股票市場(chǎng)投資組合策略構(gòu)造及模型檢驗(yàn)

張 力

(中南財(cái)經(jīng)政法大學(xué) 金融學(xué)院, 武漢 430073)

?

股票市場(chǎng)投資組合策略構(gòu)造及模型檢驗(yàn)

張 力

(中南財(cái)經(jīng)政法大學(xué) 金融學(xué)院, 武漢 430073)

股票市場(chǎng)是一個(gè)高風(fēng)險(xiǎn)高收益的市場(chǎng),通過構(gòu)造投資組合分散風(fēng)險(xiǎn),可以在一定風(fēng)險(xiǎn)情況下實(shí)現(xiàn)收益的最大化或者在收益一定的情況下實(shí)現(xiàn)風(fēng)險(xiǎn)最小化.文中從十七個(gè)財(cái)務(wù)因子中提取了八個(gè)共同因子進(jìn)行主成分分析,進(jìn)而分析滬深A(yù)股所有股票的財(cái)務(wù)狀況.通過給每只股票打分,選出前五只股票構(gòu)造一個(gè)投資組合,然后確定各種資產(chǎn)的最優(yōu)權(quán)重和估計(jì)出投資組合的VaR,并對(duì)VaR進(jìn)行回測(cè)以檢驗(yàn)投資組合的可靠性.

股票市場(chǎng)；主成分分析；投資組合；VaR；回測(cè)

0 引 言

自從我國(guó)股票市場(chǎng)建立以來,經(jīng)歷了大大小小的數(shù)次金融危機(jī),由于經(jīng)濟(jì)周期和金融危機(jī)的存在,股市也經(jīng)歷了牛市和熊市,牛市中基本是買什么股票都是漲的,因此也稱為送錢行情,然而在經(jīng)歷熊市時(shí),大多數(shù)人都是虧錢的,因此投資組合就顯得尤為重要,特別是在2015年熊市顯得尤為明顯.最著名的證券投資組合理論當(dāng)屬馬科維茨投資組合理論,其指的是根據(jù)各種證券的風(fēng)險(xiǎn)和收益大小進(jìn)行適當(dāng)?shù)慕M合,以使得在一定風(fēng)險(xiǎn)條件下實(shí)現(xiàn)組合利潤(rùn)最大化,或者在一定收益下實(shí)現(xiàn)風(fēng)險(xiǎn)最小化.一般而言收益和風(fēng)險(xiǎn)是相互依存的,風(fēng)險(xiǎn)和收益成正相關(guān),因此投資組合的建立就是在收益和風(fēng)險(xiǎn)這一對(duì)相互矛盾的統(tǒng)一體中尋找均衡.機(jī)構(gòu)投資者往往具有信息、技術(shù)、人才等方面的優(yōu)勢(shì)；對(duì)于個(gè)體戶而言往往存在信息不對(duì)稱、信息閉塞、專業(yè)知識(shí)不足等原因,很難控制風(fēng)險(xiǎn),而通過構(gòu)造投資組合可以幫助個(gè)體散戶分散規(guī)避大部分的非系統(tǒng)風(fēng)險(xiǎn),并達(dá)到自己的預(yù)期收益,這對(duì)于個(gè)體投資者投資金融產(chǎn)品而言具有重要的現(xiàn)實(shí)意義.

關(guān)于投資組合的構(gòu)造與分析,國(guó)內(nèi)外學(xué)者做了相關(guān)研究,賈小波[1]研究了在Beta約束下牛市和熊市兩個(gè)階段的最優(yōu)投資組合；吳丹[2]運(yùn)用均值方差理論和CAPM模型構(gòu)造了投資組合,得出投資組合可以有效分散風(fēng)險(xiǎn)和提高收益；王寰[3]運(yùn)用均值——絕對(duì)離差和半絕對(duì)離差模型構(gòu)建了出線性投資組合模型,也能很好的分散風(fēng)險(xiǎn)和提高收益.國(guó)外學(xué)者R.R.A. Mendes[4]通過計(jì)算機(jī)運(yùn)用ARMA-GARCH模型構(gòu)造多元模型設(shè)定特定算法得到相對(duì)最優(yōu)的投資組合；Enriqueta Vercher[5]運(yùn)用確定性的絕對(duì)均值半偏差模型結(jié)合VaR構(gòu)造了最有投資組合；Rubén Saborido[6]運(yùn)用多目標(biāo)算法獲得模糊投資組合；Vladimir Rankovié[7]運(yùn)用單均值GARCH VaR的方法構(gòu)造最優(yōu)投資組合等等.

