引论：我们为您整理了13篇股票投资组合方法范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
下面主要以该理论为基础，分析它在股票投资中的应用。
二、马科维茨模型在股票投资组合中的应用
股票投资组合的二参数接近分析的原理是：任何股票投资都涉及收益与风险两个基本要素，其基本目标是在一定风险水平下取得最大可能的预期收益率。股票投资中的风险有两类：即系统性风险与非系统性风险。系统性风险属于不可分散的风险，它是由全局性事件引起的股票投资收益率变动的可能性，如利率风险、政治风险、市场风险等。它影响所有的股票，但对各种股票影响的程度并不相同。非系统性风险是
在股票投资中是可以分散的，它受到非全局性事件的影响，如经营风险、违约风险等，它只引起单只股票收益率的变动。分散此类风险的基本策略是“不要把所有的鸡蛋都放在一个篮子里”，而应通过股票多样化投资来消除各种非系统性风险。所谓股票投资组合理论，就是把一定的资金分散投资于多种股票，使单只股票按一定的比例构成证券集合，从而实现既定风险水平下的预期收益率最大化。在二参数接近理论在股票投资的应用中，以股票投资收益率的期望值为价值标准，并以标准差或方差作为投资风险的量度。这样，股票投资组合问题就可以描述为：已知单只股票j在任一状态i下的收益率rji（等于股利加利得与投资之比）及其概率分布hi，进而可以用统计方法确定其期望收益率E（rj）、方差e2（j）及协方差c（rj，rk）.设投资组合中任一股票的组合权数为xj（购买股票j的金额与购买股票总金额之比），满足
m1j=1xj=1
（xj≥0或xj
其中，m为投资组合中的股票种数；xj≥0表示买入股票j，xj表示卖空股票j。
设股票投资组合在任意状态下的收益率以rp，i表示，
rp，i=m1j=1xjrji（1）
则根据统计原理，该股票收益率的期望值及方差为
E（rp）=m1j=1xjE（rj）（2）
e2（rp）=n1i=1hi[rp，i-E（rp）]2（3）
此即二参数接近理论在股票投资组合中的应用，亦即马科维茨模型所讨论的情形。现在所要解决的问题是股票投资组合的优化问题，这一问题的实质是在给定风险水平下，寻求产生最大期望收益率的股票投资组合。或是在给定期望收益率下，寻求风险水平最低的股票投资组合。
三、改进的马科维茨模型――单指数模型
在以给定期望收益率E的方差e2最小为目标，且不允许卖空（xj
mine2p=m1j=1m1k=1ejdjkekxjxk
s.t.Ep=m1j=1xjEj
m1j=1xj=1，xj≥0，j=1，2，3，…，m（4）
上式中，ejdjkek就是股票j、k收益率的协方差。若用矩阵形式表示，则上式可表述为：
min f（x）=xTcx
S.t. AX=b，X≥0
其中，X=[x1，x2，…，xm]T
c=c11，c12，…，c1m
c21，c22，…，c2m
cm1，cm2，…，cmn
A=E1，E3，…，Em
1，1，……，1，b=Ep
篇2
1952年，马柯维茨（Markowitz）在《金融期刊》上发表了《投资组合选择》论文以及在1959年出版的同名著作，标志着现资组合理论的诞生。马柯维茨在文章中阐述了资产收益和风险分析的主要原理和方法，建立了均值-方差模型（MV Model）的基本框架，为现代资产组合理论在随后几十年的迅速充实和发展奠定了牢固的理论基础。马柯维茨的均值-方差模型为投资者如何选择最佳资产组合提供了一套完整、成熟的方法。具体来说可分为四个步骤：（1）投资者首先要考虑他所面临的各种资产以及可能组成的资产组合，以便为其寻找最优资产组合提供选择范围；（2）对这些资产进行分析，计算出这些资产的预期收益率、方差、协方差以及相关系数；（3）根据约束条件，运用微分法或二次规划等方法计算出有效资产组合及其集合-有效边界；（4）反映投资者主观态度的无差异曲线和有效边界的切点即使为最佳资产组合。
论文以2005年8月到2006年8月深圳交易所上市的10只股票为研究对象，以均值-方差、Markowitz理论为基础，以二次规划为研究工具，在上述样本股范围内找出样本有效投资组合，并由此作出深圳股票市场10个股票投资组合的“有效边界”。在此基础上，引入无风险借贷求出在无风险借贷下的最优投资组合策略。
1 10只股票相关数据
1.1 基本信息
所选的这10支股票都是在深圳证券交易所挂牌的，来自于深圳证券交易所40（现有38）个成分股的10个。这10支股票的名称、代码详见下表1。
样本选择日期是从2005年8月12日-2006年8月4日共45交易周，数据来源于搜狐网。
表1 10个股票名称及代码
2 数据分析
2.1 周收益率的计算
其中：Rit为第i种股票在t周的收益率，Pit为第i种股票在t周的收盘价；Pi（t-1）为第i种股票在（t-1）周的收盘价；Dit为第i种股票在第t周所获红利、股息等收入，Dit=每股现金股利+Pit（送股比例+配股比例） 每股配股价×每股配股比例。
2.2 周平均收益率
各样本股45个交易周的周平均收益率的计算采用算术平均法，即周平均收益率为：
其中：ERi是第i只股票的周平均收益率；Rit是第i只股票在第t周的收益率；N是周数，N=45。
2.3 标准差
表2 样本股预期收益率和标准差
各样本股在样本时限内周平均收益率的标准差为：
其中：N是周数，N=45
根据上述公式，计算出的周平均收益率及其标准差如表2所示。
然后运用excel的计算功能计算出10只股票的方差-协方差矩阵和相关系数，具体结果如下表3、表4所示。
表3 样本股的方差-协方差矩阵
表4 相关系数
3 有效资产组合的计算
计算出深市各个样本股的周平均收益率和标准差后，就可以计算10只股票的可能的有效资产组合了。在目前不允许卖空的条件下，在论文样本所选取的数据基础上，深市有效边界的数学陈述为：
其中：σp为资产组合的标准差；xi为第i种股票在组合中所占的投资比例；σij为（i种股票与第j种股票之间的协方差（当i和j相等时，这里就是方差了）；Rp为资产组合的周平均收益率；Ri为第i种资产的周平均收益率。
这里目标函数是二次的，约束条件是线型的，可以通过二次规划的方法确定（x1，x2，x3，…，x10）找出有效资产组合了。这里运用数学软件matlab求解的10组组合如表5所示。
由所得的10组收益值-风险二维数据可以得到股票组合的有效边界，如下图1所示。
表5 投资组合比例
图1 10只股票的预期收益-风险图
可以看出，随着预期收益率增加，风险先是增加，到达某个点后就逐渐减少。里面有个临界值，其中，我们的选择范围就是随着上图中的上半部分，随着风险增大，收益率增大的部分。
参考文献：
[1] 高平.沪深股市资产投资组合的实证研究.华东师范大学学报（哲学社会科学版），2000.5，32（3）.
篇3
（一）国外文献 马柯威茨于1952年最早提出了均值-方差理论，成为现资组合理论的开山鼻祖。自此之后，很多金融学者在前人的研究基础上对该理论进行了补充和发展，如托宾（1958）在提出了著名的两基金分离定律：当存在无风险资产的情况下，有效前沿上的任意一点都可以表示为（无风险利率，0）和切点的线性组合。此外，大批学者踏上了简化计算，完善模型的征程。一是尽可能的减少模型计算量，例如：夏普（1963，1964，1970）提出了单因素模型，它的主要思想是：市场的总体因素统一作用于所有股票，市场以外的因素只作用于某一只股票，因此可以通过股票组合来分散。单因素模型使用β来衡量投资组合的风险。提高了人们对市场行为的了解。罗斯（1976）提出了套利定价理论。该理论认为在市场均衡时没有套利机会，因此承担相同风险因素的投资组合应该具有相同的期望收益率 。二是开发新的投资组合模型。例如Mao（1970）提出了均值-下半方差模型。Speranza（1993）提出半绝对风险偏差函数。J.P Morgan提出的基于Var的风险度量系统等，至今这个风险度量系统还在很多金融机构被广泛使用。
（二）国内文献 我国对金融市场研究起步较晚是一个现实，这是由于很多客观因素造成的。近几年中，我国学者也对投资组合理论进行了深入的研究。唐小我（1994）针对我国证券市场的卖空限制情形下的投资组合模型进行了研究。王春峰、屠新曙和厉斌（2002）运用了几何方法解决投资组合问题。徐绪松、杨小青和陈彦斌（2002）提出了“半绝对离差风险测量工具”。刘小茂、李楚林和王建华（2003）研究了在正态情形下，风险资产组合的均值-CVaR边界，并与方差风险下的均值-方差边界进行了比较。陈金龙和张维（2002）分析了投资组合与CVaR之间的关系。此外，安起光、王厚杰（2006），刘庆富（2006） ，荣喜民、武丹丹和张奎廷（2005）、刘志东（2006）等学者在组合预测和方法领域获得了显著的理论成果 。
三、研究设计
（一）研究思路 本文选取了马柯威茨的均值-方差模型作为本文的理论依据，该模型评价投资组合的标准，是当收益一定时风险最小，或者当风险一定时收益最大。 该模型的思想是选取相关性低的投资工具进行组合来分散风险，从而得到更好的投资收益。因此如何衡量股票相关性，并进而筛选出相关性低的投资组合成为该模型的关键。由于之前的研究，无论是理论还是实证都很少考虑到金融时间序列的时变性、聚集性、持续性等波动特征对资产组合风险规避与控制的影响。而本文正是针对目前研究的不足，通过使用改进的相关系数法衡量股票收益波动时间序列的相关性，并据此聚类，优化了股票投资组合选择的方法。具体的思路如下：
（1）股票收益波动性拟合。对于金融时间序列分析，常常会出现某一特征的值成群出现的情况。如对股票收益率序列建模，其随机扰动项往往在较大幅度波动后紧接着较大幅度的波动，在较小幅度波动后紧接着较小幅度的波动，这种性质称为波动的集群性。在一般回归分析中，要求随机波动项是同方差，但这类序列随机扰动项的无条件方差是常量，条件方差是变化的量。所以需要使用自回归条件异方差模型（ARCH）或者广义自回归条件异方差模型（GARCH）。
（2）时间序列相似性度量。测量时间序列相似性的方法有很多，最主要使用的是欧式距离法和相关系数法。欧式距离法的优点是计算简单，易于理解，但是它容易受到序列波动性的影响，而且当序列长度增加时，其距离也会增加。特别是当时间轴发生伸缩或弯曲时，就不能够准确测量序列的相似性了。而相关系数法的优点是计算量少，而且即使两个序列均值不同，也能够准确比较相似性，而在欧式距离法中，如果两个序列均值不同，即使它们是相似的，计算出来的距离仍然会很大，从而误导了结果。但是相关系数法也存在其局限性，它只适用于长度相同的序列，因此在比较长度不同的时间序列时，需要改进该方法，改进的相关系数法如下。设有两只股票P和Q，长度为m的收益波动序列分别为X和Y：X=（x1，x2，…，xm-t，xm-t+1，xm） ；Y=（y1，y2，…，ym-t，ym-t+1，ym）。首先要在X和Y中截取长度相同的两个子序列，设长度为t，最好从序列最邻近当前时段开始截取，t不宜过短，计算子序列 X1=（xm-t+1，xn）和Y1=（ym-t+1，yn）的相关系数r1：r1=■将子序列的长度向前增加一个，即长度为（t-1），计算X2=（xm-t，xm-t+1，xm）和Y2=（ym-t，ym-t+1，ym）的相关系数 ：r2=■，重复上述步骤，依次类推，直到子序列包含全部序列的长度m，计算出的相关系数有（m-t+1）个。将计算出的全部相关系数进行平均，则得到的 为改进的相关系数：■=■。由于聚类需要使用距离，而改进的相关系数■是属于[-1，1]，所以要将■转化成大于等于零的距离，另d=|■-1|，则d∈[0，2]。通过d对股票进行聚类。
（3）股票聚类。聚类分析。方法中最常用的是分层聚类。分层聚类方法是通过一系列或者是相继的合并，分割来进行的。是从单个对象开始，这样在开始时每一个对象都是一类，将那些最相似的对象首先分组，然后将组与组根据它们之间的相似性进行合并，最后随着相似性不断下降，所有的组渐渐融合成为一个聚类。
