Commodity Unit198019902000201020112012201320142015201620172018201920202025 Energy
Coal, Australian$/mt40.139.726.399.0120.995.0100.095.090.091.092.093.094.095.0100.0 Crude oil, avg, spot$/bbl36.922.928.279.0104.0105.7105.8106.5106.9107.2107.4107.7107.9108.2101.5 Natural gas, European$/mmbtu 4.2 2.8 3.98.310.511.511.211.111.010.910.810.710.610.510.0 Natural gas, US$/mmbtu 1.6 1.7 4.3 4.4 5.1 2.6 3.5 4.0 4.5 5.0 5.3 5.5 5.8 6.07.0 LNG, Japanese$/mmbtu 5.7 3.6 4.710.814.716.816.015.515.014.814.514.314.013.812.5 Non Energy Commodities
Agriculture
Beverages
Cocoa￠/kg26012791313298240235230230229228227226225220 Coffee, Arabica￠/kg347197192432598425420415400398396394392390380 Coffee, robusta￠/kg32411891174241230200190185183182180179177170 Tea, auctions (3) ave￠/kg166206188288292275270270269269269269268268275 Food
Fats and Oils
Coconut oil$/mt6743374501,1241,7301,1801,1501,1501,1001,0901,0791,0691,0591,0491,000 Groundnut oil$/mt8599647141,4041,9882,4502,0001,9501,9001,8951,8901,8851,8801,8751,850 Palm oil$/mt5842903109011,1251,050970950900889879869859849800 Soybean meal$/mt262200189378398520450430410407404401398395380 Soybean oil$/mt5984473381,0051,2991,2501,2001,1001,0501,0451,0401,0351,0301,0251,000 Soybeans$/mt296247212450541600550530520519518517516515510 Grains
Barley$/mt788077158207240230215200198197195194192185 Maize$/mt12510989186292300270255250248246244242240230 Rice, Thai, 5%$/mt411271202489543550520510500498496494492490480 Wheat, US, HRW$/mt173136114224316310290280270270271271272272275 Other Food
Bananas US $/mt3775414248689681,0501,000970950947944941938935920 Meat, beef￠/kg276256193335404410410360315317319321323325360 Meat, chicken￠/kg76108131189193207201201201202203203204204205 Oranges$/mt4005313631,033891850830860900902904906908910940 Shrimp￠/kg1,1521,0691,5151,0041,1939951,0051,0391,1001,1101,1201,1301,1401,1501,200 Sugar, world￠/kg63.227.718.046.957.348.045.040.038.037.737.437.136.836.535.0 Agricultural Raw Materials
Timber
Logs, Cameroonian$/cum252343275429485450455461475481488495497500525 Logs, Malaysian$/cum196177190278391360365370376382387393399405425 Sawnwood, Malaysian$/cum3965335958489398708758859029199379559741,0001,080 Other Raw Materials
Cotton A Index￠/kg206182130228333200210215220221222223224225230 Rubber, Malaysian￠/kg1428667365482335330325320318316314312310300 Tobacco$/mt2,2763,3922,9764,3334,4854,3304,2004,1004,0003,9593,9193,8793,8393,8003,850 Fertilizers
DAP$/mt222171154501619540500490480478476474472470460 Phosphate rock$/mt474144123185185170160150145140135130125105 Pottasium chloride$/mt11698123332435465450410380375369364359354330 TSP$/mt180132138382538470430425420415409404399394370 Urea$/mt192119101289421400390370350345339334329324300 Metals and Minerals
Aluminum $/mt1,7751,6391,5492,1732,4012,0002,3502,5002,6002,6502,7002,7252,7502,7752,900 Copper$/mt2,1822,6611,8137,5358,8287,9008,5008,0007,0006,5006,0006,1006,2006,3006,800 Iron ore $/dmt a/2833291461681281351201101009095100103115 Lead￠/kg918145215240200235255245235225220225230255 Nickel$/mt6,5198,8648,63821,80922,91017,10018,25018,00018,50019,00019,50020,00020,50021,00023,500 Tin￠/kg1,6776095442,0412,6052,0002,5002,7002,6002,5002,5252,5502,5752,6002,725 Zinc￠/kg76151113216219190230250240230220215220225250 Precious Metals
Gold$/toz6083832791,2251,5691,6501,6001,4001,2001,1001,0001,0251,0501,0751,200 Silver c/toz2,0804834952,0153,5223,0002,9002,8002,4002,1001,8001,8251,8501,8752,000 Platinum$/toz6794725451,6101,7191,5001,4501,4001,2001,0509009159309401,000 a/ iron ore unit for years 1980 to 2005 is cents/ dmtu, thereafter is $/dmt.
Source: World Bank, Development Prospects Group.
https://www.doczj.com/doc/182931679.html,/prospects/commodities
Next update: January 2013
Commodity Unit198019902000201020112012201320142015201620172018201920202025 Energy
Coal, Australia$/mt52.741.029.487.698.378.881.475.770.469.969.468.968.568.065.4 Crude oil, average$/bbl48.423.731.670.084.687.686.184.883.582.381.079.878.677.466.3 Natural gas, Europe$/mmbtu 5.5 2.9 4.37.38.59.59.18.88.68.48.17.97.77.5 6.5 Natural gas, US$/mmbtu 2.1 1.8 4.8 3.9 4.1 2.2 2.8 3.2 3.5 3.8 4.0 4.1 4.2 4.3 4.6 LNG, Japan$/mmbtu7.5 3.8 5.39.611.913.913.012.311.711.310.910.610.29.88.2 Non-Energy Commodities
Agriculture
Beverages
Cocoa￠/kg342131101277242199191183180176172168165161144 Coffee, arabica￠/kg455204215383486352342331313306299292285279248 Coffee, robusta￠/kg426122102154196191163151145141137134130127111 Tea, auctions (3) average ￠/kg218213210255237228220215211207203199195192180 Food
Fats and oils
Coconut oil$/mt8843485049951,406978936916860837814792771750654 Groundnut oil$/mt1,1279977991,2431,6162,0311,6281,5541,4851,4551,4261,3971,3691,3411,209 Palm oil$/mt766300347798915870790757704683663644625607523 Soybean meal$/mt344207212335324431366343321312305297290282248 Soybean oil$/mt7844633788901,0561,036977876821802784767750733654 Soybeans$/mt389255237398440497448422407398391383376368333 Grains
Barley$/mt1038386140168199187171156152149145141138121 Maize$/mt16411399165237249220203195190185181176172150 Rice, Thailand, 5%$/mt539280227433441456423406391382374366358350314 Wheat, US, HRW$/mt227140128198257257236223211208204201198195180 Other food
Bananas, US$/mt495559475769787870814773743727712697683669601 Meat, beef￠/kg362265216297329340334287246243241238235232235 Meat, chicken￠/kg99112147168157172164160158155153151148146134 Oranges$/mt525549407915724705676685704693682672661651614 Shrimp￠/kg1,5111,1061,696889970825818828860852845837830823784 Sugar, world￠/kg82.928.620.241.646.639.836.631.929.728.928.227.526.826.122.9 Agricultural raw materials
Timber
Logs, Cameroon$/cum330355308379394373370367371370368367362358343 Logs, Malaysia$/cum257183213246317298297295294293292291291290278 Sawnwood, Malaysia$/cum520551666751764721712705705706707708709715706 Other raw materials
Cotton￠/kg271188146202271166171171172170167165163161150 Rubber, Asia￠/kg1878975324392278269259250244238233227222196 Tobacco$/mt2,9863,5083,3323,8373,6463,5903,4193,2673,1273,0402,9562,8752,7962,7182,516 Fertilizers
DAP$/mt292177173443503448407390375367359351344336301 Phosphate rock$/mt614249109150153138127117111105100959069 Pottasium chloride$/mt152101137294354386366327297288279270262253216 TSP$/mt237136154338438390350339328318309300291282242 Urea$/mt252123113256342332317295274265256248240232196 Metals and Minerals
Aluminum $/mt2,3291,6951,7341,9241,9521,6581,9131,9922,0332,0352,0372,0202,0031,9851,895 Copper$/mt2,8632,7522,0306,6727,1776,5496,9186,3745,4724,9914,5264,5214,5154,5074,444 Iron ore $/dmt a/3734321291361061109686776870737375 Lead￠/kg1198451190195166191203192180170163164165167 Nickel$/mt8,5539,1679,66919,31218,62514,17714,85414,34114,46314,58914,71014,82414,92815,02315,357 Tin￠/kg2,2016296081,8072,1181,6582,0352,1512,0331,9201,9051,8901,8751,8601,781 Zinc￠/kg100157126191178158187199188177166159160161163 Precious Metals
Gold$/toz7983973121,0841,2761,3681,3021,115938845754760765769784 Silver c/toz2,7305005541,7852,8642,4872,3602,2311,8761,6121,3581,3531,3471,3411,307 Platinum$/toz8914886101,4251,3981,2441,1801,115938806679678677672654 a/ iron ore unit for years 1980 to 2005 is cents/ dmtu, thereafter is $/dmt.
