房地產企業財務風險測評與優化探討

于寄語　李雪晴

摘 要：以6家代表性上市房企2017-2020年數據為樣本，結合熵值加權主成分方法和層次聚類對當前房產企業的財務風險狀況進行測評和探討。將12個典型性財務指標降維至4個主成分，通過熵值加權構建得到房地產企業的財務風險指數，由此對當前房企的財務風險表現和優化舉措進行探討。研究顯示，樣本企業近年的財務風險不斷上升，且風險分化縮減，但不同企業財務風險表現的具體層面存在差異。針對不同房企財務結構和自身特征的差異化特點，進一步結合層次聚類方法將6家樣本企業劃分為3個相鄰類，并指出“先類內企業、后類外企業”的單元參照模式可以更為有效地引導房企財務風險管理能力的提升。最后，本文基于建模結果就如何應對房地產企業的財務風險和穩健發展提出了針對性建議。

關鍵詞：房地產企業;財務風險指數;熵值加權PCA;風險管理

基金項目：國家教育部人文社會科學研究青年基金（19YJC910009）;湖北金融發展與金融安全研究中心項目（19XY03）

一、引言

伴隨著房產過熱化問題的凸顯，決策層在近年持續強調對房地產行業的結構改革，加大房產市場調控力度。如2017年國家上調政策利率，規定商品房庫存周期36個月以上的城市停止供地;2018年嚴格限制房地產商業項目融資;2019年以來大力執行市場授信集中度等監管規則;2020年嚴防經營貸違規流入房產市場。應該看到，當前房地產行業面臨著較大的外部環境調整。銀行借款可得性的減弱、土地購買成本以及市場房產庫存的加大，使得房產企業在成本控制、盈利及發展空間上面臨著較大壓力。這一背景下，我國整體房產業的資產負債率已由2012年的75.2%不斷攀升至2020年的80%左右，房產企業面臨的潛在風險需要給予密切關注。由此出發，本文落腳于房企風險狀況的評測和管理優化研究，旨在明確當前房產企業的風險表現，為提高微觀房企的抗風險和穩健運營能力、防范房企行業的風險暴露提供政策啟示。

回顧文獻，已有較多學者對房產企業的風險表現及管理問題進行關注。張煌強（2015）[1]對八家樣本企業進行案例探討，發現存貨周轉率、營業收入增長率、資產負債率、凈資產收益率是房企自身風險形成的最關鍵因素。歐國良等（2018）[2]認為房地產企業只有不斷地調整自身的管理水平、經營模式以及創新能力等，實現企業經營管理在財務上的穩健性和抗風險性，才能有效推動房地產企業自身的發展。相較于上述學者從內部控制角度探討房企的風險管理問題，部分學者強調外部市場對房企經營風險的影響。吳濤（2016）[3]分析宏景建設集團的財務狀況，指出其財務狀況主要受宏觀經濟及外部政策環境影響，并建議結合外部指標建立房產企業財務預警體系。汪永忠、代曉維（2017）[4]認為政策環境對房產企業的發展起導向作用，經濟環境與房產企業的發展呈同向關系。鐘榮桂、江麗（2017）[5]指出經濟新常態下，地方土地財政路徑依賴與債務危機并存、國家去庫存壓力巨大與區域性房價上漲并存成為房企發展面臨的重要風險點。

隨著量化分析的流行，近期更多文獻結合統計建模對房產企業面臨的內外部風險進行量化探討。何愷、程道平（2016）[6]利用層次分析法和熵值綜合賦權方法對濟南市房地產市場進行評價，發現濟南房地產市場的價格風險、庫存風險相對較高，且總體風險水平逐年升高。張曉燕（2016）[7]結合灰色預測模型對房地產公司運營過程中的風險表現進行學習、評判，隨后基于歷史信息對房企的風險級別進行預警。黃夢非等（2017）[8]運用貝葉斯網絡決策模型分析其在房產業風險控制中的應用，結合貝葉斯學習和推斷對房企投資風險控制級別進行概率推導和識別，并指出房企風險應結合行業間的相互影響角度進行決策。

