王雪峰

【摘要】近年房企財務風險問題凸顯。本文以萬科、 碧桂園和恒大等不同經營模式下的大型房企為樣本， 提出并運用熵值CRITIC合成賦權的TOPSIS分析， 對其2017 ～ 2021年財務風險演變進行評價和分析。結果顯示： 熵值CRITIC合成賦權的TOPSIS分析克服了現(xiàn)有客觀賦權方法的高估或低估弱點， 提高了評價的有效性；期間三大房企財務風險持續(xù)加大， 其中萬科最為穩(wěn)健， 恒大最為兇險；高杠桿、 高周轉及重資產的行業(yè)開發(fā)模式是導致其財務脆弱的內在根源， 市場下行及融資緊縮政策等外部沖擊是其財務風險積聚的外在原因， 經營模式差異導致三大房企抵御外來沖擊的能力分化。轉變經營模式， 前瞻、 適時和彈性調控是防范房企財務危機的有效舉措。

【關鍵詞】多重沖擊；大型房企；熵值CRITIC合成法；TOPSIS法；財務風險

【中圖分類號】 F275? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）12-0094-6

一、 引言

為抑制房價增長過快， 從2011年至今房地產市場一直受到限購、 限貸、 限價和限售等一系列政策的調控。近年房地產行業(yè)進一步遭受多重沖擊， 如宏觀經濟和房地產市場下行， 以及“三道紅線”“二道紅線”等融資緊縮政策調控①等。2021年下半年至2022年底， 已有數(shù)十家房企出現(xiàn)流動性危機， 其中不乏恒大、 融創(chuàng)、 世茂等頭部房企。這是自住房市場化改革以來從未有過的現(xiàn)象， 房企財務風險問題日益受到社會的關注。

企業(yè)財務風險一直是學界重要的研究領域之一， 已有研究主要從三個角度展開分析。一是探查企業(yè)財務風險的影響因素， 如研究宏觀調控和公司治理（彭中文等，2014）、 金融資產配置（譚小玉和陳裕鑫，2022）、 關聯(lián)并購（韓沚清和王惠，2021）及政府規(guī)制（呂雪晶等，2020）等宏微觀因素對企業(yè)財務風險的影響； 二是探討企業(yè)財務風險預警方法及其優(yōu)化（楊貴軍等，2019；Canbas等，2005；肖毅等，2020）； 三是研究如何有效度量企業(yè)的財務風險， 已有文獻或采取層次分析法等主觀經驗賦權的方法（孫晨輝和李富有，2014）， 或采取熵值法、 CRITIC法及聚類或因子分析等客觀賦權的方法（侯旭華和彭娟，2019；Lahmiri和Bekiros，2019）， 或采取主觀與客觀相結合的賦權方法（劉國城和王會金，2016；徐臨等，2017；Lahmiri和Bekiros，2019）， 對企業(yè)財務風險進行度量。顯然， 第三類研究即對企業(yè)財務風險的有效度量是前兩類研究的基礎。但是， 這類研究尚存在一些不足和盲點： 一是主觀賦權法的依據(jù)來源于經驗， 缺乏客觀基準； 二是因子分析、 熵值法和CRITIC法等客觀賦權法要么只關注評價指標的相關性信息， 要么只關注評價指標的波動信息， 從而導致對指標重要程度的評價出現(xiàn)或高或低的偏差； 三是缺少在當前宏觀經濟下行及融資緊縮政策調控背景下對房企財務風險進行評價及原因分析的相關研究。

有鑒于此， 本文以萬科、 碧桂園和恒大三個經營模式相異且具有代表性的房企為樣本， 創(chuàng)新性地提出并運用熵值CRITIC合成賦權的TOPSIS分析， 對其2017 ～2021年的財務風險演變及背后的原因進行度量、 比較和分析。

二、 方法、 樣本和數(shù)據(jù)

