论文部分内容阅读
房地产业是我国国民经济发展的支柱性产业,随着近年来国民经济的飞速发展以及城镇化进程的加快,房地产商品销售价格不断上涨,高额的住房价格给民生问题带来了诸多挑战。为了抑制房价过快上涨,2016年底,中央经济工作会议正式提出“房住不炒”定位,在房住不炒的总政策基调下,2017-2019年间,房地产相关部门陆续出台多项相关配套调控政策。在此背景下,具有负债度高、资金周转期长、变现能力差等特点的房地产上市公司极易发生资金链断裂导致企业陷入财务危机。因此,通过对房地产上市公司财务风险进行有效识别并建立预警模型,以保障房地产业稳健运行以及宏观经济的可持续发展,具有重要意义。首先,本文阐述了选题背景和国内外现状,结合我国房地产行业现状及房地产上市公司财务特点,深入分析财务风险形成的原因。其次,进行预警模型初步设计,根据证券所对上市公司的退市风险预警标记,将预警程度分为财务危机和财务健康区间。将资产质量特征引入传统预警模型并确定财务风险的初选指标,选取2007-2018年深沪A股房地产上市公司中25家危机公司和与之1:2配对的50家财务健康公司作为研究样本并进行预处理。最后,选择Logistic回归模型和BP神经网络模型进行模型构建,选取T-1和T-2年的数据预测T年的财务风险状况。运用比较分析法对比两种模型的预测精准度,结合预测结果和房地产上市公司财务特征,提出防范财务风险的对策。研究结果表明:房地产上市公司的资产质量指标与财务风险之间存在显著性差异,可以用于财务风险预警的指标构建中;模型的预测准确度与距离企业危机年份有关,越接近危机年份,模型预测准确度越高;通过实证检验两种模型均适合于房地产上市公司,但是在模型的拟合程度和预测准确度方面,BP神经网络模型更优于Logistic回归模型,因此BP神经网络模型对我国房地产上市公司的财务预警更具有适用性。本文基于房地产行业特征,有效分析了我国房地产上市公司财务风险水平和主要影响因素,创新性引入资产质量指标使预警模型更具全面性和科学性,以期为房地产上市公司财务预警理论研究与实践管理提供思路。