短期证券投资范文

2024-08-15

短期证券投资范文（精选11篇）

短期证券投资第1篇

随着市场经济的发展,企业理财观念与资本运作能力的增强,对外投资对企业日益重要。2006年2月15日财政部颁布的新企业会计准则,有关投资的确认、计量、核算和披露的准则与2001年颁布的企业会计准则相比发生了较大的变化[1]。

1 核算特点分析

原准则将投资按可变现性和目的不同分为短期投资和长期投资。短期投资通常易于变现,且持有时间较短,不以控制被投资单位为目的。作为短期投资应当符合两个条件:一是能够在公开市场进行交易,并且有明确市价,例如各种上市的股票和债券;二是持有投资作为剩余资金的存放形式,并保持其流动性和获得性。不符合上述条件的投资作为长期投资。长期投资分为长期债权投资和长期股权投资。新准则将投资按照目的不同分为以公允价值计量且其变动计入当期损益的金融资产、持有至到期投资、可供出售金融资产和长期股权投资,见表1。

以公允价值计量且其变动计入当期损益的金融资产分为交易性金融资产和直接指定为以公允价值计量且其变动计入当期损益的金融资产。交易性金融资产类似于原来的短期投资,可以分为三类[2]:一是为了近期内出售的金融资产,比如:企业以赚取差价为目的从二级市场购入的股票、债券、基金等;二是属于进行集中管理的可辨认金融工具组合的一部分,且有客观证据表明企业近期采用短期获得方式对该组合进行管理;三是属于衍生工具。直接指定为以公允价值计量且其变动计入当期损益的金融资产,主要是企业基于风险管理、战略投资需要等所作的指定。比如,企业准备运用衍生工具对某持有至到期债券投资进行套期保值,但由于套期有效性未能达到套期保值准则规定的条件而无法运用套期会计方法。这种情况下,将该持有至到期债券投资直接指定为以公允价值计量且其变动计入当期损益类,可以更好地反映企业风险管理的实际,提供更相关的会计信息。

新会计准则下有关投资业务核算设置的一级会计科目主要有:“交易性金融资产”、“可供出售金融资产”、“持有至到期投资”和“长期股权投资”。

2 会计核算的比较分析

原准则中的短期投资在新准则中的为交易性金融资产。交易性金融资产新旧准则的差异主要体现在初始计量、后续计量和处置时。

2.1 初始成本差异

原准则规定短期投资取得时的成本包括购买时的支付的买价、税收政策费、手续费等相关费用。实际价款中包含的已宣告但尚未领取的现金股利或已到付息期但尚未领取的债券利息作为企业的债权计入“应收股利”或“应收利息”。

新准则规定交易性金融资产应当按照取得时的公允价值作为初始确认金额(不包括应收股利和应收利息),相关的交易费用在发生时计入“投资收益”。新《企业会计准则第38号——首次执行企业会计准则》第十四条和第十五条规定,在首次执行日,企业应将所有金融资产重新划分,划分为以公允价值计量且其变动计入当期损益的金融资产,应在首次执行日按照公允价值计量,公允价值与原账面价值之间的差额调整留存收益。

因此,新准则执行时,按公允价值计量的资产价值波动体现在当期收益中,则不排除部分上市公司在新旧准则交替时将其潜亏显形化的可能,间接提高其未来收益水平[2]。

2.2 后续计量的差异分析

原准则规定短期投资持有期间所获得的利息或现金股利,不应当确认投资收益,应在实际分得时作为投资的收回冲减投资成本;资产负债表日短期投资按成本与市价孰低法计价,市价低于成本的,计提短期投资跌价准备,市价高于投资成本的,按投资成本的原账面价值作为基本账面价值。

新准则规定企业持有的以公允价值计量且其变动计入当期损益金融资产持有期间取得的利息或现金股利,应当确认为投资收益;资产负债表日,企业应将以公允价值计量且其变动计入当期损益的金融资产公允价值变动计入当期损益,即计入“公允价值变动损益”科目[3]。

按照新会计准则的规定,企业在收到现金股利或利息时将其反映在企业的损益中,更能真实地反映企业每期通过投资获得的收益金额,但是也不排除有些上市公司利用这点调节利润。另外,新准则中短期投资的成本始终不变,而且能在期末反映企业短期投资的真实价值。而原准则原始投资的投资成本随着股利的发放在不断变化,不便于工作于查看期原始投资额;资产负债表日当投资成本低于调价时不能如实反映投资的真正价值。此时,新准则的变化无疑使短期投资者当年的利润增加。

2.3 处置时的差异分析

原准则规定短期投资处理时,处置净收入与短期投资成本(短期投资账户余额)或账面价值(短期投资成本减短期投资跌价准备后的余额)之间的差额确认为投资收益[4]。新准则规定交易性金融资产规定时,该交易性金融资产的公允价值与初始入账金额之间的差额应确认为投资收益,同时调整公允价值变动损益。

执行原准则时处置产生的投资收益即为原开始投资时相比是赔还是赚,没有考虑时间的因素,新准则中处置产生的投资收益考虑了该投资的公允价值变动产生的损益。如果该投资在持有期间增值,按原准则处置时产生的收益将大于按新准则时的收益,而新准则将这些收益实现在不同期间,不便于企业由此在某个期间因亏损而操纵利润。

例1:2007年2月3日,甲公司委托某证券公司购入在上交所交易的D公司D股票30万股,每股买价11.25元,另发生交易税费35 000元。全部款项已用银行存款支付,A公司将D股票作为交易性金融资产核算和管理。A公司的会计处理如下:

①购入D股票时,

按新准则:借:交易性金融资产(成本) 3 375 000

投资收益 35 000

贷:其他货币资金 3 410000

按旧准则:借:短期投资 3 410 000

贷:其他货币资金 3 410 000

②2月16日,D公司宣告发放现金股利,每股0.5元。

按新准则:借:应收股利150 000

贷:投资收益150 000

按旧准则,借:应收股利150 000

贷:短期投资150 000

若将来收到D公司支付的现金股利时:

借:银行存款150 000

贷:应收股利150 000

③2月末,D股票的公允价值为11.70元/股、计3 510 000元,高于其账面价值。按新准则,差额135 000确认为公允价值变动收益。

借:交易性金融资产(公允价值变动) 135 000

贷:公允价值变动损益 135 000

若期末市价下跌,发生公允价值变动损失,会计分录与上相反。

按旧准则,由于市价高于账面价值,不作账务处理。

④3月中,将D股票出售,每股售价12元。

按新准则:借:银行存款 3 600 000

贷:交易性金融资产(成本)3 375 000

交易性金融资产(公允价值变动) 135 000

投资收益 90 000

同时,借:公允价值变动损益 135 000

贷:投资收益 135 000

新准则计算出D 股票的累计投资收益=2月份收益(-35000+150000)+3月份收益(90000+135000)=340000(元)。

按旧准则:借:银行存款 3 600 000

贷:短期投资 3 260 000

投资收益 340 000

旧准则计算出D股票的累计投资收益为340 000元(全部是3月份的收益)。

由此可见,D股票各个期间计算出的投资收益新旧准则并不相同,但从取得到出售的整个过程来看,最终的结果却一致,两者都是340000元。我们还可通过列式计算D股票的投资收益来进一步了解新旧准则关于交易性金融资产的会计核算差别。新准则下D股票的投资收益:售价(3600000)一购入的公允价值(3375000)一交易税费(35000计入当期损益)+持有收益(150000计入当期损益)=340000元)。旧准则下D股票的投资收益:售价(3600000)一[投资成本(买价3375000+交易税费35000)一持有收益(150000冲减投资成本)]=340000(元)。

从上例可知:① 新准则将初始发生的交易税费(35 000)计入当期损益,而旧准则计入取得成本,体现了新准则更加谨慎。②关于持有期间获得的收益(150 000),新准则计入当期投资收益而旧准则冲减投资成本,体现了新准则更加客观。此外,在核算中还必须注意新旧准则关于交易性金融资产期末计价的不同以及出售时会计核算的差异。由于这部分内容有重大变化,应该做进一步分析。新准则引入了公允价值的计价模式,在活跃的二级市场上,交易性金融资产的价格时刻都在发生变化,如果企业持有的交易性金融资产在资产负债表日未出售,为了客观反映公允价值变动形成的差价给企业损益造成的影响,必须设置“公允价值变动损益”科目,该科目用于核算期末公允价值变动形成的计入当期损益的利得和损失,其实这种损益并未真正实现。比如企业购入股票后,如果股价上升,则账面价值增加;如果股价下跌,则账面价值减少,甚至亏损。因此,股价上升带来的账面盈利不过是“纸上富贵”,它会随市价的波动而变动。在旧准则中(历史成本计价模式下),这类收益并不能确认,如果股价下跌,还要提取跌价准备。而新准则为了更加真实地反映企业期末的财务状况及经营成果,这类损益必须进行确认。

3 会计核算对企业损益的影响分析

由于新旧投资准则在短期投资的初始计量、后续计量和处置时的规定不同,所以它们在会计处理上也会有许多差异[5]。通过具体例子说明其变动及其对企业损益的影响。

例2:甲公司于2007年12月20日购入乙公司流通股票10 000股,每股市价10元,发生交易费用1 000元,款项已用银行存款支付。12月31日,该股票每股市价是15元。2008年1月20日乙公司宣告发放现金股利,每股0.3元。2月10日,甲公司收到现金股利3 000元,2008年2月28日将该项投资出售,售价为160 000元。其会计处理见表2。

从例2可以看出,按照原准则,2007年底,甲公司短期投资账面余额为101 000元,没有产生任何损益;新准则下其账面余额为150 000元,收益49 000元。2008年2月28日,按照原投资准则其账面余额为98 000元,没有产生任何损益;新准则下该投资账面余额为150 000元,产生收益3 000元。处置时,原准则处理产生6 200元收益,新准则产生1 000元收益。以上在初始计量、后续计量和处置时的差异可用表3直观说明。

综上所述,如果在资产负债表日公允价值发生变动时,新准则将其视为企业的损益;而原准则按照成本与市价孰低计提减值准备,这意味着如果市价即公允价值高于短期投资的账面价值,与原准则相比,执行新准则时企业的当期利润将会增大。当公允价值低于账面价值时,处置时新旧准则产生的损益是相同的,不同的只是初始化计量和持有期间获得利息或股利时的处理不同所导致企业的不同时期收益不同。总之,在整个短期投资持有期间,对影响总额是没有变化的,但新准则的变化对企业不同时期的损益分布产生了影响。

参考文献

[1]财政部会计资格评价中心.初级会计实务[M].北京:中国财政经济出版社,2004:23-25;32-33.

[2]编写组.新<企业会计准则>简要读本[M].北京:中国财政经济出版社,2006:57-58.

[3]菅海平.公允价值计量在会计实务应用中的困难及对策研究[J].财务与会计导刊:实务版,2008(2):5-6.

[4]李明.金融工具确认和计量准则在投资企业中的应用[J].财务与会计导刊:实务版,2008(9):35-36.

