù)預(yù)警

[DOI]10.13939/j.cnki.zgsc.2021.16.156

1 引言

自2020年年初至七月中旬，已有250余家房地產(chǎn)企業(yè)宣告破產(chǎn)。統(tǒng)計(jì)數(shù)據(jù)顯示，破產(chǎn)的房地產(chǎn)企業(yè)多為三四線城市區(qū)域性中小型房地產(chǎn)企業(yè)，但其中不乏部分總部位于上海、廣州、杭州、西安等一、二線城市的企業(yè)。房地產(chǎn)企業(yè)破產(chǎn)潮的主要成因包括房地產(chǎn)行業(yè)整體財(cái)務(wù)杠桿偏高、新冠肺炎疫情及“房住不炒” 定位導(dǎo)致房產(chǎn)成交量短期萎縮等。為保障房地產(chǎn)企業(yè)平穩(wěn)過(guò)渡，部分地方政府出臺(tái)扶持政策。其中，供給端扶持政策包括允許企業(yè)延期或分期繳納土地出讓金、允許企業(yè)辦理開(kāi)竣工延期、降低商品房預(yù)售條件和預(yù)售資金監(jiān)管留存比例等，需求端扶持政策包括加大住房公積金支持力度、支持人才購(gòu)房、發(fā)放購(gòu)房補(bǔ)貼等。

宏觀環(huán)境的變革無(wú)疑加劇了房地產(chǎn)企業(yè)的分化，對(duì)于投資者、債權(quán)人、潛在購(gòu)房者、地方政府等而言，運(yùn)用量化手段快速有效地評(píng)估企業(yè)風(fēng)險(xiǎn)、預(yù)判其出現(xiàn)財(cái)務(wù)危機(jī)的可能性并采取相應(yīng)措施顯得尤為重要。

為評(píng)估企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)并進(jìn)行財(cái)務(wù)預(yù)警，國(guó)內(nèi)外學(xué)者研究提出了單變量分析法（Fitzpatrick，1932）、Z-Score模型（Altman，1968）、Logistic模型（Ohlson，1980）、主成分分析法（張愛(ài)明等，2001）、神經(jīng)網(wǎng)絡(luò)模型（曹彤等，2014）等。現(xiàn)有研究成果顯示，總資產(chǎn)收益率、凈資產(chǎn)收益率、息稅前利潤(rùn)率、股東權(quán)益比率、資產(chǎn)負(fù)債率、總資產(chǎn)周轉(zhuǎn)率等反映企業(yè)盈利能力、償債能力、營(yíng)運(yùn)能力的指標(biāo)均可在一定程度上對(duì)企業(yè)財(cái)務(wù)危機(jī)做出預(yù)判。在此基礎(chǔ)上，專家學(xué)者們還試圖從現(xiàn)金能力（周首華等，1996）、公司治理（梁琪等，2009）及內(nèi)部控制完善程度（萬(wàn)希寧等，2007）、股票價(jià)格變化幅度（Beaver，1968）等角度預(yù)判企業(yè)財(cái)務(wù)危機(jī)。

基于熵權(quán)法的TOPSIS法能有效消除不同量綱的影響、減少主觀估計(jì)偏差，且該方法對(duì)樣本數(shù)據(jù)的假設(shè)條件相對(duì)寬松、操作軟件簡(jiǎn)便易學(xué)，因而其應(yīng)用日漸廣泛。目前，采用TOPSIS法評(píng)估特定行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究分析還相對(duì)較少。鑒于2017年是房地產(chǎn)調(diào)控政策出臺(tái)極為密集的一年，文章以2017—2018年僅發(fā)行A股的房地產(chǎn)業(yè)上市公司為樣本，運(yùn)用基于熵權(quán)的TOPSIS法評(píng)估企業(yè)風(fēng)險(xiǎn)并得出相關(guān)結(jié)論與啟示，豐富了相關(guān)研究成果。

2 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估體系的設(shè)計(jì)與指標(biāo)選取

