时间：2023-06-07 09:38:57
[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。
关键词： 价值投资 中国证券市场 适用性
一、价值投资的内涵和理论发展
(一)价值投资的内涵
价值投资,其核心思想是:以对影响证券投资的经济因素、行业发展前景、上市公司的经营业绩、财务状况等要素的分析为基础,利用某种方法测出股票的“内在价值”,然后与该股票的市场价值比较,让投资人做出是否投资该股票的投资策略。价值投资认为上市公司的内在价值与股票价格会有所背离,股票价格围绕内在价值这个稳定点上下波动,且股票价格长期看来有向内在价值回归的趋势;其内在价值决定于经营管理等基本面因素,股票价格则决定于股市资金的供需情况,在不同的决定因素下,内在价值高于股票价格的价差被称为“安全边际”,即当股票价格低于或者高于内在价值即股票被低估或者高估时,就出现了投资机会。
(二)价值投资的理论发展
最早对价值投资理论进行研究的学者是马克思,他认为,股票价格会随他们索取的收益大小和可靠程度而变化,同时股票价格由预期收入决定,因此又具有投机的性质。在马克思研究的基础上一些西方学者作了进一步的研究。美国著名的投资家本杰明.格雷厄姆,1934年出版的《证券分析》一书,被尊为基本分析方法的“圣经”,他认为,长期而言,股票的价格取决于企业的发展和企业所创造的利润,并与其保持一致,而短期价格却会受到各种因素影响而波动,尽管金融资产价格波动很大,但其基础价值稳定且可测量。1961年,莫迪格利尼和米勒提出了股利分配政策与公司价值无关的MM理论。该理论认为在严格假设条件下,股利政策不会对企业的价值和股票价格产生任何影响,一个公司的股票价格完全是由其投资决策所决定的获利能力决定的。MM 理论框架是现代价值评估的思想源泉,它促进现代价值评估理论的蓬勃发展。在这一基础上,人们经过大量的研究和论证,最终确立了决定股价的一个基本的变量——自由现金流,并由此提出自由现金流贴现模型。
二、价值投资策略在中国证劵市场的适用性探讨
(一)价值投资策略在中国证劵市场的适用性
根据价值投资理论,股票的价格围绕其价值上下波动,其内在价值又决定于经营管理等基本面因素,因此从理论上而言,股票价格与每股净资产,扣除非正常损益后每股净收益,每股经营现金流等变量有一定的相关性。但中国证劵市场的实际来看,却并非如此,股票价格严重偏离内在价值,我们用相关的估值理论对企业进行恰当的估值往往不符事实。
从这一轮的股市来看,很多基本面良好,潜在价值不错的股票却都大大的被低估了,价格一路走低,最典型的就数银行股。按6月20日的收盘价,以今年一季报测算,14家上市银行2010年动态市盈率平均为9.71倍,其中,小于10倍的有9家,最小的是交通银行,仅7.48倍;而大于11倍的仅有3家:宁波银行14.17倍,中信银行12.56倍,招商银行11.74倍。若以市净率计算,全部小于3倍,平均2.03倍,其中在2-3倍之间的有6家,在1-2倍之间的有8家。从估值角度来看,确实很低了。以当前9倍、10倍PE水平来看,即便是在港股市场上,也处于底部区域了,因为在港股历史上,大盘估值基本上是在10-20倍PE之间波动①。与此相反,创业板中许多基本面不怎么样的企业却一路走高。因此,在笔者看来,价值投资策略在中国证劵市场的适用性还是有一定的局限性的。
(二)原因分析
1.强周期行业不利价值投资
中国经济仍然处于工业化高速发展阶段,GDP的三驾马车为投资、消费和出口,其中投资和出口拉动的都是基础工业品需求,大量固定资产投资推动基础工业品需求的形成。映射到A股上市公司市值构成中,“煤电油运、钢筋水泥、地产有色”等强周期型行业占绝对主导地位,与美国市场以金融、IT、医药、消费为主体的结构差别很大。我们知道,巴菲特惯于投资消费、金融和传媒等弱周期性企业,而在中国A股市场上,消费零售行业仍然处于发展初期,值得长期投资的强势企业很少;主要传媒机构仍然是受意识形态控制的非经济组织;金融领域也是近两年才出现一些值得长期投资的强势企业。
纯靠买卖股票赚钱在过去三年大幅震荡、“黑天鹅”频出的市场几乎不可想象，但市场风浪再大，总有挥洒自如的弄潮者。
其中的行业翘楚，汇丰晋信旗下三只普通股基凭借优秀的选股能力获利不菲，跻身《投资者报》“基金全能赚钱王”三年普通股票型基金赚钱榜前十，充分展示了其投研团队精准的选股能力和综合实力。
汇丰晋信三只普通股基
入围赚钱榜前十
据《投资者报》市场研究中心的数据，在“普通股票型基金赚钱前10”榜上，汇丰晋信有三只上榜，分别是汇丰晋信大盘A、汇丰晋信低碳先锋和汇丰晋信消费红利，近三年分别实收入账11.07亿元、3.57亿元和1.91亿元，成为普通股基中上榜最多的公司。
汇丰晋信的成功并非偶然，根据海通数据显示，截至今年一季度末，汇丰晋信最近三年旗下权益基金的净值增长率为106.40%，排名69家公司第三，五年净值增长率为131.92%，排名66家公司中第四位，也是唯一一家过去三年、过去五年绝对收益排名均在前五的基金公司。
众所周知，普通股基历史悠久，2015年又整体提高了最低仓位，在此约束下，一些产品不得不转型成偏股混合型，而普通股票型基金赚钱榜前10的基金用成绩证明，凭借自己的独门秘籍，即使不择时，通过精选个股，一样能为投资人赚取较高收益。
对此汇丰晋信投资总监曹庆表示：这是公司“可解释、可复制、可预测”投资理念的最好印证，证明在A股市场，坚持基金投资策略本身、不追求短期排名的投资方法是行之有效的。
汇丰晋信目前管理在岸本地基金 17 只，同时是多家机构 QFII 投Y咨询顾问，为国际投资者提供专业资产管理服务，致力于“让投资更简单”。
“低估值策略”年年盈利
如何控制风险，保证出击的有效性？又如何及时保住胜利果实？位列普通股基赚钱榜第三的汇丰晋信大盘A，其操作策略具有代表性。
汇丰晋信大盘A的最低仓位是85%，近三年仓位调整幅度在86%～94%之间，“我们旗下的股票基金仓位明确，风格明确，坚持‘所投即所得’，即投向大盘蓝筹股，有利于投资人选择到真正适合自己的基金，并做好资产配置。”曹庆表示。
尽管拥有如此高的仓位，汇丰晋信大盘A在过去三年中依然每一年都实现了盈利，年化收益达到40%，并获晨星、海通证券、上海证券等多家机构五星评级，用实践证明：通过精准的选股和买卖操作，不但能为投资人赚钱，并且能在较高的仓位下，合理控制投资人的风险。
大盘基金基金经理丘栋荣表示：“对于权益投资，最重要的是要承担市场的风险。只有长期持续地承担风险，才能获得市场的超额回报。我们的目标不是没有回撤，因为那样可能将放弃上涨的机会。我们希望能在市场下行的时候，跌得相对较少；市场上涨时，涨的相对较多。我们致力于构建最有性价比的组合，以期在波动的行情以及系统性风险中获得不错的收益。”
“避免买入高估资产，或者低配高估资产可能在操作中更为重要。”坚持PBROE策略（低估值、高盈利策略）的丘栋荣有自己一套独特的投资策略，即“基于风险定价的主动价值策略”。据丘栋荣测算，在过去业绩的归因分析中，超额收益中接近一半来自于低估值策略，另外有1/4来自于选股提供的绝对阿尔法收益。
“我们要考虑的是有没有足够的流程方法以及体系来把超额收益始终把握住，能够确保超额收益的可持续、可复制和可预测，所以我们更多的工作是在构建体系，并通过自下而上的方法把体系构建得更加完整。”丘栋荣说。
根据Wind统计数据，截至4月26日，丘栋荣目前管理的基金有两只，分别是汇丰晋信大盘和汇丰晋信双核策略。其中汇丰晋信大盘A类今年以来的累计收益已有7.88%，双核策略A类则有5.4%。而相比短期的排名和业绩，丘栋荣更看重经过风险调整后的超额收益，并表示将“始终评估风险和收益的来源，达到一个持续的、正确承担权益市场风险，并获得超额收益的目的。”
长效机制复制超额收益
在打造投研体系的过程中，曹庆将“可解释、可复制、可预测”的投资理念作为全公司产品运作的核心。
“业绩可解释就是我们能够清楚地解释我们基金获取的超额收益来自哪里，而且这个来源是真实可靠的；业绩可复制就是我们获取超额收益不是靠运气，而是有具体的投资策略和投资流程做保障；业绩可预测就是我们所有产品的风险、收益特征是非常清晰的，能够让投资者相对简单的对我们基金的业绩建立合理的预期。”
“我们的投资策略包含了个股选择策略、行业配置策略、资产配置策略来进行组合的构建和调整，同时也有风险控制策略来控制组合的整体风险，以及定期的业绩归因来分析基金经理执行该投资策略的效果。我们希望基金经理在坚持精选个股的同时，也能够从组合管理的角度来思考和投资。”
所谓反向投资策略，即相当于追跌杀涨的投资模式，采用这种策略的投资者买入一些在过去一段比较长的时期内表现不好的股票，并且对同时期表现比较好的投资组合进行卖出操作，是一种备受关注的投资策略。噪声交易、过度自信以及羊群行为等投资者非理性行为构成了反向投资策略的实证基础与依据，这些非理性行为导致了市场的过度反应，造成了股票价格上升或下降调整过度和股价波动超过股票内在价值变化的现象。而在接下来的一段时期，随着更多的信息到达市场，投资者的认知得到修正，市场会对股票价格进行重新评估，股价逐步回归到其基础价值水平。此时，曾经表现好的股票价格将出现下跌的现象，而过去表现差的股票价格将会上升，出现扭亏为赢的现象。通常，这个过程往往是十分缓慢的，据国外学者的研究，在成熟的资本市场，这个过程往往需要3～5年的时间[2]。
与反向投资策略相反，动量投资策略则相当于追涨杀跌的投资模式，采用这种策略的投资者往往会买入在比较短的时期内表现良好的股票，而相同的时期里表现比较差的股票则会被卖出。动量投资策略最初由Jegadeesh和Titman发现，其赢利性源于市场的反应不足[3]。
由于中国的证券市场进入规范化发展阶段的时间不长，可以采用的样本数据不够充足。尽管国外学者对证券市场投资策略的研究已经较为深入，但国内部分学者对中国证券市场是否存在这种由于投资者行为导致的非理性现象仍存有一些争论，之前的研究也主要集中在对中国证券市场有效性的探讨上。本文拟在前人研究的基础上，结合国外学者系统的研究方法，以沪深两市所有A股为样本，借助于大量数据构建投资组合，着力对中国证券市场投资者非理性行为导致的非理性现象及行为投资策略进行实证研究。通过对中国证券市场是否存在反应过度及反应不足的现象进行研究，确定行为投资策略的适用性，进而研究反向及动量投资策略的最优形成期和持有期，并在此基础上尝试着探讨如何在中国国情下综合利用上述研究成果来更好地应用行为投资策略。
一、研究文献回顾
1国外的研究
学术界一致认为，20世纪末，关于行为金融学以及行为投资策略的研究由DeBondt和Thaler(1985)的《市场过度反应了吗?》[2]一文而揭开序幕。为了对股市存在反转与动量现象与否进行检验，DeBondt与Thaler采用赢家输家组合的套利策略，选取了1926年1月至1982年12月在纽交所上市交易的、至少有超过85个连续月收益率数据的普通股作为样本。研究结果表明，若输家投资组合是以过去三年报酬率为基础建立的，那么其在未来三年所获得的收益率将超过同期赢家组合收益率的25%，可见投资人的非理性投资行为确实会造成股票市场的异常波动。在此基础上，Chan(1988)认为，将资本资产定价模型(CAPM)作为基础的时变风险考虑在内后，尽管DeBondt和Thaler(1985)所构建的赢家组合报酬率相对于输家组合要更低，但由于这个超额报酬并不显著，反向策略所获得的利润实际上相当于投资组合在形成期内承担了较高的风险而产生的风险补偿[4]。
对证券市场投资策略的另一个经典研究是由Jegadeesh和Titman完成的，他们以美国股市19621989年的数据为样本，通过构造32个不同期限的投资组合，考察了美国股市动量策略的绩效。研究发现，把3～12个月作为间隔而构建起来的股票投资组合的平均收益不仅呈现出连续性，且还有一月效应的存在，因此关于股价服从随机游走规律的假设是不正确的。据此Jegadeesh也指出，股票价格可以预测意味着市场的无效性[3]。在Jegadeesh和Titman的研究之下，Conard和Kaul(1998)通过与Jegadeesh和Titman类似的办法构造了赢家组合与输家组合，发现在短期内(小于1个月)所利用的反向投资策略相比于长期内(3～5年)能够得到更多的超额利润[5]。此外，Schiereck和DeBondt对德国的法兰克福股市进行研究之后也得到了基本一致的结论。这些研究结果更加说明反向和动量投资策略并不是仅仅存在于美国股市的个别现象[6]_______。此外，Nicholas、Shieifer和Robert[7]、Daniel、David和Avanidhar[8]、Hong和Jeremy[9]，从不同的角度分析了反应过度及反应不足现象存在的原因以及采取反向与投资策略收益的来源，解释了反向与动量投资策略的可盈利性。
