logit模型论文范文文献

数学建模论文写作 一、写好数模答卷的重要性 1. 评定参赛队的成绩好坏、高低，获奖级别，数模答卷，是唯一依据。 2. 答卷是竞赛活动的成绩结晶的书面形式。 3. 写好答卷的训练，是科技写作的一种基本训练。 二、答卷的基本内容，需要重视的问题 1．评阅原则 假设的合理性，建模的创造性，结果的合理性，表述的清晰程度。 2．答卷的文章结构 题目（写出较确切的题目；同时要有新意、醒目） 摘要（200-300字，包括模型的主要特点、建模方法和主要结论） 关键词（求解问题、使用的方法中的重要术语） 1）问题重述。 2）问题分析。 3）模型假设。 4）符号说明。 5）模型的建立（问题分析，公式推导，基本模型，最终或简化模型等）。 6）模型求解（计算方法设计或选择；算法设计或选择，算法思想依据，步骤及实现，计算框图；所采用的软件名称；引用或建立必要的数学命题和定理；求解方案及流程。） 7）进一步讨论（结果表示、分析与检验，误差分析，模型检验） 8）模型评价（特点，优缺点，改进方法，推广。） 9）参考文献。 10）附录（计算程序，框图；各种求解演算过程，计算中间结果；各种图形，表格。） 3. 要重视的问题 1）摘要。 包括： a. 模型的数学归类（在数学上属于什么类型）； b. 建模的思想（思路）； c. 算法思想（求解思路）； d. 建模特点（模型优点，建模思想或方法，算法特点，结果检验，灵敏度分析，模型检验……）； e. 主要结果（数值结果，结论；回答题目所问的全部“问题”）。 ▲ 注意表述：准确、简明、条理清晰、合乎语法、要求符合文章格式。务必认真校对。 2）问题重述。 3）问题分析。 因素之间的关系、因素与环境之间的关系、因素自身的变化规律、确定研究的方法或模型的类型。 5）模型假设。 根据全国组委会确定的评阅原则，基本假设的合理性很重要。 a. 根据题目中条件作出假设 b. 根据题目中要求作出假设 关键性假设不能缺；假设要切合题意。 6） 模型的建立。 a. 基本模型： ⅰ）首先要有数学模型：数学公式、方案等； ⅱ）基本模型，要求完整，正确，简明； b. 简化模型： ⅰ）要明确说明简化思想，依据等； ⅱ）简化后模型，尽可能完整给出； c. 模型要实用，有效，以解决问题有效为原则。 数学建模面临的、要解决的是实际问题，不追求数学上的高（级）、深（刻）、难（度大）。 ⅰ）能用初等方法解决的、就不用高级方法； ⅱ）能用简单方法解决的，就不用复杂方法； ⅲ）能用被更多人看懂、理解的方法，就不用只能少数人看懂、理解的方法。 d．鼓励创新，但要切实，不要离题搞标新立异。数模创新可出现在： ▲ 建模中，模型本身，简化的好方法、好策略等； ▲ 模型求解中； ▲ 结果表示、分析、检验，模型检验； ▲ 推广部分。 e．在问题分析推导过程中，需要注意的问题： ⅰ）分析：中肯、确切； ⅱ）术语：专业、内行； ⅲ）原理、依据：正确、明确； ⅳ）表述：简明，关键步骤要列出； ⅴ）忌：外行话，专业术语不明确，表述混乱，冗长。 7）模型求解。 a. 需要建立数学命题时： 命题叙述要符合数学命题的表述规范，尽可能论证严密。 b. 需要说明计算方法或算法的原理、思想、依据、步骤。 若采用现有软件，说明采用此软件的理由，软件名称。 c. 计算过程，中间结果可要可不要的，不要列出。 d. 设法算出合理的数值结果。 8） 结果分析、检验；模型检验及模型修正；结果表示。 a. 最终数值结果的正确性或合理性是第一位的； b. 对数值结果或模拟结果进行必要的检验； 结果不正确、不合理、或误差大时，分析原因， 对算法、计算方法、或模型进行修正、改进。 c. 题目中要求回答的问题，数值结果，结论，须一一列出； d. 列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据； e. 结果表示：要集中，一目了然，直观，便于比较分析。 ▲ 数值结果表示：精心设计表格；可能的话，用图形图表形式。 ▲ 求解方案，用图示更好。 9）必要时对问题解答，作定性或规律性的讨论。最后结论要明确。 10）模型评价 优点突出，缺点不回避。 改变原题要求，重新建模可在此做。 推广或改进方向时，不要玩弄新数学术语。 11）参考文献 12）附录 详细的结果，详细的数据表格，可在此列出，但不要错，错的宁可不列。主要结果数据，应在正文中列出，不怕重复。检查答卷的主要三点，把三关： a. 模型的正确性、合理性、创新性 b. 结果的正确性、合理性 c. 文字表述清晰，分析精辟，摘要精彩 三、关于写答卷前的思考和工作规划 答卷需要回答哪几个问题――建模需要解决哪几个问题； 问题以怎样的方式回答――结果以怎样的形式表示； 每个问题要列出哪些关键数据――建模要计算哪些关键数据； 每个量，列出一组还是多组数――要计算一组还是多组数。 四、答卷要求的原理 1. 准确――科学性； 2. 条理――逻辑性； 3. 简洁――数学美； 4. 创新――研究、应用目标之一，人才培养需要； 5. 实用――建模、实际问题要求。 五、建模理念 1. 应用意识 要解决实际问题，结果、结论要符合实际； 模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。 2. 数学建模 用数学方法解决问题，要有数学模型； 问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。 3. 创新意识 建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。

