內(nèi)容提要：國(guó)家宏觀調(diào)控使中小型房地產(chǎn)企業(yè)外部風(fēng)險(xiǎn)顯著增大，對(duì)企業(yè)償債能力和資金鏈風(fēng)險(xiǎn)產(chǎn)生嚴(yán)峻挑戰(zhàn)。為評(píng)估中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，本文以我國(guó)中小型房地產(chǎn)上市公司1998-2013年的年度數(shù)據(jù)為樣本，將在險(xiǎn)價(jià)值引入財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控指標(biāo)體系，構(gòu)建中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控模型，經(jīng)進(jìn)一步驗(yàn)證，該模型能夠有效提高房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性。因此，融入在險(xiǎn)價(jià)值的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估體系對(duì)中小型房地產(chǎn)上市公司防范和化解財(cái)務(wù)風(fēng)險(xiǎn)具有一定的參考價(jià)值，對(duì)外部市場(chǎng)風(fēng)險(xiǎn)因素變化也起到預(yù)警作用。

關(guān)鍵詞：中小型房地產(chǎn)企業(yè)；風(fēng)險(xiǎn)監(jiān)控；在險(xiǎn)價(jià)值；預(yù)警機(jī)制

中圖分類號(hào)：F830572 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-148X（2017）08-0109-07

收稿日期：2017-03-15

作者簡(jiǎn)介：王曉燕（1977-），女，河南淅川人，西北大學(xué)經(jīng)濟(jì)管理學(xué)院博士研究生，華北水利水電大學(xué)管理與經(jīng)濟(jì)學(xué)院講師，研究方向：審計(jì)網(wǎng)絡(luò)。

基金項(xiàng)目：中國(guó)博士后科學(xué)基金項(xiàng)目，項(xiàng)目編號(hào)：2015M580872；河南省高等學(xué)校重點(diǎn)科研項(xiàng)目，項(xiàng)目編號(hào)：15B630007；河南省教育廳人文社科項(xiàng)目，項(xiàng)目編號(hào)：2016-ZD-061。

受限購(gòu)令、預(yù)售款監(jiān)管趨嚴(yán)、信貸不斷收緊、資本市場(chǎng)融資受阻等外部因素的影響，房地產(chǎn)開(kāi)發(fā)企業(yè)的經(jīng)營(yíng)性現(xiàn)金流顯著趨緊、資產(chǎn)負(fù)債率明顯攀升。對(duì)于資金運(yùn)作主要依托信貸的中小型房地產(chǎn)企業(yè)，負(fù)債問(wèn)題尤其突出，部分企業(yè)的資產(chǎn)負(fù)債率在70%以上，有的甚至高達(dá)90%①。隨著國(guó)家對(duì)房地產(chǎn)市場(chǎng)的宏觀調(diào)控，中小型房地產(chǎn)企業(yè)的外部風(fēng)險(xiǎn)將顯著增大，這已經(jīng)成為房地產(chǎn)行業(yè)必須面對(duì)的經(jīng)濟(jì)新常態(tài)。

近年來(lái)，在險(xiǎn)價(jià)值作為風(fēng)險(xiǎn)測(cè)量工具，主要考察投資人資產(chǎn)的最大損失值，由于具有直觀性、簡(jiǎn)潔性，因此廣泛應(yīng)用于風(fēng)險(xiǎn)損失的量化測(cè)量上（Olson & Wu， 2010）。本文選擇滬深A(yù)股中小型房地產(chǎn)企業(yè)為樣本，引入衡量公司外部市場(chǎng)風(fēng)險(xiǎn)的在險(xiǎn)價(jià)值指標(biāo)，并結(jié)合相關(guān)財(cái)務(wù)數(shù)據(jù)，構(gòu)建較為合理的財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控模型，提出控制我國(guó)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的有效策略，為我國(guó)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)控制提供理論基礎(chǔ)，以期推動(dòng)我國(guó)中小型房地產(chǎn)企業(yè)的健康發(fā)展。

