时间：2023-07-11 17:37:32
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篇股票投资组合方法，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] VaR 方差风险 Markowitz组合投资模型
一、引言
1993年G30研究小组在《衍生产品的实践和规则》的报告中首次提出VaR模型,之后在巴塞尔银行监管委员会和国际证券委员会的推动下,VaR模型逐渐成为金融风险管理的主流方法。关于VaR模型在股票组合投资决策中的应用，国外学者做了大量研究。例如,Alexander,Baptista(2002)对比研究了均值-方差模型和均值-VaR模型对于股票组合投资决策的经济意义。Campbell,Huisman,Koedijk（2001）在VaR模型框架下研究了最优证券组合投资问题。Consigli(2002)应用均值-VaR模型研究了不稳定金融市场中的证券投资组合选择问题。
关于VaR模型在金融风险计量和管理中的应用，我国学者也作了一些研究。例如，戴国强、徐龙炳、陆蓉(2000)探讨了VaR模型对我国金融风险管理的借鉴意义及其应用方法。宁云才、王红卫(2002)探讨了Markowitz投资组合有效边界的程序化解法。
本文首先探讨了基于GARCH模型的股票投资组合VaR风险计量方法，然后将VaR风险替代Markowitz投资组合模型中的方差风险，通过求解非线性数学规划问题得到股票投资组合的另一种最优投资策略。
二、模型与方法
1.VaR的定义
根据Jorion的定义VaR指给定置信区间下金融资产或资产组合在持有期内的最坏预期损失。若用V表示资产组合在持有期末的价值，E(V)表示资产组合在持有期末的期望价值，表示给定置信区间c下资产组合的最低价值,则VaR值如(1)式所示。
（1）
其中,V*满足(2)式所示的条件。
P(V|V>V*)=c 或（2）
其中,f(v)表示持有期末资产组合价值的概率密度函数。
计算VaR需先确定以下三个因素:资产组合持有期的长短、置信区间c的水平和持有期内资产组合价值的分布特征。VaR值计算通常有三种方法:历史模拟法、方差-协方差法和蒙特卡洛模拟法。本文的研究采用方差-协方差法。
2.计算VaR值的方差-协方差方法
假设投资组合由n只股票组成，记为第i只股票的价值在投资组合总价值中所占的比例,并满足(3)式所示的约束条件。
令S表示投资组合收益率的方差-协方差矩阵,表示股票投资组合的投资策略向量,则投资组合收益率的方差可由(4)式计算得到。
(4)
假定资产组合的收益率服从正态分布,由正态分布的分位数进一步计算得到投资组合的VaR值,如(5)式所示。
(5)
其中,表示投资组合的初始投资额,表示标准正态分布在置信水平c下的分位数。
由于根据历史数据计算的收益率方差不能准确反映未来持有期内收益率的波动性,为克服这一的缺点,本文应用GARCH模型对股票未来持有期内的波动率进行预测，在波动率预测值的基础上计算投资组合在未来持有期内的VaR值。
3.GARCH模型及其对股票收益波动率的预测方法
对金融时间序列收益波动率的研究一直是金融研究的重点问题之一,1982年Engle提出了ARCH模型,即自回归条件异方差模型，1986年Bollerslev在此基础上提出了GARCH模型，即广义自回归条件异方差模型,用以对金融时间序列收益波动率进行建模。对股票收益波动率的建模经常采用GARCH(1,1)模型,例如宋逢明、江婕(2003)对中国股市波动率特征的实证研究,赵留彦、王一鸣(2004)在对中国股市收益率的时变方差与周内效应的研究，本文的研究采用GARCH(1,1)模型。
GARCH(1,1)模型的具体设定如公式(6）、(7)所示。
(6)
(7)
其中,rt表示股票在第t期的收益率，u表示股票收益率的均值，εt表示第t期股票收益率偏离均值的残差,σt表示第t期股票收益的波动率。α0 、α1和β为待估参数。
GARCH(1,1)模型实际上包含了一个递推公式。根据rt和公式(6)可计算得到εt ,将εt 和σt代入公式(7),可对σt+1进行预测,依次类推。预测使用的第一期的收益波动率通常由历史波动率法计算得到。
4.基于VaR的最优股票组合投资策略
令表示投资组合各成分股票收益率的相关系数矩阵,s表示由各成分股票收益率方差预测值构成的列向量,其中收益率方差的预测值由GARCH模型得到，则投资组合在预测期内收益率的方差可由(8)式计算得到。
（8）
在股票收益率服从正态分布的假定下,将代入公式(5）,可计算出投资组合的VaR值。将投资组合的VaR风险值替代Markowitz组合投资模型中的方差风险值,可得下述非线性数学规划问题。
(9)
(10)
求解上述非线性数学规划问题，可得到最小化投资组合VaR风险值的最优投资策略向量和最优投资组合的VaR值。
三、实证算例
本文选取上海证券交易所上市交易分属不同行业的6只股票构成样本股票投资组合,这6只股票的名称见表1。本文收集了上述股票2006年9月7日至2007年4月30日的日收盘数据,根据日收益率数据应用Eviews5.0软件估计各成分股票GARCH模型的参数,参数估计结果见表1。
应用GARCH模型预测各成分股票在下一个交易日里的收益波动率,预测结果列示于表2。
根据样本股票日收益率数据可计算成分股票间收益率相关系数矩阵。在给定各成分股票投资比重的条件下，应用公式(8)计算投资组合收益波动率的预测值， 再根据公式(5）计算投资组合在下一个交易日里的VaR风险值。利用Excel中的规划求解功能求解公式(9）、（10)所示的非线性规划问题，得到各成分股票的最优投资比重，求解结果列示于表2。
为比较上述最优投资策略降低投资组合VaR风险值的程度，本文同时计算了等比例投资策略下投资组合的VaR风险值，计算结果列示于表3。
表3显示,如果投资者的初始投资为1000000元,则在下一个交易日里,在5%的置信水平下,最优投资组合的最坏损失约为36443元,等比例投资组合的最坏损失约为39748元。在1%的置信水平下,最优投资组合的最坏损失约为51462元，等比例投资组合的最坏损失约为56130元。在两种置信水平下,等比例投资组合的最坏损失均大于最优投资组合的最坏损失。
参考文献:
[1]Alexander G. J.Baptista A. M.2002,Economic implications of using a mean-VaR model for portfolio selection:A comparison with mean-variance analysis [J],Journal of Economic Dynamics & Control 26,1159～1193
[2]Campbell R.Huisman R.Koedijk K.2001,Optimal portfolio selection in a Value-at Risk framework[J],Journal of Banking & Finance 25,1789～1804
[3]Consigli G.2002,Tail estimation and mean～VaR portfolio selection in markets subject to financial instability [J],Journal of Banking & Finance 26,1355～1382
[4]戴国强 徐龙炳 陆 蓉:2000,VaR方法对我国金融风险管理的借鉴及应用[J],金融研究,第7期
[5]宁云才 王红卫:2003，Markowitz组合投资模型的程序化求解方法[J],数量经济技术经济研究,第10期
[6]Jorion P.2000,VaR:风险价值――金融风险管理新标准[M],张海鱼译,中信出版社
[7]宋逢明 江 婕:2003，中国股票市场波动性特性的实证研究[J],金融研究,第4期
目前国内基金投资范围可以是股票、债券或现金等。如果基金投资股票，可能是大型知名企业，或是不出名的小公司；可以投资高价的成长型企业，也可以是投资低价的价值型公司。基金经理投资什么或如何投资，对业绩有极大的影响。例如，其将大部分的资金投资于高科技股，则基金收益较高的同时风险也较大。
在判断基金投资内容时，切忌望文生义，不能单从基金的名称来判断。因为有些基金的名称只是概括性的。例如有的基金冠以“债券基金”的字眼，但其投资中有相当一部分资产是投向股票；也有的基金名称中含有“大盘”，但实际上投资的多是中小盘股票。另外，招募说明书也不一定能说明基金实际的投资。对于建完仓开始披露投资组合报告的基金，投资人应该关注其实际的投资组合。
大类资产配置
投资人首先应当关心的是基金在股票、债券和现金等大类资产的配置比重，因为这对基金的风险收益特征有重大影响。一方面，可以参照晨星的分类。对于已经建完仓的开放式基金，晨星以其投资组合为基础进行分类，股票型基金以股票投资为主，积极配置型基金股票投资比重在50%以上，保守配置型基金的债券加现金比重在50%以上，债券型基金以债券投资为主。货币市场基金投资于货币市场工具；保本基金采用特殊保本机制运作，目前多数基金投资较多的固定收益类产品。另一方面，需要看看其招募说明书对投资比例的具体规定，例如有的股票型基金，其股票上限是80%，和股票上限90%的同类基金比较，意味着其风险收益特征相对小一些。尤其是首次发行的新基金，在去银行排队抢购之前，要了解其招募说明书中的相关规定，例如是股票资产在60%以上呢，还是股票、债券比例范围相对灵活？
投资风格
晨星运用投资风格箱、行业分布等方法来分析基金的投资组合。具体可查阅晨星网。
其中，投资风格箱方法把影响基金业绩表现的两项因素（基金所投资股票的规模和风格）单列出来。晨星公司独创的投资风格箱是一个正方形，划分为九个网格。纵轴描绘股票市值规模的大小，分为大盘、中盘、小盘；横轴描绘股票的价值―成长定位，分为价值、平衡、成长。
基金的股票投资共有九种投资风格：大盘价值型，大盘平衡型，大盘成长型；中盘价值型，中盘平衡型，中盘成长型；小盘价值型，小盘平衡型，小盘成长型。
基金的投资风格在很大程度上影响基金表现。成长型基金通常投资于成长性高于市场水平的、价格较高的公司，而价值型基金通常购买价格低廉、其价值最终会被市场认同的股票。平衡型基金则兼具上述两类特点。
不同投资风格的基金，由于市场状况不同而表现不同，例如从今年一季度的市场变化可发现，由于中小盘股票涨幅领先，因此投资风格偏向中小盘的基金回报突出。
从成熟市场的经验看，通常大盘价值型基金被认为是最安全的投资，因为一来大盘股的稳定性要比小盘股好，二则当投资者担心股价过高而恐慌性抛售、造成市场下跌时，价值型股票的抗跌性较强。小盘成长型股票的风险则通常较大，因为其某个产品的成功与否，可以影响公司成败；同时由于其股价较高，如果产品收益未能达到市场预期，股价可能会有大幅下跌。
行业比重
晨星将股票分为信息业、服务业和制造业三大行业类别，具体又可细分为12小类。一般地，同一大类的股票在证券市场中具有相似的波动趋势。如果你的基金其投资组合都集中在同一行业中，就有必要考虑将投资分散到专注于其他行业的基金。同样，如果你在高科技行业中工作，意味着你的个人财富与高科技行业息息相关，所以不宜再持有那些集中投资高科技行业的基金。
持股集中度
从分散投资的角度看，仅投资20只股票的基金与投资80只股票的基金在业绩波动方面有很大不同。通常，持股数量较少的基金波动性较大。所以，除了关注基金投资的行业比重外，投资者还应当了解基金是否将大量资产集中投资在某几只股票上，比如其前十大重仓股占净资产的比重是多少。
关键词：投资组合 投资风险 投资收益 实证研究
在证券市场上，无论是机构投资者还是个人投资者，都面临着如何提高证券投资收益和降低证券投资风险的问题。根据现资组合理论，投资者进行证券投资时，可以在两个层面上进行投资组合，第一个层面是对证券市场上已有的证券投资品种之间进行投资组合，第二个层面是对同一投资品种内部的产品进行投资组合。
投资者通过两个层面上的投资组合可以在保证收益的基础上，大大降低证券投资的风险。对机构投资者而言，由于其资金实力比较雄厚，能够保证其在两个层面上都可以进行广泛地投资组合，从而达到提高收益和降低风险的目标。
