前言：中文期刊网精心挑选了金融研究分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
金融研究分析范文1
关键词 农村金融市场绩效
一、市场绩效及评价体系
市场绩效的概念反映了在特定的市场结构和市场行为条件下市场运行的效果。我们将农村金融市场绩效理解为在农村市场上，金融企业在资金融通和信用创造过程中，金融产品和服务获得的收益，以及配置农村金融资源促进农村社会经济福利的效率。农村金融业市场绩效的评价体系主要包括反映组织中企业经营状况的经营绩效指标和反映组织整体效率的综合绩效指标。
经营绩效是指农村金融机构绩效，即把农村金融部门当成一般产业部门，农村金融机构作为这一部门的主体在经营发展中的绩效。其指标有资产利润率、资本利润率、收入利润率。综合绩效是指把农村金融作为推动农村经济发展的一个重要因素，分析金融市场运作效率及对农村经济的作用效果，它综合体现了货币量与农村经济总量的关系。
二、我国农村金融市场绩效分析
（一）我国农村金融市场经营绩效分析
1.中国农业银行的经营绩效
中国农业银行改革成为国有商业银行后其贷款结构不断调整，农村贷款比重逐渐降低，农业银行在支持农村经济发展方面的绩效大大降低。测算我国国有商业银行2001－2011年经营绩效中资产利润率、平均收入利润率和股份制商业银行的资产利润率、收入利润率可得农业银行的经营效率在国有商业银行的平均水平之下、并且远低于股份制商业银行。
2.中国农业发展银行的经营绩效
中国农业发展银行属于农业政策性银行，其经营绩效应倾向于该银行政策职能的发挥，因此对于它的绩效评价要区别于商业银行。比如国有粮棉企业不存在还款的激励和压力，产生较高的不良贷款，以及退耕还林等都影响农业发展银行资金的循环。数据显示2011年末如果包括政策性不良贷款，农业发展银行的不良贷款率为54.1%。
3.其他农村金融机构的经营绩效
其他农村金融机构主要是邮政储蓄和农业保险。邮政储蓄主要适用于信用评级高的国家级涉农公用企业和公用工程。一般的农村金融业务很难获得贷款并且贷款资金有限，因此邮政储蓄在对农村资金支持方面绩效甚低。农业保险表现为“两高三低”的特征，即高风险、高亏损和低覆盖率、低供给、低投保率。较高的灾害损失率使得农业保险具有较高赔付率。
（二）我国农村金融市场综合绩效分析
1.指标选取
考虑农村金融数据的可得性，本文选取农村金融相关率（RFIR）进行分析。
农村金融相关率（RFIR）是指一定时期的金融活动总量（Ft）与经济活动总量（Wt）之间的比例关系。计算公式为：RFIR＝Ft／Wt，简易计算公式为：一国（地区）全部金融资产与同期GDP的比值。
农村金融相关率为：RFIR＝（RD＋RL）／RGDP
注：RD表示农村存款余额，RL表示农村贷款余额。农村GDP等于全国GDP乘上农村GDP占全国GDP的比重。
2.统计结果
根据上述公式及相关数据，计算出代表农村金融综合绩效的农村金融相关率。
3.结果分析
由于朱建华（2005）用类似的模型对我国农村金融深化的绩效作了实证检验，得出1985年、1993年、1999年的RFIR分别为53. 91%、117.89%、182.33%，他将结果与国外的金融相关率做了比较，得出我国农村金融深化的进程大约比世界平均水平落后了20－30年。除去指标选择的差异，本文计算的RFIR结果与已有研究成果大致在相同水平，而且变化周期一致。故可以判断我国农村金融化绩效虽呈增长趋势，但仍远落后于其他国家金融发展水平。
三、我国农村金融市场绩效低下的原因分析
市场垄断是经营绩效低下的根本原因。由于政策的原因造成我国农村金融市场的垄断，农村金融市场结构对绩效的促进作用不明显。浓厚的行政安排色彩、产权的不清晰使得农村信用社和农业发展银行垄断程度过高，进而导致竞争不充分，因此在服务质量、金融产品的创新、业务领域拓展与管理水平的提高上都无大的作为。这些原因都造成了农村金融机构运行的低效率。
四、提升我国农村金融市场绩效的方法
（一）创新不良贷款处置办法
各地农村金融组织都应积极采取多种措施加强不良贷款清收，因此，应建立和完善内部防范机制，确保贷款管理程序化，严格按照审贷分离的原则，落实贷款调查、审查、审批、发放、管理等岗位的责任，确保贷款的安全。完善贷款手续，消除潜在风险。落实清收责任，采取有效的清收措施，实现不良贷款的下降。
（二）完善信用评级和担保制度
农村金融机构应加强乡镇企业和农户的信用评级建设，推动企业和农户走诚信经营的道路。构建以服务农村经济发展的信用担保体系，发展农村经济信用担保组织，在金融机构和农村经济主体之间引入一个第三方，通过为农户和中小企业贷款提供信用担保。
（三）提高金融资源的配置效率
开放农村金融市场，建立多元化的农村金融市场结构，各农村金融机构通过有序竞争，不断提升服务水平和金融资源配置效率。合理引导资金流向，防止农村资金外流，确保农村资金为“三农”服务。农村信用合作社在继续发挥“支农”作用的前提下，要不断开发其他金融产品，拓宽服务领域，增强服务功能，提高经营绩效。
参考文献：
［1］崔慧霞.中国农村民间金融效率分析［J］.经济与管理，2006（10）：66－70.
