房地产企业财务风险测评与优化探讨

于寄语　李雪晴

摘 要：以6家代表性上市房企2017-2020年数据为样本，结合熵值加权主成分方法和层次聚类对当前房产企业的财务风险状况进行测评和探讨。将12个典型性财务指标降维至4个主成分，通过熵值加权构建得到房地产企业的财务风险指数，由此对当前房企的财务风险表现和优化举措进行探讨。研究显示，样本企业近年的财务风险不断上升，且风险分化缩减，但不同企业财务风险表现的具体层面存在差异。针对不同房企财务结构和自身特征的差异化特点，进一步结合层次聚类方法将6家样本企业划分为3个相邻类，并指出“先类内企业、后类外企业”的单元参照模式可以更为有效地引导房企财务风险管理能力的提升。最后，本文基于建模结果就如何应对房地产企业的财务风险和稳健发展提出了针对性建议。

关键词：房地产企业;财务风险指数;熵值加权PCA;风险管理

基金项目：国家教育部人文社会科学研究青年基金（19YJC910009）;湖北金融发展与金融安全研究中心项目（19XY03）

一、引言

伴随着房产过热化问题的凸显，决策层在近年持续强调对房地产行业的结构改革，加大房产市场调控力度。如2017年国家上调政策利率，规定商品房库存周期36个月以上的城市停止供地;2018年严格限制房地产商业项目融资;2019年以来大力执行市场授信集中度等监管规则;2020年严防经营贷违规流入房产市场。应该看到，当前房地产行业面临着较大的外部环境调整。银行借款可得性的减弱、土地购买成本以及市场房产库存的加大，使得房产企业在成本控制、盈利及发展空间上面临着较大压力。这一背景下，我国整体房产业的资产负债率已由2012年的75.2%不断攀升至2020年的80%左右，房产企业面临的潜在风险需要给予密切关注。由此出发，本文落脚于房企风险状况的评测和管理优化研究，旨在明确当前房产企业的风险表现，为提高微观房企的抗风险和稳健运营能力、防范房企行业的风险暴露提供政策启示。

回顾文献，已有较多学者对房产企业的风险表现及管理问题进行关注。张煌强（2015）[1]对八家样本企业进行案例探讨，发现存货周转率、营业收入增长率、资产负债率、净资产收益率是房企自身风险形成的最关键因素。欧国良等（2018）[2]认为房地产企业只有不断地调整自身的管理水平、经营模式以及创新能力等，实现企业经营管理在财务上的稳健性和抗风险性，才能有效推动房地产企业自身的发展。相较于上述学者从内部控制角度探讨房企的风险管理问题，部分学者强调外部市场对房企经营风险的影响。吴涛（2016）[3]分析宏景建设集团的财务状况，指出其财务状况主要受宏观经济及外部政策环境影响，并建议结合外部指标建立房产企业财务预警体系。汪永忠、代晓维（2017）[4]认为政策环境对房产企业的发展起导向作用，经济环境与房产企业的发展呈同向关系。钟荣桂、江丽（2017）[5]指出经济新常态下，地方土地财政路径依赖与债务危机并存、国家去库存压力巨大与区域性房价上涨并存成为房企发展面临的重要风险点。

随着量化分析的流行，近期更多文献结合统计建模对房产企业面临的内外部风险进行量化探讨。何恺、程道平（2016）[6]利用层次分析法和熵值综合赋权方法对济南市房地产市场进行评价，发现济南房地产市场的价格风险、库存风险相对较高，且总体风险水平逐年升高。张晓燕（2016）[7]结合灰色预测模型对房地产公司运营过程中的风险表现进行学习、评判，随后基于历史信息对房企的风险级别进行预警。黄梦非等（2017）[8]运用贝叶斯网络决策模型分析其在房产业风险控制中的应用，结合贝叶斯学习和推断对房企投资风险控制级别进行概率推导和识别，并指出房企风险应结合行业间的相互影响角度进行决策。

