中国新能源行业投资风险预警分析 108页

'-------摘要全球经济发展对能源的需求与日俱增，传统能源日益枯竭以及对清洁能源的需求使新能源成为未来能源战略的重要组成部分。作为一个高技术、高投入、高风险的行业，新能源行业的投资风险是阻碍我国新能源健康发展的主要障碍，因此，对新能源行业的整体投资情况进行分析，对相关风险因子进行预测与预警有重要的现实意义和理论意义。中国新能源行业的投资风险预警问题是一个比较新的问题，相关分析文献相对较少。本文运用文献回顾法，提炼以前学者的分析成果，对新能源行业的投资风险相关概念及分析范畴进行界定。首先，对新能源行业的整体投资情况进行分析，包括新能源行业的投资结构，投资规模，存在的问题等。其次，对可能影响新能源行业的投资风险因素进行分析，构建风险指标体系。再次，构建新能源行业投资风险预警系统。以新能源行业所有上市公司为分析个体，建立风险预警指标体系，选取新能源行业所有上市企业2002-2014年的运行数据，运用面板数据进行实证分析。使用BP-Logistic混合模型对经筛选的新能源行业投资风险进行预警分析，其结果显示，最佳诊断界值P为0.4952，可疑范围为（0.3860，0.6478），预测的17个季度中有四个季度处在可疑范围内，需要重点监测。结合模型方程可知，新能源行业的营运能力与发展能力对投资风险的影响效应很大，新能源企业应着重提高这两方面的经营能力。针对实证分析结果与现实发展情况，提出改进新能源行业投资风险状况的相关对策建议，包括创造良好的制度环境，实行财税补贴政策；提高自主研发能力，保护知识产权；强化资本市场对新能源产业的引导力度；完善新能源产业链，提高能效；提高企业资产周转率，提高资产收益；加强现金流量管理，提高收益质量。以期能帮助建立和完善中国新能源的风险防范体系。该论文共有图12幅，表9个，参考文献73篇。关键词：新能源；投资状况；投资风险；风险预警；BP-Logistic混合模型I---- -------AbstractGlobaleconomygrowingdemandforenergydevelopment.Fortraditionalenergy sourcesaredepletedandtheincreasednewenergydemand,thenewenergyhas becomeanimportantpartoffutureenergystrategy.Asahigh-tech,highinvestment andhighriskindustry,theinvestmentriskofnewenergyindustryisamajorobstacle tothehealthydevelopmentofChina"snewenergyand,therefore,analyzingthe relatedriskfactorstopredictandwarningtotheoverallinvestmentofthenewenergy industryhasanimportantpracticalandtheoreticalsignificance.InvestmentRiskWarningofChina"sRenewableEnergyIndustryisanewarea. Therelatedconceptsandresearchareasofinvestmentrisksinnewenergyindustry weredefinedbasingontheliteraturereview.First,theoverallinvestmentofthenew energyindustryisanalyzed,includingtheinvestmentstructureofthenewenergy industry,investmentscale,problemsandsoon.Secondly,investmentriskfactorsin newenergyindustrywereanalyzed,constructedRiskIndex.Onceagain,buildanew energyindustryinvestmentriskwarningsystem.Alllistedcompaniesastheresearch ofindividualstoestablishriskwarningindicatorsystem,selectalllistedcompaniesin thenewenergyindustry,2002-2014yearsofoperationdata,theuseofpaneldatafor empiricalanalysis.UseBP-LogisticmixedmodeltoresearchtheInvestmentRisk WarningofChina"sRenewableEnergyIndustry.Theresultsshowedthattheoptimal pointvalueof0.4952,suspiciousranges(0.3860，0.6478),therearefourquartersof 17quartersintherangeofsuspicious.Itshouldbefocuson.Combiningmodel equations,theoperatingcapacityanddevelopmentcapacityofnewenergyindustry haveagreatimpactoninvestmentrisk.Thenewenergyenterprisesshouldfocuson improvingthemanagementcapacityofboth.Forempiricalresultsandpracticaldevelopment,putforwardrelevant suggestions,includingthecreationoffavorableinstitutionalenvironment,the implementationofthesubsidypolicyandtaxation.ImproveR&Dcapabilities. Strengthenthecapitalmarketeffortstoguidethenewenergyindustry.Improvethe chainandimproveenergyefficiency.Improveassetturnoverandreturnonassets, strengthencashflowmanagement,improvethequalityofearningstoimprovethe investmentofnewenergyindustryriskprofile.Thereare12figures,9tables,and73referencesinthispaper.Keywords:NewEnergy;InvestmentPosition;InvestmentRisk;RiskWarning;BP-LogisticMixedModelII---- -------目录摘要........................................................I目录......................................................III图清单......................................................VII表清单......................................................VIII1绪论........................................................11.1分析背景........................................................11.2分析意义........................................................31.3分析方法与内容..................................................41.4分析框架与技术路线..............................................51.5分析的创新点....................................................71.6本章小结........................................................72分析述评与范畴界定............................................82.1新能源发展状况评价分析述评......................................82.2新能源投资风险预警分析述评.....................................102.3模型的选择.....................................................122.4概念界定与分析范畴.............................................132.5本章小结.......................................................163新能源行业投资现状分析.......................................183.1新能源行业投资规模.............................................183.2新能源企业经营情况与绩效分析...................................203.3影响投资风险的因素选择.........................................233.4本章小结.......................................................284新能源行业投资风险预警.......................................294.1预警指标体系的建立.............................................294.2指标变量的因子分析.............................................304.3Logistic模型方程与ROC曲线检验................................324.4基于BP-Logistic混合模型的预测数据与概率.......................384.5结果分析与评价.................................................434.6本章小结.......................................................445结论与展望..................................................45III---- -------1.1基于风险实际的改进建议.........................................451.2分析的不足与困难...............................................501.3分析展望.......................................................50参考文献.....................................................51附录…………………………………………………………………………………55作者简历…………………………………………………………………………62论文原创性声明…………………………………………………………………63学位论文数据集…………………………………………………………………64IV---- -------ContentsAbstract.......................................................IContents.....................................................IIIListofFigures................................................VIIListofTables.................................................VIII1Introduction..................................................11.1ResearchBackground...............................................11.2ResearchMeaning..................................................31.3ResearchMethodsandContent.......................................41.4ResearchFrameworkandTechnologyRoadmap..........................51.5InnovationoftheResearch...........................................71.6ChapterSummary..................................................72LiteratureReviewandScopingDefinition...........................82.1LiteratureReviewofNewEnergyDevelopment..........................82.2LiteratureReviewofNewEnergyInvestmentRiskWarning................102.3TheModel.......................................................122.4DefinitionoftheConceptandScoping.................................