信息评价方法
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇信息评价方法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
信息评价方法范文第1篇
中图分类号：G250.73 文献识别码：A 文章编号：1001-828X（2017）003-00-02
互联网的迅速普及带来了丰富的网络信息资源，但这些网络信息资源具有海量性、无序性和无控制性等特征，人们在筛选信息时往往需要耗费大量的人力、物力。为了应对网络信息资源的繁杂，对网络信息资源进行及时、准确的评价是十分必要的，这些评价可以帮助我们高效筛选出所需要的信息，从而进一步提高生活、工作、学习的效率。近年来，学术界对于如何进行网络信息资源的评价进行了讨论，现今，网络信息资源的评价方法分为定性评价方法、定量评价方法以及二者相结合的评价方法。
一、定性与定量研究发展历程
1.定性评价方法
定性评价法从主观角度出发，依据评价的目的与服务对象的需求，按照预设的评价指标和赋值标准，对网络信息资源表现形式、内容进行评价。在早期的网络信息资源评价研究中，定性评价方法占主导地位。该评价方法需要评价者具备一定的知识或者经验。
国外首先对于如何定性评价网络信息资源这一问题展开研究。Richmond（1991）提出“10C原则”，Stoker和Cooke（1994）提出网络信息资源评价的8条评价标准，美国Harris（1997）教授提出不同角度的8条标准，同期，美国乔治大学Wilkinson（1997）教授等人在全面分析网站特点、网站属性的基础上，提出11个大类125个“质量指标”以及“OASIS评价系统”。除此之外，Smith（1998）等学者也提出很多评价方法和评价体系。国内学术界对网络信息资源评价研究开始较晚，主要以介绍国外成果为主，随着研究的深入，许多适应我国国情的新方法被提出。最早，董小英（1997）在总结出9项标准，随即我国学者对网络信息资源的评价展开研究。蒋颖（1998）认为网络信息资源评价可以包括信息质量、范围、稳定性和连续性等，她是国内最早将自己提出的理论发表在学术期刊上的学者。随即，基于内容权威性、准确性、可用性、可获取性的定性评价方法不断涌现。
经国内外学者接近30年的研究，定性评价方法取得了丰硕的研究成果，该方法成熟度较高。
2.定量评价方法
定量评价法利用数学知识分析数据，从量化角度进行评价。该方法初期主要立足于浏览量等一些便于观察和统计的数量指标。定量评价方法的提出，迅速引起学术界的广泛关注，国内外学者延伸利用文献计量学、应用数学以及网络计量学的方法进行不断的尝试，最终提出网络计量学方法、对应分析法等定量评价方法。
丹麦学术界首次提出“Webometrics”这一概念后，网络计量学逐步被应用在网络信息资源评价领域。比如链接分析法就是网络计量学的具体应用。在网络信息资源评价中，将链接看作是文献中的引文，继而借用传统的引文分析法进行研究，即链接分析法。链接分析法是定量评价网络信息资源的核心。因网络链接能够指明资源间的引用关系，所以颇受学者重视，比如李小云（2016）、李宗富（2016）等人利用了该方法对不同网站进行了评价，评价结果的认可度极高。也有专家提出利用检索次数等方法来对网络信息资源进行评价。
对应分析方法最初用于企业决策定位，后推广至网络信息资源评价中。Berthon（2001）运用对应分析法评价了世界范围内的电信公司网站，具有重大参考价值。我国侯治平、白丁（2011）等运用了分析法，对电子商务网站进行了实验性评价，取得了突破。
定量评价方法发展迅速，其研究成果很多，还有江正华（2014）的基于方差的最优组合赋权等评价方法。
二、定性与定量评价方法分析
国内定性评价仍以国外成果的经验性总结为主，国内方法理论研究缺乏完整性和创新性。评价方法中掺杂了大量例如心情、素质、知识储备量等人为因素，可靠性低，富有极强主观色彩。与此同时，还受社会因素的制约。导致评价方法不仅操作性较差、可靠性较低而且成本较高。然而定性评价能够帮助解决无法定量评价的问题，在一定程度上降低定量分析绝对化造成的差错率。
定量分析利用客观数据进行对比分析，可以克服主观因素，具有更高的客观性、系统性、科学性、精确度。但定量评价方法过于表面，存在太多的不确定因素，不利于深入探究评价内容。再者，由于难以收集信息和缺少部分计算工具，定量方法在推广使用中受到限制。我国定量评价方法虽发展迅速，但起步较晚，目前成熟度低于定性评价方法。
综上分析，定性是定量的基础，而没有定量的定性是片面的，只有令定性评价方法的全面性、成熟性和定量评价方法的科学性、客观性相辅相成，二者结合使用，才能达到较为全面的评价网络信息资源。
三、定性与定量研究的结合
随着对定性、定量评价方法的深入探讨，现今网络信息资源评价初步形成定性评价和定量评价相结合的新模式。目前定性和定量研究相结合的评价方法如下：
信息评价方法范文第2篇
任何一门课程的评价都具有积极的意义，并且在整个教学过程中的必不可少。虽然新的课程改革已经开展起来，但是适应新课程的评价方案还没有真正形成，评价教学水平、学生能力的标准还是比较单一。无论使用的教材有何区别，也无论课时、教法存在怎样的差异，每一个信息技术教育工作者无不感觉到“教学评价”已成为新课程发展的瓶颈。因此，课程实施主体所表现的不仅仅是对新课程的不适应，更多的是课程观的变迁与评价机制的静止而产生的矛盾。
信息技术到底是技术、是科学，还是文化？在新课标、教材中没有得到充分体现，从而导致学科教师、行政领导、学生及学生家长对该课程的认识比较模湖。这是教学评价首先要解决的问题。
