长短期贷款

长短期贷款（共6篇）

长短期贷款 篇1

摘要：互联网时代的到来促进了以分期乐、趣分期等为代表的大学生分期、贷款平台的迅速崛起。其中, 尤以互联网短期贷款在校园市场中的应用最为普遍。受新型消费观念影响, 不少大学生选择借助手续方便、到款快捷的P2P网贷来解决暂时的资金短缺问题, 这在一定程度上满足了他们短期内的消费需求。长远来看, 大学生对互联网短期贷款的认识不充分, 对风险的识别和防范能力较差。因此若互联网分期付款平台出现问题, 将导致大学生个人信息泄漏, 甚至影响到他们的个人征信。基于此, 本文首先对大学生互联网短期贷款的全面风险管理加以概述, 选取武汉市九所高校的学生作为研究对象, 从互联网短期贷款视角出发, 采取问卷调查的方式对武汉市大学生网络借贷平台的使用状况进行定性分析, 并对武汉市大学生互联网短期贷款中存在的风险管理问题做了系统探讨, 以期形成一套集诚信教育、征信体系、金融创新、风险应对为一体的全面风险管理体系。

关键词：互联网短期贷款,全面风险管理,风险识别,风险评估

一、大学生互联网短期贷款全面风险管理概述

全面风险管理理论主要应用于企业经营中, 指的是企业围绕总体经营目标, 通过在企业管理的各个环节和经营过程中执行风险管理的基本流程, 培育良好的风险管理文化, 建立健全全面风险管理体系, 其中包括风险识别、风险评估、风险整合、风险控制、风险监控与反馈等环节。因此, 在应用到大学生互联网短期贷款这一领域中时, 本文也将分别从以上五个环节来构建大学生互联网短期贷款全面风险管理的理论框架。

(一) 大学生互联网短期贷款风险识别

风险识别 (Risk identification) 是发现、承认和描述风险的过程。在此方案中, 风险识别的主体主要是短期贷款平台、大学生个体、政府。客体主要是短期贷款风险识别主体拟要识别的风险类型、受险部位、风险源等。而开展风险识别是进行对风险类型与受险部位以及风险诱因与严重程度的识别。

本研究基于对武汉市大学生短期借贷行为的实证调查和利用专家访谈法收集的数据, 以及对武汉市大学生短期借贷情况进行收集统计, 根据这些统计信息对大学生互联网短期贷款风险进行初步识别。

(二) 大学生互联网短期贷款风险评估

针对大学生互联网短期贷款风险的评估, 应当在其发生贷款行为的初期就开始进行, 另外, 在大学生贷款过程中出现重要转折点 (例如出现费用问题可能导致逾期) 时, 应当再次进行评估。

(三) 大学生互联网短期贷款风险整合

大学生互联网短期贷款的风险整合应当首先就该风险的驱动因素进行分析, 也就是分析导致大学生互联网短期贷款发生风险的可能原因, 并对这些原因进行筛选, 找出真正的风险源, 并以此进行风险整合, 再制定风险应对策略和步骤。本文在对大学生互联网短期贷款风险信息收集基础上进行统计分析, 进而对其风险源进行分析。

(四) 大学生互联网短期贷款风险控制

风险控制的方式主要包括风险回避、风险自留、风险转移、风险抑制。考虑到大学生互联网短期贷款的具体情况, 采取风险回避与风险自留的方式是达不到控制这一风险目标, 因此, 将主要采用风险转移和风险抑制来进行风险控制。

(五) 大学生互联网短期贷款风险控制后的监控与反馈

风险反馈是指对大学生互联网短期贷款风险控制体系建设、实施和运行结果等独立开展的调查、测试、分析和评估等系统性活动。同时根据评估结果和变化因素通过风险控制系统地调整。

二、收据收集

(一) 样本基本特征分析

分别于2015年9月和2016年3月选取武汉市9所高校学生先后两次进行随机问卷调查, 其中, 分别为华中科技大学、湖北大学、武汉工程大学、湖北经济学院、江汉大学、武汉纺织大学、武汉商学院、湖北商贸学院、武汉理工大学华夏学院, 根据这9所高校的人数对照其在总人数中所占比重采取随机发放的形式发放问卷1500份, 回收1433份, 问卷回收率95.5%, 其中有效问卷1365分, 问卷有效率95.28%, 符合统计要求。

1. 性别分布。

在本次回收的有效问卷中, 男性占总体比例的52%, 女性占总体比例的48%, 问卷代表性较强, 具体情况如图1-1所示:

2. 年级分布。

通过对调查学生的年级分布结果得出, 在大学四个年级的分布当中, 调查对象的分布相对均匀。其中有大一新生352人, 大二学生370人, 大三学生303人, 大四毕业生340人, 具体情况如图1-2所示:

3.院系分布。

本次调查收集的院系信息主要以普遍的院系分类标准来对受访者进行分类, 主要分为经管类, 艺术类, 理工类, 以及文史类。

在受访者院系分布的调查中, 理工类的受访者占调查对象的56%, 文史类占18%, 经管类占15%, 艺术类占11%。也正反应了当前武汉的高等院校分布情况, 即主要以理工为主, 其他类型的院系相对较少。在分类过程中, 并没有直接将所有的院校都以理工、文史进行分类, 有一些经管类或是艺术类院校实际上也可以分类为广义的文史类院系。

(二) 调研方式及其作用

基于实际的易操作性, 本文主要采用问卷调研的方式展开。在问卷设计方面以选择题类型为主。为确保调研数据统计的真实可靠, 受访人员需根据实际情况作答。

三、实证分析

(一) 大学生互联网短期贷款风险的影响因素分析

大学生互联网短期贷款风险与其消费水平、消费习惯、生活费来源等多方面因素都有关联, 而这些因素可以具体表现为以下几个方面:

1. 生活费收入。

大学生生活费与其消费水平直接相关, 对于分期类的支付平台而言, 付款者的月平均收入无疑是分期平台最关心的部分之一。因此, 大学生生活费是大学生互联网短期贷款风险的影响因素之一, 本次针对受访大学生生活费的调查情况如图3-1所示:

从图3-1可以看出, 有600名受访者的生活费都在1000到1200的区间, 在所有的调查者当中, 82%的受访者每月的生活费在800至1500之间。说明在校大学生之间的生活费差距并不明显。

2. 大学生生活费来源。

大学生生活费的来源, 可以在一定程度上影响其消费水平以及消费习惯, 并通过这种方式对其互联网贷款风险产生影响。同时, 通过这一指标与其他影响因素的综合比较, 能够获得一些具备不同收入特点的大学生以及他们对于每月的收入怎样进行支配, 对于无力承担的高档商品, 是怎样进行处理。具有不同收入结构的人群是否具有不同的消费习惯。并根据这些特点来对受访大学生进行合理的分类, 本次针对大学生生活费来源的调查情况如图3-2所示:

通过图3-2可以看出, 只由父母提供生活费的受访大学生有1325人, 只通过兼职支持正常生活的受访大学生人数就下降到了40人, 这意味着在样本中主要的经济来源是通过父母的支持。

3. 奖学金获得情况。

通过统计受访大学生在学校的奖学金获得情况, 可以反映出一些受访者的消费习惯。

通过调查可以发现, 有51%的受访大学生是没有获得过奖学金的, 院级类较小的奖学金的比重次之, 为23%, 校级及以上的奖学金获得者则为19%。说明能够获得奖学金的大学生比重并不高, 能够进行日常生活以外的额外消费可能较少。

4. 消费习惯。

大学生消费习惯是其互联网短期贷款风险的主要影响因素之一, 针对此项调查的情况如图3-3所示:

通过图3-3可知, 在校大学生的群体当中, 只有8%的大学生在出现了超前消费, 60%的受访大学生在消费的选择上还是比较谨慎, 不会出现月光或超前消费的现象。

5. 如何承担高端消费品。

高端消费品是大学生进行互联网短期贷款的主要目的之一, 自然也是其风险影响因素之一, 86%的受访者的回答是攒钱购买或者就此放弃购买, 仅有14%的受访者选择了借钱或向父母要钱进行购买。愿意借钱购买的人数比例只有3%。这说明在大学生群体中, 消费意识总体来讲相对保守, 愿意借钱去超前消费的大学生占比较低。

6. 平台使用情况。

大学生互联网短期贷款通常通过互联网信贷平台来进行, 对于互联网信贷平台的使用情况必然是大学生互联网短期贷款风险的重要影响因素之一, 在这一环节中, 采用递进的问卷调查方式, 首先, 针对大学生是否了解互联网贷款平台进行调查, 有76%人表示或多或少都了解过在线的借贷平台。这表明各大网络贷款平台实际上对于在校大学生的宣传力度还是在一定形式上存在的, 并且也有一定的影响力。有55%的受访大学生表示进行过互联网信贷。在此基础上, 针对这55%的进行过互联网信贷的受访大学生信贷还款占生活费比重进行了调查, 结果如图3-4所示:

