度量研究（通用12篇）
度量研究 篇1
摘要：本文重点研究CVaR在投资组合理论中的运用, 首先简单介绍现代证券投资风险度量方法及其缺点, 然后对CVaR风险度量方法的概念、计算、性质等作了探讨。其次, 对基于CVaR的投资组合优化模型进行了介绍和扩展, 并利用沪深股市股票对模型进行了实证分析, 通过分析结果来验证新模型对证券投资风险的评估效果。
关键词：证券风险,CvaR,Markowitz模型,投资组合
一、证券投资组合优化模型概述
1、证券投资风险计算方法研究。
目前国内外较为引人注目的风险管理模型包括有:均值—方差 (MV) 模型、指数模型、均值—风险价值 (Va R) 模型、均值—条件风险价值 (CVa R) 模型。
2、CVa R模型的提出与应用。
Va R作为风险计量方法不仅具有概念简单、易于沟通和理解的优点, 而且为不同金融工具构成的复杂的投资组合提供了一个统一的、综合性的风险测量框架。因此, Va R目前广泛应用于各金融机构, 并正在成为计量金融风险的国际标准。下面主要针对此方法进行修正。
先分析Va R方法的缺陷:其一, Va R不满足一致性公理, 这意味着利用Va R计量风险, 投资组合的风险不一定小于或等于该组合中各种资产分别计量的风险值之和, 这与风险分散化的市场现象相违背;其二, Va R应用的前提必须是股票收益率服从正态分布, 而许多实证研究表明, 股票收益率不服从正态分布。为克服Va R的缺陷, Rockafeller等提出了条件风险价值———CVa R的风险计量技术。CVa R是指投资组合的损失大于某个给定的Va R值的条件下, 该投资组合损失的平均值。CVa R通常也译为条件风险价值, 也称为平均超额损失、平均短缺或尾部Va R, 其含义可解释为:在一定置信水平下, 损失超过Va R的潜在价值, 更为精确的讲就是指损失超过Va R的条件均值, 反映了超额损失的平均水平。
研究表明, CVa R具有Va R的优点, 同时在理论上又具有良好的性质, 如CVa R满足次可加性、正齐次性、单调性及传递不变性, 因而CVa R是能满足一致性的风险计量方法;并且, 无论股票收益率服从何种分布, CVa R均可适用。而且在投资组合优化决策时, 以CVa R作为优化目标, 可以采用线性规划的方法进行求解, 求解过程还可以顺便得到投资组合的Va R。CVa R的性质是针对一致性风险度量来分析的, CVa R具备了一致性风险度量的标准。
二、基于CVa R的投资组合优化模型
结合中国证券市场的实际情况, 提出一种新的单期投资组合优化模型。假设有n种不同金融工具组成的投资组合, 其中包括一无风险资产 (现金或银行账户) 。记x0= (x10, x20, …, xn0) T为资产的初始权重向量, 即已投资在各资产上的比例。x= (x1, x2, …, xn) T为使用优化算法将要得到的最优投资组合的权重, 即将投资在各备选资产上的比例。y= (y1, y2, …, yn) T为组合的收益向量, 服从某一联合分布, 且与x相互独立。由于组合的损失等于负收益, 则本期的损失函数为:f (x, y) =-y Tx=- (x1y1+x2y2+…+xnyn) 。显然上式中损失函数关于x是线性的。
由于越来越多的金融机构使用Va R测量市场风险, 且监管部门使用Va R确定风险限额, 因此在投资选择时, 通常需要考虑Va R约束。既然CVa R叟Va R, 这种要求通过约束不同置信度下投资组合的CVa R能得到满足。CVa R的下界能作为最大的Va R值。因此以CVa R提供的风险约束也是有意义的:准α (x) 燮w。w为允许的风险限度。损失函数对x是线性的 (从而也是凸的) , 因此CVa R函数对x也是凸的。线性约束集为:
综上所述, 在CVa R约束下, 使组合损失最小的优化问题可表示为:
式 (1) 为目标函数, 使损失最小化 (期望收益最大化) ;式 (2) 为CVa R约束;式 (5) 表示不允许买空;式 (3) 、 (6) 表示计算CVa R时需要考虑的超过Va R的损失。通过解这一线性规划问题, 得到最优的向量x*, 对应的Va R等于ζ*。最大的期望收益则为∑ni=1E[yi]xi。通过解不同风险约束下的最优问题即能得以收益—CVa R有效前沿。
三、实证分析与效果评估
1、实证研究即证券投资风险的评估效果。
虽然本模型能够处理包含多种证券的组合的风险度量和优化, 但为了简便起见, 本文仅选取了上证和深证指数中的几支典型股票, 时间从2006年4月17日至2007年4月17日, 共221个交易日。将这221个日收益率数据作为历史收益率情景并计算其日期望收益率。在考虑交易成本时, 各股票的初始权重都设为10%。本文选取的时间跨度为221个交易日, 即选取的情景总数为221, J=221。选取的单只收益率计算方式是用当日的收盘价与开盘价的对数差, 即:Yij=LN (第i种股票的收盘价/第i种股票的开盘价) , j=1, …, J。考虑到数据的可比性, 所有的收益率数据都是复权后得到的。
(1) Markowitz均值—方差模型的实证分析。为了便于和下文的试验结果进行类比, 我们这里只选取000001S深发展A, 600000浦发银行和600688S上石化进行计算。
取方差最小的目标规划, Markowitz均值—方差模型如下:
对原始数据进行分析:利用公式在Excel中直接计算出三只股票各自的日收益率, 并根据公式可以求出每支股票的平均日收益率 (见表1) 。之后用Matlab进行数据运算, 在Matlab中得到各支股票间的协方差σij (i, j:1~N) , 即表2。
根据Markowitz模型, 利用Matlab的二次优化函数quadprog, 选取E[rp]=0.2%的收益率水平, 运算得出投资组合的各权重结果为0.3072, 0.2982, 0.3947;对应的函数值为1.7828×10-4。
由以上结果可得, 在0.2%收益率水平下的最优组合为用总资本的30.72%买入S深发展A, 总资本的29.82%买入浦发银行, 总资本的39.47%买入S上石化, 此时的整个投资组合的收益率方差达到最小, 为1.7828×10-4, 此时的实际收益率为0.4263%。
取0.3%, 0.4%, 0.5%收益率水平时, 也可以得到相应的投资组合。我们不难发现随着期望收益率水平的不断提高, 权重的分布逐渐向具有较高收益率的个股倾斜, 而具有较高收益率的个股往往伴随着较高的收益率方差, 因此具有高期望收益率水平的组合也拥有较高的收益率方差。
我们使用Matlab画出该证券投资组合的有效前沿图形。有效前沿图形曲线的变量, 即E (r) 和σ2的关系如下:σ2 (Rp) =X'∑X= (r, 1) A-1 (r, l) ', 其中A= (E (r) , i) '∑-1 (E (r) , i) , i= (1, I, …, I) 。
Markowitz均值—方差模型有效前沿图形如图1所示。
(2) 引入CVa R约束的Markowitz均值—方差模型的实证分析。选取000001S深发展A, 600000浦发银行和600688S上石化进行计算, 根据投资组合最优化模型, 设所有的情景yij都是等概率, 证券的收益率可在Excel中直接得出见上文, 风险限额ω为0.001, 置信水平α为0.9, 证券种数n为3, 情景总数J为221, 在Matlab中用线性优化模型linprog编程可得:三种证券权重x为0.3513, 0.1127, 0.5887;对应的Va Rζ*为1.1806×10-12。此时最大的期望收益虽然实际收益率和上面的MV模型稍微有所差别, 但是其风险远远小于没有引入CVa R约束的Markowitz均值-方差模型。
2、计算结果及比较。
通过求在给定风险限额下, 最大化收益率得到最优组合。分别取不同的给定风险限额, 最大为0.01, 最小为0.001。计算收益率时, 需要首先给出置信水平。可以在Matlab中画出两者的图形。图2给出了两种置信度下的均值—CVa R有效前沿。在组合的CVa R值相同时, 较高的置信度表示较低的风险水平, 其所得的期望收益率也最低。图中上方线条表示较低置信度 (80%) 下CVa R模型所得的有效前沿位于较下方线条表示的高置信度 (90%) 下CVa R模型所得的有效前沿的上方, 与高风险对应高期望收益的理论结果相一致。
结果表明:在均值—CVa R模型中, 所考虑的损失是超过Va R时的条件期望, 顾及到了小概率发生但是损失巨大的事件, 在应用于投资组合风险管理的时候比MV方法更加稳健。但是需要注意的是, 这毕竟只是在用情景分析法和小样本所得到的初步结论。当不假定证券收益率服从正态度分布时, 计算相对复杂。若是在相同收益率下, CVa R最优组合比MV最优组合具有更低的风险。而且, 置信度越高时, 二者的差别也会越大。
四、结论
经过上述研究, 我们可以发现光是单一的用方差或个股Va R等指标并不能很好地对未来证券市场的风险进行准确预测, 而需要综合参考各指标, 才能做出大致准确的判断, 因此说明这些指标在理论上并没有很全面地考虑各种市场因子对证券市值的影响, 建议只作为对证券风险度量过程中的参考之一。
本文重点研究了CVa R在投资组合理论中的运用, 对基于CVa R的投资组合优化模型进行了介绍和扩展。本文将CVa R风险度量模型用在了构造投资组合上, 即用CVa R来度量证券的风险, 针对中国证券市场的实际情况, 考虑了证券的不允许买空卖空, 构造了投资组合模型, 完善了投资组合的内涵。并且, 利用线性规划的方法, 运用股票历史数据和Matlab科学计算软件进行了模拟, 对模型做了实证分析, 分析了结果, 得出了均值—CVa R模型的有效前沿。结果表明:在均值—CVa R模型中, 所考虑的损失是超过Va R时的条件期望, 顾及到了小概率发生但是损失巨大的事件, 在应用于投资组合风险管理的时候比其他方法更加稳健。但是需要注意的是, 确定一个有效的资产组合是一个非常复杂的决策过程, 在实际操作中, 投资者还要综合考虑到通货膨胀、市场操纵、投机等多种因素对已做出的投资组合方案进行调整, 才能得到最优的资产组合方案。
参考文献
[1]Markowitz H M.Portfolio selection[J].Journal of Finance, 1952, 7 (1) .
[2]叶中行、曹奕剑:Hurst指数在股票市场有效性分析中的应用[J].系统工程, 2001, 19 (3) .
[3]Thierry Post, Pim van Vliet.Downside risk and asset pricing[J].Journal of Banking&Finance, 2005 (6) .
[4]程盛芝、吴恒煜:金融市场风险测量的VaR方法及其应用[J].商业研究, 2002 (22) .
[5]菲力普、乔瑞著, 张海渔等译:VaR:风险价值——金融风险管理新标准[M].中信出版社, 2001.
