五因素模型

五因素模型（共7篇）

五因素模型 篇1

0 引言

人群作为现实世界中众多事件的主体,在虚拟世界中对其进行仿真模拟具有必要性。如今人群仿真已成为虚拟现实和计算机动画的研究热点,在公共场所安全、影视动画、人工智能、军事训练、自然灾害应急等领域具有广泛的应用前景。随着虚拟现实技术的发展,图形硬件的提高,人群仿真在宏观层面的运动态势模拟方面,已经取得较多的研究成果,模拟效果与客观实际基本相符; 但在对微观层面的个体多样性模拟方面,研究尚且不足,特别是个体间心理差异对群体行为的影响,这是目前研究的重点。

人群仿真技术最早可以追溯到1985 年Amkraut等[1]展示的鸟群模拟效果,Reynolds[2]在此基础上提出了boid模型,采用避碰、速度匹配和中心聚集三种优先级递减的规则,控制群体的行为。Bouvier等[3]以粒子系统为原型建立了人群运动模型,将人群看作是一个粒子系统,通过在粒子系统内设置多种力场,以实现人群运动的模拟。Helbing等[4]研究了恐慌状态下人群的撤离行为,建立了恐慌状态下的社会力模型,并总结了此状态下人群的行为特征。王兆其等[5]以连续群体模型为基础,提出一种描述复杂场景的多层次语义模型,实现人群的疏散模拟。李健等[6]提出了一种基于队形约束的群体运动编辑与控制方法,实现逼真的群体动画。以上传统的人群仿真方法主要关注于群体的运动态势模拟,人群中的个体具有同质性,缺少个体差异对群体行为影响的研究,这会大大降低仿真的真实性,对群体事件中个体的细节研究也造成不便。

为了实现对人群中个体的差异控制,近年来,国内外学者都进行了相关研究。Stephen等[7]采用PEN三因素模型研究了大规模、多样性的群体动画,Durupinar等[8]采用OCEAN人格模型对高密度人群进行仿真模拟,他们都是通过用户调查的方式,来验证其模型在多种场景中的有效性,但是并没有给出人格对路径规划和动作姿态影响的实现方法和技术路线。黄鹏等[9]根据马斯洛的动机理论,使用有限状态机描述不同动机转换规则,来模拟自主群体行为。陆卓谟等[10]通过引入个人疏散响应时间等模型,对火灾发生时人群中不同个体的行为差异进行模拟,以实现疏散的延迟现象。殷雁君等[11]提出了人群聚集行为的仿真模型,以好奇心理作为人群聚集的心理驱动力,关注于群体事件中的人群聚集阶段。这些研究多用于专题场景的仿真模拟,在设计中附加了众多条件限制,不适用于多种场景的通用人群模拟。

由于人格能够概括地描述个体心理上的差异,反映每个人特有的气质、性格等稳定的心理特征,不轻易随情景变化而改变,适用于当前硬件条件下对大规模人群的通用心理建模,因此本文采用五因素人格模型对人群中的个体进行心理建模。先对五因素模型进行介绍和量化处理,赋予Agent定量的人格属性。再通过制定人格与行为参数的映射关系,来驱动Agent的运动路径规划和动作姿态的实现。最后,采用本文设计的方法构建三维仿真系统,对人群进行仿真模拟,来验证该方法的有效性。

1 五因素模型

1. 1 五因素模型概述

几代心理学家通过词汇学的研究方法,发现利用五种特质可以涵盖人格描述的所有方面,这5 个因素分别是开放性( Openness) 、尽责性( Conscientiousness) 、外倾性( Extraversion) 、宜人性( Agreeableness) 和神经质( Neuroticism) ,并据此提出了五因素模型( Five-Factor Model) ,取五个维度的英文首字母连在一起又称OCEAN模型。作为当前国际上最具影响力的人格理论模型,五因素模型在过去的半个多世纪里得到了心理学研究者广泛的研究,并被证明是具有跨语言、跨文化、跨情景、跨评定者的一致性和稳定性[12]。现在最为大家普遍认可的定义是由Costa和Mc Crae在NEO-PI-R测验手册中的定义[13],其各个维度的特征如表1 所示,其中每一因素均有正负两极,表示出截然不同的特征。

1. 2 五因素模型量化

为满足对Agent人格建模的需要,须对五因素模型的五个维度分别进行量化处理,以便下文中行为的计算模拟。本文将各维度的两极分别进行标准化,取值区间为[- 1. 0,1. 0],并根据人格测验手册中特征程度的等级进行划分,对应关系如下: 极弱= ±[0,0. 2) ,较弱= ±[0. 2,0. 4) ,适中= ±[0. 4,0. 6) ,较强= ±[0. 6,0. 8) ,极强= ±[0. 8,1. 0) 。

用P表示虚拟人的人格,V表示人格的某一维度,则有:

当V( k) > 0 时,表示虚拟人的人格在k维度具有表1 中正极所对应的特征;

当V( k) 时< 0,表示虚拟人的人格在k维度具有表1 中负极所对应的特征;

当V( k) = 0 时,表示虚拟人的人格在k维度不具有表1 中相应的明显特征;

Pi= ( V( O) ,V( C) ,V( E) ,V( A) ,V( N) ) ,其中i = 1,2,…,n表示第i个虚拟人。

以三个具有明显人格特征的虚拟人为例,采用平行坐标系对其人格进行量化表示,如图1 所示。

虚拟人a的人格Pa= ( 0. 9,- 0. 8,0. 8,- 0. 2,0. 5) ,表明他的人格具有以下特征: 极强的想象力、喜欢尝新; 做事粗心、意志薄弱; 平时热情、乐于交际; 做事顽固、不易相处; 敏感、容易冲动。

虚拟人b的人格Pb= ( 0. 6,0. 7,0. 4,0. 9,- 0. 8) ,表明他的人格具有以下特征: 较强的想象力、能够自主; 做事谨慎、自律性强; 性格开朗; 待人随和、谦让; 做事冷静、坚强。

虚拟人c的人格Pc= ( - 0. 5,0. 3,- 0. 5,0. 4,0. 6) ,表明他的人格具有以下特征: 好奇心小; 在外较能遵守秩序; 性格内向、与人交往容易害羞; 性格温顺; 爱焦虑、遇事敏感。

2 Agent人格建模

Agent( 智能体) 是指在计算机的虚拟世界中用来模拟现实世界中的人或其他有生命物体的行为的图形实体,它具有自治性、交互性、反应性、主动性、推理和规划能力等基本特征。本文基于Agent对虚拟人进行建模,旨在真实地反映人群中个体的真实行为特征,不再将人群仅作为一个整体来考虑,同时更关注个体之间的差异,特别是个体心理差异对群体行为的影响。影响人类行为的因素是多种多样的,概括起来可以分为两个方面:即外在因素和内在因素。外在因素主要是指客观存在的社会环境和自然环境的影响,内在因素主要是指人的各种心理因素和生理因素的影响。由于本文的研究重点在心理因素对人群行为的影响,因此生理因素不再做差异性研究,将内在因素限定为人格因素。进而得出行为公式:

其中B代表行为( Behavior) ,P代表内在因素人格( Personality) ,E代表外在因素环境( Environment) 。

在仿真模型中,每个个体都用一个可计算对象Agent来表示,通过赋予他们人格,使其具有心理特征。由于人格具有稳定性,在短期内属于个体的固有属性,因此在一次仿真过程中不会随时间和环境的改变而轻易改变,通常在仿真运行前进行初始化。在大规模人群仿真的场景中人格的概率分布服从正态分布,在专题仿真场景中人格的分布由仿真对象的背景决定。在仿真过程中,Agent动态地感知自身所处的环境,获取外部信息,主要包括静态的目的地和障碍物与动态的其他Agent; 再由其人格因素决定的行为参数,来驱动各自的具体行为,主要包括运动路径规划和动作姿态两方面。Agent的人格-行为模型如图2 所示。

为实现人格对行为影响的定量控制,需建立人格因素与行为参数之间的映射关系。本文设定的人格与行为参数的映射关系主要包括以下几方面,其中 ψi表示Agent的行为参数i,V( j)表示人格的j维度,ωij表示人格j维度的影响在行为参数i中所占的权重。

1) 探索范围 ψe

探索范围是指Agent能够感知周围环境中对自身的运动规划产生影响的兴趣点与障碍物的最大空间距离。与Agent空间距离小于探索范围的兴趣点和障碍物,在进行运动路径规划时均需考虑在内。若个体具有的好奇心、自主性越强,则其探索范围越大,因此人格的O维度决定了Agent的探索范围,具体计算公式如下:

2) 最远近邻 ψn

最远近邻是指Agent能够感知的对其速度产生影响的其它Agent的最大空间距离。与该Agent空间距离小于最远近邻的其它Agent,均对该Agent的速度产生影响。Agent通过感知周围其它Agent的运动情况来调整自己的速度,以免发生避碰。若个体具有越强的自律性和合作意识,则其最远近邻的范围越大,因此人格的C维度和A维度共同决定了Agent的最远近邻,具体计算公式如下:

其中 ωn C+ ωn A= 1. 0 。

3) 个人空间 ψs

个人空间是指Agent独自占有的最小适宜空间范围,以Agent与其它Agent之间的最小空间距离来表示。正常情况下,Agent实时保持这个最小值; 当异常发生时,例如人群拥挤,Agent的间距会小于个人适宜空间,此时Agent会执行异常响应。热情、温顺的个体,乐于与他人交往,其个人空间较小,因此人格的A维度和E维度共同决定了Agent的个人空间,具体计算公式如下所示:

