陕西省主要城市投资环境研究_基于因子模型分析
- 格式:pdf
- 大小:418.69 KB
- 文档页数:4
Financial View金融视线 | MODERN BUSINESS现代商业127基于因子分析-熵权法的系统性金融风险度量研究宋云辉 张跃新 焦林涵北京交通大学 北京 100044摘要:本文利用我国的2003年到2019年的宏观和微观历史经济数据,在对系统性金融风险进行实证分析的基础上,建立了中国系统性金融风险综合指数度量模型。
首先对从六个市场维度选取的21个基础指标进行因子分析,剔除基础指标间的相关性,并简化分析构造出二级指标。
采用信息学中的熵权法赋权模型,根据指标间的波动性强弱对二级指标进行赋权,进而合成中国的系统性金融风险综合指数。
基于因子分析-熵权法模型构建的中国系统性金融风险综合指数可以很好地描述中国近年来的金融风险状态,对于系统性金融风险的识别和防范具有极强的借鉴意义。
关键词:系统性金融风险;因子分析;熵权法;风险度量中图分类号:F224;F832 文献识别码:A 文章编号:1673-5889(2020)32-0127-04一、引言自2008年美国次贷危机引起的全球金融危机后,系统性金融风险受到了广泛的关注和重视。
由于系统性金融风险具备强连锁性、负外部性和高度相关性的特点,所以预防和化解系统性金融风险是各国政府、监管机构及学者关注和处理的重要问题。
党中央在2016年召开的经济工作会议要求:要把防控金融风险放到更加重要的位置,下决心处置一批风险点,着力防控资产泡沫,提高和改进监管能力,确保不发生系统性金融风险。
2019年习近平主席又特别指出:防范化了解金融风险特别是防止发生系统性金融风险,是金融工作的根本任务。
近年来系统性金融风险事件在全球爆发的频率也在逐渐增加,金融危机所造成的恶劣影响也在逐步扩大。
自美国1987年的黑色星期一的股市大崩溃和亚洲1997年爆发的金融危机后;跨入到21世纪,2008年的次贷危机给全球经济造成了极其严重的破坏;在后金融危机时代,持续至今的欧洲债务危机久久不能化解,2015年中国A股市场上又爆发了最为恶劣的一轮股灾,上证指数从5174点下跌至3373点,下跌幅度达34.8%,给投资者造成了巨大损失,股市流动性枯竭。
[基于主成分分析的陕西省三大区域经济差异评价]陕西省和山东省位置差异摘要:近年来,虽然陕西省的经济发展速度较快,但其经济发展水平在全国仍处于落后地位.而且其内部经济发展也极不平衡。
文章首先分析了陕西省三大区域经济发展现状,然后选取三大区域的10个地级城市,构建了由10个指标组成的区域经济差异评价体系,采用多元统计中的主成分分析法,对陕西省三大区域的经济差异进行了定量评价和分析比较,将三大区域划分为四大经济发展梯度区,结果是陕北经济发展最快,有取代关中领头羊地位之势,陕南经济发展滞后。
关键词:陕西省;三大区域;经济差异;主成分分析中图分类号:F127文献标识码:A文章编号:1009-9107(2012)01-0066-06引言20世纪90年代,中央提出实施西部大开发战略,目的在于加快中西部地区发展,促进我国东中西部经济协调发展。
西部大开发战略实施以来,特别是“十一五”以来,陕西省紧紧抓住西部大开发的历史机遇,把又快又好地发展作为主题,把转变增长方式、调整经济结构、促进协调发展作为主线,把改革开放和科技进步作为动力。
在区域经济研究方面,我国学者对主成分分析法的应用主要体现在区域经济发展水平、区域经济综合竞争力、地区经济发展潜力、地区投资环境、城市经济综合实力、城市综合影响力等方面。
而且这方面的研究已比较成熟。
有些学者在利用主成分分析的基础上,进一步进行聚类分析,对主成分分析法所求得的结果进行归类、比较。
但不足之处在于多数学者偏重于运用主成分分析法的计算过程,对结果的解释往往比较简单,而且提出实质性对策的研究较少。
国外学者对集群与区域经济活动的研究主要集中在以下几个方面:产业集群的形成与发展、知识外溢与区域创新活动、地方化学习能力与创新基础设施、创新衍生与扩散、区域创新系统构建与创新政策、区域创新与区域竞争力、区域可持续发展能力等。
将主成分分析法应用到区域经济研究的内容比较少,因此运用该方法从事区域经济方面的研究很有理论价值和现实意义。
区域治理PRACTICE基于InVEST模型的西安市水源涵养功能空间格局研究*赵娟1,冯娜1,张平1,2*1.西安工程大学环境与化学工程学院;2.陕西省土地整治重点实验室摘要:水源涵养是生态系统提供的重要调节服务之一,其变化直接影响区域气候、水文、植被和土壤等状况,是区域生态系统状况的重要指示器。
本文以西安市为研究区,通过InVEST模型对水源涵养功能进行分析,估算区域生态系统水源涵养量和分析水源涵养量时空变化规律对区域的水资源管理。