文章從盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力、現(xiàn)金能力五個(gè)維度對(duì)房地產(chǎn)企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)估。具體而言，文章所選取的用于衡量盈利能力指標(biāo)包括銷(xiāo)售毛利率、資產(chǎn)凈利率，所選取的用于衡量?jī)攤芰χ笜?biāo)包括產(chǎn)權(quán)比率、流動(dòng)比率、速動(dòng)比率、超速動(dòng)比率、利息保障倍數(shù)，所選取的用于衡量營(yíng)運(yùn)能力指標(biāo)包括總資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、營(yíng)業(yè)周期，所選取的用于衡量成長(zhǎng)能力指標(biāo)包括總資產(chǎn)增長(zhǎng)率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率，所選取的用于衡量現(xiàn)金能力指標(biāo)包括銷(xiāo)售現(xiàn)金比率、主營(yíng)業(yè)務(wù)收入現(xiàn)金含量、凈利潤(rùn)現(xiàn)金含量、現(xiàn)金股利保障倍數(shù)。其中，除產(chǎn)權(quán)比率和營(yíng)運(yùn)周期為正向指標(biāo)外，其余指標(biāo)均為反向指標(biāo)。整體評(píng)價(jià)指標(biāo)體系如表1所示。

3 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估的實(shí)證分析

3.1 樣本選取及數(shù)據(jù)來(lái)源

文章參照證監(jiān)會(huì)2012年頒布的行業(yè)分類(lèi)指引，選取2017—2018年僅在A股上市的房地產(chǎn)企業(yè)為研究樣本。選取僅在A股上市的房地產(chǎn)企業(yè)的原因在于：與A+H股上市的房地產(chǎn)龍頭企業(yè)相比，僅在A股上市的房地產(chǎn)企業(yè)整體有體量相對(duì)較小、質(zhì)量相對(duì)較弱的特點(diǎn)，且兩者在相關(guān)法律約束、融資選擇空間、股利支付策略等方面顯著存在差異。文章剔除了初始研究樣本中重要數(shù)據(jù)缺失的公司，最終得146個(gè)樣本（2017年78個(gè)、2018年68個(gè)）。文章的數(shù)據(jù)來(lái)源為RESSET數(shù)據(jù)庫(kù)。

3.2 基于熵權(quán)法TOPSIS模型的應(yīng)用

文章通過(guò)建立熵權(quán)法TOPSIS模型評(píng)價(jià)樣本企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，具體步驟如下。

3.2.1 利用熵權(quán)法客觀賦權(quán)

依據(jù)信息論基本原理，信息的熵值可反映指標(biāo)的離散程度。信息熵越小，指標(biāo)的離散程度越大，指標(biāo)對(duì)綜合評(píng)價(jià)的影響也越大。熵權(quán)法正是基于指標(biāo)的離散程度對(duì)其進(jìn)行客觀賦權(quán)的方法。與AHP法的主觀賦權(quán)不同，熵權(quán)法更注重于反映數(shù)據(jù)本身的內(nèi)在統(tǒng)計(jì)規(guī)律而非決策者的主觀意圖。也就是說(shuō)，熵權(quán)法的采用能有效降低主觀隨機(jī)性，使運(yùn)算結(jié)果更為科學(xué)可靠。文章各指標(biāo)的賦權(quán)步驟如下：

設(shè)共有m個(gè)樣本、n項(xiàng)評(píng)價(jià)指標(biāo)，則可用xij表示第i個(gè)樣本第j項(xiàng)指標(biāo)的值。進(jìn)一步的，原始數(shù)據(jù)可整合為矩陣A={xij}m×n（i=1， 2， …， m; j=1， 2， …， n）。文章共計(jì)148個(gè)樣本（2017年78個(gè)、2018年68個(gè)），包含16項(xiàng)評(píng)價(jià)指標(biāo)。

