導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇基金分紅，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

1、基金分紅的時(shí)間是不一定的,分紅必須滿足幾個(gè)條件:投資當(dāng)期有收益；投資當(dāng)期收益可以彌補(bǔ)以前虧損；分紅之后基金凈值不得低于1，這個(gè)時(shí)候基金就可以分紅了，所以這個(gè)基金分紅的時(shí)間是不一定的。

2、基金分紅有現(xiàn)金分紅和紅利再投資兩種方式，一般這個(gè)在購(gòu)買(mǎi)的時(shí)候就會(huì)約定，如果你沒(méi)有特別說(shuō)明的話就會(huì)默認(rèn)為是紅利再投資方式，基金分紅是按份來(lái)分的；現(xiàn)金分紅就是分現(xiàn)金給你，紅利再投資就是分相同于那么多金額的基金給你，增加的是你持有的基金份額。

（來(lái)源：文章屋網(wǎng) ）

篇2

清楚了解分紅條款

基金分紅是基金實(shí)現(xiàn)投資收益后，將其分配給投資人。一般來(lái)說(shuō)，基金可以選擇任何時(shí)間進(jìn)行分紅，但實(shí)際中基金通常做法是積累一定的數(shù)量的收益后再進(jìn)行分紅?；鸬氖找娣峙湔邥?huì)有所不同，除了符合法規(guī)要求外，也有各自的考慮，投資人應(yīng)關(guān)注招募說(shuō)明書(shū)中的收益分配條款。

例如收益分配的次數(shù)，每只基金都有些差別，你可以查看最近的更新公告或咨詢基金公司的客服人員。又如每只基金對(duì)“符合有關(guān)基金分紅條件”的注釋，有的基金只要滿足凈值大于1元的條件，而有的基金必須滿足基金當(dāng)年實(shí)現(xiàn)收益。

貨幣市場(chǎng)基金收益分配的時(shí)間相對(duì)固定?！敦泿攀袌?chǎng)基金管理暫行規(guī)定》中規(guī)定貨幣市場(chǎng)基金應(yīng)當(dāng)每日進(jìn)行收益分配，多數(shù)基金則會(huì)選定每個(gè)月中固定的一天集中支付收益。

分紅的封閉式基金受追捧

去年9月1日，基金泰和與基金分紅雙雙分紅，成為2006年率先實(shí)現(xiàn)年內(nèi)分紅的基金，成為去年市場(chǎng)最閃亮的兩只基金，11月是封閉式基金分紅改制的創(chuàng)始月，多家基金公司將旗下封閉式基金的分紅方式由“每年分配一次”改為“每年度至少分配一次”?；鹦薷姆旨t契約和實(shí)施分紅的舉動(dòng)使封閉式基金行情不斷延續(xù)升浪。2007年上半年剛剛結(jié)束，封閉式基金在年中分紅的預(yù)期下醞釀著下一輪行情。投資者為何追捧即將分紅的封閉式基金?

與開(kāi)放式基金不同的是，封閉式基金不能通過(guò)贖回來(lái)獲取現(xiàn)金收益。購(gòu)買(mǎi)封閉式基金的投資者獲利的渠道包括二級(jí)市場(chǎng)賺取資本利得和現(xiàn)金分紅。然而，歷史上國(guó)內(nèi)封閉式基金凈值長(zhǎng)期徘徊在面值以下，老持有人還要面臨基金長(zhǎng)期高折價(jià)率的尷尬。因此，在喪失流動(dòng)性、長(zhǎng)期收益無(wú)法得到保障的時(shí)候，現(xiàn)金分紅滿足了部分投資者落袋為安的需求。同時(shí)，目前國(guó)內(nèi)封閉式基金如果增加換手率，將收益兌現(xiàn)分配給投資者，預(yù)期的現(xiàn)金分紅將十分可觀。此外，封閉式基金分紅理論上可以擴(kuò)大基金的折價(jià)率，這無(wú)疑提高了績(jī)優(yōu)封閉式基金的吸引力。不容忽視的是，封閉式基金分紅后可能會(huì)出現(xiàn)填權(quán)跡象，這是投資者熱情追捧的結(jié)果。

走出開(kāi)放式基金分紅的誤區(qū)

基金分紅后，基金凈值會(huì)下降。例如基金分紅前的凈值為1.1元，分紅0.01元后基金凈值會(huì)下降為1.09元。有些人認(rèn)為由于分紅后基金凈值下降，基金比較“便宜”，因此分紅后購(gòu)買(mǎi)比較劃算。特別是今年上半年多家基金公司對(duì)旗下基金實(shí)施大比例分紅，凈值1元的基金著實(shí)令不少投資者怦然心動(dòng)。其實(shí)，這是一種誤解。

假設(shè)在權(quán)益登記日和紅利再投資日之間市場(chǎng)沒(méi)有波動(dòng)，那么投資者無(wú)論是在分紅前購(gòu)買(mǎi)還是之后購(gòu)買(mǎi)，其擁有的資產(chǎn)沒(méi)有差別。這是因?yàn)椋m然分紅前購(gòu)買(mǎi)可獲得分紅并轉(zhuǎn)換成基金份額，但分紅后購(gòu)買(mǎi)由于基金凈值下降，同樣的申購(gòu)金額可購(gòu)買(mǎi)更多的基金單位。當(dāng)然，現(xiàn)實(shí)中基金凈值會(huì)由于市場(chǎng)波動(dòng)而發(fā)生變化，從而導(dǎo)致分紅前購(gòu)買(mǎi)和分紅后購(gòu)買(mǎi)所擁有的基金資產(chǎn)略有差別，但在市場(chǎng)波動(dòng)不大的情況下，這種差別并不大。

例如，你投資10000元購(gòu)買(mǎi)基金，分紅前基金凈值為1.1元，申購(gòu)費(fèi)率為1.6％，從而可獲得10,000/[(1+0.016) ×1.1]=8947.75份基金單位。假設(shè)基金實(shí)施每10份基金單位0.25元的紅利分配時(shí)，分紅后基金凈值下降為1.1－0.025＝1.075元，你會(huì)獲得8947.75×0.025＝223.69元，即可轉(zhuǎn)換成208.09份基金單位，這時(shí)你共有9155.83份基金單位。如果分紅后購(gòu)買(mǎi)，你可購(gòu)買(mǎi)的基金單位也是10,000/[(1+0.016) ×1.075]=9155.83份。

現(xiàn)金分紅與紅利再投資

基金通常會(huì)把已經(jīng)實(shí)現(xiàn)的收益向投資人進(jìn)行分配。分紅的基礎(chǔ)為“基金凈收益”，即基金的收入回報(bào)和通過(guò)賣(mài)出證券實(shí)現(xiàn)的資本回報(bào)，減去依法可以在基金收益中扣除的費(fèi)用后的余額。按照目前有關(guān)規(guī)定，分紅有兩個(gè)約束條件：一是基金投資要有已實(shí)現(xiàn)的凈收益，二是分紅比例在一年中不得低于已實(shí)現(xiàn)凈收益的90%。

對(duì)于分紅方式，投資人有兩種選擇，一是分配現(xiàn)金；二是再投資，即將分得的收益再投資于基金，并折算成相應(yīng)數(shù)量的基金單位擴(kuò)大投資規(guī)模。對(duì)于這種方式，基金公司通常情況下不收取申購(gòu)費(fèi)，鼓勵(lì)投資者繼續(xù)投資該基金。不同的分紅方式將影響投資回報(bào)率。投資者常常會(huì)提出疑問(wèn)：用累計(jì)凈值計(jì)算的回報(bào)率與晨星的計(jì)算結(jié)果有出入？投資人應(yīng)當(dāng)留意，晨星對(duì)基金回報(bào)率的計(jì)算前提是假設(shè)紅利再投資。因此，如果你采用現(xiàn)金分紅形式，將分紅投資于別處或者進(jìn)行消費(fèi)，那么你的實(shí)際收益會(huì)與回報(bào)率的計(jì)算結(jié)果有所差異。

1.現(xiàn)金分紅方式計(jì)算回報(bào)率

假設(shè)期初投資者購(gòu)買(mǎi)基金A份，期初基金單位凈值為Nb，期末基金單位凈值為Ne，期間基金實(shí)施分紅，單位份額分紅D元，該投資者選擇的分紅方式為現(xiàn)金紅利。如果投資者在期末選擇贖回，如何計(jì)算該基金的回報(bào)率呢?

如果選擇現(xiàn)金分紅形式，不考慮申購(gòu)和贖回的影響，投資者最終的收入是A(Ne+D)元，投資回報(bào)率是[A(Ne+D)]/[ANb]-1，即(Ne+D)/Nb-1。這就是投資者最熟悉的累計(jì)凈值計(jì)算的回報(bào)率公式。

2.紅利再投資計(jì)算回報(bào)率

紅利再投資的假設(shè)前提是將分得的收益再投資于基金，并折算成相應(yīng)的基金份額。細(xì)心的投資者一定會(huì)發(fā)現(xiàn)，基金分紅的公告中常常會(huì)公布將分紅用于再投資的計(jì)算日。依據(jù)上面的例子，假設(shè)紅利再投資日的基金凈值為N，則分紅折算成相應(yīng)的基金份額為AD/N，投資者最終持有的基金份額為（A+AD/N）。不考慮申購(gòu)和贖回的影響，投資者最終的收入是Ne（A+AD/N），對(duì)比期初的投資額ANb，基金的回報(bào)率是[Ne(A+AD/N)]/ANb-1，化簡(jiǎn)后的回報(bào)率公式為：[Ne(1+D/N)]/Nb-1。

如果期間分紅多次，我們?cè)賮?lái)計(jì)算回報(bào)率：

總回報(bào)=(Ne/Nb)×(1+D1/N1)×(1+D2/N2)×……×(1+Dn/Nn)-

1其中：Ne和Nb分別為期末和期初單位資產(chǎn)凈值；

D1、D2、Dn分別為第1次、第2次、第n次單位分紅金額；

N1、N2、Nn分別為第1次、第2次、第n次紅利再投資日的單位凈值。

如何選擇基金分紅方式

通常情況下，現(xiàn)金分紅可以拿到實(shí)實(shí)在在的現(xiàn)金，滿足投資者“落袋為安”的心理。

篇3

1000億人民幣的體積大約為1016.4立方米，可以塞滿3棟層高3米、面積120平方米的單元房；1000億人民幣要是鋪在10米寬的路面上能鋪1268公里，可以從北京一直鋪到上海；1000億人民幣重量大約3500噸，載重35噸的擎天柱大卡車能裝100輛。

1000億，就分紅而言，多少有些不可思議，因?yàn)閲?guó)內(nèi)管理資產(chǎn)規(guī)模超過(guò)這個(gè)數(shù)字的基金公司僅有12家。（數(shù)據(jù)來(lái)源：wind）

1000億，這就是國(guó)內(nèi)基金行業(yè)領(lǐng)先者華夏基金帶給投資者實(shí)實(shí)在在的分紅回報(bào)。公開(kāi)數(shù)據(jù)顯示，截止2014年11月21日，華夏基金成立以來(lái)分紅額達(dá)到1005.95億元，是國(guó)內(nèi)首家分紅額超千億的基金公司。自此，華夏基金再次創(chuàng)造歷史，載入基金史冊(cè)。

創(chuàng)造歷史，源于一心

1000億是一個(gè)值得駐足回首的數(shù)字，也是一個(gè)令2000萬(wàn)投資者難忘的數(shù)字，它代表了國(guó)內(nèi)基金行業(yè)在回報(bào)投資者方面所達(dá)到的規(guī)模高度和專業(yè)深度，這一刻度也顯示出國(guó)內(nèi)基金行業(yè)所達(dá)到的管理水平。

眾所周知，基金分紅是將基金收益的一部分以現(xiàn)金方式派發(fā)給基金投資人，如果基金沒(méi)有收益，或者基金收益不能彌補(bǔ)前一年的虧損，亦或是單位凈值低于面值，都不能進(jìn)行分紅。在這些苛刻的條件下，華夏基金能夠?qū)崿F(xiàn)常年分紅，且達(dá)到千億級(jí)別的分紅規(guī)模，這不僅是一家基金公司的勝利，更是廣大投資者和中國(guó)資本市場(chǎng)的勝利。

1998年4月，華夏基金在北京成立，在這之后的16年中華夏基金伴隨中國(guó)資本市場(chǎng)蓬勃發(fā)展，并始終堅(jiān)持“為信任奉獻(xiàn)回報(bào)”的初心，踐行一切以持有人利益為核心的經(jīng)營(yíng)宗旨，把回報(bào)投資者信任的理念真正落到實(shí)處，融入公司文化的血液中，量化為一個(gè)又一個(gè)看得見(jiàn)的數(shù)字和行業(yè)標(biāo)桿――有史以來(lái)凈值增長(zhǎng)率最高的基金，連續(xù)7年管理資產(chǎn)規(guī)模行業(yè)第一，業(yè)內(nèi)分紅最多，為投資者賺錢(qián)最多的基金公司，等等。

只有這樣的初心，才能塑造這樣的基金公司和經(jīng)營(yíng)管理團(tuán)隊(duì)；只有為投資者創(chuàng)造遠(yuǎn)遠(yuǎn)超過(guò)1000億的收益回報(bào)，才能分出1000億級(jí)別的紅利。

落袋為安，為投資者賺到錢(qián)是最大的欣慰

分紅是一件令人高興的事。可能有人認(rèn)為，都是持有人自己的錢(qián)，提前把收益兌付而已。不過(guò)明知如此，當(dāng)眼睛看到紅利到賬短信的一剎那，或者打開(kāi)賬戶的一瞬間，投資者還是會(huì)為數(shù)字的跳躍變化欣喜不已。因?yàn)閷?duì)于投資者來(lái)說(shuō)，浮盈和落袋為安畢竟是兩回事。

篇4

“在當(dāng)前的經(jīng)濟(jì)背景和市場(chǎng)認(rèn)知下，在未來(lái)一到三個(gè)月，總體的操作建議是減少倉(cāng)位的頻繁變動(dòng)，利用相對(duì)穩(wěn)定的市場(chǎng)情緒做好相對(duì)收益，就有絕對(duì)收益，螞蟻腿也是肉，聚沙也可成塔?！辈r(shí)基金公司宏觀策略部總經(jīng)理魏鳳春告訴《投資者報(bào)》記者。

