胡 勝，雷歡歡，胡華強(qiáng)

(1.九江學(xué)院，江西 九江 332005；2.鄭州航空工業(yè)管理學(xué)院，河南 鄭州 450000 )

一、引言

近十年來，我國房地產(chǎn)行業(yè)快速發(fā)展，其投資及其投機(jī)性質(zhì)已經(jīng)成為社會關(guān)注的熱點(diǎn)問題。十九大報告中指出“堅持房子是用來住的、不是用來炒的”，我們將要加快保障房供給，減弱房地產(chǎn)的投機(jī)屬性，加強(qiáng)住宅的消費(fèi)品屬性，推進(jìn)房地產(chǎn)稅立法和實(shí)施，建立以法律控制手段為支撐的房地產(chǎn)市場長效調(diào)控機(jī)制。出臺的一系列限購和限貸調(diào)控政策雖然抑制了發(fā)展過熱的房地產(chǎn)市場，但也使房地產(chǎn)企業(yè)信用風(fēng)險開始慢慢暴露和顯現(xiàn)。

房地產(chǎn)企業(yè)的信用風(fēng)險主要體現(xiàn)在房地產(chǎn)借款企業(yè)是否有能力償還所借款項、是否有主動承擔(dān)還款義務(wù)的責(zé)任感等相關(guān)方面。一般來說，房地產(chǎn)企業(yè)融資具有資金規(guī)模大、使用周期較長等特性[1]，且房地產(chǎn)經(jīng)濟(jì)體量大、振幅寬。一旦房地產(chǎn)企業(yè)出現(xiàn)危機(jī)，就影響金融穩(wěn)定，甚至?xí)焕谏鐣?jīng)濟(jì)的健康發(fā)展。

在美國、日本等一些國家及香港地區(qū)，已經(jīng)出現(xiàn)了因房地產(chǎn)泡沫破裂導(dǎo)致房地產(chǎn)投資者損失慘重、國家經(jīng)濟(jì)危機(jī)發(fā)生。其中2007年的美國次貸危機(jī)就是因為房地產(chǎn)次級抵押貸款市場出現(xiàn)信用風(fēng)險，大量借款者不能按期償還住房抵押貸款而引起，美國十幾家次級抵押貸款銀行一時間紛紛被迫申請破產(chǎn)保護(hù)，且從次貸領(lǐng)域迅速轉(zhuǎn)向優(yōu)質(zhì)房貸按揭、公司信貸、消費(fèi)信貸等，蔓延至全球金融市場及實(shí)體經(jīng)濟(jì)領(lǐng)域，導(dǎo)致2008年全球金融危機(jī)開始全面爆發(fā)[2]；到2008年11月,美國就業(yè)率急劇下降，新增失業(yè)人數(shù)超過75萬人；2009年3月2日，道瓊斯指數(shù)已經(jīng)從危機(jī)前的14000多點(diǎn)跌到6800點(diǎn)，跌幅超過50%。20 世紀(jì) 80 年代末日本也發(fā)生了因房地產(chǎn)價格泡沫問題重創(chuàng)日本經(jīng)濟(jì)。日本的房地產(chǎn)價格1986-1991 年平均地價增長 207.1%，商業(yè)地價更是增長3倍，日本房地產(chǎn)價格泡沫急劇膨脹；日本政府通過提高政府貼現(xiàn)率、停止房地產(chǎn)企業(yè)貸款等系列“電擊療法”措施遏制房地產(chǎn)價格的飛速上漲，到1997年名義平均地價比 1991年下降 21.8%，商業(yè)地價下降 34.1%，全國土地市值縮水30%[3]。日本房地產(chǎn)泡沫的破裂使日本需求下降、產(chǎn)業(yè)抑制、經(jīng)濟(jì)萎縮等，日本經(jīng)濟(jì)此10年間沒有發(fā)展，史稱“失去的日本十年”。

