【基于人工神经网络的保利地产公司财务危机分析案例14000字（论文）】

PAGE\*Arabic2-基于人工神经网络的保利地产公司财务危机分析案例TOC\o"1-2"\h\u75981.导论 1168971.1.研究背景及意义 134771.2.国内外研究现状 252781.有关财务危机界定的研究 2184042.财务预警的研究状况 39961.2.2.国内研究现状 44112.基于人工神经网络预警方法的基本原理 565932.1.人工神经网络概述 5271652.2.基于人工神经网络的预警模型 621923.我国房地产行业概况 9124973.1.房地产行业发展现状 9221883.2.房地产行业基本特征 10197004.保利地产财务危机分析 11101144.1.保利地产公司的背景介绍 11165974.2.保利地产基本财务状况 1357204.3.财务比率指标分析 1671805.影响保利地产财务危机的因素 18307545.1.外部因素 18236745.2.内部因素 19176876.保利地产的财务危机预警机制 1930746.1.预警模型的选取 19122676.2.Z计分法模型 19105956.3.保利地产财务危机预警机制 20245337.结论 227328参考文献 22导论研究背景及意义研究的背景适者生存，优胜劣汰是市场经济始终遵循的丛林法则。在竞争日益激烈的经济环境趋势中，上市公司在收获市场给予的机遇的同时，面临的生存压力也日益增加。宏观环境因素的复杂多变以及不可预见性，加之不同层次企业管理者经营管理水平的差异，共同决定了风险成为一种客观存在。由此可知如果企业没有科学健全的危机预警机制，那么财务风险就不能得到有效识别以及化解，进而当风险积累到一定的程度后，企业就会陷入财务危机，情况严重时甚至会直接引发企业破产，最终退出市场。由此可知，通过构建上市公司的财务危机预警模型并对其深入研究，预知财务风险，对房地产企业来说是至关重要的。研究的意义房地产业作为我国国民经济建设的支柱性产业，在中占据了相当大的比例，由于其产业链性质使其在国民经济中处于牵一发而动全身的地位。面对后金融危机时代国内外经济复苏乏力的局面以及近几年国家调控房地产的决心，房地产行业所面临的财务危机正不断的上升，众多房地产上市公司频现财务隐患，流动性堪忧，财务状况不容乐观。根据以上原因我们很有必要分析房地产业财务危机的影响因素，利用分析出的房地产企业的数据从定量的角度分析检验房地产业财务危机预警模型的适用性，及时发现企业日常经营过程中潜在的财务危机，同时也为房地产上市公司预防和应对财务危机提出建议，为管理层财务决策提供支持。财务危机预警系统的建立既是房地产上市公司自身健康发展的必要保证，也是各利益相关者的诉求。政府部门也希望房地产行业通过运用财务危机预警模型来监测财务危机，推动房地产行业的健康发展。投资者与银行也可以借助预警模型来判断公司整体情况，作为自身战略决策的重要参考。最后对于谋求借壳上市的公司，Z模型也可助其发现潜在的“壳”，提早做好收购准备。国内外研究现状国外研究现状财务危机的预测研究是一项在西方国家中广泛进行的应用研究，在学术界又称作“财务困境预测”、“财务失败判别”等，由于绝大多数西方财务危机研究都以破产或申请破产作为界定财务危机的标志，所以财务危机的预测研究在很多情况下又被称为“破产预测分析”。国际上从事同企业财务预警相关的研究，主要是运用多变量分析模式，构建一系列预测财务危机或失败的线性模型。随着数学与统计学的发展，定量分析逐渐发展并得到了完善。1.有关财务危机界定的研究在国外，财务危机主要用“Financialdistress”一词。Beaver（1966)认为当企业出现破产、拖欠优先股股利、无力偿还债务、银行存款透支等情况，就属于发生财务危机。Beaver为此提出了一个关于“现金流”或“流动资产”模型的理论框架，即企业犹如一个由现金流组成的水库，由现金流入和现金流出组成，一个企业发生财务危机可被定义为水库的水被抽干，即企业不能按期偿还债务[1]。Altman(1968)把进入法定破产程序的企业作为财务危机企业”。[2]Deakin(1972)认为财务危机公司包括己经破产、无力偿还债务或为债权人利益已经进行清算的公司[3]Ross等人(1999)在总结前人研究成果的基础上，把财务危机概括为以下四种情况:一是企业失败，即企业清算后仍不能支付所欠债务;二是法定破产，即企业或债权人向法院申请宣告企业破产;三是技术破产，即企业无法按期履行债务合约付息还本:四是会计破产，即企业的账面净资产为负，资不抵债。[4]2.财务预警的研究状况国外对公司财务危机预警方面的研究已形成了诸多的研究成果，对财务危机也进行了深入的分析。FitzPatrick[5]1932年在《注册会计师》上发表了财务预警研究的首篇文献，选取了19家公司的财务数据进行研究，通过有关财务指标分析公司是否是破产公司，最后发现债券股权比例及资本收益率两项指标预测较好。