从图3-4可以看出, 在进行过互联网信贷的751名受访大学生中, 有599人的互联网信贷还款比例在20%以下, 对于日常生活消费影响较小, 互联信贷还款比例在50%以上的有14人, 这一比重已严重的影响了日常生活, 同时也存在较高的信贷风险。整体而言, 当代大学生的互联网短期信贷还款比重尚处在合理范围内, 对于互联网信贷的使用方式趋于理性。

7. 其他指标。

为了使本课题的分析更为科学、严谨, 在以上五个直接相关的影响因素的基础上, 还将性别、年级以及院系也作为影响因素之一, 以此来全面分析大学生互联网短期贷款风险。

(二) 指标选择和模型建立

本文主要目的是为了研究大学生互联网短期贷款的全面风险管理, 基于全面风险管理的基本理论, 通过识别风险源及风险评估, 对风险进行量化。

1. 指标选择。

以大学生在进行互联网信贷之后“还款与否”作为因变量Y, 采取二元Logistic回归模型对数据进行分析, 因变量Y值服从二项分布, 其二项分布的取值为0和1, 对应条件分别为“不使用”和“使用”。

自变量指标选择如下:性别 (x1) , 年级 (x2) , 院系 (x3) , 生活费数额 (x4) , 生活费来源 (x5) , 奖金获得方式 (x6) , 消费习惯类型 (x7) , 如何承担高端商品 (x8) , 还款金额占生活费比重 (x9) 。

2. 建立模型。

建立二元Logistic回归模型如下:

e为常数项;而p是数值必然在0—1之间;β0是与所研究的影响无关的常数项;βk是各指标对应的回归系数。

该模型结合相关统计分析, 可以有效的做到风险源的识别以及风险的量化。

第一, 风险源识别

在此模型的基础上, 将所有自变量输入进SPSS“协变量”框, 因变量为 (是否会如期还款) , 无“分类协变量”, 保存“概率”, “组成员”预测值, cook距离, 标准化残差值, 选项勾选“估计值的相关性”, “Hosmer-Lemeshow拟合度”, 以及exp (B) 的CI值。在变量的排除方面, 选用向后 (条件) , 在模型的运行过程当中, 显著性在0.10以下的变量被选入, 而在0.10以内的变量就会被删除, 采用SPSS对相应步数的检验和删除之后, 能够选择出符合进入该模型的因变量。

这些因变量就是大学生短期贷款风险的风险源, 此过程即为风险源的识别过程。

第二, 风险量化

将符合条件的影响因素输入以上分析模型之后, 计算出P值, 即达到了风险量化的要求, 互联网信贷企业可以根据P值的大小来判断大学生逾期还款的几率, 也体现出了大学生短期互联网贷款风险的大小, 根据行业情况来决定贷款与否或制定相应的借贷利率。

(三) 模型分析

1. 聚类分析。

首先根据消费习惯、消费情况, 以及受访者的私人基本信息将人群进行自动分类, SPSS软件主要提供了K均值聚类以及两步聚类, 因为本次调查涉及的维数多, 无法使用K均值聚类, 所以使用两步聚类对人群进行自动归类。而归类的信息准则方法则是采用施瓦茨贝叶斯准则 (BIC) 。在第一次聚类中, 将样本的所有信息都放入, 进行聚类, 但是最后的聚类效果并不理想, 聚类情况如图3-5所示:

通过对第一次聚类的分析后, 在影响分类最大的因素当中取了前5个:生活费的构成当中是个否有兼职的收入, 学生所在的院系, 受访者消费类型, 生活费来源是否有父母的支持, 以及受访者的性别这些因素。并最终将这些因素再次进行聚类, 得到了聚类效果尚佳的结果, 如图3-6所示:

在第二次聚类后, 对样本的分析得到了三个聚类中心: (0, 3, 1, 1, 1) (0, 4, 2, 1, 0) , (1, 3, 1, 1, 1)

这三个聚类样本中心对应的样本特征分别为:

第一, 没有兼职收入, 理工类学生, 每月生活费有剩余, 并且每月生活费有父母的支持的男性。

第二, 没有兼职收入, 文史类学生, 每月生活费基本“月光”, 并且生活费也是有父母支持的女性。

第三, 有兼职收入, 理工类学生, 每月生活费有剩余, 每月生活费也有父母支持的男性。

对于这样三种分类而言, 该分类中心较有代表性。其中第二类较能代表周围没有兼职收入, 并且也没有生活费结余的女性, 对于每月的收入控制力较差。而第一类和第二类则是很好地代表了较为省钱的男性, 不同点在于是否有兼职的收入。通过对聚类结果的分析, 得出不同类别的消费习惯的受访者基本信息。继而做进一步分析, 这三种不同类型的消费者对于在无法还款的处理方式上是否存在不同, 是否意味着不同消费类型的群体会选择不同的方式来应对无力还款的情况。于是本组又一次对这三类已经分类的人群和对无力还款的处理方式, 进行列联分析, 结果如表3-1所示:

从表3-1和3-2可以看出, 已经进行了分类的不同人群对于无力还款时的处理方式并没有太大的差异, 卡方检验的显著形值为0.674远远高于0.05的拒绝域范围, 所以选择接受卡方检验的原假设, 认为这三类人群对于无法还款的处理方式无差异。因为本次处理的方式采取的是人工对于分类标准进行选取, 换言之, 如果将所有影响无力还款时处理方式的因素都放进聚类模型中进行聚类, 则会大大降低聚类效果。因此, 在聚类后卡方分析的基础上再进行一次logistic回归分析, 回归分析的自变量会将诸多变量都放进模型中, 用以弥补简单聚类分析的不足。

2. Logistic回归分析。

下面对是否会按时还款进行了logistic回归分析, 设定受访者的基本信息 (性别, 年级, 院系) , 以及受访者的消费习惯 (生活费数额, 生活费来源, 奖金获得方式, 消费习惯类型, 承担高端商品的方式) 为自变量, 在无力还款的情况下是否会坚持按时还款, 建立logistic二元回归模型。

在logistic回归分析之前对数据先做了一些处理。在对还款意愿及方式上对数据进行了分两类的处理, 第一类是无论如何都会选择如期还款, 第二类是不会如期还款。

采取二元Logistic回归模型对数据进行分析时, 因变量Y (是否会如期还款) 服从二项分布, 其二项分布的取值为0和1, 分别为不使用和使用, 取自变量为:性别 (x1) , 年级 (x2) , 院系 (x3) , 生活费数额 (x4) , 生活费来源 (x5) , 奖金获得方式 (x6) , 消费习惯类型 (x7) , 如何承担高端商品 (x8) , 还款金额占生活费比重 (x9) , 对应的二元Logistic回归模型为:

e为常数项;而p是数值必然在0—1之间;β0是与所研究的影响无关的常数项;是对应的回归系数。

将所有自变量输入进SPSS“协变量”框, 因变量为 (是否会如期还款) , 无“分类协变量”, 保存“概率”, “组成员”预测值, cook距离, 标准化残差值, 选项勾选“估计值的相关性”, “Hosmer-Lemeshow拟合度”, 以及exp (B) 的CI值。在变量的排除方面, 这里选用向后 (条件) , 在模型的运行过程当中, 显著性在0.10以下的变量被选入, 而在0.10以内的变量就会被删除。进入SPSS经过运行, 经过7步的删除之后, 只剩下了生活费数额 (x4) , 消费习惯类型 (x7) , 还款金额占生活费比重 (x9) 进入了模型。

将全部变量输入进方程, 最终拟合优度伪R方达到了0.44, 说明拟合优度尚佳。

在预测值方面, 模型对可能给不会按时还款人群预测命中率极高, 达到了84.8%, 而对于会按时还款人群的预测准确率就相对较低, 只有71.8%, 而从综合百分比来看, 模型的预测准确度还是达到了71.826%, 可以认为其预测精度良好。在实际操作中, 应首先找准不会按期还款的人群, 模型在此处展现出了较好的预测效果。此外, 在本次实验调查中, 不会按时还款的人群实际占比相当少, 从而在最后计算整体百分比的时候因为实际会按时还款的人群比重过高, 使得对会按时还款的人群预测值权重过高。最终结果依然精度良好。

系数统计表:

系数Wald检验中, 原假设:该元素对因变量没有贡献, 备择假设:该元素对因变量存在贡献Wald统计量大于临界值+1.96, 则拒绝原假设。通过系数统计表, 剔除Wald值小于1.96的变量, 进入最后一步的模型保留了生活费数额 (x4) , 消费习惯 (x7) , 还款比重 (x9) 与常数项, 拟合效果良好。

最终模型方程:

该方程说明, 在对受访者调查的分析中, 有三个变量明显呈现出对因变量产生了影响, 依次是生活费数额, 消费习惯类型, 还款比重。得出以下结论:

第一, 在关于生活费数额的调查问卷选项设计中, 采用了生活费数额逐渐变多的方式。结果表明, 随着生活费数额的增长, 违约的风险呈现降低的趋势。与低收入学生人群相比, 高收入学生人群的违约风险相对较低。

第二, 在关于消费习惯的调查问卷选项设计中, 采用了消费习惯逐渐超前的方式。结果表明, 受访者违约风险随着消费习惯的超前而明显增加。相对而言, 保守消费的学生群体则不易产生违约风险。

第三, 在关于还款比重的调查问卷选项设计中, 采用了每月还款额度占生活费总额比例逐步增加的方式。结果表明, 随着还款额占比的增加, 还款压力也逐渐增大。在模型中也发现, 随着还款额占生活费比重的增加, 受访者违约风险也在逐渐增加。

除此之外, 大学生互联网短期贷款风险的大小也可以通过P值大小来体现, 换言之, P值越大, 说明大学生出现贷款风险的可能性越低。P值越小, 说明出现贷款风险的可能性越高, 这时互联网贷款平台就应采取合理的应对措施。

(四) 调查结论

综上可知, 生活费数额、消费习惯和还款比重是大学生互联网短期贷款风险的主要风险源。大学生通过互联网短期贷款平台获取贷款进行超前消费的行为与其性别、年级、院系、生活费来源等因素没有直接的关联性, 因此, 在进行风险管理的过程中应当着重考虑主要影响因素, 采取合理有效的解决方案。

四、大学生互联网短期贷款全面风险管理解决方案

(一) 建立大学生互联网短期贷款全面风险管理框架

通过完成大学生互联网短信贷款风险信息的收集以及初步识别, 并在探讨出其风险源之后, 就可以进行有效的结合全面风险管理理论来完善大学生互联网短期贷款全面风险管理的框架, 在风险管理各个环节可采取的措施如下:

第一, 在风险识别环节, 政府和相关监管机构应当引导互联网贷款行业构建大学生互联网贷款信息平台, 在保证大学生资信信息安全的情况下, 让互联网贷款平台能够充分了解带大学生的动态状况。同时, 学校也应当与政府和校园卡负责银行进行合作, 将校内学生的日常消费情况、资金奖惩情况以及勤工俭学情况等关乎大学生资金流动的情况搜集起来作为征信系统的数据基础。此外, 校方还可以依据这些信息针对性地开展大学生信用意识培养以及良好消费习惯的培养, 而这对我国信用机制的建立也将起到有利作用。

第二, 在风险评估环节, 有了大学生动态信息的支撑, 风险评估自然水到渠成, 但考虑到大学生是个充满朝气的消费群体, 可能存出现某些突发状况, 比如突然增加恋爱消费, 使得还款能力减弱等等。因此, 针对大学生互联网短期贷款的风险评估应不仅限于贷款前评估, 还应做好贷后评估, 应当在大学生在突发异常消费时, 对其重新进行量化评估, 适时更新该大学生的风险等级, 调整防控方案, 以此来达到风险防控的目的。同时, 还应将重新评估后的结果反馈给学校, 让学校根据实际情况来进行新一轮的具有针对的消费引导性教育。

第三, 在风险整合环节, 虽然本文的统计分析表明生活费的来源或奖金的获得方式与大学生互联网短期贷款风险没有直接关系, 但考虑到大学生可能采取勤工俭学等方式来提升自身的生活消费水平, 因此, 在风险整合环节也应当将这些因素纳入考虑范围, 以充分挖掘可能减小其贷款风险的因素。同时, 高等院校也应当鼓励大学生在不影响正常学业的情况通过正当的勤工俭学、社会兼职等课外实践来提高生活费来源, 以降低大学生可能出现的互联网短期贷款风险。

在风险控制环节, 应当从风险转移与风险控制两个方面入手:风险转移方面, 可以引入担保公司对大学生是否可担保进行条件筛选后对风险进行平摊, 在审核大学生使用互联网短期贷款的资格上再设置一道关卡。在大学生使用互联网短期贷款时, 加入是否购买信用衍生产品或是否需担保公司担保的选项, 一方面大学生要考虑是否能够承担多一笔费用来转移风险, 另一方面在担保公司以及互联网短期贷款平台双方面的审核标准下, 减少违约风险发生的几率。针对这一情况, 我们特意追加了问题“是否愿意选择担保品或少量保险费的方式, 以应对日后无力还款的情况”。

从调查结果来看, 有68%的人愿意为转移风险而承担一定的担保费, 说明这一方案有一定的接受基础, 风险控制中缴纳额外担保费以转移风险的方式可以实行。

风险抑制方面, 应当由专门的信用评估机构将大学生纳入个人征信系统的范畴, 运用一定的评级方法, 对大学生按时、足额履行相关合同的能力和意愿进行综合评价, 并用简单的评级符号表示信用风险的相对大小。力求在建立征信系统以后, 可供平台对学生做出更有利于平台自身的信用评级, 决定其贷款额度以及利率的同时, 加强大学生信用意识, 积极促进个人征信体系建设。针对这一环节, 我们也进行了追加调查。

从调查结果来看, 结果几乎与“额外承担保险来转移风险”的调查相似, 说明当代大学生对于征信系统的建设有一定的认识并且愿意为该系统的建设贡献自身力量, 同时也说明当代大学生对自身消费观念、消费方式具备一定的理性。因此, 建立大学生个人征信系统也具备一定的可行性。

第四, 在风险监控与反馈环节, 应当不定期对大学生短期贷款全面风险管理框架进行优化, 以保证在与外缘环境的相互影响下, 当风险识别发生变化时, 整套全面风险管理系统对风险的管理能够进入更微观更细致的层面, 不断提高风险评估的准确性, 使评估的风险不断接近真实水平, 达到风险管理的效果。

(二) 大学生互联网短期贷款全面风险管理框架图

经以上步骤后, 建立大学生互联网短期贷款全面风险管理框架图如图4-1所示:

(三) 理论框架与量化模型的实际应用与可行性描述

在本课题中, 考虑到数据的收集是以横向收集为主, 因此, 此调查结论是面向该行业所得到的结论。在进行大学生互联网短期贷款全面风险管理的实际应用过程中, 在评估某个大学生的互联网短期贷款风险时, 应当根据时间线对各影响因素的数值进行纵向收集, 以此来量化该大学生的互联网短期贷款风险。

以面向大学生群体, 横向数据收集来评估整体风险, 以面向大学生个人, 纵向数据收集来评估个人风险, 如此既能够根据整体风险来制定个人风险等级及其对应的贷款利率和贷款额度, 也能根据整体风险量化数值的变化来及时的调整相对应的风险管理方案, 从而达到优化大学生互联网短期贷款全面风险管理框架的目的。同时, 当代大学生既愿意在进行互联网短期贷款中承担额外保费以转移风险, 也愿意在大学时期提前加入个人征信系统。在政府、高等院校、相关机构以及大学生共同参与下, 有了数据收集基础, 再依照理论框架与量化模型, 能够较好的评价大学生互联网短期信贷中个人乃至整个市场的风险。也就是说本课题中所制定的大学生互联网短期贷款全面风险管理理论框架与量化模型具备对大学生互联网短期贷款实施全面风险管理的可行性。

参考文献

[1]蔡昌达.互联网金融背景下的商业银行业务模式的创新——以高校学生贷款为例[J].金融理论与实践, 2015, (08) .

[2]赵立.互联网信贷对大学生消费行为的影响[J].现代经济信息, 2015, (12) .

[3]邓秀焕.大学生信贷消费市场前景分析[J].现代商业, 2015, (06) .

[4]金露露, 李游.互联网金融背景下大学生分期购物平台风险研究[J].淮南师范学院学报, 2015, (09) .

[5]逄明亮.我国P2P网络贷款平台全面风险管理体系构建研究[D].山东大学, 2015.

[6]李海鸥.论构建P2P网络借贷的全面风险管理体系[J].中国商贸, 2015, (18) .

[7]季振华, 郑依晴.大学生P2P网络借贷风险研究及其管理对策[J].现代经济信息, 2015, (03) .