在统计学中，统计模型是指当有些过程无法用理论分析 方法 导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系。下文是我为大家整理的关于统计模型论文的 范文 ，欢迎大家阅读参考!

统计套利模型的理论综述与应用分析

【摘要】统计套利模型是基于数量经济学和统计学建立起来的，在对历史数据分析的基础之上，估计相关变量的概率分布，并结合基本面数据对未来收益进行预测，发现套利机会进行交易。统计套利这种分析时间序列的统计学特性，使其具有很大的理论意义和实践意义。在实践方面广泛应用于个对冲基金获取收益，理论方面主要表现在资本有效性检验以及开放式基金评级，本文就统计套利的基本原理、交易策略、应用方向进行介绍。

【关键词】统计套利 成对交易 应用分析

一、统计套利模型的原理简介

统计套利模型是基于两个或两个以上具有较高相关性的股票或者其他证券，通过一定的方法验证股价波动在一段时间内保持这种良好的相关性，那么一旦两者之间出现了背离的走势，而且这种价格的背离在未来预计会得到纠正，从而可以产生套利机会。在统计套利实践中，当两者之间出现背离，那么可以买进表现价格被低估的、卖出价格高估的股票，在未来两者之间的价格背离得到纠正时，进行相反的平仓操作。统计套利原理得以实现的前提是均值回复，即存在均值区间(在实践中一般表现为资产价格的时间序列是平稳的，且其序列图波动在一定的范围之内)，价格的背离是短期的，随着实践的推移，资产价格将会回复到它的均值区间。如果时间序列是平稳的，则可以构造统计套利交易的信号发现机制，该信号机制将会显示是否资产价格已经偏离了长期均值从而存在套利的机会 在某种意义上存在着共同点的两个证券(比如同行业的股票)， 其市场价格之间存在着良好的相关性，价格往往表现为同向变化，从而价格的差值或价格的比值往往围绕着某一固定值进行波动。

二、统计套利模型交易策略与数据的处理

统计套利具 体操 作策略有很多，一般来说主要有成对/一篮子交易，多因素模型等，目前应用比较广泛的策略主要是成对交易策略。成对策略，通常也叫利差交易，即通过对同一行业的或者股价具有长期稳定均衡关系的股票的一个多头头寸和一个空头头寸进行匹配，使交易者维持对市场的中性头寸。这种策略比较适合主动管理的基金。

成对交易策略的实施主要有两个步骤：一是对股票对的选取。海通证券分析师周健在绝对收益策略研究―统计套利一文中指出，应当结合基本面与行业进行选股，这样才能保证策略收益，有效降低风险。比如银行，房地产，煤电行业等。理论上可以通过统计学中的聚类分析方法进行分类，然后在进行协整检验，这样的成功的几率会大一些。第二是对股票价格序列自身及相互之间的相关性进行检验。目前常用的就是协整理论以及随机游走模型。

运用协整理论判定股票价格序列存在的相关性，需要首先对股票价格序列进行平稳性检验，常用的检验方法是图示法和单位根检验法，图示法即对所选各个时间序列变量及一阶差分作时序图，从图中观察变量的时序图出现一定的趋势册可能是非平稳性序列，而经过一阶差分后的时序图表现出随机性，则序列可能是平稳的。但是图示法判断序列是否存在具有很大的主观性。理论上检验序列平稳性及阶输通过单位根检验来确定，单位根检验的方法很多，一般有DF，ADF检验和Phillips的非参数检验(PP检验)一般用的较多的方法是ADF检验。

检验后如果序列本身或者一阶差分后是平稳的，我们就可以对不同的股票序列进行协整检验，协整检验的方法主要有EG两步法，即首先对需要检验的变量进行普通的线性回归，得到一阶残差，再对残差序列进行单位根检验，如果存在单位根，那么变量是不具有协整关系的，如果不存在单位根，则序列是平稳的。EG检验比较适合两个序列之间的协整检验。除EG检验法之外，还有Johansen检验，Gregory hansan法，自回归滞后模型法等。其中johansen检验比较适合三个以上序列之间协整关系的检验。通过协整检验，可以判定股票价格序列之间的相关性，从而进行成对交易。