1 相關(guān)理論介紹

本論文用到了主成分分析方法以及方差-協(xié)方差矩陣的相關(guān)運(yùn)算,最后還用到了EXCEL的相關(guān)函數(shù)來進(jìn)行選股以及求最優(yōu)權(quán)重和模型的回測(cè).

1.1 主成分分析法

主成分分析又稱主分量分析法,它是通過降維的方法將多個(gè)指標(biāo)用少數(shù)幾個(gè)具有代表性的綜合指標(biāo)來替代,并且能保留多個(gè)指標(biāo)的大部分信息并消除原指標(biāo)可能存在的相關(guān)性的一種方法.簡(jiǎn)稱PCA(principal components analysis).

一般為了更加準(zhǔn)確的描述事物特征,可能會(huì)建立多元回歸模型,而在建立多元回歸時(shí)就不免會(huì)在模型中添加較多解釋變量,來更準(zhǔn)確地反映事物的特征.變量的增加會(huì)使得分析變得復(fù)雜,也可能存在多重共線性,進(jìn)而會(huì)增加方程在經(jīng)濟(jì)含義解釋方面的難度.為了解決這些問題,主成分分析法提供了一種降維的思想,其將所有指標(biāo)的信息通過少數(shù)幾個(gè)指標(biāo)來反映,而這少數(shù)幾個(gè)指標(biāo)可以代表大多數(shù)變量的信息,這樣既可以保持研究的因變量保持原有的特性又可以減少了估計(jì)變量的個(gè)數(shù)和相關(guān)性,這就使得估計(jì)變得簡(jiǎn)單,多元回歸模型的表達(dá)也更為容易.

1.2 馬科維茨投資組合理論

證券組合的含義：是指投資者根據(jù)證券的風(fēng)險(xiǎn)和收益大小,按一定策略進(jìn)行選擇有價(jià)證券組合證券組合,通常包含一攬子有價(jià)證券,例如股票、債券等,基金是最典型的投資組合,也指?jìng)€(gè)人或機(jī)構(gòu)投資者所持有的各種有價(jià)證券的總稱.[8]

1.2.1構(gòu)建證券投資組合的原因

(1)降低風(fēng)險(xiǎn).

(2)實(shí)現(xiàn)收益最大化.

如何確定不同證券或資產(chǎn)上的投資比例,以使資金穩(wěn)定快速增長(zhǎng)并控制投資風(fēng)險(xiǎn),這就是投資組合理論要解決的問題.

關(guān)于方差協(xié)方差法確定權(quán)重的問題需要每只股票服從正態(tài)分布,這里做出說明,對(duì)于單只股票的投資收益率不一定服從正態(tài)分布,但是根據(jù)中心極限定理,當(dāng)樣本數(shù)據(jù)足夠多的時(shí)候,單只股票的投資收益率可以近服從正態(tài)分布.(但中心極限定理要求各隨機(jī)變量互不相關(guān),然而組合中各股票存在一定程度的相關(guān)性.)但實(shí)證發(fā)現(xiàn),對(duì)于一個(gè)有效分散化的投資組合,若持有時(shí)間不長(zhǎng),其收益率近似地服從正態(tài)分布；當(dāng)持有期限在1個(gè)月以上時(shí),其收益率近似地服從對(duì)數(shù)正態(tài)分布.

1.2.2.馬科維茨投資組合模型

保持投資組合收益一定的情況下實(shí)現(xiàn)風(fēng)險(xiǎn)最小

2 投資組合的構(gòu)造

本論文的數(shù)據(jù)全部來自國(guó)泰安數(shù)據(jù)庫(kù),選擇的對(duì)象是上海深圳兩大證券交易所所有A股股票,由于數(shù)據(jù)大量的缺失(很多公司都是新上市的),刪除了缺失數(shù)據(jù),選取的時(shí)間段為2005年01月至2015年12月的月度數(shù)據(jù),此階段我國(guó)股市經(jīng)歷著牛市和熊市,將數(shù)據(jù)缺失嚴(yán)重的股票直接刪除掉,通過主成分分析法,借助上市公司的財(cái)務(wù)指標(biāo)篩選出5只排名靠前的股票構(gòu)造一個(gè)投資組合,分別確定各資產(chǎn)的權(quán)重,至此可以確定一個(gè)投資組合,對(duì)該投資組合使用歷史模擬法進(jìn)行VaR估計(jì)和對(duì)模型進(jìn)行回測(cè).