一、文獻(xiàn)綜述

關(guān)于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控的方法研究，跨學(xué)科的數(shù)學(xué)模型和評(píng)價(jià)方法得到了重視。比如，房地產(chǎn)開(kāi)發(fā)企業(yè)資金循環(huán)系統(tǒng)的動(dòng)力學(xué)模型，該模型對(duì)房地產(chǎn)開(kāi)發(fā)企業(yè)資金循環(huán)系統(tǒng)進(jìn)行情景模擬和危機(jī)識(shí)別，顯現(xiàn)出“政策實(shí)驗(yàn)室”效果（胡援成和張朝洋，2014）。而識(shí)別企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)可以靈活運(yùn)用回避風(fēng)險(xiǎn)法、分散風(fēng)險(xiǎn)法、轉(zhuǎn)移風(fēng)險(xiǎn)法、降低風(fēng)險(xiǎn)法、緩沖風(fēng)險(xiǎn)法（劉平，2007）。房地產(chǎn)風(fēng)險(xiǎn)定量分析和基本評(píng)價(jià)方法也可以有效分析房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)（李啟明，1998）。AHP層次分析法就是一種實(shí)用的方法，能夠清楚地分析出影響房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的各種因素（陳樺，2012）。在此基礎(chǔ)上，構(gòu)建房地產(chǎn)開(kāi)發(fā)項(xiàng)目風(fēng)險(xiǎn)動(dòng)態(tài)灰色模糊綜合評(píng)價(jià)模型，運(yùn)用模糊綜合評(píng)判的方式可以判定房地產(chǎn)上市公司并購(gòu)融資風(fēng)險(xiǎn)的風(fēng)險(xiǎn)程度（劉曉君和孟凡文，2005；趙琳，2012）。將RBS和AHP方法引入房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)管理的全過(guò)程中，構(gòu)建針對(duì)房地產(chǎn)項(xiàng)目的動(dòng)態(tài)風(fēng)險(xiǎn)管理模型，也可以運(yùn)用該模型監(jiān)控房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)（喻曉艷和王松江，2008）。而基于SVM的房地產(chǎn)投資風(fēng)險(xiǎn)評(píng)價(jià)模型可以處理分類和回歸問(wèn)題，是對(duì)房地產(chǎn)投資風(fēng)險(xiǎn)預(yù)測(cè)能力的提升（李毅，2012）。

而對(duì)于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控的測(cè)評(píng)研究，評(píng)級(jí)指標(biāo)體系的構(gòu)建是最受學(xué)者們關(guān)注的主題。國(guó)外已有學(xué)者引入在險(xiǎn)價(jià)值來(lái)測(cè)度企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，并試圖提高在險(xiǎn)價(jià)值的精度（Lleo，2009）。有三種方法可以用來(lái)計(jì)算風(fēng)險(xiǎn)價(jià)值：方差協(xié)方差法、歷史模擬法、蒙特卡羅模擬法。然而，這些方法都有不足。方差協(xié)方差法低估了風(fēng)險(xiǎn)，歷史模擬法可能改變樣本大小和蒙特卡羅模擬法可能不正確（索莉斯，2009）。國(guó)內(nèi)有學(xué)者采用蒙特卡洛模擬方法，對(duì)貸款組合信用風(fēng)險(xiǎn)在險(xiǎn)價(jià)值進(jìn)行了計(jì)算（鄧云勝等，2003）。也有學(xué)者基于Copula函數(shù)度量組合信用風(fēng)險(xiǎn)原理，模擬出1000種資產(chǎn)的收益率，并在聯(lián)合分布與邊際分布不同假設(shè)情況下，統(tǒng)計(jì)分析出資產(chǎn)組合的在險(xiǎn)價(jià)值（白保中等，2009）。還有學(xué)者基于KMV模型，引入信用價(jià)差的計(jì)算，構(gòu)建了一個(gè)改進(jìn)的KMV模型，該模型可以直接度量樣本的在險(xiǎn)價(jià)值，從而使得相關(guān)管理者從量化的角度直接測(cè)算信用損失（許清茹，2012）。這些研究為我國(guó)中小型房地產(chǎn)企業(yè)監(jiān)控財(cái)務(wù)風(fēng)險(xiǎn)提供了理論依據(jù)、方法和對(duì)策（石夢(mèng)娜，2013）。從長(zhǎng)期看，從總體上看，我國(guó)近年來(lái)房地產(chǎn)價(jià)格變化有宏觀經(jīng)濟(jì)背景的支持，房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)還不是很大（田成詩(shī)和李輝，2008）。

綜上所述，關(guān)于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究文獻(xiàn)僅采用財(cái)務(wù)指標(biāo)分析，雖然也有部分研究考慮到引入在險(xiǎn)價(jià)值等市場(chǎng)風(fēng)險(xiǎn)因素，但在對(duì)在險(xiǎn)價(jià)值的應(yīng)用和估計(jì)方法時(shí)略有不足，尤其是在樣本選擇時(shí)多以ST和非ST來(lái)劃分，造成樣本選擇的主觀性。本文對(duì)傳統(tǒng)財(cái)務(wù)指標(biāo)提取五個(gè)主要因子，并與外部風(fēng)險(xiǎn)在險(xiǎn)價(jià)值進(jìn)行聚類分析，得到的樣本組與對(duì)比組樣本相對(duì)更加客觀，并且樣本區(qū)間較長(zhǎng)，采用Garch模型估計(jì)在險(xiǎn)價(jià)值更能反映市場(chǎng)風(fēng)險(xiǎn)。