由于目前能够在证券市场中进行交易的投资品种并不是很多，而且每一个进行交易的投资品种有其特殊的发行主体和交易主体，其市场功能和定位也完全不同，其在证券市场的存在是为了满足不同投资者不同的投资需求，其所表现出来的风险与收益的关系也比较匹配，故在第一个层面中通常不存在投资组合规模问题。机构投资者通常会在第二个层面上面临投资组合的规模问题，虽然通过进行广泛的投资组合可以使投资风险降到很低的水平，但由于组合规模过大投资的对象过度分散也会降低投资组合的收益。这主要是因为维持数目众多的证券组合需要较高的交易费用、管理费用和信息搜寻费用，而且数目众多的证券组合中可能包含一些无法及时得到相关信息且收益较低的证券，从而无法及时有效地进行投资组合调整。对个人投资者而言，由于其资金和精力有限，在两个层面上都无法进行广泛地投资组合，只能选择较小的投资组合，通常把资金集中投资于某一投资品种，由于投资组合的过度集中又使其面临巨大的投资风险。个人投资者也需要在有限的条件下进行适当的投资组合以规避投资风险。
因此，证券投资组合的规模既不能过度分散也不能过度集中。投资组合规模、风险和收益之间存在最优化配置问题，即一个合理的组合规模可以降低投资风险，保证稳定的投资收益。根据中国证券市场的不同交易品种的实际交易情况，证券投资组合的规模问题一般只表现在股票投资上，证券投资组合的规模问题基本上可以用股票投资组合的规模问题来反映。
投资组合规模与风险关系研究综述
从20世纪60年代中后期开始出现了一批对投资组合规模与风险关系研究的经典文章，成为当时投资组合理论研究的一个热点，这些研究主要是围绕简单分散化所构造的组合即简单随机等权组合来展开的，但都有其各自不同的侧重点。具体来说，这些研究主要集中在以下三个方面：一是研究一国证券投资组合规模与风险的关系；二是从数理角度来推导组合规模和风险之间的模型；三是研究跨国证券投资组合的规模与风险的关系。相对来讲，研究一国证券投资组合规模与风险的关系更具有现实意义，大多数的研究也主要围绕一国投资组合规模与风险的实际情况进行研究，从中找出投资组合规模与风险的相互关系。
国外学者研究综述
埃文斯和阿彻第一次从实证角度验证了组合规模和风险之间的关系。他们以1958-1967年标准普尔指数中的470种股票为样本，以半年收益率为指标，采用非回置式抽样方法，分别构建了60个“1种证券的组合”、60个“2种证券的组合”……60个“40种证券的组合”。在计算各个组合的标准差后，再分别计算不同规模组合标准差的平均值，并标准差的平均值代表组合的风险。
研究发现：当组合规模超过8种证券时，为了显著（0.05水平）降低组合的平均标准差，需要大规模地增加组合的规模。t检验的结果表明，对于只含2种证券的组合，为了显著降低组合的平均标准差，必须增加1种证券，对于规模为8的组合，必须增加5种证券，而规模大于19的组合，至少必须增加40种证券，才能取得显著的降低效果。组合规模与组合的分散水平存在一个相对稳定的关系，组合标准差的平均值随着组合规模的扩大而迅速下降，当组合规模达到10种证券时，组合标准差的平均值接近0.12，并趋于稳定，再扩大组合规模，组合标准差的平均值几乎不再下降。
费希尔和洛里（1970）对比研究了简单随机等权组合和跨行业证券组合，研究发现：当组合规模超过8种股票时，组合的收益和风险开始趋于稳定，因此增加组合中的股票数不能再有效地降低非系统性风险；在同等组合规模上，跨行业证券组合的收益与风险和简单随机等权组合无显著的差别，因此，跨行业证券组合不能取得更好的分散非系统性风险的效果；市场整体的分散程度只有“一种股票”组合的50%-75%，即市场整体的风险只是“一种股票”组合风险的50%-75%。持有2种股票可降低非系统性风险的40%，当持有的股票数分别为8、16、32、128种时，分别可降低非系统性风险的80%、90%、95％、99％。
国内学者研究综述
国内学者对投资组合理论在我国证券市场中的应用也作了大量的研究。这些研究主要集中在研究投资组合规模与组合风险关系上，通过构造简单随机等权组合来观察组合风险随组合规模扩大而变化的情况，其中具有代表性的观点有：施东晖（1996）以1993年4月-1996年5月上海证交所的50家股票为样本，以双周收益率为指标，采用简单随机等权组合构造50个“n种股票组合”（n＝1，2，…，50）来推断股票组合分散风险的能力，得出“投资多元化只能分散掉大约20%的风险，降低风险的效果极其有限”的结论。
吴世农和韦绍永（1998）以1996年5月-1996年12月期间上证30指数的股票为样本，以周收益率为指标，采用简单随机等权组合方法，构成了30组股票种数从1～30的组合，以此研究上海股市投资组合规模和风险的关系，结果表明，上海股市适度的组合规模为21～30种股票，该组合规模可以减少大约25％的总风险，但是，他们更重要的发现是这种组合降低风险的程度和趋势是非常不稳定的。
李善民和徐沛（2000）分别以深市、沪市以及深沪整体市场为目标研究市场，计算各个市场组合规模与风险的关系，得出“投资者实现投资多元化，持有的股票总数大约可以控制在20种以内，这一适度规模可以使总风险减少约50％”的结论。
顾岚等人（2001）以深沪114种股票为样本，以日收益率为指标，分别研究了不同年份、不同行业的等权组合规模的情况，得出“不同年份的组合方差相差很大，不同行业对于不同组合数目方差的降低有明显差别”的结论，此外他们还对比了马科维茨组合和简单等权组合，发现在方差的减少效果上，马科维茨组合优于简单等权组合，并且马科维茨组合的规模小于简单等权组合。
高淑东（2005）概括了证券组合中各证券预期收益之间的相关程度与风险分散化之间的关系，通过分析指出：其一，证券投资组合中各单个证券预期收益存在着正相关时，如属完全正相关，则这些证券的组合不会产生任何的风险分散效应，它们之间正相关的程度越小，则其组合可产生的分散效应越大；其二，当证券投资组合中各单个证券预期收益存在着负相关时，如属完全负相关，这些证券的组合可使其总体风险趋近于零(即可使其中单个证券的风险全部分散掉)，它们之间负相关的程度越小，则其组合可产生的风险分散效应也越小；其三，当证券投资组合中各单个证券预期收益之间相关程度为零(处于正相关和负相关的分界点)时，这些证券组合可产生的分散效应，将比具有负相关时为小，但比具有正相关时为大。
黄宣武（2005）利用概率统计原理对证券的投资组合能减轻所遇的风险作了讨论，并介绍了如何选择投资组合可使所遇风险达到最小。实证表明：证券组合确实可以很好的降低证券投资风险，但也必须注意，证券组合的资产数量并不是越多越好，而是要恰到好处，一般在15种到25种之间，可以达到证券组合的效能最大化。
杨继平，张力健（2005）应用上证50指数中的36只股票近三年的月收益率数据对沪市投资组合规模与风险分散的关系进行实证分析，并讨论股票投资组合适度规模的确定问题。 通过实证研究得到以下结论:其一，上海股市的投资风险结构有所完善，但投资风险的绝大部分依然体现在宏观的系统风险方面，而较少体现在反映上市公司的经营状况等非系统因素的非系统风险方面，从而造成投资者无法以股票表现的好坏来评价公司的经营业绩；其二，上海股市个股表现优劣相差悬殊，投资者不可只为追求组合非系统风险的分散，而盲目增加组合规模，进行理性的筛选是必要的。
本文在上述研究的基础上，通过采用上海证券市场最新的数据，研究在现有的市场情况下，投资组合规模、投资风险和投资收益之间的关系。希望通过研究，能够为投资者进行证券投资组合提供理论和实践的参考。
实证研究
研究样本及数据
本文以2001年1月1日以前已经在上海证券交易所上市的公司为样本，一共为562家上市公司，再剔除资料不全的上市公司共有352家上市公司纳入我们的研究范围。本文以周收益率为研究对象，研究上述公司在2001年-2005年时间段内进行投资组合的市场表现。数据主要来源于爱建证券网上交易系统，还有部分数据来源于上海证券交易所网站。
投资组合的构造方法
本文采用非回置式随机抽样方法从352家上市公司选择股票，并按照简单等权的方法进行1-30种股票的投资组合。这样进行投资组合的构造，主要是考虑计算比较方便，并且能够说明组合从1只股票增加到30只股票每增加1只股票，对组合投资收益和风险的影响。为了减少一次抽样所带来的误差，本文重复进行了30次这样的随机抽样。通过计算同种规模的投资组合的股票收益率和标准差，得到每种组合规模组合收益率和标准差的平均值，作为该种组合规模的收益率和风险值。
投资组合收益率和风险的计算方法
本文采用对数收益率的方法来计算投资组合的周收益率，由于部分上市公司在整个研究期内发生过分红派息的情况，为便于不同时期的数据进行比较，对上市公司的周收盘价进行了复权处理，这样上市公司的周收益率可以表示为：
Rp=LN (Pt/Pt-1)，投资组合风险用组合的标准差σp表示。
投资组合的规模、风险和收益的关系
本文以2001年1月5日至2005年12月30日（共248周）经过复权处理的股票周收盘价作为计算依据，按照投资组合的构造方法进行投资组合，并根据投资组合收益率和风险的计算方法，计算出各种不同组合规模的收益率和风险。同时，为了便于比较，以同时期的上证指数的周收盘指数来计算上海证券市场的系统风险和市场收益率。这样组合的非系统风险就可以通过计算组合的平均标准差与上证指数的标准差而得到。经过计算得出如下结果（见表1）。
投资组合规模与风险的关系 从表1中的数据可以看出：当组合的规模从1种增加到2种时，组合非系统风险下降了0.74%，当组合的规模从2种增加到5种时，组合非系统风险下降了0.42%，当组合的规模从5种增加到11种时，组合的非系统风险下降了0.26%，当组合的规模从11种增加到17种时，组合的非系统风险下降了0.13%，当组合的规模从17种增加到23种时，组合的非系统风险下降了0.03%，当组合的规模从23种增加到30种时，组合的非系统风险下降了0.01%。从投资组合的非系统性风险下降的情况来看，当投资组合的规模达到17时，非系统风险趋于稳定，达到0.56%。就组合的总风险而言，投资组合的规模达到17时，组合风险也趋于稳定，达到3.34%。虽然继续增加投资组合规模能够降低组合的风险，但当组合数增加到30种时，非系统风险仍有0.52%，组合规模增加了13种，风险仅降低了0.04%，组合的效果大大降低。
从整体上来看，在上海证券市场上随着投资组合规模地不断扩大，投资组合的风险会出现逐步下降的趋势，而且风险的下降速度也是逐渐减少的，最终会趋于稳定。根据投资组合理论，投资组合可以分散组合的非系统风险，但无法分散系统风险，投资组合风险的下降主要是由于非系统风险的下降引起的。因此，计算非系统风险下降额这个指标，能够很清楚地反映投资组合规模的扩大对组合风险的真实影响。
组合规模与风险的回归模型 根据上述的实证检验，可以看出投资组合的规模与组合的风险之间存在相关关系，即投资组合规模的增加会减少组合的风险，但这种关系不是严格的线性关系，埃文斯和阿彻认为投资组合规模与组合风险的关系是：
Yi=A+B/Ni
其中：Ni为组合的规模(i=1,2,3,Λ，n)；Yi为不同组合规模的σ。本文用表1中的组合风险和组合规模的实际数据对上述模型进行检验，得到如下检验结果：
Yi=3.2747+1.7345/Ni(240.23)(29.49)
R2=0.9688 R2=0.9677 F=870.04
回归模型拟合的非常好，拟合优度为0.9688，调整后的拟合优度为0.9677，整体的F检验也非常显著，各个参数的t检验（括号内的数值）也非常显著，这也说明投资组合规模与组合风险之间确实存在显著的相关关系，我们可以用上述模型对投资组合的风险进行合理的估计。由于组合中存在系统性风险，因此，当N趋向于无穷大时，组合的风险并不趋向于0。
再用表1中组合非系统风险和组合规模的实际数据对上述模型进行检验，得到如下检验结果：
Yi=0.4947+1.7345/Ni(36.29)(29.49)
R2=0.9688 R2=0.9677 F=870.04
这个模型与前一个模型的结果基本相同，只是方程的常数项有所不同，各个参数的t检验（括号内的数值）也非常显著，拟合的结果和上一个模型是一致的，这也充分说明随着投资组合规模的增加，投资组合只能降低组合的非系统风险，而无法降低系统风险。而这个模型之间的差额就是投资组合所面临的系统风险。
组合规模与收益的关系 从表1中的数据中可以得出：当组合规模从1种增加到2种时，组合的收益上升了0.01%，当组合规模从2种增加到5种时，组合的收益上升了0.02%，当组合规模从5种增加到11种时，组合的收益上升了0.02%，当组合规模从11种增加到17种时，组合的收益上升了0.02%，当组合规模从17种增加到23种时，组合的收益上升了0.01%，当组合规模从23种增加到30种时，组合的收益上升了0.01%。当组合规模达到30时，组合的收益为-0.44%，与市场组合-0.23%的收益相差0.21%。
根据投资组合理论，组合的收益是组合中各风险资产收益的线性组合，投资组合数的增加通常并不能增加组合的收益。从实证结果来看，在上海证券市场上随着组合规模的增加，组合的收益出现了有规律的上升趋势，但收益的这种上升程度并不是很高，当组合数增加到一定程度后，组合的收益的变动范围基本上保持在一个很小的范围内，即使组合的规模达到很大，与市场组合的收益差距依然很大。因此，投资组合规模的增加并不是增加组合收益的主要途径。
