时间：2023-07-04 16:26:57
导语：在无风险资产的特征的撰写旅程中，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]居民家庭金融资产组合风险；Copula函数；在险价值VaR；风险积聚
[中图分类号]F832.332 [文献标识码]A [文章编号]1673-0461（2014）07-0071-05
一、引 言
居民家庭金融资产指居民拥有的能够带来一定收益的以价值形态存在的资产。根据《中国人民银行年报》统计口径，我国居民的金融资产主要由手持现金、储蓄存款、有价证券、保险准备金四大类组成。其中，现金主要满足居民家庭日常交易需求，这部分资产不但没有收益，相反还存在机会成本；储蓄存款作为居民对银行储蓄这种金融资产的投资额来考虑；有价证券可以分为债券和股票，这两者的风险差别很大，债券具有储蓄功能，风险小，而股票市场投机性强，风险较大；在居民家庭金融资产总量中保险准备金所占比重较小，而且由于保险存在的概率赔付问题使得整个保险市场的收益率不好确定。一般而言，在居民家庭金融资产中，储蓄存款和国债属于无风险金融资产，股票属于高风险金融资产。各类金融产品在居民家庭金融资产中的配置情况，称为居民家庭金融资产组合。在不同时期，居民的家庭金融资产组合中的资产类型持有比例是不同的，以应对外部经济环境变化的影响。本文试图测算居民家庭金融资产组合的风险，观察其在不同时期风险的变化情况，同时分析各自不同类型的金融资产对宏观经济变动的敏感程度，为政府制定宏观经济政策以引导居民进行合理的消费和投资提供研究依据。
金融资产风险测算一直是过去半个世纪来国内外学者关注的焦点和前沿研究领域之一。1997年，J. P. Morgen集团公布了其内部使用的全面估计金融风险的方法、数据和模型，其核心技术就是风险价值（Value at Risk，简称VaR）计算方法。VaR值就是在一定的持有期及一定的置信度内，某金融投资工具或投资组合所面临的潜在的最大损失金额（Jorion，1997）。它已被巴塞尔委员会推荐为一种允许金融机构使用、作为内部风险管理模型来决定资产监管要求的新方法，并明确建议其作为风险度量的标准。但是，度量单种风险因子的度量法，例如：市场风险因子度量法、信用风险度量法等，一般都不适用于集成风险的度量。因为单个资产所面临的这些风险形态多样且相互关联、交叉、渗透，并共同作用于资产组合，对资产组合所面临的集成风险具有叠加、放大的效应，一些学者开始探讨如何将各种不同风险、收益的资产组合起来，度量其集成风险。Sklar（1959）首先以“Copula”命名一类函数，此类函数能够把一维边缘分布函数连接在一起，形成联合分布函数。Embrechts et al.（1999， 2002）率先把Copula函数引入到资产组合的金融风险管理中。张明恒（2004）研究了多金融资产风险价值的Copula计量模型和计算方法，吴振翔等（2006）使用了Copula-Garch模型来分析投资组合风险。
综上所述，国内外有关金融风险的研究方法，从单个金融资产到金融资产组合风险的测算，已经比较成熟。但是这些方法大多只是用于宏观的金融风险的测量，尤其是股市风险的测量。对于家庭金融资产结构风险的测量方面尚缺乏相关的研究。本文试图通过构建Copula函数，将家庭金融资产中的风险资产和无风险资产结合起来，形成联合分布函数，并通过计算VaR来度量居民家庭金融资产在不同时期的结构风险。Copula函数运用于资产组合的集成风险度量有两个优势：①可以刻画单个资产收益率分布的非正态性质，即“尖峰厚尾”特征；②可以描述不同资产收益率之间复杂的相互关系。这样，Copula函数能够把具有非正态性质、相互关联的多个风险因子“连接”起来，构建由多个风险因子驱动的资产组合收益率的联合分布，并利用VaR方法度量资产组合的集成风险。
二、构建Copula函数测算金融资产组合风险VaR
在Sklar定理的基础上，测算金融资产组合风险的步骤如下：①首先计算资产组合中单个风险因子的分布；②找到风险因子之间的Copula函数；③运用单个风险因子分布和Copula函数刻画资产组合的集成风险因子分布；④使用VaR方法度量资产组合的集成风险。
（一）Copula函数的概念
Copula函数可看成一个多维分布函数C：[0，1]n[0，1]，其边缘分布F1，…，Fn为区间（0，1）上的均匀分布。Sklar（1956）提出了Sklar定理：令F为具有边缘分布F1（・），…，FN（・）的联合分布函数，那么，存在一个Copula函数C，满足：
F（x1，…xn，…，xN）=
C（F1（x1），…，Fn（xn），…，FN（xN）） （1）
其中C就是一个Copula函数，若F1（・），…，FN（・）连续，则C唯一确定；反之，若F1（・），…，FN（・）为一元分布，那么由式（1）定义的函数F是边缘分布F1（・），…，FN（・）的联合分布函数。
（二）Copula函数的分类
1. 多元正态Copula函数（multivariate gaussian Copula-MVN）
Nelsen（1999）给出了多元正态Copula函数的定义，多元正态Copula分布函数的表达式为：
C（u1，…un，…，uN；ρ）=
Φρ（Φ-1（u1），…，Φ-1（un），…，Φ-1（uN）） （2）
其中ρ为对角线上的元素为1的对称正定矩阵，ρ表示与矩阵ρ相对应的行列式的值，Φρ（・）表示相关系数矩阵为ρ的标准多元正态分布，Φ-1（・）表示标准正态分布函数的逆函数。多元正态Copula函数适合刻画对称相依性、不具有厚尾特征的多维风险因子。
2. 多元t-Copula函数（multivariate Student's Copula-MVT）
Nelsen（1999）给出了多元t-Copula函数的定义，多元t-Copula分布函数的表达式为：
C（u1，…un，…，uN；ρ，v）=Tρ，v（tv-1（u1），…，
tv-1（un），…，tv-1（uN）） （3）
其中ρ为对角线上的元素为1的对称正定矩阵，ρ表示与矩阵ρ相对应的行列式的值，Tρ，v（・）表示相关系数矩阵为ρ，自由度为v的标准多元t分布，tv-1（・）为自由度为v的一元t分布的逆函数。多元t-Copula函数适合刻画对称相依性、一定厚尾特征的多维风险因子。
3. Archimedean Copula函数
Clayton-Copula、Gumbel-Copula和Frank-Copula函数，它们只能用于二维的变量的分析：
Clayton-Copula：C■■=max[（u-α+v-α-1）-1/α，0]，其中，α？缀[-1，∞]＼{0}
Gumbel-Copula：C■■=exp[-[（-lnu）α+
（-lnv）α]1/α]，其中，α？缀[-∞，∞]
Frank-Copula：C■■=-■ln[1+■]其中，α？缀[1，∞]
Archimedean Copula函数中的Clayton-Copula函数和Gumbel-Copula函数适合刻画不对称相依性的多维风险因子，其中Clayton-Copula函数一般用来刻画具有较强下厚尾的特征，Gumbel-Copula函数则常用来刻画较强上厚尾的特征。而Frank-Copula函数适合刻画对称相依性、在中心和上下尾部分布均匀的多维风险因子。
（三）计算金融资产组合的VaR值
以包含两种金融资产的金融资产组合为例，两种金融资产的权重分别为w1和w2，并且w1+w2=1满足。使用X和Y分别代表资产1和资产2的对数收益率，P■■，P■■为t期价格，定义对数收益率为：X=ln（P■■/P■■），Y=ln（P■■/P■■），则资产组合的收益率定义为：R=ln（w1eX+w2eY）。对应的风险价值（VaR）值是：Pr（R
具体计算过程如下：①使用各类Copula函数，产生相依的二维随机样本；②通过各边缘分布函数经过逆概率变换为对数收益率X和Y；③把两者代入资产组合收益率公式中，得到资产组合收益率R的样本；④计算资产组合收益率样本的分位数，即为一定置信度下的VaR值。
三、测算中国居民家庭金融资产组合的集成风险
（一）数据的选取和说明
通过对中国居民家庭金融资产中手持现金、储蓄存款、债券、股票和保险准备金这五种金融资产在资产组合中所占比重进行计算发现，中国居民家庭的储蓄存款所占的比重一直比较高，在家庭金融总资产中占了一半以上，并且有缓慢上升的趋势。居民的手持现金比例在持续快速下降，从1978年的40%多，下降到2008年的10%，期间有一些波动，从图1上看，周期性并不明显。居民持有的债券比例在20世纪90年代期间比较高，到2000年以后逐年下降。居民持有的股票比例虽然比较低，但是变动却比较明显，反映出明显的周期性。我国居民的保险准备金比例虽然有上升的趋势，但是比重仍然比较低（见图1）。
由于居民家庭金融资产组合中现金并不能产生收益，保险准备金持有比例比较低，所以本文只测算家庭金融资产中储蓄存款、债券和股票。将储蓄存款和债券通过居民持有的比例合并为家庭无风险金融资产，股票代表家庭的风险资产。以1990年到2010年中国居民家庭的无风险资产和风险资产作为原始数据，按照测算金融资产组合风险的步骤，首先计算家庭无风险资产和风险资产的对数收益率；然后，通过构建Copula函数计算家庭金融资产组合的联合分布函数；最后，计算家庭金融资产组合的VaR值。
（二）构建Copula函数计算家庭金融资产组合的VaR值
计算居民家庭无风险金融资产和风险资产的对数收益率，并对其对数收益率数列进行正态Jarque-Bera检验，它们都服从服从正态分布，其中无风险金融资产对数收益率是右偏的，而风险资产对数收益率是左偏的（见表1所示）。
为了便于分析，我们选择多元正态Copula函数构建联合分布函数。然后根据VaR计算公式，在险价值VaR的上下限区间为：VaR=R+σZα，其中R在这里为正态Copula分布函数值，为正态Copula函数的标准差，如果取显著性水平为，查表得正态分布的分位数。得到正态Copula函数和VaR值如表2和图2所示。
（三）家庭金融资产风险分析
家庭金融资产风险的特点是： 第一，居民家庭金融资产VaR值在各年间呈现波状变动，其中1991～1993年、1998年、2002年、2007年均达到高点，尤其以2007年VaR值最大。我们知道，1997年爆发过东南亚金融危机，而2008年全球金融危机并最终导致了持续几年的经济危机。家庭金融资产组合风险在1997年东南亚金融危机后才达到高点，而在2008年全球金融危机之前则达到了最高点。由此的解释应该是，1997年的东南亚金融危机只是区域性的危机，而2008年之前全球经济与金融风险积聚，经济泡沫随时都会破灭。反映到微观的居民家庭金融资产投资上，风险已累积到了高点。第二，居民家庭金融资产组合的风险值VaR与无风险金融资产的波动幅度、波动时间是一致的。主要是因为无风险金融资产在居民家庭金融资产中占有比较大的比重。居民家庭金融资产中风险资产的波动与资产组合的风险值VaR的波动幅度、波动时间完全不一致。而且，风险资产的收益波动与资产组合的风险值呈反向关系。其中，1997年、2002年和2007年的风险资产收益均低于VaR的下限值，也就是说，居民在这些年份中的总投资是亏损的。有意思的是，1997年风险资产的收益达到低点，随后1998年家庭金融资产组合风险值达到了高点；2002年和2007年的风险资产收益达到低点，同年家庭金融资产组合风险风险值达到了高点。
四、家庭金融资产风险与宏观经济波动的协动性关系
本文将正态Copula分布函数作为居民家庭金融资产风险的测度指标，与宏观经济指标GDP增长率、利率和居民消费价格指数CPI的波动性相比较，分析居民家庭金融资产组合的风险变动与宏观经济指标之间的协动性关系。
将Copula分布函数、GDP增长率、CPI和利率做标准化处理，然后作图观察它们的变动情况（如图3所示）。在图中，居民家庭金融资产组合风险的波动要比宏观经济指标更频繁，90年代初和2010年左右，家庭金融资产组合风险与宏观经济指标的波动基本是吻合的；而在1994年至2007年期间宏观经济经历了一次从峰顶到谷底再到峰顶的变化，即宏观经济经历了衰退、萧条、复苏的一个经济周期，并且萧条期持续了持续了5、6年之久，而在这一时期，家庭金融资产组合风险则经历了两次高位和低位（见图3）。
为了更好地说明家庭金融资产组合风险与宏观经济指标之间的协动性关系，本文试图对Copula分布函数、风险资产收益对数经验分布函数、无风险资产收益对数经验分布函数与gdp增长率、利率、CPI之间做格兰杰因果关系检验。