不同于前述文献，本文聚焦于房企财务风险的统计指数构建和风险评测研究。作为房产企业运行中非常重要的一环，财务风险的有效防范和控制不仅可以节约成本、强化管理，还有利于房产企业的长期发展。由于房产业具有资本密集型、资金周转慢、供应链条长等特点，反映房企财务状况及财务风险的量化指标较多，本文采用主成分分析（PCA）方法对其进行探讨。作为经典的信息降维方法，PCA方法在多指标风险评价研究中具有很大的适用性和灵活性[9-10]。不过，PCA在具体应用中仍需要特别关注主成分方向的适宜问题，后者对后续的综合评价具有重要影响。此外，相关文献在提取多个主成分后，通常结合各主成分的方差贡献率构建综合评价得分。这一做法具有较大主观性，并可能带来最终评价的无序或偏误[11-12]。为解决上述问题，本文在对各项指标进行方向调整PCA的基础上，采用熵值加权法构建房企财务风险综合指数，以科学测度不同房企的风险表现。随后，本文基于该指数对房产企业的风险状况进行比对探讨和相似性分析，为不同房企的财务风险优化提供经验启示。

全文剩余部分安排如下：第二部分就熵值加权PCA方法和相似性分析所采用的层次聚类方法进行介绍;第三部分为房产企业财务风险指数的构建和评测;第四部分对样本房企的突出风险表现和目标参照单元进行探讨，以更好地引导房企财务风险状况的优化;第五部分为结论。

二、研究方法

（一）熵值加权的PCA方法

作为经典的统计分析方法，主成分分析（PCA）在信息提取和统计指数测度上有着广泛应用。不过，如前所述，传统PCA方法中特征方向的不明确和主成分权重设置的不合理可能导致最终评价结果与客观事实存在差异[13]。对此，我们首先对选取的多维度房企财务指标进行正向处理，统一方向并关注相应的特征方向值。随后，从相应指标中提取出互不相关的主成分，结合熵值加权构建房产企业的综合财务风险指数。具体步骤如下：

1. 设定有n个房地产企业，共K个财務风险指标序列。对其中的逆向指标进行正向化处理，保证指标的方向性一致，并记为。

2. 对各指标进行标准化，得到、分别为在样本房企的平均值和标准差。基于序列进行信息提取并得到K个主成分。记为

（1）

3. 基于上述主成分对原始指标的累积贡献大小（一般取≥80%），挑选出M（）个主成分F1、F2…FM。

4. 记房企i在主成分Fj部分的取值为，计算Fij占所有考察房企在主成分Fj部分的比重，得到第j个主成分的熵值。（注：一般要求）

5. 基于熵值ej计算主成分Fj的权重由此得到考察房企的最终财务风险指数。

上述方法在各指标方向性一致的基础上结合熵值进行主成分权重的构建，由于相应熵值有效反映了主成分的信息变异度和信息容量大小，较已有文献基于方差贡献率作为主成分的权重设置，更具有客观性和科学性。

（二）层次聚类分析

前述风险指数的构建有利于我们对房企的风险状况进行直观评价。但对于风险得分高（风险状况较糟糕）的企业而言，其余风险得分较低的企业并不一定是其进行有效参照和学习的对象。由于不同企业财务指标和投入要素的异质化特征，选择结构和规模表现较自身相似的低风险企业作为目标参照更为适宜，也更能够起到“引导自身风险管理优化”的作用。

基于上述目的，本文结合前述分析指标Xj对样本房企进行层次聚类，以此对相似性企业进行归类。作为数据信息划分的重要手段，层次聚类在现有文献有着广泛应用，其思路主要是通过“距离”的概念将多维指标表现相近的个体聚集成一类，达到分层、分类的目的，其分析步骤简略概括如下：