其中 ωs A+ ωs E= 1. 0 。

4) 步行速度 ψv

步行速度是指Agent在正常情况下的行走速度,步行速度的分布范围较宽,从0. 5 至2 m/s,主要集中在1. 0 至1. 3 m/s。热情、活跃的个体,其步行速度普遍较快,因此人格的E维度决定了Agent的最大速度,具体计算公式如下:

5) 耐心度 ψp

耐心度是评价个体在群体环境中是否遵守秩序、稳重行事的指标,其表现形式主要包括排队行进、静候避让等。自律、内向的个体,其耐心度较高,因此人格的E维度和C维度共同决定了Agent的耐心度,具体计算公式如下:

其中 ωp C+ ωp E= 1. 0 。

6) 危机感 ψc

危机感是评价个体在群体环境中是否情绪稳定、心理焦虑及敏感程度的指标,其表现形式主要包括推搡、四处张望和突然变向等。意志薄弱、无序、敏感的个体,其焦虑度较高,因此人格的N和C维度共同决定了Agent的危机感,具体计算公式如下:

其中 ωc N+ ωc C= 1. 0 。

3 运动路径规划

运动路径规划能够保证人类在现实生活中不与其它个体或障碍物发生碰撞,顺利到达目标位置,属于人类基本的行为能力之一。在人群仿真中,要达到合理逼真的仿真效果,对虚拟人群路径规划的方法研究尤为重要。传统的路径规划方法缺少个体的心理因素影响,即不同个体在相同环境中的行为选择相同,这与现实不符,大大降低了模拟的真实性。本文采用由人格因素影响的全局路径规划与局部路径规划相结合的方法,在实现宏观群体自然合理的行进路径的同时,实现微观个体间真实迥异的运动选择。

在路径规划算法的设计中,需对Agent建立运动的仿真数学模型Magent,以便在仿真循环中计算使用,公式如下:

式中G表示Agent的目的地位置,需要在仿真循环运行前规划确定; P表示Agent的当前位置,Vpref表示期望速度,Vcur表示当前速度,这三个参数均在仿真循环中通过实时计算获得; Vmax表示正常情况下行走的最大速度,由步行速度 ψv决定,Dobst Dist表示导航时需要考虑的静态障碍物的最远距离,由探索范围 ψe决定,Dneighor Dist表示智能避碰时需要考虑的其他Agent的最远距离,由最远近邻 ψn决定,r表示正常情况下Agent保持的个人最小适宜空间,由 ψs决定。这些参数均受Agent的人格因素影响。

3. 1 全局路径规划

全局路径规划的主要目标是为虚拟人群选择从出发地至目的地的最优路径,一般以路径长度最短作为优化标准。在进行全局规划之前,需先进行环境建模,关键技术是将已知静态障碍物的平面正射区域投影到二维平面上,并用矢量多边形进行表示,这里将生成的矢量多边形的节点定义为认知路标。

个体在寻找最优路径时,由于障碍物的阻挡,不能直接到达目的地,必须通过认知路标( 中间节点) 链接,才能分段组合完成。本文采用最短距离即为最优路径,设定两点连线不穿透任何静态障碍物时为连通,Min Dist( PS,PG) 表示点S到点G的最短距离,Dist( PS,PG) 表示点S到点G的直线距离。求最优路径的具体计算流程如下:

1) 通过“可视”的方法,利用直线相交判断,求得目的地与认知路标、认知路标之间的连通性; 将连通的目的地与认知路标、认知路标与认知路标链接在一起。

2) 采用Dijkstra算法,求得目的地位置PS与所有可连通认知路标位置PI的最短路径Min Dist( PI,PS) ,其中I ∈ { A,B,C,…} 。

3) 判断Agent当前位置PS与目的地位置PG是否连通; 若不连通则跳转至4) ; 若连通则Min Dist( PS,PG) = Dist( PS,PG) ,跳转至6) 。

4 ) 链接Agent当前位置PS与其可见的认知路标位置PI,并获得它们的直线距离Dist( PS,PJ) ,其中J  I 。

5) 计算PS至PG的最短距离Min Dist( PS,PG)=min( Dist( PS,PJ) + Min Dist( PJ,PG) ) 。

6) 根据Min Dist( PS,PG) 获得本条链接的所有节点,进而得到S → G的最优路径。

3. 2 局部路径规划

局部路径规划的主要目标是解决智能体之间、智能体与障碍物的碰撞避免问题,其中智能体与障碍物的碰撞又可以视为智能体A与静止的智能体B的碰撞问题。本文采用Berg等人[14]在VO算法的基础上提出的RVO( Reciprocal Velocity Obstacles) 算法。该算法的核心思想是一定范围内将要发生碰撞的智能体都为避碰付出一定的努力,通过调整自身的速度,将新速度设定在其他智能体互惠式速度障碍区外,并选取与期望速度最接近的速度作为当前速度。当周围有大量智能体时,新速度范围可能被其他智能体互惠式速度障碍区占据,此时通过计算惩罚因子最小,在互惠式速度障碍区内选择新速度作为当前速度。

互惠式速度障碍区的定义如下:

式中VA表示智能体A原有速度,VB表示智能体B原有速度,V'A表示智能体A调整后的速度; αBA表示智能体A为避免与智能体B发生碰撞付出的努力权重,此处行为参数耐心度 ψp越大,αBA则越大,αAB= 1 - αBA,当智能体A与智能体B具有相同的耐心度时 αBA= αAB=1/2; VOBA( VB) 表示智能体B对于智能体A的速度障碍区; RVOBA( VA,VB,αBA) 表示智能体A为避免与智能体B碰撞而付出努力权重为 αBA时,智能体B对于智能体A的互惠式速度障碍区,如图3 所示。

惩罚因子的定义如下:

式中V' 表示惩罚的待选速度,Vpref表示预期速度; tc( V') 表示预计发生碰撞的时间; ω 反映了智能体在高密度群体中对周围环境的恐慌畏惧心理,此处行为参数危机感 ψc越大,ω 则越小,这时相对于速度偏差智能体更关注预计碰撞时间的影响。

4 动作姿态实现

动作姿态的实现是虚拟人仿真的重要表现形式,通过对现实中人类的基本动作进行模拟,极大地丰富了可视化的内容,增强了用户体验。与此同时,研究同一环境中不同个体间有差别的动作姿态,可以反映个体行为对群体事件的影响,特别是在公共场所安全和重大活动等方面,模拟恐怖分子或不法分子的行为,为安全部门提供应急策略。本文基于三维角色动画库Cal3D对虚拟人的几何模型进行控制,采用蒙皮骨骼动画实现虚拟人丰富多样的动作姿态,数据文件分为骨骼、网格和动画三个部分,由一个文本配置文件管理。

虚拟人动作姿态的选择,由特定场景的行为规则和人格特征共同决定,在此以推搡和静候避让为例进行说明。当仿真场景是排队入场或上车时,危机感 ψc> 0 的Agent拥有执行推搡动作的可能,当其周围人群密度大于阈值 ρ ,且与其他Agent相距小于个人空间 ψs时,触发条件满足,该Agent执行推搡他人的动作。当仿真场景是两个Agent同在一扇门分别进出时,耐心度 ψp较大的Agent会执行静候避让的行为,让 ψp较小的Agent先行通过,避免碰撞,这样既符合现实情况,又可以避免死锁现象。

5 实验结果与分析

本文在Windows7 操作系统下,采用Microsoft Visual Studio2010 编译软件和Open Scene Graph三维渲染引擎,实现了一个基于人格模型的三维人群仿真系统。实验一,以单出口空间的人群疏散为例,分析不同规模的人群中人格因素对群体事件的影响。实验二,选取北京市游客密集的奥林匹克公园作为仿真环境,模拟了四种场景中人格因素对个体行为选择的影响。最后,选取五种仿真场景,与其他心理建模方法在人群行为的多样性表达和个体行为差异控制方面,进行实验对比。

5. 1 实验一

如图4 所示,构建一个单出口的矩形空间,出口宽度为2 m,面积为25 m × 25 m。将Agent在空间内进行随机分布,选取100人规模代表人群稀疏条件,选取500 人规模代表人群密集条件。采用单变量控制的方法,来研究人格的五因素对人群疏散时间的影响,此时设其他因素V( k) = 0 ,即不具有明显特征。

当人群规模为100 人时,实验结果如表2 所示。可以看出,此条件下O维度、C维度和N维度的大小,并不影响人群疏散的时间; E维度和A维度越大,则疏散时间越短。因为该场景只有一个出口,不存在选择最佳出口的问题,所以开放性的大小不会影响疏散时间。又因为人群处于稀疏条件,通行顺畅,在出口处未发生拥塞现象,所以尽责性和神经质也不会影响疏散时间。而外倾性通过影响Agent的行走速度,宜人性通过影响Agent的个人适宜空间,进而影响人群的疏散时间。在未发生拥塞的情况下,个体行走速度越快,通行时间越短,个体间距越小,同时通过出口的人数越多,导致整体的疏散时间较短。

