时间:2023-06-30 09:23:13
绪论:在寻找写作灵感吗?爱发表网为您精选了8篇量化策略投资分析,愿这些内容能够启迪您的思维,激发您的创作热情,欢迎您的阅读与分享!
在聂夫执掌的31年间,温莎基金的总投资回报率为55.46倍,平均年复合回报率达13.7%,这个纪录在基金史上尚无人能与其媲美。
在退休前,聂夫还一直兼任威灵顿管理公司的副总裁和经营合伙人。聂夫的成功之道,并不在于使用了高深的投资技巧及数学模型,而是广为人知的低市盈率投资法。
对于A股市场的投资者,聂夫的投资之道完全可以复制,因为低市盈率投资法很容易做到量化选股,而且回溯检验的结果相当不错。
我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验,结果表明,聂夫之道在A股市场可以取得44.12%的年化复合收益率,而同期沪深300指数的年化复合收益率只有13.86%,聂夫之道投资法的年化超额收益达到30.26个百分点。
在24个分季度检验区间中,“聂夫之道”跑赢沪深300指数的次数达到16个,占比为66.67%,单季最高超额收益达到56.77个百分点;在8个超额收益为负的检验区间中,单季最高超额负收益只有10.69个百分点。
此外,我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中,排名第一的是华夏大盘精选,有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金,直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到12.49元。
作为比较,“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549.70%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到16.49元。
如果“聂夫之道”是一只基金,那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金;此外,与包括开放式和封闭式在内的全部公募基金相比,“聂夫之道”还有一个非常明显的优点,即投资者可以根据自己的决定在任何期间买入和卖出。
7月17日-7月23日的五个交易日中,根据Wind统计,在其所覆盖的券商研究报告中,对沪深300指数的300家成份股公司,业绩调升22家,调降28家。
过去一个月,沪深300指数成份股业绩调升73家,调降120家。
截至7月23日收盘,沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.1,按照总市值从大到小分为5个区间,同样按照上述方法计算的市盈率平均值分别为6.92、14.36、16.5、17.35、18.19。
相比一周前(7月16日),沪深300指数成份股预测总利润减少0.02%,由19630亿元变为19627亿元;市盈率平均值减少1.48%,由8.22变为8.10。
相比一个月前(6月23日),沪深300指数成份股预测总利润减少0.26%,由19678亿元变为19627亿元;市盈率平均值减少1.33%,由8.21变为8.10。
截至7月23日,过去一周(2013年报告期)每股收益预测上升和下降前10名、过去一周(2013年报告期)评级上升和下降前10名分别如左侧表格所示。
截至7月16日,过去一个月(2013年报告期)每股收益预测上升和下降前10名、过去一个月(2013年报告期)评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分,分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。
创一年新高(新低)股票概况
7.18-7.24期间,共计270只股票创一年新高,创新高个股数量位列前三位的行业(申万一级行业分类)分别是信息服务(75只)、机械设备(36只)、医药生物(36只)。上述股票的加权平均市盈率(2012年年报)为59.55,加权平均市净率(2012年年报)为5.36,期间最高股价的平均值为21.61元。
7.18-7.24期间,共计52只股票创一年新低,创新低个股数量位列前三位的行业(申万一级行业分类)分别是采掘(10只)、交通运输(6只)、建筑建材(4只)。上述股票的加权平均市盈率(2012年年报)为13.81,加权平均市净率(2012年年报)为1.44,期间最低股价的平均值为7.71元。
本期创新高股票的总市值为22524亿元,创新低股票的总市值为9540亿元,两者之比为2.36:1。
胜券投资分析
第41期回顾
牛股通常具有相似的特征,也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面:
首先,牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式,经过历史回顾检验,牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面,而优异的基本面往往是支撑其股价不断上涨的动力。
其次,发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现,胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。
第三,牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业(002262.SZ)和上海家化(600315.SH)等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高;在年底大盘回暖后再创佳绩。当然,这些股票也不是直线上涨的,在股价攀升的过程中不免有回调,此时正是对投资者心理的考验。胜券投资分析认为,对于基本面和政策面以及大盘都没有发生重大变化的个股发生回调时,投资者可以根据卖出止损策略操作并等待下一个投资时机的到来。
第四,在回暖的行情中不断的创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。
神奇公式的核心是“低价买入优质股票”,所选用的两个指标是投资回报率(ROTC)和收益率(EBIT/EV),其中投资回报率筛选出来的是“好公司”,收益率筛选出来的是“好价格”。
“好公司”主要是对上市公司的相关财务指标进行衡量,即以基本面为导向的分析,所选出的都是一些“质优”的公司,这个指标相对容易确定。
在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。
“好价格”的目标是“低价”股,但什么样的股价水平才算“低”呢?又该如何发现市场上被低估的股票呢?对此,以价值为导向的投资理论认为,低价是相对于企业的内在价值而言,但内在价值的确定又非常繁杂,神奇公式采用的是一种最便捷的方式,即观察股票的价格走势,通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。
在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。
神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”,而是寻找能够将上述两个因素进行最佳组合的公司,也就是“综合得分”占优的股票。
Abstract: The postgraduate course is the basic way to realize the goal of postgraduate education, the quality of postgraduate course will directly influence their scientific research ability and overall quality. Combined with teaching practice of postgraduate course of "Investment Analysis and Decision" for five years, the paper discussed practice and experience of the course orientation, the choice of teaching material and teaching teaching contents, exploration of teaching methods, network aided teaching application, curriculum assessment, so as to provide reference for the related courses.