2国内的研究
近几年，国内部分学者对中国证券市场上的反向与动量投资策略的适用性进行了检验，得到的结果却并不一致。
首先，张人骥、朱平方和王怀芳(1998)利用19931996年间上市A股当作样本对中国证券市场进行实证分析，认为中国证券市场不存在过度反应的现象[10]。
与其相反，罗洪浪和王浣尘(2005)对19952002年中国股市中反向投资策略与动量投资策略的赢利性进行考察，深入研究了关于均值标准差比率优化配置对上面两种策略盈利性所产生的影响。实证研究结果显示，反转现象在赢家组合和输家组合中都存在，但两种投资组合都未表现出明显的收益，动量策略不仅不能获利反而会造成损失。而反转策略在赢家组合和输家组合中都表现出非常显著的收益[11]。刘博、皮天雷(2007)以19942005年的全样本数据为基础分别研究了沪深A股市场的动量和反转效应，也获得了相同的结论[1]。近几年，刘晓磊(2011)以沪深100只A股股票2010年1月1日至2011年6月30日18个月的数据进行计算，认为在典型的熊市应当选择反向投资策略，而在牛市中反向策略效果不明显[12]。方立兵、曾勇、郭炳伸(2011)考察了这两种行为投资策略的收益率是否可以被高阶矩阵风险所解释，获得了相同的结论[13]。方亢、李文芳(2015)研究了引入做空机制是否会对投资者习惯的操作策略有影响，结论同样认为我国的动量效应在短期内不明显，而反转效应显著[14]。尽管多数学者认为中国证券市场只存在反转现象，动量现象并不明显，但仍有一部分学者认为动量现象在中国证券市场中也是存在的。林松立、唐旭(2005)采用中国股市1994年1月至2003年6月的数据样本，并根据中国股市的特征对DeBondt以及Thaler的检验方法进行了修正，对中国股市进行了研究。根据实证结果，中国股市中反转现象明显，在中长期也有动量效应存在[15]。何立伟(2013)以20092012年经历股价大幅波动的A股上市公司为研究样本，选取分析师评级作为市场公开信息的代理变量，对股价大幅波动是否伴随有评级发布进行区分，采用事件研究法比较研究了我国股市股价大幅波动后股票收益的短期变动行为，发现若股价大幅波动时伴有分析师评级发布，则股票收益此后会表现出动量效应，而未伴有分析师评级或盈余公告时，此后股票收益则会表现出反转效应[16]。牛芳(2014)将动量投资策略分为固定持有期动量策略(一般策略)和随机持有期动量策略(新策略)，发现固定持有期策略下不存在动量效应，而新策略下动量效应显著[17]。 除股票外，一些学者还对我国基金市场进行了行为投资策略的实证研究。朱雪莲、贺晓波(2010)选取2006年第1季度到2008年第4季度12期的数据，将30只股票型开放式证券投资基金作为研究样本，通过ITM 模型对开放式基金动量和反转两种策略进行了实证研究。结论认为，基金买入当期表现好的股票有助于提高基金绩效，而卖出股票时，动量投资策略和反向投资策略对绩效影响不显著。即整体来说，动量投资策略比反向投资策略对提高基金的绩效更有效[18]。赵臖(2011)对基金持股按不同投资风格划分，并对其动量交易行为进行实证比较分析，得出了相同的结论[19]。李学峰、文茜、张舰(2011)运用面板模型，将交易策略指标纳入Sharpe指数多因素门限模型，分别考察在前期Sharpe指数为正和为负的情况下惯性和反转交易策略对基金绩效的影响，认为惯性策略在总体上会对投资绩效产生负面影响，而反转策略的影响是不显著的[20]。武金存、曲昭光(2014)将Mrsgarch模型与ShillerSentanaWadhwan噪音交易者模型结合，对基金的两种行为策略进行了考察，认为坏消息对基金收益率波动的影响大于好消息[21]。李实萍、吴栩(2014)通过提出动量强度的概念，构建了测算指标MTI，以中国开放式基金为样本研究了动量交易强度对基金业绩的影响，发现开放式基金普遍存在动量交易行为[22]。
中国股市起步较晚，正规化后的发展时间较短，因此对股票市场的研究并没有十分深入，研究股票市场投资策略的文献也很少，且多集中于2005年之前，因此可用于研究的数据较少。这些有限的研究在样本选取等方面也存在着不尽人意的地方，如只以某一时点之前上市的股票为样本进行研究，追踪这些股票接下来的表现，而未考虑在该时点之后上市的股票。与欧美成熟股票市场不同，中国证券市场正处于起步及发展阶段，每年有大量新上市的股票。随着时间的推移，新上市的股票在研究区间内占有更大的比重，却未被列入研究样本，导致以某一时点之前上市的股票为样本进行的研究可能会产生实证结果的偏差。据此，本文以DeBondt和Thaler的研究方法为依据与基础，在更广阔的研究范围内对中国证券市场反向及动量投资策略进行了实证研究，全面分析了反向及动量投资策略在不同形成期搭配不同持有期投资组合的收益特征。和DeBondt与Thaler研究方法的不同之处在于，本文采取的方法是重叠抽样，也就是说交叉重叠现象在样本前后形成期与持有期都存在。若实证研究证明反向和动量这两种行为投资策略能够获得显著的超额收益，则中国国股票市场并不是一个有效市场的结论也将被证实。
二、研究框架设计
1模型的设定
通常对半强势有效市场的检验从t=0时期开始，然后对在这一时间点后(即t0)投资组合的超额收益是否等于0进行检验。若投资组合在t0时期的超额收益显著不等于0，则解释为市场并不是一个半强势有效市场，或者仅仅是一个弱势有效市场。
为了研究反向投资策略和动量投资策略在中国证券市场上是否有效，即中国证券市场是否不是一个半强势有效市场，本文将关注在过去5年中有着极端收益或损失的股票，检验投资组合形成后(即t0时期)的超额收益是否与投资组合形成前(即t0时期)的超额收益相关。即输家组合和赢家组合是根据过去的超额收益而非基于公司的其他信息变量(如收入等)而形成的。根据Fama(1976)关于金融市场的理论[23]，有效市场可以用式(1)来表示，即E(珘Rjt-Em(珘Rjt))=E(珘ujt) (1)式中：珘Rjt为证券j在t时刻的收益;Em(珘Rjt)为珘Rjt的期望值，表示市场上所有信息下证券j在t时刻的期望收益;珘ujt为股票j在t时刻的超额收益率。有效市场假说认为，E(珘uWt)=E(珘uLt)=0，即在同一时刻赢家组合和输家组合的超额收益期望值应该都为0。而过度反应假设认为E(珘uWt)0并且E(珘uLt)0 (2)即赢家组合在未来一段时期内的超额收益期望值应该小于0，输家组合在未来一段时期内的超额收益期望值应该大于0。反应不足的假设则刚好相反。
用于形成赢家组合和输家组合的基本研究设计如下：
(1)对于每只股票j，用其月收益率数据减去当月市场收益率数据，即ujt=Rjt-Rmt。
(2)对于每只股票j，计算形成期p个月的累积超额收益率CUj=t=0t=-pujt。将累积超额收益率按从大到小的顺序排列，并只保留至少有60个连续数据的股票，累积超额收益率最大的30只股票形成赢家组合W，最小的30只股票形成输家组合L。
(3)分别计算赢家组合W和输家组合L中每只股票在接下来q个月的累积超额收益率CUj=t=qt=1ujt，并计算投资组合中30只股票累积超额收益率的平均值，作为该赢家组合和输家组合在持有期q个月内的累积超额收益率CARW、CARL。
(4)依次将投资组合形成日(t=0)向后推1个月，重复步骤(2)(3)，如此每组形成期搭配持有期共可计算出N个数据。
(5)将每组N个数据的算术平均值作为该形成期p搭配持有期q得到的赢家组合W 和输家组合L的累积平均超额收益率，分别记为ACARW，n，t和ACARL，n，t。过度反应假设表明对于t0，ACARW，n，t0并且ACARL，n，t反应不足假设表明对于t0，ACARW，n，t0并且ACARL，n，t0。
(6)为了检验是否在任何时刻投资表现确实在统计学上显著不同，还需要对结果进行统计性检验，即S2t=[Nn=1(CARW，n，t-ACARW，t)2+Nn=1(CARL，n，t-ACARL，t)2] /2(N-1) (3)式中：N为样本容量;t值为Ti=[ACARL，t-ACARW，t]/ 2S2槡 t/N (4)为了评价是否每个月平均超额收益率都会影响ACARW，t或者ACARL，t，可以检验其是否显著等于零。赢家组合样本标准差为St= Nn=1(ARW，n，t-ARW，t)2/(N-1槡) (5)对于输家组合过程是相似的。
2样本数据和研究方法考虑到时间跨度要足够，本文选取了2003年1月至2014年12月上海证券交易所和深圳证券交易所所有上市A股的月收益率数据作为研究样本。所有的样本数据资料都来自国泰安数据库，并做了相应的除权除息处理。
在市场收益率方面，以每只股票市值为权重，使用上海证券交易所所有A股月收益率的加权平均值作为上海证券市场的月市场收益率，以深圳证券交易所全部A股月收益率的加权平均值作为深市市场收益率。
本文以DeBondt与Thaler的研究方法为基础，并以Jegadeesh以及Titman等大多数关于反转与动量策略的研究模型作为参考，利用不同形成期p及持有期q进行搭配，得到投资组合在持有期的累积超额收益率，对中国股市的反转与动量投资策略进行实证分析。
为了对反转和动量策略在中国证券市场的绩效进行检验，本文将形成期p与持有期q分别设定为3、6、12、36、60个月，共形成25种投资方案。由于形成期和持有期的长度会在很大程度上对投资策略在持有期内的绩效产生影响，本文将3～12个月定义为短期，36～60个月定义为长期。对于不同的形成期，分别对其随后3、6、12、36、60个月持有期内的累积超额收益率进行计算，并对每种投资策略中赢家组合、输家组合以及同时买卖组合的累积超额收益率进行统计检验。若市场存在反应不足的现象，则会表现为赢家组合的投资绩效显著大于0，输家组合的投资绩效显著小于0，且同时买卖组合的利润显著大于零，说明每个月的平均超额收益并未影响组合的累积平均超额收益，动量投资组合可以获得超额回报;反之，如果赢家组合投资绩效远小于0而输家投资绩效远大于0，同时买卖赢家组合和输家组合的利润远小于0，则意味着适用反向投资策略。
由于中国证券市场规范化之后的发展历史较短，本文采用重复的抽样方法，即每次移动1个月的重叠期间来计算反转策略及动量策略的收益，并使每种形成期与持有期的投资策略内共有24个数据，即N=24。
三、实证检验结果
表1显示了上海和深圳两个证券交易所所有上市A股的构成的投资组合在形成期和持有期各为3、6、12、36、60个月下的平均累积超额收益率。括号内第一个数字为t检验值，第二个数字为标准差。若赢家组合输家组合的数值为正则表示动量策略成功，而数值为负则证明反转策略成功。此外，分别绘制了不同形成期的赢家及输家组合在随后60个月的持有期中平均累积超额收益率图形，分别如图1～5所示。从本文的实证结果中可以发现：
(1)赢家组合存在明显的动量现象，输家组合存在明显的反转现象。由表1可知，尽管赢家组合在持有期为3个月和6个月时获得的累积超额收益并不显著，但在较长的持有期中表现出了显著的超额收益。而输家组合在60个月的持有期中均表现出显著为正的累积超额收益率。这种赢家和输家组合呈现出不同的非理性现象与之前学者对此问题研究的结论是不同的。
(2)随着形成期的增加，输家组合的累积超额收益率与赢家组合的累积超额收益率之间的差额越来越明显，投资组合[60，60]超额报酬率之差甚至达到了614%。尽管这一结论与DeBondt和Thaler的结论相似，但远超DeBondt和Thaler图2 6个月赢家组合及输家组合平均月度累积超额收益率所发现的约8%的年超常收益。
(3)以36个月为形成期的输家组合在持有期中获得的超额收益率最高，且最为显著;而赢家组合在形成期较短时获得的累积超额收益率较高。从图1～5中可以看出，当形成期较短时，赢家组合的累积超额收益率在60个月的持有期中整体呈现上升趋势，但随形成期的加长，上升趋势逐渐减缓。当形成期为60个月时，赢家组合的累积超额收益率在34个月之后甚至出现了下降的趋势。
四、结 论
行为金融学理论的出现，对传统金融学理论中的有效市场假说以及理性人假设提出了强而有力的挑战。它提出市场并非有效的，并且投资者也并非完全理性，投资者可以借助于市场中其他投资者的一些认知与行为偏差并采取对应的投资策略达到赚取超额回报的目的。本文利用沪深两市20032014年所有上市A股月收益率数据，以国内外众多学者的研究方法及成果作为基础，针对中国证券市场上存在的反应过度与反应不足现象进行了探讨，最终结论如下：
