吳燕華，羅樂(lè)勤

(1.浙江農(nóng)林大學(xué)天目學(xué)院，臨安311300;2.廈門大學(xué)經(jīng)濟(jì)學(xué)院，廈門361005)

基于VaR的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)分析
——以浙江省為例

吳燕華1，羅樂(lè)勤2

(1.浙江農(nóng)林大學(xué)天目學(xué)院，臨安311300;2.廈門大學(xué)經(jīng)濟(jì)學(xué)院，廈門361005)

采用VaR方法構(gòu)建房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的測(cè)量模型，通過(guò)收集1991—2010年浙江省房地產(chǎn)業(yè)發(fā)展數(shù)據(jù)，應(yīng)用SPSS17.0和Matlab軟件進(jìn)行回歸分析和蒙特卡洛仿真，定量分析房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)累積程度的大小，為房地產(chǎn)政策制訂和市場(chǎng)監(jiān)管提供直觀量化的決策依據(jù)。

房地產(chǎn)業(yè);市場(chǎng)風(fēng)險(xiǎn);VaR;蒙特卡洛模擬

風(fēng)險(xiǎn)價(jià)值(Value at Risk，VaR)是針對(duì)金融衍生品發(fā)展帶來(lái)的新問(wèn)題而發(fā)展起來(lái)的，最初被廣泛應(yīng)用于金融風(fēng)險(xiǎn)管理，目前已擴(kuò)展到了除市場(chǎng)風(fēng)險(xiǎn)外的其他形式風(fēng)險(xiǎn)，如信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)，是國(guó)際上風(fēng)險(xiǎn)管理的基本工具之一［1］。對(duì)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的測(cè)量同樣也可以采用VaR方法。由于我國(guó)房地產(chǎn)市場(chǎng)起步較晚，基于VaR的房地產(chǎn)業(yè)風(fēng)險(xiǎn)管理的研究也不夠豐富。早期的理論研究多半是理論性質(zhì)的，主要研究VaR在房地產(chǎn)領(lǐng)域的應(yīng)用，同時(shí)討論VaR各種計(jì)算方法如蒙特卡洛模擬、歷史模擬法等方法的優(yōu)缺點(diǎn)、準(zhǔn)確性和適用性等問(wèn)題［2－5］。在實(shí)證分析方面，著重于應(yīng)用VaR方法度量房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)［6］，利用蒙特卡洛模擬度量房地產(chǎn)投資和開(kāi)發(fā)風(fēng)險(xiǎn)［7－9］，利用VaR模型研究房地產(chǎn)泡沫風(fēng)險(xiǎn)等等［10－11］。

本文采用VaR方法構(gòu)建房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的測(cè)量模型，創(chuàng)新之處在于進(jìn)行蒙特卡洛模擬的時(shí)候，使用預(yù)測(cè)值進(jìn)行仿真模擬，區(qū)別于其他文獻(xiàn)的利用過(guò)去值信息，從而定量分析房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)累積程度的大小，為房地產(chǎn)政策制訂和市場(chǎng)監(jiān)管提供直觀量化的決策依據(jù)。

一、VaR基本原理及其計(jì)算方法

(一)VaR的基本原理

美國(guó)學(xué)者菲利普·喬瑞將VaR定義為，在一定的置信水平下和一定的目標(biāo)期間內(nèi)，預(yù)期的最大損失。即在正常的市場(chǎng)條件和給定的置信度內(nèi)，某種金融資產(chǎn)或資產(chǎn)組合在既定時(shí)期內(nèi)所面臨的市場(chǎng)風(fēng)險(xiǎn)大小和可能遭受的潛在最大價(jià)值損失。其數(shù)學(xué)定義為:p{Δp＞VaR}=1－c，其中Δp為金融資產(chǎn)或其組合在持有期Δt內(nèi)的損失;VaR為置信水平c下處于風(fēng)險(xiǎn)的價(jià)值。如圖1所示:

圖1 VaR的數(shù)學(xué)定義圖解

例如對(duì)某一金融機(jī)構(gòu)來(lái)說(shuō)，假定其2009年的置信度為99%的日VaR值為500萬(wàn)美元，即說(shuō)明可以以99%的概率保證，其投資組合在2009年的每一個(gè)特定時(shí)點(diǎn)上在未來(lái)的24小時(shí)內(nèi)，由于市場(chǎng)風(fēng)險(xiǎn)帶來(lái)的損失不會(huì)超過(guò)500萬(wàn)美元，再以這一數(shù)額與該金融機(jī)構(gòu)的年利潤(rùn)和資本額相對(duì)照，則其風(fēng)險(xiǎn)狀況即可一目了然。

(二)VaR的計(jì)算方法

VaR定義為正常情況下投資組合的預(yù)期價(jià)值與在一定置信水平下的最低價(jià)值之差。設(shè)ω0為持有期初資產(chǎn)組合價(jià)值，R為收益率，則資產(chǎn)組合期末價(jià)值為ω0(1+R)。記ω*和R*為置信水平c下投資組合的最低期末價(jià)值和最低收益率，則VaR=E (ω)－ω*=E［ω0(1+R)］－ω0(1+R*)=ω0［E (R)－R ］。設(shè)投資組合的未來(lái)價(jià)值R服從均值和方差分別為μ和σ2的正態(tài)分布，即可求出給定置信水平c下的R*，最終VaR=ω0(μ－R*)。一般可以采用如下3種方法進(jìn)行計(jì)算:

1.歷史模擬法，是借助于計(jì)算過(guò)去一段時(shí)間內(nèi)的資產(chǎn)組合風(fēng)險(xiǎn)收益的頻度分布，通過(guò)找到歷史上一段時(shí)間內(nèi)的平均收益，以及在既定置信水平c下的最低收益率，計(jì)算資產(chǎn)組合的VaR值。“歷史模擬法”假定收益隨時(shí)間獨(dú)立同分布，以收益的歷史數(shù)據(jù)樣本的直方圖作為對(duì)收益真實(shí)分布的估計(jì)，分布形式完全由數(shù)據(jù)決定，不會(huì)丟失和扭曲信息，然后用歷史數(shù)據(jù)樣本直方圖的P分位數(shù)據(jù)作為對(duì)收益分布的P分位數(shù)波動(dòng)的估計(jì)。

2.方差—協(xié)方差法，同樣是運(yùn)用歷史資料，計(jì)算資產(chǎn)組合的VaR值。其基本思路為:首先，利用歷史數(shù)據(jù)計(jì)算資產(chǎn)組合的收益的方差、標(biāo)準(zhǔn)差、協(xié)方差;其次，假定資產(chǎn)組合收益是正態(tài)分布，可求出在一定置信水平下，反映了分布偏離均值程度的臨界值;第三，建立與風(fēng)險(xiǎn)損失的聯(lián)系，推導(dǎo)VaR值。

3.蒙特卡羅模擬法，是基于歷史數(shù)據(jù)和既定分布假定的參數(shù)特征，借助隨機(jī)產(chǎn)生的方法模擬出大量的資產(chǎn)組合收益的數(shù)值，再計(jì)算VaR值。用蒙特卡羅模擬法計(jì)算VaR分為三步:第一步:情景產(chǎn)生，選擇市場(chǎng)因子變化的隨機(jī)過(guò)程和分布，估計(jì)其中相應(yīng)的參數(shù)，模擬市場(chǎng)因子的變化路徑，建立市場(chǎng)因子未來(lái)變化的情景;第二步:組合估值，對(duì)市場(chǎng)因子的每個(gè)情景，利用定價(jià)公式或其他方法計(jì)算組合的價(jià)值及其變化;第三步:估計(jì)VaR，根據(jù)組合價(jià)值變化分布的模擬結(jié)果，計(jì)算出給定置信度下的VaR。

