价格模型（精选11篇）
价格模型 篇1
1 住宅特征价格模型的基本概念
特征价格模型一般可以理解成:可以为人们带来有效参考的价格模型。其核心主体是实际产品中能满足人们需求的各种特征价格总和。
我们所阐述的住宅价格模型特征是房屋内在的各种客观特征, 因此排除了人为的主观评价。其主要特征有如下几类:住宅的区位特征、周围环境特征与住宅本身特征三类。
我国住宅价格特征研究是近几年开展起来的, 但是相对数据较为匮乏。随着数据的逐渐完整, 人们日益关注房地产价格, 更多的专家开始研究该模式对下的住宅价格。
特征价格模型中涉及的主要指标有:住宅的区位特点、层数、绿化、车位、物业费用、装修水平、物业、通讯以及供水等方面。这些因素中, 区位与物业级装修是影响价格的重要指标。
该式中, 因变量是Y, 而Xi则代表着住宅价格;经过Box-cox进行转换后的普通自变量;Zj则是未通过Box-cox转换的自变量;Ε属于误差项;β, α, θ和λ是模型需要估计的参数。假设θ与λ为1, 则2式属于多元线性模型;当其为0而为1时, 则属半对数模型;如果都为0时, 模型则属对数线性。上述三种模型是以往常用的研究住宅价格的模型。
2 模型的样本和数据
2.1 住宅资深价格的重要指标
主要有:面积、卧室数、客厅数、厕所数、住宅所属楼盘是否为高层/小高层/低层, 所处楼层上部/中部/下部, 住宅的建筑年龄, 朝向及是否南北通透等方面。
此外, 住宅建筑是低层、小高层或者高层也影响到住宅价格水平。
2.2 影响价格的住宅区位特征 (因变量)
相关指标包括:DT代表与天安门之间的距离———以北京为例, 通常该距离为直线距离。与城市CBD的距离表示为DC。距离地铁站的直线距离DS。以此确定该区域是否位于城市的核心区域。
一般国际上将距离CBD的距离作为反效应住宅价格的重要指标。其确定依据是往返CBD与住宅之间的通勤成本。
2.3 住宅环境指标
环境指标中的重要因素包括:治安、空气质量、教育及噪音等。本文主要针对教育与环境进行阐述。国内大中城市通常将学区房作为一个重要环境因素, 但是这种影响因素缺乏较具体的量化指标。一般会考虑城市重点小学是否与住宅之间的关系来衡量教育因素对其价格影响程度。
此外其他的环境因素一般选择湖泊与公园对住宅的影响, 城市中的主要风景点, 如:杭州西湖、北大未名湖等都会直接影响到住宅价格。
3 特征价格模型研究
3.1 模型的主要计算方式
第一, 各种自变量的共线性回归分析。由于DT与DC之间有多重共线性, 分别把DT和DC移除, 然后进行回归, 然后使用逐步排除的办法进行半对数线性回归、线性回归以及对数线回归到模型当中。依照该方法对住宅的面积与卧室数量及客厅数量确定共线性并进行排除。
第二, 对各种因变量进行转换, 当数值接近0的时候对因变量进行对数转换。
3.2 价格特征模型的解释
通过对模型调整可以解释住宅总价变量的88.4%左右。计算表明接近市中心或者靠近湖泊的住宅相对价格更高些, 而年代较长的价格价格则偏低。同时, 住宅面积、客厅卧室数量以及是否是学区、是否通透、房屋层数等都会直接影响到住宅价格。以下就主要变量进行分析:
3.2.1 面积 (S) 变量
当变量系数达到0.931时, 住宅面积如增加1%, 其总价会增加0.931%左右。这就证明, 随着住宅面积的增加, 购房者的购买力对当前价格水准影响偏弱。
3.2.2 是否位于学区范围内 (E) 的变量
当变量系数达到0.221, 学区住宅价格会远高于其他区域住宅价格, 通常超出其他区域24.7%左右。
3.2.3 是否位于经济发达区域 (NC) 的变量
通过计算, 如果住宅所在区域经济较好会与之较差的高出34.4%左右。这种数字差异反映出该因素对住宅价格的直接影响。
3.2.4 距离最近的河流或湖泊的距离 (DR) 的变量
实际证明, 住宅距离湖泊等距离的增加会直接影响房屋总价, 通常, 每增加1%总价会降低0.018%左右。因此, 一般普通住宅价格对周围生活环境敏感度不高。
3.2.5 变量NS, 房屋是否南北通透
转换数据证明, 同等条件下, 如果南北通透, 其价格会高出非通透住宅的4.1%左右。
4 城市轨道交通对沿线住宅的影响
4.1 轨道交通影响住宅价格的理论基础
4.1.1 区位因素
该理论因素是城市核心经济理论之一, 住宅价格与交通成本之间有关系密切, 因此, 轨道交通因素就成为特征模型中的重要构成。轨道交通是否便捷也直接反映出住宅区域位置的区位优势是否明显。因此, 该因素直接影响着土地价格与住宅价格。
4.1.2 地租地价因素
由于土地的更急不同, 直接造成了地租的级差。轨道交通可在某种程度上提升城市的价值, 因此属于租Ⅱ。
4.1.3 城市土地的增值因素
由于城市政府部门不断加大公共设施的投入, 造成土地收益率的逐渐增加。因此, 轨道交通大大提升了土地的利用价值。
4.1.4 房地产价值因素
住宅价格究其本质反映的是房地产的价值, 进而以买卖的成交价和租金的形式体现出来。所以, 我们研究住宅价值变化依据的是价格的增幅。
4.2 城市轨道交通影响住宅价格的主要研究方法
城市轨道交通附近区域住宅价值影响分析主要有:交通成本模型、特征价格模型以及地价函数法。研究表明, 轨道交通直接产生住宅生产溢价, 并且随着与主城区距离的由近及远直接造成价格的上浮。因此, 相对偏远的区域对轨道交通的依赖性更强。主城区由于交通方式较多, 依赖程度反而会有所弱化。随着与轨道交通站点距离的增加和出行时间的增加, 其影响程度也会逐渐弱化。
5 结语
综上所述, 我国住宅价格的特征价格模型影响因素众多, 住宅所在区域、学区房、城市轨道交通等成为影响价格的主要指标。由于该项研究在我国刚刚起步, 需要我们逐渐深入的研究才能更好的以数字化指标反映出最终的住宅价格。
参考文献
[1]王德, 黄万枢.外部环境对住宅价格影响的Hedonic法研究[J].住区规划研究, 2007, 31 (9) .
[2]龚江辉.北京市住宅价格决定因素分析与政策思考[J].北京社会科学, 2009 (1) .
[3]张晓光, 张红.基于Hedonic模型的北京住房市场交易信息成本[J].清华大学学报 (自然科学版, 2009, 49 (3) .
价格模型 篇2
排污权影子价格模型的分析及启示
通过建立排污权交易市场,引入市场机制力促进企业污染减排,以形成治污的长效机制,是推进节能减排制度创新的重要举措.作为一种以市场为基础的环境经济政策,排污权交易体系具有污染治理的成本效率特征,允许企业在以最低成本减少污染的同时拥有一定灵活性.在中国当前的.排污权交易试点工作中,排污权初始分配方式成为了各方争论的一个焦点.利用排污权影子价格模型,深入剖析了排污权影子价格的形成机制和相关命题,并论述了排污权影子价格的政策含义及其对中国开展排污权交易的启示.
作 者：林云华 Lin Yunhua 作者单位：武汉工程大学,经济管理学院,湖北省企业竞争力研究中心,湖北,武汉,430205 刊 名：环境科学与管理 英文刊名：ENVIRONMENTAL SCIENCE AND MANAGEMENT 年，卷(期)： 34(2) 分类号：X196 关键词：排污权 交易成本 影子价格 政策工具价格模型 篇3
关键词动力系统；差分方程；稳定性；投机行为
中图分类号F83 文献标识码A
1引言
投机行为在证券市场中是普遍存在的一种现象.适度的投机可以增强证券市场的流动性，促进上市公司的内在价值发现以引导资源的合理配置和市场风险的合理分担.但过度的投机则会扰乱市场，阻碍证券市场的发展并加大资产的泡沫，对经济产生不利影响，甚至严重的会导致金融危机.现代金融市场的不断发展及金融衍生工具的层出不穷也导致了投机行为加剧及证券价格的异常波动.
关于投机普遍的观点是有别于具体的价值投资行为，认为投机行为是以获取价差而不是以获取股利为目的而进行的交易活动或者买卖行为.该行为更多是将资本投向于能够在短期价格波动中获取利益的领域.但是众所周知，一项投资活动的价值取决于该项投资能产生的未来收益，在实践中要准确的计算投资的价值是十分困难的，而且投资的收益也会随着各种条件的变化而与初始的测度相背离.而且投资者在具体交易中也会将自身持有的资产交给其他的投资者而规避风险，在这过程中投资者逐步的已经转化为投机者.同时投机者行为的主要依据是证券资产价格差而不是其资产的内在价值，由于证券市场中的供求矛盾和价格波动始终存在使得投机者可以不断地寻找到机会进行投机交易.因此投机行为是证券市场中的普遍现象和正常行为，可以说投机也是投资行为中的一种.本文以投机行为为研究对象，建立了动力系统分析模型，研究了投机行为对市场稳定性的影响.