2.1 財(cái)務(wù)指標(biāo)的選取

本文選取了十七個(gè)財(cái)務(wù)指標(biāo)來衡量一個(gè)公司是否具有投資價(jià)值,選取的指標(biāo)有X1流動(dòng)比率、X2速動(dòng)比率、X3利息保障倍數(shù)、X4資產(chǎn)負(fù)債率、X5應(yīng)收賬款周轉(zhuǎn)率、X6營(yíng)運(yùn)資金(資本)周轉(zhuǎn)率、X7總資產(chǎn)周轉(zhuǎn)率、X8資產(chǎn)報(bào)酬率、X9總資產(chǎn)凈利潤(rùn)率(ROA)、X10營(yíng)業(yè)利潤(rùn)率、X11息稅前營(yíng)業(yè)利潤(rùn)率、X12每股收益、X13息稅前每股收益、X14每股營(yíng)業(yè)利潤(rùn)、X15每股凈資產(chǎn)、X16每股資本公積、X17每股未分配利潤(rùn).這十七個(gè)指標(biāo)可以分別代表償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力.

(1)償債能力,資產(chǎn)負(fù)債率是企業(yè)負(fù)債總額和資產(chǎn)總額的比值,該指標(biāo)反映了企業(yè)的負(fù)債情況以及長(zhǎng)期償債能力,一般而言資產(chǎn)負(fù)債率越高則償債能力越差,資產(chǎn)負(fù)債率越低則償債能力越強(qiáng),但資產(chǎn)負(fù)債率過低則不能充分利用外圍資金實(shí)現(xiàn)自身增長(zhǎng),一般資產(chǎn)負(fù)債率在50%左右比較好[10].在本論文中反映償債能力的指標(biāo)有資產(chǎn)負(fù)債率,流動(dòng)比率,速動(dòng)比率,利息保障倍數(shù).

(2)營(yíng)運(yùn)能力,營(yíng)運(yùn)能力體現(xiàn)的是企業(yè)的經(jīng)營(yíng)能力,資金的循環(huán)和運(yùn)作,是指企業(yè)經(jīng)營(yíng)主營(yíng)業(yè)務(wù)運(yùn)用自身資金經(jīng)營(yíng)公司實(shí)現(xiàn)資金流循環(huán)賺取利潤(rùn)的能力.在本論文中衡量企業(yè)營(yíng)運(yùn)能力的財(cái)務(wù)指標(biāo)有:應(yīng)收賬款周轉(zhuǎn)率、營(yíng)運(yùn)資金(資本)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等.

(3)盈利能力,穩(wěn)定的盈利能力是企業(yè)保持良好而穩(wěn)定的持續(xù)經(jīng)營(yíng)的關(guān)鍵所在,凈資產(chǎn)收益率反映了報(bào)告期中各種權(quán)益要素的綜合收益水平.每股凈資產(chǎn)是指每股股票對(duì)應(yīng)的凈資產(chǎn)份額,其描述的是企業(yè)抵御風(fēng)險(xiǎn)的能力[10]；在本論文中描述盈利的指標(biāo)包括資產(chǎn)報(bào)酬率、總資產(chǎn)凈利潤(rùn)率(ROA)、營(yíng)業(yè)利潤(rùn)率、息稅前營(yíng)業(yè)利潤(rùn)率等.

(4)成長(zhǎng)能力,主營(yíng)業(yè)務(wù)增長(zhǎng)率,凈利潤(rùn)增長(zhǎng)率兩個(gè)指標(biāo)主要反映公司未來的成長(zhǎng)能力.在實(shí)際投資中,成長(zhǎng)性好的企業(yè)說明其未來發(fā)展的空間更為廣闊,產(chǎn)生穩(wěn)定盈利的可能性也就越大.反映成長(zhǎng)能力的指標(biāo)包括每股收益、息稅前每股收益、每股營(yíng)業(yè)利潤(rùn)、每股凈資產(chǎn)、每股資本公積、每股未分配利潤(rùn)等.

