范文一：中国楼市的中长期趋势

　　需要强调的是，拉动宏观经济的不光是商品房，保障房同样可起到相同的作用，而且对刚需的拉动力度更大

　　未来不可预测，经济学大师弗里德曼曾用讥讽的语气说：“在过去的5次市场动荡中，经济学家预测到了15次。”但有的时候我们必须根据已有的经济数字和动态对未来的趋势进行判断。

　　2007年美联储主席格林斯潘在其出版的《动荡年代》(TheAge of Turbulence)一书中对当时的美国经济断言：“我们面对的不是泡沫而是小气泡，许多小型、区域型的小气泡，绝对不会膨胀到威胁整体经济健全性的地步。”然而短短几个月后，美国便爆发了席卷全球的“次贷危机”。

　　那么，对中国的房地产来说，哪些是正在发生的变革和趋势呢?

　　房地产业的去支柱化进程是一个中长期趋势

　　我们都知道一个定律叫马太效应，这个定律就是有钱人越来越有钱，没钱人越来越没钱，有钱人越来越有钱是一种良性循环，没钱人越来越没钱是种恶性循环。用于解释中国楼市目前存在的问题，对房地产业的过度依赖，使得多个领域出现马太效应，并出现恶性循环。

　　正如国土资源部副部长谙小苏讲的那样，“房地产业是重要的基础产业，而不应成为重要的经济支柱产业”。经济中出现的贫富差距、冷热不均二元经济结构，土地财政无以为继，人口老龄化以及即将消失的人口红利等都促使我们必须要坚定的方向是—走去房地产支柱化之路。

　　中央和地方在“十二五”规划中大幅调低GDP增速。比如全国定为7％，江苏省由过去多年的13％调低为10％，而上海则仅为8％，中国更是确定2012年国内生产总值增长目标7.5％，八年来首次低于8％。这意味着要更加注重GDP增长的质和内涵，对房地产业而言意味着并不需要过去那么高的成交量和投资额度。

　　国务院总理**多次强调，调低经济增速，以转变经济发展方式为主线，不仅表明决心和意志，而且是一个重大的举措。在今后五年以至中国经济发展的相当长时期，我们要把转变经济发展方式作为主线。

　　进行产业结构的调整，坚决走去房地产支柱化的路，让房地产业在国民经济中所占的份额逐年下降，减少对房地产业的依赖，为房地产业回归理性提供时间和空间。

　　行业整合大势所趋

　　中国房地产业发展高峰时商品房年成交近10亿平方米，但随着下调GDP增速目标深化房地产业去支柱化之路，将加速行业整合步伐，这意味着宏观经济增长不再需要房地产业维持以往的贡献比例，加之保障房建设的加速和跟进，保障房所占比重逐渐增加，一来分流需求，二来也使得商品房市场总体规模下降，因此，整个房地产业将出现僧多粥少的局面，目前中国经注册房企8万家，一部分企业被动退出将不可避免。

　　换句话说，房地产市场的行业整合是必然之势。在中国内地，百强房地产开发商的销售额仅占所有销售额24％，中国房地产企业总体而言，规模偏小，行业集中度比较分散。就是排名第一的万科，市场占有率也仅有3％左右，而这一数字2005年还只有0.94％。

　　本轮调控至今，发生在上市公司间的兼并整合案例多达600余起，其中房地产业的兼并整合案例占90％位居首位。2011年末新华社发文称，截至2011年底，北京注销房企473家，剩余有效资质企业3000家，北京每年供地200宗，就算1000家房企可以拿到地，也意味着超过2／3房企将无地可拿。

　　而武汉的数据也显示，截至2011年10月底，武汉共有在册房地产开发企业1375家。相比2010年同期，房企数量减少了200余家。大量房企快速消失，意味着市场机会将属于少数实力强大的公司。

　　土地供给为保障房让路

　　房地产市场一个明显的走向是，打造双轨制，土地供给为保障房让路。这将有效调节市场供给结构。

　　“十二五”规划明确规定，未来五年全国要建设城镇保障性安居工程3600万套，使保障性住房的覆盖率达到20％，各地的保障性住房、棚户区改造和中小套型普通商品房的用地供应不得低于住房用地总量的70％。

　　2012年3月5日，**总理在作政府工作报告时指出，2012年将继续推进保障性安居工程建设，在确保质量的前提下，基本建成500万套，新开工700万套以上。抓紧完善保障性住房建设、分配、管理、退出等制度。

　　随着保障性住房大规模建成并投入使用，我国的住房保障也将迈入“建管并重”的阶段，保障性住房建设供应力度加大，供应高峰到来，这使得我本人呼吁的“分锅吃饭”或者说供给“双轨制”的效应开始显现。

　　融资模式方面，国家动用公积金、保险资金、企业债等多种手段解决保障房建设资金。

　　但是需要强调的是，拉动宏观经济的不光是商品房，保障房同样可起到相同的作用，而且对刚需的拉动力度更大。道理很简单，投资需求买房后可能空置，而保障性住房的购买者则一定会进行装修等进一步消费，从而产生拉动作用。

　　房产占家庭财产比例将会下降

　　西南财经大学中国家庭金融调查与研究中心发布的全国首份《中国家庭金融调查报告》显示，中国家庭住房资产占比最大，自有住房拥有率为89.68％，远超世界63％的水平，且城市第一套房平均收益率高达340.31％，城市住房收益可观。

　　这和社科院发布的数据相似，中国家庭财产结构中，住房资产占比高达近八成，造成这个结果的原因，一是房价连年上涨大家买房投资，二是投资渠道狭窄所致。但从国际上看，发达国家房产占家庭财产的比重多集中在20％～40％左右，长远看，中国会向这个比例靠拢。

　　首先从宏观情况而言，目前中国经济增速降低，热钱流入开始减少，从而导致资产价格上涨的动力减弱。

　　中国人民银行2012年7月14日更新的金融机构人民币信贷收支表显示，7月末，中国金融机构外汇占款余额达256575.17亿元，较上月末减少38.2亿元。这是继4月后，今年第二次出现单月外汇占款减少。

　　外汇占款负增长与人民币贬值预期有关，事实上继2011年12月份人民币连续11天触及跌停后，2012年来再现两次跌停，并且2012年1～7月份，人民币7年来初次出现贬值，这个现象意味着，热钱流出的速度在加速而热钱进入的速度在减速，在中国经济未来增速中枢下移的背景下，这将成为中期性趋势，对中国资产而言，将失去一个价格上的重要支撑。

　　另一个趋势是，社会人口老龄化现象开始凸显。中国60岁以上老年人1.67亿，超过德国和法国人口总和，养老问题压力巨大。同样，人口红利会在可预见的将来结束，而人口增长的峰值将在2015年到来，人口对房价的影响是直接而深远的。2012年来温州房价大幅下挫，除了温州金融出现动荡并且受经济结构转型，制造业受冲击外，温州是一个人口导出型城市(即人口组成中离开这座城市外出工作的人较多)也是重要因素之一。

　　存量房将是趋势所在

　　2012年7月下旬，国务院派出8个督查组奔赴16个省市对房地产调控政策落实情况进行专项督查。就在国务院督查地方楼市调控的同时，住建部发布了《关于做好“十二五”住房发展规划编制工作的通知》，紧锣密鼓地推进住房顶层设计。与此同时，有关房产税试点的改革步伐也在加快推进。

　　房产税的征收和地方政府转型摆脱土地财政束缚是紧密相连的，是为地方政府寻找相对长期稳定的财政收入来源，但房产税的征收，尤其是转向存量房之后，将会极大影响现有市场格局。

　　上述是中国经济和房地产正在发生的变革，但是拉开一些时间和空间来评价房地产业，我们很容易可以发现，即使10年后，中国房地产业依然会是重要的产业之一。从全球角度看，也仍然是十分庞大的产业。

　　不过，房地产企业必须清醒地意识到的一个事实是——众乐乐的日子一去不返了。如果说以前只要拿地盖房就能赚钱的话，以后可能还要考虑拿什么地，盖什么房，中国房地产业事实上已经开始进入了新阶段。

　　(作者系房地产商会全国工商联理事，著有《楼市大变局，我们怎么办?》等著作。)

范文二：全球资本市场的长期趋势

全球资本市场的长期趋势

当前世界金融市场的几大发展趋势将继续影响这一市场，其影响会持续到目前这一轮动荡结束后很久。

2008年初，挣扎的信贷市场、暴跌的股市以及一路下滑的美元，在企业高管和决策者中引起了焦虑。在这一动荡中，人们很容易忘记，世界资本市场的长期结构性变化很可能比短期波动更重要。1987年美国股市崩盘、1992年英镑受挫以及1997年亚洲金融危机之后所发生的情况都证明了这一点。

麦肯锡全球研究院在其最近公布的一份研究报告中，指出了在目前这轮市场动荡结束后将继续长期发展的几大趋势： ?

