1、王雪峰（教授）多重冲击下大型房企财务风险评价基于熵值CRITIC合成赋权的TOPSIS分析【摘要】近年房企财务风险问题凸显。本文以万科、碧桂园和恒大等不同经营模式下的大型房企为样本，提出并运用熵值CRITIC合成赋权的TOPSIS分析，对其20172021年财务风险演变进行评价和分析。结果显示：熵值CRITIC合成赋权的TOPSIS分析克服了现有客观赋权方法的高估或低估弱点，提高了评价的有效性；期间三大房企财务风险持续加大，其中万科最为稳健，恒大最为凶险；高杠杆、高周转及重资产的行业开发模式是导致其财务脆弱的内在根源，市场下行及融资紧缩政策等外部冲击是其财务风险积聚的外在原因，经营模式差异导致
2、三大房企抵御外来冲击的能力分化。转变经营模式，前瞻、适时和弹性调控是防范房企财务危机的有效举措。【关键词】多重冲击；大型房企；熵值CRITIC合成法；TOPSIS法；财务风险【中图分类号】F275【文献标识码】A【文章编号】1004-0994（2023）12-0094-6【基金项目】江西省教育厅科技研究项目“基于住房困难视域的江西城市住房调控效果及优化研究”（项目编号：022120395）【作者单位】江西财经大学旅游与城市管理学院，南昌 330032一、引言为抑制房价增长过快，从2011年至今房地产市场一直受到限购、限贷、限价和限售等一系列政策的调控。近年房地产行业进一步遭受多重冲击，如宏观经
3、济和房地产市场下行，以及“三道红线”“二道红线”等融资紧缩政策调控等。2021年下半年至2022年底，已有数十家房企出现流动性危机，其中不乏恒大、融创、世茂等头部房企。这是自住房市场化改革以来从未有过的现象，房企财务风险问题日益受到社会的关注。企业财务风险一直是学界重要的研究领域之一，已有研究主要从三个角度展开分析。一是探查企业财务风险的影响因素，如研究宏观调控和公司治理（彭中文等，2014）、金融资产配置（谭小玉和陈裕鑫，2022）、关联并购（韩沚清和王惠，2021）及政府规制（吕雪晶等，2020）等宏微观因素对企业财务风险的影响；二是探讨企业财务风险预警方法及其优化（杨贵军等，2019；C
4、anbas等，2005；肖毅等，2020）；三是研究如何有效度量企业的财务风险，已有文献或采取层次分析法等主观经验赋权的方法（孙晨辉和李富有，2014），或采取熵值法、CRITIC法及聚类或因子分析等客观赋权的方法（侯旭华和彭娟，2019；Lahmiri和Bekiros，2019），或采取主观与客观相结合的赋权方法（刘国城和王会金，2016；徐临等，2017；Lahmiri和Bekiros，2019），对企业财务风险进行度量。显然，第三类研究即对企业财务风险的有效度量是前两类研究的基础。但是，这类研究尚存在一些不足和盲点：一是主观赋权法的依据来源于经验，缺乏客观基准；二是因子分析、熵值法和CR
5、ITIC法等客观赋权法要么只关注评价指标的相关性信息，要么只关注评价指标的波动信息，从而导致对指标重要程度的评价出现或高或低的偏差；三是缺少在当前宏观经济下行及融资紧缩政策调控背景下对房企财务风险进行评价及原因分析的相关研究。有鉴于此，本文以万科、碧桂园和恒大三个经营模式相异且具有代表性的房企为样本，创新性地提出并运用熵值 CRITIC 合成赋权的 TOPSIS 分析，对其2017 2021 年的财务风险演变及背后的原因进行度量、比较和分析。二、方法、样本和数据1.方法。运用指标体系来刻画一个事物或系统状94 财会月刊2023.12DOI：10 19641/j cnki 42-1290/f 2
6、023 12 012态的方法主要有层次分析法、模糊综合评价、数据包络分析、耦合协调度和优劣解距离（TOPSIS）法等方法。其中，TOPSIS法是一种可最大限度利用原始数据信息进行组内综合评估的方法，其通过测算各评价对象距组内理想值的远近并进行大小排序，精确反映各评价对象之间的优劣，特别适合缺乏最优客观标准的事物评价问题。本文正是充分运用多财务指标数据寻找其最优最劣值，并以此为基准对三个大型房企财务状况的跨期变化及其间的优劣进行客观评价和比较，所以TOPSIS法非常适合。TOPSIS法的基本逻辑如下：第一步，构造评价矩阵，对其进行正向化和标准化处理，并找出最优最劣基准。假设每个评价对象均可以用m
