基金分紅范文

導語：如何才能寫好一篇基金分紅，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1、基金分紅的時間是不一定的,分紅必須滿足幾個條件:投資當期有收益；投資當期收益可以彌補以前虧損；分紅之后基金凈值不得低于1，這個時候基金就可以分紅了，所以這個基金分紅的時間是不一定的。

2、基金分紅有現金分紅和紅利再投資兩種方式，一般這個在購買的時候就會約定，如果你沒有特別說明的話就會默認為是紅利再投資方式，基金分紅是按份來分的；現金分紅就是分現金給你，紅利再投資就是分相同于那么多金額的基金給你，增加的是你持有的基金份額。

（來源：文章屋網 ）

篇2

清楚了解分紅條款

基金分紅是基金實現投資收益后，將其分配給投資人。一般來說，基金可以選擇任何時間進行分紅，但實際中基金通常做法是積累一定的數量的收益后再進行分紅?；鸬氖找娣峙湔邥兴煌?，除了符合法規要求外，也有各自的考慮，投資人應關注招募說明書中的收益分配條款。

例如收益分配的次數，每只基金都有些差別，你可以查看最近的更新公告或咨詢基金公司的客服人員。又如每只基金對“符合有關基金分紅條件”的注釋，有的基金只要滿足凈值大于1元的條件，而有的基金必須滿足基金當年實現收益。

貨幣市場基金收益分配的時間相對固定?！敦泿攀袌龌鸸芾頃盒幸幎ā分幸幎ㄘ泿攀袌龌饝斆咳者M行收益分配，多數基金則會選定每個月中固定的一天集中支付收益。

分紅的封閉式基金受追捧

去年9月1日，基金泰和與基金分紅雙雙分紅，成為2006年率先實現年內分紅的基金，成為去年市場最閃亮的兩只基金，11月是封閉式基金分紅改制的創始月，多家基金公司將旗下封閉式基金的分紅方式由“每年分配一次”改為“每年度至少分配一次”?；鹦薷姆旨t契約和實施分紅的舉動使封閉式基金行情不斷延續升浪。2007年上半年剛剛結束，封閉式基金在年中分紅的預期下醞釀著下一輪行情。投資者為何追捧即將分紅的封閉式基金?

與開放式基金不同的是，封閉式基金不能通過贖回來獲取現金收益。購買封閉式基金的投資者獲利的渠道包括二級市場賺取資本利得和現金分紅。然而，歷史上國內封閉式基金凈值長期徘徊在面值以下，老持有人還要面臨基金長期高折價率的尷尬。因此，在喪失流動性、長期收益無法得到保障的時候，現金分紅滿足了部分投資者落袋為安的需求。同時，目前國內封閉式基金如果增加換手率，將收益兌現分配給投資者，預期的現金分紅將十分可觀。此外，封閉式基金分紅理論上可以擴大基金的折價率，這無疑提高了績優封閉式基金的吸引力。不容忽視的是，封閉式基金分紅后可能會出現填權跡象，這是投資者熱情追捧的結果。

走出開放式基金分紅的誤區

基金分紅后，基金凈值會下降。例如基金分紅前的凈值為1.1元，分紅0.01元后基金凈值會下降為1.09元。有些人認為由于分紅后基金凈值下降，基金比較“便宜”，因此分紅后購買比較劃算。特別是今年上半年多家基金公司對旗下基金實施大比例分紅，凈值1元的基金著實令不少投資者怦然心動。其實，這是一種誤解。

假設在權益登記日和紅利再投資日之間市場沒有波動，那么投資者無論是在分紅前購買還是之后購買，其擁有的資產沒有差別。這是因為，雖然分紅前購買可獲得分紅并轉換成基金份額，但分紅后購買由于基金凈值下降，同樣的申購金額可購買更多的基金單位。當然，現實中基金凈值會由于市場波動而發生變化，從而導致分紅前購買和分紅后購買所擁有的基金資產略有差別，但在市場波動不大的情況下，這種差別并不大。

例如，你投資10000元購買基金，分紅前基金凈值為1.1元，申購費率為1.6％，從而可獲得10,000/[(1+0.016) ×1.1]=8947.75份基金單位。假設基金實施每10份基金單位0.25元的紅利分配時，分紅后基金凈值下降為1.1－0.025＝1.075元，你會獲得8947.75×0.025＝223.69元，即可轉換成208.09份基金單位，這時你共有9155.83份基金單位。如果分紅后購買，你可購買的基金單位也是10,000/[(1+0.016) ×1.075]=9155.83份。

現金分紅與紅利再投資

基金通常會把已經實現的收益向投資人進行分配。分紅的基礎為“基金凈收益”，即基金的收入回報和通過賣出證券實現的資本回報，減去依法可以在基金收益中扣除的費用后的余額。按照目前有關規定，分紅有兩個約束條件：一是基金投資要有已實現的凈收益，二是分紅比例在一年中不得低于已實現凈收益的90%。

對于分紅方式，投資人有兩種選擇，一是分配現金；二是再投資，即將分得的收益再投資于基金，并折算成相應數量的基金單位擴大投資規模。對于這種方式，基金公司通常情況下不收取申購費，鼓勵投資者繼續投資該基金。不同的分紅方式將影響投資回報率。投資者常常會提出疑問：用累計凈值計算的回報率與晨星的計算結果有出入？投資人應當留意，晨星對基金回報率的計算前提是假設紅利再投資。因此，如果你采用現金分紅形式，將分紅投資于別處或者進行消費，那么你的實際收益會與回報率的計算結果有所差異。

1.現金分紅方式計算回報率

假設期初投資者購買基金A份，期初基金單位凈值為Nb，期末基金單位凈值為Ne，期間基金實施分紅，單位份額分紅D元，該投資者選擇的分紅方式為現金紅利。如果投資者在期末選擇贖回，如何計算該基金的回報率呢?

如果選擇現金分紅形式，不考慮申購和贖回的影響，投資者最終的收入是A(Ne+D)元，投資回報率是[A(Ne+D)]/[ANb]-1，即(Ne+D)/Nb-1。這就是投資者最熟悉的累計凈值計算的回報率公式。

2.紅利再投資計算回報率

紅利再投資的假設前提是將分得的收益再投資于基金，并折算成相應的基金份額。細心的投資者一定會發現，基金分紅的公告中常常會公布將分紅用于再投資的計算日。依據上面的例子，假設紅利再投資日的基金凈值為N，則分紅折算成相應的基金份額為AD/N，投資者最終持有的基金份額為（A+AD/N）。不考慮申購和贖回的影響，投資者最終的收入是Ne（A+AD/N），對比期初的投資額ANb，基金的回報率是[Ne(A+AD/N)]/ANb-1，化簡后的回報率公式為：[Ne(1+D/N)]/Nb-1。

如果期間分紅多次，我們再來計算回報率：

總回報=(Ne/Nb)×(1+D1/N1)×(1+D2/N2)×……×(1+Dn/Nn)-

1其中：Ne和Nb分別為期末和期初單位資產凈值；

D1、D2、Dn分別為第1次、第2次、第n次單位分紅金額；

N1、N2、Nn分別為第1次、第2次、第n次紅利再投資日的單位凈值。

如何選擇基金分紅方式

通常情況下，現金分紅可以拿到實實在在的現金，滿足投資者“落袋為安”的心理。

篇3

1000億人民幣的體積大約為1016.4立方米，可以塞滿3棟層高3米、面積120平方米的單元房；1000億人民幣要是鋪在10米寬的路面上能鋪1268公里，可以從北京一直鋪到上海；1000億人民幣重量大約3500噸，載重35噸的擎天柱大卡車能裝100輛。

1000億，就分紅而言，多少有些不可思議，因為國內管理資產規模超過這個數字的基金公司僅有12家。（數據來源：wind）

1000億，這就是國內基金行業領先者華夏基金帶給投資者實實在在的分紅回報。公開數據顯示，截止2014年11月21日，華夏基金成立以來分紅額達到1005.95億元，是國內首家分紅額超千億的基金公司。自此，華夏基金再次創造歷史，載入基金史冊。

創造歷史，源于一心

1000億是一個值得駐足回首的數字，也是一個令2000萬投資者難忘的數字，它代表了國內基金行業在回報投資者方面所達到的規模高度和專業深度，這一刻度也顯示出國內基金行業所達到的管理水平。

眾所周知，基金分紅是將基金收益的一部分以現金方式派發給基金投資人，如果基金沒有收益，或者基金收益不能彌補前一年的虧損，亦或是單位凈值低于面值，都不能進行分紅。在這些苛刻的條件下，華夏基金能夠實現常年分紅，且達到千億級別的分紅規模，這不僅是一家基金公司的勝利，更是廣大投資者和中國資本市場的勝利。

1998年4月，華夏基金在北京成立，在這之后的16年中華夏基金伴隨中國資本市場蓬勃發展，并始終堅持“為信任奉獻回報”的初心，踐行一切以持有人利益為核心的經營宗旨，把回報投資者信任的理念真正落到實處，融入公司文化的血液中，量化為一個又一個看得見的數字和行業標桿――有史以來凈值增長率最高的基金，連續7年管理資產規模行業第一，業內分紅最多，為投資者賺錢最多的基金公司，等等。

只有這樣的初心，才能塑造這樣的基金公司和經營管理團隊；只有為投資者創造遠遠超過1000億的收益回報，才能分出1000億級別的紅利。

落袋為安，為投資者賺到錢是最大的欣慰

分紅是一件令人高興的事?？赡苡腥苏J為，都是持有人自己的錢，提前把收益兌付而已。不過明知如此，當眼睛看到紅利到賬短信的一剎那，或者打開賬戶的一瞬間，投資者還是會為數字的跳躍變化欣喜不已。因為對于投資者來說，浮盈和落袋為安畢竟是兩回事。