直到20世纪60年代初，财务危机预警开启了系统化研究。WilliamBeaver(1996)运用单变量模型，选取1954-1964年间79家公司作为研究样本，筛选出30个财务指标分析公司出现财务危机前1-5年的预警能力，得出现金流量债务比的预警效果较好，准确率可达到87%。随着研究知识的深入以及统计软件的不断发展，研究财务危机预警不断发展。Altman,Plat[6]1968年等人从财务报表中选取负债比率、流动比率、净资产收益率等为研究指标，建立了Z计分法模式对财务危机进行预测。Martin1977年利用Logistic[7]理论建立预警模型，预测银行发生危机的可能性。1980年时，Ohlson[8]将对分数(Logit)分析方法运用到财务困境预测中，发现其计算结果比Z分数更直观。1985年，Bartczak和Norman将多元判定分析与条件逐步逻辑回归分析结合，研究1971-1982年间60家申请破产的公司及230家非破产公司，检验当期经营现金流量的披露是否有利于信息使用者有效地评估未来的现金流的数额、时间等，研究结果表明:“经营现金流不能增加有关的预测能力”。在这一阶段除上述研究方法外还运用到了一元判定模型、多元现行判定模型、多元逻辑模型等。到20世纪90年代之后，对公司财务危机预测的分析逐渐出现新型的财务与预警模型，引入了神经网络、决策树理论、支持向量机等模型:1990年，Odom和Sharda[9]率先将人工神经网络模型用于财务危机的预测，与传统的多元判别分析法进行了比较研究，结果表明神经网络具有更好的准确性。2001年，WilliamC.wheaton和RaymondGTorto[10]等提出运用前瞻性方法来评估房地产市场风险，并应用现代时间序列建模方法(VAR)来量化这种风险，研究结果表明房地产和股票债券一样，是可以预测的资产类别。2003年，ShaunA.Bond[11]等人利用多因素方法研究国际层面的房地产回报，以1990年至2001年14个国家公开交易的房地产公司的风险和收益特征为研究对象，结果发现全球房地产市场强大的风险成分，并得出房地产公司国际多元化的机会比以前复杂。2006年，Jae和yang[12]在银行破产预警问题上引入支持向量机，与其它的统计方法模型预测结果进行对比发现此方法的有效性。国内研究现状由于我国的历史背景、经济体制、法律法规、人口政策等方面与西方国家之间存在着较大的差异，所以在房地产公司财务危机分析方面也存在着很大的差异。特别是我国房地产业起步较晚，相关的研究也晚于国外，许多理论、成果是从国外借鉴过来的。国内学者起初对财务危机预警进行研究，多是验证国外的财务危机模型或者结合我国的实际情况验证预警模型。有关公司财务危机的研究开始于20世纪80年代初。1987年，吴世农同黄世忠[13]就我国破产公司的分析指标建立了预测模型，率先进行了财务危机预测的分析;紧接着在1988年，徐斌[14]从公司负债经营的角度对其财务风险进行了预测。1993年，潘经民[15]首先依据房地产投资项目可行性研究为出发点，研究投资项目的财务评价。1996年，周首华、杨济华与王平[16]对Alman的Z模型进行了改进研究，建立了F分数模型预测公司破产。1999年陈新宇[17]验证了Altman的Z分数模式对公司财务风险进行预测。2000年，高培业及张道奎[18]运用贝叶斯判别方法建立财务风机预测模型并同Fisher判别、Probit,Logit判别方法建模进行对比发现贝叶斯由于其他方法。与此同时，张玲以沪深两市120家上市公司作为研究样本，从盈利能力、资本机构、偿债能力以及营运状况四个方面进行上市公司是否被ST预测。直至2003年，何勇[19]讨论房地产投资财务分析，从公司项目的盈利能力、清偿能力等财务状况出发，估算项目的成本、投资、各项利润和税金等数据，结合实例探讨房产财务问题。2001年，吴世农、卢贤义从公司成长能力、盈利能力、营运能力、公司规模、长短期偿债能力5个方面选取了21项财务危机预测指标，建立三种预测模型，发现Logistic模型判别正确率较高。2002年，乔卓[20]等建立了“基于数值优化的Levenberg--Marquardt算法的前馈神经网络预测模型”，通过研究发现，可以提前两至三年预测，且精度高于Logit模型与Fisher判别分析模型。2004年，李晓峰[21]同徐玖平结合人工神经网络和粗糙集理论建立公司财务危机预警模型，在降低了模型预测复杂性和训练时间的同时，提高了神经网络分类能力，研究表明该模型比Z计分模型更有优势。2007年，郑军玲[22]处在物业持有者的立场，从财务的角度研究投资性房地产的风险，并引入期权理论和财务指标NPV以及财务预警指标，针对性的提出在租金、营业费用、筹资结构三个方面的财务风险防范措施;同年，龙胜平与郑立琴[23]结合我国房地产公司自身特点及国家宏观经济环境，将主成分分析和Logistic回归分析结合，建立房地产公司财务风险预警模型，且预警效果良好。