市场化模型范文

市场化模型范文（精选12篇）

市场化模型 第1篇

近5年来,以成果应用为导向探讨模型制作课程教学的研究不多,系统全面地进行理论方法研究的更为少见。丁莉在能“用”的作业选修课《产品模型工艺制作》转观念教学体验中提到,模型制作课程不再一味地追求形式效果,而是强调学生的模型作业长久的实用性和取材环保性。章勇在《工业设计模型制作教学中市场意识的潜在培养》提出,良好的市场意识是一名工业设计师的基本素质,对工业设计的教学过程中,有意识的引导和发展学生的市场意识。是其必不可少的一个主要环节。文中探讨模型制作课程培养学生市场意识的模式,目的在于唤起学生在模型制作时市场的潜在意识,从而更有效的进行工业设计模型制作。

二、对促进教学工作、提高教学质量的作用和意义

1、对教学工作、提高教学质量的作用

《模型制作》是本院环境专业设置的重要专业基础课之一,研究此课程作用在于加强环境设计专业的基础教学,深化课程改革。通过课程教学实践研究开启学生不同项目与任务的训练,形成一个循序渐进、从平面到立体设计的课程体系,为环艺专业的专题设计和毕业设计打下坚实的基础。对总结出适合环境设计专业模型制作课程的教学方法有重要作用。

2、对教学工作、提高教学质量的意义

本文旨在《模型制作》教学工作中培养学生在模型制作过程中对市场规律的有效运用意识。如何使这门课程符合现代应用型教学体系的要求,提出“市场化”就有着重要意义。运用商业设计的模式来思考并指导学生设计制作环节。教师需要引导学生去发现和解决设计中的材料和加工工艺的条件限制等问题,帮助学生提高设计方案的可行性。

研究促使老师应用项目导入模式,调整教学内容和形式,对教学注入新的活力,新课程摒弃单一的知识传授,采取教学成果目标多元化,让学生养成严谨的逻辑思维能力。

提高了教学的开放性,让学生有机会接触并实践该领域最前沿的技术与思潮。项目组主持人及成员也希望更加系统和深入的挖掘《模型设计》课程市场化的教学形式、教学内容及教学方法,从根本提高此课程的教学质量,并推进其在教学体系上的完善与发展。

三、解决关键三个问题

基于环境设计专业方向的角度详细探究模型制作课程市场化教学的可行性,最终以系列教研论文形式呈现研究成果,同时以师生的课程练习、创作作品呈现研究成果(参展、参赛)。

项目研究内容涵盖两个方面:一方面是指在设计及制作环节中有意识的培养学生的市场潜在意识,运用商业设计的模式来思考并指导学生的设计制作环节,实现模型作业的商业价值和艺术价值。另一方面是指项目导入一体化教学,将单纯的知识传授改为工作项目导入,将实际项目导入成为课堂模型作业的主题,目的是在课堂教学中把理论与实践更紧密地结合起来,避免理论的空洞与抽象,充分发掘学生的创造潜能,提高学生解决实际问题的能力,培养学生严谨的逻辑思维能力。并在完成教学后归纳总结形成可行的教学新模式、教学新内容、新考核方式。

1、《模型制作》课程市场化教学的新模式

对《模型制作》的教学过程中,有意识的引导和发展学生的成果应用意识、市场意识。项目研究将分析成果应用对设计影响的5个方面,即导向型、潜在性、约束性、交互性和不确定性,探讨模型制作课程培养学生成果市场化的潜在意识的模式。

2、《模型制作》课程市场化教学的新内容

在市场化教学研究中增加“项目导入一体化”新内容。教师把企业的设计项目或横向课题项目导入到教学中去,无论是“真题真做”还是“真题假作”可以根据学生的能力状况来设置。秉持“实践工程”与教学内容相结合的方法,将理论、实验、实训等教学内容一体化地设置;将实验与操作等教学形式一体化地实施;将知识、技能与素质等要求一体化地训练。

四、研究思路

从环境设计专业视角探讨模式制作课程市场化教学的可性性,培养学生在模型制作过程中市场潜在意识。并从教学内容、教学形式、教学成果三个方面进行实践,以实现在实际教学中该课程的专业特色化教学。

五、研究方法与步骤

研究方法:理论联系实际归纳总结。步骤:首先依据研究内容确立教学实施内容,统一教学目标;→安排项目组成员备课及制作课件,详细拟定课程教学环节;→项目组成员实施教学;→在阶段课程结束后以会议形式对课题研究内容进行论证与归纳总结,整理学生课程练习与作品以教学习作展形式呈现;→撰写系列论文。

理论依据:

针对《模型制作》课程中注重形象思维、创造性思维、综合性强的特点,除了采用常规的启发式、互动式教学方法来调动学生学习的积极性、主动性,提高其学习兴趣,激发引导学生积极思考之外,还应运用项目导入法培养学生在设计过程中的逻辑分析能力、创造性思维能力、对社会文化的洞察力,开发学生设计的潜在能力。

1)项目导入教学法

主要特点在于以学生为中心,以“项目”为中心,以实际经验为中心,学生是认知的主体、是知识意义的主动建构者。

2)行为观察法

让学生对人的行为以及设计课题进行深入地分析,经过消化与思考,把握其中的关键要素,从不同的角度进行创作构思。行为观察训练的目的在于拓宽学生的思路,培养其理性地思考问题以及科学地进行创作的能力。

3)讨论式教学法

将教学过程与阶段讲评讨论相结合,将课堂讨论作为教学组织的重要内容之一,按照不同教学阶段,开展小组自评互评,针对典型作业讲评等方式,提高学生的独立分析判断能力以及创作中理性的思辨能力。

六、结语

《模型制作》这门课程对本科环境设计专业学生的室内外空间关系、建筑结构,对培养学生的创新意识和创作积极性,起到了至关重要的作用。随着市场化为导向的教学改革,摒弃传统教学的弊端,不断地在教学实践中探索新的教学思路。

摘要：从环境设计专业视角探讨模式制作课程市场化教学的可性性,培养学生在模型制作过程中市场潜在意识。并从教学内容、教学形式、教学成果三个方面进行实践,以实现在实际教学中该课程的专业特色化教学。

关键词：成果应用,模型制作,教学研究

参考文献

[1]崔魏华颖.关于《景观模型制作》课程教学的探讨.[M]赤峰学院学报,2012(14)

一类市场营销调控模型研究 第2篇

利用最优控制充分条件，对一类市场营销最优控制模型进行了分析研究，最后改进并得出了与实际相符的市场营销调控模型，为企业最优广告策略和最优寿命提供了决策支持信息。

作 者：汤红英  作者单位：四川轻化工学院管理工程系,自贡,643033 刊 名：资源开发与市场 英文刊名：RESOURCE DEVELOPMENT & MARKET 年，卷(期)： 16(3) 分类号：F713 关键词：市场营销   模型   广告策略   marketing   model   advertise policy  

船舶市场趋势预测的三阶段模型 第3篇

(上海海事大学 经济管理学院，上海 201306)



船舶市场趋势预测的三阶段模型

蒋元涛， 杜裕， 蔡敏

(上海海事大学 经济管理学院，上海 201306)

为提高船舶市场趋势预测的精度，针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性，综合模糊聚类方法、数据修正和插值算法，对输入环节的数据进行降维和增量处理，构建船舶市场趋势预测的三阶段模型.首先，利用模糊聚类方法对历史数据进行分类，降低数据非线性；然后，通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量；最后，利用处理完毕的数据训练神经网络.实例结果证明，三阶段模型在船舶市场趋势预测方面是有效的.

船舶市场； 趋势预测； 模糊聚类； 神经网络

0 引 言

船舶是一种特殊的工业产品，其建造周期长、造价昂贵.船舶市场发展趋势代表船舶所有人和航运企业对航运形势的预期，对制定船舶工业发展规划和调整船舶工业结构具有指导意义，其预测精度将会影响决策的科学性和可行性，因此有必要采取科学有效的方法提高船舶市场趋势的预测精度.在船舶市场趋势预测方面，实践界和理论界从不同角度进行过有益探索.实践界主要基于船舶市场最近一个周期(几个月或季度)的历史数据，通过简单的趋势外推，勾勒未来可能的发展趋势[1]；理论界一方面试图建立复杂的预测模型，另一方面尽可能涵盖影响船舶市场的各种因素提高预测精度[2].

20世纪70年代末，日本造船学会研究小组(SAJ)曾经针对船舶市场的新船订单建立一套预测模型，并应用于干散货船和油船两大板块.[3]由于该模型需要的大量数据分散在各个经合组织(OECD)成员国，所以没有获得大规模的使用.GEORGE等[4]认为船舶市场的影响因素可以归为5个方面——劳动力、造船业绩、汇率、政府支持和行业结构，并利用其相关数据预测船舶市场未来趋势.顾平等[5]用模糊综合评判方法对船舶市场进行定性分析，魏黎等[6]利用模糊识别对船舶市场进行趋势预测，均取得一定效果.陶永宏等[7]将功效系数法与反向传播(BackPropagation，BP)神经网络相结合建立船舶制造风险预测模型.该模型利用功效系数法获得历史警情，利用神经网络训练，有较高的预测预警能力.王建华等[8]对巴拿马型船舶航运市场价格波动进行向量自回归(Vector Auto-Regression，VAR)分析；余思勤等[9]基于市场均衡理论，通过BP神经网络分析以往30年的船舶市场参数数据，并依此对船舶市场的未来风险进行预测和评估；杜裕等[10]综合利用模糊聚类与具有外部输入的非线性自回归(Nonlinear Auto-Regression with eXogenous inputs, NARX)神经网络，对船舶市场风险进行预测预警，均取得一定效果.

从以往研究看，由于神经网络具有拟合非线性函数的优势[11]，理论界尤其重视该方法在预测领域的应用.但是当数据呈现高度非线性时会导致神经网络结构异常复杂，反而很难获得全局最优解.为此，人们针对神经网络的隐层环节，力图通过改进搜索算法(例如采用全局搜索能力比较强的遗传算法、蚁群算法等)，降低神经网络模型参数的误差来提高拟合度.然而，当数据呈现高度非线性时该方法仍然存在无法精确定位最优解的问题，特别对船舶市场来说，其涉及到的影响因素可以达到百万数量级，这使得船舶市场的内在发展规律被严重扰动，相关数据的波动非常剧烈[12].而且船舶市场可获得的数据记载周期仅有最近二十多年，船舶市场预测的难度较大.为此，本文以神经网络为预测基础，解决方案不以神经网络的隐层环节为突破，而是引进模糊聚类方法、数据修正和插值算法[13-14]，对输入环节的历史数据进行科学处理：一方面，利用模糊聚类方法对离散历史数据集合进行合理分类，达到降低数据非线性的目的；另一方面，通过数据修正和插值算法，在不改变数据规律的情况下增加每类数据的数据量，从而提高模型拟合的准确度.应用结果表明，该模型能明显提高船舶市场趋势预测的精度，证明所构建的三阶段模型是有效的.

1 三阶段预测模型构建

根据市场机制理论，供给、需求和价格之间具有相互影响的紧密关系，是衡量市场是否健康运行的关键指标.[15]因此，本文以船舶市场的3个重要参数——价格(新船价格)、需求(新船订单量)和供给(新船完工量)为数据分析对象.船舶市场趋势预测三阶段模型的重点环节是对以上输入数据进行处理.三阶段模型的具体步骤如下.

1.1 船舶市场数据的模糊聚类(阶段一)

(1)对离散数据集合进行分类，集合元素的特性可以由m个指标表达，ci1,ci2,…，cim,i=1,2,…,n，则原始数据矩阵为

(1)

(2)对数据矩阵进行平移-标准差变换，得

(2)

(3)为求得相似系数法，利用夹角余弦法建立相似矩阵R，其中：

(3)

(4)聚类.以式(2)所求得的n阶模糊相似矩阵为基础，计算其传递闭包t(R)，这里用平方法进行计算.针对改造后的n阶模糊等价矩阵，让λ由大变小，从而得到动态过程的聚类结果.进一步基于实际的市场情况计算λ值，经过历史数据的聚类把船舶市场的历史行情划分为低风险、中风险和高风险.

1.2 船舶市场分类数据的修正和插值(阶段二)

1.2.1 数据修正

船舶市场在多种因素的相互影响下，根据特定的规律发展演化.随着市场环境变化速度的加快，特别是新技术、新决策的应用，越新的数据表现出越高的参考价值.而以往在利用神经网络基于历史数据进行预测训练时，注重依赖过去而不是现在，因此，本文在不改变数值变化特征的情况下，对某类时期比较久的数据参考近期的数据进行修正，具体算法如下：

假定模糊聚类后的某类数据在时间序列范围内有n年原始数据，记为φn，假设这n年的新船订单量分别用A1，…，An表示，新船价格分别用B1，…，Bn表示，新船完工量分别用C1，…，Cn表示，从φn中取靠近当前的m(m≤n/2)年历史数据，即

(4)

(5)

(6)

(7)

1.2.2 数据插值

经过分类和修正之后的某类数据记为Sn，

(8)

其中：sd1，…，sdn表示各年新船订单量；sp1，…，spn表示各年船舶价格；ss1，…，ssn表示各年新船完工量.