1. 将每个样本房企在最初视为单独一组，结合相应指标信息计算它们之间的距离。

2. 将距离最近的两组（即最小）合成新的一组。

3. 基于新的分组重新计算组与组之间的距离，并将距离最近的两组再次合成新的一组。

4. 重复上述步骤，直到所有组合并成一个组或者达到设定的终止条件为止。

最终聚成一类的房企具有最大的相似性，通过在相同或者相近类别内进行目标房企的选择和经验参照，可以更为适宜地指导样本房企风险状况的改善和优化。

三、房产企业财务风险指数构建与评测

（一）房企样本选择和财务风险指标

结合房产企业规模、品牌认可度和市场表现，本文从沪深两市筛选出6家代表性房地产企业进行研究，分别是万科A、保利地产、格力地产、绿地控股、招商蛇口、美好置业。各企业的数据信息来源于雪球网，时间跨度为2017至2020年。为便于不同年份企业财务风险的比较，后文结合个体和时间维度对样本企业进行编号，如万科A 2017、万科A 2018。表1列出了与房产企业风险管理相关的常见基础性财务指标，各指标的具体含义见表内，并由此构成后文房企财务风险指数架构和评价的底层信息支撑。

（二）基于熵值加权PCA的房企财务风险指数构建

结合表1指标，基于熵值加权的PCA方法构建房产企业的财务风险指数。首先对各指标进行方向性处理，保证处理后的各指标与风险值同保持正方向。其中，资产负债率（X1）通常认为与风险表现呈正关联，对其不做处理;其余指标，如总资产报酬率（X2）、流动比率（X3）等均反映了企业的盈利和成长状况，和风险表现呈负方向，对相应指标进行逆向处理。另外，主成分分析通常要求变量间的相关性较高，表2基于Bartlett球度检验和KMO检验对方向调整后指标的相关度进行分析，Bartlett球度检验的p值远小于0.05，同时KMO值为0.62，上述检验均表明样本指标间的相关性较高，所选指标较适合进行PCA降维。

PCA分析下的主成分及其累计贡献率如表3所示。可以看到，前四个主成分的累积贡献率已达到90%，由此，我们选择前四个主成分F1-F4进行房产企业风险信息的提取，各主成分在原始指标上的载荷见下表4。

可以看出，主成分F1在资产负债比率（X1）、总资产周转率（X6）、存货周转率（X7）、流动资产周转率（X8）上的载荷较大，这一成分主要反映房产企业的整体营运能力;主成分F2的信息主要体现在总资产报酬率（X2）、速动比率（X4）、固定资产增长率（X9）上，反映企业的资产使用及管理效率;主成分F3在净利润增长率（X10）、净资产收益率（X11）上的载荷系数较大，主要体现企业的盈利性能力，主成分F4的信息主要表现在流动比率（X3）、营业收入增长率（X12）上，反映企业的短期偿债及发展能力。上述4个主成分构成了企业财务风险评价的降维信息指标，我们以其为基础进行熵值加权构建房企的财务风险指数。

本文在计算熵值权重时，对主成分Fij进行了一定的灵活处理，主要体现在对其减去个体i在该主成分上的临近最小值（），以保证满足算法处理中大于0的需求。最终基于上节流程计算得到主成分F1-F4的熵值权重分别为0.310、0.333、0.156、0.201，由此得到房产企业的财务风险指数构建公式如下：

（2）

注意到，上式中F1和F2的权重最大，营运能力和资产管理效率对于房企的风险表现及程度具有更为重要的影响。F3的权重最小，当前背景下微观房企的盈利能力整体不佳，由此表现出对其房企风险的影响处于弱化位置。根据式（2），最终测算得到样本企业在考察年份的财务风险指数如表5。

