兰州交通大学 甘肃省兰州市
[摘要]为了防止房地产泡沫的发生,稳定经济,我国出台了“三道红线”政策。本文选取了80家我国上市房企,采用面板数据回归,分析三道红线具体指标对该政策的影响。分析发现:红线2与股价回报率之间呈显著的负相关关系;红线1和红线3与股价回报率之间的关系并不显著,但三道红线整体的影响是显著的。最后,本文依据结论提出一些建议。
[关键词]三道红线 房地产 多元回归分析 杠杆率
一 引言
在人口基数庞大的中国,不少企业加入了房地产行业,从1998年到2020年,我国的房地产开发投资从3614亿元上升到141443亿元,房屋竣工面积从1.76亿平增加到38.48亿平。
目前房地产行业负债总额极高,在2020年便达到了857043.72亿元,尤其是在2016年到2020年间,几乎每年都增加了100000亿元。一些房地产企业出现负债比例较高,盈利能力下降的问题,或将成为未来我国房地产行业能否健康稳定发展的关键。于是在2020年8月,为了防止出现房地产泡沫,让更多资金能够流入实体经济,央行、银保监会等机构针对房地产企业提出了限制房地产企业负债率三大指标,这三大指标也被称为“三道红线”。若三大指标均未达标,为红色档房企,其有息负债规模不能增加;若两个指标未达标,为橙色档房企,该有息负债规模年增速低于5%;只有一个指标未达标的房企,为黄色档,其有息债务规模年增速低于10%;对于均达标的房企,为绿色档,有息债务规模年增速应低于15%。所以目前房地产企业要想实现长期稳定发展的目标,需要改变融资结构、降低负债率、降低杠杆率。
本文分析融资新规对各大房企的影响,可以为后期国家控制房地产行业负债提供借鉴和参考。
二 三道红线对我国上市房企影响的实证分析
(一)研究变量的选取与定义
1.分析样本的筛选与数据来源
本文选取80家我国上市房企2020年底与2021年上半年的三道红线指标的数据进行实证分析,剔除了数据缺少的房企,以确保数据完整性。其中指标数据、房企类型和所在证交所数据来源于中国房地产数据研究院;股价来源于CSMAR数据库;数据的处理和搜集使用Excel;描述统计和回归分析使用Stata软件。
2. 变量的选取
由于上市公司的股票价格是公司价值的体现,因此本文采用股票价格回报率作为被解释变量。核心解释变量为三道红线指标数据,分别为2020年年末和2021年年中两个时期计算的指标数据。根据既往研究显示房企的所有制性质会影响其土地获取,所以本文选取房企的所有制性质作为控制变量;同时房企在不同证券交易所交易也可能会影响到其股价波动,所以将房企所在证券交易所作为控制变量。
(二)研究假设
三道红线主要与房企负债相关,而企业的财务风险会随着企业的财务杠杆使用而相应增高,当企业的盈利不足以覆盖定期还款时,企业就会资金短缺甚至破产。以此提出假设一:三大指标数值超过标准越多,其股票价格回报率越低。假设二:房地产企业踩线条数与股票价格回报率呈负相关关系。
(三)描述性统计
为了更贴切的分析三道红线政策效应,本文获取的数据为政策实施前后两个时间段,其中三道红线指标数据为2020年底和2021年中期发布的数据;2020年下半年的股票价格回报率由2020年8月3日、2020年12月31日的股价计算得来;2021年上半年股票价格回报率由2020年8月3日、2021年6月30日的股价计算得来。分析结果如表1。
表1 所用数据的描述性统计状况
变量 | 样本量 | 平均值 | 标准差 | 最小值 | 最大值 |
股票回报率 | 160 | -8.049794 | 27.52332 | -78.90682 | 149.4559 |
红线1 | 160 | 0.0263312 | 0.0726374 | -0.183 | 0.19 |
红线2 | 160 | -0.0595438 | 0.6511729 | -1.06 | 3.997 |
红线3 | 160 | 0.4978125 | 0.9686882 | -0.96 | 4.99 |
深圳证券交易所 | 160 | 0.2 | 0.4012559 | 0 | 1 |
香港证券交易所 | 160 | 0.6 | 0.4012559 | 0 | 1 |
国企 | 160 | 0.2125 | 0.4103611 | 0 | 1 |
民企 | 160 | 0.6875 | 0.4649677 | 0 | 1 |
由表1可知,样本股价总体下降,并且两极分化严重,标准差较大说明房企股票回报率波动较大。红线1、红线2和红线3数据是三大指标数据与政策要求的界限之差,量化了房地产企业未达标程度,根据其平均值可以看出房企整体上在第一道红线上未达标程度最大,根据其标准差、最大值和最小值可以看出不同房企在第三道红线上波动最大且差距最大,并且多数为达标房企。