自2009年开始有关房地产财务危机方面的研究逐渐深入，如房地产公司财务危机控制方法研究、我国房地产公司的财务危机及其防范管理分析、房地产开发公司财务管理研究、房地产公司财务危机评价研究等等，研究的方法也从传统的财务指标预测、技术经济分析逐渐结合数学模型，且运用的数学模型也越来越广泛，从Z值模型、因子分析、模糊模型到BP神经网络、支持向量机等，以及理论与模型结合、财务指标与模型结合、技术经济与模型结合，乃至多种数学模型结合。2009年，郭德仁同王培辉[24]提出基于模糊聚类和模糊模式识别的模型，通过计算和识别样本各个模式的隶属度，区分财务危机和非财务危机公司，但此模型存在一定的主管性;同年，牟会珍[25]引入灰色关联分析筛选财务指标，利用层次因素分析法确定指标权重，最后通过灰色预测建模分析房地产公司的微观预测模型，发现偿债能力和现金流量对房地产公司财务与风险具有很高的识别能力;2012年，苗霞[26]借助Z-score模型进行预警模型建立，研究宏观调控下房地产公司财务风险;2013年，聂慧[27]通过因子分析法对指标进行筛选并提取主成分，结合logistic建立模型，进行拟合度检验，得出盈利能力对房地产公司财务危机影响最大。基于人工神经网络预警方法的基本原理人工神经网络概述人工神经网络(ArtificialNeuralNetwork)是在认识理解人脑组织结构和运行机制的基础上，模拟其结构和智能行为的一种工程系统(MartinT.Hagan,HowardB.Demuth,MarkH.Beale,1996)。早在本世纪40年代初期，心理学家McCulloch和数学家Pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。1957年，计算机科学家Rosenblaat提出了著名的感知机(单层)模型，从而引发了人工神经网络研究的第一次高潮。1969年，Minshy和Papert在《感知机》一书中分析了单层感知机的严重缺陷。由于Minshy在计算机学界的重大影响力，他对单层感知机的批评几乎给人工神经网络的研究带来了毁灭性的打击，人工神经网络由此陷入了低谷。后来，在Kohenene和Hopfield等学者的不懈努力下，人工神经网络技术又获得了突破性的进展，各种非线性学习网络和有效的学习算法的提出，使人工神经网络在理论上获得了新的突破。目前人工神经网络已经广泛应用于模式识别、系统辨识、信号处理、自动控制、组织优化、预测估计、故障诊断以及医学、经济管理等领域(徐丽娜，2003)。基于人工神经网络的预警模型经过多年的发展，人工神经网络已经衍生出了多种网络类型，各种类型网络的结构不同，运作的原理也不同，其中以BP神经网络使用最普遍，其理论研究和实践应用也较成熟。因此，本文在构建基于人工神经网络的预警模型时，选择BP神经网络。BP神经网络的工作原理BP神经网络的拓扑结构BP神经网络(BackpropagationNN)是一种单向传播的多层前向网络(如图3.4)。网络除输入节点外，有一层或多层的隐层节点，同层节点中没有任何藕合。输入信号从输入层节点输入，依次传过各隐层节点，然后传到输出节点，而每一层节点的输出只影响下一层节点的输出。每个节点都具有图3.2所示的单个神经元结构，其单元特性(传递函数)通常为Sigmoid型函数，但在输出层中，节点的单元特性有时为线性。图2.1BP神经网络的拓扑结构BP网络可看成是一输入到输出的高度非线性映射，即对于样本集合：输入和输出，我们可认为存在某一映射g使现要求求出一映射f，使得在某种意义下，f是g的最佳逼近。神经网络通过对非线性函数进行多次复合，可实现对复杂函数的拟合。BP神经网络的学习BP神经网络的训练过程就是一个根据已有样本，对复杂函数进行拟合的过程。以含有单一隐层，且隐层各单元的传输函数为S型函数的BP神经网络为例，其训练过程可分解为如下的三个阶段：(1)信号前向传输首先，计算隐层各单元的净输入Ij：其中，Wij输入层第i单元与隐层第j单元间的连接权重，是隐层第j单元的偏置值，p是隐层单元总数。第二，根据传输函数计算隐层各单元的输出yj：第三，计算输出层各单元的净输入及实际输出，计算方法与隐层相同:其中，q是输出层单元总数，其他符号意义同上。(2)误差反向传输通常用实际输出与目标输出之间的方差et来度量误差(3)BP网络权值和偏置值的调整将步骤(2)得到的误差(以方差e,表示)与系统事先设定的误差允许值进行比较，如果实际误差大于设定的允许误差，则进行网络权值和偏置值的调整;如果实际误差小于设定的误差，也就是说当前BP网络所表示的函数关系和样本内在关系非常接近，则BP网络的训练结束，BP网络所表示的函数就是所要求得的函数。当网络的实际误差大于允许误差而需要调整网络权值和偏置值的时候，一般根据误差来修正各层的权重和偏置值。