无风险资产的特征精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的无风险资产的特征主题范文，仅供参考，欢迎阅读并收藏。

第1篇：无风险资产的特征范文

关键词：期权理论；财务功能；管理功能

中图分类号：F8文献标识码：A文章编号：1672-3198（2008）10-0245-02

1 期权及其特征

期权实质上是一种选择权，是指期权卖方在收到一定的期权购买费用（权利金）之后，承诺给期权买方一份在特定的期限内以特定的价格从期权卖方购买（看涨期权）或卖给期权买方（看跌期权）一定数量相关标的资产的权利，而非义务的合约或合同。期权的价值包括履约价值和时间价值两个部分：履约价值是指期权被立即执行时的标的物市价与履约价格之间的差异，履约价值最低值为零；时间价值是由于标的物价格波动的不确定性而带来的超过期权履约价值以上的额外价值。期权价值主要受标的资产价格、期权执行价格、到期时间、标的资产价格波动率、无风险利率、标的资产收益率等六种因素的影响，但不管受到何种因素的影响，期权价值总是在一定的上、下限范围内波动。期权的下限是期权的履约价值；期权的上限分为买权价格和卖权价格两种，买权价格上限是标的资产的价格，卖权的上限是执行价格。

期权与其他衍生金融资产有所不同，其特征主要有：

（1）期权作为一种衍生金融产品，体现的是一种合约关系。期权的交易对象是一种权利，即买进或卖出特定标的物的权利，但并不承担一定要买进或卖出的义务。这种权利具有很强的时间性，超过规定的有效期限不行使，期权便会自动失效。

（2）权利与义务的不对称。在期权交易中，买卖双方的权利、义务是不对等的。买方支付权利金后，就获得买进或卖出的权利，而不负有必须买进或卖出的义务。卖方收取权利金后，负有买方要求，必须买进或卖出某一确定标的物的义务，而没有不买或不卖的权利。

（3）风险与收益的不对称。期权买方的风险是已知的，仅限于支付的权利金，不存在追加义务，但是其潜在的收益在理论上是无限的；期权卖方的收益是有限的，其收益值就是收到的权利金，但是风险损失在理论上是无限的。由于期权卖方承受的风险很大，为取得平衡，设计期权时通常会使期权卖方的获利的可能性远大于期权买方。

（4）期权具有以小博大的杠杆效应。在期权交易中，买方面临的风险和损失是有限、可预知的，其最大损失就是权利金，因此，期权买方无须缴存保证金；卖方在期权卖出后至履约前，处于某种商品或金融资产空头，面临的风险是无限的，但只需向交易所缴存一定数量的保证金，一般为合约金额的一定百分比，因此，期权具有较强的杠杆性和投机性。

2 期权理论在企业中的应用

2.1 期权的财务功能

（1）套期保值功能。

期权的套期保值功能是指通过设立一个与现货数量相等、方向相反的期权头寸：买进现货时，同时持有卖权（看跌期权）；卖出现货时同时持有买权（看涨期权）。这样对冲组合的总价值将会保持不变。

资产保值的思路是：无风险状态可以通过资产权利与义务的分离来实现。其保值的公式为：无风险资产价值=看跌期权+风险资产现行价值-看涨期权价值。财务含义是持有风险资产与卖权多头、买权多头的组合，具有保险的功能，是一份无风险资产的复制品。

①买入套期保值：（又称多头套期保值）是在期货市场中购入期货，以期货市场的多头来保证现货市场的空头，以规避价格上涨的风险。

例：某油脂厂3月份计划两个月后购进100吨大豆，当时的现货价为每吨0.22万元，5月份期货价为每吨0.23万元。该厂担心价格上涨，于是买入100吨大豆期货。到了5月份，现货价果然上涨至每吨0.24万元，而期货价为每吨0.25万元。该厂于是买入现货，每吨亏损0.02万元；同时卖出期货，每吨盈利0.02万元。两个市场的盈亏相抵，有效地锁定了成本。

②卖出套期保值：（又称空头套期保值）是在期货市场出售期货，以期货市场上的空头来保证现货市场的多头，以规避价格下跌的风险。

例：5月份供销公司与橡胶轮胎厂签订8月份销售100吨天然橡胶的合同，价格按市价计算，8月份期货价为每吨1.25万元。供销公司担心价格下跌，于是卖出100吨天然橡胶期货。8月份时，现货价跌至每吨1.1万元。该公司卖出现货，每吨亏损0.1万元；又按每吨1.15万元价格买进100吨的期货，每吨盈利0.1万元。两个市场的盈亏相抵，有效地防止了天然橡胶价格下跌的风险。

（2）套期谋利功能。

套期保值功能是通过期权机制与期货机制相结合。对于期权买方来说，买权多头与期货空头的组合、卖权多头与期货多头的组合；对于期权卖方来说，买权空头与期货多头的组合、卖权空头于期货空头的组合。

套期谋利的公式是：看涨期权价值=风险资产价值-无风险资产价值+看跌期权价值。财务含义是负债投资与一个卖权多头、一个买权空头的组合，具有价值增值的功能，是一份看涨期权的复制品。

例：假设“龙山”的股价是20元，一张“龙山”的认购权证可以认购1张“龙山”的股票，认购价格为25元，而认购权证的市价（即期权费用）为5元。故拥有1张“龙山”的认购权证，等于是用5元的代价来投资25元（认购价格）的股票，今若“龙山”的股价上涨到38元，则其报酬额为38-25-5=8（元）（未考虑交易成本），即使去掉交易成本，也应该是赚钱的。

（3）价值定位功能。

价值定位功能是通过供求双方对标的物未来价格的预计来确定期权的执行价格，这个价格是双方达成的市场均衡价格，给现货市场的标的物价值定位提供了方向。另外，权利金的确定为资产所附属权利的价值提供了衡量方式，也为如何把不确定性转换为经济价值提供了可行性。

价值定位的公式是：风险资产价值=无风险资产价值+看涨期权价值-看跌期权价值。财务含义是风险资产价值由既定的无风险资产价值和风险行动的价值所构成，持有一个无风险资产与一个在买权多头和卖权空头上风险行动的组合，具有价值定位的功能，是一份风险资产的复制品。

例：2002年4月，深万科发行总额为15亿、5年期、面值为100元、票面利率1.5%、每年付息一次的可转换债券，债券契约规定债券持有人可以按转换价格12.10元降可转换债券转换位公司的普通股票并可上市流通。发行时万科的股价是11.57元，股价的历史波动率为21.89%，市场的无风险利率为2.15%（以9905国债5月29日价格计算），与该可转换债券信用等级相同但不附转换条款的同类债券的市场收益率假定为5.5%（取同期的五年期银行贷款年利率）。

（1）万科可转换债券期权价值C的确定。

由已知得：t=0,n=5,P=100,r=1.5%,X=12.10,S0=11.57,σ=21.89%,rf=log(1+2.15)=2.13%，

d1=log(stX)+rf(n-t)+σ2(n-t)2σn-t=log(s0X)+rfn+σ2n2σn=0.3708

d2=d1-σn-t=d1-σn=-0.1187

万科转债每份期权的价值为：

c(t)=StN(d1)-Xe-rf(n-t)N(d2)=S0N(d1)-Xe-rfnN(d2)=2.534

由于转换比率R=P/X=8.26，所以每张可转换债券转换权在发行时点0的价值为：

C(0)=R×c(0)=8.26×2.534=20.94

（2）万科转债市场价值M的确定。

由假设条件可知r0=5.5%，万科转债在时点0的直接债券价值为：

B(0)=∑3i=1Ii+pi(1+r0)i=82.92

其中，pi，Ii分别为时点i时债券本金和利息的支付额。

万科转债在时点0的价值为：

M(0)=B(0)+C(0)=82.92+20.94=103.86

2.2 期权的管理功能

（1）期权的激励功能。

现代公司典型特征就是公司所有权与管理权的分离，由此产生了，经营者如何才能实现股东价值最大化，在公司的管理中产生了股票期权激励制度。在股票期权制度中，经理人可以在规定时期内以股票期权的行权价购买本公司股票，这个购买过程称为行权。在行权以前，股票期权的持有人没有现金收益行权以后，其收益为行权价与行权日市场价之间的差价。经理人员可以自行决定在何时出售所得股票。股票期权的收益主要取决于价格因素，股票未来价格的高低直接影响经理人的收益。可见企业引入股票期权制度以后，经理人员能够享受本公司股票增值所带来的利益增长并承担相应的风险。这样经理人的个人收益与其经营业绩和企业的未来发展建立起一种正相关关系，从而鼓励经理人更多地关注企业的长期持续发展，而不是仅仅将注意力集中在短期财务指标上。由此，企业价值最大化成为股东和经理人员的共同目标。

（2）期权的投资决策功能。

期权理论完善了传统投资决策的中的净现值决策方法和内含报酬率决策方法。在期权法下，管理者决策的价值将被考虑、得到评估，这正体现了期权理论与传统投资决策方法相结合的现实意义，能给投资者未来继续投资提供可选择性。因此引入期权后，投资项目的价值=传统的NPV+期权价值。传统净现值法孤立考虑每个阶段的投资，有可能使公司丧失许多宝贵的投资与成长机会。而现实中许多项目的建设需要多期投资才能完成，这类投资决策都可以看作对复合期权的选择，每阶段完成后，企业就具有了是否完成下阶段的期权。投资决策转化为如何最有效执行期权的问题，把整个项目各阶段结合起来进行评价，将使决策更加科学。

参考文献

［1］邵函，苏海燕.期权理论在企业财务风险管理中的应用［J］.财会通讯（理财版），2006，（12）.

第2篇：无风险资产的特征范文

关键词：城镇家庭资产；家庭消费；消费行为：分位数回归模型

中图分类号：F830

文献标识码：A

文章编号：1000-176X（2017）05-0115-08

一、问题的提出

自Modigliani提出生命周期理论之后，关于财富对消费的影响更激发了学者们的研究兴趣。Elliott分析了家庭金融财富、非金融财富与消费支出之间的关系。发现非金融财富对消费支出的影响不显著。Davis和Palumbo采用美国宏观数据进行研究，认为居民总资产若增加1美元，其总消费会随之增加3-5美分，但金融资产和非金融资产对消费的影响各不相同。Dynan和Maki使用1983-1989年美国家庭微观调查数据进行研究，发现持有股票的家庭其消费支出会跟随股票价格变化而同方向变化。但不持有股票的家庭其消费不受股价影响。Case等分别从美国国家层面和州层面对金融资产、住房资产与消费支出之间的关系进行了研究，认为住房资产对家庭的消费性支出具有显著影响。且影响大于金融资产。Bostic等将美国的两个微观调查数据库进行匹配，研究了金融资产与住房资产的消费效应，结果表明住房资产对消费的弹性系数为0.044-0.065，而金融资产的消费弹性系数为0.007-0.023，住房资产对消费的影响更大一些，且家庭的耐用品消费与非耐用品消费行为存在差异。Bonis和Silvestrini利用1997-2008年间11个OECD国家的宏观数据进行研究，发现居民金融资产的边际消费倾向比住房资产的边际消费倾向大。Sousa对1980-2007年欧元区的情况进行了研究，认为金融资产对消费的影响较大且显著，而住房资产对消费的影响效应接近于零且不显著。Peltonen等使用14个新兴国家的数据对家庭财富与消费关系进行研究，发现亚洲国家的房产财富效应正在不断增加，在股市资本化程度高的国家金融资产财富效应较强，而收入水平或者金融发展水平较低的国家房产财富效应更显著。

骆祚炎采用城镇居民1985-2005年的宏观年度数据，分析了我国居民金融资产与住房资产对消费的影响，认为住房资产对消费的影响大于金融资产对消费的影响，但二者的影响效应都较为微弱。魏锋基于误差修正模型，分析和对比了我国股票市场以及住房市场的财富效应，发现房地产市场具有扩张的财富效应，而股票市场具有收缩的财富效应。邹红和黄慧丽使用我国城镇家庭1999-2009年季度数据。分析了居民资产对消费的影响，结果显示我国房地产市场对居民消费影响显著，其财富效应远远大于股票市场的财富效应。田青对我国2001-2009年的居民金融资产与实物资产进行了估算，并分析了二者对消费的影响，认为家庭资产会对消费产生积极的促进作用，其中实物资产对消费的影响作用较强，居民储蓄和股票资产对当期消费会产生挤出效应。而其他类型金融资产对消费的影响不显著。乐长根和辜宏强运用2003-2010年季度数据，使用误差修正模型分别对居民股票资产、储蓄资产、住房资产与消费变动之间的关系进行检验，发现股市存在微弱的负财富效应，住房市场的正财富效应相对显著，储蓄资产从短期来看具有负财富效应，在长期则有正财富效应。谢垩采用我国健康与养老追踪调查数据，首次在微观层面上探究了家庭资产对消费的影响，认为对于拥有自有住房者而言，房产的消费弹性明显大于金融资产的消费弹性。张大永和曹红使用我国家庭金融微观调查数据，分析了家庭住房资产、金融资产及其他实物资产对消费的影响。研究结果表明，拥有自有住房与否、住房的价值和金融资产规模等因素都对家庭消费产生显著影响，且住房资产对消费的影响大于金融资产。进一步分析认为，无风险金融资产对非耐用品消费产生较大影响，而风险金融资产对耐用品消费影响更大。陈训波和周伟使用2008年的我国家庭动态跟踪调查数据，分析了我国城镇不同类型家庭财富对消费的影响，认为家庭各类资产对居民消费的影响显著，且金融资产的边际消费倾向高于房产。家庭人口数量和户主特征等因素也对城镇居民消费产生显著影响。李涛和陈斌开基于微观家庭数据，区分和比较了家庭生产性固定资产和非生产性住房资产对居民消费的影响，考察了家庭资产对居民消费的“资产效应”和“财富效应”。研究发现，家庭住房资产主要呈现出消费品属性，只存在微弱的“资产效应”而不存在“财富效应”。相反，家庭生产性固定资产具有明显的“资产效应”和“财富效”。张屹山等分析了我国居民收入与金融资产结构，结果发现，无论城镇还是农村家庭，财产性收入对消费的促进作用都不显著，原因是我国居民财产性收入在总收入中的占比较低。李波利用我国家庭金融调查数据，从理论和实证角度论证了金融风险资产对消费支出的财富效应与风险效应，认为两者存在替代关系，随着家庭金融资产的持有权重提高，资产财富的边际消费倾向增加，资产风险的预防性储蓄倾向也随之增加。

