评估折旧大全.docx

评估折旧大全.docx

《评估折旧大全.docx》由会员分享，可在线阅读，更多相关《评估折旧大全.docx（19页珍藏版）》请在冰豆网上搜索。

评估折旧大全

通用设备经济寿命参考年限表

设备分类寿命年限（年）

设备分类寿命年限（年）

一、机械设备

3．空压机

1．普通金属切削机床18

移动式10

其中：

数控机床12

固定式14

剪床14

4．储气罐、储油罐

冲床16

室外20

电动剪板机8

室内30

龙门刨床20

5．风机（不含除尘）8

摇臂钻床20

6．冷却塔12

折弯机14

7．除尘设备8

砂轮机10

8．工艺管线

切割机12

有腐蚀管线10

抛光、磨光机14

无腐蚀管线20

2．锻压设备17

9．发电机组25

其中：

锻锤设备14

10．其他动力设备20

3．试验设备

三、传导设备

其中：

机械式20

1．电器设备18

电子式10

2．变电设备25

4．起重设备18

3．配电设备20

单双梁吊车16

4．输电线路30

电动葫芦10

5．电讯设备25

电梯12~15

6．铁塔水泥杆40

5．工程机械15

7．其他传导设备20

6．铸造设备14

其中：

冲天炉16

四、通讯设备

混砂机12

1．通讯线路8

7．电镀设备12

2．电话通讯设备8

8．其他机械设备18

3．传呼机6

二、动力设备

4．交换机10

1．锅炉

5．手机4

4T/H以上蒸汽或热水锅炉16

6．其他通讯设备8

4T/H以下快装锅炉14

2．泵类

五、自动化控制及仪器仪表

清水泵16

1．自动化控制设备10

污水泵、耐酸泵12

2．半自动化控制设备8

设备分类寿命年限（年）

设备分类寿命年限（年）

3．电子计算机6

1．闭路电视播放设备10

4．探伤仪器、测绘仪器8

2．音响设备5

5．检验用平板20

3．电影放映机10

6．通用测试仪器及设备10

4．高级乐器（钢琴、管弦乐器）10

5．其他

六、工具及其他生产用具

机械式设备15

1．成套工具12

电子式设备8

2．一般工具10

十一、运输设备

3．电焊机10

1．载重汽车（40万公里）8

4．其他工具及用具12

2．客货两用车（45万公里）10

3．小轿车（50万公里）10

七、管理部门设备及器具

4．大轿车（40万公里）8

1．电视机6

5．摩托车（18万公里）5

2．窗式、分体式空调6

6．消防车12

3．柜式空调8

7．汽车吊12

4．中央空调系统设备15

8．工业吸尘车12

5．传真机5

9．救护车（30万公里）12

6．复印机及文字处理机4

10．铲车、电瓶车12

7．编程器8

11．其他特种车12

8．微机4

12．蒸汽机车20

9．打印机5

13．内燃机车20

10．激光打印机5

14．电力机车20

11．摄录像机及照相机8

15．铁路货车20

12．稳压电源10

16．铁路客车20

13．办公设备7

17．钢质运输船舶18

14．其他

18．机动小艇20

19．各种驳船、拖传轮18

八、医疗设备

20．木质水泥船10

1．X光机6

2．心电图机6

十二、公用事业设备

3．其他8

1．水、油、煤气炉20

九、食堂用具

2．储气柜（煤气）50

1．冰箱6

其中：

焊接式储气柜

2．冰柜8

3．煤气表15

3．洗涤设备6

4．公用事业其他专用设备25

4．炊具4

5．工作台8

十三、港务设备

6．开水器4

1．16吨以上汽动吊20

7．其他5

2．大型门式起重机20

十、教育及福利设备

3．输送机械10

设备分类寿命年限（年）

设备分类寿命年限（年）

4．导航设备18

5．浮船20

6．引水船20

7．挖泥船18

8．浮吊25

9．浮船坞20

