煤炭企业投资风险的统计分析
0引言
投资风险是指投资的市场收益与期望市场收益偏离的大小与程度。而风险分析是现代可行性研究的必然要求。根据统计分析,项目前期进行的可行性研究费用只占总投资的2%左右,但对项目生命周期影响占到90%以上[1]。因此，不断提高对投资项目可行性研究工作重要性的认识，认真扎实地做好投资前期的研究论证工作十分必要。
然而，据统计，资源行业的企业在项目投资前期只对个别项目进行风险评估分析的占40%，不进行风险分析的占20%。而每个项目都做风险评估的企业只占到10%[2]。以上数据表明，在资源行业，对投资风险评估的重视度是明显不足的。
对于煤矿企业而言，其生产对象是不可再生的矿产资源，项目投资大，不可预知的因素多，风险损失一旦发生，就无法弥补[3]。因此矿业项目风险分析对煤炭企业是做好矿业项目投资的前提，加强风险投资的风险研究，规避风险，直接关系到项目投资主体的生存和发展。
本文以现有研究为基础，选取净现值评价指标，建立适合煤炭企业自身特点的投资风险评估模型，并采用SPSS软件对投资风险因素做出统计分析。
1研究设计
1.1选取煤炭企业风险评估指标
在进行风险分析或经济评价时，需要通过选择一些指标作为目标函数，然后经过对函数的值域变化范围、期望的大小、方差或标准差大小来确定风险大小。通常选用的指标有投资收益率、等效最大投资周期、现值和净现值、折现现金流通收益率等，本文采用的净现值评价指标。
国内外关于经济评价方面的研究主要是建立在密歇尔的现金流量基础之上，净现值法是判别项目优劣的比较成熟和科学的方法[4]，它克服了传统静态经济评价方法的不足，不仅考虑了开发煤炭资源的资金投入与产出，而且考虑了资金的时间价值，在确定净现值的同时还可以作资金的内部收益率、回收周期、盈亏分析及敏感性分析，因而广泛用于资产评估和矿产开发项目的可行性研究，一直以来占据着风险项目投资决策的核心地位。
净现值（NPV）是将项目计算期内各年净现金流量，按照基准收益率折现到建设期初的现值之和，它是反映项目在寿命期内赢利能力的动态评价指标。其表达式根据情况不同有多种计算方式，若以每年年值相同的情况来表示，则计算式为：
（1）
式中CI―年现金流人量；
CO―年现金流出量；
P―期初投资额；
n―寿命期；
i―社会折现率或财务基准收益率（或设定的折现率）。
1.2建立煤炭企业风险分析模型
根据投入、产出关系，煤炭企业项目的特有的技术经济因素，以及根据成本管理中的净现金流的计算，将NCF值经过贴现率折现计算，得到矿产项目投资净现值函数为：
（2）
（3）
n=12Z/（K?A） （4）
（5）
式中：
Q―月产煤数量；P一煤炭单位价格；
C―月产煤成本；F折旧一折旧费用；
a―所得税率；P一期初总投资；
n―矿井服务期限；Z―矿井设计可采储量；
K―储量备用系数；A―矿井设计生产能力；
i―社会折现率或财务基准收益率（或设定的折现率）；
2煤炭企业投资风险评估模型应用案例
2.1案例概况
选取陕西某集团某煤矿投资项目的数据。该矿期初投资额898,718,700元，矿井预计服务年限为76.6年（919.20个月），矿井可采储量为4,286,900吨，储量备用系数为1.4，矿井设计生产能力为40,000吨/年，每月折旧费用平均3,174,673.44元，所得税率按33%，社会折现率取10%。
2.2风险因素的选择
考虑到煤炭投资项目中，各风险因素对项目投资收益的影响程度，本文确定煤炭产品的产量（Q）、单位售价（P）及矿井生产成本（C）这三个重要变量作为随机输入变量，进而模拟确定目标变量的指标值。因为无论市场风险、政治风险、生产风险，还是环境保护风险、金融风险等，都会对煤炭产品的产量、售价、成本产生影响。
2.3对月产量、售价、月成本三个风险变量进行分析
本文在统计分析过程中使用统计分析软件SPSS18.0。SPSS是世界上最早的统计分析软件，已有30余年的成长历史。在国际学术界有条不成文的规定,即在国际学术交流中,凡是用SPSS软件完成的计算和统计分析,可以不必说明算法,由此可见其影响之大和信誉之高。
图1 月产量直方图
SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。企业在生产经营中，产生大量的统计数据和检测数据。本文通过对产量、售价、成本三个风险因素的历史值分别做描述性统计、Q-Q图检验以及非参数检验，检测出其风险变量服从的分布特征。
2.3.1 绘制月产量直方图
采用SPSS软件中分析模块，对月产量历史数据做描述统计。绘制月产量直方图，描述其分布特征，如图1所示。
由月产量直方图图形特征判断，月产量大致符合正态分布。则假设月产量服从正态分布，对其做进一步正态分布检验。
2.3.2 对月产量进行正态分布Q-Q图检验
由上述直方图图形特征，已作出月产量服从正态分布假设。在SPSS分析模块中，继续做月产量的描述统计正态Q-Q图检验。检验结果如图2所示。
图2月产量的正态Q-Q图
从图中可得，月产量的各个散点基本分布在累积概率线上，即符合正态分布。
2.3.3 对月产量做K-S检验
为使分析更加精确，本文对月产量数据进一步做非参数检验（K-S检验）。检验结果如表1。
表1K-S检验结果
从结果上看,渐近双侧的显著性达到了0.359，远大于显著性水平0.05,所以原假设成立,认为该项目月产量分布与理论正态分布无显著差异。也就是说月产量数据在0.05水平的显著性下通过了正态性检验。
2.3.4 结论
检验结果表明，月产量Q服从N（292578.088，118121.585）的正态分布。同理对煤炭售价、月生产成本做相关分析，得售价P符合N（366.908，36.189）的正态分布；月成本C符合N（21321842.06，9467248.6）的正态分布。
3结语
本文在评估项目风险的过程中，选取净现值指标，建立了适合煤炭企业自身特点的风险评估模型。在运用SPSS统计分析软件进行原始数据统计分析的基础上，求得随机风险变量的分布函数。
运用SPSS软件对项目数据进行分布分析，不仅使计算过程得到简化、精确，更克服了传统方法在数据选取、分析和计算过程中的人为主观性，使预测结果更加贴近现实状况。为决策者提供更加科学可行的参考依据，降低项目投资的风险。
