【文章內(nèi)容簡介】 ..................35一、A 公司風(fēng)險識別方法 ..............................................................................................................36二、 A 公司采取的財務(wù)風(fēng)險防范措施 ........................................................................................36第三節(jié) 完善 A 公司財務(wù)風(fēng)險識別與防范體系的建議 ....................................................................38一、 完善財務(wù)風(fēng)險識別體系建議 ...............................................................................................38二、籌資風(fēng)險防范完善措施 .........................................................................................................38三、投資風(fēng)險防范完善措施 .........................................................................................................38四、資金回收風(fēng)險完善措施 .........................................................................................................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、研究背景近年來我國城市化進(jìn)程不斷加快，經(jīng)濟體制改革逐漸深入，我國房地產(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，區(qū)域性強、投資時間長，變現(xiàn)能力差，投資回收期長，投資風(fēng)險高的特點，這些特點決定了我國的房地產(chǎn)企業(yè)存在著一定的財務(wù)風(fēng)險，而影響房地產(chǎn)企業(yè)財務(wù)風(fēng)險風(fēng)險有來自外部的因素和來自企業(yè)自身的因素。來自企業(yè)外部因素有政策因素，如房地產(chǎn)調(diào)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(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、財政政策、稅收政策影響著市場需求，土地供應(yīng)政策制約著房地產(chǎn)企業(yè)的投資計劃也提高了房地產(chǎn)企業(yè)的開發(fā)成本，利率政策也會影響房地產(chǎn)企業(yè)的開發(fā)成本；市場供需環(huán)境等也影響著房地產(chǎn)企業(yè)收益目標(biāo)的實現(xiàn)。來自企業(yè)內(nèi)部的因素有資本結(jié)構(gòu)、管理層風(fēng)險控制意識，財務(wù)制度及其執(zhí)行度，財務(wù)人員的素質(zhì)等。就房地產(chǎn)企業(yè)的資本結(jié)構(gòu)來說，資產(chǎn)負(fù)債率普遍較高，有的甚至高達(dá) 90%，盡管近年來房地產(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)競爭日趨激烈的今天，房地產(chǎn)企業(yè)加強財務(wù)風(fēng)險的識別和防范，可以提高房地產(chǎn)企業(yè)的管理水平和經(jīng)營效益，是當(dāng)前房地產(chǎn)行業(yè)的一項重要任務(wù)。選題意義 我國資本市場起步較晚，財務(wù)風(fēng)險的研究尚未形成深層次的理論體系，離發(fā)達(dá)國家尚有一定的差距，多為在國外先進(jìn)的研究理論上進(jìn)行創(chuàng)新，并且基于單個具體行業(yè)的財務(wù)風(fēng)險研究頁較少。本文對國內(nèi)外先進(jìn)的企業(yè)財務(wù)風(fēng)險識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)的財務(wù)風(fēng)險識別與防范方法，并結(jié)合了 A 房地產(chǎn)公司的實際案例進(jìn)行了應(yīng)用闡述，希望能給房地產(chǎn)企業(yè)的實際應(yīng)用帶來一定的借鑒意義。9 / 44第二節(jié) 國內(nèi)外文獻(xiàn)綜述 國內(nèi)外對企業(yè)財務(wù)風(fēng)險識別的研究主要集中在財務(wù)風(fēng)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(yīng)用于企業(yè)財務(wù)危機預(yù)警模型的構(gòu)建。財務(wù)風(fēng)險防范的理論研究主要是致力于從經(jīng)濟管理理論中尋找原因和關(guān)鍵變量解釋和說明為什么一部分企業(yè)會走向困境和失敗以及就預(yù)防企業(yè)財務(wù)風(fēng)險的惡化給出建議措施 [1]。