引論：我們為您整理了13篇股票投資組合方法范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
下面主要以該理論為基礎，分析它在股票投資中的應用。
二、馬科維茨模型在股票投資組合中的應用
股票投資組合的二參數接近分析的原理是：任何股票投資都涉及收益與風險兩個基本要素，其基本目標是在一定風險水平下取得最大可能的預期收益率。股票投資中的風險有兩類：即系統性風險與非系統性風險。系統性風險屬于不可分散的風險，它是由全局性事件引起的股票投資收益率變動的可能性，如利率風險、政治風險、市場風險等。它影響所有的股票，但對各種股票影響的程度并不相同。非系統性風險是
在股票投資中是可以分散的，它受到非全局性事件的影響，如經營風險、違約風險等，它只引起單只股票收益率的變動。分散此類風險的基本策略是“不要把所有的雞蛋都放在一個籃子里”，而應通過股票多樣化投資來消除各種非系統性風險。所謂股票投資組合理論，就是把一定的資金分散投資于多種股票，使單只股票按一定的比例構成證券集合，從而實現既定風險水平下的預期收益率最大化。在二參數接近理論在股票投資的應用中，以股票投資收益率的期望值為價值標準，并以標準差或方差作為投資風險的量度。這樣，股票投資組合問題就可以描述為：已知單只股票j在任一狀態i下的收益率rji（等于股利加利得與投資之比）及其概率分布hi，進而可以用統計方法確定其期望收益率E（rj）、方差e2（j）及協方差c（rj，rk）.設投資組合中任一股票的組合權數為xj（購買股票j的金額與購買股票總金額之比），滿足
m1j=1xj=1
（xj≥0或xj
其中，m為投資組合中的股票種數；xj≥0表示買入股票j，xj表示賣空股票j。
設股票投資組合在任意狀態下的收益率以rp，i表示，
rp，i=m1j=1xjrji（1）
則根據統計原理，該股票收益率的期望值及方差為
E（rp）=m1j=1xjE（rj）（2）
e2（rp）=n1i=1hi[rp，i-E（rp）]2（3）
此即二參數接近理論在股票投資組合中的應用，亦即馬科維茨模型所討論的情形。現在所要解決的問題是股票投資組合的優化問題，這一問題的實質是在給定風險水平下，尋求產生最大期望收益率的股票投資組合。或是在給定期望收益率下，尋求風險水平最低的股票投資組合。
三、改進的馬科維茨模型――單指數模型
在以給定期望收益率E的方差e2最小為目標，且不允許賣空（xj
mine2p=m1j=1m1k=1ejdjkekxjxk
s.t.Ep=m1j=1xjEj
m1j=1xj=1，xj≥0，j=1，2，3，…，m（4）
上式中，ejdjkek就是股票j、k收益率的協方差。若用矩陣形式表示，則上式可表述為：
min f（x）=xTcx
S.t. AX=b，X≥0
其中，X=[x1，x2，…，xm]T
c=c11，c12，…，c1m
c21，c22，…，c2m
cm1，cm2，…，cmn
A=E1，E3，…，Em
1，1，……，1，b=Ep
篇2
1952年，馬柯維茨（Markowitz）在《金融期刊》上發表了《投資組合選擇》論文以及在1959年出版的同名著作，標志著現資組合理論的誕生。馬柯維茨在文章中闡述了資產收益和風險分析的主要原理和方法，建立了均值-方差模型（MV Model）的基本框架，為現代資產組合理論在隨后幾十年的迅速充實和發展奠定了牢固的理論基礎。馬柯維茨的均值-方差模型為投資者如何選擇最佳資產組合提供了一套完整、成熟的方法。具體來說可分為四個步驟：（1）投資者首先要考慮他所面臨的各種資產以及可能組成的資產組合，以便為其尋找最優資產組合提供選擇范圍；（2）對這些資產進行分析，計算出這些資產的預期收益率、方差、協方差以及相關系數；（3）根據約束條件，運用微分法或二次規劃等方法計算出有效資產組合及其集合-有效邊界；（4）反映投資者主觀態度的無差異曲線和有效邊界的切點即使為最佳資產組合。
論文以2005年8月到2006年8月深圳交易所上市的10只股票為研究對象，以均值-方差、Markowitz理論為基礎，以二次規劃為研究工具，在上述樣本股范圍內找出樣本有效投資組合，并由此作出深圳股票市場10個股票投資組合的“有效邊界”。在此基礎上，引入無風險借貸求出在無風險借貸下的最優投資組合策略。
1 10只股票相關數據
1.1 基本信息
所選的這10支股票都是在深圳證券交易所掛牌的，來自于深圳證券交易所40（現有38）個成分股的10個。這10支股票的名稱、代碼詳見下表1。
樣本選擇日期是從2005年8月12日-2006年8月4日共45交易周，數據來源于搜狐網。
表1 10個股票名稱及代碼
2 數據分析
2.1 周收益率的計算
其中：Rit為第i種股票在t周的收益率，Pit為第i種股票在t周的收盤價；Pi（t-1）為第i種股票在（t-1）周的收盤價；Dit為第i種股票在第t周所獲紅利、股息等收入，Dit=每股現金股利+Pit（送股比例+配股比例） 每股配股價×每股配股比例。
2.2 周平均收益率
各樣本股45個交易周的周平均收益率的計算采用算術平均法，即周平均收益率為：
其中：ERi是第i只股票的周平均收益率；Rit是第i只股票在第t周的收益率；N是周數，N=45。
2.3 標準差
表2 樣本股預期收益率和標準差
各樣本股在樣本時限內周平均收益率的標準差為：
其中：N是周數，N=45
根據上述公式，計算出的周平均收益率及其標準差如表2所示。
然后運用excel的計算功能計算出10只股票的方差-協方差矩陣和相關系數，具體結果如下表3、表4所示。
表3 樣本股的方差-協方差矩陣
表4 相關系數
3 有效資產組合的計算
計算出深市各個樣本股的周平均收益率和標準差后，就可以計算10只股票的可能的有效資產組合了。在目前不允許賣空的條件下，在論文樣本所選取的數據基礎上，深市有效邊界的數學陳述為：
其中：σp為資產組合的標準差；xi為第i種股票在組合中所占的投資比例；σij為（i種股票與第j種股票之間的協方差（當i和j相等時，這里就是方差了）；Rp為資產組合的周平均收益率；Ri為第i種資產的周平均收益率。
這里目標函數是二次的，約束條件是線型的，可以通過二次規劃的方法確定（x1，x2，x3，…，x10）找出有效資產組合了。這里運用數學軟件matlab求解的10組組合如表5所示。
由所得的10組收益值-風險二維數據可以得到股票組合的有效邊界，如下圖1所示。
表5 投資組合比例
圖1 10只股票的預期收益-風險圖
可以看出，隨著預期收益率增加，風險先是增加，到達某個點后就逐漸減少。里面有個臨界值，其中，我們的選擇范圍就是隨著上圖中的上半部分，隨著風險增大，收益率增大的部分。
參考文獻：
[1] 高平.滬深股市資產投資組合的實證研究.華東師范大學學報（哲學社會科學版），2000.5，32（3）.
篇3
（一）國外文獻 馬柯威茨于1952年最早提出了均值-方差理論，成為現資組合理論的開山鼻祖。自此之后，很多金融學者在前人的研究基礎上對該理論進行了補充和發展，如托賓（1958）在提出了著名的兩基金分離定律：當存在無風險資產的情況下，有效前沿上的任意一點都可以表示為（無風險利率，0）和切點的線性組合。此外，大批學者踏上了簡化計算，完善模型的征程。一是盡可能的減少模型計算量，例如：夏普（1963，1964，1970）提出了單因素模型，它的主要思想是：市場的總體因素統一作用于所有股票，市場以外的因素只作用于某一只股票，因此可以通過股票組合來分散。單因素模型使用β來衡量投資組合的風險。提高了人們對市場行為的了解。羅斯（1976）提出了套利定價理論。該理論認為在市場均衡時沒有套利機會，因此承擔相同風險因素的投資組合應該具有相同的期望收益率 。二是開發新的投資組合模型。例如Mao（1970）提出了均值-下半方差模型。Speranza（1993）提出半絕對風險偏差函數。J.P Morgan提出的基于Var的風險度量系統等，至今這個風險度量系統還在很多金融機構被廣泛使用。
（二）國內文獻 我國對金融市場研究起步較晚是一個現實，這是由于很多客觀因素造成的。近幾年中，我國學者也對投資組合理論進行了深入的研究。唐小我（1994）針對我國證券市場的賣空限制情形下的投資組合模型進行了研究。王春峰、屠新曙和厲斌（2002）運用了幾何方法解決投資組合問題。徐緒松、楊小青和陳彥斌（2002）提出了“半絕對離差風險測量工具”。劉小茂、李楚林和王建華（2003）研究了在正態情形下，風險資產組合的均值-CVaR邊界，并與方差風險下的均值-方差邊界進行了比較。陳金龍和張維（2002）分析了投資組合與CVaR之間的關系。此外，安起光、王厚杰（2006），劉慶富（2006） ，榮喜民、武丹丹和張奎廷（2005）、劉志東（2006）等學者在組合預測和方法領域獲得了顯著的理論成果 。
三、研究設計
（一）研究思路 本文選取了馬柯威茨的均值-方差模型作為本文的理論依據，該模型評價投資組合的標準，是當收益一定時風險最小，或者當風險一定時收益最大。 該模型的思想是選取相關性低的投資工具進行組合來分散風險，從而得到更好的投資收益。因此如何衡量股票相關性，并進而篩選出相關性低的投資組合成為該模型的關鍵。由于之前的研究，無論是理論還是實證都很少考慮到金融時間序列的時變性、聚集性、持續性等波動特征對資產組合風險規避與控制的影響。而本文正是針對目前研究的不足，通過使用改進的相關系數法衡量股票收益波動時間序列的相關性，并據此聚類，優化了股票投資組合選擇的方法。具體的思路如下：
（1）股票收益波動性擬合。對于金融時間序列分析，常常會出現某一特征的值成群出現的情況。如對股票收益率序列建模，其隨機擾動項往往在較大幅度波動后緊接著較大幅度的波動，在較小幅度波動后緊接著較小幅度的波動，這種性質稱為波動的集群性。在一般回歸分析中，要求隨機波動項是同方差，但這類序列隨機擾動項的無條件方差是常量，條件方差是變化的量。所以需要使用自回歸條件異方差模型（ARCH）或者廣義自回歸條件異方差模型（GARCH）。
（2）時間序列相似性度量。測量時間序列相似性的方法有很多，最主要使用的是歐式距離法和相關系數法。歐式距離法的優點是計算簡單，易于理解，但是它容易受到序列波動性的影響，而且當序列長度增加時，其距離也會增加。特別是當時間軸發生伸縮或彎曲時，就不能夠準確測量序列的相似性了。而相關系數法的優點是計算量少，而且即使兩個序列均值不同，也能夠準確比較相似性，而在歐式距離法中，如果兩個序列均值不同，即使它們是相似的，計算出來的距離仍然會很大，從而誤導了結果。但是相關系數法也存在其局限性，它只適用于長度相同的序列，因此在比較長度不同的時間序列時，需要改進該方法，改進的相關系數法如下。設有兩只股票P和Q，長度為m的收益波動序列分別為X和Y：X=（x1，x2，…，xm-t，xm-t+1，xm） ；Y=（y1，y2，…，ym-t，ym-t+1，ym）。首先要在X和Y中截取長度相同的兩個子序列，設長度為t，最好從序列最鄰近當前時段開始截取，t不宜過短，計算子序列 X1=（xm-t+1，xn）和Y1=（ym-t+1，yn）的相關系數r1：r1=■將子序列的長度向前增加一個，即長度為（t-1），計算X2=（xm-t，xm-t+1，xm）和Y2=（ym-t，ym-t+1，ym）的相關系數 ：r2=■，重復上述步驟，依次類推，直到子序列包含全部序列的長度m，計算出的相關系數有（m-t+1）個。將計算出的全部相關系數進行平均，則得到的 為改進的相關系數：■=■。由于聚類需要使用距離，而改進的相關系數■是屬于[-1，1]，所以要將■轉化成大于等于零的距離，另d=|■-1|，則d∈[0，2]。通過d對股票進行聚類。
（3）股票聚類。聚類分析。方法中最常用的是分層聚類。分層聚類方法是通過一系列或者是相繼的合并，分割來進行的。是從單個對象開始，這樣在開始時每一個對象都是一類，將那些最相似的對象首先分組，然后將組與組根據它們之間的相似性進行合并，最后隨著相似性不斷下降，所有的組漸漸融合成為一個聚類。
