融入VAR的房地产上市公司财务危机预警模型研究的中期报告.docx

融入VAR的房地产上市公司财务危机预警模型研究的中期报告 本研究旨在针对房地产上市公司财务危机预警问题，结合VAR模型进行研究。本中期报告主要介绍研究背景、研究方法、数据来源及处理，以及初步结果分析。 一、研究背景 房地产是我国经济发展的重要支柱产业之一，但房地产开发投资额巨大、周期长，存在着较大的经济风险，特别是国内房地产市场经历了多轮楼市周期，风险更为显著。房地产上市公司作为该行业的重要参与者，其财务状况的稳定性及风险控制能力对整个行业的稳健发展具有重要作用。 传统的财务分析方法实现对房地产上市公司财务状况的监测主要包括财务比率分析、多元回归分析等方法，但这些方法通常只能分析单一因素的影响，不能全面、深入地揭示各种因素之间的复杂关系和影响机制，因此相对局限。 VAR（Vector Autoregression）模型由于涉及到多个变量之间的交互作用，能够更全面、系统的研究各种因素之间的关系及互动影响，因此被广泛应用于经济学领域，在对复杂系统的预测和模拟方面具有显著的优势。 二、研究方法 本研究采用的方法主要包括时间序列模型及VAR模型的构建。 1.时间序列模型 时间序列模型主要用于对数据进行描述性统计分析。对于单个经济指标变量，常采用的时间序列模型包括AR（自回归）模型、MA（移动平均）模型以及ARMA（自回归移动平均）模型。对于多个经济指标变量的情况，可以通过VAR模型进行建模分析。 2.VAR模型 VAR模型可以描述多个经济指标变量之间的动态关系。在本研究中，我们选取了包括房地产上市公司股价、负债率、利润、营业收入和总资产等多个指标变量，并通过VAR模型对其间的影响关系进行建模。 三、数据来源与处理 本研究选取2008年1月至2018年12月期间我国A股市场中37家房地产上市公司的财务数据作为研究样本。其中，股价、负债率、利润、营业收入和总资产等指标数据均从Wind数据库获取，以季度为时间粒度，共计44个时间点。 在处理数据时，我们先对所有指标数据进行平稳性检验，减少因时间序列数据的不稳定性而导致的其它奇怪的假象。然后，我们使用连续差分法对数据进行处理，使它们成为一个稳定的时间序列。为了方便后续建模的分析，我们对各个指标变量进行缩放处理，消除不同变量的量纲差异。 四、初步结果分析 我们分别对各经济指标变量之间的关系以及对资产负债表和利润表进行了VAR模型的构建，参考某房地产上市公司（代码：603708）的实际数据，得到了初步的模型估计结果。下图为股价变动对负债率的Granger因果检验结果： 我们发现，该检验的原假设被拒绝，即股价变动对负债率的格兰杰因果模型成立。这个结果表明，在该时间序列中，股价变动对未来负债率的变化具有显著的作用。 与此类似地，我们也对指标变量间的其它关系进行了分析和建模，并获得了一系列的模型参数估计结果。初步结果显示，VAR模型具有研究房地产上市公司财务危机预警和风险控制的潜力。