股票投资计划范文

[关键词]VaR方差风险Markowitz组合投资模型

一、引言

1993年G30研究小组在《衍生产品的实践和规则》的报告中首次提出VaR模型,之后在巴塞尔银行监管委员会和国际证券委员会的推动下,VaR模型逐渐成为金融风险管理的主流方法。关于VaR模型在股票组合投资决策中的应用，国外学者做了大量研究。例如,Alexander,Baptista(2002)对比研究了均值-方差模型和均值-VaR模型对于股票组合投资决策的经济意义。Campbell,Huisman,Koedijk（2001）在VaR模型框架下研究了最优证券组合投资问题。Consigli(2002)应用均值-VaR模型研究了不稳定金融市场中的证券投资组合选择问题。

关于VaR模型在金融风险计量和管理中的应用，我国学者也作了一些研究。例如，戴国强、徐龙炳、陆蓉(2000)探讨了VaR模型对我国金融风险管理的借鉴意义及其应用方法。宁云才、王红卫(2002)探讨了Markowitz投资组合有效边界的程序化解法。

本文首先探讨了基于GARCH模型的股票投资组合VaR风险计量方法，然后将VaR风险替代Markowitz投资组合模型中的方差风险，通过求解非线性数学规划问题得到股票投资组合的另一种最优投资策略。

二、模型与方法

1.VaR的定义

根据Jorion的定义VaR指给定置信区间下金融资产或资产组合在持有期内的最坏预期损失。若用V表示资产组合在持有期末的价值，E(V)表示资产组合在持有期末的期望价值，表示给定置信区间c下资产组合的最低价值,则VaR值如(1)式所示。

（1）

其中,V*满足(2)式所示的条件。

P(V|V>V*)=c或（2）

其中,f(v)表示持有期末资产组合价值的概率密度函数。

计算VaR需先确定以下三个因素:资产组合持有期的长短、置信区间c的水平和持有期内资产组合价值的分布特征。VaR值计算通常有三种方法:历史模拟法、方差-协方差法和蒙特卡洛模拟法。本文的研究采用方差-协方差法。

2.计算VaR值的方差-协方差方法

假设投资组合由n只股票组成，记为第i只股票的价值在投资组合总价值中所占的比例,并满足(3)式所示的约束条件。

令S表示投资组合收益率的方差-协方差矩阵,表示股票投资组合的投资策略向量,则投资组合收益率的方差可由(4)式计算得到。

(4)

假定资产组合的收益率服从正态分布,由正态分布的分位数进一步计算得到投资组合的VaR值,如(5)式所示。

(5)

其中,表示投资组合的初始投资额,表示标准正态分布在置信水平c下的分位数。

由于根据历史数据计算的收益率方差不能准确反映未来持有期内收益率的波动性,为克服这一的缺点,本文应用GARCH模型对股票未来持有期内的波动率进行预测，在波动率预测值的基础上计算投资组合在未来持有期内的VaR值。

3.GARCH模型及其对股票收益波动率的预测方法

对金融时间序列收益波动率的研究一直是金融研究的重点问题之一,1982年Engle提出了ARCH模型,即自回归条件异方差模型，1986年Bollerslev在此基础上提出了GARCH模型，即广义自回归条件异方差模型,用以对金融时间序列收益波动率进行建模。对股票收益波动率的建模经常采用GARCH(1,1)模型,例如宋逢明、江婕(2003)对中国股市波动率特征的实证研究,赵留彦、王一鸣(2004)在对中国股市收益率的时变方差与周内效应的研究，本文的研究采用GARCH(1,1)模型。

GARCH(1,1)模型的具体设定如公式(6）、(7)所示。

(6)

(7)

其中,rt表示股票在第t期的收益率，u表示股票收益率的均值，εt表示第t期股票收益率偏离均值的残差,σt表示第t期股票收益的波动率。α0、α1和β为待估参数。

GARCH(1,1)模型实际上包含了一个递推公式。根据rt和公式(6)可计算得到εt,将εt和σt代入公式(7),可对σt+1进行预测,依次类推。预测使用的第一期的收益波动率通常由历史波动率法计算得到。

4.基于VaR的最优股票组合投资策略

令表示投资组合各成分股票收益率的相关系数矩阵,s表示由各成分股票收益率方差预测值构成的列向量,其中收益率方差的预测值由GARCH模型得到，则投资组合在预测期内收益率的方差可由(8)式计算得到。