132.5ChapterSummary.................................................163SituationAnalysisofInvestmentinNewEnergyIndustry..............183.1InvestmentScaleinNewEnergyIndustry..............................183.2NewEnergyCorporations’SituationandPerformanceAnalysis.............203.3FactorsChoiceofInvestmentRisk....................................233.4ChapterSummary.................................................284InvestmentRiskWarningResearchinNewEnergyIndustry............294.1EstablishmentofEarlyWarningIndicatorSystem........................294.2FactorAnalysisofIndicatorVariables.................................304.3LogisticModelEquationsandtheROCCurveTest.......................324.4ForecastDataandProbabilityBasedonBP-LogisticMixedModel..........384.5AnalysisandEvaluation............................................434.6ChapterSummary.................................................44V---- -------5ConclusionsandResearchProspect...............................451.1RecommendationsforImprovementbasedontheActualRisks.............451.2InadequateandDifficultofResearch..................................501.3ResearchProspect.................................................50References....................................................51Appendix………………………………………………………………………55Author’sResume…………………………………………………………………62DeclarationofThesisOriginality…………………………………………63ThesisDataCollection………………………………………………………64VI---- -------图清单图序号图名称页码图1-1分析技术路线6Figure1-1Technicalline6图3-12020年全球新能源细分产业投资规模预测19Figure3-1Investmentscaleforecastinglobalnewenergyindustrysegmentsuntil202019图3-22020年我国各可再生能源领域投资总额分布预测20Figure3-2Totalinvestmentofeachrenewableenergyfielddistributionforecastuntil202020图3-32009年以来我国新能源行业产品销售收入及同比增速21Figure3-3China"snewenergyindustrysalesrevenueandYoYgrowthSince200921图3-42009年以来我国新能源行业产品销售成本及同比增速21Figure3-4China"snewenergyindustrycostofproductsalesandYoYgrowthsince200921图3-52009年以来我国新能源行业利润总额及同比增速22Figure3-5TotalprofitofChina"snewenergyindustryandYoYgrowthSince200922图4-1宏观经济变量旋转因子成分矩阵31Figure4-1Macroeconomicvariablestwiddlefactormatrixcomponents31图4-2企业财务指标旋转因子成分矩阵31Figure4-2Corporatefinancialindicatorstwiddlefactormatrixcomponents31图4-3Logistic模型方程参数34Figure4-3Logisticequationparametersofthemodel34图4-4预测变量的ROC曲线36Figure4-4ROCcurveofpredictorvariables36图4-5各诊断界点敏感性与特异性曲线38Figure4-5Boundarypointsofsensitivityandspecificitycurve38图4-6BP神经网络原理示意图41Figure4-6SchematicdiagramofBPneuralnetwork41VII---- -------表清单表序号表名称页码表3-1近几年全球可再生能源投资情况18Table3-1GlobalRenewableEnergyInvestmentinrecentyears18表4-1预警评价指标体系29Table4-1Warningevaluationsystem29表4-2因子分析结果32Table4-2Factoranalysis32表4-3归一化指标数据33Table4-3NormalizedindicatordatainLogistic33表4-4ROC曲线检验状态变量与检验变量35Table4-4StatevariablesandtestvariablesofROCcurvetest35表4-5曲线下面积36Table4-5Areaunderthecurve36表4-6变量的ROC曲线坐标点与约登指数36Table4-6ROCcurvecoordinatesvariablesandYoudenindex36表4-7BP神经网络预测数据42Table4-7Back-PropagationNeuralNetworkpredictiondata42表4-8风险预测概率46Table4-8Probabilisticriskprediction46VIII---- -------1绪论1绪论1Introduction1.1分析背景（ResearchBackground）急剧恶化的生存环境。从全球范围来看，气候的变化已经开始影响到人类社会的生存和发展。越来越频繁的气候灾害给全球各国造成了不可估量的经济与人员损失，温室效应导致的海平面上升威胁到低地势国家的存亡，由生存环境恶化引起的传染性疾病也呈难以控制之势。在中国，情况更是不容乐观。肆虐的沙尘暴，恶臭的水资源，稀奇古怪的疾病无时无刻不在挑战人们的生存极限。2013年以来，中国各地频发的雾霾天成为被高度关注的国际问题，甚至被国际低碳经济分析所称为“当今全球最大的环境灾害”。如果说，环境污染问题是中国社会21世纪面临的最严重的挑战之一，那么，碳减排和雾霾治理便是这项挑战中最紧迫、最需要率先攻破的堡垒。据世界银行估计，环境污染对中国造成的直接经济损失达到8％，最多可达中国的国内生产总值的12％甚至更多，而清洁能源的发展，将可以大大减少巨大的能源消耗对环境构成的威胁。尽管在2009年哥本哈根气候大会结束时未能与有关各方达成一致意见，但全球变暖将气温上升控制在2℃的范围已被写入哥本哈根协议。目前，39个国家已提交中期2020年的量化减排指标，并表示自愿加入“协议”。作为一个负责任的发展中国家，中国承诺到2020年，相比2005年，每单位GDP将削减二氧化碳排放量的40％〜45％，非化石能源占一次能源消费15％左右的总体目标，将这两个方面的比例作为目前我国发展新能源的目标。新能源作为重要手段，为减少温室气体排放和减缓气候变化，各国均在大力推动与支持新能源的发展，把其作为国家的重大选择。根据IPCC最新的评估报告显示，在未来，新能源的贡献份额将占到温室气体排放总量的10％左右。有效化石能源储量日益减少，对外能源依存度增加。从能源总量以及人均能源拥有量来看，中国既是一个能源丰富的国家，同时又是一个能源贫瘠的国家。我国富煤、少油少气的能源结构和巨大的能源消费增长趋势，使得我国对国外原油、天然气及其他化石能源的依存度只增不减、居高不下，2008年突破50%，2009年达到53%，2010年为55%，2011为56.7%，2012年58%，2013已接近60%，据不完全统计截止2014年已过六成。由中国海关总署公布的数据显示，中国的原油进口在2014年达到了3.1亿吨，相比2011年增长了24%。与此同时，中国原油进口在2009年的量低于1000亿美元，但2011年已增至1967亿美元，2014年已高达2200多亿美元。近年来，中国进口的煤炭总量也大到惊人。进口---- -------1---- -------硕士学位论文量2014年比2013年略有减少，但也达到2.9亿吨高位。与此同时，天然气进口也不容乐观。据中石油经济技术分析院在2014年发布的一份报告称，2013年中国进口了530亿立方米的天然气量，对外依存度达31.6％，2014年更是达到了583亿立方米。新能源革命拥有支撑未来生态文明发展所需要的新经济模式的基因，是继工业革命之后的又一次新经济形态转型的革命。而伴随着第三次工业革命的进程，新能源不是能源补充，而是替代化石能源，到2035年，新能源将占全球一次能源利用总量的50%。随着我国经济增长的步伐，能源消耗的速度越来越快，在可以预见的未来，传统能源的储量已远远不能支持中国未来的发展。因此，世界各国都采取了积极的应对措施，将新能源产业放在战略位置来布局。在美国，奥巴马签署了《美国复苏与再投资法案》，欧盟发展“绿色能源”，日本计划了开发新能源的长期发展计划。临国印度也在积极发展新能源，尤其在太阳能、风能、核能和生物能领域取得了相当不错的成绩[1]。在我国，新能源产业将成为政府的重点发展产业，节约能源是长期不变目标。在20世纪80年代初，我国提出了“开发与节约并举，把节约放在首位”的发展方针。并于2006年和2007年分别颁布了“关于加强节能工作的决定”以及“节能减排综合性工作方案”。2011年，发布了《“十二五”节能减排综合性工作方案》，提出节能减排期间的主要目标和重点。紧随着《可再生能源法》，之后几年又陆续推出一系列立足于国家发展实际的法规和产业支持政策，如以新能源汽车为代表的产业发展扶持政策。制定长期计划，促进相关行业的发展与繁荣。这些法律法规形成组合拳，确保政府对能源市场的监管到位的同时也体现着政府对扶持新能源产业发展的决心。中国经济发展需要新动力。中国正面临经济下行的压力，消费拉动经济增长的模式遥遥无期，政府不得不继续维持投资拉动的经济增长，同时寻找新的经济增长点，为市场经济注入新的活力。国际能源署发布报告称，能源革命已经在全球展开，而随着现有能源技术的更新换代，新兴国家对能源需求不断扩大，在2035年前，世界各国需要投入48万亿美元，才能满足全球能源需求。日前，第八届中国新能源国际高峰论坛在京召开，全国政协副秘书长、全国工商联专职副主席黄小祥在发言中指出，以储量大、可再生、清洁环保为主要特征的新能源产业孕育着新的经济增长点，并成为新一轮国际竞争的战略制高点。对我国而言，加快发展新能源产业，既是摆脱能源外界依赖、保障国家能源安全的需要，也是提高我国经济竞争力、促进经济可持续发展的迫切要求。08年的金融危机使新能源产业的发展得以获得更多的政府支持和保护，以支持新的增长，这是新能源产业为经济复苏带来的良好机遇。许多国家相继出台政府投资计划，掀起新一轮发展新能源的热潮。最为明显的表现是快速上涨的发电能力以及新能源电力利用规模，占全国装机容量比例大大增加，包括风电，太阳能发电，核电，生物质能2---- -------1绪论发电等等。自金融危机以来，政府加大对风能、核能、水电的投资，其比例分别为88％，72％和19％。同时，中央财政投入四百多亿资金进行重点节能工程和环保设施的项目建设。作为目前世界上最大的化石能源进口国和消费国，我国发展新能源产业任务极为繁重，要求也极为迫切。2013年，我国能源消费总量为1.1亿吨标准煤，占全球能耗的20%。其中，我国的能源消费结构中，煤炭占了2.1%，石油、天然气占24.5%，水能、风能、太阳能、核能等其他非化石类能源只占9.8%，可见新能源行业还有巨大的上升空间。据分析公司BNEF的最新统计，截止2010年，全世界新能源新增投资额达到2430亿美元，与修订后的2009年数据相比同比增长30％。2012年的新能源产业总投资达到2687亿美元，而这一数据在2011年为3023亿美元，投资比例下调了约11％，但随后的发展前景依然巨大。从投资者的角度来看，全球风险投资和PE在2010年增长了28％至88亿美元，而公共市场投资在2008年和2009年经济衰退的低点开始反弹，2010年同比增长18%至174亿美元。2012年投资额约680亿美元，相比于2011年增长近20%。公开资料统计显示，除风险投资和并购市场，二级市场上有15家新能源企业上市集资。同时，作为全球新能源行业第一大投资国，国内亦有多家专门投资新能源的基金设立，地方政府也与社会资本合作，成立专门的新能源投资基金。新能源的发展，作为国家能源战略的重要组成部分，在中央以及各省市地方政府的共同推动下，全国范围内迅速建立起大量的新能源产业培植与发展基地，投资规模巨大。新能源行业的健康发展关系到国家能源战略的顺利实现，与国家政治、经济、环境等领域有着紧密的联系。在国家的宏观大背景下，新能源行业作为高投入、高技术、高风险行业面临着众多的挑战，其投资风险特征尤为明显。因此，对新能源行业的投资风险状况进行分析与预警，有利于准确把握新能源行业的风险状态，并提前对可能出现的风险做好防范措施，保证新能源行业蓬勃发展。3.1分析意义（ResearchMeaning）4.1实际意义国家层面，有利于国家针对新能源领域现存的一些问题，完善相关扶持政策与法律法规。从宏观层面指导新能源行业的整体发展与战略规划，促进整体经济发展，维护国家能源战略安全。