紀(jì)元昕，王茜瑤，趙美中，朱家明

（安徽財(cái)經(jīng)大學(xué)1.統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院,2.金融學(xué)院；安徽 蚌埠233030）

土地儲(chǔ)備方案的風(fēng)險(xiǎn)評(píng)估

紀(jì)元昕1，王茜瑤1，趙美中2，朱家明1

（安徽財(cái)經(jīng)大學(xué)1.統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院,2.金融學(xué)院；安徽 蚌埠233030）

摘要：針對(duì)土地儲(chǔ)備方案的風(fēng)險(xiǎn)評(píng)估,運(yùn)用模糊數(shù)學(xué)建立金融風(fēng)險(xiǎn)評(píng)估模型和主導(dǎo)因素判別模型,得到風(fēng)險(xiǎn)最大的前10個(gè)項(xiàng)目和3個(gè)導(dǎo)致風(fēng)險(xiǎn)最大的主導(dǎo)因素.利用風(fēng)險(xiǎn)綜合評(píng)價(jià)值,使用一元線(xiàn)性回歸法建立了風(fēng)險(xiǎn)值與收益回歸的模型,得到減少風(fēng)險(xiǎn)因素后的風(fēng)險(xiǎn)評(píng)估模型,使得該模型運(yùn)用到實(shí)際中時(shí)更加簡(jiǎn)便.對(duì)土地儲(chǔ)備投資者來(lái)講,常常追求低風(fēng)險(xiǎn)高收益的組合,于是將風(fēng)險(xiǎn)值與預(yù)期收益進(jìn)行回歸分析,根據(jù)擬合的一次方程大致估計(jì)出收益的大小.

關(guān)鍵詞：土地儲(chǔ)備；聚類(lèi)優(yōu)化；收益預(yù)測(cè)；Eview s；M atlab；Spss

從1996年上海成立我國(guó)首個(gè)城市土地儲(chǔ)備機(jī)構(gòu)起,城市土地儲(chǔ)備制度就優(yōu)化土地資產(chǎn)配置、規(guī)范土地市場(chǎng)運(yùn)行、保障土地利用總體規(guī)劃和城市規(guī)劃的實(shí)施等方面發(fā)揮了積極作用.然而,城市土地儲(chǔ)備具有投資量大、投資周期長(zhǎng)、實(shí)物形態(tài)是不動(dòng)產(chǎn)等特點(diǎn)［1-4］,并且在土地收儲(chǔ)過(guò)程中,需要?jiǎng)佑么罅抠Y金,于是在地方政府及其財(cái)政背書(shū)的情況下,土地收儲(chǔ)機(jī)構(gòu)利用大量銀行的授信貸款、抵押貸款等各種渠道的信貸資金收儲(chǔ)土地.而這些資金在土地市場(chǎng)疲軟之時(shí),極易因收儲(chǔ)的土地?zé)o法變現(xiàn)而導(dǎo)致金融風(fēng)險(xiǎn)的集中暴發(fā).本文在確定當(dāng)前城市土地儲(chǔ)備風(fēng)險(xiǎn)管理目標(biāo)的前提下,以城市土地儲(chǔ)備的風(fēng)險(xiǎn)識(shí)別為基礎(chǔ),選取合理的指標(biāo)對(duì)城市土地儲(chǔ)備進(jìn)行風(fēng)險(xiǎn)評(píng)估,最后提出風(fēng)險(xiǎn)控制的具體實(shí)施方案.

1　土地儲(chǔ)備方案的風(fēng)險(xiǎn)評(píng)估及原因分析

1.1研究思路

首先利用74個(gè)項(xiàng)目所對(duì)應(yīng)的各經(jīng)濟(jì)指標(biāo)值構(gòu)造指標(biāo)數(shù)值矩陣A.通過(guò)無(wú)量綱化,將矩陣的各元素均轉(zhuǎn)化為效益型指標(biāo),建立模糊效益型矩陣.接著利用相對(duì)優(yōu)屬度矩陣評(píng)價(jià),建立土地儲(chǔ)備金融風(fēng)險(xiǎn)評(píng)估模型,得到風(fēng)險(xiǎn)最大的前10個(gè)項(xiàng)目.針對(duì)這10個(gè)項(xiàng)目,從占主導(dǎo)地位的8個(gè)指標(biāo)入手,運(yùn)用回歸分析法,建立主導(dǎo)因素判別模型,得出了資金運(yùn)用比例低、動(dòng)態(tài)回收周期長(zhǎng)、財(cái)務(wù)內(nèi)部收益率低是導(dǎo)致項(xiàng)目風(fēng)險(xiǎn)最大的主導(dǎo)因素.

