时间:2023-06-22 09:32:30
导语:在量化投资与证券管理的撰写旅程中,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。
对于“8.16”事件的发生,有业内人士担心量化投资会因此受到冲击。但本人的观点恰恰相反,“8.16”事件对于量化投资在中国市场的规范化发展将起到积极的推进作用。实际上,在8月30日证监会的《光大证券异常交易事件的调查处理情况》中,证监会已经很清楚地表明了官方态度:要求证券期货经营机构要高度重视对新型交易方式、量化交易软件和信息技术系统的管理,确保风险可测、可控。在创新业务中要平衡处理好交易效率和交易安全的关系,兴利除弊,防范可能存在的系统性风险。证券期货交易所要进一步加强和改进一线监管,完善有关规则制度和应急处理机制,切实维护市场安全稳定运行。
其实在“8.16”事件中,光大证券所犯下的错误是很低级的。根据证监会的调查,光大证券策略投资部自营业务使用的策略交易系统,包括订单生成系统和订单执行系统两个部分,均存在严重的程序设计错误。其中,订单生成系统中ETF套利模块的“重下”功能(用于未成交股票的重新申报),在设计时错误地将“买入个股函数”写成“买入ETF一篮子股票函数”。而且该交易系统于7月29日实盘运行,至8月16日发生异常时实际运行不足15个交易日,“重下”功能从未实盘启用,严重的程序错误未被发现。而订单执行系统错误地将市价委托订单的股票买入价格默认为“0”,系统对市价委托订单是否超出账户授信额度不能进行正确校验。并且光大证券的策略投资部长期没有纳入公司的风控体系,技术系统和交易控制缺乏有效管理。此外根据交易软件提供商铭创科技所言,是应光大证券的要求将交易系统中的风控模块去掉,而改放在策略层面来检查风控。可见,只要切实做好风控工作,严格新技术、新策略的上线流程,在交易系统上线之前,做好严格的测试,各种情景模拟和压力测试,那么,光大证券的乌龙指事件是完全可以避免的。
本人丝毫都不怀疑量化投资会在中国市场得到普及,但如何让量化投资在中国市场规范发展却是管理层必须正视的问题。在这个问题上,至少有这样几个方面是需要引起重视的。
其一,对于高频交易,既要允许其存在与发展,又要加强监管甚至加以限制。高频交易通过借助强大的计算机系统和复杂的程序运算,在百分之一或千分之一秒内自动完成大量订单,从极小的价格波动区间中获得利润。但其蕴藏的市场风险也是巨大的。所以美国SEC于2009年全面禁止了高频交易大类中的“闪电指令交易”,近年来针对极具争议性的、通过将交易系统设置在某个交易所的数据中心以缩短交易指令向交易商传递的执行滞纳的“联置”交易形式也从未停止过调查和监管。在这个问题上,我国有必要学习与借鉴美国的做法。
本文较系统地介绍了统计学在证券期货市场中的应用,其中包括作者的一些最新研究成果,如:证券期货市场指标体系的研究;新华财经指数的编制;证券投资组合的研究与应用等。
关键词:统计学证券市场期货市场
分类号:O212C8F832.5文献标识码:A
文章编号:1002-1566(2000)01-0054-04
TheApplicationofStatisticsonSecuritiesandFuturesMarkets
LICong-zhu,DINGShao-fang,WANGLing-hua,SUNDa-ning
(NorthChinaUniversityofTechnology,100041)
Abstract:Inthispaper,theApplicationofStatisticsonSecuritiesandFuturesMarketsisintroduced,author''''smanynewachievementsareincludedinit,suchasstudyofindexsystemonSecuritiesandfuturemarkets;studyofXinHuaindexnumberofsecurities;studyandapplicationofinvestmentinbondandsoon.
KeyWords:statisticssecuritiesmarketsfuturesmarkets
一、序言
我国自九十年代初建立证券期货市场以来,短短几年,得到了迅猛发展,方兴未艾。仅拿股市来看(截至1999年07月13日),在沪深两市上市的境内公司已达900家,沪深市场的A,B股股数是981只,上市公司900家,其中沪市501只(461家),深市480只(439家),沪深A股股数874只,B股股数107只。这与1991年沪市8家深市6家上市公司相比,可见发展速度之快。市价总值21083亿元人民币,占国内生产总值的比重超过25%;开办证券90家,兼营证券业务的信托投资公司237家,下属证券营业部2400多家;现有43家境内企业海外上市,累计筹集资金100多亿美元;已有107家公司成功发行了B股,筹集资金近50亿美元;股民已达4000多万。自1999年五月十九日井喷式行情以来,沪深两市的日成交量猛增,至六月二十五日高达800多亿(1998年8月18日香港股市一天的成交量为790亿港元),创下空前的天量。证券市场的作用愈来愈大,并逐渐成为国民经济的晴雨表。
统计学及其相关学科在证券期货交易中有什么作用呢?我们先从世界范围谈起。
据有关报道,当今华尔街最抢手的不再是传统的MBA,而是有统计背景、数理能力强的人才。一些在美国获得统计或数学博士学位的中国留学生被华尔街录用,转眼间便当上了年薪百万美元的“白领”贵族。如,1984年入中国科学技术大学少年班的黄沁于1988年提前毕业,赴美国麻省理工学院就读研究生,毕业后受聘到华尔街某大型证券公司工作。在这个世界上金融证券业最发达的地方,他以统计和数学为基础,建立了自己的投资理论,现已升任该公司副总裁,主管对外投资工作。年仅27岁的黄沁是进入华尔街金融界高层领导的少数华人之一。
华尔街取才原则的转向,从一个侧面反映出证券期货等金融业目前发展面临的挑战和未来的潮流。证券金融交易是信息量最大,信息敏感度最强、信息变化频度最高的领域。随着市场日趋复杂,数字已成为传递信息最直接的裁体,加上未来的经济是被网络覆盖与笼罩的数字化经济,大量的数学与统计工具将在分析研究中发挥不可或缺的重要影响。能否把握那看似枯燥无味的数字所隐含的精微变化,成为决定未来竞争成败的关键因素之一。
前年诺贝尔经济学奖授予在期权定价方面做出开拓性贡献的经济学家和统计学家。他们在二十多年前就探索出具有划时代意义的定价模型——布莱克.斯科尔期定价公式。本世纪20年代开设了股票期权品种,由于采用柜台交易方式和缺乏标准化的设计合约,很难转让对冲,交易量不足称道。1973年美国经济学家布莱克和斯科尔斯,引进概率统计上随机变量函数的一些定理和积分求值,推导出不支付红利的股票期权定价公式,从此期权有了明确科学的价格定位依据,很快形成一个完整的市场,并迅速推广到全世界,直至现在,期权占据着金融王国的重要位置。定价公式成为整个市场运转的基础。这个期权公式的定价思想所引发的金融革命表现在,预测远期价格成为可能,不仅使期权为指数、货币、利率、期货交易提供了全新的保值,投资手段,极大地丰富了金融市场,而且进一步推动了对各种金融产品的价值研究,提高了操作的理论水平。由此可以推断,没有布莱克.斯科尔斯定价模型,期权就不可能发展这么快,全球金融衍生品市场也就不可能有今天的高度发达,如今国外大型金融机构在总结金融交易失利原因时,总是首先追究最初的定价是否存在漏洞和错误
