发布时间:2023-06-02 15:11:23
序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的股票投资的特征样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。
大家现在都已经意识到,退休金需要积极准备。但这个积累的过程,以及其中需要的技巧是有些难度的。那么,该如何解决这个问题?
我们这次想给大家介绍一个概念,那就是根据自己的阶段性理财目标,比如退休金在哪一年准备好多少金额,然后配置一些在时间上、投资风格上与自己需求相符的“生命周期基金”(Life Cycle Fund)。
生命周期基金属于动态管理
当初,生命周期基金名字的来源,就是由于它提供的资产配置组合能根据投资者在生命中的不同阶段的需求而进行变化,属于一种动态的配置过程。起初该类产品是一种专门为投资人提供退休金规划的理财工具,如今则已扩展至子女教育金、购房等长期资金规划运用上。
这种基金一般会设定一个目标日期,其资产配置将随个人理财目标日期的到来而调整,越接近目标日期,高风险资产配置越低,低风险性资产越高,非常符合普通个人投资者储备养老金过程中风险承受能力下降、投资期限缩短的特点。这类基金名称多以目标日期直接命名,例如“目标2010”、“目标2025”等。投资人投资起来非常简单,仅需依据自己的退休时间,即可选择合适的基金。
三只生命周期基金之异同
目前我国市场上也有三只生命周期基金―分别是汇丰晋信“2016生命周期基金”、汇丰晋信“2026生命周期基金”、大成“2020生命周期基金”。
这三只生命周期基金都属于“目标日期型”基金,大家通过其名称,就能清楚地看到,这三只基金分别适合打算在2016年、2020年或2026年左右退休的人群。
理论上,该三只生命周期基金虽然都是随着生命的轨迹不断降低投资风险,但最初的起步却大不相同,每一阶段降低风险的幅度也各有千秋。
最先成立的汇丰晋信2016生命周期基金,2006年5月成立以来就以混合型的身份进入市场,根据该产品契约,其每年的股票投资比例上限都有所变化,至2016年6月1日以后,股票的投资比例最多不超过5%,业绩比较标准也调整为银行活期存款利率(税后),完全转化为债券型基金进行操作。
2006年9月成立的大成2020生命周期基金,相对来说更为激进,初次进入市场,股票投资比例上限可以达到95%,而且有四年多的时间可以维持这种方式的操作风格,至生命周期结束以后,也可以有至多20%的股票投资比例。
以上两只基金对每个阶段投资的股票比例没有下限控制,固定收益类投资比例都可以达到100%,这就给了这两只基金比较大的仓位调动空间,在市场行情很差时,尽量降低风险。
而2008年7月份成立的汇丰晋信2026生命周期基金,对股票投资比例的上下限都作了规定,该基金成立初为股票型基金,然后逐渐调高固定收益类投资比例,至2026年9月1日以后,股票投资比例上限为20%。
在具体的操作过程中,这三只基金的表现又大不相同。
根据“好基汇基金体检中心”的统计,大成2020生命周期基金从2007年二季度的94%左右的股票仓位调整为2007年三季度的54%,下调幅度高达40%,第四季度增仓至93%左右,虽然表现活跃,但择时上经常会踏错行情。
汇丰晋信“2016”则随着股票投资上限不断减小的契约规定,并结合了市场行情的变化,2008年以来将股票投资比例控制在20%至40%之间,表现更为稳健。
成立时间较长的“大成2020”和“汇丰晋信2016”生命周期基金,对股票投资下限都没有规定,但在市场大幅下跌时都并没有大幅下调股票持仓,特别是在2008年的熊市中,没有很好地利用“没有股票投资下限”这一规则。
2008年7月份成立的汇丰晋信“2026生命周期基金”从2009年以来将股票仓位控制在80%以上,跟大成“2020生命周期”一样,属于“高收益,高风险”,相比之下,汇丰晋信“2016”表现更为稳健。
挑选适合自己的生命周期基金
其实,从现有的这三只生命周期基金来看,我们发现,无论是在目标投资期限、动态资产配置调整周期、还是在每个周期内的资产配置比例上,大家都有较大的差异。这其实也给我们引发了一个思考,就是个人如何选择适合自己的生命周期基金?