（8）

在股票收益率服从正态分布的假定下,将代入公式(5）,可计算出投资组合的VaR值。将投资组合的VaR风险值替代Markowitz组合投资模型中的方差风险值,可得下述非线性数学规划问题。

(9)

(10)

求解上述非线性数学规划问题，可得到最小化投资组合VaR风险值的最优投资策略向量和最优投资组合的VaR值。

三、实证算例

本文选取上海证券交易所上市交易分属不同行业的6只股票构成样本股票投资组合,这6只股票的名称见表1。本文收集了上述股票2006年9月7日至2007年4月30日的日收盘数据,根据日收益率数据应用Eviews5.0软件估计各成分股票GARCH模型的参数,参数估计结果见表1。

应用GARCH模型预测各成分股票在下一个交易日里的收益波动率,预测结果列示于表2。

根据样本股票日收益率数据可计算成分股票间收益率相关系数矩阵。在给定各成分股票投资比重的条件下，应用公式(8)计算投资组合收益波动率的预测值，再根据公式(5）计算投资组合在下一个交易日里的VaR风险值。利用Excel中的规划求解功能求解公式(9）、（10)所示的非线性规划问题，得到各成分股票的最优投资比重，求解结果列示于表2。

为比较上述最优投资策略降低投资组合VaR风险值的程度，本文同时计算了等比例投资策略下投资组合的VaR风险值，计算结果列示于表3。

表3显示,如果投资者的初始投资为1000000元,则在下一个交易日里,在5%的置信水平下,最优投资组合的最坏损失约为36443元,等比例投资组合的最坏损失约为39748元。在1%的置信水平下,最优投资组合的最坏损失约为51462元，等比例投资组合的最坏损失约为56130元。在两种置信水平下,等比例投资组合的最坏损失均大于最优投资组合的最坏损失。

参考文献:

[1]AlexanderG.J.BaptistaA.M.2002,Economicimplicationsofusingamean-VaRmodelforportfolioselection:Acomparisonwithmean-varianceanalysis[J],JournalofEconomicDynamics&Control26,1159～1193

[2]CampbellR.HuismanR.KoedijkK.2001,OptimalportfolioselectioninaValue-atRiskframework[J],JournalofBanking&Finance25,1789～1804

[3]ConsigliG.2002,Tailestimationandmean～VaRportfolioselectioninmarketssubjecttofinancialinstability[J],JournalofBanking&Finance26,1355～1382

[4]戴国强徐龙炳陆蓉:2000,VaR方法对我国金融风险管理的借鉴及应用[J],金融研究,第7期

[5]宁云才王红卫:2003，Markowitz组合投资模型的程序化求解方法[J],数量经济技术经济研究,第10期

[6]JorionP.2000,VaR:风险价值――金融风险管理新标准[M],张海鱼译,中信出版社

[7]宋逢明江婕:2003，中国股票市场波动性特性的实证研究[J],金融研究,第4期

股票投资计划范文

早期的金融学理论认为市场是充分有效，没有系统性错误定价，但是，20世纪80年代以后，学者们发现越来越多的系统性的错误定价，并称之为异象。高交易量回报溢酬作为一种市场异象，是指在一天或一周经历异常高交易量的股票，在未来的一个月内收益率会较高；而异常低交易量的股票，未来的收益会较低。投资者可以利用股票以前交易量信息对股票未来收益进行预测。

二、文献综述

Gervais等（2001）最早在美国股票市场发现了高交易量回报溢酬现象。Chai（2010）在新西兰股票市场中也证明了高交易量回报溢酬的存在。Zhou（2010）对我国A股市场进行了研究，研究表明我国股票市场同样存在这种溢酬现象。Kaniel（2012）研究了全球41个国家的股票市场，结果表明高交易量回报溢酬现象在发达市场和新兴市场中普遍存在。Kaniel研究发现，投资者人口统计、市场信息传播、投资者对市场的信心和公司规模均是影响高交易量回报溢酬效应的显著因素。Banerjee（2010）建立的理论模型也进一步印证了高交易量回报溢酬现象的存在性。另外，学者们还深入研究了高交易量回报溢酬效应的影响因素。Huang（2010）对溢酬效应与检验期换手率的关系进行了实证检验，发现溢酬效应的大小取决于检验期中的换手率。Chen和Taboada（2010）从可视性理论出发，分析了股票特征、股票所属行业和所在国家三种因素对溢酬效应的影响，研究表明股票所属行业因素的影响最大。目前，相关研究主要集中在检验不同股票市场高交易量回报溢酬效应的存在性以及分析不同特征股票对溢酬效应的影响等方面，关于投资者情绪对高交易量回报溢酬效应的影响尚未涉及。本文以投资者情绪会导致股票错误定价为切入点，考察在投资者情绪高涨和低落影响下，不同规模公司股票的高交易量回报溢酬效应表现，研究投资者情绪对溢酬效应的影响，为高交易量回报溢酬效应影响因素的研究提供新的视角，也为投资者情绪驱动股票错误定价的研究提供经验依据。