(1)中国证券市场内存在反应不足以及反应过度的现象，且反应不足主要表现在赢家组合中，而输家组合主要表现为反应过度。这与国内部分学者此前的研究结论不尽相同，主要是因为中国证券市场规范化发展时间较短，股票表现受市场以及整体经济情况影响较大。
(2)中国证券市场上的反转效应与动量效应所导致的超额收益率，远超国外学者对国外成熟资本市场的实证研究结果，说明中国投资者投资决策行为的非理性程度甚于外国投资者。
[关键词]证券投资；基金；风险评估
[DOI]10.13939/ki.zgsc.2016.03.069
随着我国社会主义经济体系的不断发展，经济环境也实现稳定进步，国内的证券投资基金也成为众多投资者所关注的金融工具之一。但是我国的证券投资基金的风险管理水平还有待提升，缺乏对风险的分析和评估，进而不能准确地根据实际情况提出应对风险的对策，从而影响到证券行业的稳定发展。对此，笔者可观分析了证券市场投资基金存在的风险，在对风险进行评估后提出行之有效的应对风险的策略，最大限度的降低风险对市场的影响。
1 证券投资基金的内涵
证券投资基金是一种集合投资方式，可以实现投资者的利益共享和风险共担。在基金的运营过程中，主要是由发行方进行投资者资金的募集，之后由专业托管方（通常为商业银行）进行托管，并由基金的管理方进行运用与管理，主要面对的是债券、股票和期货等金融工具的投资。
2 证券投资基金的风险
2.1 宏观环境风险
证券投资基金的宏观环境风险主要来自于市场风险，即整个市场的波动不定使投资基金的不确定性增加而造成市场风险的原因大多来自于国家的政治政策和经济政策的变化。具体来说，宏观环境的风险主要有以下三个方面：第一，国家在证券投资基金管理办法中对投资对象以及组合的有规定说：证券基金投资的对象必须是国家按照法律规定发型的股票和国债，而且投资的组合必须按照国家规定比例。这样在遇到风险时，减持股票、国债的比例不能过大，这样基金抗风险水平也会进一步降低。第二，我国的证券市场环境十分封闭，这使整个市场面临的风险进一步扩大。与西方证券市场可以进行自由的证券基金投资相比，我国的证券投资市场则是封闭型的，投资人持有的基金种类较少而且也只能投资于本国市场，这时一旦市场发生较大变动或者是步入熊市，那么基金风险也难以规避。第三，在我国用于应对证券投资基金风险的金融工具较少，进而应对市场风险的能力较低。
2.2 微观运作风险
除了宏观市场环境会造成证券投资基金风险之外，微观运作风险同样不可忽视。一方面，进行证券投资基金运作的投资人数量较多，在进行基金运作和经营管理的过程中，往往会委托给法人治理结构将基金资产进行运作，但是这些组织结构往往将对基金的保管和管理统一起来，缺乏独立性，这样的不规范结构会让基金管理者在进行投资时按照大股东或者是主管的意见投资，那么投资人的风险也会变得更加不可控制；另一方面，证券投资基金信息披露工作不到位，信息的质量和实效性差，不能让投资者及时的接收到准确的基金资产净值等信息，这样投资人在运作基金的过程中就会出现判断失误的情况，从而造成投资风险和产生巨大的经济损失。
2.3 管理人风险
证券投资基金风险中的管理人风险主要是由管理人管理水平不高、选用的投资策略不当以及管理人的职业道德素养不高等造成的。我国的证券市场起步较晚，也属于新兴市场，市场中的管理人员流动性较大，只是具备一定的从业经验，但是却没有接受过良好的培训，专业素质能力不高，不能准确的应用专业知识高效的管理基金，这就使投资者的风险大大增加；管理人在对基金进行管理的过程中需要运用良好的投资策略，根据证券投资基金的特征合理选用投资策略，以便获取更大的收益。例如，稳健型基金投资于蓝筹股会降低风险，成长型基金投资于潜力股会确保投资回报等。但是目前管理人不能对基金类型有一个准确的判断进而不能选测一个合适的投资策略，从而造成风险；由于管理人的择业道德素质低，他们会利用违规操作的方式对投资人的基金收益进行侵害，为投资者带来风险和巨额损失。
3 证券投资基金的风险评估与控制
3.1 风险评估
在明确证券投资基金的风险之后，为了更好地提出风险控制的策略，首先需要对不同的风险进行评估，明确其危害程度和特点，进而提出针对性对策。在风险评估工作中，要明确以下几个问题：第一，对证券投资基金的井陉县进行评估后得出的只是一个参考值，虽然能够测算到影响基金投资收益的程度和造成风险的不定因素但是不能够评估出一个确定的数字。第二，证券投资基金风险评估获得的结果会受到外部因素的影响，在开展风险评估工作时必须根据外部环境变化进行动态评估和校对，使得到的结果更为准确和稳定。第三，每一种股票基金都具有自身特点，因此采用的风险评估手段必须具有差异性，需要掌握风险变化的规律，避免经验主义错误。对证券投资基金的风险进行评估可以采用以下方法：第一，特尔斐法，即采用信息调查的手段收集权威信息，并将这些信息进行整理和分析，从而对市场风险进行评估。第二，统计计量法，即运用计量学原理评估风险，并测算出基金的市场与非市场风险。第三，财务指标评估法，即从财务报表和市场价格情况的分析中获取信息，制定出一定的指标体系，接下来再利用参考值的比较对风险进行确定。第四，价格指标评估法，即选用多样性的技术分析指标进行组合分析，推断基金投资的现实变动，但是这种方法是忽略市场风险的，只是会指示介入市场的时机选择。
3.2 风险控制
3.2.1 完善投资组合
合理的投资组合和投资工具的选择是控制证券基金风险的有效手段，因此为了更好的防控风险和保障投资收益的稳定获得，必须完善投资组合，并根据实际需要选用恰当的投资工具，调控资产比例。我国目前有三类投资工具分别是期货、债券和股票，基金管理者可以根据投资需要和期望收益选用恰当的投资工具，基金管理者为了获取较为平稳的投资收益可以选择股票以及债券，债券在二者的组合中的比例控制在百分之二十到百分之五十之间是比较恰当的，当然管理者可以从市场环境的变化情况分析调控债券持有的比例。就安全和流通情况而言，上市企业尤其是国有上市大型企业的债券以及国库券没有风险，可以在顾及债券流通的情况下根据实际情况选择短期、中期和长期的比例，这样不仅能够维护基金的安全，减少风险，还能够让投资者获得稳定收益。在债券和股票的投资组合中，股票的持有比例控制在50%～80%较为恰当，按照投资策略来分析的话，投资选用上市股票能够确保证券投资基金收益，还能够防范和控制风险。基金管理者为了保证投资组合的合理性需要选用恰当的投资策略和组合，那么在确定投资策略及组合的时候必须征求和考虑到投资者的需求。投资者对于证券基金风险更多考虑的是收益回报、通胀风险以及投资风险，因此基金管理人员需要对以上几种风险进行考量，在确定投资组合的过程中务必考虑到投资的安全、稳定的收益回报、分散投资和投资套现。
3.2.2 加强利益协调
在控制证券投资基金风险过程中，基金监管需要承担起重要责任，采用有效的投资基金监管手段对基金的运作管理过程进行全程监管和控制，加强利益协调工作，确保基金的安全稳定运行。证券投资基金监管需要提高对利益协调工作的重视程度，将投资者利益的获得作为主要目标和工作原则。证券投资基金是一种集合投资方式，可以实现投资者的利益共享和风险共担。其优势在于通过基金管理者对基金的合理投资与管理来获得较大的投资收益。在这一过程中基金管理者具有运作资产的权利，但是需要注意的是基金管理机构需要保证自身利益，再加上基金受益者和管理者是有利益上的冲突和碰撞的，因而利益协调和合理控制基金管理者的权利显得十分重要。当投资者将基金委托给证券投资基金机构后对基金管理者的监控力度就会大大降低，那么当二者出现信息不对称情况后，基金监管机构需要将保护投资者的收益作为工作原则，运用法律手段保证受托人能够履行职责，使基金收益人的权益不受侵害。另外，证券投资基金在将大量的公众储蓄聚集起来后对其进行集中管理，这些巨额资金在很大程度上会影响到证券市场的发展，管子到整个金融秩序的稳定，那么更大程度的突出和保护投资者的利益显得更加重要。因而，我国需要不遗余力的完善和优化基金监管体系，进一步确保利益协调，促进证券市场的发展。
3.2.3 加强法制管理
证券投资基金的法制建设是控制风险的有力保障，逐步建立健全完善的基金管理法律法规能够对证券投资基金的行为进行约束，为相关管理工作提供法律依据，从而降低风险。加强法制管理控制投资基金风险可以从以下几个方面着手：第一，借鉴国外证券投资基金的风险控制和法律建设经验，建立起一套完善带有中国特色的基金法律系统，除了对原有的法律发挥进行补充和完善之外，还要根据实际情况制定证券投资基金法。在对投资基金法律体系进行设计时要强调建立相互制约平衡的机制，将基金管理和托管分离开来，有效维护投资者的利益，进一步消除非法挪用基金的风险。第二，建立基金评估考核制度，对基金信息的披露进行监督，将风险和回报作为基金评估考核的标准，使基金风险评估更为准确。第三，完善和优化基金治理机制，合理地进行内部控制，解决利益冲突问题，进一步减少基金管理者的成本支出，使投资者的权益得到保护。第四，证监会通过现场检查和实时资料分析的方式对基金的运作和管理进行有效把控，并且要严格执法，对违规行为进行严肃处理，确保基金运作的健康发展，有效防范政权投资基金风险。
4 结 论
证券投资基金是证券市场上投资人用来投资和获取收益的金融产品，其收益会受到宏观和微观环境的影响，只有全面分析证券投资基金的风险，做出正确的风险评估和提出风险应对策略才能够最大程度的降低投资者的风险，确保证券市场的稳定发展，维护我国的经济环境安全。本文通过研究分析提出完善投资组合、加强利益协调和法治管理等措施能够降低证券投资基金风险，确保我国经济建设的全面推进。
参考文献：
[1]王力.浅谈证券投资基金监管体系的构建措施[J].财贸研究，2012，23（11）：92-95.
[2]王文全.我国证券投资基金风险及其防范研究[J].证券市场研究，2013，5（18）：20-24.
[3]田良辉.中国证券市场风险特征的实证研究经济科学[J].证券投资实务，2014，44（9）：54-58.
[4]魏杨.证券投资基金投资风险的评价和规避策略[J].西安财经学院学报，2013，25（36）：82-86.
[关键词] 文本分析；投资者情绪；股票收益；影响研究
[中图分类号] F640 [文献标识码] A
Influence Research of Investor Sentiment on the Stock Market in the Short Term
CANG Yuquan， YIN Xudong
Abstract： With the development of the Internet， listed companies release information in the social media platform， and investors review these information and formulate investment strategies. The majority of investors now are irrational， lack of real information channel and professional knowledge of investment theory， and susceptible to network public opinion and produce "sheep-flock effect". The study analyzes the comments of Eastmoney Guba by means of Chinese text analysis technology， the construction of investor sentiment index， and the influence of investor sentiment on the stock market in the short term. The empirical results show that investor sentiment really affects stock returns. This conclusion can help investors to effectively use the Internet information and formulate investment decisions.