（4）確定最小方差資產組合集合的方法。常用的投資策略優劣評估標準有：收益率分布形態指標，夏普比率，風險價值（VAR），條件尾部期望（CTE）等。本文將主要使用由馬柯威茨于1952年提出的用圖像分析法確立風險資產的最小方差組合集合和有效邊界的過程。我們以只擁有三個資產的組合為例。利用圖像法建立最小方差資產組合集合的過程，就是在以資產權數為坐標軸的空間內，繪制反映資產組合各種預期收益和風險狀況的線，然后依理性投資者選擇資產和資產組合的原則確定最小方差資產組合集合的過程。我們分析是在允許賣空的前提下，以便不受限制條件的約束。假設我們對資產A，B，C進行組合，已知E（rA）=10%，E（rB）=20%，E（rC）=30%，設A，B，C資產的權數分別由xA，xB，xC表示，限制條件為xA+xB+xC=1，由于xC=1-xA-xB，因此只要知道xA和xB的數據，就可以得到xC的數據。因此，可以在一個二維平面圖上顯示三個資產的組合情況，同理，可以使用（n-1）維圖顯示n種資產的組合。在以xA，xB為坐標軸的圖形中，直線AB的方程式是xA+xB=1，所有僅投資A和B資產，不投資C的資產組合都分布在這條線上；不包括A的組合都分布在B軸上，同理，不包括B的都分布在A軸上，分布在AOB三角形區域內的各種資產組合都不含賣空資產，在AOB以外的資產都含有一種或者兩種資產的賣空。根據具體的限制條件在坐標圖上的某個區域進行查找，以確定最小方差的資產組合。而這個過程可以通過EXCEL線性規劃的方式實現。
（二）樣本選擇與數據來源 本文選取的研究對象為2008年1月1日到2009年12月31日在上交所交易的，代碼為sh600000-sh600120的A股股票，數據來源為國泰安數據庫。剔除掉缺失值，實際得到102只股票。分別計算這102只股票的日收盤價數據個數，其中最多的為488個數據，以488為基準，凡是數據個數小于（不包括等于）基準數據15個以上的股票都被清除。這樣經過清除后，剩下83只股票。然后對這83只股票的缺失值進行修補，修補的原則是以前一天的收盤價代替缺失值，經過修補后，每只股票都有488天的數據。計算每只股票的日對數收益率，公式為：日對數收益率=log（當日收盤價）-log（前日收盤價）。經過計算，每只股票都有487 個日對數收益率，
（三）時間序列分析建模過程 首先需要對得到的股票對數收益率進行建模，以單只股票序列為例，過程如下：（1）做統計圖觀察判斷。（2）單位根檢驗。序列大致可分為有三種：擴散型序列，單位根型序列和平穩序列。在實際問題中，時間序列大多并不平穩，而是呈現出各種趨勢性和季節性。由于在實際生活中擴散型序列比較少見，很少作為理論研究的對象，所以我們判斷的基礎就建立在單位根型序列和平穩序列上。做單位根檢驗的目的就是要區分二者，對單位根型序列做差分處理，去除趨勢性因素，從而得到平穩序列。（3）確定時間序列主模型。對原序列進行差分處理，得到寬平穩序列，求解它的自相關系數，偏自相關系數，同時觀察自相關和偏自相關圖像，確定ARMA（p，q）階數。由計算機程序，生成主模型系數的參數估計，得到相應的殘差序列。（4）根據股票對數收益率數據畫散點圖，趨勢圖，觀察序列是否屬于平穩序列，是否具備集群性，直觀地判斷是否可以采用條件異方差模型擬合數據。（5）ARCH效應檢驗。ARCH模型通常用于回歸模型：yt=x't？茁+？著t。若隨機干擾項？著t不存在ARCH效應，則可以直接對模型作最小二乘估計；若？著t存在ARCH效應，則應找到ARCH模型的形式，即在上式中附加？著t=■?vt，并確定q，再進行參數估計。對序列進行ARCH效應檢驗的最常用方法是拉格朗日乘數法即LM檢驗。假設？著tARCH（q），則可以建立如？著t=■?vt的輔助回歸模型：ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2
原假設：H0：？琢1=…=？琢q=0；備擇假設：H1存在？琢i≠0，1？燮i？燮q；檢驗統計量：LM=nR2～X2（q）
其中，n為計算輔助回歸時的樣本數據個數，R2為輔助回歸的未調整可決系數，即擬合優度。檢驗標準。根據輔助回歸ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2的最小二乘估計，得到擬合優度R2，由LM=nR2～X2（q） 計算檢驗統計量LM，根據給定的顯著性水平？琢和自由度q查x2分布表，得到相應的臨界值x？琢2（q）或原假設成立的概率，則可得到結論。LM>x？琢2（q），拒絕H0，表明序列存在ARCH效應；LM
四、實證檢驗分析
（一）投資組合收益波動性擬合 根據上文的時間序列分析擬合步驟，使用S-PLUS軟件中finmetrics的模塊，Excel規劃求解，VBA，SAS，R軟件共同完成從數據的整理，預處理，分析到得出結論，并配以圖形的表達來完成對投資組合風險的度量。
（1）ARCH效應檢驗及股票再篩選。對收益波動率的估計本文使用動態波動率估計模型。在使用GARCH類模型對股票收益的波動率進行擬合之前需要再對選入研究的股票做一次篩選。通過ARCHTEST對這83支股票進行檢驗。在0.05的顯著性水平下通過檢驗說明該股票的收益率波動性具有集群性，也就是說收益率是變換的，使用ARCH或GARCH模型擬合更加合理。共有33支股票的收益率數據經過了ARCH效應檢驗。
（2）股票收益波動性擬合。對這33支股票分別進行收益波動性擬合。第一次采用ARMA模型作為主模型對收益率數據進行建模，然后對殘差進行GARCH模型擬合，雖然擬合后殘差序列均通過了檢驗，但在相似性聚類中效果不佳。于是重新選定主模型。將常系數模型作為主模型，然后對殘差進行GARCH模型擬合，殘差也均通過了檢驗。在模型中，條件方差序列就是待求的股票收益波動性序列，最后得到33條各488個數據的波動率序列。GARCH（p，q）的最簡單形式GARCH（1，1）。該過程可以表示為：？著t=■?vt；ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2
其中，{vt}獨立同分布，且vt～N（0，1），參數滿足？琢0>0，？茁1？叟0，？琢1？叟0。？著t～GARCH（1，1）是穩定過程的成分必要條件為？琢1+？茁1
（二）采用改進的相關系數法比較股票收益波動性的相似性
計算33支股票中任意兩支股票的相似性。設任意兩支股票A、B：A=（x1，x2，xn-t，xn-t+1，x487）；B=（y1，y2，yn-t，yn-t+1，x487）
由于股票收益波動序列是兩年期的日數據，因此首先選取時間期為2008年1月2日-2008年12月31日長度為245的兩個子序列A1、B1：A1=（x242，x243，…，x487）；B1=（y242，y243，…，y487）
計算A1、B1的相關系數記為r1。之后將序列的起點向前推一個，計算時間期為2008年12月28日-2009年12月31日長度為246的兩個子序列A2、B2：A2=（x241，x243，…，x487）；B2=（y241，y243，…，y487）
計算A2、B2的相關系數記為r2。繼續按照這種方式，每次將子序列的起點向前推進一期，計算相同時間期的兩個子序列之間的相關系數，直到最后一次計算A、B序列全部數據之間的相關系數r242。總共可以得到242個相關系數。最后，將所得的全部相關系數的均值作為A、B序列間改進的相關系數r*AB： r*AB=■。
相關系數的取值范圍在[-1，1]之間，系數為正，說明兩支股票收益率的波動性之間成正相關，系數越大，相似度越高；系數為負，說明兩支股票收益率的波動性之間成負相關；系數為零，說明兩支股票收益率的波動性之間不相關。
（三）股票聚類 為了將A、B之間的相關系數轉化成距離，還需計算|r*AB-1|，記為dAB，即 dAB=|r*AB-1|
全部股票經過點間距計算，可以得到33×33的距離矩陣。由于篇幅限制，這里不做展示。將距離矩陣輸入到SAS軟件當中，借助軟件的聚類方法，采用Agglomerative算法，選擇method=density，K=2可以得到聚類結果。這里所用的類間距估計法是最近鄰密度估計法。軟件輸出的聚類過程及結果如表（1）和圖（1）所示，可以看出33支股票被聚為6類，具體分類情況如表（2）所示。這六類股票的收益波動率序列存在很大差異，從每一類中選擇一個典型的序列收益波動率圖，展示結果如下。
（四）投資組合績效比較 為了驗證改進的相關系數聚類法在股票投資組合中的應用效果，使用的主要方法是將基于使用改進相關系數聚類法根據收益率相似性聚類的股票投資組合與隨機組合、類內組合對比，比較在相同收益率水平下，組合的最小方差值大小。該值越小，說明該組合績效越好。具體來說，投資組合績效比較的研究思路為：首先確定組合收益率的大小，其次確定每種組合方案下抽取組合樣品的個數，然后分別計算每種方案下的組合風險均值，最后將三種方案下組合風險的均值進行對比得出結論。
（1）確定收益率大小。在計算組合的風險之前需要首先確定組合收益率的大小。由于所選數據是2008-2009年間的股票數據，而這段時期內股市處于衰退的狀態，眾多股票長期出現負收益率，因此將組合的收益率設為較小的數值，假設為0.03。
（2）確定三種組合方式的抽樣方案。確定三種組合方式的抽樣方案時要首先計算出每種組合方式下可能出現的組合的種類。如表（3）所示，隨機組合的種類最多，基于相似性聚類的組合次之，類內組合的數目最少。為了能比較出組合的績效，規定每種組合方式下抽取180個樣品計算風險均值。根據它們各自組合的特點，可以采用不同的方式來選取樣品。基于相似性聚類的組合在選取樣品時可以采用類似分層抽樣的方法，將不同類別作為不同層看待，從每一層中隨機抽取一支股票。每一次抽取完畢，可以得到6支股票，將這6支股票作為一個組合。按照這種方式抽取180個組合即可。隨機組合在選取樣品時按照統計中排列組合的方式，隨機從33支股票中無放回地抽取6支，作為一個組合。按照這種方式抽取180個組合即可。類內組合在選取樣品時先將可能的組合種類列出，然后按照簡單隨機抽樣方式從這8008個待抽樣品中抽取180個組合即可。
（3）計算三種組合方式的風險。計算不同組合方式的風險大小時主要通過EXCEL軟件中規劃求解的功能來完成。相應的指標設置如表（4）所示。通過計算就可以得到滿足條件的有效組合的最小方差值。由于篇幅所限，每種組合方式下的樣本方差計算結果不在此列示。
篇4
本文選取的基金為國投瑞銀核心企業股票型證券投資基金，簡稱國投瑞銀核心。由于各基金具體的投資組合是不公開的，只在每一季度末公布所投資的十大重倉股票，所以本節的研究樣本只能選取基金在季度末的十大重倉組合為研究對象。本文選取2007年12月30日該基金持有的十大重倉股數據為樣本進行分析。重倉組合數據來源于國投瑞銀基金管理有限公司網站基金數據庫，各重倉股的歷史價格來源于搜狐網。在國投瑞銀基金十大重倉組合收益的協方差矩陣的計算時，需要用到各重倉股的歷史價格。本節選取10支股票在2007年10月8日到12月28日的收盤價來計算各支股票的日收益率。由于中信證券在這個階段數據不全，只有50個收盤價數據，而其他股票都有58個收盤價數據，所以在數據處理中將去除掉中信證券，只分析其他9支重倉股票。
三、實證分析
本節所用數據處理軟件Excel2003。9支重倉股票收益率的計算采用幾何收益率計算方法:ri，t=lnpi，tpi，t-1其中，ri，t是第i支股票在t時刻的收益率，pi，t是第i支股票在t時刻的收盤價。這里，把9支重倉投資股票作為一個投資組合，該組合的總投資額為423101.56萬元。該投資組合中，按招商銀行、興業銀行、浦發銀行、深發展A、中國平安、蘇寧電器、大秦鐵路、唐鋼股份、神火股份的排列順序，各支重倉股票的投資權重向量為：wT=(0.1873310.1283010.1253330.1117560.1003070.0971670.0968850.0771660.075754)按照上述排列順序，由Excel得出的，各支重倉股票收益序列之間的協方差矩陣為:由于影響股票價格的因素很多，存在很大的不確定性，所以金融變量收益序列大多不服從正態分布，為了簡化分析過程，本文假設由這9支股票組成的投資組合的收益序列服從正態分布。
