房地产公司财务指标分析精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇房地产公司财务指标分析，期待它们能激发您的灵感。

篇1

本文运用因子分析方法对上海证券交易所的29家上市房地产公司的财务数据，从资产总计、主营业务收入、主营业务利润、利润总额、净利润、每股收益、每股净资产、净资产收益率、股本等9项指标进行了因子分析，认为财务指标可以归纳为营运能力、资产价值2个因子，其分别反映公司的营运能力和资本价值情况，为财务状况分析提供了便利。

【关键词】

房地产；上市公司；财务指标；因子分析

一、研究背景

进入21世纪以来，虽然我国的股票市场发展速度较快，但是从总体规模看，与国外还有相当大差距，我国目前股市投资者为3300万人，仅占全国总人口的2.7%。并且随着股票市场在社会经济生活中的地位越来越重要，面对我国股市规模较小，而与国民经济发展的客观要求有较大差距这种现状，在我国扩大股市规模有很大的潜力可挖。这就会吸引越来越多不同行业股票的加入，国家在进行必要的政策改进之外，投资者必然要对这些股票进行理性客观的评价，上市公司的财务指标就成为投资者的研究对象。但是如何选取以及选取哪些适当的财务指标在一定程度上影响对上市公司运营状况的分析结果，除了对财务报表的宏观分析之外，关键在于要运用数据的财务分析技术，通过财务报表数据看到公司的营运能力、资产价值情况，把握其未来的发展状况。财务分析的方法有很多，因子分析是一种很有效的降维和信息萃取技术。因此，我们将利用因子分析技术，在众多的财务指标中提取出主要信息。

二、研究对象与方法

1、研究对象

对上海证券交易所的29家房地产上市公司2006年财务数据的总资产、总股本、主营业务收入、主营业务利润、利润总额、净利润、每股收益、每股净资产、净资产收益率主要财务指标进行因子分析，并将这九个指标归结为两个因子。

2、研究方法

对上述29家上市房地产公司的9项财务指标在SPSS17.0软件上进行因子分析。

三、实证分析

1、数据的获取

分析指标数据的获取是2006年度报告的财务指标经汇总计算而来的，各房地产上市公司的具体评价指标数据由于太多在此不便展开。

2、数据分析

（2）因子旋转。为了使潜在的因素意义更为明确，分析的结论更为真实，将因子载荷矩阵按最大方差法进行正交旋转分离，可得到旋转后的因子载荷矩阵，从表2可以看出，总资产、股本、主营业务收入、主营业务利润、利润总额、净利润、净资产收益率等指标在第一个因子上有很高的载荷；每股收益、每股净资产等指标在第二个因子上有很高的载荷。根据因子所代表的具体指标的含义和现实的需要，可以把这两个因子命名为营运能力、资产价值因子。

篇2

关键词：财务报告舞弊 房地产 Logistic回归模型

我国的房地产业起步于20世纪80年代中期，是一个成长性很高的行业。如今，房地产业在我国经济生活中已有举足轻重的地位，但由于我国的房地产企业起步晚、规模小、基础差，其企业缺乏规范性管理，企业的财务状况也面临会计核算体系不健全、缺乏有效的内部控制制度等问题，这些都使得房地产企业出现财务报告舞弊的风险加大。本文结合房地产企业的相关运营特点和财务特征，在国内外财务报告舞弊现有的研究基础上建立一套适合我国上市房地产企业的财务报告舞弊的识别模型。同时找出识别房地产企业财务报告舞弊的关键指标，为各有关信息使用者的决策提供依据。

一、文献综述

（一）国外文献 西方国家资本市场产生时间较长，国外学术界较早地进行了上市公司财务报告舞弊的研究。Lee，Ingram和Howard 用列举的方式对财务报告舞弊作了定义。在他们看来，财务报告舞弊就是系统性的利润操纵。霍华德.R达维亚（2004）认为财务报表舞弊指的是在企业向外界披露财务报表时有意将财务报表上的一项或多项余额虚报的一种欺诈。在Michael R.Young看来，只有违规的财务报表被用于决策并造成损失时，这种违规才是舞弊。Persons， Beasley， Beneish 等从行业、董事会特征、财务指标等方面对财务舞弊公司的征兆做了进一步研究。Persons（1995），Bell and Carcello（2000）运用财务指标建立Logistic模型，Beneish（1997）通过建立Probit模型来识别财务报告舞弊现象。