单位: s

当人群规模为500 人时,实验结果如表3 所示。可以看出,与人群稀疏条件相同时,O维度的大小不影响人群疏散的时间,A维度越大,疏散时间越短。但E维度与上述情况不同,随着E变大,疏散时间先变短,到达临界值后又变长。这是因为在人群密集条件下,出口处发生了拥塞,然而外倾性太强的个体,期望速度过大,这进一步加剧了拥塞的程度,产生欲速则不达的现象。同样由于人群密集,受出口宽度的限制,人群在出口处出现争抢通过的现象,此时人格的C维度和N维度就会影响人群的疏散时间。Agent的尽责性越强,越易遵守规则,减少了个体之间的争抢次数,导致疏散时间变短。Agent的神经质越强,越不冷静,当人群密度过大时,会出现变向、回退等行为,导致人群流向的异动,进而延长了人群的疏散时间。

单位: s

实验结果表明,人格的不同能深刻地影响群体事件的结果。在人群稀疏条件下,疏散时间的长短取决于个体的外倾性和宜人性,与开放性、尽责性和神经质无关; 在人群密集条件下,个体的尽责性和宜人性对人群的疏散时间影响最为明显,其次是神经质和外倾性。仿真结果较能符合客观实际,对群体事件中的人格研究具有一定意义。

5. 2 实验二

图5( a) 模拟了开放性对个体行为选择的影响,黑框标识的Agent相比周围其他Agent具有更强的开放性,当发现原先行走的通道人数较多且自身处于队伍边缘时,试图寻找其他距离虽远但畅通的入口。图5( b) 模拟了尽责性对个体行为选择的影响,在交通路口通行时,黑框标识的Agent具有较弱的尽责性,他们没有遵守规则有序通行,企图通过奔跑超越他人。图5( c) 模拟了外倾性和宜人性对个体行为选择的共同影响,外倾性和宜人性在许多方面表现相似,例如在与人交往、个人空间等方面,不易明显区分; 图中浅色Agent与深色Agent相比具有更强的外倾性和宜人性,他们行走速度快、个人适宜空间小、乐于交际; 白框标识的位置位于队伍的头部,浅色Agent是深色Agent人数的将近两倍; 黑框标识的位置人群密集,以浅色Agent为主。图5( d) 模拟了神经质对个体行为选择的影响,体育赛事入场时,由于人群密集且通行缓慢,人与人发生接触现象,黑框标识的Agent具有较强的神经质,容易产生危机感,发生推搡行为。

根据实验仿真结果可以看出,通过五因素人格模型可以有效地实现人群行为的多样性和个体间差异,使仿真模拟更加客观真实,极大增强了用户体验。

5. 3 五因素模型与其他心理模型仿真效果的对比

选取人群疏散、人群聚集、活动入场、入口选择、路口通行等五种仿真场景,对采用不同心理模型的人群行为多样性的仿真效果进行对比。结果如表4 所示,表中1 表示该模型在相应场景中能够实现人群行为的多样性表达和个体行为的差异控制,0表示该模型在相应场景中不能实现人群行为的多样性表达和个体行为的差异控制。

PEN人格模型缺少描述虚拟人的自主性、探索精神等特征的表达,与OCEAN人格模型相比,在兴趣点选择和全局路径规划方面模拟能力不足,在人群聚集和入口选择两种仿真场景中不能实现人群行为的多样性仿真。心理动机模型是基于有限状态机实现的,当环境信息单一且人群目标相同时,只能触发虚拟人心理动机的某一层需求,所有个体此时均执行预定义的同一行为,故在人群疏散、活动入场、入口选择时,人群中个体的行为具有同质性。好奇心理模型采用量化的好奇情绪作为主要影响因素,受事件内容、个体与事发地之间距离以及个体对事件了解程度的影响,在人群疏散或聚集中能够较逼真地实现人群行为的多样性仿真,但在活动入场、入口选择、路口通行中不能正确地实现人群行为的多样性仿真,仿真结果与客观现实不符。对比结果表明,五因素模型与其他常用心理模型相比,在人群仿真中心理差异的表达方面更具有通用性,更能正确有效地模拟不同个体的心理差异对其行为产生的影响。

6 结语

本文提出了一种基于五因素模型进行人群仿真的方法,通过对Agent进行人格建模,来驱动实现人群行为中的路径规划和动作姿态。实验一模拟了人群稀疏和密集两种条件下,不同人格因素对人群疏散这一群体事件的影响; 实验二模拟了多种场景中,不同人格的个体在人群中的行为差异。实验结果表明,该方法不仅能更好地实现原有方法对宏观人群运动态势的真实模拟,还能实现微观个体间的行为差异,为群体事件中的细节研究提供参考依据。通过与其他心理模型的仿真效果对比,基于五因素模型的人群仿真方法能够在更多的场景中实现人群行为的多样性表达,真实地模拟个体间心理差异对行为的影响,更具有通用性。然而,人格仅是人类心理特征中长期存在并且稳定的部分,要对人群进行全面的心理建模,还需要对动态易变的情感和情绪进行模拟,这将是进一步的研究工作。

摘要：针对目前人群仿真在群体行为表达方面缺少个体间差异、多样化表达的问题,特别是个体的心理差异对群体行为的影响,提出一种基于人格模型对人群进行仿真的方法。首先,引入心理学中描述人格的五因素模型,对Agent进行人格建模,并制定人格与行为参数的映射关系;然后,设计由人格驱动的路径规划算法和动作姿态实现方法;最后,构建三维仿真系统,实现多种场景中人格因素对人群行为影响的模拟。实验结果表明,该方法能有效地表达个体的心理差异对人群行为产生的影响,使人群仿真更加真实可靠。

关键词：人群仿真,智能体,五因素模型,认知路标,互惠式速度障碍区

五因素模型 篇2

一个公正客观的评价体系是我国基金行业持续发展的基础, 随着我国证券市场不断发展, 国内的基金业绩评价体系还不完善, 建立一套科学有效的基金投资绩效评价体系, 不仅有利于基金行业健康有序发展, 而且可以帮助投资者理性合理地投资, 对优化资本结构, 有效地配置社会资金具有重要作用。

对于基金绩效的研究, 国内外学者都有大量的研究成果, 夏普 (1966) 提出用夏普指数作为基金评价的指标;Fama和French (1992) 在CAPM的基础上构建了三因素模型, 他们把市场风险, 市值因子 (SMB) , 账面市值比因子 (HML) 引进绩效评估模型中;Carhart (1997) 提出了四因素模型, 即增加了动量因素, 认为四因素模型能更好地解释收益率;Amihud (1988) 认为流动性风险大的公司有较高的平均收益率。国内学者对基金绩效研究也越来越多, 程刚、张孝岩 (2010) 基于Carhart四因素模型进行实证研究, 得出结论是该模型在我国有一定的适用性;庄元志 (2004) 认为基金绩效短期内没有持续性, 长期具有一定的持续性。目前, 国内引进流动性因子的基金绩效的实证研究研究还很少, 本项目正基于这一点在Carhart四因素模型中加入流动性因素, 其表达式如下:

其中MKT是市场风险因子, SMB是规模因子, HML是账面市值比因子, MOM是动量因子, LIQ是流动性因子。本文试图以Carhart四因子模型加上流动性因子构成五因子模型对股票型基金进行绩效评估, 从整体基金和个体两方面, 研究五因子模型对我国基金业的适用性。

二、研究设计

(一) 样本期间和样本基金的选取

基金绩效的研究期间选取需要时间跨度较长, 同时跨越牛市和熊市, 所以本文选取了2008年6月至2013年12月作为样本区间。样本基金选择的标准:考虑到基金绩效的持续性, 本文选取了2008年前上市的基金, 在样本区间内处于申购开放、赎回开放的状态, 且总市值大于50亿, 非指数ETF类基金, 再则, 为避免同一家基金公司的投资风格类似, 每家基金公司只选取一种基金。根据以上的标准, 我们得到了符合条件的15只样本基金, 样本基金具体名称见表3。

(二) 相关指标的选择

本文利用Carhart四因素模型加上流动性因子对我国股票型基金绩效进行研究, 因此我们需要对这五因子的含义和计算方法进行阐述。

1、市场风险因子MKT

市场风险因子表示市场组合的平均收益率与市场无风险利率之差, 即MKT=RM-RF。首先我们计算基金市场组合平均收益率RM, 本文假设股票型基金投资于股票资产为80%, 投资于国债的比例为20%, 因此计算公式为RM=0.8RS+0.2RB, 其中RS为沪深300指数计算的股票市场的平均收益率, RB为用国债指数来计算的国债市场的平均收益率;然后无风险利率 (RF) 选用一年期的活期存款利率。

2、规模因子SMB

规模因子表示小公司投资组合的月度收益率与大公司投资组合的收益率之差。本文计算其具体数据时, 利用申万小盘指数和申万大盘指数分别代表小公司和大公司投资组合的平均收益率, 两者相减可以得到规模因子 (SMB) , 计算公式为SMBt=RS, t-RB, t, 其中RS, t为申万小盘指数计算得出的月收益率, RB, t为申万大盘指数计算得出的月收益率, 计算结果见表1.

