房地產開發企業財務風險識別與防范研究(編輯修改稿)

　

【文章內容簡介】 ..................35一、A 公司風險識別方法 ..............................................................................................................36二、 A 公司采取的財務風險防范措施 ........................................................................................36第三節 完善 A 公司財務風險識別與防范體系的建議 ....................................................................38一、 完善財務風險識別體系建議 ...............................................................................................38二、籌資風險防范完善措施 .........................................................................................................38三、投資風險防范完善措施 .........................................................................................................38四、資金回收風險完善措施 .........................................................................................................39五、制定收益分配政策 .................................................................................................................39第六章 結論與展望 ...............................................................................................................................40參考文獻 .................................................................................................................................................418 / 44第一章 緒論第一節 研究背景及選題意義一、研究背景近年來我國城市化進程不斷加快，經濟體制改革逐漸深入，我國房地產行業也得到迅速的發展，房地產企業數量也迅速增多。房地產行業是一個資金密集型的行業，房地產投資存在投資資金量大，負債經營，區域性強、投資時間長，變現能力差，投資回收期長，投資風險高的特點，這些特點決定了我國的房地產企業存在著一定的財務風險，而影響房地產企業財務風險風險有來自外部的因素和來自企業自身的因素。來自企業外部因素有政策因素，如房地產調控政策、財政與貨幣政策，土地政策、利率政策，稅收政策等。房地產調控政策能直接影響房地產行業的發展，貨幣政策、財政政策、稅收政策影響著市場需求，土地供應政策制約著房地產企業的投資計劃也提高了房地產企業的開發成本，利率政策也會影響房地產企業的開發成本；市場供需環境等也影響著房地產企業收益目標的實現。來自企業內部的因素有資本結構、管理層風險控制意識，財務制度及其執行度，財務人員的素質等。就房地產企業的資本結構來說，資產負債率普遍較高，有的甚至高達 90%，盡管近年來房地產信托，房地產基金等創新金融產品涌現，但銀行渠道仍為主要融資渠道。在房地產行業競爭日趨激烈的今天，房地產企業加強財務風險的識別和防范，可以提高房地產企業的管理水平和經營效益，是當前房地產行業的一項重要任務。選題意義 我國資本市場起步較晚，財務風險的研究尚未形成深層次的理論體系，離發達國家尚有一定的差距，多為在國外先進的研究理論上進行創新，并且基于單個具體行業的財務風險研究頁較少。