时间:2023-07-10 09:24:29
绪论:在寻找写作灵感吗?爱发表网为您精选了8篇股票投资的方法与策略,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!
[关键词] VaR 方差风险 Markowitz组合投资模型
一、引言
1993年G30研究小组在《衍生产品的实践和规则》的报告中首次提出VaR模型,之后在巴塞尔银行监管委员会和国际证券委员会的推动下,VaR模型逐渐成为金融风险管理的主流方法。关于VaR模型在股票组合投资决策中的应用,国外学者做了大量研究。例如,Alexander,Baptista(2002)对比研究了均值-方差模型和均值-VaR模型对于股票组合投资决策的经济意义。Campbell,Huisman,Koedijk(2001)在VaR模型框架下研究了最优证券组合投资问题。Consigli(2002)应用均值-VaR模型研究了不稳定金融市场中的证券投资组合选择问题。
关于VaR模型在金融风险计量和管理中的应用,我国学者也作了一些研究。例如,戴国强、徐龙炳、陆蓉(2000)探讨了VaR模型对我国金融风险管理的借鉴意义及其应用方法。宁云才、王红卫(2002)探讨了Markowitz投资组合有效边界的程序化解法。
本文首先探讨了基于GARCH模型的股票投资组合VaR风险计量方法,然后将VaR风险替代Markowitz投资组合模型中的方差风险,通过求解非线性数学规划问题得到股票投资组合的另一种最优投资策略。
二、模型与方法
1.VaR的定义
根据Jorion的定义VaR指给定置信区间下金融资产或资产组合在持有期内的最坏预期损失。若用V表示资产组合在持有期末的价值,E(V)表示资产组合在持有期末的期望价值,表示给定置信区间c下资产组合的最低价值,则VaR值如(1)式所示。
(1)
其中,V*满足(2)式所示的条件。
P(V|V>V*)=c 或(2)
其中,f(v)表示持有期末资产组合价值的概率密度函数。
计算VaR需先确定以下三个因素:资产组合持有期的长短、置信区间c的水平和持有期内资产组合价值的分布特征。VaR值计算通常有三种方法:历史模拟法、方差-协方差法和蒙特卡洛模拟法。本文的研究采用方差-协方差法。
2.计算VaR值的方差-协方差方法
假设投资组合由n只股票组成,记为第i只股票的价值在投资组合总价值中所占的比例,并满足(3)式所示的约束条件。
令S表示投资组合收益率的方差-协方差矩阵,表示股票投资组合的投资策略向量,则投资组合收益率的方差可由(4)式计算得到。
(4)
假定资产组合的收益率服从正态分布,由正态分布的分位数进一步计算得到投资组合的VaR值,如(5)式所示。
(5)
其中,表示投资组合的初始投资额,表示标准正态分布在置信水平c下的分位数。
由于根据历史数据计算的收益率方差不能准确反映未来持有期内收益率的波动性,为克服这一的缺点,本文应用GARCH模型对股票未来持有期内的波动率进行预测,在波动率预测值的基础上计算投资组合在未来持有期内的VaR值。
3.GARCH模型及其对股票收益波动率的预测方法
对金融时间序列收益波动率的研究一直是金融研究的重点问题之一,1982年Engle提出了ARCH模型,即自回归条件异方差模型,1986年Bollerslev在此基础上提出了GARCH模型,即广义自回归条件异方差模型,用以对金融时间序列收益波动率进行建模。对股票收益波动率的建模经常采用GARCH(1,1)模型,例如宋逢明、江婕(2003)对中国股市波动率特征的实证研究,赵留彦、王一鸣(2004)在对中国股市收益率的时变方差与周内效应的研究,本文的研究采用GARCH(1,1)模型。
GARCH(1,1)模型的具体设定如公式(6)、(7)所示。
(6)
(7)
其中,rt表示股票在第t期的收益率,u表示股票收益率的均值,εt表示第t期股票收益率偏离均值的残差,σt表示第t期股票收益的波动率。α0 、α1和β为待估参数。
GARCH(1,1)模型实际上包含了一个递推公式。根据rt和公式(6)可计算得到εt ,将εt 和σt代入公式(7),可对σt+1进行预测,依次类推。预测使用的第一期的收益波动率通常由历史波动率法计算得到。
4.基于VaR的最优股票组合投资策略
令表示投资组合各成分股票收益率的相关系数矩阵,s表示由各成分股票收益率方差预测值构成的列向量,其中收益率方差的预测值由GARCH模型得到,则投资组合在预测期内收益率的方差可由(8)式计算得到。
(8)
在股票收益率服从正态分布的假定下,将代入公式(5),可计算出投资组合的VaR值。将投资组合的VaR风险值替代Markowitz组合投资模型中的方差风险值,可得下述非线性数学规划问题。
(9)
(10)
求解上述非线性数学规划问题,可得到最小化投资组合VaR风险值的最优投资策略向量和最优投资组合的VaR值。
三、实证算例
本文选取上海证券交易所上市交易分属不同行业的6只股票构成样本股票投资组合,这6只股票的名称见表1。本文收集了上述股票2006年9月7日至2007年4月30日的日收盘数据,根据日收益率数据应用Eviews5.0软件估计各成分股票GARCH模型的参数,参数估计结果见表1。
应用GARCH模型预测各成分股票在下一个交易日里的收益波动率,预测结果列示于表2。
根据样本股票日收益率数据可计算成分股票间收益率相关系数矩阵。在给定各成分股票投资比重的条件下,应用公式(8)计算投资组合收益波动率的预测值, 再根据公式(5)计算投资组合在下一个交易日里的VaR风险值。利用Excel中的规划求解功能求解公式(9)、(10)所示的非线性规划问题,得到各成分股票的最优投资比重,求解结果列示于表2。
为比较上述最优投资策略降低投资组合VaR风险值的程度,本文同时计算了等比例投资策略下投资组合的VaR风险值,计算结果列示于表3。
表3显示,如果投资者的初始投资为1000000元,则在下一个交易日里,在5%的置信水平下,最优投资组合的最坏损失约为36443元,等比例投资组合的最坏损失约为39748元。在1%的置信水平下,最优投资组合的最坏损失约为51462元,等比例投资组合的最坏损失约为56130元。在两种置信水平下,等比例投资组合的最坏损失均大于最优投资组合的最坏损失。
参考文献:
[1]Alexander G. J.Baptista A. M.2002,Economic implications of using a mean-VaR model for portfolio selection:A comparison with mean-variance analysis [J],Journal of Economic Dynamics & Control 26,1159~1193
[2]Campbell R.Huisman R.Koedijk K.2001,Optimal portfolio selection in a Value-at Risk framework[J],Journal of Banking & Finance 25,1789~1804
[3]Consigli G.2002,Tail estimation and mean~VaR portfolio selection in markets subject to financial instability [J],Journal of Banking & Finance 26,1355~1382
[4]戴国强 徐龙炳 陆 蓉:2000,VaR方法对我国金融风险管理的借鉴及应用[J],金融研究,第7期
[5]宁云才 王红卫:2003,Markowitz组合投资模型的程序化求解方法[J],数量经济技术经济研究,第10期
[6]Jorion P.2000,VaR:风险价值――金融风险管理新标准[M],张海鱼译,中信出版社
[7]宋逢明 江 婕:2003,中国股票市场波动性特性的实证研究[J],金融研究,第4期
关键词:大数据;股票投资;模型优化
中图分类号:F830.91 文献识别码:A 文章编号:1001-828X(2016)016-000-01
