投资回报率论文范文

关键词： 决策 处置 投资 回报率

今天小编为大家推荐《投资回报率论文范文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。2008年之后的十几年里，中国货币数量供给的平均增速在13%以上，但相同阶段并没有出现持续的通胀压力，有部分时间还出现了PPI持续通缩的情况。这可看出中国的通胀水平与货币增速之间相关性并不强。

第一篇：投资回报率论文范文

基于安全投资回报率模型（ROSI）的风险处置决策方法研究

[摘 要] 基于已有的投资回报率(ROI)计算公式，提出了可以用于风险处置过程中决策支持的安全投资回报率模型(ROSI)，并详细讨论了该模型中变量的数据来源，结果表明，该模型对组织安全资产投资决策可以提供良好的支持。

[关键词] 风险评估;风险处置;投资回报率;安全投资回报率

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 031

0 引 言

信息安全风险评估是信息安全管理中的重要环节，评估采用系统化的流程，从识别资产开始，到识别威胁、脆弱性及现有的控制措施，从而估算风险发生的可能性和影响级别，最后得到风险值的大小，其结果实际上是一个相对的等级列表(rank)[1-5]，随后的信息安全风险处置过程，则是根据这个相对的风险等级列表选择减缓、接受、规避或转移等选项[6]。

但对组织的决策者而言，仅仅根据风险的相对大小列表，实际上只能决定资源调配的优先级，并不能对某个具体风险是否进行处理这类决策有所帮助[7]。例如，信息安全风险评估的结果显示，没有IDS(入侵检测系统)使核心业务系统的风险值为70(满分为100，70划入中风险区域)。这可能告诉决策者应该着手处理这个风险，但不是最重要的。以组织目前的规模，购买IDS 的价格可能为30万元，那么这30万元的支出是否值得，就必须进行系统分析并确定风险造成的损失到底有多大，需要确定实际的财务价值，而不仅仅是用高、中或低的模糊序列概念来定义。

公司的决策者在选择购买技术设备后用于服务的时候，通常会以投资回报率、现金净流量等方法衡量技术设备购买支出的必要性，此时技术人员应该提供信息安全投资影响企业收益的安全度量数据。如果解决方法的支出大于风险处置的支出时，信息安全应对方法是没有实施必要的，选择风险接受可能就是最优的风险处置决策。本文借鉴传统的投资回报率模型(Return On Investment， ROI)，提出了安全投资回报率(Return On Security Investment， ROSI)计量模型，并对各个输入变量的计算方法做详细的讨论，为组织信息安全决策者及信息安全服务商提供了更为直观的决策依据。

1 安全投资回报率(ROSI)模型

目前，公司决策者在评估选择投资战略的时候大多采用ROI(投资回报率)模型判断公司资金支出获得的收益回报率，见式(1)。ROI模型首先要判断资金支出后的获得预期收入金额，其次就是确定需要的投资成本，在不考虑资金的时间价值前提下，最终确定投资回报的收益率。

ROI=■×100%(1)

ROI模型在引进新技术及新技术升级换代方面同样具有应用价值，但是信息安全的预期收益并不像其他收益能够清晰地体现在财务数据的增长上，信息安全技术和服务的目的是避免信息安全事件发生的可能性，具体到财务数据上表现为避免公司财务损失可能性，而不是表现为财务数据的增长[8-9]。因此，信息安全的投资收益回报率的预期收益应该表现为风险预期损失与信息安全风险降低预期比率的乘积，信息安全投资收益回报率可以表述为式(2)。

ROSI=■×100%(2)

案例：某组织的某资产价值为100 000元，一场意外火灾可能损坏其价值的25%，那么火灾的单一风险预期损失为25 000元。按照经验统计这种火灾一般每5年发生一次，那么年发生次数即为1/5，年预期损失为元。

公司可以购买干粉灭火器和火警预警器来降低火灾的发生概率或损害程度。假设购买成本为6 000元，寿命为3年，不需要额外的维护费用。那么年度安全控制支出本为2 000元(6 000/3)。