（二）国内文献 与西方国家相比，我国证券市场建立时间相对较晚，所以我国学者对上市公司财务报告舞弊现象主要进行规范研究。阮锦勤（2003）以48家被公开实施舞弊的上市公司为样本，对财务报告舞弊的现状进行了多角度的考察，并通过反映舞弊征兆和舞弊特征的两类指标建立Logistic回归模型，结果表明调整后每股现金和应收账款与收入比两个指标可以识别财务报告舞弊公司。明（2006）以8个财务指标为变量进行研究，最终建立了一个由应收账款周转率、毛利率指数和资产质量指数为变量的舞弊识别模型。陈国欣、吕占甲、何峰（2007）研究回归模型表明：实际上只需要盈利能力、管理层持股比例、独立董事规模、审计意见四个变量就可以较好地识别预测上市公司财务报告舞弊，而且通过Logistic 回归技术建立的模型整体识别正确率已达95.1%，可以说效果相当显著。梁杰、任茜（2009）在我国上市公司财务报告舞弊信号的审计与识别一文中从公司管理层、关系对象、公司治理结构及内部控制制度等方面揭示了财务舞弊的迹象。

二、研究设计

（一）研究假设 本文以我国上市房地产企业财务报告为样本，通过综合考察上市房地产企业公开的财务数据，寻求舞弊房地产企业在财务指标上共有的，能区别于未舞弊公司的特征，从而建立一个由多方面指标反映的识别模型。由此，本文提出以下假设：

假设1：:所有可以公开获得的财务报表数据是真实、公允的

假设2：被中国证监会公开进行行政处罚的上市房地产公司均为有舞弊行为的公司

假设3：未受行政处罚的房地产公司均为财务报告正常的公司（即非舞弊公司）

篇3

内容摘要:本文运用Logistic回归对我国预亏的上市房地产公司的财务数据进行分析,试图从实证研究的角度说明上市房地产公司财务危机产生的原因,构建上市公司财务预警模型。研究表明logistic模型在预测亏损前的房地产公司财务困境方面具有较高的准确率。

关键词:logistic回归STT检验预警模型

继1998年3月中国证监会了《关于上市公司状况异常期间的股票特别处理方式的通知》后,同年4月沪深交易所即宣布将对财务状况或其他状况出现异常的上市公司的股票进行特别处理(Special Treatment,简称ST),从此ST板块的股票即成为我国股票市场上一个特殊的群体。无论是资产重组的题材,还是关联交易的频繁发生,都可以引起市场对ST股票的敏感反映,使得该类股票的波动远大于市场波动的平均幅度,成为制造投机成分,为股市营造变数的一个板块。为排除行业不同所造成的影响,本文选择ST板块中房地产业的上市公司作为研究对象,运用常用统计分析软件SPSS对这些上市房地产公司的财务困境进行研究,并运用logistic回归寻找造成财务危机的原因,试图构建相应的财务预警模型,为ST公司和投资者的经营和决策提供参考。

研究选样标准与指标体系的建立

本文选取的研究对象为2009年被ST的12家房地产公司,并且选取了在沪深两市中排名前12位的表现正常的12家房地产企业作为对比样本。样本相关变量数据取自CSMAR数据库中各上市房地产公司2008年的数据以及证券之星、中国上市公司资讯网、和讯网等网站。

(一)财务风险预警指标的初步选取

美国纽约大学的Edward.Altman教授在建立企业破产预测的Zeta模型时,财务指标的最初选取遵循了两个原则:该指标在以前的研究中出现的频率;指标与所要研究问题的潜在相关性。结合这两个原则以及敏感性、先兆性、关联性、可操作性和互斥性,本文从反映上市公司的盈利能力、经营能力、偿债能力、成长能力四个方面提取了各项财务指标,具体说明如下:

1.盈利能力指标。X1净资产收益率:该指标是从所有者的角度考察企业盈利水平的高低。该指标越高,表明资产增值能力越强,企业越有活力,财务状况越健康;X2总资产利润率:该指标反映企业总资产获得利润的能力,是反映企业资产综合利用效率的指标。该指标越高,表明资产利用效果越好,企业发生财务危机的可能性越小。