Source: World Bank, Development Prospects Group.
https://www.doczj.com/doc/182931679.html,/prospects/commodities
Next update: January 2013
Commodity Price Forecast Update
Released: September 10, 2012 Table 3: Weighted Indices of Commodity Prices and Inflation, 2005=100
Actual Projection
Price indices in nominal US dollars
Energy66.043.453.2144.7188.8188.2189.3190.0190.3191.1191.7192.3192.8193.4183.4 Non-energy commodities102.284.072.2173.9209.9190.3188.5182.1174.9172.0169.2169.7170.4171.0173.8 Agriculture119.690.578.7170.4209.0195.4184.9178.9174.5174.1173.7173.3172.9172.7171.5 Beverages157.790.576.8182.1208.2167.1162.0159.2156.6155.9155.2154.5153.8153.1150.7 Food124.690.676.6169.6210.1213.8197.9188.6181.7180.8179.9179.0178.1177.2173.6 Fats and oils120.482.376.6184.5222.7234.9213.6205.4196.9195.4194.1192.7191.3189.9183.3 Grains126.899.479.9171.8238.5242.9223.7214.1208.8207.7206.7205.6204.6203.6198.6 Other food128.093.673.8148.2167.8159.6154.0143.5137.4137.2137.1137.0136.8136.7138.1 Raw materials88.090.284.7166.3206.7164.9165.1165.3165.9166.9167.9168.9170.0171.6176.9 Timber68.182.390.9130.5153.5141.9143.1144.8147.5150.1152.8155.6158.4162.2173.8 Other Raw Materials109.998.977.9205.4264.8190.1189.2187.6186.1185.2184.3183.5182.6181.8180.3 Fertilizers89.165.467.0187.2267.0259.5245.4231.9219.8215.4211.2207.0203.0199.0180.6 Metals and minerals a/68.172.859.5179.6205.5172.1189.2183.1170.7162.8155.2158.2161.6164.3177.8 Base Metals b/73.978.163.0169.2193.2166.3184.9182.8171.0164.8159.1160.9163.4165.8178.0 Precious Metals162.781.363.6272.2371.9371.7360.2322.5276.4250.6224.8229.9234.9240.0265.3 Price indices in real 2005 US dollars c/
Energy86.644.959.5128.1153.5156.1154.0151.4148.8146.7144.6142.5140.4138.4119.9 Non-energy commodities134.186.980.8154.0170.7157.8153.4145.1136.7132.0127.6125.8124.1122.3113.6 Agriculture156.993.688.1150.9169.9162.0150.5142.5136.4133.7131.0128.4125.9123.5112.1 Beverages207.093.686.0161.3169.3138.6131.9126.9122.4119.7117.1114.5112.0109.698.5 Food163.493.785.8150.2170.8177.2161.1150.3142.1138.8135.7132.7129.7126.8113.4 Fats and oils158.085.185.7163.4181.1194.7173.8163.6153.9150.1146.4142.8139.3135.9119.8 Grains166.4102.889.5152.1193.9201.4182.0170.6163.2159.5155.9152.4149.0145.7129.8 Other food167.996.882.6131.2136.4132.3125.3114.3107.4105.4103.4101.599.697.890.3 Raw materials115.593.394.8147.2168.0136.7134.4131.7129.7128.1126.6125.2123.8122.7115.6 Timber89.385.1101.8115.5124.8117.7116.4115.4115.3115.3115.3115.3115.4116.0113.6 Other Raw Materials144.2102.287.2181.9215.3157.6154.0149.5145.5142.2139.1136.0133.0130.1117.8 Fertilizers116.967.775.1165.7217.0215.1199.7184.8171.8165.4159.3153.4147.8142.4118.0 Metals and minerals a/89.475.366.6159.1167.0142.7154.0145.9133.4125.0117.1117.2117.7117.5116.2 Base Metals b/97.080.870.6149.8157.1137.9150.5145.6133.7126.6120.0119.3119.0118.6116.3 Precious Metals213.484.171.2241.1302.4308.2293.2256.9216.1192.4169.6170.4171.1171.7173.4 Inflation indices, 2005=100 d/
MUV index e/76.296.789.3112.9123.0120.6122.9125.5127.9130.2132.6134.9137.3139.8153.0 % change per annum 2.4-0.8 2.48.9-1.9 1.9 2.2 1.9 1.8 1.8 1.8 1.8 1.8 1.8 US GDP deflator47.872.388.7111.0113.4115.5117.0119.5122.1124.7127.4130.2133.0135.9151.3 % change per annum 4.2 2.1 2.3 2.1 1.9 1.3 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2
a/ Base metals plus iron ore.
b/ Includes aluminum, copper, lead, nickel, tin and zinc.
c/ Real price indices are computed from unrounded data and deflated by the MUV index.
d/ Inflation indices for 2011-2025 are projections. Growth rates for years 1990, 2000 and 2010 refer to compound annual rate of change between adjacent end-point years;
all others are annual growth rates from the previous year.
e/ Unit value index of manufacture exports (MUV) in US dollar terms for fifteen countries (Brazil, Canada, China, Germany, France, India, Italy, Japan, Mexico, Republic of Korea,
South Africa, Spain, Thailand, United Kingdom, and United States).
Please see the MUV Index and its compilation methodology online.
Source: World Bank, Development Prospects Group. Historical US GDP deflator: US Department of Commerce.
https://www.doczj.com/doc/182931679.html,/prospects/commodities
Next update: January 2013
Commodity Group Share of
energy and non-energy indices
Share of sub-group indices
Share of food index
Energy
100.0100.0Coal 4.7 4.7Crude Oil 84.684.6Natural Gas 10.810.8
Non-energy Commodities 100.0Agriculture 64.9Food
40.0100.0Cereals 11.3100.028.2Rice 3.430.28.5Wheat 2.825.37.1Maize b/ 4.640.811.5Barley
0.5 3.7 1.2Vegetable Oils and Meals 16.3100.040.8Soybeans 4.024.610.1Soybean Oil 2.113.0 5.3Soybean Meal 4.326.310.7Palm Oil 4.930.212.3Coconut Oil 0.5 3.1 1.3Groundnut Oil c/0.5 2.8 1.1Other Food 12.4100.031.0Sugar 3.931.59.8Bananas 1.915.7 4.9Meat, beef 2.722.0 6.8Meat, chicken 2.419.2 6.0Oranges d/ 1.411.6 3.6
Beverages 8.4100.0Coffee 3.845.7Cocoa 3.136.9Tea
1.517.4Agricultural Raw Materials 16.5Timber
8.6100.0Hardwood 8.6100.0Logs
1.92
2.1Sawnwood 6.777.9Other Raw Matrials 7.9100.0Cotton
1.924.7Natural Rubber 3.746.7Tobacco
2.328.7Metals and Minerals
31.6100.0Aluminum 8.426.7Copper 12.138.4Iron Ore 6.018.9Lead 0.6 1.8Nickel 2.58.1Tin 0.7 2.1Zinc 1.3 4.1Fertilizers
3.6100.0Natural Phosphate Rock 0.616.9Phosphate 0.821.7Potassium 0.720.1Nitogenous
1.5
41.3
a/ The weights are based on 2002-04 export values of low- and middle-income countries; the data are taken from the United Nations'
Comtrade Database via World Bank WITS system, Food and Agriculture Organization FAOSTAT, International Energy Agency, BP Statistical Review of World Energy, World Metal Statistics, World Bureau of Metal Statistics and World Bank staff estimates. b/ The maize weight includes sorghum.