1.3 处理后数据的神经网络训练(阶段三)

处理后的船舶市场三类参数是时间序列数据，因此提出用NARX神经网络进行趋势预测。该方法由线性ARX模型发展而来，属于封闭的动态神经网络，通过把普通的动态神经网络结果反馈到输入层以影响和改变网络结构，从而实现网络的逐步调整.[16]本文所用的NARX模型可以定义为

(9)

式(9)中的F(·)是用神经网络模拟的非线性模糊函数，每一个y的输出都指向原神经网络层的输入，并作为下一次输出的调整参数，从而完成对神经网络的调整.由于数据会在时间序列上不断递进，因此式(9)能够体现神经网络时间序列实现与函数模拟功能的数据关联性建模思想.借助MATLAB神经网络工具箱中的时间序列预测可视化工具，进行神经网络的构建和参数调整、训练及仿真.

2 三阶段模型应用

以中国船舶市场趋势预测为实例验证三阶段模型的有效性，主要利用所构建的三阶段模型对新船价格、新船订单量和新船完工量进行趋势预测，以客观评估船舶市场未来趋势.首先利用阶段一提出的模糊分类方法，对1975—2013年的数据进行分类，得到5类模糊聚类数据，分别是1975—1987年数据，1988—1997年数据，1998—2003年数据，2004—2007年数据和2008—2013年数据.由于2008—2013年的数据靠近当前，故利用这组数据进行网络训练并预测未来的市场趋势，其中2008—2011年历史数据作为训练数据，2012和2013年的数据用作模型检验.表1是2008—2011年历史数据经过插值之后的结果，可以发现原先4年的4组数据增加到13组.

表1 2008—2011年船舶市场数据

经过多次调试和修改参数，得出神经网络训练在使用隐藏节点为30，延迟为4时效果较好.训练后的网络结构采用两层NARX神经网络实现船舶市场的新船订单量、新船价格和新船完工量转换.最终训练误差为6×10-20，满足要求，这说明训练的神经网络能够反映关系映射.使用训练好的神经网络对2012和2013年船舶市场的三个参数进行预测，结果见表2.为与直接使用神经网络预警的模型进行比较，进一步把没有进行模糊聚类和数据插值的参数数据直接使用神经网络进行训练后预测，结果见表3.

表2 数据处理后的预测结果和误差

表3 数据未处理的预测结果和误差

对比表2和3的结果可以看出：利用分类和插值后的训练数据预测未来一年(2012年)的新船价格、新船订单量和新船完工量，其预测误差分别为2.32%，0.44%和4.84%，显示出很高的预测精度，而未分类训练数据的预测误差分别为26.89%，69.42%和70.92%，预测误差大大超出容忍范围；在预测未来两年(到2013年)的新船价格、新船订单量和新船完工量时，利用处理后训练数据的预测误差分别为1.67%，35.14%和37.72%，除新船价格外，新船订单量和新船完工量的预测效果不甚理想，而未分类训练数据的预测误差分别是13.03%，82.53%和52.80%，可以说已完全失去预测价值.

以上对比说明：本文所提出的三阶段模型在预测短中期(一年)船舶市场趋势时具有较高的精度，在预测中长期(两年)船舶市场趋势时只能在某些指标方面表现良好；利用未处理的数据进行船舶市场趋势预测，无论是短中期趋势还是中长期趋势，预测效果都不理想.

3 结 论

船舶市场受到多方面因素的影响，人们很难正确把握其未来的发展趋势，本文提出船舶市场趋势预测的三阶段模型，综合利用模糊聚类、数据插值和神经网络方法对衡量船舶市场的三类指标——新船价格、新船订单量和新船完工量的历史数据进行建模和应用分析，所构建的模型也可以应用在船舶市场其他因素以及其他行业市场的趋势预测.本文的研究结论体现在两个方面.

(1)由于船舶价格昂贵以及市场趋势的不确定性，船舶制造企业、船舶所有人和航运企业以及证券分析人员都非常关注船舶市场趋势的预测问题.但是最近二十多年船舶市场反复兴盛、衰退给行业主体带来巨大损失，这说明在预测船舶市场趋势方面仍然面临很大挑战.目前，实践界经常利用趋势外推法预测季度之内的市场趋势，鉴于市场的惯性特点该方法比较有效，但是当面临半年、一年甚至多年趋势预测时就需要更加复杂的预测模型.为此，理论界构建各种复杂的预测模型进行积极尝试，并取得一些成果，其中以神经网络预测模型最常见.

(2)船舶市场具有高度非线性、多维度因素影响的特点，市场行情表现出来就是不确定性高、波动大而且很难预测.本文把船舶市场趋势预测划分成三个阶段，实现降低非线性、提高数据量的目的.案例应用结果表明，虽然所构建的三阶段模型在船舶市场中长期趋势预测方面不甚理想，但是在短中期趋势预测方面比传统方法有效.同时，该方法可以进一步推广，例如应用在船舶市场其他要素短中期预测以及其他行业市场趋势预测方面.

[1]李源, 秦琦, 祁斌, 等. 2013年世界船舶市场评述与未来展望[J]. 船舶, 2014(1): 1-12.

[2]明洁, 丁锐锋. 影响当前船舶供求市场的因素探析[J]. 船舶物资与市场, 2008(2): 18-20.

[3]魏黎. 世界船舶市场变化规律研究及走势预测[D]. 镇江: 江苏科技大学, 2007.

[4]GEORGE B, GARRARD I. The business of shipbuilding[M]. London and HongKong: LLP, 1999: 11-15.

[5]顾平, 姚慧丽. 船舶市场的模糊综合评判[J]. 造船技术, 1999(4): 1-4.

[6]魏黎, 林滨, 杨尚领. 基于模糊模式识别的船舶市场预测模型[J]. 中国造船, 2008(2): 135-140.

[7]陶永宏, 祁爱琳. 基于功效系数法与BP神经网络的造船业风险预警研究[J].中国造船, 2010(3): 191-198.

[8]王建华, 吕靖, 谭威, 等. 巴拿马型船舶航运市场价格波动的VAR模型分析[J]. 上海海事大学学报, 2009, 30(2): 78-83.

[9]余思勤, 项一叶, 刘振. 基于神经网络的船舶市场风险预警研究[J]. 中国商贸, 2012(12): 92-93.

[10]杜裕, 蒋元涛. 基于模糊聚类与NARX神经网络的船舶市场两阶段风险预警模型研究[J]. 物流科技, 2013(8): 8-12.

[11]BARNARD E. Optimization for training neural nets[J]. IEEE Trans on Neural Networks, 1992, 3(2): 232-240.

[12]姚祖洪. 国际干散货航运市场研究[D]. 上海: 上海海运学院, 2003.

[13]郭冲, 方泉根, 胡甚平, 等. 港口水域风险评估结论一致性分析模型[J]. 上海海事大学学报, 2012, 33(1): 16-19.

[14]严伟, 杨露, 黄有方, 等. 基于神经网络的集装箱码头泊位分配聚类分析[J]. 上海海事大学学报, 2013, 34(3): 8-13.

[15]王川, 王克. 基于BP神经网络的我国农产品市场风险预警研究[J]. 农业经济问题, 2008(S1): 152-156.

[16]李明, 杨汉生, 杨成梧, 等. 一种改进的NARX回归神经网络[J]. 智能控制技术, 2006, 28(4): 6-9.

(编辑 贾裙平)

Three-stage model of ship market trend prediction

JIANG Yuantao, DU Yu, CAI Min

(School of Economics & Management, Shanghai Maritime Univ., Shanghai 201306, China)

In order to improve the prediction accuracy of ship market trend, in view of the limitation that the neural network is simply used to improve the algorithm in the hidden layer, the reduction of data dimension and the increase of the data amount are carried out in the input layer by the fuzzy clustering method, data correction and interpolation algorithm, and a three-stage model of ship market trend prediction is constructed. First, the fuzzy clustering method is used to classify the historical data to reduce the nonlinearity of data. Then, through the data correction and interpolation algorithm, the amounts of various types of data increase without changing data regularity. Finally, the neural network is trained by the processed data. The application results show that the three-stage model is effective in the ship market trend prediction.

ship market; trend prediction; fuzzy clustering; neural network

10.13340/j.jsmu.2015.02.014

1672-9498(2015)02-0074-05

2014-10-14

2015-01-23

上海市教育委员会科研创新项目(12YZ117)；上海市科学技术委员会软科学研究重点项目(14692105200)

蒋元涛(1975—)，男，山东泰安人，副教授，硕导，博士，研究方向为船舶市场评估与航运管理，(E-mail)jiangyt@shmtu.edu.cn

F407.474; F222.3

市场化模型 第4篇

2008年金融危机以来,企业财务困境问题再次成为业界关注的焦点。当前,预测和管理企业财务困境越来越成为企业经营、投资决策和贷款决策的一个重要组成部分,股东、债权人以及企业员工都对财务困境或即将破产的风险给予高度的重视(Beaver等,2011)。[1]

自Beaver(1966)[2]和Altman(1968)[3]的开创性研究以来,相关实证研究一直聚焦在那些具有最佳预测能力的变量或信息上,并形成了两种主流的方法或模型:一是基于会计信息的传统统计模型(以下简称会计模型)。二是基于市场信息的未定权益模型(以下简称市场模型)(Bauer and Agawal,2014)。[4]尽管有关两类模型的文献已相当丰富,但会计模型和市场模型的信息含量仍是目前实证争议的一个主题,市场模型是否对财务困境预测提供有增量信息仍具有不确定性。现基于中国沪深A股上市公司的数据,运用Shumway(2001)[5]提出的离散时间风险模型技术进行实证分析,以对这一问题提供新的实证依据。

二、文献回顾

会计模型的文献认为上市公司公开披露的财务报表中隐含了解释企业财务困境的重要信息,学者们多通过运用各种不同的统计方法从中提取重要的财务变量来评估企业陷入财务困境的程度,Altman(1968)[3]的Z-Score模型为这类研究的经典代表。市场模型则基于Black and Scholes(1973)[6]和Merton(1974)[7]的期权定价理论。迄今为止,最有影响力的市场模型当属Moody’s KMV模型。因此,使用这类模型的研究常被冠以“Merton模型”“KMV模型”“Merton DD模型”等称谓。关于这两类模型研究的国外研究状况可见崔毅和蔡玉兰(2014),[8]在此不加详述。

我国学者自90年代初开始对国内企业财务困境预测展开了持续不断地研究,迄今为止已涌现出大量的理论和实证研究成果。如石晓军和任若恩(2005)[9]研究发现在我国找不到足够的证据支持基于期权方法的Merton模型与基于会计信息的Z记分模型之间的一致性,而马若微(2006)[10]的研究显示KMV模型对于中国股市是适用的,它能较早的反映公司的经营业绩与抗破产能力;在引入功率曲线进行优越性分析发现,KMV模型在大部分情况下都有优于Fisher模型和Logistic模型的表现。但刘国光等(2005)[11]发现Merton模型并不是违约风险的最佳度量,仅仅依靠违约距离难以准确地预测中国上市公司的失败,将其和财务指标同纳入模型中时,违约距离对模型的预测能力也没有实质性地提高(潘彬、凌飞,2012)。[12]孔德营和李晓峰(2012)[13]专门比较了Merton模型和Logistic模型的预测效果,发现Merton模型对违约风险预测的准确性仅有31.26%。

除了孔德营和李晓峰(2012)[13]的研究外,上述研究多是建立在小样本观测数的基础上,采用截面数据进行分析,未能体现出企业陷入财务困境的动态性。孔德营和李晓峰(2012)[13]的研究样本虽然多达一万多个公司年度观测数,实证也发现两类模型间的一致性较差,但并未指出两类模型间是否具有增量互补效应。另外,在模型的估计上,也未对变量的标准误进行调整。Petersen(2009)[14]和Thompson(2011)[15]均指出,在使用金融类面板数据集时,需要对模型中变量的标准误进行Cluster调整,以避免标准误被低估而致使一些可能不显著的变量也是显著的。

本研究旨在采用离散时间风险模型分析方法比较两类模型的信息含量,样本公司观测数据跨度最长达19年(1996年-2014年),合计17 753个公司年度观测数。相比国内已有的研究,本文在样本选择上跨年较久,观测数众多,基本达到现有研究所采用样本的最大量。在方法上,采用了代表现有研究最高水平的建模技术———离散时间风险模型(Campbell,2011),[16]并根据Petersen(2009)[14]和Thompson(2011)[15]的建议,对模型中变量的标准误进行Cluster调整。拟通过这种考虑了时间因素的模型估计方法,基于大样本数据分析会计模型与市场模型的相对信息含量和增量信息含量,以为国内这方面的研究提供新的证据。