1.2數(shù)據(jù)處理

對(duì)各經(jīng)濟(jì)指標(biāo)進(jìn)行標(biāo)記［1］,用χ1表示土地儲(chǔ)備費(fèi)用,χ4表示動(dòng)態(tài)回收周期,χ5表示負(fù)債率,χ6表示涉及拆遷補(bǔ)償人口戶(hù),χ8表示總收儲(chǔ)成本估算,χ2表示財(cái)務(wù)凈現(xiàn)值,χ3表示財(cái)務(wù)內(nèi)部收益率,χ7表示項(xiàng)目規(guī)劃用途.其中土地儲(chǔ)備費(fèi)用、動(dòng)態(tài)回收周期、負(fù)債率、涉及拆遷補(bǔ)償人口戶(hù)、總收儲(chǔ)成本估算為成本型指標(biāo),效益型指標(biāo)為財(cái)務(wù)凈現(xiàn)值、財(cái)務(wù)內(nèi)部收益率、項(xiàng)目規(guī)劃用途.在此基礎(chǔ)上,對(duì)這8個(gè)經(jīng)濟(jì)指標(biāo)建立模糊效益型,模糊成本型矩陣.

利用模糊數(shù)學(xué)法中的相對(duì)優(yōu)屬度矩陣評(píng)價(jià),建立金融風(fēng)險(xiǎn)評(píng)估模型,具體步驟如下.

（1）比較74個(gè)項(xiàng)目各經(jīng)濟(jì)指標(biāo)的值,構(gòu)造理想性的最優(yōu)方案∶當(dāng)aij為效益型指標(biāo), 當(dāng)aij為成本型指標(biāo).

得到的結(jié)果為∶（0.002 669,51 998.96,0.802 4,1.09,0.21,0,6,3 482.44）T.

（2）建立相對(duì)偏差模糊矩陣R.

（3）建立各評(píng)價(jià)指標(biāo)的權(quán)數(shù)wi.

第一步,利用下面公式,計(jì)算矩陣A的各列向量的均值與方差∶

第三步,對(duì)變異系數(shù)歸一化,得到權(quán)重向量wi＝（0.113 8 0.141 5 0.153 8 0.165 6 0.126 8 0.044 5 0.133 9 0.120 1）.

（4）建立效益型矩陣.

利用Mat1ab軟件,得到74個(gè)項(xiàng)目中風(fēng)險(xiǎn)最大的前十個(gè)項(xiàng)目排序,如表1所示.

表1　修正前后風(fēng)險(xiǎn)值排序表

此處,定義風(fēng)險(xiǎn)值為Y,Y值越小則說(shuō)明該項(xiàng)目的風(fēng)險(xiǎn)越大.從表1可得,第66號(hào),第41號(hào),第69號(hào)項(xiàng)目為風(fēng)險(xiǎn)最大的前3個(gè)項(xiàng)目.

在上述數(shù)據(jù)處理中,選取了土地儲(chǔ)備費(fèi)用作為影響因素之一.但由經(jīng)濟(jì)學(xué)知識(shí)可知,土地儲(chǔ)備費(fèi)用本身仍不足以說(shuō)明其對(duì)風(fēng)險(xiǎn)大小的影響.因此考慮用“財(cái)務(wù)凈現(xiàn)值/總現(xiàn)金流出”來(lái)表示項(xiàng)目在自由資金實(shí)力下對(duì)土地成本的承擔(dān)能力.將該因素指標(biāo)記為∶資金運(yùn)用比例,代替土地儲(chǔ)備費(fèi)用作為效益型指標(biāo)［2］.