实施控制后，火灾的损坏程度将为5%，而发生的次数降为1/10次，那么单一风险预期损失将降低为5 000元(100 000*5%)，年预期损失为元。

在不考虑关联风险的情况下，其安全投资回报率计算如下：

ROSI=■=125%

从125%的安全投资回报率来看，这个安全控制措施是可以实施的。但是在ROSI的计算过程中存在以下问题：

(1)风险预期损失数据如何获取?目前风险预期损失数据并没有统一的标准，保险索赔、学术研究以及一些独立数据调查公司会零星地发布信息安全事件损失的报告，但大多仅仅汇报信息安全事件事后统计的损失平均值[10]，对发生概率则多只有定性的判断，因此，组织需要计算风险预期损失。

(2)安全控制支出如何获取?虽然安全控制会集中的表现为产品或服务采购，合同额明确，但是安全控制一般不会只针对单一产品的单一风险，不能直接对应到风险预期损失上去，可以选择分解合同金额进行分配，或者将安全控制所影响的风险预期损失进行整合。前者的分配比例显然难以确定，因此，本研究选择后一种方法，式(2)转变为：

ROSI=■(3)

2 风险预期损失的量化

2.1 年度预期损失(ALE)法

在风险预期损失的量化(或信息安全风险评估定量化)领域，文献[11]引入了层次分析法、信息熵、神经网络以及小波分析，文献[12]引入了免疫进化算法、基于区间数和理想点法的决策技术，决策实验和评价实验室法、模糊理论和群体决策法，文献[13]引入了贝叶斯概率风险分析，类似文献还有文献[14-16]等，但上述文献多关注风险的计算过程，并未过多关注数据来源，而数据来源的定量化才是最关键的环节。文献[17]提出了一个利用软件漏洞的网络攻击行为所导致的系统宕机风险模型，在这个模型中，利用MX/G/1队列来预计宕机时间，用脆弱性矩阵和配置矩阵计算攻击发生的可能性，该模型是目前比较好的量化思路，但是该文献的目的是探讨软件多样化所带来的优势，因此应用范围非常窄，对量化的风险处置决策研究贡献有限。

目前，信息安全行业内比较认可的风险预期损失的模型为ALE(Annual Loss Expectancy， ALE)法[17]，即年度预期损失法。

ALE=■SLE[i]×ARO[i](4)

式中，n为单次风险所影响的资产数量;SLE(Single Loss Expectancy)为单一风险预期损失;ARO(Annual Rate of Occurrence)为年度发生率。

单一风险预期损失又可以细化为资产价值与单一风险的破坏程度的乘积，由于对于组织而言，n是确定的客观数据，式(4)的未知参数为：①资产价值;②破坏程度;③年度发生率。

2.2 几个主要参数的确定

资产的价值不是资产的购置价或者账面价，而是基于对业务的重要性计算出来的虚拟价值。可以认为待评估资产的价值是通过信息安全的途径造成了影响组织业务的假设价值。对于如何参考财务账面价值来得到资产在信息安全中的价值并没有现成的公式可以用。文献[7]中使用美国证券交易委员会(SEC， US Security Exchange Commission)在Staff Accounting Bulletin No. 99(99号专职会计公告)中认可的一般准则，引用参考的一般准则是财务报告净收入值的 5%。按照这个指导原则，如果组织每年约有 20 000 000元的净收入，重要资产可以被指定为1 000 000元的价值。

破坏程度和年度发生率经验数据可以从以下途径获取[7]：

(1)通过组织中发生过的历史信息安全事件报告或记录，统计各种发生过的威胁和其发生频率;

(2)在评估对象的实际环境中，通过IDS等系统获取的威胁发生数据的统计和分析，各种日志中威胁发生的数据的统计和分析;

(3)过去一年或两年来国际公司(如Symantec)或机构(例如：CERT和CNCERT等)、业务关联公司发布的对于整个社会或特定行业安全威胁及其发生频率的统计数据。

2.3 实施前/后风险预期损失

实施前的风险预期损失要根据风险评估的结果及建议的控制措施进行估算，并以此作为风险处置选项的依据，而实施后的风险预期损失则根据残余风险进行估算。

3 安全控制支出的量化

3.1 成本的组成

最明确的安全控制支出表现为产品或服务采购合同，但是安全控制支出的总金额肯定不仅仅表现为合同额，其他相关的因素也应该纳入考虑。当然，安全控制支出的量化除了合同额之外的部分，可能含有一定的主观因素。