2.2 主成分分析方法的實(shí)證應(yīng)用

主成分分析一般運(yùn)用于多元回歸模型,因?yàn)槿藗優(yōu)榱烁鼫?zhǔn)確的描述事物的特征往往會(huì)選擇更多的變量來對(duì)事物的特征進(jìn)行刻畫,但是過多的變量會(huì)增加估計(jì)的難度,也會(huì)使模型變得復(fù)雜,這就需要運(yùn)用主成分分析的方法.在這里從十七個(gè)指標(biāo)中提取八個(gè)主成分來代表所有的指標(biāo),一般選取累計(jì)貢獻(xiàn)率大于等于80%則可認(rèn)為能代表所有變量,這里選出八個(gè)指標(biāo)后累計(jì)貢獻(xiàn)率達(dá)到82.41%,并且每個(gè)變量的解釋程度大于等于1,并且Kao檢驗(yàn)值大于0.5,可進(jìn)行主成分分析達(dá)到降低維數(shù)目的.

運(yùn)用SPSS因子分析可得到成分矩陣,也即每個(gè)主成分對(duì)應(yīng)十七個(gè)變量線性組合的系數(shù),每一列代表各主成分對(duì)應(yīng)十七個(gè)變量線性組合的系數(shù),每一行代表每個(gè)變量對(duì)各主成分貢獻(xiàn),如下表1所示：

表1 成分矩陣

通過成分矩陣可以得到的各主成分的方程,每一列代表每個(gè)主成分以及對(duì)應(yīng)各原始變量的系數(shù),經(jīng)整理得到的方程如下：

Y1=-0.005X1-0.005X2-0.005X3-0.028X4-0.003X5+0.007X7+0.286X8+0.3X9+0.01X10+0.01X11+0.895X12+0.892X13+0.766X14+0.769X15+0.393X16+0.736X17，

Y2=0.995X1+0.995X2+0.018X3-0.001X4-0.008X7+0.085X8+0.084X9-0.04310-0.043X11+0.011X12+0.009X13-0.001X14-0.035X15-0.033X16-0.021X17，

Y3=0.047X1+0.047X2+0.001X3+0.001X4-0.004X7-0.04X8-0.041X9+0.998X100.998X11-0.005X12-0.003X13+0.008X15+0.01X16+0.00317，

Y4=-0.089X1-0.089X2+0.006X4+0.008X5-0.002X6+0.008X7+0.935X8+0.929X90.045X10+0.045X11+0.026X12-0.005X13-0.107X14-0.299X15-0.234X16-0.22X17，

Y5=0.012X1+0.012X2-0.016X3-0.043X4-0.005X5+0.006X6-0.002X7+0.173X80.181X9-0.001X10-0.001X11-0.334X12-0.33X13-0.39X14+0.531X15X+0.773X16+0.101X17，

Y6=-0.005X1-0.005X2+0.71X3+0.721X4+0.063X5+0.024X6+0.142X7+0.00680.001X9+0.001X12+0.002X13-0.001X14+0.017X15-0.046X16-0.018X17，

Y7=0.004X1+0.004X2-0.117X3-0.086X4+0.693X5+0.14X6+0.708X7+0.001X8+0.0039+0.001X10+0.00111-0.008X12-0.011X13-0.014X14+0.005X15-0.026X16+0.036X17，

Y8=-0.012X3-0.005X4-0.217X5+0.976X6+0.018X7+0.004X12+0.004X13+0.004X14-0.006X15+0.001X16-0.011X17.

表2 前五名股票及其得分

選出的五個(gè)公司分別來自不同的行業(yè),有化工新材料、電力、農(nóng)產(chǎn)品加工、石油礦業(yè)開采以及汽車零部件等行業(yè),選取不同行業(yè)股票構(gòu)造投資組合有助于分散風(fēng)險(xiǎn)分散投資,達(dá)到控制風(fēng)險(xiǎn)的目的,其次,這五個(gè)公司的得分最高,因此從財(cái)務(wù)來看他們的財(cái)務(wù)狀況較好,說明業(yè)績(jī)優(yōu)異,有較好的潛力,如果當(dāng)前股票價(jià)格偏低則說明是低估的,如果當(dāng)前的價(jià)格偏高則回落的空間也是有限的,因?yàn)楫吘褂袠I(yè)績(jī)作為支撐[12].