三、研究设计

（一）研究假设Barber和Odean（2008）研究发现，当投资者面对市场上众多股票，面临买入股票的决策时，由于需要较高的搜寻成本，投资者主要考虑的是吸引他们关注的股票，例如异常高交易量股票。高交易量回报溢酬的产生是由于异常高交易量提高了股票的受关注度，投资者基础扩大，在异质信念和卖空限制的双重前提下，对未来持乐观态度的投资者将会买入和持有异常高交易量股票，而悲观投资者由于卖空限制不能参与市场交易，股票价格主要反映了乐观投资者的意见，造成股价相对其真实价值的高估，其结果是股票价格在随后一个月内上升。

投资者情绪是影响资本市场定价的系统性风险，是投资者对于资产的错误估值和投资者的投机倾向。许多学者已经证明了投资者情绪会驱动股票价格偏离基础价值，股票价格在情绪高涨时被高估，在情绪低落时被低估。因此，当情绪高涨时，市场参与者容易对异常高交易量股票产生更积极的反应，股票定价过高的情形更可能出现，高涨的情绪将推动异常高交易量股票价格在未来一段时期内持续走高，使得高交易量回报溢酬效应表现得更加明显；而当情绪低落时，市场参与者对于异常高交易量股票的反应比较消极，出现股票定价过高的情形较少，而且由于卖空限制，股票定价过低的情形出现的可能性很小，所以与情绪高涨时期相比，高交易量回报溢酬效应表现得不明显。

从公司规模看，小规模公司股票由于基本信息少、估值困难和流动性等原因，投资者关注小规模公司股票的程度相对较低，因此，小规模公司股票更容易受到交易量冲击和情绪的影响；而大规模公司股票受到投资者关注程度较高，基本面的信息流动良好，其股票价格就不容易受到交易量冲击和投资者情绪的左右。根据以上分析，提出假设：

H1：高涨情绪影响下的高交易量回报溢酬效应比情绪低落时表现得更明显

H2：在高涨情绪影响下，小规模公司股票的高交易量回报溢酬效应表现得较明显

（二）样本选取及数据来源国沪深两市上市的A股上市公司为研究对象。时间跨度是2001年6月1日至2012年8月27日，共2727个交易日。将样本期间划分成88个无重叠交易区间，每个区间包含30个交易日。为了避免日周效应，每两个区间中间都隔了一个交易日。每个区间又划分成观察期和形成期，分别对应区间中的前29个交易日和第30个交易日。检验期为每个区间形成期之后的5、10、20和30个交易日。在每个区间内，剔除存在数据缺失的股票、在形成期当天或形成期之前的两个月内经历增发的股票、在观察期前公司上市时间不超过6个月的股票。上市公司流通市值、股票交易股数和收益率等数据来自CSMAR数据库，IPO数据和新开交易账户数来自Wind资讯，宏观经济景气指数取自中国经济景气月报。

（三）投资者情绪的衡量投资者情绪是反映投资者心理的重要因素，它是反映投资者意愿或预期的市场人气指数。就目前研究中经常使用的情绪指数而言，按照测量投资者情绪的性质和方式分类可分为直接指数和间接指数。直接指数是通过问卷调查的形式得到反映投资者情绪的直接指标，包括国外广泛使用的美国个人投资者协会指数、友好指数以及国内使用的央视看盘指数、好淡指数等。间接指数是通过市场交易的公开统计数据间接测量投资者情绪，包括封闭式基金折价率、IPO首日收益率和新开交易账户数等。由于中国股票市场新兴加转轨阶段性特征的存在，直接指数样本期较短，数据的连续性也可能存在问题，因此，本文采用间接情绪指标反映投资者情绪。