如何建立和完善评价机制，我们的教育工作者进行前所未有的尝试和探索。自主性学习、探究性学习、合作性学习，出现了可喜的局面，但教学评价的相对滞后，不合时宜，相对制约了课程的发展。信息技术课有其自身的特点和内在规律，应着力挖掘其自身潜力，应更多的体现在学生的应用与创新。这就需要我们的决策者和教师改进和完善评价体系。
中小学信息技术课教学评价的基本原则是：发展学生个性、鼓励创新精神、重视教学效果和灵活多样方式。评价机制应分为课堂评价和终期评价两种基本形式。
一、课堂评价
课堂评价是一种经常性的评价，它是一种定性评价方式。课堂评价应着重从知识到情感的评价。课堂评价是通过课堂的教学实践反馈而获取，而评价本身对教学过程具有积极的促进作用。应突出课堂的知识性、技能性并注重个体及整体的发展。
信息技术学科的一大亮点即技能性，技能性即为工具性，它是各个学科自主学习的基石，有利于学生通过信息技术进行综合实践与研究探索。课堂评价主要分三个阶段。
1．同学评
根据学生个体各阶段信息素养的不同，按照高、中、低的程度每3-5名学生划分为一个学习小组。在教师对课堂主要教学内容进行讲解与演示之后，对学习小组布置层次不同的学习任务。
在小组内，每个学生在各自任务的驱动下，都有充分的实践机会，即体现了自主学习方式，又发挥了探究、合作的学习作用。大家在一起取长补短，使每个学生的信息素养都得到了发展，同时情感也得到交流，活跃了课堂气氛，创设了和谐的学习环境。
虽然同学之间评价难免会出现不同看法，这时就需要教师在思想上加以引导。比如，当学生因为颜色搭配意见不一致时，我们可以提示学生要尊重别人的审美观，学会包容，学会尊重，让每一次争论都有收获、有进步。
2．教师评
在同学评之后，教师挑选一些有代表性的作法或作品，通过网络广播的形式，对操作方法或作品分析和讲评，应着重发现学生的创新能力，起到画龙点睛的作用，并对好的方法和经验进行推广，对学习主体的认识进行了升华，以充分发挥教师在教学过程中‘导’的作用。
激励性评价是教师评价时采用重要方法，虽有利于培养学生的自信心，激发主体精神，但一味地表扬并不符合激励性评价的精神，长此以往只能导致学生判断能力下降，阻碍学习进程。例如，学生在上电子绘画、电子贺卡和电子报刊等内容时，激励性评价要运用得当，切不可过度。
3．自评
在课结束前的最后一阶段为学习主体的自评。通过网络测评软件，对课程中涉及的知识和技能学生只需回答几个简单的问题，就可以完成自评，教师将自评的结果收集起来，便得到了教学反馈。
通过自评，学生的认识过程得到升华，能够快速建构新知识体系，并能形成良好的学习习惯。
二、终期评价
终期评价是评价的最高阶段，是一个时期对本学科的概括性评价。评价要在内容和形式不断更新，做到与时俱进，并注意终期评价的科学性和准确性。终结性评价是定量评价，根据时期的不同分为学期评价、会考或高考评价。
1．学期评价
由于信息技术自身的宽泛性和较为复杂的学习环境，对信息技术学科的学期评价，应采取多种测评方式。
对基础知识可采取同其它学科同样的测试方法。例如信息技术的常识、计算机原理和数的进制等内容，可进行笔试，这样使学生认识到它是一门学科，而不仅仅是一项技能。对基本技能的测试，可采取上机进行操作方式，并通过网络考试软件来获取测试结果，发挥本科的潜能。另外，建立每生的学习档案库，适时对学习个体的学情进行积累，形成测评的连续性。
2．会考或高考
会考或高考是信息技术评价的最终趋势，但由于各地办学条件和教学观念的差异，目前来看它还是一项任重道远的系统工程，信息技术的会考与高考很难在短期内全面展开，但它的推行对学科的发展具有积极的推动作用，信息技术学科的基础性和工具性也得到了很好的体现。
会考或高考尤其是高考，往往是出现在当今的综合科中，因此目前在考试形式上仍以笔试为主，待条件成熟时，再采用网络考试形式。关于试题的内容应体现知识性、技能性和创新能力，同时要兼顾未来的发展，遵循螺旋上升认知规律，并做好各阶段的衔接。关键词：信息技术的基础性、技能性信息技术评价的方法和原则现阶段评价中存在的问题
任何一门课程的评价都具有积极的意义，并且在整个教学过程中的必不可少。虽然新的课程改革已经开展起来，但是适应新课程的评价方案还没有真正形成，评价教学水平、学生能力的标准还是比较单一。无论使用的教材有何区别，也无论课时、教法存在怎样的差异，每一个信息技术教育工作者无不感觉到“教学评价”已成为新课程发展的瓶颈。因此，课程实施主体所表现的不仅仅是对新课程的不适应，更多的是课程观的变迁与评价机制的静止而产生的矛盾。
信息技术到底是技术、是科学，还是文化？在新课标、教材中没有得到充分体现，从而导致学科教师、行政领导、学生及学生家长对该课程的认识比较模湖。这是教学评价首先要解决的问题。
如何建立和完善评价机制，我们的教育工作者进行前所未有的尝试和探索。自主性学习、探究性学习、合作性学习，出现了可喜的局面，但教学评价的相对滞后，不合时宜，相对制约了课程的发展。信息技术课有其自身的特点和内在规律，应着力挖掘其自身潜力，应更多的体现在学生的应用与创新。这就需要我们的决策者和教师改进和完善评价体系。
中小学信息技术课教学评价的基本原则是：发展学生个性、鼓励创新精神、重视教学效果和灵活多样方式。评价机制应分为课堂评价和终期评价两种基本形式。
一、课堂评价
课堂评价是一种经常性的评价，它是一种定性评价方式。课堂评价应着重从知识到情感的评价。课堂评价是通过课堂的教学实践反馈而获取，而评价本身对教学过程具有积极的促进作用。应突出课堂的知识性、技能性并注重个体及整体的发展。
信息技术学科的一大亮点即技能性，技能性即为工具性，它是各个学科自主学习的基石，有利于学生通过信息技术进行综合实践与研究探索。课堂评价主要分三个阶段。
1．同学评
根据学生个体各阶段信息素养的不同，按照高、中、低的程度每3-5名学生划分为一个学习小组。在教师对课堂主要教学内容进行讲解与演示之后，对学习小组布置层次不同的学习任务。