研究投机的国内外文献更多的是关注证券的内在价值及其因素，而投机理论方面的早期研究主要集中在20世纪30年代到50年代.Friedman认为投机者会造成金融系统的不稳定，高买低卖的行为会使他们亏损，进而被市场淘汰，因此导致证券市场不稳定的投机行为不可能存在＼[1＼].Galbraith认为，人们的投机动力开始表现为根据自己的认知能力判断是否买入股票，当投资者存有良好的预期时往往会购买股票.当股价长期连续上涨时，市场参与者的认识能力会发生改变，并且投机情绪的产生是自发的，不需要外界诱导＼[2＼].Harrison和Kreps（1978）则认为如果市场具有较大的流动性，投资者会要求比较小的风险补偿，因而更倾向于支付较高的价格.在这种情况下，虽然市场中的资产价值没有发生变动，但投资者却为此承担了更高昂的成本，经济体中就会有泡沫产生＼[3＼].Shiller（1988）提出了股市投机的“大众模型”理论.Shiller不但认为证券市场中的极端狂热情况是市场投机性的表现，而且认为正常的相对平缓的市场运行中仍然存在投机行为＼[4＼].在其著作《非理性繁荣》中从经济、文化、经济等方面分析了历史上的投机案例并对当时的投机泡沫对个人和机构投资者的影响进行了调查分析＼[5＼].
我国证券市场起步较晚，发展中存在诸多的问题，许多学者也对其价格波动的状态及成因进行了深入的分析.成思危则对我国股票市场提出了“泡沫论”，认为股票市场作为虚拟经济投机是不可避免的，但是我国证券市场的发展脱离实体经济过多，整体上表现出泡沫的特征，对我国证券市场现状持忧虑态度＼[6＼].张健等通过对比我国与其他国家股票市场的换手率，市盈率和波动性等指标发现，追求买卖价差成为我国股市投资者投资股票的主要目的＼[7＼].2007年中国股市出现大牛市后，很多学者都对中国股市中存在的过度的投机行为感到忧虑.出现了许多以行为金融理论模型为工具的研究成果，主要集中于中国股市投机程度、成因、是否存在泡沫、抑制股市投机对策等方面，而且这些分析的重心主要在制度层面，认为我国改革中的特殊制度安排导致了股市的过度投机＼[1＼].毋庸置疑，文化、心理、制度等方面的因素会使得我国证券市场中的一定时间内继续存在过度投机行为，这种过度投机行为也扰乱了我国证券市场作为重要融资渠道的既有秩序.因此十分有必要对证券市场中的投机行为进行客观的评价，识别并进行界定.也就是说既允许一定范围内的投机活动以促进市场的繁荣和发展，又能够进行审慎及时的管理防止严重的过度投机行为对经济产生不利影响.基于此，本文构建了动力系统模型以分析研究不同强度的投机行为对市场稳定性的影响情况.
图4中系统的稳定区域可以发现，当α较小，即价格对超额需求反应不太敏感时，系统稳定区域较大，而投机会使系统变的不稳定；随着α的增大，稳定区域逐渐变小，而当价格对超额需求的反应处于一定数值时，一定投机的存在反而会使系统变的稳定，如图4黑色箭头所示，系统由不稳定区域D进入稳定区域B，而随着投机强度的进一步增大，进入区域C，系统又变得不稳定.可见在一定条件下，投机的存在有可能稳定市场，使市场的价格发现功能更为有效，关键是控制投机强度，防止投机过度.
4结论
本文以证券市场中的供需均衡模型为基础，建立了一个考虑投机行为的价格动态演化模型，并通过稳定性分析研究了不同强度的投机行为对市场稳定性的影响，发现过度的投机行为会使市场价格变的不稳定.当价格对超额需求的敏感程度较低时，系统的稳定区域面积会较大；而随着价格对需求的敏感程度的提升稳定区域会逐渐变小.但当价格对超额需求处于一定数值时，一定程度的投机的存在会使得系统变得稳定.但如果投机强度进一步加大，系统又会变得不稳定.由此可见，投机行为本身并不是证券市场的价格波动不稳定的原因，甚至一定情况下可以稳定价格的波动.通过该动力系统模型的分析可以促使我们更好的研究并利用投机行为，从而提升市场资源配置效率.
参考文献
[1]张玖丽.中国股票市场投机行为研究＼[D＼].吉林：吉林大学经济学院，2010.
[2]约翰·肯尼斯·加尔布雷思著，沈国华译.加尔布雷思文集＼[M＼].上海：上海财经大学出版社，2006.
[3]J Michael HARRISON， M David KREPS. Speculative investor behavior in a stock market with heterogeneous expectations ＼[J＼]. Quarterly Journal of Economics， 1978，92（2）：323-336.
[4]R J SHILLER. Stock market volatility＼[M＼]. Cambridge：MIT University Press，1988， 379-392.
[5]R J SHILLER. Irrational Exuberance＼[M＼]， Princeton，NJ：Princeton University Press， 2000
[6]成思危.让股市日趋健康＼[EB/OL＼].（2007-11-1） http：//news.hexun.com/2007-11-01/100999613_1.html.
阐述商品价格波动的虚拟价格模型 篇4
(一) 虚拟价值与虚拟价格的定义
商品交换要按照商品的价值进行, 但是在现实的商品交换中价格通常会与价值相背离, 由此学者们提出了虚拟价值的概念。霍艳斌 (2009) 认为, 虚拟价值是由人们主观想像的, 并通过市场价格表现的一种虚构的价值。[1]程金蛟 (2008) 认为, 虚拟价值是买方为获得交易对象而愿意给予卖方的最大付出……虚拟价值可以作为非劳动产物和无效用资源价格的基础。[2]尽管学者们对虚拟价值有不同的表述, 但是有一点是共同的, 那就是物品的价格可以以虚拟价值为基础。虽然价格是商品价值的货币表现, 但是学者们可以通过虚拟价值来对无价值物品的价格做出简单解释, 并解决商品价格可能与其价值相背离的矛盾。同时马克思在其著作《资本论》中也对这样的现象进行了阐释, “价格形式不仅可能引起价值量和价格之间即价值量和它自身的货币表现之间的量的不一致而且能够包藏一个质的矛盾, 以致货币虽然只是商品的价值形式, 但价格可以完全不是价值的表现。”[3] (P123) 接下来马克思举出了实际的例子, “有些东西并不是商品, 例如良心, 名誉等等, 但是也可以被它们的占有者出卖以换取金钱, 并通过它们的价格, 取得商品形式。因此没有价值的东西在形式上可以具有价格。在这里, 价格表现是虚幻的, 就像数学中的某些数量一样。另一方面, 虚幻的价格形式———如未开垦的土地的价格, 这种土地没有价值, 因为没有人类劳动对象化在里面———又能掩盖实在的价值关系或由此派生的关系。”[3] (P123) 从这里可以知道, 现在学者们的虚拟价值的概念是来源于‘虚幻的价格’的现实存在, 那么在对虚拟价值进行定义前, 有必要对虚拟价格先做阐述。
在现有文献中笔者并没有发现虚拟价格的明确定义, 但有相关文献 (温新德2008) 提到过虚拟价格这个的概念, 并且众多的学者还是注意到了现代经济中马克思所谓的‘虚幻的价格’的现实存在。王爱俭 (2008) 指出“一个值得注意的事实是, 越来越多的实体产品将价格预期融入其中, 表现出虚拟性的泛化。从两百年前的荷兰郁金香到时下炙手可热的中国君子兰, 都体现出了虚拟性泛化的特征……一旦商品的当期价格受到未来价格的影响, 其自身便产生了虚拟性。”[4]成思危 (2009) 指出, 当股票可以在股票市场上进行买卖后, 由于其本身并没有价值, 故其价格的确不是按照客观的价值规律, 而是按照人们对其未来价格的主观预测, 还要受到供求状况的影响, 这就使其价格更加脱离了实际经济活动的绩效。[5]李俊青 (2005) 认为, 任何一种商品的价格都是成本和心理的函数, 也就是商品定价都是揉杂着成本和心理定价的成分。[6]从这些学者的观点可以看出, 价格与价值的背离不仅出现于现代的金融产品中, 而且也存在于实际的劳动产品中。
由于价值是凝结在商中的无差别的人类劳动, 而价格是商品价值的货币表现, 因此在这里将虚拟价值定义为:物品由价格所表现出的价值中与其劳动价值相背离的部分;虚拟价格是物品虚拟价值的货币表现。
(二) 虚拟价值、虚拟价格与价值及价格的关系
在这里必需指出, 价格与虚拟价格是同一个“价格” (货币充当价值尺度) 的两个不同的部分, 因为它们是不同“价值”的货币表现才被冠以了不同的名称。
对于虚拟价值与价值之间的关系, 温新德 (2007) 认为“就价值表现而言, 价值和虚拟价值是相同的。无论是价值还是虚拟价值, 它们都会通过货币形式———价格来表示。”[7]霍艳斌 (2009) 认为“虚拟价值作为一种特殊的价值形式, 具有与真正价值不同的特征。与真正的价值不同的是, 虚拟价值并非是由劳动创造出来的, 而是人们通过某种方式计算出来甚至想像出来的, 因此具有很大的不确定性。”[1]在这里必需指出, 两位学者对虚拟价值的定义是不同的, 并且虽然他们的定义与本文不相同, 但是两者都强调了虚拟价值与价值在一定呈度上在表现形式上的相同性, 也就是以货币为媒介, 虚拟价值才可以取得价值的形式。正如张俊山 (2007) 所说的“不管是在生产中由无差别的人类劳动凝结形成的劳动价值还是由资本市场上的虚假价值, 只要转化为货币, 就被社会承认为真正财富的绝对体现。因此, 货币成为虚假价值向真正价值转变的桥梁和中介。”[8]同时鲁品越 (2009) 也指出“虚拟价值兑现为当下的真金实银, 虚拟价值的波动所产生的价值差额便会在这个过程中生成投机收益, 这就是虚拟经济以“以钱分钱”的活动, 确切地说, 是“以钱分钱”———利用虚拟价值的波动来分割已生产出的剩余价值的活动。”[9]因此价值是虚拟价值存在的基础, 转变成价值是虚拟价值的最终目的。
