资产的相关系数精选(九篇)

第1篇：资产的相关系数范文

摘　要：这套固定资产管理系统管理范畴相对全面，覆盖了固定资产所属部门和类别、固定资产的各项属性、折旧计算以及维修纪录等一系列相关项目。详细介绍了SQL数据库的设计过程，从系统功能的实现出发，对系统进行了功能模块分类。最后用图表的形式把数据库表达出来。

关键词：数据库；实体；SQL；

中图分类号：TP311　文献标识码：A　文章编号：1009-3044(2007)01―10024-02

1　引言

在成本估算中，固定资产扮演着一个重要的角色，好的成本估算都会考虑固定资产对总成本的各种影响。尤其是初期投入和分期投入大的企业，固定资产的影响对企业的生存更是举足轻重。这套固定资产管理系统负责对企业和家庭的固定资产做一个全方位的资金描述。

数据是计算机化的信息，是计算机可以直接处理的最重要的对象[1]。数据库是存放数据的最佳场所，数据库是指按特定目的收集的、长期存储在计算机内的有组织的可共享的数据集合。收集到大量数据后．需要一个软件系统：数据库管理系统DBMS(Database Management System)，对其进行科学的组织与存储[2]。固定资产管理系统用以监控固定资产的整个生命期。建立各个对象的ER(实体关系)模型，将该模型转换成关系数据库[3]。关系数据库具有严格的实体关系，便于扩充业务，同时便于与管理系统集成[4]。后台数据库采用SQL Server 2000,它是当前基于C／S开发模式的主数据库产品之一，具有性能稳定，便于操作维护和具有安全可靠性等特点[5]。从获得固定资产开始(可以是购置或者赠送等多种途径)，经历固定资产使用、维修保养的全过程，直至固定资产报废。

2　系统实现的功能

要对固定资产进行有效的管理，就需要管理固定资产的每一个方面。固定资产管理的要求基本上可以归纳为以下几个方面：

已有固定资产的浏览：固定资产的添加、删除、修改功能：要求对每个固定资产的维修、保养进行详细记录，固定资产的折旧计算功能；固定资产的变更功能；固定资产的审核功能；固定资产的统计功能；相关部门、类别管理功能；用户登陆权限鉴别功能；密码修改功能；新用户添加功能。

3　总体设计

3．1　数据流分析

分析固定资产生命周期中涉及的所有处理过程．可以得到期间的数据流动情况。

获得一项新的固定资产，将其信息添加进本系统；审核，满足条件则通过审核，可以参与统计和折旧；某项固定资产出现破损或者保养期限到，送指定单位维修或保养，将相关信息添加至本管理系统；某项固定资产发生使用权交移，记录变更信息：

有财会需要，对部分固定资产进行折旧计算．并导出折旧相关数据：有统计需要，对部分固定资产进行统计，并导出统计数据；新建部门，为该部分购人固定资产。

固定资产管理数据流图如图1所示。

数据流图的相关说明：

新固定资产经过添加后可直接进入数据库保存起来，但属于未审核资产，其相关信息处理可以流向审核步骤外，不可再流向其它处理步骤。当然，在添加新资产的同时对于满足审核条件的固定资产，可直接参与审核步骤，然后再保存进数据库中：

当已审核的固定资产需要发生变更时，可经过变更操作，成为未审核资产，可以不再做任何处理而存人数据库，也可以经过审核后再存人数据库：

当某项固定资产折旧期限到期后，从数据库中提出来，进行折旧计算，把折旧后的折旧额、原值和残值等计算结果保存回数据库。

3．2　系统功能设计

根据需求分析得出的结果，并综合上文流程分析，可以总结出系统应该具备的功能：

(1)用户登陆功能

通过用户名和密码对用户进行验证．合法用户给予通过．不合法用户则拒绝其进入系统。

(2)固定资产管理功能

对已有固定资产进行修改、删除和审核，也可以添加新的固定资产进来。

(3)固定资产的查询功能

按全部、部门和资产类型分别进行查询浏览。

(4)部门信息设置功能

可以对已有部门进行更名和删除，也可以添加新的部门。

(5)固定资产类别设置功能

可以对已有类别进行更名和删除，也可以添加新的类别。

(6)维修管理功能

可以按全部、已经送修和维修完毕来查询相关固定资产的维修状况。还要能够添加需要维修的固定资产进入维修管理。

(7)折旧功能

所有审核过的固定资产都可以参与折旧计算。所以有必要把未折旧资产和已折旧资产分开显示。对于未折旧资产使用某种折旧算法进行计算。

(8)分类统计输出功能

实现按部门资产统计和按资产类型统计，并且两种统计结果都能够导出至打印设备。

(9)修改密码功能

对当前用户可以在提交正确旧密码之后输入新的密码．并在下一次登陆系统时生效。

(10)退出系统功能

3．3　子模块功能设计

以上系统功能设计所产生的一系列功能相互之间是离散的．并没有逻辑联系性。在展开进一步设计之前需要对整个系统按照各功能之间隐含的逻辑关系进行划分子模块。有三个子模块：

(1)系统信息设置模块：

其中包括一些跟固定资产信息没有直接联系的功能，例如部门信息设置功能、同定资产类别设置功能、系统用户管理功能、密码修改功能和退出系统功能。

(2)固定资产管理模块：

这是整个系统的主要模块，凡是跟固定资产密切相关的功能都被集成进来了。包括同定资产查询浏览功能、固定资产维修管理功能、同定资产变更功能、固定资产审核功能等等。

(3)固定资产统计模块：

部门资产统计和资产类别统计。

3．4　系统功能结构图

同定资产管理系统结构图如图2所示。

关于系统结构图的一点说明：

这个结构图能够直观地说明系统的功能模块划分情况，并明确指出了各模块与数据库之间的联系，除了统计模块只向外输出数据外，其它两个功能模块和数据库之间均存在数据的双向流动。而且本网还说明了各子模块相互之间并没有横向的联系和数据交换存在，这样设计有利于减少模块之间的耦合度。

3．5　数据库设计

3．5．1　数据库各实体及属性

以下是各实体及其属性：

(1)同定资产表(编号、资产编号、资产名称、资产类型编号、生产厂商、资产型号、使用日期、使用部门编号、使用年限、负责人员、原值、残值率、状态、增加方式、提交日期、有否折旧、有否审核)

(2)资产修理表(编号、资产编号、修理日期、维修单位、维修原因、当前状态、维修费用、维修结果、提交日期)

(3)部门表(部门编号、部门名称)

(4)资产类型表(类型编号、类型名称)

(5)用户表(用户名、密码、用户类型)

3．5．2 E-R图

E-R图符号如图3所示。

3．5．3数据字典及数据库

可以根据得到的实体，建立数据字典。数据字典是必要的．有了数据字典，就能建立数据库。

(1)固定资产信息表Asserts

第2篇：资产的相关系数范文

关键词：核估计；时变copula；企业年金

文章编号：2095-5960（2014）03-0039-06；中图分类号：F830；文献标识码：A

一、引言

随着人口老龄化的加速发展，养老金支付压力持续上升，多层次养老保障体系的建设已成为迫在眉睫的工作。然而中国目前是基本养老一支独大，作为第二支柱的企业年金发展滞后。在此背景下，政府近几年逐步加大力度来促进企业年金的健康发展。2011年1月人力资源社会保障部审议通过《企业年金基本管理办法》，规定了投资活期存款、中央银行票据、债券回购等流动性产品以及货币市场基金的比例，不得低于投资组合企业年金基金财产净值的5%，远远低于之前《管理试行办法》中20%的限制。2013年4月出台的《关于扩大企业年金基金投资范围的通知》，将企业年金投资范围增加商业银行理财产品、信托产品、基础设施债权投资计划、特定资产管理计划、股指期货。2013年11月召开的十八届三中全会则进一步提出加速发展企业年金。

根据2013年二季度的全国企业年基金业务数据摘要，该季度含权益类投资组合收益率为0.55%，只达固定收益类投资组合收益率的一半。可见权益类投资因受股市影响投资效益整体不佳，而固定收益类投资虽稳定性强，但对于提高收益率却显得力量有限。因而构建合理的基金投资组合，优化年金资产配置，实现可承受风险下的最大化收益至关重要。

二、文献述评

Sharpe（1981）[1]在上世纪就强调资产配置在基金投资决策中的重要性。早期国内对企业年金的研究多从宏观角度进行探索，主要围绕制度设计及运营模式、年金投资监管模式及监管组织架构、法律制度建设等方面，而有关企业年金具体投资操作的研究相对缺乏。如王信（2000）[2]介绍了智利等拉美国家的相关经验，指出应通过在严格监管基础上放宽对投资比例的数量限制。滕健（2005）[3]则研究发现，国外企业年金基金与资本市场互动发展，多元化的投资组合分散了风险也带来了较高的收益，提出中国应借鉴国外经验提高股票及基金投资。

目前，在借鉴国外研究成果基础上，从风险管理、资产配置等角度研究年金也取得了一些成果。从资产配置角度进行的研究按所依据的模型大致可分为两类：一是马柯威茨均值-方差模型。如孙健等（2012）[4]运用均值-方差模型和均值-CVAR优化模型，以一定的工资替代率为目标得到最优投资组合。该方法假设各种资产的收益率都服从正态分布、证券收益率之间相关性用相关系数描述，但金融时间序列多具有尖峰厚尾特征且资产间相关结构多为非线性关系，所以假设与实际有一定差距。二是最大化效用函数或最小化成本函数方法。翟永会等（2010）[5]在对现有的成本函数最小化模型改进的基础上，假定金融市场上的三类可供投资资产收益率相互独立且服从对数正态分布，对企业年金的资产配置问题进行了研究。但不同资产收益率之间普遍存在着相关性，其所得结论解释实际能力稍显不足。卞世博（2012）[6]以最大化效用函数为投资目标，假定利率服从Ornstein-Uhlenbeck过程，研究企业年金如何对股票、国债以及银行存款进行最优资产配置的问题。此外也有一些学者从风险管理角度展开研究，如刘军丽（2009）[7]对年金基金的投资风险进行了深入分析，并提出应加大股票投资比例的对策建议。

本文在借鉴已有研究的基础上运用copula技术拟合企业年金资产间的相关结构。copula方法可以研究资产间非线性特征，同时在极端情况下的相关性研究也具有独特优势，这对于在冲击下实现保值作为第一要务的企业年金非常适宜。考虑多种静态及动态copula来探究企业年金各可投资资产间的相关结构，且在其边缘分布的选取上采用核估计法①①该方法已被Hu（2005） [8]等学者证实比国内多数文献运用的GARCH模型具有更高拟合度。。然后着重通过对股指期货与其他各资产在极值情况下的动态相关性进行分析，探究其变化规律及可能的影响因素，验证中国股指期货合约对股票、基金等的套期保值功能，以期为如何优化资产组合提出相关建议。

