投资收益分析篇1
在了解投资风险的基本情况后，就要对投资中存在或潜在的风险进行识别衡量。它需要管理人员在进行实地调查研究之后，运用各种方法对潜在的及存在的各种风险进行系统归类，并总结出企业式项目面临的所有风险也就是风险识别，它是风险衡量的前提与基础。风险识别与衡量的方法很多，但其中主要包含一般调查估计与高等数学方法的几种不同组合分析方法。
（一）风险识别的基本方法
现在使用的风险识别方法，可以分为宏观领域中的决策分析（可行性分析、投入产出分析等）和微观领域的具体分析（资产负债分析、损失清单分析等）。本文仅介绍以下几种主要方法：
生产流程分析法，又称流程图法。该种方法强调根据不同的流程，对每一阶段和环节，逐个进行调查分析，找出风险存在的原因：从中发现潜在风险的威胁，分析风险发生后可能造成的损失和对全部生产过程造成的影响。
风险专家调查列举法。由风险管理人员将该企业、单位可能面临的风险逐一列出，并根据不同的标准进行分类。
资产财务状况分析法，即按照企业的资产负债表及损益表、财产目录等的财务资料，风险管理人员经过实际的调查研究，分析企业财务状况，发现其潜在风险。
投入产出分析法，即指运用投入产出表，发现投入与产出不平衡的原因及其后果，从而进行潜在风险识别，该方法主要用于微观领域，用来分析企业各部门之间的平衡关系。
背景分析法，是国外风险分析中的一种方法。
分解分析法，指将一复杂的事物分解为多个比较简单的事物，将大系统分解为具体的组成要素，从中分析可能存在的风险及潜在损失的威胁。
失误树分析法，是以图解表示来调查损失发生前种种失误事件的情况，或对各种引起事故的原因进行分解分析，具体判断哪些失误最可能导致损失风险发生。
（二）风险衡量的基本方法
对于投资风险大小的衡量，需要使用统计学方法加以计算和衡量，即用一组较小的样本观察值，对一组较大的未知观察值进行理论预测。运用概率估计风险，不仅表现在单纯的概率概念中，而且表现在概率的分布之中。通过概率分布，可以获得某一事件发生及其后果的概率，并推断事件结果范围，有助于更好地选择风险管理技术和手段，从而得到最佳的风险控制效果。利用数学方法进行风险的衡量，一般要经过以下内容的测量：损失的可能性，巨额损失的发生概率，损失额。概率分布主要包括二项分布、泊松分布和正态分布几种形式。
投资风险的测算方法
本文主要研究项目投资，进而采取不同的测算方法。
概率：在经济活动中，某一事件在相同条件下可能发生也可能不发生，这类事件称为随机事件。概率就是用来表示随机事件发生可能性大小的数值，通常把必然发生的事件的概率定为1，把不可能发生的事件的概率定为0，而一般随机事件的概率是介于0与1之间的一个数。概率越大就表示该事件发生的可能性越大。
预期值。随机变量的各个取值，以相应的概率为权数的加权平均数叫作随机变量的预期值，它反映随机变量取值的平均化。报酬率的预期值公式：K=Σ（pi•Ki），其中：pi为第i种结果出现的概率，Ki为第i种结果出现后的预期报酬率，n为所有可能结果的数目。
离散程度。表示随机变量离散程度的量数包括平均差、方差、标准差和全距等，最常用的是方差和标准差。
方差是用来表示随机变量与期望值之间离散程度的一个量。方差（σ2）=Σ（Ki-K）2×pi。标准差也叫均方差，是方差的平方根。
标准离差率。标准差虽能表明风险大小，但不能用于比较不同方案的风险程度。因为在标准差值相同的情况下，由于期望值不同，风险程度也不同。为了解决这个困难，引入了标准离差率也叫变异系数的概念。
标准离差率是指标准差对期望值的比例，计算如下：
标准离差率=标准差值/期望值*100%
标准离差率高，表示风险程度大：反之，表示风险程度小。因此在比较不同方案风险程度时，应该通过他们的标准离差率来比较分析。
投资收益分析篇2
关键词：净收益运营收益战略收益信息技术企业
一、引言
随着市场竞争的日益加剧，许多企业不断提高信息化水平以增强核心竞争力。信息技术（it）投资逐渐成为企业投资预算体系里的重要组成部分。这说明企业高层管理者期望it投资能为企业带来最大的收益。it投资作为企业的长期投资项目，高层管理者还期望it投资能为企业未来发展提供持续的利润流。为了验证it投资的合理性和对企业成长的贡献，必须对it投资的净收益进行准确的预测和分析。然而，it投资的净收益很难用货币量化，不仅因为它带来的收益是无形的（例如，改善客户服务），还因为很难将其从企业全部投资收益中剥离出来。此外，许多研究者认为，it投资对组织的影响作用会出现延迟效应，一般在it项目成功实施三到五年之后，才会观察到该项it投资对企业经营绩效产生的影响。
现有文献关于it投资收益的分析，有助于我们了解信息技术投资的预期结果，但现有文献并没有提出我国企业it投资收益的通用分析框架。因此，有必要通过一定的方法整合这些分析方法，该方法既能对it投资收益进行事前评估，还能用于事后测量。it投资对企业影响往往都是战略收益大于财务意义、无形收益多于有形收益，因此作出精确的财务分析几乎是不可能的，而且信息化项目的建设往往会涉及到多方的利益，需要综合考虑多种因素。
二、文献回顾
在现有文献中，研究者从不同的角度对it投资的净收益进行分析。其中存在两种比较主流的观点。一是遵从it黑箱观点的假设，对it投资的结果进行测量（例如，测量it投资带来的组织绩效或经济表现）；另一种是认同价值链的观点，基于信息技术影响企业价值链的过程收益来分析。
（一）it投资收益的三维分析框架
mirani和Lederer（1998）提出it投资收益的分析框架由三个维度组成：战略收益、信息收益和事务收益。“战略收益”维度反映了it投资的业务价值，如降低成本，提高销售额，战略匹配以及提高投资回报率等，因此可以进一步分为三个子维度：竞争优势、匹配以及客户关系收益。“信息收益”维度聚焦于观察it投资是否能够促进企业更加有效地对信息资源进行开发和利用，包括信息获取、信息质量和信息灵活性三个子维度。“事务收益”维度侧重于观察it投资对企业效率的影响，因此可以进一步细化为沟通效率、系统研发效率和业务效率三个子维度。
（二）iS平衡记分卡
Kaplan和norton（1996）提出的“平衡记分卡”（BSC）方法从企业财务、客户、内部流程以及学习和成长四个方面对it投资收益进行测量。martinsons等（1999）对BSC方法进行改进后引用到信息系统领域，提出一种iS平衡记分卡的净收益测量方法，从四个维度去测量：业务价值（business-value）测量维度、用户导向（user-orientation）测量维度、内部流程（internal-process）维度和未来准备度（future-readiness）维度。
（三）D&m模型
DeLone和mcLean模型（1992）的核心构念是“影响（impact）”，是从“个人影响（individualimpacts）”和组织影响（organizationalimpacts）这两个方面来测量it投资对组织和个人的影响结果。DeLone和mcLean改进模型（2003）的核心构念是“净收益（netbenefits）”。这篇文章还指出用“影响”这一构念存在不足是因为“影响”可能是正向的，也可能是负向的，容易造成混淆。相反，使用“净收益”这一构念可以准确地界定it投资对企业绩效正向和负向影响的总和，因而能够平衡it投资对企业各个层面正向和负向的多重影响。“净收益”不同于一般意义上的收益在于：it投资带来的收益是多方面的，不可能总是带来正向的收益，也有可能带来负向的收益，而且最终的收益总和，即净收益（consequences）可能是正的，也有可能是负的。此外，DeLone和mcLean（2003）还指出，净收益仅是对影响结果进行测量，必须进一步分析系统质量、信息质量和服务质量，才能准确地理解it投资对企业的影响过程。由此可见，“净收益”这一构念可以准确地表征企业it投资的真正受益，并且需要从三个方面去观察：谁来评价、如何评价以及评价什么。
（四）其他分析视角
Smithson和Hirschheim（1998）提出从有用性和价值两个视角分析it投资收益的维度：效率（efficiency）、有效性（effectiveness）和理解（understanding）。还有研究者聚焦于从个人层面分析。如，torkzadeh和Doll（1999）验证了it对个人影响的四个维度：任务生产率，即it投资提高员工工作效率的程度；任务创新，即it投资帮助员工在工作中尝试或者产生创新性想法的程度；客户满意度，即it投资帮助员工为企业内外部客户创造价值的程度；管理控制，即it投资帮助企业调节工作流程和工作绩效的程度。还有研究者建议从财务方面、客户方面、内部流程以及学习和增长方面对it投资的净收益进行测量。
综上所述，研究者从不同的视角对it投资净收益进行分析，并提出不同的测量维度，但是缺乏具有整合性和通用性的分析框架，而且各种研究观点之间也存在矛盾甚至冲突的地方，更没有针对中国企业的特定研究。
投资收益分析篇3
关键词：股票市场；股票的收益；投资者情绪；影响
中图分类号：F83文献标识码：a
收录日期：2015年10月9日
一、投资者情绪概念
