公司宏观经济分析范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇公司宏观经济分析范例，将为您的写作提供有力的支持和灵感！

篇1

大数据方法和技术不仅可以被深度地应用在微观分析、行业研究领域，也可以运用在宏观决策之中。未来，大数据既是企业占领市场、赢得机遇的利器，也是政府进行宏观调控、国家治理、社会管理的信息基础。而大数据时代对数据的挖掘、处理和分析的方式，对于传统的宏观经济分析，无疑是一次大的革新。

大数据应用于宏观经济分析的趋势

传统的宏观经济分析通常是通过对比主要宏观经济指标、建立宏观经济计量模型、仿真宏观经济动力系统，对宏观经济形势及未来发展趋势进行判断与预测。

在当前的大数据时代，越来越多的宏观经济政策制定者和相关专家学者都已经意识到，大数据对宏观经济分析有着革命性的影响。目前，在宏观经济分析及预测中运用大数据方面，无论是国外还是国内，从新型宏观经济指数构建，到建立新型大数据宏观经济预测模型，各方面都取得了一定的进展。

早期大数据在宏观经济分析领域的应用，主要集中在建立新的宏观经济指数，以便更加准确的反应宏观经济运行状况。这方面的工作主要基于个人的交易记录，包括像一些欧洲国家将销售点扫描数据纳入CPI指数编制。

特别引起关注的是麻省理工学院的经济学家利用网上购物交易数据创建的BBP项目 （Billion Prices Project），基于不断变化的一篮子商品所计算的日度通胀指数。这种实时的通货膨胀指数能够比相应的官方数据更好地反映实际经济运行的情况。当年，在雷曼兄弟公司倒闭后，BPP 的数据显示，大部分美国企业几乎立刻开始削减价格，这就表明总需求已经减弱。而相比之下，官方通胀机构公布的数据直到当年11月，即在10月CPI数据公布后，才对通货紧缩有所反应。

“企业发展工商指数”是宏观经济分析领域中典型的大数据应用案例，也是我国政府在大数据挖掘领域的首创成果。该指数包括10 个对宏观经济具有显著先行性的指标，可以提前1～2 个季度预测宏观经济发展趋势。它改变了传统的抽样统计方式，利用大数据挖掘技术，对工商全量、动态的全国企业登记数据进行分析，发掘大数据价值，并采用合成企业发展工商指数，以判断宏观经济走势。

除了宏观经济分析与预测方面相关指数的建构，从宏观经济分析与预测研究的国际趋势看，使用大数据集，建构监测预测的模型，进行经济预测越来越广泛，逐渐成为很多国家央行进行经济预测的新方法和新工具。

在应用互联网大数据进行经济分析及预测中，使用网络搜索引擎或网络社交媒体记录的关键词，会有数据获取及时、样本统计意义明显等优势，预测精度较高。

Google Trends每天都在产生大量与经济发展相关的查询结果，且这些查询结果与当下的经济活动之间必然存在着不容忽视的关系，或许可以对预测当下的经济活动起到非常重要的作用。并且，在此基础上，Choi H. &. Varian H.（2016）举例说明了如何利用Google Trends预测美国零售业、汽车、住房和旅游的销售情况。

还有相关机构引用专业数据分析软件公司SAS的研究数据，以社交网络活跃度增长作为失业率上升的早期征兆，帮助政府判断就业形势和经济状况，以更好地制定经济政策。在社交网络上，网民们更多地谈论“我的车放在车库已经快两周了”、“我这周只去了一次超市”这些话题时，显示网民可能面临巨大的失业压力；当网民开始讨论“我要出租房屋”、“我准备取消度假”这些话题时，显示出这些网民可能已经失业，面临巨大的生存压力，这些指标是失业后的滞后标志性指标。

