市场体系论文范文第1篇
内容提要 本文首先对会计监管进行成本效益分析,然后构建审计监管部门与会计师事务所的博弈模型和上市公司与会计师事务所的博弈模型,计算出会计师事务所有15%的可能性会做出违规审计及上市公司的收益大于7.67倍的处罚时,上市公司会选择造假的结论, 并对模型进行分析,从实证分析的角度对我国资本市场会计监管体系进行一个总体的评价。
关键词 成本收益分析 会计监管 监管体系 博弈模型
〔
0 引言
目前,我国资本市场会计监管体系的实施过程中,会计准则、会计规章制度的制定及注册会计师和会计师事务所的管理由财政部负责,信息披露规则和财务报告的事后审阅由证监会负责,资产、经营活动的审计业务由会计师事务所负责。若资本市场会计监管体系的实施效率低下,会计监管主体不能相互协调工作,即使我们有很好的法律、法规,同样也不能实现有效的监管。下面对我国资本市场会计监管体系进行评价,并根据我国会计监管的实施效果,提出了完善资本市场会计监管体系的几点建议。
我国资本市场会计监管效果的评价机制和方法严重缺乏,即使在市场经济发达的美国,对资本市场会计监管的评价也只是集中在检验会计管制对股票价格所带来的影响上,也没有深入到会计监管市场的其他方面。纯粹从技术角度看,资本市场会计监管的效益不易观察评价,尽管它通常被笼统地归结为维护市场秩序、保护投资者利益,提高会计信息质量。从成本效益的原则来分析会计监管,就会形成一个比较清楚的轮廓。
1. 会计监管的成本收益分析
会计信息市场失灵是市场机制固有的缺陷,它不但损害了投资者的利益,造成资本市场的效率低下,甚至对经济和社会造成严重的后果。会计信息市场失灵无法通过市场机制来解决,需要借助于外力来救助市场的无力,纠正市场失灵。我国资本市场会计监管就是为了维护市场稳定、健康的发展,保护市场参与者的利益。该模型从成本和收益的角度着手,探讨监管主体和监管客体的关系。经济利益是企业选择会计造假的根本动因。企业可以看作是理性的“经济人”,它是否选择会计信息造假取决于会计造假的成本和收益。从经济学的理论出发,如果造假的收益大于成本,任何企业都会选择造假。实践证明当不存在任何外部监管的条件下,企业是有动机从事会计违法行为的。
宏观和微观活动都受到成本效益因素的制约,差别只是在于成本和效益的计量方法、涵盖范围和计量难易程度不同。我国资本市场会计监管主体作为经济个体,其实施的会计监管行为也受到成本效益因素的制约。从目前我国资本市场的具体情况来看,会计监管主要负责公司会计信息的真实性,保护投资者利益和维护资本市场稳定。我国资本市场会计监管的收益体现在会计监管被认可的程度、会计信息不对称性的改善程度、虚假会计信息陈述的减少幅度、投资者信心的维持程度、市场持续健康发展程度等等。理论上的会计监管的成本收益关系见图1。
由图1可以看出,成本曲线向右下滑的曲线说明在我国资本市场会计监管初期,由于监管主体权责不明确,监管主体多元化、监管政策不合理、监管的手段、法律制度不健全等原因,造成监管的成本较高,收益却不高。随着我国市场经济的发展,监管体系的不断完善,监管力度逐步增大,会计信息质量逐步提高,监管成本开始下降,至B点取得最大的成本收益差,监管效果最高。越过B点后,继续加强会计监管,监管成本升高,监管的收益也同时增加,但成本的增加值明显高于收益的增加值,到达C点时,监管的成本和收益相等,越过C点后监管的成本将大于收益,此时将会造成监管得不偿失。因此,针对监管成本效益的这种特点,我们应该把监管成本、效益控制在一定的范围内,监管不足和监管过度都将导致监管效率低下,适度的会计监管才能实现监管效益的最大化。
在我国,资本市场会计监管机构之众,制定的监管标准之繁、耗费于监管的财政支出之巨、政府赋予会计人员的责任之重,在世界上并不多见,但资本市场会计监管的收效却甚微。银广夏、琼民源、红光实业等恶性案件不断出现,资本市场会计违规行为也愈演愈烈。2002年底有关调查显示,88%的被调查对象对上市公司会计信息持不信任态度。上海复旦大学李若山教授指出,按国际标准衡量,八成上市公司的会计有问题,即使降低标准,套用国内的,也有二成上市公司存在问题;财政部2002年的统计资料显示,我国企业会计信息披露不规范,存在问题的比例高达70%。针对这一现象,目前业界的基本看法是:上市公司会计信息的监管并存着监管过度和监管不足的问题。监管不足和监管过度也正是我国资本市场会计监管效果低下的表现。如对因上市公司会计操纵而导致的股东损失,至今仍没有相应的民事责任追究,这是监管不足的表现;而对资本市场被监管者如上市公司、注册会计师等不断地进行多头重复性检查,则是监管过度的表现。
2
009年第5期
我国资本市场会计监管体系实施效果的博弈分析
2. 审计监管部门与会计师事务所的博弈模型与评价
经济效果是评价会计监管体系的主要标准,如何实现监管适度,不仅要进行定性分析,还要从定量的角度考虑。在上面的监管主体的博弈关系中,存在有可能做出违规审计的会计师事务所与政府的审计监管部门之间的博弈关系,在不考虑职业道德因素的情况下,它们之间存在着互相以对方的行为模式来决定自己行为模式的规律。如何减少会计师事务所的违规审计,提高会计信息质量,本部分通过建立审计监管部门与会计师事务所的博弈模型来进行探讨。
运用博弈理论构建审计监管部门与会计师事务所的博弈模型,需要先做出如下几点假设条件。
(1)监管博弈的当事人有两个,审计监管部门和会计师事务所。
(2)审计监管部门和会计师事务所都能充分考虑所面临的局势,能够做出战略性的选择。
(3)假定如果会计师事务所进行违规审计,审计监管部门能够有效地查出。
会计师事务所的违规审计是指其审计结论与被审计人的实际财务状况不符的情况。合规审计是指对被审计人的财务状况发表客观、公正的审计意见的情况。会计师事务所合规审计带来的收益为L,违规审计带来的收益为K(其中K大于1)倍的L,违规审计被查处时,没收事务所违规所得,同时处以F的罚款。审计监管部门付出的监管成本为C,则表1表示审计监管部门与会计师事务所的博弈矩阵。
表1 审计监管部门与会计师事务所的博弈矩阵
博弈双方战略选择
会计师事务所
违规审计合规审计
审计监管部门
不监管0, KL0, L
监管KL+F-C, -F-C, L
表中的第一个数字为审计监管部门的收益,第二个数字为会计师事务所的收益。(去掉)由于审计监管部门监管与否,会计师事务所违规审计与否不确定。因此该博弈是不完全信息静态博弈。为此,假设审计监管部门以概率γ监管,以1-γ不监管,违规审计的概率为β,则合规审计的概率为1-β。
则会计师事务所的预期收益E1为:
E1=β[(1-γ)KL+γ(-F)]+(1-β)[(1-γ)L+γL]
=β[KL+γ(-KL-F)-L]+L(1)
审计监管部门的预期收益E2为:
E2=γ[β(KL+F-C)+(1-β)(-C)]+(1-γ)×0
=γ[β(KL+F)-C](2)
会计师事务所的预期收益函数对β求导,并令其一阶导数为0;同样审计监管部门的预期收益函数对γ求导,令其一阶导数为0。这样得到该监管博弈混合策略纳什均衡解:
γ*=(K-1)LKL+F(3)
β*=CKL+F(4)
γ<
当审计监管部门的监管率γ>(K-1)LKL+F时,会计师事务所的最佳选择是合规审计,当
γ<(K-1)LKL+F时,会计师事务所的最佳选择是违规审计,当γ=(K-1)LKL+F,会计师事务所可以随机选择违规审计和合规审计。当β>CKL+F,审计监管部门的最佳选择是监管,当β 审计监管与违规审计的博弈模型表明,审计监管部门的战略选择取决于会计师事务所的违规审计所得和处罚力度,与审计成本无关。即审计监管部门进行监管的概率与事务所的合规审计所得L成正比,与违规审计所得KL和违规审计受处罚的金额F之和成反比。也就是说审计监管机构对违规处罚越大,会计师事务所的违规收入越高,那么监管的概率越小。 会计师事务所的战略选择受监管成本、违规收入和处罚力度三个因素的影响,即会计师事务所违规审计的概率β与监管成本C成正比,与违规审计所得与罚款金额之和(KL+ F)成反比。其现实意义在于:事务所违规审计越是少,审计监管的紧迫性就越弱,反之则越强;对事务所违规审计处罚的力度越大,事务所就越不敢违规;但如果审计监管的成本太高,事务所违规审计的事件就会增多。需要说明的是,事务所违规审计收益越高违规审计的概率越小。这是因为违规审计收益越高就越容易引起监管机构的注意,越容易被查处,会计师事务所反而不敢违规了。 在我国当前资本市场会计监管体系下,对违规审计的处罚大多采取“退一赔二”的模式,即没收违规所得,再处以相当于违规所得两倍的罚款,实际上对绝对金额较大的罚款还不到一倍,在此我们取平均值约1倍;审计监管成本大约是罚款金额的30%左右,在此取30%;违规收入大约是合规收入的2倍,在此取2,即: KL=2L(5) F=1×2L(6) C=F×30%(7) 由此我们可以计算出β=15%,说明在依据目前处罚标准和监管成本计算,会计师事务所的违规审计可能性为15%,由于现实中我国职业道德教育和媒体监管起到一定的效果,因此会计师事务所的违规审计不会这么多。同时我们也可以计算出审计监管机构的检查概率γ=25%,这说明要有效抑制会计师事务所的违规审计行为,审计监管率至少要达到25%的标准,这样才能有效抑制会计师事务所的违规审计行为。需要说明的是25%比率是在审计机构进行审查时,如果出现违规审计就一定能够查出的情况下计算的。现实中由于审查人员业务素质的能力及其他方面的原因,同业互查也是走形式,虽然比率高于25%,但也没有起到抑制违规审计的作用。 3. 上市公司与会计师事务所的博弈模型与评价 按照有关法律的规定,监管机构有责任对资本市场会计信息披露进行适当有效的监管,但现实是怎样的呢?