时间：2023-07-04 17:08:38
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇投资基本面分析方法，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词： 基本面加权指数；市场有效性；三因子模型；四因子模型
中图分类号：F832.51 文献标识码： A文章编号：1003-7217（2016）02-0026-06
一、引 言
打败市场是所有投资者的梦想。传统上，打败市场就是打败市场指数[1， 2]。是否存在一种所谓的“圣杯”，可以帮助投资者实现这一梦想？已有的研究表明，如果所谓的“市场”就是指传统的市值加权指数的话，那么，这个“圣杯”就可能存在，至少，基本面加权指数就具备这种能力。
有效市场假说（EMH）认为，在资本市场中，任何一种股票的价格早已反映了所有可影响股价的信息，投资者不能通过其投资策略获得任何超额收益，基本面分析或技术分析无效[3]。因此，CAPM和EMH等理论一经提出，便成为市值加权指数投资的理论基础。然而，长期以来，美国股票市场主动型管理者在扣除管理费后的平均年度绩效都落后S&P500指数50～200个基点，无疑为市值加权指数的有效性提供了实证基础。更重要的是，市值加权指数存在一个明显的困境：高估的股票，市值相对较大，其在投资组合中的权重也更大；而低估的股票则权重更小，导致投资组合收益率出现绩效被拖累的情形。这与价值投资的基本理念是完全相反的。投资的基本原理告诉我们，正确的行为准则应该是买入低估的资产，而卖出（或不买）高估的资产。
20世纪90年代末，美国互联网科技泡沫破灭后，被动型投资者由于将投资组合的权重与市值挂钩而遭受灾难性的损失，也激发业界寻找一种更好的指数构建方法。Arnott等人在研究了1962～2004年美国股票市场的数据后发现，基于衡量公司规模的指标：面值（Book）、收益（Income）、收入（Revenue）、销售额（Sales）、红利（Dividends）以及就业人数（Employment），选择、排序、配置前1000的大型公司权重构建的基本面加权指数的平均收益要比市值加权指数S&P500指数高1.97%（Arnott， Hsu， and Moore， 以下简称AHM），成为基本面加权指数的奠基性论文[4]。Hsu（2006）进一步证明，由于市场噪音会导致价格误差，使得市场对一些股票定价过高，对另一些则定价过低。市值加权指数会赋予估值过高的股票更高的权重，从而出现收益拖累，导致其收益的阿尔法为负[5]。Treynor（2005）则认为市场价值无关指数不会有价格误差，可以避免对高估股票赋予过大的权重，使得其表现可能优于市值加权指数[6]。
在实证方面，Hemminki（2008）利用1996～2006年的欧洲数据，对基本面加权指数和市值加权指数的表现进行比较，发现基本面加权指数的收益比市值加权指数的收益要高1.76%[7]。Stotz（2010）进一步检验后发现，其超额收益是由基本面价格比（价值效应）所决定[8]；认为基本面加权指数更能反映股票的内在价值，从而引发了对于超额收益的来源的猜想。Enrica（2013）利用欧洲的数据将市值加权与等比加权指数进行比较后发现，等比权重指数的收益要高于市值加权的指数，且在等比权重调整频率是季度时，等比权重有最大的超额收益，超额收益具有元月效应[9]。Joanne（2009）基于澳大利亚1995～2006年的数据，利用四因子模型检验后认为，基本面加权指数的优异表现主要源于价值效应[10]。随后，Anup等（2013）扩展了数据的选取，认为基本面加权指数超额收益并非完全来自于价值效应和规模效应，而是基本面加权指数的内在优势[11]。Estrada（2008）利用16个国家的数据，对市值加权指数和基本面加权指数的表现做了一个比较，发现股息加权指数的收益比市值加权指数的收益高1.9%；股息收益率加权指数的收益比市值加权指数的收益高3.3%[12]。Christian（2009）通过研究50个国家1982～2008年的数据后发现，有44个国家的基本面加权指数有更高的收益，在全球的水平上，基本面加权指数比市值加权指数的收益高3.4%；在综合的国家平均水平上，基本面加权指数比市值加权指数的收益高2.46%；利用多因子模型分析发现，异常收益可以被价值效应所解释[13]。
目前，国内学术界对基本面加权指数的争议仍然停留在投资标杆的层面，即通过使用基本面加权指数的时间轨迹来模拟市场有效性演化的路径，用以验证并改进基本面估值思想[14-16]。多数研究认为，中国等新兴国家的资本市场由于市场有效性较低，市值加权指数投资大都不尽如人意，呈现出不同于欧美等有效市场的特征，这导致目前国内对此领域的研究不够深入[14]。因此，基于中国数据的研究不仅是对基本面加权指数绩效在实践层面的必要补充，而且对于深入挖掘基本面加权指数的理论内涵，探讨基本面估值和价值投资的意义，揭示基本面加权指数和市场有效性之间的关联都具有重要的理论意义。二、数据、方法和绩效
（一）数据选取
本文选取2002年5月～2014年3月沪、深两市全部A股的月度股票数据作为研究样本。采用向后复权的股票收盘价，计算月度对数收益率。数据剔除了当年新上市的股票、停牌股票以及其它原因导致价格数据缺失的股票（下文简称全部A股数据）。利用WIND数据库，选取账面价值（book）、企业自由现金流（cash）、红利（dividend）、员工薪酬（pay）和销售总收入（revenue）这五项特定指标构建基本面加权指数。以上指标与AHM最初选择的基本面指标基本一致，既能够充分地反映相关公司的规模、经营状况等基本面信息，又保证了所选股票具有较好的流动性。
（二）处理方法
本文构造基本面加权指数的方法为：在第t年的4月30日，利用t-1年12月份年报的基本面指标排序选取前300只股票（没有公布该项财务指标的股票予以剔除），计算以基本面指标为权重的加权收益率， 其中i分别代表book，cash，dividend，pay，revenue。值得注意的是，我们并非直接选用已有市值加权指数的成分股改变权重来构造的基本面加权指数，而是对全部A股进行筛选。从而避免遗漏一些基本面指标表现良好但不在市值加权指数成分股范围内的股票。
以年为单位进行调整可以避免调整频率过高导致的交易成本问题，同时避免由于公司基本面的季节性变化所造成的波动性问题；在4月底调整主要是考虑到我国要求在4月底之前公布年报。此外，在一年调整一次情况下，因交易成本不会影响收益表现[4]，本文不予考虑。
（三）基本面加权指数的绩效
以沪深300指数（HS300）作为参照组，将其与基本面加权指数的收益进行对比。由于HS300指数涵盖了沪、深两市的股票，能够反映中国证券市场股票价格变动的概貌和运行状况，具有较好的市场代表性和参照性。
通过表1的数据我们可以看出：
1.基本面加权指数的表现明显优于HS300指数。在投资终值方面，期初投资1元，HS300指数的终值是1.46元，五项基本面加权指数终值的平均值达到了2.34元；在年化对数收益率方面，HS300指数的年化对数收益率是3.87%，五项基本面加权指数的年化对数收益率的平均值是11.24%，远高于HS300指数。
2.除现金流指数以外，其它四项指数和HS300指数收益率的标准差相差不大。而现金流指数的标准差是0.1171，大于HS300指数的0.0896，说明其波动性比较大。
3.除现金流指数外的四项指数超额收益的t值在1%的显著性水平上显著，表明统计意义上基本面加权指数表现也优于HS300指数，现金流指数超额收益的t值不显著。
4.五项基本面加权指数的夏普比率都大于HS300，这与直观分析一致；五项基本面加权指数的信息比率全部大于0，账面价值、红利、员工薪酬、销售总收入指数的信息比率都比较高，现金流指数的信息比率较低。
图1展示了在各项指数投资100元后，投资价值随时间的变化曲线。图2则展示了基本面加权指数的累计收益减去HS300指数后的累计收益。两图均可看出：各项指数的投资价值在总体上具有一致性，在大的行情下基本同涨同跌；随着时间的推移，基本面加权指数的投资价值逐渐高于HS300指数。其中，现金流指数投资价值的波动性比较大，这与数据的描述性统计一致。
综上可知，基于五个不同指标计算的基本面加权指数都具有正的超额收益，其夏普比率都显著高于HS300指数。如果从超额收益的稳定性来看，除了现金流指数波动规律略有不同之外，其余几个指数都呈现稳健增长特征。这一基本结果与既有的文献基本一致，表明基本面加权指数的思想在中国同样适用，具有较为稳健的实证基础。
三、基本面加权指数的实证检验
（一）CAPM检验
通过式（1）回归来进行CAPM检验：
表2显示，所有的β值在1%的显著性水平上显著，五项变量中，除了现金流变量β值小于1，其他四项都比1略大，意味着基本面加权指数承担着比市场稍高的系统风险。除现金流变量外，其他四项变量的超额收益α在1%的显著性水平上显著，并且符号全部为正，说明基本面加权指数在统计意义上的确存在不能被系统风险解释的超额收益。R2统计量说明该模型的解释力很高。使用HS300指数进行检验，可得到类似的结果。可见，使用CAPM的初步检验结果显示，市场风险并不能完全解释基本面加权指数的收益，基本面加权指数整体上存在着显著的超额收益。
（二）三因子模型检验
FamaFrench三因子模型的检验式如式（2）：
其中，除前述变量外， SMB（“小减大”）是反映公司规模效应的指标，即规模较小的公司收益减去规模较大公司的收益；HML（“高减低”）是反映公司价值效应的指标，即高面值市值比公司的收益减去低面值市值比公司的收益。具体的构造方法如下：首先，按第t年的4月30日的总市值，对第t年的全部A股进行排序并分成两组：Big组（B）和Small组（S）；其次，按t-1年的年报账面价值和总市值计算账面市值比，并对第t年的全部A股进行排序并分成三组：High（H）、Middle（M）、Low（L）；再次，将以上分组再进行交叉得到BH， BM， BL， SH， SM， SL六个资产组合；最后对以上六个组合求市值加权收益。
SMB和HML由式（3）、（4）给出：
SMB=1/3（SH+SH+SL）-1/3（BH+
BM+BL）（3）
HML=1/2（SH+BH）-1/2（SL+BL）（4）
对模型进行线性回归，并对回归后的残差进行异方差检验。White和BP检验的结果都表明回归残差存在着很强的异方差性（原假设：不存在异方差性）。因而采用异方差稳健标准误合适。分析回归结果（限于篇幅没有列示）发现：规模因子和价值因子的系数不显著，而且各变量系数的正负号不一致；除了cash的α不显著，其余四项都显著。表3是用沪深300指数的三因子回归结果，同样采用异方差稳健标准误。检验结果均表明，基本面指数完全通过了三因子模型检验，可获得稳健的超额收益。
（三）四因子模型检验
四因子模型[17]是在三因子模型基础上，加入了动量因子（Momentum Factor）。但是有多个研究表明，在中期内我国股票市场不存在动量效应，相反存在反转效应（Reverse Effect）[15， 18， 19]。我们的计算结果支持以上结论，因此，把反转效应作为因子放入模型，作为第四个因子。检验见式（5）：
回归同样采用异方差稳健标准误，四因子模型检验结果如表4所示（限于篇幅仅列示一种）。回归结果显示，加入反转因子并没有改变超额收益α的显著性。
各主流模型对基本面加权指数超额收益的检验结果显示，除现金流指数外，其余四种主要的基本面加权指数都顺利通过了以上模型的检验。此外，本文分别使用全部A股计算的市值加权收益率以及HS300指数收益率代替市场收益率进行检验，得到了一致的结果。
（五）稳健性检验及其它相关检验①
为了使上述检验结果更加可靠，本文还对基本面加权指数的超额收益进行了稳健性检验，主要有三方面的扩展：（1）将基本面加权指数的成份股数量增加到500只，以便考察该方法对样本容量的稳健性，也有利于探讨本方法在实践中的应用。（2）针对流动性溢价的理论假说，将流动性指标加入到三因子模型中，以便考察在加入流动性后，超额收益是否仍能通过检验。（3）将中国股票市场划分为不同的牛熊周期，以便考察基本面加权指数在不同阶段的表现。三项补充检验均得到了稳健的结果，表明本文的结论具有可靠性，也说明基本面指数已具备实战价值。
四、结论
本文在对已有文献进行分析和综述的基础上，取用中国的数据构造了基本面加权指数，并使用各种检验方法来验证基本面加权指数超额收益的稳健性和可靠性。研究表明，基本面加权指数可获取稳健的超额收益，其业绩表现远远超出传统的市值加权指数。从理论层面看，市场因子对超额收益的解释力最强，规模因子和价值因子的解释具有不一致性。传统金融学模型并不能完全解释基本面加权指数投资组合超额收益的来源。
从实践层面看，基本面加权指数的优势主要表现在：
1.绩效的稳健性。除现金流构造的指数外，基本面加权指数都表现出超额收益，并且通过了经典理论模型的检验和稳健性检验。更重要的是，在股市波动的不同阶段，超额收益都始终存在。这一结果颠覆了传统金融学理论中风险和收益的权衡机制。
2.广泛的适用性。基本面加权指数构造方法简便，可操作性强。适合大资金运作，波动性无虞。按照基本面加权指数的策略，可以选择300只、500只甚至1000只股票作为投资标的，而每一种投资标的都是按照公司基本面加权指数进行加权，赋予规模②较大的公司更大的权重，从而避免流动性问题。这对于从事大规模资金管理的基金公司来说具有重大意义。
3.交易便捷与低成本性。基本面加权指数的设计机制主要依靠年报数据，交易频率极低，成份股具有相对稳定性。因此，无须大量再平衡，交易频率和交易规模较低，从而减少了研发成本和交易成本。综上所述，基本面加权指数具有广阔的应用前景，可以作为指数投资的新标杆来进行推广。
本文的研究表明，基本面加权指数在中国已不再止步于作为投资标杆的阶段，而完全有条件步入应用阶段，并预期可得到稳健的超额收益。
注释：
①因篇幅限制，此处未完整报告检验结果。感兴趣的读者可直接向作者索取。
②此处的规模指的是基本面加权指数的规模水平，但这些指标与公司的实际“规模”也基本一致。
参考文献：
[1]Fama E F， French K R.The corporate cost of capital and the return on corporate investment[J]. Journal of Finance，1999， 54（6）： 1939-1967.