一點(diǎn)一點(diǎn)做好相對(duì)收益，正是這樣的操作思路，盡管今年上半年滬指震幅不到10%，然而，博時(shí)基金公司給基民的回報(bào)并不低。據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，在2014年1月1日至6月30日區(qū)間（以下簡(jiǎn)稱“區(qū)間”），博時(shí)基金旗下一共有22只基金實(shí)施了分紅，分紅總額超過(guò)10億元。其中，博時(shí)第三產(chǎn)業(yè)成長(zhǎng)基金以5.8億元的區(qū)間分紅總額位列全市場(chǎng)上半年基金分紅榜第七名。

22只基金分紅超10億

據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，截至6月30日，博時(shí)旗下已有22只基金實(shí)施了分紅，分紅總額為10.5億元。

從區(qū)間分紅情況來(lái)看，博時(shí)醫(yī)療保健行業(yè)基金分紅最多，每10份單位分紅1.3元。緊隨其后的是博時(shí)第三產(chǎn)業(yè)成長(zhǎng)基金、博時(shí)大中華亞太精選基金、博時(shí)主題行業(yè)基金、博時(shí)回報(bào)成長(zhǎng)配置基金，每10份單位分紅分別為0.99元、0.7元、0.53元、0.36元。此外，博時(shí)旗下的22只基金中，每10份單位分紅在0.1元以上的有13只，在實(shí)施分紅的基金中占比59%。

實(shí)施分紅的基金大都取得了不錯(cuò)的業(yè)績(jī)。以在博時(shí)基金旗下每10份單位區(qū)間分紅額排第八名的博時(shí)亞洲票息收益為例，博時(shí)亞洲票息人民幣從2013年2月1日成立以來(lái)， 已取得12.24%的收益，高于同類平均水平。值得一提的是，該基金今年以來(lái)表現(xiàn)也很突出，收益率為6.21%，同類排名為前1/13。

“未來(lái)中國(guó)宏觀經(jīng)濟(jì)雖仍將面臨壓力，但出現(xiàn)系統(tǒng)性風(fēng)險(xiǎn)的概率較低。亞洲信用市場(chǎng)中高收益?zhèn)鄬?duì)于投資級(jí)在收益率上的優(yōu)勢(shì)或?qū)⒅饾u體現(xiàn)，特別是一些信用質(zhì)量穩(wěn)固、久期較短的中資高收益?zhèn)词乖诤暧^壓力仍然存在的情況下，隨著時(shí)間的推移，其收益穩(wěn)定性會(huì)逐步提高，無(wú)論從絕對(duì)回報(bào)還是從經(jīng)過(guò)風(fēng)險(xiǎn)調(diào)整后回報(bào)的角度看都具備吸引力?！辈r(shí)亞洲票息債券基金經(jīng)理何凱告訴《投資者報(bào)》記者。

下階段投資需要聚沙成塔

實(shí)施分紅后的博時(shí)基金并未懈怠。據(jù)《投資者報(bào)》記者統(tǒng)計(jì)，截至7月8日，博時(shí)旗下61只產(chǎn)品，近三個(gè)月的業(yè)績(jī)有57只為正收益。其中，博時(shí)穩(wěn)健回報(bào)債券（LOF）A最高，近三月的業(yè)績(jī)回報(bào)為6.77%。今年以來(lái)的業(yè)績(jī)回報(bào)為5.88%，在253只同類基金中排名前四分之一。

篇5

今年上半年，上證指數(shù)一直在1974點(diǎn)至2177點(diǎn)區(qū)間震蕩，創(chuàng)下了有史以來(lái)最窄的半年箱體，并以下跌約3.2%收盤(pán)；滬深300指數(shù)也下跌了7.08%，在全球主要股市跌幅居前。但基金公司給投資者的回報(bào)卻逆勢(shì)而上，上半年基金分紅反而同比增長(zhǎng)44%。

誰(shuí)是上半年最慷慨的“分紅基金”？據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，截至6月30日，2014年上半年共有274只基金實(shí)施了分紅，分紅總額達(dá)到183億元，與去年上半年127億元相比，同比增加了44%。其中，銀華優(yōu)質(zhì)增長(zhǎng)基金、新華優(yōu)選消費(fèi)基金、易方達(dá)積極成長(zhǎng)基金、華夏回報(bào)基金、華夏行業(yè)精選基金分別以17.89億元、9.46億元、8.38億元、7.80億元、7.22億元的區(qū)間分紅總額位居前五。

“盡管分紅多少與基金的盈利能力之間并不存在絕對(duì)的‘正相關(guān)’，但在市場(chǎng)機(jī)會(huì)不多時(shí)，及時(shí)通過(guò)現(xiàn)金分紅把投資收益鎖定，至少展示了基金公司的避險(xiǎn)能力。從這個(gè)意義上講，今年上半年基金分紅總額的同比增長(zhǎng)，正說(shuō)明了基金公司的日趨成熟與理性?！北本┮晃换鸾?jīng)理告訴《投資者報(bào)》記者，在今年上半年股市的窄幅下跌震蕩中，基金現(xiàn)金分紅可在一定程度上幫助投資者及時(shí)鎖定投資收益，也有利于增強(qiáng)基金抗風(fēng)險(xiǎn)能力。

分紅總額同比增長(zhǎng)44%

盡管上半年的股市乏善可陳，但這并沒(méi)有影響到基金上半年分紅總額創(chuàng)出近三年來(lái)的新高。

據(jù)Wind數(shù)據(jù)顯示，上半年各類基金累計(jì)分紅335次，合計(jì)分紅183億元，較去年同期增長(zhǎng)44%，創(chuàng)下了近三年來(lái)的新高。

從區(qū)間分紅總額來(lái)看，共有43只基金分紅總額超過(guò)1億元。其中，上半年分紅之王被銀華基金旗下銀華優(yōu)質(zhì)增長(zhǎng)基金摘得，該基金于2014年1月1日至6月30日共分紅3次，分紅總額達(dá)到17.89億元，在所有基金中最高。

此外，區(qū)間分紅總額排在第二至第十名的單只基金依次為新華優(yōu)選消費(fèi)、易方達(dá)積極成長(zhǎng)、華夏回報(bào)、華夏行業(yè)精選、基金金鑫、博時(shí)第三產(chǎn)業(yè)成長(zhǎng)、華夏回報(bào)2號(hào)、泰達(dá)紅利行業(yè)精選、銀河銀泰理財(cái)分紅。其上半年分紅總額分別為9.46億元、8.38億元、7.80億元、7.22億元、6.27億元、5.80億元、5.65億元、3.78億元、3.50億元。

值得一提的是，華夏基金公司旗下有3只基金擠進(jìn)了區(qū)間分紅總額前十，每只分紅總額都超過(guò)5億元。上半年分紅最多的10只基金合計(jì)分紅達(dá)75.75億元，占基金分紅總額的41%。

從單位區(qū)間分紅金額來(lái)看，排名第一的是銀華交易貨幣，每10份分紅金額達(dá)到32.1元，泰達(dá)紅利行業(yè)精選、信誠(chéng)盛世藍(lán)籌、新華優(yōu)選消費(fèi)、長(zhǎng)信內(nèi)需成長(zhǎng)、中海藍(lán)籌配置、華夏行業(yè)精選、基金金鑫、富國(guó)天盈、銀華優(yōu)質(zhì)增長(zhǎng)依次排在第二至第十名，每10份分紅金額分別為7.25元、3.7元、3.6元、3.0元、2.7元、2.5元、2.09元、2.0元、1.66元。

上半年實(shí)施分紅的274只基金中，39只基金上半年分紅次數(shù)在1次以上，占比14%。其中，去年混合基金冠軍寶盈核心優(yōu)勢(shì)在今年上半年實(shí)施了4次分紅，但每次分紅比例都不大，每10份合計(jì)分紅1.1元?！霸谑袌?chǎng)處于膠著狀態(tài)下，采取多次小額分紅更有利于基金抵抗風(fēng)險(xiǎn)，鎖定收益。”一位資深基金業(yè)人士告訴《投資者報(bào)》記者。

股基一季度分紅動(dòng)能較強(qiáng)

盡管基金分紅一度被認(rèn)為是把左口袋的錢(qián)倒到右口袋，乍看上去似乎并沒(méi)有什么太大的意義。但是在左口袋存在較大風(fēng)險(xiǎn)時(shí)，把錢(qián)倒到右口袋未嘗不是一種有效規(guī)避風(fēng)險(xiǎn)的辦法。

“在目前滬深股市窄幅震蕩下行的格局下，如果基金有分紅意愿，那么就會(huì)積極兌現(xiàn)浮動(dòng)盈利，有利于積小勝為大勝。”北京一家基金公司的投資總監(jiān)告訴《投資者報(bào)》記者，在弱市陰跌中通過(guò)基金現(xiàn)金分紅，至少能實(shí)現(xiàn)兩個(gè)戰(zhàn)略意圖。首先，如果基金在前期累積了一定的收益，那么通過(guò)現(xiàn)金分紅，一方面能讓投資者感受到實(shí)實(shí)在在的回報(bào)，同時(shí)也能避免后市進(jìn)一步下跌的風(fēng)險(xiǎn)；其次，基金公司不用擔(dān)憂過(guò)高的凈值引發(fā)持有人強(qiáng)烈的贖回愿望，而且由于目前從基金分配中獲得的收入，暫不征收個(gè)人所得稅，持有人也沒(méi)有稅收方面的負(fù)擔(dān)。

不過(guò)，從一、二季度股票型基金、混合型基金等偏股型基金（以下簡(jiǎn)稱“股基”）分紅情況對(duì)比來(lái)看，股基分紅動(dòng)能正在逐步弱化。

據(jù)Wind數(shù)據(jù)顯示，今年上半年以來(lái)，可納入統(tǒng)計(jì)的655只股票型基金共計(jì)分紅86億元，占基金整體分紅額度的47%，且較去年同期股基47億元的分紅總額同比增長(zhǎng)83%。其中，一季度股基分紅總額為74億元，占今年上半年股基分紅總額的86%。換言之，二季度股基分紅總額僅12億元，僅為一季度的16%強(qiáng)。

從上半年股基的業(yè)績(jī)來(lái)看，數(shù)據(jù)顯示，今年上半年，393只普通股票型基金的平均收益率為-0.82%，跑輸去年同期0.65%的收益水平。而且收益率超過(guò)10%的基金產(chǎn)品僅有30只。

“一季度股票型基金分紅總額較大，主要是基于去年股票型基金整體收益不錯(cuò)?！鄙钲谝晃粯I(yè)內(nèi)資深人士告訴《投資者報(bào)》記者，對(duì)于股基來(lái)說(shuō)，凈值的上漲得益于自己所持有的股票組合中相關(guān)股票的上漲。然而花無(wú)百日紅，在市場(chǎng)缺乏好的上漲機(jī)會(huì)時(shí)，把組合里收益不錯(cuò)的投資品種及時(shí)地獲利了結(jié)，落袋為安，并以現(xiàn)金紅利的形式回報(bào)投資人，這正說(shuō)明了基金管理人的日趨成熟。

債基分紅意愿增強(qiáng)

不過(guò)，與股基在二季度分紅減少相比，從年初開(kāi)始債市回暖，債券型基金（簡(jiǎn)稱“債基”）分紅意愿也大幅增強(qiáng)。據(jù)Wind數(shù)據(jù)顯示，一季度債基分紅總額并不高，只有8.7億元。但二季度債基分紅總額達(dá)到14.21億元，增長(zhǎng)了63%。

以上投摩根基金旗下債基為例，日前上投摩根基金旗下4只債基集中分紅公告，根據(jù)公告，上投摩根四只基金此次分紅的基準(zhǔn)日為6月30日，上投摩根強(qiáng)化回報(bào)A類份額每10份分紅0.1元、B類份額每10份分紅0.07元；上投摩根雙債增利A類份額每10份分紅0.3元、B類份額每10份分紅0.28元；上投摩根紅利回報(bào)每10份分紅0.1元；上投摩根天頤年豐每10份分紅0.2元。

“良好的業(yè)績(jī)是基金實(shí)現(xiàn)分紅的前提。因?yàn)榛鹬挥邢染邆鋬糁蹈哂诿嬷颠@個(gè)條件，才有分紅能力。從這個(gè)意義上講，有分紅能力且經(jīng)常性給投資人分紅的基金有相對(duì)較高的可投資性?！北本┮晃毁Y深基金分析師告訴《投資者報(bào)》記者。

以年內(nèi)已是第二次分紅的上投摩根紅利回報(bào)為例。據(jù)銀河數(shù)據(jù)統(tǒng)計(jì)，截至6月30日，上半年上投摩根紅利回報(bào)位列16只股債平衡基金第4名。盡管該基金多次分紅固然是由于其產(chǎn)品設(shè)計(jì)了強(qiáng)制分紅條款，到點(diǎn)分紅，即在符合有關(guān)基金分紅條件的前提下，每季每份基金可分配利潤(rùn)超過(guò)1分錢(qián)，就會(huì)啟動(dòng)分紅，分紅比例不低于可分配利潤(rùn)的50%。但是，沒(méi)有良好的業(yè)績(jī)支撐，再好的產(chǎn)品設(shè)計(jì)只是鏡花水月。

超六成小比例分紅

從今年上半年各只基金的分紅比例來(lái)看，大比例分紅基金寥寥無(wú)幾。據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，截至6月30日，全市場(chǎng)2349只基金中僅有274只基金上半年實(shí)施了分紅，其中每10份分紅超過(guò)2元的不足9只，每10份分紅超過(guò)1元的也僅28只，每10份分紅在0.4元以下的基金數(shù)量為187只，占比高達(dá)68%。

分紅總額靠前的基金均采用了大比例分紅策略，排名前五的基金中，更有3只基金采取了大比例多次分紅的策略。其中，排名第一的銀華優(yōu)質(zhì)增長(zhǎng)基金上半年分紅次數(shù)為3次，單次分紅比例為每10份分紅1.66元；排名第三的易方達(dá)積極成長(zhǎng)基金上半年分紅次數(shù)為2次，排名第四的華夏回報(bào)基金上半年分紅次數(shù)為3次，單次分紅金額分別為每10份分紅0.8元和0.9元。

篇6

一年一度的中央經(jīng)濟(jì)工作會(huì)議已經(jīng)結(jié)束,會(huì)議宣布在2010年政府將保持宏觀經(jīng)濟(jì)政策的連續(xù)性和穩(wěn)定性,繼續(xù)實(shí)施積極的財(cái)政政策和適度寬松的貨幣政策。在此次經(jīng)濟(jì)會(huì)議召開(kāi)的前后,很多分析都含有比較強(qiáng)的樂(lè)觀氣氛。我們的分析希望提供一些不同的角度。