上市公司信息披露违规处罚次数逐年递增,从1999年的26次, 到2003年的60次。一系列的会计舞弊欺诈案件以及与之相连的审计失败案件相继出现,同时监管部门对违规公司的处罚额度相对上市公司财务信息造假舞弊行为影响的金额来说,可谓九牛一毛,且监管部门在监管时间上具有严重的滞后性,以至监管部门查处会计信息造假事件时,上市公司违规披露行为已经发生很长时间,相应地造成许多利益关系人的损失,并且已经造成了无法挽回的经济后果和社会影响。 运用博弈理论构建上市公司与会计师事务所不完全信息的博弈模型来分析上市公司会计信息造假情况。构建模型的假设条件: (1)监管博弈的当事人有两个上市公司和会计师事务所。 (2)上市公司是理性的,目标是实现收益最大化。 (3)会计师事务所可以与企业发生非审计业务的关系,会计师事务所不一定忠实地从广大投资者的利益出发来监管上市公司,并假定如果上市公司的会计信息有假,监管者能够有效地查出。 (4)审计业务处于安全竞争的市场中。 为进行会计师事务所和企业博弈的实证分析,假设会计师事务所对上市公司的审计业务成本为C,会计师事务所的合规审计收益为L,违规审计带来的收益为K(其中K大于1)倍的L,上市公司信息发布时,呈报虚假会计信息的收益为r,虚假会计信息被查出时,除公正发布会计信息外,并处以f的罚款。根据上述假设,上市公司与会计师事务所的博弈矩阵如表2。 表中的第一个数字为企业的收益,第二个数字为会计师事务所的收益。(去掉)由于企业做假账与否、会计师事务所违规审计与否不确定,为此假设企业做假账的概率为P,违规审查的概率为β,则合规审计的概率为1-β。 表2 上市公司与会计师事务所的博弈矩阵 博弈双方战略选择 会计师事务所 违规审计合规审计 上市公司 作假r, KL-C-f, L-C 不作假0, L-C0, L-C 从模型本身来看,上市公司选择造假时,会计师事务所会选择违规审计,上市公司选择不作假时,会计师事务所将随机选择违规审计和合规审计;同样,会计师事务所从收益角度出发,必然会选择违规审计,此时上市公司会选择会计作假。此时(作假,违规审计)就达到了纳什均衡。 由于假设条件(1)中,监管博弈的当事人只有两个上市公司和会计师事务所。而实际中会计师事务所要受到证监会、注册会计师协会及审计等部门的监督,由审计监管与违规审计的博弈模型计算出会计师事务所的违规审计的概率β=15%,不会达到100%,因此上市公司也同样不会100%造假。 上市公司的预期收益为: E3=p[βr-(1-β)f](8) 上市公司的预期收益函数对p求导,令其一阶导数为0。得到 β=fr+f(9) 将代入公式(9)中,得出 r=7.67f(10) 也就是说当上市公司的收益大于7.67倍的处罚时,上市公司会选择造假。无论是安然、世通还是银广厦、红光实业,对于上市公司而言,制造虚假的会计信息主要有三项收益:一是虚构经营业绩骗取上市、配股、增发资格所筹集到的资金;二是虚构经营业绩导致公司股票市值的增加;三是虚构经营业绩而带来的其他收益。下面以银广厦为例做简单的分析。 银广厦公司1999年末由于虚增经营业绩而获得增发3000万股普通股股票的资格,拟定的发行价格为12.5元/股,则该公司由于虚假的会计信息而获得的收益为34500万元。由于虚构经营业绩而导致的股票市值增加113.42亿。银广厦的其他收益如企业形象、品牌和商誉的改善,以及由于虚假的会计信息提高了企业的获利水平和信用等级,使得该公司更容易吸引到投资者投资和债权人的借款,从而使企业在竞争中处于有利的地位。在不考虑企业其他收益的情况下计算出的银广厦公司的收益为1134200+34500=1168700万元,而证监会对银广夏处以罚款仅为60万元。1168700万元的收益相对于成本60万元远远大于7.67倍,因此上市公司在这样的情况下必然选择造假。 有鉴于此,首先要加大对呈报虚假会计信息公司的惩罚力度,由于上市公司虚构经营业绩而骗取上市、配股、增发资格所募集到的资本和造假导致的公司市值的增加等等,主要是由市场决定的。所以,对于上市公司会计造假的治理,重点应放在加大造假成本上,经济惩罚和行政处罚缺一不可,必要时取消其上市资格。其次要降低会计师事务所与上市公司的违规审计概率。 4. 提高我国资本市场会计监管体系实施效果的建议 从资本市场会计监管的实际效果来看,我国已初步建立起了一个较为科学合理的监管体系,但现行的资本市场会计监管效率仍不高,不能满足资本市场的需求。为加强对我国会计师事务所和上市公司的管理,以降低会计师事务所的违规审计概率,提高上市公司会计信息质量,笔者认为应从以下四方面着手提高我国资本市场会计监管体系的实施效果: (1)建立健全会计监管法律、法规体系 当前我国会计监管方面的法律主要是《会计法》和《证券法》,另外财政部制定发布了会计准则、会计制度等一系列会计法规,并发挥了重要作用。但是,随着我国市场经济的发展,资本市场在新形式下不断深化改革,使得我国资本市场会计监管出现了新问题,同时也对我国现行的会计监管的法律法规提出了新要求。 借鉴国际惯例,针对我国具体国情,注重提高会计法规之间的协调性,明确会计监管的主体、监管客体及其监管范围,为政府监管提供有力的法律保障。在制定会计监管法律法规时,要广泛征求意见,使新的法律法规有更好的可行性,更适应经济发展的要求。另外,应该加大会计造假及违规审计的惩罚力度,例如,可以法律的方式,要求对遭受损害的投资者进行民事赔偿等等。 (2)成立独立监管主体审计委员会 中国注册会计师协会负责对违规违纪的会计师事务所和注册会计师予以惩戒。但是,因为我国特有的国情,中国注册会计师协会并不是像美国、英国等发达国家那样的自律组织,还带有明显的政府色彩,是依附于财政部的。真正的自律组织应作为民间性质的组织,为行业和社会所承认。2002年7月25日,美国通过了《萨班斯—奥克斯利法案》,它代表了美国后安然时代的到来,也奠定了当今会计监管发展的基本框架,欧美一些发达国家纷纷效仿。虽然我国正处于社会主义市场经济的初级阶段,资本市场发展还不完善,但如果建立一个类似于美国公众公司会计监督委员会的机构——独立监管主体审计委员会也未尝不可,该机构是对财务审计报告的再审计,主要职责是对会计师事务所进行强有力的监督,提高审计质量。 独立监管主体审计委员会必须是独立的权威监管机构。首先,要做到人员独立,且不得在会计师事务所等其他单位和机构中兼职,该机构的工作人员要具有良好的职业道德修养和较高业务素质,能够在再审计工作中发现问题;其次,经费来源方面,独立监管主体审计委员会的经费来源于会计师事务所每年所交的会费和上市公司的一些收入,不得在社会上筹集;第三,要具有权威的处罚权,如果会计师事务所或注册会计师出现严重违规行为,独立监管主体审计委员会可行使处罚权,比如罚款、责令解除与客户的委托关系、限制从事某些业务的审计、中止从事部分或全部上市公司审计业务等。 (3)建立并落实会计监管的责任追究制度 当前,我国会计信息质量及质量监管责任追究制度没有建立和落实,我国资本市场会计监管乏力,违法不究,很重要的一个原因在于责任制度不健全。应当按照权利与责任对等的原则,建立相应的责任制度。 责任追究制度具体包括两个层面:第一个层面,单位内部会计信息质量的责任制度与责任豁免制度。企业中,财务会计报告的编制者与组织者、批准者都是责任主体,特别是组织者与批准者,一旦出现财务会计报告虚假等违法情形,上述相关人员都应承担责任。在财务会计报告编制过程中持反对意见且有充分证据的管理当局成员可以豁免其责任;同时,一旦财务会计报告被外部监管部门、机构认可,外部监管部门、机构也要承担相应责任。第二个层面,政府会计监管的责任制度。在合理界定政府有关部门会计监管职责前提下,建立并严格落实责任制度,避免走过场的监管行为。如果监管部门实施检查后仍出现重大违法问题,应追究监管者的失职责任。 (4)建立全国统一的注册会计师及会计师事务所的诚信评价体系 诚信评价体系应该由财政部、证监会和独立监管主体审计委员会等机构的工作人员和聘请高等院校会计监管的权威人士共同制定,设置合理的评价指标,构建评价体系。对注册会计师及会计师事务所的审计报告进行定期抽查,并予以在媒体和官方网站定期公布。投资者可以依据注册会计师及会计师事务所的诚信度来衡量上市公司的审计报告,借以提高投资效益。对注册会计师及会计师事务所的诚信评价后,注册会计师及会计师事务所从自身利益最大化的角度出发,只能渐渐走向合规审计。 (5)推广职业道德教育,提高会计和监管人员的业务素质 企业是会计造假的源泉,有效避免会计造假需要推广职业道德教育,职业道德教育的主要对象不应是一般的会计人员,而是企业负责人、能够控制或影响企业的政府人员及会计师事务所的合伙人等。长期以来我国试图通过对会计人员的地位和业务水平的提高来保证会计信息质量,但收效甚微。为了规范各方的行为,会计道德和诚信教育已成当务之急。 会计监管队伍的素质高低,直接影响会计监管的质量。提高会计监管队伍素质,是加强会计监管工作的根本,会计审计人员必须做到“诚信为本,操守为重,坚持准则,不做假账”,恪守独立、客观、公正的原则,不屈从和迎合任何压力与不合理要求,不以职务之便谋取一己私利,不提供虚假会计信息,保证会计信息的真实、可靠。 参考文献 1、龚谊:《我国资本市场会计监管问题研究》,中南大学,2002年。 2、阮梓坪:《审计监管与违规审计的博弈论分析》,《中南大学学报》2004年,10(3):第318-320页。 3、何欣研:《我国证券市场会计监管体系的构建》,沈阳工业大学,2005年。 4、Benn Steil. International Financial Market Regulation. John Wiley and Sons.2003年,第43-46页。 