三、模型构建

本文模型构建可以分为两步。第一步，对边缘分布建模，经所构建的边缘分布模型得到服从均匀分布的函数估计值序列。第二步通过copula函数将联合分布与各个资产的边缘分布连接在一起。

（一）边缘分布模型

非参数核密度估计因直接从样本数据出发分析变量分布特点，能更真实地拟合单个资产的收益率分布。因此本文用具有更高拟合度的非参数核密度估计法来构建边缘分布。

假设h为窗宽，n为样本数量。由于样本数量足够大，故核函数可以直接选取光滑性良好的正态核函数而不增加对数据的假定要求。f（x） 为资产X的收益率序列xt的密度函数，其核密度估计为：

四、实证研究

（一）样本选择与边缘分布构建

银行存款、中央银行票据、国债等投资渠道风险很低，故不予在本文所研究的风险投资组合中列入。新增的可投资资产为股指期货，其合约共有当月、下月以及随后的两个季月可供交易。宫庆彬（2010）[10]研究证实，采用近月期货合约进行套期保值更为有利，当月合约成交又最活跃，故笔者选取当月合约代表股指期货。本文最终选用沪深300指数、企债指数、基金指数以及沪深300股指期货当月合约分别代表企业年金风险资产中的股票、企业债、基金与股指期货。样本时间区间为2010年4月16至2013年11月22日，共872组数据。所有数据来自国泰安数据库和中国期货金融交易所。计量分析软件为Eviews 6.0和matlab 2010b。

采用的收益率计算方法如下：期货做空时收益率为Rt=（lnPt-1-lnPt）/0.15，因期货交易提供结算价且该价格更能反映期货交易的实际收益情况，故P采用当天结算价。而实行交易保证金制度，放大了投资者的购买力，所以在计算收益率时将该因素考虑在内，且按照大部分证券公司实际收取的15%比率计算，比交易所规定的最低交易保证金高3个百分点。期货做多时的收益则为做空时收益率的相反数；其余资产收益率为Rit=lnPit-lnPit-1，其中P为收盘价。表1提供了在样本期内各收益率序列的基本统计量。

由表1可知，在样本观察期间内股指期货的平均收益最大且为正，同时波动也最剧烈，验证了高风险高收益。从偏度来看，只有沪深300指数偏度为负，意味着收益率存在着下降的可能性。峰度统计量和J-B检验值表明收益率均不服从正态分布，且具有明显的尖峰厚尾特征。单位根ADF检验表明收益率序列是平稳的。

用核估计法拟合以上四种资产收益率序列的分布，结果如表2。

（二）参数估计分析

选用多种静态copula和时变copula函数，根据AIC和BIC信息准则从中选取拟合度最优的copula函数。下面以沪深300指数与企债指数的相关结构为例，给出各个copula函数的估计结果，如表3所示。

同样的方法拟合其余序列间的相关结构，结果表明：企业债券与基金、企业债券与股指期货的相关结构和企业债券与股票的估计结果类似，最适合用时变rotated gumbel copula函数拟合，其AIC值分别为-3.6168、-4.5556。从尾部相关系数来看，上尾相关系数都接近于0，下尾相关系数较小，分别为0.0013、0.0021。综上所述，说明企业债券在市场暴跌时可以作为一种很好的避险资产，而且企业债券的日收益率均值达到0.0214%，相比国家统计局公布的2012年2.6%的居民消费品价格上涨率，也是可以达到保值的目的。基金与股票、基金与股指期货和股票与股指期货这三对序列的相关结构类似，既有上尾相关性，也存在下尾相关性。时变rotated gumbel copula函数拟合结果较好，AIC值分别为-2911.5、-1971.7、-2030.7。从尾部相关系数来看，上、下尾相关系数都很高。下尾相关系数股票与股指期货最高为0.8561，其余依次为股票与基金0.8531、基金与股指期货0.8453。由于股指期货是以沪深300指数为标的物的期货合约，基金指数则以交易所上市的封闭式基金为样本，而这些基金都是股票型基金，主要投资于股票，故三种资产之间的相关度很高是可以理解的。而股指期货与股票的下尾相关性强于股指期货与基金的下尾相关性主要是因为股指期货与基金间实质是以股票为中介相互影响。而资产间的下尾相关系数则均比上尾略小，表明基金与股指期货皆能在股市低迷时期一定程度地降低投资损失的风险。

因此，从分散风险的角度来看，在股市低迷时期，股票与基金的组合是最差的，因为两者下尾相关系数很高，同时大跌的概率大。虽然股指期货与股票、基金也具有很高的下尾相关度，但由于股指期货不同于股票、基金等资产，是国内政策允许可以做空的资产，所以下尾相关系数越大，在做空股指期货时反而更能降低风险，所以企业年金可投资范围增加股指期货投资，可以大幅度降低组合风险。而基金相比股票收益率更高，波动性类似，所以以基金替代股票可以获得更高的收益率。但考虑到基金与股指期货的下尾相关性弱于股票与股指期货的相关性，所以基金与股指期货做空的组合比股票与股指期货做空的组合在获得更高收益的同时，也将面临着更大的风险。

（三）动态尾部相关性分析

企业年金基金是一个典型的风险厌恶者，市场悲观时的相关关系分析显得尤为重要，故下文就作为新增可投资资产的股指期货与其余三个资产的动态下尾相关性进行着重分析，以期找出其尾部变化规律性及可能导致尾部相关性变化的因素。由上文可知，时变rotated gumbel copula函数可以较好拟合序列间的相关结构，故基于该函数给出各个时点收益率序列间下尾相关系数图如下：

图1股指期货与股票、企债、基金的下尾相关系数变化图分析上图发现，三个下尾系数存在较为明显的周期性变化，即具有波峰和波谷，大致在每个月的第二周会出现一个高峰，第三周末则会出现一个低点。这估计是因为在合约中期成交最活跃，波动性很大，投资者对负面消息在此期间也最敏感，股指期货与其他资产的相关程度提高。而第三周的周五一般是当月合约的交割日，合约临近交割日时，成交量逐渐减少，合约价格波动也放缓，所以其他资产下行时，股指期货下跌可能性相对其他时间较小。

股指期货与股票、基金的下尾相关系数易出现极低值，如在2010年10月下旬至11月末股指期货与股票、基金的下尾相关性都处于低位，原因可能在于此期间内央企整合步伐加速、近期披露报告显示向上修正公司占比超过七成，在此背景下，市场整体回暖，下尾相关系数也随之下至一个低点，说明基本面的转好会降低下尾相关系数。随后受CPI屡创新高以及央行上调存款准备金率等一系列影响，相关度逐渐增强，且股指期货与基金的下尾相关系数的回升速度比股指期货与股票缓慢，一个可能原因是股指期货与基金的相关性实质上更多地是通过股票为中介实现。同样在2011年12月也出现了明显的极端低点，股指期货与股票的下尾系数跌破0.81，与基金的下尾相关度甚至跌至0.72。这可能是因为2011年12月5日央行三年内首次下调准备金率0.5个百分点，银行体系流动性得到释放，资金供给增加，这大大缓解了市场的资金压力。但随后由于春节将近，市场资金面趋紧，股指期货与股票、基金的下尾相关性又都相应地快速增强。而股指期货与企业债券的下尾相关系数易出现极高点，说明股指期货与企业债券相关性虽低，但易受市场影响而增强。

五、结论

本文从历史实际数据出发，分析了资产间的相关结构及极端情况下的相关关系，研究了中国企业年金的资产投资组合优化问题。并通过拟合度较高的非参数核密度估计法构建了单个资产的边缘分布，采用动态copula来描绘各资产间的相关结构。

copula估计结果显示时变copula的拟合结果明显优于静态copula。企业债券与其他各资产的相关结构类似，下尾部的相关关系强于上尾部，且在上尾部资产间的相关性不大。换句话说，企业债券收益相对稳定，不易受其他资产影响，但市场悲观时与其他资产的关联性会有所增强。基金与股票、基金与股指期货和股票与股指期货这三对序列的相关结构类似，上、下尾相关性都很明显。其中股票与股指期货的相关性强于股票与基金，且统计描述中显示做多股指期货，即使不考虑保证金比率，其平均收益也比基金低，所以股指期货在组合中将被基金替代。即股指期货作为独立金融产品的功能不强。但由于股指期货可以做空，当股指期货与股票、基金的相关性越大，做空操作就越能大幅度提高企业年金投资组合的抗风险能力，显然从实证结果中我们可以证实股指期货对这些资产的套期保值作用较强。

由于企业年金对于安全性要求较高，文章还采用时变rotated gumbel copula函数着重分析了股指期货与其他资产间下尾相关性的动态变化。研究发现，股指期货合约临近交割期时，资产间的相关程度有所减弱，所以在临近交割时用下月合约替代当月合约来进行套期保值效果更好。资金面越充裕则会一定程度地弱化各资产间的关联度。另外，从统计性描述中可以看出股指期货因保证金比率的杠杆作用，收益率的波动性远高于其他资产，风险性较大，相关机构应针对企业年金投资股指期货设定专门较高的保证金比率。

参考文献：

[1] Sharpe W，Panton D.Investments[M]. Prentice Hall，1981.

[2]王信.养老基金营运监管的国际经验及启示[J].经济社会体制比较，2000（2）：51-61.

[3]滕健.中外企业年金投资工具比较与分析[J].特区经济，2005（12）：248-249.

[4]孙健，刘铮，游桂云.中国社保基金资产优化配置研究[J].投资研究，2012 （8）：154-160.

[5]翟永会，王晓芳，闫海峰. 企业年金积累期的最优动态资产配置策略[J].中国管理科学，2010（5）：40-48.

[6]卞世博. 随机工资下DC型企业年金的最优资产配置策略――基于鞅方法求解[J].会计与经济研究，2012（3）：57-66.

[7] 刘军丽. 企业年金基金投资风险因素分析与防范[J].生产力研究，2009（21）：205-207.

[8]Wen Bo Hu. Calibration of Generalized Hyperbolic Distributions Using the EM Algorithm ，with Applications in Risk Management，Portflio Optimization and Portfolio Credit Risk[D].Florida State University，2005.