表5中的风险指数越高，表明房产企业面临的财务风险越大。可以看到，2020年份的绿地控股的风险表现最为突出，风险值高达2.09;财务风险指数表现最低的企业为2017年份的美好置业，取值为-1.24。从样本房企间的横向比对来看，财务风险指数最高的房企亦为绿地控股，其在2017-2020年的风险指数值均保持在1.0以上，远高于其余房企，这表明绿地控股在近年的整体风险较突出;万科A、保利地产、格力地产的风险指数值排名居中，得分在-0.5至0.5之间波动;财务风险值最低的房企是招商蛇口和美好置业，两者的风险排名一直保持在所有房企的尾端，表现出有较好的财务风险防范能力。最后，从不同年份的财务风险指数得分来看，各房企的风险表现处于动态上升过程中。表6的统计结果显示，2017至2020年，待考察房企的财务风险指数平均值由-0.17不断攀升至0.34，同时风险指数的標准差于2019年开始下降，风险表现分化缩减，反映房产业整体风险压力不断增强的现状。

四、样本房企财务风险的进一步探讨与优化

（一）样本房企财务风险的突出成分端

我们对表5进行进一步整理，得到房企财务风险指数在不同主成分端（F1-F4）的具体得分（表7）。通过对样本房企在各主成分端的风险表现进行横向比较，可以具象透视相应房企的风险突出点。就主成分F1所对应的整体营运能力风险而言，可以看到，无论是基于样本房企之间还是房企内部不同主成分端进行比较，格力地产和美好置业在F1下的年度风险得分都较低。相应地，保利地产、绿地控股、万科A和招商蛇口在整体运营能力端的风险管控上表现欠佳，四者在F1下的风险得分远高于各自在F2-F4下的取值。数据上来看，这四家房企的存货周转率、流动资产周转率和固定资产率都处于相对较高水平，相应房企需要积极关注管理流程和资产处置的效能化，减少对非商品资金的占用，缩短商品房待售时间，加快资金和存货的周转及利用效率。

房企突出风险点集中于主成分F2部分（资产使用及管理效率）的是美好置业、格力地产、绿地控股三家企业。特别是美好置业，其在F2下的风险得分远高于F1、F3、F4部分，相应房企在资金管理的有序性、资金回报率等方面表现不佳。这三家房企的风险管理中需要加大对企业经营资金的集中化、有序化和过程化管理，同时增强财务管理员工的风险意识和专业水平。风险点集中于主成分F3部分（盈利性能力）的房企是格力地产、保利地产和招商蛇口，三者的盈利性风险较F1、F3、F4下的风险表现明显更突出。考虑到企业自身盈利模式和资本结构对盈利能力起着关键作用，上述房企在战略发展和风险优化中应对此进行优先关注。最后，风险表现在F4部分（短期偿债及发展能力）相对更突出的房企是美好置业，尽管美好置业的整体财务风险较低，但其在F4部分的风险得分显著高于F1和F3部分，略低于F2部分，偿债及发展能力方面的不足很大程度制约了美好置业风险优化的进一步提升。美好置业在未来发展布局中需要将偿债能力稳定在合理范围内的前提下，完善预算和内控制度，为企业的稳健经营和风险管理进阶提供支撑。

（二）样本房企风险优化的参照单元选择

进行财务风险指数的测评不仅是为了更好地认识房企的财务风险状况，我们还希望以此引导表现较差的房企向较优房企进行经验借鉴，优化财务风险管控能力。但考虑到不同房企在偿债、营运以及发展能力等方面的差异性，各房企具体参照对象的选择需要有效考虑同自身的适宜性。基于这一目标，图1基于2020年X1-X12指标对样本房企进行层次聚类，由此结合相似性归类对各房企的借鉴单元选择和风险优化进行探讨。

可以看到，图1分为三个聚类区域。第一类包括万科A和保利地产，这两个企业在净利润增长率上有极大相似性，该类企业规模较大、资金雄厚、盈利能力强;第二类为绿地控股和美好置业，该类企业在速冻比率上有极大的相似性，企业流动资产立即变现用于偿还债务的能力是相近的;格力地产和招商蛇口为第三类，这两个企业在总资产报酬率和固定资产周转率上有极大的相似性，此外，该类企业的特点是除了主营房地产业务外，还会拓展社区和物业管理等业务，发展能力较强。