样本统计转为总体普查

大数据的发展对于宏观经济分析最为显著的积极影响，莫过于使宏观经济分析从样本统计时代走向总体普查时代。大数据时代的宏观经济分析中，传统的样本假设方式被抛弃，转而以真实的海量数据来进行计算机的自动分析。

我们知道，传统的经济分析包括经济计量分析是建立在抽样统计基础之上的，在传统的抽样统计分析中，往往以假设检验为基本模式，依靠的数据主要是样本，将样本假设为整体，然而，这种分析往往与事实存在或多或少的出入。

与传统宏观经济分析总是局限于小规模样本数据有所不同，在大数据时代，随着信息覆盖范围和数据量迅速提升，数据样本的体量会极大地提高，甚至可以达到样本即总体的程度。例如，就物价而言，每一笔在电子商务网站成交的交易信息都能记录在案。这样的情况下，宏观经济分析的可靠性必然大大加强。

同时，随着信息量的极大拓展和处理信息能力的极大提高，使得宏观经济的分析不再局限于传统的统计分析模式，而是将抽样分析转变为总体分析。这一点对宏观经济分析意义重大，因为宏观经济系统纷繁复杂，如果能将对整体宏观经济变量的分析建立在尽可能多的关于经济主体行为的信息以及其他诸多经济变量的信息的基础上，无疑将会极大地提高宏观经济分析的准确性。

基于推特（Twitter）平台表达的公共情绪用来预测股市变动，是很典型的例子。2008年3月到12月长达九个月间，270万Twitter用户推送的多达970万条的消息，经过情绪评估工具――Opinion Finder 和GPOMS 被分别赋值并评估为“积极”与“消极”两种情绪和“calm（冷静）”、“alert（警觉）”、“ sure（确信）”、“vital（活泼）”、“kind（美好）”、“happy（高兴）”六种情绪。结果发现，在道琼斯工业平均指数和GPOMS中的“calm（冷静）”情绪之间存在相关性。进一步研究发现，“calm（冷静）”情绪可以很好地预测道琼斯工业平均指数在未来2到6天的涨跌情况，而且这种每日预测的准确率高达到87.6%。

大数据时代，可获得大而全的可得数据，甚至可抛弃原有的假设检验的模式，这些优势是传统经济分析方法无法想象和实现的，无疑将会极大地提高宏观经济分析的准确性和可信度，不仅可以更加准确了解宏观经济形势，还有利于正确做出宏观经济发展的预测，从而更加合理地制定宏观经济政策。

变量个数无限增多

在当前大数据时代，数据的可得性和多样性导致样本量无限增大，同时变量个数无限增多，这有利于应用大量模型进行研究，并应用完备的数据信息，提高预测的准确性。

经济预测模型可以分为两类：一是传统的小模型预测，这类模型往往通过建立时间序列、横截面或面板方程来进行经济分析。传统的小模型预测的特点是仅使用较少的变量，像VAR模型的变量个数通常小于10个。二是大模型预测，这类模型往往使用成百上千个变量，因而大模型预测利用的信息非常丰富。

小模型预测理论比较成熟、方法相对简单。但是，小模型预测有天然的缺陷，那就是变量的完整通常是不可能的，而预测的效果受限于其所使用的变量。

使用小模型进行预测时必须仔细挑选预测变量，然而仁者见仁智者见智，无论是根据理论还是根据经验进行变量的选择，其过程必然会存在差异，其结果也更是可想而知，而且甚至会产生一些争议。比如，基于菲利普斯曲线预测通胀时，有的研究使用失业率作为预测变量，也有研究使用GDP缺口或者产能利用率。

清华大学经济学研究所所长刘涛雄教授就指出，由于模型变量选择、参数设置、估计方法以及滞后期选择等的不同，预测结果会产生很大的偏差。

小模型预测方法这一天然的局限是很难调和的，主要是因为数据样本有限而导致增加很多变量不可行。这使小模型预测的结论往往和经济现实严重脱节。我们很难想象中央银行会仅仅根据少数几个变量进行宏观预测，并据此做出决策。即便是一家企业也不会如此草率。

