投资能力预测

投资能力预测（共10篇）

投资能力预测 篇1

1 引言

企业如果在资产负债率较高、现金流紧张不足的情况下仍持续进行大规模投资, 超越现有的财务投资能力, 极有可能会加大财务风险, 甚至陷入财务危机。今年来, 各行业“巨无霸”企业因超越财务投资能力进行投资最终陷入财务危机 (甚至破产) 的实例屡见不鲜。如曾经国内最大的PTA企业——浙江华联三鑫在资金链紧张的情况下仍进行大规模投资而破产清算;曾经世界最大的光伏生产企业无锡尚德也因超现金流能力投资导致到期无法偿债, 最终被迫破产重整。

企业生产性质的投资机会与风险并存, 一方面, 如果不进行生产投资或是投入较少, 无法从市场取得更多的收入;另一方面, 如果资产负债率较高, 并且现金流紧张, 企业举债进行大规模投资, 由此加大财务流动性风险。那么, 如何确定合理的投资规模以避免财务风险过大, 这就需要通过投资能力预测 (投资额最大值) 以约束投资规模。

然而, 国资国企改革背景下, 传统的以现金流恒等式为逻辑起点的投资能力预测无法考虑央企集团变革的因素, 逐渐变得不够全面、实用。十八届三中全会以来, 针对国有资产、国有企业的改革不断深化。改革对于大型国有企业集团 (尤其是央企集团) 影响深远。

首先, 通过集团改组为国有资本投资公司实现资本集中管控。央企集团实际成为控股公司, 主要功能为并购重组、资本运作与投资融资。

其次, 集团生产经营功能主要由子公司实现, 由此增强了集团控股子公司生产经营的自主权。

再次, 整个央企集团中内部资本市场实现集团资金安排的功能日渐凸显;最后, 国有资本投资公司 (原央企集团层面统一协调优化集团产业战略与业务布局, 央企集团中投资决策不合理、集团产业协同不足导致的重复建设与内部竞争等问题将得到改善。

区别于以往研究与实务探索, 本文的独特贡献在于:基于国资国企改革的新背景, 并结合最新的投资理论, 研究央企集团的投资能力预测问题。为改革导向下的央企集团“如何确定合理的投资规模以避免高财务风险”提供参考与借鉴。全文布局安排与目的功能如下: (1) 引言:提出问题与理论、现实背景, 点明本研究的独特贡献; (2) 已有研究评述:回顾现有央企集团实务中有代表性的投资能力预测方法, 依据相关投资理论辩证评述现行实务方法; (3) 投资能力预测的改进与创新; (4) 研究结论。

2 已有研究评述

本部分从以下两方面展开: (1) 回顾现有央企集团实务中有代表性的投资能力预测方法; (2) 依据相关投资理论辩证评述现行实务方法。现有央企集团实务中普遍使用的投资能力预测方法是以现金流恒等式为逻辑起点, 在给定资产负债率、预计销售收入、目标利润率下 (不考虑现金存量的情况下) 根据现金流恒等式逆推出投资能力, 即“投资能力=经营活动现金流净流量+投资活动现金净流入+筹资活动现金流净流量-现金及现金等价物净增加额”。

根据投资规模约束等理论, 实务中现行给定资产负债率、预计销售收入、目标利润率的投资能力预测具有一定的合理性。Myers and Majluf (1984) 提出:信息不对称导致外部资金成本高于内部资金成本。企业投资支出更多地依据企业内部现金流制定。企业在确定投资规模时, 需要考虑资金使用效率与财务风险, 限制投资规模。Tinbergen (1938) 认为:企业投资受限于预期利润。预期利润高的企业更倾向于更多的投资。结合中国企业特殊情况, 陆正飞 (1996) 指出中国企业普遍存在过度负债以投资的情况, 故此投资时需要依据负债水平约束投资规模。

然而, 实务中普遍使用的投资能力预测方法将不再适用于国资改革背景下的央企集团。同时, 该投资能力预测方法也忽略了实务中存在的诸多非财务因素。因其未考虑内部资本市场、集团产业战略协同、集团与控股子公司不同的职能分工等因素变化, 预测出的投资能力与实际相差较远, 也远远落后于投资决策者行为的发展变化。

(1) 行为投资理论将行为学、心理学等学科与企业投资相结合, 认为投资决策者自信、谨慎、从众等心理可能影响投资行为与实际的投资能力。Scharfstein and Stein (1990) 认为管理层投资决策存在从众行为。Malmendier and Tate (2005) 发现过度自信的管理层更倾向于更大规模更频繁地投资。

(2) 利益相关者外在的压力也会影响企业投资能力。Jen sen (1986) 提出举债因素能够有效制约公司投资规模。Baker, Stein and Wurgler (2003) 研究发现:融资约束越高, 企业投资规模对股价波动越敏感。换言之, 悲观投资者情绪会通过股市制约管理层决策, 制约投资能力。

(3) 其他的诸如的分配现金股利 (Jensen, 1986) 、独立董事与机构投资者等治理因素 (Richardson, 2006) 、内部资本市场 (Stein, 1997;陈胜蓝等, 2014) 等都能制约投资能力。现有央企集团实务中普遍使用的投资能力预测方法过于局限于财务视角, 且不适用于国资改革背景下的央企集团, 与实际投资能力相差较大。实务中对于“基于国资改革背景与实务管理视角的央企集团投资能力预测”的需求日渐突出。

3 投资能力预测的改进与创新

不同实务做法与理论对投资能力本身的界定不同, 本研究无法穷尽影响投资能力的因素, 只是试图探索国资改革背景下考虑重要实际影响因素的更实用的投资能力预测方法。另外, 本研究提出的方法仅为思想框架, 并非计算模型, 旨在为央企集团实务提供更全面、更实用的投资能力预测的思考角度。

3.1 投资能力预测的逻辑公式推导:央企集团实务中的现行方法

实务中普遍使用的投资能力预测方法是由现金流恒等式逆推出投资能力 (投资最大限额) , 原始公式如下:

预期投资能力=预期经营活动现金流净流量+预期投资活动现金净流入+预期筹资活动现金净流量-预期现金及现金等价物净增加额, 公式 (1) 。

考虑上期现金存量, 预期现金及现金等价物净增加额没有实质的财务意义, 因此, 实务中通常将原始公式 (1) 修正为:

预期投资能力=预期经营活动现金流净流量+预期投资活动现金净流入+预期筹资活动现金净流量+预期期初现金持有量-预期期末现金持有量, 公式 (2) 。

在给定资产负债率、预计销售收入、目标利润率的约束前提下, 欲得出投资能力 (投资最大限额) , 需要将公式 (2) 左右两边取极值, 得到公式 (3) :

预期投资能力= (预期收入*目标净利润率+预期折旧摊销-预期净营运资本增加量+预期利息费用化部分+预期长期资产处置损失+预期公允价值变动损失+预期投资损失) +预期投资活动现金净流入+ (目标资产负债水平下预期权益与债务筹资流入-预期债务本息偿还-预期现金股利支付) +预期初现金持有量-预期末现金持有量

3.2 投资能力预测的改进与创新:基于国资改革下央企集团变化与其他因素

第一步改进:国资国企改革后的央企集团中, 集团公司实际成为控股公司, 实现并购重组、资本运作与重大投资融资, 而生产经营集中在子公司。虽然重大投资决策权在集团公司, 但是生产经营性质的投资 (而非股权投资) 需求实际源自经营实体子公司。

因此, 预期投资能力时需要区分主体是集团公司 (股权投资等) 还是其控股子公司 (生产经营投资) 。改进的投资能力预测方法中的部分考虑因素需要区分不同的预测主体, 尤其对于内部资本市场因素来说。原因在于:改革后的央企集团中, 内部资本市场实现集团资金安排的功能日渐凸显。

一方面, 集团可以通过内部资本市场调配帮助成员企业 (通常是控股子公司) 获取更多的投资资金 (Stein, 1997;王化成, 2011) ;另一方面, 也可以通过非正常关联将子公司资金调出用于自身或其他子公司更优的投资项目 (陈胜蓝等, 2014) 。

另一方面, 国资改革后, 集团将统一制定集团产业战略与业务布局以实现产业协同效应。故此还需从集团产业协同出发控制投资规模。综上所述, 需要在预测公式的右边加入“内部资本市场配置资金 (调入为正, 调出为负) ”, 并且以集团产业协同所允许的最大投资额来限定投资能力得到改进后的公式 (4) :

预期投资能力计算值= (预期收入*目标净利润率+预期折旧摊销-预期净营运资本增加量+预期利息费用化部分+预期长期资产处置损失+预期公允价值变动损失+预期投资损失) +预期投资活动现金净流入+ (目标资产负债水平下预期权益与债务筹资流入-预期债务本息偿还-预期现金股利支付) +预期初现金持有量-预期末现金持有量+内部资本市场配置资金

第一, 当预期投资能力计算值<集团产业协同所允许的最大投资额时:

预期投资能力=预期投资能力计算值

第二, 当预期投资能力计算值>集团产业协同所允许的最大投资额时:

