效益预测（精选5篇）
效益预测 篇1
1 引言
投资是保证企业顺利进行再生产和扩大再生产的主要手段。随着国际国内环境的日益变化, 电信运营企业的经营、运作和发展越来越受到国内外金融、政治、市场、竞争等外部环境的影响。瞬息万变的市场环境, 使企业投资的高回报难度加大, 要求投资决策者在进行投资时要更加慎重。另一方面, 固话语音市场逐渐萎缩;无线市话发展达到瓶颈, 固网运营商向综合信息服务提供商转变刻不容缓。因此, 作为整个运营体系中重要一环的投资计划管理工作面临着新的要求和考验。如何针对当前的变化制定良好的投资计划, 在有限的投资中优化资源配置成为企业亟待解决的问题, 而科学合理地预测投资总额以及各专业投资额也就相应地成为固网电信运营商本地网网络规划工作的难点。
然而, 一直以来各电信运营商对本地网投资决策缺乏科学合理、针对性和操作性强的方法。企业制定投资计划往往只考虑实际建设项目需求, 而忽略历史、市场发展、业务趋势和投资效益因素;只关注各种设备投资, 而忽略业务与能力的匹配关系。投资决策缺乏科学依据主观性强, 导致网络能力建设与企业业务发展需求脱节, 出现资源闲置与资源紧缺共存的尴尬局面。
本文结合固网运营商本地网的实际情况, 经过实地调研考证及大量数据分析、测算, 基于业务投资效益, 创建了本地网投资预测体系, 为解决本地网年度投资总额预测及各专业的投资额预测的问题做努力尝试, 为企业投资决策部门提供给一种方法和思路, 以优化企业资源配置助企业转型。
2 投资预测步骤及常用预测方法比较
固网运营商提供的业务种类繁多, 可将其归纳为以下4类:固网语音业务 (基于固定网络提供的基本语音业务) 、无线市话业务、数据业务 (包括带宽型业务产品、窄带多媒体产品和IP宽带多媒体产品等) 、增值业务及综合信息应用服务 (以下简称增值业务, 指除上述基本业务之外的增值业务) 。投资按专业分为:交换、数据、无线市话、增值业务及综合信息应用服务 (以下简称增值应用) 、传输、宽带接入、管线、企业信息系统、电源空调、局房土建和其他投资。
各投资专业包含以下内容, 如表1所示。
预测投资额, 即不考虑具体各项目的投资, 按一定的步骤, 选用数学方法预测上述各个专业投资数额, 形成专业投资结构, 以及各专业投资额汇总后的投资总额。
2.1 投资额确定步骤
目前, 运营商对投资额预测的一般步骤如下:
(1) 根据内外部环境的分析, 制定企业投资战略, 明确投资方向;
(2) 预测未来一年的市场发展趋势, 包括业务收入、用户增长等;
(3) 评估现有网络能力资源情况及能力缺口;
(4) 结合投资战略和方向, 根据市场发展趋势预期及网络能力缺口预测情况估算网络及其他配套的投资;
(5) 确定投资总额。
2.1 现有投资预测方法比较
2.1.1 宏观方法——总体投资收入比趋势外推法
电信业是资本密集型行业, 其规模经济性要求企业每年必须投入大量的资金更新、维护网络以具有足够的业务能力满足不断增加的用户需求。从定量分析的角度看, 电信业投资与收入之间存在明显的相关关系。因此, 电信企业经常使用投资收入比即某年的投资占当年收入的比例这一指标来预测未来的投资总额:通过观察分析往年投资总额与用户、收入的关系, 对历史年份数据进行投资收入比的回归拟合, 应用函数曲线模拟外推, 预测其未来年份数值;最后根据投资收入比、投资、收入三者之间的关系计算预测年份的投资总额。
2.1.2 微观方法——业务资源占用法
业务资源占用法是通过建立业务—资源占用的量化模型, 分析业务对网络资源、能力的需求以确定投资额的方法。投资决策部门确定企业的市场业务发展目标后根据业务—资源的占用关系即业务量增长与资源利用率、资源参数等因素之间的关系, 从业务发展目标推算出下一年度各专业需要的目标资源;然后根据各专业现有资源总量与目标资源总量之间的差距确定新增资源需求;最后通过不同专业新增资源总量与各自造价的乘积确定各专业投资额, 并汇总专业投资确定投资总额。