长短期贷款 篇2

1、企业概况：法人情况、开业时间、企业形式、隶属关系、经营范围、主要分支机构、经营方式等；

2、经营及财务状况：近两年产值、损益状况，同业排位情况，资产、负债状况及需说明的主要问题；

3、施工业绩：近三年已完工、正在施工和将要开工的主要工程项目名称、建筑面积等情况；

4、资金需求：向银行借款的原因、用途、金额和期限；

5、借款方式和还款来源：借款拟采取的方式（保证贷款、抵押贷款或质押贷款），还款计划及资金来源。

（二）工商行政管理部门核发的营业执照副本及复印件，税务管理机关核发的税务登记副本及复印件；

（三）财政部门或会计师事务所核准的借款前一年度的财务报告、借款前一个季度的财务报表；

（四）施工企业施工资质等级证书复印件，对外承包工程企业的批准文件；

（五）与项目业主签订的主要工程合同及复印件；

（六）采用抵（质）押方式贷款的，需提供抵（质）押物清单和产权证明文件，有处分权人同意抵（质）押的证明文件；

长短期带薪缺勤的会计处理剖析 篇3

《劳动法》规定,在法定假日和带薪年休假日,用人单位应当依法支付工资。新修订的《企业会计准则第9号 ——职工薪酬》(新CAS9)中也作出了相应的界定,带薪缺勤是指企业支付工资或者提供补偿的职工缺勤。

职工提供服务而增加了未来享有的带薪缺勤的权利,相应地形成了企业的一项义务,根据履行义务期限的长短,可以将带薪缺勤分为短期带薪缺勤和长期带薪缺勤。

对于短期缺勤的界定,新CAS9规定:带薪缺勤分为累积带薪缺勤和非累积带薪缺勤。累积带薪缺勤,是指带薪缺勤权利可以结转下期的带薪缺勤,本期尚未用完的带薪缺勤权利可以在未来期间使用,如常见的年休假。非累积带薪缺勤,是指带薪缺勤权利不能结转下期的带薪缺勤,本期尚未使用完的带薪缺勤权利将予以取消,并且职工离开企业时也无权获得现金支付,如婚假、产假、丧假等。

对于长期带薪缺勤,新CAS9中并未作过多涉及,只是将其归属于其他长期职工福利,在实务中比较常见的是企业职工的内退。

二、短期带薪缺勤的会计处理

(一)非累积带薪缺勤的会计处理

新CAS9中规定:企业应当在职工实际发生缺勤的会计期间确认与非累积带薪缺勤相关的职工薪酬。

一般企业对于非累积带薪缺勤不实行货币补偿制度,但也不排除一些比较人性化的企业给予一定的货币补偿。下面分别讨论这两种情况:

1. 对于非累积带薪缺勤未实行货币补偿制度。因为不实行货币补偿制度,那么职工所提供服务期间的未休假权利并不会额外形成企业的负债,所以这种情况一般不另做会计处理,而是在缺勤期间计提应付职工薪酬时一并处理,因此期末也不会作为一项负债挂账。

例1:富腾实业有限公司2014年2月一名财务主管应休7天婚假,但实际只休了5天,他的平均月工资为8 700元。同月,细纱生产车间一名女工应休10天病假并已休完,她的平均月工资为3 480元。该企业对员工未行使的非累积带薪缺勤不给予任何补偿。

那么该公司账务处理如下:

当月计提工资时:

实际发放工资时:

2. 对于非累积带薪缺勤实行货币补偿制度。

例2:承接例1资料,月末核算工资时,企业对员工未行使的带薪缺勤权利给予补偿,企业规定按应休却未休天数内正常工资的1倍支付。

对于平均日工资的计算,根据《企业职工带薪年休假实施办法》规定,职工的月薪天数为(365-104)÷12=21.75 (天)。那么,财务主管的平均日工资=8 700÷21.75=400 (元)。

当月计提工资分录与例1相同,对于财务主管应休却未休的权利导致的福利补偿形成了企业未来额外的一项负债,所以应补提费用:

故该月财务主管实际工资 =8 700+800=9 500 (元)

那么,实际发放工资时:

对于以上两种非累积带薪缺勤,在正常的工资处理上是相同的,所不同的地方在于,如果企业对于职工未行使权利给予货币补偿时就会相应地形成企业的一项负债,那么就要进行另外的会计核算。

(二)累积带薪缺勤的会计处理

新CAS9规定:企业应当在职工提供服务从而增加了其未来享有的带薪缺勤权利时,确认与累积带薪缺勤有关的职工薪酬,并以累积未行使权利而增加的预期支付金额计量。

实务中,累积带薪缺勤也可分为两类,一类是员工离开公司时,对员工应休却未休的累积带薪缺勤给予现金支付;另一类是不给予现金支付。

1. 对未使用带薪休假权利给予现金支付。《职工带薪年休假条例》规定,单位确因工作需要不能安排职工休年休假的,经职工本人同意,可以不安排职工休年休假。对职工应休未休的年假天数,单位应当按照该职工日工资收入的300%支付年休假工资报酬,其中包含用人单位支付正常工作期间的工资收入。

据此,企业对于职工应休却未休的年休假必须给予一定的货币补偿。

例3:富腾实业有限公司对于员工的年休假实行累积带薪缺勤制度,该制度规定未使用的年假只能向后结转一个年度,超过1年未使用则权利作废,职工离开企业可获得现金支付。其销售经理及车间主任每年均可享受12天年假,其中销售经理的月工资为1 0875元,平均日工资为500元;车间主任的月工资为6 525元,平均日工资为300元。假定销售经理在2014年末仍有2天未休年假,车间主任已休满。按照权责发生制,并且结合企业按月发放工资的实际情况,累积未休年假应按月予以确认。另外, 我们还需要考虑职工在之后期间休假所涉及的之前未休假权利与当期休假权利的使用顺序问题,实务中一般采用后进先出和先进先出两种处理方法。

下面对实务中所采取的两种不同的处理方法进行比较分析:

(1)采用后进先出的处理方法。假定2013年1月,销售经理没有休假,车间主任休了1天假,则公司应做如下会计处理:

销售经理未使用的1月份的休假权利作为企业的一项负债予以反映。

假定2013年2月,销售经理休了1天假,车间主任没有休假,因为采用的是后进先出法,那么销售经理休的是2月份的假,故当月只需对车间主任的累积带薪缺勤权利做另外的会计处理。

公司的账务处理如下:

假定2013年3月,销售经理休了2天假,那么销售经理目前为止的应休年假已休满,车间主任休了1天假,由于采用后进先出法,故车间主任休的是3月份的应休年假。那么应该做如下会计处理:

首先,做正常的工资处理:

然后,对销售经理使用了1月份未使用的权利予以冲回:

2014年末,销售经理仍存在2天未休年假,而车间主任的年假都已经休满,故公司以现金支付未使用的带薪休假,并做如下会计处理:

因为以其平均日工资3倍进行计价支付,那么应补提费用,做如下会计处理:

实际支付工资时:

( 2 )采用先进先出的处理方法。 2013年1月份的会计处理与后进先出法下相同。

2013年2月份会计处理有所变动,由于采用的是先进先出法,那么销售经理应行使1月份未行使的休假权利, 其2月份的休假权利照提:

对销售经理使用的1月份未休假权利予以冲销:

此时,销售经理和车间主任2月份未行使的休假权利一并作为负债处理,确认为公司待履行的义务。

2013年3月份的会计处理也有所变动,因为车间主任所休的1天假是2月份未行使的休假权利,所以这个月的休假权利会形成一项负债,故应计提费用:

对销售经理行使的2月份未行使权利和车间主任行使的2月份未行使权利应做冲回处理:

2014年末会计处理与后进先出法下相同。

对于以上这两种处理方法进行比较分析可知,撇开每年的会计处理差异不谈,而只是考虑整个经济事项,那么不妨对两种方法的会计分录进行合并,最后可以得到相同的结果。所以对于整个经济事项的核算,并没有因为这两种处理方法的不同而形成根本性的差异,但是由于薪酬是按月处理,那么必然在每月的核算上会有所不同。 如2013年3月份的会计处理,采用后进先出法更为简单, 对于销售经理和车间主任已使用的3月份的休假权利无需再确认,对于车间主任2月份未使用的休假权利无需作冲回处理。所以,笔者认为采用后进先出的处理方法更好。

2. 对未使用带薪休假权利不给予现金支付。在实务中,有一些企业允许当年未休的探亲假累积转入次年休, 但是并不会进行货币补偿,那么职工未行使的带薪缺勤权利并不会形成企业的额外负债,所以其会计处理类似于不实行货币补偿制度的非累积带薪缺勤的会计处理, 所不同的是需要人事部门记录相应的累积未休假天数。

三、长期带薪缺勤的会计处理

1. 长期带薪缺勤的核算方法。对于长期带薪缺勤,新CAS9中将其归属于其他长期职工福利,对此符合设定提存计划条件的,应当根据准则中第十二条有关规定进行处理。除此以外,企业应当使用准则关于设定受益计划的有关规定,确认和计量其他长期职工福利净负债或净资产。

在现实经济生活中,比较常见的长期带薪缺勤为企业员工的内退以及因公长期休病假等,由于是一年以上到期则应列为长期负债,并进行现值精算。诚然,采用设定受益计划更合理、更有助于完善职工薪酬的整个核算体系,但是对于长期带薪缺勤,其所跨年度区间并不是很大(相关法律规定,距法定退休年龄不足5年,本人申请企业批准,可办理企业内部退养手续)。那么其支出受那些不确定未来变量的影响并不是很大,故笔者认为对于长期带薪缺勤的核算应采用设定提存计划,更容易计算其价值,将全部应缴存金额折现后计量应付职工薪酬。在内退计划符合会计准则规定的确认条件时,按照内退规定, 将自职工停止服务日至正常退休期间,企业拟支付的内退人员工资和社会保险费等确认为预计负债,折现后计入当期管理费用,同时在每期期末,确认利息费用计入当期损益。

