市场预测的含义篇1
关键词：利率期限结构；国债市场；通货膨胀；货币政策
abstract：Someoverseastudieshaveprovedthatthetermstructureofinterestratescontainsabundantinformationoffutureinflationchanges.inthispaper，weusedexchangedataofChina’streasurybondsininterbankBondsmarket.weanalyzedthetermstructure’spredictiveabilityforthefutureinflationchangesbasedonthemishkinmodelandtheextendedmishkinmodel.theresultsshowthatboththesubtractionbetweennine-monthandthree-monthtreasurybondyieldandthatbetweentwo-yearandthesix-monthtreasurybondyieldhadthepredictivepower.Sothetermstructurecanbeusedasanauxiliarytoolwhenthecentralbankmakingmonetarypolicies.
Keywords：termstructureofrate，treasurybondsmarket，inflation，monetarypolicy
中图分类号：F830.91文献标识码：B文章编号：1674-2265（2011）05-0020-04
一、引言
利率期限结构是指不存在违约风险而不同期限的零息债券到期收益率之间的关系，它包含着丰富的宏观经济信息。许多国家的学者和金融政策制定者相信，从利率期限结构中推导出的未来通货膨胀率可作为制定货币政策调控宏观经济的辅助指标。英格兰银行从1994年开始定期的《通货膨胀报告》中的预期通货膨胀率就是从利率期限结构推导出来的；美联储也从1997年开始，定期颁布反映未来经济变化的先行指数，利差指标在先行指数的10个指标中占33%的权重。随着我国利率市场化的推进，利率在经济中发挥着越来越重要的作用，如果能用我国的利率期限结构推测出未来通胀的信息，将为货币政策制定者提供一个良好的参考指标。
国外大量实证研究都支持利率期限结构确实包含有未来通货膨胀的信息。minskin（1988）认为，小于6个月的名义利率期限结构能够提供关于实际利率的信息，但不能预测通货膨胀率的变化；9个月到12个月的名义利率期限结构则恰恰相反，具备预测未来通货膨胀的能力，却不再包含关于实际利率的信息。mishkin（1991）对经合组织中的多国进行实证研究，发现法国、英国和德国的利率期限结构包含通胀信息。此外，Gerlach（1995）、estrella和mishkin（1997）等学者的实证分析都支持利率期限结构确实具有预测未来通货膨胀率走势的信息价值，而且预测期限大于1年。
近年来，国内也有学者对此进行了实证研究。朱世武（2005）选用1999年12月至2004年10月银行间市场的债券收益率数据，对mishkin模型及其修正模型分别进行回归，得出结论：我国的国债利率期限结构对未来通货膨胀的预测不显著。陈鹏、徐炜（2009）选取银行间市场的利率期限结构来度量长短期利差，没有按照mishkin模型，而是用不同期限的长短利差和不同预测时间长度的通胀变化率进行回归，证明10年期的利差对3个月后的通货膨胀的预测能力最强。何志刚、倪官良（2010）认为上交所国债收益率曲线不仅不包含未来通货膨胀率的预期信息，反而间接扮演着货币政策操作工具的角色，调控着未来的通货膨胀。杜金岷、郭红兵（2009）认为6个月及以上期限的利率差确实不同程度地含有关于未来通货膨胀变化的信息。由此可见，国内学者对我国利率期限结构是否具有预测通货膨胀的能力分歧较大，其中，有的数据过于陈旧，随着我国近几年银行间债券市场的发展和完善，其结论可能并不适合我国现在的情况；有的研究缺乏理论基础；研究结论的不同也有待进一步论证。本文将突破这方面的局限进行考证。
二、理论基础
根据费雪方程（Fisherequation），
从mishkin方程的推导过程可知，该方程的成立需要满足两个严格的假设：一是实际利率期限结构在不同的时刻水平移动，二是对通货膨胀的理性预期。现实中这两个假设往往很难成立，nielsen（2005）同时考虑了时变的实际利率和通货膨胀风险溢价，把方程（5）改写为：
表示t时刻的一个事后实际利率。
三、实证研究
（一）数据
本文采用银行间债券市场固息国债的利率期限结构数据来进行实证分析，其中3月期和9月期的国债到期收益率不能直接得到，已用插值法进行了处理。为与Cpi数据对应，且保持较大的样本容量，本文的利率均采用月度算术平均值。实证研究的时间范围为2005年1月至2010年7月。
（二）研究方法
由mishkin方程可知，如果估计出的
显著异于0，并且符号为正，方程的R2等拟合优度指标较高，则说明名义利差能够预测通货膨胀率的变化，拟合优度越高，说明利率期限结构对通货膨胀变化的预测能力越强。为了对mishkin方程进行回归，首先应检查名义利差和通胀率序列的平稳性，若两个序列都是平稳的，则可以用传统的oLS方法对mishkin方程进行回归；若两个序列都不平稳，且是同阶单整，则可以用eG两步法检验两序列是否协整，研究两序列是否存在长期均衡关系，若协整则可通过误差修正模型研究两者的短期调整关系；若两个序列单整阶数不同，则一定不存在协整关系，这就说明该期限名义利差对通货膨胀没有预测能力。
（三）单位根检验
本文用aDF方法检验名义利差序列和通胀率序列的平稳性，名义利差序列均采用有常数项、无趋势项的检验类型，通胀率序列则分别采用无常数项无趋势项和有常数项无趋势项两种检验类型。检验结果如表1所示：
从上表可以看出，所有名义利率差序列在5%显著性水平下都是平稳的，各通胀率序列中，除了（9，0）、（12，6）和（24，3）无法通过aDF检验，（9，6）、（12，3）和（24，0）在10%显著性水平下平稳外，其他序列在5%显著性水平下都是平稳的。由于（9，0）、（12，6）和（24，3）的名义利率差与通胀率一定不存在协整关系，故剔除这三组数据，对其他组数据进行oLS估计，结果如表2所示。
（四）回归结果
从总体回归结果来看，各次回归的R2及修正R2均较低，系数α、β的p值几乎全部大于0.05，说明系数显著等于0的可能性较高，名义利差对通胀率的预测能力较弱。（9，3）的α、β值在5%显著性水平下异于0，且R2最高，β估计值符号为正，基本可以支持理论结果，表明该组名义利差能够预测通货膨胀。（24，6）的α、β值在10%显著性水平下异于0，表明该期限差的名义利差对通胀有微弱的预测能力。
在进行回归之前，需要先对序列进行平稳性检验。本文分别用aDF检验法和pp检验法进行检验，结果如表3。
在aDF检验法下，实际利差序列在10%显著性水平下是平稳的，在pp检验法下，则在5%显著性水平下平稳，因此认为实际利差序列是平稳的，可以直接对方程（6）进行回归，结果见表4。
方程（6）的回归结果较之方程（5），在整体拟合优度上有了很大提高，但结论并没有大的改变，而且Dw检验并没有明显改善，这又削弱了回归的拟合效果。（9，3）的名义利差对通胀率的预测能力依然是最强的，（24，6）的预测能力有了提高，常数项和β估计值都显著异于0，且β估计值符号为正，符合理论推导的结果。（12，3）回归结果的R2较高，常数项和β也能通过显著性检验，但是β为负值，表明名义利差与通胀率之间有负向关系，这不符合经济学基本理论，意味着名义利差对通货膨胀的变动没有预测能力。
四、结论
本文基于mishkin模型以及扩展的mishkin模型对银行间债券市场国债利率期限结构对未来通货膨胀的预测能力进行了实证研究，发现9个月与3个月的国债到期收益率之差确实能够预测未来通货膨胀的变化，2年期与6个月的国债收益率之差也含有一定的未来通货膨胀的信息，其他期限差的国债收益率之差则不能用来预测未来通货膨胀。总体来说，我国银行间国债利率期限结构有一定的预测通货膨胀的信息价值，但效果并不是很显著。这可能是由于我国债券市场发展相对滞后、投资者结构并不完善、利率市场化水平还不够高，也可能是由于“理性预期”的假设过于严格，在我国还不能实现。随着利率市场化的进一步推进，利率期限结构可能含有更多的信息，使其预测通货膨胀的效果增强。总之，尽管在利用利率期限结构预测未来通货膨胀时应充分小心，但利率期限结构仍然可以作为一个辅助工具，为中央银行制定货币政策提供佐证，金融市场投资者也可以以此作为选择投资方向的一个参考。
参考文献：
[1]FReDeRiCS.miSHKin.whatdoesthetermStructuretellUsaboutFutureinflation，nBeRworkingpaper，1988，no.2626.
[2]FReDeRiCS.miSHKin.theinformationintheLongermaturitytermStructureaboutFutureinflation[J]，.theQuarterlyJournalofeconomics，1990b（3）.
[3]nieLSenCm.theinformationcontentofthetermstructureofinterestratesaboutfutureinflation―anillustrationoftheimportanceofaccountingforatime-varyingrealinterestratesandinflationriskpremium.workingpaper2005.
[4]陈晖，谢赤.国债收益率曲线在货币政策制定与实施中的作用[J].求索，2006，（6）.
[5]朱世武.利率期限结构对通货膨胀预测能力的实证分析[J].中国货币市场，2005，（10）.
[6]朱世武，陈健恒.交易所国债利率期限结构实证研究[J].金融研究，2003，（10）.
[7]徐汝峰，于鑫.银行间债券市场现券流动性研究[J].金融发展研究，2008，（10）.
[8]郭涛，宋德勇.中国利率期限结构的货币政策含义[J].经济研究，2008，（3）.
[9]杜金岷，郭红兵.我国基准收益率曲线的构建及其内含通货膨胀信息研究[J].经济前沿，2009，（3）.
[10]何志刚，倪官良.国债收益率曲线预测未来通胀变化的信息价值研究[J].证券市场导报，2010，（4）.
[11]陈鹏，徐炜.我国利率期限结构对宏观经济有预测能力吗[J].金融发展研究，2009，（9）.
市场预测的含义篇2
关键词：新建商品住房市场；模拟预测模型；供给；需求；南宁市
基金项目：2014年南宁市青秀区重大科技项目，基于二三维GiS房产信息分析与决策支持系统，编号：2014RJ12S。
一、引言
1999年以来，南宁市商品住房市场进入快速发展时期。特别是2004年以来，商品住房市场运行突出表现为新建住房价格整体上持续快速上升、销售面积快速增长、房地产开发投资活跃、房地产经济与地区国民经济发展不协调等特点和问题。
为了进一步提高市场预测精度，协助房地产主管部门深刻把握南宁市商品住房市场运行规律，促进南宁市房地产市场健康可持续发展，南宁市住房保障和房产管理局信息中心成立“南宁市房地产监测预警预测研究”课题组。作为其课题组成员，我们基于现代计量经济理论建立计量经济模型，设计研制“南宁市商品住房市场模拟预测模型”，对商品住房市场做模拟和预测，以实现市场早期预警监测。目前，由于房地产市场监测预测实务领域尚没有针对南宁市商品住房市场研制开发的市场模型，因此该模型的开发设计，能够丰富南宁市房地产市场预警预报研究成果，填补该领域空白，具有较为重要的实践和政策意义。
文章结构安排如下：第二部分是文献评论，简要评论在房地产市场模拟预测方面已有文献的技术路线和主要结论；第三部分介绍本文预测模型的设计思路、数据来源，以及案例城市商品住房市场和城市经济运行基本情况回顾；第四部分是预测模型设定和模型参数估计，并给出预测结果；最后是本文的结论、不足与值得拓展的内容。
二、文献评论
随着对房地产市场运行规律理解的不断深入，房地产市场建模方面积累了不少文献。在系统动力学建模方面，罗平（2001）构造了一个城市商品房价格系统模型，以兰州为例进行了系统仿真，对房地产趋势仿真模拟和房地产系统内在机制进行了研究。朱湘岚（2002）从社会学和经济学角度建立了系统动力学基本模型，对南京市1995―2010年房地产需求发展状况进行模拟实验。裘建国、袁翠华（2005）将系统动力学方法用于房地产预警应用研究，首先定性分析影响房地产内外生因素，通过南京市房地产历史数据拟合它们之间的关系，建立系统动力模型并作模拟与预测。韩志超（2007）利用系统动力学方法构造了一个上海市房地产动态模型，并给出2006―2010年预测结果，但该文选择变量较少。在房地产市场预测方面，曾五一、孙蕾（2006）构造了先行指标体系并建模用于预测房屋销售价格指数。马海涛等（2007）使用灰色预测方法，用1999―2004年中国房地产价格指数建立了房价预测模型。徐波等（2007）使用改进的灰色系统预测模型，利用Gm（1，1）模型的预测数据和原始数据的比例建立函数关系，构造递减序列，并将递减序列引进Gm（1，1）模型。
已有的研究具有以下特点：第一，已有研究多基于系统动力学仿真模型，系统动力学建模的优点在于能够处理高阶次、非线性、复杂反馈的系统问题，但这种建模方式应用在房地产市场研究领域，需要研究员深刻把握市场的动态结构，而由于数据不完整、市场不完善等原因实际上很难做到这一点。另外，系统动力学建模过程复杂，刻画的市场模型不够直观，不易解释经济含义。第二，已有研究大多将房地产市场做整体分析，缺少对房地产市场中最重要的商品住房市场的专门分析。第三，对房地产市场的模拟预测建模更多集中于房价，缺少对市场价格、需求、供给等几个主要方面全面的模拟与预测。第四，许多研究在模型构建和参数确定上主观性较大，没有交代基本参数和模型初始值的确定过程。
通过对文献的评论我们实际上已经说明，本文与已有研究的不同之处：第一，我们使用计量经济学中经济含义更为直观、形式更为灵活的单方程模型建模，分别建立供给、需求和价格三个模型。在实际建模中，通过不断修正模型，使模型对历史数据拟合较好，避免先验的决定市场动态结构的问题。第二，我们以南宁市为案例城市，集中研究商品住房市场的动态结构，并给出对新建商品住房市场最核心的方面供给、需求和价格的模拟和预测。
三、设计思路与数据说明
1、模型设计思路
商品住房市场运行状况主要由供求关系决定，供求关系是决定价格的基础，因此，能够抓住市场本质的市场模型需要从市场供需状况出发，构建一套完整的市场监测指标体系：一是描述市场运行的核心方面供给侧、需求侧和交易价格；二是量化说明供给、需求和价格的决定因素，描述以上三个方面的动态结构，模拟其历史过程并预测未来轨迹。基于这种考虑，本文的基本思路是，将商品住房市场分解为价格、供给、需求三个可观测模块，每个模块内含相关市场指标，建立市场监测指标体系，然后构造计量经济学模型，模型内包含供给、需求、价格的决定因素，最后进行模拟与预测。同时商品住房市场不是孤立的市场，与地方经济和宏观经济等基本面因素关系紧密并受其影响，因此我们设置了相应的人口、经济指标反映经济基本面对商品住房市场的影响（见图1、表1）。
2、数据说明
本文采用年度数据，样本区间为1999―2014年，共16个年度观测。商品住房开发投资额、商品住房竣工面积、商品住房土地开发投资面积、商品住房销售面积、商品住房销售价格、城镇居民家庭可支配收入、在岗职工平均工资、城市总人口、城镇居民消费价格指数等来源于各年《南宁市统计年鉴》，贷款利率水平、广义货币供应量同比增速根据中国人民银行网站数据信息整理，城镇居民住房自有率根据各年《城镇房屋统计公报》估算。报告数据的区域范围为南宁市区。由于样本区间较小，我们认为预测对各项指标作2―3年预测是较合理的研究目标。同时，为平滑数据消除异方差影响，对所有进入模型的序列数据均做取对数处理。
3、价格模型设定及参数估计
根据经典“供给―需求”框架和市场实际运行情况，商品住房价格由“供给―需求”因素直接决定，其他影响价格的因素对价格的间接影响被供给和需求吸收，分别进入供给模型和需求模型。同时价格还直接受到城镇居民可支配收入、潜在住房需求以及货币环境影响。因此，商品住房价格模型设定为：
pt=p[■，inct，podt，m2rt]（5）
lnpt=6.597+2.62？鄢■+0.486？鄢inct+8.51？鄢podt-8.529？鄢m2t
（59.602）（2.556）（4.680）（3.203）（-2.849）（6）
R2=0.995adjustedR2=0.928Dw=3.001F=416.533
价格模型解释了92.8%的住房价格变化，为了避免自相关性，价格模型同样使用newey-west稳健回归估计。价格模型中住房供求比、城镇居民人均可支配收入、潜在住房需求对新建住房销售价格有正向影响效应。其经济含义是，供求比反映市场供求力量对比，该指数增加说明市场需求力量上升，则对住房价格产生向上的压力，平均而言供求比每增加1%，使得新建住房价格上升2.62%；可支配收入是除了住房需求以外的重要影响因素，较高的可支配收入也对住房价格起到推动作用，可支配收入平均每上升1%，使得住房价格上升0.486%。
4、预测结果分析
本部分给出住房供给、需求和价格模型的预测结果，我们分别给出预测值与实际值的比较，并计算了预测误差（见图2至图4）。根据供给模型、需求模型和价格模型给出的模拟和预测值可以很好地追踪各指标实际值，并且预测残差为零均值同方差平稳时间序列，说明三个模型预测性能较好。根据我们的模型估计，2016年南宁市商品住宅竣工面积367.71万平方米，销售面积811.32万平方米，销售均价7254.33元/平方米。
五、结论与展望
研究房地产市场与城市经济环境动态互动关系，提高对房地产市场，特别是商品住房市场价格、需求、供给等方面预测准确性，一直是房地产市场主管部门和学界探索的热点问题之一。城市经济和政策的变化影响市场供求，而市场供求和价格的变化也会使房地产主管部门调整房地产调控政策并影响城市经济环境。本文尝试将商品住房市场供求价格与城市经济及政策因素联合建模，分别建立商品住房市场的供给模型、需求模型和价格模型，在模拟预测模型中加入城市经济变量和政策变量，利用供求和价格模型对南宁市商品住房市场年度数据进行模拟预测，研究结果显示模型的历史拟合和外推预测性能良好。但本文的研究存在局限性，我们使用的是单方程模型，即对商品住房市场供给、需求和价格三方面分别建模，这一定程度上避免了联立方程模型先验的决定市场结构问题，然而市场的运行过程往往与先验的理论模型不一致。市场供求价格三方面是相互关联的整体，故我们未来的研究应引进结构化的向量自回归模型，这样既能保证预测精度又能够刻画市场供求价格三方面的动态结构关系。
参考文献
[1]罗平：城市住宅市场价格系统动力学模型实证研究[J].人文地理，2001，16（2）.