结果表明:(1)西安市2005-2010年产水量值分别为365.47mm和452.22mm,产水量整体由西南向东北呈递减趋势,产水能力整体较强;2005-2010年平均水源涵养量分别为203.12mm和272.75mm,水源涵养量的分布存在空间差异,研究区西南部地区水源涵养量较高,东北部大部地区水源涵养量偏低。
(2)西安市2005-2010年的水源涵养量呈递增趋势,主要由于2000-2005年、2005-2010年西安市林地面积增加了200hm2,草地面积增加了128012.13hm2。
(3)西安市水源涵养量一般区主要分布在西安市北部和东北部,重要区和极重要区主要分布在西南部;西安市5年内北部地区水资源环境明显好转。
本研究结果可为城市水源涵养服务定量评估和生态系统可持续管理提供重要参考。
关键词:InVEST模型;生态系统;水源涵养量;时空分布规律中图分类号:X 文献标识码:A 文章编号:2096-4595(2020)17-0198-0002生态系统水源涵养功能是一个动态发展的概念,主要表现形式包括生态系统拦蓄洪水、调节径流、影响降雨量、净化水质等,对不同时期水源涵养的时空变化规律的研究具有重要意义。
国内外学者在水源涵养定量评估方面开展了较多工作。
窦苗[1]、张福平[2]等对不同空间格局和不同区域的不同自然条件对水源涵养量的影响进行了深入研究并得出了科学合理的结论。
夏林[3]等以乌江流域研究区定量评估研究区产水量和水源涵养量,探讨了水源涵养能力及差异。
西安城市形象的SWOT分析及其设计1. 引言西安作为中国历史文化名城,拥有悠久的历史和丰富的文化遗产。
近年来,随着中国的城市化进程加速和经济的快速发展,西安作为一个重要的区域中心城市,其城市形象也越来越受到关注。
本文将通过SWOT分析方法,对西安城市形象进行评估,并提出相应的设计建议,以进一步提升西安的城市形象。
2. 西安城市形象的SWOT分析SWOT分析是一种常用的管理工具,用于评估一个组织、产品或地区的优势、劣势、机会和威胁。
在对西安城市形象进行SWOT分析时,我们可以将其分为以下四个方面:2.1 优势 (Strengths)西安作为一个具有悠久历史和丰富文化遗产的城市,具有以下一些优势:•历史文化底蕴丰富:西安拥有世界上最长的城墙、著名的兵马俑等众多历史文化景点,吸引了大批的游客和学者。
这些历史文化遗产为西安赢得了它独特的城市形象。
•教育资源丰富:西安是中国重要的教育中心,拥有众多的高校和科研机构。
这些教育资源为西安提供了人才支持,同时也为城市形象的塑造提供了宝贵的资源。
•交通便利:西安拥有发达的交通网络,包括高速公路、铁路和航空运输。
这使得西安成为一个重要的交通枢纽,对于吸引外地游客和发展经济起到了重要的作用。
2.2 劣势 (Weaknesses)除了优势外,西安的城市形象也存在一些劣势:•城市规划不合理:西安在城市规划方面存在不合理的问题,如城市扩张过快、交通拥堵等。
这些问题不仅影响了市民的生活质量,也给外来游客带来不便。
•环境问题:西安的空气质量和环境问题一直是困扰城市形象的痛点。
大量的汽车尾气、工业排放和建筑施工等因素导致了严重的空气污染和环境污染,需要加大环境保护力度。
2.3 机会 (Opportunities)在当前的背景下,西安城市形象也存在一些机会:•旅游业发展:旅游业是西安的一大支柱产业,随着国内游和入境游的不断增长,西安在吸引游客方面有着巨大的潜力。
可以通过提升旅游服务质量和旅游景点开发,进一步推动旅游业的发展。
基于因子分析法的上市公司财务指标评价1. 引言1.1 研究背景本研究旨在探讨基于因子分析法的上市公司财务指标评价方法,该方法将多个财务指标综合考虑,更全面地评估公司的财务状况。
随着我国经济的快速发展,上市公司数量不断增加,财务数据十分庞大复杂。
传统的财务分析方法往往难以全面准确地反映上市公司的实际情况,因此需要引入先进的因子分析方法,以提高财务评价的准确性和有效性。
在当前经济形势下,上市公司面临着日益激烈的市场竞争和风险挑战,财务指标评价对提高公司的竞争力和风险管理能力至关重要。
基于因子分析法的财务指标评价方法能够从多个角度综合评估公司的财务表现,较好地反映公司的整体财务状况和发展潜力。
研究如何有效运用因子分析法对上市公司的财务指标进行评价,对于公司和投资者都具有重要意义。
通过对研究背景的分析,可以看出基于因子分析法的上市公司财务指标评价方法在当前经济环境下具有重要的实际意义和应用前景。
本研究旨在探讨如何运用因子分析方法对上市公司的财务指标进行全面评价,以期为公司管理者和投资者提供更准确的财务决策依据。
1.2 研究目的本研究旨在使用因子分析方法来评价上市公司的财务指标,探讨财务指标的潜在结构和相互关系,以提供更准确、全面的财务绩效评价。
具体而言,研究目的包括:1. 分析上市公司财务指标的内在结构,识别其中的主要因子和变量之间的关联性,以帮助提高财务指标的解释和预测能力;2. 探讨因子分析在财务指标评价中的应用价值,验证其在提取主成分、降维和简化模型复杂性方面的效果;3. 通过实证分析,验证因子分析方法在评价上市公司财务状况方面的有效性,并为投资者、管理者和监管机构提供可靠的参考依据;4. 总结基于因子分析法的上市公司财务指标评价的优势和局限性,为未来相关研究提供借鉴和改进方向。