对于折现问题,新CAS9规定折现时所采用的折现率应当根据资产负债表日与设定受益计划义务期限和币种相匹配的国债或活跃市场上的高质量公司债券的市场收益率确定。

2. 长期带薪缺勤具体会计处理举例分析。相关法律规定,内退期间由企业逐月为其发放生活费,缴纳各项社会保险费。生活费标准根据企业支付能力由企业与内退人员协商确定,但最低不得低于当地下岗职工第一年的生活费标准,即当地失业保险金标准的120%。

例4:富腾实业有限公司董事长秘书李三,其年薪平均为100万元,在2013年末向企业申请内退并得到批准, 距其法定退休年龄还有5年,内退期间公司每年向其支付12万元并按月发放,其中包含了各项社会保险金。

(1)批准内退申请时。折现率的确定:根据新CAS9的规定,本例拟选取期限为五年左右的国债平均市场收益率作为折现率,经数据处理,计算结果为4.57%。将每年的支付金额以4.57%折现,现值(PV)=12×P/A(4.57%,5)= 12×4.38=52.56(万元),并以现值计入管理费用。

会计处理如下:

(2)长期带薪缺勤摊销。每期支付工资时,应采用实际利率法对长期带薪缺勤进行摊销(见下表)。

单位:元

2014年按月分发内退员工工资及福利,对于利息费用按月确认,此时货币时间价值影响不大,故在上表按年折现的基础上采用直线法摊销。那么2014年每月应承担利息费用为2 001.66元(24 019.92÷12)。

2014年1月末做如下会计处理:

同时,确认利息费用:

以后各会计期间处理同上。

在现实经济生活中,大多数企业会选择在每月发放内退员工工资时才确认相关费用,这样在申请内退的当期期末就会少估相关的费用和负债,这不符合权责发生制的要求,因为在内退申请被批准时已经形成了一项负债,而采用实际利率法来处理长期带薪缺勤能更真实反映这一经济事项。

四、结论

综合前文的分析,得出以下结论:

第一,不实行货币补偿的非累积短期带薪缺勤,不另做会计处理,应与计提职工薪酬一并处理。

第二,实行货币补偿的非累积短期带薪缺勤,除做正常的工资处理之外,还要对所补偿金额做相应的费用补提处理。

第三,给予现金支付的累积短期带薪缺勤,应当在职工因提供劳务而增加其未来享有的带薪缺勤权利时,以预期支付金额计量确认有关累积带薪缺勤的职工薪酬, 并且在实务处理中采取后进先出法核算更为合理。

第四,不给予现金支付的累积短期带薪缺勤,其处理方法应与不实行货币补偿的非累积短期带薪缺勤的处理方法相同,只需要做正常的工资核算处理。

第五,长期带薪缺勤的会计处理,应按设定提存计划,基于时间价值原理,采用实际利率法进行核算。

摘要：我国企业对年休假、病假、短期伤残等的会计核算并不是很规范,这样会影响相关的会计信息质量。对此,新修订的《企业会计准则第9号——职工薪酬》作出了一定的整合与充实。本文拟结合案例对实务中长短期带薪缺勤的会计处理进行分析,以供实务界参考。

关键词：短期带薪缺勤,长期带薪缺勤,累积,非累积,会计处理

参考文献

财政部.关于印发修订《会计准则第9号——职工薪酬》的通知.财会[2014]8号,2014-01-27.

财政部.《企业会计准则第9号——职工薪酬》.财会[2014]8号,2014-01-27.

财政部.企业会计准则2006[M].北京:经济科学出版社,2006.

长短期贷款 篇4

合理选择筹资渠道与方式, 优化筹资结构, 及时安排满足企业资金需求, 降低资金成本和筹资风险, 合理投资、提高效益一直是现代企业财务管理理论与实践的主流研究问题之一, 其中围绕对企业具有重要影响的最佳筹资结构问题研究则是该主流研究的核心。在筹资结构的研究中, 按研究侧重点的不同, 又可大致将筹资结构分为筹资期限结构和筹资来源中债务、股权和其他证券比例的结构——即通常所指“资本结构”两大主要类别。在各企业和财务经济学界研究中, 如何确定最低资本成本以及企业价值最大的筹资资本结构一直是最受关注的问题, 而最佳资本结构的选择与分析研究在筹资结构研究中一直经久不衰, 虽然筹资的资本结构与筹资期限结构密切相关, 但对其期限结构的研究则不如资本结构充分。

对筹资的资本结构, 以放宽MM理论的假设条件为切入点, 现代资本结构理论基本上可以划分为四大主流理论:动态平衡理论、择时理论、融资优序理论和惰性理论。动态平衡理论 (Flannery, Rangan, 2006;Lemmon, 2008) 认为企业存在目标资本结构, 但并不是在所有时期都处于最优的资本结构, 而是通过权衡调整成本与收益来作出资本结构调整决策, 作为一个动态过程来实现逐步优化的目的。择时理论、融资优序理论和惰性理论均表示企业不存在目标资本结构, 且企业资本结构调整的驱动力并不是目标资本结构, 而是由其他因素决定。

对筹资期限结构, 研究证明多数公司遵循期限匹配原则, 主要有保守的筹资期限结构、适中的筹资期限结构、激进的筹资期限结构等三类期限结构匹配 (乔纳森·伯克, 彼得·德马佐, 公司理财, 2009) , 显然都是从企业管理当局财务行为心理学角度所进行的分析研究, 认为相关期限结构的配置是企业管理当局对风险承担和收益进行权衡的结果。

比较两类结构研究, 显然最优资本结构的研究更充分, 经历从完美资本市场假设的静态研究到动态的动态平衡理论等一系列研究, 而期限结构的研究则较多停留在静态的长短期资金来源与去向之间期限配置上, 对于长短期资金在经营过程中相互内含、相互转化融合的辩证研究则更少。

笔者曾从辩证思路角度, 对资金流动性与长期性的相互内含、相互转化融合进行了初步辩证分析和应用的举例研究, 但对各类常见长、短期债务筹资中如何相互内含、相互转化并未进行具体解析研究, 本文将对常见的几类债务各自内含的辩证对立统一的期限因素转化融合进行分析, 以进一步完善筹资期限结构动态转化内容, 为实践中理财管理提供有益的辩证参考思路。

二、筹资期限结构动态转化原理

企业资金在不断运动的过程中, 体现为资产、负债等各要素及其内部长短期因素相互内含、相互转化融合, 其长期资金内含的“流动性因素”或短期资金内含的“长期性因素”, 即筹资期限结构动态转化。在企业实际经营环境中, 长、短期资产与负债是动态相互内含转化的。长期资产会随着时间的推移在使用中逐步转化为短期流动资产;与此相同, 长期负债也会随着时间的推移而转变成短期流动负债, 需以流动资产或举借新债来偿还。相反, 短期资产和短期负债也类似地内含着向长期转化的因素。

企业可用短期债务、长期债务、或无限期的权益筹资等方式筹集资金, 不同期限结构的资金对企业筹资风险的影响也有所不同, 长短不同的资金安排因其风险不同理应与资本成本有所差异。因此在对筹资结构选择时, 需要辩证地从动态发展变化角度、从较长时段的全期限, 通盘考虑研究债务期限结构的动态变化性、短期内含的长期因素和长期内含的短期因素, 据以安排适合企业需要的筹资期限结构和资本结构, 为合理安排筹措资金理财管理设计可操作方案。

三、债务筹资长短期因素相互转化分析

作为企业主要筹资方式之一, 债务筹资的分类一般主要有银行的长期和短期借款、融资租赁、发行企业债券、商业信用等。债务筹资各方式中内含着长、短期因素, 其内部长、短期因素的相互转化、相互作用, 为企业投资的融资理财提供运作空间, 以下对常见的债务融资中长短期因素转化融合进行分类论述。

(一) 银行贷款内含长短期因素相互转化分析

在债务筹资方式中, 银行借款是企业最常见的筹资方式之一。各银行存、贷款利率一般都随期限的长短而有所不同的。利率随着贷款期限的变长而提高, 短期贷款利率低于长期贷款利率, 也即一般情况下, 贷款期限越长利率越高。

但也应该看到, 人为划分的长、短期贷款期限, 其实并没有明显的界限, 所有任何期限的贷款都将随着时间的推移, 到期期限逐渐变短, 并不断地重新变成新的各类期限的贷款, 即银行贷款随时间推移, 将不断的依据合同规定的转化条件向其内含的短期因素转化, 而短期又往往内含着长期因素, 贷款到期后因续贷等而由短期债务转化为长期债务。例如企业的一项长期贷款随着时间的推移, 其到期期限逐渐变短, 最后直至到期。在这个时间的推移过程中, 贷款到期期限逐步缩短, 显然其中内含着很多将来要转化出来的、不同更短期限的“新贷款”, 到期后这些贷款可能又通过续贷 (借新还旧) 等方式而转化成新的长期贷款, 以致循环往复。而这种长、短期因素的转化融合又因银行借款合同内容而各不相同, 比如一次借入本金, 在若干期内分期等额偿还本息的借款合同则复杂得多, 根据“一价定律”可以看做是由若干到期期限由短到长的零息借款合同复制组成, 其内含的长、短期因素相互转化则更为丰富。