由于价值是凝结在商品中的无差别的人类劳动, 商品价格是商品价值的货币表现;如果进一步定义虚拟价值为物品由价格所表现出的价值中与其劳动价值相背离的部分, 虚拟价格是物品虚拟价值的货币表现, 那么对商品价值规律就有了新的认识。正如张俊山 (2007) 所认为的“虚假价值的存在, 使得我们与之接触的价值中不仅包括真正由劳动创造的价值, 还有越来越多的虚假价值。虚假价值的性质和运动规律成为价值理论中不可缺少的内容。”[8]价值规律可以表述为:商品的价值由生产商品的社会必要劳动时间决定, 商品交换依据商品的价值来进行;在商品经济中, 价值规律的作用形式是价格围绕价值上下波动。这里, 由生产商品的社会必要劳动时间决定的价值的货币表现是商品的价格;而围绕价值上下波动的‘价格’部分是虚拟价格, 这部分受供求和人们的心理预期以及其他因素影响。商品的最终市场交易价格同时包括价格和虚拟价格两个部分并且对不凝结人类劳动的物品而言, 其只具有虚拟价格, 其市场交易价格与其虚拟价格相等。由此可见在现实经济生活中, 由于虚拟价值的存在, 人们在出卖劳务和商品与购买劳务和商品时, 是按照不同的规则进行, 这样的规则表现为虚拟价格的波动。因此, 不仅仅是马克思所说:“商品价值从商品体跳到金上, 是商品的惊险跳跃。这个跳跃如果不成功, 摔坏的不是商品, 但一定是商品占有者。”[3] (P127) 而事实是从货币到商品的跳跃同样危险重重, 他不会摔坏货币的占有者却可以让他们遭受损失。
二、阐述商品价格波动的虚拟价格模型
(一) 对虚拟价格模型的阐述
如果考察商品的价值构成可以认为:商品价值=被转移的生产资料价值+得到补偿的劳动力价值+剩余价值, 因此商品价格=消耗的生产资料的价格+工资+利润。但是在商品交易过程中, 价值规律的表现形式是价格围绕价值上下波动, 在这里将价格围绕价值上下波动的部分独立表述为虚拟价格, 因此商品的交易价格构成为:商品交易价格=消耗的生产资料的价格+工资+利润+虚拟价格, 即:
这里P表示商品的市场交易价格, Pc代表消耗的生产资料的价格, Pw代表工资, Pπ代表利润, Pv代表虚拟价格。并且Pc、Pw、Pπ共同构成由商品的价值决定的价格部分, 并且这一部分的价格决定于商品的生产过程, 如果将其看作一个整体并表示为P0, 则有:
假设商品市场总能处于供求均衡状态或可以在某种呈度上达到这种状态, 则可以有出如下结论:
由于在任一时点, 商品的供给量是既定的, 那么可以认为在短期内虚拟价格波动由商品的需求变动引起, 因此可以将Pv表示成商品供给S (S为定值) 与商品需求d的函数:
Pv=f (d, )
由于在长期内商品的供给量可以改变, 而假设商品的需求量是已知的, 那么虚拟价格波动则由供给变动引起, 因此我们可以将Pv表示成商品供给S与商品需求d (d为定值) 的函数:
如图1所示, 横坐标表示商品的需求, 纵坐标表示商品的虚拟价格, 在这里考察需求与虚拟价格关系时, 假定其他条件不变。在图1中, S0与d0表示商品市场处于稳定均衡状态时的商品供给量和需求量, 此时d=d0=S0并且Pv=0, 即只有当需求量与即定供给量 (S0) 相等时, 商品的虚拟价格才为0。, 在图1中如果需求增加, 市场成交量并不会变大 (因为供给不变为S0) , 只是更多的需求追逐供给相对不足的商品, 此时商品的虚拟价格上涨并大于零 (减少需求) ;如果商品的需求减少, 那么也不表示商品会卖不出去, 只表示相对于需求而言既定的供给量 (S0) 过多, 此时商品的虚拟价格下降并小于零 (增加需求) , 最后供给还是等于需求。
如图2所示, 横坐标表示商品的供给, 纵坐标表示商品的虚拟价格, 并且商品的供给与商品虚拟价格的关系分成短期和长期两种情形, 在短期内商品的供给不能改变, 因此短期供给与虚拟价格的关系线呈现为一条垂直于横轴的直线。它的意思是, 在短期内虚拟价格可以在继定产量水平 (S=S0=d0) 上任意波动, 当然这种波动的产生来自于供给以外的因素。而在长期内, 随着商品供给的变动, 商品的虚拟价格也变动。具体形式是, 在商品的稳定需求水平为d0的情况下, 商品的供给减少 (S
图3考察了商品市场供求均衡时的情况, 由于商品供给在短期内不能改变, 因此供给曲线S0垂直于横轴, 由于随着商品需求增加, 商品虚拟价格上涨, 因此需求曲线d0向右下方倾斜。如图3所示商品的即定供给曲线S0与即定的需求曲线d0相交于E1, 均衡价格是P0, 均衡数量为Q0, 此时商品的交易价格完全由商品中包含的劳动价值决定, 商品的虚拟价格为0。因此正常利润线代表的商品价格是由商品中包含的劳动价值决定的该商品的价格水平, 并且如果均衡价格位于正常利润线以上, 表示商品的交易价格中包含着正的虚拟价格, 如果均衡价格位于正常利润线之下, 则表示商品的交易价格中包含着负的虚拟价格。因此可以说, 在短期内, 商品市场上的供求变动会引起均衡价格变动, 但是只有位于正利润线上的均衡点才是稳定的均衡点, 而正常利润线的位置由凝结在商品中的无差别的人类劳动决定, 它受劳动生产率等因素影响, 因此市场供求均衡状态下的供给价格有其内在的决定机制, 也就是决定于商品的生产过程, 而并不是单纯的市场交易行为产生的结果。实际市场交易中出现的商品价格波动, 只是虚拟价格的变动, 虚拟价格的实现基础是商品中包含着的剩余价值, 市场交易中的博弈行为仅仅在于剩余价值占有权利的转移, 仅仅在于商品中有多少剩余价值被现实, 或者商品占有者获得了多少额外的剩余价值。在图3中列出的成本价格线代表的价格水平为Pc+Pw (成本) , 商品的市场交易价格通常位于这条线以上, 也只有位于这条线以上才表示商品的出售者从中得到了利润, 位于成本价格线以下的商品市场均衡是不可以长期存在的。另外在本文强调的是, 需求的客观存在是产生虚拟价格的前提, 即使是不含价值的现代金融产品, 其定价的规则也不过是在保持利润的前提下创造出需求。
(二) 需求变动引起虚拟价格波动对商品市场均衡状态的影响
如图4所示, 该商品的即定供给曲线S0和即定的需求曲线d0相交于E1, 均衡价格是P0, 均衡数量为Q0。现在由于需求增加使得需求曲求向右移动, 由d0
移动到d1, 新的均衡点为E2, 此时的均衡价格为P1, 均衡数量不变。由于E2位于正常利润线以上, 因此商品交易价格中包含着正的虚拟价格, 其量为P1-P0,
此时的均衡偏离了稳定均衡。在竞争条件下, 由于生产该种商品获得了超过正常水平的利润, 会吸引从事其他生产的资本进入生产该商品的行业, 在长期内, 在同等价格下该商品的供给会增加, 这在图4中表现为S0曲线右移至S1曲线的位置, 新形成的均衡点为E3, 均衡价格回复到P0水平, 均衡数量变为Q1。此时由于均衡点位于正常利润线上, 因此此时的均衡是稳定均衡, 需求增加的最终结果是使供给数量增加而商品的供给价格保持不变。同样如果商品的需求减少, 则情况与上述刚好相反, 最终结果是导致商品供给数量的减少而商品的供给价格保持不变。
(三) 供给变动引起虚拟价格波动对商品市场均衡状态的影响
如图5所示, 该商品的即定供给曲线S0与即定的需求曲线d0相交于E1, 均衡价格是P0, 均衡数量为Q0。现在供给增加使供给曲线由S0移动到S1, 此时新的供求均衡点为E2, 所对应的均衡价格和均衡产量分别为P1和Q1。由于均衡价格位于正常利润线以下, 因此商品交易价格中包含负的虚拟价格, 其大小为P1-P0。在这样的均衡状态下, 厂商获得的利润低于正常的利润水平, 在长期会有部分资本退出这一商品的生产, 使得商品的供给减少, 也就是供给曲线由S1回移到S0的位置, 均衡点回复到E1的位置, 均衡价格重新回到正常价格线所在的价格水平上, 并且均衡数量回复到Q0。因此, 供给增加在短期内会引起商品供给数量增加并使商品的市场交易价格下降, 但是在长期均衡会回复到供给增加前的水平。同样如果商品的供给减少, 短期内会造成商品的供给数量减少, 市场交易价格上升, 但是在长期内, 均衡点将回复到供给变化前的位置, 也就是说如果需求不变则供给变动不产生长期效应。
三、讨论
马克思从劳动价值论出发, 对商品经济做了透彻而深刻的分析, 这些理论层面的分析对于认识商品经济的运行规律和本质具有重要意义。但是对于实际应用而言, 需要有具体的数理模型去解决现实问题, 尽管有学者在这些方面做过尝试和努力, 但是取得的成果对于实际应用而言还有较多的不适之处。在本文的分析中, 市场供求关系会导致供求均衡状态波动, 并且由于有各种不稳定因素存在, 这样的波动会一直持续, 但是在商品生产过程中凝结在商品中的无差别的人类劳动, 决定着波动之后的回归趋势。由于笔者知识和见解的局限性, 本文对于相关问题的探讨只能到此为止, 但是最终要如何从劳动价值论出发, 构造商品经济运行的微观和宏观上的数理模型, 需要睿智的学者们更多的努力和思考。
摘要：本文以劳动价值论为发点, 并结合马克思的剩余价值学说, 在综合前人对虚拟价值和虚拟价格的研究成果基础上, 对虚拟价值和虚拟价格的定义进行了重新阐述并分析了他们与马克思经典理论中的价值及价格的关系, 接着在此基础上阐述了商品价格波动的虚拟价格模型, 得出结论:商品市场供求均衡时的商品交易价格有其内在决定机制, 也就是决定于商品的生产过程, 而并不是由单纯的市场交易行为决定;商品价格波动表现为虚拟价格波动, 价格波动的实质是商品中包含的剩余价值占有权力的转移。
关键词：虚拟价值,虚拟价格,商品价值规律,虚拟价格模型
参考文献
[1]霍艳斌.国际金融危机的虚拟价值理论分析[J].华南师范大学学报, 2009 (5) :-115-120
[2]程金蛟.论信用与虚拟经济[J].生产力研究, 2008 (23) :-28-29
[3]马克思.资本论 (第一卷) [M]..北京:人民出版社, 2004.