根據投資組合VaR計算公式：VaR=Wασp，σ2p=wTΣw，其中W為期初投資額，σp為組合的標準差，w為組合的投資權重。在95%的置信水平下，正態分布上分位數α=1.65，由此可以計算出投資組合的風險值日VaR=247366165元。這九只個股的日VaR分別如下表：從上表可以看出，在這九只股票的投資組合中，單個風險最大的是招商銀行34937384.05元，而風險最小的是神火股份20694003.84元。其中，這九只股票VaR簡單加總的和為：225610510.9元。通過上面的計算我們可以看出，投資組合的風險價值VaR247366165元要小于225610510.9元，構建投資組合可以大大降低我們平時所面臨的風險。
根據邊際VaR的計算公式：VaRi=αβiσp=VaRWΣ*βi其中各支股票相對投資組合的βi系數組成的向量β可由如下公式求出：β=ΣwwTΣw按照前述排列順序，各支重倉股票相對投資組合的βi系數組成的向量β為：β=（1.1714702881.1554373441.1297404550.5300549041.1394695190.6627064861.0332420620.6331525281.370485797）所以，各支重倉股票的邊際VaR組成的向量為：MVaR=（0.0684899650.06755260.0660502320.0309896390.0666190410.0387451090.0604084570.0370172380.080125399）邊際VaR的定義為:當組合中某資產增加1貨幣單位時，引起投資組合VaR的變化值。根據這個定義，如果對九支股票同樣是增加1元的投資額，則招商銀行、興業銀行、浦發銀行、深發展A、中國平安、蘇寧電器、大秦鐵路、唐鋼股份、神火股份等各支股票會使得組合VaR增加值依次為：0.068489965元，0.0675526元，0.066050232元，0.030989639元，0.066619041元，0.038745109元，0.060408457元，0.037017238元，0.080125399元。按邊際VaR的大小排序，組合中九支股票的排列順序為:神火股份、招商銀行、興業銀行、中國平安、浦發銀行、大秦鐵路、蘇寧電器、唐鋼股份、深發展A。其中股票神火股份的邊際VaR最大，深發展A的邊際VaR最小。如果想要在投資總額不變的情況下盡量減少該組合的VaR，則可以通過減少股票神火股份的投資頭寸，增加股票深發展A的投資頭寸來達到目的。
根據成分VaR的計算公式：CVaRi=(VaRi)*Wwi=VaRβiwi可得組合中各支股票的成分VaR組成的向量為:CVaRi=（54285146.3136670444.9535025637.2814653226.1428273121.1615928709.2224762631.6712085802.4125681445.86）組合中某一資產的成分VaR是指該資產的VaR在整個投資組合VaR所占的比例。成分VaR一般應具備以下幾個特征：一是成分VaR之和應等于投資組合的VaR(通過投資組合分散風險后的VaR)：二是若把某一資產從組合中去掉，則該成分VaR可以反映組合VaR的變化：三是若某一資產的成分VaR為負數，則增加該資產的投資可以對沖投資組合的風險。
上述括弧內依次是招商銀行、興業銀行、浦發銀行、深發展A、中國平安、蘇寧電器、大秦鐵路、唐鋼股份、神火股份等各支股票的成分VaR值，單位為元。若按各支股票成分VaR值的由大到小排序，則九支股票的排列順序依次為：招商銀行、興業銀行、浦發銀行、中國平安、神火股份、大秦鐵路、蘇寧電器、深發展A、唐鋼股份。可以看出，在該投資組合中，招商銀行的成分VaR最大，由成分成分VaR的定義可知，如果從組合中剔除招商銀行，投資組合的風險值日VaR將減少54285146.31元。根據VaR貢獻率的計算公式：成分為i的VaR貢獻率＝CVaRVaR各支股票對組合VaR的貢獻率按照招商銀行、興業銀行、浦發銀行、深發展A、中國平安、蘇寧電器、大秦鐵路、唐鋼股份、神火股份的順序依次為：21.9453%，14.8244%，14.1594%，5.9237%，11.4297%，6.4393%，10.0105%，4.8858%，10.3820%。
從上述實證數據看，無論單個VaR數值，還是對組合VaR的貢獻率，股票招商銀行對投資組合的VaR都有很大的影響，它是股票投資組合的主要潛在風險來源；相反唐鋼股份
從上述實證數據看，在投資組合的風險值247366165元中，招商銀行的VaR是54285146.31元，占股票投資組合的VaR的21.9453%，而其市場價值只占股票投資組合總價值的18.7331%，即占基金18.7331%的招商銀行帶來了21.9453%的風險，這說明招商銀行是股票投資組合主要的潛在風險源，作為投資的管理者，必須重點關注這只股票的基本面情況和市場走勢；當然，這只股票的單獨帶來的風險與市場近期的行情和宏觀經濟走勢也有關聯，但管理者仍然應當考慮對這只股票適當減持；相反，占基金11.1756%的深發展A只帶來了5.9237%的風險，管理者可以將這只股票作為增持的考慮對象。
篇5
文章編號：1000176X（2016）05007607
一、引言
Fama提出有效市場假說后，越來越多的研究表明，投資者在做出復雜的決定時總是表現出非理性。市場也會通過一系列心理因素的驅動而變得低效率。一般來說，這些非理性的結果來自于信息處理和行為偏差兩個方面。過度反應作為行為偏差的一種，受到研究者越來越多的重視。Kahneman和Tversky[1]指出，人們對新信息常常反應過度，在決策中賦予它過大的比重。在過去30年中，過度反應現象被發現存在于美國、英國、日本和中國香港等國家和地區的證券市場。本文以中國A股市場為例，驗證中國股票市場是否存在過度反應的現象，探索收益逆轉是否是由從形成期到檢驗期風險水平差異造成的，并尋找資本資產定價模型以外的解釋模型。過度反應效應始于心理學研究，在20世紀80年代之前并沒有吸引到眾多投資者的關注。直到Shiller[2]在美國股票市場上發現過度反應效應影響投資者行為和股票價值，人們才開始廣泛接受這個概念。
在國外的研究中，Bondt和Thaler[3]首先提出使用定量的方法來衡量過度反應。他們通過在紐約股票交易所上市的股票構建了贏家和輸家投資組合，數據的時間跨度為1926―1982年。優勝者投資組合包含累計超額收益（CAR）排名在前50的股票，失敗者投資組合包含CAR排名在后50的股票。研究發現，贏家和輸家投資組合在股票價值形成中會受到過度反應效應的影響，且受到影響的程度存在差異。從形成期到檢驗期，市場會發生收益逆轉，贏家投資組合的CAR會降低500%，而輸家投資組合的CAR會增加1960%。Ball和Kothari[4]隨后對Bondt和Thaler的方法做了進一步研究，他們將股票按照過去5年的累計收益率（CR）排名分成兩組，分別買入50只表現不良和表現優異的股票進行測試，并根據資本資產定價模型（CAPM）計算了不同組合市場風險溢價α和系統性風險 β。實驗發現，在形成期輸家投資組合的風險水平高于贏家投資組合，在檢驗期前者能夠產生更多的反向收益。根據Chan[5]的理論，公司的盈虧可以改變一個公司的價值，進而影響其股權結構、財務杠桿和風險水平。Saleh[6]通過實驗，提出了可用的流動性也有可能影響反向收益。Antoniou等[7]關注的是過度反應造成的逆向投資策略和反向收益，他們使用希臘股票市場1989―2004年的數據，發現采用逆向投資策略的股票投資者能夠獲得更多的反向收益。在將影響逆向投資策略的因素加入到Fama-French三因子模型中時，發現股票收益與短期內是否使用逆向投資策略相關，且考慮市場摩擦時，資本規模較小的股票可以比資本規模較大的股票獲得更高的反向收益。
在國內的研究中，鄒小M和錢英[8]將滬市1993―2001年的股票交易數據分為形成期為1年和兩年兩種情況，分別檢驗過度反應，而且形成期越長，隨后的逆轉效果越明顯，輸家組合的平均超額收益率越高于贏家組合的平均超額收益率。梁冰和顧海英[9]選取1997―2003年我國股票市場交易數據，形成期和檢驗期為1―24個月。研究結果發現，在短期水平上，形成期和檢驗期均為4―6個月的投資組合，無論贏家組合還是輸家組合都存在一定程度的反向收益，贏家組合的反向收益大約為輸家組合的兩倍，在12―24個月的中長期水平上，贏家組合和輸家組合均表現出比較明顯的過度反應現象。陳國進和范長平[10]基于1997―2004年上海證券交易所的所有股票交易數據，對中國股票市場的過度反應及其成因進行實證分析。研究結果表明，中國股票市場的過度反應現象形成期為兩年，過度反應的主要成因是規模效應，而非月歷效應。陳夢根[11]基于混頻抽樣方法（MIDAS）的研究，指出滬深兩市的風險收益與過度反應效應之間呈顯著的正相關關系。熊熊等[12]使用VAR方法分析了國際股票市場對中國股票市場系統性風險影響的差異，指出在對中國股票市場進行系統性風險的監督與測算過程中，要注重各個國家和地區股票市場之間的相互聯系，對影響超額利潤的跨市場傳導風險差異給予重視。楊勝剛和成博[13]以投資者信息對稱和理易為前提，以貝葉斯決策準則為框架，通過引入不確定效應和信息擴散因素，重新詮釋了信息沖擊下的證券市場過度反應特征，并認為市場過度反應現象可能并非由投資者異質性和非理性決策行為所導致，而是市場本身固有的屬性。投資者理性程度、沖擊持續時間和公司分紅穩定性是影響過度反應的重要因素。
二、實驗數據和理論基礎
1實驗數據
本文使用的數據是中國A股市場中所有股票的月末調整收益率，期限在2003年1月至2013年12月之間，數據均來源于WIND數據庫。由于原始數據是每月的價格，所以本文使用下面的模型將價格轉換為收益率。
Rt=Pt+1-PtPt（1）
Rt表示一只股票的月收益率，Pt表示一只股票在t月的月末調整價格，Pt+1表示該只股票在下個月的月末調整價格。本文所使用的數據還包括市場指數和無風險利率。市場指數是中國A股指數，反映了包含中國A股市場所有股票的波動情況。無風險利率是一年期活期存款利率。
2理論基礎
（1）檢驗過度反應效應
本文驗證過度反應假說使用的是Bondt和Thaler[3]所提供的方法：如果在檢驗期間，贏家投資組合的平均累積平均剩余收益（ACAR）為負，而在輸家投資組合的ACAR為正，則證明存在過度反應效應。投資組合的平均累積平均剩余收益（ACAR）表示為：
ACARp，t=16∑6j=1CARp，j，t（2）
其中，CAR表示累積平均剩余收益。
當以下3個表達式同時成立時，意味著A股市場存在過度反應效應：
ACARw，t0；ACARCT，t=ACARL，t-ACARw，t>0（3）
其中，W表示的是贏家投資組合，L表示的是輸家投資組合，CT表示的是使用逆向投資策略的投資組合。
齊次性檢驗可以表示為：
tt=ACARL，t-ACARW，t2s2t6（4）
其中st表示樣本的標準差。
（2）檢驗逆轉是否由風險水平差異所導致
Bondt和Thaler提出的方法實際上并不是一個完整的測量，因為沒有考慮不同層次的風險。根據Chan的理論，公司的盈虧可以改變一個公司的價值，進而影響其股權結構、財務杠桿以及風險水平。本文使用Chan[5]的方法測試數值正負的改變是否是由形成期到檢驗期的風險水平發生改變所導致：
Rp，t-Rrf，t=γp，FMT（1-Dumt）+γp，TSTDumt+βp，FMT（Rm，t-Rrf，t）+βp，FTT（Rm，t-Rrf，t）Dumt+εp，t（5）
其中，Rp，t表示t時期贏家或輸家投資組合的收益率；Rrf，t表示無風險利率，即一年期的活期存款利率；γp，FMT表示在形成期持有投資組合的超額收益率；γp，TST表示在檢驗期持有投資組合的超額收益率；βp，FMT表示在形成期持有一種投資組合的系統性風險；βp，FTT表示進入到檢驗期時持有的投資組合系統性風險的變化；Rm，t表示市場指數收益率，即A股指數收益率；Dumt為虛擬變量。
根據Chan的理論，如果滿足Chan的假設要求時，
Chan的理論假設要求為：贏家投資組合的γp，TST顯著小于0，輸家投資組合的γp，TST顯著大于0，贏家投資組合的βp，FTT并非一直顯著小于0；輸家投資組合的βp，FTT并非一直顯著大于0。過度反應效應即可被證實存在。為了進一步檢驗在形成期和檢驗期反向收益是否是由風險水平的差異導致，本文使用如下模型：