篇4

“在當前的經濟背景和市場認知下，在未來一到三個月，總體的操作建議是減少倉位的頻繁變動，利用相對穩定的市場情緒做好相對收益，就有絕對收益，螞蟻腿也是肉，聚沙也可成塔?！辈r基金公司宏觀策略部總經理魏鳳春告訴《投資者報》記者。

一點一點做好相對收益，正是這樣的操作思路，盡管今年上半年滬指震幅不到10%，然而，博時基金公司給基民的回報并不低。據Wind數據統計，在2014年1月1日至6月30日區間（以下簡稱“區間”），博時基金旗下一共有22只基金實施了分紅，分紅總額超過10億元。其中，博時第三產業成長基金以5.8億元的區間分紅總額位列全市場上半年基金分紅榜第七名。

22只基金分紅超10億

據Wind數據統計，截至6月30日，博時旗下已有22只基金實施了分紅，分紅總額為10.5億元。

從區間分紅情況來看，博時醫療保健行業基金分紅最多，每10份單位分紅1.3元。緊隨其后的是博時第三產業成長基金、博時大中華亞太精選基金、博時主題行業基金、博時回報成長配置基金，每10份單位分紅分別為0.99元、0.7元、0.53元、0.36元。此外，博時旗下的22只基金中，每10份單位分紅在0.1元以上的有13只，在實施分紅的基金中占比59%。

實施分紅的基金大都取得了不錯的業績。以在博時基金旗下每10份單位區間分紅額排第八名的博時亞洲票息收益為例，博時亞洲票息人民幣從2013年2月1日成立以來， 已取得12.24%的收益，高于同類平均水平。值得一提的是，該基金今年以來表現也很突出，收益率為6.21%，同類排名為前1/13。

“未來中國宏觀經濟雖仍將面臨壓力，但出現系統性風險的概率較低。亞洲信用市場中高收益債券相對于投資級在收益率上的優勢或將逐漸體現，特別是一些信用質量穩固、久期較短的中資高收益債券，即使在宏觀壓力仍然存在的情況下，隨著時間的推移，其收益穩定性會逐步提高，無論從絕對回報還是從經過風險調整后回報的角度看都具備吸引力?！辈r亞洲票息債券基金經理何凱告訴《投資者報》記者。

下階段投資需要聚沙成塔

實施分紅后的博時基金并未懈怠。據《投資者報》記者統計，截至7月8日，博時旗下61只產品，近三個月的業績有57只為正收益。其中，博時穩健回報債券（LOF）A最高，近三月的業績回報為6.77%。今年以來的業績回報為5.88%，在253只同類基金中排名前四分之一。

篇5

今年上半年，上證指數一直在1974點至2177點區間震蕩，創下了有史以來最窄的半年箱體，并以下跌約3.2%收盤；滬深300指數也下跌了7.08%，在全球主要股市跌幅居前。但基金公司給投資者的回報卻逆勢而上，上半年基金分紅反而同比增長44%。

誰是上半年最慷慨的“分紅基金”？據Wind數據統計，截至6月30日，2014年上半年共有274只基金實施了分紅，分紅總額達到183億元，與去年上半年127億元相比，同比增加了44%。其中，銀華優質增長基金、新華優選消費基金、易方達積極成長基金、華夏回報基金、華夏行業精選基金分別以17.89億元、9.46億元、8.38億元、7.80億元、7.22億元的區間分紅總額位居前五。

“盡管分紅多少與基金的盈利能力之間并不存在絕對的‘正相關’，但在市場機會不多時，及時通過現金分紅把投資收益鎖定，至少展示了基金公司的避險能力。從這個意義上講，今年上半年基金分紅總額的同比增長，正說明了基金公司的日趨成熟與理性?！北本┮晃换鸾浝砀嬖V《投資者報》記者，在今年上半年股市的窄幅下跌震蕩中，基金現金分紅可在一定程度上幫助投資者及時鎖定投資收益，也有利于增強基金抗風險能力。

分紅總額同比增長44%

盡管上半年的股市乏善可陳，但這并沒有影響到基金上半年分紅總額創出近三年來的新高。

據Wind數據顯示，上半年各類基金累計分紅335次，合計分紅183億元，較去年同期增長44%，創下了近三年來的新高。

從區間分紅總額來看，共有43只基金分紅總額超過1億元。其中，上半年分紅之王被銀華基金旗下銀華優質增長基金摘得，該基金于2014年1月1日至6月30日共分紅3次，分紅總額達到17.89億元，在所有基金中最高。

此外，區間分紅總額排在第二至第十名的單只基金依次為新華優選消費、易方達積極成長、華夏回報、華夏行業精選、基金金鑫、博時第三產業成長、華夏回報2號、泰達紅利行業精選、銀河銀泰理財分紅。其上半年分紅總額分別為9.46億元、8.38億元、7.80億元、7.22億元、6.27億元、5.80億元、5.65億元、3.78億元、3.50億元。

值得一提的是，華夏基金公司旗下有3只基金擠進了區間分紅總額前十，每只分紅總額都超過5億元。上半年分紅最多的10只基金合計分紅達75.75億元，占基金分紅總額的41%。

從單位區間分紅金額來看，排名第一的是銀華交易貨幣，每10份分紅金額達到32.1元，泰達紅利行業精選、信誠盛世藍籌、新華優選消費、長信內需成長、中海藍籌配置、華夏行業精選、基金金鑫、富國天盈、銀華優質增長依次排在第二至第十名，每10份分紅金額分別為7.25元、3.7元、3.6元、3.0元、2.7元、2.5元、2.09元、2.0元、1.66元。

上半年實施分紅的274只基金中，39只基金上半年分紅次數在1次以上，占比14%。其中，去年混合基金冠軍寶盈核心優勢在今年上半年實施了4次分紅，但每次分紅比例都不大，每10份合計分紅1.1元。“在市場處于膠著狀態下，采取多次小額分紅更有利于基金抵抗風險，鎖定收益?！币晃毁Y深基金業人士告訴《投資者報》記者。

股基一季度分紅動能較強

盡管基金分紅一度被認為是把左口袋的錢倒到右口袋，乍看上去似乎并沒有什么太大的意義。但是在左口袋存在較大風險時，把錢倒到右口袋未嘗不是一種有效規避風險的辦法。

“在目前滬深股市窄幅震蕩下行的格局下，如果基金有分紅意愿，那么就會積極兌現浮動盈利，有利于積小勝為大勝?！北本┮患一鸸镜耐顿Y總監告訴《投資者報》記者，在弱市陰跌中通過基金現金分紅，至少能實現兩個戰略意圖。首先，如果基金在前期累積了一定的收益，那么通過現金分紅，一方面能讓投資者感受到實實在在的回報，同時也能避免后市進一步下跌的風險；其次，基金公司不用擔憂過高的凈值引發持有人強烈的贖回愿望，而且由于目前從基金分配中獲得的收入，暫不征收個人所得稅，持有人也沒有稅收方面的負擔。

不過，從一、二季度股票型基金、混合型基金等偏股型基金（以下簡稱“股基”）分紅情況對比來看，股基分紅動能正在逐步弱化。

據Wind數據顯示，今年上半年以來，可納入統計的655只股票型基金共計分紅86億元，占基金整體分紅額度的47%，且較去年同期股基47億元的分紅總額同比增長83%。其中，一季度股基分紅總額為74億元，占今年上半年股基分紅總額的86%。換言之，二季度股基分紅總額僅12億元，僅為一季度的16%強。

從上半年股基的業績來看，數據顯示，今年上半年，393只普通股票型基金的平均收益率為-0.82%，跑輸去年同期0.65%的收益水平。而且收益率超過10%的基金產品僅有30只。

“一季度股票型基金分紅總額較大，主要是基于去年股票型基金整體收益不錯?！鄙钲谝晃粯I內資深人士告訴《投資者報》記者，對于股基來說，凈值的上漲得益于自己所持有的股票組合中相關股票的上漲。然而花無百日紅，在市場缺乏好的上漲機會時，把組合里收益不錯的投資品種及時地獲利了結，落袋為安，并以現金紅利的形式回報投資人，這正說明了基金管理人的日趨成熟。

債基分紅意愿增強

不過，與股基在二季度分紅減少相比，從年初開始債市回暖，債券型基金（簡稱“債基”）分紅意愿也大幅增強。據Wind數據顯示，一季度債基分紅總額并不高，只有8.7億元。但二季度債基分紅總額達到14.21億元，增長了63%。

以上投摩根基金旗下債基為例，日前上投摩根基金旗下4只債基集中分紅公告，根據公告，上投摩根四只基金此次分紅的基準日為6月30日，上投摩根強化回報A類份額每10份分紅0.1元、B類份額每10份分紅0.07元；上投摩根雙債增利A類份額每10份分紅0.3元、B類份額每10份分紅0.28元；上投摩根紅利回報每10份分紅0.1元；上投摩根天頤年豐每10份分紅0.2元。

“良好的業績是基金實現分紅的前提。因為基金只有先具備凈值高于面值這個條件，才有分紅能力。從這個意義上講，有分紅能力且經常性給投資人分紅的基金有相對較高的可投資性?！北本┮晃毁Y深基金分析師告訴《投資者報》記者。

以年內已是第二次分紅的上投摩根紅利回報為例。據銀河數據統計，截至6月30日，上半年上投摩根紅利回報位列16只股債平衡基金第4名。盡管該基金多次分紅固然是由于其產品設計了強制分紅條款，到點分紅，即在符合有關基金分紅條件的前提下，每季每份基金可分配利潤超過1分錢，就會啟動分紅，分紅比例不低于可分配利潤的50%。但是，沒有良好的業績支撐，再好的產品設計只是鏡花水月。

超六成小比例分紅

從今年上半年各只基金的分紅比例來看，大比例分紅基金寥寥無幾。據Wind數據統計，截至6月30日，全市場2349只基金中僅有274只基金上半年實施了分紅，其中每10份分紅超過2元的不足9只，每10份分紅超過1元的也僅28只，每10份分紅在0.4元以下的基金數量為187只，占比高達68%。