作者单位:陕西省财政厅教科文处 责任编辑:心 远 摘 要：为了预测家庭短期电力负荷，提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法，有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化。为了更好地捕捉不同居住社区之间关联性，提出了一种新的多任务学习方法，即低秩Dirty模型，通过使用“公共特征集”和“共享低秩结构”来改进多任务贝叶斯时空高斯过程的学习。为了克服低阶dirty模型和高斯过程参数联合估计的困难，提出了一种迭代算法。实验结果表明，与已有的几种方法相比，该方法可以有效地预测电力负荷。 关键词：负荷预测;多任务学习;高斯过程;关联性;低秩结构 DOI：10.15938/j.jhust.2021.04.007 文献标志码：A 0 引 言 负荷预测对于平衡电力供需、避免电网不稳定至关重要[1-4]。短期负荷预测主要是对一小时到一周的用电负荷进行预测，可以指导电力公司和发电厂通过按需发电来调节发电量以满足市场需求[5-9]。然而，由于电网的复杂性和用电量的不确定性，负荷预测仍然具有挑战性。随着新数据分析技术的发展，智能电表等先进数据采集系统的应用，提高了负荷预测水平。近年来，基于机器学习的负荷预测方法得到了越来越多的关注。例如，自回归综合移动平均（autoregressive integrated moving average，ARIMA）模型是最常用的方法之一[10]，多线性回归和高斯过程回归也是电力负荷预测的有效方法[11]。在机器学习领域，支持向量机、人工神经网络是应用广泛的电力负荷预测方法。大多数现有的基于机器学习的负荷预测方法，包括到前面提到的方法都属于单任务学习（single-task learning，STL）方法的范畴。然而，STL方法的预测性能受到数据缺失、测量错误、测量分辨率低的影响。 近年来，在多任务学习框架下，多个模型在多个数据源上联合学习。融合来自多个数据源的用电量数据，为提高负荷预测水平提供了新的契机。Zhang等[12]研究了多任务高斯过程在电力负荷预测中的应用。Fiot等[13]使用了一种基于核的MTL方法，称为低秩输出核学习（low-rank output kernel learning，LR-OKL），用于配电站的中期负荷预测。在机器学习领域，通常采用基于正则化的策略来提取多个数据源之间的相似知识或变化模式，以提高学习性能（称为相关性）。该方法引入了一定的正则化项，将加权惩罚项应用于目标函数的学习[14]。MTL也被开发用来处理高斯过程模型的MTL[15]。虽然先前的研究已经证明了MTL方法的潜力，但是从多个任务中找出数据集之间的相关性仍然是一个巨大的挑战。 从应用角度来看，大量的负荷预测研究仅使用历史用电量数据进行預测。最近，电力负荷预测研究超越了只考虑历史用电量数据的方法，并将天气条件纳入其中，以提高预测精度。系统体系、多网络理论和“智能城市”概念的出现，鼓励了新的研究，这些研究考虑了电力网络与其它基础设施网络的相互依赖性和互联性。该文提出的模型受文[16]的启发，提出了配电网中交通负荷与用电量的关系框架。文[16]对电力和交通负荷的联合预测结果表明，将交通数据和机动车信息作为预测因子可以提高电力负荷预测的准确性。因此，该文采用用电量数据、交通量数据和气象参数相结合作为短期电力负荷预测的预测因子。 该文旨在改进基于多任务学习（MTL）框架的短期负荷预测，其中一个“任务”是指学习每个居民小区的负荷预测模型，“多任务”是指通过融合多个社区的数据，共同学习多个社区的负荷预测模型。具体就是，将城市中多个居住社区在相似条件或设置下的训练数据进行融合，通过探索不同社区间数据模式的相似性，共同学习社区间的相关性。因此，利用关联性概念来描述环境和交通条件对多个居住社区用电量的相似影响是可行的。在居民外出上班的早晨，居民区附近的交通量更大，导致居民家庭用电量减少，直到下午人们回家。此外，由于空调负荷的影响，用电量随环境温度的变化而变化。环境和交通数据对电力消费的影响在一个城市的不同居民社区中有相似之处。此外，可能存在一些特定于社区的信息，例如社区内的局部时空变化，这些信息不在社区之间共享。从方法论的角度来看：①传统的MTL方法，包括基于正则化的方法[17]和基于核的方法[15]，并没有区分在社区间普遍共享的总体趋势和局部时空变化;②基于正则化的MTL方法通过在目标函数中引入一些正则化项来表征相关性，这些正则化项是基于“公共特征集”或“共享低秩结构”，它们只部分地捕捉不同任务之间的关联性。 本文针对现有方法的不足，提出了一种基于多任务贝叶斯时空高斯过程（MT-BSGP）的短期电力负荷预测方法。 1 多任务贝叶斯时空高斯过程（MT-BSGP） 为了预测电力负荷，提出一个用于负荷预测的MT-BSGP。首先，提出了融合社区环境和交通数据的预测模型的结构;然后，建立了估计MT-BSGP的学习问题;再次，介绍了现有的基于正则化的MTL方法;为了提高MT-BSGP的學习性能，提出了LRDM;最后，通过迭代算法学习MTL框架下的模型参数实现LRDM。 1.1 社区预测模型 单个社区的用电量E预测如下： 其中：μ表示用电量数据的平均偏移或趋势模式;η表示数据中相关的随机过程;ε表示噪声，其为正态分布的独立同分布，且均值为零，方差为σ2ε。μ和η反映了数据之间的系统级相关性，可用于提高预测精度。 有很多方法可以扩展η。一种常用的方法是根据用户的用电模式将相似或相关的行为分组到一个簇中。因此，η可以扩展为基于同一簇内消费者数据的预测因子[18]。如果消费者表现为空间聚集模式，η可以用空间相关过程来表征，其原因包括：①电网的拓扑布局和馈线的侧联性。②居住区的人口统计和地形特征，包括土地利用、建筑类型、建筑规模、景观设计、家庭收入水平，从而导致住户的空间相关过程用电模式。例如，一个社区的大多数建筑遵循相似的设计和足迹，由同一个开发商和类似的建筑材料建造，这些材料使建筑具有相似的绝缘、建筑围护结构等，从而导致类似的电力消耗。消费者活动中的相关性进一步导致了相关的用电行为，因为邻近社区中类似环境和交通道路条件导致消费者活动往往是相关的。 上述原因反映了人类-电力系统中导致空间依赖性的系统级原因是全球趋势、空间相关过程（通常是高斯过程）和独立变化的组合。因此，上述模型可以简化为： 式（2）为一个贝叶斯时空高斯过程（Bayesian spatiotemporal Gaussian process，BSGP）模型。GP为高斯过程参数。采用式（2）的一个目的是，在历史数据有限甚至没有数据的情况下预测家庭的电力负荷。大多数的预测方法都需要一定数量的历史记录来记录感兴趣的家庭（或地点）。BSGP模型可以在没有足够历史数据的情况下，利用邻居的信息预测电力负荷。 假设均值μ为与电力消耗相关的变量的线性模型。s表示每个房屋的位置和时间t的索引。μ可以展开为：μ（s，t）=∑i∑jXij（s，t）βj。本文提出的模型受到了文[7]中提供的交通与电网之间因果关系的启发，将这两个变量用于负荷预测。因此，在本文中，设定X为输入变量，可以包含用电量数据、小区附近的交通量（Tr）、温度（T）、湿度（H）和太阳辐射（S）等参数。而且，家庭数量和收入水平等社会经济因素也可以在负荷预测中发挥重要作用，并有可能纳入预测模型。当这些输入数据可用时，它们可作为线性项包含在模型中。此外，生活水平会对平均耗电量以及用电模式的时间波动产生影响。平均生活水平也可以纳入模型中。然而，短期内社区所有家庭的生活水平相对稳定，因此不影响所提出的负荷预测方法的性能。 向量β是输入变量的系数。例如，如果存在M个房屋和τ个的时间点，则μ可以展开为： 其中：n为观测次数;时间序列模型中的时间间隔p由自相关函数（autocorrelation function，ACF）确定。用偏自相关函数（partial autocorrelation function，PACF）求出模型中需要多少个早期观测值。β→=[β1，…，βp+4]表示输入变量对电力消耗的影响，变量的个数为p+4。式（2）中的“GP”项是正态分布，其中均值为0和协方差矩阵为∑GP=（σ2GP|t）exp（-（φ|t）‖si-sj‖2），φ>0，其中∑GP的特征是在每个时间戳上具有房屋不变的公共方差（σ2GP|t）和空间相关函数（k（si，sj;φ））。通常为k（si，sj;φ）选择平方指数相关函数，该函数包含每个时间戳（φ|t）上的衰变参数和两个房屋之间的平方距离（‖si-sj‖2）。 总之，在所提出模型的基础上建立了负荷预测的多任务学习问题，并提出了一种有效的算法来解决该问题，并将在以下各部分中进行介绍。 基于以上提出的模型，所提出的MT-BSGP的总体框架如图1所示。MT-BSGP包括：提出的LRDM，其用于估计在社区间相似的总体平均偏移或趋势模式;一个特定于社区并捕获局部变化和空间相关性的高斯过程（GP）;LRDM和GP之间的迭代估计过程。 1.2 MT-BSGP结构 在MTL框架下，通过融合来自多个社区的数据，可以改进BSGP的估计。通过探索不同社区之间的相关性，提出了MT-BSGP的结构。社区间的相关性体现在环境因素/交通量与用电量之间的相似关系上。因此，在MTL框架下，不同社区的BSGP系数β可以“相似相关”。这种相关性的数学特征将在下面介绍。此外，GP捕获了特定于社区的家庭用电量数据之间的时空相关性。为了描述空间相关性，已有研究将高斯过程应用于负荷预测[19]。 假设存在Z个社区，对于社区l=1，…，Z，提出的MT-BSGP模型结构如下： MT-BSGP由两个学习目标来估计，包括：①“μ”的MTL;②在每个社区内分别学习“GP”。