二、研究方法

（一）樣本選擇與數(shù)據(jù)來(lái)源

為構(gòu)建中小型房地產(chǎn)公司的風(fēng)險(xiǎn)監(jiān)控模型，本文選擇1998-2013年滬深A(yù)股中小型房地產(chǎn)公司為研究對(duì)象，并且按照總資產(chǎn)規(guī)模計(jì)算平均值，再排序劃分為三組，選擇資產(chǎn)規(guī)模最小的第三組作為研究樣本，包括ST和PT類公司共40家公司。樣本年觀測(cè)值為560個(gè)，股票周交易數(shù)據(jù)為23280個(gè)，以便于對(duì)建立房地產(chǎn)公司的風(fēng)險(xiǎn)監(jiān)控模型進(jìn)行檢驗(yàn)。研究樣本財(cái)務(wù)指標(biāo)和股價(jià)數(shù)據(jù)均來(lái)源于銳思數(shù)據(jù)庫(kù)（RESSET），對(duì)個(gè)別指標(biāo)缺失的公司通過(guò)滬深證券交易所及新浪財(cái)經(jīng)網(wǎng)站查找相關(guān)數(shù)據(jù)補(bǔ)充完整。

（二）變量選擇與定義

要建立房地產(chǎn)企業(yè)風(fēng)險(xiǎn)監(jiān)控模型，首要的就是對(duì)指標(biāo)的選取，然而目前國(guó)內(nèi)外關(guān)于企業(yè)風(fēng)險(xiǎn)監(jiān)控的評(píng)價(jià)方法絕大部分是基于財(cái)務(wù)指標(biāo)局部綜合評(píng)價(jià)。雖然此類指標(biāo)是評(píng)價(jià)的必要參考，但隨著整個(gè)宏觀環(huán)境的變化，如果僅選擇財(cái)務(wù)指標(biāo)選擇難免有失偏頗，但由于企業(yè)面臨的金融市場(chǎng)風(fēng)險(xiǎn)是很難衡量，本文采用反映股票收益率波動(dòng)而產(chǎn)生的最大損失值來(lái)衡量企業(yè)面臨的金融市場(chǎng)風(fēng)險(xiǎn)，從而引入了VAR這個(gè)指標(biāo)。在此基礎(chǔ)上結(jié)合多元統(tǒng)計(jì)方法中的因子分析法對(duì)原始指標(biāo)群所包含的信息進(jìn)行提取，可以獲得少數(shù)幾個(gè)經(jīng)濟(jì)上可解釋的主因子。再對(duì)這些主因子進(jìn)行風(fēng)險(xiǎn)因素分析，運(yùn)用邏輯回歸對(duì)風(fēng)險(xiǎn)損失做出評(píng)估。endprint

1.金融市場(chǎng)風(fēng)險(xiǎn)VAR

樣本公司的外部影響指金融市場(chǎng)風(fēng)險(xiǎn)用VAR值來(lái)度量，VAR被稱為風(fēng)險(xiǎn)價(jià)值或受險(xiǎn)價(jià)值，它可以被定義為：在一定的置信水平下預(yù)期資產(chǎn)的最大可能損失。計(jì)算 VAR 的方法通常假設(shè)收益率服從正態(tài)分布，但是股票收益率通過(guò)大量的歷史數(shù)據(jù)統(tǒng)計(jì)顯示是不服從正態(tài)分布，它的分布呈現(xiàn)出尖峰后尾的現(xiàn)象，條件異方差不是固定值，而是隨著時(shí)間隨機(jī)變動(dòng)的，而GARCH模型就是用來(lái)解決殘差序列不服從正態(tài)分布的一種金融時(shí)間序列估計(jì)模型，本文通過(guò)SAS軟件，對(duì)對(duì)數(shù)收益率的正態(tài)性進(jìn)行了檢驗(yàn)，發(fā)現(xiàn)收益率序列不是正態(tài)分布的，出現(xiàn)尖峰后尾的情況。通常VAR的計(jì)算方法主要有三種：Monte Carlo模擬法、方差一協(xié)方差方法、歷史模擬法，這三種方法各有優(yōu)劣。參考趙會(huì)嵩（2011）、李微微（2009）、李凱（2011）等的研究，李永娟（2011）認(rèn)為采用GARCH模型參數(shù)法計(jì)算VAR是最佳的方法，因此，結(jié)合股票市場(chǎng)收益率的波動(dòng)性特征，采用GARCH（1，1）模型計(jì)算各樣本公司股票周收益率的VAR的值，用上市公司的股票周收盤價(jià)來(lái)衡量股票收益率，利用對(duì)數(shù)收益率 rt=lnPt-lnPt-1。

