投资收益测算方法篇1

一、前言

“国务院关于投资体制改革的决定”进一步规范了政府、企业的投资行为及其监督管理的方式,确立了企业的投资主体地位,尤其是对企业申报的项目采取审批、核准和备案相结合的方式,充分发挥了企业投资决策的自,因此在项目前期的投资分析中,作为财务评价的重要参数之一的基准收益率的测算和选取就显得尤为重要,它是判断项目财务可行与否的基准。本文就是以农业投资项目为例,着重介绍农业投资项目基准收益率HCOR的测算方法及应用分析,希望企业在投资农业项目时有所借鉴。

二、企业农业投资项目HCOR的测算

(一)企业农业投资项目基准收益率测算模型分析

为解决投资项目行业基准收益率确定的及时性问题,笔者总结多年投资工作经验结合国内外投资理论,把农业投资项目的基准收益率 ( 折现率)测算主要模型归纳为三类:综合资金成本测算法、德尔菲法、项目模拟与统计分析法。在日常的基准收益率测算中的主要采用综合资金成本测算法,本文在测农业投资项目的基准收益率时也采用此法,所以重点介绍一下综合资金成本测算法。

综合资金成本估算法即加权平均资金成本估算法,是一种在市场经济国家中企业长期进行直接投资决策时,测算基准收益率所采用的最普遍的方法,筹资的方式很多,不同的筹资方式和结构带来的资金的成本有高有低。企业的资本构成可以分为债权资金和权益资金两大类,债权资金又可分为长期借款和企业债券两大类,权益资本既可以通过留存收益在内部筹集,也可以通过出售普通股股票在筹集,因此权益资本可分为普通股和留存收益,下面就从这几个因素来说明。

1.银行借款

税前资金成本:Kd=i

税后资金成本:Kd=i(1-t)

其中,i为贷款的年利率;t为所得税税率。

由于在实际中,贷款利息被计入所得税前成本中可抵消所得税,因此,从借款的角度,可以将其看做降低银行贷款的成本。

2.发行债券

发行债券的成本主要来自债券利息和筹资费用,其公式如下:

KB=

其中,f为债券筹资费用率;i为债券利率。

如果债券是溢价或折价发行的,则发行的差额应该按年进行摊消,公式如下:

KB=

其中,B0为债券的票面价值;B1为发行价;n为债券的偿还年限;F为债券发行的筹资费;I为债券年利息。

3.普通股资金成本

对于普通股持有者来说,它仅是一张凭证,而且收益是多变的,从概念上来说,其资金成本是股东投资期望得到的最低收益率,该收益率有股东在股票市场上根据股票价格和预计的每股红利,以及公司风险状况所作的选择来反映。

KS=+G

其中,D0为基期预计年股利额;P0为普通股筹资额(基期市场价,即票面值);f为普通股筹资费率;G为预计每股红利的年增长率。

4.吸收直接投资

吸收直接投资虽然在企业经营期间不必归还本金,但经营者有责任保证按出资额分配利润,以满足投资股东的盈利期望(或机会成本)。这些直接投资包括吸收投资合伙人的投资资金和企业再投资资金,后者包括法定盈余公积金、未分配利润、企业提取的折旧费、摊消费和符合会计制度规定可以用于再投资的资金。这些资金作为公司权益的一部分,属于业主或股东,但未以股利形式发放,保留在公司内的资金。表面上,它是不需要支付成本,但是实际上也有企业和股东所期望的收益率的问题,同时,使用其从事投资活动时存在着资金的机会成本问题。

可以比照普通股资金成本法:

Kr=KS

根据机会成本的原理,如下:

Kr=

其中,R为保留利润向外投资预计可以获取的利润率;f为手续费率;t为投资者应缴纳的所得税率。

5.加权平均资金成本

加权平均资本成本(Weighted Average Cost of Capital ,WACC)是以各种资本占全部资本的比重为权数,对个别资本成本进行加权平均确定的综合资本成本率(Overall Cost of Capital),即企业全部资本的总成本。通常由个别资本成本率和各资本权重两个因素决定,其计算公式如下:

WACC=Ki×Wi

其中,Ki为第i种资本成本;Wi为第i种资本占全部资本的比重,即权数。

(二)企业农业投资项目HCOR的测算方法及应用

企业农业投资项目的风险与公司现有业务的平均风险相同时,才能利用企业的资本成本作为项目的HCOR,否则我们要根据项目的具体情况进行调整。如果项目提案的风险高于公司现有业务的平均风险,我们可以在该利率上加一个附加的风险调整量来说明项目的附加风险。因此,在确定企业农业投资项目的基准收益率的时候,企业资本成本的估算是基础和前提。

第一步:自有资金的资金成本

企业自有资金可以理解为企业的再投资资金,它是企业经营过程中积累起来的资金,是企业权益资本的一部分,表面上看不存在实际资本,但是用这部分资金进行投资要考虑机会成本,但当自有再投资资金只是项目总投资的一部分时,为了便于分析,可以将再投资资金视同于新增普通股本资金,即用股东期望的最低投资收益率来分析,因此可以按照2、1、(4)的公式进行计算,这将放在第三步处理。

第二步:借贷资金的资金成本

借贷资金的资金成本的计算方法按照2、1、(1)的公式来计算,相关利率可从中国人民银行网站中查到。结合农业投资项目的具体情况,本文取5年以上为基准,取均值为8.92%,银行贷款利率为单利,考虑资金的时间价值,在计算过程中对其进行复利调整,项目的时间周期一般都在五年或者五年以上,因此可以认为计息周期为一年,此时实际利率和名义利率是相等的。其次,现代农业企业所得税税率取25%。利率的相关转换公式如下:

复利与单利的转换:

I=(-1)

其中,I代表复利的值;i代表单利的值;n为时间区间。

K′d=-1=-1≈7.66%

以上是税前的情况,实际中,由于贷款利息被计入所得税前成本中,可产生抵税作用,因此公式变换如下:

Kd=(-1)(1-t),其中t为税率。

实际利率与名义利率的转换:

Reffective=(1+)n-1

n为一年中计息次数;Reffective为实际利率或有效利率(Effective interest rate);Rnominal为名义利率或年利率(Nominal interest rate)。

以上是离散式的,当计息期趋向于无穷小时,离散式实际利率可以转换为连续式实际利率,当然这种更多体现的是理论上的合理性,转换如下:

Reffective=(1+)n-1=eRnominal-1

第三步:权益资金的资金成本

权益(股本)资金分为优先股和普通股,由于优先股在国内上市公司股权结构中数量少,而且不多见,故不予考虑。普通股股东收入是不确定的,故其资金成本较难计算,本文采用的是CAPM模型进行计算,其中无风险投资收益率采用政府发行的相应期限的国债利率,取五年期国债利率为6.省略)得出农业上市企业的净资产收益率取近似值为2.61%。行业风险溢价通常可以借鉴美国的市场风险溢价然后进行调整,或者利用历史市场数据估计市场风险溢价,本文结合二者综合确定。回顾已有对美国的市场风险溢价的估计结果,美国各大投资银行和评估机构对美国市场风险溢价的估计在4.0%～5.0%之间,同时Stern Stewart的研究表明美国股市的市场风险溢价有下降的趋势,故取美国的市场风险溢价为4% 。事实上,如果我们认为美国市场为成熟市场的代表,则中国的市场风险溢价就等于美国的股权风险溢价加上中国股权的国家风险溢价。中国股权的国家风险溢价可以参考Damodaran的估计结果,为2%。从而中国的市场风险溢价为6%。鉴于农业企业的净资产收益的偏低的事实,行业风险溢价可以把估计值下调1个百分点。

Ke=Kf+β×(Km-Kf)=6.34%+0.8162×5%=10.241%

K′d=-1=-1≈8.62%

第四步:资金权重

从农业企业的角度,可以采用行业统计均值,但在具体项目中,可以依据项目的具体状况分配权重进行计算,这里采用的是行业的统计均值,可以得出权益资本权重(,)取近似为38.63%。

第五步:计算WACC及行业基准收益率

计算加权平均资金成本如下:

WACC=Ke+Kd

第六步:通货膨胀因素的考虑

包含通货膨胀的折现率(HCOR i n f)的计算公式:

HCOR i n f = HCOR+f+HCOR×f

其中,f为通货膨胀率;HCOR为不变的基准收益率,即与不变(价格不变,无通货膨胀)货币流量相关的折现率;HCOR i n f是包含通货膨胀因素的折现率。

转换公式为:i′=-1=

其推导过程:P=F=P′=F′=F×

其中,i′为实际利率(不包含通货膨胀因素);i为市场利率(包含通货膨胀因素)。

基于CPI的通货膨胀率均值为2.16%(根据2000―2008居民消费价格指数(CPI)变动情况求得均值,数据来源于国家统计局统计公报stats.省略/tjgb/)。

本文为为保持口径一致,设定基准收益率时应考虑通货膨胀因素,在评估中考虑通货膨胀因素,首先要选定基年,基年可以任意选定,通常在投资评价中选投资零年,然后根据相对于基年同等货币购买力的原则,剔除各项收入或支出中的通货膨胀因素,再进行等值计算,我们通常可以利用以下公式:

F′=F

其中,F′为同一时点并相对于基年同等购买力的不变值;F为某一时点的当年值;f为通货膨胀率;n为当年与基年的时间间隔。

第七步:计算结果

对于非上市公司的资本成本,通过资本结构的调整来拟合,计算如下:

=≈1.59,β无杠杆==≈0.37,

根据具体非上市企业的情况进行调整后的β值为:

β=β无杠杆1+(1-T)=0.381+(1-0.25)≈0.49

名义Ke=Kf+β×(Km-Kf)=6.34%+0.49×5%=8.79%

通过以上分析,便可以列出如下表格进行计算:

三、结论

1.这个计算结果并不是基于具体项目情况来计算的,而是从参数的角度,通过农业企业的统计数据来测算的农业类企业投资项目的财务基准收益率。对于农业企业的具体投资项目,这个参数是可以结合企业自身的状况按照这个方法和路径进行调整,从全行业的角度,可以取值7%～8%作为一般性基准,需要说明的是对于企业投资项目采用行业基准并不一定合适,行业基准存在的必要性在于其反应的国家政策导向,只能为投资决策提供了辅指标。

2.在测算HCOR的时候如何考虑税费问题非常重要,而且和项目评估的过程联系在一起,而且这部分的争议较大,可以参考《参数》(第三版)中的做法,分别测算出融资前税前的财务HCOR和税后的HCOR,这里的税前税后的税指的是企业或项目的所得税。

3.借贷成本的税后成本可以方便计算,因此可以方便计算税后HCOR,但是对于税前HCOR的计算存在困难,因为通常认为税后成本的权益资金成本没有办法折算成税前值。在计算过程中,考虑了企业税率以及国内通货膨胀的因素,因此利用此参数进行农业项目财务评价的时候,在成本以及收益的估算上可以根据文中的方法选择使用。

参考文献:

[1]建设部标准定额研究所.农业部规划设计院,等.农业项目经济评价实用手册:第2版[K].北京:中国农业出版社,1999:7.

[2]H.克雷格.彼得森,W.克里斯.刘易斯.管理经济学:第3版[M].吴德庆,译.北京:中国人民大学出版社,1998:10.

[3]戚安邦.项目论证与评估[M].北京:机械工业出版社,2004:2.

[4]詹姆斯•C.范霍恩,小约翰•M.瓦霍维奇.财务管理基础[M].北京:清华大学出版社,2006.

[5]刘天福,姚君泽.农业可行性研究[M].合肥:安徽科学技术出版社,1987:3.