国家为了促进经济的可持续发展，出台新能源产业规划，首先是应对当前日趋下行的国内经济，扩大内需、拉动投资、增加就业，其次是应对气候变化，调整能源结构、可持续发展。而最重要的一点，则是在危机中蓄势，抢占经济发展的制高点。行业层面，有利于新能源行业多元化投融资结构，提高新能源利用效率，完---- -------3---- -------硕士学位论文善产业布局，调整产业政策，提升新能源行业的竞争力。新能源行业作为极具发展潜力的新兴行业，对新能源行业的投资风险进行预警分析，能有效地做到提前发现风险，防患于未然，最大程度地将可能的损失降到最低。也能有效促进多个细分产业的健康发展，促进产业链的完善。企业层面，有利于企业加强内部风险预测与控制，完善企业投融资结构，寻求最优资本结构，提高经营管理能力，促进企业健康发展。新能源行业的规模与组织结构决定了其风险点十分分散，因此必须重视单个新能源企业的风险状况，关注企业的风险监控及防范，建立一个能覆盖全行业的有效的风险预警机制势在必行。1.1理论意义一直以来，人们更多的是关注新能源发展所带来的经济利益，对新能源的战略意义缺乏认识。即便随着国家出台有关扶持新能源发展的各项措施与政策支持以及有关新能源的法案，各方对发展新能源的重大意义上升到新的高度与层次，但对新能源的发展战略评价体系以及风险预警系统还没有真正建立起来，学术界对新能源的分析才刚刚起步，关于如何建立新能源行业风险预警系统还没有统一的认知。本分析在前人的基础上，结合新能源行业本身的风险特点，建立了风险评判的预警指标体系，并用近年的全行业数据对新能源行业的现状与风险状态作了实证分析。同时，在分析众多预警模型优劣的基础上，最终选择将BP神经网络与logistic回归混合相结合的预警分析模型，并创造性选用ROC曲线对模型的适用性进行检验，最终确定可疑区间，为以后的相关分析提供了一种新的思路与方法。2.1分析方法与内容（ResearchMethodsandContent）关于新能源行业投融资风险预警的分析是一个比较新的课题，近几年越来越受到学术界和全世界的关注，但现阶段的分析分析多数仅局限于特定的细分产业，如对新能源汽车发展现状的介绍与简单评述方面，并没有把新能源行业的发展提升到一个更高的层次来分析。（1）案例分析法。以我国所有新能源行业上市企业为分析对象，试图比较全面地反映新能源行业目前的发展状况与存在的问题，找出其运行的规律并建立一套有效的理论方法与分析评价系统，从而提高对发展过程中可能出现的风险的控制能力，以保证新能源的健康发展和战略安全的顺利实现。（2）文献分析法。由于分析对象是新能源，而关于这方面的分析相对较少，故在相似分析对象与可用的预警分析方法上进行深入剖析，在前人分析方法的基础上找到突破口。根据分析对象的特点找到了最合适的模型与方法。---- -------4---- -------1绪论（3）实证分析法。比对分析以前学者的分析模型，选取BP神经网络与Logistic混合模型进行实证分析，将新能源行业中的风险因素进行量化分析，创造性选用ROC受试者工作曲线作为检验方法，最终得出风险预警区间并对未来期间风险预测概率进行分析。1.1分析框架与技术路线（ResearchFrameworkandTechnology Roadmap）2.1分析框架首先，对我国新能源行业的发展环境与现状进行分析，明确了目前新能源行业发展所面临大环境，进而确定了分析的对象与大致方向。其次，对前人的分析进行比对分析，发现现阶段分析的优点与不足，发掘可改进或优化的地方并提出了本文分析的切入点与拟采用的分析方法与模型。再次，对影响我国新能源行业发展的风险因素进行分析，在深入剖析行业发展现状的基础上建立我国新能源风险预警管理的系统。最后，针对分析与分析的结果提出可能的解决方案与对策建议，保证我国新能源行业的健康发展。全文分为三个部分，五个章节：第一部分是1、2章。第1章是绪论。主要说明了文章写作的背景、内容、与方法。第2章是分析综述与理论分析部分。主要包括新能源行业安全状况实证分析综述与新能源风险预警分析综述两部分，同时在综述的基础上提出自己的研究切入点与创新点。随后定义新能源分析相关概念，并界定本文的分析范畴。第二部分是3、4章。第3章是对新能源行业目前的投资情况进行阐述，对投资过程中存在的问题进行分析。第4章是基于BP-Logistic混合模型的预警管理实证分析。首先从影响新能源行业发展的众多宏微观，内外部的指标中，建立新能源行业投融资预警指标体系，并对相关变量进行因子分析。其次，设定金标准，建立Logistic回归方程并进行ROC检验，得出新能源投融资风险的监测值范围。再次，运用BP神经网络预测未来期间各风险因子的可能值，结合Logistic回归方程得出每个时间段的风险状态，找出风险监测重点。最后，对风险状况进行结果的分析评价。第三部分是第5章。结合实证分析结果，从国家政策到行业层面再到微观层面的企业，全方位地对其发展提出对策建议。指出了分析的不足之处与困难并对未来的分析方向提出了自己的见解。---- -------5---- -------硕士学位论文1.1技术路线绪论新能源发展状况评价分析综述相关概念与逻辑关系界定新能源投资风险预警分析综述分析述评分析范畴与相关理论分析新能源行业投资风险因素分析新能源投资风险预警分析角度与模型新能源行业投资现状分析基于BP-Logistic混合模型的预警分析预警指标体系因子分析Logistic模型方程与ROC检验基于BP-Logistc风险概率预测结果分析结论与展望图1-1技术路线图Figure1-1Technicalline---- -------6---- -------1绪论1.1分析的创新点(InnovationoftheResearch)（1）从内外部两个层面来分析我国新能源行业所面临的投资风险因素。考虑到数据获取的难易程度，本分析拟以全部的新能源上市公司为分析总体来代表新能源行业的发展状况。在借鉴前人的分析成果基础上，将宏观环境因素与中观行业环境因素作为新能源行业投资风险分析的外部影响因子，将微观层面影响因素作为新能源行业整体风险的内部因子。选取风险指标共25个，包括常用的一些宏观经济环境指标与代表企业经营状态的盈利能力，营运能力，发展能力，偿债能力指标。（2）综合利用BP神经网络和logistic回归模型的优势建立我国新能源行业投资风险预警模型。在充分利用BP神经网络预测精度的同时再利用logistic模型来保证其稳健与可解释性，创建了基于混合模型的预警系统。具体操作方法是对原始数据进行有效性处理，对指标体系运用因子分析来压缩变量，消除指标间的多重共线性。利用提取的相关因子与二值因变量（金标准）构成Logistic模型指标体系并得出回归方程与预测概率，利用ROC曲线分析对结果进行精度的检验以及预警界值的确定。与时同时，利用神经网络将已经过主成分分析的提取的特征变量做标准化处理，利用个案进行神经网络的精度训练并得出各指标变量的未来季度风险的因子预测值，将这些预测值作为通过检验后混合模型阶段的模型 zkq20160118方程输入值。由此得出的输出值即为所求的未来某些季度的风险概率值。（3）在预警阀值的选择方面借鉴医学实验中诊断界值的选择方法，利用ROC曲线分析。ROC方法简洁、直观，可以通过图形直接观察到分析方法的准确性。ROC曲线图横纵坐标由灵敏度与特异性组成，其图形组合可准确反映再者之间的关系，能综合代表试验的准确性。ROC曲线方法的分类临界值不固定，允许中间状态存在，避免了主观划分风险状态临界值所带来的误差，检验结果能给出最佳的诊断界值，并且能够判断出可疑范围，突出预警监测的重点。1.2本章小结(ChapterSummary)本章从全球新能源行业的发展现状进行描述，立足于我国的行业发展背景对分析的内容做了铺垫。对分析思路与方法作了比较详细的描述，并明确了本文的分析框架与技术路线。从风险因素的选择，模型的选择，检验方法的选择方面对论文的创新点进行了阐述。---- -------7---- -------硕士学位论文2分析述评与范畴界定2LiteratureReviewandScopingDefinition2.1新能源发展状况评价分析述评（LiteratureReviewofNew EnergyDevelopment）国内外学者对我国新能源行业发展状况的评价较少。一部分分析采用比较法通过对比分析我国与国外发达国家新能源发展的状况，借鉴国外先进的新能源技术与支持办法，指出我国在新能源产业上可能的发展与努力的方向。还有一部分分析是根据我国实际，针对新能源行业发展过程中存在的问题与不足，借鉴相关领域与其他行业的发展经验提出自己的见解与发展建议。而对于新能源产业发展效率评价与现状的实证分析方面分析更是寥寥无几，且分析方法极其有限，如数据包络分析（DEA）与随机前沿分析(SFA)。故通过对传统能源的分析评价方法进行总结，找到新能源分析的突破口。在借鉴国外先进发展经验方面。李俊峰，时璟丽（2006）[2]，李靖（2011）[3]，陈波，陈靓（2012）[4]等大批学者通过对美国的“绿色新政”，日本的“阳光计划”，巴西的“全国乙醇计划”，欧洲的“可持续发展计划，焦耳计划，兆卡计划，zkq20160118altener计划”等进行介绍，比对分析了我国与发达国家在新能源发展方面的差距，结合我国现实情况进行分析，提出了很多针对性建议。如针对性地发展新能源产业的重点；建立产业发展基金；刺激国内消费需求；发挥政府导向作用等。CarlosÁlvarez-Bel等（2013）[5]分析在控制微电网的基础上进行能源管理和系统控制，引入需求响应概念，把微电网的管理与发展有效需求结合起来，提高要素的能源效率，减少碳排放。F.Atabi（2004）[6]以伊朗新能源发展状况为基础，指出政策激励能极大促进可再生能源技术。提议加强国际合作，将新能源发展上升到国家执行战略的高度。构建了一个可再生能源的商业伙伴关系结构模型。在对新能源行业发展问题探讨方面。张亮（2009）[7]认为，我国新能源发展面临的主要问题是国家政策的不明确；投资周期长，收益不确定；初期投入大，技术研发的投入本身高风险。赛迪顾问股份有限公司在《2009-2011年中国新能源产业发展分析年度报告》中指出政府系统的配套政策滞后性、缺乏核心竞争力以及新能源行业本身的技术风险是影响新能源发展的主要因素。同年，“中国人民银行锡林郭勒盟中心支行课题组”通过分析显示我国金融机构对新能源产业支持严重不足，风险资本对新能源支持力度也不够。任东明（2011）[8]指出，我国新能源产业制造成本相对较高，市场竞争力弱；技术水平落后且研发投入不足，自主创新能力不强；产业体系薄弱，配套能力不强；行业管理松散，标准体系和8---- -------2分析述评与范畴界定人才建设严重滞后；政策体系不完善，措施不配套。张玉臣，彭建平（2011）[9]认为我国虽然已经在十二五规划中推出了新能源产业发展规划以及相关支持政策，但并不全面。具体表现为三点不足：过分追求规模与短期效应，导致粗放式发展与重复建设；自主创新能力重视不够，过分依赖于国外引进的核心技术；政府在新能源产业发展统一布局与市场调节方面的缺位。赵欣，夏洪胜（2010）[10]在《我国新能源产业发展的困境及对策分析》一文中揭示了新能源产业虽然发展前景广阔，但各种新能源发展规模和速度极端不均衡，核电、太阳能、风电发展较快，核聚变、氢能、天然气、水合物、海洋能仍处于分析和发展之中，距离商业化还有较大距离。主要存在以下缺陷：盲目投资，缺乏整体规划；资源浪费严重；技术空心化，产业链不完整。而主要瓶颈是融资需求得不到满足，成本居高不下以及自身核心技术的缺乏。在发展状况实证分析方面。王兰（2012）[11]利用多元统计中的因子分析方法，以44家国内新能源上市公司和2家国外新能源上市公司2011年度财务报表数据为基础，对新能源行业上市公司的经营绩效进行实证分析得到了46家上市公司的综合得分并进行分析解释。贾全星（2012）[12]运用对数型柯布-道格拉斯生产函数对我国新能源上市公司的技术效率水平进行测算，选取企业规模、超额获利能力、股本结构、成立时间长短、技术能力、员工素质、地理位置等7zkq20160118个影响因素。构建了随机前沿生产函数模型(StochasticFrontierModel,SFM)。在此基础上，考虑随机因素对产出的影响，通过极大似然法估计出各个参数，进而利用条件期望度量技术效率。在传统能源的评价分析方面。高鸿桢（2005）[13]运用因子分析对中国国家金融安全进行了综合评价。张华林、刘刚（2005）[14]建立了我国石油安全评价的指标体系，采用层次分析法对我国的石油供应安全状况进行了综合评价。范秋芳（2007）[15]运用AHP层次分析法确定了中国石油安全综合评价预警指标的权重，采用神经网络方法进行预警，设计了BP神经网络模型。叶莉和陈立文（2009）[16]运用经过遗传算法优化的BP神经网络对中国金融安全预警系统进行了实证研究。李凯风（2011）[17]采用优化的BP神经网络分别对中国电力、煤炭、石油系统的安全状况进行了评价。还有很多其他方法如概率单位模型或多元Logit模型、横截面回归模型、主观概率法离散选择模型、排序选择模型等的综合运用，大大增加了分析结果的精确度和可信度。通过分析上面所列文献发现，目前分析新能源行业风险状况的文献较少，而且分析内容与方法大同小异，主要是以我国某些新能源上市公司，将其分为已经被ST的公司和未被ST公司进行对照分析。样本选取局限于某些新能源上市公司，忽略了非上市新能源公司的影响，因此行业代表性并不突出，不能反映出新9---- -------硕士学位论文能源行业发展的整体情况。分析的变量也大多以上高公司公布的某些财务指标为主，并没有很严格的变量筛选过程，导致分析说服力不够，代表性较差。另外，在分析方法上，多采用层次分析法、数据包络分析、多元差别分析等参数方法，后来的分析中大多采用BP神经网络，在指标权重的确定方面还有所欠缺，说服力不够。2.2新能源投资风险预警分析述评（LiteratureReviewofNew EnergyInvestmentRiskWarning）近些年的学术分析当中，对企业预警体系建立的分析众多，但把新能源企业作为分析对象的分析相对较少。但预警分析的方法和警素的选择有一定的通用性，都是以单个企业的财务与非财务数据为样本数据，特别是上市公司的财务数据更容易获得，成为分析资料来源的重要渠道。因此对新能源风险预警分析的文献综述搜集方面放宽限制，比较全面地分析各预警分析对象风险因素的选择与模型的建立，并比对各模型的优缺点，结合新能源行业本身的影响因素特点建立本分析的预警管理体系。在风险因素的选取方面。何建雄（2001）[18]提出，建立金融安全预警系统指标体系应考虑到三个方面：微观审慎指标（基础指标）；宏观审慎指标（先行指标）；市场指标（中间指标）。并按指标以及分项指标两层将各项指标具体化，zkq20160118但文章并没有给出具体的实例来验证指标体系的可靠性。