根据中国股票市场的实情和数据的可获得性，选取IPO首日收益率、IPO首日换手率、IPO股票数量和新开交易账户数4个能够反映中国股票市场投资者情绪的间接指标。由于不同指标反映投资者情绪的时滞不一样，所以同时考虑了4个间接指标的滞后一期，共8项指标。采用月度数据来衡量投资者情绪，并且假设同一个月份内每天的投资者情绪是相同的。

在构建投资者情绪指数时，考虑到主要研究的是投资者的非理性情绪，因此，在前人研究方法的基础上做了改进，即在投资者情绪间接指标中提出宏观经济因素的影响。具体构建投资者情绪指数和划分情绪状态步骤如下：

（1）剔除宏观经济因素的影响。将8项指标分别与宏观经济景气指数做正交处理，利用其对宏观经济景气指数回归所得到的残差作为剔除宏观经济因素影响后的新情绪变量，并进行标准化处理消除量纲影响。

（2）构建投资者情绪指数。将标准化处理后的情绪变量进行主成分分析，选取特征值大于1的主成分，分别为第一、二、三主成分，并以它们各自的方差贡献率作为权数，将其与所对应的主成分得分相乘并加总，得到投资者情绪指数：

Sentimentt=0.29×FAC1+0.28×FAC2+0.23×FAC3（1）

其中Sentimentt表示第t月的投资者情绪指数；FACn表示第n个主成分，n=1，2，3。

（3）划分投资者情绪状态。如果在区间i检验期开始前的k天，投资者情绪指数之和大于0，视该区间为投资者情绪高涨阶段；若投资者情绪指数之和小于0或等于0，则视该区间为投资者情绪低落阶段。

（四）高交易量回报溢酬的检验构建零成本投资组合的研究方法，检验高交易量回报溢酬的存在性。具体步骤如下：

（1）划分不同规模公司股票。在区间i的形成期末，按照公司流通市值排序，排在前30%的股票为大规模公司股票，排在后30%的股票为小规模公司股票，其余的则为中规模公司股票。

（2）定义异常交易量股票。使用交易股数作为确定异常交易量股票的指标。在每个观察期，分别将不同规模公司组中每只股票的交易量加以排序，如果股票于形成期当天的交易量在该股观察期间交易量的前10%，称该股为高交易量股票，若在交易量的后10%，则称该股为低交易量股票。

如果NR显著大于零，表示高交易量回报溢酬现象存在。

四、实证结果与分析

（一）中国股票市场的高交易量回报溢酬根据公式（2）计算出三组不同规模公司股票在不同检验期零成本投资组合策略中获得的NR，并利用SPSS统计分析软件对NR进行单样本检验，结果如表1所示。

从表1可以看出，三组不同规模公司股票在不同检验期零成本投资组合策略中获得的全部显著大于零，且随着检验期的延长，表现出逐渐增大的趋势，这表明中国股票市场存在高交易量回报溢酬，且这种溢酬效应随时间而增强。在所有检验期策略组合中，小规模公司股票获得的最高，大规模公司股票获得的最低，这表明异常交易量冲击对日常受到投资者关注较少的小规模公司股票的影响更大，而对日常受到关注较多的大规模公司股票的影响较小。

（二）投资者情绪对高交易量回报溢酬的影响根据公式（1）计算投资者情绪指数，将88个交易区间划分为投资者情绪高涨和低落两类。如果在区间检验期开始前的60天（k=60），投资者情绪指数之和大于0，表示该区间为投资者情绪高涨阶段；若投资者情绪指数之和小于0或等于0，表示该区间为投资者情绪低落阶段。再根据公式（2）计算出在不同投资者情绪状态下，三组不同规模公司股票在不同检验期零成本投资组合策略中获得的，并利用SPSS统计分析软件对进行单样本检验，结果如表2所示。根据表1和表2，不同规模公司股票在全部交易区间与将交易区间划分为两种情绪状态后，零成本投资组合策略在各检验期获得的如图1所示。

从表2和图1中可以得到以下结论：

（1）在高涨情绪状态下，三组不同规模公司股票在所有检验期零成本投资组合策略中获得的NR均比情绪低落时高，这表明对于异常高交易量股票，情绪高涨时的市场反应比情绪低落时的市场反应更强烈，股票价格更容易被高估，高涨的情绪会推动异常高交易量股票价格在未来一个月内持续走高，对股票收益率有正向影响，因此假设1成立。