2.经营能力指标。X3应收账款周转率:该指标反映企业应收账款周转速度的比率。该指标越高,表明公司收账速度快,坏账损失少,资产流动快,偿债能力强;X4存货周转率:该指标是衡量企业购入存货、投入生产、销售收回等各环节管理状况的综合性指标。它影响到企业的短期偿债能力。该指标越高,存货的占用水平越低,企业的变现能力越强;X5总资产周转率:该指标综合评价企业全部资产经营质量和利用效率。数值越高,表明企业总资产周转速度越快,销售能力越强,资产利用效率越高,发生财务危机的可能性越小。

3.偿债能力指标。X6流动比率:该指标是流动资产对流动负债的比率,用于衡量企业流动资产在短期债务到期前,可以变为现金用于偿还负债的能力。该指标越大,企业短期偿还债务的能力越强;X7速动比率:该指标是速动资产对流动负债的比率,衡量企业流动资产中可以立即变现用于偿还流动负债的能力。该指标是对流动比率的补充,它越大,企业的短期偿债能力越强,财务风险越小;X8资产负债率:该指标又称为财务杠杆系数。在企业经营状况良好的情况下,适当的财务杠杆可以起到正面的作用,在经营不良时,过度的财务杠杆会导致企业的财务状况恶化。

4.成长能力指标。X9主营业务收入增长率:该指标衡量公司的产品生命周期,判断公司所处的阶段。该指标越大表明企业的发展潜力越大;X10总资产增长率:该指标反映企业本期资产规模的增长情况。该指标越高,表明企业一定时期内资产经营规模扩张的速度越快。

(二) 财务风险预警指标的进一步筛选

进入预警模型的指标应当能够显著地区分ST公司和非ST公司,因此,本文选取应用多元统计方法中的T检验对预警指标进行再次筛选。对同一财务指标而言,当两组样本具备齐方差性时,采用的检验统计量为:

当两组样本不具备齐方差性时,采用的检验统计量为:

利用24家上市房地产公司的样本数据,采用SPSS统计分析软件中的双样本(独立)平均数检验Independent-Sample T Test,对样本2008年的数据进行显著性检验的结果如表1所示。由表1可以看出,在财务风险发生的前一年中有三个指标通过了显著性检验,分别是:X7速动比率、X5总资产周转率和X10总资产增长率,这三个指标可以有效地区分有财务困境和没有财务困境的企业,因此,选取它们作为logistic回归中的入选变量。

财务困境预测模型选择和构建

根据上述筛选出的三个财务指标,本文试图预测我国上市房地产公司发生财务困境的可能性,即根据该指标组刻画的财务状况推测企业未来发生亏损的概率。

Logistic回归是处理定性被解释变量的常用统计分析方法,尤其对于相依变量为二分类变量时的模型往往具有较好的效果。并且相对于多元线性回归,logistic回归不要求变量服从正态分布,因而比判别分析更加稳健。其表达式为:

其中,xn的值为自变量,β0为截距, βi为回归系数,P为在给定自变量的条件下事件发生的概率。

运用SPSS统计分析软件对筛选出的三个经过T检验的财务指标进行logistic回归分析,得到如表2所示。

所得方程可表示为:

logistic回归模型一般以0.5为最佳判定点,即如果通过模型计算出来的某事件发生的概率(Y=1)大于等于该事件不发生的概率(Y=0),则判定该事件发生,否则判定该事件不发生。在本文中即为当P>0.5时,该企业被判定为ST公司,当P

将样本公司的财务数据代入模型,进行回判,得到结果如表3所示。

从上述预测结果来看财务指标的综合运用大大提高了预测的准确性,本文对ST公司的正判概率为83.3%,对正常上市公司的正判概率为83.3%,综合正判概率即为83.3%。

