股票投资组合的两阶段优化法

中图分类号：O221.2 文献标识码：A

内容摘要：本文提出了股票投资组合的两阶段优化法：第一阶段，从基本分析入手，通过定性与定量分析两方面，选出具有投资价值的行业及个股，再据股票的期望收益率和风险，求出Sharp ratio，并结合分散风险的潜力，确定股票投资组合；第二阶段，建立动态最优投资组合的规划模型，动态确定投资组合中各股票权重。数值试验表明，将两阶段优化法应用于具体实例中，具有较好的实践效果。

关键词：投资组合 Sharp ratio 动态 股票权重 两阶段优化法

研究背景

2008年的金融危机，对华尔街及投资行业都是一个沉重的打击，凸出了构建恰当的投资组合的重要性。

如何构建投资组合是投资组合研究的中心问题。Markowitz和Sharpe的理论和方法尽管被广泛肯定，但其理论仍存在不足。Markowitz和Sharpe模型是单期离散时间证券组合模型，模型只能在期末进行调整，该方法不足以研究不断变化的市场。Merton研究了连续时间组合证券投资问题，其研究中假设：证券组合包含一个无风险证券和一个或多个风险证券、资产能被任意分割、不存在交易成本，且投资人都希望获得最大收益，但未考虑投资中的风险，而在实际中，投资者不能只顾最大化收益，而不顾所面临的风险，因为不考虑风险的投资是一种冒险的投资行为。荣喜民等人（2005）虽然在分析风险证券运动模式的基础上,提出了兼顾收益和风险的连续时间的组合证券选择模型，通过权衡收益和风险,给出了求解组合证券模型的方法。但是也存在一些缺陷，即最初假设已选定n种较好的股票，并假设其价格服从几何布朗运动。

本文针对目前投资组合优化方法存在的不足，在相关文献的基础上，将投资组合中股票的选择与投资组合中各支股票权重的确定结合起来，提出了股票投资组合的两阶段优化法：第一阶段，通过对个股进行基本面分析，从Sharp ratio的角度，采用定性分析与定量分析相结合的方法，从宏观经济考虑最具投资价值的行业及股票；第二阶段，在资金一定的条件下,从股票投资者的角度, 建立最优股票投资组合的规划模型，以动态确定投资组合中各支股票所占权重。数值实验表明，具有较好的实践效果。模型的研究结果可作为投资者在不断变化的证券市场进行操作的重要的理论与决策依据。

股票投资组合中的两阶段优化法

（一）第一阶段：对个股进行基本面分析

投资者进行分散投资，分散投资的品种之间的相关性越弱越好，否则达不到风险分散的目的。因为同一类品种或相关性强的股票往往会同涨同跌。投资组合中的“弱相关性”问题有几个原则：一是跨行业品种分散。投资者可以选择不同的行业，如同时购进电子类、金融类、建筑类、商业类等品种的股票。二是跨地区品种分散。选择来自不同地区的上市公司的股票，增加投资品种对地区性发展政策的抗风险能力。三是跨时间选择投资时机。股市之中存在许多机会和风险，如果将资金一股脑地同时投进去，可能会在更大的机会来临时，无资可投，丧失良机。投资者可以分期投资，伺机而动。

1.定性分析。不同行业经营状况对主要宏观经济变量的变动有不同的反映。根据美国股市的实证分析，行业配置对投资收益的总贡献率约为20%，由此可见行业配置的重要性。使用自上而下的分析方法，通过宏观经济数据（政策）的分析，确定主要宏观数据变量的变动对不同行业的影响，从而确定出具有投资价值的行业，进而选出各个行业中的优良股票，这样的股票满足基本分析原则的要求。能够达到分散风险的目的。

2.定量分析。本文采取一种较简单、也较常用的经验估计法，即根据过去的实际数据对未来进行估计。根据历史数据，预测股票的收益率和风险大小。先根据Sharpe单指标模型，即遵循股票资产的报酬与波动性比率较高原则，来进行第一次股票筛选，资产的报酬与波动性比率计算公式为（ri-rf）/σi；再根据风险分散化原则进行第二次挑选，最终挑选出股票作为投资组合。