[4]王爱俭.关于虚拟经济几个重要问题的再讨论[J].现代财经, 天津财经学院学报2008, 28 (2) :-3-6
[5]成思危.虚拟经济的基本理论及研究方法[J].管理评论, 2009 (1) -3-17
[6]李俊青.虚拟经济波动及其演化[J].财经研究.2005 (2) -121-132
[7]温新德.浅析虚拟资本的信用本质[J].河南金融管理干部学院学报, 2007 (2) :-44-47
[8]张俊山.论虚拟经济中虚假价值的形成及运动规律[J].河北师范大学学报:哲学社会科学版, 2007, 30 (6) :-5-9
价格模型 篇5
关键词：价格折扣；定价模型；生鲜产品
引言：随着科技的进步，网络技术的发展，人们的消费习惯也在发生着巨大的改变，越来越多的人开始喜欢购买生鲜类产品，与此同时相关的研究逐步地深入，Wu等[1]将销售周期划分为两个阶段下非即时变质类物品的库存问题，并假定产品的第一阶段鲜活状态产品的变质率不同于第二阶段的产品；Ouyang等[2]考虑在信用支持的条件下，供应商定价的问题，同时重新假定了变量来研究文献[1]中的问题；吴波等研究了两阶段分类销售的情形下，对于可变质导致腐败类产品的订货问题，目标是通过改变订货周期和销售时间的长度方法来降低成本，获得高额的利润，同时假定需求为固定值，在销售的初始阶段产品的变质率假定为常数，第二阶段产品不会发生变质的情况，同时分析了生鲜产品在进行转化时需要额外支付的费用。本文在研读以往文献的基础上，在供应商提供价格折扣条件下，研究了两阶段易变质短生命周期产品库存决策问题，得出产品的需求与价格因素和时间因素相关，产品在初始阶段销售结束后，厂商可以将剩余部分通过有条件的转化，降低新鲜度的流失，假定销售时两阶段过程中的产品都会发生变质，且产品的变质率均为常数，建立了最佳的转化时间和销售价格的库存模型。
结论：本文在供应商采用价格折扣条件下，构建了变质率影响下的生鲜产品的库存定价模型，其中，分析出产品的需求量同价格、时间的相关关系，将生鲜类产品销售分为两个阶段定价，分析转化成本和整体上的产品变质率均为非零常数，得出了零售商制定的定价最优函数，因此具有一定的应用价值，为零售的定价提供参考策略。
参考文献：
价格模型 篇6
商品住宅价格的形成受到多种因素影响。基于人们主观感受进行评价的H edonic模型定价能够较为有效地避免常用估价方法的普遍问题, 为商品住宅定价提供一条很好的途径。因此, 本文结合了城市住宅市场的发展及影响其价格构成的因素, 筛选出了影响比较大的几个因素, 又借鉴了现有的H edonic特征价格模型, 尝试构建了城市住宅价格的H edonic模型。并以“中指指数数据库”提供的关于金科股份和嘉凯城两个企业的相关数据为基础, 对模型进行了拟合分析, 得出了可供实际使用的计量经济学模型。同时, 该模型的经济意义也与一般的经济理论保持一致, 使得模型具有普遍适用性, 对研究其他类型房地产的定价问题具有一定的指导意义。
二、城市住宅价格的特征价格模型
(一) 模型构建
H edonic模型定价的核心内容是要分析物业的各种属性, 通过必要的数据收集和处理, 回归得到其价格。模型的一般形式为:
P=f (x1, x2…xn) 其中, xi表示商品的属性。
根据微观经济学理论, 商品的价格与其属性之间存在边际效用递减规律, 所以假设函数的具体形式为:
再对其进行显性化处理就得到了H edonic模型的对数形式模型:
此外, 还有半对数形式:
上两式中μ为随机误差项。
经过试算, 我们选择了对数模型的形式。
(二) 变量选择及其赋值
结合从“中指指数数据库”获得的有关数据, 经过分析, 本文从中选择了以下几个影响住宅价格的变量, 按照理论和现实需要对个各个变量进行赋值: (1) 成交价格 (y) 根据实际每月成交均价计入; (2) 城市类别 (x1) 分别将一线城市赋值为3, 二线城市赋值为2, 三、四线城市赋值为1, 预期符号为正; (3) 预售期 (x2) 根据入住时间和楼盘开盘时间之间的月份间隔计入, 预期符号为负; (4) 项目总建筑面积 (x3) 的预期符号为负; (5) 物业类别 (x4) 分别将别墅赋值为3, 豪华住宅赋值为2, 普通住宅赋值为1, 预期符号为正; (6) 建筑类型 (x5) 分别将独栋赋值为3, 板楼赋值为2, 塔楼赋值为1, 预期符号为正; (7) 装修情况 (x7) 分别将精装修赋值为3, 全装修赋值为2, 毛坯赋值为1, 预期符号为正; (8) 容积率 (x8) 的预期符号为负; (9) 绿化率 (x9) 的预期符号为正; (10) 土地成本 (x10) 根据土地成交价除以土地总面积计入, 预期符号为正; (11) 成交套数 (x11) 根据每月成交套数计入, 预期符号为负。
(三) 回归过程说明
1. 初步拟合。
根据最初选择的因变量和11个解释变量, 通过计量经济学ST A T A软件利用全样本数据进行初步拟合, 根据拟合结果发现, 预售期的系数符号为正, 项目特色、装修情况和绿化率三个变量的系数为负值, 不满足模型的经济假设检验, 城市类别、装修情况和绿化率的T统计量和P值都不理想, 所以将其从模型中剔除。经过筛选, 最终剩下六个显著性最强且符合经济学解释的变量为项目总建筑面积、物业类别、建筑类型、容积率、土地成本和成交套数。
2. 根据剩下的六个解释变量再次进行拟合得到的结果如下1所示:
再次拟合后的R 2为0.6837, P值为0.0000, 方程和各解释变量的系数均显著, 同时, 系数符号也符合预期, 继而对其进行经济意义检验。
(四) 经济意义检验
把各变量的系数带入对数模型并变形, 得到如下方程式:
房价=8.876601·项目总建筑面积-0.1976895·物业类别0.1338656·建筑类型0.1306256·容积率-0.3513809·土地成本0.370711·成交套数-0.0349483
从中可以看出, 项目总建筑面积、物业类别、建筑类型、容积率、土地成本及每月成交套数即销量对住宅价格的影响最大。
方程前面的8.876601集中体现了市场环境的变化和系统误差对价格的影响。各变量指数上的系数反映了该变量对住宅价格的影子价格, 即该变量每增加一个单位, 消费者愿意为其支出的额外价格, 它在一定程度上反映了该项因素对价格的决定程度。
三、结论
本文运用特征价格模型, 结合从“中指指数数据库”获取的关于金科股份和嘉凯城两个房地产企业的相关数据, 构建了城市住宅特征价格模型, 利用计量经济学Stata软件进行了多元回归分析, 得出了对城市住宅价格影响较大的六个因素, 分别是项目总建筑面积、物业类别、建筑类型、容积率、土地成本及每月成交套数。
摘要：本文借鉴现有的Hedonic特征价格模型, 尝试构建了城市住宅价格的Hedonic模型。并以“中指指数数据库”提供的相关数据为基础, 对模型进行了拟合分析, 得出了可供实际使用的计量经济学模型, 对研究其他类型房地产的定价问题具有一定的指导意义。
关键词：Hedonic模型,城市住宅市场,住宅价格,影响因素
参考文献
[1]陈强:《高级计量经济学及Stata应用》[M].北京:高等教育出版社, 2010.
