房地產行業基于EVA的財務預警研究

陳紫威

摘 要：2008年后全國各地的房價都經歷了騰飛式增長，全民買房、炒房使得樓市處于泡沫經濟的狀態，為了避免泡沫破滅，在房地產企業建立財務預警體系顯得十分緊急和必要。眾所周知，樓市的發展影響層面很廣，2008年美國金融危機就是始于次級房貸危機，可見為我國的房地產企業建立財務預警模型的緊急性和迫切性。因此，引入經濟增加值指標進入備選指標，對于選出的指標使用Logistic模型建立財務預警模型。

關鍵詞：EVA；Logistic模型；財務預警

中圖分類號：F293.3 文獻標志碼：A 文章編號：1673-291X（2017）16-0095-04

近幾年來，我國多處城市的房價均進行了較大程度的漲幅，各地政府均已經或將要對持續高漲的房價采取措施，以防泡沫經濟的破滅，且房地產行業的興衰涉及產業很廣，可見為房地產行業建立財務預警模型的緊急性與迫切性。為了增強財務預警模型的敏感性和可預見性，本文引入經濟增加值指標，相對于傳統的利潤表中的凈利潤，經濟增加值指標不僅考慮了股東權益的機會成本，而且從持續經營角度對凈利潤進行調整。在扣除了股東權益的機會成本后，只有經濟增加值大于0，才能夠為股東創造財富，經濟增加值可以將企業經營與股東財富的創造最直接地聯系起來，只要是經濟增加值大于0的項目，管理層就應當采納。同時，根據EVA實現的多少給予管理層相應的薪酬獎勵，這樣可以將治理層的利益與管理層的利益統一起來。自2010年起，在中央企業已經全面執行了經濟增加值指標的考核，相信在不久的將來，經濟增加值的考核將會成為企業考核業績的標準。

本文具有創新性，將管理用報表調整出來的EVA指標，引入到財務指標中，從而為建立更準確的預警模型做出貢獻。同時，本文引入非財務指標，由于非財務指標影響的是企業文化、企業環境等宏觀方面，對企業能產生深遠的影響，所以在較遠的期間就能預測企業的財務危機。

一、EVA相關理論

EVA最早由斯特恩斯特財務咨詢公司提出，最精準的EVA需要對160多項財務數據進行調整。而一般情況下，基于重要性和成本效益原則，只需要對5項左右的財務數據進行調整，即可得到較為準確的評價指標。

經濟增加值=稅后經營凈利潤-總資本×加權平均資本成本

公司根據自身情況一般情況下進行一下調整即可，首先，稅后經營凈利潤中不包括債務資本成本，因為債務資本成本包括在總資本成本中，避免重復扣除；其次，對相關財務指標進行調整，如準備金、遞延所得稅、研究開發費用、營業外收支，為建立品牌、進入新市場或擴大市場份額而發生的費用。

1.準備金。準備金是企業基于謹慎性原則，提取的存貨跌價準備、資產減值損失、壞賬等，由于準備金當期并沒有實際發生，所以與本期的經營活動沒有直接關系，在計算EVA是應調整回來，同時相應地增加相關資產價值。

2.遞延所得稅。遞延所得稅是由于賬面價值與計稅基礎的暫時性差異引起的，會引起以后期間少交或多交所得稅，而這與本期的經營無關，所以應做相應的調整。對于遞延所得稅資產應從資產項目中扣除，同時應從稅后經營凈利潤中扣除該筆費用，對于遞延所得稅負債應作相反的會計處理。

3.研究開發費用。在研究開發費用可以資本化之前的費用化支出，會計上的處理是計入當期管理費用，并從利潤中扣除，這可能會導致管理層為確保本期利潤，減少必要的研究開發支出，所以從可持續發展角度考慮，應將費用化的支出資本化，同樣是按照以后的使用期限分期攤銷。從稅后經營凈利潤中加上費用化支出，同時在資產項目中加上相應的金額。

4.營業外收支。由于經濟增加值衡量的是企業主營業務相關產業的盈利能力，則需要扣除非主營業務相關的損益對經濟增加值的影響。所以在計算EVA時，需要將其從稅后經營凈利潤中扣除。