总风险、系统风险和非系统风险三者之间满足如下关系：σi2=βi2σM2+σei2。

由方差计量的总风险可以分成两类：一是系统（不可分散）风险：βi2σM2；二是非系统（可分散）风险σei2，即可以通过组合证券消除的方差部分。

可以清楚地看到，股票的总风险中，非系统风险所占比重越大，它就越有潜力通过投资组合来降低其总风险。

（二）第二阶段：动态确定投资组合中各支股票的权重

在证券市场中，证券的价格、风险、收益率及证券之间的关系是在不断变化的。所以用固定的指标去反映收益和风险的变化是存在问题的，因为当条件发生变化时，证券的组合没能及时调整，以反映市场的变化，这就使组合投资研究失去了实际操作价值。所以本文根据股票的这种不确定性，建立动态的模型，来确定在不同时期投资组合中各支股票的权重。

基于相关模型，得到最优权重的表达式：

由此可见，最优权重向量与每一时刻t 的收益率及收益率的方差和协方差有关。且上式可推出两个极端情况：

（1）若投资者是极端风险厌恶的，即 λ1=1，则最优权重向量为：

（2）若投资者是冒险的，即λ1=0，则最优权重向量为：

实例及结果分析

（一）定性分析

从当前国内外形势看，经济复苏的迹象日益明显，事实上经济复苏的实际进程是左右未来行情的关键因素。而经济复苏最有说服力的佐证就是公司业绩。2010年最具潜力最具投资价值六大行业分别为以下行业：

医药：成长性最好的行业；钢铁：拐点最明确的行业；机械设备：机构最青睐的行业；农林牧渔：业绩双增最大的行业；电力：同比增长最快的行业；有色金属：环比增长最快的行业。

（二）定量分析

下文从中投证券中搜集了这六个行业中几只较好的股票在2009年8月11日至2010年5月7日的收盘价（共180天）。用公式 ：收益率=（今天的收盘价-前一天的收盘价）/前一天的收盘价，计算出各只股票的日收益率。然后将这40只股票的收益序列乘以30 得到月收益率。对40只股票的月收益率各取平均，可以得到月预期收益率（ri），并且根据40只股票的月收益率序列可以求得各支股票的方差（σi2）和标准差（σi）。以ri衡量一支股票的收益，以σi衡量一只股票的风险。表2列出了40只股票的收益、风险相关数据。其中本文无风险收益率（rf）统一规定为3%。

第一次股票资产挑选：遵循股票资产的报酬与波动性比率较高原则，即所谓的Sharp ratio较高原则。对这40只股票挑选出Sharp ratio由高到低排名前20名（排名及入选股票详见本文表1）的20只股票。

第二次股票资产的挑选：先计算各支股票的βi值；再根据市场风险σM2计算股票的系统风险βi2σM2，并由股票的总风险σi2与股票的系统风险βi2σM2的差值可得股票的非系统风险σei；最后计算股票的风险分散程度σei2/σi2，挑选风险分散程度由高到低排名前六位（排名及入选股票见表2）的6只股票作为投资组合。

计算某项资产的贝塔系数的公式为：。

选取的六只股票为：科华生物、亚盛集团、美的电器、金山股份、焦作万方、东方钽业。选取时间为选取时间从2009年9月1日至2010年5月7日，共165个交易日，并用SAS 、MATLAB处理这些数据。为说明问题，分别取2010年1月7日，1月15日、1月25日、2月2日和2月22日为研究时间。用公式

作为证券i（i =1,2,…,6）的收益率的样本均值和证券i和j（j =1,2,…,6）的样本协方差。其中rij，i =1,2,…,6，j =1,2,…,6是每个证券收益率的样本。由此用SAS软件可以得到5个时间的协方差阵Ωi，并由此得到期望收益率分别为：