显然, 在相互转化过程中, 随着期限的长短变化, 在理论上利率往往应该是随期限变短越来越低、或由短变长的一次性升高;在实践中, 利率变化具有相同的变化趋势, 但该变化趋势不是连续平滑的曲线, 而是在某期限段内利率保持不变, 其利率曲线是呈阶段性阶梯状变化的。实践中, 企业与金融机构往往签订的是固定利率借款合同, 或以合同期限为依据的浮动利率借款合同, 当长期贷款到期期限由较高利率阶段进入到较低利率阶段时, 利率并未随期限的变短而降低。因此在当前资本市场资金紧张环境下, 企业实际融资理财管理中可利用银行贷款内部长短期因素的相互转化、相互融合带来的利率成本变化, 预先做好筹划方案, 阶段性的借入新贷款替代归还原期限较长贷款, 以降低利率成本, 进行理财管理设计, 在设计上既有时间上的可操作性, 也有降低成本空间的可能性和必要性。

(二) 融资租赁内含长短期因素相互转化分析

融资租赁与银行贷款相较, 虽然表面上银行贷款的对象是资金, 而融资租赁的对象是设备 (即固定资产) , 且租赁合同为不可撤销合同, 但其本质都是融资行为。融资租赁期限随着时间的推移而逐渐缩短直至到期, 其租赁的利率由于计算方法不同而不同, 但总体来说, 租赁期限越长, 利率越高, 经营成本越高, 且一般租赁期内各期租赁费用也比较固定。

与银行借款相似, 也可以将长期融资租赁每期租赁费, 看成若干个期限由短到长、且依次连续排列的“单个融资借款合同”的“融资租赁组合合同”复制而成。正如前述银行借款利率市场所示, 在资本市场上一般短期融资成本比长期融资成本低, 并随期限的增加而提高。一方面, “融资租赁组合合同”中的“单个融资借款合同”利率理应随期限不同而不同, 短期的融资借款合同利率应较低并随期限的增长而上升;另一方面, 众多“单个融资借款合同”都将随着时间推移, 由长期向短期转化。

显然其特定时点内含的长、短期因素差异以及前述所论及内含的长、短期因素相互转化的动态变化, 为企业日常资金运作筹集及降低成本提供了操作理财的空间。因而, 当企业采用长期融资租赁筹资时, 应在企业资本预算阶段和融资租赁谈判阶段, 就预先统筹安排后期短期融资规划设计, 对不同期限的“单个融资借款合同”进行合理替代规划, 利用短期融资成本比长期融资租赁成本一般较低的市场“利率期限结构”规律设计全程的理财方案, 以降低资本成本。

(三) 企业债券内含长短期因素相互转化分析

发行企业债券也是优质企业比较常见的债务筹资方式之一。企业发行长期债券将随着时间的推移会变成短期债券, 短期债券随着时间推移直至到期。影响债券发行利率高低的因素很多, 期限是其主要因素之一, 利率随着期限变化而不同, 在没有特别利益条款下, 一般期限越长利率越高。企业发行债券从资本市场获得借款, 通常采用“到期归还”, 或“待有能力在市场上回购债券”两种方式了结债务。

以发行债券的方式取得的筹资, 到期归还了结债务的内含长短期因素转化分析类似银行借款, 在此不再赘述。而以发行债券的方式取得筹资, 待有能力偿还价款时收回债券而结清债务的方式即债券的回购, 由于债券发行期限、回购时间点的不同, 回购成本也有很大的不同, 在回购方式中由于回购的自由性, 债券的长、期短期因素及其相互转化的特征则更为明显。回购期限较长的债券即便在到期前不回购也总是自然地逐渐转化为较短的回购期限;而实际回购时点和期限长、短的灵活安排, 将导致长短期因素相互转化的瞬间完成。

债券回购操作在时间选择上的自由性, 为企业理财筹资提供了更灵活而广阔的空间, 企业可根据自身资金供给情况合理选择转化时点和方案。就特定企业债券而言, 债券期限越长票面利率也越高, 企业确定回购时点越早、回购期限越长利率虽高但回购价格可能也越低, 在有闲余资金时可择机回购, 或通过选择其他成本更低的筹资方式予以回购替代, 从而减少现金流出和降低资金成本;若回购时点离到期时点较近, 因债券承担利率固定, 则筹资成本较高, 需比较利用资金的投资回报与票面固定利率之间的差异以权衡是否有利。同时, 在企业实践中, 较常见的长变短债券理财操作是根据市场利率变化, 在市场利率上升, 市场上交易的企业债券价格下降时, 利用闲余资金低价回购企业发行债券, 以有效降低资金流出和资金成本。

(四) 商业信用等短期债务内含长短期因素相互转化分析

企业商业信用等形式的短期债务较多, 具体形式一般包括应付账款、应付票据、预收账款、应付职工薪酬等一年以内到期的短期负债, 这些负债一般不承担利息成本或较低 (如带息的商业汇票、但一般利率较低) 。

这些以商业信用为主的短期债务, 其内含的“自然”长期因素则最为常见, 稳定长期存在的应付债款、应付票据、预收账款以及应付职工薪酬, 在形式上虽是短期债务, 但客观上是供应商和企业职工等利益相关者, 不断为企业提供的、多个连续的短期信用连接而成的长期信用, 实质上形成了企业一项长期资金占用来源。分析此过程, 其实也是债务由长到短不断终结并重新产生的过程, 即短期债务向更短期限转化、到期, 同时又不断生成新商业信用期限的短期债务的过程。短期信用债务资金因其内含的长期性因素, 在特定情况下往往因供应商等资金提供者停止提供商业信用, 导致企业需筹集长期资金补充而转化成长期资金, 或因供需市场变化而导致预收款销售方式转化为应收账款, 导致新的长期资金需求, 即短期因素转化为长期因素。

在企业理财管理中, 企业占用利益相关者低成本商业信用资金显然是一种良好的理财方式, 但也应该看到其短期因素中的流动性风险, 那么如何维护好低成本商业信用资金的获取使用问题就值得经营者给予重视, 要求企业搞好自身经营、提高自身信用, 维护好企业的信用形象, 确保持续不断的获得该部分长期稳定的低成本资金。

短期资金的资本成本较低, 其中也内含着向长期转化的趋势, 从短期债务成本低于长期债务成本的角度看, 应该尽量推迟短期债务向长期债务转化的时间, 比如企业购建固定资产过程中, 购买材料、物资、设备及产生的各项费用都应尽可能采用流动负债形式形成, 同时配备有效的长期融资 (比如已经签署的长期借款合同, 有灵活的分期提款期限) 方案, 在流动负债积累到一定数额时, 执行借款合同提取款项用以归还流动负债, 则可节约大量资金成本。

在市场竞争异常激烈的今天, 任何一个细节都有可能会成为企业胜负的决定因素, 研究企业各类债务筹资中长、短期因素的相互转化、相互融合的过程, 客观认识企业债务筹资的现状与问题, 辩证的深入分析长、短期债务向对立面的短、长期限转化趋势, 设计动态相互转化融合的理财方案, 使企业举债和偿债得到适度控制, 以此优化债务筹资的内部结构, 降低企业资金成本, 减轻企业财务负担, 从而一定程度上提高企业收益率, 促进企业良性发展。

四、债务筹资长短期因素在实际理财管理中的应用

根据筹资期限结构的动态转化分析, 长期债务随着时间的推移, 到期期限将不断缩短, 在未来的不同时点将转化成不同期限的债务筹资。在有摩擦的资本市场中, 在不考虑其他因素的条件下, 若债务筹资额一定, 短期债务筹资利率一般与长期债务筹资利率是不同的, 很多情况下往往远远小于长期债务筹资利率, 且呈阶梯状曲线上升。下面以企业银行长期贷款融资为例, 运用筹资期限结构动态转化中长、短期因素转化理论为指导, 利用不同期限银行借款利率之间的差额, 通过合理设计筹划理财方案以节省财务费用, 降低资本成本, 探讨其在企业理财管理中降低利息支出的效果。

企业取得银行长期债务筹资, 一般利率较高, 随着时间的推移, 债务期限缩短, 但一般借款利息依然按照原期限债务利率支付, 显然该缩短期限的债务, 应该适用稍低的利息支付率。如果企业经营状况良好, 预计未来现金回流能力较好, 当前能够融到资金以偿还期限已经较短但年利息支付率较高贷款的情况下, 企业可以另借入到期期限相同的借款来偿还原债务, 从而降低利率减少利息支出, 降低资本成本。

企业不仅应静态地关注经营资金的长短期搭配, 也应从企业可预见的战略经营期限层面, 关注长期资金内含的流动性、短期资金内含的长期性以及资金长短期因素的相互转化、相互融合性。以债务筹资来讲, 通过全期限的考虑各类长、短期债务的期限结构因素及其转化融合特点, 结合企业实际经营情况, 进而设计合理的筹资理财方案, 预期能够在很大程度上获得资本成本降低的良好效果。值得注意的是, 在进行理财设计时需要考虑影响转化融合的一些具体关键因素, 以确定长短期因素相互转化的可行性。

参考文献

[1]Franco Modigliani and Merton Miller.The Cost of Capital, Corporation Finance and the Theroy of Investment[J].American Economic Review, 48, (3) :261-297.

