導語：酒店網上預訂價格風險衡量研討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、引言

酒店業作為一個市場化程度較高的行業，其客房價格必然會隨著市場因素的變化而產生波動，而酒店客房價格的波動會使酒店經營者面臨一定的財務及管理風險，從而影響酒店的經濟效益以及消費者福利。因此，通過對酒店網上預訂價格進行分析研究，運用一定的方法掌握其波動的規律，對酒店進行更有效的管理與控制具有重要的現實意義。酒店市場風險的預測與評估是酒店經營管理過程中重要的一環，然而目前對酒店風險的相關研究主要都是從酒店內部進行分析研究的，如：產權式酒店投資風險、財務風險、產品創新風險等，而作為市場各種因素與酒店整體相互作用并最終體現出的酒店客房價格及其所包含的市場風險的研究則尚不多見，如宗計川等就對影響酒店網上預定價格的因素進行了研究。而在價格風險研究方面，基本都集中于對石油等大宗商品、農產品的研究，如張意翔等運用VaR方法對中國石油企業跨國并購的價格風險進行了研究；張峭等也運用VaR方法對畜產品市場價格風險進行了研究。本文利用已有的研究成果，并結合酒店市場的實際情況對酒店業預定價格的市場風險進行實證分析，并探討酒店市場風險衡量的有效方法，為酒店市場風險的有效管理提供一定的量化依據。

二、實證研究

本部分的實證研究將利用各星級酒店的月度預定價格指數進行分析，以探討上述方法度量酒店市場風險的可行性，并對各星級酒店的價格市場風險值進行分析對比。

（一）數據整理及總體風險特征分析

各星級酒店的月度預定價格指數數據來自于同程網，樣本區間為2006年1月至2011年9月，共69個月，該數據是同程網在統計顧客通過其網站預定的酒店價格，并對一個月來的全部相關數據進行分析整理得出的各星級酒店的預定價格指數。目前，同程網上的各星級酒店包括了全國27個省市自治區，111個城市的幾千家酒店，所以其能夠較好地反映全國各星級酒店每月市場需求變化情況。得出各個星級酒店價格市場風險的大小，從而可以分析出哪幾個星級的酒店價格更易受到市場因素的影響。如研究方法分析中所述，由于直線滑動平均法的優點，本文采用其對各星級酒店的市場預定價格指數趨勢進行擬合，經模擬比對，步長選為12，各星級酒店的實際預定價格序列與趨勢值如圖1所示：其中A2、A3、A4、A5分別代表了經濟型、三星、四星、五星酒店的實際預定價格指數，A2SM、A3SM、A4SM、A5SM分別是以上各星級酒店的模擬趨勢值。在利用時間序列進行分析之前，應當對其穩定性進行單位根檢驗，這是為了保證時序數據的統計和計算都是建立在序列平穩基礎上的，若序列不平穩，就代表了時間序列的數字特征會隨時間變化而變化，這就會使得通過分析序列已知信息而掌握序列整體的隨機性很難做到。本文利用ADF檢驗及KPSS檢驗對各星級酒店市場價格的RSV序列進行檢驗，檢驗結果表明，四個級別酒店的市場價格的月度RSV序列都在1％顯著水平下，在ADF檢驗中拒絕了原假設（非平穩）及在KPSS檢驗中接受了原假設（平穩），因此表明了各星級酒店的市場價格的RSV序列均為平穩序列，可對該序列進行進一步的分析。各星級酒店市場預定價格RSV序列的簡單統計量如下表所示。從表1可以看出：

（1）各酒店市場價格RSV序列的均值都略大于0，表明各星級酒店的市場價格都是圍繞其長期趨勢值上下波動，且市場價格高于趨勢價格的時期較多；

（2）酒店的市場風險可能很大，其市場價格的相對隨機波動的最小值均在10％以上；

（3）經濟型酒店的市場風險最大，其RSV序列的標準差、最大值均大于其余三類酒店；

（4）四類酒店的偏態系數均為正，表明四類酒店的市場價格低于平均價格的時候較多；

（5）經濟型、三星、四星酒店的市場價格RSV的P值都接近于0，說明在5％的顯著水平下三類酒店的市場價格RSV均拒絕了服從分布的原假設，而五星酒店雖以37．83％的概率接受了正態分布的原假設，但概率值很低，所以對四類酒店來說，酒店市場風險并未服從正態分布。

