金融数据论文范文
前言：我们精心挑选了数篇优质金融数据论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
(一)监督得不到有效合理的控制，导致统计工作产生风险我们大家都知道统计数据一般都是反映宏观整体现象，这种宏观整体现象往往都掩盖了事物的个体本质，因此大多数公众与某些部门对它产生怀疑却无从下手去监管，另外统计部门在统计信息时，占有主动权，具有权威性，这种信息的不对称性也容易产生职业道德风险，再有统计部门的垂直领导形式，使其工作都是“上派下行”，从而导致一些统计数据都是现有目标，再有统计，最后达到预期结果，统计工作的这种被动与尴尬已经成为普遍现象，这种从上到下无人监督，无人管理的现象所产生的后果是距离现实在越来越远，“此地无银三百两”的故事距离我们越来越近，社会将进入颠倒是非，真假难辨的恶性循环之中。
夜上海论坛 (二)统计法的力度不够，加速统计数据的风险产生从上边统计风险产生原因我们可以看到都是由于某些政府和个人短期利益的因素，而导致统计产生巨大的风险，这种短期的效益与其产生的长期风险是远远不对称的，但是许多政府与某些单位以及个人却还是选择了这一瞬间的短期利益，这是为何？我们常常听到某些单位或个人由于违反各种会计法、经济法，最后导致严重违反财经纪律、贪污腐化从而导致受到行政法律的制裁，严重者触犯刑法，最高可判无期乃至死刑和罚金。但是统计法律法规却没有这么大的力度，即使提供了虚假数据，即使受到行政处罚，也都是轻描淡写、隔靴搔痒而已，从根本起不到惩戒、震慑和遏止作用，却反而助长了统计数据失真的力度，加速了统计风险的速度。最后形成了“统计统计，三分统计，七分估计”的熟语。这也很好地回答了上述问题产生的根本原因。
夜上海论坛 二、针对当前我国统计工作职业道德产生的风险应采取的措施
夜上海论坛 (一)全面提高相关业务人员的综合业务素质统计工作涉及面广，对理论知识与实际工作能力要求高，它要求相关业务人员不仅懂得国家的法律法规，而且还要求相关业务人员掌握一定的财务、审计、经济、统计分析等一定理论知识，并且还特别强调了统计人员应该加强爱岗敬业、尽职尽责的职业道德，德才兼备，以德为先的职业道德和业务素质修养永远是统计人员的最起码要求，也是有效地避免统计风险的基本前提，所以统计人员应该通过各种渠道提高自己的综合水平，如参加各种统计相关的考试、学习辅导班以及业务比赛活动，使他们融入当今社会潮流之中，这样可以增强统计人员的自我提升、自我风险保护意识，这也是抵制社会上统计工作不正之风最有效的措施。
夜上海论坛 (二)政府及主管领导要用正确的发展观去指导统计工作我们大家都知道统计是为政府部门服务的，这是国家参与宏观调控的重要手段，但是在当今的市场经济体制下，以市场微观调控为主，国家宏观调控为辅的理念指导下，统计需要减少政府的干涉，甚至消除人为干预，这样才有助于国家的经济建设。所以各级政府应该转变职能态度，从而合理地引导各级主管领导具有科学的世界观，进而正确指导统计工作，引导宽松的统计工作环境，使统计工作者在良好的工作氛围中，放下包袱，努力工作，为国家制定合理有效的重大决策提供真实的数据，从而真实地反映国家的宏观目标，这样更有力促进社会经济的发展，促进人们的安全、社会的和谐。
(三)加强统计数据的监督反映统计数据失真给统计工作带来了一定的风险与隐患，其最大原因就是统计数据缺乏像会计工作那样的监督机构，另外统计数据的公布也非常笼统化，不如财务指标那样详细，计算方法与方式也不像会计那样进行详细地披露。所以国家应该尽早地出台一些法律法规以及有关政策，让统计部门加大信息披露的力度，如时间间隔应该缩短，披露的数据来源、方法、处理的过程等统计信息应该详细，让数据的使用者与监督者能够很好地分析数据的真实可靠程度，这样不仅增强了统计的公众监督力度，又有利于公众对统计的了解与认可，进而也让统计工作者工作起来有的放矢，避免了其左右为难的工作情绪，更避免了统计工作的重大隐患风险的存在。