我們的目標(biāo)應(yīng)該是較快的經(jīng)濟(jì)發(fā)展,較多的就業(yè)機(jī)會(huì)和相對(duì)穩(wěn)定的物價(jià)水平。而達(dá)到較快經(jīng)濟(jì)發(fā)展來(lái)自四個(gè)主要的推動(dòng)力。首先是居民的消費(fèi),第二是企業(yè)的投資,第三是外部的需求(以凈出口為代表,凈出口等于出口減進(jìn)口),第四是政府的消費(fèi)和投資。

長(zhǎng)期的觀察和理論分析都認(rèn)為,居民消費(fèi)是一個(gè)穩(wěn)定增長(zhǎng)的經(jīng)濟(jì)變量,它主要決定于收入的增長(zhǎng)。一些分析認(rèn)為,中國(guó)的消費(fèi)和儲(chǔ)蓄、投資之間比例失調(diào),存在結(jié)構(gòu)問(wèn)題。其實(shí)目前這種結(jié)構(gòu)形成有其內(nèi)在的合理性,因?yàn)檫@種結(jié)構(gòu)是居民決策的結(jié)果,不是政府的力量可以改變的。政府可以通過(guò)減少稅收來(lái)增加居民的收入,從而提高消費(fèi),但這在世界各國(guó)包括中國(guó)都不容易做到。

企業(yè)投資是波動(dòng)較大的變量,利用投資的高速增長(zhǎng),可以達(dá)到較高的增長(zhǎng)。但是中國(guó)目前面對(duì)的問(wèn)題是投資過(guò)多,生產(chǎn)能力過(guò)剩,企業(yè)投資減少。由此2009年實(shí)施了財(cái)政刺激政策,加大對(duì)“鐵公基”領(lǐng)域的投資,以前10個(gè)月的數(shù)據(jù)為例,投資中基礎(chǔ)設(shè)施投資增長(zhǎng)52.6%,鐵路運(yùn)輸業(yè)增長(zhǎng)87.5%,道路運(yùn)輸業(yè)增長(zhǎng)50.7%,可以看出這三項(xiàng)的增速都高于整體增速(33.4%),因此其他部分的增速必然低于整體增速,如房地產(chǎn)開(kāi)發(fā)投資同比增長(zhǎng)17.7%。

除社會(huì)效益外,這些投資也會(huì)產(chǎn)生間接的經(jīng)濟(jì)效益,但投資回報(bào)較低。雖然有一些銀行的資金配套,但目前還看不到建立在投資回報(bào)基礎(chǔ)上的政府之外的投資大規(guī)模展開(kāi)。財(cái)政刺激政策的本意是通過(guò)本身的投資將經(jīng)濟(jì)推出低迷,最終帶動(dòng)企業(yè)的商業(yè)投資恢復(fù)正常,成為經(jīng)濟(jì)增長(zhǎng)的推動(dòng)力。目前看來(lái)這還有較大的不確定性。

2010年的外部需求從凈出口的角度分析,可能會(huì)比2009年好。2009年的凈出口比2008年的凈出口下降,對(duì)于經(jīng)濟(jì)增長(zhǎng)是拖后腿的作用。但在2009年凈出口大幅度下降的基礎(chǔ)上,2010年可望有所增長(zhǎng),起到一定的促進(jìn)作用。

這樣問(wèn)題的關(guān)鍵即在于2010年投資的增長(zhǎng)是否會(huì)比2009年低,如果能夠維持2009年的增長(zhǎng)速度(30%左右),而凈出口產(chǎn)生帶動(dòng)經(jīng)濟(jì)的作用,則2010年經(jīng)濟(jì)增長(zhǎng)可能要高于2009年。如果2010年投資增長(zhǎng)的速度減緩,而凈出口帶動(dòng)經(jīng)濟(jì)的作用能夠抵消上述投資的減緩,則經(jīng)濟(jì)的增長(zhǎng)會(huì)和2009年持平。但如果不能抵消投資的減緩,則2010年的經(jīng)濟(jì)增長(zhǎng)則是一個(gè)懸疑。

投資方面存在一些制約快速增長(zhǎng)的因素,首先是財(cái)政投資的力度,一般而言,財(cái)政刺激政策到執(zhí)行的后期都會(huì)出現(xiàn)力不從心的現(xiàn)象。最近,哈佛大學(xué)教授羅果夫和馬里蘭大學(xué)教授萊因哈特完成了一本書(shū)(This Time Is Different: Eight Centuries of Financial Folly),對(duì)過(guò)去800年來(lái)全球幾乎所有地區(qū)的66個(gè)國(guó)家的主要金融危機(jī)狀況進(jìn)行統(tǒng)計(jì)分析,獲得了一些重要的結(jié)果。該書(shū)發(fā)現(xiàn),以二次大戰(zhàn)后的歷史為例,危機(jī)后,政府債務(wù)平均增加幅度是86%。政府債務(wù)激增主要是由于經(jīng)濟(jì)衰退的持續(xù)導(dǎo)致了稅收的減少,同時(shí)亦 由于刺激經(jīng)濟(jì)的巨幅財(cái)政支出。

篇7

關(guān)鍵詞 近紅外光譜；茶葉；品質(zhì)測(cè)定；真?zhèn)舞b別

中圖分類號(hào) O657.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）04-0289-02

Recent Advance on the Application of Near-infrared Spectroscopy in Tea

NIE Yu-hong ZHOU Xiao-wei ZHANG Bei

（School of Food and Bioengineering，Zhengzhou University of Light Industry，Zhengzhou Henan 450002）

Abstract The main approaches of near infrared reflectance spectroscopy were introduced in this paper. Recent advance of near infrared reflectance spectroscopy on identification and detection of tea were presented.With the recent developments reviewed，the problems encountered were also discussed.The application prospects of near infrared reflectance spectroscopy in tea detection were analyzed.

Key words near-infrared reflectance spectroscopy；tea；determination of the quality；identification

隨著社會(huì)發(fā)展和消費(fèi)水平的提高，人們?cè)絹?lái)越注重身體健康，而茶葉作為一種良好的保健飲品也越來(lái)越被人們喜歡。當(dāng)前對(duì)茶葉質(zhì)量的檢測(cè)多采用感官檢驗(yàn)評(píng)審的方式。這種方式的弊端是評(píng)審的結(jié)果受評(píng)審場(chǎng)地，以及評(píng)審人員的知識(shí)水平、健康狀況等因素的影響[1]。隨著當(dāng)前茶葉產(chǎn)業(yè)的迅猛發(fā)展，利用科學(xué)儀器對(duì)產(chǎn)業(yè)品質(zhì)進(jìn)行檢測(cè)十分必要。目前，近紅外光譜分析技術(shù)在茶葉的定性和定量檢測(cè)中被廣發(fā)應(yīng)用[2]。

1 近紅外光譜分析技術(shù)背景簡(jiǎn)介與發(fā)展現(xiàn)狀

英國(guó)天文學(xué)家William Herschel在天文觀察中發(fā)現(xiàn)了近紅外光譜（near infrared reflectance spectroscopy，NIRS）[3]。美國(guó)材料檢測(cè)協(xié)會(huì)（ASTM）將近紅外光譜區(qū)定義為波長(zhǎng)780～2 526 nm（波數(shù)為12 820～3 959/cm）的光譜區(qū)。近紅外光譜具有吸收頻率特征性強(qiáng)、受分子內(nèi)外環(huán)境影響小、光譜特性更穩(wěn)定的特點(diǎn)。近紅外光譜主要反映的是有機(jī)物分子中含氫基團(tuán)的倍頻吸收與合頻吸收。NIRS技術(shù)的優(yōu)點(diǎn)主要有以下幾個(gè)：一是能夠分析的對(duì)象數(shù)量較多、涵蓋門(mén)類較多。二是在分析前對(duì)樣品不需要進(jìn)行復(fù)雜的前處理，分析的操作簡(jiǎn)單、速度較快。三是分析不破壞樣品，通過(guò)光譜掃描完成。四是對(duì)環(huán)境污染較小[4]。NIRS技術(shù)使用方便、對(duì)環(huán)境污染小、檢測(cè)速度快、效率高，在農(nóng)業(yè)[5]、食品工業(yè)[6]、中醫(yī)藥[7-10]、和石油化工[11]等領(lǐng)域中得到了非常廣泛的應(yīng)用。

日本是最早利用NIRS技術(shù)對(duì)茶葉開(kāi)展研究的國(guó)家，目前已研制出專用的近紅外分析儀來(lái)快速檢測(cè)茶葉中的水分、全氮量、粗纖維、茶多酚、咖啡堿、氨基酸等主要成分[12]。但是由于國(guó)外的茶葉種類少，因此NIRS技術(shù)在茶葉產(chǎn)地、真?zhèn)舞b別等定性分析方面的研究較少。

國(guó)內(nèi)NIRS技術(shù)應(yīng)用于茶葉檢測(cè)方面，主要集中在綠茶理化成分的測(cè)定方面，茶葉、茶湯、茶提取物中的理化成分測(cè)定，茶葉品質(zhì)評(píng)價(jià)的研究等。因?yàn)槲覈?guó)茶葉的種類繁多，所以NIRS技術(shù)在茶葉的產(chǎn)地、品種及真?zhèn)舞b定等方面的研究也較為廣泛。

2 近紅外光譜分析方法簡(jiǎn)介

近紅外光譜分析中常用的數(shù)據(jù)處理計(jì)量方法主要有以下幾類。

2.1 多元線性回歸法（MLR）

多元線性回歸是化學(xué)計(jì)量學(xué)中最基本的分析方法[4]，是分析一個(gè)隨機(jī)變量與多個(gè)變量之間線性關(guān)系的統(tǒng)計(jì)方法。當(dāng)變量Y的影響因素有多個(gè)而不止1個(gè)時(shí)，可以建立多元線性回歸模型：Yi=β0+β1X1+β2X2+...+βkXk+ε。利用變量Y與X的n組樣本數(shù)據(jù)，按照一定準(zhǔn)則，可求得估值b0，b1，...，bk，建立起樣本回歸模型：Y=b0+b1X1+b2X2+...+bkXk+ε。

2.2 主成分分析法（PCA）

數(shù)據(jù)降維后進(jìn)行多元統(tǒng)計(jì)分析是主成分分析的基本原理[13-15]。在研究的過(guò)程中，采用多指標(biāo)變量的方法，得到的結(jié)果在一定程度上出現(xiàn)了重疊。主成分分析法避免了多變量測(cè)定方法測(cè)定結(jié)果容易出現(xiàn)重疊的弊端，將原變量進(jìn)行轉(zhuǎn)換，使少數(shù)幾個(gè)新變量成為原變量的線性組合，新變量之間互不相關(guān)。同時(shí)，這些變量也能夠盡可能多地表征出原變量的數(shù)據(jù)結(jié)構(gòu)特征。

2.3 偏最小二乘法（PLS）

就目前的研究情況來(lái)看，偏最小二乘法是逐漸發(fā)展，已經(jīng)成為近NIRS技術(shù)中應(yīng)用最多的回歸方法[16]。利用非線性迭代方法對(duì)吸光度矩陣X和濃度矩陣Y進(jìn)行分解，以特征向量的相關(guān)性來(lái)建立X和Y之間的內(nèi)部聯(lián)系。偏最小二乘法最適合運(yùn)用在多組分復(fù)雜樣品的分析過(guò)程中，檢測(cè)速度快、結(jié)果準(zhǔn)確度高、預(yù)測(cè)性強(qiáng)、能消除一定的非線性的能力。

2.4 人工神經(jīng)網(wǎng)絡(luò)法（ANN）

人工神經(jīng)網(wǎng)絡(luò)屬于非線性校正算法，是由大量簡(jiǎn)單處理單元（神經(jīng)元）廣泛互連而成的非線性動(dòng)力學(xué)系統(tǒng)。它不僅結(jié)構(gòu)可變，還有自學(xué)習(xí)、自適應(yīng)、巨量并行性、存儲(chǔ)分布性的特點(diǎn)。與偏最小二乘法方法相比，人工神經(jīng)網(wǎng)絡(luò)更加準(zhǔn)確和抗干擾[17]。

2.5 極限學(xué)習(xí)法（ELM）

極限學(xué)習(xí)機(jī)法是從單隱含層前饋神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)的一種新型算法。隨機(jī)產(chǎn)生輸入層與隱含層的連接權(quán)值和隱含層神經(jīng)元的閾值，只需要設(shè)置隱含層神經(jīng)元的個(gè)數(shù)，便可以獲得唯一的最優(yōu)解。

3 近紅外光譜分析技術(shù)在茶葉檢測(cè)方面的研究

3.1 茶葉水分含量的測(cè)定

茶葉水分含量的高低對(duì)茶葉品質(zhì)的影響非常大。當(dāng)水分含量小于5%時(shí)，茶葉香氣變化比較小；而當(dāng)水分含量高于6.5%時(shí)，則茶葉品質(zhì)下降得比較快。劉輝軍等[18]利用徑向基函數(shù)和趨勢(shì)變換法，建立了綠茶的水分檢測(cè)模型，預(yù)測(cè)的相關(guān)系數(shù)達(dá)到0.933。張?jiān)铝醄19]利用偏最小二乘法和9階卷積平滑結(jié)合二階導(dǎo)數(shù)法，建立綠茶的含水量模型，相關(guān)系數(shù)達(dá)到了0.99以上。王勝鵬等[20]通過(guò)交叉驗(yàn)證和偏最小二乘法，建立了茶鮮葉的含水量近紅外光譜模型，當(dāng)主成分?jǐn)?shù)為7時(shí)，相關(guān)系數(shù)為0.92。

3.2 茶多酚和兒茶素含量的測(cè)定

茶葉中，茶多酚的含量為18%～36%，在人體內(nèi)能夠清除自由基，是茶葉中最重要的成分之一。Chen Q S等[21]利用偏最小二乘法，建立茶多酚總量的檢測(cè)模型，相關(guān)系數(shù)為0.93。徐立恒等[22]利用二階導(dǎo)數(shù)和偏最小二乘法，建立茶多酚模型，預(yù)測(cè)的相關(guān)系數(shù)為0.989。吳瑞梅等[23]利用GA法和偏最小二乘法，建立綠茶湯中茶多酚的模型，避開(kāi)了水的強(qiáng)吸收峰影響，模型預(yù)測(cè)集均方根誤差為0.685%，相對(duì)標(biāo)準(zhǔn)差為5.26%。