由于我國(guó)房地產(chǎn)市場(chǎng)發(fā)展時(shí)間不長(zhǎng)，數(shù)據(jù)有限，運(yùn)用歷史模擬法時(shí)樣本的大小會(huì)對(duì)VaR值造成較大的影響，所以不能保證歷史模擬法的預(yù)測(cè)效果。而方差—協(xié)方差估計(jì)法要求資產(chǎn)收益必須服從正態(tài)分布，實(shí)證研究表明，金融資產(chǎn)的收益經(jīng)常出現(xiàn)“后尾”特征的非正態(tài)分布［2］，綜上考慮，房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)價(jià)值的計(jì)算適合采用蒙特卡羅模擬法。

二、基于VaR的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)測(cè)量

(一)建立考查對(duì)象和市場(chǎng)因子關(guān)系模型

選取房地產(chǎn)業(yè)增加值作為衡量房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的被解釋變量，選取宏觀經(jīng)濟(jì)、相關(guān)產(chǎn)業(yè)以及房地產(chǎn)業(yè)三個(gè)層次的市場(chǎng)因子變量作為解釋變量進(jìn)行分析。對(duì)于市場(chǎng)因子的選擇如表1所示:

表 房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子

建立房地產(chǎn)業(yè)增加值Hav與市場(chǎng)風(fēng)險(xiǎn)因子之間關(guān)系的回歸模型:

(二)蒙特卡洛仿真分析

過(guò)去在用蒙特卡洛方法分析VaR時(shí)，主要是用歷史數(shù)據(jù)的均值和標(biāo)準(zhǔn)差進(jìn)行模擬，本文考慮到中國(guó)近年來(lái)經(jīng)濟(jì)發(fā)展過(guò)于迅速，用均值分析會(huì)得出與市場(chǎng)發(fā)展方向不太一致的過(guò)于悲觀的結(jié)果，在用蒙特卡洛模擬進(jìn)行分析時(shí)，本文采取首先預(yù)測(cè)出各指標(biāo)的2010年的值，并求出殘差的標(biāo)準(zhǔn)差，分別用預(yù)測(cè)值和殘差標(biāo)準(zhǔn)差進(jìn)行蒙特卡洛模擬，得出與市場(chǎng)發(fā)展較一致的結(jié)果。

在Matlab中正態(tài)分布隨機(jī)數(shù)的產(chǎn)生函數(shù)為normrnd(mu，sigma，m，n)，產(chǎn)生符合上述正態(tài)分布的隨機(jī)數(shù)，得到5 000組市場(chǎng)風(fēng)險(xiǎn)因子的預(yù)測(cè)值的隨機(jī)數(shù)，根據(jù)這些隨機(jī)數(shù)代入回歸模型，計(jì)算被解釋變量的可能取值，從而獲得房地產(chǎn)業(yè)增加值的分布。

(三)VaR計(jì)算和風(fēng)險(xiǎn)分析

在得到房地產(chǎn)增加值的分布以后，根據(jù)其概率分布和設(shè)定的置信水平計(jì)算出VaR值。最終，采用VaR方法測(cè)量房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的分析框架如圖2所示:

圖2 基于VaR的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)分析框架

三、浙江省房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)測(cè)量實(shí)證分析

(一)數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源有:浙江省統(tǒng)計(jì)年鑒、浙江省統(tǒng)計(jì)公報(bào)以及浙江省金融運(yùn)行報(bào)告。搜集到浙江省1991—2010年的房地產(chǎn)業(yè)增加值(Hav)、地區(qū)生產(chǎn)總值(GDP)、居民消費(fèi)價(jià)格指數(shù)(CPI)、國(guó)內(nèi)貸款(L)、建筑業(yè)增加值(Aav)、金融業(yè)增加值(Fav)、房地產(chǎn)開(kāi)發(fā)投資額(I)、商品房銷售價(jià)格(P)共7個(gè)指標(biāo)的數(shù)據(jù)。

(二)建立多元線性回歸模型

采用SPSS17.0軟件進(jìn)行回歸分析，為了減少多重共線性的影響，本文選擇逐步回歸法進(jìn)行回歸分析。最終進(jìn)入模型的變量為金融業(yè)增加值(Fav)、房地產(chǎn)開(kāi)發(fā)投資額(I)、國(guó)內(nèi)貸款(L)。模型方程及相關(guān)參數(shù)估計(jì)如下:

從回歸方程的結(jié)果看R2=0.992，比較接近于1，說(shuō)明回歸效果較好。F檢驗(yàn)值的顯著性水平＜0.001，各變量都通過(guò)了t檢驗(yàn)，由DW值可知模型不存在一階序列相關(guān)。

(三)蒙特卡洛仿真分析

為了利用預(yù)測(cè)數(shù)據(jù)進(jìn)行蒙特卡洛仿真模擬，首先第一步先預(yù)測(cè)出各個(gè)市場(chǎng)風(fēng)險(xiǎn)因子的數(shù)值，即估計(jì)出2010年各指標(biāo)的數(shù)值。通過(guò)各指標(biāo)的散點(diǎn)圖進(jìn)行分析，并對(duì)擬合的模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)，分析比較，最終得出各指標(biāo)的預(yù)測(cè)模型。

金融業(yè)增加值擬合三次曲線方程:Fav=－93.735+113.184t－17.138t2+0.87t3，房地產(chǎn)開(kāi)發(fā)額擬合二次曲線方程:I=126.279－47.524t+ 8.590t2，國(guó)內(nèi)貸款擬合三次曲線方程:L=－3.044 +4.455t+0.384t2+0.092t3。根據(jù)擬合的模型，計(jì)算出2011年的預(yù)測(cè)值如表2所示。

表2 市場(chǎng)因子的預(yù)測(cè)值和統(tǒng)計(jì)特征

第二步，采用蒙特卡洛模擬方法計(jì)算VaR值，我們?nèi)「髦笜?biāo)2011年的預(yù)測(cè)值和殘差的標(biāo)準(zhǔn)差為樣本，如表2所示，然后用Matlab軟件產(chǎn)生符合上述正態(tài)分布的隨機(jī)數(shù)。采用Matlab軟件，經(jīng)過(guò)5 000次仿真分析后，依據(jù)仿真結(jié)果計(jì)算出來(lái)的次年房地產(chǎn)業(yè)增加值的頻數(shù)分布如圖1所示。

圖3 2011年房地產(chǎn)增加值頻數(shù)分布圖

(四)VaR的計(jì)算與風(fēng)險(xiǎn)分析

對(duì)仿真得到的5 000個(gè)房地產(chǎn)增加值升序排列，挑選出部分關(guān)鍵數(shù)據(jù)，列于表3。

表3 VaR值的計(jì)算

在置信水平c=90%下，VaR=16.93億元，即90%的可能性認(rèn)為2011年浙江省房地產(chǎn)業(yè)增加值會(huì)增加16.93億元。在置信水平c=95%下，VaR=－4.21億元，即95%的可能性認(rèn)為2011年浙江省房地產(chǎn)業(yè)增加值的損失會(huì)在4.21億元以內(nèi)，或者說(shuō)損失超過(guò)4.21億元的概率只有5%。在置信水平c=99%下，VaR=－49.15億元，即99%的可能性認(rèn)為2011年浙江省房地產(chǎn)業(yè)增加值的損失會(huì)在49.15億元以內(nèi)，或者說(shuō)損失超過(guò)49.15億元的概率只有1%。進(jìn)一步分析，得出以下結(jié)論:

第一，通過(guò)Matlab編程導(dǎo)出在置信水平為90%的時(shí)候，浙江省房地產(chǎn)增加值至少要比2010年增加16.93億元，為正值，意味著前面大約10%的可能房地產(chǎn)業(yè)增加值是要損失的，也就是說(shuō)未來(lái)下降的可能性比較小。第二，在以上三個(gè)置信水平下，房地產(chǎn)業(yè)增加值增減幅度依次為 1.10%，－0.28%，－3.34%，說(shuō)明2011年房地產(chǎn)業(yè)呈現(xiàn)平穩(wěn)震蕩的格局，上升或下降的幅度可能不是很大，基本產(chǎn)值與2010年持平。第三，結(jié)合當(dāng)前經(jīng)濟(jì)形勢(shì)和國(guó)家宏觀調(diào)控政策，抑制房?jī)r(jià)過(guò)快上漲的各種政策紛紛出臺(tái)，房地產(chǎn)貸款增速回落，預(yù)計(jì)2011年的房地產(chǎn)市場(chǎng)因子波動(dòng)性更強(qiáng)，如果考慮這種波動(dòng)性，則損失值將變大，VaR也將變大，及今年房地產(chǎn)業(yè)市場(chǎng)潛在的波動(dòng)性較強(qiáng)，市場(chǎng)風(fēng)險(xiǎn)的累積水平較高。