不同于前述文獻，本文聚焦于房企財務風險的統計指數構建和風險評測研究。作為房產企業運行中非常重要的一環，財務風險的有效防范和控制不僅可以節約成本、強化管理，還有利于房產企業的長期發展。由于房產業具有資本密集型、資金周轉慢、供應鏈條長等特點，反映房企財務狀況及財務風險的量化指標較多，本文采用主成分分析（PCA）方法對其進行探討。作為經典的信息降維方法，PCA方法在多指標風險評價研究中具有很大的適用性和靈活性[9-10]。不過，PCA在具體應用中仍需要特別關注主成分方向的適宜問題，后者對后續的綜合評價具有重要影響。此外，相關文獻在提取多個主成分后，通常結合各主成分的方差貢獻率構建綜合評價得分。這一做法具有較大主觀性，并可能帶來最終評價的無序或偏誤[11-12]。為解決上述問題，本文在對各項指標進行方向調整PCA的基礎上，采用熵值加權法構建房企財務風險綜合指數，以科學測度不同房企的風險表現。隨后，本文基于該指數對房產企業的風險狀況進行比對探討和相似性分析，為不同房企的財務風險優化提供經驗啟示。

全文剩余部分安排如下：第二部分就熵值加權PCA方法和相似性分析所采用的層次聚類方法進行介紹;第三部分為房產企業財務風險指數的構建和評測;第四部分對樣本房企的突出風險表現和目標參照單元進行探討，以更好地引導房企財務風險狀況的優化;第五部分為結論。

二、研究方法

（一）熵值加權的PCA方法

作為經典的統計分析方法，主成分分析（PCA）在信息提取和統計指數測度上有著廣泛應用。不過，如前所述，傳統PCA方法中特征方向的不明確和主成分權重設置的不合理可能導致最終評價結果與客觀事實存在差異[13]。對此，我們首先對選取的多維度房企財務指標進行正向處理，統一方向并關注相應的特征方向值。隨后，從相應指標中提取出互不相關的主成分，結合熵值加權構建房產企業的綜合財務風險指數。具體步驟如下：

1. 設定有n個房地產企業，共K個財務風險指標序列。對其中的逆向指標進行正向化處理，保證指標的方向性一致，并記為。

2. 對各指標進行標準化，得到、分別為在樣本房企的平均值和標準差。基于序列進行信息提取并得到K個主成分。記為

（1）

3. 基于上述主成分對原始指標的累積貢獻大小（一般取≥80%），挑選出M（）個主成分F1、F2…FM。

4. 記房企i在主成分Fj部分的取值為，計算Fij占所有考察房企在主成分Fj部分的比重，得到第j個主成分的熵值。（注：一般要求）

5. 基于熵值ej計算主成分Fj的權重由此得到考察房企的最終財務風險指數。

上述方法在各指標方向性一致的基礎上結合熵值進行主成分權重的構建，由于相應熵值有效反映了主成分的信息變異度和信息容量大小，較已有文獻基于方差貢獻率作為主成分的權重設置，更具有客觀性和科學性。

（二）層次聚類分析

前述風險指數的構建有利于我們對房企的風險狀況進行直觀評價。但對于風險得分高（風險狀況較糟糕）的企業而言，其余風險得分較低的企業并不一定是其進行有效參照和學習的對象。由于不同企業財務指標和投入要素的異質化特征，選擇結構和規模表現較自身相似的低風險企業作為目標參照更為適宜，也更能夠起到“引導自身風險管理優化”的作用。

基于上述目的，本文結合前述分析指標Xj對樣本房企進行層次聚類，以此對相似性企業進行歸類。作為數據信息劃分的重要手段，層次聚類在現有文獻有著廣泛應用，其思路主要是通過“距離”的概念將多維指標表現相近的個體聚集成一類，達到分層、分類的目的，其分析步驟簡略概括如下：