如何做好短期投资理财第2篇

“武器”之一：购买货币基金最省心。

背靠支付宝这棵大树，天弘基金旗下的余额宝货币基金可谓红极一时，创造了千亿元规模的业界神话，也为货币基金普及立下汗马功劳。截至20第四季度末，余额宝基金资产净值为8082.94亿元，突破8000亿元大关。余额宝在三四五线城市和农村地区逐渐普及，很多人习惯将年末奖金、回笼资金存到余额宝里，作为流动资金“蓄水池”。

其实，除了余额宝之外，还有很多其他货币基金，以其操作简便、门槛低、零手续费、随取随用，并支持直接用于购物、转账、缴费还款等特点，起到了替代银行活期存款的作用。在国外，货币基金也早已成为最常用的现金管理工具。

“武器”之二：银行理财不可少。

最近，银行理财产品的收益略高于货币基金，针对高端客户还有更高收益率的专属理财产品。对大多数投资者来说，银行理财也是一个不错的选择。不过，银行理财产品大多有5万元甚至更高的资金门槛;同时，相对货币基金T+1日赎回、甚至几分钟快速赎回而言，银行理财产品通常不能随时支取，一般有短则数十天、长则半年的锁定期限。所以投资者必须结合自身资金使用规划加以安排。

最近有银行推出创新型理财产品，既有一元起投、随时赎回之灵活便利，收益率也相对适中，颇有挑战货币基金之势。

“武器”之三：谨慎选择P2P网贷理财。

互联网金融大潮下，P2P网贷理财也颇为抢眼，10%左右的平均年化收益率令人心动。伴随而来的是较高风险系数，投资者应尽量谨慎选择实力雄厚的正规平台和运作规范透明的产品。

“武器”之四：股市淘金。

对开通证券账户的人来说，还有更多理财“玩法”。打新股是很多人钟爱的理财方式，包含一定的“手气”成分，资金越大，中签几率越高。投资者需及时查询是否中签，别忘了缴纳新股申购款。由于目前新股定价较低，通常上市后还会有可观涨幅;因此不必急于在上市首日抛出，可等涨停板打开、成交量极度放大时再抛出，充分享受IPO制度红利。

从2016年开始，新股申购增加了市值配售规则。参加打新股的投资者，必须持有一定的沪深股市市值，适合有一定股市经验的投资者。计算投资收益率时，除了新股本身的收益外，也要综合考虑所持有市值的波动情况。

“武器”之五：货币ETF和交易所逆回购。

“金钱永不眠”，打新股的空余时间，钱也别闲着。对股民来说，货币ETF和交易所逆回购也是理财“好伴侣”。货币ETF其实就是在场内交易的货币基金，方便股民不必将资金转出证券账户。它像股票一样买卖，可以T+0交易，日内无限次反复买入、卖出，随时把握市场机会，还存在套利机会。不过选择这类产品还需要注意收益高低、交易细则、规模大小，最好选择免佣金的券商进行交易。

逆回购的本质是一种短期贷款。股票账户中，将资金通过国债回购市场拆出，以约定的利率出借资金，并在约定时间获得本钱和利息。相当于借钱给沪深交易所吃利息，赶上节前货币市场资金紧张时，一天期逆回购年化收益率往往能飙到20%至40%，而且几乎是无风险收益。

短期投资与理财方法

理财产品玲琅满目专家支招选准最合适

据悉，在余额宝的强势带动下，国内互联网金融理财产品成为近年来网民最关注的热门话题之一。目前，在国内金融市场当中各种理财产品统统浮出水面，种类是五花八门，而许多投资者对于如何选择合适的理财产品并没有明确的判断方法，在做抉择的时候容易感到迷茫不知所措。为此，行业专家给出以下两点建议。

根据收益及风控能力来选择

据专家介绍，目前市面上的理财产品收益率彼此之间存在较大的差距，总体上来说，互联网金融类理财产品在收益方面略高一筹。因此，这里主要讨论的对象是具有较高收益的互联网理财产品，这也是不少理财人士最为关心的话题。对于理财产品的收益，专家认为应当以20%为界限进行分类。

承诺投资回报达到20%以上，不建议购买。此外，还要注意理财产品的收益类型，主要分为两大类，固定收益类和浮动收益。二者的区别在于，固定收益类产品风险低、收益稳健。而浮动收益的产品风险较大，特别是投资者对于风险难以判断的时候，这里不作推荐。

实际上，想要投资获得收益，风险是每个投资人首先要考虑的问题。如果项目在风险控制方面拥有优秀的表现，那么投资的风险自然就会降低，尤其考虑到保本，这类风控能力强的理财产品应当作为投资首选。

观察项目保本与产品的流动性问题

通常来说，理财产品主要分为保本型和不保本型。不保本型在投资过程中如果出现本金损失，投资者按照协议就得自认亏损。而除了上述简单的二元化本金分法外，还出现了部分保本的理财产品。简单来说，假设理财产品设置90%保本，那么就意味着投资者有损失10%本金的风险。

注意理财产品的流动性，主要是考虑投资时间和是否能够提前赎回的问题。假设由于投资产品注明不能提前拿回，而投资者在这期间又急需资金硬要赎回，那么即使是保本的理财产品也可能会出现本金受损的情况。

综上所述，根据专家给出的建议来看，投资者在购买理财产品之前要考虑到收益、风险以及自身的风险承受能力等方面的问题。因为所有明智的投资选择几乎都来源于投资者对各方面因素的细致分析和综合考量之后做出的，而抱有赌徒心态进行投资的人必定会输的很惨。因此，专家建议一定要理性投资、认真决策。

三种“稳赚式”投资理财方式

对于大多数普通投资者来说，不管是什么样的投资理财方式，都希望是“稳赚”的。然而随着近几年金融机构规模的迅速扩张，在迎来更多高收益投资理财方式的同时，风险也在进一步增大。那么，如今普通投资者该如何寻找到“稳赚式”投资理财方式呢?为此，理财师为广大投资者整理了目前五种比较安全的投资理财方式，相信一定能给你带来投资帮助。

方式一：储蓄

储蓄几乎是零风险的“稳赚式”投资理财方式，不仅安全可靠，形式灵活，操作也比较便捷。储蓄一直是中老人理财的首选投资理财方式。但是也有它的不足之处，流动性并不好，储蓄的.期限越长，资金的流动性就越差，且相对于其他投资理财方式来说，收益比较低。

方式二：国债

国债，由于是以国家财政的信誉作为担保的，因此也被普通投资者们认为是最安全、稳赚式的投资方式。一般当银行发行国债时，很多市民都会提早排队，争相购买。但是国债流动性也较差，一旦购买了国债，是无法提前赎回的。

方式三：银行保本理财产品

银行保本理财产品比较安全，而且可以保证本金安全，也是一种“稳赚式”的投资理财方式。一般5万元起投。但是一般银行保本理财产品是有期限限制的，而且保本期限一般都很长，如果提前终止或赎回，本金就不一定保证安全了。

短期投资与理财方式

1、银行理财产品

短期理财可考虑银行理财产品。比较稳健的如人民币理财产品，其收益率在4.5%-5.5%左右。投资期限也灵活，3-12个月都有。另外，银行还有一些结构型的.理财产品，属于浮动收益，预期收益率低的在3%，高可上浮到6%左右。结构型理财产品的风险较高，不一定保本，嘉丰瑞德理财师建议选择时也需要谨慎，尽量选的话可选人民币理财产品。而在投资金额要求上，银行理财产品大多数是5万起投，门槛较低。

2、大额可转让存单

6月份，国家刚出台了新政策，对于个人存款30万以上的，可进行“大额存款”，获取比原来活期和定期储蓄更高的利息收益。据了解，中国人民银行近日公布的《大额存单管理暂行办法》规定，个人投资者可认购起点不低于30万元的大额存单，期限包括1个月、3个月、6个月、9个月、1年、18个月、2年、3年和5年等9个品种。这种大额存单可以转让、提前支取和赎回，也可办理质押。目前，各家机构给出的利息不一样，大致维持在发行机构的同期定期存款的上浮利率和人民币理财产品的收益率之间。嘉丰瑞德理财师指出，大额可转让存单其实也是一种不错的，替代存款的理财工具。

3、固定收益类理财

近几年，互联网金融发展非常迅速，一些固定收益类的理财产品因本身高收益、低风险且投资起点低，因此也得到了市场的广泛欢迎。以老牌的宜盛宜盛宝为例，10万起步配置，收益率在9.6%-13%。不过嘉丰瑞德理财师提醒，固定收益类的理财，要选择好优质、管理正规、信誉较好的平台产品，切不可一味追求高收益而忽视投资风险。

4、股市投资

似乎现在很多在校大学生也开始了股市投资之旅。不过投资股市赚钱并不是那么简单的事。特别是现阶段，上证指数已经到了5000点左右位置，创业板也面临一个高市盈率的泡沫化风险的情况下，这时介入股市可能并不一定适合。嘉丰瑞德理财师指出，对于风险承受能力较弱的投资者，最好还是参考其他投资形式;而对于风险承受能力较强的投资者，可介入，但也要保持谨慎态度，随时做好逃离、止损的准备，万一出现较大波动，损失也不至于过大。

5、外汇、黄金投资

外汇和黄金投资，过去一直就有，不过其投资的风险也较大。杠杆交易能放大收益和亏损，投资者对行情一旦判断失误，也比较容易亏钱。而且国际市场有外汇和黄金的做空机制，行情变化较大，不确定性也大，因此建议普通投资者还是谨慎涉及外汇或黄金、贵金属类的投资。

6、基金投资

长期投资让位短期操作第3篇

然而,上述规律恐怕会因本轮全球金融危机而发生改变。在未来3至5年间,我们恐怕将很难再看到一种货币独领风骚的局面,而取而代之的是,主要国际货币汇率频繁波动、且时常发生强弱转变的格局。投资者在货币之间的选择,可能不是在强势货币与弱势货币之间的选择,而是在弱势货币与更弱势货币之间的选择。

首先看美元。尽管有不少学者认为,美元依然是这个星球上最可靠的货币,全球金融危机不但没有撼动美元的国际储备货币地位,反而巩固了美元霸权。但问题在于,美元汇率自2002年的战略性贬值以来,仅在2008年下半年与2009年第2季度出现了显著反弹,这两个时期恰好是美国次贷危机与欧洲主权债务危机集中爆发的时期。

危机期间国际资本流向美国国债市场避险的“安全港”效应,注定是无法持续的。一旦危机尘埃落定,市场注意力恐怕还是会转移到美元的基本面上来。无论是持续的经常账户赤字,还是居高不下的对外净债务,都不支持美元走强。

此外,随着美国财政赤字的恶化与政府债务的高企,以及美国定量宽松政策的延续,都蕴涵了如下可能性:即美国政府通过对内通胀与对外贬值来同时降低国内外真实债务水平。短期内,为提振增长与扩大就业,美国政府也有维持弱势美元的动机。

其次看欧元。虽然欧元对美元汇率在2002年至2008年上半年期间高歌猛进,但美国次贷危机爆发后欧元对美元走弱的事实生动地说明,在市场动荡时期,投资者依然会买入美元抛出欧元,欧元要撼动美元地位绝非易事。

欧洲主权债务危机的爆发,则折射出欧元区并非一个最优货币区的事实。尽管欧元区在欧洲主权债务危机后绝不会崩溃,但欧元区必然会步入一个痛苦的调整时期。为稳定市场信心,欧洲各主要国家均作出了大规模财政巩固的承诺,这也会弱化中期内经济增长前景。欧元区中期内持续走强的可能性不大,短期内对美元超跌反弹倒属于题中之意。

再次看日元。日元在2007年至2010年走势生猛的局面,很大程度上是日元套利交易平仓的结果。而日元套利交易,本身就反映出日本经济迟迟不能走出流动性陷阱的痼疾。日元在市场繁荣期走弱,在市场动荡期走强的趋势,恰好反映了日本经济长期以来“半死不活”的困境。短期内日本政府继续实施扩张性财政货币政策的空间所剩无几,中期内的人口老龄化与政府频繁更迭,都意味着目前的日元汇率恐怕已经成为强弩之末。

接着看英镑。不幸的是,目前英国经济兼具美国与欧元区的问题。英国的房地产泡沫与美国相比有过之而无不及,英国经济对金融业的依赖程度甚至高于美国,这意味着金融危机对英国的打击甚大。然而,英国在出台大规模刺激政策方面反应迟滞,显著落后于美国政府,与欧元区政府颇为相似。目前英国的财政赤字与政府债务问题也并不亚于欧猪五国与美国。英镑的黄金时期早已经无可挽回地逝去了。

再看澳元与加元。它们都属于资源出口国的货币,而资源出口国货币的强弱程度完全依赖于全球大宗商品市场的走向。鉴于目前越来越多的人对未来两年内全球经济增长形势看淡,而新兴市场经济体与发达经济体“脱钩”被认为只是传说,那么澳元和加元持续保持强势的可能性也所剩无几。

然后看东亚经济体的货币。无论是韩国、新加坡还是中国台湾,都没有摆脱出口导向的发展模式,由于内部缺乏足够的市场空间,其经济增长最终仍然取决于外部需求。尽管短期内通胀压力增强导致的加息,可能导致其货币暂时保持强势。但全球范围内总需求的低迷意味着通胀压力的不可持续,以及增长动力的难以避免的恶化。东亚经济体的货币依然难言强势。

最后看人民币。毫无疑问,无论是持续的经常账户与资本项目的双顺差,还是一枝独秀的高增长,再加上取代日本经济成为全球第二大经济体的好消息,都支持人民币继续走强。但若从中期来看,我们对人民币的信心恐怕不应过于强烈。

目前中国GDP总量仅为美国的三分之一,但中国的货币总量基本与美国持平。中国广义货币与GDP之比超过180%,是全球主要经济体中最高的。未来10年中国经济的潜在增长率,恐怕要比过去10年低2-3个百分点。在中期内中国能否避免新一轮的通货膨胀与资产泡沫,一切还是未知之数。即使人民币汇率完全市场化,中期内人民币能否成为全球最强势的货币,尚具有相当大的不确定性。

短期证券投资第4篇

H证券公司成立于1988年, 经过多年发展, BL证券公司目前已成为当地最具实力和影响力的证券公司。公司经营范围为:证券经纪;证券自营;证券资产管理;证券投资咨询;与证券交易、证券投资活动有关的财务顾问;证券投资基金代销;为期货公司提供中间介绍业务;融资融券;代销金融产品。公司设有60多家证券营业部, 截止2014年底, 公司共有从业人员1400名。