在做格兰杰因果关系检验之前，先通过单位根检验考察各变量的平稳性（如表3所示）。单位根检验的结果表明，除了利率和CPI是一阶平稳的，其余变量都是0阶平稳的。
由于格兰杰因果关系检验是以变量平稳为前提条件的，所以分别在Copula分布函数、风险资产收益对数经验分布函数和无风险资产收益对数经验分布函数与GDP增长率、利率变化量、CPI变化量之间进行格兰杰因果关系检验。检验结果整理如表4所示，居民家庭金融资产组合风险的变化会影响未来5年的利率变化量和CPI变化量；居民家庭的风险资产收益变动会影响未来2至3年的宏观利率的变化量。居民家庭金融资产的收益和风险与GDP增长率的变化都没有关系（见表4）。
五、结 论
通过建立居民家庭金融资产组合的Copula函数，并计算资产组合的VaR值，我们得到如下结论：
居民家庭金融资产组合VaR值的变动正契合了过去区域性或全球的金融危机的发生。因此，VaR风险值处于高点时，尤其是资产组合中高风险资产的收益低于VaR值的下限时，极易引发金融危机。
关键词：动态资产组合；模型不确定性；随机控制；贝叶斯分析
中图分类号：F830.91 文献标识码：A 文章编号：1003-5192(2011)02-0062-04
Dynamic Portfolio Selection Based on the Stochastic Diffusion Model with Uncertainty HE Chao-lin1, MENG Wei-dong2
(1.School of Management Engineering, Anhui Polytechnic University, Wuhu 241000, China; 2.College of Economics and Business Administration, Chongqing University, Chongqing 400044, China)
Abstract:Assuming that asset return follows stochastic diffusion process, this paper uses method of stochastic control to obtain the closed-form solution of dynamic portfolio, and studies the relation between model parameters’ uncertainty and dynamic portfolio based on the sample of Shanghai Exchange Composite Index. Results show, model parameters’ uncertainty results in the hedging demand of portfolio, which is related with the degree of risk aversion, investment horizon, and the quantity of information; comparing with the identical normal process, it can enhance the robustness of dynamic portfolio under one-order autoregressive process; the problem of dynamic portfolio equals to that of static portfolio only at the end of investment horizon.
Key words:dynamic portfolio; model uncertainty; stochastic control; Bayesian analysis
1 引言
模型不确定性问题是社会经济系统中模型的基本特征，尤其在一个新兴的市场上，更是一个普遍存在的现象。在动态资产组合选择过程中，模型不确定性主要表现为模型参数不确定和模型变结构两个方面。Kandel等是最早强调模型中参数不确定性在资产组合选择过程中的重要性［1］。Brennan和Barberis研究期望收益的不确定性对动态资产组合选择的影响，指出投资者的学习行为导致其不断调整对期望收益的估计［2，3］。Chow等在资产收益模型中引入随机成分刻画收益过程的不确定性，采用最大―最小化方法研究最优消费和动态资产组合选择问题，解释了风险溢价和消费敏感性之谜［4］。Uppal等假设投资者具有同质稳健性，研究规避模型不确定性下的多资产动态资产组合选择问题［5］。Maenhout引入稳健性偏好，通过最小化相对熵研究模型不确定下的稳健动态资产组合选择［6］。Brandt等用向量自回归模型描述资产收益过程，通过展开价值函数，采用路径模拟和交叉回归的方法估计模型参数，研究其不确定性与动态资产组合选择的关系［7］。朱微亮等假设资产收益服从随机扩散跳跃过程，从不确定性规避角度研究模型不确定性下动态资产组合选择的稳健性［8］。孟卫东等假设资产收益服从独立的正态过程，运用贝叶斯分析法研究模型中期望收益和方差不确定下的动态资产组合选择问题［9］。杨朝军等研究资产收益预测性分布具有不确定性下的最优资产组合问题，指出忽略参数不确定性导致投资者在资产组合中配置过多风险资产［10］。李仲飞等运用相对熵控制模型不确定性程度，借助稳健控制方法研究资产收益预测分布的不确定性对静态资产组合的影响，并拓展到动态情境下，指出模型不确定的跨期作用和对当期资产配置的影响［11］。何朝林等运用最大―最小化方法研究模型不确定性对动态资产组合选择的影响，指出投资者的动态投资决策不仅与其风险规避程度有关，还与模型不确定性有关［12］。
诸如上述的研究基本采用比较静态分析法，同时缺乏对比性。本文侧重于从实证的角度，采用比较静态和比较动态分析法，在不同信息量、不同资产收益过程下，对比研究模型中参数不确定性对动态资产组合选择的影响。与已有研究的不同是：（1）假设资产收益生成遵循一阶自回归过程，将收益过程的可预测性引入动态投资决策过程，并与独立同分布的正态过程对比。（2）在传统比较静态分析法的基础上，尝试采用比较动态分析法研究问题。
2 资产组合模型及求解
设投资的终期时刻为T，T>0,终期前任一时刻记为t，t∈［0,T］，资产组合为两种资产，一种为无风险资产，其收益固定，设为r；另一种为风险资产，其收益服从随机扩散过程（投资期内无红利支付或红利再投资）。其价格P0(t)和Ps(t)用微分方程分别表示为
dP0(t)/P0(t)=rdt
dPs(t)/Ps(t)=u(t)dt+σtdZ(t)（1）
其中u(t)为瞬时期望收益，σt>0,σ2t为收益的瞬时方差，dZ(t)为标准布朗运动。u(t),σ2t为随机扩散模型中的两个参数。参照Liptser等［13］，瞬时期望收益的变化可表示为
du(t)=vt/σ2t(dPs(t)/Ps(t)-u(t)dt)（2）
其中vt>0，为瞬时期望收益的方差。
设t时刻投资者将财富W(t)投资于风险资产和无风险资产的比例为w(t)和1-w(t)。假设市场无交易摩擦，由(1)式整理得自融资下资产组合财富的运动过程为
dW(t)=［r+w(t)(u(t)-r)］W(t)dt+w(t)W(t)σtdZ(t)（3）
设投资者的偏好结构为幂效用函数，则其资产组合选择的优化模型可表示为
max E0［W(T)1-γ/(1-γ)］（4）
约束条件为(2)、(3)式及初始财富W(0)=W0>0。γ>0且γ≠1为风险规避系数。
引入t时刻的价值函数J(W(t),u(t),t),运用随机控制方法，其必须满足HJB方程
maxw(t)Jt+JWW(t)［r+w(t)(u(t)-r)］+
0.5JWWw2(t)W2(t)σ2t+
0.5Juuv2tσ2t+JWuw(t)W(t)vt=0（5）J•表示J（W(t),u(t),t）对相应的下标求偏导数。设价值函数解的形式为
J(W(t),u(t),t)=W(t)1-γφ(u(t),t)/(1-γ)
其中φ(u(t),t)=eK1(t)+K2(t)u(t)+12K3(t)u2(t)。参照孟卫东等的求解过程［9］，解得价值函数，代入(5)式，由一阶条件获得模型的最优解
w*(t)=u(t)-rγσ2t+vtγσ2t(K2(t)+K3(t)u(t))（6）
当γ>1时，令：η=q，τ=T-t,τ为投资期。
K3(t)=2a(1-exp(-ητ))2η-(b+η)(1-exp(ητ))
K2(t)=-2ar(1-exp(-ητ))2η-(b+η)(1-exp(-ητ))
当0
K3(t)=12cηtan12ητ+tan-1bη-b
K2(t)=r2c-ηtan12ητ+tan-1bη+b
其中a=(1-γ)γσ2t，b=2(1-γ)vtγσ2t，c=v2tγσ2t，d=-r(1-γ)vtγσ2t，q=b2-4ac。
若描述资产收益过程的随机扩散模型是确定的，模型参数u(t),σ2t确定，vt=0，风险资产比例在相应风险规避程度下是固定的，记为w*LM，w*LM=(u(t)-r)/γσ2t,称其为动态短视（Myopic）行为；反之，模型参数u(t),σ2t具有不确定性，vt≠0，风险资产比例在相应风险规避程度下是变化的，记为w*LO，w*LO=w*(t)，称其为动态优化行为。
3 比较静态分析下的实证研究
3.1 研究样本的选取
以上证综指为风险资产,为与孟卫东等［9］的实证结果对比，本文与其选取相同的研究样本：上证综指1991年1月~2006年3月共183个连续复合月收益序列，简称样本1；上证综指1996年1月~2006年3月共123个连续复合月收益序列，简称样本2。无风险资产取2005年凭证式（一期）国债，其持满5年以上的年利率为3.81%，故r=0.0093。
3.2 模型参数的估计
假设风险资产的连续复合月收益序列遵循一阶自回归过程
Yt=Xtθ+Et（7）
Yt=(r1 … rt)′， Xt=1…1r0…rt-1′
θ=(a0 b0)′， Et=(ε1 … εt)′
θ,σ2未知，假设其先验分布为
σ2~IG(α0,β0)， θ|σ2~N(θ0,σ2Π-10)
其中α0,β0为正数，θ0∈R2，Π0为对称正定矩阵。由于是非信息先验，假定，α0=1/β0=0.0001,θ0=(0,0),Π0=0.0001I,I为2×2型单位矩阵。
基于t时刻的时间序列数据Dt,Dt=(r1,r2,…，rt)。参数θ,σ2的后验分布为
σ2|Dt~IG(t,t),θ|σ2,Dt~N(t,σ2Π
~-1t)（8）
t=α0+0.5t
-1t=β-10+0.5t2t+0.5(θ^t-θ0)′•
(Π-10+(X′tXt)-1)-1(θ^t-θ0)
t=Π~
-1t(Π0θ0+(X′tXt)θ^t)
Π~t=Π0+X′tXt
θ^t=(X′tXt)-1X′tYt,2t＝t-1Y′tYt-(X′tYt)′(X′tXt)-1(X′tYt)
由（7）式和（8）式，运用Matlab软件随机模拟产生若干θ，σ2,获得参数的估计值，并转化为季度估计值为：基于样本1，u(t)的均值和方差分别为0.0218，0.00017，σ2t的均值为0.0312；基于样本2，u(t)的均值和方差分别为0.0184，0.00014，σ2t的均值为0.0156。
3.3 实证结果与分析
基于参数估计值，由最优解(6)式获得一阶自回归过程下的实证结果，见表1。γ为风险规避程度，分别代表不同风险特征的投资者；τ指投资期为多少季度；w*LO,w*LM,Δ＝
w*LM-w*LO分别表示动态优化行为、动态短视行为、模型参数不确定性效应。
（1）表1中的Δ值表明，模型参数不确定性导致资产组合存在正或负的对冲需求，取决于投资者对待风险的态度。当γ>1时，投资者对风险的敏感性强于财富增加，参数不确定性使其担心风险资产未来不利投资机会的出现会降低或恶化资产组合财富，因而通过降低风险资产投资，增加无风险资产投资达到对资产组合财富的套期保值，资产组合表现为负的对冲需求；当γ
（2）对比表1中不同投资期下的Δ值，投资期越长，模型参数不确定性效应越明显。γ>1的投资者，投资期越长，风险资产未来不利投资机会出现的可能性越大，故其进一步减少风险资产投资；γ