3、账面市值比因子HML

账面市值比因子, 又称为净市率, 计算公式为净市率高的股票组合与低净市率组合之差, 一般而言净市率越高, 收益率越高, 具体数值来源于resset数据库。

4、动量因子

动量效应即业绩好的股票的投资组合在未来获取利润的机会要大。动量因子的计算方法为高收益股票与低收益股票的收益率之差, 根据我国证券市场的实际情况, 本文选取以流动市值加权的8个月惯性因子, 计算公式为-, 分别是以流通市值为权重计算出高收益股票组和低收益股票组的收益率。

5、流动性因子

资产的流动性定义为以较低的成本迅速完成大额交易的能力而对价格影响很小的能力, 我国学者对此加以研究, 提出了竞价交易市场的流动性指标, 本文选用以下投资组合的流动性指标, 公式为, 表示基金每季度末公布的前十大重仓股的流通市值之和, Mn-1表示基金每季度末的前一个月的流通市值, 是每季度末公布的重仓股数量与前一个月股价计算出的流通市值, TR表示该基金在第n期的换手率, 是用十大重仓股换手率的平均值。LIQn是投资组合的流动性指标, 指标的含义是单位换手率对价格带来的冲击大小, LIQn越大表明流动性越差。

6、基金的收益率

本文中15只样本基金的月度收益率的计算方法是用基金的月度单位净值增长率代替, 公式为其中Ri, t表示第i只基金第t期的收益率, Pi, t表示第i只基金第t期的单位净值, Pi, t-1表示第i只基金第t-1期的单位净值.

三、实证分析

(一) 基金整体回归

根据五因子模型, 我们将样本基金的平均收益率对五因子进行回归分析, 其中考察期间是2008.06-2013.12, 每隔三个月确定为一期, 由于是模型采用的是时间序列数据, 所以先进行平稳性检验, 结果如下:

由单位根检验可知, 各个变量均序列平稳, 没有趋势性, 可以直接进行回归分析, 结果如下:

调整后的拟合优度R2=0.9775, 说明五因素对基金收益率的解释力度较强, 且从回归结果可以得到以下结论: (1) α=-0.0027, 说明样本基金的绩效劣于基金市场的平均水平, 平均收益率低0.32%, 但是并不显著。 (2) 五因子模型中, 市场风险因子和账面市值比因子很显著, 动量因子在10%内是显著的, 而市值因子 (SMB) 和流动性因子并不显著。 (3) 市场风险因子的系数是0.9219, 表面基金整体与市场水平呈正相关, 且表现明显:账面市值比因子系数为-0.2677, 表明低市净率的股票收益率更高;动量因子系数为0.1721, 表面动量效应在我国股票市场上是显著存在的, 由于本文中选用的是8个月动量因子, 这说明过去8个月业绩较好的股票组合在未来更容易获得高收益;流动性因子系数为0.005, 两者成正比, 表面资产的非流动性越差所需要的收益率补充越多, 但是系数并不显著。

(二) 个体基金回归

将15只基金的收益率对五因子进行回归分析, 回归分析的工具为Eviews 3.0, 回归结果见表3。

从回归结果来看, 五因子模型对个体基金的拟合优度较高, 而且大部分基金能获得超额收益, 其中市值因子和账面市值比因子比较显著, 而市值因子、动量因子和流动性因子并不适合所有的基金, 适用性较差。根据回归得到的超额收益阿法大小, 我们可以对15只股票型样本基金进行排名, 从而对样本基金在2008.06-2013年间的绩效进行评估, 其中上投摩根基金在样本区间内投资绩效最优。

四、结论

本文选取了15只股票型样本基金, 基于五因素模型对整体基金和个体基金投资绩效进行实证分析, 得出了以下结论:一、整体样本基金在2008.06-2013年间并没有获得超额收益;二、五因素中市场风险因子和账面市值比因子比较显著, 而市值因子, 动量因子和流动性因子适用性不强;三、五因素模型从整体上来看, 拟合程度较高, 经过回归得到的超额收益率能更好地反映基金的投资绩效, 能够成为评估我国股票型基金绩效的一种方法。

参考文献

[1]程刚, 张孝岩, 我国混合型基金的投资绩效研究, 中国物价[J], 2010.06

[2]庄元志, 基金业绩持续性的实证研究, 金融研究[J], 2004.8

权证定价模型及影响因素探讨 篇3

随着权证交易的迅速发展, 学术界对权证的研究也越来越重视。权证的研究角度很多, 在此, 只选取权证价格的影响因素和权证与标的证券市场关系的研究进行综述。由于权证是依赖于标的证券发行的衍生证券, 因此权证的价格必然要受到标的证券价格的影响, 这一点从B-S模型中就能看得出来。认购权证与标的证券的价格成正比, 认沽权证与标的证券价格成反比, 很多学者对这一规律进行了实证研究。

1973年, Fiseher Black和Myron Scholes发表了“期权定价和公司财务 (The Pricing of Options and Corporate Liability) 一文, 提出了举世闻名的B-S模型, 为期权市场的发展扫清了诸多疑惑, 随后, 很多学者在此基础上进行了更深入的研究, 对模型进行了改进, 使其更符合客观事实;R.F.Engle率先将GARCH过程应用于权证定价, 由GARCH模型估计标的股价波动率, 带入B-S模型求得权证的价格。F.Sinkey和R.E.Miles第一次使用B-S模型对权证定价做了研究。E.S.Sehwartz使用数值计算方法对美国电报电话公司 (AT&T) 1970-1975年之间发行的权证进行了估价。F.Noreen和M.Volfson, M.Ferri, J.Kremer和H.Obethelman, 以及B.Lairterbacl和P.Schizltz, 使用不同的样本标准, 比较了B-S模型和其他波动率弹性恒定的期权定价模型在对权证定价时的能力及表现。R.Kremer和O.Roenfeldt也首次将跳跃扩散模型应用到权证定价当中。

二、权证B-S定价模型

从期权诞生之日起, 期权定价就成为了困扰人们的一个难题, 不管是发行者还是投资者都不能给期权一个公允的价格, 这种情形也严重制约了期权交易的发展。直到20世纪70年代, 诞生了著名的权证定价模型。该模型是Fiseher Black和Myron Scholes于1973年首次提出的, 该模型在一系列严格的假设条件下, 通过严密的数学推导和论证提出了后来被称为“Black-Scholes模型”的期权定价模型 (以下简称为B-S模型) , 成为期权定价理论研究中具有划时代意义的里程碑成果, 从此期权定价有了较为科学的参考依据。

B-S模型以欧式看涨期权为研究对象, 提出了如下假设: (1) 股价变动呈对数正态分布, 其期望值与方差一定; (2) 交易成本和税率为零, 所有证券无限可分; (3) 期权有效期 (T) 内无股息分配; (4) 证券交易为连续性交易, 不存在无风险套利机会; (5) 投资者可以无风险利率进行借贷; (6) 无风险利率r恒定。

在以上假设的基础上, 提出了欧式看涨期权的价格公式:

该模型的中心思想是在已知股票价格未来分布的假设下, 可以用股票和一个无风险债券组合动态复制期权的收益进行避险, 而期权的价格就等于动态复制所需的成本。这一定价模型现已成为交易商们所普遍使用的一个定价工具, 极大地推动了衍生产品市场的发展。由于其严密的逻辑、形式上的优美及计算上的简单, B-S模型在实践应用方面被广泛采用, 是权证定价应用的著名模型。但其理论本身涉及一些与实际环境不相吻合的假设, 导致B-S模型价格与实际期权的市场价格经常有很大的差距。因此, 对于其中标的证券价格服从几何布朗运动、波动率为常数的假设, 学者们提出了多种修正, 推广了建模方法。

三、权证B-S期权定价推广模型

为了使B-S定价模型具有更广泛的现实应用性, 很多学者通过放松假设条件, 对B-S模型进行了修正和推广。Engle提出的自回归条件异方差 (ARCH) 模型成功地模拟了随时间变化的方差模型。该模型针对股票价格波动率聚类效应, 假定收益率残差服从一个条件正态分布, 条件期望为零, 条件方差为以前若干几期收益率误差平方的函数。ARCH模型将方差和条件方差区分开来, 并让条件方差作为过去误差的函数而变化, 从而为解决异方差问题提供了新的途径。Bollerslev在ARCH模型中引入无穷期误差项, 得到广义自回归条件异方差 (GARCH) 模型。GARCH模型较好地解决了ARCH模型在实际应用中待估参数较多的问题, 特别适合于对金融时间系列数据的波动性和相关性进行建模, 估计或预测波动性和相关性。Kuwahara&Marsh在使用GARCH模型对认股权证定价进行实证研究中发现, 该模型对价内认股权证的定价准确度要优于经典B-S模型。尽管GARCH模型在描述金融时间序列的波动率上有诸多优势, 但能够反映连续时间序列波动率的SV模型更受金融研究者青睐。该模型在波动率方程中引入了一个新的随机变量, 提高了对长期波动率预测的准确性。

我国的香港和台湾地区权证市场起步早, 发展快, 因此针对这两个市场的研究较丰富, 其中比较有代表性的著作有:陈松男证明B-S模型计算出的权证价格只是一个定价的参考值, 时常背离其真实价值, 因此存在应用的局限性。该研究利用实务观点并提供新的理论基础说明如何修正B-S模型理论, 以改进其在实际应用中的效率, 降低权证风险, 并提高超额收益, 具有较强的实际指导意义。陈信华选择我国台湾证券商最早发行的4只认购权证作为研究对象, 探讨了台湾券商发行权证的发行定价、市场价格与理论价格的关系。其研究结果如下:由于证券商的权证发行价格制定采用高波动率政策, 造成定价高于B-S模型与二项式理论价格的情况时有发生。