建立一个模型就摘取经济领域的桂冠这一事实,体现了经济与统计数学密不可分的关系。据不完全统计,自1969年设立诺贝尔经济学奖以来的40多位获奖者中,著名的计量经济学家有23位,10位担任过世界计量经济学会会长,有六位直接靠计量经济的研究和应用成果获奖。借用统计数学,将经济理论数学公式化,将经济行为定量化,已成为当今世界经济的热门课题。
有关专家指出,统计学,经济理论和数学这三者对于真正了解现代经济生活中的数量关系来说,都是必要的,但本身并非充分条件。三者结合起来,就是力量。数学给经济界带来新的视角,新的观念。抽象的数学工具一旦准确地切入金融市场,就显得非常实用和有价值。二十多年来,指导期权交易的理论—定价模型得到广大投资者的一贯遵循。没有统计基础、不懂定价公式含义的人要想在市场有出色表现将是十分困难的。
证券金融市场的风险管理是个永恒的话题,投资者都想寻求收益回报,但又必须面对各种各样的损失可能。市场到底存在哪些风险,如何确定风险的大小,如何才能实现收益最大化和风险最小化,历来都是受人关注的焦点和难点。自从1952年美国学者马柯威茨运用数量方法创立证券组合理论以来,市场风险的神秘色彩逐渐淡化,不再变得那么可怕和不可驾驭。
马柯威茨组合理论的立足点是全面考虑“期望收益最大”和“不确定性(即风险)最小”。它通过总结投资损失的概率分布和可能收益与预期收益的偏离程度(即我们统计学上的方差),发现投资者应该同时按适当比例购买各种证券而不是一种证券,进行分散化投资,其收益才尽可能是确定的。通过数量分析得出的这种结论,迎合了投资者避风险的需要。风险管理能力的提高促进了基金的蓬勃发展。在短短的几十年间,随着量化研究的不断深入,组合理论及其实际运用方法越来越完善,成为现资学中的主流工具。由于马哥威茨证券组合选择理论给金融投资和管理思想带来革新,1990年他获得了诺贝尔经济学奖。
众所周知,量变引起质变。数量关系的背后,牵扯着市场的稳定与发展。金融业的现代化推动了统计与数理方法的应用研究,反过来,当今世界的金融管理特别是防范金融风险,也越来越要量化研究。早在1995年9月,美国斯但福大学经济学教授刘遵义就通过实证比较,数量分析和模糊评价等方兴,预测出菲律宾、韩国、泰国、印尼和马来西亚有可能发生金融危机。后来的事实果然如此。这从一个侧面提醒我们,没有完整、科学的分析预测工具,就可能在国际金融竞争中蒙受重大损失。只有加强对作为金融信息的各种变量的研究,才能提高对金融运行规律的认识,才能把握市场的发展动向。
经济理论的数学化和统计分析,使各种经济行为也越来越数量化。在金融领域也不例外。定价公式和组合理论地位的确立,就证明数量工具已发挥了不可磨灭的作用。有统计显示,在西方金融市场,三分之一的人运用组合理论来投资,三分之一的人靠技术分析管理头寸,另外三分之一的人仍在坚守基础分析。虽然运用何种手段来指导决策是投资者个人偏好、观念的问题,但组合理论和技术分析所运用的统计工具逐渐被认同,说明理性投资将成为市场的宠儿。由此我们不难理解华尔街选才的动机。
主观意见和直觉判断有很大的随意性,显然与现资决策的要求相去甚远。对市场和价格进行定量研究,从而揭示客观存在的数量依存关系,成为投资和管理决策的一项基础工作。用统计工具处理各种证券金融数据,可以比较全面地分析各种因素的影响力度。其主要表现在:
1结构分析:证券市场与汇率、利率变动和国民经济发展有多大的关联度;单一证券与整个市场之间如何相互影响,市场指数设计是否合理;证券与期货价格走势是否相互制约;同一类证券有没有一定的连动关系。版权所有
2价值预测:分析未来证券发行和上市价格的理论定位,确定金融衍生证券的价格,分析预测证券期货的价格走势,进行投资决策等。
3政策评价:研究市场系统风险的预警及控制,探讨不同的组合投资效果。
4理论检验:证券价格能否反映所有的信息,市场的有效性实证检验;各种技术指标的适用性和优化处理,周期效应的对比分析。
从以上可看出,量化研究有助于搞好风验管理,设计投资组合,选择交易时机,评估市场特性。统计工具在证券金融市场的大量应用,对交易技术的升级换代,管理水平的提高做出了特殊贡献。现在,电脑交易系统在国外大行其道,依据不同要求设计的模型软件层出不穷,只要把数据输入电脑中,投资者根据分析结果随时制订和调整投资计划。
投资者竞争的优势不再停留在信息的收集上,而是综合处理信息的能力。谁的模型从总量上与趋势上能更合理、科学地分析市场,谁就能掌握主动。
内容摘要:随着我国资本市场不断发展壮大,证券公司资本实力得到较大提升,董事会对自营规模的授权越来越高,而自营业务作为高风险业务种类,其风险管理水平直接影响公司抗风险能力,也会对以净资本为核心的证券公司风险控制指标体系产生较大影响。本文首先阐述了我国证券公司自营业务风险研究管理现状及存在的问题,并进行国际对比分析,然后采用优化的VaR模型对我国证券公司自营业务风险进行量化分析,以目前14家上市证券公司数据为样本进行实证分析,据此提出相关监管建议。
关键词:证券公司 自营 VAR 风险
研究背景和研究现状
随着我国证券公司业务转型,传统的证券经纪业务比重逐渐降低。近几年证券公司自营业务收入约占证券公司营业收入总额的20%左右,但今后有较大提高的趋势,这其中隐藏着较大的风险。首先是市场风险,自营收益与二级市场走势关系密切。目前我国证券二级市场整体来讲投机气氛较浓,市场波动相对频繁,很多证券公司未建立有效的业务决策系统、调研系统、操作系统及相应的管理制度责任制度,投资品种相对较少,股指期货业务刚刚推出,证券公司参与规模较小,无法利用套期保值等手段规避证券市场波动的系统风险,因此,二级市场的价格异常波动会给公司业务带来较大的风险。其次是新业务风险,很多新的交易品种即将推出,但由于业务新、经验少,容易出现问题。同时它在能够规避风险的同时,也有放大风险的效应。第三是违规操作风险,追求自营业务收益增加,恶意炒作使股价震荡加剧从中获利。因此,无论证券监管部门还是证券公司本身都面临着一个严肃的课题,即如何提高证券公司自营业务风险管理水平和抗风险能力。
2008年12月1日,新修订的《证券公司风险控制指标管理办法》正式实施。为从严防范和有效控制自营业务风险,对自营业务规模和风险资本准备水平进行了重点调整。此外,监管部门对证券公司自营业务风险监控主要通过审核公司综合监管月报及风险周报,确保公司自营业务各项风控指标在新《办法》规定范围之内,基本属于事后监管,不能有效预测自营业务本身风险及对公司净资本产生的预期影响。目前,美国等成熟资本市场许多金融机构和金融监管部门已普遍把VaR模型计量方式当作全行业衡量风险的一种标准来看待,在其金融领域尤其是证券风险量化管理中有着广泛的应用。VaR模型技术在我国银行业风险控制方面得到一定范围的应用,但在证券行业的应用基本处于起步阶段,甚至流于形式。
本文首先介绍VaR计量模型基本原理,并结合方差、单位收益风险、贝塔值等常用风险量化指标,量化分析证券公司自营业务风险,并与净资本、自营收入、2010年证券公司分类评价等数据进行对比分析,据此提出监管建议。
VaR模型介绍
(一)模型简介
VaR(Value at Risk)即风险价值,作为一种风险评估方法,本质是在一定的概率下,标的资产或资产组合在未来一段时间内的最大期望损失,定义公式为P(ΔS
VaR计算模型可表示为
相对VaR=μ-σkp
绝对VaR=-Xrp。
其中,X表示资产组合期初价值,μ表示资产组合收益率的均值,σ表示资产组合收益率的标准差,kp表示标准正态分布的分位数,rp表示资产组合在一定置信区间下的最低收益率。