权重和偏置值的修改方向是使误差项变小的方向。一般采用最速下降法，也就是说沿着误差向量的负梯度方向来调整权重和偏置值，具体过程分下列三步。第一步，修正输出层和隐层之间权值和隐层的偏置值。其中∝是常数，△Wjt和△θt分别是各层神经元结点之间的连接权值修正值和偏置值修正值。令将其定义为输出层的调整误差，则因此，修正后的输出层与隐层之间权值Wjt和隐层的偏置值θ为：第二步，修正隐层和输出层之间权值和输出层偏置值。类似地可以修正隐层权值和偏置值。所以，，修正后隐层和输出层之间的权值wjt和输出层的偏置值θ为：基于BP神经网络的预警原理按照一般的定义，预警就是要在警情发生之前对之进行预测预报(张春曙，1995)。而按照预警理论，在警情发生之间，警兆指标会发生异常变化，也就是说，警兆指标和警情之间存在着一定的内部对应关系。所以在确定警兆指标和警情之间函数关系的基础上，可以通过监测警兆指标的变化情况来对未来市场警情做出预报。目前的统计预警方法，也建立在确定警兆指标和警情之间关系的基础上，但统计预警方法中两者之间的关系往往是线性的。而警兆指标和警情之间的关系是复杂的，简单的线性关系并不能完全拟合;另一方面，随外部环境的变化，警兆指标和警情之间的关系会相应发生变化，因此需要有一个实时学习、实时纠偏的系统。人工神经网络所具有的非线性、自组织自学习等特点正好可以很好的解决这些问题。对于过去的情况，由于警情已经发生，所以可以通过对警情指标的分析来实现对警情警度的判断;然后，按照BP神经网络的工作原理，将历年警兆指标值和警情警度错位地组成样本进行网络的训练，得出警兆指标和未来某一年房地产市场警情之间的映射关系;在建立警兆指标和警情之间映射关系的基础上，输入当年的警兆指标值，可以预报未来特定时间警情的警度。因此，对应于图2.1的BP网络拓扑结构图，警兆指标为输入xt，而滞后警兆指标一定时间的市场警情为输出yt。预警模型的训练和检测构建了基于BP神经网络的预警模型框架后，将所整理的样本分为两部分:一部分组成训练集，其中的样本用以训练网络;另一部分样本组成检验集，用以检验所建立模型的准确性。也就是说，先用训练集中的样本来训练网络，得出警兆指标和警情警度之间的映射关系，构建预警模型;然后将检测集中各样本的警兆指标值输入到训练完毕的BP网络中，并将网络的输出和实际的警情警度进行比较，以判断已经完成训练的预警模型的准确性。模型的训练和检验过程具体包括以下几个步骤:(1)获取训练样本集合。获取训练样本集合是训练神经网络的第一步，也是十分重要和关键的一步，它包括训练数据的收集、分析和预处理等环节。首先，按照输入变量的要求，分别收集每个变量的数据，组成样本集。然后，按照人工神经网络的要求，将样本数据归一化到[-1,1]或[0,1]之间，便于神经网络的学习和训练。(2)确定网络的训练参数。主要包括网络的初始权值、学习算法、学习速率和误差精度要求等，这些参数的设定，将指导己经设计好的神经网络按照设定的方式训练。(3)网络的测试与训练。利用获取的训练样本对网络进行反复训练，直到得出合适的映射结果。这里值得注意的是，并非训练的次数越多，结果就越能正确反映出输入输出之间的映射关系。主要的原因是，训练样本中含有一定的噪音，对这些样本过多的训练将把样本所包含的噪音也复制到网络中去，降低网络的拟合准确性。(4)网络的检测。训练网络的目的就是找出内含在样本数据中输入变量和输出变量之间的映射关系，从而对未经训练的数据也能给出正确的输出，即具备泛化能力。网络的泛化能力是通过一组独立于训练样本的数据来检测的:将检测样本的输入变量输入网络，然后比较网络的输出和检测样本实际输出之间的差距，如果差距在允许的范围之类，说明训练出的网络能精确地反映出样本所内含的映射关系。我国房地产行业概况房地产行业发展现状房地产行业是以土地和建筑物为经营对象，主要从事房地产开发、经营、管理和服务的综合性产业，属于第三产业。在现实生活中，通常将从事房地产开发和经营的行业称为房地产行业。1998年，我国颁布了《关于进一步深化城镇住房制度改革，加快住房建设的通知》，加速了我国房地产行业的蓬勃发展。近十年来，我国房地产投资规模不断扩大，年平均增长率达到20%以上，其投资额和销售额的增长率几乎年年赶超我国GDP的增长率。从国家统计局提供的数据上看，自2000年至2014年，我国房地产开发投资额增长迅速，2000年我国房地产开发投资额为4984.05亿元，截止至2014年底，投资额达到95036亿元，是2000年的16倍，年增长率超过了24%。与此同时，房地产作为我国的国民支柱产业，对国民经济发展的贡献也目益突出，如图3-2所示，我国房地产开发投资额占国内生产总值（GDP）的比例呈逐年上升趋势，从2000年的4.93%增长到2014年的14.94%。由此可见，房地产行业的发展速度十分惊人，对于推动我国经济的不断发展做出了巨大的贡献。房地产行业基本特征房地产行业具有一些独特的行业特征，主要表现在以下几个方面：