RL，t-Rrw，t=γCT，FMT（1-Dumt）+γCT，TSTDumt+βCT，FMT（Rm，t-Rrf，t）+βCT，FTT（Rm，t-Rrf，t）Dumt+εp，t（6）
如果滿足模型假設要求，則過度反應效應可以被證實存在。
為了估計2003―2013年的累計參數，添加U統計量：
U=16∑6j=1tjTj-3Tj-112～N（0，1）（7）
（3）反向收益的模型解釋
除了Fama和French提出的三個可能影響反向收益的因素，Saleh[6]提出了可用的流動性也有可能影響反向收益。因此，代表流動性的因子LMI（流動性減去非流動性）被添加到了三因子模型中構建出含有4個因素的新模型，表達式為：
Rlw，t-Rrf，t=α+β（Rm-Rrf）+siSMBt+hiHMLt+liLMIt+εt（8）
其中，SMBt表示規模效應，HMLt表示賬面市值，LMIt 表示流動性效應。/Htv表示擁有較高交易量的細價股股票投資組合，B/Htv表示擁有較高交易量的大型股股票投資組合，S/Htv表示擁有較低交易量的細價股股票投資組合，B/Htv 表示擁有較低交易量的大型股股票投資組合。
三、經驗研究與結果分析
1對贏家和輸家投資組合的描述性統計
本文只需要對平均收益率和標準差進行檢驗。檢驗結果如表1所示。
從表1可以看出，對于贏家投資組合，形成期的平均收益率都顯著大于0，檢驗期的平均收益率都顯著小于0。這些結果意味著從形成期到檢驗期優勝者投資組合發生了收益逆轉，這很有可能是由于中國A股市場的贏家投資組合中存在過度反應效應。
對于輸家投資組合，共有5組在形成期的平均收益率均顯著小于0，有5組在檢驗期的平均收益率均顯著大于0。異常值是第3組在形成期的平均收益率（001），這表示輸家投資組合的平均收益率在該時期內沒有發生從負到正的逆轉。這個異常值歸因于中國A股市場在該時期具有積極的表現，以至于輸家投資組合也能獲得正的回報，并在檢驗期保持這樣一個收益率水平不變。另一個異常值是第6組在檢驗期的平均收益率（-001），這表示輸家投資組合的平均收益率在該時期也沒有發生從負到正的逆轉。但是，這個平均收益率是從-002變化而來，意味著在這個時期失敗者的投資組合從形成期到檢驗期發生了潛在的收益逆轉，平均收益率得到了提高。因此，從形成期到檢驗期輸家投資組合產生了反向收益，并且輸家投資組合中有很大的可能性存在過度反應效應。
雖然從形成期到檢驗期的平均收益率發生了逆轉，但是衡量風險的標準差卻沒有這種倒向性的逆轉。從表1可以看出，無論是在形成期還是在檢驗期，贏家投資組合的風險都要大于相應的輸家投資組合的風險。這在一定程度上可以解釋，為何當前階段的贏家在下一個階段會變成輸家。
2過度反應效應的經驗分析
表2給出了贏家、輸家和逆向策略投資組合的ACAR，以及它們各自的t值。在表2中，上述變量處于檢驗期的1―36個月。即2006年1月至2008年12月，2007年1月至2009年12月，……，2011年1月至2013年12月。
首先，贏家投資組合和輸家投資組合均存在過度反應效應。從表2可以看出，贏家投資組合的ACAR有32個值均小于0，輸家投資組合的ACAR全部36個值均大于0，故兩類投資組合均存在過度反應效應。另外，表2顯示檢驗期贏家投資組合的ACAR值從001降低到了-013，減少了14個百分點；而輸家投資組合的ACAR值從002提高到了030，增加了28個百分點。由此可以推出，隨著時間的推移，股票市場的收益逆轉越來越明顯。
其次，逆向策略投資組合也存在過度反應效應。從表2可以看出，逆向策略組合ACAR36個值均大于0，并且34個t值大于5%置信度下的t檢驗臨界值，這個結果滿足方程的要求，所以可以使用逆向投資策略在中國A股市場獲取額外收益。另外，表2顯示檢驗期逆向投資組合的ACAR值從001提高到了043，這表示在整個測試期間，輸家投資組合的收益表現要比贏家投資組合的收益表現好了42個百分點，因此逆向投資組合帶來了明顯的反向收益。
再次，贏家和輸家投資組合的過度反應效應并非一直是顯著的。如表2所示，當檢驗期持續時間超過30個月時，過度反應效應在贏家和輸家投資組合中均是顯著的，即證實了雖然過度反應效應存在于中國A股市場，但是在贏家和輸家投資組合中并不是一直顯著的。同時，表2結果表明僅當贏家和輸家投資組合能夠構成逆向投資策略時，t值的結果顯示ACAR是顯著的。
最后，中國A股市場具有杠桿效應。在中國A股市場，贏家投資組合具有負的ACAR值，說明投資者對投資有利的消息反應過度；輸家投資組合具有正的ACAR值，說明投資者對投資不利的消息同樣反應過度。這種現象被稱為“損失厭惡”，即投資者往往更偏好避免損失，當他們得到不利消息時，會快速賣出手中的股票；但是在得到有利消息時，會持觀望態度，并不會立即購買這些股票。
3收益逆轉是否是由風險水平差異所導致的經驗分析
雖然上述分析已證實中國A股市場存在過度反應效應，但是當加入風險調整收益之后這種逆轉也許會消失。所以，為了確認中國A股市場確實存在過度反應效應，需要證明贏家和輸家投資組合的收益逆轉現象與形成期到檢驗期風險水平的改變無關。本文繼續使用Chan的贏家和輸家模型。結果如表3、表4和表5所示。
首先，表3―表5顯示，R2的結果落在011―079之間，表明11%―78%的風險調整后收益可以使用5個獨立變量解釋。同時，對于贏家投資組合，在形成期共有5個γp值為正，在檢驗期共有4個γp值為負。對于輸家投資組合，在形成期共有6個γp值為負，在檢驗期共有4個γp值為正。這些結果證明了前文的部分結論，即在中國A股市場，贏家和輸家投資組合均雖存在過度反應效應，但是這種過度反應效應并非持續顯著的。
其次，從表3和表4的結果可以看出，收益逆轉并非是由于形成期與檢驗期的風險差異導致的。對于贏家投資組合，衡量從形成期到檢驗期系統性風險變化的βp，FTT值有6個為負，并且βp，FTT的U統計量的值不顯著（-150），表明贏家投資組合的收益逆轉可能不是由市場風險減少要求的風險補償降低所導致的。對于輸家投資組合，βp，FTT值有4個為正，且并非全部顯著，另外兩個則顯著為負，且βp，FTT的U統計量的值不顯著（063），這表明輸家投資組合的反向收益并不是由市場風險增加要求的風險補償增加所導致的。至此，筆者認為贏家和輸家投資組合中發生的收益逆轉現象仍是過度反應導致的。
最后，逆向策略投資組合的結果和輸家投資組合結果相類似。如表5所示，在形成期有6個γp值為負，在檢驗期有4個γp值為正，說明在中國A股市場可以通過逆向投資策略獲利。而γp，TST的U統計量的值不顯著（128），可知過度反應效應在逆向投資策略中通常是顯著的。βp，FTT值有4個為正，且U統計量的值不顯著（-005），表明不同的風險水平并沒有導致收益的同向逆轉，過度反應效應存在于逆向策略投資組合中。
4反向收益的四因子模型分析
本文用包含Rm-Rrf、SMB、HML和LMI的四因子模型分析過度反應效應。結果如表6所示。
由表6可知，在三因子模型中加入LMI因子后，模型的解釋效果并沒有得到明顯的增強。只有3組投資組合的LMI系數不接近于0，其中僅兩組的t值是顯著的，筆者認為流動性因素并不是影響反向收益的顯著因素。雖然5組投資組合的F值是顯著的，但是2數值最大為045，最小為-003，總體上仍沒有超過45%。
四、政策建議
本文以中國A股市場為例，通過理論分析和經驗研究，具體明晰中國A股市場對市場信息做出反應的特點和不足，剖析了中國A股市場過度反應效應的存在形式，以及促進中國A股市場深化改革的重要著力點。
從宏觀層面出發，中國A股市場依然存在過度反應現象，是由于在中國A股市場特殊制度背景下，市場結構尚未完善所導致的。政府部門一方面也要立足于建立公平開放透明的市場規則，實行長期統一的市場準入制度，鼓勵和引導民間資本進入以金融服務業為主的經濟領域；另一方面要堅持全面深化改革，加快完善現代經濟市場服務體系，不斷提升以金融業為主的經濟體系服務實體經濟的能力，促進經濟持續健康發展，從而進一步強化金融市場和股票市場的有效性，提升市場抵御經濟風險的能力并主動適應經濟發展新常態。
從中觀層面出發，中國A股市場依然存在的過度反應現象是由股票市場經常面臨來自政策的不穩定所導致的。構建A股市場功能模型的研究發現，A股市場具有提高交易效率、降低交易費用，從而為資本市場化提供有效市場基礎的功能，但是值得警惕的是，在當前A股市場巨幅波動的背后，存在嚴重的政策性導向。此外，部分機構投資者和私募基金存在“坐莊”、散布“噪音”的投機行為，一些上市公司存在財務造假及市場操縱的不規范行為，中國證監會等監管部門應進一步完善對應的證券及股票市場交易規則、監管機制以及信息制度，從而減少市場規則、政策出臺和信息帶來的不確定性。
從微觀層面出發，過度反應效應在中國A股市場的表現，具體體現了以中小投資者為主體的投資者對信息反應往往具有非理性、過度悲觀、“噪聲交易”以及“正反饋交易”等心理行為特點。因此，深化高等教育體制改革，推進高校教育創新理念和專業教育水平的提高，才能有效提高證券投資者的投資知識和技能，使他們能夠理性分析市場信息，從而縮小投資者在超漲或超跌的股價波動中的認知偏差，在持續交易的過程中構造合理的投資組合以獲得更多的超額收益。
參考文獻：
[1]Kahneman， D，Tversky， A Availability： A Heuristic for Judging Frequency and Probability[J]Cognitive Psychology，1973，5（2）：207-232
[2]Shiller， RDo Stock Prices Move too Much to Be Justified by Subsequent Changes in Dividends？ [J]The American Economic Review，1981，71（6）： 421-436
[3]Bondt， W FMD， Thaler， R Does the Stock Market Overreact？ [J]The Journal of Finance，1985，40（3）：793-805
[4]Ball， R，Kothari， S PNonstationary Expected Returns： Implications for Tests of Market Efficiency and Serial Correlation in Returns[J]Journal of Financial Economics，1989，25（1）：51-74
[5]Chan， K COn the Contrarian Investment Strategy[J]Journal of Business，1988，37（6）：147-163
[6]Saleh， W Overreaction： The Sensitivity of Defining the Duration of the Formation Period[J]Applied Financial Economics，2007，17（1）：45-61
[7]Antoniou， A， Galariotis， E C，Spyrou， S I Contrarian Profits and the Overreaction Hypothesis： The Case of the Athens Stock Exchange[J]European Financial Management，2006，11（1）：71-98
[8]鄒小M，錢英我國股票市場的中長期回報率的過度反應[J]數理統計與管理，2003，（11）：9-14
[9]梁冰，顧海英中國股票市場過度反應行為：完整牛市和熊市周期中的實證[J]東北林業大學學報，2004，（5）：80-82
[10]陳國進，范長平我國股票市場的過度反應現象及其成因分析[J]南開經濟研究，2006，（3）：42-53
篇6
堅守精選流程但效果欠佳
今年以來以創業板為首的中小市值個股發力，主動管理的偏股型基金凈值大都表現優異，平均回報率達到了12.62%。與之相比，民生加銀精選基金今年的業績并不樂觀。
對于成績不理想的原因，江國華解釋說：“我們買入股票，是按照成長性、價值性綜合比較，自下而上精選作出的判斷。對于個股問題，由于公司要求，我們不便談論。敬請理解。”記者注意到，在基金公司的投資策略這一欄里，對于如何進行股票投資著墨甚多。譬如：