在小组内，每个学生在各自任务的驱动下，都有充分的实践机会，即体现了自主学习方式，又发挥了探究、合作的学习作用。大家在一起取长补短，使每个学生的信息素养都得到了发展，同时情感也得到交流，活跃了课堂气氛，创设了和谐的学习环境。
虽然同学之间评价难免会出现不同看法，这时就需要教师在思想上加以引导。比如，当学生因为颜色搭配意见不一致时，我们可以提示学生要尊重别人的审美观，学会包容，学会尊重，让每一次争论都有收获、有进步。
2．教师评
在同学评之后，教师挑选一些有代表性的作法或作品，通过网络广播的形式，对操作方法或作品分析和讲评，应着重发现学生的创新能力，起到画龙点睛的作用，并对好的方法和经验进行推广，对学习主体的认识进行了升华，以充分发挥教师在教学过程中‘导’的作用。
激励性评价是教师评价时采用重要方法，虽有利于培养学生的自信心，激发主体精神，但一味地表扬并不符合激励性评价的精神，长此以往只能导致学生判断能力下降，阻碍学习进程。例如，学生在上电子绘画、电子贺卡和电子报刊等内容时，激励性评价要运用得当，切不可过度。
3．自评
在课结束前的最后一阶段为学习主体的自评。通过网络测评软件，对课程中涉及的知识和技能学生只需回答几个简单的问题，就可以完成自评，教师将自评的结果收集起来，便得到了教学反馈。
通过自评，学生的认识过程得到升华，能够快速建构新知识体系，并能形成良好的学习习惯。
二、终期评价
终期评价是评价的最高阶段，是一个时期对本学科的概括性评价。评价要在内容和形式不断更新，做到与时俱进，并注意终期评价的科学性和准确性。终结性评价是定量评价，根据时期的不同分为学期评价、会考或高考评价。
1．学期评价
由于信息技术自身的宽泛性和较为复杂的学习环境，对信息技术学科的学期评价，应采取多种测评方式。
对基础知识可采取同其它学科同样的测试方法。例如信息技术的常识、计算机原理和数的进制等内容，可进行笔试，这样使学生认识到它是一门学科，而不仅仅是一项技能。对基本技能的测试，可采取上机进行操作方式，并通过网络考试软件来获取测试结果，发挥本科的潜能。另外，建立每生的学习档案库，适时对学习个体的学情进行积累，形成测评的连续性。
2．会考或高考
信息评价方法范文第3篇
【关键词】制造业 信息化 成熟度 评价
信息时代，信息化已经成为企业的主要战略部署之一，信息化的实施成败直接关系到企业的生存与发展。信息化成熟度测评是对企业信息化发展程度的科学评价与分析，信息化成熟度模型（IMM）是对企业信息化演变发展规律的研究，他们能够帮助企业客观认识自身信息化发展水平以及存在的问题，从而促进企业信息化的成熟。
一 文献回顾
从20世纪60年代以来，信息化演变过程一直受到产业界和学术界的关注，尤其对于信息化成熟度模型的研究从未间断过。其中最著名的是Nolan模型。此外，还有Synnott模型（1988）、Mische模型（1990）、Hanna的信息技术扩散模型（1990）、Edgar Schein模型、SW-CMM模型（软件能力成熟度模型, 1986）、COBIT框架下的IT过程成熟度模型（2000）、技术―信息卓越度模型（2000）、业务―IT联盟成熟度模型（2000）和基于价值链的四阶段模型（1990）。上述模型的设计思路大体可以归纳为两类和四个维度：一是从信息化的支撑要素分类，有两个建模维度，即信息技术和信息资源；二是从信息化的功能实现分类，有两个建模维度，即横向价值链和纵向管理链。总体上看，多数模型在信息化发展阶段分类和主要影响因素的判定上比较科学，但忽视了从信息化演变的内在机制上去挖掘关键因素。
国内学术界对于信息化成熟度模型与测评方法的研究，综合考虑了我国信息化的特点。左美云将企业信息化能力划分为技术支撑、资源集成、管理优化、战略支持和持续改善五个级别。模型不仅考虑到了企业的信息应用层面，还增加了信息制度、外部协同、信息战略等信息资源的组织管理。另外邱长波得到的企业信息化成熟度模型，包括信息系统准备、信息系统引入、信息系统集成共享、信息系统企业外延伸及信息系统决策支持五个阶段。
二 区域制造业信息化的内涵与特点
制造业信息化将信息、自动化、现代管理与制造相融合，从而改善制造企业的生产设计和经营管理，提高生产效率、产品质量和企业的创新能力，节约成本，带动产品设计方法和设计工具、企业管理模式、制造技术以及企业间协作关系的创新，从而实现产品设计制造和企业管理信息化、生产过程控制智能化、制造装备数控化以及咨询服务网络化，全面提升制造业的竞争力。
清华大学信息学院院长孙家广院士从宏观的角度对我国制造业信息化的特点用五个关键词进行了提炼，即泛在、智能、融合、绿色、可信具体解释如下：
泛在―信息化的广泛性，是无所不在，无所不用的一个载体。更具体地说，泛在性就是在任何地方，任何时间都能够接入信息系统。
智能―信息化应该从被动式向智能型、自适应型演变。应该侧重向知识管理和规则建模发展。
融合―领域知识、行业知识和信息技术的信息知识要融为一体。
绿色―信息化是一个高能耗领域，要从硬件技术和管理方法入手，推进信息化的低能耗，实现信息化的绿色环保。
可信―信息化要提高信息的安全性。
三 区域制造业信息化成熟度的评价指标
基于上述分析，宏观角度的制造业信息化成熟度评价指标并不能完全反映地区制造业信息化现状，不能准确发现企业信息化存在的主要问题，不利于科学测评企业信息化的建设情况。因此，对于个性化比较强的某些区域制造业，应该化繁为简，抓住关键问题，设计一套适合该地区信息化建设发展规律的信息化成熟度评价指标。
以温州地区为例，温州地区以中小型制造业为主，现阶段亟待解决的问题是如何真正帮助企业提高生产水平和管理效率，实现资源的优化配置和合理利用，打开国际市场。因此温州制造业信息化成熟度应该侧重从基础设施建设水平、信息系统应用水平和信息化实施效果三个方面开展评价（详见下表）。