?

?

?

? 随着世界各地的投资者将更多的资金投入股市、购买债券、存进银行以及购买其他资产，全球资本市场持续增长并深化； 新兴经济体的金融市场急剧增长，发达国家与发展中国家金融市场间的联系不断加强； 亚洲金融重心从日本转向中国和其他飞速增长的新兴市场； 欧元区国家的金融影响力和欧元的重要性不断提高； 中东石油富产国作为全球资本输出国的地位快速上升，同时，新的金融中心在中东崛起，对英国和亚洲飞速增长的金融中心形成补充。 虽然这些趋势反映了金融影响力逐渐从美国转移到世界其他地区，但美国资本市场凭借其占绝对优势的广度和深度，在未来几年中仍将在国际金融舞台上占据领导地位1。 本文的图表显示了这些长期演变的发展历程。 该项研究依托麦肯锡全球研究院多个专有数据库，数据内容包括1990年以来的金融资产、跨境资本流以及100多个国家和地区的境外投资等各项情况。分析主要集中在2006年的发展上，这是拥有全面数据的最近年份。 但一些数据也显示，许多大的趋势一直持续到了2007年末，并且很可能在未来几年中继续保持下去。

全球金融资产总量继续增长

2007年信贷市场的动荡产生的影响尚未尘埃落定。但从长期来看，全球金融资产总量（包括所有银行存款、政府债券、企业债券和股票）将继续增加。在过去25年中，无论稳定时期还是震荡时期，金融资产都出现了稳固的增长。2006年，全球金融资产总量增加到167万亿美元，比2005年的142万亿美元增长了17%；这一增长率是1995~2005年年均8%增长率的两倍多2。

多年来，随着股票和债券市场的繁荣，银行存款占金融资产总量的比重逐渐萎缩。这一趋势在2006年仍在持续，但由于全球银行存款的绝对总量猛增了5.6万亿美元，是前面3年平均增长量的两倍3，使得其比重萎缩速度有所放缓。对这一急剧增长做出最大贡献的是美国，原因主要是美国收入增长强劲和房产业的繁荣，使得许多家庭能利用他们抵押房产

的现有净值快速获取现金。到了2007

年，这一增长来源动摇了。未来，银行存款的增长很大程度上将取决于以银行储蓄为主要储蓄方式的中国。

注释：

大约5.9万亿美元的增长来自于美元相对于其他货币的贬值。但即使按固定汇率计算，2006年的增长率也超过了1995-2005年的平均增长率。 2

3按照2006年底的汇率计算，则为3.8万亿美元。

各金融市场不断深化

多年来，金融市场的增长速度一直高于全球 GDP 的增长。随之而来的是，全球各个地区的金融深度不断加大，即各国金融资产相对于其 GDP 的比率在不断提高。这一深化使得金融市场的流动性增加，借贷者获得资本更容易，对金融资产的定价效率提高，同时分散风险的机会也增多了。1990年，只有33个国家的金融资产总值超过了其 GDP。到了2006年，这类国家的数量翻了一番多，达到72个；其中排在前列的包括巴西、中国、印度和俄国，其金融资产总值远远高于国民生产总值。1990年，只有2个国家的金融资产规模超过其 GDP 的300%；如今达到这一水平的国家已有26个。

多项机制促进了金融市场的深化。一是过去十年中，随着西欧以及中国、东欧4、俄罗斯和其他新兴市场实行国有企业私有化，它们发行了更多公开交易的股票。第二是企业债券

或资产抵押证券的发行。另外，

随着收入的增加以及定期存款和货币市场账户等新型储蓄产品的出现，银行的存款也快速增加。而企业盈利的增加导致的股票价值增长也使得市场进一步深化。最后，资产价值的上升和政府债券的增加也能起到促进作用。2006年，全球金融资产总值约为全球 GDP 的3.5倍，金融深度达到了前所未有的水平。近一半的增长来自于主要因企业盈利增加而导致的股票价值增长，而不是市盈率的上升。

注释：

东欧包括保加利亚、克罗地亚、捷克、爱沙尼亚、匈牙利、拉脱维亚、立陶宛、波兰、罗马尼亚、斯洛伐克以及乌克兰。 4

日益增长的跨境投资将全球金融市场联为一体

近年来，跨境投资的日益增长加深了世界各地金融市场的相互依赖程度。到2006年底，跨境投资者所持有的已发行股票的总价值达到了74.5万亿美元，创下历史新高。这一总值包括跨国公司的海外投资、投资者在全球各地购买的国外债券和股票，以及境外贷款和境外存款。初步数据表明，虽然2007年下半年欧洲和美国信贷市场发生危机，海外资产总值却又创了新高。

另外，跨境投资的资金来源地和流动方向正在逐步转变。1999年，美国在全球金融体系中是占支配地位的金融中心。到了2006年，美国仍是全球最大的境外投资国，也是全球资本市场的主要中心；但欧元区国家作为一个整体已赶上美国，与包括新兴市场在内的世界

其他地区保持了同样广泛的金融联系。英国作为全球金融中心的地位也得到了加强，而中东国家借助油价上涨带来的东风，成为了全球金融市场的主要投资来源国。

2006年，石油出口国自20世纪70年代以来首次与东亚一些国家看齐，跻身全球最大的资本净输出国之行列5。

注释：

我们估计，到2006年底，包括中东国家和印度尼西亚、尼日利亚、挪威、俄罗斯和委内瑞拉在内的各石油出口国的境外投资总额在3.4万亿美元至3.8万亿美元之间。 参见 Diana Farrell 和 Susan Lund 撰写的“新的世界金融权力经纪”，《麦肯锡季刊》，2007年12月。 5蓬勃发展的新兴市场

全球金融联系的扩大，部分反映出新兴市场的重要性与日俱增。2006年，新兴市场国家的金融资产总值比上年增长5.3万亿美元，达到23.6万亿美元，占全球金融资产增长额的1/4。过去10年来，新兴市场国家金融资产的增长速度是发达国家的一倍以上。其中，2006年，中国占新兴市场金融资产总值的1/3，新兴市场金融资产的增长有近一半来自中国。

尽管银行存款是新兴市场国家的最大金融资产类别，反映了其金融体系尚不成熟，但这些国家近年来的增长很多来源于其股票市场的发展。2006年，新兴市场企业首次公开发行 (IPO) 融资额占全球 IPO 总融资额的35%，而在2000年其份额只有10%。中国企业