（2）在所有检验期策略组合中，小规模公司股票在情绪高涨阶段均表现出最高的获利水平，这一结果与小规模公司股票受异常交易量冲击的影响最大和投资者情绪对小规模公司股票影响更显著的结论相吻合，因此假设2成立。

（3）在高涨情绪状态下，三组不同规模公司股票在所有检验期策略组合中获得的NR均高于全部交易区间和情绪低落时的获利水平，这表明在执行基于交易量冲击投资策略时，若加入考虑投资者情绪信息可以进一步提高投资组合的盈利。

（4）无论在全部交易区间或是将交易区间划分为两种情绪状态，三组不同规模公司股票零成本投资组合策略获得的NR均会随着检验期的延长，表现出逐渐增大的趋势，这表明随着时间的推移，高交易量回报溢酬效应表现得更明显。

（三）稳健性检验考虑到高交易量回报溢酬效应可能是由公司公告所驱动的，因此，在每个交易区间，剔除所有在形成期前一天，当天或者后一天经历盈利公告的股票。同时，重新将88个交易区间划分为投资者情绪高涨和低落两类。如果在区间检验期开始前的180天（k=180），投资者情绪指数之和大于0，表示该区间为投资者情绪高涨阶段；若投资者情绪指数之和小于0或等于0，表示该区间为投资者情绪低落阶段。重新进行检验，结果如表3所示。从表3可以看出，剔除盈利公告数据和重新划分投资者情绪状态后，三组不同规模公司股票在高涨情绪状态下获得的仍然比情绪低落时高，假设1依然成立；在高涨情绪影响下，小规模公司股票在所有检验期策略组合中均会获得最高的，假设2依然成立。由此可见，本文的实证结果是稳健的。

五、研究结论

中国股票市场的不成熟和以散户为主导的投资群体使得市场更多地表现出非理性的一面。另外，中国股市禁止卖空的制度限制了投资者的套利行为。因此，研究投资者情绪对于高交易量回报溢酬的影响，将有助于深入了解中国股票市场。

（1）高涨情绪影响下的高交易量回报溢酬效应比情绪低落时表现得更明显。高涨的情绪导致市场参与者对异常高交易量股票表现出更强烈的反应，股票价格更容易被高估，高交易量回报溢酬效应则表现得较明显；而在情绪低落时，市场参与者对于异常高交易量股票的反应比较消极，股票定价过高的情形较少，与情绪高涨阶段相比，高交易量回报溢酬效应表现得不明显。因此，投资者情绪对于高交易量回报溢酬效应具有影响作用。

（2）在高涨情绪影响下，小规模公司股票表现出较明显的高交易量回报溢酬效应。异常高交易量带来的眼球效应对于平时受到投资者关注较多的大规模公司股票影响较小，而对于日常受到关注较少的小规模公司股票影响较显著，而且投资者情绪对小规模公司股票的影响也更显著，因此，小规模公司股票的高交易量回报溢酬效应在高涨情绪影响下表现得更加突出。

（3）在执行基于交易量冲击投资策略时，利用投资者情绪信息可以进一步提高投资组合的盈利。若在情绪高涨阶段构建基于交易量冲击的零成本投资组合，在未来一个月内可以获得较高收益。

研究结果支持Stambaugh等提出的投资者情绪驱动的错误定价是市场异象产生的重要因素这一观点，为情绪影响投资者对异常高交易量股票的反应程度提供了经验依据。另外，本文的研究有助于了解在不同投资者情绪状态推动下，我国股票市场高交易量回报溢酬效应的表现特征，这一特征对投资者完善投资策略，指导投资者提高决策水平，利用交易量获得更高的投资组合收益提供可靠依据。

参考文献：

[1]李春红、彭光裕：《投资者情绪、股票市场流动性和经济增长》，《技术经济》2011年第30期。

[2]游家兴：《投资者情绪、异质性与市场非理性反应》，《经济管理》2010年第32期。

股票投资计划范文篇3

关键词：企业年金／投资组合／理论模型／经验研究

在市场前景广阔、法规政策引导、相关机构齐备的新形势下，我国年金基金的投资成为一个非常现实和迫切需要理论前瞻指导的问题，需要进行重点研究。本文的目的是总结西方年金基金投资的理论以及实践经验，为我国企业年金的投资实践提供借鉴。