1. 方法。運用指標體系來刻畫一個事物或系統(tǒng)狀態(tài)的方法主要有層次分析法、 模糊綜合評價、 數(shù)據(jù)包絡分析、 耦合協(xié)調度和優(yōu)劣解距離（TOPSIS）法等方法②。其中， TOPSIS法是一種可最大限度利用原始數(shù)據(jù)信息進行組內綜合評估的方法， 其通過測算各評價對象距組內理想值的遠近并進行大小排序， 精確反映各評價對象之間的優(yōu)劣， 特別適合缺乏最優(yōu)客觀標準的事物評價問題。本文正是充分運用多財務指標數(shù)據(jù)尋找其最優(yōu)最劣值， 并以此為基準對三個大型房企財務狀況的跨期變化及其間的優(yōu)劣進行客觀評價和比較， 所以TOPSIS法非常適合。TOPSIS法的基本邏輯如下：

2. 樣本和數(shù)據(jù)。大型房企特別是頭部房企是我國房地產市場的中堅力量， 其經營狀況能從一定程度反映我國房地產市場狀況。作為行業(yè)領導者， 它們被眾多中小房企追隨和模仿， 行業(yè)的經營模式很大程度上也因此由它們主導。萬科、 碧桂園和恒大無疑是其中的翹楚。盡管房地產行業(yè)屬資本密集型行業(yè)， 高杠桿、 高周轉和重資產是目前房企共有的特點， 但這三個企業(yè)分別代表了房企三種不同的經營模式。萬科圍繞住宅主業(yè)采取輕資產、 重營運、 低成本和“現(xiàn)金為王”的水平多角化戰(zhàn)略， 屬于穩(wěn)健派； 碧桂園以低成本、 高效營銷為特征， 通過高周轉撬動高杠桿進行經營， 是高周轉運營的代表； 恒大則采取重資產、 集團多角化戰(zhàn)略， 除地產外還涉及新能源汽車、 健康和文體等多個行業(yè)， 通過大規(guī)模融資、 儲地、 開發(fā)等方式實現(xiàn)企業(yè)發(fā)展， 是高杠桿房企的代表。因此， 本文選擇萬科、 碧桂園和恒大為樣本， 考慮到2017 ～ 2021年房地產行業(yè)經歷了“房住不炒”國策以及“三道紅線”等政策的沖擊， 以三大房企這一時期的中期和年度財務狀況各10期共30期為評價對象⑤， 通過對其財務狀況演變的測算、 比較， 探究我國房企存在的財務風險及其背后的原因。本文所用財務指標數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

三、 財務風險演變的度量和評價

1. 財務風險評價指標體系的構建。對企業(yè)財務狀況或風險進行綜合評價， 除了要選擇科學的評價方法， 還必須依據(jù)全面性、 重要性、 可得性等原則及行業(yè)特性建立合理有效的指標體系。在已有的研究中， 大多主張從盈利能力、 運營能力、 成長能力、 償債能力和現(xiàn)金流量五個方面對財務風險進行全面測度， 并在每個方面選擇若干具體財務指標進行刻畫（Canbas 等，2005；王秀麗等，2017；楊貴軍等，2019）。因此， 本文依據(jù)全面性原則， 遵循多數(shù)研究的共識， 從盈利能力、 償債能力、 營運能力、 成長能力和現(xiàn)金流量五個維度， 選擇14個二級指標對樣本房企的財務風險進行評估。依據(jù)重要性原則和行業(yè)特性， 針對房地產企業(yè)資本密集、 高杠桿、 高周轉的行業(yè)特點以及存貨、 應收賬款等資產占比較高的事實， 將應收賬款周轉率、 存貨周轉率和總資產周轉率作為營運能力的二級指標； 用現(xiàn)金經營回報率、 現(xiàn)金流量比率等二級指標來刻畫現(xiàn)金流風險。其他維度的二級指標參考了已有研究的成果（王秀麗等，2017；楊貴軍等，2019）。具體的指標體系如表1所示。