利用GARCH模型計(jì)算VAR關(guān)鍵要計(jì)算出條件標(biāo)準(zhǔn)差，構(gòu)建GARCH（1，1）模型如下：

均值方程：rt=μ+εt

條件異方差方程：σ2t=α0+α1μ2t-1+βσ2t-1

可以通過(guò)SAS軟件，生成GARCH條件方差序列，最后將生成的條件方差序列開(kāi)方后就可以得到條件標(biāo)準(zhǔn)差序列，然后將得到的條件標(biāo)準(zhǔn)差代替VAR計(jì)算公式：

VAR=t×μp-Zασpt

如果股票交易周數(shù)為50周，那么VAR中的t就等于50，這樣計(jì)算得到持有期為一年的VAR。因此，可以分別得到樣本公司每一年的VAR值。

2.財(cái)務(wù)指標(biāo)

與以往研究類似，參考趙會(huì)嵩（2011）、李微微（2009）、李凱（2011）、李永娟（2011）等的研究，本文分別從盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力及收益質(zhì)量等方面選擇了相關(guān)財(cái)務(wù)指標(biāo)。如表1所示。

（三）研究方法

本文在研究中小型房地產(chǎn)行業(yè)特征及風(fēng)險(xiǎn)成因的基礎(chǔ)上，構(gòu)建適合我國(guó)中小型房地產(chǎn)行業(yè)的風(fēng)險(xiǎn)監(jiān)控模型。首先采用聚類分析將公司進(jìn)行分類，并界定發(fā)生風(fēng)險(xiǎn)的公司。其次采用因子分析從財(cái)務(wù)指標(biāo)中提取主要因子，為構(gòu)建風(fēng)險(xiǎn)監(jiān)控模型奠定基礎(chǔ)。最后采用logit回歸方法構(gòu)建中小型房地產(chǎn)行業(yè)的風(fēng)險(xiǎn)監(jiān)控模型，并進(jìn)一步驗(yàn)證風(fēng)險(xiǎn)監(jiān)控模型的有效性。

三、實(shí)證分析

（一）描述性統(tǒng)計(jì)與分析

表2是樣本公司的相關(guān)指標(biāo)的描述性統(tǒng)計(jì)分析結(jié)果。

由表2可知，金融市場(chǎng)風(fēng)險(xiǎn)VAR的均值和中位數(shù)分別為0689和0693，標(biāo)準(zhǔn)差為0063，波動(dòng)性不大。凈資產(chǎn)收益率（AvgROE）、總資產(chǎn)報(bào)酬率（ROA）的均值分別為577%和294%。流動(dòng)比率和速動(dòng)比率的均值分別為192和102，資產(chǎn)負(fù)債率均值為493%，總資產(chǎn)增長(zhǎng)率均值為503%，總資產(chǎn)周轉(zhuǎn)率為0385%?？鄢墙?jīng)常性損益后的凈利潤(rùn)占比為775%，以及總資產(chǎn)現(xiàn)金回收率為148%，說(shuō)明資產(chǎn)收益質(zhì)量還是不錯(cuò)的。

（二）聚類分析

大多數(shù)對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究，都是將ST公司作為發(fā)生風(fēng)險(xiǎn)公司，未被ST的公司作為沒(méi)有發(fā)生風(fēng)險(xiǎn)的公司。這一方面有利于對(duì)ST公司和非ST公司進(jìn)行配對(duì)研究，通過(guò)統(tǒng)計(jì)分析從而得出一些能夠明顯區(qū)分這兩類公司的一些指標(biāo)進(jìn)行劃分，企業(yè)劃分界限比較明顯，在配對(duì)研究時(shí)容易進(jìn)行區(qū)分。但是這并不是劃分財(cái)務(wù)危機(jī)與財(cái)務(wù)危機(jī)的唯一方法，ST與非ST的劃分是按照監(jiān)管部門標(biāo)準(zhǔn)劃分的，難免會(huì)插入一些主觀的因素。對(duì)財(cái)務(wù)危機(jī)的界定也可以有別的方式，實(shí)際情況表明，ST公司可能是財(cái)務(wù)危機(jī)企業(yè)，但財(cái)務(wù)危機(jī)企業(yè)卻不一定被ST（特別處理），即非ST公司也可能出現(xiàn)財(cái)務(wù)危機(jī)。我國(guó)對(duì)上市公司采取特別處理的一個(gè)前提是上市公司連續(xù)兩年財(cái)務(wù)虧損，在實(shí)際情況中，除此之外，還有其他因素也可能導(dǎo)致上市公司被ST。因此，影響企業(yè)財(cái)務(wù)狀況的因素是多方面的，反映企業(yè)財(cái)務(wù)狀況的標(biāo)準(zhǔn)除了凈利潤(rùn)外，還有其他種種指標(biāo)。根據(jù)表1中的財(cái)務(wù)指標(biāo)，本文通過(guò)聚類分析，將公司進(jìn)行分類，并界定發(fā)生風(fēng)險(xiǎn)的公司（李微微，2009）。