通过以上表述可以发现,对于资产组合VaR值的度量实际上就是对资产组合收益率波动的度量,通过收益率的历史波动情况推测未来在一定概率下的最低收益率,从而得到资产价值最大损失情况。计算资产组合VaR值的关键在于对收益波动的度量,由此衍变出很多对于收益率分布情况进行描述的方法。
(二)VaR模型改进
传统计算VaR值的方法都是在金融数据收益率方差不变的假设下进行的,但在金融时间序列中,常常会出现某一特征的值成群出现的情况,即收益波动存在的丛集效应。从统计学上看,这样的序列存在异方差现象,即残差是随时间变化并且依赖于过去残差的大小。用正态分布是不足以刻画这一特点的,使用 GARCH模型能够捕捉到金融数据的异方差特性,较好的描述收益波动存在的丛集效应,更加准确的度量市场风险。因此,本文在VaR计算过程中引入GARCH模型,形成基于GARCH模型的VaR方法。
下文对GARCH 模型进行介绍,然后分析基于GARCH模型的VaR值计算公式。GARCH模型由均值方程和方差方程组成。
均值方程为:rt =μ+Xtγ+εt
其中,rt 为收益率序列;μ为收益率序列的均值;Xt 为已知的回归变量, 其中可以包括滞后的rt 项;γ是系数向量;εt是残差。
方差方程为:
σt2=ω+α1ε2t-1+…+αqε2t-q+β1σ2t-1+…+βpσ2t-p
其中,σt2 为残差项εt 的条件方差; ω为常数项; αt(i=1,2,…,q)和βj(j=1,2,…,p)为参数。
运用GARCH模型时需要考虑残差序列{εt}的特征,通常假定其条件分布为标准正态分布,但由于收益率序列通常具有尖峰厚尾特征,该假定会导致金融资产风险的估计出现较大的误差。如果假设残差的条件分布服从t分布和广义误差分布(GED),则可以较好地描述收益率序列的尖峰厚尾特征。
基于GARCH模型的VaR计算公式为:
VaR =-μ+σ F-1 (α)
其中,μ是收益率均值; σ是根据残差不同分布假设下的GARCH模型所产生的条件方差序列而得到的标准差序列; F- 1 (α)是残差基于不同分布假设在置信水平α下的分位数。
实证分析
(一)样本数据计算
以目前我国14家上市证券公司为样本,数据期从2008年1月至2010年10月共计34个月,数据来源于证监会CISP系统证券公司综合监管报表,使用上证综合指数模拟市场组合。
自营业务月收益率计算公式为:
月收益率=(证券产品投资收益+证券投资公允价值变动收益+资本公积-可供出售金融资产公允价值变动净额-计入所有者权益的金额)/ 持有成本
本文采用的风险指标计算公式:
样本标准差:(μ为算术平均值)
单位风险收益:
敏感系数:(rjM为资产组合j与市场组合M的相关系数)
风险价值:VaR=μ-σkp(kp为标准正态分布的分位数)
根据以上公式,样本数据计算结果如表1所示。
(二)统计结果分析
根据证监会相关规定,对一般上市股票类的金融产品投资对应的净资本扣减比例为15%,自营业务中权益类证券投资对应的风险资本准备计算标准为16%(分类评价B类证券公司)。从上述计算结果看,置信度95%及99%水平下超过上述标准的分别达到4家和6家,占比分别为29%和43%。
此外,采样数据包括债券、基金等风险相对较小的金融投资产品,上述14家上市证券公司股票类金融产品的投资风险(VaR值)要大于上述计算结果,超过香闺规定计算比例的证券公司数量也会相应增加。
监管建议
在证券投资中,高收益常常伴随着高风险,证券公司可能不惜冒巨大的风险去追逐利润,如果单位收益风险较高,即使预期收益很高,从监管角度分析也应认为其业务风险较大,须及时提醒公司注意风险和规模头寸。因此,监管部门出于审慎监管原则有必要对证券公司业务风险较大、对净资本影响较大的业务进行事先风险量化预测,及时采取相应监管措施,力求监管前移,风险可控、可测、可承受。
(一) 实行基于VaR模型的动态风险管理
我国证券公司可以参考能够较好描述收益波动丛集效应的GARCH-VaR风险预测模型,研究建立适合公司自营业务实际的VaR数学模型,可较为准确地预测公司自营业务风险趋势,将VaR模型与董事会授权自营规模、公司净资本风控指标等动态联系起来。
同时,在非现场检查中要求公司根据建立的VaR模型计算每日动态VaR值,与规定的证券公司风险资本准备计算标准进行比较,并分析对净资本的影响(此处应该计算相对影响)。如果计算的动态VaR值高于规定的风险准备比例(该比例可参考权益类证券投资规模中的股票项,前述计算的VaR值即高于规定的风险资本准备计算比例),则及时要求公司提高该项风险资本准备比例,调整持仓规模和操作策略,并重新计算净资本等核心风控指标。通过上述方法,可实现风险实时、动态及事前监控。
(二)强化公司风控系统预警和分析功能
证券公司风控系统预警模块的开发依赖于构建数学模型,模拟公司业务发展和市场变化可能遇到的各种情形,能够在事件发生前做出提示,以便提前采取预防措施。分析模块虽然是在事后运用的,但它通过对变化原因的分析,可以提前发现可能存在的趋势性因素。只有真正建立起这两个模块,以净资本为核心的风险控制体系的功能才能得到大大拓展,统计功能仅仅是面对过去的,对将来可能没有任何意义,风险控制工作应该能够面对未来。
目前我国证券公司使用的风控系统预警功能大都是在T+1日计算风控指标,并对不达标项予以提示。而其分析模块仅是手动调整各业务规模,然后系统计算风控指标,提示不达标项。可以看出其预警和分析模块只是实现非常基本的功能,无法动态地、预先性的进行预警和趋势性敏感分析。因此,可以指导公司在建立起VaR模型后,结合财务、清算等系统准确计算相关业务风险,力争做到风险实时监控,实现事前预警和事后敏感性分析。此外,为确保数据计算准备,应将编报及计算规则固化在系统程序中,减少自动计算中的人工干预。
参考文献:
1.周泽炯.基于VaR-GARCH模型对证券投资基金风险的实证研究[J].华东经济管理,2009,23(2)
关键词:证券分析师;羊群行为;羊群预测;冒险预测;研究
中图分类号:F832.5 文献标识码:A 文章编号:1003-9031(2008)02-0049-04
一、引言
羊群行为作为一种心理现象,早在20世纪30年代就由经济学家凯恩斯提出,并由Shirif(1935)和Asch(1952)对其从社会心理学的角度用实证证实,指的是个人的观念与心理在社会群体的引导或压力下发生改变,从而放弃自身原有的主见而向着与大多数人一致的方向变化的趋势。[1]
在20世纪80年代以前,只有少数理论研究人员在不同领域的研究中真正将羊群或从众心理、社会压力与传染等问题结合进来,而目前对羊群行为的研究已经受到了越来越多的重视,并对众多的研究领域产生了深远的影响。如在证券市场中可用来解释证券市场的异常波动与市场泡沫的形成机制,在其他存在群体行为的环境中羊群行为也极具应用价值,如厂商销售产品、组织进行的小组决策、地区招商引资、银行挤兑、人才积聚等等。[2]
证券分析师是证券市场上的重要组成部分,主要由分布在各个专业金融机构的“行业分析师”、“公司分析师”、“策略分析师”等组成,他们在执业过程中的羊群行为是否存在以及程度如何对证券市场的效率将产生重要的影响。目前国内对这一领域的研究还相当匮乏,本文以证券分析师为研究对象,从社会群体心理的角度出发对证券分析师在预测中的羊群行为和非羊群(大胆冒尖)行为进行了分析,提出了其量化的方法以及与分析师个性特征有关的回归模型。
二、国内外研究现状
