时间：2023-05-31 14:56:14
导语：在股票投资相关理论的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
关键词：股票 投资 风险防控
股票市场的发展，在一定程度上代表了我国的经济发展，因此，建立一个和谐、稳定的股票市场是我国持久追求的目标。在证券市场里什么意外都可能发生，所以，这就要求股民必须具备相应的股市知识，切不可盲目跟风，看见有人在股市赚了钱，就盲目地在股市里投资，结果不仅没有挣到钱，反而赔进去更多。如何杜绝大众盲目进股市的现象，如何能够让大家认识股票投资的风险，在已有的认知下进行合理的投资，本文结合各方资料，就此问题展开了分析并给出了具体的解决方案。
一、股票投资简介
（一）股票与股市
股票是股份证书的简称，是股份公司为筹集资金而发行给股东作为持股凭证并借以取得股息和红利的一种有价证券。股票市场是股票发行和交易的场所，包括发行市场和流通市场两部分。股份公司通过面向社会发行股票，迅速集中大量资金，实现生产的规模经营。
（二）股票投资：炒股
在证券市场进行投资，就是我们俗称的“炒股”。炒股，有着各种各样的题材，但大多都是炒经营业绩或与经营业绩相关的题材。所以在股市上，股票的价格与上市公司的经营业绩呈正相关关系，业绩愈好，股票的价格就愈高；业绩差，股票的价格就要相对的低一些。但也不是绝对的，有些股票的经营业绩每股只有几分钱，但其价格比业绩胜过它几十倍的股票还高，这在股市上是非常正常的。因此，在选取股票时，一定要谨慎分析，密切关注该股之前的走势，利润，多听取有关专家的意见和建议，切忌盲目选股。
二、股票投资风险的类型与特征
（一）股票投资风险
是指投资者在进行股票投资过程中，遭受损失或不能达到预期收益目标的可能性。股票投资风险主要分为两大类，即：市场风险和公司特有风险。
1、市场风险
是指对所有公司都将产生影响的风险，它源于公司之外，表现为整个股市平均报酬率发生变动，购买任何股票都不能避免这类风险。比如当年的9・11事件，除了造成了巨大的生命损失，股市也随着这一事件持续低迷。
2、公司特有风险
源于公司本身的商业活动和财务活动（所投资公司近期的表现），表现为个股报酬率变动脱离整个股市平均报酬率的变动。例如前几年的三鹿奶粉被曝含有致癌物质三聚氰胺，就因为这一事件，该公司的股票大跌，很多股民在一夜之间倾家荡产。
（二）股票投资风险的特征
1、不确定性
股票投资风险具有不确定性。谁也不知道明天的股市会是什么样子，因此对于风险的估计，也是完全凭借已有的现象、经验，进行的推测，这是我们大多数投资者所能做的。
2、客观存在性
股票投资的风险是客观存在的。股市的利润是巨大的，但所谓“利润越大，风险越大”，股票投资的风险是客观存在的，没有哪个人敢保证那只股票是稳赚不赔的，纵然是有名的“股神”，也不是百分之百的赚钱，所以，对于股市，我们不能报有“零风险”的幻想。
3、相对性
为什么股市可以让人一夜暴富，也可以让人一夜倾家荡产，因为不同的股票，其所需要承担的风险不同。对于不同的投资者而言，风险也是相对的，如何把握好风险的相对性，是每一位股民的必修课。
4、可防范性
尽管股票投资风险是客观存在的，但是并非没有规律可循，我们要根据一定的方法，努力地去测量、估算可能出现的损失，尽力把风险降低到最小。
三、股票投资风险防控
（一）掌握必要的证券专业知识
股票是一门高深的学问，对于普通人来说很难研究透彻。但若是想凭借股票的投资获得成功，必须要话费大量的时间和精力去钻研证券知识。我们不排除有人凭借运气获得成功，但那毕竟是少数，要想获得长远的成功，专业的股票知识是必须要掌握的。
（二）了解投资环境，关注投资时机
股市与经济环境、社会发展、政策颁布等方方面面息息相关。政治安定，经济进步，民生安好，股市一定是繁荣、能挣钱的；反之，政局动荡、经济衰退、民不聊生，股市将会是灰暗的，是个吸金的黑洞。
（三）找到合适的投资方式
股票的投资方式有很多，这就要随着投资者的习惯、性格，结合当前的股市发展来确定适合自己的投资方式，切不可盲目跟风，也不可长期不变，要随时保持敏感，灵活的改变现有的投资方式，跟上股市的变化，才能保证自己立于不败之地。
（四）制定合理投资运营计划
大多数初入股市的投资者都将注意力放在试产改价格的涨跌上，却经常忽略本身资金的合理调整，要知道，资金的本身才是股市的基础。制定合理周密的资金运作策略，对于风险的防范具有十分重要的作用。
四、结束语
本文结合笔者查阅多方资料，就股票投资风险防控的问题展开了探讨，具体的分析了当前我国股市的现状及股市投资的风险所在，就股票投资的防控提出了一些建议，然而由于个人所学知识以及阅历的局限性，并未能够做到面面俱到，希望能够凭借本文引起广大学者的关注，加以指正。
参考文献：
[1]王健补.理财学[M].广州：暨南大学出版社.2005.318-328
[2]王小玲.中国股市系统风险实证研究[D].武汉科技大学硕士学位论文.2005
[3]张剑锋.上海股票市场投资风险研究[D].东北财经大学硕士学位论文.2004
关键词 交易价值 非理性投资 利率 股市
一、标准投资理论：利率水平与股票投资需求成反比
利率被誉为宏观经济的“晴雨表”，而股票市场是宏观经济的一个重要组成部分，利率的调整对股票市场具有某种程度的影响力。货币当局调控经济的政策手段必然会对股市产生广泛而深远的影响，而在各种货币政策工具中，利率的调整对股票市场的影响最为显著(Bemanke，1992)。我国自1990年12月19日至2008年5月20日，共实施38次利率调整，其中22次加息，16次降息。按照标准金融理论，股票作为一种虚拟资产，其价格波动有自己独特的运行方式，但在―个理性的市场中，股票的价格还是以股票价值为基础的，根据股利贴现模型，股票价值与股息和贴现率的函数表达式如下所示：
函数表达式中的V为股票内在价值，Dt是股票第t期支付的股息和红利；r是贴现率。该式表明有两大因素直接影响股票内在价值，一是未来的股息和红利，股息和红利与股票价值之间存在正相关关系。利率提高不但会增加企业财务成本，减少企业的盈利，而且利率提高会抑制宏观经济投资，从而减缓经济增长，两者都会使股票预期的股息和红利减少，股票价格会下降。二是贴现率，它与股票价值存在负相关关系。利率上涨诱发贴现率的上升，将导致股票价值的降低，从而也会使股票价格相应下降。
此外，从资金供求关系角度看，由于资产组合替代效应的存在，利率变动会影响存款收益率，投资者就会在股票、银行存款与债券之间进行资产选择，以期达到资本保值与增值的目标。资产的新组合使资金流向发生变化，从而导致股市存量资金的变化，最终影响到股票市场的资金供给和股票价格。利率上涨使一部分资金从股市转而流向银行储蓄或债券市场，减少了股票市场存量资金，造成股票需求减少与股票价格下降；反之，利率下降，股票市场存量资金增加，股票价格将上升。
综上所述，按照标准金融理论的分析，利率水平与股票需求成反比关系，利率提高会降低股票需求，造成股价下跌。
二、实践表现：利率上调，股价不降反升
本文选取了2004年10月至2007年12月的9次利率调整(都是加息)及加息后股市第一个交易日作为研究对象，其原因是：截至2004年10月，中国股市经过了近14年的发展，已经逐渐趋于稳定，市场的反应是投资者投资决策的真实反应；此外，投资者经过14年的股市沉浮，经历了多轮牛市和熊市，逐渐趋于理智，对诸如利率调整这样的系统性风险采取的是自我认知型的投资策略。
由上表可以看出：面对9次加息，上证指数与深圳指数仅有1次下降，其余8次股指不降反升，其中6次升幅超过1％，特别是2007年7月21日的加息，首个交易日市场更是以少有的暴升而作为结局。这种因投资者非理性投资决策而导致的市场“违反常理”的异象，不得不使人们对标准金融理论的有效市场假说及理性人假设表示质疑。
三、理论和实践背离的解析：交易价值驱动的非理性投资行为
以理性人假设和有效市场假说两大基石构筑起来的标准金融理论认为：投资者的决策是建立在理性预期、风险回避、效用最大化以及相机抉择等假设基础之上的。其中，有效市场假说的理论基础由三个逐渐弱化的三个假设构成：第一，假设投资者是理性的，可以理性评估资产价值；第二，即使某些投资者不是理性的，但由于其交易具有随机性，可以相互抵消，不至于影响资产价格；第三，即使投资者的非理并非随机而具有相关性，市场中的理性套利者也可以通过无风险套利消除这种影响(安德瑞、史莱弗，2003)。但在证券市场的现实运行中，市场本身是否是一个可以理性评估的以价值投资为基础的要素市场，市场的参与主体是否具有理性的决策个性，这两方面因素会直接影响到上述三个假设条件的成立。
(一)关于股票价值构成的重新思考
对于依据标准金融理论假设下形成的传统证券投资理论，早期的经济学家欧文・费雪、凯恩斯及证券投资大师格雷厄姆等人对此就存有异议。凯恩斯曾指出，无人能确切地了解未来的收益的前景与股息支付，因而“多数人主要关心的不是对一笔在其投资期间的可能收益做出准确的长期预测，而是抢在公众之前预见到惯用的估价依据的变化”(凯恩斯，1936)。并且，由于人是有限理性的，即人们由于精力、能力和信息获取、处理等方面的有限性，在面临决策时，不可能对各种选择方案进行全面、详尽的计算和评估，其所做出的行为是一种理f生和感性的搀杂物。因此，股票市场并不是一个能精确衡量价值的“称重器”，它的表现就如一个“投票机”(吴彤，2000)。
在关于股票投资理论的研究中，价值投资理论是比较受重视且被市场普遍认可的理论，但是，股票的价值究竟是什么?对此一直没有形成共识。格雷厄姆认为，股票的价值“是指一种有事实――比如资产、收益、股息、明确的前景――作为根据的价值，它有别于受到人为操纵和心理因素干扰的市场价格”(格雷厄姆，1999)。从格雷厄姆的这一定义上看，尽管他不完全认可标准金融理论的假设，但也仍然没脱离传统的价值投资理论框架。关于股票投资价值，目前大多数学者较一致的认识是：
股票投资价值：股票内在价值+投资风险价值
公式1
笔者认为，公式1投资价值模型存在两个重要缺陷：一是基于投资风险不确定，投资风险价值是很难度量的，这样，股票投资价值的测算公式也就缺乏应用价值；二是这里的风险更多地是考虑不确定的企业收益前景与股息支付政策，仍然围绕企业进行评估，且视野仍专注于一级市场。事实上，股票投资价值不仅体现在虚拟资产的隐含价值上，还体现在股票的可变现性，即二级市场流通的价值之上。如果将股票流通价值考虑在内，股票投资价值计算公式应扩展为：
股票投资价值=股票内在价值+投资风险价值
+股票流通价值 公式2
考虑到股票的投资风险既有来自于企业本身的，也有来自于股票交易过程之中的，来自于企业内部的风险可以直接修正企业内在价值，而来自于流通过程之中的风险可以直接修正交易价值，因此，公式2可以简化为：
股票投资价值=股票内在价值+股票交易价值
公式3
公式3中，股票内在价值是同企业的经营绩效及股利政策密切相关的，而股票交易价值主要受二级市场股票的流动性、供求状况、投资者投资心理以及政策
和监管环境等因素的影响。
公式3的引入可以揭示这样的事实：股票投资成败受到两大因素的影响，一是发行主体，主要是上市公司的影响；二是流通主体与流通环境，主要是投资群体及投资环境的影响。而在资本市场发展的不同阶段和不同地区，两大影响因素都可能成为影响市场投资行为的主要因素。