投资者情绪在证券市场中影响着投资者的认知和行为。证券市场上投资者对外界价值的认知与评价更加注重，我们认为在证券市场上我们可以直接观察到投资者的认知能力和理性程度。通过观察发现，在证券市场上投资者的认知行为能力与理性程度是有限的，而现实生活中的投资者在证券市场上的活动往往具有情绪化的行为，这与经典经济理论中投资者理性假设有所不同。现代经济理论在相当程度上克服了传统经济理论的不足，它把现实行为人作为研究对象，把研究的范畴扩大到投资者情绪，接受了投资者是有限理性的事实，更有效地解释了投资者行为。我国经济学家饶育蕾给出了较为直观的定义解释，她通过研究认为投资者心理偏差通过投资者情绪反映，投资者的预期会受这些心理偏差的影响，因此投资者对未来证券市场带有系统性偏差的预期即为投资者情绪。
二、中国股票市场的投资者情绪分析
（一）股市投资引导功能失效。当前，中国股票市场参与者的心态表现并不成熟，投资者通常比较短视，不会考虑长期价值投资。由于历史遗留问题，我国股市公开报表信息与公司实际情况“貌合神离”，严重削弱了市场公开信息的参考价值，再通过我国为数众多的非理性投资者的交易行为进一步加剧了市场投资行为的盲目性，这导致股票市场的投资定价功能大大弱化，继而出现投机行为过度的现象。而对于投资者来说，进入到股市犹如一场游戏，赌徒心理泛滥。
（二）有效信息缺乏致使“羊群效应”泛滥。根据行为金融学的理论，投资者在获取及处理信息方面的能力并不是无限的。人们的行为偏差其实是系统性的。投资者想要合理的分析股票市场，就避免不了受到情绪等心理因素影响。市场参与个体受到能力的限制，往往对自身思考得出的判断立场摇摆不定，常常根据引导原则即相信所谓的“小道消息”作为自己的引导，追随其他投资者，使得投资者行为不能达到最优化，emH成立的假设条件不具备。我国股票市场的信息披露存在较大缺陷，大量内幕交易屡见不鲜，个体投资者在群体投资活动中容易“去个性化”，更容易参考他人的做法，因为这样可以获得安全感，这使得我国的投资者“羊群效应”现象泛滥。那些在缺乏足够关于风险回报信息的情况下便涉足风险投资，稍有风吹草动便马上出逃的投资者往往被描述成“羊群”，一般的观点认为，市场参与者的羊群行为加剧了市场的波动性，尤其是在牛市中，会导致投资者头脑发热，其冒进的情绪化决策会通过羊群效应迅速向其他投资者蔓延，产生过度买卖问题，增加了金融体系的脆弱性，加剧了金融市场风险。
（三）股市中的过度自信程度较高。鉴于目前我国证券市场的制度安排滞后以及上市公司不重视中小股东的特点，投资者在中国股票市场上获取的股利收益难以达到预期。在这样的背景下，投资者并不对股利收益存有太多幻想，资本利得成为购买股票的单一获利途径，这导致了中国股票市场过度投机现象泛滥，人们往往把注意力集中在短线交易，正是这些原因，中国的投资者情绪更能对股市的起伏起到推波助澜的作用。陈斌等以问卷的方式获得了大量我国的证券市场数据，其调查表明，只有不到12%的个人投资是为通过公司分红而获利，超过78%的个人投资者入市的动因都是为通过获取股票的买卖价差而获利。正是由于制度安排缺陷导致套利受限与相当部分中小投资者的投机心态严重，中国的投资者情绪对股票市场的影响作用是巨大的。
三、投资者情绪对股票收益波动影响分析
（一）显性投资者情绪对股票收益波动的影响。在我国，对于投资者主观情绪的研究也不少，但是没有很有说服力的调查结果。像好淡指数、央视看盘这两个指标是比较有说服力的，但是他们不能反映股市的整体情绪，他们对于机构投资者的反映比较敏感，被调查的数据的范围较小、科学性也不强，与其他代表投资者的情绪有一定的差距。因此，消费者的预期指数将作为本文研究投资者情绪的指标。鉴于我国股票市场的特殊情况，没有把金融衍生品作为投资者的情绪，像认沽认购权证在我国发展范围还十分小，不能够整体的代表投资者的情绪，因此金融衍生品方面的经济数据不能够完全的反映投资者的情绪，也就不能成为相关的指标；股票价差在我国备受关注，而股民对股票的分红不是很关注，所以也没有选用。
（二）隐性投资者情绪对股票收益波动的影响。隐性投资者情绪，是指运用股票市场上可以反映投资者对股票市场预期的数据来构建的投资者情绪指数，根据这些金融数据的来源，通常把这些指标分为四类，包括换手率、aRmS指标、零星股买入卖出比率、新高低比。在股票市场上把全部交易过的股票的换手率进行加权平均得到的就是换手率，将这些股票流通股的市值作为权重。我国股票市场横截面收益和换手率之间呈负相关关系的主要原因是股票市场的投机易造成了股票价格的高涨，从而导致了投机性泡沫的出现，这是由股市的卖空机制与股市参与者的信念有所不同，这两方面同时存在导致的。
（三）理性投资者情绪对股票收益波动的影响。理性投资者情绪是依据宏观经济现象所表现出来的客观信息所产生的，在噪声交易理论中，随着时间的推移，噪声会逐渐消失，理易者会慢慢主导市场，有效市场假说的前提就是理易者追求效用的最大化，噪声交易和基本面的情况由股票报酬率来反映。在股票监督管理部门的指导下，新股的发行与上市是有一定的规律性的，股市的发展较稳定。一般在投资者的情绪乐观时，新股发行的速度很快，主要表现为上市的家数多而且数量也很大，如超级大盘股的发行与上市的时间都往往在投资者情绪乐观的时期。在股市持续下滑低迷，股市参与者信心不足时，会导致投资者的情绪悲观，监督管理部门一般会减少新股的发行，有时也会根据股票市场运行的情况暂停一段时间。
（四）非理性投资者情绪对股票收益波动的影响。非理性投资者情绪来源于有效市场假说理论。在有效市场假说中，股价可以反映一切有价值的信息，股票的价值和价格之间有一个偏差，这就是噪声。下面主要从a股新增开户数方面来研究其对股票收益波动的影响。新增开户数对于国外比较成熟的股票市场来说，由于股票市场发展时间较长，股票市场相对稳定，a股新增开户数的变化不明显，所以股市参与者的情绪一般不能通过其来反映，但我国的股票市场比较特殊，我国股市的发展正处于上升时期，当新增a股开户的数量不断增多时，它可以反映场外投资者的情绪，也就表明了投资者情绪很乐观。我国的股市正处于高速上升阶段，新增a股开户数量的不断增多，直接表明了投资者高涨的投资热情，因此投资者的情绪与新增a股开户的数量呈正相关的关系。
四、实证分析
（一）数据选取与处理。本文研究中国股市不同收益对投资情绪的影响，分别选取好淡指数这一直接指标作为投资者情绪指标，上证综指收盘价为收益率指标，好淡指数和上证综合指数是研究中国市场股市收益与投资者情绪关系最为常用的两个指标，能够比较准确地反映股市行情和投资者情绪的整体状况，本文选取2005年1月7日至2014年5月30日期间数据，共491个样本。
（二）实证结果。普通最小二乘法（oLS）是对线性回归模型进行求解的一种最简单和最实用的方法，本文讨论的是正收益和负收益对投资者情绪的影响，故选择多元线性回归模型，如下式：
从表1的实证结果可以看出，正收益和负收益对投资者情绪的影响是有区别的。正收益对投资者情绪的影响显著，负收益对投资者情绪的影响不显著，与上文格兰杰因果检验结果一致。股市正收益对投资者情绪的影响方向为正，也就是当股市收益出现盈利时，人们的投资情绪趋向于越来越积极。由于系数为正，股市正收益越大，对投资者情绪的促进作用也越大，能够在投资者情绪处于乐观状态时进一步提升投资者乐观程度，容易产生资本市场泡沫。股市负收益对投资情绪的影响不显著。负的收益常常使投资者产生不安的心理，特别是个别的事件导致的股票市场较大负收益率的产生，导致投资者不能判断整个股票市场的前景时，往往出现对前景判断的分歧。
五、对策建议
证券市场监管部门要充分认识和把握投资者的认知偏差，加强对市场的有效监督，进一步完善信息披露制度，提高信息的真实性和透明度，弱化投资者情绪的负面影响。一方面要避免由于上市公司的虚假信息所导致的投资者盲目乐观或者盲目悲观；另一方面要降低信息获取成本，使市场中众多缺乏专业知识的个人投资者也能够获得真实、全面、及时的信息，为增强其行为的理性程度提供基础。证券市场监管部门应该加大对投资者的指导和教育，并建立配套法律框架，加强对投资者的保护，创造一个更加成熟、健康的投资环境。一方面规范机构投资者的投资行为，培育理性、成熟的机构投资者，以发挥其市场稳定器的作用；另一方面加强宣传教育力度，提高个人投资者的素质，强化个人投资者的风险意识，增强其行为的理性程度。
六、结语
本文最主要的贡献在于选取机构投资者情绪变量，通过主成分分析法构建符合我国机构投资者行为的情绪综合指数，并研究其与股市收益的互动关系。研究发现：验证了我国机构投资者情绪与大盘深成指收益之间存在非对称性相互影响的关系。股指收益变化对机构投资者情绪的影响要强于机构投资者情绪对股指收益波动的影响，这就说明深成指指数的前期走势能够很大程度地影响机构投资者的投资热情。不仅如此，机构投资者也容易受自身情绪的影响，这种情绪具有一定的延续性和稳定性。这种非对称关系表明我国机构投资者并没有很好扮演股市“晴雨表”的角色，非理性投资行为依旧存在，我国机构投资者对于稳定市场功能有待不断完善，同时表明了我国机构投资者情绪是影响股市收益波动的系统因子之一。
主要参考文献：
[1]陆江川，陈军.极端投资者情绪对股价指数影响的非对称研究[J].系统工程，2013.2.