5.為建立品牌、進入新市場或擴大市場份額而發生的費用。為建立品牌、進入新市場或擴大市場份額而發生的費用在傳統會計上的處理是將其計入銷售費用，直接從當期利潤中扣除?？梢?，一些管理層為了確保當期利潤的實現，會放棄優秀品牌的建立或優秀銷售渠道的構建。因此從可持續發展角度考慮，在調整經濟增加值時，應將該筆費用資本化并在適當的使用期限攤銷。

二、財務預警相關理論

1.財務危機的相關理論。國外學者通常把企業破產視為企業發生財務危機。根據我國實際情況，因為上市公司是寶貴的殼資源，即使出現財務危機也會被有財力的非上市公司通過買殼達到借殼上市，所以說我國的上市公司在一般情況下是不會破產的，我國的證券交易所會對出現財務異常的上市公司給予特別處理（ST）的標注，對于被ST的上市公司多多少少都會有一些財務問題，因此我國學者通常以上市公司被ST視為出現財務危機。而被ST有的是由于財務原因，有的是由于非財務問題，由于非財務問題具有不可預測性，所以本文選取的ST公司是由于財務問題引起的。

2.財務預警的相關理論。財務預警模型衍化進程由一開始的單變量分析模型到多元性分析模型，進而到Logistic回歸模型和判別分析模型，直至衍變到現在的人工神經網絡模型、遺傳算法等，模型預警的準確率均在逐步提高，但是由于人工神經網絡模型等新興模型的使用沒有假設要求，故其科學性、準確性還需要進一步加強。所以，本文在比較后使用Logistic回歸模型，對選取出的指標進行財務預警準確率的研究。

三、指標選取及樣本選擇

1.指標選取的相關原則?；谌嫘栽瓌t，本文的指標選取將從償債能力、盈利能力、營運能力、發展能力和現金能力5個財務指標方面進行選取，同時選取適當數量的非財務指標引入研究行列，其中對于涉及的凈利潤指標均用經濟增加值指標進行替代。同時，基于重要性原則和準確性考慮，本文將盡可能地選擇代表性強的指標，爭取以最少的指標建立最準確的預警模型。

2.指標的選取。根據本文的指標選取原則，本文選取21個指標（見表1）。

3.樣本的選擇。由于近幾年屬于房地產行業的豐收年度，所以最近幾年被ST的房地產企業數量很少，在最近幾年內只找到了5被ST的房地產企業，其中一家是在2009年被ST，一家是在2008年被ST，若使用t-3年指標預測準確率，均為2007年以前的指標，而在2007年執行了新會計準則，所以指標之間不具有可比性，所以本文選擇3家ST企業。配對原則分為一比一配對和多比一配對，多比一配對是以該行業中ST與非ST的比例關系為配比關系，房地產行業ST與非ST的比例差異較大，結合總資產規模相似的配對原則，本文選擇使用1∶15的比例選擇3家ST公司和45家非ST公司，作為樣本公司，建立預警模型。處于同一行業，相似的規模作為配對原則，本文以企業總資產為規模計量依據，根據t-1年的數據確定t年是否被ST，我國證券公司一般“以連續2年凈利潤為負數”為依據定為ST，即t-2年數據的作用也不大。而前人的研究表明，t-4年的指標在財務危機公司與非財務危機公司之間的顯著性差異不大，又由于t-3年是企業是否將會被ST的轉折點，所以本文將對t-3年的數據進行預警研究。

四、Logistic模型回歸預警

1.選出顯著性差異指標。Logistic模型要求指標之間不存在共線性，由于本文選取的樣本數量較少，所以樣本之間不存在正態分布，對于不符合正態分布的數據使用Mann-Whitney U非參數檢驗法選取出對是否被ST有顯著差異的指標，在Mann-Whitney U非參數檢驗法中，顯著性結果大于0.05時，ST公司與非ST公司的指標不存在顯著差異性；反之，存在顯著差異性，則該指標最終可以選作該公司的預警模型指標，在本文選取的數據中，只有總資產周轉率、資本保值增值率、總資產增長率這三個數據對公司是否ST有顯著性差異。