证券分析师群体作为证券市场的一个组成部分,与投资者群体之间相互联系紧密,但又存在较大的不同。Hong、Kubik和Solomon认为最明显的区别在于分析师之间羊群行为的主要动因是基于对自身从业声誉和长期执业生涯的考虑,因此更倾向于和其他分析师保持一致,羊群行为程度应该较投资者更强。
Welch研究了证券分析师的羊群行为,发现分析师对大众认可(ordinary consensus)的股票的推荐倾向为0.13,对以经纪人能力为权重确定的股票(broker-quality weighted)的推荐倾向为0.1,对以时间为权数确定的股票的推荐倾向为0.13。这说明证券分析师有一种潜在的想和大众保持一致的心理倾向。
相比起经验不够丰富的分析师,有经验的分析师往往更倾向于提供冒险的预测而且更不容易被解雇(Hong,Kubik and Solomon, 2000),至于预测的冒险性和分析师的其他特性之间的关系则还有待进一步研究。[3]有理论推断,对自身职业的关注和分析师的自我评价能力决定了预测的冒险性,因此,Michael B・Clement和Senyo Y・Tse将研究重点放在了检验羊群行为与分析师特点而不是分析师的有经验程度之间的关系上。Clement在先前的研究中证实了投资者往往认为冒险的预测比起随大流的羊群预测具有更高的精确性,因为敢于冒尖的预测由于结合了更多的独家的分析和判断,其真正价值比起羊群性质的分析更有价值。对这一点在以往的研究中还缺乏深入的实证分析,一般只是检验冒险的预测和羊群的预测的预测精确性之间的区别,并检验是否冒险的预测究竟是否真正比羊群预测更反映了分析师的私人信息。对此,Michael B・Clement和Senyo Y・Tse运用来自I/B/E/S的1989-1998年年度证券分析师预测数据,将分析师当前预测与先前预测的差值、与修订值之间的差值等设置为变量进行了冒险性预测的截面分析,得出预测精确性的有关结论。最终证明,这一类预测往往比羊群性质的预测准确性更高,而且如果在预测中出现错误,羊群性质的预测比起冒尖的预测有更强烈的自我修订倾向。
中国证券市场中的证券分析师群体十分特殊,从狭义理解一般指仅从事二级市场分析的“股评家”,他们背靠着某证券公司或某咨询机构,而服务于广大个人投资者。我国个人投资者是市场中的多数方,但却属于信息弱势群体,相当一部分个人投资者把股评家的看法作为主要的信息来源。因此,股评家的作用尤其重要,对股评家的行为研究是深入了解市场运作规律不可或缺的部分。目前国内对股评家的行为研究几乎是一片空白,只有少数学者对此进行了研究。
宋军、吴冲锋(2003)研究了中国股评家的羊群行为, 建立了中国股评家大盘预测的羊群行为的检验模型,分别研究股评家羊群行为的存在性、影响羊群行为的因素和羊群行为的理性特征。[4]主要结论为:股评家对舆论有明显的羊群行为;当历史收益率增加、市场乐观情绪高涨、股评家预测的一致程度增加、股评家的能力降低、股评家的初始声誉增大时,股评家参与羊群行为的动机增加。股评家羊群行为的理性研究指出,当舆论被事后的收益率证明为错误时,羊群行为反而增加,因此股评家的羊群行为很可能是一种非理。
此外,宋军、吴冲锋以2000年在《中国证券报》上发表的股评家的预测文章为样本,建立了3组回归方程来研究股评家对于大盘预测的准确性及影响预测的影响因素。[5]研究结果发现,股评家的短期预测平均而言是一个未来大盘收益率的一个反向指标。宏观的经济面信息、前一天的公众舆论和前3天的大盘平均收益率对于股评家的预测都有显著影响,其中以公众舆论的影响作用最大。在这些因素中,宏观的经济面信息有助于提高股评家预测的准确性,而其他因素则降低了股评家预测的准确性。
由复旦大学鲁直博士领导的课题小组在羊群行为的成因方面曾经做了深入的研究。[6]鲁直博士作为主持人负责国家自然科学基金青年项目“中国证券投资者追风行为的实证与对策研究”,并与阎海峰、施欢欢等课题小组成员通过运用有较高信度和效度的问卷对上海证券市场上的实际投资者(机构和个体)进行了调查,研究得出对我国证券投资者的羊群行为具有最大影响的因素是:个性特征因素、信息不对称因素、舆论与政策因素、信息处理能力因素、赌博心态与求利因素、投资市场主力因素六大因素。经过差异检验发现投资者在年龄、性别、入市时间、职业、投资身份、教育背景等人口统计特征方面的差异都会影响其在各主因素得分的高低;并进一步通过多重比较检验结果显示,投资者的羊群行为程度在因素“信息处理能力”上的差异显著。
三、羊群行为与证券分析师个性特征的关系
证券分析师的主流是“公司与行业分析师”,我国目前证券公司、基金管理公司和其他机构投资者中的主要研究员都属于这个类型。因此,与宋军、吴冲锋将“股评家”作为研究对象不同,笔者主要将“公司与行业分析师”作为研究对象。从证券分析师的执业特性和目前的竞争格局来看,存在着产生羊群行为的合适环境,但究竟羊群行为以及“非羊群”的敢于冒险的预测这两种心理行为如何量化,又与什么因素有关呢?对此笔者认为,一方面与证券分析师的个性有关,另一方面与证券分析师的本身特征有关。由于证券分析师是一个比较独立的群体,其本身是证券市场上重要的信息加工者,其个性特征因素对研究预测结果将产生重要影响,因此在研究证券分析师的羊群行为时,可以通过回归模型找出一些统计显著的个性特征因素来研究其对分析师预测行为的影响。
在数据收集方面,公司与行业分析师需要对自身所关注的公司及时地发表盈利预测,并随着时间的推移进行修正(Revision),因此在一段时间内要发表一系列的研究预测报告。这些报告对上市公司的赢利预测值与最终公布的年报、季报、半年报的实际值将会有一定的差值,将这些差值进行归类和量化,可以形成进一步研究的原始数据库。同时,分析师的个性特征因素如执业年限、所跟踪股票数量多少等变量也可以量化。
基于上述分析,可以设计出相应的回归模型对羊群(从众)或敢于冒险(bold)这两种倾向与上述的证券分析师特性之间的关系进行研究。
1.预测精度
首先将分析师当前预测与先前预测的差值、与修订值之间的差值等设置为变量:
式(3)对与冒险性预测有关的证券分析师个性因素进行了回归分析,其中:
Boldijt是一个指示变量,它衡量分析师i在t时期对j股票的预测的冒险程度,具体的取值原则是如果分析师i的预测高于先前所有对j股票的预测的均值,则取值为1,反之取值为0;
DEijt表示在t时期对j股票进行的最后一次预测距离目前的时间,说明了证券分析师预测的时效性;
FHijt表示预测日到年末的时间长短,一般来说这个时间越长则预测的不确定性就越大,因为分析师可获得的信息就越不足;
LAijt表示分析师i在t-1时期(一般指上一会计年度)对j股票的预测精度,其计算方法参照式(1);
BSijt表示在t时期对j股票进行跟踪的证券分析师的规模,如目前中国证券市场上,一般对能源、电力、钢铁、交通类蓝筹股进行跟踪研究的“公司与行业分析师”人数较为庞大,而对农业、制造业进行跟踪研究的分析师则数量比较少;
FFijt表示分析师i在t时期对j股票的预测频率,一般在大的机构任职的分析师由于信息、研究平台较为先进,预测的频率也会比较高;
FEijt表示分析师对j股票的跟踪的时间长短,该项数值越大则表明分析师对这个公司或行业的研究经验也就越丰富,自信也越足,在进行预测时就越倾向于大胆和冒险;
GEijt表示分析师执业时间的长短,和FEijt类似,该项数值越大则一般其证券市场的从业经验也就越丰富,因此在进行预测时同样倾向于大胆和冒险;
Cijt表示证券分析师在t时期所跟踪的上市公司的数量的多少,如果这项数值越大,则通常可以推定其在j股票上可供分配的精力越少,羊群行为的倾向就越大;