兒茶素類物質(zhì)是茶多酚中最主要的活性物質(zhì)，占茶葉干重的12%～24%。陳華才等[24]使用偏最小二乘法和標(biāo)準(zhǔn)歸一化處理的方式，建立兒茶素類物質(zhì)的預(yù)測(cè)模型，相關(guān)系數(shù)達(dá)到0.997。同時(shí)，又采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法，優(yōu)化了的茶多酚總兒茶素含量的模型，相關(guān)系數(shù)達(dá)到了0.992[25]。蘆永軍等[26]使用偏最小二乘法和定標(biāo)波長(zhǎng)的方式（選取6 000～5 200 /cm波數(shù)范圍內(nèi)的光譜數(shù)據(jù)點(diǎn)），建立了定標(biāo)精度很高的檢測(cè)模型，相關(guān)系數(shù)達(dá)到0.994 7。

3.3 咖啡堿含量的測(cè)定

咖啡因是茶葉中的重要滋味物質(zhì)之一，能夠刺激中樞神經(jīng)，起到提神醒腦的作用。孫耀國(guó)等[27]利用偏最小二乘法，直接對(duì)完整茶葉中的咖啡堿的含量建模，相關(guān)系數(shù)達(dá)到0.92。羅一帆等[28]和Chen Q S等[29]利用相同的方法構(gòu)建獲咖啡堿的含量的模型，相關(guān)系數(shù)也分別達(dá)到了0.96和0.968的高精確度。

3.4 氨基酸含量的測(cè)定

茶葉中的氨基酸具有降壓、拮抗由咖啡堿引起的對(duì)神經(jīng)系統(tǒng)的興奮等作用，其組成、含量以及其降解產(chǎn)物和轉(zhuǎn)化產(chǎn)物均與茶葉的香氣和滋味密切相關(guān)。徐立恒等[22]使用偏最小二乘法和定標(biāo)波長(zhǎng)的方式（選取5 000～4 000/cm波數(shù)范圍內(nèi)的光譜數(shù)據(jù)點(diǎn)），建立了炒青綠茶的氨基酸模型，相關(guān)系數(shù)達(dá)到0.99。孫耀國(guó)等[27]在優(yōu)化波長(zhǎng)范圍的基礎(chǔ)上，利用二階導(dǎo)數(shù)預(yù)處理方式得到不同綠茶的氨基酸模型，相關(guān)系數(shù)達(dá)到0.99。

3.5 茶葉的種類鑒定和真?zhèn)舞b別

NIRS不但能夠?qū)Σ枞~進(jìn)行定量分析，還能夠?qū)Σ枞~進(jìn)行定性分析，確定茶葉的種類，實(shí)現(xiàn)茶葉產(chǎn)地、品種、生產(chǎn)時(shí)間等信息的精確判別。趙杰文等[30]通過(guò)多元散射校正預(yù)處理方法和定標(biāo)波長(zhǎng)的方式（選取6 500～5 300/cm波數(shù)范圍內(nèi)的光譜數(shù)據(jù)點(diǎn)），結(jié)合馬氏距離識(shí)別模式鑒別了龍井、碧螺春、毛峰和鐵觀音這4種中國(guó)名茶，就鑒別率而言，校正集樣本達(dá)到了98.75%，預(yù)測(cè)集樣本達(dá)到了95%。利用NIRS技術(shù)對(duì)碧螺春[31]、西湖龍井[32-33]等茶葉進(jìn)行了真?zhèn)舞b定。CHEN Q S等[34]運(yùn)用NIRS技術(shù)對(duì)4個(gè)地區(qū)的烘青綠茶進(jìn)行了產(chǎn)地鑒別，選出了最優(yōu)的支持向量機(jī)模型，預(yù)測(cè)率高達(dá)到100%。

4 問(wèn)題與展望

目前，NIRS技術(shù)在茶葉上已經(jīng)得到比較廣泛的應(yīng)用，但是仍然還存在一些需要解決的問(wèn)題。在NIRS技術(shù)中選取代表性樣品來(lái)建模時(shí)，受到建模樣品生產(chǎn)季節(jié)、外形、產(chǎn)地等因素的影響。為了保證模型的全面性和完整性，在建模過(guò)程中需要大量的樣品，導(dǎo)致模型建立需要采集的樣本數(shù)量大、成本高、地域廣，給模型建立設(shè)置了難題。因?yàn)槲覈?guó)茶葉種類繁多，建立適合所有茶類的、精確度和準(zhǔn)確度達(dá)到檢測(cè)要求的通用性模型是十分困難的。

隨著光學(xué)技術(shù)、計(jì)算機(jī)技術(shù)的快速發(fā)展，NIRS技術(shù)在茶葉品質(zhì)檢測(cè)、茶類產(chǎn)地鑒別和茶葉真假鑒定等方面還會(huì)有更大的發(fā)展前景。同時(shí)，利用NIRS技術(shù)對(duì)原料生產(chǎn)的過(guò)程進(jìn)行在線分析和實(shí)時(shí)監(jiān)測(cè)也將會(huì)是一個(gè)重要的發(fā)展方向。

5 參考文獻(xiàn)

[1] 楊丹，劉新，王川丕，等.近紅外光譜技術(shù)在茶葉及茶制品上應(yīng)用[J].浙江農(nóng)業(yè)科學(xué)，2012（9）：1290-1294.

[2] 曹干.現(xiàn)代近紅外光譜分析技術(shù)在農(nóng)業(yè)研究中的應(yīng)用[J].廣州農(nóng)業(yè)科學(xué)，2004（3）：9-10.

[3] BLANCO M，VILLARROYA I.NIR spectroscopy：a rapid-response anal-ytical tool[J].Trends in analytical chemistry，2002，21（4）：240-250.

[4] 嚴(yán)衍祿.近紅外光譜分析技術(shù)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2005.

[5] SUBEDI P P，WALSH K B.Assessment of potato dry matter concentration using short-wave near-infrared spectmscopy[J].Potato Research，2009，6（52）：67-77.

[6] IRUDAYARAJ J，XU F，TEWARI J.Rapid detemination of invert cane sugar adulteration in honey using FTIR spectroscopy and multivariate analysis[J].Joumal of Food science，2003，6（68）：2045.

[7] 曾煥俊，韓瑩.維U顛茄鋁膠囊Ⅱ近紅外判別模型的建立[J].中國(guó)藥品標(biāo)準(zhǔn)，2011，4（12）：303-306.

[8] LAASONEN M，HARMIA-PULKKINEN T，SIMARD CL，et al.Fast ide-ntification of Echinacea parpareadried roots using near-infraredspectros-copy[J].Anal Chem，2002（74）：2493-2499.

[9] SERGIO H，F(xiàn)RASSON S，CELIO P.Identification of counterfeit drugs using near infrared spectroscopy[J].Analyst，2001（126）：2218-2224.

[10] HAILEY P，DOHERTY P，TAPSELL P，et al.Automated system for the on-line monitoring of powder blending processes using near-infrared spectroscopy.Part I.System development and control[J].Journal of Phar-maceutical&Biomedical Analysis，1996，14（5）：551-559.

[11] 張宇佳，徐曉軒，宋寧，等.基于近紅外漫反射光譜的烴源巖生烴潛量的確定[J].光譜學(xué)與光譜分析，2011，4（12）：955-959.

[12] 吉川聰一郎.用近紅外光光度法進(jìn)行茶葉品質(zhì)評(píng)價(jià)：蒸青玉露茶和鍋炒玉露茶主要成分的分析[J].[日]茶葉研究報(bào)告，1997，85（增刊1）：88-89.

[13] 吳建國(guó).作物種子品質(zhì)研究中近紅外光譜分析模型的創(chuàng)建和應(yīng)用[D].杭州：浙江大學(xué)，2004.

[14] 夏柏楊，任竿.近紅外光譜分析技術(shù)的一些數(shù)據(jù)處理方法的討論[J].光譜實(shí)驗(yàn)室，2005，22（3）：629-634.

[15] BLANCO M，COELLO J，ITURRIAGA H，et al.Calibration in non-linear near infrared reflectance spectroscopy：a comparison of several methods[J].Analytica Chimica Acta，1999，384（2）：207.

[16] GELADI P，KOWALSK B R.An example of 2-block predictive partiall east-squares regression with simulated data[J].Analytica Chimica Acta，1986，185：19-32.

[17] 夏賢明，丁寧.用近紅外光譜法檢測(cè)綠茶中品質(zhì)成分的研究[J].分析化學(xué)，1991，19（8）：945-948.

[18] 劉輝軍，呂進(jìn)，林敏，等.基于RBF網(wǎng)絡(luò)和NIRS的綠茶水分含量分析模型[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2005，16（3）：88-190.

[19] 張?jiān)铝?綠茶品質(zhì)相關(guān)成分的近紅外定標(biāo)模型的初步建立[D].杭州：浙江大學(xué)，2006.

[20] 王勝鵬，宛曉春，林茂先，等.基于水分、全氮量和粗纖維含量的茶鮮葉原料質(zhì)量近紅外評(píng)價(jià)方法[J].茶葉科學(xué)，2011，31（1）：66-71.

[21] CHEN Q S，ZHAO J W，ZHANG H D，et al.Feasibility study on qualita-tive and quantitative analysis in tea by nearinfrared spectroscopy with multivariate calibration[J].Analytica Chimica Acta，2006，572（1）：77-84.

[22] 徐立恒，呂進(jìn)，林敏，等.茶葉中3類主要組分的近紅外光譜分析作為茶葉質(zhì)量的快速評(píng)定方法[J].理化檢驗(yàn)：化學(xué)分冊(cè)，2006（5）：334-336.

[23] 吳瑞梅，岳鵬翔，趙杰文，等.特征變量篩選在近紅外光譜測(cè)定綠茶湯中茶多酚的應(yīng)用[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，12（42）：154-157.

[24] 陳華才，呂進(jìn)，俸春紅，等.近紅外光譜法測(cè)定茶多酚中總兒茶素含量[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2005，16（1）：17-20.

[25] 陳華才，呂進(jìn)，陳星旦，等.基于徑向基函數(shù)網(wǎng)絡(luò)的茶多酚總兒茶素近紅外光譜檢測(cè)模型的研究[J].光學(xué)精密工程，2006，14（1）：58-62.

[26] 蘆永軍，陳華才，呂進(jìn)，等.茶多酚中總兒茶素的近紅外光譜分析[J].分析化學(xué)研究簡(jiǎn)報(bào)，2005，33（6）：835-837.

[27] 孫耀國(guó)，林敏，呂迸.近紅外光譜法測(cè)定綠茶中氨基酸、咖啡堿和茶多酚的量[J].光譜實(shí)驗(yàn)室，2004，21（5）：940-943.

[28] 羅一帆，郭振飛，朱振宇.近紅外光譜測(cè)定茶葉中茶多酚和茶多糖的人工神經(jīng)網(wǎng)絡(luò)模型研究[J].光譜學(xué)與光譜分析，2005，25（8）：1230-1233.

[29] CHEN Q S，ZHAO J W，HUANG X Y，et al.Simultaneous determination of total polyphenols and caffeine contents of green tea by near-infrared reflectance spectroscopy[J].Microchemical Journal，2006，83：42-47.

[30] 趙杰文，陳全勝，張海東，等.近紅外光譜分析技術(shù)在茶葉鑒別中的應(yīng)用研究[J].光譜學(xué)與光譜分析，2006，26（9）：1601-1604.

[31] 周健，成浩，賀巍，等.基于近紅外的PLS量化模型鑒定西湖龍井真?zhèn)蔚难芯縖J].光譜學(xué)與光譜分析，2009，29（5）：1251-1254.

[32] 周健，成浩，葉陽(yáng)，等.滇青、青餅和普洱茶（熟餅）近紅外指紋圖譜分析[J].核農(nóng)學(xué)報(bào)，2009，23（1）：110-113.

篇8

關(guān)鍵詞：金融穩(wěn)定；動(dòng)態(tài)隨機(jī)一般均衡模型；擴(kuò)展的宏觀經(jīng)濟(jì)模型；網(wǎng)絡(luò)模型

中圖分類號(hào)：F831.59 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-3890（2011）04-0067-05

自20世紀(jì)70年代以來(lái)，共有93個(gè)國(guó)家先后爆發(fā)117起系統(tǒng)性銀行危機(jī)，45個(gè)國(guó)家發(fā)生了51起局部性銀行危機(jī)。維護(hù)金融穩(wěn)定日益成為各國(guó)中央銀行的核心職能，而中國(guó)在加入世界貿(mào)易組織后，金融體系面臨巨大的挑戰(zhàn)和新的風(fēng)險(xiǎn)，維護(hù)金融穩(wěn)定是國(guó)民經(jīng)濟(jì)健康穩(wěn)定發(fā)展的保障。因此，總結(jié)金融穩(wěn)定分析的宏觀模型、探討宏觀因素及沖擊對(duì)金融穩(wěn)定的影響，便具有較強(qiáng)的實(shí)踐價(jià)值。

近五年來(lái)，國(guó)際貨幣基金組織、歐洲中央銀行及以Claudio Borio為代表的國(guó)際清算銀行、以Elsinger代表的奧地利學(xué)者，尤其是倫敦經(jīng)濟(jì)學(xué)院的 Goodhart教授等諸多國(guó)外學(xué)者對(duì)金融穩(wěn)定分析的宏觀模型進(jìn)行了大量研究。由于可以通過(guò)對(duì)某類模型的組成元素進(jìn)行擴(kuò)展或修正，從而將其變?yōu)榱硪活惸Ｐ停也煌芯糠椒ǖ哪Ｐ椭g是相互補(bǔ)充的，因此難以對(duì)金融穩(wěn)定的宏觀模型進(jìn)行嚴(yán)格的劃分。筆者借鑒Clark（2007）、Bardsen et al.（2006）的方法，把金融穩(wěn)定的宏觀模型分成三類：擴(kuò)展的宏觀經(jīng)濟(jì)模型、基于微觀主體優(yōu)化行為的動(dòng)態(tài)隨機(jī)一般均衡模型和網(wǎng)絡(luò)模型。