综上所述，利率上调，股票价格不降反升，就可由公式3中的交易价值驱动得到合理解释。
(二)中国股票市场交易价值驱动的表征
中国证券市场是一个新兴市场，虽然经过十几年的发展取得了举世瞩目的成就，但与欧美等国成熟的市场比较还有很大的差距，在股票投资的价值追求上，还属于典型的以股票交易价值为主要目标的市场。也正基于此，在交易机会比较充分的情况下，加息也就很难改变股市原有的运行轨迹。
1、股市运行与宏观经济的弱相关性
在一个以股票内在价值为投资基础的市场中，股票市场与本国的宏观经济、甚至世界经济的发展都有高度相关性，股价指数是当之无愧的宏观经济运行的“晴雨表”。但在一个以交易价值为基本目标的证券交易市场中，市场的交易机会才是投资者关注的首要因素。尽管宏观经济对这些交易机会的产生也有着重要的影响，但投资者更偏向于股票的短期价格波动。长期以来中国股票市场运行的宏观经济“晴雨表”功能并不明显，也有学者认为是中国股票市场规模较小、发展尚欠规范等原因所致，但笔者认为，以追求市场交易价值为目标才是问题的本质。
2、内在价值投资通道不畅
在美国等成熟资本市场，投资者股票投资的价值基础是股票的内在价值，在这种投资目标中，投资者看重的并不是股价波动所形成的差价，纯粹依靠差价来获得收益的投资者并不是真正的投资者，而是所谓的投机者。对于大多数美国投资者来说，上市公司持续稳定的现金分红是他们所期望的投资回报。而我国股票市场运行的一个重要功能是融资，也正是因为这样的原因，相当数量的上市公司重融资、轻回报的行为倾向严重。以2007年为例，2007年是上市公司利润大幅度增加的一年，但即使是在这一年，股东的分红收益率也仅为0.99％(李静、周俊，2008)。这意味着以此标准进行股票投资，若以追求现金分红回报为目标，投资者大约需要100年才能收回投资本金。上市公司的这种回报模式也促使大多数投资者，忽略股票的内在价值而转向追求交易价值。
3、流动性决定市场整体运行趋势
中国股市始自于2005年6月的牛市与流动息相关。由于人民币升值的预期，境外资金也通过各种渠道流入中国资本市场，“流动性泛滥”成了2006、2007年中国资本市场中出现频率较高的词汇，正是在这种充足的流动性支撑下，股票交易有了足够的资金保障，交易机会频现，而国内城乡居民的储蓄存款持续流入股市，更加剧了股市的流动性。因此，在这一时间段的加息，甚至是多次提高银行存款准备金率，都没能减少市场流动性，也就未能动摇股市上涨的基础。相反进入2008年后，随着美国次贷危机的扩散，境外流动性的抽回，国内股市资金回流银行，股市的流动性急剧萎缩，恰恰又成了以交易价值为目标的中国股市快速下跌的缘由。
4、过度交易明显
投资者频繁交易和高换手率是一个以交易价值驱动的股票市场的显著特征。中国的股票市场自成立以来，年度平均换手率一直居于世界主要证券市场的前列，详见表2。
自2005年6月创下阶段性的低点后，中国股票市场用两年半左右的时间走了出了喷薄向上的牛市行情。在此期间，投资者过度交易明显，如表3所示，2006年日均成交金额375.39亿元，是2005年日均成交金额的2.87倍；2007年日均成交金额1903.12亿元，是2006年日均成交金额的5.07倍。
Kahneman和Tverskv的研究成果向人们展示了在不确定条件下，决策可以系统性地偏离传统经济学的理性假设。他们主张：人们通常而言，不具备运用经济学和概率论的知识，全面地分析问题和做出判断的能力(Kahneman D&Tversky A.,1988)。有鉴于市场和企业中的金融决策均是由作为经济主体的个人或企业做出，因此金融市场决策均具有自信因素所导致的某些经济特征(桂荷发、蔡明超等，2007)。从2004年10月到2007年12月，中国金融市场的9次加息调整，其中2004年中国股市处于低靡状态，那次加息也是9次加息中唯一使股指下跌的一次，2006年和2007年的8次加息，股指不降反升，同时伴随成交量、成交金额的加速放大，充分说明投资者在中国股市短期向好的预期下，投资者“财富幻觉”和市场“赚钱效应”凸显，投资者非理性心理不再遵循标准金融理论进行决策，而是依赖于一些思维惯性做出直观推断，过分追求交易机会，乃至于发生过度交易。同时，通过交易量和交易金额可以看出，中国证券市场目前这种过度交易并非是个体行为，而是具有较明显的系统性倾向。
5、市场参与者众
市场参与者众是追求市场交易价值目标的又一个表征：随着股指的攀高，投资者人数持续大增，市场深度大幅提高。如表4所示，2007年上半年净增投资者人数达到前三年总和的3.27倍，投资者开户数达到10705.64万户，截至2008年4月底，沪深两市账户总数更是达到了14446万余户。
Kyle和Wang建立了一个双头信息垄断模型，指出非理性投资者可能获得比理性投资者更高的净投资收益，而且，非理性投资者自身发现，他们采取非理性决策能够获得比采取理性决策更高的投资收益(Kyle Albea S.and Wang，F.Albea，1997)。如果说2004年和2005年新增投资者是由于随着中国证券市场的发展和个人素质的提高，不断有潜在投资者成为现实投资者，那么2006年和2007年投资者增幅之大，特别是2007年，投资者的账户一年增量达到6033.02万户。而此前16年的存量才为7854.00万户，这已非上面原因所能解释。大量的非理性投资者进入证券市场，正是他们的加入，助推了证券市场成交量和成交额的大幅增加。高企的股价并不能阻止他们的涌入，这是无法用传统的企业内在价值追求来解释的。
6、股票价格大幅波动
在投资者投资收益过分依赖二级市场交易差价的情况下，一方面会出现传统投资理论无法解释的脱离企业内在价值的“非理性投资”；另一方面也会引发过度投机，造成证券市场过度波动。
中国股票市场自2005年6月6日上证指数创下998.23点的低位后，到2007年10月19日上涨到6124.04点，涨了5倍多，而后，用不到一年的时间，上证指数又大幅下跌到2000点之下。以理性人假设为前提的标准金融理论从股票预期未来现金流量的折现来定价，无法解释在此期间股票价格的大幅增加和减少。金
融市场中追求交易价值的投资者的行为模式并不是完全理性的，投资者的情绪是资产定价的重要因素(伍燕然、韩立岩，2007)。在股指连续攀高或大幅下跌这样一个阶段性运行过程中，过度自信或过度悲观的投资者在证券市场中充当了流动性提供者的角色，惯性思维定势左右着投资者的决策行为，当趋势力量足够明显时，少数投资者理性的思维并不能改变这种趋势。
四、结论与启示
从交易价值驱动视角分析中国股票市场经9次加息不跌反涨的深层次原因，本文得出以下结论和启示：
(1)资产的价格不仅仅由内在价值所决定，而且还由投资者的非理性因素，诸如心理、情感、情绪等因素决定，这些因素在投资决策的制定和资产定价方面发挥着重要作用，特别是在以个体投资者为主体的市场环境下，投资者的非理更为普遍和明显。
(2)中国证券市场还是一个以交易价值为主要追求目标的市场，只要存在正向的交易差价机会，投资者就可以抛开传统的标准金融理论的束缚，忽略宏观经济指标对企业层面的影响，专注于赚取交易差价。流动性支撑、过度交易、市场深度大幅提高、较大的市场波动幅度等市场表征反映了这一事实。
(3)以交易价值支撑的市场更容易产生认知性偏差，特别是当投资者高估自己的认知能力时，他们对事件发生概率的估计就更容易走向极端。过度自信的投资者在面对良好预期的情况下，就会激进地参与股票市场，虽然提高了市场的深度，却因股票价格偏离价值而形成了市场的泡沫。过度追逐交易价值是形成证券市场过多泡沫的直接原因。
(4)从宏观调控角度看，认识中国证券市场仍是交易价值主导的特性，有利于国家对市场调控手段的科学化，防止因过分依赖经济指标而出现调控失效。
关键词：股票化率；市销率；投资价值；分析指标；指标创新
中图分类号：F830.91 文献标识码：B
由于具备客观性、时效性及互补性等多种优势，指标分析法在股票投资价值的研究评判中被广泛采用。但是，传统分析指标又因为单一指标视角孤立、指标之间关联关系揭示不清等内在缺陷而受掣肘。鉴此，如杜邦分析法以净资产收益率指标作为关键性指标一样，寻求研判投资价值的综合性指标，并由此进行指标体系的构建与创新，既是理论探讨之所需，也是实践指向之所在。
一、股票投资价值分析指标的重要性与传统分析指标的不足
在对股票投资分析的四个主要流派中，尤以基本分析流派和技术分析流派体系最为完善，应用也最为广泛。基本分析是以上市公司的基本财务数据为基础，设计有关分析指标，对上市公司投资价值进行研判，从而作出理性投资决策。本文所涉及的股票投资价值分析是以基本分析为主的研判方法。股票作为公司所有权凭证，其价格的涨跌最终取决于自身投资价值的大小，即使股票价格可以在短期内脱离其内在价值。从长期来看，价格的波动必定与公司的内在价值呈强相关的特征，即价格会向价值回归。在充分有效的市场体系中，价值的大小通常由价格的高低来折射反映，所以价值分析的核心环节便是分析股票的内在投资价值。上市公司的投资价值既与其内在素质（如经营管理水平的高低）有关，也与其外部条件有关。在股票投资价值的分析方法上，价值分析指标的选取显得尤为重要，而如何从综合、全面的角度构建股票价值分析指标则具有相当的难度。
传统的价值分析指标指的是证券投资类书刊中常用的财务指标，或者是中国证监会要求上市公司在定期财务报告如年报、中报、季报中必须计算并披露的财务指标，主要包括反映公司盈利能力的每股收益、每股净资产、净利润率及净资产收益率等，反映公司偿债能力的资产负债率、流动比率、速动比率等，以及反映公司成长能力的主营业务收入增长率、利润增长率等。这些指标对反映上市公司的经营管理效率和获利能力、短期偿债能力和经营安全性以及后期的成长性，分析股票的投资价值有较大的帮助作用和参考价值。但是，随着经济的发展、技术的进步，由于这些指标自身的局限性及应用的时效性，很难全面、准确、及时、有效地反映股票投资价值的全貌［1］。鉴此，构建股票投资价值分析的综合指标，力求从综合、创新的视角反映股票投资价值极具学术和操作价值。在吸收已有成果的基础上，本文从市值角度出发，将宏观市值（即股票市场市值）与宏观经济指标GDP相比，及微观市值（即单个上市公司市值）与微观经济指标公司销售收入相比，得到包含诸多子乘积因子和子影响因素的两大综合指标。
二、宏观价值指标：证券化率或股票化率
证券化率指的是一国（或地区，下同）各类证券总市值与该国国内生产总值的比率，用公式表示为：证券化率=证券市值/GDP 。该指标可以用来测度虚拟经济与实体经济的量化关系，进而可用于衡量前者对后者的反映情况。虚拟经济的存在主要是服务于实体经济的发展，虚拟经济既不能过于低迷拖累实体经济的增速，也不可过于膨胀脱离实体经济的基础。与此伴随，证券化率既不可过低也不可过高，过低意味着虚拟经济对实体经济的反映不够，过高则意味着证券市场存在泡沫。由于证券市场中可流通交易的证券主要包括股票和债券两大类，而本文重点研究股票投资价值中的指标体系，故现需从分子证券市值中去除债券市值，所剩为股票市值，该指标相应改称为股票化率，其公式与证券化率类比可得：
股票化率(Stock ratio，简称R) =[SX(]（股市）市值（TMV）[]GDP[SX）] （1）