Key words： text analysis， investor sentiment， stock returns， influence research
引言
“羊群效应”是一种比较特殊的非理，在一个投资群体中，单个投资者总是参照相似投资者进行操作，在他人买进时买进，在他人卖出时卖出。我国的股票市场仅仅发展了二十余年，还处在新兴市场阶段，信息的披露制度不完全，市场投资环境、股票交易制度、股票市场监管存在缺陷，市场呈现非有效性。在社会化媒体中的关于股票的信息鱼龙混杂，真实的信息广泛传播，虚假的信息传播的更快，范围更广，这些信息相互影响，极容易形成“羊群效应”，因此确定网络舆情对股票收益的影响有重要意义。
本文试图通过中文文本分析技术，分析网络舆情与股票市场的关系，具有如下作用：一是有利于提高市场的有效性，验证不同性质的网络舆情对股票收益的影响，对股票市场的变化具有解释和预测作用；二是为投资者提供投资决策依据，互联网成信息传播的高速通道，同时加快了谣言的传播速度，考虑网络舆情对股价造成的影响有利于投资者辨别有效信息，对市场形成有效判断，做出有效的投资决策。
本文结构如下：第二部分是文献回顾；第三部分是理论分析；第四部分是模型选择、指标设计和数据选择；第五部分实证分析结果；第六部分是文章结论。
一、文献回顾
根据有效市场假说，市场中的理性投资者将会对该市场中的每一条信息进行充分评估，不仅历史数据和当前基本面数据不会影响股价，那些突发的虚假信息也不会对股价造成冲击。现有的研究结果表明股市是弱有效市场或是半强有效市场，网络舆情将会对股票市场产生怎样的影响呢？
基于网络舆情的股票市场研究主要以互联网社交平台上与股票市场相关的信息为研究对象，研究分析二者的相互作用，并进一步分析网上的股票相关信息对股票市场的预测能力和解释能力。Wysocki（1998）以3000多支股票为样本，对946000条股评进行分析，研究结果发现股评数量对次日的股票交易量和异常收益率的变化有一定的解释和预测作用。Vivek Sehgal、Charles Song（2007）验证了网络情绪和股票价值具有相关性，表明股市近期价格波动和网民的情绪密切相关。Johan（2011）对美国大型社交网站Twitter进行数据挖掘，用格兰杰检验发现公众的情绪状态的日变化与道琼斯工业平均指数收盘值的每天的变化显著相关。Sabherwal等（2011）采用WallStreetPit-Thelion网络聊天室中每日讨论前十的10只热门股，该网络聊天室设计奖惩制度赋予发帖者不同的信誉等级，尽可能减少交易噪声。他们发现发帖量不能预测股市交易量、收益率或是波动性，但是股票收益率是可预测的，投资者情绪与同期收益正相关，滞后一期和滞后二期的投资者情绪与收益负相关，引起后期股票收益的急剧下降，可能是由于市场的修正作用。此外他们还发现：行情看涨指数的绝对值与同期波动性和随后一期、两期的波动性负相关，说明投资者的情绪越极端，股票波动率越小；行情看涨指数的绝对值越大（投资者情绪越极端），小单交易就越多。李玉梅等（2011）对通讯行业的上市公司的截面数据进行分析，研究表明在线股票评论的数量和投资者的情绪可以在一定程度上解释个股的异常收益率，股评的数量对股票异常收益率，涨跌额和交易量变化有一定的影响。段江娇等（2014）根据帖子内容中的词汇与词库中各个档次的关键词进行匹配，计算各个档次关键词出现的次数，取次数最多的档次作为帖子的情绪。通过构建向量自回归VAR模型，检验了投资者情绪指数、分析师推荐指数和上证指数收益率之间的动态关系，研究发现分析师推荐指数的上涨会导致股指收益率短期上涨，投资者情绪指数的上涨会导致股指收益率的下降。
从表4中可以看出当在舆情事件发生后，股票成交量变动不能用投资者情绪指数来解释，正可能是由于现在中国的股票市场悲观情绪弥漫，但市场的下跌空间也有限，多数投资者选择了持股不动操作策略。对于事件发生后的平均收益率的3因素回归模型发现，股票换手率的变动能够显著影响该支股票的收益率，这与早期的研究结论一致。在考虑到投资者情绪指数的4因素回归模型中，情绪指数在95%置信区间上显著，说明投资者情绪在短期的确会影响到股票市场的收益，这间接表明中国股市存在大量的非理性投资者，他们的非理性情绪将会对股票市场带来显著影响。同时上市公司的规模指标和有效评论数量的系数在三个模型中均不显著，这说明在短期，对股票市场影响较大的是投资者情绪。
五、研究结论
本文以东方财富网股吧为样本，采用中文文本情感分析技术从中抽取出大多数投资者对股票市场未来走势的涨跌情绪倾向，计算投资者情绪指数，使用该指数研究股票收益和成交量的相互影响。研究结果表明：舆情事件爆发的当天市场投资者关注度最高，在事件爆发后3-4天投资者对于该支股票的关注度降到低点，随后新的舆情事件又会吸引投资者的眼球；情绪指数与股票的收益存在正相关关系。投资者情绪指数表现乐观（悲观）时，股票收益会在短期内出现上涨（下跌）；投资者情绪指数无法解释股票成交量在短期的变动，原因可能是当下市场悲观情绪蔓延，除非出现重大利好或是利空消息，投资者最佳的投资策略是选择持有手中的股票不做任何交易。
投资者情绪指数可以成为预测短期收益的有效指标，网上蕴含着大量类似于投资者情绪指数的信息，合理运用这些信息能辅助投资者进行有效的投资决策。随着中国股票市场的快速发展，互联网在股票市场的影响能力日益增加，本研究的实证结论对帮助投资者正确、有效地理解和使用互联网并辅助投资决策具有重要现实意义，并且可以帮助投资者提高投资决策能力。如何更好、更及时地挖掘互联网有效信息，分析网络信息与股票市场的深层次关系是今后研究的重要内容。
[参 考 文 献]
[1]Fama and mon Risk Factors in Returns on Stocks and Bonds，Journal of Financial Economics，Vol.53，1993
[2]Wysocki P D. Cheap Talk on the Web： the Determinants of Postings on Stock Message Boards[J]. Working Paper， Univercity of Michigan. 1998
[3]Mikkelson and Partch，W.Mikkelson，M.Partch.Stock price effects and costs of secondary distributions. Journal of Financial Economics，14 （1985），P165-194
[4]Lakonishok，J.，ShleiferA.，and Vishny R. .The Impact of Trading on Stock Price.Journal of Financial Economics，Vol.32，1992，P23-44
[5]李晓明，朱家稷，闫宏飞.互联网上主题信息的一种收集与处理模型及其应用[J].计算机研究与发展，2003（12）
[8]赵静梅，何欣，吴风云.中国股市谣言研究：传谣、辟谣及其对股价的冲击[J].管理世界，2011（11）
[9]徐琳.网络舆情对股价波动影响的实证研究[学位论文[D].西南财经大学，2013
关键词： 价值投资 中国证券市场 适用性
一、价值投资的内涵和理论发展
(一)价值投资的内涵
价值投资,其核心思想是:以对影响证券投资的经济因素、行业发展前景、上市公司的经营业绩、财务状况等要素的分析为基础,利用某种方法测出股票的“内在价值”,然后与该股票的市场价值比较,让投资人做出是否投资该股票的投资策略。价值投资认为上市公司的内在价值与股票价格会有所背离,股票价格围绕内在价值这个稳定点上下波动,且股票价格长期看来有向内在价值回归的趋势;其内在价值决定于经营管理等基本面因素,股票价格则决定于股市资金的供需情况,在不同的决定因素下,内在价值高于股票价格的价差被称为“安全边际”,即当股票价格低于或者高于内在价值即股票被低估或者高估时,就出现了投资机会。
(二)价值投资的理论发展
最早对价值投资理论进行研究的学者是马克思,他认为,股票价格会随他们索取的收益大小和可靠程度而变化,同时股票价格由预期收入决定,因此又具有投机的性质。在马克思研究的基础上一些西方学者作了进一步的研究。美国著名的投资家本杰明.格雷厄姆,1934年出版的《证券分析》一书,被尊为基本分析方法的“圣经”,他认为,长期而言,股票的价格取决于企业的发展和企业所创造的利润,并与其保持一致,而短期价格却会受到各种因素影响而波动,尽管金融资产价格波动很大,但其基础价值稳定且可测量。1961年,莫迪格利尼和米勒提出了股利分配政策与公司价值无关的mm理论。该理论认为在严格假设条件下,股利政策不会对企业的价值和股票价格产生任何影响,一个公司的股票价格完全是由其投资决策所决定的获利能力决定的。mm 理论框架是现代价值评估的思想源泉,它促进现代价值评估理论的蓬勃发展。在这一基础上,人们经过大量的研究和论证,最终确立了决定股价的一个基本的变量——自由现金流,并由此提出自由现金流贴现模型。
二、价值投资策略在中国证劵市场的适用性探讨
(一)价值投资策略在中国证劵市场的适用性
根据价值投资理论,股票的价格围绕其价值上下波动,其内在价值又决定于经营管理等基本面因素,因此从理论上而言,股票价格与每股净资产,扣除非正常损益后每股净收益,每股经营现金流等变量有一定的相关性。但中国证劵市场的实际来看,却并非如此,股票价格严重偏离内在价值,我们用相关的估值理论对企业进行恰当的估值往往不符事实。
从这一轮的股市来看,很多基本面良好,潜在价值不错的股票却都大大的被低估了,价格一路走低,最典型的就数银行股。按6月20日的收盘价,以今年一季报测算,14家上市银行2010年动态市盈率平均为9.71倍,其中,小于10倍的有9家,最小的是交通银行,仅7.48倍;而大于11倍的仅有3家:宁波银行14.17倍,中信银行12.56倍,招商银行11.74倍。若以市净率计算,全部小于3倍,平均2.03倍,其中在2-3倍之间的有6家,在1-2倍之间的有8家。从估值角度来看,确实很低了。以当前9倍、10倍pe水平来看,即便是在港股市场上,也处于底部区域了,因为在港股历史上,大盘估值基本上是在10-20倍pe之间波动①。与此相反,创业板中许多基本面不怎么样的企业却一路走高。因此,在笔者看来,价值投资策略在中国证劵市场的适用性还是有一定的局限性的。
(二)原因分析
1.强周期行业不利价值投资
中国经济仍然处于工业化高速发展阶段,gdp的三驾马车为投资、消费和出口,其中投资和出口拉动的都是基础工业品需求,大量固定资产投资推动基础工业品需求的形成。映射到a股上市公司市值构成中,“煤电油运、钢筋水泥、地产有色”等强周期型行业占绝对主导地位,与美国市场以金融、it、医药、消费为主体的结构差别很大。我们知道,巴菲特惯于投资消费、金融和传媒等弱周期性企业,而在中国a股市场上,消费零售行业仍然处于发展初期,值得长期投资的强势企业很少;主要传媒机构仍然是受意识形态控制的非经济组织;金融领域也是近两年才出现一些值得长期投资的强势企业。
2.非市场因素扭曲价值投资
资本市场天然就是一个商业市场,它以经济利益为衡量一切是非曲直的标准。中国股市如此,企业却并非如此。首先,大量的地方国企受地方政府控制,明目繁多的兼并重组、资产注入、无偿资产划拨、大股东占款和关联交易,种种行为与市场经济中的理性经济行为相去甚远,让
投资者很难理性地分析企业的真实投资价值。其次,民企倒是以经济利益为纽带开展经营活动,但相当一部分民企的经营业绩,却并不由其经营管理水平所决定,而是取决于各种难以衡量的“关系资源”,各类房地产、矿业企业尤其如此。
3.灰色操作强于价值投资
价值投资者以分享企业业绩成长的收益为主,投资业绩较为固定,一般在20%～30%之间,机会好的时候能达到50%～60%。但一些所谓的投资高手,通过运作一些主题、概念和个股,其建立在欺诈绵羊散户基础上的收益率,远远高于价值投资的收益率。当然,并不是所有的非价值投资者都在欺诈绵羊散户,但在价值投资与欺诈暴利之间,存在很多灰色中间地带,行业轮动、波段操作、跟庄做庄、内幕消息,其收益率远远高于价值投资。所以,很多人在控制风险的前提下,倾向选择更高资本回报的投资策略。
三、营造价值投资策略在中国证劵市场的适用性环境
(一)加强中国证劵市场的市场化进程
尽管各国的证券市场在成熟度、信息披露、交易者的素质、上市公司的质量、相应的政策法规等很多方面有着较大的差别,但有一条是相同的,那就是价值规律。所以,根据这一规律提出的价值投资理论在任何一个市场机制起主要作用的证券市场上都适用。对中国的证券市场来说,由于国内一般看法是一个政策市,容易受到短期巨额资金的冲击,且存在较严重的操纵现象,所以,价值投资理论在中国的适用性受到限制。这也从另一个方面说明,中国证监会需要加强对这方面的监管力度,尤其是要加强对操纵股市方面的监管力度,从而使市场机制真正发挥出主要作用。
(二)完善上市公司治理结构
首先要求经营者要尽量表现的理性一些,努力提高自身的素质,这样才能提高公司的经营稳定性。其次,上市公司要完善信息披露制度,使投资者对其了解的可能性增强,使其可预测性增强,从而为预测未来的现金流提供较好的保证。这样,市场才能更快的发现其内在价值。
(三)塑造理性的投资者
要树立起正确的投资理念,尽量减少认知偏差。这就需要投资者提高对自己所投资的对象的了解程度,要认识到股票的价值最终还是要由企业的内在价值所决定;正确对待所持股票的短期波动,保持良好的心态,避免贪婪、恐惧、盲目等愚蠢的行为;最后,要利用有限的经济资源,集中投资。
四、结语
总体说来,中国的证券市场没有遵循真正意义上的价值投资理念。由于我国证券市场起步较晚,发展还不够成熟,固有的体制缺陷和制度的缺失使得证券市场稳定性不足,证券信息并不是总能够有效地传递到投资者,市场的有效性大致处于无效至弱式有效的状况,这是我国推行价值投资理念遭遇的不利外部环境。影响价值投资的内部因素主要是上市公司股价与内在价值的偏离,导致投资者趋于短期的趋势投资而非长期的价值投资。价值投资作为有持久生命力的价值理论,在中国才刚刚兴起,随着我国证券市场相关制度的建立和完善及投资者的进一步壮大,价值投资理念将势必成为我国股市主流理念,这也是中国股市健康发展的方向。
注释:
①search.10jqka.com.cn/snapshot/20100621/uox61k2wnd2xdxjc6tgobsappl1xnvmqjnbkbfxcrxq.html
参考文献:
[1]任秋娟.基于巴菲特投资理论的中国证券市场价值投资研究.现代商贸工业.2010(4).
[2]何艳.价值投资策略在中国市场的适用性分析.财经纵横.2010(2).
[3]刘明宏.价值投资策略在中国证券市场的适用性分析.金融经济.2010(3).
关键词： 价值投资 中国证券市场 适用性
一、价值投资的内涵和理论发展
(一)价值投资的内涵
价值投资,其核心思想是:以对影响证券投资的经济因素、行业发展前景、上市公司的经营业绩、财务状况等要素的分析为基础,利用某种方法测出股票的“内在价值”,然后与该股票的市场价值比较,让投资人做出是否投资该股票的投资策略。价值投资认为上市公司的内在价值与股票价格会有所背离,股票价格围绕内在价值这个稳定点上下波动,且股票价格长期看来有向内在价值回归的趋势;其内在价值决定于经营管理等基本面因素,股票价格则决定于股市资金的供需情况,在不同的决定因素下,内在价值高于股票价格的价差被称为“安全边际”,即当股票价格低于或者高于内在价值即股票被低估或者高估时,就出现了投资机会。
(二)价值投资的理论发展
最早对价值投资理论进行研究的学者是马克思,他认为,股票价格会随他们索取的收益大小和可靠程度而变化,同时股票价格由预期收入决定,因此又具有投机的性质。在马克思研究的基础上一些西方学者作了进一步的研究。美国著名的投资家本杰明.格雷厄姆,1934年出版的《证券分析》一书,被尊为基本分析方法的“圣经”,他认为,长期而言,股票的价格取决于企业的发展和企业所创造的利润,并与其保持一致,而短期价格却会受到各种因素影响而波动,尽管金融资产价格波动很大,但其基础价值稳定且可测量。1961年,莫迪格利尼和米勒提出了股利分配政策与公司价值无关的mm理论。该理论认为在严格假设条件下,股利政策不会对企业的价值和股票价格产生任何影响,一个公司的股票价格完全是由其投资决策所决定的获利能力决定的。mm 理论框架是现代价值评估的思想源泉,它促进现代价值评估理论的蓬勃发展。在这一基础上,人们经过大量的研究和论证,最终确立了决定股价的一个基本的变量——自由现金流,并由此提出自由现金流贴现模型。
二、价值投资策略在中国证?皇谐〉氖视眯蕴教
(一)价值投资策略在中国证?皇谐〉氖视眯
根据价值投资理论,股票的价格围绕其价值上下波动,其内在价值又决定于经营管理等基本面因素,因此从理论上而言,股票价格与每股净资产,扣除非正常损益后每股净收益,每股经营现金流等变量有一定的相关性。但中国证?皇谐〉氖导世纯?却并非如此,股票价格严重偏离内在价值,我们用相关的估值理论对企业进行恰当的估值往往不符事实。
从这一轮的股市来看,很多基本面良好,潜在价值不错的股票却都大大的被低估了,价格一路走低,最典型的就数银行股。按6月20日的收盘价,以今年一季报测算,14家上市银行2010年动态市盈率平均为9.71倍,其中,小于10倍的有9家,最小的是交通银行,仅7.48倍;而大于11倍的仅有3家:宁波银行14.17倍,中信银行12.56倍,招商银行11.74倍。若以市净率计算,全部小于3倍,平均2.03倍,其中在2-3倍之间的有6家,在1-2倍之间的有8家。从估值角度来看,确实很低了。以当前9倍、10倍pe水平来看,即便是在港股市场上,也处于底部区域了,因为在港股历史上,大盘估值基本上是在10-20倍pe之间波动①。与此相反,创业板中许多基本面不怎么样的企业却一路走高。因此,在笔者看来,价值投资策略在中国证?皇谐〉氖视眯曰故怯幸欢ǖ木窒扌缘摹
(二)原因分析
1.强周期行业不利价值投资
中国经济仍然处于工业化高速发展阶段,gdp的三驾马车为投资、消费和出口,其中投资和出口拉动的都是基础工业品需求,大量固定资产投资推动基础工业品需求的形成。映射到a股上市公司市值构成中,“煤电油运、钢筋水泥、地产有色”等强周期型行业占绝对主导地位,与美国市场以金融、it、医药、消费为主体的结构差别很大。我们知道,巴菲特惯于投资消费、金融和传媒等弱周期性企业,而在中国a股市场上,消费零售行业仍然处于发展初期,值得长期投资的强势企业很少;主要传媒机构仍然是受意识形态控制的非经济组织;金融领域也是近两年才出现一些值得长期投资的强势企业。
2.非市场因素扭曲价值投资
资本市场天然就是一个商业市场,它以经济利益为衡量一切是非曲直的标准。中国股市如此,企业却并非如此。首先,大量的地方国企受地方政府控制,明目繁多的兼并重组、资产注入、无偿资产划拨、大股东占款和关联交易,种种行为与市场经济中的理性经济行为相去甚远,
让投资者很难理性地分析企业的真实投资价值。其次,民企倒是以经济利益为纽带开展经营活动,但相当一部分民企的经营业绩,却并不由其经营管理水平所决定,而是取决于各种难以衡量的“关系资源”,各类房地产、矿业企业尤其如此。
3.灰色操作强于价值投资
价值投资者以分享企业业绩成长的收益为主,投资业绩较为固定,一般在20%～30%之间,机会好的时候能达到50%～60%。但一些所谓的投资高手,通过运作一些主题、概念和个股,其建立在欺诈绵羊散户基础上的收益率,远远高于价值投资的收益率。当然,并不是所有的非价值投资者都在欺诈绵羊散户,但在价值投资与欺诈暴利之间,存在很多灰色中间地带,行业轮动、波段操作、跟庄做庄、内幕消息,其收益率远远高于价值投资。所以,很多人在控制风险的前提下,倾向选择更高资本回报的投资策略。
三、营造价值投资策略在中国证?皇谐〉氖视眯曰肪
(一)加强中国证?皇谐〉氖谐??