(四)加强统计法律法规建设，完善统计规章制度目前国家对会计、经济等各种法律法规都进行了不断的完善与调整，此种方式方法得到了有效的反映，如偷税漏税逐步减少，行贿受贿、大吃大喝公款的现象极度收敛，这样不仅促进国家经济的发展，也受到了百姓的拥护与好评。那么如果在这种良好的氛围下，大力加强统计法律法规的建设，对那些原来不合理、不完善、不适合市场经济体制下的统计法律法规及规章制度进行删除或者合理的更新，并加以完善和必要的补充，如加大对政府与部门人为反方向干扰统计工作的监督与惩罚，加大胁迫统计工作者编制虚假数据而承担的法律后果，以及统计工作者在此过程中给予抵制而受到的奖励制度和听之任之、同流合污而承担的法律后果等等规定。这样统计工作者才能坚定地拿起法律的武器来保护自己，使自己勇敢地面对不法分子坚持真理，永不胆怯。因为谁也不能拿自己的一生和终身的家产去赌注，迫使不法分子没有可乘之机。这是杜绝统计工作职业道德风险，强化统计职业道德意识最有效的措施。
三、结束语
第2篇
关键字：数据挖掘金融数据
金融部门每天的业务都会产生大量数据，利用目前的数据库系统可以有效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了数据爆炸但知识贫乏”的现象。与此同时，金融机构的运作必然存在金融风险，风险管理是每一个金融机构的重要工作。利用数据挖掘技术不但可以从这海量的数据中发现隐藏在其后的规律，而且可以很好地降低金融机构存在的风险。学习和应用数扼挖掘技术对我国的金融机构有重要意义。
夜上海论坛 一、数据挖掘概述
1.数据挖掘的定义对于数据挖掘，一种比较公认的定义是W.J.Frawley，G.PiatetskShapiro等人提出的。数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识、这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念(Concepts)，规则(Rules)、规律(Regularities)、模式(Patterns)等形式。这个定义把数据挖掘的对象定义为数据库。
随着数据挖掘技术的不断发展，其应用领域也不断拓广。数据挖掘的对象已不再仅是数据库，也可以是文件系统，或组织在一起的数据集合，还可以是数据仓库。与此同时，数据挖掘也有了越来越多不同的定义，但这些定义尽管表达方式不同，其本质都是近似的，概括起来主要是从技术角度和商业角度给出数据挖掘的定义。
从技术角度看，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的和有用的信息和知识的过程。它是一门广义的交叉学科，涉及数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化等多学科领域且本身还在不断发展。目前有许多富有挑战的领域如文本数据挖掘、Web信息挖掘、空间数据挖掘等。
夜上海论坛 从商业角度看，数据挖掘是一种深层次的商业信息分析技术。它按照企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性并进一步将其模型化，从而自动地提取出用以辅助商业决策的相关商业模式。
