投资测算方法（精品多篇）范文

[导语]投资测算方法（精品多篇）为好范文网的会员投稿推荐，但愿对你的学习工作带来帮助。

投资测算方法 篇一

本文作者：石小杭田全华工作单位：中国社会科学院对贾经济研究所

一、思路与方式选择的核心所在

城市土地作为一个投资领域，其价值完全取决于土地利用，即地上或地下投资的类型、密集程度与效果。事实上没有一块城市土地是处于原始状态的。很明显，测算土地价值可依据成熟的技术经济分析方法，对具体地块的当前与潜在利用形式、费用与收益、风险等因素的清理与量化，将土地利用的一定时期(通常25年左右)内各年度(也可以是季或月)的净收益贴现并加总，从而得出该土地某种利用类型状态下的价值量。如果土地被用于非赢利的公共性用途，价值测算时则可进一步借助“成本一效益’分析方法。以技术经济分析原则为依据的具体土地价值测算方法很多，这里仅简要介绍其中一种，即“资本化法”。不久前我们在分析城市空间扩张时对农地征用过程中的‘经济租，曾用“资本化法”对上海市所辖农地价值进行粗略计算，结果如表1.应该说，上述的计算由于并非用于土地价值的准确确定，所以选用的资本化公式十分简单，数据的处理很粗糙，许多重要因素如资产增值、风险性等均未考虑，故缺陷是明显的。但这种基于技术经济分析的土地价值测算可依据一个城市的具体经济社会环境(如人口、收人、土地供给与需求等)、市场参数(如利率、税率、折旧率、风险度等)以及土地利用的状态(如投资类型、边际成本与边际收益等)加以细化，从而进行不同规模和不同精度的测算。说明：《l)表中数字来耳：《中国统计年鉴l,89》,第747页；上海统计局等编。《90年上海房地产市场》,第7‘(2)资本化率选取一年期储蓄存软年利卒。O)资本化公式为：犷一号土青其中：V为土地价值；。为当前土地利用平均年收人；,为利*(资本化率);,为预期土地净收人年增加值。(4)上海所辖农村每亩土地平均分摊的住宅面积为18.2脚气假设平均重旦价格为300元/.’.那么每亩地住宅补债为，460元。因此考愈农地征用补偿价位时。每亩土地应为2‘332.2元。在西方一些市场经济国家，一个得到公认的关于城市土地价值测算的分析模型是PaulWendt提出的模型犷二Ldt提出的模型：。fx(尸，Y,S尹。,尸‘)一艺(r+O。+I,+D,)其中：土地供给；fx(i,天，c.)犷为城市土地价值；fx表示预期；尸为人口；Y为平均收人；s为竞争性尸。为地区间竞争性拉动；尸。为公共投资；T为财产或财产收益税；不动产经营成本；I二为不动产再投资的收益；D.为不动产再投资的折旧；i率；R为投资风险；c,为不动产资产增值的可能性。O。为为利息。该模型揭示了现代城市土地价值变动的内在关系，其构成因素被认为是价值测算中不能忽略的。我国城市经济特征有其独特性，土地价值测算模型应与国外有所不同。但在方式方法上仍可借鉴国外成熟的经脸。迄今为止我国绝大多数城市级土地价值测算采取的是一种经济计摄学的方式，即将城市内的燕利性土地使用者(企业)的燕利状况看成是土地、资金和劳动投人的函数，通过某种经济计址模型来确定每一种要素的边际投人对燕利的边际变动的关系。就土地而言，这种边际变动关系就反映着土地的‘级差收益’,再对“级差收益，作某种处理就可求出土地的价值。这种测算方式的一个基本判断是：由于我国基本不存在城市土地市场，缺少市场数据使价值侧算的技术经济方法难以准确甚至无法进行。因此利用现行企业经营实绩报送系统的信息，通过计蚤模型的处理赛侧算土地价值是唯一可行的途径。按这种方式进行测算的许多结果都通过了国家和省级技术鉴定。这种方式实际上已得到国家土地局城市土地分等定级与价值测算技术规程的认可和推广。因此关于这种方式实际效果的探讨与论证已成为一个很大的问题。这里我们有必要以南京市的测算为例对这种测算方式予以简单介绍。这种方式的基本程序是：1.由专家小组通过特尔菲法对影响土地价值的各种因素，如距离商业中心的远近、交通便捷程度、公共服务完善程度、环境质量等进行选择和确定各自权数，并对随距离扩大而导致的因素作用衰减进行量化，计算出各‘因素作用分值表’,表2是南京市土地定级中最简单的因家作用分值表的例子。再将城市土地按一定原则划分为若干“单元”(如南京市划分为699个单元，单元大多在5一25ha之间),并通过如下公式确定各单元的总分位：尸‘二艺W,F‘其中：尸：为各土地单元总分值；甲：为各因素权数；F‘为单元内各因素分值。最后以各土地单元总分值为依据将城市土地划分为若干等级，从而使土地量化可进人ffi[J算模型；.2.搜集工商企业的经营数据并加以处理，求出各企业的单位用地面积平均利润盘、单位用地面积平均资金(不包括工资)量和单位用地面积平均工资量等土地效益数据；3.模型与计算。南京市的模型如下：Y二刀。X了，x里，x笙，其中：Y为单位用地而积平均利润；X,为企业所在土地等级；X:为单位用地而积资金占用量；X3为单位用地而积工资量；夕。、口、、刀2、口3为特定参数。测算结果：Y一o•3320X}‘伪，x:j,,,x;j,,,模型通过各种检验。在此基础上求出各级土地价值并绘制地价图。公

