前言：本站為你精心整理了上市公司房地產(chǎn)論文范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

一、樣本的選取及指標(biāo)體系的建立

（一）樣本的選擇

本文選取房地產(chǎn)上市公司作為樣本以保證研究的真實性。鑒于我國上市公司鮮有破產(chǎn)的情況發(fā)生，本文采用證監(jiān)會的界定原則，將ST或者*ST（specialtreatment）公司定義為處于財務(wù)危機(jī)狀態(tài)的公司，將非ST公司界定為財務(wù)狀況正常的公司。

1.財務(wù)危機(jī)狀態(tài)樣本的界定

樣本來自于2005—2013年首次被ST或者*ST的34家房地產(chǎn)上市公司。選取的樣本研究期是上市公司被特殊處理時首次發(fā)生虧損的前一年（T-3年）。房地產(chǎn)企業(yè)投資回收期較長，虧損時有發(fā)生，在這一年以后接連發(fā)生虧損以至被特殊處理，因此這一年是上市公司發(fā)生財務(wù)危機(jī)的重要轉(zhuǎn)折點。

2.財務(wù)正常狀態(tài)樣本的選取原則

本研究針對的是房地產(chǎn)上市公司，界定未被特殊處理的房地產(chǎn)上市公司為財務(wù)狀況正常的樣本。為了排除政策等其他因素對研究的影響，選取的正常樣本研究期應(yīng)與發(fā)生財務(wù)危機(jī)的公司相同，據(jù)此本文最終選取了2005—2013年間34家房地產(chǎn)上市公司為財務(wù)狀況正常的樣本。

（二）預(yù)警指標(biāo)的選擇

由于財務(wù)危機(jī)的發(fā)生難以用幾個簡單的指標(biāo)來描述，同時又缺乏相關(guān)經(jīng)濟(jì)理論的指導(dǎo)，造成了指標(biāo)選擇較為困難，本文采用試錯法對指標(biāo)進(jìn)行篩選?；谌嫘院涂闪炕脑瓌t，結(jié)合我國房地產(chǎn)行業(yè)的特征，從企業(yè)的短期償債能力、現(xiàn)金流量能力、長期償債能力、營運能力、盈利能力、股東獲利能力、風(fēng)險水平和發(fā)展能力8個方面。過多的指標(biāo)存在著大量無用的信息，不僅會導(dǎo)致分析困難，而且會降低預(yù)測的準(zhǔn)確性。因此在進(jìn)行分析之前，必須對備選指標(biāo)進(jìn)行篩選，剔除對財務(wù)危機(jī)表現(xiàn)不顯著的指標(biāo)。

二、模型構(gòu)建與分析

（一）財務(wù)數(shù)據(jù)的預(yù)處理

在采集到的數(shù)據(jù)中，部分財務(wù)指標(biāo)缺乏，需要對這部分缺失的數(shù)據(jù)作一個預(yù)處理，保持?jǐn)?shù)據(jù)的完整性，才能進(jìn)行下一步的分析。對數(shù)據(jù)的預(yù)處理主要包括兩種情況：一是對于報表中未披露的數(shù)據(jù)。用該企業(yè)近期的數(shù)據(jù)作大致估計，盡量能代表公司的實際情況。二是對于不存在的指標(biāo)數(shù)據(jù)。比率型指標(biāo)當(dāng)分母為零時，該指標(biāo)不存在，為了保持?jǐn)?shù)據(jù)的連續(xù)性，當(dāng)期指標(biāo)數(shù)據(jù)以其前后兩期的均值來代替。