一个是考察基金的目标日期。一般情况下,只有在目标日期以前,基金的风险收益水平才会不断调整;在目标日期以后,风险收益水平则相对固定,投资者需要注意基金的目标日期是否符合自己的要求。例如,汇丰晋信2016因为其偏低的风险特征,就比较适合现年50岁左右,再有六七年就要退休的人士。而大成2020和汇丰晋信2026更适合30多岁的投资人,现在能分享股票市场的高风险和高收益,然后逐渐降低投资风险,保固成本和前期收益。
其次考察基金的风险收益特征变动率。各只生命周期基金的风险收益特征的变动速度是不尽相同的。例如:基金A早期将100%的资产投资于股票,在10年内演变为一只货币市场基金;基金B早期只有60%的资产投资于股票,在20年后演变为一只债券型基金。那么基金A比基金B的风险收益特征变动率更高。这个要看个人自己的偏好和对自己风险承受力变化的预估。
看资产配置
通常把基金在股票、债券和现金上的配置比重,称为基金的资产配置,它对基金的风险收益特征有重大影响。晨星分类中的股票型、积极配置型、保守配置型、债券型、货币市场基金的股票投资比重总体呈逐步递减,风险收益特征也随之递减。
相同类型中的不同基金,资产配置也可能存在差别。有的股票型基金,其股票投资上限是80%,和股票上限为90%的同类基金比较,预期收益可能略低,但承担风险也要小一些。另外基金的资产配置是动态概念,在基金的运作中是不断调整的。在目前市场处于相对高位时,有的基金仍维持90%的股票仓位,有的基金则将股票仓位由90%减至70%,这是不同基金投研团队对后市的不同判断造成的。投资者对后市的判断不同,看好的基金也会有差别。
投资者可以通过晨星官方网站上的“基金重仓股”菜单的“基金股票仓位”项,了解基金在每个阶段的股票投资比重。
看投资风格
通常用基金所购买股票的特征,来说明基金的投资风格。晨星的投资风格箱通过列出影响基金业绩表现的两项因素,包括基金所投资股票的规模和风格价值一成长定位,来界定基金的投资分格。
投资风格箱是一个正方形,划分为9个网格。纵轴描绘股票市值规模的大小,分为大盘、中盘、小盘。横轴描绘股票的价值一成长定位,分为价值、平衡、成长。通过区隔,基金的股票投资共有9种投资风格:大盘价值型,大盘平衡型,大盘成长型;中盘价值型,中盘平衡型,中盘成长型;小盘价值型,小盘平衡型,小盘成长型。
不同投资风格的基金,在市场表现为不同热点或板块轮动下,可能有不同的表现。例如2006年下半年大盘蓝筹股不断看涨,而中小盘股价则停留在历史低位附近不动,大盘基金的表现胜过小盘基金。而在小盘股表现较好而大盘股纹丝不动的2007年1季度,小盘基金的表现就明显比大盘基金好。对后市市场热点或板块轮动持不同意见,所看好的基金也会不同。
投资者可以通过在晨星官方网站上输入具体基金的代码或名称,进入相应基金的研究报告,点击“投资风格”界面的“投资风格”项,了解基金的投资风格。
看行业比重
除资产配置外,行业分布是分析基金投资组合的重要方面。按照晨星行业分类,股票可分为信息业、服务业和制造业3大行业类别,具体又可细分为12小类。同一大类的股票一般在证券市场中具有相似的波动趋势。投资者对不同行业未来表现的预判,对其选择相应基金有影响。
如果你的基金投资过于集中在同一行业,就有必要考虑将投资分散到其他行业,或投资于相对广泛行业的基金。另外,如果你在高科技行业中工作,意味着你的个人财富与高科技行业息息相关,从分散风险的角度看,您不宜再持有那些集中投资高科技行业的基金。
投资者可以通过搜集基金不同阶段的季报,了解到基金行业投资的变化,“金融界”网站的资料就值得借鉴。
看持股集中度
关键词:投资组合、正态分布、期望收益
自2005年以来,我国股票市场经历了倒V字反转,股价大起大落。伴随着股市的跌宕起伏,股评行业悄然兴起。我国的股票投资者主要以散户为主,其特点就是资金量较少,缺乏股票投资的专业知识,更重要的一点是由于我国股票市场非有效,因此投资者拥有的投资信息不对称。从本质上说,股评家的投资推荐信息是为了弥补散户投资者信息不充分的缺陷,促进股票市场有效。然而,股评家本身并不是完全理性,其推荐信息所表现的投资业绩并不理想,甚至有些股评家利用公信度进行欺诈牟利。理论上说,股票投资信息价值的本质表现是信息所涉股票未来的投资业绩,因此,考察我国股评推荐信息的投资价值对于促进和规范股评行业将具有现实意义。