分紅總額靠前的基金均采用了大比例分紅策略，排名前五的基金中，更有3只基金采取了大比例多次分紅的策略。其中，排名第一的銀華優質增長基金上半年分紅次數為3次，單次分紅比例為每10份分紅1.66元；排名第三的易方達積極成長基金上半年分紅次數為2次，排名第四的華夏回報基金上半年分紅次數為3次，單次分紅金額分別為每10份分紅0.8元和0.9元。

篇6

一年一度的中央經濟工作會議已經結束,會議宣布在2010年政府將保持宏觀經濟政策的連續性和穩定性,繼續實施積極的財政政策和適度寬松的貨幣政策。在此次經濟會議召開的前后,很多分析都含有比較強的樂觀氣氛。我們的分析希望提供一些不同的角度。

我們的目標應該是較快的經濟發展,較多的就業機會和相對穩定的物價水平。而達到較快經濟發展來自四個主要的推動力。首先是居民的消費,第二是企業的投資,第三是外部的需求(以凈出口為代表,凈出口等于出口減進口),第四是政府的消費和投資。

長期的觀察和理論分析都認為,居民消費是一個穩定增長的經濟變量,它主要決定于收入的增長。一些分析認為,中國的消費和儲蓄、投資之間比例失調,存在結構問題。其實目前這種結構形成有其內在的合理性,因為這種結構是居民決策的結果,不是政府的力量可以改變的。政府可以通過減少稅收來增加居民的收入,從而提高消費,但這在世界各國包括中國都不容易做到。

企業投資是波動較大的變量,利用投資的高速增長,可以達到較高的增長。但是中國目前面對的問題是投資過多,生產能力過剩,企業投資減少。由此2009年實施了財政刺激政策,加大對“鐵公基”領域的投資,以前10個月的數據為例,投資中基礎設施投資增長52.6%,鐵路運輸業增長87.5%,道路運輸業增長50.7%,可以看出這三項的增速都高于整體增速(33.4%),因此其他部分的增速必然低于整體增速,如房地產開發投資同比增長17.7%。

除社會效益外,這些投資也會產生間接的經濟效益,但投資回報較低。雖然有一些銀行的資金配套,但目前還看不到建立在投資回報基礎上的政府之外的投資大規模展開。財政刺激政策的本意是通過本身的投資將經濟推出低迷,最終帶動企業的商業投資恢復正常,成為經濟增長的推動力。目前看來這還有較大的不確定性。

2010年的外部需求從凈出口的角度分析,可能會比2009年好。2009年的凈出口比2008年的凈出口下降,對于經濟增長是拖后腿的作用。但在2009年凈出口大幅度下降的基礎上,2010年可望有所增長,起到一定的促進作用。

這樣問題的關鍵即在于2010年投資的增長是否會比2009年低,如果能夠維持2009年的增長速度(30%左右),而凈出口產生帶動經濟的作用,則2010年經濟增長可能要高于2009年。如果2010年投資增長的速度減緩,而凈出口帶動經濟的作用能夠抵消上述投資的減緩,則經濟的增長會和2009年持平。但如果不能抵消投資的減緩,則2010年的經濟增長則是一個懸疑。

投資方面存在一些制約快速增長的因素,首先是財政投資的力度,一般而言,財政刺激政策到執行的后期都會出現力不從心的現象。最近,哈佛大學教授羅果夫和馬里蘭大學教授萊因哈特完成了一本書(This Time Is Different: Eight Centuries of Financial Folly),對過去800年來全球幾乎所有地區的66個國家的主要金融危機狀況進行統計分析,獲得了一些重要的結果。該書發現,以二次大戰后的歷史為例,危機后,政府債務平均增加幅度是86%。政府債務激增主要是由于經濟衰退的持續導致了稅收的減少,同時亦 由于刺激經濟的巨幅財政支出。

篇7

關鍵詞 近紅外光譜；茶葉；品質測定；真偽鑒別

中圖分類號 O657.3 文獻標識碼 A 文章編號 1007-5739（2016）04-0289-02

Recent Advance on the Application of Near-infrared Spectroscopy in Tea

NIE Yu-hong ZHOU Xiao-wei ZHANG Bei

（School of Food and Bioengineering，Zhengzhou University of Light Industry，Zhengzhou Henan 450002）

Abstract The main approaches of near infrared reflectance spectroscopy were introduced in this paper. Recent advance of near infrared reflectance spectroscopy on identification and detection of tea were presented.With the recent developments reviewed，the problems encountered were also discussed.The application prospects of near infrared reflectance spectroscopy in tea detection were analyzed.

Key words near-infrared reflectance spectroscopy；tea；determination of the quality；identification

隨著社會發展和消費水平的提高，人們越來越注重身體健康，而茶葉作為一種良好的保健飲品也越來越被人們喜歡。當前對茶葉質量的檢測多采用感官檢驗評審的方式。這種方式的弊端是評審的結果受評審場地，以及評審人員的知識水平、健康狀況等因素的影響[1]。隨著當前茶葉產業的迅猛發展，利用科學儀器對產業品質進行檢測十分必要。目前，近紅外光譜分析技術在茶葉的定性和定量檢測中被廣發應用[2]。

1 近紅外光譜分析技術背景簡介與發展現狀

英國天文學家William Herschel在天文觀察中發現了近紅外光譜（near infrared reflectance spectroscopy，NIRS）[3]。美國材料檢測協會（ASTM）將近紅外光譜區定義為波長780～2 526 nm（波數為12 820～3 959/cm）的光譜區。近紅外光譜具有吸收頻率特征性強、受分子內外環境影響小、光譜特性更穩定的特點。近紅外光譜主要反映的是有機物分子中含氫基團的倍頻吸收與合頻吸收。NIRS技術的優點主要有以下幾個：一是能夠分析的對象數量較多、涵蓋門類較多。二是在分析前對樣品不需要進行復雜的前處理，分析的操作簡單、速度較快。三是分析不破壞樣品，通過光譜掃描完成。四是對環境污染較小[4]。NIRS技術使用方便、對環境污染小、檢測速度快、效率高，在農業[5]、食品工業[6]、中醫藥[7-10]、和石油化工[11]等領域中得到了非常廣泛的應用。

日本是最早利用NIRS技術對茶葉開展研究的國家，目前已研制出專用的近紅外分析儀來快速檢測茶葉中的水分、全氮量、粗纖維、茶多酚、咖啡堿、氨基酸等主要成分[12]。但是由于國外的茶葉種類少，因此NIRS技術在茶葉產地、真偽鑒別等定性分析方面的研究較少。

國內NIRS技術應用于茶葉檢測方面，主要集中在綠茶理化成分的測定方面，茶葉、茶湯、茶提取物中的理化成分測定，茶葉品質評價的研究等。因為我國茶葉的種類繁多，所以NIRS技術在茶葉的產地、品種及真偽鑒定等方面的研究也較為廣泛。

2 近紅外光譜分析方法簡介

近紅外光譜分析中常用的數據處理計量方法主要有以下幾類。

2.1 多元線性回歸法（MLR）

多元線性回歸是化學計量學中最基本的分析方法[4]，是分析一個隨機變量與多個變量之間線性關系的統計方法。當變量Y的影響因素有多個而不止1個時，可以建立多元線性回歸模型：Yi=β0+β1X1+β2X2+...+βkXk+ε。利用變量Y與X的n組樣本數據，按照一定準則，可求得估值b0，b1，...，bk，建立起樣本回歸模型：Y=b0+b1X1+b2X2+...+bkXk+ε。

2.2 主成分分析法（PCA）

數據降維后進行多元統計分析是主成分分析的基本原理[13-15]。在研究的過程中，采用多指標變量的方法，得到的結果在一定程度上出現了重疊。主成分分析法避免了多變量測定方法測定結果容易出現重疊的弊端，將原變量進行轉換，使少數幾個新變量成為原變量的線性組合，新變量之間互不相關。同時，這些變量也能夠盡可能多地表征出原變量的數據結構特征。

2.3 偏最小二乘法（PLS）

就目前的研究情況來看，偏最小二乘法是逐漸發展，已經成為近NIRS技術中應用最多的回歸方法[16]。利用非線性迭代方法對吸光度矩陣X和濃度矩陣Y進行分解，以特征向量的相關性來建立X和Y之間的內部聯系。偏最小二乘法最適合運用在多組分復雜樣品的分析過程中，檢測速度快、結果準確度高、預測性強、能消除一定的非線性的能力。

2.4 人工神經網絡法（ANN）

人工神經網絡屬于非線性校正算法，是由大量簡單處理單元（神經元）廣泛互連而成的非線性動力學系統。它不僅結構可變，還有自學習、自適應、巨量并行性、存儲分布性的特點。與偏最小二乘法方法相比，人工神經網絡更加準確和抗干擾[17]。

2.5 極限學習法（ELM）

極限學習機法是從單隱含層前饋神經網絡發展而來的一種新型算法。隨機產生輸入層與隱含層的連接權值和隱含層神經元的閾值，只需要設置隱含層神經元的個數，便可以獲得唯一的最優解。

3 近紅外光譜分析技術在茶葉檢測方面的研究

3.1 茶葉水分含量的測定

茶葉水分含量的高低對茶葉品質的影響非常大。當水分含量小于5%時，茶葉香氣變化比較??；而當水分含量高于6.5%時，則茶葉品質下降得比較快。劉輝軍等[18]利用徑向基函數和趨勢變換法，建立了綠茶的水分檢測模型，預測的相關系數達到0.933。張月玲[19]利用偏最小二乘法和9階卷積平滑結合二階導數法，建立綠茶的含水量模型，相關系數達到了0.99以上。王勝鵬等[20]通過交叉驗證和偏最小二乘法，建立了茶鮮葉的含水量近紅外光譜模型，當主成分數為7時，相關系數為0.92。