μ的MTL目标是同时估算β→1，…，β→Z，这里给定每个社区的包含环境、交通和历史用电量的数据X，以及β→1，…，β→Z之间的关系。GP的目标是根据每个社区的数据和相关系数β→l来估计GP参数，而相关系数β→l由MTL估计。学习目标如式（5）所示： 1.3 基于正则化的MTL方法 这部分介绍了线性回归模型（如μ）的基于正则化的MTL方法的公式，并给出了两个常用范数作为学习目标中的正则化项。基于正则化的MTL是为了解决下面的问题： 其中βj，k是β的第j行和第k列。l1，∞正则化器引入一个群稀疏结构，在所有社区中对μ模型进行变量选择;它对每一行的最大绝对值之和进行惩罚，以鼓励β的每行元素有0元素。因此，l1，∞正则化器可以找到一组共同的输入变量，这些变量对不同社区的用电量数据有影响。 2）所有社区的共享低秩结构： 其中σi是通过奇异值分解得到的矩阵β的奇异值。 这两类范数从两个不同的角度捕捉了社区间关联性的信息。本文结合两类范数的相关信息，在下一部分提出了一种改进MT-BSGP方法。 1.4 提出的LRDM 通过将变量系数（β→l）分解为稀疏分量（P→l）和稀疏分量（Q→l），Jalali等提出了一个Dirty模型[5]，如下： 其中使用稀疏分量Q→l懲罚是处理特定于社区的变化，而使用群稀疏分量P→l惩罚则是为了捕捉不同社区模型估计之间的相关性。 受“Dirty”模型和两种捕获相关性信息的范数的启发，该文进一步为矩阵Q→l构造了一个低秩结构，以包含更多群稀疏分量无法捕捉到的社区间相关性信息，从而得到LRDM。LRDM的目标如下： 因此，提出的LRDM旨在将上述两类范数结合起来。特别地，该文提出整合l1，∞和l*范数可以增加在多个社区中获取更多共享信息的机会，并且可以优于现有的仅利用l1，∞或l*来获取相关性的MTL方法。式（11）中提出的LRDM是一个无约束凸优化问题，其函数是非平滑的。这种非平滑性存在于l1，∞或l*中，这给解决式（11）中的LRDM问题带来了挑战。一种解决方法是使用加速近似法[20]，因为它具有最佳的收敛速度和处理大规模非平滑优化问题的能力。 为了估计表征LRDM精度的理论边界，考虑l≥2和n≥1时式（11）的优化问题以及所有任务的训练数据大小相同。同时，定义以下参数： 理论边界的证明类似于文[20]中的推导过程。精度边界的数值估计详见3.3节实验部分。 1.5 MT-BSGP参数估计的迭代算法 为了建立MT-BSGP模型，每个社区需要估计两类参数，包括μl中的β→l，以及GPl中每个时间戳的σ2GPl和φl。学习的挑战在于，β→l应根据MTL框架下所有社区的数据进行联合估算;而GPl是特定于社区的，应根据社区l的数据进行估算。μl估计的任何变化都会直接影响GPl，反之亦然。该文提出了一个迭代算法来联合估计式（5）中的所有参数。 MT-BSGP的流程图如图2所示，其中上标表示迭代次数。在初始化中，第1次迭代时，GP和β→l的参数被赋予零值。为conv指定一个大的数字，并且根据期望的精度确定conv的阈值。另外，还要为λ1（群稀疏分量系数）和λ2（低秩分量系数）设置初始值。在训练阶段，将训练数据（Trr）分成10个相等的子集（Trrk，k=1，…，10），并对任何给定的λ1和λ2进行10次交叉验证，算法1给出了10倍交叉验证。如下所示： 在此基础上，对LRDM进行9个子集训练，然后在第10个子集上进行测试。误差Erk通过λ1和λ2的每个值以及这10个部分中的每个值的均方根误差（RMSE）来估计。E-r（i）是Erk是这10个部分（迭代）的平均误差，即选择λ1和λ2的LRDM的平均误差。该过程适用于λ1和λ2的所有m个建议值。最后，选择最小E-r（i），并确定λ1和λ2的最佳值。在确定训练部分中的λ1和λ2之后，开始学习模型参数的迭代过程。在迭代j中，通过从电力消耗数据中减去在迭代j-1中获得的高斯过程来更新μ模型，并使用所提出的LRDM来估计系数β→l。然后进行收敛性测试，以检查μ的收敛性。根据系数向量的变化是否在预先设定的阈值（ε）内判断收敛性;否则，在进行下一次迭代之前，算法通过从耗电量数据（Yl）中减去迭代j处的估计μ来更新GP。此过程将一直运行，直到通过收敛测试。最后，将预测的用电量与实际值进行比较，得到误差。 2 案例研究 本文所提出的MT-BSGP模型通过安庆市两个居民社区的实际数据进行了验证。电耗数据（kWh）每30min远程测量一次，并由安庆电力公司的电表数据管理系统存储。交通数据来自安庆市交警大队。该市有6个不同的遥测交通监测站点，每30min连续存储一次交通量，安庆市仅收集特定地点和特定日期的当地道路交通数据。此外，环境数据，包括温度、湿度和太阳辐射可通过选定社区的监测记录获得。 为了数据的隐私保护，该文选取安庆市的两个居住社区称为东北社区和东南社区。东北部和东南部社区的测量包括2019年10月、11月和12月每30min收集的50户居民的用电量和环境数据。同时，每小时从同一区域采集交通量并用作预测变量。东北社区的数据量相对较少，这些数据仅在2019年的某些时间在装有交通检测器的地点收集。东北地区只有2019年10月、11月和12月18个工作日的10栋房子的数据。此外，选取东南社区的所有可用数据（50户×92d×48个30min增量=220800个观测值）和东北社区17个工作日（10户×17d×48个30min增量=8160个观测值）作为训练数据。选取东北社区最后一个剩余工作日（10栋房屋×1d×48个30min增量=480个观测值）作为测试数据，该数据不在训练数据范围内。 3 实验结果与分析 该部分验证所提出的MT-BSGP的短期负荷预测性能。提出的模型输入为历史用电量、温度、湿度、太阳辐射和交通量。通过在5%显著性水平上检查ACF和PACF图，时间序列建模的时间间隔p=2。在进行10倍交叉验证后，选择λ1=100和λ2=300。迭代算法经过6次迭代后收敛。采用均方根误差（root mean square error，RMSE）和对称平均绝对百分比误差（symmetric mean absolute percentage error，SMAPE）作为误差指标，即： 式中：y（i）为观测值;y^（i）为预测值;n为观测值总数。RMSE和SMAPE是通过对东北社区所有房屋的预测误差进行汇总得到的。 3.1 多任务学习与单任务学习 该部分首先比较MT-BSGP和BSGP，BSGP只依赖于一个社区的数据，即单任务学习。此外，将提出的MT-BSGP方法与其他的电力预测方法进行了比较，包括ARIMAX、支持向量机（support vector machine，SVM）、随机森林（random forest，RF）和神经网络（neural network，NN）回归。所有这些方法只在东北部社区并使用相同的输入数据（包括电力、天气和交通量）来实现;而MT-BSGP探索了东南社区的类似数据模式，以补充更多信息来预测东北社区的电力。由这些方法得到的RMSE和SMAPE如表1所示。实验结果表明，在单任务结构下，MT-BSGP与ARIMAX相比减少了34%，与BSGP相比减少了22%，与SVM相比减少了20%，与RF相比减少了17%，与NN相比减少了15%。可以看出，多个数据源的组合可以减少MT-BSGP的预测误差。 在性能比较中，对所有的方法进行了优化，并为它们选择了最佳的参数。例如，对于ARIMAX，通过用R编程语言在forecast包的auto函数中搜索可能的模型来选择最佳模型。对于SVM，采用径向基函数核函数，通过10次交叉验证进行参数优化，得到最优参数。在参数优化后，用R语言在randomForest包中实现RF。对于NN，采用多层感知器方法，通过优化隐层参数、每个隐层中的神经元数目和误差函数偏导数的阈值作为停止准则，确定最佳初始值;选取隐层3个神经元的最佳神经网络，阈值为0.01，最大步长为1×107。 图3比较了MT-BSGP预测负荷曲线与实际负荷曲线。从图3可以看出，MT-BSGP方法可以有效地捕捉家庭电力负荷的趋势。 3.2 多任务学习与基于融合数据的学习 MTL并不像合并来自多个社区的数据那么简单。简单的多社区数据融合忽略了社区的独特信息和社区间的差异，从而引入了可能对模型学习过程产生负面影响的信息。然而，MTL探索了数据中的相似模式，并区分了社区间共享的信息和社区特定的信息，从而提高了学习的准确性。当两个数据集具有一定的相似性但也存在显著的差异时，将这些数据集合到单个任务学习框架中通常比在多任务学习框架中分别处理它们的效果差。 图4是MT-BSGP与其他三种方法的比较结果。可以看出，MT-BSGP在融合数据上的性能明显优于SVM、RF和NN。比较表1和图4，使用合并数据进行的学习并没有明显降低RMSE。因此，MTL方法在探索社区间的关联性和不同社区间的知识转移以提高预测精度方面具有重要价值。 3.3 MT-BSGP与MTL方法 本文提出的MT-BSGP方法与三种基于正则化的MTL方法进行了比较，包括Dirty模型[14]、稀疏低秩（sparse-low rank，SLR）[19]和鲁棒（robust）MTL[20]，以及與LR-OKL[13]进行了比较。提出的LRDM与上述基于正则化的MTL方法之间的差异如表2所示。在有GP和没有GP的情况下，使用上述MTL方法获得的结果在表3中给出。实验结果表明，在基于正则化的MTL方法中加入GP可以明显提高预测精度。与SLR+GP相比，MT-BSGP使RMSE降低了22%。实验结果还表明，LRDM的性能比Dirty模型高11%。在Dirty模型中加入共享低秩结构（l*）可以显著提高预测精度，从而说明低秩结构对提高预测精度的贡献。同时，与SLR和Robust方法相比，LRDM的RMSE分别减少了24%和10%。 