结论
在2001年至2005年期间，上海证券市场上适度的投资组合规模数为17种股票。这种投资组合规模可以降低投资组合总风险1.55%，降低投资组合的非系统风险的比例为73.46%。
投资者可以通过增加投资组合中的股票数来降低组合的非系统性风险，但不能降低系统性风险，组合风险在组合规模达到一定程度时将趋于稳定。
简单的投资组合并不能很好地提高组合的收益水平，投资组合规模存在一定的有效区域，当组合规模超过该区域时将导致组合的过度分散化。组合的过度分散化会产生各种交易费用及相关的管理成本，这样势必会降低整个投资组合的投资收益。
参考文献：
1.吴世农，韦绍永.上海股市投资组合规模和风险关系的实证研究[J].经济研究，1998（4）
2.李善民，徐沛.Markowitz投资组合理论模型应用研究[J].经济科学，2000（1）
3.顾岚，薛继锐，罗立禹，徐悦.中国股市的投资组合分析[J].数理统计与管理，2001（5）
4.高淑东.证券投资组合风险的分散化[J].集团经济研究，2005(2)
5.黄宣武.现资组合风险与收益的评价[J].甘肃科技，2005(6)
6.杨继平，张力健.沪市股票投资组合规模与风险分散化关系的进一步研究[J].系统工程理论与实践，2005(10)
作者简介：
董丽娜
理财规划是指运用科学的方法和特定的程序为客户制定切合实际、具有可操作性的包括现金规划、消费支出规划、教育规划风险管理与保险规划、税收筹划、投资规划、退休养老规划、财产分配与传承规划等某方面或者综合性的方案，使客户不断提高生活品质，最终达到终生的财务安全、自主和自由的过程。
客户背景：
王先生今年38岁，目前经营着一家公司。太太全职在家相夫教子。女儿4岁，家庭开支每月3万元。王先生和太太共有活期存款15万元人民币，定期存款200万元，另外还有150万的股票投资。家庭月收入为10万元人民币，目前有自住房一套，市值500万元，尚有50万元贷款，期限15年。未参加基本社会保障，也无商业保险。
理财目标：
・王先生希望女儿出国读大学，预计学费和生活费开销每年20万元。
・王先生希望55岁时退休，预计余寿30年，退休后维持现有的生活水平，预计开支每月3万元。
・王先生根据自身情况及经验，假设通货膨胀率为4‰投资组合回报率5％，那么通过财务需求计算可以得到以下结论：
子女教育金需求分析：到女儿满18岁时，在海外读大学的费用将为1，307，314元，而王先生如果用现有储蓄准备子女教育金的话，他将需要准备660，282元；如果王先生不用现有储蓄，而是每月定期储蓄的方式，他将要每月准备5，388.8元。子女教育规划：
子女教育金由于是固定时间支出，安全性和可支配性要求高，所以建议王先生采取国债结合教育基金保险方式进行。退休需求分析：
按照王先生的退休计划，他和太太退休时需要人民币18，278，500元，根据王先生所假设的通货膨胀率和投资组合画报率，为了弥补这个缺口，他要每月准备31524元。
退休计划：
为保证退休后的生活质量不受影响，并满足王先生家庭资金需求，建议王先生每月储备的31524元退休准备可用定期存款，定投基金，债券，股票投资组合进行配置。同时，由于王先生是自雇人士，风险性较大，建议适当购买退休养老保险。另王太太是全职太太，建议王太太先参加社会养老保险，再适当购买退休养老保险。
[关键词]：“反向效应” “动量效应” 过度反应 “带头-滞后结构效应”
一、引 言
大量的研究表明，根据股票收益的过去表现可以对未来短期、中期或长期水平的股票收益变化进行预测。例如Jegadeesh&Lehmann（1990）对美国股票市场所做的分析发现，股票收益在1至6个月的短期水平中会出现逆转现象。Jegadeesh&Titman（1993）则认为，股票收益在3至12个月的中期水平中会出现连续性变化，即平均来讲，过去“表现好的股票”（past winner）的未来收益将会持续超出过去“表现差的股票”（past loser）。DeBondt&Thaler（1985，1987）研究后认为，股票收益在3至5年的长期水平中也会出现逆转现象，即过去长期“表现差的股票”的未来收益一定会优于过去长期“表现好的股票”。
基于这些股票收益变动的实证研究结论，形成了两种改进的资产组合投资策略：反向策略（contrarian strategies）和动量策略（momentum strategies）。其中，依据反向策略，投资者应该买进过去“表现差的股票”并卖出过去“表现好的股票”来进行套利；依据动量策略，投资者则应该买进过去“表现好的股票”并卖出过去“表现差的股票”来获取超额收益。按照金融的看法，如果一国的股票投资者利用反向策略和动量策略可以在本国股市中获得异常性收益，则认为此一国的股市中存在“反向效应”和“动量效应”。
股市中的“反向效应”和“动量效应”可以在除美国股市之外的其他国家股市中得到确认。例如，Ahmet&Nusret（1999）发现在美国之外的其他七个化国家的股市中同样存在长期性“反向效应”。Chang等人（1995）证明在日本的股市中存在短期性“反向效应”。Hamed&Ting（2000）在马来西亚股市中也发现了这种短期的“反向效应”。Rouwenhort（1998）在欧盟12国的股市中则检验出了“动量效应”。Hameed&Yuanto（2000）在亚洲6国的股市中也发现了显著性的“动量效应”。Schiereck等人（1999）在对德国股市的经验分析中，则发现存在中期性“动量效应”、短期性和长期性“反向效应”。
按照Fama（1991）的认识，股票收益的可预期性直接违背了股票市场的有效性假说和随机游走原理。因此，研究股市中的各种异常性现象，包括“反向效应”和“动量效应”，不仅仅有利于改进投资者的投资策略、增强投资者的理性行为，还可以用来检验一国股市的有效性并相应提升股市的运行效率。这一点，对于历程十分短暂、制度极不规范的中国股市来讲尤其必要。但也正是缘于我国股市的不完善性和可利用数据的有限性，制约了我们对我国股市“反向效应”和“动量效应”的深入性研究，因此国内的相关研究并不丰富。在这方面，王永宏、赵学军（2001）研究了中国深沪两市1993年以前上市的所有股票，实证结果显示，深沪股票市场存在明显的收益反转现象，但没有发现显著的收益惯性策略。周琳杰（2002）则选取深沪两市1995-2000年的股票交易数据，专门考察了中国股市动量策略的赢利性特征。研究发现，在卖空机制存在的假定下，动量组合的形成和持有期限与其收益呈负相关关系；期限为一个月的动量策略的超额收益明显好于其他期限的策略。吴世农、吴超鹏（2003）对1997-2002年我国上海股市342家上市公司发行的A股进行“价格惯性策略”和“赢余惯性策略”的实证研究，结果表明：样本股票价格同样也存在明显的短期性惯性策略。借鉴这些已有研究成果的基础上，本文将利用中国A股股票市场1995-2002的相关样本数据，对中国股市是否存在“反向效应”和“动量效应”进行更深入的实证分析，并进一步探究其形成的深层机理。
二、数据和分析
（一）数据和样本选择
本文所选用的数据为1995年1月1日至2002年12月31日期间每周的股票价格（并利用“钱龙”分析系统所提供的日交易数据进行一定的修正）。由于原因，本文的样本选择涉及到1996年12月31日上市之前的所有A股，共268只股票，其中沪市140家，深市128家。为了提高数据的有效性，本文对样本股票的筛选原则是：（1）考虑产业的多样性，所选择的样本股票涉及到各个产业的代表性上市公司；（2）考虑到样本股票的规模性差异会诱发“小公司效应”（small-firm effect）或“大股效应”（big-firm effect），对规模极大或极小的上市公司股票数据进行处理；（3）考虑到ST或PT股票交易规则的不同，对在研究期间被特别处理（ST或PT）的股票予以剔除；（4）缘于首次公开上市股票（IPO）上市初会出现不规则的收益变动，对首次公开上市股票第一周的数据给予排除。
关键词：三因子模型、收益率、账面市值比
一、引言
1993年，美国学者Fama和French在CAPM模型的基础上，明确提出了三因子模型(简称FF三因子模型)，它是在CAPM单因子模型基础上引入了公司规模（Size），公司账面值与市值比（BE/ME）。两位学者在后续的研究中对三因子模型的适用性问题进行了深入的探索，三因子模型也得到了多个国家实证研究的支持。针对三因子模型在我国股市的适用性问题，学界也有相应的实证研究。
2005年，上市公司的股权分置改革（简称“股改”）对我国证券市场发展具有划时代的意义，然而自“股改”以来，针对FF三因子模型的实证分析较少。本文主要选取“股改”以来上证A股的相关数据，针对FF三因子模型适用性问题进行了实证分析。
二、模型与实证方法
Fama，French(1996)的三因子模型认为市场因子、公司规模(SMB)和账面市值比(HML)三个因子能完全解释股票的截面收益差异，构建数学模型如下：
E（Rpt）-Rft=bi[E（Rmt）-Rf]+si（SMBt）+hi（HMLt）(1)
用计量经济学方程表示为：
Rpt-Rft=ci+bi（Rmt-Rft）+siSMBt+hiHMLt+εt (2)
其中，Rpt表示资产组合（个股）收益率；Rft表示无风险收益率；Rmt表示市场收益率；εt 为随机误差项；ci、bi、si、hi为待估参数。
通过时间序列数据，我们便可以通过最小二乘估计法得到方程(2)的各个参数(ci、bi、si、hi)。Blume(1970)证实了当系数的误差不是完全正相关时，通过构造股票投资组合来进行模型回归所得系数比个股回归估计所得准确，我们借鉴Fama和French、Blume构造股票投资组合的办法来检验三因子定价模型。
三、数据选取与变量构造
1、数据选取
本文选取“股改”至最近的上证A股的股票数据，即自2005年7月至2011年3月的69个月的月度收盘数据。市场组合收益率是上证综合指数的月度收益率，各个因子的构造采用的是流通市值加权法，并经过了送配股与分红的复权处理。数据来源于锐思（Resset）金融研究数据库。计量方法是普通最小二乘法，分析工具是Eviews6.0。
2、被解释变量
根据锐思金融研究数据库提供的数据（流通市值加权部分），按照Fama和French(1996)的构造方法，对所有的样本股票按照账面市值比(BE/ME)划分为5个组合，按照市值(ME)划分为5个组合。然后进一步排列组合，构造出25个关于ME和BE/ME的投资组合。
3、解释变量
无风险收益率：我们采用通过3个月的三个月定期存款折算的月度利率。市场收益率：采用上证综合指数月度收益率；按照FF研究方法以流通市值为权重进行加权平均。SMBt是小(Small)的市值（流通股）股票的平均收益率与大（Big）的市值（流通股）的平均收益率之差。HMLt是高(High)的账面市值比股票的平均收益率与低（Low）的账面市值比股票的平均收益率之差。
四、实证结果与分析
1、描述性统计
表1列出了25个股票组合待检验股票的一些基本统计量。其中，市值(ME)由第1组（即S1组）到第五组(即B2)组递增，账面市值比（BE/ME）也是从第1组（即L1组）到第5组（即H2）组递增。
由表1的平均月收益率相关数据可以看出，随着市值（公司规模）的递增，平均月收益率整体表现出递减的趋势，标准差表现出递增的趋势，通常市值小（规模小）的公司投资风险高，这与高收益对应高风险的市场规律表现出高度一致性。而随着账面市值比的递增平均月收益率近似表现出先增加后减小的趋势。
2、回归分析
在以上描述性分析的基础上，我们运用Eview6.0对FF三因子模型进行普通最小二乘法回归分析。表2列出了回归分析所得的系数、t统计量对应的概值、模型拟合优度、残差平方和。
给定显著性水平α为0.05时，截距项ci均值为-0.0067，64%截距值不显著，这与Fama与French的理论假定三因子能够解释资产组合（个股）超额收益率内内在一致；市场超额收益率E（Rmt）-Rf的对应的概值均为0.0000，高度显著。市值SMBt对应的概值84%为0.0000，高度显著，另外有16%不显著。账面市值比HMLt的统计量对应的概值56%大于0.05，不显著；另外44%小于0.05，显著；账面市值比这一因子在运用逐步递归分析时56%被排除在模型之外。
25个股票组合的回归拟合优度都很好，调整的可决系数都超过的90%，平均达到了94%；各个组合F统计量对应的概值均为0.0000，各个方程整体线性关系高度显著。