[2]Mark J.Flannery, Kasturi P.Rangan.Partial Adjustment toward Target Capital Structures[J].Journal of Financial Economics, 2006 (3) .

[3]Lemmon M., Roberts M., Zender J.Back to the Beginning:Persistence and the Cross-section of Corporate Capital Structure[J].Journal of Finance, 2008 (4) .

[4]W.Beranek, C.Cornwell, and S.Choi.External Financing, Liquidity, and Capital Structure[J].Journal of Financial Research (Summer) , 1995:207-222.

[5]陈祥碧, 宋伟斌, 杨鲁.优化投融资管理:资金流动性与长期性的转化融合[J].财会月刊, 2011, (25) :57.

长短期贷款 篇5

一、研究思路

本文通过建立教育投资和GDP的向量误差修正模型 (VECM) , 接着采用格兰杰 (Granger-causality) 因果关系法来检验教育投资和经济增长间是否具有因果关系。同时, 通过在向量误差修正 (VECM) 中使用这种检验方法, 从而可以得到长期和短期两方面的检验结果。在进行格兰杰检验之前, 本文探讨了教育投资和经济增长之间存在协整关系。

二、变量及数据的选取

在我国, 教育投入的形式多样, 而政府是我国教育投资的主体。所以, 文本采用财政性教育经费, 能够在一定程度上反映我国公共教育投资水平。本文采用GDP来客观反映我国的经济增长情况, 鉴于数据的可得性和连续性, 本文采用按当年价格计算的GDP值。本文所涉及的数据来源于国家统计年鉴。

三、实证分析

本文采用1990—2009年之间GDP和财政性教育经费作为研究对象, 探讨两者之间的长短期因果关系。

(一) 协整检验

本文对GDP和财政性教育经费取对数, 用变量LNG表示GDP的对数, LNE表示教育经费的对数。1990—2009年, 教育投资和经济增长之间保持稳步增长的趋势, 两者有着相似的运行轨迹。接下来, 本文对1990—2009年之间教育投资和经济增长变量进行协整分析。

第一, 根据协整理论, 在建立协整模型前必须进行序列的单位根检验。根据LNG和LNE的一阶差分和二阶差分的曲线图, 大致上可以判断两者都是二阶平稳的序列。

第二, 用Johansen方法对LNG和LNE两个变量进行协整检验。从如下表中的检验结果可以看出, 在10%的显著性水平下, Johansen协整检验的迹检验和最大特征值检验都表明GDP和教育投资之间存在协整关系。从而在统计上验证了GDP和教育投资之间确实存在长期稳定的关系。

估计的标准化后的协整关系为:

依据标准化后的协整关系系数, 本文进行指数转换, 可以得到GDP与ED之间存在1/0.1586的关系, 则说明从上期来看, 经济每增长1%, 则教育投资增长0.1586%。

(二) VECM

根据以上对两个变量的协整关系检验, 我们发现, 财政性教育经费和经济增长之间存在一个协整关系。因此, 我们可以构建向量误差修正模型 (VECM) 对两者进行短期和长期的Granger因果关系检验。

先确定VAR模型的最优滞后阶数。本文似然比检验 (LR) 、AIC、SC、HQ准则等多种确定向量自回归 (VAR) 滞后阶数。根据准则, 我们确定在VAR中滞后阶数p的值为2, 从而VECM中的滞后阶数为1阶。于是, 我们根据EVIEWS软件的操作, 可以得到的VECM的表达式为:

(三) Granger-causality检验

进一步探讨教育投资增长率与国内生产总值增长率的因果关系。我们给出教育投资和经济发展之间的长短期Granger因果关系检验。本文将针对误差修正项ECM的系数的检验作为长期格兰杰检验, 针对滞后内生变量的系数的检验作为短期格兰杰检验。检验结果如下表所示:

从结果中可以看出, 教育投资和经济增长之间的长期Granger因果关系是双向的;而教育投资和经济增长之间的短期Granger因果关系是单方向的。从短期来看, 经济增长是教育投资发生变化的原因, 教育投资增长率不是国内生产总值增长率的格兰杰原因, 教育投资的增加对经济增长没有显著影响。

四、结论和对策

我们在VECM模型的基础上检验了中国教育投资与经济增长之间的长期、短期因果关系。根据以上的检验结果, 我们可以得到以下结论。

第一, 从长期来看, 教育投资和经济增长间存在双向的长期因果关系。根据前面得到的协整关系, 当教育投资每增加1%时, 经济将会增长6.30517024%。由于教育投资的增加, 教育通过知识演变出知识经济, 促进技术的进步进而促进经济增长。当经济每增长1%时, 教育投资将增加0.1586%, 在经济不断发展的过程中, 教育的投入会不断增加。

第二, 从短期看, 经济增长对教育投资的增加有一定的促进作用, 但是教育投资对经济增长的作用不明显。结合我国的实情, 其原因可能有两个:一是教育投资总量始终偏低。在我国, 教育投资总量虽然逐年递增, 但教育投入水平依然较低, 教育经费短缺的矛盾仍很突出, 集中表现在我国教育投入占GDP的比重显著低于世界平均水平。二是我国教育投资的结构不合理。长期以来, 人们对教育投资问题的关注焦点是教育投资的总量, 忽视了教育投资的结构和教育资源的优化配置。教育投资的结构不合理, 则不仅不能发挥教育资源的应有作用, 反而可能会降低整个经济大系统的运行效率。

第三, 从VECM模型中可以看出, 误差修正项对经济增长的影响系数为-0.238205, 说明模型误差修正系数具有反向修正机制, 可知经济增长变动受到协整方程的约束, 对长期均衡关系的偏离会在下一期得到修正。误差修正项系数的大小反映了对偏离长期均衡的调整力度。这种关系说明, 经济增长自身有着自动向均衡水平调整的趋势, 而且两者之间的这种长期均衡机制进行自动调节的力度比较大;误差修正项对教育投资的影响系数为0.005959, 总投资对经济增长的偏离对投资的影响是正向的, 说明总投资正向依赖于经济增长的变化。

通过以上分析, 我们认为, 我国政府在注意增加教育投资的同时, 应增强教育投资的立法力度, 不断优化教育投资结构。政府应该充分发挥我国教育投资在推动经济增长中的积极作用, 对教育投资的结构和教育资源的使用效率问题给予更高程度的关注。

摘要：在探讨教育投资与经济增长的关系时, 首先检验教育投资和增长之间的协整关系, 然后建立向量误差修正 (VECM) 模型, 在所建立的VECM模型内利用Granger-causality因果关系方法来检验两者之间的因果关系。计量结果显示:在长期内, 两者存在双向因果关系, 但是短期内只存在单项因果关系。为了充分发挥教育投资和经济增长的相互促进作用, 政府应该充分发挥经济增长对教育投资的拉动作用, 对教育投资的结构和教育资源的使用效率问题给予更高程度的关注。

关键词：协整检验,格兰杰因果检验,VECM,教育投资,经济增长

参考文献

[1]于忠江, 王元福.教育投资与经济增长的关系——以河南省为例的研究[J].商场现代化, 2009, (571) .

[2]翁莉娟.我国教育投资与经济增长的协整分析与误差修正模型[J].数学的实践与认识, 2008, 38 (10) .

[3]张秋菊, 朱钟棣.跨国外包的承接与我国技术进步关系的实证分析——基于VECM的长、短期因果关系检验[J].世界经济研究, 2008, (6) .

[4]陈荣达.基于ECM的Granger因果检验框定依赖实证分析[J].武汉理工大学学报, 2007, 29 (2) .

[5]高铁梅.计量经济分析方法与建模——EVIEWS应用及实例[N].北京:清华大学出版社, 2008.