预期投资能力=集团产业协同所允许的最大投资额

第二步改进:公式 (4) 所预测的投资能力是投资的最大额度, 然而集团还需要重视保证持续经营能力与应对财务风险的能力 (李焰等, 2007;吴战篪等, 2013) 。保证可持续的财务能力首先需要保证持续经营的能力与适当的财务弹性。葛家澍等 (2008) 指出:财务弹性是指公司利用现金数额与时间分布的弹性应对现金意外需求的能力。

故此预测投资能力时需要加入应对意外资金需求因素, 即加入一定的弹性现金储备。同时, 持续的财务能力还包括持续的投融资能力。企业不能为了一次投资将全部剩余资金耗尽, 而错过了未来意外的投资机会。这部分因素已在弹性现金储备中体现。

本研究的弹性现金储备不仅包括应对财务风险的安全现金储备, 并且考虑了财务机会的积极现金储备。另外, 在确定为投资进行融资的方式与规模时, 需要权衡利弊。例如:不分配现金股利为投资节约资金也减少了股权融资的机会。预测中还需要考虑将融资相关因素取可持续的合理值 (通常小于最大值) 以保持持续融资能力。得到公式 (5) :

预期投资能力计算值= (预期收入*目标净利润率+预期折旧摊销-预期净营运资本增加量+预期利息费用化部分+预期长期资产处置损失+预期公允价值变动损失+预期投资损失) +预期投资活动现金净流入+ (目标资产负债水平下预期权益与债务筹资最大流入-持续融资能力储备-预期债务本息偿还-预期现金股利支付) +预期初现金持有量-预期末现金持有量+内部资本市场配置资金-弹性现金储备

第一, 当预期投资能力计算值<集团产业协同所允许的最大投资额时:

预期投资能力=预期投资能力计算值

第二, 当预期投资能力计算值>集团产业协同所允许的最大投资额时:

预期投资能力=集团产业协同所允许的最大投资额

第三步改进:到公式 (5) 为止, 投资能力预测囿于传统财务指标的框架内, 并不能考虑实际投资中的非财务因素。借鉴行为投资理论, 预测方法还需要构建非财务指标的因素群以更贴近于实际情况。

管理层 (投资决策者) 自信、谨慎、从众等心理可能影响投资行为 (Malmendier and Tate, 2005;Scharfstein and Stein, 19 9 0) 。股市投资者情绪等利益相关者因素 (Baker, Steinand Wurgler, 2003) 、独立董事与机构投资者等治理因素 (Richardson, 2006) 、政治关联等也会影响企业投资规模。

考虑到以上非财务因素的影响, 本研究无法将其穷尽, 这些因素多为财务框架之外的因素 (非财务因素也可能是部分财务因素的函数) , 可以通过构建逻辑函数的方法加入公式, 得到公式 (6) :

预期投资能力计算值=[ (预期收入*目标净利润率+预期折旧摊销-预期净营运资本增加量+预期利息费用化部分+预期长期资产处置损失+预期公允价值变动损失+预期投资损失) +预期投资活动现金净流入+ (目标资产负债水平下预期权益与债务筹资最大流入-持续融资能力储备-预期债务本息偿还-预期现金股利支付) +预期初现金持有量-预期末现金持有量+内部资本市场配置资金-弹性现金储备]*非财务因素影响系数函数 (管理层心理与行为偏好, 利益相关者因素, 治理因素, 政治关联……)

第一, 当预期投资能力计算值<集团产业协同所允许的最大投资额时:

预期投资能力=预期投资能力计算值

第二, 当预期投资能力计算值>集团产业协同所允许的最大投资额时:

预期投资能力=集团产业协同所允许的最大投资额

4 结语

本文以现金流恒等式为逻辑起点并在国资国企改革背景下, 研究央企集团投资能力预测问题并构建了新预测公式。区别于实务中已有的投资能力预测方法, 本文不仅考虑了国资改革背景下集团与成员企业关系、内部资本市场、集团产业协同等新影响因素, 还从持续财务能力、管理者行为、利益相关者等维度改进预测方法, 使预测的投资能力与实际情况更相符。

研究提出的方法仅为思想框架, 并非计算模型, 旨在为央企集团实务提供更全面、更实用的投资能力预测的思考角度, 为改革导向下的央企集团“如何确定合理的投资规模以避免高财务风险”提供参考与借鉴。另外, 本研究提出的新预测方法还有待国资改革后的央企集团进行验证。部分因素诸如价值创造、商业模式等因素未纳入考虑, 使得公式与方法本身存在不足。

参考文献

[1]陈胜蓝, 王琨, 马慧.集团内部资金配置能够减少公司过度投资吗[J].会计研究, 2014 (3) .

[2]葛家澍, 占美松.企业财务报告分析必须着重关注的几个财务信息——流动性、财务适应性、预期现金净流人、盈利能力和市场风险[J].会计研究, 2008 (5) .

[3]吴战篪, 李晓龙.企业集团资金安全预警体系研究[J].会计研究, 2013 (2) .

[4]Malmendier, U.and G.Tate.2005, CE O0verconfidence and Corporate Investment, Journal of Finance.

[5]Richardson, S.2006, Over-investment of Free Cash Flow, Review of Accounting Studies.

