變動均值和方差資產(chǎn)配置模型的應(yīng)用研究

吳文生，盛世杰，韓其恒

(1.合肥工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院，安徽 合肥 230009； 2.上海財經(jīng)大學(xué)金融學(xué)院，上海 200439)

1 引言

近些年來我國投資環(huán)境發(fā)生了巨大的變化：一方面隨著市場的進(jìn)一步完善，投資范圍已從單一的儲蓄擴(kuò)大到存款、股票、債券、基金、房產(chǎn)和貴金屬等產(chǎn)品，各種金融投資機(jī)構(gòu)也如雨后春筍般成立。另一方面，市場蘊(yùn)含的風(fēng)險卻有增無減，各種劇烈的波動時常發(fā)生。因此需要在投資過程中根據(jù)市場變化來優(yōu)化資產(chǎn)配置，這對金融機(jī)構(gòu)的資產(chǎn)配置方法提出更專業(yè)和更高的要求。資產(chǎn)配置是在利用各種不同資產(chǎn)的收益、波動以及它們之間的相關(guān)性等信息基礎(chǔ)上進(jìn)行投資組合，Brinson等[1]將資產(chǎn)配置效果為兩類：第一類是戰(zhàn)略性資產(chǎn)配置，該配置認(rèn)為資產(chǎn)在短期內(nèi)是不可預(yù)測的，只有長期內(nèi)才可以進(jìn)行均衡配置，因此固定的資產(chǎn)組合才是合理的；第二類是戰(zhàn)術(shù)性資產(chǎn)配置，需審時度勢對投資類別和權(quán)重進(jìn)行調(diào)整。Ibbotson和Kaplan[2]在該分類的基礎(chǔ)上進(jìn)一步研究了決定資產(chǎn)配置的因素。由于我國資本市場成立時間較短、結(jié)構(gòu)不夠合理、投資者的非理性行為以及資產(chǎn)波動幅度過大等因素使得長期戰(zhàn)略性資產(chǎn)配置難以實施，而短期性的戰(zhàn)術(shù)性投資充分考慮到市場實際情形，因此其研究意義更大。

現(xiàn)代資產(chǎn)配置的研究始于Markowitz[3]的均值-方差(Mean-Variance，MV)模型，但Merton[4]研究指出，估計均值和方差與真實均值和方差之間的估計誤差嚴(yán)重影響了MV模型的實際配置效果；楊朝軍和陳浩武[5]也發(fā)現(xiàn)參數(shù)的不確定性會降低投資組合中的風(fēng)險資產(chǎn)配置水平。此后許多文獻(xiàn)沿著這一方向?qū)岛头讲畹墓烙嬤M(jìn)行了改善，本文選取了10種具有代表性的資產(chǎn)配置模型，根據(jù)韓其恒等[6]對均值-方差的估計改善方法分為四類：(1)傳統(tǒng)的均值-方差模型及其擴(kuò)展，包括MV模型和Kan和Zhou Goufu[7]提出了最優(yōu)兩基金模型(Two Fund，2fund)；(2)貝葉斯改進(jìn)模型，包括Barry[8]提出的先驗擴(kuò)散模型(Bayes Diffuse-prior，BD)以及Jobson和Korkie[9]提出的提出了貝葉斯收縮估計模型(Bayes-Stein，BS)；(3)資產(chǎn)定價模型，主要研究有資本資產(chǎn)定價模型(CAPM)，Mackinlay和Pastor[10]提出的遺失定價因子的資產(chǎn)配置策略(Missing Pricing factor，MP)，以及Liu等[11]在零貝塔模型基礎(chǔ)上提出改進(jìn)的ZCAPM模型；(4)方差改進(jìn)模型，包括經(jīng)典的最小方差模型(MIN)外，以及Choueifaty和Coignard[12]提出的最大分散化組合(Most Diversified Portfolio，MDP)。但以上模型在理論推導(dǎo)時并未考慮到現(xiàn)實中賣空限制的情形，因此本文在研究這些模型的同時也考慮了賣空限制。除上述模型以外，Maillard等[13]構(gòu)造了一種等風(fēng)險貢獻(xiàn)策略(Equally-weighted Risk Contributions Portfolios，ERC)，該策略是一種帶有賣空限制最小方差和等權(quán)重方法的組合，因此也將其納入本文賣空限制的研究對象。