c/The groundnut oil weight includes groundnuts.d/ The oranges weight includes orange juice.Source: World Bank, Development Prospects Group.
https://www.doczj.com/doc/182931679.html,/prospects/commodities
Next update: January 2013
Table 4: World Bank Commodity Price Index Weights a/
Commodity Price Forecast Update
Released: September 10, 2012
Note: Sum of components may not equal group total due to rounding.Source: World Bank, Development Prospects Group.
https://www.doczj.com/doc/182931679.html,/prospects/commodities
Next update: January 2013
World Bank Commodity Price Indices: Groups and Weights
ENERGY 100.0COAL 4.7CRUDE OIL
84.6NATURAL GAS
10.8
NON-ENERGY
100.0
METALS 31.6AGRICULTURE
64.8BEVERAGES
8.4FOOD 40.0
CEREALS
11.2FATS & OILS
16.3OTHER FOOD
12.4
AG. RAW MATERIALS
16.5
FERTILIZERS
3.6
Note:
Please see the compilation methodology of the MUV Index online.
Source : World Bank, Development Prospects Group.https://www.doczj.com/doc/182931679.html,/prospects/commodities
The MUV (unit value of manufacture) is a US dollar trade weighted index of manufactures exported from fifteen economies (Brazil, Canada, China, Germany, France, India, Italy, Japan, Mexico, Republic of Korea, South Africa, Spain, Thailand, United Kingdom, and United States).
Released: September 10, 2012
Next update: January 2013
Commodity Price Forecast Update
Description of Price Series
Aluminum (LME) London Metal Exchange, unalloyed primary ingots, high grade, cash price
Bananas (Central & South American), import price, free on truck (f.o.t.) US Gulf
Barley (Canada), feed, Winnipeg Commodity Exchange, whole sale farmers’ price
Beef (Australian/New Zealand), frozen boneless, 85% chemical lean, c.i.f. U.S. East Coast
Chicken meat (US) whole birds, broilers, Georgia Dock weighted average, wholesale price
Coal (Australian), thermal, f.o.b. Newcastle/Port Kembla
Cocoa (ICCO), International Cocoa Organization daily price
Coconut oil (Philippines/Indonesian), bulk, c.i.f. Rotterdam
Coffee (ICO), International Coffee Organization indicator price, other mild Arabicas, average New York and Bremen/Hamburg markets
Coffee (ICO), International Coffee Organization indicator price, Robustas, average New York and Le Havre/Marseilles markets
Copper (LME), grade A, cathodes and wire bar
Cotton (“cotton outlook A” index), c.i.f. Far East; prior to 2006 c.i.f. Northern Europe
Crude oil, average spot price of Brent, Dubai and West Texas Intermediate, equally weighed
DAP (diammonium phosphate), bulk, f.o.b. US Gulf
Gold (UK), London afternoon fixing
Groundnut oil (any origin), c.i.f. Rotterdam
Iron ore, fines, spot, c.f.r. China 62% fe, in unit of US$/dmt; prior to 2006 (Brazilian) CVRD/Vale sinter feed, f.o.b. contract price to Europe, 66.5-68% fe, in unit of US￠/dmtu
Lead (LME), refined, settlement price
Logs (West African), sapele, high quality (loyal and marchand LM), f.o.b. Cameroon
Logs (Malaysian), meranti, Sarawak, Tokyo import price
Maize (US), no. 2, yellow, f.o.b. US Gulf ports
Natural Gas (Europe), import border price
Natural Gas (U.S.), Henry Hub, Louisiana
Natural Gas (LNG) (any origin), c.i.f. Japan
Nickel (LME), cathodes
Oranges (Africa & Mediterranean region), European indicative import price, c.i.f. Paris
Palm oil (Malaysian), bulk, c.i.f. N. W. Europe
Phosphate rock (Moroccan), 70% BPL, contract, f.a.s. Casablanca
Potassium chloride, f.o.b. Vancouver
Rice (Thai), 5% broken, white rice, milled, indicative survey price, f.o.b. Bangkok
Rubber (Southeast Asia), RSS 3, nearby contract SICOM; prior to 2004 RSS 1 grade f.o.b.
Sawnwood (Malaysian), dark red seraya/meranti, select and better quality, kiln dry, c. & f. UK
Shrimps (Mexico), frozen, white No. 1, 26-30 count per pound, wholesale, New York
Silver (Handy & Harman), refined, New York
Soybean meal (any origin), c.i.f. Rotterdam
Soybean oil (Dutch), crude, f.o.b. ex-mill
Soybeans (US), c.i.f. Rotterdam
Sugar (world), International Sugar Agreement daily price, raw, f.o.b. Caribbean ports
Tea, average of quotations at Calcutta, Colombo and Mombasa/Nairobi
Tin (LME), refined, settlement price
Tobacco (any origin) total unmanufactured US import unit value, twelve-months-rolling-averages
TSP (triple super-phosphate), bulk, f.o.b. US Gulf
Urea, (varying origins), bagged, f.o.b. Eastern Europe
Wheat (US), no. 1, hard red winter, export Gulf
Zinc (LME), special high grade, settlement price
各类特殊统计数据下载地址及说明 为了以示区别，本文不介绍如世界银行、联合国、WTO、亚洲发展银行等机构的公开数据。因为这些数据相对容易搜索，大部分会员或多或少知道它们的存在，只不过熟悉程度因人而异。 本文的初衷是向大家介绍部分“匪夷所思”的数据，换言之，绝大部分非专业研究人员是不知道存在这些数据的。有些数据，真的令人无法相信。您一定很期待吧，我们这就开始！ 1、辽宁多代人口数据库（Liaoning Multi-generational Panel Data） https://www.doczj.com/doc/182931679.html,/icpsrweb/CMGPD/ 清代辽宁多代人口数据库（CMGPD-LN），是研究中国家庭与社会人口史的重要数据库，亦可以为人口行为、亲属与社会分层的过程研究，提供庞大的数据支持。数据库适合任何社会科学统计软件进行基本的统计分析。数据库原始资料，来源于保存在辽宁档案馆的盛京内务府户口册，是三年一次的人口登记记录，约有3600册。我们以盛京内务府的部分户口册为基础，建立规模庞大的辽宁多代人口数据库（1749－1909）。目前，这个数据库已经录入31种户口册，总人数约达26万，有150万个记录，是160年连续人口数据，成为历史人口学、社会学、经济学等多学科交叉研究的宝贵资源。 2、原创技术的世界扩散（Primitive Technology） https://www.doczj.com/doc/182931679.html,/dcomin/primitive_aejmacro.dta The primitive technology dataset measures at three points in history the presence of specific technologies in the territories that correspond to modern day countries. The periods covered are 1000 B.C., 0 A.D. and 1500 A.D. (i.e. right before the colonization). The technologies in the data set cover five wide sectors: agriculture, transportation, communication, military and industry.