2.数据挖掘方法
夜上海论坛 数据挖掘技术是数据库技术、统计技术和人工智能技术发展的产物。从使用的技术角度，主要的数据挖掘方法包括：
2.1决策树方法：利用树形结构来表示决策集合，这些决策集合通过对数据集的分类产生规则。国际上最有影响和最早的决策树方法是ID3方法，后来又发展了其它的决策树方法。
夜上海论坛 2.2规则归纳方法：通过统计方法归纳，提取有价值的if-then规则。规则归纳技术在数据挖掘中被广泛使用，其中以关联规则挖掘的研究开展得较为积极和深入。
2.3神经网络方法：从结构上模拟生物神经网络，以模型和学习规则为基础，建立3种神经网络模型：前馈式网络、反馈式网络和自组织网络。这种方法通过训练来学习的非线性预测模型，可以完成分类、聚类和特征挖掘等多种数据挖掘任务。
夜上海论坛 2.4遗传算法：模拟生物进化过程的算法，由繁殖(选择)、交叉(重组)、变异(突变)三个基本算子组成。为了应用遗传算法，需要将数据挖掘任务表达为一种搜索问题，从而发挥遗传算法的优化搜索能力。
2.5粗糙集(RoughSet)方法：Rough集理论是由波兰数学家Pawlak在八十年代初提出的一种处理模糊和不精确性问题的新型数学工具。它特别适合于数据简化，数据相关性的发现，发现数据意义，发现数据的相似或差别，发现数据模式和数据的近似分类等，近年来已被成功地应用在数据挖掘和知识发现研究领域中。
2.6K2最邻近技术：这种技术通过K个最相近的历史记录的组合来辨别新的记录。这种技术可以作为聚类和偏差分析等挖掘任务。
夜上海论坛 2.7可视化技术：将信息模式、数据的关联或趋势等以直观的图形方式表示，决策者可以通过可视化技术交互地分析数据关系。可视化数据分析技术拓宽了传统的图表功能，使用户对数据的剖析更清楚。
二、数据挖掘在金融行业中的应用数据挖掘已经被广泛应用于银行和商业中，有以下的典型应用：
1.对目标市场(targetedmarketing)客户的分类与聚类。例如，可以将具有相同储蓄和货款偿还行为的客户分为一组。有效的聚类和协同过滤(collaborativefiltering)方法有助于识别客户组，以及推动目标市场。
2..客户价值分析。
在客户价值分析之前一般先使用客户分类，在实施分类之后根据“二八原则”，找出重点客户，即对给银行创造了80%价值的20%客户实施最优质的服务。重点客户的发现通常采用一系列数据处理、转换过程、AI人工智能等数据挖掘技术来实现。通过分析客户对金融产品的应用频率、持续性等指标来判别客户的忠诚度；通过对交易数据的详细分析来鉴别哪些是银行希望保持的客户；通过挖掘找到流失的客户的共同特征，就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补。
夜上海论坛 3.客户行为分析。
找到重点客户之后，可对其进行客户行为分析，发现客户的行为偏好，为客户贴身定制特色服务。客户行为分析又分为整体行为分析和群体行为分析。整体行为分析用来发现企业现有客户的行为规律。同时，通过对不同客户群组之间的交叉挖掘分析，可以发现客户群体间的变化规律，并可通过数据仓库的数据清洁与集中过程，将客户对市场的反馈自动输人到数据仓库中。通过对客户的理解和客户行为规律的发现，企业可以制定相应的市场策略。
夜上海论坛 4.为多维数据分析和数据挖掘设计和构造数据仓库。例如，人们可能希望按月、按地区、按部门、以及按其他因素查看负债和收入的变化情况，同时希望能提供诸如最大、最小、总和、平均和其他等统计信息。数据仓库、数据立方体、多特征和发现驱动数据立方体，特征和比较分析，以及孤立点分析等，都会在金融数据分析和挖掘中发挥重要作用。