投资收益测算方法篇2

【基金仓位测算之我见四】国内的仓位测算模型已经经历了四代。第一代测算模型选取基金平均收益率、基准指数收益率为基础指标，将样本基金收益率均值除以基准指数收益率，得到结果即为基金平均仓位。其中，基准指数是指最能反映基金市场整体收益情况的指数，一般选取市场指数（如沪深300指数）。

【基金仓位测算之我见五】第一代测算模型的优点是计算过程较为简单明了，需要处理的步骤较少。缺点是测算结果跳跃性比较大，且测算结果对基金市场指数的选取依赖性强。这一代模型，除了少数研究方法极为落后的机构外，基本没有人采用了。

【基金仓位测算之我见六】第二代测算模型在第一代测算模型基础上，通过对基金收益、市场指数收益时间序列数据的回归进行测算。优点是初步解决了第一代测算模型的噪声。缺点是回归期限的过长或过短均会对仓位测算结果带来较大的误差，整体上会拉平峰谷值，固定的回归期限也导致测算与实际结果产生时滞。

【基金仓位测算之我见七】第三代测算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“自动化”、“智能化”，同时，由于测算的是样本基金仓位“模拟云”的重心，因此可有效消除了第一代、第二代测算模型带来的系统误差。

【基金仓位测算之我见八】二、三代模型目前在行业中应用都较为广泛。

【基金仓位测算之我见九】第四代测算模型在理论和算法上有了突破性创新。理论上，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入系统性误差的缺陷。

【基金仓位测算之我见十】在算法上，通过引入神经网络、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。

【基金仓位测算之我见十一】事实上，第四代模型已经不能叫仓位测算模型，因为它的主要目标是测算基金各类资产（行业、板块等）的配置比例以及变化情况。仓位分析只是这一代模型的一个简单衍生功能了。

【基金仓位测算之我见十二】附图是民生证券基金仓位及行业配置系统（MS-PAM）测算的2005年以来基金仓位走势与季报披露数据的对比图。其中连续线是测算结果，三角点是实际披露的数据。

【基金仓位测算之我见十三】需要说明的是，所有机构的测算结果，其时间都先于季报数据披露时间。因此，仓位测算准不准确这个事情做不得假。有疑问的朋友，不妨去对比一下各机构测算数据（季度末）与最后实际披露数据的差异。这个工作，非专业人员就能做。

【基金仓位测算之我见十四】当然，作为测算结果，其结果与实际情况不可能做到100%吻合。“模糊的准确”对投资来说已经足够了。要求不精确就不要做研究，那就只有政府发言人和会计可以来做分析师。但是显然，满嘴官样文章的发言人和精确的会计师对我们的投资没什么用。

【基金仓位测算之我见十五】仓位测算究竟有没有用？基金市场占比虽然在下降，但仍然是投资行为较为相近的最大的一个投资群体。在没有投资行为与其迥异的其他机构作为其有效交易对手之前，基金仍然是市场最重要的决定者。以包括仓位分析等在内的各种手段去分析基金，对于投资仍然有很重要的参考意义。

【基金仓位测算之我见十六】同时，投资行为分析（RSV）也是基金投资价值分析的一个很重要的方面。你连分析的基金的行为特征、风险收益特征、资产结构及特征这些基本的要素都没有弄明白，那怎么去指导基金投资者的投资？

投资收益测算方法篇3

1993年G30研究小组在《衍生产品的实践和规则》的报告中首次提出VaR模型,之后在巴塞尔银行监管委员会和国际证券委员会的推动下,VaR模型逐渐成为金融风险管理的主流方法。关于VaR模型在股票组合投资决策中的应用，国外学者做了大量研究。例如,Alexander,Baptista(2002)对比研究了均值-方差模型和均值-VaR模型对于股票组合投资决策的经济意义。Campbell,Huisman,Koedijk（2001）在VaR模型框架下研究了最优证券组合投资问题。Consigli(2002)应用均值-VaR模型研究了不稳定金融市场中的证券投资组合选择问题。

关于VaR模型在金融风险计量和管理中的应用，我国学者也作了一些研究。例如，戴国强、徐龙炳、陆蓉(2000)探讨了VaR模型对我国金融风险管理的借鉴意义及其应用方法。宁云才、王红卫(2002)探讨了Markowitz投资组合有效边界的程序化解法。

本文首先探讨了基于GARCH模型的股票投资组合VaR风险计量方法，然后将VaR风险替代Markowitz投资组合模型中的方差风险，通过求解非线性数学规划问题得到股票投资组合的另一种最优投资策略。

二、模型与方法

1.VaR的定义

根据Jorion的定义VaR指给定置信区间下金融资产或资产组合在持有期内的最坏预期损失。若用V表示资产组合在持有期末的价值，E(V)表示资产组合在持有期末的期望价值，表示给定置信区间c下资产组合的最低价值,则VaR值如(1)式所示。

（1）

其中,V*满足(2)式所示的条件。

P(V|V>V*)=c 或（2）

其中,f(v)表示持有期末资产组合价值的概率密度函数。

计算VaR需先确定以下三个因素:资产组合持有期的长短、置信区间c的水平和持有期内资产组合价值的分布特征。VaR值计算通常有三种方法:历史模拟法、方差-协方差法和蒙特卡洛模拟法。本文的研究采用方差-协方差法。

2.计算VaR值的方差-协方差方法

假设投资组合由n只股票组成，记为第i只股票的价值在投资组合总价值中所占的比例,并满足(3)式所示的约束条件。

令S表示投资组合收益率的方差-协方差矩阵,表示股票投资组合的投资策略向量,则投资组合收益率的方差可由(4)式计算得到。

(4)

假定资产组合的收益率服从正态分布,由正态分布的分位数进一步计算得到投资组合的VaR值,如(5)式所示。

(5)

其中,表示投资组合的初始投资额,表示标准正态分布在置信水平c下的分位数。

由于根据历史数据计算的收益率方差不能准确反映未来持有期内收益率的波动性,为克服这一的缺点,本文应用GARCH模型对股票未来持有期内的波动率进行预测，在波动率预测值的基础上计算投资组合在未来持有期内的VaR值。

3.GARCH模型及其对股票收益波动率的预测方法

对金融时间序列收益波动率的研究一直是金融研究的重点问题之一,1982年Engle提出了ARCH模型,即自回归条件异方差模型，1986年Bollerslev在此基础上提出了GARCH模型，即广义自回归条件异方差模型,用以对金融时间序列收益波动率进行建模。对股票收益波动率的建模经常采用GARCH(1,1)模型,例如宋逢明、江婕(2003)对中国股市波动率特征的实证研究,赵留彦、王一鸣(2004)在对中国股市收益率的时变方差与周内效应的研究，本文的研究采用GARCH(1,1)模型。

GARCH(1,1)模型的具体设定如公式(6）、(7)所示。

(6)

(7)

其中,rt表示股票在第t期的收益率，u表示股票收益率的均值，εt表示第t期股票收益率偏离均值的残差,σt表示第t期股票收益的波动率。α0 、α1和β为待估参数。

GARCH(1,1)模型实际上包含了一个递推公式。根据rt和公式(6)可计算得到εt ,将εt 和σt代入公式(7),可对σt+1进行预测,依次类推。预测使用的第一期的收益波动率通常由历史波动率法计算得到。

4.基于VaR的最优股票组合投资策略

令表示投资组合各成分股票收益率的相关系数矩阵,s表示由各成分股票收益率方差预测值构成的列向量,其中收益率方差的预测值由GARCH模型得到，则投资组合在预测期内收益率的方差可由(8)式计算得到。

（8）

在股票收益率服从正态分布的假定下,将代入公式(5）,可计算出投资组合的VaR值。将投资组合的VaR风险值替代Markowitz组合投资模型中的方差风险值,可得下述非线性数学规划问题。

(9)

(10)

求解上述非线性数学规划问题，可得到最小化投资组合VaR风险值的最优投资策略向量和最优投资组合的VaR值。

三、实证算例

本文选取上海证券交易所上市交易分属不同行业的6只股票构成样本股票投资组合,这6只股票的名称见表1。本文收集了上述股票2006年9月7日至2007年4月30日的日收盘数据,根据日收益率数据应用Eviews5.0软件估计各成分股票GARCH模型的参数,参数估计结果见表1。

应用GARCH模型预测各成分股票在下一个交易日里的收益波动率,预测结果列示于表2。

根据样本股票日收益率数据可计算成分股票间收益率相关系数矩阵。在给定各成分股票投资比重的条件下，应用公式(8)计算投资组合收益波动率的预测值， 再根据公式(5）计算投资组合在下一个交易日里的VaR风险值。利用Excel中的规划求解功能求解公式(9）、（10)所示的非线性规划问题，得到各成分股票的最优投资比重，求解结果列示于表2。

为比较上述最优投资策略降低投资组合VaR风险值的程度，本文同时计算了等比例投资策略下投资组合的VaR风险值，计算结果列示于表3。

表3显示,如果投资者的初始投资为1000000元,则在下一个交易日里,在5%的置信水平下,最优投资组合的最坏损失约为36443元,等比例投资组合的最坏损失约为39748元。在1%的置信水平下,最优投资组合的最坏损失约为51462元，等比例投资组合的最坏损失约为56130元。在两种置信水平下,等比例投资组合的最坏损失均大于最优投资组合的最坏损失。

参考文献:

[1]Alexander G. J.Baptista A. M.2002,Economic implications of using a mean-VaR model for portfolio selection:A comparison with mean-variance analysis [J],Journal of Economic Dynamics & Control 26,1159～1193

[2]Campbell R.Huisman R.Koedijk K.2001,Optimal portfolio selection in a Value-at Risk framework[J],Journal of Banking & Finance 25,1789～1804

[3]Consigli G.2002,Tail estimation and mean～VaR portfolio selection in markets subject to financial instability [J],Journal of Banking & Finance 26,1355～1382

[4]戴国强 徐龙炳 陆 蓉:2000,VaR方法对我国金融风险管理的借鉴及应用[J],金融研究,第7期

[5]宁云才 王红卫:2003，Markowitz组合投资模型的程序化求解方法[J],数量经济技术经济研究,第10期

[6]Jorion P.2000,VaR:风险价值――金融风险管理新标准[M],张海鱼译,中信出版社

投资收益测算方法篇4

在企业进行土地开发过程中，土地价格是投资决策的关键因素，进行科学合理的定价测算，可以使企业在完成该项目后保证自己的利益。但企业进行地价测算时大多采用传统的土地定价方法，忽视了不确定性因素的变动对土地出让价格的影响，主观经验对评价结果的影响较大，可能导致企业做出错误的决策。并且由于房价逐年上升，房地产市场竞争较大，土地资源竞争加剧到底土地出让价格的增加，传统土地定价方法容易低估土地出让价格，使得企业错失优质的土地一级开发项目。

1. 研究的背景、意义和目的

广义的土地一级开发是城市政府为了城市国民经济和社会发展规划，城市总体规划，土地利用总体规划的顺利实施，在土地出让或划拨前对土地进行整理、投资、开发的过程。经过十几年的发展，土地一级开发在各地都有了一定的成效。如今，土地一级开发已经成为政府调控宏观经济的重要手段，也是整个房地产市场的价值基础。

近年来，中国的房地产市场波动一直较大，尤其是 2009 年末房价的涨势更是惊人，房价经历了由高到低，由低到高的起落，由房价的讨论使得更多的人开始关注土地一级开发市场。房地产开发初期我国主要采用一二级联动开发的方式，随着房价大幅增涨，这种开发方式显示出较大的弊端，土地增值收益流失严重。

2. 土地一级开发地价测算方法

土地一级开发项目投资决策的一个重要参数就是土地出让价格，只有土地出让价格可以平衡土地一级开发的成本费用税收等支出和合理的利润，企业才可以获得部分土地增值收益，进行该项目的投资开发。如果企业对于土地出让价格估计过高，实际出让地价不能平衡成本和利润，将使得企业投资该项目获得巨额亏损；若土地出让价格估计值低于实际价格，企业会在投资决策时放弃该项目，则可能由于投资决策失误而错失优质的投资项目。因此，企业应该选择合理的土地定价方法，根据面临的实际情况合理测算地价，避免决策失误。

2.1市场比较法

通过与估价近期有过交易的类似地块进行比较，根据交易时间、区域以及相关交易情况，考虑个别因素的差异，设定相应的修正系数，适当的修正类似地块的出让价格，市场比较法就是以此估算出让土地的客观合理价格的方法。此方法理论比较简单，是技术上较为成熟的一种估价方法，也是房地产估价最常用的方法之一。

2.2成本估价法

成本估价法主要依据土地所耗费的各项费用之和，加上合理的利润、税金和贷款利息，通过土地增值收益推算土地价格的一种评估方法。

2.3 成本估价法

成本估价法主要依据土地所耗费的各项费用之和，加上合理的利润、税金和贷款利息，通过土地增值收益推算土地价格的一种评估方法]。 成本估价法适用于固定收益模式，而不可用于固定收益加分成和收益分成模式。固定收益模式是计提土地一级开发项目总成本的固定比例作为自己的收益，一级开发企业的收益风险较小，土地出让价格在投资决策中并非重要风险因素，因此用成本估价法正向推算土地出让价格，其正确性对投资决策影响不大。但如果采用固定收益加分成或收益分成模式，增值收益部分是一级开发企业获得收益的总要来源，成本估价法中的增值收益来自于经验预测，风险程度较大。

2.4 基准地价修正法

政府会在不同时间节点上的基准地价，根据待测土地的环境状况、区位条件、土地使用年限和政府要求的容积率等，确定相应的修订系数，得到修订后的预测土地价格。计算公式如下：

待y土地楼面熟地价=适用的基准地价（楼面熟地价）×日期修正系数×年

期修正系数×容积率修正系数×因素总修正系数

待测土地价格 = 待测宗地楼面熟地价×规划建筑面积

2.5收益还原法

基准地价修正法的原理和市场比较法的原理相似，只是将未来若干年内待测土地每年预期纯收益用一定的还原利率折现为预测时间的收益，其总和即为预测宗地价格。计算公式为：

待测土地价格=第i年土地纯收益 /（1+ 还原利率）i-1

收益还原法适用于能够产生收益的土地，包括产生土地增值收益或者二级市场收益，该方法可以对能产生收益的土地、房屋或者有收益的房产资源进行估价的一种便捷方法。收益还原法要求首先估算土地在未来每年预期纯收益，然后根据期望收益率这算到当前投资点上，以便考虑资金的时间价值。

2.6 假设开发法

假设开发法是假设土地出让给二级开发商完成房地产开发后可以正常销售，通过市场比较法预测房地产销售收入，扣除房地产开发成本、利润和税金等，来估算土地出让价格的客观合理价格或价值的一种估价方法。假设开发法多种房地产估价，包括净地、已完成土地一级开发的“熟地”、待出售房地产评估、单位搬迁出让土地和在建项目等的估价。评估时，需把握其投资开发前、后的状态，以及开发以后的经营方式。对于土地一级开发企业，假设开发法被用于评估完成土地一级开发后土地出让价格，即“熟地”出让价格。

3.总结

不同土地定价方法在房地产和土地评价领域中都有应用，在具体分析了不同方法的测算原理、评估对象、适用情况及其局限性后，我们可以看出，以上介绍的五种方法均适用于土地一级开发完成后的土地出让价格，对土地定价有一定的指导意义，但这些方法在实际应用中受主观经验影响较大，因此估计结果偏低；评估结果是固定点值，不能的得出土地定价的波动范围。但土地一级开发企业进行投资决策时更希望项目的收益值是在某个范围区间中波动，减少决策风险，因此这些评估方法不能满足企业需求。假设开发法根据市场开况逆向推导土地成本，是最适用于土地一级开发项目土地定价的方法。

参考文献

[1]朱道林，蒋芳. 土地整理的产权经济关系与土地价格评估. 中国土地科学. 2003，17 （2）：36-40.