Iijt表示证券分析师在t时期所跟踪的行业的数量的多少,其影响类似于Cijt。
还可以把分析师对收益预测的修订程度作为因变量,对式(3)中的自变量进行回归分析。可以推定,如果一个证券分析师对自己原来所作的上市公司收益预测进行修订的幅度越大,则说明这个分析师敢于“冒尖”(或“冒险”)的倾向越小,而希望与大家保持一致(即从众的羊群心理)的倾向也就越强。
4.羊群预测和冒险预测的精确程度
究竟是比较大胆冒险的预测还是羊群从众的预测准确性程度更高?如果大胆冒险的预测是基于丰富的从业经验和与他人不同的个人信息,那么这类预测就可以推定是可信程度较高和较准确的;但如果大胆冒险的预测是基于过度的自信,则其预测精度就会大大降低。对这个问题,可以将预测精度Accurcacyijt作为因变量,对Boldijt、YTD_Dist2ijt等进行回归分析,以观察相互之间的关系和并做统计显著性检验。
最后,可以作进一步的引申研究:我们面临着两种关系,一种是预测的错误与预测修订之间的关系,另一种是羊群的预测与冒险的预测之间的关系,这两种关系是否有很大的区别呢?Trueman(1994)认为,预测的错误与预测修订之间存在着明显的关联,而羊群的预测与冒险的预测之间则关系不大。
对此,相应的检验模型是:
在式(6)中,ERRPijt表示分析师i在t时期对j股票的预测偏离程度;ERVPijt则表示分析师i在t时期对j股票的预测的修订程度。
四、对证券分析师在预测过程中羊群行为的思考
中国证券市场重视上市公司基本面的发掘是2003年“价值投资”理念代替了以往的“庄股”运作模式后发展起来的,因此中国的“证券分析师”队伍还比较稚嫩,无论从可考察的样本数量或样本采集的时间段来说都相对缺乏,因此可以说还缺乏对其进行长期研究考察的基础。
从国外的研究文献中来看,对证券分析师在预测中的羊群行为基本上得出了大体相似的结论,即:羊群行为普遍存在于缺乏有效信息和非资深的分析师之间;而冒险的预测往往比羊群性质的预测由于结合了更多私人信息,其准确性要更高,而且如果在预测中出现错误,羊群性质的预测比起冒险的预测有更强烈的自我修订倾向;相比起经验不够丰富的分析师,有经验的分析师往往更倾向于提供冒险的预测而且更不容易被解雇。因此,在国内的证券分析师群体中是否也存在这些类似的现象还是有与国外不同的特点,以及证券分析师的羊群或冒险的预测对证券市场信息传递效率的作用和市场有效性程度的提高究竟起到什么作用?这些我们真正感兴趣的结论对证券市场监管和提高效率有着重要的意义。
国内的证券分析师群体中也存在类似的现象。笔者认为,证券分析师的“个性特征差异”导致其“信息处理能力”存在较大的不同,因此本文将证券分析师“个性特征”进一步进行细分并提出与不同性质的预测的回归模型,可以说是对鲁直博士的研究进行了有益的延伸和探索。国内尚没有公开的文献对证券分析师在预测中的羊群行为提出系统的检验思路和模型,对这方面的理论探讨还非常缺乏。因此,本文在国外有关文献的基础上,提出了系统的检验证券分析师羊群行为或冒险的预测与一些个性特征因素之间的回归模型。但是也要看到,由于客观条件的限制,笔者在尝试进行实证分析时,尽管可以对模型中的被解释变量(如预测的精度、对先前预测的修订程度等)通过选择合适的证券分析师研究报告样本来计算出来,但是对一些个性特征因素如从业年限、所跟踪的行业与公司数量则因为商业机密等原因而难以准确获得,这也将是下一步的研究方向所在。
参考文献:
[1] Keynes,J.M.(1936),The General Theory of Emploloyment,Interest and Money, London Macmillan.
[2] Shiller, R・J. (2000), Irrational Exuberance, Princeton, NJ: Princeton University Press.
[3]Hong,Harrison,and Jeffrey D.Kubik,and Amit Solomon,Security analysts’ career concerns and herding of earnings forecasts,RAND Journal of Economics 31,121-144,2000.
[4] 宋军,吴冲锋,中国股评家的羊群行为研究[J].管理科学学报,2003,(1).
[5] 宋军,吴冲锋.中国股评家预测行为的实证研究[J].数理统计与管理,2003,(3).
信息的高度集约化是证券市场的典型特点,证券市场可充分反映了社会经济的各项心理,其所囊括的信息包括了来源于证券市场、上市公司、经济方面以及非经济方面的信息。从根本上看,证券市场其实属于信息市场的一种,在信息引导作用下,社会资金的流向朝着各实体部门,使证券市场资源实现了其配置功能。在证券市场中本文由收集整理,上海与深圳的上市公司、股民等不断增加,且市价总值在国内的生产总值中,其所占比例日益增加,使国内的国民经济逐渐以证券市场首要依据,这不仅反应了证券市场日益重要,还充分体现了其迅速的发展速度。
一、证券期货市场中,统计学与之相关学科的应用
现阶段,金融界最具竞争力的人才已不再是传统的mba人才,而是掌握统计学、数理能力过硬的人才。在取人方面,证券公司趋向于具有统计学博士学位背景的人才,由此也体现了金融业未来的发展方向与挑战。各个行业中,证券金融交易属于众多大交易量行业中的一个,在信息敏感度以及信息变化频度方面,证券市场均具有绝对的优势。在市场日益复杂、变化莫测的背景下,数字已成为信息在传递方面最为直接的载体。此外,经济发展主流也转变为网络所覆盖的数字化经济,由此反映了统计工具、数字等成为了分析研究的主要手段。如今,充分掌握数字中隐含信息的精微变化情况是决定未来证券市场竞争情况的重要因素。
有专家表明,在现代经济生活中,若要充分了解其数量关系,需要掌握3个必要条件,分别是经济数据、经济理论、统计学,而这三者均不属于充分条件,在了解数量关系过程中,需要对这三者有效结合。数学对于经济界而言,引发了当中的新视角以及新观念。数学工具固然非常抽象,然而若能在金融市场中准确切入数学工具,其起到的效果将十分惊人,成为十分实用的工具。国内自从引进自期权交易后,不少投资者均是遵循期权交易的指导理论对模型进行定价。
对于证券市场而言,风险管理这一研究课题是永远的研究重点,各种损失的可能性均是投资者寻求收益时需要面对的风险。因此,风险种类与大小的确定、降低风险与扩大收益等一直是人们所重视的问题。质变是量变转化而成,因此数量对于市场的发展稳定性关系密切。在现在金融业的发展环境下,统计学、数理方法等得到了推广应用,而量化也成为了目前金融管理中的研究重点,特别是关于金融风险的管理方法。美国某大学的经济学教授在1995年9月时,通过多种方法(模糊评价、数量分析、实证比较等)预测出多个国家发生金融危机的可能性,其中包括马来西亚、印尼、泰国、韩国以及菲律宾,而之后这一预测也得到了证实。由此可知,完整而科学的分析工具对于国际金融的竞争而言十分重要。因此,在金融市场的竞争中,不断加强研究多种金融信息变量,从而提高对金融市场运行规律的认识,充分掌握金融市场的发展趋势。
随着经济理论的统计分析以及数学化,逐渐突出了不同经济行为中的量化情况,而金融领域也包含在其中。在金融市场中,其他工具难以替代树龄工具所起到的效果。经统计,在西方的金融市场中,根据组合理论、技术分析、基础这3个因素进行投资的人数各占1/3,受个人喜好因素而影响投资者决策手段的情况广为认知,但是应用于技术分析、组合理论等方面的统计工具在多方面影响下逐渐得到投资者的认可,可反映了金融市场逐渐由感性为主的投资现象转变为理性为主的投资现象,同时也表明了为何金融业中首要选择人才属于数理能力过硬、具备统计背景的人才。