四、认购权证价格的影响因素

虽然B-S模型和二项式理论给出了权证定价的表达公式, 但是在实际的交易中, 权证价格还要受到诸多因素的影响。

(一) 标的证券的价格

权证作为金融衍生产品, 标的资产可以为个股、一篮子股票、指数以及其他衍生产品。所以说, 从短期来看, 标的证券的价格走势将直接影响到权证的交易价格。对于认购权证来说, 发行时标的证券的价格越高, 认购权证的发行价格也越高。同样的道理, 认沽权证标的证券价格越高, 权证发行时的价格就越低。通过B–S模型可以看出, 标的证券价格是权证定价的重要影响因素。张成虎等对中国权证与其标的证券之间的价格协整关系进行实证研究, 研究表明, 从长期来看, 认购权证价格与标的证券价格都是存在单位根的非平稳序列, 都是一阶单整的。研究结果还显示不同的认购权证价格与其标的证券价格的均衡关系存在一定的差异。这与前人的研究成果是基本吻合的。

(二) 权证有效期

在股票市场牛市环境下, 权证离行权到期日时间越长, 认购权证成为价内权证的可能性就越大, 所以它的价格也相应的越高;随着到期日的趋近, 认购权证成为这种价内权证的可能性越小, 则它的交易价格也会逐渐趋向稳定。在股票市场牛市作用下, 认沽权证离行权到期日时间越长, 成为价外权证的可能性就越大, 所以它的价格趋向下降;认沽权证到期时基本上都属于价外权证, 没有行权可能。

(三) 权证行权价格

权证的核心价值在于对标的证券价格的预期, 价内权证具有一定的内在价值, 而价外权证没有内在价值。价内权证行权价与标的股票价格的差距越大, 那么权证提供的套利空间就越大, 权证的内在价值就越高, 所以权证的发行价格或交易价格就可能越高。认购权证所约定的行使价格越高, 投资者到期行使认购权利时, 行权价跟标的证券价格的差额越小, 权证的收益率就越低, 所以权证的发行价格或交易价格都会较低。认沽权证所约定的行权价格越低, 投资者到期行使认沽权利时, 行权价与标的证券价格的差额越小, 权证的收益率就越低, 这样权证的发行价格和交易价格也越低。

此外, 根据以上分析的权证的定价模型可以看出, 影响权证的因素还有标的证券的波幅、市场利率、标的证券预计派发的股息等。

参考文献

[1] .M.Ferri, J.Kremer, H.Oberhelman.Analysis of Models for Pricing Corproate Warrants[J].Advances in Futures and Options Research, 1986, (1) .

[2] .K.R.Subramanyam.The Pricing of Discretionary Accrurals[J].Journalof Accounting and Economics, 1996, (22) .

[3] .F.Black, M.Scholes.The Pricing of Options and Corporate Liabilities[J].The Journal of Political Economy, 1973, (3) .

[4] .D.Skinner.Option Markets and Stock Return Volatility[J].Journal of Financial Economics, 1989, (23) .

[5] .王安兴, 胡建芳.欧式期权定价与沪深证券市场权证价格分析[J].郑州航空工业管理学院学报, 2009, (2) .

五因素模型 篇4

本文通过建立因素分解模型, 采用对数平均权重Divisia分解法 (Logarithmic Mean Weight Divisia Method, LMD) , 以碳排放量为研究对象, 定量分析经济增长、能源结构以及能源效率对黑龙江省1990—2009年碳排放量的影响, 剖析黑龙江省碳排放与其影响因素间的演化规律和可能态势, 以便为黑龙江省经济可持续发展提供相应的理论支撑。

一、因素分解模型

因素分解法是研究碳排放的一个比较常用的方法。Ang BW[1]将中国工业部门碳排放分解成经济增长影响、产品结构影响以及能源利用效率影响三个影响因素;Shyamal Paula[2]将印度碳排放分解成GDP变化影响、产业结构影响、能源强度影响以及各能源碳排放影响四个因素;Malla Sunil[3]采用LM-DI方法将终端能源消费相关的各部门碳排放量分解成经济增长、产业结构变动、技术进步、能源消耗结构变动四个影响因素。

本文借鉴Johan A[4]使用的碳排放量基本公式来分析黑龙江省碳排放量的影响因素, 其基本公式如下:

其中C为碳排放总量;Ci为i种能源的碳排放量;E为一次能源的消费量;Ei为i种能源的消费量;Y为国内生产总值 (GDP) ;P为人口数量。

下面分别定义, 各类能源排放强度, 即消费单位i种能源的碳排放量;能源结构因素, 即第i种能源在一次能源消费中的份额;能源效率因素, 即单位GDP的能源消耗;经济发展因素。由此, 人均碳排放量可以写为:

式 (2) 显示, 人均碳排放量A的变化来自于Fi (能源排放强度) 的变化、Si (能源结构) 的变化、I (能源效率) 的变化和R (经济规模) 的变化。

故第t期相对于基期的人均碳排放量的变化可以表示为:

其中, ΔAF、DF为能源排放强度因素, ΔAS、DS为能源结构因素, ΔAI、DI为能源效率因素, ΔAR、DR为经济发展因素, ΔArsd、Drsd为分解余量。

式 (3) 中的ΔAF、ΔAS、ΔAI、ΔAR分别为各因素变化对人均碳排放量变化的贡献值, 它们是有单位的实值。而式 (4) 中的DF、DS、DI、DR分别为各因素变化对人均碳排放量变化的贡献率。

对式 (3) 运用Ang BW[1]等人在1998年提出的对数平均权重Divisia分解法 (Logarithmic Mean Weight Divisia Method, LMD) 进行分解, 各因素的分解结果如下:

所以:

对式 (4) 两边取对数, 得到

这里, 对照式 (3) 和 (6) , 可假设各项相应成比例, 即

假设, 则

二、黑龙江省碳排放的因素分析

(一) 数据收集、估算与整理

国际原子能机构 (IAEA) 相关研究表明, 在整个能源链的温室气体排放中, 煤、石油和天然气等一次能源消费产生的温室气体最多。因此, 结合公式 (1) 、 (2) 中各类能源排放强度和能源结构, 本文对黑龙江省总的碳排放量可采用以下公式进行估算:

其中一次能源的碳排放强度系数如表1所示, 能源结构Si和一次能源的消费量E可参考黑龙江省统计年鉴能源与消费篇取得相关数据。

资料来源:国家发展和改革委员会能源研究所:中国可持续发展能源暨碳排放情景分析[R].2003。

故根据公式 (8) 结合表1一次能源的碳排放强度系数以及黑龙江省的一次能源消费的相关数据, 可以估算出黑龙江省一次能源消费的碳排放量, 如表2所示。

注:能源消费量、煤炭消费量、石油消费量和天然气消费量单位标准为万吨标准煤。资料来源:2010年黑龙江统计年鉴

(二) 因素分析

由于各类一次能源的碳排放强度系数是固定值, 即=0, =1, 故影响人均碳排放量的主要因素为能源结构变化、能源效率变化和经济发展变化。这三个主要影响因素按照公式 (5) 和公式 (7) 计算, 结果见表3和图1。

从图1可以看出, 黑龙江省人均碳排放量总体保持平稳增长, 其中经济发展因素对人均碳排放的贡献值成正增长, 说明长期以来黑龙江省的粗放型经济发展模式和以高能耗、高污染、高排放的重工业为主导的产业结构是人均碳排放量增长的主要因素;能源效率因素对人均碳排放的贡献值成负增长, 说明黑龙江省近年来能源效率有所提高, 成为抑制人均碳排放量增长的主要因素;能源结构因素对人均碳排放的贡献值变化不明显。特别指出的是:经济发展因素和能源效率因素对人均碳排放的贡献值趋势图和黑龙江省人均碳排放的曲线呈阶段性吻合状态。

黑龙江省人均碳排放量总体在不断增长, 在1995—2003年呈现稳中有降的趋势, 但2003年以后数值猛增。造成黑龙江人均碳排放量快速增长的主要因素是黑龙江经济的快速发展, 特别是2004年年增长率接近了20%。在2002年之前, 能源效率对人均碳排放的抑制作用贡献值小于经济发展对人均碳排放的贡献值, 所以人均碳排放呈现不断上升趋势。在2003年以后, 随着能源效率因素对抑制人均碳排放增长的速度明显赶不上经济发展因素对人均碳排放贡献值的快速增长, 黑龙江省人均碳排放量大幅度上升。

人均碳排放曲线与能源结构变化曲线基本重合, 说明能源结构的抑制作用对碳减排的贡献不大。主要因为黑龙江省在能源结构中仍以煤炭为主, 煤炭在黑龙江一次能源中占67%以上, 黑龙江人均碳排放量的能源结构对减少人均碳排放量的贡献值虽然在不断增加, 但其贡献值不大。能源效率曲线一直处于基线以下且总体呈下降趋势, 说明能源效率对碳排放有持续的抑制作用。因而, 黑龙江人均碳排放的抑制作用主要来自能源效率的提高。但近年来, 能源效率对降低黑龙江人均碳排放的贡献值与经济发展对增加人均碳排放的贡献值相比, 其增长趋势明显趋缓, 这直接导致近年来黑龙江人均碳排放的急剧增长。

为了强化各因素的可比性并且深入地分析各因素的作用, 将其分为拉动因素和抑制因素, 将抑制因素对黑龙江人均碳排放增加的贡献率 (小于1) 取倒数, 成为对黑龙江人均碳排放降低的贡献率, 然后比较拉动因素对拉动黑龙江省人均碳排放的贡献率与抑制因素对抑制黑龙江省人均碳排放的贡献率的变化趋势 (见图2) 。拉动因素是经济发展因素, 抑制因素是能源结构因素和能源效率因素。