一、西方企业年金投资的理论及经验研究

年金基金管理中，首先需要确定基金的资产组合，西方学者在该领域的研究主要有两个理论模型。一个是税收套利(taxarbitrage)模型，由black和tepper分别提出，他们认为养老基金应全部投资于公司债券山。理由是公司债券是所有金融工具中税负最重的，必须提供足够的收益，才能吸引纳税投资者的投资，而免税投资者持有公司债券相当于获得了“经济租金”。比如一种债券提供10%的收益率，才能吸引一个30%边际税率的纳税投资者，纳税投资者获得了7%的税后投资回报，而免税投资者则可以多获得3%的收入。税收套利模型认为养老基金法人作为免税投资者，应充分利用免税优势，获得最大利益。这一理论模型仅仅从税收角度考虑问题，在实践中很少有养老基金完全采用这一理论。bodie等人对美国539个企业的养老基金进行了研究，发现不到10%的基金是100%的固定收入证券组合。

另一个理论模型可以称为“对养老金收益担保公司的看跌期权模型”(theputtopbgc)。由sharpe，treynor和harrison等提出，他们认为养老基金资产组合应该全部投资于股票和其他高风险的资产。原因在于美国政府的养老金收益担保公司(pensionbenefitguarantycorporation,pbgc)保证了参保企业养老基金的最终责任，在公司无法支付退休职工的养老金时，由pbgc接管养老基金的全部资产并加上发起公司净资产市场价值的30%。这等于是公司养老计划和pbgc签订了一个看跌期权合约(putop-tion)，当养老计划资不抵债时，公司就将养老计划出售给pbgc。在此条件下，企业年金基金就有道德风险，将基金投资到风险最高的股权证券中，以最大化期权价值，因为假使投资失败造成养老计划损失，亏损也由pbgc承担。而投资成功，则收益全归养老计划所有。这种模型的逻辑推理是强有力的，但实践中很少有企业采用。bodie等人的研究显示，539个企业年金计划中不足0.5%完全投资于股票，基金资产中股票比例超过75%的不足5%。

上述两种模型无论是从税收还是从政府成立的养老金收益担保公司出发，都是以政府政策的安排为推理起点，得出了逻辑上合理的、但却是极端单一的投资组合。这种理论模型和实践是不相符合的，现实中大部分年金计划都是采取混合资产构造组合。

在对现实中年金组合构成的真实数据进行分析后(如经济合作组织oecd建立了世界主要国家的企业年金统计数据库)，西方学术界主要有这样一些结论：(1)不同国家企业年金组合的不同主要是由于金融市场特别是资本市场的发展程度不同，资本市场发达的国家的企业年金较多投资于股票等权益类工具，反之发展中国家的资本市场不发达，企业年金主要投资于存款与国债。(2)无论资本市场成熟程度如何，政府债券一直是各国养老金重要的投资工具。(3)各国对企业年金投资的监管可以区分为“谨慎人原则”(prudentpersonrule)与“严格比例限制原则”(quantitativeassetrestrictions)的两大范畴，谨慎人原则下的监管不做任何投资品种、比例的规定，而严格比例限制原则下的监管对基金的可投资品种、投资比例进行严格限制。因此不同的养老金资产组合是和两种不同的监管原则紧密联系的。从投资的实际效果看，实施谨慎人原则监管的养老基金投资收益比限制投资比例监管的养老基金更具优势。

另一方面，从微观层面上进行的经验性实证研究，西方学者也取得了一些成果。ambachtsheer等人考察了养老基金和发起公司之间的联系，研究发现基金的资产组合和发起公司的财务状况有密切联系。结论如下：(1)收入流波动越大的企业，其养老基金持有债券越多，股票越少，这样可以抵冲日常商业经营的风险。(2)企业资产负债表中杠杆率(包括财务杠杆和经营杠杆)越高的企业，企业养老基金持有债券越多，股票越少，也是为了冲抵经营风险。(3)企业有很高的收入回报率，则采取相反策略；养老基金持有的股票较多，债券较少。