图5比较了MT-BSGP、BSGP和LR-OKL在工作日随机选择的房屋的预测负荷情况。尽管LR-OKL与表3中所示的其他方法相比，其误差显著降低，但提出的MT-BSGP进一步将RMSE降低了14%，并更好地捕捉了时间数据变化。给定相同的MTL数据源，所提出的MT-BSGP还利用了模型结构的优点。该模型结构被分解为一个μ和一个GP，μ用于捕获社区之间的共享时间相关性，GP对特定于社区的局部变化进行建模。基于分解的模型（μ-GP）优于LR-OKL所采用的集成核方法，因为在LR-OKL方法中为核函数选择合适的参数。实验结果表明，最大误差出现在高峰时段（第33个30min）。该结果很正常，因为峰值负荷是一个相对罕见的事件，每天发生一次，持续时间很短。因此，负荷预测对于高峰负荷的误差通常大于非高峰负荷。从图5可以看出，在全天的总体性能方面，MT-BSGP方法优于其它方法。对于峰值负荷预测，MT-BSGP方法也优于其他方法。图6进一步比较了所有方法的标准差。可以看出，MT-BSGP具有最小的平均RMSE和标准差。 3.4 MT-BSGP与基于聚类的方法 为了体现所提出的MT-BSGP优于基于聚类的方法，将BSGP和MT-BSGP与基于聚类的负荷预测模型[18]进行了比较。根据文[18]，该方法考虑不同的k（例如，k从1到10），并根据获得的最小误差来选择最佳k。给定的k进行k-means聚类后，将LS-SVM应用于每个簇。然后，得到并结合每个簇的预测结果，从而得到最终的估计结果。而且，选择精度最高的k值来确定类的数量。 利用k-means算法对训练数据中的房屋（东南社区50户，东北社区10户）进行聚类，根据其在1到10之间的不同指定“k”下的负荷消耗模式进行聚类。因此，对于每个指定的“k”，所有的房屋都被聚集到k个簇中。然后，对每一个簇进行LS-SVM训练，并对其进行第二天的预测，并记录RMSE。最后，集合每个“k”的误差，并选择导致最小误差的“k”（由LS-SVM获得）。根据文[18]的过程，东南社区选择k=5，东北社区选择k=4。然后，对东南部和东北部的所有簇进行了空间依赖性检验，实验结果表明，东南部的簇4和5以及东北部的簇1和3在簇内确实表现出了空间依赖性。MT-BSGP与其他方法在东南部和东北部具有空间依赖性的簇进行了实验，实验结果如表4所示。从表4看出，在SMAPE方面，BSGP可以将东南社区的簇4和5的精度分别提高22%和20%。在SMAPE方面，在东北社区的簇1和3，BSGP的精度比基于k-means的LS-SVM分别高出9%和7%。因此，在一些空间相关性仍然存在的簇中，考虑GP和空间相关性可以提高预测效果。 4 结 论 为了预测电力短期负荷，提出一种基于MT-BSGP的方法，该方法可以捕捉城市不同居住社区之间的关联性和家庭之间的局部空间变化。为了更好地捕捉不同居住社区之间关联性，提出了一种新的多任务学习方法，即LRDM。该方法通过使用“公共特征集”（ll，∞范数）和“共享低秩结构”（l*范数）来改进MT-BSGP的学习。另外，为了克服LRDM和高斯过程参数联合估计的困难，提出了一种迭代算法。通过采集到的安庆市相关数据进行实验，得到了以下结论：1）与传统的单任务学习方法（ARIMAX、BSGP、SVM、RF和NN）相比，MT-BSGP的性能分别提高了34%、22%、20%、17%和15%;2）所提出的MT-BSGP比基于融合多社区数据的SVM、RF和NN的性能分别高出20%、18%和17%。3）提出的MT-BSGP的性能优于SLR、Dirty、Robust和LR-OKL。因为它在μ中同时使用了“公共特征集”和“共享低秩结构”，故可以跨社区共享;同时采用μ-GP分解结构。4）由于空间依赖性可能仍然存在于某些簇中，因此提出的算法的性能优于基于k-means的LS-SVM方法，而空间依赖性只能由MT-BSGP中的GP捕捉到。在将来的工作中，在电力市场中的动态定价方案中将考虑采用提出的负荷预测方法，以提高能源利用率和成本效益。 参 考 文 献： [1] 李军，李世昌.基于K-SVD-OMP的稀疏表示方法在电力负荷预测中的应用[J].电机与控制学报，2020，24（9）：156. LI Jun， LI Shichang. Application of Sparse Representation Method Based on K-SVD-OMP in Electricity Load Forecasting[J]. Electric Machines and Control， 2020， 24（9）：156. [2] 向红伟，常喜强，吕梦琳，等.考虑光、储、燃联合发电的微电网优化运行[J].哈尔滨理工大学学报，2020，25（2）：73. XIANG Hongwei， CHANG Xiqiang， LV Menglin， et al. Optimal Operation of Microgrid Considering Photovoltaic， Storage and Turbine[J]. Journal of Harbin University of Science and Technology， 2020， 25（2）：73. [3] 李翔宇，趙冬梅.市场机制下多微电网多时间尺度优化调度研究[J].电机与控制学报，2020，24（7）：29. LI Xiangyu， ZHAO Dongmei. Multi-time Scale Optimal Scheduling Strategy of Multi-microgrid Based on Market Mechanism[J]. Electric Machines and Control， 2020， 24（7）：29. [4] 李洪跃，王锡淮，肖健梅.差分进化改进微电网负荷频率混合H2/H∞鲁棒控制[J].电机与控制学报，2019，23（11）：118. LI Hongyue， WANG Xihuai， XIAO Jianmei.Differential Evolution Algorithm Improving for Micro-grid Load Frequency Mixed H2/H∞ Robust Control[J]. Electric Machines and Control， 2019， 23（11）：118. [5] 庞传军，张波，余建明.基于LSTM循环神经网络的短期电力负荷预测[J].电力工程技术，2021，40（1）：175. PANG Chuanjun， ZHANG Bo， YU Jianming. Short-term Power Load Forecasting Based on LSTM Recurrent NeuralNetwork[J]. Electric Power Engineering Technology， 2021， 40（1）：175. [6] 王闯，兰程皓，凌德祥，等.LSTM模型在电力系统负荷预测中的应用[J].电力大数据，2021，24（1）：17. WANG Chuang， LAN Chenghao， LING Dexiang， et al. Application for LSTMModel in Power System Load Forecasting[J]. Power Systems and Big Data， 2021， 24（1）：17. [7] 范海虹.基于萤火虫算法的短期电力负荷预测方法[J].中国电力，2021，54（3）：141. FAN Haihong. Short-Term Power Load Forecasting Method Based on Glowworm Swarm Optimization Algorithm[J]. Electric Power， 2021， 54（3）：141. [8] 杨婧，安江.基于自适应混合算法的短期电力负荷预测[J].计算机与数字工程，2020，48（11）：2569. YANG Jing， AN Jiang. Short-Term Load Forecasting Based on an Adaptive Hybrid Method[J]. Computer and Digital Engineering，2020， 48（11）：2569. [9] 牛安敏，张宏立，王聪.基于VMD-Leaky-ESN的电力系统短期负荷多步预测方法[J].新疆大学学报（自然科学版）（中英文），2020，37（4）：562. NIU A M， ZHANG H L， WANG C. Multi-step Short-term Load Forecasting Method of Power System Based on VMD-Leaky-ESN Algorithm[J]. Journal of Xinjiang University（Natural Science Edition in Chinese and English）， 2020， 37（4）：562. [10]苏振宇，龙勇，赵丽艳.基于regARIMA模型的月度负荷预测效果研究[J].