三、离散时间风险模型

离散时间风险模型(Discrete time hazard model,简称DTHM)本属于生存分析或持续期分析的范畴,是一种包含了时间序列数据的技术方法,特别适用于分析那些由二元的、时间序列和截面观测值所组成的数据,如破产数据(Hillegeist等,2004)[17]DTHM与logit模型紧密相关,其函数形式如下:

其中,为时变的基准风险率,X是解释变量集,β是参数向量,下标i和t表达了对每一个公司i使用多个公司年观测值。

由于DTHM使用了时间序列的截面数据,在回归中,同一个公司包含多个观测数可能导致标准误被低估,国内部分使用离散时间风险模型的研究(孔德营、李晓峰,2012;邓晓岚,2008)[13,18]都忽略了这一问题,以致对变量的显著性可能作出了错误的判断。为了纠正这种影响,我们报告了经过Cluster调整后的标准误。

为便于各模型信息量的比较,我们报告了模型估计所产生的4个统计量:对数似然值Log L、伪决定系数Pseudo-R2(Max-rescaled R2)、似然比LR以及C统计量(类似于ROC曲线下面积,值越接近于1,模型的分类识别能力越高)。除了比较这4个统计量外,还采用Vuong和Clarke检验方法来比较各模型的优劣,以证实各模型信息含量的差异是否是统计上显著的。

四、预测模型

(一)Merton DD模型

Crosbie and Bohn(2003)[19]对Merton DD模型作了详细的描述,限于篇幅这里直接给出结果,如下:

其中:DD称为违约距离,πMerton为违约概率;V为公司资产价值,即债务的市场价值与权益的市场价值之和,其中权益市值有两种算法:总市值与加权市值(前者将非流通股视同流通股对待,后者采用每股净资产来定价非流通股),最终DD有2个,分别记为DDTE和DDWE;F为公司负债的账面价值;μ为预期资产收益率;σV为公司资产价值的波动性;T为债务到期时间;N()为标准正态分布的累计密度函数。

本研究并不采用πMerton为核心指标,而是采用DD作为核心指标。

模型中,V、σV和μ都是不可观测的变量,需要推断出来。国内很多学者常采用联立方程组法求解出V和σV,但Crosbie and Bohn(2003)[19]指出,实践中公司杠杆变化太快,联立方程组法得出的结论不尽可靠,有时甚至是相反的,故而推荐使用迭代算法。Vasslou and Xing(2004)[20]、Reisz and Perlich(2007)[21]、Campbell等(2008)[22]都采用了迭代程序进行求解。国内也有部分学者采用迭代算法,如孔德营和李晓峰(2012)。[13]只是迭代算法太过复杂,计算过程比较繁琐。Bharath and Shumway(2008)[23]专门比较了各种算法下的Merton DD模型的预测能力,发现模型的求解方法并不是很重要,其函数形式才是关键。他们提出了一种计算相对简单的na觙ve DD模型,并证明了它相对于其他参数设定和求解算法的Merton DD模型的优越性。Agarwal and Taffler(2008)[23]的比较研究也支持他们的结论,并指出没有必要采用复杂的推断方法而舍弃Bharath and Shumway(2008)[24]的简单算法。故而在此本文仍将使用Bharath and Shumway(2008)[23]的简单算法进行估算,具体算法可参考董雪杰(2015)。[25]

(二)Z积分模型

已有的会计模型中,普遍被大家接受的当属Altman(1968)[3]的Z-Score模型。基于以下几方面的原因,笔者也将Z-Score模型作为会计模型的代表:(1)Z-Score是会计模型中最具经典的代表,已被各国学者普遍接受和采纳,成为业界的比较基准(Altman,1997)[26];(2)Altman(2000)[27]利用过去30年的数据复校了Z-Score模型对各样本期间的预测精度,结果发现,当临界值为2.675时,Z-Score模型在破产前1年的预测精度在82%-94%之间;即使采用保守的临界值1.81,模型的预测精度也相当可观,最低也有75%。由此Altman(2000)[27]指出,尽管过了30年,Z-Score模型仍保持了较高的预测精度,而且仍是稳健的。只是过去十年间模型的第二类错误率上升了约15-20个百分点。鉴于此,选择Z-Score模型作为会计模型的代表是比较适宜的。

Z-Score模型如下:

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5(4)

其中:X1=营运资本/总资产;X2=留存收益/总资产;X3=EBIT/平均总资产;X4=股东权益的市场价值/负债总额的账面价值;X5=销售收入/平均总资产。

计算Z所需的数据都从财务报表中获取,只是Z模型中变量X4涉及权益的市场价值,需要从股票市场获取。同前述市场模型中权益市值的计算方法,此处也计算了总市值和加权市值下的Z值,分别记为ZTE和ZWE。

五、样本及数据

按照国内学者研究的惯例,本文界定“因财务状况异常”而被特别处理(ST)为公司陷入财务困境的标志。由于ST政策于1998年才开始实施,本研究即以1998年作为ST观测的起始时间。根据证监会对上市公司进行特别处理条款的规定,如果一家上市公司连续两年亏损或每股净资产低于股票面值,就要予以特别处理。故而,1998年被ST的公司,最晚也是1996年上市的。而很有可能,在1996年之前上市的公司,在1998年之前的某二年内,已经符合ST的条件,只因ST政策未予以实施而不属于ST公司。这些公司都属于左删失的情况,本研究不予以考虑。因而,本文的样本对象界定为1996年及以后上市的公司,观测这些公司在1998年至2015年因财务状况异常而被ST的状况。同已有的研究相一致,本文只检验上市公司首次发生ST的可能性,并剔除了金融类企业和连续观测数不足三年的公司。由此,样本公司皆为1996年至2012年上市的非金融企业,最终发生财务困境的上市公司共有354家,相比国内已有的研究,样本量已足够大且相对完整。财务正常公司由满足上述条件的非ST公司所组成,共有1 459家。

各年间的样本公司数及公司-年观测数据如上表1所示。最终的样本观测数共有17 753个公司-年观测数,其中ST公司有2 951个公司年观测数,占比1.99%。

注:(1)这种数据呈现方式参考了Hillegeist等(2004)[17]、Beaver等(2011,2005)[1,31]。

表中显示,现实中财务困境的发生率是比较低的,即使是发生财务困境的高峰期,最大也不超过5%。国内学者常用的配对抽样方法大大提高了财务困境公司的比例,很可能产生过度抽样和样本自我选择问题,以致高估模型的预测能力(马若微、唐春阳,2007)。[28]

六、实证结果

(一)相对信息量检验

下表2汇总了DD和各Z值进入离散时间风险模型时的检验结果。各模型中都加入了公司进入时间(上市年度,用Calendar表示)为分类协变量,以允许基准风险率随时间的变化而变化;括号内的标准误均为Cluster调整后的。模型中常数项为Calendar=2014年时的系数,鉴于篇幅,未报告Calendar等于其他年份的系数。总体上,各模型估计显示Calendar在1%的水平上显著,表明Calendar对模型估计有重要的影响。随后表格中各模型也是如此,不另作说明。

表中显示:(1)所有进入模型中的变量都在1%的水平上显著,且参数符号都为负,与预期相符,说明各指标都有显著的预测能力,都涵盖了预测企业财务困境的的重要信息。(2)各Z值作为预测指标时,模型的4个拟合统计量(Log L、Pseudo R2、LR、C)都要大于DDTE和DDWE作为预测指标时的模型,Clarke和Vuong检验都从统计上证实了这种差异的显著性(表3),这表明同作为预测指标,各Z值比DD更为可靠,也就意味着各Z值模型比DD捕获了较多的有关财务困境的信息,尤其是捕获的信息量最大。另外,DDTE与DDWE也存在着明显的差异,Clarke和Vuong检验都证实DDWE比DDTE更优,可见考虑了中国股票市场特殊性的加权市值方法计算的结果具有相对优势。

总体上,相较于Z值模型,DD的信息含量相对较弱,这可能源于以下几个方面:(1)Merton DD模型是在一系列严格的假设条件下获得的,这些假设与现实情况相差甚远,可能存在着错误设定。(2)如Hellegeist等(2004)[17]所指出的,很多债务契约都是基于会计数字的,Core and Schrand在使用期权定价框架时就发现权益价值会受到基于会计的债务契约的影响,而Merton DD模型无法捕捉这些影响致使其预测绩效下降。(3)股票市场并不是充分有效的。股票市场效率的有效程度对于DD的信息含量至关重要,虽然中国股票市场在朝着有效性方向渐进,但与西方成熟的股票市场还相距甚远,以至于虽然DD包含了预测上市公司财务困境的信息含量,但却无法涵盖所有包含在会计报表中的有关财务困境可能性的信息。从而,正如石晓军和陈殿左(2004)[29]所述,Merton DD模型作为一种高度简化和抽象的模型,对中国复杂的现实情况来说可能是过于简化了。

注:***表示1%显著性水平;**表示5%显著性水平。

注:Z和M分别为Vuong和Clarke检验的统计量;Pr为统计量的P值;Model指的是较优模型。

(二)增量信息检验

为了说明DD与Z值间是否存在增量互补关系,下表4报告了DD与Z值的2个组合模型估计结果。表中显示,各Z值仍是高度显著的预测指标,但DDTE与DDWE的系数却发生了较大变化。组合1和2中,DD的系数值(绝对值)非常小,虽然有与预期相符的参数符号,但却不显著。另外,同表2所报告的结果相比,组合1-2的4个拟合统计量与各Z值单独进入模型的结果相差不大。这意味着DD对各Z值并没有提供增量信息,而各Z值已经包含了DD所要表达的信息。这与国际上的代表性研究(Hillegeist等,2004)[17]的研究结果恰好相反。

总体上,增量信息检验表明,信用发展史上两个里程碑式的成果在中国股票市场上具有不对称的一致性。违约距离包含了部分Z值模型所涵盖的信息,而Z值模型却能完全替代违约距离。虽然相对信息量检验表明,违约距离也具有显著的预测能力,尤其是如果同国内部分学者(如:田军、周勇,2014)[30]的研究结果相比,其预测能力还是可以接受的,表现在DDWE和DDTE作为预测指标时,其C统计量都在0.7以上,但相对于会计积分模型却要逊色得多。

七、结论

基于1996-2014年财务困境公司和财务正常公司的大样本观测数据,采用离散时间风险模型技术实证比较了经典的会计积分模型和简洁抽象的Merton DD模型预测财务困境信息含量,实证发现。

注:由于权益市值有两种计算方法,为了保持一致性,ZTE只同DDTE组合,ZWE只同DDWE组合。***,**分别表示1%和5%显著性水平。

一是基于会计信息的Z值模型与基于市场信息的Merton DD模型都涵盖了预测企业财务困境的重要信息。

二是基于资本市场信息的DD对基于会计信息的Z值模型没有提供增量信息效用。

摘要：基于会计模型与市场模型的信息含量考虑,本研究采用离散时间风险模型技术实证比较了Merton DD模型与各Z值模型对企业财务困境的预测能力。结果表明,违约距离和各Z值指标都涵盖了有关企业财务困境的重要信息,但违约距离的信息含量则较弱。总体上,财务信息对预测企业财务困境具有不可替代的作用,会计比率作为一种分析技术,其作用应被加强而不是被弱化。

市场化模型 第5篇

员工能力评价模型

职类：市场营销类

代码：4-3

市场类

定 义

指从事市场（分析、策划）、销售、客户服务、售前、售后等其他类似工作性质的非职务员工。

诚信约束力 知识复合能力 激情魅力 预测预算能力 协调沟通能力

素质评价模型

知识复合能力

定义：综合运用营销学、产品专业知识、和其他知识资源为客户提供较为满意的解决方案。

对能力的要求：

1.知识面：较宽广的知识面，对各类知识均有涉猎，善于捕捉和学习新知识，对新观念具有较强的接受和理解能力。

2.专业知识：对营销学和产品专业知识具有较为深入的了解，可以较系统而深入的提供解决方案，以便于工作开展。

3.知识运用：结合客户需求，能将掌握的多种知识综合运用到工作中，提供富有竞争力并令客户满意的解决方案。能运用所知引起客户对自身及产品极大兴趣。

协调沟通能力 定义：在时限要求内组织相关人员按计划推进或参与工作，协调相关方克服过程中遇到的一切困难和阻力，并及时传达信息，确保整个组织行动保质保量完成任务。

对能力的要求：

1.组织协调能力：能按计划有预见性地组织人，财，物等相关资源，克服过程障碍，及时向相关方反映问题并达成一致。

2.沟通表达能力：具备较强的书面表达和语言表达能力，适应面对面、邮件、报告等各种不沟通形式，及时、正确、客观的传达信息。

激情魅力 定义：激励同事、顾客及合作者对美好设想的热情。对一切工作都注入极为高涨的个人热情。创造一个让同事、顾客都期望做出更大成功的成就感环境。

对能力的要求：

1.建立和保持关系：平易近人，主动接交；建立开放与信任的关系和信息共享的环境。1.展示个人魅力：面对挑战充满激情，保持较高的热情和健康积极的心态。能恰当地展示自已的才华。