FF三因子模型对上证A股资产组合（个股）超额收益率具有较强的解释能力，基本是适用的。其中市场超额收益率与市值两个因子显著性比较高；而账面市值比这一因子不够显著。另外， SMBt与HMLt在B2对应的5个资产组合回归分析中表现出异象，有待进一步研究分析。
3、进一步分析
基于以上分析，我们尝试运用市场超额收益率与市值两个因子作为解释变量，探索其解释资产组合（个股）超额收益率变异的能力，即：
Rpt-Rft=ci+bi（Rmt-Rft）+siSMBt+εt(3)
解释变量Rmt-Rft计算过程同前，SMBt是将样本股票数据按照市值分为5组。然后运用普通最小二乘法对计量经济学模型(3)进行回归分析得表3。
截距项ci的均值为-0.0068，在给定显著性水平α为0.05时，其中有4个截距项显著不为0，说明可能存在其他因子影响资产组合（个股）超额收益率。市场超额收益率Rmt-Rft对应的概值均为0.0000，高度显著，说明该项是影响资产组合（个股）超额收益率的显著因子。市值SMBt对应的概值有从S1至B1组均为0.0000高度显著；B2组对应的概值为0.0836在给定显著性水平为0.1时显著。对两个解释变量进行多重共线性检验，结果为-0.0006，即不存在多重共线性。
从模型的拟合优度来看，各组调整的可决系数均超过了94.4%，均值达到了96.2%，表明两个独立解释变量之外的因子影响已经微乎其微。各个组合F统计量对应的概值均为0.0000，各个方程整体线性关系高度显著。各个组合的杜宾-沃森与拉格朗日乘数检验表明均不存在序列相关性。
综上，FF二因子模型比FF三因子模型在上证A股表现出更强的解释能力，在我国上海股市具有适用性。
五、结论
通过对上证A股股票按照Fama和French(1996)的方法分类，分别建立FF三因子模型并进行相应的分析检验，我们得出如下结论：
1、本文按照Fama和French(1996)的方法对样本数据进行分类并构建模型，分析结果表明FF三因子模型中市场超额收益率因子高度显著，市值因子次之，最后是账面市值比因子。市场超额收益率与市值为解释变量的二因子模型也具有很强的解释能力。
2、统计数据表明：随着市值（公司规模）的递增，平均月收益率表现出递减的趋势，对应标准差表现出递增的趋势。回归分析数据表明：不论是三因子模型还是二因子模型，市值的系数值均表现出随着规模的增加而递减的规律。通常市值（公司规模）小的公司投资风险高，这印证了高收益高风险的市场规律。
3、统计结果表明：随着账面市值比的递增平均月收益率大致表现出先增加后减小的趋势；SMBt与HMLt在市值最大（B2）对应的5个资产组合分析检验中表现出异象，导致这些现象的深层次原因有待进一步研究探索。
参考文献：
[1] E.Fama，K.French. Common risk factors in the returns on stocks and bonds [J].Journal of Financial Economics，1993,(33):3-56.
[2] E.Fama，K.French. Multifactor explanations of asset pricing anomalies [J].Journal of Finance, 1996, (51):55-84.
[3] 杨忻，陈展辉.中国股市三因子资产定价模型实证研究[J].《数量经济技术与经济研究》，2003(12)：137-141
[4] 陈守东，孟庆顺，赵云立.中国股票市场FF多因子模型的比较分析[J].吉林大学社会科学学报，2003（5）：93-98
[5] （美）古扎拉蒂.计量经济学基础（第四版）[M] 中国人民大学出版社，2005
“沪港通”渐行渐近，上海市场与香港市场均“涨”声雷动。
自今年4月公布10月份将开通沪港通以来，不仅上证综指创出近年新高，香港恒生指数也在5月和7月均出现大涨。9月3日，香港恒生指数再度大涨2.3%，创下过去6年多以来的收盘新高。
港股市场的飙升对主投港股的QDII业绩带来了明显的正面影响。据《投资者报》记者统计，在9月3日这一天，全市场共有12只重仓港股的QDII创出了历史最高净值。其中，华夏恒生ETF与华夏恒生ETF联接今年以来的净值增长率分别达到11.98%和11.37%，超过了大多数主投港股的主动QDII产品的业绩。
“近期H股逐步企稳回升，‘沪港通’将实施，未来政策预期升温以及H股估值处于历史低位的背景下，未来可适当增加港股品种的配置。尤其是跟踪恒生指数的被动投资产品，能规避主动管理的不确定性，更值得稳健型基民及大资金关注。”华泰证券一位姓杨的分析师如是说。
公开资料显示，目前跟踪恒生指数的被动投资产品主要有3只，分别是华夏恒生ETF、华夏恒生ETF联接与添富恒生。这3只产品今年尤其是近6月来的走势均为不俗。以华夏恒生ETF为例，据Wind数据显示，截至9月23日，华夏恒生ETF近6月来阶段涨幅为13.92%，遥遥领先于4.96%的同类平均水平。值得一提的是，今年来华夏恒生ETF在市场可比的7只同类基金中位列第一。
“正在崛起”
沪港通来了，“小沪港通”日趋火爆也自然在情理之中。
公开资料显示，自今年4月中旬，中国证监会和香港证监会《联合公告》宣称将在6个月内推出“沪港股票市场交易互联互通机制”试点以来，港股便一路上行，走势强劲。9月3日，港股更是取得较大突破，当日大涨2.3%，盘中最高触及25362.98点，创下了自2008年6月年以来6年多的新高。受此影响，跟踪恒生指数、主投港股并被业内喻为“小沪港通”的华夏恒生ETF基金也开始“崛起”。
“在沪港通的带动下，近期港股表现强劲，尤其是在香港上市的国内企业走出一波行情，这使得以香港为主要投资市场或大中华概念的QDII涨幅较大，例如，华夏恒生ETF近3个月上涨10.88%，今年以来上涨11.98%。”济安金信基金评价中心的一位田姓分析师如是说。
据了解，华夏恒生ETF投资标的为香港恒生指数，其投资于标的指数成份股及备选成份股的比例不低于基金资产净值的80%。投资策略为“主要采取复制法，即按照标的指数成份股及其权重构建基金的股票投资组合，并根据标的指数成份股及其权重的变动对股票投资组合进行相应地调整”。因其自上市以来，一直通过规范运作紧密跟踪恒生指数，日均跑踪偏离绝对值不超过5个基点，年化跟踪误差在1%左右，再加上其联接基金是内地第一只可以用美元买卖的基金产品，因此，一直被市场当作直接投资恒生指数的有力武器，素有“小沪港通”之称。
“随着沪港通逐步落地，两市打通后相关QDII的业绩将逐步释放，基金应具备一定空间。因此，投资者可以选择综合实力强的基金公司旗下相关产品进一步关注。”华宝证券分析师告诉《投资者报》记者，华夏基金多次被晨星评为国内综合实力第一的基金公司，在ETF产品研发领域实力更是高居榜首，目前，拥有13只ETF产品，去年更是一举推出了5只行业ETF，备受瞩目。
“创新贴心”
作为内地首批跨境ETF，“创新贴心”在产品设计时就成为重中之重。
据了解，华夏恒生ETF的产品创新主要体现在三大方面。首先，实现了“现金替代+买卖的申购赎回模式”。其申购为全部现金替代，华夏基金作为基金管理人买卖恒指成份股组合，并根据买卖价格计算投资者的申购赎回价格。ETF产品存在双向套利机制，华夏基金还引入了多家做市商活跃交易，使产品可以维持较高的流动性和较低的折溢价，同时，通过规范运作紧密跟踪恒生指数，日均跟踪偏离绝对值不超过5个基点，年化跟踪误差在1%左右，从而实现内地投资人直接投资恒生指数。
其次，在T+0日能锁定申购价格。华夏恒生ETF在技术上做了一些特殊安排，即管理人在T日实时买卖恒指成份股组合，并根据实时买卖价格计算投资人的申购赎回价格，投资人实时锁定申购赎回价格，这样大大降低了交易价格波动风险，产品仍然存在双向一、二级市场套利机制，为投资人提供短线操作以及套利交易等的有效工具。
第三，联接基金新增美元买卖。华夏恒生ETF联接基金增加了美元购买方式，以美元买接基金，赎回时仍然获得美元，美元认购、申购和赎回的方法和人民币类似，对价为美元折算净值，实际上就是以人民币计价的基金净值按照申购赎回当日的汇率换算得到的美元金额。
在市场前景广阔、法规政策引导、相关机构齐备的新形势下，我国年金基金的投资成为一个非常现实和迫切需要理论前瞻指导的问题，需要进行重点研究。本文的目的是总结西方年金基金投资的理论以及实践经验，为我国企业年金的投资实践提供借鉴。
一、西方企业年金投资的理论及经验研究
年金基金管理中，首先需要确定基金的资产组合，西方学者在该领域的研究主要有两个理论模型。一个是税收套利（tax arbitrage）模型，由Black 和Tepper分别提出，他们认为养老基金应全部投资于公司债券［1］。理由是公司债券是所有金融工具中税负最重的，必须提供足够的收益，才能吸引纳税投资者的投资，而免税投资者持有公司债券相当于获得了“经济租金”。比如一种债券提供10%的收益率，才能吸引一个30%边际税率的纳税投资者，纳税投资者获得了7%的税后投资回报，而免税投资者则可以多获得3%的收入。税收套利模型认为养老基金法人作为免税投资者，应充分利用免税优势，获得最大利益。这一理论模型仅仅从税收角度考虑问题，在实践中很少有养老基金完全采用这一理论。Bodie等人对美国539个企业的养老基金进行了研究，发现不到10%的基金是100%的固定收入证券组合［2］。
另一个理论模型可以称为“对养老金收益担保公司的看跌期权模型”（the Put to PBGC）。由Sharpe, Treynor和Harrison等提出，他们认为养老基金资产组合应该全部投资于股票和其他高风险的资产［3］。原因在于美国政府的养老金收益担保公司（pension benefit guaranty corporation, PBGC）保证了参保企业养老基金的最终责任，在公司无法支付退休职工的养老金时，由PBGC接管养老基金的全部资产并加上发起公司净资产市场价值的30%。这等于是公司养老计划和PBGC签订了一个看跌期权合约（put option），当养老计划资不抵债时，公司就将养老计划出售给PBGC。在此条件下，企业年金基金就有道德风险，将基金投资到风险最高的股权证券中，以最大化期权价值，因为假使投资失败造成养老计划损失，亏损也由PBGC承担。而投资成功，则收益全归养老计划所有。这种模型的逻辑推理是强有力的，但实践中很少有企业采用。Bodie等人的研究显示，539个企业年金计划中不足0.5%完全投资于股票，基金资产中股票比例超过75%的不足5%。
上述两种模型无论是从税收还是从政府成立的养老金收益担保公司出发，都是以政府政策的安排为推理起点，得出了逻辑上合理的、但却是极端单一的投资组合。这种理论模型和实践是不相符合的，现实中大部分年金计划都是采取混合资产构造组合。
在对现实中年金组合构成的真实数据进行分析后（如经济合作组织OECD建立了世界主要国家的企业年金统计数据库），西方学术界主要有这样一些结论：(1)不同国家企业年金组合的不同主要是由于金融市场特别是资本市场的发展程度不同，资本市场发达的国家的企业年金较多投资于股票等权益类工具，反之发展中国家的资本市场不发达，企业年金主要投资于存款与国债。(2)无论资本市场成熟程度如何，政府债券一直是各国养老金重要的投资工具。(3)各国对企业年金投资的监管可以区分为“谨慎人原则”（prudent person rule）与“严格比例限制原则”（quantitative asset restrictions）的两大范畴，谨慎人原则下的监管不做任何投资品种、比例的规定，而严格比例限制原则下的监管对基金的可投资品种、投资比例进行严格限制。因此不同的养老金资产组合是和两种不同的监管原则紧密联系的。从投资的实际效果看，实施谨慎人原则监管的养老基金投资收益比限制投资比例监管的养老基金更具优势。
另一方面，从微观层面上进行的经验性实证研究，西方学者也取得了一些成果。Ambachtsheer等人考察了养老基金和发起公司之间的联系，研究发现基金的资产组合和发起公司的财务状况有密切联系。结论如下：(1)收入流波动越大的企业，其养老基金持有债券越多，股票越少，这样可以抵冲日常商业经营的风险。(2)企业资产负债表中杠杆率（包括财务杠杆和经营杠杆）越高的企业，企业养老基金持有债券越多，股票越少，也是为了冲抵经营风险。(3)企业有很高的收入回报率，则采取相反策略，养老基金持有的股票较多，债券较少［4］。
除了基金的静态资产组合的研究之外，对于基金的动态资产组合调整即资产配置策略问题，西方也有不少研究文献。主流的文献认为，对于养老基金来说，进行主动管理、有目的的经常调整资产组合配置结构或者对变化的市场不作反应，都会导致基金投资业绩下降。他们主张养老基金应进行真正的被动管理，即采取恒定比例不变（constant mix）策略。在实践中，可以利用养老计划的现金流入和现金流出带来的资产配置机会，及时进行组合的再平衡（rebalancing），使资产组合维持初始结构。