一、文献综述
cowels(1933)在其论文中对美国股票分析机构给出的股票投资组合的收益率做了实证分析,并发现这些投资组合在考察期内并没有获得超额收益。由于数据收集困难,这个结论没有被普遍认可和接受。之后,Leavyh和Barber(2001)经过研究发现股票投资建议具有一定的价值。国内理论界对股评推荐相关也做了较多的研究。张建成(2001)发现我国股评推荐的股票或股票组合,在推荐信息公布前有正的累积超额收益,而在信息公布后往往有负的超额收益。因此,该结论反应了我国股票市场非有效。王怡凯(2003)从《上海证券报》每周日的《为您选股》栏目中收集了自2001年1月至11月共565只股票推荐信息,按照推荐信息中的持有策略和买卖时机对这些股票的投资价值进行了分析,发现所推荐的短线股票投资收益高于资金的收益,推荐的中线股票投资收益几乎均低于大盘指数收益。因此,该文认为我国股评推荐信息价值主要体现在短线投资中,中长线投资价值较低。
二、实证过程
(一)数据样本
本文实证所采用的股评推荐信息来源于《中国证券报》。该报纸是中国证监会授权刊登上市公司信息披露的指定报纸,其上的股评机构规模较大,形式和质量较高,对于散户投资者来说可信度较高。通过前文的文献分析,国内学者对股评推荐股票的投资价值已经做了一些研究,这些研究结果均显示我国股评推荐的短线股票投资具有一定价值,而中长线投资推荐价值较低。
在数据收集和处理过程中,考虑到文章研究的重点,将长线和中线投资策略合并,对于推荐信息没有明确持有策略的,而出现“积极跟进”、“介入持有”等关键词的也看作中线;对于没有明确短线投资,但出现“适量介入”、“适量跟进”等关键词的视为短线策略。对于在股评推荐信息中被多次推荐的股票,若这些推荐提出的投资策略,即短线、中长线投资建议不明确,则将这些股票的推荐信息从样本中剔除;若这些推荐信息相似,则只选取一则信息进样本,一面股票被多次推荐而高估影响程度。
通过对2009及2010年《中国证券报》股评推荐信息的整理,共收集了96周的推荐信息,涉及2092只股票。其中,推荐短线操作的股票共有958只,沪市483只,深市470只;推荐中线操作的股票共有1109只,沪市64只,深市569只。
(二)实证过程
对于被推荐股票收益的确定方法本文采用指标收益率法。这里将短、中长线操作的指标收益率分别记为,。为了简化实证过程,笔者假设被推荐股票在投资组合中的权重相等,则短线股票组合的指标收益率和个股的超额收益率为:
(1)
(2)
其中:为股票投资组合中第i只股票的短线指标收益率;为投资组合的短线指标收益率;为个股的短线超额收益率;为当期市场平均收益率。
由于股票投资的交易费用是股票投资成本的重要部分,因此,本文设股票的交易费率为f。若每股买入价为P元,那么买入时需支付(1+f)·P元。再设股票持有一段时间后卖出,卖出价为(1+r)·P元,其中r为卖出时股票价格相对买入时的涨跌率。考虑到交易费率为f,则股票卖出是可获得净价格为(1-f)·(1+r)·P元。那么,根据上述假设可得到投资股票的名义收益率(没有剔除通货膨胀)为: (3)
一般而言,股票交易费用由印花税、经纪人佣金等组成,佣金为0.4%、印花税为0.5%,这里我们取单边交易费用为0.9%。若文章没有特别说明,下文所涉股票收益率均是提出了交易费率的收益率。对于推荐短线操作的股评分别研究股评信息后持有l、2、3周的获利情况;对于推荐中线操作的股评分别研究持有5~8、9~12周的获利情况,并以推荐信息公布后的第二天作为买入时间,并计算指标收益率。本文所指的“持有1周”是指从推荐信息后第一个交易日开始,在5个交易日之后的第一个交易日抛出。若R>O,则认为该个股(组合)按照股评推荐的持有策略可以盈利,若AR>0则认为可以获得超额收益。推荐的所有沪(深)市股票中可以赢利(获得超常收益)股票的规模可以用下式计算:
本文选取的被推荐股票样本荣为2000多个,数量较多,可以假设个股瘦了伴侣俯冲正态分布并相互独立。样本期望收益为、标准差S、容量n、股票市场总体收益率为。由于本文样本容量较大,因此构造的T统计量也俯冲正态分布。若取显著性水平=0.01,通过查正态分布表可得T=2.57,则总体均值的置信区间为:
三、实证结论与分析
首先考察短线投资的获利情况,样本中短线投资中有30%以上有超额收益,50%盈利,总体表现较好。但是个股表现较好的原因之一是2009至2010年沪深两市处于震荡上扬的走势,投资者的投资信心相比2008年有所恢复。仅从数据表面很难判断股评推荐股票的实际投资价值,因此需要进一步分析。
实证结果表明,持有1、2、3周在99%的显著性水平下均能获得超额收益或赢利。通过构造T统计量计算各持有期的收益率区间。持有 l周的收益区间最为[0.0109,O.0124],标准差为0.0737;持有2、3周之后的收益区间分别为[0.0279,O.0436]、[0.0412,0.0616],标准差分别为0.108、0.131。可以看出股评推荐的股票投资特征,从收益率方面看,随着持有期的增加,收益率和风险(标准差)也增加。另外,从长期来看,投资者投资于股评家推荐的短线股票
并按照持有14个交易日的策略进行操作,平均每2周就可以99%的把握至少赢利2.81%。按照每月4周、每年48周进行计算,连续投资,则按照福利计算,月收益率为(1+2.81%)*2-l=5.69%,复利计算年收益率至少为91.43%。与短线的处理方法类似,计算中线股票收益率的置信区间,结果显示,被推荐的中线股票持有5—8、9—12周的收益区间和标准差比较接近,分别为[0.0419,0.0723],0.1823、[0.0455,0.0738],O.1833。若将这两种持有期的收益序列分别记为x、y,同样的假设条件下,对序列(y-x)检验,发现其仍然显著大于0。这表明股评家推荐的中线股票随着持有期的增,收益率水平处于较稳定的上升趋势。这与我国有些学者的研究结论,即我国股评家属于信息驱动型的观点相离。
总体上来看,我国《中国证券报》上股评推荐的股票或股票组合的收益率略好于总体。然而这个结论只是某一段时间、某些股票的偶然表现,本文中的样本究竟能够多好的模拟总体尚不明确。股评就其本质而言,主要目的是为了消除投资者的信息不对称问题,帮助投资者对股票进行基本和技术分析。股评者本身也是逐利的,操作风险不可避免的存在。综上投资者对于股评推荐信息的价值判断,还应理性的对待,不能盲目。
参考文献:
[1] 朱宝宪、王怡凯.证券媒体选股建议效果的实证分析[J].经济研究 2001(04)
一、发行方在发行可交换公司债券时权益部分的确认
可交换公司债券与可转换公司债券一样,同时兼有债券和股票的双重特征,在发行时,其自身价值也就包含了负债成份和权益成份两个部分。但其中的权益成份并不与发行方自己的股票相联系,而是由于发行方所持有上市公司(即第三方)的股票而产生。因此,发行方在对可交换公司债券进行初始确认时,其价值中的权益成份是否应该同时确认存在疑问。
笔者认为,发行方应该采取类似于可转换公司债券的会计核算思路,确认可交换公司债券价值中的权益部分。因为可交换公司债券将来可能交换的对象――上市公司的股票,在当前阶段归发行方所拥有,其相关的收益或者损失也应由发行方享有或承担。如果发行方不确认可交换公司债券中的权益成份,在一定程度上将会蒙受损失,可交换公司债券也无法体现其混合证券的特征。
因此。发行方在发行可交换公司债券时,应该确认债券价值中的权益部分。
二、发行方对权益成份的会计处理
可交换公司债券在发行时,即可确认其权益成份。由于此时可交换公司债券仍属于债务的范畴,所以其权益成份应按照公允价值,计入“资本公积――其他资本公积”。