2.应变能力：能捕捉到有价值的信息并找出主要问题，及时做出理性叛断和合理回复。3.特长爱好：较多的爱好和出众的特长，为务实服务必不可少的部分务虑技能。4.精力与坚韧性：不怕失败，能从失败中不断总结经验，直至成功的毅力。

预测预算能力

定义：对经济环境，本行业发展趋势具有较深入了解，结合公司和自身优劣势，寻找并抓住机会避免不利因素。

对能力的要求：

1.分析预测能力：能运用SWOT和3C（竞争、顾客、变化）等多种分析方法对市场形势进行分析，并结合营销管理知识和公司要求提供可行的市场报告或预测方案。

2.预算能力：能较为准确的掌握客户需求信息，运用财务知识结合成本费用情况，预算收益，计算应收帐款控制规模和期限。

3.合同管理与执行：对合同具有较高的商务与法律意识，能防范或规辟陷阱，确保客户利益达成和自身利益不受损失。

诚信约束力

定义：随时随地以诚信开展业务，遵守公司制度规定和社会道德规范。尊重他人。不让个人不良情绪反应影响自身工作和他人。

对能力的要求：

1.正直：拥有积极向上的人生观、价值观，具有健康的心态。能对现象进行公开、公正、公平的评价。

2.尊重个体：不分级别、不分文化等其他差异，对他人保持尊重与真诚。

3.行为规范：遵守公司制度规定，不超越制度规定权限。不因个人情绪或其他想法而影响组织利益。做到诚实守信，言行一致。

市场化模型 第6篇

(上海海事大学物流工程学院，上海 201306)

0 引言

随着统计学理论的发展和计算机的出现，商业预测在企业战略决策中的作用越来越明显.本文通过对德国大陆汽车信息收集和业务开拓(Business Development and Marketing，BD＆M)的预测业务进行分析后，发现其对中国汽车市场的短期预测不够准确.究其原因，该部门采用的汽车产量数据来自GI(Global Insight)数据库，结果适用于长期预测，在短期预测方面具有滞后性，缺乏一定的适应性.

支持向量机(Support Vector Machine，SVM)是基于统计学习理论发展起来的新兴的机器学习方法.基于结构风险最小化原则，SVM将最大化分类间隔的思想与基于核的方法结合在一起，表现出很好的泛化能力.SVM具有坚实的数学基础，并且可以很好地克服“维数灾难”和“过拟合”等传统算法所不可规避的问题，已被广泛应用在数据挖掘［1］、需求预测［2］等领域.鉴于SVM的原理和特征特别适合小样本，本文提出一种中国汽车月产量的优化核函数参数的改进SVM预测模型，并应用在德国大陆汽车公司轻型汽车电子市场价值估计中.

1 统计学习理论与SVM

1.1 统计学习理论

统计学习理论就是研究小样本统计估计和预测的理论，主要包括4个方面［3］:(1)经验风险最小化准则下统计学习一致性的条件;(2)在这些条件下关于统计学习方法推广性的界的结论;(3)在这些界的基础上建立的小样本归纳推理准则;(4)实现新准则的实际算法.其中，最有指导性的理论结果是推广性的界，与此相关的一个核心概念是VC维.VC维是为了研究学习过程一致收敛的速度和推广性而定义的有关函数集学习性能的指标.VC维反映函数集的学习能力，VC维越大则学习机器越复杂.统计学习理论系统地研究各种类型的函数集、经验风险与实际风险之间的关系，即推广性的界.关于两类分类问题，结论是:对指示函数集中的所有函数(包括使经验风险最小的函数)，经验风险Remp(ω)和实际风险R(w)之间以至少1－η的概率满足

式中:h是函数集的VC维，l是训练样本数.这一结论从理论上说明学习机器的实际风险由经验风险和置信范围两部分组成，其中置信范围与学习机器的VC维及训练样本数有关.因此，在有限训练样本下，学习机器的VC维越高则置信范围越大，从而真实风险与经验风险之间可能的差别就越大.这就是出现过学习现象的原因.机器学习过程不但要使经验风险最小，还要控制学习机器的VC维以缩小置信范围，才能把实际风险控制在一个较低的水平，使学习模型对未知样本具有较好的推广性.

1.2 SVM回归

假定训练样本集为{(xi，yi)，i=1，2，…，l}，其中输入值xi∈Rn，yi∈R为对应的目标值，l为样本数.定义ε不敏感损失函数为

学习的目的是构造f(x)，使其与目标值之间的距离小于ε，同时函数的VC维最小.这样对于未知样本x，可最优地估计出对应的目标值.因此，回归的最优化问题［3］为

式中:C为惩罚因子，C越大表示对超出ε的惩罚越大.根据最优化的充要条件可知，拉格朗日乘子与约束的乘积在最优点为零，由此最优化计算得到的αi和，取值必然是以下5种情形之一:(1)αi=0，=0;(2)0 ＜ αi＜C=0;(3)αi=0，0 ＜＜C;(4)αi=C=0;(5)αi=0，=C.以上5种情形中，称(2)～(5)对应的xi为支持向量.非支持向量对ω没有贡献，只有支持向量对ω有贡献，即对估计函数f(x)有贡献，由此称对应的学习方法为SVM.在支持向量中，称(4)和(5)对应的xi为边界支持向量，是超出ε之外的数据点，称(2)和(3)对应的xi为标准支持向量，是落在ε上的数据点.因此，ε越大，支持向量数越少，但函数估计精度越低.

2 改进SVM预测模型

本文采用的数据从国务院发展研究中心信息网和国家统计局网站收集整理而得.中国汽车月产量包括乘用车和商用车两部分，国内生产和CKD(全散装件)都包括在内.具体数据见图1.

世界银行的报告显示，汽车产量与GDP密切相关.根据“GDP=总消费+总投资+净出口”这个公式，本文初步选定固定资产投资完成额、社会消费品零售总额、进出口总值和净出口额等4个因素作为自变量，所选数据为2005—2010年的月数据.

图1 2005—2010年中国汽车产量

2.1 数据处理

在对中国汽车月产量进行预测的4个自变量中，社会固定资产投资完成额与社会消费品零售总额有较大的相关性，去除前者，对剩下的数据进行回归预测.因数据结构的特殊，首先使用Excel中的Format Data To Libsvm宏将数据转换成可识别的形式，将预处理的文件保存为data.txt，然后使用线性函数转换对数据进行归一化处理，将归一化的数据分为训练数据train.txt和预测数据forcast.txt.

2.2 回归方法和核函数的选择

将SVM应用于回归方面，主要有VAPNIK提出的 ε－SVR 和 SCHOLKOPF 等提出的 v－SVR.ε－SVR通过事先确定ε来控制算法希望达到的精度，具有良好的可控性，相对于v－SVR而言模型也较简单，在有较好的参数选择方法时适宜选择ε－SVR方法.根据本文的数据及计算的实际要求，选择ε－SVR回归方法较好.由于RBF核函数具有一定的代表性，这里选用RBF核函数作为SVM的核函数.

2.3 核参数最优化方法

训练SVM时首先需要考虑两种参数:核参数γ和惩罚参数C.参数的选择并没有通用的先验知识，需要在一定范围内进行搜索以找到好的参数组合.目前，选取SVM参数最常用的方法是网格搜索法结合交叉验证法［4］.

SVM机器学习方法就是根据分类规则

对下列优化问题

应用Lagrange乘子法得到的Wolfe对偶优化问题的最优解

训练一个SVM，求解

的最大化解α和b.通过最小化推广能力的估计值(通常采用测试错误率表示推广能力的估计)，得到常数C和核函数固有参数.

参数选择可以归结为最小最大化问题:最大化式(7)并在解的基础上最小化推广能力的估计值，由此可以得到选择SVM参数的最优化方法.［5］

最优化方法选择参数的步骤:(1)为常数C和核函数固有参数赋初值;(2)最大化式Q(α)，得到α和b;(3)更新常数C和核函数，最小化推广能力的估计值;(4)如果估计值满足要求结束运算，否则重复步骤(2).其中，步骤(3)中的推广能力是指学习机测试未知数据的分类性能，主要有留一法(利用错分类率评估分类性能)和支持向量计算法(利用支持向量数与训练样本总数之比评估分类性能).

从式(5)可知，惩罚因子C控制的是训练错误率与模型复杂度间的折中;从式(6)可知，惩罚因子C并没有出现在式(5)的Wolfe对偶式中，而是改变Lagrange系数的取值范围.因此，对于一个SVM，如果无限增大惩罚因子C，当SVM中没有边界支持向量时，C的改变不再影响分类性能.［6］

从式 K(xi，xj)=exp(－γ‖xi－ xj‖2)可以看出，核参数γ相当于对样本间欧氏距离的归一化，判定特定空间中向量间的距离.另一方面，根据KKT互补条件的一个重要结果:对于j∈SV，

综上，选用支持向量与样本数的比例估计推广能力时，根据式(9)调整γ是合理的.并且该式对γ求导有

由此可得γ的调整规则为

2.4 训练集训练

将第2.3节生成的3个参数用于训练SVM模型.在得到训练模型后，用预测样本预测汽车月产量.汽车月产量预测结果分别为1 524 150，135 204，173 435，预测值与实际值的拟合曲线见图2.

图2 改进SVM预测结果与实际值拟合曲线

3 预测模型的应用

根据上述预测模型估计2010年3个月的中国轻型汽车电子市场容量，见图3.

首先通过与制造商和经销商沟通，结合网上查到的资料选出各车型的模型车及其所用的汽车电子产品，然后根据产品经理以及各事业部的报告获得各类电子产品的装车率，接着通过中国汽车产量预测模型计算出当月的汽车月产量;然后分别乘以各车型的比例，再乘上前两步的数据，得出总共需要的电子产品总量;最后通过战略分析、与各个事业部交流后得出每个电子产品的价格，乘以各自的总量后得到各车型的电子市场价值，最后求和得到中国轻型汽车电子市场的总价值.［7－9］

图3 中国轻型汽车电子市场容量计算

中国的轻型汽车主要包括乘用车和轻型商用车.乘用车根据汽车的轴距、排量、重量等参数可分为A，B，C和D型车，其中由于D型车属豪华型轿车，产量较少，这里不列入计算范围.首先，在确定好列入计算的车型后，对每种车型进行模型车的选择，A，B和C型车选取两种模型车，国内品牌和国外品牌的各一种，假设模型车的电子产品安装率和价格是其代表车型的平均水平，模型车的选择见图4.然后经过调查建立各模型车的电子产品类别和装车率表，同时根据市场分析和收集的数据得出各电子产品的价格，见表1.

图4 模型车的选择

再根据对2010年3个月汽车产量的预测，结合每类车型所占比例，参照每个电子产品的市场价格，计算出每个电子产品的容量，数据见表2.

最终估计结果见图5，其中每月编号1的数据为使用SVM预测的汽车月产量而得出的值，编号2的数据为使用GI数据库的汽车年产量除以12以后得到的值.对比结果可发现使用旧方法预测的值比新方法小，因为它的预测周期长(最新数据为2009年9月预测)，没有充分考虑到中国汽车市场的迅速发展趋势，而且缺乏波动性.由此可见，在进行短期市场价值估计时，使用SVM回归方法获得汽车月产量数据的预测结果较好.

表1 各车型电子产品装车率及单位价格(部分)

表2 单个电子产品市场价值(部分)

图5 电子市场价值估计结果比较

4 结束语

以中国汽车月产量的预测作为研究对象，针对德国大陆汽车BD＆M部门的业务流程中预测方法存在的缺陷，提出一种改进的SVM预测方法，对中国汽车月产量进行短期预测并应用于汽车电子市场的潜在价值估计，取得满意效果.然而，商业预测是一项复杂的系统工程，除了在预测方法上进行改进外，信息系统的构建、关键数据的定时收集也必不可少，除此之外还必须在组织机构上进行优化，使得各部门之间一些关键信息得到共享，减少不必要的沟通和协调工作.

［1］毛建洋.支持向量机在数据挖掘中的应用研究［D］.上海:华东理工大学，2006.

［2］王颖，邵春福.基于支持向量机的公路货运量预测方法研究［J］.物流技术与方法，2010(21):142－150.

［3］CRISTIANINI N.支持向量机导论［M］.北京:机械工业出版社，2005.