投资能力预测 篇2

第一部分

越南宏观经济发展及空调市场投资前景预测

第一章

越南宏观经济发展相关指标预测

第一节 越南空调市场相关历史指标

一、越南GDP指标综述

二、越南经济结构指标综述

三、越南居民消费价格（CPI）指标综述

四、越南汇率波动指标综述

第二节 越南与空调市场相关的政策点评

一、越南空调市场准入相关政策

二、越南空调整机进口关税和CKD进口关税

三、其他与空调市场相关的鼓励或限制性的投资和贸易政策

四、与空调相关的能源、环保政策

第三节 越南宏观经济发展相关指标预测

一、影响越南相关经济指标变动的主要因素

二、2017-2020年越南GDP预测方案

三、2017-2020年越南经济结构展望

四、2017-2020年越南居民消费价格（CPI）展望

五、2017-2020年越南汇率波动态势展望

第二章

越南空调市场投资前景预测

第一节 越南地理及气候状况综述

一、越南地理位置综述

二、越南气候特征综述

第二节 越南空调相关行业发展状况综述

一、越南电力供应状况及电价综述

二、越南房地产市场发展状况综述

三、越南钢铁市场发展状况综述

１

为您提供：行业/区域/采购/选址/出口/国别/跨国投资系列报告

中恒远策—海外版电子商务平台 第三节 越南空调市场供给状况综述

一、越南空调生产状况综述

二、越南空调市场主要生产商

三、越南空调销售渠道和经销商汇总

第四节 越南空调市场需求状况综述

一、越南城市化发展水平

二、越南人口总量与年龄结构

三、越南人均GDP指标综述

四、越南空调销量指标综述

第五节 中国对越南出口空调历史指标综述

一、中国空调出口总量指标

二、中国空调出口目标国结构指标

三、中国空调出口越南市场状况综述

第六节 影响越南空调市场发展的主要因素 第七节 越南空调市场态势展望与相关指标预测

一、2017-2020年越南空调市场供给态势展望

二、2017-2020年越南人口增长及城市化发展展望

三、2017-2020年越南人均GDP预测

四、2017-2020年越南空调市场需求预测

五、2017-2020年越南空调市场供需平衡展望

第二部分

中国企业投资越南空调市场的经营建议

第三章

越南空调市场竞争格局展望

第一节 2017-2020年越南空调市场周期展望

一、越南本土空调市场的生命周期判断

二、越南空调市场未来增长性判断

第二节 越南空调市场竞争主体综述

一、越南本土空调企业及其相关指标

二、中国在越南的空调企业及其相关指标

２

为您提供：行业/区域/采购/选址/出口/国别/跨国投资系列报告

中恒远策—海外版电子商务平台

三、其他国家在越南的空调企业及其相关指标

第三节 越南空调市场各类竞争主体的SWOT点评

一、越南本土空调企业的SWOT点评

二、中国在越南的空调企业的SWOT点评

三、其他国家在越南的空调企业的SWOT点评

第四节 影响越南空调市场竞争格局变动的主要因素 第五节 2017-2020年越南空调市场竞争格局展望

一、2017-2020年越南空调市场竞争格局展望

二、2017-2020年中国企业在越南空调市场的竞争力展望

第四章

越南空调市场投资机会与风险展望

第一节 2017-2020年越南空调投资市场机会展望

一、2017-2020年越南空调市场需求增长带来的机会展望

二、2017-2020年越南空调细分市场的机会展望

三、2017-2020年越南空调保有量提高带来的售后服务市场的机会展望

四、2017-2020年越南相关优惠政策带来的机会展望

五、2017-2020年越南重量级区域市场的机会展望

六、2017-2020年越南参与的双边及多边贸易协定带来的市场辐射的机会展望

第二节 2017-2020年越南空调市场投资风险展望

一、越南空调市场波动的风险

二、越南关税、土地、能源环保、劳务等相关政策变动的风险

三、强势竞争对手带来的竞争风险

四、汇率波动风险

五、人民币升值的风险

六、投资回收周期较长的风险

七、跨国人才储备不足及经营管理磨合的风险

八、与当地政府、劳工关系处理不当的风险

九、关联行业不配套的风险

３

为您提供：行业/区域/采购/选址/出口/国别/跨国投资系列报告

中恒远策—海外版电子商务平台

十、利润汇出等相关金融风险

十一、劳动力成本提高的风险

十二、售后服务能力不足的风险

十三、恶性竞争的风险

十四、其他风险

第五章

越南空调市场的经营与投资建议

第一节 2017-2020年是否适合开拓越南空调市场的判断

一、从市场准入门槛的角度进行判断

二、从当地空调市场需求的角度进行判断

三、从市场竞争程度的角度进行判断

四、从生产要素成本的角度进行判断

五、从市场进入时机的角度进行判断

六、从地理区位的角度进行判断

七、是否适合开拓越南空调市场的结论

第二节 2017-2020年越南空调市场经营建议

一、细分产品市场定位的建议

二、产品销售渠道选择的建议

三、经销商选择的建议

四、品牌塑造的建议

五、售后服务的建议

第三节 2017-2020年在越南空调市场进行直接投资的建议

一、投资区域选择的建议

二、投资方式选择的建议

三、融资方式选择的建议

四、空调项目建设规模和建设节奏的建议

五、与越南地方政府公关争取优惠政策的建议

六、处理跨国人才储备及当地化经营的建议

七、正确处理当地劳资关系的建议

八、利润转移路径选择的建议

４

为您提供：行业/区域/采购/选址/出口/国别/跨国投资系列报告

中恒远策—海外版电子商务平台

５

投资者不要做短线预测 篇3

曾经有一句话这样调侃经济学家，说他们最擅长解释已经发生的经济现象，最不擅长预测经济的走向。既然连经济学家都无法预测，那投资者为什么还要去做徒劳无功的预测呢?而从欧债危机爆发以来，市场并没有出现单边持续下跌的态势，而是暴涨加暴跌，好消息出来马上暴涨，坏消息一披露马上爆跌，而且隔天就变脸。投资者根本无所适从，暂且不说能不能赚钱，这样过山车的走势，本身就让投资者喘不过气来。

从国内看，市场的风云变幻有更多的“中国特色”，首先股市与宏观经济面完全背离，也不与国际“完全接轨”。经常出现海外大涨，我们纹丝不动；海外大跌，我们跟着凑热闹。而影响市场走势的方方面面又特别多，一点点的风吹草动，都可能引发巨大的市场反响。不进一步完善股市，继续成为“圈钱市”吗?

所以，既然投资者参与到这个市场中来，就必须懂得和理解市场文化。中国的市场做预测简直是不可想象的事情。不是因为预测没有必要，而是根本就没办法预测准。曾连续5年《机构投资者》评为最佳中国分析员的张化桥就指出，分析，但不要预测。对政治、经济和企业我们都要认真研究，但不要预测未来，不要预测股票指数的点位，或者某个个股、商品在未来的价格，更不要用钱去表达你的预测。

仔细推敲张化桥的话。他不是叫我们完全不做预测。而是让我们知道一个基本的事实，优秀公司的股票终究会上涨，但是在时间上你是无法把握的。可能只需要几天或几周，或者要等几年甚至更久。所以，投资者需要理性思维、需要沉得住气。如果一定要做预测，那也要做长远的、方向性的、大概的预测。那种试图通过预测进行疯狂的短线操作，结果必将是竹篮打水一场空。

煤矿基建投资预测方法及其运用 篇4

近几年来, 我国矿井基建投资预测有:吨煤投资法、装配法和概算法三种。吨煤投资法的优点是计算方便, 适用性强, 可应用于计划工作、部门或大区域预测。但由于指标简单, 如不根据变动条件经常测算和调整, 就会使所用指标, 由于准确性降低而失去使用价值。装配法和概算法的优点是计算项目较全, 计算过程较细, 一般比照初步设计的方法进行, 但它的计算量大, 预测期短, 缺乏动态感, 因此对矿区总体投资预测或矿井投资长期预测适应性很差, 在使用上受到一定限制。在矿井电算法未广泛应用的情况下, 如何克服预测方法量大项多的计算困难找出一种计算量少, 置位水平高和适应性强的办法来, 已是开展矿山经济建设预测工作的重要课题。

一、矿井投资预测法数学模型:吨煤投资预测法数学模型

根据过去大量的矿井吨煤投资实际资料, 经过分类、排列和数理统计处理, 所得的数学表达式, 并用它对未来一定时期内的吨煤投资水平进行预测, 从而计算出不同类型的矿井在各拟建年份内的基建投资总额。总投资为Wi=Pqi

式中Wi——拟建矿井在i期的总投资;

P——拟建矿井的设计生产能力:

q——拟建矿井预测年份吨煤投资。

建立q, 数学模型的方法和步骤:

(一) 原始资料分类。

建国以来黑龙江省共建成统配矿井93对, 平均井型23.86万吨/年。其中大中型占15.06%, 最大的矿井为150万吨/年。这些矿井分为如下四类:

Ⅰ型 (片盘小斜井) :18万吨/年及以下;

Ⅱ型 (片盘斜井) :21—30万吨/年;

Ⅲ型 (立井) :45—90万吨/年;

Ⅳ型 (立井) :120—150万吨/年。

(二) 按矿井竣工日期先后排列。

经过分类, 按竣工期排列, 经筛选矿井样本, 消除不合理样本, 求出同一年份多样本的代表值和确定期距等, 可得出各类矿井吨煤投资序时数列。

(三) 根据最小二乘法原理确定系数, 建立数学模型。

最小二乘法的原理为

式中:xi——经验数列各观察值, x1、x2、x3…xn

y——和数列中各观察值相对应的预测值, y1、y2….yn

a——数列直线横截y轴交点的纵坐标,

b——数列直线的斜率;ti—独立变量 (本例为时间) ,

n——观察值 (或序时值) 的项数。

把有关资料代入 (1) (2) 式, 可求得各类井型的a、b值, 建立相应的数学模型为

Ⅰ型y, =15.69+2.40t,

Ⅱ型y, =14.51+3.86t,

Ⅲ型y, =38.29+9.63t,

Ⅳ型 (待测)

据此, 可预测出1998—2008年新建矿井吨煤投资数, 见表1。

二、案例分析:皖北煤电集团公司祁东矿井投资预测

矿井基建的投资成本是由诸多因素所控制的, 由于矿井基本属性的不同, 基础建设阶段的设施配备会产生很大的差异, 从而导致投资成本的差异。即使是对于同一个矿井, 设计人员的不同、考虑问题的出发点不同, 必然带来实际成本的巨大差异。下面, 将以皖北煤电集团公司的祁东矿井投资为例, 分析矿井投资成本的主要影响因素和实际方案的确定。

皖北煤电集团公司祁东矿井的工期为55个月, 设计时的预计产能达到150万t/a并于2002年5月22日投入使用。投产当年的实际年产量达到157t/a, 投产的第一年便实现了预计产能, 这与矿井的优良设计紧密相连。矿井设计采用了诸多改革和创新细节, 多角度审视矿井属性, 预测成本。最终在预计效益最大化的情况下, 实现了成本最小化。皖北煤电集团公司祁东矿井在预计建设成本的时候, 主要从以下方面考量:

(一) 该矿井地处安徽省宿州市东南方向约20km, 面积为45平方千米:

井田长度约为9km左右, 宽度在3.5到5.0km之间。井田新生界松散层的厚度约为234.7到453.0m, 可采层分为10层, 每层平均厚度为11.91m, 这其中包括了4层平均厚度为7.78m的主采煤层。据统计, 该煤田的工业储量达到3.35亿吨, 可开采量为1.88亿吨。

该煤田以中灰煤质为主, 具有低硫和低磷的特性, 适合用作动力用煤和炼焦配煤。由于该矿井的瓦斯含量很高, 所以存在着自燃发火以及不自然发火的倾向, 此外煤尘具有很高的爆炸危险。在地理交通方面:京沪铁路从其东北侧经过, 东西向的矿区铁路从其北部经过, 206国道和宿蚌公路分别坐落于其东西两侧。

(二) 主要的设计特点

1. 矿井产能的确定。

在对本井田所具备的开发条件、资源条件、煤炭市场、装备水平和开采技术做出综合详尽的分析之后, 总结出了180t/a、150t/a和120t/a等三个开采方案并做出了相关论证:

首先, 交通便利、水源充沛和电源可靠等优越的外部建设条件为大型矿井的建造提供了有力条件。

其次, 本井田丰富的资源有利于高强度的综采。与此同时, 矿井的主采煤层上存在几层相互压茬的薄煤层, 这些薄煤层几何尺寸较小且煤量存储较少, 制约了工作面的单产量。综合煤层分布和含煤量的情况, 一个综采和一个高档普采是最佳布置方案, 这样厚、薄煤层搭配开采的方式有利于稳定矿井产量。

综上所述, 150万t/a是最为理想的开采方案。一方面, 此方案工期短、工程量少且见效快;另一方面, 综采和普采的搭配使用在兼顾井田次一级构造和薄煤层多的特性时, 提高了产出效率。

2. 井田开拓布置的确定

依据井田煤层埋藏深和新生界松散层厚度较大的特性, 采用主井、集中运输大巷和分区石门开拓方式是最为适宜的。

首先, 是选择井筒的位置。从井田的形态构造、地形地貌和煤层赋存状况来看, 主副井井筒可以安放的位置有中部、东部以及深部三个位置。最终确定的是中深部方案, 此方案的优势在于:井口在储量中心的附近, 可以加强井下开采的灵活性, 而且向井田东、西、南三个方向的拓展开采业更为容易;可以减少工期和移交工程量;此方案的公路、铁路以及输电线路的进线长度最短, 也最为便捷。