从公式（1）可以看出股市总市值的增长会带来股票化率的提高，而GDP的增长会导致股票化率的降低。总市值的增长率应与GDP的增长率保持一定的适应性，若前者增速较于后者过慢，则说明经济的市场化程度较低；若前者增速明显快于后者，则说明股市存在较大泡沫。因此，一国股市投资价值（从反方向来看即投机泡沫）的大小，在一定程度上取决于该国证券化率的大小。由证券化率演绎而来的股票化率即为宏观价值分析指标，故公式（1）中市值为股市总市值，它在数值上等于总股本乘以股票价格。总股本即市场发行股票的总股数，属于数量因素；股票价格由股价指数来反映，即指市场的总价格水平。GDP为国内生产总值，是指一定时期内(一个季度或一年)，一个国家的经济中所生产出的全部最终产品和劳务的价值。在对GDP指标进行核算时，假定社会所生产出的全部商品Q以社会平均价格P卖出来实现其价值即形成收入，由此得GDP=P×Q。
下面来分析股票化率的两个构成要素――股市市值与GDP及其影响因素。从公式1可以看出，股票化率R的高低既取决于TMV的大小又取决于GDP的大小，合理水平的股票化率应该通过较高水平的TMV与较高水平的GDP两者并存来达到，并且应与一个国家（地区）的经济发展水平相适应。
一是R受分母GDP的影响。在实体经济的循环过程中，社会总需求使生产和销售产品成为必要，产品的销售(P×Q)形成社会总收入，总收入在数值上即等于名义GDP，这是从核算的角度。也就是说，名义GDP 可看作是经济中的平均价格水平和真实产量水平的乘积。如果以现行市场价格计算GDP，实质上其应该等于价格指数P与真实国内生产总值Q(实际产量指数)的乘积：GDP=P×Q，而真实国内生产总值即是对社会生产出的全部商品进行的分配。从支出法的角度，名义GDP即为整个经济的最终支出之和，包括家庭消费(C)、政府支出(G)、对新资本投资(I)和净出口(NX)。由真实GDP(Q)即为真实支出的和：Q = C+I+G+NX ［2］。综上所述，Q的增大与P的提高均能带来GDP的增长，政府可通过实施相应的宏观经济政策来影响P和Q，实现经济增长、物价稳定、充分就业等目标。
二是R受分子TMV的影响。TMV=市场总价格水平×市场总股本，市场总股本即股市总股本规模，等于市场中所有股票的股数之和。显而易见，市场总股本规模扩大，在总价格水平没有明显降低的情况下，TMV增大，反之亦然。股价指数是一个相对指标，是用各时期的股票总价格水平与基期（假设为100）得出的,现用股票价格指数来动态地反映市场总价格水平。TMV虽不能简单地用股价指数与市场总股本相乘得到，但股指作为市场总价格水平的代表，其变动会对TMV产生直接影响。股指上升会引起股票价格不同程度地上涨，在总股本没有明显缩减的情况下，TMV增大，反之亦然。
具体而言，股价指数的涨跌变动受经济因素、政策因素、市场预期及股市中资金流动性等的综合影响，且各因素之间亦相互影响。首先，经济因素包括经济周期，利率、汇率、税率的波动等。理论上讲股指的波动趋势与宏观经济走势是基本一致的，在经济周期的复苏和繁荣阶段，股指上涨；在经济周期的衰退和危机阶段，股指下跌；而利率、汇率、税率的调整也会导致股指不同程度的波动。其次，国家通过财政、货币政策能够明显影响投资者的未来预期，从而对股票价格产生上冲或下推的作用。政策因素包括政府实施的一系列扩张和紧缩的货币和财政政策。扩张政策指通过增加财政支出、减少税收和增加货币供应等来刺激总需求的增加，进而导致大量资金流入股市，带来股指上涨；反之，若政府实施紧缩政策，会引致股指下跌。再次，各市场参与者如投资者、分析师等对股市的中、短期走势的乐观或悲观预期也会对股价指数产生影响，若为前者，则刺激股指上涨；若为后者，则可能引致股指下跌。
此外，股市中资金流动性的充沛程度也会直接导致股指的波动。股票也同普通商品一样，价格的涨跌根本上是受供求关系的影响，若市场流动性较好，资金充裕，则对股票的需求增大，在供给没有明显变动的情况下会直接导致股价上涨，反之亦然。股市总股本规模的增减变动主要受上市公司的决策及行为的影响。企业在一级市场的IPO（首次公开发行）行为及在二级市场的再融资（如配股、增发、转增等）与替代性股本（如债转股）等行为会引起市场总股本的扩张，而上市公司回购部分或全部股本、注销部分或全部股本、退市等行为则会引起市场总股本的减少。
事实上股价指数和市场总股本的变动并不是孤立的，两者之间也不无关联。具体来讲，股市总股本规模的增大（扩容）会引起股价指数的波动，而股指的持续上涨（或下跌）也会影响股市的扩容速度。理论上讲，股市扩容会通过资金面的减少影响股价指数，无论是一级市场扩容（IPO），还是二级市场扩容（再融资），都需要吸收相对应的资金量，从而使股市中流通的资金减少，引起股指下跌。而从我国的实践来看，扩容速度加快时，股价指数往往处于上涨周期，扩容速度放慢时，股价指数则处于下跌周期。这是因为股市扩容只能在股价指数保持一定水平的基础上才能进行，股价指数越高说明股市中资金充沛，对股市扩容的消化能力越强；反之，股价指数越低，股市资金不足，扩容难度相应增大［3］。
从以上分析可知，市场总价格水平的上涨和总股本的扩张均会引起总市值的增加，但两者的效应不同。由于股票价格瞬息万变，而股本规模在短期内则相对稳定，因此总市值的变动大多数时候都由股价指数的波动带来。若一段时间内股市出现“非理性上涨或下跌”，由此带来的总市值的急剧扩张或收缩并不能真实反映股市的内在价值。总市值的波动会带来股票化率的同步波动，因此股票化率具有不稳定性，股票化率偏离一个合理区间的程度，即可视作股市投资价值彰显或投机泡沫过大的判断依据之一。
对股票化率进行理论分层的审视之后，有必要对中国股票化率进行实证分析。由图1可看出，20世纪90年代后半段股票化率一路走高，从1995年的不到10%逐年提高到2000年的50%。在以后的五年中沪深两市表现不佳，与宏观经济的高速增长出现背离。至2005年，股票化率又跌落至十年前20%的水平。2005年股权分置改革开始实施，我国股市迅速开启发展之路――股指的连续上涨，总股本的不断扩张导致总市值的急速增长，至2007年股票化率已高达150%，而彼时并无实体经济的同步增长作为支撑，泡沫现象异常明显。尽管国际金融危机导致股市大幅下挫，但近两年股票化率又回升到70%左右。该图均显示股票化率在每次阶段性冲高之后，必然回落至平均水平附近，这说明长期而言虚拟经济的发展必须以实体经济为基础，股市总市值的增长速度应与国民经济增长速度基本一致［4］。经比较可知我国股市仅用短短20年的时间，其股票化率已基本达到美国股市经200年发展之后的水平。由于我国股市成立较晚，股票化率起点较低，一段时期内的较快增长有一定的合理性，但也隐见政府“赶超”的“推手”作用，必导致股市出现一定程度的“虚胖”现象，即较之于美国等成熟股市，我国股市内在泡沫较大，波动性也更为明显。
三、微观价值指标：市销率
市销率(Price-to-sales ratio,简称P/S)，是上市公司市值与公司销售收入(一般以主营业务收入代替)的比率，亦可用每股市价除以每股销售收入得到，用公式表示：
市销率（P/S）= [SX（]（单个公司）市值（MV）[]销售收入（S）[SX）]=[SX（]当前股价×总股本[]销售收入[SX）]=[SX（]当前股价[]每股销售收入[SX）]（2）
该指标用于确定股票相对于公司经营业绩（收入乃绩效之源）的价值，它告诉投资者每股销售收入能够支撑多少股价，或者说单位销售收入所反映的股价水平，以此来判断企业的估值是偏高或偏低。同市盈率(PE)和市净率(PB)一样，市销率也属于相对估值法的范畴，其使用时也应与同行业其它股票或其它行业乃至整个市场中的平均值进行比较才有意义。在进行比较时，公司之间在各方面的相似度越高，该估值方法越有效。理论上讲市销率越小，表示上市公司相对于其每股销售收入的每股价格越低，股票的投资价值越高。
在我国上市公司中运用市销率指标分析股票投资价值具有现实意义，这是因为传统指标均以利润为基础构建，而利润是收入减去成本、费用和税金后的余额，是一个经计算得来的间接指标，因而容易出现人为运用相关的会计处理方法进行调节和操纵的情形。由于销售收入为企业的实际销售所得，影响销售收入的技术性因素不多，相关会计准则可利用的空间不大，其受反复操控的难度大得多。换言之，以销售收入为基础的市销率指标更有利于让投资者了解上市公司实际的经营能力、发展能力和盈利能力等状况［5］。下面来具体分析市销率两个构成要素上市公司市值与公司销售收入及其影响因素。从公式（2）可以看出，市销率P/S比值的大小由公司市值和销售收入的大小共同决定。
一是受公司市值（分子）的影响。上市公司市值MV= ps×qs ，ps为上市公司股价，qs为上市公司股本，上市公司股价的上涨和股本的扩张均会引起公司市值的增加。股票价格从上市公司本身及所处环境的角度，受到股票估值、公司成长性、经营预期及市场和政策的影响。股票估值是指通过对上市公司历史及当前的基本面分析和对未来反映公司经营状况的财务数据的预测来获得上市公司的内在价值，而影响股票估值的主要因素是每股收益、每股净资产、每股经营现金流等指标。若投资者能在合适的时机买入估值较低的股票，将可获得较大收益。公司成长性主要从销售收入（主营业务收入）增长率和利润增长率两方面来考察，若两者均有较大增幅，表明公司产品的市场需求大，业务扩张能力强，经营业绩突出，则该公司具备较好的成长性，长期来看股价亦会有良好表现。经营预期的好坏主要从预期净资产收益率（ROE）的高低和预期经营现金流（C）的大小来反映，若预期未来ROE较高且C较大，则上市公司的预期经营向好，对公司的股价将产生助推作用。此外，金融市场波动和货币、财政政策的调整也会对股票价格产生直接影响。同时，上市公司股本的扩张必会凭籍一级市场的IPO，二级市场的再融资如配股、增发以及公积金转增股本来实现，而公司的这一系列行为会受股市周期与政策的共同影响。
二是P/S受公司销售收入（分母）的影响。上市公司的销售收入S=pc×qc, pc为公司产品的销售价格，qc为公司产品产量（此处隐含假定：产量=销量，即应收账款为零），产品销售价格的提高及产量的扩大均会增加公司的销售收入。由于公司经营的基本目的是获取利润，故pc应由生产产品的保本价格p0加成一定的目标利润率p得到，即pc= p0（1+p）。保本价格指产品处于保本销售状态时的价格，其应包括产品的生产成本、期间费用和生产性税金。考虑到生产的连续性，保本价格应该在前期生产成本、三项费用和生产性税金的基础上，加上当期成本、费用和税金的变动。而目标利润率的形式包括产品毛利率和产品净利率，其中，毛利率=(产品销售收入－产品成本)/产品销售收入，净利率=净利润/销售收入。产品毛利率和净利率的提升会引起销售价格上涨，进而带来销售收入的增加。与pc类似，qc也包括保本产量q0和有盈利产量q，即qc=q0+q，而q0包括前期总成本率下产量和当期总成本变动率下的产量，q包括老项目扩产、新项目投产所增加的产量以及购销净增额。