為消除樣本量綱并減少運(yùn)算結(jié)果對(duì)均值較大指標(biāo)的偏向，通常采用線性變換、標(biāo)準(zhǔn)0～1變換、向量規(guī)范化等方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。文章采用標(biāo)準(zhǔn)0～1變換對(duì)數(shù)據(jù)進(jìn)行了初步處理。具體運(yùn)用的公式如下：

在此基礎(chǔ)上，文章運(yùn)用公式（2）和公式（3）計(jì)算各指標(biāo)信息熵并對(duì)其進(jìn)行客觀賦權(quán)。ej和wj（j=1，2，…，n）的具體數(shù)值如表2所示。

熵權(quán)法客觀復(fù)權(quán)的結(jié)果顯示，償債能力指標(biāo)在2017年占權(quán)重56.20%、在2018年占權(quán)重44.33%，其始終是衡量企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)、預(yù)警企業(yè)財(cái)務(wù)困境的關(guān)鍵指標(biāo)。在償債能力指標(biāo)中，占權(quán)重最大的是反映企業(yè)總體償債能力的產(chǎn)權(quán)比率，其在2017年占權(quán)重41.50%、在2018年占權(quán)重35.59%。在2017年，速動(dòng)比率和超速動(dòng)比率占權(quán)重12.44%、流動(dòng)比率占權(quán)重2.25%，而2018年前者降至2.63%、后者升至6.11%，該變化顯示在房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)體系中，長(zhǎng)期償債能力變得更為重要。這符合房地產(chǎn)企業(yè)面臨長(zhǎng)期政策調(diào)控，尋求總體債務(wù)配比優(yōu)化的新情況。

營(yíng)運(yùn)能力在2017年和2018年分別占權(quán)重16.39%、16.38%，且營(yíng)業(yè)周期指標(biāo)始終為衡量該能力的最高權(quán)重指標(biāo)?，F(xiàn)金能力在2017年和2018年分別占權(quán)重18.87%、21.90%，上升3.03%，且銷(xiāo)售現(xiàn)金比率始終為衡量該能力的最高權(quán)重指標(biāo)。該組指標(biāo)符合房地產(chǎn)行業(yè)整體“去庫(kù)存”、提升盈利質(zhì)量的需求。

在2018年，房地產(chǎn)企業(yè)盈利能力權(quán)重由6.61%上升至13.43%。盈利能力指標(biāo)權(quán)重的提升反映了不同房地產(chǎn)企業(yè)在政策調(diào)控背景下出現(xiàn)了更為嚴(yán)重的利潤(rùn)分化。

此外，成長(zhǎng)能力在2017年和2018年占權(quán)重均在5%以下。在“房住不炒”導(dǎo)向下，房地產(chǎn)企業(yè)的增長(zhǎng)速度較之前年度普遍更為平穩(wěn)，企業(yè)成長(zhǎng)速度區(qū)分度不大。

3.2.2 運(yùn)用TOPSIS法進(jìn)行多目標(biāo)決策

TOPSIS法的基本原理是構(gòu)造多目標(biāo)決策的正理想解和負(fù)理想解，并依照評(píng)價(jià)對(duì)象到正負(fù)理想解的明考斯基距離評(píng)價(jià)多目標(biāo)決策的優(yōu)劣。歐氏幾何距離是明考斯基距離的特殊情況。TOPSIS法的運(yùn)用過(guò)程如下：

文章按照上述步驟得出2017年和2018年的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)排序，由于篇幅限制，文章僅披露每年財(cái)務(wù)風(fēng)險(xiǎn)排名前10的企業(yè)。