引言
随着大数据时代的到来,数据科学成为了现代社会技术创新和投资火热的一个领域;由于大数据和互联网金融的不断发展与成熟,大数据技术在股票投资方面也逐步被应用,面对股票交易的K线图等图表信息,要想在股市中立于不败之地,需要有正确的理论来指导,并做出正确的投资策略[1]。
一、投资方法的研究现状
最早由美国人Stannloy等人在1992年开发了AI系统,其通过运用聚类方法、分类和可视化技术等方法,来寻找单只股票的最佳投资时机。2005年,Dose 和 Cinacotti[2]研究了利用时间序列聚类分析的随机优化方法来选择股票进行投资。结果表明聚类在降低噪声和文件预测方面起了重要作用。2009年Fenu,G[3]利用云计算技术设计了一个实时金融系统。该系统实现了股票宏观的分析,能够预测金融市场的变化。武金存[4]等人在2011年利用相关数据挖掘的方法,对指数化投资组合优化进行比较研究,有着其独特的优势的理论。
二、从股市中获取信息
目前证券市场上市公司数目众多,每天能产生大量的交易数据,如:股票的交易价格,上市公司财务信息,股票交易的K线图等图表信息。如果能用一定的算法或处理数据的技术,有效的挖掘出蕴藏在其中的规律,充分利用股票交易信息以及上市公司财务数据,帮助投资者在短时间内把握股价的估值水平,从而对投资者进行价值投资建议。
三、投资方法的探索
在信息化时代的今天,信息技术对人们的日常生活起到了必不可少的推动作用,把飞速发展的信息化技术应用于股票投资方法的探讨中,利用所能收集到的股市信息,用优化和数理统计的方法来进行规律的分析,找到其变化规律,从而进行正确的投资。对此,我们可以用传统的手段建立其数学模型进行分析,接着对模型进行修正和优化,达到对股市走势进行预测的目的。在大数据时代,我们将原有的方法与大数据和云计算技术进行结合,运用大数据处理算法,从而达到对股票的正确投资。
在日常生活中,我们可以做到门不出户进行交易,网络给我们带来了太多的便利,我们可以收到淘宝网基于数据统计进行的商品推广,也可以浏览其它事物所产生的海量数据,人们需要对海量数据进行挖掘和应用,从而产生了新理念和新思维,股票投资成为了新的学问;对云计算技术在模型建立中进行应用,可以将海量数据代入模型进行走势的修正,用计算机程序进行编程,从而探索股市的正确投资方向。
四、建立模型的方法
对于现代的数学预测模型,模糊模型和神经网络模型是两种较为智能化的方法,可利用其寻找股市变化的规律。对于所绘制的图像,可以用相关分析方法进行处理,运用云计算和大数据技术对模型进行不断修正,从而达到预测的目的。
对于数据的分析,可以采用一些分析方法进行指标的分析,然后对变量进行处理,之后对模型进行优化和改进,从而进行股市投资策略的分析。在大数据的背景下,我们也可以对计算程序进行优化,将并行处理的技术用在其中,从而减少程序的运行时长,便于迅速做出投资方向的判断。
五、结语
通过大数据和云计算技术的应用,对现证券领域拥有大量的数据资源进行开发,建立出对股票投资预测的模型,从而实现正确的投资。新时代、新背景下的投资方法需要人们继续不断探索。
参考文献:
[1]彭济敏.程序化交易方式在股票交易中的应用[D].吉林大学,2004.
[2]Dose C,Cincotti S.Clustering of financial time series with application to index and enhanced index tracking portfolio[C].Physica A:Statistical Mechanics and its Applications,2005,355(1):145-151.
关键词:股票 投资 风险防控
股票市场的发展,在一定程度上代表了我国的经济发展,因此,建立一个和谐、稳定的股票市场是我国持久追求的目标。在证券市场里什么意外都可能发生,所以,这就要求股民必须具备相应的股市知识,切不可盲目跟风,看见有人在股市赚了钱,就盲目地在股市里投资,结果不仅没有挣到钱,反而赔进去更多。如何杜绝大众盲目进股市的现象,如何能够让大家认识股票投资的风险,在已有的认知下进行合理的投资,本文结合各方资料,就此问题展开了分析并给出了具体的解决方案。
一、股票投资简介
(一)股票与股市
股票是股份证书的简称,是股份公司为筹集资金而发行给股东作为持股凭证并借以取得股息和红利的一种有价证券。股票市场是股票发行和交易的场所,包括发行市场和流通市场两部分。股份公司通过面向社会发行股票,迅速集中大量资金,实现生产的规模经营。
(二)股票投资:炒股
在证券市场进行投资,就是我们俗称的“炒股”。炒股,有着各种各样的题材,但大多都是炒经营业绩或与经营业绩相关的题材。所以在股市上,股票的价格与上市公司的经营业绩呈正相关关系,业绩愈好,股票的价格就愈高;业绩差,股票的价格就要相对的低一些。但也不是绝对的,有些股票的经营业绩每股只有几分钱,但其价格比业绩胜过它几十倍的股票还高,这在股市上是非常正常的。因此,在选取股票时,一定要谨慎分析,密切关注该股之前的走势,利润,多听取有关专家的意见和建议,切忌盲目选股。
二、股票投资风险的类型与特征
(一)股票投资风险
是指投资者在进行股票投资过程中,遭受损失或不能达到预期收益目标的可能性。股票投资风险主要分为两大类,即:市场风险和公司特有风险。
1、市场风险
是指对所有公司都将产生影响的风险,它源于公司之外,表现为整个股市平均报酬率发生变动,购买任何股票都不能避免这类风险。比如当年的9・11事件,除了造成了巨大的生命损失,股市也随着这一事件持续低迷。
2、公司特有风险
源于公司本身的商业活动和财务活动(所投资公司近期的表现),表现为个股报酬率变动脱离整个股市平均报酬率的变动。例如前几年的三鹿奶粉被曝含有致癌物质三聚氰胺,就因为这一事件,该公司的股票大跌,很多股民在一夜之间倾家荡产。
(二)股票投资风险的特征
1、不确定性
股票投资风险具有不确定性。谁也不知道明天的股市会是什么样子,因此对于风险的估计,也是完全凭借已有的现象、经验,进行的推测,这是我们大多数投资者所能做的。
2、客观存在性
股票投资的风险是客观存在的。股市的利润是巨大的,但所谓“利润越大,风险越大”,股票投资的风险是客观存在的,没有哪个人敢保证那只股票是稳赚不赔的,纵然是有名的“股神”,也不是百分之百的赚钱,所以,对于股市,我们不能报有“零风险”的幻想。
3、相对性
为什么股市可以让人一夜暴富,也可以让人一夜倾家荡产,因为不同的股票,其所需要承担的风险不同。对于不同的投资者而言,风险也是相对的,如何把握好风险的相对性,是每一位股民的必修课。
4、可防范性
尽管股票投资风险是客观存在的,但是并非没有规律可循,我们要根据一定的方法,努力地去测量、估算可能出现的损失,尽力把风险降低到最小。
三、股票投资风险防控
(一)掌握必要的证券专业知识
股票是一门高深的学问,对于普通人来说很难研究透彻。但若是想凭借股票的投资获得成功,必须要话费大量的时间和精力去钻研证券知识。我们不排除有人凭借运气获得成功,但那毕竟是少数,要想获得长远的成功,专业的股票知识是必须要掌握的。
(二)了解投资环境,关注投资时机
股市与经济环境、社会发展、政策颁布等方方面面息息相关。政治安定,经济进步,民生安好,股市一定是繁荣、能挣钱的;反之,政局动荡、经济衰退、民不聊生,股市将会是灰暗的,是个吸金的黑洞。
(三)找到合适的投资方式
股票的投资方式有很多,这就要随着投资者的习惯、性格,结合当前的股市发展来确定适合自己的投资方式,切不可盲目跟风,也不可长期不变,要随时保持敏感,灵活的改变现有的投资方式,跟上股市的变化,才能保证自己立于不败之地。
(四)制定合理投资运营计划
大多数初入股市的投资者都将注意力放在试产改价格的涨跌上,却经常忽略本身资金的合理调整,要知道,资金的本身才是股市的基础。制定合理周密的资金运作策略,对于风险的防范具有十分重要的作用。
四、结束语