1.3 研究意义上市公司财务指标是反映公司财务状况和经营绩效的重要数据,对于投资者、金融分析师、公司管理者等各方都具有重要意义。
基于因子分析法的K公司财务绩效评价目录一、内容概要 (2)1. 研究背景与意义 (2)2. 研究方法与数据来源 (3)3. 研究内容与框架 (5)二、文献综述 (6)1. 国内外研究现状 (7)2. 因子分析法理论基础 (8)3. 财务绩效评价研究进展 (9)三、K公司概况及财务数据分析 (10)1. K公司简介 (12)2. K公司财务数据分析 (13)2.1 资产负债表分析 (15)2.2 利润表分析 (16)2.3 现金流量表分析 (17)四、K公司财务绩效评价指标体系构建 (18)1. 选取原则 (20)2. 指标体系构建 (20)2.1 盈利能力指标 (22)2.2 流动性指标 (23)2.3 经营效率指标 (24)2.4 市场表现指标 (25)五、基于因子分析法的K公司财务绩效评价实证研究 (27)1. 数据预处理 (28)2. 因子提取与命名解释 (29)3. 模型建立与求解 (30)4. 结果分析与应用 (31)六、结论与建议 (32)1. 研究结论总结 (33)2. 对K公司财务绩效提升的建议 (34)3. 对同行业其他公司的借鉴意义 (36)4. 研究局限性与未来展望 (37)一、内容概要本文以K公司为例,运用因子分析法对其财务绩效进行评价。
简要介绍因子分析法的原理和优势,以及选择该方法的原因。
阐述K公司财务状况的总体概况,包括资产负债表、利润表和现金流量表的简要分析。
选取K公司近五年的财务报表数据,构建因子分析模型,提取主要财务指标,并计算各指标的权重。
通过因子得分函数计算出K 公司各年度的财务绩效综合得分,并进行排名和比较。
结合K公司所处的行业特点和市场环境,对实证结果进行分析,总结K公司财务绩效的优势和不足,并提出相应的改进建议。
通过本文的研究,旨在为投资者、管理者和监管机构等利益相关者提供有关K公司财务绩效的有价值信息。
1. 研究背景与意义随着全球经济的不断发展,企业之间的竞争日益激烈,财务绩效评价成为了衡量企业综合实力的重要指标。
基于因子分析法的企业财务风险模型设计及应用研究目录一、内容概要 (2)1.1 研究背景与意义 (3)1.2 研究目的与问题 (4)1.3 研究方法与框架 (4)二、文献综述 (6)2.1 因子分析法的理论基础 (7)2.2 财务风险模型的研究现状 (8)2.3 因子分析法在财务风险模型中的应用 (9)三、企业财务风险模型设计 (10)3.1 模型构建原则与思路 (12)3.2 模型指标体系构建 (13)3.2.1 财务风险指标 (14)3.2.2 风险预警指标 (16)3.2.3 风险应对指标 (17)3.3 模型计算与分析方法 (18)3.3.1 数据收集与预处理 (19)3.3.2 因子分析法的原理与步骤 (20)3.3.3 模型评价与优化 (21)四、企业财务风险模型应用研究 (23)4.1 模型在实际操作中的应用 (24)4.2 模型效果的评估与改进 (25)4.3 模型在实际工作中的应用案例分析 (27)五、结论与展望 (28)5.1 研究总结 (29)5.2 研究不足与展望 (30)5.3 研究建议与政策建议 (31)一、内容概要本文研究了基于因子分析法的企业财务风险模型的设计与应用。
介绍了研究背景、目的及意义,强调在当前经济环境下,企业财务风险管理的重要性以及因子分析法在财务风险评估中的独特优势。
概述了研究内容和方法,明确了以因子分析法为核心,结合企业财务数据,构建财务风险模型的思路。
文章首先梳理了相关的理论基础和文献综述,包括财务风险的定义、成因、特点以及因子分析法的相关理论和应用场景。
在此基础上,阐述了企业财务风险模型设计的原则与步骤,包括数据收集、指标体系的构建、模型的构建与验证等关键环节。
详细描述了基于因子分析法的企业财务风险模型的设计过程,包括确定模型的输入变量(即影响企业财务风险的因子),如财务状况、市场环境、管理因素等;阐述如何通过因子分析法对这些变量进行降维处理,提取关键因子;接着构建财务风险评估模型,并利用历史数据对模型进行训练和验证。
中国股票市场的有效性实证探究——基于Fama-French三因子模型摘要:本探究旨在基于Fama-French三因子模型对中国股票市场的有效性进行实证探究。
通过分析中国A股市场的数据,本探究发现了中国股票市场存在一定程度的有效性,特殊是在市值因子和市场收益率因子方面。
然而,本探究也发现了一些限制因素,例如无风险利率的测算和数据的局限性。
因此,将来的探究应进一步探究这些限制因素,并拓宽探究范围,以提高对中国股票市场有效性的理解。