二、两种方式的比较

在城市土地价值测算中，技术经济分析方式与计量经济分析方式究竞哪一种较优，需要通过比较方能得出结论。以下我们从若干角度来进行一些初步的比较。第一，土地价值的经济定义是：当土地处于现实的或潜在的最优利用状态时，其净收益的资本化值。所谓‘最优利用’的经济含意可理解为：从宏观上看，一块土地的利用符合合理的城市或区域规划从而单项开发投资的“外差。效应达到最低程度；从微观上看，一块土地上的投资规模处于‘边际成本等于边际收益‘的水平。现实中，当一块土地在城市规划允许的范围内具有两种以上投资选择时，那种能导致更大净现金收益流的投资方案的收益资本化值就是该土地的价值。技术经济分析的长处在于对不同投资机会的分析过程中必然考虑各种预期因素，如资产增值、利率变动、费用或收人的变化、风险性等等，因此从方法上讲它的测算结果更切合土地价值的经济定义。计量模型的侧算方式则不然，它没有将土地利用作为一种投资行为处理，而仅看成是现存经济活动的一种构成要家，试图通过计算土地质量变动对利润数量变化的理论上的边际贡献来求得土地的实际价值量，这种测算方式无法处理各种预期因素，因而其测算结果会偏离土地价值的经济定义。第二，土地价值测算的计量经济分析方式的信息来源完全依赖于赢利性工商企业的经营实绩统计与报送系统。因而对于许多非赢利性利用类型的城市土地的价值测算就无能为力。而工商性土地利用在城市土地总面积中往往只占20一30%,更大比重的土地是住宅和公共设施等非直利性用地。然而技术经济分析的测算方式却能处理各种类型的用地。以住宅用地为例，由于我国城市房租水平低于成本租金水平，住宅经营收人为负值，即住房系统依靠政府和单位的大量补贴来维持。此时用经济计量模型来测算住宅用地的级差收人就无法进行。如果城市规划将这块地确定为住宅用地，那么用与其毗邻的工商用地的价值量来推算其价值也不合逻辑。然而我们却有可能依据技术经济分析原理奋来测算这块土地的价值¹V=R一五了一口一T一Hi+S一C其中：V为土地价值；R为年租金收人；M为维修费；O为管理费；T为不动产税；H为保险费；i为投资利率；S为折旧率；C为住宅每平米造价。在我国现行城市住宅租金水平上，依据这一公式计算出的住宅用地价值很可能是负值。其实这并不奇怪也并不违背土地价值形成的规律。负值反映着不合理政策造成的土地价值扭曲，但是需要指出，如果该住宅用地被明确纳人政府的福利政策范围，那么在确定其价值时就需在上述公式中加人一个依据“成本一效益’分析原则确定的“社会效益，变盘(此时住宅用地价值就可能“转正”),这同样是技术经济分析方法所可能解决的。第三，从测算结果的实际运用效果看，两种方式也会有很大区别。以技术经济分析为依据的测算方式由于紧扣城市中每一地块的实际投资与营运效果以及相关的各种预期，依据其测算结果确定的政府资产管理和收人调节政策不会与实际市场交易与收人形成发生大的偏离。以计量经济模型推算出的土地价值基木上是“统计数字与技术”的结果，与市场实际交易中的价格与收人会有很大差距，从而形成土地价值的“双轨制”。经。验证明，没有哪个企业或居民在土地交易中会仅仅以政府颁布的价值量成交，并如实通报和纳税。土地作为一种不动产极易成为投机和偷漏税收的领域。因此从我国实际情况看，以计量模型测算出的土地价值作为政策基础将会导致实际操作中的问题。第四，我国城市土地价值测算的经济计量模型大都将土地使用者(工商企业)的利润看作是三个因素，即土地区位(等级)、资金投人和劳动投人的因变量，将企业的实际数字带人模型回归出它们之间的数量关系。问题在于，仅仅以区位、资金和劳动来解释企业利润是不符合现代经济运行规律的，因为管理和技术是不能被忽视的。尽管各城市土地价值测算的计量模型结果最后都通过了检验，然而我们知道，计量模型往往会存在实质上的偏差，相比之下，经验与技术更多结合的技术经济分析方式在处理这类问题上往往较为周全。在土地价值测算上，技术经济分析的方式必然要对土地投资的不同技术方案与配置结构的收益流进行比较分析。尽管很难将管理和技术因素变化的效果精确量化，但技术经济分析毕竟在这方面有其所长。城市土地价值侧算的两种方式还可在更多方面进行比较，限于篇幅就不多谈了。总之，城市土地价值测算是关系到我国资源配置与收人分配政策制定的基础理论问题。测算方式的研讨既有学术意义，同时也为实际工作所急需。

投资测算方法 篇二

关键词：人力资本；经济增长；资本测量

一、引言

“经济增长”这一概念，自经济学产生之日起，就是经济学研究的重要核心，也是经济理论研究永恒不变的主题，经济学的众多分支绝大多数也是围绕这一核心而展开。经济增长的方式可分为：外延式增长和内延式增长。假设技术进步不变，生产函数的规模报酬不变，经济增长是由于物质资本数量和劳动力投入数量的增加而引起的，这种经济增长方式即为外延式增长。内延式增长是相对于外延式增长而言的，是指投入的物质资本和劳动力的数量的总量不变，通过技术进步、劳动力素质的提高或各类资本组合结构的优化而产生的经济增长，这种增长方式称之为内延式的经济增长。假定其它条件不变，劳动力质量的变化引进的经济增长的变化为人力资本理论研究的范畴。

“人力资本”这一思想早前的亚当・斯密和马歇尔就已经提出。在亚当・斯密的著作《国富论》中就有关于劳动力的质量差异与劳动力的工资差异之间的关系的论述。马歇尔认为对人力资本的投入是一个长期的过程并分析了家庭在人力资本投资过程中的作用。尽管亚当・斯密和马歇尔意识到了人力资本的作用，但由于他们所处时代的经济环境和经济理论的制约，他们仅仅只是提出了“人力资本”这一思想和一些简单的分析，而并没有对“人力资本”这一概念进行深入的研究论证，更没有形成一个思想体系。现在主流的经济学界，一般以1961年美国经济学家舒尔茨提出“人力资本”这一概念为人力资本理论产生的标志。但实际上，在舒尔茨之前的1906年菲歇尔的论文《资本的性质和收入》就明确的提出“人力资本”的概念，并且将这一因素纳入到了现代经济理论分析的框架之中。根据舒尔茨对人力资本的定义“人力资本是指凝结在人身上的知识、健康、技能等能力”，以该定义为基础，对人力资本的研究大体可以分为两类：一类是研究人力资本投资对人力资本存量的影响，特别是教育投资对人力资本的影响（因为教育投资的数据相对容易获取）；另一类是研究人力资本对经济增长的影响。

要研究人力资本本身对经济增长的影响，首先要解决的问题是对人力资本测量，其次才能将之代入生产函数。由于人力资本的定性，对人力资本的测量维度注定无法面面俱到，并且有些维度也难于计量。因此，对人力资本的测量方法有很多，各有侧重点，本文通过对人力资本分类及各类测量方法的梳理，归纳整理了目前主流的几类分类、测量方法并分析了它们的运用范围。