[2]温海珍、贾生华:住宅的特征与特征的价格-基于特征价格模型的分析[J].浙江大学学报 (工学报) , 2004, 38 (10) :1138-1149.
[3]马思新、李昂:基于Hedonic模型的北京住宅价格影响因素分析[J].土木工程学报, 2003 (9) :59-62.
价格模型 篇7
关键词：新疆,原油价格,石油工业,投入产出价格模型,传导机制
一、文献综述
国内外研究国际油价波动对行业层面影响的学者较少, 且多偏重于对制造业影响的研究, 在研究方法上存在很大差异, 总结起来可分为以下几类:
(一) 基于时间序列模型研究
国外文献通过建立VAR模型, 测度国际油价波动对行业层面的影响效应, 如Rodrguez (2008) 、Jimnez-Rodrguez (2007) 考察OECD六国制造业受国际油价波动的动态影响, 得出石油价格波动的影响在法国、德国和西班牙存在行业差异, 而在意大利、英国和美国则不存在行业间的差异, 这与各国制造业的产业结构有关。Lee和Ni (2002) 分析了美国制造业各行业供给和需求受原油价格波动影响程度。Faff Brailsford (1999) 通过研究几个行业的收益率, 得出油价对石油、天然气等资源类股票有积极影响。
采用误差修正模型、Granger检验和VAR模型等时间序列模型时, 由于所选样本区间太短, 不能达到基本假定条件, 则由此所得结果的可信度相对较低。
(二) 基于CGE模型研究
吴静等 (2005) 、李猛 (2009) 采用可计算一般均衡模型 (CGE模型) , 并通过设定生产和需求参数, 构造反映现实经济的数据进行模拟来分析国际油价波动对我国不同行业的影响。金洪飞等 (2010) 采用双因子GED-GARCH (1, 1) -M模型研究表明, 国际油价波动对中国石油和天然气的股票收益率有正影响。林鑫等 (2010) 基于12个行业部门的CGE模型研究得出:国际油价上涨引起石油开采业产出增加, 而石油加工业产出下降最为显著。
由于CGE模型参数的选择存在高度主观性, 模拟结果的可靠性仍存在争议。
(三) 基于投入产出价格模型研究
在我国对投入产出价格模型的研究和应用已有20多年历史, 代表人物有:徐华强 (2004) 、刘起运 (1998) 、沈中元 (2004) 、刘起运和任泽平 (2006) 等。于渤等 (2002) 、任泽平等 (2007) 和刘希宋 (2004) 采用投入产出价格影响模型分析了原油价格波动的传导机制, 并测算了原油价格变动对中国物价总体水平和各行业部门产品价格的影响程度。贾殿村 (2008) 、刘建等 (2010) 阐述了油价上涨对国民经济影响的传导机制, 提出了石油开采业是国际原油价格上涨的直接受益者;石油加工业和建筑业是原油价格上涨的相对受损行业。
采用投入产出价格模型研究国际油价波动在石油工业内部的价格传导有三点优势:第一, 能定量地测度当某个产业产品价格上涨时, 其他N-1个部门产品价格上涨幅度, 进而反映出价格成本在产业间的传导机制。第二, 利用投入产出价格模型不仅可以体现价格变动的直接影响, 还可以反映价格变动的间接影响, 这是其他分析方法所不能做到的。第三, 该方法是目前研究价格传导机制中比较全面、成熟的方法, 因此研究结果说服力较强。
二、价格传导机制的理论分析
(一) 基于价格学角度的传导分析
价格学角度的价格传导包括传导机制与传导时滞两个方面:
1.价格传导机制理论
价格传导机制是市场价格在运行过程中受多种因素影响而发生变动, 并通过一定渠道与相关联产品价格发生相互作用的过程。由于国民经济各部门相互联系, 某一部门产品价格变化首先引起与其有直接联系的部门产品价格变化, 进而会引起与这些部门有间接联系的其他相关部门产品价格变化, 如此传导直至影响国民经济所有部门产品的价格。
原油位居石油产业链的上端, 涉及的行业广泛、产业链长, 原油价格变化会通过产业链进一步传导。由于石油开采业、石油加工业和石油销售业在产业链中所处位置不同, 对价格因素的传导和转嫁能力不同, 受原油价格上涨的影响程度不同, 对国际原油价格波动的敏感性也不同。
国际原油价格波动首先会影响到国内油价变动, 这一影响很大程度上是通过国际石油价格→国内原油价格→石油开采业→石油加工业→石油销售业的传导过程来实现的, 并将通过产业链进一步传导、渗透到生产和生活的各个方面。
2.价格传导时滞理论
价格传导时滞是指价格波动从某一部门传导到另一部门所需要的时间, 即价格传导时滞。这种时滞性影响因素主要包括:国民经济的产业结构、供求关系和国际因素等。
(二) 新疆石油工业对原油的依存度分析
投入产出系数是反映产业部门间投入与产出的重要指标, 通过分析直接消耗系数和影响力系数来分析国民经济各部门与石油工业的相互依存关系。
1.直接消耗系数
根据2010年数据修正的《2007年新疆投入产出系数表》, 可具体分析各行业对石油工业的依赖关系。表1显示了选取的29个部门中对原油直接依赖程度排名前十位的产业, 特点如下:
(1) 以原油为直接原材料的相关产业对原油依赖程度最大。原油依赖度最大的部门是石油加工业 (0.78) ;其次是日用化学产品制造业, 为0.03, 它们作为靠近原油上游的加工业, 直接以原油为原材料, 所以对原油直接消耗量较大, 这符合事实。
(2) 其他能源、金属开采业对原油依赖程度次之。燃气生产和供应业 (0.02) , 其他非金属矿采选业 (0.004) , 石油开采业 (0.0036) , 有色金属矿采选业 (0.003) 。
数据来源:★行业为石油工业部门, 批发和零售贸易业代表石油销售业, 下同。
新疆石油加工业对原油的依存度高于石油开采业和石油销售业。究其原因, 主要因为以原油为原材料的加工业对原油依赖性较高, 相比较以原油加工品为原材料的石油销售业对原油依赖性较低。
2.感应度系数分析
利用感应度系数测度各部门对第i部门的依赖程度。由于一般形式的感应力系数是在假定各部门产能完全相等的条件下推算出的, 因此, 为反映各部门规模不等的实际, 以各部门生产规模作为权数计算加权感应力系数, 推算公式为:undefined;j=1, 2, ……, n) , 其中, wi为加权感应度系数;bij为完全需要系数;Xj为第j部门总产出。结果见表2:
其他各部门对石油开采业的依赖程度大于对石油加工业的依赖程度。2010年新疆29个行业部门中, 加权感应力系数大于1的有8个部门, 石油开采业和石油加工业两部门的加权感应力系数分别为2.04和0.65, 其中石油开采业大于1, 总排名第6, 说明新疆其他行业部门对石油开采业的依赖程度大于平均水平;但石油加工业的加权感应力系数为0.65<1, 即新疆其他部门对其依赖程度低于平均水平。新疆石油开采业和石油加工业在新疆经济发展中处于重要地位。新疆其他行业部门对石油开采业的依赖程度, 以及石油开采业对其他部门的拉动作用均高于石油加工业。
三、价格传导效应的实证分析
(一) 投入产出价格模型概述
1.模型假定
投入产出价格模型的前提假定为:一是不考虑需求影响。假定需求决定供给, 资源充分闲置, 可以利用现有生产能力满足需求变动, 因此需求的变动不会导致物价波动。二是不考虑时滞因素和传导阻滞问题。假设价格的影响效应在模型上是通过产业链条瞬间传递出去的, 不存在时滞问题和瓶颈产业制约问题, 计算的价格影响是最大值。三是不考虑在原材料、燃料和动力价格提高因素影响。
2.模型建立
设产品消耗结构不变, 为了不失一般性, 设第n类产品的价格改变 (上涨或下降) 了Δpn, 则引起j (j=1, 2, …, n-1) 部门产品价格变化的模型为:
如果第n种产品的价格改变ΔPn, 即变为Pn+Δpn, 则其余产品价格变为:undefined, 则其余产品价格变为:
undefined
写成矩阵形式为:undefined
其中, undefined′为不包括第i行和第i列的直接消耗系数矩阵的转置;a′i为直接消耗系数矩阵第i行去除后的行向量的转置。
(二) 数据的选择及预处理
为了计算简便及讨论方便, 有必要把投入产出表的经济部门进行产业划分及部门合并, 突出分析石油工业的价格传导, 数据处理步骤如下:
1.投入产出表部门的合并整理
该模型的关键之处在于对《投入产出表》的调整, 部门拆分与合并原则以《2007年新疆投入产出表部门分类》 (42部门) 为基准, 为突出石油开采业、石油加工业和石油销售业三部门与其他部门的关联, 将石油工业三部门从产业部门中分离出来成为单一部门。最后编制为石油开采业、石油加工业和石油销售业等29个部门新疆价值型投入产出系数表。
2.中间投入系数表的调整
