前言：中文期刊网精心挑选了金融学博士论文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。
金融学博士论文范文1
关键词：管理者过度自信 融资行为 行为金融
一、引言
Myers（1984）倡导的融资优序理论（Pecking Order Theory）是公司融资决策行为中最著名的理论之一，当公司需要为投资项目筹集资金时，首先会考虑利用公司内部资金，其次才是外部资金，在外部资金中负债融资优先于权益融资。融资优序理论在信息不对称的基础上，考虑了成本的问题，认为发行股票进行权益融资会向市场传递不好的信号，因而需要支付更多的外部融资成本，所以企业融资一般会遵循内源融资、债务融资、权益融资这样的先后顺序。和后来的权衡理论（Trading-off Theory）、市场择时理论（Market Timing Theory）等传统的公司财务理论一样，都是建立在理性经济人的假设之上。伴随着资本市场的不断成熟发展，经济学家研究的深入，发现现实资本市场中出现了越来越多的“异象”或者“未解之谜”，这些都无法运用经典的公司金融理论来很好的解释。诸如阿莱悖论、羊群效应、偏好颠倒等。这些迫使学者们开始思考“理性经济人”的合理性，1956年先驱者赫伯特·西蒙将心理因素融入到经济研究中，提出个体“有限理性”的假设。之后，学者们开始了非理性决策的研究。20世纪80年代，随着对公司金融的不断深入研究，行为金融学逐渐兴起，西方学者将心理学引入到对公司金融的研究，拓宽了公司财务学的研究视角，颠覆了之前的“理性人经济人”假设，假设行为人是非理性或者非完全理性的。这不仅有助于弥补财务理论与资本市场中的实际现象之间的鸿沟，同时也开创了一个新的角度来阐释市场中的“未解之谜”。过度自信理论是行为金融学的重要理论，由于心理因素原因，人们在进行财务活动、财务决策时往往存在一定的心理、认知和行为方面的偏差；同时市场中的风险、噪声、套利等也会影响人们的财务决策。Debondt和Thaler（1995）提出过度自信的心理特征是决策心理学中最为稳健的发现之一。从Camerer和Lovallo（1999）和Moore和Kim（2003）的研究也能够看出，大部分企业家都相信自己的能力高于同行或竞争对手。目前的行为金融学大多研究投资者的非理，研究管理者的非理性也大多是从管理者过度自信对投资决策和并购行为的影响方面，很少从融资决策的资本结构方面研究。
二、管理者过度自信成因及其度量指标
（ 一 ）管理者过度自信成因 企业的管理者面对的是复杂非常规的工作，学习效应的作用无法发挥，而管理者又几乎都是高学历的人，位于组织结构顶层，代表着企业处在闪光灯之下，因而他们的过度自信往往强于其他人。（1）自我归因偏差。在工作中，人们总是将成功归因于自己的贡献，相反当出现失误或达不到预期时，往往会认为是外部环境变化等客观原因造成的。这种自我归因的偏差会强化管理者的过度自信的心理特征。（2）难度效应。Lichtenstein和Fischhoff（1997）指出当面对相对复杂和困难的任务时，绝大多数人会表现出一定程度的过度自信。管理者的一个重要角色就是对未来的估计预测，这些预测往往都是基于不确定性的情况，较为复杂。（3）竞争机制。从股东的角度来看，过度自信的管理者低估公司的风险，那么相应的股东所需付出的成本也就相对较低；且过度自信的管理者能够给公司带来更多的机会。因而相对来说股东更愿意聘用自信的管理者，这种公司选拔制度相应的也助长了管理者的自信程度。（4）学习效应的缺失。学习效应是指人们的认知偏差在一定程度上可以通过不断地学习得到修正。而管理者经营公司面对的是复杂多变的情况，所做的投资、融资方面的决策也难以在短期内得到反馈，所以学习效应的效用难以发挥。（5）企业的治理制度。董事会、监事会对管理者的监督程度也对管理者的过度自信产生一定的影响。当公司内部的监督机制较弱时，管理者就无法意识到自己行为上的认知偏差，从而相对强化了过度自信的心理。（6）控制幻觉。控制幻觉是指人们经常相信他们对某种无法控制的时间具有影响力或控制力。自我强化的机制使得他们倾向于高估预期的收益或者低估风险。公司的管理者能够影响公司的最终决策，这种权利和地位容易让他们过于高估和相信自己的能力，能够掌控公司的命运，过于低估其经营失败的风险。
（ 二 ）管理者过度自信度量指标 长期以来，有关管理者过度自信方面的研究一直是实证发展滞后于理论发展，主要是难以找到衡量管理者过度自信的最优指标。目前被学者们广为使用的指标主要有以下几种：（1）管理者股票期权的行权状况和持股状况。Malmendier和Tate（2005a）首先提出，采用CEO个人投资组合的数据来度量过度自信。若管理者在面对很好的行权时机时，仍旧选择继续持有期权直到到期，或者在职期间持续买入本公司的股票，则定义为过度自信。国内郝颖等（2005）根据我国的情况采用任期内高管持股数量变化作为过度自信的衡量指标，若持股数量上升则判定为过度自信。（2）企业的盈利预测偏差。Lin、Hu和Chen（2005）收集台湾市场数据，提出用管理者的盈利预测来度量过度自信，如果CFO预测的向上偏差（预测盈余大于实际的盈余）的数量大于向下偏差（预测盈余小于实际盈余）的数量，则定义为过度自信的管理者。我国的黄莲琴、傅元略（2010）、姜付秀（2009）都采用了这一方法。余桂明等（2006）也采用盈利预测偏差对实证分析进行了稳健性检验。（3）相关主流媒体对CEO的评价。Malmendier和Tate（2005b）在采用CEO个人投资组合的数据来度量过度自信的基础上，进一步结合商业期刊杂志对CEO的描述评价来度量管理者过度自信。（4）消费者情绪指数或企业景气指数。消费者情绪指数是指由美国密西根大学通过对美国消费者进行持续电话调查，根据他们对于当前及预期经济状况的感受而编制的指数。Oliver（2005）采用了消费者情绪指数的高低这一方法来定义管理者是否过度自信。企业景气指数是根据企业负责人对本企业综合生产经营情况的判断与预期而编制的指数，用以综合反映企业的生产经营状况。余桂明、夏新平和邹振松（2006）以国家统计局公布的企业景气指数来衡量管理者过度自信，若指数大于100则定义为过度自信。（5）管理者的薪酬比例。研究表明，管理者在公司内的相对薪酬水平越高，就越显示出他们在公司的地位，也越容易滋生他们过度自信的心理。Hayward和Hambrick（1997）采用第一高的薪酬除以第二高的薪酬的比例来衡量。国内的黄莲琴、杨露露（2011）也以管理者的相对薪酬比例衡量管理者过度自信来进行稳健性检验。（6）根据管理者的个人特征。江伟（2010）以总经理的年龄、任职时间、学历和教育背景作为过度自信的替代变量，认为总经理的年龄越大，任职时间越长，学历越高，拥有理工科背景时，多度自信行为越弱；拥有经管类教育背景时，自信行为越强。（7）企业并购频数。曲春青（2010）在其博士论文中以并购频数作为替代变量，衡量管理者过度自信与金融决策之间的关系。尽管，现在国际上通行的度量方法有以上几种，但是至今没有一种公认的完美方法。例如，由于存在信息不对称，管理者和消费者掌握的信息可能不一致，他们对经济的预期相应的会存在一定的程度的差异，因而以消费者的情绪来衡量管理者的个人特征可能会造成研究结论的偏差。而企业景气指数虽容易获得，但是它所反映的是一个行业的整体状况，很难体现管理者对自身管理能力的认识。我国资本市场上期权发展较晚，存在诸多特殊情况，而高管的持股政策也受多种因素的影响，所以以股票期权、持股数量度量过度自信需要考虑我国的特殊政策等等。所以，再确认度量方法时要综合考虑。