二、人力资本的分类

从舒尔茨的人力资本定义来看，人力资本是指附着在人身上的能力，而各个个体的能力各有不同，也即个体的人力资本是存在差异的，丁虹栋在2003年首先提出了“异质性人力资本”这一概念。基于“异质性的人力资本”，已有的研究从不同的角度，对人力资本进行了种种分类。

人力资本的一类分法是从宏观的角度出发，这一类分法一般按照个体受教育年限的长短进行分类，教育年限较长的个体为较高的人力资本，教育年限较短的个体为较低的人力资本。代表性的文献如陈晓迅（2013）将人力资本按高低层次分成了两类：较高层级的技能型人力资本和较低层次的普通型人力资本，两种层级的人力资本构成了人力资本的结构，两类人力资本与经济增长之间的存在两种循环关系：高效率的循环、低效率的循环。人力资本结构与产业的匹配高，则会形成高效率的循环；反之，则会形成低效率的循环。杨超（2013）将个体人力资本按教育年限的长短分为：基础型人力资本、技能型人力资本和高层次人力资本。他将仅完成义务教育（含未完成）劳动力人口视为基础型人力资本，将完成了中等教育（含高中、职业高中、中等技校等）的劳动力人口视为技能型人力资本，将完成了大专及以上教育的劳动力人口视为高层次的人力资本，并分析了各层次的人力资本对经济增长的贡献。更早的研究如陈浩（2007）依据马斯洛需求层次理论并结合人力资本的投资，认为人力资本的投资顺序应当是：健康投资――教育投资――培训投资――迁移投资，按照人力资本的投资顺序与之对应的人力资本类型包括：基础人力资本、知识人力资本、技能人力资本和制度性人力资本。他将上述各类人力资本的组合视为人力资本的结构，研究了人力资本结构与经济增长的关系。

人力资本的另外一类分法是从微观的角度出发。这类研究更多的是从企业组织或企业价值的角度来分析人力资本，代表性的研究如王佳楠（2015）按照企业资源配置的不同将人力资本分为三类：基本劳动力型人力资本，指仅具备基础知识量的企业员工；经营管理型人力资本，包括经人力资源管理者、企业的经营管理者；技术研发型人力资本，指企业内部的研发人员和技术人员。李忠民（1998）对人力资本的分类具备独特的视角，他将人力资本分为四类：一般型人力资本、技能型人力资本、管理型人力资本和企业家型人力资本。李忠民的分法兼顾宏观和微观的方法。此外，焦斌龙（2000）、冯子标（2001）、崔建华（2002）等人在丁虹栋“异质性人力资本”和“企业家人力资本”的界定下，进一步发展了“企业家人力资本”这一内涵。

三、人力资本的测量方法

人力资本的测量主要是测算人力资本的存量，主要的测算方法有：成本法、收益法、教育年限法以及近年来发展起来的技能测算法。

（一）成本法

成本法是从人力资本投资的角度出发进行的测量，舒尔茨认为人力资本的投资来源于五个方面：卫生保健投入、在职培训、正规的学历教育、个人的成人教育和个人（家庭）迁移。他认为家庭的日常消费、耐用品的消费和生产部分的开支共同形成了个人（家庭）的人力资本投资，他用上述三类投资的支出计算人力资本。贝克尔在舒尔茨的基础上更进了一步，他在舒尔茨提出的三个自变量之外还加入了“机会成本”这一变量。

（二）收益法

收益法的主要原理是折现，就是将人力资本在未来的收益折算成现在的货币价值。采用收益法测算人力资本可采用不同的指标进行折现，包括对未来的工资进行折现、未来的盈利进行折现等等。收益法主要运用于企业，计算的依据基于企业的未来预期，企业的运行稳定则可以较为准确地测算人力资本价值。

（三）教育年限法

由于人力资本形成的主要来源为正规的学历教育，受教育年限的长短直接影响人力资本的高低，因此很多研究因为数据获得方便，直接采用教育年限来衡量人力资本的存量水平，如Judson（2002）、李福柱（2008）等人的研究。但受教育的时间长短也并不能完全的反应个体人力资本的水平，因此为了更好的区别不同教育层次的人力资本水平，学历指数法也广泛地运用于人力资本的测算。

（四）技能测算法

随着人力资本理论研究的不断深入，对人力资本的测算不断地精细化、准确化，并且统计工具的改进和各类数据库的迅速丰富与完善，教育年限法、教育指数法等方法的局限性越来越凸显。第一，同等教育时长的个体由于外部环境和个体的差异，个体的人力资本可能迥异；第二，正规的学历教育是一个静态的概念，不能反映学历后教育；第三，“干中学”等方面形成的人力资本无法计算在内。针对上述缺陷，近年来，部分研究关注于通过计算个体的技能水平来测算人力资本。世界银行将技能分为：认知技能、非认知技能和职业技能。个体劳动能力的高低取决于三类集合的综合运用。技能测算法是一种非常精细化的测算，并且测算的指标目前也没有完全的统一。

四、结论

人力资本理论发展至今，新的理论分支、新的研究点不断地涌现，但回归到其问题的本源，即对人力资本的测算则还没有一个方法能涵盖到人力资本的所有维度。这一方面既是由于相关数据的不完善，另一方面也是由于人力资本的某些维度难于计量。已有的文献对人力资本的分类很多，但都服务于各自的研究目的，对人力资本的测量也是如此。因此，对人力资本测算的各类方法不存在好坏之分，对测算方法的选择需要考虑的是要服从研究的对象和研究的角度。纵观现有的文献，如要从宏观上研究人力资本或人力资本结构对经济增长的影响，对人力资本的测算宜采用教育年限法或学历指数法；如要从微观上研究企业或家庭的人力资本，则可采用成本法、收益法或技能测算法。

参考文献：

[1]江涛。舒尔茨人力资本理论的核心思想及其启示。扬州大学学报（人文社科版）[J].2008，（6）.

[2]王勇、许强、许庆瑞。智力资本及其测度研究[J].科研管理。2002，（4）.

[3]樊培银、徐凤霞。关于人力资源价值计量方法的探讨[J].中国工业经济，2002，（3）.

[4]朱明秀、吴中春。逆向评估法：人力资本价值计量的新思路[J].生产力研究，2006，（4）.

[5]杨向阳。人力资源会计计量属性的比较分析[J].财会研究，2006，（9）.