10．港务其他专用设备20

注：

凡未列入本表的通用设备，其经济寿命参考年限，可用该设备的折旧年限乘系数1.2后视作该设备经济寿命年限。

附录1：

各类设备寿命年限

设备名称

寿命年限（年）

设备名称

寿命年限（年）

1、塔

18

13、油泵

20

2、反应器

14、水泵

28

冷壁

25

16、酸（千）泵

5

热壁

15

17、压缩机

3、立式油缸

20

离心式（空气）

30

4、卧式汕缸

20

往复式

20

5、球缸

25

18、汽轮机

25

6、换热器

20

19、蒸汽锅炉

7、空冷器

15

炉体钢结构

25

8、加热炉

18

炉管

10～15

9、容器

20

耐方材料

10

10、仪表

10

附件

10

11、DCS

10

20、特殊阀

15

12、电气设备

21、热水锅炉

15

变压器

25

配电设备

20

电缆

30

附录2：

理论成新率的计算规定

1、建筑物设计使用年限规定

（1）钢筋砼排框架结构一般情况60年

有腐蚀介质50年

（2）砖混结构（有抗震构造）一般情况50年

有腐蚀介质40年

（3）砖混结构（无抗震构造）40年

（4）砖木结构30年

（5）半永久建筑20年

2、构筑物使用年限

（1）室外框架、管架30年

（2）冷却塔30年

（3）水塔30年

（4）水池30年

（5）油池、油罐、污水池等20年

（6）水井30年

（7）道路20年

（8）围墙30年

用户名：

liu_bit

密码：

30708219

20世纪60年代，美国著名经济学家威廉•夏普（WilliamF.Sharpe）等人在哈里•马克威茨（HarryM.Markowitz）的投资组合理论的基础上，分别导出了风险资产定价的量化模型——资本资产定价模型CAPM。

在这个模型中，夏普教授十分简洁地给出了证券类风险资产（以下统称股票）投资的期望收益与风险之间的关系。

并首次正式引入了β贝塔系数的概念，用以表述股票期望收益随股票市场收益变化的敏感度。

由于夏普教授在资本资产定价理论上的贡献，而获得了1990年度诺贝尔经济学奖，资本资产定价模型也渐成为风险资产估价的重要方法，并得到广泛和深入的研究，其中对于风险系数贝塔的认识也不断深化。

本文研究的就是贝塔在企业价值估值中的应用问题。

   一、β贝塔系数的定义

   β贝塔系数作为描述股票收益水平相对股票市场平均收益水平变动的敏感性因子，有其严格的定义。

夏普教授根据投资组合理论以及CAPM模型的假设，在均值方差平面上，把投资股票的收益（由收益率的均值表示）与风险（由收益率的方差表示）之间的关系表示成：

E（ri）=rf+Cov（ri,rM）/σM2[E（rM）-rf]         

（1）

令

βi=Cov（ri,rM）/σM2                            

（2）

则有

E（ri）=rf+βi[E（rM）-rf]                     （3）

   上述式中，E（ri）和E（rM）分别为股票i和市场组合M的期望收益；Cov（ri,rM）为股票i和市场组合M期望收益的协方差；σM2为市场组合M期望收益的方差。

   式（3）被称为证券市场线方程，即为标准的资本资产定价模型CAPM，它对任意股票或其组合的期望收益与风险之间的关系给出了一种十分简洁的结论。

任意股票或其组合的期望收益由两部分构成：

其一是投资的无风险报酬率rf，它是对放弃即期消费而进行投资的一种补偿；其二是投资的风险报酬率βi[E（rM）-rf]，它是对投资需承担某种不确定性风险的一种补偿。

   按照导出CAPM模型的假设，股票市场中的风险是由两部分构成，即一部分是只与股票自身性质有关的公司特有风险，也称为非系统性风险；另一部分是与整个市场因素有关的市场风险，也称为系统性风险。