一、各业务条线的短期薪酬激励的现状

(一) 证券经纪业务条线

H证券公司经纪业务条线涉及的部门主要包括两个层面:一个层面是营业部, 另外一个层面是经纪业务总部。营业部采用准事业部费用包干模式, 即从整体业务收入中提取一定比例, 负担营业网点运营成本, 包括员工固定工资和绩效奖金在内。经纪业务总部采用与营业部共享奖金池, 即经纪业务总部完全参与经纪业务条线奖金的分配。

(二) 证券自营业务

H证券公司证券自营业务整体奖金的提取模式采取投资收益提奖模式, 即根据证券投资部门业务利润提取一定比例作为奖金。

(三) 资产管理业务

H证券公司资产管理业务整体奖金的提取模式采取费用包干模式, 即部门奖金包是公司计提收入的一定比例之后, 再摊掉运营成本后剩余的部分。

二、各业务条线的短期薪酬激励的问题

(一) 经纪业务条线短期薪酬激励模式有碍新业务的发展

随着互联网金融异军的突起, 网上证券新开户大为方便简单。在互联网的世界里, 证券公司没有地域优势, 有的只是激烈的竞争。这样就导致各家券商都不计成本的互相拼杀, 大打价格战, 强占互联网用户。时至今日, 传统的证券经纪业务模式发生了巨大的变化, 由原来的网点经纪业务转移到了互联网经纪业务, 这样原有费用包干模式的短期薪酬激励不能很好的支持互联网金融的发展。

(二) 自营业务条线短期薪酬激励模式导致奖金波动剧烈, 缺乏以丰补歉的机制

众所周知, 证券公司的自营业务是证券公司用自有资金进行投资, 而投资的对象主要是股票。而股票的波动性很大, 在牛市中, 股票涨幅巨大, 在熊市中, 股票跌幅巨大, 这样导致证券自营业务的收入也随着股市的剧烈波动而大起大落, 导致自营业务条线的奖金也大起大落。BL证券公司目前的投资收益提奖模式缺乏一种以丰补歉的机制。

(三) 资产管理业务条线短期薪酬激励模式不适合目前公司要做大资产管理规模的发展战略

资产管理业务目前奖金的提取模式采取费用包干模式, 这样虽然有利于公司利润与成本的核算与薪酬总额的控制, 但这样就导致资产管理部门发产品的时候只考虑收入和费用, 而不是从市场占有率和资产管理规模角度去考虑问题。不适合目前公司要做大资产管理规模的发展战略。

三、改进各业务条线的短期薪酬激励的建议

(一) 经纪业务条线应建立混合式奖金模式

根据目前证券公司经纪业务发展特点, H证券公司经纪业务条线应该建立混合式奖金模式, 即采用多种手段相结合方式对经纪业务体系进行奖励, 包括目标奖金、收入提成、利润提成、开户奖励、市值增加奖励等。对于传统的经纪业务条线可以从收入提成、利润提成等方面进行短期薪酬激励, 但是对于互联网经纪业务条线, 要建立鼓励和扶持的短期薪酬激励方式, 要从开户奖励、市场开发率和市场占有率角度进行奖励。

(二) 自营业务条线采用投资收益提奖模式的同时, 引入乏以丰补歉的机制

证券投资市场是很典型的靠天吃饭市场, 丰年自营业务很好, 但是在歉收年份里自营业务很差, 这样在原有的短期薪酬激励模式下, 赶上好年份, 自营业务奖金会很高, 而在差年份里, 自营业务就会没奖金。奖金一方面是奖励业绩干的好, 但另一方面还应该奖励付出的努力, 是对辛勤劳动的一种肯定。所以, 应该在原有的投资收益提奖模式的同时, 引入以丰补歉的机制, 这样就会减少自营业务条线奖金波动的剧烈性。

(三) 资产管理业务条线应建立目标奖金模式

由于H证券公司目前的资产管理业务做的不是很大, 公司应该花大力气先把市场做大, 把资产管理的规模做大。原先H证券公司的费用包干模式虽然简单易行, 但不适用于资产管理业务尚处于萌芽的发展阶段, 而是应该建立目标奖金模式, 即部门奖金由部门中每位人员的个人目标奖金汇总而来, 这样就可以根据公司发展战略制定个人发展目标, 这样才能有很好的牵引作用。

四、结束语

在证券市场大变革、大转型, 尤其是互联网金融异军突起的大背景下, 证券行业为了吸引人才、留住人才、激励人才;加快证券行业资源优化配置, 推进从业人员全面转型步伐;建立一套符合公司现阶段发展的短期薪酬激励模式是H证券公司的必然选择。

方向:人力资源管理;陈庆杰 (1977-) 女, 河北石家庄人, 博士研究生, 职称:副教授, 研究方向:财务管理。

摘要：证券公司作为资本市场最有影响力和最有效的金融中介机构, 在企业和资本市场运作中充当着不可替代的核心作用, 是企业重组、兼并、改制、上市过程中不可或缺的力量。随着国家对金融行业承诺开放年限之后, 国际资本大鳄的不断涌入和国内证券公司间的激烈竞争, 尤其在互联网金融异军突起的背景下, H证券公司意识到要在这样的环境中赢得主动, 建立适合公司目前发展的短期薪酬激励是核心的环节。从这个角度讲, 对H证券公司短期薪酬激励的研究具有重要的现实意义。

关键词：证券公司,短期,薪酬激励

参考文献

[1]马立荣, 肖洪钧.知识工作者的激励机制设计[J].科学与科学技术管理, 2000, (11) .

[2]张望军, 彭剑峰.中国企业知识型员工激励机制实证分析[J].科研管理, 2001, 22 (6) :90-96.

[3]郑超.黄枚立.国有企业知识型员工激励机制的现状调查及其改进策略[J].华东经济管理, 200l, 15 (3) :30-33.

[4]廖颀.试论激励型薪酬体系设计[J].经营管理, 2011 (19) :83.

[5]路金镶, 王鹏, 王维.知识型员工薪酬激励实证研究[J].商场现代化, 2013 (4) :145-148.

短期证券投资第5篇

借款方：______________________（简称甲方）

贷款方：中国投资银行湖南省分行（简称乙方）

根据________________号文件批准的________项目。所需资金经甲方申请，乙方审查同意发放短期外汇贷款。双方同意遵照《中华人民共和国合同法》和国务院颁发的《借款合同条例》的规定签订本合同，并共同遵守。

第一条　借款金额：外汇贷款（大写）________________美元。

第二条　借款用途：外汇贷款用于________________________________________

第三条　借款期限：本期贷款从_______年______月______日起至_______年______月______日甲方还清乙方全部贷款本息止。

第四条　借款利率：本期贷款年利率为________％，乙方按季计收利息，如甲方不能按期付息，则转入贷款本金计收复息。在合同履行期间，如遇国家调整利率或变更计息办法，按国家规定执行。

第五条　借款使用：本合同签订后，甲方须向乙方提供订货卡片对外采购合同作为付款依据。甲方授权乙方凭有关进口部门的付款确认通知，主动从贷款帐户中支付款项。以外币计算的保险费，国外银行手续费等，甲方委托乙方从贷款帐户中扣收，并将“支款通知”联寄交甲方。

第六条　借款偿还：甲方保证在本合同规定的借款期限内按还款计划以所借同种外币偿还借款本息（若以其它可自由兑换的外币偿还，按还款日的外汇买卖牌价折算成所借外币偿还）。还款计划附后。

第七条　还款担保：本合同项下的借款本息由________作为甲方的担保人，并由担保人按乙方的要求向乙方出具担保函。一旦甲方不能按期偿还贷款本息，由担保单位承担还本付息责任。

第八条　违约责任

1．甲方不按用款计划用款，其少用或多用部分须向乙方支付2‰的承担费。乙方因本身责任不按用款计划提供贷款向甲方支付2‰的违约金。

2．甲方如不按合同规定使用贷款，乙方有权停止或收回全部或部分贷款，挪用贷款部分在原贷款利率的基础上加收100％的罚息。

3．如因不可抗力的原因，甲方不能在贷款期限终止日全部还清本息，应在到期日十天前向乙方提出展期申请。经乙方同意，双方共同修改合同的原借款期限，并重新确定相应的贷款利率。甲方未经乙方同意不按期归还的贷款，乙方有权从甲方在任何银行开立的帐户内扣收，并从过期之日起，对逾期贷款部分按借款利率加收30％的利息。

第九条　其它规定

1．发生下列情况之一时，乙方有权停止发放贷款并立即或限期收回已经发放的贷款。

（1）甲方向乙方提供的情况、报表和各项资料不真实；

（2）甲方与第三者发生诉讼，经法院判决败诉，偿付赔偿金后，无力向乙方偿付贷款本息；

（3）甲方的资产总额不足抵偿其负债总额；

（4）甲方的保证人违反或失去保证书中规定的条件。

2．乙方有权检查、监督贷款的使用情况，甲方应向乙方提供有关报表和资料。

3．甲方或乙方任何一方要求变更合同或本合同中的某一项条款，须在事前以书面形式通知对方，在双方达成协议前，本合同中的各项条款仍然有效。

关注市场短期投资热点第6篇

市场短期热点产品多

进入6月，国内各理财市场纷纷开始追逐热点。股市方面，作为大盘而言，出于对未来不确定性的忧虑，指数向上和向下的空间都不大。现阶段盘内板块活跃度较高，一天至三天的短线行情比较多。银行理财产品方面，在4月有复苏迹象的银行信贷型理财产品又受到了相关政策传闻的影响，发行量大幅下滑。为了吸引客户，各家银行开始相继推出各类概念性产品，如上海世博会、端午节产品等。信托方面，房地产信托重回江湖。在贷款和收益权都被堵死的情况下，信托公司发现很多房地产公司的股票已进入价值洼地，产品能够通过股权控制来实现参与房产项目和获得超额收益的目的。

银行力推概念性产品

据第一理财网不完全统计，上周国内外各主要中外资商业银行共发行人民、币理财产品91款。其中信贷型理财产品28款。占人民币理财产品发行总量的31％一与4月平均水平相比下降了15％。在信贷类理财产品持续低迷的情况下，银行为了吸引投资者的目光，只有配合各种可以炒作的题材来发行概念性的理财产品。比如光大银行日前推出的端午理财产品，投资期限5天。年化收益率最高可达3％；工商银行前阶段也推出了上海世博会概念的产品——中国首款世博概念金融理财产品泸州老窖特曲绝版老酒，客户认购该款产品以后，可行使选择权，即进行消费收藏或投资。对于投资者来说，目前部分银行为了吸引资金提高存款额，开始把手续费、佣金都贴到收益率中，只要产品风险控制措施得当，投资者不妨可考虑。

房地产信托发行占比高

此外，上周10家信托公司共发行12款信托产品，从资金运用形式来看，股权类产品共发布了5款，占总发行量的42％，大多数都投向房地产领域。房地产信托的融资方向依次经过了贷款、权益和股权三个阶段，充分体现出宏观调控对资本的影响，也清晰地表现出资本在政策围堵下的不断突围路线图。政策本身不是决定信托转向的决定因素，信贷趋紧和监管的严厉促使信托机构需要更加审慎地甄别项目，减少信托计划的潜在风险。可以说目前市场上新发行的信托计划都是优质的和风险可控的项目，投资者可以密切关注。

关注股市大盘趋势变化

短期证券投资第7篇

关键词：流动性异常,损失极限,临界点

1 引言

自2007年美国次级债危机爆发以来,全球金融市场产生了巨大的波动。2005年以来,伴随着全球的流动性过剩,全球商品价格出现暴涨,以国际原油价格为代表,油价在2008年7月11日创出历史记录147.27美元/桶,在2008年11月11日,国际油价跌破60美元/桶,其波动幅度达87美元,短短四个月原油价格已跌去大半,跌幅创历史之最,仿佛一夜之间全球经济由流动性过剩转变为流动性黑洞。在此期间,美国第三大银行美林银行被美国银行接管、美国第四大银行雷曼兄弟银行宣告破产,全球金融正经历着前所未有的考验。

此次金融风暴中流动性扮演了重要的角色,长期的全球流动性过剩将资产价格推高并形成大量的泡沫,一旦泡沫破灭,市场参与者竞相抛出持有的资产,导致金融市场在短时间内骤然丧失流动性,流动性危机迅速升级为偿付危机,使整个金融体系受到重创,陷入流动性黑洞。

