更改

== 企业生长方程 ==

== 企业生长方程 ==

[[张江]]等人在2022年的研究基于规模法则推导出的企业生长模型公式。这一理论框架将公司的财务平衡与规模法则相结合，提供了一个预测公司随时间增长轨迹的通用方程。

[[张江]]等人在2022年的研究基于规模法则推导出了符合某市场企业平均生长方式的企业生长方程。该理论基于企业的财务平衡与规模法则相结合，提供了一个预测某市场代表性企业随时间增长的通用方程。

核心理论建立在两个基本假设之上：

核心理论建立在两个基本假设之上：

1. '''财务平衡方程''': 公司的总资产 [math]A(t)[/math] 随时间的变化率，等于其净收入 [math]I(t)[/math] 加上负债 [math]L(t)[/math] 的变化率。在忽略资本注入和股息支付等次要因素后（通过研究实证数据，这两项对于上市企业是可以忽略的），这一关系可以表达为微分形式：[math]\frac{dA}{dt}=I(t)+\frac{dL}{dt}[/math]。此方程在任何时刻都精确成立，它描述了公司的资源流入和流出如何驱动其增长。

1. '''财务平衡方程''': 企业的总资产 [math]A(t)[/math] 随时间的变化率，等于其净收入 [math]I(t)[/math] 加上负债 [math]L(t)[/math] 的变化率。在忽略资本注入和股息支付等次要因素后（通过研究实证数据，这两项对于上市企业是可以忽略的），这一关系可以表达为微分形式：[math]\frac{dA}{dt}=I(t)+\frac{dL}{dt}[/math]。此方程在任何时刻都精确成立，它描述了公司的资源流入和流出如何驱动其增长。

2. '''公司的财务指标'''（如净收入 [math]I[/math] 和负债 [math]L[/math]）与公司规模（用总资产 [math]A[/math] 衡量）之间存在幂律关系。这与生物体和城市中观察到的规模法则类似：[math]X(A)=c_{X}A^{\beta_{X}}[/math]。其中 [math]X[/math] 代表某一财务指标，[math]c_X[/math] 为归一化常数，[math]\beta_X[/math] 为标度指数。

2. '''企业的财务指标均符合总资产的规模法则'''（如净收入 [math]I[/math] 和负债 [math]L[/math]）与公司规模（用总资产，即Total Assets： [math]A[/math]来衡量）之间均存在着幂律关系。这与生物体和城市中观察到的规模法则类似：[math]X(A)=c_{X}A^{\beta_{X}}[/math]。其中 [math]X[/math] 代表某一财务指标，[math]c_X[/math] 为规模法则的归一化常数，[math]\beta_X[/math] 为规模法则的幂律指数。

=== 重要公式推导===

=== 重要公式推导===

首先，根据链式法则，负债的变化率可以表示为：<math>\frac{dL}{dt}=(\frac{dL}{dA})(\frac{dA}{dt})</math>

首先，根据链式法则，负债的变化率可以表示为：<math>\frac{dL}{dt}=(\frac{dL}{dA})(\frac{dA}{dt})</math>

将此项以及收入的规模法则 <math>I=c_{I}A^{\beta_{I}}</math> 代入财务平衡方程 <math>\frac{dA}{dt}=I+\frac{dL}{dt}</math>，得到：<math>\frac{dA}{dt} = c_{I}A^{\beta_{I}} + c_{L}\beta_{L}A^{\beta_{L}-1}\frac{dA}{dt}</math>

将此项以及收入的规模法则 <math>I=c_{I}A^{\beta_{I}}</math> 代入财务平衡方程 <math>\frac{dA}{dt}=I+\frac{dL}{dt}</math>，得到：<math>\frac{dA}{dt} = c_{I}A^{\beta_{I}} + c_{L}\beta_{L}A^{\beta_{L}-1}\frac{dA}{dt}</math>

重新整理此方程，得到'''通用企业增长率方程（Generalized Growth Equation）'''：

重新整理此方程，得到'''通用的企业增长率方程（Generalized Growth Equation）'''：

{{NumBlk|:|

{{NumBlk|:|

这个方程描述了公司资产 [math]A[/math] 随时间 [math]t[/math] 变化的速率。

这个方程描述了公司资产 [math]A[/math] 随时间 [math]t[/math] 变化的速率。

=== 通用增长轨迹曲线与近似解 ===

=== 通用增长曲线与近似解 ===

上述微分方程的解给出了公司随时间的增长轨迹。通过对该方程进行积分，可以得到一个描述公司资产 [math]A(t)[/math] 与其年龄 [math]t[/math] 之间关系的隐式表达式：