通過(guò)對(duì)比分析，可以發(fā)現(xiàn)加入VAR指標(biāo)后的聚類效果比不加入VAR指標(biāo)的聚類效果要好一些，能夠把T類公司與非T類公司有效的區(qū)分出來(lái)，還有一些非T類公司雖然未被ST可是在效果上與T類公司類似，客觀上應(yīng)該屬于財(cái)務(wù)危機(jī)公司。因此，一些非T類公司由于總體財(cái)務(wù)狀況與T類公司相似，也同屬一類。這也說(shuō)明運(yùn)用聚類法較好地排除人為主觀經(jīng)驗(yàn)分類的缺陷。另外在一定程度上證明了加入衡量金融風(fēng)險(xiǎn)的VAR指標(biāo)對(duì)中小型房地產(chǎn)行業(yè)風(fēng)險(xiǎn)監(jiān)控的作用。文后的分析與驗(yàn)證就是基于聚類分析的結(jié)果進(jìn)行的。

（三）因子分析

要進(jìn)行因子分析，首先要進(jìn)行無(wú)量綱化處理，也就是將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。其次分析相關(guān)指標(biāo)是否適合做因子分析，運(yùn)用KMO檢驗(yàn)。KMO檢驗(yàn)的系數(shù)為089，BartlettS球形檢驗(yàn)值較大，在1%的水平上顯著，因此適合做因子分析。按照前文選取的19個(gè)財(cái)務(wù)指標(biāo)，運(yùn)用SAS軟件進(jìn)行聚類分析，詳細(xì)結(jié)果未列出。因子分子主要根據(jù)因子變量的方差貢獻(xiàn)（特征值）來(lái)確定因子個(gè)數(shù)，特征值是衡量因子重要性程度的指標(biāo)，選取特征值大于1的因子作為初始因子。為使因子具有實(shí)際經(jīng)濟(jì)含義，在因子分析的載荷矩陣中，因子變量可能在許多變量上都有較高的載荷，那么，因子變量的含義就比較模糊。通過(guò)使用方差最大的正交旋轉(zhuǎn)法對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)，使得每個(gè)因子上具有最高載荷的變量數(shù)目最小，從而簡(jiǎn)化對(duì)因子的解釋。旋轉(zhuǎn)后的因子貢獻(xiàn)率結(jié)果和旋轉(zhuǎn)后的因子載荷矩陣分別如表3和表4所示。

由表3可知，選取五個(gè)因子能夠解釋原有變量的87.58%，這說(shuō)明選擇五個(gè)因子就能很好代表原有指標(biāo)的信息，便于后文的分析。由表4可知，因子載荷矩陣可以發(fā)現(xiàn)，F(xiàn)actor1與每股收益、每股凈資產(chǎn)、凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、銷售凈利率、營(yíng)業(yè)利潤(rùn)率具有較高的因子載荷，因此命名為盈利能力因子。Factor2與流動(dòng)比率、速動(dòng)比率、利息保障倍數(shù)、現(xiàn)金流動(dòng)負(fù)債比、資產(chǎn)負(fù)債率、權(quán)益乘數(shù)具有較高的因子載荷系數(shù)，因此命名為償債能力因子。Factor3與存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率的載荷系數(shù)較高，因此命名為營(yíng)運(yùn)能力因子。Factor4與營(yíng)業(yè)收入增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率因子載荷系數(shù)較高，稱之為成長(zhǎng)能力因子。Factor5與總資產(chǎn)現(xiàn)金回收率、扣除非經(jīng)常性損益后的凈利潤(rùn)占凈利潤(rùn)比具有較高的因子載荷，稱之為收益質(zhì)量因子。這與選取財(cái)務(wù)指標(biāo)的分析結(jié)果很類似。endprint