度量研究 篇2
基于SVM的中小企业集合债券融资个体信用风险度量研究
作者：曾江洪 王庄志 崔晓云
来源：《中南大学学报(社会科学版)》2013年第02期
摘要：中小企业集合债券融资个体的信用风险度量面临小样本、非线性、高维数等现实问题，传统的评估方法很难适用。为了弥补传统评估方法的不足，提高信用风险度量的准确性，建立了适用性更强的信用风险评估指标体系，并引入基于统计学习理论的SVM模型对融资个体信用风险进行度量。选取径向基核函数作为支持向量机的核函数，通过数据的转化与缩放、参数的优选，最终获得了分类效果比较好的中小企业集合债券融资个体信用风险度量模型。经实际数据检验，模型的预测准确率为90.77%，具有较强的适用性。
关键词：信用风险；融资个体；SVM模型；中小企业集合债券
中图分类号：F276.3 文献标识码：A 文章编号：1672-3104（2013）02−0008−04
中小企业集合债券是我国对中小企业融资问题探索的成果体现，在央行调控银行信贷规模，中小企业融资难的情况下，中小企业集合债券的发行可以帮助中小企业的直接融资，为中小企业的发展提供了有力的支持。但由于中小企业自身信用水平较低，参与集合债券的中小企业行业来源多样化，且目前发行企业数量有限，研究样本小，传统的信用风险度量模型很难适用。信用风险的难以计量性一定程度上制约了中小企业集合债券的发展，基于统计学习理论的支持向量机（SVM）模型提供了一种适宜的度量方法，能很好的解决此问题。
统计学习理论系统地研究了经验风险最小化原理成立的条件，是目前针对小样本统计估计和预测学习的最佳理论[1]。支持向量机方法是Vapnik[2]等提出的建立在统计学习理论的VC维理论和结构风险最小化原理基础上的新型学习方法，具有严格的理论基础。它以有限的样本信息为依据，寻求模型的复杂性与学习能力间的最佳折衷，以期获得最好的推广能力。在小样本学习方面具有的优越性，可以较好地解决传统评估方法不能解决的非线性、高维及局部极小点等问题，并具有较好的泛化性能，对于未知类别样本具有相当卓越的分类与预测能力。本文基于支持向量机模型对中小企业集合债券融
度量研究 篇3
【关键词】小微企业 信用风险 违约概率 Logistic模型
一、引言
随着数量和规模的不断增长，小微企业已经成为促进我国经济快速、持续发展的重要力量，而从金融机构所获取的较少的信贷额度已成为制约其发展的主要因素。究其原因，小微企业贷款的高风险应是重要原因。风险偏高一方面是由小微企业的经营特点所决定的，另一方面是由于我国大部分商业银行针对小微企业的信用风险评价体系并不完善，风险度量的精度无法得到保证。然而，在金融脱媒、利率市场化以及国家政策引导的背景下，银行势必在规避风险、应对监管的同时，将目光放在开拓小微企业信贷市场上。但是，目前我国商业银行针对小微企业信用风险的评估，仍主要使用传统的信用风险评分方法，对现代信用风险度量技术的研究和应用尚处在起步阶段。因此，基于理论和实证的高度，研究和分析适用于我国小微企业的现代信用风险度量方法，具有一定的理论和现实意义。
二、小微企业信用风险度量方法的对比及选择
（一）小微企业的信贷特征
小微企业的产品单一、灵活性强、投资规模小、运营不规范等经营特征，决定了它们拥有与大中企业差异明显的信贷特征。首先，小微企业贷款需求以短期流动资金为主，且金额小、频率高。小微企业的生产和销售具有较强的随机性和紧迫性，信贷需求往往无计划，资金需求非常频繁，但其经营规模不大，单笔资金需求金额往往较小。其次，对小微企业贷款效率低、成本高。小微企业贷款金额少而笔数多，银行却需要履行与大中企业一样的信息收集与信贷审批程序，造成较高的信贷费用。最后，与大中企业相比，贷款信息不对称。小微企业的治理结构不够完善，对外信息披露不清晰，银行人员难以对企业的状况和资金的流动进行足够的了解，加剧了企业融资难的困境和银行信贷风险程度。
（二）信用风险度量方法对比分析
国内外对于信用风险度量的研究，大致经过了传统的专家判断法、信用评分方法、现代风险度量模型等几个阶段。较早的专家判断法，主要依靠专家根据自己的经验对企业进行信用评价，具有过高的主观性，不能满足现实需求。信用评分方法是种类最多、使用最广的信用风险度量方法，主要运用数理统计方法建立回归模型，进而通过计算违约概率来评估信用风险，如Logit模型、多元判别分析、Probit模型和人工智能方法等。20世纪90年代以来，现代信用风险度量模型获得了迅速发展，如基于期权理论的KMV信用监控模型、基于信用风险VaR的Credit Metrics模型、基于信用等级变迁的CPV信贷组合、基于财产保险精算的Credit Risk+模型等。
由于专家判断法精度太低，而现代风险度量模型对于金融数据依赖较大，国内外对于小微企业信用风险度量的研究和应用，集中于使用基于统计判别方法的预测模型。其中，由于Logistic回归模型对数据的要求不严，不需要保持自变量与因变量的线性关系，也不需要满足正态分布，并且能够解决部分因变量是非财务指标的问题，因此比较适用于小微企业信用风险度量。
（三）Logistic回归模型简介
Logistic回归模型比较常见的非线性概率模型，对于信用风险的度量有着三方面的特点：第一，自变量的类型（离散、连续或虚拟变量等）不会影响到模型的应用；第二，能够使求得的预测概率值处在[0，1]区间内；第三，能够在因变量为二分类变量的情况下把问题转变为对发生概率的理论解释。它以计算某种状态或者属性的概率为目标，其采用函数的形式如下：
Logistic模型直接预测了事件发生的概率P，它的值介于0到1之间。在预测违约概率时候，P值越接近于1就表示违约的可能性越大，越接近0则表示违约的可能性越小。
三、实证检验
（一）样本选取及违约定义
本文选取了某银行2013～2013年的94个制造业和批发零售业的小微企业信贷样本，其中包含47个违约样本。根据银行信贷情况，将因变量在违约时定义为1，不违约时定义为0。
（二）财务及非财务指标选取
结合前人的研究，并根据所收集到的信贷信息，从五个维度选取财务指标。企业规模：总资产、净资产、销售收入；偿债能力：流动比率、速动比率、银行负债资产比、现金流动比率；盈利能力：净资产收益率、总资产收益率、销售净利率；营运能力：应收账款周转率、存货周转率、总资产周转率；发展能力：净利润增长率、净资产增长率、总资产增长率、销售收入增长率。同时，由于小微企业财务信息的准确性和及时性不太高，而其信用风险往往受到其经营环境和股东情况等非财务信息的影响，因此有必要将非财务信息纳入模型的备选指标池中，具体见表1：
（三）模型的建立及检验
首先，对各个自变量进行单因素T检验，剔除对因变量不显著的指标，余下净资产收益率、总资产收益率、净资产增长率、关键人职称、经营场地所有权等五个指标。其次，对筛选出的指标进行相关性分析，而净资产收益率和总资产收益率高度相关，经选择，剔除净资产收益率。最后，再次将剩余的四个指标进行Logistic回归建立模型，结果如下：
由表2可以看出，在0.05的显著性水平下，四个自变量都是显著的，可以写出Logistic的方程：P=exp（0.706-1.256*经营场地所有权+0.934*关键人职称-3.009*总资产收益率-3.537*净资产增长率）/[1+exp（0.706-1.256*经营场地所有权+0.934*关键人职称-3.009*总资产收益率-3.537*净资产增长率）]。方程表明，违约概率与经营场地所有权、总资产收益率、净资产增长率成反比，而与关键人职称成正比。由表3可以看出，Nagelkerke R Square值为0.705，说明模型具有较好的拟合度。由表4可以看出，对“y=0”一类的正判率为88.0%，对“y=1”一类的正判率为85.1%，总的正判率为84%，说明模型的拟合效果较好。
四、结论与展望
本文通过对小微企业信用风险特征及度量方法的对比分析，并选取Logistic模型进行实证检验，结果表明，该方法适用于我国小微企业的信用风险度量。根据实证结果，小微企业的违约概率与经营场地所有权、总资产收益率、净资产增长率成反比，与关键人职称成正比。同时，本文也存在一些需要改进的地方，比如样本选取的代表性不够、没有考虑宏观经济因素等，有待于后续研究。
参考文献
[1]胡建生，葛扬，陆彩兰.内部评级法在信用风险评估中的运用及挑战[J].现代管理科学.2012（2）：9-11.
[2]夏红芳.商业银行信用风险度量与管理研究[D].南京航空航天大学博士学位论文，2007.8.
[3]赵轲轲，毛加强.信用风险中违约概率的测算模型研究——兼论我国商业银行基于巴塞尔新协议的内部评级法.郑州大学学报（哲学社会科学版），2007.40（3）：68-72.