除理論研究外，也有不少文獻(xiàn)研究了這些模型的實際應(yīng)用效果。在國外，早期Bloomfield和Leftwich[14]以簡單等權(quán)重策略(Equal Weight，EW)為基準(zhǔn)，比較了樣本外MV模型的配置效果；Jorion[15]發(fā)現(xiàn)EW和市場組合的配置效果優(yōu)于MIN模型和BS模型；Demiguel等[16]以EW策略為基準(zhǔn)，運(yùn)用眾多均值-方差模型研究了美國資本市場的資產(chǎn)配置情況。國內(nèi)學(xué)者對資產(chǎn)配置理論主要集中于其介紹與應(yīng)用，例如吳世農(nóng)和韋紹永[17]運(yùn)用均值-方差模型研究了股票資產(chǎn)組合的收益和風(fēng)險問題；趙大萍等[18]運(yùn)用了貝葉斯方法對長度不一的股票數(shù)據(jù)進(jìn)行了分析，并在此基礎(chǔ)上對收益和方差的估計進(jìn)行了改善；何朝林[19]運(yùn)用了記憶系數(shù)和無差異系數(shù)表征來研究了均值-方差模型的不確定性；凌愛凡等[20]提出了多元權(quán)值的魯棒積極投資組合模型；黃金波和李仲飛[21]在分布不確定下對風(fēng)險進(jìn)行了重新估計，并在此基礎(chǔ)上構(gòu)建了對沖投資模型。

但以上研究存在如下問題：首先，研究對象主要集中于資本市場，但實際中居民投資對象還包括由債券、基金、貴金屬和房產(chǎn)等，同時理論與現(xiàn)實中資產(chǎn)配置差異也并未得到相應(yīng)的重視。其次，此前大部分對資產(chǎn)配置效果的判斷以Alpha為判斷準(zhǔn)則，但是投資者在追求超額Alpha時往往也會考慮風(fēng)險問題，因此單獨研究資產(chǎn)配置的Alpha可能并不全面。最后，盡管目前資產(chǎn)配置的相關(guān)研究較多，但對變動均值-方差配置模型配置效果問題的對比研究鮮于文獻(xiàn)，且大部分實證應(yīng)用研究也未考慮到我國目前存在的賣空限制約束情況。基于以上不足，本文以估計誤差為主線選取了10個不同的配置策略，以等權(quán)重為基準(zhǔn)，并分別選取了考慮風(fēng)險的確定性等價收益(Certainty Equivalent Return，以下簡稱CEQ)和常用的Alpha值為判斷準(zhǔn)則，實證范圍從資本市場逐漸擴(kuò)大到五大類常見資產(chǎn)，并對比研究了相應(yīng)的賣空限制情況。因此本文的研究不僅極大的豐富了現(xiàn)有資產(chǎn)配置的理論與實證內(nèi)涵，而且對我國市場有著重要的實踐意義。

2 投資組合理論方法

2.1 投資組合問題

(1)

2.2 模型的描述

等權(quán)重策略即投資者在每期持有各資產(chǎn)的比重都相等，這種策略沒有涉及到效用最優(yōu)化，且在投資者中被廣泛運(yùn)用，因此我們選取該策略作為具有廣泛代表性的基準(zhǔn)策略。

2.2.1 非賣空限制

(1)傳統(tǒng)的均值-方差模型及其擴(kuò)展

在Markowitz提出的均值方差模型中，利用樣本數(shù)據(jù)估計均值和方差，即:

(2)

Kan和Zhou Guofu[7]認(rèn)為樣本外MV模型得出的最優(yōu)權(quán)重的估計可以看成(3)式c*=1的一種特殊情況，所以他們通過將(3)式代入效用并最大化，得到最優(yōu)兩基金模型：

(3)

(2)貝葉斯改進(jìn)模型

由于貝葉斯方法的應(yīng)用有很多，在此我們僅考慮兩種最常用的貝葉斯方法：如果先驗概率的選擇是擴(kuò)散的，得到貝葉斯擴(kuò)散模型最優(yōu)投資權(quán)重如下：