本文结合笔者查阅多方资料,就股票投资风险防控的问题展开了探讨,具体的分析了当前我国股市的现状及股市投资的风险所在,就股票投资的防控提出了一些建议,然而由于个人所学知识以及阅历的局限性,并未能够做到面面俱到,希望能够凭借本文引起广大学者的关注,加以指正。
参考文献:
[1]王健补.理财学[M].广州:暨南大学出版社.2005.318-328
[2]王小玲.中国股市系统风险实证研究[D].武汉科技大学硕士学位论文.2005
[3]张剑锋.上海股票市场投资风险研究[D].东北财经大学硕士学位论文.2004
华富收益增强
综合评价:
产品点评:
新股+债券:华富收益增强债券基金在进行债券投资的同时,将通过网上申购和网下配售方式参与新股申购,在保持较低风险投资的同时获取适当收益。该基金在设计之初就进行了严格的风险控制及信用管理规划,以不低于80%的基金资产投资于国债、金融债、央行票、企业债、公司债、短期融资券、资产支持证券、次级债、可转换债券票据等高信用等级的固定收益类资产。其股票投资仅限于参与新股申购和可转债转股获得股票,不从二级市场购买股票或权证,以保证在提升基金收益的同时最大限度降低风险,力争基金资产的持续增值。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为0.6%(年),托管费为0.2%(年)。
基金公司:
华富基金公司成立于2004年,共有3只开放式基金产品,目前公司管理规模为60.13亿元,华富竞争力优选和华富成长趋势过去一年净值增长率均低于同类基金平均水平。
基金经理:
吴圣涛,武汉大学商学院硕士,六年证券投资研究、保险公司投资从业经历。历任汉唐证券有限责任公司研究所高级研究员、资产管理部投资经理,国泰人寿保险有限公司投资部副主任、投资部经理。
鹏华丰收
综合评价:
产品点评:
股票投资增利:鹏华丰收债券型基金以债券为主要投资对象,还可兼顾新购申购,同时直接进行二级市场优质股票投资,在获取相对稳定收益的基础上力争获得超额回报。
该基金对于通过参与新股申购所获得的股票,将比较市场价格与其内在合理价值,决定继续持有或者卖出。股票投资采用“行业配置”与“个股选择”双线并行的投资策略,设置止盈止损线并通过灵活的仓位调控等手段来避免市场中的系统风险。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,最高认购费率为0.6%。赎回费率根据持有时间递减,持有两年以上为0。其管理费为0.6%(年),托管费为0.2%(年)。
基金公司:
鹏华基金公司成立于1998年12月,目前旗下共有2只封闭式基金和8只开放式基金,资产管理规模671.06亿元,在所有基金公司中排名第12位。
基金经理:
阳先伟,硕士,6年证券从业经验,先后在民生证券、国海证券等机构从事债券研究及投资组合管理工作,历任研究员、高级经理等职务。2004年9月加盟鹏华基金管理有限公司,从事债券及宏观研究工作,曾任普天债券基金基金经理助理。2007年1月开始至今担任普天债券基金基金经理。
混合型新基金:
诺安灵活配置
综合评价:
产品点评:
长短结合 三重选股:诺安灵活配置基金的投资理念是灵活资产配置以控制投资风险,关注优势企业以挖掘投资价值,积极策略组合以提高投资回报。该基金运用长期资产配置(SAA)和短期资产配置(TAA)相结合的方法,根据市场环境的变化,在长期资产配置保持稳定的前提下,积极进行短期资产灵活配置,通过时机选择优化资产组合。在股票投资方面,该基金综合运用优势企业增长策略、内在价值低估策略、景气回归上升策略这三种策略构建股票组合,筛选出具备良好成长性和价值性的优势企业。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
诺安基金公司成立于2003年12月,目前公司旗下管理着诺安平衡、诺安货币、诺安股票、诺安优化债券和诺安价值增长5只开放式基金。公司管理的资产总规模为527.58亿元,根据银河证券,诺安基金股票投资管理能力2005年、2006年和2007年分别位居第3、第4和第23名。
基金经理:
林健标,英国CASS商学院MBA毕业。1996年9月至2002年8月,任广东移动通信有限责任公司工程师;2003年10月至2004年8月,任职于博时基金管理有限公司;2004年10月至2006年6月,任华西证券研究员;2006年7月加入诺安基金管理有限公司,历任研究员、基金经理助理。
长盛创新先锋灵活配置
综合评价:
产品点评:
关注创新 优势选股:长盛创新先锋灵活配置基金采用“自下而上”和“自上而下”相结合、定性和定量相结合的分析方法,运用“长盛创新选股体系”和“长盛优势选股体系”,筛选备选股票。
“长盛创新选股体系”重点关注上市公司技术创新、产品创新以及营销模式与管理机制创新等。“长盛优势选股体系”重点考量公司产品或服务的市场占有率及其增长稳定性、销售收入增长稳定性、盈利增长稳定性和现金流增长稳定性等指标。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
长盛基金公司成立于1999年3月,是国内最早成立的十家基金管理公司之一。目前,公司共管理基金同益、同盛2只封闭式基金和7只开放式基金,资产管理规模366.78亿元。注重大类资产积极配置,将选时策略作为控制风险、获取收益的主要手段之一,已经成为长盛基金有别于其它公司的独特之处。
基金经理:
肖强。2002年6月加入长盛基金管理有限公司,现任长盛基金管理有限公司投资管理部副总监,自2007年1月5日起任长盛同智优势成长混合型证券投资基金基金经理。
邓永明,2005年7月底加入长盛基金管理有限公司投资管理部,曾任基金同益基金经理助理,同德证券投资基金基金经理,长盛同德主题增长股票型证券投资基金基金经理。
混合型新基金:
长信双利优选灵活配置
综合评价:
产品点评:
行业优势价值优选:长信双利优选灵活配置基金为主动式混合型基金,以战略性资产配置(SAA)策略体系为基础决定基金资产在股票类、固定收益类等资产中的配置。股票投资是在行业进行配置基础上,挑选具有行业投资优势并具备核心竞争力和成长力的高素质企业股票。股票资产采用双线并行的构建流程,通过行业吸引力模型和股票价值优选模型进行行业和个股的选择与配置。该基金注重基金研究员的基本面分析,使股票资产的投资决策过程更为严谨和科学。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
长信基金公司于2003年4月成立,目前旗下有3只股票型基金,1只货币型基金,管理规模283.43亿元。其中长信增利动态策略1年收益在同类基金内名列第36,高于同类基金平均水平。根据银河证券基金研究中心数据统计,长信基
金2007年股票投资管理能力居第12位。
基金经理:
胡志宝,经济学硕士、证券从业经历8年。曾任国泰君安证券股份有限公司资产管理部基金经理、国海证券有限责任公司资产管理部副总经理、民生证券有限责任公司资产管理部总经理。2006年5月加入长信基金管理有限责任公司投资管理总部,从事投资策略研究工作,现任银利精选基金基金经理。
上投摩根双核平衡
综合评价:
产品点评:
精选估值优势股票:上投摩根双核平衡基金深化价值投资理念,精选具备较高估值优势的上市公司股票与优质债券等,持续优化投资风险与收益的动态匹配。
该基金运用安全边际策略有效挖掘价值低估的股票类投资品种。在控制宏观经济趋势、产业发展周期等宏观经济环境变量基础上,考察上市公司的商业模式、管理能力、财务状况等影响企业持续经营的因素,然后综合运用量化价值模型来衡量股票价格是高估还是低估。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
上投摩根基金公司成立于2004年5月,目前上投摩根管理7只开放式基金产品,其中包括1只QDII基金――亚太优势基金,管理资产规模880.86亿元人民币。根据银河证券基金研究中心数据统计,上投摩根基金2007年股票投资管理能力居第10位。
基金经理:
芮,6年证券、基金从业经历。2004年加入上投摩根基金公司,担任上投摩根中国优势基金经理助理,同时负责能源、电力、家电、农业等行业研究,在投资研究方面均做出了突出业绩,得到业内广泛认可。
梁钧,8年证券、基金行业从业经历。2007年加入上投摩根基金公司。
股票型新基金:
东方策略成长
综合评价:
产品点评:
重投成长性公司:东方策略成长基金重点投资受益于国家发展战略并具有成长潜力的上市公司,根据GARP理念,考虑了股票的价格、每股收益增长、每股现金流量、主营业务收入增长率、主营业务利润增长、净资产收益率、市净率等因素,通过优化得到成长风险值指标。另外东方策略成长还将通过基础库、优选库量化选择以及基金经理的个人能力实现三层超额收益,从而尽量避免基金经理个人风格变化造成的基金风格与业绩的过大波动。
费率水平:东方策略成长的认、申购及赎回费率均采取阶梯式模式,认、申购费率随认购金额递减,赎回费率随持有期限递减。其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
东方基金公司成立于2004年6月,旗下共有2只混合型开放式基金和1只货币基金,目前总资产管理规模为101.16亿元。东方精选和东方龙混合基金过去一年净值增长率分别为7.71%和-4.98%,均低于同类基金平均水平11.79%。
基金经理:
付勇,10余年金融、证券从业经历,2004年加盟东方基金,曾任发展规划部经理、投资总监助理、东方龙基金基金经理助理、总经理助理;现任本公司副总经理、东方精选混合型基金基金经理。
于鑫,2005年加盟东方基金,曾任东方精选混合型基金基金经理助理。现任东方精选混合型基金基金经理、东方金账簿货币市场基金基金经理。
嘉实研究精选
综合评价:
产品点评:
自下而上精选个股:嘉实研究精选基金通过持续、系统、深入的基本面研究,挖掘企业内在价值,寻找具备长期增长潜力的上市公司,以获取基金资产长期稳定增值。在选股上,股票组合的构建完全采用“自下而上”的精选策略,基金管理人依托公司研究平台,组建由基金经理组成的基金管理小组,基于对企业基本面的研究独立决策、长期投资。基金管理人采用定量分析与定性分析相结合的方法,精选个股,构建投资组合。
费率水平:嘉实研究精选的认、申购及赎回费率均采取阶梯式模式,认、申购费率随认购金额递减,赎回费率随持有期限递减。其管理费为1.5%(年),托管费为0.25%(年)。
基金公司:
嘉实基金公司于1999年3月25日成立,是中国第一批基金管理公司之一。旗下共管理2只封闭式基金和12只开放式基金,管理总资产1533.95亿元,在所有基金公司中排第3位。
基金经理:
党开宇,硕士,CFA,7年证券从业经历。2006年9月至今任职于嘉实基金管理有限公司,2006年12月至2008年2月任嘉实策略增长基金基金经理,2006年12月至2008年3月20日任嘉实服务增值行业基金基金经理。2007年11月起任嘉实基金研究部总监。
刘红辉,经济学硕士,2004年加入嘉实基金管理公司,任产品经理、基金经理助理。
QDII基金:
银华全球核心优选
综合评价:
基金经理:
谢礼文,CFA,银华基金管理有限公司境外投资部总监。拥有21年的境外证券投资相关经验,曾担任香港恒生投资管理公司的首席投资官,主持总规模达70亿美元基金资产的投资研究和管理工作;曾在日本野村资产管理公司任职10年,并于2003年获得晨星(日本)颁发的“本年度基金”(Fund of the Year)奖;并曾在美国旧金山的两家资产管理公司担任过基金经理和分析师。
产品点评:
以香港为核心 以基金为配置:银华全球核心优选基金通过以香港区域为核心的全球化资产配置,对香港证券市场进行股票投资并在全球证券市场进行公募基金投资。
银华全球核心优选将核心投资目标指向香港市场,是一个良好的投资定位。在内地市场以外的各个证券市场里,机构投资者目前最为熟悉的市场就是香港证券市场。银华全球核心优选投资主动管理的股票型公募基金和交易型开放式指数基金合计不低于基金资产的60%。这种“基金中的基金”投资方式,可以在全球市场内进行投资,分散单一市场风险。
费率水平:该基金的认、申购及赎回费率都采取阶梯式模式,其管理费为1.85%(年),托管费为0.3%(年)。
基金公司:
银华基金公司成立于2001年5月,目前旗下共有1只封闭式基金和7只开放式基金,资产管理规模641.08亿元,建立了覆盖股票型、配置型、货币型和保本型基金的较为完善的产品线。
股票型基金:
博时特许价值
综合评价:
基金经理:
陈亮,硕士。2001年3月加入博时基金管理有限公司。2003年8月担任博时裕富基金经理。2006年8月起调任股票投资部数量化投资组主管,兼任博时裕富基金基金经理。2007年3月起兼任基金裕泽基金经理。2008年2月起任股票投资部总经理兼数量组投资总监、博时裕富基金基金经理、裕泽基金基金经理。
产品点评:
投资三类壁垒优势企业:博时特许价值基金主要投资于具有政府壁垒优势、技术壁垒优势、市场与品牌壁垒优势的企业。
该基金实行风险管理下的主动型价值投资策略,即采用以精选个股为核心的多层次复合投资策略。具体投资策略为:在资产配置和组合管理方面,利用金融工程手段和投资组合管理技术,保持组合流动性;在选股层面,按照价值投资原则,从品质过滤和价值精选两个阶段来精选个股。
费率水平:该基金的认、申购及赎回费率均采取阶梯式模式,其管理费为1.5%(年),托管费为0.25%(年)。
关键词:沪深300指数;期货;避险机理
中图分类号:F830.9 文献标识码:A 文章编号:1001-828X(2014)02-0-01
一、前言
股票现货投资者为了规避个别风险(单只股票价格的剧烈下跌)造成的风险损失(属于非系统风险),一般性地采取“不把鸡蛋放入一个篮子”的战略,即采取有效的持有投资组合方法,这是通过分散风险的战略手法,这一手法是可以有效地规避个别风险有效措施。但是,这一投资组合当遇到系统性风险就显得无能为力了,在很大的概率上会出现整个投资组合内的所有标的股票全线暴跌,这就需要利用期货工具来规避这类系统性风险。下面我们就推导一下利用沪深300指数的避险原理的基本机理和操作手法。
二、约束条件
条件一:投资组合与沪深300指数波动特征非常近似。
非常近似指的是波动方向的一致性和波动幅度的一致性。这是取得完美套期保值效果的重要保证,也是能够规避价格系统风险的核心和基础。
条件二:合约总值近似的原则。
合约总值近似,就是现货股票组合的市值要与期货合约持仓量的总金额数近似或者相同的原则。
三、投资者持有现货股票组合时刻避险机理的推导
按照套期保值的机理,在第一交易部位持有现货股票组合时,应建立沪深300指数空单合约与之对应,而待到第二交易部位时出售现货股票组合和平仓空单完成全部过程。
图例说明:通过图1可以展示,横轴表示沪深300指数变动方向,纵轴表示了持有资产价值变动情况。显而易见,线段OX(与纵轴夹角45度)表示了现货股票投资组合的价值变化;而线段YZ表示了沪深300指数合约建立空单时的合约价值变化。
推导过程如下:
当股票投资者持有一个现货股票资产组合时,寄其希望于股价上涨时可以挣到钱,而由于系统性风险原因造成现货股票组合价格下跌时产生必然损失的情形发生的时候,这部分损失可以通过股票指数期货的赢利来抵补,于是在持有现货股票组合的同时采取套期保值策略在第一交易部位出售沪深300指数期货合同(做空)。
假定P0为第一交易部位的沪深300指数合约的指数,则V0为这一时刻的沪深300指数期货合约所能折合的价值数(金额)。当沪深300价格变动时要么处于上涨位置的P+;要么处于下跌位置的P-。;此时此刻交易部位就到了第二交易部位。
仅当第一种情形发生时:
当处于第二交易部位时,如果沪深300指数从P0下降到P-时候,现货股票组合的资产总价值从V0降到了V-,实际损失金额为线段V0V-;而此时此刻沪深300股指合约价值从V0降到了V―,(从图中观察是P0P-,按照等腰直角三角形原理,得出P0 P-= V―V0)此时平仓空单得到了的V―V0对冲收益。
V0V―= V―V0
因此,得到结论:经过套期保值沪深300指数合约带来的收益正好抵补现货股票组合的损失!