软件质量度量分析与研究 篇4
关键词：软件质量,度量,质量度量模型,度量验证
在过去几十年里,因为软件的质量问题而导致整个系统发生失效的事例屡见不鲜,进而给人类生命安全和环境造成了巨大的损失。20世纪80年代,美国有两个系统,耗资5600万美元的Univac联合航空订票系统和耗资2.17亿美元的高级后勤系统都因在交付使用后发现不满足要求而被迫进行重新研制[1];而在1996年6月,在阿丽亚娜5号火箭首次发射后不到一分钟的时间内,就因为软件故障问题致使火箭发生了爆炸,导致了巨大的经济损失和相应计划的延迟[2]。因此软件的质量问题已引起了人们的极度重视,软件质量的度量问题自然也得到重视。
由于计算机技术、数据融合技术、网络技术和通信技术的飞速发展,人们对软件性能及功能提出的要求也越来越高,度量软件质量已成为一个迫切需要解决的问题。如何通过选择合适的软件质量指标体系、确定软件质量的量化过程和方法来进行客观性地度量,对于评价软件的质量是关键的一步,进而对于减少软件失效的发生和提升软件的总体质量也是具有极其重要的意义。
1 对软件质量模型的认识
1.1 软件质量及定义
至今为止,软件质量还没有一个统一的、惟一的定义,不同的组织或应用可能会有不同的定义。ANSI/IEEE Std 729—1983定义软件质量为:与软件产品满足规定的和隐含的需求的能力有关的特征或特性的全体[3];M.J.Fisher给出的定义为:表征计算机软件卓越程度的所有属性的集合。由此可知,软件质量的优秀程度与反映软件各项功能、性能需求的特性及其组合紧密相关,如果针对软件本身设计出来的质量特性能够满足各种要求和反映软件质量需求,则说明软件产品的质量等级比较高。结合各种定义,软件质量反映了以下三个方面的问题:1)显式的软件需求,包括用户方、交办方等提出来关于软件的功能需求、性能需求等,这是软件质量度量最基础的需求;2)隐式的需求,在软件生命周期中其中有一部分需求并没有明确提出来,如可维护性等;3)软件的整个开发过程还必须按照一定的方法,规范来进行,缺少这些,就无法指导软件开发人员的各种开发活动,开发秩序会变得杂乱无章,软件质量也就得不到一定的保证。
综上以上的定义和最新的研究可以将软件质量定义为:软件所具有的能够满足功能和性能需求、遵循一定的开发准则和规范以及符合隐含的一些规定需求的本质。
1.2 软件质量度量模型
软件度量工作自1958年Rubey和Hurtwick首次提出软件度量学概念[4]至今,大体经历了三个阶段。1976年,Boehm等人从可移植性、可使用性、可维护性三个方面来定量的评价软件质量为第一阶段;第二阶段以1978年Mc Ca1l等人从“产品运行、产品修正和产品转移”提出的质量度量模型即“质量要素———评价准则———度量”为标志。但是实践证明通过该模型不同缺陷的反馈信息可能相同,以致指标的制定及其定量的结果难以评价。随后,国际标准化组织(ISO)[5]于1985年和1993年先后提出了多项关于软件质量度量技术的工作报告,其提出的软件质量度量模型将软件度量工作带入了第3个发展阶段。
通过对这三个模型的深入研究发现,这三个模型都着重分析了软件质量属性的影响因素,这些模型研究的对象主要是软件产品,即在软件质量属性和软件设计、编程的特性之间建立关联映射[6]。这些模型可以帮助加深对软件特性的研究,有利于分析和建立特定软件系统的质量特性及其特性组合。但是这些质量度量模型都存在一定的局限性,每个模型都是针对软件本身提出来的,通用性比较强,在应用到具体的软件系统评估中,并不能很好地反映软件所具有的特殊性。因此,如今很多模型都是根据自己的需求来开发建立的,虽然软件自身的性质给模型的确定带来了一定的困难,但是总的提升还是有的。文献[7]就指出了一种基于全局和局部质量标准的框架,降低了模型建立的难度;文献[8]中指出了从领域报告问题、用户关键情况和用户满意度等级三个方面来寻找度量元,利用数据统计分析的方法加强了软件质量的管理。这些方法的开发和应用都为软件质量特性和模型的设计提供了很好的引用和借鉴。
2 软件质量的度量研究
2.1 软件质量度量过程
软件的度量过程主要可以分为五个步骤进行:1)确定软件的质量度量需求。这一步是软件质量度量最为前提和基础的一步,主要活动包括设计可能的质量因素集合,优化并确定这一因素集合和建立软件质量模型。2)确定软件质量度量元。这是软件度量过程较为关键的一步,度量元选取的好坏直接影响着质量评估的结果。首先在基于软件质量度量框架的基础之上,将质量特性分解成度量元;继而执行度量元的成本效益分析,根据其结果调整优化已选度量元集合。3)执行软件质量度量。包括定义度量数据收集过程并且收集数据、根据已有数据计算度量值等环节。需要注意的是,采集的数据应该基于正确定义的度量和模型,从而保证数据的正确性、准确性和精度;因此,在收集数据之前,应当设定数据采集的目标,并且定义有意义的问题[9]。4)分析软件质量度量结果。通过分析比较收集的度量数据与目标值,发现两者之间的区别。确定那些不可接受的度量值,详细分析那些数值偏离关键值的度量元并依据分析结果重新设计软件质量度量。5)软件质量度量的验证。验证的目的就是为了证明通过软件产品和过程度量可以预测具体的软件质量因素值。验证的过程中,在运用相关的验证方法和标准的前提下,必须确定软件质量因素样本和度量样本,然后执行对度量的统计分析,检验度量的作用是否实现。整个具体过程如图1所示。
2.2 软件度量的验证与预测
软件度量的验证是软件度量领域另一个非常重要的话题,因为实际上软件度量的认同取决于软件度量是否能作为软件质量特性的预报器,如果能,度量验证的目的也就达到了[10]。
从软件产品度量验证实质来分析,具体反映了以下三个问题:1)软件产品度量必须量度本应该量度的内容,例如耦合度量量度耦合性等。2)软件产品度量和一些重要的外部度量存在关系,例如可维护性和可靠性的量度。3)软件产品度量能促进现有的度量水平的提升,这种提升意味着将会产生降低度量收集的复杂性以及提高预测错误的可能性等等优势。
在进行软件度量验证时,我们必须注意软件度量的外部验证和内部验证的区别,内部验证考虑同态,也就是说,做用户想要的度量。软件度量的外部验证考虑量度是否和软件品质属性(外部变量)有关系。文献[11]和文献[12]应用算法验证进行度量的外部验证,而Zuse等人采用的是所谓原子修正进行度量的外部验证,原子修正可以看作对顺利量表的必要条例。软件度量广泛使用的外部验证概念相对于外部特征是相互关系的考虑。文献[13]也从内部验证和外部验证的角度出发,提出了利用理论验证和经验验证相结合的方式来对已存在的五个有关面向对象设计的质量因素的度量集进行验证。软件组织可以利用这种方法尽早确定高风险的软件模块、构建设计和编程计划与方针以及进行系统级的预测。具体方法如图2所示。
最近的研究表明,验证软件产品度量的方法的质量越来越受到人们的关注。主要基于两个原因:1)应用于软件工程度量验证的一些一般实践在科学性方面令人难以接受;2)对于有效的工程管理和可靠合理的经验研究,有效的测试和验证是必须的。因此,必须对那些来出自于研究室的度量的有效性进行验证,才可能达到准确性和科学性。更需注意的重点是软件度量验证不只是一次的事,它是一个需要重复验证的连续过程。
2.3 软件质量度量方法与进展
2.3.1 面向结构度量方法
较早出现的度量是建立在结构化程序设计和模块化思想基础上的,分析的对象包括程序的控制流图,实现中的操作复杂性,方法间的传递耦合和流程耦合等。其中影响比较大的有McCabe提出的循环计数复杂度度量,直到今天历经改进,仍然被实践者所采纳。McCabe 1976年提出了环形复杂度(cyclomatic complexity)理论,该理论以图论为基础,通过分析程序的控制流图来获得程序的复杂度,为度量程序逻辑复杂性提供了一种很好的方法。
2.3.2 面向软件复用的度量
20世纪90年代后期,软件复用的研究兴起。复用的度量主要包括可复用性度量和复用度量[14]。可复用性度量主要用来判定一个构件的可复用性和质量,复用度量主要用于判定复用对生产率、质量和开发时间的作用,它可以在不同级别上进行度量,包括构件级、产品族级、项目级和机构级。目前面向复用的度量大致可分为以下4大类:经济模型类、成熟度模型、复用比率模型以及复用潜力度量模型。
2.3.3 面向对象度量方法
软件度量进一步作的开展主要在80、90年代,尤其是在90年代,软件度量的研究获得了空前的发展。1989年,Morris研究讨论了面向对象应用程序的度量,Bieman讨论了在面向对象条件下软件重用的度量问题。1993年中国台湾学者J-Y Chen和J-F Liu提出chen&liu方法[15],从操作性、复杂性、重用性、类的属性等八个方面去度量面向对象软件。1994年Chidamber和Kemerer发表论文对面向对象度量提出了基于继承树的一套面向对象度量方法[16]被称为C&K度量方法,主要用来量度与对外部质量属性的影响有关的面向对象设计的复杂性[17]。1995年,brito等人针对面向对象属性提出的一套称之为MOOD的度量算法集[18],它从封装性、继承性、耦合性和多态性等四个方面给出了面向对象软件六个度量指标。1998年,Nesi和Querci提出了一种新的软件复杂度和大小度量方法[19]。
到了2000年,Arlene F提出一种预测点度量方法,这种方法基于对象和他们的特征,建立一种适合预测工作量和跟踪生产力的方法,核心是每类加权方法数(Weighted Methods per Class WMC)[20]。2001年,Victor和Daily提出了一种基于构件点的度量方法叫SPECTRE的方法[18],用于预测开发任务时间和模块规模。2003年,Washizaki等提出了一种可重用组件的度量方法,用于度量面向对象组件的易理解性和可重用性。同年,Hastings和Sajeev介绍了一种新的Vector Size Measure(VSM)方法,用于在软件生命周期的早期度量软件规模,软件分类,软件开发结果等[21]。2005年Gyimothy等提出一种基于经验的面向对象度量方法,该方法能有效地实现对源码的bug预测度量。同年,Del Bianco等采用经验断言的方法,扩展了功能点度量方法,并将其应用到面向对象度量中。
3 展望
毫无疑问,软件度量是提高软件品质的一个重要方法。只有通过软件度量,才能确定软件产品所具有的属性组合与所希望的符合程度。Dieter Rombach,曾在巴黎说到过(现在他在美国软件工程实验室(SEL)工作):我们现在不再是问我们是否应该度量,而是怎么样度量。尽管过去软件度量领域做了许多的研究,但还有许多问题未解决。
首先,目前还没有成熟的度量方法,大多度量方法适用性不强,且有些还存在着度量过程客观性差,度量结果不准确的问题;
其次,国际上还没有统一的软件度量标准,很多标准针对的范围比较小,并不能满足软件质量度量的整体要求。
将来,理论开发(对现实的假定)变得越来越重要,相关和归约分析需要考虑讨论度量比例,外部变量对软件度量验证确认是未来需要研究的课题。利用测量理论的公理有助于更好理解软件品质和成本估计后潜在的内容;同时,针对现有问题进行深入的研究和分析,探求符合需要的理论方法和开发工具将对未来度量领域的发展起到重要的促进作用。
4 结束语
度量教学反思 篇5
为了让每位孩子都能准确学会测量角的度数，课前让学生准备了量角器、三角板等学习用具并预习了新知，课中使用了多媒体演示量角过程，并示范量角，可对于大部分学生而言，量角的过程仍是那么艰难：顶点和中心重合简单，而要把零刻度线和角的一边重合，另一边在刻度内却非易事，内外刻度要分清更是困难，尤其对于旋转后的角，学生测量的不太准确，这些都是学生所出现的`问题。