[2]朱湘岚、黄有亮：南京市城市住房需求的系统动态学分析[J].基建优化，2003，24（2）.
[3]裘建国、袁翠华：南京市商品住宅市场预警实证研究[J].建筑经济，2006（4）.
[4]韩志超：基于系统动态学的我国住宅市场发展研究[D].哈尔滨工业大学，2007.
[5]曾五一、孙蕾：中国房地产价格指数的模拟和预测[J].统计研究，2006（9）.
市场预测的含义篇3
【关键词】造价管理；发展走向；管理水平
1.工程造价管理在国际上的发展
工程造价管理最初的出现可以追溯到13世纪，那时在英国出现了工程项目管理专业分工细化，这种项目专业管理细化需求诞生了工料测量师，这一从事工程项目造价的确定与控制的专门职业。19世纪初，以英国为首的发达资本主义国家开始尝试着在工程建设中逐步推行招投标承包制，而招投标承包制要求处于主要地位的工料测算师在工程项目设计后和开工前进行工料的测算和评估，同时也根据设计出的图纸计算出项目实物工程量，汇编后得到工程量清单。这就是工程预算诞生的标志。1868年，英国皇家批准下，成立了“皇家特许测量师协会”，作为最大分会之一的工料测量师分会，它的成立，是现代工程造价管理专业诞生的标志，同时也是工程造价管理的第一次飞跃的标志。
皇家特许测量师协会成立之初，工料测量师的主要工作只是在开工前预测项目所需要的投资额，而对于在设计阶段项目所需的投资额还无法进行准确的测算。这种造价管理方式使得工程实际造价成本过高，投资额不足，从而不能按设计阶段预定目标完成工程。为提高投资的效益和社会资源的有效配置，到了二十世纪的三四十年代，造价工作开始把投资决策阶段和设计阶段的成本控制工作考虑在造价管理范围内，与此同时工作人员又把技术经济综合运用到造价管理中，于是工程造价管理逐渐开始向重视投资效益评估和重视工程项目经济与财务分析等方向发展，“投资计划和控制制度”就在英国、美国等主要发达国家应运而生了，这是工程造价管理的第二次飞跃标志。
二十世纪的七十年代到八十年代初，工程造价管理在理论、方法论与实践等各个方面得到了全面发展。各国造价工程师协会先后都逐渐开始了自己的造价工程师执业资格的认证等一些列工作。这些工作都大大推动了工程造价管理的发展。
到了二十世纪八十年代末到九十年代初，世界各国对工程造价管理理论的研究进入了一个综合阶段。以英国的工程造价管理为主，提出了造价理论和方法论，随后美国提出了全面造价管理，这一概念理论涉及到工程项目战略资产管理和工程项目造价管理。美国造价师协会推动全面造价管理理论和方法i的发展，还在这一方面开展了许多的研究和探讨，也在全面成本管理理论与方法的创立和发展上做出了巨大的努力。
2.工程造价在我国的发展
建国后，我国现代工程造价管理开始起步并得到了飞速发展。并伴随着我国经济建设的起步与发展，在全国引进苏联的造价管理理论的基础上，全面开展了我国的工程造价管理工作。并先后颁布一系列的法律法规，如《关于编制工业与民用建设预算的若干规定》、《基本建设工程设计与预算文件审核批准暂行办法》等等。这些法规文件的内容基本确定了概预算在工程建设中所处于的地位和所起的作用，另外，这些文件也明确规定了在工程建设项目的设计阶段的不同的时间段内也必须编制各种概算或预算，这些文件还对工程建设预算制定的编制原则、概预算文件内容、编制方法和审批办法等方面作出了规定的审批、管理等。从1958年到1967年，工程概预算定额管理逐渐被削弱，甚至最后遭到严重的破坏，最终造成了造价设计无概算、工程施工五预算、工程竣工无决算现象。
改革开放后，随着不断深入的经济体制改革，造价管理开始步入快速发展阶段。先是1977年重建了国家的工程造价管理机构，接着1983年成立了国家基本建设标准定额局，后来1985年成立了中国工程建设概预算定额委员会，随后在1988年将国家基本建设标准定额局从国家计委划归到了国家建设部，成立了建设部标准定额司。在此阶段，国家颁发了大量工程造价管理方面的法律法规，包括工程造价概预算定额、工程造价管理方法和工程项目财务与经济评价方法、参数等一系列法律法规。自1990年成立了中国建设工程造价管理协会后，我国在工程造价管理论和方法的研究和实践都加快了步伐。国内许多高校和学术科研机构开始逐渐介绍、引进国际上先进的工程造价管理理论方法和技术。
随着市场经济的发展，工程造价管理模式、理论和方法等也开始了全面变化。传统的“量、价统一”的工程造价概预算定额管理模式已经无法适应社会主义市场经济的要求。自二十世纪八十年代中期，我国工程造价管理领域涌现了许多优秀理论工作者和实践工作者，他们先后提出了对工程项目进行全过程造价管理理论。至此，我国的工程建设期的造价管理也逐渐发展成熟，这意味着我国的工程造价管理水平同国际管理水平的差距在逐渐缩小。
3.工程造价管理的意义
工程造价管理从不同的角度看，所采用的方法和措施是不一样的，工程造价管理有着不同的含义。结合特点，根据工程造价的含义就有两种不同的解释，这两种含义准确涵盖了工程造价管理工作的主要内容：
第一，从投资人和业主角度定义，工程造价管理是投资人或业主对建设项目投入资金的管理。就是指预期要指出，或是实际已经支出的为进行某工程建设所投入的全部固定资产，也就是我们常说的投资成本。在这个过程中所形成的固定资产和无形资产是有投资者在投资活动中所支出的全部费用形成的，这所有的费用开支就构成了工程造价。就是说从投资者这个角度出发，工程造价其实就是工程投资费用，从这一层含义上来说，建设项目工程造价其实就是建设项目的固定资产投资。对投资来说工程造价管理工作要从决策阶段开始。
第二，这种含义是从承包商、供应商、勘察设计市场等项目的供给主体角度来说，从这种含义来说，工程造价指的是建设工程的承发包价格。中国建设工程造价管理学术委员会把这种含义的造价定义为：建成一项工程，预计或者实际使用在土地，材料和设备，技术、劳务及承发包市场等，交易中形成的建安工程造价与其它用于建设的价格。从这个角度定义的工程造价是工程项目作为其交易对象、通过招投标这一程序，最终由市场形成的价格。从这个意义上说，建设项目工程造价其实就是完成这一项建设工程所需花费的费用总和。它包括建筑安装工程费、设备、施工器具购置费用和其它关联费用等，其中绝大多数是以价格为基础构成的。
【参考文献】
市场预测的含义篇4
【关键词】金融变量;宏观经济;VaR脉冲响应
一、引言
在金融危机席卷全球金融市场的严峻考验下,2010年的经济形势正如总理说的是中国经济最为复杂的一年,每一个经济政策都将会对中国经济产生极大影响。因此,对宏观经济的走势提前做出定量化预测,对于正确判断经济形势,制定相应的货币政策具有极其重要的意义。传统的宏观经济走势预测往往是基于大量的宏观经济变量而得出的,例如Cpi、FDi、发电量等,这些都是统计信息,而统计信息的获得就一定具有时滞性,并且时间跨度较长,只能反应历史情况,而不能反应出市场参与者的预期。而用金融市场中的变量对宏观经济的进行预测,这是近年来发展起来的一个新的金融学研究领域,相比传统的方法,其力求以更少的假定,从金融市场中准确提炼出市场对各种风险和价格走向的预期。准确地把金融市场的各个变量“翻译”成人们易于理解的信息具有非常重要的价值。
尽管意义重大,金融变量蕴含信息的提炼,并非易事。相关研究在国外也刚开始蓬勃发展,国内相关领域的研究则几乎空白。国外的文献主要是以股票市场或者债券市场中的金融变量来设计指标作为主要的研究对象,通过各种对比方法或者验证方法以及数学模型来预测宏观经济走势。但是他们所采用的数学模型和检验方法大相径庭,早期都是用简单的线性回归来拟合进行预测,后期渐渐地就在选取的指标上和所用的检验方法上进行了各种创新和尝试,近期最多的还是运用VaR模型来进行预测,Raphaelespinoza(2009)的那篇最为详尽和具有代表性。主要的方法是对美国和欧洲的GDp,结合其他金融信息建立VaR模型,研究显示金融变量影响经济实体在第4到6季度时最为显著。用单位均方差模型研究发现,在美国用金融变量预测经济时虽然只有较小的误差,但是其能获得的信息也是极小的。但是这个关系在欧洲区域显得没那么明显,在欧洲,即使金融变量可以准时的得到,其数值也不能改善短期和中期GDp的预测。
因此,本文将借鉴国外文献的研究方法,利用金融变量的长期时间序列数据建立VaR模型,动态地研究金融变量对于预测宏观经济中所发挥的作用和有效性。但是Raphaelespinoza(2009)是把全球分为了美国、欧洲、和世界其他地区作为三个部分,对比着进行研究分析,然而中国的金融起步较晚,金融市场发展的也不够成熟,跟这些国家的可比性较小,所以本文只是单纯的对我国的金融市场变量信息进行挖掘。
二、理论分析
用金融市场变量来预测宏观经济走势,给货币当局提供及时准确的货币政策在国外已经蓬勃发展和广泛运用,金融变量中蕴含着大量宏观经济信息的具体原因可以归纳如下:
本文借鉴Kylemodel(1985)提出的批量交易模型,该模型有助于我们分析信息是如何慢慢逐步融入金融市场的价格中的。不同于连续交易模型的是,批量交易模型不考虑价差,主要分析知情交易者如何选择交易以充分利用其个人信息。该模型假设:1、市场上存在唯一的风险资产,且资产的真实价值为,知情交易者知道资产的真实价值v。2、不知情交易者是没有交易策略的,其订单流,且独立于资产价值v。3、知情交易者根据掌握的资产真实价值v和不知情者订单流u服从的正态分布状况,确定自己的订单数x(x>0表示买入订单,x
可以从结论中发现通过一次交易,有一半的信息被反映在成交价中,不依赖于噪声交易的密度。当市场只有一个知情者时,他可以通过策略交易来控制信息的传递,价格会因此持续地波动;当市场有多个知情者时,由于难以控制信息的传播,价格将会逐渐调整至反映股票真实价值的水平。因此,随着交易的不断进行,信息将不断地被反映在价格中,直到最终被完全揭示。由此可见,金融市场中的成交量和交易额都是由于信息的揭露而发生波动,逐步收敛于其真实价值的。换言之,单个有价证券的价值可能由某个私人的某个信息揭露而发生波动,而对于整个金融市场而言,其价格和成交量就是由整个宏观经济走势的信息而导致其波动的。所以从理论上说,金融市场的交易数据含有未来增长率信息的。
三、实证研究
本文主要讨论我国金融市场对于未来宏观经济的预测能力,在上述理论研究的基础之上,我们进一步进行实证检验。样本区间为1997年1月到2009年12月。数据来源于万德金融研究数据库。
(一)指标选取
1、经济增长指标:由于我国没有月度的GDp数据,所以本文采用月度的工业增加值作为替代变量,因为工业是国民经济中最重要的物质生产部门之一,它的增长率直接影响着整个国家的GDp增长率。这种替代方法也在其他文献中经常有所见到,如Raphaelespinoza(2009)。本文利用X-11方法对工业增加值再进行季度调整以消除季节性波动对其的干扰。最后将其对数来消除异方差性,以ip表示。
2、股票市场指标:采用股票市场沪市a股的月度总成交量和总交易额,在对其进行X-11方法的季节调整,和取对数处理,分别以sq和sm表示。
3、债券市场指标:采用债券市场的国债月度总成交量和总交易额,也同样进行季节调整和对数处理,分别以bq和bm表示。
(二)实证检验
1、单位根检验
在我们建立计量模型之前,必须先检验数据的平稳性。如果数据是平稳的,则我们可以直接进行VaR估计;如果数据非平稳,我们则检验各变量之间是否存在协整关系,以便分析各变量之间的关系。检验结果如下:
由表1可以看出在5%的显著性水平下,工业产值增加值ip和国债交易额bm和成交量bq原序列都是平稳的,而沪市a股的总交易额sm和总成交量sq的一阶差分序列是平稳的,鉴于他们的平稳不同,不能对其原数列建立模型,因此只能以平稳序列ip,sm,sq,bm,bq和cpi,sm,sq,bm,bq分别建立VaR模型。
2、建立VaR模型
以ip,sm,sq,bm,bq建立的VaR模型,滞后阶数的选择遵循SC信息准则确定为2,由于篇幅和文章主题的原因,在此只列出内生变量ip的方程:
ip=0.9384*ip(-1)-0.0314*ip(-2)-0.1849*DSm(-1)+0.0554*DSm(-2)+0.1544*DSQ(-1)-0.0275*DSQ(-2)-0.0343*Bm(-1)-0.0062*Bm(-2)+0.0139*BQ(-1)+0.0136*BQ(-2)+1.2921
由上面的回归模型可以看出,股票市场的交易量和成交额对工业增长值的影响都是一正一负的,理论上而言,股票市场是国民经济的“晴雨表”,应该是成正相关的,可能有以下两方面原因:一是由于我国的股票市场并不成熟,非理易还是大量存在,股价波动比较不符市场规律有关。二是由于此模型中的股票市场是一阶不平稳,模型采取的是一阶差分序列,导致了一部分信息流失有关。
债券市场的成交量是和工业增加值成正相关的,而交易额是和工业增加值成负相关。从整个回归模型来看,该模型的拟合度较高=0.872134,滞后一阶的各变量系数也较大,说明其相关性还是还是可靠的。为了进一步验证该模型是否存在稳定性,需对其进行Johansen检验(见图1)。
由图1可以看出VaR模型特征多项式根的倒数均位于单位圆以内,再次说明了该VaR模型的稳定性。
为分析冲击的反应,在VaR模型的基础上建立脉冲响应函数。我们可以进行脉冲响应分析,为消除VaR模型中不同方程的随机误差项的同期相关问题,本文采用Cholesky分解方法得到脉冲响应函数。结果见图2。
图2即为各因素对工业产值增加值的脉冲反应函数。实线为脉冲函数响应值,虚线为正负两倍标准差的置信带,横轴表示追踪期数,将其设定为10年。由图2可以看出,工业产值增加值受自身惯性的冲击响应在前几年极为显著,第一年响应值最大,后面几年逐年递减。股票市场交易额对产值增加值的影响为反效应,但不十分明显,在第二年达到最大负值,渐渐趋于收敛,股票市场的成交量对产值增加值的影响也和交易额一样较为微弱,归其原因主要是由于对这些变量采取了一阶差分,可能会丢失原本的信息。债券市场对工业产值增加值的影响相对比较明显,债券交易额对工业产值影响一开始为负的,到第六年达到最大负值,接下来的几年也渐渐趋于收敛。债券成交量对工业产值影响最为显著,工业产值受到正的冲击,逐年上升,最后达到最大值趋于稳定,这与我们债券市场成交量的增加预示着未来实体经济增加的理论预期相吻合,说明债券市场中可能含有与未来经济增长相关的信息。