尽管各国的证券市场在成熟度、信息披露、交易者的素质、上市公司的质量、相应的政策法规等很多方面有着较大的差别,但有一条是相同的,那就是价值规律。所以,根据这一规律提出的价值投资理论在任何一个市场机制起主要作用的证券市场上都适用。对中国的证券市场来说,由于国内一般看法是一个政策市,容易受到短期巨额资金的冲击,且存在较严重的操纵现象,所以,价值投资理论在中国的适用性受到限制。这也从另一个方面说明,中国证监会需要加强对这方面的监管力度,尤其是要加强对操纵股市方面的监管力度,从而使市场机制真正发挥出主要作用。
(二)完善上市公司治理结构
首先要求经营者要尽量表现的理性一些,努力提高自身的素质,这样才能提高公司的经营稳定性。其次,上市公司要完善信息披露制度,使投资者对其了解的可能性增强,使其可预测性增强,从而为预测未来的现金流提供较好的保证。这样,市场才能更快的发现其内在价值。
(三)塑造理性的投资者
要树立起正确的投资理念,尽量减少认知偏差。这就需要投资者提高对自己所投资的对象的了解程度,要认识到股票的价值最终还是要由企业的内在价值所决定;正确对待所持股票的短期波动,保持良好的心态,避免贪婪、恐惧、盲目等愚蠢的行为;最后,要利用有限的经济资源,集中投资。
四、结语
总体说来,中国的证券市场没有遵循真正意义上的价值投资理念。由于我国证券市场起步较晚,发展还不够成熟,固有的体制缺陷和制度的缺失使得证券市场稳定性不足,证券信息并不是总能够有效地传递到投资者,市场的有效性大致处于无效至弱式有效的状况,这是我国推行价值投资理念遭遇的不利外部环境。影响价值投资的内部因素主要是上市公司股价与内在价值的偏离,导致投资者趋于短期的趋势投资而非长期的价值投资。价值投资作为有持久生命力的价值理论,在中国才刚刚兴起,随着我国证券市场相关制度的建立和完善及投资者的进一步壮大,价值投资理念将势必成为我国股市主流理念,这也是中国股市健康发展的方向。
注释:
①
参考文献:
[1]任秋娟.基于巴菲特投资理论的中国证券市场价值投资研究.现代商贸工业.2010(4).
[2]何艳.价值投资策略在中国市场的适用性分析.财经纵横.2010(2).
关键词 价值投资 中国证券市场 适用性
一、价值投资的内涵和理论发展
(一)价值投资的内涵
价值投资,其核心思想是:以对影响证券投资的经济因素、行业发展前景、上市公司的经营业绩、财务状况等要素的分析为基础,利用某种方法测出股票的“内在价值”,然后与该股票的市场价值比较,让投资人做出是否投资该股票的投资策略。价值投资认为上市公司的内在价值与股票价格会有所背离,股票价格围绕内在价值这个稳定点上下波动,且股票价格长期看来有向内在价值回归的趋势;其内在价值决定于经营管理等基本面因素,股票价格则决定于股市资金的供需情况,在不同的决定因素下,内在价值高于股票价格的价差被称为“安全边际”,即当股票价格低于或者高于内在价值即股票被低估或者高估时,就出现了投资机会。
(二)价值投资的理论发展
最早对价值投资理论进行研究的学者是马克思,他认为,股票价格会随他们索取的收益大小和可靠程度而变化,同时股票价格由预期收入决定,因此又具有投机的性质。在马克思研究的基础上一些西方学者作了进一步的研究。美国着名的投资家本杰明.格雷厄姆,1934年出版的《证券分析》一书,被尊为基本分析方法的“圣经”,他认为,长期而言,股票的价格取决于企业的发展和企业所创造的利润,并与其保持一致,而短期价格却会受到各种因素影响而波动,尽管金融资产价格波动很大,但其基础价值稳定且可测量。1961年,莫迪格利尼和米勒提出了股利分配政策与公司价值无关的MM理论。该理论认为在严格假设条件下,股利政策不会对企业的价值和股票价格产生任何影响,一个公司的股票价格完全是由其投资决策所决定的获利能力决定的。MM 理论框架是现代价值评估的思想源泉,它促进现代价值评估理论的蓬勃发展。在这一基础上,人们经过大量的研究和论证,最终确立了决定股价的一个基本的变量——自由现金流,并由此提出自由现金流贴现模型。
二、价值投资策略在中国证劵市场的适用性探讨
(一)价值投资策略在中国证劵市场的适用性
根据价值投资理论,股票的价格围绕其价值上下波动,其内在价值又决定于经营管理等基本面因素,因此从理论上而言,股票价格与每股净资产,扣除非正常损益后每股净收益,每股经营现金流等变量有一定的相关性。但中国证劵市场的实际来看,却并非如此,股票价格严重偏离内在价值,我们用相关的估值理论对企业进行恰当的估值往往不符事实。
从这一轮的股市来看,很多基本面良好,潜在价值不错的股票却都大大的被低估了,价格一路走低,最典型的就数银行股。按6月20日的收盘价,以今年一季报测算,14家上市银行2010年动态市盈率平均为9.71倍,其中,小于10倍的有9家,最小的是交通银行,仅7.48倍;而大于11倍的仅有3家:宁波银行14.17倍,中信银行12.56倍,招商银行11.74倍。若以市净率计算,全部小于3倍,平均2.03倍,其中在2-3倍之间的有6家,在1-2倍之间的有8家。从估值角度来看,确实很低了。以当前9倍、10倍PE水平来看,即便是在港股市场上,也处于底部区域了,因为在港股历史上,大盘估值基本上是在10-20倍PE之间波动①。与此相反,创业板中许多基本面不怎么样的企业却一路走高。因此,在笔者看来,价值投资策略在中国证劵市场的适用性还是有一定的局限性的。
(二)原因分析
1.强周期行业不利价值投资
中国经济仍然处于工业化高速发展阶段,GDP的三驾马车为投资、消费和出口,其中投资和出口拉动的都是基础工业品需求,大量固定资产投资推动基础工业品需求的形成。映射到A股上市公司市值构成中,“煤电油运、钢筋水泥、地产有色”等强周期型行业占绝对主导地位,与美国市场以金融、IT、医药、消费为主体的结构差别很大。我们知道,巴菲特惯于投资消费、金融和传媒等弱周期性企业,而在中国A股市场上,消费零售行业仍然处于发展初期,值得长期投资的强势企业很少;主要传媒机构仍然是受意识形态控制的非经济组织;金融领域也是近两年才出现一些值得长期投资的强势企业。
2.非市场因素扭曲价值投资
资本市场天然就是一个商业市场,它以经济利益为衡量一切是非曲直的标准。中国股市如此,企业却并非如此。首先,大量的地方国企受地方政府控制,明目繁多的兼并重组、资产注入、无偿资产划拨、大股东占款和关联交易,种种行为与市场经济中的理性经济行为相去甚远,让投资者很难理性地分析企业的真实投资价值。其次,民企倒是以经济利益为纽带开展经营活动,但相当一部分民企的经营业绩,却并不由其经营管理水平所决定,而是取决于各种难以衡量的“关系资源”,各类房地产、矿业企业尤其如此。
3.灰色操作强于价值投资
价值投资者以分享企业业绩成长的收益为主,投资业绩较为固定,一般在20%~30%之间,机会好的时候能达到50%~60%。但一些所谓的投资高手,通过运作一些主题、概念和个股,其建立在欺诈绵羊散户基础上的收益率,远远高于价值投资的收益率。当然,并不是所有的非价值投资者都在欺诈绵羊散户,但在价值投资与欺诈暴利之间,存在很多灰色中间地带,行业轮动、波段操作、跟庄做庄、内幕消息,其收益率远远高于价值投资。所以,很多人在控制风险的前提下,倾向选择更高资本回报的投资策略。
三、营造价值投资策略在中国证劵市场的适用性环境
(一)加强中国证劵市场的市场化进程
尽管各国的证券市场在成熟度、信息披露、交易者的素质、上市公司的质量、相应的政策法规等很多方面有着较大的差别,但有一条是相同的,那就是价值规律。所以,根据这一规律提出的价值投资理论在任何一个市场机制起主要作用的证券市场上都适用。对中国的证券市场来说,由于国内一般看法是一个政策市,容易受到短期巨额资金的冲击,且存在较严重的操纵现象,所以,价值投资理论在中国的适用性受到限制。这也从另一个方面说明,中国证监会需要加强对这方面的监管力度,尤其是要加强对操纵股市方面的监管力度,从而使市场机制真正发挥出主要作用。
(二)完善上市公司治理结构
首先要求经营者要尽量表现的理性一些,努力提高自身的素质,这样才能提高公司的经营稳定性。其次,上市公司要完善信息披露制度,使投资者对其了解的可能性增强,使其可预测性增强,从而为预测未来的现金流提供 较好的保证。这样,市场才能更快的发现其内在价值。
(三)塑造理性的投资者
要树立起正确的投资理念,尽量减少认知偏差。这就需要投资者提高对自己所投资的对象的了解程度,要认识到股票的价值最终还是要由企业的内在价值所决定;正确对待所持股票的短期波动,保持良好的心态,避免贪婪、恐惧、盲目等愚蠢的行为;最后,要利用有限的经济资源,集中投资。
四、结语
总体说来,中国的证券市场没有遵循真正意义上的价值投资理念。由于我国证券市场起步较晚,发展还不够成熟,固有的体制缺陷和制度的缺失使得证券市场稳定性不足,证券信息并不是总能够有效地传递到投资者,市场的有效性大致处于无效至弱式有效的状况,这是我国推行价值投资理念遭遇的不利外部环境。影响价值投资的内部因素主要是上市公司股价与内在价值的偏离,导致投资者趋于短期的趋势投资而非长期的价值投资。价值投资作为有持久生命力的价值理论,在中国才刚刚兴起,随着我国证券市场相关制度的建立和完善及投资者的进一步壮大,价值投资理念将势必成为我国股市主流理念,这也是中国股市健康发展的方向。
注释:
①
参考文献:
[1]任秋娟.基于巴菲特投资理论的中国证券市场价值投资研究.现代商贸工业.2010(4).
