论文部分内容阅读
近年来,城市化率逐年增加,人们对于住房的刚性需求进一步增加,随着经济水平的上涨,投资房地产的人越来越多,房地产“热”已成为一种市场形势。然而,房地产公司却隐藏着一定的财务风险问题,一方面,政府的高度关注和出台的各种宏观调控政策可能会导致房地产投资增长率持续下滑、土地出让收入逐步减少、库存逐渐上升和销售额大幅下降等,这些情况会提高房地产财务方面的风险。另一方面,相比其他国家,我国的市场环境更复杂,企业对财务风险的重视程度也不够高,并且,该行业有资本密集的特性,生产过程的成本也较大,行业负债率居高不下,这些都会造成比较棘手的财务风险。因此,有必要结合我国房地产业的特殊性和目前的现实背景,对房地产企业的财务风险和预警进行研究。基于以上论述,本文在定性研究部分:第一,通过对国内外财务风险相关文献研究的梳理,总结了已有学者的研究成果和存在的问题以及本文可能在此基础上的突破点;第二,通过对相关风险预警理论的梳理总结,本文确立了研究的思路和预警所用的方法。第三,通过对财务风险和财务危机相关概念的界定,本文合理的划分出了哪些企业属于本文研究的财务风险样本企业;第四,通过对我国房地产企业财务风险影响因素的分析,本文建立了合适的财务预警指标体系。在定量实证研究部分:本文选取2017年间首次被“ST”的企业、部分净利润为负值的企业为财务风险企业与选取的财务健康的房地产上市公司作为此次研究的两组样本,共计83家房地产上市企业。在指标选择方面,本文最初选择的指标有33个,对这33个指标进行正态分布检验、T检验和非参数检验。在33个指标里面通过检验的指标有20个,说明这20个指标在这两组样本之间有显著的差异,需要把这20个指标需要作为最后的变量放入模型中进行实证分析。实证思路是以样本企业2015年的数据作为估计样本,对模型的参数进行估计,以2017年的数据作为检验样本,来检验建立的预警模型的预测精度,即以(t-2)期的数据作为估计样本以估计模型的参数,也就是ST公司首次发生亏损的那一年,然后用t期的数据对模型的准确度检验。所以,对筛选出来的20个指标用主成分分析提取主成分,用2015年的数据作为建模样本数据,基于提取出来的主成分因子建立Logistic预警模型,根据模型结果,对财务风险的影响因素深入研究,并对模型进行拟合度检验以及分析其预测结果,然后用2017年,即文章假设的t期的数据对模型的预测准确度进行检验。实证的结果很好地验证了本文的假设,结果显示,公司的盈利能力、偿债能力、发展能力、营运能力和现金流能力与财务风险发生的概率负相关。本文创新性的引入的股权结构因素和财务风险发生的概率负相关,并且在影响财务风险的因素里,股权结构是第三重要的,仅次于盈利因素和发展风险因素,可见其引入的必要性。通过相关指标可以说明股权越集中,企业的财务风险就会越小。且本文以2015年的数据构建预警模型,2015年企业财务状况预警的准确率为96.4%,用2017年的数据对预警模型的准确度进行检验时,模型的准确率也达到了96.3%,可见以(t-2)为研究期间的预警模型,既可以对企业的风险准确的预警,测算风险的大小,又可以对未来的财务风险进行预测。通过对结论的分析,在建议部分提出了基于本文实证研究的财务风险防控措施,希望对风险预警理论的完善以及房地产公司的财务健康出一份力量。