而经过反思自己的教学，需要改进的地方有：首先是让学生认识量角器，重点放指导学生观察量角器上，建立刻度与读数的联系，认识1°角并在量角器上找出30°、45°、60°、90°、120°的角，初步悟出量角器上内外圈刻度的不同读法。建立30°、45°、60°、90°、120的角的表象，达到进一步建立空间观念，丰富学生的形象思维的教学目标；其次是让学生交流总结用量角器量角的方法。部分学生有了在量角器上找大小不同角的经验，并已尝试用量角器量角，课堂上就先让学生讲量角的方法，然后规范量角的步骤，接着进行变式练习量不同方位的角，提高学生使用量角器动作的协调性，培养了学生动手操作能力；最后，探究角的大小和角的边的关系。通过分组观察学生发现角的大小与角的两条边画出的长短没有关系；角的大小要看两条边叉开的大小，叉开得越大，角越大。
度量下行风险 篇6
从去年8月初到今年3月中旬，美国和欧洲金融市场陷入下滑周期。主要金融机构出现亏损，使其向市场其他参与者提供信贷的意愿下降。
这起到了反向杠杆的作用，致使很广泛的资产价格受压。高等级资产和杠杆融资工具市场的名誉扫地，对主要金融机构的资产负债表形成了新的压力，迫使它们进一步降低杠杆比例。
到今年3月中，甚至有金融机构被逼到了悬崖边。
美联储在贝尔斯登事件中采取的激进措施，以及其他央行的一些举动，似乎打破了金融市场低迷下滑的局面。市场参与者看上去已不再那么关注经济增长和资产负债表的严重下行风险。因而，过去的一个月（3月中下旬至4月中下旬）主要金融市场不同程度趋于稳定。
到3月中旬，全球各个证券市场已经从去年的顶峰下跌了20％-40％。但从那时以来的一个月，股市回升了8％-10％，特别是信用衍生产品明显回稳。例如，主要投资级别的信用衍生指数（CDX）利差已从高位下降了近一半。
金融市场近期的稳定非常难能可贵，因为这是在负面消息不断的情况下获得的。经济数据，特别是美国和英国的数据，显示经济还会进一步恶化。
此外，美国非金融类企业的盈利报告也表明美国经济走向疲弱，金融机构的披露已经显示出亏损将继续扩大。
从某种程度上来说，金融市场的稳定可能反映了一种想法：决策者愿意采取更多积极行动，以遏制特别的经济下行风险。在贝尔斯登流动性危机事件中，美联储的积极行动仿佛是一个有力的声明，表明美联储愿意采取行动，控制系统性风险。但是，许多政府和中央银行更倾向于采用非常规措施和政策性利率来尝试控制货币市场压力：
——过去一个月，美联储通过大规模的短期拍卖工具标售等，向市场中介机构提供流动性。
——欧洲央行在三月期回购之外新增了六月期回购，以缓解货币市场的长期压力。
——为缓解伦敦银行同业拆借市场压力，欧洲央行与瑞士国家银行（SNB）将其美元互换协议作了展期。
——英格兰银行行长Mervyn King已经承认，英国面临信贷收缩。英格兰银行已经引入了一项总额达500亿英镑的特别放贷工具，向银行和建筑协会提供长期流动性。
国际货币基金组织和世界银行在华盛顿举行的春季会议，并没有直接产生新的政策建议。但在贝尔斯登接近崩溃之际举行的那些讨论，可能有助于达成一个共识：非常规措施也是可以接受的。
未来预测
我们的基本判断是，随着美国和欧洲不断采取降息和可能更多的流动性注入措施，美国经济短期衰退，欧洲经济增长放缓的程度都将进一步减弱。
我们正调高一些国家经济增长和利率的预期。在某些程度上，这些调整反映了最近几周金融市场稳定的直接影响。我们更坚信，如果金融市场出现进一步的紧张，一些政府和央行将积极采取措施应对。因此，我们认为经济恶性循环下行的风险变小。
但是，金融危机和经济下滑最坏的时候远未过去。首先，美国和欧洲的房地产市场依然疲弱，此外，未来美国和欧洲许多负面的经济消息还会出现，并对企业盈利、信贷质量和消费支出产生不利影响。
同时，金融市场恢复稳定也是不完全的、不均衡的。过去一个月那些证券市场和信用衍生产品表现最好的市场，其资产价格依然受压。股票价格仍比去年秋季的高点低10％－20％，主要的信用衍生品利差也明显高于危机前水平。此外，现货信用市场仅有边际性改善，与相应的衍生品市场相比仍然承压。短期货币市场的紧张状况也只有微弱减缓。
通胀是其他风险中突出的一个。随着国际商品价格继续上升，许多国家对通胀的担忧越来越强烈。
如果通胀保持上升，则世界经济将面临其他风险，宏观经济政策也将不得不收紧，并维持较长时间。
货币走势
过去几个月，由于人们进一步调低美国经济增长预期，对金融市场持续担忧，及美联储连续降息，美元汇率不断走低。金融市场在最近几周出现了短暂稳定，我们预计未来几个月美联储也许会放缓降息节奏，但是，美元的下行压力预计将持续至今年年中，与此同时，美国经济也是主要经济体中最弱的一个。
尽管我们预期的美联储降息步伐慢于原先预测，但有利于欧元的利差并未改变，因为我们同时推迟了欧洲降息的预期。我们预计欧洲央行将在三季度降息，而不是此前预计的二季度。在今后几个季度，尽管GDP增长率可能低于平均水平，但欧洲核心通胀高点的涨幅和持续时间都将高于预测。欧洲和七国集团声明中对于欧元超强升值的警告，看起来这与欧洲央行和美联储货币政策的差异并不协调，它们似乎只在于控制欧元升值，而不是促使它逆转。
在今年接下来的时间里，我们预计日元兑美元将会升值，美元将在100日元以下波动。日本经济并没有像其他主要工业国那样，受到货币和信贷市场收紧的太大影响，但是，随着人们对美国金融市场担忧开始趋于稳定，像3月份那样金融市场风险大幅下降的情形不太会重复。到2009年，随着日本居民投资组合转向外币为主的资产，美元兑日元将有温和回升。
尽管英镑近期已有所下跌，但因英国经常项目赤字较大和经济可能急剧滑坡，英镑预计仍将持续走弱。
过去一个月，多数亚洲新兴市场货币兑美元汇率和一篮子贸易加权汇率都持续走强。新加坡元、人民币、印度卢比、马来西亚林吉特和新台币引领了这一升势。这一地区整体上更富弹性的汇率正对通胀风险上升作出反应。但出于对经济增长风险的考虑，多数央行一直对货币一步到位的升值持谨慎态度。尽管抑制通胀是目前的一大政策任务，但这可能很快就将让位于遏制增长下滑。
总体上，我们预计大部分东南亚国家货币表现将强于市场预期。我们预计2008年全年人民币对美元升值8％，这远比市场谨慎。预计未来几个季度，随着中国通胀压力缓和及经济增长减速，人民币升值步伐将大大放缓。■
APP软件质量度量的研究 篇7
关键词：APP软件,质量特性,质量度量
0 引言
随着移动互联网时代的来临,APP软件迅猛发展,导致各种APP软件层出不穷。这些软件丰富了手机的功能,使手机从单一的通讯工具发展成为了个人信息收集和处理的移动平台。[1]然而,由于APP软件的开发一般基于开放操作系统,设计简单、开发门槛较低、进入市场周期较短,同时,由于市场上的应用软件产品呈井喷式增长态势,加上市场监管较弱,没有针对性的APP软件质量检测模型,这些APP应用在为人提供方便的同时,由于其本身的缺点,也产生了很多问题,给人们带来了无法估量的损失[2]。
1 APP软件的质量现状
软件质量是对明确陈述的功能和性能需求、明确记录的开发标准以及对所有专业化软件开发应具备的隐含特征的符合度。如何保证软件产品的质量,更好的服务用户,同时在合理的人力物力条件下开发出高效率,高可靠性的软件产品已成为人们的迫切需求[4]。例如,软件运行过程中出现功能失效、死机、重启、丢包、响应慢、不稳定;软件内容涉嫌黄赌毒;甚至软件本身涉及窃取账号、购物欺诈、恶意扣费、窃取隐私信息、垃圾广告、骚扰用户等,这些质量问题严重损坏了终端消费者合法权益[1][3]。
人们期望APP软件能够稳定,安全,快捷,具备友好的用户界面。因为APP软件与传统软件有着很大的不同,度量和测试方法也不一样。所以研究APP软件的度量方法来有效、正确和便捷地衡量和保证APP软件的质量显得非常必要[5][6]。
2 APP软件的特征
APP软件不像传统的桌面软件那么庞大,它是运行在移动端的软件。软件对GUI界面的交互性和美观性要求高。APP软件有着诸如面向特定应用,实时性,平台固定,高可靠性等特征。APP软件与传统软件的区别如表1。
APP软件自身具备如下的显著特点:
2.1 实时性
实时性即在规定时间内系统对外来事件作出响应的能力。
实时性是APP软件最首要的特点。移动设备的功能越来越多样化,比如交通导航,通信,聊天,在线支付等。当用户在使用相关交通类软件进行交通导航时,软件必须实时的响应用户的需求,实时的给予当前位置的准确定位,随用户的移动实时的更新当前位置。
2.2 简单易用
APP软件的最明显的特征是用户体验,要让用户使用起来方便、好用。APP软件可谓大众化的软件,它不像传统的财务类软件,ERP软件,管理类软件,这些软件是面向特定用户的,而APP软件则是侧重于一定的实用功能,面向大多数用户的。它的用户群体比较广泛,从儿童到中年人,老年人,从知识分子群体到未受教育群体。用户群体的广泛多样性决定了APP软件必须是简单容易使用的。
2.3 高可靠性
可靠性即软件在规定时间内,特定条件下执行特定功能的程度。
在以上实时性要求的基础上,APP软件还要具备较高的可靠性。APP软件是随时随地使用满足即时需求的软件,当出现错误的输入、不稳定的网络环境等极端条件时,APP软件要具备维持现有规定功能的能力,或者要有相应的容错处理机制,而不能出现卡顿,闪退,软件崩溃,无响应等状况。如微信用户通过微信向某微商用户了解商品打算购买,而微信则不能在可接受的时间内将信息发送给对方,甚至会漏发消息,这就给用户带来了损失。
3 APP软件的度量方法与度量指标
不同行业的软件,质量特性及其子特性的重要性是不同的,根据APP软件的特点,本文从功能性,易用性,性能效率,兼容性这四个方面对APP软件的度量进行研究。
3.1 功能性
软件功能是软件质量最基本的内容。
APP软件的功能性即APP软件在特定条件下使用时,软件产品提供满足明确和隐含要求的功能的能力。APP软件功能性的子特性中重点关注软件产品所要实现要求的正确性、完整性、适当性。其中正确性关注需求是否被开发人员正确实现,以及需求、设计、实现的阶段是否存在问题。完整性关注软件需求中的所有功能是否被全部实现,是否存在遗漏,软件的所有需求是否全部被满足。功能性的度量指标及说明如表2。
3.2 易用性
APP软件的易用性是要满足软件容易使用的目的,APP软件而言,其特性应包括容易理解性,易学习性,用户错误防护,用户界面的美观性等特性。这些特性是由APP软件的大众化特性决定的。因为具有多样的用户群体,所以APP软件就要容易操作,容易被各种各样的人群掌握,其界面的美观性要能够吸引用户。每个特性的度量指标及说明如表3。
3.3 性能效率
目前移动软件发展面临的两个问题:减少内存和通信压力。这些问题的解决可提供软件的稳定性。[6]所以,APP软件的性能效率关注的是软件在运行过程中所占用的内存,CPU,电量等资源和事物响应的速度。参考25010通用质量模型概括为两个方面,时间行为、资源利用率。性能效率的度量指标及说明如表4。
3.4 兼容性
移动设备的运行平台多种多样,开发出能在多种平台上运行至少能支持主流平台的软件花费成本很大。因此,如何解决多种多样的测试平台和项目测试成本之间的矛盾是问题的关键所在。[6]APP软件的兼容性侧重于软件与其他软件及操作系统的共存性,软件与其他软件能够各自正常运行,彼此不受影响,这些统称为共存性。兼容性的度量指标及说明如表5。
4 结束语
本文分析了APP软件的特点,针对APP软件的特征提出了APP软件应重点关注的质量特性及相应的度量指标和度量方法,可以作为相关开发人员的度量参考和第三方评测机构的软件评价依据。
参考文献
[1]郭文胜.智能手机APP质量模型[J].中国西部科技,2014,13(11):1-3.