[2]解衍彬. 土地招拍挂制度下的土地价格测算方法研究. 重庆大学. 2006.

[3]徐青. 城市土地一级开发的收益与风险平衡研究. 中国土地科学. 2009.23 （1）： 14-18.

[4]王耀龙. 土地一级开发企业风险分析. 内蒙古科技与经济. 2013.2： 18-21.

[5]王媛，贾生华，张凌. 土地投资决策的实物期权理论述评. 中国土地科学. 2010.24 （9）： 76-80.

[6]郑兆宇， 土地储备与土地一级开发比较分析研究. 中国集体经济. 2014， 21： 20-21.

[7]刘春阔，金鑫，王冰. 我国土地一级开发的风险分析. 国土资源. 2015.5： 54-55.

[8]李红波. 不确定性环境下经营性土地出让相机策略研究. 中国土地科学. 2012，26 （5）： 44-49.

投资收益测算方法篇5

一、收益流确定方法的改进思路

按照我国房地产估价师的通常做法,在运用收益法公式测算房地产价值时基本有两种模式,其一是假设在整个收益期限内,收益流稳定不变;其二是假设在整个收益期限内,净收益按一个固定不变的比例等比递增(递减)。

净收益每年不变的收益流测算模式:

以上两种收益流模式由于时间跨度大,未来每年收益流难以准确预测,因此按上述两种收益流计算模式测算房地产价值既不科学,又不符合市场投资实际,其结果不能正确反映市场客观状况。而且房地产业也遵循经济发展周期的规律,其价格处于不断地曲线变化之中,不可能有一个长期稳定,或一直上升或者下降的收益流,净收益长期不变或按一个固定比率递增或递减的假设也显得乏力。

在我国房地产市场发育初期,住房主要是为了满足人们的自住需求,住宅租赁主要以廉租住房为主,廉租住房租金水平较低且长期稳定,收益流水平基本不变。但随着市场发展成熟,购买住宅房地产不再单纯出于自住目的,而更多的表现为投资者的投资套利行为。因此,住宅租赁市场受市场交易的影响而不断发生变化,长期、稳定的收益流难以形成。但是,对于现实当中的投资者来说,其关注的是所持有物业在整个投资期内的投资回报,而不仅仅只是当前租赁的收益。当租金收益远高于房地产市场交易价格或预期价格变化所产生的收益时(如商业房地产),投资者会选择置业投资,每年获取高额、稳定的收益;当现实房地产价格增速较快或预期价格水平会有较大幅度提升(如近几年快速拉升的住宅房地产价格),交易收益远高于租金收益,投资者则会选择先持有,等待房地产市场价格上涨后再行出售。这就是现实当中较为典型的投资模式,其相应的收益流测算模式如下:

与公式一、二相比较而言,公式三反映的收益流形成过程最贴近市场状况和现实房地产投资人的思维。即先持有一段时间(一般为中长期投资5-7年),根据市场变化情况,在达到预期目标后转售获利。对于收益法的应用而言,对5-7年的收益流进行预测将会容易得多,取得客观数据的可能性大大增加(实际上,现实当中有相当数量的租赁合同属中短期合同,租期一般会达到3-5年,也存在长期租约)。同样,由于考察期时间跨度的缩短,除持有期租金收益能较为准确地预测外,期末转售价值也可以根据房地产市场变化趋势作出较为准确地预测,从而使收益流确定更为科学合理。

二、报酬率确定方法的改进思路

报酬率是反映投资风险程度的指标。估价师在选择报酬率时,必须考虑到每一个现金流来源的风险。对于不同用途的房地产、不同的收益期限和不同的市场状况,现金流的风险程度存在差异,报酬率也应随之发生变化。一般来说,商业房地产的报酬率最高,其次是住宅房地产,再次是工业房地产。对同一用途的房地产进行收益折现时,在持有期内风险程度相对较低,应取用一个相对较低的报酬率对净收益进行折现;对期末转售价值的折现则由于时间跨度较大,不确定性因素较多,风险较大,此时应采用一个相对较高的报酬率。

1.报酬率确定的常用方法

(1)累加法

其原理就是基于报酬率应等同于具有同等风险的投资收益率,即主要考虑无风险利率和风险确定报酬率的方法,其公式为:报酬率=无风险报酬率+投资风险补偿率+管理负担补偿率+缺乏流动性补偿率-投资带来的优惠率无风险利率又称安全利率,是无风险投资的收益率,在现实中一般难以获取,通常选取同一时期相对无风险的报酬率替代,例如选用同一时期的国债利率或银行存款利率。在公式当中:

①投资风险补偿,是指当投资者投资于收益不确定、具有风险性的房地产时,要求对所承担的额外风险进行补偿,否则将不会投资;

②管理负担补偿,是指若一项投资因所要求的管理活动越多,其吸引力就会越小,因此投资者必然会要求对所承担的额外管理进行补偿;

③缺乏流动性补偿,是指投资者在投入资金后,对因此损失的资金流动性所要求的补偿;

④投资带来的优惠,是指由于投资房地产可能会使投资人获得某些额外的好处(如易于获得融资等),从而投资者会降低所要求的报酬率。投资风险补偿,管理负担补偿和缺乏流动性补偿都是由房地产投资收益的不确定增加或投资额增加引起的,其数值大小没有可量化的标准,主要依赖估价人员的实践经验确定,一般根据估价对象所在地区现在和未来的经济发展状况、估价对象用途、投资相类似风险行业及新旧程度等因素综合判断确定。

(2)投资报酬率排序插入法

该方法与累加法的基本原理一样,都是从房地产投资风险的角度,根据同等风险投资报酬率相似的原理计算报酬率,同时结合了市场提取法的类比特点,可以说投资报酬率排序插入法是累加法和市场提取法的综合运用。该方法运用时,是按不同行业投资风险大小,将报酬率按从小到大的顺序排列,然后将房地产投资报酬率与之对比,修正得出评估对象报酬率。该方法应用的不足之处是要求估价人员要有较丰富的经验,并对行业风险和收益率有较明确的量化认识,而在实

际当中,各种报酬率的数值不容易取得。报酬率排序插入法的操作步骤如下:

①调查、搜集估价对象所在地区房地产投资、相关投资报酬率和风险测度资料,如各种类型银行存款利率、政府债券利率、公司债券利率、股票报酬率及其他投资报酬率等;

②将所搜集的不同类型投资报酬率按从低到高的顺序排列,并编制成图表;

③将估价对象与这些类型投资的风险程度进行分析比较,考虑管理难易程度、投资流动性以及资产的安全性等,判断归纳出同等风险的投资,确定估价对象风险程度所处的区间;

④根据估价对象风险程度所在的区间,在图表上找出对应的报酬率。

(3)市场提取法

市场提取法是利用与估价对象房地产具有类似收益特征的可比实例房地产价格、净收益等资料,选用相应的报酬资本化法公式,反求出报酬率。需要指出的是,对估价对象报酬率的判断,应着眼于可比实例的典型买者和卖者对该房地产的预期或期望报酬率。

2.报酬率确定的改进思路

(1)按照风险程度不同选用不同的报酬率,由于报酬率反映投资者对风险程度的认识,风险越大,投资者要求的报酬率越高,反之,投资者要求的报酬率越低,因此不同的风险程度应选用不同的报酬率。持有期内,一个成熟的住宅租赁市场,由于出租率高,空置率低,房屋很容易被出租出去,续租的可能性也大大提高,投资者的风险程度相对较低,应选用一个相对较低的报酬率;而期末转售则由于时间跨度较大,不确定性因素较多,风险较大,应选用一个相对较高的报酬率。

(2)采用复合报酬率求取住宅房地产的价值

由于房地产投资各个时间段的风险程度不同,对应的报酬率也应有所不同,用以上方法可以提取出对应不同风险程度的不同报酬率。但为了便于计算,可以采用复合报酬率来测算房地产收益价格。复合报酬率是分别对现金流的各个组成部分进行折现的不同报酬率的加权平均值。该方法的基本原理是运用市场提取法反求出一个稳定的报酬率,提取公式为:

式中各项含义与上述相同。通过公式四和公式五,可求出复合报酬率Y。

三、转售价值预测方法

对于转售价值的确定,可以根据房地产历史成交资料,运用长期趋势法,结合房地产市场供求分析预测;也可以采用期末资本化法进行预测。供应分析,主要分析历年建设用地供应数量、用途结构、区域分布特点、土地利用强度等土地供应指标,以及目标房地产存量、空置情况、单元类型等指标。通过采样数据资料,分析整理出目标用途土地供应情况,了解目标用途土地开况,从而分析可能的房地产新增供应情况和市场消化情况,通过对土地历史供应情况和当前房地产市场的现状进行分析,综合考察估价对象所在城市地域房地产市场的市场供求状况。需求分析,主要对人口结构、家庭规模、人口数量、家庭收入、消费者偏好等进行分析。

投资收益测算方法篇6

经济效益评价不是编制单位及人员凭空想象的，而必须针对立项属性及特征，以国家有关部门根据审理项目的实际需要所编制的经济评价系数和方法作为客观依据。其中，国家计委、建设部颁布的《建设项目经济评价――方法与参数》（1993年第二版），是企业投资立项经济效益评价指标确立和应用的最直接依据；国家税收法规政策是评价项目创造税收能力的客观依据；市场平均价格是计算效益和费用的客观依据等。这些依据，可以确保建设单位立项分析经济效益格式、结构、内容和方法等规范，在编制可研报告时必须明确列出。

2.经济效益评价内容与方法

投资项目评价不需要长篇累牍的单纯定性分析，而是要求“用数据说话”。经济效益评价需采用财务估算指标和效益分析指标两种。财务估算指标包括产品销售收入及税金、成本费用、现金流量等，是进一步开展投资效益分析的基础数据支撑；效益分析指标包括投资利润率、财务净收益、财务内部收益率、所得税前投资回收期、盈亏平衡点、盈亏临界点销售量、项目安全率、投资利润率等。

2.1 盈利能力分析

财政投资项目盈利能力分析属于融资前分析，是从项目投资总获利能力角度，考察项目方案设计的合理性。所以，该分析旨在考核财政投资项目在计算期内可以创造利润和税金的能力，包括销售收入即税金水平、发生的成本费用负担和最终的利润贡献等。

2.1.1 产品销售收入

首先应确定项目的计算期，设定为N年，作为经济效益的评价期；再根据项目建设规划将之划分为建设期（N′）、投产期N″和达产期（N-N′-N″），各期均遵循以销定产营销策略，以便将各期产量直接作为销售数量，依照现实市场价格即可估算收入。

（1）建设期销售收入。主要是对项目建设期间的物资销售和生产机器设备安装试产产品销售收入进行测算。公式为：销售收入=销售数量×单位价格×N′。

（2）投产期销售收入。依据市场开发进程，对项目投产年开始逐年递增直至达到稳产年（达产年）期间的销售收入进行测算。公式为：销售收入=销售数量×单位价格×N″。

（3）达产年销售收入。当项目运行平稳，市场局势稳定，产量基本固定在预期高产数值上，运用各年均等的产量和预计价格，测算各年销售总收入。公式为：销售收入=销售数量×单位价格×（N-N′-N″）。

2.1.2 销售税金及附加

按照我国税法规定，生产加工货物应该缴纳增值税以及与之相关的城市维护建设税、城市教育费附加等两项附加税费。结合经济效益评价期测算的总收入和税法规定，计算如下：

（1）其中：进

项税额=外购货物（含固定资产）成本×适用增值税率+购销货物运费×7%

（2）如果项目生产的属于“特定消费品”，还要进一步测算应纳消费税额。公式为：

（3）应纳流转税附加

流转税附加是以增值税和消费税税额为依据附加征收的城市维护建设税和城市教育费附加，其中城市维护建设税依据项目建设地点确定，市区为7%，县城和建制镇为5%，其他地区为1%；教育费附加征收率全国统一为3%。