一、引言股票市场的有效性是金融学领域的一个重要理论,指的是股票市场是否能够准时反映全部相关信息,以及能否通过得到证券市场公开信息进行投资获益。
若果市场是有效的,那么投资者将无法通过分析数据或选择投资策略来获得超额利润,因为全部信息已被准确反映在股票价格中。
然而,若果市场存在非理性行为或存在某些信息隐含性,则可能会导致市场失效。
Fama-French三因子模型是股票市场有效性探究中的重要工具,它综合思量了市场风险因素、市值因素和价值因素等多个因素,以评估股票市场的有效性。
该模型通过分析市场、市值和账面市值比等因素对股票收益率的影响,来探究股票价格是否反映了全部相关信息,以及能否通过选择有效的因子来得到超额收益。
中国股票市场作为全球最大的股票市场之一,其有效性一直备受关注。
然而,由于市场特点的奇特性和中国金融体制的不完善,中国股票市场的有效性存在一定争议。
因此,本探究旨在利用Fama-French三因子模型对中国股票市场的有效性进行实证探究,以系统地、科学地评估中国股票市场的有效性。
二、探究方法本探究从2000年到2019年间的中国A股市场数据中,选取了一组样本公司,并利用Fama-French三因子模型进行回归分析。
起首,对样本公司进行市值分组,并计算每个组的市场收益率。
然后,利用Fama-French三因子模型,对每个市值组的股票收益率进行回归分析,以评估市值因素、市场因素和账面市值比因素对股票收益率的影响。
基于因子分析和聚类分析的技术创新能力研究——以陕西省为例李文琴;王佳;李玲【摘要】技术创新是推动科技进步和经济增长的决定性因素.首先,在文献分析的基础上,利用我国不同地区技术创新的实际数据,本文通过构建包含21项指标的区域技术创新能力体系,对我国31个省市的2011年的数据进行因子分析.进一步地,对陕西与我国其他省市的技术创新能力进行了横向比较.文章的结论对陕西区域技术创新能力的提升,和相关经济发展政策和建议提供理论依据.【期刊名称】《技术与创新管理》【年(卷),期】2014(035)002【总页数】6页(P103-108)【关键词】区域技术创新;因子分析;经济发展政策【作者】李文琴;王佳;李玲【作者单位】西安科技大学管理学院,陕西西安710054;西安科技大学管理学院,陕西西安710054;西安科技大学管理学院,陕西西安710054【正文语种】中文【中图分类】F124.31 引言经济全球化实质上也是全球经济的区域化,当今经济发展的模式已经逐渐从国家、地区及企业间的竞争演化到了区域性经济的竞争,然而现代经济竞争背后的本质是区域技术创新能力的竞争,它也是衡量区域竞争力和区域经济持续发展的重要标志。
关于技术创新能力的评价近年来也引起了许多学者的关注。
刘超,张少杰(2009),通过采用因子分析方法对辽宁省技术创新能力进行了定量评价和分析,提出了有针对性、指导性的对策建议。
范德成和田丹、阚磊(2010)利用主成分分析法,运用统计软件对重庆市自身以及选取有代表性的几省市技术创新能力做出主成分与综合的得分与排名。
徐辉(2012)建立一套区域技术创新测度体系,运用灰色关联度模型广东1999-2006 年的数据来分析区域技术创新能力测度。
在技术创新能力体系的研究上,洪功翔,杜君(2012)以技术创新投入、产出、支撑、扩散能力四个方面的技术创新能力指标体系来对比研究中部地区其他省份之间的差距,并提出了建立多元化政府投入体系和创新型企业研发的信用担保体系的方针政策。
各地区城市市政设施建设情况因子分析计算B092 王静【摘要】本文在搜集相关数据的基础上,采用因子分析法,对我国各地区城市市政设施建设情况进行综合评价。
【关键词】因子分析城市市政设施一、因子分析基本原理因子分析的形成和发展已经有相当长的历史了,最早用于研究解决心理学和教育学方面的问题,目前这一方法的应用范围已十分广泛,在经济学、社会学、考古学、生物学、医学、地质学,以及体育科学等各个领域都取得了显著的成绩。
因子分析是主成分分析的推广和发展。
它的基本思想是通过变量的相关系数矩阵内部结构的研究,找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系。
但在这里,这少数几个随机变量是不可观测的,通常称为因子。
然后根据相关性的大小把变量分组,使得同组内的变量之间相关性较高,但不同组的变量相关性较低。
因子分析有一个默认的前提条件就是各变量之间必须有相关性。
具体在该条件的判断上, 除了根据专业知识来估计外, 还可以使用KMO统计量和Bartlett’s球型检验加以判定。
本文的KMO值为0.856, 各变量之间的相关程度无太大差异, 数据做因子分析效果不错; Bartlett’s球型检验也拒绝了0假设,因此各个变量指标间取值是有关系的。
所以样本适合做因子分析。
二、实证分析1.变量名称2.数据收集及处理分析从中国统计年鉴(2005)选取31个省的上述6项数据,应用软件SPSS进行处理分析。