文献[17]认为信息系统是信息技术和人类行为的结合体，所以产品的部署会带来的一系列问题，都应该考虑在内。这其中可能包括购买成本、实施成本、持续维护成本、通信成本、培训成本和检查验证有效性的成本等[4，18]。

3.2 购买和实施成本

购买成本在ROSI模型中指产品或服务的合同金额，也是最普遍被认识到的成本。如果安全控制不需要产品，而需要第三方服务，这时候购买成本就体现为服务购买成本。

实施成本指安装或维护所带来的人工成本。某些控制措施可能需要大量的人力来进行正确的指定、设计、测试和部署。

3.3 维护与通信成本

维护成本与新控制措施的持续活动有关，例如管理、监控和维护。这需要考虑：任务需要多少人参与?每周(或每月、每年)需要多少时间?这些成本都需要进行尽量精确的考虑，甚至某些时候比购买成本更加巨大，尤其是咨询服务，更应该注意，内部人员的时间成本必须进行考虑，例如：信息安全规划咨询等。

通信成本与向用户通知新的策略或程序有关。对于只有几百名员工的组织而言，如果组织为其服务器机房安装了电子锁，向 IT 员工和高级经理发送几封电子邮件可能已经足够。 但是对于任何部署智能卡的组织而言，例如，在分发智能卡和读卡器之前、期间和之后，将需要大量的通信，因为用户将必须学习全新的计算机登录方式，并且毫无疑问，会遇到大量新的或不可预计的情形。

3.4 培训成本

这些成本与需要实施、管理、监控和维护新控制措施的员工有关。组织内的各个小组肩负不同的责任，因此需要不同类型的培训。例如：帮助台员工必须知道如何帮助最终用户解决常见问题，例如智能卡或读卡器损坏以及忘记 PIN码;桌面系统支持人员必须知道如何安装、疑难解答、诊断和更换智能卡读卡器等。

此外，培训成本可能不但与员工相关，还可能涉及到用户，需要支付用户培训成本。

3.5 有效性检验成本

安全控制应该称为一个有效的闭环，就必须有检验和持续改进的过程。组织必须能够证明没有人已经无意地或恶意地修改或禁用控制措施，并且必须确定由谁负责此验证工作。 对于极其敏感的资产，有必要由多人负责验证结果。这些都会增加额外的成本支出。

4 考虑净现值以及其他因素

由于资金使用是有时间价值的，因此在一般的投资收益率测算过程中，应该考虑其时间价值，以努力实现收益计算的最大化和精确化。在信息安全投资决策中，由于其损失本来就是潜在的，而且随着计算机的使用时间，这种潜在损失的发生率会越来越显著，因此在决策时，需要考虑净现值NPV(Net Present Value)等更多因素。由于本文的重点是初步建立ROSI模型，因此净现值等因素不是本研究考虑的重点，这将在后续研究中继续讨论。

5 确定风险处置选项

计算安全投资回报率的最终目的是为了给决策者提供者提供决策依据，在本研究中沿用文献[6]中给出的风险处置选项：风险减缓、风险接受、风险规避和风险转移。例如，在本文案例中，如果选择干粉灭火器和火警预警器是作为风险减缓的选项，也可以采取资产托管的方式，即将重要设备托管到写字楼的统一机房中，假设租费为2 000元/年，这样该资产的风险就被转移到写字楼物业，在不考虑关联风险的情况下，其安全投资回报率计算如下：

ROSI=■=150%

在本案例中，风险减缓的ROSI值为125%，风险转移的ROSI值为150%，显然应该选择后者。

无论选择上述4个选项中的哪一项，由于控制前风险预期损失用的值都是一致的，因此就决策选择而言，控制前风险预期损失不会影响风险处置选项的选择过程，这是本模型的一个重要优势。