流转税附加=（增值税额+消费税额）×（1+征收率）

2.1.3 总成本费用估算

（1）单位产品生产成本

根据投资项目生产单位产品消耗的主要原料、人工、固定资产折旧及维修费等直接成本与重大间接成本，进行分项计算；对一些品种多而耗量小的辅助原料等，则可汇总估算。一般情况下，单位产品成本估算应遵循以下原则：①原材料、辅助材料、燃料，动力的价格参照当地同类产品的市场价格进行计价，单位消耗参照同行业生产情况进行估算；②固定资产折旧费，按照直线法提取并分摊进单位成本；③修理费根据项目的特点，结合同行业类似企业情况按照固定资产的的一定比例估算提取，并计算单位产品成本中应分摊数额；④工资及福利费根据当地的工资与福利水平提取并均摊到单位成本之中；⑤编制项目《单位产品生产成本估算表》。

（2）项目总成本费用

项目总成本费用除单位生产成本外，还包括项目借款利息支出、财政资金占用费支出、和管理费用、技术开发费、营销费用及其他可预见费用。

（3）年经营成本

项目经营成本包括原材料购入、直接人工、水电消耗、其他材料消耗、修理费用等成本。根据资料进行统计分析，结合项目所在地实际，估算出投资项目的单位经营成本和年度经营总成本，并将成本估算结果编列成附表。

2.1.4 投资利润及利润率

根据需要，可从所得税前和（或）税后两个角度进行分析，计算所得税前和（或）税后财务利润指标。税前利润只反映项目方案自身盈利能力，是项目方案比选的依据；税后利润能判断在不考虑融资条件下财政投资对项目的价值贡献，是财政投资决策的依据。分析时，首先要对营业收入、建设投资、经营成本、相关税费和流动资金等现金流量进行识别与预测；继而考察整个计算期内的现金流入和现金流出，编制项目投资现金流量表；然后依据项目建成达到正常生产能力时实现的销售毛收入额减除增值税额后的销售额，分别减除附加税费、总成本费用后，确定项目利润总额；最后，依照所得税法规定计算出企业所得税和税后净利润。

投资项目总利润（税前）=产品销售收入-总成本费用-产品销售税金及附加

应纳企业所得税=投资项目总利润×适用企业所得税税率

投资项目净利润（税后）=投资项目总利润-企业所得税额

2.2 投资收益分析

需要计算反映项目投资财务盈利能力的动态指标有项目投资财务内部收益率、项目投资财务净现值，静态指标有项目投资回收期、总投资收益率。

2.2.1 投资利税率。是指项目的年利税总额与总投资的比率，计算公式为：

投资利税率=年利税总额÷总投资×100%

年利税总额=年产品销售收入-年总成本费用

式中的年利税总额可以是项目投产年开始到达计算期最后一年各生产年份的年利润总额与销售税金之和，也可以是生产期平均年利润总额与销售税金之和；总投资包括固定资产投资、建设期利息及流动资金。

计算出的投资利税率应与行业的平均投资利税率进行比较，若大于（或等于）行业的平均投资利税率，则认为项目是可以考虑接受的，否则不可行。

2.2.2 财务内部收益率（FIRR）

项目财务内部收益率指能使项目在整个计算期内各年净现金流量现值累计等于零时的折现率。计算公式为：

式中，Ci：现金流入；Co：现金流出；Ci-Co：第t年的净现金流量；n：计算器年数。

项目内部收益率一般通过计算机计算，手工计算采用差值法计算。将求出的财务内部收益率与设定的判别基准Ic进行比较，当FIRR≥Ic时，项目可行。

2.2.3 财务净现值

式中，ic为设定的折现率，其他符号同前。

项目财务净现值是考察项目盈利能力的绝对值指标，反映项目在满足按设定折现率要求的盈利之外所能获得的超额盈利的现值。项目财务净现值大于零表明项目可行，达到或超过了设定折现率要求的盈利水平。[2]

2.2.4 投资回收期

投资回收期实际上是一项静态指标，是指以项目的净收益回收项目投资所需要的时间，一般以年为单位，从项目建设开始年算起，若从投产年算起需要特别说明。公式为：

项目投资回收期可以借助项目现金流量表计算，当项目累计净现金流量由负值变为零时的时点就是项目投资回收期。将计算公式为：

投资回收期越短表明项目的盈利能力和抗风险能力越好，投资回收期的判别基准是基准投资回收期，可根据行业水平或投资者的要求确定。

2.3 不确定性分析

主要是对涉及到相关不确定内涵因素可能对项目产生影响进行的分析，包括盈亏平衡分析和安全率分析两个方面。盈亏平衡分析主要应用盈亏平衡点及其盈亏临界点销售量两项指标，安全率分析主要是对项目安全率和敏感性进行分析。

2.3.1 盈亏平衡分析

盈亏平衡点又称零利润点、保本点、盈亏临界点、损益分歧点和收益转折点，是指全部销售收入等于全部成本时的产量。以盈亏平衡点的界限，当销售收入高于盈亏平衡点时企业盈利，反之，企业就亏损。它可用销售量来表示平衡点的销售量，也可用销售额来平衡点的销售额。其基本作法是假定利润为零，先分别测算原材料保本采购价格和保利采购价格；再分别测算产品保本销售价格和保利销售价格。

按实物单位计算：盈亏平衡点=固定成本/（单位产品销售收入-单位产品变动成本）

按金额计算：盈亏平衡点=固定成本/（1-变动成本/销售收入）=固定成本/贡献毛益率

盈亏临界点销售量=固定成本/（产品单位售价-单位变动成本）

关于盈亏平衡分析的平衡点，是多方案相对评价指标，此值应越低越好。

2.3.2 项目安全率

该指标主要反映投资项目达产后的安全可靠性水平。通过从投产年到分析期最后一年的各年平均可盈利或增值的净产量占平均设计产量的比率测算，该比率越高，项目安全性越好。

2.3.3 敏感性分析

是指从定量分析的角度研究有关因素发生某种变化对某一个或一组关键指标影响程度的一种不确定分析技术。其实质是通过逐一改变相关变量数值的方法来解释税后财务内部收益率、税后财务净现值、税后全部投资回收期等关键指标受变动因素（如市场价格波动、总投资增减变化等）影响大小的规律，以此检测经济效益指标对某个不确定因素影响的敏感反应度。分析时可用总量法和差量法，分别计算有关因素变动对净现值和内部收益率的影响程度；也可采用各因素不利变动的临界限度分析法，计算有关因素的变动极限。假定某项目税后财务内部收益率26.5%，财务净现值6376万元，税后全部投资回收期2.87年，期敏感性分析如下：

分析结果表明，当最不利因素发生时如产品销售价格下降5%时，项目的税后全部投资收益率仍能达到25.6%，远高于资本成本，说明本项目具有较强的抗风险能力。

2.4 经济效益评价结论

一般来说，当财务净现值大于0，财务内部收益率高于资本成本，投资回收期超过项目经济寿命，说明财务效益较好，可以判定项目从财务上来看是可行的；从不确定性分析结果来看，项目具有较强的抗风险能力。最后可以确定项目在经济上、技术上均是可行的。

参考文献：

投资收益测算方法篇7

一、软件开发成本预测的基本方法

软件开发成本预测涉及到软件工程开发和财务管理两个学科。这两个学科的专业人员都很少，专业人员中能够同时精通软件开发和财务管理的人才更是凤毛麟角。因此软件开发成本预测方法很少进入《财务管理》教材。在《软件工程导论》中也只是一般性的介绍了成本预测，而没有详细讲解成本预测的方法。在实际工作中软件开发成本的预测是非常重要的，因为它关系到软件开发的成败和企业的盈利。

软件工程项目的开发主要表现为系统工程的开发。这种开发是一种风险投资，正确地预测其开发成本，准确地计算可以获得的预期经济效益是十分重要的。但是，系统开发属于高科技投资，其成本的高低是一个很难预测的问题。正确地进行成本效益分析也存在着很大的难度。因此，必须应用符合软件开发企业实际情况的财务管理方法，对开发的新系统进行成本预测，以便项目决策者做出正确的决策。

软件开发成本可以分为变动成本和固定成本。固定成本是指企业固定资产的折旧和工作室的租金支出等费用。因为这种成本费用不受项目本身的影响，也是所有企业共同的问题，不能体现软件开发企业的特点，因此不作为研究的重点。这里主要研究的是决策依据一变动成本。在软件开发企业中，变动成本主要表现为人力资源的消耗。其开发费用主要是软件开发人数和平均工资乘积。在笔者所经历的实际工作中，主要有三种预测方法，分别是代码行预测法、任务分解法和自动估计法。以下简单介绍一下这些常用的方法。

(一)代码行预测法

这种方法是将开发每个软件的功能成本和实现这个功能需要用的源代码行数联系起来。通过专业人员的经验或历史数据，预测一个实现功能需要的源代码行数，然后用每行代码的企业平均成本与其相乘。就可以确定软件的变动成本了。其中每行代码的平均成本取决于软件的复杂程度和企业的工资水平。这一点，由于在各个企业的人员结构和技术水平不同而不相同，要因企业实际情况而定。公式如下：

软件工程变动成本=每行代码的企业平均成本×实现功能需要代码行数

(二)任务分解预测法

这种方法分为三个步骤。首先，将软件开发工程分解为若干个相对独立的任务；然后，再分别预测每个单独任务的开发成本；最后累计得出软件开发工程的总成本。需要注意的是：在预测每个任务的成本时，需要事先预计完成该项任务所需要的人数，一般以人或月为单位，然后乘以每人每月平均工资，得出每个任务的总成本。

在安排内部控制计划的时候，也可以利用任务分解预测法进行完成计划的检查和分析。最简单的方法是：将任务按照开发阶段来划分。根据经验或历史数据预测出各个阶段任务所需要的人力资源比重i然后按照该项任务的计划总成本分解出各个阶段的成本控制指标。例如下面这张表格是某企业软件研发项目工作中各个阶段需要使用人力资源占总人力资源消耗的比重(见表1]： 

以上表1的数据是根据专业人员的经验和历史数据统计得来的。在确定了各个阶段使用人力资源的比重以后，就可以据此计算每个项目的内部控制成本了。假设完成一项库存清单系统修改软件工程，需要的人力资源成本费用总计10 000元，则内部控制的人力资源费用分配表如下：

当看到这样一张人力费用控制表格的时候，就可以对项目的人工费用进行有效地控制了。如果有效地控制了成本开支，降低了成本。那么就可以得到更多的收益。

(三)自动预测成本法

这是一种现代化的成本预测方法。它主要是根据长期收集的大量历史数据，通过良好的计算机数据库系统进行核算的。采用这种方法可以减轻人力劳动，提高成本预测的精度和速度。其中的计算方法和人工预测方法相同。

二、软件开发成本预测分析的指标

在软件开发成本预测分析中，主要应用回收期和投资回收率两个指标。同时，还要注意货币时间价值等财务管理理念的应用。

(一)软件开发成本预测中货币时间价值的应用

软件工程成本是由开发成本和运行费用组成的。而软件工程的效益就是新系统带来的经济效益，它是由新系统增加的收入和新系统可以节约的运行费用组成的。将以上两个概念用公式表达如下：

软件工程成本=新系统开发成本+运行费用

其中：运行费用=操作人员工资+消耗的物料+维护费用

新系统带来的经济效益=新系统增加的收入+新系统可以节约的运行费用

由于新系统带来的经济效益是未来的，所以在进行决策的时候还应该考虑货币的时间价值，将这些未来的经济效益折合成现在的价值，才便于对不同方案做出筛选和决策。下面举例说明货币时间价值在软件工程决策中的应用。 

雪狐软件公司接受了一家物流公司修改一个库存清单系统的任务，任务的目的是使修改后的库存清单能够在每天给采购员一份订货报表。此系统需要修改库存清单程序和编写生产报表程序才能满足用户的要求。经过预测需要投入成本费用总计100000元。系统修改后可以及时订货，这样可以消除零件短缺问题，预计每年可以增加收益50000元。五年可以增加的总收益是250000元。也就是说，投入100 000元可以增加250000元的收入。可以肯定地说，这项投资是值得的。那么这项投资的收益率是多少呢?

