科技研究性论文范文

时间:2023-05-29 08:56:29

引言:寻求写作上的突破?我们特意为您精选了4篇科技研究性论文范文,希望这些范文能够成为您写作时的参考,帮助您的文章更加丰富和深入。

科技研究性论文

篇1

一、引言

基金管理可分为“团队管理”和“个人管理”两种模式,前者指多个基金经理管理一只基金,后者指单一经理管理一只基金。随着基金业的发展,越来越多的基金采用团队管理的模式,这一趋势在国内外都是如此。美国股票型基金的团队管理比例在1994年时只有5%,2003年已增加至46%[1]。我国团队管理基金的现象逐渐增多,团队管理的开放式基金数量由2002年一季度的1只增加到2008年一季度的65只。尽管团队管理的基金数量占开放式基金总数的比例维持在20%左右,但其管理的资产规模比例已从43%增加到65%。团队管理的基金是开放式基金的重要组成部分。那么,影响基金管理模式选择的因素有哪些?团队管理相较于个人管理,对基金的风险特征和投资业绩的影响有何不同?这是本文将要讨论的问题。

在完全竞争的证券市场中,决策主体具有相同信息,则团队管理和个人管理的基金投资决策应该没有差别。但行为因素会影响到实际决策过程并通过成员之间的交互作用导致团队管理与个人管理有不同的决策和绩效表现。“群体漂移理论”(groupshifttheory)认为,集体决策有可能会强化团队中强势成员的看法,增加过度自信的情绪,从而加大决策结果的极端性[2]。“意见折衷理论”(diversificationofopiniontheory)认为,团队成员为达成一致结论会权衡自身观点,决策结果会反映大部分成员的意见,是成员意见的折衷[3]。从团队决策的绩效来看,一方面,团队成员可以相互纠正决策中的错误使决策更加理性,团队管理的基金应有更好的投资业绩;另一方面,团队决策也可能出现低效率,或源于团队工作中的道德风险(即部分团队成员消极怠工),或源于信息交流上的低效率,抑或是较高的协调成本导致团队管理绩效欠佳。

本文首次采用国内大样本数据,从基金风险特征和投资业绩方面对业界真实的团队决策问题进行实证研究。研究结果显示,基金管理模式的选择主要受基金公司偏好的影响。在控制基金特征后,团队管理可显著降低基金的总风险和系统性风险,说明团队决策结果较为“温和”,支持“意见折衷假说”,同时,团队管理也显著提高了基金投资业绩,说明团队管理可以发挥多人决策优势,做出较好的投资决策。

二、文献回顾

关于基金管理模式的影响因素,Sharp认为,任命多个基金经理管理的动因是专业化和多元化,专业化是为了发挥不同基金经理对不同投资领域了解程度的优势,多元化是为了防止单个基金经理决策产生偏差[4]。Barry和Starks从委托关系的角度证明了风险共担也会影响基金管理模式的选择,采用团队管理模式能产生更好的激励[5]。Bar等的实证结果显示,选择团队管理模式的概率与基金公司层面的政策和资产规模正相关,与基金年龄负相关,管理模式受基金公司层面因素的影响较大[1]。

关于不同管理模式的风险程度,学术界仍未达成共识。Moscovici和Zavalloni等学者认为团队决策代表了一种折衷,为了达成最终意见,团队成员必须权衡个人观点,团队决策会更温和,在时间上表现得更平稳[6-3-7]。Adams和Ferrerira的研究显示,团队决策由于多样化的作用会更保守,从而风险程度更低[8]。但也有理论认为团队决策的风险程度会更高,团队成员在得到其它成员支持后更敢于冒险[9]。实证研究方面,Golec使用36个月的数据发现,团队规模对风险调整业绩的影响不确定[10]。Bar等的实证结果显示,团队管理可显著降低基金的总风险、系统性风险以及非系统性风险,并在后续的研究中,Bar等进一步支持了这一结果,说明团队管理决策符合“意见折衷理论”[11]。

关于团队决策和个人决策的绩效,理论上也存在两种不同的观点。部分研究发现,团队决策更加理性,团队管理业绩会更好[6-12-13],团队决策至少有两个优势:一是团队成员会在小组讨论的过程中能相互纠正错误;二是当团队成员拥有互补技能时,团队能从更多知识和能力中获益[14]。但是也有研究发现团队决策常存在低效率和偏差现象。小组成员会比单独工作时的积极性降低[15-16],这种低效率的现象即团队的道德困境[17],而偏差现象是指集体决策为追求达成完全一致的结论,而使决策偏离最优结果[18]。Prather和Middleton使用162只开放式基金13年的数据发现,不同管理模式基金的业绩没有显著差异,择时能力没有明显区别[19]。Chen等在基金规模和基金业绩的研究中发现,团队管理会显著降低基金投资收益,主要是由于团队管理在处理非定量信息(softinformation)方面效率较低[20]。Bar等在关于基金管理模式的研究中发现,团队管理基金的投资业绩稍有逊色,但业绩持续性较高[1-11]。目前,国内尚未出现系统研究基金管理模式的文章,李豫湘等的研究结果显示,基金经理人数对业绩没有显著影响,但该研究仅使用了2003—2004年的小样本数据[21]。

三、样本选择及数据说明

本研究的基金样本均为半年度数据,全部来自WIND数据库,时间区间为2004年下半年到2007年底,截至2004年上半年,市场上开放式基金数量较少,且基金特征数据不全。类型包括股票型、混合型和债券型。第一,剔除由封闭式转为开放式的基金;第二,鉴于债券型基金的风险—收益特征以及分析方法都与股票资产占多数的股票型和混合型基金差异较大,故也从样本中剔除,只保留股票型和混合型的开放式基金,如此选定了163只基金;第三,若基金管理模式在半年报告期内发生更替或基金特征变量不全,则将此半年度数据从样本中剔除。最后得到的有效样本为涵盖163只基金的437个半年度数据。计算定价因子的股票价格数据及公司财务数据取自色诺芬数据库(Sinofin),样本时间为2004—2007年。