（3）与独立的正态过程相比，模型参数不确定性效应可提升一阶自回归过程下动态资产组合的稳健性。表1和孟卫东等［9］表3中相应的w*LM和w*LO表明，收益生成遵循一阶自回归过程时，无论动态短视还是动态优化行为，投资者在资产组合中皆增加风险资产，因为一阶自回归模型中的斜率为正，表明收益之间存在正相关，这种正相关性导致投资者提高对未来资产收益的估计，因而增加风险资产投资。同时，表1和孟卫东等［9］表3中相应的Δ值也表明，当γ>1时，模型参数不确定性导致在资产组合中更多地减少风险资产，当γ
4 比较动态分析下的实证研究
4.1 研究样本的选取
假定终止时刻为2007年1月初，选取上证综指1991年1月~2006年12月共192个月收益序列为总研究样本，投资者在2001年1月初进入市场，基于其中1991年1月~2000年12月共120个月收益序列样本制定投资期为24个季度的投资决策；接着投资者在2001年4月初基于其中1991年1月~2001年3月共123个月收益序列样本制定投资期为23个季度的投资决策；以此类推，直至决策终止时刻2007年1月初，投资期为0。无风险资产同上。
4.2 实证结果与分析
按上述参数估计过程，运用Matlab软件分别重复模拟，获得u(t),σ2t的估计值，并转化为季度值。取γ=5，由最优解(6)式获得风险资产最优配置的演变过程，结果见图1。
图1显示除了在投资期的终止时刻，模型参数不确定性导致动态优化行为下的资产组合中风险资产的最优配置（图中实线所示）皆低于动态短视行为下的风险资产最优配置（图中虚线所示），因为此时投资者的风险规避程度大于1。两种投资行为的差异（如图中点划线所示）随着投资期的缩短逐渐变小，在终止时刻，两种行为的决策相同，因此可以说，只有在投资期末，动态资产组合选择问题才等价于静态资产组合选择问题。
5 结束语
本文从实证角度，采用比较静态和比较动态分析法，基于效用模型，运用随机控制方法，借助贝叶斯分析法研究了随机扩散模型中参数不确定性对动态资产组合选择的影响。研究表明，模型中参数的不确定性问题客观存在，动态投资决策过程中必须予以考虑；对于幂效用特征的投资者，模型参数不确定性导致其减少或增加风险资产投资，这取决于其风险规避的特征；投资期越长、信息量越少，模型参数不确定性效应越明显；与独立的正态过程相比，模型参数不确定性效应可使一阶自回归过程下的动态资产组合表现得更加稳健；动态资产组合选择问题只有在决策终止时刻才等价于静态资产组合选择问题。
参 考 文 献：
［1］Kandel S, Stambaugh R. On the predictability of stock returns: an asset-allocation perspective［J］. Journal of Finance, 1996, 51(2): 385-424.
［2］Brennan M J. The role of learning in dynamic portfolio decisions［J］. European Finance Review, 1998, 1: 295-306.
［3］Barberis N. Investing for the long run when returns are predictable［J］. Journal of Finance, 2000, 55(1): 225-264.
［4］Chow G C, Zheng L H. Equity premium and consumption sensitivity when the consumer-investor allows for unfavorable circumstances［J］. Journal of Economic Dynamic and Control, 2002, 26: 1417-1429.
［5］Uppal R, Wang T. Model misspecification and under-diversification［J］. Journal of Finance, 2003, 58(6): 2465-2486.
［6］Maenhout P J. Robust portfolio and asset pricing［J］. Review of Financial Studies, 2004, 17(4): 951-983.
［7］Brandt M W, Amit G, Pedro S C, et al.. A simulation approach to dynamic portfolio choice with an application to learning about return predictability［J］. Review of Financial Studies, 2005, 18(3): 831-873.
［8］朱微亮,刘海龙.稳健的动态资产组合模型研究［J］.中国管理科学,2007,15(3):19-24.
［9］孟卫东,何朝林.基于学习行为的动态资产组合选择［J］.系统工程理论与实践,2007,27(9):38-46.
［10］杨朝军,陈浩武.参数不确定性对投资者最优资产组合的影响：基于中国的实证［J］.中国管理科学，2008,16(3):37-43.
［11］李仲飞,高金窑.模型不确定下的最优资产配置［J］.中山大学学报（社会科学版），2008，48(4):184-193.
目前开设《证券投资学》课程实验的院校很多,但大多实验教学内容相对分散,难以收到较好的效果。依据金融学专业全程式实验教学体系的思想,在讲授《证券投资学》课程时,将实践教学的内容与理论知识学习结合起来,《证券投资学》课程实验主要针对课程中专业性较强、涉及范围较少的单元,开展针对性的专业实验,进行相关单项基本技能的训练并巩固课堂教学中的理论知识,同时重视与前续、后续课程内容的衔接,避免实验教学内容的交叉与重复。
二、《证券投资学》课程实验内容设计的理论依据
理论知识是形成实践能力、应用能力的基础。能力在掌握一定知识的基础上经过培养训练和实践锻炼才能形成。因此学生首先要打好实践课坚实的理论基础,为以后的课程实践做好准备。因此,课程实践教学内容设计需坚持与理论教学相容性原则。要在有限的学时下,合理安排理论教学与实践教学的时间,做到既保持理论知识体系传授的完整性,又让学生得到较充分的实践性课程的训练。
国内证券投资学的基本理论框架一般分为四大部分:证券投资的基础理论、运行理论、决策理论和调控理论与政策。由于金融专业《证券投资学》的前期课程《金融市场学》,已经比较详细的介绍了证券投资基础理论中的证券投资工具股票、债券、基金、权证、期货与期权,而有关证券市场的运行理论在投资银行中也已重点介绍,这两部分可不再重复介绍;在进行《证券投资学》的讲授中可以把内容侧重在证券投资的决策理论和调控理论与政策上。具体内容包括:证券投资的组合分析、基本分析、技术分析,证券市场的调控与管理。由于金融专业《证券投资学》的后续课程是《证券投资技术分析》,因此,在《证券投资学》课程讲授中技术分析的内容只是简单介绍。
三、《证券投资学》课程实验设计的内容
由于《证券投资学》课程实验学时有限(12学时),因此重点实验内容是对投资组合理论、证券特征线进行验证,通过这部分实验课的教学,使学生初步掌握证券投资的投资组合分析的验证,绘制无风险证券与一种风险证券组合的可行集、多种证券的最优组合分析。具体步骤如下:
1.绘制无风险证券与一种风险证券组合的可行集
主要是需要计算一种证券的期望收益和标准差。
(1)数据的获得。首先将大智慧软件数据显示周期选为月,使得股票价格为月度数据,然后对股价进行复权处理(通过复权处理使得股价不仅反映资本利得,还能反映红利收益),最后导出到excel,得到股价数据。如果有数据库,也可以从数据库中得到股价数据。
(2)计算股票的年度收益率。利用excel的自动计算功能可以得出股票年度收益率数据
(3)计算该股票的期望收益与标准差。在D3单元格输入excel自带公式AVERAGE(C3:C18)就会输出方正科技的期望收益,输入STDEVP(C3:C18)可以输出该股票的标准差。
(4)计算风险资产和无风险资产在无卖空时的组合收益和标准差。
①把已知数据输入excel表格,无风险资产本例中选择银行存款,收益为4.14%。
②在表格中输入无风险资产的投资比重,并逐步递减。由于有无卖空限制,所以风险资产的投资比重依次递增,两者之和为1。在组合的期望投资收益率单元格输入公式,本例中为A8*0.0414+B8*0.152。同理得到组合的标准差,当无风险资产与风险资产组合时组合的标准差公式为σp=|θσ|,本例为B8*0.3662。
③画出资本配置线。在excel菜单中点击“插入”、“图表”,选择XY散点图,平滑线散点图。点击下一步,在图表源数据对话框中修改数据区域,X轴选择标准差数据D8:D28,Y轴选择期望收益率数据C8:C28。点击下一步,选择图表保存位置,得到了资本配置线。
2.多种证券组合的最优组合
如果只有两种风险证券组合在一起,组合的期望收益率和标准差可以用公式求出,并得到相应的可行集曲线,但是,当组合的证券超过两种时,必须要更复杂的计算工具。本实验选取了其中的一种,采取规划求解这一工具来达到实验目的。
(1)基础数据的收集。实验中试图计算多种股票组合在一起的时候的可行集,因此,还是要按照实验一的方法获得四种股票的年度收益率,期望收益率和标准差。选取四支股票,除了要计算每支股票的期望收益率和标准差,还要计算他们之间的协方差,这里运用COVAR这个函数,计算方正科技和邯郸钢铁的协方差就可以在单元格输入COVAR(C3:C12,F3:F12),同理计算出其他协方差,就可以得到四支股票的协方差阵。
(2)四种股票最优组合的计算。
①规划求解的安装。在excel菜单中点击“工具”、“加载宏”,出现加载宏的对话框,在对话框中选择规划求解,然后“确定”,这时规划求解已经成功安装。
②在excel表格中输入已知数据。
③建立运算区域。把期望收益率数据填入到相关表格,在单元格中预留最优投资比重、投资组合收益率、投资组合方差、标准差等。预设最优投资比重为1、0、0、0,即全部投资于邯郸钢铁这支股票上运用矩阵运算的方法计算出组合方差。并对组合方差开方。
这样我们就建立了一个运算区,建立了各单元格数据之间的关系。一个单元格数据的变动就会引起其他数据做出相应变动。
④通过规划求解求出最优解。在excel里建立约束条件区域,把相应的约束条件列出,规划求解的原理就在于电脑自动对符合条件的解进行筛选,得到最优解,因此,必须准确设定筛选条件。在这个约束条件区,投资的比重相加应该等于1,在相应单元格输入=SUM()。如果是无卖空情况,每个股票的投资比重都是>=0的,当人为设定一个目标收益率,电脑就会自动的计算符合条件的标准差最小的解,这也就是所要找的最优解。不断的变换目标收益率就得到了很多组最优解就是要找的有效前沿。
点击工具菜单,就会在其中找到规划求解这一选项,点击打开规划求解对话框。在对话框中设置约束条件,最优解就会自动输出到相应运算区。假设设置某一目标单元格选择“最小值”。约束条件在无卖空时应该有三个,一个是投资比重都应该>=0,投资比重之和应该等于1,然后输入0.2,即目标收益率先预设20%。目标项、可变项和约束条件都输入完毕就可以开始计算了,点击“求解”,电脑会自动运算出结果,点击保存,就会发现在原来的计算区数据已经更改。
在这个计算结果中,得到四种股票组合在一起,目标收益是20%的时候,组合标准差最小的解,这时候得到的解就是四个投资比重,投资比重分别为0.36、0.63、0.1、0,这就是找到的最优的组合。
⑤建立数据区。前边得到的最优组合只是有效前沿的一个点,要得到有效前沿的其他点,就必须不断的变换目标收益率,得到不同的最优解,最终画出有效前沿。为了得到这样一系列数据,要建立数据区来保存不断计算求出的结果。把组合收益为0.2,标准差0.33写入到数据区。接下来继续运用规划求解工具,把约束条件中的目标收益率20%变为其他数据,比如25%,求解就会得到另外一个最优解,依次不断变化该单元格,就会得到需要的一些组合,不变计算的结果就是我们最终得到了完整的数据,
(3)既定目标收益率最优投资比重的求解。假如要投资于四支股票上,要求投资的收益率为28%,那么应该怎么分配风险最小呢
?前面的规划求解实际上就可以解决这个问题。只要在约束条件中添加0.28,即当收益率要求28%时,最优的投资比重应该是0、0.79、0.21、0。有卖空的时候也是如此计算,最终得到结果。
参考文献
[1] 兹维博迪.投资学(第6版)[M].机械工业出版社.