要确切地计算这项软件工程的经济收益，不能简单地将投入的100000元和收益的250000元进行比较，应该考虑货币的时间价值。原因是250000元是连续五年的经济成果，不是项目最初年份的成果。

假设年利率为10％，可以计算修改库存清单系统以后每年预计节约费用的总现值。列表如下：

(二)投资回收期的计算和分析

按照财务管理的理念，投资回收期是以投资项目经营净现金流量抵偿原始投资所需要的全部时间。计算公式如下：

投资回收期=m+1第m年累计的折现额1÷(第m+1年的折现额)

式中：m是指累计折现额由负数变为正数的前一年。

将上述案例带八公式为：

投资回收期=2+|13000|÷37500=2347年

此处计算的回收期是一种考虑了资金时间价值的回收期，这

里将其称为动态回收期，即是在考虑了货币时间价值的情况下回收期为2.347年。

(三)投资收益率的计算和分析

投资收益率(也称为投资报酬率)是指项目运营期年平均利润占项目总投资的百分比。投资收益率的计算公式为：

投资收益率=年平均利润÷项目总投资

将案例数据带入公式为：

89500÷5÷100000=17.9％

如果将该投资收益率与其他投资项目的收益率相比，属于比较高的，那么这个软件工程项目就是可行的；否则为不可行。如果没有其他项目可以对比，那么，就和同期银行存款利率进行比较，高于同期银行存款利率，就是可行项目；否则，不可行。以上库存清单系统软件工程的投资回收率是17.9％，高于同期银行存款利率，属于可行项目。

(四)软件工程项目纯收入的计算和分析

衡量软件工程项目的纯收入，应该就项目的整个生命周期之内系统的累计收入额折现以后，扣除原始投资以后的净额作为软件工程的纯收入。本案例就是89500元。在评价软件工程项目的时候。纯收入为正值就可行，数值越大经济效益越好。

根据以上分析可见，物流公司修改一个库存清单系统的项目从总体上看是有投资效益的，是可行的。作为软件开发企业的雪狐软件公司承揽这个项目也是有经济效益和社会效益的。因此，两个公司应该加强合作，共同努力，保证按时、按质量完成该项目的开发工作。

投资收益测算方法篇8

2.投资测算

参酌项目建议书中项目工程总投资金额,主要用于何用途。本案举例:项目工程总投资250万美元,折合成人民币825万元。主要用于企业筹建及运营过程中办理各种手续及获取各种权证的费用、土地征用费用、生产及附属设施的建设费用、技术改造费用、设备购置维修费用、流动资金投入、人员等费用。

3.融资方案

该项目总投资250万美元,折合人民币825万元,拟向外方融资825万元人民币,采取中外合作的方式操作,外方以现汇出资。合作方式为:组建中外合作公司,中方以自有资金、土地使用权、固定资产及拟建项目未来收益作为合作条件,外方以现汇作为合作条件。外方的投资退出方式采用在合作期年度内等额固定回报形式收回投资,即投资方每年获得固定收益回报。项目实施建设期投资方不收取回报,该项目合作期为0年,建设期为年,从项目实施第2年开始至第0年,连续9年,投资方每年按其总投资额的固定比率2%为分红基数收回投资,到期不还本金。合作期满,外方无条件退出合作公司。

4.投资者权益保障

为了保护投资者利益,该项目将采用完善的资金监控手段:

成立财务审计部,直接对总经理负责,对于每个季度投资者的投入资金使用状况进行详细分析,并及时向投资者报告。

2实施资金的统一管理与监控,做到:

a有科学、如实的资金预算,一切按资金预算办事;

b资金按期、有偿调度使用;

c时刻关心公司资金流量的方向、规模、结构和数量,从中发现与解决问题。

3)、公司正常运营后,外方派员到项目公司进行监督,并委托银行监督。

二、财务分析

1.项目收益期及折现率的测算

财务预测说明。根据公司规划和行业情况,并原则上根据我国财政部颁布的会计准则、会计制度和有关的法律规定,对本项目进行有关的财务预测。

本预测中各种数据比例,是通过调查国内该行业的有关资料,并通过分析统计,制定出的相关比例,具有宏观性和满足统计规律的特点。在本项目的预测中,能够比较好地、大致地反映项目的收益价值状况,但在项目具体实施的过程中,还有大量的、次要的不确定因素,甚至有时还会出现重大的偶然因素,这些因素都会影响到该项目的收益,所以,具体实施可能与本预测存在一定的差异是正常的。

2.项目收益期的确定

收益期限是指项目具有获利能力持续的时间,通常以年为时间单位。由于企业经营受企业自身的发展模式、阶段和经营规模等内部因素,以及宏观经济政策、环境等诸多外部因素的综合影响程度很大,在对未来企业发展趋势的预测时,许多不可预见的因素,在这里不可能得到全面考虑。因此,对未来预测的时间,尽量保持在一个较短的、尽量能够对各类影响因素考虑得比较周全的期间内,以增加可信程度,避免和减少误差。

3.折现率的选取

评估中的折现率按照下式选取:折现率=无风险报酬率+风险报酬率

无风险报酬率。无风险报酬率的高低,主要受平均利润率、资金供求关系和政府调节的影响。一般来说,无风险报酬率可以参考政府发行的中长期国债的利率或同期银行存款利率确定。本次评估中,我们以5年期长期国库券利率作为参考,选取与评估基准日最为接近的5年期长期国库券利率为3.8%,则无风险报酬率为3.8%。

风险报酬率。无论是投资还是经营,都面临诸多风险,承担的风险越高,要求补偿的金额也就越大,经济学中把得到的补偿相对于风险投资额的比例称之为风险报酬率。对风险报酬率一般采用累加法估算,即把面临的各种风险对风险报酬率的要求加以量化并予以累加,其公式为:风险报酬率=行业风险报酬率+经营风险报酬率+财务风险报酬率

综上分析,风险报酬率为%,风险报酬率与无风险报酬率之和为4.8%,取整为5%。同时由于项目收益预测中未考虑通货膨胀的因素,因而折现率中也不考虑通货膨胀率。

4.项目收益测算

产品销售收入测算。本项目的主要收入来自对矿产品的销售收入。不考虑价格波动等调整情况,按初始年收入3000万进行保守估算,随着矿业公司的生产及销售运作正常化开展,其每年的生产销售收入会有不同程度的增长,其项目具体收入估算如下:

5.项目成本测算

项目资金主要用于企业筹建及运营过程中办理各种手续及获取各种权证的费用、土地征用费用、生产及附属设施的建设费用、技术改造费用、设备购置维修费用、流动资金投入、人员等费用。各种手续及获取各种权证的费用依据国家统一规定价格进行估算。

6工资及福利费用

公司的人员编制主要由生产部门、技术部门、销售部门、财务部门及管理部门等组成,编制情况如下表。人员薪资标准生产人员按平均每月2000元,技术部门第一年年工资及福利费用5万,以后每年递增8%,到2万元人民币每年封顶;国内销售部门采用底薪+提成的方式,底薪每年2.5万元,国外销售部门第一年年工资及福利费4万,以后年递增4%;财务部门及管理部门年均工资5万元。

7.项目财务指标分析

对项目的财务指标分析,一般考虑投资净利率、投资利润率、财务内部收益率、财务净现值和投资回收期等指标,以衡量投资的可靠性和有效性。

8.经济效益分析结果

投资收益测算方法篇9

投资估算是指在整个投资决策过程中，依据现有的资料和一定的方法，对建设项目的投资额（包括工程造价和流动资金）进行的估计。投资估算总额是指从筹建、施工直至建成投产的全部建设费用，其包括的内容应视项目的性质和范围而定。投资估算是项目主管部门审批项目建议书的依据之一，并对项目的规划，规模起参考作用，可以从经济上判断项目是否应列入投资计划。项目投资估算对工程设计概算起控制作用，当可行性研究报告被批准之后，项目投资估算额就作为建设项目投资的最高限额，不得随意突破，同时它也是对各设计专业实行投资切块分配的尺度或标准，是进行工程设计招标，优选设计方案、资金筹措及制订建设贷款计划的依据。

一、投资估算的内容

发电项目投资估算包括建设投资、建设期利息和流动资金估算。按照费用的性质可划分为：建筑工程费、设备购置费、安装工程费、基本预备费、其他费用。建筑工程费、设备购置费、安装工程费直接形成实体固定资产，被称为工程费用；工程建设其他费用可分别形成固定资产、无形资产及其他资产。建筑工程费如果是涉外项目，还应考虑汇率的影响。建设期利息就是债务资金在建设期内发生的并应计入固定资产原值的利息，流动资金是指生产经营性项目投产后，用于购买原材料、燃料，支付工资及其他经营费用等所需的周转资金，即营运资金。其中，建筑工程费、设备购置费、安装工程费、基本预备费构成项目的静态投资部分，建设投资动态部分主要包括价格变动可能增加的投资额、建设期利息两部分内容。动态投资加上流动资金最终形成项目的总投资。

二、发电工程项目投资估算的特点

发电项目具有投资规模大、投资项目数量种类多、项目建设周期长，投资收益回收慢、安全可靠责任重大，受国家政策、经济总体形势影响较大等特点，这就必然对投资决策阶段的投资估算提出较高要求。发电工程投资估算行业专业性强、估算的内容、编制依据和具体的测算方法上主要参考行业的一些规定、限额，自成体系。发电工程由于总投资较高，预测期基本在十年以上，因此工程量的计算、关键指标、参数的估测相当重要，对项目的测算结果影响重大，尤其是设备投资。

三、编制投资估算中存在的一些问题

1.资料收集方面

发电项目编制投资估算时，一般依据电力概算定额、发电工程建设预算编制规定、同类型机组的造价资料、发电工程装置性材料综合预算价格等相关资料并结合项目实际情况进行测算。由于投资估算资料具有很强的时效性，从资料的搜集、整理、到估算编制完成，往往与项目实际情况有一定差距。为了提高项目的经济性，现在普遍要求缩短项目工期，降低项目的资金成本。所以业主通常在一些技术参数、外界条件都没有确定的情况下，依靠技经人员的判断能力和经验估计，这些势必影响投资估算的准确性。

2.设备购置费、材料费方面

发电工程造价主要由建筑安装工程造价、设备购置费以及其它费用组成，而设备购置费及材料费在建安工程造价中占有很大的比重，有时仅设备费用就占全部投资的50%，实际工作中，设备购置费及材料价格的确定往往是工作难点。对有些设备，由于无法及时了解到准确的价格信息，只能参考同类设备或其它设备的价格估算，造成设备价格水平失真，估算价格与实际价格脱节。对于建筑、安装材料，各地造价管理部门虽定期材料价格信息，但并未全面覆盖且与实际的材料价格也存在差异。因此，设备购置费、材料费的合理计价难度较大。

3.评价指标方面

在发电项目投资估算中，评价指标数目偏少。如在财务评价当中，只有净现值和投资回收期、内部收益率、投资利润率等指标，而没有主营业务利润、净利率、周转率、资产负债率、EBIT、EVA等指标；主要是对盈利能力的分析，对偿债能力和发展能力的分析不够，缺乏投资项目环境影响评价指标，无法对当前复杂环境做出判断；动态指标计算假设误差太大等。而在现存的指标中，计算项目净现值时，常假设该项目的未来现金流量是在项目计算期期初或期末发生，这使得未来现金流量偏离预期；另一方面，假设项目计算期内贴现率保持不变，贴现率的选择比较单一，与实际资本成本有一定差距。

4.缺乏风险分析

投资活动是一种逐利活动，其风险与收益呈同向变化，许多财务收益很好的项目可能由于风险过大而不具可行性，即拟投项目的外在条件的不确定性对盈利能力、清偿能力、回报率、变现均有重大影响。而发电项目投资估算缺乏这种不确定性分析，未能将风险分析与盈利能力分析、清偿能力分析、发展能力分析等结合起来，不能使其成为对投资项目可行性决策的重要组成部分。

四、关于提高发电项目投资估算的建议

1.在投资决策阶段做好基础资料收集，保证资料详实、及时、准确

要做好项目的投资预测需要很多资料，如工程所在地的水电路状况、地质情况、主要材料设备价格及现有已建、在建类似工程等，对于做经济评价的项目则所需数据更多。估算人员要对收集资料的准确性、可靠性进行分析，认真做好市场研究，包括国内外市场在项目计算期内对拟建产品的需求状况，国家对该产业的政策和今后发展趋势等，合理估计项目建设的必要性。

2.重视设计，做好方案优化

设计阶段是工程投资全过程控制中的重点。据统计资料表明，设计费用在项目全寿命费用中占1%以下，但对工程造价的影响却在75%以上。设计方案的经济化，将大大提高工程的内在价值。建立设计技术与工程经济密切结合的经营理念，把提高设计工程造价管理水平作为深化改革的重要内容之一。技术经济人员应有专业知识，熟悉工艺技术方案，和设计人员密切配合，用动态分析方法进行多方案技术经济比较，通过方案优化，使工艺流程尽量简单，设备选型更加合理，从而节约资金，提高设计方案的技术可行性和投资总额的合理性，提升工程投资的效益。

3.合理确定评价价格和基准参数

投资估算的财务评价是在国家现行财税制度和价格体系下，计算项目范围内的效益和费用，分析项目的盈利能力、清偿能力，以考察项目在财务上的可行性。在财务评价中，评价指标的选用是项目经济评价的关键，直接影响评价的质量。例如，目前在经济评价报告中电价是按当前的上网电价或区域市场的标杆电价计算的，不考虑计算经营期内电价的变动。事实上，由于一般发电项目经营期较长，经营期内电价不变的概率很小，这就要求评价人员针对不同项目的特点，选取多种价格方案并加以分析，以使投资者对项目未来效益有充分的了解，减少项目投资风险。企业还应合理确定各行业的基准收益率。由于最近两年银行贷款利率一再上调，所以采用的基准收益率也应重新测算，设定合适的折现率。现行通常按基准收益率或内部收益率来折现，但这两个折现率与实际的资本市场的资本价格差距很大，建议根据地区的实际物价水平、工资水平、材料价格合理预测成本费用，贴近实际。

4.多模型测评项目经济性

针对同一项目可采用多种估算模型来测算项目效益。目前大多发电工程估算采用分类估算法，投资估价模型多采用贴现现金流法，但随着电力市场不断完善，也可导入国际上比较常用的期权估价模型和类比估价模型，通过不同模型的评测，比较收益率、现金流多项关键指标，全面、多角度发掘项目的内在价值，发现项目的一些隐性问题，从而降低投资风险，提高投资收益。