2. 財務風險評價及分析。

（1）數(shù)據(jù)預處理。營運能力指標包含3個二級指標， 即應收賬款周轉率、 存貨周轉率和總資產周轉率。Wind數(shù)據(jù)庫中提供的這3個指標的年報和中期財報數(shù)據(jù)的計算口徑不同， 分別為一年和半年， 因此將這三個指標的中期財報數(shù)據(jù)按一年期進行調整， 使年報和中期財報數(shù)據(jù)具有可比性。此外， 房企的資金籌集和投入、 土地購置、 房屋開發(fā)及銷售回款等經營行為在一年中的不同階段實施， 而且這些活動在不同企業(yè)間也存在差異， 因此表1中反映企業(yè)經營行為的這些指標存在較強的季節(jié)性波動， 為消除季節(jié)性因素對評價結果的干擾， 本文在評價前分別對三大房企的所有原始數(shù)據(jù)進行了季節(jié)調整處理。

（2）指標正向化和標準化。運用熵值CRITIC合成賦權的TOPSIS分析進行綜合評價， 首先要對二級指標進行正向化處理， 使所有指標的取值都符合“值大者優(yōu)”原則， 這是找出最優(yōu)解、 最劣解及對評價對象進行優(yōu)劣排序的前提。在表1中， 盈利能力、 營運能力、 成長能力及現(xiàn)金流量四類的二級指標都是極大型指標， 無需正向化。但償債能力中的流動比率、 速動比率和現(xiàn)金比率屬于中間型指標， 已有理論認為其最優(yōu)值分別為2、 1和0.2。對這些指標采取公式aij'=1-|aij-aj?|/M進行正向化轉換， 其中aj?為指標j的最優(yōu)值， M=max{|aij-aj?|}。資產負債率指標則屬于極小型指標， 采取公式aij'=1/aij（aij>0）進行轉換， 其中aij為指標j第i個對象的取值， aij'為正向化后的轉換值。

在將原數(shù)據(jù)矩陣A正向化處理轉換為A'后， 為消除各指標量綱不同的影響， 還要進行標準化處理。由于所有指標都進行了正向化處理， 采取公式xij=［aij'-min（aj'）］/［max（aj'）-min（aj'）］進行轉換， 其中max（aj'）和min（aj'）分別為正向化后指標j的最大和最小取值。

（3）基于熵值CRITIC合成賦權的TOPSIS分析確定權重。運用公式（3） ～ （5）， 可以計算出采取熵值CRITIC合成賦權的TOPSIS分析確定的各二級指標和一級指標的權重， 見表2。

表2顯示， 一級指標營運能力、 償債能力和成長能力的權重分別為31.7%、 31.7%和17.0%， 合計超過80%， 說明其是影響三大房企財務狀況的決定性因素。二級指標中應收賬款周轉率和流動比率的影響都超過10%， 存貨周轉率和資產負債率的影響接近10%， 同時總資產周轉率和總資產增長率對財務風險的影響也較大。這深刻揭示了應收賬款、 存貨和總資產等周轉速度、 長短期償債能力是決定房企能否正常運轉的關鍵， 是房企高杠桿、 高周轉特征的內在原因。

從圖1可以進一步發(fā)現(xiàn)， 由于熵值法沒有考慮指標之間的相關性， CRITIC法沒有考慮取值的離散程度， 對所有財務指標的重要性均出現(xiàn)了不同程度的高估或低估。比如， 這兩種方法均低估了流動比率的作用， 分別高估和低估了應收賬款周轉率和存貨周轉率的重要性。熵值CRITIC合成法則將指標的相關性和取值的變異性均予以充分考慮， 從而提高了對指標賦權的科學性和有效性。

（4）得分計算及分析。運用公式（1）、 公式（2）及公式（6） ～ （8）， 得到三大房企2017 ～ 2021年間每年中期和年度各期財務風險評價結果（見表3）。顯然， 綜合得分指數(shù)Gi越接近1則評價對象的財務狀況越好、 財務風險越小， 越接近0則財務狀況越差、 財務風險越大。

從表3和圖2可以發(fā)現(xiàn)： 三大房企從2018年底開始財務狀況逐漸下滑， 財務風險逐漸上升。比較而言， 在整個考察期， 萬科的財務狀況均顯著優(yōu)于碧桂園和恒大， 雖然呈下降趨勢， 但非常平緩； 碧桂園的財務風險增加速度較快， 2021年后稍有改善； 恒大財務狀況持續(xù)下降趨勢明顯， 特別是“三道紅線”等融資緊縮政策出臺后， 其財務狀況明顯惡化， 以致2022年初出現(xiàn)違約、 停牌及債務重組。