第3篇：资产的相关系数范文

【关键词】股市板块；关联效应；在险价值

一、引言

现资组合理论认为，一个资产组合的非系统风险主要与两个因素相关，一是初始资源禀赋在各个资产上配置比例，即权重结构；二是组合所包含的资产间的协方差。进一步，协方差可以分解成为两个资产间的相关系数与各自标准差的乘积（Harry Markowits，1952）。

此处，相关系数是两个股票预期收益率的变动方向的测度，由于考察投资者只是单期的投资行为，因此，这里相关系数仅是一个静态指标。投资者如果按照这个指标选择股票构造组合并对组合风险进行度量，显然容易被误导。因为市场中，股票的预期收益率是典型的时间序列现实，而且两个随机变量间的相关系数一定也是动态的（Ruey S.Tsay，2005）。即便是两个时间序列之间同样存在着静态相关性（通常用常相关系数衡量）和动态相关系数。本文以股票市场中的房地产业板块作为基础，研究与其相近的其他3个产业板块的关联效应，旨在解决下面的问题：一是对中国股票市场上行业板块的收益率时间序列的4个统计特征检验，目的是为下步使用统计工具所进行的环境识别问题；二是应用DCC-MVGARCH模型对4个板块指数收益的时间序列关联效应进行实证研究，将所得到的时变关联系数重构投资组合并对其进行VaR检验，从而为投资组合的重建提供一个新的理论诠释；解析引起板块间波动相关性改变的原因，因为波动的变化会影响到投资组合的风险，板块间的相关性变化则会影响到避险策略。实证研究表明，用时变相关系数计算出的投资组合的VaR值，能更好地反映出板块间的相关性质对投资组合的影响，尤其在市场处于波动时期。

二、材料来源与各板块时间序列的特征统计量值验证

（一）材料来源及使用说明

本文选取我国股票市场上房地产板块指数、建筑板块指数、金融服务板块指数和金属非金属板块指数作为研究对象。截至2009年底，在A股市场上房地产板块共有72家上市公司，建筑板块共有41家上市公司，金融服务板块共有29家上市公司，金属非金属板块共有101家上市公司。据统计，与房地产板块关联的行业板块有数十个之多，之所以选择这三个板块，理由如下：在实物经济中，建筑业是从房地产业深化分工的产物；金融服务业板块主要以商业银行构成，与房地产业的密切关联是因为房地产业属于资本密集型的产业属性使然；金属非金属业（如钢材、装饰材料等）位居房地产业的上游，为其提供原材料服务，房地产业的发展必然受到该行业的影响。本文数据来源为Wind金融数据库，数据区间为Wind金融数据库开始设立该行业指数的时间2001年4月2日至2009年12月28日，所用统计软件为EViews 5.0和Matlab 6.5。如前所述，一般用收益率的标准差来衡量金融资产的波动性，而不是用价格的标准差，因此有必要把股票价格指数序列变换为收益率序列①，定义股票价格指数的日收益率为相邻两天股价指数对数的一阶差分，即：

其中：为第t日的收益率，为第t日的股价指数，为第t-1日的股价指数。

（二）时间序列的基本统计特征检验

1．序列的正态分布检验

在金融理论研究中，常常假设收益率序列服从正态分布，但实际上大多数金融收益率序列是服从非正态分布的。正态分布的偏度应该是0，峰度应该是3，而从图中我们可以看出，房地产指数和金融服务指数的日收益率序列的偏度值为正数②，表明这两个时间序列是右偏的；建筑指数和金属非金属指数的日收益率序列的偏度值为负数，表明这两个时间序列是左偏的。四个时间序列的峰度值均大于3，表明分布的凸起程度大于正态分布。这种“尖峰厚尾”的特性是大多数金融时间序列所拥有的。四个时间序列的Jarque-Bera值都很大，P值都为0，从而拒绝了序列服从正态分布的原假设。另外，从四个时间序列的线性图可以看出，收益率呈现出明显的波动群聚效应，即大的波动之后跟随着较大的波动，小的波动之后跟随着较小的波动。

2．时间序列的平稳性检验

时间序列的平稳性对于研究时间序列的统计特征极其重要，因此，我们对这四个收益率序列的平稳性做单位根检验（单位根检验的原假设是：时间序列存在单位根），这里我们采用ADF检验（Augmented Dickey-Fuller检验）。检验结果如表1所示。

上个图显示了t统计量的单边检验。在1%，5%和10%的显著性水平下，由ADF计算出来的t值都显著地小于各个显著性水平对应的t临界值，P值为0，从而我们拒绝原假设，认为这四个时间序列不存在单位根，是平稳序列。

（三）时间序列的自相关性检验和ARCH效应检验

在一些时间序列（特别是金融时间序列）中，我们常常会发现序列的前后观测值之间存在着一定的相关性，例如消费价格指数（CPI）、就业率、生产函数中的产值等。产生自相关性的原因有很多，这里不打算展开讨论。自相关性的存在使得OLS估计法不再有效，回归得到的参数估计量的显著性水平检验不再可信。因此，需要对时间序列的自相关性作检验，如果序列存在自相关性，就必须建立相应的模型来消除这种自相关性。下面对这四个收益率序列作自相关性检验③。检验结果表明：四个收益率序列的自相关系数和偏自相关系数在所有的滞后阶数上都接近于0，且Q统计量不显著，因此我们拒绝了序列自相关性的原假设，认为这四个收益率序列不存在自相关性。进一步地，为了验证这四个收益率序列是否存在波动群聚性，对其进行ARCH效应检验。首先对这四个收益率序列建立条件均值方程，从上面的讨论中我们已经得出这四个收益率序列不存在自相关性，因此均值方程可以设为：

紧接着用OLS法估计式（2.2），并对残差分别用ARCH LM和残差平方相关图进行ARCH效应检验，检验表明：四个收益率序列的ARCH LM检验中的F统计量和统计量的P值都为0，因此拒绝原假设，认为这四个收益率序列的残差序列存在着ARCH效应。再来看残差平方相关图的检验结果，对残差平方作滞后36阶的相关性检验，发现在某些滞后阶数上残差平方的自相关系数和偏自相关系数显著地不为0，且Q统计量非常显著，因此，拒绝原假设认为这四个收益率序列的残差序列存在着ARCH效应④。

三、时间序列动态相关性实证检验

首先，把前述四个收益率序列做零均值处理；进一步建立CCC-MVGARCH模型（建模由Matlab实现），把处理好的数据代入模型中，得到房地产业与其他三个行业的常相关系数如表2。

接着建立DCC-MVGARCH模型（建模由Matlab实现），得到房地产业与其他三个行业的动态相关系数如表3。

从表3中我们可以看出，由DCC-MVGARCH模型计算出的房地产业与其他三个行业的动态相关系数的均值与由CCC-MVGARCH模型计算出的常相关系数非常相似，但动态相关系数的最大值和最小值与常相关系数就有很大的差别。例如，对于建筑业来说，其与房地产业的常相关系数为0.83137，而其动态相关系数的最大值为0.97474，最小值为0.44159。动态相关系数与常相关系数的这种差别可以从下图中直观地看出（图1、2、3中曲线表示动态相关系数，直线表示常相关系数）。

下面对动态相关系数进行假设检验，原假设是：动态相关系数与常相关系数不存在显著差异。检验结果如下（这里滞后阶数取5，显著性水平取0.01）：

从检验结果中我们可以看出，三个行业的P值都为0，在1%的显著性水平下拒绝了相关系数为常数的原假设，说明房地产业收益率的波动与其他三个行业收益率的波动之间存在着显著的动态相关性。以房地产业和建筑业为例，它们在一些时段的相关性很高，而在另一些时段相关性却很低。从图3.3中我们可以看出，在大约第1039个数据（对应的时间是2005年7月21日）之前，动态相关系数在绝大部分时间内大于常相关系数，而在此之后情况则相反。特别是在第1600个数据前后的区域，动态相关系数出现急速下降的趋势。对于动态相关系数走势的这种变化，我们的解释是：现实经济中，建筑业由房地产业衍生而来，两者关系密切，房地产业的兴盛为建筑业的发展提供了良好的条件，而建筑业的发展则有力地保障了房地产业的繁荣。在2005年7月21日之前，房地产业和建筑业的动态相关系数始终维持在高位运行，说明两者相关性强，符合行业发展的一般规律。2005年7月21日，中央人民银行宣布人民币汇率不再盯住单一美元，形成更富弹性的汇率机制，人民币对美元的汇率当天就上升了2%。国际经验显示，房地产业是本币升值的最大受益者。受人民币升值预期的影响，国内外投资者纷纷瞄准中国的房地产市场，大批热钱涌向这个市场，使得中国一线城市如北京、上海、广州、深圳等地的房价节节攀升，均价的记录不断被刷新。房价的增幅逐渐偏离了经济运行的正常轨道，房地产业更多的是被投机的氛围笼罩着。与此相对应的是，股票市场上房地产板块出现了爆发式增长，虽然这一时期建筑板块也出现了一定幅度的增长，但涨幅远不及房地产板块那么大，导致两者的相关性减弱。此后的一段时间内，房地产板块和建筑板块的动态相关系数一直维持在相对低位运行。房价虚高对经济发展产生了不利影响，为了防止房地产市场出现泡沫，国家于2007年多次采取加息和上调存款准备金率等手段紧缩信贷，借此调控楼市。宏观调控终于在2007年第四季度收到成效。以房地产板块的权重股招商地产（股票代码：000024）为例，该股在2007年11月1日创下当年最高收盘价99.73元之后一路下跌，到2007年12月27日收盘价为59.2元，在短短41个交易日内股价跌去了41%。而同期建筑板块的权重股中铁二局（股票代码：600528）在2007年11月1日收盘价为31.45元，到2007年12月27日收盘价为24.23元，股价仅跌去23%。房地产板块这种非理性的暴涨暴跌使得其与建筑板块的动态相关性进一步减弱。

研究表明，金融市场间的波动相关性往往是时变的，一个市场由于受到政策、信息等因素的影响所产生的价格波动会传递至其他市场，从而引起市场间波动相关性的改变，这就是所谓的价格波动外溢现象。常相关系数的假定虽然能大大简化多元GARCH模型，但它并不能很好地解释这种价格波动外溢现象。因为它始终认为市场间的关联性是恒定不变的，一个市场的价格波动只会对它本身的结构产生影响，而不会改变它与其他市场的相关性。相关性常常被应用于投资组合的研究中。Markwitz的投资组合理论认为，相关性是评价投资组合非系统性风险的主要依据之一，从某种意义上说，资产间的相关性越大，投资组合的风险就越高；反之亦然。在金融研究中人们常常使用VaR来测度投资组合的风险，下面通过计算一个投资组合的VaR来比较常相关系数和动态相关系数的区别。

考虑由房地产业和建筑业的收益率序列所构成的一个投资组合。这里假设VaR服从均值为0的正态分布，置信度为95%。用常相关系数计算的VaR公式为：

其中：k为置信度对应的标准差倍数（相对于95%的置信水平，k的值约为1.65），和分别为建筑业和房地产业的投资比重（我们假设在这两种资产上的投资比重是相等的，即==50%），和分别为建筑业和房地产业收益率序列的条件方差，为两种资产间的常相关系数。把换成，就得到用动态相关系数计算的VaR公式：