中国电力，2018，51（5）：166. SU Zhenyu， LONG Yong， ZHAO Liyan. Study on the Monthly Power Load Forecasting Performance Based on Reg ARIMA Model [J]. Electric Power， 2018， 51（5）：166. [11]SHENG H， XIAO J， CHENG Y， et al. Short-term Solar Power Forecasting Based on Weighted Gaussian Process Regression[J]. IEEE Transaction on Industrial Electronics， 2018， 65（1）：300. [12]ZHANG Y， LUO G， PU F. Power Load Forecasting Based on Multi-task Gaussian Process[J]. IFAC Proceedings Volumes， 2014， 47（3）：3651. [13]FIOT J， DINUZZO F. Electricity Demand Forecasting by Multi-task Learning[J]. IEEE Transactions on Smart Grid， 2018， 9（2）：544. [14]JALALI A， RAVIKUMAR P， SANGHAVI S. A Dirty Model for Multiple Sparse Regression[J]. IEEE Transactions on Information Theory， 2013， 59（12）：7947. [15]史佳琪，譚涛，郭经，等.基于深度结构多任务学习的园区型综合能源系统多元负荷预测[J].电网技术，2018，42（3）：698. [16]KONILA Sriram L M， GILANIFAR M， ZHOU Y， et al. Causal Markov Elman Network for Load Forecasting in Multinetwork Systems[J]. IEEE Transactions on Industrial Electronics， 2019， 66（2）：1434. [17]任海军，张晓星，孙才新，等.短期负荷多变量混沌时间序列正则化回归局域预测方法[J].计算机科学，2010，37（7）：220. REN Haijun， SUN Xiaoxing， SUN Caixin， et al. Regulation Regression Local Forecasting Method of Multivariable Chaotic Time Series in Short-term Electrical Load[J]. Computer Science，2010， 37（7）：220. [18]WANG X， LEE W， HUANG H， et al. Factors that Impact the Accuracy of Clustering-based Load forEcasting [J]. IEEE Transactions on Industry Applications， 2016， 52（5）：3625. [19]XIE G， CHEN X， WENG Y. An Integrated Gaussian Process Modeling Framework for Residential Load Prediction[J]. IEEE Transactions on Power Systems， 2018， 33（6）：7238. [20]苏运，卜凡鹏，郭乃网，等.基于低秩表示的多任务短期电力负荷预测的研究[J].现代电力，2019，36（3）：58. SU Yun， BU Fanpeng， GUO Naiwang， et al. Research on Short-term Load Forecast Using Multi-task With Low-rank Representation[J]. Modern Electric Power， 2019， 36（3）：58. （编辑：温泽宇） 摘要：改革开放以来我国农村金融服务体系经历了三个发展阶段。当前来看还存在农村金融主体供给不足、金融产品供给单一、避险机制发展滞后等问题，因而需要充分发挥农村合作性金融组织的支农主体作用，加大农村商业性金融组织的支农力度，促进农村政策性金融组织的发展与创新，建立健全农村保险体系，推进农产品期货市场的建设，规范农村民间金融发展。 关键词：农村；金融服务体系；变迁；发展 一、改革开放以来我国农村金融服务体系的变迁历程 第一阶段：打破“大一统”金融体制阶段(1978—1991年) 1978年，我国的经济体制改革率先在农村拉开帷幕，为了适应经济体制改革与农村经济发展的需要，我国农村金融服务体系进行了初步改革。1979年国家决定恢复中国农业银行，在国家规定的业务分工范围内，农业银行独立行使职责，自主经营业务，并改变了传统的运作目标，成为一家专门从事农业和农村经济发展相关的金融服务的专业银行。农信社被划归农业银行领导，成为农业银行的基层机构，并在农业银行的领导下，信用社得到了一定的恢复与发展，网点逐步建立健全。1984年国务院提出把农村信用社真正办成群众性的合作金融组织，在农业银行领导、监督下，独立自主地开展存贷业务，并成立了农村信用社的县级联社。1989年开始，国家对信用社进行治理整顿，初步改变了信用社“既是集体金融组织，又是国家银行基层机构”的体制。此外，农村合作基金会在全国蓬勃发展，其他专业银行的分支机构也纷纷下延，农村金融服务体系打破了过去“大一统”的金融体制，逐步向多元化发展。 第二阶段：搭建农村金融服务体系框架阶段(1992—1999年) 1992年以后，我国确立了建立社会主义市场经济体制的改革目标，农村经济的市场化步伐也不断加快，与此相适应，我国农村金融服务体系的改革也进一步深化。从1994年开始，农业银行正式启动了商业化改革。同时，根据政策性金融同商业性金融相分离的原则，1994年成立了农业发展银行，专门承担农业银行原来所承担的政策性职能。随后，为了保证粮棉油收购资金封闭运行，国家收缩了农业发展银行的业务范围，将农发行原来承担的扶贫开发、农业综合开发等政策性贷款重新划回农业银行，农发行专门从事粮食收购贷款。1996年，农信社与农业银行脱离行政隶属关系，按基层社为一级法人恢复合作金融性质，由县联社负责农信社的业务管理，人民银行直接承担对农信社的金融监管。1997年中央金融工作会议确定“各国有商业银行收缩县(及县以下)机构，发展中小金融机构，支持地方经济发展”的基本策略以后，包括农业银行在内的国有商业银行逐渐收缩县及县以下机构。由于农业银行加快商业化步伐，逐步将业务中心转移到了城市，而中国农业发展银行力量很有限，使得农村信用合作社成为农村金融体系的主力军。同时，政府做出了清理整顿、关闭合并农村合作基金会的决定，国家开始打击各种非正规金融活动，对民间金融行为进行压抑。随后的1998—1999年，在全国范围内撤消农村合作基金会，并对其进行清算。这一阶段随着经济体制改革进一步深化，我国基本形成了以合作性金融为主，商业性金融、政策性金融三大金融机构分工合作的农村金融服务体系。 第三阶段：农村金融服务体系深化改革阶段(2000年至今) 2000年起，我国农信社的改革，在不断探索试点的基础上进一步深化。2003年，国务院下发了《深化农村信用社改革试点方案》，确定了吉林、浙江等八省，为农信社改革首批试点省(市)，加快农信社管理体制和产权制度改革，充分发挥农村信用社农村金融主力军和联系农民的金融纽带作用。各地按照因地制宜的原则，灵活选取组建农村商业银行、农村合作银行、县级联社统一法人等改革模式，通过政策扶持、增资扩股等方式来增强农信社的实力。2004年下半年，国务院决定在21个省(市)进行农信社深化改革。2006年12月，银监会对农村地区银行业金融机构的准入政策做出了框架性规定，并在四川、青海、甘肃、内蒙古、吉林、湖北6省(区)的农村地区开展试点。2007年1月，银监会在“研究改进和加强农村金融服务工作专题会议”上，提出了农村金融改革发展的思路，明确各类涉农银行业金融机构的发展方向。在2007年的全国金融工作会议上，提出要加快农村金融改革发展，完善农村金融体系，加快建立适应“三农”特点的多层次、广覆盖、可持续的农村金融体系，并将在信贷、建立农村保险市场、大宗农产品期货市场等多个方向推进农村金融服务体系的建设。 二、当前我国农村金融服务体系面临的两大难题 (一)农村金融主体供给不足 当前我国农村金融服务体系为建设社会主义新农村所提供的资金规模不足，从供给主体看，主要表现在以下几个方面：一是政策性金融组织服务功能单一，难以对农业生产安排资金支持。目前农业发展银行只在部分县(市)设立机构网点，并且服务功能单一，专司粮、棉、油收购资金的供应和封闭管理，服务范围十分狭窄，对农业生产基本上没有安排资金支持，难以发挥政策性支农应有的作用。二是国有商业银行逐步收缩在农村的营业网点，支农信贷资金明显减少。三是农村信用社受自身实力所限，不可能支持大规模资金投放。农信社作为农村主要的支农力量，在长期的支农服务中，由于外部经营环境和内部管理等方面的原因，目前积聚了不少不良资产，原有信贷资金存量相当部分已形成沉淀或被亏损占用；在新增存款方面，因农信社服务手段相对单一和落后，在竞争中相对处于劣势。四是其他农村金融机构很难提供大规模资金支持。一方面邮政储蓄只存不贷，造成农村资金的严重流失。另一方面农村民间金融组织大部分都是乡村邻里、亲朋好友等社会小团体的基础上建立起来的，其信用度极其有限，资金规模往往较小，抵御市场风险的能力较差。因此，农村民间金融组织不可能在整个经济范围内为建设社会主义新农村提供多样化的金融产品支持。 (二)金融避险机制发展滞后 一是农业保险体系尚未建立，农业贷款风险得不到合理的补偿。虽然中国人民保险公司于1982年就开始承办农业保险业务，但经过上个世纪90年代初短暂的快速发展后一直处于停滞不前的状态。