关键词: 投资分析与决策;研究生教育;教学改革
Key words: Investment Analysis and Decision;postgraduate education;teaching reform
中图分类号:G643 文献标识码:A 文章编号:1006-4311(2013)02-0223-03
0 引言
研究生教育是大学本科教育后更高层次的研究型人才培养的阶段,肩负着为国家现代化建设培养高素质、高层次创造性人才的重任,对推动科技进步和经济社会发展具有不可替代的作用。伴随我国研究生教育进入高速发展的时期,如何提高研究生培养质量,保证研究生的培养数量和质量同步提升,成为高等教育界关注的热点问题。
课程教学是研究生培养的重要环节,它能帮助研究生掌握本学科坚实的理论基础、系统的专业知识,并为之后的科研工作奠定基础[1]。探索适宜的课程教学模式和教学方
法,提升研究生课堂教学的有效性是提高研究生培养质量的重要举措之一。本文基于近五年对研究生课程“投资分析与决策”所实施的教学改革实践的心得进行归纳和总结。
1 投资分析与决策课程定位
投资分析与决策是面向北京信息科技大学管理科学与工程、技术经济与管理专业开设的专业任选课。本课程的教学目的是使学生深刻理解投资领域的基本理论,掌握投资理论的精髓以及其应用策略。
通过本课程的学习,学生应在熟悉金融市场理论基础上,进一步了解证券投资等金融活动的数量规律,并能够运用常用的分析方法和工具,研究组合投资优化等金融投资决策问题。本课程的特色是将现代信息技术与金融领域的投资决策模型结合,运用信息化技术,指导学生处理金融数据,培养其建模能力和数据处理能力。
2 教材和教学内容的选择
研究生教学的最大特点在于学生的“高层次”与“多元化”[2]。高层次主要体现在研究生的知识积累和学习能力都比较高,对新知识的理解和消化吸收快。多元化主要体现在学生的构成方面,同一门课程可能有来自各个不同专业的学生同时选学,这种“高层次”与“多元化”的特点决定了研究生专业课的教学必须有足够的新意和广度,这是大大区别于本科生专业课教学的地方。
近5年来,在我校选修投资分析与决策课程的管理科学与工程、技术经济与管理专业的研究生中,普遍存在本科专业背景各异的现象,因而学生知识结构差异大,专业基础参差不齐。这对教学内容的选择带来了挑战。
如果教学内容定位于适用有经济、金融专业背景的高层次金融定量分析,跨学科专业的学生会面临专业障碍,若选讲适用非经济、金融专业背景的基础金融分析,则导致部分教学内容与本科生的教学内容重复,深度差距不大,在这种情况下,对专业基础扎实的研究生而言研究生阶段只是本科学制的一种延长,没有学到真正的知识,研究生自我发展的空间受到限制,与研究生的培养目标相背离。鉴于上述情况,为了使学生及时适应研究生阶段的学习,同时能实现从本科阶段到研究生阶段的质的飞跃,我们对教学内容安排做了适应性调整,以兼顾学生的专业差异。
2.1 教材选择 教材是教学内容的载体,是保证学科人才培养质量的基本材料。一本优秀的教材是进行教学的基本条件,也是教学质量的保障。在投资分析与决策课程教学中,我们选用了刘善存编著的《Excel在金融模型分析中的应用》作为本课程的主教材。该教材内容深浅适度,系统完整,条理清晰,结构编排合理。本教材的特色是将抽象的金融模型通过Excel的数据处理和图表形式来解释、验证和求解,内容安排符合教学计划要求,既能阐述金融理论核心思想,又能把金融问题与其数学表述和论证密切结合起来,把专业知识和数据处理工具和方法有机结合。
此外,我们还选用了benninga编著,邵建利等译的《财务金融建模-用Excel工具(第三版)》,zvi bodie编著的《投资学》作为辅教材,这两本教材均是作者多年从事相关研究的结晶,所涉专题较为全面,所涉文献较为宽广,具有明显的学术性与较好的启发性,且对于金融理论的进展和模型的推导阐述细致透彻。如遇主教材未能深入分析的专业知识,学生可自主选择辅教材的相应内容,来弥补专业知识的欠缺,这有益于排除跨专业学生的专业障碍,实现弹性教学。
2.2 教学内容选择 研究生的教学不同于本科生,教学内容不必完全拘泥于书本。在教学内容组织上,本课程以投资分析经典理论为核心,内容涵盖证券组合理论、资本市场理论、资本资产定价理论、期权定价理论、债券的久期理论和免疫策略等基本理论和基本方法。
研究生能够结合各自研究方向应用所学的金融理论和方法,分析和解决实际课题研究中的问题是我们的主要教学目标。因此,在教学内容处理上,注重金融理论与方法和现实金融决策问题的结合,强调现代金融模型应用,侧重Excel辅助金融建模和金融计算。如在投资组合理论专题下,不仅系统阐述现资组合理论的产生与发展,马可维兹均值方差模型的构建过程,还要讲解利用Microsoft Excel的矩阵运算、规划求解工具和VBA编程,实现基于金融市场真实数据的有效前沿的计算和绘制,并展示计算方差协方差矩阵的四种不同方式。这些方法和技巧,不仅有利于提高其数据处理能力,也为学生进一步学习其他应用软件提供借鉴。
3 投资分析与决策课程教学模式探索
传统教学是一种继承性、维持性教学,这种教学活动以知识传授和知识继承为主,尽管“填鸭式”教学在研究生阶段已不再明显,但传统教学仍未逾越“教师讲,学生记”、“知识的单向传导”等教学特征[3]。《投资分析与决策》课程教学中,突出教学科研结合,关注教学相长,培育创新性思维。
鉴于研究生已具备了一定的专业基础知识,因此,在课堂教学中,我们主要讲授大纲中要求学生掌握的基本内容、教学重点和教学难点等。在教学过程中,特别注意正确处理课程内容的基础性与先进性,经典内容与现代进展之间辨证关系,有效激发学生的学习兴趣,培养学生的创新思想。对于介绍性和概念性的内容,由学生按照教师提供的提纲和要求,利用课外时间进行自学,这样即提高了课堂教学效率,又有助于培养学生的自主学习能力。
由于研究生学位课程的学习是为即将从事的科研工作打基础,在研究生学位课程的教学中,必须要坚持教学与科研的紧密结合,把科研成果有机地融入教学过程。在课堂教学中,我们注意及时把握学科发展的前沿动态,引导研究生在最新知识领域开展专题讨论。专题讨论主要是结合课程教学内容和学科的前沿发展问题,从中浓缩出适合课堂教学与讨论的内容,采用文献检索、课堂讨论、课后实践相结合的方法进行的探讨式教学。
教师通过查阅与本专题相关的文献后提出问题,预先布置给学生进行研读。教师对相关知识进行概括分类后,在课堂上先做系统的讲授和导引,然后组织学生对内容进行研讨,必要时候通过一些实例进行验证。这样既拓展了教学内容,增大了教学容量,又能启发学生的创新思维,把创新能力培养贯穿于课程学习过程。
4 网络辅助教学手段的应用