Christian L. Dunis和Gianluigi Giorgioni(2010)用高频数据代替日交易数据进行套利，并同时比较了具有协整关系的股票对和没有协整关系股票对进行套利的立即收益率，结果显示，股票间价格协整关系越高，进行统计套利的机会越多，潜在收益率也越高。

根据随机游走模型我们可以检验股票价格波动是否具有“记忆性”，也就是说是否存在可预测的成分。一般可以分为两种情况：短期可预测性分析及长期可预测性分析。在短期可预测性分析中，检验标准主要针对的是随机游走过程的第三种情况，即不相关增量的研究，可以采用的检验工具是自相关检验和方差比检验。在序列自相关检验中，常用到的统计量是自相关系数和鲍克斯-皮尔斯 Q统计量，当这两个统计量在一定的置信度下，显著大于其临界水平时，说明该序列自相关，也就是存在一定的可预测性。方差比检验遵循的事实是：随机游走的股价对数收益的方差随着时期线性增长，这些期间内增量是可以度量的。这样，在k期内计算的收益方差应该近似等于k倍的单期收益的方差，如果股价的波动是随机游走的，则方差比接近于1;当存在正的自相关时，方差比大于1;当存在负的自相关是，方差比小于1。进行长期可预测性分析，由于时间跨度较大的时候，采用方差比进行检验的作用不是很明显，所以可以采用R/S分析，用Hurst指数度量其长期可预测性，Hurst指数是通过下列方程的回归系数估计得到的：

Ln[(R/S)N]=C+H*LnN

R/S 是重标极差，N为观察次数，H为Hurst指数，C为常数。当H>0.5时说，说明这些股票可能具有长期记忆性，但是还不能判定这个序列是随机游走或者是具有持续性的分形时间序列，还需要对其进行显著性检验。

无论是采用协整检验还是通过随机游走判断，其目的都是要找到一种短期或者长期内的一种均衡关系，这样我们的统计套利策略才能够得到有效的实施。

进行统计套利的数据一般是采用交易日收盘价数据，但是最近研究发现，采用高频数据(如5分钟，10分钟，15分钟，20分钟收盘价交易数据)市场中存在更多的统计套利机会。日交易数据我们选择前复权收盘价，而且如果两只股票价格价差比较大，需要先进性对数化处理。Christian L. Dunis和Gianluigi Giorgioni(2010)分别使用15分钟收盘价，20分钟收盘价，30分以及一个小时收盘价为样本进行统计套利分析，结果显示，使用高频数据进行统计套利所取得收益更高。而且海通证券金融分析师在绝对收益策略系列研究中，用沪深300指数为样本作为统计套利 配对 交易的标的股票池，使用高频数据计算累计收益率比使用日交易数据高将近5个百分点。

三、统计套利模型的应用的拓展―检验资本市场的有效性

Fama(1969)提出的有效市场假说，其经济含义是:市场能够对信息作出迅速合理的反应,使得市场价格能够充分反映所有可以获得的信息,从而使资产的价格不可用当前的信息进行预测,以至于任何人都无法持续地获得超额利润.通过检验统计套利机会存在与否就可以验证资本市场是有效的的，弱有效的，或者是无效的市场。徐玉莲(2005)通过运用统计套利对中国资本市场效率进行实证研究，首先得出结论：统计套利机会的存在与资本市场效率是不相容的。以此为理论依据，对中国股票市场中的价格惯性、价格反转及价值反转投资策略是否存在统计套利机会进行检验，结果发现我国股票市场尚未达到弱有效性。吴振翔，陈敏(2007)曾经利用这种方法对我国A股市场的弱有效性加以检验，采用惯性和反转两种投资策略发现我国A股若有效性不成立。另外我国学者吴振翔，魏先华等通过对Hogan的统计套利模型进行修正，提出了基于统计套利模型对开放式基金评级的方法。

四、结论

统计套利模型的应用目前主要表现在两个方面：1.作为一种有效的交易策略，进行套利。2.通过检测统计套利机会的存在，验证资本市场或者某个市场的有效性。由于统计套利策略的实施有赖于做空机制的建立，随着我股指期货和融资融券业务的推出和完善，相信在我国会有比较广泛的应用与发展。

参考文献

[1] A.N. Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.

[2]方昊.统计套利的理论模式及应用分析―基于中国封闭式基金市场的检验.统计与决策,2005,6月(下).

[3]马理,卢烨婷.沪深 300 股指期货期现套利的可行性研究―基于统计套利模型的实证.财贸研究,2011,1.

[4]吴桥林.基于沪深 300 股指期货的套利策略研究[D].中国优秀硕士学位论文.2009.

[5]吴振翔,陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践.2007,2月.