由于原始的直接消耗系数表中存在一些错误 (例如中间流量表中的部分数据为负, 不符合经济意义) , 且最新的投入产出表为《2007年新疆投入产出表》, 利用2010年价格指数进行修订, 最终采用修正后的《2010年新疆投入产出系数表》进行实证分析。目前有很多修订直接消耗系数的方法, 如专家评估法、时间序列分析法等, 笔者运用修正的RAS方法对中间投入系数表进行调整, 使其同时满足投入产出的行模型和列模型。
(三) 实证结果分析
本文用石油开采业产品价格代表国内原油价格, 比较2007年1月—2011年10月大庆原油现货价格平均涨幅和布伦特原油现货价格平均涨幅分别为1.000406和1.000686, 即倍数为0.9997。根据调整后的《2010年新疆中间投入系数表》, 利用Matlab软件测算国际原油价格上涨1%时, 敏感度大于0.02%的部门见表3:
首先, 石油开采业的波动程度最大, 为0.9997%。表示石油开采业产品价格相对国际原油价格的弹性为0.9997, 受国际油价波动的影响较大。
其次, 第一产业的影响程度较高, 为0.39%。主要因为当原油价格上涨时, 带动作为原材料产品 (例如粮食、纺织品等) 需求量增加, 进而拉动第一产业产品价格上涨;另外, 第一产业包括农、林、牧、渔业四大部类, 涵盖范围较广, 受原油价格波动的影响较大。
第三, 铁路货运业产品价格上涨0.31%。因铁路货运业虽然没有直接消耗原油, 但需消耗成品油, 原油价格波动会对成品油价格产生较大波及, 铁路运输用于燃料的支出占运营成本的13%, 其中成品油作为铁路货运业主要的燃料之一, 受原油价格波动的影响较大。
第四, 石油加工业的价格涨幅较大。当国际原油价格上涨1%时, 将引起石油加工业产品价格上涨0.21%。这是因为石油加工业作为靠近原油的上游产业, 主要原材料为原油, 因此原油价格波动对其产品价格影响较大。
第五, 批发和零售贸易 (包括石油销售业) 产品价格涨幅排在第12位, 上涨0.024%。因为批发零售业中包括了石油销售业, 原油价格上涨对成品油及石油加工产品的价格影响较大, 也会传导给其他产品。
四、结论与建议
本文在不考虑非对称性情况下, 从投入产出的角度探讨了原油价格波动在石油工业内部的传递机制, 得出结论:当国际原油价格上涨1%, 引起石油开采业产品价格上涨0.9997%, 石油加工业产品价格上涨0.21%, 批发零售业产品价格涨幅为0.024%。原油价格波动对新疆石油工业的波及程度由大到小顺序为:石油开采业、石油加工业、石油销售业。新疆石油工业上游产业对原油价格波动的敏感度较强, 受原油价格波动的影响越大。国际原油价格波动的传递方向为:国际原油价格波动→新疆原油价格→石油开采业价格→石油加工业价格→石油销售业价格, 即原油价格波动在石油工业中顺着产业链传导, 敏感度逐级递减。
可采取提高能源利用率, 实现科研成果产业化;加快石油工业体制改革和产业优化升级;推进石油价格改革, 转变政府职能;深化金融体制改革, 建立石油储备等措施, 以降低国际油价波动对新疆石油工业产生的影响。
参考文献
[1]Hamilton, James.D.A Parametric Approach toFlexible Nonlinear Reference[EB/OL].Http://weber.ucsd.edu/jhamilton.
价格模型 篇8
(一) 特征价格法基本原理
特征价格法就是通过人们购买具有一定属性的商品的价格, 来推断人们赋予各属性价值量大小的一种价值评估方法。住宅特征, 即住宅商品本身的特征。对于住宅商品来说, 消费者对住宅的需求, 并不是基于住宅本身而是因为商品所含有的特征。消费者可以选择不同的建筑类型、不同的小区环境以及不同的交通便利程度等来满足个人的置业偏好, 以实现效用最大化 (王德, 黄万枢, 2005) 。
特征价格, 英文为“hedonic price”, 指的是住宅的每个特征都对应着一个价格, 通过分析每增加一单位属性, 消费者愿意额外支付的费用, 就可以评估这种无法直接从市场上获得到的影响因素的隐含价格。特征价格模型 (Hedonic Price Model) 是国外用来处理异质产品差异特征与产品价格之间关系时广泛使用的一个模型 (温海珍, 2004) 。
(二) 特征价格模型的基本原理
巴特勒指出, 特征住宅价格模型应当仅包括影响住宅价格的因素 (Butler, R V, 1982) 。通常影响住宅价格的因素有三大类:区位 (Location) 、建筑结构 (Structure) 、邻里环境 (Neighborhood) , 因此, 住宅价格P就可以用公式表达为:
该方程称为Hedonic住宅价格模型。通过回归分析获得模型的参数估计, 就得到属性的特征价格。
二、特征价格模型——上海市住宅价格研究
(一) 特征变量的选择
在利用特征价格理论构建模型时, 选择合适的住宅特征因素是极为重要的。因不同国家、地区和文化间存在着较大的差异, 导致了房屋购买者对住宅的特征因素偏好存在差异。所以, 应该通过了解现有研究中所使用的特征因素, 再结合所研究的当地房地产市场的特征, 才能更好地发展和完善特征价格法对房屋价格的解释。
因此, 本文通过大量阅读现有文献, 总结以下对住宅价值影响较为突出的特征因素, 并将其分为三大类, 区位特征 (L) 、建筑特征 (S) 和邻里特征 (N) (Butler, 1982) 。
调查的特征变量共计十项, 两项为区位特征, 五项为建筑特征, 三项为邻里特征变量, 具体内容如下表:
(二) 建立Hedonic住宅价格模型
1、模型的构建
住宅价格P与住宅特征Z之间的关系可以表达为:
其中:P为住宅的市场总价格, 为因变量
Z为住宅特征向量, 包括L、S和N三部分, 为自变量。L为住宅的区位特征, S为建筑特征, N为邻里特征。
在其他条件相同的情况下, 对该方程求各个住宅特征的偏导数就得到住宅特征价格的隐含价格, 也就是特征价格, 如下:
上述方程中的系数为相应住宅各因素的特征价格, 住宅总价格就等于特征价格的代数和。
2、设定函数
因为经济学理论并没有指明住宅价格和特征之间究竟适合哪种函数关系, 都是凭经验初步设定函数形式, 然后不断地尝试和修正, 直到认为能够解释样本数据的差异, 并使得模型对样本数据的拟合满足要求为止。
线性函数、对数函数、半对数函数、对数线性函数、BoxCox变换函数是经常采用的五种函数形式。本例选取更具普遍性的线性函数形式, 如下:
其中:Y表示房价
b为常数项
为特征价格
为特征因素
(三) 样本数据的获取及量化
1、数据获取
本案例中数据由两种途径获得, 住宅出售挂牌数据和电子地图数据。
(1) 挂牌资料
挂牌资料中可获得的数据, 主要包括住宅的售价、所属小区名称、区位、建筑面积、装修、房龄、容积率, 绿化率等, 并且可以获得有关文体设施配套和内外部环境的客观评价。
(2) 电子地图数据
采用电子地图来测量各住宅小区分别到市中心的直线距离。并且考察小区附近的公交地铁数目, 和小区周围商场、超市、菜场、银行、学校、医院、餐厅等生活服务配套设施的完善程度。
挂牌资料来源:房价网http://sh.fangjia.com/安居客http://shanghai.anjuke.com/
地图数据来源:谷歌地图http://ditu.google.cn/maps?hl=zh-CN&tab=wl
样本个数:整个上海市抽取34个住宅样本, 平均每个区抽取两个样本, 涵盖高中低档三类小区
2、特征变量描述及量化
(1) 定量变量的量化
定量变量直接采用变量的实际数值, 或仅仅对原始数值进行简单的变换。该方法比较简单, 同时也能客观反映变量内涵。其中定量变量的特征变量包括:住宅价格、建筑面积、房龄、容积率、绿化率和市中心距离。
(2) 定性变量的量化
分别用两种方法来量化定性变量, 李克特量表和综合性指标量化方法, 有助于减少特征变量的数目, 防止出现严重的共线性问题。
(四) 模型的构建及检验
运用SPSS软件进行回归分析, 并对模型进行检验。
将因变量和十个自变量全部输入软件, 并采取逐步线性回归方法建立线性回归模型。
从上表中可知, 复相关系数R为0.786, 拟合优度R2为0.863, 经调整的R2为0.844。其中拟合优度R2是指y的变化中能被回归模型解释的部分占y总变化的比率, 即这个回归模型可以解释y的多少变化。此线性模型能解释因变量差异的百分比约为86.3%, 说明该特征住宅价格模型具有很强的解释能力。
将表中得到的系数代入构建的线性函数公式中, 最后得到模型的函数形式, 如下所示:
住宅特征价格线性模型为:
房价=-661.388+3.932*建筑面积+102.348*生活设施配套
+83.738*内外部环境-13.457*房龄
三、总结