［4］段凤娟，朱吉胜，王华建.支持向量机快速算法的实现技术［J］.现代计算机:专业版，2008(09):57－58.

［5］邓乃扬，田英杰.数据挖掘中的新方法:支持向量机［M］.北京:科学出版社，2004.

［6］王睿.关于支持向量机参数选择方法分析［J］.重庆师范大学学报:自然科学版，2007，24(2):1－4.

［7］程远.我国分地区乘用车市场分析及预测［D］.上海:上海交通大学，2007.

［8］赵海龙.中国汽车保有量预测建模及其应用研究［D］.长沙:湖南大学，2009.

市场化模型 第7篇

利率市场化一直是我国金融改革的重要议题之一。参考马胜杰[1]的定义, 利率市场化指金融交易主体享有自主决定利率的权利, 利率在数量结构、期限结构和风险结构等方面均由市场自发选择, 政府仅享有间接影响利率的权利。作为经营货币信用业务的特殊企业, 利率定价权不仅是商业银行的一项基本权利, 更是其设计经营战略、拓展市场空间的关键。因此, 利率市场化将引导银行的竞争方式由非价格竞争, 转变为价格竞争, 从而使得科学合理的定价能力成为银行获取竞争优势的一项关键因素。虽然我国自1996年就开始推进利率市场化的改革进程, 但关于利率市场化的研究却多集中于利率市场化的思路、进程和国际经验比较等宏观层面, 较少涉及银行自主定价方面的研究。直到2012年我国加快利率市场化进程之后, 才开始有学者关注商业银行利率定价这一问题。张宗益等[2]就研究了商业银行的价格竞争同其风险之间的关系, 张桥云和王宁[3]也针对影响我国商业银行存款利率浮动幅度的因素进行了研究。然而, 这些研究大部分是基于当前利率管制状态下的数据进行的实证分析, 并没有从利率市场化后银行的行为特点进行分析, 因而存在着一定的局限。

从目前的情况来看, 部分银行已经在采用一些变通的办法变相提高存款利率, 特别是很多中小银行, 通过大量使用存款锁定以及提前返现等方法高息揽储, 在一定范围内实现了利率的自主定价。这不仅反映了处于资源劣势地位的中小银行对于利率自主定价的迫切诉求, 也意味着不同规模的商业银行在利率市场化过程中的自主定价行为存在诸多差异。

本文计划通过构建利率决定方程, 从个体行为出发, 研究银行利率市场化后不同类型银行间定价行为和存款利率的差别。由于利率市场化涉及银行体系开放、金融市场一体化、监管改革以及汇率开放等多方面问题, 因而从微观层面进行分析, 不仅可以有效地探究利率市场化对银行的影响差异, 还能从一个崭新的角度为利率市场化提供分析思路, 从而为推动利率市场化的进程提供政策建议。本文的创新在于, 通过分析我国利率市场化的外部条件并建立银行的行为模型, 探讨利率市场化对我国银行的差别影响, 进而得出了相关结论和政策启示。

二、理论分析与研究假设

(一) 利率市场化的外部环境分析

周冰[4]对利率市场化的跨国比较研究表明, 利率市场化改革通常会选取经济相对平稳而不是动荡的时期进行。较早的研究, 如闫素仙[5]也指出, 利率市场化必须要有宏观经济环境的配合。因此, 在进行利率市场化的分析时, 应假设外部宏观经济环境处于平稳时期, 因此, 本文做出如下假设:

假设1:利率市场化后时期的宏观经济、政治环境相对平稳, 经济处于相对宽松、繁荣的周期, 资产收益率的波动不涉及系统性风险因素。

假设1意味着各经济变量不会有太大波动, 这有助于排除噪声因素的影响。江春和刘春华[6]对典型发展中国家的实证研究指出, 产权制度、金融监管、竞争机制等都会对利率市场化改革产生影响, 在宏观经济不稳定时这种影响就更为显著, 因而宏观经济的稳定对于利率市场化有着重要作用。而在对外部宏观经济环境作出假设后, 还应考虑银行业的行业环境。鉴于我国银行主要经营存贷业务, 因此应对可贷资金市场的供需状况做出假设。由于我国经济仍处于高速发展的时期, 因而可贷资金的需求异常旺盛。实际上, 各地“钱荒”频发, 大量企业因融资难倒闭, 正反映了我国企业旺盛的融资需求, 而民间金融利率的持续高企, 各种融资工具的不断创新, 也表明企业对于可贷资金的需求居高不下。由此, 本文做出如下假设:

假设2:在任一利率水平上, 可贷资金的需求曲线均为水平线。

值得注意的是, 在中国目前存在信贷上限的情况下, 上述假设不可能同时成立。但利率市场化后, 政府的调控应更多地体现为政策工具的运用, 不应进行过多的行政限制和行政干预。因此, 考虑没有信贷限额的市场环境来分析利率市场化是十分必要的。但为了能够有效地防范市场风险, 政府也应该保留诸如存贷比限制这类的调控工具。对此, 本文做出如下假设:

假设3:银行的经营受到存贷比的限制, 但没有信贷限额对银行进行管制。

假设3使得假设1和假设2并存成为可能, 同时也通过保留存贷比限制这一工具, 贴近了中国的现实情况。而在存贷业务之外, 利率市场化后, 中间业务也将成为银行利润的一个重要增长来源。但周冰的研究表明, 利率对这类业务的影响并不显著, 这类业务主要受到银行规模、经济周期等因素的影响。因此, 本文得出如下假设:

假设4:银行贷款、投资以外的收入与利率无关。

利率市场化过程中, 银行体系会受到冲击进而形成风险, 因此, 在对利率市场化的外部环境进行分析之后, 有必要对银行的行为特点进行分析, 以探究利率市场化的进程及特点。

(二) 银行的行为特点及影响分析

将银行视为追求利润的经济主体, 可以直接得出如下两个结论:

推论1:银行通过利率竞争追求利润最大化;

推论2:银行只会把资金运用于收益率高于储户存款利率的投资机会, 且会将其全部剩余的可用资金进行投资以获取利润。

从维持财务报表数据稳定的角度出发, 任何企业都具有平滑收入利润, 防止业绩波动的动机[7]。在经济稳定的情况下, 这种动机就更为明显, 因此可得到如下推论:

推论3:银行总是希望保持存贷差的相对稳定, 因而其贷款利率将受到自身制定的存款利率的显著影响。

在给定利率市场化的外部条件与银行这一参与主体的行为特点之后, 即可以通过建模分析的标准方法, 从微观个体的行为出发, 通过分析微观个体的最优决策差异, 考察利率市场化的影响及演进过程。

三、模型的构建与分析

(一) 银行利润函数的构建

根据推论1, 银行将通过调整存款利率进行竞争, 从而实现利润最大化。因此, 设定银行的利润π是其存款利率r的函数, 通过考虑存款存款总额、贷款收益、投资收益、其他业务收入和其他业务成本五个影响银行经营的主要因素来构建银行的利润函数。

以字母L表示银行的存款总额, 显然, L为存款利率r的增函数, 因此付息总额可记为L (r) , L (r) 同时也是银行可用资金的总量。由于银行希望保持存贷利差的稳定, 因而银行的贷款收益也为存款利率的函数, 又由于假设3设定银行受到存贷比的限制, 因此这一收益也会受到存款总量的影响。以字母R表示银行的贷款收益, 则贷款收益可记为R (r, L (r) ) 。而与贷款收益相类似, 银行的投资收益不仅受到市场利率的影响, 也会受到其可用资金的影响, 以r0表示市场利率, 则投资收益I可记为I (r0, L (r) ) 。

与上述三个因素不同, 在假设4的条件下, 银行的其他业务收入和其他业务成本均与利率无关。以字母T、F表示这两个因素, 则可构建银行的利润函数如下:

(1) 式表明, 银行的收入为贷款收益、投资收益与其他业务收入之和, 其主要的经营成本则是对存款的付息和其他业务成本, 银行将通过合理地设定其存款利率实现自身利润的最大化。

(二) 银行利润最大化条件的推导

由于我国银行在网点数量、执业牌照和营业范围等方面受到的限制不同, 因而银行间的差别显著。诸如工农中建等大型银行掌握着天量的储蓄资金, 在目前国际银行业中名列前茅, 对市场的影响巨大, 其存款利率的提高甚至将推高全社会的资金成本;而多数的农商银行、城市商业银行则定位于服务特定区域或特定人群, 其单个个体不仅拥有较小的资金体量, 而且对市场也难以起到显著的影响。因此, 两类银行的利率定价行为也就不可能完全相同。张桥云和王宁就通过实证研究指出, 不同规模的银行具有不同的定价策略。因此, 在分析银行的利润最大化条件时, 必须对银行间的这种差别加以考量。从而得到下述两个推论:

推论4:银行在规模上存在着显著差别, 银行市场并非完全竞争市场或垄断竞争市场, 存在着大型银行与中小银行并立的局面;

推论5:大型银行的存款利率将会对市场利率产生正向影响, 中小银行则不具备这种能力。

根据推论4, 将银行划分为大型银行和中小银行两类, 根据其具体情况分别设置利润函数如下:

大型银行:

中小银行:

其中, 下标B表示大型银行, 下标S表示中小银行。注意到上述两式的不同, 在推论5的条件下, 由于大型银行能够对市场利率产生正向影响, 因而可将I (r0, L (r) ) 简化为I (rB, L (rB) ) 。但由于中小银行的利率不具备这一作用, 因此其投资收益只能记为I (r0, L (rS) ) 。

(2) 、 (3) 两式分别对rB、rS求一阶条件, 整理可得两类银行的利率决定方程:

(三) 模型的结果分析

(4) 、 (5) 两式中前两项分别表示在利率不变的情况下, 存款总量对贷款收益和投资收益的边际贡献。根据假设3和推论3, 由于对可贷资金的需求无限且银行存在着信贷比的限制, 因而利率不变时, 存款总量对于贷款收益的贡献为一常量。而结合推论2, 由于银行会将全部的剩余可用资金进行投资, 因此在利率一定的条件下, 投资收益与投资资金成正比, 这意味着存款总量对于投资收益的边际贡献也为常量。因此, (4) 式减去 (5) 式, 化简, 得:

对于 (6) 式, 应注意在假设1的条件下, 由于经济环境平稳, 因而利率的变动并不剧烈, 这意味着利率对各变量的边际影响差别不大, 因此 (6) 式可进一步化简为:

注意到, 而且大型银行的存款总量高于中小银行, 即L (rB) -L (rs) >0, 因此有rB-rS<0, 即大型银行的存款利率低于中小银行。这表明, 在利率市场化的条件之下, 两类银行的利率将会存在显著差异, 中小银行必须制定高于大型银行的存款利率, 银行的扩张将会有效的降低其存款利率。

四、结论与启示

本文从微观层面出发, 通过构建理论模型, 研究了利率市场化后银行的利率定价模式。在根据中国银行业的实际情况, 对银行进行分类之后, 本文对大型银行和中小银行在利率定价行为上的差异进行了比较, 主要结论如下。

第一, 不同类型的银行利率的定价行为存在着显著差别, 大型银行可以制定较低的储蓄存款利率, 但中小银行则必须制定高于大型银行的利率, 才能实现利润最大化。

第二, 利率市场化后, 由于大型银行可以制定较低的储蓄利率, 因而银行业的扩张可以带来社会总投资的增加, 促进经济的发展。这表明利率市场化会极大地促进我国经济的发展, 有助于我国的产业升级和经济结构转型。

第三, 不同类型的银行, 利率测算方法和决定过程有很大差异。大银行由于存款利率和市场利率联系紧密, 因而可用市场利率代替存款利率计算。但中小银行却没有这一便利, 应当注重分析经营业绩变动的历史数据, 根据自身已有的利率定价经验进行决策。

由以上结论, 本文得到如下启示。

首先, 利率市场化后, 银行定价错误的情况在所难免, 改革初期我国银行业会经历短暂的波动。这是因为, 虽然大型银行可以制定相对准确的存款利率, 但中小银行的存款利率却可能出现错误定价而引发市场进行自我调整。由于大型银行对市场的影响力, 因而这种波动是可控的, 通过市场的自我调节, 我国银行业能够回归正确的轨道。

其次, 在平稳的经济状况下, 适当加快利率市场化的速度, 有助于完成利率市场化的改革进程。本文的分析建立在外部宏观环境平稳的假设之上, 结论表明, 平稳的经济环境能够有效的化解利率市场化的诸多风险, 特别是定价错误带来的风险, 因而在经济平稳时期推进利率市场化进程, 无疑将会便捷、高效的促进改革的深化。

参考文献

[1]马胜杰.从国际经验看中国的利率市场化改革[J].世界经济, 2001 (5) .

[2]张宗益, 吴恒宇, 吴俊.商业银行价格竞争与风险行为关系——基于贷款利率市场化的经验研究[J].金融研究, 2012 (7) .