本文对基金绩效的考察从两个维度进行:基金的风险特性和基金的投资业绩。基金的风险特性依据CAPM理论分为基金的总风险、系统性风险和非系统性风险;基金的投资业绩采用基金Jensen-α衡量。在计算风险和Jensen-α的过程中,需要使用基金的收益率指标,基金第t期收益率Rt为第t期复权单位净值UNAt的变化率:

Rt=UNAt/UNAt-1-1(1)

本文将下列关于基金特征的控制变量用于横截面回归。

①基金规模变量:基金规模会侵蚀基金业绩[20],规模指标Sizet由基金的总净值TNAt(基金第t期的资产净值,即基金不复权的单位净值乘以基金总份额,以亿元为单位)计算得出:

Sizet=log(1+TNAt)(2)

②基金公司管理资产规模:单只基金所在基金公司的基金总净值(除去该基金本身)之和再加1取对数,用logfam表示,衡量基金公司管理资产规模的大小,资产规模较大的公司通常有较低的借贷成本、交易成本和更丰富的信息等,会影响单只基金的表现。

③基金换手率指标:反映的是基金交易的活跃程度,这与基金的风险特性和投资业绩也密切相关。该指标由期间内(以半年为单位)基金买入总额(buyt)和卖出总额(sellt)的最小值除以期间内的平均资产净值averageTNAt得到,即

Turnovert=min(buyt,sellt)averageTNAt(3)

④基金年龄:用Age表示,以年度为单位,从基金成立日开始计算到2007年底为止,结果向前取到0.5年。

样本基金的类型和投资风格分布如表1所示。表2则报告了相关控制变量的描述性统计,其中,famTNA表示基金公司相应基金之外的所有基金资产净值之和,其余变量定义如前文所述,其中子表A、子表B分别对应混合型与股票型基金。

四、影响基金管理模式选择的因素分析

基金公司出于多种目的选择基金管理模式:如基金规模较大需要多人进行管理,基金调整仓位频繁需要多人进行决策,基金投资多元,需要发挥不同经理的专长等。本部分利用基金相关特征数据分析管理模式选择的影响因素,使用如下Logit模型进行回归:

P(Team=1)i,t=F(k0+k1LastSizei,t+k2Agei,t+k3LastPcomi,t+k4LastTori,t+k5LastFami,t+k6MIXi+∑Tj=200402kjYj)(4)

若基金i在第t期采用团队管理模式,则P(Team=1)i,t=1,否则P(Team=1)i,t=0。Agei,t表示基金i的年龄,LastSizei,t表示基金i上期资产净值,LastTori,t表示基金i上期换手率,LastFami,t表示基金公司除去基金i之外的基金净值总和,MIXi为混合型基金的虚拟变量,如果基金类型为混合型,则该变量取1。Yj是表示不同时期的虚拟变量,分别从2004—2006年定义了3个虚拟变量。所有时间虚拟变量的回归结果都不显著,未在表中列示,结果如表3所示。

由Logit模型回归结果可知,基金公司选择团队管理模式的概率与该公司上期团队管理基金的比例以及公司资产规模显著相关。LasPcom回归系数为正,显示若基金所属公司上期团队管理基金数量的比例越大,则该基金采用团队管理的概率越大,表明公司对基金管理模式的选择存在一定程度的偏好或惯性。LastFam回归系数为正,说明公司旗下基金前期总规模越大,越倾向于选择团队管理模式;但LastSize回归系数不显著,即基金本身的净值规模与基金管理模式之间的关系不显著。此外,基金类型与管理模式的选择之间无显著关系,即混合型与股票型基金的管理模式似乎并无差异,这不支持基金使用团队管理模式以满足管理专业化要求的说法。综上所述,公司层面的因素是影响管理模式选择的主要原因。

五、管理模式与基金风险分析

如前文所述,团队管理的决策结果或是对团队成员意见的折衷,或是团队成员极端意见的强化。这一假说可由基金风险的实证分析得以检验:如果团队管理模式对基金风险有降低作用,说明团队在配置资产时采取了较为“温和”的策略,可以看成是团队成员意见折衷的结果;如果团队管理基金的风险较大,则表明团队管理的资产配置较为极端。

依据CAPM理论,风险可分为三个层次:总风险、系统性风险和非系统性风险,分别定义为基金收益率的标准差、市场模型中市场溢价的估计系数以及市场模型估计残差的标准差。市场模型的回归方程为(回归中使用的样本数据为周数据):

Rp-Rf=αp+βp(RM-Rf)+εp(5)

风险指标表示为:

总风险=Var(Rp-Rf)(6)

系统性风险=βp(7)

非系统性风险=Var(εp)(8)

模型中无风险利率Rf=1年期定期存款利率/52,市场收益率RM为相应时期沪深所有A股股票以市值为权重的加权平均收益率。为统一期起见,将各风险指标再进行半年化处理,分别乘以26,用于下文的横截面回归中。

按照管理模式分类的基金风险程度差异如表4所示。鉴于混合型和股票型的基金资产组合有差异,表4将这两种类型的基金分开进行描述,每组风险指标的前两行数据是该风险指标的均值,差异一行表示个人管理基金与团队管理基金的风险差值。

总体看来,个人管理基金的风险水平要大于团队管理的水平,但差异的显著性在不同类型基金中有区别。本文通过控制基金的其它特征,采用如下线性回归模型来检验管理模式和基金风险的关系:

Riski,t=k0+k1Teami,t+k2Agei,t+k3LastSizei,t+k4LastTori,t+k5LastFami,t+k6MIXi+∑Tj=200402kjYj+εi,t(9)

模型(9)的因变量分别对应总风险、系统性风险和非系统性风险。Teami,t为团队管理模式的虚拟变量,如果该基金为团队管理取1,否则取0;其余变量含义与模型(4)相同。回归结果如表5所示。