仅当第二种情形发生时:
当处于第二交易部位时,如果沪深300指数从P0上升到P+时候,现货股票组合的资产总价值从V0上升到了V+,实际获利金额为线段V0V+;而此时此刻沪深300股指合约价值从V0上升到了V+,(从图中观察是P0 P+,按照等腰直角三角形原理,得出P0 P+= V―V+)此时平仓空单获得了的V―V0对冲损失。
V0 V+= V+V0
因此,得到结论:经过套期保值现货股票组合的收益正好抵补沪深300指数合约带来的损失!
四、实盘应用中的技术处理问题
投资的重要意义在于先不赔钱,然后才有资格讨论挣钱的问题。下面我们讨论实盘操作中的技巧问题。
第一,处于明显的牛市或熊市状态下的处理。
具体处于长期走势判断来说,似乎投资者都能够判断牛市还是熊市,在牛市来临时放弃做空思想,积极做多股票,在熊市出现时降低现货股票的持仓仓位加之指数期货保值战略显得尤为重要,但是,这在实盘操作中仅仅存在理论意义和指导意义,因为,较为明显的牛市或者熊市持续的时间较长,一般多达几年之久,这在沪深300指数期货合约(合约月份)的选取上就出现了问题。这还需要不断变换不同期限合约的头寸才得以实现保值。
因此,一般的股票投资者往往采用调整现货持仓量的方法来规避系统风险往往忽略通过股指期货采取保值手段。
第二,在中短期行情中难以判断股价走势的处理
股市行情的变动在大部分时间里,处于中短期行情难以判断走势形态的时候比较多,这就正好利用股指期货来套期保值。但是,套期保值的结果是以放弃可能的投资收益来防范了未来可能的投资损失,这让更多股票现货投资者感到不知所措。
既要保证现货资产不受损失,又要抓住现货资产获利机会,这就成为广大投资者的夙愿。实现这一投资策略的手段就是股票期权合约。但是,我国尚未开展此类业务,要想达到这样的理想状态,依据我国股票投资市场现有情况分析,真正的技巧应在于现货股票组合的选取技巧上!
通过调整现货投资组合改变现货股票投资组合的波动系数(即:β系数,β系数代表了当股价指数变动1%时,该投资组合预计变动的百分率)的方法比较有效,β系数表明一种现货股票组合的价格随股价指数变化而上下波动的幅度。不难理解具有较大β系数的证券或证券组合会面临扩大的系统性风险;低风险具有接近于零的β系数。
在实战中,可以分析现货股票的价格波动特征选取领涨抗跌型股票组合就成为广大投资者最为偏好的现货股票投资组合,在此组合下加之股指期货合约相配套就可以实现即可规避价格下跌的风险又能在价格波动中获得收益。
【关键词】证券投资基金 投资行为 中国股市 股市波动性
众所周知,增强中国股票市场运行的稳定性,不仅是我国投资者最大的期望,还是促进我国金融体系健康发展的和运行的重要动力。股票市场的波动性与否与国家宏观经济的发展变量和微观主体的各种投资行为都存在着紧密的关联。在经济市场的发展中,证券投资基金的行为与股票市场的变动性存在着相互作用,市场发展的状况决定了投资者的证券投资基金的行为。相对的,证券投资基金的行为也必定会对股票市场的稳定性产生相对的影响。
一、研究证券投资基金投资行为对中国股市波动性影响的意义
自上个世纪九十年代起,我国股票市场就得到了迅猛的发展,因而投资者选择股票投资基金的行为也随之上升,而这一系列的发展变化都对国际金融的体系乃至全球的经济市场造成了巨大的影响。各国在发展证券市场的过程中,为抑制股票市场投资者的过度投机、化解市场存在的各种风险、引导人们建立长期的、理性的投资价值观因而开始选择股票投资基金的行为来增强股票市场的稳定性。然而,在实际的运行和操作中,效果并不十分理想。投资者一旦作出错误的股票投资基金决策,就有可能为所有基金的持有者带来巨大的经济损失,甚至还会引各种社会问题、经济问题、宏观经济体系的风险问题等。例如,美国“新经济”诞生的纳斯达克指数在反复飙升与下跌的过程中,以及亚洲、墨西哥、俄罗斯等国家的金融危机中,证券投资基金这一投资行为都股票市场的变化起到了强大的催化作用,因而这种投资方式会对任何一个国家的金融体系产生强烈的影响和冲击作用。
近年来,随着我国股票指数的大力攀升,中国基金业的发展规模也得到了巨大的提升和跃进。以证券投资基金为首的投资者或是相关机构正逐渐占据着金融市场的主导地位,因而其未来的发展也必定影响着我国未来的股票市场。因此,当前研究证券投资基金的行为对我国证券市场的波动性与稳定性影响对发展我国金融市场具有较为重要的现实意义。投资的行为是一个抽象化的概念,投资者在作出决策前,其情绪、动机、预期、偏好、需求、认知以及对信息的加工能力等各个方面的因素都会对最终的投资决策产生影响。在解决股票投资基金行为的问题时,应首先将抽象化的概念进行量化。在此基础上,本文在研究证券市场的股票投资基金的行为时,选择将投资者投资持股的比例变量作为其衡量的标准,进而分析证券市场中股票投资基金总体的投资行为对股市波动性的影响。
二、研究证券投资基金投资行为对中国股市波动性影响的过程分析
当前,在我国证券市场发展的背景下,人们主要是从经济市场的微观结构入手,进而对投资者的股票投资基金这一投资行为展开分析和研究。所谓股票投资基金投资行为就是指市场的投资者为了获得预期的经济收益,在一系列投资动机的有效推动下,通过各种有效的经济手段进而在合适的市场环境下不断收集、研究并分析任何与证券市场相关的信息,最终确定一个投资的目标并将这些行为付诸于实践的投资活动。本文在实证研究的过程中主要涉及的变量包括宏观经济变量、投资行为的衡量标准以及综合指数的收益率等。分析证券投资基金的投资行为对我国股票市场的稳定性影响,当前人们选择最多的且最为直接的方法便是比较投资前后股票市场的收益率差异,并观察这种差异是否比较显著。因此,本文主要采用参数检验法和时间序列模型法来检测股票投资基金的投资行为对证券市场收益波动的影响。
(一)参数检验法
该方法主要是在参数检验的基础上构建EGARCH模型,并通过对股票投资基金前后市场收益率的变化情况进行对比,进而研究股票投资基金对证券市场收益波动性的影响。
首先,根据金融市场时间序列发生波动时呈现出的聚集性和市场经济收益率所分布的非正态性,学者恩格尔在研究英国通货膨胀的过程中率先提出并建立了“自回归条件异方差模型”(ARCH)。随后,又有学者在ARCH模型建立的基础上,构建了一个广义的ARCH模型,即GARCH。这个模型就可以准确的描述出金融市场变化的某些特征,还可以适时的捕捉到时间序列的主要聚集趋势。直到1991年,学者纳尔逊才最终提出了一个“指数广义自回归条件的异方差模型”(EGARCH)。相对于前两个模型而言,该模型就有两个较为突出的优势。一方面,EGARCH无需限制参数保证方差方程中所隐含的条件波动始终为正。另一方面,利空与利好消息的影响具有较高的不对称性。据统计,在整个模型中上证指数所表现的收益率能够呈现出一种尾厚峰尖的特征,峰度值的水平为3,正态分布的片度值为0,左边偏峰度为9,偏度值为-0.4,因此这一检验方法也充分证实了纳尔逊EGARCH模型可以描述金融数据的这一特征。