其次, 是井田开拓布置的优化。由于井田范围广阔, 给井田的良好通风带来了一定的阻碍, 为了解决此问题, 降低矿井生产的安全隐患, 可以减少矿井的风井数量, 从而缩短建井所耗费的工期。最终方案为矿井的前期和后期各设回风井一个, 并将投产初期的风井设置在井田的中浅部位置。

三、煤矿基建投资预测在成本控制中的运用:做好事前控制

事前控制就是做好矿井的优化设计, 包括技术革新和新技术、新工艺的应用等, 这是降低投资成本最为有效的途径之一。美国多位学者都曾经论证过:绝大部分成本是产生于生产制造之前, 而真正在生产制造和后期维护中产生的成本占比很少。这一研究理论可以体现在图1中:

此曲线图显示了建设方案前期优化的重要性, 特别是对于条件复杂、不确定因素繁多的矿井建设来说, 矿井设计水平在总成本中的比重要比一般的制造业高出很多。它不仅对矿井投资的总体造价和工期有着决定性, 而且深深影响着后期的实际产煤成本、矿井设备的修理维护成本、原煤质量的好坏和最终效益的高低。所以, 只有在方案设计阶段, 组成专业的课题设计研究小组并深入一线做好调研工作, 才能精确地计算出后期支出的实际额度, 并在最大程度上节约资金、降低施工成本。

餐饮业投资及前景预测分析 篇5

餐饮业作为我国第三产业中的一个传统服务性行业，始终保持着旺盛的增长势头，取得了突飞猛进的发展，展现出繁荣兴旺的新局面。与此同时，我国餐饮业发展的质量和内涵也发生了重大变化。

前瞻产业研究院的统计数据显示，自2010年1月起，统计局调整了统计口径，由统计住宿和餐饮业零售额调整为统计餐饮收入。2010年，全国餐饮业收入17636亿元，同比增长18.0%，占全社会消费品零售总额的11.4%。我国餐饮业在良好的经济环境下，保持着平稳快速增长的态势，餐饮消费持续成为消费品市场的一大亮点。

2011年，中国餐饮业实现收入20635亿元，同比增长率16.9%，占社会消费品零售总额的比重为11.2%，对社会消费品零售总额增长的贡献率为11.10%。

2012年，我国餐饮业收入达到23448亿元，比上年增长13.6%，占社会消费品零售总额的11.15%。2012年餐饮收入比2005年增长1倍以上，年均增长16%左右，对消费品市场起到了较大的拉动作用。

2011年11月商务部发布的“十二五”期间促进餐饮业科学发展的指导意见中提出，力争在“十二五”期间，餐饮业保持年均16%的增长速度，到2015年零售额突破3.7万亿元，并培育一批特色突出、营业额10亿元以上的品牌餐饮企业集团。伴随着政府拉动消费的政策影响、城乡居民收入较快增长和消费观念更新等因素，未来餐饮业依然是引人注目的消费热点，中国餐饮消费水平将继续保持高速增长。

改革开放以来，我国已基本解决温饱问题，“有得吃”已不成问题。随着人们生活水平的提高，人民已经不满足于能吃饱了，所以，吃美食、吃得好也成为人们新的追求，随即，中国的八大名菜的鲁、川、粤、闽、苏、浙、湘、皖菜馆在全国遍地开花。当鲍鱼鱼翅都不再稀罕的时候，高血压、高血糖、高血脂等“三高”问题凸显，一系列的所谓“现代病”、“文明病”，如高血压、糖尿病、冠心病、动脉硬化、心肌梗塞等疾病接踵而至，且发病率逐年提高。健康饮食成为人们更高的追求。

近年来，中国餐饮业进入快速发展阶段，连续20多年保持两位数的高速增长，餐饮业已经成为我国第三产业的一个支柱行业。

前瞻产业研究院的统计数据显示，我国餐饮业零售额从1978年的54.8亿元到2010年的1.76万亿元，零售额增长320多倍，人均餐饮消费额也增长了200多倍;今年1-8月，我国共实现餐饮消费额12923.0亿元，同比增长16.4%，显示强劲的增长势头。

前瞻产业研究院餐饮行业研究员郭雪丽认为，目前我国饮食行业的竞争，已由单纯的价格竞争、产品质量竞争，发展到产品、服务与企业品牌的竞争，文化品位的竞争;由单店竞争、单一业态竞争，发展到多业态、连锁化、集团化、大规模的竞争;由在本地发展走向外地发展，由小城市向大中城市发展，由东部沿海向中西部地区发展，也有的是由大城市向中小城市延伸，由西部向东部延伸。

“此外，随着大量外资餐饮企业和洋品牌的食品进入我国，国内餐饮市场竞争将更加激烈。” 郭雪丽说。

前瞻网《2013-2017年 中国餐饮业直营连锁市场前瞻与投资预测分析报告》共十九章。首先介绍了餐饮业的定义、分类、特点及市场细分等，接着分析了中国餐饮业的现状，并对2009年至2013年国内餐饮市场的运营状况进行了细致地分析。然后具体介绍了中餐业、西餐业、快餐业和中式快餐业的发展。随后，报告对餐饮业做了区域发展分析、国内外重点企业经营状况分析、行业竞争分析、企业经营分析、连锁经营模式分析、酒店饭店餐饮业经营分析和投资分析，最后分析了餐饮业的发展趋势和未来走向。

投资决策阶段的可行性预测研究 篇6

从甲方的角度来看,投资决策的正确与否十分重要。因此,作为甲方,应该在工程项目投资之前,做好充分地可行性预测,将投资风险尽可能地降到最低。

1 建设项目投资决策的含义

建设项目投资决策是选择和决定投资行动方案的过程,是对拟建项目的必要性和可行性进行技术经济论证,对不同建设方案进行技术经济比较及做出判断和决定的过程。据有关资料统计,虽然投资决策阶段在整个工程项目中所占的比重不是很大,但其影响工程造价的程度最高,达到80%～90%。对一个项目而言,项目决策的正确与否,往往直接关系到项目建设的成败,还会关系到工程造价的高低和投资效果的好坏。由此可见,投资决策阶段的造价预测有着十分重要的作用和意义,在施工前一定要对其可行性做好充分合理地预测[1]

2 投资决策阶段可行性预测的主要内容

可行性研究是项目在投资前期对拟建项目进行的全面、系统的技术经济等多方面分析与论证,从而为项目投资决策提供重要依据,也为下一阶段开展项目评估打下基础。在项目建设中会面临投资方案的比较和选择问题,有时会面临多个方案的比选,评价。因此应采用科学的方法进行评价,合理确定投资方案。投资方案经济效益评价可分为两个基本内容:单方案检验与多方案的比选。单方案检验是指对某个初步选定的投资方案,根据项目收益与费用的情况,通过计算其经济评价指标,确定项目的可行性。单方案检验的方法比较简单,主要步骤如下[2]:

1)确定项目的现金流量情况,编制项目现金流量表或绘制现金流量图。

2)根据公式计算项目的经济评价指标,如NPV、NAV等

3)根据计算出的指标值及相对应的判别准则,如NPV≥0,NAV≥0等来确定项目的可行性。

多方案的比选是指对根据实际情况所提出的多个备选方案,通过选择适当的经济评价方法与指标,来对各个方案的经济效益进行比较,最终选择出具有最佳投资效果的方案。

3 投资决策阶段可行性预测的意义

在工程项目的整个建设过程中,投资决策阶段是进行造价控制的重点阶段,也是风险最大的阶段。因此,做好投资决策阶段的可行性预测对整个工程项目有着十分重大的意义。预测分析可以反复进行,其信息对决策具有指导性作用。工程项目投资成败的关键还在于决策,决策的基础是科学的预测,预测为决策提供直接的服务;但是预测不能代替决策,毕竟只有决策的结果才是直接支配未来的行动方案。工程项目在投资阶段的可行性预测时,必须遵守合法性、合理性、责任性、民主性、科学性以及效益性原则,依照决策分析程序,选择合适的决策方法。工程项目投资的可行性预测和决策是一个动态的过程,它贯穿于项目投资建设活动的始终,根据市场状况以及工程项目的类型、性质和进展情况适时地作出正确的预测和决策分析,就可以保证整个投资活动有序、高效地进行,并取得预期的效果,达到投资的目的。

4 引入BP神经网络预测模型研究

1)BP神经网络模型简介[3]

BP(Back propagation)算法在于利用输出层的误差来估计输入层的直接前导层的误差,再用这个误差估计更前一层的误差。如此下去,就获得了所有其他各层的误差估计。这样就形成了将输出端表现出的误差沿着与输入信号传送相反的方向逐级向网络的输入端传递的过程。因此,人们将此算法称为向后传播算法,简称BP算法。使用BP算法进行学习的多级非循环网络称为BP网络。BP网络,以其优良的非线性逼近性能,在模式识别、语音识别、智能控制、非线性优化等领域都有大量的应用,并且己受到越来越多领域的关注。

2)引入BP神经网络预测模型

本文在投资决策阶段引进BP神经网络,其预测模型及分析如下:

神经网络只有一个输入层、一个输出层,但是可以有多个中间层。这里只以三层BP网络为例。设BP网络为三层网络,输入神经元以p编号,隐藏层神经元以q编号,输出层神经元以t编号。隐藏层第q个神经元的输入为:

式中θ-阈值或偏置值。

θ>0则使S曲线沿横坐标左移,反之则右移。因此,各神经元的输出应为:

BP网络学习过程中的误差反向传播过程是通过使一个目标函数(实际输出与希望输出之间的误差平方和)最小化来完成的,可以利用梯度下降法导出计算公式。

在学习过程中,设第t个输出神经元的希望输出为tpt,而网络输出为opt,系统平均误差为:

为了表示方便,略去下标p,上式可以写成:

式中E-目标函数。

根据梯度下降法,权值(包括阈值)的变化项△wtq与αE/αwtq成正比,

由式(4.6)和式(4.8)可知:

对于隐层神经元,也可写成:

由于不能直接进行计算,而是以参数的形式表示,即:

则导出各个权重系数的调整量为:

式中η为学习率;

网络的学习过程通过这种正向计算输出、反向传播误差的多次迭代过程,系统误差将随着迭代的次数增加而减小,从而收敛得到一组稳定的权。在投资决策阶段将BP神经网络引入造价预测时,首先要确定输入信息,把它的输入信息输入到神经网络中。即把前面提到的市场因素,技术因素以及环境因素输入到网络中。从而由网络正向计算出各层节点的输出。考虑到市场的变化之快,例如:建筑材料价格的上涨起伏等等;考虑到技术因素的变化,例如:新技术的引进给建筑市场带来的进步与发展等等;而考虑到环境因素的变化,例如:由于雨雪天气的影响给施工队带来的工期延误等。在确定了这些影响因素之后,将原来没有考虑到种种因素影响的造价作为网络的期望输出,在只考虑一个影响因素变化,而其他影响因素假定不变的情况下反向计算出假定变化的这一影响因素的临界值。得到这一个临界值之后,便可以根据实际条件中这一单一影响因素变化能否使造价达到预测水平。这样一来,便达到了在投资决策阶段对造价进行充分预测的目的。

5 小结

本文分析了建设项目的投资决策阶段预测的主要内容和意义,与BP神经网络相结合,充分发挥神经网络的预测能力,达到对前期各阶段进行有效预测的目的。本文的研究对后期做工程项目的造价预测打下基础,将神经网络理论与具体的工程实例相结合,从而实现运用BP和模糊神经网络进行充分预测的目的,更是作者下一步要做的主要工作。

摘要：本文主要研究建设项目的投资决策阶段的特点,与神经网络相结合,充分发挥神经网络的预测能力,达到对前期各阶段进行有效预测的目的。本文引入BP神经网络,首先,将BP神经网络引入到投资决策阶段的可行性预测中,通过对影响可行性预测的各因素的了解和认识,运用BP神经网络进行充分预测,从而得到当只有单一因素变化时,项目是否可行。

关键词：建设工程造价,投资决策阶段,BP神经网络

参考文献

投资能力预测 篇7

“十一五”期间, 青海省经济取得了巨大的成就, 基础设施建设继续加强, 生态环境建设成果继续得到有效巩固, 农村生产生活条件继续改善, 特色优势产业发展步伐加快。“十二五”期间, 青海的经济将会有更深层次的发展。如何在既定的需求状况下有效供给固定资产投资, 顺利实现“十二五”规划乃至更长期时期内青海省GDP增长目标, 必将是青海省经济发展过程中重点解决的问题。

一、青海省固定资产投资现状

(一) 总体分析

第一, 固定资产投资规模不断扩大。自西部大开发战略实施以来, 青海省固定资产投资规模从1999年的128亿元增长到2009年的801亿元, 投资规模增长了6倍, 年均增长率为达到20%以上。

第二, 固定资产投资占GDP比重大。从1998年开始, 青海省固定资产投资占GDP比重超过了50%, 有些年份如2002年、2003年和2009年该比重甚至达到70%以上。

第三, 固定投资效果系数呈逐年提高的态势。固定资产投资效果系数反映了每万元的固定资产所产生的地区生产总值增加额。青海省固定资产投资效果系数从2000年的0.16逐步提升至2008年的0.38, 呈逐年递增的态势。但在2009年, 由于受到国内外经济环境的影响, 使投资效果系数下降到0.08。

(二) 结构分析

第一, 省内各地区的固定资产投资不均衡性突出。2009年, 西宁市固定资产投资占全省的42.68%, 海西州为22.73%, 海东地区为12.7%, 其余地区占比均在10%以下。固定资产投资主要集中在全省经济发展水平较高的地区, 这极大地影响了青海省经济发展的平衡性。

第二, 固定资产投资资金来源中, 仍以自筹资金、国家预算资金、国内贷款为主。2009年, 青海省固定资产投资资金来源中, 投资主体自筹资金占49%左右, 预算资金和银行信贷资金供给占33%左右, 债券和外资占1%左右, 其他资金约占17%。自筹和银行信贷仍是资金供给的重要渠道, 资本市场和外资供给所占的比例偏低。

第三, 固定资产投资主要集中在二、三产业, 第一产业固定资产投资比重较小。通过对青海省三大产业固定资产投资额的统计, 取各产业在近五年来占全省固定资产投资总额比例的平均值。可知, 第一产业的占比最低, 仅占8%, 这是因为青海省的气候条件限制, 农业并不发达, 对农业的投资少也是符合省情的;第二产业的占比最高, 占49%, 其中工业的固定资产投资额几乎占了第二产业的90%以上, 这也充分体现了工业在青海省经济发展中的地位;随着近年来青海省对旅游资源的开发, 第三产业的固定资产投资逐步增加, 占比仅次于第二产业, 为43%。

二、青海省固定资产投资需求与供给预测及缺口分析

为了能较为客观的判断青海省未来期固定资产投资需求和供给状况, 笔者依据历史数据及“十二五”规划发展目标, 对青海省2011～2020年固定资产投资需求及供给进行预测, 并对其供需资金缺口进行分析。

(一) 投资需求预测

固定资产投资需求预测的基本思路为:首先, 依据“十二五”规划设置的GDP发展目标计算未来各年GDP;其次, 根据历史数据, 采用回归方法, 建立固定资产投资与GDP之间的预测模型;最后, 由预测方程及未来各年GDP的数据, 预测投资需求。

1. 未来各年GDP的测算

西部大开发以来, 青海省GDP年均增长率为11.9%。《青海省国民经济和社会发展第十二个五年规划纲要》中也明确提出GDP年均增长12%的目标。由此假设在2011～2020年期间, 青海省GDP年均增长率也为12%。2010年青海省GDP为1342亿元, 据此可测算出青海省2011～2020年各年的GDP, 见表1。

2. 建立预测模型

由于固定资产投资与GDP之间存在高度相关性, 因此建立固定资产投资与GDP的回归预测模型:I=c1GDP+c2+μ, 其中c1代表GDP与投资之间的相关性, c2为截距项, μ为残差项。

然后利用1990～2009年相关数据, 可得投资需求的回归方程为:

I=0.695GDP-30.147

从回归估计的结果看, 模型拟合较好。可决系数R2=0.973, 表明模型在整体上拟合得非常好。从截距项与斜率项的t检验值看, 均大于5%的显著性水平下自由度为n-2=18的临界值t0.025 (18) =2.101;并且从斜率项的值来看, 0﹤0.69526﹤1, 符合经济理论中边际投资倾向在0与1之间的假说, 表明在1990～2009年间, GDP每增加1亿元, 固定资产投资需要投入0.69526亿元, 也就是对固定资产投资的需求是0.69526亿元。

其中c1=0.69526显示在青海省固定资产对当地GDP产值的贡献率比较高, 这也充分说明对于青海省, 在全国还处于一个相对比较落后的发展时期, 尤其是在相关的基础设施建设方面, 因此固定资产投资能够充分的带动该地区的经济发展, 所以其与GDP产值的相关性会比较高。

3. 投资需求预测

根据回归模型, 及未来10年GDP的测算值, 青海省2011～2020固定资产投资需求预测结果见表2所示。由预测结果可知, “十二五”期间青海省固定资产投资需求为6488亿元, “十三五”期间投资需求为11549亿元。

(二) 投资供给预测

对青海省固定资产投资供给的预测, 笔者采用Holt-Winters非季节指数平滑法进行。

根据青海省固定资产投资各渠道资金来源数据, 利用上述指数平滑预测方法对2011～2020年内各渠道资金进行预测, 预测结果见表2。根据预测结果, 2011～2020年期间青海省固定资产投资供给资金为15705.86亿元, 其中“十二五”期间供给资金为6238.75亿元, “十三五”期间, 即2016-2020年供给资金为9467.11亿元;从供给渠道来看, 国家预算内资金、国内贷款、利用外资、自筹和其他资金占供给总额的比重分别为17.81%、22.26%、0.63%、47.54%和11.75%。

(三) 供求缺口分析

通过预测青海省2011～2020年投资需求和投资供给, 得出未来10年青海省资金缺口总额2331亿元 (见表2) 。从表2可以看出, 青海省的资金需求和资金供给趋势总体稳步上升, 其中资金需求后期增长速度逐渐加快, 2020年资金需求上升为2868亿元, 上升速度较为明显。而资金供给虽也呈逐年上升趋势, 但上升趋势较资金需求平缓, 2020年资金供给达到2152亿元。“十二五”期间青海省资金总缺口248亿元, 而“十三五”期间总缺口2083亿元, 说明“十三五”期间资金供给压力十分大。总体来说, 资金总需求和资金总供给二者之间差距是越来越大, 不断增加青海省未来的融资压力。