上述研究的结果表明，不同国家、不同家庭的财富对消费的影响各不相同，尤其在我国，利用微观数据进行这一领域的研究近几年才展开，研究的内容还有待进一步深入。本文拟利用我国家庭金融调查数据（China Household FinanceSurvey，CHFS），研究我国城镇家庭金融资产、住房资产以及非住房实物资产对家庭消费的影响，特别地，本文将采用分位数回归模型，重点研究不同收入水平家庭的消费影响因素。并将家庭金融资产细分为无风险资产、风险资产和社保账户资产，分别研究不同类别的金融资产与家庭消费之间的关系，回答家庭特征变量对家庭消费的影响程度。

二、样本选择、变量定义及描述性统计

（一）样本选择

本文使用的数据来源于CHFS 2011年的全国基线调查数据。CHFS是西南财经大学我国家庭金融调查与研究中心进行的一项全国性的全面系统的入户追踪调查，涵盖了全国25个省（市、区）、80个县、320个社区共8 438户家庭，个人信息的样本量为29463人，具有广泛的地域代表性及大样本性质。CHFS针对性较强，拥有居民家庭各项金融资产的详细信息，全面客观地反应了当前我国家庭金融的基本状况。通过与国家统计局公布的可比数据进行对比，CHFS调查数据与国家统计局公布的数据基本一致，说明CHFS调查数据的高质量与可信度。

在数据处理过程中。首先将存在缺失值和异常值的家庭剔除，然后根据以下原则对样本进行筛选：（1）户主年龄限制在20-65岁，这部分家庭是当前社会主要消费群体，且数据缺失较少。（2）部分低收入家庭的收入仅来源于政府补贴，不具备代表性，因此，将收人最低5%的家庭剔除。最终获得有效样本2888个。

（二）变量定义

结合CHFS的数据，本文给出变量定义如表1所示。

（三）描述性统计分析

由我国城镇家庭关键指标的描述性统计结果可知，从金融资产上看，我国城镇家庭金融资产均值为86030.00元，其中风险金融资产为28926.20元，无风险金融资产为57103.80元，即大多数家庭持有的无风险资产远高于风险资产。此外，家庭拥有的社保账户资金不容忽视，达到23220.60元；从实物资产上看，城镇家庭拥有的住房资产价值达632283.00元，远高于其他实物资产的价值；①此外，样本中的家庭规模基本符合我国大多数城镇家庭为三口之家的状况；约有16%的家庭户主具有大学本科及以上学历；户主中68%为男性，89%已婚。

（二）有房家庭消费支出的分位数模型估计及影响结果分析

根据模型（3）估计家庭资产对有房家庭支出的回归结果如表2所示。由表2可知：

第一，家庭金融资产显著影响家庭消费，并随收入水平的提高影响程度逐步下降。金融资产的消费弹性在1%显著水平下显著为正，说明有房家庭消费明显与家庭金融资产有关，从数量上看，收入水平越低的家庭对财富越敏感，收入水平越高的家庭，财富对家庭消费的影响越小。

第二，住房资产显著影响家庭消费，且住房资产对消费的弹性大于金融资产对消费的弹性，随着收入水平的提高住房资产对家庭消费影响程度逐步下降。住房资产对于消费支出的弹性在1%显著水平下显著为正，说明不论高收入还是低收入家庭的消费支出都与其所拥有的住房资产显著正相关，越是低收入家庭，住房资产对消费的影响越强烈。与金融资产相比，无论哪一类收人群体，其家庭消费都受住房资产的影响更大。我国城镇有房家庭的住房资产均值为632283.00元，远高于金融资产均值86030.00元的水平，因此，笔者认为，住房资产的保障作用对消费的影响明显大于金融资产对消费的促进作用。

第三，家庭可支配收入是影响家庭消费的关键因素，家庭的收入消费弹性随收入增加而减小。所有变量中，消费的收入弹性最大，且都在1%显著水平下为正。随着收入的增加，家庭消费的收入弹性渐次变小，这正如凯恩斯消费理论所述，边际消费倾向随着收入的增加而减少。

第四，非住房类实物资产对家庭消费的影响高于预期，且随着家庭收入的增加，对家庭消费的影响随之增加。非住房类实物资产大致包括汽车、相机、空调或奢侈品等众多耐用品以及字画等艺术品，这类资产对家庭消费的影响比我们预期的要大，仅次于收入对消费的影响，并且随着家庭收入的增加，对家庭消费的影响随之增加。

第五，中等收入家庭的消费支出受家庭规模的影响大于低收入和高收入家庭。家庭规模对家庭消费的影响在五个分位点上均显著为正，其中在Q50分位点的系数最大为0.071，总体呈现倒u型状态。消费支出与家庭成员人数正相关毋庸置疑。对于中等收入家庭来说，家庭人员增加相的消费支出必然增加。但对于高收入家庭来说，家庭成员增加多出的开支对家庭总体消费的影响不大，换言之，’增加一个人的开支占家庭总消费中的比重相对较小：对于低收入家庭来说，也许多一个孩子的投资仅限于多了基本的生存性消费，占总体家庭消费的比重也不大。因此，表现出家庭规模对家庭消费的影响随着收入水平的提高呈现倒u型状态。

第六，户主学历对最高收入家庭的影响不显著，对其他收入水平家庭的影响差别不大。估计结果显示，户主学历高的家庭其消费支出也高，这是由于学历高一般伴随着收入水平高。相应地消费水平也高。但对于特别高收入的家庭来说，其收入水平或者由于创业、机遇和继承等原因，其学历水平已不是主要因素。

第七，中低收入的男性户主家庭消费低于女性户主家庭，高收入家庭的户主性别对家庭消费影响不显著。这是我们根据模型估计结果得出的一个有趣的结论。户主性别对家庭消费的影响在Q10、Q30和Q50分位点均显著为负，在Q70、Q90分位点上则不显著，即男性户主低收入家庭的消费比女性户主低收入家庭的消费少16.6%，次低收入和中等收入男性户主家庭相对女性户主家庭少消费7.4%和3.9%。

在我国传统中，家庭户主通常为男性，户主为女性的家庭更多为离异和未婚家庭。在高收入家庭，户主性别不影响家庭消费容易理解，但在中低收入家庭中，笔者认为产生前述现象可能有两个主要原因：一是女性户主如果离异，她很可能需要进入下一段婚姻，在这期间就需要保持一定的“面子”消费，并且不需要为下一段婚姻积累资金。而如果是离异的男性户主，他为了下一段婚姻则更可能需要积累资金，节俭消费。二是女性户主如果再婚。通常她就是家庭住房的拥有者，而她又处于中低收入家庭，很可能意味着她的家庭住房是靠相对有钱的娘家资助的，在有外来经济资助情况下，家庭消费支出可以更高。

第八，正常婚姻状态对中低收入家庭的消费具有促进作用，对高收入家庭影响不显著。估计结果显示。户主婚姻状态对家庭消费的影响在Q10、Q30和Q50分位点上分别为0.108、0.212和0.136（在Q70和Q90分位点上不显著），也就是说，婚姻状态正常家庭的消费水平要高于离异、未婚家庭，而高收入家庭则不受户主婚姻状态的影响。婚姻状态正常的中低收入家庭一般来说收入来自于夫妻双方，高于离异或未婚家庭，从数据上看，消费增加在10%-20%左右。

（三）无房家庭消费支出的分位数模型估计及影响结果分析

根据模型（3）估计家庭资产对无房家庭支出的回归结果如表3所示。

由表3可知：

第一，家庭金融资产显著影响家庭消费，高收入无房家庭对金融资产相对更敏感。由估计结果可知，消费支出的金融资产弹性都显著为正，说明无房家庭消费同样与家庭金融资产有关。样本数据显示，有房家庭的平均收入和平均金融资产比无房家庭分别高出23%和50%，也即我国的无房家庭通常是收入相对较低的家庭。无房家庭中的高收入家庭最有可能购房。这类家庭必须攒钱购房，所以对财富最敏感。

第二，家庭可支配收入是无房家庭消费的最重要影响变量。与其他变量相比，无房家庭的消费收入弹性最大，且明显高于有房家庭的消费收入弹性，但无房家庭的消费与收入之间没有呈现明显的由收入引起的变化，甚至高收入家庭的弹性相对较大。这也是因为无房家庭大部分属于相对低收入家庭，没有足够的资金用于购房和消费，对收入敏感。

第三，非住房类实物资产对无房家庭消费的影响较大。非住房类实物资产对无房家庭消费的影仅次于收入对消费的影响，但影响程度并未随着家庭收入的变化成规律性变化。

总体来看，无房家庭与有房家庭的消费支出都受收入、实物资产和金融资产的影响，但影响强度却不同。有房家庭的消费支出与我们对现实的认知更吻合，而无房家庭中不同收入水平家庭的各个变量系数没有呈现规律变动。从模型对各变量不同分位点上的系数斜率相等检验结果可以看出，不同分位点上的系数（D1除外）都不能拒绝斜率相等的假设，也即各分位点上的系数斜率可以认为没有显著差别。虽然无房家庭的收入有高低之分，但由于普遍收入较低、金融资产较少、又都没有住房资产，因此，无房家庭普遍需要节俭开支、压缩消费、攒钱买房，总体上他们处于同一消费水平，属于同一种消费群体。

（四）无风险金融资产和风险金融资产对有房家庭消费支出的影响分析模型（4）的分位数回归结果如表4所示。

对表2和表4相同变量的系数变化进行比较可以发现，将广义金融资产划分为无风险金融资产、风险金融资产和社保账户余额后，估计的系数基本不变。趋势则完全没有改变，说明模型是非常稳健的。这里，我们仅分析家庭无风险金融资产、风险金融资产和社保账户余额对家庭消费的影响。

第一，无风险金融资产对家庭消费影响最大，且其弹性系数随收入的增加而减少。随着家庭收入水平的提高，无风险金融资产对家庭消费的影响程度渐次减小。从描述性统计分析即可以看出，我国城镇家庭无风险资产大致是风险资产的两倍，且低收入家庭无风险资产配置的比重更高，而高收入家庭风险资产的配置比重更高，①上述结论正是消费理论和我国家庭金融资产配置状况决定的，低收入家庭无风险金融资产对消费的保障作用更明显。

第二，风险金融资产对家庭消费性支出的影响微弱，收入越高，家庭消费的风险金融资产弹性越大。在家庭金融资产配置结构中，高收入家庭更倾向于配置风险金融资产，其数量更多、比重更高、种类也更丰富。本文的估计结果与实际情况完全相符。最低收入10%的家庭消费对风险金融资产不敏感，最可能的情况是这部分家庭没有或仅有极少的风险性金融资产。随着收入的增加，家庭消费的风险金融资产弹性渐次增大，在最高收入的10%家庭中，其风险金融资产对家庭消费的影响最高，弹性为1.6%。

第三，社保账户余额对消费的影响随家庭收入的增加而减弱。对于低收入家庭来说这是一笔不可忽视的财富，即使目前不能直接使用，但仍是可以预期的个人财富，对稳定当前消费具有重要作用。而对于高收入家庭来说，其家庭收入支付当前消费绰绰有余，社保账户余额不会对当前消费有任何影响。

四、结论及讨论

第一，无论是有房家庭还是无房家庭，家庭财富都是影响家庭消费的重要因素。有房家庭中的低收入者对财富更敏感；无房家庭中的高收入者对财富更敏感。我国家庭拥有无风险金融资产的比重两倍于风险金融资产，因此，无风险金融资产对家庭消费的影响更大。

第二，对有房家庭而言，无风险金融资产配置的比重随家庭收入的提高而递减，风险金融资产配置的比重随家庭收入的提高而递增。低收入家庭的资产结构中无风险金融资产比重最高，风险金融资产比重最低，风险金融资产的变动对家庭消费没有影响。高收入家庭正好相反，无风险金融资产对其家庭消费没有影响。

第三，社保账户资产在家庭财富中占有较大比重，大约占广义家庭金融资产的20%以上，占低收入家庭金融资产的比重更高达25%。虽然这是一笔不能当期使用的资产，但却是中低收入家庭良好的预期保障，因此，做好社会保障工作对提高我国城镇家庭消费支出具有重要意义。

第四，对有房家庭而言，不论高收入还是低收入家庭的消费支出都与其所拥有的住房资产显著正相关，且越是低收入家庭，住房资产对消费的影响越强烈。与金融资产相比，无论哪一类收人群体，其家庭消费都受其拥有的住房资产的影响更大。是否拥有住房、是否需要为购房积累资金，这些选择都会影响家庭消费支出。

第五，汽车、相机、空调或奢侈品等非住房实物资产通常具有消耗性，家庭拥有这类资产越多，基于该类资产的支出越多，但这些资产正是消费结构升级的趋势和方向。因此，政府还需不断在政策上向中低收入阶层倾斜，提高其收入水平和消费能力，进而促进全民生活水平和生活质量提高，最终提高社会总需求。

第3篇：无风险资产的特征范文

关 键 词：行为金融；卖空机制；投资者退化；股市波动性

中图分类号:F830.91 文献标识码:A 文章编号:1005-0892(2007)04-0062-06

Shleifer(2000)把套利风险和投资者情绪作为行为金融体系的两个支点来研究。[1]套利不充分，就会使证券价格偏离基本价值，出现异常现象。制度对套利行为的限制是套利不充分的一个重要因素。本文选取卖空机制作为制度因素，讨论在允许套利机制和禁止套利机制两种条件下投资者心理和行为的变化以及对股市波动性的影响，以解释特殊制度条件下交易者从信息交易者向噪音交易者的蜕变。有无卖空机制是股票市场能否实现充分套利的一个重要条件。中国股票市场上长期禁止卖空机制，因而选取这一机制对我们研究中国股票市场上制度因素对投资者心理和行为的影响具有现实意义。{1}本文建立了一个数学模型，试图证明在允许卖空和禁止卖空条件下投资者和市场的不同反应，说明在特殊的制度背景下，投资者从信息交易者向噪音交易者转化的可能性。

