时间:2023-12-23 10:02:41
导语:在量化投资与基本面分析方法的撰写旅程中,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。
德意志银行在第十二期年度另类投资调查报告中预测,2014年,对冲基金管理资产总规模将从2013年底的2.6万亿美元增至3万亿美元新高。而反观国内,量化对冲投资才刚刚起步,尤其是公募领域,尚未有一只真正意义上追求绝对收益的量化对冲产品。
受市场有效性和工具种类等因素的限制,国外一些成熟的量化对冲模型无法照搬回A股。我们将国外的模型进行了本土化的改造,4年来,这种改造已初见成效:2013年,我们的8个量化对冲专户组合年化平均收益超过了12%。我们欣慰地看见,中国式的量化对冲投资已见雏形,且羽翼渐丰。
这些专户组合的投资过程,也是我们验证本土化量化对冲模型的过程。在实际运行的组合中,我们大体采取两种模式:阿尔法策略和套利策略。所谓阿尔法策略,是专注于创造绝对收益。根据A股市场的特点,我们将理论上的阿尔法策略进行了改造,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;第二类是套利策略,即利用衍生品到期收敛特点进行套利,在国内做得比较多的就是ETF和分级基金套利。这类套利策略基于市场的广度和速度,但囿于公募基金内部防火墙等监管规定的限制,我们采用的多为分级基金套利。这种方法绕开了高频交易对速度的极致追求,能够为组合贡献无风险收益。
更为可贵的是,通过量化对冲专户的实践,我们打造了自己的量化投资流水线,在金融工具、阿尔法策略、套利及实时风控等业务链环节上,我们的团队和模型进一步得到完善,即使在白酒股异动、乌龙指这样的“黑天鹅”事件出现时,也经受住了市场的考验。
尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。
二、量化投资“黑箱”中的构造与证券投资学的差异
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。
三、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
(四)2013年诺贝尔经济学奖的启示
关键词:对冲基金 对冲策略 量化投资 资产管理
2011年以来,随着投资者对股指期货、融资融券等做空工具认识的深入,对券商自营参与股指期货不俗表现的考察,基金专户、信托、券商资管甚至有限合伙制的“量化对冲”型产品不断发行。但是由于“量化”相对来说对于数学、计算机等技能要求比较高、模型化程度较高,往往产品管理人或营销渠道还故意渲染其“黑盒子”特征,让它们产生更多的神秘感和高深度。事实上“量化对冲”并不复杂,其中量化是获取收益的方法,是和基本面、技术分析相并列的几个证券投资分析方法之一;而对冲才是关键,它是管理风险的手段,通过对冲来规避市场系统性风险,从而在市场整体下跌过程中还能获利。
由此可见,量化和对冲并非同一回事情。量化不仅可以管理对冲型产品,也可以在公募基金中很好的运用。比如,2012年8月底成立的交银阿尔法核心股票基金就是以量化的方法进行管理的,在成立不到三个月的时间中就超越沪深300指数1.5%。同样,对冲基金可以用量化的方法来管理,比如文艺复兴科技公司的大奖章基金等;也可以用基本面方法来打造,比如鲍尔森基金、索罗斯的量子基金等。运用基本面方法进行管理的对冲基金同样有不俗的表现,美国市场1998-2008年十年间基本面中性对冲基金平均年收益9.1%,远超过很多共同基金、量化的对冲基金。本文希望能够通过对对冲基金策略逻辑及原理的分析,为投资者和学术研究人员进一步了解市场及新兴的资产管理模式提供帮助。
共同基金与对冲基金――低利率高波动环境下的专业化分工选择
(一)共同基金
共同基金早于对冲基金诞生,它起源于英国,盛行于美国。在美国,共同基金的发展得到了法律的支持与推动(如1933年的《证券法》、1934年的《证券交易法》、1940年的《投资公司法》和《投资顾问法》),形成了完整的制度体系与运作流程。在长达数十年的发展过程中,共同基金为投资者带来了丰富的回报,但同时也暴露了自身的缺陷,即共同基金无法规避系统风险,它们在熊市来临时只能减少但不能消灭损失。也就是说,共同基金的收益率与股票、债券等基础市场的相关性较高。而且,并不是所有的共同基金都可以跑赢基准(即所谓的相对收益),先锋基金公司鲍格尔研究发现,1942-1997年间,主动型共同基金平均落后标普500指数约1.3%,即主动型共同基金在平均意义上无法跑赢比较基准。
(二)对冲基金
在出现低利率、高波动性与低证券投资收益的背景下,投资者需要寻找另类的投资工具,以满足其追求绝对收益的需求。对冲基金投资范围广、投资策略灵活,既可以在经济繁荣时获利,也可以在经济萧条时获利,因此获得了较好的投资效果。对冲基金(Hedge Fund)又称套利基金或避险基金。对冲(Hedge)一词,原意指在赌博中为防止损失而采用两方下注的投机方法,因而把在金融市场既买又卖的投机基金称为对冲基金。美国的对冲基金是随着美国金融业的发展、特别是期货和期权等交易的出现而发展起来的。对冲基金起源于20世纪50年代初的美国,原意是指广泛利用金融衍生产品进行风险对冲的一类基金。然而,对冲基金后来的发展大大超出其原本含义。如今人们普遍认为,对冲基金是利用各种金融衍生产品的杠杆效用,承担高风险、追求高收益的一种投资模式。
那么,对冲基金到底是什么呢?实际上,对冲基金具有十分丰富的内涵,很难进行精确定义。不过,通过考察和比较各类对冲基金,依然可以发现以下共同特征:
采取有限合伙制,多为私募形式。由于操作上要求高度的隐蔽性和灵活性,因此,对冲基金采取有限合伙制且以私募形式募集资金,这样可以避开针对公募基金的监管需求例如信息披露、投资组合限制等。投资者以资金入伙,但是不参与投资活动;发起人同样以资金入伙,但负责基金的投资决策与销售管理。一般来说,合伙人的数量受到严格控制,例如美国要求控制在100人以下。
追求绝对收益。追求绝对收益是对冲基金的典型特征,这一点与共同基金明显不同。共同基金的业绩评价一般采取“相对收益”,以跑赢市场、获得高于市场基准的收益为目标,而对冲基金则以“绝对收益”为目标,不强调与市场基准的关联度。
发起人放入自己的资金,采用激励管理费率。对冲基金的发起人会将自有资金放入所管理的基金中,管理费率则采取“固定费率+业绩提成”的方式,这便使得对冲基金的发起人与投资者建立起“风险共担,收益共享”的关系。
使用杠杆,多头/空头,操作非常灵活。对冲基金的投资范围非常广,涉足利率、汇率、股市等多个市场。对冲基金的投资策略非常灵活,不仅建立多头头寸,也会根据市场判断和策略需要建立空头头寸。而且,由于追求绝对收益,因此对冲基金常常使用杠杆,包括杠杆借贷(利用银行信用放大资金倍数)、杠杆投资(利用衍生品放大投资系数)等,以追求最大程度的高回报。由于操作上的高度隐蔽性、灵活性以及杠杆效应,对冲基金在现代国际金融市场的投机活动中担当了重要角色。
综上所述,对冲基金经过几十年的不断演变,已经成为一种新的投资模式的代名词―即采取有限合伙人制和激励管理费率,基于前沿的投资策略与复杂的投资技巧,充分利用金融衍生品的杠杆效应,追求绝对收益的投资模式。
(三)共同基金与对冲基金的比较
对冲基金与共同基金的比较如表1所示,其本质区别是法律结构的差异。共同基金具有更加透明的信息披露,更加严格的监管环境。而对冲基金由于其私下募集性质,因此具有更加灵活的操作方式。从风险管理水平来看,共同基金通过组合分散来管理风险,但是无法规避系统性风险;而对冲基金则通过对冲来规避风险。
对冲策略原理与实证分析
对冲策略通过构建多空头寸进行风险规避,是最常见的获得准绝对收益的手段。最传统的对冲策略是套利策略,通过寻找市场错误定价的机会,建立相反方向的头寸来获取收益。最典型的对冲策略是Alpha策略,通过构建相对价值策略来超越指数,然后通过指数期货或期权等风险管理工具来对冲系统性风险。另外,中性策略也是比较典型的对冲策略,通过构造股票多空组合减少对某些风险的暴露,可以分为基于基本面和基于统计的两种类型,配对交易就属于后者。第四类对冲策略是事件驱动型策略,通过寻找可能进行重组、收购、兼并、破产清算或者其他事件的公司,买入股价受事件正面影响的公司,卖出股价受事件负面影响的公司。
(一)套利策略:最传统的对冲策略
套利策略包括转债套利、股指期货期现套利、跨期套利、ETF套利等,是最传统的对冲策略。其本质是金融产品定价“一价原理”的运用,即当同一产品的不同表现形式之间的定价出现差异时,买入相对低估的品种、卖出相对高估的品种来获取中间的价差收益。因此,套利策略所承受的风险是最小的,更有部分策略被称为“无风险套利”。