3.2 茶多酚和兒茶素含量的測定

茶葉中，茶多酚的含量為18%～36%，在人體內能夠清除自由基，是茶葉中最重要的成分之一。Chen Q S等[21]利用偏最小二乘法，建立茶多酚總量的檢測模型，相關系數為0.93。徐立恒等[22]利用二階導數和偏最小二乘法，建立茶多酚模型，預測的相關系數為0.989。吳瑞梅等[23]利用GA法和偏最小二乘法，建立綠茶湯中茶多酚的模型，避開了水的強吸收峰影響，模型預測集均方根誤差為0.685%，相對標準差為5.26%。

兒茶素類物質是茶多酚中最主要的活性物質，占茶葉干重的12%～24%。陳華才等[24]使用偏最小二乘法和標準歸一化處理的方式，建立兒茶素類物質的預測模型，相關系數達到0.997。同時，又采用徑向基函數神經網絡法，優化了的茶多酚總兒茶素含量的模型，相關系數達到了0.992[25]。蘆永軍等[26]使用偏最小二乘法和定標波長的方式（選取6 000～5 200 /cm波數范圍內的光譜數據點），建立了定標精度很高的檢測模型，相關系數達到0.994 7。

3.3 咖啡堿含量的測定

咖啡因是茶葉中的重要滋味物質之一，能夠刺激中樞神經，起到提神醒腦的作用。孫耀國等[27]利用偏最小二乘法，直接對完整茶葉中的咖啡堿的含量建模，相關系數達到0.92。羅一帆等[28]和Chen Q S等[29]利用相同的方法構建獲咖啡堿的含量的模型，相關系數也分別達到了0.96和0.968的高精確度。

3.4 氨基酸含量的測定

茶葉中的氨基酸具有降壓、拮抗由咖啡堿引起的對神經系統的興奮等作用，其組成、含量以及其降解產物和轉化產物均與茶葉的香氣和滋味密切相關。徐立恒等[22]使用偏最小二乘法和定標波長的方式（選取5 000～4 000/cm波數范圍內的光譜數據點），建立了炒青綠茶的氨基酸模型，相關系數達到0.99。孫耀國等[27]在優化波長范圍的基礎上，利用二階導數預處理方式得到不同綠茶的氨基酸模型，相關系數達到0.99。

3.5 茶葉的種類鑒定和真偽鑒別

NIRS不但能夠對茶葉進行定量分析，還能夠對茶葉進行定性分析，確定茶葉的種類，實現茶葉產地、品種、生產時間等信息的精確判別。趙杰文等[30]通過多元散射校正預處理方法和定標波長的方式（選取6 500～5 300/cm波數范圍內的光譜數據點），結合馬氏距離識別模式鑒別了龍井、碧螺春、毛峰和鐵觀音這4種中國名茶，就鑒別率而言，校正集樣本達到了98.75%，預測集樣本達到了95%。利用NIRS技術對碧螺春[31]、西湖龍井[32-33]等茶葉進行了真偽鑒定。CHEN Q S等[34]運用NIRS技術對4個地區的烘青綠茶進行了產地鑒別，選出了最優的支持向量機模型，預測率高達到100%。

4 問題與展望

目前，NIRS技術在茶葉上已經得到比較廣泛的應用，但是仍然還存在一些需要解決的問題。在NIRS技術中選取代表性樣品來建模時，受到建模樣品生產季節、外形、產地等因素的影響。為了保證模型的全面性和完整性，在建模過程中需要大量的樣品，導致模型建立需要采集的樣本數量大、成本高、地域廣，給模型建立設置了難題。因為我國茶葉種類繁多，建立適合所有茶類的、精確度和準確度達到檢測要求的通用性模型是十分困難的。

隨著光學技術、計算機技術的快速發展，NIRS技術在茶葉品質檢測、茶類產地鑒別和茶葉真假鑒定等方面還會有更大的發展前景。同時，利用NIRS技術對原料生產的過程進行在線分析和實時監測也將會是一個重要的發展方向。

5 參考文獻

[1] 楊丹，劉新，王川丕，等.近紅外光譜技術在茶葉及茶制品上應用[J].浙江農業科學，2012（9）：1290-1294.

[2] 曹干.現代近紅外光譜分析技術在農業研究中的應用[J].廣州農業科學，2004（3）：9-10.

[3] BLANCO M，VILLARROYA I.NIR spectroscopy：a rapid-response anal-ytical tool[J].Trends in analytical chemistry，2002，21（4）：240-250.

[4] 嚴衍祿.近紅外光譜分析技術與應用[M].北京：中國輕工業出版社，2005.

[5] SUBEDI P P，WALSH K B.Assessment of potato dry matter concentration using short-wave near-infrared spectmscopy[J].Potato Research，2009，6（52）：67-77.

[6] IRUDAYARAJ J，XU F，TEWARI J.Rapid detemination of invert cane sugar adulteration in honey using FTIR spectroscopy and multivariate analysis[J].Joumal of Food science，2003，6（68）：2045.

[7] 曾煥俊，韓瑩.維U顛茄鋁膠囊Ⅱ近紅外判別模型的建立[J].中國藥品標準，2011，4（12）：303-306.

[8] LAASONEN M，HARMIA-PULKKINEN T，SIMARD CL，et al.Fast ide-ntification of Echinacea parpareadried roots using near-infraredspectros-copy[J].Anal Chem，2002（74）：2493-2499.

[9] SERGIO H，FRASSON S，CELIO P.Identification of counterfeit drugs using near infrared spectroscopy[J].Analyst，2001（126）：2218-2224.

[10] HAILEY P，DOHERTY P，TAPSELL P，et al.Automated system for the on-line monitoring of powder blending processes using near-infrared spectroscopy.Part I.System development and control[J].Journal of Phar-maceutical&Biomedical Analysis，1996，14（5）：551-559.

[11] 張宇佳，徐曉軒，宋寧，等.基于近紅外漫反射光譜的烴源巖生烴潛量的確定[J].光譜學與光譜分析，2011，4（12）：955-959.

[12] 吉川聰一郎.用近紅外光光度法進行茶葉品質評價：蒸青玉露茶和鍋炒玉露茶主要成分的分析[J].[日]茶葉研究報告，1997，85（增刊1）：88-89.

[13] 吳建國.作物種子品質研究中近紅外光譜分析模型的創建和應用[D].杭州：浙江大學，2004.

[14] 夏柏楊，任竿.近紅外光譜分析技術的一些數據處理方法的討論[J].光譜實驗室，2005，22（3）：629-634.

[15] BLANCO M，COELLO J，ITURRIAGA H，et al.Calibration in non-linear near infrared reflectance spectroscopy：a comparison of several methods[J].Analytica Chimica Acta，1999，384（2）：207.

[16] GELADI P，KOWALSK B R.An example of 2-block predictive partiall east-squares regression with simulated data[J].Analytica Chimica Acta，1986，185：19-32.

[17] 夏賢明，丁寧.用近紅外光譜法檢測綠茶中品質成分的研究[J].分析化學，1991，19（8）：945-948.

[18] 劉輝軍，呂進，林敏，等.基于RBF網絡和NIRS的綠茶水分含量分析模型[J].中國計量學院學報，2005，16（3）：88-190.

[19] 張月玲.綠茶品質相關成分的近紅外定標模型的初步建立[D].杭州：浙江大學，2006.

[20] 王勝鵬，宛曉春，林茂先，等.基于水分、全氮量和粗纖維含量的茶鮮葉原料質量近紅外評價方法[J].茶葉科學，2011，31（1）：66-71.

[21] CHEN Q S，ZHAO J W，ZHANG H D，et al.Feasibility study on qualita-tive and quantitative analysis in tea by nearinfrared spectroscopy with multivariate calibration[J].Analytica Chimica Acta，2006，572（1）：77-84.

[22] 徐立恒，呂進，林敏，等.茶葉中3類主要組分的近紅外光譜分析作為茶葉質量的快速評定方法[J].理化檢驗：化學分冊，2006（5）：334-336.

[23] 吳瑞梅，岳鵬翔，趙杰文，等.特征變量篩選在近紅外光譜測定綠茶湯中茶多酚的應用[J].農業機械學報，2011，12（42）：154-157.

[24] 陳華才，呂進，俸春紅，等.近紅外光譜法測定茶多酚中總兒茶素含量[J].中國計量學院學報，2005，16（1）：17-20.

[25] 陳華才，呂進，陳星旦，等.基于徑向基函數網絡的茶多酚總兒茶素近紅外光譜檢測模型的研究[J].光學精密工程，2006，14（1）：58-62.

[26] 蘆永軍，陳華才，呂進，等.茶多酚中總兒茶素的近紅外光譜分析[J].分析化學研究簡報，2005，33（6）：835-837.

[27] 孫耀國，林敏，呂迸.近紅外光譜法測定綠茶中氨基酸、咖啡堿和茶多酚的量[J].光譜實驗室，2004，21（5）：940-943.

[28] 羅一帆，郭振飛，朱振宇.近紅外光譜測定茶葉中茶多酚和茶多糖的人工神經網絡模型研究[J].光譜學與光譜分析，2005，25（8）：1230-1233.

[29] CHEN Q S，ZHAO J W，HUANG X Y，et al.Simultaneous determination of total polyphenols and caffeine contents of green tea by near-infrared reflectance spectroscopy[J].Microchemical Journal，2006，83：42-47.

[30] 趙杰文，陳全勝，張海東，等.近紅外光譜分析技術在茶葉鑒別中的應用研究[J].光譜學與光譜分析，2006，26（9）：1601-1604.

[31] 周健，成浩，賀巍，等.基于近紅外的PLS量化模型鑒定西湖龍井真偽的研究[J].光譜學與光譜分析，2009，29（5）：1251-1254.

[32] 周健，成浩，葉陽，等.滇青、青餅和普洱茶（熟餅）近紅外指紋圖譜分析[J].核農學報，2009，23（1）：110-113.

