本站原创作者简介：王广强（1985-）,男,汉,籍贯：河北廊坊,硕士在读,重庆师范大学,研究方向：财务预警、产业经济.
张学伟（1990-）,男,汉,籍贯：河北廊坊,硕士在读,北京工商大学,研究方向：物流管理、财务管理.
摘 要：本文以我国上市房地产企业为研究样本,通过主成分分析法和Fisher判别法的组合应用,对构建企业财务危机预警模型进行了实证研究.通过该模型,可以对企业未来1至2年的财务状况进行基本判别,从而有效帮助企业改善财务结构,规避财务风险.
关 键 词 ：房地产；财务危机；Fisher判别
引言
自二十世纪末实施城市住房制度改革以来,房地产业开始了长达十余年的高速发展,其中隐藏的风险也日益突出.目前,在我国财务预警的理论研究和实证研究仍然处于探索阶段,应用最广泛的的主流分析方法仍然是经典的横截面统计方法以及衍生的各种统计判别分析模型,如一元判别分析模型,多元统计判别分析的Z-score模型以及改进的Zeta模型,多元逻辑回归模型,多元概率比回归Probit模型.同时一些新型研究成果如人工神经网络分析方法,倒传递神经网络模型也开始在实证研究中应用.本研究首次提出应用主成分分析法和Fisher判别法相结合的两阶段法,来对我国房地产企业构建财务预警模型进行探讨和研究.
1.fisher判别法
假设将两个总体的样品观测值代入判别式中,可得：
y（1）i等于c1x（1）i1+c2x（1）i2+等+cpx（1）ip,i等于1,2,等n1 ；
y（2）i等于c1x（2）i2+c2x（2）i2+等+cpx（2）ip,i等于1,2,等n2
其中xip代表样品各个指标的观测值,对相应的n1,n2个上式分别进行左右相加,再除以相应的样品个数,可得：
（1）等于∑pk等于1ck（1）k；（2）等于∑pk等于1ck（2）k.
将其转化为数学语言就是：（1）来自不同总体的两个平均值（1）i、（2）i相差最大,（2）对于第一个总体的y（1）i（i等于1,等n1）要求它们的离差平方和∑n1i等于1（y（1）i-（1））2最小,同理也要求∑n2i等于1（y（2）i-（2））2最小.
记I等于QF,
则基于Fisher的判别规则,I应满足极大值.利用微积分求极值的必要条件,通过求导可得到使I达到最大值的c1,c2,等cp值,即判别系数.
有了判别函数后,要建立判别准则还要确定判别的临界值yo,在两个总体先验概率相等的假设下,一般取yo为（1）与（2）的加权平均值,即y0等于n1（1）+n2（2）n1+n2.
2.实证研究与分析
2.1样本及数据指标
由于我国房地产业市场化发展年限较短,市场中存在的破产案例较少.因此,本研究选取我国上市地产企业.其中以05年以后被ST的、主营业务为房地产的企业代表破产企业样本,选取同年份、同规模的非ST企业为财务健康企业进行配比.同时将已选样本分为两组,2005-10年被ST的企业为研究组,主要用来构建模型；2011年被ST的企业为检验组,主要用来检测模型的有效性.
选取的数据指标即要能有效的反映所在行业的特性,又对预测所在行业中企业财务危机具有高相关性,本研究选取如下数据指标：总资产利润利率,成本费用利润率,股本报酬率,销售毛利润,主营业务收入增长率,净资产增长率,应收账款周转率,存货周转率,固定资产周转率,股东权益周转率,流动比率,利息支付倍数,产权比率,清算价值比率,流量比率.
2.2数据输出
对样本公司数据指标进行主成分分析.对t-1、t-2、t-3年数据指标分别进行KMO和Bartlett球形度检验.其中KMO值越接近1表示越适合做主成分分析,从检验结果可以得到三期的KMO值分别为0.553、0.508、0.419,表示比较适合做主成分分析.Bartlett球形度检验的原始假设为相关系数矩阵为单位阵,三期Sig.值均为0.000小于显著水平0.01,因此拒绝原假设,说明变量之间存在相关关系,适合做主成分分析.
对进行主成分提取后的样本数据进行Fisher判别分析.运用Fisher判别法进行企业财务危机预警时,对研究组样本数据进行再分类.本研究中将研究组样本中ST样本自变量定义为“0”,非ST样本自变量定义为“1”.采用回归分析的方法,应用SPSS软件直接计算判别函数的相关数据属性和输出结果.见表2-1
表2-1 判别输出结果
组
别股票名称
tt-1t-2t-3
是否STDis_1Dis_1Dis_1股票名称
tt-1t-2t-3
是否STDis_1Dis_1Dis_1
研
究
组
st运盛0000st华控0000
st东源0000st珠江0100
st中房0000st海鸟0001
北京城建1111世茂股份1101
金地集团1111天地源1110
天房发展1111新黄浦1111
保利地产1111中华企业1111
冠城大通1111金融街1111
空港股份1111深圳华强1111
深长城1111北辰实业1111
深深房A1110东华实业1111
深振业A1111上实发展1111
检验组
st园城（0）010银基发展（1）000
荣盛发展（1）111中天城投（1）111
通过检测分析结果可以看出,引入的变量对提高分类精度是有作用的.三期Sig.值均小于0.01,表明判别函数在0.01显著水平下显著,说明判别能力很强,且各自变量之间独立性较好.
从表2-1可以看出,用建立的由主成分分析和fisher判别法组成的混合模型对2011年4家代测样本公司的检验结果来看,对检验组三期的判别正确率分别为75%、50%、75%.尽管检验组的判别正确率不高,本研究认为其原因是银基发展三期判别结果均错这一因素造成的,本质上是因为检验组样本数量较少,仅为2011年的4家企业,存在的偶然性较高,提高样本数量对提高预测精度会有所帮助.
3.结论
通过主成分分析法和Fisher判别法的综合运用,及对数据指标的针对性筛选和标准化处理,本研究有效的对房地产样本企业进行了判定.这说明本研究提出的构建房地产业财务危机预警模型的方法是有效的,能够在很大程度上准确预测房地产企业未来财务状况.同时,由于模型的简单易懂,数据指标的简单易得和实际操作过程中的计算机化处理,在很大程度上简化了模型在实践中应用,对于一般的企业管理者也可以很快掌握应用.因此,本研究提出的模型构建方法不仅在理论上,而且在实践中也能发挥很大作用.