1.基础性和先导性：房地产行业作为我国的基础性行业，它的发展状况直接牵动着其他行业的发展。对于居民购房者而言，房地产行业提供的住房商品是人们必需的生活资料；对于商业购房者来说，它能为企业提供办公场所，经营平台，保证企业进行正常的生产经营活动。与此同时，房地产行业的发展对于其他行业具有一定的导向意义，它可以促进土地、化工、金融、保险等行业的协同发展，还可以解决当地的就业问题，利用获得的收益为政府提供财政支持。除此之外，根据以往的社会实践经验，经济发展的好坏也可以从房地产行业的先行指标中做出一定的判断。

2.综合性和关联性：与建筑行业不同的是，房地产行业是综合性服务行业，二者的社会分工不同。房地产公司作为项目的出资方，将开发的土地委托给建筑公司进行施工，在项目完工验收之后，进行下一步的流通和销售。由于建造房屋的环节是由建筑行业完成的，房地产行业负责完成剩余环节，所以二者是一种相互依存、共同发展的伙伴关系。从我国的国民经济产业链来看，房地产行业处于中游地位，其上下游产业链涉及了50多个行业，包括钢铁、建材、玻璃、装潢等，整体对GDP的贡献超过了30%。因此，房地产行业对于带动整个国民经济产业链的全面发展具有十分重要的作用。

3.波动性与周期性：房地产行业是国家经济发展的“晴雨表”，国家经济稳步上升，房地产行业发展势头强劲，国家经济萎靡不振，房地产行业止步不前。地方的经济发展状况直接决定着当地房地产的供求关系，当地居民经济水平越高，对房地产的投资需求也就越大，房地产企业在获取利润的同时也能拉动当地经济的发展，从而形成一个良性的发展循环。由于房地产行业受经济发展状况影响较大，所以它的发展也遵循着经济的发展规律，一般要经历繁荣、衰退、萧条、复苏四个阶段。

4.资金密集性和高风险性：众所周知，房地产行业的经营运转需要大量的资金支持。一方面，房地产企业的项目周期比较长，房地产项目的完工时间一般在3~5年，在开发过程中的各个环节都需要投入资金；另一方面，房地产企业的投资成本比较高，受国家宏观政策的影响，土地的稀缺直接加大了房地产企业的开发成本。而对资金的严重依赖也为房地产企业带来巨大的经营风险。房地产企业前期投入的资金只有在住房商品顺利销售之后才能取得资金回报，而多数企业往往同时投资多个项目，这种投入巨大，回收缓慢的资金周转模式将成为引发企业财务风险的导火索。保利地产财务危机分析保利地产公司的背景介绍保利房地产（集团）股份有限公司(证券简称:保利地产,证券代码:600048)成立于1992年，总部位于广州，是中国保利集团控股的大型国有房地产企业，也是中国保利集团房地产业务的主要运作平台，国家一级房地产开发资质企业，国有房地产企业综合实力榜首，并连续四年蝉联央企房地产品牌价值第一名，2009年，公司品牌价值达90.23亿元，为中国房地产"成长力领航品牌"。2006年7月，公司股票在上海证券交易所上市，2007年由清华大学房地产研究所、中国房地产指数研究院等机构组织的年度房地产企业品牌TOP10评比中，保利地产蝉联国有房地产企业品牌价值榜首，品牌价值达到45.72亿元，2009年获评房地产上市公司综合价值第一名，并入选"2008年度中国上市公司优秀管理团队"

。2009年公司实现销售签约433.82亿元。2010年一季度，公司总资产已超千亿，进入138家中央企业前50名之列，跻身中央企业资产规模第一方阵。截止2012年底，公司总资产突破2500亿元，实现销售认购1017.39亿元，保利地产坚持以住宅开发为主，适度发展持有经营性物业，公司秉承“务实、创新、规范、卓越”的经营理念。目前，公司已进入规模化发展阶段，形成了广州、北京、上海、武汉、重庆、沈阳等十八个城市的全国战略布局，拥有44家控股公司。业务拓展到包括房地产开发、建筑设计、工程施工、物业管理、销售代理以及商业会展、酒店经营等相关行业。保利地产基本财务状况保利地产2010-2014主要财务数据年份20102011201220132014单位：亿元资产负债表主要数据流动资产合计1466.721879.912431.283030.083508.58非流动资产合计56.5670.2380.41109.32149.08资产合计1523.281950.152511.693139.43657.66流动负债合计688.97985.861404.711666.351873.13非流动负债合计514.11543.65559.18781.53975.7股东权益320.2420.64547.8691.53808.72利润表主要数据营业收入358.94470.36689.06923.561090.56营业成本236.45295.37439.72626.56741.23营业利润74.2499.65133.94160.67189.81利润总额74.05100.74135.32161.02190.32净利润49.265.3184.38107.47122现金流量表主要数据经营现金流量净额-223.7-79.2230.93-97.54-104.58投资现金流量净额-18.57-4.480.06-22.26-31.69融资现金流量净额281.3373.93113.26125.06198.91现金净额增加额39.04-9.79144.275.3262.4从资产负债表主要数据表可以看出,从2010年-2012年,保利地产的资产翻了近3倍,是因为保利地产投资性房地产的增加,在2010年投资性房地产金额为42.39亿元.