1. 將每個樣本房企在最初視為單獨一組，結合相應指標信息計算它們之間的距離。

2. 將距離最近的兩組（即最小）合成新的一組。

3. 基于新的分組重新計算組與組之間的距離，并將距離最近的兩組再次合成新的一組。

4. 重復上述步驟，直到所有組合并成一個組或者達到設定的終止條件為止。

最終聚成一類的房企具有最大的相似性，通過在相同或者相近類別內進行目標房企的選擇和經驗參照，可以更為適宜地指導樣本房企風險狀況的改善和優化。

三、房產企業財務風險指數構建與評測

（一）房企樣本選擇和財務風險指標

結合房產企業規模、品牌認可度和市場表現，本文從滬深兩市篩選出6家代表性房地產企業進行研究，分別是萬科A、保利地產、格力地產、綠地控股、招商蛇口、美好置業。各企業的數據信息來源于雪球網，時間跨度為2017至2020年。為便于不同年份企業財務風險的比較，后文結合個體和時間維度對樣本企業進行編號，如萬科A 2017、萬科A 2018。表1列出了與房產企業風險管理相關的常見基礎性財務指標，各指標的具體含義見表內，并由此構成后文房企財務風險指數架構和評價的底層信息支撐。

（二）基于熵值加權PCA的房企財務風險指數構建

結合表1指標，基于熵值加權的PCA方法構建房產企業的財務風險指數。首先對各指標進行方向性處理，保證處理后的各指標與風險值同保持正方向。其中，資產負債率（X1）通常認為與風險表現呈正關聯，對其不做處理;其余指標，如總資產報酬率（X2）、流動比率（X3）等均反映了企業的盈利和成長狀況，和風險表現呈負方向，對相應指標進行逆向處理。另外，主成分分析通常要求變量間的相關性較高，表2基于Bartlett球度檢驗和KMO檢驗對方向調整后指標的相關度進行分析，Bartlett球度檢驗的p值遠小于0.05，同時KMO值為0.62，上述檢驗均表明樣本指標間的相關性較高，所選指標較適合進行PCA降維。

PCA分析下的主成分及其累計貢獻率如表3所示。可以看到，前四個主成分的累積貢獻率已達到90%，由此，我們選擇前四個主成分F1-F4進行房產企業風險信息的提取，各主成分在原始指標上的載荷見下表4。

可以看出，主成分F1在資產負債比率（X1）、總資產周轉率（X6）、存貨周轉率（X7）、流動資產周轉率（X8）上的載荷較大，這一成分主要反映房產企業的整體營運能力;主成分F2的信息主要體現在總資產報酬率（X2）、速動比率（X4）、固定資產增長率（X9）上，反映企業的資產使用及管理效率;主成分F3在凈利潤增長率（X10）、凈資產收益率（X11）上的載荷系數較大，主要體現企業的盈利性能力，主成分F4的信息主要表現在流動比率（X3）、營業收入增長率（X12）上，反映企業的短期償債及發展能力。上述4個主成分構成了企業財務風險評價的降維信息指標，我們以其為基礎進行熵值加權構建房企的財務風險指數。

本文在計算熵值權重時，對主成分Fij進行了一定的靈活處理，主要體現在對其減去個體i在該主成分上的臨近最小值（），以保證滿足算法處理中大于0的需求。最終基于上節流程計算得到主成分F1-F4的熵值權重分別為0.310、0.333、0.156、0.201，由此得到房產企業的財務風險指數構建公式如下：

（2）

注意到，上式中F1和F2的權重最大，營運能力和資產管理效率對于房企的風險表現及程度具有更為重要的影響。F3的權重最小，當前背景下微觀房企的盈利能力整體不佳，由此表現出對其房企風險的影響處于弱化位置。根據式（2），最終測算得到樣本企業在考察年份的財務風險指數如表5。