國內(nèi)外學(xué)者不斷應(yīng)用Logistic 模型于信用風(fēng)險度量研究。Martin(1977)依據(jù)投資主體的風(fēng)險偏好，基于Logistic 模型探討公司的違約率、風(fēng)險警戒線及破產(chǎn)等[4]。Ohlson(1980)通過增加財務(wù)變量及虛擬變量構(gòu)建Logistic回歸模型，判別準(zhǔn)確率高達(dá)96.12%[5]。Sjur W (2001)通過Logit回歸分析認(rèn)為企業(yè)規(guī)模、資本結(jié)構(gòu)、資產(chǎn)收益率、短期流動性等因素能有效識別公司財務(wù)風(fēng)險度及破產(chǎn)率[6]。國內(nèi)喬卓(2002)等運(yùn)用 Logistic 模型分析我國上市公司的違約風(fēng)險，驗證Logistic 模型有較好的應(yīng)用性[7]；龐素琳(2006)通過精選相關(guān)變量及樣本數(shù)量，建立的Logistic回歸信用評價模型的判別準(zhǔn)確率高達(dá)了99.06%[8]；張春偉(2012)選取116家房地產(chǎn)企業(yè)及16個指標(biāo)數(shù)據(jù)構(gòu)建Logistic模型，模型擬合效果良好，對企業(yè)信用風(fēng)險的判別準(zhǔn)確率達(dá)到了96.2%[9]；王俊籽等(2017)通過比較不同類型信貸風(fēng)險度量模型在房地產(chǎn)信用風(fēng)險的預(yù)警運(yùn)用[10]，顯示Logistic模型相對準(zhǔn)確率較高，企業(yè)提高股東權(quán)益、現(xiàn)金流量以及短期償債能力等都能夠有效降低房地產(chǎn)信貸風(fēng)險。本文在借鑒國內(nèi)外學(xué)者的研究基礎(chǔ)上，結(jié)合我國實(shí)際情況建立Logistic模型探討我國房地產(chǎn)企業(yè)信用風(fēng)險。

二、樣本選取及初始財務(wù)指標(biāo)選取

Logistic模型使用最大似然估計法對參數(shù)進(jìn)行估計，它對樣本數(shù)據(jù)是否存在正態(tài)分布要求不高，所需的參數(shù)也較少。Logistic模型表達(dá)式形式為：

其中Z=β0+β1x1+β2x2+…+βnxn；β0表示常數(shù)項，β1,2…n表示回歸系數(shù)，x1,2…n表示財務(wù)指標(biāo)自變量，因變量P表示企業(yè)違約概率，當(dāng)Z趨于-∞時，P趨近于0，定義為企業(yè)不存在信用風(fēng)險；當(dāng)Z趨近于+∞時，P趨近于1，定義為存在信用風(fēng)險企業(yè)[11]。

本文樣本選取我國2015年131家房地產(chǎn)上市企業(yè)，樣本指標(biāo)分為償債能力指標(biāo)、獲利能力指標(biāo)、營運(yùn)能力指標(biāo)、發(fā)展能力指標(biāo)、宏觀經(jīng)濟(jì)指標(biāo)等五個方面共20個指標(biāo)(見表1)。未上市企業(yè)的財務(wù)數(shù)據(jù)不對外公布，不易獲得，而上市企業(yè)的財務(wù)報告比較齊全，數(shù)據(jù)經(jīng)過審計比較真實(shí)可靠，容易獲得[12]。財務(wù)指標(biāo)數(shù)據(jù)主要來源wind數(shù)據(jù)庫及中國統(tǒng)計年鑒。

把131家房地產(chǎn)企業(yè)分成兩組，一組是公司經(jīng)營業(yè)績良好，沒有被“ST”及“*ST”的企業(yè)，共126家，是正常組企業(yè)；一組是財務(wù)狀況出現(xiàn)問題，被“ST”及“*ST”的企業(yè)，共5家企業(yè)，是非正常組企業(yè)?！癝T”是指證監(jiān)會宣布對連續(xù)兩年虧損、出現(xiàn)財務(wù)狀況異常的上市公司實(shí)行特別處理的簡稱，“*ST”是指證監(jiān)會宣布對連續(xù)三年虧損，有退市風(fēng)險的上市公司作出退市預(yù)警的簡稱[13]。被“ST”及“*ST”的上市公司一般來說因為連續(xù)虧損、公司業(yè)績較差、財務(wù)問題嚴(yán)重等，違約概率大，被視作違約企業(yè)風(fēng)向標(biāo)。

表1 選取指標(biāo)及分類

三、Logistic模型建立

(一)主成分分析

運(yùn)用spss19.0軟件對131家財務(wù)數(shù)據(jù)進(jìn)行主成分分析，提取主成份因子。為了消除觀測量綱和數(shù)量級差異的影響，需要對樣本觀測數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