國外文獻(xiàn)綜述 （一）國外財務(wù)風(fēng)險識別文獻(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 組財務(wù)特征指標(biāo)選擇了 30 個財務(wù)指標(biāo)作為變量，檢測了 79 對公司的樣本，認(rèn)為在公司破產(chǎn)前 5 年的時間內(nèi)最適用的預(yù)測指標(biāo)為營運資本流/負(fù)債和凈利潤/總資產(chǎn)這兩個指標(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，該模型在五類財務(wù)指標(biāo)中選取了 22 個財務(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)，選擇營運資產(chǎn)/資產(chǎn)總額、留存收益/資產(chǎn)總額、息稅前利潤/資產(chǎn)總額、股東權(quán)益市場價值/總負(fù)債賬面價值和銷售收入/資產(chǎn)總額這 5 個財務(wù)指標(biāo)作為判別模型的變量，可以使財務(wù)危機判別的錯誤率最小。 Wileox(1973)構(gòu)建了基于期權(quán)定價理論的財務(wù)風(fēng)險預(yù)測模型并進(jìn)行了實證研究，該模型以反映企業(yè)流動性的財務(wù)風(fēng)險指標(biāo)現(xiàn)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(xiàn)財務(wù)危機的企業(yè)和作為配對的 41 家財務(wù)狀況正常的企業(yè)作為研究樣本，實證結(jié)果表明該模型在公司破產(chǎn)前三年擁有較高的預(yù)測準(zhǔn)確度。ohlson(1980)建立了 Logistic 預(yù)測模型，以 1970 年至 1976 年間破產(chǎn)的105 家公司以及未破產(chǎn)的 2058 家公司為研究對象，發(fā)現(xiàn)公司的規(guī)模/資本結(jié)構(gòu)、業(yè)績和當(dāng)前的變現(xiàn)能力四個變量具有較高的預(yù)測能力。Odomamp。Sharda(1990)構(gòu)建了神經(jīng)網(wǎng)絡(luò)預(yù)測模型并進(jìn)行了實證研究，模型選取的 5 個財務(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)建模型和實證檢驗，實證結(jié)果表明，失敗類企業(yè)預(yù)測正確率為 %，正常企業(yè)的預(yù)測正確率分別為 %，說明該模型的預(yù)測準(zhǔn)確度較高。 （二）國外財務(wù)風(fēng)險防范文獻(xiàn)綜述Ho 和 SaunderS(1980)對銀行破產(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)管者的錯誤決策行為，破產(chǎn)的發(fā)生不是一個緩慢發(fā)生的過程，而是一個驟變過程，在進(jìn)行企業(yè)財務(wù)風(fēng)險防范時可以構(gòu)建模型以現(xiàn)金流方差作為監(jiān)控對象，防范異?，F(xiàn)金流量變動。Theil 和 Lev(1969，1971)認(rèn)為應(yīng)該企業(yè)資本結(jié)構(gòu)角度進(jìn)行財務(wù)風(fēng)險防范，他們通過研究發(fā)現(xiàn)企業(yè)是經(jīng)歷過資本結(jié)構(gòu)的嚴(yán)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(chǎn)，因而對企業(yè)的資本結(jié)構(gòu)的進(jìn)行識別，并采取一定的防范措施是一種較好的財務(wù)風(fēng)險防范方法。Santomero(1977)和 Vinson(1979)對賭徒破產(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)的財務(wù)風(fēng)險防范模型構(gòu)建中。國內(nèi)文獻(xiàn)綜述 （一）國內(nèi)財務(wù)風(fēng)險識別文獻(xiàn)綜述 陳靜(1999) 對單變量分析法和多元線性判別法進(jìn)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(jìn)行單變量分析法實證研究時，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)收益率和流動比率 4 個財務(wù)指標(biāo)分別進(jìn)行了預(yù)測實證研究，通過比較發(fā)現(xiàn)在企業(yè)被特別處理前一年擁有較高預(yù)測準(zhǔn)確率的財務(wù)指標(biāo)是資產(chǎn)負(fù)債率和流動比率這兩個財務(wù)指標(biāo)，她在進(jìn)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(yè)的前三年財務(wù)報表中的資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動比率、營運資本/總資產(chǎn)及總資產(chǎn)周轉(zhuǎn)率 6 個財務(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)測正確率分別為 %、%和 %，證明了多元線性判別的預(yù)測準(zhǔn)確度高，可以應(yīng)用于我國的上市公司的財務(wù)風(fēng)險識別，同時也證實了該模型隨著預(yù)測時間越遠(yuǎn)，預(yù)測精度會不斷降低。