投资收益分析篇4
[关键词]技术投资；品牌积累效应；规模效应；效用现值
[中图分类号]F271[文献标识码]a[文章编号]1006-5024(2006)11-0014-03
[作者简介]张古鹏，青岛大学国际商学院硕士研究生，研究方向为人力资本经济学；
姜学民，青岛大学国际商学院院长､教授，博士生导师，研究方向为人力资本经济学；
任龙，青岛大学国际商学院助教，研究方向为人力资本经济学。(山东青岛266071)
一､引言
改革开放之后，中国的企业获得了前所未有的发展契机，但企业成长背后仍然隐藏着很多问题，技术投资不足便是其中之一。我们过多依赖技术引入，而企业本身技术创新与改进投资不足。许多国内企业只知模仿性地扩大生产，不注重技术投资，导致长期发展乏力，品牌积累效应极低。本文研究了技术投资中的质量投资对企业未来收益和利润的影响。质量创新是技术创新中最重要的方面之一，很多国内企业不注重产品质量提高，导致产品寿命短，故障多，降低了品牌积累效应。品牌积累效应即在过去的一段时期内，消费者对产品的评价而产生对价格和销售数量的影响。一般来说，品牌积累效应与价格和销售数量呈正相关关系。本文利用经济模型就质量投资对品牌积累效应的提高，对企业短期和长期收益的影响进行了论述。
二､模型的基本框架
(一)条件假设
为了建立模型，我们先做以下几个假设:
1.假设一个行业中只包含一种产品a，该行业中所有企业都只生产该产品；
2.假定该行业的单位产品平均成本不变，即其他企业不进行技术革新；
3.企业进行技术投资只提高产品的质量水平，消费者在反映期到来时获得的效用完全由产品的质量水平决定，而不受名牌效应的影响；
4.消费者对a产品有相同反映期(本文用t表示)。即假设消费者在-t时刻购买了产品，他们都会在0时刻反映出该产品的质量水平并获得不同效用。但消费者无论购买哪家企业的产品，在-t到0之间的任何时刻获得的效用没有差异。即短期内消费者无法辨别产品好坏。
(二)建立质量函数
对于选定的e企业来说:q(e)=c(e)/c
(c(e)≥c)
(1)
q(e)为e企业生产的a产品的质量函数，它用来衡量a产品的质量水平，我们把它看作单位产品的投入成本函数；c(e)为e企业的单位产品成本，当e企业进行技术投资时，c(e)增加；c为该行业产品的平均单位成本。
(三)建立效用函数
假设消费者在m时刻购买e企业生产的a产品，用u(i)代表秒消费者在i时刻从产品a中获得的效用，不计算i时刻之前或之后获得的效用(即消费者在一件产品的使用寿命期内获得效用，但我们只计算它在i时刻给消费者带来的效用)。u(i)的值可分为以下两种情况(不考虑i＞m+t):
1.i＜m+t时:u(i)=1
(2)
对这种情况的经济学解释是:由于假设4的存在，在m时刻，无论消费者购买哪个企业的产品，在购买a产品以后的一段时间内的任何时刻获得的效用都是一样的。
2.i=m+t时:u(i)=2-1/q(e)
(3)
由(1)可知:c(e)增加，q(e)增加；由(2)可知:u(i)增加。
它的经济学解释是:企业加大产品的技术投入，使得消费者在m时刻购买的a产品在i时刻获得的效用增加。即随着时间的推进，当到达i时刻，那些质量一般的产品带给消费者的效用会明显低于质量比较好的产品。但消费者的效用不会无限增加，1≤q(e)＜∞，因此1≤u(i)＜2。
(四)建立记忆函数
m为消费者购买a产品的时刻；i为消费者获得效用的时刻。a(i，n)为消费者在n时刻对i时刻的记忆函数，它用来衡量消费者在n时刻对i时刻获得效用的记忆程度。a(i，n)越大，消费者记忆得越深刻(即事情发生的时间间隔越短，记忆越深刻)。t为反映期，0＜a(i，n)≤1。
当n≥m+t时，i=m+t。我们把消费者的记忆函数表达成i，n的幂函数。
当n＜m+t时，i=n，a(i，n)=1。在n时刻消费者对立刻获得的效用记忆得最清楚(即对现在发生的事情记忆得最清楚)。
三､计算企业利润和收益
(一)计算效用加权
设0为时间轴基准点，消费者从-t起开始购买e企业生产的a产品，用U(0，n)为在n时刻消费者在过去的-t到n购买a产品获得效用的现值加权，我们设定它是消费者在过去的0到n时刻之间获得效用的现值加权(对于从-t到0消费者购买a产品获得的效用现值我们不予以计算)，权数是消费者在n时刻对m时刻获得效用的记忆函数。如果消费者在m时刻购买产品，到n时刻过了反映期(n＞m+t)，我们计算m+t时刻的效用在n时刻的加权值，此时i=m+t；若到n时刻没有到反映期(n＜m+t)，我们计算n时刻的效用加总，此时i=n＜m+t。
1.计算0到n-1时刻的效用现值加权
五､结论
从以上分析我们看到:如果一个行业利润丰厚，进行技术投资短期内不会增加企业收益，而成本的增加会导致企业利润下降，但就长期看会增加品牌积累效应，提高企业利润和收益；若该行业利润微薄，企业进行技术投资，其长期的利润取决于销售数量与单位产品利润率对成本的弹性；如果技术投资风险过高，企业过度连续的技术投资会缩小企业规模，但一般来说质量投资的风险较低，连续的质量投资会扩大企业规模，缩小成本，增强竞争力。
参考文献:
[1]庄子银.企业家精神､持续技术创新和长期经济增长的微观机制[J].世界经济，2004，(12).
[2]戈晶晶.企业创新“后”天不足[J].新经济导刊，2005，(14).
[3]朱秀亮.迎接自主创新经济时代[J].新经济导刊，2005，(2).
[4]朱秀亮.创新头上的“三座大山”[J].新经济导刊，2005，(22).
[5]朱秀亮.创新世界的梦想中国[J].新经济导刊，2005，(22).
[6]张维迎.博弈论与信息经济学[m].上海:上海人民出版社，1996.