“本基金在個股選擇上采取自下而上的股票精選策略，通過構建初選股票池、精選股票池，從基本面角度篩選出具有核心競爭力優勢的企業，并通過估值水平和流動性篩選個股，構建股票投資組合，最后通過風險評估優化股票投資組合。”
“本基金將分別通過民生加銀核心競爭力外部特征識別系統、民生加銀核心競爭力內在根基識別系統，由外及內、由淺到深逐步細致深入分析和評價企業的競爭力，精選出具有核心競爭力優勢的企業作為股票投資備選對象。”
“企業競爭優勢的好壞必然體現在企業的一系列財務數據中，因此，本基金運用財務分析的方法，分析有關指標和數據，以細化、深化對于企業核心競爭力優勢的理解，同時，揭示企業核心競爭力優勢的真實面目。”
正是由于對個股選擇有著詳細的精選流程和電腦識別系統，所以民生加銀精選基金2013年各個季度的前十大重倉股中，同公司的十大重倉股中交叉持倉品種分別達到了10只、8只、7只。
“我們的重倉股都是經過公司的流程，通過構建初選股票池、精選股票池，從基本面角度篩選出具有核心競爭力的優勢企業，并按照成長性、價值性的綜合比較，作出的投資決策。”江國華稱。
自由發揮的個股業績也差強人意
《投資者報》記者對比發現，除了同基金公司持倉品種，該基金在2013年二季度和三季度各有兩只重倉股。其中二季度是恒寶股份和金地集團，三季度是云南白藥、東港股份。
從上述個股的盤面表現來看，恒寶股份與金地集團都是在3月至5月間有過短暫拉升，此后一直橫盤陰跌，可能是基金經理個人發揮，追高買入。之后見勢不對便斬倉賣出。云南白藥和東港股份情況類似。
一位北京劉姓證券分析師在接受《投資者報》記者采訪時稱，今年的市場行情和民生加銀精選基金的精選流程不夠契合。一般而言，通過電腦識別系統篩選出來的股票更為看重市盈率和財務指標，因此也更為穩健，配置偏均衡，而今年市場的熱點基本上是在成長股和創業板。資料顯示，江國華出任民生加銀精選基金經理之前，在招商基金公司擔任分析師，從事數量化研究與風險管理；2008年7月加入民生加銀基金管理有限公司，擔任金融工程研究員，兼任煤炭、電力、汽車、電力設備行業研究員。他的從業經歷也決定了他選股傾向于自下而上，基本面好、估值不高、盈利增長空間大、市場份額方面占有優勢的公司，不傾向炒重組、炒熱點、炒概念等波段操作行為。
篇7
1、前景理論
1979年,Kahneman和Tversky(1979)提出了前景理論用于描述不確定性情況下的選擇問題。與傳統的期望效用理論不同的是,前景理論用價值函數(valuefunction)代替傳統的效用函數(utilityfunction)。與效用函數相比,價值函數具有以下特征。
首先,投資者價值函數的自變量是投資者的損益(lossorgain),而不是資產的數量,因此投資者不是從整個資產組合的角度來作投資決定,而是按組合中各資產的損益水平將其分別對待。實際上,有的投資獨立來看可能是沒有(或有)吸引力的,但是從整個分散組合的角度來看可能就是一個不錯(或不好)的選擇。投資者判斷損益的標準來自于其投資參考點,參考點的位置取決于投資者的主觀感覺并且因人而異。其次,價值函數的形式是"S"型函數,在盈利部分是凸函數,在虧損部分是凹函數。這意味著投資者的風險偏好不是一致的,當投資者處于盈利狀態時,投資者是風險回避者；當投資者處于虧損狀態時,投資者是風險偏好者。最后,價值函數呈不對稱性,投資者由于虧損導致的感覺上的不快樂程度大于相同數量的盈利所帶來的快樂程度。因此投資者對損失較為敏感。
2、經驗研究
在前景理論的框架下,其它學者對投資者在股票投資上回避實現損失的現象作了近一步的研究。值得一提的是,近年來學者們利用各自所得的獨特資料庫對處置效應等行為金融課題進行實證研究,并取得較大的進展。
Shefrin和Statman(1985)指出在股票市場上投資者往往對虧損股票存在較強的惜售心理,即繼續持有虧損股票,不愿意實現損失；投資者在盈利面前趨向回避風險,愿意較早賣出股票以鎖定利潤,即出現處置效應的現象。Shefrin和Statman將引致處置效應的原因歸結于投資者的心理,投資者為避免實現損失帶來的后悔和尷尬而回避實現損失,因為一旦損失實現,即是證明投資者以前的判斷是錯誤的；投資者急于實現盈利是為了證明自我,即驕傲自大心理所致。然而亦有其它學者如Kahneman和Tversky等認為,投資者擔心后悔的心理重于自大心理,因此投資者寧可不采取行動,有這樣傾向的投資者可能既不愿意實現虧損亦不愿意實現盈利,不賣出盈利的股票是擔心股票價格會繼續上升。
Odean(1998,1999)利用美國某折扣經紀公司從1987到1993年間共10000個帳戶的交易記錄研究處置效應。Odean提出了一個度量處置效應程度的指標,他用該指標驗證了美國股票投資者存在著較強的售盈持虧的行為趨向,而且這種行為動機不能用組合重組,減少交易成本和反轉預期等理性的原因來解釋。但是,Odean發現出于避稅考慮,美國股票投資者在十二月份賣出的虧損股票較多,處置效應在十二月份因而較不明顯。
趙學軍和王永宏(2001)對中國股市的"處置效應"進行了實證研究,他們的結論是:中國的投資者更加傾向于賣出盈利股票,繼續持有虧損股票,而且這種傾向比國外投資者更為嚴重。
3、研究動機和貢獻
投資者行為研究常常受制于有關投資者交易數據庫的獲得,至今國外學者在這方面的實證研究幾乎都依賴某些特別的數據來源。本文著者有幸得到某著名證券公司的幫助,提供了該公司一營業部在1998至2000年間的交易數據庫,這使得我們研究中國投資者行為的愿望得以實現。處置效應反映投資者回避實現損失的傾向,總體上來講,這種傾向至少是不合適的。因為在很多情況下,處置效應主要是受到投資者心理因素的影響,這會削弱投資者對投資風險和股票未來收益狀況的客觀判斷,非理性地長期持有一些失去基本因素的股票,使得投資者盈少虧多。正因如此,不少流行的投資策略建議投資者使用止損指令來控制損失的程度,但是實踐中投資者真正能自制和采納這類建議的并不多。
相比趙學軍和王永宏(2001)對我國投資者處置效應的研究,本文作出以下主要貢獻:(1)本文考慮了六種參考點的定義,并比較其中四種不同定義對處置效應結果的影響；(2)本文除了使用Odean(1998)的方法檢驗處置效應外,亦從比較虧損股票和盈利股票的持有時間來檢驗處置效應；(3)本文檢驗了不同規模投資者的處置效應；(4)本文分析了投資者處置效應中的理性因素。
樣本與方法
1、樣本描述
如前所述,本文考察的對象是某證券營業部共9945個股票帳戶在1998--2000年的交易數據庫,輔助數據庫是深滬兩市1998--2000年的行情數據。對原始數據庫進行適當處理后,我們可以得到投資者每日股票的交易量、交易價格和清算價格。為簡化起見,我們對同一投資者在同一天內對相同股票的交易匯總,如果凈額為正,則投資者買入該股票；若凈額為負,則投資者賣出該股票；若凈額為零,則去掉該該股票交易。這樣做的目的在于使當日投資者在特定股票上的交易的含義更明確。對于個人投資者而言,在同一天對同一只股票進行反復買進賣出的意義并不大,原因是這樣投資者需要付出交易成本,而從買賣差價中所獲得的收益根本無法補償交易成本。對于機構投資者而言,如果該投資者或投資者集團可以操縱某只股票的價格,則當日反復買進賣出,故意使一些賬戶盈利或虧損也是可能的。
目前,投資者的注冊賬戶分為個人投資者賬戶和機構投資者賬戶,但由于管理上的漏洞和機構投資者為了達到逃避監管、操縱股價的目的,部分機構資金使用個人賬戶進行操作,根據注冊類別來區分個人投資者還是機構投資者是不妥當的。一般來說,個人賬戶的資金量相對較少,平均股票投資組合市值較小；機構投資者的資金量相對較大,平均股票投資組合市值較大。根據股票投資組合的市值大小來劃分個人投資者和機構投資者是可行的。
由于我們研究的核心是個人投資者和機構投資者處置效應上所表現出來的差異,我們將9945個賬戶按平均投資組合市值分成3類:1、小于50萬；2、大于等于50萬,但小于等于1000萬；3、大于1000萬。大致上,我們可以認為第一類是個人投資者,第三類是機構投資者,第二類是個人和機構的混合體。
2、檢驗處置效應的兩個推論
處置效應的基本結論是投資者更愿意賣出盈利股票,和繼續持有虧損股票。與此相關的兩個推論是:1、賣出盈利股票的比率超過賣出虧損股票的比率；2、持有虧損股票的時間長于持有盈利股票的時間。處置效應還有一個不太適當的推論是賣出盈利股票的數量超過賣出虧損股票的數量,這一推論不適當的原因是當市場處于牛市時,投資者的投資組合中的大部分股票會處于盈利狀態,盈利股票的數量遠超過虧損股票,買出更多的盈利股票是合理的；而當市場處于熊市時,投資者的投資組合中的大部分股票會處于虧損狀態,虧損股票的數量遠超過盈利股票,買出更多的虧損股票是合理的,采取推論1的比率方式有利于克服上述問題。此外,從處置效應我們亦可以推論股市在跌市的成交量應少于升市的成交量,本文不擬對這種較為明顯的現象展開。
實證研究中,我們考慮了六種定義參考價格的方式:1、投資者最近一次買進的成交價格；2、投資者最近一次買進的清算價格；3、投資者買進交易的平均成交價格；4、投資者買進交易的平均清算價格；5、投資者所有交易的平均成交價格；6、投資者所有交易的平均清算價格。
成交價的優點是與申報價格一致,容易成為投資者心目中的參考價格,清算價格的優點是包含了交易成本,計算的損益更符合實際損益；最近一次買進價格的優點是與投資者最新股價定位一致,缺點是沒有考慮歷史交易對投資者參考價格的影響,所有交易的平均比所有買進交易的平均能更好地反映投資者的實際成本。總之,參考價格的確定因人而異,在總體上也很難說哪一種定義方式更科學。
參考點確定后,需要解決的問題就是盈虧的確定。盈虧包括兩種形式,一種是實現的盈虧,另一種是賬面的盈虧。實現的盈虧是指投資者賣出投資組合中的股票,成交價格減去參考價格就是不考慮交易成本的盈虧,清算價格減去參考價格就是考慮交易成本的盈虧。賬面的盈虧是指投資者賬面的盈利或虧損,若當日最高價大于參考價格,則是不考慮交易成本的賬面盈利；若當日最低價低于參考價格,則是不考慮交易成本的賬面虧損。如果考慮交易成本,賬面盈利的條件是當日最高價乘以(1--0．0075％)大于參考價格；賬面虧損的條件是當日最低價乘以(1--0．0075％)大于參考價格。實證研究中,我們將考慮不同處理方式對結果的影響。
對于每一個投資者,計算至少賣出一只股票的交易日賣出股票實現的盈虧和沒有賣出股票的賬面盈虧。然后,對所有投資者或滿足某種特征的投資者計算所有交易日或某一段時間的賣盈比率(PGR)和賣虧比率(PLR),
一般來說,賣盈比例和賣虧比例自身的大小并沒有特別重要的意義,但這兩個比例相對大小則可以反映投資者賣盈還是賣虧的傾向。如果賣盈比例遠大于賣虧比例,則投資者傾向于賣盈；如果賣盈比例遠小于賣虧比例,則投資者傾向于賣虧。我們分別用賣盈比例和賣虧比例之差PGR--PLR(記作)和之比PGR／PLR(記作)來衡量投資者"售盈持虧"的程度,數值越大,則越愿意賣出盈利股票,繼續持有虧損股票；數值越小,則越愿意賣出虧損股票,繼續持有盈利股票。從統計角度,檢驗和,相應的統計量顯著且大于0或小于0。處置效應表明,投資者愿意售盈持虧,檢驗統計量應顯著大于0。
為了檢驗處置效應的推論2,我們計算了每次賣出股票和最近一次買入該只股票的時間差,如果投資者具有較強的"售盈持虧"的心態,那么平均來講,投資者在賣盈股票上的持股時間會短于賣虧股票上的持股時間。檢驗持股時間差是否顯著非零,可以驗證上述推論。
3、處置效應中理性因素的分析
投資者的處置效應傾向并不一定意味著投資者是非理性的,它可能與投資者采取反向投資策略有關。當股價上漲后,投資者可能降低股價進一步上漲的預期,售出股票也在情理之中；當股票價格下跌,投資者可能預期股價反轉的可能性加大,也有理由繼續持有虧損股票。
我們可以通過研究投資者賣出股票后股價的漲跌來考察投資者決策的正確與否。如果賣出股票的價格進一步上漲,則投資者的決策是錯誤的,繼續持有股票會增加收益；如果賣出股票的價格下跌,則投資者的決策是正確的,繼續持有股票會減少收益。事實上,在一段時間內,股價大多同漲同跌,如果賣出股票的股價漲幅小于(或跌幅大于)持有股票的股價漲幅,則投資者的決策是正確的；反之,投資者的決策是錯誤。本研究是從事后結果考察投資者決策有理性因素。