由修正模型重復(fù)上述步驟,得到的權(quán)重向量為∶

重新得出的風(fēng)險(xiǎn)最大的前10個(gè)項(xiàng)目排序,如表1所示.此時(shí),風(fēng)險(xiǎn)最大的前10個(gè)項(xiàng)目發(fā)生了改變,可見(jiàn)“資金運(yùn)用比例”這一效益型指標(biāo)對(duì)風(fēng)險(xiǎn)大小確實(shí)有較大影響.

（6）最小二乘法的回歸分析.

通過(guò)上述的數(shù)據(jù)處理,得到的是10個(gè)風(fēng)險(xiǎn)最大項(xiàng)目的排序.接下來(lái)判別對(duì)影響風(fēng)險(xiǎn)最大項(xiàng)目排序的8個(gè)風(fēng)險(xiǎn)因素中的主導(dǎo)因素,建立主導(dǎo)風(fēng)險(xiǎn)因素判別模型,分析這10個(gè)項(xiàng)目在所判別的主導(dǎo)因素中其風(fēng)險(xiǎn)值的共性與差異,進(jìn)而探討各項(xiàng)目風(fēng)險(xiǎn)較大的原因.

選擇樣本回歸函數(shù)使得被解釋變量y的估計(jì)值與真實(shí)值之差的平方和最小.用公式表示為∶.樣本回歸函數(shù)為yi＝b1＋b2χi＋ei其中ei為殘差項(xiàng).

由于在本文中主要想考察風(fēng)險(xiǎn)因素對(duì)金融風(fēng)險(xiǎn)值的回歸效果,因此回歸函數(shù)不是最終目的,對(duì)于回歸結(jié)果中可決系數(shù)與t統(tǒng)計(jì)量是主要研究對(duì)象.

經(jīng)過(guò)比較分析,篩選出資金運(yùn)用比例,財(cái)務(wù)內(nèi)部收益率,動(dòng)態(tài)回收周期風(fēng)險(xiǎn)因素的結(jié)果圖.

表2　資金運(yùn)用比例圖

由表2數(shù)據(jù)可知,決定系數(shù)R2高達(dá)69.8%,即風(fēng)險(xiǎn)評(píng)價(jià)值的結(jié)果有接近70%是由資金運(yùn)用比例的值所決定的,擬合程度較好.t統(tǒng)計(jì)量顯著高于2.0,即解釋變量通過(guò)了顯著性檢驗(yàn),說(shuō)明了資金運(yùn)用比例是金融風(fēng)險(xiǎn)評(píng)估的主導(dǎo)因素.

同“資金運(yùn)用比例”這一影響風(fēng)險(xiǎn)因素的數(shù)據(jù)處理,可得到財(cái)務(wù)內(nèi)部收益率的可決系數(shù)高達(dá)72.39%,與資金運(yùn)用比例因素大致相同,擬合程度較好.t統(tǒng)計(jì)量仍遠(yuǎn)大于2.0,通過(guò)了顯著性檢驗(yàn),可看出,財(cái)務(wù)內(nèi)部收益率也是作為效益型矩陣的主導(dǎo)性影響因素,其值越大,該項(xiàng)目承擔(dān)風(fēng)險(xiǎn)相對(duì)越小,抗風(fēng)險(xiǎn)能力越強(qiáng)［3］.

同理,對(duì)“動(dòng)態(tài)回收周期”這一風(fēng)險(xiǎn)因素指標(biāo)進(jìn)行處理.得到該因素也具有較好的擬合優(yōu)度,并通過(guò)顯著性檢驗(yàn),說(shuō)明動(dòng)態(tài)回收期作為成本型指標(biāo),對(duì)風(fēng)險(xiǎn)值的結(jié)果也有較大的影響.即動(dòng)態(tài)回收期越長(zhǎng),該項(xiàng)目所承擔(dān)的風(fēng)險(xiǎn)相對(duì)更大.

其他風(fēng)險(xiǎn)因素?cái)M合程度均較弱,因此主導(dǎo)因素可確定為資金運(yùn)用比例,財(cái)務(wù)內(nèi)部收益率,動(dòng)態(tài)回收周期.將數(shù)據(jù)導(dǎo)入Exce1,得到不同風(fēng)險(xiǎn)因素所占比例,如圖1所示.