7、个指标来刻画，则n个评价对象就可以用矩阵A=（aij）nm（i=1，2，n；j=1，2，m）来表示。将矩阵A中m个指标均转换为极大型指标即正向化，在此基础上进行标准化处理以去除量纲的影响，得到评价矩阵X=（xij）nm（i=1，2，n；j=1，2，m），则矩阵X中各列（即每个指标）的最大值和最小值的组合就分别是评价对象的最优解和最劣解，成为对评价对象进行评价的基准。通过计算评价对象距这两个基准的距离，比较、区分评价对象的优劣。X+=（X1+，X2+，Xm+）=（maxx11，x21,xn1,maxx12，x22，xn2，maxxm1，xm2，xmn）（1）X-=（X1-，X2-，Xm-）=（m
8、inx11，x21,xn1,minx12，x22，xn2，minxm1，xm2，xmn）（2）其中，X+为最优解，Xj+为j指标的最优取值，X-为最劣解，Xj-为j指标的最劣取值，j=1，2，m。第二步，确定 m 个指标对评价对象的重要程度熵值CRITIC合成法。运用TOPSIS法进行评价的关键是赋权。赋权的方法主要有两类，一是主观赋权法，二是客观赋权法。前者依据评价主体的知识和经验等主观判断确定各指标的权重，其结果随评价主体不同而不同，主要有德尔菲法、专家打分法等；后者依据数据本身的特性（如指标间的相关性、指标内取值的波动性或离散程度等信息）来确定指标的重要程度，对能提供更丰富信息的指标赋予
9、更高的权重，具有良好的客观性，主要有因子分析法、变异系数法、熵值法和CRITIC法等（朱卫东和吴鹏，2015）。但这些方法依据的只是原始数据提供的部分信息，因而都存在一定的缺陷。显然，只有将指标内数据的波动性、离散程度和指标间的相关性（杨柏辰等，2021）三者结合起来，才能充分衡量指标对评价对象的影响，因此本文创新性地将熵值法和 CRITIC 法结合起来，提出熵值CRITIC合成法，其赋权思想如下：依据熵值法赋予j指标权重ej：ej=（1-ej）/（1-ej）（3）其中，ej为指标j的熵值，反映其离散程度。依据CRITIC法赋予j指标权重cj：cj=（SjRj）/（SjRj）（4）其中：Sj为
10、指标j取值的均方差，反映其波动性；Rj=（1-|rij|），反映j指标与其他指标的冲突性，rij为指标j与指标i的相关系数。结合公式（3）和（4），得到指标j最终的权重j：j=（ej+Sj）Rj/（ej+Sj）Rj（5）其中：ej+Sj反映指标 j 取值波动和离散程度信息，指标j取值波动和离散程度越大则指标越重要；Rj反映指标j与其他指标的冲突性信息，与其他指标相关性越小，则冲突越大，其重要性也越高。第三步，计算n个评价对象距最优解和最劣解的距离，确定其得分。（6）（7）其中，Di+和Di-分别为对象i距最优解和最劣解的距离，j为指标j的权重。则对象i的综合评价得分Gi为：Gi=Di-/（Di
11、-+Di+）（8）评价对象距最优解越近、距最劣解越远，Gi值越大，评价对象也越优，最优值为1，最差值为0。2.样本和数据。大型房企特别是头部房企是我国房地产市场的中坚力量，其经营状况能从一定程度反映我国房地产市场状况。作为行业领导者，它们被众多中小房企追随和模仿，行业的经营模式很大程度上也因此由它们主导。万科、碧桂园和恒大无疑是其中的翘楚。尽管房地产行业属资本密集型行业，高杠杆、高周转和重资产是目前房企共有的特点，但这三个企业分别代表了房企三种不同的经营模式。万科围绕住宅主业采取轻资产、重营运、低成本和“现金为王”的水平多角化战略，属于稳健派；碧桂园以低成本、高效营销为特征，通过高周转撬动高杠