马考维茨(Markowitz)是现资组合分析理论的创始人。经过大量观察和分析，他认为若在具有相同回报率的两个证券之间进行选择的话，任何投资者都会选择风险小的。这同时也表明投资者若要追求高回报必定要承担高风险。同样，出于回避风险的原因，投资者通常持有多样化投资组合。马考维茨从对回报和风险的定量出发，系统地研究了投资组合的特性，从数学上解释了投资者的避险行为，并提出了投资组合的优化方法。
一个投资组合是由组成的各证券及其权重所确定。因此，投资组合的期望回报率是其成分证券期望回报率的加权平均。除了确定期望回报率外，估计出投资组合相应的风险也是很重要的。投资组合的风险是由其回报率的标准方差来定义的。这些统计量是描述回报率围绕其平均值变化的程度，如果变化剧烈则表明回报率有很大的不确定性，即风险较大。
从投资组合方差的数学展开式中可以看到投资组合的方差与各成分证券的方差、权重以及成分证券间的协方差有关，而协方差与任意两证券的相关系数成正比。相关系数越小，其协方差就越小，投资组合的总体风险也就越小。因此，选择不相关的证券应是构建投资组合的目标。另外，由投资组合方差的数学展开式可以得出：增加证券可以降低投资组合的风险。
基于回避风险的假设，马考维茨建立了一个投资组合的分析模型，其要点为：(1)投资组合的两个相关特征是期望回报率及其方差。(2)投资将选择在给定风险水平下期望回报率最大的投资组合，或在给定期望回报率水平下风险最低的投资组合。(3)对每种证券的期望回报率、方差和与其他证券的协方差进行估计和挑选，并进行数学规划(mathematicalprogramming)，以确定各证券在投资者资金中的比重。
二、投资战略
投资股市的基金经理通常采用一些不同的投资战略。最常见的投资类型是增长型投资和收益型投资。不同类型的投资战略给予投资者更多的选择，但也使投资计划的制定变得复杂化。
选择增长型或收益型的股票是基金经理们最常用的投资战略。增长型公司的特点是有较高的盈利增长率和赢余保留率；收益型公司的特点是有较高的股息收益率。判断一家公司的持续增长通常会有因信息不足带来的风险，而股息收益率所依赖的信息相对比较可靠，风险也比较低。美国股市的历史数据显示，就长期而言，增长型投资的回报率要高于收益型投资，但收益型投资的回报率比较稳定。值得注意的是，增长型公司会随着时间不断壮大，其回报率会逐渐回落。历史数据证实增长型大公司和收益型大公司的长期平均回报率趋于相同。另外，投资战略还可以分为积极投资战略和消极投资战略。积极投资战略的主要特点是不断地选择进出市场或市场中不同产业的时机。前者被称为市场时机选择者(markettimer)，后者为类别轮换者。
市场时机选择者在市场行情好的时候减现金增股票，提高投资组合的beta以增加风险；在市场不好时，反过来做。必须注意的是市场时机的选择本身带有风险。相应地，如果投资机构在市场时机选择上采用消极立场，则应使其投资组合的风险与长期投资组合所要达到的目标一致。
类别轮换者会根据对各类别的前景判断来随时增加或减少其在投资组合中的权重。但这种对类别前景的判断本身带有风险。若投资者没有这方面的预测能力，则应选择与市场指数中的类别权重相应的投资组合。
最积极的投资战略是选择时机买进和卖出单一股票，而最消极的投资战略是长期持有指数投资组合。
公司资产规模的大小通常决定了股票的流动性。规模大的公司，其股票的流动性一般较好；小公司股票的流动性相对较差，因此风险较大。从美国股市的历史数据中可以发现，就长期而言，小公司的平均回报率大于大公司，但回报率的波动较大。
三、投资组合风险
我们已经知道，投资组合的风险是用投资组合回报率的标准方差来度量，而且，增加投资组合中的证券个数可以降低投资组合的总体风险。但是，由于股票间实际存在的相关性，无论怎么增加个数都不能将投资组合的总体风险降到零。事实上，投资组合的证券个数越多，投资组合与市场的相关性就越大，投资组合风险中与市场有关的风险份额就越大。这种与市场有关并作用于所有证券而无法通过多样化予以消除的风险称为系统风险或市场风险。而不能被市场解释的风险称为非系统风险或可消除风险。所以，无限制地增加成分证券个数将使投资组合的风险降到指数的市场风险。
风险控制的基本思想是，当一个投资组合的成分证券个数足够多时，其非系统风险趋于零，总体风险趋于系统风险，这时，投资组合的风险就可以用指数期货来对冲。对冲的实际结果完全取决于投资组合和大市的相关程度。若投资组合与大市指数完全相关，投资组合的风险就能百分之百地被对冲，否则只能部分被抵消。
投资组合的系统风险是由投资组合对市场的相关系数乘以投资组合的标准差来表达，而这里的相关系数是投资组合与市场的协方差除以市场的标准差和投资组合的标准差。因此，投资组合的系统风险正好可以由投资组合对大市指数的统计回归分析中的beta值来表达。投资组合对大市的beta值是衡量投资组合系统风险的主要度量。投资组合的回报率、方差或标准差以及其beta值是投资组合分析和管理中的三个最重要的数据。
在投资组合的另一重要理论是在资本市场理论中引入了无风险资产的概念。在实际中，我们可以将国库券认为是无风险资产。任何投资组合都可以看成是无风险资产和其他风险资产的组合。于是，投资组合的期望回报率可以表达成大市回报率与无风险回报率之差乘以beta值再加上无风险回报率。
国际金融投资行业也广泛地使用VAR(Value-at-Risk)的方法来分析和管理投资组合甚至公司全部资产的风险。VAR实际上是衡量资产价值变动率的方法。其基本概念是：假设某投资组合的回报率是以正态分布，衡量在确定的概率下投资组合可能出现的亏损金额。VAR值就是用均值减一个标准方差的回报率，可以用来计算亏损。
四、投资组合业绩评价
通常有两种不同的方法对投资组合的业绩进行评估。养老金、保险基金、信托基金和其他基金的主要投资计划发起人一般会考察投资过程的各个主要方面，如资产配置、资产类别的权重和各类别重的证券选择。这类评估称为属性评估。对很多投资者来说，他们更关心的是对一个特定的投资策略或投资机构效率的评价，如对有明确投资策略的开放式基金的评估。这种评估叫做指标评估。评估投资组合最直接的指标是回报率。但只有在相同或类似的风险水平下比较回报率才有实际的意义。从美国开放式互助基金的历史数据可以看到，增长型基金的beta值最高，系统风险最高，相应在牛市时的回报率最高，在熊市时的回报率最低。平衡型的基金则相反。收益—增长型的基金的系统风险和回报率都在增长型和平衡型的基金之间。由此可见，任何一种基金在一个时期所获得的回报率在很大的程度上取决于基金的风险特性和基金在当时所面临的市场环境。在评估基金时，首先应将基金按风险等级分组，每一组的风险大致相同，然后在组中比较回报率的大小。
投资组合的回报率是特定期间内投资组合的价值变化加上所获得的任何收益。对封闭式基金来说，由于没有资金的流进和流出，回报率的计算相对比较容易。对开放式基金而言，频繁的现金流动使普通的回报率计算无法反映基金经理的实际表现。开放式基金的回报率通常使用基金单位价值来计算。基金单位价值法的基本思想是：当有现金流入时，以当时的基金单位净资产值来增加基金的单位数量；当有基金回赎时，基金的单位数量则减少。因此，现金的流动不会引起净资产的变化，只是发生基金单位数量的变化。于是，我们可以直接使用期初和期末的净资产值来计算开放式基金投资组合的回报率。
没有经过风险调整的回报率有很大的局限性。进行风险调整后评估投资组合表现的最常见的方法是以每单位风险回报率作为评判标准。两个最重要的每单位风险回报率的评判指标是夏普比例(ShameRatio)和特雷诺比例(TreynorRatio)。夏普比例是投资组合回报率超过无风险利率的部分，除以回报率的标准方差。特雷诺比例是投资组合回报率超过无风险利率的部分，除以投资组合的beta值。这两个指标的不同在于，前者体现了投资组合回报率对全部风险的敏感度，而后者反映对市场风险或系统风险的敏感度。对投资组合回报率、其方差以及beta值的进一步研究还可以定量显示基金经理在证券选择和市场时机选择等方面的优劣。
【参考文献】
[1]［美］小詹姆斯L·法雷尔，沃尔特J·雷哈特.投资组合管理理论及应用(PortfolioManagement:TheoryandApplication)[M].北京：机械工业出版社，2000.