2.相關性檢驗。對于選出的指標由于Logistic模型要求數據之間不存在共線性，所以對于用Mann-Whitney U非參數檢驗法選取出的對顯著性差異有貢獻的指標需要相關性檢驗，分析兩兩數據之間的相關性，若顯著性概率小于0.05，則說明兩者之間有顯著的相關關系，需要剔除一個數據，本文對選出的對是否ST有貢獻的三個數據進行共線性檢驗。根據表2可看出，資本保值增值率與總資產增長率之間具有相關關系。本文剔除總資產增長率指標，最終選出相關性很小的總資產周轉率和資本保值增值率2個指標。

3.Logistic模型預測準確率。建立Logistic預警模型，通過模型運行可得，預測準確率為93.6%（見表3），這對被ST前第三年的指標進行預警而言，準確率已經是非常高了。

對t-3年的因子進行回歸分析（見表4），因為自由度df為1，顯著性水平為0.05，可得卡方臨界值=CHINNV（0.05，1）=3.841，本文計算的的卡方值為20.256，且sig.=0.000<0.05，所以檢驗通過。

五、結論

在企業被ST前第三年，對企業是否ST有顯著性差異的指標是總資產周轉率、資本增值保值率、總資產增長率，在距離企業被ST較長的時間段上，說明將來是否被ST取決于企業目前的運營能力和發展能力，說明企業為保證未來不被ST，應從長遠角度增強企業的運營能力和發展能力，而對于本文引入的EVA指標可能是直接影響或者影響的持續期間較短等原因，在t-3年不屬于影響企業是否被ST的顯著性差異指標。

參考文獻：

[1] Altman E.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance，1968，（4）：

589-610.

[2] 吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001，（6）：46-55.

[3] Jones，J.and Dahensher.Predicting firm financial distress：a mixed Logit model[J].The Accounting Review，2004，（79）：1011-1038.

[4] 鮮文鐸，向銳.基于混合Logit模型的財務困境預測研究[J].數量經濟技術經濟研究，2007，（9）：68-76.

[5] 雷振華.Logistic模型的財務預警準確度檢驗研究[J].求索，2012，（11）：54-56.

[6] 馬慶國.管理統計[M].北京：科學出版社，2013：160-327.

[7] 張新明，錢愛明.財務報表分析[M].北京：中國人民大學出版社，2014：221-238.

[8] 鄭玉華，崔曉東.公司財務預警LOGIT模型最有分界點實證研究[J].商業研究，2014，（6）：76-82.

[9] 曹中.論經濟增加值及其在企業價值評估中的應用[J].會計之友，2011，（2）：16-27.

[10] 王雪梅，李陽陽.第一大股東性質對經濟增加值的影響效應[J].財會月刊，2012，（2）：7-10.

[11] 劉菁.關于中央企業引入經濟增加值考核經營業績的思考[J].財會月刊，2011，（5）：13-14.

[12] 白睿潔，張衛民，田治威.經濟增加值指標應用問題研究[J].財會月刊，2011，（10）：63-66.

[13] 張星燎.對外投資對中央企業經濟增加值的影響及管理對策[J].財會月刊，2010，（10）：56-58.

[14] 宋良榮，江紅.基于經濟增加值的企業全面預算管理研究[J].技術經濟與管理研究，2014，（1）：59-63.

[15] 張懿巍.引入EVA的發電類上市公司財務預警研究[D].北京：華北電力大學，2015.

[16] 李紅光.基于代價敏感學習的房地產企業財務預警模型研究[D].哈爾濱：哈爾濱工業大學，2013.

[17] 田萌萌.基于經濟增加值的財務預警模型研究[D].鄭州：鄭州大學，20121.

[18] 朱莉莉.我國上市公司財務預警研究[D].北京：首都經濟貿易大學，2009.

[19] 陳志卿.我國制造業上市公司財務預警實證研究[D].南京：江蘇科技大學，2011.

[20] 劉露.新興指標在財務預警中的應用研究[D].武漢：華中科技大學，2006.[責任編輯 吳明宇]