12、杆进行经营，是高周转i=1mDi-=j=1mj()Xj-xij2Di+=j=1mj()Xj+-xij2j=1mj=1mj=1m2023.12财会月刊95运营的代表；恒大则采取重资产、集团多角化战略，除地产外还涉及新能源汽车、健康和文体等多个行业，通过大规模融资、储地、开发等方式实现企业发展，是高杠杆房企的代表。因此，本文选择万科、碧桂园和恒大为样本，考虑到20172021年房地产行业经历了“房住不炒”国策以及“三道红线”等政策的冲击，以三大房企这一时期的中期和年度财务状况各10期共30期为评价对象，通过对其财务状况演变的测算、比较，探究我国房企存在的财务风险及其背后的原因。本文所用财务指标数据
13、均来源于Wind数据库。三、财务风险演变的度量和评价1.财务风险评价指标体系的构建。对企业财务状况或风险进行综合评价，除了要选择科学的评价方法，还必须依据全面性、重要性、可得性等原则及行业特性建立合理有效的指标体系。在已有的研究中，大多主张从盈利能力、运营能力、成长能力、偿债能力和现金流量五个方面对财务风险进行全面测度，并在每个方面选择若干具体财务指标进行刻画（Canbas等，2005；王秀丽等，2017；杨贵军等，2019）。因此，本文依据全面性原则，遵循多数研究的共识，从盈利能力、偿债能力、营运能力、成长能力和现金流量五个维度，选择14个二级指标对样本房企的财务风险进行评估。依据重要性原则
14、和行业特性，针对房地产企业资本密集、高杠杆、高周转的行业特点以及存货、应收账款等资产占比较高的事实，将应收账款周转率、存货周转率和总资产周转率作为营运能力的二级指标；用现金经营回报率、现金流量比率等二级指标来刻画现金流风险。其他维度的二级指标参考了已有研究的成果（王秀丽等，2017；杨贵军等，2019）。具体的指标体系如表1所示。2.财务风险评价及分析。（1）数据预处理。营运能力指标包含3个二级指标，即应收账款周转率、存货周转率和总资产周转率。Wind数据库中提供的这3个指标的年报和中期财报数据的计算口径不同，分别为一年和半年，因此将这三个指标的中期财报数据按一年期进行调整，使年报和中期财报数
15、据具有可比性。此外，房企的资金筹集和投入、土地购置、房屋开发及销售回款等经营行为在一年中的不同阶段实施，而且这些活动在不同企业间也存在差异，因此表1中反映企业经营行为的这些指标存在较强的季节性波动，为消除季节性因素对评价结果的干扰，本文在评价前分别对三大房企的所有原始数据进行了季节调整处理。（2）指标正向化和标准化。运用熵值CRITIC合成赋权的TOPSIS分析进行综合评价，首先要对二级指标进行正向化处理，使所有指标的取值都符合“值大者优”原则，这是找出最优解、最劣解及对评价对象进行优劣排序的前提。在表1中，盈利能力、营运能力、成长能力及现金流量四类的二级指标都是极大型指标，无需正向化。但偿债
16、能力中的流动比率、速动比率和现金比率属于中间型指标，已有理论认为其最优值分别为2、1和0.2。对这些指标采取公式aij=1-|aij-aj|/M进行正向化转换，其中aj为指标j的最优值，M=max|aij-aj|。资产负债率指标则属于极小型指标，采取公式aij=1/aij（aij0）进行转换，其中aij为指标j第i个对象的取值，aij为正向化后的转换值。在将原数据矩阵A正向化处理转换为A后，为消除各指标量纲不同的影响，还要进行标准化处理。由于所有指标都进行了正向化处理，采取公式xij=aij-min（aj）/max（aj）-min（aj）进行转换，其中max（aj）和min（aj）分别为正向化后指标j的最大和最小取值。（3）基于熵值CRITIC合成赋权的TOPSIS分析确定权重。运用公式（3）（5），可以计算出采取熵值CRITIC合成赋权的TOPSIS分析确定的各二级指标和一级指标的权重，见表2。表2显示，一级指标营运能力、偿债能力和成长能力的权重分别为31.7%、31.7%和17.0%，合计超过80%，一级指标盈利能力偿债能力营运能力成长能力现金流量二级指标销售净利率资产净利率流动比