2006年的 IPO 融资额高于英国、德国和日本企业，相当于欧元区所有企业的 IPO

融资额总和。

市盈率不断上升（反映企业估值升高了）是很多新兴市场国家股票价值增长的重要原因。自2003年以来，中国和俄罗斯的股票市场市盈率已翻倍，意味着其资本市场面临潜在的风险。但从长期来看，新兴金融市场仍有巨大的扩展空间， 因为其金融资产仅占全球的14%，远远低于其 GDP 在全球所占的份额（23%）。

新崛起的资本输出国

与根据经济理论可能做出的预测相悖，近年来，由于出口额激增，加上商品价格上涨，新兴市场国家成了面向世界其他地区的资本净输出国。如图5所示，2006年新兴市场国家对外投资额比流入这些国家的外商投资额高出3320亿美元。目前，在主要的新兴市场国家中，只有东欧国家是资本净输入国，并有很大的经常项目赤字。

2006年新兴市场的流出资本总额达1万亿美元，创下历史纪录，其中一半是由各中央银行购买的外汇储备。新兴市场的企业2006年对外直接投资额上升到1390亿美元，比2005年几乎翻了一番，是5年前的近6倍。

在新兴市场国家中，中国是最大的资本输出国，2006年对外投资额高达3830亿美元，其中有将近2/3是由中央银行购买的外汇储备。同年，外商在华投资达到1660亿美元，比排名第二的俄罗斯多出一倍以上。

2006年，一方面，

新兴市场国家积极对外投资，另一方面，其外资流入也创下了新高， 达到7000亿美元，相当于这些国家 GDP 总和的6.4%，超过之前1996年5.6%的最高纪录。无论是资本流入还是资本流出，都日益加深了新兴市场与全球资本市场的联系。

日本面临持续的金融挑战

一向作为亚洲金融中心的日本正在失去其地盘。尽管在地理上与亚洲新兴市场国家和地区相距很近，2006年，日本仅占这些国家和地区外商投资总额的6%。而有望取代日本成为亚洲金融中心的中国香港和中国台湾以及新加坡则占到24%，投资额达到5300亿美元。日本的跨境投资仍主要集中在欧元区、英国和美国。

虽然日本仍是世界第三大金融市场（仅次于美国和欧元区），2006年，日本的国内金融资产总额仍然只有19.5万亿美元，与2005年基本持平，只增加了1400亿美元。而且，2006年，日本的巨额政府债券占该国金融资产的1/3以上，比同年 GDP 高出150%。如果除去政府债券，日本的金融深度仍停留在1990年的水平。与日本形成对比的是，同期美国和欧元区的金融深度分别提高了168个百分点和173个百分点。

欧洲积极推进跨境投资

欧洲资本市场继续蓬勃发展。在过去10年中，全球跨境投资的增长有近一半来自欧洲投资者。这一现象反映出欧元区国家相互间及对世界其他地区的跨境投资不断增长。

截至2006年底，欧元区内的相互跨境投资额达14.7万亿美元，反映出欧元区内各国金融市场进一步一体化。欧元区内1/3的股票和1/5的债券（就价值而论）由欧元区内其他国家的投资者持有。欧元区国家的投资者还在世界其他地方拥有14.7万亿的境外资产，这使欧元区从整体而言成了比美国更大的境外投资来源地。英国崛起成为欧洲的金融中心，2006年欧元区30%左右的资本流向了英国。总体来说，欧元区共有75%左右的资本流向美国、英国和其他西欧国家。

日益走强的欧元

随着欧元区金融市场的成熟，欧元逐渐成为可以挑战美元的国际货币。欧元不仅对美元的汇率节节升高，而且在2007年4月，不动声色地实现了另一项重大突破： 欧元的全球流通总值首次超过了美元。而且，从2003年开始，欧元已经成为企业发行国际债券的首选货币。

当然，美元仍是全球首选的储备货币： 估计各中央银行的储备货币中2/3为美元。但随着欧元区金融市场不断扩展，其流动性不断增加，欧元可能会抢占美元的地盘。欧元已经成为第二大最受欢迎的储备货币，占全球储备货币的比重从1999年的18%上升到了如今的25%。由于各中央银行和其他机构寻求更高的储备回报，加上中国和其他一些国家已减少其货币价值与美元的挂钩，转而更多地与一揽子货币挂钩，而欧元在这一揽子货币中举足轻重，因此，欧元在各国储备货币中的份额还有可能进一步提升。

雄风犹在的美国市场

虽然欧元区空前繁荣，但美国仍是全球最大和流动性最好的金融市场，拥有56.1万亿美元的金融资产，占全球金融资产总值的近1/3。而且，美国的金融资产市场在绝对增长量上位居全球之首，2006年总值增长了5.7万亿美元。这一增长中，43%来自股票价值的增长，反映的是盈利的增加，而非市盈率的上升。2006年美国金融资产的增长同时也反映了企业债券发行势头强劲，此外，按揭证券和其他资产抵押证券发行量有所增加。美国政府债券虽然数额巨大，却只在这一增长中占5%的比重。

美国仍吸引了全球近25%的流入资本。2006年，外国投资者购买的美国金融资产达

1.9万亿美元，比2005年增长了6550亿。美国仍是世界上吸引外国直接投资最多的国家，并拥有大量由境外发放的贷款和涌入的存款。同时，美国也是其他国家和地区外资的重要来源国。2006年，美国的企业、家庭、养老基金和其他投资者共购买了1.1万亿美元净值的境外金融资产；美国的企业是全球外国直接投资和股权投资的最主要来源。总体而言，与其经常项目赤字相对的是，美国拥有可观的金融项目盈余6。

注释：

关于美国经常项目的更多信息，参见 Diana Farrell 和 Susan Lund 撰写的“企业须知：关于美国经常项目赤字”，《麦肯锡季刊》，2007年8月。 6

境外投资者持有的金融资产

虽然美国向境外投资者出售企业和资产引起人们担心美国经济主权可能会受损，但全球各个地区都有越来越多的金融资产为境外投资者所拥有。1990年，全世界只有1/10不到的股票由境外投资者持有；到了2006年，这一比例超过了1/4。同样的情况也发生在政府债券和企业债券上：政府债券的境外投资者持有比例从1990年的11%上升到了2006年的31%；而企业债券的境外投资者持有比例同期从7%上升到了21%。

实际上，境外投资者在欧元区的股票和债券持有水平要高于美国。2006年，欧元区41%的股票（价值3.5万亿美元）由欧元区外的投资者持有，另有31%（价值2.7万亿美元）由欧元区内的他国投资者持有。而债券方面，欧元区外的投资者持有比例为24%（4价值

4.5万亿美元），欧元区内的他国投资者持有20%（价值3.7万亿美元）。

范文三：Web舆情的长期趋势预测方法

Web舆情的长期趋势预测方法

1,212 高辉～王沙沙～彦

傅(1. 电子科技大学计算机科学与工程学院 成都 610054;2. 电子科技大学软件学院 成都 610054)

【摘要】针对传统预测方法无法有效预测Web舆情的长期趋势中拐点的不足～提出一种长期趋势预测方法。该方法首

先

通过周期分析和层次聚类为每类已发生舆情事件的发展趋势建立类模型库～然后通过对待预测舆情事件已知发展趋势进行自 适应变换后～应用最小二乘法从相应的类模型库中选取均方误差和最小的模型来预测该事件的未来发展趋势。实验证明～与 传统方法相比该方法在预测舆情事件发展的长期趋势时有较高的关联度～能有效预测长期趋势中的拐点。

关 键 词 分类; 聚类; 周期分析; 长期趋势预测; 关联度分析 中图分类号 TP311.13 文献标识码 A doi:10.3969/j.issn.1001-0548.2011.03.022

Prediction Model for Long-Term Development

Trend of Web Sentiment

121,2GAO Hui, WANG Sha-sha, and FU Yan

(1. School of Computer Science and Engineering, University of Electronic Science and Technology of China Chengdu 610054; 2. School of Software, University of Electronic Science and Technology of China Chengdu 610054)

Abstract In this paper we present a novel approach for long-term prediction of the development trend of Web sentiment. For each class of social events, the class model library of the development trend of Web sentiment is established by cycle analysis and hierarchical clustering. Then the adaptive transform is applied to the already known development trend of a new social event, and the min-sum of MSE from the library is selected to predict the future development trend of web sentiment. Experiments show that, compared with the traditional methods, the approach presented in this paper yields a higher correlation in predicting the long-term development trend of web sentiment, and can predict the turning points of the development trend more effectively.