四、结论
本文利用我国1997年1月至2009年12月的时间序列数据,实证研究了我国证券市场对于未来经济增长的预测能力。研究得出以下结论:工业产值的增加值受自身的冲击影响最大;我国股票市场的成交量和交易额对经济增长走势的预测能力较弱。理论上股票价格的上升产生财富效应,从而拉动消费,使产量扩张,这种财富效应在我国目前表现还不明显,其持续时间很短,原因是上市公司质量欠缺、信息披露不规范导致股票市场投机氛围浓厚,投机行为使得股票指数沿着一条发散的路径运行;另外债券市场对经济走势的预测能力强于股票市场,而且债券市场的成交量和工业增加值也会死成正相关的,这个和理论预期是一致的。
参考文献
[1]Henrinyberg.DynamicprobitmodelsandFinancialVariablesinRecessionForecasting[R].UniversityofHelsinkiandHeCeR,2008.
[2]FabioFornariandwolfgangLemke.predictingRecessionprobabilitieswithFinancialVariablesovermultipleHorizons[R].europeanCentralBank,2009.
[3]Raphaelespinoza.FabioFornariandmarcoJ.Lombardi,theroleoffinancialvariablesinpredicting[R].europeanCentralBank,2009.
[4]郑振龙.金融资产价格的信息含量:金融研究的新视角[R].厦门大学金融学研究院,2009.
[5]郭涛,宋德勇.中国利率期限结构的货币政策含义[J].经济研究,2008.
市场预测的含义篇5
「关键词现金流量信息含量实证研究结论
一、研究背景与文献回顾
（一）研究背景
对现金流量信息能为投资者提供决策有用信息这一论断，人们一直停留在观念上。人们在观念上认为现金流量是有用信息，是重要信息。然而，在我国尚未有经验性证据证明现金流量是否具有信息含量，是否具有增量信息内容。本文将试图在这方面作一些探索。
（二）国外文献综述
国外1986年前的关于现金流量信息含量的研究都失败了，这是因为：
（1）现金流量的定义不准确。daley（1986）认为，在先前研究中采用的传统现金流量指标与会计盈余有很高的相关性，因此这些传统现金流量指标不太可能给投资者提供会计盈余以外的信息。而且从统计技术分析上看，传统的现金流量与盈余的相关性程度很高，在同一个回归方程中易引起同线性问题。
（2）资金定义不够准确。不同公司定义的资金基础不同造成报表的不可比，由此进行统计分析必然误差很大。
1986年后，许多西方学者又进行了大量研究，取得了大量的研究结果。g.poterwilson（1986）研究指出：在控制了wcfo之后，非流动性应计项目和证券报酬之间的关系不显著。他在1987年继续研究得出结论：现金流量是和包含了证券价格的信息总是一致的，并含有超越单一的应计项目的增量解释能力，但没有发现wcfo具有超越盈余的增量信息内容。judyrayburn（1986）的研究结论是：对非正常报酬，营运现金流量及合计应计项目都具有信息内容。robertm.bowen，davidburgstahler和lanea.daley（1986）认为：传统现金流量指标与会计盈余的相关性要远远高于传统现金流量与修正现金流量的相关性以及修正现金流量指标与会计盈余的相关性。说明会计盈余和修正现金流量指标能够传递不同的信息，board和day（1986）得出结论：通过证据和事实检验，现金流量或资金流拥有超过盈余的增量信息之间是不一致的。freeman和tse（1989）认为：wcfo和现金流量没有增量信息。ashiqali（1994）的研究结果是：现金流量不具有增量信息。ohlson与shroff（1992）认为：当盈余估价结论被限制在暂时性项目时，经营现金流量的披露就会作为一个额外的估价信号而发挥相当大的作用。ashiqali和peterf.pope（1995）显示，就经营现金流量而言，会计盈余数据拥有的信息含量超过了现金流量。c.s.agnescheng，chao-shinliut和thomasf.schaefer（1996）使用线性模型，得出的结论是：盈余和现金流量变化的系数均很显著，说明两者都有超过对方的增量消息。stalwartmcleay，johnkassab和mahmoudhelan（1997）认为：非流动性、流动性应计项目含有收益中的增量信息内容，论文提供了现金流中增量信息内容的更多证据，并认为大多数公司应将重点放在对过去现金流量的指数加权平均预测上，而不是对当前值的观察。收益和资金流水平的权重随公司的不同而不同。
从上述国外文献中可知，对现金流量是否含有增量信息内容，国外的研究结果不一致，莫衷一是。但对于现金流量预测未来现金流量的结论则是完全一致，正如catherinea.finger（1994），j.petergreen（1999），marye.barth等（2001）都认为：现金流量指标的预测能力明显强于会计盈余。
（三）国内文献综述
在我国关于现金流量信息含量的研究尚很少，赵宇龙（1998）找到了会计盈余数据具有信息含量的经验证据，不过对1994和1995年会计盈余披露的单独检验中，没有发现未预期盈余与非正常报酬率之间的统计关系。赵宇龙（1999）在研究我国证券市场“功能锁定”结果表明，我国证券市场只是机械地对名义eps做出价格上的反应，不能辨别eps中永久性成分的经济含义。陈晓、陈小悦等（1999）在对a股盈余报告的有用性进行了研究。研究结论证实在中国a股市场上盈余数字同样有很强的信息含量。陈建煌（2000）敢为天下先，其博士论文题为“现金流量的经验性评估——来自沪深股市的实证证据”。他提出了三个研究假设，通过对1994年到1998年沪深股市上市公司年度报告数据和股价数据进行统计分析，研究结论如下：（1）当期单位经营活动现金流量与未来单位营业利润的相关性高于当期单位应计营业利润。（2）现金流量在会计盈余中所占的比重越大，其未来的超额投资收益率越高。（3）与未预期应计利润相比，未预期现金流量与未来的超额投资收益率更具相关性。
二、研究方法
ball和brown（1968）对信息含量的定义是：“如果我们观察到股票价格随收益报告的公布而调整，就说明反映在收益数字中的信息是有用的。”在一个有效的市场中，股票价格反映了所有的历史信息。如果会计报告拥有信息含量，就会使市场对公司未来前景的预期做出调整，从而引起股票价格的波动。这就是我们设计研究方法的理论依据。良好的研究方法是实证研究的基础。在本文中，将充分借鉴国内外学者的研究成果，力图提出一个较为科学、合理的研究方案。
（一）假设设计
我国对现金流量增量信息的实证研究尚处于摸索起步阶段。为寻找我国证券市场关于现金流量信息含量和增量信息的经验性证据，本文将设定如下假设：
h1：经营现金流量和非正常报酬之间没有联系。
本假设是证伪假设，旨在验证经营现金流量是否具有信息含量。也就是说，在控制利润与非正常报酬之间的联系后，进一步验证经营现金流量与股价的相关性。这一假设是本假设组的基石。
h2：经营现金流量含有超过同期盈余数据的增量信息内容。
该假设用于比较会计报告中现金流量和盈余数据的增量信息，旨在解决谁的增量信息更多，对投资者决策更有用的问题。
h3：应计项目在盈余中所占的比重高，现金流量的信息含量就会增加。
国外有研究证明，在盈余质量不同的公司，现金流量的信息含量是不同的。应计项目多，企业管理当局操纵盈余的可能性就越大，投资者就越需要运用现金流量信息进行股票购买、持有和出售决策，此时现金流量的信息含量就会增加。本文拟用中国的数据对这一假设进行验证，以使投资者能更有效地利用现金流量指标。
h4：在预测未来现金流量时，现金流量具有超过盈余数据更强的作用。
本假设用于验证现金流量的一个重要应用：预测未来现金流量的数量、时间和不确定性是否具有经验上的证据。fasb认为，当期盈余要比当期现金流量更好地预测未来现金流量，很多国外学者对此进行了实证分析，本文也拟用中国的数据对此进行验证。
（二）变量及指标计算
1.盈余（e）
在国外同类研究中，度量盈余的指标通常包括每股收益（eps）、收益、净利润、投资报酬率和管理层预测等，其中以每股收益较为常见。在国内研究中，陈晓、陈小悦（1999）采用了净资产收益率指标；赵宇龙（1998）采用净资产报酬率和净利润指标；陈建煌采用“营业利润”作为盈余的替代。本文借鉴陈建煌的方法，选取营业利润作为反映盈余的指标，理由是：营业利润消除了非正常损益的投资收益，表现为企业持续经营活动创造的收益，它能更好地与经营现金流量相配比。
2.预期盈余（ee）
本文的研究主要是对财务报表中的现金流量作出经验性评估。因此我们仍然采用学术界普遍认同的随机游走的模型来描述公司的预期盈余，即：
e1=et-1+εt
预期盈余eet=et-1
3.非预期盈余（ue）
该指标定义为实际盈余与预期盈余之差。即
uet=et-eet
4.非正常报酬率（ar）
股票的非正常报酬是实际报酬与正常期望报酬之间的差异。计算正常报酬的方法通常有三种：均值调整法（mean-adjusted）、市场调整法（marketadjusted）和风险调整法（riskadjusted）。（均值调整法计算过程简单，缺乏足够的理论依据。）其中，陈晓、陈小悦（1999）等采用了风险调整模型；陈建煌的方法是：采用简单算术平均的市场调整法来计算非正常报酬率，即以全部样本在研究时窗内的实际投资收益率的简单算术平均数作为市场收益率，再以单个股票的实际投资收益率减去市场收益率得该股票的非正常收益率。
大多数资本市场研究都采用市场模型（marketmodel）来估计或预测正常条件下企业的报酬率。即：
rij=α1+βirmj+εiε-n（0，б2）
这里，rij是第i家股票第j月的收益率，rmj是a股第j月的综合市场收益率。
其中，rij=（pij-pi，j-1）/pi，j-1，pij是考虑了公司i分红送配因素经过复权处理后的第j月的收盘价。
rmj=（ij-ij-1）/ij-1，ij是a股第j月收盘指数。
为了估算盈利公布日前后各两个月的非正常报酬率，本文以4月30日（上年度财务报告公告截止日）为基准，向前和往后各推移两个月即每年的3，4，5，6月份为模型的测试期，把测试期前推8个月即从上年度的7月份至本年度的2月份为模型的估计期。测试期各个月份的非正常报酬率用实际报酬率和估计模型得出的预期报酬率之差计量。
arij=rij-erij=rij-αi，-βi，rmj
其中，αi，，βi，是用来估计期数据估算出的市场模型参数。
这里，用预测误差而不是用市场模型回归方程中得出的估计误差作为非正常报酬率的计量指标。其原因在于，估计误差计算过程会使估计系数αi，和βi，包含一部分非正常报酬率，而这些非正常报酬率本应包含在非正常报酬率的计量里，结果可能导致用估计误差计算的非正常报酬率绝对值偏小。这也就是本文把每一会计年度分为模型估计期和模型测试期的理由。
5.累计非正常报酬率（car）
若以4月为零月，则测试期4个月份的累计非正常报酬率为：
gari=σarij（j从-1-2）
6.现金流量
对未公布现金流量表的年份，具体的计算经营现金流量的方法是编制经营活动现金流量间接法，即从净利润为起点，公式如下：
经营活动现金流量=净利润+计提的资产减值准备+固定资产折旧+无形资产摊销+长期待摊费用摊销+待摊费用减少（减：增加）+预提费用增加（减：减少）+处置固定资产、无形资产和其它长期资产的损失（减：收益）+固定资产报废损失+财务费用+投资损失（减：收益）+递延税款贷项（减：借项）+存贷的减少（减：增加）+经营性应收项目的减少（减：增加）+经营性应付项目的增加（减：减少）
预期经营现金流量运用随机游走模型计算，用上一年度的经营现金流量作为本期的期望现金流量。
7.应计项目（aa）
应计项目是指那些不直接形成当期现金流入或流出，但按照权责发生制和配比原则应计入当期损益的那些收入或费用（或净资产的增加或减少部分），比如折旧费用、摊销费用、应收帐款增加额等。很多国外会计文献将：会计盈余=经营现金流量+应计项目作为变量定义的出发点，并进一步将应计项目分成流动性应计项目和非流动性应计项目。本文按惯例也采用以下公式计算应计项目：
应计项目=营业利润-经营现金流量
（三）模型设计
根据国内外的研究资料，本文拟采用通用的线性模型研究现金流量、盈余和非正常报酬之间的相关性。
在假设1的检验中，本文采用
回归模型（1）：cart=β0+β2uoept+εt（1）
来检验未预期单位经营现金流量和累计非正常报酬率的联系。
在假设2的检验中，本文采用
回归模型（2）：cart=β0+β1uoept+εt（2）
来检验未预期单位营业利润和累计非正常报酬率的联系，并通过比较模型（1），（2）来检验假设2，即经营现金流量是否含有超过同期盈余数据的增量信息内容。
在假设3的检验中，一文采用模型（1）对分组数据进行检验。
在假设4的检验中，本文采用
回归模型（3）：cfpt+1=r0+r1cfpt+εt（3）
来检验单位经营活动现金流量对未来单位经营活动现金流量的预测能力。采用：
回归模型（4）：cfpt+1=r0+r2oept+εt（4）
来检验单位营业利润对未来单位经营活动现金流量的预测能力。
（四）样本选择
1.样本空间
本文的研究样本同样取自深沪股市相关数据。我们数据来源于香港理工大学中国会计与金融研究中心和深圳国泰安信息技术有限公司2001年8月出版的中国股票市场研究数据库（csmardatabase）中的上市公司财务数据库和市场交易数据库。
本文从深沪交易所上市的公司中选择1996年已经上市并且在上述数据库中能取得的对外公布了相应的1995-1999年连续5个会计年度财务报告的公司作为研究样本，同时剔除pt类公司和金融行业的上市公司，共计选择了172家上市公司。
2.样本时间