A股市场发展最为成熟的套利策略应该是ETF套利,虽还不能称产业化,但是已经有专业化从事ETF套利的投资公司。套利者通过实时监测ETF场内交易价格和IOPV之间的价差,当场内价格低于IOPV一定程度时,通过场内买入ETF,然后执行赎回操作转换成一篮子股票卖出,来获取ETF场内价格和IOPV之间的价差。反之,当IOPV低于场内价格时,通过买入一篮子股票来申购ETF份额,然后场内卖出ETF来获利。除此之外还有ETF新发阶段、成份股停牌等情形都可能出现套利机会。当然,随着套利资金的参与,ETF套利机会在不断收窄,因此,即使是专业从事套利的投资公司也开始向统计套利或延时套利策略延伸。
股指期货、融资融券等衍生品和做空工具的推出创造了更多的套利机会。2010年和2011年套利收益最大的来源是股指期货和现货之间的套利机会。沪深300股指期货上市以来大部分时间处于升水状态,因此通过买入沪深300一篮子股票同时卖出期货合约,当期货合约到期时基差收缩就能获利。除了买入沪深300股指期货之外还可以通过上证50、上证180和深证100等ETF来复制股票现货,这也是这三支ETF在股指期货推出之后规模快速增长的原因之一。当然随着沪深300ETF的上市,期现套利便利性进一步得到提升,这或许也是最近沪深300指数期货升水水平快速下降的原因之一。
当前市场中比较热的套利机会来自分级基金。分级基金是国内基金业特有的创新产品,它从出现开始就受到广泛投资者的追捧。比如2012年截至三季度末,在上证指数下跌5%,大量股票基金规模萎缩的情况下,股票型分级基金场内份额增长了108%。其主要原因是分级基金在将传统的共同基金拆分成稳定收益和杠杆收益两种份额的同时,给市场提供了众多的套利机会―上市份额和母基金之间的套利机会、稳定收益份额二级市场收益套利机会、定点折算和不定点折算带来的套利机会。部分基金公司已经在发行专门从事分级基金套利的专户产品。
(二)Alpha策略:变相对收益为绝对收益
Alpha策略成功的关键就是寻找到一个超越基准(具有股指期货等做空工具的基准)的策略。比如,可以构造指数增强组合+沪深300指数期货空头策略。这种策略隐含的投资逻辑是择时比较困难,不想承受市场风险。图1和图2是根据一个定量增强策略对冲系统性风险之后的月度Alpha收益和滚动年Alpha收益。通过对冲策略,组合63.16%的月份获得正的收益,而从年滚动收益来看,获取正回报的概率是89.32%。从收益来看,2000年以来平均每个月高达0.98%,2006年以来月收益达2.18%,而2000年以来滚动年收益平均为16.05%,2006年以来滚动年收益平均为36.73%。其中获取负收益的时间主要集中在2005-2006年股改期间,定量策略失效,未能成功战胜沪深300。在国内基金运行的这几年中,基金表现出卓越的选股能力,通过Alpha策略可以成功地放大基金公司这方面的专业技能。
(三)中性策略:从消除Beta的维度出发
市场中性策略可以简单划分为统计套利和基本面中性两种,中性策略表现数据相对有限,主要是这一类策略数据常常包含基本面多空、波动率套利等策略的表现。中性策略和多空策略很多情况下方法和思想比较类似,只是中性策略尝试在构造避免风险暴露的多空组合的同时追求绝对回报。因此,多头头寸和空头头寸的建立不再是孤立的,甚至是同步的。多头头寸和空头头寸严格匹配,构造出市场中性组合,因此其收益都源于选股,而与市场方向无关―即追求绝对收益(Alpha),而不承受市场风险(Beta)。
基于统计套利的市场中性表现往往优于基于基本面的市场中性,主要原因是统计套利的信息来源更加广泛,换手率也较高。在市场中性策略方面,中信证券金融工程及衍生品组研究也分两个方面进行,一方面是研究境外市场中性策略的发展及其最近的进展,另一方面也在做本土化的尝试。尤其是融资融券推出之后,在国内市场开发中性策略产品已经成为可能。图3和图4分别给出基于组合的统计套利策略表现和基于配对的统计套利交易案例,可以发现,在融资融券标的中运用统计套利能够获得非常稳定的收益,这和境外市场表现很相近。
(四)事件驱动策略:分享事件冲击的“红利”
在任何一个市场,事件发生在影响企业基本面之前首先影响的是市场参与者的预期,然后就会直接冲击股价,A股市场也不例外。事件驱动策略通过关注正在或可能会进行重组、收购、兼并、破产清算或其他特殊事件的公司,当股价受到这些事件冲击时,就能从中获利。股改时期寻找下一个股改的公司、司空见惯的寻找具有重组题材的公司等都是事件驱动策略的体现。中信证券金融工程及衍生品组针对A股市场上分离债发行、分红送配、股权激励、成分股调整等都进行过事件研究,通过捕捉事件在不同环节对股价的冲击节奏来获取超额收益。
图5和图6分别给出白酒行业和钢铁行业过去发生的两个可以运用事件驱动策略的案例。2009年9月8日水井坊公告全兴集团中外双方股东自2009年9月9日起举行正式会谈;2001年3月2日DHHBV将持有全兴集团53%的股权,并将间接控制全兴集团现时持有的公司39.71%的股权,从而触发要约收购义务。这个事件本身对于水井坊而言应该属于利好,市场预期应该是会强于行业。因此可以选择公告出来之后做多水井坊卖空其他白酒公司来对冲风险,比如贵州茅台、五粮液等行业比较有代表性的公司。从图5可以发现,水井坊公告之后,股价走势明显强于贵州茅台等同业公司。水井坊2009年9月16日股价复牌之后三个月内上涨了20%,而贵州茅台股价基本没有发生大幅波动。同样,2008年12月28日唐钢股份与邯郸钢铁、承德钒钛签署换股吸收合并。唐钢股份(吸收合并完毕后为河北钢铁)在短短的2个月时间内股价就从4.1元上涨到6.30元,涨幅超过50%;到2009年8月份股价最高达到11.32元。而同期钢铁行业代表性公司宝钢股份表现相对落后。在这两个事件中,买入受事件刺激的股票、卖出行业代表性公司,可以不承受市场系统性风险获取事件影响带来的超额收益。
当然,事件驱动策略收益和事件发生频率密切相关。从CS/Tremont并购套利策略表现来看,当全球并购事件交易量较高时,并购驱动策略表现会更好。根据花旗集团和汤森路透等机构等的统计,近几年并购事件多发区域从欧美市场向亚太等新兴市场转移,预计擅长事件驱动策略的资金也会随之转移,并且强化事件对于股票价格的冲击。并购事件也是A股市场永恒的主题之一,尤其是近几年央企整合在加速。同时,融资融券业务的试点,各个行业的代表性大公司大多数是属于融资融券标的,买入具有事件发生的公司卖出行业代表性公司来获取事件驱动收益是切实可行的。
结论
从以上四种不同类型的套利策略可以看出,不同类型的对冲基金的收益来源和风险敞口各不相同。Alpha策略和中性策略在本质上差异最小,Alpha策略可以看成中性策略的一种。但是Alpha策略的约束更小,其Alpha来源可能是行业的、风格的或者其他的;而中性策略则将更多无法把握的风险中性化了。事件策略和套利策略则分别依赖管理者对于事件和套利机会的把握。这些策略的运作都需要管理人在特定的领域具备较高的技能,因此对冲基金可以说是投资管理行业专业化分工的产物,将管理人更加擅长的技能给充分凸显出来。当然,也正是这种收益来源和专业技能要求的不同,造就了不同类型策略的对冲基金之间、对冲基金和共同基金之间业绩表现的低相关性,从而使得对冲基金这一资产类别受到保险、养老金等长期投资者战略配置的青睐。
[关键词] 中小企业板 投资价值 聚类分析 判别分析
一、引言
自2004年6月25日深交所推出中小企业板以来,其基本面及市场表现都受到了市场各参与方的极大关注,为中小企业融资提供了重要渠道。但对中小板的研究大多停留在定性判断和个股分析上,缺少对整个板块整体态势的宏观把握。笔者首先利用聚类分析对123只股票进行初步聚类,再运用判别分析对初步分类情况进行检验,得到一组判别函数,从而达到量化分析的目的。
二、指标选择与样本处理
上市公司基本面的盈利能力、成长能力和扩张能力是支持股价的长期因素,也是判断公司是否具备投资价值的关键层面,故选取反映上述能力的六项财务指标(见表1)。以中小板123家公司为样本,利用其2005年财务报告六项指标进行实证研究。为消除数据量纲差异,先对各指标进行标准化处理。
三、聚类分析
聚类分析立足于对股票基本面的量化分析,弥补了定性分析的不足。作为理性的长期投资的参考依据,其目的在于从股票基本特征决定的内在价值中发掘股票真正的投资价值。
首先运用SPSS11.5软件中的层次聚类法的“Q型聚类”对标准化数据进行聚类,聚类方法选择“类间平均链锁法”,测量尺度选用“欧式距离平方”,得出聚类谱系图:123个样本大体聚为四类:第1类:1~23,26,27,29~67,70,71,72,74,75,76,77,79~87,89~105,107~112,114~121,共112个样本;第2类:24,25,73,88,106,122,123共7个样本;第3类:28,共1个样本;第4类:68,78,113,共3个样本。
由于聚类分析仅是初步分类,还需运用判别分析较验。
四、判别分析
1.确定判别分析数据