关于半参统计模型的估计研究

【摘要】随着数据模型技术的迅速发展，现有的数据模型已经无法满足实践中遇到的一些测量问题，严重的限制了现代科学技术在数据模型上应用和发展，所以基于这种背景之下，学者们针对数据模型测量实验提出了新的理论和方法，并研制出了半参数模型数据应用。半参数模型数据是基于参数模型和非参数模型之上的一种新的测量数据模型，因此它具备参数模型和非参数模型很多共同点。本文将结合数据模型技术，对半参统计模型进行详细的探究与讨论。

【关键词】半参数模型 完善误差 测量值 纵向数据

本文以半参数模型为例，对参数、非参数分量的估计值和观测值等内容进行讨论，并运用三次样条函数插值法得出非参数分量的推估表达式。另外，为了解决纵向数据下半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。另外，本文初步讨论了平衡参数的选取问题，并充分说明了泛最小二乘估计方法以及相关结论，同时对半参数模型的迭代法进行了相关讨论和研究。

一、概论

在日常生活当中，人们所采用的参数数据模型构造相对简单，所以操作起来比较容易;但在测量数据的实际使用过程中存在着相关大的误差，例如在测量相对微小的物体，或者是对动态物体进行测量时。而建立半参数数据模型可以很好的解决和缓解这一问题：它不但能够消除或是降低测量中出现的误差，同时也不会将无法实现参数化的系统误差进行勾和。系统误差非常影响观测值的各种信息，如果能改善，就能使其实现更快、更及时、更准确的误差识别和提取过程;这样不仅可以提高参数估计的精确度，也对相关科学研究进行了有效补充。

举例来说，在模拟算例及坐标变换GPS定位重力测量等实际应用方面，体现了这种模型具有一定成功性及实用性;这主要是因为半参数数据模型同当前所使用的数据模型存在着一致性，可以很好的满足现在的实际需要。而新建立的半参数模型以及它的参数部分和非参数部分的估计，也可以解决一些污染数据的估计问题。这种半参数模型，不仅研究了纵向数据下其自身的t型估计，同时对一些含光滑项的半参数数据模型进行了详细的阐述。另外，基于对称和不对称这两种情况，可以在一个线性约束条件下对参数估计以及假设进行检验，这主要是因为对观测值产生影响的因素除了包含这个线性关系以外，还受到某种特定因素的干扰，所以不能将其归入误差行列。另外，基于自变量测量存在一定误差，经常会导致在计算过程汇总，丢失很多重要信息。

二、半参数回归模型及其估计方法

这种模型是由西方著名学者Stone在上世纪70年代所提出的，在80年代逐渐发展并成熟起来。目前，这种参数模型已经在医学以及生物学还有经济学等诸多领域中广泛使用开来。

半参数回归模型介于非参数回归模型和参数回归模型之间，其内容不仅囊括了线性部分，同时包含一些非参数部分，应该说这种模型成功的将两者的优点结合在一起。这种模型所涉及到的参数部分，主要是函数关系，也就是我们常说的对变量所呈现出来的大势走向进行有效把握和解释;而非参数部分则主要是值函数关系中不明确的那一部分，换句话就是对变量进行局部调整。因此，该模型能够很好的利用数据中所呈现出来的信息，这一点是参数回归模型还有非参数归回模型所无法比拟的优势，所以说半参数模型往往拥有更强、更准确的解释能力。

从其用途上来说，这种回归模型是当前经常使用的一种统计模型。其形式为：

三、纵向数据、线性函数和光滑性函数的作用

纵向数据其优点就是可以提供许多条件，从而引起人们的高度重视。当前纵向数据例子也非常多。但从其本质上讲，纵向数据其实是指对同一个个体，在不同时间以及不同地点之上，在重复观察之下所得到一种序列数据。但由于个体间都存在着一定的差别，从而导致在对纵向数据进行求方差时会出现一定偏差。在对纵向数据进行观察时，其观察值是相对独立的，因此其特点就是可以能够将截然不同两种数据和时间序列有效的结合在一起。即可以分析出来在个体上随着时间变化而发生的趋势，同时又能看出总体的变化形势。在当前很多纵向数据的研究中，不仅保留了其优点，并在此基础之上进行发展，实现了纵向数据中的局部线性拟合。这主要是人们希望可以建立输出变量和协变量以及时间效应的关系。可由于时间效应相对比较复杂，所以很难进行参数化的建模。

另外，虽然线性模型的估计已经取得大量的成果，但半参数模型估计至今为止还是空白页。线性模型的估计不仅仅是为了解决秩亏或病态的问题，还能在百病态的矩阵时，提供了处理线性、非线性及半参数模型等方法。首先，对观测条件较为接近的两个观测数据作为对照，可以削弱非参数的影响。从而将半参数模型变成线性模型，然后，按线性模型处理，得到参数的估计。而多数的情况下其线性系数将随着另一个变量而变化，但是这种线性系数随着时间的变化而变化，根本求不出在同一个模型中，所有时间段上的样本，亦很难使用一个或几个实函数来进行相关描述。在对测量数据处理时，如果将它看作为随机变量，往往只能达到估计的作用，要想在经典的线性模型中引入另一个变量的非线性函数，即模型中含有本质的非线性部分，就必须使用半参数线性模型。