投资测算方法 篇三

【关键词】市场比较法；价值分析；研究

企业价值概念已经成为现财学的核心概念之一，对它的理解与运用从很大程度上决定了一个企业财务管理水平的高低，公司价值分析评估是指对公司的持续经营价值进行判断、估计的过程，也就是对公司未来效益水平进行科学量化的过程。

公司价值评估就是把有多个或多种单项资产有机组成的资产综合体及公司本身所具有的整体获利能力作为评估对象，根据公司的获利能力来评估公司价值的方法。其主要应用是并购时测定目标企业的价值，以便收购企业对并购行为进行收益分析，并购中企业相关价值的确定是并购价格确定的关键环节。公司价值评估的另外一个目的就是企业绩效评价，以价值为目标的管理。企业的管理层通过对其所在的企业在管理决策或企业战略角度上的价值评估，确定出一个企业价值，再将价值评估的结果与企业实际状况对比，衡量企业的经营绩效，并据此做出科学、合理的管理决策，促进企业价值最大化目标的实现。

一、企业价值评估方法概述

1、成本法

其原理简单来说就是将企业的各项账面资产按照重置成本进行调整而加总得到企业的价值，价值评估的对象是企业的整体价值，而整体的价值来源于要素的结合方式，而不是其现行市场价格。

2、收益法

收益法是指通过估测被评估资产未来预期收益的现值，来判断资产价值的各种评估方法的总称。它服从资产评估中将利求本的思路，即采用资本化和折现的途径及其方法来判断和估算资产价值，也是目前较为常用的价值分析的方法。

3、市场法

是指利用市场上同样或类似资产的近期交易价格，经过直接比较或类比分析以估测资产价值的各种评估技术方法的总称。

二、折现现金流法进行价值评估方法的缺陷及不足

折现现金流法是较为常用的一种公司价值评估的方法，该方法的主要思路是任何一个理智的投资者在购置或投资于某一资产时，所愿意支付或投资的货币数额不会高于所购置或投资的资产在未来能给其带来的回报，即收益额。收益法利用投资回报和收益折现等技术手段，把评估对象的预期产出能力和获利能力作为评估标的来估测评估对象的价值。所以，从理论上讲，收益法是较为合理科学的方法之一，折现现金流法计算公司价值的公式是：

公司价值=

上式中，n表示资产或投资的经济年限（通常用年来表示），CFt表示第t期的预期现金流量，r表示贴现率（它反映了现金流量的预期风险）。贴现率是投资者的资本成本，它表明投资者将现金投资于其他资产、资本投资或者具有同样风险的证券投资的预期回报。

目前，在实际进行公司价值测算时，在确定折现率的时候较多的采用了同期的银行贷款利率，以此为折现率进行未来现金流折现，造成不同类型公司采用同一折现率进行折现。同时，该折现率尚未考虑到投资者预期的投资收益及公司实际盈利水平等综合因素，造成以此为贴现率进行公司价值测算造成计算公司价值较高（未剔除所投资者期望的投资收益部分），为较客观真实的反映公司的实际价值，应结合各公司实际对拟评估价值公司折现率进行修正，最终以修正后的折现率为基础来进行测算。

三、基于修正折现率的研究测算

1、目前常用的计算折现率的方法

用更加合理的折现率来确定公司价值是大势所趋，这就需要寻求一种新的合理的计算折现率的方法，目前，确定折现率的方法主要有，收益率法，加权资金成本法、资本资产收益法等，资本资产收益法是目前最常见的确定折现率的方法，又称为资本资产定价模型（CAMP），这个模型是以威廉·夏普为代表的经济学家和20世纪60年代中期在马克维茨资产组合理论的基础上发展起来的，这个模型是目前比较成熟的一种财务定价理论，在市场经济发达的国家广泛使用这个模型来确定折现率，其基本公式是：

R=Rf+β（Rm-Rf）

其中：R=投资报酬率（折现率）

β=风险系数

Rf=无风险报酬率

Rm=期望报酬率

但使用资本资产收益法通常用于上市公司的价值评估，用资本资产法计算出来的的折现率通常不能代表被评估特定对象的获利能力。同时，由于公司行业不同，行业盈利水平不同，相应的期望报酬率也不同。另一个关键问题是β的取值如何确定。在美国，β值的确定主要来自于证券市场的数据分析，各种方法和模型都依赖于历史数据、市场数据、基础数据或者它们的综合。我国利用β系数法的条件尚不成熟，主要原因是：我国证券市场的发展时间较短，没有较长的时间序列资料作为β值测算的依据；证券市场发育尚不完善，管理政策的多变和投资者的投机动机过强导致股票价格波动较大，上市公司公开的财务信息失真，使股票价格与实际收益之间的关联度较低。上述情况说明，在目前的状况下β值的测算很困难，且缺乏实际意义。

2、通过市场比较法的折现率的计算确认

投资测算方法 篇四

【关键词】基金仓位；神经网络；投资风格

一、引言

公募基金行业作为我国迅猛发展的金融理财行业，规模不断扩大，投资者队伍迅速壮大。基金仓位反映市场信心，可以作为投资者判断后市走向的重要指标。对基金仓位的预测一直是学术界和投资者感兴趣的问题之一，具有实际应用价值。对于关于基金仓位预测模型的研究，目前国内还局限于传统线性回归方法，前提假设过于苛刻，忽略了很多影响仓位的动态因素，造成无法容忍的误差。目前公募基金的仓位数据仅在每年的定期报告中有所体现，但是按照年报频率公布的基金仓位并不能作为一个连续的后市预期指标，我们希望能够得到即时基金仓位，帮助投资者规避风险。本文运用神经网络建立仓位预测模型，利用现有基金市场行为的样本，从中自主寻找规律逼近复杂的仓位走势曲线，达到更好的预期效果。

二、基金仓位预测方法综述

目前，关于基金仓位预测的方法主要包括以下三种。

1.基于收益的基金仓位分析方法，是以夏普在1992年提出的基于收益的基金投资风格分析理论为基础，通过对基金收益与市场风格指数涨跌幅进行统计计算，估算出基金在不同风格资产上的配置比例，从而获得基金投入股市的仓位值。该方法可以在一个中观的维度上为基金投资者提供较为长期的和可持续的投资建议，但是在回归过程中存在多重共线问题，可能产生较大的参数估计标准差，使得预测误差较大。