［2］邓奇志.功能视角下我国农村金融效率的现实审视及优化路径［J］.农村经济，2010（5）：：52－55.
金融研究分析范文2
【关键词】供应链金融；模糊层次分析法；风险评估
一、供应链金融的概念
供应链金融是指在对供应链内部的交易结果进行分析的基础上运用自偿性贸易融资的信贷模型，并引入核心企业、物流监管公司、资金流引导工具等新的风险控制变量，对供应链的不同节点提供封闭的授信支持及其他结算、理财等综合金融服务①。也就是在供应链中，上下游中小企业在核心企业的同意下，以核心企业为担保，向商业银行融资，促进整个生产链的顺利运作。与传统的贸易融资业务不同的是，银行通过核心企业来管理上下游中小企业的资金流和物流，把风险控制到最低。供应链金融很好的实现了“资金流”、“物流”、“信息流”和“商流”等的多流统一，有巨大的市场潜力和风险控制效果。但供应链金融在给整个生产链带来丰厚利润的同时放松了对供应商的资金约束，因而蕴藏着很大的风险。
二、供应链金融风险分析
（一）供应链金融存在的风险
供应链金融主要流程是中小企业（融资商）在与核心企业签订合同后向监管方交付抵押物，并向银行申请融资，监管方向银行提供评价证明，银行确认后向中小企业（融资商）提供授信，同时核心企业受到货物后验收，将应收账款单据交给银行，并向银行确认将来支付贷款。因此，供应链金融风险主要可以分为五个方面：银行风险、企业内部风险、企业外部环境风险、担保存货风险。
各风险细分图如下：
（二）风险评估
由于供应链涉及因素过多而导致供应链金融风险具有很大的不确定性，因此，在做风险评估时采用定量分析法中的层次分析法和模糊层次分析法比较实用。这里选用模糊层次分析法对各风险进行评估。
步骤如下：
1、列出层次结构
三、结束语
由于各因素之间的优先关系评估是由专家判断得到，数据具有很强的主观性，所以在做评估时要做好详细的调查，收集可信数据，总结经验，结合实际，并且可以采取多位专家评估求平均值的方法。此外对于模糊矩阵做一致性检验处理，使得到的权重数据更可
批注：①供应链金融的概念出自百度百科
参考文献：
[1]张吉军.模糊层次分析法（FZHP）[J].模糊系统与数学，2000，14（2）：80-88.
[2]李毅学，汪寿阳，冯耕中.一个新的学科方向――物流金融的实践发展与理论综述[J].系统工程理论与实践，2009
[3]王寿阳，张维.金融工程：一个新兴的、充满挑战的研究领域[J].系统工程理论与实践，2008，28（8）：1
[4]杨育谋.供应链金融：中小企业融资新途径[J].中国中小企业，2007（6）：38-40
金融研究分析范文3
【关键词】非线性相关系数 相异度度量 聚类方法 验证统计量
引言
时间序列聚类在很多领域有重要的作用，如金融和经济，工程学和生命科学等等。时间序列聚类有多种方法，聚类时通常要构建两个时间序列之间的相异度度量。如Piccolo（1990）[14]和Maharaj（1996）[12]提出的基于扩展的自相关系数的距离，Galeano（2000）[7]提出基于自相关的距离，Tong和Dabas（1990）[15]提出基于残差拟合的距离，Bohte（1980）[3]提出基于交叉相关系数距离，Caiado（2006）[5]提出基于周期图的距离，Maharaj和D’Urso（2010）[13]提出基于谱的相异度度量，Berndt和Clifford（1996）[2]提出动态时间扭曲距离，De Gregorio（2008）[6]提出马尔科夫算子距离，等等。
时间序列聚类分析在金融领域显得尤为重要，因为金融从业人员对金融资产之间的相似性很感兴趣，通过研究资产之间的相似度，对资产进行聚类，来进行投资和风险管理。因此，金融研究者提出了很多统计方法来分析资产价格序列的相似结构。例如，Mantegna和Bonanno（2001）[4]使用Pearson相关系数来度量两个股票收益率序列之间的相似度。考虑到金融时间序列的波动性，Caiado和Crato（2006）[5]提出了一种描述两个股票收益率数据之间动态特征的的类Mahalanobis距离度量方式，并且提出了一种聚类程序来对DJIA指数进行聚类。
本文中，通过Hoeffding’D，Kendall’sτ和Spearman’sρs三种相关系数分别来定义金融时间序列的相似度，然后运用PAM、agnes、diana三种聚类方法对相异度度量矩阵进行聚类，从而对不同的相似度度量方法和聚类方法进行比较。这对实际中进行金融时间序列分析有借鉴作用。
文章结构分为四个部分，第一部分介绍几种了相关系数和相异度度量方法；第二部分介绍了几种聚类方法和聚类评价标准；第三部分运用股票收益率数据进行了实证分析；第四部分做出总结并提出相关建议。
一、相关系数和相异度度量
在对金融时间序列数据进行聚类之前，首先要获得适合于聚类算法的数据结构。Kaufman和Rousseeuw（1990）[10]提出，聚类算法的数据结构通常有两种：第一种数据结构是对象—属性的n×p矩阵，其中矩阵的行代表对象，矩阵的列代表属性；第二种数据结构是相异度矩阵，矩阵的行和列的性质一样，代表的都是两个对象之间的相异度。本文运用的是相异度矩阵数据结构，因此首先介绍一些相关系数和相异度的概念。