王超，佘廉（2001）[19]考察了BP算法在企业预警管理系统中的应用，他们认为企业预警管理系统的研究有两大难点：一是对企业预警管理的系统分析，以及对企业预警指标的确立；二是基于企业预警指标之上的警度评判。指出对企业组织的监测，应包括2个方面，一是影响因素监测，二是企业组织状态监测。而警素主要包括企业外部环境状态，企业战略，企业规模，成长周期，技术状态。常立华，佘廉（2006）[20]认为企业财务预警系统是综合考虑到外部和内部的因素，预警可分为预报和预控，先预报再预控，根据预报的发生警报原因级别采取预控措施。赵旭，辛制高（2010）[21]介绍了国内外企业风险预警模型的分析，从多元统计分析方法、人工神经网络(ANN)模型、系统动力学方法、支持向量机(SVM)模型4个主要分析方法对风险预警模型分析进行了综述。企业预警管理的分析仍然停留在企业内部局部的预警，比如财务预警，虽然上市公司的财务数据比较容易获得，但反应的信息是不全面有限的。裴玉（2011）[22]分析了我国新能源企业发展的现状及特点，构建了新能源企业财务风险预警指标体系，认为风险主要来自于管理、财务管理、财务、经营四个方面的因素。在预警模型的选择方面。佘廉，张倩（1994）[23]将企业经营活动解释为两种过程，“管理行为-管理周期-企业目标”的经营环境过程和“管理失误-管理波动-10---- -------2分析述评与范畴界定企业逆境”的经营逆境过程。企业经营活动在必顺境-逆境件歼成功-失败”的交互作用过程中变化发展。运用AHP层次分析法构建了企业预警管理活动的系统分析模型。迟春洁（2004，2006）[24]分析运用改进的BP神经网络方法建立中国能源安全预警模型，筛选了能源安全预警指标体系，对预警模型进行了学习检验，并对中国未来的能源安全状态进行了尝试性预警分析。赵静娴（2008）[25]提出一种基于改进了的决策树的财务预警模型，通过正规增益标准对企业的财务指标进行排序降维，从而避免了冗余信息的影响，直接生成最小决策树，抽取预警规则。闫晓燕，杜飞升（2015）[26]采用Z计分模型对财务指标进行分析。国外在金融危机预警模型的运用上已经比较成熟。Blejer和Schumacher（1998）[27]使用VAR方法对中央银行进行的压力测试和金融安全分析，Nag和Mitra（1999）[28]使用人工神经网络模型进行的货币危机预警分析，Vlaar（2000）[29]运用双正态混合模型对货币危机与银行危机进行的分析，Burkart和Coudert（2000）[30]利用Fisher判别分析模型对货币危机的分析，Nitithanprapas和Willett（2000）[31]运用斜率哑变量回归模型的分析，Osband和VanRijckeghem（2000）[32]的危机临近状态识别分析，Collins（2001）[33]运用潜在变量门限模型的分析，Zhang（2001）[34]使用Hamilton自回归条件风险模型的分析，Krkoska（2001）[35]运用带有约束的VAR模型的分析，Ghosh（2002）[36]利用二元生存树模型的分析，Abiad（2003）[37]的变概率体制转换模型分析，Berg等（2004）[38]的多水平受限模型，Vandenzkq20160118Berg等（2006）[39]的PanelData金融危机预警分析，Lin等（2006）[40]的模糊学习机制模型，Cipollini和Kapetanios（2006）[41]运用动态因素分析法构建的EWS模型，Bussiere（2007）[42]利用基于PanelData的动态离散选择模型。另外还有GoldmanSachs的GH-Watch模型，CreditSuisseFirstBoston的EMRI指数模型，DeutscheBank的DBAlarmClock模型等官方分析方法。在预警阈值与警度区间确定方面。周新辉（1999）[43]认为金融危机预警的阈值确定原则应该是在这一点上将会发生金融危机而没有能发出预报的概率与发生错误预报的概率相等。而危机发生的概率则可利用达到阈值的预警指标加权平均数来测试。张元萍，孙刚（2003）[44]分析了在已有的金融危机预警分析成果当中，影响范围广、可操作性强且广泛得到认可的有三种预警模型：FR概率模型，STV横截面回归模型，KLR信号分析法。文章把将会发生金融危机而没能发出预警的概率和发出错误预报的概率相等时的数据作为临界值。姚靠华，蒋艳辉（2005）[45]以上市公司为分析对象，将其分为ST与非ST公司，选取了反映上市公司盈利能力、偿债能力、营运能力、成长能力和公司规模的17个财务指标。并应用决策树技术建立了中国上市公司的财务困境预警系统，与神经网络相比，决策树更容易被人理解。且具有速度快、精度高、生成模式简单的优点。11---- -------硕士学位论文对于警度的划分则根据预测正确的概率来界定，带有一定程度的主观性。陈卫华，张睿（2007）[46]根据可能满意度法将预警等级划分为三个档次，以0.3和0.7作为分界值，可能满意度在0.3以下属于危机必定发生区间；可能满意度在0.7以上为危机必定不发生区间即安全区间；中间部分属于危机的多重均衡区间。刘润幸（2003）[47]使用SPSS作多变量的ROC曲线分析，得用此方法可以自由和方便地设定单个或多个诊断点。陈卫中（2005）[48]，袁明生（2011）[49]等利用ROC曲线探讨了药剂的诊断价值，确定了病情诊断的药剂用量最佳临界值点与可疑值范围。通过对预警系统的文献分析发现，在风险指标的选取方面更多的学者倾向于从宏观、中观、微观三个层面来分析，选取更多的财务指标并加入一些非财务指标建立指标体系。虽然指标体系综合考虑到了财务指标、非财务指标以及宏观经济指标的影响，能比较全面的反应总体状况，但非财务指标的数据验证以获得并且有很强的主观性，并且考虑到变量之间的相关性，导致不同的分析文献最终的综合指标体系不尽相同。因此，在分析中需要尽可能充分利用数据，选择合适的分析方法。预警分析方法的选择方面，很多学者用到因子分析法、神经网络模型、风险价值方法、可能满意度法、决策树模型、Logistic模型以及横截面回归方法等，分析方法与模型的正确选取与使用使得分析结果的精确度与可信度大大提zkq20160118高。但大多数学者对于最终的警度区间的选择方面分析欠缺，更多的学者倾向于一些公开的既定的风险区间规定，或者直接人为的以好坏区间等概率来划分，没有考虑到不同分析对象的区别以及对风险区间的适应度问题，主观性太强，可信度不高。1.1模型的选择（TheModel）对各种评价方法的优劣进行比较以及从以往学者的分析中可以看出BP神经网络在处理大样本，多变量的数据方面有突出优势。其优势主要体现在非线性映射能力与自学习和自适应能力上。BP神经网络本质功能是实现从输入到输出的映射功能，三层神经网络已被数学理论证明可以以任意精度逼近任意的非线性连续函数。这种类似于“暗箱”的操作使得它特别适合于解决内部机制复杂的问题，不需要知道具体的“合理规则”，只要通过训练网络，它就能够自动找到并提取输入与输出数据之间的规则并将这个规则以权值的形式记忆于网络中。从实际运用的经验与分析结果来看，BP神经网络由于其在非线性关系方面的优势，被广泛用于数据的预测与预警。但也是其不足之处：如网络隐含层的层数的确定以及单元数的选择问题；网络的训练时间较长，并且收敛速度很慢；模型的不可解释性等。其优点是以神经网络为代表的非线性判别方法的精度通常来说要高于（线性）判别分析法、线性规划、Logistic模型等线性评分方法；但另---- -------12---- -------2分析述评与范畴界定一方面判别分析法、线性规划、Logistic模型的稳健性则比BP神经网络好。且logistic模型可以进行线性评分而神经网络只能模糊地区分好坏。由此，可综合BP神经网络模型与logistic模型两种方法建立新能源行业投资风险预警系统。1.1概念界定与分析范畴（DefinitionoftheConceptandScoping）2.1相关概念与逻辑关系界定新能源又称非常规能源，可再生能源，清洁能源，二次能源等等，但对其具体定义没有定论，且每一种分类方法所包括的能源各类不一。从来源、开发状况、属性、转换传递过程四方面来看，新能源涵盖了太阳能、风能、地热能、潮汐能、水能、核能、生物能、海洋能。从能源开发技术方面来看，在一般情况下，传统能源技术手段更加完善，但新能源却与之相反，因此，通常把煤，石油，天然气和水电被认为是常规能源，而太阳能，地热，风能，现代生物质能，海洋能和核能，氢能作为新能源。还有很多其他定义新能源的角度，通过分析学术界对新能源分析的各种角度可大致认为，新能源是指大多数分析中对传统能源认识交集的补集，因此，本分析中出现的关于新能源的各种称谓该认知范围内。风险大致有两种解释：一种是风险利益的不确定性；而另一种风险表现为损失的不确定性。风险的不确定性，其结果表现可能是盈利，或者是损失或者既无盈利也无损失，这就是通常所说的广义风险。而狭义的风险通常只表现为损失的不确定性，不存在受益可能性，属于纯粹的损失风险。企业在经营活动及业务活动中，会碰到各种各样的不确定事件，这些不确定性事件发生的概率和可能带来的影响无法事先预知，这些事件将影响企业的日常经营活动，进而影响目标实现的程度。简单地说，即所谓的风险是指在既定时间和既定的环境下，期望完成的目标和现实结果之间的差异程度。在本分析中新能源行业的风险是狭义的风险，主要分析损失的可能性。具体来说是新能源行业在发展过程中投资风险因素对行业发展的不利影响造成的损失。投资风险指的是在投资活动过程中可能导致公司或机构财务损失的风险。包括投资是否拥有较高的投资回报率，是否能在预期内收回投资，投资活动是否有利于企业目标的实现等等。就企业的经营运作的形式进行划分可分为投资活动和融资活动，投资活动进一步可分为直接投资和间接投资,但直接投资与间接投资有着本质区别。从形式上来说，直接投资的资金所有者和资金的使用者属于同一个主体。其投资行为一般涉及实体生产，能形成实物资产，其所有权与经营权属于同一方；而间接投资的资金所有者和资金使用者是分离开的，资金的所有者将资金的全用权剥离出来出借给资产的经营者，所有者不参与资产的运用及企业的经营，其目的只是为了取得其资本收益或保值。另外，直接投资和间接投资还有---- -------13---- -------硕士学位论文着非常紧密的联系，企业可以通过间接投资，筹集直接投资所需要的资本。对于新能源行业的企业来说，企业的经营性直接投资是主要的投资方向，也是本分析的目标。风险预警，其全称是“风险预警系统”。风险预警系统的意义主要体现在商业银行的风险管理方面，随着越来越多经济活动的规范化与系统化，风险预警在预防风险、减少损失方面的作用越来越突出。企业活动包括资金、人事、管理、组织、技术等各个方面，因此企业在经营管理过程中的各个环节都存在风险与不确定性。企业风险预警系统是通过建立风险评估系统，对所有可能出现的风险进行预控，以减少甚至消除风险发生的机会，事前做发预防，以有效的手段将风险程度降到最低。风险预警系统实际上是通过所收集到的相关数据和资料，结合分析对像的特性进行分析，监控危险因素的变动情况，并评估偏差，即各种风险状况距离警戒线大小，发出警示信号给风险控制人，提醒采取提前预控措施。本文所说的风险预警是指通过对新能源行业所处的内部和外部环境监测指标进行分析计算，对其所处的安全状态进行确认，并及时反馈，从而确定是否采取相应的应对措施以保证新能源行业的健康稳定发展。顾名思义，结合以上相关概念逻辑关系界定，本分析所指投资风险预警就是构建直接投资风险监测指标体系，对新能源企业实体的经营性投资效果进行风险监测，运用预警模型对新能源行业未来的投资风险状态进行预测与分析，判断其风险状态并采取应对措施。1.1分析范畴界定(1)新能源行业风险特点新能源是高技术、高投资、高风险的新兴产业，与传统能源不同的是，新能源在技术、产业发展、政策导向等方面又有其独特性。首先是政策风险。我国新能源行业对国家政策扶持具有很强的依赖性，政策导向性相当明显。虽然《可再生能源法》和一些相关的措施已经出台，但大多数还没有得到广泛实施，或者相关政策出现时滞。与此同时，未来技术发展的方向多样也造成了很大的不确定性，因此对传统能源的取代效应尚不明确，从而政府政策的引导和支持所带来的成效也不明朗。相关人士指出，在技术发展滞后，缺乏政府宏观调控力度的新能源节能技术和工程领域要想取得显著的成就将面临很大的政策风险。其次是产业风险。从近些年新能源企业发展的状况来看，产能过剩是最严峻的问题。产能过剩是相对的，说明供给大于有效需求，从现在传统能源的紧张状况以及新能源的开发程度来看，新能源行业的市场份额还是相对较少的，潜在需求巨大。但以目前产业链的发展情况来看，高、中、低端发展很不平衡，相互衔---- -------14---- -------2分析述评与范畴界定接出现很大问题。在发展的前期，国家为了大力推动新能耗行业的发展，放松对新能源企业的审批力度，降低准入门槛，造成企业数据迅猛增长，产能在短短几年内严重过剩。而新能源相关配套设备的开发并没有发展完善，特别是相关输电设备，基站等的建立没有一个很好的规划。成本居高不下也一直是新能源广泛运用的瓶颈。虽然“十一五”规划中，国家提出要大力支持新能源项目的发展，但在下游的使用阶段支持不足，没有足够的补贴，使新能源的成本明显偏高。另外，新能源的开发和利用具有高投入、高风险的特点，前期投入大、开发周期长，导致投资回收效益的不确定性，更进一步增加了风险。最后是技术风险。新能源技术的发展还不成熟，从全球范围看，我国新能源行业处于产业链中低端，核心技术多被国外控制，技术使用成本过高，缺乏竞争力，缺乏定价话语权，只能获得很少一部分利润。另一方面，未来新能源行业的技术发展方向是多元的，导致技术的可替代性强，这种风险会影响到新能源生产的各个环节，如原材料、工艺方法等。从新能源行业的安全性以及新能源行业的发展对我国未来经济发展以及战略需求的重要性出发，由于其风险影响因素的多样性和复杂性，对新能源投资风险状况的评价与分析应从不同层面着手。按照宏观、中观、微观影响因素划分：宏观层面，新能源作为传统能源的替代品，其地位应该上升到国家能源安全层面乃至与国家经济安全目标的实现紧密结合，稳定的宏观经济环境对其发展起着极其重要的作用。中观层面，新能源行业发展所面临的风险的多样性与复杂性对新能源的发展提供了更大的机遇与挑战，如技术风险、市场风险、政策风险等。微观层面，站在每个新能源企业的角度，要考虑到投融资决策是否符合企业的发展战略，企业的财务能力等。将宏观环境因素与中观行业环境因素作为新能源行业投资风险分析的外部影响因素，将微观层面因素作为影响新能源行业整体风险的内部因素。(2)影响新能源行业投资风险的外部因素新能源行业发展面临的外部因素包括宏观环境与中观行业环境。一般来说，以地理位置来分，同一个国家内的所有行业面临的宏观环境条件是基本一致的。