酒店网上预订价格风险衡量研讨

一、引言

酒店业作为一个市场化程度较高的行业，其客房价格必然会随着市场因素的变化而产生波动，而酒店客房价格的波动会使酒店经营者面临一定的财务及管理风险，从而影响酒店的经济效益以及消费者福利。因此，通过对酒店网上预订价格进行分析研究，运用一定的方法掌握其波动的规律，对酒店进行更有效的管理与控制具有重要的现实意义。酒店市场风险的预测与评估是酒店经营管理过程中重要的一环，然而目前对酒店风险的相关研究主要都是从酒店内部进行分析研究的，如：产权式酒店投资风险、财务风险、产品创新风险等，而作为市场各种因素与酒店整体相互作用并最终体现出的酒店客房价格及其所包含的市场风险的研究则尚不多见，如宗计川等就对影响酒店网上预定价格的因素进行了研究。而在价格风险研究方面，基本都集中于对石油等大宗商品、农产品的研究，如张意翔等运用VaR方法对中国石油企业跨国并购的价格风险进行了研究；张峭等也运用VaR方法对畜产品市场价格风险进行了研究。本文利用已有的研究成果，并结合酒店市场的实际情况对酒店业预定价格的市场风险进行实证分析，并探讨酒店市场风险衡量的有效方法，为酒店市场风险的有效管理提供一定的量化依据。

二、实证研究

本部分的实证研究将利用各星级酒店的月度预定价格指数进行分析，以探讨上述方法度量酒店市场风险的可行性，并对各星级酒店的价格市场风险值进行分析对比。

（一）数据整理及总体风险特征分析

各星级酒店的月度预定价格指数数据来自于同程网，样本区间为2006年1月至2011年9月，共69个月，该数据是同程网在统计顾客通过其网站预定的酒店价格，并对一个月来的全部相关数据进行分析整理得出的各星级酒店的预定价格指数。目前，同程网上的各星级酒店包括了全国27个省市自治区，111个城市的几千家酒店，所以其能够较好地反映全国各星级酒店每月市场需求变化情况。得出各个星级酒店价格市场风险的大小，从而可以分析出哪几个星级的酒店价格更易受到市场因素的影响。如研究方法分析中所述，由于直线滑动平均法的优点，本文采用其对各星级酒店的市场预定价格指数趋势进行拟合，经模拟比对，步长选为12，各星级酒店的实际预定价格序列与趋势值如图1所示：其中A2、A3、A4、A5分别代表了经济型、三星、四星、五星酒店的实际预定价格指数，A2SM、A3SM、A4SM、A5SM分别是以上各星级酒店的模拟趋势值。在利用时间序列进行分析之前，应当对其稳定性进行单位根检验，这是为了保证时序数据的统计和计算都是建立在序列平稳基础上的，若序列不平稳，就代表了时间序列的数字特征会随时间变化而变化，这就会使得通过分析序列已知信息而掌握序列整体的随机性很难做到。本文利用ADF检验及KPSS检验对各星级酒店市场价格的RSV序列进行检验，检验结果表明，四个级别酒店的市场价格的月度RSV序列都在1％显著水平下，在ADF检验中拒绝了原假设（非平稳）及在KPSS检验中接受了原假设（平稳），因此表明了各星级酒店的市场价格的RSV序列均为平稳序列，可对该序列进行进一步的分析。各星级酒店市场预定价格RSV序列的简单统计量如下表所示。从表1可以看出：

（1）各酒店市场价格RSV序列的均值都略大于0，表明各星级酒店的市场价格都是围绕其长期趋势值上下波动，且市场价格高于趋势价格的时期较多；

（2）酒店的市场风险可能很大，其市场价格的相对随机波动的最小值均在10％以上；

（3）经济型酒店的市场风险最大，其RSV序列的标准差、最大值均大于其余三类酒店；

（4）四类酒店的偏态系数均为正，表明四类酒店的市场价格低于平均价格的时候较多；

（5）经济型、三星、四星酒店的市场价格RSV的P值都接近于0，说明在5％的显著水平下三类酒店的市场价格RSV均拒绝了服从分布的原假设，而五星酒店虽以37．83％的概率接受了正态分布的原假设，但概率值很低，所以对四类酒店来说，酒店市场风险并未服从正态分布。