（四）Logistic回歸分析

運(yùn)用二元Logistic回歸分析，以發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率為因變量，根據(jù)聚類分析結(jié)果，參照T類企業(yè)，定義發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)企業(yè)為0，沒(méi)有發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)企業(yè)為1。Logiistic分析方法雖然是一種較為常用且有效的統(tǒng)計(jì)學(xué)方法，但Logistic回歸法的變量篩選及參數(shù)估計(jì)中，對(duì)各變量之間相互獨(dú)立性要求的要求較高，而有很多研究中各自變量之間并不獨(dú)立，而是相互之間存在一定程度的線性依存關(guān)系，被稱作多重共線性。Logistic回歸模型與線性回歸模型一樣，對(duì)自變量的多元共線性很敏感。當(dāng)多元共線性不太嚴(yán)重時(shí)，Logistic回歸的系數(shù)估計(jì)基本是無(wú)偏且有效的，所以幾乎可以忽略其影響。但是當(dāng)共線性程度增加時(shí)，其偏差會(huì)增大。在回歸分析之前先對(duì)其進(jìn)行相關(guān)性的分析。在提出因子分析中我們已經(jīng)對(duì)反映企業(yè)內(nèi)部財(cái)務(wù)信息變量提取了5個(gè)公共因子，由于因子分析的原理，提取的公共因子之間是相互獨(dú)立的。對(duì)于反映外部金融風(fēng)險(xiǎn)的在險(xiǎn)價(jià)值指標(biāo)，本文鑒于前人的相關(guān)研究，以0.3的Pearson相關(guān)系數(shù)作為標(biāo)準(zhǔn)，對(duì)篩選過(guò)的5個(gè)公共因子變量與在險(xiǎn)價(jià)值做了進(jìn)一步的相關(guān)性分析，分析結(jié)果見(jiàn)表5所示。

可見(jiàn)在險(xiǎn)價(jià)值與5個(gè)因子之間的Pearson相關(guān)系數(shù)均小于03，說(shuō)明在險(xiǎn)價(jià)值與5個(gè)主成份之間的相關(guān)性不是很大，可以利用回歸模型進(jìn)行進(jìn)一步的統(tǒng)計(jì)分析。

從理論上而言，在險(xiǎn)價(jià)值指標(biāo)和財(cái)務(wù)類指標(biāo)一樣反映了企業(yè)某一個(gè)方面的特性，對(duì)于房地產(chǎn)行業(yè)來(lái)說(shuō)在險(xiǎn)價(jià)值的反映的特性就是表現(xiàn)在房地產(chǎn)這一特殊的行業(yè)所面臨的金融市場(chǎng)風(fēng)險(xiǎn)上，主要受利率風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、股票價(jià)格變動(dòng)等外部宏觀經(jīng)濟(jì)環(huán)境以及公司管理決策的影響。由于在險(xiǎn)價(jià)值與5個(gè)公共因子之間的相關(guān)性不是很大，可以利用多元Logistic回歸模型進(jìn)行進(jìn)一步的分析。在采用Logistic回歸時(shí)，采用逐步加入因子的方法，依次分析F1、F2、F3、F4、F5、VAR的影響，回歸結(jié)果如表6所示。

從表6中的（1）-（6）的回歸結(jié)果可知，模型的參數(shù)估計(jì)都至少在01的顯著性水平通過(guò)檢驗(yàn)，表明得到的參數(shù)估計(jì)是可靠的，上述六個(gè)回歸結(jié)果其卡方值的顯著性水平均為00000，說(shuō)明模型的整體檢驗(yàn)十分顯著。表6中的（6）回歸結(jié)果即是引入在險(xiǎn)價(jià)值后的中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控模型。根據(jù)回歸結(jié)果（6）可得到中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控模型：

ln（1-pp）=0254×f1-025×f2-0183×f3+0189×f4+0305×f5+0744×VAR

其中，P為發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率。

為驗(yàn)證模型的有效性，將所有樣本原始數(shù)據(jù)帶入模型，計(jì)算出P值，將P值與確立的狀況進(jìn)行比，將預(yù)測(cè)狀況與原始分類狀況進(jìn)行比較，本文主要分析了實(shí)行新企業(yè)會(huì)計(jì)準(zhǔn)則之后2008-2013年各年得出模型的預(yù)測(cè)精度檢驗(yàn)結(jié)果如表7所示。由表7可知，在本文只運(yùn)用很小范圍的檢驗(yàn)樣本的情況下，判別準(zhǔn)確率與估計(jì)樣本所得到的判別準(zhǔn)確率相差不是很大，準(zhǔn)確率基本上都在80%以上?？梢?jiàn)模型具有一定的穩(wěn)定性，也說(shuō)明了本文構(gòu)建的中小型房地產(chǎn)企業(yè)的風(fēng)險(xiǎn)監(jiān)控模型是比較成功的。

（五）假設(shè)檢驗(yàn)