在利用此方法检测的过程中,通过增加虚拟变量的方式来考察股票投资基金前后收益的变化。EGARCH模型主要是由方差方程和均值方程组成,然而均值方程中并不是通过偏自相关函数以及自相关函数来确定MA项和AR项的之后阶数。此外,通过对该模型中虚拟变量、相关的系数、收益率的均值水平、收益率的风险溢价、杠杆效应系数等多个变量的变化情况进行分析可知,当杠杆效应系数>0时,就说明利好消息比利空消息对股市波动的影响大。而当杠杆效应系数0时,说明证券投资基金的行为加大了股市收益率的波动。当虚拟变量的系数
(二)建立时间序列模型的方法
当前,在研究股票投资基金对股市收益率波动影响的过程中,宏观的经济因素会从不同的面对其造成影响,因而严重影响了股市波动性的研究。因此,为了增强研究的真实性、准确性、针对性,本文将第一种方法得出的综合指数波动与这种宏观的影响因素相结合,进而观察投资行为与上述收益率波动两者之间的关系。通过查阅相关的文献,最终选取以下变量作为研究宏观经济变动的代表性变量。
国家生产总值。我国的国内生产总值往往是影响我国股票价格走势的主要因素。在一段时期内,如果国家的生产总值始终呈现持续、稳定的增长趋势,那就说明这一时期的国民经济运行的状态较好,股市的投资者对短时期或是未来的一段时间内实体经济的预测较为准确。企业对自身发展存在较大的信心,因而投资的欲望比较强烈。这就导致股市交易更加频繁、我国股票市场呈现一派繁荣的景象。在此情况下,各种条件保持不变,投资需求逐渐增大,股票的价格便会随之上涨。反之,如果国内的生产总值出现下降的状况,那就说明国家这段时期的国民经济发展十分不景气,企业或是投资者的需求也都无法得到提升,进而导致股票的价格随之下跌。
经济市场的通货膨胀率。市场经济的通货膨胀率对国家股票市场收益率变动情况的影响就要显得更加复杂。该因素既可以刺激股票市场的价格变动,又可以抑制股票市场的价格变动。受货币供给量的影响,导致经济市场出现通货膨胀,可以有效促进投资者提高对股票的需求,进而促进股市的发展,提高股票的价格。但是,如果这种通货膨胀未能得到良好的应用,而发展到某一时期国家政府便出面采取一定的控制措施,那么财政紧缩的政策便会逐渐提高银行的利率,进而引发股票的下跌。
货币的供给量。有学者表示,货币供给量可以通过三种效应实现对股票市场的影响或作用。第一种,预期效应。我国的中央银行一旦出台对货币的紧缩或是扩张的相关政策时,投资者对未来国家企业发展趋势的判断便会受到影响,进而就会在一定程度上改变对股市资金的供给,从而影响国家股市价格的整体变动。第二种,投资组合效应。我国中央银行一旦提出货币扩张的策略时,投资者有持有的货币量便会迅速上升,与此同时,货币的边际效应却在出现连续的递减。在此情况下,其他条件不变,投资者持有的货币超过了股市日常交易的部分,投资者便会到股票市场需求更多的收益,进而导致股票的总体价格呈现上升的趋势,反之亦然。第三种,股票内在价值的增长效应。当国家的货币供给量出现大量增加的情况时,银行的利率便会出现下降的状况,投资的人数就会逐渐增多。在乘数效应的基础上,股票市场的投资收益也会得到较大的提升,这将会对股票的价值产生较大的刺激作用。由此可见,货币量一旦增加,股票市场的价格也会随之增加,反之亦然。
银行的利率。在众多因素中,银行的利率是影响股票价格以及市场走势的最敏感因素。从理论的层面分析可知,股票的价值等于未来出售的价值与每股利所得价值的加和,而利率一旦出现下降的情况,股票的价值便会出现上升的趋势,进而导致股票的价格也随之上升。从我国中央银行变动利率和我国股市价格变动的情况来看,两者间存在着一定的负相关性。
除此之外,在我国实体经济的运行过程中,仍有其他因素的存在,进而影响着股票收益的变动。将各个时期的我国股市价格进行统计并进行系统的分析可知,假设股票投资基金确实可以降低股市收益率波动的作用,那么当股票的价格一旦偏离了基准的价格后,证券投资的行为将会出现反方向的操作。简而言之,当股票价格出现持续上涨的情况时,股票投资基金所占的季度持股比例将会出现下降的情况,当这个价格低于基准的价格时,股票投资基金持股比又将再度上升。
三、研究的结果分析
相关数据表明,我国证券投资基金一旦上市,就会对市场的波动产生影响,不同时期的收益率均值始终呈现负值的状态,这就充分的显示了投资者这种股票投资基金的行为不会对股票市场的收益产生任何印象,反而会导致股票价格的下跌。杠杆效应系数均不为0,这就表明我国的股市显然存在着EGARCH模型效应,也就是杠杆效应。由不同时期杠杆效应系数的变化可知,我国投资者的整体投资理念还尚未成熟,其投资的行为极易受到各种因素的影响。虚拟变量的系数主要是反映了证券投资基金上市前后我国股市收益率的变化特征。相关数据表明,虚拟细数的结果约为0.184,在13%范围内的置信水平较为明显。这就表明,证券投资基金行为对我国的股票市场存在较大的波动性作用。
导致以上现象出现的原因其实有许多,就本文分析的角度而言,证券投资的相关机构与个人性质的投资者所获取的股市信息不一致或是不对称,在这一市场背景下,许多的知情投资者便会像投资机构传递各种私人的信息,发展中其他的交易者也逐渐发现交易的异常问题,进而开始推测并学习可能的金融信息。一系列的循环行为将会引发股市情况的异常发展,进而导致股票价格的波动。
我国证券市场作为近年来逐渐兴起的投资市场,与西方发达国家的证券市场相比,在交易方式、运行的机制、市场的结构、制度的基础等各个方面都存在着较大的差异。此外,我国证券市场的投资者在投资理念、外部环境等各方面与国外的投资者相比,也具有较为显著的差异。研究表明,我国投资者选择证券投资基金这种投资行为对中国股市的效益波动具有较大的正向影响,进而加剧了中国股市的波动。但是,投资者数量的增加绝不是导致我国股市非理性投资的一个充分条件。同时,通过协整股市一宏观经济的关系可以发现,我国股市的市场波动性与经济的宏观变量之间必定会存在长期的均衡关系。导致我国股票市场波动的主要原因还是在于市场的结构、运行机制以及策略环境之间相互作用,以及部分市场微观层面的影响。
参考文献:
[1]谢赤,张太原,禹湘.证券投资基金投资行为对中国股市波动性影响研究[J].中国社会科学,2010,(03).