5.注意与资本预算、项目后评价的结合

资本预算又称建设性预算或投资预算，是指企业为了今后更好的发展，获取更大的报酬而做出的资本支出计划。它是综合反映建设资金来源与运用的预算，其支出主要用于经济建设，其收入主要是债务收入。企业的投资估算往往与资本预算有很大的交叉和重叠，可以将两者结合起来，互为补充。在编制资本预算的时候以估算为依据，做估算的时候应将资本预算的项目考虑进来，以防漏项，注意资本预算的预测方法与估算所用评价方法的差异性。项目后评价是在项目建设完成后，对项目的目的、执行过程、效益、作用和影响进行全面的、系统的、客观的分析；通过对建设项目实践的检查和总结，确定项目预期的目标是否达到，项目是否合理有效，项目的主要效益指标是否现实；通过分析评价找出成败原因，并通过及时有效的信息反馈，为提高未来新项目的决策水平提出建议。项目后评价与投资估算在评价指标的选取上、评价方法的实施上有很大类同，在估算的编制时可以把项目后评价的要求、指标考虑进去，有利于评价时的对比。

6.将确定的投资估算纳入ERP中

越来越多的发电企业都开始采用ERP软件作为企业的核心管理软件，取代了以前单独的财务核算软件。企业应将投资估算编制工作纳入ERP，与财务核算、计划、合同管理、概预算无缝衔接，从而节约编制的基础工作量和避免信息孤岛现象，提高工程管理的效率。投资估算编制尽可能细致、全面，结合工程实际，充分考虑到施工过程中可能出现的各种情况及不利因素对工程投资的影响。

五、结束语

项目投资估算是项目主管部门审批项目建议书的依据之一，是项目投资决策的重要依据，也是研究、分析、计算项目投资经济效果的重要条件，并对工程设计概算起控制作用。企业应强化项目前期工作，规范项目投资决策，通过投资科学管理，提高投资效益，以使企业得到更好地发展。

投资收益测算方法篇10

1、评估原则和评估方式的缺陷

从基本方法和模式看，政策性金融境外投资项目评估选用的是传统评估模式，即评估重心放在发起人自身经营、财务状况及还款能力，而对所投资的具体项目的认识和控制，则处于次要位置。如果投资项目失败，则贷款本息依然可以由发起人偿还，金融机构不会直接受到影响。从政策性金融的功能定位看，传统评估模式的原则和分析方法无法适应和满足政策性金融境外投资项目的需要。

（1）传统评估模式过分重视投资人财务指标而对项目本身的重视程度不够。首先，政策性金融与商业金融的根本区别在于不以赢利为目的，而要执行政府产业政策。然而，政策性金融支持的境外投资项目贷款、担保等业务的价格低于商业性业务30%以上，如果以商业行为推向市场，就会导致资源的浪费，也无法发挥政策性金融的作用。其次，把偿债能力集中在财务报表的分析上面，本身存在很多缺陷：比如，财务报表是静态的，仅反映企业的过去和现在，不能体现将来；再比如，由于财务杠杆的作用或市场扩张的需要，资产负债率的多少、现金流的正负，不一定能说明长期偿债能力的强弱。

（2）传统评估方法是从项目微观角度考虑而忽略了其他层面。首先，从项目角度看，应具有较满意的赢利能力和充分现金流，以确保按时还本付息，并达到境外投资经济效益和社会效益最大化的客观效果。其次，从发起人角度看，应在评估项目本身财务效益的基础上，考察因项目建设、经营而给发起人带来的所有财务效益。第三，应从社会和国家整体利益角度评价项目的宏观效益。对此类项目，应主要从宏观的机会成本角度进行评估，以取得政策性金融支持的作用和效果。

（3）传统的评估模式适合于国内的建设项目评估而不利于境外投资项目评估。传统的评估模式适合于国内的建设项目评估，但对于与国际经营关系密切的外汇管制、税收影响、涉外法律等问题却无法解决，而这些问题恰恰是国际经营项目的主要风险所在。据统计，目前我国的境外投资中，盈利项目占1/3左右，在2/3的未赢利项目中，因未充分把握当地法律、政策、国际惯例而造成项目终止、暂停、亏损占38%以上，因税收变化、汇率浮动导致亏损者占20%。因此境外投资项目评估必须重视与国际经营相关的风险评估。

2、评估程序和指标的缺陷

（1）对清算价值的估算不够重视。部分项目的经营战略指出了经营一定时期后转让，但没有对具体的转让方法（如当地政府收购）、转让的价格条款给予分析和数据测算。

（2）对NPV的测算和折算率的选取缺乏依据。净现值测算被认为是行之有效的项目评估测算指标之一。而目前对NPV的测算、内部折算率的选取都存在不够重视现象，部分项目甚至没有NPV测算。

首先，缺乏折算率选取标准，评估人员一般照搬了发起人评估报告中的折算率。但发起人是从纯商业角度、从自身的资源条件计算资金成本、选取折算率的，这与政策性金融的角色完全不同；而部分发起人为了片面追求投资扩张甚至会人为夸大或缩小折算率。

其次，折算率没有考虑项目所在国市场平均收益及风险溢价。首先，国外经营与国内经营，市场相关系数必有降低，甚至为负值。根据CAPM模型，对项目收益率的要求也应有相应降低，折算率需要调低。其次，对香港、日本、德国等市场化程度高的地区和国家，与墨西哥、泰国等国家相比，也应该用不同的项目折算率标准。

（3）风险评价的系统化和定量化尚待提高。目前许多境外投资项目的评估中，都没有对境外投资影响较大的汇率、税收、投资所在国外汇管制等因素的定量分析。而从操作角度看，以上指标的定量分析是可行的且是必须的，因为这些因素超出一定的变化幅度，对项目的可行性起到决定性作用。

二、评估理念和方法优化

1、从项目角度看

境外投资项目只有满足以自身现金流和资产申请和归还贷款的能力时，才具备投资的价值。因此，境外投资项目应该、也必须与项目融资的基本条件相吻合。对于财务指标不能满足投资价值的项目，通过项目融资的评估方式，可以划清发起人与政策性金融的经济责任和分工，继而明确对项目公司、发起人的利益补贴，再辅之以发起人角度、宏观效益角度、外交角度的评估和评价，有效地筛选政策性金融支持的境外投资项目。

2、从政策性金融角度看

首先，应该作为政府的委托人，肩负起对境外投资项目评估、筛选，提高境外投资整体效益的责任。实行项目融资后，要求金融机构必须从项目的立项开始参与其中，严密跟踪并反复论证，对发起人和经营者的经济实力和经营能力进行评估，并且经常对具体的融资结构进行创新。从客观上保证政策性金融能够从项目评估阶段开始提高境外投资项目的质量和效益。

3、从发起人角度看

一是项目融资克服了“表内融资”的状况，使得会计报表不至于因境外投资出现负债比例过高的局面；同时，因受行业周期或市场原因而国内经营暂时不景气的企业，当遇到境外的优质项目而申请境外投资贷款时，不再被会计报表而“一棍子打死”。二是可以获得超过自身财务状况的融资，同时项目较高的负债可以享受利息税盾。三是政策性金融机构的全方位介入可以充当项目顾问的角色，而风险的分配使发起人不至于因项目的失败而破产。

综上，可以得出结论：在理论上，境外投资项目具备项目融资的适用条件，项目融资方法有利于提高我国境外投资项目的效益，从整体上促进我国境外投资的发展。

三、评估模式的优化

1、有效划分风险

如上所述，传统的评估模式下，发起人必须对境外投资项目的所有风险负责。政策性金融机构虽然不以赢利为目的，但仍以收回贷款本息或释放担保责任为最终目标。而引入项目融资理念后，政策性金融机构对境外投资项目分担风险并为其中的系统风险买单。对境外投资项目来说，发起人应该对项目的商业风险和自身的信用风险负责，对超出预测的政治风险和不可预见风险，除了投保境外投资险之外，应由政策性金融承担。

2、有选择地应用不同的评估模式

总体上看，境外投资只能实行有条件的以项目融资理念和方法为基础的评估。即政策性金融在评估境外投资项目时，应根据具体情况选择具体的评估模式：一是完全地应用以项目融资理念和方法为基础的评估；二是有条件地以项目融资理念和方法为基础的评估，即对不具备“特许权经营”和“政府保证”项目，则在实行项目融资的同时，对发起人追索权、风险分配因项目而调整；对现金流不足以覆盖贷款本息的资源、高科技引进项目，则在严格按照项目融资方式进行微观财务评估的同时，对宏观效益和微观效益对比分析、对系统性风险进行量化评估和责任明确，在加入宏观效益、剔除系统性风险损失的基础上进行财务可行性评估；第三，部分规模小、操作不够规范的依然使用传统的评估模式。

3、不断改进评估指标

引入项目融资的理念与方法后，必须围绕项目启动，综合分析和评价项目的整体效益，并对有关指标进行调整，从而于项目现金流中予以测算，主要包括以下几个指标。

（1）政策性补亏。在采用项目融资模式的基础上，对能源、稀缺资源类境外投资项目，由于国家经济战略需要，项目本身无法自负盈亏的，依然以项目融资的方式进行评估、管理、风险划分；对短期或局部看现金流不理想的项目，可以相应延长贷款期限，或划分以项目资金、发起人机会成本收入的还款比例及期限。对国家战略项目、能源资源类项目，其政策性亏损部分由政策性金融机构予以弥补，然后在弥补的基础上，运用项目融资方法对项目进行财务评估。

（2）项目寿命期预测。对一个不准备中途转让的项目而言，项目的寿命期会影响现金流，虽然随寿命期长度的增加，它对现金流的影响逐渐减弱，直至忽略不计。对完全意义上的项目融资，在“特许权经营”背景下，其项目经营期就可视为寿命期；而现阶段的境外投资项目，项目公司和发起人并非能够决定寿命期，因为政治事件可能迫使一些项目的清算比计划要提前。因此，对项目既要设定合适的寿命期，又要做好提前结束寿命期的风险预测。

（3）清算价值（税后残值）估价。相比于国内投资，境外投资项目的税后残值对项目现金流的影响要大很多，这是因为：项目寿命期难以控制和预期；残值受当地技术、社会环境、金融市场的影响非常明显。残值估计有3种方法：

一是当残值不确定时，需要考虑残值的各种可能结果，在此基础上重新评估项目的净现值，必要时估算残值的盈亏平衡点。二是对上市公司，转让价值可以根据红利贴现模型计算，由公式：V0=D1/（1K）D2/（1K）2…DH/（1K）HPH/（1K）H（式中，V0为已知，D1…DH由损益预测表得到，K可以根据投资所在国市场平均收益率确定）计算得出。三是房产、设备、无形资产等残值应根据市场、技术等具体情况进行预测。房产价格受当地房地产行情、地理位置、政府经济开发政策等因素影响，而设备和无形资产制约于行业技术变化。新晨

（4）机会成本计算。境外投资项目涉及的机会成本包括以下几点：一是发起人因投资项目带来的出口。包括项目建设设备和生产期原材料出口，由于收益归发起人，而如果以项目作为评估对象，就不应纳入项目现金流。二是项目给发起人带来的经营成本节约。主要指发起人利用投资项目的销售网络、地区双边税收减免、打破垄断阻力等条件，带来成本节约。三是技术转让及研发收入。发起人收购或投资建造研发中心，利用当地先进的技术进行新产品开发，或为回避因投资收益汇入国内的税收，从而在当地建立研发机构。这些收益及支出应根据归属，计入发起人或项目收支。

综上所述，政策性金融机构境外投资项目的评估应在引入项目融资的理念与方法的基础上不断探索优化，以提高评估的可靠性。

【参考文献】

[1]范龙振、唐国兴：项目价值的期权评价方法[DB]，上海：复旦大学管理学院网，2004-5。

[2]SasiliaSigal：通过选址流程和竞争性比较研究选择最佳投资区域[J]，海外投资与出口信贷，2005，（4）：23-27。

投资收益测算方法篇11

在资本预算编制过程中，现金流量预测、资本投资项目效益评价、资本投资项目的选择与企业价值最大化、资本预算与投资风险等作为重点关注对象，为此当中产生的一些关键问题予以探讨。

一、现金流量预测

现金流量预测在资本预算工作中是较有难度的环节。现实工作中，预测现金流量要兼顾预测销货数量、销货价格还要考虑通货膨胀情况以及消费者心理的变化等等因素。另外，现金流量预测也是资本预算工作中极为关键的部分。这主要是因为整个资本预算工作的质量随预测现金流量的质量而定。因此，严格而论，资本预算中现金流量的预测绝不仅仅是理财部门的事情。只有理财人员与企业其他管理部门相互协作，勤于沟通，力争现金流量预测的科学化，才能提高资本预算的质量。

与某一投资项目有关的现金流量即是所谓的“相关现金流量”，它体现了运行投资项目后所产生的现金流量的变化。显而易见的，投资项目中相关现金流入的多少与该项目的效益水平高低以及对企业价值的贡献的大小密切相关。

最初的“相关现金流量”——初始现金流量，是进行资本投资时发生的现金流出，因此又可叫做初始投资。它的预测难度相对较小，主要因为时间较近，并且有市场价格作为参照。它主要包括：一是资产的购买价格、安装成本以及运输成本，这部分初始投资支出的要方面，资金投入量大。二是营运资本的增加。营运资本为资本投资项目的投入运营的提供有力的支持，比如存货、应收账款等。三是人力资源费用。即在项目投产之前对员工进行培训的费用。四是其他。比如涉及设备重置，包括清理、出售旧设备相关的现金流量。