(4)

(5)

(3)按資產(chǎn)定價模型原理進(jìn)行改進(jìn)的資產(chǎn)配置模型

在實踐中資產(chǎn)定價模型也常被用于均值和方差的估計，本文選取了三種具有代表性的資產(chǎn)定價模型：資本資產(chǎn)定價模型(CAPM)、Mackinlay和Pastor[10]提出的遺失定價因子資產(chǎn)配置策略(MP)和Liu等[11]在零貝塔資本資產(chǎn)定價基礎(chǔ)上發(fā)展起來的Zero-CAPM模型(ZCAPM)。根據(jù)經(jīng)典的資本資產(chǎn)定價模型，資產(chǎn)的超額收益R可以用市場組合超額收益RMKT進(jìn)行計算：

(6)

MacKinlay和Pastor[10]運(yùn)用因子模型結(jié)構(gòu)證明，如果資產(chǎn)的定價有精確的因子結(jié)構(gòu)形式，但定價模型在實際應(yīng)用中某些因子可能沒有被觀察到，此時殘差-協(xié)方差矩陣將會包含錯誤定價信息。在此思想的指導(dǎo)下，他們得到了下面形式的均值和方差的估計值：

Σ=vuuT+σ21N

(7)

而Liu Wei等[11]在零貝塔模型基礎(chǔ)上提出ZCAPM模型估計形式為：

(8)

(4)方差改進(jìn)模型

Merton[4]研究指出，均值相比方差估計誤差更大，難以準(zhǔn)確估計，在此基礎(chǔ)上本文選取了具有代表性的最小方差模型和最大化分散策略。最小方差模型(MIN)基本的原理就是選擇風(fēng)險資產(chǎn)的組合使其風(fēng)險達(dá)到最小化，以期精確的估計方差，解得最優(yōu)風(fēng)險資產(chǎn)權(quán)重為：

(9)

Choueifaty等[12]認(rèn)為投資者主要關(guān)心如何最大化分散自己的投資組合，提出了最大化分散模型(MDP)：

(10)

其中Δ是N個資產(chǎn)的波動的向量，通過最大化(10)式我們可以得到最大分散化投資組合模型(MDP)的權(quán)重。因為此模型只涉及對方差的估計和改善，所以我們把它歸入方差改進(jìn)模型。

2.2.2 賣空限制策略

(11)

至此，我們已經(jīng)簡述了10種具有代表性的估計誤差風(fēng)險改進(jìn)的模型和其賣空限制情況。

3 模型的實證

3.1 數(shù)據(jù)的選取

首先，在資本市場中本文從Wind數(shù)據(jù)庫選取了兩組代表資本市場的數(shù)據(jù)：第一組是17個行業(yè)的超額收益；第二組數(shù)據(jù)將整個市場分為6種類型：小盤價值股組合，中盤價值股組合，大盤價值股組合，小盤成長股組合，中盤成長股組合，大盤成長股組合，選取這些組合類型的超額收益。從第三組資產(chǎn)開始考察大類資產(chǎn)并進(jìn)行投資，選取三種常見的金融資產(chǎn)：股票、企業(yè)債券、基金，其中企業(yè)債方面選取了Wind數(shù)據(jù)庫中信標(biāo)普企業(yè)債指數(shù)，基金方面選取了上證基金指數(shù)。由于貴金屬和房地產(chǎn)具有消費(fèi)和投資的雙重屬性，因此第四組數(shù)據(jù)在第三組數(shù)據(jù)基礎(chǔ)上加入貴金屬，本文選取了上海黃金交易所黃金現(xiàn)貨的收益數(shù)據(jù)。第五組數(shù)據(jù)在第四組數(shù)據(jù)的基礎(chǔ)上加入房地產(chǎn)，相關(guān)數(shù)據(jù)來源于中房指數(shù)(全國70個城市的房價平均價格)，以上數(shù)據(jù)除第一組數(shù)據(jù)時間段是2000年8月-2015年12月，其他四組數(shù)據(jù)時間段為2000年1月-2015年12月。