所谓的流动性黑洞,是指金融市场在短时间内骤然丧失流动性的一种现象。流动性黑洞具有从市场参与者自身的内在响应吸收更多能量的特点。就像台风一样,流动性黑洞在它们的形成过程中吸收更多的能量。当资产价格下跌,一些交易者将接近他们的交易界限的资产卖出,市场流动性骤然消失,被抛售资产的价格急速下跌与卖盘持续增加并存,又会进一步恶化流动性状况,出现偿付危机。

近年来,有关流动性异动的研究,国内外学者做了大量工作。国外学者Persaud(2003)认为交易过程中的卖出压力将进一步加大了资产价格向下的压力,这又导致了新一轮的卖,从而导致流动性黑洞的产生[1]。Barlevy和Veronesi(2003)通过对需求曲线的研究,论证了价格下跌时,均衡价格的不连续运动且在相当长时间内保持较低水平的现象[2]。Osler(2005)在研究货币市场流动性时,重点考察了止损指令与价格暴跌之间的关系,指出止损指令会导致快速、自我强化的价格运动,极端情况下会产生价格的不连续运动,交易中断,流动性消失[3]。Morris(2004)利用全局博弈方法,建立了一个二期市场模型,研究了流动性黑洞产生的机理与临界条件[4]。George W.Evans等(2008)研究了流动性陷阱爆发的诱因以及构建市场稳定和抵制通货紧缩时货币政策在当中所起的作用[5]。此外, Amihud等[6]、Bates[7]、Bernardo等[8]、Cohen等[9]、Chari等[10]对金融市场中的流动性与危机爆发之间的关系进行了研究。国内学者陈灯塔等(2006)通过构建一个微观市场的供求结构模型,讨论了因国有资产减持而导致股市流动性黑洞的产生机理[11]。以上研究成果都是从市场整体角度考虑流动性异动对市场运行的影响以及市场行为对流动性的反作用。本文从市场个体角度出发,在非瓦尔拉斯市场下讨论了流动性异动对市场短线投资者交易行为的影响,给出了个体投资者持有或卖出风险资产的临界条件,并从个体投资者角度阐明了流动性黑洞的形成机理。

2 模型

传统理论一般假定市场是理想的、无磨擦的、能瞬间出清的瓦尔拉斯市场,忽略了交易规模对市场价格的影响,投资者只能被动地接受市场价格。现实经济中,市场是非理想(缺乏效率)的,市场不出清、不均衡是常态,而出清的和均衡的市场条件只能是一种暂态,市场的均衡是量和价共同决定的均衡。因此,本文将市场假设为非瓦尔拉斯均衡市场[12],在此基础上,构建有一个风险资产和两类交易者的微观结构市场模型。

假设某一风险资产价格短期缺乏运动趋势性(对于含有趋势项的金融资产价格运动, 可通过等价测度变换使其无趋势项), 且服从如下的几何布朗运动[13,14,15]:

$d Ρ (t) = Ρ (t) \cdot σ d B_{t} (1)$

其中Bt是标准布朗运动,σ为资产的内在波动率, P(0)=P0为t=0时的初始价格。

在t=0时刻,市场上有两类投资者,一类是同质的风险中性的交易者,每一个交易者持有一单位的资产, 并且根据设定的动态交易过程做出反应,在[0,T]时期内优化地调整其头寸,被视为短线投资者,假定在[0,T]时期内短线投资者的总数保持不变。另一类是风险规避的长期投资者,为短期交易者提供剩余需求,这类投资者为风险厌恶型,风险厌恶系数设为γ.本文主要讨论短线个体投资者在流动性异常的市场情形下的交易行为。在非瓦尔拉斯市场下,当市场流动性出现异动时,资产并不能即时出清,卖出资产时会产生变现压力,因此,在t时刻卖出资产时价格须考虑到卖出数量的瞬时冲击,设瞬时冲击函数为:

$g (t) = α \cdot γ s^{2} (t) (2)$

其中,s(t):[0,T]→[0,1]是非减函数,表示截止到t时刻卖出资产的人数占总人数的比例(也可以理解为卖出资产的数量),γ∈(0,1]为承接者的风险厌恶系数,γ越大卖出资产时的瞬时冲击越大,α>0为瞬时冲击系数。因为α和γ均为正参数,对冲击函数的影响方向相同,为简易起见,可令c=α·γ,则c>0。

因此,在t时刻卖出资产时的成交价格为:

$\tilde{Ρ} (t) = Ρ (t) - α \cdot γ s^{2} (t) = Ρ (t) - c \cdot s^{2} (t) (3)$

上式右端项c·s2(t)为变现成本,c称为风险补偿系数,当s(t)越大时,对价格下跌的影响越大。

在市场流动性变动剧烈的情形下,持有该资产的短线投资者对资产价格具有一定的承受极限。设qi为投资者i的损失极限,当 $\tilde{Ρ} (t) < q_{i}$ 时,投资者i会遭遇破产风险,此时投资者i变现愿望强烈,易产生恐慌性抛售。这里定义的损失极限qi为随机变量,定义为:

$q_{i} = θ + η_{i} (4)$

其中θ是区间 $[\underline{θ}, \bar{θ}]$ 上的一致分布随机变量,表示该市场上短线投资者损失极限的共同成分,投资者i的损失极限的异质成分由ηi表示,ηi服从区间[-ε,ε]上的一致分布。本文中各个投资者的损失极限并非公开信息,每个投资者只知道自己的损失极限,并且基于以上信息来推断其他投资者的损失极限的分布。

根据投资者i的损失极限qi的定义,变量 $\overset{(}{s}$ 满足:

$q_{i} = Ρ (t) - c \cdot \overset{(}{s}_{i}^{2} (t) (5)$

上式表示在t时刻卖出数量达到 $\overset{(}{s}_{i} (t)$ 时价格刚好达到损失极限。

若投资者i在t时刻卖出资产,则变现单位资产的收益为:

$w (t, s (t)) = Ρ (t) - c s^{2} (t) (6)$

若投资者i在[0,T]期间持有资产,当期末价格跌破损失极限qi时,投资者i遭遇破产,此时收益为0;当期末价格高于损失极限时,此时投资者i可以瞬间出清资产,其变现收益为P(T)。因此,投资者i持有资产到期末的变现收益可表示为:

$u (s) = {\begin{matrix} Ρ (Τ), & s (Τ) \leq \overset{(}{s}_{i} (Τ) \\ 0, & s (Τ) > \overset{(}{s}_{i} (Τ) \end{matrix} (7)$

由于在t时刻, 期末的价格P(T)处于未知状态, 所以这里取其期望值代替期末价格。由式(1)可得P(t)=P0exp(σBt-(σ2/2)t), 此时P(t)为指数鞅[16], 因此由鞅的性质可知, 期末价格在t时刻的条件期望为: E(P(T)|Pt)=P(t)。

3 行为选择与均衡临界条件

3.1 短线个体投资者的行为选择

基于上述模型,t时刻风险资产的随机价格为P(t),成交价格受流动性的约束满足式(3)。对短期投资者i而言,t时刻持有或卖出风险资产,关键在于资产随机价格P(t)与损失极限qi的比较:

①当P(t)≥qi+c时,这时即使市场内的所有人均卖出资产(s(t)=1),其成交价格仍高于投资者i的损失极限,此时投资者i会持有资产。

②当P(t)<qi时,这时即使市场内没有人卖出资产(s(t)=0),因为此时的价格低于投资者i的损失极限,因此投资者i会坚决卖出资产。

③当qi≤P(t)<qi+c时,这时投资者i的最优选择依赖于对市场内其他投资者卖出行为的判断。如果投资者i认为其他投资者会卖出资产,则他也会卖出资产;如果其他投资者持有资产,那么他的最优选择也是持有资产。当场内投资者的损失极限是公共信息时,投资者将根据他人的信息来选择自己的行为,市场上投资者的行为彼此依赖和交织,从而导致多重均衡[4,17]。这里考虑损失极限为非公开信息的情形,在这种情形下个体投资者根据自己的损失极限来确定自己的投资行为,多重均衡将被消除,并可得到持有或卖出资产的均衡临界点。

3.2 均衡临界条件

投资者i在t时刻持有或变现资产的收益比较满足下面积分:

$J (Ρ (t), q_{i}) = \int_{0}^{1} f (s | Ρ (t), q_{i}) [w (t, s) - E u (s)] d s (8)$

其中f(s|P(t),qi)是s(t)的条件概率密度,w(t,s)为t时刻变现资产的收益,Eu(s)表示持有资产到T时刻的期望收益。当J(P(t),qi)>0时,投资者i在t时刻卖出资产;当J(P(t),qi)<0时,投资者i在t时刻持有资产;若J(P(t),qi)=0,此时投资者处于卖出或持有的临界状态,解P*(t)即为投资者i持有或卖出资产所对应的资产价格的临界值。

命题1 设投资者i的损失极限为qi, P(t)为资产在t时刻的随机价格,s(t)是截止到t时刻卖出资产人数所占比例,则f(s|P(t),qi)=1。

证明因为市场内短线投资者均为风险中性投资者,其交易策略是相同的,因此,在t时刻存在阈值q*,当qi>q*时,投资者i卖出资产,当qi≤q*时,投资者i持有资产。则

$\begin{array}{l} F (z (t) | Ρ (t), q^{*}) = Ρ (s (t) \leq z (t) | Ρ (t), q^{*}) \\ = Ρ (θ \leq θ^{*} | Ρ (t), q^{*}) (9) \end{array}$

其中θ*满足: $z (t) = \frac{θ^{*} + ε - q^{*}}{2 ε}$ 。

当投资者i的损失极限为qi时,投资者根据qi=θ+ε可知θ在区间[qi-ε,qi+ε]上一致分布,设投资者i的损失极限为qi恰好为阈值q*,则

$\begin{array}{l} F (z (t) | Ρ (t), q_{i}) = Ρ (θ \leq θ^{*} | Ρ (t), q^{*}) \\ = \frac{θ^{*} - q^{*} + ε}{2 ε} = z (t) (10) \end{array}$

从而解得概率密度函数

$f (s | Ρ (t), q_{i}) = \frac{\partial F (z (t) | Ρ (t), q_{i})}{\partial z (t)} = 1$

定理1 设投资者i的损失极限为qi, c为风险补偿系数, 则当 $\frac{q_{i}}{c} \geq \frac{1}{3}$ 时, 存在唯一均衡临界点P*(t), 满足 $1 - \frac{c}{3 Ρ (t)} = \sqrt{\frac{1}{c} (Ρ (t) - q_{i})}$ ,且当c≠3qi时,P*(t,qi)>qi.

证明由f(s|P(t),qi)=1,解方程J(P(t),qi)=0,即

$\int_{0}^{1} w (t, s) d s = \int_{0}^{1} E u (s) d s$

即

$\int_{0}^{1} [Ρ (t) - c s^{2} (t)] d s = \int_{0}^{\overset{(}{s}_{i}} Ρ (t) d s$

解得

$1 - \frac{c}{3 Ρ (t)} = \sqrt{\frac{1}{c} (Ρ (t) - q_{i})} (11)$

令 $\frac{Ρ (t)}{c} = x$ ,则式(11)可改写为:

$1 - \frac{1}{3 x} = \sqrt{x - \frac{q_{i}}{c}} (12)$

记 $y_{1} = 1 - \frac{1}{3 x} ‚ y_{2} = \sqrt{x - \frac{q_{i}}{c}}$ ,则方程(12)有解⇔曲线y1与y2有交点 $\Leftrightarrow \frac{q_{i}}{c} \geq \frac{1}{3}$ 。

故当 $\frac{q_{i}}{c} \geq \frac{1}{3}$ 时,方程(12)有解,又由于曲线y1与y2均单调增,所以解唯一;当 $\frac{q_{i}}{c} \neq \frac{1}{3}$ 时,y1与y2的交点x*恒大于 $\frac{q_{i}}{c}$ ,即p*(t)>qi.

图1给出了当qi=1, c=1时方程(11)的解P*.