（一）相关系数
相关系数是最常用的相似度的度量方式，常用的相关系数包括：Pearson相关系数ρp，Hoeffding’D，Kendall’sτ和Spearman’s ρs。其中Pearson相关系数ρp是一种线性相关系数，其他三种均为非线性相关系数。由于金融时间序列不服从正态分布，而呈现的是一种厚尾分布，不适合用线性相关系数进行两个金融时间序列的相关性度量。因此，本文主要考虑后三种非线性相关系数。
1.相关系数ρp
Pearson相关系数描述的是一种线性相关关系，相关系数的值在[-1，1]之间，数值越接近于1或-1，说明两个变量相关程度越大，数值越接近于0，说明两个变量之间相关程度越小。如果ρp（X，Y）=0，则说明X和Y是相互独立的，反之则不成立。
2.Kendall’sτ
当且仅当事件{X2>X1且Y2>Y1}或事件{X2X1且Y2>Y1}和事件{X2
当且仅当D（x，y）=0时，具有联合分布F（x，y）的随机变量X，Y是独立的。Hoeffding还提出：0？燮？驻？燮1/30，只有当Y是X的单调函数时才能得到上限值1/30。同时Hoeffding还提出了D的取值范围为：-1/60？燮D？燮1/30，这个值越高，X和Y相关程度越大。D统计量是Hoeffding用来对两个随机变量是否独立进行检验的，因此和前面的几种相关系数都有所不同。
在实际应用中，通常把Hoeffding系数扩大30倍，及D*=30D，因此它的取值范围在[-0.5，1]之间。
（二）相异度度量
以上介绍了几种常用的相关系数，但是得到的相关系数矩阵还不能直接用于聚类，要通过对相关系数进行适当的转换，使之变为能够应用于聚类算法的相异性度量。此处介绍了相似系数和相异系数，以及从相关系数到相似系数之间的转换方法。
相似系数s（i，j）表示两个对象i和j之间的接近程度，s（i，j）越大，两个对象就越接近。Kaufman和Rousseeuw认为相似度应该满足一下三个条件：
（1）0？燮s（i，j）？燮1；
（2）s（i，i）=1；
（3）s（i，j）=s（j，i）。
二、聚类方法和聚类评价标准
（一）聚类方法
相对于基于对象-属性矩阵的聚类方法，基于相异度矩阵的聚类方法使用范围更广，因为在很多实际情况中，获得对象之间的相异性矩阵要比取得对象-属性矩阵要容易。因此以下主要介绍一些适用于相异度矩阵的聚类方法。
1.PAM（围绕中心点）方法。PAM方法是一种基于划分的聚类方法，它不仅可以对对象-属性矩阵进行聚类，也可以对相异度矩阵进行聚类，本文用于对相异度矩阵进行聚类。这种方法是由Kaufman和Rousseeuw提的，又被称为k-medoid方法。
PAM的聚类算法如下：
（1）首先选择k个对象，这k个对象应当为它们各自所定义的类的中心，使得每个类中其他对象到它的平均距离最短，这k个对象被称为代表性对象。从这可知，最初的k个代表对象不是随机选择的，这也是这种方法和k-means方法的主要不同点。
（2）把剩余的对象归到离它最近的代表对象的一类。
Kaufman和Rousseeuw认为这种方法在对有离群值的对象进行聚类时，比k-means方法更好，而且k-means方法不能对相异度矩阵进行聚类，它只能对对象-属性矩阵进行聚类。但是k-medoid方法一般适用于对具有球形形状的类进行聚类，而不适用于对长条形的类进行聚类。
2.anges（层次凝聚）方法。由Kaufman和Rousseeuw提出的另外一种方法是agnes方法，这是一种凝聚的层次聚类算法，即一开始分别把每个对象分为一类，聚类每进行一步，就把上次聚类结果中的两个类又聚为一个类，直到最后把所有的对象归为一个类。这种聚类方法既适用于对象-属性的矩阵，也适用于相异度矩阵。
anges方法的算法为：
（1）首先把两个最近的类归为一个类。
（2）在后来的每一个步骤中，最近的两个类又被聚成一类，此处两个类之间的相异度度量基于类间对象的相异度度量。
Kaufman和Rousseeuw提出了四种定义类间距离的方法：Average linkage，Single linkage，Complete linkage和Ward's Method，本文运用Average linkage和Ward's Method这两种方法，分别记为agnesA和agnesW。
3.diana（分裂层次聚类）方法。diana方法是一种分离的层次聚类法，聚类程序和anges方法相反。首先，把所有的对象归为一个类，然后把距离最远的两个类分开，直至所有的对象都分别分为一类。
聚类程序如下：
（1）首先，找到和其他对象的平均相异度最大的一个对象。
（2）然后，把一个对象从一个类移动到另一个类，这儿移动的根据是移动对象和剩余的类的距离和分出去的类的聚类。若前者大于后者，则移动。
（3）最后，把类规模最大的一个类进行分割。
diana方法适用于处理球形的类的聚类，既可以对对象-属性矩阵进行聚类，也可以对相异度矩阵进行聚类。
（二）聚类评价标准