3.2 數(shù)據(jù)性質(zhì)的說明

我們首先了解各類資產(chǎn)的性質(zhì)，結(jié)果列在表1中。

表1 各類資產(chǎn)的統(tǒng)計性質(zhì)

通過表1我們發(fā)現(xiàn)，在收益方面?zhèn)钠骄找孀畹停瑑H高于無風(fēng)險收益，低于資本市場收益，這與直觀印象一致；比較令人意外的是基金平均收益遠(yuǎn)大于其他資產(chǎn)。在波動方面，股票市場的標(biāo)準(zhǔn)差最高，企業(yè)債和房產(chǎn)的波動性較低；在夏普系數(shù)中，房地產(chǎn)的平均夏普系數(shù)最高，股票市場受標(biāo)準(zhǔn)差影響平均夏普系數(shù)最低。

3.3 數(shù)據(jù)的估計方法以及各資產(chǎn)配置策略比較標(biāo)準(zhǔn)

對每組的數(shù)據(jù)進(jìn)行實證，按照常用的樣本滾動窗口方法進(jìn)行分析，在本文的實證中我們以滾動估計窗口以M=60(5年)為標(biāo)準(zhǔn)進(jìn)行分析。

(1)確定性等價收益準(zhǔn)則

確定性等價收益CEQ是衡量的是風(fēng)險資產(chǎn)收益給投資者帶來效用轉(zhuǎn)化為無風(fēng)險資產(chǎn)收益給投資者帶來效用的大小，與夏普系數(shù)不同的是它考慮到了不同投資者對風(fēng)險的反應(yīng)，所以能夠?qū)Σ煌Ｐ瓦M(jìn)行比較。同時以EW模型為基準(zhǔn)，策略k的樣本外確定性等價收益公式為：

(12)

(2)Alpha準(zhǔn)則

在實際中，市場并不是一直有效的，對于某些資產(chǎn)的定價可能出現(xiàn)偏差，根據(jù)該理論，我們可以得到：

Rk=αk+βkREW+uk

(13)

如果運(yùn)用資產(chǎn)配置模型得到系數(shù)αk是正的，那么說明該投資策略能夠給投資者帶來超額收益。因為本文采取了等權(quán)重為基準(zhǔn)，因此在這里我們對REW進(jìn)行回歸。

3.4 實證結(jié)果分析

3.4.1 以CEQ為準(zhǔn)則的實證結(jié)果

表2列舉了在CEQ準(zhǔn)則下沒有賣空限制策略和帶有賣空限制策略的實證結(jié)果。第一行都是樣本內(nèi)的MV模型的配置策略，第二行是基準(zhǔn)EW策略，此時我們發(fā)現(xiàn)第一行的CEQ都優(yōu)于基準(zhǔn)策略，表明如果沒有估計誤差，即使存在賣空限制，配置策略在資產(chǎn)的配置方面仍然可以發(fā)揮一定的作用。

首先分析資本市場中第一組數(shù)據(jù)的行業(yè)數(shù)據(jù)和第二組的風(fēng)格組合的實證結(jié)果。觀察第一組數(shù)據(jù)的實證結(jié)果發(fā)現(xiàn)：(1)比較樣本外的MV和樣本內(nèi)的MV，發(fā)現(xiàn)樣本內(nèi)MV的CEQ顯著優(yōu)于樣本外MV的CEQ，說明在行業(yè)數(shù)據(jù)中估計誤差非常嚴(yán)重。接著對比其他策略和樣本外MV策略，可以發(fā)現(xiàn)各策略均優(yōu)于樣本外的MV策略，說明變動均值-方差改進(jìn)方法以及加入賣空限制對估計誤差有一定的改善作用。(2)比較所有策略和基準(zhǔn)策略之間的關(guān)系，發(fā)現(xiàn)EW策略的CEQ卻是最優(yōu)的，說明在資本市場中，變動均值-方差模型并未達(dá)到預(yù)期的改善效果，這是因為估計誤差非常大導(dǎo)致最優(yōu)的配置效果并沒有體現(xiàn)出來，反而不及簡單的EW策略。(3)接著比較表中第一組的結(jié)果，發(fā)現(xiàn)所有賣空限制策略配置效果都優(yōu)于非賣空限制策略。這是因為在資本市場中，估計誤差導(dǎo)致各最優(yōu)策略估計的最優(yōu)權(quán)重可能偏離最優(yōu)權(quán)重較遠(yuǎn)，而加入賣空限制的約束后，估計權(quán)重被限制于一定的合理范圍之內(nèi)，這將導(dǎo)致配置的效果反而優(yōu)于非賣空策略。第二組6種風(fēng)格資產(chǎn)進(jìn)行了應(yīng)用對比發(fā)現(xiàn)結(jié)果與第一組類似，在此不再贅述。