2.传统的线性预测模型，经历了三个发展阶段，由于理论和算法的创新，测算准确性也有了明显提高。第一阶段的模型，将样本基金收益率均值除以基准指数收益率得到基金平均仓位，其过程简单，处理步骤少，但是测算结果跳跃性较大，并且对基金市场指数的选取依赖性强。第二阶段的模型，对基金收益、市场指数收益时间序列数据进行回归测算，初步消除了第一阶段模型的噪声，但是回归期限过长或过短都会对仓位测算结果带来较大的误差，且固定的回归期限使测算与实际结果之间产生时滞。第三阶段的模型，对单只基金与其基准的收益序列进行动态回归，通过对回归期限的动态调整，实现仓位测算工作的智能化和自动化，由于测算的样本是基金仓位数据的云重心，因此能有效消除了前两个阶段测算模型带来的系统误差。

3.非线性数据挖掘分析法，是直接对基金持股情况进行数据挖掘，深入剖析基金组合中各类别资产的增持减持情况，依据对基金行业资产的中观分析，最终实现对基金大类资产仓位的宏观分析。此测算模型打破了RSV法仅仅依据收益数值来进行测算、结果不具可对比性的缺陷，引入收益分布、波动率等多个指标，动态测算各分类资产相应指标对基金该指标的贡献度，提高了测算的可对比度，过滤了单一指标会引起系统性误差的缺陷，并引入因子分析、聚类分析、最优化等方法，进一步提高计算结果的精确性。

本文将结合基于收益的基金仓位分析方法和非线性数据挖掘分析法，借鉴基金仓位测算模型回归方法中的自变量取值和影响因素，运用非线性系统分析法中的BP神经网络建立仓位预测模型。

三、基于BP神经网络的仓位模型构建

1.影响基金仓位变动的主要因素

本文选取的基金仓位是基于基金投入股市的资金市值和基金总资产现值，因此，所有会影响股票价格和基金价格的因素都会影响基金仓位的变动，并且，各因素之间的相互作用也会对基金仓位产生影响。

从基金净值方面考虑，基金总资产的现值与基金交易价格密切相关。影响基金净值的因素包括三个方面，即基金单位资产净值、基金市场的活跃程度和银行存款利率。其他各种政治、经济和人文因素，例如外汇市场汇率变化、资金市场利率变化、投资者的心理因素也会影响仓位。这些数据在基金定期报告中具体表现为：期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金持股集中度、基金的持仓行业集中度，收市基金指数、基金换手率、基金折价率、居民价格消费指数、银行利率。

从股票市场价格方面考虑，股票的市场价格最直接的影响因素是供求关系，市场内部因素、基本面因素和政策因素通过作用于供求关系而影响股票价格。具体表现为基金持有股票组合的收益率、股票市值增长率，持有股票的开盘价、最高价、最低价、成交量、收盘价及MACD、KDJ、RSI、PSY技术分析指标。

2.因素相关性分析及边界划分

结合数据特征，本文选取2008年10月1日至2012年10月1日时间段，在此期间，已经历过金融危机，国内经济缓慢复苏，宏观政策调控没有巨大变化，华夏基金度过了2008年第三季度的最强金融危机冲击后，持续保持平稳发展。由于国际贸易收支、国际金融市场等因素不足以影响具体仓位值，政治局势、突发事件等因素不在预测范围内，所以都划在本研究边界之外。

将以上基金年报中的具体数据期末基金份额净值、基金市值、期末基金资产净值等和最终仓位值导入excel中的data analysis模块进行相关性分析。用Correlation工具算出Pearson相关系数，可得到期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD仓位值的Pearson相关系数超过0.5，将这12个变量划在最终边界内作为研究因素。

3.数据采集与预处理

本文选择华夏基金旗下华夏成长证券投资基金、华夏大盘精选证券投资基金、华夏优势增长股票型证券投资基金等10种基金在2008年10月1日至2012年10月1日的数据，作为建立模型和网络训练的样本集。

根据模型建立的需要，BP神经网络要求样本集合理区间为[0，1]，本文运用公式X’=（X-Xmin）/（Xmax-Xmin）对样本集进行归一化处理。其中Xmax、Xmin为最大值和最小值，X为原始数据，X’为转换后数据。将数据预处理后分为两部分，前250个数据作为模型的训练集，剩余的50个数据作为模型的测试集。

图1 预测模型的网络结构

4.BP神经网络建模

本文构建基金仓位预测模型，侧重研究基金一个周期中仓位走势的变化，所采集的数据无法达到海量。根据Kosmogorov定理基本原则，在有合理结构和恰当权值时，有三层结构的前馈网络就能逼近任意的连续函数，模型设计为单隐含层和输出层两个网络层次。选择期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD指标作为神经网络的12个输入向量，基金仓位作为唯一输出向量。根据Kosmogorov定理，初步设定隐含层结点数为2n+l即25个，并利用BP网络默认初始化函数initnw设计初始权值。考虑到本研究的原始数据经过归一化处理后符合S型对数函数的取值范围，选择tansig作为隐含层传递函数，logsig作为输出层传递函数。学习函数选择学习率可变的动量BP算法traingdx及梯度下降动量学习函数learngdm。性能函数选用误差性能函数为均方的误差函数mse。模型网络结构如图1所示。

根据以上结构和参数，在MATLAB中建立起基金仓位预测模型，在训练200，000次，隐含层节点数目为25的情况下，训练目标达到0.0001，但是收敛速度较缓慢，未达最优模型。

5.优化模型

在优化阶段，初始节点数在[15，25]范围之间进行多次尝试比对。根据仿真输出结果与真实值间的拟合程度及误差大小，最终确定隐含层节点数目为22，其预测误差为0.29998达到最小，并且均方误差为0.000999315也为最小，收敛速度较快，达到误差目标值需经过2338次训练，训练时间适中。同时选择尝试法确定初始权值。由于网络中隐含层和输出层节点的范围在0到1之间，初始权值选择为分布在e0.1num22之间的随机数，其中num为该连接权值的输入节点数。观察监测网络的训练效果、拟合效果后，基金仓位预测模型确定最终初始权值矩阵。

建立隐含层节点数为22，优化初始权值的BP神经网络后，经过30万次训练达到训练目标，完成学习成熟的仓位预测网络。

四、实证结果分析

将50组测试集数据输入模型，在MATLAB中将预测仿真结果和实际数据进行对比，如图2所示。

1.拟合：从拟合效果图观察，每个测试基金的仓位预测结果与真实值间的偏差在可承受范围之内。获得判定系数为0.69261，拟合程度远远高于相同样本线性回归预测结果0.389。在同一预测期下不同基金的仓位预测值与真实值的相对关系是一致的，说明预测模型对于所研究的行业内的不同基金走势判断都有良好适用性，所建立的预测模型是具有一定意义和价值的。