本文對國內外先進的企業財務風險識別和防范研究理論進行了分析研究與總結，試圖探索出適合房地產企業的財務風險識別與防范方法，并結合了 A 房地產公司的實際案例進行了應用闡述，希望能給房地產企業的實際應用帶來一定的借鑒意義。9 / 44第二節 國內外文獻綜述 國內外對企業財務風險識別的研究主要集中在財務風險識別方法的研究和識別變量的選取兩個方面，而且這些研究成果主要應用于企業財務危機預警模型的構建。財務風險防范的理論研究主要是致力于從經濟管理理論中尋找原因和關鍵變量解釋和說明為什么一部分企業會走向困境和失敗以及就預防企業財務風險的惡化給出建議措施 [1]。國外文獻綜述 （一）國外財務風險識別文獻綜述Beave(1966)在“Finaneial Ratios as Predictors of Failure”一文中首先提出了單變量分析法，他在 6 組財務特征指標選擇了 30 個財務指標作為變量，檢測了 79 對公司的樣本，認為在公司破產前 5 年的時間內最適用的預測指標為營運資本流/負債和凈利潤/總資產這兩個指標。Altman(1968)提出了著名的 Z 值模型，該模型采用多變量分析的方法，該模型在五類財務指標中選取了 22 個財務指標作為該模型的初始選擇變量，然后選擇了 1946 年至 1965 年間 33 家破產制造企業和作為配對的 33 家非破產企業作為研究樣本，研究結果發現，選擇營運資產/資產總額、留存收益/資產總額、息稅前利潤/資產總額、股東權益市場價值/總負債賬面價值和銷售收入/資產總額這 5 個財務指標作為判別模型的變量，可以使財務危機判別的錯誤率最小。 Wileox(1973)構建了基于期權定價理論的財務風險預測模型并進行了實證研究，該模型以反映企業流動性的財務風險指標現金流和清算價格為變量，選了 1949 年至 1971 年間美國的 41 家出現財務危機的企業和作為配對的 41 家財務狀況正常的企業作為研究樣本，實證結果表明該模型在公司破產前三年擁有較高的預測準確度。ohlson(1980)建立了 Logistic 預測模型，以 1970 年至 1976 年間破產的105 家公司以及未破產的 2058 家公司為研究對象，發現公司的規模/資本結構、業績和當前的變現能力四個變量具有較高的預測能力。Odomamp。Sharda(1990)構建了神經網絡預測模型并進行了實證研究，模型選取的 5 個財務指標變量與Altman 的 Z 值模型相同，研究樣本為 1975 年至 1982 年間的 65 家破產企業以及作為配對的 64 家正常企業共 129 家企業，并將樣本分為兩組分別用于構建模型和實證檢驗，實證結果表明，失敗類企業預測正確率為 %，正常企業的預測正確率分別為 %，說明該模型的預測準確度較高。 （二）國外財務風險防范文獻綜述Ho 和 SaunderS(1980)對銀行破產的原因進行了研究，他認為銀行的破產很10 / 44大程度上原因在于監管者的錯誤決策行為，破產的發生不是一個緩慢發生的過程，而是一個驟變過程，在進行企業財務風險防范時可以構建模型以現金流方差作為監控對象，防范異常現金流量變動。Theil 和 Lev(1969，1971)認為應該企業資本結構角度進行財務風險防范，他們通過研究發現企業是經歷過資本結構的嚴重異常并且在一段時間以后無法回歸到正常水平，在走向的破產，因而對企業的資本結構的進行識別，并采取一定的防范措施是一種較好的財務風險防范方法。Santomero(1977)和 Vinson(1979)對賭徒破產模型進行了深入研究，并將該模型應用與與銀行和電力行業的財務風險防范模型構建中。國內文獻綜述 （一）國內財務風險識別文獻綜述 陳靜(1999) 對單變量分析法和多元線性判別法進行了實證研究，他以 A 股滬深兩市 27 家被特別處理的上市公司和作為配對的 27 家正常公司為研究樣本，在進行單變量分析法實證研究時，她使用企業被特別處理前一年的資產負債率、凈資產收益率、總資產收益率和流動比率 4 個財務指標分別進行了預測實證研究，通過比較發現在企業被特別處理前一年擁有較高預測準確率的財務指標是資產負債率和流動比率這兩個財務指標，她在進行多元線性判別法實證研究時，以上述研究樣本中被特別處理企業的前三年財務報表中的資產負債率、凈資產收益率、總資產收益率、流動比率、營運資本/總資產及總資產周轉率 6 個財務指標作為自變量構建了判別函數，研究結論為在企業被特別處理的前三年預測正確率分別為 %、%和 %，證明了多元線性判別的預測準確度高，可以應用于我國的上市公司的財務風險識別，同時也證實了該模型隨著預測時間越遠，預測精度會不斷降低。