货物采购 国际竞争性招标文件 前言 财政部世界银行司于1991年组织编写出版了《世界银行贷款项目招标采购 文件X本》（以下称“X本”）一套三册共九种文本，供各项目单位和招标代理机构试用。 1993年5月，财政部与世界银行（以下称世行）决定根据试用的情况对“X本”进行修订，并组成了新“X本”编写组。在文本数量上，除原有的九种外， 新增加了《大宗商品国际竞争性招标文件》、《计算机系统国际竞争性招标文件》、《单个咨询专家咨询合同》以及《标准评标报告格式》等文本，以适应业务发展的需要。 1995年1月，世行对其“采购指南”进行了修改，出版了新版“采购指南”。随后世行根据新“指南”编写了“标准招标采购文件（SBD）”，并要求其借款国在 世行项目的采购中必须使用SBD。经过深入研究，我们认为世行的SBD确是其半个世纪采购经验的结晶，采用SBD的主要条款有利于我国利用世行贷款采购工作的制度化、规X化并与国际标准接轨。但是，考虑到我国的具体情况和采购管理经验，我们认为仍有必要根据中国特有的情况对世行的SBD加以补充。经与世行 充分协商，世行方面理解我们的看法，并同意继续修订和保留中国的“X本”，但要求其主要内容与SBD保持一致。这就对“X本”的修订工作提出了新的要求。 经过三年多的努力，“X本”编写组已先后完成了各主要文本的修订工作。世行也已完成对这些“X本”的终审，同意正式。根据财政部的规定，从1996年7月1日起，我国所有世行贷款项目中每次货物和土建工程的国际和国内竞争 性招标，必须使用财政部统一负责编制的相应的“X本”作为招标文件的商务部分。“X本”的标准条款任何单位不得擅自修改。同时还规定新“X本”的归财政部所有，任何单位不得自行打印、翻印，也不得使用盗版复制的“X本”。 下面把新“X本”的主要特点作一简要介绍： 1．新“X本”体现了世行新版“采购指南”规定的经济性、效率性和增加透明 度的原则。它保留了世行SBD中的投标人须知和合同通用条款，而这些条款在世界各地世行贷款项目的招标采购文件中都是一样的，这就增加了采购工作的透明
经济预测与决策案例分 析 TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-
案例分析一（一元线性回归模型） 我国城市居民家庭人均消费支出预测 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表1-1的数据:
世界银行贷款项目工作流程 2016-12-07 一、项目周期 简单地说，世行项目的整个周期从选项（立项）开始，到项目实施完成世行进行后评估，总共有7个步骤，而项目的前期准备工作则大约需要2～3年的时间，具体如下图所示： 二、详细工作流程 1．选项（立项） 周期的每一个阶段就是确定那些需要优先考虑，适合银行提供资金，而银行、政府和借款人有兴趣考虑的项目。过去银行按此确定项目，主要是对政府及借款人提出的建议作出回答。近年来，银行鼓励并帮助一些国家发展他们自己的计划能力，并且也加强了它自己的形成项目的方法。银行进行的经济分析和部门分析，使人们了解有关国家的发展潜力，并为评价国家和部门的政策和问题奠定基础。这些经济的和部门的分析还为世界银行或国际开发协会对贷款国家的"偿债信誉"加以评定。这种分析为银行与有关国家之间，就制定恰当的策略，以开发整个经济和它的重要部门的问题，包括政策和机构性的改变，提
供了继续对话的基础。这样，就可能确定一些符合并能支持前后一贯的发展策略，并适合部门目标，而且政府和银行均认为适合的项目。这些项目还必须经受可行性的初步试验--所花的费用应与预期的好处相称，这一点可以从技术上和机构上找到解决办法。 要确定一项适合这些要求的项目并不容易，也许还缺乏能够做出正确判断的知识。政府和其他贷款机构也许并不同意银行持有的那种关于开发目标或部门优先顺序的观点。要对项目范围作出选择也许还有困难，(应当从小规模试验的阶段，还是从较大规模但是比较冒风险的投资开始呢？)为了达到项目的目标，分歧会很快在是否需要改变政策或改变机构的问题上表面化。把这些问题解决了，便进入了准备阶段。 一旦项目确定之后，这些项目就被列入对每个国家多年度的贷款规划，这一规划就成为世行在这个国家今后工作的基础。这些国家规划用于银行为编制业务计划和预算所需，也是为了保证获得必需的资源，使每个项目能通过其周期的各个连续阶段而向前进行。 借款人的准备工作 选项工作的第一步是建立项目库，这里应当注意几个原则： （1）应当选择规模较大的整体项目，避免在项目中包含过多的子项目，导致项目的中心目标不明确、不突出。 （2）选择在城市规划中的中期规划骨干项目，比较接近世行贷款项目的要求。 （3）尽量选择移民拆迁量较少的项目，因为世行不主张由于项目的实施而导致大量的移民拆迁，世行贷款也不会用于支付移民拆迁的任何费用。
一、名词解释 第一章 ①预测：根据过去和现在估计预测未来。 ②统计预测：属于预测方法研究的范畴，即如何利用科学的统计方法对事物的未来发展进行③定量推测，并计算概率置信区间。 第二章 ①定性预测：是指预测者依靠熟悉业务知识、具有丰富经验和综合分析能力的人员与专家，根据已掌握的历史资料和直观材料，运用个人的经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，然后再通过一定形式综合各方面的意见，作为预测未来的主要依据。 ②主观概率：是人们对根据几次经验结果所做的主观判断的主观判断的量度。 ③客观概率：是根据事件发展的客观性统计出来的一种概率。 ④相互影响法：是从分析各个事件之间由于相互影响而引起的变化，以及变化发生的概率，来研究各个事件在未来发生的可能性的一种预测方法。 第三章 ①残差：预测值与真实值的离差 ②可绝系数：衡量自变量与因变量关系密切程度的指标，表示自变量解释因变量变动的百分百比。 ③相关系数：测定拟合优度的指标，相关系数平方等于可绝系数。 ④非线性回归预测法：在社会现实经济活动中，很多现象之间的关系并不是线性的，这时就要选配适当类型的曲线，即非线性回归预测。 ⑤拟合优度：衡量回归直线拟合效果的指标 ⑥自相关系数：是衡量同一变量不同时期的数据之间相关程度的指标。 ⑦D-W：检验模型是否存在自相关的一个有效方法，其计算公式为：D—W=∑(ui-ui-1)^2/∑ui^2,其中ui=yi-^yi.根据经验D-W统计量在1.5~2.5之间表示没有显著自相关问题。 第四章 ①不规则变动因素：又称随机变动，它是受各种偶然因素影响所形成的不规则变动。 ②趋势外推法：用时间t为自变量，时序数值y为因变量，建立合适的趋势模型，并赋予时间变量t所需要的值，从而得到相应时刻的时间序列未来值。 ③图形识别法：通过绘制以时间t为横轴，时序数据为y轴的散点图形，并将其与各种函数曲线模型比较，选择最为合适的模型。 ④差分法：利用差分把数据修匀，使非平稳的序列达到平稳序列。同时与各类模型差分特点进行比较，选择合适的模型。 ⑤标准误差：预测值与真实值的离差平方和的平均数的平方根。 ⑥ 第五章 ①一次移动平均法：收集一组观测值，计算这组观测值的均值，利用这一均值作为下一期的预测值。 ②一次指数平滑法：利用前一期的预测值Ft代替Xt-N得到预测的通式：Ft+1=aXt+(1-a)Ft.