由于农业保险赔付率高、利润微薄，一般商业性保险公司不愿意经营这类业务，只有政策性保险公司来经营农业保险业务，使农村保险业发展缓慢，目前保险业在农村仍处于发展的初创阶段。二是缺乏健全的农产品期货市场，使风险高度集中于农村信贷机构。随着农业保险规模的不断萎缩，与信贷相联系的所有与农业生产相关的风险都集中于信贷机构；由于缺乏良好的金融期货产品，走向市场化的农业生产的市场风险也有一部分要由信贷机构来承担。 三、我国农村金融服务体系发展对策 (一)充分发挥农村合作性金融组织的支农主体作用 农村信用社作为我国农村合作性金融组织，应继续发挥 农村金融主力军的作用。建设新农村必须继续坚定不移地深化农村信用社改革，逐步把农村信用社改革成产权明晰、经营有特色的社区性农村银行组织。同时大力抓好业务创新，推出更多的适合农民的、更为便捷的金融产品，切实解决农民“贷款难”问题。另外，央行应该考虑给农信社适度的支持，尽力解决不良资产问题，增强农信社的活力。对农村信用社因各个改革时期，国家政策导向所形成的不良贷款予以剥离。对于已经扭亏无望、难以为继的农村信用社，必须要坚决予以关闭。现行的对农业贷款利息收入免收营业税、降低所得税率的试点措施应该长期坚持，减轻农村信用社的经营成本。 (二)加大农村商业性金融组织的支农力度 我国农村商业性金融组织主要是包括农业银行在内的在农村开办金融业务的商业银行。目前的城市化导向和业务转移不应成为商业银行忽视农村市场的借口，商业银行必须有长远眼光，虽然当前在农村设立机构效益不大，但是，随着社会主义新农村建设的推进，农业发展的潜力很大，农村财富一定会大幅增长，支持农业发展的效益必将会越来越好。我国商业性金融组织在开展业务过程中要坚持盈利性、安全性和流动性的基本经营原则，即使支农也不能以行政手段扭曲商业性金融组织这一本性。从国外经验看，政府的作用不在于通过行政力量干预商业性金融组织的业务经营，强迫商业性金融组织服务于农村金融市场，而在于通过多种措施降低农村金融市场的交易成本，运用利益机制引导商业性金融组织自愿服务于农村金融市场。 (三)促进农村政策性金融组织的发展与创新 首先。我国农村政策性金融组织要切实承担起政策性金融的职能，要继续支持国家粮棉油储备体系建设，继续履行好粮棉油收购资金供应和管理等政策性业务。今后可将支持重点转向科研、技术推广、食品安全储备、自然灾害救济、环境保护及农业产业结构调整等符合WTO绿箱政策的项目。其次，政策性金融业务统一划为农业发展银行管理。目前由农业银行经营的农业开发贷款、扶贫贴息贷款等政策性金融业务，国家开发银行农业信贷业务以及邮政储蓄资金等，应划为农业发展银行管理，特别是国家预算拨款用于农业的资金和其他用于发展农业的专项基金，一律存人农业发展银行并代理拨付。另外，应注重政策性和商业性金融互动导向作用。现在，我国的资金比较充裕，银行的存贷差较大，这些资金都是闲置的，应该有效地用来支援农业和农村的发展。一些农业技术的开发、农业基本设施建设，都需要大量地投资，对这类投资，商业银行资金的趋利性导致了其投入的可能性很小，必须要由政策性资金进行前期投入。 (四)规范发展农村民间金融 客观讲，农村民间金融在促进农村经济发展方面有其积极作用，应支持农村民间金融的发展并对其进行规范。政府应对农村民间金融的组织形式、财务制度、经营业务范围。进入和退出等金融活动，分门别类地制定出标准明确的法规和监管制度；扶持一些条件成熟、运行规范、制度合理的农村民间金融组织的发展，使它们走上规范化、法制化的道路上来；适当放宽农村民问金融组织的市场准入，减少行业行政许可审批，允许民间以多种形式兴办金融业；统一金融服务待遇，实行在融资、结算、汇总、转账、资本运营等方面提供无差别服务；分步骤、有条件地允许民间金融组织采取多种融资方式开展业务等。 上证指数体系与多层次蓝筹股市场 从1990年至2010年，上海证券交易所(以下简称“上交所”)从最初的8只股票、22只债券，发展为拥有894家上市公司、938只股票、18万亿股票市值的股票市场，拥有199只政府债、284公司债、25只基金以及回购、权证等交易品种，初步形成以大型蓝筹企业为主，大中小型企业共同发展的多层次蓝筹股市场，是全球增长最快的新兴证券市场。 适应上海证券市场的发展格局，以上证综指、上证50、上证180、上证380指数，以及上证国债、企业债和上证基金指数为核心的上证指数体系，科学表征上海证券市场层次丰富、行业广泛、品种拓展的市场结构和变化特征，便于市场参与者的多维度分析，增强样本企业知名度，引导市场资金的合理配置。上证指数体系衍生出的大量行业、主题、风格、策略指数，为市场提供更多、更专业的交易品种和投资方式，提高市场流动性和有效性。 上交所将根据新一轮战略规划大力发展股票市场、债券市场、基金市场和衍生品市场的目标，不断丰富和完善上证指数体系，巩固上证指数的市场品牌地位，发挥上交所作为我国经济晴雨表作用，积极促进中国资本市场的建设。 上证指数体系的构建 上证综指于1991年7月15日发布，是上海第1只反映市场整体走势的旗舰型指数，也是 中国资本市场影响力最大的指数，包含A股、B股等上交所全部上市股票，以总股本为权重加权计算，代表中国资本市场20年发展历程，是中国资本市场的象征。 上证180指数选择总市值和成交金额排名靠前的股票，按照中证一级行业的自由流通市值比例，分配和选取180只固定样本，以自由流通股本为权重加权计算。这些公司核心竞争力强、资产规模大、经营业绩好、产品品牌广为人知，是上海证券市场上最具代表性的大型蓝筹股票指数，是投资评价尺度和金融衍生产品标的的基础指数，于2002年7月发布。 上证50指数是在上证180指数的样本股中挑选规模最大、流动性最好的50只股票，反映最具市场影响力的一批龙头企业的状况，于2004年1月发布。 发布于2010年11月的上证380指数，代表了上海市场成长性好、盈利能力强的新兴蓝筹企业，这部分企业规模适中、具有成长为蓝筹企业的潜力，代表了国民经济发展战略方向和经济结构调整方向。它是在上证180指数之外的公司中，剔除亏损及近5年未分红送股公司，按中证二级行业的自由流通市值比例分配样本，在行业内选取规模、流动性、成长性和盈利能力综合排名靠前的380只样本股。 上证50、上证180指数集中于金融、能源、原材料和工业等传统行业，上证380指数则广泛分布于节能环保、新一代信息技术、生物、高端装备、新能源、新材料等新兴产业和消费领域，凸显了我国经济结构调整的方向。 上证国债指数以所有剩余期限在一年以上的固定利率国债为样本，按照发行量加权计算，以反映债券市场的整体变动状况。 上证企债指数以剩余期限在一年以上的非股权连接类企业债为样本，以发行量加权计算，反映了企业债市场的整体走势和收益状况;上证企债30指数，选取流动性、发行规模等指标排名靠前的30只企业债，市场代表性好，可作为债券ETF的跟踪标的。 上证基金指数样本为所有在上交所上市证券投资基金，反映基金价格的整体变动状况。 上证50、上证180和上证380指数是上海市场特大型、大型和中型蓝筹企业的代表，表现上海多层次蓝筹股市场的变化特征;上证债券类指数、上证基金指数反映上交所分层市场，与股票指数一同构成上证指数体系。 上证指数特征与上海多层次蓝筹股市场 历史数据表明，上证综指、上证50、上证180、上证380指数的涨幅依次递增，波动性也依次增加。上证综指由于受权重股的影响较大，它与上证50、上证180指数在走势上较为接近，反映了上海市场上的大型蓝筹企业，这些企业是国民经济的主体，业绩增长稳定，虽然涨幅较小，但波动性更小，是资本市场的稳定器。 上海证券市场的股票市场的规模结构具有典型的二八分化情况，即180只股票的市值占据73%，交易额占据46%，剩余的700多家公司包含了近80%的公司数和54%的交易额。从每股均价、市盈率、波动性、活跃度以及与流通股相关的成交量等指标来看，该股票群体不亚于沪市大盘蓝筹的市场表现，且具有行业分布完整、成长优良等特征。上证380指数就是这一股票群体中具有高成长特点的新兴蓝筹企业的代表，指数涨幅明显，波动性也更大。 2010年底，上证综指、上证50、上证180、上证380指数的市盈率分别为21.6、16. 1、18.2、45.2倍，市净率分别为2. 6、2.1、2. 3、3.7倍。上证380指数样本股由于良好的成长性而获得较高的市场溢价，估值水平较高。 上证180指数样本股总市值大多分布在100-5000亿元的区间内，上证50指数中大市值股票则更集中。上证380指数样本股总市值大多分布在20-100亿元的区间内，总股本在10亿股、5亿股以下的样本股数量占比分别为88%和59%。上证50、上证180指数样本股总市值占上海市场的比例分别为55%和73%，上证380指数样本股总市值占比为17%。 虽然市值占比较低，但上证380指数样本股的交易更为活跃。2010年上证50、上证180、上证380指数的成交金额市场占比分别为23%、46%和33%，上证380指数样本股的成交额与上证50、上证180指数相接近。 典型企业的市场表现、行业分布与成长性 上证180和上证380指数样本企业的行业分布，体现了我国经济的当前特征和未来发展方向。上证180指数样本企业中，装备制造、能源资源以及金融等传统行业占主导地位，典型企业为中国石化、中国南车等。中国南车受益于高铁建设，2010年前3季度净利润同比增长74%，全年股价复权涨幅达到34%。 脱胎于上证180的上证50指数样本企业在金融行业集中度更超过了50%，其中工商银行2010年前3季度净利润同比增长27%、中国平安2010年前3季度净利润同比增长84%。 上证380指数样本企业中，传统行业之外的新兴产业的比重较高。按中证二级行业分类，样本覆盖了除电信、银行、保险和综合金融之外的其他21个行业。