分别以1,2,3,4代表第1到4类,进行判别分析,定义分组变量取值范围为[1,4],分组标志即为上述分类结果;判别函数自变量取原标准化6个变量,得到判别分析标准数据表,对其应用SPSS11.5进行判别分析。判别方式选择“enter independent together”,即预测变量全部进入判别方程,“function coefficients”选择“fisher’s”,即“费氏线性判别函数系数”。
2.判别分析结果
(1)分类结果
通过判别分析,对聚类结果进行修正,得到最终分类结果:第1类:1~23,26,27,29~40,42~64,66,67,70,71,72,74,75,76,77,79~87,89~105,107~112,114~122,共110个样本;第2类:24,25,41,65,73,88,106,23共9个样本;第3类:28,共1个样本;第4类:68,78,113,共3个样本。
(2)判别函数
本文预测变量为6个,类别数为4,因此取较小者,即判别函数个数为3个(见表2)。
(3)显著性检验
显著性检验结果见表3,相伴概率都为0.000,表明3个判别函数都达到了显著性水平。
(4)费氏线性判别函数
由费氏线性判别函数系数表得到以下判别函数:
Function1=-0.700a+0.116b+0.365c-0.109d-0.285e-0.084f-1.466
Function2=7.505a-0.540b-1.705c-1.684d+1.623e+1.011f-10.642
Function3=8.617a-2.653b-9.732c+3.182d+10.233e+2.644f-40.409
Function4=2.997a-1.950b-5.722c+7.463d+2.812e-0.483f-15.884
运用费氏判别函数时,只要将各指标标准化值代入上述4个判别函数,将各样本对应的4个函数值进行比较,哪个函数值最大,就属于哪一类。
五、实证总结
1.实证结果分析
在分析各类样本时,采用指标均值,即:
χ1表示第i类样本均值,i取1,2,3,4,j表示第i类某一样本,n表示该类样本个数,计算结果见表5。
由表5分析可知:
第一类属于低收益、低成长性的“绩差股”。六个指标都相对最低,特别是每股现金流很小,与其他3类有明显差异。一般而言,经营性现金流多,表明公司销售渠道畅通,资金周转快,反之反是。由此说明第一类公司经营稳定性差,发展不顺。而较低的主营收入增长率和净利润增长率说明公司几乎已不具备成长性,几乎无投资价值。
第二类属于高盈利、强扩张力的“绩优蓝筹股”,是基金和机构投资者持有比重较高的品种,但这类公司数目较少。如样本点24的苏宁电器全面均衡发展,在生产管理各方面均表现出较强能力,综合绩效水平也较高。该类股票是投资者的最佳选择。
第三类属于成长性非常快的“潜力股”,但较低的净资产收益率和每股收益,说明其盈利能力相对较弱,但主营收入增长率和净利润增长率都很高,说明该类股票正处于高速发展期,未来成长性看好。该类股票适合长期投资。
第四类盈利能力良好,股本扩张空间也较大,但在高的主营收入增长率下,净利润增长却很缓慢,说明公司经营成本居高不下,抵消了业务的扩张,给企业的成长带来隐忧。所以投资该类股票要谨慎。
2.应用价值
(1)基于基本面的定量分析,研究整体板块股票的内在价值分布态势。
(2)有利于投资者缩小投资范围,确定投资价值,降低投资风险。
(3)有利于为经营者提供借鉴,如第四类企业应重点关注降低经营成本。
关键词:股价波动分析;GARCH;SVM;投资者情绪;投资者关注度
中图分类号:F830.91 文献标志码:A 文章编号:1673-291X(2017)06-0056-02
股票市场是一个多变的非线性混沌系统。预测股票市场价格的波动分析一直是不同学者的研究热点,近几年的预测算法的兴起也从侧面反映了这个趋势。但是,这些研究方法的理论基础无外乎是经典统计学理论――大数定律和中心极限定理,而这就存在所需样本数趋于无穷大,有限样本和现实问题的矛盾。
支持向量机(SVM)是基于传统的统计学理论,与追求经验风险最小化的传统学习方法不同,其解决了有限样本的问题。在利用SVM算法进行股价涨跌预测中,如何选择预测的输入变量是决定预测结果的关键,这意味着不仅要找到影响个股涨跌的因素,还要将其量化为具体的指标。在已有的股票价格形成机制相关研究中,个股价格的影响因素主要有:宏观经济情况、个股基本面情况、个股历史涨跌状况、政策变化和主力资金的进出等,这些影响股票价格的宏观因素主要包括经济增长、通货膨胀、汇率、货币政策和利率等。很多学者的研究结果表明,这些宏观经济因素会对股市的大盘产生影响。因此,本文将大盘情况作为度量宏观经济在股市影响的指标。基本面情况和个股历史行情可以通过观测个股的相关数据来直接考虑,同时通过建立合适的时间序列模型可以从一定程度上反映个股价格的变化趋势。本文以大盘股为研究对象,选取的变量包括大盘信息、股票本身信息、利用GARCH等时间序列模型的初步预测结果和投资者情绪等相关指标,力图找出一种更适合股价涨跌预测的SVM方法。
一、预测方法
本文采用支持向量机(SVM)的算法。按照股票市场股票价格的波动划分为不同的预测区间,即牛市、熊市和震荡市。在不用的研究区间分别建模进行如下三次预测:(1)将大盘和股票本身的基本面信息作为输入变量对股价涨跌进行第一次预测;(2)利用GARCH等合适的较为常见的时间序列模型对每日的收益率曲线进行拟合,获得大致的收益率曲线,加入若干变量进行第二次预测;(3)继续加入投资者的相关指标进行第三次预测。
通过三次不同预测结果的比较,可以看出在股票市场中,主观的投资者的相关指标对股价的波动影响,而通过控制时间段变量又可以看出不同预测方法的有效性问题。本文运用了台湾大学林智仁教授等人开发的基于MATLAB的SVM模式识别与回归的软件包LIBSVM进行预测,基本预测方法按照其指示。
本文随机选取了三只股票进行分析,三只股票的预测步骤较为烦琐,并且预测过程大体相同,因此本文只列出最后的训练集和预测集的预测精度。
二、实证分析
(一)选择数据并进行处理
本文通过随机数生成器,随机选取了A股上市企业,共63只,然后利用MATLAB从数字1―63中随机选出三字数字:7、18、43,找到其对应序号的3只股票,分别为中国平安(A股代码601318)、东方电气(A股代码600875)、金隅股份(A股代码601992),选取2015年3月7日至2015年12月7日这三家上市公司在A股的交易数据,及同交易日沪深300指数的交易数据183组,按照3只股票的价格波动情况,可将其划分为常见的熊市、震荡市和牛市,在每个时间段的末尾选取25组数据作为模型测试集,剩下的为训练集(如下页表1所示)。
本文根据四个方面进行了变量选择(如下页表2所示),选择了A股每日股票价格的极差、波动幅度、成交额、换手率和市盈率这5个指标以及沪深300指数的每日交易价格极差、波动幅度和成交额3个指标。主观的投资者心理和投资者情绪则根据从不同券商每日的报告中得出。此外,本文通过新浪微博、网易财经、腾讯新闻等社交软件截取每日有关上述三只研究股票的评价,若当天评论总体为正向的话,价格波动为1,负向的话价格波动为-1,中性评论为0。输出指标为下一交易日的价格波动情况,涨记为1,跌记为-1,持平为0。
(二)股票价格波动分析
在第一次预测当中,将被选取的3只股票的股价极差、波动幅度、成交额、换手率和市盈率,以及沪深300指数的价格极差、波动幅度和成交额总计8个相关指标作为影响第二日股价的变量输入,第二日的股票价格情况作为输出变量,根据SVM进行预测,得到下列结果(见表3)。
第三次测试中,在前两次测试的8个指标之外,进一步加入投资者关注度和投资者情绪指标作为输入变量,进行SVM预测。
(三)预测结果分析
在除震荡市之外的另两个研究区间,加入GARCH等时间序列模型的初步预测结果之后,模型的测试集和训练集的准确度都有所提高。这种预测方法,通过解决多变量的非线性分类问题,把时间序列模型变量自身的自相关性加入考虑,极大地提高了SVM预测的有效性。
在加入主观的投资者的相关情绪指标后,模型的预测精度有了一定幅度的提升,但具体来说在三个不同的研究区间表现有所不同,在震荡市中,模型的准确度明显高于其他的两个区间,这也与我们的主观感受相符合,即在股市波动比较大时,股价更易受投资者主观的情绪指标的影响,在市场行情不明朗的时候,根据博弈论中的“囚徒困境”理论,投资者之间会产生一种不信任心理,更容易受其他投资者的影响,从而使得选取的主观的投资者的相关情绪指标的代表性增强,也一定程度上解释了为什么在股票价格大幅波动时加入投资者相关情绪指标的SVM预测方法更加有效。
三、结论
以前的根据时间序列模型的SVM股价波动分析方法,一方面没有考虑变量可能出现的自相关性,另一方面没有考虑近期数据对最终预测结果的影响,也即赋予不同时间相同的权重,利用GRACH时间序列模型改进的预测方法,克服了之前的一些弊端,更加显现出时间序列的特性,对股价波动的分析也更为准确。
参考文献:
[1] 张超.基于误差校正的ARMA-GARCH股票价格预测[J].南京航空航天大学学报:社会科学版,2014,(3).