标准招标文件 货物采购 世界银行 2004年5月 2005年5月, 2006年9月, 2007年5月修改
本文件为世界银行2004年5月出版，2005年5月，2006年9月和2007年5月修改的?标准采购文件—货物采购?的中译文，仅供参考。中译文中如有与英文不一致之处，以英文为主。
修改 2007年5月 2007年5月的修改稿包括对第一章“投标人须知”分条款，和的修改及对第七章合同通用条款中第3条和第11条的修改。本次修改使以上条款在文字上反映了2006年10月出版的“采购指南”中欺诈与腐败定义的变化。该变化是根据2006年8月世行董事会通过的“世界银行处罚制度改革”相关文件做出的。 2006年9月 (i) 合同通用条件(第37条)中增加了出口限制条款。 2005年5月： (i) “投标人须知”条修改后删去了与评标有关的内容。 (ii) “投标人须知”条包括了“授权书”。 (iii) “投标人须知”条修改后为没有适当的文件而撤回投标是不能接受的。 (iv) “投标人须知”(a)条关于品目或合同包评审的选择，回应“投标资料表”中关于在进行合同包评审时，如何对缺项的响应性投标进行比较的澄清。 (v) 专用条款涉及到通用条款第条关于装运文件。 2004年5月： 反映了2004年5月采购指南的内容。
前言 由世界银行编制的本货物采购招标文件(Procurement of Goods)适用于全部或部分使用世界银行贷款采用国际竞争性招标方式进行的货物采购。本文件的规定与2004年5月[版本]“国际复兴开发银行贷款和国际开发协会信贷采购指南(Guidelines for Procurement under IBRD Loan and IDA Credit)的规定一致。 本标准招标文件以多边开发银行和国际金融机构于2001年10月编制的“货物采购主导招标文件和用户指南(Master Bidding Document for Procurement of Goods and User’s Guide)”为基础。主导招标文件反映了这些国际机构的“最好实践”成果。 本货物采购招标文件的使用条件是在招标之前不进行资格预审。 有意对本文件提出意见或问题，或有意获得世行贷款项目采购更多的信息的人士可通过以下方式与世行联系： 美国华盛顿特区西北区H街1818号，邮编20433 世界银行 贷款政策和国家服务副行长管辖之 采购政策和服务组 货物采购标准招标文件 摘要 第一部分－－招标程序 第一章“投标人须知” 本章提供了帮助投标人进行投标书编写、投标书递交、开标、评标和合同授予的信息。第一章的规定和条文使用时不得修改。 第二章投标资料表 本章规定了每一次具体采购的特点和对第一章“投标人须知”的补充。 第三章评标和资格标准 本章规定了用于确定最低评标的投标书的标准和要求投标人履行合同必须满足的标准。 第四章投标书格式 本章包括了要递交的投标书、报价表、投标保证金和与投标书同时递交的制造厂家授权书的格式。
一、选择题 1、在实际决策中，要取得完全信息（B）。 A．是很容易的 B．是不可能的 C．是没有必要的 D．是能做到的 2、在决策方案选择中以“令人满意”准则代替“最优化”原则（A）。 A．具有实践意义 B．不具有实践意义 C．降低了决策标准 D．是不科学的 3、在个人决策和集体决策两种决策中，具有决策速度快、效率高特点的是（A）。 A．个人决策 B．集体决策 C．个人决策和集体决策 D．不能肯定 4、决策在融合各门相关科学理论与方法的基础上，形成多种不同的作用形式和具体分析方法，体现了经营决策的（D）。 A．指导思想的科学性 B．程序的完整性 C．内容的复杂性 D．方法的多样性 5、在决策中，决策的科学性原则体现在（D）。 A．决策程序上
B．决策方法上 C．决策方案实施上 D．以上都对、 6、决策过程有固定的程式和标准方法的是（ A ）。 A．确定型决策 B．未确定型决策 C．风险型决策 D．个人决策 7、在非确定型决策时，为了充分利用收益函数所提供的全部信息，决策者应该采取的决策准则是（ C）。 A.最小最大原则 B.最大最大原则 C.等概率准则 D. 准则 8、敏感度分析的目的是（B ）。 A、揭示决策方案如何受某些因素的影响 B、找到影响决策方案的因素 C、了解决策者对信息的感应度 D、提高决策的质的分析水平 9、在转折点上，最佳方案损益期望值与非最佳方案损益期望值（A ）。 A. 相等 B. 前者大于后者 C. 后者大于前者 D. 不能确定 10、借助决策树分析法评价、分析、计算某种方法获得信息的价值（B ）。 A、是不可能的 B、是可以做到的 C、是不必要的 D、可操作性差 11、某企业有三种扩大生产方案，产品的市场需求量有三等，其收益情况如下表： 如果决策根据悲观准则则应选择方案（ C ）。
世界银行贷款项目管理暂行规定［失效］ 发文单位：财政部 文号：财世字[1997]43号 发布日期：1997-4-8 执行日期：1997-4-8 生效日期：2003-1-30 一、总则 第一条为进一步理顺世界银行贷款（下称“世行贷款”）项目管理中各部门之间的关系，建立“借用还”与“责权利”相统一的管理体制，切实加强世行贷款项目的管理，规范项目管理行为，提高管理工作效率，特制定本规定。 第二条本规定适用于所有世行贷款项目。 第三条本规定所指的世行贷款包括国际复兴开发银行贷款和国际开发协会信贷以及与世行贷款相关的联合融资贷款。 本规定所指的世行贷款项目系指利用和准备利用世行贷款实施的项目。
第四条世行贷款项目管理工作的总原则是“统一领导，归口管理，分工合作，各司其职”。 财政部是国务院批准的世行贷款的对外窗口和对内归口管理部门，统一负责全国世行贷款业务的协调与管理工作；地方财政部门是地方利用世行贷款业务的归口管理部门和地方人民政府的债权债务代表，全面负责当地利用世行贷款业务的协调与管理工作。 第五条世行贷款是我国政府的主权外债，贷款资金的借入与使用以国家和地方各级财政信誉为基础，贷款项目的管理应以贷款资金的债权债务关系为主线，做到债务责任清晰明确，权、责、利相结合，借、用、还相统一。 世行贷款项目管理主要包括项目计划管理、项目前期准备管理、资金及财务管理、工程管理、招标采购管理、技术援助和培训管理、债务管理、项目完成与运营管理等。 第六条除单独说明者外，本规定中所指的“项目单位”包括中央项目执行部门（或中央项目办）、地方项目执行机构（地方项目办或项目行业主管单位）、财政部直接转贷的中间金融机构
世行贷款项目招标采购政策和惯例 世界银行驻中国代表杨大卫 世行及世行贷款慨况 世界银行集团由五个机构组成，其中3个机构提供贷款，即向进展中国家政府提供中长期有息贷款（硬贷款）的国际复兴开发银行IBRD，向低收入进展中国家政府提供长期无息贷款（软贷款）的国际开发协会IDA和直截了当对进展中国家民营企业和私营部门提供贷款和参股的国际金融公司IFC。其他两个机构是多边投资担保机构MIGA和解决投资争端国际中心ICSID。国际复兴开发银行和国际开发协会的采购政策和程序是完全一致的，通常意义上的世界银行（本文用缩写世行代表世界银行）即指这两个国际金融机构。实际上这两个机构是由同一批人员治理，只是贷款的帐户分开。本文所介绍的世行贷款项目采购政策和程序即指国际复兴开发银行和国际开发协会贷款项目的采购政策和程序。 世行的成员国分为借款国（进展中国家）和非借款国（发达国家）两类，世行的组织机构按借款国分为六大地区治理，地区下设专业处和国家局，在要紧借款国和成员国设有治理该国贷款项目和其他业务的国家代表处或办公室。 世行的采购机构和作用 世行贷款项目采购的责任在借款人，世行不直截了当参与采购，不参加借款人组织的开标和评标，只是对借款人的采购活动进行全过程的监督。世行通过对贷款项目采购活动的监督来保证采购过程透亮和公布，贷款资金经济和有效地用于贷款的目的。世行要紧通过审查借款人的招标文件、评标报告和合同文件来监督借款人的采购活动。中标人由借款人确定，世行并不举荐中标人。如符合采购指南确定的具有响应性的最低评标价中标的原则，世行就发出不反对意见。 世行对采购的监督和治理分为3个层次。最高层为跨地区的中心服务部门（OCSPR），负责制定世行贷款项目的采购政策和程序，包括起草和修订采购指南和标准招标文件。中间层在6大地区有采购顾咨询RPA办公室，负责治理本地区的采购人员和采购审查活动，批准对大合同的审查。第三层为各国家局/办公室或专业处的采购人员或采购组，负责具体的采购文件审查工作和其他采购监督活动。通过地区采购顾咨询的批准，有资格的贷款项目的项目经理能够自己审查或批准借款人的采购文件。由于项目经理工作较多，大部分项目经理均托付世行的专职采购人员或外部咨询人审查借款人的采购文件。