陈晓和陈小悦（1999）研究a股盈余信息有用性的样本时间范围为1993-1998年；陈建煌研究现金流量信息含量的样本范围是1994-1998年；然而根据赵宇龙（1998，1999）提供的经验证据，现金流量的增量信息在1998年以前是很难存在的；（1）1996年以前证券市场未达到弱式有效，所在不存在研究现金流量增量信息的前提。（2）“功能锁定”直接影响了现金流量信息含量。我国证券市场存在“功能锁定”现象，投资者的“功能锁定”意味着上市公司经理人员可以通过操纵公司账面利润达到蒙蔽市场的目的。也就是说，投资者不能通过相对真实、客观的现金流量指标识别公司的利润操纵，现金流量没有在公司估价上发挥作用。但是，鉴于陈建煌等研究与其结论并不相同而且大多数研究采用的样本期间均从1994年开始的。同时由于1995年的财务报表作为期初数用于1996经营活动现金流量的计算中，实际经营活动现金流量、营业利润和应计项目数据从1996年开始。
3.样本优化
为增强样本合理性，减少统计误差，本文采用资产总额平减营业利润、经营现金流量和应计项目的办法来消除资产规模差异对模型的影响，分别得到单位营业利润（oep）、单位经营活动现金流量（cfp）和单位应计项目（aap）。
4.时间窗口
由于我国股市基本呈弱式有效的特征，同时尚未达到半强式有效，本文选取年报公布截止日4月30日前后共两个月共计4个月为时间窗口。
三、研究结果分析
我们的分析将基于三组不同的样本体系对四个假设分别进行检验。这三个样本体系分别为随机样本组、选定样本组和st公司样本组。这种分类的目的是研究不同样本特征对统计结果的影响，同时，我们还根据各年横截面回归的结果进行现金流量信息含量的趋势分析，以使我们对现金流量信息含量的现状和发展趋势有更深层次的认识。
（一）对随机样本的检验结果
我们共随机选取了172家样本公司，688个样本数据进行分析。其结果是：利用随机样本检验假设1，没有找到经营现金流量与非正常报酬之间联系的经验证据。同时假设2，也未通过检验，即并不能证明经营现金流量具有超过同期盈余数据的增量信息的内容。对假设3，盈余质量不同的公司其现金流量信息含量不同也未通过显著性检验。但在预测未来现金流量时，对假设4的检验发现了经验性证据，现金流量具有超过盈余数据更强的作用。由此，本文用中国股市的数据同样否定了fasb的假设：当期盈余要比当期现金流量更好地预测未来现金流量。由于未来现金流量是公司价值评估的基础，在进行会计计量时，fasb在第七号会计准则中要求对部分资产也采用未来现金流量的现值进行计价；经营现金流量在预测未来现金流量时具有超过盈余数据的预测能力显示经营现金流量信息将公司价值评估和资产计价方面发挥不可或缺的作用。
在没有找到经营现金流量与非正常报酬联系的经验证据时，能不肯定经营现金流量不具有信息含量，因而对中国证券市场没有影响呢？笔者认为，造成随机样本中经营现金流量与非正常报酬之间不具有关联存在多方面的原因：
1.样本的选择。在随机样本的选择上，没有去除离异值数据；也没有考虑排除一些与业绩无关，被刻意炒作的股票。将大量的被各种概念炒作的非正常股票与一些正常股票一起进入样本组合，难免鱼龙混杂，不能反映正常股票应当包含的规律性。随着我国证券市场的逐步规范，“脱离业绩炒个股”的时代将会一去不复返，为了把握股价变动的内在规律性，我们有必要重新选择样本，增加正常公司的比重，本文还将用选定样本替代随机样本进行进一步检验。
2.我国证券市场的不规范。表现在庄家肆意横行，暴炒概念屡见不鲜，股份的大幅度波动更多的是由于庄家的进入或离场，而非公司利润或现金流量的波动。从1998年的“资产重组年”到“暴炒st”，到1999年炒高科技概念，2000年炒网络概念，无不留下了市场不规范的烙印。应当说，在市场总体层面上，现金流量与非正常报酬缺乏相关性是与市场的现实特征相符的。应当指出的是，在上述随机样本模型分析中，会计盈余同样没有信息含量，这就进一步印证了本文关于我国证券市场的描述是正确的。
3.现金流量信息没有被投资者充分利用。我国的现金流量会计准则到1998年才正式颁布。投资者尚未充分认识到现金流量表的作用或没有掌握现金流量表的分析技巧，不能有效地利用现金流量信息，这也是股份对现金流量信息的波动不敏感的一个原因。
（二）对选定样本的检验结果
选定样本的原则是：在随机样本中（1）剔除离异值数据。（2）剔除“资产重组股”。（3）剔除各种“概念股”。在剩余的公司中，再使用随机原则选取263个样本数据。
利用选定样本检验的结果是对假设1的检验，经营现金流量与非正常报酬之间存在显著的相关性。同时假设2也行到了验证，即经营现金流量具有超过同期盈余数据的增值信息内容。对假设3分组检验的结果表明，盈余质量不同的公司现金流量信息含量也不同，而且当应计项目在盈余中所占比重高，现金流量的信息含量就会增加。在预测未来现金流量时，对假设4的检验再次发现了经验性证据，现金流量具有超过盈余数据更强的作用。不同样本证明了同一个假设。这就进一步增强了解释力度。
本次检验剔除了非正常公司和离异值数据，虽然这种处理减少了样本量，但是对经营活动现金流量与非正常报酬的相关性分析却提供了更合理的分析基础。假设1通过了显著性检验表明在正常公司样本中，经营活动现金流量具有信息含量，即投资者部分依据了现金流量的波动作出投资决策。假设2中将现金流量具有超过盈余的增量信息内容，从而使现金流量信息独立性凸现。假设3中进一步考察了应计项目在盈余中所占比重对现金流量信息含量的影响，实证结果较好地验证了假设3，从而使我们研究应计项目、盈余、现金流量和非正常报酬之间的关系入木三分。同时它也对证券市场有指导作用，当上市公司的应计项目比重较高时，我们必须更多的依靠现金流量表提供的现金流量信息进行股票购售决策。
四、st公司的现金流量信息功能分析
（一）对假设的检验结果
在本文的研究中，我们随机地选取了21家st公司进行上述四个假设的检验，其结果如下：st公司样本组的现金流量与非正常报酬之间没有相关性，说明投资者在对st公司作投资分析时，并没有考虑到公司现金流量信息。同时会计盈余与非正常报酬之间存在负相关，即股价随会计利润反方向变动，这突出地显示了st公司样本组股份操纵的严重程度。同时实证结果也符合中国股市曾流行的荒诞逻辑：亏损越严重，重组可能性就越大；重组可能性越大，公司的未来前景就越看好，公司股价就越高。这种现象造成了我国证券市场的功能性扭曲，导致宝贵的社会资源无效配置，这是我们发展证券市场亟待解决的一个问题。
尽管st公司样本组检验中没有发现经营现金流量的波动对本公司股份的显著影响，然而我们也不能据此说明现金流量信息分析对st样本组是一无用处的。在研究中，我们开创性地设计了st公司平均样本，并据以考察公司被st前各年利润和现金流量的变动情况。结果发现st公司中的现金流量对公司的财务失败具有明显的预警作用，从而有力地证明了现金流量的、分析对公司价值分析中的作用。由此，我们可以得出结论，随着投资者的素质逐渐提高，现金流量信息将越来越受到投资者的重视，现金流量变动对股价的影响或现金流量的信息含量将会与日俱增。
（二）现金流量信息的预警功能研究
本部分研究的目的是验证现金流量信息是否能够对公司财务失败提前预警，从而说明现金流量信息的实际有用性。这部分研究应当被理解为上述实证研究的必要补充。在研究中，本文首先构造了st公司时间序列，以公司被st年为基准，各时间点分别设定为“st-1”年，“st-2”年等；然后本文设计了“单位平均st公司”模型，即将资产总额平减后的st公司样本的净利润和经营现金流量按照各时间点进行平均计算。这样我们就可以把握我国st公司净利润和经营现金流量变动的总体特征的其中的规律性。
在样本选择中，本文剔除了离异值数据，同时考虑到资料的局限，最后选择了21个st公司作为研究样本。分析结果如下表所示。
从图1-1可知，在公司被st的年度前，已连续出现两年亏损，但从首次出现亏损前三年现金流量已开始出现显著的下滑，而此时净利润仍维持在原水平上。因此，现金流量具有较好的预警功能，我们甚至可以把现金流量的急剧下滑看作公司净利润急剧下滑以致可能出现负值的先兆，本文的研究认为，这种先兆至少会提前两年出现。
本文采用随机样本、选定样本和st公司样本的数据分别验证四个假设，经过统计分析得出的结论是：我国证券市场存在一定不规范因素，在这种市场中，随机样本和st公司样本无法验证本文的假设，而在剔除离异值、“资产重组股”、“概念股”等因素影响之后，选定样本公司的数据都能验证四个假设，说明现金流量具有超过盈余以外的信息含量的内容。另外，本文所做的st公司的现金流量预警研究，说明现金流量有较强的财务失败预警功能。因此，笔者建议在制定有关会计政策时，政策制定者应对现金流量信息足够的重视和关注，例如：对于当前财务分析指标体系、业绩评价指标体系应将现金流量信息提高到与盈余信息同样重要的地位。将现金流量作为另一个核心指标，以便能全面、真实地反映企业的盈余质量和财务状况。对于财务管理者、财务分析家及投资者也应当充分重视现金流量信息，以致管理和分析不失偏颇，确保全面了解企业的财务状况，避免投资失误。
五、本文研究的局限性和今后研究的方向
（一）研究局限性
1.数据库缺陷。目前我国证券市场经验研究尚缺乏统一的标准数据库。这就造成了两方面的不利后果，一是本文研究所需的数据资料从多种渠道加工而成，数据是否标准有待验证；而且笔者所选数据库中数据缺失现象较为严重，使本文在选择样本时遇到较大困难。
2.样本数量缺陷。由于我国证券市场起步较晚，使本文研究可选取样本数据数量较少，时间跨度较短，不可能像国外学者那样选取较长时期的大量样本来进行统计检验，因此研究结论可能存在误差。
3.模型设计。本文采用最为简单的单变量线性回归模型进行统计分析，国外文献证明了单变量线性回归模型在解释样本时具有一定的局限性。
4.变量定义。本文采用的经营现金流量某些年度的数据部分采用调整法完成，由于我国现金流量表会计准则颁布时间较晚，且上市公司财务数据披露的固有局限，我们无法运用调整法得到这部分经营现金流量的精确数据，从而给以后的模型分析中造成偏差。
（二）今后研究方向
市场预测的含义篇6
[关键词]盈余预测； 实证会计；资本市场；横截面数据
一、资本市场盈余预测实证会计概述
从财务会计发展历史来看，现代财务会计理论研究起始于20世纪以美国为主的西方国家，之后在全世界范围内蓬勃发展。其中可以将20世纪60年代看作是规范会计与实证会计的分界点，在此之前会计学者认为企业管理者受托责任的履行情况被认为是财务报告的主要目标。因此这一时期的会计研究大都探求最佳会计原则和会计实务有关，即会计原则和会计实务应该是什么样的，其使用的方法论基础主要是演绎主义。然而随着阿罗可能性定理的提出，会计界认为现实世界中最佳会计原则和会计实务不可能存在。在此情况下，决策有用观使得会计研究从对“真实收益”的探求转向了会计政策对利益相关者影响的检验上来，从而促进了会计的经验研究，逐渐形成了“实证会计”。
资本市场盈余预测研究最早可以追溯到Bail和Brown(1968)对会计盈余与股票价格之间关系的开创性研究。资本市场中的实证会计涵盖了许多主题，诸如盈余反应系数、分析师预测的性质、基本面分析和估值、市场有效性检验等。会计盈余影响企业利益相关者之间的信息流动，契约签订、执行与监督，以及他们之间的财富分配。从“信息观”视角看，会计盈余有助于传递“经济收益”的信号，从而改变利益相关者的“信念”；从“计价观”视角看，会计盈余有助于准确地计量企业每一项资产、负债和权益并得到企业的“真实收益”，或有助于对资产(股价)定价；而从“契约观”视角看，会计盈余为企业这一契约结合体的各种契约的签订与执行提供基础性数据，并成为企业契约的重要组成部分，以降低契约成本。
二、盈余预测实证研究动机
实证会计关注盈余预测至少包括四个方面的动机：第一，几乎所有的估值模型都直接或间接地应用到盈余预测。现金流折现估值模型经常使用调整的盈余预测来代替未来现金流。分析方法类似的剩余收益估价模型对扣除“正常的”盈余的预测盈余进行折现(ohlson，1997)。第二，将财务报表信息和证券收益联系起来的资本市场研究经常使用一个期望盈利模型来分析预期收益中的未预期盈余因素。在有效市场中，预期盈余和盈余宣告期间或研究期间的未来回报无关。任何减小对未预期盈余变量估计的预期盈余都作为噪音或者计量误差，并且减弱估计的回报与盈余之间的相关性，从而回报与盈余之间的相关性很大程度上依赖于研究者所使用的非预期盈余变量的准确性，进而产生了对盈余的时间序列特征或分析师预测的需求(watts，1986)。第三，有效市场假说在实证和理论上越来越多地受到质疑。基于实证会计的资本市场研究产生了与资本市场有效性明显不一致的证据。这类研究的一个普遍特性是证明股票回报率是可以预测的。并且其可预测性与盈余的时间序列特征或者分析师预测特征有关，从而产生了对于盈余的时间序列特征或分析师预测的需求。第四。实证会计理论研究假设有效的或者机会性的盈余管理试图解释管理者的会计程序选择。这类研究经常需要使用盈余的时间序列模型来计算“正常的”盈余。例如，检验盈余平滑假设需要检验平滑前和平滑后的盈余时间序列特征。此外，一般也认为上市公司管理层和分析师的预测是资本市场的一个信息来源，盈利预测信息会影响信息环境，并且会作用于股票价格均衡和波动性。
三、盈利预测的时间序列特征
(一)年度盈余的随机游走
很多证据表明。随机游走或带漂移的随机游走是年度盈余特征的合理描述。Baliandwatts(1972)第一次对该问题进行了系统性研究，他们的结果表明年度盈余随机游走的时间序列特征是成立的。接下来的研究通过检验随机游走模型相对于Box-Jenkins模型的预测能力进一步证实了他们的结论(albrecht，1977)。年度盈余的随机游走特征让人疑惑。与股票价格的随机游走特征是对有效资本市场假说预测不同的是，经济理论并不能预测盈余的随机游走特征。会计盈余并不像股票价格那样是期望现金流的资本化。因此假设年度盈余服从随机游走是没有经济理论基础的(watts，1986)。
(二)年度盈余的均值反转