四、相關(guān)政策建議

1.切實(shí)加強(qiáng)房地產(chǎn)金融服務(wù)。人民銀行要加強(qiáng)“窗口指導(dǎo)”，督促商業(yè)銀行優(yōu)化信貸結(jié)構(gòu)，嚴(yán)格調(diào)控房地產(chǎn)信貸需求;要加強(qiáng)對(duì)房地產(chǎn)市場(chǎng)形勢(shì)變化和房地產(chǎn)信貸執(zhí)行情況的跟蹤監(jiān)測(cè)，及時(shí)掌握各金融機(jī)構(gòu)執(zhí)行房地產(chǎn)信貸政策的情況，加大房地產(chǎn)金融“窗口指導(dǎo)”力度;各商業(yè)銀行要加強(qiáng)房地產(chǎn)信貸管理和投放，防范房地產(chǎn)信貸潛在風(fēng)險(xiǎn)。

2.嚴(yán)格房地產(chǎn)信貸管理，嚴(yán)防各類風(fēng)險(xiǎn)。一是完善房地產(chǎn)開(kāi)放商及個(gè)人房貸業(yè)務(wù)流程管理，引入營(yíng)銷、審批、貸后管理分離制度，及時(shí)發(fā)現(xiàn)和有效遏制內(nèi)外勾結(jié)、虛假按揭逃去信貸資金行為;二是堅(jiān)決遏制為爭(zhēng)奪客戶資源而采取的降低貸款準(zhǔn)入門檻等不良經(jīng)營(yíng)行為，市場(chǎng)掌握房地產(chǎn)商現(xiàn)金流及貸款個(gè)人償貸能力的變化情況;三是對(duì)房地產(chǎn)商貸及個(gè)人房貸進(jìn)行貸前檢查、貸時(shí)審查、貸后檢查全面稽核等工作。

3.加強(qiáng)房地產(chǎn)金融產(chǎn)品的創(chuàng)新，拓寬融資渠道，分散房地產(chǎn)信貸風(fēng)險(xiǎn)。依靠房地產(chǎn)融資渠道多元化和證券化轉(zhuǎn)移和分擔(dān)房地產(chǎn)投資風(fēng)險(xiǎn)。為了解決當(dāng)前房地產(chǎn)企業(yè)過(guò)于依賴銀行資金的問(wèn)題，在收緊銀行對(duì)房地產(chǎn)企業(yè)信貸規(guī)模的同時(shí)，還必須為房地產(chǎn)企業(yè)創(chuàng)造新的融資渠道，通過(guò)房地產(chǎn)融資渠道多元化來(lái)實(shí)現(xiàn)有效的風(fēng)險(xiǎn)分散。例如，房地產(chǎn)企業(yè)通過(guò)股票市場(chǎng)上市融資，還可以發(fā)行企業(yè)債券，即允許有實(shí)力、有信譽(yù)的大開(kāi)發(fā)商直接到公開(kāi)資本市場(chǎng)上發(fā)行短、中期項(xiàng)目債券，債券投資者根據(jù)不同的收益預(yù)期承擔(dān)不同的風(fēng)險(xiǎn);或者具有股票性質(zhì)的購(gòu)房者與開(kāi)發(fā)商“合伙建房”，即允許購(gòu)房者直接通過(guò)“入股”方式和開(kāi)發(fā)商“合伙”建房;或者發(fā)展房地產(chǎn)投資基金以及房地產(chǎn)信托投資等等。