(1)樣本數(shù)據(jù)處理與檢驗

表2所示樣本數(shù)據(jù)中并沒有存在數(shù)據(jù)丟失的情況，有效樣本數(shù)為131個。經(jīng)過標(biāo)準(zhǔn)化處理的數(shù)據(jù)可以提高回歸分析的準(zhǔn)確性。數(shù)據(jù)標(biāo)準(zhǔn)化處理后還得檢驗數(shù)據(jù)是否適合進(jìn)行因子分析以及來自于正態(tài)分布總體，為此選擇使用KMO和Bartlett檢驗方法對數(shù)據(jù)進(jìn)行檢驗。

表2 描述統(tǒng)計量

表3所示KMO度量值為0.618，大于0.5，sig值為0.000，小于顯著性水平0.05，表示數(shù)據(jù)比較適合進(jìn)行因子分析，符合正態(tài)分布性能較好[14]。

(2)公因子解釋程度分析

表3 KMO 和 Bartlett 的檢驗

表4 公因子方差

由表4可以看出大部分初始因子的被反映解釋程度都很高，只有銷售凈利率、存貨周轉(zhuǎn)率等解釋程度相對較低，遺失信息相對多些，但不影響本文所建模型質(zhì)量。

(3)主成分因子提取。為了降低所選20個財務(wù)指標(biāo)的多重相關(guān)性，運(yùn)用主成分分析法線性變換成少量的不相關(guān)綜合變量。碎石圖是反映各個因子的重要程度，因子越重要，特征值越大，直線也就越陡峭(見圖1)。顯而易見，前3個因子的特征值最高，作用最明顯，從第10個因子開始作用力越來越小，且取值都小于1可以忽略不計。依據(jù)總方差及旋轉(zhuǎn)成份矩陣綜合計算分析，提取9個主成分因子分別定義為FAC1、FAC2、FAC3、FAC4、FAC5、FAC6、FAC7、FAC8、FAC9，這9個因子共同解釋了總方差的76.553%，總的來說因子信息比較完整，9個因子基本上包含了所有指標(biāo)的信息[15]。這9個因子分別定義：

圖1 碎石圖

FAC1主要表達(dá)了流動比率、速動比率、現(xiàn)金比率等指標(biāo)，反映了企業(yè)的償債能力；FAC2主要表達(dá)了主營業(yè)務(wù)收入增長率、凈資產(chǎn)增長率、總資產(chǎn)增長率等指標(biāo)，反映了企業(yè)的發(fā)展能力；FAC3主要表達(dá)了資產(chǎn)報酬率、凈資產(chǎn)收益率、銷售凈利率等指標(biāo)，反映了企業(yè)的獲利能力；FAC4主要表達(dá)了存貨周轉(zhuǎn)率等指標(biāo)，反映了公司的營運(yùn)能力；FAC5主要表達(dá)了房屋銷售價格指數(shù)，反映了宏觀經(jīng)濟(jì)指標(biāo)中的房價因素；FAC6主要表達(dá)了應(yīng)收賬款周轉(zhuǎn)率指標(biāo)，反映了公司的營運(yùn)能力；FAC7主要表達(dá)了利息保障倍數(shù)和GDP變動率指標(biāo)，反映了企業(yè)的償債能力和所處的宏觀環(huán)境；FAC8主要表達(dá)了國房景氣指數(shù)，反映了企業(yè)宏觀經(jīng)濟(jì)指標(biāo)中的發(fā)展因素；FAC9主要表達(dá)了長期貸款利率，反映了企業(yè)宏觀經(jīng)濟(jì)指標(biāo)中的利率因素。經(jīng)過標(biāo)準(zhǔn)化處理后，各因子表達(dá)式如下(見表5)：

FAC1=0.309X1+0.303X2+0.301X3+0.005X4-0.121X5+0.028X6-0.006X7-0.002X8-0.076X9+0.025X10-0.063X11-0.071X12+0.051X13-0.063X14+0.042X15+0.01X16-0.026X18-0.009X19-0.006X20

FAC2=0.018X1+0.018X2+0.017X3-0.036X4-0.004X5-0.044X6-0.022X7-0.04X8-0.001X9+0.01X10+0.011X11+0.069X12+0.285X13+0.208X14+0.312X15+0.325X16+0.049X17-0.041X18+0.00X19-0.003X20