从图2中可以看出, 经济发展因素对拉动黑龙江人均碳排放的贡献率呈现指数增长的趋势, 并且拉动因素的贡献率曲线明显高于抑制因素曲线, 说明经济发展的拉动贡献率远大于抑制因素的抑制贡献率, 从而成为黑龙江省人均碳排放增长的主要因素。1995—2003年能源效率的抑制贡献率与经济发展拉动贡献率之间的差距逐渐缩小, 使得黑龙江省人均碳排放量在2000年达到最小的0.992 6吨, 但随后由于能源效率的抑制贡献率的减小和经济发展的拉动贡献率的增大, 使得2003年以后, 抑制贡献率与拉动贡献率之间的差距又不断扩大, 导致了黑龙江省人均碳排放明显增长。

通过分析, 1995—2003年间黑龙江人均碳排放的平稳增长主要是因为能源效率的提高引起的, 但是随着2003年以后黑龙江省经济的高速发展, 黑龙江省人均碳排放量在2003年后急剧增长, 说明仅依靠能源效率的提高难以抑制经济发展引起的黑龙江人均碳排放。因此要大力优化黑龙江的能源结构, 充分发挥能源结构因素对黑龙江人均碳排放的抑制作用。

三、结论及对策

通过以上的分析, 本文得出以下结论:

1.1990—2009年, 黑龙江省人均碳排放量整体大幅增长, 其中1995—2003年增速趋缓, 2003年以后呈快速增长态势。

2.经济增长因素是拉动黑龙江省人均碳排放量增长的主要因素, 其作用效应远远大于能源效率和能源结构的抑制作用。伴随着黑龙江省经济的快速增长, 其对人均摊排放量的拉动作用会逐步增大, 这将使黑龙江省面临着巨大的减排压力。

3.能源效率因素是抑制黑龙江省人均碳排放量增长的主要因素, 虽然在1990—2009年间对黑龙江省人均碳排放量的抑制作用明显, 但在2003年以后与经济增长因素对黑龙江省人均碳排放量的拉动作用相比还远远不够。

4.能源结构因素对黑龙江省人均碳排放量的抑制作用不明显, 主要因为长期以来黑龙江省能源消费结构以煤炭为主, 而且煤炭消费在能源消费结构中的占比还有增长的趋势。

因此, 黑龙江省要减少碳排放, 还需要实行以下针对性的措施:

第一, 优化产业结构, 促进绿色产业发展。要在重化工领域进行资源整合, 限制高碳产业发展, 包括强制淘汰落后产能, 完善主要工业耗能设备、机动车能效标准等, 同时加快产品升级换代步伐。大力发展高新技术产业和现代服务业, 不断提高第三产业在国民经济中的比重, 以促进黑龙江省经济向内涵集约型转变。适当运用财政政策引导, 鼓励并扶持绿色产品开发, 包括信息产业、生态旅游、生态农业、新能源开发等产业, 逐渐增大黑龙江省绿色产业的比重。

第二, 优化能源结构, 大力发展替代能源和可再生能源。低碳经济的实现形式是合理调整能源结构, 提高能源利用效率, 积极开发替代能源和可再生能源。开拓煤炭资源优质开发利用, 提高天然气、水能、核能等清洁能源、优质能源和可再生能源的比重是提升能源结构的重要途径。要推动可再生能源发展的机制建设, 培育增长稳定的可再生能源市场, 改善健全可再生能源发展的市场环境与制度创新。要推进能源体制改革, 建立有助于实现能源结构调整和可持续发展的价格体系。加大利用煤层气, 大力普及天然气, 高效地利用焦炉煤气。大力发展风能、太阳能、水电、生物质能等清洁能源, 提高可再生能源的比例。积极开发新能源和可再生能源产品, 如开发太阳能热水器、空气热水器、沼气热水器和沼气灶具等。

第三, 提高能源效利用率, 推广节能减排技术。低碳经济的发展需要低碳技术的支撑。加大节能技术的开发、引进、推广和应用, 依靠科技进步, 提高煤炭、石油、天然气等能源资源的利用率。重点推进高耗能领域的技术改造, 将能源强度指标作为产业发展政策的重要量化指标, 落实到产业发展战略、规划和工程设计、验收指标体系中。在能源生产和消费领域推广使用节能设备, 提高能源转化效率, 降低中间环节的消耗和浪费。开发推广节能技术, 推进重点节能工程。对现有的中小燃煤锅炉实施技术改造, 着重推进区域热电联产、节约和替代石油、建筑节能、绿色照明等节能工程。引导和支持企业研究开发节能工艺、设备和技术, 建立和完善“产、学、研”相结合的科技创新体系, 增强自主创新能力;鼓励节能公司的发展, 推行合同能源管理和节能投资担保机制, 为企业实施节能改造创造良好的政策环境。

参考文献

[1]Ang B W, zhang F Q, Choi Ki-Hong.Factorizing Changes in Energy and Environmental Indicators through Decomposition, Energy[J].1998 (.23) :489-495.

[2]Shyamal Paula.Rabindra Nath Bhattacharya.C02 Emission from Energy Use in India:A Decomposition Analysis[J].Energy Policy, 2004, (32) :585-593.

[3]Malla Sunil.CO2 Emissions from Electricity Generation in Seven Asia-Pacific and North American Countries:A DecompositionAnalysis[J].Energy Policy, 2009, (37) :1-9.

五因素模型 篇5

1. 模型建立

根据因素分析法的原理, 按基数建立因素分析关系式。由于可比产品成本降低计划完成情况的因素分析是各因素对计划执行结果差异的影响分析, 因此其因素分析关系式的基数应为本年的计划数。其因素分析关系式为:

综上所述, 可比产品成本计划降低额的关系式为:

通过变换得到的可比产品成本计划降低额的关系式 (1) 即为可比产品成本降低计划完成情况的因素分析模型, 且影响可比产品成本降低计划完成情况的主要因素有:产品的产量、品种结构、单位成本等三个因素。

2. 因素替换

在建立了因素分析模型之后, 将模型中的计划数 (基数) 依次替换成实际数, 每次替换后计算出的结果 (成本降低额) 与前一次计算的结果相比较, 两者的差额即为该因素的影响程度。按照因素分析法替换顺序要求, 可比产品成本降低计划完成情况因素分析的替换顺序依次为:产品产量、品种结构、单位成本。

第一次替换:以实际产量替换 (1) 式中的计划产量。特别指出的是:替换时, 只替换 (1) 式中前项的计划产量, 不替换分式 (成本降低率) 中的计划产量。替换后关于可比产品成本降低额的关系式 (2) 为:

通过 (2) 式与 (1) 式的计算和比较, 就能确定可比产品的产量因素变动对其成本降低额与降低率的影响程度。实际上, 以实际产量替换 (1) 式中的计划产量时, 没有替换分式 (成本降低率) 中的计划产量。这是因为产量的变动, 若产品的品种结构不变, 则只对可比产品成本降低额产生影响, 而不影响其成本降低率。但是, 由于在企业的实际生产过程中, 往往是产品的产量、品种结构、单位成本同时发生变动, 这体现了利用因素分析法进行分析时其结果的假定性, 因此, 在进行了产量因素影响程度的分析之后, 还必须进行第二次、第三次替换。

第二次替换:在 (2) 式的基础上, 以实际产量替换分式 (成本降低率) 中的计划产量, 其实质是以本年可比产品的实际品种结构替换计划品种结构。替换后关于可比产品成本降低额的关系式 (3) 如下:

通过 (3) 式与 (2) 的计算和比较, 可以确定可比产品的品种结构的变动对其成本降低额和降低率的影响程度。

第三次替换:以实际单位成本替换 (3) 式中的计划单位成本, 得到的关于成本降低额的关系式就是可比产品成本的实际降低额。第三次替换后得到的关系式 (4) 为:

通过 (4) 式与 (3) 的计算和比较, 就能确定可比产品的单位成本的变动对其成本降低额和降低率的影响程度。将三次替换后计算与比较的结果相加, 即为产量、品种结构、单位成本等三因素共同变动对可比产品成本降低额和成本降低率的影响程度。

3. 模型应用

某生产企业2007年度商品产品成本表 (部分) 如表内的有关数据。

(1) 计算可比产品成本计划降低额与计划降低率。

(2) 计算可比产品成本实际降低额与实际降低率。

(3) 可比产品成本降低计划完成情况。

降低额:12000-24000=-12000 (元) (实际比计划少降低了12000元)

降低率:4.959%-9.836%=-4.877% (实际比计划少降低了4.877%)

(4) 利用成本分析模型进行因素分析。

第一次替换:以本年实际产量替换 (5) 式中前项的计划产量, 得到 (6) 式。

产量变动对成本降低额的影响= (6) - (5) =23803-24000=-197 (元)

产量变动对成本降低率的影响= (6) 式中的降低率- (5) 式中的降低率=9.836%-9.836%=0

第二次替换:以本年实际产量替换 (6) 中分式 (成本降低率) 的计划产量, 得到 (7) 式。

品种结构变动对成本降低额的影响= (7) - (6) =24000-23803=197 (元)

品种结构变动对成本降低率的影响= (7) 式中的降低率- (6) 式中的降低率

第三次替换:以本年实际单位成本替换 (3) 式中的计划单位成本, 得到 (8) 式, 即为可比产品成本的实际降低额。

单位成本变动对成本降低额的影响= (8) - (7) =12000-24000=-12000 (元)