在得到聚类结果以后，需要对得到的结果进行评价，可以根据评价标准选择聚类数，然后在给定聚类数的情况下，选择最好的聚类方法。现有有很多种统计量可以对不同的聚类结果进行评价，如ASW，CH，PH，g2，g3，cRand。根据在不同的聚类数目下的统计量的性质，有两种方法来定义最好的聚类方法。第一种方法：如果随着聚类数目的增加，统计量未呈现出一种增加或减少的趋势，那么统计量的值最大或最小的方法是最佳的聚类方法。第二种方法：如果随着聚类数目的增加，统计量呈现出一种递增或递减的趋势，则统计量在相应的聚类数目有一个显著的局部变化的方法为最佳的聚类方法，其中出现显著局部变化的这个点被称为一个关节点。下面只介绍一种常用的验证统计量ASW（average silhouette width）。
从图3.1中可以看出，当对由Hoeffding’s D变换而来的相异度矩阵进行聚类时，在ASW的验证标准下，agnesA方法的ASW值开始成递增的趋势，增加的速度比较缓慢，在k=7处达到了最大值，此后呈递减趋势，因此可知agnesA方法的最佳聚类数为k=7。diana方法始终呈现出一种递增的趋势，因此最佳聚类数目在ASW值最大处取得，即k=8。由于agnesW方法是一种针对欧几里德距离矩阵进行聚类的方法，因此，在此处的聚类结果并不可靠，只作为一种参考。PAM方法的ASW值在k=7时达到最大值，而且此时出现了一个明显的峰值，因此，PAM方法的最佳聚类数目也为7。综上，对Hoeffding进行聚类的结果可知，最终的聚类数目为k=7，在四种聚类方法中，最佳的聚类方法为PAM方法，因为此方法的ASW值在k=7时有一个明显的峰值，而其他方法都没有出现明显的峰值点。
从图3.2中可以看出，agnesA方法和diana方法对Kendall的聚类结果在ASW的验证标准下，当聚类数目k从3到4时，ASW值有一个明显的下降，从4到6时，两种聚类方法的ASW值都呈增加趋势，到k=6时，agnesA的ASW值还继续增加，但是增加的幅度不大，而diana方法呈现明显的下降，在k=6的地方出现一个明显的转折点。而agnesW方法和PAM的ASW值一直呈现一种递增的趋势，在k=3到k=6时ASW值增加的速度很快，而k=6之后增加的幅度减少，在k=6时出现一个转折点。综上，可以的出对Kendall的聚类结果中最佳聚类数目为k=6，最佳聚类方法为diana方法。
从图3.3中可以看出，聚类数目从3到7时，agnesW和PAM方法的ASW值呈现出一种上升的趋势，在k=7之后，agnesW方法的ASW值处于一种水平状态，而PAM方法的ASW值则呈现下降的趋势，在k=7处出现一个明显的峰值。而agnesW和diana方法的ASW值从k=3到4时，有一个微小的下降，此后agnesA的ASW值呈现明显的上升趋势，在k=7处ASW值达到最大，而diana方法的ASW值在k=8处达到最大。综上，对的聚类结果中最佳聚类数目为k=7，最佳的聚类方法为PAM和agnesA方法。
综合以上对三种相关系数的聚类结果，可得最佳的聚类数目k=7，PAM方法在三种相关系数聚类结果中表现优于另外几种聚类方法，在对Hoeffding‘D相关系数进行聚类时，PAM方方法的结果最好，下表给出当用PAM方法对Hoeffding’D进行聚类的结果。
从上表中可以看出，聚类结果的第一类为房地产行业，第二类和第三类属于金融行业，第四类属于医药行业，第五类属于运输行业，第六类为能源行业，第七类为电力行业。其中第五类中的错分率比较高，但是所有运输行业的公司均在此类中，因此可以把它看为运输行业。聚类结果中，虽然有些行业的分类情况和初始分类不一致，但是很多公司的分类是一致的。说明同一个行业的公司之间收益率相关程度很高。
图3.4通过多元尺度图使得通过Hoeffding’s D度量的公司之间的相似度在二维空间可视化。可以看出，在二维空间中，除了电信行业和运输行业外，其他各个行业得到很好的区分。
四、结论
以上通过对股票收益率进行聚类，在ASW的评价标准下，把44家公司聚为7个类。从聚类结果可知，属于同一个行业的公司几乎被聚在同一个类中，只有个别公司聚类结果和所属行业不一致。因此得出结论：属于同一个行业的公司股票收益率相似程度比较大，而属于不同行业的公司股票收益率相似程度比较小。从描述相似度的三种相关系数来看，Hoeffding D和Spearman相关系数的结果要优于Kendall相关系数的结果，因为针对两者的聚类结果比较明显，而针对Kendall相关系数的聚类结果不清晰。最后，通过比较三种不同的聚类方法，可知PAM方法对收益率序列的聚类结果要优于agnes和diana两种聚类方法。
文中对金融时间序列的相关性度量采用的是一些比较简单的相关系数，而且这些相关系数描述的是整个金融时间序列的相关情况，然而在实际情况中，我们更加关心的是出现亏损时候的序列之间的相关情况，因此可以通过研究金融时间序列的尾部相关情况来进行更进一步的分析。
参考文献
[1]Ana Teresa YanesMusetti.2012，Clustering methods for financial time series.Seminar for Statistics.1-74.