另外就是指由各个部分组成的形态，研究对象是非线性系统中产生的不光滑和不可微的几何形体，对应的定量参数是维数，分形上统计模型的研究是当前国际非线性研究的重大前沿课题之一。因此，第一种途径是将非参数分量参数化的估计方法，也称之为参数化估计法，是关于半参数模型的早期工作，就是对函数空间附施加一定的限制，主要指光滑性。一些研究者认为半参数模型中的非参数分量也是非线性的，而且在大多数情形下所表现出来的往往是不光滑和不可微的。所以同样的数据，同样的检验方法，也可以使用立方光滑样条函数来研究半参数模型。

四、线性模型的泛最小二乘法与最小二乘法的抗差

(一)最小二乘法出现于18世纪末期

在当时科学研究中常常提出这样的问题：怎样从多个未知参数观测值集合中求出参数的最佳估值。尽管当时对于整体误差的范数，泛最小二乘法不如最小二乘法，但是当时使用最多的还是最小二乘法，其目的也就是为了估计参数。最小二乘法，在经过一段时间的研究和应用之后，逐步发展成为一整套比较完善的理论体系。现阶段不仅可以清楚地知道数据所服从的模型，同时在纵向数据半参数建模中，辅助以迭代加权法。这对补偿最小二乘法对非参数分量估计是非常有效，而且只要观测值很精确，那么该法对非参数分量估计更为可靠。例如在物理大地测量时，很早就使用用最小二乘配置法，并得到重力异常最佳估计值。不过在使用补偿最小二乘法来研究重力异常时，我们还应在兼顾着整体误差比较小的同时，考虑参数估计量的真实性。并在比较了迭代加权偏样条的基础上，研究最小二乘法在当前使用过程中存在的一些不足。应该说，该方法只强调了整体误差要实现最小，而忽略了对参数分量估计时出现的误差。所以在实际操作过程中，需要特别注意。

(二)半参模型在GPS定位中的应用和差分

半参模型在GPS相位观测中，其系统误差是影响高精度定位的主要因素，由于在解算之前模型存在一定误差，所以需及时观测误差中的粗差。GPS使用中，通过广播卫星来计算目标点在实际地理坐标系中具体坐标。这样就可以在操作过程中，发现并恢复整周未知数，由于观测值在卫星和观测站之间，是通过求双差来削弱或者是减少对卫星和接收机等系统误差的影响，因此难于用参数表达。但是在平差计算中，差分法虽然可以将观测方程的数目明显减少，但由于种种原因，依然无法取得令人满意的结果。但是如果选择使用半参数模型中的参数来表达系统误差，则能得到较好的效果。这主要是因为半参数模型是一种广义的线性回归模型，对于有着光滑项的半参数模型，在既定附加的条件之下，能够提供一个线性函数的估计方法，从而将测值中的粗差消除掉。

另外这种方法除了在GPS测量中使用之外，还可应用于光波测距仪以及变形监测等一些参数模型当中。在重力测量中的应用在很多情形下，尤其是数学界的理论研究，我们总是假定S是随机变量实际上，这种假设是合理的，近几年，我们对这种线性模型的研究取得了一些不错的成果，而且因其形式相对简洁，又有较高适用性，所以这种模型在诸多领域中发挥着重要作用。

通过模拟的算例及坐标变换GPS定位重力测量等实际应用，说明了该法的成功性及实用性，从理论上说明了流行的自然样条估计方法，其实质是补偿最小二乘方法的特例，在今后将会有广阔的发展空间。另外 文章 中提到的分形理论的研究对象应是非线性系统中产生的不光滑和不可微的几何形体，而且分形已经在断裂力学、地震学等中有着广泛的应用，因此应被推广使用到研究半参数模型中来，不仅能够更及时，更加准确的进行误差的识别和提取，同时可以提高参数估计的精确度，是对当前半参数模型研究的有力补充。

五、 总结

文章所讲的半参数模型包括了参数、非参数分量的估计值和观测值等内容，并且用了三次样条函数插值法得到了非参数分量的推估表达式。另外，为了解决纵向数据前提下，半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。同时介绍了最小二乘估计法。另外初步讨论了平衡参数的选取问题，还充分说明了泛最小二乘估计方法以及有关结论。在对半参数模型的迭代法进行了相关讨论和研究的基础之上，为迭代法提供了详细的理论说明，为实际应用提供了理论依据。

参考文献

[1]胡宏昌.误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性[J].湖北师范学院学报(自然科学版)，2009(03).

[2]钱伟民，李静茹.纵向污染数据半参数回归模型中的强相合估计[J].同济大学学报(自然科学版)，2009(08).