表5中的風險指數越高，表明房產企業面臨的財務風險越大。可以看到，2020年份的綠地控股的風險表現最為突出，風險值高達2.09;財務風險指數表現最低的企業為2017年份的美好置業，取值為-1.24。從樣本房企間的橫向比對來看，財務風險指數最高的房企亦為綠地控股，其在2017-2020年的風險指數值均保持在1.0以上，遠高于其余房企，這表明綠地控股在近年的整體風險較突出;萬科A、保利地產、格力地產的風險指數值排名居中，得分在-0.5至0.5之間波動;財務風險值最低的房企是招商蛇口和美好置業，兩者的風險排名一直保持在所有房企的尾端，表現出有較好的財務風險防范能力。最后，從不同年份的財務風險指數得分來看，各房企的風險表現處于動態上升過程中。表6的統計結果顯示，2017至2020年，待考察房企的財務風險指數平均值由-0.17不斷攀升至0.34，同時風險指數的標準差于2019年開始下降，風險表現分化縮減，反映房產業整體風險壓力不斷增強的現狀。

四、樣本房企財務風險的進一步探討與優化

（一）樣本房企財務風險的突出成分端

我們對表5進行進一步整理，得到房企財務風險指數在不同主成分端（F1-F4）的具體得分（表7）。通過對樣本房企在各主成分端的風險表現進行橫向比較，可以具象透視相應房企的風險突出點。就主成分F1所對應的整體營運能力風險而言，可以看到，無論是基于樣本房企之間還是房企內部不同主成分端進行比較，格力地產和美好置業在F1下的年度風險得分都較低。相應地，保利地產、綠地控股、萬科A和招商蛇口在整體運營能力端的風險管控上表現欠佳，四者在F1下的風險得分遠高于各自在F2-F4下的取值。數據上來看，這四家房企的存貨周轉率、流動資產周轉率和固定資產率都處于相對較高水平，相應房企需要積極關注管理流程和資產處置的效能化，減少對非商品資金的占用，縮短商品房待售時間，加快資金和存貨的周轉及利用效率。

房企突出風險點集中于主成分F2部分（資產使用及管理效率）的是美好置業、格力地產、綠地控股三家企業。特別是美好置業，其在F2下的風險得分遠高于F1、F3、F4部分，相應房企在資金管理的有序性、資金回報率等方面表現不佳。這三家房企的風險管理中需要加大對企業經營資金的集中化、有序化和過程化管理，同時增強財務管理員工的風險意識和專業水平。風險點集中于主成分F3部分（盈利性能力）的房企是格力地產、保利地產和招商蛇口，三者的盈利性風險較F1、F3、F4下的風險表現明顯更突出。考慮到企業自身盈利模式和資本結構對盈利能力起著關鍵作用，上述房企在戰略發展和風險優化中應對此進行優先關注。最后，風險表現在F4部分（短期償債及發展能力）相對更突出的房企是美好置業，盡管美好置業的整體財務風險較低，但其在F4部分的風險得分顯著高于F1和F3部分，略低于F2部分，償債及發展能力方面的不足很大程度制約了美好置業風險優化的進一步提升。美好置業在未來發展布局中需要將償債能力穩定在合理范圍內的前提下，完善預算和內控制度，為企業的穩健經營和風險管理進階提供支撐。

（二）樣本房企風險優化的參照單元選擇

進行財務風險指數的測評不僅是為了更好地認識房企的財務風險狀況，我們還希望以此引導表現較差的房企向較優房企進行經驗借鑒，優化財務風險管控能力。但考慮到不同房企在償債、營運以及發展能力等方面的差異性，各房企具體參照對象的選擇需要有效考慮同自身的適宜性。基于這一目標，圖1基于2020年X1-X12指標對樣本房企進行層次聚類，由此結合相似性歸類對各房企的借鑒單元選擇和風險優化進行探討。

可以看到，圖1分為三個聚類區域。第一類包括萬科A和保利地產，這兩個企業在凈利潤增長率上有極大相似性，該類企業規模較大、資金雄厚、盈利能力強;第二類為綠地控股和美好置業，該類企業在速凍比率上有極大的相似性，企業流動資產立即變現用于償還債務的能力是相近的;格力地產和招商蛇口為第三類，這兩個企業在總資產報酬率和固定資產周轉率上有極大的相似性，此外，該類企業的特點是除了主營房地產業務外，還會拓展社區和物業管理等業務，發展能力較強。