由表3可知，2017年財(cái)務(wù)風(fēng)險(xiǎn)排名較高的房地產(chǎn)企業(yè)有華發(fā)股份（600325）、蘇州高新（600736）、信達(dá)地產(chǎn)（600657）等，2018年財(cái)務(wù)風(fēng)險(xiǎn)排名較高的房地產(chǎn)企業(yè)有電子城（600658）、西藏城投（600773）、天?；ǎ?00965）等。該統(tǒng)計(jì)結(jié)果顯示，高風(fēng)險(xiǎn)的房地產(chǎn)企業(yè)已不僅局限于三四線城市企業(yè)，其風(fēng)險(xiǎn)業(yè)已傳導(dǎo)至總部位于廣東?。ㄈA發(fā)股份）、江蘇?。ㄌK州高新）、北京市（信達(dá)地產(chǎn)）等發(fā)達(dá)省市的企業(yè)。此外，由表中可觀察到，與2017年財(cái)務(wù)風(fēng)險(xiǎn)排名前10位的企業(yè)相比，2018年排名前10位的企業(yè)Ci值差距顯著增大，即房地產(chǎn)企業(yè)綜合財(cái)務(wù)風(fēng)險(xiǎn)由行業(yè)普遍性風(fēng)險(xiǎn)逐漸向部分企業(yè)分化集中。此外，房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估不應(yīng)僅局限于綜合分析，產(chǎn)權(quán)比率、營(yíng)業(yè)周期、銷(xiāo)售現(xiàn)金率等熵權(quán)法下的高權(quán)重指標(biāo)也應(yīng)被給予重點(diǎn)關(guān)注。具體而言，2018年的分析數(shù)據(jù)顯示，以下房地產(chǎn)企業(yè)由于高權(quán)重指標(biāo)重度偏離可能亦存在較高風(fēng)險(xiǎn)：產(chǎn)權(quán)比率嚴(yán)重偏離的魯商置業(yè)（600223）、營(yíng)業(yè)周期嚴(yán)重偏離的榮豐控股（000668）、銷(xiāo)售現(xiàn)金比率嚴(yán)重偏離的電子城（600658）、產(chǎn)權(quán)比率與營(yíng)業(yè)周期均大幅偏離的云南城投（600239）和泰禾集團(tuán)（000732）、營(yíng)業(yè)周期與銷(xiāo)售現(xiàn)金比率均大幅偏離的西藏城投（600773）和北京城建（600266）。

2017—2018年間，部分企業(yè)的綜合財(cái)務(wù)風(fēng)險(xiǎn)排名發(fā)生了較大變動(dòng)，變動(dòng)幅度排名前三位的企業(yè)分別為華發(fā)股份（600325）、京能置業(yè)（600791）、北京城建（600266）。

2017至2018年間，華發(fā)股份（600325）的銷(xiāo)售現(xiàn)金比率等現(xiàn)金能力指標(biāo)提升顯著，綜合財(cái)務(wù)風(fēng)險(xiǎn)排名由第1位降至64位。受盈利能力、償債能力下降的影響，京能置業(yè)（600791）的綜合財(cái)務(wù)風(fēng)險(xiǎn)排名由第78位升至8位。受營(yíng)運(yùn)能力、成長(zhǎng)能力下降的影響，北京城建（600266）的綜合財(cái)務(wù)風(fēng)險(xiǎn)排名由第73位升至6位。

為進(jìn)一步描述房地產(chǎn)行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)狀況，文章分別對(duì)2017年與2018年的樣本企業(yè)運(yùn)用了聚類(lèi)分析法。文章運(yùn)用K均值聚類(lèi)法將樣本聚為3類(lèi)，并得出了以下結(jié)論：①2017年，Ⅰ類(lèi)風(fēng)險(xiǎn)企業(yè)占比55.13%、Ⅱ類(lèi)風(fēng)險(xiǎn)企業(yè)占比34.62%，合計(jì)占比達(dá)89.74%。與之相對(duì)應(yīng)的，Ⅲ類(lèi)風(fēng)險(xiǎn)企業(yè)僅占8家 財(cái)信發(fā)展、格力地產(chǎn)、北京城建、大龍地產(chǎn)、新光圓成、三湘印象、棲霞建設(shè)、京能置業(yè)。。結(jié)合Ci的極距（0.6673-0.4184=0.2489），由統(tǒng)計(jì)數(shù)據(jù)可知，在2017年，房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)差異度相對(duì)較小，大部分企業(yè)均為業(yè)內(nèi)較高風(fēng)險(xiǎn)企業(yè)。②2018年，Ⅰ類(lèi)風(fēng)險(xiǎn)企業(yè)占比19.12%、Ⅱ類(lèi)風(fēng)險(xiǎn)企業(yè)占比42.65%、Ⅲ類(lèi)風(fēng)險(xiǎn)企業(yè)占比38.24%。結(jié)合Ci的極距（0.7728-0.0942=0.6786），由統(tǒng)計(jì)數(shù)據(jù)可知，在2018年，房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)差異度相對(duì)較大，行業(yè)風(fēng)險(xiǎn)開(kāi)始向少數(shù)企業(yè)集中。