三、管理者过度自信对融资行为的影响
（ 一 ）管理者过度自信与资本结构 （1）融资顺序的影响。Myers（1984）引入信息不对称的概念，提出了融资优序理论，它认为当公司需要为投资项目筹集资金时，首先会考虑利用公司内部资金，当外部资金不足时才会考虑外部资金，在外部资金中负债融资优于权益融资。之后，学者们对优序融资从成本、信息不对称等视角进行了理论和实证的探讨、解释，结论却存在一定的分歧。Heaton（2002）开始从管理者过度自信的影响方面来解释融资优序理论。Heaton将管理者过度自信与自由现金流量结合，不考虑成本和信息不对称，得出自信的管理者需要为新项目进行融资时，会首先选择内源资金和无风险证券，然后才会选择风险证券，最后选择权益融资的结论。Malmendier和Tate（2007）研究发现过度自信的管理者更不情愿发行股票，相对于权益资本他们更喜欢债务资本。证实了Heaton的观点。Oliver（2005）以美国25年以上历史的企业为样本，研究发现当需要外部融资时，过度自信的管理者更倾向于使用债务。Lin，Hu和Chen（2007）以台湾上市公司为样本从管理者过度自信的角度检验了融资优序理论。由于过度自信的管理者往往容易高估项目的价值，低估风险，造成过度投资。过度投资就会使得项目所需资金远远超过实际应需要的资金，出现资金匮乏。因为过度自信的管理者认为外部投资者低估了本公司的股票价值，根据市场择时理论他们不愿意在股票被低估时进行股权融资，认为外部融资成本过高。所以过度自信的管理者会优先选择债务融资。另一方面，信号传递理论认为发行股票会向市场传递不好的信息，股权融资的成本相对较高且相对敏感，相比而言，债务融资的成本低，且不具有敏感性。甚至在资金充裕时，会增加股票回购。但是，Hackbarth（2008）将非理性的管理者分为乐观和过度自信两种，认为虽然乐观或过度自信的管理者都会选择较高的负债水平，发行更多的债务，但是他们却并以一定是遵循一样融资顺序。偏向于高估收益的认知偏差，会与融资优序理论一致。偏向于风险认知的偏差会导致相反的融资顺序，因为他们低估风险，认为股票被市场高估，而债券被市场低估。傅元略（2007）、姜付秀（2009）、江伟（2010）等都从管理着过度自信的角度对融资优序理论进行了不同程度的解释。屈耀辉和傅元略（2007）中国上市公司的样本实证结果遵循融资优序理论。黄莲琴（2009）利用上市公司盈余预告偏差构建管理者过度自信度量指标，发现过度自信管理者的融资决策不仅遵循融资优序理论，而且相对于外部资金，他们更倾向于使用内部资金。黄莲琴、傅元略（2010）以沪深两市2002年至2007年期间A股上市公司为观测值，从管理者过度自信视角考察上市公司的融资决策。在公司内部存在现金流时，过度自信管理者偏好内源融资；当仍需要外部融资时，过度自信管理者比一般管理者使用更多的债务融资。江伟（2010）以总经理的年龄、任职时间、学历和教育背景来衡量过度自信，从公司投资的角度研究管理者的过度自信行为对上市公司内部或者外部融资偏好行为的影响。认为当总经理拥有经管类教育背景时，总经理的过度自信行为越强，因此，总经理更少的利益利用外部融资，公司投资与现金流之间的敏感度越强。研究结果支持了Heaton（2002）对融资优序的新解释。但现有的很多研究也表明我国的上市公司具有较强的股权融资偏好。高晓红（2000）研究发现中国的上市公司存在着严重的股权融资偏好。陆正飞（2004）研究进一步解释中国上市公司股权融资偏好的原因。邢光媚（2010）在其博士论文中从管理层的内部控制、政治动机对决策的影响、保持自身控制力对决策的影响、政府偏袒对决策的影响这几个方面讨论了由于我国独具特色的体质因素，使得管理者非理性的行为在融资上表现出明显的股权偏好。这是由于中国资本市场不完善，债券市场相对不够发达，发行债券手续复杂，审批困难，导致企业发行债券受到一定的波折。而股权融资则比较容易，相对来说，股权融资成本低，这与融资优序理论中的假设“企业的股权融资成本及风险都要高于债权融资”不符合。所以在研究中国市场具体的融资顺序时要综合考虑这一因素的影响。（2）负债融资率的影响。管理者过度自信对负债融资率的影响，学者们之间的观点比较一致，都认为管理者过度自信的公司拥有更高的负债水平。他们高估收益低估风险，认为公司陷入财务危机的可能性很小。Oliver（2005）实证研究发现管理者过度自信的程度与债务融资比率正相关。Ben-David、Graham和Harvey（2007）把管理者定义为CFO，发现过度自信的CFO偏向于使用更多的债务。Barros和Silveira（2007）利用巴西上市公司的样本数据研究发现管理者过度自信与企业杠杆比率正相关。余明桂，夏新平和邹振松（2006）以企业景气指数衡量管理者过度自信，考察其与企业的负债水平及债务期限结构的关系，认为过度自信与资产负债率尤其是短期负债率显著正相关，过度自信的管理者采用激进的负债政策。
（ 二 ）管理者过度自信与债务期限结构 Landier和Thesmar（2004）以法国公司为样本，发现过度自信的管理者在债务融资时更多的利用短期负债，而理性的管理者却偏好相对风险较低的长期负债。Hackbarth（2004）认为过度自信的管理者会选择更高的债务比例，更为频繁的发行负债，这样使得债务的期限结构变短。Lin、Hu和Chen（2007）发现与费过度自信的管理者相比，过度自信的管理者与发行债务和融资赤字具有显著的关系。这是因为一方面乐观主义者高估好的状态发生的可能性，高估公司的经营能力和项目的盈利能力，认为公司不会陷入财务危机，因而倾向于选择成本较低的短期负债。而理性现实主义者则会选择长期负债，这样可以缓解各期的还贷压力。另一方面，过度自信的管理者会高估投资项目的回收期限，期望的投资回收期一般比实际要短，因此他们选择短期负债。与Hackbarth等相反，Ben-David、Graham和Harvey（2007）却得出管理者过度自信会更多的采取长期负债作为债务融资方式的结论。国内有关债务期限结构方面的影响相对较少，余桂明等（2006）的实证结论表明管理者过度自信与债务期限结构（短期负债/总负债）呈现出显著的正相关关系。陈收、陈丽丽（2009）也得出了过度自信的管理者更倾向于采用短期负债作为融资手段。周明（2010）与Ben-David、Graham和Harvey的观点一致，通过实证检验得出管理者过度自信的上市公司更乐于发行长期负债。认为过度自信的管理者依相信项目能够产生持续的现金流，长期负债的筹资额更大，能够更好的满足未来的投资需要。
四、结语