[2] 刘志东.多元GARCH模型结构特征、参数估计与及假设检验研究综述[J].数量经济技术经济研究,2010,(9).
[3] 赵华,蔡建华.基于MRS-GARCH模型的中国股市波动率估计与预测[J].数理统计管理,2011,(5).
[4] 王天一,赵晓军,黄卓.利用高频数据预测沪深300指数波动率――基于Realized GARCH模型的实证研究[J].世界经济文汇,
2014,(5).
关键词:证券市场价值投资;实证分析;应对策略
1 引言
在欧美国家证券市场比较成熟,证券分析的主要方法是基本面分析法,证券价格能够非常好地反映基本面信息,证券价格和证券价值具有非常大的相关性。2012年我国基金业已经经历了15年的历程。1997年我国颁布了《证券投资基金管理暂行办法》,在这之后证券投资基金业得到了快速发展,同时得到了十年牛熊轮换的检验,中国证券投资基金目前已转变为证券市场上非常重要的机构投资者,得到了资产管理者的普遍关注。从2012年1月底以前的数据统计可以看出,我国一共有63个基金管理公司,包括了34个合资基金管理公司;所有基金管理公司一共管理484只基金,所有基金的资产净值为234225.63亿元,偏股型基金为17512.36亿元,占有A股市场流通市值的25.4%。在十几年的创新和完善中,中国证券投资基金业已经有了非常明显的发展。
我国证券投资基金价值投资的研究在理论上和实践上都具有非常大的意义。从理论上看,实证研究可以找出我国证券投资市场价值投资策略的发展趋势;能够建立价值型股票的内在价值模型;通过相关理论和我国股市发展过程中归纳出的经验来分析基本面因素对于股价变动的影响。从实践上看,依据实证分析能够有效地验证我国证券投资基金市场价值投资策略的应用效果;相关性计量分析的结果为价值投资者利用价值投资策略进行证券投资时提供较好的价值评估参考应对措施。
2 价值投资的基本理论
1934年,著名学者本杰明·格雷厄姆提出了价值投资的概念,虽然到现在已经有了大约80年的时间,但是价值投资理论对目前我国的证券投资具有非常大的借鉴意义。格雷厄姆提出价值投资的依据是金融市场的特点,分别表现为:金融证券市场价格的影响因素通常情况影响比较深远而且变化难以预料;虽然金融资产的市场价格有较大的不确定性,但是很多资产具有非常稳定的价值,换言之,证券的经济价值和现在的交易价格具有本质上的区别;如果证券的市场价格和求出的价值相比非常小时可以购买证券,最终将得到超值的回报。
目前,社会产生了较快的发展,格雷厄姆所提出的三要素定价法已经和目前的基金市场不在适应,但是其中蕴涵的基本理念能够在未来得到检验。目前,大多数人已经逐步地认可了价值投资的基本理念,人们普遍比较重视公司以后的盈利水平,公司的账面价值,现金分红以及未来的现金流情况,逐步地成为了基金内在价值的决定性因素。基于已有的理论以及实践,可以构建价值投资组合的基本依据:可以把基金划分为两大类,一个是具有较高帐面价值的价值股,主要包括账面价值/市场价值、分红/基金价格、盈利/基金价格以及现金流量/股票价格的比值,另外一类是成长股,主要包括比率比较小的股票。根据价值投资理论,证券投资者应该把价值股买入,把成长股卖出,此外,价值投资理论认为价值投资策略能够超越市场,其中被应用的最广泛的指标就是账面价值和市场价值比率(B/M),并由此产生市盈率定价法等投资分析方法。
3国内外研究进展
在国外,最初对股票理论价格的探索是按照证券投资市场中投资者的投资需要来执行的,所以,国外的相关文献中把这个理论价格定义为股票投资价值,因此明确了投资价值和市场价格的不同。在20世纪之初,投资价值的定义得到了明确,最开始把股票价格和价值区别开来的研究学家是普拉特,普拉特撰写了《华尔街动态》这本书,在这本书中普拉特认为股票价值和企业的收益具有非常密切的联系,股息在其中起到了非常重要的作用,其他为间接因素,可以通过股息对股票价值产生相应的影响。普拉特通过理论分析结果得到如下结论,股票的价值和股票的价格一般而言是一一对应的,但是在实践过程中这两个因素有着较大的区别。然而,普拉特所提出这个理论不仅仅可以适用于股票,同时在某些特殊的条件下也适用于其他商品,但是股票由于自身的特点存在着一些特殊的地方。依据股票价格的形成,一般情况下将和供需因素有着密切的联系,所以不能和它的真实价值保持较好的一致性。研究学者霍布内将普拉特提出的理论采取了进一步的改进,霍布内从理论的角度比较透彻地分析了股票价格以及价值之间的联系,进而可以为证券投资提供有利的决策参考依据。此外通过对股票发行公司财务情况的考察了解股票的价值状况。霍布内认为股票价格以及其本质的价值具有一致的特点,依据长期股票的股价变动的情况,长期预期收益和资本还原率和股票的价值有着较大的联系。学者多纳撰写了《证券市场与景气波动原理》这本书,在书中就相关问题进行了比较深刻地剖析,并且得到了比较好的结论,股票价格一般而言和证券市场的供求关系是密切相关的,然而股票价值通常情况下和公司的收益有密切的联系。虽然真正的股价波动情况和公司的收益改变状况有着明显的不一致性,但是依据长远的视角来分析,股价的变化与公司的收益以及利率都是密不可分的,就是说,随着股票价值的变化而变化。格雷厄姆以及多德同样进行了比较深入地探索,并且提出更为完善的股票理论,相对于以上的股票理论更进了一步。这两个学者联合撰写了《证券分析》这本书,在书中提出了内在价值理论的概念,并且进行了深入地探讨。这两个学者认为,股票的内在价值和企业今后的盈利水平有着比较密切的联系,同时针对公司今后的获利水平,不仅仅是对公司财务状况的分析,而且还应该从经济的角度分析其未来的发展动态,从而为分析企业的赢利水平提供前提条件,同时应该对考虑到资本还原状况。股票价格将返回到其经济价值之中,因此证券分析师应该认真地考察相关发行人的财务信息,尽力地挖掘该股票的内在价值,并且根据相应的内在价值,对股票价格进行合理地评价,为证券投资提供有利的决策依据,相应的计算表达式如下所示:
资本还原倍数通常情况下和公司的发展和股息的波动是紧密相联的;预计收益 的三分之一可以表征按照当时普通上市企业规范的需求基本上是把2/3的收益以股息的形式发放出去,对于其余的1/3收益,应该以盈余的形式予以保留,从而能够有利于企业基金的持续发展。学者威廉姆斯出版了《投资价值学说》这本书,研究了普通股的估价方法,相应的思路如下:股票表示收益凭证,股票价值是指股票通过未来所产生的各个期间收益的现值的和,股票价格一定要从股票价值的角度来考虑。威廉姆斯提出公司保留盈余并不需要体现在股票价值上,威廉姆斯认为股票的投资价值是以后可以获得的所有股息以及资本还原的当前价值的全部数额。公司保留的盈余也可以成为公司未来的收益,迟早会转变为股息被发放出去。威廉姆斯提出买进股票可以表示“现在财富以及今后财富的彼此互换”,然而今后收益就是未来中期的“股息”,对其采取资本还原就可以得到目前的股票的投资价。威廉姆斯为投资价值理论的改进做出了非常重要的贡献,主要反映在其通过以后各期股息作为依据通过相应的数学模型表示股票投资价值,并且最早利用数学模型因子表示股票投资价值,从而为未来的投资价值探索提供了相应的理论依据。