[2]Fama E F. Random walks in stock market prices[J]. Financial Analysts Journal，1995， 51（1）： 75-80.
[3]Fama E F. Efficient capital markets：a Review of theory and empirical work[J]. The Journal of Finance，1970， 25（2）： 383-417.
[4]Arnott R D， Hsu J， Moore P. Fundamental indexation[J]. Financial Analysts Journal，2005， 61（2）： 83-99.
[5]Hsua J C. Capweighted portfolios are suboptimal portfolios1[J]. Journal of Investment Management，2006， 4（3）： 1-10.
[6]Treynor J. Why market-valuationindifferent indexing works[J]. Financial Analysts Journal，2005， 61（5）： 65-70.
[7]Hemminki J， Puttonen V. Fundamental indexation in europe[J]. Journal of Asset Management，2008， 8（6）： 401-405.
[8]Stotz O， Wanzenried G， Dhnert K. Do fundamental indexes produce higher riskadjusted returns than market cap indexes？ evidence for European stock markets[J]. Financial Markets and Portfolio Management，2010， 24（3）： 219-243.
[9]Bolognesi E， Torluccio G， Zuccheri A. A comparison between capitalizationweighted and equally weighted indexes in the european equity market[J]. Journal of Asset Management，2013， 14（1）： 14-26.
[10]Mar J， Bird R， Casavecehia L， et al. Fundamental indexation：an australian investigation[J]. Australian Journal of Management，2009， 34（1）： 1-20.
[11]Basu A K， Forbes B. Does fundamental indexation lead to better riskadjusted returns？ new evidence from australian securities exchange[J]. Accounting & Finance，2014， 54（3）： 699-728.
[12]Estrada J. Fundamental indexation and international diversification[J]. Journal of Portfolio Management，2008， 34（3）： 93-99.
[13]Walkshusl C， Lobe S. Fundamental indexing around the world[J]. Review of Financial Economics，2010， 19（3）： 117-127.
[14]冯永昌，王骁，陈嵘. 中国股市基本面价值加权投资组合研究[J]. 数理统计与管理，2008，（5）：911-917.
[15]顾锋娟，金德环. 投资者过度反应与牛熊市波动非对称性[J]. 数理统计与管理，2013，（3）：533-544.
[16]钱蕊. 中国股市基本面指数的开发研究[J]. 知识经济，2013，（3）： 102-103， 105.
[17]Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance，1997， 52（1）： 57-82.
关键词：财务分析 基本面分析 实地调查
随着我国加入WTO后国际交往的发展，我国的资本市场和货币市场将逐步与国际接轨，市场参与者的投资理念也在不断发生变化，将越来越多地依据公司的经营业绩和财务状况做出投资决策。但是某些企业编制虚假会计报表，已成为影响我国资本市场和货币市场健康发展的公害。因此为了避免因决策失误而遭受惨重的损失，市场参与者们必须掌握基本的会计报表分析过程及方法。
一、企业会计报表分析的过程及方法概述
企业会计报表的基本分析过程如下：阅读会计报表的审计报告;阅读和分析会计报表附注;进行财务数据和指标的静态分析、趋势分析和同业比较;进行公司的基本面分析。根据上述分析发现的重要线索，准备实地调查提纲;根据实地调查结果，判断公司是否编制虚假会计报表。财务分析顺序与会计师编制公司会计报表的顺序相反，在财务分析中，根据会计报表附注，我们可以从会计报表分解出会计分类账，从会计分类账分解出会计科目账，从会计科目账查询会计凭证，从而详细分析公司会计报表，反映其财务状况及经营成果和现金流量情况的真实程度。
二、企业会计报表分析过程及方法的具体探讨
（一）阅读企业会计报表的审计报告
审计报告是注册会计师在实施审计工作的基础上对被审计单位财务报表发表审计意见的书面文件。审计报告有五种类型：（1）标准无保留意见审计报告;（2）带强调事项段的无保留意见审计报告;（3）保留意见的审计报告;（4）否定意见的审计报告;（5）无法表示意见的审计报告。标准无保留意见审计报告表明财务报表在所有重大方面公允反映了被审计单位的财务状况、经营成果和现金流量;带强调事项段的无保留意见审计报告表明存在可能对财务报表产生重大影响的不确定事项、但不影响已发表的审计意见;保留意见的审计报告表明财务报表整体是公允的，但会计政策的选用、会计估计的做出或财务报表的披露不符合适用的会计准则和相关会计制度的规定，或审计范围受到限制，但不至于出具否定意见或无法表示意见的审计报告;否定意见的审计报告表明财务报表未能在所有重大方面公允反映被审计单位的财务状况、经营成果和现金流量;无法表示意见的审计报告表明审计范围受到影响非常重大和广泛的限制，以至于无法对财务报表发表审计意见。
（二）企业会计报表附注的分析
一是分析公司基本情况，关注公司的历史和主营业务。只有深入了解了公司的历史和主营业务，才能对公司的财务数据和财务指标有更深刻的理解，也才能对公司的盈利前景做出客观的判断。二是分析会计处理方法对利润的影响。会计处理方法通常包括收入确认方法、企业所得税的会计处理方法、存货计价方法、坏账损失的核算方法、固定资产折旧方法等，由此可见，不同的会计处理方法对公司利润的影响是不同的，我们必须关注公司采用哪些会计处理方法及前后各期是否一致、对净利润造成什么影响。三是分析子公司对总利润的影响程度。分析公司下属各子公司的基本情况，对总利润影响程度大的子公司无疑是调查分析重点。四是分析会计报表主要项目的阐述资料，这些阐述资料是判断公司是否编制虚假会计报表的重要线索。五是关注公司其他重要事项的说明。
（三）企业会计报表财务数据分析：静态分析、趋势分析和同业比较
1.财务数据的静态分析。财务数据的静态分析，包括资产负债表、利润表、现金流量表的主要项目的静态分析及财务指标的静态分析（包括流动性指标、效率指标、财务杠杆指标和盈利指标）。
（1）资产负债表、利润表、现金流量表的主要项目。“货币资金”项目分析，必须结合现金流量表分析，“短期投资”与利润及利润分配表的“投资收益”项目有关系，应收票据、应收账款和存货是资产负债表的三个主要项目，这三个项目与利润表的“主营业务收入”和“利润”项目，以及现金流量表的“经营活动产生的现金流量净额”有关系。“长期股权投资”和“长期债权投资”与利润及利润分配表的“投资收益”项目，以及现金流量表的“投资活动产生的现金流量净额”有关系。固定资产项目与现金流量表的“投资活动产生的现金流量净额”有关系。“短期借款”和“长期借款”与利润及利润分配表的“财务费用”和现金流量表的“筹资活动产生的现金流量”有关系。运用静态分析方法，分析利润及利润分配表主要项目时，应该结合会计报表附注分析，详细分析这些主要项目的明细资料。分析现金流量表时，我们应该关注现金流量的来源和结构，从而对企业现金收支的情况、经营活动创造现金流量的能力等有更清晰的了解。
（2）流动性指标的静态分析。流动性财务指标包括流动比率、速动比率、净营运资金、现金流动负债比率和现金负债比率。一般来说，流动比率越高，企业偿还短期债务的能力越强。合理的流动比率水平取决于两点：一是流动性资产的周转速度，流动性资产的周转速度较快，合理的流动比率水平可以较低。二是流动性资产的质量和结构。速动比率衡量企业流动资产中可以立即变现用于偿还流动负债的能力。因为速动比率中的速动资产是流动资产扣除存货等变现速度较慢或者根本无法变现的预付账款、待摊费用等，因此速动比率比流动比率更直接地反映了企业短期偿债能力的强弱。现金流动负债比率和现金负债比率较速动比率而言更苛刻地反映了企业立即偿债的能力和水平，但如果企业现金持有量过大又会对资产的综合利用不利，因此这两个指标一般仅在企业面临财务危机时使用。净营运资金是指流动资产与流动负债的差额，净营运资金越多，企业不能偿还短期债务的风险越小，但净营运资金是个绝对数，更适合同一企业不同历史时期的比较。
（3）效率指标的静态分析。包括存货周转率、存货销售期、应收账款周转率、应收账款回收期、经营性循环周期、资产周转率。存货周转率衡量企业的存货管理能力。存货销售期影响企业资产的流动性，从而影响短期偿债能力。应收账款在企业的流动资产中占有十分重要的地位，应收账款周转率越大，应收账款回收期越短，公司资金的使用效率越高。经营性循环周期越长，企业需要的营运资金越多。资产周转率测量资产利用的效率。
（4）财务杠杆指标的静态分析。包括资本充足率、债务资本比率和债务资产比率。资本充足率越高，企业抵抗风险的能力越强。若债务资本比率或者债务资产比率过高，说明企业的偿债负担过重。
（5）盈利指标的静态分析。包括净利润率、资本收益率和资产收益率，是衡量企业盈利能力的重要指标。
2.财务数据的动态分析：趋势分析。趋势分析是对一家公司不同时期或时点的财务数据和财务指标进行分析。如果公司的经营活动处于持续健康发展的状态，那么其主要财务数据或指标应该呈现出持续稳定发展的趋势，否则意味着公司的某些方面发生了重大变化，这些异动是判断公司是否编制虚假会计报表的重要线索。