[2]胡乔.证券投资基金与股市波动性[D].江西财经大学,2010.
[3]黄云洲.我国证券投资基金投资行为对股票市场波动性影响研究[D].江苏大学,2010.
[4]张燕珍.证券投资基金投资行为对股市稳定性影响研究[D].对外经济贸易大学,2010.
[5]张宗新,缪婧倩.基金流量与基金投资行为――基于动态面板数据模型的实证研究[J].金融研究,2012,(04).
[6]陈俊瑞.证券投资基金投资行为对股价稳定性的影响研究[D].重庆大学,2010.
[7]肖欣荣.证券投资基金对中国股市的稳定作用研究[J].经济问题探索,2010,(08).
[8]]亓彬.证券投资基金对股票市场稳定性影响及其作用渠道研究[D].山东大学,2013.
[关键词]:“反向效应” “动量效应” 过度反应 “带头-滞后结构效应”
一、引 言
大量的研究表明,根据股票收益的过去表现可以对未来短期、中期或长期水平的股票收益变化进行预测。例如Jegadeesh&Lehmann(1990)对美国股票市场所做的分析发现,股票收益在1至6个月的短期水平中会出现逆转现象。Jegadeesh&Titman(1993)则认为,股票收益在3至12个月的中期水平中会出现连续性变化,即平均来讲,过去“表现好的股票”(past winner)的未来收益将会持续超出过去“表现差的股票”(past loser)。DeBondt&Thaler(1985,1987)研究后认为,股票收益在3至5年的长期水平中也会出现逆转现象,即过去长期“表现差的股票”的未来收益一定会优于过去长期“表现好的股票”。
基于这些股票收益变动的实证研究结论,形成了两种改进的资产组合投资策略:反向策略(contrarian strategies)和动量策略(momentum strategies)。其中,依据反向策略,投资者应该买进过去“表现差的股票”并卖出过去“表现好的股票”来进行套利;依据动量策略,投资者则应该买进过去“表现好的股票”并卖出过去“表现差的股票”来获取超额收益。按照金融的看法,如果一国的股票投资者利用反向策略和动量策略可以在本国股市中获得异常性收益,则认为此一国的股市中存在“反向效应”和“动量效应”。
股市中的“反向效应”和“动量效应”可以在除美国股市之外的其他国家股市中得到确认。例如,Ahmet&Nusret(1999)发现在美国之外的其他七个化国家的股市中同样存在长期性“反向效应”。Chang等人(1995)证明在日本的股市中存在短期性“反向效应”。Hamed&Ting(2000)在马来西亚股市中也发现了这种短期的“反向效应”。Rouwenhort(1998)在欧盟12国的股市中则检验出了“动量效应”。Hameed&Yuanto(2000)在亚洲6国的股市中也发现了显著性的“动量效应”。Schiereck等人(1999)在对德国股市的经验分析中,则发现存在中期性“动量效应”、短期性和长期性“反向效应”。
按照Fama(1991)的认识,股票收益的可预期性直接违背了股票市场的有效性假说和随机游走原理。因此,研究股市中的各种异常性现象,包括“反向效应”和“动量效应”,不仅仅有利于改进投资者的投资策略、增强投资者的理性行为,还可以用来检验一国股市的有效性并相应提升股市的运行效率。这一点,对于历程十分短暂、制度极不规范的中国股市来讲尤其必要。但也正是缘于我国股市的不完善性和可利用数据的有限性,制约了我们对我国股市“反向效应”和“动量效应”的深入性研究,因此国内的相关研究并不丰富。在这方面,王永宏、赵学军(2001)研究了中国深沪两市1993年以前上市的所有股票,实证结果显示,深沪股票市场存在明显的收益反转现象,但没有发现显著的收益惯性策略。周琳杰(2002)则选取深沪两市1995-2000年的股票交易数据,专门考察了中国股市动量策略的赢利性特征。研究发现,在卖空机制存在的假定下,动量组合的形成和持有期限与其收益呈负相关关系;期限为一个月的动量策略的超额收益明显好于其他期限的策略。吴世农、吴超鹏(2003)对1997-2002年我国上海股市342家上市公司发行的A股进行“价格惯性策略”和“赢余惯性策略”的实证研究,结果表明:样本股票价格同样也存在明显的短期性惯性策略。借鉴这些已有研究成果的基础上,本文将利用中国A股股票市场1995-2002的相关样本数据,对中国股市是否存在“反向效应”和“动量效应”进行更深入的实证分析,并进一步探究其形成的深层机理。
二、数据和分析
(一)数据和样本选择
本文所选用的数据为1995年1月1日至2002年12月31日期间每周的股票价格(并利用“钱龙”分析系统所提供的日交易数据进行一定的修正)。由于原因,本文的样本选择涉及到1996年12月31日上市之前的所有A股,共268只股票,其中沪市140家,深市128家。为了提高数据的有效性,本文对样本股票的筛选原则是:(1)考虑产业的多样性,所选择的样本股票涉及到各个产业的代表性上市公司;(2)考虑到样本股票的规模性差异会诱发“小公司效应”(small-firm effect)或“大股效应”(big-firm effect),对规模极大或极小的上市公司股票数据进行处理;(3)考虑到ST或PT股票交易规则的不同,对在研究期间被特别处理(ST或PT)的股票予以剔除;(4)缘于首次公开上市股票(IPO)上市初会出现不规则的收益变动,对首次公开上市股票第一周的数据给予排除。
关键词 凯利优化模型;对数正态分布;最优投资比例;财富增长速率
中图分类号 F830.59 文献标识码 A
The Investment Strategy of Kelly Criterion Based
on the Stock Price Following Lognormal Distribution
LU Shijie, YANG Chaojun
(Antai College of Economics and Management, Shanghai Jiaotong University, Shanghai 200052,China)
Abstract Based on the idea of centralized investment strategy, we combined the stock price following lognormal distribution with Kelly Criterion, so that it can be used in stock investment more effectively. In order to achieve the fastest wealth growth rate, we deduced the mathematical relationship between the optimal investment proportion and the expectation return and standard deviation of a stock.
Key words Kelly Criterion; lognormal distribution; optimal investment proportion; wealth growth rate
1 引 言
集中投资策略作为股票投资中的主流策略之一源于一种极为简单的思想:在大概率事件上下大赌注.即在市场非完全有效的前提下,寻找少数最具投资价值的股票,将注意力集中在这些股票上,密切关注和研究,然后对它们进行大量集中投资,这样不仅能获得超额收益,反而会降低风险.目前,集中投资策略已经得到了理论的论证.
Kelly(1956)提出了凯利优化模型[1],为集中投资策略提供了理论支持.对于服从二项分布的赌博游戏,即只有成功和失败两种结果的游戏,如果成功则赢得双倍赌注,概率为q,若失败则输掉全部赌注,那么理性的玩家每次下注比例应为b=2q-1,从而使自身财富获得最快增长.
Breiman(1961)对凯利优化模型进行了扩展[2],对于任意给定的固定财富目标,凯利策略使实现这一目标所需的游戏次数渐进最少;对于每次获胜概率不相同的赌博游戏,凯利策略同样适用.Thorp则在实践中证明了凯利优化模型,把凯利优化模型分别运用到了21点游戏(1966)[3],其他赌博游戏(1969)[4]和现代组合理论(1972)[5].