接着也就是营业现金流量是三个阶段中关键因素，它是指每年经营行为所创造的现金流量，这关乎一个投资项目能否被采纳。对于营业现金流量的预测，主要遵循一定的预测流程，即先确定投资项目的有效期限，再逐年进行预测即可。它主要包括：一是减去其他相关费用后增加的营业收入，这是最基本的营业现金流量。二是比如水、电费等在投资项目中增加的间接成本，三是项目中节约的人工和材料而获得的节约成本。四是增加设备折旧费用而得到的节税额。

最后就是终点现金流量是投资项目最后时期所产生的现金流量，关键内容包括：一是处理设备相关的现金流量。二是出售设备时缴纳税费有关的现金流量。三是回收的营运资本。

资本投资项目投入运用的时期都比较长，因此，在现金流量预测中应当考虑多方面因素，同时需要使用一些像统计预测等水平较高的预测手段。综上所述，当预测现金流量的准确度有极大的困难时，就表明现金流量很有可能存在较大风险，必须谨慎处理。

投资收益测算方法篇12

1．1 净现值和净现值法

净现值是反映投资方案在计算期内获利能力的动态评价指标，净现值是指同一个预期的基准收益率或折现率ic，分别把整个寿命期或计算期内各年所发生的净现金流量折现到建设期初的现值之和。表达式为： NPV=■（CI-CO）t（1+ic）－t（1） 式中：NPV表示净现值，CI表示现金流入，CO表示现金流出，n表示寿命期或计算期，ic表示基准折现率或基准收益率。 净现值法的判别基本步骤可分为如下进行：

（1）进行绝对效果检验，即考察各个方案自身的经济效果。分别按（1）式计算各个方案的净现值，剔除净现值NPV

（2）进行相对效果检验，即考察哪方案最优，对所有净现值NPV≥0的方案进行比较其净现值，根据经济效益最大化原则即净现值最大的方案为最优方案。

1．2 净年值和净年值法

净年值是以基准收益率或折现率将项目计算期内净现金流量等值核算的等额年值，净年值是反映项目或投资方案在计算期或寿命期内的平均获利能力的指标。其表达式为： NAV=[■（CI-CO）t（1+ic）－t]·（A/P，ic，n）（2） 式中NAV表示净年值，CI、CO、ic、t、n同净现值法式中符号，（A/p，ic，n）表示资本回收等数。

净年值法判别的基本步骤为：

（1）进行绝对效果检验，即考察各个方案的经济效果，分别按（2）式计算各方案的净年值，剔除净年值小于零的方案，保留净年值NAV≥0的方案。

（2）进行相对效果检验，即考察哪方案最优，对所有净年值NAV≥0方案。

进行比较其净年值，根据经济效益最大化原则，选择净年值最大的方案净年值因反映的项目在计算期内每期的等额超额收益，因净年值法多用于项目期不等的多方案的选优中。

1．3 内部收益率和内部收益率法

内部收益率实质就是使投资方案在计算期或寿命期内各年净现金流量的现值累计等于零时的折现率，一般情况，即净现值为0的收益率，其表达式为： NPV（IRR）=■（CI-CO）t（1+IRR）－t=0 式中：IRR表示内部收益率，CI，CO，t，n同上。

内部收益率法的判别步骤为：

（1）计算各投资方案的内部收益率，剔除内部收益率IRR

（2）将保留的投资方案依次计算各方案间的差额内部收益率（方法同计算内部收益率相同，只是把两方案之间各年的净现金流量差额数看成一新方案进行计算内部收益率），凡差额内部收益率大于基准收益率者，即舍弃投资较小的方案而保留投资大的方案，反之，舍大保留小的。

（3）将保留的方案分别与其它方案按步骤（2）进行比较，最后保留方案为最优方案。

1．4 费用现值、费用年值和最小费用法

费用现值是指同一个预期的基准收益率或折现率ic，分别把整个寿命期或计算期内各年所发生的净现金流量中支出部分折现到建设期初的现值之和。其表达式为： PC=■COt（1+ic）－t 费用年值是以基准收益率或折现率将项目计算期内净现金流量中支出部分等值核算的等额年值。其表达式为： AC=■COt（1+ic）－t·（A/P，ic，n） 式中：PC表示费用现值、AC表示费用年值，CO、ic、t、n、（A/P，ic，n）同净现值法式中符号符号同前。 最小费用法适用于项目所产生的收益相同，或收益难以用货币直接计量，这时计算可以省略现金流量中的收入，只计算支出，它包括费用现值法和费用年值法。费用现值法是净现值法的一种延伸，方法同净现值，只不过仅计算各方案中的费用而已，再以费用现值最低的方案为最佳方案，计算式同净现值法计算式；费用年值法通过计算各方案的等额年费用并进行比较，以年费用最低的方案为最优方案，其方法同净年值法。

1．5 投资回收期和动态投资回收期法

投资回收期按是否考虑资金时间价值，可分静态和动态投资回收期，在技术经济效果评价中，一般都要考虑资金时间价值，通常应用较广的是动态投资回收期法，动态投资回收期法是计算从项目投资之日起，用项目各年的净收益的现值将全部投资的现值收回所需的期限，以收回全部投资所需时间长短来判断投资项目风险大小的方法。其表达式为： ■（CI-CO）t（1+IRR）－t=0 Pt表示为投资回收期CI，CO，t，ic同上 投资回收期法是来判断项目风险大小的方法，投资回收期越长，投资者对未来所能把握的信息就越小，风险就越大，因此对于投资者而言，风险越小越好，即投资回收期越短越好。

2 投资项目评价应注意的问题

2．1 投资项目经济评价中要对项目现金流量的进行动态测算

投资项目的动态经济评价都是基于项目现金流量来测算的。一个投资项目从立项到项目寿命终结一般都要经过较长的投资和收益期。项目的现金流量根据发生的时间阶段不同分为初始流量、营业流量和终结流量三部分。其中，初始流量因其发生的时间阶段比较前，一般在估测时偏差较小；终结流量虽发生的时间阶段较远，但其现金流量较小，贴现后对整个项目的影响不大；关键在于营业流量的测算。营业流量也称营业净流量，它是项目建成后在漫长的收益期内的现金流入量扣除现金流出量之后的净额，是按计息期分期测算的。从经济分析来说，要求项目收益期的营业现金净流量的现值能完全弥补投资额的现值，并有余额，才是可行的项目。

当然，实践中完全可能出现相反的情况，即企业的经营形势向着收入增加、成本降低的方向变化，使一些原来认为不可行的项目实际上却有利可图。但是，从会计学的"谨慎性"原则来说，做财务预算时应该把收入尽可能估计得保守些，而把成本费用尽可能地预算得全面充分些，以最大可能地增强风险承受能力。会计年度财务预算尚且如此，对于长期投资项目的经济评价来说，就更应该遵循这一原则，才有可能避免投资失误给企业带来不可挽回的损失。

2．2 投资项目评价要对项目折现率进行动态估计

在采用贴现技术对投资项目进行动态经济评价时，折现率的估计对企业来说是一个非常复杂且十分重要的问题。折现率的选用，实践中常用的折现率一般有三种：一是采用银行贷款平均利率作为折现率，这是投资项目获利水平的下限标准；二是以行业平均利润率为折现率，体现了本行业投资利润率的标准。若低于这一标准，即使投资项目不亏本，也会使行业平均利润水平下降；三是以企业的平均资金成本为折现率，说明项目的资金利润率若不能高于企业的资金成本，实际上是无利可图的。因此，在采用内部收益率作为投资项目的经济评价指标时，常用这三类利率指标作为基准指标与项目的内部收益率进行对照比较。

2．3 投资项目评价要注意对企业内外环境进行分析

（1）投资项目经济评价要准确掌握企业内部真实的历史资料。企业为求发展而进行项目投资，其经济可行性评价最为根本的依据是企业的历史资料，历史资料的积累又靠企业日常的基础管理工作。企业改制后，决策者们应该清醒地意识到，基础管理是企业生存之根本，基础管理的好坏决定着历史资料是否真实可靠，历史资料是否真实可靠又直接影响投资项目能否正确决策，进而影响企业能否把握发展机遇。在这个价值链中，任何一个环节出现问题，都会给企业带来不可弥补的损失。要求企业对以往的经营状况做出准确无误的定量描述应该是现代企业管理起码的要求。因此，狠抓基础管理，确保历史资料的真实性，是正确进行投资决策的基本前提。

（2）投资项目经济评价要及时了解国家宏观经济政策和国内外经济信息。国家宏观经济政策的出台和变动，利率、汇率、大宗物资指导性价格等经济调控手段的利用和变动，都是企业无法驾驭的，却又是与企业命运密切相关的重要因素。企业的决策层必须认真学习、研究国家宏观经济政策、产业政策，了解经济调控手段的变动规律，掌握宏观经济周期及产品寿命周期等经济知识，把握国内外相关资源价格变动和金融市场利率变动的一般规律，更全面的掌握信息和利用信息。唯有如此，企业才有可能在一个相当长的时期内相对准确地选定适用的折现率进行投资项目经济可行性的动态评价。

（3）投资项目评价要准确把握市场情况。市场是企业赖以生存的环境，企业对自身环境了解程度便成为企业能否取胜的关键。我国大量的中小型企业目前对市场的了解仍然处于起步状态，中小型企业要在市场竞争中取胜，必须要在市场调研和市场预测方面加大投入。从市场调研的范围来说，不仅要调研分析同类产品市场，还要考虑相关产品和替代产品的市场情况；从市场调研的时间来说，既要了解市场的过去和现状，更要掌握市场的发展趋势，用动态的观念、动态的方法搜集动态的市场信息；从调研和预测的方法上说，要用科学的手段，用定性分析和定量分析相结合的方法，对动态的市场信息进行整理、分析和运用。这样，企业在进行投资项目经济可行性评价时，才能科学、客观、准确地测算项目未来的收入、成本、利润及现金流量，才能进行真正意义上的对投资项目进行科学的经济评价。

参考文献

1 陈玲.投资学[M].北京:经济科学出版社，2000

投资收益测算方法篇13

1引言

机器学习研究计算机怎样模拟或实现人类的学习行为，以获得新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能.机器学习在实际分类问题中广泛应用与众多领域，如通信技术[1]，网络流量分析[2]，医学成像[3]，时间序列分析[4]等.相比于ARMA或者ARCH这些传统的技术和定量分析方法模型，机器学习从大量数据中发现隐含的模式，构建更为复杂的模型来实现对未来的预测更能体现模型的优越性与实用性.研究表明，采用机器学习的方法对金融市场进行预测，将特征属性作为输入来发现其与隐藏模式之间的联系，能够预测未来价格趋势或预测趋势信心的百分比.尤其在证券交易中，运用支持向量机，神经网络等混合模型进行学习能够得到更为有前景的结果[5].

目前，金融预测是机器学习在资本市场对数据进行挖掘的最重要的应用，机器学习的技术包括神经网络，支持向量机，遗传计算等.已经有很多学者在这方面进行了研究，卢和吴[6]采用了人工神经网络对标普500指数的未来走势方向进行了预测，并且将结果与传统的ARIMA模型进行比较，结果表明人工神经网络的优越性.McDonald， Coleman等[7]调查了一些机器学习的方法并将其组合进行研究，结果表明混合模型，包括线性和非线性的算法能够在金融序列的未来发展方向上表现出更多的价值. Chen和Shih[8] 采用了BP神经网络与SVM对6个亚洲指数进行预测，获得SVM相比于神经网络更高的准确度.Tay和Cao[9]证明了5种金融时间序列数据可以用支持向量机进行预测，并指出其效果优于人工神经网络.Chang[10]应用遗传算法（GA）、禁忌算法（TS）和模M退火算法（SA）求解复杂约束下的投资组合问题，并通过实证得出用遗传算法和模拟退火求解投资组合问题，明显优于禁忌算法.

对于投资者如何从数千中资产中选择构建投资组合的方法，也有很多学者进行研究.Markowitz提出了“均值-方差（MV）”模型为投资者构建投资组合提供了理论基础.许多学者在此基础上对投资组合理论进行了延伸[11-15].Jagannathan等[16]在M-V模型中简化各资产的权重限制为非负，即不允许组合中出现卖空资产，指出此限制可以减小最优资产组合估计的误差，且在此限制条件下，通过样本协方差阵估计和因子模型估计及收缩估计得到的最优组合表现结果一直.Van der Hart等[17]通过分析32个新兴市场在1985～1999年间的市盈率、市值、价格等数据信息，发现相对于交易量，流动性和均值回复，基于价值，动量与盈利预测调整的策略具有更显著的超额收益.Fan等[18]运用支持向量机发掘公司财务和股价信息来选择资产.Rachev等[19]在Rewardrisk准则下用动量策略来选股.