二、统计学在证券期货市场中的应用
投资中的主观观念、直觉判断等行为过于随意,与现代的投资决策存在显著性差异。在投资以及管理中,通过定量研究市场价格以探讨数量依附存在的客观关系已成为当中的主要工作,在处理不同证券的金融数据时应用统计工具,从而综合分析不同因素对投资的影响情况。
(一)结构研究
在分析结构时从4个方面入手:证券市场和汇率、利率变动和国民经济发展等的关联程度;单一证券如何在证券市场中实现相互影响;市场指数设计的合理性;同类证券之间有无联动关系。
(二)证券期货的价值预测
通过对即将发行的证券及其上市价格进行分析,做好理论定位工作,明确金融衍生证券期货的价格,并对证券期货价格方面的走势情况进行研究与预测,从而确定投资决策。
(三)政策评价
对预警、控制市场系统的风险方面进行分析,以研究各种组合投资的效果。
(四)理论检验
证券价格有无全面体现出全部信息,金融市场有效的实证检验;不同技术指标的适用情况及优化处理,对比分析其周期效应。
无悬念的低风险高收益
Wind资讯数据显示,自2012年5月25日成立至2013年6月28日止共13个月间,锝金1号绝对回报达23.96%,跑赢同期沪深300指数38.44%,在同期股票型基金中居领先地位。更令人侧目的是,锝金1号的夏普比率(注1)高达3.2,月胜率100%,周胜率71%,最大累计回撤(注2)仅1.08%。打开净值走势图,锝金1号基本上就是一条从左下角到右上角的直线。直线的大斜率意味着高收益,投资人能够在短时间内获得超额回报;而直线的小回撤则意味着低风险,投资人随时进入都能获得确定的收益。
“这是一条比较完美的收益曲线,”任思泓自豪地说,“我们13个月实盘运行的结果,完全实现了我们发产品前的设计,这既证明了研究方法的科学实效,又展示了我们的交易执行能力。”
任思泓介绍,锝金1号是一只量化对冲基金,以“市场中性的相对价值套利”(注3)为基本策略,完全由计算机进行模型运算和实盘交易,整个运行过程中没有任何人工干预。
不断创新的精英团队
上述锝金1号的高收益低风险成绩单,正是出自任思泓及其领导的金锝团队。
任思泓,北京大学学士(1987年),加拿大滑铁卢大学工程硕士(1992年),美国纽约大学工商管理硕士(2000年)。1996年进入华尔街,先后在花旗银行(Citibank)、汇丰银行(HSBC)、美国银行(Bank of America)、摩根士丹利(Morgan Stanley)担任要职。特别是自2000年起,在世界最成功的量化基金之一,摩根士丹利的PDT担任基金经理,负责开发和管理数亿美元的对冲基金,积累了丰富的经验。2009年初回国加入国内某知名大型券商,从零开始负责建立数量化交易业务。在股指期货推出后,成功推出了股指期货套利系统,管理资金达30亿以上。在市场长期下跌的情况下,实现了所有客户正收益。
2012年,任思泓率领一支纯理工背景的精英团队,创立了金锝,致力于为投资者提供低风险高收益的数量化投资产品。令人意外的是,这家优秀的投资管理公司既不在繁华的金融街,也没用奢华的办公楼,而是隐蔽在西城区与海淀区交界处的一座小楼里,周边环境幽静且清雅,没有大字招牌的装饰,只有低调而精致的氛围。谈到选址的理由,任思泓只给了一个:“这里离中国的顶级高校很近”。
金锝办公室的氛围非常像一个高校的实验室,员工大部分穿着T恤、短裤、运动鞋,神情从容但又非常专注工作着,难以想象这是一个在市场上分分秒秒活跃交易的一个金融机构。任思泓介绍说:“我们希望能从中国顶级高校吸引到一流人才来融入我们。大家看对冲基金,想的自然是收益,但我们更看重的是创造一个非常好的工作环境,找到一群无论是能力上还是品德上都有共性的人,愉快地一起做事。只要有这样一个群体,做出业绩是早晚的事情。”
“西蒙斯(注4)是我们这个行业的标杆,他的大奖章基金二十几年来年年都为投资者带来丰厚而稳定的投资收益。西蒙斯的成功证明了不懈的努力和正确的方法,可以带来持之以恒的超额收益。对冲基金策略在中国市场刚刚起步,我们也只是做出了一点点的成绩。但我们清楚自己的优势:不断创新而且将我们的策略持续优化;同时我们有极高的技术能力,总能将优化策略快速实现,把握住那些将‘梦想照进现实’的完美时机”。任思泓介绍,金锝采取的是多策略组合,在投资过程中会通过数量化分析持续地改进策略模型,以确保收益的确定可控。
不动摇的三大核心
“做量化,人才是核心、数据是基石、通道是保障。”任思泓相信,除了这支充满竞争力的团队以外,数据和通道也是实现业绩不可或缺的必要因素。
在数据上,任思泓有着与全球顶尖对冲基金一样的苛求,主要表现在对实时行情速度毫秒级的时延考量,对宏观经济和公司财务数据的广度、深度及标准算法的严格要求:“国内唯一能满足金锝的只有Wind资讯,数据对于对冲量化基金来说,就相当于血液,只有拥有完美的数据,才能实现完美的业绩”。
在通道的选择上,金锝致力于选择拥有出色IT能力的券商。IT能力不光在于拥有先进的系统,更重要的是拥有一支负责任,并且理解客户需求的IT团队。现在国内很多券商都已经意识到量化交易的重要性,并且都已经开始布局去满足量化交易需求,但真正能够不用传统业务模式去思考量化投资的需求,而全面建立一个新的团队去支持这项业务的,还是为数不多。金锝目前的合作券商之一,民族证券就是一个拥有这样前瞻布局的券商。
对于自身的优势,民族证券副总裁宋群力指出,“服务专业机构投资者是证券公司的业务发展方向,私募是最活跃的机构投资者,对提升证券公司的交易能力、客户服务能力等都起到最直接的驱动力作用,因此,是证券公司机构业务的重点业务方向。为私募这样的机构投资者,特别是量化对冲私募基金提供服务,需要依托信息技术建立完善、专业的交易通道和数据基础,民族证券和Wind资讯将联合为中国的对冲基金提供顶尖的交易通道和核心数据,把中国的对冲投资模式再向前推。”
不打折的信托责任
金锝管理的锝金1号产品的认购下限为1000万元人民币,据任思泓介绍,设置这个门槛的意图在于把客户群锁定在机构投资者和“事业有成、财务自由,投资的目的不在于一夜暴富,而在于为自己现有财富‘守成’的高端个人”。
而这样的客户定位,正是出于对金融行业最重要、但国内目前环境并不妙的信托责任考虑:“信托责任是投资业的生命,我们的稳健,就在于我们想最大程度地体现这一点。在客户选择我们的同时,我们也选择了客户,在认购前我们会向客户清楚地阐明我们的投资理念,只有‘志同道合’,大家才能长久地走在一起。”
对于金锝如此严谨的从商风格,宋群力指出,任思泓及其团队在小事大情上表现出的“务实,专业”,正是民族证券选择与金锝合作的根本原因:“以产品净值为例,金锝披露的净值主动扣除了所有费用和业绩提成,完全是投资者净得,这一点殊为难得;作为一家还有很大上升空间的证券公司,我们正需要这样专业而有诚信的合作伙伴。”
对于合作伙伴的认可,任思泓表示,“金锝不求虚名,追求的是长远的发展,我们的团队谋求的不是一时的名利,我们希望的模式是:持续地把业绩做出来,用业绩本身去宣传,让业绩推动金锝走下去,走得长远。”
不完美的对冲时代
然而在任思泓看来,市场已经看得很清楚、客户定位已经很精准、战略已经很成熟的金锝离100%完美还差得很远——没有好的对冲工具和无法利用杠杆扩大收益,是目前金锝发展遇到的最大的两个障碍:“融券不具有可操作性,券源太少,无法实现完美对冲,只能通过策略的设计来尽量规避风险;同时,融资成本太高,打击使用杠杆的积极性,否则金锝有能力进一步放大收益”。