把之前算得的常相关系数和动态相关系数代入到式（3.1）和式（3.2），便得到相应的VaR值。我们把两个VaR值在同一坐标系中表示出来，如下图所示（图中点线代表CCC-VaR，实线代表DCC-VaR）：

从上图中我们可以看出，两个VaR值总体来说差异不大，但结合图3.4发现，常相关系数下的VaR值与动态相关系数下的VaR值还是有所不同的：在一些时段CCC-VaR略小于DCC-VaR，在另一些时段则相反，很少有两个VaR值相等的情形出现。传统上在计算投资组合VaR时一般采用常相关系数，而通过前面的论述我们知道，动态相关系数在刻画资产相关性方面更具有优势，因此用动态相关系数代替常相关系数计算出的VaR值更贴近于实际投资组合的风险值，更符合经济运行的一般规律。

四、结语

板块间的相关性变化会影响到投资者的避险策略，实证研究表明，用时变相关系数计算出的投资组合的VaR值，能更好地反映出板块间的相关性质对投资组合的影响，尤其在市场处于波动时期。

与以往的产业关联研究不同，本文主要借助多元GARCH模型来研究股票市场上行业板块间的动态关联性，旨在通过研究虚拟经济中产业的关联性以映射现实经济的规律性，为在资本市场上投资构造有效投资组合提供决策依据的同时，也可为现实经济中加深理解相关产业间的动态规律，制定合适的产业政策以引导产业群的健康持续发展提供一些参考。

毋庸质疑，一种研究方法的使用甚至创新，不可能解决全部问题。比如，现实中构建投资组合时，更多的是从各个行业板块中选择股票进行组合，而不是对板块指数进行组合。个股股价相对于板块指数而言波动更大，因此，用个股构建的投资组合的避险效果比用板块指数构建的投资组合的避险效果更明显。在这种情况下，更要考虑个股间相关关系随时间变化的特征。若忽视股价波动外溢效应，则会使计算出来的投资组合的VaR与实际中的VaR相背离，导致投资决策发生失误。由于篇幅所限，诸如此类问题不可能一一而足。

注释：

①一般认为,收益率通常被认为是由一个具有常数有限无条件均值和方差的平稳随机过程产生的，有限方差意味着波动性会趋于一个常数均值；而价格满足随机游走性质，其方差是无限的，这就决定了用价格的标准差来衡量波动性往往不大合适。

②限于篇幅此处略去4个指数收益率时间序列的分布图和与其对应的参数表。

③由于篇幅所限，此处省去自相关检验结果图。

④此处省略ARCH和残差检验结果图。

参考文献

[1]王飞,黄满盈.房地产业对经济发展促进作用的实证分析[J].经济学动态,2005(7):45-48.

[2]刘水杏.房地产业与相关产业关联度的国际比较[J].财贸研究,2004(4):81-87.

[3]杨朝军,廖士光,孙洁.房地产业与国民经济协调发展的国际经验及启示[J].统计研究,2006(9):1.

[4]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社,2006,1:171-184.

[5]童恒庆.理论计量经济学[M].北京:科学出版社,2005,9:599-606.

[6]特伦斯・C・米尔斯,俞卓菁.金融时间序列的经济计量学模型[M].北京:经济科学出版社(第2版),2002,7:141-155.

[7]潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社,2005:41-48.

[8]李亚静,朱宏泉,彭育威.基于GARCH模型族的中国股市波动性预测[J].数学的实践与认识,2003,33(11):65-71.

[9]丁华.股价指数波动中的ARCH现象[J].数量经济与技术经济研究,1999(9).

[10]张世英,柯珂.ARCH模型体系[J].系统工程学报,2002,17(3).

[11]郑周.基于不同分布假设GARCH模型对上证指数波动性预测能力的比较研究[J].价值工程,2004(3):70-72.

[12]王丽安.中国股票市场波动性风险及成因分析[J].华南金融研究.

[13]樊智,张世英.多元GARCH建模及其在中国股市分析中的应用[J].管理科学学报,2003(4):

68-73.

[14]刘国光,张兵.基于DCC多元GARCH模型的股票收益和交易量相关性分析[J].盐城工学院学报,2005,18(3):19-22.

[15]朱宏泉.沪深股市收益率分布的时变性[J].数学的实践与认识,2002,32(2):228.

作者简介：

韩终雪，博士，深圳大学管理学院教授，主要研究方向：投融资理论与实践。

第4篇：资产的相关系数范文

一、问题的提出

会计等式在会计科学中具有十分突出的重要地位，它是会计学的理论基础。然而，时至今日会计学者们甚至对会计等式的概念尚未达成共识。目前有三种观点，一是认为会计学中应用到的所有等式都应该称为会计等式，这是广义的会计等式概念；二是认为会计等式仅仅是反映会计要素之间关系的等式，等式中的命题纯粹属于会计要素，不能出现非会计要素概念，如“资产＝权益”、“收入－费用＋利得－损失=利润”都不能称为会计等式，这是狭义的会计等式定义；三是认为“资产＝权益”应该属于会计等式。而鉴于会计等式的地位，对会计等式做出科学定义、明确其含义毋庸质疑非常重要，这将直接决定人们对会计等式具体具有哪些形式的看法，同时影响着对会计基本等式是什么的认识。

会计要素之间存在一定的关系，例如，对于资产与负债和所有者权益之间的关系，由于企业的负债就是债权人的权益，债权人权益和所有者权益统称为权益，于是，对资产与负债和所有者权益之间关系的研究可以先替换为对资产与权益的研究。而对资产与权益的关系的认识概莫过于三种情况，一是资产决定权益；二是权益决定资产；三是资产与权益相互规定。目前，资产与权益相互规定的观点充斥着会计学教材和会计学术论文，或者干脆避而不谈。例如，2007年1月清华大学出版社出版，李宗民、张欣主编的《基础会计》直接给出会计等式，根本没有论及缘起。2006年2月中国财政经济出版社出版，李伯兴主编的普通高等教育经济管理类本科核心课程教材《会计学》中认为：“没有资产就没有权益，同样没有权益也就没有资产，两者如影随形，不能彼此脱离而各自独立存在。”“一个企业有多少资产，就必定有多少权益；反之，有多少权益，也就必然有多少资产。”21世纪经济管理类规划教材、刘晓菲主编，北京理工大学出版社2006年8月出版的《基础会计》认为“没有资产就没有权益，同样没有权益也就没有资产。”“一个企业有多少资产就必定有多少权益。反之，有多少权益也就必然有多少资产。”这与李伯兴一书的看法如出一辙。

清华大学出版社、北京交通大学出版社2006年10月出版，侯云主编的《基础会计》认为“资产不可能脱离权益而存在，有一定数额的资产，就必然有相同数额的权益；有一定数额的权益，就必然表现为相同数额的资产。”

中国人民大学出版社2004年7月出版，蒋泽生编著的《基础会计》认为“没有资产就无所谓权益，没有权益也就不可能有资产。有一定数额的资产，就必然有相应数额的权益；反之，有一定数额的权益，就必然形成相应数额的资产。因此，不存在没有权益的资产，也不会有无资产的权益。”

上海财经大学出版社2006年12月出版，吴国萍主编的21世纪经济管理专业应用型精品教材《基础会计》认为“没有资产，就没有有效的权益；同样，没有权益，就不会有资产。”

娄尔行主编，上海财经大学出版社2002年11月第2版，2005年7月第11次印刷的《基础会计》认为“资产与权益乃是同一事项的两种说法，反映同一事项的两个方面，所以两者的金额必定相等。”王珏著，华东师范大学出版社2004年6月第1版的《会计学基础》中采用了完全相同的表述。

2005年1月上海财经大学出版社出版，陈信元主编的教育部重点推荐教材、全国普通高等学校优秀教材、上海市精品课教材、新世纪高校经济学管理学核心课教材《会计学》认为：“有一定数额的资产，就有一定数额的权益；有一定数额的权益，就有一定数额的资产。资产和权益的这种相互依存关系，决定了资产总额必然等于权益总额。这一基本平衡关系用公式表示，即为会计基本等式：资产＝权益”。

崔智敏、陈爱玲、同广明主编，中国人民大学出版社2005年5月出版的《会计学基础》认为，“资产与权益是相互依存的，有一定数额的资产，必然有响应数额的权益，反之亦然。”这与徐泓主编，中国人民大学出版社2003年3月出版的《基础会计学》的看法完全吻合、一字不差。

总之，资产与权益相互规定的观点不胜枚举。而我对会计学研学二十余年来始终不能对此苟同，连同对会计要素之间关系有关的一些重要问题的看法在此一吐为快，以期与会计同仁商榷。

二、会计要素关系问题和会计等式

企业为了从事生产经营活动，首先必须筹集一定的经营资金，并用这些资金购置必要的劳动资料和劳动对象。企业所拥有的这些劳动资料和劳动对象，是能够为企业带来预期经济利益的资源，会计中称为资产。

正如上文所示，目前不仅对资产与权益的关系存在错误认识，还存在对“资产＝权益”的称为上的不当。我认为会计等式是反映各个会计要素经济联系和数量关系的等式，“权益”并非会计要素，所以“资产＝权益”不能被称为会计基本等式。由于会计等式是会计中设置账户、复式记账和构筑会计报表的基本依据，也是整个会计反映方法体系的理论基础，会计学术论文和教材、特别是教材对二者关系的不当论述，其不良影响是非常重大的。但是，它可以称为简化的会计等式。虽然“权益”不属于会计要素，但是由于它是“负债”要素和“所有者权益”要素的总称，换而言之，“权益”包含了“负债”要素和“所有者权益”要素，所以“资产＝权益”反映的是资产与“负债”要素和“所有者权益”要素总合的关系，应该属于会计等式。

由于企业的投资人并不单一，各个投资人的经济利益必须得到保护，因此企业资产的产权必须明晰，即这些资产产权应进行具体归属。由于企业取得资产所需资金的提供者惟有债权人和所有者，所以企业资产的产权要么归属于债权人，形成企业的负债；要么归属于所有者，形成所有者权益。不同类型的资源提供者对企业的资产拥有的要求权不同。所有者拥有的权益称为所有者权益，债权人拥有的权益称为债权人权益，又称为企业负债。因此上述等式可进一步具体化为：资产＝债权人权益＋所有者权益

即：资产＝负债＋所有者权益（1）

在会计等式（1）中，资产和负债的计量是相对独立地进行，所有者权益总额的计量则不是独立的，而是依赖于资产和负债的计量，是以资产清偿负债后的余额。即债权人权益优先于所有者权益，而所有者权益是企业的所有者对企业总资产扣除全部负债后的剩余资产（即，净资产）的要求权，相对于债权人权益而言，它是一种剩余权益，这是由所有者权益与债权人权益的性质不同决定的。在上述会计等式（1）基础上得出如下会计等式：