第一章经济预测的基本原理 1.什么叫经济预测? 经济预测是一门研究经济发展过程及其变动趋势的学科。 2.经济预测与决策有什么关系? 经济计划是为实现经济决策目标而编制的一种经济活动方案，而经济决策的目标又是依 据经济预测的结果而确定的。 3.什么叫宏观经济预测? 宏观经济预测是指对整个国民经济或一个地区、一个部门的经济发展前景的预测，它以整个社会（或地区、部门）的经济发展的总图景作为考察对象。 4.什么叫微观经济预测? 微观经济预测是指对一个企业的经济发展前景或家庭、个人的经济活动的预测，它以单个经济单位的经济活动前景作为考察的对象。 5.什么叫定性经济预测? 定性经济预测是对某一经济现象的未来状态所作的一种描述，也就是对未来的经济状态提供可能变动的方向而非数量的大小所作出的预测。 6.什么叫定量经济预测? 定量经济预测是运用经济统计的数据资料，根据预测目标中的经济变量之间的关系，建立起预测模型以推导出预测值。 7.预测的基本要素有哪些? 信息要素，方法要素，分析要素，判断要素。 第四章判断预测技术 1.直接头脑风暴法与质疑头脑风暴法的主要区别是什么?在专家选择上有何异同? 直接头脑风暴法是组织专家对所要解决的问题，开会讨论，各持己见地、自由地发表意见，集思广益，提出所要解决问题的具体方案。质疑头脑风暴法是对已制定的某种计划方案或工作文件，召开专家会议，由专家提出质疑，去掉不合理的或不科学的部分，补充不具体或不全面的部分，使报告或计划趋于完善。
P1-P3=0.11>0 故该公司各厂明年投资的总趋势增加。 5. 甲的平均销售量=（800+4*700+600）/6=700 甲预测的销售量的方差为 2=[（800-600）/6 ]2=1111.11 δ 甲 =33.33 δ 甲 乙的平均销售量=（750+4*640+550）/6=643 乙预测的销售量的方差为 2=[(750-550)/6]2=1111.11 δ 乙 δ =33.33 乙 丙的平均销售量=（850+4*700+600）/6=708 =41.67 丙预测的销售量的方差为δ 丙 推销员的销路预测是 (700+643+708)/3=684 其预测值的方差为 δ2=（δ甲2+δ乙2+δ丙2）/9=439.85 δ=20.97 故，预测值在439.85-2*20.97至439.85+2*20.97之间的可能性为95.4% 6. 柜台A, 2Φ[(450-400)/δA]-1=90% )=0.95 所以，Φ(50/δ A 50/δA =1.65 =50/1.65=30.30 所以，δ A 由此得，专柜A的预测值的均值为400，标准差为30.30 同理， 专柜B的预测值的均值为450，标准差为25.51 专柜C的预测值的均值为350，标准差为34.72
世界银行贷款项目业务手册 第一章概述 一、世界银行简介 世界银行(tｈe Wｏrld Bank）是联合国属下的一个专门机构，负责长期贷款的国际金融机构。Wｏｒld Bank是根据１９４4年美国布雷顿森林会议上通过的《国际复兴开发银行协定》成立的,其宗旨是通过对生产事业的投资，资助成员国的复兴和开发工作;通过对贷款的保证或参与贷款及其他和人投资的方式促进外国和人投资，当成员国不能在合理的条件下获得私人资本时，则在适当条件下以银行本身资金或筹集的资金及其它资金给予成员国直接贷款，来补充私人投资的不足;通过鼓励国际投资,开发成员国的生产资源，提供技术咨询和提高生产能力,以促进成员国国际贸易的均衡增长及国际收支状况的改善。 根据世界银行的宗旨,其主要业务活动是，对发展中成员国提供长期贷款对成员国政府或经政府担保的私人企业提供贷款和技术援助,资助他们兴建某些建设周期长,利润率偏低，但又为该国经济和社会发展所必需的建设项目。 世界银行与国际开发协会(InｔeｒnａtionaｌDeｖeloｐmｅnt Aｓsoｃiation, IDA)、国际金融公司（Iｎternatｉonal Ｆinance Corporaｔion, IFＣ)、多边投资担保机构（ＭultilaｔeraｌＩnveｓtmｅnｔGuaranｔｅe Agencｙ, MIGA）、国际投资争端解决中心(InternatiｏnaｌCeｎｔｒeｆor Setｔlemeｎt ｏｆInvestment Ｄｉｓputｅs, ICSID）五部分共同组成了世界银行集团（World Ｂan ｋGrｏup）。世行资金来源:世界银行利用国际资本市场筹集发展资金,国际开发协会则
令人触目惊心的当今中国各类指标在全球的排名 目前，全球共有232个国家和地区，其中联合国会员国共有１９２个。在世界银行、粮农组织、世界卫生组织等国际机构的常年数据统计和全球排名中，一般来说共有183个国家和地区。因为有些国家和地区或者实在太小或者数据没有记录或者常年战乱无法统计数据，所以没有被统计在内。 那么，就以目前全球最常用的183个国家和地区而言，在各类经济、民生数据的世界排名中，中国大陆地区又究竟处在怎样的位置呢？对此，大家不难从联合国下属的各个国际机构查询到。本帖子就简单查询了一些有关中国大陆在全球的各类排名数据，见下： GDP数据：2010年，总量全球排名第二，人均全球排名第127即全球倒数第56；1978年时，GDP总量排名世界第7，人均GDP排名第60位左右即倒数第123。 教育投入占GDP数据：2010年，为3%左右，低于世界4%的平均水平，不及非洲的乌干达；1978年，该指标为5%以上，高过很多发达国家。医疗卫生投入占GDP数据：2010年，为0.8%，远低于全球10%的平均水平，美国高达18%左右，全球排名倒数第1；1978年，该指标为10%左右，高于当时的中等发达国家水平。 物价水平数据：2010年，按购买力平价计算，中国住房、农产品、电子信息产品等分类产品物价水平和总体物价水平，均全面超过美国，位居
全球第一；1978年，物价水平远低于当时全球发达国家和发展中国家平均水平，在全球排倒数几位。 贫富差距数据：2010年，基尼系数在0.7以上，仅比极个别非洲穷国低，排在全球最前列；1978年，该指标不到0.2，是当时全球收入分配最公平和几乎没有贫富两极分化的国家。 人类发展指数数据：2011年，全球排名第101，古巴委内瑞拉等排名第60左右；1990年，中国全球排名第92，朝鲜排名第85。（因为该指标测算从1990年开始）
