基于主成分判別分析模型的房地產上市企業財務風險研究

徐曉莉，陳佩佩

（新疆大學經濟管理學院，烏魯木齊 830049）

引言

二、實證研究

在目前經濟全球化逐步深入及中國經濟轉軌時期，企業的經營環境呈現高度的不確定性和動蕩性，企業難以把握客觀存在的財務風險。房地產行業作為我國經濟發展的支柱性行業以及國家供給側改革的重點關注對象，對其財務風險進行評估及預測是非常有必要的。同時，行業自身屬性決定了房地產企業財務具有較高風險性。本文構建房地產企業財務風險的評估模型，旨在為房地產企業預測是否存在財務風險提供依據，當預測可能面臨風險時，利于企業盡早采取有效措施，分散或規避風險，從而降低甚至避免因財務風險給企業帶來的損失。

目前，國內外關于企業財務風險評價及預警的方法主要有：單變量分析法；多變量分析法，包括Z-Sore模型、判別分析以及主成分分析法等；Logistic模型；神經網絡模型等。

一、指標體系的構建

指標選取應遵循全面性原則，企業的財務風險主要受財務以及非財務的雙因素影響。本文借鑒國內外財務風險評估指標體系，加入現金流量以及股權結構兩方面指標，同時結合房地產企業自身的風險特征，選取反映企業的償債能力、盈利能力、成長能力、營運能力、現金流量和股東獲利能力六個維度的財務指標，以及股權結構維度的非財務指標，共計31個評估指標作為備選變量。加入現金流量指標，主要是考慮到現金及其流動對企業的持續經營具有關鍵作用。企業的日常經營并非完全依賴于企業是否能夠盈利，也需要企業擁有充足的現金流用于各項經營支出。

（一）樣本及樣本數據的選取

根據中信證券的行業分類標準，確定本文研究對象為上市的房地產企業。

2017年，有12家房地產企業被ST，所以，本文依據可比性原則，以1∶1的比例根據ST樣本組中各個房地產上市公司相同期間（2017年第一季度）相近總資產規模進行非ST組公司樣本配對。

上市公司被證券交易所ST表明該公司財務存在異常，財務風險已經發生，因此本文將ST/*ST企業定義為已發生財務風險的企業，將非ST企業定義為正常企業。本文以選取的24家樣本企業被ST前兩年的數據（2015年）來建立財務風險評估模型，以隨機選取的30家房地產企業2016年的數據對模型的有效性進行驗證。以上樣本數據均來源于上海、深圳證券交易所以及Wind數據庫。

（二）主成分分析

1.變量的差異性分析。運用SPSS20.0統計軟件，將ST公司表示為1，正常公司表示為2。根據12對24家估計樣本企業2015年的經營數據，對31個備選指標分別進行配對樣本均值差異的T檢驗，從而判斷各指標在ST企業與非ST企業之間是否具有顯著性差異。判別結果顯示，當sig.值小于0.05，應拒絕原假設，即ST公司與非ST公司在相應指標上存在顯著性差異。因此，本文選擇資產負債率（X5）、凈資產收益率（X6）、總資產報酬率（X7）、總資產凈利率（X8）、銷售凈利率（X9）、成本費用利潤率（X10）、現金營運指數（X21）、營業收入現金比率（X23）、每股收益（X24）、每股凈資產（X25）、第一股東持股比率（X30）、前十大股東持股比率（X31）共12個指標，使ST企業組與正常企業組在償債能力、盈利能力、現金流量、股東獲利能力以及股權結構維度存在顯著變化。

2.財務風險評估模型的選擇。本文通過判別分析法以上文提取的4個主成分為變量，構建評價企業是否存在財務風險的模型，為企業預測財務風險提供參考。該方法是借助研究樣本的相關資料指標確定判別函數的分類系數，建立一個或多個判別函數，通過計算判別結果確定樣本所屬類別的一種研究方法。由于多因素誘發企業財務風險，以至風險考察的指標較多且通常存在信息重疊（指標多重共線性）問題，使得一些指標無法正常構建判別分析模型，其為了保證指標信息的完整性，借助主成分分析法將原來眾多指標進行重新組合保留大部分原始指標信息，形成指標間低相關，指標內高的可用于代替原始指標的新綜合指標。