Key words classification; clustering; cycle analysis; long-term prediction; relevancy analysis

舆情是在一定时期、一定范围内民众对社会现偏差性。文献[2-4]分别根据网络舆情的概念、特点、 实的主观反映，是群体性的思想、心理、情绪、意 表达及传播方式，对舆情的变动规律和我国网络舆 [1]见和要求的综合表现。随着互联网的快速发展， 情的研究与发展现状进行了分析。 网络媒体作为一种新的信息传播形式已经深入人们 Web舆情的产生，不仅打破了传统媒介对社会 的日常生活，公众在网络上的言论活跃程度也达到 舆论的相对垄断，改变了传统的舆论形态，而且还 了前所未有的地步。不论是国内还是国际重大事件，

迅速显现出其强势。可以说，互联网已成为思想文 都能迅速在网络上传播开来，并引起公众的极大关

化信息的集散地和社会舆论的放大器，如果引导不 注和热烈讨论，进而产生巨大的舆论压力，达到任

何部门和机构都无法忽视的地步。 善，负面的Web舆情将会对社会公共安全形成较大

威胁。对相关政府部门来说，加强对网络舆情的及 网络的特性决定了Web舆情表达快捷、信息多

时监测和有效引导，提前预测网络舆情的发展趋势， 元、方式互动的特点，也从根本上改变了传播者与

以积极化解网络舆论危机，对维护社会稳定和促进 受传者之间的关系，具备传统媒体无法比拟的优势。

国家发展具有重要的现实意义;加强对网络舆情的 一种新的舆情类型——Web舆情逐渐形成，但互联

监测和引导也是创建和谐社会的应有内涵。 网的虚拟性、隐蔽性、发散性、渗透性、随意性、

近几年，预测方法被广泛应用于各个领域并且 即时性等特点决定了Web舆情的直接性、突发性和

起到了很好的作用。较早期的预测方法主要有自回

收稿日期: 2010 01 21; 修回日期:2010 11 18

基金项目:国家高技术研究发展计划(2007AA01Z440);国家自然科学基金(60973069, 90924011);四川省应用技术研究与开发项目支撑计划 (2008GZ0009);中国博士后科学基金(20080431273)

作者简介:高 辉(1969 )男，博士，副教授，主要从事方向复杂网络的并行数据挖掘、高效并行算法的设计与程序验证等方面的研究.

第3高辉，等: Web舆情的长期趋势预测方法 441 期

的类模型进行长期预测。归模型(AR)、滑动平均模型(MA)、自回归滑动平均

模型的建立需要数据的支撑，为了获取历史事 模型(ARMA)、历史平均模型(HA)和Box-Cox法

件的时间序列，首先使用网络爬虫从网络上获取数 等。 随着研究的逐渐深入，又出现了一批更复杂、 据，并将数据存储到数据库中;通过使用基于向量 更精 确的预测方法，总体可以分为两类:1) 以现代[8]对数据库中描述同一个事件的 空间的LP聚类算法科学 技术和方法为主要研究手段而形成的预测模数据进行自动标记，形成事件集;根据舆情的特点， [9-10]型，包 括非参数回归模型、KARIMA算法、基于通过分类方法将事件分为刑事案件、恐怖袭击、 小波理论 的方法、基于多维分形的方法、谱分析方经济安全、自然灾难、公共卫生事件和社会安全事 法、状态 空间重构模型和多种与神经网络相结合的件等事件类别;根据预测的需要，可获取数据库中

某事件类别包含的所有事件对应的时间序列。时间 预测模型 等，这类模型的共同特点是采用模型和方

序列的过去值会影响将来值，影响的大小及影响的 法，不追 求严格意义上的数学推导和明确的物理意方式可由时间序列中的趋势、周期及非平稳等特 义，更重 视对真实数据的拟合效果;2) 以数理统计征来刻画，因此可采用一个事件的时间序列进行 和微积分 等传统的数学和物理方法为基础的预测模预测。

型，包括 时间序列模型、卡尔曼滤波模型、参数回时间序列的获取可以根据实验条件选取。本文 归模型、 指数平滑模型等。 所处理的时间序列值来源于Google trends所统计的 随着互联网的快速发展，公众在网络上发表言 数据。所谓Google trends数据并不是原始的搜索论的活跃程度达到了前所未有的地步，对容易滋生 量， 而是在过去的一段时间里，相对于在Google社会舆情的Web舆情事件的发展态势做出及时准上执行 的总搜索量即某个字词被搜索了多少次，经确 的预测显得越来越重要。准确的长期趋势预测过标准 化并以0,100的缩放结果值表示。Google 可为 相关部门制定相应的应对措施，并为各大主trends所有 的数据都从2004年1月4日开始，建模流网站 做出正确的舆论引导赢得宝贵时间。但的具体流程如 图1所示。 是，目前我 国对于网络舆情的预测还处于探索阶段

[5-6]，主要是 将现有成熟的时间序列预测和人工智

[7]能技术应用于 Web舆情的趋势分析。时间序列短时间序列集

期趋势预测方法 在网络舆情中的应用效果不错，

但是该方法很难做 出长期趋势预测，尤其是对拐 平滑后的时 平滑处理 间序列集点的预测，并且预测 时需要假设所选预测模型满 足某一函数分布，比如 多项式回归中多项式最高 对周期进行 次数的选择等。 切取周期 规范化处理 针对传统预测方法无法有效预测Web舆情长期 趋势拐点的不足，本文提出一种长期趋势预测方法。 周期时间序 小类曲线集 层次聚类 该方法首先通过周期分析和层次聚类为每类已发生 列集 舆情事件的发展趋势建立类模型库，然后通过对预

求最优模型 测舆情事件已知发展趋势进行自适应变换后，应用 保证均方误

差和最小最小二乘法从相应事件类别的类模型库中选取均方 误差和最小的模型预测事件未来的发展趋势。 预测模型1 类模型

模型预测允许预测人员对预测条件做一定程度

建模流程图 图1 的假设，本文提出的事件长期趋势预测模型是基于

历史会重演的假设。研究发现，不仅同一类事件的 1.1 时间序列的预处理

发展趋势有较高的相似性，而且同一事件的发展会 经过事件分类处理后，可得到事件类别集合

C , {C, C, , C} 。在建立事件类别C的类模型库 经历不同的周期。为了进一步提高模型的拟合精度 k1 2 n

时，需要对事件类别C中包含的每一个事件i所对k和预测效果，本文首先对事件进行分类和切取周期

应 处理，然后为每类事件按周期建立类模型并形成类 ( k ) ( k ) ( k ) ( k ) 的时间序列 X , {X , X , , X } 进行曲线拟 i i1 i 2 it 模型库，再从中挑取与待预测事件均方误差和最小 合。曲线拟合问题是在诸多试验和工程实际中广泛

电 子 科 技 大 学 学 报 第 40 卷 442

应用的数据处理方法，拟合的目的主要是根据已有满足下列两个条件之一，就判断周期结束。? 趋势的时间序列寻找曲线的特征，从而求解曲线的相关 的起伏在一个给定的范围值d内，即在给定范围值

d 内选择关键转折点，并且该关键转折点距周期开参数。该问题的解决通常要根据线性的特点选取一 始 的时间跨度至少为minT，曲线的当前高度不超定的数学模型，以待求的线性参数作为未知参数，