例：某农产品A公司2009-2012年会计报表部分财务数据及其增长率，见下表。我们可以做如下趋势分析：第一，A公司固定资产周转率和流动比率逐年下降，到2012年均小于1，这说明A公司经营活动创造的现金流量补充固定资产投资占用资金的能力越来越弱，偿还短期债务能力越来越弱。第二，A公司2009-2012年主营业务收入、经营活动产生的现金流量净额和固定资产逐年同步上升，其中，固定资产增长超过主营业务收入，应收账款逐年下降。说明A公司的“钱货两清”交易越来越多，赊销越来越少。第三，固定资产增长速度几乎与“经营活动产生的现金流量净额”增长速度同步，说明A公司将绝大部分“经营活动产生的现金流量净额”转变为固定资产。根据趋势分析发现的线索，我们可以将现金收入和固定资产支出作为实地调查的重点。
（四）财务数据的同业比较
同业比较是为了寻找出严重偏离同业平均水平的财务数据或指标，从而寻找出调查分析重点。划分公司所处行业越细致，同业比较结果越准确。
（五）企业基本面分析
企业基本面分析包括宏观经济发展状况、所在行业发展状况、公司在本行业的地位和市场份额、公司的战略目标、经营方针和策略、公司的组织架构和高层管理人员的管理理念等。基本面分析与财务分析息息相关。如果公司的会计报表反映的财务状况与基本面分析结果背道而驰，那么，这一矛盾之处，应该是调查分析重点。
（六）实地调查，据实分析
通常情况下，我们仅依据财务分析和基本面分析做出投资决策，但这两种分析方法仅能提供判断公司是否编制虚假会计报表的线索，而不能作为判断公司会计报表真实性及确定投资对象的依据。实地调查结果才是判断财务报告真实程度以及确定投资对象的依据。实地调查的程序包括：首先，根据财务分析和基本面分析寻找的调查分析重点，准备实地调查提纲;其次，到被调查单位实地察看，与单位或部门的管理人员沟通交流;最后，提交现场调查报告。如果事先没有做深入细致的财务分析和基本面分析，准备重点突出、针对性强的实地调查提纲，只是到公司参加股东大会、听董事长或董事会秘书介绍公司情况、或者到公司随便看看，这种实地调查毫无用处。实地调查时，我们应该亲自到公司的生产车间或厂区调查公司的生产情况、设备利用情况、原材料和成品存货情况，以及企业管理情况，向公司管理人员询问尽可能详细和广泛的问题，全面细致地观察公司各方面情况。
市场参与者们掌握了以上基本的会计报表分析过程及方法后，既可避免因虚假会计报表导致决策失误而遭受惨重的损失，又可有效地遏制公司编制虚假会计报表的行为，对于促进我国资本市场和货币市场的健康发展非常有意义。Z
参考文献：
中国注册会计师协会.中国注册会计师执业准则[S].2006.
关键词：价值投资；安全边际；金融市场理论
一、价值投资策略的产生和发展
美国的本杰明·格雷厄姆和大卫·多德在1934年出版了《证券分析》一书，证券市场价值投资理论及策略在此基础上发展起来。该理论的基本假设是：尽管证券的价格波动很大，其内在价值稳定且可测量。短期内证券市场价格会经常偏离其内在价值，但市场存在自我纠偏的机制，长期来看内在价值与市场价格趋同。价值投资的精髓是在市场价格明显低于内在价值时买人证券，在显著高出时卖出。内在价值与市场价格间的差额——安全边际越大．投资风险就越小。预期收益就越高。从上市公司财务报表出发，通过分析资产价值、盈利价值和成长性价值来计算投资对象的内在价值。关于备受争议的公司成长性价值，格雷厄姆指出，唯一能给投资者带来利润的成长是那些资本回报超过资本成本的增长，只有具备经济特许权(企业受壁垒保护，对手难以进人该行业)的成长性才是有价值的。格雷厄姆投资思想是价值投资理念的启蒙和经典，其实质便是选择买人被市场一定程度低估的股票并且在其被高估时卖出。
《证券分析》出版之际，正值1929年-1933年美国股灾结束，华尔街处于历史性的熊市，市场中充斥着股价跌破净资产的股票，是价值投资的大好时机。此时，通过大量收集上市公司财务数据，格累厄姆及其追随者找到无数符合价值投资理念的股票，并在随后的反弹行情中获得巨额收益。但是此后数十年，随着公司财务信息日益透明，投资者素质提升，想在美国证券市场找到被严重低估的优质股票已经日趋困难。到20世纪70年代大牛市中，市场中已很难找到传统价值型股票，格雷厄姆本人也宣称随着市场越来越有效，投资者运用传统的价值投资策略很难再获得超额利润。然而此时及以后的数十年间，沃伦·巴菲特等价值投资者继承和发展了格雷厄姆的投资理念，并创造出一系列极其成功的投资记录。巴菲特认为选择股票的本质是选择上市公司。他的投资策略便是以合适的价格购入具备持续竞争优势的超级明星企业股票并长期集中持有。在权益证券评估方法上，只认可现金流量贴现模型，即任何证券的内在价值取决于其未来现金流量以适当贴现率贴现的现值之和。
经过大半个世纪的发展，虽然价值投资方法的本质依然是通过判定证券内在价值与市场价格的偏离而寻求投资机会，但具体的投资策略却有着极大发展并各有特点。证券的基本面分析成为了价值投资方法的核心。由此逐步形成了从宏观经济、行业研究到公司分析和证券定价的三步定价法。从过去仅仅侧重于公司财务报表分析，到关注报表数据之外的因素(如品牌、技术领先程度和管理层品质等)；从过去地关注上市公司历史和现状分析，发展到现在兼顾公司未来成长性分析；指标分析上亦从侧重于市净率和分红派息，到现在对一揽子指标进行综合分析(市盈率、价格销售额比率和经营性现金流量等)。上市公司的价值评估方法逐步得到优化，内在价值的内涵和外延不断地得以扩大，分门别类的价值投资也有着以下共同特征：(1)安全边际的留存，使得买入的股票相对比较便宜，市盈率、市净率等指标值相对较低，因此在熊市中操作较多，在股市泡沫中操作较少；(2)更倾向于中长期投资，对于证券市场的短期波动相对不敏感；(3)投资组合相对集中；(4)更适用于相对成熟的证券市场。
二、金融市场理论对价值投资策略的解释及争议
金融市场在整个20世纪有着长足的发展，分门别类的金融理论和投资策略亦层出不穷，各有发展。时至今日。证券市场的主流投资方法主要包括基于基本面分析理论的价值投资和成长投资、基于空中楼阁理论的技术分析和基于有效市场假设的指数化投资。而行为金融学自20世纪80年代诞生起便逐步异军突起，成为极具发展前景的新兴金融理论。
成长投资和价值投资同属于基本分析范畴，二者都强调严谨的独立分析，在理论的内在逻辑上趋于一致，但实际投资风格差别较大甚至完全相反。前者看重企业的发展潜力，认为股票价格不断上涨的动力来自于企业持续快速发展，盈利高速增长，当前股价的高低并不是考虑的第一要素，所选择股票往往市盈率较高。在成长投资者看来，价值投资利用市场波动在安全边际下购入股票。P／E、P／BV和P／S等指标值较低，风险固然相对较小，但投资风格显得保守单一，得不到高增长企业带来的超额回报。从美国股市运行的实证分析结果来看，在过去的25年间，价值投资和成长性投资各有其风行周期，呈现周期轮动的态势，各自在其风行周期中的表现均好过对方，但从长期回报来看。价值投资收益要明显高于成长投资，而收益波动却小于对方。
相对于基本面分析理论，空中楼阁理论认为证券的价格波动是由大众心理预期的变化所决定，聪明的投资者所要做的仅仅是购入大众认定可以涨价的股票，并以更高的价格卖出即可。在此理论依据下，技术分析方法仅从证券的市场行为来分析证券价格的未来变化。技术分析师认为价格变动受长期趋势影响，对新信息并不是立即做出精确的反应，而是逐渐反应，因此投资者只需计算未来的趋势，没有必要进行基本面分析和价值投资分析。但大多数对欧美证券市场弱有效性的检验结果证实，证券价格并不按照一定趋势变动，技术分析的前提假定条件难以成立。
基于有效市场假设的现资理论认为，在所谓的半强式有效市场中，证券市场价格能够迅速反映公开市场已有的全部信息，因此价值投资分析不能为投资者带来超越市场的额外收益。然而在欧美市场上的大量实证研究并不能证明证券市场完全有效，市场上存在着大量的非有效性证据，包括风险溢价的时间序列相关性、市盈率效应、账面价值／市场价值比率和日历效应等。同时沃伦·巴菲特、彼得·林奇等价值投资群体的长期超额业绩回报也从实践上对半强式有效市场进行了极其有力的反驳。
在统计分析实证研究对现资理论提出挑战的同时，行为金融学理论于20世纪80年代诞生。该理论以心理学对人类决策心理的研究成果为依据，以人们的实际决策心理为出发点，研究投资者非理性决策对证券价格变化的影响。行为金融学认为，投资者并非如有效市场理论假设的那样完全理性，而是有限理性的，有一种偏差会使人们更注重最近的消息，存在着“过度反应”，从而导致证券价格的非理性波动，证券价格偏离价值是不可避免的，投资者身上出现的类似认知偏差还有：过度自信，反应不足和损失厌恶等等。这个发现验证了价值投资理论的前提假设：从短期来看，市场只是一个投票机，股票价格不仅决定于基本面因素，还受影响于投资大众的心理认知偏差。证
券价格的非理性波动，使得价值投资策略利用市场波动寻求套利成为可能。来自基本面的逻辑因素决定了股票的内在价值，而心理因素则影响其短期的市场价格。
三、价值投资策略的实践效应
价值投资方法所具有的科学性和稳健性使其逐渐成为欧美成熟证券市场的主流投资理念和投资策略，美国华尔街90％的证券分析师都声称自己是基本面分析者。随着证券分析业的不断发展和走向成熟，欧美证券市场上越来越难以发现内在价值被明显低估的股票，特别是在几波大牛市中，市场中多数股票都被严重高估，此时价值投资者只能选择有所不为。难以分享证券市场空中楼阁所带来的超额投机收益。当证券价格普遍达到甚至超越其内在价值，股市若长期处于高涨状态，坚持价值投资策略的机会成本也较大。
另外，在买人证券之前的价值评估环节中，由于上市公司信息来源有限，信息可信度有时也不高，已有信息中，无形资产等项目的价值也难以确定，由此造成其资产价值难以判断；另一方面，企业未来的盈利和增长更是不易预测，很多复杂和随机的因素都会导致原先的预测结果和实际值相差极大，未来充满不确定性。价值投资者虽然在单个股票上所花工作量巨大，精确度却未见有多高，因此，保留足够的安全边际在抵消风险和获得盈利上显得尤为重要。然而如此一来，一些未来成长性极佳上市公司便很容易被忽略掉。一些能力和精力均有限的投资者往往只能选择那些低市盈率和市净率的股票，近似达到和实现价值投资的效果。彼得·林奇曾将利润增长率指标结合考虑，提供一个新的价值指标公式：K=增长率／市盈率，K值愈大，投资回报愈大，这样能够兼顾分享到成长型公司的业绩回报。
来自欧美、日本以及新兴证券市场的实证研究表明，从长期来看，坚持价值投资方法是能够获得超额收益的［(JosefLakonishok和AndreiShileifer(1994)；Fama和French(1997)；Hart和Slagter(2001)；Chan，Hamao和Lakonishok(1991)］。我国学者对于内地A股市场的实证研究也得出了相似的结论(郝爱民，2006)。价值投资的业绩不仅超越纯粹的技术分析投资，也明显超越了成长投资和指数化投资。与此同时，其遭遇风险而损失的可能性却小于成长投资，稳健性更是明显好于对方，尤其是在熊市中，价值型投资组合能够表现出更强的抗跌性。