资产－负债＝所有者权益（2）

上述等式从静态角度反映了资产、负债、所有者权益之间的数量相等关系。从动态上看，企业的生产经营活动连续不断地进行，每时每刻都会发生经济业务，任何一项经济业务的发生都可能会引起资产、负债、所有者权益发生增减变化。但不论企业在生产经营过程中发生了多少经济业务，也不论资产、负债、所有者权益这三项要素在量上如何发生增减变化，都始终不会破坏这些等式的相等关系，从这个意义上来讲，它们可称为“会计恒等式”。

以上两个会计等式中，由于会计等式（1）反映了资产、负债、所有者权益三项会计要素的关系，它又是会计等式（2）的基础，所以相对来讲，会计等式（1）“资产＝负债＋所有者权益”是其中基本的会计等式形式。

企业发生经济业务后虽然会引起资产、负债和所有者权益发生增减变动，但是这种变动不会影响会计等式的相等关系。然而，企业经营的目的是从营业活动中获取收入，并实现利润。根据利润这一项会计要素的定义，利润是指企业在一定会计期间的经营成果。利润包括收入减去费用后的净额、直接计入当期利润的利得和损失等。利润金额取决于收入和费用、直接计入当期利润的利得和损失金额的计量。

企业进行生产经营活动，一方面必须取得收入，表现为资产的增加或负债的减少；另一方面也将伴随着收入的取得发生相应的费用，费用可表现为企业资产的减少或引起负债增加。于是，根据会计等式（1）和收入、费用的表现形式得出如下等式：

资产＋费用＝负债＋所有者权益＋收入（3）

企业在生产经营过程中会发生各种各样的经济业务。这些经济业务会引起资产、负债、所有者权益、收入、费用、利润这六个会计要素的增减变动。资产、负债、所有者权益的增减变动不会影响“资产=负债+所有者权益”和“资产＋费用＝负债＋所有者权益＋收入”的相等关系；同样，收入、费用、利润的增减变动也不会影响“资产=负债+所有者权益”和“资产＋费用＝负债＋所有者权益＋收入”的相等关系；同时，这两个会计等式反映了会计要素的数量关系，是设置账户、复式记账的依据，所以“资产=负债+所有者权益”和“资产＋费用＝负债＋所有者权益＋收入”都可称为“基本会计等式”。

三、结论与展望

综上所述，本文认为会计等式是指反映不同会计要素之间数量关系的等式，等式中可以纯属会计要素，也可以部分地出现会计要素的合并和拆分。对于资产与权益的关系，本文认为有一定数额的资产，就必然有相应数额的权益，权益总额的多少取决于资产数额，权益与资产在数量上相等，不能认为有多少权益就必然有多少资产。

第5篇：资产的相关系数范文

【关键词】 资产 创业板 资产收益

1. 模型建立

本文使用的财务指标都是相对增长率而非绝对增量。本文采用总资产报酬率（ROA）指标作为因变量来衡量资产的收益，总资产报酬率是对企业资产整体获取收益的能力进行评价的理想指标。该指标值越高，表明企业资产收益水平越高，企业资产质量越优良。在因变量的选取中，分别用净资产不良资产率、固定资产率、总资产周转率和资产现金回收率来表示资产的存在性、结构性、周转能力和变现能力。本文将总资产的自然对数Ln（总资产）作为变量来考察公司规模的影响。变量的解释和说明见 通过以上分析，本文建立的模型如下：

Y=a0+a1X1+a2X2+a3X3+a4X4+a5X5+ε（1）

本文选定2010年188家中国创业板上市公司的年报数据作为研究对象。样本观测值的所有财务数据均来自国泰安数据库。

2. 实证分析

笔者利用Eviews软件对模型（1）进行了普通最小二乘法回归分析，净资产不良资产率、固定资产率、总资产周转率和资产现金回收率与资产收益在整体上是高度显著的。在5%的显著性水平下，不良资产率对资产收益的影响并不显著，其他变量对资产收益的影响都通过了显著性检验。

对回归的模型进行White检验和GB检验，发现其存在异方差但不存在序列相关。通过对各解释变量的相关系数进行分析，笔者并没有发现各解释变量存在多重共线性。为了消除异方差，笔者以1/RESID∧2为权重对模型（1）进行加权最小二乘法回归分析。其结果如表1、2所示。表1反映出所选的5个解释变量对资产收益的整体解释力度非常高（R2高达0.99，P=0.00）。从表2中系数的符号可以看出，在1%的显著性水平下，各解释变量都通过了显著性检验，说明各变量与解释变量之间存在相关性。其中，不良资产率在1%的显著性水平下与资产收益显著负相关；另外固定资产率、资产周转率、资产现金回收率都在1%的显著水平上与资产收益呈显著正相关关系。但是在1%的水平下资产规模与资产收益之间呈现出显著的负相关关系，这可能是由于资产的边际报酬率递减，企业的资产越多，增加的资产带来的报酬率会下降。分析表2中系数的数值可以发现：所选的变量中资产现金回收率对资产收益的影响最大，其系数为0.40，这说明总资产现金回收率每上升1%，总资产报酬率就会上升0.4%；不良资产率的影响次之，其系数为-0.23，表明不良资产率上升1%，总资产报酬率就要下降0.23%；固定资产率、总资产周转率和总资产的影响甚微，其系数分别为0.036、0.068和-0.028。

结论

本文运用188家创业板上市公司为研究对象，选取其2010年的财务数据为依据，选取总资产报酬率作为资产收益性的指标，并用该指标与企业资产质量指标建立回归方程，研究了从资产的存在性质量、结构质量、有效性质量和变现能力质量四个方面对资产盈利能力的影响。现将本论文的主要研究成果总结如下：（1）不良资产的存在是制约我国创业板上市公司资产盈利能力的主要因素之一，不良资产比率越高，企业资产的回报越低。（2）企业的资产结构越合理，企业成长能力越强。企业优化其资产结构，从而提高企业资产的盈利能力。（3）资产周转率对我国创业板上市公司资产收益能力有促进作用，企业应基于自身行业特点和资产特性来调整资产的周转效率，使之能有效提高企业资产的盈利能力。（4）资产的变现能力与企业资产盈利能力呈正相关关系，说明企业资产的变现能力越强，企业的资产利用效益越好，企业资产盈利能力越强，经营管理水平越高，而且在所选的变量中，资产的变现能力对资产的收益能力影响最大。（5）资产规模与企业资产的收益呈负相关关系，说明企业资产越多，总资产报酬率就越低。但是从回归的结果来看，资产规模对资产收益的影响并不是很大。

参考文献：

[1] 刘殿强.企业资产质量评价研究[D].北京：中国农业大学，2007.

[2]干胜道，王生兵.试论企业资产质量优化与评价[J].四川大学学报，2002，（5）：49-52.

[3]王生兵，谢静.浅析企业资产质量[J].软科学，2000，（4）：17-19.

[4]张春景.我国上市公司资产质量评价的实证分析相关[J].财会月刊，2006，（7）：19-21.

[5]宋献中，高志文.资产质量反映盈利能力的实证分析[J].中国工业经济，2001，（4）：78-81.

[6]贺武，刘平.基于盈利能力的沪市上市公司资产质量实证研究[J].财会月刊，2006，（2）：19-20.

第6篇：资产的相关系数范文

娄文妍、岳晓光（2012）提出用隐含语义统计模型结合的方法探讨企业资产结构和营运能力存在的相关性[5]。杜剑、刘洁（2013）以10家白酒企业上市公司为样本，采用逐步回归法，得出企业营运能力与盈利能力正相关，企业流动资产周转率的提升可以达到未来年度增加利润的目的[6]。知识经济时代，企业之间的竞争已不仅是物质与物质之间的竞争，更重要的是知识与知识的竞争。以知识为核心的智力资本，已经成为企业获取竞争优势、价值创造和绩效提升的战略性资源。学者南星恒（2013）认为智力资本是以个人智力资本为根源的、企业拥有的、能够创造价值的知识资本，这种知识资本是在企业内外环境共同作用的基础上形成的具有一定价值创造能力的组织知识[7]。同时，他将智力资本按三元论来进行划分，即将智力资本划分为人力资本、结构资本和关系资本，并将结构资本进一步划分为创新资本和流程资本。人力资本是员工知识与技能的总和，它凝结在个人体内，通过个人对物质的能动作用，使企业物质资本效用最大化。创新资本是企业投入于企业研发创新活动的资本，它是企业获取竞争优势的动力，其价值的实现在于企业各项专利技术或专有技术的形成。流程资本是企业投入用于维护企业内部良好运营，维持企业形象的资本。关系资本是企业为了保护其利益相关者（如客户、供应商、政府等）关系而投入的资本。马弗蒂斯（Marvidis，2004）以日本银行业为样本，研究智力资本与银行绩效的相关性，结果证明企业价值与物质资本有正相关性，但能够将智力资本良好运营的银行，其价值增值更为显著[8]。傅传锐（2007）选取2002～2004年A股信息技术业上市公司为样本，研究得出人力资本和物质资本对企业绩效具有显著的正向影响，且随着公司业绩的不断提高，两者的效应分别表现出逐步增强和减弱的相反的趋势，只有在运营较佳的公司中结构资本才会对企业绩效产生积极影响[9]。李冬伟、李建良（2011）以我国高科技企业为样本，采用探索性和验证性因子分析的实证研究方法，以知识价值链为理论基础确定智力资本构成要素，研究结果表明，不同的智力资本要素在企业价值创造的过程中所起的作用不同[10]。纵观国内外有关营运能力与企业智力资本的研究，大部分学者致力于营运能力影响企业盈利能力、资产结构和企业绩效以及智力资本与企业绩效、发展能力关系的研究，鲜有探索企业对智力资本的投入与企业营运能力的研究。因此本文从财务指标着手，考察智力资本投入与企业营运能力的相关关系。本研究拟运用实证研究的方法探讨智力资本与营运能力相关因素的关系，以进一步完善相关理论。