第一，基础设施建设水平。这是实施制造业信息化的物质基础和前提条件，它间接反映企业领导对信息化的重视程度和整体规划水平。本文从制度、软件、硬件、人才四个角度设计测评指标，具体包括管理制度完善程度、软硬件投入占企业固定资产比值、计算机联网率、人均拥有电脑数、网络性能水平和信息化人才占比六个方面。
第二，信息系统应用水平。这是反映制造企业信息化水平的关键因素。本文从生产、管理、推广、决策四个角度设计测评指标，具体包括CAD/CAM应用水平、ERP应用水平、供应链管理水平、客户关系管理水平、电子商务应用水平、信息化辅助决策水平。
第三，信息化实施效果。信息化实施效果反映制造企业信息化的实施成果。本文从资金与市场规模两个角度设计测评指标，具体包括库存资金占有率、资金周转效率和市场占有率三个方面。
四 区域制造业信息化成熟度评价的实施办法
对区域制造业信息化成熟度的评价除了设计一套合理的测评指标体系外，还要设计科学可行的实施手段。本文在研究大量成熟度评价文献的基础上，以温州地区为例，制定了一套行之有效的评价实施办法，关键步骤包括以下三点。
1．确定指标权重
利用德尔菲法和层次分析法相结合的方法来确定指标权重。在温州地区，可以考虑选择行业专家、高校专家和制造业业主共同组成专家团队。
使用层次分析法（AHP）计算指标权重的主要步骤为：第一步，确定比较判断矩阵。请专家对指标两两比较其相对于上一层所从属指标的重要性之比，由比值构成比较判断矩阵；第二步，层次单排序。用方根法计算每个矩阵的最大特征根及相应特征向量，将特征向量归一化，并对矩阵进行一致性检验；第三步，层次总排序。自上而下分别用每一层的每个指标相应地归一化特征分量作权，乘以下一层其支配的每一个指标的特征分量，便得到下一层指标的组合权重，最下一层的组合权重即为所求。在总排序的过程中，还要进行组合的一致性检验。
2．建立成熟度阶段模型和评分区间
首先，分层次抽样采集样本。根据测评指标，设计调查问卷，对温州地区的制造企业进行调研，收集100份以上的样本。为了较好地保证样本在成熟度分布上的完整度，可以采取分层抽样的方法对样本进行抽样，即根据与成熟度有较高关联度的指标（如温州制造业的规模指标）对样本进行分层，然后按照一定的比例从各层独立地抽取一定数量的个体。
其次，对指标原始数据进行量化赋值。为了控制测评总分的区间，制定评分等级，需要对采集到的指标数据进行量化处理。计算信息化成熟度总得分的公式：
I＝
其中，I表示企业信息化成熟度总分，pi表示第i个指标的赋值，wi表示第i个指标的权重。
最后，聚类分析建立成熟度阶段模型，并确立阶段评分区间。第一，利用聚类分析中空间浓缩度高的最短距离法，对样本中处于同一信息化水平层次的企业进行归类。具体根据信息化成熟度测评指标的二级指标变量对样本进行聚类分析。选取合适的类间距，将样本企业的信息化成熟度分为3～5类；第二，根据指标的贡献率，剔除一部分对聚类结果影响很小的指标，从而构建成熟度阶段模型的特征指标。第三，通过对所处不同阶段的样本企业的对比分析，综合得出信息化成熟度的阶段特征。第四，计算各阶段每个企业的测评总分，综合得出各阶段的评分区间。
3．开展具体实例的测评
在建立了温州制造企业信息化成熟度阶段模型和评分区间标准的基础上，就可以对温州地区具体的企业实例开展信息化成熟度的测评。首先，根据信息化成熟度阶段模型的特征指标设计调查问卷，对实例企业进行调查；其次，对调查结果实施测评量化，并计算测评总分；再次，根据测评总分，参考成熟度阶段模型的评分区间确定该企业所处的成熟度阶段；最后，参考该阶段和高一级阶段的信息化成熟度特征，对该企业信息化的发展现状、存在的不足以及优化的重点进行分析。
参考文献
［1］Nolan .R L .Managing the Computer Resource: a Stage Hypothesis［J］.Communications of the ACM,1973（7）
［2］Gibson C F, Nolan R.L. Managing the four stages of EDP growth［J］.Harvard Business Review , 1974（1）
［3］Nolan. R. L. Managing the crisis in data processing［J］.Harvard Business Review，1979（2）
［4］左美云、陈蔚珠、胡锐先.信息化成熟度模型的分析与比较［J］.管理学报，2005（3）
［5］左美云、王.胡锐先.基于专家调查的组织信息化成熟度模型研究［J］.管理学报，2005（4）
［6］邱长波、张佳、施梦.企业信息化成熟度阶段分类模型［J］.吉林大学学报，2007（4）
信息评价方法范文第4篇
【关键词】证券投资基金；综合评价；信息熵
一、引言
近年来，我国基金业快速发展，2009年末基金资本规模达到了2.68亿元。在我国基金快速发展的过程中，基金绩效评价发挥着重要作用。国内外众多学者提出了多种基金绩效评价方法。
最具代表性的是基于资产组合理论、资本资产定价模型的基金评价指标。例如：美国财务学者Treynor首先提出一种考虑风险因素的基金业绩评价指标，即以单位系统风险收益所获得的超额收益率作为评估指标，后人称之为“特雷诺指数”[1]。Sharpe提出用单位总风险所获得的超额收益率评价基金的业绩，称为“夏普指数”[2]。Jensen提出了“詹森指数”[3]。
除上述方法外，证券选择和时机选择、业绩归因、绩效的持续性、基金风格、绩效评估的一致性等也是基金绩效评价研究的热点。Terynor对基金经理的时机选择能力进行了研究，分析了选择时机可能产生的两种情形，并利用二项式模型进行回归分析（T-M模型）[4]。Admat证明T-M模型在衡量时机选择能力上是有效的[5]。Cumby对美国15个国际投资基金的业绩进行分析，发现基金经理的市场时机选择能力大部分为负数[6]。