典型企业有以抗肿瘤药为核心业务的国内化学药龙头企业，上市10年来净利润增长达10倍;有薄膜电容器细分行业龙头，2010年前3季度净利润同比增长超过100%，全年股价复权涨幅70%的企业;有重要的汽车零部件生产企业，2009年净利润增长87%、股价复权涨幅达387%;还有国内大型航空发动机制造企业，2010年净利润同比增长35%，股价复权涨幅21%。 上证380指数样本企业符合中国未来经济发展方式转变，其中受益于扩大内需政策所扶持的医药、消费、服务业和信息技术等行业的股票样本权重占比超过40%，汇集了具有广阔发展前景的大批优秀企业，是新兴蓝筹企业的标杆，代表了我国国民经济的发展方向。 在利润总量上，上证50和上证180指数贡献了上海股票市场的大部分利润;但上证380指数的利润增速更高，近两年净利润平均增速达到约40%，其成长性具有明显优势。 上证指数产品 近年来，随着上证指数体系在体现上海市场品牌、反映市场板块层次结构和价格测量功能的同时，创新发展出了更为广阔的投资应用功能空间。围绕上证50、上证180等指数，目前已有多只指数基金产品推出。截至2010年底，以上证股票指数为投资标的的指数型产品数量为30只，资产净值达932亿元。在上交所上市的交易所交易基金(ETF)数量为12只，基金资产净值合计408亿元。发布不久的上证380指数，因其优秀的成长性而受到投资机构的广泛关注，一系列跟踪投资上证380指数的产品即将推出。 上证指数体系为投资者提供了良好的投资标的，投资者可以通过指数投资产品以较低成本分享到上海资本市场的发展成果，优秀的指数投资产品也有助于引导市场资金的合理配置，对资本市场的建设有积极推动作用。 上交所将不断丰富和完善指数产品的构成、品种、数量，使指数基金成为与股票、债券相 并列的重要市场类别。通过不同主题、策略、风格和不同行业的指数编制以及相应指数产品的开发，满足大、中、小型投资者，以及券商渠道、银行、信托、私募渠道投资者，各类基金、社会保险、商业保险公司等专业投资者，以及央企、民企等一般机构投资者等等多层次投资者对于不同风险、收益投资属性的多元化需求。 回到页首 上证指数体系图 回到页首 上证指数走势图 数据日期截止至：2010-12-31 回到页首 上证指数市场表现 数据日期截止至：2010-12-31 上证50、上证180、上证380、上证综指收益率和波动率 上证指数收盈率、市净率和股息率 上证50、上证180、上证380、上证综指市场覆盖率和基本指标的比较 上证50、上证180、上证380、上证综指样本股财务指标的比较 论文关键词 市场 监管 探索 在烟草行业改革与发展的新时期、新形势下，国家局对如何转变烟草专卖管理方式提出了新要求、新课题。构建“打击严厉、管理到位、疏导及时、服务周到”的市场监管体系(以下简称“打、管、疏、服”市场监管体系)，就是一次有益的探索和思考。 一、实施“打、管、疏、服”市场监管体系的背景 2012年4月9日，国家烟草专卖局赵洪顺副局长在全国烟草专卖管理暨专卖内管工作现场会上提出：着力构建“打击严厉、管理到位、疏导及时、服务周到”的市场监管体系。坚持守土有责，强化属地管理，坚决打击各种形式不合法、不规范行为。提高市场分析和判断能力，注重市场监测，加强对异常零售客户的管理。适应社会环境的变化，有针对性地开展市场检查，积极疏导零售客户的合理诉求。牢固树立服务零售客户的理念，努力为零售客户提供优质服务。 在烟草专卖管理工作中，着力构建“打、管、疏、服”市场监管体系，也是符合《行政处罚法》有关要求的。《行政处罚法》第五条规定：实施行政处罚，纠正违法行为，应当坚持处罚与教育相结合，教育公民、法人或者其他组织自觉守法。《行政处罚法》第二十七条还规定：违法行为轻微并及时纠正，没有造成危害后果的，不予行政处罚。 二、“打、管、疏、服”市场监管体系的内涵及方式 卷烟市场监管的目的是严格贯彻烟草专卖法律法规，查处和打击涉烟违法犯罪行为，建立规范有序的烟草生产经营秩序，切实维护国家利益和消费者利益。实施“打、管、疏、服”市场监管体系，既适应市场监管的目的，又符合市场监管内容的需要。打击严厉、管理到位、疏导及时、服务周到，是市场监管方式的四个方面，既可单独适用，也可综合实施。 (一)打击严厉 提升案件经营能力，强化信息情报网络建设，开展联合执法，突出对制售假行为、重大违法违规行为的打击力度。主要方式是对情节较重的违法行为实施行政处罚，严重的取消烟草专卖经营资格;对无证经营行为，移交工商部门联合予以取缔;对涉烟犯罪行为，移送司法机关追究刑事责任。 (二)管理到位 提高专卖执法人员分析判断能力，对卷烟零售户实施分类管理，以异常零售户为重点，有针对性地开展市场检查和管理。主要方式是实施《卷烟零售户分类管理办法》，结合卷烟业态，明确分类管理的重点，采取不同的监管措施和转化举措。 (三)疏导及时 对有违法行为的零售户，通过实施行政指导举措，进行教育转化，避免再次违法;对轻微的无证经营行为引导整改或不再经营。主要方式是采取行政提示、行政告诫、行政约见、行政建议、行政回访等方法，减少违规率，提升教育转化率。 (四)服务周到 落实“与客户共创成功”理念，通过为零售户提供法制培训、真假烟识别等，为零售户经营发展建言献策，提供多方位、多层次、宽领域的服务。主要方式是实施五层法规培训，即新办证户入门培训、经营初期培训、违规户专门培训、守法户常规集中培训和日常上门培训，提升服务水平。 三、实施“打、管、疏、服”市场监管体系的基本原则 (一)合法性原则 专卖管理部门应当在法定职权范围内实施打击、管理、疏导和服务，所实施的执法行为不得超越管理权限，不应违背法律精神、原则和国家政策。 (二)合理性原则 注重公平、公正，所实施的疏导和服务应符合行政相对人的利益要求，方式方法应妥善。 (三)针对性原则 紧密围绕市场监管工作中的重点、难点、热点、薄弱环节，根据不同的对象、案件或行为性质、特点，选择相应的市场监管或服务方式，实现最佳效果。 (四)以人为本原则 综合运用各种行政措施和管理、服务手段，寓执法、监管于疏导、服务之中，有效解决随意执法、趋利执法、不规范执法等问题。 (五)公开性原则 通过多种渠道，采取适当方式向零售户公布“打击严厉、管理到位、疏导及时、服务周到”的内容、形式等，切实保障行政相对人的知情权和监督权。 四、实施“打、管、疏、服”市场监管体系的重要意义 实施“打、管、疏、服”市场监管体系是在烟草行业改革与发展的新时期、新形势下，对转变烟草专卖管理方式提出的新要求。近几年，连云港市局实施的柔性执法，已在构建和谐的执法环境，提高零售户守法意识，保持良好卷烟市场秩序等方面显示出成效。实施“打、管、疏、服”市场监管体系，是对“柔性执法”的完善和提升。 (一)该体系是推进依法行政，构建和谐社会的现实要求 实施“打、管、疏、服”市场监管体系，是推进依法行政、文明执法、建设法治烟草的体现，有利于提高专卖执法的亲和力;是坚持以人为本，构建和谐专卖管理秩序和社会环境的体现，有利于优化发展软环境。 (二)该体系是烟草专卖行政主管部门转变管理职能和服务方式的重要举措 实施“打、管、疏、服”市场监管体系，是专卖管理部门市场监管理念与模式的重大转变，是在工作职能上从传统管理型向公共服务型转变，是在工作方法上从刚性监管为主向刚柔相济、相辅相成转变。是落实科学发展观，建立新型烟草专卖执法管理模式的体现，有利于提高专卖管理部门的管理和服务水平。 (三)该体系是优化执法环境，实现执法成效与社会效果共赢的根本保证 实施“打、管、疏、服”市场监管体系，有利于突出对重点违法行为的打击，提高监管的针对性;可以减少或避免违法现象的发生，提高监管效率和效能;可以协调和解决专卖管理部门与相对人之间的矛盾，最大限度地消除误解，争取配合。 五、实施“打、管、疏、服”市场监管体系的注意事项 “打、管、疏、服”是一项综合性的市场监管体系，需要专卖管理登多部门分头实施，同时又要协调配合。在实施过程中，需要明确实施主体、职责，制定完善相应的制度文书，规范操作流程和程序，确保应用、监督、考评到位。 (一)部门协作，共同实施 机动大队侧重于打击，日常监管大队全面实施管理、疏导和服务，证件管理部门侧重于管理和服务，案件审理部门侧重于疏导和服务，综合管理部门侧重于督查考核。专卖监督管理部门继续发挥好与公安、检察、法院等机关的协作机制，共同解决调查取证、证据认定、法律适用等难题。继续完善与工商部门打击无证经营的协作机制，依法取缔无证经营。 (二)形成体系，系统实施 该监管体系的建立，需要市县局共同实施。要明确市县局的分工，系统实施。打击方面的制度应主要包含有：《行政处罚自由裁量权适用规则》、《行政处罚案例指导制度》、《暂停整顿操作办法》、《取消经营资格操作办法》等。管理方面的主要制度应有：《卷烟零售户分类管理办法》、《8种检查方式实施细则》等。疏导方面的主要制度有：《行政指导程序规定》和配套的实施细则、标准规范等。服务方面的主要制度有：《卷烟零售户法制培训实施细则》等。四个方面共用的制度有：《卷烟市场日常监管实施细则》、《卷烟市场互查实施办法》、《烟草专卖行政执法用语规范》、《全程说理执法实施意见》、《市场净化率考评办法》等。 (三)完善标准，规范实施 打击、管理、疏导和服务，每个方面都应有相应的实施标准和操作流程，实施单位应按照规定的标准和流程规范，做好有关文书、资料的收集、保管、统计、分析等工作，按照要求规范实施。 (四)信息支撑，高效实施 综合证件管理、市场监管、情报分析、案件审理、内部监管等功能，实施移动终端系统，提升市场监管针对性、科学性、系统性，提升市场监管整体效能。 六、结语市场体系论文范文第2篇
市场体系论文范文第3篇
市场体系论文范文第4篇
市场体系论文范文第5篇