6 结束语

为了解决信息安全风险处置阶段的投资决策问题，本文给出了基于投资回报率(ROI)改进的安全投资回报率(ROSI)模型，ROSI模型是基于财务的风险价值测算模型，作为目前通用的六因素(资产、威胁、脆弱性、控制措施、可能性和影响)信息安全风险评估方法的辅助。计算过程中主要依据安全控制实施前后的风险预期损失差额和安全控制支出的估算值的比较，首先，ROSI模型是全定量数据模型，可以直观地表达投资与回报的比率，有利于组织快速做出投资决策;其次，该模型中数据来源相对比较客观，而且有效地利用了专家知识库数据，有利于组织做出正确的投资决策;最后，该模型中利用了风险预期损失在控制措施实施前后的差额，使得ROSI模型在使用过程中，实际上取决于风险处置选项的比较值，而不是绝对值，使投资决策更加准确有效。

主要参考文献

[1]ISO/IEC. ISO/IEC 27005：2011 Information Security Risk Management [S]. 2011.

[2]NIST. NIST Special Publication 800-30 Revision 1. Guide for Conducting Risk Assessments [S]. 2011.

[3]Alberts Christopher， Dorofee Audrey， James Stevens，etc.Introduction to the OCTAVE ■ Approach[EB/OL]. http：//www.cert.org/octave/approach_intro.pdf.

[4]Microsoft. the security risk management guide1.1[R].2004.

[5]GB/T 20984-2007 信息安全风险评估规范[S].2007.

[6]ISO/IEC. ISO/IEC 27001：2005 Information Security Management System Requirments[S]. 2005.

[7]赵战生，谢宗晓. 信息安全风险评估概念、方法与实践[M]. 北京：中国标准出版社，2007.

[8]M Bishop.计算机安全学[M].王立斌，译. 北京：电子工业出版社，2005.

[9]谢宗晓.信息安全管理体系实施指南[M].北京：中国标准出版社，2012.

[10]W Sonnenreich，J Albanese，B Stout. Return on Security Investment (ROSI)： A Practical Quantitative Model [J]. Journal of Research and Practice in Information Technology，2005， 38(1)： 45-56.

[11]赵冬梅. 信息安全风险评估量化方法研究[D]. 西安：西安电子科技大学，2007.

[12]黄景文. 基于知识的信息安全风险评估研究[D].沈阳：东华大学，2008.

[13]谷勇浩. 信息系统风险管理理论及关键问题研究[D]. 北京：北京邮电大学，2007.

[14]程建华. 信息系统管理、评估与控制研究[D]. 长春：吉林大学，2008.

[15]李志伟. 信息系统风险评估及风险管理对策研究[D]. 北京：北京交通大学，2010.

[16]彭俊好. 信息安全风险评估及网络蠕虫传播模型[D].北京：北京邮电大学，2007.

[17]Chen，et al. Correlated Failures， Diversification， and Information Security Risk Management [J].MIS Quarterly，2011，(35：2)：397-422.

[18]谢宗晓，刘振华，张文卿. VaR法在信息安全风险评估中的应用探讨[J]. 微计算机信息，2006，22(6-3).

作者：丘东 官海滨 谢宗晓 王兴起

第二篇：货币政策、投资回报率与结构性通胀

2008年之后的十几年里，中国货币数量供给的平均增速在13%以上，但相同阶段并没有出现持续的通胀压力，有部分时间还出现了PPI 持续通缩的情况。这可看出中国的通胀水平与货币增速之间相关性并不强。图/中新

宽松的货币政策一定带来较为严重的通货膨胀吗?为何近年来经常会出现工业品通缩和食品服务部门通胀共存的结构性现象?2008年全球金融危机之后，美国持续扩大的政府赤字和美联储海量的流动性投放并没有带来显著的通胀，这让传统的宏观经济学分析框架陷入尴尬的境地。2012年-2015年连续的工业品部门通缩，与消费品、服务和资产价格膨胀之间共存，也让通胀的结构性问题得到进一步的审视。

面对2020年肆虐全球的新冠病毒，全球政府普遍采取了较为宽松的货币政策，这些宽松的货币政策是不是一定带来疫后的通胀?目前的政策力度应该怎样来评判和权衡?不同的经济体，宽松之后的结果存在显著差异，不同的实体经济投资回报率使得同样的政策效果不同。本文尝试在货币政策、连接货币政策和实体经济周期之间的投资回报率和通胀的结构性特征三个方面，初步探讨货币政策在不同经济体作用下的差异结果和对结构性通胀的作用。在此基础之上，结合中国的实际情况，提出货币政策在经济结构调整中可能发挥的重要作用。

宽松货币政策必然带来严重通胀?