由图1知,当qi=1时,对应的P*在qi的右侧,严格大于qi. 此结论表明,t时刻投资者i的损失极限为qi时,存在持有和卖出的临界点P*(t),当P(t)>P*(t)时投资者i将持有资产,当P(t)<P*(t)时投资者i将卖出资产。此外,临界点P*(t)>qi,说明投资者会在价格达到损失极限qi之前就卖出资产。此举反映了在流动性异常的市场上投资者对风险持谨慎态度,这种交易行为使得市场内短线投资者在价格还没达到损失极限时就提前卖出风险资产。在这个市场中,个体的卖出造成价格的下降,而价格的下降又会带来更多的卖出,从而造成大规模的抛售与价格大幅下降并存,最终迅速转化为整个市场的流动性黑洞。

4 结论

本文在非瓦尔拉斯市场和非公开信息条件下,在流动性异动的市场环境中讨论了风险中性短线投资者的交易行为,得到了个体投资者持有或卖出资产的均衡临界点。研究表明当市场上其他投资者损失极限为非公开信息时,多重均衡被打破,此时个体短线投资者持有或卖出资产的均衡临界点唯一且严格大于其损失极限。这一结论说明了当市场受流动性影响较大且资产价格处于下降通道时,投资者对风险持谨慎态度,往往在资产价格达到损失极限前就卖出资产。本文的结论有助于进一步探究流动性黑洞产生的机理以及微观市场的价格运行机制,对谨防当前市场发生由流动性突变引发市场危机提供了理论的依据。

短期证券投资第8篇

面对企业规模日益扩大所造成的产品结构不合理、债务负担沉重、主业竞争力下降、整体经营业绩下滑等一系列现实问题,我国大部分企业开始关注资产剥离,并将其作为企业的战略方案实施。作为收缩性资本运营方式之一,资产剥离逐渐成为上市公司日常经营的组成部分。以战略理论、公司财务理论、组织行为理论、交易成本理论等为理论基础的剥离被证明对企业确实具有一定的战略意义。

但剥离能否给企业带来积极的剥离绩效尚无定论, 国内外学者对剥离绩效评价的实证研究得出的结论存在诸多差异,认为剥离可能给剥离公司带来积极的或者消极的绩效。严复海(2014)统计所有关于剥离绩效的研究文献,发现62%的研究结论认为资产剥离绩效明显,其中多数(38%)证明资产剥离能够在短期内提升企业价值,对长期绩效的认同则相对较低(24%)。Boudreaux(1975)首次运用事件研究法,以1965 ~ 1970年自愿和非自愿剥离的公司为样本,研究了剥离公告对股份的影响,发现自愿剥离产生积极影响,非自愿剥离产生消极影响;Mulherin & Boone(2000)以1990 ~ 1995年59个行业的1 305家公司为样本,运用事件研究法,采用累积异常回报指标,得出剥离宣布产生积极的财富效应,而且财富效应与剥离的规模和产生的协同效应正相关的结论;Hanson&Song (2003)对1980 ~ 1991年225个剥离样本进行了OSL回归分析,认为剥离对剥离公司的净现值增加具有积极作用, 剥离宣布往往会产生良好的市场反应;John和Ofek、 Haynest等都得到了资产剥离能够改善企业经营业绩的结论。李善民,王彩萍(2005)以万科股份有限公司为例,研究发现历次资产剥离给万科股份有限公司的股东带来了正的累计调整回报,公司业绩不断提升,剥离给企业创造了价值;卫建国等(2009)研究发现,资产剥离存在非关联交易的情况下,长期绩效业绩显著提高,且长期资产负债率低的公司资产剥离的长期绩效显著改善,资产剥离规模相对较大的公司长期绩效改善更加显著。而Alexander、 Benson&Kampmeyer(1984)等认为,剥离行为并没有改善剥离公司的财务状况,累计异常报酬率也为负,显然并不显著。王俊(2006)、胡洁(2005)都认为,资产剥离并没有给上市公司带来持续性的业绩改善,样本在事件窗口内的累积平均超额收益出现负值。阎晓春、嵇菊莉(2013)采用因子分析法对2009年发生资产剥离的上市公司前后共四年的绩效综合得分进行检验得出,公司资产剥离只能够在短期内改善其绩效,但从长期来看并没有带来持久的绩效提高。

针对上述结论不同的研究,也有学者分析了其原因, 认为是由于在评价剥离绩效时没有考虑公司内外部因素的影响所致(严复海、李焕生)。徐虹(2012)研究发现,市场化程度越高,地方政府干预越少,公司剥离后的业绩就越好。冀宏研究认为,剥离绩效产生的差异是因为剥离决策动因不同。不同的剥离动因确实会引起市场的不同反应。因此,对剥离绩效的评价首先应区分不同性质的剥离。Montgomery&Thomas(1998)将剥离决策分为三种类型:战略性的(strategic),从长期利益出发进行的剥离;战术性的(tactical),目的在于改善短期绩效的剥离;沮丧的 (distress),迫于市场压力的剥离。战略(strategic)和战术 (tactical)剥离者因为基于企业长期发展的视角看待企业所处的困境,通过战略重新调整,以适应变革的环境,实现企业的可持续发展(Montgomery&Thomas,1997),因此, 通常能够提升公司价值。而沮丧的剥离被认为是来自政府或市场甚至内部的压力所致,站在公司角度是一种无奈之举,对公司价值和股东财富的影响具有很大的不确定性(戴娟萍、史习民,2014)。

因此,本文将结合相关理论对亿城投资(股票代码: 000616)近年发生的资产剥离行为进行分析,探讨因企业内部压力所致的沮丧型资产剥离对企业绩效产生的影响,为企业在内部资金压力所致的情况下选择剥离行为提供参考。

二、案例介绍

(一)案例公司基本情况

亿城投资股份有限公司前身为亿城股份,由大连渤海饭店集团公司等三家机构于1993年共同发起设立, 1996年经中国证监会批准向社会公开发行股票,公司由定向募集公司转变为社会公众公司。公司以房地产项目开发、销售商品房、自有房屋物业管理等为主营业务。 2013年8月7日,海航资本以16.1亿元高溢价收购亿城股份大股东乾通实业持有的2.86亿股,占总股本的19.98%, 成为亿城股份新的控股股东。海航资本成为亿城股份新的控股股东之后,确定了将公司打造成为金融投资平台的战略发展方向。2014年4月10日,亿城集团股份有限公司发布公告称,公司证券全称由原“亿城集团股份有限公司”变更为“亿城投资集团股份有限公司”。

结合本文研究的需要以及亿城投资转型前后年度报告、重要事项公告等公开资料,罗列出亿城投资战略转型后的资产剥离事项如表1所示:

资料来源:和讯网

(二)亿城投资剥离行为的特征分析

1. 持续高涨的资产负债率。权衡理论认为,企业适当保持一定的负债水平,可以发挥财务杠杆效用。但负债水平过高,财务风险就相应增大,而采用资产剥离方式则可以减轻公司负债水平。企业融资理论假说认为,资产剥离可以提供企业经营所需要的现金。因此,企业通过资产剥离的方式获取现金,可以此来降低企业的负债水平。尤其对于陷入财务困境的公司而言,通过剥离得到的收入缓解债务压力,是避免破产的一种很好的途径。陈玉罡等 (2007)通过财务指标研究得出,偿债能力低的公司往往需要通过剥离一部分资产来提高公司偿债能力。剥离资产获得的资金不但能减轻偿债压力,还能够带来更便宜的资金。杜宁(2004)认为,债务水平高是制约企业资产剥离的重要因素。因此,企业发生沮丧资产剥离往往伴随着持续高涨的资产负债率。

由国务院发展研究中心企业研究所、清华大学房地产研究所和中国指数研究院发布的中国房地产百强企业研究报告指出,2012年房地产行业平均流动比率为1.2倍,而亿城投资2012年流动比率高达2.53倍。亿城投资公开资料显示,截至2011年12月31日,西海龙湖总资产24.85亿元,净资产1.79亿元,资产负债率93%,负债金额达23.11亿元之多;同时,其子公司江苏亿城资产负债率79.58%,天津亿城山水资产负债率78.24%,负债总额14.2亿元。2011年亿城投资新增银行贷款7.3亿元,信托融资2.2亿元,集团负债增至61.23亿元,年底货币资金余额也由约18.76亿元下降为8.6亿元。可推测,从2011年开始, 资金压力已弥漫至亿城投资集团。

亿城投资于2012年4月25日发布公告称,为其全资子公司北京西海龙湖置业有限公司(以下简称“西海龙湖”)担保借贷7 000万元,以万柳亿城中心作抵押,贷款期限6个月,年利率12%。2012年11月19日,亿城投资再次发布公告称,西海龙湖向中诚信托有限责任公司申请总额不超过4.2亿元不低于4亿元的借款,期限为18个月,年利率为14%(而在当时,银行贷款年利率平均仅在6% ~ 7%)。据公开资料初步统计,亿城投资2012年全年新增贷款约9亿元。

但上述如此高息融资似乎并没有解决亿城投资沉重的财务负担,2013年9月,亿城投资初步拟向易联弘元以41 000万元的价格转让全资子公司北京西海龙湖置业有限公司100%股权。西海龙湖置业是亿城投资于2009年9月以8.82亿元通过收购其100%股权及债权而获取。时隔4年,亿城投资在完成约28亿元投资的情况下却以4.1亿元的价格选择将其挂牌出售,虽未成交(其后以将近14亿元成功出售),但可以推测,有限的融资渠道、高企的资产负债率已经迫使亿城投资不得不依靠出售资产解除企业的资金困境。

2. 非收缩性资本运营方式。起源于20世纪80年代后期的企业“归核化”战略核心思想认为,业务向企业的核心能力靠拢,资源向核心业务集中,不仅能提高营运集中度,还有助于公司改进经营剩余资产的效率,从而明显改善企业竞争优势 ,提升公司价值。Dittmar&Shivdasani (2003)研究发现,剥离非核心业务不仅能够缩减公司多元化程度,显著降低多元化公司的折价现象,还能大大提高管理效率,提升公司价值。以此判断,若企业剥离公司核心业务,其动机只可能是改善短期绩效,或改善企业现金流甚至是出于对财务报表的盈余管理需要(卫建国, 2009)。

亿城投资的主导项目多属高端项目,包括一些“投资型”别墅,其在北京、天津等多个黄金地段拥有地块储备。其捆绑出售西山华府综合楼以及西山华府会所、万城华府会所、颐园会所和配套房产公司的资料显示,西山华府综合楼占地面积9 977.61平方米,规划地上建筑面积33 800平方米,土地用途为综合、地下商业。北京亿城山水的其他主要资产为持有的北京万城置地房地产开发有限公司100%股权,万城置地目前主要资产为万城华府海园会所(地上地下建筑面积合计4 579.64平方米)和玺园会所(地上地下建筑面积合计1 737.33平方米)。另外,颐园会所和配套房产是北京亿城开发项目碧水云天·颐园(即星标家园)的一部分,用途是会所和配套。财经时报评论, “这块土地之后,亿城没有在北京再增加土地储备。这个六环外的豪宅让亿城和北京的好地块越来越远。”实际上,亿城投资除了燕西华府,没有一个在一线城市,“但太多上市公司的现状已经显示出一线城市的土地对于一家地产公司的重要性。”而且,亿城投资在出售这一系列核心业务之后,继续“变卖”资产,转让子公司秦皇岛天行九州股权(其相关资产主要为秦皇岛昌黎县黄金海岸高端别墅项目)。

对一个老牌地产商来讲,出售这一类持有型物业和商业,若不是资金压力所致是不可能作出这一决策的。据此可判断,亿城投资上述的资产剥离行为显然不是基于公司长期利益考虑的战略性的、收缩性资本运营方式的选择,而是企业内部资金压力所致。

3. 非利润平滑方式。Bartovc(1993)提出的“利润平滑假设”认为,经理可以通过选择剥离时间(提前或推迟资产剥离收入的确认时间)和规模达到企业盈余管理的目的。因此,资产剥离是企业进行盈余管理的一种有效方法。

亿城投资于2013年2月5日出售亿城山水100%股权及颐园会所等资产的公告预称,估计增加2013年净利润7 900万元。笔者查阅了亿城投资上述房产销售资料,亿城山水所持有的颐园会所和配套物业及西山华府综合楼项目,2009年曾获北京销售月冠军,其后,该项目销售价格从一期开盘价的1.8万元/平方米升至三期的均价3.5万元/平方米;至2013年,该区域二手房的平均价格为5万元/平方米以上,西山华府综合楼项目建筑面积4.5万平方米,若按市场均价5万元/平方米计算,将近有22亿元的销售收入,扣除公司披露的西山华府的楼面地价以及大概的建筑成本,净利润至少8亿元以上。亿城投资若为7 900万元的当期利润而出售本该可带来上亿元的资产,从盈余管理的角度上分析,似乎很难解释,由此可知,亿城投资的举措显然不是基于当期盈余管理需要所作的利润平滑,而应该是迫于资金压力的沮丧资产剥离行为。

三、资产剥离的业绩效应

关于资产剥离的绩效检验方法,目前国内外通用的研究方法有两种:一是事件研究法,它以资产剥离公告日为中心确定一个窗口期,研究上市公司在资产剥离事件发生前后股票价格的异常波动,用于反映资产剥离的市场绩效。二是财务指标分析法,它通过对比剥离前后的各项财务指标变化来检验剥离绩效。本文通过这两种方法分别考察亿城投资的历次剥离产生的绩效。