非系统性风险在构造股票的投资组合时可以被分散，而市场的系统性风险则不能通过投资组合而被分散掉。

鉴于股票的市场组合包含了所有的股票，是投资者最优的股票投资组合，它能最充分地分散掉了单个股票的特有的非系统性风险，因此市场组合中包含的投资风险全部是系统性风险。

这样，CAPM模型定义的风险报酬率则仅与其所承担的市场风险呈正比，而市场风险的大小可用β贝塔系数表示。

   式

（2）即为β贝塔系数的数学定义，由股票i的收益率和市场组合M的收益率的协方差与市场组合M收益率的方差的比值表示，用以度量股票所承担的市场（系统）风险大小。

因此，β贝塔系数也被称为股票的市场风险指数。

   同样，若投资者认为股票的已实现的历史收益能较好地代表其未来，则可以应用统计回归技术，对直接观察到的、已实现的历史收益数据，通过使用简单的单因素线性方程来拟合、表达股票在持有期的收益，也可以得到β贝塔系数的表达式。

   如使用E（ri）表示股票持有期的期望收益；并用Hi表示假定在股票持有期间不可预测的宏观（或市场）因素对股票收益的影响，ei表示假定在股票持有期间不可预测的公司特有因素对股票收益的影响。

可得到表述股票收益的方程

ri=E（ri）+Hi+ei               （4）

   考虑到不同股票的发行公司、企业对宏观市场因素事件应具有不同的敏感度。

则可把宏观市场因素事件对股票影响的不可预测部分记为M，并把股票i对宏观因素事件的敏感度记为βi，则股票i受宏观因素事件影响的不可预测部分可被表示为Hi=βiM，即式（4）变为：

ri=E（ri）+βiM+ei           （5）

      注意，由于设定Hi和ei都是不可预测因素事件对股票收益的影响，则由统计学理论对不可预测事件因素期望值的定义，可知其期望（平均值）必然为零，也即Hi和ei具有零的期望值。

      式（5）表明股票i的持有期收益仅随宏观市场事件的一个因素βiM的变动而变化。

因此，该式也被称为的单因素模型（single-factormodel）。

      倘若我们把股票市场的某种价格指数、如上证综合指数或深证综合指数的收益作为一般的宏观市场因素事件的有效代表。

则可导出类似的市场模型（marketmodel），称为单指数模型（single-indexmodel），这是因为它利用股票市场的价格指数来代表一般的或者宏观系统的因素事件。

并且，由于股票市场收益水平在它超过或者低于无风险报酬的意义上，它仅仅代表了一种宏观市场状态。

所以通常都把单指数模型表示成为超过无风险报酬率rf的超额收益的形式，而不是总收益的形式。

即依照与等式（5）相似的原理，把实际的或已实现的股票收益划分成宏观（系统）的与微观（公司特有）的两部分。

并使用符号αi，βi（rM–rf）和ei，把股票在持有期已实现的实际收益率表示成αi，βi（rM–rf）和ei的三部分的代数和，用以表示股票在持有期的超额收益，即有

ri–rf=αi+βi（rM–rf）+ei    （6）

当使用R表示超额收益，式（6）变为

 Ri=αi+βiRM+ei           （7）

式中：

      αi表示如果市场是中性的，也即当市场的超额收益（rM–rf）为零时股票i的收益部分，即股票i的不规则收益率的平均值。

在均值方差坐标平面中，α阿尔法的几何意义是单指数方程（式7）的截距。

      βi（rM–rf）表示股票i收益中随整个市场的变动而变化的收益部分，其中βi是股票i对市场变动的敏感度。

在均值方差坐标平面中，β贝塔系数的几何意义是单指数方程（式7）的斜率。

      ei表示只与股票自身（公司特有）相关的不可预期事件形成的不可预期收益部分。

      当假定式（7）中股票发行公司自身特有的或非系统的不可预测事件的部分与整个市场的运行无关、是独立于整个市场或系统之外的部分，并把市场的超额收益RM=rM–rf的方差记为σM2，则可以把股票收益的方差拆分成由宏观经济因素的不确定性的方差，以及公司特有因素的不确定性的方差两部分所构成，分别由β2iσM2和σ2（ei）表示，并注意到ei是公司特有的，即独立于市场变动之外的部分，所以RM和ei的协方差均等于零，即有Cov（RM，ei）=0。