[2]RichardC.Grinold,RonaldN.Kahn,ActivePortfolioManagement:AQuantitative
ApproachforProducingSuperiorReturnsandSelectingSuperiorRernsand
ControllingRisk,McGraw-Hill,1999.
[3]陈世炬，高材林.金融工程原理[M].北京：中国金融出版社，2000.
【关键词】模型驱动架构 个人理财 资产配置
模型驱动架构下的个人理财资产配置系统开发及应用，具有人性化、标准化的服务理念，注重个人理财的投资回报，规避理财资产配置中潜在的风险。资产配置系统的开发，在模型驱动架构的干预下，具备信息化的特征，更加适应现代个人理财的基本需求，应用在金融机构的平台中，为客户提供优质的理财服务。
1 个人理财资产配置系统的开发
个人理财资产配置系统的开发，需要在服务、功能、行为、用例以及质量领域进行建模，系统开发中，各项模块是以页面或弹窗的方式完成的。个人理财资产配置中，采用了模型驱动架构，整个架构决定了系统软件的运行方式。基于模型驱动架构的个人理财资产配置系统，执行流程为：Web服务JSP页面服务层接口服务层实现业务对象/业务逻辑数据访问层接口数据访问层实现数据连接层接口。
首先模型驱动架构在个人理财资产配置系统内，将EA平台应用在系统的整个开发周期内，提供可视化编辑、语言程序、模板编辑等功能。EA平台在开发个人理财资产配置系统时，表现为三个层次，分别是：
（1）开发业务对象，支持资产配置系统导入文件，拓宽业务层面的服务功能；
（2）应用模型开发，提供系统开发的组件；
（3）代码模型开发，保障系统的接口应用。
然后个人理财资产配置系统开发时，投资风险是不可忽视的项目，客户的收益与风险，是一项对立的因素，模型驱动架构，在资产配置系统开发时，在收益与风险中，设计有效便捷曲线，该曲线可以做为客户选择投资组合的依据，分析投资组合的类别比重，着重考虑资产配置中的收益与风险。
最后是模型驱动架构在资源配置系统开发中，引入成本优化模型，主要是降低个人理财时投入的资金，减少资源配置交易时的成本。除此以外，还包括在险价值优化模型、无风险资产优化模型等，目的是优化个人理财的资源配置。
2 个人理财资产配置系统的应用
个人理财资源配置系统在模型驱动架构下的应用，主要是模型到实现的转换，例举几点重要的应用，如下：
2.1 建立PIM
系统的PIM，概括了个人理财的所有业务，促进业务的顺利完成。PIM是资产配置系统框架的核心支持，为配置系统的应用提供优质的条件。PIM基本是在自动化的状态下完成的，提高个人理财资产配置的质量。设计师将模型驱动架构中的PIM，引入到个人理财资产配置应用中，提供了跨平台使用的条件，建立PIM后，就会将资产配置的过程，转化为劳动生产，确保资产配置能够得到最大程度的应用，提供个人理财的水平，注重资产配置的层次结构，保证个人理财资产配置系统能够按照一定的原则，进行投资理财，PIM会按照一定的经验，在信息化的环境中，提供资产配置的建议。
2.2 PSM转换
PSM转换，需要在资产配置系统配置开发完成后进行，选择开发的平台，按照客户的需求，规划系统的应用。PSM转换后的功能有：
（1）个人理财资产配置系统应用时，具备稳定的数据库技术，明确客户之间的关系，按照业务逻辑，处理客户之间的资产问题，客户个人理财资产配置中，需要庞大的数据库支持技术，便于处理资产配置中的各类信息，保障系统具备全面服务的能力。
（2）资产配置系统在PSM转换的支持下，了解客户理财的业务关系，创建业务逻辑模型，专门为客户提供业务服务，解决客户的业务问题。
（3）供应资产配置系统所需要的配置数据，模型驱动构架中经过PSM转换后，为资产配置系统提供自定义的窗口，方便操作人员查询客户的信息数据。
2.3 CODE转换
CODE是在PIM基础上转换来的，主要是转换个人理财资产配置系统内的软件，为理财计算提供必要的场所。模型驱动构架提供了转换的界面，实现CODE后，个人理财资产配置系统的功能会更加齐全，每项业务界面，都会对应子菜单，存储客户的信息，资产配置，反映出个人理财的各类关系，注重系统内关系的考量和应用，才能明确客户个人理财资产配置中的关系，便于后台分析资产配置的信息，为客户提供收益信息。
3 个人理财资产配置系统的构建
基于模型驱动构架的个人理财资产配置系统的构建，可以分为三个部分。首先是模型驱动构架，根据个人理财资产配置界定内部的资产类别，促使客户个人，能够自由选择理财产品，如存款、信托、房产等，重点为客户个人，提供无风险资产，例如：个人客户采用定期存款的方式，配置财产并获取收益，明确个人理财资产配置的应用。
然后个人理财资产配置系统选择样本，获取相关的样本数据，表明理财产品的各自收益，方便客户的选择。模型驱动构架下的个人理财资产配置系统，可以为客户提供优质的投资组合，由系统提供组合的样本，而且各项样本数据，逐渐完善，反馈投资组合的收益率。
最后利用模型驱动构架，构建个人理财资产配置的计算过程，表明国债投资、股票投资、无风险投资等的收益率，利用报表的方式提供给投资客户，此类数据需要模型驱动构架从个人理财资产配置系统的后台获取，帮助客户选择风险最小的理财方案。个人理财资产配置系统的构建过程，反馈出诸多可用的信息，促使客户能够选择符合自身情况的投资方式，获取一定的收益，既能限制客户的个人理财投资，又能提供投资原则，主动优化个人理财的资产配置，提高收益率。
4 结束语
个人理财资产配置系统的开发和应用，朝向信息化的方向发展，模型驱动构架，为个人理财资产配置系统提供了信息化的技术支持，促使资产配置中，具有信息化的特征，取代传统人为操作的方式。个人理财资产配置系统内，更加重视模型驱动构架的应用，实现信息化、功能化的系统开发，满足应用的需求。
参考文献
[1]姜晓燕.模型驱动的SaaS租户应用构建方法的研究[D].山东大学，2012.
[2]王怡.基于模型驱动架构的个人理财资产配置系统开发应用研究[D].东华大学，2011.
作者简介
施蓓莉（1980-），女，江苏省人。大学本科学历。现为浦发银行工程师。主要研究方向为银行财富管理业务系统建设。
关键词：家庭金融；能力效应；市场参与
Competence effect and financial market participation: Evidence from Household Survey Micro-Data
Wu Weixing Xu Qian Wang Gong
(Research Center of Applied Finance, University of International Business and Economics, Beijing 100029, China)
Abstract: In addition to household demographic characteristics, household wealth, illiquid assets and other objective factors, investors’ subjective perceived competence also have a significant effect on household participation in the financial market. Based on survey micro-data of households, this paper defines two indicators by the self-assessment of understanding of the market and investors’ own perceived ability. Empirical results show that investors’ subjective perceived competence has a significant and positive effect on household behaviors about market participation. It implies that the investors with higher self-perceived competence are more likely to participate in stock investment. It is also found that investors’ subjective perceived competence is mainly affected by education level, household income and health status.
Key words: Household finance; Competence effect; Market participation
能力效应与金融市场参与:基于家庭微观调查数据的分析
摘要：除了居民家庭的人口统计学特征、财富水平和非流动资产等客观因素之外，投资者主观能力感受对居民家庭金融市场参与也有显著影响。基于中国居民家庭微观调查数据，根据家庭户主对市场了解程度的自我评价以及能力水平感受构建指标，发现居民家庭主观能力感受对居民家庭市场参与行为具有显著的正向影响，表明如果投资者如果在自我感知的能力方面对自己有更高的评价，则更有可能参与股票市场。同时研究也发现教育程度、家庭收入和健康状况等均会显著影响居民家庭的主观能力感受。
关键词：家庭金融；能力效应；市场参与
经典的投资组合理论在最为一般的假设下证明经济人的最优资产配置是持有一定比例的风险资产和一定比例的无风险资产，并且风险资产的权重是不变的。但实证研究发现不管是在发达国家还是在新兴市场国家的居民家庭即使是非常富有的家庭都有很大比例没有参与股票等风险类资产的投资，这似乎并不符合经典理论的结论，学术界称之为“市场参与之谜”。那么，在现实中哪些因素是导致投资组合异质性的原因呢？大量的研究已经对居民家庭的人口统计学特征、财富水平和非流动资产等客观因素与家庭资产配置的关系进行了研究，本文则在此基础上基于中国居民家庭微观调查数据，对投资者主观能力感受与居民家庭金融市场参与之间的关系进行了分析，并探讨了影响居民主观能力感受的因素。
一、 相关研究综述
1.1居民家庭投资组合研究
但去年以来的资金市场乱象表明，在目前环境下，市场优化配置资源的能力受到极大的抑制，尚无法有效建立良性循环。 脆弱的资金市场
2013年6月以来，我国资金市场表现出明显的脆弱性。
首先是资金市场与实体经济的联系弱化，存在资源错配现象。