青海省资金缺口的成因:从需求看, 资金需求与GDP保持相同的增长趋势。由于青海省的GDP增长一直较快, 因此资金需求也保持了较高的增长率;从供给看, 主要受到了青海省资金供给渠道结构的影响。前面的研究已经得出, 现实主要供给渠道中自筹资金、国内贷款和国家预算占了82%, 所占份额较大, 而债券资金来源只占0.067%, 说明资本市场的融资能力十分差, 利用外资所占比例也只有1%左右。总之, 资本市场发育程度低和未能充分利用外资是影响青海省资金供给不足的最主要的两个原因。

三、青海省固定资产投资供求平衡设计

从缺口分析中可以看出, 之所以会出现缺口扩大的趋势, 主要是青海省现有资金供给结构限制了资金供给能力的增长, 从而导致固定资产投资资金供给跟不上需求的增长。为此笔者认为可从以下途径和方法, 达到未来期青海省固定资产投资资金供给与需求之间的平衡。

(一) 路径选择

根据青海省自身情况和其他发达省份发展经验, 应大力吸引外资, 积极启动民间资本, 努力挖掘信贷供给潜力, 发展资本市场, 引进新型融资, 是弥补资金缺口的最佳方案和路径。针对青海省未来10年固定资产资金供求缺口越来越大状况, 应通过融资模式市场化, 吸引更多的市场资金参与经济建设, 弥补资金缺口。青海省固定资产投资的融资模式市场化可通过融资项目市场化、融资主体开放化等方式来实现。

(二) 平衡设计

1. 优化青海省固定资产投资结构的对策

第一, 改革投融资体制, 吸引民间资本。针对民间资本制定合理的投融资准入门槛, 进一步放宽社会资本的投资领域, 吸引更多的民间资本参与青海省经济建设。

第二, 建立企业和社会投资的稳定增长机制。广泛吸引省内外社会资本投资创业, 加快形成“政府引导、社会参与、市场运作”的社会投资增长机制。

第三, 充分发挥资本市场的融资功能。应积极利用证券市场、债券市场、银行间金融市场等资本市场融资工具进行融资。

第四, 发挥外资对经济增长的积极作用。减少对外资的审批内容, 简化审批程序, 缩短审批时间;提高政策法规的透明度, 积极引导外资投向青海的优势产业和发展基地。

第五, 创新融资渠道。政府当前可积极开发社保基金和保险资金渠道, 引导该渠道资金向基础设施、公共服务等领域活动, 并充分利用省外资金, 同时, 摒弃“自筹自建”的思维模式, 应将组建融资主体和引进投资主体结合起来, 大力吸引省外资金参与省内经济建设。

2. 资金总供求平衡设计

资金平衡方案设计是以市场化为基本方向和路径, 以发挥资本市场供给潜力为核心, 不放弃有条件下的外资供给, 全面考虑政府财政资金的供给能力, 充分利用银行信贷资金供给, 并使用创新渠道和创新工具来弥补缺口。

摘要：为顺利实现“十二五”规划乃至更长时期内青海省GDP增长目标, 固定资产投资中资金供求平衡必将是青海省经济发展过程中重点解决的问题。通过建立预测模型, 得出“十二五”期间青海省国家资产投资需求为6488亿元, 缺口为248亿元, “十三五”期间投资需求为11549亿元, 缺为2083亿元。平衡固定资产投产结构, 应改革融资体制, 吸引民间资本, 发挥外资对经济增长的作用, 创新融资渠道。

投资能力预测 篇8

一、方法建立

第一步:使用M atlab做出样本的频率直方图, 判断数据大致符合何种分布;第二步:利用正态概率纸做正态性检验, 样本数据在概率纸上描点, 若诸点在一条直线附近, 则认为该批数据来自正态总体;若诸点明显不在一条直线附近, 则认为该批数据的总体不是正态分布;第三步:进一步检验该批数据的总体服从正态分布, 采用经典的卡方拟合优度检验法进行验证;第四步:利用数据的正态分布特性进行相关求解。

二、实例分析

通过对某企业的实地调查与统计, 得到其在过去一年255个交易日的日收益额 (单位为万元) 的统计数据如下表1所示。

现做出假设:企业每天结算一次, 保持每天在市场上的投资额为1000万元;影响每天收益额的外界因素基本稳定;所抽取的255个交易日中的收益额为随机抽样;各周期间的收益额相互独立;收益率与收益额呈简单线性关系。

首先使用M atlab做出样本的频率直方图进行直观判断。通过观察, 255个交易日的日收益额的频率直方图近似服从正态分布, 笔者又对比了与该样本同期望、同方差的正态分布图, 见图1。

可知, 该公司255个交易日收益额的频率直方图与其同期望、同方差的正态分布图两者几乎完全契合, 可以初步认为该样本数据服从正态分布。再用正态概率纸对数据服从的分布进行检验, 运行结果如图2所示。

经典的χ2拟合优度检验法进行验证:

1) 原假设:过去一年该公司255个交易日的日收益额的总体服从正态分布, 即H0∶X服从正态分布;备择假设为:过去一年该公司255个交易日的日收益额的总体不服从正态分布, 即H1∶X不服从正态分布;

2) 将整体样本X的取值范围分成t个互不重叠的小区间。由题目所提供的样本值作分割区间:[-∞, -12) 、[-12, -8) 、[-8, -4) 、[-4, 0) 、[0, 4) 、[4, 6) 、[6, 8) 、[8, 10) 、[10, 12) 、[12, 16) 、[16, 20) 、[20, 24) 、[24, 27) 、[27, +∞) , 区间数m=14, 定第i个区间的实际频数为ni, 并计算Pi=F0ti-F0ti-1, i=1, 2, …, 14, 其中t0=-22, t14=32, 根据已经假设的正态分布, 确定理论频数n Pii=1, 2, …, 1 4;

3) 根据定理:若n充分大, 则当H0为真时, 统计量 总是近似的服从自由度为m-r-1的χ2分布, r是被估计的参数个数;其中, n=255, m=14, r=2, 给定显著性水平α=0.05, 则PΣχ2≥χα2m-r-1Σ=α, 查χ2分布表可得:χα2m-r-1=χ02.0514-2-1=19.6751, 即拒绝域为:Ic=Σχ2≥19.6751Σ;

由以上检验可知, X~N 7.4863, 97.0619。可得该正态分布的概率密度和分布函数为:

估计下一周期内的损失数额超过10万元的可能性, 根据样本数据的正态分布性, 即为:

查标准正态分布表, 可得:

即一个周期内损失超过10万元的概率为3.84%。

考虑一个周期内的损失超过10万元的可能性不大于5%的最大初始投资额M。设收益率为r, 收益额为X, 则X=M r, 日收益额X服从正态分布, 初始投资额为一个常数, 故收益率也服从正态分布。

故初始投资额最多为M=1153.27万元。

三、问题推广

四、结语

文章通过对企业历史投资数据的观察与统计, 根据相关理论及历史经验, 认为数据近似符从正态分布。接着通过m atble作图以及卡方拟合优度检验验证了这一猜想, 这是本篇文章的基本立足点之一。基于此结论, 开始对一个周期内, 企业投资风险的相关数据进行预测。最后将其推广到T周期内预测的一般情形。我们通过某企业的2012年的统计数据验证了该套方法的有效性, 同时, 该套方法易于应用到其他任何企业的投资风险预测问题。

摘要：文章主要探究金融投资中的风险掌控问题, 需要根据历史数据, 建立适当的模型, 从而对今后一周期, 两周期, 甚至更一般的情况下的投资风险进行预测。通过对某公司的数据收集, 对其进行实例分析, 建立正态分布拟合模型, 并进行卡方拟合优度检验, 得到相关结论, 进而推广到一般情况。

关键词：投资风险预测,正态分布拟合,卡方拟合优度检验

参考文献

[1]刘小茂, 马林等.资产相对价值的VaR和CVaR风险[J].统计与决策, 2006.

[2]王亮.基于CVAR模型的风险度量[J].统计与决策, 2011.

[3]姜启源, 谢金星, 叶俊等.数学模型[M].高等教育出版社, 2011.