则股票i超额收益rM–rf的方差为

σi2=β2iσM2+σ2（ei）      （8）

      类似地，两种股票超额收益的协方差，例如Ri和Rj的协方差，仅仅来自于市场或一般的宏观经济因素的RM，由于ei和ej都是每个公司各自特有的，它们显然不相关。

即有两个股票的协方差为

Cov（Ri,Rj）=Cov（βiRM，βjRM）=βiβjσM2       （9）

      鉴于RM和ei的协方差等于零，并注意到αi是一个趋于零（但不一定等于零）的常数，其与所有变量的协方差也均等于零。

则可导出股票i的超额收益与股票市场价格指数收益的协方差为：

Cov（Ri,RM）=Cov（βiRM+ei，RM）=βiCov（Ri,RM）+Cov（ei,RM）=βiσM2 （10）

      即βi=Cov（Ri,RM）/σM2，从而式（7）中的市场风险敏感度系数βi具有了与式

（2）相同的涵义。

      二、β贝塔系数的估计

      β贝塔系数作为CAPM模型中的一个重要的基础参数，是对股票市场乃至资本市场的系统风险进行度量的一个不可缺少的关键因子。

为了评价风险、资产定价，以至对股票投资进行组合分析或其他的一些应用，合理并恰当地估计测算股票的β贝塔系数是十分重要的。

      1、估计测算模型

      CAPM模型给出的是关于股票“期望收益”的定价结论，鉴于实际中可以直接观察到已实现的收益，为了应用CAPM模型，则需将期望收益变换为直接使用观察到的已实现收益。

即需要将CAPM模型转化为一种经验上可用的形式，以便通过使用市场上直接观察到的、已实现的历史收益数据进行资产定价和企业价值估值。

      由于式（7）是一个标准的单指数线性方程，其收益R可利用一定样本区间的观察值进行简单的统计回归得到，则我们就可使用直接观察到的、已实现的历史收益数据，由最小二乘法得到股票的历史β贝塔系数的估计值，即