从全球的经验来看，通胀是一个货币现象，但宽松货币政策不一定带来恶性的通胀。按照货币数量方程的角度，假设货币流通速度和实际产出不变的情况下，货币数量的供给与通胀之间存在一定的正相关关系。2008年全球金融危机之后，美国持续扩大的政府赤字和美联储海量的流动性投放并没有带来显著的通胀，这让传统的宏观经济学分析框架陷入尴尬的境地。这也就是说，增加了巨量的货币之后，整体通胀水平并没有出现相应程度的提高。对于中国而言，2008年之后的十几年里，货币数量供给的平均增速在13%以上，但相同阶段并没有出现持续的通胀压力，有部分时间还出现了PPI持续通缩的情况。如图1，历史上看，中国的通胀水平与货币增速之间相关性并不强，且略滞后。相对而言，部分国家也实施了较为宽松的货币政策，释放了较大数量的货币，却带来了恶性的通胀，比如南美等部分经济体。从近十几年各国的实践来看，宽松货币政策确实与通胀存在正相关的关系，但不一定带来恶性的通胀。不同经济体对同样宽松的货币政策的反应并不一样，我们认为这主要是因为各国的实体经济投资回报率、金融结构等存在差异。

图1：中国货币供给与通胀

资料来源：国家统计局。制图：张玲

中国的通胀水平取决于产出缺口和真实流入实体经济的货币量。中国的通胀与滞后两个季度产出缺口具有显著的正相关性，这符合经济学上价格黏性的特点，即量在价先。前文提到，中国货币供给增速似乎与通胀水平之间的相关性并不强，呈现一定的时滞，这其中可能存在统计指标口径的一些偏差。传统意义上的货币供给统计，并不一定在当期全部进入实体经济进行交易和流通，有部分货币可能被微观主体闲置、进入金融市场或其他虚拟经济的资产领域。为了进一步探索通胀与货币量之间的关系，我们重新定义并通过计量模型测算了真实进入实体经济流通和生产领域的货币量，即为本文所称的真实货币量。

按照公示的定义：真实货币量=货币当局公布的货币量-闲置的货币量-虚拟经济的货币量

短期而言，我们发现，这部分的真实货币量领先于中国通胀大約两个季度，即真实进入实体经济的货币量确实可以在一两个季度以后影响通胀水平。当资金流入资产领域较多时，货币当局公布的货币总量增速虽然较高，但很多并没有流入实体经济(或者虽然一开始流入了实体经济，但实体经济的资金不进行再投资和生产，资金空转再流入资产领域)，实体经济的通胀水平依然可以保持平稳。当资金真实地流入实体经济较多、货币当局的供给较大时，通胀可能被这部分真实流动性推动到较高的位置。

进一步发现，我们将货币当局的货币供给减去真实流入实体经济的货币量，得到所谓的过剩流动性之后。这一过剩流动性与股市的估值变化呈现显著的正相关性，这一发现验证了我们对流动性分层的猜测。总量的流动性可以分为真实进入实体经济的流动性和进入资产领域的流动性。真实进入实体经济的流动性与整体的通胀具有显著相关性，一定程度上代表了经济的冷热;进入资产领域的流动性短期内主要的作用体现在资产价格的重估，而不是通胀水平的提升。

因此，宽松的货币政策在资金流入实体经济意愿强烈的时候，较大概率可以推动通胀水平的抬升;在资金不愿意进入实体经济的阶段，宽松的货币供给一定程度上可能转化为资产价格的抬升，而不是通胀水平的高企。

投资回报率是资金是否愿意入实关键

实体经济投资回报率较高的经济体，宽松的货币政策有利于促进固定资产投资进行扩大再生产的意愿，即投资回报率高于资金成本时，宽松的货币政策能够有效地促进经济增长的复苏。因此，经济体是否出现资金空转，主要取决于该经济体的实体经济投资回报率水平。