（二）分布模型估計及風險分布分析

為盡可能地選擇恰合酒店價格市場風險的概率分布模型，本文使用Easyfit5．4中已有的61種概率分布模型為擬合檢驗的對象，并運用AD檢驗、K－S檢驗和卡方檢驗選出適合每星級各自最優的概率分布模型。依據最優概率分布模型的選擇標準，本文選取了Hyperbolicsecantdistribution作為擬合五星酒店RSV的最概率分布模型，Cauchy分布為擬合四星及三星酒店RSV的最優概率分布模型，Burr分布為擬合經濟型酒店RSV的最優概率分布模型。選定了擬合各酒店RSV風險的最優分布模型后，利用極大似然估計法（MLE）對這三種模型的參數值進行估計。四類酒店RSV風險的最優概率分布及其參數估計值如下表。

（三）VaR（市場風險值）的計算

由以上可以確定四類酒店RSV的概率分布函數，分別為：

三、結論

（一）酒店網上預定價格風險并不簡單服從正態分析

在研究分析過程中，人們大都傾向于通過各種建模來使所分析的數據基本服從正態分布，然后再通過正態分布來分析這些數據呈現出的基本特征。但這些數據通過一系列的建構轉換后往往會失去數據本身所包含的一系列信息，造成最終分析結果偏離了實際的情況，從而出現該理論分析缺乏實用性的不利境地。而本文通過提取出衡量酒店網上預訂價格市場風險的相對隨機波動（RSV）后，直接對數據符合何種概率分布模型進行了直接檢驗，同時也沒有為了省略檢驗過程量而簡單地選取若干特定的概率分布來檢驗，而是利用Easyfit包含有61種概率分布的強大功能對每一組數據都進行了檢驗，最終為選取了的Hyperbolicsecantdistribution作為擬合五星酒店RSV的最優概率分布模型，Cauchy分布為擬合四星及三星酒店RSV的最優概率分布模型，Burr分布為擬合經濟型酒店RSV的最優概率分布模型。這一結果也說明了并非所有數據都最符合正態分布，而是可以從現有的概率分布中選擇最相適應的。

（二）市場風險值（VaR）可用于衡量酒店網上預訂價格風險

如引言所述，雖已有運用VaR方法用于衡量并購風險、農產品價格風險，但該方法更多還是運用于金融產品的風險的度量，但此前還沒有酒店市場風險度量的相關運用。本文運用了VaR方法對酒店網上預訂價格市場風險進行了度量，雖然出現了如四星級酒店的風險下限異常等結果，但總體上還是較好地對酒店網上預訂價格市場風險進行了度量，并將市場風險通過具體的數值的大小來反映，酒店價格市場風險VaR既考慮了不同程度風險的發生概率，對酒店市場風險的度量結果更為準確，同時又將全部風險概括為一個數字，可以使政府相關管理部門及酒店經營者對酒店市場風險有一個清晰的認識，便于不同酒店市場之間的市場風險比較、調控和管理。因此可以說運用VaR方法對酒店所面臨的市場風險進行度量是可行的。

（三）物價指數（CPI）、工業增加值、各項存款與星級酒店預訂價格存在一定相關關系

由以上分析可以看出，物價指數（CPI）的波動與酒店預訂價格的波動存在一定的相關關系，雖各星級酒店預訂價格與其的相關關系強弱及影響作用方向都有區別，但可以看出酒店價格的變化與物價的變化之間存在著一定的聯系。相應的工業增加值的變化與酒店預訂價格普遍存在著負相關關系；而各項存的變化則與酒店預訂價格存在著正相關關系。