股东权益不断扩大,而公司的负债速度跟不上股东权益扩大的速度,降低了保利地产抵抗外部风险的能力.从利润表的主要数据表可以看出,营业收入和营业成本都从2010年-2012年五年期间翻了三番,营业利润从2010年的74.24亿涨到了289.28亿,利润总额也从74.05亿涨到了190.32亿,净利润也翻了三番,保利地产的业务量增加是主要原因.从现金流量表主要数据表中可以看出,现金流量净额和投资现金净额在2010和2011年都为负值,这是由于保利地产的高速发展,导致资金紧张,但在2012年开始取得收入,所以经营现金流量恢复到正常值,但是2013和2014年开始,又呈现了负值,因为市场的供过于求的原因,周期太长,无法及时取得收入.从主要财务比率表中,可以看到,每股净收益在下降,净资产的增长率也在不断下降,但是毛利率比较稳定,是因为保利地产之前的大规模扩张,导致有大量的贷款,三大费用增加,特别是财务费用财务比率指标分析保利地产2010-2014相关财务比率指标年份20102011201220132014流动比率2.131.911.731.411.87速动比率0.531.360.380.380.45现金负债比率0.240.04资产负债率78.9878.4378.1977.9777.89股东权益率21.0221.5721.8122.0322.11营业利润率90.170.17成本费用利润率0.30.320.280.240.24净资产收益率16.5618.5219.8620.7619.87总资产收益率4.063.763.783.83.50主营业务利润率21.720.0518.8817.3317.4应收账款利润率68.157.1946.9143.8538.39存货周转率0.280.230.260.290.29总资产周转率29.6527.0830.8932.6932.09流动资产周转率30.5328.1131.9733.8233.35偿债能力2010年-2014年,流动比率下降,从2.13降至1.87,除了2010年,其余四年的流动比率均小于2,低于合理值.速冻比率在五年间也低于正常标准值1,说明了保利地产短期偿债能力不足.现金负债比率也不断下降,说明保利地产用现金偿还短期债务的能力变弱,加大了公司的资金风险.资本结构保利地产的资本负债率,一直居高不下,超出了行业的平均水平,这样会加大不能按时偿还债务的风险.保利地产从2010年-2014年,虽然股东权益比率呈上升趋势,但是仍然处于较低的水平,应保持适中的水平,股东权益比率过小,说明企业负债过大,那么公司抵御外部冲击的能力就会减弱.总资产的收益率保利地产从2010年-2014年,总资产收益率、营业利润率、成本费用利润率和主营业务利润率都是下降趋势,说明保利地产在创造收益的时候花费的资本更多,市场竞争力随之减弱,应对财务风险的能力就被削弱.营运能力保利地产从2010年-2014年,应收账款周转率持续下降,从2010年的68.1下降到2014年的38.39.资金回收缓慢,经营活动的资金不能得到充分的利用,资金回收风险增大。影响保利地产财务危机的因素外部因素宏观政策宏观调控2010年,“国十一条”,发生违法违规行为的房地产开发企业,暂时取消新购置土地资格.2011年,“新国八条”,加强对闲置房地产的清理力度,打击囤地的行为,健全招标拍卖等制度.2012年,继续促使房价回到正常,落实安居工程.2013年,“新国五条”,打击投资投机性购房.2014年,国务院发布«国家新型城镇化规划(2014-2015年)»,推动城乡一体化发展,给予了房地产企业转型的机会.因为这些政策,保利地产作为国企的拿地优势被削弱了,所以保利在购进土地的时候,成本增加,利润下降,投资风险加大等.税收政策我国房地产行业需要缴纳十几种税.在房产首次交易的时候,开发商需要缴纳营业税、所得税、建设税、土地增值税和土地使用税,同时,购房者要缴纳契税和印花税等.在房产二次交易时,个人所得税、营业税和教育税附加由卖家缴纳,缴纳契税和印花税由买家缴纳.而这些要缴纳的税实际最后都是房价的一部分.由于房产税的范围的扩大,势必税收成本会加重,那么那时保利地产的获利能力就会被削弱,增加投资资本收回的风险.其他政策政府的保障房政策,虽然为我国低收入家庭解决了住房困难等问题,但是又对商业住宅造成了冲击,商品住宅的需求量下降,房屋卖不出去,开发商的利润出现波动,财务风险增大.