3 投資組合權(quán)重的確定

從上述可知,通過研究2005年至2015年滬深A(yù)股所有股票的財(cái)務(wù)數(shù)據(jù),選取的十七個(gè)因子進(jìn)行主成分分析,根據(jù)均值得分最高挑選出了五只股票,但真正要確定一個(gè)投資組合需要確定每只股票投資的比例,也就是每只股票的權(quán)重,在最開始的理論部分也提到過馬科維茨投資組合理論,他是通過衡量投資組合風(fēng)險(xiǎn)和收益達(dá)到最優(yōu)時(shí)的權(quán)重,由于本論文選取的數(shù)據(jù)較多,因此在大樣本數(shù)據(jù)條件下,無論分布是否為正態(tài)分布,都可以用正態(tài)分布來進(jìn)行估計(jì).運(yùn)用上文相關(guān)理論中提到的馬克維茨投資組合模型,可以確定最優(yōu)權(quán)重.

馬克維茨投資組合中的條件運(yùn)用lingo或者Excel均可以實(shí)現(xiàn),在此調(diào)用Excel函數(shù),本論文通過運(yùn)用EXCEL解決投資組合的一個(gè)優(yōu)化問題,計(jì)算各只股票在收益率一定時(shí)如何保持最小的風(fēng)險(xiǎn),本論文用到了MMULT、TRANSPOSE、MINVERSE函數(shù)[13],首先選取了2005年至2013年五只公司的收盤價(jià)來研究五只上市公司的收益率,首先對(duì)五只股票的收益率取對(duì)數(shù)然后差分,可以得到每只股票的收益率,通過五只股票的收益率可以得出這五只股票的方差-協(xié)方差矩陣,如下表3：

表3 五只股票的方差協(xié)方差矩陣

注：每個(gè)變量的后三位數(shù)字是每只股票代碼的后三位

通過=MMULT(TRANSPOSE(T3:T7),MINVERSE(O3:S7))/MMULT(MMULT(TRANSPOSE(T3:T7),MINVERSE(O3:S7)),T3:T7),其中T3：T7是一個(gè)單位列向量,O3：S7是方差-協(xié)方差矩陣,這個(gè)函數(shù)可以直接求出每只股票的權(quán)重,其原理來自馬科維茨投資組合理論,通過Excel可以得到每只股票的最優(yōu)權(quán)重如下表4所示：

表4 五只股票的最優(yōu)權(quán)重

所有的權(quán)重之和等于1,也就是將自己的資產(chǎn)的17.71%投資于中材科技,資產(chǎn)的21.17%投資威孚高科,資產(chǎn)的18.90%投資于攀鋼釩鈦,22.67%投資于漳澤電力和19.55%的資產(chǎn)投資東凌糧油,這樣在保證一定收益的情況下可以實(shí)現(xiàn)風(fēng)險(xiǎn)最小,也就是選取的五只股票的最優(yōu)線性組合,而這五只股票是通過主成分分析,通過一系列的財(cái)務(wù)數(shù)據(jù)分析得出的,因此也是相對(duì)績(jī)優(yōu)股的最佳搭配,既可以實(shí)現(xiàn)收益的相對(duì)較大,也可以實(shí)現(xiàn)這五只股票投資組合的風(fēng)險(xiǎn)最小.即使經(jīng)歷股災(zāi),但是有業(yè)績(jī)作為保證,那么長(zhǎng)期持有最終也是會(huì)盈利的.

4 投資組合模型的估計(jì)及模型回測(cè)

風(fēng)險(xiǎn)價(jià)值 (ValueatRisk)簡(jiǎn)稱VaR,也稱為 “受險(xiǎn)值”,其含義是指正常情況下下,金融資產(chǎn)組合持有一段時(shí)間,在一定的置信水平下可能發(fā)生的最大潛在損失.但VaR無法描述出在置信水平外發(fā)生的最大損失為多少,所以它是一種右側(cè)描述,它要求有持有期和置信水平,持有期越長(zhǎng)潛在發(fā)生損失的可能性越大,同樣的置信水平越高,VaR值也越大.