由于相同聚类区域下房企的经营结构和模式更具有可比性，我们建议首先在相同类别的房企间进行经验参照，如类别三下的万科A，可以选择该類别下财务风险较小的保利地产进行目标参照;类别二下的绿地控股，可以在该类别下选择美好置业作为目标参照。在同一类别下的目标参照完成后，各样本房企再考虑将参照单元转换至相邻类别下风险指数较小的企业。此外，从前文房企财务风险指数的主成分构建角度来看，各房企的财务风险差异可归结为整体营运风险差异、资产使用及管理效率风险差异、盈利风险差异、短期偿债和发展能力差异四个方面。各房企在进行参照单元的比对、借鉴过程中，应结合上述四部分的表现和管理进行分解式关注和经验学习。特别地，应首先聚焦自身突出短板的那部分主成分端进行经验参照，随后再考虑其他成分端的加强，由此最终提升整体财务风险管控能力。

五、结论和启示

房地产业对我国国民经济的发展和稳定具有十分重要的作用，以六个代表性房企2017-2020年财务数据为样本，本文基于熵值加权的PCA方法构建房企财务风险指数，由此对近期房产企业的财务风险状况进行测评和考察。研究发现，房企财务风险指数主要由四部分信息合成，分别反映房企的营运能力、资产管理能力、盈利能力和短期偿债及发展能力，其中，前两者对当前房企风险表现的影响最为突出。纵向时间轴上来看，样本房企在近年的财务风险不断上升，且风险分化在2019年后开始缩减，这反映了经济结构和政策调整大背景下当前房产企业财务风险不断暴露的现状。随后，为进一步明确样本房企的风险表现状况，寻求房企风险优化举措的经验启示，本文细化考察了样本房企在前述四部分信息端的财务风险表现特征，并基于层次聚类分析对房企风险管理优化中的“借鉴单元”选择进行了探讨。

结合本文研究，笔者就推动当前房产企业的财务风险防范和管理优化提出如下建议。

（一）加快质量变革和模式创新，避免粗放式发展

宏观角度来看，我国房地产市场历经二十余年的迅速发展阶段，已逐步进入存量时代。党的十九大以来，决策层不断强调“房子是用来住的，不是用来炒”的市场定位，未来房地产行业的规模、利润空间受到压缩，同时在不同区域层面面临异质性差异影响。房产企业应顺势而为，把握不同城市房产库存与市场的平衡点，积极布局未来的开发区域;同时在房产投资和住房项目建设中注重质量和模式创新，避免规模化扩张。

（二）提升营运能力，加强资产管理效率

文中分析可以看到，营运能力和资产管理效率是影响当前微观房企财务风险最为重要的成分因子，由此，房产企业一方面应有效提升其营运能力，制定合适的发展目标和营销方案，积极拓宽资金渠道，为企业创新探索、承担风险提供空间。另一方面，房产企业应全面加强资金管理，构建现代化的全面预算管理模式，优化资金使用水平;同时借鉴国内外较成熟的“去产能”和“去库存”案例经验，积极进行存货管理，加快房地产存货周转速度，推动企业运营高效化、质量化发展。

（三）明确发展短板，针对性制定财务绩效优化举措

房产企业应结合自身发展以及财务表现情况，明确短板和不足，完善和优化自身的财务管理水平和财务绩效。如本文研究中美好置业的资产使用及管理效率较低，应强化资金预算管理，对资金实行集中管理和统筹安排，严格控制结算资金的占用，及时清理拖欠费用;保利地产和绿地控股、万科A在整体运营能力端的风险管控上表现欠佳，应积极拓展营运模式、提升经营管理水平，加快流动资产和固定资产的周转率;格力地产的盈利性表现较弱，则应从自身的盈利模式和资本结构入手对企业财务管理和表现进行优化和提升。此外，具体企业运营中，可以借鉴本文的聚类思路选择适宜的参照单元，结合自身短板积极学习、吸收目标单元的经验模式和管理办法，有效提升自身财务风险管控能力。

