去杠杆政策下房地产企业的销售分化及其对债务风险的影响_万晓莉
万晓莉,张冰涛,张栋浩.去杠杆政策下房地产企业的销售分化及其对债务风险的影响[J].财贸经济,2023,44(08):56-73.
研究问题
使用双重差分法研究“三道红线”（去杠杆政策）对房企销售的影响及其原因，进而从经营视角解释房企的财务困境
理论机制
“三道红线”根据三个财务指标将房企划分为红、橙、黄、绿四档，并规定每档房企的有息债务增速。 具体来讲，三个财务指标标准为：剔除预收款后的负债率不得超过７0%，净负债率［（有息债务－货币资金）／所有者权益］不得超过100%，现金短期债务比（货币资金／短期有息债务）不得低于1。 达到三个标准的房企为绿档，有息债务规模增速不得超过15%；达到其中两个指标的房企为黄档，有息债务规模增速不得超过10%；仅达到其中一个标准的房企为橙档，有息债务规模增速不得超过5%； 达不到任何一个标准的房企为红档，有息债务规模不得超过往期水平。出台“三道红线”的初衷不是限制住房销售，而是降低大中型房企的债务风险。 因此，该政策对房企销售的影响是一次意外的冲击，具有外生性。 从上述规定来看，红、橙档房企受到的融资限制较大，而黄、绿档房企受到的融资限制较小。 此外，黄、绿档房企对债务融资的需求并不高：2019年黄、绿档房企的有息债务规模增速分别为10.64%、14.14%，恰好在新设定的融资增速上限附近。 因此，本文把黄、绿档房企及其楼盘视为控制组，把红、橙档房企及其楼盘视为实验组。初步来看，“三道红线”政策的确起到了降负债作用，但对不同产权属性房企的影响有明显差异。“三道红线”政策实施后民营、国有房企实验组的有息债务都出现了相对下降，但国有房企实验组的有息债务并没有明显下降，而民营房企实验组的有息债务却出现了明显的下降。 由此可见，“三道红线”对民营房企的融资限制较为严厉，对国有房企的融资限制比较轻微。
中国的期房销售制度允许房企在交付商品房前向客户收取房款，这在会计上被定义为合同负债，而合同负债本质上是一种商业信用。 已有研究表明，在银行信用受限时企业会转向商业信用，商业信用是银行信用的一种替代和补充。 “三道红线”约束了房企的银行信用，但并没有限制其从客户那里获得的商业信用。 可以推测，“三道红线”实施后房企会通过合同负债的形式寻求更多的商业信用。 增加合同负债意味着增加住房预售，因此“三道红线”政策下房企有动力加快出售存货。 然而，销售增长的前提是可售存货的不断供应，而“三道红线”带来的融资约束可能会限制可售存货的供应。 住房开发投资主要包括土地投资和建筑安装投资（建安投资），建安投资又可以分为预售前建安投资和预售后建安投资，前者是商品房上市出售的必要条件。由此可见，增加预售前建安投资是增加可售存货，实现销售增长的必要条件。 在受到轻微融资限制时房企可通过缩减土地投资、预售后建安投资的方式保证预售前建安投资增长和可售存货的供应；然而在受到严厉的融资限制时，即使在缩减这些投资后房企也无法保证预售前建安投资规模，此时可售存货无法得到供应，住房销售也难以实现增长。
此外，“三道红线”对不同产权属性房企的影响可能是明确的。 中国的国有企业面临更少的融资约束，能够获得更多的信贷额度。 可以推测，“三道红线”对国有房企融资的实际影响较小，进而不会限制其预售前建安投资和可售存货的供应；“三道红线”对民营房企融资的实际影响较大，进而会限制其预售前建安投资和可售存货的供应。
“三道红线”的政策初衷是降低房企的债务风险，在政策实施之初大中型房企的财务状况没有恶化，但政策实施后期红、橙档房企更容易陷入财务困境，降低楼盘交付的概率。 因此，在购房者认识到房企的债务风险后，房企的档次划分可能会强化购房者对债务风险的识别，进而抑制购房需求。