（4）确定最小方差资产组合集合的方法。常用的投资策略优劣评估标准有：收益率分布形态指标，夏普比率，风险价值（VAR），条件尾部期望（CTE）等。本文将主要使用由马柯威茨于1952年提出的用图像分析法确立风险资产的最小方差组合集合和有效边界的过程。我们以只拥有三个资产的组合为例。利用图像法建立最小方差资产组合集合的过程，就是在以资产权数为坐标轴的空间内，绘制反映资产组合各种预期收益和风险状况的线，然后依理性投资者选择资产和资产组合的原则确定最小方差资产组合集合的过程。我们分析是在允许卖空的前提下，以便不受限制条件的约束。假设我们对资产A，B，C进行组合，已知E（rA）=10%，E（rB）=20%，E（rC）=30%，设A，B，C资产的权数分别由xA，xB，xC表示，限制条件为xA+xB+xC=1，由于xC=1-xA-xB，因此只要知道xA和xB的数据，就可以得到xC的数据。因此，可以在一个二维平面图上显示三个资产的组合情况，同理，可以使用（n-1）维图显示n种资产的组合。在以xA，xB为坐标轴的图形中，直线AB的方程式是xA+xB=1，所有仅投资A和B资产，不投资C的资产组合都分布在这条线上；不包括A的组合都分布在B轴上，同理，不包括B的都分布在A轴上，分布在AOB三角形区域内的各种资产组合都不含卖空资产，在AOB以外的资产都含有一种或者两种资产的卖空。根据具体的限制条件在坐标图上的某个区域进行查找，以确定最小方差的资产组合。而这个过程可以通过EXCEL线性规划的方式实现。
（二）样本选择与数据来源 本文选取的研究对象为2008年1月1日到2009年12月31日在上交所交易的，代码为sh600000-sh600120的A股股票，数据来源为国泰安数据库。剔除掉缺失值，实际得到102只股票。分别计算这102只股票的日收盘价数据个数，其中最多的为488个数据，以488为基准，凡是数据个数小于（不包括等于）基准数据15个以上的股票都被清除。这样经过清除后，剩下83只股票。然后对这83只股票的缺失值进行修补，修补的原则是以前一天的收盘价代替缺失值，经过修补后，每只股票都有488天的数据。计算每只股票的日对数收益率，公式为：日对数收益率=log（当日收盘价）-log（前日收盘价）。经过计算，每只股票都有487 个日对数收益率，
（三）时间序列分析建模过程 首先需要对得到的股票对数收益率进行建模，以单只股票序列为例，过程如下：（1）做统计图观察判断。（2）单位根检验。序列大致可分为有三种：扩散型序列，单位根型序列和平稳序列。在实际问题中，时间序列大多并不平稳，而是呈现出各种趋势性和季节性。由于在实际生活中扩散型序列比较少见，很少作为理论研究的对象，所以我们判断的基础就建立在单位根型序列和平稳序列上。做单位根检验的目的就是要区分二者，对单位根型序列做差分处理，去除趋势性因素，从而得到平稳序列。（3）确定时间序列主模型。对原序列进行差分处理，得到宽平稳序列，求解它的自相关系数，偏自相关系数，同时观察自相关和偏自相关图像，确定ARMA（p，q）阶数。由计算机程序，生成主模型系数的参数估计，得到相应的残差序列。（4）根据股票对数收益率数据画散点图，趋势图，观察序列是否属于平稳序列，是否具备集群性，直观地判断是否可以采用条件异方差模型拟合数据。（5）ARCH效应检验。ARCH模型通常用于回归模型：yt=x't？茁+？着t。若随机干扰项？着t不存在ARCH效应，则可以直接对模型作最小二乘估计；若？着t存在ARCH效应，则应找到ARCH模型的形式，即在上式中附加？着t=■?vt，并确定q，再进行参数估计。对序列进行ARCH效应检验的最常用方法是拉格朗日乘数法即LM检验。假设？着tARCH（q），则可以建立如？着t=■?vt的辅助回归模型：ht=？琢0+？琢1？着t-12+…+？琢q？着t-q2
原假设：H0：？琢1=…=？琢q=0；备择假设：H1存在？琢i≠0，1？燮i？燮q；检验统计量：LM=nR2～X2（q）
其中，n为计算辅助回归时的样本数据个数，R2为辅助回归的未调整可决系数，即拟合优度。检验标准。根据辅助回归ht=？琢0+？琢1？着t-12+…+？琢q？着t-q2的最小二乘估计，得到拟合优度R2，由LM=nR2～X2（q） 计算检验统计量LM，根据给定的显著性水平？琢和自由度q查x2分布表，得到相应的临界值x？琢2（q）或原假设成立的概率，则可得到结论。LM>x？琢2（q），拒绝H0，表明序列存在ARCH效应；LM
四、实证检验分析
（一）投资组合收益波动性拟合 根据上文的时间序列分析拟合步骤，使用S-PLUS软件中finmetrics的模块，Excel规划求解，VBA，SAS，R软件共同完成从数据的整理，预处理，分析到得出结论，并配以图形的表达来完成对投资组合风险的度量。
（1）ARCH效应检验及股票再筛选。对收益波动率的估计本文使用动态波动率估计模型。在使用GARCH类模型对股票收益的波动率进行拟合之前需要再对选入研究的股票做一次筛选。通过ARCHTEST对这83支股票进行检验。在0.05的显著性水平下通过检验说明该股票的收益率波动性具有集群性，也就是说收益率是变换的，使用ARCH或GARCH模型拟合更加合理。共有33支股票的收益率数据经过了ARCH效应检验。
（2）股票收益波动性拟合。对这33支股票分别进行收益波动性拟合。第一次采用ARMA模型作为主模型对收益率数据进行建模，然后对残差进行GARCH模型拟合，虽然拟合后残差序列均通过了检验，但在相似性聚类中效果不佳。于是重新选定主模型。将常系数模型作为主模型，然后对残差进行GARCH模型拟合，残差也均通过了检验。在模型中，条件方差序列就是待求的股票收益波动性序列，最后得到33条各488个数据的波动率序列。GARCH（p，q）的最简单形式GARCH（1，1）。该过程可以表示为：？着t=■?vt；ht=？琢0+？琢1？着t-12+…+？琢q？着t-q2
其中，{vt}独立同分布，且vt～N（0，1），参数满足？琢0>0，？茁1？叟0，？琢1？叟0。？着t～GARCH（1，1）是稳定过程的成分必要条件为？琢1+？茁1
（二）采用改进的相关系数法比较股票收益波动性的相似性
计算33支股票中任意两支股票的相似性。设任意两支股票A、B：A=（x1，x2，xn-t，xn-t+1，x487）；B=（y1，y2，yn-t，yn-t+1，x487）
由于股票收益波动序列是两年期的日数据，因此首先选取时间期为2008年1月2日-2008年12月31日长度为245的两个子序列A1、B1：A1=（x242，x243，…，x487）；B1=（y242，y243，…，y487）
计算A1、B1的相关系数记为r1。之后将序列的起点向前推一个，计算时间期为2008年12月28日-2009年12月31日长度为246的两个子序列A2、B2：A2=（x241，x243，…，x487）；B2=（y241，y243，…，y487）
计算A2、B2的相关系数记为r2。继续按照这种方式，每次将子序列的起点向前推进一期，计算相同时间期的两个子序列之间的相关系数，直到最后一次计算A、B序列全部数据之间的相关系数r242。总共可以得到242个相关系数。最后，将所得的全部相关系数的均值作为A、B序列间改进的相关系数r*AB： r*AB=■。
相关系数的取值范围在[-1，1]之间，系数为正，说明两支股票收益率的波动性之间成正相关，系数越大，相似度越高；系数为负，说明两支股票收益率的波动性之间成负相关；系数为零，说明两支股票收益率的波动性之间不相关。
（三）股票聚类 为了将A、B之间的相关系数转化成距离，还需计算|r*AB-1|，记为dAB，即 dAB=|r*AB-1|
全部股票经过点间距计算，可以得到33×33的距离矩阵。由于篇幅限制，这里不做展示。将距离矩阵输入到SAS软件当中，借助软件的聚类方法，采用Agglomerative算法，选择method=density，K=2可以得到聚类结果。这里所用的类间距估计法是最近邻密度估计法。软件输出的聚类过程及结果如表（1）和图（1）所示，可以看出33支股票被聚为6类，具体分类情况如表（2）所示。这六类股票的收益波动率序列存在很大差异，从每一类中选择一个典型的序列收益波动率图，展示结果如下。
（四）投资组合绩效比较 为了验证改进的相关系数聚类法在股票投资组合中的应用效果，使用的主要方法是将基于使用改进相关系数聚类法根据收益率相似性聚类的股票投资组合与随机组合、类内组合对比，比较在相同收益率水平下，组合的最小方差值大小。该值越小，说明该组合绩效越好。具体来说，投资组合绩效比较的研究思路为：首先确定组合收益率的大小，其次确定每种组合方案下抽取组合样品的个数，然后分别计算每种方案下的组合风险均值，最后将三种方案下组合风险的均值进行对比得出结论。
（1）确定收益率大小。在计算组合的风险之前需要首先确定组合收益率的大小。由于所选数据是2008-2009年间的股票数据，而这段时期内股市处于衰退的状态，众多股票长期出现负收益率，因此将组合的收益率设为较小的数值，假设为0.03。
（2）确定三种组合方式的抽样方案。确定三种组合方式的抽样方案时要首先计算出每种组合方式下可能出现的组合的种类。如表（3）所示，随机组合的种类最多，基于相似性聚类的组合次之，类内组合的数目最少。为了能比较出组合的绩效，规定每种组合方式下抽取180个样品计算风险均值。根据它们各自组合的特点，可以采用不同的方式来选取样品。基于相似性聚类的组合在选取样品时可以采用类似分层抽样的方法，将不同类别作为不同层看待，从每一层中随机抽取一支股票。每一次抽取完毕，可以得到6支股票，将这6支股票作为一个组合。按照这种方式抽取180个组合即可。随机组合在选取样品时按照统计中排列组合的方式，随机从33支股票中无放回地抽取6支，作为一个组合。按照这种方式抽取180个组合即可。类内组合在选取样品时先将可能的组合种类列出，然后按照简单随机抽样方式从这8008个待抽样品中抽取180个组合即可。
（3）计算三种组合方式的风险。计算不同组合方式的风险大小时主要通过EXCEL软件中规划求解的功能来完成。相应的指标设置如表（4）所示。通过计算就可以得到满足条件的有效组合的最小方差值。由于篇幅所限，每种组合方式下的样本方差计算结果不在此列示。
篇4
本文选取的基金为国投瑞银核心企业股票型证券投资基金，简称国投瑞银核心。由于各基金具体的投资组合是不公开的，只在每一季度末公布所投资的十大重仓股票，所以本节的研究样本只能选取基金在季度末的十大重仓组合为研究对象。本文选取2007年12月30日该基金持有的十大重仓股数据为样本进行分析。重仓组合数据来源于国投瑞银基金管理有限公司网站基金数据库，各重仓股的历史价格来源于搜狐网。在国投瑞银基金十大重仓组合收益的协方差矩阵的计算时，需要用到各重仓股的历史价格。本节选取10支股票在2007年10月8日到12月28日的收盘价来计算各支股票的日收益率。由于中信证券在这个阶段数据不全，只有50个收盘价数据，而其他股票都有58个收盘价数据，所以在数据处理中将去除掉中信证券，只分析其他9支重仓股票。
三、实证分析
本节所用数据处理软件Excel2003。9支重仓股票收益率的计算采用几何收益率计算方法:ri，t=lnpi，tpi，t-1其中，ri，t是第i支股票在t时刻的收益率，pi，t是第i支股票在t时刻的收盘价。这里，把9支重仓投资股票作为一个投资组合，该组合的总投资额为423101.56万元。该投资组合中，按招商银行、兴业银行、浦发银行、深发展A、中国平安、苏宁电器、大秦铁路、唐钢股份、神火股份的排列顺序，各支重仓股票的投资权重向量为：wT=(0.1873310.1283010.1253330.1117560.1003070.0971670.0968850.0771660.075754)按照上述排列顺序，由Excel得出的，各支重仓股票收益序列之间的协方差矩阵为:由于影响股票价格的因素很多，存在很大的不确定性，所以金融变量收益序列大多不服从正态分布，为了简化分析过程，本文假设由这9支股票组成的投资组合的收益序列服从正态分布。
根据投资组合VaR计算公式：VaR=Wασp，σ2p=wTΣw，其中W为期初投资额，σp为组合的标准差，w为组合的投资权重。在95%的置信水平下，正态分布上分位数α=1.65，由此可以计算出投资组合的风险值日VaR=247366165元。这九只个股的日VaR分别如下表：从上表可以看出，在这九只股票的投资组合中，单个风险最大的是招商银行34937384.05元，而风险最小的是神火股份20694003.84元。其中，这九只股票VaR简单加总的和为：225610510.9元。通过上面的计算我们可以看出，投资组合的风险价值VaR247366165元要小于225610510.9元，构建投资组合可以大大降低我们平时所面临的风险。