结论及亏损的原因

(一)结论

本文利用logistic回归对中国预亏上市房地产公司的财务困境进行了预测研究。采纳的数据是综合反映公司经营状况的财务指标,判断公司发生财务困境的标准是被ST。此外,作为对比研究,文章还选入数量相同的未发生亏损的业绩正常的上市公司。从logistic回归模型的预测结果来看,判别的准确率达到83.3%,表明模型在预测上市房地产公司发生亏损方面是有效的。因此,这个模型可以为资本市场上的机构与个人投资者做决策提供参考。同时,这个模型可以看做是对上市房地产公司连续亏损原因的解释,表明速动比率、总资产周转率和总资产增长率这三个指标所代表的相应的偿债能力、经营能力和成长能力对企业的财务状况具有重要的影响,这三个指标越大,企业的发生财务困境的概率越小,因此,企业的管理层应当在这些方面给予足够的关注。

(二)我国上市房地产公司连续亏损的原因

企业偿债能力偏低,风险大。我国房地产企业普遍存在自有资金不足的问题,企业所需资金主要是靠向银行贷款解决。而对比ST企业与经营良好企业的财务指标可以发现连续亏损企业的资产负债率多在90%以上,有的高达1000%,远远高于正常经营的企业,而速动比率却明显偏低。这样,过高的负债,不足的偿债能力必然导致企业经营的成本增加,盈利下降,以致出现亏损。这种自由资金不足,过分依靠银行贷款、施工企业垫资和拖欠材料款等方式来进行房地产开发的公司,一旦商品房销售不畅,资金不能即时回笼,将导致工程难以为继,极易出现亏损乃至破产。 企业重开发,轻经营管理。依据上述研究结果中显示的经营能力,再结合实际,可以发现被ST的房地产企业相对于业绩良好的房地产企业而言更加轻视物业经营管理。在这种情况下,公司业绩取决于具体的开发项目,而一个开发项目的周期只有2-4年,极易导致开发企业经营业绩的大起大落。在国外,物业经营管理的比重大大高于物业开发的比重,这也是国外房地产企业经营相对稳定的主要原因之一。

企业开发能力低,发展潜力小。房地产业是非常密集的资本密集型产业,而我国很多房地产企业规模小,资源分散,开发企业整体水平不高,与其密集的行业特点极不相适应。这也是ST房地产企业所面临的问题之一,再加上它们偿债能力和经营能力的欠缺,导致其融资能力也大受影响,进而影响到企业的发展潜力。而发展潜力所映射的成长能力的缺乏又进一步增加了其亏损的可能性。

此外,本文的研究也存在一定的局限性。主要表现在:由于考虑了行业和规模进行实证分析,难以取得足够的样本,这可能会导致研究结果与实际状况存在一定误差。样本的选取局限于上市公司,限制了模型的适用范围。由于搜集数据的途径有限,有关公司治理、宏观环境、行业竞争情况等影响企业财务状况的非财务指标因素没有纳入研究范围。

参考文献:

1.于立勇,詹捷辉.基于Logistic回归分析的违约概率预测研究[J].财经研究,2004(9)

2.杨蓬勃,张成虎,张湘.基于Logistic回归分析的上市公司信贷违约概率预测模型研究[J].经济经纬,2009(2)

3.杜勇,刘星.基于Logistic回归的上市公司亏损逆转识别模型研究.[J].技术经济,2009(12)

篇4

0引言

目前，对房地产企业财务风险预警系统模型的定量研究仅主要采用线性或者广域线性模型，而采用非线性模型对房地产企业的财务风险预警系统做定量研究较为少见。本文将从财务信息和非财务信息方面构建一个财务风险预警系统的指标体系，并采用因子-神经网络模型对房地产上市公司的财务风险预警进行分析和预测，并得出相关结论。

1样本的选取及指标体系的建立

1.1研究样本的选取

为便于财务数据的获得和研究成果的对比，本文选择房地产A股上市公司的财务数据作为分析样本，把沪、深两地证券市场中的ST房地产公司界定为处于财务危机的公司，非ST房地产公司界定为财务正常的公司。根据上市房地产公司的实际情况，采用非配对抽样，抽取相对少量的财务危机企业与相对较多的正常企业。基于以上原则，并根据CCERDATA和新浪网站公布的房地产上市公司报表及CSRC和GISC的行业分类标准，选取沪、深两市房地产上市公司。选取的房地产企业情况如表1所示，由于2006年的数据缺省太多，且2010年的被ST房地产公司数量很少不便于预测，故本文仅选取2007~2009年的房地产企业作为研究样本，分为财务正常企业和财务危机企业两种样本(表1)。