具体而言，中国经济在2014年附近出现了实体经济投资回报率降低至资金成本附近的新局面。我们认为2014年是中国经济和金融市场的发展过程中有着重要意义的一年。从资本市场与实体经济的关系而言，我们发现上证指数与实体经济基本面之间的关系，在2014年以前为正相关(+57%)，在2014年以后为正相关减弱，有时甚至是负相关。从热钱流动(世界银行残差法，剔除虚假贸易部分)和人民币汇率预期的角度来看，2014年以前热钱更多地表现为流入中国，2014年以后表现为持续流出中国。从货币政策的有效性来看，2014年以后，单位货币增量拉动GDP的效力在快速下降，也就是说刺激经济所需要的货币宽松程度在扩大。种种微观形态的表现综合起来，我们发现中国实体经济投资回报率在2008年以来持续下降，且在2014年附近降低至金融市场无风险融资成本以下，这就意味着过度的流动性不愿意进入实体经济，更愿意在各类资产之间空转，形成局部泡沫，威胁经济和金融稳定。由于实体经济投资回报率低于借贷成本，如果没有新一轮的供给侧改革，实体经济的杠杆率水平将越来越高，金融市场的泡沫化将进一步加剧。从实证数据发现，经过2016年-2018年的实体经济供给侧改革之后，中国实体经济投资回报率水平开始抬升，目前已勉强略高于金融市场融资成本。虽然实体经济投资回报率暂时脱离了危险的区间，我们认为仍需坚持供给侧改革，提升投资回报率。实体经济投资回报率降低至金融市场无风险回报率附近，就是部分金融风险的根源。

短期而言，低迷的实体经济投资回报率使过剩的资金不愿意流入实体部门，倾向于在各类金融市场中流动。如果这部分过剩流动性开始增多，权益资产的估值溢价将会随之增强。按照我们的测算，过剩流动性与中国A股市场的估值变化呈现高度的正相关性(相关系数达到86%)，即过剩流动性过多，中国权益市场的估值可能持续攀升;过剩流动性收缩，中国权益市场的估值可能持续下降。

实体经济投资回报率是连接货币政策和通胀之间的重要枢纽。实体经济的投资回报率偏低，即便货币当局实施宽松的货币政策，那么很难避免部分流动性不愿意进入实体经济进行再投资和再生产，而进入资产领域等虚拟经济，造成资产价格上涨，而不是普遍意义上的通货膨胀。当经济体的实体经济投资回报率较高，货币当局释放的流动性更多地流入实体经济，并进入了再生产和再循环的经济活动中，那么通胀水平可能被真正地带动起来。

图2：中国的通胀水平取决于产出缺口和真实货币量（%）

资料来源：国家统计局，作者估算

图3：过剩流动性与权益市场估值变化

资料来源：国家统计局，作者估算

前瞻地看，目前全球主要经济体的实体经济投资回报率处于偏低的阶段，同时各国的货币当局又往市场注入了巨量的流动性，未来半年到一年会不会造成较为严重的通货膨胀?这主要取决于宽松的货币政策有多少到达了实体经济，并真正进入了实体经济的再生产和再循环过程。按照目前全球主要经济体的投资回报率水平，资金主动进入实体经济的占比不会很大，大部分行业的回报率依然不具有吸引力，资金率先进入资产领域的概率更大一些，全球宽松带来的普遍通胀压力并不会失控。按照目前的态势，全球通胀压力显现，可能需要等到全球经济增长显著复苏的一两个季度之后。

结构性通胀的分析与预判

中国的通胀结构性特点日趋显著，即食品和服务类的通胀始终高企，工业部门的通胀水平低迷，资产价格在过去的十几年也经历了快速上涨。2008年以后全球经济体释放了大量的流动性，但主要经济体的通胀水平始终温和，没有出现持续的高通胀状况。但是，从结构的角度看，食品饮料、消费服务等劳动密集型的通胀水平显著快于资本密集的工业品通胀，全球资产价格的涨幅也远超整体通胀的水平。结构性通胀产生在中国具有中长期的因素，这些因素将影响着未来一个阶段的分行业通胀水平。资产价格在未来一个阶段的走势同样受到货币政策、实体经济等多方面的影响。