（四）增强财务人员风险意识和管理素养，提高财务管理能力

财务人员是财务管理的执行者，相应房企应积极提高财务人员的风险管理素养。一方面，要强化房企财务管理者的风险管理意识，相关财务人员能有效利用资产负债表、利润表、现金流量表等信息明确、识别企业的财务风险情况，对异常的财务指标表现及时关注并结合内外部因素做出合理判断和决策，同时应严格避免操作风险，为企业的财务管理奠定坚实的人力支持。另一方面，应积极提升财务人员的管理能力，提高其在房产投资开发中的资金预算安排和统筹规划能力，同时财务人员在财务运营中应具有前瞻意识，结合公司发展布局制定适宜的财务管理目标，有效提升房企的资金运转和财务管理效率。

（五）完善内部控制制度，提高风险防范能力

最后，内控制度的有效建立和执行对于房企的风险防范具有重要作用。尽管很多房产企业在当前建立了内控制度，但内部控制的执行情况不容乐观，各部门的职责不明、界线不清、监管机制不完善，并由此拖累了房企整体的运营效率和风险管理效力。当前背景下，房地产企业应结合自身管理模式及外部环境变化，进一步统筹、完善相关环节的内部控制体系，建立科学的决策机制、有效的监督和优化机制，为企业的风险防范从内部筑牢防火墙。

参考文献：

[1] 张煌强.房地产企业财务风险评价研究[J].广西社会科学，2015，（7）：81-85.

[2] 欧国良，吴刚，朱祥波.基于因子分析法的房地产企业财务风险预警研究[J].社会科学家，2018，（9）：56-63.

[3] 吳涛.房地产企业财务风险预警管理探究——以宏景建设集团为例[J].财会通讯，2016，（2）：91-93.

[4] 汪永忠，代晓维.企业财务风险及其防范——以房地产企业为例[J].中国商论，2017，（7）：120-121.

[5] 钟荣桂，江丽.中国经济新常态与房地产市场风险防范[J].现代管理科学，2017，（4）：103-105.

[6] 何恺，程道平.我国城市房地产市场风险测度研究——基于综合赋权评价方法对济南市的测算[J].价格理论与实践，2016，（10）：148-151.

[7] 张晓燕.基于灰色预测模型的房地产公司财务风险预警[J].财会月刊，2016，（22）：53-54.

[8] 黄梦非，姚明秀，鲁波涛.贝叶斯网络决策在房地产投资风险控制中的应用[J].统计与决策，2017，（21）：71-74.

[9] 顾雷雷.营销能力、东道国政治风险与跨国公司子公司绩效——来自东盟自贸区的证据[J].中国人民大学学报，2018，32（2）：104-115.

[10] 杨亚刚.改进主成分分析法下的保险数据风险因素分析[J].商业经济研究，2019，（12）：171-173.

[11] 叶明确，杨亚娟.主成分综合评价法的误区识别及其改进[J].数量经济技术经济研究，2016，33（10）：142-153.

[12] 赵茂，杨洋，刘大鹏.中国金融市场化指数的度量研究[J].统计与决策，2019，（10）：151-154.

[13] 曲双红，李华，李刚.基于主成分分析的几种常用改进方法[J].统计与决策，2011，（5）：155-156.

作者简介：于寄语（1989- ），男，安徽阜阳人，湖北经济学院金融学院讲师，博士，研究方向为应用统计建模;李雪晴（1996- ），女，湖北十堰人，湖北经济学院研究生，研究方向为金融企业会计。