根据边际VaR的计算公式：VaRi=αβiσp=VaRWΣ*βi其中各支股票相对投资组合的βi系数组成的向量β可由如下公式求出：β=ΣwwTΣw按照前述排列顺序，各支重仓股票相对投资组合的βi系数组成的向量β为：β=（1.1714702881.1554373441.1297404550.5300549041.1394695190.6627064861.0332420620.6331525281.370485797）所以，各支重仓股票的边际VaR组成的向量为：MVaR=（0.0684899650.06755260.0660502320.0309896390.0666190410.0387451090.0604084570.0370172380.080125399）边际VaR的定义为:当组合中某资产增加1货币单位时，引起投资组合VaR的变化值。根据这个定义，如果对九支股票同样是增加1元的投资额，则招商银行、兴业银行、浦发银行、深发展A、中国平安、苏宁电器、大秦铁路、唐钢股份、神火股份等各支股票会使得组合VaR增加值依次为：0.068489965元，0.0675526元，0.066050232元，0.030989639元，0.066619041元，0.038745109元，0.060408457元，0.037017238元，0.080125399元。按边际VaR的大小排序，组合中九支股票的排列顺序为:神火股份、招商银行、兴业银行、中国平安、浦发银行、大秦铁路、苏宁电器、唐钢股份、深发展A。其中股票神火股份的边际VaR最大，深发展A的边际VaR最小。如果想要在投资总额不变的情况下尽量减少该组合的VaR，则可以通过减少股票神火股份的投资头寸，增加股票深发展A的投资头寸来达到目的。
根据成分VaR的计算公式：CVaRi=(VaRi)*Wwi=VaRβiwi可得组合中各支股票的成分VaR组成的向量为:CVaRi=（54285146.3136670444.9535025637.2814653226.1428273121.1615928709.2224762631.6712085802.4125681445.86）组合中某一资产的成分VaR是指该资产的VaR在整个投资组合VaR所占的比例。成分VaR一般应具备以下几个特征：一是成分VaR之和应等于投资组合的VaR(通过投资组合分散风险后的VaR)：二是若把某一资产从组合中去掉，则该成分VaR可以反映组合VaR的变化：三是若某一资产的成分VaR为负数，则增加该资产的投资可以对冲投资组合的风险。
上述括弧内依次是招商银行、兴业银行、浦发银行、深发展A、中国平安、苏宁电器、大秦铁路、唐钢股份、神火股份等各支股票的成分VaR值，单位为元。若按各支股票成分VaR值的由大到小排序，则九支股票的排列顺序依次为：招商银行、兴业银行、浦发银行、中国平安、神火股份、大秦铁路、苏宁电器、深发展A、唐钢股份。可以看出，在该投资组合中，招商银行的成分VaR最大，由成分成分VaR的定义可知，如果从组合中剔除招商银行，投资组合的风险值日VaR将减少54285146.31元。根据VaR贡献率的计算公式：成分为i的VaR贡献率＝CVaRVaR各支股票对组合VaR的贡献率按照招商银行、兴业银行、浦发银行、深发展A、中国平安、苏宁电器、大秦铁路、唐钢股份、神火股份的顺序依次为：21.9453%，14.8244%，14.1594%，5.9237%，11.4297%，6.4393%，10.0105%，4.8858%，10.3820%。
从上述实证数据看，无论单个VaR数值，还是对组合VaR的贡献率，股票招商银行对投资组合的VaR都有很大的影响，它是股票投资组合的主要潜在风险来源；相反唐钢股份
从上述实证数据看，在投资组合的风险值247366165元中，招商银行的VaR是54285146.31元，占股票投资组合的VaR的21.9453%，而其市场价值只占股票投资组合总价值的18.7331%，即占基金18.7331%的招商银行带来了21.9453%的风险，这说明招商银行是股票投资组合主要的潜在风险源，作为投资的管理者，必须重点关注这只股票的基本面情况和市场走势；当然，这只股票的单独带来的风险与市场近期的行情和宏观经济走势也有关联，但管理者仍然应当考虑对这只股票适当减持；相反，占基金11.1756%的深发展A只带来了5.9237%的风险，管理者可以将这只股票作为增持的考虑对象。
篇5
文章编号：1000176X（2016）05007607
一、引言
Fama提出有效市场假说后，越来越多的研究表明，投资者在做出复杂的决定时总是表现出非理性。市场也会通过一系列心理因素的驱动而变得低效率。一般来说，这些非理性的结果来自于信息处理和行为偏差两个方面。过度反应作为行为偏差的一种，受到研究者越来越多的重视。Kahneman和Tversky[1]指出，人们对新信息常常反应过度，在决策中赋予它过大的比重。在过去30年中，过度反应现象被发现存在于美国、英国、日本和中国香港等国家和地区的证券市场。本文以中国A股市场为例，验证中国股票市场是否存在过度反应的现象，探索收益逆转是否是由从形成期到检验期风险水平差异造成的，并寻找资本资产定价模型以外的解释模型。过度反应效应始于心理学研究，在20世纪80年代之前并没有吸引到众多投资者的关注。直到Shiller[2]在美国股票市场上发现过度反应效应影响投资者行为和股票价值，人们才开始广泛接受这个概念。
在国外的研究中，Bondt和Thaler[3]首先提出使用定量的方法来衡量过度反应。他们通过在纽约股票交易所上市的股票构建了赢家和输家投资组合，数据的时间跨度为1926―1982年。优胜者投资组合包含累计超额收益（CAR）排名在前50的股票，失败者投资组合包含CAR排名在后50的股票。研究发现，赢家和输家投资组合在股票价值形成中会受到过度反应效应的影响，且受到影响的程度存在差异。从形成期到检验期，市场会发生收益逆转，赢家投资组合的CAR会降低500%，而输家投资组合的CAR会增加1960%。Ball和Kothari[4]随后对Bondt和Thaler的方法做了进一步研究，他们将股票按照过去5年的累计收益率（CR）排名分成两组，分别买入50只表现不良和表现优异的股票进行测试，并根据资本资产定价模型（CAPM）计算了不同组合市场风险溢价α和系统性风险 β。实验发现，在形成期输家投资组合的风险水平高于赢家投资组合，在检验期前者能够产生更多的反向收益。根据Chan[5]的理论，公司的盈亏可以改变一个公司的价值，进而影响其股权结构、财务杠杆和风险水平。Saleh[6]通过实验，提出了可用的流动性也有可能影响反向收益。Antoniou等[7]关注的是过度反应造成的逆向投资策略和反向收益，他们使用希腊股票市场1989―2004年的数据，发现采用逆向投资策略的股票投资者能够获得更多的反向收益。在将影响逆向投资策略的因素加入到Fama-French三因子模型中时，发现股票收益与短期内是否使用逆向投资策略相关，且考虑市场摩擦时，资本规模较小的股票可以比资本规模较大的股票获得更高的反向收益。
在国内的研究中，邹小M和钱英[8]将沪市1993―2001年的股票交易数据分为形成期为1年和两年两种情况，分别检验过度反应，而且形成期越长，随后的逆转效果越明显，输家组合的平均超额收益率越高于赢家组合的平均超额收益率。梁冰和顾海英[9]选取1997―2003年我国股票市场交易数据，形成期和检验期为1―24个月。研究结果发现，在短期水平上，形成期和检验期均为4―6个月的投资组合，无论赢家组合还是输家组合都存在一定程度的反向收益，赢家组合的反向收益大约为输家组合的两倍，在12―24个月的中长期水平上，赢家组合和输家组合均表现出比较明显的过度反应现象。陈国进和范长平[10]基于1997―2004年上海证券交易所的所有股票交易数据，对中国股票市场的过度反应及其成因进行实证分析。研究结果表明，中国股票市场的过度反应现象形成期为两年，过度反应的主要成因是规模效应，而非月历效应。陈梦根[11]基于混频抽样方法（MIDAS）的研究，指出沪深两市的风险收益与过度反应效应之间呈显著的正相关关系。熊熊等[12]使用VAR方法分析了国际股票市场对中国股票市场系统性风险影响的差异，指出在对中国股票市场进行系统性风险的监督与测算过程中，要注重各个国家和地区股票市场之间的相互联系，对影响超额利润的跨市场传导风险差异给予重视。杨胜刚和成博[13]以投资者信息对称和理易为前提，以贝叶斯决策准则为框架，通过引入不确定效应和信息扩散因素，重新诠释了信息冲击下的证券市场过度反应特征，并认为市场过度反应现象可能并非由投资者异质性和非理性决策行为所导致，而是市场本身固有的属性。投资者理性程度、冲击持续时间和公司分红稳定性是影响过度反应的重要因素。
二、实验数据和理论基础
1实验数据
本文使用的数据是中国A股市场中所有股票的月末调整收益率，期限在2003年1月至2013年12月之间，数据均来源于WIND数据库。由于原始数据是每月的价格，所以本文使用下面的模型将价格转换为收益率。
Rt=Pt+1-PtPt（1）
Rt表示一只股票的月收益率，Pt表示一只股票在t月的月末调整价格，Pt+1表示该只股票在下个月的月末调整价格。本文所使用的数据还包括市场指数和无风险利率。市场指数是中国A股指数，反映了包含中国A股市场所有股票的波动情况。无风险利率是一年期活期存款利率。
2理论基础
（1）检验过度反应效应
本文验证过度反应假说使用的是Bondt和Thaler[3]所提供的方法：如果在检验期间，赢家投资组合的平均累积平均剩余收益（ACAR）为负，而在输家投资组合的ACAR为正，则证明存在过度反应效应。投资组合的平均累积平均剩余收益（ACAR）表示为：
ACARp，t=16∑6j=1CARp，j，t（2）
其中，CAR表示累积平均剩余收益。
当以下3个表达式同时成立时，意味着A股市场存在过度反应效应：
ACARw，t0；ACARCT，t=ACARL，t-ACARw，t>0（3）
其中，W表示的是赢家投资组合，L表示的是输家投资组合，CT表示的是使用逆向投资策略的投资组合。
齐次性检验可以表示为：
tt=ACARL，t-ACARW，t2s2t6（4）
其中st表示样本的标准差。
（2）检验逆转是否由风险水平差异所导致
Bondt和Thaler提出的方法实际上并不是一个完整的测量，因为没有考虑不同层次的风险。根据Chan的理论，公司的盈亏可以改变一个公司的价值，进而影响其股权结构、财务杠杆以及风险水平。本文使用Chan[5]的方法测试数值正负的改变是否是由形成期到检验期的风险水平发生改变所导致：
Rp，t-Rrf，t=γp，FMT（1-Dumt）+γp，TSTDumt+βp，FMT（Rm，t-Rrf，t）+βp，FTT（Rm，t-Rrf，t）Dumt+εp，t（5）
其中，Rp，t表示t时期赢家或输家投资组合的收益率；Rrf，t表示无风险利率，即一年期的活期存款利率；γp，FMT表示在形成期持有投资组合的超额收益率；γp，TST表示在检验期持有投资组合的超额收益率；βp，FMT表示在形成期持有一种投资组合的系统性风险；βp，FTT表示进入到检验期时持有的投资组合系统性风险的变化；Rm，t表示市场指数收益率，即A股指数收益率；Dumt为虚拟变量。
根据Chan的理论，如果满足Chan的假设要求时，
Chan的理论假设要求为：赢家投资组合的γp，TST显著小于0，输家投资组合的γp，TST显著大于0，赢家投资组合的βp，FTT并非一直显著小于0；输家投资组合的βp，FTT并非一直显著大于0。过度反应效应即可被证实存在。为了进一步检验在形成期和检验期反向收益是否是由风险水平的差异导致，本文使用如下模型：
RL，t-Rrw，t=γCT，FMT（1-Dumt）+γCT，TSTDumt+βCT，FMT（Rm，t-Rrf，t）+βCT，FTT（Rm，t-Rrf，t）Dumt+εp，t（6）