随着信息技术和网络技术的不断发展,教育信息化已成为高等教育面临的重大课题和发展方向。越来越多的高等学校将网络辅助教学平台在校园网的基础上建设起来,并成功开展教学工作,网络辅助教学已经成为对高校传统教学模式良好的拓展与补充。所谓网络辅助教学是指将网络作为课堂教学活动的辅助手段来完成教学过程的教学模式[4],它不仅延续了计算机辅助教学中采用多媒体技术和交互技术等手段,更具有教学信息量大、时间的自主性和空间的开放性强、可供诸多用户共享优质教学资源等优点。
在研究生投资分析与决策课程教学中,我们就该课程的网络辅助教学模式进行了有益尝试和探索。由于北京信息科技大学教务处开发的网络教学平台目前主要面向本科生开放,研究生课程的开设受到管理接口的限制,我们仅利用了公共网络和课堂教学管理软件来实现网络教学资源共享和师生教学互动。最初,教学资源共享和师生间的学习交流,包括教学课件、讲义、课程通知、作业和答疑等都通过课程邮箱实现。这种方式虽然不受校园网IP地址的限制,为学生提供了灵活的学习时间和广泛的学习空间,但其课堂教学管理应用功能有限。
为强化课堂教学效果,我们尝试使用了windows远程桌面共享,保证学生在一人一机的实验室环境下,借助网络会议的方式,实时接收教师机传递的教学信息,同时学生也可在教师指导和安排下,进行操作演练和参与课堂讨论,即方便检验学生的学习效果,也可以有针对性地对学生提出的问题即时讲解。
考虑到windows远程桌面共享在教学文件传输和管理,课堂分组等管理功能弱化,我们后来又引入了凌波多媒体网络教室软件,利用研究生实验室现有的网络设施,利用该软件的屏幕广播、远程遥控、屏幕监视、文件等功能实现教师机对学生机的广播、监控等操作,强化教学过程的实时控制。多媒体网络教室能提供界面友好、形象直观的交互式学习环境,既能做到发挥教师的主导作用,又能充分体现学生的认知主体作用,把教师和学生两方面的主动性、积极性都调动起来,促进了师生之间的信息交流,资源共享和教学互动。
5 课程考核方式
课程考核是教学的有机组成部分,也是反映研究生课程教学效果的手段之一。合理的考核方式与学习水平的有效评价有助于调动学生学习的积极性。
通过5年多的研究生课程教学实践,结合投资分析与决策课程特点,我们采用了“课中作业+课终论文”的考核方式。这种方式不同于侧重理论推导为主的考核,注重金融决策模型设计、应用及金融数据处理,从而促使学生将主要精力放在使用投资理论和模型去解决实际问题上,有助于培养学生对学科知识的综合运用能力。
投资分析与决策课程偏重定量分析,课中作业一般根据金融理论专题下涉及的模型算法,要求学生完成小型案例分析,形成一个简要案例分析报告。如在期权定价理论中,涉及基于风险中性定价机制的单阶段及多阶段欧式期权定价和美式期权定价。针对该知识点,布置课中作业:使用给定的条件和参数,运用期权定价原理和方法测算欧式及美式看涨期权或看跌期权的价格,并对价格变动作因素分析。这些课中作业,有助于激发学生学习的主动性,且有利于巩固学生在课堂所学的知识。
课终论文采用与课中作业结合的办法,即要求学生以平时的专题讨论内容为基础撰写课终论文。考核论文内容来源于小作业,同时又是对前期专题研究的再认识和再生成。正是有了作业的研究基础,论文的质量才有所保证。如学生选择投资组合理论专题作为课终论文主题,则建议学生在中国证券市场选择不同行业的若干股票为分析对象,通过金融数据库查阅股票交易的相关数据,完成有卖空和无卖空条件下有效前沿的求解,并对分析结果进行评价,对理论应用的局限性结合实际问题做归纳和总结。
我们还鼓励学生结合自身研究方向选择切入点,建立金融模型,开展分析研究,提炼学术观点,形成规范化的学术论文,向学术期刊积极投稿。这种考核方式可以促使研究生较早进入科研角色,真正做到“学为所用”,将金融理论与实际经济、金融问题有机结合。
6 小结
《投资分析与决策》课程改革实践的目的在于使这门课程能够达到“教学思想现代化,教学方法科学化,教学过程最优化”的要求。通过一系列教学改革实践,优化了课程教学内容和教学方法,尝试使用了多种网络辅助教学手段,改善了考核方式,使改革后的课程体系更符合人才的培养目标,更具科学性和可操作性。教学实践的结果表明,课程的教学改革对提高研究生的创新能力与研究水平都有较大裨益。
当然,金融理论和量化分析技术的发展日新月异,在今后的课程教学中仍需不断改进和调整课程教学方案,以满足社会对研究生层次的金融人才的需求。
参考文献:
[1]李俊卿.提高课堂教学质量,培养大学生的创新能力[J].中国大学教学,2010(1):56-58.
[2]谢美华.探究式教学在研究生课程教学中的实践[J].高等教育研究学报,2011(2):61-63.
于静、陈工孟、孙彬(2008年)研究表明,最佳证券分析师荐股具有一个星期至三个月的投资价值,值得一提的是荐股一个月的投资价值尤其明显,而推荐的六个月和十二个月或者不能够战胜市场或者显著地弱于市场。所有开设证券投资学课程的学校都会重视学生投资能力的培养,都希望有学生能够在这一领域出类拔萃。经历了三年的教学,笔者尝试了各种方法提高学生的证券投资能力,也取得了一些成绩,希望这些探究对于学生证券投资能力的提高有帮助。
证券投资能力的提高不仅需要教师的合理安排,更加需要学生的兴趣、学生的投入、学生的实践操作和小结。传统的课程教学比较重视书本知识的传授,提高学生的推理能力,而证券投资能力的提高笔者认为需要理论和实践的结合,笔者经常采用以下措施。
一、重视奠定好专业知识基础,让学生能更好地分析宏观因素对证券的影响作用
一个人证券投资能力,主要体现在能够通过宏观因素、基本因素、相关模型的使用,合理选择证券的交易,能够在一定时期内投资收益高于大盘收益,风险可控。我国股市受宏观因素影响较大,宏观因素包括国内生产总值增幅率、失业率变化、通货膨胀率、货币供给增加量、产业周期阶段等因素,这些因素对证券的价格影响深远,所以定期关注国家产业政策和经济动态非常重要。所以,笔者一般都会要求学生花两周时间复习西方经济学和金融学,熟悉供求均衡原理、金融市场运行的原理、货币政策等重要知识,只有熟悉了这些专业知识,才能更好地分析宏观因素对证券的影响。
二、重视案例教学,激发学生学习兴趣
大学生精力充沛,能力也很强,是否能学好某些知识,笔者认为兴趣是关键。不论哪门课程,相关原理的推导、讲解都是比较枯燥的,要想生动起来很难,但是可以通过一些案例教学吸引学生。
比如,在讲K线理论的时候,学生对应K线组合也很有兴趣,但是几十种K线组合形态给出了,并分析特征的时候,就发现学生很疲倦,这时候笔者就给出具体股票的案例。广发证券(000776)2014年11月3日开始出现了K线形态的五连阳,并且伴随成交量分放大,基于技术分析我们可以推断后期上涨的可能性很大,果然后面是大幅度的上涨。通过一系列案例,既可以激发学生的学习兴趣,也可以让学生立即尝试到知识就是力量,知识就是金钱,相关案例的设计和引入效果显著。