长短期贷款 篇6

关键词：个性化,动态化,长、短期兴趣

0 引言

随着互联网的发展, 搜索引擎已经成为人们获取信息的主要手段之一。目前搜索引擎采用的主要交互方式是:用户自主输入查询, 搜索引擎根据用户输入的查询提供检索结果。但是, 大多数时候用户输入的查询不能精确表达其意图。一方面, 用户输入的查询通常较短—平均只有两三词;另一方面, 很多搜索引擎含有歧意、意图模糊等问题;此外, 用户之所以要搜索就是因为对要检索话题知之甚少甚至毫无概念, 这时候用户很难构造好查询。研究文献[2]表明, 只有25%的查询能清晰表达用户的意图。

至此, 协同过滤技术已成功用于电子商务、科学研究等众多领域。然而, 基于协同过滤的推荐系统却遇到了两大基本挑战: (1) 如何有效地提高协同过滤算法的可扩展性; (2) 如何提高用户的推荐的质量性。为了解决这两个基本挑战, 近年来, 出现了多种改进策略, 但其前提是用户的兴趣爱好是不变的, 即用户兴趣不具有动态性与时效性, 因此, 这些方法不能反映用户兴趣随时间的变化。然而, 被推荐的“商品”和用户的兴趣往往都具有时效性。

针对上述问题, 文献[1-2]提出了时间加权的协同过滤算法, 考虑了时间对推荐质量的影响。然而, 这些算法并未有效的清晰区分用户的长期兴趣和短期兴趣, 只是单纯地认为用户的兴趣随着时间的流逝而逐渐递减, 即某个用户感兴趣的“商品”最可能和他近期访问过的“商品”相似。然而, 用户往往根据自己以前的购买经验, 选择与以前购买过的“商品”较为接近的那些新“商品”进行购买, 即用户当前感兴趣的资源与其早期感兴趣的资源相关性很大。从本质上讲, 这种情况往往发生在作为用户长期兴趣的两个资源上, 这样的用户兴趣不能随时间的推移而衰减。例如, 一个用户的长期兴趣是喜欢看NBA, 他往往也会看新最新的NBA。而且, 用户的短期兴趣更加具有时效性, 有可能随着时间的推移而逐渐降低甚至消失, 也有可能随着时间的推移而逐渐增加甚至转变为长期兴趣。因此, 如果能有效识别出用户的长、短期兴趣, 在预测用户最感兴趣的“商品”时加以考虑, 区分不同兴趣对推荐的不同影响, 那将有可能进一步提高推荐精度与质量, 并且, 此推荐系统会更加深受“消费者”的喜爱。

1 相关工作

1.1 分词

分词是文本处理的一个基础性工作, 其基本实现原理有三点: (1) 基于Trie树结构实现高效的词图扫描, 生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG) ; (2) 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合; (3) 对于未登录词, 采用了基于汉字成词能力的HMM模型, 使用了Viterbi算法。因此, 本文利用python自带的“结巴”分词实现对用户查询词及商品类别的分词处理。

1.2 TF-IDF模型

TF-IDF是一种统计方法, 用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加, 但同时会随着它在语料库中出现的频率成反比下降。同时, TF-IDF加权的各种形式常被搜索引擎应用, 作为文件与用户查询之间相关程度的度量或评级[3]。

1.3 相似度本文主要利用余弦公式计算相似度, 这里, 本文给出计算余弦相似度的公式:

1.4线性拟合

步骤4:return a, b, r

输出:Y=a X+b

2 数据的处理

2.1 用户查询词的处理

用户的查询词格式如下:用户Ui= (用户ID, 用户查询词Cij, 查询词的时间戳Tij, 返回文档Rij) , 譬如: (183.196.149.97, 达芙妮凉鞋, 2013/6/2012:06:59AM, http://www.taoxie.com/activity/197/index.aspx) 。其中, 对用户的查询词分词后的结果为: (达芙妮凉鞋) 。

2.2 商品分类的处理

商品的分类共有两级目录, 商品的分类格式如下:GDij= (GDi1, GDi2) ;如: (男装, 羽绒服) ; (男装, 毛衣) ; (女鞋馆, 长靴) … (参考天猫网上对商品的分类信息) 。同样, 对商品的两级分类目录, 分别实现分词。分词后的结果为: (男装羽绒服) ; (男装毛衣) ; (女鞋馆长靴) 。

3 兴趣模型与推荐

3.1 长期兴趣

首先根据模型TF-IDF将已经分好词的用户Ui的查询词Cij与分好词的商品分类GDij转换成词包, 然后将两者的词包值进行余弦相似度sim计算, 将查询词Cij“归类”到最大sim值所对应的商品分类GDij下。这样, 用户Ui的查询词Cij都可找到在商品分类信息中的“归属”:GDij= (Ci1, Ci2, …Cin) 。然后, 设定阈值Y, 若此分类GDij中查询词的数量n/用户Ui所有查询词数量N大于阈值Y, 则此商品分类GDij作为用户Ui的长期兴趣。反之, 做为用户Ui的“待定兴趣池”, 并将此GDij类别推荐给用户。

3.2 短期兴趣

在集合“待定兴趣池”下:第一步:对每一个GDij类别下的所有查询词的Tij进行逐项相减。如:P1=Ci2-Ci1…Ps=Cs-Cs-1…Pn=Cn-1-Cn-2。这样, 我们便可以得到每一个GDij类别下查询词Cij的时间差集合Pi= (P1, P2, …, PS, …, Pn) 。同理, 我们得到“加速度”集合ti= (p2-p1, p3-p2, …, ps-ps-1, …, pn-1-pn-2) ;第二步:以“0-n (n为集合ti内的元素个数) ”为横坐标, 以集合ti内的数据为纵坐标共得到若干图像Hi。然后, 对图像Hi进行线性拟合, 得到关于这些图像的线性拟合的直线:Y=a X+b;第三步:根据拟合出的直线, 预测出图像Hi的每一个Yi的值。即用户下次查询时出现的“可能值”。然后, 对这些“可能值”Yi进行降序排序, 再采用“TOP-N”的方法得到若干可能性最大的“可能值”。最后, 对这些“可能值”所对应的集合ti的元素个数ni比较大小, 最大ni值所对应的GDij类别及为用户的短期兴趣。

并将GDij此类别推荐给用户。

3.3“冷启动”策略

3.3.1 新用户的“冷启动”对于新用户而言, 推荐系统中拥有他的信息为0, 故而无法利用用户的相关数据来发现他的兴趣爱好。本文根据谢利夫、阿希以及米尔格拉姆提出的“从众”心理学理论, 假设新用户具有“从众”心理, 喜欢热门的“商品”。因此推荐系统中采用“热门商品”的推荐策略, 将当前推荐系统中被访问次数最多的N个“商品”推荐给用户。

3.3.2 新商品的“冷启动”对新商品的文件描述进行分词处理, 与商品的分类分别做余弦相似度计算, 找出最大sim值所对应的商品分类, 即可认为新商品属于此类别下。若同时用户的长期兴趣为此类别, 则为此用户推荐此新商品。

4 实验结果

为了验证此模型与算法的有效性, 本文从数据堂下载的数据, 该数据是天猫搜索查询日志库设计为包括约3个月 (2008年6月开始) 的分网页查询需求及用户点击情况的网页查询日志数据集合) 。为进行中文搜索引擎用户行为分析及用户偏好分析的研究者提供的研究语料。而分类数据是根据天猫网站对商品的分类, 共140个两级分类。实验平台是WIN7, CPU为i74核, 内存4G, 硬盘500G, 采用语言编写程序。

其中随机抽取某用户从2013/6/1 12:01:07 AM-2013/8/31 11:00:5 AM内的共426条查询词记录进行实验。实验时, 选取阈值Y=0.4 (经过大量实验表明, 阈值Y=0.4为最优) 。

首先, 确定了阈值Y, 根据本文提出的模型与算法, 我们便可以筛选出此分类GDij中查询词的数量n/用户Ui所有查询词数量N大于阈值Y的若干分类GDij, 并且, 将此分类作为用户Ui的长期兴趣。

通过删选, 我们首先得到用户的“待定兴趣池”, 在此“待定兴趣池”中, 我们根据本文提供的用户的短期兴趣模型, 得到图1。

图像若干 (其中横坐标为集合ti的元素个数, 纵坐标位集合ti内的值) 。对这些图像做线性拟合与“TOP-N”处理, 便可以得到用户的短期兴趣。

最终得到的推荐结果为:rec_short_interests (用户短期兴趣所对应的商品分类) =['天猫', '运动', '馆', '篮球鞋'];rec_long_interests (用户长期兴趣所对应的商品分类) =['男装', '大牌', '上', '新']。

5 结论

文献[1, 2]中提出基于的时间加权的协同过滤算法, 虽然考虑了时间对用户兴趣的影响。然而, 这些算法并未清晰区分用户的长期兴趣和短期兴趣。但在本文中提出的模型与算法却能区分用户的长短期兴趣, 从而能够为用户提供更加精确的推荐。

参考文献

[1]Tomoharu I, Kazumi S, Takeshi Y.Modeling user behavior inrecommender system based on maximum entropy[C]//Proceedings of the 16th International Conference on World Wide Web.Canada:World Scientific Publishing Co.Pte.Ltd., 2007:1281-1282.

[2]郑志高, 刘京.时间加权不确定近邻协同过滤算法[J].计算机科学, 2014, 8.