進一步， 將財務狀況指數(shù)進行如下分級： 若0.8

四、 財務風險變化的原因

造成考察期內三大房企財務風險加大且變化相異的原因在于： 高周轉、 高杠桿和重資產的行業(yè)經營模式， 行業(yè)下行和融資緊縮政策等外部環(huán)境沖擊， 以及三大企業(yè)內部經營模式的差異。具體而言：

1. 高周轉、 高杠桿和重資產的行業(yè)經營模式是導致我國房企財務脆弱的根源。高儲地、 多盤同時開發(fā)和連續(xù)滾動開發(fā)是我國房企開發(fā)的共性。三大房企2017年后每年新增土地儲備均超過1000萬平米， 開發(fā)項目均超過1000個。這要求三大房企的持續(xù)經營必須以強大、 及時和穩(wěn)定的主營業(yè)務收入及外源性資金供給為前提， 一旦外部融資及銷售收入不能持續(xù)提供支持， 財務風險必然上升。

2. 近年宏觀經濟下行、 政策持續(xù)加力調控等導致三大房企財務風險顯現(xiàn)并上升。從企業(yè)收入端來看， 一方面， 長期的限購限貸等政策以及近年房地產行業(yè)下行， 使得市場需求減少、 房價下滑或有價無市， 導致企業(yè)去存貨的規(guī)模和速度下降、 預收賬款能力下降、 應收賬款規(guī)模增加和周轉速度下降、 資產變現(xiàn)能力下降、 資金回收規(guī)模和速度下降， 高周轉不可持續(xù)。另一方面， 2020年發(fā)布的“三道紅線”等信貸緊縮政策， 使得房企外源性融資渠道變窄， 負債收入下降， 企業(yè)原有的“借新還舊”策略不再有效。 從企業(yè)支出端來看， 高土地儲備、 多項目滾動開發(fā)以及高開發(fā)成本等使得企業(yè)負債率過高， 高額利息等成本支出不可避免。因此， 收入下降與成本支出的剛性矛盾不斷加劇必然會導致三大房企財務風險增加， 甚至財務危機爆發(fā)。

3. 經營模式的不同導致三大房企承受外來沖擊的能力不同， 從而呈現(xiàn)不同的財務風險等級及變化趨勢。盡管三大房企都采取高杠桿、 高周轉和重資產的經營模式， 但萬科的杠桿水平相對最低， 負債方式更多元化， 融資成本最低。而且， 其在運營中始終實施穩(wěn)健的“現(xiàn)金為王”策略， 應收賬款周轉率比碧桂園和恒大高出10倍以上。另外， 盡管三大房企都采取多元化經營模式， 但萬科仍是以住宅為核心向關聯(lián)行業(yè)拓展， 風險更易把控。而碧桂園的輕資產轉型仍處在戰(zhàn)略規(guī)劃層面， 土地儲備規(guī)模和開工項目最多。恒大則是大規(guī)模地向電動汽車等風口行業(yè)轉型， 投資巨大且風險極高， 當房地產主業(yè)收入不足以支撐跨界投資時， 財務狀況自然會惡化。這就是三大房企財務狀況出現(xiàn)分化的內在原因。