三、重视学生的主体作用,让学生主动参与教学
学习的主体是学生,教师只是一个引导者,关键是要学生怎么在老师的引导下努力学习,“功夫”在课外,要求学生在课外用功学习以扩大自己的知识面。大学生参与课堂的意识远低于高中生参与意识,这两年笔者尝试通过分组的形式让学生主动参与课堂。
笔者把学生按每4个人一组分组,每堂课结束之后,结合当天的内容给其中一个小组分配任务,让这个小组围绕任务区制作10至15页的PPT,下堂课最后10分钟让这个小组派学生上讲台来介绍他们收集的知识点。这样不断循环,从而每个小组都有参与查找资料完成任务的机会,也能够上讲台介绍自己的成果,拓宽自己的知识面,使得学生主动参与教学。通过这种模式,笔者发现学生学习热情高了很多,学生动手操作能力也强了很多。如股票投资的过程中,什么价格买什么价格卖是个永恒的难题,黄金分割线理论就是一个不错的技巧,给学生讲强势回档与弱势反弹的判断原则、弱势回档与强势反弹的判断原则时,学生听起来感觉压力很大,那么,讲完理论之后和案例之后,笔者会要求学生每人找个符合上述原则的股票。
四、重视学生良好习惯的培养有利于提升证券投资能力
现在是互联网时代、大数据时代,信息量非常庞大,有些信息对你有价值,更多的是没有价值,如何获取有价值信息也十分重要。养成每天晚上花两个小时复盘经常关注的股票,浏览类似东方财富、和讯、中金在线这样的财经类网站的习惯,里面有许多信息。对于那些机构的推荐股票,参考价值不大,更多地可以认为是广告。每天都能坚持,至少你能保证一种对股票市场认识的连贯性,熟悉股票市场的热点,熟悉大事情对股市的影响,这样有利于你对股市宏观的认识。
养成投资股票时5个理由习惯,即当你选择一个股票时你能够找到利好这个股票的5个理由。尤其是做短线投资,更要选准股票,否则很容易被套。养成对技术分析经常巩固的好习惯,技术分析就是利用市场交易资料及相关信息(市场过去与现状的交易行为),应用数学或逻辑的方法,通过绘制和分析证券价格变化的动态趋势图表,或计算、分析有关交易指标,探索价格运行规律,从技术上对整个市场或个边证券价格的未来变动方向与程度(变动趋势)做出预测和判断的分析方法,逐渐熟悉至少三个技术指标的使用,比如RSI、KDJ指标等。鼓励学生形成自己的投资视野和开拓新的指标,技术分析是证券投资分析的重要理论,养成经常应用技术分析的习惯也是提高自身证券投资能力的有效途径。
五、重视学生实践能力的锻炼,理论和实践相结合才能更好地提升证券投资能力
学生在课堂上可以认真学习基本面分析,可以认真学习技术面分析,但是无法在课堂上熟悉所有证券投资的相关知识,必须要自己动手锻炼才能对一些知识有更加清晰的认识。于是,给学生创造实践机会非常重要。每一届学生,笔者都会在叩富网注册一个小组比赛,要求全部学生参加,按班级比赛的形式,对于成绩优秀的学生给予物资奖励和精神奖励,这样既激发了学生的参赛热情又可以让学生在实践中成长。学生通过比赛,对于股票的交易流程、如何设置成交价格、如何选择股票等一系列问题更加熟悉,当他们自己买到了涨停股时会很兴奋,当买到跌停股时会很沮丧,不论怎样都是成长的过程。除了笔者设置的班级比赛外,每个学生至少参加了2个省级以上的投资类比赛,通过比赛提升自己的证券投资能力,效果显著。
六、重视证券投资分析实践课程的应用,有利于培养学生证券投资综合能力
每届学生都有为期两周的实训课程,这段时间我们都会在机房模拟股票、股指期货、基金这些常见的证券。实训的目的是为了通过学生的模拟操作,使学生熟练掌握证券投资分析系统软件的基本操作,掌握的证券投资分析方法,了解证券价格变动情况及影响价格变动的基本因素,能够借助网络工具进行信息的收集和初步整理分析,有利于培养学生证券投资综合能力。实训期间,多个品种的投资也有利于学生使用量化投资组合策略,多层次地锻炼投资能力。
这种无风险的证券投资对于学生证券投资能力的培养有利也有弊,有利的一方面在于能够给予学生同步交易证券的机会;弊端在于由于在模拟股票交易系统中的资金是虚拟的,学生在运用虚拟资金进行投资的过程中,常常会忽视投资的风险和成本,在操作中随机性强,同时多进行满仓操作,风险加大。张建江在模拟教学法在《证券投资分析》课程实践教学中的应用一文中,提到了教师要注重缩小虚拟与现实的差距,不能完全以盈亏评定学生的成绩,要及时跟进指导,用实践指导理论教学。
在这样的教学模式下,笔者给学生安排的为期4个月的比赛,取得了显著的成效。学生从没有任何证券投资基础出发,快速掌握了证券投资的基本技能,具备了一个金融数学专业学生应有的基本水平。全班50人参加模拟比赛,收益率最高的为48.93%,收益在10%以上的有12人,同期大盘收益率为7.14%,平均收益为2.75%。亏损最多的达到了-30.84%,平均每人跑赢大盘6次。通过模拟比赛锻炼,学生能够对股票的投资更加熟悉,教师也可以对学生的能力有动态的了解,从比赛来看,许多学生都喜欢重仓或者全仓操作,对于这些激进的做法笔者会及时提醒学生。学生证券投资能力的培养是多方面知识的融合,也需要很多实践经验,在探索提升学生证券投资能力的同时,教师自身投资能力的提升也是十分重要的。作为教师,不仅在理论上要扎实,尤其是最前沿的量化投资模型也要熟悉,比如多因子选股模型、价值投资模型、阿法因子套利模型等也要了解,同时实践能力也要不断提升,只有自身投资能力不断地提升才能更好地指导学生,才能更好地引导学生提高自身证券投资能力。
尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。
二、量化投资“黑箱”中的构造与证券投资学的差异
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。
三、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
(四)2013年诺贝尔经济学奖的启示
宽客,quant的音译。在华尔街,这个词是指那些利用复杂的数学公式和超级计算机—既不是直觉也不是公司基本面等其他传统方法—在稍纵即逝的金融市场中赚钱的人。
这群人多数都不是学金融而是学数学或者物理出身,当他们进入华尔街后,被认为是华尔街名副其实的淘金者,1980年到2007年,是他们势不可挡的黄金年 代。
2005年左右,量化投资在国内出现。
从事量化投资的人被称为宽客,则是最近两三年的事情。一方面是一些介绍华尔街宽客的书籍被翻译引进,另一方面,因为2008年金融危机爆发,一些华尔街的宽客开始转战中国。
短短几年,随着中国衍生品市场的日渐开放,自称宽客的人越来越多。券商、基金、期货、私募……一句市场玩笑话,谁家要是没有一个两个宽客,都觉得不太好意思。
宽客的春天真的来到了?