由于相同聚類區域下房企的經營結構和模式更具有可比性，我們建議首先在相同類別的房企間進行經驗參照，如類別三下的萬科A，可以選擇該類別下財務風險較小的保利地產進行目標參照;類別二下的綠地控股，可以在該類別下選擇美好置業作為目標參照。在同一類別下的目標參照完成后，各樣本房企再考慮將參照單元轉換至相鄰類別下風險指數較小的企業。此外，從前文房企財務風險指數的主成分構建角度來看，各房企的財務風險差異可歸結為整體營運風險差異、資產使用及管理效率風險差異、盈利風險差異、短期償債和發展能力差異四個方面。各房企在進行參照單元的比對、借鑒過程中，應結合上述四部分的表現和管理進行分解式關注和經驗學習。特別地，應首先聚焦自身突出短板的那部分主成分端進行經驗參照，隨后再考慮其他成分端的加強，由此最終提升整體財務風險管控能力。

五、結論和啟示

房地產業對我國國民經濟的發展和穩定具有十分重要的作用，以六個代表性房企2017-2020年財務數據為樣本，本文基于熵值加權的PCA方法構建房企財務風險指數，由此對近期房產企業的財務風險狀況進行測評和考察。研究發現，房企財務風險指數主要由四部分信息合成，分別反映房企的營運能力、資產管理能力、盈利能力和短期償債及發展能力，其中，前兩者對當前房企風險表現的影響最為突出。縱向時間軸上來看，樣本房企在近年的財務風險不斷上升，且風險分化在2019年后開始縮減，這反映了經濟結構和政策調整大背景下當前房產企業財務風險不斷暴露的現狀。隨后，為進一步明確樣本房企的風險表現狀況，尋求房企風險優化舉措的經驗啟示，本文細化考察了樣本房企在前述四部分信息端的財務風險表現特征，并基于層次聚類分析對房企風險管理優化中的“借鑒單元”選擇進行了探討。

結合本文研究，筆者就推動當前房產企業的財務風險防范和管理優化提出如下建議。

（一）加快質量變革和模式創新，避免粗放式發展

宏觀角度來看，我國房地產市場歷經二十余年的迅速發展階段，已逐步進入存量時代。黨的十九大以來，決策層不斷強調“房子是用來住的，不是用來炒”的市場定位，未來房地產行業的規模、利潤空間受到壓縮，同時在不同區域層面面臨異質性差異影響。房產企業應順勢而為，把握不同城市房產庫存與市場的平衡點，積極布局未來的開發區域;同時在房產投資和住房項目建設中注重質量和模式創新，避免規模化擴張。

（二）提升營運能力，加強資產管理效率

文中分析可以看到，營運能力和資產管理效率是影響當前微觀房企財務風險最為重要的成分因子，由此，房產企業一方面應有效提升其營運能力，制定合適的發展目標和營銷方案，積極拓寬資金渠道，為企業創新探索、承擔風險提供空間。另一方面，房產企業應全面加強資金管理，構建現代化的全面預算管理模式，優化資金使用水平;同時借鑒國內外較成熟的“去產能”和“去庫存”案例經驗，積極進行存貨管理，加快房地產存貨周轉速度，推動企業運營高效化、質量化發展。

（三）明確發展短板，針對性制定財務績效優化舉措

房產企業應結合自身發展以及財務表現情況，明確短板和不足，完善和優化自身的財務管理水平和財務績效。如本文研究中美好置業的資產使用及管理效率較低，應強化資金預算管理，對資金實行集中管理和統籌安排，嚴格控制結算資金的占用，及時清理拖欠費用;保利地產和綠地控股、萬科A在整體運營能力端的風險管控上表現欠佳，應積極拓展營運模式、提升經營管理水平，加快流動資產和固定資產的周轉率;格力地產的盈利性表現較弱，則應從自身的盈利模式和資本結構入手對企業財務管理和表現進行優化和提升。此外，具體企業運營中，可以借鑒本文的聚類思路選擇適宜的參照單元，結合自身短板積極學習、吸收目標單元的經驗模式和管理辦法，有效提升自身財務風險管控能力。