除了基金的静态资产组合的研究之外，对于基金的动态资产组合调整即资产配置策略问题，西方也有不少研究文献。主流的文献认为，对于养老基金来说，进行主动管理、有目的的经常调整资产组合配置结构或者对变化的市场不作反应，都会导致基金投资业绩下降。他们主张养老基金应进行真正的被动管理，即采取恒定比例不变(constantmix)策略。在实践中，可以利用养老计划的现金流入和现金流出带来的资产配置机会，及时进行组合的再平衡(rebalancins)，使资产组合维持初始结构。

在回顾了西方研究文献之后，本文从微观层面上提出一种新的企业年金投资组合理论模型，这也是受ambachtsheer等人研究成果的启发。

二、基于发起企业经营业绩基础上的年金投资组合模型

年金计划是由发起公司设立的，基金的投资组合必须考虑发起企业的经营业绩。首先，基金的投资回报率与年金计划融资能力有密切关系，而融资能力取决于公司的经营业绩。其次，对于确定受益型(db型)的养老计划，该计划对发起公司的资产和现金流有求偿权利，这一权利和公司人工成本的求偿顺序相同，而排在其他债务之前。即如果公司当期的现金收入不能满足养老计划的负债资金支出需求，公司就将被迫向外借款、发行股票或者放弃赢利的投资机会，以首先满足养老计划的资金需求。而对于确定缴款型(dc型)的养老计划，既定的缴费支出是排在税收之前的，也要从公司经营活动现金流中支付。所以，无论db型或dc型，年金基金的资产组合必须考虑发起公司的现金流情况。

为了更好地说明这一问题，下面看两个假设的情况，这里是以db型年金计划为例，但不影响本文的结论。

在表1中年金基金回报率与公司的现金流回报率完全正相关，结果在公司效益下降时期，公司的现金需求大增，向外融资，不仅要为年金计划供款，还有投资项目在开工。而表2中年金基金回报率与发起公司现金流回报率负相关，这样就可以在公司现金流收入充足的时候满足年金计划供款需求，而在公司负现金流收入时，年金基金的投资回报率却很高，使年金计划无需供款。这样，公司的对外融资需求就在一定程度上得到了“熨平”，节省了公司进入资本市场的融资成本。

根据以上的分析，笔者提出一个企业年金基金的投资组合理论模型。在markowitz和sharpe的资产组合模型中，组合的方差表示为：var(rp)-β2war(rm)=0，而对于企业年金，资产组合模型可以变换一下：年金基金的风险和收益之间的关系等式为：var[wrp(1-w)cf]-β2war(rm)=0，式中w为企业年金资产(假设为a)与公司总资产(假设为b)及年金资产之和的比例，即w=a/(ab)，此式表示在考虑年金基金的投资组合时，把发起公司的经营现金流回报率(cpr)和年金基金的资产回报率(rp)放在一起考虑，年金计划作为发起公司的一个附属，而不是作为一个单独实体来决定其投资组合。

那么进一步来看如伺构造年金的资产组合。根据资本资产定价模型(capm)理论，不同股票在本质上是相同的，不同之处仅在于β系数不同。只要β系数相同，股票彼此是可以替代的。因此，一种最简单的股票选择方法，首先就是把与年金计划发起公司同行业中的其他公司股票排除出去(比如马钢公司的年金计划就不可以投资宝钢股票)，因为这些公司的股票收益率是密切相关的，股票β系数是相同的或相似的。不过现实中，在构造股票组合时，不能仅仅考虑β系数这一个因素。比如ross提出了套利定价理论和多因素模型，以后chen、roll和ross进一步建立了四个经济要素的模型，四个经济要素是：长短期利率差、期望的通胀率与实际通胀率之差、工业总产值、高低等级债券的利率差。berkowitz等人提出还可以再加上实际汇率波动因素，这样构造一个五因素的分析模型：式中rj表示股票j的收益率，f1—f5表示5个经济因素的数值，a1-a5表示各个经济因素的影响系数，t表示时间。

笔者认为，可以借鉴上述五因素模型来建立企业年金基金的投资组合。方法是，首先用一组自变量fi的数值来对发起公司的现金流收益率(cfr)进行回归，得出ai的数值。假设公司现金流回报率对长短期利率差因素f1是负相关的，即a1<0，此时暂不考虑其他因素，那么在确定年金基金组合中的股票时，就应该选择对f1因素正相关的股票，比如i股票，其收益率为ri，对f1因素正相关，即a1>0。这样，当长短期利差上升时，企业现金流收益率下降，而年金基金中j种股票的收益率上升，可以起到对冲作用。按照上述逻辑思路，建立企业年金基金的股票组合，用运筹学语言描述，即：