随着行为金融学的快速发展，关于管理者非理性与公司融资决策的研究也越来越多。本文梳理了近年来国内外研究二者之间关系的文献，发现长期以来，关于二者之间的研究，实证研究一直滞后于理论的发展，大多数学者只是从理论或者模型上进行推论，原因在于难以找到合适的替代变量来衡量管理者过度自信。我们也只是从管理者过度自信的角度探讨了二者之间的关系。还有那些个人特征会影响管理者制定公司决策？这些影响过度自信的特征他们的作用程度，相互之间的影响都值得我们进一步探讨。Besharov（2002）发展了一个模型，将过度自信、后悔厌恶、和双曲贴现结合起来，发现这偏差之间的作用可以相互抵消。另外绝大多数的研究都是基于管理者代表股东的利益，没有考虑成本的影响，当管理者过度自信时，他们认为自己代表股东的利益。企业价值的损失也只是由于管理者对企业利益的曲解引起的。关于行为金融非理性人的研究主要有两个方面，一个是假定管理者理性，而从投资者非理性，另一个是假定投资者理性理性，而管理者非理性。当前关于行为金融的研究都是基于投资者或者基于管理者分开研究的。但是二者之间可能会有相互作用，投资者的非理可能会影响管理者的个人特征。未来我们也可以考虑探讨二者非理共存时相互作用机制的影响。管理者过度自信的研究都是从投资、融资、并购等角度来进行的，很少具体探讨由此对公司价值造成的影响，或者武断的认为过度自信对投资、融资、并购的影响会造成企业价值的减损。但是最近已有研究认为过度自信的管理者在工作中会投入更多的努力，一定程度的过度自信对公司金融决策的影响，能够提升企业价值。那么，在正反作用都存在的情况下，最终过度自信会对企业价值造成何种影响呢？为此，未来我们有必要深入探讨其对企业价值的影响，从而对其进行针对性的规范和防范。
参考文献：
[1]郝颖、刘星、林朝南：《我国上市公司管理人员过度自信与投资决策的实证研究》，《中国管理科学》2005年第5期。
[2]黄莲琴、傅元略：《管理者过度自信与公司融资策略的选择》，《福州大学学报》2010年第4期。
[3]姜付秀、张敏、路正飞等：《管理者过度自信、企业扩张与财务困境》，《经济研究》2009年第1期。
[4]余明桂、夏新平、邹振松：《管理者过度自信与企业激进负债行为》，《管理世界》2006年第8期。
[5]江伟：《管理者过度自信，融资偏好与公司投资》，《财贸研究》2010年第1期。
[6]傅强、方文俊：《管理者过度自信与并购决策的实证分析》，《商业经济与管理》2008年第4期。
[7]曲春青：《管理者过度自信对公司金融决策影响的实证研究》，《东北财经大学博士学位论文》2010年。
[8]屈耀辉、傅元略：《优序融资理论的中国上市公司数据验证——兼对股权融资偏好再检验》，《财经研究》2007年第33期。
[9]黄莲琴：《管理者过度自信与公司融资行为研究》，《厦门大学博士学位论文》2009年。
[10]高晓红：《产权效率与市场效率：我国上市公司股权融资偏好分析》，《投资研究》2000年第8期。
[11]陆正飞、叶康涛：《中国上市公司股权融资偏好解析》，《经济研究》2004年第4期。
[12]邢光媚：《行为金融学视角下地我国上市公司融资偏好研究》，《吉林大学博士学位论文》2011年。
[13]周明：《管理者过度自信与企业融资关系研究》，《大连理工大学博士学位论文》2010年。
[14]Modigliani，F.and M.H.Miller. The Cost of Capital， Corporation Finance and the Theory of Investment. American Economic Review， 1958.
[15]DebondtW，Thaler.， Financial Decisional making in Market and Firms：A Behavioral Perspective. In Jarrow R A，Maksmi ovieV，ZiembaW T，（eds.）Finance Handbooks in Operations Research and Management Science.Elsevier，New York，1995.
[16]Camerer，C.and D.Lovallo， Optimism and Excess Entry： An Experimental Approach. American Economic Review，1999. [4]Moore D A，Kim T G.Myopic social prediction and the solo comparison effect.Journal of Personality and Social Psychology.2003.
[17]Fischhoff B，Slovic P，Lichtenstein S. Knowing with Certainty： the Appropriateness of Extreme Confidence. Journal of Experimental Psychology： Human Perception and Performanee， 1977.
[18]Lin，Y.，S.Hu and M.Chen， Managerial Optimism and Corporate Investment： Some Empirical Evidence from Taiwan， Pacific-Basin FinanceJournal， 2005.
[19]Oliver，B.R.， The Impact of Management Confidence on Capital Structure. Working Paper Series in Finance no.05-05，Australian National University. 2005.
[20]Hayward L.A.M. and Donald C.H.， Explaining the premiums Paid for Large Acquisitions： Evidence of CEO Hubris. Administrative Science Quartely，1997.
[21]Barros and Silveira. Overconfidence，Managerial Optimism and the Determinants of Capital Strueture.SSRN Working Paper. 2007.
[22]Malmendier，U.，and G.Tate.， CEO Overconfidence and Corporate Investment. Journal of Finance，2005.
[23]Myers，Stewart C.， The Capital Structure Puzzle.Journal of Finance，Papers and Proceedings，July， 1984.
[24]Heaton J.B. Managerial optimism and corporate finance. Financial Management. Tampa， 2002.
[25]Lin Y.， Hu S.and Chen M. Testing pecking order Prediction from the viewpoint of managerial optimism.Pacific-Basin Finance Journal，2008.