接下來我們把投資范圍擴(kuò)大到金融市場，首先我們從整體上比較金融市場和資本市場的配置效果，發(fā)現(xiàn)以下兩個特征：(1)金融市場樣本內(nèi)MV的CEQ大于資本市場對應(yīng)的CEQ，說明在沒有估計誤差的情況下，資產(chǎn)范圍擴(kuò)大到金融市場資產(chǎn)配置效果也隨之提高。(2)比較金融資產(chǎn)和資本市場的各個非賣空限制策略配置效果，發(fā)現(xiàn)其在金融市場的配置效果也優(yōu)于資本市場的效果，說明資本市場的估計誤差大于金融市場，使得各最優(yōu)配置策略在金融市場表現(xiàn)優(yōu)于資本市場。

表2 CEQ準(zhǔn)則下的實證結(jié)果

最后我們考察加入實物資產(chǎn)的配置效果，包括流動性較強(qiáng)的黃金以及具有消費(fèi)和投資雙重用途的房產(chǎn)。加入實物資產(chǎn)后，實證結(jié)果呈現(xiàn)出以下三點特征：(1)比較各組第一行樣本內(nèi)的MV策略發(fā)現(xiàn)在沒有估計誤差風(fēng)險的情況下，加入實物資產(chǎn)增加了策略的配置效果；而比較各組第二行樣本外的MV發(fā)現(xiàn)，其CEQ大于資本市場卻小于金融市場，說明加入實物資產(chǎn)后，估計誤差盡管相對于資本市場減小，但相對金融市場有所增加。(2)比較加入實物資產(chǎn)后和前面金融市場各非賣空策略之間的對比，發(fā)現(xiàn)加入實物資產(chǎn)對各非賣空限制策略資產(chǎn)配置效果影響并不一致，例如2Fund策略配置效果增加，而CAPM策略配置效果減小。(3)對比表中加入賣空限制后發(fā)現(xiàn)其效果均不及非賣空限制策略，說明在增加實物資產(chǎn)后，賣空限制的加入反而可能抑制了策略的配置效果。

3.4.2 以Alpha為準(zhǔn)則實證結(jié)果

表3顯示了在Alpha準(zhǔn)則下無賣空約束和帶有賣空約束的實證結(jié)果，首先我們觀察表3的資產(chǎn)配置模型在資本市場的表現(xiàn)情況，即第一列和第二列，發(fā)現(xiàn)與CEQ準(zhǔn)則情況下并不完全一致：盡管Alpha值小于0，但并不存在顯著差異，在加入了賣空限制后，雖然大部分策略的Alpha均有提高，但是t值仍然不顯著，表明在Alpha準(zhǔn)則下利用變動均值-方差模型在資產(chǎn)配置在資本市場中進(jìn)行資產(chǎn)配置與等權(quán)重策略并無顯著的差異。

接下來我們將這些變動的均值-方差模型擴(kuò)大到金融市場，即考慮股票、債券和基金這三大類資產(chǎn)的情形，結(jié)果與前面CEQ的準(zhǔn)則結(jié)果基本類似，結(jié)果表明大部分資產(chǎn)配置模型的Alpha值發(fā)生了較大的提高，且大部分Alpha都已經(jīng)大于0，但是除表3的ERC模型t值顯著外，其他的t值仍然不顯著，說明盡管資產(chǎn)范圍的擴(kuò)大有助于配置效果的提高，但是在資產(chǎn)較少時，這種效果的增加并不明顯。