单位成本变动对成本降低率的影响= (8) 式中的降低率- (7) 式中的降低率=4.959%-9.917%=-4.958%

根据以上的结果, 做出评价。首先, 从总体上来看, 该企业没有完成可比产品成本降低计划, 可比产品实际成本降低额比计划少降低了12000元, 实际成本降低率比计划少降低了4.877%, 说明该企业在生产经营管理特别在成本控制方面存在问题。其次, 从各因素来看, 由于产品产量的变动, 使实际成本降低额比计划少降低了197元, 品种结构的变动, 使实际成本降低额比计划多降低了197元, 实际成本降低率比计划多降低了0.081%, 产品单位成本的变动, 使实际成本降低额比计划少降低了12000元, 实际成本降低率比计划少降低了4.9 5 8%。综上所述, 该企业没有完成成本降低计划的关键在于可比产品的单位成本没有达到计划目标, 即该企业可比产品的单位成本是影响成本降低计划完成情况的主要因素。企业应进一步分析影响可比产品单位成本变动的主、客观因素, 找出成本控制中的薄弱环节, 抓住主要矛盾, 采取有力措施。

二、产品单位成本的因素分析模型

产品单位成本分析就是对主要的或成本升降幅度较大的商品产品单位成本进行具体分析。分析的目的是确定成本升降的原因, 采取进一步改进措施。分析时, 一般先将产品单位成本的实际数与上年实际数或本年计划数进行比较, 计算其差异额和差异率;然后, 在此基础上, 按照直接材料、直接人工和制造费用等三个成本项目分别进行分析, 查明成本升降的具体原因。

与可比产品成本降低计划完成情况的分析模型一样, 单位成本分析模型中的基数仍为本年的计划数。其因素分析的关系式为:

上式即为单位产品成本的因素分析模型。依据因素分析法的替换原则, 先替换数量 (材料耗用量、工时耗用量) 因素, 后替换质量 (材料的单价、工资率、费用率) 因素。

在成本分析中, 引入因素分析法, 可以增加成本分析过程的直观性和理解性, 使复杂的计算公式转化为简单、直观的因素替换, 便于使用者的理解与掌握。

摘要：成本分析是成本会计中的难点。利用因素分析法, 建立相应的因素分析模型, 按照因素替换顺序进行计算与比较, 可增加成本分析的直观性、可理解性与实用性。

关键词：成本,因素分析,模型

参考文献

[1]樊淑侠:变动成本法计算与完全成本法计算的结合[J].上海会计, 2003, (11) 24～25

涂漆金属的腐蚀因素及其腐蚀模型 篇6

腐蚀是材料在环境作用下引起的破坏或变质,而金属的腐蚀主要是化学或电化学作用引起的破坏(有时还包括机械、物理和生物作用)。实际上金属的腐蚀不仅仅是某一种因素引起的,而是多种因素共同作用的结果,但某种因素在腐蚀过程中起了主要作用。

金属涂装后,金属的腐蚀区域就在漆膜和金属界面区域内发生,然后向金属基体深处侵蚀。界面的氧化物对氧化还原反应起催化作用,促进氧化还原反应的电子及杂散离子均要经过漆膜、氧化物方可到达反应区,同时亦为金属和漆膜之间提供了结合力(即漆膜对金属附着力的一部分)。金属的表面状态及所形成的漆膜结合膜对抗蚀性质有决定性影响。漆膜若能隔离水、氧以及电子、杂散离子等的渗透就可避免发生涂漆金属的再锈蚀。实验证明,水的渗透率主要影响漆膜的附着力,而氧的渗透率则着重影响金属的被腐蚀程度。

涂漆金属的腐蚀集中起来可以划分为气泡、早期锈蚀、瞬时腐蚀、阳极腐蚀、阴极腐蚀、湿漆膜降低附着力等数种形式,其腐蚀形式虽多,但最终都与化学和电化学有关。

2 引起涂漆金属再腐蚀的因素

曾经做过这样一个实验:用冷轧钢板、喷砂钢板及天然锈钢板涂以同样的保护层,因为它们的表面状态明显不同,得到的保护效果也明显不同。喷砂钢板效果最好,而天然锈钢板最差,其被腐蚀速度竟相差百倍之多。天然锈钢板涂漆后,由于锈蚀产生的影响,尤其是阴极极化作用的影响,故腐蚀更为加剧。随着时间的推移,腐蚀速度逐渐加快。因此,涂漆金属的腐蚀不但与金属本身保护层有关,而且与表面处理、间界面特性及接触介质均有极大的关系。

2.1 金属基体的影响

金属基体由于熔炼、锻造存在的缺陷以及运输、堆放、加工过程中产生的均匀腐蚀、局部腐蚀,特别是消除应力所采用的不合理工艺造成的应力腐蚀以及局部腐蚀。而金属本身的缺陷,也增加了涂漆表面处理的困难,而其潜在的危险性极易为人们忽视。

由于金属表面存在缺陷和大气中含有水分及破坏钝化膜的活性离子(如Cl-、Br-、HS-),使钝化膜薄弱处被破坏,而微小的膜破口处的金属成为阳极,破口周围大面积的膜成为阴极,腐蚀迅速向纵深发展。这种缺陷不容易彻底根除,涂漆后也不能阻止金属腐蚀向纵深发展。

另外,金属内部由于应力及氢原子的作用,使得金属易在层与层间、晶界处、原子间发生腐蚀,这种腐蚀更加难以用普通的方法来消除。

因此,涂装前对金属基体进行妥善、相应的工艺处理,是改善金属腐蚀的基础。

2.2 漆膜性能的影响

对需要保护的金属表面通常覆盖一层有足够抗蚀性的金属、非金属或化学保护层,有时还使用暂时保护层,将金属与周围介质隔离,以减少腐蚀作用,从而达到保护的目的。

非金属油漆保护层具有施工方便、成本低廉、抗大气腐蚀及耐潮性好等优点,故应用比较普遍。

漆膜性能对金属的再腐蚀有很大的影响,影响漆膜性能的因素很多,主要由组成漆膜的合成树脂、枝键空间分布、结晶度、溶解度、极性基团及其数目、分子量、自由能及运动的自由度决定的。漆膜的形成通常经溶剂的挥发、氧化聚合、热固化、红外固化及交联固化,最后形成致密的漆膜。漆膜能隔绝活性离子对基体的腐蚀,漆膜的绝缘性能也限制了电子的传导和杂散离子的扩散作用。而无机涂料(以锌粉为主的富锌漆)形成的漆膜是导电的,它的作用类似阳极保护,使金属获得电化学保护。

愈来愈多的防锈、带锈涂料的应用,使得漆膜性能及金属的腐蚀性能有了可喜的改善。理想的防锈、带锈涂料是漆液可以与金属表面发生反应,生成可溶性极低的化合物,在金属和漆膜之间生成一层致密的、稳定性极好的钝化膜,增强漆膜的附着力,并同时抑制了阳极和阴极的反应,抑制氧和氢离子的集结。

然而,鉴于原材料质量、配方设计、制造、贮存、运输及涂装施工工艺不够完善和不合理等问题,难以得到预想的漆膜性能。因此,形成的漆膜存在许多缺陷。漆膜在受到热、光、化学介质、辐射、霉菌及碰撞等影响时,就会在表面发生失光、粉化、龟裂、脱落、生霉等现象,漆膜内则发生了解聚、断链、分解等一系列的分子变化。这时水分子、氧分子以及电子、杂散离子等就从这些缺陷及高分子支链空间穿越、渗透,经过漆膜,因而改变了漆膜的电性能及变化规律,破坏了平衡,从而造成了金属的腐蚀。

所以,需改善涂料的性能,使之成膜后能有效地阻止水、氧及杂散离子渗透到漆膜金属界面处,并能有效地起到化学抑制和钝化金属表面的作用,有效地保护和延缓金属再腐蚀的发生。

2.3 施工预处理和环境的影响

涂漆金属再腐蚀的原因固然很多,但与表面和漆液预处理及环境等有着直接的联系。

由于金属表面质量差、形状复杂、缺陷较多,给除油、除锈工作带来极大的不便,未能彻底除去油、锈以及焊剂、可溶性盐的污染及旧有的漆膜;由于焊接质量过于粗糙且没有进行仔细的打磨、清理焊缝和焊渣,其尖峰处难于被涂层覆盖;表面处理后放置时间过长、保护不当,与污染物接触,使清洁面重新被污染;脱脂溶剂发生潮解,造成Cl-等活性离子附在表面膜上;清晰溶剂未能定期更换,其中污物含有程度较高,降低了溶剂的清洗性能;酸、碱洗后漂洗不干净,酸洗液中含有Cl-;磷化成膜后未能及时钝化处理及密封处理,致密性差,膜中含有电解物质,使膜的耐蚀性能下降;热处理后未能彻底脱除表面盐膜等,这些均将造成漆膜附着力严重下降及金属与漆膜间界面处的平衡失调。

在湿度太高、温度太低的环境中施工,会使漆膜产生发白等现象;稀释剂和漆液中含水量超标,多组分涂料未按正确比例调配或错用稀释剂、固化剂等造成涂料综合性能的改变;使用涂料时未能彻底搅拌,涂料不均匀;底漆、面漆及中间漆与腻子不配套,涂料未按工艺过滤;喷涂次数过多或过少,施工粘度过高或过低,以及所用压缩空气中的油水分离不够好,使气体中含水、油量过高;前道漆和后道漆间隔时间过长或过短,施工场地污染严重;施工后未能按工艺及时采用合理的方法使漆膜干燥;未干之前和硬物接触、碰撞产生划痕及碰伤等,都会造成漆膜性能及漆膜与金属之间结合强度的下降。