在回顾了西方研究文献之后，本文从微观层面上提出一种新的企业年金投资组合理论模型，这也是受Ambachtsheer等人研究成果的启发。
二、基于发起企业经营业绩基础上的年金投资组合模型
年金计划是由发起公司设立的，基金的投资组合必须考虑发起企业的经营业绩。首先，基金的投资回报率与年金计划融资能力有密切关系，而融资能力取决于公司的经营业绩。其次，对于确定受益型（DB型）的养老计划，该计划对发起公司的资产和现金流有求偿权利，这一权利和公司人工成本的求偿顺序相同，而排在其他债务之前。即如果公司当期的现金收入不能满足养老计划的负债资金支出需求，公司就将被迫向外借款、发行股票或者放弃赢利的投资机会，以首先满足养老计划的资金需求。而对于确定缴款型（DC型）的养老计划，既定的缴费支出是排在税收之前的，也要从公司经营活动现金流中支付我国企业年金缴费可以在公司所得税前支付企业工资总额的4%或其他比例，这一规定目前仅在东北三省、安徽等部分省份执行，是地方政府出台的政策规定，本文截稿时尚没有全国统一的企业年金税收政策。。所以，无论DB型或DC型，年金基金的资产组合必须考虑发起公司的现金流情况。
为了更好地说明这一问题，下面看两个假设的情况，这里是以DB型年金计划为例，但不影响本文的结论。
表1企业年金基金回报率与发起公司经营现金流回报率正相关
表2企业年金基金回报率与发起公司经营现金流回报率负相关
在表1中年金基金回报率与公司的现金流回报率完全正相关，结果在公司效益下降时期，公司的现金需求大增，向外融资，不仅要为年金计划供款，还有投资项目在开工。而表2中年金基金回报率与发起公司现金流回报率负相关，这样就可以在公司现金流收入充足的时候满足年金计划供款需求，而在公司负现金流收入时，年金基金的投资回报率却很高，使年金计划无需供款。这样，公司的对外融资需求就在一定程度上得到了“熨平”，节省了公司进入资本市场的融资成本。
2Var(Rm)=0，式中w为企业年金资产（假设为a）与公司总资产（假设为b）及年金资产之和的比例，即w=aa+b，此式表示在考虑年金基金的投资组合时，把发起公司的经营现金流回报率（CFR）和年金基金的资产回报率（Rp）放在一起考虑，年金计划作为发起公司的一个附属，而不是作为一个单独实体来决定其投资组合。
那么进一步来看如何构造年金的资产组合。根据资本资产定价模型（CAPM）理论，不同股票在本质上是相同的，不同之处仅在于β系数不同。只要β系数相同，股票彼此是可以替代的。因此，一种最简单的股票选择方法，首先就是把与年金计划发起公司同行业中的其他公司股票排除出去（比如马钢公司的年金计划就不可以投资宝钢股票），因为这些公司的股票收益率是密切相关的，股票β系数是相同的或相似的。不过现实中，在构造股票组合时，不能仅仅考虑β系数这一个因素。比如Ross提出了套利定价理论和多因素模型，以后Chen、Roll和Ross进一步建立了四个经济要素的模型，四个经济要素是：长短期利率差、期望的通胀率与实际通胀率之差、工业总产值、高低等级债券的利率差。Berkowitz等人提出还可以再加上实际汇率波动因素，这样构造一个五因素的分析模型：Rjt=a0j+a1jf1t+a2jf2t+a3jf3t+a4jf4t+a5jf5t+ε，式中Rj表示股票j的收益率，f1―f5表示5个经济因素的数值，a1―a5表示各个经济因素的影响系数，t表示时间［5］。
笔者认为，可以借鉴上述五因素模型来建立企业年金基金的投资组合。方法是，首先用一组自变量fi的数值来对发起公司的现金流收益率（CFR）进行回归，得出ai的数值。假设公司现金流回报率对长短期利率差因素f1是负相关的，即a1＜0，此时暂不考虑其他因素，那么在确定年金基金组合中的股票时，就应该选择对f1因素正相关的股票，比如j股票，其收益率为Rj，对f1因素正相关，即a1＞0。这样，当长短期利差上升时，企业现金流收益率下降，而年金基金中j种股票的收益率上升，可以起到对冲作用。按照上述逻辑思路，建立企业年金基金的股票组合，用运筹学语言描述，即：
在此线性规划模型中，w定义如前，w??0表示年金基金必须存在，1-w??0表示企业不会出售公司资产以满足年金计划（即公司没有破产），Xj表示基金资产组合中投资在j种股票上的比例，0.05?牛?j??0，表示在年金基金组合中股票的数目最少为20种（根据组合投资理论，可以基本消除非系统风险），并且没有卖空股票。∑Xj?a1j?f1?痞?1表示对风险因素f1的风险控制。其他的风险因素约束条件意义相同。
我国《企业年金基金管理试行办法》对基金的股票投资进行了严格比例限制，投资于权益类品种（股票、股票基金和投资连接保险产品等）不高于基金资产净值的30%，其中股票不高于20%。因此，在此规定限制下，对约束条件略作修正如下：∑Xj＜0.2，0.01?牛?j??0。
对于该模型的现实应用性，本文说明如下：目前我国《企业年金试行办法》规定，年金计划采取确定缴款制（DC型），但如本文所述，即使DC型计划也需要考虑发起企业的经营现金流情况。比如2005年11月与中国工商银行签订全国第一家企业年金基金托管协议、2006年5月和南方基金管理公司签订了年金基金投资合同的马鞍山钢铁公司的年金计划，实际上是一个DB和DC的混合计划。马钢年金计划的基金资产达1.8亿元，6.7万在职职工每人每月平均获补贴118元，3.1万退休职工每人每月平均获补贴80元，直至终老。对于退休职工来说，这显然是一个DB型计划，对于在职职工来说，则是一个DC型计划，所以马钢的计划是一个混合了DB和DC型的年金计划。在转型期内我国企业建立的年金计划，绝大部分必然选择此种混合型计划原因在于企业工作多年的老职工和已经退休的职工，由于没有前期工作的缴费积累，DC型计划对于他们是不公平的，DB型计划才符合这部分职工的利益。因此在我国企业建立年金计划初期阶段，必然是DB和DC的混合型计划。。另外，保险公司为企业提供的年金计划即团体养老金计划则全部属于DB型。所以本文提出的这样一个投资组合理论模型，具有现实指导意义。
三、我国企业年金投资的现实
目前现实中，我国企业年金的管理主要分为三种情况，即年金分别由企业或行业的年金理事会、地方或工会的社会保险机构、以及保险公司等三方在经办，三种方式下的年金参保人数和基金资产的比例分别占40%、30%、30%［6］。对三种方式下的企业年金基金的投资组合，具体阐述如下：
对于行业或大型企业的年金来说，截至2005年底前基金主要集中在行业体系内部运转，主要投资本行业内的盈利项目或本行业的企业债券，比如2003年8月成立的全国第一家行业试点年金、也是我国目前资产规模最大的行业年金――电力企业年金，在2004年中期时，归集到电力企业年金管理中心本部进行集中投资运营的近14亿元资金中，9.8亿元购买了电力企业债券，3亿元委托电力行业内的财务公司理财，1亿元购买了2004年的7年期国债。这样的企业年金资产组合，风险必然主要集中在本行业内部。
对于地方社会保险机构经办的企业年金，以上海市企业年金发展中心规模最大，也最具有代表性。目前其管理的资金量大约在80多亿元人民币由于地方企业年金的规模数据和资产组合为非公开资料，笔者此处引用有关新闻记者的采访调研资料，此处数据及情况出自参考文献［7］。，资产配置主要分两级：一级资产配置是将全部受托管理资金按比例投资于银行协议存款、委托机构理财、国债等不同领域；二级资产配置是指各委托理财机构（主要是证券公司和信托公司）按照双方的协议，再将资金投资于资本市场［7］。从2003年底至今，我国上市公司十大流通股股东名单中一直出现过上海市企业年金发展中心。以下是上市公司前十大流通股东名单中反映的企业年金投资情况。
表3我国企业年金成为上市公司前十大流通股东的投资情况
由表3可以看出，上海地方企业年金在股票市场的投资规模并不大，占基金资产比例为10%以内，很明显的两个变化趋势是，第一，在重仓持股家数和持股数量上有集中趋势，进入前十大流通股的持股家数一直在减少，而对重仓股的持股排名逐渐提升，持股最多的三只股票在2004年至2005年底一直没有改变。直到2006年，长期持有的火箭股份和太极集团才被卖出，东风汽车也被逐步减仓，这些情况说明，地方企业年金可能是采取了集中投资并长期持有的策略，但不能排除是由于委托理财中为受托券商高位接盘而被迫套牢，这体现了地方年金投资中的道德风险2006年秋上海市爆发社保基金案，涉案的32亿元人民币违规挪用中，绝大部分为补充养老保险基金（即企业年金），由此反映地方企业年金投资运作中存在道德风险甚至违法犯罪行为。这也反映，企业年金按照新体制进行规范运作，已经到了刻不容缓的地步。。第二，年金基金在股票市场上的投资规模在下降，特别是2006年以来在股票市场大幅上升的情况下，基金的持股市值在迅速下降，一种可能是基金在主动减仓，但联系到我国企业年金管理体制的改变，可知这是地方年金基金在回收投资，将按照劳动保障部规定的新运作体制规范运营。总体上说，地方企业年金进入股票市场的比例不大，决定上海地方企业年金收益率的主要因素还是国债收益率。表4是10年来上海地方企业年金的收益率表。
表4上海市企业年金发展中心的十年投资回报率
对于保险公司的团体养老金保险来说，是纳入到保险公司资产中进行统一运作的。我国保险公司直到2005年才允许直接投资股票市场，在保险公司资产组合中，银行存款一直占40%-50%，国债占20%-30%，证券投资基金占不到10%。从2001年到2004年期间，保险资金年投资收益率分别为4.3%、3.14%、2.68%和2.4%可参见中国保监会网站的保险公司资产统计数据。，保险投资收益率近年来一直呈逐年下降趋势。
四、主要研究结论
第一，在年金基金的投资组合上，笔者提出了结合企业经营活动现金流收益的股票投资组合模型，这是一个风险收益规划模型。该模型说明，企业年金在选择股票投资对象时，被投资对象的风险特征（表现为β系数及多因素模型中的风险系数）应该和年金发起企业的风险特征负相关。这样，在企业经营活动随商业周期发生波动时，年金基金的投资收益可以起到对冲风险的作用，降低企业的现金需求。目前我国行业年金的投资对象恰恰主要是本行业内的项目或本行业的企业债券等，年金基金的风险集中于行业内，这和本文的建议相悖。笔者认为，应该改变这种局面，按照本文的投资组合模型思路，建立风险对冲型的投资组合，才能有利于企业年金的发展。
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变量，对股价大幅波动是否伴随有评级进行区分，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，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。
Abstract： The method of multi-fractal detrended fluctuation analysis（MF-DFA） can not only be able to remove the fluctuations of the long-term trend in the stock market time series， but also be able to describe the multi-fractal characteristics. First of all， this paper uses the MF-DFA to analyze the multi-fractal characteristics of the stock market time series and the result shows that the method of MF-DFA is more efficient. Secondly， it defines a similarity measure function of clustering which use the parameters of multi-fractal spectrum as their parameters on the stock time series clustering. Finally， based on the Markowitz proposed the rule of expected mean and the variance of return （M-V rule）， it applies the clustering results into the stock portfolio. According to the experiment result， a portfolio with more return and lower risk is reached.