FAC3=-0.017X1+0.017X2+0.018X3+0.117X4+0.031X5+0.315X6+0.348X7+0.358X8+0.051X9+0.007X10-0.043X11+0.255X12-0.071X13+0.067X14-0.053X15-0.049X16-0.113X17-0.014X18+0.048X19-0.016X20

FAC4=-0.095X1-0.045X2-0.032X3-0.23X4-0.405X5-0.133X6-0.071X7+0.141X8+0.253X9-0.144X10+0.610X11-0.052X12-0.042X13+0.074X14+0.037X15-0.003X16+0.217X17+0.132X18-0.007X19+0.066X20

FAC5=0.00X1-0.002X2-0.013X3+0.017X4+0.014X5-0.03X6-0.081X7+0.035X8-0.357X9+0.112X10+0.106X11+0.29X12-0.069X13+0.043X14-0.083X15-0.026X16+0.066X17+0.793X18+0.003X19-0.019X20

FAC6=0.025X1-0.016X2-0.004X3-0.128X4-0.057X5+0.008X6+0.015X7-0.011X8+0.293X9+0.87X10-0.174X11-0.076X12+0.008X13-0.007X14+0.042X15+0.011X16+0.089X17+0.148X18-0.008X19+0.044X20

FAC7=0.00X1+0.011X2+0.015X3+0.707X4+0.041X5-0.026X6+0.099X7-0.055X8+0.111X9-0.034X10+0.007X11-0.124X12+0.025X13-0.018X14+0.03X15+0.013X16+0.619X17+0.097X18+0.005X19-0.001X20

FAC8=-0.005X1-0.003X2+0.003X3-0.132X4+0.044X5+0.117X6-0.003X7-0.01X8-0.034X9-0.006X10+0.009X11-0.076X12+0.00X13+0.021X14+0.001X15+0.009X16+0.13X17+0.002X18+0.965X19+0.019X20

FAC9=-0.003X1-0.001X2-0.003X3+0.163X4-0.005X5-0.016X6+0.016X7-0.014X8-0.075X9+0.056X10+0.08X11+0.015X12-0.006X13+0.009X14-0.014X15+0.001X16-0.154X17-0.043X18+0.018X19+0.961X20

表5 主成分子得分系數(shù)矩陣

(二)Logistic模型建立

以上述提取的9個主成分因子作為協(xié)變量，企業(yè)違約概率作為因變量建立二元logistic回歸模型。因研究實(shí)際問題需要該模型以P=0.5為分割點(diǎn)，即P>0.5，則該企業(yè)為ST企業(yè)，為非正常組企業(yè)，信用風(fēng)險大；P<0.5，則該企業(yè)為非ST企業(yè)，為正常組企業(yè)，沒有違約風(fēng)險。樣本總數(shù)是131家，缺失樣本數(shù)為0，并且將被ST的企業(yè)定義值為1，非ST企業(yè)定義值為0(見表6及表7)。

表6 案例處理匯總

表7 因變量編碼

表8 Hosmer-Lemeshow 檢驗

Hosmer-Lem show檢驗的卡方值為21.423，df(自由度)為8，P值為0.467，說明模型整體擬合度較高(見表8)。

FAC4、FAC5、FAC6、FAC7、FAC9這五個變量的系數(shù)顯著性都不高，應(yīng)該剔除后再進(jìn)行分析(見表9)。FAC1、FAC2、FAC3、FAC8為較影響顯著因子，結(jié)合本文實(shí)際問題研究需要，可引入本文模型協(xié)變量(見表10)，變量 P表示企業(yè)的違約概率，建立Logistic回歸模型：

表 9 方程式中的變量

a.在步驟 1 中輸入的變量：FAC1，F(xiàn)AC2，F(xiàn)AC3，F(xiàn)AC4，F(xiàn)AC5，F(xiàn)AC6，F(xiàn)AC7，F(xiàn)AC8，F(xiàn)AC9。