表3 Alpha準(zhǔn)則下的實證結(jié)果

最后當(dāng)我們將資產(chǎn)的范圍進(jìn)一步擴(kuò)大到實物資產(chǎn)包括貴金屬和房產(chǎn)時結(jié)果與CEQ準(zhǔn)則的結(jié)論也比較一致，Alpha值進(jìn)一步增大，而且其顯著的個數(shù)也不斷增加。這說明隨著投資范圍的擴(kuò)大，大部分資產(chǎn)配置效果已經(jīng)開始顯現(xiàn)出來，資產(chǎn)配置模型開始發(fā)揮作用。

3.5 各資產(chǎn)配置理論權(quán)重與實際投資者資產(chǎn)配置權(quán)重對比

為方便我們僅選取了在CEQ準(zhǔn)則下進(jìn)行比較，表4的第一行是2009年奧爾多中國家庭資產(chǎn)負(fù)債調(diào)查結(jié)果，第二行是簡單的EW策略的配置權(quán)重，由于在我國現(xiàn)實中投資者的投資策略是受到賣空限制的約束，因此后三行分別給出了賣空限制下的樣本內(nèi)MV模型、樣本外MV模型以及在CEQ準(zhǔn)則中表現(xiàn)最好的ERC模型的平均資產(chǎn)配置權(quán)重。在第一行中發(fā)現(xiàn)投資者最主要的資產(chǎn)是非金融資產(chǎn)，其中大部分為房產(chǎn)，占全部資產(chǎn)的比例為85.01%。在金融資產(chǎn)中，銀行存款以11.52%的比例占據(jù)首位，股票和基金則以1.78%和1.15 %的比例位居第二和第三位，剩下債券的比例占僅0.23%。接著我們看賣空限制中表現(xiàn)最好的ERC資產(chǎn)配置策略更加多元化：房產(chǎn)占50.57%，其次債券占35.89%，黃金占6.85%，基金占3.58%，股票占3.10%。表4結(jié)果顯示了我國居民實際資產(chǎn)配置比重的特點：房產(chǎn)投資占了大部分比重，在金融市場中儲蓄傾向過高，風(fēng)險性資產(chǎn)的投資比例較低。進(jìn)一步反映了我國居民家庭資產(chǎn)配置結(jié)構(gòu)過于單一，因此需要需減少房產(chǎn)的投資和存款，增加在資本市場的投資。

表4 各資產(chǎn)配置理論的資產(chǎn)比重與我國投資者資產(chǎn)實際配置比重

通過實證我們可以發(fā)現(xiàn)，無論是在CEQ基準(zhǔn)下還是Alpha準(zhǔn)則下，資本市場的估計誤差均最大，導(dǎo)致各種變動均值和方差資產(chǎn)配置策略均不能顯著戰(zhàn)勝簡單的EW策略；然而隨著資產(chǎn)配置范圍擴(kuò)大，資產(chǎn)配置模型才開始發(fā)揮顯著的作用。同時通過實證對比研究我們也可以發(fā)現(xiàn)目前我國投資者在實物資產(chǎn)配置中房產(chǎn)占的比重過大，在金融市場資產(chǎn)配置中存款過高，風(fēng)險資產(chǎn)比重過低，其配置結(jié)構(gòu)缺乏合理性。

4 模擬分析結(jié)果

在上述實證結(jié)果中我們發(fā)現(xiàn)在不同資產(chǎn)中最優(yōu)策略很難顯著的戰(zhàn)勝簡單的EW策略配置，同時實證中賣空限制對資產(chǎn)配置效果的影響在不同的資產(chǎn)組中效果也并不一致。然而實證數(shù)據(jù)的時間較短，無法具體分析兩組策略的具體變化。因此，我們通過模擬更詳細(xì)了解賣空限制何時開始對資產(chǎn)的配置產(chǎn)生抑制作用，同時分析各配置策略隨估計窗口的具體變化情況。在此我們選取了4種大類資產(chǎn)進(jìn)行模擬，其他類型資產(chǎn)結(jié)果類似。