结构性地来看中国食品和服务部门的通胀，主要取决于中长期趋势的三大因素：劳动力成本、消费升级和农产品流通体制。1.人口结构的因素，在2004年-2005年附近，低端劳动力成本已经开始逐步提升，并在2010年以后劳动力成本显著增加。结合日本和韩国的历史经验，经济体经历刘易斯拐点过后，往往容易影响食品价格上涨中枢的上升。日、韩等依靠劳动力成本优势，实施出口导向战略的东亚经济体，在刘易斯第一拐点附近，都出现了食品部分通胀水平大幅超越整体通胀的现象。2.消费升级的影响，随着城乡居民收入的稳步提升，消费和服务需求也随之升级。满足了传统的温饱需求之外，居民对肉类、家禽、奶制品和服务的需求逐渐增加，这在一定程度上加大了对食品和服务需求的压力。我们在中国城镇化、工业化的背景下，构建了一系列的数量模型，在控制住成本和供给方面的因素后，发现由居民收入水平提升带动的消费需求提升对中长期食品价格上涨中枢产生了重要影响。3.以往中国的农产品流通体制加重了农产品的交易成本，抬升了食品价格上涨的中枢水平。服务人员的短缺和相对机会成本，也在一定程度上加大了服务类的通胀压力。

图4：中国的通胀水平取决于产出缺口和真实货币量（%）

资料来源：国家统计局，作者估算

图5：全球主要经济体人口结构

资料来源：联合国人口计划署(http：//www.un.org/esa/population/unpop.htm)，作者计算整理

未来一个阶段，中国劳动力结构将更加呈现出老龄化的特点，劳动力成本將进一步提升。当人均GDP超越1万美元以后，中国居民消费升级的需求将更为强烈。居民消费将从改革开放之初的从无到有，逐渐变成了从有到优，这也将进一步抬升食品和服务类的通胀水平。相比于以往，中国目前的流通体制成本下降了很多，这得益于交通基础设施的高速发展和交运行业的巨大规模效益。综合起来看，劳动力成本抬升、居民消费服务需求带来的动力将进一步促进中国食品部分和服务部分通胀水平的提升。工业部门由于制造业和重工业增速的下降，以及全球经济新的增长点的匮乏，可能在未来一个阶段工业部门的通胀将长期落后于食品和服务类的通胀水平，中国通胀结构性的特点将延续。

资产价格中长期取决于实体经济的基本面，资产价格泡沫的程度取决于资金空转的程度。资产价格是实体经济基本面的映射，基本面越好，相应其资产的增值预期越强，表现出更高的资产价格。资产价格泡沫的度量是指偏离资产本身基本面价值的程度，其取决于流动性宽松程度和资金空转的程度。前文我们用过剩流动性的方式来大概度量每个阶段不愿意进入实体经济的资金量的规模，发现其与当期股市的估值和房地产市场的活跃程度高度相关。按照我们的测算，下一个阶段中国合理经济增速将从2016年-2020年的平均6.5%左右，降低到2021年-2025年的5.0%左右。这一阶段如果货币总供给的增速不显著下降，中国的货币增速与GDP增速之间的差距将逐渐加大，有利于优质资产的估值扩张。这部分优质资产可能包括消费、医药领域高ROE的公司股权，科技行业实现自主替代优质公司的股权，以及部分周期行业的龙头企业股权，一、二线城市核心地段的房产等。

综上所述，宽松的货币政策是否带来持续高企的通胀，主要取决于释放的流动性是否进入实体经济，而不是进入资产领域进行空转。如果实体经济的投资回报率较高，宽松的流动性进入实体经济进行再生产和再投资等经济活动，那么宽松的货币政策可能在经济周期内引起较为显著的通胀压力。如果实体经济的投资回报率较低，宽松的流动性真实进入实体经济的规模不大，则可能引起的通胀水平也会较为温和，更多地表现为过剩流动性带来的资产价格的上涨，以及食品和服务类价格的上涨。实体经济投资回报率是货币政策传导到通胀的关键。中国通胀的结构性特点将更为明显，未来一个阶段，工业部门的通胀将长期落后于食品和服务类的通胀水平的现象将持续显现。同时，如果经济增长速度在未来一个阶段持续落后于货币总供给的速度，可能造成货币供给增速-GDP增速的裂口扩大，这将有利于优质资产的估值扩张。