金融学博士论文范文2
我对货币供给理论的兴趣始于30年前。1985年我和邓乐平、周慕冰刚刚考入中国人民大学财金系黄达老师门下攻读博士学位时，黄达老师就是因为承接了国家社科基金“七.五”重点课题“货币供求量问题研究”，招收学生同时也解决了课题的完成人手问题。当是之时，曾康霖老师所带的两名硕士生邓乐平和周慕冰的论文选题恰好是货币需求和货币供给问题，所以招收邓周顺理成章，邓乐平入学后博士论文仍以货币需求为题，周慕冰则继续做自己的货币供给问题研究，为了增强这个“七.五”重点课题的现实感、时代感，黄达老师在“货币供求问题研究”课题组还特别吸纳了央行的两名同志：吴晓灵和王庆彬，吴晓灵当年从五道口硕士毕业到央行工作，已暂露头角，而王庆彬外号叫“王现金”，从事了一辈子货币流通和现金管理工作，有丰富的操作经验。当年的社科重点课题只有5万元经费，但在黄老师的领导下，这5万元每年开一次全国性讨论会（分别于黄山、北戴河和大连），还出了5本书，在今天看来，这简直是不可思议的事儿。现在的各种论坛和研讨会多是罗马大会性质甚至比罗马大会还糟，主要请一些大领导，大领导来念稿子，念完稿子拿高额出场费后走人，举办会议方注重的是媒体报道情况和论坛收益状况，至于讨论的问题，并不是真正的关注点；但当年的理论研讨会，都是真讨论真研究，从经济学界的巴山轮会议、莫干山会议及至1989年的京丰会议都是认真讨论问题的，而黄达老师每年组织一次的货币供求理论研讨会更是研讨会中的典范，每次会议都就中国的货币供求及货币政策问题进行认真研讨，每次研讨中都有争论和碰撞，我与邓乐平、周慕冰还有王传伦老师名下的学生贝多广，每次都受益多多。
中国人民银行1984年开始行使央行职能，而此前人行也像商业银行一样办理工商企业贷款业务。所以，我们这三位首届金融学博士生正赶上中国金融改革在体制和政策上的风云变幻年代。此前的货币供给理论以黄达先生的银行资产业务创造信用创造货币为代表性理论，而到中国人民银行成为行使央行职能的调控型机构后，货币供给理论也开始尝试用西方的央行控制基础货币、货币乘数影响货币存量、央行政策工具调控货币乘数这一套东西来说明和解释中国的货币供给实践，周慕冰的博士论文《经济运行中的货币供给机制》就是用现代货币理论观点解释货币供给机制问题的开山之作。
盛松成的新著《供给》是在他于1993年出版的《现代货币供给理论与实践》的基础上，总结了二十多年来国内外央行货币政策操作实践的新问题新经验之后，推出的又一部力作。盛本人认为该书对中国的货币供给理论研究和货币政策实践具有以下意义：（1）研究货币供给过程对货币政策操作具有重要意义；（2）研究数量型调控方式在我国未来较长时期中仍具有重要意义；（3）一般意义上的价格型调控仍会涉及货币供给；（4）研究货币供给过程是中央银行调控的需要。从以上四点自我评价看，盛松成本人更重视的是《供给》一书的实践参考价值。但我认为该书的理论意义，即在货币供给理论总结方面的里程碑贡献也不容忽视。
两篇序言，吴晓灵序四平八稳高屋建瓴，余永定序则深入细致坦率陈词，在中国为人作序的名人中，能认真地读一读求序作品并直言不讳地指出作品的欠缺或不足，余永定可能是绝无仅有之人。这不能不让人心生敬意。由此可见，余永定的真学问和真性情。余永定在序言中用很长的篇幅讨论货币创造过程和M1与M2之间的关系，这让人想起40多年前，货币学派与后凯恩斯学派在大辩论中一直明确提出的一个辩论主题，即货币供给的内生性和外生性问题，对这个问题的不同回答直接影响人们对货币政策是否重要、货币政策能否独立有效地发挥作用这两个根本问题的判断（1968年11月14日，在纽约大学工商管理研究生院第七届亚瑟・K・所罗门讲座上，沃特・海勒和米尔顿・弗里德曼分别代表凯恩斯主义和货币主义进行了一场经济学史上里程碑式的辩论，辩论内容被记录在次年由W.W. 诺顿出版社出版的《货币政策与财政政策的对话》一书中）。余永定在序言中认为M1是由货币政策决定的，M2中的定期存款则是公众行为决定的。这个结论让我颇感疑惑，因为M1中的现金取决于家庭持币行为，活期存款多寡，企业和家庭愿意保持什么样的定期存款比例或活期存款比例，这本身又是由经济体系中的微观主体行为决定的，而不取决于央行的货币政策。
金融学博士论文范文3
【关键词】指数跟踪；跟踪误差；因子模型
一、国外相关文献
1.基于均值一方差模型的研究
均值一方差指数跟踪模型就是采用Markowitz提出的均值一方差模型对指数跟踪问题进行研究，权衡跟踪组合的期望收益与跟踪误差。Hodges（1976）对标准的Markowitz优化模型的权衡曲线与超过目标指数收益及其方差的权衡曲线进行了比较。Perold（1984）指出指数跟踪可以用均值一方差模型，他将指数跟踪定义为寻找收益尽可能接近基准指数收益的证券组合。Haugen和Baker（1990）研究了指数跟踪中运用均值一方差模型的问题。他们认为通过考虑跟踪组合与目标指数收益的相互关系，可以用三种方法（贝塔值，决定系数，波动性）测度跟踪组合的跟踪能力。Roll（1992）通过引入了现资组合理论中较为经典的构建EV（均值―方差）模型的研究方法对指数化投资中典型的跟踪误差最小化模型做相应的研究，并将研究结果和现资组合理论中最优EV模型做了比较。Franks（1992）研究了基于基准组合的跟踪时采用均值一方差模型的问题，表明通过最小化跟踪误差可以以低风险取得相近于基准组合的收益。Rohweder:（1998）以跟踪误差最优化为目标，提出了目标函数中有交易成本约束的均值一方差模型跟踪指数，他指出了采取消极的指数跟踪策略的合理性。Wang（1999）以均值一方差模型为框架研究了既最小化交易成本又最小化跟踪误差等的多目标指数跟踪问题。
用均值一方差模型研究指数跟踪可以得到比较完美的解析解，但该模型有非常强的假设且仅考虑了收益的前二阶矩，对可赎回债券，抵押债券等不具有对称收益证券的指数跟踪无能为力。
2.基于因子模型的研究
最早用因子模型对指数跟踪问题进行研究的是Rudd（1980），他将交易成本考虑到因子模型的目标函数中，用单因子模型给出了一个简单的指数跟踪结构模式，结果他指出跟踪组合与目标指数高度相关。Stock and Watson（1988）认为因子序列是纯随机游走的。Larsen和Resnick（1998）指出小盘股的跟踪组合比大盘股跟踪组合有更大的跟踪误差标准差，并认为决定跟踪组合的跟踪业绩的不是构成跟踪组合的成分证券的行业而是市值。Forni等（2000），Stock and Watson（2002），假定因子序列是平稳的，但排除单整的情况，这种假定太过严格.Corielli和Marcellino（2002）则基于动态因子模型考虑了指数成分证券动态变化的特征，通过最小化损失函数的方法来解决跟踪组合的最优化问题。Frino等（2002）通过对影响跟踪误差的要素进行多因子回归分析，研究了澳大利亚指数基金的跟踪能力和跟踪误差的影响因素。进一步，Frino等（2004）通过多因子回归分析，研究了不同跟踪误差度量方法对指数跟踪业绩的影响。而Bamberg和Wagner（2000）研究了最优跟踪组合的求解中运用线性回归法的问题，结果发现古典线性回归最小二乘法的一些经典假设就此线性回归模型并不成立，但他们认为这不影响求解最优化指数跟踪问题中对该回归方法的应用，并提出最小二乘法的假设限制可采用鲁棒性回归法来避开。Bai和Ng（2004），不仅考虑了因子序列的平稳性，还考虑了单整的情况。
指数跟踪的因子模型的解释能力随着因子的增加而增强，但因子模型要求对因子进行识别，其难处在于无法识别所有的相关因子，也不能明确地给出因子的个数.Forni等（2000）建议用解释价格方差的百分比来决定因子的数量，Stock and Watson（2002）建议先用一个大的因子数量，然后再根据一定的信息标准选择因子的数量；Bai and Ng（2002）提出了一个多元信息标准来选择因子数量，并说明了当样本规模足够大时，该方法表现良好；Francesco Corielli and Massimiliano Marcellino（2006）借鉴Forni等（2000）的建议用解释价格方差的百分比来决定因子的数量，建立长期因子的复制组合，并对基于因子模型的指数跟踪与最小二乘法的指数跟踪进行蒙特卡罗模拟实证对比分析，得出了基于因子模型的指数跟踪更优的结论。
国外相关研究尽管把因子模型与指数跟踪相结合，但是他们同时考虑指数跟踪的实际约束，考虑各种跟踪误差模型的对比研究也较少。
3.指数跟踪的均值一绝对偏差模型的研究