纵观国内外相关研究，学者在研究机器学习在资本市场的应用更多考虑模型方法的有效性与准确性，本文在前人的基础上运用支持向量机模型对股票进行分类预测，构建周期性的投资组合模型，进而在MV模型基础上采用改进遗传算法求解具有投资限制的最优资产组合.这样做的好处是：第一，循环周期训练模型，能够不断根据最新数据进行调整模型，在一定程度上适应了数据更新的需求，也消除过度使用历史数据的影响；第二，将数据输入改进的模型中可以得到更优的资产组合与权重分配，具有很强的使用价值；第三，改进的遗传算法能使资产组合具有良好的风险收益特征.通过研究，表明基于支持向量机和遗传算法在解决资产方向预测和优化资产组合问题上都有效可行，相信通过改进和完善会有更好的应用前景.

2模型理论

2.1支持向量机

支持向量机（SVM）是由Vapnik等提出来的，它是基于统计学习理论的VC维理论和结构风险最小化理论的机器学习理论.SVM是用于数据分类的一种监督学习算法[20] .

假设训练样本集{（x1，y1），…，（xn，yn）}，xi，yi∈R则SVM回归模型的线性回归函数方程是：

f（x）=w・x+b. （1）

为保证线性方程的平坦，需寻找一个最小的w，因此采用最小化欧几里得空间的范数.假设所有的训练数据可以在精度ε下用线性函数拟合，那么寻找最小w的问题可以表示为一个凸优化问题：

本文采用高斯核函数，如公式（7）所示.其适用于低维、高维、小样本、大样本等多种情况，具有较宽的收敛域，是较为理想的分类依据，将样本在经过映射后的特征空间中线性分开的能力及效果更好，再加上还具有较好的差值能力，能够很好的提取样本的局部性质.在确定参数时，一般选取误差差惩罚因子c，取值范围一般为（0，100]，用于调节学习置信范围和经验风险的比例，以增强其推广能力.本文采用网格搜索法对最优参数进行搜素，最优惩罚参数c为0.5，最优核函数参数g为1.41.最佳的n能够使得模型学习有较高的预测和分类精度，有重大意义.

2.2改进的遗传算法

遗传算法（GA）是由美国密歇根大学的John Holland教授与1975年首先提出的一类仿生型优化算法[21]，是近年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法.通过对将要解决的问题模拟成一个生物进化的过程，通过复制、交叉、突变等操作产生下一代的解，并逐步淘汰适应度函数值低的解，增加适应度函数高的解，进而优化出适应度函数值很高的个体.

遗传算法的具体算法如下：

1）编码

采用整数编码，每个染色体含n个基因位（代表n只股票），基因的数值代表该股票在投资组合中的资金分配.

2）适应度函数

适应度函数为eU，e是自然对数，U是目标函数式.由于Markowitz的投资组合模型是一个二次规划问题，本文考虑我国股市实际交易中不能卖空，需要交易费用，需要有最小交易量（100股）的情况，采用改进的投资组合作为适应度函数.具体公式为：

3实证研究

3.1数据准备与评价标准

本文选取上证A股股票作为测试数据，数据区间在2008.01.02～2015.12.31，剔除无效数据.用当天的开盘价、收盘价、最高价、最低价、成交量和成交金额作为自变量特征，预测后一天的发展趋势.本文实证研究部分所有数据源于Wind资讯金融终端.具体输入属性包括简单移动平均（SMA），指数移动平均（EMA），威廉指标（WR），成交量变异率（VR），相对强弱指标（RSI），平均真实波幅（ATR），真实强弱指标（TSI）.

在训练数据之前，对数据进行预处理，删除指标缺失超过一半的数据，少于一般用该指标该段时间的均值代替.对其进行归一化处理，本测试采用MATLAB自带的和归一化函数mapminmax，将所有数据归一化到[-1，1].

本文选择数据反归一化之前的均方根的评价误差作为训练集的评价标准.为了和Libsvm工具箱中评价标准保持一致，选择均方误差和相关系数作为测试集的评价标准.均方误差越小越好，相关系数则越大越好.预测性能还可以通过以下统计指标来衡量：正则均方误差和平均绝对误差[9].它们是真实值与预测值之间的偏差度量，其值越小表示预测性能越好.

3.2基于支持向量机的投资组合构建

3.2.1组合构建

由于Barbosa [22]指出训练分类器不必要在意较低的准确度，若能够使得根据预测或得正的交易，则在长期情况下，交易收益完全能够克服交易损失.从实际角度来考虑，这由于在现实生活交易中个人不可能赢得所有交易，只有不断提高交易盈利交易才可以继续进行，也能获得一个更高的累计收益.同r如果训练集过长，包含了太多的历史数据，不进行及时更新，将会增加模型的不稳定和波动性.因此，仍需要对数据进行及时的更新训练以保证模型的状态新鲜.

由上述，本文设定训练集的数据长度为1年，更新数据在增加最新数据的同时删减前面历史数据，以保证数据长度的一致性.持有期和滚动周期均为15个交易日，即每隔15个交易日结束上一周期股票池的持有，并将上一周期的数据加入训练模型重新进行训练，构建新的模型指导下一周期的组合构建.投资组合选定为50只.

为便于直观对比出本节模型的优越性，采用支持向量机与神经网路算法比较.BP神经网络（BPNN）是一种多层前馈网络模型，由于具有高度的非线性映射能力，是目前神经网络研究与应用中最基本的网络模型之一.广义回归神经网络（GRNN）是径向基网络的一个分支，其结构与径向基网络接近，非常适合函数逼近[23].因此BPNN和GRNN够被选作为SVM的参照对象，BPNN和GRNN的输入节点数均为10，输出节点数为1，鉴于多隐含层除了增加计算量和复杂度外，预测性并没有明显得到提升，所以BPNN和GRNN均选用单隐含层，该层节点数和输入点数相同.径向基选用高斯函数.

本文通过正则均方误差（NMSE）、平均绝对误差（MAE）和SVM自带的均方误差（MSE）、相关系数（R2）来衡量预测效果.表2显示了SVM和BPNN，GRNN的训练集，测试集的性能评价结果.

由图1更能直观显示出SVM模型的优越性，相对于GRNN，BRNN，SVM的误差能够控制在更小的范围内.基于以上分析与验证得到SVM，BP，GRNN三者的性能优劣程度.本文采用SVM进行预测构建投资组合，训练集特征为沪市2008一年的股票开盘价、收盘价、最高价、最低价、成交量、对冲后收益（本文采用上证指数对冲）以及上述7个特征属性共13个，对后一天的发展趋势进行预测，一次测试15天，根据排名选取靠前的50只股票作为投资组合买入，本文设定依据股票市场规则不能做空.此后每一周期训练一次，滚动进行2009～2015年的交易，得到对冲后收益最优的股票.收益见图2.

图2显示了基于SVM预测滚动选取投资组合获得的收益与上证指数的涨幅对比图，可以看到在沪市上选取的股票，虽然在某些时点上产生震荡，收益率有所下浮，但总体都是能够获得较大盈利的，7年的年化收益率达到了9%左右.

3.3基于改进遗传算法的优化组合

证券投资组合的关键是投资者的偏好，对收益和风险加以权衡，确定各种证券在组合中的比例，从而得到较好的投资组合.本文研究符合我国现实投资环境的投资组合模型，首先建立具有卖空限制、交易费用限制和最小交易单位限制的投资组合模型，具体见公式（10）；其次，由于模型已经是一个非线性正数规划，本文设计了一种改进遗传算法用于求解该问题，具体见公式（13）和（15）.实证说明所采用的算法是有效的.

交易费用包括佣金、税金和过户费.相关参数为选择的股票个数为50，进化代数为3 000，计算结果即持有单位数见表3所示.

显示了基于SVM预测滚动选取投资组合获得的收益及GA优化投资组合收益与上证指数的涨幅对比图，可以看到在沪市上选取的股票，虽然在某些时点上产生震荡，收益率会下浮，但采用GA算法总体都能对投资组合起到优化作用，使组合收益更大，7年的年化收益率达到了15%左右，在实践中也具有重要意义和理论推广.

资产选择与最优组合权重的设置是构建投资组合的两个关键点.由图2和图3可以看出采用混合遗传算法的优化组合，其收益率相比单一使用支持向量机的表现更好.在短期也许交易差别并不大，但长期看来，由于模型的不断优化混合模型会表现出更大的优势.

4Y论

支持向量机理论作为一种基于统计学习理论的新的机器学习算法，较好的解决了维数灾难和过学习的问题.支持向量机因其广泛的适应能力和学习能力在非线性系统预测方面有着广泛的应用前景.股票市场又是一个极其复杂的动力学系统，具有高噪声、非线性等特性.随着近年来计算机技术和机器学习的迅猛发展，使得对股票市场的构建与预测产生了新的思路与解决途径.本文阐述了基于高斯核的支持向量机（SVM），根据股票市场和股票指数的特点，将支持向量机从原来只处理分类问题扩展到回归部分，同时尽可能最优的预测非线性且噪声较多的序列.再采用支持向量机和遗传算法进行预测，并构建投资组合，期望获得更高收益及更低风险，取得了令人满意的结果.

支持向量机（SVM）算法之所以性能优异，是因为其算法是建立在结构风险最小化和线性二次规划理论之上的，具有泛化能力强、全局最优等优点.而遗传算法（GA）通过模仿自然界的选择和遗传的机理来寻找最优解，突破了一般容易陷入局部极小出现“死循环”现在的迭代方法，实现了全局最优，且具有快速搜索、更高扩展性，易与其他方法结合等优点.

不过在参数，核函数，训练集，周期等的选取方面可能会因其变动而产生较大的差异，未来可以继续再这一方面进行优化.基于短周期和长周期的运动趋势不同的情况，还可以将周期继续细分.鉴于核函数对SVM性能的决定性影响，未来的工作将致力于构造SVM的新型核函数，以更好的捕获股票的序列的非线性特征，从而进一步其预测性能.

参考文献

[1]Di M， A survey of machine learning in wireless sensor networks from networking and application perspectives[J]. International Conference on Information. Communications & Signal Processing，2007，6（10）：1-5.

[2]Nguyen T， Armitage G. A survey of techniques for internet traffic classification using machine learning[J]. IEEE Communications Surveys & Tutorials，2008，10 （4）：56-76.

[3]Wernick M，Yang Y， Brankov J， et al. Machine learning in medical imaging[J]. IEEE Signal Processing Magazine， 2010，27（4）：25-38.

[4]Qi M，Zhang G P.Trend timeseries modeling and forecasting with neural networks[J]. IEEE Transactions on Neural Networks， 2008，19 （5）：808-816.

[5]Cai X G，Hu S，Lin X L. Feature extraction using restricted Boltzmann machine for stock price prediction[J]. IEEE International Conference on Computer Science and Automation Engineering， 2012，5（10）：80-83.

[6]Lu C，Wu C H. Support vector machine combined with GARCH models for call option price prediction[J]. International Conference on Artificial Intelligence and Computational Intelligence，2009，11（10）：35-40.

[7]Mcdonald S， Coleman S， Mcginnity TM，et al.Belatreche A. A comparison of forecasting approaches for capital markets[J]. Conference on Computational Intelligence for Financial Engineering & Economics，2014，3（10）：32-39.

[8]Chen W H，Shi J Y.Wu S. Comparison of supportvector machines and back propagation neural networks in forecasting the six major Asian stock markets[J]. International Journal of Electronic Finance，2006，1（1）：49-67.

[9]Mukhejee S， Osuna E， Girosi F. Nonlinear prediction of chaotic time series using support vector machines[J]. Neural Networks for Signal Proceeding，1997，9（10）：511-520.

[10]Chang T J， Meade N，Beasley J E，et al.Heuristics for cardinality constrained portfolio optimization[J]. Computers and Operations Research， 2000，，27（13）：1271-1302.

[11]Briec W， Kerstens K， Jokung O. Meanvarianceskewness portfolio performance gauging： A general shortage function and dual approach[J]. Management Science， 2007， 53（1）： 153-149.

[12]Calafiore G C. Multiperiod portfolio optimization with linear control policies[J]. Automatica， 2008， 44（10）： 2463-2473.

[13]Yu M，Takahashi S， Inoue H，et al. Dynamic portfolio optimization with risk control for absolute deviation model[J]. European Journal of Operational Research， 2010， 201（2）： 349-364.

[14]Harris R D F， Mazibas M. Dynamic hedge fund portfolio construction：a semiparametric approach[J]. Journal of Banking & Finance， 2013， 37（1）： 139-149

[15]卫国，张永，徐维军，等. 基于线性学习函数的泛证券投资组合策略[J]. 系统工程理论与实践，2012，32（8）：1647-1654.

[16]Jagannathan R，Ma T，.Risk reduction in large portfolios： Why imposing the wrong constraints helps[J]. Journal of Finance，2003，58（4）：1651-1684.

[17]Palaniswami M，Fan A.Stock selection using support vector machines[C]. Neural Networks，2001，3（10）：1793-1798.

[18] Hart JVD，Slagter E，Dijk DV. Stock selection strategies in emerging markets[J]. Journal of Empirical Finance， 2001，10（1/2）：105-132.

[19]Rachev S， Jasic T， Stoyanov S，et al. Momentum strategies based on rewardrisk stock selection criteria[J]. Journal of Banking and Finance， 2007， 31（8）： 2325-2346

[20]Cortes C，Vapnik V.Supportvector networks[J].Machine Learning，1995，20（3）：273-274.