国内学者进行了大量的实证研究，陈学荣选择1998年第一批上市的五家基金进行实证分析，研究表明基金的风险控制能力较强[7]。徐涵江采用Treynor、Sharpe和Jensen指数对上市最早的前10支基金经营业绩进行评价[1]。张新运用不同的基准指数和实证研究方法对22只封闭式基金的绩效表现进行了实证研究，结果表明中国基金在整体上没有显示出良好的预测市场走势的能力，也未显示出优异的选股能力[8]。刘红忠以深沪证交所上市的33只封闭式基金为样本集，对其业绩及其持续性进行了评价与分析[2]。
现有的基金绩效评价方法，为基金持有人和基金管理公司考核基金经理提供重要参考方法，增强了持有人的市场风险意识，有利于基金市场的健康发展。但是，纵观国内外研究发现，考虑多种因素的综合的评价体系仍然比较缺乏，无法将多种绩效目标统一到同一体系中，对基金总体绩效进行综合度量。现有的少量综合评价模型均由基金公司提出，缺乏独立性，而从实用角度来看，不论是从投资者、基金公司和金融管理者来看，一个系统全面的评价体系的研究具有非常重要的意义。
为此，本文将从中国基金市场的特点出发,构建全面、合理的证券投资基金综合绩效评价体系，引入信息熵理论构造评价结果的区分度函数，并以区分度函数为基础构造绩效评价体系权重的非线性目标规划模型；最后，通过实例验证该方法的有效性。
二、基金绩效评价指标选择
证券投资基金的绩效受很多因素的影响，不仅包括宏观政策环境，而且包含微观的基金管理因素。从宏观角度上来看，基金绩效存在差异性的主要原因是受经济形势变化、经济周期调整，资本市场盛衰的影响，当经济形势看好时，或者经济处在发展上升阶段时，或者资本市场处于平稳发展时，这些因素会刺激基金绩效的整体提升，并且影响人们对预期收益的估计，进而映射到基金的二级市场表现。上述这些因素能够对基金在不同时期的绩效产生影响，但是并非基金管理公司内部的作用因素，因此可以称之为间接因素。从微观因素角度看，基金规模、基金费用，基金经理人能力、择时能力、投资风格等都直接影响基金绩效，这些因素直接作用于基金运作，故称其为直接因素。这些因素综合影响着基金绩效，从而使每只基金的表现不同。因此，在建立评价体系之前需要认真分析各类影响因素，形成较为合理的影响因素集合。
(1)基金规模
对于基金规模和绩效的关系，学术界通常认为：中、小基金灵活性强，能够实现仓位和配置的结构性快速调整，而大规模基金的换手率普遍偏低，不具备流动性优势，但是却能够及时弥补大范围申购赎回带来的负面影响，所以其业绩相对稳定”。本文认为，规模对基金绩效的影响还包括基金经理人管理方式的区别，换句话将经理人对不同规模的基金采取不同的管理方式。对规模较大的基金，基金管理人作为人的责任和利益都会更大，因此，他们倾向于在管理过程中投入更多的时间和精力，大量的投入势必造成较高的成本，但是换来了持续的优良业绩。
(2)基金费用
基金运作和管理过程中可能产生两种费用：一是投资者在交易的时候发生的费用，这部分费用由投资者自己承担，主要包括申购费、赎回费和基金转换费。另一类是基金管理过程中产生的费用，主要包括基金托管费、管理费、信息披露费等，这些费用主要由基金公司承担[3]。相关研究表明业绩好的基金其费用率与业绩呈负相关，业绩差的基金其费用率与业绩呈正相关[9]。业绩好的基金费用越低。所以基金费用是影响基金绩效的重要因素，在基金绩效评价中应该占有重要的地位。
(3)基金收益风险
基金的收益风险是基金绩效最早的研究内容，当然也是影响绩效的重要因素。基金的收益主要通过基金的单位净值、净值增长率、净值收益率等几个指标进行分析。但是，收益总是与风险相生相伴的，基金的风险同样对基金绩效具有重要的影响。投资基金是在承担一定程度风险的前提下获得收益的，追求较高收益必然需要承担较大的风险，在某种程度上基金的收益可以看作是对风险的补偿，所以基金风险的识别、度量以及分析是基金绩效评价研究的前提。现资理论为我们提供了良好的分析工具，它将收益和风险结合在一起，通过对收益加以风险调整，得到一个可以兼顾考虑收益与风险的综合指标，这一指标能够排除风险因素对基金绩效评价的负面影响。
(4)基金经理的选择能力
基金投资的对象主要是股票市场，所以基金经理的运作能力应该从以下两个方面衡量：一个方面是基金经理选择的重仓股，面对不同的行业和千余只股票，基金经理的选股能力对基金绩效的表现尤为重要；另一衡量的标准是基金经理选择重仓股的行业。从基金经理选择投资的行业来看，行业的整体波动也会对基金绩效产生重要影响。当然从行业选择方面，投资人也能观察出基金经理对市场的认识、分析和掌控能力。
(5)基金投资风格
基金的投资风格决定了投资者购买的基金资产配置策略，这与投资者的风险喜好、基金业绩的好坏有着重要关联[d]。
基金风格可以从基金投资风格和收益表现风格两个方面区分，两者既相互联系，又有所区别。基金管理公司对基金进行风格分类是为了在不同的管理过程中采用不同的分析方法，或者使投资的品种在投资目标中具有某种共性。也就是说基金投资风格是基金在构建投资组合和选择股票的过程中所表现出的风格。
(6)基金的资产配置集中度
基金的资产配置集中度是证券投资基金绩效评价的重要指标，能反映出基金经理的选择能力以及分散资产控制风险的能力，换句话说就是股票集中度与行业集中度这两个资产配置指标能反映出基金经理对市场的把握能力。股票集中度能给基金带来超额收益，使得基金业绩表现良好，但是行业的资产配置集中度并没有带来好的收益，反而带来的损失较大。
三、基金绩效评价体系构建
