【文章內(nèi)容簡(jiǎn)介】 ..................35一、A 公司風(fēng)險(xiǎn)識(shí)別方法 ..............................................................................................................36二、 A 公司采取的財(cái)務(wù)風(fēng)險(xiǎn)防范措施 ........................................................................................36第三節(jié) 完善 A 公司財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與防范體系的建議 ....................................................................38一、 完善財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別體系建議 ...............................................................................................38二、籌資風(fēng)險(xiǎn)防范完善措施 .........................................................................................................38三、投資風(fēng)險(xiǎn)防范完善措施 .........................................................................................................38四、資金回收風(fēng)險(xiǎn)完善措施 .........................................................................................................39五、制定收益分配政策 .................................................................................................................39第六章 結(jié)論與展望 ...............................................................................................................................40參考文獻(xiàn) .................................................................................................................................................418 / 44第一章 緒論第一節(jié) 研究背景及選題意義一、研究背景近年來(lái)我國(guó)城市化進(jìn)程不斷加快，經(jīng)濟(jì)體制改革逐漸深入，我國(guó)房地產(chǎn)行業(yè)也得到迅速的發(fā)展，房地產(chǎn)企業(yè)數(shù)量也迅速增多。房地產(chǎn)行業(yè)是一個(gè)資金密集型的行業(yè)，房地產(chǎn)投資存在投資資金量大，負(fù)債經(jīng)營(yíng)，區(qū)域性強(qiáng)、投資時(shí)間長(zhǎng)，變現(xiàn)能力差，投資回收期長(zhǎng)，投資風(fēng)險(xiǎn)高的特點(diǎn)，這些特點(diǎn)決定了我國(guó)的房地產(chǎn)企業(yè)存在著一定的財(cái)務(wù)風(fēng)險(xiǎn)，而影響房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)風(fēng)險(xiǎn)有來(lái)自外部的因素和來(lái)自企業(yè)自身的因素。來(lái)自企業(yè)外部因素有政策因素，如房地產(chǎn)調(diào)控政策、財(cái)政與貨幣政策，土地政策、利率政策，稅收政策等。房地產(chǎn)調(diào)控政策能直接影響房地產(chǎn)行業(yè)的發(fā)展，貨幣政策、財(cái)政政策、稅收政策影響著市場(chǎng)需求，土地供應(yīng)政策制約著房地產(chǎn)企業(yè)的投資計(jì)劃也提高了房地產(chǎn)企業(yè)的開(kāi)發(fā)成本，利率政策也會(huì)影響房地產(chǎn)企業(yè)的開(kāi)發(fā)成本；市場(chǎng)供需環(huán)境等也影響著房地產(chǎn)企業(yè)收益目標(biāo)的實(shí)現(xiàn)。來(lái)自企業(yè)內(nèi)部的因素有資本結(jié)構(gòu)、管理層風(fēng)險(xiǎn)控制意識(shí)，財(cái)務(wù)制度及其執(zhí)行度，財(cái)務(wù)人員的素質(zhì)等。就房地產(chǎn)企業(yè)的資本結(jié)構(gòu)來(lái)說(shuō)，資產(chǎn)負(fù)債率普遍較高，有的甚至高達(dá) 90%，盡管近年來(lái)房地產(chǎn)信托，房地產(chǎn)基金等創(chuàng)新金融產(chǎn)品涌現(xiàn)，但銀行渠道仍為主要融資渠道。在房地產(chǎn)行業(yè)競(jìng)爭(zhēng)日趨激烈的今天，房地產(chǎn)企業(yè)加強(qiáng)財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別和防范，可以提高房地產(chǎn)企業(yè)的管理水平和經(jīng)營(yíng)效益，是當(dāng)前房地產(chǎn)行業(yè)的一項(xiàng)重要任務(wù)。