除基于因子模型的线性指数跟踪模型外，还有其他线性指数跟踪模型。Worzel和Zeniou（1994）提出了一种线性模型来跟踪固定收益证券指数，即均值一绝对偏差模型来最优化跟踪组合。他们认为要尽可能好地跟踪指数可以通过最小化向下风险而不是最大化收益。Markus Rudolf，Hans-Jurgen Wolter，Heinz Zimmermann（1999）把跟踪误差定义为投资组合收益率与基准投资组合收益率之间的差值，并提出了四个线性的跟踪误差最小化模型，即最小最大化（MinMax）模型、向下最小最大化（Downside MinMax）模型、均值绝对偏差（Mean Absolute Deviation，MAD）模型、向下均值绝对偏差（Mean Absolute Downside Deviation，MADD）模型。同时，作者利用真实数据对四种线性模型和Roll的二次型模型进行了对比。结果表明，线性规划模型优于二次规划模型，这为跟踪误差的计量方法提供了另一种思路。Consiglio和Zenios（2001）采用Worzel和Zeniou提出的均值一绝对偏差模型研究了债券指数跟踪问题。
4.指数跟踪的其他优化算法的研究
在以上指数跟踪优化模型和优化方法的基础上，一些学者还采用了相对更为复杂的方法来研究优化跟踪组合的问题。Meade和Salkin（1989）为使跟踪组合与目标指数具有相似的特征对跟踪组合进行约束，并采用二次规划方法对跟踪误差进行近似求解。进一步，Meade和Salkin（1990）假设目标指数收益满足自回归条件异方差过程，考察了指数跟踪问题。Baestaens等（1995）和Zorin等（2002）研究了指数跟踪中采用神经网络算法进行优化的技术。Eddelbuttel和Marseilles（1996）则对寻找最优跟踪组合时采用混合遗传算法进行了研究。此外，Gilli等（2001）对交易成本有门槛值的指数跟踪采用启发式算法进行了研究。进一步，Beasley等（2003）采用启发式算法对交易费用约束情况下的指数跟踪技术进行了研究，详细论述了如何将指数化投资中的组合创建及平衡问题转化为最优规划问题，并介绍了如何利用遗传算法求解规划求解问题中的全局最优解。Pre等（2002）采用随机控制和顺向优化法对指数跟踪的优化问题进行求解。Yao等（2003）采用随机线性二次控制法和半定规划法对指数跟踪进行优化求解。
二、国内相关文献
1.关于指数跟踪的研究
高用深等（2000）介绍了管理指数基金的跟踪组合的相关内容：包括构建初始证券组合；现金红利收入再投资等。严武等（2000）对指数基金完全复制法、优化选样法和分层抽样法进行了介绍。马永开和唐小我（2001）对在市场无摩擦的假定条件下，假定投资管理者的证券组合和目标证券组合各自拥有自己的投资对象集，给出了一般情况下的基于跟踪误差的证券组合投资决策模型和模型的最优解，研究了对应最优投资策略的有效性和相对有效性，并对此最优投资策略进行了结构分析。此外，陈辰等（2001）提出了一种利用聚类分析和MTV模型以不完全复制构成资产组合去逼近市场综合指数的方法，从上海股票市场中任意选取50种股票，并使用本方法抽取不超出10种股票，用它们的组合去跟踪上证综合指数，取得了比较满意的跟踪效果。倪苏云等（2001）介绍了四种线性跟踪误差最小化模型，并建立了相应的线性规划模型，并将其与非线性模型进行了比较，指出了线性跟踪误差最小化模型所具有的优点。张玲（2002）将ETFs的跟踪误差分解为净值跟踪误差和价格一指数跟踪误差，并提出了跟踪误差的测算方法。陈立新等（2002）研究了如何减少投资组合跟踪指数的误差。刘柏清等（2002）把随机脉冲控制理论运用于均值一方差模式下指数跟踪的现金管理问题，他考虑回报率与现金比重变化的关系，讨论了证券指数跟踪最优化问题，得出了何种条件下可用简单脉冲控制策略。范龙振等（2002）运用主成分分析法得出上海和深圳股票市场的综合指数和A股指数可以反应各自市场的变化，而其他指数对各自代表的股票市场变化不能反映。他们指出利用多因子定价模型，结合优化方法和统计分析，从每个股票市场上选取20只左右股票，经过组合就可以得到与指数相近的收益。林飞（2003）在其博士论文“指数化投资理论方法及实证研究”中，在借鉴国外有关研究成果的基础上进行了创新，并结合我国证券市场的实际情况，运用了包含统计抽样、相关分析、回归分析、聚类分析、时间序列分析等统计方法和其它量化科学的若干研究方法，对标准型指数基金的指数化投资管理中涉及的主要理论、方法及相关实际问题做深入的理论探讨与实证分析。马骥、邓清（2004）在“指数基金与跟踪误差优化模型”一文中，研究了跟踪误差最小化的两种模型：二次优化模型和线性优化模型。并认为线性跟踪误差模型能够更加准确地体现投资者对待风险的态度和定位于特定目标。因此，在实践中应该采用绝对偏差最小化来取代偏差的平方最小化的方法。马骥（2004）在“跟踪误差的风险分析”一文中，为了明确指数基金所面临风险的大小以及风险的来源，采用回归模型、相关系数和多因素模型对跟踪误差的方差进行分析，给出并且证明跟踪误差方差分解的一般表达式。此外，陈绍胜（2005）在“指数型基金跟踪误差的实证分析”一文中，基于跟踪误差对于我国部分基金进行了一定程度的实证分析，指出在我国金融市场中，指数基金往往会因为标的指数成份股数量不同而产生很大差异，标的指数成份股越多，相对应指数基金的跟踪误差就越大；复制型基金完全复制策略下的跟踪误差要比增强型指数基金非完全复制策略下的跟踪误差要小；大额申购与赎回对指数基金跟踪误差产生明显影响。因此，指数型基金投资组合的构建应坚持被动投资，而力避主动投资。范旭东（2006）主要研究在跟踪误差约束条件下的指数化投资组合的构建与管理，其基本思路是在引进跟踪误差的概念后，详细阐述了在跟踪误差约束条件下的优化指数投资组合的构建与管理，包括初始投资组合的构建以及对投资组合进行的动态调整。李俭富（2006）以市场有效理论和现代组合投资理论基础，以数理统计和计量经济为技术手段，运用多门经济管理学科的知识，针对已有指数跟踪管理问题研究的不足，结合当前我国证券投资基金指数化投资的实际情况，对指数跟踪管理问题进行较全面的梳理和深入的研究，发展和完善了指数跟踪管理方法，为我国证券投资基金的指数跟踪管理提供了方法上的准备。张帆（2007）主要应用固定跟踪误差优化模型来构建一个动态的增强型指数基金，并考虑到我国现实状况，加入卖空限制条件进一步研究构建组合的变化情况。
但国内关于指数跟踪研究以收益率层面的跟踪误差最小化为目标的居多，以价格层面的跟踪误差最小化为目标的较少；指数价值直接从数据库引用的居多，考虑指数的权重信息而重新计算的较少。
2.关于因素模型的研究
国内把因素模型与指数跟踪直接联系起来的很少，大都是把因素模型应用于投资组合的研究，如张卫国（1998）研究了证券收益率由多因素产生的证券组合投资优化问题，建立了不同投资约束条件下直接确定有效证券组合的模型，并给出了算法.李颖等（2002）通过对多因素模型在投资管理领域中的应用研究，揭示了多因素模型在风险控制、收益预测、指数化组合构建、投资策略选择等投资领域具有较广泛的应用前景。李博（2003）用单因素模型和四因素模型进行实证研究得出，平均流通市值的自然对数和平均短期历史收益率对股票组合收益率的解释能力高。陈守东等（2003）针对上证180指数样本股和深证100指数样本股以及二者之和分别建立了FF多因子模型，并进行了检验和比较分析。使用的方法是最小二乘法和广义距估计方法（GMM）。结果表明FF多因子模型对于中国股市是基本适用的。王秀国，邱菀华（2006）研究了积极投资组合更一般的风险收益关系，提出了传统跟踪误差模型和均值方差模型的统一形式。宿成建（2006）实证结果显示：多因素模型能有效地找出股票定价的关键因素，而三因素模型能够对资产价格主要因素进行定价。
三、简评
指数跟踪问题的研究是不断发展的，从简单的跟踪误差最小化到考虑跟踪组合收益以及各种跟踪约束，从跟踪误差的定义到对产生跟踪误差的各个因数进行分解。指数跟踪的模型、约束条件和算法也开始从简单逐渐复杂化。采用新的数量化方法研究指数跟踪，多阶段和动态指数跟踪，积极指数跟踪等都成为研究指数跟踪问题的发展方向。
总体上说，相比国外而言，目前国内对于相关理论的研究仍处于起步阶段，并具有一定的滞后性，进行全面系统研究的较少；以收益率层面的跟踪误差最小化为目标的居多，以价格层面的跟踪误差最小化为目标的较少；指数价值直接从数据库引用的居多，考虑指数的权重信息的较少；考虑股价的动态因子模型，将因子模型与指数跟踪直接结合的也很少。国外相关研究尽管把因子模型与指数跟踪相结合，但是他们同时考虑指数跟踪的实际约束，考虑各种跟踪误差模型的对比研究也较少。
参考文献
[1]Hodges S D.Problems in the aPPlication of Portfolio selection models[J].omega,1976,4(6):699-709.