北京 7482.7 11212.5 1285.0 6790.3 27 2.3 256032.0天津 4240.3 5897.2 511.0 9332.3 93.2 181072.0河北 7996.3 14987.7 1271.0 9575.0 27 8.5 321439.0山西 4562.1 6471.8 752.0 3113.6 116.0 259914.0内蒙古 3627.8 5935.9 278.0 4031.9 101.0 376 329.0辽宁 10407.3 15635.3 1300.0 9307.7 4 21.7 664359.0吉林 4563.4 7165.8 451.0 4817.0 135.9 213881.0黑龙江 9096.4 10731.3 656.0 5738.6 248.6 42 8561.0上海 11028.0 19795.0 7297.0 6469.0 4 52.6 267442.0江苏 26597.9 35596.2 12680.0 25537.51017.8 1169011.0浙江 11288.7 18776.8 5847.0 16942.0 503.6 642965.0安徽 7262.9 12109.1 1047.0 6680.2 30 7.2 264264.0福建 4643.7 6801.7 1231.0 5427.1 195 .5 290098.0江西 3670.8 6071.6 428.0 3223.7 112.5 324801.0山东 23617.0 40082.8 3712.0 20082.5 510.1 662650.0河南 6505.5 13828.8 1027.0 8622.6 24 9.9 397351.0湖北 14434.1 19958.9 1832.0 8791.0 4 25.7 303367.0湖南 5539.9 8788.1 504.0 4946.4 328.4 255498.0广东 22528.6 38856.0 3712.0 25168.1 543.1 1108886.0广西 4761.0 7272.5 548.0 3774.0 282.3 332056.0海南 1096.6 2234.2 126.0 1878.0 41.2 83849.0重庆 3448.4 5206.1 630.0 3752.5 63.4 179468.0四川 8263.8 14015.4 1926.0 8946.9 20 3.1 642540.0贵州 2057.9 2623.0 300.0 3183.7 23.3 100437.0云南 2502.6 3393.3 517.0 2653.2 161.2 162611.0西藏 407.9 429.0 32.0 220.2 11 085.0陕西 3060.5 5526.7 394.0 2919.3 41.4 156488.0甘肃 2810.2 4813.3 307.0 2620.4 70.9 118703.0青海 539.9 888.7 63.0 534.7 8.522856.0宁夏 1215.1 2317.6 120.0 861.4 54.0 118508.0新疆 3706.4 5532.4 308.0 2940.3 124.4 215017.0表1是6个分析变量的相关系数矩阵表,从表中可以看出这6个变量具有高相关性。
云南财经大学学报 2021年第4期(总第2M期)金融研究金融集聚的区域经济增长效应研究—基于省域面板数据的实证分析龚勤林,宋明蔚(四川大学经济学院,成都610065)摘要:基于2009—2018年中国31个省份的面板数据,从金融资产、金融机构、金融人才三方面出发构建了金融集聚水平测度指标体系,并在此基础上利用面板回归模型,分析了金融集聚对区域经济增长的影响作用及其作用机制,,结果表明:中国金融集聚度存在较大的地区差异性,且这种差异性与经济发展水平差异趋同;金融集聚对经济增长存在显著正向作用,且在不同地区间作用差异明显,金融集聚度越高的地区,其经 济效应越明显;通过对金融集聚的经济增长效应内在机制进行研究后发现,金融集聚能通过形成资本积累、促进科技创新、推动产业升级三条途径对区域经济增长产生影响。
其中,金融集聚的资本积累效应和科技创新效应作用明显,而产业升级效应相对较弱。
关键词:金融集聚;经济增长;资本积累效应;科技创新效应;产业升级效应中图分类号:F127;F832.7 文献标志码:A文章编号:1674-4543(2021 )04 -006丨-14— '弓丨言金融资源作为一种稀缺性资源,是经济增长的重要约束条件,其空间配置、发展、集聚尤其成为研 究热点。
其中,金融集聚作为金融发展到一定阶段的必然形态,已成为现代金融产业组织的基本形式11]。
金融集聚是推动城市群崛起的重要驱动力[2]。
目前,中国已确立了建设以上海、深圳等地为代 表的国家金融中心,以期通过金融集聚形成经济增长极,从而促进城市群以及区域经济的发展。