[关键词]投资者行为;理性预期;金融危机;传染
由美国次贷危机引发的全球金融危机再次引起了人们对金融危机成因和传染途径的关注。本次金融危机的特点在于全球投资者恐慌心理下的金融资产抛售导致了危机的跨国传染。正因为如此,本文对危机传染理论中基于投资者行为的危机传染理论模型进行系统评述,并对其发展进行展望,以期对本次金融危机跨国传染的研究有所裨益。
一、基于投资者行为的危机传染理论发展的理论和现实背景
自上世纪90年代以来,在金融危机理论的发展过程中,学术界对金融危机的传染原因和途径已经开始探讨。按照Dornbusch,Park and Claessens(2000)的观点,金融危机的传染可以划分为“基于宏观经济基本面关联的危机传染”和“基于投资者行为的危机传染”两种不同的途径。[1](177-197)前者是指一国发生的
危机恶化了另一国的宏观经济基础,从而导致了他国危机的发生。其传染渠道主要有贸易关联、竞争性贬值和金融关联等。而后者则包含了所有无法以宏观经济和金融变量解释的危机传染,其核心是经济中的多重均衡以及投资者基于理性预期的资产组合调整的自实现过程。
(一)早期金融危机传染理论的主要观点
在金融危机传染理论的初期研究中,学术界更多地关注了基于宏观经济基本面关联的传染途径的研究,提出了基于贸易关联、竞争性贬值、金融关联和共同的政策冲击等渠道在内的危机传染途径。
贸易关联的传染途径认为,一国金融危机导致的货币贬值有可能恶化与其存在双边或多边贸易关系国家的贸易条件,导致其出口下降。当投资者预期到这一影响时,会抽走对贸易关联国的投资,或对该国的货币进行投机性攻击,从而导致贸易关联国危机的发生。竞争性贬值传染途径强调的是一国的货币贬值有可能降低与其有贸易关联的其他国家的竞争力,从而给这些国家的货币带来贬值的压力,特别是采用固定汇率制的国家。在一国发生危机后,如果投资者预期到其他国家将会采取竞争性的货币贬值策略,则会出售他们持有的这些国家的资产,收回贷款并拒绝短期贷款的展期,从而导致这些国家资产价格波动和资本外流。金融关联渠道强调了金融中介全球范围的资金借贷活动对危机传染的影响。共同的政策冲击渠道理论认为,主要工业化国家经济政策的调整和商品价格的变化等全球性原因,有可能导致新兴市场经济的货币危机或资本的流进流出。
(二)早期危机传染理论面临的挑战
基于宏观经济基本面关联的危机传染理论从不同的角度对20世纪90年生的欧洲货币危机、墨西哥金融危机和泰国货币危机在同一地区或宏观经济基本面相似国家间的危机传染给予了较好地解释,但对于危机在宏观经济基本面联系薄弱的国家间传染的解释却显得无能为力。如亚洲金融危机向俄罗斯和拉美等国,以及俄罗斯债务危机向美国和拉美等国的传染。同时,随着金融自由化和经济全球化的发展,国际金融市场上短期资本流动以及投资者资产组合调整对各国金融资产价格的影响日益明显。在此背景下,经济学家意识到,如果在现有的危机传染理论中不考虑资本市场投资者行为对资产价格的影响,则现有的理论可能无法解释新的金融危机传染的原因和途径。基于上述危机传染理论面临的挑战,许多学者就一国危机对投资者预期和资产组合调整的影响因素和途径进行了研究,进而形成了基于投资者行为的危机传染理论。
二、基于投资者行为的金融危机传染途径及其代表性模型
尽管基于投资者行为的危机传染理论强调了金融危机冲击对投资者心理预期和资产调整行为的影响。但不同学者对危机冲击影响投资者预期和投资行为变化的途径以及投资者资产组合调整的过程却存在着不同的观点,并由此形成了不同的危机传染途径和渠道理论。
(一)信息约束下的投资者羊群效应
该理论认为,在金融市场存在不完全信息或信息不对称的情况下,基于理性预期的不同信息拥有者在金融市场遭遇不利冲击时,有可能同时朝着同一方向调整其持有的各类资产组合,导致资本市场上投资者的羊群效应行为,并在不同市场间产生溢出效应,从而造成危机的传染。
Calvo and Mendoza(2000)在假定投资者面临不完全信息和卖空约束的情况下,构建一个投资者全球资产组合分散投资的均值方差模型,分析了证券市场全球化中投资者搜集和处理信息成本的变化对危机传染的影响。[2](79-113)在他们的模型中,代表性投资者在进行资产组合选择时,必须权衡收集国别信息的成本和收益,而这种收集信息的成本又与投资者资产分散的国家数量(即证券市场国际化的程度)有关。在多重均衡中,当市场上出现有利于某一组合的消息时,所有投资者都会选择相同的资产组合调整行为,从而产生羊群效应。投资者的资产在不同市场间分散的程度越高,多重均衡中投资者羊群效应的范围也越大,因此,证券市场的国际化会导致投资者的羊群效应,从而加剧危机的传染。
Kodres and Pritsker(2002)在一个有关资产定价的多资产理性预期模型中分析了投资者跨市场套期保值的资产组合调整对金融危机传染的影响。[3](769-800)认为当金融市场参与者遭受来自于某一国的风险冲击时,投资者在其他国家市场调整其资产组合对宏观风险暴露的行为将使危机传染到国外。这种危机传染的程度与一国资产价值受共同的宏观经济因素影响的程度和信息不对称的程度正相关。
Yuan(2005)通过构建一个理性预期均衡模型,分析了信息不对称和借贷约束对危机形成和传染的影响。[4](378-411)在Yuan(2005)的模型中,知情投资者在交易之前能够获得资产收益的相关信息,不知情投资者根据知情投资者显示的信号来推测资产的价格并采取相应的投资策略。部分知情投资者受借贷约束的制约,而且,该借贷约束是资产价格的函数,资产价格越低,知情投资者利用外部融资投资风险资产所受的约束就越严重。在此假定下,如果来自基本面的某一负面冲击使得资产价格下降,则知情投资者就会受到借贷约束,他们对风险资产的需求也就不是有效信息。其结果是,随着资产价格的下降,资产价格中噪声的成分越多,价格作为信息的有效性就越低,不知情投资者也就更难区分知情投资者的资产出售究竟是出于流动性需要的出售还是基于信息的出售,也就不愿购买任何来自于知情投资者出售的资产。当不知情投资者从下降的资产价格中推测知情投资者信息的难度越来越大时,他们就会追随知情投资者,选择出售资产,从而加剧资产价格的下跌,并产生弯折的风险资产需求。而这种弯折的风险资产需求又会产生反馈效应,导致资产价格的进一步下降,进而紧缩知情交易者的借贷约束,如此反复,最终导致资产价格的急剧下跌。
(二)财富效应传染途径
财富效应理论关注的是金融市场上资产价格变化对不同风险偏好投资者财富水平的影响,以及由此导致的投资者资产组合的变化。该理论认为,在投资者持有多种资产组合时,某一资产价格的下降会给投资者带来收入和替代两种效应。在通常情况下,替代效应会大于收入效应,此时,投资者会增加资产的持有并为市场提供更多的流动性,但在极端情况下,也有可能出现收入效应大于替代效应,此时,投资者会通过变现的方式减少其风险资产头寸,导致市场流动性降低和价格的不稳定。
Xiong(2001)在一个连续时间均衡模型中分析了短期套利交易者的交易策略对资产价格波动和市场流动性的影响。[5](247-292)模型假定金融市场上存在三种不同类型的交易者。即噪声交易者、长期交易者和趋同交易者(convergence trader)(短期交易者)。噪声交易者在市场上采取均值反转(mean-reversion)的随机交易策略,并由此产生市场供给的冲击;趋同交易者根据噪声交易者均值反转策略提供的机会在市场上套利;长期交易者采取的是长期价值投资策略,他们是市场风险资产的主要需求者。在假定趋同交易者完全理性和完全竞争、对数效用函数的情况下,模型分析的结果表明,市场基本面冲击将给趋同交易者带来损失,这种财富效应将使趋同交易者在市场上放大这种冲击。
在Xiong(2001)的基础上,Kyle and Xiong(2001)通过构建一个两种风险资产、三类不同交易者的连续时间模型,分析了趋同交易者的财富效应的溢出效应。[6](1401-1440)与Xiong (2001)不同的是,Kyle and Xiong(2001)的模型中有两个风险资产。这为他们分析趋同交易者的财富效应对危机在两个资产价格间的传染提供了可能。与Xiong (2001)的结论相同,他们认为,当来自于噪声交易者的噪声交易冲击对趋同交易者的财富影响中财富效应大于替代效应时,趋同交易者就会减持风险资产,加剧资产价格之间波动的关联性,并导致市场流动性短缺。而这种情况的发生往往就是危机传染之时。
(三)资产组合分散下的自实现(Self-fulfilling)危机传染
在第二代金融危机的“自实现”理论模型的基础上,Goldstein and Pauzner(2004)通过构建一个相同投资者在经济基本面完全独立的两个国家进行分散化投资的模型,分析了投资组合分散下的自实现危机传染的形成机制。[7](151-183)在他们的模型中,投资者持有基本面相互独立的两个国家的资产,投资者可以选择将资产持有到期或以固定的收益支付提前赎回。若持有到期,其收益是投资国宏观经济基本面和投资者数量的增函数。在这种情况下,金融危机是否发生将取决于投资者对其他投资者行为的推测。
Goldstein and Pauzner(2004)假定投资者并不拥有国家2基本面状况的共同知识,但在国家2基本面经济状况实现后能够获得有关国家2基本面的噪声信号,因为每个投资者对国家2的信息有各自的来源和理解,而国家2的信息也是国家1的基本面和投资者行动结果的反应函数,因此投资者对国家2的信念及行动是国家2的基本面和国家1的结果的函数。模型结果显示,国家1的结果决定了一个阈值,当国家2的基本面状况低于这个阈值时,投资者才会选择提前撤出投资。更为重要的是,当国家1出现投资者提前撤资时,会使得在国家2的这一阈值上升,从而使危机传染的可能性增加。
(四)注意力配置(attention allocation)效应
在经典经济学模型中,假设经济主体的认知是瞬时和无代价完成的,然而处理信息和做出决策都需要足够时间,所以个体必需在不同的信息间进行取舍,有些信息会被重点关注,而另一些则不能被注意到(理性不注意),这样就形成了有限注意力配置的问题。Mondria(2006)通过构建一个包含两个独立的风险资产和多个理性不注意的人模型,分析了投资者信息处理能力约束对资产价格的影响,提出了金融危机传染的投资者注意力配置传染途径。[8][9]