篇8

關鍵詞：金融穩定；動態隨機一般均衡模型；擴展的宏觀經濟模型；網絡模型

中圖分類號：F831.59 文獻標識碼：A 文章編號：1003-3890（2011）04-0067-05

自20世紀70年代以來，共有93個國家先后爆發117起系統性銀行危機，45個國家發生了51起局部性銀行危機。維護金融穩定日益成為各國中央銀行的核心職能，而中國在加入世界貿易組織后，金融體系面臨巨大的挑戰和新的風險，維護金融穩定是國民經濟健康穩定發展的保障。因此，總結金融穩定分析的宏觀模型、探討宏觀因素及沖擊對金融穩定的影響，便具有較強的實踐價值。

近五年來，國際貨幣基金組織、歐洲中央銀行及以Claudio Borio為代表的國際清算銀行、以Elsinger代表的奧地利學者，尤其是倫敦經濟學院的 Goodhart教授等諸多國外學者對金融穩定分析的宏觀模型進行了大量研究。由于可以通過對某類模型的組成元素進行擴展或修正，從而將其變為另一類模型，而且不同研究方法的模型之間是相互補充的，因此難以對金融穩定的宏觀模型進行嚴格的劃分。筆者借鑒Clark（2007）、Bardsen et al.（2006）的方法，把金融穩定的宏觀模型分成三類：擴展的宏觀經濟模型、基于微觀主體優化行為的動態隨機一般均衡模型和網絡模型。

一、擴展的宏觀經濟模型

擴展的宏觀經濟模型主要包括：可計算一般均衡模型（computable general equilibrium models，CGE）、動態聚集模型（Dynamic aggregative estimated，DAE）和金融經濟周期模型（The financial business cycle，FBC）。擴展的宏觀經濟模型沿襲了傳統宏觀模型的研究成果，引入一系列相互影響的隨機變量，研究GDP、短期或長期利率、通貨膨脹、失業率和匯率等宏觀變量的變化對金融穩定的沖擊和影響。擴展的宏觀模型被認為是一種測量管理風險的有價值而且可操作性強的方法。受1997年亞洲金融危機的影響，國際貨幣基金組織和世界銀行于1999年聯合推出并通過了金融部門評估規劃（FSAP），而FSAP及其壓力測試技術的理論基礎就直接源于擴展的宏觀模型。雖然擴展的宏觀模型相對簡單，而且數據容易獲得，但其缺點也是明顯的。首先，這種方法實質上是一種簡約模型，而不是結構性模型，而且缺乏清晰的微觀行為基礎。第二，沒有提供企業、家庭和銀行對外在金融壓力的反應。第三，沒有抓住金融部門之間的內在結構和相互影響，而這一點正是金融危機研究的核心。正因為這樣，該模型不能指出危機的傳染性和危機的動態變化。

在擴展的宏觀經濟模型中，Bernanke（1996，1998，1999）提出的金融經濟周期理論是分析金融不穩定最重要的宏觀模型。由于經濟高度虛擬化、金融化，消費、投資和儲蓄等宏觀變量的方差減小，真實經濟的周期性特征表現不明顯；而以金融為核心的虛擬經濟周期波動更加突出，金融波動、金融不穩定才是宏觀經濟波動的主因。傳統的古典經濟周期理論、貨幣經濟周期理論、真實經濟周期理論均無法模擬金融沖擊導致的經濟劇烈波動，而金融經濟周期理論利用“金融加速器”對此能做出深刻、令人信服的解釋。與金融危機理論相比，金融經濟周期理論既可以解釋金融危機的起因和機制，也清晰地呈現了危機后經濟走向復蘇的調整機制，即經濟均衡的狀態轉換機制。

與多數擴展的宏觀經濟模型一樣，把金融經濟周期理論用于金融系統不穩定的分析時，其缺陷也非常明顯。第一，由于繼承了傳統理論的理性經濟人和同質經濟人假設，因而在該模型中，不存在違約，銀行和企業倒閉不僅不會發生，而且不存在傳染源，這與金融不穩定的核心內涵相違背。第二，同樣由于經濟人缺乏異質性，該模型無法分析政策變化的分配效應和波動效應；模型的結果只是約束有效或者說是次優的，因而無法評估流動性約束、資本監管對金融穩定的影響。第三，金融經濟周期模型只是一個局部均衡模型，而把這種局部均衡模型鑲嵌到一般均衡模型中用來分析宏觀金融的穩定性，必須做出很大的改進。

二、動態隨機一般均衡模型

動態隨機一般均衡模型（Dynamic Stochastic General Equilibrium Mode，DSGE）由Kydlan和Prescott（1982）首先提出，它以一般均衡分析框架為核心。動態隨機一般均衡模型是在動態一般均衡模型的基礎上添加了隨機沖擊。動態隨機一般均衡模型在Goodhart等學者的長期研究中繼續發展成熟，主要文獻有Tsomocos（2003）、Goodhart et al.（2006）、Saade et al. （2007）等。

如前所述，擴展的宏觀模型方法的缺點在于缺乏清晰的微觀行為基礎、缺少對于金融部門或其他經濟部門行為的反饋，其金融含義也是被強加于一個簡約模型之中；該類模型所描述的金融中介機構都被認為是同質的，從而忽略了金融體系內在的結構差異，因此這類模型無法捕獲金融不穩定的一些最重要的特征。動態隨機一般均衡模型正是在克服擴展的宏觀經濟模型上述缺陷的基礎上發展起來的，作為當今宏觀經濟學的主流分析工具，DSGE模型具有動態（Dynamic）、隨機（Stochastic）和一般均衡（General Equilibrium）三個鮮明的特點，從而能夠很好地描述真實世界。

第一，動態。在這里，動態一詞具有兩重含義。第一重含義，模型中各個行動主體的行為決策有可能對現在以及未來各期產生直接或間接的影響。這就意味著，行動主體在進行決策時，不僅需要考慮行為在當期的影響，還需考慮行為在未來的后續影響。也就是說，行動主體必須“預期”自己行為在未來所產生的結果。這就自然而然的引出了“動態”一詞所代表的另一重含義：對未來的預期是行為主體在制定決策時的重要考慮因素，而“預期”在建模時通常采用“理性預期”來代表。

第二，隨機。由于種種原因，未來是不能被精確預測的。為了描述這種存在于真實世界中的不確定性，在DSGE模型中引入了隨機因素。具體而言，各期模型都會受到外生的隨機因素的沖擊，模型最終表現出來的行為就由于這些隨機沖擊的存在而呈現出不確定性。

第三，一般均衡。由于宏觀經濟研究的對象是經濟社會整體。而在經濟中，各行為主體之間是相互聯系、相互作用的。在這種情況下，一般均衡理論是最好的選擇。在一般均衡模型中，所有的行為都來自于行為主體的理性，從而隨意的行為假設減到了最少。

模型的主要假設有：（1）經濟人的異質性，這是本模型最重要的假設，即經濟人對未來的經濟狀況具有不同的估計和預期、不同的初始資本和資源稟賦、不同的投資行為和風險偏好；（2）存在違約且違約率不一樣，這是異質性假設的自然延伸，如果經濟人是同質的，要么所有人都違約，要么都歸還債務；（3）異質性的金融中介機構之間相互作用；（4）不完美市場、信息不對稱；（5）金融危機具有傳染性。前兩個假設說明傳染源的存在性、可能性，后三個假設說明傳染源在金融市場可能迅速蔓延?？偠灾鲜鑫鍌€假設使得“危機具有傳染性”的假設具備堅實的理論基礎，而金融危機的傳染性是導致宏觀金融不穩定的關鍵所在。

為了體現不同時期變量產生的影響，模型被分為兩個時間段。在初始期，所有經濟人面臨不確定性，居民和企業可貸可借，平均一生的消費和投資，實現效用最大化或者利潤最大化；商業銀行通過銀行間市場進行投資和融資，不斷調整資產組合，實現利潤最大化。到了期末，市場出清，銀行可清算，所有利潤和資產被完全分配給股東。與其他模型不同的是，如果居民、企業和銀行出現違約，中央銀行將對其進行懲罰，居民效用和企業利潤都因此而受到不利影響。因此，違約及違約率是模型中非常重要的變量。尤為重要的是，內生變量在兩個時期是動態隨機變化的，所以異質經濟人能夠在理性預期的基礎上進行跨時決策，以期實現決策目標。同時，模型的構成則被歸納為三個部門（中央銀行、三個異質商業銀行、三個居民和企業）、三個市場（信貸市場、存款市場和銀行間市場，均有交易發生、可滿足調整資產組合的需求）。中央銀行對資本充足率低和違約率高的商業銀行進行罰款并進行公開市場操作以期決定利率、貨幣供應、貸款規模，運用貨幣政策工具進行宏觀調控和監管；商業銀行實施競爭性的存貸利率并發放競爭性的貸款，使預期利潤最大化；居民和企業決定存貸款數量。簡言之，這是一個一般均衡模型，經濟人可根據市場情況和偏好，對投資、融資和消費進行動態調整，所以模型中的變量是隨機的，模型的均衡解是隨機變量動態調整的結果。

動態隨機一般均衡模型的貢獻在于得出貨幣非中性的結論。由于引進信息不對稱及其所帶來的風險和流動性約束，使得名義變量如貨幣需求的變化能夠影響價格和產出，而價格的變化及其相對變化又能夠影響收入和財富及其分配。由于動態隨機一般均衡模型與現實世界非常接近，因而能夠準確分析和評估宏觀沖擊對金融穩定的影響。（1）模型的假設和結果使得模型能夠方便地分析金融機構之間、金融系統與實體經濟之間的相互影響和傳染。（2）金融不穩定是作為模型的均衡結果出現的，并且政府是構成模型的重要元素，因而在該模型中，政府部門不僅能夠采取積極的措施對金融危機加以干預和管理，而且可以評估貨幣政策、監管政策對金融穩定的影響及其相互作用的效果。（3）由于金融不穩定概念與福利損失、流動性短缺相關，所以金融脆弱性的惡化對資源配置效率、居民消費產生不利影響，因此，該模型能對金融穩定性變化的社會福利效應進行模擬分析，這就使得該模型具備一般均衡模型的特點和功能。（4）可以進行比較靜態分析，比如說，可以在對比分析資本充足是否有約束的兩種情況下，擴張性貨幣政策對銀行投資行為、利潤、穩定的影響。（5）拓展了金融脆弱性的概念，該模型把私人部門的違約、銀行等金融機構的利潤減少及其波動包括在金融脆弱性內，金融脆弱性不僅僅是指銀行擠兌、恐慌等極端事件，還可解釋金融順周期性、銀行擠兌等現象，在動態隨機一般均衡模型框架下，金融經濟周期模型、銀行擠兌模型只是其中一個特例。