如果满足模型假设要求，则过度反应效应可以被证实存在。
为了估计2003―2013年的累计参数，添加U统计量：
U=16∑6j=1tjTj-3Tj-112～N（0，1）（7）
（3）反向收益的模型解释
除了Fama和French提出的三个可能影响反向收益的因素，Saleh[6]提出了可用的流动性也有可能影响反向收益。因此，代表流动性的因子LMI（流动性减去非流动性）被添加到了三因子模型中构建出含有4个因素的新模型，表达式为：
Rlw，t-Rrf，t=α+β（Rm-Rrf）+siSMBt+hiHMLt+liLMIt+εt（8）
其中，SMBt表示规模效应，HMLt表示账面市值，LMIt 表示流动性效应。/Htv表示拥有较高交易量的细价股股票投资组合，B/Htv表示拥有较高交易量的大型股股票投资组合，S/Htv表示拥有较低交易量的细价股股票投资组合，B/Htv 表示拥有较低交易量的大型股股票投资组合。
三、经验研究与结果分析
1对赢家和输家投资组合的描述性统计
本文只需要对平均收益率和标准差进行检验。检验结果如表1所示。
从表1可以看出，对于赢家投资组合，形成期的平均收益率都显著大于0，检验期的平均收益率都显著小于0。这些结果意味着从形成期到检验期优胜者投资组合发生了收益逆转，这很有可能是由于中国A股市场的赢家投资组合中存在过度反应效应。
对于输家投资组合，共有5组在形成期的平均收益率均显著小于0，有5组在检验期的平均收益率均显著大于0。异常值是第3组在形成期的平均收益率（001），这表示输家投资组合的平均收益率在该时期内没有发生从负到正的逆转。这个异常值归因于中国A股市场在该时期具有积极的表现，以至于输家投资组合也能获得正的回报，并在检验期保持这样一个收益率水平不变。另一个异常值是第6组在检验期的平均收益率（-001），这表示输家投资组合的平均收益率在该时期也没有发生从负到正的逆转。但是，这个平均收益率是从-002变化而来，意味着在这个时期失败者的投资组合从形成期到检验期发生了潜在的收益逆转，平均收益率得到了提高。因此，从形成期到检验期输家投资组合产生了反向收益，并且输家投资组合中有很大的可能性存在过度反应效应。
虽然从形成期到检验期的平均收益率发生了逆转，但是衡量风险的标准差却没有这种倒向性的逆转。从表1可以看出，无论是在形成期还是在检验期，赢家投资组合的风险都要大于相应的输家投资组合的风险。这在一定程度上可以解释，为何当前阶段的赢家在下一个阶段会变成输家。
2过度反应效应的经验分析
表2给出了赢家、输家和逆向策略投资组合的ACAR，以及它们各自的t值。在表2中，上述变量处于检验期的1―36个月。即2006年1月至2008年12月，2007年1月至2009年12月，……，2011年1月至2013年12月。
首先，赢家投资组合和输家投资组合均存在过度反应效应。从表2可以看出，赢家投资组合的ACAR有32个值均小于0，输家投资组合的ACAR全部36个值均大于0，故两类投资组合均存在过度反应效应。另外，表2显示检验期赢家投资组合的ACAR值从001降低到了-013，减少了14个百分点；而输家投资组合的ACAR值从002提高到了030，增加了28个百分点。由此可以推出，随着时间的推移，股票市场的收益逆转越来越明显。
其次，逆向策略投资组合也存在过度反应效应。从表2可以看出，逆向策略组合ACAR36个值均大于0，并且34个t值大于5%置信度下的t检验临界值，这个结果满足方程的要求，所以可以使用逆向投资策略在中国A股市场获取额外收益。另外，表2显示检验期逆向投资组合的ACAR值从001提高到了043，这表示在整个测试期间，输家投资组合的收益表现要比赢家投资组合的收益表现好了42个百分点，因此逆向投资组合带来了明显的反向收益。
再次，赢家和输家投资组合的过度反应效应并非一直是显著的。如表2所示，当检验期持续时间超过30个月时，过度反应效应在赢家和输家投资组合中均是显著的，即证实了虽然过度反应效应存在于中国A股市场，但是在赢家和输家投资组合中并不是一直显著的。同时，表2结果表明仅当赢家和输家投资组合能够构成逆向投资策略时，t值的结果显示ACAR是显著的。
最后，中国A股市场具有杠杆效应。在中国A股市场，赢家投资组合具有负的ACAR值，说明投资者对投资有利的消息反应过度；输家投资组合具有正的ACAR值，说明投资者对投资不利的消息同样反应过度。这种现象被称为“损失厌恶”，即投资者往往更偏好避免损失，当他们得到不利消息时，会快速卖出手中的股票；但是在得到有利消息时，会持观望态度，并不会立即购买这些股票。
3收益逆转是否是由风险水平差异所导致的经验分析
虽然上述分析已证实中国A股市场存在过度反应效应，但是当加入风险调整收益之后这种逆转也许会消失。所以，为了确认中国A股市场确实存在过度反应效应，需要证明赢家和输家投资组合的收益逆转现象与形成期到检验期风险水平的改变无关。本文继续使用Chan的赢家和输家模型。结果如表3、表4和表5所示。
首先，表3―表5显示，R2的结果落在011―079之间，表明11%―78%的风险调整后收益可以使用5个独立变量解释。同时，对于赢家投资组合，在形成期共有5个γp值为正，在检验期共有4个γp值为负。对于输家投资组合，在形成期共有6个γp值为负，在检验期共有4个γp值为正。这些结果证明了前文的部分结论，即在中国A股市场，赢家和输家投资组合均虽存在过度反应效应，但是这种过度反应效应并非持续显著的。
其次，从表3和表4的结果可以看出，收益逆转并非是由于形成期与检验期的风险差异导致的。对于赢家投资组合，衡量从形成期到检验期系统性风险变化的βp，FTT值有6个为负，并且βp，FTT的U统计量的值不显著（-150），表明赢家投资组合的收益逆转可能不是由市场风险减少要求的风险补偿降低所导致的。对于输家投资组合，βp，FTT值有4个为正，且并非全部显著，另外两个则显著为负，且βp，FTT的U统计量的值不显著（063），这表明输家投资组合的反向收益并不是由市场风险增加要求的风险补偿增加所导致的。至此，笔者认为赢家和输家投资组合中发生的收益逆转现象仍是过度反应导致的。
最后，逆向策略投资组合的结果和输家投资组合结果相类似。如表5所示，在形成期有6个γp值为负，在检验期有4个γp值为正，说明在中国A股市场可以通过逆向投资策略获利。而γp，TST的U统计量的值不显著（128），可知过度反应效应在逆向投资策略中通常是显著的。βp，FTT值有4个为正，且U统计量的值不显著（-005），表明不同的风险水平并没有导致收益的同向逆转，过度反应效应存在于逆向策略投资组合中。
4反向收益的四因子模型分析
本文用包含Rm-Rrf、SMB、HML和LMI的四因子模型分析过度反应效应。结果如表6所示。
由表6可知，在三因子模型中加入LMI因子后，模型的解释效果并没有得到明显的增强。只有3组投资组合的LMI系数不接近于0，其中仅两组的t值是显著的，笔者认为流动性因素并不是影响反向收益的显著因素。虽然5组投资组合的F值是显著的，但是2数值最大为045，最小为-003，总体上仍没有超过45%。
四、政策建议
本文以中国A股市场为例，通过理论分析和经验研究，具体明晰中国A股市场对市场信息做出反应的特点和不足，剖析了中国A股市场过度反应效应的存在形式，以及促进中国A股市场深化改革的重要着力点。
从宏观层面出发，中国A股市场依然存在过度反应现象，是由于在中国A股市场特殊制度背景下，市场结构尚未完善所导致的。政府部门一方面也要立足于建立公平开放透明的市场规则，实行长期统一的市场准入制度，鼓励和引导民间资本进入以金融服务业为主的经济领域；另一方面要坚持全面深化改革，加快完善现代经济市场服务体系，不断提升以金融业为主的经济体系服务实体经济的能力，促进经济持续健康发展，从而进一步强化金融市场和股票市场的有效性，提升市场抵御经济风险的能力并主动适应经济发展新常态。
从中观层面出发，中国A股市场依然存在的过度反应现象是由股票市场经常面临来自政策的不稳定所导致的。构建A股市场功能模型的研究发现，A股市场具有提高交易效率、降低交易费用，从而为资本市场化提供有效市场基础的功能，但是值得警惕的是，在当前A股市场巨幅波动的背后，存在严重的政策性导向。此外，部分机构投资者和私募基金存在“坐庄”、散布“噪音”的投机行为，一些上市公司存在财务造假及市场操纵的不规范行为，中国证监会等监管部门应进一步完善对应的证券及股票市场交易规则、监管机制以及信息制度，从而减少市场规则、政策出台和信息带来的不确定性。
从微观层面出发，过度反应效应在中国A股市场的表现，具体体现了以中小投资者为主体的投资者对信息反应往往具有非理性、过度悲观、“噪声交易”以及“正反馈交易”等心理行为特点。因此，深化高等教育体制改革，推进高校教育创新理念和专业教育水平的提高，才能有效提高证券投资者的投资知识和技能，使他们能够理性分析市场信息，从而缩小投资者在超涨或超跌的股价波动中的认知偏差，在持续交易的过程中构造合理的投资组合以获得更多的超额收益。
参考文献：
[1]Kahneman， D，Tversky， A Availability： A Heuristic for Judging Frequency and Probability[J]Cognitive Psychology，1973，5（2）：207-232
[2]Shiller， RDo Stock Prices Move too Much to Be Justified by Subsequent Changes in Dividends？ [J]The American Economic Review，1981，71（6）： 421-436
[3]Bondt， W FMD， Thaler， R Does the Stock Market Overreact？ [J]The Journal of Finance，1985，40（3）：793-805
[4]Ball， R，Kothari， S PNonstationary Expected Returns： Implications for Tests of Market Efficiency and Serial Correlation in Returns[J]Journal of Financial Economics，1989，25（1）：51-74
[5]Chan， K COn the Contrarian Investment Strategy[J]Journal of Business，1988，37（6）：147-163
[6]Saleh， W Overreaction： The Sensitivity of Defining the Duration of the Formation Period[J]Applied Financial Economics，2007，17（1）：45-61
[7]Antoniou， A， Galariotis， E C，Spyrou， S I Contrarian Profits and the Overreaction Hypothesis： The Case of the Athens Stock Exchange[J]European Financial Management，2006，11（1）：71-98
[8]邹小M，钱英我国股票市场的中长期回报率的过度反应[J]数理统计与管理，2003，（11）：9-14
[9]梁冰，顾海英中国股票市场过度反应行为：完整牛市和熊市周期中的实证[J]东北林业大学学报，2004，（5）：80-82
[10]陈国进，范长平我国股票市场的过度反应现象及其成因分析[J]南开经济研究，2006，（3）：42-53
篇6
坚守精选流程但效果欠佳
今年以来以创业板为首的中小市值个股发力，主动管理的偏股型基金净值大都表现优异，平均回报率达到了12.62%。与之相比，民生加银精选基金今年的业绩并不乐观。
对于成绩不理想的原因，江国华解释说：“我们买入股票，是按照成长性、价值性综合比较，自下而上精选作出的判断。对于个股问题，由于公司要求，我们不便谈论。敬请理解。”记者注意到，在基金公司的投资策略这一栏里，对于如何进行股票投资着墨甚多。譬如：