3.3 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估的實(shí)證檢驗(yàn)

前述基于熵權(quán)法和TOPSIS法的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型有待進(jìn)一步檢驗(yàn)。文章選取樣本企業(yè)2017年和2018年的市盈率作為模型有效性的檢驗(yàn)標(biāo)準(zhǔn)。市盈率可在一定程度上反映資本市場(chǎng)對(duì)企業(yè)未來(lái)的預(yù)期，對(duì)于Ci較大，即財(cái)務(wù)風(fēng)險(xiǎn)水平較高的企業(yè)而言，其市盈率可能相對(duì)較低。由于中國(guó)資本市場(chǎng)存在一定的非理性投機(jī)行為，實(shí)踐中將市盈率劃分為5大區(qū)間。相關(guān)研究認(rèn)為，當(dāng)市盈率小于0時(shí)其意義不大，當(dāng)市盈率介于0～13時(shí)其股票價(jià)值被低估，當(dāng)市盈率介于14～20時(shí)其股票估值正常，當(dāng)市盈率介于21～28時(shí)其股票價(jià)值被高估，當(dāng)市盈率大于28時(shí)其股價(jià)出現(xiàn)投機(jī)性泡沫。因此，文章在進(jìn)行檢驗(yàn)時(shí)剔除了市盈率小于0的樣本數(shù)據(jù)和市盈率大于28的樣本數(shù)據(jù)，共得到103個(gè)樣本（2017年50個(gè)、2018年53個(gè)）。

檢驗(yàn)結(jié)果顯示，在2017年，Ci值排名前10位的樣本企業(yè)平均市盈率為15.64、Ci值排名后10位的樣本企業(yè)平均市盈率為19.03，T檢驗(yàn)表明兩者在10%的水平上存在顯著差異。在2018年，Ci值排名前10位的樣本企業(yè)平均市盈率為9.23、Ci值排名后10位的樣本企業(yè)平均市盈率為11.22。由此可見(jiàn)，此類(lèi)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型在一定程度上有效。