基金绩效综合评价为研究目标，将其作为评价指标体系的目标层。并对上述几个方面进行合并、规约，构造六个准则层，分别为：基金收益(C1)、基金风险(C2)、风险调整收益(C3)、基金费用(C4)、基金经理能力(C5)、市场表现(C6)。
进而为各准则层选择测量指标，构造完整的基金绩效评价指标体系。其中，C1准则采用净值增长率(W11)、净资产收益率(W12)两个指标测度基金的收益绩效；C2准则采用标准差(W21)、β系数(22)两个指标测度基金的风险；C3准则分别用夏普系数(W31)、特雷诺系数(W32)、詹森系数(W33)度量基金的风险收益水平；C4准则采用收入费用(W41)、净利润费用(W42)两个指标度量基金的费用成本；C5准则采用重仓股贡献度(W51)、重仓行业贡献度(W52)来衡量基金经理的个人能力；C6准则使用投资集中度(W61)、重仓股换手率(W62)度量基金的市场绩效。
根据以上分析，完整的指标体系如图1所示：
为科学量化基金综合绩效水平，本文引入信息熵理论，探讨一种主客观相结合的投资基金绩效评价方法。
假设待评价基金的个数为n，每个基金在评价期内的指标值为aij，基金绩效评价体系中各项指标的权重分别为wij(各指标的对应关系如图1所示)。采用信息熵[10]构造基金绩效评价方法可分为下列步骤：
1.构造第i支待评价基金的综合绩效公式：
其中，Bi为基金的综合绩效，wij为待求的权重向量。
2.构造归一化基金的综合绩效序列：
其中，第i支基金归一化的绩效Ci。
3.建立信息熵区分度函数。
根据信息熵定义，结合归一化绩效构造基金绩效综合评价的信息熵函数。
其中，H(C)为评价结果的信息熵。显然，H(C)值越大则评价结果的区分度越大，即各基金之间的综合绩效差别越大。所以，可以将H(C)作为权重求解的目标，求解最优权重向量，进而对各基金进行评价。但是这个目标必须满足评价主体的主观判断，这样才能够使定量评价与专家的要求相符合。为此，建立权重优化的非线性规划模型(4)。其中，约束条件是根据评估主体对各项指标的主观判断构造的不等式。
通过求解该模型即可得到符合主客观约束的最优权重向量，进而可以对基金绩效绩效全面的综合评价。
四、实证研究
本文选取的研究对象为2003年-2010年成立的10支开放式基金。样本的选取综合了各机构的分类结构后选定的10支股票型基金，其分别属于不同的基金管理公司，如表1所示。
论文选取了5位基金投资者和5位基金经理共同组成评价专家组，对评价体系的指标相对重要性给出判断。如果对于同一组指标的重要性判断不一致，则采用简单多数原则。
计算各指标的单项评价分值，根据本文方法构造评价模型的优化模型。采用MATLAB2007编写基金绩效评价模型的求解算法，获得评价模型权重。并对基金绩效进行综合量化，得到综合评分及排序，如表2所示。
五、结论
目前，在中国还没有一个如美国S＆P 500指数那样具有很好的代表性、被广泛接受、可作为基准组合代表的市场指数。因此，本文总结了国内外现有证券投资基金评价方法，构造了较为全面、客观的评价指标体系；根据信息熵理论建立主客观相结合的基金绩效评价方法；实例表明该方法切实可行。
参考文献
[1]B.P.S.Murthi,Yoon K.Choi,Preyas Desai.Efficiency of Mutual Funds and Portfolio Performance Measurement:A Non-parametric Approach[J].European Journal of Operational Research,1997,98(2):408-418.
[2]William F.Sharpe.Mutual Fund Performance[J].Journal of business,1966,39(1):119-138.
[3]Michael C.Jensen.Problems in Selection of Security Portfolios:The Performance of Mutual Funds in the Period 1945-1964[J].Journal of Finance,1968,23 (2):389-416.
[4]Jack L.Treynor,Kay K.Mazuy.Can Mutual Funds Outguess the Market[J].Harvard BusinessReview,1966,44(2):131-136.
[5]Adman Anat R,Stephen A,Ross.Measuring Investment Performance in A Rational Expectations Equilibrium Model[J].Journal of Business.1985,58(11):11-26.
[6]Cumby R.E.,Glen J.D.Evaluating the Performance of International Mutual Funds[J].Journal of Finance,1990,45:497-521.
[7]陈学荣.投资基金业绩综合评估的指数法及其应用[J].财贸经济,2000,5:188-192.
[8]徐涵江.证券投资基金经营业绩评价研究及实证方,[J].统计研究,2000,(4):28-31.
[9]张新,杜书明.中国证券投资基金能否战胜市场[J].金融研究,2002,1:1-22.
[10]刘红忠.证券投资基金绩效评估与风险度量的实证分析.上证联合研究计划第二期课题,2001.
[11]中国证券业协会.证券投资基金[M].北京:中国财政经济出版社,2008.
[12]曾德明,周再望,刘颖.证券投资基金费用与管理质量实证研究[J].财经理论与实践.2005,7:49-52.