      β0=（ΣRiRM-1/nΣRiΣRM）/（ΣR2i-1/n[ΣRi]2）  （11）

      在β贝塔系数估计的实践中，资本市场发达国家的权威咨询机构事实上并不使用超额收益形式方程进行回归，而多使用总收益形式的单指数方程进行回归。

即用

r=α+βiRM+e            （12）

替换

r–rf=α+β（rM–rf）+e      （13）

我们可通过把式（13）展开，来说明总收益与超额收益对β贝塔系数估计的影响。

展开式（13）

r=rf+α+βrM–βrf+e=α+rf（1-β）+βrM+e  （14）

比较总收益的式（12）和超额收益的式（14），可知，在一个具体确定的样本区间中，rf是一个常数，则这两个方程具有完全相同的独立变量rM和残值e。

因此，两个回归方程中的斜率系数（β贝塔值）相同，所以无论是取总收益的形式、还是取超额收益的形式，对β贝塔系数的估计值将不会产生实质性的影响。

使用总收益形式的指数模型意味着可以忽略股票收益的红利部分，这可大大简化统计方程以及数据采集和计算的工作量，而不会对估计β贝塔系数造成实质影响。

但应注意总收益的式（12）中的α阿尔法值则仅是超额收益的式（14）中α+rf（1-β）的一个近似估计。

这是基于，按周或月为基准的rf（1-β）值较小。

并且，当β≠1时，总收益的式（12）中的回归截距（α阿尔法值）将不等于超额收益的式（14）中的α阿尔法值。

此外，虽然实际中的rf确实也在随着时间发生变化，因此在回归方程中并未把rf作为常数项。

但事实上rf的方差与市场收益的变动相比是十分微小，也即短期国债利率的实际变动对β贝塔系数的估计值仅有极微小的影响。

美国证券市场使用总收益的实践表明，短期国债的收益率大约仅占总收益的0.2%，所以总收益与超额收益的概念完全可以忽略。

在估计历史贝塔系数时，市场组合的代替品通常是某股票市场的价格指数。

用于估计测算这种历史β贝塔系数的方程即为单指数模型的线性回归方程（式7）。

我们重写如下：

Rit=αi+βitRMT+εit               （15）

式中：

Rit=股票i在t期间的收益率；

RMT=股票市场组合在t期间的收益率；

αi=股票i的不规则收益率（不受市场影响的收益部分）；

βi=股票i对市场组合收益率变化的敏感因子（市场风险系数）；

εit=零均值随机误差项。

式（15）被称为单指数的市场模型，即证券市场线（Securitymarketline）的特征线方程。

使用式（15）测算估计股票的历史β贝塔值，一般可以获得股票的历史贝塔值、阿尔法值、相关系数、决定系数、特性系数、残值标准差、贝塔标准差、阿尔法标准差、收益率以及收益率标准差等多个统计值。

对于包含G个风险资产、股票（βp）的投资组合来讲，历史贝塔仅是投资组合中各单个风险资产、股票（βi）的已得出历史贝塔的加权平均，其中权重的就是该单个资产、股票的市场价值占投资组合的总市场价值的百分比。

即

                βp=Σwiβi                 （16）

例如，某投资组合的30%（W1）是代码为600009股票，β=0.57；70%（W2）是代码为6000641股票，β=1.11时，其历史贝塔值就等于：

30%（0.57）+70%（1.11）=0.95

      2、贝塔估计值的稳定问题

      鉴于股票的收益率是随着市场的时间变化而变化，因此在对股票的历史收益数据进行回归拟合、估计测算股票的β贝塔系数时，遇到的最棘手问题是如何保证β贝塔估计值的稳定性。

造成β贝塔估计值不稳定性的来源至少有两个方面。

首先就是统计上的估计误差，如选取的样本区间和单元，即衡量股票收益时的持有期的时间单位、也即统计回归期的区间长度，以及采集数据的单元，即数据的时间间隔（如每日、每月还是每季）等，就是与此有关的因素。

例如，如果计算过去5年中的每月收益率，就会得到市场指数和单只股票收益率的60个月观察值。

也可以计算过去三个年度中的每周收益率，从而得到市场指数和单只股票收益率的约150个周观察值。

当然，还可以使用过去年度中的每日的收益率数据，得到约240个交易日的观察值数据。

理论上并没有指定究竟应该使用每月、每周还是每日的收益率数据，同样也未规定观察值取样的具体数量。

只是按照统计学的方法论来讲，观察值越多、得到的历史β贝塔的估计值就越可靠。

但也要考虑到估计β贝塔的目的是要充分地揭示股票证券的“即期”风险性，而不应一味地追求数据而又“平滑”了风险。

      因此，当对股票收益进行回归分析、估计测算股票的历史β贝塔值时，鉴于贝塔系数的稳定性问题，则需要考虑回归期限的取样长度和数据单元等问题。

      关于回归期限的长度。

许多咨询分析机构，包括价值线（ValueLine）与标准普尔（StandardandPoor’s）等，在估计β值时使用5年的历史数据，而Bloomberg公司使用2年的历史数据估计历史β值。