过周 期开始时的2倍;? 周期的长度已经超过给采用最小二乘法进行处理。普通的最小二乘法以观

定的最 大时间跨度maxT。 测值残差平方和极小为准则，忽略了自变量的误差，

拟合结果使拟合曲线沿一个方向与实际曲线最佳逼 预处理的最后一步工作就是对切取的周期曲线 [11]近。而采用的正交最小二乘法以正交距离的残差 的时间长度进行规范化处理。根据建立类模型库需 平方和极小为准则，顾及了因变量和自变量的误差， 确保度量一致性的原则，将所有周期曲线的时间长 拟合的结果从整体上保持最佳。 度统一规范化为maxT。因此需要对周期曲线进行插

然而时间序列的生成可能会受到噪声数据的影 值处理，具体的插值方法为:假设某周期曲线对应 响，为减少噪声数据的影响，本文使用一维中值滤

的时间序列为 x={x , x , } ,长度为 len( x) ，时间序 1 2 ( k ) ( k ) ( k ) , {X , X , , 波法对获取的原始时间序列 X 列 x 经过插值后，时间长度规范化为maxT的时间i ii 1 2

( k ) 序 列y={y, , y, , y} ,则有:} X 所对应的曲线进行平滑处理，时间序列: 1 i max T i t (2) y, x， ( x x)(q l ) ( k ) ( k ) ( k ) i l u l i x, median( X : X (1) ij i ( j r 2) i ( j ， r ,,,,, , len( x) i , ; l , q,,i )式中， 1? i ? max T ; q= i式中，k为噪声数据所属的事件类别，i为该数据2) ,, max T ;, , 所 。u , q,, ,i , ( k ) ( k ) 属的事件;j为该事件的第j个数据;r为平滑窗口, X 大小;median表示取时间序列 X 的1.2 类模型库的建立 i ( j r 2) i ( j ， r 2),,,, ,, ,, 的 中值; r 2表示取r/2的下整,,,, 对某事件类别包含的所有事件进行预处理后，数。 可获得规范化的周期曲线，再使用层次聚类算法将

现有的预测方法在进行短期预测时都取得了一 规范化的周期曲线进行聚类。确定数据集的聚类数 定的成效，但均无法预测长期趋势中的拐点，影响 目是聚类分析中一项基础性的难题，文献[12]提出了

长期预测的效果。研究发现，一个事件的发展可能一种基于层次聚类思想的计算方法，不需要对数据 会经历几个周期的循环，因此，为了更好地预测长 集进行反复的聚类，其主要步骤为: 期趋势中的拐点，以进行较准确的长期趋势预测， 1) 首先扫描数据集获得聚类特征统计值。 在对曲线进行平滑处理后，应对每条曲线进行切取

2) 然后自底向上地生成不同层次的数据集划 周期处理，以获取事件发展的不同周期。本文提出

的切取周期的方法为: 分，增量地构建一条关于不同层次划分的聚类质量

1) 遍历原始曲线，保留明显的关键转折点，用 曲线，该曲线极值点所对应的划分用于估计最佳的 直线把这些关键转折点连接起来形成折线图。选择 聚类数目。 关键转折点的具体做法是:将曲线开始和结尾的点 将周期曲线聚类后得到的各个聚类簇视为小 选为关键转折点，然后从第一个关键转折点开始， 类，对于每一小类的类模型，应用最小二乘法求出 尝试用直线连接它和它后面的每一个点，直到中间

与该小类包含的所有周期曲线均方误差和最小的类 有点与该直线的距离超过给定范围值d，该超出给定

范围值的点就被认为是一个新的关键转折点。再从 模型。具体方法为:设某小类包含的周期曲线集为 该新的关键转折点开始，重复上面的过程，直到曲 {y ,y , ? ,y }, 每个周期曲线 y 对应的 时间序列为 i 1 2 n 线的最后一个点。 {y ,y ,?,y },其中1? i ? n 。定义所求的该小类的 i1 i2 im 2) 采用遍历折线图上各关键转折点的方法寻 类模型为:找每个周期T的开始和结束的位置，以避免无关起伏 1 2 k? y, a ， a y， a y ， ， a y (3) ij 0 1 ij 2 ij k ij 的干扰。周期开始的判断标准为:从第一个关键转

折点开始，当折线图中相邻两个关键转折点构成的 ?式中， y为预测值; y为实际观察值;a、a、?、01 ij ij 线段的斜率超过人为给定的阈值(如本文实验中取 a为类模型中待求的系数;k的取值范围可根据具k为3，可以根据具体的实验数据进行调整)时，就判 体 定周期开始。周期结束的判断标准为:周期开始后， 情况从[3,20]中选取。该小类n个周期曲线对应的

时 间序列的实际观察值与类模型中给出的预测值

的均 方误差总和为:

第3高辉，等: Web舆情的长期趋势预测方法 443 期

n m 为了提高周期性长期预测的准确率和有效性，2? e , ( y y ) (4) ij ij 当识别到新的舆情事件发生时，按一定的时间间隔 i ,1 j ,1 采集其现有的时间序列Y，并对时间序列Y对应的 将式(3)代入式(4)后，式(4)可视为关于a、a、?、 01曲 线的斜率进行分析，如果斜率大于或等于某阈

a的多元函数，根据多元函数求极值的方法，分别 k值， 说明该事件已经开始被广泛关注，开始将该

事件已 有的时间序列Y与其所属事件类别的类模对a、a、?、a求一阶偏导，并令其等于零得到01k

型库里的 类模型进行匹配，设时间序列Y的长度为 非 齐次线性方程组: len(Y ) 。具 体方法为: n m , 1 2 k 0 (a ， a y， a y ， ， a y y ) y,0 1) 对时间序列Y对应曲线的横坐标和纵坐标分 ,0 1 ij 2 ijk ij ij ij i ,1 j ,1, 别按照比例k和k进行缩放变换。为了寻找合适的12, n m 1 2 k 1 , 缩 放比例k和k，采用双重循环进行遍历查(a ， a y， a y ， ， a y y ) y,0 1 2 ,0 1 ij 2 ijk ij ij ij (5) , i ,1 j ,1 找，设 , 1 ? k? 100，1 ? k? 100，循环遍历的步长为0.1。 , 1 2 n m , 1 2 k k 每一次循环，对时间序列Y对应曲线中的横坐标和纵 (a ， a y， a y ， ， a y y ) y, 0 , 0 1 ij 2 ij k ij ij ij ,坐标进行缩放调整，经过缩放变换以后曲线的横坐 i ,1 j ;

,1 标 x和纵坐标 y分别为: 解该非齐次线性方程组可以求出所有驻点 i i

i (a,a,?,a)，并与边界值上的最大值和最小值进行 01kx , (6) i k 1比较，最小值所对应的驻点即为所求类模型式(4)中

(7) y, (Y， (Y Y)( x l ))k i l u l i 2的各个系数，从而可建立该小类的类模型。采用同

式中，l , 1? i ? len(Y ) kx;u , x;, ，,,,,,,, i , , i , ,1 , 样的方法，可建立其他小类的类模型，从而建立该

len(Y) 事件类别的类模型库。

为时间序列Y的长度。将缩放变换后产生的时间序 1.3 长期趋势预测列 当新的舆情事件发生时，首先确定该事件所属 , Y , {y, y, y, } 逐一与类模型库M中每个类模1 2 i 的事件类别，并获取该事件已发生的时间序列;将 的时间序列的前 len(Y ) , k个数据进行比较，型 ,,,1 ,

