• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于因子分析模型的房地產(chǎn)企業(yè)財務(wù)風(fēng)險預(yù)警評價

      2022-08-18 01:27:46孔凡堯
      山西財稅 2022年7期
      關(guān)鍵詞:風(fēng)險系數(shù)方差矩陣

      ■孔凡堯

      房地產(chǎn)企業(yè)是國民經(jīng)濟(jì)發(fā)展的重要支柱,房地產(chǎn)企業(yè)的健康發(fā)展關(guān)乎著國計民生。2021 年疫情反復(fù)和激烈的競爭環(huán)境,房地產(chǎn)企業(yè)也受到了影響,許多房企紛紛暴雷,對我國經(jīng)濟(jì)的發(fā)展造成影響。同時,我國的房地產(chǎn)企業(yè)由于存在著關(guān)聯(lián)行業(yè)眾多、產(chǎn)業(yè)鏈長、投資風(fēng)險大、回收期限長、收益高等特征,所以需要對房地產(chǎn)財務(wù)績效進(jìn)行風(fēng)險預(yù)警和風(fēng)險管控。

      一、房地產(chǎn)企業(yè)面臨的風(fēng)險

      (一)房地產(chǎn)企業(yè)的資金籌集風(fēng)險

      目前房地產(chǎn)企業(yè)融資主要來源于銀行貸款、發(fā)行債券和股權(quán)籌資三個渠道。但是房地產(chǎn)企業(yè)融資的絕大部分資金來源于銀行貸款,其次是發(fā)行債券籌資,只有很少的一部分是股權(quán)籌資?;诖蟛糠址康禺a(chǎn)企業(yè)過度依賴于銀行貸款融資,本金和利息是固定支付的,一旦企業(yè)經(jīng)營效益差,將會面臨資不抵債的狀況。

      (二)房地產(chǎn)企業(yè)的投資建設(shè)風(fēng)險

      從2020 年和2021 年來看,許多房地產(chǎn)企業(yè)為了追求高收益,忽視了潛在的投資風(fēng)險,甚至有些房企透支信用,發(fā)生信用危機(jī)。2021 年各省市為了房地產(chǎn)企業(yè)的平穩(wěn)運(yùn)行發(fā)展,出臺相關(guān)的政策,有些房地產(chǎn)企業(yè)發(fā)生三道紅線“報警”狀態(tài),失去了國家層面的信任,不能進(jìn)行資產(chǎn)周轉(zhuǎn),拿地吃緊;有些企業(yè)在戰(zhàn)略層面失控,把投資者的資金強(qiáng)制轉(zhuǎn)換成企業(yè)的股票,失去了投資者的信任,以及各種商票逾期拒付的狀況,導(dǎo)致投資風(fēng)險增大。

      (三)房地產(chǎn)企業(yè)的資金流動風(fēng)險

      2020 年初,突如其來的疫情以席卷之勢沖擊國內(nèi)經(jīng)濟(jì)的發(fā)展,房地產(chǎn)企業(yè)也不例外,2021 年房地產(chǎn)企業(yè)進(jìn)入寒冬期,此時房地產(chǎn)企業(yè)處于調(diào)整狀態(tài),未來的房產(chǎn)銷售相對困難,房產(chǎn)變現(xiàn)也不容易,使企業(yè)的流動性風(fēng)險增大,影響了房地產(chǎn)企業(yè)的發(fā)展。

      二、基于因素分析模型對財務(wù)風(fēng)險進(jìn)行實(shí)證分析

      (一)數(shù)據(jù)庫的選擇、選取樣本和構(gòu)建指標(biāo)

      1.選取數(shù)據(jù)庫。本文以銳思數(shù)據(jù)庫(RESSET)進(jìn)行樣本數(shù)據(jù)的選取,通過指定日期范圍,以代碼選擇為查詢條件,選擇輸出要運(yùn)用的財務(wù)指標(biāo)。

      2.選取樣本。本文以數(shù)據(jù)庫中2021 年房地產(chǎn)上市企業(yè)為研究對象,為了數(shù)據(jù)的嚴(yán)謹(jǐn)和完整,選取22 家房地產(chǎn)上市企業(yè)為研究的樣本,構(gòu)建財務(wù)風(fēng)險績效體系。

      3.運(yùn)用指標(biāo)構(gòu)建體系。本文基于房地產(chǎn)企業(yè)的特有情況,綜合考慮各方面因素,在盈利能力指標(biāo)、償債能力指標(biāo)、成長能力指標(biāo)和營運(yùn)能力指標(biāo)的基礎(chǔ)上進(jìn)行分類指標(biāo)的選取,財務(wù)指標(biāo)構(gòu)建體系如下表3.1 所示。