一方面，从资金来源方到资金使用方，需要涉及的机构、环节和链条越来越多，越来越不透明、表外化。越来越多的资金通过影子银行系统汇集、转换并最终投到实体经济领域。我国仍存在大量的行政调控和监管措施，对正规金融的监管较为严格。金融机构为了应对转型压力，绕开各类金融管制，将资金投到产业政策不鼓励甚至禁止，但又有风险收益合理性的领域，因此，越来越多的金融机构、准金融机构纳入资金链条，其设计的方案也愈显复杂。如果我们以链条较短的人民币贷款、债券和股票占社会融资总量的比重来看，2009年之前，占到80%以上，2010年-2012年，则下降到70%以上，2013年进一步下降到60%左右。更多资金通过委托贷款、信托贷款投放到实体经济。
另一方面，实体经济的杠杆率越来越高，金融资源的配置与实体经济的真实还款能力关系越来越弱化。央行统计的工业企业资产负债率，从2007年底的58%上升到目前的62%左右，上升了4个百分点。如果以各类贷款、企业债、应收账款等占GDP的比重衡量，该比值近些年来也一直上升。
更为重要的是，实体经济的盈利能力处于下降过程中，与金融领域要求的资金价格越来越出现矛盾。以工业企业为例，如果计算主营业务的资产利润率，近些年在7.5%左右，接近银行的加权贷款利率。考虑到银行贷款在企业外部资金来源中的比重逐步降低，其他资金来源的资金成本一般都高于银行贷款利率（事实上企业从银行获得资金的真实成本，远远高于贷款标价利率），主营业务的资产利润率已事实上低于企业的资金成本。虽然企业近些年仍负债扩张，但这种行为已不具有经济合理性。
其次，资金市场“大起大落”，对各类信号高度敏感。2013年6月“钱荒”以来，资金市场价格全面走高，并呈现出“大起大落”的特点。这种“大起大落”，表现在各个信用等级的资金需求上。迄今为止，已出现过三轮较为明显的波动。加上跨境资金流动，尤其是其中的套利性投机资金的流动，进一步加大了我国资金市场的波动。市场对各类信号，不论是央行的操作，还是市场信用违约传闻，都表现出高度敏感。
再次，资金市场缺乏分层。不同信用等级的信用利差在持续缩小。以市场上比较重要的五年期AA-与AA信用等级信用债利差来看，已从最高的1.8个百分点，下降到目前的0.6个百分点左右。更重要的是，由于大量的银行理财产品被市场认为无风险利率，但事实上被投资到风险资产上，混淆了风险资产和无风险资产，导致市场在最重要的无风险市场利率和风险市场利率出现混淆，抬升了无风险利率水平，一定程度上压低了部分风险资产的利率水平。
从绝对数量上看，我国的信用仍快速扩张，但增速已开始放缓。2013年的M2增速仍高达13.6%，人民币贷款增速14.1%，新增人民币贷款8.89万亿元，累计新增社会融资总量17.29万亿元。但如果从社会融资总量的增速来看，增速已从2012年的22.87%下降到2013年的9.69%。工业企业的负债增长率，也从之前的20%以上，下降到近些年的13%-14%。这意味着，“信用盛宴”过后的正常化、边际收缩已开始并持续了1年-2年。 资金困局的背后
当资金价格的波动是由实体经济真实变化所驱动的，那么这种波动是合理的，是有利于市场资源优化配置，是有利于促进经济和金融结构优化调整的。
但如果是由于其他原因导致资金价格波动，并因此引导资源配置，那么就容易产生资源错配，并使这种割裂积累引发风险。当前资金市场的困局，其根源在于市场信号失真，从而导致资金市场缺乏甄别能力，难以跳出恶性循环。
我国的资金市场乱象，来源于两类的市场失灵。一是普遍存在的道德风险。由于我国特殊的稳定机制，市场上普遍存在中央政府救助预期，各种法律合同形同虚设。市场主体并不重视对所投资对象的真实风险评估，大量基于政府救助和刚性兑付预期。银行的国家安全网，通过银行理财、同业及各种表外业务广泛滥用，溢出银行体系，推升市场的无风险利率水平。市场没有动机严格区分不同信用等级企业的风险，风险利差在缩小。政府、银行信用的无序介入，破坏了市场的风险收益信号。
二是在金融转型过程中，网络金融为了快速抢占市场，采取跨业补贴的竞争方式，进一步抬升了市场无风险利率水平。部分网络企业通过直接或间接的收益补贴，或者直接或间接流动性保证，一定程度上补贴了流动性风险。这种跨业补贴搅动了原有金融体系的竞争规则，带来了一定程度的市场失灵，进一步抬升了市场无风险利率水平。
资金市场的乱象，引发了市场的过度膨胀和挤出效应，使得资金市场与实体经济之间陷入恶性循环。
无风险利率的非正常性抬升，推高了社会的整体资金水平，挤出了处于边际状态的、有活力的实体经济企业。目前银行理财产品收益普遍在5%-6%间，加上1%-2%的营运成本，2%-4%的风险收益，一般企业资金成本至少在10%之上。这么高的利率水平，导致从事实体经济的企业放弃了债券发行和外部融资，减缓了应有的资产扩张。制造业的固定资产投资同比增速2012年以来持续下降，目前已降到18%左右。
近些年来，地方政府债务快速膨胀。根据审计署公布的数据，地方政府负有偿还责任的债务为10.88万亿元，负有担保责任的债务为2.67万亿元，可能承担一定救助责任的债务为4.34万亿元。以一般贷款加权平均利率计算，每年的利息支付就高达7768亿元-12773亿元。仅利息产生的现金流压力就已给地方政府带来巨大的压力。债务规模的膨胀，与风险扩大相联系，将进一步推高风险收益水平，进而更快恶化其现金流状况。
房地产市场也是信用过度膨胀的主要领域。由于资金成本越来越高，去年底今年初，越来越多的银行受盈利压力，开始追求风险收益，不再将低风险的房地产抵押贷款作为其资产配置的重点，部分银行甚至减少房地产抵押贷款。受三四线城市房地产供求影响，银行也开始提高对这些地区房地产商的放贷标准。市场利率的上升，已在供需两方面损害房地产市场发展的基础，房地产市场出现了拐点迹象。 金融体系“钢化玻璃”症
资金市场乱象，是金融风险的外在表现。我国金融风险的形成有其特殊性，突破资金困局，需要深刻挖掘我国金融风险产生的内在根源，尤其是其中具有系统性风险特征的金融风险形成根源。
首先，金融体系反映了实体经济的转型多艰。我国经济正处于从高速向中高速增长转换时期，增长动力和经济结构正发生重大变化。与此相适应，资源配置也将发生重大变化，增长速度、模式调整，引起资产价格的重估。实体经济的去产能、产业结构调整和运行模式转换，都将在金融体系中有所反映，表现为银行不良贷款的增加，股票和房地产市场的震荡和分化。转型过程中，政府过度介入，产生了隐性担保，也给金融体系发出了扭曲的价格信号。
其次，金融改革和转轨过程中的不协调，加剧了金融体系的脆弱性。我国仍是发展中国家，金融的深度和广度仍不足，市场缺乏分层和融合，为实体经济提供服务的创新仍受到一定制约。但这主要影响到金融效率，虽然这最终也会影响金融安全，但从风险角度，我国更大的金融风险来源于金融改革和转型过程中的不协调。
我国当前的金融体系，是适应于原有经济增长和管理模式的。随着经济转型，金融体系也在改革和转型。但由于改革和转轨的内在不协调性，金融体系的脆弱性更加突出。脆弱性的本质，是权责利的不一致，导致行为的持续扭曲。
集中表现为：一是金融市场化转型与行政化管理手段之间的矛盾。金融机构和市场已在相当程度上市场化运行，但我国的宏观调控和金融监管却仍保留了大量的行政性、数量型手段，两者出现一定的冲突，如有管理的浮动汇率制度、资本账户管制、严格的准入限制、事实上的贷款规模控制、存贷比、较高的法定存款准备金率、投资的行业限制等，管制与创新的活跃发生矛盾。
二是分业监管和混业经营之间的矛盾。我国的不同金融市场开始融合，金融领域事实上已混业经营，但我国仍采取分业监管的管理框架。不同监管部门在主管行业利益等推动下，存在一些不利于金融整体稳定发展的监管竞争行为，给监管套利提供空间。在泛资产管理领域，表现的较为突出。
三是民间金融快速发展，但缺乏有效的调控和监管框架。民间借贷、网络金融快速发展，金融机构的表外业务创新活跃。我国以M2为目标的数量型货币调控，越来越不适应金融的发展，调控的有效性下降。这些金融业务还缺乏基本的法律界定，存在监管真空。
四是其他领域改革与现有的金融管理体制不协调。如上市公司的治理受制于国有企业改革；财税体制改革滞后，使得地方政府混淆政策性和商业性融资，过度介入金融市场等。
再次，不合理的损失承担机制，是导致我国金融系统性风险不断累积的根原。我国金融体系广泛存在道德风险，且国家信用被滥用。缺乏存款保险制度的、以国有为主的银行体系，加上由于我国的社会保障体系尚不完善，出于维护社会和金融体系稳定的考虑，我国几乎不计代价地维护金融稳定。使得我国正规金融体系几乎等同于国家信用。
在资本市场等市场化盈利要求压力下，金融机构过度扩张，滥用了国家的隐性安全网；政府干预经济，参与市场融资，混淆了财政和金融的界限，扭曲了实体经济的价格信号，使得金融体系将资源过多地配置到财政领域，金融和财政风险相互融合和转化；政府将金融稳定理解为不出现风险事件。
在经济处于上升周期时，风险事件还仅仅是期限错配的流动性风险，这种集中有助于消化风险。但一旦经济处于下降周期，风险事件超出期限错配类的流动性风险，转化为集中的系统性风险，破坏了金融系统通过及时释放风险的方式维护系统稳定的功能，整个金融体系呈现出“钢化玻璃”特征。 有序打破刚性兑付神话
从现象层面上看，只有破坏了市场存在的刚性兑付预期，才有可能促使资金市场真正发挥市场约束作用，实现对资源的优化配置。
但考虑到刚性兑付是维持我国经济、金融运行的一个重要预期基础，简单破坏刚性兑付，有可能启动金融体系，进而引发实体经济的大面积坍塌，产生系统性风险。为此，合理引导市场预期，有序打破刚性兑付，就成为重建市场甄别机制的关键所在。
为此，按照市场规律打破刚性兑付之前，有必要做好两件事。
一是明确地方政府债务的处理原则和方案，将地方政府债务的处置适用于非完全市场化的方案。去年经济工作会议上，我国已把处置地方政府债务作为今年经济工作的重点之一。今年“两会”期间，国家又明确赋予地方政府依法适度举债融资权限。剥离融资平台的政府债务融资职能，允许地方政府发行新债置换存量高收益债务，防止资金链断裂。
虽然高风险地区不再新增债务余额，但通过置换存量债务，仍可保证不突破债务余额，可保证资金链不断裂，并降低利息负担。同时，明确了更加规范、市场化和分类的新增地方政府举债融资机制。区分短期债务、一般债务和市政债务，分类管理，限额控制，加强金融机构债权人约束，发挥市场纪律，建立考核问责机制和信用评级机制。
当然，这些原则性方案给市场指明了方向，但要有效隔离地方政府债务在此过程受到过度波及，还有必要进一步明确必要的操作方案。一旦明确市场可行的操作方案，与地方政府有关的债务市场，则可实现与市场机制的一定隔离，引入非完全化的处置机制。这可能会对地方政府的增量资金产生不利影响，从而对地方政府支持的基础设施投资带来一定影响，但有助于为减轻破坏市场刚性兑付预期可能带来的冲击，尤其是保留了政府融资能力和应对空间。