求出 该时间序列进行自适应缩放变换后，逐一与其所属 均方误差和，并记录循环中均方误差和取最小

值时对 事件类别对应的类模型库中的类模型进行匹配，选

应的类模型M和缩放比例k和k1取类模型库中与待预测事件已知时间序列均方误 k。 2差和最小的类模型作为待预测事件的长期预测模 2) 对于所记录的均方误差和最小时对应的类 型，从而实现对新舆情事件的长期预测，具体流程 模型M和缩放比例k和k，将时间序列T 经过kk121如图2所示。 和k缩放变换后得到的时间序列Y , 替代类模型M2 k采集新舆情事件

对应的 已有时间序列Y 时间序列中前 len(T ) k个数据得到时间序列 M ,,,1 , 否

, 。 k按比例缩放 实验部分2 是 , 后逐一与类 3) 将 M 的横坐标和纵坐标分别按1/k和1/k12k斜率分析 大于某阈值 模型匹配 进 行缩放变换(反变换)得到长期预测曲线 M ，当本部分预测实验针对属于公共卫生类的猪流感 采集 到该舆情事件的新数据时，重复上面的步骤事件，选取的测试数据为从Google趋势上获取的和k变换将T经过k12均方误差和最小时对应 即可得 到新的长期预测曲线。 “猪 流感”在2009年3月,2009年7月期间的得 到的曲线取代Mk模型M和参数k和k1中前 k*len(Y)个数据 1Google trends 时间序列。 k 22.1 实验效果

对公共卫生类事件的预测需要以该类事件的类 将M’曲线 按1/k k1得到M’ k和1/k做反变换 2模型库为基础，为了构建类模型库，需要对相似性

较高的该类事件的曲线进行聚类并为各小类建立类

模型。对已有公共卫生类其他事件聚类和建模的效 事件的长期预 测模型M 果图如图3所示，其中用虚线分开的4个区域分别

表 示该类事件按层次聚类方法所聚的4个小类，每图2 趋势预测流程 个区

电 子 科 技 大 学 学 报 第 40 卷 444

域中位于上方的图为该小类曲线聚类的结果，位于从图4的预测效果来看，本文方法能在事件发生 下方的图为该小类按前面介绍的多元函数求极值的 初期较好地预测事件长期发展趋势的拐点。方法所建的类模型。 2.2 对比分析

建立预测模型后，必须检验模型预测的有效性。

现有检验方法中的关联度检验法被广泛用于衡量模

型预测的精度。因此，本文采用关联度分析检验预

测模型的精度，并将本文提出的预测方法与几种传

统的预测方法进行对比。关联度检验法主要是比较

实际时间序列和各预测时间序列中实际值与各预测

值的相对大小，找出差别的最大值和最小值，进而

求得实际数据与各预测数据之间的关联度。

(0) ( 0) (0) ( 0) 设实际时间序列为 X , {X, X , , X } ， 1 2 n

采用预测方法i (i ?1) 进行预测得到的时间序列为

(i ) (i ) (i ) (i ) X , {X, X , , X } ，则预测方法i的关联度定 1 2 n

义为:

(i ) , ,

(i ) ( 0) (i ) ( 0) n 图3 聚类和建模效果图 X X X X min min ， ， max max k k k k 1 i?1 1?k?n i?1 1?k?n (i ) ( 0) (i ) ( 0) 为验证本文所提长期趋势预测方法的有效性， n X X X X ， ， max max k k j ,1 j j i?1 1?k?n 取从Google趋势上获取的猪流感时间序列前10天(8) (i ) ( 0)(0) 的 数据作为训练数据，10天以后的数据作为测试数为实际时间序列 X 和 式中，1? j ? n ;X X k k

据， 进行长期预测，具体过程为: (i ) 预测方法i 对应的预测时间序列 X 中第k 个数1) 对采集到的猪流感前10天的数据进行自(i ) (0) (i ) ( 0) 据 为两级X 和 X 的绝对误差;min min X X k kk k i?1 1?k?n 适 应缩放变化。鉴于Google trend数据最大标准化(i ) ( 0) 最小差; max max X X 为两级最大差;，为分 k k值为 i?1 1?k?n

100，设定横坐标缩放比例k和纵坐标缩放比例k辨率，0<><1，一般取ρ=0.5。>

的 取值区间均为[1,100]，步长为0.1。当k=1.5，通常关联度的经验阈值取r=0.6，若预测方法10

(i ) k=1 时，从公共卫生事件类模型库中选取的第4小2的关联度, ? r ，则表示其预测结果较好。对单位 i 0

类模型 (即图4中的实曲线)与进行缩放后的猪流感不统一，初值不同的序列，在计算相关系数前应该

先进行初始化，即将该序列所有数据分别除以第一 数据的均 方误差和最小。

个数据。 2) 选定类模型后，对该类模型的横坐标和纵坐

表1 关联度对比 标分别按1/k和1/k进行缩放变换，并将缩放后的12

前 事件名 类模型 多项式回归归 自回归 灰色理论 10天的数据替换为猪流感事件给定的前10天的猪流感 0.796 2 0.534 8 0.524 1 0.469 7 数 据，得到猪流感事件的长期趋势预测曲线，即孙伟铭 开0.802 1 0.610 2 0.543 8 0.667 1 100 图4 中的虚曲线，图4中的实曲线表示从Google趋胸验肺 针原始曲线 长90 0.813 2 0.587 4 0.627 3 0.486 9 期预测曲线 刺事件 新势上获 取的猪流感的实际数据。 80 0.845 7 0.348 4 0.298 3 0.424 7 疆暴乱 胡 70 0.715 9 0.623 1 0.546 7 0.358 7 斌飙车 国 60 0.694 6 0.523 9 0.437 1 0.278 0 庆 上海杀50 0.729 1 0.428 9 0.498 7 0.354 1 y/(%) 警察 邓玉40 娇案件 通0.671 9 0.459 7 0.593 7 0.427 4 30 钢事件 20 0.824 2 0.439 1 0.357 1 0.347 5 平均关联度 10 0.631 7 0.637 6 0.283 0 0.278 4 0 0.752 5 0.519 3 0.471 0 0.410 3 0 20 40 60 80 100 120 140 160 180 x/d

图4 预测效果图

第3高辉，等: Web舆情的长期趋势预测方法 445 期

[3] 彭丹, 许波, 宋仙磊. 基于网络评论的网络舆情研究[J]. 选取10个不同事件的前10天的数据，分别采现代情报, 2009, 29(12): 4-7. 用 PENG Dan, XU Bo and SONG XianLei. Web sentiment 式(8)对本文所提出的预测方法与传统预测方法(包 study based on web comment [J]. Modern Information, 2009,

括多项式回归模型、自回归模型和灰色理论模型)进 29 (12): 4-7.

[4] 曾润喜. 我国网络舆情研究与发展现状分析[J]. 图书馆 行关联度对比分析，关联度对比结果如表1所示。

学研究, 2009, 19(1): 24-37. 从表1所示的实验结果来看，本文所提出的预ZENG Run-xi. Study our country’s web sentiment and 测 方法的关联度均大于经验阈值0.6，说明该方法analyze its state-of-the-art[J]. Study of Library Science,

2009, 19(1): 24-37. 预测 的结果是有效的。并且，本文所提出的预测

[5] 腾达. 基于趋势分析的网络舆情监控系统(TANCMS)的 方法的 平均关联度比其他3种传统预测方法的最研究与实现[D]. 长沙: 国防科学技术大学, 2008. 大平均关 联度高出40%，因此使用本文提出的预TENG Da. Research and realization of TANCMS based on 测方法比较 适用于事件的长期趋势预测。 trend analysis[D]. Changsha: National University of 总结3 Defense Technology, 2008.