通过大数据挖掘，可以使得变量大大增加。这就为经济预测从小模型预测转变为大模型预测创造了条件，应用大量模型进行分析及预测，可以应用完备的数据信息，从而提高预测的准确性。

在美国，银行通常依靠FICO得分做出贷款与否的决定，FICO分大概有15-20个变量，诸如信用卡的使用比率、有无未还款的记录等。而一家名为ZestCash的金融机构，在决定是否向客户放贷的时，分析的却是数千个信息线索。ZestCash正是依靠其强大的对于大数据的处理和分析能力，形成了其独特的核心竞争力。

未必因果关系 而是相关关系

传统的经济计量分析以寻找相关事物（变量）的因果关系为核心，而大数据条件下的经济分析通常则着眼于挖掘相关事物（变量）的相关关系。

在复杂的宏观经济系统中，许多经济变量的因果关系往往难以准确检验，或者因果结论经常广受质疑。然而，在如今的大数据时代，更加重视可靠相关关系的发掘，并且充分利用相关关系对于经济预测、经济政策制定与评估的作用，则无疑为宏观经济分析打开了另一片广阔的空间。

在“小数据”时代，宏观经济中的因果关系分析其实并不容易，耗费的精力大、时间多。特别是，要从建立假设开始，进而不断地进行一系列假设的实验，而一个个假设要么被证实，要么被。不过，无论被证实还是被，由于二者都始于假设，这些分析就都有受偏见的可能，所以极易导致错误。

同时，由于计算机能力的不足，在小数据时代，大部分相关事物（变量）关系的分析局限于寻求线性关系。然而，实际上的情况要复杂得多，在现实宏观经济中，总能够发现的是相关事物（变量）的“非线性关系”。

当然，在小数据世界的宏观经济分析中，相关关系也是存在并有价值的；不过，在大数据时代的宏观经济分析中，相关关系才将大放异彩。维克托・迈尔-舍恩伯格与肯尼思・库克耶（Victor？Mayer-Schonberger &. Kenneth？Cukier）认为，建立在相关关系分析基础上的预测是大数据的核心。通过应用相关关系，可以比之前更容易、更快捷、更清楚地分析事物（变量）。

英国华威商学院为预测股市的涨跌，使用谷歌趋势（Google Trends）共计追踪了98个搜索关键词。这中包括“债务”、“股票”、“投资组合”、“失业”、“市场”等与投资行为相关的词，也包括“生活方式”、“艺术”、“快乐”、“战争”、“冲突”、“政治”等与投资无关的关键词。结果发现有些词条，诸如“债务”，成为预测股市的主要关键词。

“谷歌流感趋势”为预测季节性流感的暴发，对2003年和2008年间的5000万最常搜索的词条进行大数据“训练”，试图发现某些搜索词条的地理位置是否与美国流感疾病预防和控制中心的数据相关。

谷歌并没有直接推断哪些查询词条是最好的指标，相反，为了测试这些检索词条，谷歌总共处理了4.5亿个不同的数字模型。将得出的预测与2007年和2008年美国疾控中心记录的实际流感病例进行对比后，谷歌公司发现，它们的大数据处理结果发现了45条检索词条的组合，将它们用于特定的数学模型，预测结果与官方数据的相关性高达97%。

在大数据时代来临之前，尽管相关关系已被充分证明大有用途，可是相关关系的应用很少。这是因为用来做相关关系分析的数据同用来做因果关系分析的数据一样，也很少，也不容易得到，并且收集有关的数据，在过去相对来说，也费时费力，也会耗资巨大。不过现如今，可用的数据如此之多，也就不存在这样的难题了。特别是现在，有关专家们正在研发能发现并对比分析“非线性关系”的必要工具。总之，一系列飞速发展的新技术和新软件从多方面提高了有关分析工具发现宏观经济变量相关关系的能力，这就好比立体画法可同时从多个角度来表现人物或事物。