投资能力预测 篇9

一国财政收入主要来源于劳动者新创造的国民收入,因此,一国财政收入规模决定于该国国民收入的规模,决定于该国经济发展的水平和状况。而一国经济发展水平又与该国一定时期的投资水平、投资效率及投资结构直接有关。一般来说,先有投资,才有经济发展,经济规模越大,投资规模相应也越大。所以从某种意义上说,投资决定国民收入增长,从而也决定了财政收入的增长[1]。因此对投资与GDP及财政收入的关系研究显得尤为重要,对我们认识经济发展规律具有重要意义。

近年来,对于投资与GDP之间的关系国内学者在也进行了大量的研究,并从不同角度提出了不同的观点。刘薇(2005)运用协整和误差修正模型验证了基本建设投资对GDP的增长作用。并得出结论:无论从长期均衡还是短期变动来看,基本建设投资对中国经济发展都起到了积极的促进作用[2];张亮(2007)运用协整的方法对GDP与投资之间的关系进行Grange因果检验,验证了从投资到GDP之间存在单向因果关系从而得出结论:中国经济增长依靠大量的要素的投入来拉动的[3];梁荣(2008)运用规范分析和计量经济学方法,对我国1986-2004年房地产投资与GDP相关关系以及房地产投资与全球房地产投资进行了实证研究,得出的结论对深化房地产业发展与国民经济总量关系研究具有重要参考价值[4]。

同样对于GDP与财政收入,夏海舟(1990)通过建立投资与财政收入增长关系的数理模型并经推导后认为,要实现财政收入的稳定增长就必须使包括投资规模、投资结构及投资效率三要素内在的总体投资效率达到最高[1];广西财政厅课题组(2008)运用实证分析的方法,对固定资产投资与广西收入增长之间的关系进行定量分析研究,并据此提出提高广西固定资产投资与财政收入增长之间关联度的对策措施[5]。

通过对上述文献的回顾我们可以看到,人们只关注了投资与GDP或投资与财政收入之间的关系研究,并没有将三者放在一起进行研究。本文重点研究投资与GDP、财政收入之间的关系,选取1991-2008年的实际投资额与国内生产总值(GDP)及财政收入的数据,运用MATLAB工具对其进行回归处理,得出回归模型,并依据模型对2009年及以后各年的数据进行了预测。

二、模型建立

1. 数据选取

文章依据国家统计局网站公布的数据,选取1991-2008年投资,GDP和财政收入的数据,其中投资为统计局网站公布的固定资产投资的数据,对其进行整理后如表1所示。

为更直观的观察投资与GDP及财政收入之间的关系,运用MATLAB工具箱的绘图功能分别绘制出投资与GDP(图1)和投资与财政收入(图2)的散点图。

2. 回归方程的建立

由图1和图2可以很明显的看出投资与GDP和财政收入之间都存在着很强的线性关系,其中投资与GDP的关系可以使用二次函数来描述,投资与财政收入之间使用一次函数来描述。因此将模型的基本形式设为

其中,Y为投资额,X1,X2分别表示GDP及财政收入,a0,a1,a2,a3为回归系数,为随机误差(均值为零的正态分布随机变量)。

然后我们利用MATLAB中的回归命令对其进行拟合回归。由于表1中的各项指标的数据差别太大,影响回归的效果,为此对各项指标数据进行标准化处理。然后运用MATLAB工具中的拟合命令,得到固定资产投资与GDP及财政收入的拟合曲线:

由拟合结果我们可以看出,模型拟合度非常高,均方误差s也几乎为0,故该模型的拟合精度非常高。所以可以将该模型作为投资额与GDP及财政收入的回归模型。为用此模型预测2009年及以后各年度的数据,我们还需对GDP和财政收入进行预测。

3. GDP预测模型

用以时间为自变量,对GDP进行预测。将1990年作为基期,即令1990年为t=1,然后依次递进,运用MATLAB工具箱拟合功能得到GDP与时间序列t的拟合曲线:

从拟合结果上看R2的值接近于1,拟合精确度非常高。根据(2)式,不同年度的序列号代入上式,我们就可以得到不同年度GDP的预测数。譬如我们取t=19和20,将分别得到2009年-2010年GDP的预测值为345937.9和419066.

2.4 财政收入预测模型

运用与GDP同样的方法可以得到财政收入与时间序列t的拟合曲线:

同样,从拟合结果来看,模型的精确度也很高。根据(3)式,将不同年度的序列号代入上式,我们可以得到不同年度财政收入的预测值。据此我们也取t=19和20,将分别得到2009年-2010年财政收入预测值72638.17和86773.9.

将2009年-2010年得出的GDP和财政收入的预测值,对它们标准化处理后代入模型(1),即得到这两年投资额的预测值为1.9238和3.1928,最后将此数据对其还原得到投资额的预测值为174464.18和201697.32.

三、结论

综合以上分析,我们得出投资与财政收入GDP之间拟合模型,并根据此模型对2009年和2010年度投资额数据进行预测。从预测的数据来看,GDP、财政收入和投资都是随着时间而增加的,这是符合我过现在实现经济,投资逐步增长的基本现状的。根据此模型,可以得到不同年度投资的预测数,为我国投资额的预算提供依据,对我国经济发展具有现实指导意义。

摘要：文章首先运用MATLAB工具对1991-2008年我国GDP、财政收入与投资额等数据进行回归分析,得出固定资产投资与GDP及财政收入的回归模型。其次,分别建立年份对GDP与财政收入的拟合曲线,预测出2009——2010年的GDP与财政收入值,进而推出未来两年的投资额预测值。

关键词：投资,GDP,财政收入,预测

参考文献

[1]夏海舟论投资与财政收入增长的关系——一个简化的理论分析模型[C].当代经济科学.1990(5).44-51

[2]刘薇居民消费、基本建设投资与GDP的关系实证分析[C].统计与信息论坛.2005(9).79-82.

[3]张亮我国投资与GDP增长的实证分析[C].社会科学家.2007(6).97-100

[4]梁荣我国房地产投资与GDP关系实证分析[C].基建管理优化.2008(4).2-10

[5]广西财政厅课题组固定资产投资于广西财政收入增长研究[C].经济研究参考2008(29).12-21.

投资能力预测 篇10

全社会固定资产投资总额是以货币形式表现的, 按照管理渠道可划分为四个部分:更新改造、基本建设、房地产开发投资和其他固定资产投资。固定资产投资是社会固定资产再生产的重要手段, 通过购置和建造固定资产的活动, 可以建立新兴部门更新技术装备;可以直接促进国内GDP增长、扩大内需;可以进一步调整经济结构;这对于国内经济的持续、健康、稳定发展具有重要的意义。贵州省固定资产投资受到许多因素的制约, 且相互之间有着错综复杂的关联关系。为了能够预测贵州省的全社会固定资产投资保持适当的投资度和所需资金额, 建立贵州省的固定资产投资预测数据模型就显得很有现实价值和研究意义。目前, 预测固定资产投资的理论方法比较多。如:灰色理论、生长曲线、指数平滑法等等。这些方法适合于长期趋势的预测, 不适合于短期波动的预测。ARMA在固定资产投资预测过程中既考虑了经济现象在时间序列上的依存性, 又考虑了随机波动的干扰性, 很适合于固定资产投资短期趋势的预测。

2 ARIMA介绍

2.1 ARIMA基本原理

ARIMA模型是又称博克斯—詹金斯模型 (the Box-Jenkins Model) , 简称B-J模型, 由美国统计学家Geogre E.P.Box和英国统计学家Gunlym M.Jenkins创立。其实质是差分运算与ARMA模型的组合, 包括移动平均过程 (MA) 、自回归过程 (AR) 、自回归移动平均过程 (ARMA) 以及ARIMA过程。具有如下结构的模型称为求和自回归移动平均模型, 即ARIMA (p, d, q) 模型[1]:

式中:

为ARMA (p, q) 模型

自回归系数多项式,

为ARMA (p, q) 模型

移动平均系数多项式,

式 (1) 可以简记为:

式中:{εt}为零均值白噪声序列, μ是时间序列Yt的均值。从这里也可以看出ARIMA模型的实质就是差分运算与ARMA模型的组合。在B-J方法中, 只有平稳的时间序列能够建立ARMA模型, 否则必须经过适当使序列yt非平稳, 经过d阶逐期查分后平稳, 则新序列zt成为其次序列 (homogeneous) 序列, 记为

平稳序列zt可以建立ARIMA (p, d, q) 模型, 原序列可表示为ARIMA (p, d, q) 模型, 记为:

对于一个非平稳的时间序列, 其数字特征是随时间的变化而变化的, 很难利用其已知的信息建立模型区预测未来的信息。非平稳时间序列建模的基本思想是:将理论和数据信息有效结合, 从固定资产投资变量的数据中所显示的关系出发, 确定贵州省固定资产投资预测模型中包含的变量和变量之间的理论关系。ARIMA模型 (p, d, q) 其一般的表达式为:

2.2 单位根检验

随机过程{yt, t=1, 2, …}, 若有其中, ρ=1, εt为一平稳过程这里, s=0, 1, 2, …, 则称该过程为单位根过程 (Unit Root Process) 。如果单位根过程经过一阶差分成为平稳过程, 即:则时间序列yi称为一阶单整 (integration) 序列, 记作I (1) 。一般地, 如果非平稳时间序列xi经过d次差分达到平稳, 则称其为d阶单整序列, 记作I (d) 。其中, d表示单整阶数, 是序列包含的单位根个数。

单位根检验常用方法有:DF (迪克逊) 检验、ADF (修正迪克逊) 检验及PP检验, 由于大部分时间序列数据可能存在高度的自相关, 因此在实证中经常采用的单位根检验法是ADF检验和PP检验。本文采用ADF检验进行单位根检验。如果ADF统计量的值比报告的临界值大, 则不能拒绝非平稳和存在单位根的假设, 也就是将得出序列可能是非平稳的结论。还需要对序列的一阶差分重新进行ADF检验, 若一阶差分是非平稳的, 则继续对二阶差分进行检验。