信息评价方法范文第5篇
[关键词]“人”字型课程结构 AHP层次分析法 遗传算法 量化分析与挖掘
[中图分类号] G642.3 [文献标识码] A [文章编号] 2095-3437（2013）24-0001-04
一、“人”字型课程结构设计的品质
以人为本，差异化教学是该课程结构设计的指导思想，模块化课程设置是“人”字型课程结构的组成元素。该结构的主要特点是主导学生自主选课、实现学生个性发展、彰显技能特色、重视立德树人、促进创业就业或学识再提高。
二、“人”字型课程结构的建立
它以地方高校应用型本科教育培养目标为中心，将课程设置分为三大模块，每个大模块中又分为若干子模块，每个子模块由若干课程组成，见“人”字型课程结构图1。
■
图1 模块化“人”字型课程结构
我们认为基础理论素质模块好比人的左腿，人文修养素质模块好比人的右腿，专业素质模块好比人的身部，三大模块组成一个完整的“人”字型。基础理论模块是实现培养目标的基础，人文修养模块是立德树人的保障，专业素质模块是培养目标中心。
该课程结构特点具体表现在：第一，课程设置多维性。既要满足高等教育的学科体系，又包含职业教育元素，侧重技术、技能及知识的应用性。第二，课程开发多元性。培养目标、市场需求、学生特点、个性化教育、差异化教学等构成课程开发多元性。第三，课程目标定向性。遵循“鸟型不离卵”原理，无论外界环境如何变化，课程目标的应用性始终不变。第四，课程形态的自组织性。在知识体系中，基础理论处于稳定层，专业理论处于亚稳定层，技术知识处于不稳定层。因此，具有职业性、技术性特征的应用型本科教育要实现持续、协调发展，其课程形态须具有较强的自组织性。第五，课程内容的实践性。由模仿性实践向开发型、智力型、创新型实践转换。第六，课程体系模块化。主要解决人才培养周期长和市场需求变化快之间的矛盾；解决知识适应性与职业岗位针对性矛盾；解决学生个性与课程计划如何相适应矛盾。第七，课程设置的灵活性。应用型本科教育在于体现人的自我实现，课程设置多类型便于学生自主选择课程进行学习。
三、对“人”字型课程结构关联度评价要求
关联度评价是对课程结构实施教学过程的实际水平通过预定课程结构目标的程度进行的度量和判断。在评价过程中，要通过信息反馈，多征求校、企专家意见，第一线教师意见，找出评价结果和预定目标之间的差距，对课程结构中某些课程设置进行改进和调整，使之逐步完善。课程结构关联度评价应作为课程结构研究的一部分，也就是说，在构建课程结构的同时，就要把预期达到的目的和培养学生综合素质达到的水平规定明确，作为课程结构评价设定权重指标的依据。“人”字型课程结构虽然经过几年的教学验证，一定的理论探索和比较，但最终证明其课程结构是否科学可行，不能仅靠定性分析、定量分析和逻辑判断，最终结果应是教学质量的提高，这主要体现在学生的德、智、体、美全面发展，专业素质的整体优化和个性的健康发展。因此，课程结构关联度评价不仅是对课程结构本身，而且是对教学全过程、学生综合素质的全面评价。
课程结构关联度评价是一项复杂的系统工程，必须有详细的方案、合格的评价人员、组织机构、严格的程序，才能使评价收到预期的效果和充分发挥评价的导向、诊断、激励、调节、反馈的功能。
四、模块化“人”字型课程结构评价体系的建立
课程结构评价是根据一定的标准和所收集的信息对课程结构价值做出判断的过程。在实际课程设置中，影响该课程结构的相关因素很多，其主要属性有基础理论课深度的差异化，立德树人、提高综合素质、加强人文修养课的广泛性，拓宽专业知识口径、强化实践技能的专业知识课的应用性，各属性又有若干方面的具体要求，这就构成了子因素层评价指标。如表1所示。
五、模块化“人”字型课程结构评价方法
本文在AHP层次分析法的基础上，综合运用改进的遗传算法，得出课程结构各层次要素的定量分析（目标权重），确定评价指标体系各要素优先排序，最后对几种方案进行优化，从而制定出一套科学合理的课程结构相互关联度评价指标。本文构建的AHP-GA方法，为课程结构评价以及教育评价等量化工作提供了一个广阔的前景，为提高教育教学质量提供科学决策。
（一）挖掘模型及方法的建立
1. 建立模块化“人”字型课程层次结构一般模型
设“人”字型课程层次结构模型由主因素层A、子因素层① B、子因素层② C、具体要求层D组成。A层为课程结构总目标， B层为评价课程结构总目标的n个一级指标即B1，B2，...，Bn，C层为评价课程结构总目标的m个二级指标即C1，C2，...，Cm，D层为各二级指标的具体要求（观测点）D1，D2，...，Dk.由此所构的模块化“人”字型课程层次结构一般模型如图2所示：
■
图 2 课程结构关联度评价层次结构图
2. “人”字型课程结构层次要素判断矩阵的建立
对于各层要素， 分别以各自上一层级的要素为准则进行两两比较，根据AHP要求采用1～9级及倒数的判断尺度描述专家对各因素相对的重要性进行打分，并得到B层判断矩阵：PB={PBij|i，j=1，2，…，n}，元素PBij表示从主因素层A角度考虑要素Bi对要素Bj的相对重要性。对应于 B层要素Bn的 C层判断矩阵为PCn ={pcij|i，j=1，2，…cn}， cn表示对应于要素Bn的 层要素的数量。同理，对应于C层要素Cm的 D层的判断矩阵为PDm={pdij|i，j=1，2，…，cm}。由于判断各要素相对的重要性是有s个专家进行的， 因此各层要素就有s个判断矩阵。
3.“人”字型课程结构数据挖掘模型的建立
要确定同一层次各要素对于上一层某要素的相对重要性的排序权值并检验各判断矩阵的一致性，需应用AHP法做出评价与判断。现以判断矩阵PB为例进行论述：设 B层各要素的排序权值为wt ，