关键词： 时间序列；多重分形消除趋势波动分析；聚类；投资组合
Key words： time series；MF-DFA；clustering；Portfolio
中图分类号：F830.9 文献标识码：A 文章编号：1006-4311（2013）26-0137-04
0 引言
对于许多的时间序列，例如股指时间序列，股票价格序列等，由于其形成过程中受到众多复杂的非线性因素的影响，因此在不同局部区域和不同层次往往呈现出不同的特征和复杂性。作为一种重要的非线性方法，多重分形分析方法将复杂对象分成多个奇异程度不同的子区域，并借助统计物理的方法描述对象在不同子区域的分形特征以及各子区域对整体对象的影响。由于多重分形分析方法能够描述资产价格在不同时间标度，不同波动幅度方面的精细的信息，从而全面真实的反应资产价格波动的复杂统计[1]，因此近年来国内外许多学者对金融证券市场的多重分形特征及其应用进行了研究。对众多国家和地区的实证研究表明，多重分形特性在全球证券市场中广泛存在[2-4]。
多重分形消除趋势波动分析（MF-DFA）是Kantelhardt（2002）在DFA方法的基础上首次提出的[5]，用来刻画时间序列在不同时间标度下的多重分形特征。胡雪明、宋学锋[6]在国内最早把MF-DFA方法引入沪深股市的实证对比研究当中发现两市均具有多重分形特征，深圳成指比上证综指的广义Hurst指数要大，表明其具有更强的持久相关性。宛莹、庄新田[7]利用多重分形消除趋势波动分析法，对国际上3种主要的国际汇率收益序列进行实证分析，发现国际汇率存在多重分形特性，且有两个因素共同作用。刘维奇、牛奉高[8]运用MF-DFA方法对上证指综指和深圳成指的多重分形特征进行比较，结果表明前者多重分形特征比后者更加明显。万涛[9]等运用该方法对对上证指综指和深圳成指的日对数收益序列进行比较分析，也得到相同的结论。综上所述，目前现有文献都是运用MF-DFA方法对大盘指数、汇率等数据进行多重分形分析，而把MF-DFA方法应用到单个股票多重分形特性的分析当中还比较少。同时，大多数文献都是针对金融证券市场的多重分形特性进行实证分析，把多重分形运用到股票的投资组合构建中还没涉及。
聚类是一种重要的数据挖掘方法，即将数据划分成有意义的多个簇，使得每个簇中的数据尽可能相似，而不同簇中的数据具有明显的差别。对于金融时间序列这类复杂序列来说，利用多重分形谱进行聚类是非常有利的，因为多重分形谱的各项参数能够表征序列的整体到局部的丰富信息，黄超等[10]提出了基于多重分形特征参量的聚类方法。钟维年等[11]运用小波分解与重构技术消除股票序列的趋势项后再进行聚类。由于多重分形消除趋势波动分析法在去除趋势项上与小波分解与重构技术的作用等同，甚至某些情况下优于小波分解与重构技术[5]，同时比小波分解与重构技术的过程更简单，本文采用多重分形消除趋势波动分析法消除股票价格序列的长期趋势项。聚类分析能够根据不同的特征参量发现对象在不同方面的相似性程度，近年来被广泛应用于金融资产价格预测、投资组合以及风险分析等许多方面，因此，基于多重分形特性的聚类在金融领域有着重要的意义和应用价值。
本文先采用消除趋势波动分析法对股票价格序列进行多重分形特性分析，然后基于多重分形特征参量进行股票价格时间序列聚类，最后根据股票聚类结果选择合适的股票进行投资组合。
1 相关理论
1.1 多重分形消除趋势波动分析法（MF-DFA）
Kantelhardt（2002）提出的MF-DFA方法是检验一个非平稳时间序列是否具有多重分形特征的有效方法，并通过计算机模拟验证了该方法对非平稳时间序列进行多重分析的有效，同时通过MF-DFA方法还能过渡到标准的多重分形分析。
设{xi}为长度为N的序列，i=1，2，3，…，N，MF-DFA方法的计算过程如下：
①通过计算次均值累计离差把原序列变成一个新的序列：Y（i）=■x■-■，t=1，2，…，N （1）
式中xi为时间序列，■为{xi}的均值。
②把序列Y（i）分割成长度为s的Ns个互不重叠的等长区间（Ns=int（N/s）），由于时间序列的长度N常常不会是时间段s的整数倍，时间序列尾部通常会有剩余部分，为了不至于丢失尾部，从序列的尾部重复上述分割过程，因此得到2Ns的区间。
③利用最小二乘法拟合每一个子区间v（v=1，2，…，2Ns）的局部趋势函数yv（j），这里yv（j）为第v个子区间的拟合多项式，消除子区间v中的局部趋势序列得到残差序列Zv（j），当v=1，2，…，Ns时
Zv（j）=■■Y[（v-1）s+i]-y■（j） （2）
当v=Ns+1，…，2Ns时
Zv（j）=■■Y[N-（v-Ns）s+i]-y■（j） （3）
④分别计算2Ns个消除趋势子区间序列的平方均值，即：F■（s，v）=■■Z■■（j） （4）
其中v=1，2，…，2Ns，进而求出序列的q阶波动函数，即：F■（s）=■■F■（s，v）■■ （5）
公式中的指数变量q的取值可以是任何值（q不等于0），当q=0时F0（s）=exp■■lnF■（s，v）■ （6）
当q=2时时标准的DFA过程。易知Fq（s）与s成正方向关系，因此对于不同的s，就可得到相应的分形时间序列Fq（s）。
⑤确定波动函数的标度指数，先固定阶数q，通过在双对数图中分析Fq（s）与s的关系：Fq（s）～sh（q） （7）
对每一个时间尺度s，可求出相应的一个波动函数数值Fq（s），做出ln[Fq（s）]～lns函数关系图，其斜率为q阶广义Hurst指数h（q），当h（q）为常数时，序列为单分形；当h（q）与q相关时，序列为多重分形。
⑥通过MF-DFA得到的h（q）与Renyi指数τ（q）有如下关系τ（q）=qh（q）-1 （8）
⑦不同q值的分形维数，也即是广义分形维
Dq=τ（q）/）（q-1） （9）
⑧用来描述多重分形时间序列的多重分形谱f（α）可通过（10）式得到，即：
α=h（q）+qh′（q） （10）
f（α）=q[α-h（q）] （11）
其中，奇异指数α为客户复杂系统中各个子区间的奇异程度，α越大，奇异性越小；多重分形谱f（α）实际上是指具有相同奇异指数α的分形维数，且f′（α）=q；分形谱宽度Δα（αmax-αmin）代表最大最小概率间的差别，Δα值越大，分形时间序列分布越不规则，多重分形强度越强；相应的分形维数差别Δf（fmax-fmin）反映了高低价位出现的频率变化程度。多重分形谱本质上是分形子序列的分形维。
1.2 均值-方差（M-V）模型
Markowitz[12]建立了投资组合理论作为不确定条件下的资产选择方法。他提出的均值-方差（MV）模型被理论界和实际投资者广泛接受。MV模型描绘了资产组合的最基本的框架。在Markowitz的MV模型中，收益率均值u和方差σ2是风险证券的两个评价指标。在不允许卖空的条件下，MV模型可以描述为一个二次规划问题：
min imizeρ■■=x■Vx （12）
约束条件：X■I=1X■R=R■0？燮x■？燮1 （13）
其中，x=（x1，x2，…xp）′为p维列向量，表示p个资产在投资组合中的比例，V为各资产的相关系数矩阵，R为各资产的期望收益，MV模型以资产方差作为风险的度量，寻找在既定收益水平Rp下，风险最小的投资方案，I为列向量，其每个元素均为1。
2 基于多重分形聚类的投资组合分析
首先我们来分析多重分形谱的各个参数的聚类意义，由于广义分形维Dq描述的是对象的精细结构和复杂程度，对于时间序列而言，时间序列的广义分形维数越接近，则表明这些时间序列波动的精细结构和复杂性从整体上而言是相似的。由于f（α）的物理意义是对象的粗糙程度、复杂度、不规则度以及不均匀程度的度量，所以，多重分形谱的宽度Δα（αmax-αmin）和Δf（fmax-fmin）就是该度量的具体数值表示，孙霞等对Δα和Δf的物理含义进行了详细的讨论[13]。若时间序列的Δα类似说明时间序列在波动均匀性方面比较相近，Δα越大则表示波动幅度越大。时间序列的Δf越接近，则表明这些时间序列在围绕较高数值或者较低数值产生波动方面接近。
基于多重分形参量进行聚类研究，一个主要的问题就是判断对象间的相似性，也就是确定特征量之间的相似性度量函数。基于上述分析，我们可以定义基于多重分形谱的时间序列相似性函数。设股票时间序列A和B，其用多重分形谱参数分别表示为TS■=D■，D■，Vα■，Vf■和TS■=D■，D■，Vα■，Vf■其距离函数定义如下：
DW（A，B）=■ （14）
根据多重分形理论，两个多重分形序列的多重分形谱一致，其所代表的物理特征的统计特性是一致的[7]，因而公式（14）的定义是合理的。p（i）代表了各个参数的权值，因而我们可以灵活的调整各个参数的权重，满足不同的聚类需求。
投资组合是投资者同时投资于多种股票证券，以期获得较好收益的一种投资方法。Markowitz模型要求采用收益行为差异较大的资产，从而更能有效的降低投资的风险。多重分形的各个特征量能够在微观上描述资产收益序列的特征，通过基于多重分形特征量的聚类，能够选出差异显著的资产组合。
本文采用最简单的K-means聚类算法对金融股票时间序列进行聚类，然后把聚类的结果运用到投资组合的分析当中，基于聚类的投资组合分析的步骤如下：
步骤1：由于收益波动率及其时序过程是金融工程的首要问题，因此对每个股票时间序列Ti，首先计算他们的日对数收益序列：r■=lnp■/p■ （15）
其中p■，p■分别为第j支股票当日和前一日的股票收盘价。
步骤2：根据MF-DFA方法计算它的分形维数D0i、信息维数D1i和多重分形谱参数Δαi、Δfi。同时为了尽量把收益率低的股票聚在一起，引入一个参数即为每支股票的平均对数收益率ej=■rji/（n-1），其中n为时间点个数。则A和B时间序列为：TS■=D■，D■，Vα■，Vf■，e■和TS■=D■，D■，Vα■，Vf■，e■。
步骤3基于公式（14）提出的加权欧式距离度量函数，使用K-means聚类算法，对股票时间序列进行聚类，使簇间股票的收益率行为差异比较大。
步骤4：据步骤3到的聚类结果，从每个类中选择一支股票为投资组合的候选股票，然后运用Markowitz建立的均值方差（M-V）模型计算候选股票在给定收益率的情况下风险水平，评价基于聚类的投资组合的优劣。
3 实证研究
3.1 实验数据 实验数据随机选取2011年1月4号以后的472交易日的上海证券市场的28支股票的收盘价时间序列作为研究对象，选取这段时间的股票数是因为这是金融危机结束后的股票价格，不受金融危机单一因素影响。为了描述简便，在聚类的时候我们用代号表示每支股票聚类的结果。
3.2 股票收盘价序列的多重分形分析 首先，我们采用标准多重分形的方法对这29支股票收盘价格进行多重分形分析，由于篇幅有限，我们仅仅列出东风汽车（600006）烽火通信（600498）工商银行（601398）的质量指数τ（q）与阶数q的关系。
图1分别是东风汽车、烽火通信、工商银行的质量指数τ（q）与阶数q的关系图，从图中可知，两者在一定的程度上还是满足线性关系的，说明用标准的多重分形方法进行分析时，股票收盘价时间序列的多重分形特性不是很明显，可能受到一定噪声的影响。
运用标准多重分形分析法并没有考虑时间序列内在趋势的影响，现在运用第二节描述的MF-DFA方法对原始序列做消除趋势的处理，然后再判断此序列的多重分形特性。我们取子区间的划分长度为s=[4：10：160]，波动函数阶数q=[-20：20]。结果如图2所示，三种序列的质量指数τ（q）与与阶数q明显不是线性关系，说明股票收盘价序列具有明显的多重分形特性，这为后面的的聚类分析奠定了基础。