在Mondria(2006)的模型中,用两个基本面相互独立的国家或地区的股价指数来代表两种独立的风险资产,每个投资者都通过收集两个市场上的信息来尽可能地减少自身投资组合的不确定性,但他们都受到了信息处理能力的约束,所以,他们必须在两个资产间配置其有限的注意力。在这个过程中,投资者先根据自身的信息处理能力形成个人信号,在对注意力进行配置之后,通过贝叶斯更新后的个人信号和价格信息来形成关于资产收益的后期信念,并重新选择最优的资产组合。当发生金融危机的地区吸引了更多的注意时,由于此消彼长的缘故,后期信念中关于其它地区市场的部分就变得模糊,不确定性增加,这会降低投资者的风险容忍度,促使他们清算持有的所有风险资产头寸,从而减少市场流动性,增加价格波动,使危机传染到其它市场上。因此,当一国或地区发生金融危机时,关于此危机的报道和传闻会急剧增加,这类信息很容易吸引投资者的注意力,于是投资者会对自己有限的注意力进行重新分配,更多地关注发生危机的金融市场,从而导致世界其他市场股票价格的内生性波动和下降。
三、结论与展望
基于投资者行为的危机传染理论从信息约束下的羊群效应、财富效应、资产分散下的投资者自我实现和有限注意力配置等方面对金融危机的传染原因和途径进行了研究,对20世纪90年代后期发生的亚洲金融危机和俄罗斯债务危机的传染给予了一定程度的合理解释,丰富和发展了现有的危机传导机制理论。
但是,基于投资者行为的危机传染理论尚处于发展之中,面对21世纪以来全球金融危机传染的复杂性,该理论仍有许多问题需要从理论和实证两个方面加以拓展。首先,随着信息技术的发展和全球金融监管中信息披露机制的加强,各国投资者之间信息不完全和信息不对称的程度已大为减弱,在此背景下,基于信息约束的理性投资者的羊群效应行为在危机传染中是否仍发挥着作用,显然值得探讨;其次,从本次全球金融危机来看,危机前高度复杂的衍生金融产品交易和投资者的过度风险追求、危机后投资者的过度恐慌是导致本次危机形成和传染的原因之一,如何在现有的危机传染理论中加入这些因素,使其能够对本次危机的快速跨国传染给予合理地解释,也是该理论面临的挑战之一;最后,由于该理论涉及投资者预期和信心问题,现有理论主要是建立在数理模型的刻画和数据模拟分析的基础之上,如何构建合理的实证研究方法和选择恰当的投资者预期和信心的变量来对现有理论进行实证检验也是该理论面临的挑战之一。
主要参考文献:
[1]Dornbusch, R., Y. C. Park and S. Claessens, 2000, Contagion: Understanding How It Spreads[M], World Bank Research Observer, Oxford University Press, vol. 15(2), August.
[2]Calvo, G., and E. Mendoza, 2000, Rational Contagion and the Globalization of Securities Markets[J], Journal of International Economics 51.
[3]Kodres, L. E., and M. Pritsker, 2002, A Rational Expectations Model of Financial Contagion[J], Journal of Finance 57.
[4]Yuan, Kathy, 2005, Asymmetric Price Movements and Borrowing Constraints: a Rational Expectations Equilibrium Model of Crisis, Contagion, and Confusion[J], Journal of Finance 60.
[5]Xiong, W., 2001, Convergence Trading with Wealth Effects: an Amplification Mechanism in Financial Markets[J], Journal of Financial Economics 62.
[6]Kyle, A. S., and W. Xiong, 2001, Contagion as a Wealth Effect[J], Journal of Finance 56.
[7]Goldstein, I. and A Pauzner, 2004, Contagion of Self-fulfilling Financial Crises due to Diversification of Investment[J], Journal of Finance Theory 119.
[8]Mondria, J., 2006a, Financial Contagion and Attention Allocation, Working Paper, Princeton University.
[9]Mondria, J. 2006b, Empirical Evidence of Financial Contagion through Attention Real-location, Working Paper, University of Toronto.
Investor Behavior-based Contagion of Financial Crisis: A Literature Review
Pan Min1 Guo Xia2
量化投资，正在A股市场掀起一股热潮。
今年7月中下旬以来，尽管对于未来股市究竟能冲到多高点位，市场分歧一直不断，但一直保持较高仓位的量化产品，已经呈现出越来越明显的赚钱效应。相关数据表明，量化基金今年以来整体业绩平均回报已经占胜了主动权益产品。据Wind数据统计，自2004年国内诞生第一只量化基金以来，目前市场有24只主动量化概念基金产品，涉及19家基金公司。截至9月12日，量化基金今年以来平均收益为12.46%，而同期全部权益类产品的平均收益为9.48%。其中，华泰柏瑞量化指数今年以来收益20.37%，排名前十分之一。
此前，“量化投资”这个词虽还不为大多数投资者熟悉，相对海外量化基金，国内公募的量化基金起步较晚，之后的发展也一直非常缓慢。但在2005年～2009年指数型基金带动公募量化崛起之后，随着融资融券的成熟及期权的推出以及量化基金在A股市场现今的优异表现，市场人士预计，必然将再度在中国资本市场催生第二波“量化投资”热。
有鉴于此，《投资者报》“基金经理面对面栏目”本期特别邀请到华泰柏瑞量化指数基金的基金经理卿女士，就当下量化投资的一些热点问题、投资技巧以及四季度行情的走势判断等相关问题进行交流。
卿认为，量化投资不能做加法，人为将某个个股加入买入清单；又必须经常结合基本面，对量化模型进行合理的改善。同时她还指出，A股主板市场经历了长时间低迷，估值已经反映经济中的问题和增长的放缓，除非经济发生重大或系统性风险，下行空间有限。
华泰柏瑞量化初露峥嵘
《投资者报》：我们关注到，华泰柏瑞量化指数自2013年8月2日成立以来，特别是自今年2月成立满6个月以来，已经连续5个月蝉联海通证券超额收益榜“增强股票指数型基金”冠军。截至9月19日，在短短一年多点的时间里取得了24%的收益，在同类产品中遥遥领先。请问是什么原因让华泰柏瑞量化指数业绩回报如此出色？
卿：我们的量化模型一年多运作下来比较成功，除了模型本身设计上的优越性之外，也归功于我们团队的努力。我们开发的量化模型是基于基本面的量化选股模型，并且针对A股市场的特点作了调整，加入了一些独特的基本面因子。这些因子是华泰柏瑞团队投资技能的体现，希望以此区别于市场中其他的量化投资策略，华泰柏瑞未来也会进一步研究新的因子，并加入到投资模型中去。
我们的投资目标有两个，一是战胜市场，二是提高单位风险带来的收益。事实证明，基金成立以来的回撤数据和信息比率都十分良好。
量化投资不能做“加法”
《投资者报》：您曾称目前业内一线的量化投资思路是做“聪明的量化投资”，即既要坚守量化投资的流程底线和投资本质，也要做必要主动决策和风险管理。请问您是如何把握这个主动的动作幅度和范围的？换言之，这个主动的动作幅度具体是什么比例？多大范围？
卿：这里我们所说的聪明量化是指和基本面相结合的量化。主要体现在三个层面：一是模型构建方面跟踪市场变化做出适时调整。在有市场观察验证并有数据支持的情况下，调整模型不同因子间的权重，并淘汰不再适用的因子，根据反映市场独特特点的基本面信息，开发新的独有的因子，不断改进完善模型。二是结合基本面信息，在投资组合构建过程中，控制组合对一些模型尚未反映的风险因素的暴露，并把个别交易标的从交易清单中剔除，以反应模型尚未捕捉的重要信息，像临时重大信息披露、涨停板等，但决不会人为挑选个股加入交易清单，以坚守量化投资的纪律性。三是在极端情况下为保护投资人利益需要尽最大能力做出对投资人最为有利的决策，以应对市场大的转折。主要是指危机状态下，不会机械地固守模型，如果是只做多的策略，会相应做出减仓等应对措施，而不是为坚守不择时的纪律而让投资人蒙受损失。这主要是来自2008年金融危机的教训。
同时，我们与基本面结合，不以牺牲纪律为代价。正常情况下，主要以改善模型为主，把基本面观点通过模型反映到投资组合中。在个股层面，只能结合市场信息，从模型给出的交易清单中剔除个股，而不可以人为将某个个股加入买入清单，以坚守纪律性。
量化投资在国外被广泛应用
《投资者报》：在您眼里，中国的量化投资才刚刚起步。您曾表示“中国的量化投资管理的资产规模至少5年内还看不到发展的天花板”。那么，时至今日，您认为中国的量化投资管理的资产规模的天花板应在什么位置？为什么？
卿：国际市场上，量化投资是区别于基本面投资的另一种主要投资模式，和基本面投资相比，有它自身的优势。量化分析在境外资产管理公司中得到非常广泛的应用。一些资产管理公司像过去的BGI（巴克莱旗下资产管理部门巴克莱全球投资者）和AQR（华尔街表现最突出的量化对冲基金之一）等等，全部采用量化投资策略；另外一些公司，像GMO（知名的全球投资管理公司，管理规模上千亿美元），Pimco（全球最大债券基金――太平洋投资管理公司）和Citadel（美国芝加哥大城堡对冲基金公司）等则把量化分析和基本面分析结合在一起运用。 总的来说，境外几乎所有大的资产管理公司都会或多或少依赖量化分析的方法。
目前，A股市场绝大部分投资策略都是基本面投资，真正做量化投资的资金很少，其获得超额收益的市场机会很多，发展空间很大；并且国内市场样本多，利用量化手段来捕捉超额收益的胜率也有保障，因此未来的前景是比较乐观的。
量化投资能够战胜A股市场
《投资者报》：今年以来量化基金的杰出表现，让不少投资人惊呼“量化的春天已经到来”，对于市场上的这种乐观情绪，田总又是怎么看的？
卿：在国际市场，量化投资在投资领域已经占有了重要的一席之地。当前的A股市场中量化分析的运用程度还非常低，所以我们相信量化投资的市场份额一定会逐步增大，未来的发展空间是巨大的。另外，随着市场的完善，量化投资有机会为市场提供像绝对收益等的新产品，使得市场中的投资产品更加丰富，投资人可以有更多的选择。
《投资者报》：相对于其它主动管理的基金，量化基金在A股市场具有哪些优势，以致其能在今年的A股市场整体领先？
卿：A股市场的特性十分适合基本面量化投资。