二是有必要事先明确房地产的政策选择。一旦破坏刚性兑付，房地产市场将不可避免地受到一定程度的影响。但房地产市场融资并不直接以刚性兑付为基础。房地产价格的上涨是支撑房地产融资的关键因素之一。但支撑房地产价格稳定上涨的一个重要因素，是房地产在地方政府收入、经济运行和金融扩张中的作用，存在出于维护经济稳定增长的隐性担保。有鉴于此，有必要尽快明确房地产的长效机制，使市场能形成合理的稳定预期。
在建立多部门应急预案基础上，破解资金市场乱象和困局，应当将重点放在打破市场刚性兑付预期上。产生市场刚性兑付预期的基础，主要有两个，一个是由于我国稳定机制导致的救助逻辑，不但太大不能倒，太小也不能倒，甚至大量的跨境套利资金也是基于我国的经济稳定承诺。另一个是事实上没有出现违约事件。在不引发系统性风险的前提下，有序打破市场刚性兑付神话，重建市场秩序并非易事。打破刚性兑付的过程，实际上就是重建我国经济社会稳定机制的过程，需要在思想认识、制度设计和组织安排上都有所调整。
关键词：经济衰退；银行资本；顺周期；优先股资本化
文章编号：1003-4625(2009)06-0008-05 中图分类号：F831.5 文献标识码：A
一、前言
自巴塞尔协议实施以来，越来越多的学者认为，银行资本的顺周期性是商业银行信贷亲周期行为的重要原因之一。在经济繁荣阶段，商业银行倾向于减少银行资本，发放更多的贷款，而在经济衰退时候，商业银行倾向于增加资本，收缩信贷。我们以经济衰退为例解释资本顺周期变化的原因及其对信贷活动的影响。首先，银行的盈利能力具有明显的亲周期性。在经济萧条期，客户财务状况恶化，偿付能力下降，银行将面临贷款损失的突然增加，资本受到侵蚀，银行盈利能力下降，并引发严格的信贷评审和总拨备覆盖率的快速上升，进而导致信贷萎缩。其次，银行资产质量与经济周期平行。银行贷款质量依赖于银行的内部评级体系、外部评级结构及信贷风险模型，当经济衰退时，客户违约率(PD)和违约损失率(LCD)明显上升，这导致采用“时点”法(PIT)的评级机构降低对客户的评级，而且，担保物的价值下跌使贷款损失准备和资本水平提高，这加剧了信贷活动的萎缩。再次，银行外部筹集资本的能力与经济周期平行，当经济陷入衰退，整体经济状况不断恶化，银行积累的风险不断暴露，这导致其从外部筹集资本的能力下降，或者必须支付更高的成本。最后，信息传染导致银行业资本选择的羊群行为。当经济开始显现衰退的征兆时，大银行由于在信息上的优势，率先做出注入货币资本或通过降低风险资产而相应增加低风险资产增加资本，这将引起其他小银行的竞相模仿，从而导致银行业资本充足率的顺周期变化。新巴塞尔协议关于资本的监管则强化了信贷行为的顺周期特征，并放大经济冲击，加剧金融脆弱，甚至触发金融危机；而且，它会造成货币政策效果的非对称性，紧缩的货币政策比扩张性货币政策更有效。因为，在实行扩张性货币政策时，仅有“金融加速器”效应，而在货币政策紧缩时，除了存在“金融加速器”效应，还有“银行资本加速器”效应，尤其是低资本水平银行的比重较大的时候，货币政策的效果更不显著。
次贷危机以来，全球经济陷入衰退，金融体系遭受重创，各国监管部门的干预集中在保持银行的偿付能力，即使是大量的资本注入也未能形成新增贷款，而是被银行部门转作其他用途，加之银行资本的筹集压力进一步加大。于是，支持信贷需要的新增银行资本却无法实质性增加，加剧了经济的衰退。所以，研究经济衰退阶段缓解银行资本顺周期、增加信贷供给的有效机制就凸显特别的现实意义。
二、银行资本顺周期效应的缓解机制：文献综述
对于大多数国家而言，银行是最主要的金融中介，在缺乏有效的政策工具以消除银行资本的顺周期效应的前提下，只能基于审慎监管框架的“安全与稳健”原则，采取更积极、主动的措施来应对周期性问题。笔者对国内外学者关于这方面的措施总结如下：
(一)加强以风险为基础的反周期监管
Tarisa Watanagase(2004)指出，应建立在准确分析和判断基础上的以风险为基础的监管，要求银行监管者在经济好的时候既不过度乐观，在经济坏的时候也不过度悲观，并鼓励银行建立和不断完善内部风险管理体系，增强其自身的风险管理能力，以此来削弱银行体系的顺周期性。Gordy and Howell(2006)则认为，监管当局可以根据经济周期阶段，采用向量自回归原则(使用时间序列过滤器平滑每个银行的监管资本要求)和反周期指数规则(对风险权重函数附加一个随时间变化的乘数，经济扩张时期乘数大于1，经济衰退时期乘数小于1)两种方法平滑风险权重函数的输出值。由于PD、LGD和EAD作为风险权重函数的输入变量，将直接决定贷款的风险权重。因此，多数学者认为，应该降低PD、LGD和EAD的周期性波动，相应的办法是：采用跨周期评级法，用于计算资本要求的PD也应反映长期平均违约率；估计LGD的数据应覆盖一个完整的经济周期，方法上应采用违约加权长期平均损失率，以接近与PD较高时期的损失率；EAD应是长期违约加权均值，银行应保守地确定估计值的误差范围，尤其是在估值不稳定时，应该使用经济低迷时期的EAD。巴塞尔新资本协议还要求，监管当局应检查银行压力测试的执行情况，直接运用压力测试结果判断银行是否持有高于第一支柱计算的资本要求，确保资本水平能同时满足第一支柱的资本要求和压力测试反映的结果，以保证其持有足够的资本以应付未来可能的市场冲击，缓解由资本短缺引致的信贷收缩。
然而，对资本监管实施反周期调节，虽然有利于限制短期经济周期效应，但长期内随着不良资产的累积将加剧经济的周期性波动，而且，在技术上难以操作。所以，反周期监管也饱受非议，例如。Cordy and Howell(2006)就直言，跨周期评级法虽然有助于减少监管资本的周期性波动，但由于不同时期监管资本仅与经济资本的变化弱相关，无法通过监管资本推断经济资本，导致市场参与者难以持续监督银行，弱化了市场纪律。同时，由于该方法对市场状况的风险敏感度低，不利于银行进行积极的资产组合管理以及风险定价。
(二)积极、主动地使用审慎监管工具
1、超额资本要求的动态调整
这一工具的主旨在于，在经济高涨期，银行要持有比最低监管资本更多的资本；在经济萧条期，如果有必要，可以降低监管资本要求。Estrella(2004)指出，通过在经济萧条期设立“明智的最低资本要求”来削弱顺周期性的影响。刘斌(2005)认为，法定的最低资本充足率只是对银行的最低资本要求，不同的银行应根据自身的风险状况确定自己的最优资本充足率水平；监管当局制定的最低资本充足率不能过高，也不能过低，应从整个银行业来考虑。孙天琦和张观华(2008)则认为，最为切实可行的方案是要求两种不同的资本比率：一是最低资本比率；二是最低目标资本比率，预先设
定高于最低资本要求的比率。在经济高涨期，希望银行遵守最低目标资本比率，在经济萧条期，监管部门要求银行满足最低资本比率。Valencia(2006)的研究结果表明，银行保持超额资本以应对资本要求的波动，提供了自我保护；即使发生经济衰退，甚至风险权重显著上升，监管资本要求的信贷紧缩效应也非常有限。然而，Ayuso等人(2002)通过实证分析认为，超额资本水平与经济周期负相关，超额资本不能完全吸收监管资本的周期性波动。Mario等人(2005)也认为，在经济萧条时期放松对银行的资本要求，在经济扩张期强化对银行资本的要求，从而避免信贷和产出的过度波动是一种片面的分析，忽视了资本充足率政策对居民决策的影响。
2、增加对特定高风险资产或行业的信贷风险权重。
孙天琦和张观华(2008)认为，在经济高涨期，如果银行监管者发现银行贷款迅速向特定高风险行业聚集，其相应的的违约率(PD)、违约损失率(LGD)和风险暴露程度(EAD)都将明显上升，那么即使巴塞尔新资本协议规定此类贷款的风险权重为100％，监管当局可以要求提升到更高，监管风险资本比率要求没有发生变化，但是计算风险资产的方法发生了变化，导致银行监管资本要求上升。
3、动态准备金制度
风险往往形成于经济扩张时期，而显现于经济衰退时期。基于前瞻性原则设计的贷款损失准备金有助于平滑监管资本的周期性波动，抑制经济上升期贷款的快速增长和避免衰退期贷款过度收缩。Fernandez等人(2000)的研究表明，动态准备金制度的引入，有助于校正风险管理中的市场失灵，即在经济上升期低估风险，而在经济低迷期高估风险；增强银行管理层的风险意识，能够在事前有效判别风险，降低了贷款损失准备的波动性，更好地匹配整个经济周期内贷款组合的收入和支出，准确计量银行利润。Vinals(2005)也认为，动态准备金是缓解亲经济周期效应的最优选择，其缺陷是会计处理方法与贷款损失准备金存在会计原则性分歧，也缺乏可操作性。西班牙于2000年开始实施动态准备金制度，并取得良好的效果。
4、设定最大贷款对价值比率(抵押率)
孙天琦和张观华(2008)认为，资产价格的突然上升蕴含着巨大风险，因为资产市场价值的迅速增长会导致借款者净资产的上升，强化贷款的需求和供给，而且，并发的通货膨胀会影响贷款的实际价值。因此，可以预先设定最大抵押率限制以价格波动性比较大的资产(尤其在经济周期顶点资产价格会明显被高估)为抵押提供贷款，香港和泰国在这方面有过成功的实践。
(三)货币政策工具及其与监管部门的合作
王胜邦和陈颖(2008)认为，以“削峰填谷”为目标的货币政策工具是应对过度波动的有效工具，有助于防范金融体系的稳定，并为解决周期性波动提供更大的活动空间。孙天琦和张观华(2008)则认为，从理论层面讲，采取货币政策来消除巴塞尔新资本协议造成的银行贷款的周期性波动是可行的；如果仅仅关心短期效应，中央银行应该在经济萧条期采取更加激进的货币政策，但实际的有效应用还存在困难，需要对巴塞尔新资本协议货币政策传导机制的影响做全面实证分析，也需要中央银行对银行的财务状况进行持续的监控。
制定确实可行的政策来削弱顺周期影响。需要对宏观经济数据、银行业的整体健康状况、个别银行的具体情况有深入了解。在监管职责不是由中央银行承担时，就需要中央银行和监管当局之间的有效政策协调和信息交流，从而通过传统的货币政策工具和积极的审慎性监管工具来稳定宏观经济。威廉・怀特(2006)在阐述其新的宏观金融稳定框架时指出，金融领域的利益相关机构应该在金融稳定问题上加强合作。当金融体系的稳健性正在不断减弱，应首先考虑审慎监管；当金融体系仍然稳健，而债务人风险不断增加时，应该首先考虑采用货币政策手段。
(四)评论
巴塞尔新资本协议建立在三大支柱上，第一支柱是最低资本充足率，第二支柱是强制且明确的监管审查，第三支柱是市场纪律，即更加透明的信息披露。第三支柱是巴塞尔新资本协议的有效组成部分，它通过风险增加带来的成本上升和相应的资金和资本可得性降低，使社会公众能更好地约束银行的活动。所以，第三支柱是第一支柱和第二支柱的基础，提高了两者的可操作性。然而，上述缓解银行资本顺周期效应的机制除了其内在固有的缺陷外，都重在强调第一二支柱，而对第三支柱几乎没有涉及，甚至存在明显弱化第三支柱的倾向。不可否认，目前市场纪律并没有完全有效，这事实上导致或明或暗的国家担保，并形成了道德风险。