行业形势市场竞争激烈因为近十年的社会的发展,我国的房地产行业也在加速发展,很多社会资源投入到了房地长行业,房地产企业的数量翻倍的增加,整个房地产行业不断的壮大.保利地产在面对这么多强劲的对手时,必须保持市场的占有率,保证资金回笼的速度.市场需求房地产行业经过大热之后,现在市场上的住宅等已经是供过于求的状态,整个房地产行业利润在不断的下降,保利地产也已经告别了高速发展取得高利润的阶段,保利地产只有对财务风险进行防范,才能使实际盈利和预期盈利相差不远.内部因素(１)保利地产一直以来的高速发展策略,在当下严峻的形势下,财务风险会不断的加剧,对此,保利地产应该顺应环境做出调整和改革.(２)资金投入量大,资金回收期长.保利地产作为行业的龙头企业,对资金的依赖程度高,又因为房地产行业需要巨大的投入,从开发到销售,时从开发到销售,时间周期长,一般要三到五年,所以资金回收的风险加剧保利地产的财务危机预警机制预警模型的选取研究财务危机预警模型方法种类很多，主要包括以下四种：一元判别方法、Z计分模型、Logistic逻辑回归法和人工神经网络法。四种模型研究方法各有优缺点，现实中并不存在理想的预警方法。首先，一元判别方法最大的优点是没有任何假设条件且方法比较简单易于理解，但最大的缺点是精确度不高，因而此方法不被采用。而人工网络模型虽然没有任何假设条件，但由于其理论基础抽象、解释能力差不易理解的原因使其实际可行性较差。Logistic逻辑回归法的最大优点是样本自变量不受统计假设条件的严格约束，但是此模型要财务指标和公司治理指标等实际出发考虑，不适合本文。多变量预警模型（Z计分法模型）既是运用多种财务比率加权汇总而构成线性函数来预测财务危机的一种模型它是一种综合评价企业风险的方法。以上原因，从会计学角度出发，本文选择Z计分模型从多种财务指标结合来预测财务危机，此模型在国内最为广泛运用。由于ZScore模型设计简单，使用难度较小，有利于比较不同的财务状况，与此同时，该模型还具有较强的判别能力，因此保利地产自身运用ZScore模型来进行财务危机预警。Z计分法模型Z值分析法是美国学者Altman发明的一种衡量企业破产风险的方法，被人们广泛应用。这一模型预测企业的Z值小于1.20时将破产，Z值介于1.20和2.90之间为“灰色区域”，Z大于2.90则企业没有破产风险。Altman以33家破产公司和相对应的33家非破产公司为样本进行检验之后发现，Z值正确预测了这66家公司中63家的命运。英德等国近年来的研究也说明了Z值在预测公司财务状况中的作用。[28]Altman（1968）的Z值计算公式如下：Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）其中：X1=营运资本/总资产X2=累计留存收益/总资产X3=息税前利润/总资产X4=股权市价总额/总负债X5=销售收入/总资产保利地产财务危机预警机制财务指标的选取美国纽约大学斯特商学院爱德华.奥尔曼（Edward.Altman）Z模型在1968年提出，开始是为了判断企业发生财务危机的概率可能性的大小。目前已成为世界上运用最广的预警模型。Z模型的主线是利用财务指标之间的线性关系判断企业是否有可能发生财务危机。X1是营运资金/总资产=（流动资产-流动负债）/总资产营运资本是衡量企业短期负债能力的重要指标，加强营运资本的管理才能提高利润规避风险。X2是留存收益/总资产=(盈余公积+未分配利润)/总资产反应企业累计获利能力，X3是息税前利润/总资产=（税前利润+利息费用）/总资产他反应企业以自有资金投资资产获取的利润，这里的利息费用是广义的利息费用财务费用中的利息费用和资产负债表中无形资产的资本化利息。该指标越大企业获利能力越强。X4是股权市价总额/总负债=(总资产-总负债)/总负债他一方面反应财务结构，一方面体现偿债能力。X5销售收入/总资产销售收入既是主营业务收入该指标实际上就是资产周转率，他强化企业管理迫使企业合理分配企业资本，从而加强综合利用效率。Z模型在保利地产中的应用本文从定量分析的角度，用Z模型实证检验该模型在我国房地产行业保利地产中的实用价值。样本以保利地产2013,2014年财务数据做简单的实证，样本数据来自保利地产2013,2014年度财务报表。