作為國(guó)民經(jīng)濟(jì)的重要組成部分,房地產(chǎn)行業(yè)為我國(guó)GDP的增長(zhǎng)做出了重大貢獻(xiàn)。近年來(lái),一二線城市房地產(chǎn)的供不應(yīng)求,各地涌現(xiàn)的“炒房熱”將住房剛需推向了頂端。隨著房地產(chǎn)行業(yè)的發(fā)展,越來(lái)越多的公司開(kāi)始涉足房地產(chǎn)行業(yè),這一系列繁榮背后,隱藏著一定的風(fēng)險(xiǎn)。周期長(zhǎng)、投資量大的房地產(chǎn)開(kāi)發(fā)活動(dòng)要求開(kāi)發(fā)商具有較強(qiáng)的資金實(shí)力,再加上部分城市“庫(kù)存房產(chǎn)”難以變現(xiàn)使得房地產(chǎn)開(kāi)發(fā)企業(yè)資金的盤(pán)活成為較大的問(wèn)題,從而在一定程度上對(duì)房地產(chǎn)企業(yè)的財(cái)務(wù)狀況造成不利影響,使得企業(yè)面臨一定的財(cái)務(wù)風(fēng)險(xiǎn)。本文以2014-2016年相關(guān)滬深A(yù)股房地產(chǎn)上市公司為研究樣本,剔除不滿足房地產(chǎn)行業(yè)標(biāo)準(zhǔn)及其他相關(guān)標(biāo)準(zhǔn)的上市公司,提取財(cái)務(wù)報(bào)表層面的相關(guān)數(shù)據(jù)及年報(bào)中的其他相關(guān)數(shù)據(jù),運(yùn)用因子分析法建立房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型,并運(yùn)用聚類(lèi)分析法對(duì)房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型有效性進(jìn)行驗(yàn)證,旨在識(shí)別影響企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)鍵因子和關(guān)鍵指標(biāo),并對(duì)房地產(chǎn)上市公司面臨的財(cái)務(wù)風(fēng)險(xiǎn)現(xiàn)狀進(jìn)行分析。之后對(duì)2001-2016年符合相關(guān)標(biāo)準(zhǔn)的房地產(chǎn)上市公司進(jìn)行關(guān)鍵指標(biāo)的時(shí)間序列分析,建立影響房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)預(yù)測(cè)模型,確定關(guān)鍵指標(biāo)臨界值,從而對(duì)房地產(chǎn)上市... 

【文章來(lái)源】：青島科技大學(xué)山東省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SU自相關(guān)系數(shù)和偏自相關(guān)系數(shù)圖

圖 4-2 SU序列殘差項(xiàng)白噪聲檢驗(yàn)檢驗(yàn)結(jié)果Figure4-2 Test results of white noise test for SU sequence residuals2）資產(chǎn)負(fù)債率序列模型擬合圖 4-3 可以看出，資產(chǎn)負(fù)債率一階差分序列自相關(guān)圖在二階達(dá)到最大趨勢(shì)，偏自相關(guān)圖在一階之后明顯呈現(xiàn)拖尾趨勢(shì)。因而在 Eviews8.0 中、MA(2)和 ARMA(1,1)、ARMA(1,2)模型進(jìn)行模型擬合，出現(xiàn)如表 4-6、表 4-17和表 4-18的輸出結(jié)果。

圖 4-2 SU序列殘差項(xiàng)白噪聲檢驗(yàn)檢驗(yàn)結(jié)果Figure4-2 Test results of white noise test for SU sequence residuals（2）資產(chǎn)負(fù)債率序列模型擬合從圖 4-3 可以看出，資產(chǎn)負(fù)債率一階差分序列自相關(guān)圖在二階達(dá)到最大尾趨勢(shì)，偏自相關(guān)圖在一階之后明顯呈現(xiàn)拖尾趨勢(shì)。因而在 Eviews8.01)、MA(2)和 ARMA(1,1)、ARMA(1,2)模型進(jìn)行模型擬合，出現(xiàn)如表 4-16、表 4-17和表 4-18的輸出結(jié)果。

【參考文獻(xiàn)】：
期刊論文
[1]行業(yè)環(huán)境風(fēng)險(xiǎn)視角下房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警實(shí)證研究[J]. 侯兆,楊柳.  財(cái)會(huì)通訊. 2017(20)
[2]基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)風(fēng)險(xiǎn)分析與預(yù)警研究[J]. 唐海成.  中國(guó)商論. 2017(14)
[3]經(jīng)濟(jì)新常態(tài)下企業(yè)財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究[J]. 符剛,曾萍,陳冠林.  財(cái)經(jīng)科學(xué). 2016(09)
[4]制造業(yè)上市公司財(cái)務(wù)預(yù)警體系的構(gòu)建及比較——基于數(shù)據(jù)挖掘技術(shù)[J]. 王藝,姚正海.  財(cái)會(huì)月刊. 2016(21)
[5]基于信息融合的數(shù)據(jù)挖掘方法在公司財(cái)務(wù)預(yù)警中的應(yīng)用[J]. 張亮,張玲玲,陳懿冰,騰偉麗.  中國(guó)管理科學(xué). 2015(10)
[6]房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 張煌強(qiáng).  廣西社會(huì)科學(xué). 2015(07)
[7]基于大數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警研究[J]. 宋彪,朱建明,李煦.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2015(06)
[8]房地產(chǎn)上市公司財(cái)務(wù)預(yù)警實(shí)證研究[J]. 鄭曉云,李建華.  會(huì)計(jì)之友. 2015(09)
[9]基于人群搜索算法的上市公司的Z-Score模型財(cái)務(wù)預(yù)警研究[J]. 趙海蕾,周方召,金德環(huán).  財(cái)經(jīng)理論與實(shí)踐. 2015(02)
[10]試論房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的特點(diǎn)與防范[J]. 趙洪燕.  中國(guó)市場(chǎng). 2014(46)



本文編號(hào)：2991135