5.货款偿还预测和客户信用政策分析。有很多因素会对货款偿还效能和客户信用等级计算产生不同程度的影响。数据挖掘的方法，如特征选择和属性相关性计算，有助于识别重要的因素，别除非相关因素。例如，与货款偿还风险相关的因素包括货款率、资款期限、负债率、偿还与收入(payment——to——income)比率、客户收入水平、受教育程度、居住地区、信用历史，等等。而其中偿还与收入比率是主导因素，受教育水平和负债率则不是。银行可以据此调整货款发放政策，以便将货款发放给那些以前曾被拒绝，但根据关键因素分析，其基本信息显示是相对低风险的申请。
6.业务关联分析。通过关联分析可找出数据库中隐藏的关联网，银行存储了大量的客户交易信息，可对客户的收人水平、消费习惯、购买物种等指标进行挖掘分析，找出客户的潜在需求;通过挖掘对公客户信息，银行可以作为厂商和消费者之间的中介，与厂商联手，在掌握消费者需求的基础上，发展中间业务，更好地为客户服务。
夜上海论坛 7.洗黑钱和其他金融犯罪的侦破。要侦破洗黑钱和其他金融犯罪，重要的一点是要把多个数据库的信息集成起来，然后采用多种数据分析工具找出异常模式，如在某段时间内，通过某一组人发生大量现金流量等，再运用数据可视化工具、分类工具、联接工具、孤立点分析工具、序列模式分析工具等，发现可疑线索，做出进一步的处理。
数据挖掘技术可以用来发现数据库中对象演变特征或对象变化趋势，这些信息对于决策或规划是有用的，金融
行业数据的挖掘有助于根据顾客的流量安排工作人员。可以挖掘股票交易数据，发现可能帮助你制定投资策略的趋势数据。挖掘给企业带来的潜在的投资回报几乎是无止境的。当然，数据挖掘中得到的模式必须要在现实生活中进行验证。
参考文献：
丁秋林，力士奇.客户关系管理.第1版.北京：清华人学出版社，2002
张玉春.数据挖掘在金融分析中的应用.华南金融电脑.2004
第3篇
夜上海论坛 加法——上海住房面积的统计是否超乎想象地简单？
夜上海论坛 每年，上海政府部门都要公布上海的人均建筑面积、人均居住面积指标。其目的为说明人民住房水平在“节节高”、“年年高”，更为了彰示政府部门的业绩。那么，“人均建筑面积”、“人均居住面积”又是怎样得来的？得到那些数据又经过了怎样艰苦繁复的调查和计算过程？
笔者为了验证上海统计部门有关住房统计数据的准确性，曾经历过了艰苦繁复的计算，但计算结果总与政府公布的数据大相径庭。是一个突发的奇想，使笔者在半个小时内就算出了与统计部门数据基本吻合的上海十年来的“居民住房总建筑面积”以及相关的“人均建筑面积”。其计算结果，“居民住房总建筑面积”与各类统计年鉴公布的相应数据平均只相差3.6%，“人均建筑面积”与建设部近三年的《城镇房屋概况统计公报》中的相应数据百分之百相符。
夜上海论坛 是什么样的“突发奇想”有如此神奇的效果？笔者是这样“奇想”的：“吗要那么认真？”鬼使神差，笔者信手将1995年以来每上一个年度的住宅建筑面积与当年竣工的商品住宅建筑面积相加，结果就与统计部门“统计”的“居民住房建筑面积”基本相符，再将统计年鉴中公布的“非农人口”与“居民住房建筑面积”相除，就得到了与建设部《城镇房屋概况统计公报》数据一模一样的精确到小数点后两位的“上海人均住房建筑面积”!
夜上海论坛 当然，在1999年到2004年，笔者的计算结果与统计部门数据相比还略少些，多则少10个百分点，少则少5个百分点。于是，笔者再次“突发奇想”，“我如果把空置房、已拆迁房都拿来填空缺呢？”于是，“奇迹”再次出现——笔者“灵感”激发中计算得来的上海住房建筑面积就与政府部门的统计数据99%、100%地相符了!