圖1　金融風(fēng)險(xiǎn)餅狀圖

最后根據(jù)主導(dǎo)因素的數(shù)值不同,對(duì)風(fēng)險(xiǎn)最大的10個(gè)項(xiàng)目進(jìn)行風(fēng)險(xiǎn)原因分析.這10個(gè)項(xiàng)目的資金運(yùn)用比例均較低,僅在0.1～0.4之間波動(dòng)徘徊,財(cái)務(wù)內(nèi)部收益率也較低,在0.15～0.35之間波動(dòng)徘徊,而動(dòng)態(tài)回收周期均較大,在1.5左右范圍內(nèi)波動(dòng).

1.3結(jié)果分析

對(duì)于土地儲(chǔ)備方案的風(fēng)險(xiǎn)評(píng)估,給出一個(gè)可行的方案.首先利用模糊數(shù)學(xué)法,建立金融風(fēng)險(xiǎn)評(píng)估模型進(jìn)而得到資金運(yùn)用比例、動(dòng)態(tài)回收周期、負(fù)債率、涉及拆遷補(bǔ)償人口戶(hù)、總收儲(chǔ)成本估算、財(cái)務(wù)凈現(xiàn)值,財(cái)務(wù)內(nèi)部收益率和項(xiàng)目規(guī)劃用途這八個(gè)指標(biāo)的權(quán)重,最后根據(jù)權(quán)重建立相關(guān)矩陣,得到風(fēng)險(xiǎn)評(píng)價(jià)值.風(fēng)險(xiǎn)評(píng)價(jià)值越小則說(shuō)明該項(xiàng)目的風(fēng)險(xiǎn)越大.另外在考慮內(nèi)部市場(chǎng)利率與行業(yè)基準(zhǔn)利率波動(dòng)的前提下,資金運(yùn)用比例低、動(dòng)態(tài)回收周期長(zhǎng)、財(cái)務(wù)內(nèi)部收益率低是導(dǎo)致土地儲(chǔ)備方案風(fēng)險(xiǎn)較大的主要原因.

2　關(guān)于風(fēng)險(xiǎn)因素的聚類(lèi)優(yōu)化

2.1研究思路

在土地儲(chǔ)備風(fēng)險(xiǎn)的評(píng)估中,為了全面、系統(tǒng)地分析問(wèn)題,選取了74個(gè)土地儲(chǔ)備項(xiàng)目和8個(gè)風(fēng)險(xiǎn)因素指標(biāo).這兩類(lèi)指標(biāo)之間彼此有一定的相關(guān)性,因此所得的統(tǒng)計(jì)數(shù)據(jù)反映的信息在一定程度上有重疊.于是采用主成分分析法進(jìn)行分析,使用SPss軟件,建立主成分分析驗(yàn)證模型.首先消除不同風(fēng)險(xiǎn)因素之間量綱的影響,將原始數(shù)據(jù)標(biāo)準(zhǔn)化,然后建立風(fēng)險(xiǎn)因素相關(guān)矩陣和初始因子載荷矩陣,最后分解方差確立主成分,擬合新的主成分模擬［4］.

2.2數(shù)據(jù)處理

（1）將原始數(shù)據(jù)標(biāo)準(zhǔn)化,建立風(fēng)險(xiǎn)因素相關(guān)矩陣,如表3所示.標(biāo)準(zhǔn)化后的相關(guān)系數(shù)矩陣的數(shù)據(jù),可以體現(xiàn)各個(gè)變量之間的相關(guān)程度.

表3　風(fēng)險(xiǎn)因素相關(guān)矩陣表

（2）方差分解主成分提取分析,結(jié)果如表4所示.前三個(gè)因子的特征值大于1,且累積貢獻(xiàn)率達(dá)到了73.129%,基本可以反映原變量的總體情況.