Michael Adams(2007)研究了价值投资理论在证券投资市场的发展趋势,分析了价值投资在组合投资策略中的重要性,讨论了价值投资在组合投资策略应用过程中存在的问题,并且提出了相应的应对策略。Heng-Hsing Hsieh Georged(2011)对价值投资理论进行详细的归纳和总结,并且建立相应的数学模型研究了证券投资过程中使用价值投资策略的适用性,并且提出了相应的实施措施。Athanassakos(2012)研究了价值投资和现代组合投资理论的关系,分析了价值投资的基本概念,并且提出了基于价值投资的组合投资策略,对未来的发展趋势进行了探索。
刘玥宏(2010)探讨了投资价值策略在中国证券市场上的适用性,从市场的有效性出发,确定了测量股票内在价值的标准和方法,对股票价格的波动性进行了深入地剖析,研究结果表明价值投资策略在中国证券市场的有效性。黄惠(2010)平等人对价值投资在我国证券市场是否适用和有效进行了深入地探讨,并且进行了实证研究,验证了价值投资的适用性,研究结果对于理性投资和避免过度投资提供了有利的依据。罗欣(2010)深入地研究了价值型投资分析在我国证券投资中的应用,分析了证券投资的基本理论和发展历程,讨论了价值型投资的必然性和可行性,研究了财务分析和价值型投资的关系,并且进行了实证研究,研究结果表明价值型在证券投资中起到了决定性作用。柯原(2011)将证券投资组合理论和价值投资融合起来,提出了最优证券投资组合,并且进行了相应的实证研究,研究结果表明基于价值投资理论的最优证券投资组合可以在承担较小风险程度的前提下获得最佳的投资汇报率。陆帆(2012)从价值投资的基本原理出发,研究了价值投资策略在中国证券市场的适用性,经过实证研究得出了如下结论:证券市场的制度正在不断完善,投资者的数量也不断增加,投资价值理念将成为中国股市主流的投资理念。
4 我国证券投资价值投资方法的实例分析
价值投资策略在我国证券市场中的应用是可行的,在成长投资组合和大盘指数上已经获得了比较客观的收益。我国证券市场拥有价值投资的支持条件。为了验证价值投资策略在我国证券投资中的适用性,进行相应的实证研究。
实证研究的数据从巨灵金融服务平台获得,一共选用了深证300指数股。由于盈利能力不强的上市公司价值投资研究价值不大,而且缺少较大的收益时间,无需把每股收益看作参考依据,所以为了避免非正常值的导致的影响,选择的依据必须满足每股收益大于等于0.1,此外,将不完整的上市公司数据排除。最终的选择结果如下:2009年188 只、2010年205只、2011年226只,总共有619只。
(1)样本期内各个时间段内的基本面量化指标和股票价格的相关研究。首先,利用SPSS16.0软件计算出2009-2011年各个时间段的基本面量化指标和相应时间段的股票价格间的Pearson因子,相应的统计数据结果见表1。多元模型的自变量选择那些和股票价格有明显相关性的数据指标,排除与股票价格存在较小相关性指标,进而能够为下一步各时间段的多元回归分析提供合理的数据支持。在该阶段,能够保留下来指标的相关系数必须满足0.05水平上的显著性检验。然后,为了避免回归过程中的自相关,所以将排除净资产收益率。同时,因为流动比率在决策过程中可能转换为风险控制因素,和股票价格间有较强的非线性,所以也应该给予剔除。
(2)优化选择后的量化指标对股票价格贡献度的影响分析。选取2009-2011年3组数据作为研究对象,利用Stepwise的输入技术进行三次多元回归分析,可以得到三组输出。研究过程中关键要讨论标准化因子和可决因子。标准化因子是指量化指标经过一个标准差的改变对股票价格产生的影响程度。该因子能够防止由于不同指标的量纲不一样而无法比较影响程度的问题。标准化因子绝对值越大,表示该因子对股票价格的解释水平越高。可决因子是在调整回归方程后获得的,主要是指全部指标对股票价格的整体解释水平。可决因子越大,表明该模型对股票价格的解释水平越高,也就是说股票价格的变化对基本面因素变化有较大的影响,投资的合理性越大。相应的回归分析结果见表2。
根据回归分析的计算数据能够获得如下结论:在观察时间,每股收益包含在回归模型之中,具有最佳的解释股票价格的水平,因此,这个结果表明上市公司的盈利能够受到了较好的关注。回归数据表明大多数情况下每股收益和总资产收益率均包含在回归模型内,从而表明证券投资者非常关注对股票价值有较大影响的基本面,这一结果表明价值投资意识已经不断地深入人心。从回归分析结果数据可以看出,在2011年营业利润增长率包含于回归模型,从而说明证券投资者已经对上市公司的成长性有了关注,同时能够表明证券投资者对和内在价值有关的基本面因素有了更为深刻地认识。
从回归分析数据可以看出,2010年和2011年期间每股净资产已经退出了回归模型,表明证券投资市场不够关注风险水平。每股净资产是指上市公司在破产时证券投资者股票的内在价值。每股净资产属于主要的风险评估基本面因素,正在被证券市场逐步地认可,说明证券市场对股票的关注不仅停留在投资回报上,同时非常关注风险的存在,这正式证券市场不断趋向于理性的具体表现。然而,对通过对2009年和2010年的回归分析可知,每股净资产指标出现了缺失。主要原因在于2008年股票市场比较好的局面导致了证券投资者的思维定式,降低了对风险的关注度。
经历了一段时间,大量的解释变量符合了回归模型,这表明投资者对基本面的研究更加完善。根据回归分析的结果,证券投资者不断地利用更多的指标,通过不同的层面更为全方位地考虑证券的内在价值,证券市场不断向以价值投资为中心的投资方向发展。此外,可决因子的周期变化表明在我国证券市场中,基本面因素对股票价格的解释能力不断提高,然而并不稳定。当外部经济环境产生变动时,证券投资者容易产生非理,从而使非价值因素再一次占了上风。
5 我国证券投资基金价值投资的应对措施
(1)完善基金绩效评价模式
有效的基金绩效评价模式对基金业的快速前进具有非常关键的促进作用。近年来,证券投资组合理论已经得到了不断的发展,国外对基金绩效的评估已经发展到了较高的水平,相应的理论体系已经趋于完善。对于我国基金绩效评价体系的发展还处于初级阶段,从方法的角度上看我国还处于一个引进吸收的状态。近年来,中国在进行基金评估的过程中主要关注的是基金的排序,从而使基金投资者在基金投资过程中十分关注同业其他管理者的投资情况,因此,“羊群效应”时有发生,不愿意获得超额收益,然而渴望排名可以靠前,并且很多基金管理者认可这一模式。然而,基金持有者投资基金不完全重视其所投资的基金是否可以获得较大的收益,主要重视的是所购买的基金能够获得多大的收益。基金持有者和管理者目标有差别时将引起问题,就是基金公司仅仅为了获得取高额利润通常以损坏基金持有者利益为代价。为了能够有效地处理该问题,应该使基金投资者和管理者的行为目标相一致,最终能够获得绝对收益。基金管理者在决策时应该考虑到股票的经济价值,依据价值投资理论的选股准则标选择投资标的,同时利用长期持有的方式取得绝对收益。
(2)不断完善目前的股票发行政策,针对国有股、法人股上市流通等方面的问题采取有效的应对措施,从而能够较快地解决以上问题。目前,我国股票发行采用的核准制度,股票发行价格的完善应该遵循定价为主向竞价原则,并且以此为主要的发展趋向,不断地使证券投资市场来主导实际的发行价格。此外,不断地处理好国有股、法人股等问题,能够从不同的角度,例如按照证券投资市场的容量,不断地采取国有股配售减持,采用优先股的方法,把国有股不断地转变为优先股,增加不同投资基金、保险基金在股票市场投资的区间,利用网上交易的形式,协议转让的手段等增加法人股流通,减少国有股和法人股的比例,提高个人股的数量。
(3)合理地分配基金管理酬劳的基本组成结构