投资收益分析篇5
Keywordsinvestoremotions，emotionalFactors，Returns，Regressionanalysis
0引言
经典金融学认为，市场套利的存在会迫使情绪交易者逐步退出市场，因此在定价模型中不考虑投资者情绪的影响。然而，近年行为金融学的发展研究表明，投资者在投资决策过程中存在各种心理和认知偏差。投资者情绪理论是行为金融学研究领域的一个重要分支，该理论认为，情绪是影响资产定价的系统因子，情绪因子对股票市场收益的解释作用不能被传统的定价因子――Fama-French三因子、动量因子、流动性因子所吸收。
目前国内外许多研究分析了情绪对股票市场收益和波动的影响。DeBondt等（1985）研究发现，市场存在错误定价的原因之一是投资者的过度反应。DeLong等（1990）发现，噪音交易者的存在是影响股票均衡价格的系统因子。Lee等（1991）通过解释“封闭式基金定价之谜”分析了投资者情绪对股票市场收益的影响。Solt&Statman（1988）实证研究发现，市场收益也会影响投资者情绪。Baker&wurgler（2006）利用主成分析方法构造了综合投资者情绪指标，研究了情绪的截面效，研究结果表明，情绪对不易估值和难以套利的股票影响更大。Yuan（2011）发现，市场预期超额收益与市场条件波动率，在低情绪期间显著正相关，而在高情绪期间的相关性不再显著。国内方面，伍燕然、韩立岩（2007）通过分析不完全理性投资者的情绪，认为情绪是影响资产定价的重要因素。陈其安等（2011）研究了中国股票市场2005年6月――2008年8月期间的“暴涨暴跌”现象，认为此异常现象很大程度上是噪音交易者的情绪引起。董孝伍等（2013）研究发现，短期内滞后市场收益是投资者情绪的格兰杰原因，中长期内滞后市场情绪又是市场收益的格兰杰原因。陆静等（2015）通过投资者情绪对中国aH股交叉上市股票的实证分析发现，投资者情绪对同期a股市场和H股市场都具有显著的影响，对未来12个月的a股市场收益和未来6个月的H股市场收益有显著的反转预测。
大多数研究表明，投资者情绪对股票价格和股票市场收益有重要影响，但鲜有对股票市场收益是否会影响投资者情绪的研究。鉴于此，本文试图通过实证分析讨论股市收益对投资者情绪的影响，分析投资者情绪与股市收益的相互影响关系。
1.数据来源及变量设计
随着社交网络的出现，许多电子商务网站都将信任机制引入推荐系统，将传统的协同过滤与信任机制相结合，以缓解或克服协同过滤存在的缺陷，本节将会对基于信任的电子商务个性化推荐系统的理论进行研究。
1.1投资者情绪源指标的选取
基于研究目的及数据的可获得性，本文选取2010年12月～2015年12月沪深a股市场为样本，样本期共计61个月。
基于Baker&wurgler（2006）构建投资者综合情绪指数的方法，并结合国内股票市场的现实情况及数据可获得性，本文选取市场换手率（tURn）、交易量（VoL）、新增投资者开户数（aCCoU）、市盈率（pe）四个源指标为代表投资者情绪的间接指标。所用数据均来自国泰安CSmaR数据库。
1.2宏观经济变量的选取
社交网络本文数据为月度数据，与季度数据GDp频度不一致，因此本文选择居民消费价格指数（Cpi）、工业品出厂价格指数（ppi）和宏观经济景气指数（mBCi）等宏观经济指标，作为宏观控制变量。所用数据来自国研网数据中心。
1.3股票收益率的选取
本文股票收益率（Ret）选择上证综指月度收益率，并对其取对数。所用数据来自国泰安CSmaR数据库。
1.4综合投资者情绪指数的构建
为消除宏观经济的影响，首先，将四个情绪的源指标即tURn、VoL、aCCoU、pe分别与宏观经济指标即Cpi、ppi、mBCi进行正交化处理（正交化处理前把各变量进行标准化处理以消除量纲的影响），得到各自回归残差序列为新情绪源指标即tURnr、VoLr、aCCoUr、per。其次，对4个情绪源指标的“提前”和“滞后”变量即tURnrt、VoLrt、aCCoUrt、pert、tURnrt-1、VoLrt-1、aCCoUrt-1、pert-1进行主成分分析，构建一个初始投资者情绪综合指数sent。最后，对sent分别与tURnrt、VoLrt、aCCoUrt、pert、tURnrt-1、VoLrt-1、aCCoUrt-1、pert-1进行相关性分析，选取每个指标中与sent相关系数最大者作为最终的投资者情绪的源指标。其中，前两个主成分的特征值均大于1，并且累积方差贡献率为85.64%，因此，投资者情绪综合指数表达式为：
2.实证分析
如何通过社交网络将信任引入推荐系统，在学术界仍未达成共识。paolomassa等人在文献[1]、[3]、[6]中分别使用了本地信任和全局信任使用户之间可以传播信任，乔秀全等人（文献[8]）从图论的角度说明了用户之间的信任产生方式。本文则提出一种层次化的信任产生方式。
2.1市场收益与投资者情绪的因果检验
根据社会学交际过程，由于本文所用变量序列均是金融时间序列，因此对模型所用序列进行aDF单位根检验，结果表明不存在显著单位根，变量序列通过了平稳性检验。
为了考察投资者情绪与市场收益的相互影响关系，因此对投资者情绪和市场收益进行格兰杰因果检验。结果表明，长期内（10-12个月）投资者情绪是市场收益的格兰杰原因，说明投资者情绪对于中长期市场收益具有预测作用；短期内（1-3个月）市场月收益率是投资者情绪的格兰杰原因，说明短期内市场收益会在某种程度上影响投资者情绪。
2.2投资者情绪对市场收益的影响分析
普通最小二乘法（oLS）是线性回归模型求解的一种较简单实用的方法，本文对投资者情绪对市场收益的影响分析，结合格兰杰因果检验结果，构建以下回归方程：
其中，是市场收益率，分别是当期和滞后12期的投资者情绪综合指数。α是模型的截距项，是随机误差项。
模型（1）的回归结果如表1所示：由回归结果可知，无论是同期情绪还是滞后12期的情绪与市场收益都存在显著的相关性，不同的是，同期投资者情绪与市场收益存在显著正相关，滞后12期的投资者情绪与市场收益存在显著负相关。具体而言，同期情绪与市场收益的相关系数为0.0348，对市场收益的影响在1%的水平上显著相关，调整后的R2为0.0476。滞后12期的情绪对市场收益的相关系数为-0.0421，对市场收益的影响在1%的水平上显著相关，调整后的R2为0.0687。结果说明，滞后12期的投资者情绪可以反向预测市场收益。这与格兰杰因果检验结果一致。
滞后的投资者情绪可以反向预测市场收益，这是因为，投资者过度高涨或低落的非理性情绪，在短期内会使市场收益偏离其正常水平，而在中长期内，这种由过度高涨或低落的情绪对市场收益造成的影响会得到修正。
2.3市场收益对投资者情绪的影响分析
下面讨论市场情绪对投资者情绪的影响分析，结合格兰杰因果检验结果，构建多元回归模型如下：
其中，是滞后一期的情绪水平，分别为当期和滞后一期的市场收益率。其它变量与前相同。此外，当期收益和滞后一期的情绪水平为模型的控制变量。
模型（2）的回归结果如表2所示：滞后1期的市场收益在显著性水平为1%的水平上与投资者情绪高度相关。具体而言，滞后1期的市场收益与当期投资者情绪的相关系数为1.9563，对市场收益的影响在1%的水平上高度相关。说明短期内，滞后1期的市场收益对当期投资者情绪会产生显著影响，这是因为情绪投资者存在心理认知偏差。同时，滞后1期的投资者情绪对当期投资者情绪也存在显著的相关性，相关系数为0.5422，在1%的水平上显著性水平上高度相关。这说明，投资者情绪的短期动量效应显著。此外，当期收益对当期的投资情绪也在10%的显著性水平上相关，相关系数为0.9226，说明同期市场收益对投资者情绪也具有一定的影响。
总之，情绪投资者存在心理认知偏差，当期投资者情绪不仅仅受前一期的市场收益影响，还与当期市场收益和前一期的投资者情绪有关，并且在情绪极度乐观时，当期收益对投资者情绪的影响更加显著。
3.结论与展望
投资收益分析篇6
关键词：对外投资管理提高投资收益方式分析
对外投资是当前企业发展必须面对的重要课题，企业要想保证竞争力，必须提高自身发展能力。企业的成功不仅要完善管理体系，改善管理模式，还要加强企业间的交流合作。适当的进行对外投资不仅有利于提高企业的本身收益，同时还可带动相关经济的发展，促进经济有条不紊的持续增长。
一、企业投资存在的问题
企业对外投资是保证企业发展的重要举措，企业除了搞好自身经营外，通过对外投资直接控制其他企业，实现本企业经营和获取利益的目。但是企业在对外投资过程中仍然存在诸多问题，严重影响了投资的质量和效果，造成大量的经济损失。
（一）调查研究不充分