[2]Berndt， DJ and Clifford，J.1996，Finding patterns in time series：A dynamic programming approach[J].In Advances in Knowledge Discovery and Data Mining，229–248.
[3]Bohte，ZD.Cedar，D.andKosmelu，K.1980，ClusteringofTimeSeries[J].COMPSTAT 80：587–593.
[4]Bonanno，G，Lillo，F and Mantegna，R.2001，High-frequency cross- correlation in a set of stocks[J]. Quantit.Finance，1：96–104.
[5]Caiado，J.Crato，N and Pe？a，D.2006，A periodogram-based metric for time series classification[J].Comput.Statist.Data Anal.，50：2668–2684.
[6]De Gregorio，A and Iacus，SM.2008，Clustering of discretely observed diffusion processes[J].Comput.Statist.Data Anal.，54：598–606.
[7]Galeano，P and Pe？a，D.2000，Multivariate analysis in vector time series[J].Resenhas，4：383-404.
[8]Hoeffding.W.1948，A non-parametric test of independence.The Annals of Mathematical Statistics，19（4）：546-557
[9]Hollander.M.andD.Wolfe.1999，Nonparametric Statistical Methods.John Wiley&Sons.
[10]Kaufman.L.andP.Rousseeuw.1990，Finding groups in Data：An Introduction to Cluster Analysis，John Wiley and Sons，Inc.
[11]Kruskal.W.1958，Ordinal measures of association.Journal of the American Statistical Association.，284（53）：814-861.
[12]Maharaj，EA.1996，A significance test for classifying ARMA models[J].J.Statist. Comput.Simul.， 54：305–331.
[13]Maharaj，EA and D'Urso，PA.2010，A coherence-based approach for the pattern recognition of time series[J].Physica A：Statist.Mech.Applic.，389：3516–3537.
[14]Piccolo，D.1990，A distance measure for classifying ARIMA models[J].J.Time Ser.Anal.，11：152–164.
金融研究分析范文4
(一)学术研究能够帮助学生更加准确地理解所学知识,提高学生的多种能力主要表现在:
1.提高学生对理论知识的理解、掌握和实际运用能力。学术研究活动改变了以教师为中心的教学方式。使学生成为主角,为他们提供足够的空间展示自己,可以激发其学习兴趣,提高主动性。在研究过程中,学生将理论知识用于分析现实问题,可以加深对知识的理解与掌握,大大缩小了教学与实际生活的距离。
2.锻炼学生思维,提高分析问题、解决问题的能力。在研究过程中,学生既要留心观察经济社会运行,发现问题,又要大量地阅读与思考,从实例中归纳分析出一般性结论,检验已有理论的正确性。通过对金融市场已经发生的或将来可能发生的问题进行分析、讨论,可以启发学生的思路,提高学生分析和解决问题的能力。
3.通过交流与讨论,提高学生的表达能力、沟通能力。国外课堂常采用的小组讨论方式,近年来也备受国内老师追捧。教师可以让学生自由结合成讨论小组,根据班级的规模,每组可由4~8人组成。挑选经济热点展开讨论,针对不同的观点展开进一步的探讨、辩论。学生通过小组讨论的方式参与问题的各个环节,教师可以通过适时引导、简单评论来参与学生的讨论与分析。这既可以促进师生之间的合作学习,也有助于学生之间互相启发、取长补短,同时学生的表达能力与沟通能力也得到提高。