注:*、**、***分别表示回归系数在10%、5%、1%的显著水平下显著。小括号报告回归系数的p值。表格的最后一行为回归模型调整后拟合优度。

在控制基金类型及基金特征后,团队管理的虚拟变量对基金总风险、系统性风险的回归系数显著为负,说明团队管理模式可以有效降低基金投资组合的波动性和β值。波动性的降低可推断团队决策结果较为温和,较低的β值表明团队经理选择了相对于市场组合较为“保守”的资产,支持团队管理决策的“意见折衷理论”。非系统性风险回归方程调整后的R2很低,说明管理模式与非系统性风险之间的线性关系很弱,这源于混合型基金的非系统性风险分布很集中,均值及方差都非常小,显示混合型基金分散非系统性风险能力较强。

六、管理模式与基金投资业绩分析

基金投资业绩通常是基金经理激励机制中一项重要指标,基金经理的决策都是在给定风险水平下最大化基金业绩。本文采用基于多因子模型计算的Jensen-α衡量基金投资业绩:

(1)Fama-French三因子模型:

Ri,t=αi,t+b1MKTt+b2SMBt+b3HMLt+εi,t(10)

其中,Ri,t代表基金i第t期收益率,由复权单位净值计算出。αi,t对应基金的Jensen-α。MKTt为t期市场投资组合的收益率。HMLt为账面/市值比因子,SMBt为规模因子。回归中使用的因子及收益率均为周数据。

(2)四因子模型:

Ri,t=αi,t+b1MKTt+b2SMBt+b3HMLt+b4MOMt+εi,t(11)

其中,MOMt为惯性因子,采用的排序期分别为3个月、6个月以及1年。其余各变量含义与(10)中一致,回归中使用的因子及收益率均为周数据。

表6按基金类型报告了相关收益指标的均值以及不同管理模式的差异检验结果。每组收益指标的前两行数据是该类基金收益的均值,差异一行表示个人管理基金与团队管理基金收益之差。

结果显示:(1)不同管理模式下的基金收益和投资业绩指标均没有明显差异。(2)基金半年期的总收益率较高,平均在30%以上。这主要源于样本期(2004—2007年)处于市场上升阶段,多数基金的净值在2007年上半年之内就实现了翻番。

为了进一步验证管理模式对基金收益的影响,我们控制了基金特征变量并对Jensen-α进行如下回归:

αi,t=k0+k1Teami,t+k2Agei,t+k3LastSizei,t+k4LastTori,t+k5LastFami,t+k6LastsFlowi,t+k7MIXi+∑2006j=2005kjYj+εi,t(12)

回归因变量分别对应不同多因子模型计算的Jensen-α。LastFlowi,t表示基金上一期的净流入比率,其计算方法为基金净值的对数增长率减去基金收益率,即log(TNAt-1/TNAt-2)-Rt-1,其余变量含义与模型(9)一致。表7报告了相关回归结果。(a)栏为对三因子模型对应Jensen-α的回归结果。(b)(c)(d)栏分别是对四因子模型依惯性因子不同排序期所得Jensen-α的回归结果。最后一行为回归模型调整后的拟合优度。

回归结果显示,在控制基金特征后团队管理模式对基金业绩有显著的提高作用。尽管使用了不同的多因子模型,但团队管理均可将投资业绩提高3%以上,是总投资业绩水平(15%左右)的1/5。

团队决策在股票投资中确实可以发挥多人决策优势,提高基金投资业绩。此外,基金的投资业绩与基金公司上期规模显著负相关,这说明基金公司层面存在某种规模不经济现象。如果考察净投资业绩与管理模式的关系,可将Jensen-α减去基金的管理费率和托管费率,进行同样的回归,所得结果与上文类似,不再赘述。四因子模型在不同排序期惯性因子下得到的Jensen-α差异不大,故仅列示了按3月期排序的结果。

七、结论

本文利用2004—2007年的大样本数据对基金管理模式进行了系统研究,发现基金管理模式的选择与基金自身特征、基金类型无显著相关性,但与基金所属公司的管理资产规模以及前期采用团队管理基金的比例显著相关,说明基金管理模式的选择主要受基金公司对管理模式偏好的影响。这与国外的实证结果类似[1]。控制了基金类型和特征,团队管理模式能够显著降低基金总风险、系统性风险,说明团队管理选择资产较为“保守”、“温和”,这支持了“意见折衷理论”;但在降低非系统性风险的能力上,团队与个人管理并无明显差异。团队管理模式可显著提高基金投资业绩,说明团队能做出较好的决策,体现了较高的资产选择能力和较强的管理优势。采用不同多因子模型进行回归分析,得到的结果相类似,说明上述结果是稳健的。这与李豫湘等[21]的结果不同,与基于美国数据的研究结果[1-11-20]也有差异。本文结果丰富了现有文献,可为基金投资者选择投资产品提供一定的参考。基金公司应深入考察其团队管理的投资决策程序,发挥团队管理的优势,控制团队管理不经济性。

实际基金管理中,存在着单一基金经理管理单只或多只基金,抑或多个基金经理管理单一基金或交叉管理多只基金的现象。本文仅是基于单只基金的表现分析管理模式的选择及其对单一基金的影响,这不等于考察了基金经理或经理团队所管基金的总业绩。

参考文献:

[1]Bar,M.,Kempf,A.,Ruenzi,S.TeamManagementandMutualFunds[R].WorkingPaper,2005.

[2]Kerr,N.L.GroupDecisionMakingataMultialternativeTask:Extremity,InteractionDistance,Pluralities,andIssueImportance[J].OrganizationalBehaviorandHumanDecisionProcesses,1992,(52):64-95.

[3]Sah,R.K.,Stiglitz,J.TheQualityofManagerinCentralizedversusDecentralizedOrganizations[J].QuarterlyJournalofEconomics,1991,(106):289-295.

[4]Sharp,W.F.DecentralizedInvestmentManagement[J].JournalofFinance,1980,36(2):217-234.

[5]Barry,C.B.,Starks,L.T.InvestmentManagementandRiskSharingwithMultipleManagers[J].JournalofFinance,1984,39(2):477-491.