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)財務(wù)困難的 60 家上市公司以及作為配對的 60 家財務(wù)狀況正常的企業(yè)共 120家上市公司作為研究樣本，并分為開發(fā)樣本和檢驗樣本兩組，分別用于模型參數(shù)的設(shè)定以及實證檢驗，在企業(yè)的 4 類財務(wù)特征指標(biāo)中選取了 15 個財務(wù)指標(biāo)作為待選變量，進(jìn)而選擇了資產(chǎn)負(fù)債率、營運資金/總資產(chǎn)、總資產(chǎn)利潤率和留成收益/ 資產(chǎn)總額 4 個財務(wù)指標(biāo)作為模型的變量，該模型對開發(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)測精度，但隨著離預(yù)測點時間的向前推遲，預(yù)測精度顯著降低。吳世農(nóng)、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(jìn)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(wù)特征指標(biāo)中，經(jīng)過變量初選，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 個財務(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)回判實證研究，研究結(jié)果證實了三種模型均有較高的預(yù)測準(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的 42 家正常公司作為研究樣本，選擇了 13 個財務(wù)指標(biāo)作為初始變量，并通過再次涮選，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)四個財務(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特別處理公司和正常上市公司均有較高的預(yù)測精度。楊保安等(2022) 利用神經(jīng)網(wǎng)絡(luò)分析法構(gòu)建了預(yù)測模型，特在 4 類財務(wù)指標(biāo)中選擇了 15 項財務(wù)指標(biāo)，他以研究樣本中的 30 個樣本作為學(xué)習(xí)樣本，并進(jìn)行了樣本回判預(yù)測，研究結(jié)果顯示開發(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)測準(zhǔn)確度。向德偉(2022) 對 Z 值模型進(jìn)行了實證研究，以 A 股滬兩市 40 家出現(xiàn)財務(wù)危機的企業(yè)和作為配對的 40 家正常企業(yè)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(jìn)行了綜合考慮，對 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，研究結(jié)果證實了 Z 值模型對于我國上市公司財務(wù)風(fēng)險識別擁有較高的準(zhǔn)確度，并且對不同行業(yè)的預(yù)測準(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(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 類特征指標(biāo)中選取了 8 個財務(wù)指標(biāo)作為變量，研究結(jié)論為當(dāng)設(shè)定預(yù)測值 Y= 時，模型預(yù)測準(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)測模型應(yīng)用于財務(wù)危機預(yù)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(yè)短期償債能力、長期償債能力、盈利能力、資產(chǎn)管理能力、主營業(yè)務(wù)鮮明程度、公司增長能力的 6 類特征指標(biāo)中選取了 15 個財務(wù)指標(biāo)作為初始變量，然后進(jìn)行了 T顯著性檢驗的再篩選，確定了 10 個財務(wù)指標(biāo)，隨后對 60 家檢驗樣本公司進(jìn)行了預(yù)測檢驗，證實了該模型擁有較高的預(yù)測精度。 （二）國內(nèi)財務(wù)風(fēng)險防范文獻(xiàn)綜述12 / 44郭秀君等（2022）認(rèn)為財務(wù)風(fēng)險的防范內(nèi)容包括：以企業(yè)的財務(wù)敏感性指標(biāo)建立財務(wù)預(yù)警模型；加強資金管理，做好資金預(yù)算以及成本控制，提高資金使用效率；通過學(xué)習(xí)與培訓(xùn)提高公司整體員工的風(fēng)險意識以及財務(wù)管理人員的財務(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)；通過簽訂固定利率籌資合同規(guī)避利率上浮風(fēng)險。吳耿城（2022）從防范籌資風(fēng)險和投資風(fēng)險角度，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(fēng)險的防范措施，她認(rèn)為可以通過將開發(fā)市場轉(zhuǎn)向非一線城市或者和其他房地產(chǎn)開發(fā)企業(yè)合作拿地來降低投資風(fēng)險，從長遠(yuǎn)的角度，企業(yè)可以通過放棄