包括政治、经济、社会等环境因素。通常这些因素带来的风险是不能通过分散投资予以消除的，在经济学中被称为系统性风险，包括政治军事风险、政策风险、利率风险、汇率风险、经济周期风险等等。新能源行业同其他行业一样也处于目前既定的宏观环境中。对于处于发展不稳定时期的新能源行业来说，风险不仅来源于外部大环境，也取决于新能源行业本身的风险。行业所面临的风险因素复杂多样，如地域差异、行业结构风险以及技术因素等等。地域差异是新能源区别于传统能源的一个重要方面，如风能，太阳能等就有明显的地域特征，因此不是每---- -------15---- -------硕士学位论文个地方都适合发展新能源，即使以二次能源形式加以转移利用，其成本问题也是不容忽视的。新能源行业是高技术行业，如果不考虑成本因素，仅我国发展新能源所需要的技术水平也不是一朝一夕能够达到的，况且现有的核心技术都被国外掌控，其使用成本不可忽略。但由于地域因素、结构因素等因素带来的风险不便衡量，分析中很难将其量化，因此考虑衡量新能源行业发展中所面临的风险因素的指标中多采用宏观环境风险指标，如GDP指数、CPI定基指数、贷款增长率、贷款利率、财政收支比率、企业景气指数、企业家信心指数、货币供应量增长率。(3)影响新能源行业投资风险的内部因素新能源行业整体由所有新能源企业所组成，对于微观层面的单个新能源企业来说，企业的风险来源于日常的经营活动与资本运作，包括投资活动与融资活动。对于投资活动来说，投资风险是指投资活动所带来的收益的不确定性，投资活动的风险结果可能是收益遭受的损失也可能会造成酬金的损失。可以将风险分为直接投资风险和间接投资风险。鉴于虚拟金融与新能源企业发展的弱相关性以及我国新能源资本市场的不完善，只对实体投资风险即直接投资风险进行分析。本研究中所说的直接投资风险是指企业或者相关投资者将资金、相关设备及资产直接投入企业的投资项目，项目中的资产及经营的所有权归投资者所有，他们可以直接参与项目投资的经验管理。而企业投资风险状况主要从结果端进行考量，即主要分析企业的投资效益。影响企业的内部环境因素包括企业的资源与文化，业务能力等，因此风险指标的选择，要综合考虑到所有的企业环境因素的影响。在一般情况下，企业经营状况分析，包括企业经营战略与目标分析，企业文化分析以及财务状况分析，规章制度与人力资源分析，研发能力与相关设备条件考查，产品竞争力，营销能力等等。[50]公司信息，可分为财务和非财务信息，财务信息主要以货币形式表示，结合相关联的信息及指示状态来分析资金运动的经济信息特征。相对于财务信息，非财务信息是各种与生产经营活动有关的非财务资料形式的信息综合。由于财务指标往往某种程度上能比较真实地反映企业的整体状况，具有一定的可行性，同时，非财务信息不便衡量，因此分析中主要分析财务数据。考虑从盈利能力、偿债能力、营运能力、发展能力中选取销售净利率、成本利润率、总资产报酬率、净资产净利率、流动比率、速动比率、资产负债率、产权比率、应收账款周转率、存货周转率、流动资产周转率、固定资产周转率、总资产周转率、销售增长率、资本积累率、总资产增长率、固定资产成新率共17个财务指标进行内部风险因素风险。1.1本章小结(ChapterSummary)本章从新能源行业的发展状况评价以及投资风险预警分析两方面进行分析16---- -------2分析述评与范畴界定综述，对以前学者的观点进行分析提炼，去粗存精，根据分析对象的特点选择出合适的分析角度与分析方法：首先，从内外部两个层面来分析我国新能源行业所面临的投资风险因素。其次，综合利用BP神经网络和logistic回归模型的优势建立我国新能源行业投资风险预警模型。最后，在预警阀值的选择方面借鉴医学实验中诊断界值的选择方法，利用ROC曲线分析。在此基础上，对相关概念与分析范畴进行界定。---- -------17---- -------硕士学位论文3新能源行业投资现状分析3SituationAnalysisofInvestmentinNewEnergyIndustry1.1新能源行业投资规模（InvestmentScaleinNewEnergy Industry）近期，腾讯财经发布分析数据显示，我国前十强的新能源企业占据了七成市场份额。截止2014年底，我国新能源注册企业达到十四万多家，而超九成企业属于小微型企业，注册资金小于50万元，人数规模小于50人。从地域上来看，新能源企业主要集中分布于经济发达地区，而且在区县上比较分散，发展很不平衡。大部分新能源企业创造的产能低下，并且集中在制造行业。但新能源行业整体创造的产值在近五年有大幅提升，超过50%，成长迅速。根据英国NewEnergyFinance（新能源专业分析与咨询机构）提供的数据，新能源领域投资资金的来源主要包括资产融资（Assetfinancing）、风险投资（VC）、私人股权投资（PE）、公众市场（IPO等）、政府研发专项资金（R&D）及公司研发与推广（RD&D）等。纵观近几年全球的可再生能源投资活动，其主要特征体现为政府和国际金融组织的投入增加、大型能源供应或能源设备制造跨国公司已实质性介入可再生能源产业、可再生能源上市公司IPO等（如表3-1）。表3-1近几年全球可再生能源投资情况Table3-1GlobalRenewableEnergyInvestmentinrecentyears主要参与方说明或举例政府与国际金融组织世界银行、全球环境基金、德国复兴开发银行、欧洲银行、亚洲开发银行；世界银行的亚洲替代能源计划已投入逾13亿美元，英国政府设立碳基金发展低碳能源；BP、Shell、雪佛龙等能源巨头；全球最大的可再生能源运营商Iberdrola国际能源或GE、Simens、ABB等电气设备未来3年拟投资80亿美元于美国可再生设备制造巨头制造商；能源开发；GE先后收购安然风电、光伏厂商AstroPower；Suzlon、金风科技、Iberenova、各风电、光伏电池类优秀企业借助IPOIPO融资挪威REC、Q-Cells、无锡尚德、加大产能扩张、新技术研发与海内外基天威英利、赛维LDK；地布局；知名企业或机构跨领域投资全球网络搜索巨头Google、IBM组建薄膜光伏电池公司SpectraWatt。Google于07年底宣布数年内建成100万千瓦、成本低于煤炭的可再生能源电站。资料来源：南京派友财务有限公司从全球范围来看，进入2013年，由于技术进步与原材料价格的影响，太阳18---- -------3新能源行业投资现状分析能电池板价格下降，风电设备及电场的建设成本降低，新能源投资额加速下滑，越来越多的投资者将目光转向投资传统化石能源。2012年，随着欧洲一些发达国家相继调整新能源政策，政府对可再生能源项目的投资越来越综合考虑到各方面的因素，因此对新项目的支持力度逐渐减少。欧洲新能源投资降幅达到百分之四十，绝对额为约400亿美元。其中德国降至自2006年以来的历史最低位，仅141亿美元，而西班牙、意大利降幅分别近70%和约50%，英国相对较平缓，降幅不大。全球新能源领域投资连续两年下滑，项目投资额减少了12%，降至2540亿美元。中国也出现了十年来的首次下滑，美国作为第二大清洁能源投资国的投资额也下降了32%，仅442亿美元。发达国家中仅有日本有较大增长，投资增长55%，绝对额达到354亿美元。可能是由于日本核泄露事故导致日本决定用新能源取代核电站，由此吸引投资约55亿美元。根据赛迪顾问2010年做出的预测，到2020年全球新能源细分产业投资规模如下图：图3-12020年全球新能源细分产业投资规模预测Figure3-1Investmentscaleforecastinglobalnewenergyindustrysegmentsuntil20202012年，中国在清洁能源领域的投资额为677亿美元，较2011年增加20%。2013年前3季度，全国基础建设新增发电能力5458万千瓦，相较于上年同期增加约1300万千瓦，其中新能源发电量占比56%。全国主要发电企业发电工程完成投资2385.62亿元。尽管目前中国在清洁能源领域投资有所下滑，但因2012年新能源投资的高速增长具有滞后性，因此在当年并未带动行业更多的装机量，另一方面也因政府颁布的新政策实施效果与行业的融合要经过一段时间，到2013年，2014年才渐渐清晰。因此2015年以后几年可能会出现较显著的复苏。根据NewEnergyFinance机构的预测，到2020年，我国新能源的投资总额将达到3980亿美元，高出国家发改委预计的2510亿美元预测值近60%（按2006年的汇率测算）。如此巨大的资金需求，要靠国家投资和社会多元化投资（包括IPO为主的社会公众投资、风险投资、私募股权投资、项目融资等）[51]。202019---- -------硕士学位论文年我国可再生能源领域投资总额分布情况如图3-2。图3-22020年我国各可再生能源领域投资总额分布预测Figure3-2Totalinvestmentofeachrenewableenergyfielddistributionforecastuntil20201.1新能源企业经营情况与绩效分析（NewEnergyCorporations’ SituationandPerformanceAnalysis）2.1经营情况分析首先，新能源行业的发电总量保持快速增长态势，产品销售收入增速有所回升，成本急速下降。根据中经网的数据分析，2013年第二季度，我国风能发电量在新增发电量中保持领先地位，增速高达39.30%，核电发电量增速也较一季度提升10.24个百分点；同时，其他新能源发电价格有小幅度的上升。2013年前两个季度，我国新能源行业累计实现产品销售收入1690.76亿元，同比增长3.1%，增速较第一季度月提高0.76%。根据收入与成本图可以看出，近几年新能源行业产品的销售收入增速一直处于较为小区间的波动状态，而产品销售成本在进入2012年后急速下降，这得益于新能源行业技术的进步。并且在今后的两年内成本还将会有小幅度的下降，有利于我国新能源行业在全球清洁能源投资大幅下降的阶段赢得市场与竞争力。---- -------20---- -------3新能源行业投资现状分析图3-32009年以来我国新能源行业产品销售收入及同比增速Figure3-3China"snewenergyindustrysalesrevenueandYoYgrowthSince2009图3-42009年以来我国新能源行业产品销售成本及同比增速Figure3-4China"snewenergyindustrycostofproductsalesandYoYgrowthsince2009其次，行业利润总额增速出现较大幅的回落，但总体依然保持在高位水平。2013年第2季度，由于新能源行业的产品销售成本增幅大于产品销售收入增幅，行业利润总额增速出现回落。前两个季度，新能源行业累计实现利润总额356.97亿元，同比增长41.04%，增速较第一季度回落了57.76个百分点，但总体依然保持在较高水平。---- -------21---- -------硕士学位论文图3-52009年以来我国新能源行业利润总额及同比增速Figure3-5TotalprofitofChina"snewenergyindustryandYoYgrowthSince20091.1经营绩效分析《2014年中国新能源行业分析报告》[52]对我国新能源上市公司的投资绩效与经营情况进行分析。为使新能源行业的所有细分产业都能被涵盖，选取2013年包括水电、风电、核电、太阳能发电、生物质能发电等在内的20家上市企业数据，通过深入分析其经营效益、盈利能力、偿债能力、运营能力、现金流量等财务指标，从微观层面反映新能源发电企业的经营状况。从行业经营效益来看，经营效益大幅增长，营业利润增速高达74.69%。2013年前3季度，20家新能源上市企业实现营业收入合计5278.06亿元，同比增长2.1%；实现营业利润737.53亿元，同比增长74.69%；实现净利润612.46亿元，同比增长67.20%。显而易见，2013年前3季度我国新能源行业上市公司经营效益实现了大幅快速的增长。从营业利润看，所有20家企业全部实现盈利；从营业利润增速看，除了3家企业，其余17家企业均实现了营业利润的增长，甚至有超过十家上市企业的营业利润出现翻倍，增速超过百分之百。从盈利能力来看，样本企业的盈利能力在上年同期的基础上有所提高。2013年前3季度，前二十家新能源行业上市样本企业盈利能力相比于去年同期有所提高，平均毛利率是24.12%，相比上年同期提高3.91%；平均资产净利率、平均营业利润率和平均净资产利润率分别为3.92%、14.52%和13.60%，分别较上年同期提高1.12个、5.06个和4.18个百分点。从毛利率看，有17家企业毛利率较上年同期有所提高，其中6家企业毛利率超过25%，盈利能力处于较高水平。从偿债能力来看，整体偿债能力较上年同期有所提高。2013年前3季度，前20家新能源行业上市企业的偿债能力比上年同期有所提高。前20家新能源行业上市企业平均流动性比率为0.84%，和上年同期持平；速动比率为0.70%，比上年同期提高0.02%；平均资产负债率为62.54%，较上年同期降低2.17%。资产22---- -------3新能源行业投资现状分析负债率显示，大多数企业该指标均有所下降，而少数企业的偿债能力有所减弱。从营运能力来看，营运能力指标出现分化，存货周转率有所提高。2013年前3季度，前20家新能源行业上市企业平均应收账款周转率为17.58次，剔除某家企业的异常变动影响，平均应收账款周转率为8.26次；平均存货周转率为1.1次，较上年同期提高2.40次；平均流动资产周转率为2.07次，较上年同期降低0.07次。应收账款周转率显示，有7家公司的应收账款周转率比上年同期有所提升，一家企业应收账款周转率与上年同期持平，而剩余其他12家企业应收账款周转率较上年同期有所下降。从现金流量来看，货币资金与经营活动现金流入都实现了大幅增长。2013年前3季度，前20家新能源行业上市企业期末货币资金达1148.40亿元，同比增长21.05%；经营活动现金流入量5878.41亿元，同比增长10.36%；筹资活动现金流入量3605.66亿元，同比下降18.07%。由三项现金流入数据可得，货币资金和经营活动现金流入量都实现了增长，企业筹资压力不大。2.1影响投资风险的因素选择（FactorsChoiceofInvestmentRisk）根据上一章对新能源行业投资风险的特点分析，借鉴已有分析成果的指标选取标准，得出衡量新能源行业投资风险因素如下：外部影响因素：GDP指数、CPI定基指数、贷款增长率、贷款利率、财政收支比率、企业景气指数、企业家信心指数、货币供应量增长率。内部影响因素：销售净利率、成本利润率、总资产报酬率、净资产净利率、流动比率、速动比率、资产负债率、产权比率、应收账款周转率、存货周转率、流动资产周转率、固定资产周转率、总资产周转率、销售增长率、资本积累率、总资产增长率、固定资产成新率。