因此,提高涂漆前预处理质量,加强工艺的规范化及合理性,加强施工中的质量管理及控制、测试仪器和方法的规范化及准确性,才能有效地防止金属涂漆后的再腐蚀。

3 涂漆金属的腐蚀模型

漆膜对金属的保护作用,取决于漆膜的综合理化性能,而漆膜与金属相互作用的结合强度则是其中的一个决定性因素。前苏联学者E.A.安得留辛等在研究漆涂钢板腐蚀动力学的基础上,结合漆膜同金属相互作用的结合强度,对涂漆金属的腐蚀作了深入细致的研究,其模型所得的计算结果和实验数据相当吻合。

以涂漆和未涂漆的CT3号钢在水中作实验,利用可产生趋肤效应的电阻法,求得腐蚀和时间的关系曲线。

图一所示为CT3钢在20℃蒸馏水中的质量损失与时间的关系曲线。1—无涂层,2—涂层为YP-1161聚氨酯磁漆的eII-0156底漆(涂层厚度为70±10um),3—涂层为AC-2106M丙醛烯基磁漆和BII-02底漆(涂层厚度为50±10um)。

涂漆和未涂漆金属的腐蚀速度k,在实验开始阶段其速度的最大值均是k0,随后则明显下降并达到稳定值k<

这一腐蚀模型的基础是假定腐蚀速度k与未被漆膜及腐蚀产物覆盖的表面活性部分的分率成比例:

式中:k0——初始腐蚀速度(g/m3·h);

θ`、θ``——被漆膜和腐蚀产物分别覆盖的表面分率。

假定稳定过程中腐蚀产物膜层的破坏速度与θ`成比例:

并且,当时间t=0和t→∞时,θ`值相应等于θ`0和θ`∞,则同t的关系式为:

其中a为常数。

方程(3)表明在水分作用下漆膜粘接强度变化的动力学关系与有关的资料相符,并可以近似地认为:

当t=0和t→∞时,θ``值相应等于0和(1-θ`∞)。

解微分方程(4)得:

将以上得到的θ`和θ``值代入方程(1)中并对t求积分,则可得出金属的质量损失△M与时间的关系。

长时间的暴露条件下,即t→∞时,腐蚀过程趋于稳定,则:

式(7)中的线性与实验数据是相符的。

将式(7)和式(1)相比较,可以得出结论:由于漆膜与金属的相互作用,使k`值降低了(1-θ`∞)倍。

如果漆膜的保护效果取决于它对金属的结合强度,则由于漆膜下的腐蚀速度比不变,就可对水分长时间作用下漆膜的残留粘结合强度求出相对的估算值:

式(8)中,对于聚氨酯漆和丙烯基漆来说,它们(1-θ`∞)k`分别为5.5X10-4和-2.5X10-4g/m·h,可得到A=2.2。如果借助压力和所得到的漆膜结合强度的相对计算值可知,由定性得出的结论和实验数据是相符合的。

在测定漆膜的结合强度时,应测出钢质基体到呈十字形冲裂的漆膜开始成片地剥落时的允许最大延伸量s。

式(7)可以对金属涂漆后的腐蚀损失进行长期的预测,在求式(7)的自由项时,系仅考虑了实验初始时的气象条件而得出的。

预测所得到金属的质量损失与实测数据是基本一致的。采用这一模型来预测金属涂漆后的腐蚀速度及金属的损失量对生产实践将具有很大的参考价值。

摘要：本文详细介绍了涂漆金属的腐蚀机理并分析了引起腐蚀的因素,以使能进一步了解漆膜特性,改进涂漆工艺。采用新型耐蚀材料改善漆膜耐蚀性能,从而延缓金属腐蚀,延长金属使用寿命。

关键词：金属腐蚀,涂料

参考文献

[1]张康夫,等.防锈封存包装手册[M].北京:第三机械工业部三0一研究所,1982.

[2](英)U.R艾万思著.华保定译.金属的腐蚀与氧化[M].北京:机械工业出版社,1976.

论影响共享心智模型形成的因素 篇7

关键词：相似性,运动员,团队

1.共享心智模型

认知心理学范畴的分析成果——心智模型, 是个体与环境相互作用所凭借的内在机制。它是指人们用以阐述系统形式和目标、诠释系统的功能、观察系统的状态以及预测系统将来状态的心理机制。Johnson—Laird表示, 它的主要作用是使得人们能够作出预测, 明白所产生的现象, 并实行动作或控制措施。也就是说, 它的效果是对周围的情景进行预测、描述, 并采取控制措施或行动。

1.1影响共享心智模型形成的因素

以前的分析显示, 达到一定程度心智模型的共享那就需要集体成员之间通过很久时间的交流与配合, 即使这样, 它的形成还要受到其他多种因素的影响, 重点表现在以下几个方面:

1.1.1集体组建的历史

专家一致认为, 集体组建时间长短对队员之间会有一定的影响, 心智模型的共享效果也会随着团队发展共同提高。专家们有了一个假设, 队员们的互相沟通交流会随着时间延长而增多。但是事实大相径庭, 相似性与时间的增长而相反。进一步分析发现, 随着集体运作的深入, 团队成员的职责分化日趋明显, 成员之间的相互作用反而减少了。这表明, 不能单独考虑的一个因素就是团队组建时间, 队员们的相互交流沟通是在他们之间起到了纽带作用。专家的观点分析表明集体队员相互作用的重要性。

1.1.2集体的构成方式

如果新队员对团队文化能认可, 价值观也相同的情况下就会很容易与老队员达成共享, 那样就会对整个团队起到良好的作用。专家的研究数据表明按着招募的方式组建的集体与自愿加入组成的集体来说有些类似, 队员相互之间会容易形成共享的心智模型。

1.1.3集体的构成

团队成员的特点所组成的集合即为集体的构成, 集体的构成对共享心智模型的形成具有很大的帮助。Rentsch从团队成员的同质性, 经历﹑规模﹑组成方式等几方面进行深度分析, 他们认为统计学的相似性和运动员们的日常习惯有很大关系, 大多数运动员的经历越相似人口统计学的变量越相似。相同程度越高, 队员之间的交流也就会越多, 那样交流的效果会更好, 这样就会更容易形成共享的心智模型, 这一假设在实验的过程中已经得到验证。集体的凝聚力﹑组织文化﹑团队精神﹑人际关系对共享心智模型的形成也有一定的影响。

1.1.4集体的规模

共享心智模型的形成与集体规模的大小也有一定关系。运动员与运动员之间相互交流合作很容易对一件事产生共鸣, 这样就会有相近的想法, 有研究结果显示队员之间相互沟通合作是共享心智模型成立的主要因素之一。Mohammed和Kimoski在1994年指出集体规模大小对整体认识水平有很大的影响作用, 队员越多集体就越大, 队员与队员之间交流的次数就相对减少, 而队员与队员之间的沟通交流又是构成共享心智模型的主要因素, 因此, 团队规模大小与共享心智模型的构成成反比。

1.1.5团队的领导

领导的风格在专家认为会对职能上起到相当大作用, 集体的绩效往往与领导者自身优秀程度是分不开的。领导者在集体中会存在不同的地位, 他的行为对集体的作用有很大影响, 同样对共享心智模型的构成也具有很大影响。集体成员如果能有相似的心态, 就会很容易从失败中走出来, 并能得到很好的学习。Edmondson和Cannon两位专家的结果显示分析, 领导者的指导行为和示范能有效促进成员之间形成相似的态度, 从而促进团队中来学习。

1.1.6集体的交叉培训

集体的干预措施对共享心智模型形成的影响也是最主要因素之一。诸多培训方法中, 交叉培训对于培养共享心智模型是有很好的效果。这种培训方法是以其他队友的职责和任务为内容的方式, 就是希望所有的集体队员明白:集体完成任务的同时各个队员要怎样互相处理并怎样互相配合。专家分析结果显示, 经过交叉培训的团队要比没有接受交叉培训的集体在沟通方面和绩效方面都好的很多。这样也很容易建立良好的共享心智模型。队员之间也容易沟通了。有一位专家在分析橄榄球队时, 就运用了交叉培训的方式, 更多的沟通就在队员之间发生, 这样对集体完成任务的解析达到一致性。队员交流的机会越多, 队员之间就越容易对共同的任务和目标有相同的理解和认识, 这样共享心智模型就更容易形成了。

总结:

共享心智模型的形成与团队组建的时间长短对成员之间也有一定的影响, 心智模型的共享效果会伴随着团队发展同步提高。团队成员的特点所组成的集合即为集体的构成, 集体的构成对共享心智模型的形成具有很大的帮助。集体领导者在集体中的地位是不具相同的, 他的行为对集体的作用有很大影响, 同样对共享心智模型的构成也具有很大影响。集体的干预措施也是影响共享心智模型形成的最主要因素之一。

参考文献

[1]武欣, 吴志明.基于共享心智模型的团队知识管理研究[J].研究与发展管理, 2006, 18 (3) :9-15.

[2]白新文, 王二平;共享心智模型研究现状[J];心理科学进展;2005年05期