[2]顾春来.APP应用程序开发模式探究[J].硅谷,2014,7(5):35-36.
[3]Liu Z,Hu Y,Cai L.Research on software security and compatibility test for mobile application[C],2014 Fourth International Conference on.IEEE,2014:140-145.
[4]王晓鹏,丁晓明.基于模式的软件质量模型研究与应用[J].计算机与现代化,2007(6):26-29.
[5]吴坚,吴刚.软件质量模型的研究[J].计算机工程与科学,2006,28(8):125-127.
互联网金融风险度量研究 篇8
关键词：互联网金融,风险,模糊层次分析,综合评价
1 引言
2013年6月13日上线的余额宝拉开了互联网金融理财的序幕, 紧随其后, 多家互联网企业也纷纷涉足互联网金融领域, 诸如“理财通”、百度“百发”、苏宁“易付宝”等均是其中代表。各大银行亦迫于类余额宝产品的冲击压力, 放下身段依托其网上银行渠道、资源优势, 开发出如中国银行中银活期宝、工商银行薪金宝等创新型货币基金。这种大背景下, 打车软件、京东白条、P2P网络贷款、众筹融资等互联网金融产品如雨后春笋般涌现。然而, 作为如此迅猛发展的新兴事物, 其伴随的诸如监管主体缺失、信用违约、期限错配、法律合规性、货币政策调控、信用信息滥用、信息不对称、技术手段和信息安全等方面的风险正愈来愈受到关注。
国外学者从不同角度对互联网金融进行了研究。Smedlund A (2012) 研究指出信用风险是普遍存在的, 即便是法律健全的国家亦是如此, 并对信用在金融中的重要意义进行了深刻分析[1]。我国学者也进行了较多的研究。李明选和孟赞选取我国金融市场数据从实证的角度运用Eviews软件中的邹检验 (Chow test) 和虚拟变量法进行研究, 得出结论:自互联网金融在我国出现之后, 金融机构的信用风险发生了显著的结构性变化, 这种信用风险由于互联网金融的出现而变大了[2]。柳树、钟洁 (2014) 通过理论与实证兼顾的分析方式, 就互联网金融这种新兴产业应该如何发展才能确保风险性最低、发展质量最高这两个问题选取9种产品为缩影的大数据实证分析研究, 最后提供了行之有效的控制思路与控制依据[3]。宋光辉、吴超、吴栩 (2014) 以余额宝为例进行风险度量, 通过将90%和95%置信水平下的最优GARCH-Va R和GA RCH-CVa R模型作为对应置信水平下的Va R和CVa R的度量, 得出结论表明, CVa R模型由于不仅可以很好地度量现有的风险水平, 还对风险具有预测性, 因而能更有效地度量互联网风险[4]。
可见, 现有的国内国外关于互联网金融研究均偏重于定性方面, 关于风险亦是定性居多, 而部分定量研究将注意力集中于风险的防范和控制, 对风险度量重视不够且缺乏统一的互联网金融风险度量模型。加之互联网金融风险的评估是一个复杂的系统工程, 需要综合评价诸多指标, 现有的文献无论是定性研究还是定量研究均没能对如此一个复杂问题进行解构, 不能全面、合理地了解风险状况。
基于以上分析, 本文尝试运用将层次分析法和模糊数学理论结合起来的模糊层次分析法来分解组合互联网金融的各类风险因素, 进而根据隶属关系构建评价指标层次结构、求出该类因素的重要性并最终对这些因素的相对重要性进行汇总排序, 得出结论。
2 互联网金融的风险识别
互联网金融业务涉及相互之间交叉影响的金融服务提供商、消费者和商业银行等多个参与方, 各方之间关系复杂、业务形式多样化。各主体及其现状、业务环节和未来可能发展方向的差异会影响到风险评价的结果。这就要求在建立风险评价指标体系时, 应遵循全面性、科学性、针对性、公正性、合法性、可操作性、定量和定性相结合等原则, 找到关键影响因素, 切实理清各个主体之间的相互关系并归纳整理各项指标。
本文在对国内外相关研究文献进行归纳总结的基础上, 借鉴传统风险评价的基本框架, 根据互联网金融自身业务的特点进行设计, 并运用情景分析法和风险类别列举法对互联网金融中可能存在的风险进行识别与分析, 进而将风险评价指标体系分为以下五方面内容。
(1) 信息技术及声誉风险, 包括信息安全风险、技术手段风险和声誉风险。与传统商业银行具有很强的独立性核心业务系统不同, 作为互联网金融服务主流提供商的互联网企业往往处于开放式的网络通信系统中, 其在技术维护投入与运营成本之间权衡的过程中必然导致信息安全和技术风险的存在, 同时, 企业的诚信与运营状况在一定程度上还影响着客户信息的安全情况。信誉是影响企业在社会公众心中忠诚度、知名度的钥匙。在互联网金融这一竞争型市场中公众对企业信心很大程度上依赖于企业自身的信誉。
(2) 金融业务风险, 包括信息不对称风险、市场风险和流动性风险。依赖于在虚拟网络空间实现的互联网金融必然导致其存在客户的交易身份、资金流向、信用评价等方面的信息不对称, 而由于信息不对称、利率风险、股票风险、汇率风险以及商品风险导致的互联网金融业务参与方面临的不利选择和道德风险进而会引发业务风险, 致使金融机构资产价值下降的风险, 即市场风险。另外, 供应链金融业务还存在无法偿还的流动性风险, 即由于互联网金融的技术性、联动性、跨界性使得资金高速运转存在期限错配, 可能引发击鼓传花式的资金链条断裂。
(3) 政策及法律风险, 包括货币政策调控风险、互联网交易主体违法、互联网金融业务违法以及互联网金融法律制度风险。法律制度对互联网金融仍然是个“空白”, 导致部分互联网金融产品游走于合法与非法之间的灰色区域。加之互联网金融的创新步伐较快, 而政策调整和法律完善将是一个滞后性的过程, 互联网金融将面临日益严重的法律与政策风险问题。
(4) 信用风险, 包括征信风险、内部欺诈风险、外部欺诈风险、信用信息滥用风险。不同于传统商业银行, 互联网金融行业缺乏开放的信息库, 各企业间彼此封闭割裂, 未与中国人民银行的征信系统实现对接, 也没有来自第三方征信机构的信息, 征信风险不容忽视。加之部分互联网企业管理制度、操作程序、风控系统不完善, 国内互联网信用业务尚未受到全面有效的监管, 消费者保护机制不健全, 企业内部员工的欺诈事件、外部市场的欺诈及信用信息滥用情况屡见不鲜, 现阶段互联网金融的信用风险尤为突出。
(5) 操作风险, 包括支付方式创新带来的风险、消费者操作风险和服务商操作风险。现实中, 互联网金融行业中尚未形成统一、规范的操作流程, 缺乏行业规范形成并推广的权威性, 这使得互联网金融服务提供商所提供的业务流程必然存在差异, 加之很多用户对存在于互联网金融中的风险认识不足, 必然导致消费者和服务商双方均存在操作风险;为了方便用户同时吸引客户, 互联网金融服务商不断在支付方式上进行创新, 不管是依托于红外、蓝牙的近场支付, 还是以网银、电话银行和手机支付为代表的远程支付, 在给人们带来一系列便利的同时, 也暗藏着技术和业务的风险。
3 互联网金融风险评估的模糊层次分析法
本文建立的模型根据指标对该项指标的影响情况为互联网金融风险评价的二级指标进行评分, 各二级指标的分值根据风险指标权重赋予, 加总之后即为互联网金融风险指标的评分分值。
第一步, 确定风险指标权重。重点在于建立递阶层次结构, 包括目标层、准则层和指标层。本评价模型的目标层为互联网金融风险评价, 准则层包括五个一级指标, 即信息技术及声誉风险、金融业务风险、政策及法律风险、信用风险、操作及跨境风险。指标层即为更为细分的17个二级指标。
第二步, 构造模糊判断矩阵。对所有二级指标重要性进行判定, 通过对这些指标之间的两两比较确定一个重要性分值aij构成一个正互反矩阵作为模糊判断矩阵。关于如何确定aij的值, 本模型采用Saaty等按标度法来赋值的做法, 引用数字1~9及其倒数作为标度。各标度的含义[5]如表1。
第三步, 层次单排序及一致性检验。
第四步, 模糊综合评价及模型运行结果分析。
4 实证研究
(1) 在综合考虑30位专家的意见基础之上, 采用层次分析法确定各个指标的权重。
首先, 确定准则层五个一级指标权重, 分别为:0.139、0.264、0.073、0.485、0.040。其次, 继续采用AHP法计算二级指标权重并需通过一致性检验。计算结果如下:B11、B12、和B13的权重分别为0.637、0.258、0.105;B21、B22和B23的权重分别为0.105、0.637和0.258;B31、B32、B33和B34的权重分别为0.055、0.564、0.263和0.118;B41、B42、B43和B44的权重分别为0.101、0.552、0.293和0.054;B51、B52和B53的权重分别为0.105, 0.258和0.637。
(2) 模糊综合评价。建立风险模糊评语集:Y={y1, y 2, y3, y4, y5}。其中, y1为很高, y2为较高, y3为一般, y4为低, y5为很低。
邀请30位从事与互联网金融类似工作性质且有多年经验的专业人员对单因素风险等级进行打分, 然后将打分结果根据模糊综合评判公式Wi=Bi*Ri计算, 可以求得各二级指标的评价结果, 如下所示:
再由模糊综合评判公式A=B*W, 可以计算求得一级指标的评价结果:
根据最大隶属度原则, 最大数值为0.414, 相应的风险等级为“很高”。
5 模型结果分析
对于互联网金融而言, 目前其风险还处于很高的状态。在本文所设定的五个一级指标里, 信用风险占据最大权重, 其次是金融业务风险, 因此, 发展互联网金融一定要做好信用风险和金融业务风险的防范。接下来是信息技术及声誉风险、操作风险和政策及法律风险, 这三大方面占比较低, 可见随着互联网金融的发展, 其风险程度在减弱, 但仍然很重要。
具体到各二级指标, 由计算结果可知, 信息技术及声誉风险中的信息安全风险和技术手段风险、金融业务风险中的市场风险和流动性风险、信用风险中的内部欺诈风险和外部欺诈风险、政策及法律风险中交易主体违法和金融业务违法、操作风险中服务商操作风险是各风险的主要驱动因素。可见, 通过对影响互联网金融风险的一级指标和二级指标进行综合分析, 在得到概括性结果的同时识别出各风险关键点, 如此, 根据本文的评估结果, 可兼顾重点性和全面性来进行互联网金融风险管理, 在把准风险驱动点的前提下, 理顺互联网金融各方之间的联动关系, 站在全局性的高度进行风险管控。
参考文献
[1]Smedlund A.Value cocreation in service plat form Business models[J].Service Science, 2012 (4) .