一、卖空机制的相关研究

卖空机制对投资者行为影响的系统研究始于Miller。Miller(1977)认为，由于禁止共同基金卖空股票（市场仅允许有限卖空），在股票上升超过基本价值时，市场力量较强的一方不能通过卖空充分套利，股票价格仅反映了市场上最乐观的投资者对股票价值的评价。Miller还认为，市场对股票走势看法的分歧越大，市场缺乏向下卖压的力量，股票价格越有可能上升至偏离基本价值的水平，由此造成股票未来预期回报率下降和回报率分布的肥尾（skewness）现象。[2]Scherbina(2000)的实证研究证实了Miller的结论：高分散度的投资组合（代表对市场看法的分歧大）比低分散度的投资组合的平均收益率低。[3]Miller认为，市场看法的分歧越大，基金不能卖空，就要减持某一种股票，这种股票的价格就会被乐观的投资者的交易行为推高，同时未来预期回报率就会降低。Chen ,Hong和 Stein (2000)的实证研究证明：基金持有份额较低的股票，平均回报率较低；反之亦然。[4]Hong 和 Stein(1999)分析了卖空限制和买卖订单高峰时投资者对后市看法的分歧，证明卖空限制导致肥尾现象――股价向上波动的幅度大于向下波动的幅度。[5]投资者在不同制度背景下的行为差异是导致股市不均衡波动的主要原因。在西方，市场存在卖空机制，但同时对卖空又有很多限制。我国的情况则是截至2006年8月1日之前，股票市场禁止卖空行为，而同期我国股票市场的波动性则比西方成熟市场更大。{2}

二、卖空机制对投资者行为影响的数理分析

假设一个股票市场的投资者，期初拥有一笔财富w，分散地投资于市场。投资者不持有现金，不进行透支投资。市场上有两种资产：无风险资产，其固定收益率为rf；风险资产（股票），其收益率为两部分，即资本利得R和红利d。我们假设投资者的投资期限为一期，比如一年。为了计算方便，略去资本红利，风险资产的收益率用R代表。{3}投资者的资产组合由无风险资产和风险资产（股票）两部分组成，风险资产的组合用市场组合或指数组合来表示，投资者面对的只有系统性风险。投资者的资产组合在市场的有效前沿上（efficient frontier），即这个组合是投资者风险态度既定下的效用最大化的最佳组合。{4}投资者投资股票市场的比率用a表示，无风险资产的比率为(1-a)。投资者的市场风险贴现因子为?啄，0

1．允许卖空机制条件下投资者的行为模型（此处的卖空指无限制的完全卖空机制）。投资者的期初财富为w0，无风险资产的收益率为rf。假设在允许卖空的条件下，投资者投资风险资产的比例为a1，风险贴现因子为?啄1，期末财富为wp。在允许卖空的条件下，投资者可以通过股票上涨和卖空两个途径获取收益，投资者的资本收益率由两部分构成：股票上升时的资本收益率（用R1表示），以及卖空时的收益率。假设在有卖空机制的条件下，投资者的操作策略是每一次在股票指数上涨到一个高点时，卖出所有股票，并借来相同数量的股票卖空；在一个低点时买回当初卖出的股票组合，同时买入同样数量的股票还给其他投资者。进一步假设有卖空机制的市场是一个成熟、完美且有效的市场；在这个市场上，股票走势不可测，一年内股票指数上涨和下跌的概率相等，即投资者卖空的资本收益率和买卖股票的资本收益率相等，也为R1。于是，我们有：

2．禁止卖空机制条件下投资者的行为模型（禁止任何形式的卖空）。{5}投资者的期初财富和无风险资产的收益率与允许卖空机制条件下相同，仍为w0和rf。假设在禁止卖空条件下，投资者投资股票的比例为a2，风险贴现因子为?啄2，期末财富为wf。在禁止卖空的条件下，投资者只能通过股票上涨一条途径获取收益。假设在禁止卖空机制条件下，投资者的交易策略是在股票上涨的时候买进股票，在股票下跌的时候卖出股票――即典型的追涨杀跌。假设其资本收益率为R2，于是有：

投资者要求在两种条件下的财富预期效用相等。{6}这是一个约束条件，是投资者继续持有风险资产（不退出市场）的前提条件，也是投资者不通过借贷进行投资的前提条件。如果在市场禁止卖空的条件下，投资者的预期效用低于在市场允许卖空条件下的预期效用，投资者就会退出风险资本市场，即投资者倾向于全部持有无风险资产和无风险资产+现金；如果在市场禁止卖空的条件下，投资者的预期效用大于在市场允许卖空条件下的预期效用，投资者就会通过借贷或透支投资于风险资产。假设投资者为绝对的风险回避者，在允许卖空和禁止卖空两种情况下，投资者的风险态度发生变化，有下列效用函数：

这是在资产组合?茁=1，即资产组合只有系统性风险的效用函数。其中，?酌为绝对风险厌恶系数。?酌越大，表示对风险的容忍度越大；?酌越小，表示对风险的容忍度越小；?酌∞，表示绝对风险回避。w为期末财富。假设在允许卖空机制的条件下，投资者的风险偏好系数为?酌1，在禁止卖空机制的条件下，投资者的风险偏好系数为?酌2。因为在禁止卖空机制的条件下，投资者只有一种途径――股票上涨获得资本收益，此时，投资者倾向于承担更大的风险，其风险容忍度增加，0>?酌2>?酌1。假设Up和Uf分别为投资者在允许卖空机制和禁止卖空机制条件下的效用，根据前述约束条件――投资者要求在两种条件下的财富预期效用相等，可以得出：

Up=Uf （4）

根据（3）式，有：

a和?啄的关系此消彼涨，即风险资产的比例增加，a上升，导致风险增加，?啄向下趋近0。因此，可以近似地认为 ≈1。于是有：

（9）式是在禁止卖空机制的条件下，投资者要求的资本预期收益率底线，是投资者继续留在股票市场的收益率约束条件。如果预期收益率低于这个水平，投资者就会减持风险资产，甚至完全退出股票市场。

三、投资者行为选择对股票市场的影响

不同制度背景下投资者的行为选择可以通过（9）式来分析。根据前述定义，在两种制度背景下，投资者的初始财富不变、风险态度发生变化，投资者的资产组合在市场有效前沿上。这样，问题就是在同一条市场线上选择不同的风险―收益组合(见图1)。

图1投资者的最佳资产组合选择

图1中，R为资产组合的预期收益率，?滓为标准差，?滓=1/?啄。FF为有效前沿，rf E为市场线。在rf点，资产组合中全部为无风险资产；在Z点，资产组合中全部为风险资产。在rf和Z之间，资产组合中既有无风险资产，又有风险资产。越接近Z点，风险资产的比例越大；越接近rf点，无风险资产的比例越大。Ip和If为允许卖空机制和禁止卖空机制条件下投资者期望效用的无差异曲线，其与市场线rfE 的切点p1和p2是允许卖空机制和禁止卖空机制条件下的最优资产组合。R 、R 和 1、 2是两个最优资产组合的预期收益率和标准差（风险系数）。

从（9）式中可以看出，R1和R2的关系主要取决于a1和a2。只要a2≥a1，就有R2>2R1。从前述分析中我们知道，在禁止卖空机制的条件下，要获得与允许卖空机制下相同的效用，投资者要承担更大的风险，即投资者的风险态度更倾向于风险偏好。从图1可以看出，在禁止卖空机制的条件下，由于投资者更加偏好风险（风险厌恶程度降低），投资者预期效用的无差异曲线从Ip（允许卖空机制）右移到If（禁止卖空机制），与市场线相切决定的最优资产组合p2比允许卖空机制条件下的最优资产组合p1更具风险性。这表示在禁止卖空机制的条件下，投资者的最优资产组合中要加入更多比重的风险资产，即：

因此：

这就是说，在禁止卖空机制的条件下，只有当预期收益率两倍以上于允许卖空机制条件下股票上涨的资本收益率时，投资者才会继续留在股票市场进行投资。但在这种情况下，投资者的行为选择和股票指数的走势与允许卖空机制时相比发生了变化，投资者更倾向于风险偏好。在股票上涨超过基本价值时，由于信息交易者无法卖空（假设投资者不离场），风险态度（更加偏好风险）的转变使他们加入到追涨的行列，市场空方力量受到限制，迫使股票价格向上的幅度较大；相反，在股市下降超过基本价值时，风险偏好和处置效应（Kahneman, andTversky, 1979）[8]都会导致信息交易者不加入到杀跌行列，股票市场空方的力量削弱，股票价格向下的幅度较小，于是造成股票市场波动幅度加大和肥尾现象――上涨幅度大于下跌幅度（见图2）。

图2卖空机制和股票指数波动的肥尾现象

图2是一个简化的股票走势图。图中V代表股票的基本价值，是一条直线；I代表股票指数。实线SS代表允许卖空的股票走势，允许卖空的股票指数围绕基本价值对称分布；虚线FS代表禁止卖空的股票指数，禁止卖空的股票指数在基本价值之上呈不对称分布（肥尾），这种分布表示股指波动幅度增加且上升幅度较大，而下跌幅度较小。{7}

四、投资者退化的逻辑过程和现实路径

行为金融学认为，投资者的行为选择不符合经济人理性。从静态的角度看，经济人理性确实不符合真实情况，投资者的行为受到各种各样的认知偏见和行为偏差的影响。但越来越多的研究表明，投资者会在失败和成功（自己的或别人的）中学习、纠错，改良自己的投资行为，不断从“必然王国”――有限理性，向“自由王国”――完全理性趋近。因此，从动态的角度看，投资者的行为是符合经济人理性的。因此，与行为金融学稍有不同，我们认为经济人理性也会导致噪音交易行为和股市的“非理性”波动――交易者具有理性不代表市场具有理性。在允许卖空交易和禁止卖空交易两种制度背景下，投资者都会运用理性计算、甚至经验直觉选择对自己最有利的交易方式。这种选择不是独立的、随机的个体选择，而是一种集体理性，是高度相关的社会性选择。在我们的模型中，集体理性选择的结果必然是：在允许卖空交易的条件下选择信息交易，在禁止卖空交易的条件下选择噪音交易；后者必然导致市场波动性增大和“非理性”成分增加。这里需要说明的是投资者理性与噪音交易之间的关系。行为金融定义噪音交易者是非理易者，而我们认为这种概括失之偏颇；非理易者仅是噪音交易者的一种，而不是全部。当一个市场存在制度缺陷和制度缺失时，市场价格对基本价值的偏离有可能是理性选择的结果，而非完全是非理所致。这时，市场由噪音交易主导，投机盛行，股票指数波动性很大。但这些主导市场的噪音交易者是理性的噪音交易者（这是我们选取公式4这个完全理性的预期效应函数的依据），不是完全受过度自信等情绪影响的幼稚（naive）的投资者。为了避免概念上的混乱，我们在本文中把噪音交易的对立面界定为信息交易，不采用非理易这个说法（这并不否认非理性的噪音交易者的存在，只是为了强调制度因素对投资行为的影响，突出理性的噪音交易者这个概念）。我们定义信息交易就是按照基本面的信息进行交易，因此很容易看出，在特定的制度背景下，信息交易策略似乎有悖于经济人理性假设，它不是一种最优的交易策略。

1. 投资者退化的逻辑路径

图2和式（10）说明，在允许卖空机制的制度环境下，如果信息完全，即交易者之间不存在信息分布的不对称现象，投资者通过理性套利，可以从股票上涨或下跌两个方面获利，投资者资产组合的预期收益和风险较小，股票指数的波动围绕基本价值作较小幅度的波动。这时交易者的风险容忍度较低，倾向于理性的信息交易。如果市场禁止卖空机制，不管信息完全与否，交易者必须要求高于允许卖空机制时两倍以上的预期收益率，才能获得与后者相同的期末效用。投资者的风险容忍度变大，投资者的理易策略为噪音交易――投资者从信息交易者退化为噪音交易者。我国股票市场的高市盈率和高波动性正好佐证了这个推论。这是投资者从信息交易者退化为噪音交易者的逻辑过程。这种噪音交易是制度的产物，或者说是制度诱致型的噪音交易；这种噪音交易不是因有限理性和投资者认知偏差所导致的，恰恰相反，这种噪音交易是投资者在制度约束下理性选择的结果。

2. 投资者退化的现实路径

现实中，投资者不可能先经历允许卖空交易的市场环境，然后再返回禁止卖空交易的市场环境。比如在中国，在制度不健全或制度转型的现实市场环境下（比如禁止卖空交易），投资者在刚刚入市时可能是具有投资理念的信息交易者。他们对市场的理解停留在理论和新闻宣传阶段，而投资理论和新闻宣传没有哪个会教人在市场上造假和欺诈，因此，涉“市”之初，投资者是幼稚的（naive）信息交易者。随着投资者在一个制度不健全的市场环境中成熟、成长起来，以及随着各种负面的示范效应的激励，投资者逐渐变成老道的（sophisticated）噪音交易者――市场投机者。这就是纵向的退化路径。还有一种横向的退化路径，即投资者在成熟的市场上（比如美国、欧洲等），相对来说倾向于信息交易，但这些投资者一旦进入制度不完善的新兴市场就会蜕变为噪音交易者。一些来自美国和欧洲机构投资者频频在新兴市场掀起波澜（在台湾，QFII不但没有稳定市场，反而成为市场波动的推动者），就是一个很好的例证，正所谓“桔生于淮南为桔，生于淮北为枳”。市场是一个适者生存的竞技场，变成噪音交易者是投资者的生存之道。{8}这不是投资者自甘堕落的宿命，而是制度缺失条件下负淘汰机制对投资者选择的结果。

3．制度改进与投资者进化

上面的分析是基于这样的设想――投资者从一个幼稚的信息交易者在制度环境的影响下向老道的噪音交易者退化，或者从成熟市场的信息交易者向新兴市场的噪音交易者蜕变。这种设想主要是为了强调制度缺失如何引发投资者的噪音交易行为这个中国股票市场的特殊现象。投资者可以退化，更可以进化；制度缺失导致投资者退化，制度改进则导致投资者进化――从噪音交易者向信息交易者进化。在经济发展的现实中，制度总是不断改进和完善的，而不是相反；同时，投资者的行为也是不断地从噪音交易向信息交易进化。因此，随着卖空机制以及与之相关联的其他制度从无到有的建立、完善起来，股票市场上投资者的行为将会更多地转向理性的信息交易。其实，即使西方成熟市场上发现的一些行为金融学现象，比如处置效应、一月现象等，都在交易制度（止损点）和税收制度的改进中不断淡化，以致消失。因此，通过制度建设矫正投资者的噪音交易行为是降低市场非理、稳定股票市场、增强股票市场融资功能的必由之路。这是制度建设的行为金融学含义――外在的制度建设内化为投资者行为模式，也是行为金融学研究对制度建设的一个启示。

五、关于卖空机制的相关讨论

以上讨论的是完全允许卖空交易和完全禁止卖空交易的市场上投资者行为的转化情况。实际上，即使在成熟的市场上，允许卖空交易也不是没有限制的。比如在美国的股票市场上，就有我们上述提到的不允许基金卖空的限制。另外，美国证券交易委员会曾一度规定：卖出申报价不得低于最新成交价，以防止卖空者连续压低行情。这项规定以后修改为准许按前一成交价卖空，但前市价格必须高于更前一次价格，这就是说，只允许在市场上涨时卖空（屠光绍，2000）。[10]这些规定是为了防止在信息不对称的情况下，投机者制造虚拟需求，人为造成股市波动以获利。因此我们可以看到，在成熟的市场上也存在制度因素造成套利不充分而导致的市场噪音；理性的噪音交易者不仅仅存在于转型市场，也不同程度地存在于成熟市场。