为了保证投资过程中的顺利进行，在投资体系实行之前必须对投资对象进行细致的分析和研究，包括政策完整性、投资效果、利益收入等，对此类环节要进行细致的调查，保证投资的正确性。但是在实际调查过程中，有的企业为了节省时间，减少人力物力财力的投入，对此环节忽略不计，一味的追求经济效益，目光短浅。很多企业在调查中草草了事，对关键环节没有引起重视，根据简单的调查报告编制可行性研究体系，研究体系与实际情况却相差甚远，产生了很多的潜在危险。尤其在矿业开发合作中表现的较为突出，往往投资者对勘查区内的地质情况及工作程度不进行深入的调查，即开展风险勘查合作，盲目的投资行为给企业造成了严重的经济损失。
（二）管理措施不到位
企业的高效运转，除了国家相关政策的支持，更重要的是管理者正确的管理模式。企业对外投资具有一定的风险性，要求企业管理者加强管理举措，建立风险预防保证体系，建立专业的管理指导队伍，但是在实际操作过程中，企业出于自身考虑，采用以偏概全的管理模式，导致管理体系漏洞百出，损害投资者的经济效益。
（三）投资收益不理想
企业的一切改革措施都是为了获取更多的经济效益。但是在投资过程中经常会出现投资效果不理想，导致企业“赔了夫人又折兵”，究其原因是主要是企业对市场经济的变动把握不准，相关管理措施不到位，措施不得当。
二、如何提高企业投资利益
针对当前企业对外投资存在的种种问题，国家相关管理部门和企业本身必须及时采取措施，认真反思和探索，找到关键所在，尽量提高企业的利益收入。
（一）选择适合的投资对象
在对外投资过程中，最重要的就是选择有潜力的合作伙伴。企业在对外投资之前要进行细致的调查研究，选择多个企业对象，对每个企业的内部发展体系，管理体系，管理模式，进行综合调查，选择有发展能力、有潜力的企业进行投资，在今后发展进程中有助于企业综合能力的提高，带动企业经济增长。
（二）制订合理的对外投资政策
企业的成功除了内部管理模式的完整，同时取决于决策的正确性。企业在对外投资进程中必须采取正确的投资政策，正确的决策是保证投资体系政策运转的关键所在。投资政策的制定要结合本企业的当前发展水平，对企业内外部进行系统的调查，从企业自身出发，建立合理的发展战略。建立专业的评估团队，充分把握投资项目的收益和风险，为了保证决策的合理性，在评估基础上，必须积极组织专家团队广泛听取专家的意见，一切按照企业的内部管理流程进行，加强审核，慎重决策，要保证是大多数人的共同意见，同时公司管理人员要有良好的组织能力，保证企业内部人员的沟通交流，避免企业负责人的单方面决策。
（三）实行专业化投资管理制度
实行专业化投资管理制度是保证对外投资顺利进行的关键所在。企业要加强内部管理，规范管理制度，建立责任考核制度和相关监督体系，在投资管理过程中，实行适当的奖惩制度，加强企业员工的监督能力，力求保证工作人员各司其职，掌握每个工作程序，争取做到最低的成本投入，获得最大的经济收益。
（四）加强对外投资的财务管理
企业资金的政策运转是保证企业正常运行的关键所在。企业之所以实行对外投资管理，就是要不断扩大其经营规模，提高企业内部生产率，提升生产水平。企业要有针对性的加强财务管理，保证资金的正常流转，提高审批制度，建立内部资金管理控制体系，坚决抵制各种不良消费，对管理人员加强监督，保证资金管理的透明性，提高资产利用率，保证资金的正常运转，为企业发展提供强有力的保障。
三、结束语
企业实行对外投资的主要目的就是提高企业的竞争力，获得更多的经济效益。针对企业投资过程中存在的种种问题，企业领导必须对此引起重视，从企业的实际发展水平出发，建立完善的风险预测体系，保证投资进程的顺利进行。同时在投资过程中最重要的是要对投资对象进行深入的分析和研究，制订切实可行的投资方案、建立完善的投资风险评估体系及收益评价体系，保证投资决策的正确性。对投资项目管理时，要加强投资项目的动态跟踪，严格控制资金的流动性，确保项目的实施进程与资金投入相匹配。加强企业对外投资管理是企业提高经济收益的重要方式，是企业提升综合竞争力的关键所在。企业的发展需要高度重视对外投资管理的重要性，要制订科学的投资管理制度，对资源、市场、人力等外部环境充分的调查研究，确保企业投资收益的最大化。
参考文献：
[1]董爱国.加强对外投资管理，提高企业投资收益[J].苏盐科技.2012（12）.78-80、190-192
[2]张宇琪.上市公司对外投资内部控制的信息披露及评价研究[m].太原理工大学，2013（12）.90-92
投资收益分析篇7
我们主要是分析大学生炒股投资收益率的高低的影响因素。通过总体数据的实证分析与计量分析，可得出虽然两种分析方法有一定地误差，但是总体上的分析结果是一致的。同时通过数据的分析也可以给出一些更加科学的建议。采用oLS分析法（其中重点分析R^2），对oLS的有效性检验，t检验。同时我们最终成型的模型为log-log模型，同时数据格式是横截面数据。
【关键词】计量分析和实证分析；六个影响因素；计量模型
1绪论
1.1研究背景以及问题的提出
随着社会经济的发展，炒股俨然成为一种时代热潮，大学生也纷纷投身其中，但是对于大学生炒股的看法仍然众说纷纭。由于大学生炒股存在着专业性不足、资金来源渠道狭窄、时间与课业冲突等因素的制约，使得绝大多数参与股市投资的大学生面临着巨大的挑战。
当前对于大学生股票投资的行为的研究一定层面上仍然采用调查方式进行研究分析，我们决定从计量的角度出发更加科学地对课题展开研究。在掌握了一定的大学生炒股情况之后，针对这一现象课题小组展开了研究，着重分析大学生自身因素以及外部宏观因素对其投资的影响，确定出了研究大学生炒股收益与投入之间的关系。
1.2研究内容及方法
本文旨在探索大学生股票收益与投入、外部宏观因素的关系，从计量经济学视角出发，对大学生炒股投入以及宏观外部环境对其投资收益的影响，从而给大学生炒股予以较为科学的建议。
根据本文研究目的以及数据的可获得性，宏观经济数据以月份为基础，同比计算出其增长幅度，获取当前市场强弱的状态和活跃程度；当前资金投入量（Ca）、每周平均看盘时长（atRt）、等六个因素来量化研究，其中通过对宏观经济变量的增减幅度来判断当前股市周期。
采用oLS分析法（其中重点分析R^2），对oLS的有效性检验，t检验。并且我们最终成型的模型为log-log模型（同时数据格式是横截面数据）。
1.3研究意义
中国股票市场正在逐步发展，与此同时大学生炒股队伍也在日益壮大，然而社会、学校、家庭等缺乏对大学生炒股这一行为的重视，学校缺乏对大学生炒股的正确引导，致使大部分炒股大学生面临这很大的困难。本文着力于探讨大环境下大学生的股票投资收益与其投入的关系，从而大概的掌握当前大学生炒股收益状况，从计量经济学的角度研究各个因素存在的风险大小来分析大学生股票收益影响程度，为大学生炒股提供较为科学的参考。
2变量说明和研究方法
2.1变量选取
通过对大学生股市投资状况调查，我们综合考虑选取了以下微观和宏观变量，通过变量从计量角度分析研究影响大学生股市投资的各要素。
2.2研究模型
2.2.1计量模型的设定
计量模型设定为
Ri=+Ca+atRt+ipt+ano+aH+m2RoiD+SHiBoR1m+m2RoiD*SHiBoR1m+iaViD+u
2.2.2模型设定的说明
该模型共有9个变量，其中8个为解释变量，1个为被解释变量。其中，为截距项，固定值为1.5%（参考2016年一年期央行定期基准利率），其不随其他变量的影响而变动。同时，我们设置了m2RoiD*SHiBoR1m这个交互项，因为我们可以知道m2很大程度上反映货币供应量的情况，而银行间同业拆借利率的变动与其有着紧密的联系，二者之间存在交互效应。其余各解释变量依次设定并赋予系数。误差项u：除以上因素外其他影响股市投资收益率的因素。
2.2.3模型回归及结果说明
2.2.3.1模型回归：模型设定后，利用R软件执行lm（Ri～Ca+atRtipt+ano+aH+m2RoiD+SHiBoR1m+m2RoiD：SHiBoR1m+iaViD），做模型回归，并利用summary（描述性统计）命令，得到以下结果：
2.2.3.2回归结果说明
根据描述性统计结果分别对Ca、atRt、ipt、ano、aH、m2RoiD、SHiBoR1m、iaViD和m2RoiD*SHiBoR1m交互项进行分析。首先，通过回归结果中R^2=0.8654可以看出模型中解释变量对被解释变量的解释程度为86.54%，说明解释能力很强。其次，对各个解释变量做置信水平为95%下的t检验，通过与描述性统计结果的对比，仅有aH解释变量的t值处于被拒^区域，对被解释变量Ri无影响。此结果表明一周期间的平均持仓量对股市投资收益率的影响微乎其微，基本上可判定对收益率无影响，此与我们设定模型初的假设相反。其余解释变量对Ri的影响程度均较大。同时，通过回归结果我们可以发现，ano即一周平均操作次数对Ri的影响是负相关的。即操作次数的增加反而股市投资收益率会下降。并且，我们会发现，m2RoiD*SHiBoR1m这个交互项对Ri的影响也十分明显，这也反映出m2在很大程度上能反映货币供应量的变动情况。综上，我们可以发现该模型较好地反映相关因素对股市投资率的影响状况。