从模型构建得到的线性模型中, 可以看出影响上海市住宅价格的主要因素为建筑面积、生活设施配套、内外部环境和房龄这四个特征因素。
其中建筑面积对住宅价格的影响最突出, 表明了决定一栋住宅价格最重要的影响因素就是其建筑面积, 建筑面积越大, 住宅价格越高。
其次为生活设施配套和内外部环境, 这说明了人们购买一栋住宅时, 不仅重视住宅本身的建筑特点, 很大程度上还会关心住宅周边的生活配套设施和服务是否到位, 以及小区内外环境是否满意舒心等。
最后一个重要因素是房龄, 且其影响与人们的预期也是保持一致的, 及与房价呈负相关。一栋住宅建筑年限越久, 房屋的价值也自然会下降, 这也是因为人们房屋已使用的时间越久, 外观通常就会受到影响, 而硬件设施、和建筑也会发生磨损等现象, 进而影响房价。当然这是从普通住宅的角度出发的, 并不包括那些具有一定历史意义的建筑。
所构建的模型中, 选取出的四项重要因素, 两项属于建筑因素、两项属于邻里因素, 而并未选出有效地区位因素。这可能是和样本量过小有关, 还有可能就是区位因素中到市中心的距离和生活配套设施之间可存在一定的相关性, 进而影响了这一因素的选取。其相关性可能是因为事实上越靠近市中心的地区其商业越发达, 生活设施和服务往往越完善, 从而导致了正相关性的存在。而交通因素有可能是因为衡量方法存在问题, 进而导致了不能入选的情况。
所以, 本研究未来的研究方向即为发展和完善特征因素的选取和衡量方法, 增加住宅的样本量, 使得构造的上海市住宅特征价格模型更具普适性和价值性。
参考文献
[1]王德, 黄万枢.Hedonic住宅价格法及其应用[J].城市规划, 2005 (03) :62-71
[2]温海珍.城市住宅的特征价格:理论分析与实证研究[D].浙江大学, 2004
生猪价格计量模型构建与分析 篇9
关键词：生猪价格,平稳性,序列相关,异方差
在我国畜牧业结构中, 养猪业依然占主导地位。2006年, 中国猪肉产量占世界猪肉总产量的50.1%, 遥居首位。另外, 养猪业在扩大农村就业、增加农民收入、带动种植业和相关产业发展、振兴农村经济等方面, 都起到了不可替代的作用。因此, 生猪产业的稳定发展与否, 不仅关系到中国的畜牧业发展, 而且关系到农业发展、农村建设和农民增收, 进而关系到国民经济的持续、稳定发展。
本文以待宰活猪价格作为被解释变量, 从影响待宰活猪价格的因素中选择了育肥配合饲料价格x1, 玉米价格x2, 豆粕价格x3和小麦麸价格x4为解释变量, 模型使用时间序列数据 (2004年1月~2010年8月) , 其中价格均为:元/kg。数据来源于畜牧业信息网。2004年1~12月的豆粕价格是用matlab7.1软件的spline插值法推算得到的。在模型回归过程中采用的是2004年1月~2010年7月数据, 8月数据作为模型验证数据。
1 数据分析
采用时间序列数据的计量模型, 模型需满足假定中平稳性、无序列相关和同方差对数据的影响最大。采用的数据首先要满足平稳性, 其次满足无序列相关, 最后要满足同方差。
1.1 平稳性检验数据分析
在进行ADF检验之前, 需要检验回归模型的形式。对于包含季节变动和其他不规则变动因素的时间序列需要先对序列进行季节调整。待宰活猪价格, 育肥配合饲料价格, 玉米价格, 豆粕价格和小麦麸价格不具有季节性趋势, 因此无需进行季节调整。待宰活猪价格, 育肥配合饲料价格, 玉米价格, 豆粕价格和小麦麸价格均有明显的时间趋势, 因此在ADF模型中加入截距项和时间趋势项。
1.2 平稳性检验模型与结果
2 模型确定与检验
经一阶差分后的数据变量设为ycf, x1cf, x2cf, x3cf和x4cf, cf表示差分。具体模型设为ycf=β0+β1x1cf+β2x2cf+β3x3cf+β4x4cf+β5ycft-1+β6ycft-2+u (1) 。回归结果有F=8.751404, P (F-statistic) <0.0001, 自变量对因变量有整体显著性影响。
2.1 模型序列相关性检验
德宾 (Durbin) 在1970年提出了一种回归元不是严格外生时AR (1) 序列相关的检验, 其优点是统计量计算比较简单, 而且不论有多少个非严格外生解释变量, 它都是有效的。如果解释变量恰好是严格外生的, 这个检验方法同样有效。其步骤: (1) 做ycf对x1cf, x2cf, x3cf, x4cf, ycft-1, ycft-2的回归, 求出OLS残差u; (2) 做回归u对x1cf, x2cf, x3cf, x4cf, ycft-1, ycft-2, ut-1, t=2, ……, n (带截距) 求得u赞t-1的系数ρ赞及它的t统计量tρ赞; (3) 用tρ赞去检验H0:ρ=0和H1:ρ≠0。
第一步, 对模型 (1) 做回归, 求得残差u。
第二步, 对u=β0+β1x1cf+β2x2cf+β3x3cf+β4x4cf+β5ycft-1+β6ycft-2+ut-1+ε做回归。变量ut-1的tρ赞=0.3785, 表明模型 (1) 不存在序列相关。
2.2 异方差性检验与校正
2.2.1 异方差性检验 (检验) 。
同方差性假定Var (u/x1, ……, xk) =σ2可由如下较弱假定所取代:既误差平方u2与所有的自变量xj, 所有自变量的平方xj2和所有自变量的交叉乘积xjxh (j≠h) 都不相关。
因此, 异方差的检验模型为u2=δ0+δ1x1cf+δ2x2cf+δ3x3cf+δ4x4cf+δ5ycft-1+δ6ycft-2+δ7x1cf2+δ8x2cf2+δ9x3cf2+δ10x4cf2+δ11ycf2t-1+δ12ycf2t-2+δ13x1cf*x2cf+δ14x1cf*x3cf+δ15x1cf*x4cf+δ16x1cf*ycft-1+δ17x1cf*ycft-2+δ18x2cf*x3cf+δ19x2cf*x4cf+δ20x2cf*ycft-1+δ21x2cf*ycft-2+δ22x3cf*x4cf+δ23x3cf*ycft-1+δ24x3cf*ycft-2+δ25x4cf*ycft-1+δ26x4cf*ycft-2+δ27ycft-1*ycft-2+ν
其结果有F=1.821184 P (F-statistic) =0.034456, 表明存在异方差。
2.2.2 异方差校正。
纠正异方差性的一个可行的GLS步骤: (1) 做ycf对x1cf, x2cf, x3cf, x4cf, ycft-1, ycft-2的回归, 求出OLS残差u; (2) 求ln (u2) ; (3) 做ln (u2) 对x1cf, x2cf, x3cf, x4cf, ycft-1, ycft-2的回归, 得到拟合值g赞; (4) 求h赞=eg赞; (5) 以1/h赞为权数用WLS来估计方程 (1) 。其结果见表3。根据以上分析, 模型为ycf=-0.056130+4.433916x1cf+4.080844x2cf+0.202288x3cf-3.570766x4cf+0.598878ycft-1-0.281747ycft-2 (2)
3 模型验证与分析
3.1 模型验证
可将模型 (2) 变换为y=-0.056130+4.433916 (x1-x1t-1) +4.080844 (x2-x2t-1) +0.202288 (x3-x3t-1) -3.570766 (x4-x4t-1) +1.598878yt-1-0.880625yt-2+0.281747yt-3
将相应数值代入到方程中y=12.0764, 实际价格为12.19。误差率为1.1%。因此认为该模型较为理想。
3.2 模型分析
前第一个月和前第三个月待宰活猪价格对当期的待宰活猪价格有正的影响, 而前第二个月待宰活猪价格对当期的待宰活猪价格有负的影响。育肥配合饲料价格、玉米价格和豆粕价格对当期的待宰活猪价格有正的影响, 前第一个月育肥配合饲料价格、玉米价格和豆粕价格对当期的待宰活猪价格有负的影响。小麦麸价格对当期的待宰活猪价格有负的影响。从系数来看, 育肥配合饲料价格和玉米价格对待宰活猪价格影响较大, 原因是玉米是育肥配合饲料的主要原料。
因此, 中国生猪饲养者在进行生产决策或政府部门在进行价格预测时, 不仅要考虑生猪前三个月价格, 实时监控育肥配合饲料价格、玉米价格, 同时还要考虑育肥配合饲料价格、玉米价格的传递效应。
参考文献
[1]王来拴, 孟军.内蒙古粮食生产函数的构建与分析[J].统计与决策, 2009 (5) :94-95.
[2]谢杰.中国粮食生产函数的构建与计量分析[J].统计与决策, 2007 (20) :74-76.
[3]张晓东, 宋继华, 毕鹏, 张宇.佳木斯生猪生产影响因素分析—基于动态面板数据模型实证分析[J].中国畜牧杂志, 2013, 49 (14) :46-40.