“本基金在个股选择上采取自下而上的股票精选策略，通过构建初选股票池、精选股票池，从基本面角度筛选出具有核心竞争力优势的企业，并通过估值水平和流动性筛选个股，构建股票投资组合，最后通过风险评估优化股票投资组合。”
“本基金将分别通过民生加银核心竞争力外部特征识别系统、民生加银核心竞争力内在根基识别系统，由外及内、由浅到深逐步细致深入分析和评价企业的竞争力，精选出具有核心竞争力优势的企业作为股票投资备选对象。”
“企业竞争优势的好坏必然体现在企业的一系列财务数据中，因此，本基金运用财务分析的方法，分析有关指标和数据，以细化、深化对于企业核心竞争力优势的理解，同时，揭示企业核心竞争力优势的真实面目。”
正是由于对个股选择有着详细的精选流程和电脑识别系统，所以民生加银精选基金2013年各个季度的前十大重仓股中，同公司的十大重仓股中交叉持仓品种分别达到了10只、8只、7只。
“我们的重仓股都是经过公司的流程，通过构建初选股票池、精选股票池，从基本面角度筛选出具有核心竞争力的优势企业，并按照成长性、价值性的综合比较，作出的投资决策。”江国华称。
自由发挥的个股业绩也差强人意
《投资者报》记者对比发现，除了同基金公司持仓品种，该基金在2013年二季度和三季度各有两只重仓股。其中二季度是恒宝股份和金地集团，三季度是云南白药、东港股份。
从上述个股的盘面表现来看，恒宝股份与金地集团都是在3月至5月间有过短暂拉升，此后一直横盘阴跌，可能是基金经理个人发挥，追高买入。之后见势不对便斩仓卖出。云南白药和东港股份情况类似。
一位北京刘姓证券分析师在接受《投资者报》记者采访时称，今年的市场行情和民生加银精选基金的精选流程不够契合。一般而言，通过电脑识别系统筛选出来的股票更为看重市盈率和财务指标，因此也更为稳健，配置偏均衡，而今年市场的热点基本上是在成长股和创业板。资料显示，江国华出任民生加银精选基金经理之前，在招商基金公司担任分析师，从事数量化研究与风险管理；2008年7月加入民生加银基金管理有限公司，担任金融工程研究员，兼任煤炭、电力、汽车、电力设备行业研究员。他的从业经历也决定了他选股倾向于自下而上，基本面好、估值不高、盈利增长空间大、市场份额方面占有优势的公司，不倾向炒重组、炒热点、炒概念等波段操作行为。
篇7
1、前景理论
1979年,Kahneman和Tversky(1979)提出了前景理论用于描述不确定性情况下的选择问题。与传统的期望效用理论不同的是,前景理论用价值函数(valuefunction)代替传统的效用函数(utilityfunction)。与效用函数相比,价值函数具有以下特征。
首先,投资者价值函数的自变量是投资者的损益(lossorgain),而不是资产的数量,因此投资者不是从整个资产组合的角度来作投资决定,而是按组合中各资产的损益水平将其分别对待。实际上,有的投资独立来看可能是没有(或有)吸引力的,但是从整个分散组合的角度来看可能就是一个不错(或不好)的选择。投资者判断损益的标准来自于其投资参考点,参考点的位置取决于投资者的主观感觉并且因人而异。其次,价值函数的形式是"S"型函数,在盈利部分是凸函数,在亏损部分是凹函数。这意味着投资者的风险偏好不是一致的,当投资者处于盈利状态时,投资者是风险回避者；当投资者处于亏损状态时,投资者是风险偏好者。最后,价值函数呈不对称性,投资者由于亏损导致的感觉上的不快乐程度大于相同数量的盈利所带来的快乐程度。因此投资者对损失较为敏感。
2、经验研究
在前景理论的框架下,其它学者对投资者在股票投资上回避实现损失的现象作了近一步的研究。值得一提的是,近年来学者们利用各自所得的独特资料库对处置效应等行为金融课题进行实证研究,并取得较大的进展。
Shefrin和Statman(1985)指出在股票市场上投资者往往对亏损股票存在较强的惜售心理,即继续持有亏损股票,不愿意实现损失；投资者在盈利面前趋向回避风险,愿意较早卖出股票以锁定利润,即出现处置效应的现象。Shefrin和Statman将引致处置效应的原因归结于投资者的心理,投资者为避免实现损失带来的后悔和尴尬而回避实现损失,因为一旦损失实现,即是证明投资者以前的判断是错误的；投资者急于实现盈利是为了证明自我,即骄傲自大心理所致。然而亦有其它学者如Kahneman和Tversky等认为,投资者担心后悔的心理重于自大心理,因此投资者宁可不采取行动,有这样倾向的投资者可能既不愿意实现亏损亦不愿意实现盈利,不卖出盈利的股票是担心股票价格会继续上升。
Odean(1998,1999)利用美国某折扣经纪公司从1987到1993年间共10000个帐户的交易记录研究处置效应。Odean提出了一个度量处置效应程度的指标,他用该指标验证了美国股票投资者存在着较强的售盈持亏的行为趋向,而且这种行为动机不能用组合重组,减少交易成本和反转预期等理性的原因来解释。但是,Odean发现出于避税考虑,美国股票投资者在十二月份卖出的亏损股票较多,处置效应在十二月份因而较不明显。
赵学军和王永宏(2001)对中国股市的"处置效应"进行了实证研究,他们的结论是:中国的投资者更加倾向于卖出盈利股票,继续持有亏损股票,而且这种倾向比国外投资者更为严重。
3、研究动机和贡献
投资者行为研究常常受制于有关投资者交易数据库的获得,至今国外学者在这方面的实证研究几乎都依赖某些特别的数据来源。本文著者有幸得到某著名证券公司的帮助,提供了该公司一营业部在1998至2000年间的交易数据库,这使得我们研究中国投资者行为的愿望得以实现。处置效应反映投资者回避实现损失的倾向,总体上来讲,这种倾向至少是不合适的。因为在很多情况下,处置效应主要是受到投资者心理因素的影响,这会削弱投资者对投资风险和股票未来收益状况的客观判断,非理性地长期持有一些失去基本因素的股票,使得投资者盈少亏多。正因如此,不少流行的投资策略建议投资者使用止损指令来控制损失的程度,但是实践中投资者真正能自制和采纳这类建议的并不多。
相比赵学军和王永宏(2001)对我国投资者处置效应的研究,本文作出以下主要贡献:(1)本文考虑了六种参考点的定义,并比较其中四种不同定义对处置效应结果的影响；(2)本文除了使用Odean(1998)的方法检验处置效应外,亦从比较亏损股票和盈利股票的持有时间来检验处置效应；(3)本文检验了不同规模投资者的处置效应；(4)本文分析了投资者处置效应中的理性因素。
样本与方法
1、样本描述
如前所述,本文考察的对象是某证券营业部共9945个股票帐户在1998--2000年的交易数据库,辅助数据库是深沪两市1998--2000年的行情数据。对原始数据库进行适当处理后,我们可以得到投资者每日股票的交易量、交易价格和清算价格。为简化起见,我们对同一投资者在同一天内对相同股票的交易汇总,如果净额为正,则投资者买入该股票；若净额为负,则投资者卖出该股票；若净额为零,则去掉该该股票交易。这样做的目的在于使当日投资者在特定股票上的交易的含义更明确。对于个人投资者而言,在同一天对同一只股票进行反复买进卖出的意义并不大,原因是这样投资者需要付出交易成本,而从买卖差价中所获得的收益根本无法补偿交易成本。对于机构投资者而言,如果该投资者或投资者集团可以操纵某只股票的价格,则当日反复买进卖出,故意使一些账户盈利或亏损也是可能的。
目前,投资者的注册账户分为个人投资者账户和机构投资者账户,但由于管理上的漏洞和机构投资者为了达到逃避监管、操纵股价的目的,部分机构资金使用个人账户进行操作,根据注册类别来区分个人投资者还是机构投资者是不妥当的。一般来说,个人账户的资金量相对较少,平均股票投资组合市值较小；机构投资者的资金量相对较大,平均股票投资组合市值较大。根据股票投资组合的市值大小来划分个人投资者和机构投资者是可行的。
由于我们研究的核心是个人投资者和机构投资者处置效应上所表现出来的差异,我们将9945个账户按平均投资组合市值分成3类:1、小于50万；2、大于等于50万,但小于等于1000万；3、大于1000万。大致上,我们可以认为第一类是个人投资者,第三类是机构投资者,第二类是个人和机构的混合体。
2、检验处置效应的两个推论
处置效应的基本结论是投资者更愿意卖出盈利股票,和继续持有亏损股票。与此相关的两个推论是:1、卖出盈利股票的比率超过卖出亏损股票的比率；2、持有亏损股票的时间长于持有盈利股票的时间。处置效应还有一个不太适当的推论是卖出盈利股票的数量超过卖出亏损股票的数量,这一推论不适当的原因是当市场处于牛市时,投资者的投资组合中的大部分股票会处于盈利状态,盈利股票的数量远超过亏损股票,买出更多的盈利股票是合理的；而当市场处于熊市时,投资者的投资组合中的大部分股票会处于亏损状态,亏损股票的数量远超过盈利股票,买出更多的亏损股票是合理的,采取推论1的比率方式有利于克服上述问题。此外,从处置效应我们亦可以推论股市在跌市的成交量应少于升市的成交量,本文不拟对这种较为明显的现象展开。
实证研究中,我们考虑了六种定义参考价格的方式:1、投资者最近一次买进的成交价格；2、投资者最近一次买进的清算价格；3、投资者买进交易的平均成交价格；4、投资者买进交易的平均清算价格；5、投资者所有交易的平均成交价格；6、投资者所有交易的平均清算价格。
成交价的优点是与申报价格一致,容易成为投资者心目中的参考价格,清算价格的优点是包含了交易成本,计算的损益更符合实际损益；最近一次买进价格的优点是与投资者最新股价定位一致,缺点是没有考虑历史交易对投资者参考价格的影响,所有交易的平均比所有买进交易的平均能更好地反映投资者的实际成本。总之,参考价格的确定因人而异,在总体上也很难说哪一种定义方式更科学。
参考点确定后,需要解决的问题就是盈亏的确定。盈亏包括两种形式,一种是实现的盈亏,另一种是账面的盈亏。实现的盈亏是指投资者卖出投资组合中的股票,成交价格减去参考价格就是不考虑交易成本的盈亏,清算价格减去参考价格就是考虑交易成本的盈亏。账面的盈亏是指投资者账面的盈利或亏损,若当日最高价大于参考价格,则是不考虑交易成本的账面盈利；若当日最低价低于参考价格,则是不考虑交易成本的账面亏损。如果考虑交易成本,账面盈利的条件是当日最高价乘以(1--0．0075％)大于参考价格；账面亏损的条件是当日最低价乘以(1--0．0075％)大于参考价格。实证研究中,我们将考虑不同处理方式对结果的影响。
对于每一个投资者,计算至少卖出一只股票的交易日卖出股票实现的盈亏和没有卖出股票的账面盈亏。然后,对所有投资者或满足某种特征的投资者计算所有交易日或某一段时间的卖盈比率(PGR)和卖亏比率(PLR),
一般来说,卖盈比例和卖亏比例自身的大小并没有特别重要的意义,但这两个比例相对大小则可以反映投资者卖盈还是卖亏的倾向。如果卖盈比例远大于卖亏比例,则投资者倾向于卖盈；如果卖盈比例远小于卖亏比例,则投资者倾向于卖亏。我们分别用卖盈比例和卖亏比例之差PGR--PLR(记作)和之比PGR／PLR(记作)来衡量投资者"售盈持亏"的程度,数值越大,则越愿意卖出盈利股票,继续持有亏损股票；数值越小,则越愿意卖出亏损股票,继续持有盈利股票。从统计角度,检验和,相应的统计量显著且大于0或小于0。处置效应表明,投资者愿意售盈持亏,检验统计量应显著大于0。
为了检验处置效应的推论2,我们计算了每次卖出股票和最近一次买入该只股票的时间差,如果投资者具有较强的"售盈持亏"的心态,那么平均来讲,投资者在卖盈股票上的持股时间会短于卖亏股票上的持股时间。检验持股时间差是否显著非零,可以验证上述推论。
3、处置效应中理性因素的分析
投资者的处置效应倾向并不一定意味着投资者是非理性的,它可能与投资者采取反向投资策略有关。当股价上涨后,投资者可能降低股价进一步上涨的预期,售出股票也在情理之中；当股票价格下跌,投资者可能预期股价反转的可能性加大,也有理由继续持有亏损股票。
我们可以通过研究投资者卖出股票后股价的涨跌来考察投资者决策的正确与否。如果卖出股票的价格进一步上涨,则投资者的决策是错误的,继续持有股票会增加收益；如果卖出股票的价格下跌,则投资者的决策是正确的,继续持有股票会减少收益。事实上,在一段时间内,股价大多同涨同跌,如果卖出股票的股价涨幅小于(或跌幅大于)持有股票的股价涨幅,则投资者的决策是正确的；反之,投资者的决策是错误。本研究是从事后结果考察投资者决策有理性因素。