Logistic回歸分析結(jié)果表明，在險(xiǎn)價(jià)值對(duì)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的回歸系數(shù)是0744，并在001顯著水平上，回歸結(jié)果其卡方值的顯著性水平均為00000，說(shuō)明模型在險(xiǎn)價(jià)值對(duì)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)檢驗(yàn)十分顯著。

四、研究結(jié)論

本文以1998-2013年滬深A(yù)股中小型房地產(chǎn)企業(yè)為研究樣本，將衡量公司外部市場(chǎng)風(fēng)險(xiǎn)的在險(xiǎn)價(jià)值引入風(fēng)險(xiǎn)監(jiān)控指標(biāo)體系，構(gòu)建中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控模型，研究表明：盈利能力、成長(zhǎng)能力、收益質(zhì)量皆與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)顯著正相關(guān)，表明中小型房地產(chǎn)企業(yè)盈利能力不強(qiáng)，過(guò)于擴(kuò)張會(huì)導(dǎo)致企業(yè)風(fēng)險(xiǎn)控制不足，加大了財(cái)務(wù)風(fēng)險(xiǎn)。同時(shí)，為了與大型房地產(chǎn)企業(yè)競(jìng)爭(zhēng)，銷售環(huán)節(jié)過(guò)多的采用應(yīng)收項(xiàng)目，導(dǎo)致收益質(zhì)量差增加了財(cái)務(wù)風(fēng)險(xiǎn)。償債能力、營(yíng)造能力與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)顯著負(fù)相關(guān)，表明中小型房地產(chǎn)鑒于自身盈利能力低，借債規(guī)模有限且規(guī)模小，可以在現(xiàn)有規(guī)模內(nèi)實(shí)現(xiàn)資產(chǎn)的有效運(yùn)營(yíng)，降低了財(cái)務(wù)風(fēng)險(xiǎn)。而在險(xiǎn)價(jià)值與中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)顯著正相關(guān)，其回歸系數(shù)為0744，遠(yuǎn)遠(yuǎn)高于以上5個(gè)公共因子。這說(shuō)明，在險(xiǎn)價(jià)值對(duì)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)十分敏感，非常適合預(yù)測(cè)中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，因此，在中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控中引入在險(xiǎn)價(jià)值，必然會(huì)大大提高中小型房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性。

盡管在險(xiǎn)價(jià)值具有廣泛的應(yīng)用和普及，但是也有學(xué)者提出了質(zhì)疑（Artzner et al， 1999； Dowd and Blake， 2006），即在險(xiǎn)價(jià)值對(duì)于一致性風(fēng)險(xiǎn)的度量上有可能會(huì)導(dǎo)致誤導(dǎo)的風(fēng)險(xiǎn)感知（Nocera， 2009； Einhorn，2008）。此外，在險(xiǎn)價(jià)值估計(jì)不可能捕獲投資者所要研究的所有信息（Linsmeier & Pearson，2000），例如流動(dòng)性風(fēng)險(xiǎn)、人員風(fēng)險(xiǎn)、政治風(fēng)險(xiǎn)、監(jiān)管風(fēng)險(xiǎn)這幾類風(fēng)險(xiǎn)（Beder，1995）。這是后續(xù)研究需要注意的問(wèn)題。

注釋：

① 數(shù)據(jù)來(lái)源：http：//financesinacomcn/review/jcgc/20140530shtml

參考文獻(xiàn)：

[1] BEAVER，W.H.Financial Ratios as Predictors of Failure[J].Journal of Accounting Research， 1966，（4）：72-102.

[2] GALLINGER G. W. The Current and Quick Ratios： Are They Only Window Dressing？[J].Business Credit，1997，99（5）： 22-23.

[3] BALIi， T.， and N. CAKICI. Value at Risk and Expected Stock Returns[J]. Financial Analysts Journal，2004，60（2）：57-73.endprint

[4] BERKOWITZ， J. and J. OBRIEN. ‘How Accurate Are the Value-at-Risk Models at Commercial Banks？[J].Journal of Finance，2002，57： 1093-1111.

[5] HUANG， Y.， and B. LIN. Value-at-risk Analysis for Taiwan Stock Index Futures： Fat Tails and Conditional Asymmetries in Return Innovations[J].Review of Quantitative Finance and Accounting，2004，22：79-95.

[6] LIM， C.， and P. TAN. Value Relevance of Value-at-risk Disclosure[J].Review of Quantitative Finance and Accounting，2007，29： 353-370.

[7] WOODS， M.， K. DOWD and C. HUMPHREY. The Value of Risk Reporting： a Critical Analysis of Value-at-Risk Disclosures in the Banking Sector[J]. International Journal of Financial Services Management，2008，8（1）：45-64.