一、擴(kuò)展的宏觀經(jīng)濟(jì)模型

擴(kuò)展的宏觀經(jīng)濟(jì)模型主要包括：可計(jì)算一般均衡模型（computable general equilibrium models，CGE）、動(dòng)態(tài)聚集模型（Dynamic aggregative estimated，DAE）和金融經(jīng)濟(jì)周期模型（The financial business cycle，F(xiàn)BC）。擴(kuò)展的宏觀經(jīng)濟(jì)模型沿襲了傳統(tǒng)宏觀模型的研究成果，引入一系列相互影響的隨機(jī)變量，研究GDP、短期或長(zhǎng)期利率、通貨膨脹、失業(yè)率和匯率等宏觀變量的變化對(duì)金融穩(wěn)定的沖擊和影響。擴(kuò)展的宏觀模型被認(rèn)為是一種測(cè)量管理風(fēng)險(xiǎn)的有價(jià)值而且可操作性強(qiáng)的方法。受1997年亞洲金融危機(jī)的影響，國(guó)際貨幣基金組織和世界銀行于1999年聯(lián)合推出并通過(guò)了金融部門(mén)評(píng)估規(guī)劃（FSAP），而FSAP及其壓力測(cè)試技術(shù)的理論基礎(chǔ)就直接源于擴(kuò)展的宏觀模型。雖然擴(kuò)展的宏觀模型相對(duì)簡(jiǎn)單，而且數(shù)據(jù)容易獲得，但其缺點(diǎn)也是明顯的。首先，這種方法實(shí)質(zhì)上是一種簡(jiǎn)約模型，而不是結(jié)構(gòu)性模型，而且缺乏清晰的微觀行為基礎(chǔ)。第二，沒(méi)有提供企業(yè)、家庭和銀行對(duì)外在金融壓力的反應(yīng)。第三，沒(méi)有抓住金融部門(mén)之間的內(nèi)在結(jié)構(gòu)和相互影響，而這一點(diǎn)正是金融危機(jī)研究的核心。正因?yàn)檫@樣，該模型不能指出危機(jī)的傳染性和危機(jī)的動(dòng)態(tài)變化。

在擴(kuò)展的宏觀經(jīng)濟(jì)模型中，Bernanke（1996，1998，1999）提出的金融經(jīng)濟(jì)周期理論是分析金融不穩(wěn)定最重要的宏觀模型。由于經(jīng)濟(jì)高度虛擬化、金融化，消費(fèi)、投資和儲(chǔ)蓄等宏觀變量的方差減小，真實(shí)經(jīng)濟(jì)的周期性特征表現(xiàn)不明顯；而以金融為核心的虛擬經(jīng)濟(jì)周期波動(dòng)更加突出，金融波動(dòng)、金融不穩(wěn)定才是宏觀經(jīng)濟(jì)波動(dòng)的主因。傳統(tǒng)的古典經(jīng)濟(jì)周期理論、貨幣經(jīng)濟(jì)周期理論、真實(shí)經(jīng)濟(jì)周期理論均無(wú)法模擬金融沖擊導(dǎo)致的經(jīng)濟(jì)劇烈波動(dòng)，而金融經(jīng)濟(jì)周期理論利用“金融加速器”對(duì)此能做出深刻、令人信服的解釋。與金融危機(jī)理論相比，金融經(jīng)濟(jì)周期理論既可以解釋金融危機(jī)的起因和機(jī)制，也清晰地呈現(xiàn)了危機(jī)后經(jīng)濟(jì)走向復(fù)蘇的調(diào)整機(jī)制，即經(jīng)濟(jì)均衡的狀態(tài)轉(zhuǎn)換機(jī)制。

與多數(shù)擴(kuò)展的宏觀經(jīng)濟(jì)模型一樣，把金融經(jīng)濟(jì)周期理論用于金融系統(tǒng)不穩(wěn)定的分析時(shí)，其缺陷也非常明顯。第一，由于繼承了傳統(tǒng)理論的理性經(jīng)濟(jì)人和同質(zhì)經(jīng)濟(jì)人假設(shè)，因而在該模型中，不存在違約，銀行和企業(yè)倒閉不僅不會(huì)發(fā)生，而且不存在傳染源，這與金融不穩(wěn)定的核心內(nèi)涵相違背。第二，同樣由于經(jīng)濟(jì)人缺乏異質(zhì)性，該模型無(wú)法分析政策變化的分配效應(yīng)和波動(dòng)效應(yīng)；模型的結(jié)果只是約束有效或者說(shuō)是次優(yōu)的，因而無(wú)法評(píng)估流動(dòng)性約束、資本監(jiān)管對(duì)金融穩(wěn)定的影響。第三，金融經(jīng)濟(jì)周期模型只是一個(gè)局部均衡模型，而把這種局部均衡模型鑲嵌到一般均衡模型中用來(lái)分析宏觀金融的穩(wěn)定性，必須做出很大的改進(jìn)。

二、動(dòng)態(tài)隨機(jī)一般均衡模型

動(dòng)態(tài)隨機(jī)一般均衡模型（Dynamic Stochastic General Equilibrium Mode，DSGE）由Kydlan和Prescott（1982）首先提出，它以一般均衡分析框架為核心。動(dòng)態(tài)隨機(jī)一般均衡模型是在動(dòng)態(tài)一般均衡模型的基礎(chǔ)上添加了隨機(jī)沖擊。動(dòng)態(tài)隨機(jī)一般均衡模型在Goodhart等學(xué)者的長(zhǎng)期研究中繼續(xù)發(fā)展成熟，主要文獻(xiàn)有Tsomocos（2003）、Goodhart et al.（2006）、Saade et al. （2007）等。

如前所述，擴(kuò)展的宏觀模型方法的缺點(diǎn)在于缺乏清晰的微觀行為基礎(chǔ)、缺少對(duì)于金融部門(mén)或其他經(jīng)濟(jì)部門(mén)行為的反饋，其金融含義也是被強(qiáng)加于一個(gè)簡(jiǎn)約模型之中；該類模型所描述的金融中介機(jī)構(gòu)都被認(rèn)為是同質(zhì)的，從而忽略了金融體系內(nèi)在的結(jié)構(gòu)差異，因此這類模型無(wú)法捕獲金融不穩(wěn)定的一些最重要的特征。動(dòng)態(tài)隨機(jī)一般均衡模型正是在克服擴(kuò)展的宏觀經(jīng)濟(jì)模型上述缺陷的基礎(chǔ)上發(fā)展起來(lái)的，作為當(dāng)今宏觀經(jīng)濟(jì)學(xué)的主流分析工具，DSGE模型具有動(dòng)態(tài)（Dynamic）、隨機(jī)（Stochastic）和一般均衡（General Equilibrium）三個(gè)鮮明的特點(diǎn)，從而能夠很好地描述真實(shí)世界。

第一，動(dòng)態(tài)。在這里，動(dòng)態(tài)一詞具有兩重含義。第一重含義，模型中各個(gè)行動(dòng)主體的行為決策有可能對(duì)現(xiàn)在以及未來(lái)各期產(chǎn)生直接或間接的影響。這就意味著，行動(dòng)主體在進(jìn)行決策時(shí)，不僅需要考慮行為在當(dāng)期的影響，還需考慮行為在未來(lái)的后續(xù)影響。也就是說(shuō)，行動(dòng)主體必須“預(yù)期”自己行為在未來(lái)所產(chǎn)生的結(jié)果。這就自然而然的引出了“動(dòng)態(tài)”一詞所代表的另一重含義：對(duì)未來(lái)的預(yù)期是行為主體在制定決策時(shí)的重要考慮因素，而“預(yù)期”在建模時(shí)通常采用“理性預(yù)期”來(lái)代表。

第二，隨機(jī)。由于種種原因，未來(lái)是不能被精確預(yù)測(cè)的。為了描述這種存在于真實(shí)世界中的不確定性，在DSGE模型中引入了隨機(jī)因素。具體而言，各期模型都會(huì)受到外生的隨機(jī)因素的沖擊，模型最終表現(xiàn)出來(lái)的行為就由于這些隨機(jī)沖擊的存在而呈現(xiàn)出不確定性。

第三，一般均衡。由于宏觀經(jīng)濟(jì)研究的對(duì)象是經(jīng)濟(jì)社會(huì)整體。而在經(jīng)濟(jì)中，各行為主體之間是相互聯(lián)系、相互作用的。在這種情況下，一般均衡理論是最好的選擇。在一般均衡模型中，所有的行為都來(lái)自于行為主體的理性，從而隨意的行為假設(shè)減到了最少。

模型的主要假設(shè)有：（1）經(jīng)濟(jì)人的異質(zhì)性，這是本模型最重要的假設(shè)，即經(jīng)濟(jì)人對(duì)未來(lái)的經(jīng)濟(jì)狀況具有不同的估計(jì)和預(yù)期、不同的初始資本和資源稟賦、不同的投資行為和風(fēng)險(xiǎn)偏好；（2）存在違約且違約率不一樣，這是異質(zhì)性假設(shè)的自然延伸，如果經(jīng)濟(jì)人是同質(zhì)的，要么所有人都違約，要么都?xì)w還債務(wù)；（3）異質(zhì)性的金融中介機(jī)構(gòu)之間相互作用；（4）不完美市場(chǎng)、信息不對(duì)稱；（5）金融危機(jī)具有傳染性。前兩個(gè)假設(shè)說(shuō)明傳染源的存在性、可能性，后三個(gè)假設(shè)說(shuō)明傳染源在金融市場(chǎng)可能迅速蔓延。總而言之，上述五個(gè)假設(shè)使得“危機(jī)具有傳染性”的假設(shè)具備堅(jiān)實(shí)的理論基礎(chǔ)，而金融危機(jī)的傳染性是導(dǎo)致宏觀金融不穩(wěn)定的關(guān)鍵所在。

為了體現(xiàn)不同時(shí)期變量產(chǎn)生的影響，模型被分為兩個(gè)時(shí)間段。在初始期，所有經(jīng)濟(jì)人面臨不確定性，居民和企業(yè)可貸可借，平均一生的消費(fèi)和投資，實(shí)現(xiàn)效用最大化或者利潤(rùn)最大化；商業(yè)銀行通過(guò)銀行間市場(chǎng)進(jìn)行投資和融資，不斷調(diào)整資產(chǎn)組合，實(shí)現(xiàn)利潤(rùn)最大化。到了期末，市場(chǎng)出清，銀行可清算，所有利潤(rùn)和資產(chǎn)被完全分配給股東。與其他模型不同的是，如果居民、企業(yè)和銀行出現(xiàn)違約，中央銀行將對(duì)其進(jìn)行懲罰，居民效用和企業(yè)利潤(rùn)都因此而受到不利影響。因此，違約及違約率是模型中非常重要的變量。尤為重要的是，內(nèi)生變量在兩個(gè)時(shí)期是動(dòng)態(tài)隨機(jī)變化的，所以異質(zhì)經(jīng)濟(jì)人能夠在理性預(yù)期的基礎(chǔ)上進(jìn)行跨時(shí)決策，以期實(shí)現(xiàn)決策目標(biāo)。同時(shí)，模型的構(gòu)成則被歸納為三個(gè)部門(mén)（中央銀行、三個(gè)異質(zhì)商業(yè)銀行、三個(gè)居民和企業(yè)）、三個(gè)市場(chǎng)（信貸市場(chǎng)、存款市場(chǎng)和銀行間市場(chǎng)，均有交易發(fā)生、可滿足調(diào)整資產(chǎn)組合的需求）。中央銀行對(duì)資本充足率低和違約率高的商業(yè)銀行進(jìn)行罰款并進(jìn)行公開(kāi)市場(chǎng)操作以期決定利率、貨幣供應(yīng)、貸款規(guī)模，運(yùn)用貨幣政策工具進(jìn)行宏觀調(diào)控和監(jiān)管；商業(yè)銀行實(shí)施競(jìng)爭(zhēng)性的存貸利率并發(fā)放競(jìng)爭(zhēng)性的貸款，使預(yù)期利潤(rùn)最大化；居民和企業(yè)決定存貸款數(shù)量。簡(jiǎn)言之，這是一個(gè)一般均衡模型，經(jīng)濟(jì)人可根據(jù)市場(chǎng)情況和偏好，對(duì)投資、融資和消費(fèi)進(jìn)行動(dòng)態(tài)調(diào)整，所以模型中的變量是隨機(jī)的，模型的均衡解是隨機(jī)變量動(dòng)態(tài)調(diào)整的結(jié)果。

動(dòng)態(tài)隨機(jī)一般均衡模型的貢獻(xiàn)在于得出貨幣非中性的結(jié)論。由于引進(jìn)信息不對(duì)稱及其所帶來(lái)的風(fēng)險(xiǎn)和流動(dòng)性約束，使得名義變量如貨幣需求的變化能夠影響價(jià)格和產(chǎn)出，而價(jià)格的變化及其相對(duì)變化又能夠影響收入和財(cái)富及其分配。由于動(dòng)態(tài)隨機(jī)一般均衡模型與現(xiàn)實(shí)世界非常接近，因而能夠準(zhǔn)確分析和評(píng)估宏觀沖擊對(duì)金融穩(wěn)定的影響。（1）模型的假設(shè)和結(jié)果使得模型能夠方便地分析金融機(jī)構(gòu)之間、金融系統(tǒng)與實(shí)體經(jīng)濟(jì)之間的相互影響和傳染。（2）金融不穩(wěn)定是作為模型的均衡結(jié)果出現(xiàn)的，并且政府是構(gòu)成模型的重要元素，因而在該模型中，政府部門(mén)不僅能夠采取積極的措施對(duì)金融危機(jī)加以干預(yù)和管理，而且可以評(píng)估貨幣政策、監(jiān)管政策對(duì)金融穩(wěn)定的影響及其相互作用的效果。（3）由于金融不穩(wěn)定概念與福利損失、流動(dòng)性短缺相關(guān)，所以金融脆弱性的惡化對(duì)資源配置效率、居民消費(fèi)產(chǎn)生不利影響，因此，該模型能對(duì)金融穩(wěn)定性變化的社會(huì)福利效應(yīng)進(jìn)行模擬分析，這就使得該模型具備一般均衡模型的特點(diǎn)和功能。（4）可以進(jìn)行比較靜態(tài)分析，比如說(shuō)，可以在對(duì)比分析資本充足是否有約束的兩種情況下，擴(kuò)張性貨幣政策對(duì)銀行投資行為、利潤(rùn)、穩(wěn)定的影響。（5）拓展了金融脆弱性的概念，該模型把私人部門(mén)的違約、銀行等金融機(jī)構(gòu)的利潤(rùn)減少及其波動(dòng)包括在金融脆弱性內(nèi)，金融脆弱性不僅僅是指銀行擠兌、恐慌等極端事件，還可解釋金融順周期性、銀行擠兌等現(xiàn)象，在動(dòng)態(tài)隨機(jī)一般均衡模型框架下，金融經(jīng)濟(jì)周期模型、銀行擠兌模型只是其中一個(gè)特例。