[2]李明选, 孟赞.互联网金融对我国金融机构信用风险影响的实证研究[J].企业经济, 2014 (11) .
[3]柳树, 钟洁.互联网金融风险控制统计研究[J].统计与决策, 2014 (16) .
[4]宋光辉, 吴超, 吴栩.互联网金融风险度量模型选择研究[J].金融理论与实践, 2014 (12) .
区域开放度度量方法研究 篇9
一、区域开放度度量方法分析
区域开放度就是经济要素在区域之间流动的程度。纵观各位学者的相关论述, 对区域开放度的研究方法是采用加权系数综合法, 即区域开放度, 其中Ki代表第i个指标的指标值, ωi代表第i指标的相应权重系数。对指标进行适当处理, 选择某种确定权重系数的方法, 如主观赋值法和客观赋值法, 再构建出一个具有代表性的线性区域开放度模型。
通过对相关文献资料的收集和整理分析, 本文把区域开放度分为两大类:单级指标体系和多级指标体系, 单级指标体系就是通过构建一级指标, 对各个指标赋权重系数;而多级指标体系把指标分级, 形成具有一定层次性和综合性的多级指标体系, 分别从各级角度来赋权重系数。
1、单级指标体系分析
从前人研究文献来看, 单级指标体系中的指标选择一般有2至5个单一指标, 通过对这几个单一指标直接运用线性方法构建模型。
两个指标模型可以归结为外贸依存度和投资依存度, 外贸依存度是进出口贸易与GDP比值, 投资依存度是外商直接投资与GDP比值, 通过这两个指标或两指标的修正构建区域开放度模型, 主要代表人物有张友国、兰宜生、伞峰、谢守红、许统生等。最先由张友国等人提出, 从外贸依存度和投资总投资比重两方面加以分析。在他的论述中, 没有把这二者进行适当综合处理, 而是通过这两个分指标对所反映的开放情况进行评述。兰宜生在张友国等人的基础上把这两个指标求和, 得出一个综合区域开放度值。后人运用此法, 继续进行实证应用, 例如:伞峰对我国三大地带区域开放度比较研究、谢守红对我国各个省份进行比较研究等。他们对权重系数确定得较为简单, 或是采用直接求和, 或是求取二者平均。
三个指标模型归结为三个方面的开放度, 即贸易开放度、投资开放度和生产开放度或旅游开放度, 贸易开放度和投资开放度计算方法和两个指标体系中的计算方法相同, 在前面的基础上增加生产开放度或旅游开放度, 代表人物有罗汉、夏锋等人。罗汉等从贸易开放度、资本开放度和生产开放度这三个方面来加以考虑, 对于生产开放度的计算方法是“三资”企业生产总值与乡及乡以上工业总产值之比。通过主观赋值法, 对以上指标分别赋值为:0.3、0.4、0.3。夏锋等从外贸开放度、外资开放度和旅游开放度这三个方面来构建, 其中旅游开放度是旅游外汇收入与GDP的比值。通过主观赋值法确定权重系数, 即赋值分别为:0.4、0.3、0.3。
以四个指标构建区域开放度模型的学者有邓鹏、韦海鸣、陈辉等。指标选择为:贸易开放度、投资开放度、旅游开放度、对外承包工程和劳务合作。邓鹏等人选择的指标为:进出口额、实际利用外资、对外承包工程和劳务合作、国际旅游外汇收入。通过这四个指标实际值与GDP之比构建区域开放度的指标体系, 采用主观赋值法对各个分指标确定权重系数, 赋值分别为:0.45、0.35、0.12、0.08。韦海鸣参考邓鹏等人的指标体系, 采用聚类分析法确定权重系数, 其值赋值为:0.5、0.5、0.196、0.196。陈辉等人运用邓鹏等人的指标体系, 采用各个指标的比例关系, 即为第k个指标权重系数, Fk为第k指标取值, m为指标总个数。
黄德发是我国较早研究区域开放度的学者, 他选取5个指标, 即贸易开放度、资本开放度、生产开放度、贸易结构开放度、投资结构水平。其中贸易开放度为出口总额与GDP之比;资本开放度为实际利用外资与投资总额之比;生产开放度为年销售收入在500万元以上“三资”工业企业产值与全部国有工业及年销售收入在500万元以上非国有工业产值之比;贸易结构开放度为工业制成品出口与出口总额之比;投资结构水平开放度为工业利用外资与全部外资之比。以主观赋值法构建开放度模型, 赋值分别为0.2、0.2、0.2、0.2、0.1。在这一体系中, 不仅有反映量的指标, 也有反映质的指标。
2、多级指标体系分析
相比于单级指标体系来说, 多级指标体系比较复杂, 覆盖面更广, 综合性更强, 能更好地反映区域开放程度。多级指标体系一般有二级和三级指标体系, 采用适当计量方法, 从多个层次来综合考察区域开放度值。
二级指标体系的主要代表人物有徐朝晖、曾海鹰、庞智强等人。徐朝晖等将一级指标分为市场开放、国际旅游、要素流动、信息流动;二级指标中外贸依存度和外商贡献度反映市场开放程度;旅游依存度和旅游活跃度反映国际旅游开放程度;外资依存度、就业贡献度和技术依存度反映要素流动活跃程度;域名普及率和互联网普及率反映区域信息流动程度。采用固定权重和固定的基准值, 对各指标的个体指数进行加权算术平均方法计算出每个地区的综合开放指数, 其中一级指标权重系数分别为:0.228、0.223、0.323、0.226。曾海鹰等将一级指标分为对内开放度、对外开放度和旅游开放度, 二级指标从六个方面对一级指标进行阐述和计算, 即内贸依存度、内资投资比重、外贸依存度、外资投资比重、国内旅游收入比和国际旅游收入比。对以上指标体系采用主成分分析法确定指标权重系数, 进而得出综合区域开放度模型。庞智强从省域角度对区域开放度进行测度, 把指标体系分为两级, 一级指标分为国际开放、省际开放和省内开放, 二级指标体系选取20个指标, 国际开放6个二级指标, 省际开放7个二级指标, 省内开放7个二级指标, 通过三个一级指标和20个二级指标, 运用“功能驱动原理” (又称为序数关系法) 对各个指标体系权重系数赋值, 其中一级指标体系赋值分别为:0.4145、0.311、0.2745。
三级指标体系的代表人物有朱廷珺、李朝洪等。朱廷珺等从区际开放和国际开放角度构建一级指标, 从区际市场依存度、区际分工度、区际资金依存度及流动度、劳动力流动程度、技术依存度及转让活跃度、信息流动性等六个方面构建区际开放指标体系, 从外贸依存度、外企依存度、国际旅游依存度及活跃度等三个指标构建国际开放指标体系。根据“功能驱动”原理的赋权方法, 在征询专家意见的基础上, 给各指标分配了一个系统权数。李朝洪等从对外开放度和对内开放度构建一级指标子系统, 二级指标体系则从贸易开放度、投资开放度、生产开放度、旅游开放度等四方面分别对对外开放度和对内开放度进行论述, 三级指标体系是对二级指标体系的进一步细化和阐述, 以10个分指标对对外开放度进行量化, 10个指标对对内开放度量化。采用三种赋权方法, 即层次分析法、主成分分析法、变异系数法, 取其三种方法的加权平均值作为最终的权重。
二、区域开放度度量方法评价
通过对前人研究成果的认知和研究, 可将区域开放度指标体系及模型构建过程归纳为以下几个环节:界定研究范围、确定研究方法、指标筛选、指标体系链接、统计计算以及模型实证检验。从现代区域经济发展的新形势和新规律来看, 无论在环节方面还是在指标体系方面, 既有优点也有不足。
1、开放度研究范围界定不断具体化
区域既是一个实体概念, 也是一个抽象概念, 具有典型的二重性。在对区域开放度的研究过程中, 首先需要对区域进行界定, 把研究范围确定之后, 才能进行下一步的分析。对开放度的早期研究中, 没有界定是从什么层面来分析的, 但一般默认是从国家层面。但是随着区域经济的发展, 区域发展不断深化, 在研究过程中不得不把这一概念具体化, 用具体的区域代替模糊抽象概念。例如:现在直接明确省域开放度、某省开放度研究等, 从而更具实际意义。
2、区域开放度研究方法比较单一
在对区域开放度的研究之中, 几乎所有的研究都是采用加权求和建立模型, 再进行实证研究和比较研究, 但是从理论层面上具体分析和研究的文献几乎没有。虽然区域经济是一门应用科学, 但它也有相关理论作为支持, 区域开放度虽然是一个综合指标值, 但它也应该有一个自身内在的关联体系, 像古典区域经济学家对区域进行研究一样, 它也应从理论研究上有所突破。
3、区域开放度的指标体系不断完善
从最初的两个指标体系到后来的分级指标体系, 区域开放度指标不仅从量上有所突破, 从质上也有较大提高。区域开放度不仅从广度上将研究范围扩大、指标体系涵盖的面拓宽, 同时将纵向的指标体系也不断加深, 从数量指标到结构分析指标, 从简单、粗略计算到更精确计算, 运用的计算方法也不断更新, 计算结果更加准确。
4、区域开放度的指标体系链接有待进一步突破
从目前的研究成果来看, 指标体系不断增多, 深度和广度都有实质性进步, 但是在核心的指标链接方面, 还是采用简便的求和方式, 通过多种不同方法确定指标权重系数, 把各部分乘上相应系数, 进而得出一个综合的指标体系和区域开放度模型。求和是对几个不太相干的部分机械地链接在一起, 如果从简单的比较研究之中, 可能影响不大, 但是作为对区域自身发展程度或需精确研究时, 这可能会出现较大误差。要想有一个更加科学的模型和评价体系, 还得进一步采用多种方法进行指标链接研究, 在这些方面还有待进一步突破和创新。
5、区域开放度检验评价体系有待建立和完善
在很多学者的研究中, 只是通过自己的想法, 把前人的指标体系进行适当修正或自己建立和延伸, 采用适当方法建立一个区域开放度模型, 但不对自己的模型进行相应的可靠性检验, 直接运用自己的模型进行实证分析和比较分析研究。在一般建模过程中, 可靠性检验是一项相当重要的部分, 如不进行相应检验评价, 得出的结论可能与事实不符, 失去实际意义, 所以在实证研究过程中, 对所建立的模型需要进行相对比较科学的检验评价。
三、结语
区域开放度是衡量一个地区开放程度的重要指标, 它不仅是一个数值, 同时也是一个反映社会经济特点的综合体系, 其内容非常丰富。前人的研究成果给我们再研究的借鉴, 应理解思想, 区别良莠, 筛分优劣, 在以后的相关研究之中, 建立多级指标体系, 系统地分析最终结果, 使静态和动态有机结合, 使数量与结构有机整合, 使广度与深度有效衔接。区域开放度的构建是一个不断完善、不断丰富的过程, 尤其是在指标选择阶段, 应从较为单一的个别指标加权求和到比较完善的分级指标综合计算, 使区域开放度的研究逐步迈向成熟, 为后来进一步的研究提供宝贵的资料参考。
摘要：区域开放度是评价区域开放程度的重要指标。本文总结前人研究成果, 把区域开放度分为单级指标体系和多级指标体系, 从区域开放度建模过程分析, 辨析前人建模方法, 从现代视角来认识建模体系, 为后人进一步深入研究提供参考。