(编辑：苏琦)

作者：刘陈杰　王鹏辉

第三篇：ＲＦＩＤ的投资回报分析

[摘要] 企业引进RFID项目需对投资进行估算，本文从财务、管理、顾客、战略四个视角，提出企业应用RFID投资回报测算模型。

[关键词] RFID 投资回报 ROI 测算模型

一、前言

RFID(Radio Frequency Identification)无线射频识别，是一项非接触的自动识别技术，被广泛认为将会是21世纪产生重大影响的技术。RFID可以带来一场业务变革，一般来说，由于技术的革新性，它可以节省20%的供应链成本和20%的库存成本，这一投资回报的显著优势在企业采用RFID的18个月内即可实现。尽管RFID的种种优势对企业来说很有诱惑力，也有为数不少的公司为尝试该技术耗费了大量的金钱，以及宝贵的人力和时间，但大多数全球性公司对于如何开展及使用RFID都还没有一个比较清晰的思路。尤其是在中国，出于对成本、标准、实施风险等因素的考虑，一些企业对RFID技术仍采取观望的态度。

如今，商业社会很多投资都以“投资回报”(Return On Investment，简称ROI)为衡量该投资是否值得的标准。在RFID项目中，这个问题成为潜在投资者是否投资的先决因素。Tape &Label的市场经理Brown认为,在资产追踪领域，RFID投资回报期可能平均在1年左右，最短可能只需要6个月。到底前景是否乐观，本文试图提出企业RFID投资回报计算模型，供企业展开相应的投资回报测算参考依据。

二、RFID的投资回报分析模型

1.RFID实施中的投资回报率公式

ROI（投资回报率）是指企业所投入资金的回报程度。标准的ROI方程为：收益/投资*100%。

2.RFID实施中的总体投资

对于资产管理RFID来讲，需要进行设备采购、系统搭建、软件编程、系统授权等方面的投资，此外还需支付项目组成员的工资、办公与福利费、咨询公司的咨询服务费和集成公司的项目集成费，对于特殊要求的情形，还需支付诸如开发费和环境测量费等费用。这些费用就构成了RFID项目投资成本的全部。

3.RFID实施中的投资回报模型构建

对于IT投资回报的分析，需要建立一个定量与定性相结合的指标体系。定量分析主要关注于可以通过常规的成本--收益分析来测量的财务收益，如经济价值创造能力评价法 (Economic Value Added，EVA)、整体拥有成本法(Total Cost of Ownership，TCO)、微软快速经济价值评量法(Microsoft's Rapid Economic Justification，MREJ)等；定性分析方法则不是单纯地测量财务收益，而是同时着眼于评估顾客、雇员满意度和运作效率等其他方面的收益，比如平衡记分卡(Balanced Scorecard) 方法等。

参考国内相关指标体系，结合RFID技术对企业业绩影响的特点，本文从财务、管理、顾客、战略四个视角设计了企业RFID 投资回报收益体系，如表所示。衡量ROI指标中既有定性指标又有定量指标，而且这些指标构成递阶层次结构，我们可以用层次分析法对RFID投资收益进行评价。

三、结束语

本文设计的RFID投资回报模型平衡兼顾了战略与战术，长期收益与短期目标，财务指标与非财务衡量方法，滞后与先行指标的业绩评价系统，极大地提高了RFID投资分析的科学性和规范性。RFID投资回报分析的难点在于如何及时、准确、完整地取得评价所需的经营数据，因此需要企业建立比较完善的基础数据系统。

参考文献：

[1]王婷婷:部署RFID的六大要诀[J].中外物流,2006,(3).

[2]Michelle:国外RFID市场投资分析——国外权威人士精彩言论汇聚[J].金卡工程,2008,(1)

[3]汪勇等:企业信息化经济效益分析与评价[J].现代情报, 2006, (2)

[4]张浩冯林:平衡记分卡在IT投资回报评价中的应用[J].统计与决策, 2006, (5)

[5]陈冬林黎志成:信息系统投资项目评价指标确定与灰色综合评价[J].系统工程理论与实践,2002,(2)

作者：张文丰