三、網(wǎng)絡(luò)模型

網(wǎng)絡(luò)模型試圖引入金融部門(mén)的某些內(nèi)部結(jié)構(gòu)特征，把金融部門(mén)看作是相應(yīng)的風(fēng)險(xiǎn)敞口網(wǎng)絡(luò)上一系列相互連結(jié)的節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)即銀行被賦予一定量的資本、資產(chǎn)和負(fù)債，并定義相關(guān)規(guī)則來(lái)說(shuō)明每一個(gè)節(jié)點(diǎn)對(duì)資產(chǎn)負(fù)債表變動(dòng)的反應(yīng)，特別是在資產(chǎn)凈值降為零或?yàn)樨?fù)值時(shí)的反應(yīng)。

銀行系統(tǒng)的安全對(duì)于金融系統(tǒng)穩(wěn)定至關(guān)重要。Allen（2000）基于Diamond和Dybvig（1983）的假設(shè)，用銀行網(wǎng)絡(luò)表示銀行間交叉存款市場(chǎng)，建立了外生流動(dòng)性沖擊與銀行危機(jī)傳染的網(wǎng)絡(luò)模型。Brusco和Castiglionesl（2007）在上述兩個(gè)模型的假定條件中加入一項(xiàng)投機(jī)性長(zhǎng)期資產(chǎn)，通過(guò)銀行的道德風(fēng)險(xiǎn)將傳染機(jī)制內(nèi)生化，進(jìn)而建立了內(nèi)生流動(dòng)性沖擊與銀行危機(jī)傳染的網(wǎng)絡(luò)模型。Nier et al.（2007）采用Eboll（2004）的網(wǎng)絡(luò)方法構(gòu)造金融網(wǎng)絡(luò)，改變金融網(wǎng)絡(luò)的資本水平、聯(lián)結(jié)程度、銀行間敞口規(guī)模和集中化程度等重要參數(shù)，分析金融網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于傳染的影響。結(jié)果表明：資本水平越高，敞口規(guī)模越小，集中化程度越小，傳染可能性越?。欢?lián)結(jié)程度呈現(xiàn)非單調(diào)性。

國(guó)際貨幣基金組織（2009）指出，次貸危機(jī)表明僅僅單個(gè)機(jī)構(gòu)穩(wěn)健對(duì)于保證整個(gè)金融系統(tǒng)的穩(wěn)定是不夠的，機(jī)構(gòu)之間的相互聯(lián)結(jié)對(duì)于金融系統(tǒng)穩(wěn)定性非常重要。提高某個(gè)機(jī)構(gòu)健康度的措施可能會(huì)破壞整體系統(tǒng)的穩(wěn)定性，而網(wǎng)絡(luò)方法恰恰能夠進(jìn)行系統(tǒng)整體而不是個(gè)體的分析，因此網(wǎng)絡(luò)方法是進(jìn)行金融穩(wěn)定性分析的理想手段之一。至此，在繼擴(kuò)展的宏觀模型和動(dòng)態(tài)隨機(jī)一般均衡模型后，網(wǎng)絡(luò)模型作為一種分析金融穩(wěn)定的新宏觀模型日益引起重視。

該模型的主要貢獻(xiàn)在于，它能顯示金融體系既是充滿活力的，同時(shí)又是脆弱的。盡管節(jié)點(diǎn)間更廣泛的聯(lián)系有助于風(fēng)險(xiǎn)的分散，也降低了個(gè)體失敗的初始可能性，但是一旦危機(jī)發(fā)生的話，所形成的沖擊也會(huì)顯著增強(qiáng)。更廣泛的相互聯(lián)系意味著在第一輪沖擊中幸免于難的機(jī)構(gòu)，可能要遭受第二輪規(guī)模更大的沖擊。這種模型也揭示了預(yù)先無(wú)法識(shí)別的沖擊可能產(chǎn)生完全不同的結(jié)果。一個(gè)金融體系可以經(jīng)受1 000次同等規(guī)模的沖擊而仍然保持彈性，但1 001次沖擊，如果作用于一個(gè)結(jié)構(gòu)弱點(diǎn)或壓力點(diǎn)上，卻可能產(chǎn)生一個(gè)完全不同的結(jié)果。

該模型的優(yōu)點(diǎn)在于，作為一個(gè)封閉解決方案可以用于數(shù)據(jù)仿真，而且這種方案在驗(yàn)證不同反應(yīng)規(guī)則和連接模式的影響時(shí)，允許較大的自由度。另外，盡管這種方案很難用參數(shù)來(lái)表示現(xiàn)實(shí)世界的金融體系，但它有效洞察了諸如銀行規(guī)模分布、競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)量等結(jié)構(gòu)特征的變化影響沖擊傳導(dǎo)并擴(kuò)大的途徑。更進(jìn)一步，節(jié)點(diǎn)的中斷（如銀行破產(chǎn)）和其他摩擦（如受損資產(chǎn)折價(jià)拍賣(mài)的沖擊）會(huì)對(duì)整個(gè)金融體系形成一個(gè)非線性的動(dòng)態(tài)沖擊，這恰是實(shí)踐中所顯示的在嚴(yán)重壓力下金融體系發(fā)生的場(chǎng)景。

但該模型的缺點(diǎn)也是顯著的，與其他模型相比較，雖然網(wǎng)絡(luò)模型在理論上很完美，但是網(wǎng)絡(luò)非常復(fù)雜，在大多數(shù)情況下，這類模型都不可以“完全求解”，或者對(duì)需要認(rèn)可完全求解方案的假設(shè)進(jìn)行嚴(yán)格的限制，從而削弱了模型的價(jià)值。另外，將其用于實(shí)證分析甚至是模擬分析的難度還很大，在這一點(diǎn)上，動(dòng)態(tài)隨機(jī)一般均衡模型遠(yuǎn)遠(yuǎn)優(yōu)于網(wǎng)絡(luò)模型。

四、總結(jié)和展望

由于擴(kuò)展的宏觀模型相對(duì)簡(jiǎn)單，而且數(shù)據(jù)容易獲得，相比之下，動(dòng)態(tài)隨機(jī)一般均衡模型和網(wǎng)絡(luò)模型的建立和求解則要復(fù)雜得多。所以從實(shí)際應(yīng)用的結(jié)果來(lái)看，擴(kuò)展的宏觀經(jīng)濟(jì)模型比動(dòng)態(tài)隨機(jī)一般均衡模型和網(wǎng)絡(luò)模型的應(yīng)用范圍更廣。但從模型對(duì)現(xiàn)實(shí)情況的擬合程度來(lái)看，動(dòng)態(tài)隨機(jī)一般均衡模型優(yōu)于另外兩種模型。由于網(wǎng)絡(luò)模型過(guò)于復(fù)雜、不可以“完全求解”、至少需要對(duì)完全求解方案的假設(shè)進(jìn)行嚴(yán)格的限制，從而削弱了模型的應(yīng)用價(jià)值。隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展和計(jì)量經(jīng)濟(jì)技術(shù)的廣泛應(yīng)用，動(dòng)態(tài)隨機(jī)一般均衡模型將逐步取代擴(kuò)展的宏觀模型和網(wǎng)絡(luò)模型而成為金融穩(wěn)定分析中的主流工具，同時(shí)該模型本身將會(huì)融入更多的子模型，以達(dá)到對(duì)現(xiàn)實(shí)經(jīng)濟(jì)更加貼近的擬合，從而能更好地為現(xiàn)實(shí)的經(jīng)濟(jì)決策和預(yù)測(cè)服務(wù)，對(duì)各國(guó)的種種經(jīng)濟(jì)目標(biāo)的實(shí)現(xiàn)提供一種決策的基準(zhǔn)。

如何根據(jù)中國(guó)社會(huì)背景和特殊的金融制度，構(gòu)建中國(guó)特色的動(dòng)態(tài)隨機(jī)一般均衡模型，用之于中國(guó)金融穩(wěn)定的實(shí)證分析，在此基礎(chǔ)上，提出操作性強(qiáng)的維護(hù)我國(guó)金融穩(wěn)定的政策建議，是亟待解決的問(wèn)題。在理論模型的構(gòu)建上，要借鑒、吸收金融經(jīng)濟(jì)周期模型尤其是動(dòng)態(tài)隨機(jī)一般均衡模型，并在結(jié)合中國(guó)特殊的銀行制度和社會(huì)制度的基礎(chǔ)上，進(jìn)行二次創(chuàng)新，最終構(gòu)建中國(guó)特色的動(dòng)態(tài)隨機(jī)一般均衡模型。具體來(lái)說(shuō)包括兩點(diǎn)，一是在動(dòng)態(tài)隨機(jī)一般均衡模型中引進(jìn)資產(chǎn)價(jià)格，考察資產(chǎn)價(jià)格波動(dòng)通過(guò)“金融加速器”對(duì)企業(yè)投資和居民消費(fèi)的影響，進(jìn)而考察資產(chǎn)價(jià)格波動(dòng)對(duì)宏觀經(jīng)濟(jì)的影響。然后考察企業(yè)投資、居民消費(fèi)等因素所引起的宏觀經(jīng)濟(jì)波動(dòng)對(duì)銀行不良資產(chǎn)率和資產(chǎn)利潤(rùn)率的影響，以此來(lái)考察資產(chǎn)價(jià)格引起的宏觀經(jīng)濟(jì)波動(dòng)對(duì)金融穩(wěn)定的影響。二是對(duì)動(dòng)態(tài)隨機(jī)一般均衡模型的結(jié)構(gòu)進(jìn)行改進(jìn)，主要包括三點(diǎn)。（1）引進(jìn)外援融資依賴度不同（用資產(chǎn)負(fù)債率來(lái)衡量）的兩類企業(yè)。（2）商業(yè)銀行包括三個(gè)，分別代表國(guó)有銀行、股份制銀行和其他銀行，在模型中對(duì)三類銀行賦予不同的權(quán)重，這樣就充分考慮了中國(guó)銀行業(yè)特殊的市場(chǎng)結(jié)構(gòu)及其相互影響機(jī)制這一金融穩(wěn)定的研究核心。（3）中國(guó)的社會(huì)制度具有“二重結(jié)構(gòu)”，即發(fā)達(dá)而富有控制力的國(guó)家上層結(jié)構(gòu)與流動(dòng)性強(qiáng)且分散化的下層結(jié)構(gòu)（張杰，1998）。中國(guó)制度的“二重結(jié)構(gòu)”在金融的表現(xiàn)是中國(guó)金融制度的產(chǎn)生和發(fā)展一開(kāi)始就不是順其自然而進(jìn)化的，而是政治變革和政治需求的產(chǎn)物；更進(jìn)一步，強(qiáng)有力的中國(guó)政府能夠在數(shù)量眾多、極度分散、流動(dòng)性強(qiáng)的下層組織中實(shí)施強(qiáng)制性制度變遷并保持足夠的控制力（勛，2009）。根據(jù)上述分析，在構(gòu)建理論模型時(shí)，應(yīng)該對(duì)政府部門(mén)如中央銀行或銀監(jiān)局和居民賦予不同的決策權(quán)重，這樣，就能夠考察在中國(guó)特殊的社會(huì)制度背景下，中國(guó)企業(yè)、家庭、銀行和政府對(duì)外在金融壓力的不同反應(yīng)方式和不同反應(yīng)程度等中國(guó)特有的因素對(duì)模型均衡結(jié)果的影響。

參考文獻(xiàn)：

［1］Allen，Gale. Financial Contagion［J］.Journal of Political Economy，2000，（2）：5-27.

［2］Beaver， W. Financial Ratios as Predictors of Failure［J］. Journal of Accounting Research，1966，（5）：77-111.

［3］B’ardsen et al. The Econometrics of Macroeconomic Modeling［M］.Oxford University Press，2005.

［4］Bernanke，B.，Gertler ，M.，Gilchrist，S. The Financial Accelerator and the Flight to Quality［J］. The Review of Economics and Statistics，1996，78 （1）：1-15.

［5］Bernanke，B. Nonmonetary Effects of the Financial Crisis in the Propagation of the Great Depression［J］. The American Economic Review，1998，73 （3）：257-276.

［6］Bernanke.B.，Gertler.M.，Gilchrist，S.The Financial Accelerator in a Quantitative Business Cycle Framework ［A］.John，B.T.Woodford，M.HandbookofMacroeconomics［C］.Amsterdam：Elsevier，1999：1-122

［7］Brusco，Castigliones. Liquidity Coinsurance， Moral Hazard， and Financial Contagion［J］.Journal of Finance， American Finance Association，2007，62（5）：2275-2302.

［8］Clark. Analytical Models of Financial Stability［Z］.lectured at the Cass Business School， 2007，（3）.

［9］Crocket. Why Is Financial Stability a Goal of Public Policy?‘Maintaining Financial Stability in a Global Economy’［R］.held in Jackson Hole，Wyoming，August28-30.Economic Review，1997，（4）.

［10］Froyland， Kai Larsen. How vulnerable are financial institutions to macroeconomic changes? An analysis based on stress testing［J］， Economic Bulletin.2002：92-98.

［11］Fong. Stress Testing Banks’ Credit Risk Using Mixture Vector Autoregressive Models［R］. Hong Kong Monetary Authorioty Working Paper，2008.

［12］Goodhart， Charles and Sunirand， Pojanart and Tsomocos， Dimitrios P. A model to analyse financial fragility［P］.Discussion paper， 2004：492-501.

［13］Goodhart et al. A Model to Analyze Financial Fragility［J］.EconomicTheory，2006，（27）：107-142.

［14］Goetz von Peter. Asset prices and banking distress： A macroeconomic Approach［J］.Journal of Financial Stability，2009，（5）：298-319.

［15］Haldane et al. Financial Stability And Bank Solvency［R］.prepared for the Federal Reserve Bank of Chicago International Conference， Chicago Illinois， 2004，（9）.