实物期权模型波动率参数度量研究 篇10
常见的波动率的确定方法主要有以下几种:
1.1 现金流对数收益法
现金流对数收益法是根据对未来现金流的估计及相应的对数收益来计算波动率的。首先是对未来现金流的一系列预测, 将它们转化为相对收益率, 然后再取这些相对收益率的自然对数。这些自然对数收益率的标准差即为即为波动率。即:
undefined
其中xi为某个时段的收益率的自然对数;undefined为所有时段收益率自然对数的期望。
1.2 对数现值法
对数现值法是将未来现金流的估计分为两类, 一类是第一个时间段的现值, 另一类是当前时间段的现值。假设贴现率是常数10%, 所有现金流先是都贴现到时段0, 再贴现到时段1, 然后分别将这些值加起来, 其计算公式为:
undefined
1.3 市场代言人法
该方法利用市场上的公开数据。对于要考查的项目而言, 应用市场上的有可比性的公司的公开股票交易价格, 这些公司的功能、市场及其风险必须类似于所考查的项目。于是根据股票的执行价格就可以计算出自然对数相对收益的标准差, 这种方法与前面提到的未来现金流的对数收益法是一致的。
1.4 广义自回归条件异方差 (GARCH) 方法
GARCH模型主要用来分析股票价格按照时间序列分布的数据, 以确定其变化和波动率。GARCH模型方法计算简便, 但是存在缺点:公司的股票价格受到股市上大盘走势、投资者的心理因素以及其他许多与项目本身无关的因素的影响, 而且, 一家大公司的市场价值是许多相互作用的不同项目组成的, 不只跟某一个项目相关。
以上几种方法都存在较大的缺陷。现金流对数收益率法的主要问题是某一时段的现金流有可能出现负值, 而负价值的对数是不存在, 这种方法在计算金融期权的波动率时较为有效, 计算实物期权的波动率存在较大的缺陷;对数现值法的主要缺陷是假定了一个确定的折现率, 而这与实际是不相符的;市场代言人法的主要缺陷是市场上很难找到一个项目与所考查的项目的风险水平等因素相似或者相近的项目, 尤其创业投资项目大多是高科技项目。
由于上述波动率估算方法的局限性, 在利用实物期权方法进行价值评估时, 多采用的是经验数据。Dixit和Pindyck推荐在实物期权中采用每年15%～25%的波动率进行计算, 也有学者采用年波动率高于30%的数据进行计算。专家估计法存在人为随意取值的可能性。
2 波动率计算
2.1 基本理论
波动率是对资产价值不确定性程度的度量, 波动率越大, 项目价值的涨跌幅度就越大。从统计的角度看, 波动率可以看作是资产价值变动的标准差。对于上市公司, 项目价值由股票价格表示, 其波动率即为股票价格对数变动的标准差。
对于非上市的投资项目, 价值的评价指标有财务内部收益率、财务净现值、投资利润率、收益净现值等, 其中收益的现值能够较好的反映项目的整体情况。但是, 投资项目期权价值的波动率不能采用股票价格对数标准差的公式计算, 这是因为股票价格可以保证为正数, 而项目的净现值不能保证恒为正。
2.2 蒙特卡罗方法
蒙特卡洛模拟方法通过随机变量的统计试验、随机模拟来求解变量的近似解。根据现金流的概率分布和随即数计算抽样值, 得到一系列的现金流, 根据净现值公式得到N个净现值。根据大数定理, 当模拟次数N充分大时, 净现值的算术平均值即为其估计值。
本文建议采用管理层假设法解决这一问题。具体做法是:首先通过决策者或专家的经验估计, 对影响项目价值的有关变量, 如销售收入、投资、经营成本、项目寿命期、折现率等参数用三点估计法或专家的意见的统计结果, 给出上述参数的变化区间和概率分布 (如正态分布、均匀分布等) , 利用随机抽样和计算机上千次以上的蒙特卡罗模拟计算, 便可计算得出项目收益现值和波动率。此时, 项目收益现值V和波动率是同时得出的。
(1) 具体的计算过程如下:
①确定现金流的影响因素及其概率分布。②根据概率分布进行随机抽样, 模拟各年现金流。③根据模拟的现金流计算若干净现值。④计算平均净现值NPV及标准差S。⑤计算波动率σ=S/NPV。
(2) 举例如下:
某企业为开发一种新产品进行一项R&D投资项目, 计划在研发阶段初始投入450万元, 两年后进行中试再投入1000万元, 第四年末再投资2000万元进行市场化开发, 将于第五年产品上市并开始取得收益。
根据预测和专家判断, 该项目的相关财务参数和收益估计如下:预期该项目产品的寿命为区间数[7, 10]年, 假定服从均匀分布;项目年销售收入的期望值为3000万元, 标准差为600万元, 假定服从正态分布, S = N (3000, 600) 万元;项目年经营成本的估计期望值为500万元, 标准差为50万元, 假定服从正态分布, CO = N (500, 50) 万元;项目基准折现率取均值为25%, 标准差为5%的的正态分布, i = N (25%, 5%) , 无风险利率取一年期的银行贷款利率 r = 7%, 全部R&D和市场化开发投资按照直线折旧法在项目寿命期内折旧或均匀摊销, 期末残值为零。
以上案例中, 利用excel软件和已知数据, 进行一次模拟运算过程如下:取产品寿命的随机数, 假定是8.04年, 取收入、成本、折现率的正态分布随机数, 如表1:
根据以上数据计算, 收益的现值为1691.79 元。
进行1000次蒙特卡洛模拟运算, 计算结果如表2:
得到折现到该项目期初时的期望收益现值为 V = 2764万元,
波动率σ=标准差/期望值=1022.55/2764 = 37%
3 结束语
相对于金融期权而言, 实物期权的计算更加困难。波动率作为实物期权模型里极为重要的变量, 在单因素和多因素敏感性分析中, 显示该变量具有很强的敏感性, 如何有效的确定波动率水平, 对实物期权价值的确定有着决定性作用。目前常用的模仿金融期权波动率估算方法在实物期权的应用中存在着局限性。对此, 本文通过对影响项目收益的因素进行随机抽样, 确定项目的现金流, 模拟项目的净现值和标准差, 根据统计原理建立波动率计算模型, 解决了实物期权评价中波动率估算的难题。
参考文献
[1] Graham A. Davis, Estimating volatility and dividend yield when valuing real options to investor abandon[J]. The quarterly review of economics and finance, 1998, 38 (Special Issue) :725-754.
如何度量新经济 篇11
近年来，我国经济从持续高速增长状态进入增速放缓的“新常态”，出现资本回报率降低、劳动力成本上升、人口老龄化加剧等现象。2008年全球金融危机以来，国外需求疲软，出口导向型经济面临巨大挑战。越来越多证据显示，旧有经济发展模式不可持续，我国需要通过一系列改革推动新经济发展，实现经济增长模式的顺利转型。
为了客观理解转型中的中国经济的发展变化，弥补传统统计方法的不足，对中国经济中的新生部分做出度量和追踪，北京大学国家发展研究院联合相关单位合作制定了财智BBD新经济指数，为理解我国新经济的发展状况提供新的视角。
推动供给侧改革.加快新经济发展，对我国跨越中等收入陷阱、进入高质量增长模式至关重要。
转向新经济
中国面临的转型并非独一无二。上世纪七十年代初，美国也出现传统制造业为主的发展模式不可持续、全要素生产率增速放缓现象。1972-1996年间，美国全要素生产率的平均增长率为0.56，比1913-1972年间的1.6低了一大截。但随着计算机、互联网等技术革新的推进，美国走出这一瓶颈，实现从制造业为主向服务业为主的经济转型。这一转型过程中，高质量的人力资本和创新能力是关键。
从国际经验看，我国经济完全有可能实现向高质量经济增长转型的目标。应该看到，我国劳动力质量在不断提高，据人口普查数据，从1982年到2010年的28年间，我国受过高中以上教育人口比例已经从7.03%上升至22.96%，其中大专以上教育比例上升更快，从0.58%上升至8.93%，文盲和半文盲比例则从22.85%下降至4.08%。
从创新看，由“中国制造”向“中国创造”的转换已经开始。我国专利申请数自2011年以来连续五年世界第一。特别是企业专利的占比从1985年的16%增长到2009年的49%，其中从发明专利看，企业作为申请的占比在2005年就超过50%，到2009年达到了75%，成为名副其实的创新主体。
经过三十多年高速增长，一方面由于劳动密集型、出口导向型增长模式不可持续，我国迫切需要发展新经济来代替旧有增长动能;另一方面，由于人力资本快速积累、技术进步和创新推进，我国具备大力发展新经济的人力基础和技术基础。推动供给侧改革，加快新经济发展，对我国跨越中等收入陷阱、进入高质量增长模式至关重要。
界定新经济
现有统计口径和方法是在传统经济发展过程中形成，对于充分刻画传统经济发展变迁不可或缺，但要形成新的发展方式与发展机制，就不能忽略经济中一些新的、积极的变化。
我们主要使用以下标准来界定新经济的范畴：
一是高人力资本投入、高科技投入、轻资产。据2010年中国各行业投入产出表与第六次人口普查数据，选择劳动者报酬与营业盈余之和占增加值比重大于70%，劳动力平均教育年限高于12年，R&D强度（即R&D经费支出占主营业务收入的比重）最大，以及根据2008年经济普查，固定资产比例较低（固定资产占总资产30%以下）的行业。首先使用这三项标准确定新经济行业的大范围。
二是符合产业发展方向。选择标准是，这些行业不仅在中国得到政策扶持，主要体现在2011年出台的《国务院办公厅关于加快发展高技术服务业的指导意见》、2012年出台的《国务院关于加快培育和发展战略性新兴产业的决定》以及2015年出台的《中国制造2025》。同时，所选行业在整个世界范围内也要经历快速增长。
根据以上产业特点，最终进入我们新经济行业范畴的有节能与环保、新一代信息技术与信息服务、新材料、新能源汽车、新能源、高科技服务与研发、生物医药、金融和法律服务、高端装备制造业等九大类别、111个四位数代码行业。但由于目前无法从公开数据获得新经济在劳动力、资本、科技和创新等方面的直接度量，直接度量新经济GDP的绝对水平是未来需要进一步完成的工作。
在构造新经济指数过程中，我们侧重度量每生产出新的一元GDP时，新经济的贡献率是多少。根据生产方程，如果度量出新经济行业中劳动力投入、资本投入、科技与创新投入各自占全部投入比重，以此估算新经济GDP占全部GDP比重。这是构造新经济指数的基本思路。