張玲(2022)利用多變量分析的方法構建了判別模型，她以 A 股滬深兩市出現財務困難的 60 家上市公司以及作為配對的 60 家財務狀況正常的企業共 120家上市公司作為研究樣本，并分為開發樣本和檢驗樣本兩組，分別用于模型參數的設定以及實證檢驗，在企業的 4 類財務特征指標中選取了 15 個財務指標作為待選變量，進而選擇了資產負債率、營運資金/總資產、總資產利潤率和留成收益/ 資產總額 4 個財務指標作為模型的變量，該模型對開發樣本 30 家公司被特別處理前五年的回判準確率分別為 100%、87%、70%、60%及 22%，表明該模型在公司被特別處理前三年擁有較高的預測精度，但隨著離預測點時間的向前推遲，預測精度顯著降低。吳世農、盧賢義(2022) 對 Fisher 線性判別分析、多元線性回歸和邏輯回歸11 / 44分析三種方法分別進行了實證研究，他以 1998 年至 2022 年滬深 A 股的 70 家被特別處理的公司和作為配對的 70 家正常公司作為研究樣本，在 5 類財務特征指標中，經過變量初選，以及應用剖面分析和單變量判定分析的變量篩選，選擇了 6 個財務指標，再用三種分析方法分別構建模型，并進行案例數據回判實證研究，研究結果證實了三種模型均有較高的預測準確的，并且邏輯回歸模型準確度最高。姜秀華與孫錚(2022) 進行了 Logisti 識別判定模型構建，以 2022 年滬深 A股 42 家被特別處理的公司以及作為配對的 42 家正常公司作為研究樣本，選擇了 13 個財務指標作為初始變量，并通過再次涮選，確定毛利率、其它應收款/總資產、短期借款/總資產及股權集中系數四個財務指標作為模型的變量，證明該模型在公司被特別處理前一年對特別處理公司和正常上市公司均有較高的預測精度。楊保安等(2022) 利用神經網絡分析法構建了預測模型，特在 4 類財務指標中選擇了 15 項財務指標，他以研究樣本中的 30 個樣本作為學習樣本，并進行了樣本回判預測，研究結果顯示開發樣本的判別正確率高達 95%，表現出了該模型十分高的預測準確度。向德偉(2022) 對 Z 值模型進行了實證研究，以 A 股滬兩市 40 家出現財務危機的企業和作為配對的 40 家正常企業作為研究樣本，并且將我國股市非流通股無市場價格等因素進行了綜合考慮，對 Z 值模型的變量選擇進行了修正，并基于不同行業的研究樣本進行了回判檢驗，研究結果證實了 Z 值模型對于我國上市公司財務風險識別擁有較高的準確度，并且對不同行業的預測準確度準確度存在差異。楊淑娥(2022) 在 Z 分數模式的基礎上結合了主成分分析法，構建了 Y 分數模型，她以 1999 年和 2022 年這兩年被實行特別處理的 67 家上市公司和作為配對的 67 家公司作為研究樣本，該模型在反應企業償債能力、盈利能力、現金流量能力、發展能力的 4 類特征指標中選取了 8 個財務指標作為變量，研究結論為當設定預測值 Y= 時，模型預測準確率最高，回判準確率約為 86%。楊淑娥(2022) 構建了 BP 人工神經網絡預測模型應用于財務危機預警研究，選擇 A 股滬深兩市 120 家上市公司作為研究對象，該模型從反映企業短期償債能力、長期償債能力、盈利能力、資產管理能力、主營業務鮮明程度、公司增長能力的 6 類特征指標中選取了 15 個財務指標作為初始變量，然后進行了 T顯著性檢驗的再篩選，確定了 10 個財務指標，隨后對 60 家檢驗樣本公司進行了預測檢驗，證實了該模型擁有較高的預測精度。 （二）國內財務風險防范文獻綜述12 / 44郭秀君等（2022）認為財務風險的防范內容包括：以企業的財務敏感性指標建立財務預警模型；加強資金管理，做好資金預算以及成本控制，提高資金使用效率；通過學習與培訓提高公司整體員工的風險意識以及財務管理人員的財務管理水平；拓寬籌資渠道并合理控制企業資本結構；通過簽訂固定利率籌資合同規避利率上浮風險。吳耿城（2022）從防范籌資風險和投資風險角度，提出了拓寬籌資渠道，制企業資本結構，做好成本控制并依據成本控制目標設立相應的考核與激勵機制，做好投資可行性研究工作等建議。王小玉（2022）重點闡述了投資風險的防范措施，她認為可以通過將開發市場轉向非一線城市或者和其他房地產開發企業合作拿地來降低投資風險，從長遠的角度，企業可以通過放棄