［16］Houben et al. Toward a Framework for Safeguarding Financial Stability［R］.International Monetary Fund Working Paper，2004.

［17］Issing，O.Monetary and Financial stability：Is there a Trade-off［R］. BIS Papers，No.182003.

［18］Lindquist，Tsomocos. Evaluation of macroeconomic models for financial stability analysis［R］. Working Paper 01， Norges Bank，2006.

［19］Nier et al. Network Models and Financial stability［J］.Journal of Economic Dynamics and Control，2007，31（6）：2033-2060.

［20］Mishkin.Preventing Financial Crises：An International Perspective［D］.The Manchester School of Economic and Social Studies，1994，62：1-40.

［21］Miguel et al. Default， Credit Growth， and Asset Prices［R］.International Monetary Fund Working Paper，2006.

［22］Oriol Aspachs，Goodhart. Towards a Measure of Financial Fragility［D］.Lea ZicchinoBank of England.2006，9.

［23］Roberto Tamborini. A Macroeconomic Model of Bankruptcy. Workshop on Economics with Heteregenous Interacting Agents.Ancona，1997.

［24］Saade et al. An equilibrium approach to financial stability analysis： the Colombian case［J］.Annals of Finance，2007，（3）：75-105.

［25］Sorge.M，Virolainen.K. A comparative analysis of macrostress-testing methodologies with application to Finland［J］. Journal of Financial Stability，2005，（2）：113-151.

［26］Trond Eklund， Kai Larsen ， Eivind Berhardsen. Model for analysing credit risk in the enterprise sector［M］. Economic Bulletin.2001：99-106.

［27］Tsomocos，D.P. Equilibrium analysis， banking and financial instability［J］.Journal of Mathematical Economics，2003，9（5-6）：619-655.

［28］Tsomocos， D.P. Equilibrium analysis， banking， contagion and financial fragility［R］. Bank of England Working Paper No.175，2003.

Reviews and Prospects about Macro Models of Financial Stability Analysis

Tan Zhengxun

（Department of Finance, Jinan University, Guangzhou 510632, China）

篇9

蘭州石化于近年正式投用了汽油在線管道調(diào)合系統(tǒng)，該系統(tǒng)采用在線檢測(cè)NIR近紅外分析儀系統(tǒng)和DCS集散控制系統(tǒng)，實(shí)現(xiàn)在線測(cè)定組份油的辛烷值等質(zhì)量指標(biāo)以及控制管道調(diào)合成品油的質(zhì)量指標(biāo)，隨時(shí)優(yōu)化和控制調(diào)合配方，使調(diào)合后成品油的辛烷值等質(zhì)量指標(biāo)達(dá)到設(shè)定目標(biāo)控制值的一種在線管道優(yōu)化調(diào)合方式，通過(guò)這種調(diào)合方式來(lái)挖掘汽油組份辛烷值的潛力，避免汽油辛烷值超標(biāo)而造成質(zhì)量過(guò)剩的一項(xiàng)新的調(diào)合技術(shù)。

關(guān)鍵詞：在線調(diào)合，NIR近紅外分析儀，模型建立，模型校正

第1章 汽油在線管道調(diào)合的原理

1.1 近紅外線分析儀的工作原理

美國(guó)UOP公司的Guided WaveM412型近紅外光譜在線分析儀采用校正模型技術(shù)來(lái)校正現(xiàn)場(chǎng)樣品波動(dòng)，無(wú)須樣品預(yù)處理系統(tǒng)，能夠滿足上層調(diào)合軟件實(shí)時(shí)監(jiān)控、及時(shí)優(yōu)化的要求。

NIR光譜包含了樣品的大量組成結(jié)構(gòu)信息，樣品性質(zhì)與其組成結(jié)構(gòu)是相關(guān)的，因此根據(jù)樣品NIR光譜可以預(yù)測(cè)樣品的性質(zhì)，其技術(shù)關(guān)鍵在于在兩者之間建立一種定量關(guān)系，依靠這種關(guān)系，就能從未知樣品的NIR光譜求出其性質(zhì)或組成數(shù)據(jù)。建模的大致過(guò)程為：在模型建立時(shí)，選取具有代表性的樣品集，測(cè)定其NIR光譜數(shù)據(jù)，再使用傳統(tǒng)的標(biāo)準(zhǔn)方法測(cè)定其性質(zhì)數(shù)據(jù)，通過(guò)用偏最小二乘法建立的分析模型，對(duì)這些光譜數(shù)據(jù)進(jìn)行分析，從而得到物料的參數(shù)數(shù)據(jù)。在利用NIR進(jìn)行未知樣品分析時(shí)，先測(cè)定其NIR光譜，再根據(jù)已建立的模型來(lái)預(yù)測(cè)未知樣品的性質(zhì)數(shù)據(jù)。

1.2 近紅線分析儀模型建立的過(guò)程

近紅外分析儀模型的建立大致為以下七步：采樣、進(jìn)行光譜分析、按照要求在實(shí)驗(yàn)室對(duì)所有樣品進(jìn)行常規(guī)分析、將實(shí)驗(yàn)室分析值輸入到Spectron軟件的Lab Data中、利用Model Studio軟件對(duì)光譜數(shù)據(jù)進(jìn)行處理、利用Unscrambler軟件進(jìn)行離線建模工作、完成軟件設(shè)定后，運(yùn)行統(tǒng)計(jì)Unscrambler 軟件，建立數(shù)學(xué)模型。在建模型時(shí)，要反復(fù)計(jì)算，去除偏離太大的界外點(diǎn)，建立數(shù)學(xué)模型[1]。

實(shí)際調(diào)合車用汽油時(shí)辛烷值范圍比較寬，這是實(shí)驗(yàn)室對(duì)大量數(shù)據(jù)統(tǒng)計(jì)的反映，從數(shù)學(xué)模型統(tǒng)計(jì)參數(shù)斜率、相關(guān)系數(shù)的計(jì)算結(jié)果可以看出，儀表模型參數(shù)基本滿足生產(chǎn)需要。

采用最簡(jiǎn)單的模型評(píng)價(jià)方法將建好的各參數(shù)模型安裝到M412的Spectron軟件中。在線校正模型應(yīng)用到在線分析后，需要對(duì)模型的準(zhǔn)確性進(jìn)行驗(yàn)證和校正。在調(diào)合過(guò)程中，對(duì)組份和調(diào)合總管進(jìn)行采樣分析，對(duì)不理想的近紅外模型加以校正和更新。

我們之所以要對(duì)模型校正，就是為了讓在線調(diào)合系統(tǒng)的“眼睛”能夠準(zhǔn)確的看到油品的性質(zhì)，為系統(tǒng)拿出最佳調(diào)合方案奠定基礎(chǔ)，從而實(shí)現(xiàn)降低汽油調(diào)合成本，調(diào)合出清潔化的汽油產(chǎn)品。

第2章 以93號(hào)汽油為例分析模型校正

2.1在線調(diào)合93號(hào)車用汽油性能指標(biāo)分析

實(shí)驗(yàn)室采集分析的93號(hào)汽油數(shù)據(jù)比較多，為了便于分析對(duì)比模型校正的意義，這里用93號(hào)汽油在線優(yōu)化調(diào)合的情況做分析對(duì)比。辛烷值數(shù)據(jù)分析儀顯示分別是：93.25、93.09、93.53、92.58、92.88、92.19、93.26、93.42；實(shí)驗(yàn)室數(shù)據(jù)為：92.3、92.2、93、92.8、93.4、93.1、93.5、93.6；數(shù)據(jù)誤差值依次為0.95、0.89、0.53、-0.22、-0.52、-0.91、-0.24、-0.18[2]。

93號(hào)汽油的研究法辛烷值從以上數(shù)據(jù)可以看出，實(shí)驗(yàn)室分析數(shù)據(jù)變化趨勢(shì)比較大，而近紅外分析儀采集數(shù)據(jù)的變化趨勢(shì)相對(duì)小些。但是從裝置出來(lái)的油品辛烷值稍有波動(dòng)時(shí)分析儀的測(cè)量誤差會(huì)很大。當(dāng)調(diào)合出的93號(hào)汽油辛烷值質(zhì)量過(guò)剩時(shí)，近紅外線分析儀的測(cè)量值才與實(shí)驗(yàn)室分析數(shù)據(jù)相接近。當(dāng)油品辛烷值略低于質(zhì)量要求時(shí)，分析儀測(cè)量誤差會(huì)增大，而且是正偏差。測(cè)量模型極其不穩(wěn)定，測(cè)量值忽大忽小。最大差值0.95，最小差值0.18，平均誤差0.555。平均誤差比較大。需要及時(shí)校正模型以滿足生產(chǎn)的需要。

93號(hào)汽油的馬達(dá)法辛烷值近紅外分析儀采集數(shù)據(jù)的變化趨勢(shì)與實(shí)驗(yàn)室分析數(shù)據(jù)變化趨勢(shì)基本相似。但分析儀的測(cè)量值高于實(shí)驗(yàn)室分析值。以調(diào)合的情況看，93號(hào)汽油馬達(dá)法辛烷值趨近于83，相對(duì)實(shí)驗(yàn)室分析數(shù)據(jù)一般呈現(xiàn)正偏差。最大差值0.8，最小差值0.4，平均誤差0.613。平均誤差比較大。

2.2校正模型后在線調(diào)合93號(hào)車用汽油性能指標(biāo)分析

針對(duì)模型存在的問(wèn)題，對(duì)模型進(jìn)行了校正工作。下面是模型校正后測(cè)量的93號(hào)汽油的性能指標(biāo)分析。分析儀數(shù)據(jù)分別是：92.57、92.48、92.51、92.27；實(shí)驗(yàn)室數(shù)據(jù)為：92.3、92.3、91.8、92.4；數(shù)據(jù)誤差值分別為：0.27、0.18、0.71、-0.13[2]。

從以上數(shù)據(jù)可以看出，模型校正后近紅外分析儀測(cè)量的93號(hào)汽油研究法辛烷值與實(shí)驗(yàn)室分析的數(shù)據(jù)較吻合，總體上近紅外分析儀測(cè)量的數(shù)據(jù)略高，但模型校正后研究法辛烷值測(cè)量誤差明顯比以前減小，正負(fù)偏差均接近零刻度線。最大差值0.71，此點(diǎn)的誤差明顯遠(yuǎn)遠(yuǎn)的大于其它點(diǎn)的誤差。經(jīng)分析造成分這點(diǎn)誤差偏大的原因是：①化驗(yàn)室在抽樣檢驗(yàn)分析時(shí)產(chǎn)生了嚴(yán)重的隨機(jī)誤差；②調(diào)合時(shí)生成油的辛烷值比正常偏小導(dǎo)致超出了該模型參數(shù)相關(guān)圖的精確測(cè)量段。最小差值0.13，平均誤差0.193（拋除了最大偏離點(diǎn)得出的結(jié)果）。平均測(cè)量誤差減小為原來(lái)的35%?；旧蠞M足生產(chǎn)的需要。

第3章 結(jié)論

通過(guò)93號(hào)車用汽油的質(zhì)量指標(biāo)對(duì)比分析，可以看出近紅外分析儀模型的好壞對(duì)在線系統(tǒng)能否嚴(yán)格控制汽油質(zhì)量的重要性。在沒(méi)有改變?cè)诰€調(diào)合系統(tǒng)設(shè)備的前提下，僅對(duì)近紅外線的測(cè)量模型做了一次校正便使93號(hào)汽油的研究法辛烷值誤差降低到了0.193。

上述的綜合對(duì)比可以看出隨著模型的不斷校正，分析儀測(cè)量的誤差越來(lái)越小。從93號(hào)汽油的調(diào)合情況來(lái)看，新建立的分析儀模型校正了以往研究法辛烷值模型不穩(wěn)定的現(xiàn)象，研究法辛烷值測(cè)量誤差在≤±0.3以內(nèi)的占到了75%；馬達(dá)法辛烷值測(cè)量誤差基本控制在≤±0.3以內(nèi)。

模型的完善和檢驗(yàn)是一個(gè)長(zhǎng)期工作，隨著調(diào)合項(xiàng)目的深入，模型會(huì)越來(lái)越完善，能夠?yàn)樵诰€調(diào)合提供可靠保障，使系統(tǒng)提高一次調(diào)合成功率并降低調(diào)合成本。（作者單位：蘭州石化公司）

參考文獻(xiàn)：

篇10

關(guān)鍵詞：近紅外光譜分析技術(shù)：過(guò)程控制；固體制劑

中圖分類號(hào)：R927.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)；1672―979x(2012)03，0139一05

2004年，美國(guó)食品與藥品管理局開(kāi)始大力推行“過(guò)程分析技術(shù)(PAT)”理念，促使全球藥品制造行業(yè)向著更具有高科技含量的生產(chǎn)管理方式發(fā)展。近紅外光譜分析技術(shù)(N／R)以其快速、無(wú)損的特點(diǎn)成為PAT和參數(shù)放行的重要組成部分，是幫助制藥企業(yè)實(shí)現(xiàn)此理念的有效工具。

近紅外光譜是指介于中紅外與可見(jiàn)光之間的電磁波，美國(guó)材料檢測(cè)協(xié)會(huì)(American Society for Testing andMaterials，ASTM)將其波長(zhǎng)定義為780~2500 nm，主要反映了c.H,O―H,N―H等含氫基團(tuán)的倍頻與合頻吸收。NIR已廣泛應(yīng)用于農(nóng)業(yè)、石油和煙草等行業(yè)各生產(chǎn)過(guò)程的分析控制。在制藥領(lǐng)域，NIR在化學(xué)合成、晶型轉(zhuǎn)換、生化工藝中也被廣泛應(yīng)用。目前藥物固體制劑的生產(chǎn)過(guò)程控制大都依靠經(jīng)驗(yàn)，很多關(guān)鍵技術(shù)環(huán)節(jié)對(duì)員工素質(zhì)和數(shù)量要求苛刻。NIR引入藥物生產(chǎn)，可以降低對(duì)勞動(dòng)力的要求，提高工作效率和產(chǎn)品質(zhì)量，降低生產(chǎn)成本。本文主要針對(duì)固體制劑中的關(guān)鍵單元操作，介紹NIR的應(yīng)用進(jìn)展。

1 NIR在固體制劑生產(chǎn)單元操作中的應(yīng)用

1.1粉末混合過(guò)程檢測(cè)