[3]樊明智，王芬玲，郭辉.纵向数据半参数回归模型的最小二乘局部线性估计[J].数理统计与管理，2009(02).

[4]崔恒建，王强.变系数结构关系EV模型的参数估计[J].北京师范大学学报(自然科学版).2005(06).

[5]钱伟民，柴根象.纵向数据混合效应模型的统计分析[J].数学年刊A辑(中文版).2009(04)

[6]孙孝前，尤进红.纵向数据半参数建模中的迭代加权偏样条最小二乘估计[J].中国科学(A辑：数学)，2009(05).

[7]张三国，陈希孺.EV多项式模型的估计[J].中国科学(A辑)，2009(10).

[8]任哲，陈明华.污染数据回归分析中参数的最小一乘估计[J].应用概率统计，2009(03).

[9]张三国，陈希孺.有重复观测时EV模型修正极大似然估计的相合性[J].中国科学(A辑).2009(06).

[10]崔恒建，李勇，秦怀振.非线性半参数EV四归模型的估计理论[J].科学通报，2009(23).

[11]罗中明.响应变量随机缺失下变系数模型的统计推断[D].中南大学，2011.

[12]刘超男.两参数指数威布尔分布的参数Bayes估计及可靠性分析[D].中南大学，2008.

[13]郭艳.湖南省税收收入预测模型及其实证检验与经济分析[D].中南大学，2009.

[14]桑红芳.几类分布的参数估计的损失函数和风险函数的Bayes推断[D].中南大学，2009.

[15]朱琳.服从几类可靠性分布的无失效数据的bayes分析[D].中南大学，2009.

[16]黄芙蓉.指数族非线性模型和具有AR(1)误差线性模型的统计分析[D].南京理工大学，2009.

猜你喜欢：

1. 统计学分析论文

2. 统计方面论文优秀范文参考

3. 统计优秀论文范文

4. 统计学的论文参考范例

对于IPO公司利润影响要素分析论文

利润是一个企业生存与发展的基础，同时它也是投资者进行投资决策的最重要影响因素之一。然而，由于会计分期假设和权责发生制的使用决定了某一期间的利润并不一定意味具有可持续性、利润带来的资源并不一定具有确定的可支配性，利润的高低也并非一定反映企业盈利能力的强弱[1]。因此，如果管理者或者投资者仅仅将企业利润作为决策的标准，势必会加大他们承担的风险，所以不管是管理者还是投资者都越来越关注企业的利润质量。所谓利润质量是指利润的形成过程以及利润结果的情况，体现公司利润的变现能力，持续性和稳定性[2，3]。高质量的利润能为企业的发展提供良好的盈利基础，同时也为投资者进行投资时降低风险、增加收益提供保障；低质量的企业利润则可能阻碍企业的持续发展，增加投资者的投资风险。因此，研究公司利润的质量不仅对公司自身发展具有重要的指导意义，还对投资者投资具有重要的参考意义。

1文献综述

至今为止，国内外学者从多个角度对企业的利润质量进行了分析研究。DhaouiAbderrazak，OuidadYousfi（2010）研究了目前的研发战略的决定因素和分析对财务绩效与盈余管理的权力下放的R&D的影响，研究结果表明跨国公司的研发权力下放，以改善公司的盈利能力，而管理人员的优势，可以得到一些私人和非转让的盈余管理而增加的好处[4]。因为产生这样的结果就会鼓励人们分散自己的研发，以增加盈余管理。MihirA。Desai（2005）认为企业为了赢得资本市场，夸大其盈利水平，往往采取避税这种方式，表面上提高了企业的利润质量，却导致企业的财务报告越来越不值得信赖[5]。PatriciaM。Dechow等（1995）对美国企业的实证分析发现企业的经营现金流量占的比重较高企业的利润质量较高，组成企业利润的应计利润和经营现金流量相比，应计利润的持续性弱于经营现金流量[6]。陈小林，林昕（2011）认为管理者会出于不同目的对盈余进行管理，近而将盈余管理按属性分为决策有用性盈余管理和机会主义盈余管理，审计师将根据不同的盈余管理属性出具不同的审计意见[1]。郭世辉，崔文姣（2009）则以应收账款规模、应收账款周转率和主营业务收入增长率与应收账款增长率的差额为变量构建了应收账款视角的利润质量评价模型，并得出应收账款规模与利润质量呈负相关，而应收账款周转率、主营业务收入增长率与应收账款增长率的差额对利润质量有正的影响[7]。田甜（2008）在分析了影响企业利润质量的因素后，提出应从加强企业应收账款管理，提高企业资产获利性等途径提升企业利润质量[8]。王秀丽（2005）从利润结构角度研究了利润质量问题认为高质量的利润结构应体现出与企业发展战略相符合性、与资产结构的匹配性、与对应的现金流量结构的趋同性、主营业务的核心性以及利润自身结构的协调性等特征[2]。