二、研究假设

企业的资产是指某一经济实体拥有或控制的、能够带来经济利益的全部资产。按照其流动性可将其分为流动资产与非流动资产。流动资产是企业具有流动性的资产，是企业进行盈利活动的主要工具。企业资产的流动性，一般是指企业资产转换为现金的能力。车嘉丽（2009）认为流动性可从短期和长期两个角度来考虑，长期流动性或结构流动性表现为资产和资本的最佳构成，影响企业现金获取的能力；短期的或实际的流动性，影响企业即时支付能力[11]。企业对智力资本的投入，目的是为了实现经济增长和收益的增加，从而实现资本增值。优质的员工培训、良好的流程运营、可靠的客户关系及企业具有活力的创新活动，都可以使企业现金获取能力增加，及时支付能力变强，也就是使企业资产具有流动性。长期资产，或称非流动资产，是企业持有的、没有及时变现意图的资产，其主要作用是维持正常的生产经营活动，保证企业生产的有序进行。长期资产周转的快慢，主要由企业非流动资产存量及当期收入的实现来决定的。而智力资本是企业长期投资累计得到的结果。企业智力的结晶形成了智力资产，其变现能力差。企业对智力的投资决定了企业智力资产规模大小的同时，它又影响着企业其他长期资产的周转，企业内部流程的良好运营以及对利益相关者关系的投资决定了企业收入的实现，研发创新活动也可以提升企业营运能力，为企业创造价值。因此，企业对智力资本投资影响企业流动资产与非流动资产的过程，也就是影响企业总资产的过程。基于此，我们提出以下假设：H1：人力资本投入与企业总资产周转率存在正向关系。H2：关系资本投入与企业总资产周转率存在正向关系。H3：创新资本投入与企业总资产周转率存在正向关系。H4：流程资本投入与企业总资产周转率存在正向关系。针对以上假设，本文建立回归模型：TATit=α0+α1HCit+α2CCit+α3InCit+α4PCit+α5Size+α6Mperce+α7Bdiligent+α8Dposition+α9Committees+ε其中，it代表第i个样本第t期，IT表示存货周转率（InventoryTurnoverRatio），RT表示应收账款周转率（ReceivablesTurnoverRatio），CT表示流动资产周转率（CurrentAssetsTurnoverRatio），LT表示（LongTermAssetsTurnoverRatio），HC表示人力资本投入（HumanCapitalInvestment），CC表示关系资本投入（ClientCapitalInvestment），InC表示创新资本投入（InnovationCapitalInvestment），PC（Proce-dureCapitalInvestment）表示流程资本投入。此外，企业资产规模会影响规模效应、议价能力等，同时也会影响企业竞争力，导致绩效方面的差异，因此本文选用企业规模（SIZE）作为控制变量。而公司治理的好坏，也决定了企业营运效率是否良好。因此，本文也采用管理层持股比例（Mperce）、董事会勤勉度（Bdiligent）、两职合一（Dposition）以及四委个数（Committees）作为控制变量，以提高回归方程拟合程度。其中，①企业规模（SIZE）：企业总资产的自然对数。②管理层持股比例（Mperce）：管理层成员持股数/总股数。③董事会勤勉度（Bdiligent）：Ln（1+董事会开会次数）。④两职合一（Dposition）：董事长与总经理是否为同一人，是为1，否则为0。⑤四委个数（Committees）：Ln（1+董事会专门委员会设立个数）。

三、实证研究

（一）变量选取

1.指标选择本文描述企业的营运能力，采用总资产周转率作为衡量指标。其度量指标，本文采用销售收入/期末总资产平均余额，期末总资产平均余额=［（期初总资产余额）+（期末总资产余额）］÷2。针对智力资本的指标选取，本文支持学者南星恒（2013）的观点，智力资本的形成都是企业从设立以来长期不断积累的结果，是智力资本投资的结果[7]。对于智力资本度量的指标选取上，进行如下改进：用支付给职工以及为职工支付的现金替代应付职工薪酬来描述人力资本投入，原因是企业各期计提的应付职工薪酬不一定都以现金方式分配给职工，各期应付职工薪酬中存在一部分重复；用2007年无形资产总额与6年研发支出合计额替代无形资产来描述创新资本，原因是企业无形资产里包含有与企业创新活动无关的土地使用权等，其对无形资产的影响较大，同时，我国大多数上市公司对研发活动的不重视导致研发支出为零，只用研发支出也无法完全反映出企业的创新资本；用管理费用代替各会计年度支付其他与经营活动有关的现金，原因是现金流量表中的该项目包括捐赠现金支出、罚款支出、支付的差旅费、业务招待费现金支出、支付的保险费等，其他现金流出如价值较大的，应单列项目反映，这一项目并不能够全面反映企业良好的内部运行，对流程资本的描述欠妥。2.数据样本选择本文选取新会计准则实施后2007~2012年间所有在上海和深圳证交所进行交易的A股上市公司作为初始样本（共1479家上市公司），并对样本公司按如下顺序进行筛选：（1）剔除新会计准则实施后上市的公司；（2）剔除期间曾被ST、PT以及退市的上市公司；（3）剔除期间任一年度所需变量数据缺失的上市公司。同时，根据中国证监会（CSRC）制定的《上市公司行业分类指引》（2012年版），选择了沪深两市1040家上市公司2007~2012年间连续6年的平衡面板数据。所有财务数据取自CS-MAR（国泰安）数据库。

（二）实证分析

1.描述性统计从相关性分析表中可以看出：企业智力资本投入中，人力资本投入均值最大，流程资本投入次之，关系资本投入较少，而创新资本投入最小。关系资本标准差最大，流程资本标准差最小，总资产周转率均值为0.618，标准差为0.338。智力资本各要素与企业营运能力的相关关系中，总资产周转率与企业人力资本投入，关系资本投入和流程资本投入在1%的水平上存在正相关关系，说明企业智力资本的投入对企业营运能力存在积极的推动效应。而与创新资本的相关性并不显著，其原因可能是我国企业对研发创新活动的不重视导致的。控制变量与营运能力的相关性中，企业规模对总资产周转率、高管持股比例、两职合一、四委个数的相关性不显著，董事会勤勉度与总资产周转率在1%的显著性水平下存在负相关关系。2.回归分析通过回归系数表可以看出，模型R2和Adj.R2均大于0，F值均在1%的水平上显著，说明该模型有较好的拟合度，可用该回归直线解释。D-W值在2附近，说明模型不存在自相关性。从其回归结果来看，上市公司总资产周转率与其人力资本投入、关系资本投入和流程资本投入存在正相关关系，且都通过了T检验，这支持了假设1、假设2与假设4，说明企业对人力资源、客户关系、流程维护的投入，能够提高企业的营运效率，而创新资本的投入与企业总资产周转率存在负相关关系，并且通过了T检验，拒绝了假设3，其原因一方面由于国内企业对研发创新活动的不重视，另一方面由于无形资产中包含了土地使用权的价值，致使对创新资本的度量不够精确。

四、结论与讨论

第7篇：资产的相关系数范文

关键字:外商直接投资;产业集聚;地理集中

早期的产业集聚被界定为“产业区”,现在,将其称之为产业集群,或者称簇群经济、集聚经济。鲁格曼阐明产业集聚是建立在递增收益和简单的金钱外部性基础上的集聚和产业活动的集中。Arthue(1998年)认为,当假设递增收益、历史的积累或路径依赖和区位的“锁定”时,产业活动可能的结果是地方化集聚。而波特(2002年)则认为产业集聚是指在某一特定领域中,大量产业联系密切的企业以及相关支撑机构在空间上集聚,并形成强劲、持续竞争优势现象。Philippe Martin和Gianmarcol Pottaviano(2001年)综合了克鲁格曼(Krugman)的新经济地理理论和Romer的内生增长理论,建立了经济增长和经济活动的空间集聚区,由于降低了创新成本,从而刺激了经济增长。

Guimaraes P O认为,地理仍然是国际收入不平衡的重要因素,是产业集聚的重要条件。Birkinshaw.Julian和Soivell.Orjan对产业集聚的强度影响产业集聚内企业绩效的途径进行了研究。Enright Michael J.认为在均衡发展的条件下,产业集群数量太小。

国内,唐杰等(1989年)对城市工业集聚的效果绩效进行了实证研究,对天津主要工业部门集聚经济加以度量,提出了内部集聚经济(ISE)、布局集聚经济(LOC)和城市集聚经济(UBE)。吕玉印(2000年)在《城市发展的经济学分析》中,以集聚效应与土地利用的关系为切入点,阐明城市经济运行以及城市发展内在的规律性。

魏后凯对中国制造业集中与市场结构的关系做了具体实证分析。梁琦博士(2004年)解释了中国产业集聚的三大基本因素―运输成本、规模经济和外部性,在此基础上,继续考察市场因素,包括地方寻求、产品差异化、市场关联度和贸易成本对产业集聚的影响,并进一步探讨了产业集聚中的知识溢出问题。朱英明(2003年)则对长江三角洲地区外商企业空间集群进行回归分析,画出限制模式路径图了。

盖文启博士(2002年)构建了区域创新网络的理论体系。周维颖(2004年)结合江浙一带的乡镇企业集聚区做出了理论概括,“一种弹性专业化的创新企业集群在一定经济空间集聚的地区发展模式”。作者认为,地方产业集聚是综合的研究体,既要迅速将国外的研究成果消化吸收,同时还要注意把国内现有的产业集聚变化的机理、趋势和条件进行深入分析和验证,实现产业集聚理论与实践的有机融合。

某地区近年来外资流入的迅速发展为研究FDI区位以及产业集聚与FDI流入的关联提供了富有价值的样本。因此,本文将运用实证分析手段对此进行深入探讨,确定FDI与关中地区产业集聚之间的关系。下面运用多元统计分析的方法通过分析跨国公司区位选择的影响因素来辨析区域集聚水平在其中的重要性。

1、模型和方法

1)指标选取

本文参考前人的相关研究成果,在差异性原则、替代性原则、可定量性原则和主导性原则的指导下,从国际直接投资区位的一般理论出发,结合本文对陕西省FDI流入的分析观察,选取以下15个指标来分析外商直接投资区位选择的影响因素,如表1所示

表1 指标选取说明

2)方法介绍

①因子分析

由于所选取的变量之间不可避免地具有强相关性,为避免这种多重共线性的影响,本文引入因子分析法,因子分析(Factor Analysis)是用较少个数的公共因子的线性函数和特定因子之和来表达原来观测的每个变量,从研究相关矩阵内部的依赖关系出发,把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。当这几个公共因子(或综合因子)的累计方差和(即贡献率)达到85%或95%以上时,就说明这几个公共因子集中反映了研究问题的大部分信息,而彼此之间又不相关,信息不重叠。因子分析法的应用主要有两个方面,第一个是寻求基本结构,简化观测系统,减少变量维数:第二个是对指标或样本进行分类。

因子分析方法主要有5个步骤:第一,为了消除量纲的差别,对原始数据进行标准化转换;第二,检验待分析的原有若干变量是否适合于因子分析;第三,用因子分析法估计特征值与贡献率,依据累计贡献率90%的原则确定主因子的个数K,并确定每个主因子对各解释变量的因子载荷系数;第四,对主因子变量进行命名解释;第五,计算主因子变量值。

FNK=(z X')NJ×AJK

其中F为主因子变量值矩阵,X'为标准化后的原变量矩阵,A为主因子得分系数矩阵,N为样本量,K为主因子的个数。

②回归分析

将因变量与计算出的主因子变量进行多元统计回归分析,构造模型如下:

Y'=B0+∑BiFi= B0+FNK×BKJ

其中Y'是标准化后的实际利用外资;B为回归系数矩阵,i=1,2,…,k将式((3)带入式(4)得:

Y'= B0+ (z X')NJ×AJK×BKJ= B0+ (z X')NJ×AJK×BKJσJK

其中σJK为标准差,AJK×BKJσJK为原解释变量对利用外资额的弹性。以上分析均通过软件计算来运行。

2、数据分析

1)因子分析

①判断数据是否适合因子分析

通过软件计算得相关系数矩阵R,初步从相关系数矩阵R可以看出,14个指标之间存在很强的相关性,说明14个指标反映的信息量存在很大的重叠,因此变量个数可以通过因子分析法精简和分类。本文采用KMO统计量和Bartlett's球形检验进行因子分析适宜性检验。

表2 KMO和Bartlett's球形检验

由表2可知,检验变量间偏相关性的KMO统计量为0.7,因此各变量间的相关程度无太大差异,数据适合做因子分析且效果比较好。在由Bartlett球形检验,可知各变量的独立性假设不成立,因此各指标之间并非独立,取值是有关系的。此结论和相关系数阵提供的信息相一致,故因子分析的适用性检验通过。

②计算因子载荷和共同度

由相关系数矩阵R计算得到特征值、方差贡献率和累积贡献率,如表所示,前三个因子的特征值均大于1,其累计贡献率为84.329%,但考虑到实际情况及第四因子、第五因子的方差贡献率分别为6.826%和5.064%,因此为尽量多的提取信息,又加入了第四因子和第五因子。所以前五个因子的方差贡献率达到了96.22%,这说明这五个因子对14个解释变量对实际外商投资具有96.22%的解释能力。

表3 因子特征值及其贡献度

另外我们还可以从碎石图中看出,各个因子的贡献率大小,后面的特征值的贡献率越来越小,见图1。

图1 碎石图

③因子载荷系数矩阵和旋转后的因子载荷系数矩阵

表4是各解释变量在前5个因子的载荷系数矩阵,为了使各因子的含义更加清晰,采用了方差最大化正交旋转,旋转后的因子载荷见表5。可以看出,旋转后的因子载荷明显向两极分化。

表4 因子载荷系数

表5 旋转因子载荷系数

从表5可以看出第一因子对X1GDP,X6内资企业数、X7内资总产值、X9外资总产值、X11在岗职工平均人数的因子载荷系数都较其他的要大,说明这些变量和第一因子之间有着较强的相关关系;而第二因子对X8外资企业数、X12在岗职工年平均工资有较大的载荷系数;第三因子则对X10单位面积固定资产投资有较高的载荷系数;第四因子对XS工业化率、X13第三产业比重有较大的载荷系数;第五因子对X14人均教育事业支出较之其它的载荷系数要高。

综合上面的结果,我们可以看出,与第一因子密切相关的这四个变量从不同侧面反映了经济规模和经济发展水平,我们称之为经济发展水平因子,该因子解释原变量的贡献率为61.917%;第二因子代表的两个变量都反映了劳动力的成本,可称为劳动力成本因子,该因子的贡献率为12.276%。第三个因子代表的单位面积固定资产投资变量反映了当地的基础设施情况,可称之为基础设施环境因子;第四个因子代表的工业化率和第三产业比重,反映了工业发展水平,可称之为产业发展因子;第五个因子反映了技术创新能力,可称为技术创新因子。

2)回归分析

接下来,运用得到的因子得分系数矩阵(表6),进一步得到各个样本单位的5个因子变量值,然后将因变量实际利用外资(Y)与这5个变量进行统计回归分析。

表6 因子得分系数矩阵

因为各主因于之间几乎没有相关关系,所以各变量之间避免了多重共线性。进行回归分析,得出的结果显示DW=2.250,可以认为扰动项无自相关;相关系数R=0.976,判定系数R2=0.953,这些都说明回归方程对样本有较好的拟合。最后得到未标化因子回归系数和标化因子回归系数,见表7。

表7 未标化因子回归系数和标化因子回归系数

然后将因子得分系数矩阵与未标化系数矩阵、标化系数矩阵相乘,再将变量还原到原变量,即可得到原解释变量对实际利用外资的影响系数,见表8。

表8 变量回归系数

3、结论

1)经济发展水平因子是吸引外资最主要的因素

经济发展因子每变化1个单位,将引起利用外资额0.954倍的变化。其中在岗职工平均人数对利用外资额具有最大的弹性0.9935,反映了在岗职工平均人数每变化1%,利用外资额将变化0.9935%:其次是外资企业数0. 9746,内资企业数0. 9708,内资总产值0. 9639 ,GDP为0. 9331。这说明地区经济发展水平对外资有很强的吸引力,尤其是当地丰富的劳动力、地区内外资的企业数、较高的经济规模都是吸引外资的重要因素;充分表明区域经济发展水平越高,吸引的外商直接投资越多。

2)基础设施环境因子是吸引外资的次重要因素

基础设施环境因子每变化1个单位,将引起利用外资额0.214倍的变化。便捷的交通设施以及发达的通讯、物流虽然对吸引外资也有正方向的影响,但和上面经济发展水平因子里的几个因素比较,作用较小。

3)产业发展因子是吸引外资的第三重要因素

产业发展因子得分每变化1个单位,将引起实际利用外资额0.152倍的变化。其中第三产业比重的影响系数为0. 7894,即第三产业比重每变化1个百分点,外资额将会变化0. 7894%,工业化率对利用外资的弹性为0.1339,这两个解释变量对利用外资均有较大的影响,第三产业比重是所有解释变量中弹性较大的几个因素之一。大量第三产业在关中地区的聚集以及东部沿海部分产业向西转移的契机都是吸引外资的重要因素。

4)劳动力成本因子和技术创新因子是吸引外资的次因素

第8篇：资产的相关系数范文

关键词：综合资源管理系统；资源资产管理；资源质量管理；在线设计平台；物联网；5G

引言

近年来随着移动通信技术与互联网技术的结合发展，电信运营商网络资源不断扩张，业务资源更加纷繁复杂[1]。为了加强对现网多种资源的管理及应用，优化资源结构提高网络资源的利用率和合理性，提高电信运营商面向网络的管理能力、面向业务的提供能力，电信运营商提出网络资源综合管理，实现包括集网络调度、设备管理、业务管理于一体的资源综合管理系统，从而更好的支撑电信业务的提质增效发展[2]。

1系统现状

综合资源管理系统作为xx省移动网络资源管理平台，经过前期建设已实现对现网全专业的数据进行集中化和规范化的管理；规范了家客业务、集客业务的管理流程和网络割接流程中资源的标准化管理；并与周边网管系统打通了接口，实现数据互通共享，对部分上层应用系统提供了数据及应用支撑。目前综合资源管理系统在数据接入、功能实现以及接口协作等层面均取得了一定提升。统一采集平台将采集的原始数据共享至综合资源管理平台，在采集层对原始数据进行清洗、对比等处理后，存储在管理平台的数据库中[3]。数据管理层对资源数据库中存储的数据进行规范化管理，满足后端服务层和应用层需要。服务层作为应用层与数据管理层中间件，根据应用层的需求，以数据管理层数据为基础，像应用层提供对应服务。xx省移动资源管理系统按集团统一要求采用分层的软件结构，软件从下至上分为采集适配层、数据管理层和应用功能层，每层只需要关心本层的数据、业务逻辑和业务实现，层与层之间通过标准接口进行交互，能更好的实现系统的可扩展性[4]。系统基于跨平台的J2EE架构设计实现，采用主流的B/S模式，为用户提供高效的系统应用[5]。（图1）随着综合资源管理系统的应用逐步深入，综合资源管理系统在资源数据质量、规范化、精细化管理方面还存在诸多不足，需要进一步提升网络资源管理能力。

2方案与建议

为了有效提升综合资源管理系统的资源管理能力，满足业务支撑需求，发掘资源内在价值，反向精准倒推业务发展，综合资源管理系统需要资源资产管理、资源质量管理、在线设计平台、集客业务支撑、面向物联网及5G等新业务支撑能力几个方面加强综合资源管理系统的能力。

2.1资源资产管理

2.1.1系统接口现网各专业资源与资产关联平台完成地址、设备绑定后，将绑定信息推送给资产管理平台，并定时将资产系统的资产信息推送至资源与资产关联平台。接口同步方式：FTP接口协议。接口同步内容：地址编码、资源与资产映射关系编码、无线资源编码、无线资源名称、资产编码、资产名称。

2.1.2资源管理资产资源对应关系管理：对资源和资产的对应目录进行管理，按照规则方式进行管理。对资产关联工具及资产关联的合理性核查进行支撑。资产关联工具：通过查询资源侧统一地址和资产侧地址，对两边的地址进行映射关联。资产关联核查：根据资产资源对应目录关系，对资产资源关联合理性、关联性进行核查，并对核查结果进行呈现。资产关联任务管理：对未关联的资源，根据工作量分批次选择资源范围，制定出资产关联任务，派发给相关责任单位进行处理。

2.1.3资产管理资产的管理需根据项目建设流程建立资产全生命周期的管理流程，包括如下：入网资产关联管理：通过资源入网清单和资产转资清单的双向同步，映射审核，实现资源入网和资产转资的一体化管理，使得资源在入网时即实现资源和资产的准确映射。割接资产关联管理：通过资源割接清单和资产调整清单的双向同步，映射审核，实现资源调整和资产替换同步，并实现资源资产映射关系的实时修改。清退资产关联管理：通过资源退网清单和资产清退清单的双向同步，映射审核，实现资源退网和资产清退的同步进行，达到资产清退即资源退网。

2.2资源质量管理

2.2.1动环资源管理将动环数据中动环CSC唯一编码与KJ设备编码一一对应的数据进行整理；将动环CSC唯一编码与KJ设备编码不能匹配的数据分为匹配为空、匹配错误、匹配多个的三类报表分别呈现在系统中；通过动环唯一编码匹配的方式成功数据入动环集团最小集19个新建模型中；后续用户整改的数据通过后台脚本定时更新到集团最小集19个模型中。

2.2.2传输资源管理基于入网规范化要求，对传输SDH、PTN、PON、波分、RTN等设备的采集指标做改造，不允许直接入现网库，需接入入网规范化分析系统生成对应入网申请单；对于新采集传输设备做集中化空间归属和状态同步，只有通过集中化数据归属的传输设备现网才可查，才可用。支持新入网设备并发拓扑采集，并根据拓扑进行物理连纤制作和物理链路分析；基于业务合规性和物理合规性两个维度对入网网元的入网链路进行分析[6]。