粉末混合是藥物生產(chǎn)過(guò)程中的關(guān)鍵單元操作。只有將活性物質(zhì)(API)與藥用輔料充分混合均勻，才能保證生產(chǎn)質(zhì)量合格的藥物制劑。此操作單元在粉末直接壓片和粉末直接裝膠囊的技術(shù)工藝中顯得尤為重要。混臺(tái)過(guò)程由3種不同的運(yùn)動(dòng)形式綜合組成：　(1)擴(kuò)散，即顆粒之間相互運(yùn)動(dòng)；　(2)對(duì)流，即大量顆粒之間相互運(yùn)動(dòng)；　(3)切變，即物料層之間重新分布。其目的是保證整個(gè)混合過(guò)程完成后，各組分的含量分布達(dá)到均一?；旌蠒r(shí)間過(guò)短或者過(guò)長(zhǎng)，都會(huì)造成不同成分之間的混合不均勻。因此，需要有效的檢測(cè)手段判斷藥物的混合終點(diǎn)并研究藥物混合過(guò)程的潛在機(jī)制。

判斷混合終點(diǎn)的傳統(tǒng)方法，如高效液相色譜法(HPLC)、紫外可見(jiàn)吸收光譜法(UV-Vis)等，均需要完全停止混合操作后才能取樣檢測(cè)，不僅效率較低，采樣破壞了混合粉末原體系的均勻度，而且只針對(duì)API檢測(cè)，無(wú)法判斷其他輔料的混合均勻度。NIR則克服了這些缺陷。通過(guò)安裝在混合機(jī)械上的近紅外光譜采集設(shè)備，連續(xù)記錄不同混合時(shí)間內(nèi)混合物的近紅外光譜。利用計(jì)算機(jī)數(shù)學(xué)模型分析計(jì)算采集的一系列近紅外光譜，得到物料混合的有關(guān)過(guò)程參數(shù)。這些參數(shù)對(duì)深入研究混合過(guò)程的潛在機(jī)制具有重要意義。

目前，已有文獻(xiàn)利用不同的計(jì)算方法分析混合過(guò)程中采集的近紅外光譜，大體可以分為兩類：需要建立數(shù)學(xué)模型的定量分析方法和無(wú)需建模的定性分析方法。

移動(dòng)窗口標(biāo)準(zhǔn)偏差法是較典型的無(wú)需建模的分析方法。收集藥物特征區(qū)間不同時(shí)段的近紅外光譜，計(jì)算標(biāo)準(zhǔn)偏差(sD)。當(dāng)SD值接近零時(shí)即判定藥物混合均勻。MoesN優(yōu)化移動(dòng)窗口標(biāo)準(zhǔn)偏差法，以藥物的特征光譜區(qū)間代替全光譜區(qū)間，以相對(duì)標(biāo)準(zhǔn)偏差(RSD)代替SD計(jì)算。不僅使分析結(jié)果更加準(zhǔn)確，而且混合物的光譜數(shù)據(jù)較易與其他檢測(cè)方法所得數(shù)據(jù)比較。Ely利用NIR檢測(cè)低含量藥物混合的均勻度。首先將連續(xù)采集的近紅外光譜轉(zhuǎn)換標(biāo)準(zhǔn)正態(tài)變量，以減小藥物不同物理狀態(tài)的影響；然后找出藥物特征區(qū)間計(jì)算藥物的最低檢測(cè)限，利用多元變量模型將藥物的最低檢測(cè)限精確到3％以內(nèi)。KollerTM進(jìn)行了混合均勻度定量研究實(shí)驗(yàn)，采集不同主藥含量梯度的樣品光譜，運(yùn)用多元散射校正和標(biāo)準(zhǔn)正態(tài)變量對(duì)光譜優(yōu)化。在定量過(guò)程中遇到近紅外光譜非線性情況，運(yùn)用偏最小二乘法建立計(jì)算機(jī)輔助模型，根據(jù)混合物中藥物含量變化判斷混合終點(diǎn)。Puchert發(fā)明了主成分得分距離分析法(PC-SDA)檢測(cè)藥物混合均勻度。在主成分分析法的基礎(chǔ)上計(jì)算混合過(guò)程不同時(shí)間點(diǎn)主成分得分的歐幾里得距離，以獲得光譜差異小于預(yù)設(shè)值的時(shí)間窗口。利用光譜得分設(shè)置連續(xù)光譜之間SD值上限，通過(guò)差異值較小的光譜數(shù)據(jù)確定混合終點(diǎn)區(qū)間，并創(chuàng)新地利用霍特林T2統(tǒng)計(jì)量驗(yàn)證了PC.SDA。

1.2制粒過(guò)程檢測(cè)

制粒過(guò)程是為了增加藥物的流動(dòng)性和可壓性，確保藥物含量均勻。不同性質(zhì)的藥物和制劑處方會(huì)對(duì)顆粒大小和含水量有不同的要求。

濕法制粒過(guò)程可以分成3種同時(shí)存在的不同狀態(tài)：(1)藥物粉末被黏合劑潤(rùn)濕成核；　(2)顆粒之間相互碰撞聚集增大；　(3)沖撞、磨損、擠壓作用使顆粒破裂。研究制粒機(jī)制有利于控制制粒生產(chǎn)過(guò)程，減少批量生產(chǎn)中的錯(cuò)誤，保障規(guī)?；a(chǎn)以及工藝傳遞時(shí)成功率。目前，尚需提高的是尋找合適的分析方法分析和驗(yàn)證這些研究理論。以往最常使用的HPLCNUV-Vis可檢測(cè)到藥物含量，但是無(wú)法得到上述潛在過(guò)程的相關(guān)信息。

NIRW以不間斷地在線分析濕法制粒的操作過(guò)程，詳細(xì)采集此過(guò)程的有效信息，以能為粒度變化、含水量變化和藥物之間相互作用等提供光譜數(shù)據(jù)，為以往的理論假設(shè)提供數(shù)據(jù)支持。

Li研究了NIR檢測(cè)流化床制粒過(guò)程。以乳糖和微晶纖維索為輔料同時(shí)加入主藥，流化床頂噴制粒。采集制粒過(guò)程的不同階段代表藥物粒度和主藥含量變化的近紅外光譜，用HPLC檢測(cè)出不同階段藥物含量的一級(jí)數(shù)據(jù)，用篩分法得到不同階段顆粒粒度數(shù)據(jù)，然后分析未經(jīng)預(yù)處理的藥物主成分近紅外光譜，得出不同粒度顆粒對(duì)主藥含量的影響。Miwa建立二元混合物濕法制粒模型。根據(jù)水分子對(duì)近紅外光譜的強(qiáng)烈吸收分析藥物制粒時(shí)的近紅外光譜。將分析結(jié)果代入公式定量得出水分分布真實(shí)值，進(jìn)而研究各種賦形劑對(duì)水不同的吸附能力，確定不同處方制粒時(shí)所需水量的上限與下限。Alcala透過(guò)流化床側(cè)壁的玻璃窗口，在線采集制粒過(guò)程的近紅外光譜。以干燥失重法、篩分法量和量筒測(cè)量法得到顆粒相關(guān)性質(zhì)的一級(jí)數(shù)據(jù)后，利用主成分分析法處理光譜數(shù)據(jù)建立模型，偏最小二乘法建立定量模型。從而在線監(jiān)測(cè)含水量、粒度分布及顆粒松密度的實(shí)時(shí)變化。Nieuwmeyer等Hartllng等也是利用NIR檢測(cè)顆粒含水量，從而優(yōu)化濕法制粒條件并確定制粒終點(diǎn)。

1.3干燥過(guò)程檢測(cè)

干燥過(guò)程的條件和效率影響著終產(chǎn)物的質(zhì)量。在有些藥物的生產(chǎn)過(guò)程中，干燥這一操作單元甚至?xí)蔀檎麄€(gè)生產(chǎn)流程的瓶頸。所以需選擇一個(gè)先進(jìn)的技術(shù)手段判斷完整的干燥過(guò)程的終點(diǎn)。

藥物干燥常用的幾種方法有：　(1)流化床干燥；(2)真空干燥；　(3)微波干燥；　(4)冷凍干燥；(5)熱噴霧干燥。常用的判斷干燥終點(diǎn)的技術(shù)有：　(1)干燥失重法：　(2)卡爾費(fèi)休庫(kù)侖法；　(3)頂空氣相色譜法㈣。這些離線分析方法均需破壞干燥過(guò)程的真空狀態(tài)才

能取樣。由于近紅外光譜對(duì)水分子中的O-H鍵具有強(qiáng)烈的特征吸收，所以可以對(duì)上述干燥過(guò)程進(jìn)行在線無(wú)損檢測(cè)。

De Beer等將近紅外光譜儀通過(guò)光纖探針與冷凍干燥儀連接，探針與藥物并不直接接觸，從而避免了藥物干燥過(guò)程的污染。研究者將采集的近紅外光譜分為結(jié)晶時(shí)的光譜數(shù)據(jù)和升華干燥時(shí)的光譜數(shù)據(jù)兩類，然后利用主成分分析法和多元曲線分辨等化學(xué)計(jì)量學(xué)方法計(jì)算分析所采光譜，從而判斷藥物冷凍干燥的終點(diǎn)以及藥物在凍干過(guò)程中相關(guān)的理化性質(zhì)。Chablani研究了流化床干燥。利用卡氏庫(kù)侖法測(cè)量一級(jí)數(shù)據(jù)，對(duì)干燥過(guò)程中采集的近紅外光譜進(jìn)行一階導(dǎo)數(shù)平滑以減小粒度，溫度和基線漂移的影響，偏最小二乘法建立數(shù)學(xué)模型。以此模型研究得出當(dāng)流化床進(jìn)風(fēng)溫度在35~55℃時(shí)，溫度變化與藥物含水量線性相關(guān)。Airaksinen~t19]以NIR研究不同藥物對(duì)水分吸附的性質(zhì)，繪制了水分的吸附等溫線，并且驗(yàn)證了有關(guān)相轉(zhuǎn)換的相關(guān)研究?jī)?nèi)容。

相對(duì)于傳統(tǒng)分析方法，NIR是一種更加符合GMP規(guī)范的現(xiàn)代化技術(shù)手段。它不但節(jié)省了檢測(cè)時(shí)間，還減少了購(gòu)買(mǎi)昂貴的干燥器檢測(cè)附件的費(fèi)用。通過(guò)近紅外光譜的深入分析研究，還可定量確定藥物水分殘留，這一點(diǎn)對(duì)有些藥物至關(guān)重要。例如Dreassi對(duì)鹽酸甲胺呋硫片劑的含水量進(jìn)行定量研究。Berntsson則是對(duì)明膠膠囊的含水量做了相應(yīng)研究。兩者均應(yīng)用多元線性回歸和偏最小二乘法建立數(shù)學(xué)模型。

1.4包表過(guò)程撿測(cè)

藥物片劑經(jīng)常需要在最外層包被衣膜以隔離片心與外界環(huán)境之間的接觸，以起到掩蔽不良?xì)馕?，減少在藥物制劑包裝過(guò)程中的磨損，控制藥物釋放速率，防潮，避光等作用。而衣膜的實(shí)際作用與它的厚度和均一度密切關(guān)聯(lián)。如果包衣層過(guò)薄，將不能滿足保護(hù)藥物完整性和緩控釋釋放的要求；反之則會(huì)延長(zhǎng)藥物崩解和溶出的時(shí)間，耗費(fèi)時(shí)間和包衣材料。NIR可以在線檢測(cè)包衣厚度，可以保障產(chǎn)品質(zhì)量并且更深入的研究包衣過(guò)程。這一點(diǎn)與過(guò)程分析技術(shù)的主要目的之一“加深對(duì)藥品生產(chǎn)過(guò)程的理解”是相契合的。

Kirsch指出包衣過(guò)程中藥物近紅外光譜的變化是由于包衣層吸收增加以及片芯吸收減少引起。以主成分分析法對(duì)包衣厚度建模，模型標(biāo)準(zhǔn)校準(zhǔn)誤差與標(biāo)準(zhǔn)預(yù)測(cè)誤差分別為0.000 2英寸和0.000 24英寸。Buchanan等利用HPLC檢測(cè)藥物包衣層活性物質(zhì)含量的一級(jí)數(shù)據(jù)，對(duì)采集的光譜分別以主成分分析法和偏最小二乘法建立定性、定量模型，檢測(cè)包衣過(guò)程。Lee等將流化床包衣機(jī)與近紅外光譜儀通過(guò)光線探針連接，在線采集小丸包衣操作時(shí)的近紅外光譜。將激光掃描共聚焦顯微鏡薄膜分析得到的結(jié)果做一級(jí)數(shù)據(jù)，以偏最小二乘法建立數(shù)學(xué)模型，相關(guān)系數(shù)達(dá)到0.995。以此模型在線檢測(cè)小丸包衣厚度，并判斷包衣終點(diǎn)。Tabasi等用NIR檢測(cè)聚丙烯樹(shù)脂聚合物包衣厚度變化，以及藥物溶出度。文中指出，將兩種型號(hào)的聚丙烯樹(shù)脂混合作為包衣材料，并按不同比例配置包衣粉。以規(guī)定時(shí)間內(nèi)藥物溶出度及包衣過(guò)程中不同階段時(shí)的衣膜厚度作為一級(jí)數(shù)據(jù)，先對(duì)樣品近紅外光譜進(jìn)行主成分分析，研究樣品各變量之間的相關(guān)性，然后通過(guò)偏最小二乘法建立數(shù)學(xué)模型。2展望

本文概述了NIR在固體制劑領(lǐng)域的應(yīng)用。相比以往的技術(shù)手段，NIR在過(guò)程控制方面具有快速、無(wú)損、樣品預(yù)處理簡(jiǎn)單、可以在線監(jiān)控的優(yōu)勢(shì)。NIR可以細(xì)致地分析每個(gè)技術(shù)環(huán)節(jié)，為先進(jìn)的理論提供充足的基礎(chǔ)資料。“質(zhì)量源于設(shè)計(jì)”以及實(shí)時(shí)參數(shù)放行的理念也要求使用更先進(jìn)的分析工具幫助人們加深對(duì)生產(chǎn)過(guò)程的理解，以便設(shè)計(jì)出更合理的藥物生產(chǎn)工藝路線。所以在藥品生產(chǎn)過(guò)程中，N1R將會(huì)逐步普及，并成為一項(xiàng)常規(guī)的質(zhì)量檢測(cè)手段為人們的用藥安全提供堅(jiān)實(shí)的保障。