如果将某市场的参数（包括：[math]\beta_I,\beta_L,c_I,c_L[/math]等）上述微分方程的解给出了公司随时间的增长轨迹。通过对该方程进行积分，可以得到一个描述公司资产 [math]A(t)[/math] 与其年龄 [math]t[/math] 之间关系的隐式表达式，该表达式被称为：

'''通用增长曲线（Generalized Growth Curve）'''：

'''通用增长曲线（Generalized Growth Curve）'''：

</math>

</math>

这个方程通常无法直接反解出 [math]A(t)[/math] 的显式表达式。然而，当负债的标度指数 [math]\beta_L[/math] 约等于 1 时，可以得到一个很好的近似解：

然而，对于一般的情形，这个方程通常无法直接反解出 [math]A(t)[/math] 的显式表达式。然而，当负债的标度指数 [math]\beta_L[/math] 约等于 1 时，可以得到一个很好的近似解：

'''幂律增长近似解（Power Law Approximation）'''：

'''幂律增长近似解（Power Law Approximation）'''：

其中，指数 [math]\gamma[/math] 和系数 [math]c[/math] 由标度指数 [math]\beta_L[/math] 和 [math]\beta_I[/math] 决定。当 [math]\beta_L[/math] 恰好等于 1 时（例如在美国市场），指数 [math]\gamma[/math] 的表达式简化为 [math]\gamma = \frac{1}{1-\beta_{I}}[/math]。根据美国市场的实证数据，[math]\beta_I \approx 0.85[/math]，这导致 [math]\gamma \approx 6.79[/math]。

其中，指数 [math]\gamma[/math] 和系数 [math]c[/math] 由标度指数 [math]\beta_L[/math] 和 [math]\beta_I[/math] 决定。当 [math]\beta_L[/math] 恰好等于 1 时（例如在美国市场），指数 [math]\gamma[/math] 的表达式简化为 [math]\gamma = \frac{1}{1-\beta_{I}}[/math]。根据美国市场的实证数据，[math]\beta_I \approx 0.85[/math]，这导致 [math]\gamma \approx 6.79[/math]。

该模型表明，公司的增长轨迹是一个复杂的、由其内在财务结构决定的动态过程。与生物体最终停止生长的S形曲线不同，该模型预测的公司可以经历类似城市一样的开放式增长，即亚线性的幂律增长。这种理论框架能够灵活地整合不同市场的异质性（例如，中国、欧洲市场的 [math]\beta_L[/math] 略大于1）并做出准确的预测。

该模型表明，公司的增长轨迹是一个复杂的、由其内在财务结构决定的动态过程。与生物体最终停止生长的S形曲线不同，该模型预测的公司可以经历类似城市一样的开放式增长，即亚线性的幂律增长。这种理论框架能够灵活地整合不同市场的异质性（例如，中国、欧洲市场的 [math]\beta_L[/math] 略大于1）并做出准确的预测。

* 美国和欧洲：数据来自Compustat数据库，包含了美国（1950-2023）和欧洲（1987-2023）公开上市公司的财务信息。

* 美国和欧洲：数据来自Compustat数据库，包含了美国（1950-2023）和欧洲（1987-2023）公开上市公司的财务信息。

* 中国：数据来自Wind资讯的上海证券交易所和深圳证券交易所数据库，包含了1996年至2022年中国公开上市公司的财务信息。

* 中国：数据来自Wind资讯的上海证券交易所和深圳证券交易所数据库，包含了1996年至2022年中国公开上市公司的财务信息。

[[文件:预测的广义增长曲线(US).png|无框|600x600像素]]

[[文件:预测的广义增长曲线(US).png|无|该图展示了美国预测的广义增长曲线以及基于估计的[math]t_0[/math]即根据的每个公司的实际增长轨迹。这突出表明，公司的增长是时间的幂函数。指数[math]\gamma=6.79[/math]，归一化系数的对数值[math]\ln c=3.11[/math]。|缩略图|600x600像素]]

 

<small>图a展示了美国预测的广义增长曲线以及基于估计的[math]t_0[/math]的每个公司的实际增长轨迹。这突出表明，公司的增长是时间的幂函数。指数 γ=6.79，系数 ln c=3.11。</small>

 

[[文件:预测的广义增长曲线(CN&EU).png|无框|800x800像素]]

= 衰老与死亡 =

= 衰老与死亡 =