[6]Moscovici,S.,Zavalloni,M.TheGroupasPolarizerofAttitudes[J].JournalofPersonalityandSocialPsychology,1969,(12):125-135.

[7]Sah,R.K.,Stiglitz,J.TheArchitectureofEconomicSystems:HierarchiesandPolyarchies[J].AmericanEconomicReview,1986,(76):716-727.

[8]Adams,R.B.,Ferrerira,D.IndividualversusGroupDecision-Making:AComparisonUsingDataonBetsonIceBreakupsinAlaska[R].WorkingPaper,2003.

[9]Kogan,N.,Wallach,M.TheRolesofInformation,Discussion,andConsensusinGroupRiskTaking[J].JournalofExperimentalSocialPsychology,1965,(1):1-19.

[10]Golec,J.H.TheEffectsofMutualFundManagersCharacteristics[J].FinancialServicesReview,1996,5(2):133-148.

[11]BarM.,Kempf,A.,Ruenzi,S.IsaTeamDifferentfromtheSumofItsParts?EvidencefromMutualFundManagers[R].WorkingPaper,2008.

[12]Blinder,A.S.,Morgan,J.AretwoHeadsBetterthanOne?AnExperimentalAnalysisofGroupvs.IndividualDecisionMaking[R].WorkingPaper,2001.

[13]Cooper,D.J.,Kagel,J.H.AreTwoHeadsBetterthanOne?TeamversusIndividualPlayinSignalingGames[J].AmericanEconomicReview,2005,(95):477-509.

[14]Pelled,L.H.,Eisenhardt,K.M.,Xin,K.R.ExploringtheBlackBox:AnAnalysisofWorkGroupDiversity,ConflictandPerformance[J].AdministrativeScienceQuarterly,1999,(44):1-28.

[15]Williams,K.D.,Nida,S.A.,Baca,L.D.,Latané,B.SocialLoafingandSwimming:EffectsofIdentifiablyonIndividualandRelayPerformanceofIntercollegiateSwimmers[J].BasicandAppliedSocialPsychology,1989,(10):71-81.

[16]Weldon,E.,Gargano,G.M.Cognitiveloafing:TheEffectsofAccountabilityandShareResponsibilityonCognitiveEffort[J].PersonalityandSocialPsychologyBulletin,1988,(14):159-171.

[17]Holmstrom,B.MoralHazardinTeams[J].BellJournalofEconomics,1982,(13):324-340.

[18]Janis,I.Groupthink,PsychologicalStudiesofPolicyDecisionsandFiascos[M].HoughtonMifflin,Boston,1982.

篇2

科学技术创新是复杂的非线性系统,而复杂性来自混沌与秩序的边缘。在圣塔菲研究所成立的时候,原来“混沌理论”一词已被宏大的“复杂性理论”所取代了。混沌理论对其范围有严格限制,仅限于对自然界系统的非线性动态行为的数学研究。相反,复杂性理论则被认为可以用于复杂自然系统和社会系统中随时间变化的行为层面。社会系统并不仅仅是由它们的组成部分之间相互作用的固定规律所限定的“复杂适应性系统”(complexadaptivesystems)。相反,它们是可能随时间演化而改变其自身发展规律的“复杂演化系统”(complexevolvingsystems)。

科学技术系统创新运动是一个貌似无规则运动的有序性演化过程,具有典型的复杂系统特征。第一,多因素性。技术本身是各因素非线性相互作用的结果,技术不等于各因素简单相加。各技术要素在技术系统中也不再是原来的因素,因素自身在技术系统动力下也发生了相变,或者说,技术性因素、实体性因素与知识性因素都具有了技术所拥有的整体性。技术因素的作用方式要受技术系统运行模式和运行状态的制约。第二,多层次性。尽管技术的各因素受技术系统动力的作用发生了相变,但技术本身却生成了一种稳定模式。技术的稳定模式是由技术本身决定的,是由科学的技术应用与技术理论的层次性决定的。科学技术系统内有稳定的周期解,周期解内还有混沌区,这种结构无穷次重复着,具有各态历程和层次分明的特征,即存在有界性。第三,多变性。复杂非线性科学技术的创新过程本质就是经历混沌走向有序,因此具有混沌伸长和折叠的特性,这是形成敏感依赖于初始条件的主要机制。伸长是指系统内部局部不稳定所引起的点之间距离的扩大;折叠是指系统整体稳定所形成的点之间距离的限制。经过多次的伸长和折叠,轨道被搅乱了,形成了新对称结构或混沌。

由于科学技术创新系统具有典型的复杂非线性系统特征,因此,可对其运用复杂性理论进行管理。

1转变思考方式

牛顿力学是近代科学的典范,是近代科学建立的基础,牛顿力学是典型的决定性理论,是可测量和可预测的。20世纪初物理学的两次重大变革所创立的相对论和量子力学,分别排除了牛顿的绝对时空观和测量过程的完全可控性。混沌理论的诞生打破了拉普拉斯决定论,被视为20世纪继相对论和量子力学的第三次革命。混沌理论认为,非线性系统运动具有无穷大周期且始终限于有限区域、轨道永不重复的、性态复杂的运动,不可能无限精确和无限长时间地测量和计算连续变量。混沌理论解决了困扰牛顿(Newton)力学的三体问题,创立了研究n维相空间的不确定解的理论,混沌理论使人们认识到非线性系统演化既是决定论的又是随机论的。决定论的可预测性,只适用于那些宏观的缓慢的周期或准周期的稳定运动,然而,这样的运动实在是太少了。

科学技术创新复杂系统倡导最重要的事情是改变固有的思考方式,放弃机械论和宿命论,学会欣赏并应付联系、物力论(Dynamism)和不可预测性。因为科学技术创新过程是多因素复杂非线性相互作用的结果,所以对确实存在的运行模式(即现实存在)进行领会,即正视多元化存在,并对不可预测的事件进行反应。为了使科学技术创新过程自我发展为“复杂演化系统”,有必要对学习、多样性和影子系统(Shadowsystem)观点的多元化进行鼓励。