三、網絡模型

網絡模型試圖引入金融部門的某些內部結構特征，把金融部門看作是相應的風險敞口網絡上一系列相互連結的節點，每個節點即銀行被賦予一定量的資本、資產和負債，并定義相關規則來說明每一個節點對資產負債表變動的反應，特別是在資產凈值降為零或為負值時的反應。

銀行系統的安全對于金融系統穩定至關重要。Allen（2000）基于Diamond和Dybvig（1983）的假設，用銀行網絡表示銀行間交叉存款市場，建立了外生流動性沖擊與銀行危機傳染的網絡模型。Brusco和Castiglionesl（2007）在上述兩個模型的假定條件中加入一項投機性長期資產，通過銀行的道德風險將傳染機制內生化，進而建立了內生流動性沖擊與銀行危機傳染的網絡模型。Nier et al.（2007）采用Eboll（2004）的網絡方法構造金融網絡，改變金融網絡的資本水平、聯結程度、銀行間敞口規模和集中化程度等重要參數，分析金融網絡結構對于傳染的影響。結果表明：資本水平越高，敞口規模越小，集中化程度越小，傳染可能性越小；而聯結程度呈現非單調性。

國際貨幣基金組織（2009）指出，次貸危機表明僅僅單個機構穩健對于保證整個金融系統的穩定是不夠的，機構之間的相互聯結對于金融系統穩定性非常重要。提高某個機構健康度的措施可能會破壞整體系統的穩定性，而網絡方法恰恰能夠進行系統整體而不是個體的分析，因此網絡方法是進行金融穩定性分析的理想手段之一。至此，在繼擴展的宏觀模型和動態隨機一般均衡模型后，網絡模型作為一種分析金融穩定的新宏觀模型日益引起重視。

該模型的主要貢獻在于，它能顯示金融體系既是充滿活力的，同時又是脆弱的。盡管節點間更廣泛的聯系有助于風險的分散，也降低了個體失敗的初始可能性，但是一旦危機發生的話，所形成的沖擊也會顯著增強。更廣泛的相互聯系意味著在第一輪沖擊中幸免于難的機構，可能要遭受第二輪規模更大的沖擊。這種模型也揭示了預先無法識別的沖擊可能產生完全不同的結果。一個金融體系可以經受1 000次同等規模的沖擊而仍然保持彈性，但1 001次沖擊，如果作用于一個結構弱點或壓力點上，卻可能產生一個完全不同的結果。

該模型的優點在于，作為一個封閉解決方案可以用于數據仿真，而且這種方案在驗證不同反應規則和連接模式的影響時，允許較大的自由度。另外，盡管這種方案很難用參數來表示現實世界的金融體系，但它有效洞察了諸如銀行規模分布、競爭對手數量等結構特征的變化影響沖擊傳導并擴大的途徑。更進一步，節點的中斷（如銀行破產）和其他摩擦（如受損資產折價拍賣的沖擊）會對整個金融體系形成一個非線性的動態沖擊，這恰是實踐中所顯示的在嚴重壓力下金融體系發生的場景。

但該模型的缺點也是顯著的，與其他模型相比較，雖然網絡模型在理論上很完美，但是網絡非常復雜，在大多數情況下，這類模型都不可以“完全求解”，或者對需要認可完全求解方案的假設進行嚴格的限制，從而削弱了模型的價值。另外，將其用于實證分析甚至是模擬分析的難度還很大，在這一點上，動態隨機一般均衡模型遠遠優于網絡模型。

四、總結和展望

由于擴展的宏觀模型相對簡單，而且數據容易獲得，相比之下，動態隨機一般均衡模型和網絡模型的建立和求解則要復雜得多。所以從實際應用的結果來看，擴展的宏觀經濟模型比動態隨機一般均衡模型和網絡模型的應用范圍更廣。但從模型對現實情況的擬合程度來看，動態隨機一般均衡模型優于另外兩種模型。由于網絡模型過于復雜、不可以“完全求解”、至少需要對完全求解方案的假設進行嚴格的限制，從而削弱了模型的應用價值。隨著現代計算機技術的發展和計量經濟技術的廣泛應用，動態隨機一般均衡模型將逐步取代擴展的宏觀模型和網絡模型而成為金融穩定分析中的主流工具，同時該模型本身將會融入更多的子模型，以達到對現實經濟更加貼近的擬合，從而能更好地為現實的經濟決策和預測服務，對各國的種種經濟目標的實現提供一種決策的基準。

如何根據中國社會背景和特殊的金融制度，構建中國特色的動態隨機一般均衡模型，用之于中國金融穩定的實證分析，在此基礎上，提出操作性強的維護我國金融穩定的政策建議，是亟待解決的問題。在理論模型的構建上，要借鑒、吸收金融經濟周期模型尤其是動態隨機一般均衡模型，并在結合中國特殊的銀行制度和社會制度的基礎上，進行二次創新，最終構建中國特色的動態隨機一般均衡模型。具體來說包括兩點，一是在動態隨機一般均衡模型中引進資產價格，考察資產價格波動通過“金融加速器”對企業投資和居民消費的影響，進而考察資產價格波動對宏觀經濟的影響。然后考察企業投資、居民消費等因素所引起的宏觀經濟波動對銀行不良資產率和資產利潤率的影響，以此來考察資產價格引起的宏觀經濟波動對金融穩定的影響。二是對動態隨機一般均衡模型的結構進行改進，主要包括三點。（1）引進外援融資依賴度不同（用資產負債率來衡量）的兩類企業。（2）商業銀行包括三個，分別代表國有銀行、股份制銀行和其他銀行，在模型中對三類銀行賦予不同的權重，這樣就充分考慮了中國銀行業特殊的市場結構及其相互影響機制這一金融穩定的研究核心。（3）中國的社會制度具有“二重結構”，即發達而富有控制力的國家上層結構與流動性強且分散化的下層結構（張杰，1998）。中國制度的“二重結構”在金融的表現是中國金融制度的產生和發展一開始就不是順其自然而進化的，而是政治變革和政治需求的產物；更進一步，強有力的中國政府能夠在數量眾多、極度分散、流動性強的下層組織中實施強制性制度變遷并保持足夠的控制力（勛，2009）。根據上述分析，在構建理論模型時，應該對政府部門如中央銀行或銀監局和居民賦予不同的決策權重，這樣，就能夠考察在中國特殊的社會制度背景下，中國企業、家庭、銀行和政府對外在金融壓力的不同反應方式和不同反應程度等中國特有的因素對模型均衡結果的影響。

參考文獻：

［1］Allen，Gale. Financial Contagion［J］.Journal of Political Economy，2000，（2）：5-27.

［2］Beaver， W. Financial Ratios as Predictors of Failure［J］. Journal of Accounting Research，1966，（5）：77-111.

［3］B’ardsen et al. The Econometrics of Macroeconomic Modeling［M］.Oxford University Press，2005.

［4］Bernanke，B.，Gertler ，M.，Gilchrist，S. The Financial Accelerator and the Flight to Quality［J］. The Review of Economics and Statistics，1996，78 （1）：1-15.

［5］Bernanke，B. Nonmonetary Effects of the Financial Crisis in the Propagation of the Great Depression［J］. The American Economic Review，1998，73 （3）：257-276.

［6］Bernanke.B.，Gertler.M.，Gilchrist，S.The Financial Accelerator in a Quantitative Business Cycle Framework ［A］.John，B.T.Woodford，M.HandbookofMacroeconomics［C］.Amsterdam：Elsevier，1999：1-122

［7］Brusco，Castigliones. Liquidity Coinsurance， Moral Hazard， and Financial Contagion［J］.Journal of Finance， American Finance Association，2007，62（5）：2275-2302.

［8］Clark. Analytical Models of Financial Stability［Z］.lectured at the Cass Business School， 2007，（3）.

［9］Crocket. Why Is Financial Stability a Goal of Public Policy?‘Maintaining Financial Stability in a Global Economy’［R］.held in Jackson Hole，Wyoming，August28-30.Economic Review，1997，（4）.

［10］Froyland， Kai Larsen. How vulnerable are financial institutions to macroeconomic changes? An analysis based on stress testing［J］， Economic Bulletin.2002：92-98.

［11］Fong. Stress Testing Banks’ Credit Risk Using Mixture Vector Autoregressive Models［R］. Hong Kong Monetary Authorioty Working Paper，2008.

［12］Goodhart， Charles and Sunirand， Pojanart and Tsomocos， Dimitrios P. A model to analyse financial fragility［P］.Discussion paper， 2004：492-501.

［13］Goodhart et al. A Model to Analyze Financial Fragility［J］.EconomicTheory，2006，（27）：107-142.

［14］Goetz von Peter. Asset prices and banking distress： A macroeconomic Approach［J］.Journal of Financial Stability，2009，（5）：298-319.

［15］Haldane et al. Financial Stability And Bank Solvency［R］.prepared for the Federal Reserve Bank of Chicago International Conference， Chicago Illinois， 2004，（9）.

［16］Houben et al. Toward a Framework for Safeguarding Financial Stability［R］.International Monetary Fund Working Paper，2004.