卖空机制既有稳定市场的一面，又有加剧市场波动性的一面。其最终导向哪一面，关键看市场信息的分布情况。如果市场信息分布均匀、对称，卖空交易就会起到稳定市场的作用――在市场上行时，借来股票卖出，增加市场供给，打压股市；在市场下行时，买进股票还给出借者，增加需求，抬升股市。如果信息分布不对称，卖空机制就会成为庄家兴风作浪的工具，祸害于股票市场。但是在没有卖空机制的情况下，不论信息对称与否，投资者都会向噪音交易者退化，同时增加市场的波动性。因此，问题的关键不是要不要卖空机制，而是能不能建立完善的信息（包括卖空交易信息）披露制度。在一个信息披露制度不健全的市场上贸然引进卖空机制，这和在信息披露制度健全的市场上仍然禁止卖空交易，其危害性是相等的。自2006年8月1日起，中国股票市场开始融券业务试点，标志着中国股市有了卖空机制。这项制度在短期内对股票市场的影响无法确认（也可能稳定市场，也可能给市场带来更大的波动），但可以肯定，长期来说，这项制度对市场的正面效应会随着市场其他制度建设方面的不断进步，越来越显现出来。

六、本文结论和政策启示

本文选取股票市场允许或禁止卖空交易为特殊的制度环境，建立了一个简洁的数理模型，分析了在一定的制度条件下，交易者行为选择对股票价格波动性的影响，以及交易者由信息交易者退化为噪音交易者的逻辑过程和现实路径。本文的研究证明，在允许卖空机制的市场环境中，投资者选择信息交易；在禁止卖空机制的市场环境中，投资者选择噪音交易，导致股市的过度波动和肥尾现象。投资者退化为噪音交易者的逻辑过程是，在允许卖空机制的条件下，投资者可以通过股票上升和卖空两个途径获利，投资者理性地选择信息交易；而在禁止卖空机制的条件下，投资者只能通过股票上涨获利，投资者理性地选择噪音交易。投资者退化的现实纵向路径是，投资者参与交易之初是一个信息交易者，在制度因素的诱导下，投资者从信息交易者变成一个老道的噪音交易者；投资者退化的现实横向路径是，在成熟市场环境下，投资者是信息交易者，当进入新兴市场时蜕变为噪音交易者。本文的另一个结论是：噪音交易不仅仅是有限理性和认知偏见的产物，在一定的制度约束下，噪音交易还是理性选择的结果。由此引申，中国股票市场的过度波动性不仅仅是投资者投资理性不成熟的结果，而是制度缺失、甚至制度过度（多余）的产物。本文的分析仅限于禁止卖空机制这一种制度缺失，但其结论适合于其他制度因素对投资者交易行为选择的影响。上市公司的产权结构、股票市场的完备性、政府的政策意图和不适当干预等许多制度因素，都会以不同的方式诱导投资者从信息交易者向噪音交易者退化并加大股市的波动性。本文的政策启示是：制度引进和制度创新是减少乃至消除股票市场投资者噪音交易行为的重要途径，我国股票市场引入卖空机制对矫正投资者的心理和行为偏差有非常积极的作用，是一项正确的政策决策。

――――――――

注释：

①行为金融认为，投资者的行为偏差是有限理性和理性缺陷所导致的。我们认为，制度环境是导致投资者行为偏差的另外一个因素。

②很多研究通过计量方法得出结论，基本认为中国股票市场的波动性非常显著且显示出极大的不稳定性，波动幅度明显大于成熟（美国等）市场；也有人认为中国股市的波动性与成熟市场相当。宋逢明和江婕（2003）在对中国股票市场的波动性进行检验时，对涨跌停板的影响进行了剔除，得出的结论认为中国股票市场波动性与成熟市场相当。[6]这种剔除正好印证了中国股市实际存在的过度波动性。我们的讨论主要是对股市波动性提出另一种理论上的解释――中国股市过度波动性源自“噪音制度”。

③预期收益和当期股票价格（或者指数）的关系是：预期收益越高，当期价格越低。但是，在当期价格不能下跌的条件下（在没有卖空的市场上或者新兴市场，这个假设是符合逻辑的），高的预期收益的实现，要靠更高的未来股票价格实现，这样就会不断推高股票价格，积累市场风险。

④主流金融回避对有效性的深入讨论，转而用市场的不可测性代表市场的有效性，因此，有论者指出，Fama的有效市场是信息有效性，而非市场效率的有效性。市场的有效性应该是指股票价格对基本面信息的吸收程度；市场的不可测性是指股票价格对信息和噪音（股票价格中包含了噪音交易者的影响）的吸收程度。有效的市场肯定是不可测的，但不能反过来说，不可测的市场一定是有效的。不可测性是有效性的必要条件，但不是充分条件。我们认为只要市场不可测的命题成立，建立在其上面的现代资产定价模型就能成立。在一个噪音主导，特别是理性的噪音主导的市场上，只要噪音信号成为公共“噪音”，市场就是“囚徒困境”博弈，市场就有不可测性（有人指出中国股票市场从1998年开始渐进有效，正是以不可测性来度量有效性。参见张兵，李晓明，2003），[7]在这样的市场上就能构筑有效的市场组合和找到有效的市场前沿。因此，有效市场前沿与噪音交易主导不矛盾。

⑤自然演化的证券市场最初不禁止卖空（市场没有明文允许，故为不禁止），到后来为了防范风险禁止卖空；随着市场机制不断成熟，管理手段不断提高，市场发展到一定阶段，又重新引入卖空机制。新兴市场国家和地区证券市场的发展，源自自然演进路径的后半段开始――最初的市场禁止卖空，条件成熟时引入了卖空机制。本文先建立允许卖空机制的模型，后建立禁止卖空机制的模型，是为了解释投资者从信息交易者向噪音交易者退化的方便。颠倒过来对计算的结果没有影响。

⑥具有相同初始财富的投资者在两种制度安排下要求相同的预期效用，这是本文的关键假设。这个假设的合理性源自市场上存在一个经过风险贴现的社会正常回报率，这个回报率是历史的、恒定的、普遍存在的（universal）。在本文中，这个恒定的回报率就是：?酌1[(1-a1)(1+rf)+2a1R1?啄1]=?酌2[(1-a2)(1+rf)+a2R2?啄2]。

⑦假设投资者为风险回避型。当预期收益率上升，即期的股票指数就会下跌，未来的股票指数上涨的幅度就会增大；相反，当预期收益率下降，即期的股票指数就会上涨，未来的股票指数上涨的幅度就会缩小。在我们的模型中，投资者为绝对的风险回避型，但投资者在禁止卖空的市场比在允许卖空的市场更倾向于风险偏好，因此，在禁止卖空的市场，投资者的预期收益虽高，但即期股指下降的幅度不大，投资者主要通过股指未来的上升获得高的预期收益，此时，股指向上偏离基本价值并大幅波动；在允许卖空的市场，投资者风险回避的程度较高，虽然投资者的预期收益较低，但股票市场的涨幅不大，股指围绕基本价值波动并服从正态分布。图2中禁止卖空的市场股指曲线在允许卖空市场的股指曲线之上大幅波动，正是为了突出由此造成的肥尾现象。张宗新（2005）的实证结果证实了中国股票市场波动中存在的肥尾现象。[9]

⑧本文讨论的噪音交易者仅指某种类型的噪音交易者，它是从事后效果――导致股票价格更加偏离基本面，来确定的噪音交易者。这类交易者的理易使股票价格的波动性增加。这类交易者不包括无信息交易的噪音交易者，也不包括由于心理认知局限或受情绪支配的噪音交易者。因此，不排除初次入市的交易者是其他类型噪音交易者的可能性。

――――――――

参考文献：

[1]Shleifer, Andrei. Inefficient Markets: An Introduction to behavioral Finance[M]. Oxford University Press, Oxford, U.K. ,2000.

[2]Miller, Edward. Risk , Uncertainty, and Divergence of Opinion[J]. Journal of Finance , 1977,(32):1151-1168.

[3]Scherbina, Anna. Stock Prices and Differences of Opinion: Empirical Evidence that Stock Prices Reflect Optimism[J]. working paper, Northwestern University, 2000.

[4]Joseph Chen, Harrison Hong, and Jeremy Stein. Breadth of Ownership and Stock Returns. working paper, Stanford University , 2000.

[5]Harrison Hong，and Jeremy Stein. A Unified Theory ofUnderreaction , Momentum Trading , and Overreaction in Asset Markets[J]. Journal of Finance, 1999,( 54):2143-2184.

[6]宋逢明, 江婕. 中国股票市场波动性特征的实证研究[J]. 金融研究，2003, (4).

[7]张兵, 李晓明. 中国股票市场的渐进有效性研究[J]. 经济研究, 2003，(1).

[8]Kahneman, Daniel, andAmos Tversky. Prospect Theory :An analysis of Decision Under Risk, Econometrica，1979，(47)：263-291.

[9]张宗新. 经济转型期证券资产价格波动的制度解析[J]. 数量经济技术经济研究, 2005，(1).

[10]屠光绍. 交易体制：原理与变革[M]. 上海: 上海人民出版社, 2000.

第4篇：无风险资产的特征范文

马考维茨(Markowitz)是现资组合分析理论的创始人。经过大量观察和分析，他认为若在具有相同回报率的两个证券之间进行选择的话，任何投资者都会选择风险小的。这同时也表明投资者若要追求高回报必定要承担高风险。同样，出于回避风险的原因，投资者通常持有多样化投资组合。马考维茨从对回报和风险的定量出发，系统地研究了投资组合的特性，从数学上解释了投资者的避险行为，并提出了投资组合的优化方法。

一个投资组合是由组成的各证券及其权重所确定。因此，投资组合的期望回报率是其成分证券期望回报率的加权平均。除了确定期望回报率外，估计出投资组合相应的风险也是很重要的。投资组合的风险是由其回报率的标准方差来定义的。这些统计量是描述回报率围绕其平均值变化的程度，如果变化剧烈则表明回报率有很大的不确定性，即风险较大。

从投资组合方差的数学展开式中可以看到投资组合的方差与各成分证券的方差、权重以及成分证券间的协方差有关，而协方差与任意两证券的相关系数成正比。相关系数越小，其协方差就越小，投资组合的总体风险也就越小。因此，选择不相关的证券应是构建投资组合的目标。另外，由投资组合方差的数学展开式可以得出：增加证券可以降低投资组合的风险。

基于回避风险的假设，马考维茨建立了一个投资组合的分析模型，其要点为：(1)投资组合的两个相关特征是期望回报率及其方差。(2)投资将选择在给定风险水平下期望回报率最大的投资组合，或在给定期望回报率水平下风险最低的投资组合。(3)对每种证券的期望回报率、方差和与其他证券的协方差进行估计和挑选，并进行数学规划(mathematicalprogramming)，以确定各证券在投资者资金中的比重。

二、投资战略

投资股市的基金经理通常采用一些不同的投资战略。最常见的投资类型是增长型投资和收益型投资。不同类型的投资战略给予投资者更多的选择，但也使投资计划的制定变得复杂化。

选择增长型或收益型的股票是基金经理们最常用的投资战略。增长型公司的特点是有较高的盈利增长率和赢余保留率；收益型公司的特点是有较高的股息收益率。判断一家公司的持续增长通常会有因信息不足带来的风险，而股息收益率所依赖的信息相对比较可靠，风险也比较低。美国股市的历史数据显示，就长期而言，增长型投资的回报率要高于收益型投资，但收益型投资的回报率比较稳定。值得注意的是，增长型公司会随着时间不断壮大，其回报率会逐渐回落。历史数据证实增长型大公司和收益型大公司的长期平均回报率趋于相同。另外，投资战略还可以分为积极投资战略和消极投资战略。积极投资战略的主要特点是不断地选择进出市场或市场中不同产业的时机。前者被称为市场时机选择者(markettimer)，后者为类别轮换者。

市场时机选择者在市场行情好的时候减现金增股票，提高投资组合的beta以增加风险；在市场不好时，反过来做。必须注意的是市场时机的选择本身带有风险。相应地，如果投资机构在市场时机选择上采用消极立场，则应使其投资组合的风险与长期投资组合所要达到的目标一致。

类别轮换者会根据对各类别的前景判断来随时增加或减少其在投资组合中的权重。但这种对类别前景的判断本身带有风险。若投资者没有这方面的预测能力，则应选择与市场指数中的类别权重相应的投资组合。

最积极的投资战略是选择时机买进和卖出单一股票，而最消极的投资战略是长期持有指数投资组合。

公司资产规模的大小通常决定了股票的流动性。规模大的公司，其股票的流动性一般较好；小公司股票的流动性相对较差，因此风险较大。从美国股市的历史数据中可以发现，就长期而言，小公司的平均回报率大于大公司，但回报率的波动较大。

三、投资组合风险

我们已经知道，投资组合的风险是用投资组合回报率的标准方差来度量，而且，增加投资组合中的证券个数可以降低投资组合的总体风险。但是，由于股票间实际存在的相关性，无论怎么增加个数都不能将投资组合的总体风险降到零。事实上，投资组合的证券个数越多，投资组合与市场的相关性就越大，投资组合风险中与市场有关的风险份额就越大。这种与市场有关并作用于所有证券而无法通过多样化予以消除的风险称为系统风险或市场风险。而不能被市场解释的风险称为非系统风险或可消除风险。所以，无限制地增加成分证券个数将使投资组合的风险降到指数的市场风险。

风险控制的基本思想是，当一个投资组合的成分证券个数足够多时，其非系统风险趋于零，总体风险趋于系统风险，这时，投资组合的风险就可以用指数期货来对冲。对冲的实际结果完全取决于投资组合和大市的相关程度。若投资组合与大市指数完全相关，投资组合的风险就能百分之百地被对冲，否则只能部分被抵消。

投资组合的系统风险是由投资组合对市场的相关系数乘以投资组合的标准差来表达，而这里的相关系数是投资组合与市场的协方差除以市场的标准差和投资组合的标准差。因此，投资组合的系统风险正好可以由投资组合对大市指数的统计回归分析中的beta值来表达。投资组合对大市的beta值是衡量投资组合系统风险的主要度量。投资组合的回报率、方差或标准差以及其beta值是投资组合分析和管理中的三个最重要的数据。