五、 結論和建議

1. 結論。通過運用熵值CRITIC合成賦權的TOPSIS分析對萬科、 碧桂園和恒大三大標桿房企2017 ～ 2021年的財務風險進行評價、 比較和原因分析， 本文發(fā)現(xiàn)： （1）熵值CRITIC合成賦權的TOPSIS分析能克服熵值法和CRITIC法賦權各自存在的信息重疊或信息不全的弱點， 更為充分合理地利用財務數(shù)據(jù)本身的信息， 有效界定各類財務指標的重要程度， 真實地反映三大房企財務風險的演變。（2）影響房企財務風險的主要因素集中在償債能力和營運能力等方面。應收賬款周轉率、 流動比率、 存貨周轉率和資產負債率等二級指標的變動是財務風險的主要來源， 這與我國房企高杠桿、 高周轉和重資產的經營模式相契合， 說明資本結構匹配、 資產周轉速度和現(xiàn)金回收能力對于穩(wěn)健的財務狀況至關重要。（3）考察期內三大房企的財務風險都在上升， 特別是“三道紅線”等融資緊縮政策實施后的2020 ～ 2021年。其中， 萬科的抗沖擊能力最強， 財務狀況相對穩(wěn)健， 均處在財務風險一般水平， 顯示出較強的韌性。盡管碧桂園的財務風險在2021年有所下降， 但出現(xiàn)流動性危機的不確定性仍然很高。恒大的財務狀況持續(xù)下滑， 最為嚴峻。（4）以高杠桿、 高周轉、 重資產為特征的行業(yè)經營模式是導致房企財務脆弱的根源， 市場下行及融資緊縮政策等外部沖擊觸發(fā)三大房企財務風險顯現(xiàn)并上升，? 三大房企經營模式的差異使其財務風險狀況出現(xiàn)分化。

2. 建議。為提高房企財務穩(wěn)健性和抵御外來沖擊的能力， 本文提出如下建議： （1）在企業(yè)營運模式上， 應向“適度杠桿、 穩(wěn)健周轉和輕型資產”等方向轉變。在這一輪市場及政策等的沖擊下， 萬科等秉持穩(wěn)健擴張、 “現(xiàn)金為王”的企業(yè)， 其財務狀況均展現(xiàn)出較強的韌性， 充分說明“適度杠桿、 穩(wěn)健周轉和輕型資產”的營運模式是防范房企財務風險的有效保證。更為重要的是， 近年來我國房地產市場已從增量市場向存量市場轉化， “房住不炒”的定位已成社會共識， 現(xiàn)有“高杠桿、 高周轉、 重資產”的行業(yè)開發(fā)模式所依賴的市場和政策環(huán)境已不復存在。（2）在企業(yè)發(fā)展戰(zhàn)略上， 應朝多元化、 差異化和專業(yè)化方向轉型。房地產市場容量日趨飽和， 已不足以支撐眾多競爭主體的生存和發(fā)展， 這是導致房企財務脆弱的原因之一。因此， 多元化發(fā)展是房企的必然選擇。要注意的是， 多元化戰(zhàn)略轉型應當以競爭差異化和服務專業(yè)化為基礎， 只有這樣才能實現(xiàn)多元互補、 風險分散和行穩(wěn)致遠。（3）在政府調控方面， 應強化事前管理、 彈性管理和穿透管理。房企長期高負債經營的問題由來已久， 盡管多次調控， 但由于這些政策往往都是事后的、 剛性的和“一刀切”的， 導致痼疾難愈， 甚至觸發(fā)風險。通過事前管理可以防患于未然， 特別是若選擇市場上升期進行調控， 可以降低調控成本和對市場的沖擊； 通過彈性管理可以減少調控對象的抵觸和機會主義行為， 提高管理效果； 穿透管理則通過對房企復雜的表外業(yè)務和交叉業(yè)務等的有效監(jiān)管， 及時發(fā)現(xiàn)問題和防范風險。

本文可能存在的貢獻如下： 一是從多重沖擊視角考察了房企的財務風險； 二是創(chuàng)新性地提出并應用將熵值法和CRITIC法相結合的TOPSIS分析， 提高了模型的可靠性。由于房企存在大量的項目公司， 未來的研究應考慮相對隱蔽的表外融資對房企財務風險的影響， 同時進一步對不同運營模式下的中小型房企進行相關研究。

【 注 釋 】

①“三道紅線”政策于2020年8月發(fā)布，依據(jù)資產負債水平的三個標準將房企分為四檔，對處于不同檔次房企的有息負債增長率進行上限約束；“二道紅線”政策于2020年12月發(fā)布，依據(jù)房地產貸款集中度的兩個標準對不同類型和規(guī)模的金融機構房地產貸款比重進行上限約束。