在大数据时代，这些新的分析工具和思路为我们提供了一系列新的视野和有用的预测，使我们看到了很多以前不曾注意到的宏观经济中的联系，掌握了以前无法理解的复杂的国民经济动态。

时滞变即期

目前对宏观经济的分析研究所采用的资料，主要依赖于各种统计调查系统的统计数据，但面临的最明显的缺陷之一便在于关于宏观经济统计的数据具有很强的时滞性。而大数据经济模型可以充分利用数据的实时性，提高分析或预测的时效性，为经济预警和政策制定提供最快速的资料和依据。

一般来说，依赖统计部门的宏观经济数据的都存在时间滞后的问题。由于不能及时获取宏观经济发展的数据信息，也就不能对当下的宏观经济形势作出准确判断。例如，政府公布的季度GDP 往往会有1个月的滞后期，而反映全面经济社会状况的统计年鉴的滞后期会达到3个月左右，这对及时了解宏观经济形势、预测与预警都是非常不利的，基于此统计进行的预测甚至被认为助长了宏观经济波动。

在互联网技术的辅助下相关宏观经济的分析部门能够快速地收集到主要宏观经济发展数据，如全社会的用电量、全社会的商品销售总额以及商品房的购买量等。这些大数据的获取时间较短，有的数据甚至是立即可以获得。

而随着互联网尤其是移动互联网的发展，产生了大量的即时传播数据，如企业通过微博、微信第一时间产品、人事等重要信息； 普通用户实时针对特定事件或对象发表见解和态度，等等。

这些即时传播的非结构化数据对宏观经济的走势也产生了重要影响。通过大数据软件处理平台，可以实时追踪和搜集这些即时数据，并快速对数据进行分析和处理，从而提高宏观经济的时效性，为经济活动参与者赢得决策时间。

篇2

传统证券分析理论认为，宏观经济的走向对行业及证券价格的影响较大，通过分析及预测宏观经济走向可以找到各行业未来发展的动向及公司股价变动的规律，这样的分析逻辑由于来自于西方纯理论学派的多年积累和总结，其在认识上对广泛的投资群体造成了日久弥深的影响力。但由于宏观经济的有效性仍基于一个重要的前提，那就是宏观经济的运行结果会通过上市公司的业绩来反映，从而迟早会体现在上市公司的股价上。然而，由于上市公司的基本面变化往往并非一个短期经济数据所能预测，因此，研究周期往往较长，在对短期市场走势的判断上，宏观分析指导作用并不强。或者可以这样说，过于依赖或关注短期经济指标的变动，往往让投资者在判断市场短期波动方向中误入歧途。

通过从实证分析的角度来验证宏观经济走势是否能对股市的波动构成参考指标，这是一件颇有价值的事情。一方面，如果我们得出了宏观经济并非影响市场走势、尤其是短期市场走势的主要因素的结论，那么可以就此判断，“通过分析宏观经济可以预测股票市场走向”这一结论是伪命题。另一方面，如果我们无法通过宏观经济分析来判断市场走势的话，那么是否有更好的研究方法能够有助于对中短期股市的走向做出合理的判断。要回答以上两个问题，首先要从对“宏观经济分析可以预测股市”这一命题的真假检验开始。

通过对中国、美国乃至西方各国证券市场历史与宏观经济增长的历史数据的回归分析，我们可以证明宏观经济走向与股市走势之间是否存在强相关性。

首先，如果将宏观经济形势以GDP的增长规模来替代，恐怕没有多大的分歧。借鉴美国股市的发展历史，我们可以清楚的看到（图一），在美国1962年创下1001.10最高点，而在随后的20年里，道琼斯平均工业指数基本在1000点之下运行，直到1982年11月份才突破前期高点，上升到了1200点。而与此同时，美国经济在1962年到1982期间实现了高速增长，名义GDP规模从1962年的5933亿美元增加到1982年的33144亿美元，年平均增长达到9%。可以这样说，尽管美国经济在1962年至1982年期间保持了高速增长，但美国股市却丝毫没有受到经济增长的刺激而带来的股市上升。尽管其中原因我们并没有细究，但通过定量分析已证明股市与宏观经济在20年的过程中没有正相关关系（如果将时间段放在1959至1989年的30年之中，GDP与股市的相关性很强）。