此外，周晓苏（2004）则通过关联规则分析了微利公司的利润质量，发现微利公司通过非经营业务增加流动资产、或减少流动负债等方式来提高企业的流动比率，可以达到提高公司利润质量的目的[9]。综上来看，目前国外的学者对利润质量的研究则主要集中在盈余管理，应计利润和经营现金流量对企业利润质量的影响，国内学术界则是从审计意见，企业利润结构、应收账款、资产流动性角度来研究上市公司利润质量的影响因素，而鲜有从受利润质量影响的股票价格方面，对利润质量进行分析。同时，IPO公司作为最受股民追捧的企业而学者们却忽略了对其利润质量影响因素的研究。本文选择IPO公司利润质量作为研究对象，运用因子分析法分析影响IPO公司利润质量的因素，并运用Logistic模型来探讨其影响的方向和显着性。

2研究假设和理论依据

股票价格能够反映公司的历史信息，是投资者分析决策的重要依据。然而已有研究成果表明股票价格不能直接反映公司利润质量。一方面，股票价格受股票市场有效性影响，不同有效性的股票市场的股票价格对反映公司利润往往具有不同的信度，无效的股票市场的股票价格不仅不能真实的反映公司历史信息，也无法真实反映公司利润的质量，因此，本文假设中国的股票市场是具有弱势有效性的，IPO公司提供的财务信息真实可靠。另一方面，股票价格瞬息万变，股价不能反映企业利润的稳定性，也无法为投资者提供直接的利润质量信息。因此，本文选择股票价格变异系数而非股票价格来衡量企业利润质量，是因为股票价格变异系数越小风险越小，投资者投资是对企业利润的长期增长和稳定性分析结果的理性人选择。此外，根据公司法、证券法的规定，从未上市的公司若要成为上市公司，必须由审计师对其前一年的财务报告，出具标准无保留意见，这也意味着从新上市公司前一年财务报告中获取的财务指标值得信赖。

3影响IPO公司利润质量变量选择和样本数据选取

3.1影响IPO公司利润质量变量选择

基于以上假设和现有的研究成果，从体现公司利润的形成过程以及利润的结果两个方面对影响IPO公司利润质量的变量进行选择。（1）体现公司利润的形成过程：应收账款周转率（X1）、存货周转率（X2）、流动比率（X3）、速动比率（X4）、每股现金净流量（X7）、每股经营现金净流量（X8）、扣除非经常性损益后的每股收益（X9）。（2）体现公司利润的结果：扣除非经常性损益后的净利润（X5）、营业利润率（X6）、净资产收益率（X10）、税后利润增长率（X11）11个指标作为影响IPO公司利润质量的影响因素进行实证分析。此外，选择各个上市公司收盘价格的变异系数作为衡量利润质量优劣的标准。

3.2样本数据选取

本文原始数据主要来源于大智慧软件和宏源证券软件，新股信息则来自于东方财富网（http：//data。eastmoney。com）。基于研究需要，本文对预选样本按以下标准进行剔除：

（1）本文只选择2010年第一季度上市的IPO公司作为分析样本。因为公司将在第一个季度的15天以内报出该企业第一季度的财务报表。但若公司3月31日上市，则该公司第一季度股票收盘价格变异系数为0，对其进行分析意义不明显，这样的IPO公司将被剔除。

（2）本文选者的财务指标都在一定的范围之内，对异常指标将予以剔除。例如，人人乐其资产周转率达到了8800多，远远的超过其他公司的资产周转率。

（3）金融企业与其他企业相比，具有特殊的风险，资本的财务杠杆率高等特点，因此金融企业也不在本文的研究范围之内。通过以上筛选最终有85家IPO公司符合本文的研究要求，所有数据均来自于2009年各个公司的年报数据。

4实证分析

4.1因子分析

因子分析法是通过研究众多研究变量内部之间的相互依存关系，旨在运用假设的少数几个变量来表示原来变量的主要信息的研究方法。根据因子分析法的操作原理和基本步骤，并对原始变量进行标准化的`基础上，建立的因子分析数学模型如下：x1=a11F1+a12F2+∧+a1mFm+ε1x2=a21F1+a22F2+∧+a2mFm+ε2∧xn=an1F1+an1F1+an2F2+∧+anmFm+ε{m（1）其中，xi为原始变量，aij为因子负荷，Fi公共因子，εi为随机扰动项。对样本数据进行KMO和球形Bartlett检验，检验结果见表1。从表1可知，Bartletts检验结果拒绝了各变量独立的假设，KMO统计量为0。623，大于临界值0。5，所以比较适合进行因子分析。进行因子分析后，得出主成分信息（见表2）。从表2可知由相关矩阵求得特征值，方差贡献率和相关贡献率中，前5个主成分的特征值均大于1，他们的累积贡献率达到75。95%，说明这5个因子能够比较全面的解释利润质量的总体水平。提取5个因子后，计算出各变量的共同度（见表3），结果显示每一个变量的共性方差均大于0。5，且大部份接近或者超过0。7，说明这5个因子能够较好的客观地反映了原变量的大部分信息。由这5个主因子与上述11个变量得到的因子载荷矩阵，因为初始的因子载荷矩阵系数不是太明显，为了使因子载荷矩阵系数向0—1分化，本文对其采取方差最大旋转，旋转后的结果见表4。根据表4，我们得到的主因子的表达式为：F1=0。944x2+0。944x3—0。613x4+0。821x7F2=0。798x1+0。736x6F3=0。798x9+0。770x10F4=0。792x8+0。794x11F5=0。889x5其中，F1包括流动比率，速动比率，资产负债率，每股现金流量，F2包括应收账款周转率，营业利润率，F1和F2体现企业利润的变现能力等。F3包括扣除非经常性损益后的每股收益，净资产收益率，F4包括每股经营现金净流量，税后利润增长率，F5包括扣除非经常性损益后的净利润。F3，F4，F5表现企业利润的持续性和稳定性。