在投资组合的另一重要理论是在资本市场理论中引入了无风险资产的概念。在实际中，我们可以将国库券认为是无风险资产。任何投资组合都可以看成是无风险资产和其他风险资产的组合。于是，投资组合的期望回报率可以表达成大市回报率与无风险回报率之差乘以beta值再加上无风险回报率。

国际金融投资行业也广泛地使用VAR(Value-at-Risk)的方法来分析和管理投资组合甚至公司全部资产的风险。VAR实际上是衡量资产价值变动率的方法。其基本概念是：假设某投资组合的回报率是以正态分布，衡量在确定的概率下投资组合可能出现的亏损金额。VAR值就是用均值减一个标准方差的回报率，可以用来计算亏损。

四、投资组合业绩评价

通常有两种不同的方法对投资组合的业绩进行评估。养老金、保险基金、信托基金和其他基金的主要投资计划发起人一般会考察投资过程的各个主要方面，如资产配置、资产类别的权重和各类别重的证券选择。这类评估称为属性评估。对很多投资者来说，他们更关心的是对一个特定的投资策略或投资机构效率的评价，如对有明确投资策略的开放式基金的评估。这种评估叫做指标评估。评估投资组合最直接的指标是回报率。但只有在相同或类似的风险水平下比较回报率才有实际的意义。从美国开放式互助基金的历史数据可以看到，增长型基金的beta值最高，系统风险最高，相应在牛市时的回报率最高，在熊市时的回报率最低。平衡型的基金则相反。收益—增长型的基金的系统风险和回报率都在增长型和平衡型的基金之间。由此可见，任何一种基金在一个时期所获得的回报率在很大的程度上取决于基金的风险特性和基金在当时所面临的市场环境。在评估基金时，首先应将基金按风险等级分组，每一组的风险大致相同，然后在组中比较回报率的大小。

投资组合的回报率是特定期间内投资组合的价值变化加上所获得的任何收益。对封闭式基金来说，由于没有资金的流进和流出，回报率的计算相对比较容易。对开放式基金而言，频繁的现金流动使普通的回报率计算无法反映基金经理的实际表现。开放式基金的回报率通常使用基金单位价值来计算。基金单位价值法的基本思想是：当有现金流入时，以当时的基金单位净资产值来增加基金的单位数量；当有基金回赎时，基金的单位数量则减少。因此，现金的流动不会引起净资产的变化，只是发生基金单位数量的变化。于是，我们可以直接使用期初和期末的净资产值来计算开放式基金投资组合的回报率。

没有经过风险调整的回报率有很大的局限性。进行风险调整后评估投资组合表现的最常见的方法是以每单位风险回报率作为评判标准。两个最重要的每单位风险回报率的评判指标是夏普比例(ShameRatio)和特雷诺比例(TreynorRatio)。夏普比例是投资组合回报率超过无风险利率的部分，除以回报率的标准方差。特雷诺比例是投资组合回报率超过无风险利率的部分，除以投资组合的beta值。这两个指标的不同在于，前者体现了投资组合回报率对全部风险的敏感度，而后者反映对市场风险或系统风险的敏感度。对投资组合回报率、其方差以及beta值的进一步研究还可以定量显示基金经理在证券选择和市场时机选择等方面的优劣。

【参考文献】

[1]［美］小詹姆斯L·法雷尔，沃尔特J·雷哈特.投资组合管理理论及应用(PortfolioManagement:TheoryandApplication)[M].北京：机械工业出版社，2000.

[2]RichardC.Grinold,RonaldN.Kahn,ActivePortfolioManagement:AQuantitative

ApproachforProducingSuperiorReturnsandSelectingSuperiorRernsand

ControllingRisk,McGraw-Hill,1999.

[3]陈世炬，高材林.金融工程原理[M].北京：中国金融出版社，2000.

第5篇：无风险资产的特征范文

[关键词] 开放式基金；证券选择能力；市场时机把握能力

[中图分类号] F22 [文献标识码] A [文章编号] 1006-5024(2008)10-0161-03

[作者简介] 龚亚萍，浙江财经学院金融学院本科生，研究方向为金融工程；

刘建和，浙江财经学院金融学院副教授，研究方向为证券市场。(浙江 杭州 310018)

一、引言

自2001年9月我国首只开放式基金华安创新发行以来，开放式基金已经成为中国证券市场最为重要的机构投资者。到2007年10月30日为止，我国已有276只开放式基金成立基金业，随着开放式基金规模的不断扩大，基金业绩问题也成为诸多经济学家关注的焦点。

影响基金业绩的因素很多，国外已进行了大量的研究。Fama(1972)认为，基金业绩可以通过两种预测能力进行分析，即证券选择能力和市场时机把握能力。前者是指基金经理对那些相对于整个市场而言被低估或高估的股票进行识别，购买价值被低估或卖出价值被高估的股票的能力；而后者为基金经理对市场组合未来的实现情况的预测能力，基金经理将根据期望的市场走势调整其投资组合的风险水平，通过高风险资产和低风险资产之间的不断转换来战胜市场。基金经理能否“战胜市场”，能否真正体现“专家理财”的优势，在很大程度上取决于基金经理的证券选择能力和市场时机把握能力的高低。虽然周晓华(2001)、汪光成(2002)、周泽炯和史本山(2004)、卢江燕(2004)以及肖奎喜和杨义群(2005)等学者曾对基金的证券选择能力和市场时机把握能力做过一定的研究，但是当时开放式基金的历史尚短，存续的基金数量也较少，实证考察的周期太短并不能有效反应开放式基金的真实业绩变动情况。因此本文将继续围绕我国开放式基金的这两种能力展开多角度的实证研究。

二、考察方法

1.詹森指数

詹森指数是基于CAMP模型为基础的基金业绩衡量指标，本文把计算詹森指数的回归模型称为SM单因素模型，用下式表示：

Ri-Rf=α+β(Rm-Rf)+ε (1)

其中Ri为基金收益率，Rm为市场基准组合的收益率，Rf为无风险资产收益率，ε为随机干扰项，β为基金投资组合所承担的系统风险，α即詹森指数。

2.T-M模型

Treynor和Mazuy最早对市场时机把握能力进行了计量分析，他们认为如果基金能够对市场收益作出判断的话，基金的组合收益与市场收益之间可能存在一种非线性的函数关系。该模型一般简称为TM模型，用来预测基金对市场时机的选择能力，其表达式为：

Ri-Rf=α+β(Rm-Rf)+γ(Rm-Rf)2+ε(2)

其中Ri为基金收益率，Rm为市场基准组合的收益率，Rf为无风险资产收益率，ε为随机干扰项，α是反映基金的证券选择能力的系数，当α>0时，显示基金经理能够通过识别被错误定价的证券来获取超额收益，具备选股能力；γ是反映市场时机把握能力的系数，如果γ显著大于0，表明基金经理能够通过正确预测市场走向而在风险资产和无风险资产之间转换，在不同市场中都能够获取利益，具备强的市场时机把握能力。

3.H-M模型

H-M模型是Henriksson和Menton在1981年提出的。该模型是在线性指数模型中加入一个虚拟变量对基金经理的市场把握能力进行评价，表达式如下：

Ri-Rf=α+β(Rm-Rf)+γ1(Rm-Rf)D+ε (3)

其中D是一个虚拟变量，当市场组合的收益率大于无风险收益率时，D取值为1，否则取0；γ是反映基金市场时机把握能力大小的系数，其含义同T-M模型一样。

4.三因素模型

由于CAMP模型可能存在有效性问题，学者们对资本资产定价模型中进行了调整，其表达式如下：

Ri-Rf=α+β(Rm-Rf)+λ1RSMB+λ2RHML+ε (4)

其中RSMB(small minus big)为小公司股票组成的资产组合与大公司股票资产组合的收益差，而RHML(high minus low)则为较高市净率的股票组合与较低市净率股票组合的收益差。α、β的含义与单因素模型相同，λ1代表市值因子的贡献程度，而λ2则代表市净率的贡献程度。

三、样本和数据

1.研究样本

本文选择了国内2007年上半年存在的全部开放式基金进行研究。由于债券式基金，偏债式基金和股债平衡型基金对股票投资的幅度不大，本文对这些基金进行了剔除，由于2002年上半年之前开放式基金为数不多，本文选择的研究区间为2002年下半年至2007年上半年十个半年期，收集每只基金的周每股净资产收益，对其收益率进行分析。同时，对于在某个半年期内数据存在不完整的基金，做了在这个半年期内剔除的处理。

2.市场基准组合的选择

我国证券市场虽经多年的发展，但股票指数的建设还不够完善。目前缺乏统一的指数来反映市场的统一变动，因此采用了上证综指这个这个被投资者普遍认可的指数来反映股票市场组合的收益。另外，为了简化计算方法，本文采用了汪光成(2002)的方法，即把SMB等同于中信400指数收益率减去中信100指数收益率，HML即等于中信风格指数中大盘价值(110指数)与小盘价值(410指数)收益率之和减去大盘成长(120指数)和小盘成长(420)收益率之和。

3.无风险收益率的确定

由于我国债券市场不发达，本文选择储蓄存款一年期的定期利率扣除利息税(20%)的实际所得折算为周利率。在本文的某几个半年考察期内，同一个考察期内有的存在不同储蓄存款一年期的定期利率因此，我们将该考察期内相应周利率折算作为该考察期的基准来算无风险收益率，结果见表1。

4.数据

本文收集的开放式基金的单位净值和累计净值来源于华安基金管理公司网站公布的数据，上证综合指数来源于CCER经济金融研究数据库，中信系列指数来源于中信标普指数服务网。

四、计算结果

表2和表3分别是在CAPM模型和三因素模型，H-M模型和T-M模型下，对开放式基金的证券选择能力和市场时机把握能力的检验结果，各系数的显著性水平为5%。

从表2和表3的结果中我们不难看出，各系数的正负区间比较杂乱，显示基金这一整体在各个阶段中的选股没有明显倾向，市场把握能力也比较差。首先，从我们的检验结果来看，2005年以前，α系数为正的可能性很大；2005年以后，α系数为负的可能性很大。这显示基金群体对于整个市场来说具有抗跌和抗涨的特点。即在下跌的市场中，基金群体业绩具有一定的超额增长，而在上涨的市场中，基金群体业绩又弱于市场。不过，值得注意的是，上升市场中，α系数显示基金群体业绩落后于市场的幅度较大。其次，从T-M模型的二次项系数和H-M引入虚拟变量之后的系数来观察，并没有所谓的市场选择能力表现，即市场行情好基金净值增长更快、市场行情差基金净值下降较慢这种表现。基金群体业绩仍表现出一定的抗涨抗跌特征。值得注意的是，2006年的T-M和H-M模型的检验结果都表明基金在整体上涨行情中抗涨明显，弱于市场整体表现，而且t统计值又相当显著。γ值普遍为负继续说明基金群体的市场选择能力较差。再次，基金群体的选股并没有明显的倾向性。从三因素模型的检验结果来看，尤其是2004年以后，λ1和λ2明显出现正负相间的特点，说明基金选股并没有明显偏向于市净率高的个股或是偏向于小规模的个股。即但在大多数阶段内，基金选股并没有一定的倾向可言，显示基金群体并没有起到一定的引导市场向理性规范发展的影响力。最后，t统计值的不显著更是说明基金的赢利能力、市场把握能力和选股能力有所欠缺。事实上，各系数并没有一定的持续性趋势也从另一侧面说明基金群体的业绩持续能力并不强，基金的投资行为就其群体而言尚难以称之为理性，而基金弱于市场的表现也显示基金群体对整个市场的影响仍局限于中短期范围之内。从总体来看，2001年7月以来，我国经历了4年的漫漫熊市，原先积极的投资理念受到市场严重的冲击，基金表现不理想，但从数据来看还是强于市场的表现；自2005年一轮牛市的开始，基金业绩表现也相对突出，尤其2006年基金业绩表现普遍较好，但数据来看却明显弱于市场。也就是说，基金群体仍受到整个市场的限制，对市场的影响也较小。

五、结论

本文利用以上四个模型对开放式基金的证券选择能力和市场时机把握能力进行检验，发现开放式基金的市场选择能力从总体上看并不强，这一方面是因为开放式基金对证券行情的预测不准确，同时也可能与部分基金坚持选股重于选时的操作理念有关。值得注意的是，基金群体具有抗跌抗涨的特性，具有一定的抗风险能力。

参考文献：

[1]汪光成.“基金的市场时机把握能力研究”[J].经济研究，2002，(1).

[2]周泽炯，史本山.我国开放式基金选股能力和择时能力的实证研究[J].财贸研究，2004，(6).

[3]肖奎喜，杨义群.我国开放式基金的证券选择和市场时机把握能力研究[J].中央财经大学学报，2005，(1).

[4]周晓华.证券投资基金市场时机选择能力研究[J].数量经济技术经济研究，2001，(4).