[6] 程辉. 基于时间序列的网络舆情预测模型[J]. 网际网路 互联网的迅猛发展使得社会舆情有了新的载技术学刊, 2008, 9(5): 16-17. 体，网络舆情对社会政治、经济和文化的平稳发展 CHENG Hui. The prediction model of public opinion based 产生了较大的影响，因此有必要利用现有的人工智 on trend analysis[J]. Journal of Internet Technology, 2008, 能和数据挖掘技术实现对舆情的分析和预测，为进 9(5): 16-17.

[7] 张珏. 网络舆情预测模型与平台的研究[D]. 北京: 北京 一步治理和正面引导网络舆情的发展奠定基础。

交通大学, 2009. 本文提出了一种Web舆情长期趋势预测方ZHANG Jue. Research on forecasting models and platform 法。 该方法首先通过周期分析和层次聚类为每类of online public opinion[D]. Beijing: Beijing Jiaotong 已发生 舆情事件的发展趋势建立类模型库。当待University, 2009. 预测舆情 事件发生时，首先确定其所属事件类别[8] RAMAGE D, HEYMANN P, CHRISTOPHER D. Manning. 并获取已有 的时间序列，将其进行自适应缩放变Clustering the tagged web[C]//WSDM ’09 Proceedings of 换后，应用最 小二乘法从其所属事件类别的类模the Second ACM International Conference on Web Search 型库中选取均方 误差和最小的模型预测该事件未and Data Mining. New York, USA: ACM, 2009: 54-63.

[9] COUTO T, ZIVIANI N, CALADO P, et al. Classifying 来的发展趋势。实 验结果显示，本文提出的预测

documents with link-based bibliometric measures[J]. 方法比传统方法更适 合对舆情事件的长期趋势预Information Retrieval, 2009, 13(4): 355-363. 测，可以弥补现有预测 技术无法预测情事件发展[10] WANG Pu, HU Jian, ZENG Hua-jun, et al. Using 趋势拐点的缺陷，更好地 帮助政府和监管部门采wikipedia knowledge to improve text classification[J]. 取及时有效的措施，提高网 络舆情监管的功效。 Knowledge and Information Systems, 2008, 19(3):

265-281.

[11] TERRADO M, BARCELO D, TAULER R. Quality

assessment of the multivariate curve resolution alternating

least squares method for the investigation of environmental

pollution patterns in surface water[J]. Environ Sci Techno, 参 考 文 献

2009, 43(14): 5321-5326. [1] 王来华. 舆情研究概论——理论、方法和现实热点[M].

[12] 陈黎飞, 姜青山, 王声瑞. 基于层次划分的最佳聚类数 天津: 天津社会科学院出版社, 2007.

确定方法[J]. 软件学报, 2008, 19(1): 24-37. WANG LaiHua. Public opinion study—theory, method and

CHEN Li-fei, JIANG Qing-shan, WANG Sheng-rui, A reality hotspot[M]. Tianjin: Tianjin Social Sciences Press,

hierachical method for determining the number of 2007.

cluster[J]. Journal of Software, 2008, 19(1): 24-37. [2] 刘毅. 略谈网络舆情的概念、特点、表达与传播[J]. 理论

界, 2007, (1): 11-12.

LIU Yi. Talk about web sentiment’s concept, characteristic, 编 辑 蒋 晓expression and communication[J]. Theory Horizon, 2007,

(1): 11-12.

范文四：浅谈人民币升值的长期趋势

浅谈人民币升值的长期趋势

摘要:随着人民币升值速度加快、资源能源劳动力成本上升和国内政策环境趋紧等多种因素叠加的效应，再加上美国“金融危机”引发的经济衰退的影响，我国外贸出口增幅明显回落，出口企业面临极大挑战。在世界经济衰退和我国经济增长面临下滑风险的形势下，是否应该让人民币贬值以促进出口增长呢,本文认为，出口订单减少的原因不完全是由于价格上升，需求不足也是十分重要的因素。因此，采取汇率的办法只能是缓解而并不能从根本上解决我国出口企业的问题。相反，无论是在理论依据的层面上还是在现实基础的层面上，人民币升值的压力依然存在。在长期内人民币汇率将在保持稳定的前提下逐渐升值。

关键词:汇率;人民币升值;出口;经济增长

汇率是两种货币的交换比率,是开放经济中最重要的经济变量之一,它的变动对经常项目和其他宏观经济变量会产生重要影响。汇率对进出口的重要性，取决于它在多大程度

上影响相对价格，进而影响对外贸易和国际收支平衡。自2005年开始实行有管理的浮动汇率制度以来，我国一直面临着美、欧、日等国家要求

人民币升值的巨大压力,人民币汇率升值已经成为我国经济发展过程中一个必须直面的新的重大问题。合理的汇率水平对我国的经济发展具有十分重要的作用，不但能够使国家的经济可持续发展,而且会减少国际经济摩擦、维护国家的国际形象。

自2005年7月21日起，我国开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。新的人民币汇率不再盯住单一美元，从而形成更富弹性的人民币汇率机制。同时，中国人民银行负责根据国内外经济金融形势，以市场供求为基础，参考篮子货币汇率变动，对人民币汇率进行管理和调节。根据对汇率合理均衡水平的测算，人民币对美元即日升值2%，即1美元兑8.11元人民币。自从人民币启动汇率形成机制改革以来，人民币升值基本经过了三个阶段，第一阶段是在2005年8月至2006年8月间，人民币基本处于小幅攀升的态势;第二阶段是进入2006年9月后，人民币升值步伐明显加快，2007年升幅达6.9%，到2008年人民币对美元汇率更是呈现加速攀升走势并于2008年4月10日突破7.000关口，而仅2008年1,9月人民币升值幅度就达到5.38%;第三阶段是进入2008年9月以后，人民币对美元汇率基本稳定在6.82—6.85之间。自汇改以来，到2008年9月人民币对美元的升值累计超过20%。

从2007年至今，随着人民币升值速度加快、资源能源劳动力成本上升和国内政策环境趋紧等多种因素叠加的效应，再加上美国“金融危机”引发的经济衰退的影响，我国外贸出口增幅明显回落，部分企业生产经营困难加剧，特别是劳动密集型行业表现得尤为突出，出口企业面临极大挑战。由于我国的出口行业主要是依靠成本优势，同时缺乏技术含量、产品附加值低(虽然近几年来我国经济增长方式有所改变，经济结构不断调整，但在总体上出口形式并没有得到改善，众多外向型中小企业仍然是缺乏核心竞争力、生产效率低下，只能利用

廉价的劳动力和原材料成本，以低价打入国际市场，依靠成本优势来参与国际竞争，并依靠出口退税的补贴赚取主要的利润)，人民币升值必然使得我国出口企业的生产成本和经营成本逐步提高并进入高成本状态，从而在国际竞争中失去优势。

在世界经济衰退和我国经济增长面临下滑风险的形势下，是否应该让人民币贬值以促进出口增长呢,笔者认为，在当前情况下人民币依然面临巨大的升值压力，并且在长期内将保持升值的趋势。

随着美国“金融危机”产生的影响愈演愈烈，世界各地的经济普遍出现增长放缓或衰退的迹象，一些 新兴市场经济国家纷纷采取货币贬值的措施刺激出口，如南美洲的巴西、阿根廷，亚洲的韩国、菲律宾、印度尼西亚、印度，欧洲的俄罗斯、匈牙利等。但是这些国家货币贬值的原因，很大程度 是因为投资者出于对该国经济前景的担心而卖出本币换回美元所导致的。这种大规模撤离资金的情况在我国并不明显，其原因有三:一是我国的外汇储备主要是贸易顺差;二是虽然有热钱流入但数目相对较少;三是我国目前依然实行资本帐户管制，资金的撤退相对比较困难。