夜上海论坛 难道政府统计部门是在如此搞笑的状态下工作的吗？
笔者不愿相信。
夜上海论坛 如果需要计算的是上海全部居住房屋总面积，那可以把上年的居住房屋面积加上当年的竣工住宅面积——竣工住宅面积指“报告期内房屋建筑按照设计要求已全部完工，达到住人和使用条件，经验收鉴定合格，可正式移交使用的房屋居住面积的总和”（此解释见由上海市房屋土地资源管理局和上海市统计局联合编辑出版的年鉴类刊物《上海市房地产市场》，下同），但必须减去已经拆迁了的住房面积。然而这样得出的全部居住房屋总面积数不能用作计算人均居住房屋面积的基数，因为当年和往年的竣工住宅中的没有实现销售的部分是不能按照已经移交使用的“人居房”来计算人均面积的。
如果需要计算的是上海已经实现了“人居”的全部住房面积，那么在每个当年度的竣工住宅中必须扣除还没有发生“人居”的面积，并减去已经拆迁了的住房面积。请注意，如果扣除了每个当年度竣工住宅中的没有发生“人居”的面积，在此就不发生“空置房”的概念——空置房指“销售物业报告年度内某类物业经初始登记一年后未售出的数量”，该面积已经包含在初始登记年的竣工住宅面积中。
夜上海论坛 笔者“第一次奇想”时的计算方法谬误在于：如果是计算全部居住房屋总面积，其没有减去已拆迁房的面积；如果是计算实现了“人居”的全部房屋总面积，其一没有减去已拆迁房的面积，其二没有减去以往年度积存的空置房面积，其三没有减去当年竣工住宅面积中没有实现销售的部分。
照笔者“第一次奇想”时的计算方法来计算“人均住房面积”，那是偷换了“人均住房面积”的概念——虽然统计部门没有对“人均住房面积”的计算方法作出定论，但是，作为体现住房条件改善的最重要指标，人们对“人均住房面积”的约定俗成的理解就是已经实现了“人居”的房屋的人均住房面积!
夜上海论坛 笔者“第二次奇想”时的计算方法谬误更是显而易见——那是明知故犯了——不但不将这些没有发生的、不存在的因素做减法，相反还把这些因素又做了一次加法!每一个按常规思维的人会为此感到不可思议。笔者同样不信政府部门工作人员会故意这么做。这么做的后果是严重的，这使得上海在2005年时的人均住房建筑面积平添了13.33平方米——在把2005年全部竣工住宅作为已经实现了“人居”的前提下!因为1999年到2004年，上海城市的拆迁面积总和加上每年空置住宅面积的累计数是5520万平方米，这些数字不扣除，就是多计算了5520万平方米未实现“人居”和已经灭失了的住房面积，这些数字还要再加一次，那就是在1999年到2004年，多计算了5520×2=11040万平方米未实现“人居”和已经灭失了的住房面积；同样，在1996年~1998年以及2005年的住房面积中，也因为没有扣除拆迁面积和空置住宅面积，导致多计算了4278万平方米的未实现“人居”和已经灭失了的住房面积，只不过没有再重复加一次而已。这样，1996年到2005年每年多计算的“人居”住房面积累计一共是11040万+4278万=15318万平方米——2005年竣工面积中的未实现销售部分还未计算在内，2005年上海的非农业人口是1148.94万，15318÷1148.94=13.33，这13.33就是按照笔者“搞笑计算法”计算出来的属于“多算”的人均建筑面积!