1.2财务预警指标的选取

由于对财务危机预警的研究始终缺少系统的经济理论支持，很难在已有的参考资料中找到企业内部影响因素的公认指标。故本文试图结合房地产上市公司的实际情况，并基于可采取可量化的原则，将选择涵盖企业偿债能力、现金流量能力、盈利能力、营运能力、股东获利能力、成长能力等方面的财务指标共32个，同时也将选择涵盖公司规模、股权结构、市场信息、审计等方面的非财务指标共20个，见表2。表2中的指标能比较全面地衡量房地产上市公司各方面的情况。然而财务危机预警指标过多，会导致神经网络分析的过分拟合，同时指标之间的相互关联反而会导致预警判别结果出现偏差。因此在对数据进行神经网络分析前，必须先对这些财务危机预警指标进一步筛选，去掉冗余信息。

2模型构建与对比分析

2.1财务数据处理

由于在采集到的企业原始数据中，有些企业的部分数据缺乏，故首先要做预处理，才能进行深层次的分析。处理情况包括以下几种：（1）对于在财务报表中未披露的数据。本文将用该企业前后两年的平均数作为缺省数据补充，以保证整体数据的完整性。（2）对于在公开信息中无法获得或依据公开信息无法判断的数据。本文将依据悲观准则用“不利”数据进行填充。比如，对于无法获得董事长是否变更的情况，都一律认为发生变更。当数据处理完整之后，利用SPSS统计分析软件提供的K-S检验，对2007~2009年的127个样本的52个指标进行正态分布检验。检验结果显示，在显著性水平为0.05下，流动负载比例、长期负载比例、年度股东大会会议出席率、董事监事和高级管理人员总人数、CR10指数、换手率这6个变量的K统计量的p值大于0.05，符合正态分布，其余指标样本不符合正态分布。

2.2显著性检验

2.2.1服从正态分布的财务危机预警指标的均值相等性检验

对于服从正态分布的变量，可根据两种样本（财务正常企业和财务危机企业）的均值差的t统计量，对其进行独立样本的均值相等性检验，从而判断两种样本中的财务危机预警指标是否存在显著性差异。在0.05的显著性水平下，长期负债比例、CR10指数、流动负载比例这3个指标通过了t检验的显著性水平检验，即两个样本中的这3个指标有显著性差异。董事监事和高级管理人员总人数、换手率、年度股东大会会议出席率这3个指标没有通过t检验，即两个样本中的这3个指标没有显著性差异。如表3所示。

2.2.2不服从正态分布的财务危机预警指标的非参数检验

对其余47个不服从正态分布的财务危机预警指标变量，因其不符合t检验的前提条件，不能采用t检验的方法。本文采用非参数检验中的两独立样本非参数检验的Mann-WhitneyU检验、Wald-WolfowitzW检验和Kolmogorov-Smirnov检验相结合的方式，若有一半以上非参数检验认为指标有差异，则认为通过了显著性检验。通过SPSS检验后，流动比例、速动比例、营运资金比例、现金流量对流动负载比例、资产负债率、权益负债率、固定资产比例、长期负债比例利息保障倍数、存货周转率、资产周转率、应收账款周转率、营运收入净利润率、营业利润率、每股收益、市净率、市盈率、净资产增长率、营业利润增长率、财务杠杆系数、年度内董事会的会议次数、金额最高的前三名董事的报酬总额、回报率、西格玛系数、贝塔系数这24个指标通过显著性检验；其余指标在两种样本中没有显著性差异。

2.2.3显著性检测结果

综合上述t检验及非参数检验的结果，一共选取27个财务危机预警指标作为下一步分析对象。其中财务指标20个，非财务指标7个。

2.3财务指标的因子分析

上面确定的27个财务危机预警指标具有显著性，这些指标从不同方面反映了公司的财务状况。但财务危机预警指标项过多会导致神经网络模型的过分拟合，反而影响结果的正确性[2]。本文考虑用因子分析的方法对财务危机预警指标进行降维处理。首先利用KMO检验对20个财务指标变量之间的相关性进行测定，把原有变量的指标数值代入SPSS软件，计算结果如表3所示。变量指标的KMO测度值为0.674，球形检验P值小于0.05，检验结果显著，可以做因子分析。检验结果如表4所示。把样本数据代入SPSS，采用主成分分析方法，并取累计贡献率为78.517%，则主成份为8个，即用这8个主成份来代替原来的20个财务指标。本文采用正交旋转法中的方差最大法进行转换。结果如表5所示。观察表5，可以将这8个因子归纳为，短期偿债和现金流动能力因子、盈利能力因子、营运能力因子、获利能力因子、风险评价能力因子、资本成长潜力能力因子、资产营运负债能力因子、股东获利能力因子。同时对非财务指标进行因子分析，发现不满足KMO检验，无法进行主成分提取，故可直接将7个非财务指标作为神经网路的输入。