Rotando和Thorp(1992)证明了基于连续分布运用凯利优化模型得出的财富增长速率存在唯一最大值,根据凯利优化模型投资者应该把资产的117%长期投资于标普500指数,即投资者应该以无风险利率借贷17%的资金来投资[6].
Ziemba (2005) 提出对投资大师们具有右偏属性的资产组合进行评估应该用基于夏普比率的一般正态分布进行修正,并深入讨论了凯恩斯、巴菲特、索罗斯等投资大师们对凯利优化策略的运用[7].Fuller (2006) [8]和Lee (2006) [9] 则分别讨论了Morningstar和Motley Fool对凯利优化模型的运用.
Poundstone (2005) 的《财富公式》一书详细介绍了投资者在投资实践中面临的一些限制,如对多资产面临的多因素难以理解,短期风险,交易成本等,使得完全凯利优化策略难以实施[10].
本文在以上研究的基础上,基于集中投资策略的思想对凯利优化模型进行了优化,使其能更好地运用于股票投资实践中,把股票价格服从对数正态分布与凯利优化模型相结合,推导出投资者个股投资的资产配置比例与投资者对个股投资收益率的期望和标准差预测值之间的数学关系,从而实现最快财富增长速率的目标.本文主要创新点在于把股票价格服从对数正态分布的假设引入到了凯利优化模型,代替原有的二项分布假设(只有成功和失败两种结果),使得基于凯利优化模型的集中投资策略更加适用于股票投资.
2 标准凯利优化模型
凯利优化模型是一种服从二项分布的赌博游戏的最优下注策略.所谓服从二项分布的赌博游戏,即玩家未来只面临两种结果“成功”和“失败”;如果成功,玩家获得双倍赌注,概率为q>50%;如果失败玩家将输掉所下赌注.假设玩家每次下注比例为b,那么他第n次游戏后的财富期望值
标准凯利优化模型仅仅是对服从二项分布的赌博游戏的最优下注策略进行了分析和讨论.但是在股票投资实践中,投资者面临的未来股票价格可能性远不止两种结果,标准凯利优化模型难以直接运用于股票投资实践中.本文则基于股票价格服从对数正态分布的假设把凯利优化模型运用到了股票投资实践中.
3.1 研究假设
3.1.1 假设股票价格遵循几何布朗运动
根据BlackScholes期权定价公式假设,股票价格服从漂移系数和波动系数均为常数的几何布朗运动,即
dS=μSdt+σSdz.
其中,S表示股票价格,μ表示股票在单位时间内以连续复利表示的期望收益率(又称预期收益率),σ表示证券收益率单位时间的标准差,简称证券价格的波动率,z遵循标准布朗运动.因此,这是一个漂移率为μS、方差为σ2S2的It过程,也被称为几何布朗运动.
从经济学意义上讲,股票价格服从几何布朗运动,可以表示为股价受两种因素共同作用:一种因素是股票期望收益率的漂移作用μSdt,另一种因素是股价受随机作用力的冲击作用σSdz(见图2).
4.2 结论与启示
根据模型的计算结果可以得出结论,只有当期望收益率大,收益率方差小时该项投资才能对投资者的总资产增长起到显著的贡献作用;而如果期望收益率较小,收益率方差较大时,最优投资比例也相应小,那么该项投资对投资者的总资产增长的贡献作用微乎其微.
所以在股票投资实践中,投资者应该集中精力去寻找市场上少有的具有高预期收益率和高确定性的股票,然后根据凯利优化策略进行集中投资长期持有.这样投资者才能获得高的超额投资收益,实现快速的财富积累.
本文提出的基于股票价格服从对数正态分布的凯利优化模型,正是在投资者对股票进行了深入分析研究有了对股票未来收益率预期之后,可以直接作为其投资实践中资产配置比例的指引.
不过,尽管理论上按照凯利优化策略进行投资能给投资者带来最快财富增长,但是在投资实践中也存在一些因素限制了完全凯利优化策略的运用:
1)机会成本:当投资者拥有两个具有相同期望收益率和方差且相互独立的投资机会时,最优的方法是对两个投资机会投入相同的资金f*,为了避免破产的可能性,必须有2f*
2)风险容忍度.完全凯利优化策略对于许多投资者具有过高风险,如果用“部分凯利优化策略”,即f=cf*,对于他们会更加合适.
3)低于预期. “真实”场景可能甚至会差于保守估计的下限,此时如果投资者按照自己的预计情况来进行投资,他的投资比例就会高于实际最优投资比例,他不仅会面临更高的风险,投资收益也会更低,而采用“部分凯利优化策略”则可以给他带来一定的保护作用.
4)“黑天鹅”事件.人们倾向于忽视那些具有重大影响力的偶然事件产生的影响,这些事件将显著地降低最优投资比例.如果不考虑它们,投资者同样将面临投资比例过高的风险.一个有效的把“黑天鹅”事件考虑进模型的方法是用场景最优随机规划模型,即假设一个事件发生的概率并指定它的结果但并不假设这件事情具体是什么.Geyer和Ziemba(2008)在西门子奥地利抚恤基金中运用了这一方法[17].
5)长期投资.凯利优化模型是一个渐进最优的投资策略,只有进行足够长时间的投资,它的优势才能得以显现.
参考文献
[1] J L KELLY. A new interpretation of information rate[J]. Bell System Technical Journal, 1956, 35:917-926.
[2] L BREIMAN. Optimal gambling systems for favorable games[J]. Fourth Berkeley Symposium on Probability and Statistics, 1961,1:65-78.
[3] E O THORP. Beat The Dealer[M].2nd Ed.New York: Vintage, 1966.
[4] E O THORP. Optimal gambling systems for favorable games[J]. Review of the International Statistical Institute, 1969,37(3):273-293.
[5] E O THORP. Portfolio choice and the Kelly criterion. Proceedings of the 1971[J]. Business and Economics Section of the American Statistical Association, 1972,4:215-224.
[6] L M ROTANDO, E O THORP. The Kelly Criterion and the Stock Market[J]. The American Mathematical Monthly, 1992,99:922-931.
[7] W T ZIEMBA. The symmetric downside risk Sharpe ratio and the evaluation of great investors and speculators[J]. Journal of Portfolio Management Fall, 2005,3:108-122.
[8] J FULLER. Optimize your portfolio with the Kelly formula[EB/OL]. [2006-10-06]. ,http:///articlenet/article.aspx?id=174562.
[9] E LEE. How to calculate the Kelly formula[EB/OL]. [2006-10-31],http:///investing/value/2006/10/31/howtocalculatethekellyformula.aspx.
[10]W POUNDSTONE. Fortune's formula: the untold story of the scientific system that beat the casinos and wall street[M]. New York: Farrar, Straus and Giroux, 2005.
[11]E O THORP. The Kelly criterion in blackjack, sports betting and the stock market[J]. Handbook of Asset and Liability Management, 2006,1:385-428.
[12]L C MACLEAN, W T Ziemba, G Blazenko. Growth versus security in dynamic investment analysis[J]. Management Science, 1992, 38: 1562-1585.
[13]N N TALEB. The Black Swan: the impact of the highly improbable[M].New York: Allen Lane, 2007.
[14]L C MACLEAN, W T ZIEMBA, Y LI. Time to wealth goals in capital accumulation and the optimal tradeoff of growth versus security[J]. Quantitative Finance, 2005, 5 (4):343-357.
[15]L C MACLEAN, E O THORP, Y ZHAO,et al. How does the fortune's formulakelly capital growth model perform?[J] Journal of Portfolio Management, 2011,37(4):96-112.