3实证研究及讨论
通过对以上各种因素的大概研究，现在我们来针对当中的五个重要因素的仔细研究。
3.1资金投入量与投资收益率之间的关系
通过数据分析显示，资金投入量与股票投资收益率之间的关系是呈正态相关。但是在实证分析中显示，资金投入量与投资收益率之间的关联度较弱，说明计量分析与实证分析之间存在一定的差异。
3.2周看盘时长与投资收益率之间的关系
通过数据的计量分析与实证分析可以得出，每周平均看盘时长与投资收益率之间存在高度正相关的关系。跟踪得出如下数据：白XX在8月15号至8月19号其看盘时长为26个小时，对应的当期账面盈利7.7%。在董XX的观察期9月12号至9月16号之间，看盘时长低至8个小时，对应的其当期账面亏损幅度达至1.8%。董XX在观察期当中的9月26号至9月30号其看盘时长为15个小时，对应的其账面盈利达至3.07%，在7月18号至7月29号这个期间，由于股票市场的波动比较大，但由于其看盘时长的增加，其亏损的幅度也得到了一定的控制。
3.3入市年长与投资收益率之间的关系
通过数据的计量分析得出入市年长与投资收益率之间是呈现正相关的关系，然入市年长较长或者较短其投资收益率的波动性都较大，入市年长比较靠中的，其投资收益率是比较稳定的。不同风险偏好（风险爱好者、风险中性者、风险厌恶者）的投资者的投资行为也大不相同，最终投资结果也会呈现不同状态。
3.4周平均操作次数与投资收益率之间的关系
通过数据的计量分析与实证分析得出周平均操作次数之间呈现负相关。如下：化环学院的白XX，在7月18号至7月22号和8月22号至8月26号这两个观察期内，周平均操作次数均为5次，但其当期账面亏损幅度分别达至8.1%、3.19%。而且由于该位受访者的操作次数波动较多，所以其当期账面亏损变动的幅度较大，盈利幅度最大为7.7%，亏损幅度最大为8.1%。外国语学院的杨XX，其操作次数总体较少，所以其当期账面损益的变化幅度比较小。
3.5平均持仓量与投资收益率之间的关系
通过数据的计量分析平均持仓量与投资收益率之间不存在联系，实证分析中平均持仓量与投资收益率之间的关系是比较极端的存在，两者的关联度不是特别高，但是也有一定的解释力度。从我们长期的三位跟踪采访对象可以有力的解释这一结论。其中两位受访者的平均持仓量的百分比高低与投资收益率之间存在者高度密切地相关度。当受访者的平均持仓量所占比比较高的时候，其当期账面收益率也比较高。反之其当期账面亏损相对来说是比较高的。所以说实证分析与计量分析在有一部分是有较大的差异。
3.6宏观因素与投资收益率之间的关系
通过总体数据的计量与实证分析，可以得出宏观因素中的SHiBoR1m与上证指数之间存在着密切的负相关，m2和iaV与上证指数之间的相关度相对比较弱，但是实证分析中还是有一定的相关度。
4总结
4.1主要结论与启示
通过模型计算以及实证检验可以看出各个因素各具有一定的解释力度。资金投入量对于投资收益率的影响较强；看盘时长总体上同收益率正相关；入市年长存在极端的关系，入市长短不同通过影响投资者的决策从而影响收益率；操作次数变化幅度与收益率变化幅度之间的关系密切，与投资收益率之间呈正相关关系；平均持仓量与投资收益率之间存在较为极端的关系，二者关联度不高但仍然具有一定的解释力度，跟踪者的时间序列数据可以看出二者存在较高的相关性。即平均持仓量占比较高的时候，其当期账面收益率也比较高，反之亦然。
针对于大学生炒股通过对其内因进行分析可以看出，大学生可以参与股票投资，但是，大学生炒股应控制资金投入量，降低投入是减少其炒股风险的重要途径；大学生炒股获益的基础是在花费大量时间成本跟踪股市变动，这与大学生的学习相互冲突。因此大学生炒股必须在二者之间获取平衡点，该阶段大学生仍然应当以学习为重，不能舍本逐末。炒股大学生应当在课余多学习股票投资的知识技能，更多是要健全和完善自身的心理素质与承受能力方能做一个稳健的投资者。更重要的是学校应该健全大学生投资理财教育机制，从较为科学的角度协助大学生参与理财投资，帮助大学生构建健康正确的价值观念，从而做到教学相长，实现价值。
4.2局限性
本文从传统金融的角度研究了大学生股票投资者的各个内因、外因与投资收益率的关系，由于团队研究水平以及时间等方面的缘故，本文还存在以下几点不足，同时也为今后的研究提供一些思路和方向。
未结合行为金融的研究方式来研究投资者的投资行为与选择。未投资者情绪纳入考虑范围，仅仅从投资者的投入出发。所以，在不同市态下，可在模型中加入相关虚拟变量，从而更加合理反映投资者的投资情况。今后针对该课题可以进行更深入的探索重点分析与双向研究大学生投资者情绪和投资收益率之间的相互冲击。
不同的市场状态。本文研究了大学生股票投资者的各个内因与投资收益率的关系，主要是从投资者自身出发，对宏观经济变量的研究仅仅是讲其设定为一个外部环境，并没有在不同市场状态下划分为不同情境来分析投资者内因与收益之间的关系。该问题可以为将来后续研究提供借鉴，充分考虑市场状态对大学生投资者的影响。
股市投资机会成本。本文对大学生股市投资状况的研究，虽考虑微观和宏观经济变量对投资收益率的影响，但尚未考虑股市投资的机会成本，如同样具有风险的投资渠道-债券投资。所以，若在研究中考虑相关其他投资的收益变化，将更能反映股市投资的真实对比状况。
参考文献：
[1]陈浩.中国股票市场机构投资者羊群行为实证研究[J].南开经济研究.2004，（2）：91-94
[2]程昆，刘仁和.投资者情绪与股市的互动研究[J].上海经济研究，2005，（11）：86-93
[3]2007，（8）：131-140
[4]黄蓉.自回归模型货币供应量对股票价格指数影响分析[J].统计与决策.2012，（12）：150-152
[5]陆蓉，徐龙炳.“牛市”和“熊市”对信息的不平衡性反应研究[J].经济研究，2004，（3）：65-72
投资收益分析篇8
关键词：长寿风险；个人账户；精算平衡；投资收益率
中图分类号：F830.5文献标识码：a文章编号：1674-2265（2015）06-0003-07
一、引言
在过去的100年里，人类的平均寿命每10年提高2.5岁，呈现出显著的人口死亡率降低趋势。人口寿命延长体现了社会发展水平的提高，但也带来了长寿风险，即人口死亡率的超预期降低所带来的风险。长寿风险对社会不同层面都产生一定影响。举例来说，人口寿命增加给社会保障体系带来巨大压力，政府必须为未来的预期寿命延长建立足够的战略储备资金；同样，对于持有诸多生存保险保单的保险公司来说，也面临着预期寿命延长所带来的年金给付增加的压力。对于许多金融机构来说，人口预期寿命的延长也带来了构建新型衍生品和创新金融产品的机会。近些年，国际上关于长寿风险的研究沿着定量化的视角逐步深入，许多死亡率模型不断被提出，这些模型可以有取舍地借鉴到我国的长寿风险研究中。
和世界其他国家一样，我国养老体系也因长寿风险而面临巨大压力：人口死亡率的下降和预期寿命的延长使得老龄人口增加、预期余命延长，这一长寿风险加大了基本养老保险统筹部分的给付压力，特别是使得个人账户的支付年限延长。根据现行支付安排，个人账户的收支缺口由统筹部分承担。故在现行政策下，收不抵支的个人账户数量将增加，且个人收支缺口呈扩大趋势。为了应对老龄化冲击和日益加大的养老金给付压力，我国政府不得不将改变多年的“个人账户空账运行”逐步做实。
很显然，长寿风险将对该个人账户的“做实”带来重大影响。在人口死亡率超预期降低的条件下，个人账户按照现在人口情况进行“做实”将产生“亏空”，导致个人账户“财务”不平衡。为了弥补这种亏空，使个人账户达到平衡，学者们从不同角度进行了深入的探讨，并提出了不同建议。如王积全（2005）利用兰州市抽样数据，对国家、企业和个人的养老负担比例进行了深入分析，并首次在模型中引入了收缴率和工资比率等参数，基于此给出了相应的缩减缺口的政策措施。罗良清（2005）总结并完善了我国个人账户支付模型，使其更适合于现行养老制度的月度缴纳和实际支付方式。潘春雷（2007）评估了在退休年龄、就业比例、工资水平等方面的性别差异对养老基金精算收支平衡的影响。顾文（2010）预测了未来几十年基本养老保险制度下在职人员和退休人员的人口数据，对基本养老保险基金平衡、隐性债务规模等问题进行了测算。黄顺林、王晓军（2010）利用基于出生年效应的Lee-carter模型对中国男性人口死亡率进行了拟合，并将其预测结果对养老年金系数进行估计，发现中国现行城镇职工养老保险的年金系数被严重低估，这将给未来基本养老保险个人账户带来很大的偿付压力。张宁（2015）利用非线性时间序列分析中的希尔伯特-黄变换对死亡率进行了不同风险层次的划分，并基于此提出了“长寿风险分级基金”来应对个人账户和统筹账户的“老龄化”压力。