除了无法利用杠杆外,当前业界普遍使用的基金业绩评估方法,在任思泓看来也有欠专业:“中国目前的基金评价体系还存在唯收益论,评价几乎不考虑风险因素及风险指标的考量,仅仅根据业绩做简单的排名,对投资者有一定的误导作用。同样是15%的回报,一个夏普比3的基金有非常大的可能在下一个周期同样实现这个收益,而一个夏普比1的基金其下个周期收益就会不确定得多了。如果能从夏普比这个角度去衡量基金,不光是金锝,现有的很多数量化基金都是非常有投资价值。值得肯定的是,随着对冲基金的发展,这两年数据商,如Wind资讯已经在这方面做了深入的准备并取得了一定的进步。已经开始将对冲基金进行分类,这对投资者进行资产配置和选择基金有了很大帮助。”
此外,任思泓还建议广大财富管理机构能否在与对冲基金的合作上,采用一个新的激励机制。目前财富管理机构和基金合作的方式是在固定管理费和浮动业绩提成基础上以一个固定百分比来分成。这意味着,不同收益水平的投顾从渠道获得同一个单位的客户资源,高收益投顾要支付更多的渠道费用。这样一来,就造成了越不容易产生超额收益的投顾越愿意去渠道获取客户资源以通过管理费获益的不合理局面。而渠道这个不合理的定价方式客观了上造成了“劣币驱逐良币”的竞争局面。
为了改变这种不合理的局面,任思泓建议在浮动业绩提成上采用固定封顶的办法,或者采用类似管理费的办法,即投顾在获得业绩提成后,需先支付给渠道一个总资产的固定比例,之后剩余的业绩提成才归投顾。
任思泓相信,如果实行这样激励制度,超额收益高的投顾自然会因为有更大的获取业绩提成的可能而更有动力与渠道合作:“很多时候,许多纠结完全可以通过制度上的一个简单创新解决。”
大资管时代来临,不同收入阶层的居民对金融服务的需求也出现分化,确定收益型的对冲基金产品越来越受到高净值人群的追捧,也代表了资管发展的一个非常重要的方向。这对于还有很大成长空间及潜力的中国对冲基金来说,可谓是“最好的时代”。
注1:衡量基金的收益与风险对比,值越大则说明风险越低收益越高;在不使用杠杆的情况下,夏普比率高于3的基金非常少见,而大多数基金的夏普比率还不到1。
注2:一段时期内基金净值连续下跌的最大幅度。
关键词:金融资产 证券化 金融机构
金融资产证券化是在上个世纪60年代末产生于美国的金融创新产品之一,是一种结构化的融资创新型产品,能够切实降低借款人员在融资上的成本,提升金融机构的资本充足机率、转移与分散金融机构所面临的各类信用风险。金融资产证券化主要是指金融机构运用创设特殊目的之机构,应用其所具有隔离风险能力,把其所具有的流动性比较差的资产,比如,住房贷款和信用卡应收账款中所挑选出来的今后能够产生的现金流量,并通过合理的技术化处理,把其转化成为能够在金融市场中进行流通的证券。
一、金融资产证券化的基本特点
一是在资产信用基础上的融资形式。金融资产证券化能够把存在着的静态收益权切实转化成为了担保证券发行的一种流动型信用资产,也就是对存量资产实施证券化之过程。二是具备了结构化特点。证券化在资产的转移与重组、流程的结构化、多元化主体积极参与等诸多方面展示出结构化特征。与此同时,证券化还可为分散风险与满足不同的需求,能够以在此基础资产上产生的现金流为来创设各类多元化的证券种类,从而展示出结构化工具之特点。三是能够提供表外的融资。也就是说,只需发起人把和资产相关的收益与风险加以转移以实现真实地出售,就能够从资产负债表当中加以消除,并且确认受益和损失,从而实现非负债性的融资。
二、金融资产证券化形成的原因
在上个世纪八十年代初出现的国际债务危机之中,商业银行贷款债权无法转让的不足得到了充分地暴露。一旦债务人所出现的财务困境造成债务无法得到合理地偿还,债权人就只能被动地承受后果。这一交易之中的不公平造成了资本市场常常会处在动荡的状态下。一旦以购买债券的形式来发放各类贷款,那在偿债较为困难或者债权人急于收回债权的状况下,债券就可随时加以转让,从而切实解决到期不还款之难题。当前,因为生产资本向国际化进行发展,科技的不断进步、新兴工业的不断崛起促使经济得到了良性发展,对于资金的需求强度也在不断提升,这就在客观上需要债券市场在全球范围内成为投资与需求之中介。与此同时,西方发达国家的金融市场改革导致其采取了开放国内证券市场之举措,这样就能提升金融资产证券化之速度。比如,美国与法国等国就全面取消了对民众征收证券利息预扣税的政策,从而有力推动了证券业之发展。
三、解决金融资产证券化问题的对策
(一)强化金融资产证券化的立法工作
当前,我们缺少对于金融领域资产证券化工作的统一谋划,其中,在财务会计处理上、在税收优惠政策上、在交易规则上等诸多方面没有做到协调统一,主要还是运用信托的方式来实施资产的证券化,加之法律法规层面的制约,导致公司制资产证券化无法实施切实有效地操作。因此,需要强化金融资产证券化的立法工作,以确保与实现金融资产证券化的稳步发展。在当前现有规定的基础之上,应当由人民银行、证监会以及财政部等相关主管制定出金融资产证券化的有效操作手段,落实好先行试点工作。要循序渐进,富有针对性地对金融资产公司管理条例等相关法规实施修订,从而全力发挥金融资产证券化所具有的功能,从而满足各个不同阶段实施金融资产证券化的实际需要。
(二)落实金融机构的内部控制工作
各金融机构要依据本单位的经营范围、自身实力、风险程度以及金融资产证券化业务的具体特点,以确定是否要开展金融资产证券化业务,参与的方式以及规模。一是要在实施金融资产证券化业务以前就充分地认识与评估有可能会面临的各类信用风险,从而形成相应的金融机构内部审批程序、业务处理体系以及内部控制制度等。二是金融机构要充分认识到自身开展金融资产证券化业务之后所要承担起来的义务与责任,并且依据其在金融资产证券化业务体系之中所承担的角色,科学分析金融资产证券化业务所具有的风险性特点,制定出与之相适应的风险管理政策以及程序,从而保障能够有效识别、计量与控制金融资产证券化业务有可能产生的各类风险,并且同时避免由于在金融资产证券化当中承担过多的角色而发生一些利益上的冲突。
(三)注重金融机构的外部监管工作
一是金融监管机构要将保护广大投资者的切身利益作为核心任务来抓,从而保障本国金融体系的安全与稳定,并且开展谨慎性地监管,积极地推动资产的证券化,让金融监管与效率之提升能够实现动态化的均衡。与此同时,还应当有效保护资产债务人的合法权益。二是金融监管机构应当强化对金融机构所实施的内控机制之引导,从而保证监管法律法规能够得到实实在在地贯彻与落实。要通过监管标准,切实指引被监管者设计出合理的内控制度,并且把监督金融机构的内控制度作为工作重点,立足于审计,对内控制度实施监督。
(四)强化金融资产证券信息化建设
要想顺利地实施金融资产证券化,就应当对信用风险进行评估,并对现金流实施分层结构设计。这就必须要建立在对各类金融数据实施量化分析的基础之上,运用现代信息技术开展巨量化的模拟与分析。所以,金融资产证券信息化建设虽然目前还处于起步阶段,但是其重要性不言而喻。为此,应当着力强化对相关数据的分析,实施风险计量等基础性工作,并且实施严格地定量化要求,不断加以规范,以求适应于金融资产证券化之所需。
四、结束语
综上所述,建设更为全面的金融证券化管理体系,应当通过立法体系建设、内控机制建设、外部监管建设、信息化建设等多个方面齐抓共管,通过合作与协调,实现金融资产证券化工作得到可持续发展。
参考文献:
[1]王文宇,黄金泽.金融资产证券化:理论与实务[M].北京:中国人民大学出版社,2006.