很长的一段时期内,基金投资者一直怀疑基金公司较高的、较稳定的工资收入。尤其在基金投资处于熊市,虽然收益正在减少,但是基金公司还可以采取增加管理规模的方式来提高资金的管理回报,这些现象极大地损害了基金公司管理者在证券投资者心中良好的形象。大部分基金投资者存在如下的观点,基金管理者无法为自己带来较大的投资汇报,资金管理费过高。
应该承认基金管理公司按照资产管理的规模收取一定的管理费具有其合理性,主要原因在于资产管理规模的增加将对基金管理公司的相关资源有更高的需求,为了适应规模增加的实际需求,将资产管理规模中的一部分资金作为管理费是合情合理的,通过管理费不仅能够增强基金公司的管理实力,而且能够提高投资团队的水平,同时管理费还能够促进基金公司的可持续发展,能够为基金持有者带来更大的投资回报。然而,如果基金管理公司的工资待遇和资产管理规模有较大的联系,就会导致基金管理者仅仅关注视资产管理的规模,同时忽视帮助基金持有者获得更大的投资回报。最为管用的方式就是优化基金管理的收入的基本组成,采用浮动收益的方式,即固定资产管理费和资产管理收益挂钩。一定的资产管理费可以确保基金的有效实施,然而浮动收益可以使基金管理者以资金投资者的权益为中心帮助资金投资者能够获得更大的收益。采用了这种基金管理收入配置模式比较合理,有利于价值投资策略的有效实施,进而可以使基金管理者在进行价值投资阶段避免一些制度性制约。
(4)充分地利用投资组合策略
证券投资本身就具有较高的风险,但是高风险和高收益率是相互对应的,怎样才能使投资风险减少并且使投资收益最大应该得到有效的解决。投资组合策略就是一种行之有效的方法,利用这种方法不仅能够有效地预防投资风险,而且能够有效地弥补证券投资价值的缺陷。投资者可以依据不同阶段国际经济形式、国内产业制度以及行业的发展潜力实时地调节投资产品的比重,从而能够得到最佳的收益。
(5)投资者应该不断地转变投资理念
投资者的理念在证券投资中具有非常重要的作用,证券投资者应该坚持长期投资的理念,主要关注证券投资的长期回报。证券投资者必须熟悉证券投资的相关概念和理论,知道证券投资过程中潜在的风险,掌握证券投资产品的相关功能;投资者应该明确投资目的,依据自身的实际情况选择适合自身的证券投资产品。投资者应该熟悉证券公司的相关情况,对证券公司的专业化水平、标准化产品、内部风险控制制度以及信息披露系统等方面的情况有比较深入地了解,从而能够从长期投资的角度获得最大投资回报率。
(6)不断健全证券市场的管理制度
通过股权改革可以较好地处理中国证券市场流通股和非流通股股东之间利益的不一致性、中国国有上市公司管理者缺位等难题,能够为中国证券市场的制度化营造一个有利的环境,从而能够不断深化中国证券市场的中长期投资价值,为证券投资基金执行价值投资创造一个非常有利的市场平台。基金投资意识的不同在基金的投资收益上能够得到较好的反映,此外,可以在今后的资本市场中的体现不断增加。
然而,证券市场的管理制度的完善不是一朝一夕就能实现的,需要一个比较漫长的过程。近年来,中国证券市场存在许多缺陷,例如,产品结构比较单调、交易机制不够完善,从而极大地制约了基金投资者利用价值投资策略进行证券投资的热情。因此,必须不断地提高证券市场建设的水平,例如,尽快地为股指期货上市做好相关的准备,同时不断地促进股指期货的持续进步,当证券市场条件比较成熟时实施做空方式,持续健全基金在遭遇资本市场单边降低情况下的不利局面,持续地提高基金管理者的主动性,减少基金中隐藏的风险,确保基金持有者的利益不受到侵犯,通过以上策略可以为价值投资措施的执行创造一个非常有利的市场环境,进而能够资本市场环境符合价值投资发展的实际要求。
6 结论
价值投资应该成为我国证券市场主要的发展趋势。我国证券市场仍然是一种新兴的证券市场,依然存在于非有效市场向弱有效市场不断转变的阶段,从某种意义上包含价值投资的含义,然而利用价值投资策略得到的收益不是非常稳定的。通过股权分置改革等相关的证券市场改革策略的执行,伴随着上市公司质量持续提升,价值投资策略将转变为证券市场的主流方式,根据相关研究可以得到以下结论:
(1)选取了深证300指数股进行了相应的回归分析。根据回归分析的结果可知:上市公司的盈利水平是非常受到重视的。证券投资者更加关注决定股票内在价值的基本面因素,价值投资理念正在渐渐地深入投资者的人心。投资者对上市公司的成长性给予了足够的重视。
市场对风险的关注程度正在降低。每股净资产能够表明上市公司在破产的状况下,投资者持有的每股股票的价值。证券市场对股票的重视不但保持在收益上,而且非常关注风险,从而使证券理性更加回归理性。随着证券市场的不断发展,投资者能够更深入地剖析基本面的内涵。根据回归分析的结果可知:证券投资者已经利用更多的指标,从不同的层面深入地考察股票的经济价值,市场正在想以价值投资为主的理性投资发展。
(2)中国证券市场是一个新兴市场,正处于转型时期,因此,具有较好的价值投资意义,然而不能获得比较稳定的收益。因此,应该采取比较有效的措施,完善基金绩效评估体系和股票发行政策;合理地分配基金管理收入结构;充分地利用投资组合策略;投资者应该不断地转变投资理念;不断完善证券市场的制度体系。随着上市公司质量的持续提升,价值投资将不断地深入人心,通过价值投资可以使中国证券市场更加趋于稳定。
参考文献
[1] Michael Adams, Terry Mullins, Barry Thornton [J]. Journal Of College Teaching & Learning, 2007, 4(3):21-32
[2] Heng-Hsing Hsieh, Kathleen Hodnett. Do Managers Of Global Equity Funds Outperform Their Respective Style Benchmarks? An Empirical Investigation [J]. International Business & Economics Research Journal, 2011, 10(12):1-10
[2] George Athanassakos. Value Investing Vs. Modern Portfolio Theory[J]. Journal of Business & Financial Affairs 2012,(1):2.
[3] 刘玥宏. 价值投资策略在中国证劵市场的适用性分析[J].知识经济, 2010,(6):60-61
[4] 黄惠平, 彭博. 市场估值与价值投资策略[J].会计研究, 2010, (10):40-47.
[5] 柯原. 基于价值投资理论的最优证券投资组合探讨[J]. 福建金融管理干部学院学报,2011, (3):11-17
从2005年至今,沪深股市约有770家上市公司完成或者正在进行定向增发。由于一方面,定向增发往往伴随着公司的整体上市,资产注入、并购重组、项目投资等战略,公司财务和盈利能力具有大幅提升的可能性;另一方面,定向增发针对的均是大股东、大股东关联方等公司的“知情人”,定向增发的成功也给外界传递出该公司股价合理,未来具有较大成长空间的信号。因此,定向增发总体来说是利好信息。
股价的最好表现集中在定向增发进程中
理论上,无论是资产重组、整体上市、借壳上市还是投资项目,定向增发后企业的资本更加充裕,盈利状况较之此前能够变好,事实果真如此吗?