其中的利弊得失很明显，估计期越长，可供使用的数据就越多，数据结果就应越稳定。

但由此而带来的是股票本身的风险特征可能已经随时间的推移而发生了较大的改变。

研究表明，一般使用3年的时间长度既可保持估计值的相对稳定性，又能较充分地揭示股票对市场风险的敏感度。

      关于回归分析所使用数据单元，即股票的持有期。

我们可以按月、周、日，甚至一天中的某一段时间作为数据单元计算持有期的收益。

按日或更小的时间单位作为持有期的单位进行回归分析可以增加观察值的数量。

但是，由于在较短的时间单位内股票的交易量可能为零或交易价格不能充分反映市场的主体行为，从而导致β值估计中出现较大的失真或误差。

例如，使用每天收益率来估计小公司的β值时，可能会因为小股本股票在一天内无任何交易而使估计出的β值偏低，或股票在一天内的价格变化不是由市场因素造成、而是公司特有因素所导致（如分红派息），这些都可使估计值失真。

而使用以周或月作为持有期的时间单位，则能够显著减少这种非市场因素所导致β值的估计误差。

      研究表明，股票收益率的变化速度与它们对新信息的反映速度相同，而且资本总额越大反映越快。

因此，随着时间的变化，估计各单个股票的β贝塔的不稳定性较为明显，而估计某一股票组合（如行业）的β贝塔则表现的相对较为稳定。

      股票β贝塔的不稳定性的另一个比较明显的来源与把β贝塔作为唯一的风险指数有关，普通股股票具有多个风险来源。

因此当存在一个或多个处于变化中的系统风险的宏观经济因素或微观因素来源时，任何试图涵盖系统风险的全部来源的单一风险量度都会不稳定。

例如，假设石油价格是系统风险的一个宏观市场因素来源。

当所有其他因素保持不变，石油的预期价格水平变化时，对石油的预期价格更为敏感的股票就会有所反应，而其他的股票，虽然也是用β贝塔作为单一风险指数，则没有反应或反映不敏感。

如果用β贝塔衡量系统风险，那些对石油的预期价格的变化有反应的股票就会表现不稳定，尽管传统的单指数贝塔模型中包括许多系统风险因素，但这时它们实际上仅对其中的之一产生反应。

因此，如果要使β贝塔对于预测有真正意义的话，就应不断对β贝塔的估计值进行适时的调整更新。

      造成β贝塔的估计值不稳定的另一个问题是对市场收益率的选择。

估计β值的一般方法是使用公司股票所在交易市场的收益率。

因此，当多个市场没有统一指数时，若估计在上海证交所上市的股票时，应选用上证所的价格指数；若估计在深圳证交所上市的股票时，则应选用深圳证交所的价格指数。

并且，当成份指数不能较好的代表市场组合时，谨慎的办法是选用综合指数。

      3、对历史贝塔的调整问题

      由回归分析得到的历史β贝塔值是否应该加以调整，以反映回归分析可能的误差和β贝塔值偏离平均值（行业或整个市场）的程度。

在权威咨询分析机构公布的β贝塔值中，大多已使用一种根据回归分析中得到的β贝塔估计值的标准差，将β贝塔值向市场组合的方向进行调整（市场组合的β值一般假设等于1），并使用这种经调整的β贝塔作为未来贝塔的预测值。

      MarshallBlume的研究发现，随着时间的推移，风险资产投资组合的β贝塔趋于向市场平均值回归，即β趋于1.0。

其经济学解释是一家公司的风险将逐渐趋于所有公司（市场）的平均风险。

他的研究表明，对股票i的β贝塔系数的预测若经过下述调整后可能更为合理、准确：

          β2i=a+bβ1i                （17）

其中β2i和β1i是时间间隔为若干年的两个历史贝塔估计值，通过回归分析并使用下式计算可估计出参数a和b。

            β3i=a+bβ2i                   （18）

其中β3i是对股票i的贝塔的预测值。