同时,金融集聚正成为提升地区竞争力的关键因素[3]。
在十九大报告提出实施“区域协调发展战 略”的背景下,应该如何合理评价金融资源的集聚水平,如何正确理解金融集聚与经济增长的相关关 系和作用机制,又应如何利用金融资源分布差异,实现中国经济从“高速发展”到“高质量发展”的重 要转型,已然成为经济发展的重要任务。
证券投资绿色基金收益率分析——基于Fama-French三因子模型证券投资绿色基金收益率分析——基于Fama-French三因子模型导言:随着全球环保意识的不断增强,绿色产业迎来了蓬勃的发展,并带动了绿色基金的兴起。
绿色基金作为一种投资方式,旨在投资那些符合环保标准的公司或项目,以实现环境和经济的双重回报。
本文将利用经典的Fama-French三因子模型,对证券投资绿色基金的收益率进行深入分析。
第一部分:Fama-French三因子模型简介1.1 Fama-French三因子模型的提出Fama-French三因子模型是由经济学家尤金·法马和肯尼思·弗伦奇在1992年提出的,它是对资产定价的一种解释模型。
这个模型认为,除了市场因子外,规模因子和账面市值比因子也对资产的收益率产生重要影响。
1.2 Fama-French三因子模型的构建Fama-French三因子模型通过将资产的收益率分解为市场因子收益率、规模因子收益率和账面市值比因子收益率三个部分,来解释资产的预期收益率。
具体而言,该模型用下述回归方程来对个股或组合的收益率进行拟合:R_i − R_f = α_i + β_i(R_m − R_f ) + s_iSMB + h_i HML + ɛ_i其中,R_i为个股或组合的超额收益率,R_f为无风险收益率,R_m为市场收益率,α_i为超额收益的常数项,β_i为个股或组合对市场因子的敏感度,SMB为规模因子,HML为账面市值比因子,ɛ_i为误差项。
第二部分:绿色基金收益率受三因子模型的影响2.1 绿色基金市场因子收益率绿色基金作为一种特定的投资品种,其收益率必然受到整个市场的影响。
在Fama-French三因子模型中,市场因子对资产的收益率有着重要的解释和预测作用。
因此,在分析绿色基金收益率时,首先需要考虑市场因子对其影响。
2.2 绿色基金规模因子收益率规模因子在Fama-French三因子模型中是衡量市场范围大小对资产收益率的影响。
基于CAPM模型的西安城市基础建设投资风险分析作者:曹潇王文浩来源:《现代经济信息》2013年第20期摘要:本文分析了西安城市基础设施建设投资现状与存在的问题,基于CAPM模型针对确定项目风险收益率、资金效率不高等问题给出了相应的解决对策。
关键词:城市基础建设;投资;对策中图分类号:F299.23 文献标识码:A 文章编号:1001-828X(2013)10-0-01一、引言近年来,西安市城市基础设施建设投资规模实现跨越式增长,2005年的投资规模是101.2亿元,2010年的是245亿元,5年期间增幅为142.10%。
基础设施建设累计完成投资893.4亿元,总投资规模是“十五”期间投资总量的3.10倍。
但是,西安目前基础设施水平与东部发达地区相比相对低下,存在基础设施建设资金不足,基础设施低水平重复建设情况严重,基础设施投资分布不合理等情况。
同时,基础设施项目还具备投资巨大、回收期长等特点,这些都决定了对基础设施投资风险决策的理论与方法研究是具有重大意义的,也是迫切需要的。
二、控制西安基础设施投资风险的CAPM模型CAPM模型又称资本资产定价模型,是确定项目风险收益率的方法。
1.CAPM模型假设(1)资本市场充分竞争有效的市场;(2)投资者理性追求最大投资收益;(3)投资者对于同一资产具有相同预期;(4)投资者有机会减少投资的非系统风险。
2.CAPM的基本模型根据假设,投资者只需要考虑项目的系统性风险,以及承担该项目风险而应得的收益。
因此,项目的投资收益率为:式中表示在给定风险水平的条件下,项目i的合理预期投资收益率;表示无风险投资收益率;表示项目i的风险校正系数;表示资本市场的平均投资收益率。
将风险收益率代入项目现金流量净现值的计算公式中:。
表示项目的净现值;——第t年项目的净现金流量,其中为现金流入量,为现金流出量;n——项目的生命周期;i表示折现率。
如果≥0,表明投资者可以获得平均投资收益率,证明项目是可行的。
图22006年陕西省各主要城市合同外资额和实际利用外资额黑白柱形图投资环境是一个复杂的动态的综合系统,包含硬环境和软环境,它是外国投资者在一国(或一地区)进行生产投资活动时所面临的各种所需条件和状况。
投资环境的好坏,直接影响着投资风险的大小和投资效益的高低。
国际经验表明,一个地区能否有效地吸收外资,除了国际、国内条件外,最重要的因素是取决于本地区投资环境的优劣。
投资环境是决定一个地区经济发展绩效的基础,投资环境也是生产力。
而一个地区主要城市投资环境的良好与否,已经成为衡量其经济与社会发展的重要因素。