GDP指数：国内生产总值是指一个国家或地区的经济中所生产出的全部最终产品和提供劳务的市场价值的总值。用来反映一定时期内国内生产总值变动趋势和程度的相对数，按不变价格计算。GDP指数是一国企业经营状况的综合反映，决定了新能源行业经营的外部环境的优劣，是所有经济评估指标中首要的背景因素，对新能源企业的经营活动起着基础性作用。若GDP指数保持着较高的增长水平，则说明国内企业经营普遍较好，偿还债务能力强，外部环境较为有利。相反，则维持低速运行，甚至负增长，新能源行业要增加利润就会遇到更多的困难。因此假定GDP指数对投资风险的衡量是积极的影响。CPI定基指数：CPI即居民消费物价指数，是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察一国通货膨胀水平高低的重要指标。CPI是反映一国物价水平上变化的重要经济指数。物价水平的变化会影响着国家经济政策的紧缩与宽松尺度的调整，也直接影响到企业的各种成本负担变---- -------23---- -------硕士学位论文化，物价水平大幅波动，无论是高位运行还是低位徘徊，形成通货膨胀或者通货紧缩预期，都表明宏观经济的不稳定，伴随大幅的人力和资产价格波动，从而使新能源行业面临着较大的信用风险。因此CPI定基指数对投资风险的衡量是消极的影响。贷款增长率：贷款增长率=（计算期贷款发放量-计算期前一期贷款发放量）/计算期前一期贷款发放量*100%。贷款增长率平稳增长，反映了经济状况的平稳发展，反映了较为宽松的财政政策和货币政策，对于新能源行业的融资需求的满足和投资环境的好转作用明显。因此总体上讲贷款增长率的平稳发展有利于新能源行业风险状态的好转，否则贷款增长率的下降意味着财政政策和货币政策一定程度的紧缩，连带会带来其它融资途径不顺畅，威胁到新能源行业的融资安全，也会威胁到投资目标的实现。因此假定贷款增长率对投资风险的衡量是积极的影响。贷款利率：贷款利率的变化作为市场化货币政策的直接手段，是央行调节社会经济发展的最重要手段，也直接或间接影响着新能源行业的融资成本，而其传出的政策调控信号更影响了各种融资渠道的顺畅性。当利率水平上升时，企业融资成本将会提高，将会给借款较多的新能源企业或公司造成较大困难，并且殃及新能源类上市公司股票价格，使企业再融资难度加大。本分析中贷款利率选择的是一年期基准贷款利率。假定贷款利率对投资风险的衡量是消极的影响。财政收支比率：该比率反映国家财政收入与支出结构中的收支平衡状况，即国家单位财政支出的财政收入保证度，通过该指标与历史数值的比较和其他国家财政比率的比较可以反映一国的财政风险。一般来说，一国的财政收支比率应大于0.8，否则将会引起经济和金融的动荡，适度的赤字财政可能会带来经济的繁荣，但过度使用则会引发巨大的系统性风险，如2011年希腊、冰岛、葡萄牙等国。财政收支应该与经济发展相适应，因此假定财政收支比率对投资风险的衡量是中性的影响。企业景气指数：企业景气指数（企业综合生产经营景气指数）是国家统计局企业调查队系统在1998年建立的定期调查制度，其运用原理是对相关企业负责人进行问卷调查，根据整理结果对企业的综合生产经营情况作出判断与预期，并编制指数来反映企业的生产经营状况。调查范围为：采矿业；制造业；电力、燃气及水的生产和供应业；建筑业；交通运输、仓储及邮政业；批发和零售业；房地产业；社会服务业；信息传输、计算机服务和软件业；住宿和餐饮业。调查对象为：所有以上行业的中的大型企业及负责人，以及一部分被选作调查对象的中小型企业及其负责人。景气指数位于（0，200）之间，其临界值是100。当该指标的数值超过100时，说明行业正处于上升或者改善阶段，即所说的景气状态，---- -------24---- -------3新能源行业投资现状分析景气指数数值越接近200说明状态越好；当该指数值小于100时，说明行业正处于不景气阶段，状况正在下降或者恶化，该指标越接近于零说明越不景气。因此假定企业景气指数对投资风险的衡量是积极的影响。企业家信心指数：企业家信心指数综合反映企业家对宏观经济的看法和信心。在企业景气指数的基础上以GDP为权数计算得出。其取值范围及影响状态与企业景气指数相同。因此假定企业景气指数对投资风险的衡量是积极的影响。货币供应量增长率：货币供应量在我国货币体系中起着举足轻重的作用，由于政策传导机制等方面的缺陷，我国利率政策有效性受到质疑的成分颇多，而货币供应量的调控对于金融监管层来讲是一个很直接的调控工具。供应量增长过快和控制过严对于经济的杀伤力都很大，货币供给量过快增长将会导致经济泡沫及通货膨胀，导致金融安全受到影响，而且会引起货币政策的效率下降，货币供给量的控制过严更会使得企业居民的信贷需求得不到满足，影响经济发展。货币供应量的计量标准很多，本文选取M2口径即货币供给量=通货+可转帐活期存款+财政存款+居民储蓄存款作为货币供应量的衡量标准。通常情况下货币供应量增速应与GDP的增速相适应，刺激经济发展的同时也能控制通货膨胀，新能源行业的投资风险才能很好控制。因此假定货币供应量增长率对投资风险的衡量是中性的影响。销售净利率：是净利润占销售收入的百分比。反映每一元销售收入带来的净利润的多少，能表示销售收入的收益水平。在企业经营的过程中，当企业在扩大销售的时，利润并不一定同比例增加，这是因为期间费用也会大幅增加降低了利润甚至出现负增长。因此，盲目地扩大生产能力及规模，促进销售量未必会带来正的价值。因此，该指标可以综合反应企业盈利质量。因此假定货币供应量增长率对投资风险的衡量是积极的影响。成本利润率：成本利润率是利润与成本之比，可以反映出企业的投入产出水平。衡量的是每一元投入可以带来的收益。该指标越高，表明企业为取得利润而付出的代价越小，成本费用控制得越好，盈利能力越强。因此假定货币供应量增长率对投资风险的衡量是积极的影响。总资产报酬率：表示企业全部资产获取收益的水平，全面反映了企业的获利能力和投入产出状况。该指标数值越大，表明资产的利用效率越高，同时也说明企业投入产出的水平越好，企业的资产运营越有效，反之则越低。企业可以通过分解指标，分析差异原因，通过提高销售利润率，盘活资金，提高管理水平来修正。通过与市场资本成本的比较来决定负债水平与杠杆比率。因此假定货币供应量增长率对投资风险的衡量是积极的影响。净资产净利率：通常也被称之为净资产收益率（ROE），具有很强的综合性，---- -------25---- -------硕士学位论文它是企业净利润和平均净资产的比率，反映所有者权益所获收益的水平。一般说来，企业ROE数值越大，说明企业利用自有资本而获取收益的能力越强，运营效益越好，因此对企业投资人与债权人的保障程度就越高。在杜邦分析体系中ROE是一个核心的综合性指标。净资产净利率越高，说明新能源行业的风险状态越好，因此假定货币供应量增长率对投资风险的衡量是积极的影响。流动比率：流动比率指新能源生产企业流动资产总额和流动负债总额之比。流动比率=流动资产合计/流动负债合计*100%，是用来表示资金流动性的，即企业短期债务偿还能力的数值，理论上讲其基准值是不低于2，但是行业差别很大。流动比率是衡量新能源行业投资风险的重要指标，该指标数值越大，企业短期债务的偿还能力越强，风险状态越好。但另一方面，过高的流动比率可能会有资金闲置的嫌疑。总的来说，本分析认为，结合新能源行业发展实际来看整体的流动比率并不高，很多企业都面临资金短缺的问题，因此假定新能源行业的流动比率对投资风险的衡量是积极的影响。速动比率：速动比率是指速动资产（剔除存货影响后的流动资产）对流动负债的比率。可以用来衡量流动资产中能立即变现来偿还流动负债的能力。一般来说，速动比率值为1较为正常，但各个行业评判的标准不一样，因此数值的大小也不绝对。该指标表示企业每一元流动负债对应一元容易变现的流动资产来弥补，指标数值如果过低，则表明短期偿债风险较大，反之如果速动比率过高，说明企业太多的资金被速动资产占用，这样会增加投资的机会成本。评价时应充分考虑到新能源行业的行业性质。与流动比率的考虑一样，因此假定新能源行业的流动比率对投资风险的衡量是积极的影响。资产负债率：资产负债率=负债总额/资产总额。该指标反映了新能源生产企业的总资产中债权人提供资金的比重，以及企业资产对债权人权益的保障程度。指标数值越小，说明长期偿债能力越强。新能源行业的总资产负债率也表明了新能源行业的长期偿债能力，是衡量新能源行业风险状态的最重要指标之一。指标数值越高，新能源行业偿还能力越弱，风险状态越差。因此假定新能源行业的资产负债率对投资风险的衡量是消极的影响。产权比率：产权比率=负债总额/所有者权益。类似也用来反映新能源生产企业所有者权益对债权人权益的保障程度，从另一方面反映能源生产行业长期偿债能力。产权比率与资产负债率、所有者权益比率三个指标可以相互计算转化，新能源行业产权比率越高，所有者权益对到期负债的偿还保证能力就越低。因此假定新能源行业的产权比率对投资风险的衡量是消极的影响。应收账款周转率：应收账款周转率就是反映公司应收账款周转速度的比率。表示一定时期内公司应收账款转为现金的平均次数。通常，指标数据值越高越好，---- -------26---- -------3新能源行业投资现状分析表明资金的利用效率越高，资金流动性强，减少了坏账可能与损失，账龄较短，有利于增强短期偿债能力。企业的应收账款如能及时收回，将会大幅提高企业的资金利用效率。因此假定新能源行业的产权比率对投资风险的衡量是积极的影响。存货周转率：用来衡量存货的周转速度，既可以用来评价存货的运营效率也 可以用来评价企业的经营绩效，是一个多功能指标，也是分析企业营运能力的重 要指标。存货周转率指标数值越大，表明企业存货资产变现能力越强，存货量以 及被存货占用的资金周转速度越快。因此假定新能源行业的产权比率对投资风险 的衡量是积极的影响。流动资产周转率：该指标用来反映企业流动资产的周转速度，借此可进一步 分析企业资产质量。周转率值越大，流动资产周转速度越快，资产的利用效果越 好。周转速度的快慢与企业的盈利能力息息相关，因为相对速度加快则会节约有 限的流动资产，从而增强企业的获利能力，反之则会降低获利能力。因此假定新 能源行业的产权比率对投资风险的衡量是积极的影响。固定资产周转率：是企业销售收入与固定资产净值的比率，表示一定时期内 固定资产周转的次数，或者说每一元固定资产支持的销售收入。该指标越高说明 管理水平好，资产利用效率高。若此指标低于同行业的平均水准，表明企业对固 定资产的利用效率较低，资产闲置的可能性很大，因此会影响到企业的盈利能力。 因此假定新能源行业的产权比率对投资风险的衡量是积极的影响。 总资产周转率：总资产周转率是主营业务收入与平均资产总额的比率。这一 比率用来分析企业全部资产的运用效率，对于资产的管理效果将会影响到指标值 的分子与分母。一般地说，总资产周转率越高越好，新能源行业的总资产周转率 越高，单位周期内盈利能力越强。因此假定新能源行业的总资产周转率对投资风 险的衡量是积极的影响。销售增长率：企业本年销售增长额与上年销售总额的比率，销售增长率在评 价企业成长与发展能力中是最重要的指标之一。具体是用来衡量企业经营状况和 市场占有能力、预测企业经营业务拓展趋势，同时也是企业扩张增量资本和存量 资本的重要前提。销售增长率越高，说明其业务拓展能力越强，对市场越有穿透 力，因而获取利润的可能性也就越大，企业就越有发展潜力。因此假定新能源行 业的总资产周转率对投资风险的衡量是积极的影响。资本积累率：资本积累率=本年所有者权益增长额/年初所有者权益。资本积 累率表明了企业当年资本的积累能力，反映了新能源企业经营者投入企业日常经 营活动的资本的保全性和增长性，该指标越高，表明企业的资本实力越雄厚，资 本也就越容易得到保全，即资本安全性越高，故抵抗风险与持续发展的能力越强。---- -------27---- -------硕士学位论文反之则所有者利益易遭受到损失，风险抵抗能力弱。因此假定新能源行业的总资产周转率对投资风险的衡量是积极的影响。总资产增长率：总资产增长率=本年总资产增长额/年初资产总额，用来反映企业本期资产规模的增长情况。资产是企业获得利润的基础，是企业日常经营生产和偿债的重要保障。资产增长率高通常意味着企业的发展能力强，获利实力强，可持续能力强。因此假定新能源行业的总资产周转率对投资风险的衡量是积极的影响。固定资产成新率：固定资产成新率=当期平均固定资产净值/固定资产原值，综合反映了企业固定资产的新旧程度，主要体现了固定资产更新速度与企业持续发展的能力，与总资产增长率的指标作用类似。因此假定新能源行业的总资产周转率对投资风险的衡量是积极的影响。1.1本章小结(ChapterSummary)本章主要对新能源行业的投资现状进行阐述，从新能源行业投资规模和企业经营情况与绩效两方面进行分析。附图说明了全球新能源投资的状况以及我国的投资规模大小，产业分布结构等信息。利用行业的财务数据从盈利能力，营运能力，偿债能力，现金流量等方面进行细致分析。比较全面地对行业现状进行了展示，也比较直观地看出了存在的一些问题。并以此入手确定影响投资经营风险的因素选择。---- -------28---- -------4新能源行业投资风险预警分析4新能源行业投资风险预警4InvestmentRiskWarningResearchinNewEnergyIndustry1.1预警指标体系的建立（EstablishmentofEarlyWarningIndicator System）通过前面的分析，结合理论部分对新能源行业投资风险预警的界定，即构建直接投资风险监测指标体系，对新能源企业实体的经营性投资效果进行风险监测，运用预警模型对新能源行业未来的投资风险状态进行预测与分析，判断其风险状态并采取应对措施。新能源行业投资风险主要来源于宏观经济环境与企业内部投资，借鉴前人的经验，结合新能源行业的风险特征，选取GDP指数，CPI定基指数，贷款增长率，贷款利率，财政收支比率，企业景气指数，企业家信心指数，货币供应量增长率共8个指标作为宏观环境风险的测试指标；借鉴刘全成，张功富（2013）[53]在《企业财务能力评价：理论与实务》一书中构建的企业财务评价体系，从企业的盈利能力，营运能力，发展能力，偿债能力方面共选取17个财务指标。选取的指标体系如表4-1：表4-1预警评价指标体系Table4-1WarningevaluationsystemX1GDP指数宏X2CPI定基指数观X3贷款增长率经X4贷款利率济X5财政收支比率指X6企业景气指数标X7企业家信心指数X8货币供应量增长率X9销售净利率企业财务指盈利能力X10成本利润率X11总资产报酬率X12净资产净利率X13流动比率标偿债能力X14速动比率X15资产负债率X产权比率16---- -------29---- -------硕士学位论文X17应收账款周转率X18存货周转率X19流动资产周转率营运能力X20固定资产周转率X21总资产周转率X22销售增长率发展能力X23资本积累率X24总资产增长率X25固定资产成新率1.1指标变量的因子分析（FactorAnalysisofIndicatorVariables）2.1数据取得与处理考虑到数据分析的便利，数据获得的难易程度以及分析的代表性，以所有新能源上市公司为总体，将其作为新能源行业的分析代表，并以其中的上市公司为分析的个体。