关键词：可转债 delta套利策略 波动率 夏普比率
可转债是一种可以在特定时间、按特定条件转换为普通股的企业债券。可转债兼具债券和股票双重特性，是横跨股债两市的衍生性金融商品。自美国纽约益利铁路公司于1843年发行第一只可转债以来，可转债已经走过了170余年的历程。国内的可转债市场则是从20世纪90年代开始起步，但是发展较为迅速，至2014年底可转债面值余额已突破1200亿元。随着市场的扩容，交易活跃度提升，投资策略日益丰富。
在海外成熟市场，有不少专门针对可转债套利的基金，并且普遍表现较好。这些可转债套利基金使用的套利策略较为多样，其中较多采用的一种策略是Delta对冲套利策略。本文将对Delta套利策略原理进行简要介绍，然后在此基础上建立基于我国金融市场实际的Delta套利策略模型，最后运用历史数据实证检验其在我国的适用性和套利的有效性。
可转债delta套利策略原理
由于可转债本质上是由债券和标的股票的看涨期权复合而成，而债券相对价值波动偏小，因此其期权价值波动对可转债价值的影响较大。可转债期权价值主要受标的股票价格波动影响，一般情况下，两者呈现正相关关系，但是相对而言，期权价值波动更趋于非线性，因此可转债的期权部分与标的正股能产生对冲效果。此外，可转债的债底价值较为稳定，对股价下跌的风险具有较好的防御效果。
Delta值是期权价值的重要测量指标，是衡量可转债价格变化相对于标的股票价格变化的比率。可以解释为，如果转换价值（标的股票价格）上升1元，则可转债价格上升delta元，delta值通常介于0到1之间。做多可转债，卖空一定数量的股票，使其组合的delta值为0，则风险敞口不受股票价格波动的影响。如果股价上涨则可转债价格上涨，转债多头盈利，股票空头亏损，两者可抵消；若股价下跌则股票空头获利抵消转债多头亏损。通过保持组合对股票风险的中性策略，规避了正股价格变动带来的风险，且能享受波动率上升带来的收益，此即为可转债delta套利策略的基本原理。
可转债delta套利策略的本质在于构造一个复合期权，如图1所示。在整个套利存续期内，利息收益是确定性的，主要为可转债的票息收益，当然还要扣除掉融券的利息成本支出。更重要的一部分收益是，由期权属性衍生出来的波动率收益。看涨期权是波动率的增函数，因此在组合delta中性情况下，标的股票波动率上升将带来组合的超额收益。
从套利组合的期权属性来看，等同于看多波动率。当波动率增大时，投资组合的回报率趋于上升，而且波动率变大的速度越快，组合的回报率越大，因为在可转债票息与融券利率的比值低于delta的情况下，能节约固定利息支出，增厚组合收益。但是当波动率极低时，套利策略的回报率也将很低，在极端情况下，波动率快速下跌，套利将产生亏损。因此，可转债delta套利策略并非是完全无风险，而是属于风险较低且可控的投资策略，对于风险敞口的把握可以根据波动率来设定，即选择尽可能低的波动率为开仓时点。一般情况下，可转债delta套利将获得可观且风险有限的投资回报率。
套利模型搭建
（一）假设前提
由于条款众多，可转债定价面临较大困难，而且交易中涉及不同资产的切换，为保证套利策略模型的建立与实施，需作以下假定：
1.可转债标的股票价格波动服从正态分布，期权价值用B-S定价公式测算，即看涨期权价格满足：
（1）
其中，C（）表示看涨期权的价格； 表示标的股票的市场价格；K表示可转债的转股价；r表示无风险利率； 表示标的股票的波动率；T表示到期日；t表示价格估算日期； 表示服从标准正态分布，其中， ， 。
2.套利期间企业不发生财务困境，可转债不违约，标的股票不退市。虽然在一般财务困境下，股票暴跌，空头仍有可观收益，且组合套利收益也较好，但是在极端违约情况下，将影响平仓退出。
3.可转债债底价值波动有限。一般情况下，可转债债底价值波动较小，不影响套利；极端情况如套利期间（一般不超过半年）纯债价格波动超过10元（面值100元）的发生概率极低，但如果发生，将冲击套利回报率。
4.融券卖空交易具有连续性。
（二）套利模型
完整的套利模型需要可观测跟踪的开仓触发条件，以及建仓规则，尤其是当涉及多种资产对冲时需测算资产配比，最后是平仓机制。
1.开仓条件
其中， 为标的股票的实际波动率； 为可转债市场价格隐含波动率，通过期权定价公式倒推出来； 是风险控制参数，理论上该数值一般位于[-0.5，0.5]，正的套利机会需要其大于0。当 处于[0，0.5]时均具有套利机会，越靠近0风险越大，越靠近0.5风险越小，但将屏蔽掉很多套利机会，一般设定在[0.1，0.2]。
2.资产配比
当开仓条件被触发时，通过买入可转债，并融券卖空标的股票，构建套利组合。其中最关键的是可转债与标的股票投资规模的配比，可以根据可转债对标的股价的敏感度，测算出delta，delta即为对冲每一份可转债所需要的标的股票头寸。具体测算方式为：
3.平仓条件
其中， 仍是风险控制参数，一般处于[-0.5，0.5]，当处于正值区间时能正常套利。 越靠近0.5，能获取利润越大，但是平仓越困难，因为触发越艰难；一般设定在[0，0.1]，保守情况下设为0较为稳妥。
（三）套利空间
根据以上可转债delta套利思路及交易模型，套利空间总体可分为两部分：息差及波动率差。在实际投资中，可以实时监测套利组合的盈亏情况，套利结束后可以精确测算套利损益，主要是可转债多头损益和标的股票空头损益的差值，即：
其中， 、 分别为可转债的票息率、融券利率，在我国可转债票息率一般在2%附近，融券利率超过8%，因此该项为负值，是套利的重要成本项。
实证分析
（一）数据采集及整理
我国融资融券业务于2010年3月31日才正式启动，因此，卖空正股进行可转债套利的策略在此之后才有了可操作性。截至2015年3月底，上交所和深交所可转债共20只，其中15只可转债的正股在融券标的中。另外，为构建可转债套利指数，本文将2010年至今已经退市且正股为融券标的的可转债也纳入计算范围。对于已经赎回或到期的可转债，策略模拟区间为上市日至满足赎回条件日或到期日；对于尚存续的可转债，策略模拟区间为上市日至2015年4月1日。本文所有数据来自Wind资讯。
（二）参数计算
1.正股波动率的计算
本文计算正股波动率采用指数加权平均模型（EWMA），该模型具有能够解决波动率传统计算方法中数据等权重问题和对已实现的波动率进行平滑处理两大优点。
2.可转债期权隐含波动率的计算
隐含波动率是指由期权的市场价格所隐含的波动率，其代表了市场对于未来的预期，本文可转债隐含波动率采用B-S隐含波动率。根据B-S公式，一旦给定期权价格，就可以计算出标的资产从t时刻到T时刻的波动率，且对于同一标的资产，到期日相同但行权价不同的期权隐含波动率不同，隐含波动率与行权价的关系是非线性的。
为计算可转债隐含波动率，首先需计算可转债价格中包含的看涨期权价值。由于可转债可简单理解为“债券+看涨期权”，即：
可转债价格=纯债价格+转换比率×期权价格
因此根据可转债价格、纯债价格和转换比率，可以推算出每份看涨期权的价格。然后利用迭代法求解期权价格对应的隐含波动率。
3.delta的计算
该策略的关键是正确测算delta，考虑到模型设定参数不够精确的问题客观存在，而且连续时间下的动态对冲也是不现实的，本文中delta对冲并未采用动态对冲，而是基于开仓、平仓条件的静态对冲，同时设置较为严格的开平仓条件。这样设置策略的好处在于，一是可以避免因模型参数、变量精确度不够带来的不必要的调仓，同时也能减小对冲误差；二是设置较严格的开平仓条件可以保证能够抓住较为确定的套利机会，从而提高组合的夏普比率1。具体算法见公式（3）。
（三）实证结果
1.模型应用举例：民生转债的对冲套利
模拟区间为2013年3月29日至2015年4月1日，共计733天，其中交易天数486天。
从表1和图2可知，民生转债正股波动率波动剧烈，可转债隐含波动率相对平稳，波动率差主要由正股波动率决定。
在两种情景下，分别出现了5次和2次套利机会，套利收益分别为24.12元和30.18元。两种情景的开仓条件一致，但情景2的平仓条件更为严格，套利机会更少（见表2）。
从策略表现来看，情景2中较为严格的平仓条件使得策略具有较大夏普比率和较小最大回撤2（见表3）。
2.构建可转债delta套利指数
本文将基于delta套利策略，编制可转债套利指数，以反映该策略在我国可转债市场的整体表现。编制指数的样本空间由规模较大且流动性较好、正股为融券标的的可转债组成，指数编制基准日为2010年6月17日，从该基准日至2015年4月1日，符合条件的可转债共有26只。
在实证过程中，可转债隐含波动率在2014年底股市大涨行情中出现了异常值（见图3），这是因为在本文套利模型的假设下计算的看涨期权价值小于期权理论价值的下界。在策略模拟过程中，为回避异常波动带来的问题，跳过了这些异常点。
将计算出的可转债套利指数与沪深300指数、中证转债指数进行对比（见图3），发现可转债套利指数的年化波动率为10.16%，远低于沪深300指数的波动率，比中证转债指数波动率也低近3个百分点。更为重要的是，从夏普比率来看，可转债套利指数的风险调整收益要高于沪深300指数和中证转债指数，可转债套利指数的夏普比率是沪深300指数的近两倍（见表4）。
总结
基于对冲套利的本质，本文建立了可转债delta套利策略模型，并根据国内可转债市场和融资融券情况进行实证，表明套利策略能有效提高可转债投资的风险调整收益。首先，以民生转债为代表券进行套利应用举例，在假定的两种情景下，过去两年分别出现了5次和2次套利机会，套利收益分别为24.12元和30.18元；其次，通过将策略复制到全样本建立可转债套利指数，在长达5年的考察周期内，可转债套利指数与沪深300指数的年化收益率仅差1.19%，且主要是由于最近3个月股市暴涨造成，但是前者的夏普比率是后者的近两倍。
当然，可转债delta套利策略并不是完全无风险策略，如果未来可转债的隐含波动率降低，甚至低于期初买入可转债时的隐含波动率，则短期可能将出现亏损，但长期一般会趋于收敛。此外，需要防范发行人提前赎回可转债，导致策略强制平仓的风险。
注：
1. 夏普比率（Sharpe ratio）又被称为夏普指数，是综合考虑了收益与风险的基金绩效评价标准化指标，反映了单位风险基金净值增长率超过无风险收益率的程度。
2.最大回撤，指在选定周期内任一历史时点往后推，投资组合净值走到最低点时收益率回撤幅度的最大值，用来描述组合建仓后可能出现的最坏情况，是很重要的风险指标。
参考文献
[1] Brennan M J，Schwartz E S. Analyzing Convertible Bonds. Journal of Financial and Quantitative Analysis，1980，15（4）：907-929.
[2] Black F，Scholes M. The Pricing of Options and Corporate Liabilities. The Journal of Political Economy，1973，81（3）：637-654.
[3] Thorp E，Kassouf S. Beat the Market： A Scientific Stock Market System.Random House，1967：56-67.
[4] Calamos J. Convertible Securities： The Latest Instruments， Portfolio Strategies， and Valuation Analysis. McGraw-Hill，1985：79-88.
[5] 陈守红：《可转债投资融资――理论与实务》，上海，上海财经大学出版社，2005，76～97。
Abstract: Herd behavior is a common phenomenon for the institutional investors, and it has great effect on our stock markets. Herd behavior not only has great effect on the short-term price volatility, but also damages the long-term price stability to some extent. Firstly, this article discusses different definitions of herd behavior. Secondly, this article makes an empirical study of herd behavior by the data of securities investment funds. Thirdly, this article analyzes the reasons of herd behavior. At last, some measures should be taken to weaken herd behavior of institutional investors.