从Brooks(1976)开始，一些研究为年度盈余的均值反转提供了证据。但是将样本内估计的时间序列参数作为均值反转证据并不是那么简单。虽然有均值反转的证据，但其预测能力并不一定比参照样本估计的随机游走模型好很多(Fama，1972)。预期盈余的均值反转有几个经济和统计上的原因。第一，产品市场的竞争性意味着超过正常水平的盈利不能持续很久(Fama，2000)。第二，会计稳健性和诉讼风险促使管理层更容易确认坏消息。因此，上市公司经常确认预计亏损。对亏损的确认使得亏损持续性比盈利更差，从而在盈余中引入了负的一阶自相关(Basu，1997)。第三，如果预期不能恢复盈利，那么发生亏损的公司有选择清算的权利(Collins，1999)。这意味着生存下来的公司差的绩效预期会反转。因此，清算权利和生存偏差都意味着盈余的时间序列会出现反转。最后，暂时性特殊项目和亏损的影响范围越来越大，这意味着盈余变化是可以预测的。暂时性项目的增加，部分原因可能是由于会计准则规定对某些资产和负债以市值计价。转贴于
(三)季度盈余的自回归综合移动平均
对季度盈余的时间序列日益重视的原因至少有三个方面。第一，很多行业的季度盈余具有季节性，因为上市公司本身的主营业务具有季节性特征。第二，季度盈余在时间上更加及时，所以用季度盈余预测作为市场的期望比陈旧的年度盈余预测似乎更加准确。第三，季度盈余的观测数是年度盈余观测数的四倍。从集合过程中信息损失的角度来看，季度盈余时间序列有可能产生比基于年度盈余预测更精确的年度盈余预测(Hopwood，1982)。也就是说，为达到同等程度精确的预测，对季度盈余数据可得性的要求比年度盈余数据低。这使得研究者可以减少生存误差，使用更大的样本公司。对季度盈余具有很好描述性的Box-Jenkins自回归综合移动平均模型已经得到了充分的发展。对模型进行比较研究发现。BrownandRozeff(1979)模型至少在进行短期预测时优于其他模型。目前，对季度盈余时间序列模型的使用主要集中在盈余宣告后漂移的市场有效性上。
四、管理层与分析师预测
实证会计中，管理层预测有很多形式，包括盈利预警、业绩预报以及管理层盈利预测。盈利预警和业绩预报在盈余公布之前，主要传达坏消息。管理层盈余预测一般紧跟盈余公告，但是并不一定向市场传达坏消息。因为管理层预测是自愿的，所以预测是有经济动机的。这些动机主要包括：一是诉讼威胁影响管理层自愿性预测和预测坏消息的决定(Kaszink，1995)。二是管理层关注信息披露私有成本的效果。这些私有成本取决于管理层预测的本质(Bamber。1998)。三是管理层预测的时机与公司股票内部交易。早期对管理层预测进行的研究发现管理层预测具有信息含量。具体来说，管理层预测与回报变动性增加显著相关(waymire，1984)。对管理层自愿预测的一个假设是，通过管理层预测，使投资者的期望与管理层拥有的优势信息一致。这个期望调整假设意味着管理层预测优于预测时市场对盈余的期望。虽然早期和近期的研究得出的结论有些差异，总体仍然表明管理层预测具有信息含量，并且信息含量与管理层预测质量决定因素的数量呈正相关关系。
与管理层盈余预测相比，分析师预测的理论和实证文献较多。分析师预测的研究大致可以分为两类。第一类检验一致的分析师预测特征。一致的预测指分析师对单个公司预测的平均值或中位数。这类研究中的一个例子是“分析师预测是否过度乐观?”。第二类研究集中于单个分析师预测的横截面或跨时期的特征。进行这类问题研究的文章有“什么是单个分析师预测的决定因素?”和“分析师技巧是否影响其预测的准确性”等。按照watts(2007)的总结，分析师预测主要涉及到分析师预测与时间序列预测的比较，分析师预测的乐观性，分析师预测的估计误差，分析师预测偏差的相应证据，长窗口预测偏差，预测偏差的经济决定因素，个人分析师预测的特征，不同的预测准确性及其决定因素，分析师预测的有效性，不同类型分析师预测准确性的差别等项目。
五、盈利预测主要方法
(一)横截面估计
Fama(2000)在盈余预测中引入横截面估计，以揭示盈余的时间序列特征。他们认为时间序列估计没有解释力，因为大部分公司年度盈余的时间序列观测数只有几个。另外，使用长时间序列容易产生生存误差，从而意味着在正的变化后有正的盈余变化的观测比期望的多。这抵销了原本盈余变化负的时间序列相关性。生存误差与低的解释力对时间序列估计的影响支持年度盈余的随机游走结论。在横截面估计中，年度盈余对其上一期的观测值进行回归，对每一年的观测都进行一次估计，再以横截面回归年度参数估计的时间序列为基础得出推论。
(二)条件横截面预测
条件预测是使用盈余自相关系数的一个或多个决定因素得到的。例如，Brooks(1976)着重关注盈余变化的极端值，Basu(1997)检验了负的盈余变化，并确认了行业进入壁垒、公司规模、产品类型和公司的资本密集度等经济决定因素。有的学者在价格比过去的盈余时间序列具有更丰富的信息含量的假定下。以价格为基础的预测被用来改善时间序列预测(Beaver，1980)。尽管价格反映了比过去盈余的时间序列更丰富的信息，但是研究发现很难使用公司层面的价格信息作出经济学意义上的显著改善。因此这类研究对盈利预测的影响很小。价格在改善盈余预测或市场期望上的优势主要体现在长周期情况下，这恰恰因为价格可以预测未来几个时期的盈余信息。
市场预测的含义篇7
一、财务困境预测模型研究的基本问题
财务困境(Financialdistress)又称“财务危机”(Financialcrisis)，最严重的财务困境是“企业破产”(Bankruptcy)。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”(Defaultrisk)。事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。因此，企业的财务困境不但具有先兆，而且是可预测的。正确地预测企业财务困境，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。纵观财务困境判定和预测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择。
(一)财务困境的定义
关于财务困境的定义，有不同的观点。Carmiehael(1972)认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。Ross等人(1999；2000)则认为可从四个方面定义企业的财务困境：第一，企业失败，即企业清算后仍无力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即企业的账面净资产出现负数，资不抵债。从防范财务困境的角度看，“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。
在Beaver(1966)的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。altman(1968)定义的财务困境是“进入法定破产的企业”。Deakin(1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。
(二)预测变量的选择
财务困境预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。
1．财务指标信息类模型。ahman(1968)等学者(ahman，Haldeman和narayanan，1980；platt和platt，1991)使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务困境预测。
尽管财务指标广泛且有效地应用于财务困境预测模型，但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧。Harmer(1983)指出被选财务指标的相对独立性能提高模型的预测能力。Boritz(1991)区分出65个之多的财务指标作为预测变量。但是，自Z模型(1968)和Zeta模型(1977)发明后，还未出现更好的使用财务指标于预测财务困境的模型。
2．现金流量信息类模型。现金流量类信息的财务困境预测模型基于一个理财学的基本原理：公司的价值应等于预期的现金流量的净现值。如果公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。
在Gentry，newbold和whitford(1985a；1985b)研究的基础上，aziz、emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。aziz、emanuel和Lawson(1989)比较了Z模型、Zeta模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。
3．市场收益率信息类模型。Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。altman和Brenner(1981)的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark和weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。
aharony，Jones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。
(三)计量方法的选择
财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。
此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。
(四)我国对企业财务困境预测的研究
在国内的研究中，吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家St公司和27家非St公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在St发生的前3年能较好地预测St。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。
二、本文的样本和研究方法
本文与以前我国上市公司财务困境的研究有所不同。第一，样本新、时间长、容量大。本文研究的St样本包括1998—2000年发生St的公司，即a股市场上全部的St公司，同时剔除了非正常的St公司；此外，样本数据的收集时间延至公司发生St前5年，样本时间跨度较长。选入研究的St样本公司70家和相对应的非St样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和预测误差。第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境预测中的效率。
(一)财务困境公司的样本选定
本文从我国a股市场上3年中出现的82家St公司中界定出70家公司作为财务困境公司，进行财务困境预测研究。它们是：(1)连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；(3)因注册会计师意见而特别处理的，共3家。但排除了：(1)上市两年内就进入特别处理的公司，共8家。排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司，共2家。排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；(3)因自然灾害、重大事故等进行特别处理的，共2家，原因同(2)。
(二)研究程序和计量方法
本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标，这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模。在此基础上，使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析，探讨对企业陷入财务困境影响显著的变量。其后，应用单变量分析，选择4个财务指标为例估计单变量判定模型。最后，筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标，应用线性概率模型、Fisher二类线性判定模型、Logistic模型三种计量方法，建立和估计财务困境的预测模型，并比较这三种模型的预测效果。
三、实证研究
(一)剖面分析
首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前1至5年的平均值和标准差等描述性统计量，比较这二组在21个财务指标各年的平均值是否具有显著差异，其次计算各年的Z统计检验量，结果如表1所示。剖面分析结果表明：(1)在St发生的前1和2年，财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；(2)Z值随着St发生时间的临近而显著增大，即二组的财务指标平均值的差异随St发生时间的临近而扩大。由此可见，在所选的21个财务指标中，除利息保障倍数、存货周转率、Log(总资产)和idg(净资产)外，其余17个在财务困境发生前1至2年中具有显著的预测能力。
表121个财务指标Z统计量的计算结果*
(二)单变量判定分析
本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标，应用单变量判定分析分别建立4个单变量预测模型，通过确定模型的最佳判定点，可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境。估计模型的结果如表2至表5所示。
表2净资产报酬率在财务困境前1-5年的判定模型