4.繼續(xù)推進(jìn)住房保障體系的建設(shè)。完善城鎮(zhèn)低收人家庭住房保障機(jī)制，加強(qiáng)對(duì)低收入住房保障對(duì)象的監(jiān)測(cè)管理，建立動(dòng)態(tài)管理制度，使不符合條件的家庭及時(shí)退出住房保障范圍，提高住房保障資源效率。此外，抓緊研究規(guī)范公共保障性住房的政策，清晰制定住房保障的目標(biāo)和保障的范圍，將住房保障工作制度化，落實(shí)工作機(jī)構(gòu)并將住房保障開(kāi)支納人政府財(cái)政預(yù)算。

［1］ 菲利普·喬瑞.VaR:風(fēng)險(xiǎn)價(jià)值——金融風(fēng)險(xiǎn)管理新標(biāo)準(zhǔn)［M］.北京:中信出版社，2000:25.

［2］ 李曉慶，鄭垂勇.VaR的方法比較及其應(yīng)用研究［J］.生產(chǎn)力研究，2006(7):64－66.

［3］ 金衛(wèi)健.VaR在房地產(chǎn)行業(yè)的應(yīng)用［J］.市場(chǎng)周刊，2004(8):100－101.

［4］ 陳國(guó)坤，李斌，周芬.基于VAR的房地產(chǎn)投資風(fēng)險(xiǎn)度量方法研究［J］.基建優(yōu)化，2006(10):92－93.

［5］ 王慶慶.房地產(chǎn)風(fēng)險(xiǎn)分析中的蒙特卡洛模擬［J］.統(tǒng)計(jì)與決策，2005(11):143－144.

［6］ 阮連法，溫海珍，崔新明.基于在險(xiǎn)值的杭州市房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)分析［J］.浙江大學(xué)學(xué)報(bào)，2006(11):58－63.

［7］ 胡曉.武漢房地產(chǎn)投資風(fēng)險(xiǎn)分析——風(fēng)險(xiǎn)價(jià)值VaR的應(yīng)用［J］.中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào)，2006(5):28－33.

［8］ 張炯.蒙特卡洛法應(yīng)用于房地產(chǎn)開(kāi)發(fā)項(xiàng)目可行性研究［J］.揚(yáng)州大學(xué)學(xué)報(bào)，2004(5):31－33.

［9］ 楊云飛.蒙特卡洛法在房地產(chǎn)開(kāi)發(fā)風(fēng)險(xiǎn)分析的實(shí)際運(yùn)用研究［J］.建材與裝飾，2008(2):157－159.

［10］ 王芳.基于VaR模型的房地產(chǎn)泡沫風(fēng)險(xiǎn)的研究［J］.商業(yè)文化:學(xué)術(shù)版，2007(11):114－115.

［11］ 楊黎明.基于VaR模型房?jī)r(jià)泡沫引發(fā)GDP風(fēng)險(xiǎn)管理方法研究［J］.企業(yè)經(jīng)濟(jì)，2010(1):39－41.

［12］ RiskMetrics Group.RiskMetrics:Technical Document［M］.New York:JP Morgan/Reuters，1996:149－12.

［13］ Dr.Carlos Blanco.Calculating and using Value at Risk［J］.Global Energy Business，2001(5):13.

Risk analysis of real estate market based on VaR:empirical research on Zhejiang，China

WU Yan－h(huán)ua，et al.
(Zhejiang Agriculture and Forestry University，Lin'an 311300，China)

This paper uses value at risk(VaR)model to predict the risk of real estate market.By collecting the real estate data of Zhejiang province from 1991 to 2009，multinomial-regression analysis and Monte Carlo simulation were made by using SPSS 17.0 and Matlab software respectively quantitatively analyzing how big the accumulation level of the market risk is.VaR method can offer reference index for the government to control the market risk and make effective policies.

real estate industry;market risk;value at risk(VaR);Monte Carlo simulation

F293.3

A

1009-8976(2011)03-0065-04

2011－05－08

浙江農(nóng)林大學(xué)科研發(fā)展基金項(xiàng)目(項(xiàng)目編號(hào): 2351000935)

吳燕華(1983—)，女(漢)，浙江義烏，碩士，講師主要研究統(tǒng)計(jì)理論與方法。