圖1 4大類資產(chǎn)的模擬結(jié)果

首先我們按照Kan和Zhou[7]方法，選取資產(chǎn)整個時間段的均值和方差—協(xié)方差作為模擬數(shù)據(jù)的真實的均值和方差—協(xié)方差，然后根據(jù)Monte Carlo模擬的方法產(chǎn)生5000個時間序列的數(shù)據(jù)，然后分別設(shè)定不同長度估計窗口進(jìn)行滾動模擬。圖1是資本市場4大類資產(chǎn)的模擬結(jié)果，可以看到EW策略的CEQ隨估計窗口的增加幾乎保持不變，而樣本外MV的CEQ不斷增加，說明隨估計窗口的增加，估計誤差不斷降低。當(dāng)估計窗口達(dá)到40年后，此時增加估計窗口樣本外MV的CEQ增加幅度不大，說明此時最優(yōu)策略已接近于改善估計誤差的最大程度，但還不能完全消除估計誤差。在圖1中我們還可以看到：在估計窗口為5年時，EW策略優(yōu)于樣本外MV策略，但是隨著估計窗口增加到15年，樣本外的MV策略的CEQ開始超過EW策略。同樣對于賣空限制樣本外MV策略隨估計窗口的增加改善程度不大；在估計窗口為較短的5年時，賣空限制的樣本外MV策略優(yōu)于非賣空限制情況，但是隨著估計窗口的增加到10年，非賣空限制樣本外的MV策略已經(jīng)開始超過賣空限制情況，說明此時隨著估計窗口增加，賣空限制已經(jīng)抑制了最優(yōu)策略的配置效果。

5 結(jié)語

本文以均值-方差模型為框架，在改善估計誤差的主線下研究了變動均值和方差資產(chǎn)配置策略，并考察了對應(yīng)的賣空限制情況。研究發(fā)現(xiàn)在CEQ準(zhǔn)則下，資本市場的估計誤差最大，致使最優(yōu)化配置效果甚至顯著不及簡單的EW策略，同時發(fā)現(xiàn)賣空限制模型優(yōu)于非賣空限制模型。當(dāng)從研究范圍資本市場擴(kuò)大到金融市場中的大類資產(chǎn)時，估計誤差得到了很大改善，得到的結(jié)果也與資本市場相反，即最優(yōu)化配置效果優(yōu)于簡單的EW策略，并且賣空限制模型劣于非賣空限制模型。在以Alpha為判斷準(zhǔn)則時結(jié)論也較為接近，在資本市場中大部分變動均值-方差配置策略與EW策略相比并無顯著性的差異，但是一旦投資范圍擴(kuò)大到實物資產(chǎn)，大部分模型的Alpha值顯著優(yōu)于EW，表明當(dāng)投資對象多樣化時，投資者或投資機(jī)構(gòu)為追求更高的Alpha值可能會選取變動均衡-方差的資產(chǎn)配置策略。本文也將實證結(jié)果和目前我國投資者的實際資產(chǎn)配置情況進(jìn)行對比，分析了目前我國投資者資產(chǎn)配置結(jié)構(gòu)中存在的問題；同時也不同的資產(chǎn)進(jìn)行了模擬，詳細(xì)分析了不同估計窗口和賣空限制的具體影響。

本文的研究具有重要的實踐意義和政策含義：首先，隨著我國投資環(huán)境的多元化和居民市場參與度的提升，專業(yè)的資產(chǎn)配置對投資機(jī)構(gòu)來說越來越重要，它們需要根據(jù)各模型的實際配置效果對比來構(gòu)建合理的資產(chǎn)配置，進(jìn)而使財富獲得增值；其次，目前我國投資者資產(chǎn)配置過于單一，不僅效果不甚理想，還有較大風(fēng)險的隱患，而增加投資范圍和多元化不僅能提高資產(chǎn)配置效果，而且還有利于市場的進(jìn)一步發(fā)展；最后，目前的一些賣空約束限制在短期內(nèi)確實發(fā)揮了平穩(wěn)了市場的作用，提高投資者的資產(chǎn)配置的配置效果，但是從長遠(yuǎn)來看，賣空約束減弱了長期資產(chǎn)配置效果，阻礙了市場的長期發(fā)展，因此政府部門應(yīng)當(dāng)在完善市場的基礎(chǔ)上逐步減少對市場的干預(yù)，引入更多投資產(chǎn)品，增加市場的深度和彈性，積極引導(dǎo)更多投資者參與市場中來。

[1] BrinsonGP,Hood LR, Beebower G L.Determinants of portfolio performance [J]. Financial Analyst Journal,1986, 42 (4): 39-44.