价格模型 篇10
[关键词] 时间序列 非平稳性 协整检验 季节修正 模型预测
一、引言
随着经济全球化的进程，世界主要钼铁市场间联动性日益显著，本文试图通过钼铁价格的季节修正非线性时滞预测模型，对钼价变动趋势进行辨识。文章第二部分介绍数据并对美国、欧洲、中国及日本四个市场钼铁价格波动进行比较与协整检验，第三部分基于面板数据进行计量经济建模。
二、主要市场钼铁价格波动比较及协整检验
图1主要市场钼铁价格走势图
（数据来源：洛阳栾川钼业集团有限责任公司统计资料）
表1描述性统计量对比
在现实经济中，大多数的经济变量都是非平稳的，因此在回归分析中可能导致伪回归现象，从而回归结果无效。对多个时间序列进行协整分析的第一步就是用单位根检验(Unit root test)确定每个序列的单整阶数：
其中为变量序列的一阶差分,为常数项，是时间趋势项。为随机误差参数，加入滞后项是为了消除变量自相关的影响。在检验过程中，若ADF检验值的绝对值大于临界值的绝对值，则认为被检验的序列为平稳序列。
表2 单位根ADF检验结果
注：Δ代表一阶差分
对于PU、PE、PC、PU四个序列，在1%的显著性水平上存在单位根的原假设无法拒绝，一阶差分后，在1%的显著水平上，可以拒绝非平稳状态的原假设，即PU、PE、PC、PU经过一阶差分后平稳，所以为一阶单整序列I（1），四者为同阶单整，可以进一步进行回归分析，以对序列进行协整检验。进行最小二乘回归，即有：
表3 美欧中日市场钼铁价格模型回归结果
模型Ⅰ、Ⅱ、Ⅲ说明PU、PE、PC、PU之间分别存在显著的协整关系,PU、PE、PC、PU受到共同信息的影响，维持一个相似的随机变化趋势，存在一个共同的均衡价格。因此，可选取美国市场钼作为钼业市场价格走势标杆进行计量经济建模。
三、季节修正非线性时滞模型的建立
經过同期多类数据的散点图分析（过程略），选取国内成品钢材产量与伦敦LME镍月均交易价格作为自变量，并引入滞后项构建经济计量模型作为钼业市场价格趋势预测基础。
图2 国内成品钢材产量走势图
（数据来源：国家统计局统计资料）
图3伦敦LME镍月均交易价格走势图
（数据来源：上海金属网统计资料）
变量数据具有一定的季节趋势。考虑到历史数据相对于趋势函数的细微变化将会给未来数值预测带来很大影响，为提高预测模型的准确度，通常用按月平均法编制季节模型达到消除数列随机成分的目的：
每个月周期的平均值
得到调整系数表：
表4 季节模型调整系数表
表5 相关序列单位根ADF检验结果
注：Δ代表一阶差分
在1%的显著性水平上存在单位根的原假设无法拒绝，一阶差分后，在1%的显著水平上，可以拒绝非平稳状态的原假设，即经过一阶差分后平稳，所以为一阶单整序列I（1），同阶单整是回归分析的前提。
利用最小二乘法对数据进行回归分析，得到如下参数估计值：
标准差为1.770392，拟合优度，双侧概率Prob=0.000000。
标准差为2.610852，，双侧概率Prob=0.000000。
标准差为3.184118，，双侧概率Prob=0.000000。
标准差为3.989182，，双侧概率Prob=0.000000。
标准差为4.666105，，双侧概率Prob=0.000000。
标准差为5.285260，，双侧概率Prob=0.000000。
从模型拟合中，不难看出，拟合精度随着预测时点的前移而递减，模型误差递增，为提高预测精度，应利用最新的数据替换最旧的数据以最大限度地体现新信息对市场走势的影响。同时，钼业市场价格经常会受到特殊事件及态势的影响，诸如国内,国际经济政策或贸易规则的变更，以及罢工、停产之类事件的影响等等，经济学称这类外部事件为干预。如何引入原定性分析指标进行干预分析(Intervention Analysis)，或是建立起信息对市场影响的传导系统的结构和系统传导模型，提高预测准确率仍需进一步的研究与探索。
参考文献:
[1]Granger, C:Investigating Causal Relations by Econometric Models and Cross-Spectral Models.Econometrica, 1969,37
[2]LI Zinai, YE Azhong:Advance Econometrics [M]. Beijing: Tsinghua University Press, 2000,(in Chinese)
[3]Jeffrey M. Wooldridge:Introductory econometrics: a modern approach.Tsinghua University Press，2004
[4]Markham, J.:The Nature and Significance of Price Leadership.American Economic Review, 1951, 41
[5]Michael D. I., Econometric Models, Techniques and Applications, New Jersey:Prentice-Hall, 1996
[6]Phillips, P.C.B. and Hansen, B.E. Statistical inference in individual variables regression with I(1) process[J]. Review of Economic Studies, 1990, (57):99～125
价格模型 篇11
关键词：价格,决策,模型
1 价格模型研究背景
宿迁水泥市场竞争激烈、价格低迷,宿迁中联投产后,不仅要与山东及徐州小规模水泥厂奋力拼杀,还要受到淮安海螺的重拳阻击。一段时间品种单一、价格低廉,企业一度处于亏损边缘,市场开拓举步维艰。针对该区域特殊情况,经过反复研究,迅速调整营销思路,牢牢抓住市区搅拌站增量机遇,优化产品结构,集中精力主打泗阳、泗洪两大县乡市场、大力推广复合水泥,市场局面逐渐发生扭转,品种结构、出厂量也日趋平稳,但各品种出厂价格较低,企业利润空间有限。
为塑造中联水泥品牌形象,提高企业赢利能力,较为前瞻地进行价格调整,经过分析总结,建立了宿迁中联水泥价格调整分析模型,较好地驾驭了市场价格变化,彻底扭转了宿迁中联市场形象,为公司创造了良好的效益。
2 价格模型主要内容
(1)价格调整分析模型(图1)
(2)价格影响因素矩阵(表1)
(3)矩阵使用原则
(1)以价格调整为手段,最大限度实现产销平衡,追求企业利益最大化;
(2)以市场需求为依据,前瞻性科学合理保留适合市场变化趋势的库存量,为实现利益最大化提供条件;
(3)价格调控产销时,注意调整幅度、频次的把握,尽力保证市场平稳,追求合理量价比;
(4)根据历史决策经验,对不同参与人员根据其市场把握程度事先赋予不同权重;
(5)实施事后评价,保证价格调整实际效果与预期一致,并不断根据事后效果动态修正各位决策者及各个因素权重系数,保证集体决策模型日趋科学合理。
3 模型使用意义
市场信息繁多,变化层出不穷,很多时候不仅难以决策,而且意见很难统一,运用价格模型可以大大减少外界的干扰,最大程度表达个人决策实意,然后再加权汇总,从而使决策更加民主科学。另外,该模型持续实施岗位培训,充分发挥集体决策优势,使市场决策领袖早日脱颖而出,有效保证团队市场驾驭能力。
说明:调价时机A、B、C分别表示立即调价、暂缓调价、不调价。
4 价格模型实际应用情况
(1)2007年1月31日,初次运用模型分析,虽然调价幅度得分较低,但调价时机得分较高,主要因为市场预期较好,所以反淡季调高8元/t,不仅每天增加近2万元毛利,还抬高了旺季调价门槛,为获得更大毛利空间埋了伏笔。
(2)2007年4月,P.O 42.5(袋装)/P.O 42.5(散装)、P.C 32.5(袋装)/P.C 32.5(散装)价格分别是260元/240元、228元/210元,到11月份价时分别达到290元/260元、265元/220元,平均吨水泥价格提高20元,月毛利增加约200万元。
(3)2007年11月20日,得知邳州刘山闸路坏无法通车,山东水泥过来受阻,运价约增10多元,21日各品种水泥立即全面调高15元/t,但次日出厂没有达到预期,再次运用模型分析,提价时机、幅度得分仍然很高,认为还有调价必要,再次要求调高15元/吨,24日全面执行。每天约增加5万元毛利,同时也创下了调价间隔时间最短记录。
(4)2008年3月,经过4次调价,市场需求旺盛,生产依然供不应求,当月水泥各品种价格增幅已经全面突破30元/t,如何调整难以把握。但此时企业区域领导者作用至关重要,运用模型分析价格调整幅度得分仍然很高,所以一下把P.O 42.5(散装)调高20元/t,创造了公司该品种单次价格调整幅度最大历史记录,日均增加毛利约3.5万元,为企业创造了很好效益。
5 直接效益分析
(1)2007年实现水泥产品出厂98.2万t,预算完成率位列五个基地第二名,实现毛利940多万元,毛利完成率位列五个基地第一名;
(2)水泥销售旺季,销售价格较小水泥厂高出40～50元/t,淡季高出10～15元/t;
(3)2007年水泥销售均价为222.6元/t,较2006年同期价格高出13.48元/t。2008年一季度水泥销售均价为242元/t,较2007年同期价格高出38.76元/t,其中主要品种P.O 42.5(散装)水泥均价较2007年同期高出36.76元/t,PC 32.5水泥价格较2007年同期高出38.21元/t。
(4)通过价格调整优化了产品结构及销售渠道,2007年水泥散装率46%、42.5级水泥比例49%,产品结构十分理想,彻底改变了原来以复合水泥为主的被动营销局面。
(5)通过较为前瞻性的价格调整,淡季来时提前出空库存,旺季来时尽量保持高库位,不仅很好地实现了产销平衡,提高了水泥磨运转率,也极大地增加了公司效益。