2.1.3 比较分析
总体投资收入比趋势外推法主要是基于历史投资的事实, 在认同历史的情况下, 通过分析往年投资总额与用户、收入的关系确定投资总额。此方法简单易行, 然而在预测过程中考虑因素较少, 依据不够充分, 且完全忽略企业投资结构, 使企业投资被动地追随收入目标。另外, 该方法也未能考虑业务突发性等因素对本地网的影响, 因此它适用于处于较高层面的集团公司或省公司, 却不适用于地市分公司。
业务资源占用法建立在业务对资源的占用关系的基础上, 并加入利用率的影响因素以调整投资额。然而该方法仅考虑能力需求因素, 忽视历史投资轨迹和投资效益;测算过程过于复杂, 入口数据多, 且绝大部分数据也是基于预测, 导致控制点过多, 严重影响预测结果的准确性。因此也不适用于本地网投资额的预测。
3 基于业务投资效益的本地网投资预测体系设计
本文在总结吸取上述两种方法优点的基础上, 根据实地调研、反复论证, “以市场为导向, 以业务为主体, 以效益为目标”, 建立本地网投资预测体系。
预测体系设计原则:
(1) 既认同历史, 关注投资与业务收入、市场发展的关系, 又考虑业务对资源的占用关系;
(2) 重视业务投资效益和资源的合理配置;
(3) 综合考虑企业宏观环境、发展战略、以及计划、市场等相关部门决策者的意见对投资决策的影响。
3.1 设计思路
如图1所示, 在各投资专业中, 管线、交换、数据、传输、增值应用、宽带接入及无线市话投资与固话语音、无线市话、数据和增值四大业务直接相关, 在本文中将其定义为业务投资;其余专业投资与业务无直接关联, 但他们为各业务的实现提供支撑, 为企业的正常运营提供保障, 关系着企业的生存与发展, 我们把他们称为基础专业投资。通过数据分析与实际调研发现, 企业的基础专业投资占比比较均衡, 且在短期内不会发生太大变化, 因此, 在本体系中对基础专业投资只考虑占比情况对投资总盘的影响, 并不对具体专业进行预测。
根据实际需求, 本地网投资预测目标是投资总额和各专业投资额。如图1所示, 投资预测体系设计的核心思想是通过业务收入、业务量和用户数等信息的输入, 通过分析业务发展趋势和企业投资的历史结构, 以业务投资效益为出发点, 对投资总额和专业投资额进行预测。具体步骤如图1所示。
(1) 将业务专业的历史投资按占用关系分摊到固话语音、无线市话、数据业务和增值4大业务, 计算各业务的投资分摊额;
(2) 计算历年各业务的投资收入比;
(3) 根据历史变化趋势和市场发展状况预测未来一年各业务的投资收入比;
(4) 计算预测年份4大业务投资分摊额, 并对其求和得出业务专业投资总额。
(5) 分析历年投资专业结构, 预测未来一年业务专业投资占总投资比例, 计算投资总盘。
(6) 根据投资—业务匹配原则, 计算配比系数, 确定业务投资与业务专业投资的对应关系反算求解专业投资额。
3.2 业务投资额预测
业务投资收入比预测是业务投资预测的核心, 同时也是预测体系的另一个核心。对投资收入比的预测可以采用多种方法, 经过分析比较, 本预测体系选用趋势外推和概率修正法。
趋势外推法是根据过去和现在的发展趋势推断未来的一类方法的总称, 适用于事物内部和外部环境都比较平稳的情况。具体做法是根据时间序列长期趋势, 以时间自变量, 以历年投资收入比为因变量, 拟合函数方程进行回归分析, 计算预测年份投资收入比数值。
概率修正法一种主客观相结合的方法, 综合考虑宏观政策、企业市场战略等因素对企业投资和收入的影响, 结合了计划、财务、市场等部门领导的意见, 采用概率决策法计算业务投资收入比变化率的期望值, 最终预测未来年份的业务投资收入比, 具体步骤如下:
(1) 计算历年各业务投资收入比, 设预测年份前一年固话语音、数据业务、无线市话和增值业务的投资收入比分别为A1、A2、A3、A4, 预测年各业务投资收入比分别为B1、B2、B3、B4;
(2) 分析各年各业务投资收入比变化幅度, 综合考虑企业的业务发展策略、投资战略等因素确定未来一年投资收入比增长幅度区间, 取该区间最小值、中位数和最大值分别为3个决策点, 称ai1为悲观增长率;ai2为保守增长率, ai3为乐观增长率其中i=1、2、3、4;
(3) 由计划、财务、市场等部门的决策者给出悲观增长率、保守增长率和乐观增长率出现的概率, 并分别对3个概率求均值, 获得3个决策点的决策概率
(4) 计算预测年各业务投资收入比:
以上两种预测方法均具有优势和不足:趋势外推法简易行, 尤其是在实际计算中可以借助SPSS和excel等软件, 但此方法撇开了宏观环境, 企业发展战略等多种影响投资收入比的因素, 另外数据数量和数据新旧程度对趋势外推准确性的影响较大, 受企业数据条件的影响通常可操作性不强。概率修正法既充分考虑了历史情况, 又结合了企业决策层的观点, 使投资更符合市场竞争的要求;然而该方法对增长率的确定主观性偏强。在实际操作中企业可根据自身实际情况选择适用的方法。
3.3 投资总额确定
从投资结构看, 各年业务投资与基础投资的比例比较均衡, 以某地电信为例, 2004～2007年基础投资占投资总额的比例分别为84.45%, 80.71%, 82.70%和83.89%, 综合分析在近期内业务专业投资的占比不会发生太大的变化。因此, 在本预测体系中将各年基础专业投资占比的均值作为预测年份的比例, 则投资总额=业务专业投资总额÷ (1-基础专业投资占比) 。
3.4 专业投资额预测
预测出业务投资额之后, 根据投资-业务匹配原则反向匹配出业务专业的投资额, 方法如下:
(1) 根据匹配原则计算出预测年份投资-业务的配比系数;
(2) 设各业务专业的投资额为未知数, 根据投资-业务匹配原则列方程组;
(3) 根据企业的投资战略和方向补充方程求解条件, 解方程组, 计算出业务专业投资额。
由于需要将业务专业历史投资额分摊至各业务以计算业务投资收入比, 以及根据业务投资预测值反算各专业投资额, 投资匹配原则的确立对于预测结果的准确性和有效性有着重要的影响, 因此它是预测体系的另一个核心。本体系采用的匹配原则以业务对专业资源的占用关系为主要依据, 具体参见表2:
4 应用实例
下面以某地电信公司为实例, 根据2004～2007年各专业投资以及4大业务的收入数据, 预测2008年的投资总额。需要说明的是实例计算中所用数据均为实验用的虚拟数据。
4.1 确定业务投资
以数据业务为例, 数据分析显示投资收入比拟合度高, 采用趋势外推法根据表3拟合出方程y=-0.0417x+0.4461, 其中R2=0.9926。
2008年数据业务投资收入比预测值为y5=-0.0417×5+0.4461=23.76%, 由市场部门预测的2008年数据业务收入为205 178万元, 则:
2008年数据业务投资=205178×23.76%=48750 (万元)
对于增值业务, 由于IDC处于成长阶段, 呼叫中心处于投入阶段, 如果采用趋势外推预测投资收入比, 拟合度
过低, 预测结果无实际意义, 因此根据市场发展状况使用概率修正法进行预测, 如表4所示。
取悲观增长率、保守增长率和乐观增长率分别为-10%, -5%和0, 各增长率出现概率分别为1/2, 1/3和1/6, 则
2008年增值及转型业务投资收入比=48.21%× (-10%×1/2+-5%×1/3+0×0) =45.00%
由市场部门预测的2008年增值业务收入为62 851万元, 则:
2008年增值业务投资=62 851×45.00%=28 283 (万元)
其他业务预测过程类似, 在此不作赘述, 得2008年固话投资为37 846万元, 无线市话投资为1 566万元