由于《上市公司股东发行可交换公司债券试行规定》中明确规定“债券持有人对交换股票或者不交换股票有选择权”,所以计入“资本公积”中的权益成份在将来如何处理,取决于认购方是否行使选择交换的权利。如果认购方在将来行使选择交换的权利,实现了债券与股票的交换,发行方手中持有的上市公司股票就转让给了购买方,同时收回自己发行的债券,此时上述“资本公积――其他资本公积”相应转入“投资收益”账户,视为发行方处置上市公司股票的收益。如果认购方不行使交换的权利,可交换公司债券的权益成份就应视为企业所支付债券利息费用的减少,冲减“财务费用”,即借记“资本公积――其他资本公积”,贷记“财务费用”。
三、认购方在购买可交换公司债券时的投资分类
可交换公司债券属于金融资产的范畴,对其投资也就存在着入账时的分类问题。根据现行的企业会计准则,投资于债券可分别归属于交易性金融资产、持有至到期投资与可供出售金融资产。
中国证监会公布的《上市公司股东发行可交换公司债券试行规定》中明文规定:“可交换公司债券自发行结束之日起十二个月后方可交换为预备交换的股票”,即企业发行的可交换公司债券存续期间在一年以上;但由于交易性金融资产的持有目的是为了在近期内出售,属于流动资产,所以认购方在购买可交换公司债券时,不能将其确认为“交易性金融资产”。
另外,认购方之所以购买可交换公司债券,不仅仅是因为债券的低风险与稳定收益,而且也是因为其在一定条件下交换为股票后可能产生的高回报;可交换公司债券的交换时间往往不会在其到期日,而是可能发生在一年以上至到期日这一段时期中的任何一个时间点上(视具体协议与条件而定),这些都是认购方在初始确认时完全可以预期到的。所以,认购方在购买可交换公司债券时,很难说其“有明确意图持有至到期”,不应该将该投资确认为“持有至到期投资”。
因此,购买方在认购可交换公司债券时,应该将其计入“可供出售金融资产”。
四、认购方在行权时的投资分类
如果在发行方要求行权的时段内,认购方不行使选择交换的权利,则其继续持有可交换公司债券,到期后或者提前通过债券市场收回该投资。
如果认购方行权,则其对发行方的债券投资就转变为对上市公司的股票投资,该投资同样面临着如何分类的问题。首先,如果认购方的股票投资仅仅是以赚取股票差价为目的,准备在近期内将该投资出售,并指定为以公允价值计量且其变动计人当期损益,则该投资应分类为“交易性金融资产”。其次,如果认购方准备长期持有股票投资,并能够对被投资单位实施控制(即对子公司的投资),或者能够与其他合营方一同对被投资单位施加重大影响(即对合营企业投资),或者能够对被投资单位施加重大影响(即对联营企业投资),则该股票投资应分类为“长期股权投资”。第三,如果认购方持有的股票投资,既不具备“交易性金融资产”的确认条件,也不具备“长期股权投资”的确认条件,则应将该股票投资分类为“可供出售金融资产”。
关键词:证券市场;因子分析;个股
中图分类号:F83 文献标识码:A 文章编号:1672-3198(2014)15-0105-02
1 引言
我国证券市场日渐活跃,上市公司的数量也在不断上升,不同利益相关者在对上市公司业绩评价的指标和方法的选取上也存在着较大差异。针对不同特点的上市公司以及多而复杂的评价指标体系,如何准确有效地评价上市公司的经营业绩,是现今证券从业人员进行证券分析研究的重点。
证券投资者从事证券交易的核心目的是希望通过买卖股票获得良好收益,其根本是选择业绩优秀的上市公司股票。因此,对于上市公司的选择是股票投资的重中之重。一般而言,较为成熟理性的股票投资者在选择股票投资对象时,往往会对上市公司的经营业绩状况进行系统详细的分析,这也是评价上市公司股票投资价值的重要依据。在获取准确的上市公司财务资料的基础上,对其进行科学合理有效的分析,是合理规避股票投资风险以及有效保障投资收益的关键所在。
财务分析的对象是上市公司定期公布的财务报表,财务报表是对公司资金运行和财务状况的定量描述,是上市公司经营状况的“晴雨表”。目前,上市公司公布的主要财务指标有以下8种:每股收益(元),每股净资产(元),每股现金流量(元),净资产收益率(%),主营业务收入(万元),净利润(万元),总资产(万元),股东权益(万元)。
本文拟通过运用多元统计分析中的因子分析法,借助SPSS统计软件,对我国上证50指数50只样本股票2010年中报的财务数据进行分析,提取3个公共因子反映影响个股的主要因素,计算个股因子得分,为证券投资的个股选取提供决策帮助。