通过上述的分析比较可知，没有消除趋势项之前的时间序列由于受到了长期趋势项的干扰，多重分形特性有一定的不准确性，因而也会影响到多重分形谱的准确性，经过MF-DFA方法消除趋势项后，时间序列的多重分形特性表现得十分的明显，从而证明了原序列的确具有多重分形特性，揭示了序列的本质特征。
如图3所示为利用多重分形消除趋势波动分析计算得到的多重分形谱，从图中可知三支股票的多重分形谱宽度分别为0.9407、0.6757、0.8791，f的极大值分别为0.9991、0.9035、0.9659，这也体现了良好的多重分形特性，更进一步说明了用多重分形消除趋势波动分析多重分形特性的准确性。同时从图中可以明显看出烽火通信与工商银行和东风汽车的多重分形谱具有明显的差异性，这样也说明对股票的进行多重分形谱参数聚类是有意义的。
3.3 基于聚类的股票市场投资组合实证 为了从待定的股票中选取差异较大的股票，借助K-means聚类的方法，将待定的股票进行分类，然后挑选出不同的股票进行组合。利用K-means算法对待选的股票进行聚类，本实证选取5支股票作为候选股票，因此把股票分为K=5类，由于谱宽度能够较大的反映每支股票收益率序列的收益率波动的情况，因此Δα能够极大的反应股票间波动率的差异，故取Δα权重最大。对28支股票进行聚类分析，取权重p=（0.1，0.1，0.5，0.1，0.2），结果如表1。
从表1的5个聚类结果中各抽取两组资产组合（差异抽取1，差异抽取2），与随机抽取、在同一个聚类中的抽取结果利用MV模型进行比较，结果如表2。从表2中可以看出，在不同的收益水平下，组合差异抽取1和差异抽取2具有风险都比较低。同时随机抽取在不同收益水平下的风险也比类内抽取低。从而说明我们的聚类结果是有效的。
任意给定各个不同的期望收益水平p，分别求出四个不同投资组合的12个收益-方差组合点，利用这12个点描绘的四个投资组合的有效前沿如图4所示。从图中可以看出，在同等收益水平下，差异抽取的风险要比随机和类内抽取的风险低得多，从而更进一步说明了我们上一次聚类结果的有效性。实验表明本文定义的时间序列相似性度量具有特定的优势，相对传统的随机选择，风险更小。
4 结束语
分别用标准多重分形和多重分形消除趋势分析对上证市场28支股票的日收盘价数据进行多重分形分析，结果表明28支股票序列都具有多重分形特性。同时MF-DFA方法由于消除了时间序列的长期趋势项，因而比标准多重分形方法更能体现股票的多重分形特性。然后以多重分形谱参数以及每支股票的平均对数收益率作为时间序列相似性度量函数的参数，进行聚类，借助聚类分析，股票间的差异进一步加大，在相同的收益水平下，分散了投资风险。通过实证分析，更能说明多重分形谱参数分析股票市场的有效性。文中还存在许多不足之处，例如利用权重的选取以及多重分形谱参数的选择是否是最好的，这几个参数是否能够全面的反应收益率序列的波动特征也值得我们进一步的研究。
参考文献：
[1]Mandelbrot B. B.A multiracial walk down wall street [J]. Scientific American， 1999（5）：20-23.
[2]Sun X， Chen H， Wu Z， Yuan Y Z. Multifractal Analysis of Hang Seng Index in Hong Kong Stock Market[J].Physica A： Statistical Mechanics and Its Applications，2001，291（1-4）：553-562.
[3]Cajueiro DO， Tabak B M. Multifractality and Herding Behavior in the Japanese Stock Market[J].Chaos， Solitons&Fractals，2009，40（1）：497-504.
[4]苑莹，庄新田.金融间序列的标度特性实证研究[J].管理工程学报，2008，22（2）：85-89.
[5]Kantelhardt J W， Zschiegner S A， Koscielny B E， et al. Multifractaldetrended fluctuation analysis of nonstationary time series[J].Physica A， 2002， 316（1/4）： 87-114.
[6]胡雪明，宋学锋.深沪股票市场的多重分形分析[J].数量经济技术经济研究，2003（8）：124-127.
[7]苑莹，庄新田.国际汇率的多重分形消除趋势波动析[J].管理科学，2007，20（4）：80-85.
[8]刘维奇，牛奉高.沪深两市多重分形特征的成因及其变化[J].经济管理，2009，31（12）：138-143.
[9]万涛，郑婷婷，张琛，等.不同股市的多重分形特性分析—基于统计物理和MF-DFA方法[J].计算机技术与发展，2010，20（12）：225-227.
[10]黄超，吴清烈，武忠，朱扬勇.基于方差波动多重分形特征的金融时间序列聚类[J].系统工程，2006，24（6）：100-103.
[11]钟维年，高清维，陈燕玲.基于小波和多重分形的金融时间序列聚类[J].系统工程，2009，27（3）：58-61.
【关键词】 再认启发式 流畅启发式 决策
再认和回忆是人类信息提取的两种方式。再认是指记忆过的人、事物、现象、知识或其他对象，再一次出现时，我们可以识别、辨认出来（或者有熟悉感）。回忆是指记忆过的事物不在眼前时能够在头脑中重新浮现的现象。大量研究文献表明再认（即熟悉感）比回忆更早出现在意识里。一流的启发式就利用了这种核心能力。再认启发式就是其中一种。
在日常生活和工作中，人们常常用到再认启发式策略，即人们选择认识的事物的概率通常高于选择陌生事物的概率。比如，当你在超市面对数十种不同品牌的牙膏时，你很可能选择你熟悉的或者听说过起品牌名字的，而很少去选择没有听说过的品牌。人们往往感觉熟悉的品牌更可靠，这就是再认启发式的策略。
一、再认启发式
再认启发式是由歌德·吉戈伦尔和彼得·M·托德领导的“适应行为与认知”研究小组于2002年提出的，是一种用于决策与判断的有限理性工具，它是利用人类经过数百万年进化而来的再认能力来进行行为抉择的一种方法。
再认启发式的目标是，当决策者不能直接获得决策准则时，根据记忆库中信息的再认提取情况，推论决策准则。就是说在一定的环境下，有a、b两个选项，其中一个可以再认，一个不能再认，人们就选择可以再认的（即熟悉的）选项。这里，能够再认成为决策准则。基于这两个方案，再认启发式被定义为：如果两个备选方案中一个能够被再认，另一个不能被再认，就可以推断再认方案具有更高的价值。
对于既定的决策法则，再认效度a越大，人们所依靠的这种启发式越是生态理性的，而且，再认效度a越大，人们也更有可能依靠这种启发式。对于每个人来说，α的大小可以这样计算：
α=C/（C+W）
其中C是在一个对象被再认、另一个未被再认的所有二择一问题中用再认启发式做出正确推断的次数，W是在同样情况下做出错误推断的次数。
大量的研究涉及到人们在决策和判断时是否以生态理性的方式应用再认启发式。例如有研究表明，人们对瑞士城市名的再认成绩是城市人口（α=0.86）的有效预测，而不是这些城市到瑞士中心（α=0.51）距离的有效预测。就是说，人们根据是否能够再认城市名字来推断城市人口的多少，其再认效度为0.86；而根据是否能够再认城市名字来推断该城市与瑞士国土中心区的距离，其效度就低得多（0.51）。
再认启发式的决策方式代表一种规避矛盾的策略，它的运用环境应当满足四个条件：一是再认效度：它指的是再认和效标之间相关程度的大小，我们将其界定为在给定的参照评定等级中，得到再认对象比未得到再认对象有更高效价次数所占的比例。二是适度无知：在二择一选项中，除了一方可以再认，另一方不能再认之外，人们对两个选项的其他方面的了解不多。三是矛盾信息：当线索信息出现矛盾时，人们依然选择可以被再认的选项。四是时间压力：时间紧迫，不允许了解更多的信息。
虽然许多研究涉及到，在生态理性条件下，人们依靠再认启发式解决描述性问题的比例多少，但是，面对规范性的问题，再认启发式与精良的预测设备相比，孰优孰劣？现在来看看温布尔登网球赛的预测结果。有研究表明，业余选手（懂得的只是职业选手的一半）的集体再认对2004年温网比赛结果的预测正确率是72%，这超过了网球协会（ATP）的资格赛排名（66%）、ATP冠军赛排名（68%）和温布尔登的种子选手专家预测（69%）。
有研究者用再认启发式研究了选民对2010德国联邦和州选举的预测。令人惊讶的是，基于知名度能非常准确地预测选举结果。这对预测小政党成功更为适用。
研究者通过对股票市场进行了3年的研究发现，基于再认的投资组合（高再认选项的集合），一般都胜过基金管理人、道琼斯指数、纳斯达克指数以及股票专家。一项为期6个月的现场实验研究证明，再认启发式指导下的股票投资组合取得了优异的成绩。具体试验程序是，选择四组被试，分别是美国普通人、美国专家、德国普通人和德国专家。让这些人对798家上市公司名字进行再认，选择各组再认率都较高的公司（超过90%的被试能够再认）进行投资。接着分两套方案：相对于被试的国别而言，一套由再认率较高的本国公司组成，另一套由再认率较高的外国公司组成。由此组成8种再认投资条件。结果显示，不论是本国还是外国，再认条件下的投资收益率均高于40%。而基于没被再认的公司的股票投资收益仅仅在13%～14%左右。
当然，也有研究者发现，大学生被试（而不是一般公众）以再认启发式选择股票，其结果并没有表现出优势。必须明白，为什么以及在什么条件下，在没有做系统的市场分析的情况下，这种简单的启发式能在金融市场中生存，这仍然是一个悬而未决的问题。
研究表明，消费者选购商品时也常用再认启发式。再认启发式可能是消费者选择商品的重要策略，因为它使得选择的步骤迅速减少。很多时候，人们面对琳琅满目的商品，不知如何抉择，这时个体会根据对这些品牌的熟悉程度（再认）作决策。广告策划人托斯卡尼（Toscani）运用再认启发式到广告策划上，尽其所能使广告画面震撼、刺激，给人深刻印象，使人终生难忘。如血泊中的尸体、垂死的艾滋病患者、沾满油污的海鸟、触目惊心的车祸现场等等。需要强调的是，该类广告除了振聋发聩、令人瞠目之外，并不给消费者提供更多的、更详细的有关产品的信息，目的是只要消费者能够再认该品牌就足够了，其目的就达到了，这样消费者在购物时就能凭借再认选择广告产品。
[关键词] 金融创新；股票指数期货；盈利模式；风险管理
[中图分类号] F830.91
[文献标识码] A
[文章编号] 1006-5024(2007)03-0169-03
[作者简介] 程宇航，江西省社会科学院经济研究所研究员，研究方向为证券投资。(江西 南昌 330077)
金融衍生产品是从货币、外汇、股票、债券等传统金融品中衍生出来的，包括远期、期货、掉期(互换)和期权在内的一种金融合约。
在金融衍生产品中，股票指数期货(简称“股指期货”)作为当代最重要的金融创新，被世界各国广泛应用于风险管理并取得卓越的成效，是20世纪80年代金融创新浪潮中出现的最重要、最成功的金融衍生工具之一，也是金融期货中历史最短、发展最快的金融衍生产品，是其他股票衍生产品的基础。目前，股指期货作为国际资本市场成熟的风险管理工具，发挥着日益重要的作用。