由表2至表5可见：(1)从各个单变量判定模型的判定效果来看，净资产报酬率的判定模型误差最小；营运资本／总资产的判定模型和负债比率的判定模型误差次之，资产周转率的判定模型误差最大。(2)财务指标作为预测变量具有信息含量和时效性，其信息含量随着时间的推移而递减，即指标值离财务困境发生的时间愈短，信息含量愈多，预测的准确性愈高，反之信息含量愈少，预测准确性愈低。(3)结合剖面分析，在两组均值的差异性检验中非常显著的财务指标，在单变量判定分析中的误判率却较高。例如，财务困境公司与非财务困境公司两组的负债比率在财务困境前1年的Z统计量为7．0696，差异性非常显著，但在单变量判定分析中误判比率却高达24．46％。以上结果表明，应用不同研究方法分析同一个指标所得结果不同。我们认为，这是因为在剖面分析的z检验中，误判率不仅与两组的均值有关，而且与两组的样本分布的状况有关。因此，应用不同判定分析方法构建的单指标判定模型，结论往往相互冲突。
表3负债比率在财务困境前1-5年的判定模型
表5资产周转率在财务困境前1-5年的判定模型
(三)多元线性判定模型的变量选择分析
本研究首先应用Lpm，采用逐步回归选择变量方法，对5年的样本数据依次进行回归，从21个变量中选择若干变量。选择的标准是：F值的概率值小于0．10时进入，大于0．11时剔除。
利用财务困境前1至5年的数据，分别进行逐步回归，结果如表6所示。我们最终选取了Xl(盈利增长指数)、X3(资产报酬率)、X7(流动比率)、X11(长期负债与股东权益比率)、X12(营运资本与总资产比)、X19(资产周转率)等6个指标作为多元判定分析的变量。选取这些指标的原因是：(1)以财务困境前1年的逐步回归结果为主，参考其他年份的回归结果。由剖面分析可知，财务困境前1年的财务指标作为财务困境预测的信息含量最多，时效性最强；离财务困境发生的时间越远，指标的信息含量越少，时效性越差。所以，财务困境前1年逐步回归所得的变量全部入选。结合其他年份特别是财务困境前2年的结果，营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量。(2)兼顾全面综合的信息反映，适当避免同类信息的重复反映。首先，财务困境前1年逐步回归所得的变量盈利增长指数、资产报酬率、长期负债股东权益比率、资产周转率分别是反映企业成长能力、盈利能力、长期偿债能力、营运能力的指标，但没有反映短期偿债能力的指标。营运资本与总资产比是财务困境前2年逐步回归所得的变量之一，而且参数估计值的显著性水平在0．05之上，故也把该变量作为预测变量之一。其次，速动比率是反映短期偿债能力的指标，但更能全面反映短期偿债能力是流动比率，结合剖面分析，历年两组间的流动比率和速动比率均值差异性检验统计量Z值比较接近，表明这二个指标都能反映的两组的差异性。因此，从反映短期偿债能力的全面性来考虑，我们在建模时选择了流动比率，舍弃了速动比率。再次，考虑到若企业短期偿债能力较强，会减少其在短期内陷入财务困境的概率，因此把短期偿债能力的两个指标——营运资本与总资产比和流动比率同时引入预测变量组合，加强短期偿债能力信息在预测中的比重。第四，负债比率与长期负债股东权益比同是反映企业长期偿债能力的指标，长期负债股东权益比已在财务困境前1年引入了变量组合，为避免信息的重复反映，舍弃了负债比率。最后，应收账款周转率与总资产周转率同是反映营运能力的指标，但应收账款周转率不及总资产周转率反映全面，所以反映营运能力的指标选用总资产周转率，舍弃应收账款周转率。
表6各年逐步回归的所得的变量结果
(二)单变量判定分析
本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标，应用单变量判定分析分别建立4个单变量预测模型，通过确定模型的最佳判定点，可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境。估计模型的结果如表2至表5所示。
表2净资产报酬率在财务困境前1-5年的判定模型
由表2至表5可见：(1)从各个单变量判定模型的判定效果来看，净资产报酬率的判定模型误差最小；营运资本／总资产的判定模型和负债比率的判定模型误差次之，资产周转率的判定模型误差最大。(2)财务指标作为预测变量具有信息含量和时效性，其信息含量随着时间的推移而递减，即指标值离财务困境发生的时间愈短，信息含量愈多，预测的准确性愈高，反之信息含量愈少，预测准确性愈低。(3)结合剖面分析，在两组均值的差异性检验中非常显著的财务指标，在单变量判定分析中的误判率却较高。例如，财务困境公司与非财务困境公司两组的负债比率在财务困境前1年的Z统计量为7．0696，差异性非常显著，但在单变量判定分析中误判比率却高达24．46％。以上结果表明，应用不同研究方法分析同一个指标所得结果不同。我们认为，这是因为在剖面分析的z检验中，误判率不仅与两组的均值有关，而且与两组的样本分布的状况有关。因此，应用不同判定分析方法构建的单指标判定模型，结论往往相互冲突。
表3负债比率在财务困境前1-5年的判定模型
表5资产周转率在财务困境前1-5年的判定模型
(三)多元线性判定模型的变量选择分析
本研究首先应用Lpm，采用逐步回归选择变量方法，对5年的样本数据依次进行回归，从21个变量中选择若干变量。选择的标准是：F值的概率值小于0．10时进入，大于0．11时剔除。
利用财务困境前1至5年的数据，分别进行逐步回归，结果如表6所示。我们最终选取了Xl(盈利增长指数)、X3(资产报酬率)、X7(流动比率)、X11(长期负债与股东权益比率)、X12(营运资本与总资产比)、X19(资产周转率)等6个指标作为多元判定分析的变量。选取这些指标的原因是：(1)以财务困境前1年的逐步回归结果为主，参考其他年份的回归结果。由剖面分析可知，财务困境前1年的财务指标作为财务困境预测的信息含量最多，时效性最强；离财务困境发生的时间越远，指标的信息含量越少，时效性越差。所以，财务困境前1年逐步回归所得的变量全部入选。结合其他年份特别是财务困境前2年的结果，营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量。(2)兼顾全面综合的信息反映，适当避免同类信息的重复反映。首先，财务困境前1年逐步回归所得的变量盈利增长指数、资产报酬率、长期负债股东权益比率、资产周转率分别是反映企业成长能力、盈利能力、长期偿债能力、营运能力的指标，但没有反映短期偿债能力的指标。营运资本与总资产比是财务困境前2年逐步回归所得的变量之一，而且参数估计值的显著性水平在0．05之上，故也把该变量作为预测变量之一。其次，速动比率是反映短期偿债能力的指标，但更能全面反映短期偿债能力是流动比率，结合剖面分析，历年两组间的流动比率和速动比率均值差异性检验统计量Z值比较接近，表明这二个指标都能反映的两组的差异性。因此，从反映短期偿债能力的全面性来考虑，我们在建模时选择了流动比率，舍弃了速动比率。再次，考虑到若企业短期偿债能力较强，会减少其在短期内陷入财务困境的概率，因此把短期偿债能力的两个指标——营运资本与总资产比和流动比率同时引入预测变量组合，加强短期偿债能力信息在预测中的比重。第四，负债比率与长期负债股东权益比同是反映企业长期偿债能力的指标，长期负债股东权益比已在财务困境前1年引入了变量组合，为避免信息的重复反映，舍弃了负债比率。最后，应收账款周转率与总资产周转率同是反映营运能力的指标，但应收账款周转率不及总资产周转率反映全面，所以反映营运能力的指标选用总资产周转率，舍弃应收账款周转率。
表6各年逐步回归的所得的变量结果
为了避免多重共线性，对选定的6个变量进行多重共线性检验。本文使用的检验指标是容许度(toL)和方差膨胀因子(ViF)。计算公式为：
toLj=1—R2j=1／ViFj
其中，群为均对其余k—1个自变量回归中的判定系数R2。当toL较小时，认为存在多重共线性。一般地，方差膨胀因子ViF大于10，认为具有高的多重共线性。ViF检验的结果见表7。从表7可知，6个变量的ViF均小于10，可认为各变量之间不存在显著的多重共线性。
表7多重共线性检验
(四)多元线性判定模型的估计结果
1．Lpm模型。根据上述选定的6个变量及其财务困境前1年的样本数据，得到Lpm模型的回归结果如表8所示。Lpm模型的方程可表示为：
Y=0．3883+0．1065x1-2．7733x3+0．0537x7+0．1970x11-0．3687Xl2-0.1388x19
其中：Y是陷入财务困境的概率；X1是盈利增长指数；x3是资产报酬率；x7是流动比率；X11，是长期负债股东权益比率；x12是营运资本／总资产；X19是资产周转率。
市场预测的含义篇8
[关键词]景气指数；熵值法；波动分析
中图分类号：F542文献标识码：a文章编号：1009-914X（2016）15-0283-01
1引言
监测和预警是景气指数最重要的作用，景气指数在很多领域有运用。ZhangZhaoyu等提出的基于webGiS和景气指数的经济预警系统能够达到经济预警的效果[1]，同时ZhangSu-fang等也提出了景气指数在电力消费市场的应用[2]。景气指数在交通领域也有所运用。关于公路景气指数，施其洲等提出衡量某一种运输方式的发展水平一般用其自身的纵向景气度指标，并论述了景气指标的涵义和具体的计算方法[3]。chen.J曾提出关于在航运市场使用基于景气指数的预警系统[4]；陈宇探究了航空经济景气监测警告体系[5]。关于铁路的景气指数，张国华等最早提出探索铁路运输市场的周期波动，将扩散指数和合成指数运用到货运市场。但是关于铁路客运市场的景气指数的探究较少。
2景气指数系统构建理论
景气指数包括扩散指数和合成指数。扩散指数由一系列重要的统计指标综合而成可以用来反映市场运行的方向、波动的扩散过程。使用X-11法用eviews软件进行季节调整，调整后的数据变化相对平滑，由定义得到扩散指数的计算公式：
用当前的季度数据和前面季度数据比较，如果上一季度数值比当前季度有所增加记“+”；基本没有变化记“0.5+”；减少记“-”，指标里面的“+”的比例是扩散指数。
合成指数是把不一样数量级的指标转变为无量纲的比例数字，再经过标准化处理，计算以各自的变化幅度为权数得到的加权综合平均数[6]。合成、扩散指数作用互补，所以通常使用相同指标。
合成指数弥补了扩散指数仅描述市场是否发生波动而没有表现波动程度的不足。根据计算得到的合成指数，可以画出图形，从图中看出运输市场运转情况和未来的进步空间。
3铁路客运市场景气指数系统
选取熵值法计算指标的权重，使用matlab编程，发送量、周转量、分担率列车坐席指数、运价指数、客运收入、平均上座率、平均正点率的权重为0.1251219、0.1250684、0.1249561、0.1249370、0.124965、0.125033、0.1249786、0.1249384。
把所有指标进行季节调整后，得到的结果用eviews软件绘制扩散、合成指数走势图，如图1所示：
图（a）中看出只有2012Q1和2013Q2的扩散指数是小于50%的，说明只有这两个季度存在一半以上的运输行为处于下降阶段。由于2011Q4和2013Q1这两个季度的扩散指数大于50%，说明上涨的影响因素是慢慢减少的，市场从繁荣阶段进入萧条阶段。从图1中可以看出，2011Q3、2012Q4、2014Q1、2014Q4分别是成都铁路客运市场的景气转折点。
观察图（b），2013Q2到2014Q1旅客运输市场波动不是很明显。合成指数的循环服从“谷-谷”变化规律。依照此规律，把2011Q1-2014Q4划分为3个景气周期，分别是2011Q1-2012Q1、2012Q2-2013Q3、2013Q4-2014Q4。第1个周期包含5个季度，上升的是1个季度，下降的是3个季度，下降的阶段比上升的阶段略长，最根本的原因是来自铁路旅客运输市场以外的影响显。第2个周期包含6个季度，上升的阶段是3个季度，下降的阶段是2个季度，此次增加的原因是成都市GDp连续上升。第3个周期包含4个下降和1个上涨的阶段，合成指数的变动较平滑。合成指数扩张的原因是成都推出了很多促进经济增长的政策和文件。初步判断该市场的波动周期是按照5个季度和6个季度循环的。合成指数走势图变化平缓，旅客运输的变化与经济内部的推进有着密不可分的关系。合成指数的中位数是101.9834，展现了合成指数整体变化是平稳没有骤变的。
4结论
客运市场的景气扩散指数和合成指数打破了从单一指标反映运输市场的常规，通过8个综合化的指标，客观反映出铁路客运市场的运行状况。所得结论符合铁路客运市场的发展，能够正确反映旅客市场的变化规律。客运市场的景气指数不仅实现动态监测，还能够预测后期的市场波动，根据其变化周期规律预测2015Q1的合成指数相对2014Q4季度有小幅度的下降，为决策分析提供依据。
参考文献
[1]Zhaoyu？Z，？Yuan？R，？ni？Z.？Study？on？economic？early？warning？system？based？on？web？GiS？and？prosperity？index[C]//Business？management？and？electronic？information？（Bmei），？2011？international？Conference？on.？ieee，？Guangzhou：2011，？4：？602-605.
[2]ZhangSF，BenJ.methodsoffilteringprosperityindicesandapplicationintheanalysisoftheprosperityofelectricpowerconsumptionmarket[C]//managementScienceandengineering，2009.iCmSe2009.internationalConferenceon.ieee，moscow：2009：812-816.
[3]ozyildirima，SchaitkinB，ZarnowitzV.Businesscyclesintheeuroareadefinedwithcoincidenteconomicindicatorsandpredictedwithleadingeconomicindicators[J].JournalofForecasting，2010，29（1-2）：6-28.
[4]Chen.J，Lu.LJ，Lu.J，Luo.YH.anearly-warningSystemforShippingmarketCrisisUsingClimateindex[J].JournalofCoastalResearch，2015（73）：620-627.