表10 方程式中的變量

a.在步驟1中輸入的變量：FAC1，F(xiàn)AC2，F(xiàn)AC3，F(xiàn)AC8。

(三)模型預(yù)測正確率

Logistic模型檢驗出兩種情況，第一種情況是將沒有存在違約情況的公司誤判成存在違約；第二種是將實(shí)際存在違約情況的公司誤判成不存在違約。第一種情況會高估企業(yè)的信用風(fēng)險，第二種情況剛好相反，會低估企業(yè)的信用風(fēng)險。由表11可以看出，總體預(yù)測的正確率達(dá)到98.5%，其中ST公司被預(yù)測正確的概率只有60%，非ST公司被預(yù)測正確的概率達(dá)到100%，也就是說在這次實(shí)驗中出現(xiàn)第一種情況的概率是0，出現(xiàn)第二種情況的概率是40%(見表11)[16]。該模型對ST企業(yè)預(yù)測效果不是很好，這可能跟ST企業(yè)樣本量較少及本文假設(shè)有關(guān)，且我國實(shí)際上有的ST企業(yè)財務(wù)狀況到了第三年在政府幫助下轉(zhuǎn)化盈利可能性很大，“ST”及“*ST”的上市公司并非都是一定違約，符合國內(nèi)實(shí)際情況。

總體而言，Logistic模型對于企業(yè)信用風(fēng)險預(yù)測的準(zhǔn)確度還是很高的，比較適用于我國房地產(chǎn)企業(yè)信用風(fēng)險的判別、度量及預(yù)警。

表11 Logistic模型檢驗結(jié)果a

a.切割值為 0.500。

四、結(jié)論及建議

本文運(yùn)用主成分分析法篩選主要影響因子指標(biāo)，基于Logistic模型原理構(gòu)建我國上市房地產(chǎn)企業(yè)信用風(fēng)險度量模型，該模型總體預(yù)測的正確率為98.5%，這表明Logistic模型能夠適用于我國房地產(chǎn)企業(yè)信用風(fēng)險度量及預(yù)警。通過該模型對我國2017年房地產(chǎn)上市企業(yè)信用風(fēng)險進(jìn)行判別分析，除了三家*ST企業(yè)有較大違約可能外，其余房地產(chǎn)上市企業(yè)都不會有違約風(fēng)險，房地產(chǎn)上市企業(yè)是我國房地產(chǎn)市場的主力軍，說明我國目前整體房地產(chǎn)企業(yè)市場信用風(fēng)險狀態(tài)還是良好。

依據(jù)所建模型回歸結(jié)果顯示，判別我國房地產(chǎn)企業(yè)信用風(fēng)險的主要因子是企業(yè)獲利能力因子FAC3、企業(yè)發(fā)展能力因子FAC2、企業(yè)償債能力因子FAC1及宏觀經(jīng)濟(jì)的發(fā)展因素FAC8，其主要具體對應(yīng)相關(guān)財務(wù)指標(biāo)分別是流動比率、現(xiàn)金比率、銷售凈利率、資產(chǎn)報酬率、主營業(yè)務(wù)收入增長率、凈資產(chǎn)增長率、總資產(chǎn)增長率、國房景氣指數(shù)等。

一般來說，房地產(chǎn)企業(yè)產(chǎn)生信用風(fēng)險的原因可以分為企業(yè)內(nèi)部經(jīng)營和外部環(huán)境兩個方面，企業(yè)內(nèi)部經(jīng)營原因是房地產(chǎn)投資負(fù)債規(guī)模過大、房地產(chǎn)銷售不景氣、企業(yè)之間的擔(dān)保違約連鎖反應(yīng)、企業(yè)還款責(zé)任意識強(qiáng)度等；外部環(huán)境原因主要是世界經(jīng)濟(jì)危機(jī)、房地產(chǎn)嚴(yán)厲調(diào)控政策、利率與匯率不利于房地產(chǎn)企業(yè)的變化等。2017年3月份我國已有十幾個大、中城市實(shí)施限購，2018年中美發(fā)生貿(mào)易關(guān)稅戰(zhàn)，美國方面將可能對中國幾千億美元商品的加征關(guān)稅。中美貿(mào)易戰(zhàn)可能導(dǎo)致匯率和貨幣政策的調(diào)整，會使房地產(chǎn)和樓市的流動性出現(xiàn)緊缺，房地產(chǎn)開發(fā)商融資難度加大，房價可能加速下跌，使房地產(chǎn)市場萎靡[17]，導(dǎo)致房地產(chǎn)企業(yè)信用風(fēng)險加劇。