4.2 确定投资总额
计算2004～2007年与业务相关专业的投资占比, 取平均值82.29%作为2008年业务专业投资的占比, 则:
2008年投资总额=116 446÷82.29%=141 507 (万元)
4.3 确定专业投资额
由投配比原则计算出如表5所示的投资-业务配比比例, 列方程组并考虑企业投资战略和方向加入求解条件, 最终确定2008年交换、数据、无线市话、传输、宽带接入、管线和增值应用的投资额分别为:11 014万元、6 632万元、1 566万元、6 182万元、32 528万元、30 241万元和28 283万元。
以上预测数据在本地网滚动规划投资决策的实际工作中, 为决策部门提供了非常大的参考价值。具体投资额均围绕预测数据根据实际需求进行调整。
5 方法评价
任何理论必须要经过实践的检验, 本体系设计的预测方法已经在移动、电信等多个本地网运营商进行过实际应用, 其预测的合理性和准确性也得到了相关决策者的认可和肯定。
从表6可以看出, 使用本体系计算的预测值与投资计划值偏差较小, 特别是2007年投资总额预测值仅比实际值小0.04%。目前, 固话和无线市话市场均趋于饱和或萎缩, 对这两项业务主要进行维持性投资, 投资规模小, 且话音作为传统业务历史趋势明显, 预测与实际偏差小;数据业务和增值业务作为投资重点, 许多新业务 (如呼叫中心、idc等) 处于发展阶段, 投资增幅大, 使用历史趋势和专家预测均存在较大误差。作为对未来的预测误差是不可避免的, 况且预测主要基于投资效益, 考虑的重点是业务和市场的发展趋势, 而实际投资过程中则重视单个项目的建设方案, 设备单位造价变动、项目建设规模、项目可行性等都会使预测值和实际值发生偏离。我们能做的是进一步减小预测误差率, 为企业的投资决策提供有效的参考依据。
6 结束语
基于业务投资效益的本地网投资预测体系突破性地抛开具体建设项目对本地网投资总额和专业投资额进行了预测, 它为投资决策部门提供了不同的视角。它不仅考虑了投资对企业收入拉动的影响, 以市场预期收入为导向, 预测投资规模;更主要的是以重视投资效益的提高和业务成本的控制为出发点, 综合考虑企业宏观环境、市场策略及企业管理者的决策意见等多种因素, 对投资总额和专业投资额进行预测。本体系的建立有助于企业投资决策部门准确地了解各种业务产品的投资效益和发展趋势, 并以此为依据做出正确的业务发展战略和投资结构决策。
当然本文所探讨的投资预测体系还存在一些可以优化和改进的地方:就方法而言, 文中介绍的趋势外推与概率修正法对投资收入比进行预测, 均具有优势和不足。我们希望在以后的工作中, 结合企业实际, 将此方法进一步优化和发展。就体系本身而言, 它是着重于额度预测, 不考虑实际建设项目。而本地网规划工作注重项目建设预案, 由于项目建设需求是刚性的, 不能用预测体系的结果强硬限制年度投资总额和具体专业投资额度, 而应该将预测结果作为投资决策的参考与指导, 同时结合项目可行性分析、建设方案分析和效益分析, 对项目投资进行取舍或调整, 使预测体系有效的发挥作用。
参考文献
[1]高纪欣.经济预测中的方法分析与预测, 电信决策研究动态, 2005年第6期
[2]冯若钊.电信业务投资效益分析方法和模型研究, 广东通信技术, 2004年第12期
[3]张纪元.广东电信网络投资与业务产品配比关系及投资效益评价模型研究, 广东通信技术, 2004年第5期
[4]电信运营管理, 北京邮电大学经济管理学院信息资源与系统研究中心, 2007年9月
效益预测 篇2