第一个原因是A股市场处于弱有效状态，战胜市场的机会较大。A股市场的发展历史较短，市场效率相比发达经济体低很多，因此有很多发现阿尔法因子的机会。
第二个特点是目前量化投资的市场份额小。国内目前的基本面量化产品规模总体不大，其中严格遵循量化投资理念的基金更少，因此有很大的市场空间和盈利机会。
第三是A股市场容量大，而且还在快速扩容中，给量化投资提供了足够的投资宽度和行业宽度。
第四是A股的数据质量不断提高。供应商提供的数据以及识别数据可靠性的技术手段不断得到提升，使得以数据为基础的量化投资的投资环境也不断得到加强。
关健词:证券投资实验技术分析基本面分析
金融专业学科本身具有很强的实践性,而实验由于其所具有的特点和优势,已成为实践性教学的主要形式。通过模拟实验,不仅能够激发学生的学习热情,还能帮助学生增强感性认识,将跨课程的有关知识融会贯通。如组织学生参与某些金融期货经纪公司联合媒体举办的沪深股指期货仿真交易大赛和我校金融学院举办的炒股大赛,在教学过程中购买模拟交易软件,通过这些途径,学生不仅能够容易了解证券投资分析技术的一般原理,也能够掌握相应的具体的证券投资分析技禾手段,有利于学生学习和接受新的知识,促进理论知识的吸收和深化。
一、证券投资实验在金融专业教学中的重要性
证券投资实验涉及到经济学、金融学、会计学、投资学等多方面的理论知识,是对各种理论知识的一种综合应用,学生如果能在证券投资实验环境下接受证券投资理论教育,不仅更加易于理解和掌握相关理论知识,认识和把握相关证券投资实践,而且也能在实现二者的结合过程中做到相辅相成、互促互进。
证券投资分析包含了多种不同的分析技术,比如基本分析方法、技术分析方法、心理分析技术等。另一方面,证券投资分析是一门综合应用的艺术。证券投资分析的目的就是预测证券价格的走势,即通过对各种影响证券价格因素的分析,来判断证券价格的变化。但由于影响证券价格的因素繁多,而且在证券市场上存在大量的信息不对称现象,使得证券投资分析的不确定性增加。这种不确定性要求证券投资分析人员灵活地、综合地、创造性地运用各种分析技术和手段,来判断和预测证券价格的走势。对证券分析技术的主观理解和运用这些技术的方法的不同,就可能会导致证券投资分析的结果大相径庭。技术是是掌握证券投资分析技术的基础,而综合应用的艺术则更高一个层次。
二、证券投资实验在金融专业教学应用中应注意的问题
证券投资实验具有实习性、综合性、协同交互、时间集中、资源独享、实验过程与结果不确定、实验要求高等特点,合理的实验教学和实验管理模式必须充分考虑这些特点予以确定。
(一)两种实验倾向的侧重点和考查标准不一样
目前证券投资实验有两种不同的实验倾向,一种是把实验的目的放在掌握证券投资的基本知识、基本理论、基本技能上,通过实验来完成书本知识向实际操作的转化,实验的重点在理解和掌握各种分析技术。另一种则是把实验的目的放在提高证券投资分析技术的技巧或者艺术上,即实验就是通过做模拟操作,给学生一定的虚拟资金,让其模拟操作,重点在各种技术的综合应用上。
1.实验的侧重点不一样。如果实验的目的在于掌握证券投资的分析技术,则在实验的设计过程中注重对证券投资分析技术的基本概念、理论、技能的掌握上相反,如果实验的目的在于提高证券投资分析技术的技巧或者艺术水平,则在实验设计中要注重对证券投资分析技术的综合应用和熟练掌握上,而对证券投资分析方面的基本概念、基本理论、基本技能的实验要求则相应降低。
2.考查的标准不一样。如果实验的目的在提高证券投资分析技术的技巧或者艺术水平上,则实验结果的考查将会是证券投资分析的最终结果,即模拟投资的结果是底是亏、盈利或者亏损的数额是多少作为评判的标准相反,如果实验的目的在于要求学生掌握证券投资分析技术的基本概念、基本理论、基本技能,则实验结果考察的目标则在于学生对各种分析技术的理解和掌握上,模拟投资的结果并不是考查学生实验效果或者学生实验成绩好坏的重要标准。[论/文/网LunWenNet/Com]
(二)金融专业和非金融专业的学生通过实验解决的着重点不同
在非金融专业学生的实验过程中,我发现将证券投资实验目的放在提高学生证券投资技巧或者综合应用上,效果并不好。学生在进行证券投资实验以前,大多数同学对证券投资的实际操作知之甚少,对证券投资的基本知识、基本理论和基本技能也往往只停留在书本知识上,所以,直接进人模拟投资分析过程,学生大多不能顺利地进行实验,甚至有同学连基本的交易信息都无法看懂,实验的目的并不能有效地达到。
对于初次接触到证券投资的学生来说,很显然首先需要解决的间题不是证券投资分析的综合应用的艺术问题,而应该是技术问题,即通过证券投资实验熟悉和掌握一些基本的证券投资分析技术。在证券投资实验中,实验的目的主要应该在于帮助学生掌握基本的证券投资分析技术的原理、对基本的证券投资分析技术和方法进行训练,巩固和应用各种证券投资理论知识,提高学生观察分析和解决证券投资分析过程中遇到的各种间题的能力。
(三)分析软件花样众多,学生短时间内无法掌握其中蕴含的各种信息
能熟练运用各种证券分析软件和交易系统,对于对于学生能够进人到正常的交易和分析过程至关重要,但在实验过程中往往会忽视该过程,因为在证券投资课程学习中一般不会对基本的操作和交易信息做过多的介绍,所以,如果没有该过程的准备阶段,将会使学生在后面的实验过程中无所适从。
(四)重视证券投资技术分析实验,忽视证券基本面分析实验
在目前的证券投资实验中,技术分析往往被学生所推崇,但实验过程往往也会有问题出现,即对各种技术分析方法知其然而不知其所以然而且各种不同的技术分析方法应用规则繁多,在现实操作中的作用各有所不同,效果也不一样,学生在实验的时候往往无法进行鉴别和运用。
基本分析方法部分的实验工作被忽视的部分的原因在于该部分的分析过程比较复杂,收集历史数据相对比较困难,需要相应的其他统计分析技术才能完成这部分的实验。但这样会产生一系列问题第一,实验不能够促使学生掌握相应的基本分析技术,学生在实验过程中处于无事可做的局面。往往会流于形式地或者被动盯盘,时间长了就会处于无所事事的状态中第二,忽视该部分的实验,无助于学生应用各种理论知识的能力,不利于提高学生分析问题、解决问题的能力,同时也不可能学会运用多种不同的统计分析技术。
另外因为证券投资分析涉及宏观到微观经济的各个方面,因此,证券投资分析实验实际上是对学生对经济学、金融学、投资学、会计学、管理学等多方面知识的一个综合应用和考察,这部分实验的缺失,将使实验的教学效果大打折扣第三,随着我国证券市场的逐步规范以及投资者素质的逐步提高,价值投资的理念正在被市场所广泛接受,而价值投资的理念要求投资者必须进行基本面的分析,即通过基本分析方法来判断大势,寻找有投资价值的行业和个股。如果不对基本面进行分析,仅仅依靠消息或者其他的方式来进行投资,如同打牌时不看牌,风险可想而知。
三、提高证券投资实验教学效果的心得和建议
在金融专业课程的教授中,结合学生的接受能力,与教科书中的理论相呼应,及时进行证券投资实验。我认为其重点应在以下几个方面,即掌握基本操作及交易信息、基本分析和技术分析技术上。
(一)注重基本操作及交易信息的介绍与掌握
针对上文提到的问题,在该阶段的实验过程中,我认为应该首先由实验教师对投资分析软件的使用和操作进行讲解,对分析软件交易信息中所涉及的基本概念、基本指标进行讲解,主要包括证券投资分析软件的安装以及使用、主要的交易信息的读取、主要交易程序的掌握等。比如如何进人系统、如何看大势、大势的信息组成部分、个股的交易信息的读取、以及交易信息中的一些基本概念等。然后安排一定的时间由学生自主的操作软件和熟悉一些基本交易信息。即要求学生利用实验室的模拟交易软件,在指导老师的辅导下了解证券交易行情显示各项指标,对证券交易产生感性认识。
(二)改进证券投资技术分析实验
技术分析实验的主要目的应该是一要讲解要求学生掌握各种主要的分析技术手段的原理,特别是各种分析方法和技术指标的计算原理,只有掌握了各种分析手段的原理后才会明白其变化的原因以及变化的趋势二是要让学生对各种不同的应用规则进行实际验证。该验证过程对于学生掌握技术分析方法极其重要,因为技术分析方法的原理以及应用,在证券投资课程中虽然有老师已经讲解过,但学生根本没办法在短暂的课程学习过程中掌握各种不同的规则,而且各种规则在实际中的应用效果如何都必须由学生自己去验证。为了达到以上的目的,必须设计好各种技术分析手段的实验内容和步骤,不能放任自流,任由学生自己去揣摩和摸索比如在让学生掌握原理的步骤中,采用什么样的方法让学生更加牢固地掌握这些内容,在学生对应用规则进行验证的时候,每个技术分析方法需要验证哪些内容,怎么去验证,都必须有明确的规定。
(三)把基本分析技术的实验作为一个重点
在实验中进行基本分析的思路应该是,在基本分析技术
的实验过程中,学生的主要任务是收集宏观经济、行业以及个股资料,然后对资料进行分析得出结论,即当前的形势如何,未来的经济政策的走势会怎么样,哪些行业值得投资,值得投资的行业里那些个股又具有投资价值。方法上主要运用归纳、演绎等逻辑分析方法,具体手段上主要运用调查研究、统计分析以及财务评价分析技术等。[]
参考文献
[1]王嘉,何海涛.对当前证券投资实验的几点思考[J]特区经济,2005.(5)
[2]胡嘉将.经济管理类实验特点分析[J]实脸室研究与探索,2006.(25)
[3]魏山城.任玉珍.韩书俭.改革实脸教学方法促进学生对实脸的兴趣[J].实验室研究与探索,2005.24(3)
近期某私募产品今年收益率高达90%以上，秒杀一切公募私募，无惧股市熔断暴跌，媒体报道其操盘者来自泽熙团队。从此产品净值曲线看，确实漂亮，熔断期间基本空仓，净值回撤极少，稍有行情净值就一飞>中天，从净值曲线看，基本踏准了今年以来的所有波动节奏。而泽熙系产品净值也基本上是回撤小进攻性强，那么这样的净值曲线是怎样炼成的？我们不去评价泽熙老板的是非功过，只是从他曾公开发表的一些言论中来观察他的操盘方式，管中窥豹看看这个进攻能力和防守能力都顶尖的全能型投资高手是如何做的。
徐翔曾接受过媒体的采访，对于如何选择公司和行业，他提到要符合三个方面的因素，首先，国家政策要支持，他偏好新兴行业，因为政策扶持的方向在这里；其次，行业处在上升周期，公司能从行业的发展中分享收益；最后，公司基本面良好，盈利能力强，估值便宜。他认为资本市场中很多公司讲的故事都是假的，不可信，就算有些是真的，也没办法把握，主要还是从政策、行业角度分析。
对于净值很少回撤，徐翔提到，止损要坚决，投资一定要设定止损线，一旦股票走势触及止损线，要坚决止损。当然根据个股弹性不同，止损线的标准也不同，如果对于公司基本面没有太大的把握，可容忍的浮亏就很小，如果对公司的基本面非常有信心，即使出现较大下跌也会持有。对于持股周期，也是不一样，有的只有几天，有的会半年或一年。