从事前来看,如果投资者相信股价将继续原有的趋势,则会"售亏持盈"；如果投资者相信股价会反转,则会"售盈持亏",即会表现处置效应倾向。因此,"售盈持亏"现象与股价反转是一致的。
为了检验投资者"售盈持亏"行为是否基于对价格反转或相对价格反转的预期,我们考察投资者卖出股票后10、20、30、60个交易日卖出股票和没有卖出股票的收益状况。
·数据·
表1：投资者交易特征基本统计
1998-2000年1998年1999年2000年
投资者数量（人）9749548161857853
股票数量（股）10518259231050
买进次数2600286261079181118237
卖出次数2378135614473672107997
买进成交数量（股）2200192726272058
卖出成交数量（股）2458200928852400
成交数量（股）
最大值252000099740013406222520000
99％分位点25000200003000023800
90％分位点4900400050004500
中位数100090010001000
平均值2323196627522221
成交金额（元）
最大值99％43691845137396933408457943691885
分位点90％307731218179350757325660
分位点54200446045800057018
中位数983086001000210430
平均值286622244231442
表2：投资者交易活跃程度基本统计
交易次数1998-2000年1998年1999年2000年
平均值51222529
最大值1760752587941
99％分位点440179209222
90％分位点123536066
中位数2291215
25％分位点7345
10％分位点2122
表3：日内相同股票反复交易分类
交易类型频率百分比（％）累计频率累计百分比（％）
都是买进3209053.713209053.71
都是卖出2190136.665399190.36
买进多于卖出16973.845568893.20
买进少于卖出19793.315766796.52
买进等于卖出20803.4859747100.00
表4：不同规模的投资者卖盈卖亏比例之比
1998-2000年1998年
小于50万3.40（38.11）3.34（24.72）
50-1000万2.77（11.79）3.32（9.58）
大于1000万1.81（4.84）1.94（5.48）
1999年2000年
篇8
多空头股票（Long/short Equity）对冲基金主要投资于股票市场， 多数情况下也会根据股票价格决定机制对冲系统风险， 即既有多头投资， 也有空头投资； 并且， 此类基金也常常运用期货和期权对冲其认可的系统风险。不同的是， 此类多空头股票对冲基金并不保持零风险敞口， 它会根据其对市场整体走势的判断， 有时是多头风险敞口， 有时维持空头风险敞口。此类对冲基金的投资策略的样性还表现在， 它既可以实行价值投资， 也可以实行成长性； 既可以投资小市值股票， 以可以投资大市值股票。
一、 数据来源及其特征
目前， 全球公认的最有权威的对冲基金数据库有三个， 分别是： TASS （CSFB/Trement Hedge Fund Index简称TASS）； HFR（Hedge Fund Research Index ， 简称HFR）和MAR/hedge Index（简称MAR）。这三家非官方的对冲基金专业研究机构的数据对对冲基金的真实状况都有一些偏差， 但是， 有一点共识的是， 由于TASS数据库所披露的数据是唯一根据对冲基金样本的管理资产总量为权重得出的加权平均数据， 学术界较多地认为TASS数据库公布的月度数据更具有代表性。
本文在随后的数据分析中， 除了特别说明了来源的数据外， 一般都采用TASS数据库公布的对冲基金数据， 即CSFB/Trement Hedge Fund Index。本文选用了自TASS数据库创立伊始1994年1月至2005年12月共144个月度数据。由于对冲基金在此期间异常活跃， 分析该时段的对冲基金走势显得更有现实意义： 既有利于投资者充分认识到对冲基金在波动频繁的市场里的所表现出的风险和收益等方面本质特征， 又有利于监管机构正确认识对冲基金在危机期间对系统风险的真实影响。[1]
二、 参照物
为了正确反映对冲基金的收益和风险特征， 本文选择了股票和债券等两个传统投资工具和方法的时间序列数据作为参照物进行比较， 以发现对冲基金的历史表现与传统投资方法的量化差异。[2]
（一）标准普尔500指数（S&P 500）
本文在比较对冲基金的风险收益时， 用标准普尔500指数来代表全球（美国）股票市场的整体风险和收益， 通过比较对冲基金指数和标准普尔指数之间的差异， 来分析对冲基金的收益和风险特征。
（二）摩根司丹利全球债务指数（MSCI World Sovereign Index）
本文采用摩根司丹利债务指数来代表全球债券投资市场的整体风险收益水平， 通过计算和分析对冲基金风险收益水平和摩根司丹利债务指数的差异来发现对冲基金收益风险特征。
（三）无风险收益率（Risk free Rate）
本文采用一年期美国国债的收益率水平作为无风险收益率指标， 为了简化计算， 我们取1994-2005年的算术平均值， 经计算得出无风险收益率为年4.398%。
三、 对冲基金从事多空头股票套利的形式
指数套利（index arbitrage）。该股票套利形式是指对冲基金可以买入某一指数证券的同时， 卖出另一种指数类证券； 也可以买入某一时期的指数产品（通常是期货）的同时， 卖出另一时期的指数产品。对冲基金还有一种指数套利的方法。这种做法是， 根据某一市场指数构成的股票成分， 买入一揽子成分股票的同时， 卖出或卖空该指数期货， 以构成对冲系统风险的投资结构。在这种投资组合里， 买入的成份公司股票， 通常是那些基金经理认为被市场低估的股票。
股利追逐（dividend capture）， 严格意义上讲， 股利追逐的投资组合并不是标准的多空头股票套利， 但是， 由于这种单边投资的时间非常短暂， 人们通常也将其近似地归类为多空头股票套利。
股票价格反映地是预期股利的时间价值， 因此理论上股利发放前后的股价都应该一致地反映这种时间价值关系。通常， 股利的发放一般遵循这样的程序： 在较早的时间公布分红除权日（the ex-dividend date）， 在除权日的稍后时间根据除权日的股东名册实行红利发放， 这一时间通常称之为红利发放日（the dividend payment date）。由于各投资者的所得税率不一（例如在美国， 普通投资者的所得税率为35%， 而养老金和捐赠基金的所得税率为零； 而离岸基金的所得税率几乎都是零。）， 使得即将分红派息的股票的价格在除息日临近的时的价格下降的幅度大于除息价和税后利息之和。如此， 对冲基金便可以在除息日买入该公司股票， 待次日开盘后不久抛出。这样的隔日交易就构成了对冲基金的股利追逐套利。
这一类对冲基金一般专注于某一地区的股票， 比如欧洲市场或者美国市场的股票； 有的则选择专注投资于某一行业， 比如IT产业， 或者金融服务产业的股票。多空头股票对冲基金投资组合的股票的行业和地区集中度通常都比其他对冲基金要高。
四、 多空头股票投资组合风险敞口的特点
多空头股票对冲基金构建投资组合主要投资特点为： 在某一类股票群当中找出失衡的比价关系， 买入比价偏低的股票， 卖空比价偏高的股票。
尽管在决定卖空数量的过程中， 基金经理的却需要根据贝塔（β）系数的大小决定其对冲比例， 但是， 多空头对冲基金并不刻意保持其投资组合的零风险敞口， 而是根据市场的整体走势， 适度保持其投资组合的风险敞口， 即：
在整体市场走势呈上扬态势时， 尽可能使其投资组合保持净多头风险敞口， 以便在未来股票市场整体趋势上升时获得多头盈利； 如果市场下跌， 对冲基金将要承受一定的损失。
在整体市场趋势呈下降态势时， 尽可能使其投资组合保持净空头风险敞口， 以便在未来股票市场整体趋势下跌时获得空头盈利。当市场上升， 对冲基金将要承受一定的系统风险。[4]
由于没有完全对冲股票市场的系统风险， 显然， 多空头股票对冲基金的风险敞口要大于股票市场中性对冲基金。但是， 由于此类对冲基金仍然有相当比例的风险对冲， 总的来说， 这种基金还是属于低风险敞口。
五、 实证分析及结果
在分析过程中所运用的主要指标体系包括收益率分析、 收益率分布特征分析和相关性数据分析三大类。以下， 以多股票对冲基金全行业数据序列数据分析为例来陈述本文的主要分析方法。
（二）收益率分布特征
绝大多数金融投资领域的学者们认为， 仅仅收益率和标准差指标并不能准确、 全面的反映投资组合的风险和收益特征。为了更精准地反映对冲基金收益和风险特征， 通常的做法是对投资组合的收益率分布的多次幂特征数值进行逐步计算。[6]95-101
均值（Mean）， 反映的是投资收益率的算术平均数； 方差（Variance）， 表示的是样本数据平均偏离其均值的程度； 偏度（Skewness）， 反映的是样本收益率分布是偏离其均值的左边， 还是右边。如果偏度数值为负值， 表明样本收益率在均值左边， 即小于均值的几率更大； 如果偏度数值为正值， 表明样本收益率落在均值的右边， 即大于均值的几率更大。毫无疑问， 投资者欢迎偏度大于零的投资组合， 拒绝偏度小于零的投资组合。
（三）与股票、 债券市场收益率的相关关系
通过对历史收益率的分布特征的分析， 能够发现对冲基金和股票市场走势， 和债券市场走势的差异性， 同时， 还可以发现这种时间序列的分布与正态分布的差异性。但是， 对冲基金和所有投资者一样， 都是投资于股票， 债券， 其他固定收益证券及相应的衍生工具， [8]股票市场和债券等固定收益市场的变动肯定在一定程度上影响着对冲基金的变动。为了测度这些变量之间联动变化的关联性， 本文选用了以下几项金融市场分析指标。
1. 24个月滚动相关系数
下图反映的是多空头股票对冲基金收益率与股票、 债券市场指数收益率的滚动相关系数的关系。
通过图5， 可以发现， 多空头股票对冲基金的收益率和股票市场的走势具有稳定的正相关性， 其相关系数的变动值最低为0.18， 出现在1996年下半年， 正是全球金融市场比较稳定的时期； 最高为0.83， 出现在俄罗斯国债危机和长期资本管理公司崩盘期间， 国际金融市场最为动荡的时期。另一次高度相关性时期出现在2005年下半年， 正是全球石油价格疯涨时段。我们基本可以初步做出这样的结论： 股票市场越动荡， 对冲基金和股市的相关性就越大。[9]
六、 结论
根据以上分析， 本文得出以下结论：
多空头股票投资组合具有低风险敞口的特点。这种套利属于最典型的套利方式， 对冲基金在股票市场买入的多头和卖出的空头数量进行对冲， 尽可能使投资组合的风险敞口为零。
在整体市场走势比较明确的市场， 很多对冲基金并不介意适度的风险敞口， 因此， 他们在构建投资组合时不一定要保持零风险敞口， 而是适当保持多空头相抵后净多头或者净空头。很可能是， 在牛市保持一定的多头敞口， 即多头头寸大于空头， 以期在牛市获得更大的盈利； 在熊市保持一定的空头敞口， 即多头头寸小于空头， 以期在下跌的熊市获得更大的盈利。
多空头股票对冲基金全行业平均收益率高于代表传统投资工具的标准普尔指数和全球债券指数收益率； 多空头股票对冲基金收益率的时间序列不服从正态分布， 其三维和四维的分布特征表明其历史收益率虽然出现异常波动的概率较低， 但一旦出现， 损失很大； 多空头股票对冲基金收益率与传统投资工具的股票、 债券市场收益率之间没有明显的相关性， 多空头股票对冲基金能够抵御市场系统风险， 在上涨和下跌的市场条件下都能够获得绝对收益。
从风险、 收益这两个方面分析， 多空头股票对冲基金是很有成效的一种投资策略。多空头股票对冲基金的整体表现好于股票市场指数和债券市场指数的表现， 对冲基金并不比传统投资工具更“危险”。
参考文献：
[1]陈舜， 刘东辉.刻意卖空投资策略在对冲基金中的运用及投资收益对比分析[J].南方金融， 2009（8）： 57-60.