（四）增強財務人員風險意識和管理素養，提高財務管理能力

財務人員是財務管理的執行者，相應房企應積極提高財務人員的風險管理素養。一方面，要強化房企財務管理者的風險管理意識，相關財務人員能有效利用資產負債表、利潤表、現金流量表等信息明確、識別企業的財務風險情況，對異常的財務指標表現及時關注并結合內外部因素做出合理判斷和決策，同時應嚴格避免操作風險，為企業的財務管理奠定堅實的人力支持。另一方面，應積極提升財務人員的管理能力，提高其在房產投資開發中的資金預算安排和統籌規劃能力，同時財務人員在財務運營中應具有前瞻意識，結合公司發展布局制定適宜的財務管理目標，有效提升房企的資金運轉和財務管理效率。

（五）完善內部控制制度，提高風險防范能力

最后，內控制度的有效建立和執行對于房企的風險防范具有重要作用。盡管很多房產企業在當前建立了內控制度，但內部控制的執行情況不容樂觀，各部門的職責不明、界線不清、監管機制不完善，并由此拖累了房企整體的運營效率和風險管理效力。當前背景下，房地產企業應結合自身管理模式及外部環境變化，進一步統籌、完善相關環節的內部控制體系，建立科學的決策機制、有效的監督和優化機制，為企業的風險防范從內部筑牢防火墻。

參考文獻：

[1] 張煌強.房地產企業財務風險評價研究[J].廣西社會科學，2015，（7）：81-85.

[2] 歐國良，吳剛，朱祥波.基于因子分析法的房地產企業財務風險預警研究[J].社會科學家，2018，（9）：56-63.

[3] 吳濤.房地產企業財務風險預警管理探究——以宏景建設集團為例[J].財會通訊，2016，（2）：91-93.

[4] 汪永忠，代曉維.企業財務風險及其防范——以房地產企業為例[J].中國商論，2017，（7）：120-121.

[5] 鐘榮桂，江麗.中國經濟新常態與房地產市場風險防范[J].現代管理科學，2017，（4）：103-105.

[6] 何愷，程道平.我國城市房地產市場風險測度研究——基于綜合賦權評價方法對濟南市的測算[J].價格理論與實踐，2016，（10）：148-151.

[7] 張曉燕.基于灰色預測模型的房地產公司財務風險預警[J].財會月刊，2016，（22）：53-54.

[8] 黃夢非，姚明秀，魯波濤.貝葉斯網絡決策在房地產投資風險控制中的應用[J].統計與決策，2017，（21）：71-74.

[9] 顧雷雷.營銷能力、東道國政治風險與跨國公司子公司績效——來自東盟自貿區的證據[J].中國人民大學學報，2018，32（2）：104-115.

[10] 楊亞剛.改進主成分分析法下的保險數據風險因素分析[J].商業經濟研究，2019，（12）：171-173.

[11] 葉明確，楊亞娟.主成分綜合評價法的誤區識別及其改進[J].數量經濟技術經濟研究，2016，33（10）：142-153.

[12] 趙茂，楊洋，劉大鵬.中國金融市場化指數的度量研究[J].統計與決策，2019，（10）：151-154.

[13] 曲雙紅，李華，李剛.基于主成分分析的幾種常用改進方法[J].統計與決策，2011，（5）：155-156.

作者簡介：于寄語（1989- ），男，安徽阜陽人，湖北經濟學院金融學院講師，博士，研究方向為應用統計建模;李雪晴（1996- ），女，湖北十堰人，湖北經濟學院研究生，研究方向為金融企業會計。