本文借鉴现有国内外研究成果，尝试运用国外研究中应用较为广泛的Lee-Carter模型的改进版――泊松对数双线性模型和随机模拟方法，在对未来人口死亡率曲线进行预测的基础上，分析不同退休年龄和投资收益率的最佳组合。泊松对数双线性模型的优点是能够预测出在一定概率下未来人口死亡率的区间估计，从而可以更好地评估个人账户收支在未来面临的不确定性，并且量化不同政策或假定对于账户缺口的影响程度，给出特定缺口水平下的参数设定水平。
二、长寿风险模型与数据来源
1992年提出的Lee-Carter模型是长寿风险模型的重要开端，该模型通过时间和年龄两个角度来拟合中心死亡率的对数：
[μx（t）=exp（αx+βxkt）]（1）
在上述模型（1）中，[αx]代表不同年龄在所有时间的对数死亡率平均，反映了年龄对死亡率的影响；[kt]代表了时间对死亡率的影响；[βx]描述了不同年龄的人群对时间影响的敏感程度，即斜率。
该模型对美国以及加拿大的死亡率拟合较好，但也存在许多问题，例如高龄拟合以及共线性等问题。对此也有一些相应的改进模型，例如引入世代效应的apC模型，利用非线性序列分析方式，或者利用长寿风险指数进行测度。其中有一种改进方法被普遍使用，即通过引入泊松假设，假设死亡人口服从泊松分布，可以基于Lee-Carter模型建立泊松双线性模型（possionlog-bilinear）：
[Dxt～poisson（extux（t））]，[μx（t）=exp（αx+βxkt）]（2）
该模型和Lee-Carter模型有同样的参数限制，以确定唯一的参数。
[tkt=0]，[xβx=1]（3）
同时，由于引入了泊松分布，我们用最大似然估计来代替Lee-Carter模型的SVD求解方法。
[L（α，β，k）=（x，t）[Dxt（αx+βxkt）-extexp（αx+βxkt）]+constant]
（4）
在模型（4）中，constant表示常数，[kt]反映了每个年龄的中心死亡率随时间变化的趋势。未来的死亡率可以通过如下方式进行估计，同时可以用Bootstrap方法来进行区间估计：
[mx（tn+s）=exp（αx+βxktn+s）]（5）
本文使用的数据是1994―2010年的人口死亡率数据，数据来源是中国人口统计年鉴。分组方式是每个年龄一组，同时设定最高年龄组为90+。由于1996年、2005年和2010年的数据一直延伸到100+，为了保持一致，将90岁以上的数据合并，形成90+的年龄组数据。
分组后，我们首先获得不同年龄和性别的死亡人数以及年中人口数据，这些数据形成了两个矩阵。同时我们还获得死亡率数据。这里，男性年龄x范围为60，61，…，90+；女性年龄x范围为55，56，…，90+；而时间t为1994，1996，…，2010。由于1995年数据缺失且1994年抽样时间较晚，故时间维度没有考虑1995年。
本文所使用的软件是R软件，该软件是奥克兰大学两位学者开发的免费开源软件，提供了跨平台的数学计算环境，世界各地的开发者为它开发了多种免费软件包；正是由于其免费开源特征，R软件已经成为学术界和数据处理领域最广泛使用的软件之一。
三、未来中国人口死亡率预测
下面，我们基于泊松双线性模型（2），用最大似然估计（4）来拟合中国人口死亡率数据（1994―2010），可以得到对应的[α]、[β]、[k]三个参数，其结果如图1所示。其中左侧为男性拟合后的参数计算结果，右侧为女性拟合后的参数计算结果。
从拟合后计算的参数结果来看，无论是男性还是女性，参数[k]在16年里整体上呈现下降的趋势。由于其在一定程度上代表了人口整体的平均死亡率，因此可以说人口死亡率呈现下降趋势，中国社会存在长寿风险，其下降的斜率代表了长寿风险的严重程度。同时，由于参数[β]表示了年龄范围对长寿风险的作用，从图1中（第二行两张图）可以看出，人口死亡率的降低主要体现在80岁以上的人口中，这说明我国超老龄人口的健康状况改善程度要超过普通老龄人口。除了趋势之外，我们可以在图中看到结果的波动，这是由于人口抽样所带来的干扰：我国人口死亡率数据一般采取百分之一人口抽样，而不是100%的人口普查。
图2给出了拟合后的死亡率数据情况，其中左列为男性，右列为女性。第一行是对数据曲面的拟合情况（R2=0.92），第二行是时间维度不同年龄的死亡率情况（R2=0.97），第三行是年龄维度不同时间的死亡率（R2=0.95）。
从R2看，拟合结果整体较好。特别地，对于不同年龄的时间维度拟合效果相对较弱，这是受数据集的影响，因为2010年和2000年为普查数据，而其他时间样本为抽样数据，抽样数据获得的模型参数对普查数据的拟合有一定偏差，曲面拟合也受到此原因影响，这是本文需要进一步改进的地方。
从图2中可以看到，随着时间的增加，各年龄段的死亡率整体上呈现下降趋势（第二行图），同时随着年龄的增加，死亡率上升，同时死亡率最高的年代时间是1994年和1996年（第三行图）。
为了更好地度量长寿风险并对未来死亡率进行预测，我们需要对死亡率[kt]进行时间序列建模并预测，这里我们采用的时间序列模型是aRima（0，1，0）。具体的区间预测结果如图3所示。
上图2中给出死亡率逐渐降低的过程，并根据其结果，重新利用双线性模型，能够得到未来人口在2011―2020年的死亡率预测，该结果如图4所示。
需要特别提到的是，在我们使用的数据中，2000年和2010年的数据是通过人口普查得到的，其他年份的数据是通过百分之一人口抽样调查获得的，很显然普查数据比抽样数据更可靠，这也表现在数据拟合时，结果会有一定的波动。如何利用普查数据进行抽样数据调整，这是本文需要进一步完善的地方。
从预测结果看，各年龄段的人口死亡率都呈现了逐步降低的过程，而且这种降低的趋势并没有减缓，这也预示着长寿风险将长期存在。具体到各年龄段可以发现，死亡率降低水平在不同年龄人群之间存在差别，例如青少年人群（10―19岁）死亡率改善情况相对老年人（50―60岁）要低一些，而高龄老人（80岁以上）的死亡率改善则呈现很大波动性。
四、退休年龄与投资收益率分析
为了对个人账户平衡进行计算，我们用泊松Bootstrap方法来产生1000个未来死亡率样本并利用这些样本来模拟未来死亡率，该模拟包括所有年龄（男性是60―90岁，女性是55―90岁），时间是2011―2050年。泊松Bootstrap是一种随机再抽样方法。表1给出了60岁的人口未来预期余命的变化。
从表1可以看到，在2011年60岁男性的余命为24.18岁，但是到了2020年，余命变为25.74岁，该结果比历史数据总结出来的要快，这正是长寿风险中风险的含义。同样对于女性来说，60岁人口在2011年的平均余命为26.05岁，但到了2020年为27.18岁，从中还可以看到男女预期余命的差距在缩小。
在确定收益模式（DB）下，个人账户的平衡公式由（6）给出。
[pVactual=DB?splanωb-1t=0∞tpbvt=k=0b-a-1cω（1+g）k（1+i）b-a-kkpa]
（6）
在这里，a为进入养老年金系统的年龄；b为退休年龄；[splan]为退休后个人账户的替代率；[ωb-1]为在年龄b-1时候的工资；c为贡献率；g为工资增长率；i为投资收益率。根据当前的中国养老金现状，我们设定的参数为：c=8%，g=10%，i=4%，a=25，b=60（男性），b=55（女性）。
这样，通过Bootstrap方式得到的1000个死亡率抽样样本，我们可以计算出不同退休年龄下的替代率的点估计和区间估计（95%置信度），结果如表2所示。
从表2可以看到，在当前的状态下（当前参数设定下），个人账户在退休时候的替代率仅仅8%左右。为了进一步计算最佳退休年龄，我们设定特定的替代率，并由此计算对应的退休年龄。
同时，我们还注意到，如果个人账户替代率达到预定的10%，那么退休年龄至少要66岁，也就是说，在2015年如果男性退休年龄为66岁的话，个人账户的替代率满足10%左右的要求。
在考虑退休年龄的同时，我们也可以从另外一个角度分析，即研究公式中表示投资收益率的i，如果投资收益率上升的话，其退休后领取的年金增加，也可以提高替代率，因此投资收益率和退休年龄密切相关。下面我们将根据上述计算，设定替代率为10%左右，用Bootstrap方式模拟，来得到对应的关系。
首先设定投资收益率i为5%，来看一下男性在不同时间（年代）的退休年龄。结果如表3所示，此时个人账户替代率将保持在10%左右。
接下来设定投资收益率i为6%，计算结果如表4所示。可以看到，到2020年前，男性退休年龄无须提高，也能保持替代率为10%。