[2]陈舜， 邱三发， 凌洪.对冲基金风险收益特征的实证分析[J].财经科学， 2006（9）： 21-28.
[3]Edward I Altman.Distressed Securities： Analyzing and Evaluating Market Potential and Investment Risk[M]. Maryland， USA： Beard Books， 1999.
[4]易纲， 赵晓， 江慧琴.对冲基金， 金融风险与加强监管[J].国际经济评论， 1999（1）： 16-23.
[5]Manju Punia Chopra.Persistence & Survivorship Bias in Mutual Funds： An Indian Experience[M].Saarbrucken， Germany： LAP Lambert Academic Publishing AG & Co KG， 2012.
[6]Andrew W Lo .Hedge Funds： An Analytic Perspective[M].New Jersey， USA： Princeton University Press， 2010.
[7]宋磊， 严明.基金： 国际优价飙升的始作俑者？[M].国际石油经济， 2005（4）： 7-10.
篇9
四种投资组合收益比较
然而实际情况真的如此吗?
举例来说，如果有人在2000年1月1日投资10万美元，购买追踪标准普尔500指数的先锋指数基金，那么，到2009年12月中旬，他可以得到89072美元。扣除通货膨胀因素的影响，他实际可以得到的收益为69114美元当然，这只是一种假设，并不是很多美国人真实的投资情况。
一般来说，人们并不会将所有的钱投入一种资产，然后什么也不做，只是耐心地等上10年。实际上，人们总是喜欢购买各种股票和债券，也许还有其他的投资品种。一个人如果进行的是美国和美国以外股市的投资组合，比如在2000年初将50000美元购买投资范围更为广泛的先锋美国整体股票市场指数基金(Vanguard Total Stock Marketindex Fund，代号VTSMX)，同时将另50000美元投资于美国以外的市场，如投资于先锋全球股票市场指数基金(vanguard Total In―temational Stock Index Fund)。
截至2009年12月中旬，这100000美元就增长到了109334美元。而扣除通货膨胀因素后，实际只剩下了84921美元，仍相当糟糕!但尽管如此，它却表明进行投资组合，选择多样化股票投资的重要性。
现在再来比较另一种情况。如果进行“股债组合”，将50％的钱投资于债券，情况又是如何呢?如果在2000年初分别将25000美元投资于美国国内和国际股票型基金，余下的50000美元投资于先锋整体债券市场指数基金(vanguard Total Bond Mar-ket Index Fund)，同样到2009年12月中旬，他可以得到145619美元(扣除通胀等因素，以2000年美元币值计，则为112971美元)这是那些将50％的钱放进股票投资组合的激进风格的退休者可能遇到的情况
而对于目前还在职场上打拼仍没有到退休年龄的人们来说，往往是在整个10年中不断地加钱到投资组合中。比方说，同样的10万美元，同样按照上面“25％美国股市，25％国际股市／50％债券市场”这样的投资组合方案来进行。只要每个月增加1000美元投资，然后每年年底重新调整账户，以使得每个新的年度开始时账户中仍保持25％／25％／50％的投资比例。结果如何呢?到了2010年1月，将获得313747美元(扣除通胀等因素，以2000年1月美元币值计，为260102美元)。根本不可能是“损失的十年”。
事实上，对于美国投资者来说，扣除通胀因素的收益，这并不是最悲惨的10年。尤其是那些拥有低成本、多元化的投资组合，并且不断地调整它，完全有可能收益颇丰。
正确看待指数表现的统计
不要相信美国媒体上充斥的“危言耸听”。如果用正确的方法对指数表现进行统计，我们会发现金融市场表现远没有那么惨。
虽然道琼斯、标准普尔500指数和纳斯达克指数已经成为大家认可的衡量市场表现的标准。但这些指数只记录股票升值带来的收益部分，它们完全忽略了股票分红的那部分收益。对于标准普尔500指数来说，这部分带来的年收益超过2％。听上去这可能并不多，但是长期的复合分红收益数额能超过总收益的一半。此外，这些指数本身就滤除了大量的股票。道琼斯只是30只大股票的集合，以技术股为主的纳斯达克仅包括美国股票市场20％的股票。即使是标准普尔500指数，也仅代表了美国市场80％的股票，忽略了上千的中等市值和小市值的公司股票。这些指数还都忽略了总体上大于美国股票市场的国际股票市场。
一般来说，人们的投资组合中大多会包含固定收益证券和股票。仅用组合的一部分去衡量过去10年市场的表现，得出的结论犹如拿整个苹果和橘子的一小部分比较一样，结果自然不可靠。
所以，尽管投资者度过了一个并不愉快的10年，但这也并不是大灾难的10年。比如以先锋美国整体股票市场指数基金来计算，美国股市基本上是盈亏相抵。国际股票市场则表现要较好些，以先锋整体国际股票指数基金计算，年增长率为2.3％，整体增长了26％。而以先锋整体债券指数基金计算，债券10年中的表现则相当不错，年增长率达6.2％，10年整体增长了83％。这些数字既考虑了指数收益和相关股票的分红，也减去基金费率。换句话说，这些数据反映了投资者的实际收益。
此外，10年的起始点从什么时候开始计算也大有讲究。不幸的是，21世纪的第一个10年有些特别，正好是从一个价值被严重高估的时刻开始的。根据耶鲁大学经济学家罗伯特・席勒的数据，2000年1月时，10年标准普尔500指数的市盈率高达43.77，离历史最高点只差1个月。因此可以说，大多数认为“损失的10年”的众多亲身经历，其实仅仅是时间上巧合的结果而已。
新十年如何增加赚钱机会
现在，新的十年又开启了。怎样才能增加赚钱的机会呢?
篇10
Alpha策略最初的理论基础是套期保值，是由美国经济学家H.working提出的，随后股指期货的面市，量化研究便激发了人们浓厚的兴趣。传统的资产管理者理念的哲学基础大部分为追求收益风险平衡，然而平均市场收益与超额收益又很难达到绝对的均衡，因此将超额收益也即Alpha分离出来，建立起基于Alpha策略的量化投资，有助于指导投资实践。
1 Alpha策略在量化投资中的应用意义
量化投资指的是以现代计算机技术为依托，通过建立科学的数学模型，在充分掌握投资环境的基础上践行投资策略，达到预期的投资效果。采用量化投资方式的优点包括其具有相当严格的纪律性、系统性，并且对投资分析更加准确与及时，同时还具有分散化的特点，这使得策略的实施过程更加的机动灵活。量化投资过程使用的具体策略通常有量化选股、量化择时、统计套利、高频交易等，每一种策略在应用过程各有千秋，而Alpha策略属于量化选股的范畴。传统的定性投资也是投资人基于一种投资理念或者投资策略来完成整个投资活动的，最终的目的是要获得市场的占有率，并从中取得丰厚的利润。从这个角度来衡量，量化投资与传统投资的本质并无多大差别。唯一不同的是量化投资对信息处理方式上和传统定性投资有着很大的差异性，它是基于现代信息技术、统计学和现代金融工程理论的基础上完成对各类数据信息的高效处理，在对信息处理的速度、广度上是传统定性投资无法比拟的。在对投资风险的控制方面也具有很大的优势，是国际投资界兴起的新型投资理念和应用方法，也在日益成为机构投资者和个人投资者共同选用的有效投资方案。现阶段量化投资的技术支撑和理论建设的基础包括人工智能技术、数据挖掘、支持向量机、分形理论等，这些现代信息处理与数据统计方式为量化投资的可操作性提供了坚实的基础。
Alpha策略在量化投资中的使用优点主要是对投资指数所具有的价值分析与评定。它不是依赖于对大盘的走向变化或者不同股票组合策略趋势的分析，对投资价值的科学分析与合理评估更能吸引投资者的目光。Alpha策略重视对冲系统风险所获得的绝对收益，在股票投资市场上是一种中性的投资方式，具体的程序有选择资产、对资产的优化组合、建立具体组合方式、定期进行调整。为了促进该策略在投资市场中获得良好的收益，就必须先要重视优秀的选股策略，其次是重视期货对冲平均市场收益的时候所产生的风险控制问题。对冲系统风险时，若是能够及时地对投资组合与相关的股指期货的平均市场收益指进行精准地判定和预测，那么将会对整个投资行为产生积极的影响。
2 基于Alpha策略的量化投资具体策略和实践方法
通常情况下，Alpha策略所获得的实际收益并不是一成不变的，这与该策略本身的特定有关，具体表现在周期性与时变性上。
Alpha策略的时变性主要是指当时间产生变化时，超额收益也会随之而改变。需要清除的是Alpha反映的就是上市公司超越市场的预期收益，因此属于公司资产未来估值预期的范畴，所以上市公司自身所处的发展阶段和发展环境不同，那么就会给Alpha带来影响。由于时变性的特点，这就给策略的具体估计模型的设立带来了更多不可确定的因素，为此，参照对Alpha满足不同动态假设的理论基础，建立起一个可以获得不同种类估算的模型，同时假定在同一个时间范围内，超额收益和市场平均收益都保持恒定不变，这就极大地简化了计算的过程与步骤。也就是说在该段时间内，市场上股票投资组合基本面不会有太大的变化与波动，这就与实际的投资状况基本达成一致。对于投资策略的调整则要根据上市公司重大事项发生情况而定，那么估算的时间单位周期可以采用每日或者每周估算，对每一个季度的历史数据进行调整也可以作为一种调整方式，反映公司季度行情。对于具体证券而言，采用季度或者每周的调整频率则不是最为理想的，还要针对公司情况与市场行情综合调整。
Alpha的周期性特点在交替出现的正负号上最为突出，导致这一情况产生的原因主要是行业的周期性特征与套利效应共同造成的。具体而言，首先不同类型的证券分别属于不同的行业所有，当行业处于景气周期循环状态下会影响Alpha的符号与大小，同时景气程度的深与浅也会对此产生影响。其次一个股票组合产生非常大的超额收益情况下，市场中的其他机构投资者或者个人投资者就会不断地参与到该组合的投资中来，最后会导致Alpha逐渐接近于零。因此在建立不同策略的组合方面，要针对每一个季度的具体情况和波动率，进行综合性地评价与分析，并及时地做出必要的调整，以便最大限度地获得市场收益。
量化投资中的Alpha策略并不是一种单一类型的策略，不同的策略都在寻求获得超额收益的市场机会和可能性。现阶段市场上采用的Alpha策略主要有多因子选股策略、动量策略或者反转策略、波动性策略、行业轮动策略、行为偏差策略等，每一种策略在具体实施过程中都有其特征性，并且可以相互结合使用，发挥出综合预测和评价的作用。
多因子选股策略是必要和常用的选股方式，最大的优势是可以将不同种类和模块的信息进行高效化综合分析与评价后，确定一个选股最佳方案，从而对投资行为进行指导。该种选股策略的模型在建立方面比较容易，是量化投资中的常用方式。同时多因子模型对反映市场动向方面而言具有一定的稳定和可靠性，这是因为所选取的衡量因子中，总有一些可以把握住市场发展行情的特征，从而体现其本来就有的参考价值。所以在量化投资过程中，很多投资者都使用多因子模型对其投资行为进行评估，无论是机构投资者或者是个人投资者，都能够从中受益。多因子选股策略模型的建立重点在于对因子的剔除和选择上，并要合理判断如何发挥每一个因子的作用，做出综合性的评定。
动量策略的投资方式主要是根据价格动量、收益动量的预期与评定，对股票的投资进行相应的调整，尤其是针对本身具有价格动量的股票，或者分析师对股票的收益已经给予一定评级的股票，动量策略的应用效果会比较理想。在股票的持有期限内，某一只股票在或者股票投资的组合在上一段时间内的表现均佳，那么则可以判断在下一段时间内也会具有同样的理想表现，这就是动量效应的评价依据，从而对投资者的行为起到一定的影响作用。反转策略和动量策略恰好相反，是指某一只股票或者股票投资组合在上一段时间内表现很不理想，然而在下一个时期反而会有突出的表现，这也给投资者带来了一线希望，并对影响到下一步的投资策略的制定。