［17］Issing，O.Monetary and Financial stability：Is there a Trade-off［R］. BIS Papers，No.182003.

［18］Lindquist，Tsomocos. Evaluation of macroeconomic models for financial stability analysis［R］. Working Paper 01， Norges Bank，2006.

［19］Nier et al. Network Models and Financial stability［J］.Journal of Economic Dynamics and Control，2007，31（6）：2033-2060.

［20］Mishkin.Preventing Financial Crises：An International Perspective［D］.The Manchester School of Economic and Social Studies，1994，62：1-40.

［21］Miguel et al. Default， Credit Growth， and Asset Prices［R］.International Monetary Fund Working Paper，2006.

［22］Oriol Aspachs，Goodhart. Towards a Measure of Financial Fragility［D］.Lea ZicchinoBank of England.2006，9.

［23］Roberto Tamborini. A Macroeconomic Model of Bankruptcy. Workshop on Economics with Heteregenous Interacting Agents.Ancona，1997.

［24］Saade et al. An equilibrium approach to financial stability analysis： the Colombian case［J］.Annals of Finance，2007，（3）：75-105.

［25］Sorge.M，Virolainen.K. A comparative analysis of macrostress-testing methodologies with application to Finland［J］. Journal of Financial Stability，2005，（2）：113-151.

［26］Trond Eklund， Kai Larsen ， Eivind Berhardsen. Model for analysing credit risk in the enterprise sector［M］. Economic Bulletin.2001：99-106.

［27］Tsomocos，D.P. Equilibrium analysis， banking and financial instability［J］.Journal of Mathematical Economics，2003，9（5-6）：619-655.

［28］Tsomocos， D.P. Equilibrium analysis， banking， contagion and financial fragility［R］. Bank of England Working Paper No.175，2003.

Reviews and Prospects about Macro Models of Financial Stability Analysis

Tan Zhengxun

（Department of Finance, Jinan University, Guangzhou 510632, China）

篇9

蘭州石化于近年正式投用了汽油在線管道調合系統，該系統采用在線檢測NIR近紅外分析儀系統和DCS集散控制系統，實現在線測定組份油的辛烷值等質量指標以及控制管道調合成品油的質量指標，隨時優化和控制調合配方，使調合后成品油的辛烷值等質量指標達到設定目標控制值的一種在線管道優化調合方式，通過這種調合方式來挖掘汽油組份辛烷值的潛力，避免汽油辛烷值超標而造成質量過剩的一項新的調合技術。

關鍵詞：在線調合，NIR近紅外分析儀，模型建立，模型校正

第1章 汽油在線管道調合的原理

1.1 近紅外線分析儀的工作原理

美國UOP公司的Guided WaveM412型近紅外光譜在線分析儀采用校正模型技術來校正現場樣品波動，無須樣品預處理系統，能夠滿足上層調合軟件實時監控、及時優化的要求。

NIR光譜包含了樣品的大量組成結構信息，樣品性質與其組成結構是相關的，因此根據樣品NIR光譜可以預測樣品的性質，其技術關鍵在于在兩者之間建立一種定量關系，依靠這種關系，就能從未知樣品的NIR光譜求出其性質或組成數據。建模的大致過程為：在模型建立時，選取具有代表性的樣品集，測定其NIR光譜數據，再使用傳統的標準方法測定其性質數據，通過用偏最小二乘法建立的分析模型，對這些光譜數據進行分析，從而得到物料的參數數據。在利用NIR進行未知樣品分析時，先測定其NIR光譜，再根據已建立的模型來預測未知樣品的性質數據。

1.2 近紅線分析儀模型建立的過程

近紅外分析儀模型的建立大致為以下七步：采樣、進行光譜分析、按照要求在實驗室對所有樣品進行常規分析、將實驗室分析值輸入到Spectron軟件的Lab Data中、利用Model Studio軟件對光譜數據進行處理、利用Unscrambler軟件進行離線建模工作、完成軟件設定后，運行統計Unscrambler 軟件，建立數學模型。在建模型時，要反復計算，去除偏離太大的界外點，建立數學模型[1]。

實際調合車用汽油時辛烷值范圍比較寬，這是實驗室對大量數據統計的反映，從數學模型統計參數斜率、相關系數的計算結果可以看出，儀表模型參數基本滿足生產需要。

采用最簡單的模型評價方法將建好的各參數模型安裝到M412的Spectron軟件中。在線校正模型應用到在線分析后，需要對模型的準確性進行驗證和校正。在調合過程中，對組份和調合總管進行采樣分析，對不理想的近紅外模型加以校正和更新。

我們之所以要對模型校正，就是為了讓在線調合系統的“眼睛”能夠準確的看到油品的性質，為系統拿出最佳調合方案奠定基礎，從而實現降低汽油調合成本，調合出清潔化的汽油產品。

第2章 以93號汽油為例分析模型校正

2.1在線調合93號車用汽油性能指標分析

實驗室采集分析的93號汽油數據比較多，為了便于分析對比模型校正的意義，這里用93號汽油在線優化調合的情況做分析對比。辛烷值數據分析儀顯示分別是：93.25、93.09、93.53、92.58、92.88、92.19、93.26、93.42；實驗室數據為：92.3、92.2、93、92.8、93.4、93.1、93.5、93.6；數據誤差值依次為0.95、0.89、0.53、-0.22、-0.52、-0.91、-0.24、-0.18[2]。

93號汽油的研究法辛烷值從以上數據可以看出，實驗室分析數據變化趨勢比較大，而近紅外分析儀采集數據的變化趨勢相對小些。但是從裝置出來的油品辛烷值稍有波動時分析儀的測量誤差會很大。當調合出的93號汽油辛烷值質量過剩時，近紅外線分析儀的測量值才與實驗室分析數據相接近。當油品辛烷值略低于質量要求時，分析儀測量誤差會增大，而且是正偏差。測量模型極其不穩定，測量值忽大忽小。最大差值0.95，最小差值0.18，平均誤差0.555。平均誤差比較大。需要及時校正模型以滿足生產的需要。

93號汽油的馬達法辛烷值近紅外分析儀采集數據的變化趨勢與實驗室分析數據變化趨勢基本相似。但分析儀的測量值高于實驗室分析值。以調合的情況看，93號汽油馬達法辛烷值趨近于83，相對實驗室分析數據一般呈現正偏差。最大差值0.8，最小差值0.4，平均誤差0.613。平均誤差比較大。

2.2校正模型后在線調合93號車用汽油性能指標分析

針對模型存在的問題，對模型進行了校正工作。下面是模型校正后測量的93號汽油的性能指標分析。分析儀數據分別是：92.57、92.48、92.51、92.27；實驗室數據為：92.3、92.3、91.8、92.4；數據誤差值分別為：0.27、0.18、0.71、-0.13[2]。

從以上數據可以看出，模型校正后近紅外分析儀測量的93號汽油研究法辛烷值與實驗室分析的數據較吻合，總體上近紅外分析儀測量的數據略高，但模型校正后研究法辛烷值測量誤差明顯比以前減小，正負偏差均接近零刻度線。最大差值0.71，此點的誤差明顯遠遠的大于其它點的誤差。經分析造成分這點誤差偏大的原因是：①化驗室在抽樣檢驗分析時產生了嚴重的隨機誤差；②調合時生成油的辛烷值比正常偏小導致超出了該模型參數相關圖的精確測量段。最小差值0.13，平均誤差0.193（拋除了最大偏離點得出的結果）。平均測量誤差減小為原來的35%。基本上滿足生產的需要。

第3章 結論

通過93號車用汽油的質量指標對比分析，可以看出近紅外分析儀模型的好壞對在線系統能否嚴格控制汽油質量的重要性。在沒有改變在線調合系統設備的前提下，僅對近紅外線的測量模型做了一次校正便使93號汽油的研究法辛烷值誤差降低到了0.193。

上述的綜合對比可以看出隨著模型的不斷校正，分析儀測量的誤差越來越小。從93號汽油的調合情況來看，新建立的分析儀模型校正了以往研究法辛烷值模型不穩定的現象，研究法辛烷值測量誤差在≤±0.3以內的占到了75%；馬達法辛烷值測量誤差基本控制在≤±0.3以內。

模型的完善和檢驗是一個長期工作，隨著調合項目的深入，模型會越來越完善，能夠為在線調合提供可靠保障，使系統提高一次調合成功率并降低調合成本。（作者單位：蘭州石化公司）

參考文獻：

篇10

關鍵詞：近紅外光譜分析技術：過程控制；固體制劑

中圖分類號：R927.1

文獻標識碼：A

文章編號；1672―979x(2012)03，0139一05

2004年，美國食品與藥品管理局開始大力推行“過程分析技術(PAT)”理念，促使全球藥品制造行業向著更具有高科技含量的生產管理方式發展。近紅外光譜分析技術(N／R)以其快速、無損的特點成為PAT和參數放行的重要組成部分，是幫助制藥企業實現此理念的有效工具。

近紅外光譜是指介于中紅外與可見光之間的電磁波，美國材料檢測協會(American Society for Testing andMaterials，ASTM)將其波長定義為780~2500 nm，主要反映了c.H,O―H,N―H等含氫基團的倍頻與合頻吸收。NIR已廣泛應用于農業、石油和煙草等行業各生產過程的分析控制。在制藥領域，NIR在化學合成、晶型轉換、生化工藝中也被廣泛應用。目前藥物固體制劑的生產過程控制大都依靠經驗，很多關鍵技術環節對員工素質和數量要求苛刻。NIR引入藥物生產，可以降低對勞動力的要求，提高工作效率和產品質量，降低生產成本。本文主要針對固體制劑中的關鍵單元操作，介紹NIR的應用進展。