在我国，随着证券市场规模的不断扩大以及资本市场开放程度的不断提高，要求开设股指期货的呼声越来越强烈。客观地说，适时推出股指期货这一金融衍生品种并合理的加以诱导利用，不仅能够降低金融风险，而且还能促进股市的进一步发展。
一、股指期货的相关介绍
股指数期货是指在交易所进行的以某一股票价格指数作为标的物，由交易双方订立，约定在未来某一特定时间以约定价格进行股价指数交割结算的标准化合约的交易。其特征与流程类似于普通商品的期货交易。但由于股指期货买卖的标的是经过统计处理的股票价格指数，因此它联系着期市和股市两个市场，投资者可将其对整个股票市场价格指数的预期风险转移至期货市场。
1.股指期货的发展历程。股指期货最早诞生于美国。二战以后，以美国为代表的经济发达国家的股票市场取得飞速发展，上市股票数量不断增加，股票市值迅速膨胀。在股票市场不断膨胀的过程中，股票市场投资者的结构也在发生着惊人变化，以信托基金、养老基金、共同基金为代表的机构投资者大量涌现。
20世纪70年代，在“石油危机”的冲击下，西方各国的股票市场价格大幅度波动，股票投资者面临着越来越严重的风险，其中以系统性风险更为突出和严重。当时，美国经济陷入“滞胀”的困境。1981年里根总统执政后，为抑制通货膨胀采取了强有力的紧缩货币政策，致使美国利率一路高攀，最高曾达21%。股票价格因此狂跌不止，投资者损失惨重。大批美国投资者几乎丧失对股票投资的信心，转而投资于债券或银行存款。为减轻股票价格升跌给投资者带来的风险，稳定和发展美国股票市场，拓展新兴的分散投资风险的金融衍生工具势在必行，股票指数期货就是在这样的背景下产生并快速发展起来的。
1982年2月24日，美国堪萨斯城期货交易所在历经四年的争论与努力后，首次推出价值线综合指数(The Value Line Index)期货合约，标志着股票指数期货的产生。尔后，芝加哥商业交易所也推出了S&P500股票指数期货交易。股指期货的成功，不仅大大促进了美国国内期货市场的发展，也引发了世界性的股指期货热潮。日本、香港、伦敦、新加坡等地也先后开始了股票指数的期货交易，股指期货从此走上了蓬勃发展的轨道。
自20世纪90年代以来，随着信息技术的飞速发展，受经济全球化趋势的影响，股指期货交易的全球化势不可挡。这突出表现在新的电子交易系统的广泛运用和24小时在线交易的开通。通过电子交易平台，交易者可以从一个终端进行多个市场的期货交易，打破了交易时间和空间的限制，促进了全球股指期货电子化交易网络的形成与发展。目前，股票指数期货已成为当今最活跃的期货品种之一。
2.股指期货的基本特征
第一，股指期货的交割方式采用现金结算，而不是实物(股票)交割。
第二，股票价格指数期货合约的价格是人主观赋予的。
第三，可以同时防范系统性风险和非系统性风险。
3.股指期货市场的功能
(1)规避系统风险。股票市场的风险可以分为系统风险和非系统风险。非系统风险可以通过股票投资组合来分散和抵消，而整个市场的系统风险则是无法用投资组合回避的。一旦由于政策变化等系统风险因素导致股价整体大幅下调，由于缺乏卖空机制，即使投资者对大盘有100%的正确判断，也只能有50%带来收益的可能。因此，处于像我国证券市场这样系统性风险较大的投资环境下的投资者，就迫切需要股指期货这种避险工具与持有的股票仓位进行套期保值交易，以消除股票市场的系统性风险，保持稳定的收益率。
(2)价格发现功能。由于股指期货合约交易频繁、市场流动性很高、交易成本低、买卖差价小，瞬时信息的价值会较快地在期货价格上得到反映。当股指期货价格与股市价格发生偏离时，或者不同期限的股指期货价格发生偏离时，投资者可以计算出错误定价的程度，在锁定价差的情况下套取低风险收益。大量的套利交易将使市场的错误定价迅速得到纠正，从而使股指期货具有价格发现功能。
(3)提高资金利用效率，降低交易成本。股指期货的双向交易机制使机构投资者无论在股价上涨还是下跌时均可进行交易，以避免资金在股价下跌时的闲置；股指期货的杠杆效应能“以小搏大”，提高资金使用效率，降低交易成本；股指期货的高流动性，使得在股指期货市场建立相应金额的头寸要比在股票市场简单快捷得多，而且可避免由于大量资金进出引起股价大幅波动而增加交易的执行成本。因此，在国际金融市场上，机构投资者在应对突发事件的时候，往往先在股指期货等衍生品市场上进行交易，然后再伺机在股票现货市场上进行操作。
(4)进行组合投资，分散投资风险。国外的机构投资者常常在股票、债券与期货间进行有效投资组合，以分散风险，提高投资收益率。在国际金融市场上，股指期货常被作为基金构造指数化投资组合的重要工具。指数基金可以借助一个股指期货合约和国库券多头头寸的投资组合，来实现对股价指数的捆绑，取得与股价指数一致的收益率。实证分析表明，在原有的股票、债券组合中加入部分期货，能在同样的期望回报率水平上有效降低风险。
二、股指期货的套利模式
参照和借鉴国外金融衍生品的发展道路，在我国推出股指期货，不仅仅是中国发展金融期货的一个突破口，也是成就中国金融衍生品市场繁荣的一个切入点。根据当前的市场条件，推出指数期货应当成为我国金融衍生交易产品的优先选择之一。
从股指期货参与者的角度看，股指期货主要有三种投资功能：套期保值、套利和投机。
(1)股指期货的套期保值。股指期货套期保值的原理同商品期货保值的原理类似，不同的是商品期货保值几乎可以完全锁定价格或利润，而股指期货的保值只能规避某个股票(组合)面临的系统风险，即随大盘波动的风险，并不能完全锁定股票的价格。经过股指期货保值后的资产很可能还面临一些非系统风险。
股指期货的套期保值又可分为卖期保值和买期保值。前者是指股票持有者(如投资者、承销商、基金经理等)为避免股价下跌而在期货市场卖出所进行的保值；后者是指准备持有股票的个人或机构(如打算通过认股及兼并另一家企业的公司等)为避免股份上升而在期货市场买进所进行的保值。
(2)股指期货的套利。股指期货的套利一般可以分为期货现货套利、跨市套利、跨品种交易、到期日套利和跨期套利。由于股指期货交易比较活跃的时期一般是最近的一个月份，所以跨期套利比较难于进行。
①期现套利：目前，股指期货交易在交割时采用现货指数，这不但具有强制期货指数最终收敛于现货指数的作用，而且在正常交易期间，股指期货和现指维持着一种动态关系。在各种因素作用下，股指起伏不定，常常与现指产生偏离，当这种偏离超出一定范围时就产生了套利机会。
②跨市套利：同商品期货的跨市套利原理一样，股指期货的跨市套利是利用两个市场股指期货合约价格的趋同性进行套利。两个市场比如中国和香港，由于股市信息获得的时效性、准确性以及心理预期的不同，两市股指期货价格的走势可能会不同，等到消息明朗时，两市股指期货价格之差又会回到正常的水平，这就给跨市套利提供了机会。
③跨品种套利：跨品种套利是指利用两种不同的、受到同一供求因素影响的品种之间的价差进行套利交易。由于不同品种对市场变化的敏感程度不同，套利者根据它们发展趋势的预测，可以选择多头套利或空头套利。这种套利交易方法是根据两种交易品种之间的价差发展趋势而制定的。具体操作与跨市套利大致相同。
④到期日套利：对股指期货一类进行现金结算的期货品种而言，除了提供上述投资机会外，还可以进行到期日套利。当预期最后结算价大于股指期货合约价格时，可以买入股指期货合约等待到期结算，相当于以较高价格卖出；反之，当预期结算价小于股指期货合约价格时，可以卖出合约，以较低买价结算。
⑤跨期套利：跨期套利是指利用股指期货不同月份的合约之间的价格差价进行相反交易以从中获利。跨期套利根据其采用的方法可分为两种：多头跨期套利和空头跨期套利。
a、多头跨期套利： 当股票市场趋势向上，且交割月份较远的期货合约价格比近期月份合约价格更容易迅速上升时，进行多头跨期套利的投资者，可以出售近期月份合约同时买进远期月份合约。反之.如果股票市场趋势向上，且交割月份较近的期货合约比远期合约的价格上升快时，投资者就买进近期月份期货合约而同时卖出远期月份的期货合约，到未来价格上升时，再将近期合约和远期合约同时平仓，这样就实现多头套利目的。
b、空头跨期套利 ：与多头跨期套利相反，当股票市场趋势向下时，如果交割月份较远的期货合约比近期月份合约的价格更容易迅速下跌时，那么，投资者就可买进近期月份合约而卖出月份较远的合约；如果交割月份较近的期货合约价格比远期月份合约的价格下跌快时，投资者就应卖出近期月份期货合约而买入远期月份的期货合约。到未来价格下跌后，再将远期和近期合约同时平仓，实现空头跨期套利的目的。
(3)股指期货的投机。投机股指期货的原理在预测股指将下跌时卖出股指期货合约，在预测股指上升时买入期货合约。所以除了必要的技术分析知识外，还必须对股票指数标的进行研究。
三、股指期货蕴含风险
股指期货能给投资者带来避险和创造收益机会的同时，也以它特有的以小搏大的交易特点，其自身的投机性、间接性和集中性带给我们奇特的杠杆效应，使现货交易中的风险以更加剧烈的方式在期货市场中表现出来。基本风险是股指期货交易的价格风险，还有来自业务处理不当或从业人员违规以及交易、结算系统不完善所引致的风险。因此，对股指期货交易风险的防范及管理就显得尤为重要。
从投资市场环境来看，股指期货的推出，一方面容易加剧市场上过度投机的氛围，另一方面，由于我国股票市场呈现弱式有效市场，交易主体获取信息的不对称，机构投资者可以利用资金和信息的优势通过影响股票现货市场从而到达影响股指期货市场的目的，并且由于股指期货的杠杆效应，股票指数的较小变动就会导致股指期货市场的巨幅波动，因此中小投资者要承担更大的风险。同时，由于我国市场深度不够，也容易产生市场业务量不足或无法获得市场价格，致使投资者无法及时平仓的市场流动性风险。
从交易主体来看，套期保值者有可能由于所持有的股票现货与股票指数的结构不一致或具有相关系数较低、对价格变动的趋势预期错误以及资金管理不当，就会造成套期保值的失败，从而给市场带来风险。套利者如果对理论期货价格的估计准确，则套利几乎是无风险的。而股指期货的价格是由无风险收益率和股票红利决定的，但我国目前利率没有市场化，公司分红派息率也不确定，并且股票价格变动在很大程度上也不是由股票的内在价值决定的，更关键的是复制指数的一揽子股票与现货指数之间存在高度相关性的困难较大，这些都使得套利在技术上存在风险。同时，对于投机者而言，投机交易在股指期货交易成交量中占很大比重，如果投资者没有能力在别的市场上做相应的投资，就等于把投资完全暴露在期货风险之下。1993年在海南进行的股指期货试点的后期，就是因为大部分交易者都是投机者，大户操纵严重导致了股指期货的畸形发展而导致最后的关闭。
从市场监管方面来看，我国已经建立了比较完善的证券、期货监管机构，管理层在多年的监管实践中积累了丰富的经验，包括应对突发性事件的经验。但是，现阶段我国证券期货监管机制尚不完善。在法律手段的运用上，表现为可操作性不强、执法力度不够，在出现问题时，不可避免地会用行政命令的方式干预市场。
推出股票指数期货对于我国证券市场是一项创新，存在着各种各样的风险，关键是如何化解这些风险。由于期货交易方式比现货交易方式具有风险更高的特点，相应地在管理上也有更高的要求。可以通过建立严密的股指期货法规与监管体系，健全交易制度和规则，尽力完善“游戏规则”，行政机关依据法律、法规规范期货市场的组织机构和运行机制，强化对会员的管理，保证期货市场的正常运作，来尽可能地控制市场的各种风险，保证市场的流动性、稳定性和透明度。
参考文献：
[1]丁俭.封闭式基金与股指期货套利及定价[N].证券市场周刊，2006-12-24.