1. 市场反应。亿城投资在2013年1月 ~ 2014年9月期间共有5次资产剥离公告,但剥离成功的则是其中的3次。本文根据亿城投资三次资产剥离的公告日作为基准,采取事件研究法,分别选择[-10,10]、[-15,15]、[-20,20] 作为事件窗口,用市场指数调整模型计算超额收益率 (CAR),基准指数选择为上证指数。计算公式如下:

Rit=ln(Pit)-ln(Pit-1),其中Rit为亿城投资的收益率,Pit是股票当天收盘价,Pit-1是股票前一天收盘价;其中,Rmt=ln(Pmt)-ln(Pmt-1),其中Rmt是指数的收益率。ARit=Rit-Rmt为超额收益率,为累计超额收益率。

数据来源:同花顺股票软件和新飞狐软件。

从表2的计算结果可以看出,对于第一次和第二次资产剥离,事件日的累计回报率均为负值,而且存在着随窗口期长度加长,累计收益率的绝对值不断增大的规律。说明市场反应普遍比较消极悲观,投资者对企业的剥离行为预期并不看好。而对于第三次剥离,市场给予了正面积极评价。笔者分析其原因在于,本次剥离公告早在2013年9月12日曾发布,拟向北京易联弘元投资管理中心转让全资子公司北京西海龙湖置业有限公司100%股权,转让价格为4.1亿元。因被质疑“贱卖资产”遭遇股东反对,2013年9月27日股东大会《关于出售子公司西海龙湖股权的议案》显示,最终同意数占出席会议有表决权股份的才35.52%,且该议案反对比例达到51.12%,13.36%弃权,表决结果显示不通过。市场应该在这一段时间消化了这一利空的消息。这一剥离行为最后延迟到2014年2月26日, 公司再次公告以8.19亿元转让西海龙湖置业有限公司65%股权,加上西海龙湖偿还的股东借款6.16亿元,预计回收资金14亿元。市场表现出积极回应,体现出良好的预期也属正常行为。

考虑到我国二级市场的股价操纵和题材对股价的影响,本文同时选用会计研究法,考察多个财务指标剥离前后的变化来分析剥离行为的绩效。

2. 财务指标分析。基于文章前面对亿城投资剥离特征分析,可知亿城投资的资产剥离行为纯属内部资金压力所致,因此,可通过考察其资产剥离前后的偿债能力来分析剥离行为对改善资金压力的影响,通过考察其盈利能力、发展能力分析剥离行为对企业短期绩效的影响。本文借鉴国内外学者研究采用的财务指标(Pashley&Philioppatos,1990;李善民、李衔,2003),选取具有代表性的指标, 如速动比率、资产负债率、净资产收益率、总资产报酬率、每股收益、总资产增长率、营业收入增长率、净利润增长率、每股经营性现金流量等。

数据来源:和讯网。

从表3数据可知,亿城投资剥离出售资产后,速动比率上升,资产负债率下降,说明出售资产套取一部分现金在一定程度上减少了企业的负债,导致资产负债率有所降低。但盈利能力、发展能力、现金能力各指标都呈下降趋势,资产剥离在短期内并没有为企业带来超常发展,这与前面的市场反应研究结果基本保持一致。

四、启示与结论

综合以上市场对亿城投资剥离事件的反应和财务指标的分析可知,亿城投资因企业内部资金压力而不得不作出的剥离决策在短期内给股东带来了负的累计调整回报率,公司的财务业绩没有得到相应提升。Boudneau (1975)认为,自愿剥离会给公司带来积极的股份反应,而非自愿剥离会给公司带来消极的股价反应。因此,来自企业内部的资金压力或来自市场的压力往往导致企业进行不得已的非自愿剥离行为,不能提高企业的绩效。为减轻债务负担、摆脱当前的财务困境,企业选择剥离资产这种方式对企业的长期发展来讲并不是上乘之策。企业应基于基本的财务原理,选择适当的融资方式,构建合理的债务与权益的结构。

摘要：本文通过对上市公司亿城投资股份有限公司的历次剥离事件研究,总结了来自市场或是企业内部压力所致的沮丧资产剥离的特征,并运用事件研究法和财务指标法对剥离短期绩效进行分析,发现亿城投资的资产剥离行为在短期内没有明显地改善公司业绩。因此,企业面对内部资金压力时应充分考虑企业整体战略目标而作出资产剥离决策。

短期证券投资第9篇

（一）问题提出的背景

在布雷顿森林体系解体以后的国际货币体系下，美国可以自由输出美元，无需承担在布雷顿森林体系下美元兑换黄金的最终职能，这使得美国可以通过大量输出美元货币资产获得铸币税以调节本国的逆差。大量输出的美元是当今全球流动性过剩的本质原因，在此背景下，国际资本市场上积累了大量的短期资本，他们频繁地出入一国，希望通过短期的投机来获取巨额的利润。与此同时,宏观上中国经济的高增长成为国际资本关注的焦点；微观层面,中国资本市场和房地产市场的行情高涨；国际上对人民币存在着一致的升值预期；加之中国的货币政策也正随势进入加息的紧缩周期，中国与美国的利差也在逐渐缩小。中国经济的宏观与微观层面都表明：以人民币和人民币标价的资产短期内具备升值的潜力。中国已经成为国际短期资本的主要目标，流入中国的国际短期资本正在不断增加。

（二）短期资本概念的界定

1. 以期限界定：

一年以下为短期资本。学术界有一个公认的划分标准，即借贷或投资期限在一年以下的为短期资本，一年以上的为长期资本。

2. 以意图界定：

著名经济史学家查尔斯·P·金德伯格首次提出，应当按照投资者的意图来区分国际长期资本与短期资本。所谓国际短期资本流动，是指投资者的意图旨在短时间内改变或扭转其在国际间流动的方向。即使这一时刻目前尚未确定，但在未来时机适宜时仍会如此。

3. 国内学者的概念界定：

国内学者在研究短期资本时基于期限和意图两种分类相互借鉴，结合国际收支平衡表的具体项目进行了更加详细的完善和规定：短期资本指借贷期限在一年以内的资本和随时可能改变方向的资本(曲风杰2006），即BOP表内借贷期限一年以内的其他投资,证券投资的货币市场工具，以及BOP表外隐性和非法的资本流动。李杰（2007）认为,将BOP表内直接投资和长期借款排除在外是无可争议的，但证券投资虽然到期期限无穷大却拥有发达的二级市场，变现比较容易，应视为短期资本。另外许多隐性和非法的资本不一定都在BOP表外，它们可能混入正常的资本项目或借助其他项目流入境内，可能反映在BOP表上。因而对曲风杰的定义略作了修正，短期资本指投资者的意图旨在短时间内改变或扭转其在国际间流动方向的资本，在统计上，将其分为正常合法和隐性非法流入两部分，反映在BOP表金融项目中（除直接投资和长期借款的各项目），后者指受制于资本管制通过各种隐蔽和非法渠道进入的资本。笔者对国际短期资本概念的界定基本参照国内学者的观点。

二、国际短期资本流入中国的规模

关于对短期资本的测算，王世华（2007）认为,由于用国际收支平衡表可得的数据最小频率一般是半年度数据，目前使用较多的是基于海关数据计算短期资本流动时，常用的算法是用非贸易及FDI资本流动(也有人称之为非FDI资本流动)表示短期国际资本的净流入，其计算公式为：非贸易及FDI资本净流入=国际储备增加额-净出口额-净FDI资本流入。

根据此测算方法,我们将2001-2007年的月度统计数据经过计算得到国际短期资本流入量绘制成柱状图1如下：

资料来源：根据中国人民银行、商务部、海关网站相关数据计算整理。

根据图1我们可以发现，短期资本的流入在2003年初后短期资本有一个急剧增加的趋势，到2007年流入量增加幅度大增，达到316.69亿美元，这与2003年以后人民币升值的预期不断增强以及中国资本市场和房地产市场不断走高即以人民币标价的资产收益率不断走高有着密切的联系。因此我们预测，短期资本在2003年以后大量流入主要是想套取人民币升值和人民币标价的资产收益率增加的双重收益。

三、套利动机影响国际短期资本流入中国的理论分析

关于套利动机影响国际短期资本的流动理论主要是国际短期资本的存量理论，该理论的实质即为资产组合理论，它将风险因素引入了资本流动问题之中，认为资产的收益和风险相对称，理性的投资者将通过分散化的投资来实现既定收益下的风险最小化。资产组合理论从市场有效和投资者风险规避者的角度出发，衡量了投资的预期收益和风险，并以此勾勒出资产组合的有效边界，同时与投资者的预期效用无差异曲线相结合得出最佳资产组合模型（见图2）。

在图2中，横轴表示方差，即投资者面临的风险；纵轴表示均值，是投资者的资产组合为其带来的收益。这里假定投资者所持的资产组合仅包括货币与债券。投资者最佳无差异曲线RM与资产组合曲线ON相切于点M，则点M成为投资者最佳资产组合点。投资者会选择财产中的M部分投资于债券，其余财富以货币形式持有。而当债券收益率下降时，资产组合线从ON降至ON′，无差异曲线RM也降至RM′，二者相切于点M′，这也说明，当有价证券预期收益率降低时，投资者会减少其持有量，转而增加无风险资产的持有。

因此，投资者对某项资产的需求就具有如下特征：首先，这一需求与该资产的预期收益正相关，与该资产的风险负相关。其次，这一需求与投资者财富总量正相关。当投资者资产总量增加时，对各种资产的需求也随之上升。最后，该资产的收益率与其他资产收益率之间的负相关程度越高，对该资产的需求也就越大。因此，资产组合理论的核心观点就是投资者的投资愿望主要是追求预期收益，同时承担尽可能小的风险，投资者的目的是实行风险和收益的最佳组合，这就很好地解释了短期资本的国际间流动。

由资产组合理论可知，当两种风险资产之间的相关性为零或负相关时，将大大降低它们同时遭受风险的可能性，此时组合资产的风险必将低于单一资产的风险。由于不同国家之间经济发展的不一致和各国经济发展阶段的不同，其经济波动周期不一以及它们在经济结构和宏观政策、投资环境方面的差异，使得不同国别的金融资产收益的相关性要远远低于同一国家内部不同资产的相关性。因此，在国际范围内配置资产较之仅投资于一国国内资产，既能基本消除投资中的非系统风险，又能获得相对较高的收益。

四、套利动机影响国际短期资本流入中国的实证分析

为了检验理论解释国际短期资本流入中国的现实情况，考虑到数据的可得性，我们以中国的资本市场收益率替代中国的资产收益率，依据套利动机影响短期资本流入的存量理论，比较国内外资本市场的收益和非系统性风险，通过收集和计算2000-2007年世界26个主要国家的年度收益率，依据田素华（2001）的研究方法，首先计算出这些国家的资本市场收益率在这8年之间的波动方差和均值。其中波动方差我们可以将其近似看为该国的资本市场的非系统性风险值σ，将2000-2007年这8年的平均收益率和波动方差相比得到，世界26个主要国家的单位风险收益的值θ=R/σ，而这个θ是国际短期资本决定进入一个国家套利所依据的指标，这个值越高表明一国的资本市场的单位风险收益率越高，国际短期资本就越希望流入该国资产市场套取利润。

通过表2可以看出，2000-2007年中国的资本市场的单位风险收益率在亚太地区与日本并列位居第三，在世界26个国家中位居第七，处于前列，并且高于世界平均水平。

另外，投资者在进行国际投资组合时，除了考虑一国的收益与非系统风险的比值即单位风险收益率之外，往往还要考虑不同的国家证券市场相对世界整体投资收益率变化的程度，即系统风险的大小。根据田素华（2001）的方法，我们测算出上述世界26个主要国家和地区的系统性风险β系数的大小（见表3）。将资本资产定价模型略作改变，求解反映各国证券市场系统性风险的β值，修正后的CAPM如下式：

ri(t）:t年第i国年度投资平均投资收益率

Rf：世界无风险利率水平，我们取4%作为无风险利率进行回归计算

rw(t）:t年世界年度平均投资收益率

αi：大于0表示i国证券市场收益率高于世界平均水平，反之则低于世界平均水平

βi：表示i国证券市场系统风险，绝对值大于1表明该国（地区）大于世界平均水平，对世界范围内的投资扰动因素反应较为敏感，反之则表示该国（地区）投资风险低于世界平均水平，对世界范围内的投资扰动较不敏感。

结果显示：中国证券市场的系统性风险小于1，未能通过t检验。由此可以认为，中国证券市场受世界整体投资活动的系统性比较小，内生化倾向明显。

由此可见，中国资本市场单位风险收益率较高，另外受国际市场影响较小，具有相对的独立性，在当今西方主要发达国家的资本市场普遍存在共振性的情况下，中国资本市场自然会成为国际短期资本的避险和套利港湾。

数据来源：http://www.fibv.com/；笔者通过计算得到。

资料来源：笔者通过利用Eviews软件分析得到。

五、结论

通过上述分析我们可以看出，中国的资本市场有着较高的单位风险收益率，并且系统性风险也很小，所以国际短期资本在西方主要发达国家经济走缓的时候选择流入中国使得他们可以规避风险获取收益。尤其是2007年美国次级贷款危机以来，西方主要发达国家经济面临着巨大的冲击，股市和房地产市场价格纷纷下挫，大量国际短期资本从西方国家流出，其中很大一部分流入了中国内地的股市和房地产市场进行短期套利，这与国际短期资本的套利理论、国际短期资本的存量理论的结论一致。

参考文献

[1]乔桂明.国际金融学[M].北京:中国财政经济出版社,2006.