市场预测的含义篇9
关键词：央行微观调查数据；不良贷款率；miDaS模型；预测；预测指标
文献标识码：a文章编号：1002-2848-2017（03）-0001-11
一、引言
近年来，我国商业银行的不良贷款率持续攀升，信用风险在商业银行体系内不断积累。研究并建立适合于我国发展现状的不良贷款率预测指标体系，有助于及早提供信用风险预警并制定相应对策，对保证我国银行业健康发展、维持金融业稳定具有重要作用，对提升企业与居民对中国经济的信心、助力中国经济走出“L”形周期也具有重要意义。
国外有不少学者对不良贷款率的预测指标进行了一定的研究。messai等人根据意大利、希腊与西班牙三国在2004-2008年间的经济发展面板数据，研究了不良贷款率的解释因素，发现三国的不良贷款率与GDp增长率、失业率、实际利率有较大关系。Beck等人基于全球75个国家过去10年的宏观经济数据，研究了不良贷款率与宏观经济因素的关系，发现实际GDp增长、股票价格、汇率等宏观经济指标能够显著影响贷款的质量。Farhan等人研究了巴基斯坦银行业不良贷款率问题，结果表明巴基斯坦银行业的不良贷款率可以被GDp、失业率、利率、能源危机、通胀、汇率等指标所解释。makfi等则研究了欧洲银行业在2000-2008年间的银行业不良贷款率决定因素，发现GDp、失业率、公共债务等宏观指标的解释力明显。
国内学者相比之下对这一问题的研究较少，谭劲松等研究了国内某国有商业银行在1988-2005年间的全部剥离不良资产数据后发现：政府干预是银行不良贷款产生的主要原因。刘妍选取房地产行业作为研究对象，构建不良贷款率模型以分析不良贷款率的影响因素。结果显示不良贷款率同GDp、房屋销售面积等指标呈负相关，与地产投资额、Cpi等指标呈正相关。谢冰基于2004-2009年的经济数据，运用相关分析、共线性诊断、主成分回归分析等方法建立模型，实证发现社会消费品零售总额、进出口总额对降低商业银行不良贷款的贡献度最大，宏观经济因素对降低不良贷款有正向促进作用。韩笑等则基于VaR模型，就我国宏观经济对商业银行不良贷款影响进行了实证分析，发现不良贷款率与货币供应量、社会消费品零售总额存在负相关关系，与总贷款额存在正相关关系，而国内生产总值与财政支出的影响结果长短期不一致。
然而，现有国内外研究的共同不足之处在于：①研究时期大多在2008年金融危机之前。由于危机后我国的经济结构、金融监管及银行业经营模式都发生了很大变化，基于危机前样本的研究结论对当前的指导意义有待商榷。②研究指标大多直接选取宏观经济发展数据，如GDp、m2、Cpi、失业率等，缺乏对微观层面数据的适用性探究。③大多采用面板回归、VaR等传统同频计量工具展开研究，缺乏对混频样本指标信息的深度挖掘。
近年来，中国人民银行通过大范围问卷调查，每季度公布一系列微观经济金融指数，涵盖了居民收入与消费、企业经营与贷款、银行放贷审批与信心等多个领域，其相比于传统宏观经济指标，是否更加适合于不良贷款率的预测？又有哪些指标的适应性最高？本文对这一系列问题展开了深入的研究。
本文的创新主要在于：①首次对中国人民银行微观调查数据预测不良贷款率的可行性及适用性进行研究，这在国内外文献中尚无先例；②使用2008年金融危机后至今的样本进行研究，研究结论对当前时期也具有指导意义；③就微观指标在预测不良贷款率问题中的优势进行了理论猜测；④使用较为新颖的miDaS模型展开研究。miDaS模型能够处理混频指标数据，适用于我国不同频度的各项宏微观指标并存的特征，同时现有研究亦表明其更加适合研究经济金融领域的预测问题；⑤在验证央行微观指标是否优于传统宏观指标之外，也对实证结果进行了详细的经济含义分析。
研究发现：央行微观指标在样本外预测误差等多个方面均优于传统的宏观指标，同时人民币名义有效汇率指数、基金及理财投资意愿比例、房价过高难以接受比例等指标尤其适合作为预测指标。本文的结论是：相比于现有宏观经济指标，央行的微观调查数据更加适合作为不良贷款率的预测指标。
二、理论分析与研究数据来源
（一）理论分析
预测指标从规模及性质角度出发，大体可以分为宏观指标与微观指标两类。宏观指标主要描述一国的宏观经济运行情况，如GDp、m2、进出口额等，而微观指标则着重描述某一类经济主体的当前行为与未来预期，一般通过抽样调查的方式获取相应数据。国内外现有关于不良贷款率预测的相关研究，大多仅使用宏观指标。然而本文认为微观指标至少在以下两个方面优于宏观指标：
（1）指标关联性。在过去我国金融体系发展初期，居民与企业一般以储蓄的形式将多余资金存入商业银行，生产及消费融资基本也只能依靠银行贷款。然而近年来，随着我国金融体系的不断深化，互联网金融、普惠金融、消费金融以及股票、债券、资产证券化市场持续发展，居民消费与企业生产的融资渠道不断开拓，GDp中包含了更多其它融资渠道的贡献，因而GDp是否依然能在较大程度上与商业银行的贷款融资相关联值得商榷。同时，“货币迷失”的F象不断出现也使得m2的调控力度渐渐削弱，有时甚至与央行的调控目的背道而驰，因此，m2与经济发展、不良贷款的直接关系是否依然密切，亦值得研究。
理论上来说，选择的预测指标应当是能够影响被预测指标的重要因素，或是这些重要影响因素的变量，从而提高预测的精度。我国商业银行的不良贷款率虽然是一个宏观指标，但其在微观层面却是由借款者行为及银行家决策共同决定。相比于使用最直接的微观指标，宏观指标往往因涵盖了大量与不良贷款率关联性较弱的冗余信息，难免会导致预测效果不佳。
（2）信息不对称与微观信息价值。企业主对于未来经济形势的判断、自身经营情况的预期，往往来自经营过程中获取的第一手资料，能够反映未来市场发展与整体经济形势的最可能趋势；居民在当期的收入、物价水平以及对未来预期，决定了当期与未来的消费、储蓄与投资行为；商业银行作为贷款的发放主体，尽管在信息不对称的博弈中处于劣势地位，但依然可以根据长期放贷活动积累下的大量经验，结合当前的贷款热度与同业竞争情况，对未来经营形势进行合理预测。因此，微观指标往往涵盖了一些宏观指标不易察觉的信息，具有独特的微观价值。
综上我们认为：就预测我国商业银行不良贷款率的问题而言，使用恰当的微观指标，预测结果可能会优于传统的宏观指标。
（二）研究数据来源
近年来，为了更好地把握我国经济发展脉络，中国人民银行面向国内企业家、城镇储户、银行家等经济金融主体，从宏观经济、生产消费、资金供求等多角度出发，推出了一系列问卷调查，并编制成表在其官网上公开。其中，与本文研究关联程度较大的主要有企业家问卷调查、城镇储户问卷调查及银行家问卷调查3类。
企业家问卷调查的对象为全国范围内的5000多户工业企业，调查内容主要包括企业总体生产状况、生产要素状况、市场需求状况等7个方面，从微观层面很好地反映了不同企业主体在生产、销售过程中的负担情况；城镇储户问卷调查，由央行每季度在全国50个调查城市展开，选择共20000名储户作为调查对象。调查内容包括储户对经济运行的总体判断、储蓄及负债情况、消费情况、储户基本情况等四个方面，一定程度上较为客观地反映了居民个体在不同经济状况下的金融行为；银行家问卷调查，则对我国境内地市级以上的各类银行机构采取全面调查，对农村信用合作社采用分层ppS抽样调查，全国共调查各类银行机构3100家左右。调查对象为全国各类银行机构的总部负责人及其一级、二级分支机构的行长或主管信贷业务的副行长。调查具有较高的权威性与覆盖面，所含信息价值较大。
相比于其他基于微观层面的问卷调查，央行的上述三类问卷调查具有调查主体的权威性、调查方法的科学性以及调查对象的广泛性，研究价值较大。同时，央行统计调查司也根据相应的原始调查数据，归纳总结成指数形式，方便查阅与使用。因此，本文选择央行上述三类问卷调查结果中的各类微观指数展开研究。
三、实证研究
（一）研究数据处理
本文旨在研究央行的微观调查数据能否作为我国商业银行不良贷款率的预测指标，因此目标预测变量选择中国银行业监督管理委员会每季度定期公布的全国商业银行不良贷款率指标。同时，搜集了央行调查统计司编纂的各季度银行家问卷调查报告、企业家问卷调查报告及城镇储户问卷调查报告，从中分别提取相应的微观指标，并剔除诸如银行竞争力指数、实业投资意愿比例等含缺失值较多的指标。此外，参照刘妍等人的做法，我们引入GDp、m2、Cpi等现有文献中常用宏观指标作为对比，宏观指标除GDp与金融机构人民币贷款加权平均利率为季度数据外，其余均为月度数据。上述指标均来自wind数据库。最后，对于少数存在缺失值的指标，采用移动平均法进行填补。最终选择宏观指标包括GDp、m2、Cpi等9个，央行微观调查数据指标41个，共计50个宏微观预测指标。
本文选择2009年第一季度至2016第二季度作为研究的时间区间，基于miDaS（mixedDataSam-pling）模型展开研究。miDaS模型由Ghysels等人提出，最初用于金融市场的波动预测。此后，随着其对混频数据的较好利用以及展现出较高的预测精度，逐渐被用于宏观经济金融预测领域。我国学者郑挺国等人，利用miDaS模型研究了我国经济增长等一系列预测问题，取得了不错的效果，且发现该模型优于现有的各类H能处理同频数据的预测模型。
（二）miDaS（m，K，h）模型的初步分析
我们首先研究各单一指标的预测效果。在预测问题中，现有研究一般将整体数据集划分为模型内拟合样本与模型外检验样本，前者用以构建模型并拟合模型参数，后者用于检验模型在未知样本上的预测精度。本文选择2009年第一季度一2015年第一季度样本作为模型内拟合样本，2015年第二季度一2016年第二季度样本为模型外检验样本。在参数选取方面。由于样本数量不多，我们选择高频数据的最大滞后阶数K=8。在实际的预测问题中，一般向前预测的步数越小，即预测期与当期越近，预测精度越高，同时考虑到在下一季不良贷款率公布前，本文所选用的各项宏微观指标均可在当季之后不久得到，故本文选择向前预测步长h=1。同时，由于各指标频度仅分为季度与月度两种，故取m=3。
图1与图2分别展示了本文选取的50个宏微观指标，在不同最大滞后阶数下的样本内拟合R方与样本外预测误差（标准差）。从中明显看出，诸多指标根据反映建模阶段拟合程度的R方与样本外预测误差的变化趋势不同，大体可以分为3类：第一类是诸如GDp、m2、企业经营景气指数等指标，其拟合R方与样本外预测误差在不同滞后阶数下基本保持相同的趋势，较为稳健；第二类是诸如当期收入感受指数、更多投资意愿比例指数等指标，其拟合R方与样本外预测误差在不同滞后阶数下呈现背离的趋势，表明可能随着滞后阶数的提高，该指标在模型中存在过度拟合的现象；第三类是诸如企业家宏观经济热度指数、出口订单指数等指标，在较低的滞后阶数下呈现出第一类指标的特征，而在滞后阶数逐渐上升时又表现出第二类指标的特征，表明这类指标比较敏感于滞后阶数的选取。
对预测模型而言，其样本外预测精度往往比样本内拟合R方更具意义。我们进一步分析相比于各宏观指标，央行的微观指标是否具有更好的预测能力？
首先将宏观指标的预测结果与央行微观指标的预测结果分成两个子集，接着分别计算在两个子集中，各单一指标在所有滞后阶数下的平均样本外预测误差与最优样本外预测误差，之后分别根据两种（平均与最优）样本外预测误差的结果，对各属性进行升序排序（误差越小，排序越前），构成“平均指标误差上升序列”与“最优指标误差上升序列”两个序列。显然，两个序列均具有非递减的特征，且在序列中排名越靠前的指标，其样本外预测性能越优。同时，我们亦对两类指标序列的累积平均误差情况进行了测算。以计算“累积平均指标误差上升序列”为例，设在含有n个指标的平均指标误差上升序列中，各位置指标的样本外预测误差记为ei（i∈{1，2，…，n}）。则在累积平均指标误差上升序列Q中，第i位的累积平均指标误差值Qi=∑ei/i，同理可根据最优指标误差上升序列计算出累积平均最优指标误差上升序列。平均指标误差上升序列与最优指标误差上升序列，分别度量了该类中各单一指标在不同滞后阶数下，预测结果的平均精度与最优精度；而累积平均指标误差上升序列与累积平均最优指标误差上升序列，则反映了该类中各指标累积平均的预测精度与最优精度。
图3反映了传统宏观指标体系与央行微观指标体系下的8个序列测算结果。其中，反映传统宏观指标预测误差的4类曲线，明显位于根据央行微观指标预测结果对应曲线的上方，表明仅基于传统宏观指标构筑的不良贷款率预测模型，弱于仅基于央行微观指标构筑的预测模型，且前者的最优单一指标预测结果误差，比后者高约0.2左右，相对较大。同时，就累积平均最优结果而言，央行微观指标的累积平均指标误差上升序列与累积平均最优指标误差上升序列明显较为平稳，表明其稳健性较好，而宏观预测指标的结果则显得上升幅度较大。
（三）miDaS（m，K，h）-aR（p）模型的深入论证
上一节的研究并不能充分说明央行微观指标一定比现有诸宏观指标更加适合预测不良贷款率，原因在于不良贷款率具有较为明显的趋势特征，因此应当在方程中加入不良贷款率的自回归滞后项，以在消去自回归特征的同时，提高模型预测精度。与一般金融领域预测时常用的无限滞后特征不同，郑挺国等人的研究认为我国的经济指标大多在滞后4阶的范围内有较好的解释力，故出于保守起见，本文选择不良贷款率指标的最大自回归滞后阶数为5，其余参数与上一节相同，构建miDaS（3，8，1）-aR（5）模型。类似于图1和图2，图4与图5展示了本文选取的50个宏微观指标，在不同滞后阶数下的样本内拟合R方与样本外预测误差。其中x轴代表各指标的滞后阶数，），轴代表不良贷款率的自回归滞后阶数。
从图4与图5中可明显看出，拟合R方与样本外预测误差在不同滞后阶数下，与不含自回归滞后项的情况相似，可以分为趋势相同、趋势背离、趋势分段三种f青况。但值得注意的是，相比于图1与图2不含自回归滞后项时的结果，含有自回归滞后项能显著提升各指标样本内的拟合R方，同时降低样本外预测误差，且上述两项误差指标大多能始终保持在0.2以下，表明通^在方程中添加待预测指标的自回归项，能有效地进一步降低样本外预测误差。同时，在模型参数的估计阶段，含有待预测指标自回归项的miDaS模型，能够较好地保持样本外预测误差处于较平稳的低误差水平，表现为图4与图5中样本外预测误差指标曲面更为平稳。
我们进一步比较传统宏观指标与央行微观指标的预测能力差异。首先分别计算在所有单一指标滞后阶数及所有不良贷款率指标自回归滞后阶数下，各单一指标的平均样本外预测误差与最优预测误差，之后根据结果对各属性分别进行升序排序（误差越小，排序越前），构成新的“平均指标误差上升序列”与“最优指标误差上升序列”。同时，我们亦对含自回归项的两类指标的累积平均误差上升隋况进行了测算。以计算“累积平均指标误差上升序列”为例，设在含有n个指标的平均指标误差上升序列e中，各位置所代表的指标在含有j阶不良贷款率自回归滞后项的模型中，其样本外预测误差记为eu（i∈{1，2，…，n}j∈{1，2，…，p}）。则在累积平均指标误差上升序列中，第i位的值Qi=∑∑ei/（ixp），同理可根据最优指标误差上升序列计算出累积平均最优指标误差上升序列。图6展示了两类指标的8个序列在miDaS（3，8，1）-aR（5）模型中的预测能力。
对比图6与图3，我们发现宏观指标与央行微观指标在miDaS（3，8，1）与miDaS（3，8，1）-aR（5）模型下的结果存在一定的差异。首先在图6中，宏观指标的平均指标误差上升序列曲线与微观指标的平均指标误差上升序列曲线在横轴为5处存在一个交叉，表明就平均指标误差上升序列而言，平均误差最小的前5个央行微观指标，其性能不及平均误差最小的前5个宏观指标，但排名第5位之后的微观指标，其平均误差均小于剩余的传统宏观预测指标，两类指标在预测方面相互存在优势。