表4　方差分解主成分提取分析圖

（3）擬合三個(gè)主成分,得到優(yōu)化后的風(fēng)險(xiǎn)評(píng)估模型

第一主成分包括∶凈現(xiàn)值/管理費(fèi)用,財(cái)務(wù)內(nèi)部收益率和負(fù)債率,并根據(jù)在該成分中占據(jù)的比例加權(quán),擬合成新的調(diào)查因素η1,第二主成分包括∶財(cái)務(wù)凈現(xiàn)值,動(dòng)態(tài)回收周期和總收儲(chǔ)成本估算,并根據(jù)在該成分中占據(jù)的比例加權(quán)擬合成η2；第三主成分包括∶涉及拆遷補(bǔ)償人口和項(xiàng)目規(guī)劃用途,并根據(jù)成分比例加權(quán)擬合成η3.建立主成分綜合模型∶

2.3結(jié)果分析

這樣由8個(gè)風(fēng)險(xiǎn)評(píng)價(jià)因素變?yōu)?個(gè)風(fēng)險(xiǎn)評(píng)價(jià)因素優(yōu)化后的風(fēng)險(xiǎn)評(píng)估模型,明顯的減少了風(fēng)險(xiǎn)因素?cái)?shù)量,使得該模型運(yùn)用到實(shí)際操作中時(shí)更加簡(jiǎn)便,減少了中間的成本.

3　關(guān)于土地儲(chǔ)備的收益預(yù)測(cè)

3.1研究思路

利用得到的風(fēng)險(xiǎn)綜合評(píng)價(jià)值,使用一元線(xiàn)性回歸方法,建立風(fēng)險(xiǎn)值與收益回歸模型.使用Eviews軟件,利用t統(tǒng)計(jì)值和可絕系數(shù)來(lái)判定模型優(yōu)度,由此對(duì)土地儲(chǔ)備風(fēng)險(xiǎn)的收益進(jìn)行合理預(yù)測(cè)［5］.

3.2數(shù)據(jù)處理

（1）數(shù)據(jù)處理思路

利用t統(tǒng)計(jì)值和可絕系數(shù)來(lái)判定模型優(yōu)度.因此采用t檢驗(yàn)來(lái)說(shuō)明風(fēng)險(xiǎn)和收益在土地儲(chǔ)備投資方面的關(guān)系,采用可決系數(shù)對(duì)統(tǒng)計(jì)的可靠性做出檢驗(yàn).

（2）選取指標(biāo)

給出的“預(yù)期收益”表面上雖是現(xiàn)金流入,但是并沒(méi)考慮到成本流出.因此采用“凈現(xiàn)金流量”作為指標(biāo)較為合適.

（3）利用t檢驗(yàn)得到的風(fēng)險(xiǎn)值與收益相關(guān)性表,如表5所示.

表5　風(fēng)險(xiǎn)值與收益相關(guān)性表

由表5數(shù)據(jù)可知,決定系數(shù)值僅有0.088 282,擬合程度不高.但由于只確定了一個(gè)變量,所以總體的差異可能會(huì)比較大.但t-Statistic＝2.640 417＞2,而且概率值為0.010 1<0.05則說(shuō)明風(fēng)險(xiǎn)值與收益是通過(guò)顯著性檢驗(yàn)的,說(shuō)明確實(shí)大風(fēng)險(xiǎn)會(huì)帶來(lái)較大的收益,兩者存在因果關(guān)系［6］.

（4）Scat yχ,可得擬合的一次方程為∶Y＝17 605.00χ＋1 312.060.

對(duì)于土地儲(chǔ)備的投資者來(lái)講,往往希望追求低風(fēng)險(xiǎn)高收益的組合,使自己的利潤(rùn)達(dá)到最大化.但收益與風(fēng)險(xiǎn)幾乎是如影隨形的,承擔(dān)風(fēng)險(xiǎn)是獲取收益的前提.本文將風(fēng)險(xiǎn)值與預(yù)期收益進(jìn)行了回歸分析,根據(jù)擬合的一次方程大致估計(jì)出收益的大小.