（二）顯著性檢驗為了使分析更具有針對性

需要對上述備選指標(biāo)進(jìn)行顯著性檢驗，選出有差異的指標(biāo)。對于分布不同的指標(biāo)，采用不同的方法進(jìn)行顯著性檢驗。

1.服從正態(tài)分布指標(biāo)的顯著性

檢驗利用SPSS軟件對上述備選指標(biāo)進(jìn)行正態(tài)分布檢驗。檢驗結(jié)果顯示營運資金對資產(chǎn)總額比率、負(fù)債與權(quán)益市價比率、流動資金比率、營業(yè)成本率、賬面市值比5個指標(biāo)呈正態(tài)分布，其余指標(biāo)不符合正態(tài)分布。變量呈正態(tài)分布，對兩類樣本的相關(guān)指標(biāo)進(jìn)行T檢驗，根據(jù)檢驗的結(jié)果判斷兩類樣本的預(yù)警指標(biāo)是否具有顯著性差異。本次T檢驗顯著性水平取值為0.05，在此顯著性水平下，營運資金對總資產(chǎn)比率和營業(yè)成本率通過顯著性檢驗，即這兩個指標(biāo)在兩類樣本中存在顯著差異。

2.不服從正態(tài)分布指標(biāo)的顯著性

檢驗其余57個指標(biāo)不服從正態(tài)分布，不能直接使用參數(shù)檢驗。非參數(shù)檢驗適用范圍廣，對數(shù)據(jù)要求也不嚴(yán)，但是容易造成信息的損失，檢驗效能低。為了保證信息的準(zhǔn)確性，先將數(shù)據(jù)進(jìn)行轉(zhuǎn)化，利用轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行參數(shù)檢驗。轉(zhuǎn)化后的數(shù)據(jù)參數(shù)檢驗結(jié)果表明，流動比率、營運資金比率、長期資產(chǎn)適合率等25個指標(biāo)通過了顯著性水平為0.05的參數(shù)檢驗，在兩組樣本中差異顯著。

3.顯著性檢驗結(jié)果綜合以上兩種顯著性檢驗結(jié)果。

（三）因子分析較多的指標(biāo)會導(dǎo)致模型過度擬合

使得預(yù)測準(zhǔn)確度降低。對上述27個指標(biāo)進(jìn)行因子分析，進(jìn)一步減少指標(biāo)的數(shù)量。對剩下的指標(biāo)進(jìn)行KMO測度和Bartlett球形檢驗。由上述檢驗結(jié)果可知KMO測度值為0.557，球形檢驗P值為0小于0.05，適合作因子分析。采用正交旋轉(zhuǎn)法進(jìn)行轉(zhuǎn)換。結(jié)果顯示，特征值大于1的主成分有10個，累計貢獻(xiàn)率達(dá)84%，由正交旋轉(zhuǎn)成分矩陣可得：因子一主要代表盈利能力，因子二、因子八、因子十主要代表股東獲利能力，因子三和因子七主要代表長期償債能力，因子四和因子六主要代表短期償債能力，因子五主要代表營運能力，因子九主要代表風(fēng)險水平。

（四）模型構(gòu)建、預(yù)測結(jié)果及檢驗

1.BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建、預(yù)測結(jié)果及檢驗

BP神經(jīng)網(wǎng)絡(luò)模型主要由一個輸入層、一個輸出層、一個或多個隱含層構(gòu)成，每層節(jié)點的權(quán)值通過BP神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)來調(diào)整，關(guān)于隱含層節(jié)點數(shù)的確定尚無相關(guān)理論，目前主要通過試錯法來確定。本次建模采用隱含層為一層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，隱含層節(jié)點數(shù)由試錯法確定為4，從而得出BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為10-4-1。從每類樣本中隨機(jī)抽取20個作為建模組，剩余28個樣本作為驗證組，檢驗?zāi)Ｐ偷念A(yù)測效果。將建模組40個樣本的10個因子作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入層作自我學(xué)習(xí)。模型自我學(xué)習(xí)完成之后，將剩余的28個測試樣本輸入經(jīng)學(xué)習(xí)樣本調(diào)適完成后的BP神經(jīng)網(wǎng)絡(luò)模型，得到的預(yù)測結(jié)果與實際結(jié)果比較。通過上述對比分析可知，BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測上市公司的財務(wù)狀況準(zhǔn)確率為85.7%，具有較高的準(zhǔn)確率。模型對于驗證組中兩類公司的預(yù)測準(zhǔn)確率相同。