其次，就最优指标比较情况而言，宏观指标的最优指标误差上升序列曲线仅在序号为l的情况下位于微观指标的最优指标误差上升序列曲线下方，其余情形中均在后者上方，表明仅有一个宏观最优指标优于所有的微观最优指标，其余情况下，均存在至少一个最优滞后阶数下的微观指标，其预测误差小于所有滞后阶数情形下的宏观最优指标。此外，两类指标的累计平均指标误差上升序列曲线与累计平均最优指标误差上升序列曲线的分布与非累积的情况相似。综上，就稳健型而言，各滞后阶数下的微观指标优于宏观指标。
（四）C-miDaS（m，K，h）-aR（p）模型的全面比较
最后，考虑到即使在单一指标的miDaS模型中加入待预测指标的自回归滞后项，仅能说明在单一指标的miDaS预测模型中，使用央行微观指标普遍优于传统宏观指标，但不能保证在结合使用多个同类指标的情况下，央行微观指标依然优于传统宏观指标。同时，如果结合使用两类指标，其预测性能相比于仅使用单一指标又会如何？本节对这些问题进行了研究。
在使用多指标进行预测时，现有预测模型大多采用将多个指标同时置于同一模型中，之后进行参数拟合，即所谓“多元预测模型”。然而，由于2009年第一季度2015年第一季度的建模样本集中，仅含有25条样本，数量较少，考虑到各预测指标及其滞后项，一旦在同一方程中加入更多指标，极易导致模型参数的方差变大，模型预测精准程度下降，甚至出现模型方程中指标总数大于样本数的情况，从而导致模型参数无法预测。因此，就本文所研究问题面临的实际样本量限制而言，不宜采用多元miDaS模型，故本文使用组合miDaS模型展开研究。郑挺国等人的研究亦表明，组合miDaS模型相比于多元miDaS模型，其样本外预测精度更高。
除单一指标的预测性能外，影响组合miDaS模型性能的另一因素是各miDaS（3，8，1）-all（5）模型结果的权重组合方式。现有文献中通常采用的方式归结起来共有4种：基于样本外预测误差的权重组合、基于aiC信息准则的权重组合、基于BiC信息准则的权重组合以及等权重组合。为了验证稳健性，本文分别采用上述四种组合方式，对两类指标在不同组合方式下的miDaS（3，8，1）一aR（5）模型性能进行检验。我们首先根据上一小节计算的含不良贷款率自回归滞后项的两类指标最优指标误差上升序列，逐一取出序列中最优的前个指标，构建隶属于同一类型指标集的C―miDaS（3，8，1）-aR（5）模型。此外，为了进一步验证综合使用宏观与微观指标是否优于仅使用单一类型的指标，我们同时也将两类指标混合，构建出混合指标集的最优指标误差上升序列，之后逐一取出序列中最优的前k个指标，迭代构建同时使用两类指标的C-miDaS（3，8，1）-apt（5）模型。三个模型在四种权重组合方式下的样本外预测误差比较结果如图7所示。
首先分析仅基于传统宏观指标构建的组合模型与仅基于央行微观指标构建的组合模型在样本外预测误差方面的差异。从图7可以看出，除了在基于样本外预测误差权重组合方式下含有2个同类指标构建的组合模型中，传统宏观指标组合的预测误差小于微观指标组合之外，在其余任一属性规模、任一权重组合方式下，基于微观指标构建的模型其误差均小于传统宏观指标模型组合。然而，考虑到在面向应用的组合模型构建过程中，由于无法在事前获得样本真实值从而推算出样本外预测误差，因此以样本外预测误差为权重的组合方式的实用性不高。同时，aiC与BiC信息准则可在模型的样本内拟合阶段轻松得到，因此完全能够根据各单一指标在模型训练阶段的表现，选择构建组合模型的指标。由此，我们可根据基于aiC信息准则、BiC信息准则、等权重三种权重组合方式构建的组合模型，同时参考基于样本外预测误差构建的组合模型，充分地得出结论：基于央行微观指标构建的组合模型，在样本外预测误差方面优于基于传统宏观指标构建的组合模型，央行微观指标相比于传统宏观指标，更加适合于我国不良贷款率的预测。
此外，尽管两类指标均表现出了一定的预测指标优势，但综合使用两类指标构建的C-miDaS（3，8，1）-aR（5）模型，其样本外预测误差能够进一步降低。从两类指标的性质上来说，宏观预测指标自顶向下地反映了整体经济层面的发展趋势，而微观指标则着重从贷款主体行为的角度，自底向上地对还款压力进行了有效地评估，因此，结合宏观与微观指标，能够兼顾实体经济发展现状、资金市场供需关系与不同经济主体的未来预期，提高预测精度。
（五）经济含义分析
进一步研究在使用两类指标的C-miDaS（3，8，1）-aR（5）模型中，样本外预测误差最低时所选的指标的经济含义。当选择指标的数量为8时，基于BiC信息准则权重的C-miDaS（3，8，1）-aR（5）模型取得了最低的样本外预测误差，表1首先列出了选择的8个指标的具体回归结果统计，我们尝试逐一分析表l中8个指标可能的经济含义。
首先发现在传统宏观指标中，仅有人民币汇率有效指数这一指标入选。GDp、m2等指标尽管在现有文献中被认为与不良贷款率有较大关联，但并不被认为最适合作为miDaS模型中不良贷款率的预测指标。人民币汇率有效指数由国际清算银行编制发行，其剔除了通胀的影响，反映的是一国货币的实际购买力。人民币汇率有效指数上升，代表本国货币相对价值的上升，下降则表示本币贬值。表1中的结果显示最大滞后3阶的人民币汇率有效指数适合作为我国不良贷款率的预测指标，其系数为正。我们认为：当当期的人民币汇率有效指数上升时，本国货币相对于外币升值，有利于进口而不利于出口，由于出口是中国经济长期以来增长动力的“三驾马车”之一，因此当出口减缓时，企业产品滞销，现金流被削弱，从而导致了未来还款期的还款能力下降，导致不良贷款率上升。这一发现也表明：我国经济发展模式必须尽快由“出口导向型”向“内需拉动型”进行转变，否则，较大的汇率或出口波动可能会引发国内银行业信用风险的集中暴露。
最大滞后5阶的基金及理财意愿投资比例、最大滞后2阶的房价过高难以接受比例、最大滞后3阶的旅游意愿比例、最大滞后5阶的房价预期上涨比例四个指标是央行面向城镇储户的调查问卷结果指标。其中，房价过高难以接受比例指标的系数为负，其余3个为正。我们将逐一分析这4个指标背后的经济理论含义。
对于基金及理财意愿投资比例指标，当其上升时，意味着更多城镇居民会选择将原本的储蓄资金转化为购买基金及理财产品。此时，一方面以股市为代表的各类投资市场中的资金积累增多，但其对实体经济的发展影响有限；另一方面，储蓄减少使得商业银行存贷比例恶化，商业银行可能会进一步提高贷款利率以减少贷款需求，但高利率亦会直接导致高违约风险，从而不良贷款率上升。从预期的角度出发，当潜在的经济形势较好时，居民的闲置资金可能会更多用于实业投资，刺激经济增长，而当潜在经济形势较差时，居民可能会选择将资金由实体经济转移至投资市场，次贷危机后美国的实体经济下滑，但股票市场并未暴跌，反而屡创新高便是例证之一。因此，基金及理财意愿投资意愿上升，亦有可能是民众理性预计未来实体经济下滑的征兆。
房价过高难以接受比例指标与不良贷款率存在负相关关系，同时房价预期上涨比例指标与不良贷款率呈正相关关系。事实上，现有许多研究已表明，房地产价格持续攀升是推动近年来中国经济增长的重要因素之一，但同时，房地产行业的过度膨胀，也会挤占农业、轻工业和公共服务业的发展空间。首先，由于房地产行业利润较高，银行乐于将资金贷给房地产开发商，房地产行业与银行业存在一定程度的“兴衰捆绑”。当当期的房价过高以致居民“难以承受”时，房地产企业的高利润也使得其现金流充足，因此不良贷款率相对较低。而当居民预期房价上涨比例提升时，事实上暗示了预期未来市场资金会更多地涌入房地产行业，农业、轻工业和公共服务业等其它行业可能会出现衰退，尽管房地产行业违约风险较小，但不能弥补由此造成的其他行业信用风险加大。我们也注意到这两个与房地产相关的指标，其最大滞后阶数分别为2阶及5阶，这意味着在短期内，房地产市场的繁荣确实能降低商业银行不良贷款率，但中长期有所偏颇的信贷政策，则可能会引致其他行业发展困难，整体信用风险上升。
旅游意愿比例指标与不良贷款率存在正向关系，这与我们的常识相悖。一般来说，旅游意愿比例上升往往出现在经济形势较好的时期，此时居民收入较高，储蓄结余较多，在旅游景点的购买行为能够在短期内提高消费，长期内拉动当地就业，促进GDp进一步增长，且F有文献已表明GDp增长对不良贷款率有抑制作用。对于这一结果，我们查阅了相关资料，携程旅游网在2014年公布的《旅游者调查报告》中指出，有56%的受访者表示：住房消费是影响旅游支出的重要因素。我们据此合理推测：房地产价格可能是影响旅游意愿比例的重要因素，当当期的房地产价格上升、居民预期房价未来会进一步上涨时，居民在当期的旅游意愿会降低，即旅游意愿比例与当期和预期的房地产价格可能呈相反变动关系。
接着分析剩余的最大滞后5阶银行贷款审批指数、最大滞后5阶银行家宏观经济热度指数与最大滞后1阶的非制造业贷款需求指数三个指标，这三个指标均来自央行的银行家问卷调查统计。其中，银行贷款审批指数与不良J款率呈正相关，其余两个指数均为负相关。银行贷款审批指数衡量了银行贷款审批严格程度的高低，指数越低，意味着银行贷款审批越宽松。不难想到，当期较宽松的贷款审批政策，实际上加剧了潜在的信用风险，为未来信用风险的阶段性集中爆发埋下了隐患。银行家宏观经济热度指数反映了银行家对当期经济发展状况的认知，编制方法为首先分别计算认为本季经济“偏热”和“正常”的银行家占比，再分别赋予权重1和0.5，求和得出指数值。指数值越高，表明银行家认为当期的经济发展越偏热。当当期经济发展正常时，商业银行正常放贷；而在认为当期经济发展过热时，商业银行预期未来经济增长幅度可能会下滑调整，一般选择谨慎贷款，提高贷款审核要求，因而未来时期的不良贷款率较低。对于非制造业贷款需求指数，其上升意味着本季非制造业贷款需求提高。非制造业一般以服务业为代表，近年来，我国服务业不断发展，2016年服务业占GDp比重更是超过50%，呈现不断上升的势头。因此，非制造业由于近年来发展迅猛，可能其贷款信用风险较低，从而与不良贷款率有着负向联系。
最后，发现在取得最低样本外预测误差结果的C-miDas（3，8，1）-aR（5）模型中，并未包含央行企业家调查问卷结果中的指标，这并不能表明企业家调查的相关指标不重要，研究过程中我们列出了所有50个指标在C-miDaS（3，8，1）-aR（5）模型中的排序，事实上有不少企业家调查问卷所含指标位居前列，只是未被最优的C-miDaS（3，8，1）-aR（5）模型涵盖。
四、结论与展望
市场预测的含义篇10
关键词：景气指数统计指标工业经济发展
一、工业经济预测是工业经济发展的实际需要
近几年来，我国工业企业始终保持良好快速的发展，是拉动全国经济增长的主要力量。但由于主要产品市场竞争激烈，成本费用指数持续上升以及其他不利因素的影响，工业经济运行出现了新的情况、新问题。因此加强工业经济发展的预测预警，对正确判断工业走势，为相关部门企业采取有效的调控措施提供依据，具有十分现实和重要的意义，是工业经济发展的实际需要。
工业经济预测是对工业经济的发展趋势和各种工业经济指标之间的关系进行研究，从而精确地把握过去与现状，且对未来趋势做出明确判断和预测，为对工业经济实施调控提供数据及理论依据。根据预测结果，可以及时制定调整发展战略，使工业经济持续稳步健康发展。
而统计指标和景气指数就是工业经济预测中的两个重要依据。
二、统计指标对工业经济的预测意义
（一）统计指标的含义及工业统计指标
我们在工业经济工作中，最重要的就是要及时、准确、全面地掌握工业经济运行情况，这就需要引用统计指标的概念。
统计指标从一方面可以理解是用来反映同类现象总体数量状况的基本概念，从另一方面可以理解为反映现象总体数量状况的概念和数值。统计指标能够说明客观存在并已经发生的总体现象数量特征，是由指标名称和数值两部分组合而成的统一体。工业统计指标是研究和反映工业企业在物资人力、生产、库存、销售、利润等全面的运作情况的数据表现，具体指标有工业总产值、工业增加值、工业经济效益指数等等。
（二）工业统计指标对工业经济预测的意义
在市场经济条件下，工业统计指标的重点体现是围绕反映市场经济和企业运行情况，突出了销售收入、产品价格、成本及利润等指标，综合反映工业企业的生产经营状况。用指数来反映工业经济发展情况，工业统计指标的核心是紧紧围绕市场的，企业的产品在市场上的占有率，市场信息应是工业统计的主要内容。
工业统计指标与国民经济相关产业有着密切的联系，在工业行业内部纵向和横向准确地描述经济运行状况，工业统计指标就能够充分的对这些状况加以说明，从分析这些指标数据关系变化中可达到预测工业经济增长速度的目的。
三、景气指数对工业经济的预测意义
（一）景气指数的含义
景气指数又称为景气度，是我国借鉴西方先进国家的成功经验在工业等领域着手实施的一项调查。它是针对被调查中的企业家关于景气变动状况做出判断及描述用以反映企业运营状况及宏观经济运行状态、未来发展方向及变化趋势。
（二）景气指数的特点及对工业经济预测的意义
在相关部门调查景气指数的过程当中，被调查的企业规模及经营状况各有不同，全面体现了整体行业企业的经营状况；直接提供调查数据的往往都是企业生产和经营主要管理者，他们能够完全充分的了解本企业的真实运营情况，且由于景气指数调查不影响企业现时效益及当前报表，这样就避免了夸大经营等与实际情况差异较大的失实数据出现；；参与调查的企业管理者对其企业所处的行业环境及未来趋势都有一定的看法和前瞻性，他们所填报的数据能充分表现企业管理者对企业乃至整个行业未来发展趋势的态度，这都将对未来经济发展产生重大影响。
从企业景气指数调查方式中，我们可以看出，企业景气指数是一种量化描述，是企业家对企业运营状况、整个经济发展环境、企业发展前景的看法，具有信息可靠、前瞻性强、预测性强的特点。
工业经济的发展有一定的周期性，或从繁荣到萧条，或从收缩到扩张交替变化，这是由一系列经济因素及政策环境相互作用的结果。工业经济的周期性提供了统计指标方法进行预测的理论根据。经济波动的推动使经济变量之间存在时滞关系，才可能利用统计指标进行预测未来经济发展趋势。而外在政策及经济环境通过对内在机制作用，导致了经济波动的产生。企业家处于经济运行与发展的最前线，针对企业家调查得出的景气指数往往最具有前瞻性和实践性。工业景气指数是宏观经济景气的一个重要分支，对工业景气指数的分析不仅能够使我们更好地把握工业经济动向，而且能够促进工业经济的平稳健康发展。因此，编制工业景气指数并对其进行研究分析对工业经济预测具有重要的现实意义。
四、总结
工业经济预测是编制经济计划、预见计划实施情况、加强指导的先决条件，也是相关部门搞好工业经济发展工作、实施经营管理的有效手段，其概念就定义了它在经济发展建设中的重要意义。经济预测是做出决策的依据，是计划工作的基础，所有的计划措施是经济预测和决策的宏观体现。
经济预测主要是减少不确定性对工业经济发展的影响，它是一种科学认识活动，不能只靠经验、直觉去猜测、判定，而是要依靠可信的数据、科学的方法理论、精细的计算及全面的分析和判断。而通过统计指标和景气指数来对未来工业经济发展加以预测，能够将不确定性的风险降到最低限度，得到的结果将更加合理真实有效，会达到更好的预测目的，使工业经济平稳健康的发展。
参考文献：
[1]韩胜新.企业景气指数预测效果实证分析与应用探讨[J].现代商贸工业，2012（3）
[2]何跃，张秋菊，杨剑，徐玖平.运用统计指标与景气指数对工业经济的组合预测[J].统计与决策，2007（9）