從事前來看,如果投資者相信股價將繼續原有的趨勢,則會"售虧持盈"；如果投資者相信股價會反轉,則會"售盈持虧",即會表現處置效應傾向。因此,"售盈持虧"現象與股價反轉是一致的。
為了檢驗投資者"售盈持虧"行為是否基于對價格反轉或相對價格反轉的預期,我們考察投資者賣出股票后10、20、30、60個交易日賣出股票和沒有賣出股票的收益狀況。
·數據·
表1：投資者交易特征基本統計
1998-2000年1998年1999年2000年
投資者數量（人）9749548161857853
股票數量（股）10518259231050
買進次數2600286261079181118237
賣出次數2378135614473672107997
買進成交數量（股）2200192726272058
賣出成交數量（股）2458200928852400
成交數量（股）
最大值252000099740013406222520000
99％分位點25000200003000023800
90％分位點4900400050004500
中位數100090010001000
平均值2323196627522221
成交金額（元）
最大值99％43691845137396933408457943691885
分位點90％307731218179350757325660
分位點54200446045800057018
中位數983086001000210430
平均值286622244231442
表2：投資者交易活躍程度基本統計
交易次數1998-2000年1998年1999年2000年
平均值51222529
最大值1760752587941
99％分位點440179209222
90％分位點123536066
中位數2291215
25％分位點7345
10％分位點2122
表3：日內相同股票反復交易分類
交易類型頻率百分比（％）累計頻率累計百分比（％）
都是買進3209053.713209053.71
都是賣出2190136.665399190.36
買進多于賣出16973.845568893.20
買進少于賣出19793.315766796.52
買進等于賣出20803.4859747100.00
表4：不同規模的投資者賣盈賣虧比例之比
1998-2000年1998年
小于50萬3.40（38.11）3.34（24.72）
50-1000萬2.77（11.79）3.32（9.58）
大于1000萬1.81（4.84）1.94（5.48）
1999年2000年
篇8
多空頭股票（Long/short Equity）對沖基金主要投資于股票市場， 多數情況下也會根據股票價格決定機制對沖系統風險， 即既有多頭投資， 也有空頭投資； 并且， 此類基金也常常運用期貨和期權對沖其認可的系統風險。不同的是， 此類多空頭股票對沖基金并不保持零風險敞口， 它會根據其對市場整體走勢的判斷， 有時是多頭風險敞口， 有時維持空頭風險敞口。此類對沖基金的投資策略的樣性還表現在， 它既可以實行價值投資， 也可以實行成長性； 既可以投資小市值股票， 以可以投資大市值股票。
一、 數據來源及其特征
目前， 全球公認的最有權威的對沖基金數據庫有三個， 分別是： TASS （CSFB/Trement Hedge Fund Index簡稱TASS）； HFR（Hedge Fund Research Index ， 簡稱HFR）和MAR/hedge Index（簡稱MAR）。這三家非官方的對沖基金專業研究機構的數據對對沖基金的真實狀況都有一些偏差， 但是， 有一點共識的是， 由于TASS數據庫所披露的數據是唯一根據對沖基金樣本的管理資產總量為權重得出的加權平均數據， 學術界較多地認為TASS數據庫公布的月度數據更具有代表性。
本文在隨后的數據分析中， 除了特別說明了來源的數據外， 一般都采用TASS數據庫公布的對沖基金數據， 即CSFB/Trement Hedge Fund Index。本文選用了自TASS數據庫創立伊始1994年1月至2005年12月共144個月度數據。由于對沖基金在此期間異常活躍， 分析該時段的對沖基金走勢顯得更有現實意義： 既有利于投資者充分認識到對沖基金在波動頻繁的市場里的所表現出的風險和收益等方面本質特征， 又有利于監管機構正確認識對沖基金在危機期間對系統風險的真實影響。[1]
二、 參照物
為了正確反映對沖基金的收益和風險特征， 本文選擇了股票和債券等兩個傳統投資工具和方法的時間序列數據作為參照物進行比較， 以發現對沖基金的歷史表現與傳統投資方法的量化差異。[2]
（一）標準普爾500指數（S&P 500）
本文在比較對沖基金的風險收益時， 用標準普爾500指數來代表全球（美國）股票市場的整體風險和收益， 通過比較對沖基金指數和標準普爾指數之間的差異， 來分析對沖基金的收益和風險特征。
（二）摩根司丹利全球債務指數（MSCI World Sovereign Index）
本文采用摩根司丹利債務指數來代表全球債券投資市場的整體風險收益水平， 通過計算和分析對沖基金風險收益水平和摩根司丹利債務指數的差異來發現對沖基金收益風險特征。
（三）無風險收益率（Risk free Rate）
本文采用一年期美國國債的收益率水平作為無風險收益率指標， 為了簡化計算， 我們取1994-2005年的算術平均值， 經計算得出無風險收益率為年4.398%。
三、 對沖基金從事多空頭股票套利的形式
指數套利（index arbitrage）。該股票套利形式是指對沖基金可以買入某一指數證券的同時， 賣出另一種指數類證券； 也可以買入某一時期的指數產品（通常是期貨）的同時， 賣出另一時期的指數產品。對沖基金還有一種指數套利的方法。這種做法是， 根據某一市場指數構成的股票成分， 買入一攬子成分股票的同時， 賣出或賣空該指數期貨， 以構成對沖系統風險的投資結構。在這種投資組合里， 買入的成份公司股票， 通常是那些基金經理認為被市場低估的股票。
股利追逐（dividend capture）， 嚴格意義上講， 股利追逐的投資組合并不是標準的多空頭股票套利， 但是， 由于這種單邊投資的時間非常短暫， 人們通常也將其近似地歸類為多空頭股票套利。
股票價格反映地是預期股利的時間價值， 因此理論上股利發放前后的股價都應該一致地反映這種時間價值關系。通常， 股利的發放一般遵循這樣的程序： 在較早的時間公布分紅除權日（the ex-dividend date）， 在除權日的稍后時間根據除權日的股東名冊實行紅利發放， 這一時間通常稱之為紅利發放日（the dividend payment date）。由于各投資者的所得稅率不一（例如在美國， 普通投資者的所得稅率為35%， 而養老金和捐贈基金的所得稅率為零； 而離岸基金的所得稅率幾乎都是零。）， 使得即將分紅派息的股票的價格在除息日臨近的時的價格下降的幅度大于除息價和稅后利息之和。如此， 對沖基金便可以在除息日買入該公司股票， 待次日開盤后不久拋出。這樣的隔日交易就構成了對沖基金的股利追逐套利。
這一類對沖基金一般專注于某一地區的股票， 比如歐洲市場或者美國市場的股票； 有的則選擇專注投資于某一行業， 比如IT產業， 或者金融服務產業的股票。多空頭股票對沖基金投資組合的股票的行業和地區集中度通常都比其他對沖基金要高。
四、 多空頭股票投資組合風險敞口的特點
多空頭股票對沖基金構建投資組合主要投資特點為： 在某一類股票群當中找出失衡的比價關系， 買入比價偏低的股票， 賣空比價偏高的股票。
盡管在決定賣空數量的過程中， 基金經理的卻需要根據貝塔（β）系數的大小決定其對沖比例， 但是， 多空頭對沖基金并不刻意保持其投資組合的零風險敞口， 而是根據市場的整體走勢， 適度保持其投資組合的風險敞口， 即：
在整體市場走勢呈上揚態勢時， 盡可能使其投資組合保持凈多頭風險敞口， 以便在未來股票市場整體趨勢上升時獲得多頭盈利； 如果市場下跌， 對沖基金將要承受一定的損失。
在整體市場趨勢呈下降態勢時， 盡可能使其投資組合保持凈空頭風險敞口， 以便在未來股票市場整體趨勢下跌時獲得空頭盈利。當市場上升， 對沖基金將要承受一定的系統風險。[4]
由于沒有完全對沖股票市場的系統風險， 顯然， 多空頭股票對沖基金的風險敞口要大于股票市場中性對沖基金。但是， 由于此類對沖基金仍然有相當比例的風險對沖， 總的來說， 這種基金還是屬于低風險敞口。
五、 實證分析及結果
在分析過程中所運用的主要指標體系包括收益率分析、 收益率分布特征分析和相關性數據分析三大類。以下， 以多股票對沖基金全行業數據序列數據分析為例來陳述本文的主要分析方法。
（二）收益率分布特征
絕大多數金融投資領域的學者們認為， 僅僅收益率和標準差指標并不能準確、 全面的反映投資組合的風險和收益特征。為了更精準地反映對沖基金收益和風險特征， 通常的做法是對投資組合的收益率分布的多次冪特征數值進行逐步計算。[6]95-101
均值（Mean）， 反映的是投資收益率的算術平均數； 方差（Variance）， 表示的是樣本數據平均偏離其均值的程度； 偏度（Skewness）， 反映的是樣本收益率分布是偏離其均值的左邊， 還是右邊。如果偏度數值為負值， 表明樣本收益率在均值左邊， 即小于均值的幾率更大； 如果偏度數值為正值， 表明樣本收益率落在均值的右邊， 即大于均值的幾率更大。毫無疑問， 投資者歡迎偏度大于零的投資組合， 拒絕偏度小于零的投資組合。
（三）與股票、 債券市場收益率的相關關系
通過對歷史收益率的分布特征的分析， 能夠發現對沖基金和股票市場走勢， 和債券市場走勢的差異性， 同時， 還可以發現這種時間序列的分布與正態分布的差異性。但是， 對沖基金和所有投資者一樣， 都是投資于股票， 債券， 其他固定收益證券及相應的衍生工具， [8]股票市場和債券等固定收益市場的變動肯定在一定程度上影響著對沖基金的變動。為了測度這些變量之間聯動變化的關聯性， 本文選用了以下幾項金融市場分析指標。
1. 24個月滾動相關系數
下圖反映的是多空頭股票對沖基金收益率與股票、 債券市場指數收益率的滾動相關系數的關系。
通過圖5， 可以發現， 多空頭股票對沖基金的收益率和股票市場的走勢具有穩定的正相關性， 其相關系數的變動值最低為0.18， 出現在1996年下半年， 正是全球金融市場比較穩定的時期； 最高為0.83， 出現在俄羅斯國債危機和長期資本管理公司崩盤期間， 國際金融市場最為動蕩的時期。另一次高度相關性時期出現在2005年下半年， 正是全球石油價格瘋漲時段。我們基本可以初步做出這樣的結論： 股票市場越動蕩， 對沖基金和股市的相關性就越大。[9]
六、 結論
根據以上分析， 本文得出以下結論：
多空頭股票投資組合具有低風險敞口的特點。這種套利屬于最典型的套利方式， 對沖基金在股票市場買入的多頭和賣出的空頭數量進行對沖， 盡可能使投資組合的風險敞口為零。
在整體市場走勢比較明確的市場， 很多對沖基金并不介意適度的風險敞口， 因此， 他們在構建投資組合時不一定要保持零風險敞口， 而是適當保持多空頭相抵后凈多頭或者凈空頭。很可能是， 在牛市保持一定的多頭敞口， 即多頭頭寸大于空頭， 以期在牛市獲得更大的盈利； 在熊市保持一定的空頭敞口， 即多頭頭寸小于空頭， 以期在下跌的熊市獲得更大的盈利。
多空頭股票對沖基金全行業平均收益率高于代表傳統投資工具的標準普爾指數和全球債券指數收益率； 多空頭股票對沖基金收益率的時間序列不服從正態分布， 其三維和四維的分布特征表明其歷史收益率雖然出現異常波動的概率較低， 但一旦出現， 損失很大； 多空頭股票對沖基金收益率與傳統投資工具的股票、 債券市場收益率之間沒有明顯的相關性， 多空頭股票對沖基金能夠抵御市場系統風險， 在上漲和下跌的市場條件下都能夠獲得絕對收益。
從風險、 收益這兩個方面分析， 多空頭股票對沖基金是很有成效的一種投資策略。多空頭股票對沖基金的整體表現好于股票市場指數和債券市場指數的表現， 對沖基金并不比傳統投資工具更“危險”。
參考文獻：
[1]陳舜， 劉東輝.刻意賣空投資策略在對沖基金中的運用及投資收益對比分析[J].南方金融， 2009（8）： 57-60.