我们选取2007-2009年每年增发都排在前5名的行业进行分析,发现,这几年中,房地产、化工、建筑建材定向增发企业都比较多。从这些增发企业的EPS增长与行业整体水平的增长情况来看,定向增发企业从总体上来说并没有显著改善其盈利水平和经营状况,很多情况下,其EPS增长率和营业收入的增长率反倒小于行业增长率的平均水平。这与我们的直觉多少有些出入,在一定程度上说明上市公司定向增发的资金利用效率相对较低(我们也分析了公司增发后下一年的财务改善状况,也没有呈现出持续改善的迹)。这一现象对我们投资的启发是:定向增发的投资机会更多的来源于增发的题材而不是未来盈利能力的改善,对于公司实质性的利好因素不明显。因此,定向增发最好的投资时机主要集中在定向增发的进程中,而不是增发实施之后。
投资策略
对于定向增发的公司来说,投资机会更多的蕴含在题材投资而不是基本面投资里,把握这一主要规律对于寻找增发公司正确的投资时点至关重要。
短线投资机会:定向增发需要经历董事会预案日、股东大会决议日、增发公告日等几个阶段,在这几个重要的时间日前后蕴含着较多的短线投资机会。从历史回溯分析来看,董事会预案日当天和增发公告日当天单日超额收益率非常可观,董事会预案日之后股价存在大约7个交易目的漂移现象,增发公告日之后的超额收益率呈现反转走势。
中长线投资机会一:由于定向增发具有决定性的因素均在董事会预案和股东大会决议上得到释放,因此,定向增发作为一个重要的主题投资事件,这种股价涨幅在董事会预案日到股东大会决议日提前集中释放的现象具有外推性,因此,建立定向增发中长期投资组合的最佳持有时期之一发生在董事会预案日和股东大会决议日之间。
中长线投资机会二:从历史回溯的累计超额收益率来看,从董事会预案日持有定向增发股票到增发公告日结束,组合累计收益率是最高的,尤其在熊市中具有较好的抗跌性,因此,中长线投资的另一个最佳持有时间出现在董事会预案日到增发公告日期间。基于以下几个原因,在定向增发公告日之后继续持有定向增发的股票不是一个明智的选择。
在增发公告日,我们可以利用投资于溢价发行的股票或者低折价率的股票持有一个较短的时间获得较为稳定的超额收益率。
个股机会
在征求意见稿下发之前,基金组合产品――公募FOF产品的雏形已经在银华基金内部储备“试跑”多年。鉴于公募基金愈发庞大的规模而投资者难以找到匹配的基金产品,银华基金互联网金融部以智能投顾为战略、定制化服务为导向的精细化运营策略油然而生。
“很多人炒股很厉害,但没有谁敢保证长期能赢。事实上,拉长周期来看,很少有人能跑得过基金组合。”银华基金战略发展部资产配置主管何海云犹记得在美国一家资产管理公司工作时,摩托罗拉拥有博士学位的工程师前来寻求服务的情景。
风险平价,及时止盈止损;控制仓位,伺机而动。基于中长期的投资视角和大类资产配置策略,银华基金资产配置小组采用量化评估叠加定性分析的方法,力图分散单个基金风险,并得到“类绝对收益”的效果。
定制基金组合
“买什么基金”是普通投资者在日常理财中经常遇到的一个困惑。针对用户的这个痛点,银华基金资产配置团队正在精心打造一味解决良方――基金组合。
目前,根据不同的风险偏好,银华基金给出了3种基金组合,分别是:积极组合、稳健组合及保守组合。其中积极组合初始配置由40%的银华深证100、40%银华中小盘和20%银华四季红构成,该组合适合风险承受能力较高的激进型人群。回测数据显示,从组合起始日2013年8月7日至今年一季度末该组合模拟年化收益率是90.16%。
稳健组合初始配置包括了45%的银华信用双利A、 40%的银华纯债信用和15%的银华中证转债。该组合适合风险承受能力偏弱的稳健型人群。回测数据显示,从组合起始日2013年8月15日至今年一季度末该组合模拟年化收益率是28.16%。
“35%银华四季红+35%银华纯债信用+ 30%银华货币A”则构成了保守组合的初始配置。顾名思义,保守组合适合风险承受能力较低的保守型人群。回测数据显示,从组合起始日2013年8月7日至今年一季度末该组合模拟年化收益率是21.25%。
由于每个客户需要的产品、服务都不一样,互联网金融部需要通过大数据在互联网金融领域探索更丰富的应用,深入发掘客户喜好,为不同的投资者提供适合他们的产品与服务。
未来,互联网金融部将联合IT部通过对数据的分析,了解客户的投资情况、风险偏好、交易习惯,甚至将来还可以了解到其他消费方面的情况,去做一些真正意义上的大数据分析。
银华的一个设想是,未来能够通过数据对客户进行分层分级贴标签,这一切都是为将来具体的产品设计和投资交易服务。为了达到这个目的,互联网金融部联合IT部已经对客户进行了基础标签开发,未来标签功能将继续逐步完善。
“其实我们不光是对用户有标签,我们对基金产品也做了标签。如果发现某一类客户比较多,我们会考虑开发专门针对该类型客户的产品。实际上用户需求或标签越细,就可以让我们更清楚它归于哪一类,便能定向推荐组合,或者提供定制化的服务。”何海云表示,这也是未来银华基金组合的发展方向。
重在资产配置
基金组合什么最重要?何海云的回答是:资产配置。
“做这种投资,无论是不是FOF,其中非常重要的一项就是资产配置。就好像是炒菜,大盘股、小盘股、地产、大宗商品或者PE都是原料,最核心的就是资产配置。当然缺了一些料就会难做一些,比如有的时候没有一类产品,但正好在那个时候那类产品比较有机会,你要是没有那类产品就没有办法了。”何海云说。
记者了解到,下一步银华基金的目标是先构建更多的“原料”出来,在这个基础上更方便地构建投资组合。
在基金组合投资中,银华基金资产配置小组采用的其中一个策略的基础是风险平价策略,并在此基础上进行了模型改进。经典的风险平价策略在资产配置上着眼于资产的风险,在进行资产配置时,各类资产的权重与其自身的波动率大小成负相关关系,也即波动率大的资产在组合中所占的权重较小,反之亦然。
分析人士介绍,这样的做法会使得较高风险的权益类资产在组合中所占的权重下降,从而使得风险平价组合的预期收益率有可能会低于传统的资产配置方法,但同时也显著地降低了风险。
“举个例子,不少投资组合的配置比例是60%股票加40%债券,但真正做的时候会发现风险权重基本都来自于股票,有可能是90%对10%。那么,当市场波动较高的时候,就需要保证每类资产对投资组合的风险贡献是一样的。这时就要把造成90%风险的股票的仓位降下来。”何海云对记者表示。
间接实现公募FOF
“FOF在美国已经发展了十几年,每年的增长都很快,有公募、私募,也包括一些对冲基金及PE。我们在2014年成立了资产配置研究小组,从资产配置的角度来思考这个问题。之后是互联网金融很火,基金组合配置在适应互联网金融发展的同时,也间接实现了FOF这种形式。”何海云对记者表示。
记者了解到,银华基金资产配置小组横跨投研、战略、互联网金融、产品等几个不同的部门。在实际的运作的过程中,通过基金组合来实现。在目前11人的团队里,有2/3是研究人员。研究一方面包括对基金的研究,另一方面也有对量化择时以及基本面的研究。
对于这样的基金组合产品,海外通常是一个月进行一次调整,期间也会根据市场的情况做不定期的调整。例如像去年“股灾”时,一旦出现卖出信号后,为了保护客户利益,即使是积极型的组合,也不希望把前面赚取的利润全部吐回去,所以会有相应的止盈操作。
沪深300指数成分股是沪深两市绩优蓝筹股的代表,本文以其为样本,采用逐步回归方法,了决定股票价值的估值因素。结果表明,影响股票估值的主要因素依次是每股收益、行业市盈率、流通股本、每股净资产、每股净资产增长率等指标。相对而言,市场成长性指标的重视要弱于盈利能力指标。
本文还以基金重仓股为样本,对作为主流机构投资者的基金的选股标准进行深入分析。结果表明,影响股票估值的主要因素仍然还是集中在体现盈利能力方面的指标。
基于沪深300指数和基于基金重仓股的估值模型均表明,根据模型构造的低估组合在未来一年中,能够跑赢其基准指数,而高估组合则将落后其基准指数。