年轻的中国宽客们
一间不到20平方米的房间,没有任何隔断,每张办公桌上都放着两到三台电脑,五张办公桌呈扇形分布在落地窗前,每个人扭头就可以和其他人说话。
这就是永安期货研究所量化投资团队的办公室。和国内不少量化投资团队一样,他们在公司具有相对独立的空间。
30岁的张冰,2009年毕业于北京大学,理论物理博士,是这个团队的负责人。有着一张娃娃脸的他,举手投足之间流露出来的依然是浓浓的书生气。不仅是他,屋子里的其他人也都像是在大学机房里安静地做研究、编程序。
事实上,要想进入这个团队,必须有熟练的计算机编程能力。2012年7月加盟张冰团队的李洋是北师大应用数学硕士,他经过一天近十个小时的笔试和面试才最终被团队接纳。笔试中80%的题目都是用计算机编程。
“量化投资是聪明人的游戏。”张冰说,量化投资实际上是一种在证券市场上找规律、找错误的游戏。谁先找到新规律、新错误,谁先获得超额收益的可能性就越高。
这个团队除了一位数学硕士,一位计算机硕士,还有三位是物理博士。数学和计算机能力都超强。
还在北京大学攻读博士学位的时候,张冰就听导师马伯强提到他有不少同学、学生,赴美留学继续深造物理之后,没有继续学术研究,而是转战华尔街做投资,做得相当成功。
物理学一直关注的是动态,寻求规律,目的是为了预测并掌握未来。把物理学理论知识运用到金融实践中,寻找证券定价变动的规律,其实并没有越过物理学的研究范畴。
这让本来就对金融有兴趣的张冰,开始想自己今后的路。他还专门去一个私募基金实习了半年。“在物理学中,你是和上帝玩游戏,在金融领域,你是和上帝的造物玩游戏。”
这句话并不是张冰原创,而是来自他的前辈,同样也是理论物理博士出身的伊曼纽尔·德曼(Emaneul Derman)。
德曼的自传《宽客人生:华尔街的数量金融大师》在2007年被引介到中国。德曼自1985年进入华尔街之后,就致力于把物理学理论和数学技巧及计算机编程技术结合起来,建构数量模型,寻找金融证券的定价,指导证券交易。
张冰看过这本书之后,更加确信,自己可以选择像德曼一样去当宽客。不过,当他决定做宽客时,发现中国突然间就涌现出很多量化投资专家。而事实上这些人多数是营销专家,根本就不懂量化投资,最后都亏得一塌糊涂。
2009年,他决心成为真正的宽客,于是拉着同班同学陈星和师妹钱文,成立了这个以北大理论物理博士为班底的宽客团队。这是国内期货公司中第一批成立的宽客团队。目前国内三分之一的期货公司有量化投资团队。
团队平均年龄27岁,成立至今一直比较稳定。张冰也没有扩容的打算。因为要找到对数字的敏感,善于发现数字之间的规律和联系,还能把这些规律变成数量模型指导证券交易的人,很难。他这个团队也还处于自我培养的过程中。
“中国宽客以年轻人居多。”中国量化投资学会理事长丁鹏说。
丁鹏是上海交通大学计算机博士,方正富邦基金的资深量化策略师。2012年初,他推出一本《量化投资:策略和技术》,成为国内最早一本专门介绍量化投资的专业书籍,被一些人认为是宽客圣经。
一年前,丁鹏建了一个QQ群,隔三差五与对量化研究感兴趣的人进行讨论,没想到经过口口相传,QQ群迅速发展壮大,线上讨论也发展到线下交流。他便牵头成立了中国量化投资学会。
学会如今在全国拥有十几个分会,近八千人,大部分都是有着一定数理知识基础的年轻人,这些人都打定主意要成为中国的宽客。
在丁鹏看来,在中国当宽客,生活很简单,只需要潜下心来,发挥个人聪明才智,做研究,建模型。真正找到好的可以赚钱的模型之后,都是别人求你。
这让很多纯理工背景人的人很向往。在现在的社会格局下,要想出头并不容易,但当宽客可以掌握自己掌握命运,完全凭自己取得成功。
赚钱之道
丁鹏一天典型的工作状态是:查看模型前一天的运转结果,考虑是否要对策略进行修正。如果没有需要修正的,则着手准备为下一个模型的开发。其他的都是电脑的事情,不用他管。他根本就不看基本面。
张冰团队的办公室放眼望去,也没有交易时间最常见的五颜六色的股票K线图和大盘走势图,电脑屏幕上显示的多数是白底黑字的编程界面。
不过,他们并不像丁鹏那么轻松。团队每人按特长各有分工:有的主要处理数据,有的做策略设计,有的做策略建模。因期货公司目前不能直接做交易,张冰团队每天主要做的就是衍生品量化投资分析工作,把研究的结果开发成产品供客户购买。
而通常能够进行交易的宽客团队一天的工作流程大致如此:有人在交易头一天晚上就负责收集并更新、处理好交易所公告的数据;第二天开盘之前,通过选定的模型,经相关软件自动给出交易策略。开盘后,按照模型给定的策略进行交易。早上10点左右,交易员、基金经理盯盘最忙碌的时候,量化投资团队一天的最主要工作—投资决策、交易下指令的工作已经完成。
丁鹏认为,进入量化投资门槛之后,找到好的方法,会比较轻松,理论上讲,“一台笔记本一个U盘就可以赚钱了”。
真实交易还是需要一个团队的支持,不过核心的交易模型和思想,确实一张U盘就可以存储完成。有朋友曾拿U盘拷下他设计的量化投资模型到香港股市去实践,半年间盈利最高点达到了120%,不过,这个高风险的策略只适合于小资金操作,并不适合于大规模的资产管理。丁鹏解释:”资本市场没有神话,需要不断地修订自己的模型和策略 “。
张冰目前也不敢奢望那样的赚钱状态。
事实上,量化投资在国内最早也就是2005年才萌芽。业内公认,2005年开始的ETF套利拉开了量化投资在中国的序幕,而股指期货等衍生品2010年才逐步放 开。
因为无可借鉴,张冰团队只能从零做起。从收集数据到建构模型到交易的风险控制,都是他们自己一个代码一个代码写的。
这是个系统工程,在这个体系中,先观察事件之间的联系—通过观察或实验去取得数据;再假设一个结论—构建理论去解释数据;然后去预测分析—构建量化模型并回测;最后检验并证实这个结论—实盘交易。
所有这些都需要资本和人力的大量投入。从华尔街回来的宽客—北京名策数据处理有限公司执行董事祝清大致估计了一下,一个真正从事量化投资的宽客团队运作起来,前期至少要投入5000万。
祝清曾在美国的全球证券投资基金工作多年,有三年,他是一个40人宽客团队的负责人,要从全球9000多只股票池里找出投资品种。这让他有机会对量化投资从数据、代码到模型、系统进行深入地接触和运用,甚至对系统的漏洞也了如指掌。
这些是他当时所在公司花了十几年,经过大量的投入才建构的一个系统工程。而建构整个系统的基础就是数据,华尔街其他有着进行量化投资的宽客团队的公司,无不在数据上有很大的支出。
2008年祝清从华尔街回国,创办专注于金融数量分析和程序化交易的数据处理公司。这几年,他带领30人的团队,主要做了四件事:建立专供量化投资的量化数据库、量化决策终端、高速量化交易平台、量化策略研发服务。他希望借助强大的分析工具平台,以及日益完善的数据库系统来改变行业的经营模 式。
目前他的公司尚未到盈利阶段。