图2 模型测试数据输入输出拟合效果

2.偏差：模型偏差表现为存在预测值高于实际计算值的现象。原因在于数据时间跨度较大，期间经历奥运、世博等重大活动影响到股市和基金市场的活动，所有经济主体、金融市场都受到了不同程度的冲击，间接带动先前划在边界外的货币政策、财政政策、际贸易收支等因素的变动，影响了模型拟合度。另外边界外的基金持股集中度、居民价格消费指数、银行利率等弱相关因素的积累和相互作用都会带来拟合的偏差。关于单支基金，基金仓位在不同投资风格中也有相对差别，造成预测的偏差大于其他基金公司的原因，是华夏基金公司总体基金状况都处于市场风口浪尖的位置，这一带头特性导致预测的不可控性增强。

五、结论

本文将传统的基金仓位测算理念及影响因素同BP神经网络方法相结合，选择基于数据挖掘的BP神经网络作为基金仓位预测模型建立的基本方法，通过数据挖掘技术找出相关因素集，建立神经网络，相对于线性模型，提高了预测的准确性，同时对结果的拟合与偏差都能够获得合理的解释。本研究使信息技术更好的应用于基金投资风格研究，实现对基金仓位的科学预测，同时对于神经网络的预测应用也做出了新的探索。

参考文献

[1]王敏。基于神经网络的基金净值预测研究[J].天津大学学报，2008（5）.

[2]肖国荣。BP神经网络在基金价格预测中的应用研究[J].计算机仿真，2011（3）.

[3]李学峰，徐华，李荣霞。基金投资风格一致性及其对基金绩效的影响[J].财贸研究，2010（2）.

[4]董铁牛，杨乃定，邵予工。中国开放式基金投资风格分析[J].管理评论，2008（7）.

投资测算方法 篇五

关键词：永续盘存法；资本存量；价格指数

一、引言

中国经济的很多实证研究都会用到资本存量K这个指标， 尤其是在估计全要素生产率、投入产出分析和经济增长方面有着广泛的应用，但我国的统计年鉴及统计资料中并没有给出K的实际数值，因此对资本存量K的测算就显得格外的重要。也正是因为对资本存量采取估算的方法，就使得学者们会根据他们的研究目的采取不尽相同的测算方法，因此他们所得出的数据间就会存在较大的差异，而对K的测算的不准确也必定会影响后续研究的可靠性和准确性。所以，如何准确测算资本存量就成为经济研究能否得到与经济现象一致的关键。

二、资本存量的测算方法

由戈德史密斯于1951年开创的永续盘存法是测算资本存量的基本方法[1]。

Kit=Iit+（1-ait）Ki（t-1）（i=1，2，……，20）（1）

其中，Kit表示第t年末第i个行业的资本存量，Iit表示第t年内第i个企业的投资量，αit 表示第t年第i个行业的折旧率，现有研究基本上都采用永续盘存法， 不同点在于处理细节上存差异性。代表性方法如下：

邹至庄采用的计算方法为[2]：

Kit=Ki（t-1）+Iit（2）

而贺菊煌的计算公式为：

Kit=Ki（t-1）+Zit（3）

其中，Zit表示第t年的积累；

王小鲁和樊纲采用的计算公式为：

Kit=Ki（t-1）+（本年固定资本形成-折旧）/Pk（4）

其中，Pk表示固定资产投资价格指数；

而宋海岩等的公式为：

Kit=Iit+（1-ait-gt）Ki（t-1）（5）

其中，gt表示经济增长率，由于样本是各省数据， 所以gt就代表各省的GDP增长率。

从以上具有代表性的测算方法不难看出，对于资本存量K的测算主要集中于确定以下几个重要的指标；基期资本存量K的确定、当年实际投资额的确定、折旧的确定、固定资产投资价格指数Pt的确定以及行业合并与分解的标准的确定。

（一）基期资本存量K的确定

由于数据的缺失，在估计物质资本存量时大多数研究的基期都为1952年。邹至庄利用1952-1980年的年度数据，把国有企业、城镇集体企业、农村集体企业这三种企业构成的两类资产的积累资料分成5个部门估算出5个部门的资本存量，推算出1952年的资本存量为1030亿。而贺菊煌通过资本在1964-1971年间的平均增长率等于其在1971-1978年间的平均增长率的假设，计算的资本存量为679亿元。王小鲁、樊纲在其近期的研究中根据推算得出1952年的资本存量为1600亿元（1952年不变价）。而宋海岩对1952年资本存量的推算为235.2 亿元，且推算的基期不确定。我们认为， 1952 年中国的K 可能在800亿元左右。可以看出，由于测算的方法不同，可能会得出完全不同的结果，但到底哪种测算方法最接近现实经济现象，还需要做进一步的分析[3]。

（二）当年实际投资数据的选取

对当年投资额的选取主要有三种：一是全社会的固定资产投资，这是大多数研究所采用的，如王小鲁和樊纲；二是采用所谓“积累”的概念及其相应的统计口径，如邹至庄、贺菊煌以及张军和章元。即将总积累按照相应的比例分配到各个部门从而得到各个部门的资本存量；三是采用资本形成总额或着固定资本形成总额，如何枫、陈荣和何林[4]。

由于数据统计口径差异，估算分行业资本存量具有特殊性。本文在研究中发现对不同的行业采取固定比例会在一定程度上会导致结果不可信，而实际上各行业的基本建设与更新改造投资之和所占固定资产投资的比值存在很大差异。

（三）折旧的确定

折旧率选取的不同必然会导致资本存量估算的差异。现有研究对折旧的处理一般采用直线折旧法，如宋海岩等认为实际折旧率是3.16%的名义折旧率加上经济增长率[5]；王小鲁等在固定定资本形成的基础上采用了5%的折旧率。黄永峰、任若恩和刘晓生估算出的设备的折旧率为17%，建筑为8%；邹至庄利用“折旧额= GDP- 国民收入+ 补贴- 间接税”计算出折旧额。

以上折旧率的确定，基本上都是较主观的选取。为了给出比较客观的数据我们根据《中国统计年鉴》和《中国工业统计年鉴》所获得的统计资料，对中国社会平均折旧率进行了合理的估算，认为中国国有企业折旧率基本上呈上升的趋势，因此，选定折旧率为6%是比较合理的。