作为综合性指标较之于其它价值类指标，市销率既有独特的理论特点，也具鲜明的应用功能。其一，与其它的相对估值方法如市盈率法、市净率等不同，市销率不会因为利润、净资产为负数或者为微利而使指标失去意义；同时，由于上市公司的每股销售收入都是正的，因此在计算市场或行业平均市销率时，可将所有上市公司作为样本，几乎无需剔除任何一家，保证了计算数据的完整性和客观性。其二，由于销售收入对经济形势的敏感性相较于利润要弱，且在会计处理上比利润难以操纵，故其波动性也小得多，尤其是周期性强的上市公司，市销率的波动要大大小于其市盈率的波动，即市销率指标不易受上市公司经营状况年度变化的影响，更能体现上市公司的长期投资价值［6］。其三，运用市销率指标进行比较选股时，还要考虑上市公司毛利率水平的高低和成长性的优劣。销售毛利率是销售收入与销售成本的差额与销售收入的比值，如果销售毛利率很低，表明企业没有足够多的毛利额，补偿期间费用后的盈利水平就不会高，甚至无法弥补期间费用，出现亏损局面。一般而言，毛利率较高的公司，其产品竞争力强，增长确定性好。因此，市销率相似的上市公司，毛利率高的更具投资价值。而成长性是从利润增长率的角度来考察，同样是2倍市销率的两个股市或上市公司，利润增长率较高的市场或公司就更有投资价值。从成长性角度来看，新兴市场比成熟市场的平均市销率较高，创业板比主板的平均市销率要高，新兴产业比传统产业的平均市销率要高，都有一定的内在合理性。
四、从股票化率与市销率两大指标公式的分解中进一步考察综合性特征
从影响因素出发，对股票化率和市销率进行分解，从而可以定性观察两大指标与构成要素的交互影响。在此基础上对两大指标进一步分解，还可定量认知两者对其它指标产生影响的传导路径。
首先，股票化率之所以能作为判断股市投资价值的指标，因为它同衡量市场投资价值最常用的指标有着直接的数量关系。
其中pe代表单个公司市盈率，eps代表单个公司每股收益，np代表单个公司净利润，PE代表某个时点整个市场平均市盈率水平，NP代表上市公司净利润总和，NP′代表全体上市公司利润率。
通过公式分解可以看出股票化率R与市场平均市盈率PE、上市公司利润率NP′呈正相关关系，而PE是衡量整个市场投资价值的重要指标。因此，一国股票化率的高低取决于该国股票市场平均市盈率水平的高低和上市公司平均利润率的大小，即股票化率由该国股市估值水平和上市公司盈利能力决定。在假定NP′不变的情况下，PE的提高会导致股票化率的增大，此为资本市场产生泡沫的过程；而在假定PE不变的情况下，通过提高现有上市公司的盈利能力，或让更多盈利的企业上市，就可提高NP′，进而提高股票化率，此为经济证券化的过程。因此，一国在宏观经济管理中既要努力推动经济证券化进程，又要时刻警惕经济过度泡沫化。合理水平的股票化率可以通过调节上市公司整体市盈率、利润率水平及实体经济的增长速度来实现，但采用财政、货币政策对实体经济的调节也会同时影响到股市的运行，故政府在采取政策措施时须综合考虑、统筹兼顾［7］。
其次，市销率可以而且应该成为反映企业价值的关键性指标，是因为其它同类指标能够而且必然会从其“分解”得出。传统理论认为公司的价值主要体现在公司净利润上，净利润受公司费用影响显著，而市销率指标不考虑费用等因素影响。恰恰相反，通过公式的进一步分解却能清楚寻找到市销率与费用指标的关系，并最终指导上市公司通过费用管理来影响公司市销率。
通过公式分解可以看出市销率与上市公司税后经营利润率、市盈率水平正相关，与公司财务费用负担呈负相关关系［8］。具体来说，一方面税后经营利润是企业销售收入扣除制造成本、管理费用、销售费用以及经营活动中所承担的所得税后的企业利润，因此公司税后经营利润率(pt′)的表达式是：
税后经营利润率剔除了财务费用对企业价值分析的影响，准确反映了企业在生产经营活动中的成本费用控制水平、企业议价能力、日常管理制度等诸方面原因，综合反映了企业经营管理能力；同时，企业财务费用比率是净利润与税后经营利润的比值，若企业有借款并归还利息时，该比率就小于1，它的数值反映了借款利息对企业获利能力所起负作用的大小，该比率越接近于1，说明企业的财务负担越低。具体来看，企业财务费用比率的表达式为：
从中不难看出市销率与公司财务费用比率呈正相关，即与公司财务费用负担呈负相关。由于公司财务费用负担又与银行基准利率呈正相关，如果其他因素不变，基准利率与股票市销率水平存在负相关关系。
最后，弄清了两大指标的各自分解脉络之后，接着进一步审视两者之间的内含逻辑。股票化率将虚拟经济的股市总市值TMV与实体经济的总产值GDP进行比较，旨在衡量某时刻一股市的估值水平。一国的股票化率水平并非与其经济发展水平成正比，还受到国家的金融体制、经济政策等因素的影响。市销率将单个上市公司市值与企业的总产值销售收入进行比较，旨在考察单个股票的投资价值。个股的市销率由上市公司的成长性、销售收入和投资者要求的收益率等决定，是衡量股票是否被高估的一个重要指标。若假定社会上所有的企业都成为了上市公司，则全社会的总产值即为所有企业的销售收入之和，即GDP=∑p，则R=TMV/GDP=∑mv/∑ps，即R为宏观视角的P/S，两者之间相互影响。若市场上每只股票的P/S均提高，则R也会相应增大。反之，若R出现大幅提高，则意味着总市值相对GDP的大幅增长，单只股票的P/S亦会增大。
虽不能用一个具体的等式表达两者的数量关系，但两者均作为虚拟经济与实体经济的价值比率指标，分别立足不同的视角，其存在内在相关性，即R与P/S是对股票宏观和微观投资价值的分别研判，两者为“面”与“点”的关系。若一股市具有较高的投资价值，则意味整个市场的投资环境较好，个股的投资价值相应较高。换言之，在具体应用到分析股票投资价值时，R与P/S相互补充，起协同作用：对投资者而言，股票投资价值分析的核心在于运用相关指标对个股的投资价值进行评估，但应先通过对市场估值水平的研判确定买入或卖出时机。在实际操作中也可根据一国股票化率的高低先来判断股市的估值，再选取较低市销率和较好成长性的股票进行价值投资。无论是“自下而上”还是“自上而下”的方法，路径虽异结果类似。
总之，传统的投资价值分析指标多是以上市公司财务报表中的一个或几个财务指标为基础构建，单一性和静态性较强，如对上市公司估值常用到的每股收益（E）、每股净资产(B)、每股经营现金流(C)以及以此为基础结合股票价格构建的市盈率(PE)、市净率(PB)、市现率(PC)、净资产收益率(ROE)等，均可包含在股票化率与市销率两大指标当中。股票化率和市销率作为虚拟经济市值与实体经济产值的比率指标，分别从宏、微观的角度度量股票的投资价值。换言之，对两者的构成要素及指标公式进行深入分解分析后较易发现，此两指标涵盖问题较为全面，影响范围较大，称其为股票价值分析中的两大综合指标，无论在理论还是操作层面，均有创新与导向价值。
五、基于两大综合指标的后续新型指标的构建指向
虽然两大综合指标在一定程度上探索了股市及股票的宏、微观价值问题，但值得指出的是要构建科学而系统的投资价值指标体系，还要进行更深入更艰巨的理论研究与实践探索。下述一些与两大综合指标密切相关的创新型指标，虽非系统构建之全部，但至少对系统构建应考虑的具体指标无疑有一定的创新指向作用：
1.市值贡献度。股权分置改革后，我国股市进入全流通时代，市值成为一个衡量上市公司业绩、公司治理、管理层绩效、投资者关系等方面的综合性指标。市值贡献度分析即是对市值结构进行分析，分析在市值的变化中股价和股本的贡献比率。从公式看，股价贡献度=ps/V×100% (V: value即公司市值) ，股本贡献度=qs/V×100%。若公司市值的增长主要由股价的大幅上涨带来，即股价贡献度较大，在缺乏业绩支撑、收益未有大幅上涨的情形下，由高股价支撑的大市值有较大的不确定性，并不能代表公司价值的提升，应警惕股价短期快速下跌导致市值缩水的风险；若公司市值的增长若主要由股本扩张所致，则此市值具有相对稳定性，但同时也应清楚分析该公司股本扩张是否源于其发展所需，扩张背后是否有良好的经营业绩来支撑。
2.股本泡沫度。股本泡沫是上市公司在股票市场中发行的超出其市场价值的股份资本，很多经营业绩差的中小盘股经常会通过高送转来扩张股本规模，吸引投资者眼球。这类企业的股本扩张速度远远赶不上其净利润增长速度，最终会导致每股收益不断下降的现象。笔者尚没有找出能够精确衡量上市公司股本泡沫程度的指标，但股本泡沫与股价泡沫关系密切，股价泡沫化率指股价超过每股净资产的部分在股价中所占的比重。两种泡沫都有每股收益、股息率偏低和市盈率高企的表现；但同时两者也有区别，即公司股本规模在急剧扩张后，每股收益偏低的状况极易造成市盈率激增，因此股价泡沫有时是股本泡沫的转变，泡沫的形成源于上市公司筹资决策而非市场不理，投资者在面对股票泡沫时应正确区分两种不同泡沫。
3.公司增长适应率。现有理论在分析利润与收入关系时多采用两者比值来反映公司盈利能力，属静态指标，而公司增长适应率则是两者增长率比值，是动态变化率指标。公司增长适应率公式表达如下：
公司增长适应率=[SX（]利润增长率(p′)[]收入增长率(S′)[SX)]
该指标反映上市公司利润增长与收入增长关系适应程度，比值越接近1，说明公司收入增长与利润增长越同步，比值增大，反映公司利润增长快于收入增长，说明公司的期间费用得到改善。若能照此良性循环，上市公司势必会提高其产品议价能力，增强其市场竞争能力，对公司的利润率提升起到明显推动作用，公司股价也会有良好表现。
4.公司现金流净利率(EOC)。在衡量公司获利能力时，传统指标中的分母较多采用资产平均总额、股东权益平均总额等，以衡量企业利用此类资源的效率。同时，现金也是企业在经营活动中能够产生收益的资源，现金流净利率表述为公司经营过程中每1元现金所能带来的净利润，反映了公司的现金利用效率及整体利润质量状况。从公式分解来看，EOC与市现率水平呈正相关，与市盈率、公司股本规模呈负相关。
5．市场占有增长率。不同行业的企业都强调销售收入的重要性，公司若想成为行业内的领先者，较高的市场占有率是先决条件。前文所述的市销率综合指标中提到的销售收入(S)指企业当期销售收入，属静态指标，而我们在研究公司发展能力时则更需要动态指标的体现，市场相对占有率增长率反映了公司在该行业地位的变化情况，该比例持续、较快的增长往往意味着企业经营业绩的迅速提高和市场地位的提升，表明公司拥有较强的发展能力。
市场相对占有率增长率=[SX(]qc2[]Qc2[SX)]-[SX(]qc1[]Qc1[SX)]
其中qc1、qc2分别代表企业上一期、本期的产量，Qc1、Qc2分别代表该行业上期、本期的总产量。
本文对证券化率与市销率两大综合指标进行了深入分析进而给出了若干创新指向，试图对现有的股票投资价值分析及其方法进行一定程度的完善与创新。正如“理论是灰色的，唯实践之树常青”所言，股票投资价值问题乃理论与实践属性十分显著的重大问题，只有通过几代人坚持不懈的探索，一个相对完善而有效的评价指标体系才可能真正得以构建。
参考文献：
［1］ 顾纪生，吕厚军.论上市公司投资价值分析中的指标创新［J］．现代管理科学，2001（4）：31-34.
［2］ 杰弗里•萨克斯，费利普•拉雷恩.全球视角的宏观经济学［M］．上海：上海人民出版社，2004.
［3］ 李惠男，付晓梅.对股价指数变动影响因素的几点思考［J］．学术交流，2001（1）：82-85.
［4］ 刘国芳.加强市值管理，协调虚拟与实体经济发展［N］．中国证券报，2008-09-16.
［5］ 杜惠芬，平仕涛.在A股市场使用市销率系列指标的实证分析［J］．中央财经大学学报，2005(10)：35-38.
［6］ 蔡飞.市销率指标在股票投资决策中的应用［J］．财会月刊（综合），2008（2）：19-20.