2.4BP-Adaboost神经网络模型

Adaboost算法的思想是合并多个“弱”分类器的输出以产生有效的分类。BP-Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Ada-boost算法得到多个BP神经网络弱分类器组成的强分类器。对于本案例来说，输入节点为15维，代表上述8个财务因子和7个非财务指标，输出为1维，代表公司财务状况。输出为1时表示财务状况良好，输出为-1时表示财务状况出现问题。BP神经网络的激发函数选取Sigmoid函数。同时应注意隐含层节点数的选择，如果隐含节点数太少，BP神经网络不能建立复杂的映射关系，预测误差较大，节点数过多，网络学习时间增加，可能出现“过分拟合”现象，导致训练样本预测准确，但对其它样本预测的误差则较大。一般采用经验法，中间隐含节点数参考下面公式：（略）。本文通过试错法，确定BP神经网络的结构为15-4-1，共训练生成15个BP神经网路弱分类器；并用这15个弱分类器组成强分类器对公司财务状况进行分类。抽取2007~2008年共127组数据作为训练数据，再抽取2009年84组数据作为测试数据。根据Adaboost和BP神经网络原理，采用Matlab进行仿真，设定单个BP迭代次数为50，学习率为0.1，目标为0.00004。采用多次训练求平均值的方法确定分类错误和误差率，作为训练的结果，如表6所示。

2.5模拟结果分析

BP-Adaboost作为强分类器，比BP分类器的准确性要强，同时和Logistic回归模型相比，误差率要相应小一些[3][4]，该模型和指标项对财务正常的企业具有较高的判断能力，误差率只有2.71%。但本模型对于财务异常企业的判断能力就有些弱了。一方面，2007~2009年中国和国际经济形势发生了巨大变化，而房地产企业受外部环境和政策的影响很大；又由于房地产企业的特殊性，其财务指标往往带有滞后性，故若忽略这些因素，而只选取公司内部指标来判断一个企业财务状况是否正常有些欠妥。另一方面，对于异常企业来说，其部分数据太过异常，淹没了其它数据之间的差异性，从而对该部分数据的标准化肯定会影响该指标项的其他数据，给最终结果带来影响。

篇5

摘 要：随着经济日益发展，市场竞争日趋激烈，完善的财务危机预警体系是房地产上市公司在激烈的市场竞争中处于不败的必要保障。但我国财务危机预警体系研究起步较晚，至今尚未形成完整的财务危机预警体系。我国房地产上市公司主要采用定量分析法来进行财务危机预警。本文在前人研究的基础上，从我国房地产上市公司财务危机预警体系的现状出发，指出仅采用定量分析法来预测公司财务风险的局限性，提出引入非财务指标因素及改进财务预警模型两点建议来完善我国房地产上市公司财务危机预警体系，旨在加强我国房地产上市公司防范财务风险的能力。