一、单选题（请将正确选项填写在括号内。每空1分，共14） 1.在经营管理决策中，凡决策问题涉及两个或两个以上的决策称为（）。 A．静态决策或单阶段决策 B．动态决策或多阶段决策 C．风险型决策 D．未确定型决策 2.风险型决策中最佳方案与非最佳方案概率转折点上的概率值是（）。 A．转折概率 B．主观概率 C．客观概率 D．概率点 3.风险型决策法中，各自然状态的概率值（）。 A．是相等的 B．不需要 C．是可以估算的 D．是不可以估算的 4.风险型决策中每个可行方案在执行中会出现（）。 A、2种可能的结果 B、1种必然结果 C、几种可能结果 D、随机情况 5.未确定型决策中各种自然状态的出现可能性（概率）（）。 A、已知 B、可计算出 C、未知 D、为零 6.风险型决策中各种自然状态未来出现概率（）。 A、无法判断估计 B、可做主观判断估计 C、不能计算 D、为零 7.在实践中，“最优方案”选择是（）。 A、完全可以实现的 B、很难实现的 C、没有理论依据 D、没有量化分析手段 8.决策中，决策者对未来情况判断和掌握提越准确，决策就越（）。 A、容易 B、困难 C、有把握 D、无把握 9.决策是一个系统的逻辑分析和综合判断过程，必须按一定步骤进行，体现了经营决策( )。 A、指导思想的科学性 B、程序的完整性 C、内容的复杂性 D、方法的多样性 10.在经营决策中，决策者对待风险的态度（）。 A、可以描述 B、无法描述 C、不必描述 D、用公式描述 11.未确定型决策对各种自然状态发生的概率“一视同仁”的思想是（）。 A、乐观分析方法 B、主观分析方法 C、等可能分析法 D、悲观分析法 12.决策中的动态规划法可以做到（）。 A．划分决策的阶段 B．实现各阶段的最优决策 C．实现整体最优决策方案 D．以上都对
世界银行贷款项目管理暂行规定 世界银行贷款项目管理暂行规定 1997年4月8日，财政部 一、总则 第一条为进一步理顺世界银行贷款（下称“世行贷款”）项目管理中各部门之间的关系，建立“借用还”与“责权利”相统一的管理体制，切实加强世行贷 款项目的管理，规范项目管理行为，提高管理工作效率，特制定本规定。 第二条本规定适用于所有世行贷款项目。 第三条本规定所指的世行贷款包括国际复兴开发银行贷款和国际开发协会信贷以及与世行贷款相关的联合融资贷款。 本规定所指的世行贷款项目系指利用和准备利用世行贷款实施的项目。 第四条世行贷款项目管理工作的总原则是“统一领导，归口管理，分工合作，各司其职”。 财政部是国务院批准的世行贷款的对外窗口和对内归口管理部门，统一负责全 国世行贷款业务的协调与管理工作；地方财政部门是地方利用世行贷款业务的 归口管理部门和地方人民政府的债权债务代表，全面负责当地利用世行贷款业 务的协调与管理工作。 第五条世行贷款是我国政府的主权外债，贷款资金的借入与使用以国家和地方各级财政信誉为基础，贷款项目的管理应以贷款资金的债权债务关系为主线， 做到债务责任清晰明确，权、责、利相结合，借、用、还相统一。 世行贷款项目管理主要包括项目计划管理、项目前期准备管理、资金及财务管理、工程管理、招标采购管理、技术援助和培训管理、债务管理、项目完成与 运营管理等。 第六条除单独说明者外，本规定中所指的“项目单位”包括中央项目执行部门（或中央项目办）、地方项目执行机构（地方项目办或项目行业主管单位）、 财政部直接转贷的中间金融机构以及其它独立执行项目的企业或单位； “地方”系指省、自治区、直辖市和计划单列市；“地方政府”、“地方财政 部门”和“地方项目单位”（或“地方项目办”）均指省、自治区、直辖市及 计划单列市一级人民政府、财政厅（局）和项目单位（或项目办） 二、项目的提出与审定 第七条地方或中央行业主管部门，应当根据其地区或部门经济发展的战略和优先重点，向国家计委与财政部提出本地区或本部门利用世行贷款的计划与申请，并随同贷款申请提交项目初始文件，包括简明项目建议书。 第八条国家计委和财政部以各地方和各部门报送的贷款申请和项目初始文件为原始依据，按照国家利用外资的总的方针政策，制订出全国利用世行贷款的三
一、单项选择题（从下列各题四个备选答案中选出一个正确答案，并将其代号写在答题纸相应位置处。每题2分，共30分） C 1． _是题录型检索工具 A. CABI B.中国学术期刊文摘 C.全国报刊索引（自然版） D.经济纵横 D 2. 浏览超星数字图书馆，应首先安装______. A. Apabi Reader B. Adobe Reader C. CAJ Viewer D. SSReader A 3. 世界上第一大联机检索系统是__。 A.DIALOG系统 B.OBRIT系统 C.OCLC系统 D.STN 系统 B 4. 利用baidu搜索信息时，要将检索范围限制在网页标题中，应该使用的语法是_________。 A.site: B.intitle: C. inurl: https://www.doczj.com/doc/182931679.html,: A 5．国际农业和生物科学中心英文名称的简称为_ 。 A.CABI B. AGRINDEX C. BA D.B of A C 6.信息检索根据检索对象不同，一般分为_____________。A. 二次检索、高级检索 B.分类检索、主题检索 C.数据检索、事实检索、文献检索 D.计算机检索、手工检索 A 7. 国际上评价期刊最有影响力的一个指标是 _______。 A. 影响因子 B.读者统计数据 C.引文量 D.价格 C 8. 二次检索指的是：_____________。 A．第二次检索 B．检索了一次之后，结果不满意，再检索一次C．在检索结果中运用“与、或、非”进行再限制检索 D.以上都不是 A 9.国际连续出版物编号____________。 A.ISSN B.OCLC C.ISBN D. CSSCI B 10．下列搜索引擎具有书名号检索功能的有_____________。A．Google B.百度 C.中搜 D.AltaVista B 11．《中文核心期刊要目总览》2004 版的“农业经济”类核心期刊有___ 种。 A．20 B．19 C．17 D．15 B 12．通过追溯检索获得的相关文献与原文献相比在发表时间上____。 A．早 B.晚 C. 相同 D. 不确定 B 13．在维普中文期刊全文数据库中“在检索结果中”检索相当于。 A．逻辑“非” B．逻辑“与” C．逻辑“或” D．逻辑“加” D 14．检索语言中，是自然语言。 A．标题词 B．主题词 C．单元词 D．关键词 A 15．在baidu搜索引擎中，要实现字段的精确检索，可以用来限定。 A．“”（双引号） B．（）（括号） C．+ （加号） D．-（减号） 二、判断正误（在正确答案后面划√，在错误答案后面划×，每小题2分，共10 分）1．专利文献根据发明创造的性质可以分为发明、实用新型和外观设计专利。（√） 2． CNKI检索系统可以检索博硕士论文。（√） 3． Google不具有学术搜索功能。（×） 4．国际标准书号的英文简称ISBN，新版国际标准书号2007年正式实施，国际标准书号由10位升至13位。（√） 5．检索效果的评价指标主要有查全率和漏检率。（×） 1.NSTL是（国家科技图书文献中心）的简称。 2.（信息检索系统）是指由一定的设备和信息集合构成，具有一定存储、检索与传送技术设备，提供一定的存贮与检索方法及检索服务功能的工作系统。 3.体系分类表通常由（类目表、标记符号、说明和注释、类目索引）4个部分组成。 4. 正式出版的中文期刊在检索工具和数据库中一般著录有国际标准刊号（ISSN）和国内统一刊号（CN）。 5. 缩写刊名“ of Analytical Chemistry）。 6. CASHL是指（中国高校人文社会科学文献中心），其英文全称是China Academic Social Sciences and Humanities Library，是全国性的、唯一的人文社科外文期刊收藏和服务中心。2002年开始规划建设，2004年3月15日正式启动 7. 电子期刊，指以（数字或称电子）形式出版发行的期刊，英文为（electronic Journal），简称e-journal. 8. 