城市投资环境的好坏很大程度上取决于城市经济发展水平的高低,而对外开放程度的高低又对城市的经济发展起着至关重要的作用,在这里对外开放程度的高低表现为实际利用外资额的高低。
本文以陕西省下属的西安、铜川、宝鸡、咸阳、渭南、延安、汉中、榆林、安康和商洛等10个地级城市为研究对象,对其投资环境进行比较研究和综合评价,以期有针对性地提出完善陕西省投资环境的相关政策建议。
自1983年批准设立陕西省首家外商投资企业至今已有25个年头,至2006年底,全省累计批准外商直接投资项目2466个,合同外资130.73亿美元,实际使用外资63.99亿美元。
如图1所示,自上世纪九十年代中期,尤其是实施西部大开发战略以来,陕西省合同外资额呈稳步增长趋势,而实际利用外资额亦稳中有升,从一个侧面反映了陕西省对外开放程度在逐步提高。
但因其地处西北内陆,较之于长三角、珠三角得天独厚的区位优势,还略逊一筹。
图2显示的是2006年陕西省10个地级城市的外资利用程度。
系列1指代合同外资额,系列2指代实际利用外资额。
从合同外资额来看,西安、咸阳、宝鸡三市分列前三位,占陕西省合同外资总额的97.0%。
从实际利用外资额来看,西安市实际利用外资额8.25亿美元,比上年增长44.4%,位居第一;榆摘要:利用2007年陕西统计年鉴中10个地级城市的相关数据,通过构建城市投资环境测度指标体系,运用相关经济学理论、多元统计分析方法中的因子分析法,采用SPSS13.0软件对陕西省主要地级城市的投资环境进行综合评价,并根据研究结果,有针对性地提出完善陕西省投资环境的相关政策建议。
关键词:陕西省;投资环境;因子分析法中图分类号:F293文献标识码:A文章编号:1004-292X (2008)06-0124-04收稿日期:2008-09-20基金项目:陕西省教育厅专项科研计划项目“陕西投资环境优化与对外开放战略研究”(04JK067)。
作者简介:董秘刚(1962-),男,陕西咸阳人,西北大学经济管理学院副教授,博士,主要从事国际经济学研究;周慧君(1978-),女,浙江宁波人,西北大学经济管理学院硕士研究生,研究方向:国际贸易与区域经济;贾明德(1960-),男,陕西合阳人,陕西省商务厅副厅长,兼任西北大学经济管理学院教授、博导,主要从事宏观经济理论、国际经济学、企业改革理论与实践研究。
陕西省主要城市投资环境研究———基于因子模型分析董秘刚,周慧君,贾明德(西北大学经济管理学院,陕西西安710069)图11996~2006年陕西省合同外资额和实际利用外资额的增长趋势图124··林市实际利用外资0.51亿美元,排在第二位;咸阳市位列第三。
合同外资额和实际利用外资额最低的分别是商洛和延安。
基于以上情况,为了更高效地引资,改善投资环境,有必要对西安、咸阳等10个主要城市的投资环境进行比较研究,并有针对性地提出完善陕西省投资环境的对策,从而更好地发挥其在西北地区的辐射效应。
一、投资环境评价方法的确定目前,常见的投资环境定量评价方法包括初级打分法、多因素系统评估法、综合性定量方法、雷达图分析法等。
但这些评价方法对于主观性指标的处理相对比较粗糙。
为了更有效地对陕西省主要城市的投资环境进行评价研究,本文选取了陕西省下属的10个地级城市为研究对象,通过构建城市投资环境评价指标体系,运用相关经济学原理和多元统计方法中的因子分析法进行数据处理。
本文采用的统计软件是SPSS13.0。
二、投资环境评价指标的选取投资环境评价之目的在于客观地反映各个城市综合投资环境的现状。
一般来说,投资环境可分为投资硬环境和投资软环境。
投资硬环境主要包括水、电、路、通讯等基础设施、整体经济发展水平、交通条件和生态环境(也包括人居环境),它反映的是人与物之间的关系。
而投资软环境主要是指包括投资、人才、技术、信用等因素在内的市场环境;包括教育水平、对外开放程度在内的社会文化环境以及包括政策和法律因素在内的制度环境等,它主要反映的是人与人之间的社会经济关系,因而在研究城市投资环境时应综合考虑各个方面的因素。
值得指出的是,对于归入软环境的政策因素,因其本身存在地区趋同且极难量化,故未列入本次指标体系。
鉴于以上因素,本文选取了6类共22项因子作为陕西省10个地级城市投资环境比较研究的参考指标(见表1)。
三、因子分析法的运用1.对原始数据进行标准化处理由于各评价指标数值大小相差较大且单位各异,为使因子分析能够均等地对待每一个指标,消除量纲和数量因大小不同所导致的影响,故需对指标进行无量纲化处理。
将收集到的10个城市22个评价指标的资料组成一个10X22的矩阵Xij(i=1,2,……,10;j=1,2,……,22),通过Z—Score法得到标准化后的数据变量ZXj(j=1,2,……,22)。
2.求出相关系数矩阵R由于因子分析是基于相关矩阵进行的,即要求各指标之间具有一定的相关性,因而求出相关矩阵是必要的。
从R可以看出,这22项指标之间存在较强的相关性,说明这些指标所反应的经济信息有很大程度的重叠,故适合做因子分析。