(二)注重学术研究有利于提高教师的教学与科研水平
在引导学生进行学术研究时,教师需要关注专业领域的前沿发展,收集、更新、整理数据及案例,这就对教师的授课水平提出了高要求。要想讲好金融学的课程,与同学形成良好互动,要求教师不仅要有广博而丰富的专业知识,还要了解相关业务的实际操作,同时还要密切关注国内外金融市场的风云变幻和理论研究前沿。另外,在科研工作中积累的素材也可用于编写教学案例,实现教学与科研的相互配合、相互促进。可见,提高学术研究在教学内容中的比例,重视学术活动的开展,不仅能使教师积累教学经验,提高教学质量,而且可以提高教师的专业素养与研究能力。
二、在金融学教学中推动学术研究的途径
为了推进金融学专业研究型教学的开展,一方面,要转变教学观念,纠正师生“重应试轻学术”的观念,以现代教育思想为指导,深入开展学术思想的讨论与学习;另一方面,要营造良好的教学环境,完善硬件设施的现代化建设,精心设计教学方法,抓住课堂互动、课外实践和评价反馈几个主要环节,积极推进研究型教学进程。
(一)试验研究型课堂教学
与传统的单向传授课堂不同,所谓研究型课堂教学,是指以学生为主体,研究理论形成过程为主的教学方式。金融学作为一种社会科学,与现实联系紧密,很多理论都可以通过观察总结得出,或者放入现实社会进行验证。老师可以通过设计问题情境,引导学生探索理论知识的产生,还原经济学家们的思维活动,并鼓励学生质疑反思已有理论,发表独立见解。研究型的教学课堂有很多种实现方式,比如案例探讨,头脑风暴,问题情境,正反方辩论,小组讨论等,每种方法都有其各自的适用条件,可以根据具体教学内容进行选择。教师们通过掌握新型教育理念,就可以不拘于已有模式,根据课堂内容和学生特点,自主设计教学方案,借助多媒体和信息技术,开展研究型教学试验,提高教学质量。
(二)完善金融学学术研究方法
在传统金融学专业教学中,定性分析往往占主导地位,定量分析比重则十分有限。如果没有精确的数量分析,质的规范性就难以把握;但无视定性分析,单纯定量研究也会失去经济学意义。只有把两者有机地结合起来,才能得到更准确的结论,更好地揭示资金运作的内在规律。现代金融学的量化特征日益显现。定量分析主要有两种方式:一种是将理论模型化,即利用数学语言来表达某一理论的基本内容;另一种是实证研究定量化,即运用统计数据来验证理论的适用范围与正确性。近年来,西方国家的金融领域研究多数都是通过运用数学工具来研究。国内的量化分析仍处在起步阶段,可以在借鉴国外成熟模型的基础上结合我国实际情况进行研发,但同时也要防止过度强调数量分析而忽视了经济含义。
(三)推动教学手段的信息化
进程网络通讯、计算机网络、多媒体技术、虚拟现实技术等现代计算机技术的广泛使用极大地影响着教学模式,使得高等教育的空间得到进一步拓展。对于金融学专业教学而言,可以在教学中运用先进技术手段,如实验室教学、市场模拟等,激发学生学习兴趣,积累市场运作经验,达到事半功倍的教学效果。教学手段信息化不仅是对新技术与新资源的有效利用,最根本的是教学理念的变革。在信息化环境下,现代通讯手段实现了信息与知识的瞬时传递,彻底改变了信息获取、知识传递的路径,使得老师和学生能够及时获得市场动态。当代金融学专业的学生,不仅要熟练掌握理论知识,更为重要的是具备挖掘、运用、传播信息的意识和能力,可以运用科学方法从复杂的金融市场捕捉有效信息。
金融研究分析范文5
【关键词】互联网金融 SWOT分析
一、引言
2015年7月18日，央行等十部委正式对外的《关于促进互联网金融健康发展的指导意见》将互联网金融正式定义为互联网金融是传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。
据统计，2014年互联网金融产品和服务的网民渗透率达61.3%，超过六成网民使用国过互联网金融产品和服务。全国P2P网贷平台数量达到1575家，成交额为3291.94亿元，年增长268.83%；第三方支付的交易规模达到8000亿元，年增长50%；众筹融资3091起，募集金额10.31亿元人民币。2015年上半年互联网金融热情程度不减，首单社保基金入资蚂蚁金服，平安普惠众筹落地前海，腾讯积极备战征信牌照，陆金所完成4.85亿美元融资。互联网金融的发展在发展普惠金融，提升金融服务质量和效率等方面发挥着独特功能和作用。
互联网金融在我国的出现和发展在服务实体经济的同时，其潜在风险值得关注。国内外不乏互联网金融的不成功案例，号称是“金融界携程”的数银在线曾经名噪一时，却由于大股东的突然撤出导致资金链骤然断裂，企业陷入困境；2013年4月2日，上线仅一个月的众贷网宣布破产，成为史上最短命的P2P网贷公司。近年来，因恶意诈骗、经营不善等问题而倒闭、跑路的P2P网贷平台就有数百家。中国人民银行2015年5月29日的“中国金融稳定报告（2015）”关于银行业稳健性评估提到：影子银行暴露出交易链条复杂、透明度低、法律关系不清、管理不规范、监管标准不一等问题，蕴含较大风险。