②層次分析法適合運用經驗判斷解決多目標決策問題；模糊綜合評價適合不易定量的因素定量化的評價；數(shù)據(jù)包絡分析適合多輸入指標和多輸出指標的系統(tǒng)投入產出評價；耦合協(xié)調度常用于多系統(tǒng)協(xié)調的評價。

③變異系數(shù)法只對取值波動大的指標賦予更高的權重；CRITIC法不僅對取值波動大的指標，而且對與其他指標相關性小的指標賦予更高的權重；熵值法則對取值離散程度大即熵值小的指標賦予更高的權重。

④指標間相關性越強，則意味著指標提供的信息重疊度越大，賦予的權重越低。

⑤中國恒大因停牌沒有發(fā)布2021年年報，最后一期數(shù)據(jù)缺失。

【 主 要 參 考 文 獻 】

曹向，秦凱羚，李春友.融資約束、環(huán)境不確定性與多元化戰(zhàn)略有效性［ J］.財經科學，2019（11）：67 ～ 79.

韓沚清，王惠.關聯(lián)并購影響財務風險的邏輯及路徑分析［ J］.財會月刊，2021（5）：27 ～ 31.

侯旭華，彭娟.基于熵值法和功效系數(shù)法的互聯(lián)網(wǎng)保險公司財務風險預警研究［ J］.財經理論與實踐，2019（5）：40 ～ 46.

劉國城，王會金.基于AHP和熵權的信息系統(tǒng)審計風險評估研究與實證分析［ J］.審計研究，2016（1）：53 ～ 59.

呂雪晶，陳志斌，李東陽等.政府規(guī)制與企業(yè)財務風險——來自中國A股上市公司的經驗證據(jù)［ J］.會計與經濟研究，2020（5）：56 ～ 67.

彭中文，李力，文磊.宏觀調控、公司治理與財務風險——基于房地產上市公司的面板數(shù)據(jù)［ J］.中央財經大學學報，2014（5）：52 ～ 59.

孫晨輝，李富有.基于AHP和模糊綜合評價的民間金融風險判定與評估［ J］.經濟管理，2014（2）：136 ～ 146.

譚小玉，陳裕鑫.企業(yè)金融化對財務風險影響的統(tǒng)計檢驗［ J］.統(tǒng)計與決策，2022（19）：158 ～ 163.

王秀麗，張龍?zhí)?，賀曉霞.基于合并報表與母公司報表的財務危機預警效果比較研究［ J］.會計研究，2017（6）：38 ～ 44+96.

肖毅，熊凱倫，張希.基于TEI@I方法論的企業(yè)財務風險預警模型研究［ J］.管理評論，2020（7）：226 ～ 235.

徐臨，姚曉琳，李艷輝.基于層次分析和熵值法的融資擔保機構風險評價［ J］.經濟與管理，2017（2）：50 ～ 55.

楊柏辰，張怡，郭煒.基于Logistic 回歸模型的企業(yè)財務風險診斷研究［ J］.系統(tǒng)科學學報，2021（3）：84 ～ 87.

楊貴軍，周亞夢，孫玲莉.基于Benford-Logistic模型的企業(yè)財務風險預警方法［ J］.數(shù)量經濟技術經濟研究，2019（10）：149 ～ 165.

朱衛(wèi)東，吳鵬.引入TOPSIS法的風險預警模型能提高模型的預警準確度嗎？——來自我國制造業(yè)上市公司的經驗證據(jù)［ J］.中國管理科學，2015（11）：96 ～ 104.

Canbas S.， Cabuk A.， Kilic S. B.. Prediction of Commercial Bank Failure via Multivariate Statistical Analysis of Financial Structures： The Turkish Case［ J］. European Journal of Operational Research， 2005（2）：528 ～ 546.

Lahmiri S.， Bekiros S.. Can Machine Learning Approaches Predict Corporate Bankruptcy？ Evidence from a Qualitative Experimental Design［ J］. Quantitative Finance，2019（9）：1569 ～ 1577.