2.2.3集客资源管理以集团客户为入口，关联集团客户相关业务，业务相关专线，专线相关设备方式对巡检资源进行选定，通过流程+APP端相结合的方式进行巡检；从高维到低维、逻辑到物理的拓扑关联能力，以实际现场光缆中断这种物理场景反推对专线业务的影响，同时通过同路由分析判断该光缆中断是否影响保护路由，以此推断对集客业务的影响[7]。

2.3在线设计平台

通过开展传输外线资源的全生命周期管理与数据质量提升，科学有效地将工程设计纳入到系统管理中，有必要进一步深入研究目前传输外线工程在设计阶段的管理模式与实现模式，以便更好的提高工程设计的质量与效率，提供更准确及时的系统数据[8]。在线设计覆盖管道工程、线路工程，聚焦设计，融合时间、人员、位置、对象、动作五要素，具有互联网化页面方案，基于位置的可视化线上在线设计工具[9]。

2.4新业务支撑

物联网专线业务：针对物联网业务实现不同承载模式下，实现物联网专线的勘察、开通、变更、停闭等功能，使原本串行的流程转并行，实现物联网业务端到端售中建设统一电子化、平台化、可视化[10]。5G网络资源管理：根据业务5G业务发展，实现5G资源模型及数据的管理能力，包括新增5G基站（G-NODEB）、5G小区（NR-ULTRACELL）、BBU池资源管理，改造升级现有的BBU、RRU、天线、板卡、端口模型支持适配5G资源的；并实现5G设备面板图可视化呈现[11]。

第9篇：资产的相关系数范文

[关键词] 收入分配差距 贸易顺差 相关分析 因果分析

1 福建省贸易顺差现状

近年来，在国家政策的扶持下，福建省经济和进出口贸易发展氛围良好，进出口贸易总额由1981年的108272万元增加到2010年的73638807万元；与此同时，福建省的对外贸易顺差规模也急剧扩大，1995年福建省贸易顺差突破百亿元大关，2006年突破千亿元大关，虽然2009年受经济危机影响有所减少，但2010年贸易顺差又明显增长，高达23155739万元。

2 福建省收入分配差距现状

2.1 城乡居民收入增长存在差异

近年来，福建省经济增长势头强劲，带动了福建居民收入的增长。从2000年～2010年的数据绝对值来看，始终是人均GDP高于城镇居民可支配收入，而城镇居民可支配收入又高于农民人均纯收入。从增长速度来看，除了个别年份收入增长速度快于GDP增长，基本上都是收入增长落后于GDP增长，而且城镇居民收入增长速度要比农民收入增长要快。从图1可以看出，近年来城镇和农村居民收入增长速度已越来越接近，2010年城乡居民收入增长速度基本持平。随着政府对农民收入扶持政策的不断推出，预计将出现农村居民收入增长快于城镇居民的趋势，见图1。

2.2 城乡居民收入差距逐年扩大

城镇居民可支配收入主要用于消费和储蓄，而农民纯收入除了用于消费和储蓄外，还有一部分用于次年扩大再生产的支出，如果扣除扩大再生产支出，那么城乡收入差距就更大。图2是从2000年至2010年福建城镇居民人均可支配收入与农村居民纯收入之比的折线2.3 城乡居民收入差距总体不尽合理

2010年，福建省城镇和农村的基尼系数分别为0.350和0.365，从数据上看似乎合理，都在国际警戒线0.4之内。从基尼系数看，城镇居民间收入差距变化并不十分明显，但应该看到农村的基尼系数基本呈现逐年增长趋势。由于统计年鉴把城镇和农村的基尼系数分开计算，可通过发展经济学家Sundrum（1990）介绍的适用于不重叠人群（富人和穷人）分组的基尼系数分解方法来估算全省居民收入分配的基尼系数（计算结果见图3）。据笔者估算，从2004年开始，福建省基尼系数已超过0.4。有数据显示，我国收入最高的10%群体和收入最低的10%群体的收入差距，已经从1988年的7.3倍上升到目前的23倍，可见城乡居民收入差距总体越来越不合理。

3 贸易顺差与收入分配差距的关系

劳动保障部劳动工资司司长邱小平2007年7月17日在中国政府网进行在线访谈时表示：“长期以来，我国相对低成本的劳动力资源优势，为经济持续快速发展发挥了重要作用，但是在当前国家经济结构深刻变革和经济全球化背景下，如果长时间保持普通职工工资偏低或者增长缓慢的状况，它的弊端也将逐步显现出来，体现在不仅会拉大社会收入分配差距，也不利于促进消费。”邱小平指出，这也是导致我国贸易顺差居高不下的原因之一。由于收入分配差距过大，低收入群体大，导致消费率过低，无法通过需求拉动经济增长，因而只能通过出口模式维持经济增长，导致贸易顺差。笔者对这个链式反应逐一实证分析如下：

3.1 相关分析

为了考查收入分配差距与贸易顺差这两个因素之间的相关关系，选用福建省1990年～2010年的数据，用城乡整合基尼系数来反映收入分配差距。用SPSS软件进行二元变量相关分析，得到：收入分配差距与贸易顺差的相关系数为0.885，P值为0.000，说明收入分配差距与贸易顺差在1%的显著性水平上存在高度相关关系。

3.2 因果分析

在两者存在高度相关关系的基础上，笔者试图探索二者间的因果关系，仍沿用福建省1990年～2010年的数据，采用Eviews软件进行因果分析，得到分析结果如下表，从结果来看，基尼系数的增长会导致顺差扩大，可见收入分配差距变大是导致顺差的原因，而顺差并非导致收入分配差距变大的原因。这也证实了邱小平的观点，即收入分配差距过大是导致我国顺差居高不下的原因之一。

3.3 链式反应分析

3.3.1 收入分配差距过大导致消费率过低

截取福建省城镇居民1990年～2010年的GINI系数、平均每人可支配收入、平均每人消费性支出数据，消费倾向=消费性支出/可支配收入；以GINI系数作为收入分配差距的代表，消费倾向即消费率，来考查收入分配差距对消费率的影响。

相关分析的结果是，城镇居民的GINI系数和消费倾向的相关系数是-0.9315，P值为0.000，说明城镇居民的GINI系数与消费倾向在1%的显著水平上高度负相关关系，也就是消费率和收入分配差距是呈反方向变动的。由于相关系数较接近于-1，所以应进一步对二者进行回归分析，以GINI系数为自变量X，以消费倾向为因变量Y，复相关系数的平方（即决定系数）为0.8677，说明消费倾向的86.77%是由GINI系数来决定的，模型方差分析的结果P值为0.000，说明回归方程有效；且回归模型系数的相伴概率即P值都是0.000，说明回归方程拟合得非常好。回归方程为：Y=1.1613-1.3217X。

根据回归方程，求出各年消费倾向的理论值与实际值进行比较，发现根据回归模型计算的消费倾向的理论值和实际值在1992年以后都比较接近。可见，GINI系数对消费倾向的变动有极大的负面影响力，换言之，收入分配差距扩大会导致消费率过低。

3.3.2 消费率低无法通过需求拉动经济增长

从按人均可支配收入分组的城镇居民消费倾向和按收入高低五等分分组农民消费倾向可以看出，不管是城镇居民还是农村居民，富人的消费倾向都较低、穷人的消费倾向较高，然而穷人能用于消费的金额是非常有限的。截取1990年～2010年的福建省数据，以最终消费对经济增长拉动的百分点作为需求拉动经济增长的指标。从相关分析的结果来看，需求对经济增长拉动百分点和消费率的相关系数是0.5903，P值为0.005，说明需求对经济增长拉动百分点和消费率在1%的显著水平上呈中度正相关关系。也就是说，消费率低在一定程度上导致无法通过需求拉动经济增长。

3.3.3 投资消费比例失调导致投资过量

一般居民的收入无非两个用途，一是消费，二是投资。高收入者消费倾向低，投资意向高。这样的结果是，投资与消费的比例失调，导致投资过量。由于投资分为实物投资和金融投资，实物投资以固定资产投资为主，而金融投资的数据收集不易，所以用固定资产投资来代替投资，截取福建省1990年～2010年的数据。从相关分析的结果来看，投资消费比例和固定资产投资的相关系数是0.80996，P值为0.000，说明投资消费比例和固定资产投资在1%的显著水平上呈高度正相关关系。因而以投资消费比例为自变量X，以固定资产投资额为因变量Y进行回归分析，得到复相关系数的平方（即决定系数）为0.65603，说明固定资产投资的65.603%是由投资消费比例来决定的，模型方差分析的结果P值为0.000，说明回归方程有效；且回归模型系数的相伴概率（即P值）是0.000，说明回归方程拟合程度高。回归方程为：Y=-3570.355+17853.627X（单位：亿元）。

从方程可以看出，固定资产投资与投资消费比之间是正相关关系，固定资产投资随着投资消费比的增长而增长。近年来福建省的投资增长率明显高于消费增长率，投资消费比例严重失调，因而固定资产投资速度过快，2003年至2005年固定资产投资增长率都高于20%，到了2006年、2007年，固定资产投资增长率更是突破30%，福建省经济明显过热；2008年和2009年因受经济危机影响有所下降，而2010年又高达30.04%。可见，我省如果没有调整好投资消费比例，投资过量的现象无法避免。

3.3.4 投资过量导致贸易顺差

本文截取的数据是1990年～2010年的福建省贸易顺差与固定资产投资的数据。从相关分析的结果来看，贸易顺差和固定资产投资的相关系数是0.94639，P值为0.000，说明贸易顺差和固定资产投资在1%的显著水平上呈高度正相关关系。

以固定资产投资为自变量X、贸易顺差为因变量Y进行回归分析，复相关系数的平方（即决定系数）为0.89565，说明贸易顺差的89.565%是由固定资产投资来决定的，模型方差分析的结果P值为0.000，说明回归方程有效；且回归模型系数的相伴概率（即P值）是0.000，说明回归方程拟合得很好。回归方程为：Y=41.83078+0.32969X（单位：亿元）。根据回归方程，求出各年贸易顺差的理论值与实际值进行比较，发现理论值和实际值基本是重合的。因而就验证了固定资产投资过多极大程度上会导致贸易顺差。

综上所述，贸易顺差的根源是收入分配差距。巨额的贸易顺差在一定阶段内促进了中国经济的增长，增加了外汇储备，增强了综合国力；同时也给人民币带来了升值压力。笔者认为，要平衡贸易，首先要进行收入分配调整，缩小收入分配差距。除了在制度上保证收入分配公平外，政府还可以制定指导性经济发展政策，如向第三产业倾斜的产业政策，以保证第三产业对居民收入分配的调节作用。

参考文献：

[1] 董静， 李子奈.修正城乡加权法及其应用——由农村和城镇基尼系数推算全国基尼系数[J].数量经济技术经济研究，2004（5）： 120-123.