二、互联网金融发展的SWOT分析
（一）优势分析
1.服务效率高。大数据、云计算与搜索引擎的快速发展使得互联网金融这一平台的信息获取能力和处理能力更加高效。一是互联网金融业务交易流程标准化简单化，克服了传统商业银行客户排队等候的缺点；二规模巨大、涉及广泛、及时有效的信息资源大幅降低了信息的不对称程度，提高了人们共享信息资源的方式和效率。例如阿里小贷依托电商积累的信用数据库，经过数据挖掘和分析，引入风险分析和资信调查模型，商户从申请贷款到发放只需要很短时间。
2.运营成本低。办理同样的一笔业务，网上银行的成本只有实体网点的十分之一。互联网金融的交易体系设计一方面可以避免开设营业网点的资金投入和运营成本，消费者可以在开放透明的平台上快速找到适合自己的金融产品，更省时省力，有助于解决小微企业融资成本高的问题，发展普惠金融。
3.客户覆盖面大。2015年上半年的统计数据显示中国互联网用户已经超过9亿人，这为互联网金融奠定了广泛的客户资源基础，产品创新能力强使得以支付宝钱包为例的便捷服务成为多数用户的首选，这种应用可以绑定多张银行卡，个人账单、缴费、演出门票等集成管理，并可基于用户习惯推送多种增值服务。此外，不受制于时间和地域约束的特征也使互联网金融服务更直接，大大提高客户覆盖率。
（二）劣势分析
1.信用评级不完善。互联网金融尚未与中国人民银行征信系统实现对接，用户信用评级尚不完善，也不存在信用信息共享机制，不具备类似传统商业银行的风险控制、合规检查和清收偿还机制。由于无法做到实名制，无法有效地甄别异常状况，违约成本较低容易诱发恶意骗贷等金融案件发生。
2.风险控制能力不足。以网贷平台为例，不见面、不审查、无抵押的快速贷款模式提高资金使用效率的同时放大了贷款风险。一些网络金融中介处于监管的灰色地带，卷款逃跑的事情也时有发生。人才和渠道的制约也决定了其无法提供高端的金融服务，品牌和信用积累程度不够，对消费者的信息保护也令人担忧。
（三）机会分析
1.互联网金融适应了经济发展的必然趋势。随着中小微型企业及创业者的资金需求逐步增多，传统银行体系并不能完全满足他们的需求，这给创新型金融手段提供了政策性的发展机遇。金融与互联网交叉渗透的深入，相应政策的逐步完善和技术支持的逐步发展为创新金融模式提供了空间。
2.投融资市场潜力巨大。投资方面，近几年在通胀压力下银行存款的收益空间逐步缩小，而随着人们理财观念的增强，对互联网金融认识和接受程度提高，互联网金融的潜力将会进一步释放。融资方面，由于能够突破地域的限制，节约交易成本，针对客户的需求展现出更为快捷的响应能力，其发展前景十分广阔。
3.技术的发展提供了强有力的支撑。信息通讯技术和云计算的发展，大数据的广泛应用，以及社交网络的普及为互联网金融的发展提供了平台支撑。根据麦肯锡报告统计，到2017年大数据所形成的市场规模预计会上涨到530亿美元。互联网金融企业能够通过大数据挖掘和大数据分析更为深入的了解用户的行为习惯和偏好，从而开发更符合用户兴趣和习惯的产品和并提供相应地金融服务。
（四）威胁分析
1.风险隐患放大。互联网金融在我国处于起步阶段，目前尚且缺乏明确的监管和法律约束，行业面临诸多政策和法律风险，网络金融犯罪问题突出。如阿里金融，涵盖支付、信贷、担保、保险等领域，部分业务存在监管真空，顶层设计滞后形成的监管不足，无法有效防范金融风险。还有一些互联网金融企业收益风险提示不足，误导客户，案件防控问题突出。再加上一些企业资金来源和运用与正规金融体系盘根错节，如果管理不善，会导致风险向正规金融体系传递。
2.消费者权益保护制度缺位。互联网金融涉及的交易都是通过网络进行，一旦遭遇黑客攻击，其正常运作会受到影响，也给消费者的资金和个人信息安全带来挑战。由于立法的不完善，消费者权益维护存在法律漏洞，一旦发生经济纠纷，投资者将缺乏相应的法律依据维护维护自身权益。
三、结论及建议
目前，我国互联网金融还处于发展的观察期，互联网金融行业应当充分发挥自身优势，依托政策支持和经济发展的机会，以服务实体经济为宗旨促进自身的健康发展。首先应该借鉴国际经验，完善互联网相关法律和制度，制定适度和有针对性的监管规则，加强金融监管。其次，坚持金融服务实体经济，提高金融服务能力和效率。再次，切实维护消费者的合法权益，保护消费者的信息安全和资金安全，促进互联网金融的健康可持续发展。
参考文献
[1]屈波.互联网金融冲击下传统商业银行的应对策略研究――基于SWOT分析方法[J].西部金融，2015，（01）.
[2]韩冬.基于SWOT的互联网金融经营模式研究[J].河北金融， 2014，（02）.
[3]梅李军，吴富源.基于SWOT分析的互联网金融及对农业发展银行的影响[J].福建金融， 2014，（08）.
[4]李睿铭.互联网金融和商业银行的竞争与发展前景分析[J].现代经济信息，2015，（02）.
[5]李娟. 互联网金融发展研究[D].现代经济信息，2014，（05）.