其次，我们可以同样对中国股市与GDP的增长之间的关系进行回归分析及假设检验，看看两者之间是否存在正相关关系。

通过实证分析A股与GDP之间在1990年至2006年17年的运行特征来看，我国GDP增长均在7%以上，宏观经济发展总体上呈现高速增长态势，但上证指数与GDP增长曾经出现2次背离（图二）。一次是在1993年至1995年期间，另一次是在2001年至2005年期间，很明显，A股与GDP增长之间在上述两个时间段并不存在正相关性（当然，从10年以上的长周期比较来看，两者存在强相关性）。另外，考察德国及日本的历史经验，我们得到的结论也是一样。

那么应该如何理解股市与经济增长之间的背离走势呢？我们认为，由于影响市场走势的因素太多，而且经济增长因素又并非影响短期市场的主导因素，因此，尽管从长期来看，经济运行与股市上升趋势之间存在强相关性。但就阶段性而言，分析宏观经济的走向对把握短期市场运行，其参考意义不大。或者我们可以这样说，与其从宏观经济分析出发，不如从市场短期供求乃至市场参与各方的预期等多方面关系对股市的中短期走向做前瞻式分析。

格雷厄姆和巴菲特都在不同场合多次谈到――“从短期来看，市场是投票机，而长期来看，市场是称重机”。罗杰斯也认为，供求就是价格，投资的铁律就是正确认识供求关系。安德烈・科斯托拉尼也认为影响股价的因素，短期而言是看资金的供求关系，中期而言是资金和信心，而长期而言是基本面。对于大师们留下的投资精髓，当然也可以这样理解，股票价格上涨，长期来看由公司内在价值及基本面决定；而从短期看，股票的价格由市场参与者的行为决定，购买股票的人数越多，资金累计效应越大，股票价格短期上涨的可能性也就越大。因此，短期股价的涨跌与否与投资者的认同度非常有关，而股价能否获得投资者追捧主要由投资者的心理预期及对市场的信心乃至可调动的资金规模决定。

一方面，资金供给的多少既需要从投资者行为乃至心理变化来考虑，也需要考虑整个市场资金供给的状况。简单的看，影响股市波动的直接因素是投资者买卖行为造成的。而影响投资者行为的主要是投资者心理预期，而影响投资者心理预期的因素颇多，包括上市公司基本面、宏观经济因素及政策因素等等。

市场资金的整体状况主要围绕货币供应量考察。首先，从市场基准利率来看，利率代表市场的资金成本与市场资金供求关系的状况。当基准利率开始下行，意味着市场资金供过于求，导致资金成本下降；其次，货币当局对货币供应量的调控也会影响市场整体资金的供求关系；而贷款余额增速的大小也将影响货币乘数，从而影响整个市场的货币供应量规模。

但货币供应量只能看作是股票市场资金供给的外生性变量，同时，我们也不能忽略市场资金内生性的增加流动性的可能，这也属于资金供给的主要方面。市场内生性流动性的增加可能来自于两个方面，一是企业对实体经济走向的看淡，导致投资需求的下降，从而将手头囤积的大量货币资金转向虚拟经济的投资，包括投向股票、债券乃至房地产等泛金融类资产。二是受经济下滑的影响，投资者对未来收入增长的预期下降，从而降低了消费，因此，在个人账户上的存款上，投向证券市场的资金比例必然增加。但上述情况恰恰与经济走强导致股市走好的逻辑相反。