2005年第一季度与上年同期比较，收购和新投产机组使得华能国际总体规模扩大，平均结算电价略有下降，电量和收入持续大幅度增长。但由于燃煤价格自2004年4月份以来持续上涨，目前仍在高位运行，2005年第一季度单位燃料成本比去年同期大幅上涨，保守估算，华能国际煤炭价格2005年一季度同比上涨了超过40%，售电毛利率大幅下降。因此，规模扩大增加的收入不能完全抵消燃料成本和固定成本的增长，华能国际利润同比下降。考虑到后三季度煤炭成本同比增长幅度将减缓，且近期华能部分电厂上调了电价，因此后三个季度的赢利会有所提高，预计2005年的业绩应该在每股0.3元~0.35元/股左右,根据华能的分红政策,分红有可能控制在0.2元/股左右。
项目管理部
效益预测 篇3
GMDH是由乌克兰科学院A.G.Ivakhnenko院士于1967年首次提出, 并在Adolf Mueller等德国科学家的协作下得以不断发展, 如今已成为一个有效而实用的数据挖掘工具。自组织建模的过程实质上是寻求并确定系统最优复杂度模型的过程。它处理的对象为若干输入变量, 一个或多个输出变量构成的变量间关系待定的一个封闭系统。通过各输入变量相互结合产生众多候选模型集, 利用外准则选出若干项最优模型, 再将其结合, 由此得到再下一代。如此不断重复直到新产生的模型不比上一代更加优秀为止, 则倒数第二代中的最优模型就是我们寻找的最优复杂度模型。
GMDH是基于神经网络和计算机科学的迅速发展而产生和发展起来的。类似于生物神经网络, 自组织建模方法将黑箱思想、生物神经元方法、归纳法、概率论、Godel数理逻辑等方法有机地结合起来, 实现了自动控制与模式识别理论的统一。
2 AC模型原理
2.1 待选模式的产生
对于一个给定的具有N个观察值的实值m维序列xt={x1t, Λxmt} (t=1, 2, Λ N) , 一个模式定义为从第i行开始的含有k行的表格Pk (i) , 这里k称为模式长度 (i=1, 2, Λ, N-k+1) 。
将所有可能的待选模式Pk (i) (i=1, Λ, l, Λ, N-k+1) 与参照模式PR相对比, 希望找出与参照模式相似的模式来研究系统的行为。根据任务的不同, 参照模式可以是任何特定的模式。由于AC算法将相似模式的延拓组合起来作为参照模式的发展状态, 因而该方法进行预测时, 应该使预测区间恰好是参照模式的延拓。于是选用预测起点前的最近一个已知模式作为参照模式, 即取PR=Pk (N-k+1) 。
2.2 待选模式的变换
根据工作原理, 对于长度为k的某参照模式, 在数据样本中可能有一个或几个长度为k的相似模式。但是由于系统是动态的, 不同时期的相似模式可能具有不同的平均值和标准方差。
令x*1, i+j=aundefined+aundefined, j=0, 1, Λ, k-1;i=1, 2, Λ, N-k+1;l=1, 2, Λ, m参数aundefined可解释为参照模式与相似模式Pk (i) 间的状态差异, 而参数aundefined则视为一些不确定的因素。使用参照模式的对应数据xij (i=N-k+1, N-k+2, Λ N;j=1, 2, Λ m) 作为基准值, 对每个待选模式pk (i) , 由最小二乘法估计出未知的权重aundefined, aundefined, 并给出用于计算模式相似性度量的误差平方和。
2.3 相似模式的选取
这一步的主要目的是识别模式形状间的相似性, 我们将其度量称为模式相似度。为了度量一个已按步骤 (2) 变换了的待选模式pk (i) 关于参照模式pR的相似性, 就需要测量两个模式中具有m个系统变量的k个观察值之间的距离。一般地, 第i个待选模式与参照模式间的距离可定义为:
undefined
模式相似度可由距离来度量。第i个模式关于参照模式的相似度si定义为:
si=1/di
显然距离值越大, 模式相似度就越小。
模式相似度计算出来以后, 我们就可以根据相似度大小来选取相似模式。
2.4 将相似模式的延拓进行组合以得到预测
值得注意的是, 与通常的参数模型相比, 在对输出变量进行预测时, AC算法不需要预先对输入变量的发展趋势进行估计或作假设, 即预测完全由一致的数据给出, 是真正意义上的预测。这也是它优于一般预测方法的特点。