[8] POLANSKI， A.， & STOJA， E. Incorporating higher moments into Value at Risk forecasting[J].Journal of Forecasting，2010，29（6）：523-535.

[9] MANCINI， L.， & TROJANI， F. Robust Value at Risk prediction[J]. Journal of Financial Econometrics，2011，9（2）：281-313.

[10]陳樺. 基于層次分析法AHP的房地產(chǎn)投資項(xiàng)目風(fēng)險(xiǎn)分析與評(píng)價(jià)[J].企業(yè)導(dǎo)報(bào)，2012（16）：33-34.

[11]葛江松，洪開(kāi)榮.基于AHP的房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)研究[J].企業(yè)家天地，2008（12）：186-187.

[12]胡援成，張朝洋. 政策調(diào)控下房地產(chǎn)開(kāi)發(fā)企業(yè)的資金循環(huán)與債務(wù)危機(jī)識(shí)別[J].當(dāng)代財(cái)經(jīng)，2014（2）：50-64

[13]李立華，張強(qiáng). 房地產(chǎn)信貸風(fēng)險(xiǎn)的評(píng)估與監(jiān)控[J].統(tǒng)計(jì)與決策，2009（20）：113-115.

[14]李毅.基于SVM的房地產(chǎn)投資風(fēng)險(xiǎn)評(píng)價(jià)及應(yīng)用[J].統(tǒng)計(jì)與決策，2012（1）：70-72.

[15]林樂(lè)芬，張?jiān)?中國(guó)房地產(chǎn)市場(chǎng)與流動(dòng)性過(guò)剩的相關(guān)性分析[J].南京社會(huì)科學(xué)，2007（11）：45-49.

[16]劉曉君，孟凡文. 模糊層次分析法在房地產(chǎn)投資風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J].西安建筑科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2005（1）：135-137.

[17]魯俊偉. 層次分析法在房地產(chǎn)開(kāi)發(fā)項(xiàng)目風(fēng)險(xiǎn)管理中的應(yīng)用研究[J]. 產(chǎn)業(yè)與科技論壇，2008（10）：236-238

[18]孟強(qiáng).基于層次分析法的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)管理[J].商業(yè)經(jīng)濟(jì)，2008（6）：15-17.

[19]上官金麗. 基于主成分分析的房地產(chǎn)投資風(fēng)險(xiǎn)評(píng)價(jià)研究[J].價(jià)值工程，2009（5）：158-160.

[20]蘇亞莉. 房地產(chǎn)開(kāi)發(fā)項(xiàng)目風(fēng)險(xiǎn)管理研究[J]. 東華理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2011（1）：26-29

[21]田成詩(shī)，李輝.中國(guó)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)評(píng)價(jià)_基于房?jī)r(jià)與宏觀經(jīng)濟(jì)協(xié)整的分析[J]. 預(yù)測(cè)，2008（4）：1-5.

[22]楊淑君，王超.基于狀態(tài)空間模型的我國(guó)房地產(chǎn)上市公司財(cái)務(wù)流動(dòng)性實(shí)證研究[J]. 財(cái)政監(jiān)督，2010（1）：7-9.

[23]喻曉艷，王松江. 房地產(chǎn)動(dòng)態(tài)風(fēng)險(xiǎn)管理模型[J].科學(xué)咨詢（決策管理），2008（10）：33-34

[24]張羽，張小利.房地產(chǎn)行業(yè)上市公司流動(dòng)性分析[J].上海立信會(huì)計(jì)學(xué)院學(xué)報(bào)，2007（3）：47-50.

Research on Financial Risk Monitoring Introducing Value at Risk （VaR） of

Small and Medium- Sized Real Estate Enterprises

WANG Xiao-yan1，2

（1.School of Economics and Management， Northwestern University， Xi′an 710069， China；

2.School of Management and Economics， North China University of Water Resources and Electric Power，

Zhengzhou 450046，China）

Abstract：The external risk of small and medium-sized real estate enterprises has been significantly increased by the state macro control， which poses a severe challenge to the enterprise solvency and capital chain risk. To assess the risk of small and medium-sized real estate enterprises， this paper chooses 1998-2013 annual data of small and medium-sized real estate listed companies as research sample， to construct risk monitoring model by introducing the VaR into financial risk monitoring index system， and the model can effectively improve the accuracy of the financial risk prediction of real estate enterprises. Therefore， the integration of financial VaR risk assessment system has certain reference value for real estate companies to prevent and defuse financial risks， which can also play an early warning role to external market risk factors.

Key words：small and medium-sized real estate enterprises； risk monitoring； Value at Risk； early warning mechanism

（責(zé)任編輯：周正）endprint