企业的销售活动深刻影响着企业的债务风险。 企业的运营效率是指将单位资本转化为收入的能力，运营效率越高，企业的债务风险越低。 房企销售的增长会提高其运营效率，进而降低其债务风险。 更重要的是，房企销售的现金回款率（即单位销售额中的现金占比）一般在90%及以上，房企销售的增长会增加经营现金流，改善速动比率等短期偿债指标，这也会降低企业的债务风险。
主要假设
H1:三道红线”既会增加房企加快销售的动力，又可能限制可售存货的供应，对房企销售的影响取决于房企的融资受限程度。
H2:对于国有房企，“三道红线”会提高其销售额；对于民营房企，“三道红线”会降低其销售额。
H3:在完全控制供应量后“三道红线”仍可能降低房企销售额。
H4:房企销售额的下滑（增长）会提高（缓解）房企的债务风险，房企销售额是“三道红线”影响房企债务风险的一个重要渠道。
实证数据期间与来源
本文的研究对象是中国百强房企及其在中国14个大城市的新建住宅楼盘。 本文用中国百强房企代表大中型房企。中国百强房企名单根据中国指数研究院发布的《2020中国房地产企业销售业绩TOP100》确定。然而，在无法获取房企在各城市市场份额的情况下很难计量各个房企面临的住房金融政策等住房需求因素。 为此，本文又以这些房企在中国14个大城市的新建楼盘为样本。这14 个城市分别为沈阳、天津、青岛、郑州、成都、武汉、长沙、苏州、南京、杭州、合肥、东莞、广州和佛山。 一方面，房企的经营状况可从楼盘的开发、销售状况中窥见一斑；另一方面，位于同一个城市的不同楼盘面对的是相近的住房金融政策等区域性因素，这有利于控制这些区域性因素对住房销售的影响。 楼盘样本选取遵循三个规则：第一，楼盘至少在2020年第二至第四季度有交易数据；第二，楼盘所属房企必须是财务信息可得的中国百强房企；第三，楼盘的主要物业类型必须为普通住宅。 根据上述规则，本文最终得到了1044 个新建楼盘在2019年第三季度至2021年第三季度的非平衡面板数据。 第四，为了尽可能与楼盘样本在时间上相匹配，房企层面数据的样本区间为2019年第三季度至2021 年第四季度。楼盘层面的数据来自中国指数研究院的中国房地产指数系统（CREIS）。除此之外，楼盘每季度的批准上市面积、套数来自各城市房地产管理部门的官方网站，房企的销售数据、财务数据、股票市场数据和信用评级数据来自Wind，房企的债务违约或停工的数据根据新闻报道整理。
结论
“三道红线”既提高了房企加快销售的动力，又限制了供应存货时所需要的资金。 民营房企因受到严厉的融资限制而无法保障存货供应，最终出现了销售下滑；国有房企因受到的实际融资限制较少而能保障存货供应，最终实现了销售增长。此外，在购房者认识到房企的债务风险后，房企的档次也作为一种风险识别信号抑制了购房需求。 房企销售的变化引起了财务状况的变化，民营房企因遭受销售额下滑而陷入财务困境，而国有房企因实现销售增长而避免了债务危机
小结
本文的基本方法为控制个体固定效应和时间固定效应的双重差分法。
在内生性处理与稳健性分析阶段，因为企业的规模、盈利能力、股权特征、经营范围、可抵押资产数量和资产的流动性是影响房企财务杠杆和流动性的重要因素，而房企财务杠杆和流动性是确定本文重要变量的依据，同时这些特征也可能影响房企销售，遗漏这些变量可能会造成内生性。 再者，楼盘的规模、建筑密度、地理位置、所在城市等因素也会影响其销售。所以本文先按照这些特征进行倾向得分匹配，然后再使用DID方法估计模型。
这一点可能可以参考