(四)“三道红线”对我国房企股价影响的实证分析
设定三道红线对我国房企股价影响的回归模型如下:
其中,stockreturn代表房企股票回报率,为被解释变量; redline1代表剔除预收款后的资产负债率不超过70%的第一道红线(其数值为指标数据-70%),redline2代表净负债率不超过100%的第二道红线(其数值为指标数据-100%), redline3代表现金短债比不小于1的第三道红线(其数值为指标数据-1),显然上述三个核心解释变量可正可负;zjs代表的是房企所在的证券交易所,本文选取了深圳、上海和香港三地证券所的上市股票;owner代表的是企业所有制,具体回归中采用的相应的虚拟变量;year代表年份,是控制虚拟变量,若分析对象的年份为2021则显示为1,否则为0,以控制不同时期市场整体行情给股票收益率带来的影响;
分别为常数项和误差项。回归结果见表2。
表2 “三道红线”、证券投资所、企业性质影响下的回归模型结果
VARIABLES | stockreturn | stockreturn |
redline1 | -13.01 | -14.09 |
(43.29) | (45.13) | |
redline2 | -6.763* | -4.468 |
(3.567) | (3.926) | |
redline3 | 1.192 | 0.961 |
(2.122) | (1.958) | |
zjs2 | 1.368 | |
(6.087) | ||
zjs3 | 14.14** | |
(6.117) | ||
owner2 | 11.00* | |
(6.187) | ||
owner3 | 3.887 | |
(5.492) | ||
year | 7.016 | 6.954* |
(4.293) | (4.186) | |
Constant | -12.21*** | -25.67*** |
(4.506) | (7.030) | |
Observations | 160 | 160 |
R-squared | 0.055 | 0.115 |
F检验 | F(3,155)=4.15 Prob>F=0.0073 | F(3,151)=2.03 Prob>F=0.1126 |
注:括号内为稳健性标准误,***、**和*分别代表在1%、5%和10%的水平上显著。
由表2可知,redline2在10%的水平上显著,表明净负债率每上升一个单位,在平均意义上使股票回报率下降6.763个单位。则净负债率对股票回报率有较大的负向影响。前三个解释变量的系数符号预期如下,剔除预收款项的资产负债率越高,股票回报率越低;净负债率越高,股票回报率越低;现金短债比越低,股票回报率越高。该结论与假设一符合。且计入zjs和owner这两个控制变量后,三道红线的系数波动较小,比较稳定。
但是红线1和红线3对股票回报率未通过显著性检验。可能是三道红线存在多重共线性,放大了估计系数的标准误,进而导致变量不显著。由表3可知,这三个变量具有较大的相关性,单个变量的不显著,并不表明三道红线对股价没有影响。
表3 “三道红线”相关系数
redline1 | redline2 | redline3 | |
redline1 | 1.0000 | ||
redline2 | 0.5362 | 1.0000 | |
redline3 | -0.1823 | -0.3962 | 1.0000 |
进一步,对三个变量的整体显著性进行F检验,结果表明,在没有引入控制变量时,三道红线整体具有显著性;即使控制变量后,F统计量依然比较显著(p值为0.1126)。总体上看,三道红线指标对股票回报率的影响是存在的。
五 实证结论及建议
(一)实证结论
通过上述分析,可知三道红线所涉及的指标与股票回报率之间的关系,即资产负债率越高,股票回报率越低;净负债率越高,股票回报率越低;现金短债比越低,股票回报率越高。从而三道红线政策较大程度上影响房企的股价波动及股票回报率。
(二)建议
由于三道红线政策对房企影响较大,并且第一道红线和第二道红线与房企股价回报率是呈反向变动的关系,第三道红线与房企股价回报率呈正向变动的关系,所以目前房地产企业应该改善融资结构、提高现金流比例。红档房企需要立即停止增加负债,加快对现有土地的开发和销售,从而通过销售房产来获取资金;橙档房企虽然拥有小程度的有息负债增长空间,但是不能一味的增加有息负债,需要使回款速度大于或等于负债增速;黄档房企最主要的就是改变其融资模式;绿档企业应当设置更有效科学的销售方案,以减短销售周期使资金更快地回笼。所以在三道红线限制下,各大房企要保证自身拥有足够的现金流,以及时还款并确保相关业务的正常运营,尽量避免触碰三道红线,实现持续健康的发展,从而稳定我国的经济发展。