      表3.1 財務(wù)指標(biāo)構(gòu)建體系

      (二)實(shí)證分析過程

      1.對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。因?yàn)楦髫攧?wù)指標(biāo)的計量屬性不一樣,例如凈資產(chǎn)收益率的計量單位是百分比,而總資產(chǎn)周轉(zhuǎn)率的計量單位是小數(shù)位,如果進(jìn)行因子分析時沒有可比性,所以需要對數(shù)據(jù)進(jìn)行修正。

      2.判別財務(wù)數(shù)據(jù)是否適用因子分析。是否能進(jìn)行因子分析,本文是通過KMO 和Bartlett 球形檢驗(yàn)的方法對原始數(shù)據(jù)進(jìn)行可行性檢驗(yàn)。利用SPSS16.0 軟件分析,如下表3.2 所示:

      表3.2 KMO和Bartlett的檢驗(yàn)

      通 過 表3.2 可 知, 首 先 觀 察Kaiser-Meyer-Olkin 度量為0.555,大于0.5,表明可以進(jìn)行因子分析,如果小于0.5 則不適合做因子分析;其次是顯著性概率Sig.為0.000,小于0.05,近似卡方為265.487,自由度df為45,再一次表明所選數(shù)據(jù)適合做因子分析。

      3.研究公因子方差。研究各變量中所含的原始信息能被提取的公因子代表的程度。利用SPSS16.0 軟件分析,得出公因子方差如下表3.3 所示:

      表3.3 公因子方差

      通過表3.3 可知,大部分的信息的提取比例基本位于92%以上,因此按照默認(rèn)數(shù)量提取出的公因子對大多數(shù)變量的解釋能力是很強(qiáng)的。

      4.計算初始特征值和方差貢獻(xiàn)率。利用主成分分析法分析出來的主成分因子代表的信息貢獻(xiàn)程度,可以反映大部分指標(biāo)的評價信息。具體情況如下表3.4 所示:

      表3.4 解釋的總方差

      通過表3.4 可知,根據(jù)特征值大于1 來選取主成分因子,默認(rèn)選取4個主成分因子,累計貢獻(xiàn)率達(dá)到了96%以上。具體分析第一個主成分?jǐn)y帶了3.848 個原始變量信息,第一個主成分的方差占所有主成分方差的38.478%;第二個主成分?jǐn)y帶了2.774個原始變量信息,第二個主成分的方差占所有主成分方差的27.74%;第三個主成分?jǐn)y帶了1.869 個原始變量信息,第三個主成分的方差占所有主成分方差的18.70%;第四個主成分?jǐn)y帶了1.112 個原始變量信息,第四個主成分的方差占所有主成分方差的11.12%。綜上所述,大部分信息可以被這4 個主成分因子所表示,基于此可以選擇這四個主成分因子描述房地產(chǎn)企業(yè)的財務(wù)風(fēng)險狀況。

      因子分析要求提取出的公因子要有實(shí)際含義,為了使得因子載荷矩陣中的系數(shù)更加顯著,可以對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn),將因子和原始變量之間的關(guān)系重新進(jìn)行分配,從而更加容易解釋。旋轉(zhuǎn)后解釋的總方差,如下表3.5 所示。

      表3.5 旋轉(zhuǎn)后解釋的總方差

      通過表3.5 可知,由于默認(rèn)只提取了前4 個因子,因此旋轉(zhuǎn)會基于所提取的這4 個公因子進(jìn)行。旋轉(zhuǎn)后4 個公因子各自的方差貢獻(xiàn)率均發(fā)生變化,且4 個公因子之間的差距明顯減少,顯然信息量被進(jìn)行了重新分配,但仍然保持從大到小的排列順序,且累計方差貢獻(xiàn)率仍保持不變?yōu)?6.035%與旋轉(zhuǎn)前完全相同。

      將 這4 個 因 子 用M1、M2、M3、M4來表示。

      5.成分矩陣和公因子命名。在主成分分析中,直接按列的方向?qū)⑵浣忉尀橹鞒煞值南禂?shù),并據(jù)此寫出公因子的計算公式。具體情況如下表3.6所示:

      表3.6 成份矩陣a

      續(xù) 表

      為了對數(shù)據(jù)進(jìn)行研究和運(yùn)用,使得各因子的意義更加明確和合理,同時也需要對成分矩陣進(jìn)行旋轉(zhuǎn)。旋轉(zhuǎn)后的成份矩陣,如下表3.7 所示:

      表3.7 旋轉(zhuǎn)成份矩陣a

      續(xù) 表

      通過表3.7 可知,第一個公因子M1在存貨周轉(zhuǎn)率、速動比率、總資產(chǎn)周轉(zhuǎn)率反映財務(wù)風(fēng)險狀況的指標(biāo)上有較大的載荷,分別為0.965、0.946、0.932 且均大于0.7,因此可以命名為營運(yùn)能力因子;以此類推,將公因子M2、公因子M3、公因子M4分別命名為發(fā)展能力因子、盈利能力因子、短期償債能力因子。

      6.建立因子表達(dá)式。描述因子表達(dá)式時通過成分得分系數(shù)矩陣進(jìn)行表達(dá),在得分選項(xiàng)中勾選保存變量和顯示因子得分系數(shù)矩陣,采用回歸的方法進(jìn)行輸出,如下表3.8 所示。

      表3.8 成份得分系數(shù)矩陣

      續(xù) 表

      根據(jù)表3.8 建立公因子表達(dá)式,分別如下:

      M1=0.018Zx1+0.025Zx2+0.014 Zx3+0.375Zx4+0.009Zx6-0.014Zx7-0.1Zx8+0.355Zx9+0.322Zx10

      M2=0.303Zx1-0.121Zx2-0.122Zx3-0.151Zx4-0.024Zx5-0.023Zx6+0.374Zx7-0.467Zx8-0.031Zx9+0.064Zx10

      M3=0.018Zx1+0.519Zx2+0.523Zx3+0.183Zx4-0.048Zx5-0.019Zx6-0.081Zx7-0.212Zx8+0.002Zx9-0.128Zx10

      M4=0.014Zx1-0.014Zx2-0.044Zx3-0.008Zx4+0.509Zx5+0.502Zx6-0.024Zx7-0.036Zx8+0.013Zx9+0.006Zx10

      根據(jù)上述因子表達(dá)式可以計算因子得分,根據(jù)上述表3.5 旋轉(zhuǎn)后解釋的總方差可以計算最終因子得分,由此構(gòu)建財務(wù)風(fēng)險預(yù)警模型,計算財務(wù)風(fēng)險系數(shù)M,具體公式如下:

      M=(0.27626M1+0.27423M2+0.210 13M3+0.19972M4)/0.96035

      7.確定因子得分。各公因子得分以及風(fēng)險等級如下表3.9 所示:

      表3.9 各公因子得分以及風(fēng)險等級

      根據(jù)上述表達(dá)式和模型分析22家房地產(chǎn)上市企業(yè)的財務(wù)風(fēng)險系數(shù),財務(wù)風(fēng)險等級按照財務(wù)風(fēng)險系數(shù)M進(jìn)行劃分,分為四個檔次,分別以0.2、-0.1、-0.3 為臨界值,財務(wù)風(fēng)險系數(shù)M ≥0.2,財務(wù)風(fēng)險等級為一般風(fēng)險;財務(wù)風(fēng)險系數(shù)-0.1 ≤M<0.2,財務(wù)風(fēng)險等級為顯著風(fēng)險;財務(wù)風(fēng)險系數(shù)-0.3 ≤M<-0.1,財務(wù)風(fēng)險等級為高風(fēng)險;財務(wù)風(fēng)險系數(shù)M<-0.3,財務(wù)風(fēng)險等級為嚴(yán)重風(fēng)險。

      根據(jù)表3.9 可知,有7 家房地產(chǎn)企業(yè)處于一般風(fēng)險,有3 家房地產(chǎn)企業(yè)處于顯著風(fēng)險,有8 家房地產(chǎn)企業(yè)處于高風(fēng)險,有4 家房地產(chǎn)企業(yè)處于嚴(yán)重風(fēng)險。

      三、問題及建議

      (一)問題

      1.從營運(yùn)能力因子M1的角度分析。從表3.9 可知僅有中華企業(yè)股份有限公司的營運(yùn)能力為正值,其余11家高風(fēng)險等級和嚴(yán)重風(fēng)險等級房地產(chǎn)企業(yè)的營運(yùn)能力為負(fù)值,經(jīng)過分析可知大部分的企業(yè)的存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率大部分在0.2 左右,還有些企業(yè)的營業(yè)收入的增長率為負(fù)增長,說明企業(yè)的周轉(zhuǎn)速度差。