（四）固定资产投资价格指数的确定

统计年鉴1992年才开始公布固定资产投资价格指数， 此前的数据是无法得到的。因此，现有研究主要采用两种方法来确定缺失的价格指数：采用其他指数来代替或者自己测算。黄永峰等直接利用零售物价指数替代；1993年，中国统计体系还没有建立前，邹至庄估计了1952-1997年的积累隐含平减指数，后来的研究大多借用这一结果，宋海岩等直接借用了邹至庄的积累隐含平减指数处理1978年前的数据， 其后年份的数据则采用全国建筑材料价格指数代替；李治国和唐国兴用上海市的固定资本形成总额及其指数计算出上海市的固定资产投资价格指数，然后用它计算出全国的固定资产投资价格指数。

（五）行业标准的确定

为了适应研究主题，符合数据合理性的要求，在对分行业的资本存量K进行测算时都会根据要求来合并和分解一些行业。当然，对于行业合并与分解的标准的确定也要依据研究的内容来确定，范建双在对我国建筑业分行业资本存量的测算中，将建筑业分解成8个行业，并尽量与2003年以前保持一致。薛俊波、王铮以投入产出表所列的17个部门为标准，对16个行业数据进行合并和分解。2002年之后则分为20个行业，投入产出表部门的分类也更加详细。可以看出，行业的分解和合并的难度也会随着研究年份区间的增大而增大[6]。（作者单位：兰州交通大学经济管理学院）

参考文献：

[1]肖红叶，郝枫。资本永续盘存法及其国内应用[J].财贸经济，2005，（3）

[2]张军，章元。对中国资本存量K的再估计[J].经济研究，2003，（7）

[3]徐建荣，陈析。我国制造也资本存量测算[J].商业经济研究，2007，（17）

[4]范建双，虞晓芬，叶淑娥。中国建筑业分行业资本存量测算[J].建筑经济，2012，（10）

投资测算方法 篇六

关键词：投资收益率；房地产泡沫；房价；地价

住房开发投资是房地产投资中最为重要的一部分。随着GDP增速进入破“7”时代，住房开发投资作为经济引擎也进入周期性调整。但是国家提出了供给侧改革政策后，北京市住房市场不仅没有受库存高企的基本面影响，反而仍旧地王频现，相继出现近8万/O的楼面地价和40万/O的“学区房”。北京住房开发市场是否存在泡沫化趋势，关系着整体经济运行的风险水平。本文就住房开发投资泡沫的存在性及测度方法进行探讨。

一、住房开发投资泡沫测度方法研究

1. 理论框架。住房投资是否存在泡沫成为了学者关注的焦点，测度方法和应用也有多种角度。主要分为模型检测方法和指标检测方法。

模型检测方法主要分为以下几类：

第一类是经济领域里的耐用商品的特性，提出如租售比（市盈率）、房价收入比指标，借鉴资产泡沫检验方法，通过“净租金收入流”代替资产价格定价模型中的“收益现金流”来计算住宅的基本价值，通过价格比对，衡量泡沫大小，然后通过横向或者纵向对比判断区域间相对的泡沫程度。该方法虽然易获取数据，但主要停留在经济指标的宏观分析，数据可获得性和准确性较差。

第二类为计量经济和数理统计的计量检验法。布兰查德（Blanchard）的理性泡沫理论，给出了刻画理性泡沫性质和发展状态的模型，早起理性泡沫存在性检验方法是方差易变性检验。迪巴（Diba）等通过对资产价格和红利做单位根检验和协整检验来判断“爆炸”型的理性泡沫是否存在。诺登（Norden）等提出switching regression模型，给出理性泡沫的性质，与单位根、协整检验相比，有更好的小样本性质；史兴杰等的switching authoregressive（AR）模型给出了模型参数估计方法以及泡沫检验方法。这类方法提供了定量分析的工具，却容易过于关注数据逻辑的自洽性，脱离实际的市场情况。

第三类为社会经济和空间分布实证调查方法。苑德宇等通过CD检验统计量对35个城市的房价泡沫分析，得出先后顺序和可能的传染态势。从传统的静态泡沫转向动态的泡沫演化研究。余柏蒗等通过灯光和用地数据计算住房空置率，进而得出房地产泡沫的空间分布和状况。主要通过空间计量的方法来表征社会问题。这对数据依赖度较高，整理难度大，成果以描述性统计和问题探索为主。

而住房投资泡沫检测指标类型也很多，主要分为从价格、需求、供给三个类别，每个指标也存在着各自不同的评价阈值。

综上，现有的模型和指标尽管已经建立相对完善的测度体系，但研究单纯基于社会经济学，割裂了住房作为投资标的和空间场所的双重属性。同时，研究尺度也集中在宏观的城市研究，没有基于空间实证数据，难以指导具体的管理决策措施。

2. 研究思路及模型方法。基于以上理论，本文提出了以住房交易价格、居住用地土地出让数据为基础数据，首先通过剩余法测算住房开发项目中的销售利润率、投资利润率、年复合增长率；最后将扣除基本收益后所剩的泡沫收益的总体均值与经济基本面增速作比较，并采样取均值，得出该地区总体的住房投资泡沫水平。该方法主要有两个步骤：基于剩余法的投资利润率测算、基于经济基本面的泡沫评价方法。

（1）基于剩余法的投资利润率测算。

①土地出让成交价格折现。获取的房价和地价数据中，房屋销售价格样本全部为某个时间点（此处为2015年8月）截面数据。而每块宗地实际出让的时间（t）却各不相同；要计算住房投资利润率，首先假定全部用地为某一时间点交易获得，并在一个开发周期后，全部房源上市销售完毕。因此不同期的宗地出让价格按某一假设开发初始时间进行折现，公式如下：

p=PV（1+r）τ-K-t

其中，p是该开发初始时间的土地成交价；PV是土地出让历史成交价；r为折现率，取4%;τ为期末年份，此处设为2015年8月，K为项目开发销售周期，此处设为3年，t为实际宗地土地交易年份。

②销售利润率与投资利润率测算。住房开发利润率测算的难点在于利润的测算。因为住房开发中的各项税费标准、土地出让价格、房屋销售均价都较为容易获取或者估算。本文采用剩余法计算各项指标，公式为：