[2]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.

[3]达莫达尔.N.古扎拉蒂.计量经济学基础[M].北京:中国人民大学出版社,2005,.

[4]田素华.中国证券市场国际比较的实证研究与开放策略[J].经济研究,2001,(9).

短期证券投资第10篇

随着风电并网规模的快速扩大,风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响也日益彰显[1],故及时、精确地预测风电功率(wind power,WP)动态的意义重大。风电功率预测(wind power prediction,WPP)根据风速及相关因素的历史数据和当前状态,定性或定量地推测其此后的演化过程。定性方法主要依靠专家经验来判断其变化趋势;定量方法则需要建立数学模型来反映WP与相关因素的关系,外推WP值。WPP功能在丹麦、德国和西班牙等风电高穿透率的电网中已不可或缺[2]。

WPP可按时间尺度分为中长期、短期和超短期预测。用于风电场规划及年度发电计划的长期预测以年为时效;用于检修计划的中期预测以周或月为时效。中长期预测对精度的要求不严格,但需要长时间的历史数据积累。短期预测则要求较高的精度,以减少弃风,优化常规电源的日发电计划与冷热备用,以及调整检修计划。超短期预测则有助于优化调频及旋转备用容量,以及在线优化机组组合与经济负荷调度。国家能源局2011年发布的《风电场功率预测预报管理暂行办法》规定风电场功率预测系统提供的日预测曲线最大误差不超过25% ;实时预测误差不超过15%;全天预测结果的均方根误差 (root mean square error,RMSE)应小于20%[3]。对短期与超短期预测的时效尚缺乏共识,国家电网公司2011年发布的《风电功率预测功能规范》分别规定为次日零时起3d和未来0~4h,时间分辨率为15min[4]。本文主要关注短期及超短期WPP。

WP几乎完全由自然条件决定,难以人工控制。虽然中国6个千万千瓦级风电基地的大范围功率波动都具有季节性变化规律及昼低夜高的特征[5],而且WP的不确定性随着集群规模的增大而有所平缓[6],但其波动性、间歇性和随机性仍比电力负荷[7]突出得多。虽然时间序列法及人工神经网络 (artificial neural network,ANN)等仍是WPP的主要方法,但其误差,特别是最大误差难以掌控[8]。为此,迫切需要探索新思路。

文献[8]归纳了风电不确定性因素及其对电力系统充裕性、稳定性、频率与电压可接受性、经济性及减排效果的影响。本文在其基础上讨论了WPP误差的来源及影响,提出评价指标,梳理研究现状, 探讨了可能的突破口。

1 WPP的误差特性对电力供应的影响

WP的整体不确定性由其随机性及模糊性构成[8]。有效的WPP虽然不会减少WP的随机性, 但可降低其模糊性,从而使WP的整体不确定范围降低到WPP的最大误差区间,减小了WP对电力系统及电力市场的扰动。必须强调,不仅需要降低WPP的长期平均误差,还需关注短期平均误差,甚至瞬时误差,以确保电网运行的稳定性[9]及充裕性[10],优化机组组合与经济负荷调度[11],减少弃风[12],降低排放,降低电网运行成本[13]。

此外,WPP误差的概率分布特性对于WP不确定性的应对也非常重要。文献[14]设WPP误差的概率分布为已知的高斯分布,以不同的置信水平给出预测结果;具体的应用功能则可按其对风险的接受程度从中选择。其中关于误差期望为零值的假设并不合理,而其他的文献则采用了误差期望的预测值,但均未说明如何得到后者。文献[15]在优化调度计划时考虑了WP及其误差带的预测。文献 [16]基于概率预测,建立系统运行风险约束的动态经济调度模型,将风电场出力视为概率不确定的随机变量参与求解,得到不同置信水平的优化结果。文献[17]则建立了储能容量与WPP可信度的关系模型,以优化储能成本。

在风电参与电力交易方面,文献[18]关注WPP的误差对自动发电控制双向调节代价的影响,根据其概率密度来申报出力,以优化风电场的期望收益。文献[19]在短期交易的出价决策中,将WPP误差处理为随机过程。文献[20]比较了WPP误差对市场出清电价、电网平均购电成本等运营指标的影响。

降低WP不确定性对社会福利的负面影响,需要同时减小WPP误差的数学期望及方差,为此应深入了解影响WPP误差的因素。

2 影响 WPP精度的因素

WP依赖于风电场的地理环境(包括地形地貌、粗糙度、塔影及尾流效应等)与气象条件(包括风速、风向、气压及温度等)。其中以风速最为重要,故WPP往往采用先预测风速再折算,并考虑机组故障及检修等因素的思路。影响WPP精度的因素可归结为以下几点。

1)数据采集与处理。在建立预测模型期间所需的历史数据,及在实施预测期间所需的实时数据,都希望尽量完备和准确。气象的历史数据与实时数据的缺失,风电场数据采集、传输与处理设施的缺陷, 都会影响WPP的精度。数据预处理技术包括数据同步、异常数据的识别与处理、缺失数据的替代等。通过整合数据源,完善考核体系能够提高预测的准确性。

2)预测策略。例如:直接预测WP或通过风速预测;直接预测整个风电场的WP或根据部分风机的预测值及空间相关性推算[21];采用逐一累加方式或统计升尺度方式[22]推算区域风电场群功率。一般来说,能反映更多具体数据的预测策略可以得到更高的精度,但需要更多的数据与计算量。

3)预测方法。物理计算法、时序外推法、人工智能(artificial intelligence,AI)法分别从空间、时间与样本分类的观点推算。它们依据的数据源、预测模型、误差特性都有所不同。若能巧妙地互补不同方法的优点,可以更好地反映风速的时空演变特性。

4)数值天气预报 (numerical weather prediction,NWP)在大气实际的初值和边值条件下,数值求解天气演变过程的流体力学和热力学模型,根据空间网格中的平均值推算实际风电场地表风速的非均匀分布,并预测其动态变化[23]。由于计及了等高线与等地形信息,以及地表粗糙度、障碍物等地貌信息,通过微观气象学方法可以得到各风机轮毂高度的风速、风向、气压、气温等信息。然后,将风速的推算值转换为风能,其精度与NWP的精度、网格大小、刷新周期等密切相关。由于近地面,特别是小气候复杂地区的风速数值预报精度在部分时段内可能很低,而风能又正比于风速的3次方,故NWP的误差在WPP模型中被放大。此外,NWP的周期长,无法用于超短期预测。

5)外推法和NWP都基于下述假设,即系统未来的变化态势将保持与起始时刻前的一小段时间内一致,因此难以正确预报天气系统特性的突变。AI类模型的强壮性受训练样本集的影响很大[24],不易保持强壮性。

6)风电场的地形地貌会影响WP的平稳性及场内各风电机组的相关性;地域增大往往有助于预测误差的对消。

7)将风速的推算值转换为风电预测,需要考虑风电机组的可靠性及检修计划的不确定性。

8)预测时效缩短有助于提高预测的平均精度, 但在风速的波动及间歇特征明显的时段内,效果变差。

3 WPP方法按信息流分类

3.1 数据源

表1概括了WPP的输入信息,包括风电场背景数据(包括等高线、粗糙度、障碍物、风机布置等), 历史数据(包括风速、温度、气压),NWP数据和实时数据(包括风速、WP、温度、气压)。WPP的输出数据包括风速预测值和WPP值。

3.2 各种 WPP方法的信息流

图1给出了各种WPP方法所对应的信息流, 包括对输入数据的需求(虚线为可选项)、输出项,以及后续转换、误差评估和模型修正。

物理计算法的输入信息包括风电场背景数据和NWP预测数据 (风速、风向、气压、温度等)。虽然NWP具有不依赖于历史统计数据的优点,但其求解难度及计算量都很大,特别是当需要反映实际风电场非均匀特征时[23]。因此,物理方法需要根据实际风电场的地形地貌来估算各风电机组轮毂高度处的风速。其计算模型涉及微观气象学理论、流体力学理论等,求解方程包括动量方程、热量方程、水汽方程、质量连续方程等,同时还涉及云层参数及运动轨迹、边界层参数化、地形地貌参数化等。

时序外推法将风速或WP作为单一的输入序列,采用时间序列模型计算得到输入、输出的解析表达式。

AI法的输入信息来自实时风速(或WP)数据, NWP预测数据或局部时序外推的结果,通过各种AI技术得到输入、输出的非线性映射关系。

时序外推法和AI法都需要根据历史数据来优化统计模型及参数,但时序外推法只能分别处理单个变量的时间序列,而AI法则可以考虑输出量与多变量之间的非线性映射关系。

组合法则结合了不同的预测法,例如将物理计算法得到的风速预测值与实时数据一起作为AI法的输入,求取WPP值。

当直接预测的对象不是风速而是WP时,必须将风电机组的实际运行状态增列为预测模型的输入。误差的事后评估则应以实际的WP数据为标准来校核WPP结果。

3.3 输出量的转换与评估

当直接预测的对象为风速而不是WP时,还需通过转换曲线(transformation curve,TC)将前者的预测值转换为WPP结果。TC可以采用风电机组制造厂提供的理论曲线,或在现场运行中获取的实际曲线。后者因计及运行状态、地形地貌、塔影效应及尾流效应等影响,更为实用。

现场TC的表达方式[25]包括:1直接表达风电场输出功率与风电场测风塔风速之间的关系;2根据地形地貌与机组位置,将风电机组分群,分别表达各群的TC后累加;3识别每台风电机组的TC。上述非线性映射TC可以根据历史数据[26]或实时数据的拟合而成。

WPP完成后不久,就可实测到风速及WP。以实测值为标准,即可评估先前的预测误差,建立误差的预测模型并提高实际预测的精度[27]。

4 WPP方法的研究现状

4.1 基于 NWP的物理模型计算

NWP将天气的物理过程概括成一组物理定律,并表达成数学方程组。然后在已知的初始值及边界条件下,逐个时间段地往前联立求解描述天气演变过程的热力学(包括热力学第一定律和水汽方程)和流体力学(包括连续方程和3维运动方程)方程组[28],预测未来的气象数据,再结合风电场周围的地形地貌,计算风电机组轮毂高度处的风速与风向等,最后通过该机的功率TC得到WPP[29]。其技术要点包括:采用高性能计算机求解偏微分方程组的数值解;采用网格嵌套的方法减少计算量;为目标区域定制预报模型;通过观测数据的同化提高预报质量。

基于NWP的物理模型预测方法除了能够充分考虑风电场的物理和环境因素以外,其最大的优势在于不需要积累大量的历史数据,因此特别适合新建风电场的WPP。但由于NWP的更新频率较低, 难以满足超短期预测的要求,仅适合短期及中长期预测。此外,NWP本身的预测精度也常常制约着最终的预测效果。

采用物理模型的著名商用WPP软件有丹麦Ris国家实验室(现已并入丹麦技术大学(DTU)) 开发的Prediktor(全球第1个WPP软件,1994年)[30],西班牙可再生能源中心 (CENER)开发的LocalPred-RegioPred(2001年)[31],以及德国奥尔登堡 (OldenBurg)大学开发的Previento(2002年)[32]等。

4.2 基于统计观点的外推模型

时序外推法通过归纳风速(或WP)历史数据的时间序列之间的统计规律,建立WPP值与最近期WP时间序列之间的线性或非线性映射。由于历史数据序列反映了流体、热力、地形地貌等因素的影响,故基于统计观点的外推模型可以回避对物理机理掌握不够的困难。

但是,外推法隐含着下述假设:1连续性,即影响事物未来轨迹的那些因素及规律,与该时刻之前一段时间基本保持不变;2渐进性,即事物以缓慢而渐进的方式演化,短期内不会突变。这些假设不但会使外推法在系统结构或边界条件于预测时效内发生突变时失效,即使在系统缓慢变化期间,其预测误差也会随着预测时效的增加而迅速增加,从而严重影响外推法的适用性及强壮性。