1 NIR在固體制劑生產單元操作中的應用

1.1粉末混合過程檢測

粉末混合是藥物生產過程中的關鍵單元操作。只有將活性物質(API)與藥用輔料充分混合均勻，才能保證生產質量合格的藥物制劑。此操作單元在粉末直接壓片和粉末直接裝膠囊的技術工藝中顯得尤為重要?；炫_過程由3種不同的運動形式綜合組成：　(1)擴散，即顆粒之間相互運動；　(2)對流，即大量顆粒之間相互運動；　(3)切變，即物料層之間重新分布。其目的是保證整個混合過程完成后，各組分的含量分布達到均一?；旌蠒r間過短或者過長，都會造成不同成分之間的混合不均勻。因此，需要有效的檢測手段判斷藥物的混合終點并研究藥物混合過程的潛在機制。

判斷混合終點的傳統方法，如高效液相色譜法(HPLC)、紫外可見吸收光譜法(UV-Vis)等，均需要完全停止混合操作后才能取樣檢測，不僅效率較低，采樣破壞了混合粉末原體系的均勻度，而且只針對API檢測，無法判斷其他輔料的混合均勻度。NIR則克服了這些缺陷。通過安裝在混合機械上的近紅外光譜采集設備，連續記錄不同混合時間內混合物的近紅外光譜。利用計算機數學模型分析計算采集的一系列近紅外光譜，得到物料混合的有關過程參數。這些參數對深入研究混合過程的潛在機制具有重要意義。

目前，已有文獻利用不同的計算方法分析混合過程中采集的近紅外光譜，大體可以分為兩類：需要建立數學模型的定量分析方法和無需建模的定性分析方法。

移動窗口標準偏差法是較典型的無需建模的分析方法。收集藥物特征區間不同時段的近紅外光譜，計算標準偏差(sD)。當SD值接近零時即判定藥物混合均勻。MoesN優化移動窗口標準偏差法，以藥物的特征光譜區間代替全光譜區間，以相對標準偏差(RSD)代替SD計算。不僅使分析結果更加準確，而且混合物的光譜數據較易與其他檢測方法所得數據比較。Ely利用NIR檢測低含量藥物混合的均勻度。首先將連續采集的近紅外光譜轉換標準正態變量，以減小藥物不同物理狀態的影響；然后找出藥物特征區間計算藥物的最低檢測限，利用多元變量模型將藥物的最低檢測限精確到3％以內。KollerTM進行了混合均勻度定量研究實驗，采集不同主藥含量梯度的樣品光譜，運用多元散射校正和標準正態變量對光譜優化。在定量過程中遇到近紅外光譜非線性情況，運用偏最小二乘法建立計算機輔助模型，根據混合物中藥物含量變化判斷混合終點。Puchert發明了主成分得分距離分析法(PC-SDA)檢測藥物混合均勻度。在主成分分析法的基礎上計算混合過程不同時間點主成分得分的歐幾里得距離，以獲得光譜差異小于預設值的時間窗口。利用光譜得分設置連續光譜之間SD值上限，通過差異值較小的光譜數據確定混合終點區間，并創新地利用霍特林T2統計量驗證了PC.SDA。

1.2制粒過程檢測

制粒過程是為了增加藥物的流動性和可壓性，確保藥物含量均勻。不同性質的藥物和制劑處方會對顆粒大小和含水量有不同的要求。

濕法制粒過程可以分成3種同時存在的不同狀態：(1)藥物粉末被黏合劑潤濕成核；　(2)顆粒之間相互碰撞聚集增大；　(3)沖撞、磨損、擠壓作用使顆粒破裂。研究制粒機制有利于控制制粒生產過程，減少批量生產中的錯誤，保障規模化生產以及工藝傳遞時成功率。目前，尚需提高的是尋找合適的分析方法分析和驗證這些研究理論。以往最常使用的HPLCNUV-Vis可檢測到藥物含量，但是無法得到上述潛在過程的相關信息。

NIRW以不間斷地在線分析濕法制粒的操作過程，詳細采集此過程的有效信息，以能為粒度變化、含水量變化和藥物之間相互作用等提供光譜數據，為以往的理論假設提供數據支持。

Li研究了NIR檢測流化床制粒過程。以乳糖和微晶纖維索為輔料同時加入主藥，流化床頂噴制粒。采集制粒過程的不同階段代表藥物粒度和主藥含量變化的近紅外光譜，用HPLC檢測出不同階段藥物含量的一級數據，用篩分法得到不同階段顆粒粒度數據，然后分析未經預處理的藥物主成分近紅外光譜，得出不同粒度顆粒對主藥含量的影響。Miwa建立二元混合物濕法制粒模型。根據水分子對近紅外光譜的強烈吸收分析藥物制粒時的近紅外光譜。將分析結果代入公式定量得出水分分布真實值，進而研究各種賦形劑對水不同的吸附能力，確定不同處方制粒時所需水量的上限與下限。Alcala透過流化床側壁的玻璃窗口，在線采集制粒過程的近紅外光譜。以干燥失重法、篩分法量和量筒測量法得到顆粒相關性質的一級數據后，利用主成分分析法處理光譜數據建立模型，偏最小二乘法建立定量模型。從而在線監測含水量、粒度分布及顆粒松密度的實時變化。Nieuwmeyer等Hartllng等也是利用NIR檢測顆粒含水量，從而優化濕法制粒條件并確定制粒終點。

1.3干燥過程檢測

干燥過程的條件和效率影響著終產物的質量。在有些藥物的生產過程中，干燥這一操作單元甚至會成為整個生產流程的瓶頸。所以需選擇一個先進的技術手段判斷完整的干燥過程的終點。

藥物干燥常用的幾種方法有：　(1)流化床干燥；(2)真空干燥；　(3)微波干燥；　(4)冷凍干燥；(5)熱噴霧干燥。常用的判斷干燥終點的技術有：　(1)干燥失重法：　(2)卡爾費休庫侖法；　(3)頂空氣相色譜法㈣。這些離線分析方法均需破壞干燥過程的真空狀態才

能取樣。由于近紅外光譜對水分子中的O-H鍵具有強烈的特征吸收，所以可以對上述干燥過程進行在線無損檢測。

De Beer等將近紅外光譜儀通過光纖探針與冷凍干燥儀連接，探針與藥物并不直接接觸，從而避免了藥物干燥過程的污染。研究者將采集的近紅外光譜分為結晶時的光譜數據和升華干燥時的光譜數據兩類，然后利用主成分分析法和多元曲線分辨等化學計量學方法計算分析所采光譜，從而判斷藥物冷凍干燥的終點以及藥物在凍干過程中相關的理化性質。Chablani研究了流化床干燥。利用卡氏庫侖法測量一級數據，對干燥過程中采集的近紅外光譜進行一階導數平滑以減小粒度，溫度和基線漂移的影響，偏最小二乘法建立數學模型。以此模型研究得出當流化床進風溫度在35~55℃時，溫度變化與藥物含水量線性相關。Airaksinen~t19]以NIR研究不同藥物對水分吸附的性質，繪制了水分的吸附等溫線，并且驗證了有關相轉換的相關研究內容。

相對于傳統分析方法，NIR是一種更加符合GMP規范的現代化技術手段。它不但節省了檢測時間，還減少了購買昂貴的干燥器檢測附件的費用。通過近紅外光譜的深入分析研究，還可定量確定藥物水分殘留，這一點對有些藥物至關重要。例如Dreassi對鹽酸甲胺呋硫片劑的含水量進行定量研究。Berntsson則是對明膠膠囊的含水量做了相應研究。兩者均應用多元線性回歸和偏最小二乘法建立數學模型。

1.4包表過程撿測

藥物片劑經常需要在最外層包被衣膜以隔離片心與外界環境之間的接觸，以起到掩蔽不良氣味，減少在藥物制劑包裝過程中的磨損，控制藥物釋放速率，防潮，避光等作用。而衣膜的實際作用與它的厚度和均一度密切關聯。如果包衣層過薄，將不能滿足保護藥物完整性和緩控釋釋放的要求；反之則會延長藥物崩解和溶出的時間，耗費時間和包衣材料。NIR可以在線檢測包衣厚度，可以保障產品質量并且更深入的研究包衣過程。這一點與過程分析技術的主要目的之一“加深對藥品生產過程的理解”是相契合的。

Kirsch指出包衣過程中藥物近紅外光譜的變化是由于包衣層吸收增加以及片芯吸收減少引起。以主成分分析法對包衣厚度建模，模型標準校準誤差與標準預測誤差分別為0.000 2英寸和0.000 24英寸。Buchanan等利用HPLC檢測藥物包衣層活性物質含量的一級數據，對采集的光譜分別以主成分分析法和偏最小二乘法建立定性、定量模型，檢測包衣過程。Lee等將流化床包衣機與近紅外光譜儀通過光線探針連接，在線采集小丸包衣操作時的近紅外光譜。將激光掃描共聚焦顯微鏡薄膜分析得到的結果做一級數據，以偏最小二乘法建立數學模型，相關系數達到0.995。以此模型在線檢測小丸包衣厚度，并判斷包衣終點。Tabasi等用NIR檢測聚丙烯樹脂聚合物包衣厚度變化，以及藥物溶出度。文中指出，將兩種型號的聚丙烯樹脂混合作為包衣材料，并按不同比例配置包衣粉。以規定時間內藥物溶出度及包衣過程中不同階段時的衣膜厚度作為一級數據，先對樣品近紅外光譜進行主成分分析，研究樣品各變量之間的相關性，然后通過偏最小二乘法建立數學模型。2展望

本文概述了NIR在固體制劑領域的應用。相比以往的技術手段，NIR在過程控制方面具有快速、無損、樣品預處理簡單、可以在線監控的優勢。NIR可以細致地分析每個技術環節，為先進的理論提供充足的基礎資料。“質量源于設計”以及實時參數放行的理念也要求使用更先進的分析工具幫助人們加深對生產過程的理解，以便設計出更合理的藥物生產工藝路線。所以在藥品生產過程中，N1R將會逐步普及，并成為一項常規的質量檢測手段為人們的用藥安全提供堅實的保障。