关键词：证券市场投资收益投资风险影响因素
随着我国证券市场股权分置改革工作的不断深入，绝大多数上市公司已经解决了不同股权的流通问题，实现了所有股权全流通。所有股权全流通标志着长期困扰上市公司经营发展的制度问题得到了比较彻底地解决，上市公司的公司治理结构得到了完善，上市公司的经营发展更能体现全体股东的意志。在这样的制度背景下，上市公司在证券市场上的交易价格基本上能够反映出上市公司的经营状况和发展能力，而且也反映出投资者对上市公司的经营状况和发展能力的评价。
反映上市公司经营状况和发展能力的因素和指标有很多，这就要求投资者在选择上市公司进行证券投资的时候，需要了解并掌握这些因素和指标，并且知道这些因素和指标对上市公司经营状况和发展能力的影响程度。本文根据上海证券市场的实际数据，参照国内外学者的研究思路和方法，对影响上市公司交易价格的各种因素做了比较全面和系统的实证研究，主要是从行业的选择、会计指标和市场表现指标的角度进行研究，希望能够找到影响上市公司交易价格的主要因素以及这些因素的影响方向和影响程度。
行业的划分和影响因素的设定
（一）行业的划分
本文采用上海证券交易所的分类方法对所有上市公司进行行业分类。据此，所有上市公司可以分成13个大类，其中制造业又分成10个小类。截止到2006年12月31日，在上海证券交易所交易的股票有886只，它们分布在上述13个行业里，分别为：农林牧渔业24只，采掘业17只，制造业496只，电力煤气及水的生产和供应业42只，建筑业22只，交通运输仓储业47只，信息技术业55只，批发和零售贸易业65只，金融保险业9只，房地产业33只，社会服务业24只，传播与文化产业8只，综合类44只。
（二）基本假设和主要研究指标
基本假设：能够引起股票价格上涨的研究指标与其股票的平均投资收益正相关，相反则负相关；能够引起股票价格波动的研究指标与其股票的投资风险正相关，相反则负相关。
公司规模。为了能够反映股票的实际市场状况，用可以流通的股数来反映公司规模，通常用流通股数的自然对数来表示公司规模。从理论上讲，规模大的公司生产经营比较稳定，市场竞争能力较强，公司抗拒市场风险的能力较强，公司的经营风险较规模小的公司来说要低；在市场表现上，公司的市盈率普遍较低，股票价格的波动较小，但公司规模的大小并不影响其股票的上涨或下跌。
资产负债率。资产负债率是反映公司财务状况的一项指标，公司的资产负债比率越高，公司所面临的财务困境成本和破产成本越高。公司的资产负债率越高，经营风险越大，公司股票价格的波动则越大，但对公司收益的影响关系比较复杂，不能仅凭借指标的高低进行判断，通常该指标不影响股票的上涨或下跌。
流动比率。公司流动比率越高，反映公司短期偿债能力越强，企业的财务风险越低，也就表明企业的经营风险越低，但该指标并不反映公司的盈利能力，对公司股票价格的影响较小。
总资产增长率。总资产增长率可以用来反映公司的经营能力和成长性。总资产增长率指标越高，反映公司获利能力越强，公司的经营发展状况比较良好，公司经营状况的改善能很好地抵御市场风险，通常能够引起股票价格的上涨，但由于公司的高速增长也使其所面临的经营风险较增长率低的公司要高，使其股价的波动程度也较高。
主营收入增长率。该指标是反映公司主要业务收入的变动情况，该指标越高，说明该公司主营业务发展良好，公司产品的市场需求非常高。同时，也反映出公司产品的市场定价能力比较强，公司在该产品市场的地位和竞争力比较高，因此公司主营收入的高速增长也会使其股票价格上涨，但其所面临的经营风险也随之增大，引起股票价格波动程度增大。
净利润增长率。该指标反映公司净利润的增长情况，该指标越高，公司的生产经营状况越好，公司的获利能力越强，公司的股票价格会随着净利润的增长而上涨，但相伴而生的经营风险也随之增大，导致股票价格的波动程度提高。
换手率。该指标是反映公司股票交易活跃程度的主要指标，该指标越高，反映公司股票的交易越活跃，市场关注的程度越高，从而导致公司的股票价格波动程度比较高，股票的市场风险比较高，但对股票价格的影响较小。
振幅。该指标是反映公司价格变动程度的主要指标。该指标越高，反映对公司股票价格的市场分歧越大，股票价格不确定性程度越高，股票的上下振荡导致其所面临的市场风险比较大，其对股票价格的影响在不同的市场状况下会有所不同，在牛市中则会提高平均收益，在熊市中则会降低平均收益。
（三）研究样本和数据
本文选取2006年1月1日—2006年12月31日为研究时段，并根据上述的行业划分标准对所有股票进行划分，数据来源于上海爱建证券有限公司网上行情系统。所选股票为2006年12月31日前已经在上海证券交易所挂牌交易的全部886只股票，因为研究的是全流通情况下证券投资收益、风险和影响因素的关系，因此需要剔除在2006年1月1日前尚未完成股权分置改革的上市公司。
另外，为了便于不同行业和主要指标的比较，采用周收益率和总风险作为因变量，可以减少因不同股票未能连续交易导致数据缺失而影响数据之间的比较，最终确定的股票样本数为124家上市公司，分布在11个大行业里。由于许多公司在2006年进行过分红派息等事项，因此对股票价格进行了复权处理。
（四）研究的程序和方法
以所选的上海证券市场124家上市公司的股票价格作为研究样本，样本数据为124只股票和上证指数在样本期间内的周收益率。对所选股票按行业进行划分，计算各个行业下股票的平均周收益率、总风险、系统风险和非系统风险。通过对各个行业下的平均周收益率和总风险、系统性风险的计算和比较，来研究行业对投资收益和风险的影响。
对样本个股在样本期间内的周收益率时间序列数据和上证指数周收益率时间序列数据，根据单一指数模型作一元线性回归分析，估计出这124只股票在样本期间的系统风险系数。根据样本股票的系统风险系数估计值，就所设定的研究指标作相关系数分析，并对实证结果进行分析和解释。
（一）行业因素对收益和风险的影响分析
从表2中的不同行业收益和风险情况可以看出：
不同的行业表现出不同的收益水平。在所有行业中，收益最高的行业是金融保险业，平均周收益达到2.979%，收益最低的行业是食品饮料业，平均周收益为0.431%，两者相差2.545%，差距是非常明显的。平均周收益超过同期上证指数周收益的行业有4个，分别是金融保险业、木材家具业、机械设备仪表业和金属非金属业，其余行业的收益水平都低于上证指数的收益水平。不同行业平均周收益的巨大差距也反映出2006年的证券市场行情具有明显的行业特征，大多数行业的市场表现不如同期的上证指数收益。
不同行业的风险与其收益水平存在不一致的现象。通常情况，收益越高而表现出来的风险也应该越大，但实际情况却差异很大。金融保险业的风险为4.578%，食品饮料业的风险为5.001%，收益最高的行业风险比收益最低的行业风险还要低。
反映行业系统风险的β存在很大的差异。β大于1的行业有四个，分别是农林牧渔业、金属非金属业、建筑业和金融保险业，其他行业的β都小于1，β在1左右5%以内的行业没有一个，表明所有行业的市场表现都与上证指数不同步，只有4个行业的市场波动程度高于上证指数，大部分行业的市场波动程度都低于上证指数。
系统风险占总风险的比例差异也很大。大部分行业的系统风险比例占总风险的比例都超过50%，最高的是金融保险业，达到87.04%。只有三个行业的系统风险比例低于50%，其中最低的是木材家具业为34.55%。
（二）主要研究指标对收益和风险的一元线性回归分析
从表3可以看出：
在5%的显著水平下，平均周收益与总资产增长率、主营业务增长率、净利润增长率存在显著的正相关关系，由于2006年上证指数上涨了，具有很明显的牛市特征，因此振幅与平均周收益显著正相关。这四个研究指标的实证结果与最初的假设是一致的，这也说明这些指标是影响股票收益的相关因素，投资者在选择股票进行投资前，需要对上述指标进行研究和分析，才能更好地进行股票投资，提高投资收益。
在5%的显著水平下，公司规模、资产负债率、流动比率和换手率与股票的平均周收益不存在显著的相关关系，这也与最初的假设是一致的，这也反映出这四个指标对股票收益没有实质性的影响。
在5%的显著水平下，公司规模、资产负债率、总资产增长率、换手率和振幅都与股票的风险存在相关关系，其中公司规模与股票的风险存在负相关，而其他指标与股票的风险存在正相关。这些指标的实证结果与最初的假设是一致的，也反映出这些指标是影响股票风险的相关因素。
在5%的显著水平下，流动比率、主营业务增长率和净利润增长率与股票的风险不存在相关关系，这与最初的假设是不一致的，这也说明在上述研究期内，这三个指标对股票价格的波动不产生影响或影响不大。
股票收益和风险影响因素的实证研究结果与理论假设大多数是一致的，这也表明证券市场的市场表现与理性预期是一致的。这些说明随着股权分置改革的不断进行，证券市场越来越成熟和规范，市场行为也越来越理性。价值投资的理念也慢慢被投资者所接受和认同，更加注重股票的业绩和成长性，更多地考虑公司经营的实际情况。同时，投资者在选择股票时，不仅需要了解和掌握影响投资收益的有关因素，还要熟悉影响投资风险的相关因素，只有这样，才能在控制风险的同时提高股票的投资收益。
股票投资收益和风险的影响因素
本文通过对股票投资收益、风险和影响因素的实证研究，可以得出以下几条结论：
不同的行业具有不同的投资收益水平，证券市场行情具有明显的行业特征，市场表现良好的行业大部分是国家重点发展的行业，宏观经济环境良好，市场发展潜力巨大。
不同行业所面临的总风险与其投资收益存在不一致的现象。总风险高的行业并没有表现出较高的投资收益，行业的总风险对其投资收益的解释能力不高。
总资产增长率、主营收入增长率、净利润增长率、振幅和股票投资收益存在显著的正相关关系，是影响股票投资收益的相关因素。
资产负债率、总资产增长率、换手率和振幅与股票投资风险存在正相关关系，公司规模与股票投资风险存在负相关，这些都是影响股票投资风险的相关因素。
在股票实现全流通后，价值投资的理念也慢慢被投资者所接受和认同，投资者在进行股票投资时，更加注重对上市公司的实际情况进行分析和研究，能够抓住影响股票投资收益和风险的相关因素进行投资，在控制投资风险的同时提高了投资收益。
参考文献：
1.戴志辉，赵守国.投资组合规模、风险和收益的关系研究[J].商业时代，2006（27）
关键词：深圳股市；均值-方差模型；投资组合有效边界
0 引言
1952年，马柯维茨（Markowitz）在《金融期刊》上发表了《投资组合选择》论文以及在1959年出版的同名著作，标志着现资组合理论的诞生。马柯维茨在文章中阐述了资产收益和风险分析的主要原理和方法，建立了均值-方差模型（MV Model）的基本框架，为现代资产组合理论在随后几十年的迅速充实和发展奠定了牢固的理论基础。马柯维茨的均值-方差模型为投资者如何选择最佳资产组合提供了一套完整、成熟的方法。具体来说可分为四个步骤：（1）投资者首先要考虑他所面临的各种资产以及可能组成的资产组合，以便为其寻找最优资产组合提供选择范围；（2）对这些资产进行分析，计算出这些资产的预期收益率、方差、协方差以及相关系数；（3）根据约束条件，运用微分法或二次规划等方法计算出有效资产组合及其集合-有效边界；（4）反映投资者主观态度的无差异曲线和有效边界的切点即使为最佳资产组合。
论文以2005年8月到2006年8月深圳交易所上市的10只股票为研究对象，以均值-方差、Markowitz理论为基础，以二次规划为研究工具，在上述样本股范围内找出样本有效投资组合，并由此作出深圳股票市场10个股票投资组合的“有效边界”。在此基础上，引入无风险借贷求出在无风险借贷下的最优投资组合策略。
1 10只股票相关数据
1.1 基本信息
所选的这10支股票都是在深圳证券交易所挂牌的，来自于深圳证券交易所40（现有38）个成分股的10个。这10支股票的名称、代码详见下表1。
样本选择日期是从2005年8月12日-2006年8月4日共45交易周，数据来源于搜狐网。
表1 10个股票名称及代码
2 数据分析
2.1 周收益率的计算
其中：Rit为第i种股票在t周的收益率，Pit为第i种股票在t周的收盘价；Pi（t-1）为第i种股票在（t-1）周的收盘价；Dit为第i种股票在第t周所获红利、股息等收入，Dit=每股现金股利+Pit（送股比例+配股比例） 每股配股价×每股配股比例。
2.2 周平均收益率
各样本股45个交易周的周平均收益率的计算采用算术平均法，即周平均收益率为：
其中：ERi是第i只股票的周平均收益率；Rit是第i只股票在第t周的收益率；N是周数，N=45。
2.3 标准差
表2 样本股预期收益率和标准差
各样本股在样本时限内周平均收益率的标准差为：
其中：N是周数，N=45
根据上述公式，计算出的周平均收益率及其标准差如表2所示。
然后运用excel的计算功能计算出10只股票的方差-协方差矩阵和相关系数，具体结果如下表3、表4所示。
表3 样本股的方差-协方差矩阵
表4 相关系数
3 有效资产组合的计算
计算出深市各个样本股的周平均收益率和标准差后，就可以计算10只股票的可能的有效资产组合了。在目前不允许卖空的条件下，在论文样本所选取的数据基础上，深市有效边界的数学陈述为：
其中：σp为资产组合的标准差；xi为第i种股票在组合中所占的投资比例；σij为（i种股票与第j种股票之间的协方差（当i和j相等时，这里就是方差了）；Rp为资产组合的周平均收益率；Ri为第i种资产的周平均收益率。
这里目标函数是二次的，约束条件是线型的，可以通过二次规划的方法确定（x1，x2，x3，…，x10）找出有效资产组合了。这里运用数学软件matlab求解的10组组合如表5所示。
由所得的10组收益值-风险二维数据可以得到股票组合的有效边界，如下图1所示。
表5 投资组合比例
图1 10只股票的预期收益-风险图
可以看出，随着预期收益率增加，风险先是增加，到达某个点后就逐渐减少。里面有个临界值，其中，我们的选择范围就是随着上图中的上半部分，随着风险增大，收益率增大的部分。
参考文献：
[1] 高平.沪深股市资产投资组合的实证研究.华东师范大学学报（哲学社会科学版），2000.5，32（3）.