第6篇：无风险资产的特征范文

关键词：人民币对外汇期权 定价模型 理论价格

2011年4月1日，我国银行间外汇市场正式开展了人民币对外汇期权交易。人民币对外汇期权交易的开展，标志着我国外汇市场已初步形成了即期、远期、掉期、期权完整的产品，即完整的基础类汇率衍生产品体系。但我国企业和金融机构专业知识和经验不足，对外汇衍生产品无法正确定价和风险评估，不能确定目标成本，容易引发巨额亏损，而使企业陷入困境。人民币对外汇期权定价过程是一个结合经验数据、历史数据、分析数据、模型测算等步骤的全面过程，随着人民币外汇衍生产品市场的快速发展，粗放的定价方式将导致银行风险的不可控。人民币外汇期权定价问题应满足国内经济主体规避汇率风险的需求，有利于推进国内外汇市场发展，促进我国人民币国际化进程，有利于金融机构理财产品市场的发展，为金融机构带来巨大的经济效益。

研究现状

外汇期权定价模型的研究建立在期权定价模型的基础上。从现有文献看，外汇期权定价的工作可分为参数方法和非参数方法两个方面，其中又以参数方法中偏微分方程法居多。由BS（1973）模型发展而来的Garman-Kohlhagen（1983）模型是专门对外汇期权的定价。得到看涨欧式外汇期权公式：

（1）

（2）

（3）

S为当前的即期汇率；K为期权的行权价格；σ为汇率变动波动率；r为连续复合无风险利率；rf为外国的无风险利率；T生命期。N（x）是标准正态变量的累积分布函数。

Telmer（2002）研究了基于Garman-Kohlhagen模型假设条件下的欧式外汇期权定价，发现模型所得的理论价值与实际价格之间的存在差异。近几十年来，国内外学者都着力于改进Garman-Kohlhagen模型，提高模型对外汇期权的定价能力。Beta（l996）认为用扩散过程模型化随机波动率是不够的，还应结合跳跃过程解释过度峰值。他假设汇率的动态过程遵循平方根过程的条件下，考虑了汇率呈现跳跃-扩散过程时的外汇期权定价模型。Dumas（l993a，1993b）应用汇率目标区模型对外汇期权定价，他用一个泊松过程描述在汇率目标区中心平价的跳跃过程。Hanson和Westman（2002）提出对数均匀过程跳跃扩散模型。假设资产价格服从：

（4）

其中，S为当前的即期汇率，σ为汇率变动波动率，Nt泊松跳跃过程，其中设J（Q）是跳跃幅度，dW为维纳过程

Bolye（1977）最先将蒙特卡罗模拟方法引入到期权定价中以来。此后，许多学者提出了复杂期权相应的蒙特卡罗解决方法。蒙特卡罗模拟法是基于风险中性的假设，模拟标的资产的随机过程，预测其平均回报过程，由此得到一个概率解。

参数模型只描述理论期权价格与输入变量之间的静态非线性关系，不能反映市场情况的快速变化，因此一些期权数据的定价结果并不理想。非参数方法由于其自适应性强和在数据生成过程中结构变换快速反应能力而得到发展（Sahalia，1998）。Andreou和Charalambous（2005）结合神经网络和带隐含参数的参数模型定价欧式期权。Wang（2007）结合神经网络和Fuzzy技术，对外汇期权定价。Xun（2009）用支持向量回归方法对期权进行估值，采用的是逐级法（Cascade Method）。王平（2011）采用基于统计学习理论通用学习方法支持向量回归技术，引入跳跃扩散模型捕获汇率市场动态过程的跳跃，提高汇率期权价格预测效果。

人民币外汇期权产品描述

由于我国外汇受到一定管制、资本市场没有完全开放，人民币外汇衍生品最早出现在离岸市场上。境外外汇市场，人民币外汇期权产品仅包括芝加哥商业交易所CME的人民币期货期权和无本金交割的美元对人民币外汇期权（NDO）。境内人民币外汇衍生品市场进程缓慢，人民币衍生品品种有限。 2011年4月外汇交易中心推出人民币对外汇期权，但市场规模较小。与国内人民币外汇期权相比，NDO的交易量从2003年的每日4亿美元交易额到2008年每日10亿美元交易额，因此本文样本选取CME的人民币期货期权。

芝加哥商业交易所2007年8月28日推出人民币期货、期权产品。人民币期货包括对美元、日元、欧元三种。合约规模：100万元人民币，属于金额较大的合约。与CME的其他货币期货一样，人民币期货采取一单位人民币折合多少美元的报价方式。在人民币汇率市场化程度偏低、汇率制度尚未明朗化的情况下，CME设置6000份合约的头寸警戒线和现货交割月2000份合约的头寸限制，旨在防止市场操纵行为的出现。人民币期权是以人民币期货为标的资产的美式期权。每份期权合约的规模即一份人民币期货合约，期权费采取一单位人民币折合多少美元的报价方式，例如，0.00055的报价代表一份期权合约的期权费为550美元（100万RMB ×$0.00055/RMB）。

本文以2009年7月23日人民币兑美元期货期权为例子，其中2009年10月到期的期货交易量最大，清算价格为0.1456，即一份期货合约清算价格为145600美元。CME一份期货提供多个执行价格的期权合约，该月的期权执行价格包括145000、146000、147000等。下表提供各月到期期货合约当天清算价格。

我国利率市场还在发展当中，缺乏基准利率，所以无风险利率的选取还没有形成一个统一的共识。从投资实务的角度来看，如何选择无风险利率，从而计算出理论价格，也是我国外汇衍生品投资者必须首先要解决的问题。扈文秀（2005）从无风险资产的四个方面属性对银行同业间拆借市场、银行间债券回购市场及交易所回购市场等三大资金市场进行了对比分析，认为从银行间债券回购市场中选择回购期限为3-7天的债券回购等金融工具作为我国金融市场无风险资产。上海银行间同业拆放利率Shibor 从2007 年1 月公布至今，每日各期限档次的Shibor 形成了一条从隔夜至1 年期的完整利率曲线，具有较好的平滑特征，且各期限档次利率能够综合反映货币市场的资金供求状况和利率的期限结构，为货币市场的产品定价提供了初步参考。因此本文人民币的无风险利率选择上海银行间同业拆放利率为无风险利率。得出当天的我国无风险利率即为2.034%。而美元LIBOR利率为1.4787%。

人民币外汇期权定价模型的比较与选择

比较模型包括Garman-Kohlhagen模型，对数均匀分布的跳跃扩散模型（JD），蒙特卡罗模拟方法。样本选自2009年7月22日，CME的人民币/美元期货期权，对当天各种期权合约估计价值。模拟结果图1至图4所示。三种方法估值效果大体上差距不大，形成的图形大致相同。Garman-Kohlhagen模型对不同到期时间的，期权价值的变化大于其他模型。Garman-Kohlhagen模型形成的图形走势倾斜度最大，蒙特卡罗模拟方法次之。Garman-Kohlhagen模型对同一执行价格，估计的不同到期时间的期权价格差距较其他方法要小。同一到期时间，估计的不同执行价格的期权价值之间的差距较其他方法要大。

CME交易的人民币外汇期权合约成交量非常少，甚至几个月也没有完成一个合约交易，所以期权没有成交价，即使形成的价格也不能反映市场供需求关系，作为有效的市场价格。因此以上几个人民币外汇期权定价模型估计的期权价值只能与CME的估值做一个简单的比较。从图4看到，跳跃扩散模型的估值与CME的估值比较接近。由于蒙特卡罗模拟法与CME估值差别很大，结果没有在图中显示。

外汇期权定价方法中偏微分方程法的研究较多。国外对外汇期权的偏微分定价方法是建立在成熟市场与丰富的统计数据基础上的，然而在我国市场，简单照搬外汇期权定价模型公式的计算方法将对模型定价产生较大偏差。外汇期权的偏微分方程法以Garman-Kohlhagen模型为基础，模型的构建需要假设条件偏多。一般在无套利条件下，构建套期保值组合。人民币汇率形成体制的不完善，人民币外汇期权的标的资产汇率还在市场化改革进程中，标的资产价格形成并不完全以市场为导向。由于外汇管制，人民币不能自由兑换，外汇期权的基础生态环境与完全市场有一定差距。类似我国股票权证市场的资产定价功能不强，我国投资者的投机性和非理可能导致人民币外汇期权价值与市场价格差异较大。非参数方法的优势在于假设条件较少。非参数方法的外汇期权定价模型约束少，假设条件限制少，适用范围广。不足在于需要在有历史交易价格的支持。非参数方法的外汇期权定价模型的主要特点是依赖于历史交易价格规律求解出将来外汇期权的价值。由于市场交易数据的难以获取，无法得到历史交易价格，因此不能在本文中模拟估值。

综上所述，本研究结果有助于我国新上市的人民币兑外汇期权交易过程的定价研究，以帮助相关投资者对外汇衍生产品正确定价和风险评估，确定目标成本。

参考文献：

1.Black F， Scholes M. The Pricing of Options and Corporate Liabilities[J]. The Journal of Political Economy. 1973，81（3）

2.Garman M B， Kohlhagen S W. Foreign currency option values[J]. Journal of International Money and Finance. 1983，2（3）

3.Telmer C I， Zin S E. Prices as factors： Approximate aggregation with incomplete markets[J]. Journal of Economic Dynamics and Control. 2002，26（7-8）

4. Bates D S. Dollar jump fears， 1984-1992： distributional abnormalities implicit in currency futures options[J]. Journal of International Money and Finance. 1996，15（1）

5.Dumas B， Jennergren P L. Currency Option Pricing in Credible Target Zones [R]. NBER Working Paper， 1993

6.Dumas B， Jennergren P L， Bertil N. Realignment risk and currency option pricing in target zones[J]. European Economic Review. 1995，39（8）

7.Boyle P P. Options： A Monte Carlo approach[J]. Journal of Financial Economics. 1977，4（3）

第7篇：无风险资产的特征范文

    (一)特雷诺(Treynor)指数

    特雷诺(Treynor)指数是1965年由特雷诺提出的,它给出了证券组合单位系统超额收益率的算法,用公式表示为:Tp=(Rp-Rf)/βp其中,Tp:特雷诺指数;Rp:考察期内证券组合P的平均收益率;Rf:考察期内平均无风险收益率;βp:证券组合P的β系数。由此可见,某一证券投资组合的特雷诺指数在直观上就是连接证券组合与无风险证券直线的斜率。当这一斜率大于证券市场线的斜率时,证券投资组合的绩效优于证券市场的绩效,此时证券投资组合线位于证券市场线的上方;当这一斜率小于证券市场线的斜率时,证券投资组合的绩效劣于证券市场的绩效,此时证券投资组合线位于证券市场线的下方。虽然詹森指数与特雷诺指数都是以β系数来测定投资风险,但是β系数并不能用来测定证券投资组合的风险分散程度,β值也不会因为证券投资组合中所包含的证券数量的增加而有所降低,因此,当证券投资组合的风险分散程度提高时,特雷诺指数可能并不会由此而变大,所以,特雷诺指数运用的是系统风险而不是全部风险。因此,当一项资产只是某个资产组合中的一个部分时,特雷诺指数就可以作为衡量绩效表现的恰当指标加以应用。

    (二)夏普(Sharpe)指数

    夏普指数是诺贝尔经济学奖得主威廉·夏普于1966年提出的另一个风险调整衡量指标,它是以证券市场线为基础,指数值等于证券调整组合的风险溢价除以标准差,即:Sp=(Rp-Rf)/σp其中,Sp:夏普指数;Rp:考察期内证券组合P的平均收益率;Rf:考察期内平均无风险收益率;σp:证券投资组合的标准差。从直观上看,夏普指数就是连接证券组合与无风险资产的直线的斜率。当这一斜率大于证券市场线的斜率时,此时证券投资组合位于证券市场线的上方,证券投资组合的绩效优于证券市场的绩效;相反,当这一斜率小于证券市场线的斜率时,此时证券投资组合位于证券市场线的下方,证券投资组合的绩效不如证券市场的绩效好。夏普指数调整的是全部风险,这是它与特雷诺指数的最大不同之处。因此,当某一个组合就是某一投资者的全部投资时,通常可以用夏普指数作为衡量绩效的适宜指标。

    二、经风险调整的测度指标的选择

    在根据投资组合风险来调整收益的方法中,最简单﹑最普遍的方法是与其他类似风险的投资基金进行收益率的相互比较,但是,这种评估管理业绩的方法并不十分准确,这是因为在某些情况下,投资者往往可能会更加注重投资组合中的某一部分资产,而这样的投资组合特征就不再具有可比性。在不同的投资情形下,不同的业绩评估指标具有各自的适用性,投资者在选择投资组合作为自己的投资对象时,不仅要看到收益,而且要区别这种收益的源头在何处,只有这样才能做到公正合理地评估投资组合的业绩。为了准确评估管理者的投资业绩,就需要更为精确的经风险调整的测度指标。使用詹森指数、特雷诺指数以及夏普指数评价组合业绩固然有其合理性,但也不能忽视这些评估方法的不足,主要表现在三个方面:其一,三大指数均是以资本资产定价模型为基础,而后者隐含与现实环境相差较大的理论假设,可能会导致评估结果失真。其二,三大指数都含有用于测度风险的指标,而计算这些风险指标有赖于样本的选择,这可能导致基于不同的样本选择所得到的评估结果不同,因此也不具有可比性。其三,三大指数的计算均与市场组合有着直接或间接的关系,而现实中用于替代市场组合的证券价格指数具有多样性,这同样会导致基于不同市场指数所得到的评估结果不同,因此也不具有可比性。上述三个指标所衡量的风险与收益水平各不相同,这也决定了它们各自适用于不同情形之下的投资组合业绩评估。

    (1)在投资管理者将其全部风险

    投资均投入某一个投资组合时,夏普指数是衡量投资管理者业绩的最佳指标。

    (2)在投资管理者将自己的组合与市场

    组合混合成新的组合时,估价比率是衡量投资管理者业绩的最佳指标。由于投资组合P要与市场组合相互混合,所以投资者最关心的应该是该组合因承担市场风险之外的个别风险所获得多少额外的风险报酬,而估价比率最能反映这一要求。

    (3)在投资管理者自己的组合

    只是一个大型投资基金的众多投资组合之一时,特雷诺指数是一个适合的业绩评估指标。由于大型基金拥有众多的投资组合,从而每一个投资组合的个别风险对整个组合风险的影响可以被忽略不计,这时就要求每一个投资组合实现单位系统风险的高收益率,从而使整个组合的绩效最优,因为特雷诺指数所衡量的就是承担单位系统风险所得到的风险报酬,因此它是最恰当的业绩衡量指标。

    三、证券选择和时机选择能力评估

    (一)证券选择能力的评估

    本文主要介绍业绩贡献分析法,即将实际的投资组合与某个基准组合进行对比,然后将每类资产的贡献分解为资产配置的贡献和证券选择的贡献两个部分,并以此来计算各类资产对整体业绩的贡献,由此就可以测度出投资管理者选择证券的能力,具体方法有:1.构建一个可比较的市场基准,如选择指数组合作为市场基准。2.比较实际投资组合与市场组合收益率的差别。3.将每类资产的贡献分解为资产配置的贡献和证券选择的贡献两个部分,并以此来计算各类资产对整体业绩的贡献。

第8篇：无风险资产的特征范文

关键词：开放式基金、投资风格、投资策略、业绩评估 

        一、引言

        作为一种投资产品，开放式基金集合投资、专家管理、组合投资、利益共享、风险共担及流动性较好的优势，已成为众多投资者偏好的金融产品。我国的证券投资基金始于20世纪90年代初期，2001年在中国证监会“超常规发展机构投资者”的方针指引下，我国证券投资基金业实现了飞跃式发展，目前已成为我国证券市场上最重要和最具影响力的机构投资者。根据wind数据库的统计，截止2011年3月底，我国共有开放式股票型基金约515只，管理的资产规模达1.94万亿，约占a股流通市值的10%左右，开放式股票型基金在a股市场上占据着主导的地位。而对开放式基金业绩进行科学合理的评估，具有十分重要的现实意义。但目前国内对开放式基金的研究大多将国外已有的业绩评估指标直接在国内进行应用，特别是新闻媒体在宣传时往往以基金的净值增长率作为衡量基金业绩好坏的标准，而忽略了基金约定的投资风格和投资策略对基金业绩的影响作用，本文的研究尝试弥补目前国内研究的不足，以增强基金业绩评估的科学性。