诚然，面对目前的出口困境，让人民币贬值从理论上来说将有助于缓解出口企业的压力，但是现阶段的主要矛盾是全球的需求在放缓，我国前三大贸易伙伴欧盟、美国和日本的经济都出现不同程度 的下降，新兴和发展中经济体经济增速明显放缓，订单减少的原因不完全是由于价格上升，需求不足也是十分重要的因素。因此，采取汇率的办法只能是缓解而并不能从根本上解决我国出口企业的问题;相反，无论是在理论依据的层面上还是在现实基础的层面上，人民币升值的压力依然存在。

一、人民币升值的理论依据

根据巴拉萨—萨缪尔森理论，在贸易品生产部门，发展中国家的劳动生产率低于发达国家;但在非贸易品生产部门，二者生产率的差别小到可以忽略不计。随着发展中国家的经济不断增长以及对外贸易，在贸易品部门，其劳动生产率的增长相对可观，而在非贸易品部门，其生产率的增长则相对慢得多。贸易品生产率的上升有助于提高整个国家的价格水平，而非贸易品的生产商通常不得不以提高价格的方式来对付工资成本上升的压力。这样，在发展中国家，以贸易品衡量的非贸易品的相对价格一直在上升，并且比发达国家上升得更快，因为发达国家的贸易品部门与非贸易品部门的生产率差异较小。从理论上讲，上述效应会导致以发达国家商品篮子衡量的发展中国家商品篮子价格(即发达国家对发展中国家的实际汇率)的不断上升。20世纪后期日元汇率的走势可以很好的说明，随着一个国家的经济实力不断增强、劳动生产率不断提高，其本币的汇率将长期处在升值状态之中。中国的改革开放30年带来的经济高速增长，使得贸易品部门的劳动生产率大幅提高，并且成为带动全社会劳动生产率增长的引擎，也将会为人民币的升值提供内部基础。

二、人民币升值的现实基础

1.地区金融稳定的因素。人民币贬值将会影响本地区其它货币的稳定，很可能造成本地区其它货币的再次贬值，对地区的金融稳定造成不良影响。

2.银行系统稳定的因素。如果人为的将人民币贬值，或者是形成强烈的贬值预期，将会导致抛售人民币资产、引起资本外流，不利于我国银行系统保持稳定。

3.国际政治压力的因素。美国侯任总统奥巴马所在的政党是民主党，同时民主党控制着参众两院的多数，而民主党的人民币汇率政策一直是比较强硬的，为振兴美国经济，美国政府一定会继续向我国施压;欧盟和日本的经济在今年也出现衰退迹象，因此他们会和美国联手一道要求

人民币继续升值。出于对国际关系和国际利益的考量，人民币升值的趋势将会持续。

近期美元对其他主要货币呈现升值态势，主要是由于投资者的避险需求(相比 欧盟或日本以及其他工业国如英国、加拿大或澳大利亚等国家，美国经济的衰退程度 可能更小一些

)，但是美元走强并没有实质的美国经济好转或复苏的支撑，仅仅是“交易媒介”功能的充分发挥而其“价值储藏”的功能在不断下降。从长期看美元将会贬值，而美元贬值也会对人民币造成升值压力。

从历史经验来看，一国的经济增长放缓并不必然带来货币贬值，国际货币收支对汇率的变化依然起着决定作用。如果在出口下降的同时，进口下降的幅度更大的话，贸易顺差依然会不断扩大，那么升值的压力就会存在。今年以来，虽然我国贸易顺差明显收窄，但前三季度累计贸易顺差仍然达到1809.9亿美元，比去年同期略下降2.6%。同时，外商投资继续保持快速增长，前三季度实际使用外资金额达到743.74亿美元，同比增长39.85%。前9个月国家外汇储备增加3773亿美元，同比多增100亿美元。截至9月末，国家外汇储备余额为19056.0亿美元，同比增长接近33%。可以说，除非是我国的出口出现快速下降或者国内出现严重的通货紧缩的情况，否则，人民币没有贬值的基础。

笔者认为，鉴于导致目前人民币升值压力的若干影响因素仍未得到缓解，在一个长期过程中，人民币汇率将在保持稳定的前提下逐渐升值。在这个过程中，以出口促增长的发展模式势必转向以内需拉动经济

增长的发展模式;同时，出口行业也将进行产业调整和结构性升级。从另一个角度来说，人民币升值也有利于我国经济增长方式的调整，更好地实现中央提出的科学发展的目标。

参考文献:

[ 1] 中国人民银行公告〔2005〕第 16 号《中国人民银行关于完善人民币汇率形成机制改革的公告》.

[ 2] 中经网数据有限公司《中国外贸行业分析报告(2008年3季度)》.

[ 3] 保罗?R?克鲁格曼 茅瑞斯?奥伯斯法尔德 《国际经济学理论与政策》第六版中国人民大学出版社 2006年9月.

范文五：长期趋势预测中的累积法之我见

长期趋势预测中的累积法之我见

吉林财贸学院1989年第1期

长Ii预lf测I的积之0我见9

?

徐明昌

累积法是由意大利数学家发明的,《吉林财贸学院》1987年第5期曾对此法作

过简单的介绍.这里,笔者想谈点不同的看法,供大家参考.

一

,

累积法作为一种估计模型参数的方法,其估计出来的趋势直线参数a和b,与

用最小平法估计出来的直线方程的两个参数是完垒相同的.现证明如下:

第一步:解剖霎积法的两个参数.用累积法求解两介参数的公式为(原点定在数列

酋项的前一项)

为:

n+(…………?n(n+1)(n+2)?b…………?

?y=Y1+(y】+Y2)+…+(yI+Y2+…+Y)

由??两式得:

h,ny一士n(?+1)?y

I一玎i而

la=孚一告cn+

解剖之得:

?y

音(n::|_(n一-2)::!_n一

-

1!==

1)n(n+1)

第二步:解剖最小平方法的两个参数.用最小平方法求解趋势直线方

程参数的公式

,?y=I1a+b?t

0?ty=a?t+b?t

其中?f:主t=21n(n+1)

?t=兰t

由??两式得:

…………

?

…………r

一

61一

.?

f碡等啬可i—

a=

孚一丢cn+

解之得,

』b_地省l

a一

丢cn??

第三步t比较结果通过以上解剖可知,按累积法估计得到的参数b和a,与按最小

平方法估计得到的参数是完垒相同的.可见,用累计法拟台得到的趋势直线正是最小平

方法所要寻求的那条趋势直线

二.累积法具有”侧中性,对时间数列近期资料所表现出的新趋势不被感?

累积法的这一性质特点隐藏在用此法估计得到的参数b当巾.是一个平均增长量,

它与各实际增长量之间的关系为:

b==!f!=)_+_一2一(n-2!:!:!:==!=:!!!:,=

?

}fn一1)n(11+1)

当n6时,byj}

h:z二旦(yj?!e(y二?(芏二(ye-Yt

由此可见,b是各个实际遥期增长量(一级增量)的加权算术平均数,其权教的分

布是”两头小,fn]Jc”.权数分布蛇这一特点表明:累积法是侧重反映现象中期的变

化情况的,对近期的变化情况敏感慕于这一特点,当时间数列近期资料有较明显的

新趋势时,就应慎用累积:.

j,单就计馨手续I吉,逍通景小平方法【可象累积法那样利用查表进行计算.因

为

[:】=[n{+~-11.(i1:))f+1一【,]

上式中的逆阵与n存在着一一对应的奖系,利用这一关系可事先编出查对表,然后

利用查表求出参数a和1】{计算过程为:

门:f’bL222?ty

除此之外如果从-级增最凡手,先将’绒增蹙加救平均求出l,而后再求a,~-17-

也极为方便.

(责任编辑:窦垒赦)

一

62—

转载请注明出处范文大全网 » 中国楼市的中长期趋势