3 组合预测模型
所谓组合预测, 就是将不同的预测方法进行适当的组合, 综合利用各种方法所提供的有用信息, 从而尽可能的提高预测精度。2003年诺贝尔经济学奖得主、美国加利福尼亚大学的C.Granger教授关于组合预测的评价是:“组合预测提供了一种简便而实用的可能产生更好预测的途径。” 假设对工业增加值预测问题建立了m个预测模型, 他们对目标变量的预测值分别为f1 (t) , f2 (t) L fn (t) , 组合预测模型为undefined。
其中, c为常数, ω1, ω2, ω3, L, ωn为各种单项预测方法的预测值在组合预测中的权重。常数c和权重ωi (i=1, 2, …n) 的确定是根据最小二乘法原理, 是预测值和实测值误差的平方和达到最小而求出。
4 实证分析
4.1 组合预测结果及误差分析
把2007年1季度～2007年4季度的GMDH模型和AC模型的相关数据代入组合预测的线性模型式中, 即可求得组合预测的权重。在此组合预测模型下, 可使预测的误差平方和最小, 解得
ω1=4.979, ω2=-7.019, c=482.877
由此得到GMDH和AC预测模型及组合预测模型的相对误差分布见表1。
由表1可知组合预测之后, 模型的相对误差大大减小了, 模型的最大相对误差也在3%以内, 属于宏观经济预测可接受的误差范围。
5 结束语
论文讨论了GMDH自回归模型和AC模型在工业经济效益中的作用, 并针对两种预测模型的结果建立了最优线性组合预测模型。实例证明, 组合预测取得了比较好的预测效果。
随着我国工业的快速发展, 社会各界对于工业经济效益的预测工作越来越重视。论文借助GMDH自回归模型和AC模型进行组合预测, 经过验证, 该种方法能够有效地提高预测的精度, 比单一预测模型的相对误差更小, 更适合预测未来经济的发展。
用本文所提出的组合预测方法进行工业经济效益的预测已经在四川省得到应用。实践证明, 这种组合预测方法的预测效果很好。
参考文献
[1]贺昌政.自组织数据挖掘与经济预测[M].北京:科学出版社, 2005.
效益预测 篇4
1 系统总体设计
1.1 系统技术路线
本系统在Windows XP/7/8等环境下均可运行, 使用VB6.0语言, 采用组件式开发技术, 开发流程如图1。
1.2 研究方法
本系统设计采用层次分析法 (Analytic Hierarchy Process, 简称AHP) , 是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初提出的, 是将与决策总是有关的元素分解成目标层、准则层、指标层等, 在此基础之上进行定性和定量分析的决策方法。
1.3 构建预测模型
本研究准则层选取生态 (自然) 、经济、社会3个方面, 每个准则层选取一定的因子作为指标层。指标权重的确定采取调查问卷的形式, 利用层次分析法, 根据各因素相对于上一层的贡献度, 采用T L Saaty的九级标度法 (表1) , 对同层各个因子进行成对比较, 一次比较2个因子, 构造判断矩阵, 确定各指标权重, 并进行一致性检验, 构建预测模型。
考虑到农村土地整理项目的收益人主要是农民, 本研究共发出100份群众问卷, 收回92份, 同时发出10份专家调查问卷, 收回10份。专家与群众的问卷分别统计, 每份专家问卷的权重为10, 每份群众问卷的权重为1, 综合计算, 制定出本系统的指标权重[16,17] (表2) 。
2 土地整理效益预测系统的模块设计
运行农村土地整理效益预测系统后, 首先进入登录界面, 该界面包含“用户需知”, 在用户阅读后, 点击登录按钮, 进入评价界面 (图2) 。