一般估計(jì)VaR有三種方法,方差-協(xié)方差法,歷史模擬法,蒙特卡洛模擬法.在此用歷史模擬法進(jìn)行估計(jì)VaR,歷史模擬法操作簡(jiǎn)單,便于觀察,運(yùn)用Excel就可以操作,通過上述五只股票的交易數(shù)據(jù)以及各自占的權(quán)重可以計(jì)算出這個(gè)投資組合的收益率,然后將投資組合的收益率按照從小到大的順序進(jìn)行排序[14],由于做VaR時(shí)選取的時(shí)間段為2005年至2013年,在99%的置信水平下對(duì)1693個(gè)收益率排序估計(jì)VaR的對(duì)應(yīng)的收益率為-0.045173137(1693×1%=16.93,按從小到大數(shù)投資組合的第十七個(gè)收益率即VaR),即1000萬按五只股票的權(quán)重進(jìn)行投資,一天內(nèi)有99%的把握會(huì)虧損不會(huì)超過45.173萬,即 1000萬一天對(duì)應(yīng)的VaR為45.173萬,如何檢驗(yàn)這個(gè)VaR是否可靠需要對(duì)這個(gè)VaR進(jìn)行回測(cè)[15].

進(jìn)行回測(cè)的數(shù)據(jù)選取五只股票2014年至2015年的收盤價(jià)數(shù)據(jù),依然按照上述五只股票的權(quán)重進(jìn)行投資,然后計(jì)算出投資組合的收益,同樣利用歷史模擬法,持有一天在99%的置信水平下對(duì)應(yīng)的損失為-0.043168589<-0.045173137=VaR,或者從2014年至2015年投資組合的收益中找出收益率小于-0.045173137的天數(shù),累計(jì)起來再除以總天數(shù)和1%進(jìn)行比較,如果這個(gè)比例大于1%則說明原模型預(yù)測(cè)不那么可靠,偏離越大越不可靠,若小于1%則說明原模型的VaR是可靠的,投資組合也是可行的,通過記錄2014年至2015年投資組合中損失超過VaR的個(gè)數(shù)為兩個(gè),而所有組合的天數(shù)318個(gè),比例為0.63%<1%,也就是這個(gè)損失并沒有超過上述估計(jì)出的VaR,因此模型是可靠的.

5 結(jié)論與展望

通過十七個(gè)財(cái)務(wù)指標(biāo)從滬深A(yù)股中選取五只股票來構(gòu)造一個(gè)投資組合,再利用大樣本數(shù)據(jù)結(jié)合馬科維茨投資組合理論,運(yùn)用方差協(xié)方差矩陣來確定在一定收益下最小方差投資組合各股票的權(quán)重,通過確定投資組合的權(quán)重就可以構(gòu)造一個(gè)最優(yōu)的投資組合,構(gòu)造投資組合后估計(jì)出投資組合的VaR,利用VaR可以描述投資組合面臨的風(fēng)險(xiǎn),進(jìn)而對(duì)確定的VaR通過未來產(chǎn)生的投資組合收益進(jìn)行檢驗(yàn),檢驗(yàn)確定的最大潛在損失是否可靠.在實(shí)證研究的整個(gè)過程中所用的數(shù)據(jù)均來自國(guó)泰安數(shù)據(jù)庫(kù),模型構(gòu)造嚴(yán)格根據(jù)指標(biāo)的得分進(jìn)行篩選,最后投資組合的潛在最大損失VaR也通過了檢驗(yàn),說明投資組合構(gòu)造策略是嚴(yán)格和成功的.

論文投資組合主要運(yùn)用一系列的財(cái)務(wù)指標(biāo)來進(jìn)行篩選投資組合的,考慮的更多是會(huì)計(jì)層面,也可以加入其他非財(cái)務(wù)指標(biāo)來決策,一般而言股票市場(chǎng)受很多因素的影響,因此考慮的越多越全,構(gòu)造的投資組合可能就越準(zhǔn)確,如果將實(shí)際市場(chǎng)面臨的其他因素加入其中,效果會(huì)更好.隨著數(shù)據(jù)越來越全,越來越公開,越來越準(zhǔn)確,通過構(gòu)造投資組合來進(jìn)行投資將會(huì)是大勢(shì)所趨,類似于基金經(jīng)理的投資,散戶炒股的現(xiàn)象會(huì)越來越少,或者散戶運(yùn)用構(gòu)造出的專業(yè)投資組合進(jìn)行投資,或者委托投資代理商進(jìn)行投資,與基金市場(chǎng)類似,這些專業(yè)的投資者或者機(jī)構(gòu)將會(huì)運(yùn)用更專業(yè)的知識(shí)去管理資金,金融市場(chǎng)會(huì)更加趨于穩(wěn)定.