表5和表6分别给出了女性当投资收益率在5%和6%时的退休路径。
从表5、表6可以看到，如果在投资收益率为5%的情况下，女性的退休年龄大幅度增加，比目前的55岁提升了10岁多，只有这样才能保持个人账户的10%替代率。而即使在投资收益率变为6%的时候，退休年龄也需要从2013年开始调整，并从61岁开始。
如果要维持当前的女性退休年龄，我们可以计算出投资收益率大约为7%，表7给出了此时的女性退休年龄情况以及个人账户替代率。
由此可以看到，长寿风险给个人账户带来的压力方面，女性要比男性大得多。
当前我们实行的是男女统筹，在这种情况下，通过进行不同的退休年龄匹配，并考虑当前的政策环境，我们得到了比较合理的投资收益率是6.1%，其退休年龄和投资收益率的关系如表8所示。
综合计算和模拟结果，可以得出如下结果：
（1）当我们保持个人账户替代率为10%的目标的时候，男性可以在5%的投资收益率下，提升退休年龄到63岁（2020年）。该投资收益率与当前市场情况符合，可以认为此退休路径是可行的。
（2）女性的个人账户压力较大。当我们维持5%的投资收益率的时候，女性的退休年龄已经达到了65岁。如此快速的提升是不可行的。对此，只有提升投资收益率来进行弥补，计算表明投资收益率达到7%的时候，女性退休年龄可以逐步提升到56岁。尽管这个结果与现在情况衔接较好（女性工人50岁退休，女性干部55岁退休），但该投资收益率已经超过市场险资的平均投资收益率（2015年，5%左右），综合考虑目前的货币政策，会有一定的实现难度。
（3）为了减少女性个人账户的压力，可以考虑男女统筹计算，我们进一步的计算表明，此时需要维持投资收益率在6.1%左右。与此相配合，男性退休年龄逐步过渡到62岁，而女性逐步过渡到60岁。
五、结论
本文利用泊松双线性模型来度量中国长寿风险，该方法比较好地避免了Lee-Carter模型所带来的共线性等问题；利用该模型，我们基于Bootstrap方法模拟未来的死亡率曲线，从而对个人账户平衡进行了计算，由此分析了不同退休年龄与投资收益率的组合。
从组合情况看，当我们维持5%的投资收益率，男性可以逐步延迟退休到63岁（到2020年）；而对女性来说，5%的收益率不足以抵消死亡率改善的效果，即使投资收益率达到7%，女性退休年龄仍然需要在2020年提升到56岁。
如果将男女统一起来解决女性个人账户压力，则需要维持的投资收益率为6.1%。如果考虑养老金未来入市，投资收益率达到6%以上，那么这个方案是可行的。
参考文献：
[1]LeeRD，andCarterLR.1992.modelingandForecastingUSmortality.JournaloftheamericanStatisticalassociation，87（419）.
[2]wilmothJ.R.putationalmethodsforfittingandextrapolatingtheLee-Cartermodelofmortalitychange.Berkeley：technicalreport.
[3]alhoJ.m.DiscussionofLee.2000.northamericanactuarialJournal，4（1）.
[4]Renshawae，Haberman.2006.acohort-basedextensiontotheLee-Cartermodelformortalityreductionfactors.insurance：mathematicsandeconomics，41.
[5]Zhangning.2012.themodifiedmortalitydecompositionmodelanditsapplicationintheChinalongevityriskanalysis，iCCia12.
[6]Zhangning.2012.introductionandcomputationoflongevityriskindexbasedonmortalityratedecompositionmodel，SpringerCommunicationsinComputerandinformation，289.
[7]Zhangning.2010.Researchaboutoption’sriskandpriceinChinastockmarketbasedonnon-linearHHtsignalanalysisinmatlab，itmSSignalprocess.
[8]Renshaw，ae，Haberman.2008.onsimulation-basedapproachestoriskmanagementinmortalitywithspecificreferencetopoissonLee-Cartermodeling.insurance：mathematicsandeconomics，42.
[9]Brouhnsn，Denuitm.，VermuntJ.K.2002.apoissonlog-bilinearapproachtotheconstructionofprojectedlifetables[J].insurance：mathematicsandeconomics，31（3）.
[10]Brouhnsn，Denuitm.，KeilegomVani.2005.Bootstrappingthepoissonlog-bilinearmodelformortalityforecasting[J].ScandinavianactuarialBulletin，2.
[11]王积全.基本养老保险个人账户基金缺口实证研究[J].甘肃社会科学，2005，（3）.
[12]罗良清，王茶香.个人账户中养老金给付精算分析[J].统计与决策，2005，（5）.
[13]潘春雷.性别差异对我国基本养老保险基金平衡影响的精算分析[D].吉林大学硕士论文，2007.
[14]顾文.人口老龄化背景下我国养老保险体系的精算测评[D].复旦大学硕士论文，2010.
投资收益分析篇9
对项目资本金的现金流量表和项目投资的现金流量表进行深度分析,通常会存在现金的流入项目完全符合,但其流出项目存在差异的问题。同时,因为项目投资的现金流量表主要用于融资前的分析,并未将贷款因素纳入考虑,所以利息支付项目并不存在于现金支出当中。为此,需意识到利息的抵税应用,需在现金流量支出项目中增加调整所得税项目,可进行利润分配表和利润中所得税项目的区分。但需注意到其所产生的所得税前后的净现金流量,并且项目投资的内部收益率也会存在所得税前、后两项指标。为此,应在投资实体的分析时将其纳入考虑。在具体的计算当中,进可直接通过所得税前的净现金流量得出,无需考虑税后指标,不但能够提升其计算的科学性和规范性,还保证符合我国的相应税法固定。
二、各指标的数量关系分析
1.资本金内部收益率和项目投资内部收益率的数量关系
项目开发中的财务分析,对于资本金的内部收益率和项目投资的内部收益率之间的重要性存在较多的争议。从投资构成的角度出发,因为项目投资的内部收益率未将账务资金纳入考虑,建设期并不存在利息项目的分析,所以项目的总投资项目仅包括流动资金和建设资金。从融资方案的角度出发,项目建设中所需应用到的全部资金包括债务资金和权益资金,若是项目资本金与权益资金相等,则债务资金便等同于银行借贷。结合相应的计算,可得出若是银行利率小于项目投资的内部收益率,在杠杆效应的影响下,项目投资的内部收益率将小于资本金的内部收益率;反之,若是银行的利率大于项目投资的内部收益率,则项目投资的内部收益率将大于资本金的内部收益率[3]。
投资收益分析篇10
1、全投资内部收益率，全投资内部收益率是指使项目计算期内净现值流量累计等于零时的折现率。根据拟定的财务假设，从项目全投资总获利能力角度，不考虑融资，对全投资现金流量进行分析，分析项目的现金流入和现金流出，计算全投资内部收益率。
2、资本金内部收益率，项目资本金流量分析是融资后分析，根据拟定的融资方案，从项目资本金出资人的角度，确定其现金流入和现金流出，进行息税后分析，计算资本金内部收益率。资本金内部收益率考察项目资本金可获得的收益水平，是投资者最终决定出资的依据。
3、投资各方内部收益率，投资各方内部收益率是从投资各方实际收入、支出的角度，确定其现金流入和现金流出，计算投资各方财务内部收益率，用于考察投资各方可能获得的收益水平。当投资各方不按股本比例分配或有其他不对等收益时，可选择投资各方内部收益率进行评价。
4、投资回收率，投资报酬率能反映投资中心的综合盈利能力，且由于剔除了因投资额不同而导致的利润差异的不可比因素，因而具有横向可比性，有利于判断各投资中心经营业绩的优劣；此外，投资利润率可以作为选择投资机会的依据，有利于优化资源配置。