关键词：上市公司；财务危机；预警体系

一、引言

随着全球化的发展，市场竞争日益激烈，由财务失败而导致的破产公司越来越多，2009年的金融危机更是把破产风潮推向顶端。因此，建立完善的财务危机预警体系十分必要。

财务危机预警的研究国内外已经有了一些优秀的研究成果。国外学者Fitzpatrick于1931年以19家公司作为样本，利用单一财务比率进行分析，发现净利润/股东权益和股东权益/负债两个比率的判别能力最高。Beaver于1968年选择79家经营失败和未失败的公司，选用30个财务比率进行分析，发现债务保障率、资产收益率、资产负债率、资金安全率、应收账款周转率、存货周转率、流动资金周转率等比率判别力较高。但是，这些单一变量模型不能反映各财务比率之间的相互影响。Altman于1968年提出了Z模型。其多元线性判定模型为：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5，其中判别变量分别为营运资本/总资产、留存收益/总资产、息税前收益/总资产、股票市值/债务的账面价值、销售收入/总资产。由于公司规模、行业、地域等诸多差异，使Z值并不具有横向可比性。再者，模型中一些数据的收集十分困难。Olson于1980年将逻辑回归方法引入财务危机预警领域，提出了logistic回归分析模型，此模型收集信息和计算过程较为复杂，不易掌握。Tam于1991年采用人工神经网络模型进行财务危机预警研究，提出了人工神经网络模型，但是模型很抽象，且不同样本模型其隐藏要素个数会有所不同，影响比较的客观性。

国内学者杜兰英，王海波于2006年提出长期财务预警模型由获利能力、偿债能力、经济效率和发展潜力四个模块组成，从公司财务评价，经营管理水平和发展潜力三方面对财务危机进行监测。但是过于依赖定量指标，没有考虑定性因素对财务危机的影响。柏丽于2008年提出经营风险引起财务风险，应因采取适当的风险策略，并制定相应切实可行的风险管理策略来降低危害。可是，财务风险总会受到特定历史时期各种相关因素的影响，比如政策风险、自然风险等，经营风险只是影响因素之一。赵彬于2009年提出非财务指标往往先于财务指标发现问题，在财务危机预警体系中占有重要角色。虽开始关注非财务指标和定性指标，但是只引入了国家宏观经济产业政策的研究，没有注重上市公司的微观经营环境。

二、财务危机预警体系的理论研究

财务危机是指财务陷入困境，是公司风险货币化的集中表现，是一种复合性风险概念。公司的财务风险按其在经营中的表现不同，可以分为狭义财务风险和广义财务风险。

狭义财务风险，通常也称为筹资风险，是指公司因借入资金而增加的丧失偿债能力或减少公司利润的可能性。

广义财务风险是指公司在运行过程中筹资、投资、资金收回、收益分配等各个环节产生的风险。财务风险是个综合性极强的概念。首先，它涉及到公司资金运动的各个环节、公司内部的各个方面以及公司环境中的各个因素。其次，公司的其它风险，如经营风险、政策风险、自然风险等，对公司的影响最终也会通过财务成果来反映。由此可知，财务风险是财务活动和经营活动过程中各种不确定性的综合反映，是公司风险货币化的集中体现。

财务危机预警是指依据公司财务报表及相关经营资料，运用科学的方法，对公司财务系统和财务活动中存在的问题进行分析和诊断，及时发现公司的潜在危机，进而提出解决措施。

三、我国房地产上市公司财务危机预警体系现状及问题

我国房地产上市公司财务危机预警的现状表现在以下四方面：

（一）主要采用定量分析法进行预警分析

我国有些房地产上市公司对其相关财务指标进行分析来预测财务风险，比如，净利润率、资产负债率、股利增长率、净资产收益率等。有些公司通过选取一些财务指标作为预测变量，沿用国外的预警模型来进行预警分析，Z模型使用较为普遍。

（二）预测变量的选择及相关关系的确立依据不充分

我国财务危机模型的研究是在借鉴国外的实证性研究的基础上进行的。但是公司样本的选择并不完全适合我国上市公司。首先，我国上市公司的退市机制刚建立，上市公司有关破产机制不健全，迄今为止尚无一家上市公司宣告破产，以至研究人员无法以破产为财务危机标准来建立财务危机预警模型，通过选取ST公司来代替。ST公司是指连续亏损两年的上市公司，这都是根据上市公司的亏损状况而定的，亏损并不意味着就公司就陷入了财务困境。因此，模型中预测变量的选择是否与公司持续经营相关，依据不充分。

（三）预测变量数据缺乏准确性

随着所有权和经营权的分离，投资者和经营者信息不对称。经营者在信息编报方面权利过大，而且现行独立审计机制和监督机制难以保证上市公司的财务信息质量，这会影响模型预测的准确性。再者，许多模型中变量数据收集十分困难，例如，“Z-模型”中需要的股东权益的市场价值，其包含资产负债表中已经存在的所有者权益，同时还包括市场对上市公司未来盈利能力和市场价值的估计，对于一个发展前景好的公司，其权益市场价值通常会高于其账面的所有者权益价值，二者不存在简单的算术关系。因此，这些都使得模型的准确性大打折扣。