一般来说,基于统计观点的外推模型适用于超短期预测,典型的软件有DTU开发的WPPT(1994年)[33],德国ISET研究所开发的WPMS(2001年) 和西班牙加泰罗尼亚理工大学开发的Alea Wind (2004年)[34]等。

4.2.1 时间序列预测法

4.2.1.1 经典的时间序列预测法

时间序列预测法根据目标变量本身随时间变化的趋势外推,较适用于气象信息有限的风电场进行超短期预测。由于无需考虑更多的气象信息,故具有建模简单且计算量少的优点。但输入数据单一的特点也使其难以考虑其他信息的影响,无法按不同的边界条件来修正预测模型,故除了建模时需要大量历史数据外,其强壮性更差,难以应对突变状况; 且预测精度也随着预测时效的增加而迅速降低。经典的时间序列预测法,包括持续法、移动平均法和自回归移动平均 (auto-regressive and moving average,ARMA)法。

持续法将最近一点的实测值作为下一时刻的预测值[35],简单并常被用做新算法的比较基准[36]。移动平均法随着时间序列移动一个宽度不变的窗口,将其中各项的动态平均值作为下一时刻的预测值,仅适用于系统平稳或小幅波动时。ARMA法利用滞后的自身数值和随机误差项来解释当前值,并以此预测未来[37]。对于非平稳的WP时间序列,通过差分来消除部分不平稳分量。自回归求和移动平均 (auto-regressive integrated moving average, ARIMA)模型扩展了ARMA模型,将时间序列视为随机过程,并被广泛应用于超短期WPP[38]和短期WPP[39]。

4.2.1.2 与其他数学分析法的结合

一些学者引入了其他数学分析法来弥补时间序列预测法的不足。例如,分数—自回归求和移动平均(fractional-ARIMA)模型通过降低时间序列高阶模型参数估计的难度来提高模型精度[40]。

马尔可夫预测法将时间序列看做一个随机过程,通过系统在不同状态下的初始概率以及状态之间的转移概率建立随机型的时序模型。文献[41]设WP为马尔可夫过程,基于马尔可夫链模型研究超短期WPP,文献[42]将算法改进为隐马尔可夫模型。

卡尔曼滤波算法以最小均方误差来估计系统状态,即将前一时刻预测误差反馈到原来的预测方程中,及时修正预测方程系数以提高下一时刻的预测精度。文献[43]将其应用于风速预测。文献[44]则将时序分析法和卡尔曼滤波结合,先利用时间序列分析理论,建立风速的非平稳模型,进而推导出卡尔曼滤波的状态方程和观测方程,然后依靠卡尔曼预测递推方程进行预测。

风速和WP的时间序列具有典型的混沌属性[45,46],有文献尝试通过相空间重构从混沌的时间序列中恢复出风速[47]和WP[48]的动力学模型。

4.2.2 AI预测法

AI算法借助自然界规律或生物智能的启发,设计求解问题的计算机程序。包括模仿人类思维中模糊性概念的模糊算法,主要用于图像处理及模式识别;模仿生物进化和群体智能的进化算法,主要用于决策支持及优化问题;模仿大脑结构及其对信息的处理过程的ANN算法,可实现仿真、图像识别、预测等任务。由于AI算法不需要按机理建立预测对象的数学模型,而是通过大量实测数据或仿真算例来训练AI模型,在其输出与输入变量之间直接建立非线性映射关系,故可用于机理不清楚的场合。这些算法的强壮性还有待证明,目前只能通过数值实验方法检验其有效性。如何选择输入变量及训练样本[49],保持预测的鲁棒性,一直是其应用的瓶颈。

4.2.2.1 ANN

ANN具有自学习、自组织、自适应以及很强的非线性函数逼近能力,是WPP中应用最广泛的AI方法。其中,又以反向传播ANN(back-propagation artificial neural network,BP-ANN ) 应用最广[24,35,50,51],其他还有径向基函数神经网络 (radial basis function neural network,RBF-ANN)[52]、递归神经网络[53]及小波神经网络[54]等。

BP-ANN因其在训练中按误差的反向传播来调整权值而得名。其结构简单,可调参数多且可操作性好,较早应用于WPP[35,50]。为克服其学习过程收敛慢且不能保证收敛到全局最小点的缺陷,文献[51]采用L-M算法代替BP-ANN的权值调整; RBF-ANN则由于避免了误差反向传播过程中的繁琐计算,训练速度更快而被用于WPP[52]。

4.2.2.2 其他 AI预测法

支持向量机(support vector machine,SVM)预测模型采用结构风险最小原则,能在非线性建模的同时获得较好的泛化能力、较短的训练时间,并较易避开局部极小点,故被用于WPP[55]。SVM预测模型的精度受所选的核函数影响较大,为此,最小二乘SVM引入最小二乘线性系统,采用二次规划法估算核函数以提高预测精度[56]。

风速的一次累加生成序列是严格单调递增的, 可用指数函数拟合。文献[57]则采用灰色预测模型GM(1,1)预测风速。

此外,蚁群算法[58]、模糊逻辑算法[59]等AI方法也被用于WPP。文献[60]比较各种AI预测法后认为它们各具优势,虽然SVM的精度稍高,但并非绝对占优。

4.2.3 时域与频域相结合的预测方法

风速及WP序列兼具随机性与规律性,可看做多个频率分量的叠加。在频域分解的基础上对各频率分量分别建模预测,可提高WPP精度。小波变换是最常见的时频结合的预测方法。文献[61-62] 用小波函数将原始波形分解为不同时间尺度的分量后,分别用ANN或最小二乘SVM预测,最后叠加为整个预测值。利用小波变换的WPP往往选取经验模式分解[63]或局域波分解等自适应小波分解方法。

4.2.4 按历史相似数据分类的预测方法

WP的不确定性随着预报时效的缩短而降低。在没有风速骤变、人为弃风及设备故障等突变事件时,短时间内的演变规律相似度较高。因此,对历史数据按“相似性”分类有助于预测模型的精细化,并使WPP具备一定的自适应能力。

一些文献借鉴电力负荷预测关于“相似性”的概念,提取气象特征作为分类判据,进而短期预测风速或WP[64]。此类方法的难点在于特征变量的选取及分类判据的强壮性。文献[65-66]采用了分段线性化的曲线相似度为分类依据,按当前风速曲线从历史数据中提取形态接近者并分别建立了AI及SVM预测模型。文献[67]则将风速时间序列重构到相空间中,并在其中寻找相似点,据此建立SVM预测模型。

4.3 组合预测方法

组合预测方法的核心思想是分摊单独预测方法的误差风险,以消除大偏差。

第1类组合预测方法是将基于不同统计方法的预测值加权平均[68],例如SVM预测与其他方法的组合[62,63,66,69]。文献中选取加权系数的方式包括: 以最小方差为目标的优化[65];每天更新训练样本并按最小方差求取加权系数[70];将风速序列分解成不同时间尺度,分别预测后将结果值相加[63];按地理和气象特征分成多个样本子集,按其中的样本数分配权重,并按训练精度调整[71]。加权系数的强壮性一直是这类方法的瓶颈。

第2类组合预测针对的是中尺度NWP,其代表作是爱尔兰科克大学的MSEPS[72]。各模型可由相同NWP模式的不同变量构成(如不同的次网格物理过程的参数化方程、不同的初始条件以及不同的资料同化方法等),也可以由不同的NWP模式构成。各模型的预测结果越接近,则不确定性越小。基于多个NWP模型产生的不同预测结果还可以近似估计WP的概率分布[73]。

第3类将物理模型和统计模型相结合,其中具有里程碑意义的是2002年开始由欧盟资助,7个国家的23个机构参与的4年期项目ANEMOS[74],它将物理和统计两种模型结合在一起,除了进行陆上和海上的短期WPP,还可以优化风电场的储能系统与需要的备用容量[75]。ANEMOS的后续延伸项目SafeWind(2008—2012年)则关注了极端天气下的WPP[76]。此外还有美国AWS Truewind公司的eWind(1998年 )[77],及丹麦Ris 国家实验室与DTU共同开发的Zephry(2003年由Prediktor和WPPT整合而成)[78]。它们将NWP输出的,在风电机组轮毂高度处的气象数据输入经过历史数据学习(一般采用基于AI的统计观点)建立的预测模型,得到WPP的最终值。

中国的WPP研究起步较晚,但近年来已有一些预测效果较好的WPP软件问世。工程应用较广泛的有中国电力科学研究院开发的WPFS(2008年)[79],中科伏瑞开发的FR3000F(2010年)[80]和南瑞集团公司开发的NSF3100(2011年)[81]等。这些软件大多采用物理模型和统计模型相结合的组合预测,并先后应用于吉林[24]、甘肃[82]、宁夏[83]、内蒙古[84]等风电基地。

4.4 概率性预测方法

基于概率区间的WPP能够同时量化预测误差和相关概率,提供重要的概率分布信息,进而降低预测误差所引入的风险。一些文献讨论了WPP误差的分布特性,认为不符合高斯分布[85],主张采用Beta函数[86],或以连续函数与离散分布相结合的方式描述[87]。文献[88]建立了以当前时段实测风速与下一时段预测风速为联合条件的预测误差概率统计模型,采用了离散概率的表达形式。文献[89]基于贝叶斯框架,在预测风电场输出功率期望值的同时,对其误差分布状态进行了估计。文献[90]则在采用经验分布模型建立风电预测误差的概率分布函数的基础上,使用非参数回归技术得到预测值的概率区间。

5 WPP结果的评估方法

不论是比较预测效果,还是改进预测方法,都必须基于对预测精度的评估。现行行业标准[4]及文献广泛采用平均绝对误差 (mean absolute error, MAE)、平均绝对百分比误差 (mean absolute percentage error,MAPE)及RMSE等来评估WPP效果。

文献[37]将MAE分为反映冒进程度的正误差及反映保守程度的负误差,比较符合工程概念。文献[91]将MAE和RMSE进行归一化处理,得到归一化平均绝对误差 (normalized mean absolute error,NMAE)和归一化均方根误差 (normalized root mean square error,NRMSE);文献[92]用χ2统计量作为WPP误差的评估指标。但这些延伸及改进仍然无法反映风电预测误差对电力系统备用容量需求的影响,特别是调频容量及旋转备用需求对0.1~10s超短时间段内的风电预测误差的敏感性。

文献[85]认为以RMSE最小化为目标函数的本质是误差方差的最小化,仅适用于预测误差呈高斯分布的特殊情况,而不能反映一般情况下概率分布的偏度及峰度等信息。文献[93-94]发现MAE, NMAE,RMSE等指标的评估结论不一致。

文献[88]以当前实测风速与下一时段预报风速为联合条件,建立其预报误差的概率统计学模型。由历史统计结果确定偏度修正因子,再将修正后的预报误差概率分布与确定性预测结果相结合,成为概率性预测结果。可以在给定置信度下得到WP的波动范围。文献[95]将MAE、RMSE、误差分布直方图、实测序列与预测序列的相关系数,以及峰值 (或其发生时刻)预报的纵向(或横向)误差等指标结合起来评估WPP误差,可反映极端误差情况。这些多指标评估体系在一定程度上改进了对WPP误差特性的刻画,但当各指标的结论不一致时,会增加决策的困难。

更合理的误差评估方法除了要满足数学上的精确性要求外,还需要反映误差大小对该评估对象的实际影响。小于切入定值的风速下的预测误差并不是WPP关注的重点。风能的波动性、间歇性和随机性使其实际值可能接近或等于零值,此时不宜以相对误差来评估WPP。WPP的正误差和负误差影响电力系统的机理不同,小概率大误差的预测结果对系统的影响更是不能忽视。

6 对 WPP的展望

WPP距离实际需求还有很大的改进空间,列举如下。

1)利用多个NWP模型数据的组合模型来提高WPP的精度和时空分辨率,特别是恶劣天气下的预测质量。此外,高性能计算机和遥感技术的发展对NWP时空分辨率的提高也非常重要。

2)与地理信息系统技术融合,以适应复杂地形上的WPP[21]。

3)单一的预测模型及固定的参数难以满足对WPP有效性及强壮性的要求,如何选择并综合不同的预测模型,并进一步使其对动态过程自适应。综合的方式可以是并联、串联或切换。要特别注意的是:综合得好可以兼容不同模型的优点,但设计不好也可能汇聚其缺点。

4)风速骤然变化[96]的预测难度大,但意义重大。

5)为WPP的结果建立物理意义明确的评价指标,是改进WPP的必需。

6)提供风速或预测误差的概率分布可大大提高风电竞争力,即使只在预测结果的同时给出置信度信息也会有很大帮助。

7)WPP对备用容量调度的影响,不仅在特定的时间断面上,而且以随机过程的方式影响机组组合。因此,其误差评估准则应该扩展为针对一个离散随机时间序列,而不仅是一个时间断面。

7 结语