選題意義 我國(guó)資本市場(chǎng)起步較晚，財(cái)務(wù)風(fēng)險(xiǎn)的研究尚未形成深層次的理論體系，離發(fā)達(dá)國(guó)家尚有一定的差距，多為在國(guó)外先進(jìn)的研究理論上進(jìn)行創(chuàng)新，并且基于單個(gè)具體行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)研究頁(yè)較少。本文對(duì)國(guó)內(nèi)外先進(jìn)的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別和防范研究理論進(jìn)行了分析研究與總結(jié)，試圖探索出適合房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別與防范方法，并結(jié)合了 A 房地產(chǎn)公司的實(shí)際案例進(jìn)行了應(yīng)用闡述，希望能給房地產(chǎn)企業(yè)的實(shí)際應(yīng)用帶來(lái)一定的借鑒意義。9 / 44第二節(jié) 國(guó)內(nèi)外文獻(xiàn)綜述 國(guó)內(nèi)外對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的研究主要集中在財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別方法的研究和識(shí)別變量的選取兩個(gè)方面，而且這些研究成果主要應(yīng)用于企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建。財(cái)務(wù)風(fēng)險(xiǎn)防范的理論研究主要是致力于從經(jīng)濟(jì)管理理論中尋找原因和關(guān)鍵變量解釋和說(shuō)明為什么一部分企業(yè)會(huì)走向困境和失敗以及就預(yù)防企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的惡化給出建議措施 [1]。國(guó)外文獻(xiàn)綜述 （一）國(guó)外財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別文獻(xiàn)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(cái)務(wù)特征指標(biāo)選擇了 30 個(gè)財(cái)務(wù)指標(biāo)作為變量，檢測(cè)了 79 對(duì)公司的樣本，認(rèn)為在公司破產(chǎn)前 5 年的時(shí)間內(nèi)最適用的預(yù)測(cè)指標(biāo)為營(yíng)運(yùn)資本流/負(fù)債和凈利潤(rùn)/總資產(chǎn)這兩個(gè)指標(biāo)。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(lèi)財(cái)務(wù)指標(biāo)中選取了 22 個(gè)財(cái)務(wù)指標(biāo)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(chǎn)制造企業(yè)和作為配對(duì)的 33 家非破產(chǎn)企業(yè)作為研究樣本，研究結(jié)果發(fā)現(xiàn)，選擇營(yíng)運(yùn)資產(chǎn)/資產(chǎn)總額、留存收益/資產(chǎn)總額、息稅前利潤(rùn)/資產(chǎn)總額、股東權(quán)益市場(chǎng)價(jià)值/總負(fù)債賬面價(jià)值和銷(xiāo)售收入/資產(chǎn)總額這 5 個(gè)財(cái)務(wù)指標(biāo)作為判別模型的變量，可以使財(cái)務(wù)危機(jī)判別的錯(cuò)誤率最小。 Wileox(1973)構(gòu)建了基于期權(quán)定價(jià)理論的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型并進(jìn)行了實(shí)證研究，該模型以反映企業(yè)流動(dòng)性的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)現(xiàn)金流和清算價(jià)格為變量，選了 1949 年至 1971 年間美國(guó)的 41 家出現(xiàn)財(cái)務(wù)危機(jī)的企業(yè)和作為配對(duì)的 41 家財(cái)務(wù)狀況正常的企業(yè)作為研究樣本，實(shí)證結(jié)果表明該模型在公司破產(chǎn)前三年擁有較高的預(yù)測(cè)準(zhǔn)確度。ohlson(1980)建立了 Logistic 預(yù)測(cè)模型，以 1970 年至 1976 年間破產(chǎn)的105 家公司以及未破產(chǎn)的 2058 家公司為研究對(duì)象，發(fā)現(xiàn)公司的規(guī)模/資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的變現(xiàn)能力四個(gè)變量具有較高的預(yù)測(cè)能力。Odomamp。Sharda(1990)構(gòu)建了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型并進(jìn)行了實(shí)證研究，模型選取的 5 個(gè)財(cái)務(wù)指標(biāo)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(chǎn)企業(yè)以及作為配對(duì)的 64 家正常企業(yè)共 129 家企業(yè)，并將樣本分為兩組分別用于構(gòu)建模型和實(shí)證檢驗(yàn)，實(shí)證結(jié)果表明，失敗類(lèi)企業(yè)預(yù)測(cè)正確率為 %，正常企業(yè)的預(yù)測(cè)正確率分別為 %，說(shuō)明該模型的預(yù)測(cè)準(zhǔn)確度較高。 （二）國(guó)外財(cái)務(wù)風(fēng)險(xiǎn)防范文獻(xiàn)綜述Ho 和 SaunderS(1980)對(duì)銀行破產(chǎn)的原因進(jìn)行了研究，他認(rèn)為銀行的破產(chǎn)很10 / 44大程度上原因在于監(jiān)管者的錯(cuò)誤決策行為，破產(chǎn)的發(fā)生不是一個(gè)緩慢發(fā)生的過(guò)程，而是一個(gè)驟變過(guò)程，在進(jìn)行企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)防范時(shí)可以構(gòu)建模型以現(xiàn)金流方差作為監(jiān)控對(duì)象，防范異常現(xiàn)金流量變動(dòng)。Theil 和 Lev(1969，1971)認(rèn)為應(yīng)該企業(yè)資本結(jié)構(gòu)角度進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)防范，他們通過(guò)研究發(fā)現(xiàn)企業(yè)是經(jīng)歷過(guò)資本結(jié)構(gòu)的嚴(yán)重異常并且在一段時(shí)間以后無(wú)法回歸到正常水平，在走向的破產(chǎn)，因而對(duì)企業(yè)的資本結(jié)構(gòu)的進(jìn)行識(shí)別，并采取一定的防范措施是一種較好的財(cái)務(wù)風(fēng)險(xiǎn)防范方法。Santomero(1977)和 Vinson(1979)對(duì)賭徒破產(chǎn)模型進(jìn)行了深入研究，并將該模型應(yīng)用與與銀行和電力行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)防范模型構(gòu)建中。國(guó)內(nèi)文獻(xiàn)綜述 （一）國(guó)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別文獻(xiàn)綜述 陳靜(1999) 對(duì)單變量分析法和多元線性判別法進(jìn)行了實(shí)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(duì)的 27 家正常公司為研究樣本，在進(jìn)行單變量分析法實(shí)證研究時(shí)，她使用企業(yè)被特別處理前一年的資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率和流動(dòng)比率 4 個(gè)財(cái)務(wù)指標(biāo)分別進(jìn)行了預(yù)測(cè)實(shí)證研究，通過(guò)比較發(fā)現(xiàn)在企業(yè)被特別處理前一年擁有較高預(yù)測(cè)準(zhǔn)確率的財(cái)務(wù)指標(biāo)是資產(chǎn)負(fù)債率和流動(dòng)比率這兩個(gè)財(cái)務(wù)指標(biāo)，她在進(jìn)行多元線性判別法實(shí)證研究時(shí)，以上述研究樣本中被特別處理企業(yè)的前三年財(cái)務(wù)報(bào)表中的資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)及總資產(chǎn)周轉(zhuǎn)率 6 個(gè)財(cái)務(wù)指標(biāo)作為自變量構(gòu)建了判別函數(shù)，研究結(jié)論為在企業(yè)被特別處理的前三年預(yù)測(cè)正確率分別為 %、%和 %，證明了多元線性判別的預(yù)測(cè)準(zhǔn)確度高，可以應(yīng)用于我國(guó)的上市公司的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別，同時(shí)也證實(shí)了該模型隨著預(yù)測(cè)時(shí)間越遠(yuǎn)，預(yù)測(cè)精度會(huì)不斷降低。張玲(2022)利用多變量分析的方法構(gòu)建了判別模型，她以 A 股滬深兩市出現(xiàn)財(cái)務(wù)困難的 60 家上市公司以及作為配對(duì)的 60 家財(cái)務(wù)狀況正常的企業(yè)共 120家上市公司作為研究樣本，并分為開(kāi)發(fā)樣本和檢驗(yàn)樣本兩組，分別用于模型參數(shù)的設(shè)定以及實(shí)證檢驗(yàn)，在企業(yè)的 4 類(lèi)財(cái)務(wù)特征指標(biāo)中選取了 15 個(gè)財(cái)務(wù)指標(biāo)作為待選變量，進(jìn)而選擇了資產(chǎn)負(fù)債率、營(yíng)運(yùn)資金/總資產(chǎn)、總資產(chǎn)利潤(rùn)率和留成收益/ 資產(chǎn)總額 4 個(gè)財(cái)務(wù)指標(biāo)作為模型的變量，該模型對(duì)開(kāi)發(fā)樣本 30 家公司被特別處理前五年的回判準(zhǔn)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(yù)測(cè)精度，但隨著離預(yù)測(cè)點(diǎn)時(shí)間的向前推遲，預(yù)測(cè)精度顯著降低。