笔者相信政府工作人员不会这么搞笑，笔者也认为，计算结果一样不等于计算过程一样，但是，由于政府部门对住房面积的计算过程不见公布，作为上海市民，希望能看到政府统计部门对于上海住房面积的计算过程。
夜上海论坛 笔者的计算过程见表（一）、表（二）。
夜上海论坛 表（一）、上海居民“人居”住房面积计算过程表(与统计部门的统计结果相符)单位：万平方米
夜上海论坛 注：1.“统计部门提供的市区住宅建筑面积”中，97、98、99三年的数据来自《上海投资建设统计年鉴》，其他数据来自年鉴刊物《上海市房地产市场》。2.“当年商品住宅竣工面积”来自年鉴刊物《上海市房地产市场》。
3.此表中的已拆迁住宅面积和空置住宅面积不包括1976、1997、1998、2005年数据，这些数据见表三和表四。已拆迁住宅面积来源：见《上海市房地产市场》，空置住宅面积来源：2000年前数据见《上海统计年鉴》，2000年后数据散见于媒体报道的官方统计数据。
夜上海论坛 4．撤县改市增加的住房面积中，99年数据是指青浦、松江的住房面积，2002年数据是指南汇、奉贤的住房面积，2003年数据是指崇明的住房面积。数据来自《上海统计年鉴》。
表（二）、2003~2005年上海城镇人均住房建筑面积计算表(与统计部门的统计结果相符)
夜上海论坛 数据来源：《上海市房地产年鉴》，2005年数据见《上海统计年鉴（2006）》
2．搜集了自2000年到2005年由政府部门认定的每年的空置住宅面积数据。
之所以称为“搜集”，是从2000年开始，《上海统计年鉴》就不再公布每年的空置住宅面积，《上海市房地产年鉴》也不见公布。现在统计部门公布的居民居住房屋总面积中是把空置住宅也当作已居住的房屋面积计算的（年鉴刊物《上海市房地产市场》明确居住房屋面积中包括空置住宅面积），但是就常识而论，空置住宅面积是不能作为“居民人均建筑面积”来充数的。所以，笔者要把空置住宅面积剔除出人均居住面积指标体系。虽然统计部门关于空置量的计算自1999年以来都是“根据上市量与销售量的变化判断空置量的增减或升降趋势”，然而，有总胜于无。空置住宅面积见表（四）：
表（四）、商品住宅空置面积（95-2005），单位：万平方米
注：1.2005年空置住宅面积根据当年商品房空置面积536.56平方米的60%计算。
2.对于空置量的概念和计算方法，2000年到2005年的年鉴类刊物《上海市房地产市场》均这样注解：“空置量是销售物业报告年度内某物业经济竟初始登记一年后未售出的数量（建筑面积）。由于本市楼宇个数众多，目前根据上市量与销售量的变化判断空置量的增减或升降趋势”。
3．计算了不应该当作“居民居住水平提高”来展示的住房面积增加因素。
上海市区居住房屋面积增长由多种因素造成，并非所有的增长因素都是“住房改革的成果”，有些增长甚至还是住房改革导致的“后果”。因此，不论是住房总面积增加还是人均住房面积增加，并非都能为之歌颂的。
笔者先计算了从1993年浦东新区成立以来，在撤县改区过程中新增加的原县属城镇住房面积。
夜上海论坛 1991年浦东新区成立前，上海市区区域面积是745平方公里，九个郊县的面积是5590.5平方公里，到2005年，上海市区区域面积是5155平方公里，一个郊县（崇明县）的面积是1185.49平方公里；1991年时市区户口数是269万，郊县户口数是167万，当2005年，市区户口数是468.1万，郊县户口数28.6万。这样的变动当然会对市区住房总面积产生影响——光从1997年金山撤县改区起算，到2002年上海先后有松江、青浦、奉贤、南汇等整区建制的2000多万平方米的原县属城镇居民住宅面积并入了市区居民住宅面积，而崇明县的镇建制住房也有305万平方米在2003年并入市区住宅面积。上海2002年的居住房屋总面积比1997年多了12677万平方米，减去5434万平方米的空置住宅、拆迁住宅面积，余下的住宅增加面积是7243万平方米，这其中22%是原县属镇居民住房划并为城区居民住房所致。显然，这些因行政区划变动带来的城区住房面积增加不能视作“住房改革的成果”，不能视作“居民居住水平提高”的佐证。
笔者再根据第五次人口普查数据，计算了各社会层面拥有的房屋资源状况。这个计算揭示了“人均住房指标”已经对国计民生的真实情况产生了误导。在“住房商品化”前后拥有权力资源的家庭集中挤上了“单位分房末班车”，这是导致1998年到2001时上海居民住房面积激增的原因之一。在这个时期，商品住宅还轮不到普通市民来“商品化”——那时普通市民接受的“商品化”，不过是在1998年~2001年差价换房5000户、10694户、16941户、10888户，出售已购公有住宅10155套、19771套、43411套、69832套（见年鉴刊物《上海市房地产市场》）。最多是到1999年底，居民在出售已购公有住房后再购新房时“吸纳新建商品房总建筑面积达250平方米”（《上海房地产市场（2000）》。1999年以后不见有关统计数了，但根据2000年和2001年居民出售已购公有住房560万平方米的数据，那到2001年，全市居民在出售原有公房后再购置的新建商品房不过是10万套左右。这就是住房商品化开始前后上海普通市民消化商品化住房的能力——2001年，上海城市居民中等收入家庭的人均可支配收入是11155元，恩格尔系数是47!