波动性策略也是Alpha策略的一种方式，主要是利用对市场中的各股运动和发展状态的细致观察与理智分析后，列出一些具有相当大的波动性的股票，同时这些股票的收益相关性也比较低，对此加以动态化的调整和规划，从而逐渐获得超额收益的过程。在一些多因子选股策略中也有机构投资者或者个人投资者将股票具有的波动性作为考察与评价因子之一，波动性策略经常和其他策略相结合来评价，这说明股票投资市场本身就具有一定的波动性，因此在投资过程中要慎重对待。
篇11
收录日期：2016年3月3日
一、引言
从已有文献对价值成长投资策略的含义描述来看，其是一种融合价值和成长性两个因素的投资理念。越来越多的投资者在股神巴菲特、投资大师彼得林奇的影响下坚定不移地信奉价值投资成长策略。于是本文在研究国内外文献的基础上对价值成长投资策略的研究现状进行综述。
二、价值投资策略的有效性
很多学者通过实证分析检验发现不管在欧美成熟股票市场还是在新加坡、中国等亚洲新兴股票市场，运用价值投资策略选出的价值股都能获得超额收益。
（一）国外关于价值投资策略有效性的研究。国外最早采用具体估值指标对价值投资策略进行实证分析的是Basu（1977），他采用了市盈率（P/E）指标，选取了美国股市1957年4月至1971年3月的公司数据，构建了高低市盈率组合，研究结果表明低P/E的股票组合投资收益明显高于高P/E股票投资组合，就算将绩效测度偏差因素考虑在内，这个结果也是成立的，市盈率指标效应由此诞生。这一实证结果更加证明了价值投资的价值性。Lakonishok、Shleifer和Vishny（1994）对纳斯达克和美国证券交易所的股票进行了研究，他们将股票分为价值股和成长股两类组合，通过5年数据的分析，他们发现价值股的平均收益率为19.8%，明显高于成长股组合平均收益率（9.3%）。Fama和French（1997）用B/M、C/P、E/P、D/P作为估值指标构造价值投资组合及成长股投资组合，通过实证分析对发达国家的成熟市场和一些国家的新兴市场都进行了验证。在13个成熟股市中有12个股市的价值股投资组合收益率超过了成长股投资组合，其中B/M和C/P组合取得的投资收益率最高。以E/P将股票分类，在16个新兴市场中有10个股市发现了超额收益率，虽然超额收益率较小仅有4%，但这是因为新兴市场收益率波动较大，而且样本时间跨度较短。
（二）国内关于价值投资策略有效性的研究。虽然我国股市只有20多年的发展历程，但是价值投资策略在我国股市应用也比较广泛，很多学者也通过实证分析证明了价值投资策略在我国股市是适用的、有效的。王永宏和赵学军（2001）通过实证分析分别对价值投资策略和动量投资策略在我国证券市场上的有效性进行了对比分析，实证结果表明通过价值投资策略筛选出的股票后期表现都比较好，说明了价值投资策略同样适用于我国证券市场。王艳春和欧阳令南（2003）利用市净率指标将样本股票进行分组，通过实证分析，证明了低市净率即价值股的投资收益率跑赢了高市净率股票，证明了价值投资策略在中国的有效性。陈祺（2013）采用了5种财务指标：市盈率、市净率、市现率、收入增长率以及ROE来构建价值投资组合和成长组合，实证结果显示市净率和市现率两个指标构建的投资组合存在明显的超额收益。他还证明了在成长、稳定、金融和消费四个板块中价值投资策略都有效可行。
三、价值投资策略中估值指标的选取
国内外学者在研究价值投资策略时，不管是用统计分析或者构建模型，都运用到了最基本的指标分析，但这些指标都不尽相同。
一些学者仅运用市盈率、市净率、市销率等单一指标作为选股依据。比如：Fuller（1992）选取了1973～1990年的美国上市公司的数据，实证分析得出市盈率与公司销售业绩成正比，即高市盈率的股票，公司的经营业绩较好；反之，低市盈率的股票，公司的经营业绩较差。蔡飞（2008）通过对A股市场2000～2003年上市公司的实证分析，认为低市销率的股票显示出较强的市场表现，市销率越低，超额涨幅越大，而且低市销率的股票组合的市场表现超过了市场上的平均水平。特别是在牛市中，低市销率的优势更明显，而熊市却不明显。同时，选择低市盈率的比选择低市销率的有价证券组合更能带来稳定的收入；在采用低市销率策略时，所选的公司规模越小，收益越不稳定。
还有一些学者认为单一指标作为选股依据难免有失偏颇，他们同时选取了几个指标，并构成价值投资组合，以此来验证价值投资策略的有效性。如：杜惠芬、平仕涛（2005）在文中指出单一利用市盈率或市销率作为选股指标并不完善。文章运用实证检验方法，证明低市销率和低市盈率相结合的选股指标体系，可以获得明显的超额收益，因此“双低”策略是基于目前中国股市特点的、比较适合的选股指标体系。顾纪生、朱玲（2012）指出目前的相关分析指标无法全面且深刻地揭示上市公司投资价值，即便ROE也是如此。笔者在文中提出股票化率和市销率可以而且应该成为研判其宏、微观价值的两大核心指标，也是对现有分析指标的必要补充。
四、成长性投资策略指标选取
传统的衡量一家公司成长性的指标通常有毛利率、主营业务收入增长率、净利润增长率等，很多学者在研究公司成长性时，选取的指标也不尽相同。
陈晓红、佘坚和邹湘娟（2006）把中小上市公司作为研究对象，通过建立成长性评价体系，其中包括净利润增长率、主营业务收入增长率和总资产收益率、净资产收益率等12个指标，分别采用突变级数法和灰色关联度分析法对公司成长性进行评价，通过对比分析，认为两种方法各有千秋。余岚（2009）在《成长型股票的选择方法及投资策略》中选取了预估市盈率与历史市盈率、销售收入增长率、净资产收益率以及股价/现金流量比这4个指标来衡量公司的成长性。同时，她在文中指出成长型股票与其他股票的显著差别就在于主营业务收入和盈余成长率必须明显高于行业平均水平。张显峰（2013）在研究上市公司价值评估时认为度量公司的成长能力主要是通过增长率指标来衡量，主要包括主营业务收入增长率和净利润增长率指标。
五、结语
通过归纳整理后，本文得出以下现有研究结论：（1）明确了价值投资的有效性，价值投资策略不仅适用于国外成熟市场，同时也适用于包括我国股市在内的亚洲新兴市场；（2）价值投资策略的有效选股指标有很多，如市盈率、市净率、市销率、市现率等；（3）成长投资策略的有效选股指标有很多，如毛利率、主营业务收入增长率、净利润增长率等。在前人研究的基础上，相信在采用价值成长投资策略选股时，定能帮助投资者获得超额收益。
主要参考文献：
[1]Basu.S.Investment Performance of Common Stocks In Relation To Their Price Earnings Rations：A Test of The Efficient Market Hypothesis[J].Journal of Finance，1977.32.
[2]Fama，E.and K.French.The Cross-Section of Expected Stock Returns[J].Journal of Finance，1992.47.
[3]王永宏，赵学军.中国股市“惯性策略”和“反转策略”的实证分析[J].经济研究，2001.6.3.
[4]王艳春，欧阳令南.价值投资与中国股市的可行性分析[J].财经科学，2004.1.
[5]陈祺.中国股市价值投资策略的绩效研究[D].复旦大学，2013.4.1.
[6]蔡飞.市销率指标在股票投资决策中的应用[J].财会月刊（综合），2008.2.
[7]杜惠芬，平仕涛.在A股市场使用市销率系列指标的实证分析[J].中央财经大学学报，2005.10.
篇12
拟任基金经理梁洪昀，CFA，有6年证券基金从业经验。未曾担任过基金经理，但有与指数基金相关的研究经验，现任公司研究部副总监。预计该基金与市场同类沪深300基金相比，业绩差别不会很大。
诺安中证100 综合评价
该基金实施被动式投资。与主动式投资相比较，被动式投资有着运营成本较低、投资透明化等优点。基金秉承被动式投资理念，以跟踪中证100指数为投资原则，通过投资于同时具备较强市值代表性、较高流动性以及大盘蓝筹等特征的中证100指数成份股，力求获得该指数所代表的中国证券市场的平均收益，使投资者可以分享中国经济的长期增长成果。
诺安基金公司成立于2003年12月，截止到2009年6月，其管理的资产总规模已经超过470亿，目前公司管理8只开放式基金，产品线较为丰富，而诺安中证100是其发行的首只指数型基金。
信达中小盘 综合评价
篇13
那么，该基金是如何挑选“物美价廉”的股票呢?金元比联价值增长基金将采取“自下而上”、“四重过滤”的方法构建股票组合。首先，会采取模型识别法对所有股票的估值与成长前景进行数量化扫描，形成可投资股票集合，构成本基金股票一级库。其次，对股票一级库中的所有股票进行流动性筛选，形成本基金股票二级库。接下来，对入选的上市公司进行实地调研，剔除“伪成长”的上市公司，甄别具有真正成长潜力的“明星公司”，从而构成本基金股票三级库。最后，通过估值考量，选择价值被低估的上市公司，形成优中选优的股票组合。金元比联价值增长基金的股票配置比例为60％-95％，债券、现金等资产配置比例为5％-40％。
该基金的拟任基金经理将由曾经管理过5星级基金的万文俊先生亲自执掌，他同时也是金元比联基金公司的投资副总监，具有11年证券从业经历。目前由他担任基金经理的金元比联成长动力基金，自2008年9月成立至今的累计净值增长率已超过40％，业绩在同年成立的混合型基金中名列前茅；今年以来已经实现两次分红，每10份基金份额累计派发红利1.3元。
国联安主题
综合评价
国联安是中国首家获准筹建的中外合资基金管理公司。其背后的大股东是国泰君安证券和德国安联集团，具有强大的投研能力。国联安主题驱动基金计划运用主题驱动投资策略，前瞻性把握各主题板块轮动的机会。基金经理陈苏桥，为国联安公司研究部总监，同时担任德盛优势基金经理，有超过10年的投研经历，经验较为丰富。
万家稳增C／A
综合评价
万家稳健增利是一只债券型基金，不参与二级市场股票买卖，仅从一级市场进行新股申购，属于打新类债基。这有助于控制来自股市风险的同时提升其收益。目前来看，该基金公司在债券型基金的运作上还是比较成功的。基金经理张旭伟为该基金公司的管理部副总监，万家增强收益和万家货币的基金经理，投资经验较为丰富，以往管理业绩较为突出。
该基金管理人在充分研究宏观市场形势以及微观市场主体的基础上，采取积极主动地投资管理策略，通过定性与定量分析，对利率变化趋势、债券收益率曲线移动方向、信用利差等影响债券价格的因素进行评估，对不同投资品种运用不同的投资策略，并充分利用市场的非有效性，把握各类套利的机会。
博时策略
综合评价
博时策略是1只开放式基金，其股票投资比例为基金资产的30％-80％，可灵活配置股票资产，即股市处于较低风险区域时增加股票投资，力求在股市走高时赢取收益。博时策略采用“价值+成长”的均衡配置理念，在不同经济阶段，动态调整成长股和价值股的投资比例。实践证明，价值、成长风格突出的资产可以获得较高收益，而价值、成长的混合则可降低单一风格带来的风险，实现基金资产的长期稳健增值。
博时策略由周立和张勇共同管理，前者兼任裕阳封闭式基金经理，后者兼任博时现金基金经理，两人在股票资产和固定收益资产的管理上业绩突出。
上证央企50ETF
综合评价
工银瑞信基金是国内首只跟踪上证央企指数的主题ETF，即按照标的指数的成份股票的构成及其权重构建
基金股票投资组合，并根据标的指数成份股票及其权重的变动进行相应调整。上证中央企业50指数的成份股覆盖金融、地产、化工、黑色金属、采掘、交通运输等行业，且均为央企或央企控股的上市公司，资本规模大，实力雄厚，得到国家产业政策支持，具有一定的资源垄断性或者自然垄断性，而未来央企并购、重组、资产注入还将带来更为广阔的投资空间。
嘉实回报
综合评价
这是一只混合型基金，股票投资比例为30％-80％。基金定位于低风险低收益品种，这与其业绩比较基准为一年定期存款利率相一致。该基金公司历来非常重视对旗下产品线的建设，嘉实回报作为混合型基金中的低风险低收益品种，进一步完善了嘉实基金公司的产品线。