[2] 杜晗晗，何琪.股票投资组合实例研究.股票投资组合实例研究.金融经济.
关键词：反馈交易 股票市场 自相关性 行为资本资产定价模型
引言
传统金融学理论假设投资者是“理性的”，其投资决策有赖于对市场基本面的分析，实践中投资者却存在大量非理，给证券价格形成过程带来“噪音”。反馈交易者便是较典型的一类噪音制造者，他们不以基本面信息作为投资决策的准绳，而是从证券价格的历史变动中寻找某种趋势，并预期这种趋势将会持续，进而选择买入卖出的时机来获利。
2013年诺贝尔经济学奖得主Shiller（1984；1990）最先从理论上证明了反馈交易者的存在，此后，关于反馈交易的理论研究不断发展，而国内外学者也在实证研究中找到了大量证明反馈交易者存在性的经验证据。一方面，发达国家股票市场和新兴股票市场均显著存在不同程度的反馈交易行为，但在新兴股票市场上，反馈交易者的作用和影响更加显著，尤其是市场下跌时（Sentana & Wadhwani，1992；Koutmos，1997；Watanabe，2002；Koutmos & Saidi，2001）。不过，在金融危机期间，情况有所不同，发达国家股票市场受到反馈交易的影响更显著（Bohl & Siklos，2008）。另一方面，我国股市也存在显著的正反馈交易行为，并且投资者的正反馈交易行为具有不对称性，在市场下降时比市场上升时更加显著（李少平、顾广彩，2007；汪孟海、周爱民，2009）。但有的学者认为，我国股市的反馈交易行为比发达国家更加显著（何剑、姚益清，2009），有的学者却认为我国股市投资者的反馈交易行为影响较发达国家更小（唐、曾勇、唐小我，2002）。
国内外学者对反馈交易者行为的讨论均是基于总体市场层面的。他们在实证研究中使用的市场指数反映市场的总体走势，代表的是投资者行为的一般或平均水平，过滤掉了许多个体非理，呈现的是群体非理。而各类股票投资者的反馈交易行为是否存在差异却无从得知。本文选取上证行业股指为研究对象进行实证研究，将对中国股票市场反馈交易者行为的分析延伸至更加微观的行业层面。
BCAPM和实证模型设定
（一）行为资本资产定价模型（BCAPM）
Sentana & Wadhwani（1992）在CAPM分析框架下考虑了反馈交易者非理的影响，提出了行为资本资产定价模型（BCAPM）。该模型包含两类投资者。第一类投资者为信息交易者，其投资决策遵循CAPM理论，如果以It表示t时间其需求证券占市场总需求的份额，则其需求方程为：
（1）
其中：rt 为t 期的事后收益率；Et-1（・） 给定t-1期信息的条件期望；α 表示该类投资者对证券需求为0时的收益率（即无风险收益率）；μt 为t期投资者意愿持有该证券要求的风险溢价。传统的CAPM模型假设μt 是条件方差σ2t的函数，即：
（2）
且由于理性投资者都是风险厌恶的，风险越大，要求的风险补偿越大，由此可知μ`（σ2t） >0 。考虑一个最简化的情形，假设投资者要求的风险补偿与条件波动率呈线性关系，即：
（3）
其中θ>0 。
市场上的第二类投资者依据过去的价格信息来进行投资决策。如果投资者在证券价格上涨时买入，在证券价格下跌时卖出，那么称其为正反馈交易者；反之，如果投资者在证券价格上涨时卖出，在证券价格下跌时买入，那么称其为负反馈交易者。反馈交易者的需求函数可以表示为：
Ft=γ・rt-1 （4）
对正反馈交易者而言，γ>0 ；对负反馈交易者来说，γ
It+Ft=1 （5）
因此，由（1）-（5）式可得：
（6）
这就是行为资本资产定价模型（BCAPM），其贡献在于将非理性投资者行为对资产价格变化的影响纳入了传统的CAPM分析框架。当市场上追涨杀跌的行为即正反馈交易者占据主导时，γ>0，市场收益率呈负的自相关关系；当市场上追跌杀涨的行为占据主导时，γ
（二）实证模型
由于收益率的自相关性还可能是由非同步交易等因素导致，尤其对于高频时间序列数据更是如此。因此，Sentana & Wadhwani（1992）使用了如下模型作为研究反馈交易效应的实证模型：
（7）
其中，1表示与条件波动率无关的那部分反馈交易效应；同时，如果非同步交易存在，1也包含非同步交易所引起的收益率序列相关，通常非同步交易会导致1显著为正。而2反映了反馈交易行为关于波动率的时变性，当2显著不为0时，我们认为反馈交易存在。
为进一步考察反馈交易行为是否具有非对称性，即市场下行期间的反馈交易效应是否比市场上涨期间更剧烈，本文沿用Watanabe（2002）的分析方法，以（8）式作为实证模型的均值方程：
（8）
在条件方差方程方面，为更好地拟合波动率的聚类性和不对称性，本文借鉴Nelson（1991）提出的EGARCH模型，设定条件方差服从EGARCH（1，1）过程；尾部分布采用GED分布，从而更好地描述金融时间收益序列尖峰厚尾的特性。条件方差方程如下式：
（9）
本文使用WinRATS Pro 7.0进行编程处理，采用极大似然估计法对式（8）-（9）进行估计，收敛方法选用BHHH算法。
数据说明及描述性统计分析
本文采用上证综指和上证行业指数系列从2005年1月4日至2013年10月31日共2139个交易日的收盘价，数据来源为DataStream Professional，计算日对数收益率如下：
（10）
对上证综指和十个行业指数日收益率序列分别进行单位根检验，ADF检验结果显示，这些变量均为平稳过程。表1给出了上证综指和十个行业指数日收益率序列的描述性统计结果，不难看出，各股指收益率序列相对正态分布呈尖峰厚尾的特征，且具有显著的自相关性和Arch效应。
实证分析
（一）模型主要参数释义
表2给出了根据实证模型（8）-（9）得出的各参数的极大似然估计值。由于本文的研究重点是反馈交易行为，因此主要关注模型均值方程的参数。
λ1 和λ2 代表市场中按CAPM规则决策的理易者的行为，除材料和医药行业外，其余股指收益率序列对应的λ1 和λ2 系数均不显著，说明无论从整体市场层面，还是从分行业板块看，理性投资者对中国股票市场价格形成过程的作用并不显著，其在股市中并不占主导地位。
再看1，上证综指对应的该系数不显著，而在行业层面，除金融和公用行业，其余各行业股指对应的1均显著为正，说明行业股指相对市场总体股指的收益率具有更显著的一阶正自相关性，说明大部分行业股指收益率序列具有陈旧价格效应，这在一定程度上是非同步交易所导致，但一般可看作是负反馈交易者主导市场定价的证据，这部分反馈交易效应与波动率的大小无关。
2是分析反馈交易效应存在性和作用特征的一个重要参数，仅有能源、消费、医药和电信4个行业指数收益率序列对应的 2显著为负，说明市场波动率增加，收益率序列相关程度降低，当市场波动率足够高时，收益率呈负自相关，此时正反馈交易者将会在市场上占据主导地位。其余6个行业股指对应的2并不显著，表明这6个行业股票投资者的反馈交易行为并不具有显著的关于波动率的时变性特征。上证综指对应的2不显著，说明从市场层面而言，沪市并不存在明显的因波动率而变化的反馈交易证据。从行业层面看，各行业股指对应2的显著性差异说明，投资能源、消费、医药和电信4个行业的中国股市投资者在市场处于高波动性期间容易出现追涨杀跌的正反馈交易行为，或者说，正反馈交易者在这些行业板块股票的定价过程中占主导地位，相对其余行业和市场总体水平来说，这4个行业股票投资者的行为体现出较强的投机性。
3考察反馈交易行为的不对称性，上证综指和大部分行业股指收益率序列所对应的3均显著为正，表明收益率为正时，各股指收益率序列的一阶正相关程度增加，收益率为负时，个股指收益率序列的一阶正相关程度减少或一阶负相关程度增加。即在市场处于多头期时，负反馈交易者容易居主导地位，而市场处于空头期时，正反馈交易者容易居主导地位。能源、消费行业对应的3显著，说明这两个行业股票投资者的反馈交易行为具有不对称性，且3为正，说明市场下跌会增加收益率的负自相关程度，正反馈交易者在市场下跌时比市场上涨时的主导作用更加显著。而医药、电信行业对应的3不显著，说明此二行业股票投资者的反馈交易行为不具有显著的不对称性。
对模型残差进行检验，其5阶和10阶的Ljung-Box统计量几乎均不显著，说明模型设定基本合理。
（二）反馈交易时变性分析
对于1、2、3显著的股指收益率序列，投资者的反馈交易行为具有时变性和不对称性的特征，其方向和强弱可以由一阶序列相关的系数来衡量，表达式如下：
（11）
对于1、2显著但对于3不显著的股指收益率序列，投资者的反馈交易行为只具有时变性而不具有不对称性，描述其反馈交易行为的时变特征的表达式为1+2*σ2t 。由于2
对于能源行业，该板块处于上升通道且波动率大于3.4565，或者其处于下降通道且波动率大于0.6016，则该板块呈现出显著的正反馈交易效应，此时正反馈交易者居于主导地位；否则，负反馈交易者将主导定价。若不考虑市场涨跌对反馈交易行为的影响，则在波动率大于2.0290时，能源板块表现出显著的正反馈交易效应，正反馈交易者主导该行业板块的定价。可见，如果不考虑市场涨跌对反馈交易的影响，那么在市场上涨期间，正反馈交易效应会被高估，而市场下跌期间，正反馈交易效应会被低估。
对于消费行业，若该板块上涨且波动率高于4.1261，或其下跌且波动率高于1.0666，则相应的行业股指表现出显著的正反馈交易效应，正反馈交易者在该行业板块占据主导地位，否则，负反馈交易者将起主导作用。相应地，若不考虑板块涨跌的影响，当波动率大于2.62时，消费板块即会表现出显著的正反馈交易效应。
医药和电信两个行业的反馈交易效应受到市场涨跌因素的影响并不显著。当医药板块的波动率大于2.9051时，正反馈交易者对该行业股票的定价起主导作用。对于电信行业，对应的波动率临界值相对更低，为1.2980。相应地，这两个行业股指在样本期内的无条件波动率分别为0.7596和0.9603（由表1数据计算得出），可见，医药行业的波动率平均水平远低于显著的正反馈交易效应出现所要求的临界值，而电信行业的波动水平却相对接近正反馈交易效应所要求的临界值。
图1至图4为能源、消费、医药和电信4个行业股票投资者的反馈交易行为时变性图。从图1、图2与图3、图4的对比可以看出，能源、消费行业对应的一阶自相关系数相比医药、电信行业具有更大、更密集的波动。这是因为能源和消费行业的3系数显著，其股票投资者的反馈交易行为具有不对称性，不仅取决于波动率的高低，还取决于板块的涨跌。板块下跌比板块上涨时的正反馈交易行为更加显著。而医药和电信行业的3系数不显著，其股票投资者的反馈交易行为仅取决于市场波动性，而在板块涨跌时并无显著不同。还可以看到，一阶自相关系数小于0的时期集中出现与在2006下半年至2009年末期间，在这段时期内，这4个行业股指体现出显著的正反馈交易效应，而从2010年开始，一阶自相关系数在大多数时候均大于0，正反馈交易效应对市场的主导作用不再显著。
结论
第一，从市场总体看，沪市在样本期内并不存在显著的正反馈交易证据。第二，从行业板块层面看，沪市不同行业股票投资者的反馈交易行为具有显著的差异性。其中，能源、医药、消费和电信行业存在因波动率而变化的反馈交易行为。在板块波动率较高时，其定价由正反馈交易者主导；波动率较低时，可能由负反馈交易者主导。其余六个行业板块不存在显著的时变性反馈交易行为。第三，在存在时变性反馈交易行为的四个行业中，能源和医药行业股票投资者的反馈交易行为具有显著的不对称性，在板块下跌期间，正反馈交易效应强于板块上涨期间。而消费和电信行业的反馈交易行为不具有显著的不对称性。第四，对于存在时变性反馈交易行为的四个行业，正反馈交易者主导市场的现象一致的出现于2006-2009年。其余时期正反馈交易者对市场的主导作用并不显著。
参考文献：
1.何剑，姚益清.基于反馈交易理论的中美股市比较研究[J].财会通讯，2009（2）
2.李少平，顾广彩.中国证券市场正反馈交易的实证研究[J].系统工程，2007（25）
关键词 模糊决策 运筹学 模糊集 股票投资价值
1 股票技术分析及预测方法
1.1 股票技术分析方法
进行股票的预测，最直接和基本的方法是股票的技术分析，它依据统计图表和股市的图形研判股市的未来动向，技术分析方法可以分为三种类型：判断股价趋势为主的趋势分析，如道琼斯理论、趋势线法、移动平均线等；形状分析，如k线系统、整理与反转形态、支撑与阻力以及箱性理论，波浪理论等；人气指标，如成交量图、obv指标等。虽然技术分析方法具有一定的准确性，但是由于技术指标分析方法众多，各种方法之间差别巨大，对于投资者来说学习不易，掌握更难，同时技术分析理论缺乏可靠的理论支持，分析结果仁者见仁、智者见智。虽然直到目前它仍然是大多数投资者在使用和依赖的分析预测方法，但是改进和发展它已经成为不可避免的事实。