关键词:机构投资者;羊群行为;实证研究
Key words: institutional investors;herd behavior;empirical study
中图分类号:F830.9 文献标识码:A文章编号:1006-4311(2010)20-0019-03
0引言
当前,我国的金融市场处于一个快速发展的阶段,特别是在加入WTO以后。就目前金融市场的参与者来看,随着我国证券市场国际化的稳步推进,机构投资者呈现出资产增长迅速、规模急剧扩大和资产成长速度加快的特征,如今已经成为证券市场的主导力量。目前,我国已经初步形成了以证券投资基金为主,保险资金、QFII、社保基金、企业年金等其他机构投资者相结合的多元化发展格局。
经济学理论的一个基石就是“理性经济人”的假设,机构投资者作为投资专业化、组织化和社会化的产物,更多的被人们认为是用各种复杂和精密的经济模型来进行投资决策的机构。但现实中却显示机构投资者和一般投资者一样,也可能会有违背有效市场假说中“理性经济人”的假设。羊群行为就是机构投资者非理中最常见的一种,它是投资者在买卖行为中表现出来的一种特征,同时也是影响机构投资者众多复杂因素的重要体现。考虑到信息的可获得性,本文对机构投资者的研究实际上是针对各证券投资基金。
1羊群行为的界定
羊群行为被经济学家发现源于19世纪30年代,凯恩斯很早就发现机构投资者可能会发生羊群行为,在他的《就业、利息和货币通论》中谈到:“投资基金的处世之道,宁可让声誉因遵守成规而失,不可让声誉因违反成规而得”。然而当时并没有引起学术界的重视,直到上世纪90年代,关于羊群行为的理论才真正兴起。
理论界关于羊群行为的定义很多,如Avery和Zemsky(1998)定义羊群行为是市场潮流使得投资者选择跟从,即使私人信息与之相悖;Bikhchandani和Sharma(2001)定义羊群行为是投资者在交易过程中存在学习和模仿现象,从而导致他们在某段时期内买卖相同的股票;Lakonishok Shleifer和Vishny(1992)认为羊群行为是投资者在同一时间段与其它投资者一样购买或出售相同的股票,这是对羊群行为一种比较狭义的理解,羊群行为并不只局限于股票的买卖和交易时机的趋同性,在金融市场中,投资者的许多决策都可能产生羊群行为。Scharfstein和Stein(1990)认为羊群行为是指投资者违反贝叶斯理性人的后验分布法则,只跟随做其它人都做的事情,而忽略了自己拥有的私有信息。
2羊群行为的实证研究
2.1羊群行为的检验方法为了测量我国证券投资基金是否存在羊群行为,本文引入“羊群行为度”指标,这个指标是用买卖双方交易量的不均衡来测度羊群行为。具体地,用HMi,t表示t季度投资基金买卖股票i的“羊群行为度”,那么:
HMi,t=(1)
其中,B(i,t)表示在季度t买入股票i的基金数,S(i,t)表示在季度t卖出股票i的基金数。引入这一概念的理由是“羊群行为”具体表现为同一时期内,大部分基金买入或卖出同一个股票,而HMi,t表示在买卖股票i的所有基金中,采取相同买卖行为的基金比例,当HMi,t值越大时,则表示基金的“羊群行为”程度较为显著。
要计算整体市场有基金的羊群行为程度,将所有股票一时期样本(即所有期和所有股票)的HMi,t,取算术平均值即可,记作HM。同样,HM取值越大,说明基金间的羊群行为越严重。
尽管方程(1)给出了基金在买卖某种股票时产生羊群行为的测度方法,但是,并没有指出基金究竟是在买入股票时还是在卖出股票时更容易产生羊群行为。为了测量“买入羊群行为度”和“卖出羊群行为度”,我们采用Wermers(1999)所提出的方法,具体方法如下:
BHMi,t=HMi,t│Pi,t>E[Pi,t](2)
SHMi,t=HMi,t│Pi,t
(2)式表明在某个季度当某个基金购入股票的比例大于整体样本基金购入股票的平均比例时所计算出的羊群行为度就是“买入羊群行为度”,(3)式表明当某个基金购入股票的比例小于整体样本基金购入股票的平均比例时所计算出的羊群行为度就是“卖出羊群行为度”。同样我们可以计算BHMi,t和SHMi,t,通过比较BHMi,t和SHMi,t,我们可以发现样本基金究竟是在买入还是卖出股票时更易发生羊群行为。
其中,Pi,t表示在季度t买入股票i的基金个数占买卖股票i的所有基金个数的比例。E[Pi,t]表示在季度t买入股票i的基金个数占买卖股票i的所有基金个数的平均比例,Lakonishok,Shleifer和Vishny是用pt来近似代替。我们分别采用如下公式来计算:
Pi,t=E[Pi,t]=
2.2 样本数据说明本文采用的原始数据来自公开披露的所有证券投资基金的季度投资报告,数据采样期间为2009年一季度到2009年四季度共4期。本文对原始数据还做了如下处理:首先,按基金持有数挑选出每季度前50名的股票;其次,对于在季度t对于股票i,如果相邻季度持有基金数量变动少于等于3家,做删掉处理。同时,对09年新上市的股票做删掉处理。最后,本文假定在一个季度内基金对股票的买进或卖出行为是一次完成,从而根据基金在相邻季度持股数量的变化来计算基金对该股票的买卖数量。本文研究数据根据东方财富网数据整理而得。
2.3基金羊群行为的存在性研究通过表1可以看出,总体样本的羊群行为测度的均值为0.6637,其经济含义的理解如下:假设共有100只基金,对于所有股票平均而言,将有66个基金同时买入(卖出)股票,34只股票同时卖出(买入)股票。LSV(1992)计算出美国养老基金的羊群行为测度的均值为0.527,从Wermers(1999)计算出美国共同基金羊群行为测度的均值为0.534。同样,假设共有100只基金,对于所有股票平均而言,在美国有53个基金同时买入(卖出)股票,47只基金同时卖出(买入)股票。为了更鲜明的对比中美证券投资基金羊群行为水平的差异,本文采用Wermers(1999)研究结果的均值作为标准,将此标准和本文计算的均值进行比较,看二者是否有差异。
通过表2可以看出,以美国证券投资基金羊群行为程度为参照值,我国证券投资基金的HM、BHM、SHM都大于该标准值,这个结果有力地证明了我国证券投资基金的羊群行为程度大于美国证券投资基金羊群行为程度。同时,对于BHM和SHM,本文计算结果是SHM大于BHM,即我国证券投资基金在卖出股票时的羊群行为要强于买入股票。这个结果与我国证券市场目前的发展状况相吻合,我国股票市场近年来快速发展,指数快速增长,证券投资基金成为机构投资者的主力,而他们投资理念趋同,投资风格模糊,在操作上具有很强的同质性。此外,基金业绩和基金经理的报酬相挂钩,如果大盘大跌或者其他基金进行大量抛售,部分基金经理出于自己利益考虑,会放弃自己的坚持,跟风卖出某股票,因此我国的证券投资基金总体上表现出更强的卖方羊群行为。
但是,我国的证券投资基金是否在任何时候都表现出更强的卖方羊群行为呢?因此,本文具体分析在大盘的上涨和下跌时段,证券投资基金的买入羊群行为和卖出羊群行为又有何差异,具体见表3。
通过表3可以发现,在大盘的上升阶段,证券投资基金的买入羊群行为要远大于卖出羊群行为;而在大盘的下跌或者震荡阶段,证券投资基金的卖出羊群行为要大于买入羊群行为。同时对比09年三季度和四季度的数据可以发现,在大盘的震荡调整阶段,证券投资基金表现出较低的羊群行为,但其卖出羊群行为还是大于买入羊群行为。这是由于大盘走势未明,各基金经理对大盘的研判不若单一下跌阶段那么相似,因此在操作上表现出较大盘明朗时期更小的同质性。同时由于大盘前期进行了深幅调整,而目前以震荡为主,形势未明,使得各基金经理心理上仍存有一定的不安和恐慌,因此表现出更强的卖出羊群行为。这一研究结果与楚鹰、鲁威(2008)的结论相近,与孙培源和施东晖(2002)的结果刚好相反。这是由于本文与他们所采用的样本时期不同,因此,实证结果的相近或相反可能是由于羊群行为在不同时期下的不同表现形式所引起的。比如在卖出羊群行为和买入羊群行为之间可能出现轮换。
为了了解不同类型基金羊群行为程度的差异,本文将开放型基金粗略分为主动型基金和指数型(被动型)基金两种,以此来研究其中的差异,具体见表4。通过表4可以看出,指数型基金的羊群行为要大于主动型基金,这是由于指数型基金主要选取某种指数作为跟踪对象,主要根据指数的变化进行操作,不同的基金公司跟踪相同的指数,只有增强型指数基金会根据市场变化作适当调整,其操作的同质性的较强,因而具有更高的羊群行为。同时,对于BHM和SHM,主动型基金的买入羊群行为小于卖出羊群行为;而指数型基金的买入羊群行为大于卖出羊群行为。主动型基金买入和卖出羊群效应的大小关系和本文表1结论相同,而指数型结论则相反。其主要原因在于样本中部分指数型基金在某季度的买入数量为0,使得季度其Pi,t为0,而总体样本较小,使其对SHM影响较大,因而出现SHM小于BHM。同时从行为金融角度看,指数型基金在基金业绩的压力下,其他基金进行卖出操作时,未免业绩落后于其他同行,其可能会放弃原先的投资策略,因而在卖出时表现出更强的“从众”心理,即卖出羊群行为。
3羊群行为的主要动因分析
3.1政府监管的失灵中国证券市场建立不过短短几十年,上市公司股权结构不合理、上市公司质量低下以及上市公司的“圈钱”行为屡见不鲜。监管机构由于缺乏必要的经验、技术手段落后和市场管理所面临的大量现实困难,使得股票市场监管蕴含相当高昂的成本,尤其是执法成本。在制度不完善状态下表现为较多的政府行为和行政干预,从而使我国股市素有“政策市”之称。但是中国宏观政策往往缺乏连续性和稳定性,政策的“朝令夕改”,使机构投资者无法合理预期政策走向,产生盲目投资。
3.2报酬激励机制的缺陷在存在道德风险和逆向选择的条件下,基金持有人(委托人)的最优策略是和基金经理(人)签订与基准挂钩的报酬合约,使基金经理的报酬根据其指数或其他基金的相对表现来确定。但这种报酬结构会扭曲经理人的激励机制,间接鼓励基金经理追随指数或同行进行投资决策,最终导致无效的投资组合。茂格和奈克(1996)指出,在与基准挂钩的报酬结构下,如果基金经理的表现落后于基准,那么基金经理将面临极大的压力,甚至职位不保。谨慎的策略是舍弃自己的信息或信念,尽量避免使用过于独特的投资决策,以免业绩落后于指数或同行。
3.3机构投资者的同质性我国的证券投资基金主要是开放式基金,他们通常关注同样的市场信息,采用相似的经济模型、信息处理技术、组合及对冲策略,在投资行为上具有较高程度的同质性。因此,机构投资者可能对盈利预警或证券分析师的建议等相同外部信息做出相似的反应,在交易行为上表现为虚假羊群行为。
4结论与政策建议
从整体检验的结果来看,本文可以得到四条研究结论:
结论1:我国证券投资基金在整体上存在着显著的羊群行为,其羊群行为度大于成熟市场国家,并且基金在卖出股票时更易发生羊群行为。
结论2:整体上看我国证券投资基金的羊群行为影响了市场的长期稳定,影响了股价对新信息的吸收过程。具体而言,则表现为卖出羊群行为加速了股价对新信息的吸收过程,而买入羊群行为影响了股市的长期稳定。
结论3:在大盘的上升阶段,证券投资基金的买入羊群行为要远大于卖出羊群行为;而在大盘的下跌或者震荡阶段,其卖出羊群行为要大于买入羊群行为。
结论4:我国指数型基金的羊群效应要大于主动型基金。同时,主动型基金的买入羊群行为小于卖出羊群行为;而指数型基金的买入羊群行为大于卖出羊群行为。
由此,提出如下弱化羊群行为的建议:
(1)弱化中国股市“政策市”的特征。首先,要减少行政手段对股票市场的干预,加大运用经济政策调节股票市场的力度。其次,应建立多层次监管体系,完善执法体系和执法机制,为各种市场参与者提供行为准则,为管理者提供管理依据。最后,监管机构应加强对信息披露的管理。证券市场的功能和效率是依靠“三公”原则来保证的,为了真正使社会资金按照市场规则配置,就必须保证不同的市场主体能够享受同等待遇,市场真实信息能够顺畅流动,同时加重对市场参与者各方违法行为的处罚力度,提高其犯罪成本。
(2)协调人与委托人的关系。合理的薪酬设计和完善的责任监管直接影响到基金经理参与市场投资的理性程度,将基金经理的个人收益与其操作资金投资收益合理挂钩以及对基金经理投资行为进行专门的评估有利于使基金经理在操作上更加理性,使得作为人的基金经理能够与委托人融为一体,实现没有摩擦的委托关系。这样基金经理的行为偏差将弱化,降低委托情况下产生的羊群行为,有利于提高证券市场的稳定性。
(3)利用股指期货引入具有不同投资偏好的机构投资者。根据其他国家上市股指期货的经验,股指期货的推出,将使保险公司、社保基金、企业年金等长线资金的入市步伐加快,海外资金也将成倍增加。这样有利于改善证券投资基金“一股独大”的局面,让市场上的投资理念更加多元化,有效避免投资过度集中,减少羊群行为的发生,同时机构投资者作为价值型投资者的作用将得到更多体现。
在本文给出的三个建议中,前两个是对弱化羊群行为的制度建设,后一个则是对机构投资者进行投资的市场方向推进,股指期货的推出彻底改变了我国证券市场“单边市”的特征。根据对我国股指期货的当前观察和初步数据论证,股指期货对机构投资者的羊群行为具有一定程度的改善,但是由于我国制度建设的缺陷等原因,其效果还有待进一步考证。
参考文献:
[1]Avery C,Zemsky P. Multi-dimensional uncertainty and herd behavior in financial markers[J]. The American Economic Review,1998,88(4):724-748.
[2]Bikhchandani S,Sharma S. Herd Behavior in Financial Markets:A Review[J]. IMF Working Paper,2000,47(3):279-310.
[3]Lakonishok J,Shleifer A,and Vishny R. The Impact of Institutional Trading on Stock Prices[J]. Journal of Financial Economics,1992,4(32):23-431.
[4]Scharistein David and Jeremy Stein. Herd Behavior and Investment[J]. American Economic Review,1990,2(80):465-479.
[5]Wermers R. Mutual Fund Herding and the Impact on Stock Prices[Jl. The Journal of Financial Economies,1999,54(2):581-622.
[6]李远. 证券投资者的非理研究[D]. 南京:南京理工大学,2005.
关键词机器学习；高斯核支持向量机；遗传算法；投资组合
中图分类号F064.1 文献标识码A
1引言
机器学习研究计算机怎样模拟或实现人类的学习行为，以获得新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能.机器学习在实际分类问题中广泛应用与众多领域，如通信技术[1]，网络流量分析[2]，医学成像[3]，时间序列分析[4]等.相比于ARMA或者ARCH这些传统的技术和定量分析方法模型，机器学习从大量数据中发现隐含的模式，构建更为复杂的模型来实现对未来的预测更能体现模型的优越性与实用性.研究表明，采用机器学习的方法对金融市场进行预测，将特征属性作为输入来发现其与隐藏模式之间的联系，能够预测未来价格趋势或预测趋势信心的百分比.尤其在证券交易中，运用支持向量机，神经网络等混合模型进行学习能够得到更为有前景的结果[5].
目前，金融预测是机器学习在资本市场对数据进行挖掘的最重要的应用，机器学习的技术包括神经网络，支持向量机，遗传计算等.已经有很多学者在这方面进行了研究，卢和吴[6]采用了人工神经网络对标普500指数的未来走势方向进行了预测，并且将结果与传统的ARIMA模型进行比较，结果表明人工神经网络的优越性.McDonald， Coleman等[7]调查了一些机器学习的方法并将其组合进行研究，结果表明混合模型，包括线性和非线性的算法能够在金融序列的未来发展方向上表现出更多的价值. Chen和Shih[8] 采用了BP神经网络与SVM对6个亚洲指数进行预测，获得SVM相比于神经网络更高的准确度.Tay和Cao[9]证明了5种金融时间序列数据可以用支持向量机进行预测，并指出其效果优于人工神经网络.Chang[10]应用遗传算法（GA）、禁忌算法（TS）和模M退火算法（SA）求解复杂约束下的投资组合问题，并通过实证得出用遗传算法和模拟退火求解投资组合问题，明显优于禁忌算法.
对于投资者如何从数千中资产中选择构建投资组合的方法，也有很多学者进行研究.Markowitz提出了“均值-方差（MV）”模型为投资者构建投资组合提供了理论基础.许多学者在此基础上对投资组合理论进行了延伸[11-15].Jagannathan等[16]在M-V模型中简化各资产的权重限制为非负，即不允许组合中出现卖空资产，指出此限制可以减小最优资产组合估计的误差，且在此限制条件下，通过样本协方差阵估计和因子模型估计及收缩估计得到的最优组合表现结果一直.Van der Hart等[17]通过分析32个新兴市场在1985～1999年间的市盈率、市值、价格等数据信息，发现相对于交易量，流动性和均值回复，基于价值，动量与盈利预测调整的策略具有更显著的超额收益.Fan等[18]运用支持向量机发掘公司财务和股价信息来选择资产.Rachev等[19]在Rewardrisk准则下用动量策略来选股.