首先，选择中国新能源网2014年公布的184家新能源上市企业，剔除在美国纳斯达克上市以及中国香港上市的13家企业，剩余171家。时间区间选择为2002年第一季度至2014年第一季度，包括8个宏观经济指标和17个企业财务指标共25个指标。数据来源于国家统计局、北京大学中国经济分析中心（CCER）经济金融分析数据库、东方财富网、前瞻网、中信证券网上交易系统以及国泰安数据库等。对原始数据进行处理。首先，以季度为单位，对该季度内的所有企业数据绝对值进行加总平均，以代表整个行业的平均水平。其次，根据求得的平均值进一步求出X9到X25的各相对指标，即上节指标体系中的各指标变量。最后，因指标对新能源行业的投资风险影响有正负向之分，故对取得的25项指标进行同向化处理。根据上一章投资风险因素选择，界定正向指标有GDP增速，贷款增长率，企业景气指数，企业家信心指数，销售净利率，成本利润率，总资产报酬率，净资产净利率，流动比率，速动比率，应收账款周转率，存货周转率，流动资产周转率，固定资产周转率，总资产周转率，销售增长率，资本积累率，总资产增长率，固定资产成新率；中性指标有财政收支比率，货币供应量增长率；负向指标有CPI定基指数，贷款利率，资产负债率，产权比率。2.2因子分析对宏观指标数据与企业财务指标数据分别进行因子分析。由于影响因素的指标的选取依赖于以前学者的分析经验以及个人的主观判断，而且在时间序列中反映经济总体状况的数据指标会出现同样的变化趋势。当这些相关性极为密切的变30---- -------4新能源行业投资风险预警分析量同时作为模型的解释变量时就会产生多重共线性。为了减少变量之间的多重共线性以及减少不必要的变量引入对模型运行的影响，对变量进行压缩、降维。因子分析的基本目的就是从大量的影响因子之中挑选出少量的几个影响因子，用挑选出的因子去表示所有影响因素之间的复杂关系，即将相关程度比较大的几个因子集中成为一个因子。是一种降维多元统计分析方法，以达到数据简化目的，在提取公因子的同时还能得到每个因子的得分从而求出综合得分情况。因此，对宏观经济变量以及企业财务指标分别进行因子分析。运行结果如图4-1，4-2所示。指标成分F1F2X10.790-0.043X2-0.7840.188X3-0.6580.047X4-0.1940.779X50.4250.647X60.916-0.115X70.9190.046X8-0.2130.783图4-1宏观经济变量旋转后因子成分矩阵Figure4-1Macroeconomicvariablestwiddlefactormatrixcomponents指标成分F3F4F5F6F7X90.0620.2260.9370.0370.216X100.0340.2460.9350.0470.156X110.986-0.058-0.0280.011-0.047X120.1710.0570.1870.3240.836X13-0.1030.8970.340-0.0600.144X14-0.1090.9220.277-0.1340.141X15-0.1770.8870.097-0.3210.070X16-0.2930.2670.1770.0250.817X180.851-0.0890.0950.041-0.101X190.980-0.097-0.0200.050-0.108X200.875-0.1570.1480.2820.029X210.986-0.058-0.0280.011-0.047X22-0.077-0.248-0.7490.532-0.042X230.260-0.039-0.1030.498-0.652X240.158-0.415-0.0860.8300.063X250.052-0.0840.0130.9290.092图4-2企业财务指标旋转因子成分矩阵Figure4-2Corporatefinancialindicatorstwiddlefactormatrixcomponents31---- -------硕士学位论文由于对企业财务指标的因子分析中，指标X17在提取的五个因子中相关性都不显著，故在第二次因子分析中剔除了该指标，图4-2即为根据第一次企业财务指标因子分析，剔除不显著影响变量X17后第二次因子分析的结果。由以上两图可以看出，25个风险指标可以提取出7个公因子，大大压缩了变量的个数，简化后续模型操作，为后续的分析提供了方便。最终因子成分情况如下表。表4-2因子分析结果Table4-2Factoranalysis宏观指标F1X1,X2,X3,X6,X7因子成分F2X4,X5,X8F3X11,X18,X19,X20,X21微观指标因子成分F4X13,X14,X15F5X9,X10,X22F6X24,X25FX,X,X71216231.1Logistic模型方程与ROC曲线检验（LogisticModelEquations andtheROCCurveTest）2.1Logistic模型方程与预测概率选择Logistic二值回归模型作为风险概率预测的基本模型，模型中的因变量Y为0，1二值变量，从上节的因子分析可知每个因子的特征根分别为3.6700，3.1，5.8410，4.0230，2.3380，1.2140，1.1520。以每季度数据为对象，加权平均求出综合因子得分。如果综合因子得分相比于上一期降低则视为风险程度加深，赋值为0；相反，如果相比上一期综合得分增加则为风险降低，赋值为1。影响新能源行业投资风险的因素较多，指标各有不同风险因素的指向性。且指标体系中各指标也有不同的量纲，这会造成技术处理上的难题。所以在下面的模型运用中，首先对相关的指标数据进行归一化处理，将实际的各指标在2002年第一季度至2014年第一季度间的数据转化为闭区间[-1，1]上的无量纲性指标值。这不但去掉了不同指标的量纲的影响，更重要的是使后面分析中BP神经网络有更好的训练结果，保证在预测未来各季度因子数据时更接近实际情况。归一化处理是通过调用MATLAB中premnmx函数来完成的。表4-3显示了归一化指标数据。---- -------32---- -------4新能源行业投资风险预警分析表4-3Logistic归一化指标数据Table4-3NormalizedindicatordatainLogistic季度F1F2F3F4F5F6F7综合得分Y1.1-0.48840.2722-0.85670.56110.63030.08710.2658-0.312401.2-0.3668-0.5758-0.43050.81180.59200.11350.3201-0.250111.3-0.3194-0.50220.01001.00000.51180.10260.37570.024611.4-0.2827-0.54280.32400.40300.5634-0.05940.4545-0.000502.10.0664-0.0192-0.87260.07870.7208-0.01250.2989-0.149902.2-0.4572-0.3117-0.65160.20450.69880.00410.3266-0.478702.3-0.0252-0.3498-0.04760.29850.64470.02800.41970.076912.40.1066-0.69770.44440.01670.6204-0.06480.48970.173613.10.3119-0.1792-0.8540-0.08060.76640.07650.2781-0.053203.20.2700-0.6634-0.4152-0.32910.81480.08140.3309-0.112103.30.2467-0.84740.0492-0.27690.75920.06290.40690.011013.40.0566-0.87340.5911-0.52930.7559-0.16850.41960.000404.10.2832-0.1872-0.8996-0.66060.84940.01060.2513-0.248204.20.0935-0.4968-0.4997-0.80490.87170.11150.3293-0.336304.30.0282-0.4977-0.0187-0.75300.80700.05180.3821-0.185714.4-0.0230-0.70430.4186-0.85750.7293-0.05700.2313-0.172012006.10.2140-0.0873-0.9054-0.7423-0.11800.22550.3192-0.422002006.20.3415-0.3090-0.3956-1.00000.3252-0.12520.3258-0.226912006.30.3533-0.53320.1570-0.7081-0.4507-0.09320.4812-0.095412006.40.3833-0.78980.5462-0.5231-0.3573-0.0298-1.0000-0.043712007.10.72990.0632-0.8016-0.4326-1.00000.80050.48960.027912007.20.8928-0.3156-0.1525-0.78520.08790.41290.52270.331212007.31.0000-0.30320.3050-0.4965-0.16220.36980.62910.636912007.40.9797-0.57120.8596-0.46360.72600.84660.19190.919212008.10.88440.0034-0.8414-0.57650.79690.51750.30380.310602008.20.7381-0.4233-0.2354-0.48900.94450.5321-0.03890.342512008.30.2853-0.69590.1941-0.51320.92500.42790.03000.104502008.4-0.8602-1.00000.7543-0.61140.76210.23850.3854-0.597202009.1-1.00000.4013-1.0000-0.65850.88000.40350.1615-0.962002009.2-0.73471.0000-0.5112-0.65080.98200.4441-0.0147-0.389712009.3-0.4069-0.19220.0710-0.53020.88330.42340.3021-0.257612009.4-0.1440-0.58070.7632-0.57120.75780.42270.80560.089812010.10.23680.5613-0.9125-0.75550.88740.50460.3773-0.023102010.20.2250-0.0462-0.1278-0.60740.94130.58360.17070.135412010.30.2589-0.39950.2564-0.40930.85820.65580.25070.257412010.40.3023-0.51140.7826-0.29460.76890.60950.38520.487812011.10.72050.7269-0.7527-0.82600.87420.47340.44230.407302011.20.4074-0.3840-0.2537-0.72460.78780.25620.70770.064702011.30.3362-0.73530.3287-0.24080.82570.52140.55200.289912011.4-0.0060-0.26991.0000-0.31710.71070.61810.45730.427512012.10.0110-0.1128-0.8307-0.43940.73830.66860.3018-0.28360---- -------33---- -------硕士学位论文1.1-0.1228-0.3378-0.3417-0.58040.74900.57800.3878-0.287501.2-0.3184-0.64660.3006-0.44820.69690.62790.4014-0.227211.3-0.2219-0.74960.7887-0.44560.66540.54320.3760-0.010012.1-0.1902-0.0713-0.7384-0.53010.81800.66110.1509-0.397602.2-0.2707-0.4447-0.2494-0.50550.59400.66681.0000-0.334112.3-0.2358-0.72770.2555-0.07460.87961.0000-0.5254-0.123012.4-0.5038-0.96130.9096-0.86410.8339-1.00000.2639-0.447803.1-0.2428-0.2175-0.7513-0.92381.0000-0.81920.2434-0.67980以上表归一化的数据建立Logistic模型方程并得出预测概率。BS.E.WalddfSig.Exp(B)F11.18181.09871.157110.28213.2603F22.22321.45772.326210.12729.2369F34.47241.49678.929010.002887.5639F41.38940.99911.933610.16444.0123F5-3.44512.01652.918810.08760.0319F62.89411.48803.783010.051818.0673F7-0.73481.96610.139710.70860.4796Constant3.97632.10523.567610.058953.3203图4-3Logistic模型方程参数Figure4-3Logisticequationparametersofthemodel由图4-3所得参数可知，Logistic回归方程为p=Exp(3.9763+1.1818F+2.2232F+4.4724F+1.3894F-3.4451F+2.8941F-0.7348F)1234567/(1+Exp(3.9763+1.1818F+2.2232F+4.4724F+1.3894F-3.4451F+2.8941F-0.7348F))1234567根据回归方程，F1每变动1%，概率P变动0.5417(1.1818/(1+1.1818))单位， 同理当F2、F3、F4、F5、F6、F7分别变动1%时，P分别变动0.6897、0.8173、4.1、-0.7750、0.7432、0.4236单位。