        二、相关研究综述

        开放式基金业绩评价一直是理论界和实务界关注的热点问题之一，无论是对于投资者、监管层、财务顾问或开放式基金管理人自身都迫切需要对不同类型基金的业绩进行有效评估。

        传统的证券投资基金的业绩评价主要利用净值变化指标如基金单位净值、净值增长率和投资收益率等来进行的，但忽视了基金获取投资收益所遭受的风险。markowitz(1952)首次用数学的方法量化了单项资产或组合资产的风险，并且从理论上说明了投资分散化能够减少组合资产的总风险，提出了资产组合选择的均值-方差理论。随后，在markowtiz研究的基础上，由sharpe（1964）、lintner（1965）以及mossin（1966）引入无风险资产后提出的capm模型。在capm模型的基础上，一些学者开始考虑将风险因素引入到基金的业绩评估模型中，这些绩效评估方法中，比较精典的有treynor指数、sharpe 指数及jensen 指数。treynor指数用以评估投资组合的绩效。依据capm模型，只有系统性风险才能得到补偿，因此treynor采用系统风险测度即贝塔系数，作为基金绩效衡量的风险调整因素；sharpe 指数用来衡量基金承担每单位总风险所能获得的额外报酬。sharpe 指数考虑了投资组合的总风险，在非充分分散化投资和非完全有效的证券市场中，较treynor指数更合理，也是投资基金业绩评价中最常用的方法之一。jensen 指数是jensen（1968）提出的，他认为根据基金资产超额收益率与基准资产组合的超额收益率进行回归分析得到的常数项，可以作为基金风险调整后的绩效，称为jensen 的alpha 值。jensen 的alpha 值是第一个以收益率的形式表达风险调整绩效的指标。

        三、本文中样本数据的选择

        本文以2008年9月30日之前成立的122只开放式股票型基金（包括指数基金）作为研究样本。根据投资类型，并结合其持股集中度、持股特征等将其分为四大类：成长型、价值型、平衡型和指数型基金。

        本文所选取的样本区间为2009年1月1日至2010年12月31日，所选取的数据包括基金的日单位净值、业绩比较基准指数的收盘指数。对于无风险资产利率，我们选用银行1年期定期存款利率进行替代，考虑到在样本期内，央行分别于2010年10月19日和2010年12月25日各上调金融机构一年期存款基准利率0.25个百分点。我们利用简均法调整基金在样本期间的无风险利率为2.278%。

        在进行基金日单位净值增长率时，我们以2009年1月1日的净值为基准向后复权，利用复权后的基金日单位净值指标来进行基金日净值变化率，具体计算公式为：

 

        这样可以计算出所选取的122只基金486个交易日的基金日净值变化率指标。同时，我们计算每一只基金的业绩基准所对应的指数日收益率。以交银股票精选为例，其业绩比较基准为：75%×沪深300指数 + 25%×中信全债指数，首先计算第 交易日沪深300指数的日收益率和中信全债指数的日收益率，然后按照75%、25%的权重计算加权平均收益率即为基金对应业绩基准的日收益率。

        四、实证结果及分析

        首先计算出每一只基金在样本区间内的不同业绩评估指标，然后从整体上和不同分类上对基金的业绩进行描述性统计分析，统计结果见表1。 

         

        由表1可知，从整体上分析，经风险调整后的所有开放式股票型基金的收益指标sharpe比率和treynor指标均大于0，表明基金可以获得超过无风险收益率的超额正收益率。但在基金管理能力方面，尽管从整体上基金能够获得均值约为0.0002%的超额收益，但不同基金之间存在较大差异，以样本基金中jensen指标的最高值与最低值比较，两者相差0.0018，或者从不同基金的jensen指标的波动率来分析，波动率高于均值水平，表明基金获取超额收益的能力存在较大差异。

而估价比率和m2测度均有与jensen指标相类似的情景。从投资风格角度分析，平衡型基金的sharpe比率高于成长型和价值型，但平衡型与成长型的treynor指标又相差不大。那么不同风格之间经风险调整后的收益是否有差异呢？我们利用独立样本t检验来对不同风格的股票型基金的五个业绩评估指标进行检验,检验结果如表2、3、4所示： 

         

         

         

        由表2、3、4的检验结果可知，不同风格之间五个业绩评估指标的levene检验结果表明均是同方差，同时根据t统计量及检验结果的显著性，表明不同风格之间的业绩评估指标之间不存在较大的差异。

        那么积极型的基金管理者和消极型的基金管理者在不同的业绩评估指标上是否有差异呢？本论文同样利用独立样本t检验来进行分析，独立样本t检验结果表明，积极型基金和指数型基金之间在某些业绩评估指标上服从同方差分布，如treynor指标、jensen指标和m2测度指标在10%的检验水平下均拒绝同方差的假设。而根据统计的结果也可表明积极型基金与指数型基金的不同业绩评估指标的均值之间存着着显著的差异。这也表明投资策略会对基金的业绩水平产生一定的影响。

        五、主要结论

        本论文主要是结合基金的投资风格和投资策略对我国开放式股票型基金的业绩进行评估。针对目前国内外学者在进行基金业绩评估时往往采用市场指数来代替市场组合方法的不足，本文有针对性的进行了改进，并结合投资风格和投资策略，比较了基金的业绩，结论如下：

        本文利用sharpe比率、treynor、jensen指标、估价比率、m2测度等方法对不同风格的基金的这五个业绩评估指标进行了独立样本t检验，发现不同投资风格的基金他们的同一业绩评估指标之间没有太大差别。但若考虑到基金的投资策略，则积极型的投资者与消极型的指数投资者他们的业绩除m2测度指标无明显差异外，其余的指标都存在着显著的差异。研究结果表明：不同风格的股票型基金的业绩评估差异不大；但不同策略的业绩差异相对较大，也即资产配置策略的重要性。

参考文献：

[1]admati a， ross s a. 1985，measuring investment performance in a rational expectations equilibrium model [j].journal of business，58,pp: 1-26.

[2]admit a r， bhattacharya s， ross s a， pfleiderer p. 1986，on timing and selectivity [j]. journal of finance，41,pp:715-730.

[3] 冯辰.我国开放式股票型基金规模与绩效关系的实证研究[j].财经界，2007(6).

第9篇：无风险资产的特征范文

关键词：动态资产配置 先行指数 股票仓位 约束权重

中图分类号：F830.2文献标识码：A 文章编号：1006-1770(2010)011-033-06

一、 引言

面对凶险叵测的证券市场，无论是机构投资者还是散户，对于如何根据基本面等因素的变化来动态调整股票仓位的问题经常感到困惑。股票仓位的调整和控制存在很大的主观性，往往被认为是艺术。

解决目前调整仓位所面临困境的一种方法是从理论上进行创新，开发新的、更有效的调整仓位技术。对于考虑现金、股票和债券的大类资产配置，如果仅考虑现金和股票，那么大类资产配置问题就转化成股票仓位的确定问题。因此，仓位动态调整可借鉴大类资产配置的方法来研究。目前，关于大类资产配置的金融理论取得了长足的进步，出现了现资组合理论、投资时钟模型以及组合保险策略等理论和方法。然而，现有的理论方法存在明显的不足，限制了其在投资中的应用。

经过几十年的发展，Markowitz(1952)提出的均值方差模型（或投资组合理论）已经成为资产配置的重要方法。但是，由于均值方差模型存在需要对资产预期收益进行估计、一些不现实的模型假设以及配置结果对参数的敏感性等问题，导致该模型通常被放入“象牙塔”，难以在实务中发挥其应有作用。对于具有“新兴加转轨”基本特征的我国市场来说，情况更是如此。尽管很多研究对均值方差模型进行了拓展（如，Black和Litterman(1992)，Cuoco和He(2008)），但这些方法仍不能有效解决其主要缺陷，还往往提高了应用的复杂性。

在实践中，比较有影响力的方法是美林证券的投资时钟模型(Merrill Lynch(2004))。该模型把经济周期与资产和行业轮动联系起来，通过对影响资产收益表现的关键因素进行状态划分，来指导投资者确定不同阶段的投资策略。然而，该方法在应用时需要对经济周期进行正确地划分，并且对资产配置的择时和具体比例的指导作用还比较缺乏。

在动态资产配置方面，比较有影响的是组合保险策略的相关研究。代表性的方法有Perold和Sharpe(1988)提出的固定比例投资组合保险策略以及Estep和Kritzman(1988)给出的时间不变性组合保险策略等。这些策略的成功依赖于对市场未来走势的正确判断。此外，这些策略割裂了基本面与资产配置的联系。由于没有直接利用宏观经济等基本面信息，这些策略本身不具有利用信息上的优势。

归纳起来，以上这些理论或方法通常存在模型假设强、操作性差或信息利用劣势等缺陷。理论界的最新进展给解决仓位动态调整困境提供了一种新的、更为有效的工具。Brandt和Santa-Clara (2006)提出一种基于扩充资产空间的动态资产配置方法（以下简称为Brandt模型），该方法规避了以上方法的主要缺陷,同时具有很强的可操作性。

通过信号变量的动态变化，Brandt模型把动态投资组合问题转化为静态的投资组合问题。Brandt模型不依赖于对市场预期进行资产配置，而是直接利用现有指标或变量与资产收益的关系来确定配置比例，这对目前“先发展资本市场预期，后进行资产配置”的流行做法提出了挑战。Brandt模型提出了可直接估计配置权重的扩张资产空间技术，延续了均值方差模型的理论脉络，能够充分利用该理论的现有研究成果。

本文主要目的是基于Brandt模型，建立适合我国证券市场的股票仓位动态调整模型。该模型是在风险资产仅保留股票、驱动仓位动态调整的信号变量仅为中国经济景气指数中的先行指数时的一种特殊情况。作为铺垫，本文介绍了Brandt模型的单期形式，给出了对权重加以约束的方法。股票仓位动态调整模型具有良好的投资表现，易于使用，对机构投资者和中小散户投资者都适用。此外，作为信号变量的先行指数与股票指数的显著统计关系这一发现，对理解股市的运行和相关研究具有参考价值。

本文余下安排如下。第二节，介绍了Brandt资产配置模型的单期形式，对权重加以约束的实现方法进行分析讨论。第三节，分析先行指数作为驱动股票仓位动态调整的信号变量的合理性，建立了股票仓位动态调整模型。第四节，分析了股票仓位模型的实际表现，并进行稳健性分析。最后，总结全文并探讨拓展方向。

二、 Brandt模型及权重约束的实现方法

Brandt模型可以直接利用静态的Markowitz均值方差模型来实现对参数的估计。从这一角度来说，Markowitz均值方差模型是Brandt模型的基础。当所有信号变量的取值为常数时，资产空间没有得到扩充，Brandt模型就变成了Markowitz均值方差模型。从这一角度来说，Markowitz均值方差模型是Brandt模型的一种特殊情况。

由于本文所给出的股票仓位动态调整模型是Brandt模型的一种特殊形式，所以股票仓位动态调整模型的股票仓位（或分配在股票上的权重）等参数的估计可以直接采用Brandt模型的估计方法。考虑到在实务中需要对股票仓位加以一定限制卖空等约束，本文在介绍Brandt模型的估计方法时，对权重约束的实现方法进行了分析讨论。

（一）模型的基本形式

在实际应用中，易于使用的是单期模型。因此，本文仅考虑单期Brandt资产配置模型。假设投资者具有凸效用函数，要利用目前所具有的信息，来对投资标的进行配置决策，以最大化未来一个时期的财富。该决策可刻画为最大化其凸效用函数的条件期望，即表示为 （1）

这里Wt表示该投资者的在t+1时刻的财富，bt为正数并且足够小以使得财富的边际效用保持为正数。令Rtf为无风险利率，为投资者组合t从t+1到时期的超额收益，。

本文采用类似Brandt和Santa-Clara(2006)的符号，即使用大写字母表示总体收益，小写字母表示超额收益。把所有变量加以一个表示时期的下标，以对应于该变量是已知的时刻。例如，风险资产从时间t到t+1的收益率被表示成Rt+1。在同一时期的无风险利率被表示成Rtf，原因在于在收益期的开始就知道该变量的取值。假设共有M类风险资产,即Rt+1的维数为M。

给定这些符号，考虑到 （2）

根据Brandt和Santa-Clara(2006)，可以把公式（1）表示成如下形式 （3）

实际应用中，通常用样本矩来代替（3）的条件期望来进行相应的求解。组合的超额收益rp可表示为组合权重wt和风险资产的超额收益的线性函数，这里T表示向量的转置。g为投资者的风险厌恶参数，该参数确定了在超额收益波动率上的惩罚程度。

假设存在一个预测信号变量集合zt，包含K个信号，即。把zt的第一个元素取为常数1，就可把扩张的资产空间与原有的风险资产空间联系在一起进行表述。

Brandt和Santa-Clara(2006)指出组合的权重可以通过公式wt=qzt得到，这里q为一个M*K的参数矩阵，其最优值q*可以通过求解（3）得到，有下式成立

（4）

这里N为样本量大小，ver(.)为通过把一个矩阵的列堆在一起，使矩阵变成一个向量的算子，表示两个矩阵的克饶耐克（Kronecker）乘积。把的元素与zt的对应元素进行相乘后，就得到组合的权重wt。

（二）权重约束的实现方法

由于以上是用相对于无风险利率的超额收益进行的模型表述，那么给出的权重是分配在风险资产上的权重。对于分配在风险资产与现金上的权重之和为1的约束自然实现。换句话说，在求出分配在风险资产上的权重之后，把1减去这些权重之和后，就得到分配在现金上的权重。如果分配在现金上的权重大于1，那么表示需要进行借贷，以加大对风险资产的投资。除对分配在风险资产和现金上权重之和为1的约束以外，通过（4）获得的权重没有加以任何其他形式的约束。在应用中，通常考虑对权重加以限制卖空等约束。

当权重加以约束时，一般不能得到类似（4）的解析解，通常采用数值方法进行求解。对权重加以约束，求解最优权重就变成了求解一个凸二次优化问题。这个优化问题可表述为：

目标函数（5）

约束条件（6）

这里，为决策变量，；矩阵A为控制约束条件的系数矩阵，矩阵B为常数矩阵。通过选择矩阵A和B的具体形式，可以把权重的约束表示出来。

为方便求解，把以上的目标函数表示成如下形式 （7）

对于这种形式的凸二次优化问题，可以采用Goldfarb和Idnani(1982,1983)的双重法（dual method）来进行求解。对该方法的详细介绍，可参见参考文献[8,9],在此省略。