4.2Logistic回归分析

在对以上变量进行了因子分析后，我们还需要对其影响方向和显着性进行进一步的分析。因此本文在因子分析后，运用Logistic模型进行分析。根据Logistic分析要求，因变量必须是二分类变量。因此，我们首先将IPO公司的股票收盘价的变异系数从小到大排序，并规定排在前面的43家公司为利润质量较高的公司，Y值为1，剩下的42家公司Y值为0。在前面的分析中，提取了5个主因子，将5个主因子作为新变量进行logistic回归分析。Logistic的回归模型为：pi=ea+∑k=nk=1βkki1+ea+∑k=nk=1βxki（2）对其进行变形得到：logit（p）=ln（pi1—pi）=a+∑k=nk=1βkxki（3）即：Logit（p）=α+β1F1+β2F2+β3F+β4F4+β5F5其中P表示Y=1（即利润质量高）的概率，F1表示提取的5个主因子。运用spss16。0进行logistic回归，得出综合回归结果，综合回归结果中卡方值为15。922，其达到了0。05的显着性水平，对其进行的Hosmer—Lemeshow检验，Hosmer—Lemeshow统计值的概率P为0。825大于显着性水平0。05，说明模型的拟合优度较好。Logistic回归具体结果见表5。得到logistic回归模型为Logit（p）=0。450—0。725F1+0。264F2+0。242F3+0。606F4+0。313F5

5结果分析与结论

5.1结果分析

从表5结果来看：第一主因子F1的Wald值为4。938，大于其它主因子的Wald值，且显着性水平达到了0。05。第一主因子F1包括流动比率，速动比率，资产负债率，每股现金流量。由回归系数符号，我们得知作为样本的IPO公司的上述几个指标对利润质量有影响，且为负向影响，则意味着这些指标值越大，企业的利润值越不高，股价的波动性越大。流动比率，速动比率，资产负债率，每股现金比率的最佳值都存在一定的范围，若超过这个范围，企业的发展就会受到影响。如流动比率（流动资产与流动负债的比值）的最佳值为2：1，但在研究的85个样本中只有4个样本的流动比率接近于这个最佳值。这也在另一方面说明了中国的投资值对一个企业的评价，很大程度上来自于该企业的偿债能力。第四个主因子F4的wald值为4。89，其显着性水平达到了0。05，这个主因子包括了每股经营现金净流量，税后利润增长率。从上表中，我们得知？4为0。606，回归系数符号为正，则表明每股经营现金净流量，税后利润质量增长率对利润质量是正向影响。即每股经营现金净流量越大，税后利润质量增长率越高，表明企业的利润质量越好，投资者向这些公司投资的风险越小。主因子F2，F3，F5主因子的Wald值都没有通过检验，说明这些因子包括存货周转率，扣除非经常性损益后的净利润，营业利润率，每股收益，每股经营现金净流量，净资产收益率对利润质量的影响不显着，但并不能说明这些因素可以忽略。

5.2结论

本文用股票价格的变异系数代表利润质量进行影响因素分析，并不能全部解释利润质量的影响因素，因为影响股价的因素不仅包括利润质量方面的信息，还要受很多其他方面的影响。如方曙红，李正逸（2007）以资本资产定价模型为基础，分析利率变动对我国股票股价的影响，最后得出在一般情况下，利率的上升，将会导致股票价格的下降[10]。所以回归结果虽然不够理想，但是总的来说仍然可以接受。本文通过因子分析法，logistic回归分析，发现每股经营现金净流量，税后利润质量增长率对IPO公司的利润质量有显着的正向影响，其中流动比率，速动比率，资产负债率，每股现金比率对IPO公司的利润质量有显着的负向影响。因此，管理层在对公司进行管理的时候，应该关注公司的流动资产，速动资产，以及负债等，不断提高公司的利润质量。