[3]张桥云, 王宁.我国商业银行存款利率浮动幅度影响因素实证研究——基于全国124家银行的数据[J].国际金融研究, 2013 (5) .

[4]周冰.中国利率市场化改革的模式和顺序[J].金融论坛, 2012 (2) .

[5]闫素仙.论日本的利率市场化及其对中国的启示[J].管理世界, 2009 (3) .

[6]江春, 刘春华.发展中国家的利率市场化:理论、经验及启示[J].国际金融研究, 2007 (10) .

解析市场动态均衡价格变化模型 第8篇

微分方程是高职经济数学中一个重要内容，且是经济类学生学习专业课程《西方经济学》的基础，同时也是学生在解决实际问题并建立经济模型常用的知识点。本文用微分方程建立数学模型来说明市场中价格变化情况。

价格机制是市场机制的重要组成部分之一。市场上某种商品的价格主要由供给和需求来决定，资源的配置通常都是通过价格的变化来调解的，而价格的变化是通过对需求与供给进行分析来确定的。这种对需求与供给的分析仅能解释一部分价格的波动，实际上，价格最重要的功能就是保持需求与供给的均衡，价格高时供给增加而需求减少，价格低时则相反，所以通过价格来进行调整的主要目的是找出新的均衡点。当需求与供给恢复到均衡后，价格就稳定在新的水平上。价格在这种新的水平点上应同时满足：需求量等于供给量，且需求价格等于供给价格，这种价格就是均衡价格。

对于市场经济来说，虽然商品市场价格取决于市场供需间的关系，但是实际的市场价格不会恰好等于均衡价格，而且价格也不会是静态的，应是随时间不断变化的动态过程。基于市场价格是一个动态的过程，特用数学的方法建立一种模型来解释这种价格的变化。

二、模型的建立

设有某种商品，其价格主要由市场供求关系决定，或者说该商品的供给量Qs与需求量Qd只与该商品的价格P有关。为简单起见，设供给函数与需求函数分别为

当供给与需求相等时，即Qd=Qs时价格为

称为该种商品的均衡价格Pe。

一般地说，当市场上该商品供过于求(Qs>Qd)时，其价格将下跌;而当供不应求(Qs>Qd)时，其价格将上涨。因此，该商品在市场上的价格随着时间的变化而围绕着均衡价格Pe上下波动，价格P是时间t的函数P=P(t)。根据上述关于供求关系变化影响价格变化的分析，可以假设t时刻价格P(t)的变化率dP/dt与t时刻的超额需求量Qd-Qs成正比，即设

其中k为正的常数，用来反映价格的调整速度。

将(1)式、(2)式代入(4)式得

令λ=k(β+δ)，则得到市场动态均衡价格模型为

三、模型的求解

微分方程(5)是一阶可分离变量的微分方程，它的通解为

假设初始价格P(0)=P0，代入上式得

于是，上述模型的解为

由λ>0可知，，这表明，实际价格P(t)最终将趋向于均衡价格Pe。

本文利用微分方程理论对商品的价格和市场需求进行了系统的分析，发现在一定的条件下进行市场调节是可行的，能够保证市场的稳定。

同时该模型在一定的范围内揭示了市场经济条件下商品价格的变化规律，对实践具有一定的指导意义。它要求商品生产企业不要因价格的提高而盲目扩大商品的供给量，而要认真调查由于价格变化引起商品需求的变化，分析商品市场价格的走向，正确把握商品供需影响价格的内在规律，最终让市场的价格趋向平衡状态，使市场趋于稳定。

摘要：本文从供需均衡分析入手,用微分方程解释了动态市场价格变化模型,此模型反映商品的价格在偏离均衡状态以后的实际波动过程及其结果。文章在此基础上,运用数学思想对商品产量和价格围绕均衡状态波动的情况作进一步的探讨与分析。

关键词：微分方程,数学模型,市场需求,价格变化

参考文献

[1]吕斌.商品产量和价格围绕均衡状态波动新探[J].福建论坛.人文社会科学版,2009,(9).

[2]陈放.均衡价格——动态市场价格的形成与变化趋势[J].财经问题研究,2002,(5).

市场化模型 第9篇

进入到20世纪末21世纪初,利率市场化在全球范围内广泛展开,利率波动幅度和频率进一步加大和频繁,与此同时随着金融国际化,影响利率的因素更加复杂化和多样化,利率变动的趋势和规律更加难以掌握和控制。在这样的大背景下,我国商业银行也面临着同样的利率风险,而且我国的商业银行是在较缺乏基础的理论知识和应变经验的情况下加入到利率市场化的行列中,预测市场利率的能力和风险管理的水平存在许多的不足和缺陷,同时还要和入世后纷纷涌入中国市场拥有完善的利率风险管理技术的外资银行相竞争,形势的严峻性与紧迫性可想而知。因此如何建立适合我国商业银行利率风险管理的模型和理论成为银行业面临的重要课题。

二、我国主要商业银行利率风险管理的实证分析

(一)利率敏感性缺口实证分析

利率敏感性缺口模型是针对利率变化而导致银行的资产与负债的利息收入或支出发生变化,从而造成对净利息收入不确定的利率风险敞口进行测量的方法。利率敏感性缺口等于一定时期内银行的利率敏感性资产与负债的差额,利率敏感性资产主要包括短期证券、短期贷款可变利率的贷款和证券等。利率敏感性负债包括短期存款、短期借款、同业拆借等。通过对利率敏感性缺口的测度和管理能够有效的调整银行的资产负债比,进而控制利率风险。

利率敏感性缺口(GAP)=利率敏感性资产(RSA)-利率敏感性负债(RSL)

利率敏感性比率=利率敏感性资产(RSA)÷利率敏感性负债(RSL)

当利率敏感性缺口为正值时,此时GAP大于0,表明利率敏感性资产大于利率敏感性负债,并且利率敏感性比率大于1,意味着利率变动与净利息收入变动呈同向变动关系;当利率敏感性缺口为负值时,此时GAP小于0,即利率敏感性资产小于利率敏感性负债,并且利率敏感性比率小于1,意味着利率变动与净利息收入变动呈反方向变动关系;当利率敏感性缺口为零时,即GAP等于0,此时利率敏感性资产等于利率敏感性负债,这时不管利率如何变动,银行的净利息收入不变。

1.基于利率敏感性缺口模型的相关利率风险指标的计算。本文选取中国银行、工商银行、招商银行、民生银行、浦发银行5家上市银行作为样本,以一年期为界限,将利率敏感性资产和利率敏感性负债划分为一年以内到期和一年以上到期。通过计算,得出5家上市银2008~2013年的利率敏感性缺口数据,如表2所示。

2.利率敏感性比率。将5家上市银行的利率敏感性资产和利率敏感性负债按到期日汇总出1年内到期和1年以上到期的利率敏感性比率及总额(2),如表2所示。

从表2可以看出,各家银行利率敏感性比率总额在2008~2012年这5年间略微上升,说明我国商业银行大多采取了保守性的利率风险防范策略。大型银行中,中国银行与工商银行相比,逐步维持更加稳健的利率敏感偏离度。就目前来说我国大型商业银行的资产规模庞大,特别是工商银行已成为全球规模最大的商业银行,资产规模如此庞大下,虽然13年调高敏感性比率事后证明也符合13、14年降息的期望但这样的敏感性比率给他们带来好处的同时也带来了风险,特别是在防范利率风险方面就不如中小银行来的灵活。因此,大型商业银行应不断提高自身的利率风险管理水平。

3.缺口率。缺口率是指商业银行利率敏感性缺口和总资产的比值,是一个衡量利率风险的相对指标。缺口率反映了银行总资产对所面临缺口风险的承受能力。缺口率较小说明商业银行有充足的资产防范利率风险;缺口率较大说明商业银行现有资产可能很难全面防范利率风险。这一指标衡量了利率缺口的风险程度,计算公式为:

缺口率=利率敏感性缺口÷总资产

分别计算上述5家上市银行2008~2013年的一年以内到期、一年以上到期的缺口率和总额,计算结果见表3

在2008~2009年的降息周期中,商业银行应该保持负缺口。从表1中可以看出,中国银行、工商银行一年以内到期的利率敏感性缺口为负值而一年以上到期的利率敏感性缺口均为正值,短期的利率敏感性缺口符合模型要求但长期的利率敏感性缺口与模型要求相背离。

在2010~2011的升息周期中,商业银行应维持正缺口。民生银行、浦发银行一年以内到期与一年以上到期的利率敏感性缺口均为正值符合模型要求。在一年以内到期的利率敏感性缺口中,只有工商银行这两年中维持负缺口不变。而剩下的家银行均有做一定的调整,这与他们对市场利率升降的预期有关。

在2012年至12013年降息周期中,商业银行应调整至负缺口但从表1看出,除了一直维持负缺口的工商银行,其他四家银行都没有及时对其敏感性缺口进行调整。相反地,在2012年,其余四家银行都增加了利率敏感性缺口,特别是中国银行,缺口相较于2011年有着数倍的增加。可见在2012年,诸多银行承受到利率下降的损失。到2013年,各银行才将一年内短期的缺口进行相应的调整,相比之下,相较于中国银行、工商银行等大型银行,其他的股份制银行调整缺口更为灵敏。

三、我国商业银行利率风险管理的结论和建议

第一,选取的5家上市商业银行一年以上到期的资产和负债匹配不均衡,面临很大的长期利率风险。政府要加强对金融市场的监管力度,并制定和完善相关的金融法律法规,为商业银行营造一个良好的发展环境,除此之外,商业银行自身也应行动起来,建立高效的风险防范体系。

第二,我国大型商业银行存在“短借长贷”的现象。应设立专门的利率风险管理部门,一方面建立利率预测机构,其作用主要是依据国家宏观经济现状、产业改革情况以及国内外时事来预测利率的发展变动趋势。另一方面建立利率风险控制机构,通过风险控制机构,可以随时把握中小商业银行的利率风险,控制商业银行受利率变动带来的损失,并通过资产负债管理、缺口管理等方法来改变银行资产负债情况来将其损失降到最低。

第三,在定价策略上,采取差异化的定价策略,可以根据客户级别、服务种类和地区差异等确定具体灵活的多样化定价策略。在定价方法上,可以采取成本导向型定价方法、需求导向性定价方法和随行就市的定价方法等。如此才可以最终努力达到并实现金融产品谋求利润最大化和资金平衡的财务目标以及延续或提升市场份额的营销目标的双重定价目标。

参考文献

[1]罗纳德·麦金农.经济发展中的货币与资本[M].上海三联出社.2001:10-15.

[2]陈景全,李晶.利率市场化与我国商业银行利率风险管理[J].财经论坛,2015(6).

[3]李春红,董晓亮.我国商业银行利率风险管理的实证研究[J].财经透视.2012(4):88-92.

建立价格预测模型全面防范市场风险 第10篇

一、建立钢材市场价格预测系统的紧迫性

随着美国次贷危机的爆发, 钢铁下游行业需求降温, 出口下降, 钢铁工业产能扩张过快, 供需失衡的矛盾暴露出来, 2008年, 钢材需求和价格大幅下滑, 不得不减产应对, 钢铁企业面临成本刚性增长、供过于求、出口下降的局面将在较长的一段时期内存在, 在钢铁企业同质化竞争激烈的情况下, 如何提前于竞争对手应对预测钢材市场价格变化指导经营决策, 防范市场风险, 成为营销制胜的最关键因素之一。

二、影响钢材价格的主要因素分析

根据钢铁市场营销经验, 影响钢材价格的主要有以下因素组成:

1、经销商库存水平及存货意愿

2、经销商出货速度及市场信心

3、经销商对下游客户的形势判断

4、生产厂原料库存水平及存货意愿

5、生产厂下游客户市场判断及订单水平

6、钢铁厂库存水平

7、竞争对手及潜在竞争对手产能、产量

8、国家金融政策

9、行业政策

1 0、出口类企业下游客户市场判断及订单水平。

以上因素中, 生产厂、经销商、下游生产厂的库存、产能、产量是可以定量统计的, 而库存=产量-销量, 因此通过对库存的监测、定量分析可以成为预测价格的重要手段。但能否可行, 还要进行系统的统计分析来验证其可行性;其他的因素定性的因素较多, 可以通过李克特量表转化为定量化调查进行分析。

三、库存与价格相关关系分析

通过对2006年-2009年窄带钢的全国库存和价格变化数据利用spss16.0统计分析软件进行统计分析, 看是否能够验证库存成为预测价格的重要手段的结论。

注:库存、生产数据来源于中钢协月度钢材钢坯营销统计表

1、窄带库存与价格相关关系分析

1.1使用2006-2009年原始数据进行分析。以下是spss16.0统计分析软件进行窄带库存与价格相关关系统计分析结果:

从表中可以看出当月库存与当月平均价格的相关系数并不高, 只有0.295, 双侧检验的显著性水平0.076, 大于0.05, 也就是说, 当月库存与当月平均价格的相关系数是0.295的可能性并不是很大。

1.2对原始数据进行处理后分析。从时间上来说, 库存变化是因, 价格变化是果, 库存变化应先于价格变化, 因此, 对原始数据进行处理, 将库存数据提前一个月, 看是否上月底库存对下月的价格产生重要影响, 也就是库存对价格的预测作用是否存在。对处理后数据利用spss16.0统计分析软件计算窄带库存与价格相关关系, 统计分析结果如下:

从表中可以看出, 上月库存与当月平均价格的相关系数0.579几乎是未处理前的两倍, 双侧检验的显著性水平也从0.076降低到几乎为零, 也就是说, 我们有几乎100%的理由相信上月库存与当月平均价格的相关系数是0.579, 上月库存与当月平均价格有强相关性。

2、库存对价格预测作用的可行性分析

窄带钢库存与价格的相关系数达到0.579的强相关水平, 同时结合当月库存与当月平均价格走势图进行分析, 库存与价格变化的趋势规律还是非常明显的。

在图1中, 在库存超过或接近100的A、B、C、D四点, 钢材价格随后都出现的较大》幅度的下跌, 在库存处于连续接近或低于50的E、F、G区, 钢材价格随后出现了连续的上涨, 通过相关系数和当月库存与当月平均价格走势图两者结合分析, 钢材库存对于价格的预测作用还是非常明显的。库存成为预测价格的重要手段的结论基本成立。

四、公司建立市场价格预测模型的可行性分析

由于中钢协月度钢材钢坯营销统计表提供的库存数据有较大的滞后性, 利用其对价格进行预测没有实际的利用价值, 因此, 建立价格预测模型需要建立自己的库存收集体系。

1、钢厂建立价格预测模型的有利条件

1.1钢厂拥有大量的上游供应商和下游经销商、生产厂客户群体, 多年与他们建立起来的战略合作人脉关系为建立适时库存等信息搜集网络提供了极为有利的条件, 双方都可以从价格预测上获得很大的利益, 实现双赢。

1.2经过多年信息化发展, 多数钢厂、供应商、客户都具有自己的网络信息化系统, 通过互联网适时传递库存等市场信息极为便利。

1.3钢厂直接面向市场, 并且具有遍布全国的供应商、经销商、生产厂, 拥有天然的信息集成优势, 不用增加专门的市场信息搜集人员, 就可以组成的成本极低的现成信息网络, 费效比极高。

1.4目前, 优秀的统计分析软件较多, 功能强大, 可以快速获得较为理想的统计分析结果。

2、坚持进行数据收集, 利用统计分析工具建立价格预测模型的方法及过程

2.1首先对影响价格的市场因素采用头脑风暴法进行分析, 画出影响价格的市场因素的鱼骨图。

2.2对影响市场价格因素的重要程度和影响程度进行打分, 按照得分找出排名前十的最重要的影响市场价格因素, 并对这些因素按照是定量因素还是定性因素、时间间隔是否等间距进行分类。

2.3建立标准化信息收集表格, 时间间隔等间距的定量指标定期进行量化收集, 对不能量化的采用里克特量表的尽量进行量化处理、收集;对于时间非等距的指标 (如金融贷款利率的调整、贷款流动性增加率等) 进行收集作为市场冲击因素处理。

2.4收集到35个以上时间点的数据 (大样本) 用SPSS软件进行价格因素主成分分析或因子分析, 确定影响价格的主要因素, 去除相关性比较强的因素, 再利用协整理论及因果关系检验与冲击反应函数方法对钢材价格关联度及走势建模, 并通过不断的优化进行模型调整、优化, 再辅以市场经验进行判断, 在2-3年的时间内形成较为成熟的对价格进行拐点及波动幅度的预测模型。

五、结论

“凡事预则立, 不预则费”, 市场竞争情报成为决定一个企业经济效益好坏的关键, 有时可能决定一个企业的生死命运, 对一个千万吨钢的大企业营销系统来说, 谁先发现了价格运行规律并能较为准确的做出预测判断, 谁就掌握的市场的主动权, 并由此拓展形成市场竞争情报体系, 进而转变为一个企业最核心的市场竞争能力, 而做好这件事并不是天方夜谭, 而最重要的是对数据信息收集的坚持和价格运行规律的不断探索, 再辅以强大的信息分析软件, 将为企业的经营带来意想不到的高效益。

摘要：本文结合莱钢营销实践, 通过对窄带价格走势与库存关系的研究, 论述了建立钢材价格预测模型的可行性、紧迫性和重要性, 对建立价格预测模型的过程及方法提出一些建议。

关键词：价格,价格预测,防范,市场风险

参考文献

市场化模型 第11篇

关键词 金融危机传染；传染因子；潜伏因子模型；迭代累计平方和算法

中图分类号 F830.9 文献标识码 A

Abstract We constructed a latent factor model based on the capital asset pricing model to analyze the contagion effects of the financial crisis. We decomposed the volatility of the returns of the equity market into common factor， idiosyncratic factor and contagion factor respectively， and used an Iterative Cumulative Sum of Square algorithm to identify the crisis period endogenously. We used the data of four major emerging countries' stock markets during the 2008 global financial crisis for empirical studies. The results show that these markets have suffered from different degrees of financial contagion. The contagion effects of China and Brazil are relatively weak while India and Russia are strong.

Key words financial crisis contagion；contagion factor；latent factor model；cumulative sum of square algorithm

1 引 言

自20世纪80年代以来，金融危机频繁发生.金融危机所表现出的传染性越发强烈，一次局部性的金融事件都可能通过金融市场的耦合作用被逐级放大，最终演变为全球性的金融市场动荡，给金融市场造成了严重的破坏.所以，寻找出有效的数量分析方法来对金融危机的传染效应进行刻画，建立金融危机的预警和防范机制具有重要的理论价值和现实意义.

在金融危机传染的实证研究上，Bekaert和Harvey对不同金融市场建立双因素资产定价模型，研究欧洲、东南亚和拉丁美洲股票市场收益率相关系数，证实危机从金融贸易渠道的传染[1].Fasika等使用面板条件概率模型对37个发达和新兴市场经济体季度数据进行分析，认为贸易比其他渠道的影响更重要[2].我国学者韦艳华和齐树天采用Copula理论研究在2008年爆发的越南金融危机对周边亚洲新兴市场的风险传染效应[3].杨柳勇和周强考察了跨国金融机构在金融危机传染过程中的作用，结果表明资产证券化和国际金融市场的存在提升金融市场效率的同时也扩大了市场流动性风险，短期资产价格波动可能导致挤兑现象，引发金融市场系统性风险[4].汪素南和潘云鹤采用小波分辨方法对美国、香港及沪市的波动溢出进行了检验，发现美国股市对香港股市有显著的溢出效应，但沪市的波动则独立于两市[5].游家兴运用非对称多元GARCH模型捕捉中国与亚洲、欧美7个重要的资本市场资产价格的动态条件相关系数，从收益率传染的角度对中国经济一体化进程与金融危机传染二者之间的内在关联机制进行计量分析[6].

本文沿用目前学术界广为接受的对于金融危机传染的定义方法，将其理解为“不能被基本面所解释的资产价格运动的过度协同”，即Masson所谓的“净传染”[7].并以2008年全球金融危机为背景，选取全球主要新兴国家市场为对象进行研究，检验传染效应的存在.采用基于经典的资本资产定价模型所衍生出的潜伏因子模型构建计量模型，定量刻画金融危机传染的强度.同时，为了避免在划分金融危机起止时间上的主观性，采用基于迭代累积平方算法内生性的对金融市场的演化阶段进行了确定.

2 模 型

潜伏因子模型是由资本资产定价模型（CAPM）衍生出来的一种对金融资产收益率序列进行刻画的方法.对于个金融资产，其观测的金融资产收益率序列yi，t，在金融市场的平稳期可将其表示为

式（9）给出了通过方差贡献率来衡量金融危机传染强度的数量方法.由此可见，潜伏因子模型不仅可以提供金融危机传染的证据，还可以对金融危机传染的强度进行定量的刻画.其中，“共同因子”代表了对所有市场均起到影响的因素，可以理解为是市场之间相互依赖关系的体现，“特质因子”则代表了只对某一特定市场起作用的特质因素，“传染因子”代表了金融危机的“净传染”效应，是不能被经济基本面所解释的市场间资产价格运动的过度协同.

3 数据选择及模型设定

3.1 ICSS算法决定危机窗口

由于对金融危机传染效应的检验结果高度依赖于对金融危机持续窗口的时间划分，故对金融危机起止时间的确定尤为重要.以往的研究中，大多采用时变相关系数法检验金融危机传染效应，对危机时间窗口往往是采用定性的分析方法进行划分，带有较强的主观性和随意性，由此也导致了结论的主观性.本文采用迭代累计平方和算法（ICSS）监测资产收益率方差的突变点，从而内生性地对金融危机起止阶段进行划分.假定在市场的初始平稳阶段收益率序列具有固定方差，当市场遭受外部冲击后收益率序列方差将出现突变点然后恢复稳定一直到出现下一个突变点，ICSS算法能够有效地识别这些突变点，从而可将金融市场的演化阶段进行划分.

nlc202309051120

以上对于方差贡献率的结算结果不仅可以证明金融危机传染现象是否存在，同时还可以衡量金融危机的传染强度.在检验模型的设定是否有效时，对式（12）加以不同的约束条件，并采用Hansen’s J·test方法来检验模型在当前约束条件下是否成立.令J=TQ，T为样本容量，Q为GMM估计的目标函数值的计算结果，Q=M'W-1M.其中，M为包含实证与理论矩阵差的向量，W是最优加权矩阵.J统计量服从自由度为的渐进卡方分布.若J的值在5%的显著水平上小于临界值，则原假设“该模型在当前约束下是有效的”将被接受.

对于传染因子的显著性检验，本文采取自由度为4的LR显著性检验方法检验原假设δ1，j=0是否成立，实际上这等于检验方差协方差矩阵是否发生了改变.

4 实证结果

实证研究中以股票市场作为研究对象，检验2008年次贷危机中传染效应的存在.所选择的国家包括美国，以及巴西、印度、中国和俄罗斯4个新兴市场国家.样本空间为2004年1月2日至2010年12月31日.

4.1 金融危机起止时间计算结果

采用前文所述的迭代累计平方和算法（ICSS）确定金融危机的起止时间，结果如表1所示.

表1是用数量方法得出的金融危机演化阶段时间点，结果和美国经济研究局（NBER）以及世界银行对本次危机时间节点的划分基本吻合，故将金融危机发生期定义为2007年7月19日至2009年5月1日.

4.2 施加约束条件下模型有效性检验

式（16）所代表的传染模型需要15个参数和15个矩条件进行识别.且该模型设定存在一个能够对所有市场起到影响作用的共同因子wt，wt在所有时间段里均被包括且具有时变性.为了检验这一设定是否正确，用Hall所提出的结构变点检测方法假设检验，结果如表2所示.根据表2的结果，接受原假设，即存在这样的共同因子.同时，表2的结果也指明虽然存在着在金融市场平稳期和危机期均起影响作用的共同因子，但共同因子的载荷参数却发生了变化.

由表3可知，对于施加约束（i），检验结果拒绝了原假设.对于施加约束（ii），检验结果表明无法拒绝原假设.由此可以得出，当美国爆发金融危机后，新兴国家市场间的依赖关系没有明显的变化.

当施加约束（iii）时，检验结果拒绝这一原假设，表明金融危机期间传染效应是真实存在的.

4.3 方差分解结果

表4所示为基于潜伏因子模型的无条件方差分解结果，可以看出对于新兴国家市场，在金融危机期间“共同因子”解释的比例很小，只有巴西市场比较高，其他新兴市场均主要由“特质因子”所主导.巴西市场和中国市场中“传染因子”贡献率较低，分别为25%和31%，而印度和俄罗斯市场中“传染因子”贡献率较高，分别达到55%和74%.此结果表明，在新兴国家市场中，俄罗斯和印度遭受的金融危机传染效应最强，而中国和巴西市场遭受的冲击较小，这可能和巴西以及中国市场的资本开发程度相对较低有关.

5 结 论

2008年美国爆发的金融危机起源于美国房地产市场的泡沫破灭，进而导致美国资本市场的崩盘，并影响到全球的金融市场，最终导致成为一场系统性的全球金融危机.本文采用基于潜伏因子模型的分析手段对这次金融危机期间全球主要新兴国家市场的传染效应进行了检验，结果不仅证明了传染现象的存在，也给出了传染强度的定量衡量.目前，学术界对于金融危机传染效应的检验更多是采用基于相关系数或是时变相关系数等方法，相比较而言，本文所采用的方法现实经济意义更明显，是对现有的方法一种很好的补充.