2并不是对每件事都需要进行控制

科学技术对客观事物既进行决定论描述又进行概率统计论描述,这两种描述方法已经共存了几百年。决定论认为,任何一个力学系统只要知道现在的行为就可预测系统的未来行为。概率统计论认为,受许多偶然因素的影响,系统的未来状态并不完全确定,需要用概率统计方法来描述。

KAM定理很好地解决了决定论和概率论这对貌似矛盾的问题。KAM定理指出,保守系统有可积和不可积之分,可积系统的运动是规则的,遵循决定性规律,不可积系统表现出随机性,成为统计物理学的基础。对不可积系统,KAM环面包围着随机层,当不可积系统的自由度少和扰动不大时,KAM环面包围的随机层测度极小而可忽略不计,统计物理学就不适用了,而应该应用牛顿定律。当不可积系统的自由度和扰动很大时,根据“阿诺德扩散”,KAM环面逐渐减少而随机层迅速扩大,系统只具有极少数的规则运动,规则运动变为次要的,系统出现了大量的混沌运动,这时才能用统计物理学来研究该系统。

科学技术创新过程是一个近可积哈密顿系统,随机成分有限,导致不可积性的扰动项很小。在科学技术创新知识系统处于混沌性态时,确定论和概率论随机交替作用,但确定论占据主流位置,基本能朝向希望的途径发展。随机成分确实存在但有限,因此,在复杂的非线性技术创新过程中,不可能对每件事都进行控制。应该相信混沌性态是貌似不规则的有序,科学技术复杂演化系统不仅反作用于环境,还会反作用于自身,随着时间的发展,科学技术总会不断出现新的有序状态。

3与环境共同演化

复杂性理论借鉴湍流研究思路和方法,认为科学技术创新系统同时存在混沌子空间和对称子空间,两种性态此消彼长,不断和外界环境互动而发生转换。在湍流中规则运动包含有小尺度的混沌运动,在混沌运动中又包含着更小尺度的规则运动。这说明,科学技术创新系统是与外界环境紧密联系,并不断互动发展的耗散系统。

科学技术创新系统与环境相互影响、共同演化,这就需要时刻准备好对环境进行反应,凭直觉领会那些驱动科学技术创新变迁的环境模式,根据需要进行适应,而且随时准备抓住各种出现的机遇。科学技术创新系统的三种性态,稳定区域(墨守陈规)、不稳定区域(瓦解崩溃)和混沌边缘(变革栖息地)中,混沌边缘最适宜与环境共同演化。

在混沌边缘,在一种“有限不稳定状态”下,正统系统(主流文化、结构权力等级体制)和影子系统(蕴藏矛盾、变化潜力的非正式组织)能维持一种具有创造性的张力。正统系统可以提供清楚的指导,对适当的结构和程序进行授权,以及抑制人员中的不安情绪。同时,影子系统可以激发观点的多样性,并且削弱正统系统的力量迫使它进行不断变革。这样,组织行为表征为耗散结构,组织在不断变化的现实面前能以新的方式执行基本任务或者追求崭新的基本任务,组织的创造性和创新方面的潜能都展现了出来。

4整体思考

技术创新系统的复杂非线性要求寻找整体模式来思考问题,并用整体的方式来控制创新过程,而不是试图控制每一个细节。整体思考是探索那些在不利的模式下能够产生最大影响的微小变化,并施加微扰改变系统运行轨道,避免蝴蝶效应。

4.1建立连接

在经典物理学中,时间是可逆的,事物的发展不存在演化;空间是平滑的、线性的;时间和空间不相关联,各自独立存在。复杂性理论认为,由于非线性的作用,时间的变化是单向的、不可逆的,既可以实现从有序到无序的变化,也可以通过自组织实现从无序到有序的演化;空间也不是平滑的,不仅存在整数维也存在分数维,整数维是分数维的近似和抽象。此外,通过考察系统中某一物理量随时间的变化序列,可以重构相空间,得出奇怪吸引子的维数。这表明复杂性空间的形成也反映了事物发展在时间上的积累。因此,在复杂非线性系统运动中,时间和空间是相互关联的,应该将时间和空间看成一个统一体,系统地把握事物发展过程中时间和空间的关系。

科学技术创新过程从本质上来说是一个时空整体性的,任何因素在时间维度或者空间维度的变异都可能影响到其他因素的正常功能,进而影响整个进程。而整个系统的各个组成部分在复杂系统的动力机制下,似乎只能通过彼此之间以及与整体的关联来得到了解。因此,科学技术创新过程关注的焦点应该是各种因素的时空关联,正是时空关联的模式决定了一个系统的表现。整个系统处于密切关联之中,并与他们的环境不断进行交换,与之共同演化。

4.2适应复杂性

混沌理论是关于非线性的科学,它认为世界的本质是非线性的,线性只是非线性的特例。经典物理学的线性观,导致了事物发展的简单性、确定性和还原性。复杂理论的非线性观,是线性与非线性、简单性与复杂性、确定性与随机性、局部与整体的辩证统一,它们之间是可以互相转化、对立而统一的,前者是事物发展的暂态,后者是事物发展的更基本的更普遍的本质特征。因此,研究问题时应把握事物发展的本质特点,具体问题具体分析。在研究复杂性现象时,用复杂性方法来处理将会显得简洁而有效,反之,采用简单性的方法来研究将会显得繁杂而无效并且得不到事物发展的本质特点。例如,奇怪吸引子是很复杂的,它可以采用自相似和分数维来简单表示,但如果采用探究轨道的简单方法来研究将是得不到一条确定轨迹的。同样,在研究简单性事物时,如果采用复杂性的方法来研究也将是无效的。