      2.從發(fā)展能力因子M2的角度分析。從表3.9 可知除了萬科企業(yè)股份有限公司和招商局蛇口工業(yè)區(qū)控股股份有限公司的發(fā)展能力為正值,其余10 家高風(fēng)險等級和嚴(yán)重風(fēng)險等級房地產(chǎn)企業(yè)的發(fā)展能力為負(fù)值,經(jīng)過分析可知大部分的企業(yè)的凈資產(chǎn)增長率和凈利潤增長率較低,有些甚至為負(fù)增長,說明企業(yè)的發(fā)展能力差。

      3.從盈利能力因子M3的角度分析。從表3.9 可知除了深圳經(jīng)濟(jì)特區(qū)房地產(chǎn)(集團(tuán))股份有限公司、中華企業(yè)股份有限公司、陽光新業(yè)地產(chǎn)股份有限公司為正值,其余9 家高風(fēng)險等級和嚴(yán)重風(fēng)險等級房地產(chǎn)企業(yè)的盈利能力為負(fù)值,這說明企業(yè)的盈利能力不足。

      4.從短期償債能力因子M4的角度分析。從表3.9 可知除了廣州珠江發(fā)展集團(tuán)股份有限公司、上海城投控股股份有限公司為正值,其余10 家高風(fēng)險等級和嚴(yán)重風(fēng)險等級房地產(chǎn)企業(yè)的短期償債能力均為負(fù)值,表明房地產(chǎn)企業(yè)的償債能力不足。

      (二)建議

      1.優(yōu)化融資體系,轉(zhuǎn)化成本支出。由于大部分的資金來源于銀行貸款,固定現(xiàn)金的流出給企業(yè)的償債能力帶來壓力,所以要拓寬融資渠道,減少間接融資,增加直接融資,合理利用股權(quán)融資的模式,進(jìn)行成本支出的轉(zhuǎn)化。房地產(chǎn)企業(yè)有必要聯(lián)通上下游企業(yè)資金流動,盤活資金,采用供應(yīng)鏈融資的方式實(shí)現(xiàn)一體化全面發(fā)展。

      2.進(jìn)行品牌、標(biāo)桿效應(yīng)的建設(shè)。房地產(chǎn)市場目前仍處于寒冬期,擴(kuò)大品牌影響力,提高品牌知名度成為房地產(chǎn)企業(yè)的重中之重。房地產(chǎn)企業(yè)跟進(jìn)數(shù)字化進(jìn)程,減少交易成本,提高企業(yè)規(guī)模效應(yīng),努力促使企業(yè)健康發(fā)展。

      3.優(yōu)化施工流程,提高核心競爭力。房地產(chǎn)企業(yè)規(guī)模體量大,有必要優(yōu)化施工流程,提高運(yùn)行效率,加強(qiáng)企業(yè)的數(shù)字化、科技化建設(shè),提高企業(yè)的核心競爭力。

      猜你喜歡
      風(fēng)險系數(shù)方差矩陣
      方差怎么算
      概率與統(tǒng)計(2)——離散型隨機(jī)變量的期望與方差
      計算方差用哪個公式
      方差生活秀
      淺析互聯(lián)網(wǎng)金融的優(yōu)勢、影響、發(fā)展方向與風(fēng)險
      基于人—車—路虛擬實(shí)驗(yàn)的公路線形安全性評價
      初等行變換與初等列變換并用求逆矩陣
      基于信息熵和未確知測度理論的供應(yīng)鏈風(fēng)險系數(shù)定量測度模型研究
      中國市場(2016年45期)2016-05-17 05:15:23
      矩陣
      南都周刊(2015年4期)2015-09-10 07:22:44
      矩陣
      南都周刊(2015年3期)2015-09-10 07:22:44
      昭苏县| 德钦县| 英德市| 科技| 江孜县| 中西区| 龙口市| 鱼台县| 东乡族自治县| 晴隆县| 榆林市| 东丽区| 高清| 周至县| 岑巩县| 武隆县| 平武县| 冕宁县| 广汉市| 封开县| 镇安县| 三穗县| 长丰县| 唐山市| 墨竹工卡县| 贡嘎县| 辰溪县| 泉州市| 车险| 枣阳市| 梁山县| 盐亭县| 哈巴河县| 左贡县| 高邮市| 安龙县| 伊通| 吉安县| 桐梓县| 滦南县| 襄汾县|