[2]Perold A F.Large scale Portfolio optimization[J].Journal of Management Science,1984,30(10):1143-1160.
[3]Haugen R A,Baker N L.Dedicated stoek portfolios[J].Journal of Portfolio Management,1990,16(4):17-22.
[4]Roll R.A mean/variance analysis of tracking error[J].Journal of Portfolio Management,1992,18(4):13-22.
[5]Franks E C.Targeting excess-of-benchmark return[J].Journal of Portf0lio Management,1992,18(4):6-12.
[6]Rohweder H C.Implementing stock selection ideas:Does tracking error optimization do anygood?[J].Journal of Portfolio Management,1998,24(3):49-59.
[7]Wang M Y.multiple benchmark and multiple Portfolio optimization[J].Financial Analysis Journal,1999,51(1):63-72.
[8]Rudd A.Optimal selection of Passive Portfolios[Jl.Financial Management,1980,9(1):57-66.
[9]Stock,Watson.Testing for common trends[J].Journal of the American Statistical Association,1988,83:1097-1107.
[10]Larsen J G A,Resnick B G Empirical insights on indexing[J].Journal of Portfolio Management,1998,25(1):51-60.
[11]Forni,Lippi,Reichlin.The generalized factor model:Identification and estimation[M].The Review of Economic and Statistics,2000,82:540-554.
[12]Stock,Watson.Macroeconomic forecasting using diffusion indexes[J].Journal of Business and Economic Statistics,2002,20:147-162.
[13]Corielli F,Marcellino M.Factor based index tracking[R].省略/pubs/dps/DP3265.asp,2002,Working papers.
[14]Chiang W.Optinizing Performance[M].Indexing for Maximum Investment Results,GPCo Publishers,1998.
[15]Frino A,Gallagher D R,Neubert A,Oetomo T N.Index design and implications for index tracking[J].The Journal of portfolio Management,2004,30(2):89-95.
[16]Bamberg G Wanger N.Equity index replication with standard and robust regression estimators[J].operation Research Spektrum,2000,22(4):525-543.
[17]Bai,NG.A panic attack on unit roots and cointegration[J].Econometrica,2004,72:1127-1177.
[18]Bai,NG.Determining the number of factors in approximate factor models[J].Econometrica,2002,70:191-223.
[19]Francesco Corielli,Massimiliano Marcellino.Factor based index tracking[J].Journal of Banking ＆ Finance,2006,30:2215-2233.
[20]Worzel K J,Zeniou C V,Zenions S A.Integrated simulation and optimization models for Tracking indices of fixed-income securities[J].Operations Research,1994,42(2):223-233.
[21]Rudolf M,Wolter H J,Zimmernann H.A linear model for tracking error minimization[J].Journal of Banking ＆ finance,1999,23(1):85-103.
[22]Consiglio A,Zenios S A.Integrated simulation and optimization models for tracking International fexed income indices[J].Mathematical programming,2001,89(2):311-339.
[23]Meade N,Salkin G R.Index funds-construction and Performance measurement[J].Journal of Operational Research society,1989,40(10):871-879.
[24]Meade N,Salkin G R.Developing and maintaining an equity index fund[J.Journal of the Operational Research Society,1990,41(7):599-607.
[25]Baestaens D E,Bergh V D.Tracking the Amsterdam stock index using neural networks[M].Neural Networks in Capital Markets,edited.Refenes AP John Wiley sons,1995,149-161.
[26]Zorin A,Borisov,A.Traditional and index tracking methods fOr Portfolio construction by Means of neural networks[Jl.Information Technology and Management Science,2002,1-9.
[27]Eddelbuttel D,Marseilles.A hybrid genetic algorithm for passive management[R].Second Conference Computing in Economic and finance,Society of computational Economics,Geneva,Switzerland,1996,Working Paper.
[28]Gilli M,Kellezi E.Threshold accepting for index tracking[R].unige.ch/ses/metri/gilli/portfolio/Yale-2001-IT.Pdf,2001,Working Paper.
[29]Beasley J E,Meade N,Chang T J.An evolutionary heuristic for the index tracking Problem[J].European Jounral of Operational Research,2003,148(3):621-643.
[30]Pre P D,Runggaldier W J,Tolotti M.Pathwise optimalit for benchmark tracking[R].httP://math.uniPd.it/～ runggal/DPTrevised.Pdf,2002,Wbrking PaPer.
[31]Yao D D,Zhang S Z,ZhouXY.Tracking a financial Benchmark using a few assets[R].httP://se.cuhk.edu.hk/～ zhang/RePorts/seem2003-10.txt,2003,Wbrking PaPer.
[32]高用深,权丽平.指数基金探析[J].山西财经大学学报,2000,22(5):90-92.
[33]严武,洪道麟.我国指数基金运作与绩效研究[J].统计研究,2000,12:30-35.
[34]马永开,唐小我.基于跟踪误差的证券组合投资决策模型研究[J].系统工程理论与实践,2001,12:11-16.
[35]陈辰,范龙振,叶锋.指数证券组合模拟市场指数的聚类MVT方法[J].管理工程学报,2001,15(4):23-28.
[36]倪苏云,吴冲锋.跟踪误差最小化的线性规划模型[J].系统工程理论方法应用,2001,10(3):198-201.
[37]张玲.ETFs跟踪误差产生的原因探讨[J].证券市场导报,2002,11:44-49.