[2]陳舜， 邱三發， 凌洪.對沖基金風險收益特征的實證分析[J].財經科學， 2006（9）： 21-28.
[3]Edward I Altman.Distressed Securities： Analyzing and Evaluating Market Potential and Investment Risk[M]. Maryland， USA： Beard Books， 1999.
[4]易綱， 趙曉， 江慧琴.對沖基金， 金融風險與加強監管[J].國際經濟評論， 1999（1）： 16-23.
[5]Manju Punia Chopra.Persistence & Survivorship Bias in Mutual Funds： An Indian Experience[M].Saarbrucken， Germany： LAP Lambert Academic Publishing AG & Co KG， 2012.
[6]Andrew W Lo .Hedge Funds： An Analytic Perspective[M].New Jersey， USA： Princeton University Press， 2010.
[7]宋磊， 嚴明.基金： 國際優價飆升的始作俑者？[M].國際石油經濟， 2005（4）： 7-10.
篇9
四種投資組合收益比較
然而實際情況真的如此嗎?
舉例來說，如果有人在2000年1月1日投資10萬美元，購買追蹤標準普爾500指數的先鋒指數基金，那么，到2009年12月中旬，他可以得到89072美元。扣除通貨膨脹因素的影響，他實際可以得到的收益為69114美元當然，這只是一種假設，并不是很多美國人真實的投資情況。
一般來說，人們并不會將所有的錢投入一種資產，然后什么也不做，只是耐心地等上10年。實際上，人們總是喜歡購買各種股票和債券，也許還有其他的投資品種。一個人如果進行的是美國和美國以外股市的投資組合，比如在2000年初將50000美元購買投資范圍更為廣泛的先鋒美國整體股票市場指數基金(Vanguard Total Stock Marketindex Fund，代號VTSMX)，同時將另50000美元投資于美國以外的市場，如投資于先鋒全球股票市場指數基金(vanguard Total In―temational Stock Index Fund)。
截至2009年12月中旬，這100000美元就增長到了109334美元。而扣除通貨膨脹因素后，實際只剩下了84921美元，仍相當糟糕!但盡管如此，它卻表明進行投資組合，選擇多樣化股票投資的重要性。
現在再來比較另一種情況。如果進行“股債組合”，將50％的錢投資于債券，情況又是如何呢?如果在2000年初分別將25000美元投資于美國國內和國際股票型基金，余下的50000美元投資于先鋒整體債券市場指數基金(vanguard Total Bond Mar-ket Index Fund)，同樣到2009年12月中旬，他可以得到145619美元(扣除通脹等因素，以2000年美元幣值計，則為112971美元)這是那些將50％的錢放進股票投資組合的激進風格的退休者可能遇到的情況
而對于目前還在職場上打拼仍沒有到退休年齡的人們來說，往往是在整個10年中不斷地加錢到投資組合中。比方說，同樣的10萬美元，同樣按照上面“25％美國股市，25％國際股市／50％債券市場”這樣的投資組合方案來進行。只要每個月增加1000美元投資，然后每年年底重新調整賬戶，以使得每個新的年度開始時賬戶中仍保持25％／25％／50％的投資比例。結果如何呢?到了2010年1月，將獲得313747美元(扣除通脹等因素，以2000年1月美元幣值計，為260102美元)。根本不可能是“損失的十年”。
事實上，對于美國投資者來說，扣除通脹因素的收益，這并不是最悲慘的10年。尤其是那些擁有低成本、多元化的投資組合，并且不斷地調整它，完全有可能收益頗豐。
正確看待指數表現的統計
不要相信美國媒體上充斥的“危言聳聽”。如果用正確的方法對指數表現進行統計，我們會發現金融市場表現遠沒有那么慘。
雖然道瓊斯、標準普爾500指數和納斯達克指數已經成為大家認可的衡量市場表現的標準。但這些指數只記錄股票升值帶來的收益部分，它們完全忽略了股票分紅的那部分收益。對于標準普爾500指數來說，這部分帶來的年收益超過2％。聽上去這可能并不多，但是長期的復合分紅收益數額能超過總收益的一半。此外，這些指數本身就濾除了大量的股票。道瓊斯只是30只大股票的集合，以技術股為主的納斯達克僅包括美國股票市場20％的股票。即使是標準普爾500指數，也僅代表了美國市場80％的股票，忽略了上千的中等市值和小市值的公司股票。這些指數還都忽略了總體上大于美國股票市場的國際股票市場。
一般來說，人們的投資組合中大多會包含固定收益證券和股票。僅用組合的一部分去衡量過去10年市場的表現，得出的結論猶如拿整個蘋果和橘子的一小部分比較一樣，結果自然不可靠。
所以，盡管投資者度過了一個并不愉快的10年，但這也并不是大災難的10年。比如以先鋒美國整體股票市場指數基金來計算，美國股市基本上是盈虧相抵。國際股票市場則表現要較好些，以先鋒整體國際股票指數基金計算，年增長率為2.3％，整體增長了26％。而以先鋒整體債券指數基金計算，債券10年中的表現則相當不錯，年增長率達6.2％，10年整體增長了83％。這些數字既考慮了指數收益和相關股票的分紅，也減去基金費率。換句話說，這些數據反映了投資者的實際收益。
此外，10年的起始點從什么時候開始計算也大有講究。不幸的是，21世紀的第一個10年有些特別，正好是從一個價值被嚴重高估的時刻開始的。根據耶魯大學經濟學家羅伯特?席勒的數據，2000年1月時，10年標準普爾500指數的市盈率高達43.77，離歷史最高點只差1個月。因此可以說，大多數認為“損失的10年”的眾多親身經歷，其實僅僅是時間上巧合的結果而已。
新十年如何增加賺錢機會
現在，新的十年又開啟了。怎樣才能增加賺錢的機會呢?
篇10
Alpha策略最初的理論基礎是套期保值，是由美國經濟學家H.working提出的，隨后股指期貨的面市，量化研究便激發了人們濃厚的興趣。傳統的資產管理者理念的哲學基礎大部分為追求收益風險平衡，然而平均市場收益與超額收益又很難達到絕對的均衡，因此將超額收益也即Alpha分離出來，建立起基于Alpha策略的量化投資，有助于指導投資實踐。
1 Alpha策略在量化投資中的應用意義
量化投資指的是以現代計算機技術為依托，通過建立科學的數學模型，在充分掌握投資環境的基礎上踐行投資策略，達到預期的投資效果。采用量化投資方式的優點包括其具有相當嚴格的紀律性、系統性，并且對投資分析更加準確與及時，同時還具有分散化的特點，這使得策略的實施過程更加的機動靈活。量化投資過程使用的具體策略通常有量化選股、量化擇時、統計套利、高頻交易等，每一種策略在應用過程各有千秋，而Alpha策略屬于量化選股的范疇。傳統的定性投資也是投資人基于一種投資理念或者投資策略來完成整個投資活動的，最終的目的是要獲得市場的占有率，并從中取得豐厚的利潤。從這個角度來衡量，量化投資與傳統投資的本質并無多大差別。唯一不同的是量化投資對信息處理方式上和傳統定性投資有著很大的差異性，它是基于現代信息技術、統計學和現代金融工程理論的基礎上完成對各類數據信息的高效處理，在對信息處理的速度、廣度上是傳統定性投資無法比擬的。在對投資風險的控制方面也具有很大的優勢，是國際投資界興起的新型投資理念和應用方法，也在日益成為機構投資者和個人投資者共同選用的有效投資方案。現階段量化投資的技術支撐和理論建設的基礎包括人工智能技術、數據挖掘、支持向量機、分形理論等，這些現代信息處理與數據統計方式為量化投資的可操作性提供了堅實的基礎。
Alpha策略在量化投資中的使用優點主要是對投資指數所具有的價值分析與評定。它不是依賴于對大盤的走向變化或者不同股票組合策略趨勢的分析，對投資價值的科學分析與合理評估更能吸引投資者的目光。Alpha策略重視對沖系統風險所獲得的絕對收益，在股票投資市場上是一種中性的投資方式，具體的程序有選擇資產、對資產的優化組合、建立具體組合方式、定期進行調整。為了促進該策略在投資市場中獲得良好的收益，就必須先要重視優秀的選股策略，其次是重視期貨對沖平均市場收益的時候所產生的風險控制問題。對沖系統風險時，若是能夠及時地對投資組合與相關的股指期貨的平均市場收益指進行精準地判定和預測，那么將會對整個投資行為產生積極的影響。
2 基于Alpha策略的量化投資具體策略和實踐方法
通常情況下，Alpha策略所獲得的實際收益并不是一成不變的，這與該策略本身的特定有關，具體表現在周期性與時變性上。
Alpha策略的時變性主要是指當時間產生變化時，超額收益也會隨之而改變。需要清除的是Alpha反映的就是上市公司超越市場的預期收益，因此屬于公司資產未來估值預期的范疇，所以上市公司自身所處的發展階段和發展環境不同，那么就會給Alpha帶來影響。由于時變性的特點，這就給策略的具體估計模型的設立帶來了更多不可確定的因素，為此，參照對Alpha滿足不同動態假設的理論基礎，建立起一個可以獲得不同種類估算的模型，同時假定在同一個時間范圍內，超額收益和市場平均收益都保持恒定不變，這就極大地簡化了計算的過程與步驟。也就是說在該段時間內，市場上股票投資組合基本面不會有太大的變化與波動，這就與實際的投資狀況基本達成一致。對于投資策略的調整則要根據上市公司重大事項發生情況而定，那么估算的時間單位周期可以采用每日或者每周估算，對每一個季度的歷史數據進行調整也可以作為一種調整方式，反映公司季度行情。對于具體證券而言，采用季度或者每周的調整頻率則不是最為理想的，還要針對公司情況與市場行情綜合調整。
Alpha的周期性特點在交替出現的正負號上最為突出，導致這一情況產生的原因主要是行業的周期性特征與套利效應共同造成的。具體而言，首先不同類型的證券分別屬于不同的行業所有，當行業處于景氣周期循環狀態下會影響Alpha的符號與大小，同時景氣程度的深與淺也會對此產生影響。其次一個股票組合產生非常大的超額收益情況下，市場中的其他機構投資者或者個人投資者就會不斷地參與到該組合的投資中來，最后會導致Alpha逐漸接近于零。因此在建立不同策略的組合方面，要針對每一個季度的具體情況和波動率，進行綜合性地評價與分析，并及時地做出必要的調整，以便最大限度地獲得市場收益。
量化投資中的Alpha策略并不是一種單一類型的策略，不同的策略都在尋求獲得超額收益的市場機會和可能性。現階段市場上采用的Alpha策略主要有多因子選股策略、動量策略或者反轉策略、波動性策略、行業輪動策略、行為偏差策略等，每一種策略在具體實施過程中都有其特征性，并且可以相互結合使用，發揮出綜合預測和評價的作用。
多因子選股策略是必要和常用的選股方式，最大的優勢是可以將不同種類和模塊的信息進行高效化綜合分析與評價后，確定一個選股最佳方案，從而對投資行為進行指導。該種選股策略的模型在建立方面比較容易，是量化投資中的常用方式。同時多因子模型對反映市場動向方面而言具有一定的穩定和可靠性，這是因為所選取的衡量因子中，總有一些可以把握住市場發展行情的特征，從而體現其本來就有的參考價值。所以在量化投資過程中，很多投資者都使用多因子模型對其投資行為進行評估，無論是機構投資者或者是個人投資者，都能夠從中受益。多因子選股策略模型的建立重點在于對因子的剔除和選擇上，并要合理判斷如何發揮每一個因子的作用，做出綜合性的評定。
動量策略的投資方式主要是根據價格動量、收益動量的預期與評定，對股票的投資進行相應的調整，尤其是針對本身具有價格動量的股票，或者分析師對股票的收益已經給予一定評級的股票，動量策略的應用效果會比較理想。在股票的持有期限內，某一只股票在或者股票投資的組合在上一段時間內的表現均佳，那么則可以判斷在下一段時間內也會具有同樣的理想表現，這就是動量效應的評價依據，從而對投資者的行為起到一定的影響作用。反轉策略和動量策略恰好相反，是指某一只股票或者股票投資組合在上一段時間內表現很不理想，然而在下一個時期反而會有突出的表現，這也給投資者帶來了一線希望，并對影響到下一步的投資策略的制定。