首先利用KMO和Bartlett度量對已選12項指標對應的原始數據進行檢驗，分析采用主成分分析法的恰當性，結果（如表1所示）。

本研究KMO值大于0.5，Bartlett球形度檢驗的P值小于顯著性水平0.05。所以，拒絕Bartlett球度檢驗的零假設，說明樣本數據適合用主成分分析法進行主成分提取。

表1 KMO和Bartlett檢驗結果

3.主成分的提取。用SPSS20.0軟件對數據進行主成分分析，根據解釋的總方差結果提取主成分，本文按照特征值大于1的標準選取前4個主成分，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的表達式，但特別需要注意的是，此成分矩陣中的數值并非主成分特征向量，主成分系數需要依據表中成分向量除以各自主成分特征值的算術平方根求得。因此，本文財務風險評價的主成分表達式為：

在已提取的4個主成分成分矩陣中，根據主成分F1各個指標變量的載荷量，發現X6、X7、X8、X9以及X10的載荷量遠大于其他變量，分別為0.829、0.907、0.954、0.767以及0.858，因此在房地產企業的財務風險評估中，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結構主成分、現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.建模及回判結果。將所選24家樣本企業2015年的相關指標數據帶入主成分表達式（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據，其結果通過SPSS20.0軟件的判別分析功能，可得建模樣本的分類函數系數如下：

被ST房地產上市企業財務風險評價模型為：

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

正常房地產上市企業財務風險評價模型為：

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

對于模型有效性的檢驗，將2015年的建模樣本數據代入上述評價模型進行回判，其回判結果（如表2所示）。

表2 分類結果

回判結果顯示，在建模樣本中，對初始分組案例的判別準確率為95.8%，對交叉驗證分組案例的判別準確率為91.7%，表明模型具有較高的判別準確率。

2.模型檢驗及分析。本文在上市的151家房地產企業中隨機選取了30家作為模型的檢驗樣本。首先，將收集到的包括資產負債率在內的12項原始指標數據帶入前文求得的主成分表達式中，即可得到檢驗財務風險評價模型所需要的數據；其次，將觀測值F1、F2、F3、F4分別帶入上文的判別函數Z1、Z2中，可得兩組分類函數值；最后，將觀測分類到較大的分類函數值中，即檢驗結果是依據Z1與Z2的較大值所得。具體驗模結果可得：本文所構建的模型對ST企業財務風險預測的準確率為85.71%，對正常企業財務風險預測的準確率為91.3%。所以，總的來說，此模型風險預測的準確率高達90%，即可認為該模型對企業財務風險的評價或預測是有效的。

結語

本文借鑒國內外關于企業財務風險評價的指標體系，通過加入現金流量以及股權結構兩維度指標，并結合我國房地產企業自身特點，構建了本文的風險評價指標體系，利用配對樣本均值差異的T檢驗篩選出在ST與非ST企業之間存在顯著性差異的12個指標，以24家樣本企業2015年的經營數據提取主成分，通過多元判別分析模型得到企業的財務風險評價模型如下：

被ST房地產上市企業財務風險評價模型為：

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

正常房地產上市企業財務風險評價模型為：

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

通過從151家上市的房地產企業中隨機抽取30家作為模型檢驗樣本，利用樣本企業2016年的經營數據對本文所得財務風險預測模型的有效性進行了實證檢驗。結果表明，總體來看，本文所構建模型的財務風險預測準確率達到90%，即可認為該模型對企業財務風險的評價是有效的。

同時，本文研究存在的不足之處在于：一是由于宏觀因素對各個企業財務風險影響程度不好度量，且相關數據的獲取存在困難，故本文的研究主要依據企業經營的微觀數據展開，欠缺對宏觀因素指標的考量；二是本文所建立的模型主要用于對房地產企業是否存在財務風險進行預測，但無法追蹤引發風險的源頭，這也是在今后的研究中需要進一步探究的方面。