1.2 基于统计学理论的预测方法
统计学理论的预测方法，主要是基于模型拟合和最小二乘原理建立各种回归、自回归、混合回归模型进行预测。此类方法，具有严格的数学基础，应用也最广泛，近年也有相当的发展。如nelder，ja和 wedderburn，r·w·m提出了广义线性模型，它放松了经典线性模型的假设，极大地丰富了回归分析的理论。aaron li和duanleo对假设进一步放松，提出了一般回归模型，该领域研究具有十分惊人的前景。在计量经济研究中，ichi二则提出了一类十分重要的模型——单指标模型。研究的重点在于使之更适合于实际社会经济系统建模。
1.3 基于人工智能技术的股票预测技术
由于计算机与人工智能技术的飞速发展，为股票市场建模与预测提供了众多的新技术、新方法，基于人工智能的股票预测技术进展迅速。基于神经网络的股票预测方法，主要使用神经网络进行股票价格数据的学习训练，然后使用训练模型进行股市预测。采用模糊模型技术进行预测，主要是依据专家经验或统计方法建立模糊模型进行预测；另外还可采用遗传算法进行神经网络的学习权值调节或模糊模型、模糊规则的调整，使神经网络模型或模糊模型更加逼近系统模型。
1.4 股票的组合预测方法研究
决策者面临决择的预测方式可能不只一种，且各有千秋，都能从一定程度上提供不同的有用信息，如何综合利用这些信息，解决多模式预测方式问题，正是组合预测的研究内容。在1989年，international journal of forecasting和journal of forecasting分别出版了组合预测专集，granger和clemen分别给出了精辟的综述与详论，clemen从信息集合讨论了组合的实质，从而为进一步探讨获取最有用信息抛弃无用信息提供了指导。自bates和granger发表组合预测一文以来，组合预测有了很大的发展。组合的目的在于综合利用各种预测方法所提供的信息，尽可能地提高预测精度。从原理上说，组合预测结果是对各单个预测线性加权。组合预测研究主要是考虑组合机理、权值确定，主要从统计分析、贝叶斯分析和信息集合三个角度来考虑。
2 非模糊环境下投资组合分析
现在先介绍一下用传统的方法在非模糊环境下如何选择最优的投资组合。
设投资者将其资金投资于n项风险资产，xi为在风险资产i上的投资份额，ri为风险资产i的收益率，它是一个随机变量，ri=e（ri）是ri的期望值，σij=cov（ri，rj）是第i，j两项资产的协方差i，j=1，…，n。ki是每单位风险资产的变化所需的交易费用，ki≥0；ci是第i项风险资产的交易费用。
给定投资组合x0=（x01，x02，…，x0n）和一个新投资组合x=（x1，…，xn），第i项风险资产的交易费用可表示为ci=ki|xi-x0i|，i=1，…，n。
总交易费用为
■c■=■k■x■-x■■
总收益为
r（x）=e■rixi-■k■x■-x■■
=■rixi-■k■x■-x■■
总风险为
v（x）=■e（ri-e（ri）xi）
一般地，投资者希望收益最大且风险最小。数学上可以表示为以下双目标规划模型
maxr（x）=■rixi-■kix■-x■■
minv（x）=■e（ri-e（ri）xi）
st■xi=1
用线性加权法求解多目标规划问题， 可得如下参数规划问题
max（1-λ）■rixi-■kix■-x■■-λ
■e（ri-e（ri））xi
st■xi=1
xi≥0，i=1，…，n
其中，参数λ在[0，1]中取消，它被称为内险回避因子，λ取值越大，投次者风险加避意识越强。
3 利用模糊决策方法评价股票投资价值
3.1 概述
股票投资过程中的一个基本问题就是如何从一系列可用于投资的股票中选择一种或一组最优的股票，这是一个对不同股票的价值如何进行评估的问题。对股票价值的科学评估不但为股票投资者进行投资决策提供可靠的依据，也可以促使上市公司的规范化运行，从而有助于股票市场的良性发展和社会资源的合理分配。
要对股票价值进行评估，首先就要对与股票价值相关的诸因素进行综合的分析和研究。由于股票持有者是股票发行者的股东，他们投资的资金是无法向股票发行者直接收回的，他们投资的收益主体来源于发行者向股东分派的红利和股票价格上涨所带来的资本利得。所以股票价值的评估主要从影响股份公司派发股息或红利水平的公司属性和影响股票溢价收益的市场属性两方面来进行。股票的市场属性方面，用该股票在市场上的收益率、市盈率、流动性、波动性、有效性、透明性和系统风险等指标来反映股票的价值。具体来讲，在一定的考察期间内：收益率取经过除权除息调整的日平均百分比收益率，以反映股票市场上的资金溢价收益；市盈率反映股票投资的回收期，回收期越短则股票越具有投资价值；流动性用股票的换手率表示；波动性用股票百分比收益率的标准差表示；有效性用股票价格与其内在价值的平均吻合程度表示；透明性用该股票的交易信息和上市公司信息在市场上的透明程度表示；系统风险用β系数表示。以上指标除了有效性和透明性要聘请专家来评估外，其余均为定量指标。
股票的公司属性是影响股票价格变动的内在因素，它不仅决定着股利水平的大小，在一定程度上也会影响股票的市场属性。用盈利能力、偿债能力、发展能力、管理和决策能力以及股权结构合理性等指标来衡量股票的公司属性，其中盈利能力和偿债能力不能仅用几个财务指标的简单加权来衡量，还应结合上市公司所处的行业类型、公司在行业内的垄断性、公司的发展阶段、公司规模等影响公司业绩但又未反映在财务指标上的因素加以综合评估；发展能力则要从公司资金实力、技术创新能力、人力资源及市场前景等因素综合评估；管理和决策能力以及股权结构合理性是反映公司治理能力的指标，前者反映了公司治理水平，后者影响着公司治理模式，清晰合理的股权结构能为股票投资者带来合理的确定性收益预期。以上几个指标均应聘请专家来评估。
3.2 模糊多属性决策方法
给定一组方案a1，a2，…，am，伴随每个方案的属性记为c1，c2，…，cn各属性的重要程度用ω1，ω2，…，ωn表示，符合归一化条件ω1+ω2+…+ωn=1。决策的目的是要找出其中的最优方案，记为amax。
（1）引入三角模糊数，三角模糊数常用表达形式有两种，分别记为（l，m，γ）和(m，α，β)，两种表达形式可以相互转换，转换公式为α=m-l，β=γ-m。
（2）对模糊指标矩阵，f和模糊权重矢量，w进行归一化。收益类的归一化：xi是三角模糊数，记xi=（ai，bi，ci）。则归一化的模糊指标值ri可以写成■i=（■，■，■∧1）；i=1，2…成本类的归一化：xi是三角模糊数，记xi=（ai，bi，ci），则归一化的模糊指标值ri可以写成■i=（■，■，■∧1）；i=1，2…。
（3）建立模糊决策矩阵rij=wjxij。rij采用bonissone近似积公式进行计算，即ωj=（a；α，β)，xij=（c；δ，γ），则rij=（ac；aγ+cα-α·γ，aδ+cβ-β·δ）。
（4）求出模糊理想m+=(m1+，m2+…，mn+)，其中mi+=max{r1j，r2j，…，rmj}，j=1，…n，n是属性j的模糊加权指标值所对应的模糊极大集。m-=(m1-，m2-…，mn-)其中mi-=min{r1j，r2j，…，rmj}，j=1，…，n，n是属性j的模糊加权指标值所对应的模糊极小集。再确定方案ai与m+之间的差异di＋，方案ai与m－之间的差异di－，di=■，i=1，…，m按照di值从大到小的顺序排列方案的优劣次序。
3.3 实例分析
取深圳股市其中3只股票作为例子，为了更加有代表性，取3只代表不同类型的股票。他们分别是000001的深发展、000933的g神火还有000805的st炎黄。如前面所述，作为评价一直股票都投资价值，可以考察很多方面，现在只考虑以下四个方面的主要因素：现在的股票的价格，股票的业绩，流通股本，行业的发展前景即长期投资价值。截至到2006年2月23日，三只股票的价格分别为7.01元，7.70元，2.42元。业绩以2005年中期业绩来算，分别为0.11元（一般），0.94元（很高），-0.08元（低）。流通股本分别为140 936（万股），23 660（万股），1 441（万股）。至于长期的投资价值主要看公司的行业背景，深发展是银行业的龙头代表，稳定发展，所以属于高；g神火是石油能源类的股票，最近该行业正处于强发展阶段，产品供不应求，而且该股票为g股，已经完成股改，所以投资潜力很高，st炎黄为st类亏损股票，而且是做软件外包装的行业，所以长期投资价值较低（见表1）。
先用三角模糊数表示决策矩阵中的定性指标：
d=
7.01 （0.6，0.8，0.8） 140 936 （0.6，0.5，0.6）
7.10 （0.8，0.9，1.0） 23 660 （0.8，0.9，1.0）
2.42 （0.2，0.3，0.4） 1 441 （0.2，0.3，0.4）
并且假定权重矢量为w=[（0.1，0.2， 0.3），（0.3，0.4，0.5），（0，0.1，0.2），（0.2，0.3， 0.4）]。
决策矩阵归一化后为
d=
（0.345，0.345，0.345）（0.600，0.889，1.000）（0.341，0.341，0.341）（0.800，1.000，1.000）（1.000，1.000，1.000）（0.250，0.333，0.500）
（0.010，0.010，0.010）（0.600，0.556，0.750）（0.061，0.061，0.061）（0.800，1.000，1.000）（1.000，1.000，1.000）（0.200，0.333，0.500）
模糊加权决策矩阵rij=wjxij
v=[rij]=
（0.0345，0.6900，0.1035）（0.2334，0.3556，0.5312）（0.0341，0.0682，0.1023）（0.3000，0.4000，0.5600）（0.1000，0.2000，0.3000）（0.0498，0.1332，0.1914）（0.000，0.0010，0.0020）（0.0724，0.1668，0.2136）（0.000，0.0061，0.0122）（0.2000，0.3000，0.4400）（0.000，0.1000，0.2000）（0.2000，0.3330，0.5000）
模糊理想解m+=[（0.100，0.690，0.300），（0.300，0.400，0.560），（0.000，0.100，0.200）， （0.200，0.333，0.500）]
m-=[（0.0341，0.0682，0.1023），（0.0498， 0.1332，0.1914），（0.000，0.001，0.002），（0.0724， 0.1668，0.2136）]
最后由di=■，i=1，2，3解得
d1=0.5855，d2=0.3523，d3=0.2332；d1>d2>d3
所以，投资价值深发展比g神火好，g神火比st炎黄好。
4 结语
模糊多准则决策在生产生活的很多方面都有很多的应用，本文用了一个判断选择股票的投资价值的模型来说明了一下其在经济领域的应用。但是本例子尚有不是非常完善的地方，例如本例只研究了股票的四个方面的因素，但是影响股票的价格走势的其他因素还有很多，例如政策面的影响，庄家的操盘手法等，这些都是很重要的因素，但是却是不能用任何数学工具研究预测的。
参考文献
1 李荣钧.模糊多准则决策理论与应用[m].北京：科学出版社，2002
关键词：MM模型， SIM模型，有效边界线，Blume方程
The Empirical Analysis Of The Portfolio Theory Form The Chinese Stock Market
―The Comparative Analysis Based On The Efficient Critical Line By The MM And SIM Models
Cao Jian Mei
Abstract:According to Markowitz’s portfolio theory,we analysis the optimal portfolioes of ten stocks in chinese stock market ,withshort sales allowed or not ,byMarkowitz’s and the single-index models.