2006.1ROC曲线检验ROC(ReceiverOperatingCharacteristic)曲线也叫受试者工作特征曲线，最初用于评价雷达性能，后来被广泛应用于医学分析。ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。传统的评价方法不同，ROC可以根据实际情况，允许有中间状态，也可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异常和异常五个等级再进行统计分析。ROC曲线检验有以下运用：ROC曲线能很容易地查出任意界限值时的对疾病的识别能力；易于选择最佳的诊断界限值，ROC曲线越靠近左上角，试验的准确性就越高，最靠近左上角的ROC曲线的点是错误最少的最好阈值；可将各试验的ROC曲线绘制到同一坐标中，以直观地鉴别优劣，靠近左上角的ROC曲线所代表的受试者工作---- -------34---- -------4新能源行业投资风险预警分析最准确。亦可通过分别计算各个试验的ROC曲线下的面积(AUC)进行比较，哪一种试验的AUC最大，则哪一种试验的诊断价值最佳。ROC曲线下的面积值在1.1和1.0之间。在AUC＞0.5的情况下，AUC越接近于1，说明效果越好。AUC在0.5～0.7时有较低准确性，AUC在0.7～0.9时有一定准确性，AUC在0.9以上时有较高准确性。AUC＝0.5时，说明诊断方法完全不起作用，无诊断价值。AUC＜0.5不符合真实情况，在实际中极少出现。ROC曲线有以下优点：该方法简单、直观，通过图示可观察分析方法的准确性，并可用肉眼做出判断；ROC曲线将灵敏度与特异性以图示方法结合在一起，可准确反映某分析方法特异性和敏感性的关系，是试验准确性的综合代表；ROC曲线不固定分类界值，允许中间状态存在，利于使用者结合专业知识，选择最佳截断点作为参考值。PRE_1为上一节中Logistic回归模型给出的预测概率，表4-4。表4-4ROC曲线检验状态变量与检验变量Table4-4StatevariablesandtestvariablesofROCcurvetest金标准（Y）预测概率（PRE_1）金标准（Y）预测概率（PRE_1）statevariabletestvariablestatevariabletestvariable00.2382410.620110.3820100.7213210.897900.7392500.8805400.0245300.0744510.5134300.0742910.6477910.715510.9591210.8672900.1823200.0686210.7397600.0904410.9387310.3744410.9940600.6478400.4908100.0158800.263100.0358110.8940910.2427410.9983510.5539500.1950600.4450100.3900810.2336610.8813810.9792910.9812810.9981100.1882310.9979710.4996510.9554210.9667110.9982100.1359210.9989700.00059 00.26778将因变量金标准（Y）作为ROC曲线检验中的状态变量，预测概率（PRE_1）---- -------35---- -------硕士学位论文作为检验变量，绘制ROC曲线（图4-4）并得到曲线下面积（表4-5）。图4-4预测变量的ROC曲线Figure4-4ROCcurveofpredictorvariables由表4-5的结果，标准误为0.041，渐近显著性水平小于0.01，渐近95%置信区间是（0.821，0.983），不包含0.5。具有统计学意义，且预测变量的ROC曲线下面积为0.9027，大于0.5，说明以此来做出风险状态的判断有一定诊断价值，故可以认为此Logistic模型有一定的准确性。表4-5曲线下面积Table4-5Areaunderthecurve检验变量曲线下面积标准误P值95%可信区间下限上限预测概率（PRE_1）0.9020.0410.0000.8210.9831.1最佳诊断界值与可疑区间确定最佳诊断界值（表4-6）。在一个诊断系统中，要求敏感度和特异度都比较大的切点是最佳诊断点，也即在ROC曲线上最左上方的点。一般而言，选择最佳临界值能兼顾敏感度和特异度，防止测量值的漏诊和误诊。较常用的做法是阳性似然比，约登指数，或者用交叉图法(在同一坐标系下做敏感度、切点和特异度的图，两线交汇的地方为最佳诊断点)。表4-6变量的ROC曲线坐标点与约登指数Table4-6ROCcurvecoordinatesvariablesandYoudenindex诊断点（预测概率值大于敏感性1-特异性或等于诊断点判为阳性）（TPR）(FPR)约登指数2.11.00001.00000.0003.11.00000.95450.0454.11.00000.90910.0912006.11.00000.86360.1362007.11.00000.81820.1822008.11.00000.77270.22736---- -------4新能源行业投资风险预警分析1.11.00000.72730.2732.11.00000.68180.3183.11.00000.63640.3644.11.00000.59090.4092006.11.00000.54550.4552007.11.00000.50000.5002008.11.00000.45450.5452009.10.96300.45450.5082010.10.96300.40910.5542011.10.92590.40910.5172012.10.92590.36360.5620.32110.92590.31820.6080.37820.88890.31820.5710.38600.85190.31820.5340.41750.85190.27270.5790.46790.85190.22730.6250.49520.85190.18180.6700.50650.81480.18180.6330.53370.77780.18180.5960.58700.74070.18180.5590.63390.70370.18180.5220.64780.66670.18180.4850.68170.66670.13640.5300.71840.62960.13640.4930.73030.62960.09090.5390.73950.62960.04550.5840.80350.59260.04550.5470.87390.55560.04550.5100.88100.55560.00000.5560.88770.51850.00000.5190.89600.48150.00000.4810.91830.44440.00000.4440.94710.40740.00000.4070.95730.37040.00000.3700.96290.33330.00000.3330.97300.29630.00000.2960.98030.25930.00000.2590.98770.22220.00000.2220.99600.18520.00000.1850.99800.14810.00000.1480.99820.11110.00000.1110.99830.07410.00000.0740.99870.03700.00000.0371.00.00000.00000.000---- -------37---- -------硕士学位论文当约登指数（敏感性+特异性-1）取最大值时诊断点为23，最大值为0.670，对应的敏感性和特异性值分别为0.8519和0.8182，相应的最佳诊断界值为1.1，也就是本分析中的风险中性值；用交叉图法观察敏感性曲线与特异性曲线的交叉点也为第23点，两种方法结果一致。当概率值大于0.4952时为阳性，表示风险状况好转。对应每季度p值可以看出，被误判的季度一共有6个，被误判的概率为12.76%（见附录）。由表中数据计划特异性指标值，将敏感性与特异性指标绘制曲线放在图4-5中。图4-5各诊断界点敏感性与特异性曲线Figure4-5Boundarypointsofsensitivityandspecificitycurve由交叉图很容易看出ROC曲线的形态特征，敏感性与特异性两条曲线下部都很陡峭，曲线中部稍微平缓，而上部很平缓。从ROC曲线图点的特征来看，下部真阳性率快速上升，假阳性率缓慢上升，经过第一个转折点（0.8519，0.3182）后，真阳性率上升速度减缓，假阳性率上升速度加快，再经过第二个转折点（0.6667，0.1818），真阳性率上升速度再次减缓，假阳性率上升速度快速上升。当概率值处于（0.3860，0.6478）区间时，风险状况的变化可疑，需要经常监控，以确定实际情况。这是因为确定最佳诊断界值的时候，单凭一个点来判断风险情况是武断的，在其附近风险与非风险指标重叠较多的时候也会存在误判，因此有必要确定一个可疑值范围，里面的个体为可疑对象，需进一步分析的风险情况。但可疑值范围的确定存在一定技术上的缺陷，没有一个特别严谨的方法来确定其范围，在具体的操作中可疑值范围只能通过目测的方法来进行，因而带有很强的主观性。为尽可能弥补此方法的缺陷就要求根据数据能做出形态较好的ROC曲线，尽可能使曲线趋于光滑。但当作出的曲线不稳定时或者出现断点时，方法本身的可行性将会受到质疑。2.1基于BP-Logistic混合模型的预测数据与概率（ForecastData andProbabilityBasedonBP-LogisticMixedModel）---- -------38---- -------4新能源行业投资风险预警分析1.1BP神经网络基本原理人工神经网络（ArtificialNeuralNetwork），英文简称为ANN，是一种对人脑或自然神经网络系统的一些基本特征的抽象与模拟的方法。其信息处理功能是由网络单元的输入输出特性(激活特性)，网络的拓扑结构(神经元的连接方式)所决定的。人工神经网络对问题的求解方式与传统方法不同，它是经过训练来解答问题的。训练一个人工神经网络是把同一系列的输入例子和理想的输出作为训练的“样本”，根据一定的训练算法对网络进行足够的训练，使得人工神经网络能够学会包含在“解”中的基本原理。训练的主要思想是：同一个训练集的样本输入输出模式反复作用于网络，网络按照某种训练规则(又称学习规则或学习算法)自动调节神经元之间的权值(连接强度)或拓扑结构，当网络的实际输出满足期望的要求或趋于稳定时，即可认为训练圆满结束。当训练完成后，可使用该模型来求解相似的问题。人工神经网络处理经济数据具有三种显著优势：第一，对于不完整的、模糊不确定或无规律的数据比传统线性方法更容易处理。第二，作为一种非参数方法，无须对数据的分布做事前假设。第三，对于复杂的非线性或近似连续的函数有很好的解释能力。但是使用神经网络也应该注意其缺点，如神经网络理论上很难解释，神经网络会学习过度，除非问题非常简单，训练一个神经网络可能需要相当长的时间才能完成，建立神经网络需要做的数据准备工作量很大等等。神经网络的类型很多，多数分析认为可以分为前馈型、反馈型和自组织映射型三种基本类型，现在不同的领域产生了40种左右的神经网络模型。其中前馈型网络是诸多网络中广为应用的一种网络，它是一种通过改变神经元非线性变换函数的参数以实现非线性映射，其代表的模型就是基于“back-propagation算法”的BP神经网络。BP神经网络是误差反向传播的多层前馈式网络（Back-PropagationNeuralNetwork），是人工神经网络中最具代表性和应用最为广泛的一种网络。其主要优点是在各种神经网络模型中具有良好的自学习、自联想功能。标准的BP神经网络模型由三个层次组成：第一层为输入层，第二层为隐含层，第三层为输出层。各层神经元形成相互联接，各层次内的神经元没有联接。BP算法的学习过程是由正向传播和反向传播两个过程组成的。在正向传播过程中输入信息从输入层经隐含层逐层处理，并传向输出层。每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望输出，则转入反向传播将误差信号沿原来的联接通路返回。BP神经网络的算法主要有以下几个步骤组成：①权值和阈值初始化阶段，系统随机地给出全部权值和神经元阈值，一般首---- -------39---- -------硕士学位论文先设置成较小的随机数，以保证网络不会过早的进入饱和状态。②给定输入xi(i=1，2，……m)和目标输出yj，(j=1，2，……n)，即导入信号阶段。③确定隐含层神经元的个数阶段。隐神经元的个数与输入输出神经元的多少有直接关系，可根据以下公式确定：m+n pa 2=+（a为1-10间的常数）但更精确的隐含层节点数的选择可以根据Kolmogorov定理，即映射网络存在定理描述为：给定任意一个连续函数f，f可以精确的用一个三层前馈网络实现，次网络的第一层有n个处理单元，中间层有2n+1个处理单元，第三层有m个处理单元。④计算神经网络反向传播信号，对于与第K个模式对（xk，yk）（k=1.2.3……m），其中xk=（x，xk，……，kkx），12my=(ky，k1yk，……，ky)2m第j个输出的加权输入之和为：P=åAwbyjjkkk=1该输出单元的实际输出为1y=f(A)=,(j=1,2,jyj-Aeyj第k个隐层单元的加权输入之和为m=åAvbibkkik=1该输出单元的实际输出为1b=f(A)=,(j=1,2,kbkAe-bk其中，wjk是第j个输出单元与第k个隐层单元的连接权值，v是第k个隐ki层单元与第i个输入单元的连接权值。f(*)为可微分非递减非线性连续函数，这里采用最常用的sigmoid函数(S函数)，即：f(*)=11+e-x(4-1)⑤修正权值阶段。从输出层开始，将误差信号沿连接通路反向传播，以修正权值，即：---- -------v(t+1)=v(t)+adx(4-2)kikipki40---- -------4新能源行业投资风险预警分析wt+=wt+bdb(4-3)(1)()jkijkipjk其中a，b为学习因子，d为误差项， x，b分别为输入层和隐层节点的值ik如果输出层节点，则dpj=yi-yiyi-yi(4-4)(1)()0其中y是输出导入信号。如果为隐层节点，则0indb(1b)(y(t)y(t))=-å-(4-5)02pjkkjjj=1⑥对训练集的每个模式都重复上面两个步骤，直到整个训练误差达到误差精度要求，即：DE