2013年,量化投资成为了仅次于互联网金融的投资界关注焦点,而作为银华基金副总经理、量化及全球投资总监的周毅,则给记者一种波澜不惊的感觉。4年来,他目标坚定、善于布局、踏实理性、运筹帷幄,从产品、团队、策略3条主线入手,以高效的节奏,为银华基金在中国的量化投资市场上,一步步竖起了鲜明的旗帜。
周毅认为,在中国量化对冲产品有着广泛的客户基础,投资者对这类产品的需求潜力很大。只要做好产品和策略,满足客户的投资需求,量化对冲产品将有十分广阔的发展空间,而且随着监管制度的变革以及金融工具的发展,量化对冲事业的春天已经到来。
4年精磨优秀团队
2010~2011年,周毅以分级基金作为量化投资的突破口,带领银华量化团队初战告捷。2012年,周毅向着量化投资本土化进一步迈进,这一年的目标是——从量化专户开始尝试绝对收益,团队先后建立了侧重阿尔法策略和套利策略的研究小组,在克服了高频交易限制、数据库不完善、集中交易制度、佣金费率等多方面约束的情况下,当年银华专户产品中表现最好的账户的年化收益率(扣除各种费率后)大幅超越同期沪深300指数,而波动率仅约为沪深300指数的1/3。
2013年,来自银行渠道的数据显示,银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%,净值波动率却仅为沪深300指数的1/4,而夏普比率则高达1.95,创造了稳定的绝对收益。此时,银华的量化专户规模已超过10亿元。
“分级养量化”策略大获成功。金牛理财网的最新数据显示,截至3月6日,银华的分级基金场内规模达到234.56亿份,占市场规模的45.43%。今年以来的日均交易额近4亿元,占全市场的一半以上。与此同时,也为公司带来了非常可观的利润贡献。
成绩的取得与银华基金量化团队的打造密不可分。作为一名拥有15年从业经验的量化投资者,周毅深知,严格意义上的量化团队应该是一条流水线产业链,锻造这样的团队,绝非一朝之功,而靠“一笔钱挖一两个人”来建设量化团队也非长久之策,他立志要打造一个和国外一流对冲基金建制类似、水平相同的团队。
瞄准需求勇夺市场
在练好“金刚钻”的同时,2014年,信托业拐点也带给量化对冲更好的发展时机。周毅认为,信托与量化对冲,看似毫无相关性,但实际上面对的是同一类投资者——追求稳定回报的高净值客户。
“过去几年,信托做得非常好,刚性兑付带来了低风险下的高回报。投资者更热衷于信托产品,而对冲基金则相对显得冷门。”周毅说。而到了2014年,事情正在发生变化。对非标投资的控制让信托业走入瓶颈,2013年年底,信托发展所依赖的房地产业和矿业进入衰退周期,多只信托产品出现兑付危机,打破信托刚性兑付的呼声也越来越高,这意味着其投资属性正在改变。
周毅认为,面对这种趋势,未来可能有一部分投资者将从信托产品中脱离,转而选择新的投资方向,而对冲基金则恰恰能够满足此类客户的需求。此外,与信托产品的投资标的不同,量化对冲产品的投资主要基于二级市场,从市值披露和流动性来讲,更加透明,更加清晰。
然而,对于任何新兴的投资种类,要想取得投资者的信赖,需要的是过硬的管理业绩。银华基金便是凭借专户产品在过去3年持续优异的业绩表现,在市场上逐渐获得了追求稳健回报的投资者的认同。
银华量化对冲专户的优秀业绩表现源于其独门策略。周毅表示,国外有很多成熟的对冲策略模型,但要应用在A股的投资实践中,还需要很长的本土化过程和探索。3年来,银华的量化团队一直致力于探索适合A股的量化对冲策略和投资模型,并在实践中对其进行检验和不断完善。
具体而言,就是根据A股市场的特点,将理论上的阿尔法策略加以改造,以传统的主动型股票研究分析结果为基础,利用多因子模型来控制组合的风险和相关性,追求超越市场平均回报的绝对收益,为投资者提供持续稳定的阿尔法回报。
周毅表示,对冲投资策略程序一旦设定好,就像是一个冷静理性的基金经理,没有贪婪和恐惧等情绪。投资在这种情况下变成流水线,它可能做不到最好,但从质量稳定性角度来看,它就是最优的选择。量化投资可能产生不了历史上最棒的基金经理,但确实是一种回报稳定的投资方式。
机制创新预示对冲“春来到”
周毅认为,对冲基金在国外已经发展成为一个成熟的投资领域,整个市场的有效性比较高,同时有大量的金融工具可以使用。投资组合中的任何一种风险,都可以找到对应的衍生工具进行对冲,有很多种工具能够精准地满足客户对风险收益的要求。但在国内,A股市场的融资融券成本过高,衍生品起步相对较晚,可用的对冲工具也非常少,这些都制约着对冲基金的发展。
例如目前A股能够用来对冲系统性风险的工具只有沪深300股指期货,在操作中,只能通过放空沪深300股指期货来对冲组合风险。这就意味着,应用这种策略的组合在市场呈现大蓝筹股单边牛市的情况下投资难度较大,这也是量化投资能够在2013年的结构性行情(创业板、中小板表现明显好于主板)中表现优异的客观原因。此外,对冲工具的匮乏也制约着对冲基金规模的发展,周毅测算,仅就目前的投资标的而言,银华团队可以有效管理的量化对冲基金规模极限或为50多亿元,而单只对冲基金的理想规模大约是5亿元左右。
不过,在今年的两会上,全国政协委员、上海证券交易所理事长桂敏杰在接受中国证券报记者采访时表示,上交所正在努力推进蓝筹股实行“T+0”交易制度。周毅表示,他期待中证500股指期货、个股期权以及股指期权的推出。他坚信,从发展趋势来讲,中国的衍生工具会越来越多,国外成熟的量化对冲投资模式未来在中国大有用武之地,同时量化投资管理的资金规模也会变大。
交银施罗德基金18日公告称,交银施罗德双利债券基金8月24日-9月21日公开发售。拟任基金经理李家春现任固定收益部副总经理,2008年3月31日起兼任交银施罗德增利债券证券投资基金基金经理至今。
华泰柏瑞基金18日公告称,华泰柏瑞信用增利债券型基金原定认购截止日为8月19日,现将其募集期延长至8月26日。
以大中华企业为投资主题的景顺长城大中华股票型基金将从8月19日起公开发售。公告显示,该基金主要投资于中国内地以外的大中华地区证券市场以及在其他证券市场交易的“大中华企业”。
申万菱信基金18日公告称,增聘刘忠勋为申万菱信量化小盘股票型基金(LOF)基金经理,与张少华共同管理该基金。
宝盈基金17日公告称,增聘余述胜为宝盈中证100指数增强型基金基金经理,与温胜普共同管理该基金。
中欧基金17日公告称,增聘周蔚文为中欧新趋势股票型基金(LOF)基金经理,与王海、刘水云共同管理该基金。
国投瑞银基金17日公告称,国投瑞银瑞和沪深300指数分级基金基金经理熊志勇因个人原因离任,该基金由LU RONGQIANG单独管理。
8月16日,方正富邦基金公司首支产品已上报证监会。知情人士透露,该产品为股票型基金。方正富邦基金公司为首家两岸合资基金公司,股东方正证券股份有限公司为中国中西部最大券商,富邦证券投资信托股份有限公司为富邦金融控股公司旗下子公司。
富国基金16日公告称聘赵涛担任富国通胀通缩主题轮动基金经理,与尚鹏岳共同管理该基金,原基金经理宋小龙因工作需要离任,但继续担任富国天瑞强势地区精选基金基金经理。