参考文献

[1] K BEKAERT， M HARVEY. Contagion as a wealth effect of financial intermediaries[J]. Journal of Finance， 2014， 31（56）： 33-55.

[2] K FASIKA. Export competition and contagious currency crises[J]. Journal of Monetary Economics， 2011， 31（50）： 20-31.

[3] 韦艳华， 齐树天. 亚洲新兴市场金融危机传染问题研究——基于Copula理论的检验方法[J]. 国际金融研究， 2009， 30（9）： 1- 9.

[4] 杨柳勇， 周强. 资产证券化与金融危机的国际传染——一个理论模型及经验检验[J]. 国际金融研究， 2012， 33（12）： 22-29.

[5] 汪素南， 潘云鹤. 美国股市与中国股市间溢出效应的实证研究[J]. 浙江大学学报， 2012， 23（2）： 81-86.

[6] 游家兴. 经济一体化进程会放大金融危机传染效应吗？——以中国为样本[J]. 国际金融研究， 2011， 32（3）： 3-10.

[7] P MASSON. Informationbased contagion and the implications for financial fragility[J]. European Economic Review， 2013， 21（7）： 15-22.

[8] A SANS. Testing for changes in the unconditional variance of financial time series[J]. Journal of Econometrica， 2004， 41（3）： 558-597.

[9] C INCLAN， G C TIAO. Use of cumulative sums of squares for retrospective detection of changes of variance[J].Journal of the American Statistical Association， 1994， 89 （427）： 913-923.

市场化模型 第12篇

随着我国用电紧张局面的加剧, 电力市场进入新一轮的发展, 如何协调电网和发电商之间的供求关系显得尤为重要。怎样根据市场交易规则给出相应的机组出力方案, 还要考虑到此出力方案会不会引起电网阻塞, 而且当电网网络一旦发生阻塞, 要尽快合理调度, 尽量减少由阻塞引起的阻塞费用, 调节好发电商和网方的经济利益, 恢复生产, 这对国民经济的发展具有重要意义。

根据B题要求, 我们需要做的工作如下:

1.某电网有8台发电机组, 6条主要线路, 给出了各机组的当前出力和各线路上对应的有功潮流值, 方案1～32给出了围绕方案0的一些实验数据, 试用这些数据确定各线路上有功潮流关于各发电机组出力的近似表达式。

2.设计一种简明、合理的阻塞费用计算规则, 除考虑上述电力市场规则外, 还需注意:在输电阻塞发生时公平地对待序内容量不能出力的部分和报价高于清算价的序外容量出力的部分。

3.假设下一个时段预报的负荷需求是982.4MW, 又分别给出了各机组的段容量、段价和爬坡速率的数据, 试按照电力市场规则给出下一个时段各机组的出力分配预案。

4.按照给出的潮流限值, 检查得到的出力分配预案是否会引起输电阻塞, 并在发生输电阻塞时, 根据安全且经济的原则, 调整各机组出力分配方案, 并计算出与该方案相应的阻塞费用。

5.假设下一个时段预报的负荷需求是1052.8MW, 重复3～4的工作。

二、模型的假设

为了使问题尽可能的简化, 我们首先去除了一些小且可忽略的因素, 对所要建立的模型做了适当的假设, 假设如下:

1.发电商的相同报价按发电机组的容量进行取舍;

2.每个机段容量改变量在爬坡速率的影响下恰好是在一个单位间隔内完成的;

3.在考虑线损的情况下, 网方提供的负荷正好等于发电方的需求;

4.0号方案为当前的出力值;

5.每台机组单位时间内的爬坡速率相同。

三、符号说明

为了说理清晰, 我们对后面出现的相关符号做一个简单的说明:

1.ai, bi, ci, di, ei, fi为待定系数, Gi (i=1, 2, , 8) 为各条线路对应各个方案的潮流值。

2.Q段为每段的报价, Q清为每台机组的清算价, Pi前、Pi后为每台机组每段原来的出力方案和调整后的方案, k为电商承担的系数。

3.pir+1为第一优化目标, p2 (a1r-2+a2r+2) 是在第一目标满足的情况下的第二优化目标, a1、a2是关于它的相关系数。

4.r+ij为调整的正偏差, r-ij为调整的负偏差, fi (x1, x2, , x8) 为每条线路调整后的分配方案;r+2i、r-2i为第二优化目标的正负偏差, cj为机组的预分配值。

5.Yj为机组的安全裕度, Lj (j=1, 2, , 6) 为各个线路的潮流限值。

四、模型的建立与求解

假设完成后, 接下来便是对模型的探索、求解过程。

(一) 问题一:有功潮流关于各发电机组出力的近似表达式

根据方案0给出的各机组的当前出力和各线路上对应的有功潮流值, 以及方案1～32给出了围绕方案0的实验数据, 再由物理学的知识知, 各输电线路上的潮流与各发电机组的输出功率大致呈线性关系, 则它可看成一个由6个八元一次线性方程组成的方程组, 即

undefined

其中xi为第i台机组的出力。将具体的数据值代入, 其中G1z为第一条线路第z号方案的潮流值。例如对于第一条线路第0号方案, 方程为:

164.87=120a1+73a2+180a3+80a4+125a5+125a6+81.1a7+90a8;

对于第一条线路的第1号方案, 则有方程为

165.81=133.02a1+73a2+180a3+80a4+125a5+125a6+81.1a7+90a8;

依次对于0～32方案可列出33个关于第一条线路的方程组, 所以6条线路共可列出由198个方程组成的超线性方程组, 结果计算可用MATLAB工具实现如下:

得到最终的有功潮流和各个发电机组的近似表达式如下:

undefined

(二) 问题二:阻塞费用计算规则

电能传输时, 由于输电线路传输容量的限制, 有功潮流的绝对值不能超过其安全限值, 否则, 将引起输电阻塞, 危及电网安全, 此时必须对各机组的出力分配方案做调整, 以消除阻塞。这样就会使一些序内容量 (按分配预案本应取得发电权的发电容量) 不能出力, 而一些序外容量 (竞价中未取得发电权的发电容量) 被迫要在低于其报价的清算价上出力。为了解决利益冲突, 网方要为因输电阻塞而不能严格执行电网规则付出代价, 对发电商潜在的或实际的利益损失给予补偿。购电费用之外的这一部分额外费用即为阻塞费用。电力市场以安全和经济为目标, 坚持“安全第一, 兼顾经济”的原则, 这也是电力市场规划时应该遵守的原则。为此需要为第二题设计一种简明、合理的阻塞费用的计算规则。根据市场交易的原则, 我们认为在发生阻塞时使网商既达到消除阻塞、合理调度的目的, 又能使自己的调整成本最小, 同时考虑兼顾公平的原则给予发电商一定程度的补偿。假设阻塞费用由两部分组成, 即序内段不出力的和序外段出力的。

1.序内段不出力的为:

undefined段undefined

2.序外段出力的为:

undefined

其中Q段为每段的报价, Q清为每台机组的清算价, Pi前、Pi后为每台机组每段原来的出力方案和调整后的方案, k为电商承担的系数。

(三) 问题三:负荷需求982.4MW的出力方案

对于第三问, 题目已经给出了非常明确的算法, 但是爬坡速率和段容量引起的约束仍然存在。根据电力市场的交易规则, 可以把下个时段的各个机组的出力分配方案归结为如下线性规划问题:

目标函数:

undefined

其中bik为第i台机组报价最高时段的段价, xij为第i台机组j时段所选的段容量。

约束条件:

(a) 满足各个机组的各段出力之和与0号方案相对应机组出力的差量小于其15分钟的爬坡速率即

undefined

其中xij为第i台机组第j时段的所选容量, x0j为0号方案的出力, vi为各个机组的爬坡速率。

(b) 各个机组各个时段的容量之和等于预报的负荷。

undefined

(c) 各个机组各个时段所选的段容量应不超过它所规定的段容量。

xijCij (5)

其中Cij是将各机组的段容量看做一个810的段容量矩阵后其第i行j列的分量。

求解只需将各机组的段容量、段价和爬坡速率的数据代入, 用MATLAB实现计算得:各个机组的出力方案以及对应的清算价如下表:

(四) 问题四: 负荷需求为982.4MW的阻塞费用

根据 (三) 最后所得到的数据, 最终的清算价为303, 再将各个机组的出力方案代入方程G1, G2, G3, G4, G5, G6, 得到各个线路的潮流值分别为

(184.153, 153.925, -161.66, 128.5574, 149.9258, 180.4118)

由于其中有潮流值大于线路的潮流限值, 故会引起输电阻塞, 所以根据市场交易以及安全经济的规则, 要对各机组的出力方案进行调整, 现把模型归结为如下线性优化问题:

目标函数:

MinZ=p1r+1+p2 (a1r-2+a2r+2) (6)

其中p1r+1为第一优化目标, p2 (a1r-2+a2r+2) 是在第一目标满足的情况下的第二优化目标, a1、a2是关于它的相关系数。

约束条件:

(a) 各线路调整后的值不可以超出它们的限值, 即

f1 (x1, x2, , x8) -r+11+r-11=165

f2 (x1, x2, , x8) -r+12+r-12=150

f3 (x1, x2, , x8) -r+13+r-13=162

,

f6 (x1, x2, , x8) -r+16+r-16=162 (7)

其中r+ij为调整的正偏差, r-ij为调整的负偏差, fi (x1, x2, , x8) (i=1, 2, , 6) 为每条线路调整后的分配方案。

(b) x1+x2++x8=982.4 (8)

即线路调整后仍要达到预报的负荷要求。

(c) xi-r+2i+r-2i=Cj (9)

其中xi为各个机组出力值, r+2i、r-2i为第二优化目标的正负偏差, Cj为机组的预分配值。

(d) 各个线路调整后的值不能在其增减的范围之外, 即

ki-15vixiki+15vi (10)

其中ki为第i机组当前的出力值, xi为各线路调整后的出力值, vi为机组的爬坡速率。

(e) 且正负偏差应不大于其相对安全裕度的值, 即

r+ijYjLj

rij≥0 (i=1, 2, , 8, j=1, 2, , 6) (11)

其中Yj为机组的安全裕度, Lj为各个线路的潮流限值。

(f) undefined

通过计算得到的方案如下, 考虑到公平合理的原则, 将电商的承担系数暂定为50%。

由目前国家制定的电价计算, 相对庞大的收电用费, 给的阻塞费用并不算太高, 可见电商的承担系数是具有一定合理性的。

(五) 问题五:负荷为1052.8MW时

当下一阶段的负荷需求是1052.8MW时, 相应982.4MW的计算方法, 将其代入第 (三) 题的模型中, 再由Matlab编程计算得到预案的段容值 (在下表 (3) 中) 和它对应的清算价为356元, 再把所求得的预案的值代入第一小问求出的6个八元一次方程得到一组潮流值:

(195.3175, 162.38, -174.026, 142.4703, 156.6465, 186.8682)

很明显出现了输电阻塞, 而且第一和第六条线路的潮流值超过了安全裕度, 再按照第 (四) 题的模型进行调整, 发现根本不能调整使其各线路的潮流值保持在限值内, 所以只能放弃第一条原则, 通过Matlab 计算得到一组可以让潮流值保持在安全域内, 且调整后的潮流值为:

(186.31112, 156.28179, -170.7403, 143.39854, 143.52845, 184.18415)

也得到了调整后的各机组的出力 (下表 (3) 的调整后的段容) 。又根据第 (二) 题的阻塞费用计算规则计算出相应的阻塞费用值 (值见下表 (3) ) 。

五、模型的改进与推广

综述了电力市场阻塞管理方面的工作, 由于阻塞的内涵非常广泛, 处理十分复杂, 它与市场交易和系统运行的各个方面都紧密关联。影响它的主要因素有:竞争模式, 市场交易模式, 交易时序, 交易范围, 处理方式, 阻塞调整目标等。仅就其中最简单但很关键的问题进行了阐述。提出的阻塞费用计算的方法还存在许多有待进一步改进和完善的地方, 例如电商承担系数的最优确定, 模型中不确定因素的存在性, 由于涉及到机组的开停机增加费用的问题, 加大了模型的复杂性, 但模型总体上根据数学规划的原则, 较好地解决了网络阻塞。故该算法具有通用性好, 可进行综合优化等特点。

摘要：对2004年高教社杯全国大学生数学建模竞赛B题进行了深入研究, 对我国电力系统改革中电力输电阻塞的问题进行深入的探讨分析, 利用列解超线性方程组等方法建立数学模型, 从而解决了我国电力市场输电阻塞管理中的有关问题。

关键词：电力市场,输电阻塞,数学模型,线性方程组

参考文献

[1]郭耀煌, 等.运筹学原理与方法[M].成都:西南交通大学出版社, 1995:22-89.