在项目实施前, 首先进行评估, 依据一定的标准, 计算土地整理的分指标得分。点击菜单栏中的分值录入, 可以输入相应分值内, 之后对菜单栏的分值进行计算, 或者点击准则层得分对应的3个文本框以及综合得分文本框, 系统可以根据已经设定好的权重值, 迅速计算出该方案的生态指标、经济指标、社会指标得分以及综合得分, 对于几种不同的设计方案分别给予预测, 设计人员根据分值的高低, 综合选择最为合理的方案, 降低投资风险, 减少不必要的损失, 最大程度保障项目的效益。输入试验数据后, 结果界面如图3。
3 系统分析
本研究采用层次分析法, 设计基于VB6.0的农村土地整理效益预测系统, 为土地整理设计方案的定量化评估提供了一种新的思路, 是一种高效、快捷的手段。与传统方法比较, 该系统的实施, 优越之处体现在:采用面向对象式的语言, 界面简明, 实施方便, 易于操作;可以对土地整理设计方案进行定量化评估, 而传统方式多为定性评价;采用层次分析法, 可以对生态、经济、社会进行分别统计, 便于调整。但是该系统也存在局限之处, 如评价模型还需要进一步完善, 在确定各指标分值时, 根据不同的整理项目和设计方案, 制定准确的打分标准并加载到系统中, 是需要进一步研究的。
摘要：开展土地整理效益预测是农村土地整理的重要工作, 本研究采取层次分析法, 目标层选取自然、生态、经济3个方面的指标, 构建农村土地整理效益预测模型, 并设计开发基于VB6.0的预测系统, 系统界面简明, 实施方便, 易于操作, 为高效、定量化评估土地整理设计方案提供了技术支持, 从而便于选择最为合理的方案, 避免资源浪费。
效益预测 篇5
利润大幅攀升
上半年拖拉机市场最值得称道的变化是告别了低效益增长老路, 呈现出利润大幅度攀升, 增速急剧下调, 运行质量明显提高的新常态。2015年1—6月拖拉机工业企业主要经济指标月报表见表1。
181家拖拉机规模企业统计显示, 上半年累计实现业务收入332.83亿元, 同比小幅增长2.22%, 增速上扬1.26个百分点, 彰显出市场稳健运行的特征。
基本面的稳健并不掩饰其它经济指标的巨大变化, 譬如利润。上半年实现利润14.97亿元, 同比增长29.36%, 增速上调57.25个点, 创下历史新高。
面临复杂而严峻的市场形势, 为控制经营风险, 许多企业加大市场管理力度, 提升运行质量。这种变化从应收账款的指标上可以清晰地感觉到。统计显示, 上半年应收账款90.39亿元, 同比下降4.1%, 增速下挫21.58个百分点, 这在拖拉机领域还是头一遭。
这一变化与利润大幅攀升遥相呼应, 宣示了拖拉机行业开启了一个崭新的发展阶段, 即效益型增长阶段。
大型化趋势明显
从基本面分析, 2015年上半年, 176家规模企业累计销售各种型号拖拉机91.7万台, 同比下降12.71%。
拖拉机需求结构的变化明显。大中拖市场成为支撑拖拉机市场以避免大幅滑坡的主要力量, 市场调查显示, 截至6月底, 累计销售各种大中拖28.53万台, 同比增长3.12%, 其中73.5 k W (100 hp) 以上的大型拖拉机销量达到3.44万台, 同比增幅高达36.68%。中拖销量冲击25万台, 同比增长6.41%。与之相反, 小型拖拉机市场继续演绎“跌跌不休”的走势, 销售63.18万台, 同比下挫18.37%。
从2015年上半年大中拖各功率段销量图与2015年上半年大中拖各功率段占比图可见, 2015年上半年拖拉机市场的大型化趋势, 不仅表现在大拖与中拖之间, 还表现大拖和中拖的内部。
2015年上半年大型拖拉机市场的飙升绝非偶然, 而是众多因素综合作用的结果。
首先, 随着土地流转的加速, 农业大户、农机合作社、家庭农场等各种农村组织崛起, 成为引发拖拉机市场需求结构调整的关键因素;其次, 政府推动的保护性耕作, 尤其是土地深松政策成为推动大型拖拉机走强的驱动力;第三, 成熟的大型拖拉机成为支撑市场的必要因素;第四, 区域市场需求的周期性变化也是不可忽视的重要原因。譬如黑龙江市场, 在经过3年的沉寂后, 2015年需求能量释放, 进入快速增长轨道。