春天尚未到来
1月19日,中国量化投资学会的50多名资深会员在北京郊区举办了一次聚会,聚会的主题是“拥抱量化投资的春天”。丁鹏表示:冬天已经过去,宽客的春天已经到来。
丁鹏是有理由乐观的:国家政策层面支持金融衍生品市场放开;2012年,玻璃、原油、国债期货、CTA以及沪深300指数期权等一系列金融衍生品加速推进;随着投资品种增多,越来越多的金融机构意识到量化投资的重要性和紧迫性。
另外,国内打算做宽客的人也暴增—从中国量化投资学会的壮大就可看出端倪。
不过,同是中国量化投资学会成员的张冰和祝清都持谨慎态度。
张冰不认为宽客短期可形成一股力量。毕竟,美国发展了四十年,而中国只做了四五年而已。没有足够的投入,不可能那么快有收入。没有收入,坚持来做的人就不会太多。
祝清更严苛。他并不认为会建模型的人就可称为宽客。他认为目前中国真正的宽客,尚不足100人。祝清按照华尔街的标准来定义中国宽客:作为宽客,最起码要满足三个条件—有高净值客户;有量化投资研究平台(有数据有人有模型);有交易通道。
按照这个标准,目前,真正的中国宽客都在过冬,都还在烧钱阶段,活下去都很难。即使是初春,最早也至少要三年之后—这还要看有没有一两位真正经受住市场检验、收益率排名靠前的标杆性宽客脱颖而 出。
据祝清了解,因为国内多数金融机构的高层并不懂量化,在这方面投入太少,即使一些数一数二的大型券商,历史的数据都不存。没有历史数据无法验证模型,量化投资就是句空话。
取得数据,还需要有人来处理数据,建构模型。金融机构的投入不会很快有结果,另一方面,宽客很有可能做出成果之后就走人,中国在这方面尚无知识产权保护。而在美国,只要有人敢在服务器上拷一行代码,就有FBI介入了。
2008年中金公司从华尔街花重金请回来的知名宽客李祥林,如今他已去做私募了。
祝清介绍,西方宽客主要分三类:从事高频交易的、采用对冲策略的、预测趋势的。而他们所有的交易、投融资决策都是通过数量模型进行,由电脑决策并完成下单。
根据国际知名咨询机构CELENT2011年的研究报告,中国目前通过电脑程序化交易的市场份额(按交易量计算)约为0.6%,2013年将快速增长到2.5%以上,主要应用于股指期货和ETF指数化产品的交易。
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”[3]。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值[4]。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。[5]高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。
二、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
(四)2013年诺贝尔经济学奖的启示
关键词:证券 投资 研究对象
1 概述
当今中国的证券投资学教材,对证券投资的研究对象的阐述较少,国内比较知名作者吴晓裘,赵锡军、李向科等在其主编的证券投资学中都没有对证券投资学的研究对象进行界定和阐述,而一门科学的研究对象、内容和方法,需要在学习中完善,在完善中学习,通过不断地总结和修正,逐步完善这一学科,这一研究对证券投资理论发展和实践都具有十分重要的现实意义。
2 证券投资概述
投资包括直接投资和间接投资两大方面,直接投资是指各个投资主体为在未来获得经济效益或社会效益而进行的实物资产购建活动。如国家、企业、个人出资建造机场、码头、工业厂房和购置生产所用的机械设备等。间接投资是指企业或个人用其积累起来的货币购买股票、债券等有价证券,借以获得收益的经济行为。一切出于谋取预期经济收益为目的而垫付资金或实物的行为都可以看作是投资。
证券投资是指间接投资,即投资主体用其积累起来的货币购买股票、公司债券、公债等有价证券,借以获得收益的经济行为。证券投资属于非实物投资,投资者付出资金,购入的是有价证券,而不是机器、设备、黄金珠宝等实物。证券投资的收益一般包括股息、红利收益、资本收益、债息收益和投机收益。
证券投资是一种特殊的投资活动,与一般意义上的投资相比,具有高收益性、高风险性、期限性和变现性等特点。
3 证券投资与投机
投机起源于古代,早期的投机以赚取地区差价为主要方式,不同区域对不同种类产品生产与需求的差别性,为投机者赚取买卖差价创造了条件。进入商品社会后,投机范围日趋广泛,它已伸展到生产、流通、金融等众多领域。
投机的含义就是把握时机赚取利润。在证券投资学中,投机的基本含义则是:在信息不充分的条件下做出投资决策,试图在证券市场的价格涨落中获利。而这种价格波动带来的获利时机同样赋予所有的社会公众,并未偏向某种特定的人,但事实上只有少数人把握住了这种机会。少数投机者之所以能够成功,不只是他们熟悉市场的习性,具有丰富的经验,准确的预见力和判断力,更主要的是具有承担风险的勇气。承担较大的风险,赚取高额利润就是投机者根本的信条。而对于大多数人来说,并不愿意承担更大的风险,他们往往偏重于通过资金、劳动力等生产要素的投入以图赚取正常利润的投资行为。
证券投资与投机的区别主要表现为对预测收益的估计不同。普通投资者进行证券投资时,较为重视基础价值分析,以此作为投资决策的依据;证券投机者不排斥这些方法,但更重视技术、图像和心理分析。普通投资者除关心证券价格涨落而带来的收益外,还关注股息、红利等日常收益;而证券投机者只关注证券价格涨落带来的利润,而对股息、红利等日常收益不屑一顾。其次是所承担的风险程度不同。投资的收益与风险是成正比的。普通投资者对投资的安全性较为关注,主要购买那些股息和红利乃至价格相对稳定的证券,因而所承担的风险较小;投机者主要购买那些收益高而且极不稳定的证券,因而其所承担的风险较大。投机者既可能获得巨大的收益,也可能遭受巨大的损失。
证券投资与投机并没有本质上的区别,只是在程度上有差别。因此要把投资与投机完全区分开来是很困难的。投资是不成功的投机,投机是成功的投资。
4 证券投资学研究的对象
证券投资学的研究对象是证券市场运行的规律以及遵循其规律进行科学的管理和决策的综合性方法论科学。具体地讲,就是证券投资者如何正确地选择证券投资工具;如何规范地参与证券市场运作;如何科学地进行证券投资决策分析;如何成功地使用证券投资策略与技巧;国家如何对证券投资活动进行规范管理等等。从学科性质上讲,证券投资学具有下列特点:
第一,证券投资是一门综合性方法论科学。证券投资的综合科学性质主要反映在它以众多学科为基础和它涉及范围的广泛性。证券投资作为金融资产投资,它是整个国民经济运行的重要组成部分。股市是国民经济的晴雨表,因此,资本、利润、利息等慨念是证券投资学研究问题所经常使用的基本范畴。证券市场是金融市场的一项重要组成部分。证券投资学研究的一个重要内容是证券市场运行,证券投资者的投资操作,所以必然涉及到货币供应、市场利率及其变化对证券市场价格以及证券投资者收益的影响。证券投资者进行投资决定购买哪个企业的股票或债券,总要进行调查了解,掌握其经营状况和财务状况,从而做出分析、判断。作这些基础分析必须掌握一定的会计学知识。证券投资学研究问题时,除了进行一些定性分析外,还需要大量地定量分析,证券投资、市场分析、价值分析、技术分析、组合分析等内容都应采用统计、数学模型进行。因此,掌握经济学、金融学、会计学、统计学、数学等方法对证券投资是非常重要的。因此,证券投资学是一门综合性方法论科学。
第二,证券投资是一门应用性科学。证券投资学虽然也研究一些经济理论问题,但从学科内容的主要组成部分来看,它属于应用性较强的一门科学。证券投资学侧重于对经济事实、现象及经验进行分析和归纳,它所研究的主要内容是证券投资者所需要掌握的具体方法和技巧,即如何选择证券投资工具;如何在证券市场上买卖证券;如何分析各种证券投资价值;如何对发行公司进行财务分析;如何使用各种技术方法分析证券市场的发展变化;如何科学地进行证券投资组合等等,这些都是操作性很强的具体方法和基本技能。从这些内容可以看出,证券投资学是一门培养应用型专门人才的科学。
第三,证券投资是一门以特殊方式研究经济关系的科学。证券投资属于金融投资范畴,进行金融投资必须以各种有价证券的存在和流通为条件,因而证券投资学所研究的运动规律是建立在金融活动基础之上的。金融资产是虚拟资产,金融资产的运动就是一种虚拟资本的运动,其运动有着自己一定的独立性。社会上金融资产量的大小取决于证券发行量的大小和证券行市,而社会实际资产数量的大小取决于社会物质财富的生产能力和价格。由于金融资产的运动是以现实资产运动为根据的,由此也就决定了实际生产过程中所反映的一些生产关系也必然反映在证券投资活动当中。即使从证券投资小范围来看,证券发行所产生的债权关系、债务关系、所有权关系、利益分配关系,证券交易过程中所形成的委托关系、购销关系、信用关系等等也都包含着较为复杂的社会经济关系。因此证券投资学研究证券投资的运行离不开研究现实社会形态中的种种社会关系。
5 证券投资研究的内容和方法
5.1 证券投资的研究内容
证券投资的研究内容是由其研究对象所决定的,它包括:
5.1.1 证券投资的基本概念和范畴。证券投资过程中涉及许多重要的概念和范畴,如证券(股票、债券等)、证券投资、证券投资风险、证券投资收益等。明确这些概念和范畴,是研究证券投资的前提。
5.1.2 证券投资的要素。证券投资活动离不开一定的条件或行为要素,证券投资者、证券投资工具、证券投资中介等是证券投资的实施要素。它们在证券投资过程中分别起着不同但又不可或缺的作用。研究这些要素,对于准确、全面、深入地说明和理解证券投资运动过程有着十分重要的作用。
5.1.3 从事证券投资活动的空间。证券投资活动是在证券市场上进行的,而证券市场本身是一个相当庞杂的体系,它由许多分支组成,证券市场的不同部分具有不同的活动内容,并分别满足不同的证券投资需要。只有充分了解证券市场的组成框架、基本结构和运行机理,才能进入这一市场并有效地从事证券投资活动。
5.1.4 证券投资的规则和程序。证券投资是按照一定的规则包括法规进行的。作为一种交易行为,它有特定的程序和步聚,制度规定是相当严密的。了解这些规则和程序,是从事证券投资的重要前提。
5.1.5 证券投资的原则和内在要求。证券投资是一种高收益与高风险并存的经济行为。因此安全、高效地进行证券投资,必须把握一些重要的原则和客观内在要求。按证券投资的客观要求行事,有助于避免证券投资中的盲目性,理性地入市操作,从而增加投资成功的可能性。
5.1.6 证券投资的分析方法。这是证券投资学最重要的内容之一。证券投资分析方法大致上可分为基本分析与技术分析两大类,而这两类分析方法又分别包含了大量内容,只有努力掌握这些分析方法,投资者才有可能为正确地选择投资对象,把握市场趋势。
5.1.7 证券投资的操作方法。证券投资的操作方法是指实际买卖证券时,在进行投资分析的基础上,根据市场状况和投资者自身情况、投资目的等选择的具体操作模式、策略与手法。它与证券投资分析有着相当密切的关系,它是在投资分析的基础上确定的,是对投资分析结果具体操作的反映。投资者个人的投资目的、条件乃至修养与气质也会在某种程度上决定其操作方法。
5.1.8 证券投资中的风险与收益。风险与收益总是伴随着整个证券投资过程。实际上,实现风险最小化和收益最大化,正是证券投资者追求的目标。因此,研究证券投资中的风险与收益,自然成为证券投资学的核心问题之一。什么是证券投资风险和收益?它们的构成情况如何?怎样对证券投资中的风险与收益进行度量?如何实现收益最大化与风险最小化?如何优化基于规避风险目的的投资组合等等,证券投资学均需做出相应的回答。
5.2 证券投资学的研究方法
证券投资是一门理论和应用并重的学科,要实现其研究目的并使这门学科不断发展,就必须坚持以下方法和要求:
5.2.1 规范与实证分析并重,定性与定量分析结合的研究方法。证券投资学要解决繁杂的理论命题并得出科学的结论,不仅要大量地运用逻辑思维,进行各种理论抽象和规范分析,还必须高度地关注证券投资的实践,进行广泛的实证分析。证券投资中涉及大量的技术问题,分析、决策过程中不仅要考虑可能的制约因素,还必须尽可能弄清这些因素对证券投资的影响程度,而这些因素本身所具有的量化状态又可能决定证券投资收益与风险程度的差别。因此,证券投资学的各种结论的得出,都必须建立在定性分析与定量分析结合运用的基础之上。
5.2.2 强调结论、观点的特定性及适用背景,而不刻意追求其普遍适用性或惟一性。证券投资实践中的情况十分复杂,变数很多,市场走势往往还要受到投机及其他某些人为因素的影响。因此,证券投资学中所给出的结论与观点也只能针对大多数情况或某些情况,有一定的适用范围。
5.2.3 强调动态的全方位分析。证券投资学作为一门指导证券投资实践的学科,不仅要求完善其理论体系,更重要的是要告诉人们如何根据现象的现状和动态,判断事物发展的趋势,提高投资的成功率。
6 结论
不管是证券投资或者投机,都非常有必要搞清楚其研究对象,通过对证券市场投资理论的研究和实践的分析,笔者总结出证券投资学的研究对象,它是一门研究证券市场运行规律以及遵循其规律进行科学的管理和决策的综合性方法论科学。而如何正确地选择证券投资工具,规范地参与证券市场运作,科学地进行证券投资决策分析,成功地使用证券投资策略与技巧等等,对证券投资者具有十分重要的意义。
参考文献:
[1]崔勇主编.《证券从业人员资格考试丛书》[m],首都经贸大学出版社,2001.