4 結(jié)論與啟示

“房住不炒”的導(dǎo)向及相關(guān)配套政策的出臺(tái)對(duì)房地產(chǎn)行業(yè)有明顯的降溫作用，部分房企已經(jīng)出現(xiàn)了債務(wù)違約、建筑爛尾等現(xiàn)象。房地產(chǎn)行業(yè)屬于資產(chǎn)負(fù)債率較高的資金密集型行業(yè)，具有投資金額大、投資周期長(zhǎng)、地域性差異大等特點(diǎn)，識(shí)別高財(cái)務(wù)風(fēng)險(xiǎn)的房地產(chǎn)企業(yè)有利于投資者合理安排資源。文章借鑒相關(guān)研究，以2017年和2018年僅在A股上市的房地產(chǎn)企業(yè)為研究樣本，綜合運(yùn)用熵權(quán)法和TOPSIS法，依據(jù)盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力、現(xiàn)金能力構(gòu)建房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)五維評(píng)估模型。文章得出的研究結(jié)論如下：①償債能力、現(xiàn)金能力、營(yíng)運(yùn)能力在2017年和2018年的客觀賦權(quán)中均依次位列前三，在2017年三者總權(quán)重為91.46%（償債能力權(quán)重為56.20%）、在2018年三者總權(quán)重為82.61%（償債能力權(quán)重為44.33%）。與之相對(duì)應(yīng)的，發(fā)展能力權(quán)重在2017年和2018年分別僅占1.92%、3.96%。該統(tǒng)計(jì)結(jié)果顯示，對(duì)于當(dāng)前的房地產(chǎn)企業(yè)而言，其財(cái)務(wù)風(fēng)險(xiǎn)的主要成因是資金配置問(wèn)題、現(xiàn)金周轉(zhuǎn)問(wèn)題和投資周期問(wèn)題，其中資金配置問(wèn)題對(duì)于房地產(chǎn)企業(yè)規(guī)避財(cái)務(wù)危機(jī)最為關(guān)鍵。②由2017年和2018年的Ci排序可知，房地產(chǎn)行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)已不局限于三、四線城市，許多一、二線城市的房企同樣面臨風(fēng)險(xiǎn)。③由Ci極差在2018年大幅擴(kuò)大可知，房地產(chǎn)行業(yè)內(nèi)部分化日趨明顯，行業(yè)風(fēng)險(xiǎn)逐漸向部分企業(yè)集中，聚類(lèi)分析結(jié)果進(jìn)一步驗(yàn)證了該現(xiàn)象。以上結(jié)論基本符合對(duì)房地產(chǎn)行業(yè)現(xiàn)狀的普遍感性認(rèn)知。

基于此，文章得出以下啟示：①鑒于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的地域普遍性，在堅(jiān)持“房住不炒”導(dǎo)向的前提下，需防止相關(guān)政策力度超過(guò)多數(shù)房企的承受范圍，防止出現(xiàn)行業(yè)層面的財(cái)務(wù)危機(jī)，盡量實(shí)現(xiàn)企業(yè)平穩(wěn)過(guò)渡。②在政策趨緊的背景下，在可預(yù)見(jiàn)的將來(lái)，行業(yè)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)相對(duì)較高的少部分房企可能出現(xiàn)更多的債務(wù)違約和建筑爛尾現(xiàn)象，投資者應(yīng)理性識(shí)別風(fēng)險(xiǎn)、做出恰當(dāng)?shù)馁Y源配置。

文章的局限在于樣本選擇問(wèn)題。受公開(kāi)數(shù)據(jù)限制，文章僅選擇部分上市公司作為研究樣本，得出的數(shù)據(jù)模型對(duì)于大量非上市房地產(chǎn)企業(yè)可能存在一定程度的適用性問(wèn)題，但文章認(rèn)為兩類(lèi)數(shù)據(jù)對(duì)行業(yè)形勢(shì)和風(fēng)險(xiǎn)來(lái)源的基本判斷應(yīng)大體趨同。

參考文獻(xiàn)：

[1]李榮錦，雷婷婷.基于熵權(quán)TOPSIS法的企業(yè)盈余質(zhì)量評(píng)價(jià)研究——以房地產(chǎn)上市公司為例[J].會(huì)計(jì)之友，2019（24）：72-78.

[2]趙騰，楊世忠.熵權(quán)TOPSIS法在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用——以酒鬼酒公司為例[J].財(cái)會(huì)月刊，2019（3）：9-16.

[3]曹彤，郭亞軍.基于神經(jīng)網(wǎng)絡(luò)模型的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究——來(lái)自山東省制造業(yè)數(shù)據(jù)[J].財(cái)會(huì)通訊，2014（9）：89-92.

[4]戚家勇，蔡永斌.房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[J].財(cái)會(huì)通訊，2018（26）：114-118.

[5]齊岳，蔣杉杉，宋瑩瑩.房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估研究[J].財(cái)務(wù)與金融，2019（1）：66-75，87.

[作者簡(jiǎn)介]毛慧敏（1995—），女，漢族，浙江杭州人，會(huì)計(jì)學(xué)碩士，研究方向：財(cái)務(wù)管理等。