将多元高阶方程化简以便求解,即将复杂现象简单化是我们的思维定势。然而在科学技术创新过程中,过于关注细节往往不能产生创新成果,在创造性思考时,复杂性思维是必要的。虽然复杂性思维可能不符合常规,甚至会引来混乱和困惑,那是不可避免的,甚至是受欢迎的。很多创新团队刻意追求工作环境、工作方式的不可思议,目的是激发人的创造性,而不是被惯常的生活习惯所泯灭。最好的想法不总是来自高层,而且组织内的人都想事业有成,控制只是一种幻想,如果给予适当的扶持,每个人都有可能做作出一番自己的事业。

4.3让过程成为进行时

物理学中的经典力学、相对论和量子力学,它们所揭示的是关于简单性事物的基本规律,事物的发展是线性的、可逆的,必然也是前因后果的。而关于非线性现象的复杂理论,由于存在奇怪吸引子,事物的发展结果必然会导入吸引子,呈现出目的性。由于生物学、社会学等是关于复杂性现象的科学,因而也就是目的性的科学。事物发展的因果性是基本的、暂态的,而事物发展的目的性是事物的最终结果,两者是不可分离的。事物发展的目的性要通过事物发展的因果性来保证,而事物的因果发展必将会导致一定的目的性。

物理系统,如天气预报是由有限的确定性定律来支配的,有可能观察到奇怪吸引子是怎样产生的。然而,科学技术创新是人类一项复杂的创造过程,受到无穷多个因素及大量随机因素的影响,奇怪吸引子似乎说明不了什么。由于人类表现出来的自我意识和自由意志,科学技术创新的行为不可能用相同的方式进行解释。人类可以思考和学习,根据自身目的进行行动,而且能够反对及驳斥假定适用于他们行为的任何规则。因此,在方法论上要求我们做每一件事情时必须要制定所要达到的目的,而对于实际工作中的每一步则要实事求是地遵循事物发展的基本规律,只有这样才能最终取得成功。

4.4复杂演化管理

逻辑思维是从事科学研究的强大思维武器,科学研究中所揭示的规律性是通过严密的逻辑推理来保证其正确性的。当然,知觉、灵感等非逻辑思维也是很重要的,它往往能导致科学研究的重大突破。在研究科学问题的过程中,往往会陷入混沌迷蒙的境地。根据混沌现象的长期不可预测性和遍历性,我们将无法通过逻辑思维一步步地走出混沌。因此,这时就应该不拘泥于传统理论,而要大胆地猜测、冒险和创新,进行直接的下意识思维,然后再把中间过程联系起来进行逻辑思维来判断这种猜测的正确与否。所以说,逻辑思维是很重要的,知觉、灵感等非逻辑思维也是不可缺少的。

复杂性理论不是系统的,而是整体观的方法,它所强调的不是稳定性而是重视创造性与变革,追求的是“成为学习型组织”。当创新思维被非逻辑思维推向远离平衡态的时候,自组织过程会自然而然发生,它们可以产生更多的变异体并且对周围环境进行更加灵活反应。

参考文献

1AliOkasaoglu,TayfunAkgul.ChaoticMaskingSchemewithaLinearInverseSystem[J].PhysicalReviewLetters,1997(4)

2H-JStockmann,QuantumChaos:AnIntroduction[M].北京:世界图书出版公司,2003

3迈克尔·C·杰克逊著.高飞,李萌译.系统思考——适于管理者的创造性整体论[M].北京:中国人民大学出版社,2005

4黄润生,黄浩.混沌及其应用[M].武汉:武汉大学出版社,2005

5王兴元.复杂非线性系统中的混沌[M].北京:电子工业出版社,2003

6周守仁.复杂性研究与混沌控制及其哲学阐析[M].成都:四川教育出版社,2001

篇3

财政部颁布的《企业会计准则第8号——资产减值》为我国会计体系的发展、开拓国际市场奠定了良好的财务核算基础。但是资产减值会计的基础——公允价值计量属性的致命弱点是可靠性差。在我国目前会计信息失真现象比较严重,会计人员业务水平不高的情况下,实施资产减值准则还存在许多困难。现就对本准则的可靠性作一分析。

一、公允价值计量是资产减值会计的基石

公允价值的确定方法有:成本法、市场法和收益法。成本法是指通过确定资产或企业净资产的重置成本来对资产或企业进行估值。这种方法在《企业会计准则第8号——资产减值》中并未采用。市场法是指利用同样或类似项目的市场信息,通过直接比较或类比分析来确定企业资产或负债公允价值的方法。这种方法确定的公允价值在资产减值准则中被描述为:活跃市场条件下资产的市场价格以及不活跃市场条件下同行业类似资产的最近交易价格或者结果。收益法是指通过估算资产或负债未来预期收益的现值来判断其公允价值的方法。这种方法确定的公允价值在资产减值准则中被描述为:未来现金流量的现值。

《企业会计准则第8号——资产减值》在计量时所用的方法是上述市场法和收益法。由此可见,公允价值金额确定的合理与否直接影响资产减值会计的可靠性。

二、影响公允价值计量的因素及其可操作性

(一)市场法下影响公允价值计量的因素及其可操作性。市场法下公允价值计量可选用活跃市场条件下资产的市场价格或者不活跃市场条件下同行业类似资产的接近交易价格或者结果。其具体操作困难主要是市场上不同企业间的价格是否具有可比性。企业的经济实力,流动资金状况,产品规格、质量、促销力度等都会对交易价格产生极大影响。而上述影响因素在不同的企业交易时,不可能同时出现或出现的强度相同。因此,不同企业间的交易价格不具有可比性。明显的,不具备可比性的价格不适合作为公允价值。

(二)收益法下影响公允价值计量的因素及其可操作性。收益法下公允价值计量可选用未来现金流量的现值。在具体操作时的困难主要有:

1.未来各年现金流量难以准确计算。未来现金流量是指企业在项目建成投产后每年能为企业带来的净现金流入量,是企业实际收入现金和支出现金的差额。它是在收付实现制计量方式下才能形成的会计信息,具体金额可从每年的现金流量表中获得。企业由于各年业务内容、业务量不同,所产生现金净流量的时点、金额也很难确定。