[38]陈立新,刘建.减小指数投资组合跟踪误差的研究[J].辽宁工程技术大学学报,2002,21(3):383-385.
[39]刘柏清,朱正佑,秦成林,李华.具有非常数回报率的证券指数跟踪问题的简单脉冲控制[J].上海大学学报,2002,8(1):68-72.
[40]范龙振,王海涛,何华.我国股票市场指数及指数证券投资组合[J].管理科学学报,2002,5(5):11-17.
[41]林飞.指数化投资理论、方法及实证研究[D].厦门大学博士学位论文,2003.
[42]马骥,邓清.指数基金与跟踪误差优化模型[J].哈尔滨商业大学学报(社会科学版),2004(1).
[43]马骥.指数化投资[D].吉林大学博士学位论文,2004.
[44]陈绍胜.只是基金跟踪误差的实证研究[J].当代经济科学,2005,4.
[45]范旭东.跟踪误差与优化指数投资策略―理论分析与实证研究[D].成都:西南财经大学,2006.
[46]李俭富.基于我国证券市场的指数跟踪管理方法及应用研究[Z].成都:电子科技大学,2006.
[47]张帆.动态构建增强型指数基金[Z].厦门:厦门大学,2007.
[48]张卫国.多因素模型下有效证券组合的算法[J].固原师专学报,1998,19(6):
9-13.
[49]李颖,汤果,陈方正.多因素模型在投资管理中的应用[J].华东经济管理,2002,16(5):95-97.
[50]李博.多因素资产定价模型的实证研究[J].商业研究,2003,21(281):54-58.
[51]陈守东,孟庆顺,赵云立.中国股票市场FF多因子模型的比较分析[J].吉林大学社会科学学报,2003(5):93-98.
[52]王秀国,邱菀华.跟踪误差多因素投资组合决策模型[J].财务管理,2006,18(11):
59-63.
[53]宿成建.中国证券多因素及三因素定价模型实证研究[J].系统工程理论与实践,2006(8):17-26.
作者简介：
刘建和，博士，浙江财经学院金融学院副教授，主要从事证券市场方面的研究工作。
金融学博士论文范文4
Wang Juan； Fan Jiulun
（①西安邮电学院信息安全研究中心，西安 710061；②西安交通大学经济与金融学院，西安 710061）
（①Research Center of Information Safety，University of Posts and Telecommunications，Xi'an 710061，China；
②School of Economics and Finance，Xi'an Jiaotong University，Xi'an 710061，China）
摘要： 由于Internet的开放性、国际性和自由性，以及IP 网络自身较差的网络安全性，使IP 网络的安全面临更多更大的威胁。对于IP网关键资产的识别和价值研究是IP风险评估的关键性工作，将IP网的资产分为物理资产、信息资产和服务资产三类，并对其进行了统一口径的赋值，给出了详细的现值计算赋值公式，为IP网的风险评估提供了基础。
Abstract: Due to the attribute of Internet, open, international and freedom, and the IP network itself is poor in network security, IP network security is facing more and greater threats. The identification and value of assets of IP network is key to risk assessment of IP. This article set IP network assets into three types，that is physical assets, information assets, and services assets. And it gives uniform formula, and presents value of the assets. It forms foundation for the IP network risk assessment.
关键词： IP网 关键资产 价值
Key words: IP network；Critical Asset；value
中图分类号：TP393文献标识码：A文章编号：1006-4311（2011）15-0179-02
0引言
传统电信网包含电话业务网、电信传送网和电信数据网。在我国，由于管理部门的职责是明确的，确保网络是安全的、是可信任的；主管部门及其网络运营商负责网络的安全问题，国内安全部门等相关机构负责信息安全问题，并监管密码技术不得滥用，以免危及国家安全。因此，传统电信网总体上是一个安全的网络和可信任的网络。但从上世纪90年代中期以来，新业务及传统电信业务的迅速IP化，终端设备的智能化，互联网的迅猛发展，电信网络由封闭的、基于电路交换的系统向基于开放、IP数据业务转型，网络规模愈来愈大，网络的安全问题也越来越突显。随着新技术引入、设备引进、网络开放互连、自然灾害和突发事件的存在，造成了我国电信网的脆弱性问题日益突出。互联网的不可控制，不可管理、只保证通达、把安全问题交给用户等网络设计理念，更进一步恶化了网络的安全性。
由于Internet的开放性、国际性和自由性，以及IP网络自身较差的网络安全性，使IP网络的安全面临更多更大的威胁。因此，如何在新时期的电信网络上采取措施保障信息服务的安全，将IP网络建成真正安全、可靠的信息化基础网络，是新时期电信企业发展要解决的重要问题之一。
IP网络所要保护的对象是资产，必须针对资产才能产生威胁和影响，完成与实现IP网络只有通过资产载体。因此分析评估工作必须以关键资产为核心进行，根据IP网络分析的结果识别出IP网络系统的关键资产。
1资产识别
在IP网络中，资产有多种表现形式，首先需要将IP网络中相关的资产进行恰当的分类，以此为基础进行下一步的风险评估。出于安全分析的目的，将IP网络的资产分为三大类：物理资产、信息资产和服务资产。
1．1 物理资产物理资产是最直接的。通常，安全审查着重于保护那些对持续运转非常关键的设备（如，路由器、交换机，数据存储设备和主机等）。基础设施支持服务资产和信息资产安全的生产，维护和使用。评估任何单个设备的重要性都依赖于首先确定关键的网络构成成分和位于它们之上的服务资产和信息资产。
物理资产是指IP网络中的各种硬件、软件和物理设施。在IP网络安全保障目标中，应详细列出所评估的特定IP网络中的所有重要资产。下面仅列出在IP网络中包含的部分物理资产示例，作为参考：
1.1.1 物理设施物理设施包括房屋设备和与房屋有关的任何装备和补充物，包括场地、机房、电力供给（负荷量及冗余/备份/净化）、灾难应急（防水/火/地震/雷击等）、文档及介质存储。
1.1.2 硬件资产①计算机：包括大/中/小型计算机、个人计算机；②网络设备：包括交换机、集线器、网关设备或路由器、中继器、桥接设备、调制解调器/Modem池、交叉连接设备、配线架；③传输介质及转换器：包括同轴电缆（粗/细）、双绞线、光缆/光端机、卫星信道（收/发转换装置）、微波信道（收/发转换装置）；④输入/输出设备：包括键盘、电话机、传真机、扫描仪、打印机（激光/针式/喷墨）、显示器、终端（数据/图象）；⑤存储介质：包括纸介质、磁盘、磁光盘、光盘（只读/一次写入/多次擦写）、磁带、录音/录像带；⑥监控设备：包括摄像机、监视器、电视机、报警装置。