Key Words:the Markowitz’s modelthe single index modelthe efficient critical linethe blume function
根据Markowitz现资组合理论的基本思想,作为理性的投资者, 其目标是: 在一定的风险水平下, 使其投资组合的期望收益最大; 或者在一定的收益水平下, 尽可能分散化风险, 使风险最小。换句话说, 理性的股票投资者, 应在其最优投资组合集内即有效边界线上, 根据目标风险或收益水平选择最优组合, 方可实现投资者价值最大化。由此可见, 对最优投资组合及其有效边界线的认识和是股票投资决策有效的必要前提。
一、 模型介绍
（一）MM模型
（三）β系数及Blume方程实证检验的理论.
Blume应用相关分析研究β值的稳定性。具体方法为：
（1）将样本期划分为前期、后期，分别估计两个期间不同股票的β值，得到两组β值。
（2）计算这两组β值的相关系数，按照股票名一一对应。
（3）最后，根据相关系数的大小判断样本β值的稳定性。
二、数据处理
本文从Wind咨讯选用了深圳A股中，科键，汇源，双星，石油济柴，索芙特，盐田港，徐工科技，云白药，中集，万科等十支股票，这十支股票来自不同的行业，之间的相关性低，具有一定的代表性，从而能代表整个大盘的个股。时间从98年1月9日到02年12月27日，每支股票的周收益率为 ，其中外收盘价 采用前复权，消除了股利对价格的影响，得到的周收益率基本符合正态分布。市场指数采用深成A指，无风险利率 取0.0484% 。
三、实证分析
（一）马科维兹投资组合的有效边界（MM）
通过Excel求得十支股票在MM模型下的最优投资组合，及对应的期望收益和标准差并绘图，得到有效边界线如图1所示：
横轴：标准差；纵轴：期望收益（以下各图同）在马科维兹框架下，收益率是由其所承担的风险决定的，即风险越大收益越高，高收益伴随着高风险。在市场机制完善时，允许卖空的有效投资组合可以更有效地回避风险；从图1中可以看出：在风险较低时，有无卖空限制对收益率影响的区别并不明显。当风险较高时，可以卖空时选择的最优投资组合获得的收益率大大高于不可以卖空时最优投资组合得到的收益率。
(二)单因素模型的有效边界（SIM）
通过Excel求得十支股票在SIM模型下最优投资比例及相应的期望收益和标准差，并绘图得到有效边界线如图2所示：
分析： SIM模型下得到与MM模型下一样的结论，可卖空时的有效边界线往往优于不可卖空时的有效边界线。在市场机制完善时可卖空的有效投资组合可以更有效地回避风险；这是因为在不可卖空时，对投资的权重有限制，必须为非负。
（三）MM模型和SIM模型的有效边界线
（四）beta(β)系数及Blume方程实证检验
本文将样本期划分为1998年―2000（上半年），及2000（下半年）―2002年两期:
由于样本选取的是五年期十支股票，样本容量及样本空间都没有达到足够的大，得到的四个方程与Blume的方程不十分接近。但它们基本支持了Blume有关β有回归趋势的观点，即前期β大于1时，后期β有减小并向1移动的趋势；前期β小于1时，后期β有增大并向1移动的趋势。另一方面，本文的实证检验也支持Blume关于 β具有回归特性的观点。对投资者进行投资决策有以下几方面的指导意义：
1．投资者可以清晰地认清大市走向，利用回归方程，选择买进、卖出的最佳时机。
2.β值 是划分股票类型的依据,根据它可以把股票的收益与风险直观具体的表达出来.
3. β值为投资组合决策的实施提供了前提条件,投资者可以通过β值选择不同的股票进行组合投资.
从以上实证分析中可以得出投资组合理论在我国股市基本成立，但是由于所选取的数据时间较短，再加上我国股市成立时间短，大多数投资者属于散户投资者，他们的投资策略并不象大多数机构投资者按照投资组合理论进行投资，他们大多数的投资策略是追涨追跌策略，即所谓的“羊群效应”。另一方面，股票市场的体制还不完善，上市公司也正处于刚刚发展阶段。同时,违规操作、操纵股市以及上市公司虚假报表现象大量存在, 所以现实中我国股市并不是完美地与投资组合理论相吻合，但不能否定MM模型及SIM模型在投资决策及解释股票收益率差异方面是很有用的工具,我们仍可以用它们来度量投资组合的表现。
参考文献：
[1]Alan L.Tucker、Kent G.Becker：《Comtemporary Portfolio Theory and Risk Management》,West Publishing Company,1994。
【关键词】展望理论 股票市场 市值规模 修正的GARCH模型 波动率
Kahnenman与Tverskhy[1]在1979年提出了展望理论，认为人们在面对收益时表现出风险厌恶，面对损失时表现出风险偏好的特点。具体到股票市场的实践中就是，股票获利时，人们倾向于出售手中的股票；股票亏损时，人们往往会产生惜售的心理。展望理论将个人的心理因素考虑在内，在尚不成熟的中国股票市场中，由于人们的投资技巧和投资心理还不成熟，所以与西方国家相比，我国的股票市场更应表现出展望理论所描述的特征。
孙培源、施东晖[2]通过对上交所交易股票换手率的统计分析验证了展望理论的实用性；陈绍胜[3]对294支开放式基金进行单因子回归分析，也验证了中国开放式基金市场中投资者的行为符合展望理论描述；张海峰、张维[4]等运用随机占优理论对中国市场展望理论进行了检验，认为我国投资者整体上表现出展望理论的决策偏好。
以往学者的研究一般是以整个市场为对象，并且只是简单地进行数理统计进行实证检验。本文将市场按股票的市值规模进行分类，并且运用修正的GARCH模型，来研究不同市值规模股票投资者的投资行为。
一、模型介绍
本文研究股票损益对股票成交量的影响，采用修正的GARCH模型进行拟合检验。为了验证展望理论，首先将虚拟变量引入均值方程。检验展望理论的修正GARCH模型为：
lnl■=c+■θ■lnl■+φd■+ε■ （1）
σ■■=？渍+αε■■+βσ■■ （2）
l■为t时刻股票成交量，然后我们对其取自然对数，λ为成交量序列的滞后阶数，ε■是无序相关的随机扰动项，σ■为t时刻随机扰动项的方差，d■为引入的虚拟变量。展望理论认为人们会选择一个参考点来判断自己投资的损益情况，池丽旭、庄新田[5]对参考点的选取做了深入的研究，本文为了研究方便，选取市场平均收益率作为参考点，所以d■的取值为：
d■=1，r■>r■■0，其他 （3）
r■、r■■分别表示t时刻股票收益率和市场平均收益率。当d■前的系数φ为正时，说明股票收益率大于市场平均收益率，股票相对获利，成交量放大，即符合展望理论的描述。因为当股票收益时，人们表现出风险偏好特征，倾向于出售手中的股票，股票成交量就会放大。
为了研究股票损益对股票成交量波动率的影响，我们在方差方程中引入虚拟变量，修正的GARCH模型为：
lnl■=c+■θ■lnl■+φd■+ε■ （4）
σ■■=？渍+αε■■+βσ■■+μd■ （5）
d■=1，r■>r■■0，其他 （6）
二、实证检验
本文需要研究不同市值规模股票投资者的行为，因此选用样本数据为超大盘、上证中盘和上证小盘指数，分别代表大、中、小市值规模的股票，样本区间为2009年7月3日至2013年7月24日的周数据（数据来源于大智慧软件）。市场平均收益率我们选用上证指数周平均收益率，数据选取时间和来源同上。
（一）数据处理及统计
首先对超大盘、上证中盘、上证小盘以及上证指数序列进行自然对数处理，然后进行差分，得到收益率，同时对前三大指数的成交量取自然对数。
表1 指数收益率与成交量描述性统计
由表1可以发现，指数的平均收益率均小于零，即处于亏损状态，但大盘收益率的亏损最严重，其次是中盘，最后是小，而相对应的标准差依次增加，说明市值规模与收益和风险成反比；JB统计量和p值显示指数收益率不服从正态分布。指数成交量的标准差随市值规模增大逐渐减小，说明成交量的波动率与市值规模成正比；指数成交量的JB统计量和p值显示大盘成交量接近于服从正态分布，而中盘和小盘显著不服从正态分布。
（二）平稳性检验
对指数收益率和成交量进行ADF检验，检验结果如表2所示：
表2 ADF平稳性检验
注：c表示常数项，t表示趋势项，i表示滞后阶数（本例中采用SIC准则，大盘成交量为1，其他数据为0）
由表2中ADF检验结果得知，超大盘、上证中盘、上证小盘指数收益率和成交量均在1%显著性水平下平稳。
（三）自相关性分析
运用自相关函数（ACF）和偏自相关函数（PACF）对成交量做自相关性检验，本文只列出了滞后10期的ACF和PACF值，见表3：
表3 成交量ACF和PACF值
由表3的结果可知，超大盘、上证中盘和上证小盘指数成交量的自相关函数呈现出拖尾的特征，而偏自相关函数在1期后呈现出截尾的特征，因此成交量的滞后期确定为1期，即修正的GARCH模型均值方程（1）式中λ为1。
（四）修正的GARCH模型分析
分别采用修正的GARCH模型方程（1）～（3）和方程（4）～（6）分别研究股票损益对股票成交量以及股票成交量波动率的影响，结果如表4所示：
表4 指数成交量修正GARCH模型参数
注：*代表在10%显著性水平下显著，**和***分别代表在5%和1%显著性水平下显著
由表4知，在方程（1）～（3）下，超大盘、上证中盘和上证小盘成交量修正GARCH模型均值方程中，虚拟变量前的参数？渍值均大于零，并且股票市值规模越小，？渍值越大，中盘指数和小盘指数的？渍值要远远大于大盘指数的？渍值，说明在我国股票市场，无论股票市值规模大小，其投资者行为都符合展望理论的描述，但市值规模越小的股票，其投资者行为越符合展望理论的描述；在方差方程中，α+β值都远小于1，说明股票成交量的波动持续性较弱。方差方程引入虚拟变量后（见方程（4）～（6）），发现α+β值均显著变大，说明股票的损益信息增强了股票成交量波动的持续性；另一方面，超大盘和上证小盘虚拟变量前的参数为正，且超大盘参数远大于上证小盘参数，而上证中盘虚拟变量前的参数为负，说明股票获利信息会显著增加大市值规模股票成交量的波动率，但对小市值规模股票成交量的波动率影响较小甚至会降低股票成交量的波动率。
三、结论
（一）中国股票市场投资者的行为符合展望理论的描述
从修正的GARCH模型来看，无论股票市值规模是大是小，代表股票损益虚拟变量前的参数均为正值，说明当股票相对收益率为正时，该股票的成交量就会增加，符合展望理论预测：人们面对收益时会表现出风险厌恶的特征，急于出售手中的股票。
（二）股票损益信息对市值规模不同的股票影响程度不同
三组指数修正的GARCH模型中，虚拟变量前的参数大小差别很大，超大盘的φ值要远远小于上证中盘和小盘的φ值，说明展望理论对小市值规模股票的预测更加明显，这也与孙培源、施东晖[6]的研究结论一致。
（三）股票损益信息对股票成交量的波动率也有显著影响
从表4两组方程参数的比较结果来看，股票损益信息的加入均使三组指数α+β值变大，说明股票获利信息的冲击能够增加股票波动率的持续性；并且从方差方程虚拟变量dt前的参数μ来看，股票获利信息会显著加大市值规模较大股票成交量的波动率，而对市值规模较小股票成交量的波动率影响作用较小甚至会有负效应。这与吴承尧、刘海飞[7]等验证的利好消息会增加市场波动性，而市场对利空消息反应不大的结论基本一致。
参考文献
[1]Kahneman，D. and A.Tversky.Prospect theory：an analysis of decision under risk[J].Econometrica.1979，47（2）：263-291.
[2]孙培源，施东晖.涨跌幅限制降低了股份波动吗？——来自中国股票市场的证据[J].证券市场导报，2001（11）：12-18.
[3]陈绍胜.前景理论与中国开放式基金的实证检验[J].证券市场导报，2006（1）：55-58.
[4]张海峰，张维，邹高峰，熊熊.中国市场条件下前景理论的实证分析[J].西安电子科技大学学报（社会科学版），2011，21（3）：84-89.
[5]池丽旭，庄新田.我国基金经理心理参考点调整特征的实证研究[J].系统管理学报，2012，21（1）：22-28.
[6]孙培源，施东晖.投资者总是风险厌恶吗？——来自中国股市的证据[J].证券市场导报，2002（9）：54-57.
购物车(0)