2 模型计算及结果分析
因子分析是根据相关矩阵的内部的依赖关系,通过量化的手段,将多个具有复杂相互关系的实测变量转化为少数几个独立,不存在相互关系的综合因子,是一种多变量统计分析方法。这些提取出来的综合因子往往不能直接通过观测得到,但却能更加反映出研究问题的内在本质,这就有利于我们在股票投资分析中理清主要问题,做出更理性的判断。
本文主要选取了浦发银行、中国石化等50只上证50指数样本股,将每股收益(x1),每股净资产(x2),每股现金流量(x3),净资产收益率(x4),主营业务收入(x5),净利润(x6),总资产(x7),股东权益(x8)作为测度指标的原始变量。因篇幅所限,具体的股票原始变量数据在这里不再罗列。
原始变量标准化后仍用原记号x1、x2,…,x8表示,经SPSS统计软件计算得到样本相关系数矩阵,如表l。
从表1可以看出,上市公司这8个主要财务指标之间存在较强的相关关系,可以进行因子分析。
根据特征根大于1的原则,我们提取3个公共因子,如表2,它们描述原变量总方差的80.22%,大于80%,可以认为这三个公共因子基本上反映原变量的绝大部分信息。
由于公共因子在因子负载上有较高载荷值,因此,需要应用最大方差法对因子载荷矩阵进行旋转,以便更清楚地确定和解释公共因子的实际意义,旋转后的结果如表3。原始变量载荷矩阵经旋转后,可以很清楚地看出公共因子F1在x4、x5、x6、x7上有较大的载荷数,说明F1集中反映了上市公司的获利能力,是上市公司主要经营状况的体现;公共因子F2在x1、x2、x8上有较大的载荷数,说明F2反映了上市公司发展潜力,即投资者对公司未来的预期;公共因子F3在x3上载荷,数最大,说明F3主要反映了上市公司的自身价值,根据F1、F2和F3,我们就可以了解到上市公司的财务概况,选择股票也就有了相应依据。
在此基础上,进一步用回归分析法计算出因子得分信息,如表4,可建立因子得分模型。
根据此模型,就可以得到每只股票的因子得分情况,进一步就可以比较F1、F2和F3的大小。将每个样本股票原始数据代入此因子分析模型,可得到每个样本股票的得分。用公共因子的得分排序,可以对样本股票的财务状况进行排序分析。按F1排序,得出前5位股票分别为:工商银行,建设银行,中国银行,农业银行和中国石油。从排序结果可以看出,前5位股票所代表的上市公司几乎均是中国的龙头企业,综合财务能力和经营业务能力都比较突出。同样可以根据F2、F3做出排序,进一步了解各上市公司的财务状况。
在因子分析的基础上,可以对上市公司进行综合实力的分析。以各因子的方差贡献率作为权重进行加权汇总,可以得出各股票的综合得分:
F=0.40675F1+0.26942F2+0.12605F3
这里采用的不再是原有的8个变量,而是通过因子分析后得到的3个因子变量,利用这3个因子变量,可以计算出上市公司的综合实力得分。按此综合得分对样本股票进行排序,前5位分别为工商银行,建设银行,中国银行,农业银行和中国石油,后5位分别为西部矿业、中金黄金、金钼股份、特变电工、宝钢稀土。从排序结果可以看出,这个分析结果与客观实际是相吻合的,说明分析方法的运用比较合理。
3 结论
由此可见,运用因子分析法可以将上市公司财务报表中的众多衡量指标提炼简化为获利能力、发展潜力和自身价值3个综合因子,这些综合因子可以反映出综合指标的经济意义,分析公司的综合影响因素,从而更清晰的表明上市公司的财务状况,以及利用因子得分和综合得分来衡量个股的综合财务状况,这有利于投资者就更理性、更合理地对选择股票投资。
参考文献
[1]张根明,严艳红.湖南上市公司投资吸引力分析[J].价值工程,2008,(9).
[2]胡海鸥,宣羽畅,马骏.证券投资分析[M].上海:复旦大学出版社,2000.
[3]何晓群.现代统计分析方法与应用[M].北京:中国人民大学出版社,1998.
[4]江冬明.主成分分析在证券市场个股评析中的应用[J].数理统计与管理,2001,(3).
[5]卢纹岱.SPSS for Windows统计分析[M].北京:电子工业出版社,2000.