国家知识基础设施（National Knowledge Infrastructure，NKI）的概念，由世界银行提出于1998年。CNKI是指（中国基础知识设施工程），它是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目，由清华大学、清华同方发起，始建于（1999）年6月。 https://www.doczj.com/doc/182931679.html,KI平台的检索方式有（单库检索）、（跨库检索）、（数据库导航），在单库和跨库检索中有（初级）、（高级）、（专业）三种检索方式。 10．（报告号）是识别科技报告的显著标志。 11. 专利文献著录中，除了和专利有关的（专利名称）、（发明人）和（专利权人）等之外，还著录有（专利公布号）、（国际专利分类号）、（优先权号），有的还有申请号和申请日期、公布日期等。 13. 分类检索语言又称分类法，是用（分类号）和（类名）来表达信息的主题概念，并且按照知识门类的逻辑次序将信息系统地组织和划分的语言。 14. 对于刊名缩写，国际标准化组织ISO在1972年和1974年分别发布了两个相关标准，规则要点有： 1）刊名中的（前置词、冠词、连词）均省略； 2）刊名必须有（两个）词以上才可用缩写；
《经济预测与决策》复习题 一、选择题 1、预测期限为一年以上、五年以下（含五年）的经济预测称为（） A、长期经济预测 B、中期经济预测 C、近期经济预测 D、短期经济预测 2、相关系数越接近±1，表明变量之间的线性相关程度（） A、越小 B、一般 C、越大 D、不确定 3、采用指数平滑法进行预测时，如果时间序列变化比较平稳，则平滑系数的取值应为（） A、0.1-0.3 B、0.5-0.7 C、0.7-0.9 D、0.4-0.6 4、在进行经济预测时，以下哪一个原则不属于德尔菲法必须遵循的基本原则（） A、匿名性 B、反馈性 C、收敛性 D、权威性 5、使用多项式曲线模型对时间序列进行模拟时，若该时间序列经过m次差分后所得序列趋于某一常数，则通常应采用（） A、m-1次多项式曲线模型 B、m次多项式曲线模型 C、m+1次多项式曲线模型 D、m+2次多项式曲线模型 6、下列哪一种说法正确（） A、状态转移概率矩阵的每一行元素之和必为1 B、状态转移概率矩阵的每一列元素之和必为1 C、状态转移概率矩阵的主对角线元素之和必为1 D、状态转移概率矩阵的副对角线元素之和必为1 7、如果某企业规模小，技术装备相对落后，担负不起较大的经济风险，则该企业应采用（） A、最大最小决策准则 B、最大最大决策准则 C、最小最大后悔值决策准则 D、等概率决策准则 8、运用层次分析法进行多目标决策时，通常采用1～9标度法构造判断矩阵。假设第i个元素与第j个元素相比极端重要，则元素a ij为（） A、1 B、5 C、1/9 D、9 9、某厂生产某种机械产品需要螺丝作为初始投入。如果从外购
买，市场单价为0.5元；若自己生产则需要固定成本3000元，单位可变成本为0.3元。则螺丝的盈亏平衡点产量为（ ） A 、6000 B 、10000 C 、15000 D 、20000 10、以下支付矩阵的纳什均衡是（ ） 上 下 A 、（上，左） B 、（上，中） C 、（下，中） D 、（下，右） 11、某工厂对某种原料的年需求量为20000公斤，每次订购费用为500元，每公斤原料的年存储费用5元。则年最优订货批次为（ ） A 、8 B 、9 C 、10 D 、11 12、某工厂某种产品的总收益曲线为TR=150Q-0.2Q 2，总成本曲线为TC=3000-120Q+0.1Q 2，则该工厂最佳产量Q 为（ ） A 、400 B 、450 C 、500 D 、550 13、下图是哪种多项式增长曲线（ ） A.常数多项式 B.一次多项式 C.二次多项式 D.三次多项式 14、已知某厂商有建设大型工厂、建设中型工厂、建设小型工厂三种方案，不论以哪一种方案建厂，将来都可能面临畅销、平销、滞销三种情况之一，但其概率未知。已知收益值矩阵表如下所示（单位 A 、建设大型工厂 B 、建设中型工厂
世界市场行情分析作业 国贸081 谭斯珩200810954116 P91 6、利用网络查询最新的反映世界市场行情变化的国民生产总值和国内生产总值、石油美元、国际收支平衡、国际收支账户、黄金和国际价格等数据。 7、利用网络查询最新的反映世界市场行情变化的工业生产指数、失业率、通货膨胀率、利率、汇率、道琼斯全球指数、恒生指数、经济增长率、罗杰斯国际商品指数和义乌指数等数据。 一、国民生产总值（GNP） 数据无 二、国内生产总值(GDP) 资料来源：世界银行WDI数据库。(Source: World Bank WDI Database) 单位：亿本币 (100 million local currency units) 三、石油美元(oil dollar) 石油美元（Petro-dollar）是指上世纪70年代中期石油输出国由于石油价格大幅提高后增加的石油收入，在扣除用于发展本国经济和国内其他支出后的盈余资金。由于石油在国际市场上是以美元计价和结算的，也有人把产油国的全部石油收入统称为石油美元。目前的石油美元估计有8000亿到1万亿美元，成为国际资本市场上一支令人瞩目的巨大力量。
四、国际收支平衡（The balance of international payments）国际收支账户（International balance of payments） 2010年数据无
注：①2005年。②2003年。 五、黄金（gold） 国际黄金价每天是浮动的，一般以伦敦金市为标准，有开盘价、中间价和收盘价，其他还有纽约、苏黎世、香港等地区的金市价格，我国多彩用伦敦每日收盘价作为我国金银币出口的计价价格。
竭诚为您提供优质文档/双击可除 世界银行制度 篇一：浅析世界银行监察组的制度设计 龙源期刊网.cn 浅析世界银行监察组的制度设计 作者：张杉杉 来源：《法制博览》20xx年第10期 【摘要】世界银行监察组对于中国人而言是一个既熟悉又陌生的名词。熟悉是因为我国在不同的时期或者不同的地区都曾经有中国的行政部门、科研机构或者是普通民众接待过由一些认识的我国的官员、世界各地有名的经济方面的专家或者并不是为人们所熟知的一些国际组织的官员以及其他国家的一些学者组成的所谓专家组来检查工作或者某些情况。陌生的是虽然我们见到了实实在在的专家组，却很少知道专家组的由来和他们来检查的目的等等。 总而言之，实际上，中国人对于世界银行监察组的了解是十分少的，也没有专门的介绍，以至于我们并不知道世界银行监察组的情况。 因此，本文对世界银行监察组在制度设计、实际运转和
成就三个方面做一简要的介绍。 【关键词】世界银行；监察组 一、世界银行监察组概况 （一）世界银行监察组的简述 1何为世界银行监察组 世界银行监察组是一种投诉机制。这种投诉机制不同与其他的我们所熟知的投诉机制，其原因是这种机制有其自身的特点，具体如下： （1）具有极强的独立性。这种投诉机制并不像传统的 投诉或者申诉机制一样有国家权力为后盾，投诉的结果也不必受到一定的行政机构的干涉，具有更严格意义上的独立性。 （2）对象上具有特殊性。这种投诉机制只适用于公众 和共同体，具有适用对象上极大的特殊性，原因在于世界银行作为一个国际组织，其所构建的相关机制一般服务于成员国或者由成员国代表其国内的组织和公民进行申诉和报复，但是世界银行检查专家组的适用对象不包括国家，只包括个人和共同体。 （3）适用条件具有特殊性。以上提到的可以启动该机 制的个人和共同体必须具有一定的条件才能够启动该机制，这个条件就是想要启动该机制的个人或者共同体需要认定 他们已经或者将要受到世界银行基金项目的负面影响。这个适用条件是非常特殊的，因为，我们普通的投诉机制大多是