以上是徐翔直接面对媒体的回答，当然前一段市场流传的泽熙的前员工写的从泽熙学到的七堂课也可以做个参考。第一条就是专注，徐翔一天研究股市超过12小时，无与伦比的专注，才能获得超乎寻常的回报，与之对比的是一些天天游山玩水的资产管理人惨淡的净值表现；第二条是长期投资，所谓的这个长期投资并不是从持股周期来衡量的，而是从市场中找到适合自己的投资方法，长期坚持；第三条是追求绝对收益，选股时既要对公司基本面有深入的研究，又要对市场情绪有敏感的体悟，寻找到买卖点；第四条是逆向思维，当市场主流意见趋同时，错误的概率就很高；第五条，谨慎使用杠杆；第六条，股价有时与基本面无关，其实这条是说如何利用市场的情绪，作者举例用的是重庆啤酒；第七条是不要被黑天鹅打倒，这是投资人的韧性，面对失误或危机的抗打击能力。
泽熙徐翔的操作方式，值得所有投资人学习，一个高中生，从几万元起家，做到百亿级以上规模，如果说后面规模大了徐翔的操作有违规的地方，但他从几万元起步做到上亿的过程中，他基本上靠自己的能力一路在市场中拼杀出来的，他对市场的理解显然是顶尖的。从徐翔的只言片语中，可以看到，他是极其重视止损的，这才能保证他净值的回撤极少，而投资方向上是看大趋势的，选择国家扶持的新兴产业，就是选择对了跑道，有时选择比努力重要。当然徐翔对市场节奏的把握是非常到位的，这是他没有具体提的，也是他的看家本领，止损是守纪律，选对方向是保证进攻的强度，而把握准节奏，就可以让止损极少，攻击力极强，把握节奏就是把握市场的情绪，人与市场合一，如庖丁解牛，自然无往而不利。
关键词：分析 短线
中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02
2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。
美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。
1 基本面分析量化分析是投资机构先后采用的2种投资技术
基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。
量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。
2 量化分析技术获取超额投资收益之道
在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。
量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。
量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。
3 量化分析技术创始人并非经济学家。
量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。
2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。
4 量化分析技术应用的载体是计算机软硬件技术的发展
马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。
5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量
1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。
量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。
1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。
6 量化分析在应对经济危机和突发经济事件中开拓前进
1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。
1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。
2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。
2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。
7 量化分析技术今后几年全球应用的热点在中国的A股市场
中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。
中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。
量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。
量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。
关键词：股价波动分析；GARCH；SVM；投资者情绪；投资者关注度
中图分类号：F830.91 文献标志码：A 文章编号：1673-291X（2017）06-0056-02
股票市场是一个多变的非线性混沌系统。预测股票市场价格的波动分析一直是不同学者的研究热点，近几年的预测算法的兴起也从侧面反映了这个趋势。但是，这些研究方法的理论基础无外乎是经典统计学理论――大数定律和中心极限定理，而这就存在所需样本数趋于无穷大，有限样本和现实问题的矛盾。
支持向量机（SVM）是基于传统的统计学理论，与追求经验风险最小化的传统学习方法不同，其解决了有限样本的问题。在利用SVM算法进行股价涨跌预测中，如何选择预测的输入变量是决定预测结果的关键，这意味着不仅要找到影响个股涨跌的因素，还要将其量化为具体的指标。在已有的股票价格形成机制相关研究中，个股价格的影响因素主要有：宏观经济情况、个股基本面情况、个股历史涨跌状况、政策变化和主力资金的进出等，这些影响股票价格的宏观因素主要包括经济增长、通货膨胀、汇率、货币政策和利率等。很多学者的研究结果表明，这些宏观经济因素会对股市的大盘产生影响。因此，本文将大盘情况作为度量宏观经济在股市影响的指标。基本面情况和个股历史行情可以通过观测个股的相关数据来直接考虑，同时通过建立合适的时间序列模型可以从一定程度上反映个股价格的变化趋势。本文以大盘股为研究对象，选取的变量包括大盘信息、股票本身信息、利用GARCH等时间序列模型的初步预测结果和投资者情绪等相关指标，力图找出一种更适合股价涨跌预测的SVM方法。
一、预测方法
本文采用支持向量机（SVM）的算法。按照股票市场股票价格的波动划分为不同的预测区间，即牛市、熊市和震荡市。在不用的研究区间分别建模进行如下三次预测：（1）将大盘和股票本身的基本面信息作为输入变量对股价涨跌进行第一次预测；（2）利用GARCH等合适的较为常见的时间序列模型对每日的收益率曲线进行拟合，获得大致的收益率曲线，加入若干变量进行第二次预测；（3）继续加入投资者的相关指标进行第三次预测。
通过三次不同预测结果的比较，可以看出在股票市场中，主观的投资者的相关指标对股价的波动影响，而通过控制时间段变量又可以看出不同预测方法的有效性问题。本文运用了台湾大学林智仁教授等人开发的基于MATLAB的SVM模式识别与回归的软件包LIBSVM进行预测，基本预测方法按照其指示。
本文随机选取了三只股票进行分析，三只股票的预测步骤较为烦琐，并且预测过程大体相同，因此本文只列出最后的训练集和预测集的预测精度。
二、实证分析
（一）选择数据并进行处理
本文通过随机数生成器，随机选取了A股上市企业，共63只，然后利用MATLAB从数字1―63中随机选出三字数字：7、18、43，找到其对应序号的3只股票，分别为中国平安（A股代码601318）、东方电气（A股代码600875）、金隅股份（A股代码601992），选取2015年3月7日至2015年12月7日这三家上市公司在A股的交易数据，及同交易日沪深300指数的交易数据183组，按照3只股票的价格波动情况，可将其划分为常见的熊市、震荡市和牛市，在每个时间段的末尾选取25组数据作为模型测试集，剩下的为训练集（如下页表1所示）。
本文根据四个方面进行了变量选择（如下页表2所示），选择了A股每日股票价格的极差、波动幅度、成交额、换手率和市盈率这5个指标以及沪深300指数的每日交易价格极差、波动幅度和成交额3个指标。主观的投资者心理和投资者情绪则根据从不同券商每日的报告中得出。此外，本文通过新浪微博、网易财经、腾讯新闻等社交软件截取每日有关上述三只研究股票的评价，若当天评论总体为正向的话，价格波动为1，负向的话价格波动为-1，中性评论为0。输出指标为下一交易日的价格波动情况，涨记为1，跌记为-1，持平为0。
（二）股票价格波动分析
在第一次预测当中，将被选取的3只股票的股价极差、波动幅度、成交额、换手率和市盈率，以及沪深300指数的价格极差、波动幅度和成交额总计8个相关指标作为影响第二日股价的变量输入，第二日的股票价格情况作为输出变量，根据SVM进行预测，得到下列结果（见表3）。
第三次测试中，在前两次测试的8个指标之外，进一步加入投资者关注度和投资者情绪指标作为输入变量，进行SVM预测。
（三）预测结果分析
在除震荡市之外的另两个研究区间，加入GARCH等时间序列模型的初步预测结果之后，模型的测试集和训练集的准确度都有所提高。这种预测方法，通过解决多变量的非线性分类问题，把时间序列模型变量自身的自相关性加入考虑，极大地提高了SVM预测的有效性。
在加入主观的投资者的相关情绪指标后，模型的预测精度有了一定幅度的提升，但具体来说在三个不同的研究区间表现有所不同，在震荡市中，模型的准确度明显高于其他的两个区间，这也与我们的主观感受相符合，即在股市波动比较大时，股价更易受投资者主观的情绪指标的影响，在市场行情不明朗的时候，根据博弈论中的“囚徒困境”理论，投资者之间会产生一种不信任心理，更容易受其他投资者的影响，从而使得选取的主观的投资者的相关情绪指标的代表性增强，也一定程度上解释了为什么在股票价格大幅波动时加入投资者相关情绪指标的SVM预测方法更加有效。
三、结论
以前的根据时间序列模型的SVM股价波动分析方法，一方面没有考虑变量可能出现的自相关性，另一方面没有考虑近期数据对最终预测结果的影响，也即赋予不同时间相同的权重，利用GRACH时间序列模型改进的预测方法，克服了之前的一些弊端，更加显现出时间序列的特性，对股价波动的分析也更为准确。
参考文献：
[1] 张超.基于误差校正的ARMA-GARCH股票价格预测[J].南京航空航天大学学报：社会科学版，2014，（3）.
[2] 刘志东.多元GARCH模型结构特征、参数估计与及假设检验研究综述[J].数量经济技术经济研究，2010，（9）.
[3] 赵华，蔡建华.基于MRS-GARCH模型的中国股市波动率估计与预测[J].数理统计管理，2011，（5）.
[4] 王天一，赵晓军，黄卓.利用高频数据预测沪深300指数波动率――基于Realized GARCH模型的实证研究[J].世界经济文汇，
2014，（5）.