2010年1月7日 u1=（0.0040，0.0011，0.0050，0.0010，0.0053，0.0021）T

2010年1月15日u2=（0.0035，0.0015，0.0050，0.0010，0.0054，0.0022）T

2010年1月25日u3=（0.0029，0.0018，0.0050，0.0010，0.0056，0.0022）T

2010年2月2日 u4=（0.0024，0.0022，0.0049，0.0011，0.0057，0.0024）T

2010年2月22日u5=（0.0015，0.0027，0.0048，0.0012，0.0058，0.0025）T

设λ1=1/2，即表示投资人认为收益和风险同等重要，如果投资者在以上6种风险资产和1种无风险资产上投资，则在以上5个时间的最优权重或最优投资比例分别为：

w1*=（0.5267，-0.2491，1.3249，

-1.1020，0.5474，-0.0478）T

w2*=（0.3130，0.1963，1.4178，

-1.5107，0.6433，-0.0597）T

w3*=（0.0731，0.6963，1.5074，

-1.9525，0.7507，-0.0750）T

w4*=（-0.2070，1.0221，1.5301，

-2.1635，0.8694，-0.0510）T

w5*=（-0.6517，1.8676，1.6495，

-2.8597，1.0554，-0.0611）T

用公式：投资组合收益率=期望收益率向量*投资组合中各支股票所占权重，计算出这五天投资组合的收益率分别为：0.0102，0.0103，0.0111，0.0117，0.0145。

本文假设不是先对个股进行基本面分析，没有先选择股票而是就是由这40只股票构成投资组合，则这五天投资组合的收益率依次为：-0.0102 0.0018 0.0036 -0.0090 -0.0032，在上述这种情况下，投资组合的收益率小于先对个股进行基本面分析，先选择股票时的收益率。所以我们先对个股进行基本面的分析是有意义的。

对比如果不考虑证券的价格、风险、收益率的不断变化，即不是动态确定投资组合权重的结果。

由于不考虑证券的价格、风险、收益率的不断变化，也就不会动态确定投资组合的权重，假定投资组合的权重为最初2010年1月7日确定的权重，则这五天投资组合的收益率为：0.0102，0.0098，

0.0096，0.0090，0.0082 ，此种情况下，投资组合的收益率小于动态确定投资组合权重的收益率。所以我们的连续时间最优化模型是有效的。

通过实例验证和比较分析，说明两阶段优化法是有效的，两个阶段的优化缺一不可。

参考文献：

1.荣喜民，崔红岩.组合证券选择的最优化模型研究[J].系统工程学报，2005

2.韩潇，叶晓霞.股票投资组合优化研究[J].时代金融，2007

3.杨佩礼，施正马.浅论股票投资决策[J].财务与会计，1998

4.Markowitz H M. Portfolio selection[J] . Journal of Finance，1952

5.Sharpe W F. Portfolio Theory and Capital Markets[M]. USA:McGraw_Hill, Inc, 1970

6.Merton A J ,Pliska S R. Optimal portfolio management with fixed transaction costs[J] .Mathematical Finance，1995,5(4)

7.钱峰，石丽娟.数据删除模型对于广义岭估计的影响[J].南通大学学报：自然科学版，2008

8.王娟，陆志峰.一般Ⅱ型逐步删失下对数正态模型的近似极大似然估计[J].南通大学学报：自然科学版，2008

9.赵为华，李泽安.AR(1)误差的非线性随机效应模型的参数估计[J].南通大学学报：自然科学版，2008

10.郭晓君，李大治.一类具有预防接种且带隔离项的SIQR传染病模型的稳定性分析[J].南通大学学报：自然科学版，2008

11.张晖.一类具有种群变动的传染病模型的稳定性[J].南通大学学报：自然科学版，2009

12.郭畅.基于Copula函数的证券基金与股价指数的尾部相关性分析[J].南通大学学报：自然科学版，2009

13.金晶亮.非线性测量误差模型的Bayes估计[J].南通大学学报：自然科学版，2009

14.李泽安，葛建芳，章雅娟.Beta回归模型在数据挖掘预测中的应用[J].南通大学学报：自然科学版，2009

15.郭海，郭毓.一类线性时变系统模型参考自适应迭代学习辨识[J].南通大学学报：自然科学版，2009

16.彭小智，凌能祥.相依样本下回归函数分割估计的渐近正态性[J].南通大学学报：自然科学版，2009

17.Ross S M .Stochastic Processes[M].John Wiley &Sons，1983

18.欧阳光中，李敬湖.证券组合与投资分析[M].高等教育出版社，1997

19.杨智元.证券价格按几何布朗运动变化的微观解释[J].数学实践与认识，2003

作者简介：

孙建平（1976-），女，江苏海安人，南通大学理学院讲师，硕士研究生，研究方向：最优化。

黄梦妮（1988-），女，江苏新沂人，上海师范大学商学院，硕士在读。

吕效国（1963-），男，江苏南通人，南通大学理学院副教授，硕士研究生导师，研究方向：概率统计。

通讯作者：吕效国。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文