表2给出了22个标准化后变量的变量共同度。
由于变量共同度是反映每个变量对提取出的所有公共因子的依赖程度的,由表3可知,除了变量ZX7(人均日生活用水量)、ZX18(工业固定废物综合利用率)和ZX19(工业污染源治理投资额)之外,几乎所有的变量共同度都在80%甚至90%以上,这说明提取的因子已经包含了原始变量的大部分信息,因子提取的效果较为理想。
3.根据SPSS13.0的输出结果可知R的特征值、相应的特征向量及累计方差贡献率,由此来确定公因子个数根据Kaiser准则,在标准化方差下,特征值大于1表示该因子对于解释原有变量间的相关性具有重要的意义。
在表3中,依据特征值>1的原则,提取了5个公因子(主成分),它们的累积贡献率达到89.3636%,即5个公因子已经包括了投资环境约90%的指标信息,即包含了大部分的信息,具有较高的代表性。
表1陕西省投资环境测度指标体系表2变量共同度:Communalities注:本表统计结果均由SPSS13.0软件计算得出,下同。
125··注:本表统计结果均由SPSS13.0软件计算得出。
角度对各城市的投资环境进行比较分析。
从表4的综合得分来看,陕西省主要城市投资环境从强到弱的排名依次为:西安、宝鸡、咸阳、榆林、延安、安康、渭南、汉中、铜川和商洛。
西安作为陕西省的省会城市,无疑是该地区城市群发展的排头兵。
综合看第一公因子所包含的各项指标,西安的城市经济发展水平和投资环境理所当然位居第一。
但投资环境排序结果表明,西安在市场潜力和环境治理方面存在较大问题,社会服务设施水平也仅居于中等水平,今后要继续加强这几方面的建设,提升西安在陕西省乃至整个西北地区整体经济发展中的核心作用。
宝鸡市在10个城市投资环境整体排名中名列第二位,其在环境治理方面一枝独秀,是建设部命名的“国家园林城市”。
因其独特的地理区位,在沟通东西南北货运、开展国内和对外贸易方面占有十分重要的地位,故市场潜力巨大。
对外联络和社会服务设施水平也较高,但城市整体经济发展水平较低,仅列第9位,如第三产业占GDP的比重仅为30.90%。
咸阳市其市场潜力居第1位,有很大的市场容量,环境治理亦很到位,但经济发展水平和社会服务设施处于中等偏下水平,这两方面的影响降低了咸阳的投资环境得分。
榆林市因其富集的资源,成为国家全力打造的“中国能源新表4陕西省主要城市投资环境得分及排名4.建立旋转后的因子载荷矩阵利用因子分析法提取5个公因子后,利用方差最大法进行正交旋转从而得到旋转后的因子载荷矩阵(表略)。
经过旋转后的载荷系数已经明显地两极化了。
第一公因子在第三产业占GDP的比重(X3)、地方财政收入(X5)、年末金融机构存款余额(X6)、在岗职工平均工资(X16)、人均批发零售贸易业商品销售总额(X20)(以上几项指标反映了一个城市的经济实力),实际利用外资额(X4)(反映了一个城市的对外经济开放程度),每万人拥有公共交通车辆(X9)、移动电话用户数(X12)、货运总量(X14)、城镇居民人均可支配收入(X22)(以上几项指标反映人民生活质量水平)上有较大的因子载荷,综合反映了城市的经济实力和经济发展水平,故第一公因子主要归属于城市经济发展类指标,其方差贡献率为36.384%。
第二公因子在人均GDP(X1)、人均固定资产投资总额(X2)、人均用电量(X8)、每万人拥有医生数(X10)、工业固定废物综合利用率(X18)上有较大的因子载荷,反映的是社会整体服务设施水平,故该因子主要归属于社会服务设施类指标,方差贡献率为20.135%。
第三公因子在客运总量(X14)、每万人拥有高校在校学生数(X15)、工业污染源治理投资额(X19)、人均社会消费品零售总额(X21)、城镇居民人均可支配收入(X22)上有较大的因子载荷,反映的是效益增长能力,故该因子主要归属于市场潜力类指标,方差贡献率为14.836%。
第四公因子在人均日生活用水量(X7)、人均公园绿地面积(X17)上存在较大载荷,该因子主要归属于环境治理类指标,方差贡献率为9.287%。
第五公因子在人均拥有道路面积(X11)、客运总量(X13)上有较大的因子载荷,主要归属于对外联络类指标,方差贡献率为8.721%。
5.城市综合排序和评价公因子权重的计算公式如右所示:Wi=λi/Σ4i=1λi,结合SPSS13.0计算所得的因子得分情况,最终得到城市投资环境排序结果(见表4)。
表4给出了陕西省各主要城市投资环境的量化描述,得分越高表示投资环境越好,对外资的吸引能力越强,这里从不同表3总方差分解注:提取因子方法—主成分法;因子旋转方法—方差最大正交旋转法。
126··都”。
2006年,全市实际利用外资5149万美元,引进国内资金实际到位91.63亿元,在陕西省内仅次于西安市。
从城市投资环境得分来看,其社会服务设施排名第一,但环境治理方面并不突出,在陕西省10个城市投资环境整体排名中名列第4位。
延安、安康、渭南这3个城市投资环境居于中列,但综合得分均低于平均水平。