房地产行业作为宏观经济支柱产业,近几年受到宏观政策的猛烈调控,其商品价格发生了剧烈的波动,而房地产上市公司作为整个市场的供给者,其财务状况的好坏,直接决定了房地产市场发展健康与否。因此本文将房地产上市公司作为楼市运行状况的窗口进行研究,通过建立房地产上市公司财务预警模型,对房地产公司的财务状况进行预警,无疑对防范风险,化解潜在债务危机,实体经济去杠杆都有重要的现实指导意义。通过对相关文献研读,学者们对房地产企业构建预警指标体系时,往往没有对房地产企业的经营特性与财务特征进行深入分析,选取的财务与非财务指标不能反映房地产行业特性,在最后实证建模时,预警结果不甚理想。由于房地产企业开发周期长,销售模式主要为预售制度,收入确认与现金流不相匹配,当期营业收入往往反映的是1-2年前的经营成果,当期的销售回款只能计入预收账款中,从而导致会计信息在一定程度上存在滞后性与非真实性。而房企土地储备这一非财务数据,可以有效的衡量企业的规模和实力,如今国家对土地使用的规划和使用情况进行严格的控制,此时土储可以在很大程度上影响未来几年的工程建设情况,房企土地储备越大,未来可开发楼盘就越多,未来业绩也随之增长地更快,拿地面积与金额是房企前瞻性信息中最为领先的指标,最能反映企业未来的营收与利润水平状况。因此本文在构建房地产财务预警指标体系时,充分考虑了上述房地产行业特性,从盈利能力、营运能力、资本结构和偿债能力、成长能力,五个维度对传统财务指标重构,引入“净现金资产收益率”、“真实资产负债率”、“现金总资产周转率”、“现金存货周转率”以及“每股土地储备金额”等财务与非财务指标。力求能够全方面,多角度的反应房地产企业的经营与财务特性,从而大大提升财务预警的精度。在实证模型上,本文与传统预警研究只采用单一模型不同的是,将数据挖掘中的多种组合优化分类器与传统logit模型进行对比,并建立了多维度的评价体系对实证结果进行评价分析,力求构建一个科学合理的预警模型。最终实证结果表明:1.本文构建的具备行业特色的预警指标绝大部分通过了显著性水平检验,而传统财务指标,“现金动比率”,“速动比率”等指标未通过显著性水平检验,说明本文构建的行业特色指标对于区分房地产企业是否陷入财务危机有明显的作用。2.数据挖掘算法无论在训练集还是预测集上的精度都远远超过logit模型,尤其是预测集的精度,不因数据集的划分不同,出现预测精度的大幅度波动,对于财务危机状况的公司,数据挖掘算法的分类精度和稳定性都高于logit模型,通过多维度评价指标的分析,本文最终选取PSO-SVM模型作为房地产上市公司财务预警模型。