2.确定折现率时的干扰和不确定因素过多。折现率在确定时要考虑通货膨胀因素、企业经营风险等因素,所以将折现率确定为固定常数或递增数值均不太理想。

(三)市场信息不对称。公允价值的最大特点是熟悉情况的双方在公平交易中形成的,而由于市场环境具有不确定性以及主观上保密或客观上信息流通不畅,使得公允价值确定时难度较大,可靠性差。

(四)管理当局选择权过多。管理当局在确定公允价值时,可以选用合同价、同类或类似产品活跃市场的市价、未来现金流量现值。尤其是在确定未来现金流量时,主观性、选择权过多。管理当局在确定公允价值时,一方面活跃市场的产品价格确定时难度大、不准确;另一方面,由于出资人、管理人、债权人各自的目的不同,甚至有利用未来现金流量现值的折现率操纵利润的可能,其可靠性更是无从谈起。

(五)会计人员的业务能力、知识水平有限。财务人员长期使用历史成本法,对公允价值计量的判断能力差。深入学习新的企业会计准则需要时间和资金的支持。

三、提高公允价值下资产减值会计可靠性的相关措施

(一)建立、健全企业内部会计制度,确立公允价值计量和批露的程序和内容。首先,新准则中所列示的资产减值的迹象过于笼统,应精化资产减值确认的标准。其次,列示会计期末,需要使用公允价值计量的账户,确保所列内容涵盖所有可能发生减值资产所涉及的账户。此外,在会计期末要由高层管理人员对减值资产做资产减值分析,指出何种原因致使资产减值、企业又将打算如何处置这些减值。

(二)完善未来现金流量现值的数据收集方法及渠道。影响未来现金流量现值的因素有:1.对一系列发生在不同时点的未来现金流量的估计;2.对这些现金流量的金额与时点的各种可能变动的预期;3.用无风险利率表示的货币时间价值;4.内含于资产或负债价格中的不确定性;5.其他难以识别的因素,如资产变现的困难与市场的不完善。其中最为重要的是三个因素:未来现金流量的期望值、未来现金流量的期望风险和货币的时间价值。未来现金流量现值的计算基本公式如下:

PV=∑[CFn×(1-r)]/(1+i)n

变量说明:PV——未来现金流量现值

n:(1、2、3———).

CFn——第n年的现金流量

r——现金流量的风险调整系数

i——第n年的无风险利率

据此可见,各年现金流量数值与各年贴现率(现金流量的风险调整系数)的数值是确定未来现金流量现值的基础。我国在《企业会计准则第8号——资产减值》中对未来现金流量数值确定时提倡使用期望现金流量法。期望现金流量法的优点在于它把计量的重心直接放在了对现金流量的分析和计量时所采用的各种假设上,它考虑了所有可能的现金流量的期望值而不是只寻找一个最可能的现金流量。例如,一项现金流量有100元、200元和300元等三种可能,其概率分别是10%、60%和30%,那么期望值则为220元。同样道理,这种方法还可用于现金流量的时点具有不确定性的场合。

问题的关键在于:如何确定现金流量的风险调整系数以及资产的一种甚至是几种现金流量数值,还有各种现金流量数值出现的可能性。

1.现金流量的风险调整系数的确定

(1)资产定价模型:即资产按风险调整的贴现率,表示为:

r=RF+βj×(Km-RF)

变量说明:r——现金流量的风险调整系数

RF——无风险利率(一般以国家公债利率表示)

βj——j资产的不可分散风险的β系数

Km——所有资产的平均贴现率

(2)风险等级法:是对影响投资项目风险的各因素进行评分,根据评分来确定风险等级,并根据风险等级来调整贴现率的一种方法。此法过去一直沿用,目前有被淘汰的趋势。

(3)风险报酬率模型:资产按风险调整的贴现率,表示为:

r=RF+biVi

r——现金流量的风险调整系数

RF——无风险利率(一般以国家公债利率表示)

bi——资产i的风险报酬系数

Vi——资产i的预期标准离差率

2.各年现金流量及其出现可能性的确定——确定当量法。它是把不确定的各年现金流量,按着一定的系数(即期望现金流量法下的概率)折算为大约相当于确定的现金流量的数量。采用不同的系数就可以得到资产的一种甚至是几种现金流量数值,为使用期望现金流量法提供了数据来源。在确定当量系数(用d表示)时:若现金流量确定,则d=1.00。若现金流量存在风险很小,则1.00>d≥0.80。若现金流量风险一般,则0.80>d≥0.40。若现金流量存在风险很大,则0.40>d≥0。操作人员在计算当量系数时有敢于和不敢于冒险的可能,为了减少主观上的选择权可以将当量系数转化为标准离差率。(见表1)

(三)设定适合我国国情的未来现金流量现值估值模型。确定单项资产或资产组的未来现金流量现值工作量大,可靠性差,企业会计人员操作不方便。估值模型设计时,其所涉及的主要因素有预付率、预计信用损失率、利率或折现率。

篇4

二、科技旅游功能的特性

1.科技旅游功能的多重性

科技旅游是一种集科技、经济、社会等多重功能于一身的旅游形式或产品。首先,科技旅游的科技功能表现在科技旅游是科技普及的新途径,科技旅游是提高科学素养的新方式,科技旅游是推动科技发展的新动力。

其次,科技旅游为第三产业与第一、二产业的结合提供了良好的切入点,有利于一二与第三产业的相互融合、相互渗透和相互促进。为工业企业部门发展第三产业、实现产业结构调整确立了良好的途径,而且在政府解决下岗职工再就业方面具有很强的现实意义和可操作性。推动了农村经济结构的调整和优化;有利于农村和农业资源的有效利用,建立资源节约型社会;科技旅游可以大幅提高农民收入,提高农民素质,是改善农村面貌的重要途径。更为重要的是农业科技旅游的开展,为促进农业科技创新、转化、交流与推广提供了无限的机遇,这就意味着农业科技旅游的发展,将有利于推进农业产业化和农村现代化。这是传统的观光旅游所望尘莫及的。与此同时,科技旅游还对旅游产业的内部结构进行拓展和优化,对现有资源进行合理整合,使之表现形式更加新颖,内涵更加丰富,实质更加科学,从而避免了旅游资源的闲置和浪费,这是现代旅游产业集约化发展模式的一个代表,充分体现了旅游业作为“无烟产业”、“绿色产业”和“朝阳产业”的本质特征。通过组织科技旅游,转移和分散一部分假日旅游的游客,这对缓解长假旅游综合症起着重要作用并能带来稳定的经济效益。这些都无不体现的科技旅游对经济的积极作用。