波動性策略也是Alpha策略的一種方式，主要是利用對市場中的各股運動和發展狀態的細致觀察與理智分析后，列出一些具有相當大的波動性的股票，同時這些股票的收益相關性也比較低，對此加以動態化的調整和規劃，從而逐漸獲得超額收益的過程。在一些多因子選股策略中也有機構投資者或者個人投資者將股票具有的波動性作為考察與評價因子之一，波動性策略經常和其他策略相結合來評價，這說明股票投資市場本身就具有一定的波動性，因此在投資過程中要慎重對待。
篇11
收錄日期：2016年3月3日
一、引言
從已有文獻對價值成長投資策略的含義描述來看，其是一種融合價值和成長性兩個因素的投資理念。越來越多的投資者在股神巴菲特、投資大師彼得林奇的影響下堅定不移地信奉價值投資成長策略。于是本文在研究國內外文獻的基礎上對價值成長投資策略的研究現狀進行綜述。
二、價值投資策略的有效性
很多學者通過實證分析檢驗發現不管在歐美成熟股票市場還是在新加坡、中國等亞洲新興股票市場，運用價值投資策略選出的價值股都能獲得超額收益。
（一）國外關于價值投資策略有效性的研究。國外最早采用具體估值指標對價值投資策略進行實證分析的是Basu（1977），他采用了市盈率（P/E）指標，選取了美國股市1957年4月至1971年3月的公司數據，構建了高低市盈率組合，研究結果表明低P/E的股票組合投資收益明顯高于高P/E股票投資組合，就算將績效測度偏差因素考慮在內，這個結果也是成立的，市盈率指標效應由此誕生。這一實證結果更加證明了價值投資的價值性。Lakonishok、Shleifer和Vishny（1994）對納斯達克和美國證券交易所的股票進行了研究，他們將股票分為價值股和成長股兩類組合，通過5年數據的分析，他們發現價值股的平均收益率為19.8%，明顯高于成長股組合平均收益率（9.3%）。Fama和French（1997）用B/M、C/P、E/P、D/P作為估值指標構造價值投資組合及成長股投資組合，通過實證分析對發達國家的成熟市場和一些國家的新興市場都進行了驗證。在13個成熟股市中有12個股市的價值股投資組合收益率超過了成長股投資組合，其中B/M和C/P組合取得的投資收益率最高。以E/P將股票分類，在16個新興市場中有10個股市發現了超額收益率，雖然超額收益率較小僅有4%，但這是因為新興市場收益率波動較大，而且樣本時間跨度較短。
（二）國內關于價值投資策略有效性的研究。雖然我國股市只有20多年的發展歷程，但是價值投資策略在我國股市應用也比較廣泛，很多學者也通過實證分析證明了價值投資策略在我國股市是適用的、有效的。王永宏和趙學軍（2001）通過實證分析分別對價值投資策略和動量投資策略在我國證券市場上的有效性進行了對比分析，實證結果表明通過價值投資策略篩選出的股票后期表現都比較好，說明了價值投資策略同樣適用于我國證券市場。王艷春和歐陽令南（2003）利用市凈率指標將樣本股票進行分組，通過實證分析，證明了低市凈率即價值股的投資收益率跑贏了高市凈率股票，證明了價值投資策略在中國的有效性。陳祺（2013）采用了5種財務指標：市盈率、市凈率、市現率、收入增長率以及ROE來構建價值投資組合和成長組合，實證結果顯示市凈率和市現率兩個指標構建的投資組合存在明顯的超額收益。他還證明了在成長、穩定、金融和消費四個板塊中價值投資策略都有效可行。
三、價值投資策略中估值指標的選取
國內外學者在研究價值投資策略時，不管是用統計分析或者構建模型，都運用到了最基本的指標分析，但這些指標都不盡相同。
一些學者僅運用市盈率、市凈率、市銷率等單一指標作為選股依據。比如：Fuller（1992）選取了1973～1990年的美國上市公司的數據，實證分析得出市盈率與公司銷售業績成正比，即高市盈率的股票，公司的經營業績較好；反之，低市盈率的股票，公司的經營業績較差。蔡飛（2008）通過對A股市場2000～2003年上市公司的實證分析，認為低市銷率的股票顯示出較強的市場表現，市銷率越低，超額漲幅越大，而且低市銷率的股票組合的市場表現超過了市場上的平均水平。特別是在牛市中，低市銷率的優勢更明顯，而熊市卻不明顯。同時，選擇低市盈率的比選擇低市銷率的有價證券組合更能帶來穩定的收入；在采用低市銷率策略時，所選的公司規模越小，收益越不穩定。
還有一些學者認為單一指標作為選股依據難免有失偏頗，他們同時選取了幾個指標，并構成價值投資組合，以此來驗證價值投資策略的有效性。如：杜惠芬、平仕濤（2005）在文中指出單一利用市盈率或市銷率作為選股指標并不完善。文章運用實證檢驗方法，證明低市銷率和低市盈率相結合的選股指標體系，可以獲得明顯的超額收益，因此“雙低”策略是基于目前中國股市特點的、比較適合的選股指標體系。顧紀生、朱玲（2012）指出目前的相關分析指標無法全面且深刻地揭示上市公司投資價值，即便ROE也是如此。筆者在文中提出股票化率和市銷率可以而且應該成為研判其宏、微觀價值的兩大核心指標，也是對現有分析指標的必要補充。
四、成長性投資策略指標選取
傳統的衡量一家公司成長性的指標通常有毛利率、主營業務收入增長率、凈利潤增長率等，很多學者在研究公司成長性時，選取的指標也不盡相同。
陳曉紅、佘堅和鄒湘娟（2006）把中小上市公司作為研究對象，通過建立成長性評價體系，其中包括凈利潤增長率、主營業務收入增長率和總資產收益率、凈資產收益率等12個指標，分別采用突變級數法和灰色關聯度分析法對公司成長性進行評價，通過對比分析，認為兩種方法各有千秋。余嵐（2009）在《成長型股票的選擇方法及投資策略》中選取了預估市盈率與歷史市盈率、銷售收入增長率、凈資產收益率以及股價/現金流量比這4個指標來衡量公司的成長性。同時，她在文中指出成長型股票與其他股票的顯著差別就在于主營業務收入和盈余成長率必須明顯高于行業平均水平。張顯峰（2013）在研究上市公司價值評估時認為度量公司的成長能力主要是通過增長率指標來衡量，主要包括主營業務收入增長率和凈利潤增長率指標。
五、結語
通過歸納整理后，本文得出以下現有研究結論：（1）明確了價值投資的有效性，價值投資策略不僅適用于國外成熟市場，同時也適用于包括我國股市在內的亞洲新興市場；（2）價值投資策略的有效選股指標有很多，如市盈率、市凈率、市銷率、市現率等；（3）成長投資策略的有效選股指標有很多，如毛利率、主營業務收入增長率、凈利潤增長率等。在前人研究的基礎上，相信在采用價值成長投資策略選股時，定能幫助投資者獲得超額收益。
主要參考文獻：
[1]Basu.S.Investment Performance of Common Stocks In Relation To Their Price Earnings Rations：A Test of The Efficient Market Hypothesis[J].Journal of Finance，1977.32.
[2]Fama，E.and K.French.The Cross-Section of Expected Stock Returns[J].Journal of Finance，1992.47.
[3]王永宏，趙學軍.中國股市“慣性策略”和“反轉策略”的實證分析[J].經濟研究，2001.6.3.
[4]王艷春，歐陽令南.價值投資與中國股市的可行性分析[J].財經科學，2004.1.
[5]陳祺.中國股市價值投資策略的績效研究[D].復旦大學，2013.4.1.
[6]蔡飛.市銷率指標在股票投資決策中的應用[J].財會月刊（綜合），2008.2.
[7]杜惠芬，平仕濤.在A股市場使用市銷率系列指標的實證分析[J].中央財經大學學報，2005.10.
篇12
擬任基金經理梁洪昀，CFA，有6年證券基金從業經驗。未曾擔任過基金經理，但有與指數基金相關的研究經驗，現任公司研究部副總監。預計該基金與市場同類滬深300基金相比，業績差別不會很大。
諾安中證100 綜合評價
該基金實施被動式投資。與主動式投資相比較，被動式投資有著運營成本較低、投資透明化等優點。基金秉承被動式投資理念，以跟蹤中證100指數為投資原則，通過投資于同時具備較強市值代表性、較高流動性以及大盤藍籌等特征的中證100指數成份股，力求獲得該指數所代表的中國證券市場的平均收益，使投資者可以分享中國經濟的長期增長成果。
諾安基金公司成立于2003年12月，截止到2009年6月，其管理的資產總規模已經超過470億，目前公司管理8只開放式基金，產品線較為豐富，而諾安中證100是其發行的首只指數型基金。
信達中小盤 綜合評價
篇13
那么，該基金是如何挑選“物美價廉”的股票呢?金元比聯價值增長基金將采取“自下而上”、“四重過濾”的方法構建股票組合。首先，會采取模型識別法對所有股票的估值與成長前景進行數量化掃描，形成可投資股票集合，構成本基金股票一級庫。其次，對股票一級庫中的所有股票進行流動性篩選，形成本基金股票二級庫。接下來，對入選的上市公司進行實地調研，剔除“偽成長”的上市公司，甄別具有真正成長潛力的“明星公司”，從而構成本基金股票三級庫。最后，通過估值考量，選擇價值被低估的上市公司，形成優中選優的股票組合。金元比聯價值增長基金的股票配置比例為60％-95％，債券、現金等資產配置比例為5％-40％。
該基金的擬任基金經理將由曾經管理過5星級基金的萬文俊先生親自執掌，他同時也是金元比聯基金公司的投資副總監，具有11年證券從業經歷。目前由他擔任基金經理的金元比聯成長動力基金，自2008年9月成立至今的累計凈值增長率已超過40％，業績在同年成立的混合型基金中名列前茅；今年以來已經實現兩次分紅，每10份基金份額累計派發紅利1.3元。
國聯安主題
綜合評價
國聯安是中國首家獲準籌建的中外合資基金管理公司。其背后的大股東是國泰君安證券和德國安聯集團，具有強大的投研能力。國聯安主題驅動基金計劃運用主題驅動投資策略，前瞻性把握各主題板塊輪動的機會。基金經理陳蘇橋，為國聯安公司研究部總監，同時擔任德盛優勢基金經理，有超過10年的投研經歷，經驗較為豐富。
萬家穩增C／A
綜合評價
萬家穩健增利是一只債券型基金，不參與二級市場股票買賣，僅從一級市場進行新股申購，屬于打新類債基。這有助于控制來自股市風險的同時提升其收益。目前來看，該基金公司在債券型基金的運作上還是比較成功的。基金經理張旭偉為該基金公司的管理部副總監，萬家增強收益和萬家貨幣的基金經理，投資經驗較為豐富，以往管理業績較為突出。
該基金管理人在充分研究宏觀市場形勢以及微觀市場主體的基礎上，采取積極主動地投資管理策略，通過定性與定量分析，對利率變化趨勢、債券收益率曲線移動方向、信用利差等影響債券價格的因素進行評估，對不同投資品種運用不同的投資策略，并充分利用市場的非有效性，把握各類套利的機會。
博時策略
綜合評價
博時策略是1只開放式基金，其股票投資比例為基金資產的30％-80％，可靈活配置股票資產，即股市處于較低風險區域時增加股票投資，力求在股市走高時贏取收益。博時策略采用“價值+成長”的均衡配置理念，在不同經濟階段，動態調整成長股和價值股的投資比例。實踐證明，價值、成長風格突出的資產可以獲得較高收益，而價值、成長的混合則可降低單一風格帶來的風險，實現基金資產的長期穩健增值。
博時策略由周立和張勇共同管理，前者兼任裕陽封閉式基金經理，后者兼任博時現金基金經理，兩人在股票資產和固定收益資產的管理上業績突出。
上證央企50ETF
綜合評價
工銀瑞信基金是國內首只跟蹤上證央企指數的主題ETF，即按照標的指數的成份股票的構成及其權重構建
基金股票投資組合，并根據標的指數成份股票及其權重的變動進行相應調整。上證中央企業50指數的成份股覆蓋金融、地產、化工、黑色金屬、采掘、交通運輸等行業，且均為央企或央企控股的上市公司，資本規模大，實力雄厚，得到國家產業政策支持，具有一定的資源壟斷性或者自然壟斷性，而未來央企并購、重組、資產注入還將帶來更為廣闊的投資空間。
嘉實回報
綜合評價
這是一只混合型基金，股票投資比例為30％-80％。基金定位于低風險低收益品種，這與其業績比較基準為一年定期存款利率相一致。該基金公司歷來非常重視對旗下產品線的建設，嘉實回報作為混合型基金中的低風險低收益品種，進一步完善了嘉實基金公司的產品線。