在求解上面优化问题时,很多数值算法可以直接给出无约束条件的解。另外，也可以把对权重的约束放宽到接近无穷大的程度,通过求解上面的优化问题得到。这两种方式可以作为(4)式的替代方式，具有十分高的精度。

当仅有一个信号变量（常数1除外）并且仅有一个风险资产时，对权重的约束可以通过下面的“截尾变换法”实现，不需使用数值方法求解。在这种特殊情况下，可以唯一地求解权重，使“截尾变换法”与前文的数值方法近似等价。在这种特殊情况下，截尾变换法可以看成一种简便算法。此时，不借助于数值方法，利用（4）式再进行截尾变换就可求出满足约束条件的权重。

不失一般性，不妨把权重的约束表示为，这里，wd和wu分别为权重取值的下界和上界。对无约束的权重进行截尾变换，是指根据下式直接得到满足约束条件的权重。

（8）

比如，计算出分配在风险资产上的权重wt=1.2。如果权重有不超过1且不小于0的约束，那么根据（8）式可得权重为。

下文将给出股票仓位动态调整模型。对于该模型，采用截尾变换法求解满足约束条件的权重。如果对股票仓位动态调整模型增加信号变量的数量，那么截尾变换法将不能保证得到最优的权重，此时可以采用本文给出的数值方法求解最优权重。

三、股票仓位动态调整模型

假设仅考虑现金和股票两类资产，股票仓位动态调整问题就转化为前文的Brandt模型的一种特殊情况。此时，计算出的配置在股票上的权重就变成了股票仓位。在不产生歧义的情况下，下文所提到的权重和仓位将互换使用，不再一一说明。同时，计算出的权重，没有转化成百分比的形式，可自行转换。

本文的仓位或权重是对股票市场系统性风险的净敞口。净敞口是综合股票现货、股指期货后的风险头寸。如果股票现货的投资为10个亿，但利用股指期货对冲掉10个亿投资的系统性风险，即是完全套保，此时净敞口为0。如果股票现货的投资为10个亿，但利用股指期货做多2个亿，那么此时净敞口为12个亿。

下面，首先给出用做驱动仓位进行动态调整的信号变量并进行合理性分析，建立股票仓位动态调整模型，然后，对该模型进行实证分析。根据我国股市的特点，本文仅考虑用月度收益进行分析。同时，假设对股票进行指数化投资，投资于上证A股指数（简称A股指数），并且在每月以指数的收盘价调整仓位。

（一）信号变量：中国经济景气指数之先行指数

针对美国资本市场，Brandt和Santa-Clara(2006)给出了股息率、国债收益率以及信用利差等指标作为驱动资产配置动态调整的信号变量。Ait-sahalia和Brandt(2001)探讨了用于资产配置的信号变量选择问题，给出了通过多个指标来构造指数以复合多种信息的方法。

对于我国资本市场来说，选择信号变量需要结合我国资本市场“新兴加转轨”的基本特征，提出适合我国市场的信号变量，不能简单照搬国外的经验。经过大量筛选和分析，本文选择中国经济景气指数中的先行指数作为驱动仓位动态调整的信号变量。

中国经济景气指数包括先行指数、一致指数、滞后指数和预警指数。从1991年开始，该指数由中国经济景气监测中心计算并。2004年年末，高盛和中国经济景气监测中心合作编制先行指数。二者合作后会对指数的编制方法进行调整，因此可以认为先行指数从2005开始，编制方法发生了改变，导致2005年前后的先行指数数据可能存在结构性的差异。

先行指数一共由8组指标构成，这8组指标分别是投资新开工项目、消费者预期指数和房地产领先指数、恒生中国内地流通指数、货币供应M2、工业产品产销率、物流指数和利率差。在计算先行指数时，经季节调整去除季节因素的影响。先行指数以1996年为基期，基期数值为100，该指标按月计算，每月月末。该指数的编制方法、构成指标的权数和权重等信息可以通过中国经济景气监测中心的网站查询（省略.cn）。

（二）用先行指数驱动股票投资的合理性

良好的宏观经济状况，不一定能够保证投资股市就取得较高的收益。宏观经济的状况与股市的发展变化并不同步，股市的发展变化一般领先于宏观经济状况的改变。

一般来讲，先行指数能够反映出经济的未来变化趋势。根据中国经济景气监测中心，“我国先行指数的峰谷平均领先一致指数的峰谷6个月-7个月”。本文采用的先行指数的数值滞后于配置的时间2个月，由此推算，在某种程度上，本研究认为股市领先于宏观经济4个月-5个月。下面的分析将表明，这种判断具有统计上的显著意义。

在表1中，给出了滞后2期的先行指数月度百分比变化率和A股指数月度收益的回归分析结果。其中，A股指数月度收益率的数据区间是从2005年6月至2010年6月，而先行指数月度百分比变化率的数据区间是从2005年4月至2010年4月。为清楚显示这两个变量之间的关系，把先行指数月度百分比变化率提前2期。这里，A股指数月度收益率采用的是把A股指数月度百分比变化率扣除掉该期的无风险利率。其中，每个月的无风险利率用该月加权平均的7天银行同业拆借利率代替。

从表1可以看出，滞后2期的先行指数月度百分比变化率和A股指数月度收益具有显著的统计关系（显著性水平：0.01），说明滞后2期的先行指数月度百分比变化率对A股指数月度收益具有很好的预测作用。

上面这种统计关系用2005年以后的数据来测算是显著的，如果考虑更长一些的数据，比如从1995年至2010年的数据，仍然可以发现是显著的。然而，这种较长时期的数据所体现的统计关系，主要是2005年以后的数据在起作用。这种发现可从以下两个方面来理解：

1.从2005年5月9日开始进行股权分置改革，大陆股市开始进入“全流通”时代，从结构上发生了本质性的变化，股市是宏观经济的晴雨表这一功能表现得逐渐明显。

2.从2005年以后，先行指数的编制方法发生了结构性的变化，可能比以前的编制方法更为科学，数据质量得到很大的提高，因此对宏观经济能够起到较好的先行指示作用。

需要说明的是，本文使用滞后2期的先行指数月度百分比变化率是由先行指数公布时间所造成的。比如，在2010年7月1日，若要决定在该月的股票仓位配置，仅需获得2010年5月的先行指数月度百分比变化率。2010年5月的先行指数值通常在2010年6月末公布，故在进行配置时，可以使用该数据。注意，这里与前文模型（第二节）中利用滞后1期的假设有些不同。本质上，前文模型所表示的滞后含义是在决策配置时，利用当时可以利用的信息，而不是把对未来投资收益的预测纳入决策当中。基于此，把滞后2期数据当成滞后1期处理即可。

（三）资金成本

股票仓位动态调整模型是对无风险资产和股票两类资产进行动态配置的模型。为提高资金利用的效率，会把股票投资额度未用的资金以活期银行存款的方式存入银行、向金融机构以同业拆借利率拆出或以其他方式融出资金取得基本无风险的收益。

本文用7天银行业同业拆借利率代替无风险资产，或者说本文假定资金成本为7天银行业同业拆借利率。在整个样本期内（从2005年6月到2010年6月），年化利率的均值为0.022。

四、不同约束条件下的配置表现

（一）投资收益分析

本文的投资收益是相对于资金成本或扣除资金成本的结果。如果把月度的利率加回股票投资的超额收益,不难得到在未去除资金成本前的收益表现相关分析结果，为节约篇幅，本文在此省略。表2给出了股票仓位动态调整模型的样本外配置表现。

从表2可以看出，基于股票仓位动态调整模型的投资策略明显地优于“买入并持有”指数这一投资策略。通过对权重加以不同的约束，对实际配置表现有所影响。对权重加以的约束越多，投资收益的夏普比率越低。

（二）权重变化

根据权重无约束的股票仓位动态调整模型，本文把计算出的权重大小按样本外预测期的时间进行排列，给出了权重变化折线图（见图1）。为方便分析，图1还给出了权重的四条约束线。根据前文提到的截尾变换法，当权重超过约束线（大于上界或小于下界）时，只能取约束线对应的数值；否则取计算出的权重。比如，在无约束条件下，计算出的2010年6月权重为-0.557。如果对仓位有不小于0的约束（即禁止卖空），那么仓位只能取0，即空仓。

从图1可以看出，仓位在[-2,2]之间波动，随时间变化明显。与市场实际表现相比，股票仓位动态调整模型所给出的权重较为准确。比如，对于无约束的权重，在市场的几个特征明显的时间段，该模型提前建议调仓。

1.2008年7月至2008年12月，金融危机阶段，市场跌跌不休，逐渐探底。在此阶段，权重为负值，显示如果不能卖空的话，就应该清仓。在2008年11月，权重到达低谷。

2.2009年1月至2009年12月，政府救市，市场出现反转。在此阶段，权重为正值；并且从2009年2月开始，权重超过1，显示应该进行满仓操作。如果可以根据市场情况增加投资额度，那么应该在2009年3月、2009年5月至7月，增加投资额度。新增加的投资资金可以来源于自由资金，也可以来源于同业拆借的资金。本文是在考虑资金成本的条件下给出的配置建议。

值得注意的是，2009年8月，市场回调，当月跌幅高达22%。权重尽管从2009年7月有较大程度的下调，但在该月仍然给出满仓的建议，没有能够避免较大损失的发生。对于这种情况，一种解决办法是不断改进模型。比如，可通过改进现有信号变量或增加新的信号变量，来提高对市场反应的灵敏程度。另一种解决办法是增加一些风险控制措施，比如，设定止损位，当损失达到止损位时，就进行止损，从而避免信号失灵时所引起的潜在大幅损失。

3.2010年1月至2010年6月，市场下跌。在此阶段，权重除10年2月和4月以外，都为负值，显示应该空仓。如果能够卖空市场的话，应该卖空。值得注意的是，从2009年12月到2010年1月，给出的仓位建议是急剧地从满仓变为空仓，说明仓位调整对信号的反应非常强烈。

（三）参数敏感性分析

在实际应用中，风险厌恶参数一般位于2至10之间。在前文的样本外配置表现分析中，选择了风险厌恶参数=5，用于参数拟合的样本量为36（即用三年的月数据进行拟合）。

表3给出了不同风险厌恶参数和用于参数拟合的样本量大小交叉配比下，[0,1]约束时投资组合的夏普比率。对于其他约束可以得到类似的结果，在此省略。

从表3可以看出，不同的参数对配置表现的影响比较有限。在这些不同参数配比下，所确定的投资组合仍然能够优于以“买入并持有”的方式投资于指数的投资表现。这说明，本文的计算结果是比较稳健的。

值得注意的是，本文采用上证A股指数作为股票的替代。如果把A股指数换成上证综指，可发现十分相似的结果。如果把A股指数换成深圳成指和沪深300指数，可以发现先行指数与这两个股票指数仍然存在显著的统计关系，但是显著性程度将降低。从实际的配置表现上来看，对于这两个股票指数，股票仓位动态调整模型仍然能够得到良好的配置表现。但由于统计关系的显著性程度的降低，配置表现要略逊于用上证A股指数。基于此，可以认为，该模型对大盘股（上证A股指数）要比中小盘股（深圳成指）的投资更具指导意义。为节约篇幅，在此省略了相关结果的展示。

最后，需要评估先行指数修正对配置表现的影响。在最新组成指标公布后，指数编制机构通常确定是否对上期先行指数数值进行修正。由于修正的基本原则是不改变指数的趋势，对指数修正给实际应用产生的不利影响不用担忧。具体来讲，对于无约束权重，先行指数下滑阶段给出的仓位通常略高于根据修正后的数据计算的仓位；而先行指数上升阶段给出的仓位通常略低于根据修正后的数据计算的仓位。这样一来，以夏普比率来衡量，实际的配置表现将比未考虑修正时所计算的配置表现略差。在先行指数变化没有明确方向阶段给出的仓位在多个时点上的影响可以互相抵消，从而不会根本性地改变实际的配置效果。考虑到通常对权重加以限制卖空和杠杆规模等约束，相当于对无约束权重进行“截尾”处理，导致先行指数进行修正产生的仓位变化影响大大降低，不会本质地影响配置表现。

五、结论

本文建立了适合我国股票市场的仓位动态调整模型，考虑的是模型的单期形式。建立仓位模型的一个难点在于寻找合适的信号变量。基于先行指数与股票收益存在的显著统计关系以及合理的理论解释，本文把先行指数作为驱动股票仓位进行动态调整的信号变量。实证分析表明该模型具有很好的投资表现并且具有稳健性。

在后续研究中，可以从理论和应用两个方面进行拓展。理论方面可考虑股票仓位动态调整模型的多期形式和使用不同效用函数，应用方面可考虑把该模型从单一信号变量拓展到多个信号变量、探讨债券的仓位动态配置模型、债券和股票的联合配置以及相关的制度设计。

注：

本研究受到中国博士后科学基金资助（No.20090460639）

参考文献:

1. Markowitz, H., 1952, “Portfolio Selection”, The Journal of Finance [J], 7:pp. 77-91.

2. Black, F., and Litterman, R., 1992, “Global Portfolio Optimization”, Financial Analysts Journal [J], Sep/Oct. pp.28-43.

3. Cuoco. D. H., and He S. I., 2008, “Optimal Dynamic Trading Strategies with Risk Limits”, Operation Research [J], 56（2）:pp.358-368.

4. Merrill Lynch, 2004, “The Investment Clock. Special Report #1: Making Money from Macro”, Merrill Lynch Bank Research Report [R], 10, November.

5. Perold A. R., and Sharpe W., 1988, “Dynamic Strategies for Asset Allocation”, Financial Analysts Journal [J], pp.16-27.

6. Estep T., and Mark K., 1988, “TIPP: Insurance without Complexity”, Journal of Portfolio Management [J], Summer, pp. 38-42.

7. Brandt M.W., and Santa-Clara, P. 2006, “Dynamic Portfolio Selection by Augmenting the Asset Space”, Journal of Finance [J], Vol.LXI, No.5:pp.2187-2217.

8. Goldfarb D., and Idnani A., 1982, “Dual and Primal-Dual Methods for Solving Strictly Convex Quadratic Programs”, In J. P. Hennart (ed.), Numerical Analysis, Springer-Verlag, Berlin [M], pp.226239.

9. Goldfarb D., and Idnani A., 1983, “A numerically Stable Dual Method for Solving Strictly Convex Quadratic Programs”, Mathematical Programming [J], 27: pp.133.

10. Ait-sahalia Y., and Brandt M. W., 2001, “Variable Selection for Portfolio Choice”, The journal of finance [J], Vol. LVI, NO.4:pp.1297-1351.