t= 1， 2，…，n且满足 wt>0 （1） ■wt=1 （2）
根据判断矩阵 PB 的定义， 理论上有pbij=wi /wj （3）
若判断矩阵 PB 满足 （ 3） 式，专家们能准确判断，则 PB有完全一致性。 由于课程内容的复杂性、专家在判断上的片面性、不稳定性、差异性， 课程要素的重要性又没有统一和确切的度量标尺， 专家们不可能精确判断 wi /wj的值，只能对权值估计判断。判断矩阵 PB 的一致性程度，主要取决于专家们对课程要素的掌握程度，对课程各要素重要度分析得越清楚， PB 的一致性程度就越高。应用 AHP法做评价，弥补了专家们对课程结构要素重要程度的分析差异，否则就没有必要应用 AHP 法。在这里AHP法只要求判断矩阵 PB 具有满意的一致性，以适应“人”字型课程结构中各种复杂因素。由 （3）式还可以得到
||PB·W-nW||=0|∞=0 W=（w1，w2，…，wn）T （4）
显然，（4）式左端的值越小，则判断矩阵 PB 的一致性程度就越高，当式（4）成立时则判断矩阵 PB具有完全的一致性。基于此，B层各要素权值的排序及其一致性检验问题可以归结为如下非线性优化问题。
minCIF=||PB·W-nW||∞ W=（w1，w2，…，wn）T （5）
s·t wt>0 t=1，2，…，n ■wt=1
（5） 式中，CIF为一致性指标函数，权值wt，t=1， 2，…， n为优化变量，其余符号同前。当判断矩阵 PB具有完全的一致性时，（4）式成立， 从而（5）式取全局最小值CIF=0，又根据（5）式的约束条件，可知该全局最小值是唯一的。
4. 应用 GA算法进行数据挖掘
由于（5）式中每个判断矩阵是由多个专家打分组成的， 即该优化问题有多个初始解， 若用常规方法较难处理多个初始解。我们用一种通用的全局优化方法来求解该问题实用有效，即模拟生物优胜劣汰规则与群体内部染色体信息交换机制的改进遗传算法。
（1） 采用二进制编码的方法对评价判断矩阵PB进行编码。由于该矩阵是一个对称矩阵，只需要把矩阵的一半元素进行编码即可完成，对每一个矩阵元素组成4位二进制编码，同时由5个专家提出的评价判断矩阵都完成编码后，则就获得了遗传算法中的一个初始种群X={xi|i=1，…，5}，该种群也就形成了5个初始个体。
（2） 对该种群X所有CIF值求总和处理。F=ΣCIFi （6）
计算每个个体的相对适应度的大小值m=fi/f，m为每一个个体被遗传下一代群体中的概率，每一个概率值可以组成一个小区域，这样就产生一个0到1之间的随机数，根据该随机数可能出现在上述哪个小区域内金星确定每个个体被选中的次数。对未能交叉的种群以0.7的概率完成单点交叉得到未变异种群，再对未能变异种群完成变异。
（3）对变异后的种群进行重插入， 获得最终的新种群。反复上面的步骤，直到CIF
（二）实证检验
以模块化“人”字型课程结构各因素层具体内容为实例来说明其挖掘模型的建立以及实施过程。根据图2的层次模型请5位专家分别对该模型中指标体系（见表1所示）中主因素层下的各子因素层以及子因素层②的各个观测点为依据进行两两比较可分别得到10个判断矩阵：
PB1= 1 3 7 4 61/3 1 4 3 31/7 1/4 1 1/3 1/21/4 1/3 3 1 21/6 1/3 2 1/2 1
PB2= 1 2 6 5 51/2 1 3 3 41/6 1/3 1 1/4 1/21/5 1/3 4 1 21/5 1/4 2 1/2 1
…PB5= 1 4 7 3 61/4 1 4 4 21/7 1/4 1 1/3 31/3 1/4 3 1 21/6 1/2 1/3 1/2 1 CB1=1 1/44 1 CB2=1 1/33 1…CB5=1 1/33 1
依据前面计算模型，以上述矩阵为初始种群，按照最优化目标，通过遗传算法进行全局搜索得到表1中所述的专业知识素质因素中子因素层①的具体权值如w1：
w1=0.50130.24060.5180.12620.0801
基础理论素质因素中子因素②的具体权值如w2：
w2=0.24690.7531
第 1层的最优化目标CIF=0.0021，第 2层的最优化目标CIF=0.0009。当CIF
现对权值w1、权值w2结果进行说明， 权值w1表明在专业知识素质下的各个二级指标中专业理论课是最主要的评价准则，专业课其次。权值w2表明在二级指标基础理论课下的三级指标中应用性是最主要的评价准则，完整性次之。
最后， 通过上述课程结构关联度模型对整个课程结构关联度评价指标体系进行计算， 可以得到所有指标的具体权值， 如表2所示。
表2 课程结构关联度评价指标权值
■
■
六、结论
综上所述，运用AHP-GA算法建立的“人”字型课程结构关联度评价指标体系更加注重了高校与企业的具体实施措施、师资结构、企业参与等指标，这些指标权重较高，这符合应用型本科教学要求。用该方法建立的课程结构关联度权重指标对加强地方应用型本科教育内涵建设，培养应用型高技能人才提供了较严谨、科学的评价数据。
[ 参 考 文 献 ]
[1] Pang-Ning Tan， Michael Steinbach， Vipin Kumar. Introduc？鄄
tion to Data Mining[M].北京：人民邮电出版社，2007.
[2] 高治军，杜嘉. 基于层次分析法与模糊评价的学科水平评估[J]. 重庆交通学院学报，2006，（3）.
[3] 黄光球，曹宇.基于粗 GA—AHP 的大学生技能提升策略研究[J].学理论，2009，（25）.