[关键词]量化投资;Alpha策略;意义;方法
[DOI]10.13939/ki.zgsc.2015.25.083
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。
行业轮动策略和行为偏差策略的应用频率不似前面几种高,但也会和另外几种策略相互结合使用。行业轮动策略主要是为了充分掌握市场行业轮动机制与特征,从而可以获得高额的收益,对行业之间的投资也可以非常高效和准确地进行,对把握正确的时机有很大的优势。行为偏差策略目的是窥探到股票市场中存在的过度反应或者反应不足等现象,这些都属于股票投资市场的偏差,从而可以通过投资者对不同股票抱有的差异化评价来实现超额收益。
1羊群效应的概念及特征
羊群行为是指人们经常受到多数人的影响而跟从大众的思想或行为,也被称为“从众效应”。金融市场上的羊群行为是一种特殊的有限理,它是指投资者在不完全信息的环境下,行为受到其他投资者的影响,模仿他人的决策;或者过度依赖于舆论,而不考虑自己得到的信息的行为。由于羊群行为具有传染性,因此把存在于多个行为主体之间的羊群行为现象称为羊群效应,主要研究信息传递和行为主体决策之间的相互影响及这种影响对信息传递速度和充分性的作用。羊群行为的特征包括:(1)先做出决定的投资者的行为对后面大多数投资者的投资决策具有非常重要的影响;(2)常常会导致投资者形成错误的投资决策;(3)当投资者发现决策错误之后,会根据更新的信息或已有的经验做出相反的决策,从而开始新一轮方向相反的从众。从羊群行为的特征可以看出,羊群行为的出现有两个条件:首先,别人的决策行为是可以观察到的,否则无法模仿;其次,所有决策并不是同时做出的,而是有先后次序发生的。行为金融学是通过对投资者投资行为的心理偏差的系统分析来描述羊群行为的。当证券市场面临众多不确定性和不可预测性,投资者在进行投资决策时,其心理因素会随着外界环境的变化而发生改变,人类固有的行为模式会不知不觉地主宰着投资者的行为。每一个投资者开始总是试图进行理性投资,并希望规避风险。初始羊群效应使得偏差得以形成,而强化羊群效应使得偏差得以扩散和放大。
2羊群效应的形成原因
机构投资者的特点是既有个体的行为特征又有群体的行为特征。在股票市场中,一方面投资基金的投资决策主要由基金经理做出,因而基金的投资就不可避免地带有基金经理个人的投资行为特征;另一方面,投资基金由于是群体性的研究,其信息来源比一般个体投资者要广得多,故而股票市场的投资行为又带有群体行为的特征。因此,股票市场中羊群效应产生的原因一般有以下几个方面。
(一)市场机制因素
(1)机构投资者的委托机制不完善
从投资股票者来看,作为人其目标是让委托人的满意度最高,尽管在投资初期,基金公司对投资策略、投资风格、投资理念也做了详细地制定,但是毕竟是要取悦委托人。因此,基金公司原先的投机策略不得不让位于对名誉的维护,不得不从众和跟风。在此背景下,基金公司如果采取同其他基金同业相同的投资策略,则至少可以取得平均收益水平,相同的策略操作产生了羊群效应。
(2)缺乏信用经济基础
股票市场的建立需要发达的信用经济基础,但对于信用体系不健全的中国来说,必然会带来不健全的股票市场。同时市场基础不完善的股票市场价格的波动性较大,当投资者面临较大的不确定性时,特别是当投资者依靠自身能力不能做出正确判定时,投资者将会明显地追随其他人的观点。市场波动性越大,市场风险越大,投资者的预期就越不确定,这时候投资者会更多地观察他人的交易行为并加以模仿羊群行为程度增大。
(3)可供股票投资者选择的优质品种不多
由于市场上绝大多数的股票估值偏高,具备投资价值的优质蓝筹股和绩优成长股的数量过少,稀缺的优质公司股票就当仁不让地成为基金追逐的对象。在这种市场环境下,机构投资者在挑选自己投资组合时都纷纷追逐市场热点,同时买卖相同的股票,选择那些业绩突出,盈利能力强,具有行业代表性的龙头企业,这样就形成了众多机构投资者同时投资于少数蓝筹股绩优股的现象,产生基金投资的“羊群”效应,交叉持股自然不能避免。
(二)投资者自身因素
(1)投资理念模糊、投资知识缺乏
我国股票市场上投资者大多数缺乏专业的股票投资知识,这表现在投资者无法分析上市公司的资产负债表、现金流量表、利润表或对国家出台的政策不能从深层次的把握,同时对经济的动向不能很好的把握,这就造成投资者在投资过程中无法凭借自己的能力去判断股票的价值,很容易形成混乱的投资局面。同时市场上那些专业的投资者一般都系统学习过投资知识并且经验丰富,对信息的把握能力也比普通的投资者要强,也能够对国家宏观经济的大环境、整个证券市场的运行趋势以及上市公司的发展前景进行全面深刻的研究。这些投资者往往成为羊群效应的领头羊,而那些缺乏专业知识的投资者成为羊群。
(2)从众投资者的非理性跟风