為了防止我國房地產(chǎn)企業(yè)信用風(fēng)險的出現(xiàn)，結(jié)合本文模型分析，提出如下政策建議：

(1)大力提高房地產(chǎn)企業(yè)自身盈利能力。房地產(chǎn)企業(yè)要在新環(huán)境背景下加強(qiáng)內(nèi)部經(jīng)營與內(nèi)部控制能力，提高企業(yè)盈利能力，企業(yè)就有足夠利潤償還債務(wù)，企業(yè)違約風(fēng)險就越小。樹立優(yōu)良產(chǎn)品理念，加強(qiáng)房地產(chǎn)企業(yè)內(nèi)部管理與監(jiān)督，積極通過多種途徑提升員工技術(shù)專業(yè)水平、創(chuàng)新能力、道德水平，形成優(yōu)秀企業(yè)文化，創(chuàng)立優(yōu)質(zhì)企業(yè)品牌，不斷提升房地產(chǎn)企業(yè)競爭力，使企業(yè)盈利能力與償債能力不斷加強(qiáng)。

(2)積極推廣不動產(chǎn)登記制度，在不動產(chǎn)登記系統(tǒng)增設(shè)信用檔案等級欄目，完善房地產(chǎn)企業(yè)信用管理制度，增強(qiáng)企業(yè)還款意愿強(qiáng)度。不動產(chǎn)登記制度能使歸屬產(chǎn)權(quán)明確清晰，有利于權(quán)利人的財產(chǎn)保護(hù)，有利于房地產(chǎn)市場的交易安全。構(gòu)建一個全國互聯(lián)網(wǎng)的不動產(chǎn)登記系統(tǒng)，保證房地產(chǎn)市場信息準(zhǔn)確與透明，在不動產(chǎn)登記系統(tǒng)增設(shè)信用等級檔案欄目，一旦發(fā)現(xiàn)存在失信行為，就納入信用檔案。消費(fèi)者在進(jìn)行消費(fèi)前可以先查詢該公司在信用檔案中是否有不良記錄，有利于完善房地產(chǎn)企業(yè)信用管理制度，保護(hù)消費(fèi)者權(quán)益[18]。不斷提高不動產(chǎn)統(tǒng)一登記質(zhì)量，就可以逐步抑制房地產(chǎn)市場圈房、炒房等行為，提升房地產(chǎn)市場的規(guī)范性與秩序性，迫使房地產(chǎn)企業(yè)自覺維護(hù)信用等級。

(3)測算我國小康水平的基本人均必需居住面積及商品房基本價格，實(shí)施“平均空間，超住多交，不超不交，少住多補(bǔ)”房產(chǎn)稅征收與補(bǔ)貼政策，促進(jìn)房地產(chǎn)市場健康發(fā)展。本文模型分析指出宏觀經(jīng)濟(jì)發(fā)展環(huán)境是房地產(chǎn)企業(yè)信用能力的重要影響因素之一，國家要基于人均國內(nèi)生產(chǎn)總值發(fā)展軌跡、人均房地產(chǎn)需求量及社會主義商品市場體系，發(fā)揮計劃經(jīng)濟(jì)與市場調(diào)節(jié)功能，依據(jù)中國社會發(fā)展長期趨勢及房地產(chǎn)市場的短期特點(diǎn)[19]，測算我國小康水平基本人均居住面積，測算社會主義生產(chǎn)關(guān)系下的商品住房基本價格。進(jìn)而制定各種相關(guān)政策，加強(qiáng)宏觀調(diào)控，迎接中美貿(mào)易戰(zhàn)，不斷深化改革與頂層設(shè)計，完善房地產(chǎn)市場社會主義分配機(jī)制，實(shí)施“平均空間，超住多交，不超不交，少住多補(bǔ)”房產(chǎn)稅征收與補(bǔ)貼政策，增強(qiáng)廣大普通人民的住房購買能力，促進(jìn)房地產(chǎn)銷售，提升國房景氣指數(shù)，提高廣大人們的生活水平，落實(shí)“房子是用來住不是用來炒的”，減少國有資源在房地產(chǎn)市場上過度大量的不合理浪費(fèi)，加強(qiáng)房地產(chǎn)信貸風(fēng)險監(jiān)控與預(yù)警能力，防范房地產(chǎn)企業(yè)信貸違約發(fā)生，促進(jìn)房地產(chǎn)企業(yè)及我國經(jīng)濟(jì)穩(wěn)定發(fā)展，促進(jìn)社會主義小康水平全面實(shí)現(xiàn)。