(一)市场假设研究假设目前存在技术分析和基本面分析两类分析方法，他们自成分析体系，在两大分析体系中产生了不同形式的分析策略。以下将属于技术分析类的分析策略称为技术策略，将属于基本面分析类的分析策略称为基本面策略。研究认为，组合效率越高其胜算越高，即以胜算衡量效率。
(二)概率分布假设假设每种技术策略的成功概率为P(T)，每种基本面策略的成功概率为P(V)，而P(T)及P(V)服从［0，1］均匀分布，投资者无法预知每种策略的成功概率，因而概率密度为1。
(三)行为假设在两种分析策略混合使用的情况下，投资者按照两种策略同时释放信号之后才开始执行操作，因而由两种策略共同释放信号所带来的预测准确率为P(VT)，而两者同时释放信号下预测准确率为:P=P(VT)P(VT)+P(V_T_)(1)式(1)表示在仅考虑混合策略释放交易信号的前提下策略预测的准确率。
概率推导。我们假设混合策略中的胜算较高的策略为V(为表述方便选择基本面策略V，并不代表现实情况如此)。如果混合策略能够提高我们的胜算，则有:P(VT)P(VT)+P(V_T_)＞P(V)(2)由式(2)有:P(VT)2P(VT)+1－P(V)－P(T)＞P(V)(3)12+1－P(V)－P(T)P(VT)＞P(V)(4)由式(4)得:P(VT)(1－2P(V))+P(V)(P(V)+P(V)－1)2P(VT)+1－P(V)－P(T)＞0(5)我们知道分母2P(VT)+1－P(V)－P(T)＞0，因而有:P(VT)(1－2P(V))+P(V)(P(V)+P(T)－1)＞0(6)解式(6)得，当且仅当P(V)＞0.5，且P(V)－P(T)－1＞0时等式成立。因而，我们有:P(VT)＜(1－P(V)－P(T))P(V)1－2P(V)(7)又由式(4)及条件P(V)－P(T)－1＞0得:P(VT)＞1－P(V)－P(T)P(VT)(8)从而有:P(VT)∈(1－P(V)－P(T)P(VT)，(1－P(V)－P(T))P(V)1－2P(V))(9)因此，在P(T)及P(V)服从［0，1］均匀分布的前提假设下，得到混合策略胜算提高的概率P1为:P1=∫10.5∫P(V)1－P(V)((1－P(V)－P(T))P(V)1－2P(V)－P(V)+P(T)－12)dP(T)dP(V)∫10∫P(V)0P(T)dP(T)dP(V)(10)由式(10)解得P1=3/8。由以上结果，可以发现在未知概率的情况下，随意策略的组合胜算提高的概率仅为37.5%。结合以上分析，我们得到两个重要的结论，即(1)当所使用策略胜算均低于50%的时候，策略组合胜算提高的概率为0;(2)在大样本性质下，未知胜算策略组合其提高胜算的概率为37.5%。在现实中，对于每一类分析方法所形成的策略的胜算我们是难以把握的，若有策略胜算长期维持在50%以上，那么该策略将会持续盈利，假设无交易成本下，最终策略博弈的结果将是最高胜算的策略使用者获取市场所有报酬，这与现实情况不符。接下来，我们研究胜算分布对于提高策略组合胜算概率的影响。
我们假设策略V及策略T胜算均能维持在50%以上，当另一策略胜算提高的情况下，组合策略胜算提高的概率。当策略V、T∈(0.5，0.8)时，随着任意一方策略胜算的提高，组合策略胜算得到提高的概率未必提高。P2=∫1b∫P(V)a((1－P(V)－P(T))P(V)1－2P(V)－P(V)+P(T)－12)dP(T)dP(V)∫1b∫P(V)aP(T)dP(T)dP(V)(11)其中，式(11)中的P2是为了和式(10)中的P1区分开来，当策略V及策略T胜算均在51%以上时，组合胜算提高的概率为56.390%;当策略V及策略T胜算均在80%以上时，组合胜算提高的概率为53.384%。当V、T∈(0.5，0.8)时，组合策略胜算提高的概率均达到50%以上，但组合策略胜算提高概率并非V、T胜算的单调函数，计算显示当V及T的胜算下限接近54%时，策略组合胜算提高的概率最高，但也仅有56.533%。以上比较说明了一个重要事实，即两种胜算很高的策略组合未必能够使得组合策略的胜算提高，而且胜算越高的策略进行组合其所取到的效果未必会更好，从概率论的角度看，我们平时认为的将技术分析及基本面分析结合分析的思路存在误区，不同投资方法进行组合未必是一个好的选择。研究还发现一个重要现象，即组合使用的策略其胜算提高的概率始终在60%以下，而很难存在一组策略通过组合能够有效地(60%概率以上)提高胜算。我们保守地得到研究的第三个结论为策略组合胜算提高概率非单个策略胜算的单调函数，胜算越高的策略进行组合，其成功的概率未必会提高。此外，我们还能得到一个推论，即胜算越高的策略，其通过策略组合提高胜算的难度越大。结论3需要更为严格的数学证明，但从我们的模拟图中可以看出，结论3可以成立。对于这一特殊现象我们的解释是:自然界中存在一种对策略的反馈机制，若策略组合能够有效提高胜算，那么组合的组合也将能够提高胜算，最终将会诞生一种接近1的策略组合。而现实中这种完美的策略组合是脆弱不堪的，因为证券市场是博弈市场，博弈结果取决于竞争对手，策略组合越优越表明策略对于市场的适应程度越高;但反过来这也是其弱点，即当市场环境发生变化时，完美策略将会遭受挑战。市场的这种反馈机制将始终存在。
二、研究结论
本文通过概率推论证明了基本面研究方法和技术面研究方法进行组合未必能有效提高策略胜率。研究认为当所使用策略胜算均低于50%的时候，策略组合胜算提高的概率为0;在大样本性质下，未知胜算策略进行组合使得胜算提高的概率为37.5%;策略组合胜算提高概率非单个策略胜算的单调函数，胜算越高的策略进行组合，其成功的概率未必会提高。而胜算越高的策略，其通过策略组合提高胜算的难度越大。研究从概率论及大样本的角度说明策略组合不是一个提高胜算的稳定途径，从概率角度看，其成功的可能性仅有37.5%。而高胜算策略若想进一步改进，通过与其他交易系统进行组合不失为一个很好的选择。但本文并不否认一个低胜算的策略可以通过并进高胜算策略从而提高胜算，但作者建议可以直接采纳高胜算策略，而非选择组合。本文的研究可以从以下角度进一步深化:
(1)运用博弈论说明高胜算策略为何难以产生，且产生之后其胜算难以进一步提高;
(2)数学证明策略组合概率P2的数学特性，可找到最为合理的策略配置;
据Wind数据，民生加银精选从2010年2月3日成立以来，亏损30.10%，低于同类平均水平，同类排名为228/236。从各区间表现看，该基金今年以来表现较差，收益率为-3.72%，同类排名为393/531；1年收益率为-1.41%，同类排名为394/531；3年收益为-29.75%，同类排名为295/321。
该基金现任基金经理江国华，自2011年12月起担任民生加银精选股票型基金基金经理。截至12月24日，任职回报-2.24%，同类排名为265/288。
坚守精选流程但效果欠佳
今年以来以创业板为首的中小市值个股发力，主动管理的偏股型基金净值大都表现优异，平均回报率达到了12.62%。与之相比，民生加银精选基金今年的业绩并不乐观。
对于成绩不理想的原因，江国华解释说：“我们买入股票，是按照成长性、价值性综合比较，自下而上精选作出的判断。对于个股问题，由于公司要求，我们不便谈论。敬请理解。”记者注意到，在基金公司的投资策略这一栏里，对于如何进行股票投资着墨甚多。譬如：
“本基金在个股选择上采取自下而上的股票精选策略，通过构建初选股票池、精选股票池，从基本面角度筛选出具有核心竞争力优势的企业，并通过估值水平和流动性筛选个股，构建股票投资组合，最后通过风险评估优化股票投资组合。”
“本基金将分别通过民生加银核心竞争力外部特征识别系统、民生加银核心竞争力内在根基识别系统，由外及内、由浅到深逐步细致深入分析和评价企业的竞争力，精选出具有核心竞争力优势的企业作为股票投资备选对象。”
“企业竞争优势的好坏必然体现在企业的一系列财务数据中，因此，本基金运用财务分析的方法，分析有关指标和数据，以细化、深化对于企业核心竞争力优势的理解，同时，揭示企业核心竞争力优势的真实面目。”
正是由于对个股选择有着详细的精选流程和电脑识别系统，所以民生加银精选基金2013年各个季度的前十大重仓股中，同公司的十大重仓股中交叉持仓品种分别达到了10只、8只、7只。
“我们的重仓股都是经过公司的流程，通过构建初选股票池、精选股票池，从基本面角度筛选出具有核心竞争力的优势企业，并按照成长性、价值性的综合比较，作出的投资决策。”江国华称。
自由发挥的个股业绩也差强人意
《投资者报》记者对比发现，除了同基金公司持仓品种，该基金在2013年二季度和三季度各有两只重仓股。其中二季度是恒宝股份和金地集团，三季度是云南白药、东港股份。
从上述个股的盘面表现来看，恒宝股份与金地集团都是在3月至5月间有过短暂拉升，此后一直横盘阴跌，可能是基金经理个人发挥，追高买入。之后见势不对便斩仓卖出。云南白药和东港股份情况类似。
一位北京刘姓证券分析师在接受《投资者报》记者采访时称，今年的市场行情和民生加银精选基金的精选流程不够契合。一般而言，通过电脑识别系统筛选出来的股票更为看重市盈率和财务指标，因此也更为稳健，配置偏均衡，而今年市场的热点基本上是在成长股和创业板。资料显示，江国华出任民生加银精选基金经理之前，在招商基金公司担任分析师，从事数量化研究与风险管理；2008年7月加入民生加银基金管理有限公司，担任金融工程研究员，兼任煤炭、电力、汽车、电力设备行业研究员。他的从业经历也决定了他选股倾向于自下而上，基本面好、估值不高、盈利增长空间大、市场份额方面占有优势的公司，不倾向炒重组、炒热点、炒概念等波段操作行为。
翻开民生加银精选今年前三个季度的报告，江国华始终强调的是仓位以及组合结构上将保持较为均衡的配置，重于选股而并非择时。
今年上半年中国A股市场沪综指下跌26.8%,深成指下跌31.5%。扣除上市新股的影响,今年上半年蒸发的市值已超过5万亿元。这个成绩跌幅超过全球所有的主要股票市场,居然与羸弱的希腊“并驾齐驱”。
而2009年沪综指当年录得79%的涨幅,排在全球主要股指涨幅首位。不少人困惑不解,尽管中国经济增速和上市公司盈利增速可能比年初的预期值要低,然而经济前景比欧美乐观仍是毋庸置疑的,股市为何跌这么多?
大幅度波动一直是中国股市显著的特征,被不少人视为是“投机市”或者“赌市”。投机进一步被归咎于多方面的原因,例如:上市公司分红吝啬,因而缺少长期投资价值;市场参与者之中机构少而散户多――“散户”给人的印象似乎是不够成熟稳重,缺乏投资知识和长期眼光;国际热钱的炒作;“阴谋论”者则相信股市的暴涨暴跌是源于庄家的操纵,比如不少人便将当前股市的下跌归咎于股指期货的推出,据说是有人为了在股指期货上获利而故意打压股指。
“投机”本身是个很难清晰界定的概念,大约可以理解为,即使资产价格已经被高估了,只要预期能够通过买卖转手获得差价,仍可以购买;反过来,即使资产价格已经被低估了,只要预期价格还将进一步下跌,仍应抛售。换言之,投机者看重的不是资产的合理价值或者说“基本面价值”,而是短期涨跌的趋势。
尽管投机者的交易行为可能使得股市波动幅度加大,然而并不能由此便推断这是“投机市”,除非能够证明基本面价值并没有大幅变动。对于这个问题,我们可以利用中美两国股市的历史数据来进行一个简化的对比分析。
过去几年间,中国A股上市公司平均每年支付其盈利的35%作为股利,剩余盈利存留于公司用于再投资。根据过去5年(2005-2009)平均值,投资收益率(ROE)约为13%。如果这一收益率能够持续,则每股盈利(EPS)将按照每年8.45%的速度增长。再假设股权资金成本为10%,则使用简单的现金流贴现方法可以得到中国股市的合理市盈率(P/E,即股价除以每股盈利)为24.5倍。
而美国股市上市公司平均每年支付其盈利的60%作为股利,剩余盈利用作再投资。过去二十年间美国股市平均ROE为14.7%,假设股权资金成本也为10%。可以计算得到美国股市的合理市盈率为15.4倍。
也就是说,中美两家代表性的公司,同样是一元的每股盈利,中国公司股票的合理价值为24.5元而美国公司股票的合理价值为15.4元。
接下来考虑股市波动的情况。由于预期到经济衰退将至,可以将中美两国投资的收益率都下调一个百分点――中国调至12%而美国调至13.7%,其他条件不变,则两国股市的合理市盈率分别下降至15.9和14。相对的,美国股价应该下跌9%而中国应该下跌35%――这看起来正是过去半年的事实;反过来,如果将投资的收益率都上调一个百分点,美国股价应该上涨11%而中国股价应该上涨72%!
同样是投资收益率1个百分点的变动,所导致中国合理股价的变动幅度为何远大于美国?这也是中国股市盈利更多用于再投资所决定的。由于上市公司新增投资更多,便导致股价对于投资收益率的变动更为敏感。也就是说,ROE微小变动就会导致中国公司盈利增长率的大幅变动。