金融研究分析范文6
关键词:交易性金融资产;公允价值;计量分析
中图分类号:F230文献标志码:A文章编号:1673-291X(2009)32-0105-02
一、交易性金融资产与谨慎性
(一)交易性金融资产的划分范围
《企业会计准则》中把金融资产划分为四类,其中第一类是以公允价值计量且其变动计入当期损益的金融资产,包括交易性金融资产和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,主要指企业为了近期内出售而持有的金融资产,以赚取差价为目的从二级市场购入的股票、债券、基金等均划分为交易性金融资产。可以看出,一项资产被划分为交易性金融资产要具有两个特点:一个是企业持有该资产是为了交易,是以赚取差价为目的的投资;另一个是该项金融资产要具有活跃的金融市场,在市场上有报价,其公允价值能够从活跃的市场上取得。
(二)交易性金融资产的确认
《企业会计准则第22号――金融工具确认和计量》中定义交易性金融资产的确认原则如下,满足其中一项即可:
1.取得该金融资产的目的主要是为了近期内出售或回购;
2.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利方式对该组合进行管理;
3.属于衍生工具。但是,被指定且为有效套期工具的衍生工具、属于财务担保合同的衍生工具、与在活跃市场中没有报价且其公允价值不能可靠计量的权益工具投资挂钩并须通过交付该权益工具结算的衍生工具除外。
(三)谨慎性的概念
要求企业在会计核算工作中应当保持必要的谨慎,充分估计到各种风险和损失,既不高估资产或收益,也不低估负债或费用。
二、交易性金融资产的计量分析
(一)账户
对交易性金融资产的核算应设置“交易性金融资产―成本”、“交易性金融资产―公允价值变动”、“公允价值变动损益”、“投资收益”等科目。其中,“公允价值变动损益”科目核算企业交易性金融资产因公允价值变动而形成的应计入当期损益的利得或损失,该账户属于损益类账户,其余额对企业当期利润或亏损会形成直接影响。因此,交易性金融资产核算的核心就是公允价值计量的问题。“投资收益”科目核算企业持有交易性金融资产期间取得的投资收益以及处置交易性金融资产时实现的投资收益或投资损失。
(二)交易性金融资产的确认与计量问题
《企业会计准则第22号――金融工具确认和计量》中没有明确界定交易性金融资产的持有时间,只要是近期内持有的以赚取差价为目的的金融资产,就可以作为交易性金融资产核算。这就存在了两个问题:
1.持有期间的不确定造成会计判断时的不一致
《企业会计准则》规定金融资产一旦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,就不能再划分为其他类金融资产。在初始计量时,该类金融资产的初始成本不包括交易费用,交易费用计入当期损益,而其他类金融资产的初始成本则包括了交易费用。时间范围的不确定需要会计工作者很高的判断力,由于会计工作者的经验和会计估计不足,可能导致会计计量时对交易性金融资产的判断失误,降低了会计信息的可靠性。
例:甲公司2007年购入金融资产A,公允价值为10万元,另有已宣告但尚未发放的现金股利2万元,相关交易费用3 000元。
(1)如果将其划分为交易性金融资产,会计分录处理为:
借:交易性金融资产――成本100 000
应收股利 20 000
投资收益3 000
贷:银行存款123 000
在年末“投资收益”直接转入“本年利润”,减少了企业资产负债表日的“本年利润”数额。
(2)如果将其划分为持有至到期投资,会计分录处理为:
借:持有至到期投资103 000
应收股利 20 000
贷:银行存款123 000
显然,上述两种计量方式对企业利润的影响是不同的,划分为交易性金融资产企业所得的利润低于划分为持有至到期投资企业所得的利润。
2.持有期间跨年度时造成的信息误导问题
若取得的交易性金融资产持有期间是在一个会计年度以内,则处置该项资产时结转公允价值变动损益即可。若取得的交易性金融资产其持有期间跨年度,那么需要在资产负债表日确认发生变动的公允价值,“公允价值变动损益”科目年终无余额,其发生的变动结转到“本年利润”科目,这种会计处理方式符合损益类账户结构设置要求。但这种会计处理方式确认了并没有真正实现的收益或者损失,在会计年末虚增或者虚减企业利润,不符合会计信息质量要求中的谨慎性原则。
例:甲公司2007年末金融资产A(初始已确认为交易性金融资产)的公允价值为12万元,变动了2万元,则会计分录处理为:
借:交易性金融资产――公允价值变动20 000
贷:公允价值变动损益 20 000
同时将变动的损益结转到“本年利润”:
借:公允价值变动损益20 000
贷:本年利润20 000
即公允价值大于账面价值时该交易性金融资产当年实现收益,但在实务操作中该项变动形成的收益并未真正实现,虚增企业当年的未分配利润,高估了企业的收益,使交易性金融资产的账面价值调增了20 000元,不符合会计信息质量要求中的谨慎性原则。
(三)总结
总之,甲公司的这种会计处理方法虽然符合损益类账户特点,符合新会计准则的要求,但是不符合会计信息质量要求中的谨慎性原则。谨慎性要求企业对交易或者事项进行会计确认、计量和报告应当保持应有的谨慎,不应高估资产或者收益、低估负债或者费用。并且这种处理方法还存在人为调整企业年终利润的可能,降低了会计信息的可靠性。因此,对交易性金融资产的会计处理中,公允价值的计量问题值得进一步探讨。
三、建议处理方法
为了保证会计信息的谨慎性和可靠性,针对上述交易性金融资产中“公允价值变动损益”科目年末结转存在的问题,我们建议参考“可供出售金融资产”的后续计量方法,将公允价值变动形成的利得或者损失,直接计入所有者权益,在该金融资产终止确认时转出,计入当期损益。这样处理可以避免将账面利得或者损失直接计入利润,导致企业利润增减变动不谨慎的账务处理方法。
参考文献:
[1]财政部.企业会计准则――应用指南2006[D].北京:中国财政经济出版社,2006.
[2]丁晓燕.交易性金融资产核算及相关问题解析[J].特区经济,2008,(2).
[3]王新红.基于比较视角下交易性金融资产核算特点分析[J].会计之友,2007,(11).