（二）分布模型估计及风险分布分析

为尽可能地选择恰合酒店价格市场风险的概率分布模型，本文使用Easyfit5．4中已有的61种概率分布模型为拟合检验的对象，并运用AD检验、K－S检验和卡方检验选出适合每星级各自最优的概率分布模型。依据最优概率分布模型的选择标准，本文选取了Hyperbolicsecantdistribution作为拟合五星酒店RSV的最概率分布模型，Cauchy分布为拟合四星及三星酒店RSV的最优概率分布模型，Burr分布为拟合经济型酒店RSV的最优概率分布模型。选定了拟合各酒店RSV风险的最优分布模型后，利用极大似然估计法（MLE）对这三种模型的参数值进行估计。四类酒店RSV风险的最优概率分布及其参数估计值如下表。

（三）VaR（市场风险值）的计算

由以上可以确定四类酒店RSV的概率分布函数，分别为：

三、结论

（一）酒店网上预定价格风险并不简单服从正态分析

在研究分析过程中，人们大都倾向于通过各种建模来使所分析的数据基本服从正态分布，然后再通过正态分布来分析这些数据呈现出的基本特征。但这些数据通过一系列的建构转换后往往会失去数据本身所包含的一系列信息，造成最终分析结果偏离了实际的情况，从而出现该理论分析缺乏实用性的不利境地。而本文通过提取出衡量酒店网上预订价格市场风险的相对随机波动（RSV）后，直接对数据符合何种概率分布模型进行了直接检验，同时也没有为了省略检验过程量而简单地选取若干特定的概率分布来检验，而是利用Easyfit包含有61种概率分布的强大功能对每一组数据都进行了检验，最终为选取了的Hyperbolicsecantdistribution作为拟合五星酒店RSV的最优概率分布模型，Cauchy分布为拟合四星及三星酒店RSV的最优概率分布模型，Burr分布为拟合经济型酒店RSV的最优概率分布模型。这一结果也说明了并非所有数据都最符合正态分布，而是可以从现有的概率分布中选择最相适应的。

（二）市场风险值（VaR）可用于衡量酒店网上预订价格风险

如引言所述，虽已有运用VaR方法用于衡量并购风险、农产品价格风险，但该方法更多还是运用于金融产品的风险的度量，但此前还没有酒店市场风险度量的相关运用。本文运用了VaR方法对酒店网上预订价格市场风险进行了度量，虽然出现了如四星级酒店的风险下限异常等结果，但总体上还是较好地对酒店网上预订价格市场风险进行了度量，并将市场风险通过具体的数值的大小来反映，酒店价格市场风险VaR既考虑了不同程度风险的发生概率，对酒店市场风险的度量结果更为准确，同时又将全部风险概括为一个数字，可以使政府相关管理部门及酒店经营者对酒店市场风险有一个清晰的认识，便于不同酒店市场之间的市场风险比较、调控和管理。因此可以说运用VaR方法对酒店所面临的市场风险进行度量是可行的。

（三）物价指数（CPI）、工业增加值、各项存款与星级酒店预订价格存在一定相关关系

由以上分析可以看出，物价指数（CPI）的波动与酒店预订价格的波动存在一定的相关关系，虽各星级酒店预订价格与其的相关关系强弱及影响作用方向都有区别，但可以看出酒店价格的变化与物价的变化之间存在着一定的联系。相应的工业增加值的变化与酒店预订价格普遍存在着负相关关系；而各项存的变化则与酒店预订价格存在着正相关关系。