从众投资者是非完全理性的,投资者做出的决策并不完全出自其理性的分析,而更容易受情绪、心态等各种心理因素的影响。这样当投资者处在投资群体当中很容易受到其他投资者的影响,采取与其他人一致的行动。这样做可以使个体获得一种安全感。当投资者做出的决策与其他人不一致的时候,投资者很容易怀疑自己的判断进而改变自己的判断,选择与其他人一致的行为。股票市场中的投资者大部分缺乏专业的知识,对于那些最近几年才加入到股票市场中的投资者来说更加缺乏相关的经验,绝大多数投资者没有接受投资方面专业知识的训练,对证券市场研究能力不强,不能够对相关的股票进行系统的合理分析,他们投资时候往往是听取各种专家的建议,这些投资者就扮演着跟随头羊的“羊群”。
(3)缺乏良好的心态
我国股票市场建立时间短,多数为新股民,这些投资者往往缺乏良好的心态。主要表现在三个方面。第一,投资者抱有非理性的收益预期;第二,获得虚假的心理安全感;第三,大众化思维。社会心理学家研究表明,在群体活动中,容易出现去个体化倾向,即个体的自我意识变弱,更倾向于采取与集体一致的行动。行为金融学也赞同这个观点,并认为投资者并非完全理性的,其投资行为受其情绪、态度等各种心理因素的影响。
3弱化羊群效应的措施
理性的羊群效应对我国的股票市场有着一定的积极作用。个人投资者缺乏专业的知识和对市场有效信息的充分掌握,因此理性的羊群效应在一定程度上可以帮助投资者确定自己的投资策略,获取收益,规避风险。其次,理性的羊群效应有利于加快股票市场价格发现的速度,实现社会资源的合理配置,维护市场的稳定,因为此时羊群效应的发生使得大量资金能够快速的向具有投资价值的企业流入,从而优化市场的资源配置职能。除此之外,理性的羊群效应能够促进市场的价格发现机制,使得股票的价格更向其内在价值靠拢,这能有效的提高市场效率。
(一)完善信息披露制度,扩大信息披露的范围
市场信息不对称是形成羊群效应的主要原因,只有规范信息披露制度,增强市场的透明度,才能使投资者及时掌握真实有效并且全面的信息,市场才能够逐渐变得公平。为了增强信息市场的透明度,使投资者获得完全公平的竞争条件,弱化市场羊群效应,就要充分和及时地披露真实信息。所有可能对股票市场中的股票走势产生影响的信息都应该及时的予以公开,包括企业对某个项目的操作情况,如兼并和收购的各项工程的进展情况,不能等到股价急剧变化之后再披露有关资料。而由于上市公司在披露自身信息方面缺乏主观能动性,也因此需要监管制度的约束,对于瞒报信息或者报虚假信息的上市公司应当予以严厉的处罚。
(二)培养个人投资者的投资理念,倡导正确的投资方式
羊群效应的另一重要产生原因,是由于投资者抱着投机心态的错误投资理念,普遍持股期限短是其一大特点,在市场出现震荡时,羊群效应会使得市场震荡进一步恶化。因此,一是通过媒体网络等方式向公众传输选择有价值的股票长期投资长期持有,以公司价值为投资目标的理念。二是加强管理上市公司的股利分红政策,杜绝上市公司不给股东配发红利的现象。三是对股票投资者的专业技能进行培训,倡导以长期投资价值为核心的投资理念。在进行投资时应以长期平均收益为中心选择有价股票,即选择一个有潜力的有价股票长期持有,而不是跟风炒作。当市场中的投资者更成熟更理性时,市场中的羊群效会减少。
(三)改善股票投资市场的外部环境,拓宽投资渠道
最优股票投资组合选择及其风险控制一直是资本市场研究的热点问题。已有文献对资产组合最优决策理论进行了大量研究,在资产组合选择与最优配置、资产组合规模效应与影响因素、以及资产组合风险度量与控制等重要问题取得了丰硕成果。但遗憾的是,无论是理论还是实证研究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,通过对沪市A股的120支股票收益率进行拟合使用改进的相关系数法对股票收益波动时间序列相关性进行匹配,聚类,从而优化了股票投资组合选择的方法。并通过实证研究,证明了在哈里?马柯威茨证券组合评价标准下,使用该种股票投资组合选择方法,可以获得同等收益水平下,更低风险的股票投资组合,从而为投资者选择合理的股票投资组合提供了可能的方法。
二、文献综述
(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。
(4)比较三种组合方式的风险。通过均值计算,很容易得到每种组合方式下平均最小方差值,如表(5)所示。可以看出,基于股票收益率波动性的相似性聚类的组合在确定的收益率下获得了比随机组合、类内组合更小的最小方差值。另外,从图(3)到图(5)中对于不同组合方式下的实验结果进行观察,发现在基于相似性聚类的组合方式下180次试验结果的方差很小,也就是说每次实验得到的最小方差值十分相近。这些现象说明采取基于相似性聚类的组合方式不仅可以更有效地降低风险,而且在这种组合方式下获得的最小方差值更具稳定性。