1.1.3 软件资产①计算机操作系统；②IP网络管理软件；③数据库管理软件；④业务应用软件等。
1.2 信息资产信息资产通常是最有价值的资产，在IP网络运营过程中产生的同IP网络本身相关的有价值的信息以及IP网络所存储、处理和传输的各种相关的业务、管理和维护等信息，包括知识资产，客户资料、业务信息流和管理信息等。它是安全评估中的关键资产，可以通过价值、敏感性、生命周期、可利用性、从短期到长期对持续运转的危险程度、完整性和可依赖性来分类。下面仅列出在IP网络中包含的部分信息资产：①IP网络业务信息：客户档案信息、客户操作记录和交易业务数据等；②IP网络密码信息：私钥、公钥、证书等；③IP网络维护管理信息：包括系统运行日志、系统审计日志、系统监督日志、入侵检测记录、系统口令、系统权限设置、数据存储分配、内部网络地址、系统配置数据、网络设备的配置信息、路由信息、IP地址分配信息、设备采购信息、设备维护及升级记录、布线图纸、布线系统维护及升级记录、通信线路参数、以及其他信息等。
1.3 服务资产从应用层次说，服务资产包括网络管理、运转、顾客服务系统、服务质量、企业形象和其它重要的功能模块。从低层次说，服务资产有大量的物理设备，综合业务系统和提供高级功能的网络设备。IP网络中传统的内部服务资产包括交换系统，运营支持系统，网络管理系统和辅助的支持系统。目前还包括了信息处理系统及其部件，数据库服务器设备，智能网络管理，支撑网设备等。外部服务资产包括远程智能维护和测试、服务器托管或租赁、网络广告服务、各种业务的网络接入和企业的一些无形资产等。
2资产价值
对资产受损而引发的潜在的商业影响或数据灾难性后果的评定，依赖于资产的定价和风险研究。资产的定价中不仅要考虑资产的经济价值，更重要的是要考虑资产的安全状况对于系统或组织的重要性或敏感度。出于安全分析的目的，我们将IP网络的资产分为三大类：物理资产、信息资产和服务资产。
目前，其他文献的资产价值计算方法中，不同的三类资产价值没有处于同一口径下，有的是货币单位，有的是排列顺序，有的是比例系数，在统一的风险计算中，这样的价值计算无法用于风险计算和结果衡量。
根据上一节的分类说明，我们对物理资产、信息资产和服务资产三类的价值分别计算。我们这里使用的资产的价值分析方法依赖于价格评估理论，也就是说，我们将不同种类、不同实体表现形式的资产的价值，以相同的货币口径予以表示和计算，以方便对风险的计算结果有具体的大小衡量。价格计算中的我们主要使用现值计算法、重置成本法和机会成本法等。
因为其最终结果都是货币单位（例如，元），所以具有可加性。我们将整个IP网络的资产价值以资产在评估时的现值来表示。也就是三类资产各自现值的总和。用公式表示为：
IP网络资产价值=物理资产价值+信息资产价值+服务资产价值
下面，我们分别对三项资产的计算进行说明。
2.1 物理资产赋值方法物理资产价值是比较容易理解和计算的,对于所有的物理资产（软件的、硬件的）我们使用同一个公式，严格定义物理资产为IP网中限制的三项，不包含网络服务相关资产。
假设该项固定资产的原值为TV元（购买价），预计净残值为RV元（使用终了报废时可卖价），预计使用年限为n年（从购买到不能服务），已使用的月份为m，采用平均年限法以个别折旧方式计其折旧。则该项固定资产的累计折旧MD及净值PV按下式计算。
MD＝（TV－RV）/（12n）
AD=MD*m
PV=TV－AD
根据上述公式，我们对每项物理资产的价值都进行统一的含参数PV■=fTV■，RV■，n■，m■现值计算，然后将各现值加总后，即得物理资产的总价值，用公式表示为，
物理资产价值=∑物理设施现值+硬件资产现值+软件资产现值
=■PV■
2.2 信息资产赋值方法信息资产的价值在组织内部是隐性的，计算相对比较复杂。因此，在对信息资产定价时，需要对不同种类的信息资产采取不同的计算方法。
数据网业务信息：采用重置成本法，即
数据网业务信息价值=（收集成本+维护成本）*（1-信息折旧率*时间）
其中：收集成本=人力成本+信息购买成本+社会资源获取成本
维护成本=设备维护成本+人工
信息折旧率可根据同行业年报数据更新
数据网密码信息：采用机会成本法，即从若密钥丢失可能带来的损失中计算。
数据网密码信息价值=∑各密码信息价值和=∑关联损失*风险概率
数据网维护管理信息：采用市场价值法，即
数据网维护管理信息=各项的获取成本+维护成本-累计折旧
综上，我们可以得到信息资产的价值计算公式，即
信息资产价值=∑数据网业务信息价值+数据网密码信息价值+数据网维护管理信息价值
2.3 服务资产赋值方法从高层次说，服务资产包括网络管理、运转、顾客服务系统、服务质量、企业形象和其它重要的功能模块。大体上由内部服务资产和外部服务资产两部分构成。
2.3.1 内部服务资产传统上主要是交换系统，运营支持系统，网络管理系统和辅助的支持系统。新的内部服务资产还包括了信息处理系统及其部件，数据库服务器设备，智能网络管理，支撑网设备等，属于技术支撑的范围，在一定的技术水平和业务开展程度下，其资产价值相对稳定。这些价值的计算，也要依赖于资产列表中的相应数据，根据现值计算法得到。
假设该项内部服务资产的原值为TV元（购买价），预计净残值为RV元（使用终了报废时可卖价），预计使用年限为n年（从购买到不能服务），已使用的月份为m，采用平均年限法以个别折旧方式计其折旧。则该项内部服务资产的累计折旧MD及净值SV按下式计算。
MD＝（TV－RV）/（12n）
AD=MD*m
SV=TV－AD
内部服务资产价值=传统内部服资产现值+新的内部服务资产现值=（交换系统现值+运营支持系统现值+网络管理系统现值+辅助的支持系统现值）+（信息处理系统及其部件现值+数据库服务器设备现值+智能网络管理系统现值+支撑网设备现值）
=■SV■
2.3.2 外部服务资产包括远程智能维护和测试、服务器托管或租赁、网络广告服务、各种业务的网络接入和企业的一些无形资产等。主要提供与内部服务资产相关的外部业务，具有一定的变化性，会受到行业特征和行业内其他因素的影响。因此，我们给其设定一个行业周期调节因子K，其中k>0。当行业处于繁荣周期时，k>1；当行业处于调整周期时，k
外部服务资产价值=远程智能维护和测试费用+服务器托管或租赁、网络广告服务费用+各种业务的网络接入费用+企业的无形资产。
其中，前三项费用的计算都是劳务费用和维护费用总和；企业无形资产数据来源于资产负债表对应项；
因此，IP网资产的总价值就是三者的总和。
3结语
IP网资产价值的研究是服务于IP网风险评估的，对于IP网的风险评估研究，资产价值的确定是一项重要的基础性工作。因此，在识别资产时一定要防止遗漏，划入风险评估范围和边界内的每一项资产都应该被确认和评估。本文的研究成果将IP网关键资产分为物理资产、信息资产和服务资产三种。既包括了有形资产，又包括了无形资产。每种资产在每次计算中都是使用现值，而非静态值，体现了设备折旧和时间概念；在服务资产中，体现了行业周期的概念。最重要的是，这样的研究体系克服了各种资产计算方法在不同资产中口径不一，在风险损失评估中无法统一用于度量和定量计算的缺点，其最后的计算结果是货币单位，便于IP网的风险评估中给出最直接的风险评估结果。
参考文献：
[1]薛兴华.电信网安全与立法[J].邮电商情，2004年11期.
[2]国家信息化领导小组关于加强信息安全保障工作的意见.中办发[2003]27号，2003.
[3]2006-2020年国家信息化发展战略.中办发[2006]11号，2006.
[4]4ITU-T X.805:Security architecture for systems providing end-to-end communications[S]，2003.10.