4　結(jié)論

由本文的模型可知,在城市土地儲(chǔ)備風(fēng)險(xiǎn)評(píng)估的具體實(shí)施方案中,首先針對(duì)各項(xiàng)目,建立模糊效益型和成本型矩陣.利用相對(duì)優(yōu)屬度矩陣評(píng)價(jià),建立土地儲(chǔ)備金融風(fēng)險(xiǎn)評(píng)估模型.接著利用模糊數(shù)學(xué)法,建立金融風(fēng)險(xiǎn)評(píng)估模型進(jìn)而得到各個(gè)風(fēng)險(xiǎn)指標(biāo)的權(quán)重.根據(jù)指標(biāo)的權(quán)重建立相關(guān)矩陣,得到風(fēng)險(xiǎn)評(píng)價(jià)值.利用得到的風(fēng)險(xiǎn)綜合評(píng)價(jià)值,使用一元線(xiàn)性回歸方法,建立風(fēng)險(xiǎn)值與收益回歸模型,由此得到風(fēng)險(xiǎn)評(píng)價(jià)因素優(yōu)化后的風(fēng)險(xiǎn)評(píng)估模型.由于收益與風(fēng)險(xiǎn)幾乎是如影隨形的,承擔(dān)風(fēng)險(xiǎn)是獲取收益的前提.再將風(fēng)險(xiǎn)值與預(yù)期收益進(jìn)行回歸分析,根據(jù)擬合的一次方程大致估計(jì)出收益的大小.根據(jù)此方法得到的收益大小,可為政府部門(mén)的土地儲(chǔ)備投資做出建議.

參考文獻(xiàn)：

［1］紀(jì)元昕,王茜瑤,趙美中.第七屆數(shù)學(xué)中國(guó)數(shù)學(xué)建模網(wǎng)絡(luò)挑戰(zhàn)賽C題［EB/OL］.［2014-04-22］.httP：//www.madio.net/forum. PhP？mod＝viewthread&tid＝211555&extra＝Page%3D21%26fi1ter%3DtyPeid%26tyPeid%3D468%26tyPeid%3D468.

［2］苗春霖.土地儲(chǔ)備的風(fēng)險(xiǎn)與對(duì)策［J］.中國(guó)土地,2005（1）∶28-29.

［3］曾向陽(yáng),張安錄,陳勇.土地儲(chǔ)備制度實(shí)證研究［M］.上?！蒙虾Ｉ鐣?huì)科學(xué)院出版社,2008：57-60.

［4］盧有杰,盧家儀.項(xiàng)目風(fēng)險(xiǎn)管理［M］.北京∶清華大學(xué)出版社,1999.

［5］陳曉軍,盛淑凱,張建利,等.土地儲(chǔ)備項(xiàng)目風(fēng)險(xiǎn)預(yù)警控制模型［J］.中國(guó)土地科學(xué),2009,23（1）∶38-42.

［6］潘春宏.土地儲(chǔ)備風(fēng)險(xiǎn)控制研究［M］.哈爾濱：哈爾濱工業(yè)大學(xué),2009.

（責(zé)任編輯∶邵曉軍）

中圖分類(lèi)號(hào)：F301.24

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1007-5348（2015）10-0010-05

［收稿日期］2015-07-26

［基金項(xiàng)目］安徽省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（AH201410378314）.

［作者簡(jiǎn)介］紀(jì)元昕（1994-）,女,安徽合肥人,安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院學(xué)生；研究方向∶統(tǒng)計(jì)學(xué).

Rlsk Assessment of Scheme for Land Reserve System

JIYuan-xin1,WANG Xi-yao1,ZHAOMei-zhong2,ZHU Jia-ming1
（1.Schoo1of Statistics and APP1ied Mathematics,2.Schoo1of Finance,Anhui University of Finance and Economics,Bengbu 233030,Anhui,China）

Abstract:Referring to the risk assessment of scheme for 1and reserve system,itmakes use of the fuzzymathematics to estab1ish the risk assessmentmode1and judgment by dominant factorsmode1 to figure out toP ten Projects of the 1argest risk and three dominant factors which cause the 1argest risk.Then the risk comPrehensive eva1uation obtained is used for bui1ding uP the risk va1ue and exPected return through 1inear regression method. In this resPect,it cou1d acquire the new risk assessmentmode1which e1iminates the risk factors.It ismore convenient to aPP1y such mode1 into the Practica1 use,such as for investors,who often Pursue the combination of 1ow risk and high return.So it cou1d use the risk va1ue and exPected return to do the regression ana1ysis,estimating the exact va1ue of return based on the fitting equation.

Key words:1and reserve system；c1ustering oPtimization；exPected return；Eviews；Mat1ab；SPss