篇3

但是很多投资者在运用基本面分析时，由于对一些概念和理论没有领悟透彻，而存在一些认识上的误区，笔者经常碰到的就有两类，特此指出来，和大家一起切磋探讨。

一是只看表面不看实质举例来说，股市是国民经济的风向标这句话没错。但有投资者以目前中国经济良好来指责今年以来股市下跌是偏离基本面的。这个观点其实包含三个层次的认知误区。首先，国民经济包含内容很多，涉及很多指标和方方面面。单看绝对值，2008年中国GDP增速的确也很高，估计全年在10％左右。但是这个增速相对2007年的11.9％就是下降了近2个百分点，在实体经济中可能就意味着几万个企业破产、数十万个人失业等经济现象。而2009年中国GDP增速有进一步下滑至9％的可能性。总之，中国经济增速在回落，这比增速维持或加速都要差。

其次，股指高低和全市场利润具有很高相关性，而GDP只是个收入指标，不是利润指标。即使GDP增速不下降，原材料价格、能源价格和劳动力成本上升都会导致企业利润率下降。所以相比2007年上市公司盈利增长49.3％，2008年上市公司盈利增速估计可能不到三成。可以看到，作为收入项的GDP增速下降才2个百分点，企业盈利增速居然可能下降20个百分点。如果全球经济持续不好、国内还继续紧缩政策，那么，2009年上市公司盈利增速会进一步下降。

第三，虽然被称作是国民经济的风向标，但股指表现往往和基本面指标并不同步。毕竟，决定股价的因素有两个：盈利和市盈率(PE)估值水平，而影响PE高低的因素有预期盈利的增速、资金面情况、投资者心理甚至还有全球市场PE水平等等。作为非成熟市场，中国股市PE水平经常出现较大波动，且未必要和盈利变化一致。

篇4

反观国内，宏观调控仍然面临较大压力。物价上涨比较快、通胀预期增强，房地产市场成交量萎缩、多数城市房价依旧上涨……

众多复杂变数，于中国，是危机还是契机，中国模式能否成功转型？“十二五”，中国经济如何平稳过渡？

且看吴敬琏先生的精辟解读。

中国虽然上世纪末期把市场经济制度的基本框架初步搭建起来，但是市场化改革其实还处于“进行时”阶段，旧体制的许多部分还没有得到根本性的改造，政府职能还有待转变，国有经济布局的战略性重组和国有企业的公司制改革都还行在半途，所以我说“大关仍然未过”。在这种情况下，我们不能有丝毫的松懈。

凯恩斯框架失灵：

中国的问题是长期问题

近些年我们一直在说，必须注意中国经济存在的内外失衡。其中内部失衡的主要表现是投资率过高、消费率过低。过去30年中国的GDP一直保持着10%左右的高速增长，然而消费需求不足，却使GDP增长缺乏内在的动力。政府采取出口导向政策，用对外净出口（出超）弥补国内需求不足，维持了较好的增长。但到2008年以后，因为全球金融危机，连续几年出口受限，出现了经济下行的趋势。2009年，我国用超强的扩张性货币政策把增长速度又拉了起来，但消费需求不足的问题仍未解决。特别是在全球金融危机发生以后，美国的居民储蓄率提高了3-4个百分点，相形之下，我们依靠净出口维持高速增长方式的问题显得更为突出。

从1999年到2010年，在消费需求的不足下，出台了扩张性的货币政策来保持增长率，这种货币政策经过十余年的发展，使过剩的流动性大量积累。于是，经过一段时滞，货币超发和流动性泛滥所引起的一些消极的后续效应开始显现。主要的标志之一是资产价格的剧烈上升，其中最突出的是房地产价格飙升和泡沫急剧膨胀。此外，消费物价指数CPI也开始上升。这就导致了一种两难的状况：一方面内在动力不足，想维持较高的增长率，就需要继续采取扩张性的宏观经济政策，特别是扩张性的货币政策。另一方面，货币超发后续的消极后果已经显现，又需要采取紧缩性的宏观经济政策来抑制房地产价格和物价上涨的势头。