[2]蒲涛.刘险锋主编.《证券投资学》[m],中国财政经济出版社,2007.12.
[3]吴晓求主编.《证券投资学》[m].(第二版),中国人民大学出版社,2004.
[4]中国证券从业人员资格考试委员会办公室编.《证券市场基础知识》[m].上海财经大学出版社,2000.
[5]杨大楷著.《证券投资学》[m],上海财经大学出版社,2000.
(一)培育学生金融投资意识
金融投资学应该在培养和发挥金融专业学生金融投资意识方面发挥作用。学习金融投资学课程应该帮助学生对于金融市场和证券市场的概念、基本构成元素、经典理论和投资方法等有一个较全面的认识和理解,使学生能用金融投资学的视角观察金融现象,发现和解决金融问题,掌握金融投资的策略和技巧,以及提高运用所学理论和方法来分析和解决我国金融市场的实践能力。教学培养目标应该坚持适应市场化、国际化对金融人才的需求和金融投资学宏观和微观有机结合、分析方法数量化和学科交叉的发展趋势,培养出具有全球视角和国际竞争力的高素质人才。从能力培养角度来看,金融投资意识的培养主要体现在四个方面的能力的塑造,包括基础知识能力、洞察力、反应力和执行力。
(二)培育学生风险管理意识
金融脆弱性理论告诉我们:金融业是个高风险的行业,金融投资的是风险。在金融领域,风险是不可完全消灭的,只能控制。风险能否控制在自己可承受的范围内是金融投资成败与否、金融交易参与者能否获利、能否在市场竞争中站稳脚跟并发展壮大的关键。培养金融风险管理意识,一方面是传授金融风险理论,另一方面是培养技能素质,主要是培养学生风险发现能力和风险规避管理技能,培养学生的金融法律意识,树立正确的投资行为,建立合理的风险规避策略。
(三)培育学生创新意识
美国经济学家米什金诠释了金融创新,他指出:“经济环境的变化将刺激人们寻求可能有利可图的创新”,一般而言,金融创新首先表现为观念创新。创新意识培养是建立在金融意识和风险管理意识基础上,是对金融投资学学生及其重要的一种素质培养。金融市场每一次结构调整和发展都会伴随着对创新人才的需求,谁能够抢在创新中领先,谁就能把握市场竞争中的主动权。金融衍生品、创业板、ETF、基金理财产品等市场业务的推出更进一步刺激了对创新人才的需求。
(四)培养学生职业道德
高等院校提供的金融投资学课程除了向学生讲授必要的理论知识和实践经验以外,加强金融职业道德的素质建设也必不可少。所谓金融投资业的职业道德,是指在金融投资从业活动中应遵循的、体现金融职业特征的、调整金融从业人员的职业行为准则和规范,是一定的社会道德原则在金融职业活动中的反映,也是基本道德规范在金融工作中的具体体现。在金融行业有句俗语“有才有德是精品,有德无才是次品,有才无德是危险品”。金融职业道德是金融行业和金融从业人员的安身立命之本,是取得投资人信任的重要方面。要想赢得这种信任,必须拥有扎实的金融投资知识和严格的职业道德操守。将金融职业道德的思想融入到金融投资学的教学中,使得金融专业学生能够在刻苦钻研业务知识,不断提高专业技能的同时,具备坚守道德诚信,办事谨慎,廉洁自律,言行谦恭,长于协作的职业素质。
二、金融投资学课程教学效果优化
要发挥金融投资学课程在培养综合型人才方面的作用,达成教学目标,有效地将课堂教学与学生综合素质培养结合起来,需要利用科学发展观合理地设计出系统全面、生动有趣、形式多元的金融投资学课程,这有利于学生充分理解这些理论知识,培养学生的综合能力、开拓能力和创造性,增加学生的求知欲望与自学能力,同时也有利于提高课堂的教学效果。
(一)丰富教学内容
注重选取合适的教材是教学好坏的关键。在教学内容设置上,顺应金融投资学理论研究的发展趋势,借鉴国外金融投资学的教学经验,完善金融学科体系,兼顾宏观与微观金融理论,重视道德法律和网络信息技术学科的交叉融合和相互渗透,培养学生的综合能力和宽泛的知识基础。在投资分析教学中引入金融计量学、金融创新学等内容,强化数学知识的基础性位置,利用EXCEL、STATA、EVIEWS等优秀工具软件进行教学,帮助学生理解证券投资分析的基础理论知识,特别是各类金融模型中的复杂计算。
(二)建设股票仿真交易教学
在教学过程中,一般不鼓励学生开通真实的股票账户进行真实交易,往往给学生内容抽象的感觉。但是通过股票仿真交易,模拟开通交易账户,通过委托进行模拟交易、查询、清算交割等过程环节的操作。为每位学生设立一定金额的虚拟账户,学生在全面分析了解上市公司的经营业绩后,决定自己的投资方向。在一定的交易期限结束后,公布学生的股票市值、总成交量、仓位、月盈率,通过市场培养学生的风险管理意识。最后以实战总结会的形式,由学生讲述的操作心得,总结失败教训。通过一段时间的教学,使学生有机会接触证券市场的运作,了解股票和股票代码,对股票市场有更切身体会和理解。
(三)推动案例式教学
案例式教学能够跟得上金融发展的形式,并可以跟踪最新的金融市场变化,用最近的经济结果来判断,使得学生真正做到学以致用。在传授理论知识的同时,针对当前经济和金融市场现状,如利率市场化、互联网金融等话题,运用互动和引导的方式,让学生收集资料,分析问题,提出自己的见解。案例分析需要学生在课前和课后做大量的准备工作,这不仅增加了学生的自主学习能力,而且有利于拓宽学生的知识视野,激发学生的学习兴趣,增强学生洞察能力、分析能力及口头表达能力。
(四)强化师资队伍建设