2.Logistic模型構(gòu)建、預(yù)測結(jié)果及檢驗

將因子分析得到的10個因子用于Logistic回歸分析，令Y=0表示公司處于財務(wù)危機(jī)狀態(tài)，Y=1表示公司處于正常狀態(tài)，運行SPSS軟件，得到Logistic模型對40個建模樣本的判定分類。模型總體判定正確率為87.5%，其中對正常狀態(tài)公司的判定準(zhǔn)確率高達(dá)90%，由此判定模型的擬合度較好。Logistic模型的相關(guān)參數(shù)。模型參數(shù)中各參數(shù)的Sig值均大于0.05，對結(jié)果的影響均不顯著，建立的模型理論意義不大。求證其在實際預(yù)警中是否具有實用意義，將驗證組的24個樣本帶入模型得到的結(jié)果。對于驗證組的判定中雖然模型的理論意義不大，但在預(yù)測房地產(chǎn)上市公司是否處于財務(wù)危機(jī)狀態(tài)仍然有一定的實用意義，預(yù)測準(zhǔn)確率達(dá)到了67.86%，相較于神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確率較低，但是比神經(jīng)網(wǎng)絡(luò)模型更加容易理解，便于操作。

3.模型結(jié)果說明

上述兩種模型分別對驗證組進(jìn)行了預(yù)測，對于一個房地產(chǎn)公司，兩種模型可能會給予不同的判定，因此對比了兩種模型對于驗證組的預(yù)測結(jié)果。驗證組中，有9家公司的BP神經(jīng)網(wǎng)絡(luò)模型和Logistic模型給出了互相矛盾的判斷，導(dǎo)致無法準(zhǔn)確判定這9家房地產(chǎn)上市公司的財務(wù)狀況。然而，當(dāng)BP神經(jīng)網(wǎng)絡(luò)模型和Logistic模型對同一房地產(chǎn)上市公司財務(wù)狀況的預(yù)測結(jié)果一致時，在驗證組中取得了89.47%的預(yù)測準(zhǔn)確率，有效提高了預(yù)測結(jié)果的準(zhǔn)確性。

三、結(jié)論

通過上文對房地產(chǎn)上市公司財務(wù)預(yù)警指標(biāo)體系的構(gòu)建及實證研究后發(fā)現(xiàn)：

1.企業(yè)財務(wù)指標(biāo)選取越多，包含的財務(wù)信息也就越全面，降維處理時得出的因子會較多，幾個因子才能代表公司某一方面的能力。

2.對公司T-3年的財務(wù)狀況進(jìn)行分析，兩類公司現(xiàn)金流量能力方面的指標(biāo)沒有顯著性區(qū)別，從現(xiàn)金流指標(biāo)無法判斷公司未來是否會處于財務(wù)危機(jī)狀況。

3.Logistic模型的參數(shù)對預(yù)測結(jié)果的影響都不顯著，證實財務(wù)危機(jī)是由多種因素共同作用所造成的，難以使用一種或幾種指標(biāo)來表明房地產(chǎn)上市公司發(fā)生了財務(wù)危機(jī)。

4.相同條件下，BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準(zhǔn)確率要高于Logistic模型的預(yù)測準(zhǔn)確率。當(dāng)兩種模型對同一樣本的預(yù)測結(jié)果相同時，兩種預(yù)測模型構(gòu)成的混合模型準(zhǔn)確率較神經(jīng)網(wǎng)絡(luò)模型更高。

作者：鄭曉云李建華單位：重慶大學(xué)建設(shè)管理與房地產(chǎn)學(xué)院