（四）对非财务指标因素重视不够

公司进行财务预警分析时，往往忽视了非财务指标的作用。财务指标面向过去，非财务指标往往面向未来，非财物指标是公司未来财务危机较好的指示器，不容忽视。对非财务指标这一定性因素进行改善，将有助于改善公司的财务业绩，增强公司抵御风险和财务危机的能力。

四、完善我国房地产上市公司财务危机预警体系建议

（一）重视非财务指标的作用

房地产上市公司陷入财务危机是一个逐步恶化的过程。从一定意义上说，如果房地产公司的可持续发展能力长期处于虚弱状态，将会导致财务危机的出现。因此，本文提出将房产上市公司的可持续发展能力这一非财务指标因素纳入财务危机预警体系研究。影响房产上市公司可持续发展水平及能力高低的因素很多，本文认为，房地产上市公司应对以下因素进行考察：

1、房地产上市公司的发展战略

发展战略是房地产上市公司的发展远景，是塑造公司核心竞争能力实现其持续发展的谋略。因此，房地产上市公司应制定适当的发展战略，其各种短期、中期、长期发展战略的制定要从公司全局出发，实事求是，高瞻远瞩，确保发展方向正确、目标明确、灵活运用规模化和差别化原则、充分利用各种资源、战略措施的制定贴近实际而又灵活机动。目前，我国房地产上市公司的资源利用并不充分，外部资源利用太少，融资渠道太窄，这也就说明应该制定正确的发展战略，拓宽融资渠道，广开源路。

2、房地产上市公司的制度环境

制度是房地产上市公司良性运作和可持续发展的保障机制。公司可持续发展客观上要求一种制度可持续发展，而公司治理就是一种制度安排，那么公司治理体系越完善就越能保障公司制度的持续发展。因此，我国房地产上市公司应该要不断完善公司治理结构，可从以下方面进行完善：第一，分散股权，改善股权结构，积极推进产权改革。在一般的竞争行业，可通过出让国家股、国有法人股或者资产重组等方式，同时制订外资公司收购上市公司股权的管理办法，并加以完善。第二，规范董事会，建立和健全董事提名和任免机制，股东对董事的任免起决定作用。分设董事长与总经理职位。第三，提高监事会的独立性，强化监事会的监督力度。第四，设立独立的薪酬委员会，保持薪酬委员会与受益人之间的独立性，防止各方串通勾结。

3、房地产上市公司的人力资源状况

知识经济时代，社会经济活动的一切竞争，归根到底是人力资源特别是人才的竞争。人力资源越优越，公司的综合能力就越强。房地产上市公司的人力资源状况包括全体员工的文化水平、道德水平、技术技能、组织纪律性等综合情况。因此，公司必须重视对人才的培养，通过各种适合自身发展所需要的培训途径来传导公司文化、提高人才素质，促进公司优势人力资源的形成。公司人力资源管理应注重变革管理和人性管理，采取前瞻态度，注重人员的贮备、使用和提高，只有这样才能吸引、保留和激励人才，促进公司的可持续发展。i

（二）完善财务危机预警模型

在建立财务指标预警模型时，应考虑由于不同年度上市公司所处环境的差异，公司各项财务指标是否受到与时间跨度有关因素的影响，如宏观经济形势、经济周期等，并加以必要的处理。

在预测变量数据的使用方面，尝试利用中报数据，建立中报预测模型，努力使研究结果提高公司财务预测的及时性，并检验我国上市公司中报信息的质量，确保模型数据的真实性。

随着统计软件的日益完善和计量经济学的不断发展，研究者应该结合我国上市公司的实际情况，不断建立更多、更先进的财务预测模型。（作者单位：湘潭大学）

参考文献：

[1] 顾晓安.公司财务预警系统的构建[J].财经论丛，2000（4）：69-70.

[2] 柏丽.公司财务危机预警体系探究[J].山东行政学院报，2008（6）：107-109.

[3] 冯璇.影响我国上市公司可持续发展的公司治理因素研究――来自制造业上市公司的经验数据[J].财会通讯，2008：15-18.