夜上海论坛 这个时期内销商品房（包括住宅、办公楼、商业用房，住宅面积平均占95%）的出售情况是：1997年出售3.76万套，1998年7.46万套，1999年11.95万套，2000年16.16万套，2001年20.01万套，总共59.36万套。其中外地个人购买6.61万套，本地单位购买4.27万套，本地个人购买48万套（见年鉴刊物《上海市房地产市场》）。注意，1997年到2001年“本地个人”购买的商品房中购买的商品住宅是40万套，而“本地个人”购买的套数其实是有假的，因为从1999年“住房商品化”政策起步开始，就有不少有“实力”有“势力”的单位以事实上的单位出资来为少部分个人购置房产；而各级党政企事业单位负责人，也在此时加紧让自己的住房面积“达标”、“超标”，“达标”、“超标”的标准，是1995年颁布的沪房地改（1995）767号文件《职工家庭购买公有住房建筑面积控制标准》，在这个文件中，明确一般职工、干部和初级技术职称人员可购买公有住房面积的上限是75平方米，科级干部、中级技术职称人员、具有证书的高级工购买上限85平方米，县处级干部、副高级职称人员购买上限100平方米，副局级购买上限120平方米，正局级、正高级和享受正高级待遇的专业技术职称人员购买上限140平方米。购买公有住房面积的前提是要首先住房要达到这个面积标准，不少掌握权力资源者趁机将自己的住房面积大大地上了几个台阶，当他们将自己突击得来的房屋用“购买公用住宅的标准价”买下，他们就拥有了比普通市民多得多的住房资产——他们才是住房商品化的最大得益者。
夜上海论坛 根据第五次人口普查资料，到2000年为止，上海的中心城区和新建城区共有457.16万家庭户，其中15.5%家庭户（70.6万户）人均建筑面积40平方米以上，这部分家庭户拥有城区35.2%的房屋资源，这些家庭户以国家机关、党群组织、企业、事业单位负责人为绝对主体；而人均建筑面积19平方米以下家庭几乎全都是底层社会普通劳动者家庭，这部分家庭占到城区家庭户总数的53.3%（244.1万户），他们拥有的房屋资源只占到24.8%，当时城区有80万户家庭、225.5万人居住在人均建筑面积8平方米以下的居所，65.2万户家庭、183.1万人居住在人均建筑面积9~12平方米的居所。
在以后的“住房商品化”过程中，“负责人”群体在家庭住房上占有的地段优势更是远远超出了其在2000年时单纯的面积优势，这种地段优势体现的商品化价值远不是面积优势体现的商品化价值所能比拟。因此，不分职别不分区域地段的笼统的全市性的人均住房指标已经失去了统计的意义、公布的意义。
需要指出，笔者曾经在有关投资建设统计年鉴（可能是《上海投资建设统计年鉴》？）中见过1994年~1999年的上海市区建筑面积、居住面积、市区人口统计数（见表五），不管数据是否准确，起码，此表将人均居住水平指标是如何产生的过程透明化了。而现在的统计数据对于公众来说，是从根本上缺乏透明度的。此次笔者能把上海的住宅建筑面积和人均住宅建筑面积算到与统计数据差不离，不过是“蒙”对了而已。
原表说明：人均居住面积一般以各类建筑房屋的实际建筑面积乘以各自平面K值折算成居住面积，与市公安局提供的年末长期人口数相除后求得。73年通过房屋普查，以实际测得居住面积计算。