本文在综合考虑巴塞尔新资本协议三大支柱的基础上，结合威廉・怀特提出的“新结构”，系统地描述在经济衰退阶段银行资本监管的一种新框架――优先股资本化。
三、优先股资本化：一种新框架
威廉・怀特(2006；2008)认为，金融体系内在具有顺周期性的特征，解决当前的全球性的经济失衡问题，需要构建一个新的宏观金融稳定框架；银行资本顺周期是信贷周期性波动的重要原因，在经济衰退阶段，支撑新增贷款所需要的银行资本无法实质性增加，这将恶化经济的发展；借款人自我筹集资本，可以解决资本的供给问题，也能够监督商业银行的信贷行为和风险控制。
(一)一般情形――不相关金融投资者提供资本
考虑某一典型银行，假设：(1)在0时刻开始实施资产组合，风险权重为100％的加权风险贷款资产的总量为A，权重为0％的加权风险资产的总量为B，监管部门要求的一级资本一加权风险资产比率为x，相应的，存款负债为A，权益资本为B，且B=AX；(2)贷款利率由存款成本(r)、期望损失的准备金率(EL)和资本费用率(即资本的期望收益k)三部分组成，无风险收益率为rf；(3)贷款全部在0时刻以同一利率发放，1时刻到期，不存在操作费用、交易成本和税收；(4)权益资本的持有者是纯粹金融投资者，与借款人、存款人或国家无关，而且所有权益资本(包括留存收益)在1时刻全部归还给投资者。若在1时刻贷款的实际损失率为AL，那么银行在1时刻的现金流表示如下：
源自贷款的现金流：A(I＋r＋EL－AL＋k)
源自无风险资产的现金流：B(1＋r1)
源自存款的现金流：
－A(1＋r)－min(0，(A. X(1＋rf)＋A(EL－AL＋k)))
源自权益的现金流：
一max(0，(B(1＋rf)＋A(EL－AL＋k)))
从上述模型可以看出，随机变量是贷款的实际损失率AL，它是由权益资本所有者承担，由贷款的资本费用率k来补偿。所以，支撑新贷款所需要的资本必须由纯粹金融投资者提供，而存款由
国家提供担保。另外，这种环境下，贷款的损失率是严重不透明的，仅能用资本费用率来补偿，这致使银行在经济衰退阶段中表现出尤其明显的风险厌恶。
(二)优先股资本化――借款人提供资本
我们将上述的第四个假设改为支撑信贷资产的资本是银行发行的永久性的、非累积性的和无投票权的优先股，而且，这些股份全部由在0时刻借款额为B的借款人购买。同时，假定优先股的最高分红比率为无风险收益率rf，在1时刻贷款的实际损失率仍然为AL，那么1时刻的现金流可以表示如下：
源自贷款的现金流：A(1＋r＋EL-AL)
源自无风险资产的现金流：B(1＋rf)
源自存款的现金流：
－A(1＋r)min(0，(B(1＋rf＋A(EL－AL)))
源自优先股的现金流：
－max(0，(B(1＋rf)＋min(0，A(EL－AL))))
源自权益的现金流：-max(0，A(EL-AL))
从中我们可以发现在没有贷款利率的构成中就没有资本费用率k，原因是借款人通过持有优先股自己承担了实际贷款损失。因此，借款人的风险与优先股相挂钩，此时的贷款利率也较一般情形低。此时，银行产生的自由现金流有普通股股东和优先股股东(借款人)分配，虽然借款人有优先权，但仅限于rf，剩余部分归普通股股东。因此，优先股资本化是借款人自我筹集资本，它既不会摊薄普通股股东的利益，可避免两者之间的利益冲突，也不会增加贷款风险(尤其是对同一贷款人)，同时也使银行免费地吸收贷款损失，这完全符合巴塞尔新资本协议对一级资本所定义的特征。
(三)基于优先股资本化的操作方式与信贷风险
一般情形下和优先股资本化的实际贷款损失率均为AL，但是后者是以优先股的价值和借款人的能力共同承担偿债义务。但是这面临着一个问题，优先股价值的下降将直接或间接地增加贷款的期望损失，这将影响一级资本吸收贷款损失的功能。于是，优先股必须由借款人的股东购买，并假定优先股的处置价值在任何时刻都为零。但是，对借款人及其股东而言，仍然可以在其资产负债表中以优先股的实际价值记录到流动资产项下。我们以借款人的特定项目(SP)为例，描述优先股资本化对借款人信贷风险与资本结构的影响。
在优先股的价值中，给定其买入价高于市场收益，借款人的瞬时损失可通过贷款的成本来补偿。实际上，借款人的权益资本持有者可以通过多种方式，如推迟分红，提高新权益资本的价值，那么在经济衰退阶段，即使借款人提高杠杆比率，银行信贷资产的风险也不会实质性增加。
四、结论
一般情形下，银行的风险对普通股股东而言，仍然存在相对不透明。经济繁荣阶段，一般情形下的银行普通股股东的风险厌恶态度存在弱化趋势，而且也是银行高杠杆化的受益者，于是，他们缺少控制银行风险的激励；而银行的人也规模性地存在低估信贷风险的激励。作为借款人，其对银行的偿付能力不感兴趣，倒是希冀银行以尽可能低的成本提供最大风险的贷款。而在经济衰退阶段，银行普通股股东和人都存在高估信贷风险，囿于资本的限制，紧缩信贷，借款人的需求往往得到不满足。若采取优先股资本化的方式，信贷顺周期的状况将得到明显改变。优先股作为承担银行纯下降风险的资本，其不但为自身的贷款需求提供新的资本支撑，而且作为持有者的借款人也将直接影响银行的信贷活动，缓解问题。因为当商业银行资产组合中低质量贷款增加，其在经济环境中就很难确保新的贷款业务。所以，这种负的反馈机制可约束银行及其人的行为，遏止其通过不断放松信贷条件以追求市场份额，这恰恰是该框架的独特之处。
【关键词】资本资产定价模型；回归分析；系统风险；市场组合风险
1.引言
Sharpe（1964），Lintner（1965）和Black（1972）相继在马克威茨的资产组合理论的基础上提出了著名的资本资产定价模型（CAPM），用资产的预期收益率和β系数描述资本资产预期收益和风险的关系，在现实中具有较强应用性，如可以估计潜在投资项目的收益率，合理估计不在市场交易的资产价值等。
目前，国内研究主要集中于CAPM模型在我国的适用性上，而对个股实证研究的文献较少。本文将通过选取单个股票青岛啤酒A股（600600）的时间序列数据分时段进行回归分析，验证资本资产定价模型在不同时段的有效性，通过对不同阶段收益率的分析，研究对股票投资的指导作用。
2.模型
资本资产定价模型说明了风险与预期报酬间的关系。
E（Ri）=Rf+βi（E（Rm）-Rf）
其中Rf是无风险资产的报酬；Rm是市场组合的报酬。由于CAPM是对股票收益率的事前预测，因此，需将事前形式转换成可以用观测数据检验的形式，通过回归分析验证CAPM模型在此股票上是否有效。假定任何资产的收益率都是公平博弈，即平均来看，资产实现的收益率等于预期收益率，按照收益正态分布可以计算出CAPM的事后形式：Ri-Rf=(Rm-Rf)βi+εi[1]。其中Ri为个股回报率，即Ri=（Pit-Pit1）/Pit-1，Pit表示个股i第t日的收盘价；Rf为无风险收益率，本文选取当时的居民三个月定期存款利率作为无风险收益率；Rm为第t日市场组合回报率，采用上证综指的日回报表示，即Rm=（Pit/Pit-1-1）*100。
当公司股票发生除权除息时，需要对原数据进行复权复息处理。假定某年某日某公司股票发生除权除息：每10股派现p1元，送转n1股，配n2股，配股价p2元，该日收盘价为p3元，以该年第一个交易日作为基准日，则该日收盘价P3调整后价格P为：p=p3×（1+n1/10+n2/10）+p1/10-p2×n2/10[2]。
3.回归分析
本文选用上海证券交易所A股中的青岛啤酒（600600）进行研究，对2002年1月4日到2009年12月31日期间的数据进行回归分析，把原始数据通过以上公式运算，青岛啤酒股票日收盘价数据来源于凤凰财经、新浪数据；居民三个月定期存款利率历史数据来源于中国人民银行、中国银行官方网站；上证综指日收盘数据来源于中国证券期货统计年鉴。
使用Eviews 6.0软件进行回归，结果如下：
所以，Ri-Rf=-1.808463+0.087587（Rm-Rf）+µ
由Eviews 6.0结果显示，截距项和βj均通过显著性检验而成立。因为βi是股票收益率对市场组合收益率的回归方程的斜率，所以说明青岛啤酒股票的平均收益率与系统风险之间是正相关的线性关系。本模型中，可决系数R2即代表了系统风险在股票定价中的贡献，即总风险中系统风险的比例。R2=0.120176，表明青岛啤酒股票报酬率变动中有0.120176（约12%）是市场均衡组合报酬率引起的，其余的0.879824（约88%）是青岛啤酒的特有风险，这说明还有其他因素对青岛啤酒股票定价起主要作用，系统风险只是次要因素。
然后对短期数据进行分析，用2009年每月的数据进行回归分析，得出结果如表1。
从表1可以看出，十二个月的截距项全部通过显著性检验，有十个月的βi通过了检验，这说明青岛啤酒股票平均收益率与市场组合收益率存在正相关线性关系且随时间波动。从拟合优度上看，1-4月和7-8月均大于0.5，表明这期间股票没有异常波动，尤其是3月，基本上随上证指数的变化而变化。而10-12月R2偏低，说明青岛啤酒股票的收益率受到了公司特有风险的影响。这期间，快速消费品行业恶性竞争依然激烈，由于原材料价格持续上涨及全球经济不景气等因素影响，净利润同比下降，公司及其附属公司2009年10月1日至2009年12月31日期间，第四季度的归属于母公司股东的净利润环比减少约30%。此外，各月份可决系数普遍不高，说明股票的系统风险在青岛啤酒股票定价中起到的作用有限，即不足以用市场均衡组合报酬率来解释，而青岛啤酒股份有限公司特有的风险应为主要原因。从青岛啤酒2009年上半年的年报来看，其产量、营收、净利增速都高于行业平均速度。随着公司结构调整，其高端啤酒的销量持续提高，青岛啤酒净利润有望继续领跑国内啤酒行业。
上面的实证分析表明，青岛啤酒股票的平均收益率与系统风险存在正相关线形关系，系统风险在定价中只起到次要作用，赢利状况等公司特有风险起主要作用。青岛啤酒品牌结构升级是未来业绩长期增长的主要驱动力，市场占有率上升促成行业垄断格局下的营业费用率下降则是更长期核心驱动力。随着战略实施，品牌和产品结构调整，以及管理能力的跃升，品牌建设投入将进入收获期，分地区分拆主营业务后，预计主营业务收入、EBIT和净利润均会大幅提高[3]。
品牌战略、发展战略、组织结构、经营管理等中长期影响因素是影响青岛啤酒公司长期投资价值的基础，同时，青岛啤酒长期价值低估，公司六大区域稳健发展等，青岛啤酒在这些方面具备的优势，使其未来有希望成为快速消费品行业中最具长期投资价值A股上市公司。
参考文献
[1]向方霓.对资本资产定价模型(CAPM)的检验[J].数理统计与管理,2001,20(3):32-33.
[2]罗庆忠,杜金燕.我国保险资金运用中股票组合的风险特征研究[J].保险研究,2007(1):20-25.
购物车(0)