[2] Ibbotson R G, Kaplan P D. Does allocation explain 40, 90 or 100 percent of performance? [J]. Financial Analyst Journal,2000, 56 (1):26-33.

[3] Markowitz H M. Portfolio selection [J]. Journal of Finance, 1952, 7 (1): 77-91.

[4] Merton R C. On estimating the expected return on the market: An exploratory investigation [J]. Journal of FinancialEconomics, 1980, 8 (4): 323-361.

[5] 楊朝軍, 陳浩武.參數(shù)不確定性對投資者最優(yōu)資產(chǎn)組合的影響：基于中國的實證[J]. 中國管理科學(xué)，2008，16 (3)：37-43.

[6] 韓其恒,吳文生,曹志廣.資產(chǎn)配置模型在中國真的有效嗎[J]. 經(jīng)濟(jì)管理, 2016, 38(3):124-134.

[7] Kan R, Zhou Guofu. Optimal portfolio choice with parameter uncertainty [J]. Journal of Financial and Quantitative Analysis, 2007, 42 (3): 621-656.

[8] Barry C B.Portfolio analysis under uncertain means, variances and covariances [J]. Journal of Finance, 1974, 29 (2): 515-522.

[9] Jobson J D, Korkie R. Estimation for Markowitz efficient portfolios [J]. Journal of the American Statistical Association, 1980,37 (7): 544-554.

[10] MacKinlay A C, Pastor L. Asset pricing models: Implications for expected returns and portfolio selection [J]. The Review of Financial Studies, 2000, 13 (4): 883-916.

[11] Liu Wei, Kolari J W, Huang Jianhua. A new asset pricing model based on the zero-beta CAPM[R]. Working Paper, National Bureau of Economics Research，2013.

[12] Choueifaty Y, Coignard Y. Toward maximum diversification [J].The Journal of Portfolio Management, 2008, 35 (1): 79-91.

[13] Maillard S, Roncalli T, Teiletche J. On the properties of equally-weighted risk contributions portfolios [J]. The Journal of Portfolio Management, 2010, 36 (3): 60-70.

[14] Bloomfield T R, Leftwich J L. Portfolio strategies and performance [J]. Journal of Financial Economics, 1977, 5 (2): 201-218.

[15] Jorion P. Bayesian and CAPM estimators of the means: implications for portfolio selection [J]. Journal of Banking and Finance, 1991, 15 (3): 717-727.

[16] DeMiguel V, Garlappi L, Uppal R. Optimal versus naive diversification: How inefficient is the 1/N portfolio strategy [J]. The Review of Financial Studies, 2009, 22 (5): 937-974.

[17] 吳世農(nóng), 韋紹永. 上海股市投資組合規(guī)模和風(fēng)險關(guān)系的實證研究 [J]. 經(jīng)濟(jì)研究, 1998, (4): 21-29.

[18] 趙大萍, 張超梁，房勇，基于貝葉斯理論的長短數(shù)據(jù)資產(chǎn)組合選擇[J].中國管理科學(xué), 2015，23(S1)： 504-509.

[19] 何朝林, 均值-方差模型具有一般不確定下的最優(yōu)資產(chǎn)組合選擇[J].中國管理科學(xué), 2015，23 (12):63-70.

[20] 凌愛凡, 楊曉光, 唐樂. 具有多元權(quán)值約束的魯棒LPM積極投資組合[J].管理科學(xué)學(xué)報, 2013, 16 (8): 31-46.

[21] 黃金波,李仲飛. 分布不確定下的風(fēng)險對沖策略及其效用[J]. 中國管理科學(xué), 2017,25 (1): 1-10.

[22] Campbell J Y, Thompson S B. Predicting excess stock returns out of sample: Can anything beat historical averge?[J]. Review of Financial Studies, 2008, 21(4):1509-1531.