夜上海论坛 但此表中的“市区人口数”在《上海统计年鉴中》中是找不到出处的。《上海统计年鉴中》提供的1994年到1999年的“非农业人口”与此表中的“市区人口”相比，少则相差4%，多则相差14%，“年末区人口”与此表中的“市区人口”相比，相差得就更多。
夜上海论坛 笔者丛观历年的住房统计数据，发现有的年份以“市区人口数”为人口计算基数（1994-1999），有的年份则以“非农业人口”为计算基数（2003~2005），而更多年份的人口计算基数还无从核对无从查找。这样，上海的人均住房统计指标光是因为“人口数的统计口径不同”，就已经没有可比性了。
还有必要认真对待“人均居住面积”、“人均建筑面积”吗？
“人均居住面积”、“人均建筑面积”还能反映绝大部分居民的真实居住状况吗？作为一个公民，笔者提请政府部门变更上海住房指标的统计方法。事实上，这并不是需要白手起家的作业——第五次人口普查已经提供了全国各地的非常详细的住房统计资料，上海当然不例外。一个疑点：第五次人口普查中有关住房的数据为何不见引用？
2000年的全国第五次人口普查提供了非常详细的住房统计资料。这个住房统计资料反映，在2000年，上海中心城区一共有627.92万人，人均建筑面积15.85平方米；新建城区有657.21万人，人均建筑面积27.45平方米，将城区人均建筑面积乘以人数，上海城区范围内的住房建筑面积应该是27993万平方米，比统计部门用因袭下来的统计方法计算出来的面积要多7128万平方米——统计年鉴公布的2000年上海各区的住房建筑面积统计数是20865万平方米。
夜上海论坛 第五次人口普查是“重大的国情国力调查，是和平时期最大的社会动员，涉及到社会的各个方面、每一个家庭和每一个人”，“对于全面实现我国现代化建设战略目标，研究下个世纪的社会、人口变化情况具有重要意义”（见《国务院关于进行第五次全国人口普查的通知》）。通过这样的调查得来的有根有据的数据却不见引用，这又是为什么？
不解決為什麼人的問題，住房改革不可能成功
夜上海论坛 近年来，有关住房改革是否成功的讨论进行得轰轰烈烈，笔者不讳言，笔者认为住房改革是失败的。即使这样，笔者还没有对上海的居民居住房屋总面积和人均住房面积提出过怀疑，笔者还是相信政府统计部门是在严肃认真的工作态度下科学地得出这些统计数据的。但因为笔者搞笑般地计算了一番上海住房数据竟意外地与政府统计部门的计算结果相同，而这样的计算结果是要让上海的人均建筑面积平添出13.33平方米的，这不由得笔者诚惶诚恐——即使笔者认定住房改革是失败的，也不希望以“统计部门多算人均建筑面积13.33平方米”来作为佐证呀!
笔者猜度，目前有关上海的住房数据可能是“数出多门”，却缺乏对这些数据的整体性的把关。国家对房地产宏观调控措施不能从根本上奏效，恐怕与我国的数目字管理的基础还相当薄弱有关。现代化管理的基础一是法治，二是“用数字说话”，从宏观而言，一个国家的基础数据管理情况和应用情况反映了一个国家现代化的水平。第五次人口普查得来的住房数据是基础数据，而怎样对这些基础数据有效管理和应用，则是一个庞大的课题——缺乏管理，数据就只是一堆令人头昏目旋眼花缭乱的阿拉伯数字。