Z模型分析如下：2013年Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）X1=营运资本/总资产=（303008054884.41-166634556840.12）/313939854320.52=0.43439X2=累计留存收益/总资产=（1100917160.02+32560241225.29）/313939854320.52=0.107247X3=息税前利润/总资产=92434040.35+526700936.95+2892153827.71）/31939854320.52=0.011185X4=股权市价总额/总负债=313.939854320.52-244786678393.28）/244786678393.28=0.282504X5=销售收入/总资产=9151433041.21/313939854320.52=0.02915027Z=1.2*0.43439+1.4*0.107247+3.3*0.011185+0.6*0.282504+0.999*0.2941822=1.17122014年Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）X1=营运资本/总资产=350858011961.76-187313493217.54）/365765643330.35=0.447129X2=累计留存收益/总资产=1714475367.24+42048427.771.05）/365765643330.35=0.119647X3=息税前利润/总资产=37641261.38+554532465.26+6135582072.48）/365765643330.35=0.0183936X4=股权市价总额/总负债365765643330.35-284893358385.82)/284893358385.82=0.283868X5=销售收入/总资产=8220568785.66/365765643330.35=0.022475Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）=1.23323从上述的模型计算中得出2013年保利地产Z值为1.17小于1.2.处于极大可能破产危机的处境中，现实中2013年保利地产确实出现一些危机，而2014年Z值1.23大于1.2小于2.9。有所好转处于灰色预警内，有可能出现财务问题企业及时注意加以防范就能解决，是一个初级警示状态。但相对于2013年概率大大降低。慢慢向好的方向发展。对房地产行业的建议对企业的融资结构合理安排，拓宽融资渠道。受国家政策的影响房地产融资难度加大，银行对地产业贷款要求提高，通过上调首付比例、抵押贷款、限购等措施对房地产行业降温。所以保利地产应及时合理规划融资结构，拓展渠道来减轻财务风险。地产业开发周期太长，资金难以回笼。地产业开发周期长、资金动用量巨大回收期太长很容易导致财务危机。所以加快开发周期，加速回笼资金就能极大的减少资金量断裂引起的财务危机。加强财务管理意识，细化财务分支，建立全面的财务预算管理和财务预警系统。Z模型的预警是基于财务指标的，财务指标的精确全面也是Z模型检测的一个良好基础。结论随着企业自身的不断发展和外部经营环境的不断变化，原有的财务预警指标的重要性也可能会发生变化。为了保证财务预警体系正常发挥作用，必须对财务预警指标体系进行动态管理，定期对其预警效果进行分析和评价，并根据评价结果对财务预警指标和相应的预警值进行调整和修正，保证企业财务预警体系的长期有效性。财务预警体系的建立和完善不仅仅是一个行业或者一个部门的任务和责任，它需要政府部门的政策支持，需要社会各界的配合实施，需要企业领导者的有效管理，才能够发挥其对企业财务危机的预警提示作用，有效防止防范财务危机的发生。因此，要建立完整有效的财务预警体系，必须时刻关注政府的政策改革，经济发展形势以及行业发展现状，加大社会的监管力度，加强企业自身的内部控制制度和企业管理层的管理水平。参考文献．W.Beaver.Financia.RatiosasPredictorsofFailure.JournalofAccountingResearch.1966,4(Supplement):71-111E.LAltman.FinancialRatiosDiscriminantAnalysisandthePredictionofCorporateBankruptcy.JournalofFinance.1968,23(4):589一09.E.B.Deakin.ADiscriminantAnalysisofPredictionofBusinessFailure.JournalofAccountingResearch.1972,(spring).167-169S.A.Ross,RW.Westerfield,J.F.Jaffe.CorporateFinance.2ndEdition,HomewoodIL.1999:420-24FitzPatrickP.J,AComparisonofRatiosofSuccessfulIndustrialEnterpriseswithThoseofFailedFirms,CertifiedPublicAccountant[J],October,NovemberandDeeember,1932,605,656-662,727-731AltmanE,HaldemanR,NarayannP.Zetaana