利润=楼价-（土地费用+建安成本+管理费+利息+税费）

销售利润率=利润/销售收入

投资利润率=利润/投资成本

本文参考了北京市部分住房开发财务报表、相应的市场税费等因素，估算指标如表2。

因此估算得出单个开发项目的销售利润率ROS与投资利润率ROI的计算公式：

ROS=（63.2%P-93.15%X-168.59%p-571.2）/P

ROI=（63.2%P-93.15%X-168.59%p-571.2）/（107.2%X+114.4%p）（1）

（2）基于经济基本面的泡沫评价方法。本文测度住房泡沫采用的指标是开发方面中投资增长率。该指标主要用项目平均开发投资增长率与GDP增长率比值表示。住房开发投资市场由于其开发系统的复杂性，属于垄断竞争性市场，当投机需求增加时，短期土地供给缺乏弹性，房价大幅上涨，在成本没有改变且经济增速保持相对稳定时，其地区项目开发市场的平均投资复合增长率快速提高，住房市场出现泡沫。已知某个住房开发项目的K年累计投资利润率ROI，则该项目的年复合增长率计算公式为：

CAGR=-1（2）

借鉴Levin and Wright提出的基于基本价格和非基本价格的思想，住房项目复合增长率CAGR可以分为两部分：基于经济基本面的基本年收益率β和基于投机行为的泡沫年收益率γ。即CAGR=β+γ

基本年投资收益率β可以用无风险投资收益率表示，即与开发周期等长的存款年基准利率。

泡沫化水平μ，代表着地区内n个项目的泡沫收益率总体均值γ超越地区宏观经济增速V的大小程度。即泡沫年收益率μ=f（γ，V），此处V为该地区的宏观经济增长速度（本文用该地区周期内GDP年增速的平均值带指代）。因此可以简单定义μ=γ/V

由以上各式整理得到该地区泡沫化水平测度：

μ=（3）

二、住房开发投资的实证分析

以北京市的2015年8月的住房挂牌价格、2004年～2014年居住用地土地出让数据为实证基础数据，假定一个地产项目开发销售周期为3年，其他税费、基准利率、GDP年增速均以统计年鉴和官方平台为准，计算2015年北京市总体住房投资泡沫化水平。

北京市的房价中包含的地价成本基本小于40%，平均值为24.75%，低于行业水平。这说明尽管北京楼面价屡次突破新高，但由于房价弹性更大，地价占房价的比重仍旧不高。同时，销售利润率反映着销售利润在房价中的比重，主要在20%～40%之间，处于高位水平，初步判定有一定的投资泡沫化趋势。

三、住房投资泡沫水平检验与分析

1. 住房投资泡沫的存在性检验标准。除了宏观上定性判断泡沫风险，泡沫是否存在，需要定量测算和标准对比分析。开发投资额超常增长可能意味着投机需求和虚高价格的形成。而衡量住房开发投资增长快慢的指标是住房开发投资的泡沫收益率与GDP增长率比值μ，一般应该不超过2倍，超过3倍属于较为严重。由此，我们设定μ的评价范围及其对应阈值如下表：

2. 住房开发投资泡沫水平分析。根据公式（1）、（2）、（3）综合整理，我们可以得到2015年北京市住房泡沫水平计算公式为：

μ=（

-13.71）

式中，μ为地区住房开发泡沫水平，n为该地区开发项目总数，Pi、pi分别为第i个项目的销售房价、地价现值。

计算结果表明，北京市住房投资泡沫化水平总体呈现正态分布态势，总体均值为2.5，参考表4，属于轻微泡沫化；从分区统计看，有四个地区也表现出投资过热，但主要为中心城区，泡沫化水平总体可控。其他地区均处于无泡沫或者理性泡沫范围，以增加住房投资和供应，满足市场需求为主要策略。

四、结语

实证分析表明，北京的地价涨幅较大，但房价变动的弹性系数更大，地价占比仍旧较低，利润占比较高。在供给侧，整体的投资泡沫化趋势仍旧存在。但由于需求端的投资预期和刚性需求持续上涨，造成了目前供需两旺的局面，短期风险水平仍旧较低。在供给侧改革的背景之下，预防和减少投资过热形成的泡沫尤其重要，也有待更深入研究。

参考文献：

[1] Meese R， Wallace N.Testing the Present Value Relation for Housing Prices： Should I Leave My House in San Francisco？[J].Journal of Urban Economics，1994，35（3）：245-266.

[2] 王春雷，黄素心。北京房价泡沫变动趋向及影响因素[J].商业研究，2011，（10）：191-195.

[3] 吕江林。我国城市住房市场泡沫水平的度量[J].经济研究，2010，（6）：28-41.

[4] LeRoy S， Porter R， The Present-value Relation： Tests based on Implied Variance Bounds[J].Journal of the Econometric Society，1981，49（3）：555-574.

[5] Blanchard O J.Speculative Bubbles， Crashes and Rational Expectations[J].Economics Letters，1979，3（4）：387-389.

[6] Diba B， Grossman H.Explosive Rational Bubble in Stock Prices？[J].The American Economic Review，1988，78（3）：520-530.

[7] 史兴杰，周勇。房地产泡沫检验的Switching AR模型[J].系统工程理论实践，2014，34（3）：676-682.

[8] 苑德宇，宋小宁。中国区域房价泡沫测度及空间传染性研究――基于2001-2005年35个大中城市面板数据的实证分析[J].上海财经大学学报：哲学社会科学版，2008，10（3）：78-85.

[9] 蒋南平。中国房地产泡沫测度指标的分析与建立[J].当代财经，2009，（10）：91-98.

[10] 聂冲。购物中心商铺租金微观决定因素与租户组合实证研究[D].杭州：浙江大学学位论文，2008.

[11] 冯长春。市场比较法，假设开发法在实际评估中的难点与问题剖析[C]//中国房地产估价师1999，（1）.

[12] 李尚谦，姚适。房地产企业的融资成本与影响因素[J].金融市场研究，2014，（4）.

[13] 翁华涛。房地产泡沫测度方法及其应用研究[D].长春：吉林大学学位论文，2007.

基金项目：国土资源部公益性行业科研专项“京津冀土地优化利用一体化管控关键技术与应用”（项目号：201511010-3A）。主持人：冯长春。课题承担单位：北京大学（国土资源部国土规划与开发重点实验室）。

你也可以在好范文网搜索更多本站小编为你整理的其他投资测算方法（精品多篇）范文。