吳世農(nóng)、盧賢義(2022) 對(duì) 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(jìn)行了實(shí)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(duì)的 70 家正常公司作為研究樣本，在 5 類(lèi)財(cái)務(wù)特征指標(biāo)中，經(jīng)過(guò)變量初選，以及應(yīng)用剖面分析和單變量判定分析的變量篩選，選擇了 6 個(gè)財(cái)務(wù)指標(biāo)，再用三種分析方法分別構(gòu)建模型，并進(jìn)行案例數(shù)據(jù)回判實(shí)證研究，研究結(jié)果證實(shí)了三種模型均有較高的預(yù)測(cè)準(zhǔn)確的，并且邏輯回歸模型準(zhǔn)確度最高。姜秀華與孫錚(2022) 進(jìn)行了 Logisti 識(shí)別判定模型構(gòu)建，以 2022 年滬深 A股 42 家被特別處理的公司以及作為配對(duì)的 42 家正常公司作為研究樣本，選擇了 13 個(gè)財(cái)務(wù)指標(biāo)作為初始變量，并通過(guò)再次涮選，確定毛利率、其它應(yīng)收款/總資產(chǎn)、短期借款/總資產(chǎn)及股權(quán)集中系數(shù)四個(gè)財(cái)務(wù)指標(biāo)作為模型的變量，證明該模型在公司被特別處理前一年對(duì)特別處理公司和正常上市公司均有較高的預(yù)測(cè)精度。楊保安等(2022) 利用神經(jīng)網(wǎng)絡(luò)分析法構(gòu)建了預(yù)測(cè)模型，特在 4 類(lèi)財(cái)務(wù)指標(biāo)中選擇了 15 項(xiàng)財(cái)務(wù)指標(biāo)，他以研究樣本中的 30 個(gè)樣本作為學(xué)習(xí)樣本，并進(jìn)行了樣本回判預(yù)測(cè)，研究結(jié)果顯示開(kāi)發(fā)樣本的判別正確率高達(dá) 95%，表現(xiàn)出了該模型十分高的預(yù)測(cè)準(zhǔn)確度。向德偉(2022) 對(duì) Z 值模型進(jìn)行了實(shí)證研究，以 A 股滬兩市 40 家出現(xiàn)財(cái)務(wù)危機(jī)的企業(yè)和作為配對(duì)的 40 家正常企業(yè)作為研究樣本，并且將我國(guó)股市非流通股無(wú)市場(chǎng)價(jià)格等因素進(jìn)行了綜合考慮，對(duì) Z 值模型的變量選擇進(jìn)行了修正，并基于不同行業(yè)的研究樣本進(jìn)行了回判檢驗(yàn)，研究結(jié)果證實(shí)了 Z 值模型對(duì)于我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別擁有較高的準(zhǔn)確度，并且對(duì)不同行業(yè)的預(yù)測(cè)準(zhǔn)確度準(zhǔn)確度存在差異。楊淑娥(2022) 在 Z 分?jǐn)?shù)模式的基礎(chǔ)上結(jié)合了主成分分析法，構(gòu)建了 Y 分?jǐn)?shù)模型，她以 1999 年和 2022 年這兩年被實(shí)行特別處理的 67 家上市公司和作為配對(duì)的 67 家公司作為研究樣本，該模型在反應(yīng)企業(yè)償債能力、盈利能力、現(xiàn)金流量能力、發(fā)展能力的 4 類(lèi)特征指標(biāo)中選取了 8 個(gè)財(cái)務(wù)指標(biāo)作為變量，研究結(jié)論為當(dāng)設(shè)定預(yù)測(cè)值 Y= 時(shí)，模型預(yù)測(cè)準(zhǔn)確率最高，回判準(zhǔn)確率約為 86%。楊淑娥(2022) 構(gòu)建了 BP 人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型應(yīng)用于財(cái)務(wù)危機(jī)預(yù)警研究，選擇 A 股滬深兩市 120 家上市公司作為研究對(duì)象，該模型從反映企業(yè)短期償債能力、長(zhǎng)期償債能力、盈利能力、資產(chǎn)管理能力、主營(yíng)業(yè)務(wù)鮮明程度、公司增長(zhǎng)能力的 6 類(lèi)特征指標(biāo)中選取了 15 個(gè)財(cái)務(wù)指標(biāo)作為初始變量，然后進(jìn)行了 T顯著性檢驗(yàn)的再篩選，確定了 10 個(gè)財(cái)務(wù)指標(biāo)，隨后對(duì) 60 家檢驗(yàn)樣本公司進(jìn)行了預(yù)測(cè)檢驗(yàn)，證實(shí)了該模型擁有較高的預(yù)測(cè)精度。 （二）國(guó)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)防范文獻(xiàn)綜述12 / 44郭秀君等（2022）認(rèn)為財(cái)務(wù)風(fēng)險(xiǎn)的防范內(nèi)容包括：以企業(yè)的財(cái)務(wù)敏感性指標(biāo)建立財(cái)務(wù)預(yù)警模型；加強(qiáng)資金管理，做好資金預(yù)算以及成本控制，提高資金使用效率；通過(guò)學(xué)習(xí)與培訓(xùn)提高公司整體員工的風(fēng)險(xiǎn)意識(shí)以及財(cái)務(wù)管理人員的財(cái)務(wù)管理水平；拓寬籌資渠道并合理控制企業(yè)資本結(jié)構(gòu)；通過(guò)簽訂固定利率籌資合同規(guī)避利率上浮風(fēng)險(xiǎn)。吳耿城（2022）從防范籌資風(fēng)險(xiǎn)和投資風(fēng)險(xiǎn)角度，提出了拓寬籌資渠道，制企業(yè)資本結(jié)構(gòu)，做好成本控制并依據(jù)成本控制目標(biāo)設(shè)立相應(yīng)的考核與激勵(lì)機(jī)制，做好投資可行性研究工作等建議。王小玉（2022）重點(diǎn)闡述了投資風(fēng)險(xiǎn)的防范措施，她認(rèn)為可以通過(guò)將開(kāi)發(fā)市場(chǎng)轉(zhuǎn)向非一線城市或者和其他房地產(chǎn)開(kāi)發(fā)企業(yè)合作拿地來(lái)降低投資風(fēng)險(xiǎn)，從長(zhǎng)遠(yuǎn)的角度，企業(yè)可以通過(guò)放棄