为了破解宏观经济决策的这种两难问题，首先需要选择正确的分析方法，判明这种两难问题的根源是什么。2008年以来，在分析中国宏观经济形势的时候，通常是对所谓的“三驾马车”――投资、消费和出口的状况来分析总需求的态势，认为经济之所以遇到困难，是因为决定总需求的三驾马车中有两驾（消费和出口）太弱，拉不动经济增长。如何能够在这两匹马都不跑的情况下把这个车往前拉？结论就是扩张性的宏观经济政策，就是用4万亿的投资、10万亿的贷款来增加总需求。

问题在于，这种“三驾马车”的分析方法显然是凯恩斯主义宏观经济分析框架的变形。但学过宏观经济学的都知道，凯恩斯主义宏观经济分析处理的是短期问题，连凯恩斯本人也从来没有说过可以用它来分析长期问题。而中国经济目前出现的问题却是长期问题。研究这类问题，需要运用索洛提出的新古典增长模式。

中国发展的根本性问题：增长模式存在着严重缺陷

长期以来，我一直认为，中国的长期发展存在着一个根本性的问题，即增长模式存在着严重的缺陷。经济发展方式的核心还是经济增长模式。

那么，什么是增长模式？说得简单一点，就是靠投入资源、还是靠提高效率来实现增长。西方国家的早期，在18世纪后期到19世纪后期，两次产业革命之间的那种增长模式，其特点是靠投资来驱动增长。苏联在第一次五年计划之后沿袭了西方国家的早期增长模式，把它称之为“社会主义的工业化道路”。这种方式存在很多弊病。按照马克思的分析，它会导致两个主要问题：一是导致生产过剩的经济危机周期性地发生。二是造成了劳动者的贫困化和阶级斗争的尖锐化。这两个问题会导致资本主义走向灭亡，“资本主义的丧钟就要敲响”。

改革开放以前，我们沿着这条道路走，带来了很大的损失。到了“”后期，经济上剧烈波动加上“”的政治因素，经济和社会都濒于崩溃的边缘。

改革开放以后出现了长时期的持续增长，并没有发生改革开放以前那样严重的经济困难，其中一个重要因素就是，在对外开放的过程中我们学习了日本等一些东亚国家和地区的办法，采取了出口导向政策，用各种政策手段支持出口，发展对外贸易。这种做法造成了两个积极后果：第一，出口加工业迅速发展起来，使得大约2.5亿农村低效的农业劳动力转移到城市相对高效的加工业就业，也使得整个城市经济得到快速发展。当然，现在多数所谓的“农民工”的收入水平依然很低，我们应该努力提高他们的收入水平，不过，和在农村的收入情况相比，还是获得了相当程度的提高。第二，大量的出口（净出口）需求弥补了国内需求的不足，使得经济能够持续增长。1994年汇率改革以后，出口导向政策全面展开，中国对外贸易的贸易盈余由负转正，而且不断增加。旺盛的出口需求有力地支撑了此后十多年GDP的高速度增长。

经济决策两难：

增长缺乏内在动力和通货膨胀压力增大并存

篇5

（一）、公司简介 1

（二）、宏观经济分析 1

1、国际经济形势分析 1

2、国内经济形势分析 2

（三）、行业状况分析 4

（四）、啤酒产业发展趋势分析 5

（五）、公司在行业中的地位及优劣势分析 6

二、报表及总体评价 7

（一）比较财务报表及共同比财务报表 8

（二）企业财务状况及经营成果的总体评价 8

三、财务比率分析 8

（一）青岛啤酒近三年来的财务总体状况 8

（二）对财务比率的具体分析 12

四、投资建议 15

一、青岛啤酒股份有限公司的基本面分析:

（一）、公司简介