[1]賈小波.Beta約束下的投資組合最優(yōu)化分析[D].電子科技大學(xué), 2014.

[2]吳丹.中國(guó)股市最優(yōu)投資組合構(gòu)造及風(fēng)險(xiǎn)分析[J].現(xiàn)代物業(yè)旬刊, 2010, 9(1):16-17.

[3]王寰.可線性規(guī)劃的證券投資組合模型及其應(yīng)用[D].南京農(nóng)業(yè)大學(xué), 2008.

[4]MendesR.R.A.,PaivaA.P.,PeruchiR.S.,etal.MultiobjectiveportfoliooptimizationofARMA-GARCHtimeseriesbasedonexperimentaldesigns[J].Computers&OperationsResearch, 2015, 66.

[5]VercherE.,BermúdezJ.D.Portfoliooptimizationusingacredibilitymean-absolutesemi-deviationmodel[J].ExpertSystemswithApplications, 2015, 42(20):7121-7131.

[6]SaboridoR.,RuizA.B.,BermúdezJ.D.,etal.EvolutionaryMulti-objectiveOptimizationAlgorithmsforFuzzyPortfolioSelection[J].AppliedSoftComputing, 2015, 39:48-63.

[7]Rankovi?V,DrenovakM,UrosevicB,etal.Mean-univariateGARCHVaRportfoliooptimization:Actualportfolioapproach[J].Computers&OperationsResearch, 2016, 72: 83-92.

[8]向駿文.基于馬科維茨投資組合理論的股票投資策略[J].中國(guó)證券期貨, 2012(8):202-202.

[9]屠新曙,王春峰.最佳均值VaR投資組合問題的研究[J].湘潭大學(xué)自然科學(xué)學(xué)報(bào).2002,24(2),1-5.

[10]鄧天石.基于均值-CVaR投資組合優(yōu)化模型實(shí)證分析[D].重慶大學(xué), 2014.

[11]胡經(jīng)生,王榮,丁成.VaR方法及其拓展模型在投資組合風(fēng)險(xiǎn)管理中的應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2005, 22(5):141-150.

[12]邢靈博.多元馬氏模型狀態(tài)空間的基本性質(zhì)及其分解定理[J].瓊州學(xué)院學(xué)報(bào), 2014, 21(2):15-18.

[13]曹茂林.層次分析法確定評(píng)價(jià)指標(biāo)權(quán)重及Excel計(jì)算[J].江蘇科技信息, 2012(2):39-40.

[14]張順.VaR的計(jì)算方式及其回測(cè)檢驗(yàn)——基于計(jì)算機(jī)產(chǎn)業(yè)股票的實(shí)證研究[J].吉林省經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào), 2012, 26(2):61-64.

[15]周敦輝,王路.基于GARCH模型的VaR方法對(duì)中國(guó)股市風(fēng)險(xiǎn)的實(shí)證分析[J].瓊州學(xué)院學(xué)報(bào), 2015, 22(5):103-109.

(編校：曾福庚)

Constructing Stock Market Investment Portfolio Strategy and the Model Test

ZHANG Li

(School of Finance, Zhongnan University of Economics and Laws, Wuhan 430073, China)

The stock market is a high-risk and high-yield market. With rational hypothesis and under the consideration that people are risk-averter, the present research constructed a portfolio to spread risk, to maximize earnings under a certain risk or to achieve risk minimization with certain returns. Due to that the risk of stock market is huge, constructing a portfolio is especially important. This current paper has undertaken the principal component analysis of eight common factors extracted from seventeen financial factors, through which all the stocks’ financial condition of Shanghai and Shenzhen A shares were analyzed. By marking each stock, the top five stocks were selected to construct a portfolio. Then, the optimal weights of the five stocks were achieved to estimate the portfolio’s VaR. And the reliability of the portfolio was attested through back-testing of VaR.

the stock market; principal component analysis; portfolio; VaR; back-testing

2016-03-10

張力(1990-),男,湖北孝感人,中南財(cái)經(jīng)政法大學(xué)金融學(xué)院,2014級(jí)金融學(xué)專業(yè)碩士研究生，研究方向?yàn)榻鹑陲L(fēng)險(xiǎn)管理及其定價(jià).

F830.91

A

1008-6722(2016) 05-0108-06

10.13307/j.issn.1008-6722.2016.05.21