主流区域市场需求提速
上半年, 大中拖市场区域集中度大幅度攀升。市场调查显示, 大中拖市场需求前10区域累计达到24.75万台, 同比增长33.66%, 占比86.76%, 较之2014年同期提高17.57个点。
黑龙江、新疆、山东依然位居前三甲, 尤其是黑龙江市场, 需求达到5.12万台, 同比增长104.8%, 占比较之2014年同期提高了8.48个点。新疆市场3.21万台, 同比下降3.59%, 占比较之2014年同期下降了1.17个点。山东需求也大幅度提高, 需求量达到3.15万台, 同比增长60.66%, 占比提高了3.66个点。
市场竞争加剧
2015年上半年, 虽然大型拖拉机市场快速增长, 与众多的中小企业形成产品需求区隔, 但因为58.8k W (80 hp) 以下的中型拖拉机市场依然占据着70%以上的市场份额, 并没有改变市场需求结构, 市场集中度分散依然是拖拉机市场的突出特点。
市场调查显示, 销量前5位主流品牌累计销售15.05万台, 同比增长0.36%, 占比52.75%, 下挫2.95%。从5大品牌的表现看, 以下2个特点较为突出。第一, 5大品牌中, 除福田雷沃重工、约翰迪尔出现小幅下滑外, 其他品牌均出现不同程度的增长。第二, 占比下降。除个别增速提高的品牌外, 其他品牌占比均出现不同程度下降。
从未来发展趋势分析, 我国拖拉机行业走向集中是历史的必然。
统计显示, 我国规模以上的拖拉机生产企业270余家, 如果算上小型企业, 则数量更多。在众多的拖拉机生产企业中, 80%的企业几乎没有研发能力, 所谓的产品研发只是产品的仿制, 真正能研发高端产品的企业并不多, 从而造成了高端产品不足, 中端产品严重过剩, 低端产品泛滥。
出口市场遭遇滑铁卢
2015年上半年, 我国拖拉机出口遭遇滑铁卢, 4个品类的拖拉机出口只有占比微弱的履带式牵引车、拖拉机出口额出现16.22%的增长, 其他各个品类无一幸免下滑态势。
据统计, 上半年, 拖拉机累计实现出口量6.56万台和出口额2.08亿美元 (约合人民币13.32亿元) , 同比分别下滑23.32%和8.1%。其中, 主力轮式拖拉机、手扶拖拉机的出口额下滑幅度分别达到了5.36%和14.86%。2015年上半年拖拉机出口一览表见表2。
拖拉机出口下滑既有国际大环境的影响, 也有我国拖拉机生产企业的自身因素。以轮式拖拉机为例, 俄罗斯、乌克兰、缅甸、埃及是我国轮式拖拉机的出口大国, 2015年上半年累计实现出口额4 031.22万美元 (约合人民币25 821.98万元) , 同比下滑46.39%, 占比25.12%, 较之2014年同期下挫19.23个百分点, 其中俄罗斯、乌克兰同比下滑分别达到55.28%和82.86%, 成为导致轮式拖拉机全线滑坡的主要因素。
如果从深层次分析我国拖拉机出口下滑原因, 主要有以下2点。
首先, 我国拖拉机出口一直以中小型低端产品为主, 价格优势成为我们击败竞争对手的杀手锏。但随着国内劳动力成本的不断抬升, 价格优势正逐渐消失, 而新的出口优势尚未形成。
其次, 过去国外有未满足的需求, 产品做出来不愁卖。但现在大众化产品的市场空间几乎被东南亚国际挤占得饱和了。
下半年拖拉机市场预测
上半年拖拉机市场的走势注定了2015年是盘整和调整之年。综合各种因素, 预计2015年我国拖拉机市场整体降幅会收窄, 与2014年基本持平。
从大拖、中拖、小拖3个品类分析, 全年预计销售在6.5万台、50万台和140万台左右, 同比分别增长9.44%、2.51%和-10.87%。此判断基于以下两点。
第一, 从整体分析, 拖拉机市场进入结构调整期, 市场总量将稳定在200万台左右。