新经济难担稳增长重任
2016年5月，财智BBD新经济指数（NEI）为30.1，即新经济占整个经济中比重30.1%。该值较3月的32.1下降2个百分点，略高于2015年8月以来的平均水平（图1）。据估算，按照名义增长速度，全国大约有三分之一经济已进入或逼近衰退（即负增长），这部分经济主要是传统经济，主要为上游制造业、房地产和出口;约三分之一新经济（包括高端制造业和部分消费、服务业）仍保持两位数正增长;剩下三分之一经济保持个位数增长，主要为制造业中下游、部分消费和服务业。
目前，新经济上行增量还不能完全抵消旧经济向下调整的减量，也难以独自承担稳增长的重任。新经济包含的多个门类横跨二产和三产，但二产名义GDP增速从2011年后开始出现台阶式下滑，从平均约20%，下滑到平均7%，2014年中以来更是迅速下滑至零附近。新经济中高端装备制造、生物医药、节能环保、新能源等行业的产业链短，对钢铁、水泥、石化等二产传统行业的溢出效应有限。
新经济增长中人力资本投入相对稳定，这是判断新经济中长期走势的一个关键指标。图2展示了新经济行业新招聘员工月平均工资水平和上市公司新招聘员工月平均工资水平之间的关系。可以看到，新经济行业新招聘人员的月平均工资水平高于主要由传统行业为主导的上市公司新招聘月工资水平，并且两者之间的差距存在拉大的趋势。可见，新经济是人力资本相对密集型行业，其增长将逐步改善高人力资本人群的就业，但目前尚难以完全抵消旧经济调整带来的就业下降。
在旧经济下行过程中，加强对传统行业就业人员的劳动技能培训，可以促进转岗和再就业，缓解转型过程中结构性失业的压力。同时，还需要快速灵活的发布新经济行业和传统经济行业在就业需求等方面的信息，减少劳动力供给和劳动力需求之间的错配现象，从源头上减少新就业人员大量进入衰退的传统行业的可能。
分行业看，新经济中占比最大的行业为新一代信息技术与信息服务产业，2016年4月为总指数贡献了9.8个百分点，其次为节能与环保业，贡献6.2个百分点，然后是金融和法律行业，贡献5.5个百分点。金融和法律服务业在新经济中的比重明显滑落，取而代之的是节能和环保业（图3）。新经济指数4月份的行业变化，表明该指数能够比较迅速地抓住我国经济中的短期波动。
另外，九个行业中目前占比最大的前五个行业分别是新一代信息技术与信息服务产业、节能与环保业、金融和法律服务业、生物医药行业、科学研究和技术服务业。这些行业不同程度受到政府较严格的管制，尤其是后三者在企业准入、监管乃至人事制度领域均存在不少体制遗留障碍及旧管制思路。过多管制妨碍新经济对资源的调用，也阻碍旧经济中的资源向新经济释放。
扶持新经济需政策发力
从政策层面来看，扶持新经济的政策力度需加强：
一是旧经济在短期稳增长方面具有不可替代的地位，但要避免使旧经济过度加杠杆，信贷驱动的旧经济扩张无疑会挤出新经济，需在旧经济稳增长和新经济提高增长质量之间取得平衡。因此要加快去产能步伐，防止僵尸企业过度消耗优质资源，并改善新经济对稀缺资源的可获得性。推动保障房、城镇基础设施和社会保障体系建设，在旧经济调整的同时，带动产业升级和提升新经济有效需求。
二是应加快新经济领域开放力度，释放新经济潜力。新经济发展是在很多程度上是对新业态和新的商业模式的探索，应该让市场发挥决定性作用。要放松对服务业的管制，特别是对医疗、信息（包括征信、评级和有助于改善市场透明度方面的业务）、通信等行业的管制，在提高监管效率的同时，降低制度成本，强化市场的决定性作用。
三是旧经济靠投资，新经济靠创新。旧经济企稳，意味着就业和收入的相对稳定，可以提高对新经济的需求，推动新经济的发展，此时应借力使力，为新经济创新发展营造包括减税在内的良好环境。
四是要加快改革政策落地，释放新经济的活力和潜力。国有企业改革、服务业开放、教育体制改革和进一步推动简政放权可以为新经济带来新鲜空气和营养，逐步壮大新经济规模。
度量研究 篇12
无线Mesh网络是一个新型的自组织、自配置的网络的多跳无线网络[1]。由于不依赖于基础设施、组网灵活、维护方便、成本低、风险小,并且终端节点可以在任何地方通过路由节点接入网络,覆盖范围增大,其具有广阔的应用前景。路由问题一直是WMN网络研究的一个重要方向,由于无线网络的无线环境恶劣、信道不稳定以及干扰等特征[2],使得高效的无线WMN路由设计仍然是一个挑战。
面对以最小跳数作为路由选择唯一判据的缺点,现在提出了许多新的路由判据例如FTE、ETX、WCETT等来提高路由协议的性能。但是跨层多判据路由选择机制的研究主要是把各层的多个判据聚合为单一混合判据作为路由选择依据,这种方法丢弃了一些网络状态的信息,不能充分的利用网络资源。因此,本文提出了把多个路由判据作为一个向量整体来优化,解决了多目标之间的不可公度性和目标产生的矛盾性问题。
2 传统路由度量
跨层路由设计方法使得网络各层协议共享网络状态信息,同时又保持网络的分层结构。网络层可以获得网络的整体性能,从而做出合理的路由选择。选取合适的路由判据,使得路由算法能够准确全面反映网络的总体性能。
2.1 MAC层可乘性判据FTE
假设节点A向节点B发送第i个包时的重传次数是FailureAB(i),定义如下:
这个失败次数代表数据和RTS的重传次数,而理想情况下我们希望只对RTS和数据进行两次传输。所以节点A到节点B的数据传输率定义如下:
在广播路由表的时间段T内,节点A保存一个测量到的FTEAB(i)的平均值,表示节点A到节点B的链路质量及周围节点的拥塞状态。在时间段T内,节点A发送N个数据分组到节点B的FTE为:
对于多跳路径,此路径的FTE是此路径所包含的各段链路FTE之积。
特点:选择重传次数最少的路径以增加吞吐量并且减少了由于重传而导致的端到端时延;避免选择一条存在拥塞情况的路径;FTE的计算不需要额外的分组传输,它可以从平时的通信中获得;通过FTE值的变化能够快速感知的路径中节点的状态,当链路性能恶化时可以自动选择另一条传输路径。因此FTE能够自适应链路状态变化,生存性强。
2.2 期望传输率ETX
此判据通过测量相邻节点之间广播的分组丢失率来估计发送一个一个单播分组的重传次数。每对相邻节点之间每秒互相发送一个探测包,每个探测包中都包含过去Ts自身从对方节点接收到的探测分组的个数。通过这种方式,每个节点每秒计算一次相接链路本方向的分组丢失率,一条链路两个方向的分组丢失率之积就是吃链路的分组丢失率Loss Rate,即成功在此链路上传输一个分组平均要传输1/Loss R ate次。
特点:通过广播方式,不需要重传和确认;因为没有测量时延所以基本无自干扰;低速率发送的小的探测分组与高速率发送的数据分组的丢失率不同;此判据没有直接考虑负载和数据速率。(高负载链路可能有较低的丢失率,不同数据速率的两条链路可能有同样的丢失率。
其中df、dr为一条链路的正向和方向分组丢失率。
虽然ETX在多种单射频或者无线信道质量比较稳定的网络中性能很好,但是和在多射频或者不同数据速率的网络中的性能不好。
2.3 WCETT[3]
采用多射频技术可以提高网络容量,但针对多射频网络环境,需要一种新的路由判据。
为了使得一次判据选择的路径跳数最小,判据的值必须随跳数的增加而增加。用单跳链路ETT反映一条路径全局的质量好坏。
W CETT=n i=1移ETTi
路径所包含的所有链路的ETT之和反映了在这条路径上传输一个包的端到端的时延。
对于一个n跳的路径,假设网络共有k个信道,定义:
Xj=移ETTi1≤j≤k Hop i is on channel j
Xi是在信道j上各跳传输时间之和。路径总的吞吐量受某瓶颈信道带宽限制,此瓶颈信道的Xi最大。试着定义WCETT为:
这种判据的定义虽然支持多信道情况,但是为了跳数最小,判据的值应该随着跳数的增加。而此定义若非瓶颈信道加入到路径中,对WCETT的值并不影响。所以对WCETT定义如下:
其中茁是一个0<茁<1的可调参数。
优点:判据WCETT不仅反映了路径全局的资源消耗情况,而且反映了对路径的吞吐量影响最大的链路集合的情况;综合考虑了时延和吞吐量,判据的第一部分是对路径反应时间的测量,第二部分反映了瓶颈链路对路径性能的影响,相当于网络吞吐量的测量。
3 路由度量新方法
根据本文对各种路由度量的分析,比较各个路由度量所反映的网络性能指标,可以看出,单一的路由判据很难全面准确的反映出链路质量。因此,本文将使用FTE、ETX、WCETT跨层选择机制进行路由度量选择。它能够准确感知网络低层状态并为网络层支持多媒体应用提供详细的信息,具体描述如下:
RTE具有最强的负载敏感性;ETT作为ETX的改进判据,在静态网络中效果最佳;WCETT在双射频条件下具有较大优势。令
f1(x)=RTE(x)负载敏感
f2(x)=ETT(x)静态网络
f3(x)=WCETT(x)双射频
即F(x)=(RTE(x),ETT(x),WCETT(x))。
将目标函数进行最优化,其最优化目标如下:
max y=F(x)=(f1(x),f2(x),…,fk(x))f1(x),f2(x),…,fk(x)称为目标函数,
将目标函数优化得到的最优解,将会得到在无线Mesh下最优路由。
4 总结与展望
本文针对复杂无线网络环境,分析已提出的Mesh网络的各种路由度量,鉴于已有的路由度量选择方式存在的难点和不足,本文选择能反映网络特定状态的路由度量组成一个路由判断向量,根据所选传输路径选择权值,使路由度量能够根据路径状态动态调整,提高整体网络性能。为了验证本文给出的路由度量新方法,还需要进一步在网络环境中进行仿真实验。
摘要：无线Mesh网络的研究非常活跃,针对网络路由选择已经提出了一些路由选择度量。本文对各种路由度量及优缺点进行了详细的分析,并在此基础上,给出了一种新的路由度量方式并展望无线Mesh网络QoS路由度量选择的发展方向。
关键词：无线Mesh,路由度量,自适应
参考文献
[1]Akyildiz I F,et al.Wireless mesh networks:a survey.Computer Networks,2005,47(4):1～2
[2]lannone L,et al.Cross-layer routing in wirelessmesh networks.1st International Symposium in Wireless Communication Sys-tems,September2004