再次,科技旅游的社会作用也很是显著。科技旅游有助于促进文化传播。通过科技旅游,人们能够在学习和借鉴世界先进科学文化成果的同时,继承和弘扬中华民族优秀传统科学文化,从而坚持先进文化的前进方向。科技旅游还有助于人们树立民族的自尊心和自豪感,培育爱国主义和民族精神。通过参加科技旅游,学习科学技术史可以发现我国历史上曾涌现出许多杰出的科学人物,科技发明在世界上长期处于领先地位,为人类文明做出了卓越贡献,人们就能够增强和提高民族自信心和自豪感,培养强烈的爱国主义精神。科技旅游还有助于增强人们的环保意识。一方面,开展科技旅游可以使人们认识到科技不是万能的,滥用科技是造成各种环境问题和社会问题的重要原因之一。另一方面,人们通过参加科技旅游可以开启心智,动手动脑利用废旧物品搞一些小发明小创造,变废为宝,既增加了科学技术知识又加强了环保意识,实为一举两得之举。

科技旅游功能的多重性必然会带来多重的效益,科技旅游正是因为有了自身功能的优势才被各国政府争相开发,也正是因为这样它才不断的受到人们的重视和青睐。

2.科技旅游功能的互动性

科技旅游的众多功能不是孤立存在的,他们紧密相连、彼此依靠,相辅相成、互相促进,形成了一种良性的互动模式。科技旅游通过激发公众对科学技术的好奇心以及求知欲来普及科学技术知识,提高公众的科学素养,实现科技旅游的科技功能。公众的科学素养一旦提高,就会形成尊重科学、热爱科学和支持科学的热情,从而实现科技旅游的社会功能。科技旅游社会功能的实现又营造了全民关心科学发展、热爱科学事业的氛围,促使公众更加多的更加积极地参与到科技旅游活动中来,这又能使科技旅游的经济功能得到实现。经济功能的实现又会加大对科技研究的投入,促进科技创新,丰富科技旅游的内容,这样一来又促进了科技旅游的科技功能的实现。以沈阳世博园为例,它的开发目的无疑在于它的社会效益,然而在它充分发挥其社会功能的同时,其经济功能和对科技的作用也在不断的显现出来。2006年在沈阳世博园举办的沈阳世界园艺博览会(以下简称世园会)历时184天的世园会共接待游客1260.80万人次,创下了世界园艺博览会展期内接待游客总量的新纪录。其中“五一”和“十一”两个黄金周,接待游客高达310万人次。5月2日当天接待游客34万人次,创造了世界园艺博览会历史上单日游客总量的最高纪录。世园会的成功举办,对沈阳经济的促进作用已经显现。据测算,世园会的举办使棋盘山地区的土地价格升值了五倍,拉动沈阳的GDP增长100亿元以上,沈阳城市建设水平提前了五到十年。2006年前三季度,沈阳市共接待国内外旅游者3165.7万人次,旅游业总收入205.7亿元,两项指标均增长18%以上。1至9月份,全市接待国内外旅游者总数比去年同期增加了496.5万人次,增幅达18.6%。其中国内旅游者3134.9万人次,同比增长18.5%;入境旅游者30.8万人次,同比增长33.3%。世园会的成功举办为中国在国际上赢得了巨大的荣誉,同时塑造了沈阳“国家森林城市”形象,提升了沈阳的城市品位和城市影响力,促进了沈阳城市的大幅度升值,增强了沈阳全体市民自豪感,成为了沈阳由重化工业城市向现代城市的转折点和全面振兴新的推动力。在名利双收的同时,世博园也为人们提供了一个普及科学知识领略技术之美的好机会。园区植物数量共7000余种,其中精品种类630余种,550万株郁金香,820万株宿根花,130万株球根花,有3500余种15万株玫瑰花,有300盆园内极品盆景。通过参观游览,人们加深了对各种植物的了解以及对珍贵稀有物种的认知。世博园的建筑和设计上无处不体现着科技之光。园中的上海园——“空中花园”,总占地面积1345平方米,绿化面积1077平方米,绿地率80%。其主题为“生态多彩,科技之光”,园内观景台最高处离地3米,游人可在下面穿行。离地45厘米的木栈道弯曲而行,象征美丽的黄浦江;井字形的花卉展区象征上海市民丰富多彩的生活;连接地面与空中花园的坡道则寓意上海四通八达的立体交通。园区中有一座时钟指针形栈桥,它体现了上海的时代进取精神。其中一个指针是从地面攀升到二层观景台的坡道,另一个指针是伸向园区的观台。观景台中心建筑“生态科技光”由上海市花白玉兰的抽象花瓣围合而成,墙体外部装有液晶电视屏幕,用于展示上海园艺绿化发展的前景。整个观景台大量采用钢和玻璃两种料。条块分割的花卉展区在体现城市机理的同时,便于日常养护管理,并能让游人与花草亲近。新型园艺技术在园中得到巧妙运用。通过改装,园区内的栏杆形成了一个滴灌系统。人们在不知不觉中就体会到了现代园艺、科技与生活的完美结合。

3.科技旅游功能的拓展性

免责声明:以上文章内容均来源于本站老师原创或网友上传,不代表本站观点,与本站立场无关,仅供学习和参考。本站不是任何杂志的官方网站,直投稿件和出版请联系出版社。
友情链接
发表咨询 加急咨询 范文咨询 杂志订阅 返回首页