由于大多数上市公司每年很少派发股利或者不能稳定地派发股利,因此除少数行业和公司外,股利贴现模型(DDM)基本是不适用的;国外流行的自由现金流贴现方法(DCF)近几年来在实践中有所使用,但这种方法也仅对部分具有稳定现金流的公司才适用,而且需要主观假定的变量较多,因此难以准确地于股票估值。在目前市场,绝对估值方法的应用面临相当大的困难。
在这种情况下,简单易懂的市盈率(PE)相对估值方法成为目前应用最广泛采用的方法。市盈率模型的缺陷是,不能对不同行业个股进行估值比较,而进行行业内股票估值时有时存在可比公司选择的困难,因此这一方法的应用也有一定局限性。
与市盈率相比,多因素相对估值模型能够对不同行业上市公司进行估值比较。有鉴于此,本文尝试建立能够弥补市盈率模型缺陷的多因素估值模型,利用该模型能够识别短期内影响投资者价值判断的主要因素,并为建立包括跨行业、具有投资价值的股票组合提供估值参考。
一、 多因素估值模型的与应用现状
1、国内外现有的研究成果
20世纪80年代末、90年代初,人们发现股价不仅反映基本面信息, 而且反映市场噪音,市场并不是人们所假设的那样有效(Ball,1995)。Feltham Ohlson(1995)的股权估值模型表明,股权价值等于公司帐面净资产与公司经营性收益期望值的贴现。在此基础上,多因素计量定价模型开始起来,其中部分研究是基于对Feltham Ohlson股权估值模型的检验与扩展。这一研究方法通常先建立多元回归模型,用以表明哪些基本面信息会影响股票估值。在成熟的股票市场上,如果市场运行正常,而模型具有较高拟合度,就可以将市价与根据模型的股票相对内在价值进行比较,进而发现股价被市场高估抑或低估,并制定相应的投资策略。
2、研究障碍及局限
本文将在借鉴国内外现有研究成果的基础上,研究建立合理的中国股票市场多因素估值模型。不过,由于现实条件的限制,本文的模型研究存在以下几方面的障碍:
首先,多因素相对估值模型是建立在对年报数据、行业属性基础上的,尚未考虑到重大的政策性事件(如股权分置)等不可测因素的影响。这类因素对个股的影响难以量化,因此平稳的环境成为多因素估值模型建模及应用的前提。
其次,出于模型简洁和定性因素难以量化的考虑,本文建立的多因素估值模型未能考虑到如下可能影响股票估值的定性因素:行业发展前景(增长速度、进入壁垒、全球化的影响、产业政策鼓励与否)、主导产品状况(市场占有率、市场竞争、产品壁垒或技术含量、品牌及知名度、成本或差异化优势)、公司战略(新产品及项目的阶梯增长能力)、管理能力(核心管理层、市场营销能力、研发能力)。
第三,目前中国股市与成熟股市尚存在很大差距,实证表明,中国股市并不具有成熟股市的长期均衡发展态势;因此,该方法在国外可以直接应用于投资价值分析,但不能在我国直接应用。虽然我们基于公司基本面的分析得出了股票相对于市场被高估与低估的结论,但这种价值型投资机会仍容易被市场短期非理性热炒所掩盖,基于这样的考虑,本文定量分析的结论只具有统计上的参考意义,能够提供具有投资价值的初选股票池,并不能对个股精确定价。更精确的估值还需结合具体公司进行深入分析。
3、本文试图解决的
考虑到模型的局限性及现实中国股市的局限性,本文的多因素估值模型力图解决如下问题:
首先,通过建模及统计检验,对影响估值的因素给予地回答,即目前影响市场上各方(包括机构及个人)投资者对股票估值最关注的因素是什么。
其次,通过实证研究,给出多因素估值模型的应用建议。短期内,在平稳的经济环境下,可考虑采用以下路径建立具有投资价值的股票组合:一是根据投资者自身收益与风险偏好,设定“门限”标准,建立股票池;二是利用多因素估值模型,初步建立价值低估的股票组合;三是根据行业发展前景、主导产品、公司战略、管理能力这些定性因素对低估组合中的个股进行估值调整,最终建立具有实战意义的投资组合。
二、 多因素估值模型的有关设定
1、变量设定
对于基于沪深300样本股的估值模型,股票价格取年报公布年1-4月股票日收盘价的均值。因为1-4月是年报集中披露的时间,并且在05年这段时间,股改尚未开始,也没有其它大的政策事件影响股价,可以认为这段时间的股价是市场针对年报数据达成的共识,是受市场认可的均衡价格。也是相比其它时间段,最能反映年报数据的价格时间段。
对于基于基金重仓股的估值模型,股票价格取建模当年年底10-12月股票日收盘价的均值,这是因为我们所选样本是基金第四季度已经重仓持有的股票,而且我们有理由相信基金公司的研究实力,相信其在第四季度增仓或继续重仓持有股票的行为,一定是对该公司即将公布的年报、或该公司更远期发展的反映。
2、建模方法
以股票价格作为被解释变量,以初选指标为解释变量建立横截面回归模型。具体考虑采用以下三种方法估计模型,并根据模型的检验效果和经济含义确定入选变量和模型形式:
(1)利用逐步回归确定入选变量并建立线性模型。
(2)利用逐步回归方法确定入选变量并建立对数线性模型。
(3)由于反映盈利能力的指标较多,利用主成分将反映盈利能力的多个指标提取主成分,再利用股价对主成分和其他解释变量进行逐步回归,并确定入选变量及模型形式。
如果横截面回归存在异方差,则利用White(1980)的异方差一致协方差估计量进行异方差修正。
三、基于沪深300成份股的多因素估值模型的实证
结果表明,2004年多因素估值模型宜采用线性模型的形式。
结果表明,每股收益等盈利能力指标、行业市盈率、每股净资产、流通股本是2004年市场选股的主要变量,这与市场是基本符合的。成长性指标未能进入模型。
四、基金估值模式与市场估值模式的异同分析
根据基于沪深300指数成分股的多因素估值模型,净利润增长率、主营业务收入增长率这些成长性指标并不是市场投资者的选股标准之一,这表明该模型主要是基于价值而非成长角度对个股相对价值的评判。而根据经验,很多投资者,尤其是机构投资者对股票的成长性是非常关注的;如果是这样,成长性指标未能入选模型,就可能是由于个人与机构投资者的较大分歧所致。
为了考察这一点,有必要对机构投资者的选股标准进行深入分析。作为崇尚价值投资理念的市场主流机构投资者,基金对个股指标的评价很有代表性,因此我们以2003、2004基金年报公布的81只基金重仓股为样本,进一步研究了基金估值角度是否有所不同。
需要说明的是,因为我们所选样本是基金第四季度已经重仓持有的股票,而且我们有理由相信基金公司的研究实力,相信其在第四季度增仓或继续重仓持有股票的行为,一定是对该公司即将公布的年报、或该公司更远期的反映。有鉴于此,以下模型中的被解释变量采用个股当年10-12月日收盘股价的均值。
结果表明,2004基金重仓股模型宜采用线性模型的形式。
与2004年沪深300估值模型相同的是,基金也将每股收益、行业属性、每股净资产、流通股本作为重要的选股标准;不同之处是,基金对上市公司的偿债能力、现金流量也相当关注,基金作为理性机构投资者,对上市公司的关注更为全面。此外,成长性指标仍未能进入模型。
进一步,对沪深300样本股与基金重仓股财务及股本指标的对比分析表明,与2003年类似,基金重仓股在盈利能力、现金流量、资产状况、成长性方面均显著优于沪深300样本股,基金更崇尚价值投资理念。虽然不同基金对成长性等方面存在一定的分歧,但对这些指标均规定最低“门限”要求。
五、多因素估值模型在投资价值分析上的
为了度量样本股价格对价值的偏离程度,我们定义了相对偏差率,即(模型估值-实际价格)/实际价格。考虑到较小的相对偏差率可能是由于抽样误差造成的,因此我们选取相对偏差率的绝对值大于25%的股票,认为其被市场显著低估或高估。
根据2004年模型结果,我们建立了以流通股加权的沪深300低估与高估组合指数、基金重仓股低估及高估组合指数,并分别与沪深300指数、基金重仓股指数、上证A股指数在建模时点后一年内的走势进行对比,进而判断低估组合的投资价值。
(1)沪深300低估、高估组合的市场走势分析
在2005月4月底到6月17日,上证A指、沪深300指数的累积涨幅分别为-6.67%、-6.13%,而沪深300低估组合指数的累积涨幅为-3.27%,高于基准指数,高估组合为-8.64%,低于基准指数。低估组合显著跑赢了沪深300指数和上证A指,而高估组合则显著落后于沪深300指数和上证A指。