2.3 建模步骤

1) 数据平稳性检验 (二种方法) :构造检验统计量进行假设检验的方法, 目前最常用的统计检验是ADF单位根检验;根据时间序列的散点图, 自相关函数 (ACF) 图和偏自相关函数 (PACF) 图作出判断的图检验法。

2) 数据平稳化处理:如数据不是平稳序列, 则进行差分处理使之平稳化。

3) 预测模型判定:若序列的偏相关函数截尾、自相关函数拖尾, 则适合AR模型;若序列的偏相关函数拖尾、自相关函数截尾, 则适合MA模型;若序列的偏相关函数和自相关函数均拖尾, 则适合ARMA模型。

4) 参数估计:检验参数是否有统计意义。

5) 模型检验:用残差的自相关函数 (ACF) 图和偏自相关函数 (PACF) 图, 诊断残差序列是否为白噪声。

6) 预测:拿已通过检验的模型进行预测分析[2]。

单位:亿元

注:数据来源于《贵州省2007年统计年鉴》, 另2008年及2009年数据来源于《2009年贵州省国民经济和社会发展统计公报》。

3 ARIMA仿真试验

3.1 样本数据

本试验样本数据来源于《2007年贵州省统计年鉴》和《2009年贵州省国民经济和社会发展统计公报》, 通过搜集、整理出的样本数据如表1 1978-2009年的年末全社会固定资产投资总额。

3.2 平稳性检验

用表1 1978-2009年的年末全社会固定资产投资总额中的数据进得平稳性检验, 使用Eviews5软件中View/Line graph做1978年至2009年贵州省的全社会固定资产投资总额折线图, 结果如图2所示。

通过观察1978年至2009年贵州省的全社会固定资产投资总额时序图, 发现整个曲线前后波动幅度不一致, 是向右上方陡直倾斜。说明1978年至2009年贵州省的全社会固定资产投资总额序列存在增长趋势, 还存在异方差, 呈指数变化是明显的非平稳时间序列。为了进一步验证1978年至2009年贵州省的全社会固定资产投资总额序列是否是非平稳时间序列做单位根检验。

ADF检验的原假设是存在单位根, 一般Eviews输出的是ADF检验的统计值, 只要这个统计值是小于1%水平下的可以极显著的拒绝原假设, 认为平稳。但是它只有小于1%水平下的才能认为是极显著的拒绝原假设。从上面的t-Statistic对应的值可以看到, 1.051234大于下面所有的临界值, 因此该序列是非平稳的。

3.3 平稳化处理

从图2和表2的单位根检验可以看出, 1978年至2009年贵州省的全社会固定资产投资总额序列{xt}是非平稳的时间序列, 而且存在异方差。对于非平稳时间序列通常采用差分法使之平稳化。一般采用一阶差分法消除线性趋势;二阶差法消除二次曲线趋势;对数法将指数趋势转化为线性趋势。本仿真试验先令ht=log (xt) , 对1978年至2009年贵州省的全社会固定资产投资总额序列取自然对数消除其异方差性;然后令zt=ht-ht-1, 对样本序列进行一阶差分, 做出时间序列{zt}的折线图如图3所示。

从图3序列{zt}一阶差分时序图中可看出序列无明显趋势;对{zt}进行ADF检验。

由表3 ADF检验值-4.249473值小于1%level的临界值-3.69978, 因此可以认为它在一阶差分后是平稳的。所以取d=1。1978年至2009年贵州省的全社会固定资产投资总额序列{xt}经过取对数处理, 然后再做一阶差分处理后得到序列为zt, 由一阶差分时序图 (见图2) 可以看出处理后的时间序列zt较为平稳。为了验证序列zt的平稳性, 对其进得ADF检验, 通过检验结果表3可以确定zt为平稳序列。

3.4模型识别

ARMA模型定阶

使用Eviews 5.0软件画出平稳序列{zt}滞后12期的PACF图和ACF图, 可看出PACF图和ACF图均是拖尾的, 通过ARIMA模型定阶法判断序列适合ARMA模型。

平稳序列{zt}滞后12期的PACF图和ACF图来看, 显著不为0的PACF个数有2个, 对应滞后期1和4;显著不为0的ACF个数有2个, 对应滞后期1和4。由此得知 (p, q) 的不同组合有 (1, 1) 、 (1, 4) 、 (4, 1) 、 (4, 4) 。再运用Akaike提出的AIC和SBC准则, 对ARIMA模型的阶数和相应参数同时给出一组最佳估计, 选取使AIC、SBC达到最小的那一组阶数为理想阶数。

利用Eviews 5.0软件菜单操作ARMA (1, 1) 模型。Eviews 5.0软件主窗口中选Quick/Estimate Equation, 进入方程定义对话框。在方程定义一栏输入

其中ar (i) i=1, 2, …代表模型中自回归部分, ma (j) j=1, 2, …代表移动平均部分。点击options按钮, 可对最大迭代次数、收敛半径、参数估计做调整。单击OK得到输出结果。如图5所示。

同理, 运用Eviews 5.0软件运行其它三个模型。通过比较 (p, q) 为 (1, 1) 、 (1, 4) 、 (4, 1) 、 (4, 4) 的四个模型如表4中的AIC值, 参考了R2值、SBC值、DW值等各项指标, 最后综合考虑发现ARMA (4, 1, 4) 模型的滞后多项式倒数根也都落入单位圆内满足过程平稳的基本要求, 其R2为0.830139分别大于其它三个模型, 而AIC、SBC值分别为-3.1718120、-2.746174小于其它三个模型。所以取p=4, q=4即认为模型ARMA ARMA (4, 1, 4) 优于其他三个模型。

3.5 参数估计

经过多次拟合得到时间序列{zt}较理想的模型, 如图6。

其拟合的方程

3.6 模型检验

对时间序列{zt}拟合后的ARMA (4, 1, 4) 模型进行检验, 方法是用残差的自相关函数 (ACF) 图和偏自相关函数 (PACF) 图, 诊断残差序列是否为白噪声。如果残差序列不是白噪声, 则表明残差序列还存在有用信息未被提取, 时间序列{zt}拟合后的ARMA (4, 1, 4) 模型需要进一步改进。

运用Eviews 5.0软件, 单击View打开下拉菜单, 选择ResidualTests/Correlogram Q-Statistics, 在弹出的对话框中输入最大滞后期, 点击OK, 生成残差序列的自相关分析图。

对时间序列{zt}拟合后的ARIMA (4, 1, 4) 模型的残差项进行白噪声检验, 结果如图7所示。从图7可以观察出样本的残差序列的自相关系数 (ACF) 和偏相关系数 (PACF) 的值都在两倍标准差之内, 大多数都和零比较接近, 只有极少数的显著不为零。由此可见残差序列为白噪声序列 (即拟合残差项中将不再蕴含任何相关信息) , 所以残差通过白噪声检验 (即该拟合模型显著有效) , 因而可以诊断ARIMA (4, 1, 4) 模型模型是可行的、可用于预测分析。

3.7 模型应用

预测根据时间序列{zt}的ARIMA (4, 1, 4) 模型:

由{zt}可推导出序列{ht}的预测公式

由此得到原时间序列的预测公式为:

短期预测主要是预测近三年贵州省全社会固定资产投资总额, 即2008、2009、2010年的贵州省全社会固定资产投资总额。利用ARIMA (4, 1, 4) 模型对我省2005年到2010年贵州省全社会固定资产投资总额进行预测。

对{xt}作出2005-2010年的预测值, 与实际值进行比较 (见表5)

1978年至2009年贵州省的全社会固定资产投资总额序列{xt}经过取对数处理, 然后再做一阶差分处理后得到序列为zt, 然后对时间序列{zt}拟合后的ARMA (4, 1, 4) 模型用来预测贵州省全社会固定资产投资额, 其预测效果较好。由于ARIMA模型不适合长期趋势预测, 其预测误差会随着预测期的延长而逐渐增大, 但它适合短期趋势预测, 与其它的预测方法相比, 其短期趋势预测的准确程度还是比较高的。

4 结论

全国固定资产投资既能增加供给又能增加需求, 是国民经济增长的原动力, 它对经济增长具有乘数效应[3]。本文根据1978年至2009年贵州省的全社会固定资产投资总额的数据, 采用自回归求积移动平均法 (ARIMA) 建立预测模型ARIMA (4, 1, 4) , 仿真试验结果显示贵州省固定资产投资预测模型ARIMA (4, 1, 4) 提供较准确的预测效果, 可运用在实际工作中, 为相关部门决策提供参考依据。通过预测显示在2008、2009、2010年中持续增加贵州省全社会固定资产投资, 才能为全省经济持续、快速、稳定增长提供可靠的保证。

摘要：该文通过采用ARIMA模型, 采用贵州省1978-2009年的全社会固定资产投资额为样本数据进行分析, 借助于Eviews构建ARIMA (4, 1, 4) 模型。试验结果表明可提供较准确的预测效果, 可为贵州省全社会固定资产投资额预测提供可靠的理论依据。

关键词：ARIMA模型,固定资产投资,时间序列,预测

参考文献

[1]石美娟.ARIMA模型在上海市全社会固定资产投资预测中的应用[J].上海:数理统计与管理, 2005, 24 (1) .

[2]王新华.ARIMA模型在武汉市全社会固定资产投资预测中的应用[J].统计与决策, 2006 (8) .