纵观国内外相关研究，学者在研究机器学习在资本市场的应用更多考虑模型方法的有效性与准确性，本文在前人的基础上运用支持向量机模型对股票进行分类预测，构建周期性的投资组合模型，进而在MV模型基础上采用改进遗传算法求解具有投资限制的最优资产组合.这样做的好处是：第一，循环周期训练模型，能够不断根据最新数据进行调整模型，在一定程度上适应了数据更新的需求，也消除过度使用历史数据的影响；第二，将数据输入改进的模型中可以得到更优的资产组合与权重分配，具有很强的使用价值；第三，改进的遗传算法能使资产组合具有良好的风险收益特征.通过研究，表明基于支持向量机和遗传算法在解决资产方向预测和优化资产组合问题上都有效可行，相信通过改进和完善会有更好的应用前景.
2模型理论
2.1支持向量机
支持向量机（SVM）是由Vapnik等提出来的，它是基于统计学习理论的VC维理论和结构风险最小化理论的机器学习理论.SVM是用于数据分类的一种监督学习算法[20] .
假设训练样本集{（x1，y1），…，（xn，yn）}，xi，yi∈R则SVM回归模型的线性回归函数方程是：
f（x）=w・x+b. （1）
为保证线性方程的平坦，需寻找一个最小的w，因此采用最小化欧几里得空间的范数.假设所有的训练数据可以在精度ε下用线性函数拟合，那么寻找最小w的问题可以表示为一个凸优化问题：
本文采用高斯核函数，如公式（7）所示.其适用于低维、高维、小样本、大样本等多种情况，具有较宽的收敛域，是较为理想的分类依据，将样本在经过映射后的特征空间中线性分开的能力及效果更好，再加上还具有较好的差值能力，能够很好的提取样本的局部性质.在确定参数时，一般选取误差差惩罚因子c，取值范围一般为（0，100]，用于调节学习置信范围和经验风险的比例，以增强其推广能力.本文采用网格搜索法对最优参数进行搜素，最优惩罚参数c为0.5，最优核函数参数g为1.41.最佳的n能够使得模型学习有较高的预测和分类精度，有重大意义.
2.2改进的遗传算法
遗传算法（GA）是由美国密歇根大学的John Holland教授与1975年首先提出的一类仿生型优化算法[21]，是近年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法.通过对将要解决的问题模拟成一个生物进化的过程，通过复制、交叉、突变等操作产生下一代的解，并逐步淘汰适应度函数值低的解，增加适应度函数高的解，进而优化出适应度函数值很高的个体.
遗传算法的具体算法如下：
1）编码
采用整数编码，每个染色体含n个基因位（代表n只股票），基因的数值代表该股票在投资组合中的资金分配.
2）适应度函数
适应度函数为eU，e是自然对数，U是目标函数式.由于Markowitz的投资组合模型是一个二次规划问题，本文考虑我国股市实际交易中不能卖空，需要交易费用，需要有最小交易量（100股）的情况，采用改进的投资组合作为适应度函数.具体公式为：
3实证研究
3.1数据准备与评价标准
本文选取上证A股股票作为测试数据，数据区间在2008.01.02～2015.12.31，剔除无效数据.用当天的开盘价、收盘价、最高价、最低价、成交量和成交金额作为自变量特征，预测后一天的发展趋势.本文实证研究部分所有数据源于Wind资讯金融终端.具体输入属性包括简单移动平均（SMA），指数移动平均（EMA），威廉指标（WR），成交量变异率（VR），相对强弱指标（RSI），平均真实波幅（ATR），真实强弱指标（TSI）.
在训练数据之前，对数据进行预处理，删除指标缺失超过一半的数据，少于一般用该指标该段时间的均值代替.对其进行归一化处理，本测试采用MATLAB自带的和归一化函数mapminmax，将所有数据归一化到[-1，1].
本文选择数据反归一化之前的均方根的评价误差作为训练集的评价标准.为了和Libsvm工具箱中评价标准保持一致，选择均方误差和相关系数作为测试集的评价标准.均方误差越小越好，相关系数则越大越好.预测性能还可以通过以下统计指标来衡量：正则均方误差和平均绝对误差[9].它们是真实值与预测值之间的偏差度量，其值越小表示预测性能越好.
3.2基于支持向量机的投资组合构建
3.2.1组合构建
由于Barbosa [22]指出训练分类器不必要在意较低的准确度，若能够使得根据预测或得正的交易，则在长期情况下，交易收益完全能够克服交易损失.从实际角度来考虑，这由于在现实生活交易中个人不可能赢得所有交易，只有不断提高交易盈利交易才可以继续进行，也能获得一个更高的累计收益.同r如果训练集过长，包含了太多的历史数据，不进行及时更新，将会增加模型的不稳定和波动性.因此，仍需要对数据进行及时的更新训练以保证模型的状态新鲜.
由上述，本文设定训练集的数据长度为1年，更新数据在增加最新数据的同时删减前面历史数据，以保证数据长度的一致性.持有期和滚动周期均为15个交易日，即每隔15个交易日结束上一周期股票池的持有，并将上一周期的数据加入训练模型重新进行训练，构建新的模型指导下一周期的组合构建.投资组合选定为50只.
为便于直观对比出本节模型的优越性，采用支持向量机与神经网路算法比较.BP神经网络（BPNN）是一种多层前馈网络模型，由于具有高度的非线性映射能力，是目前神经网络研究与应用中最基本的网络模型之一.广义回归神经网络（GRNN）是径向基网络的一个分支，其结构与径向基网络接近，非常适合函数逼近[23].因此BPNN和GRNN够被选作为SVM的参照对象，BPNN和GRNN的输入节点数均为10，输出节点数为1，鉴于多隐含层除了增加计算量和复杂度外，预测性并没有明显得到提升，所以BPNN和GRNN均选用单隐含层，该层节点数和输入点数相同.径向基选用高斯函数.
本文通过正则均方误差（NMSE）、平均绝对误差（MAE）和SVM自带的均方误差（MSE）、相关系数（R2）来衡量预测效果.表2显示了SVM和BPNN，GRNN的训练集，测试集的性能评价结果.
由图1更能直观显示出SVM模型的优越性，相对于GRNN，BRNN，SVM的误差能够控制在更小的范围内.基于以上分析与验证得到SVM，BP，GRNN三者的性能优劣程度.本文采用SVM进行预测构建投资组合，训练集特征为沪市2008一年的股票开盘价、收盘价、最高价、最低价、成交量、对冲后收益（本文采用上证指数对冲）以及上述7个特征属性共13个，对后一天的发展趋势进行预测，一次测试15天，根据排名选取靠前的50只股票作为投资组合买入，本文设定依据股票市场规则不能做空.此后每一周期训练一次，滚动进行2009～2015年的交易，得到对冲后收益最优的股票.收益见图2.
图2显示了基于SVM预测滚动选取投资组合获得的收益与上证指数的涨幅对比图，可以看到在沪市上选取的股票，虽然在某些时点上产生震荡，收益率有所下浮，但总体都是能够获得较大盈利的，7年的年化收益率达到了9%左右.
3.3基于改进遗传算法的优化组合
证券投资组合的关键是投资者的偏好，对收益和风险加以权衡，确定各种证券在组合中的比例，从而得到较好的投资组合.本文研究符合我国现实投资环境的投资组合模型，首先建立具有卖空限制、交易费用限制和最小交易单位限制的投资组合模型，具体见公式（10）；其次，由于模型已经是一个非线性正数规划，本文设计了一种改进遗传算法用于求解该问题，具体见公式（13）和（15）.实证说明所采用的算法是有效的.
交易费用包括佣金、税金和过户费.相关参数为选择的股票个数为50，进化代数为3 000，计算结果即持有单位数见表3所示.
显示了基于SVM预测滚动选取投资组合获得的收益及GA优化投资组合收益与上证指数的涨幅对比图，可以看到在沪市上选取的股票，虽然在某些时点上产生震荡，收益率会下浮，但采用GA算法总体都能对投资组合起到优化作用，使组合收益更大，7年的年化收益率达到了15%左右，在实践中也具有重要意义和理论推广.
资产选择与最优组合权重的设置是构建投资组合的两个关键点.由图2和图3可以看出采用混合遗传算法的优化组合，其收益率相比单一使用支持向量机的表现更好.在短期也许交易差别并不大，但长期看来，由于模型的不断优化混合模型会表现出更大的优势.
4Y论
支持向量机理论作为一种基于统计学习理论的新的机器学习算法，较好的解决了维数灾难和过学习的问题.支持向量机因其广泛的适应能力和学习能力在非线性系统预测方面有着广泛的应用前景.股票市场又是一个极其复杂的动力学系统，具有高噪声、非线性等特性.随着近年来计算机技术和机器学习的迅猛发展，使得对股票市场的构建与预测产生了新的思路与解决途径.本文阐述了基于高斯核的支持向量机（SVM），根据股票市场和股票指数的特点，将支持向量机从原来只处理分类问题扩展到回归部分，同时尽可能最优的预测非线性且噪声较多的序列.再采用支持向量机和遗传算法进行预测，并构建投资组合，期望获得更高收益及更低风险，取得了令人满意的结果.
支持向量机（SVM）算法之所以性能优异，是因为其算法是建立在结构风险最小化和线性二次规划理论之上的，具有泛化能力强、全局最优等优点.而遗传算法（GA）通过模仿自然界的选择和遗传的机理来寻找最优解，突破了一般容易陷入局部极小出现“死循环”现在的迭代方法，实现了全局最优，且具有快速搜索、更高扩展性，易与其他方法结合等优点.
不过在参数，核函数，训练集，周期等的选取方面可能会因其变动而产生较大的差异，未来可以继续再这一方面进行优化.基于短周期和长周期的运动趋势不同的情况，还可以将周期继续细分.鉴于核函数对SVM性能的决定性影响，未来的工作将致力于构造SVM的新型核函数，以更好的捕获股票的序列的非线性特征，从而进一步其预测性能.
参考文献
[1]Di M， A survey of machine learning in wireless sensor networks from networking and application perspectives[J]. International Conference on Information. Communications & Signal Processing，2007，6（10）：1-5.
[2]Nguyen T， Armitage G. A survey of techniques for internet traffic classification using machine learning[J]. IEEE Communications Surveys & Tutorials，2008，10 （4）：56-76.
[3]Wernick M，Yang Y， Brankov J， et al. Machine learning in medical imaging[J]. IEEE Signal Processing Magazine， 2010，27（4）：25-38.
[4]Qi M，Zhang G P.Trend timeseries modeling and forecasting with neural networks[J]. IEEE Transactions on Neural Networks， 2008，19 （5）：808-816.
[5]Cai X G，Hu S，Lin X L. Feature extraction using restricted Boltzmann machine for stock price prediction[J]. IEEE International Conference on Computer Science and Automation Engineering， 2012，5（10）：80-83.
[6]Lu C，Wu C H. Support vector machine combined with GARCH models for call option price prediction[J]. International Conference on Artificial Intelligence and Computational Intelligence，2009，11（10）：35-40.
[7]Mcdonald S， Coleman S， Mcginnity TM，et al.Belatreche A. A comparison of forecasting approaches for capital markets[J]. Conference on Computational Intelligence for Financial Engineering & Economics，2014，3（10）：32-39.
[8]Chen W H，Shi J Y.Wu S. Comparison of supportvector machines and back propagation neural networks in forecasting the six major Asian stock markets[J]. International Journal of Electronic Finance，2006，1（1）：49-67.
[9]Mukhejee S， Osuna E， Girosi F. Nonlinear prediction of chaotic time series using support vector machines[J]. Neural Networks for Signal Proceeding，1997，9（10）：511-520.
[10]Chang T J， Meade N，Beasley J E，et al.Heuristics for cardinality constrained portfolio optimization[J]. Computers and Operations Research， 2000，，27（13）：1271-1302.
[11]Briec W， Kerstens K， Jokung O. Meanvarianceskewness portfolio performance gauging： A general shortage function and dual approach[J]. Management Science， 2007， 53（1）： 153-149.
[12]Calafiore G C. Multiperiod portfolio optimization with linear control policies[J]. Automatica， 2008， 44（10）： 2463-2473.
[13]Yu M，Takahashi S， Inoue H，et al. Dynamic portfolio optimization with risk control for absolute deviation model[J]. European Journal of Operational Research， 2010， 201（2）： 349-364.
[14]Harris R D F， Mazibas M. Dynamic hedge fund portfolio construction：a semiparametric approach[J]. Journal of Banking & Finance， 2013， 37（1）： 139-149
[15]卫国，张永，徐维军，等. 基于线性学习函数的泛证券投资组合策略[J]. 系统工程理论与实践，2012，32（8）：1647-1654.
[16]Jagannathan R，Ma T，.Risk reduction in large portfolios： Why imposing the wrong constraints helps[J]. Journal of Finance，2003，58（4）：1651-1684.
[17]Palaniswami M，Fan A.Stock selection using support vector machines[C]. Neural Networks，2001，3（10）：1793-1798.
[18] Hart JVD，Slagter E，Dijk DV. Stock selection strategies in emerging markets[J]. Journal of Empirical Finance， 2001，10（1/2）：105-132.
[19]Rachev S， Jasic T， Stoyanov S，et al. Momentum strategies based on rewardrisk stock selection criteria[J]. Journal of Banking and Finance， 2007， 31（8）： 2325-2346
[20]Cortes C，Vapnik V.Supportvector networks[J].Machine Learning，1995，20（3）：273-274.
[21]Holland J H，Adaptation in natural and artificial system：an introduction analysis with application to biology， control， and artificial intelligence[M]Michigan：The University of Michigan Press， 1975.