在此线性规划模型中，w定义如前，w≥0表示年金基金必须存在，1-w≥0表示企业不会出售公司资产以满足年金计划(即公司没有破产)，xi表示基金资产组合中投资在，i种股票上的比例，0.05≥xi≥0，表示在年金基金组合中股票的数目最少为20种(根据组合投资理论，可以基本消除非系统风险)，并且没有卖空股票。∑xi·a1i·fi≤σi表示对风险因素f1的风险控制。其他的风险因素约束条件意义相同。

我国《企业年金基金管理试行办法》对基金的股票投资进行了严格比例限制，投资于权益类品种(股票、股票基金和投资连接保险产品等)不高于基金资产净值的30%，其中股票不高于20%。因此，在此规定限制下，对约束条件略作修正如下：∑xi<0.2,0.01≥xj>o。

对于该模型的现实应用性，本文说明如下：目前我国《企业年金试行办法》规定，年金计划采取确定缴款制(dc型)，但如本文所述，即使dc型计划也需要考虑发起企业的经营现金流情况。比如2005年11月与中国工商银行签订全国第一家企业年金基金托管协议、2006年5月和南方基金管理公司签订了年金基金投资合同的马鞍山钢铁公司的年金计划，实际上是一个db和dc的混合计划。马钢年金计划的基金资产达1.8亿元，6.7万在职职工每人每月平均获补贴118元，3.1万退休职工每人每月平均获补贴80元，直至终老。对于退休职工来说，这显然是一个db型计划，对于在职职工来说，则是一个dc型计划，所以马钢的计划是一个混合了db和de型的年金计划。在转型期内我国企业建立的年金计划，绝大部分必然选择此种混合型计划。另外，保险公司为企业提供的年金计划即团体养老金计划则全部属于db型。所以本文提出的这样一个投资组合理论模型，具有现实指导意义。

三、我国企业年金投资的现实

目前现实中，我国企业年金的管理主要分为三种情况，即年金分别由企业或行业的年金理事会、地方或工会的社会保险机构、以及保险公司等三方在经办，三种方式下的年金参保人数和基金资产的比例分别占40%、30%、30%。对三种方式下的企业年金基金的投资组合，具体阐述如下：

对于行业或大型企业的年金来说，截至2005年底前基金主要集中在行业体系内部运转，主要投资本行业内的盈利项目或本行业的企业债券，比如2003年8月成立的全国第一家行业试点年金、也是我国目前资产规模最大的行业年金——电力企业年金，在2004年中期时，归集到电力企业年金管理中心本部进行集中投资运营的近14亿元资金中，9.8亿元购买了电力企业债券，3亿元委托电力行业内的财务公司理财，1亿元购买了2004年的7年期国债。这样的企业年金资产组合，风险必然主要集中在本行业内部。

对于地方社会保险机构经办的企业年金，以上海市企业年金发展中心规模最大，也最具有代表性。目前其管理的资金量大约在80多亿元人民币，资产配置主要分两级：一级资产配置是将全部受托管理资金按比例投资于银行协议存款、委托机构理财、国债等不同领域；二级资产配置是指各委托理财机构(主要是证券公司和信托公司)按照双方的协议，再将资金投资于资本市场。从2003年底至今，我国上市公司十大流通股股东名单中一直出现过上海市企业年金发展中心。以下是上市公司前十大流通股东名单中反映的企业年金投资情况。

由表3可以看出，上海地方企业年金在股票市场的投资规模并不大，占基金资产比例为1o%以内，很明显的两个变化趋势是，第一，在重仓持股家数和持股数量上有集中趋势，进入前十大流通股的持股家数一直在减少，而对重仓股的持股排名逐渐提升，持股最多的三只股票在2004年至2印5年底一直没有改变。直到2006年，长期持有的火箭股份和太极集团才被卖出，东风汽车也被逐步减仓，这些情况说明，地方企业年金可能是采取了集中投资并长期持有的策略，但不能排除是由于委托理财中为受托券商高位接盘而被迫套牢，这体现了地方年金投资中的道德风险。第二，年金基金在股票市场上的投资规模在下降，特别是2006年以来在股票市场大幅上升的情况下，基金的持股市值在迅速下降，一种可能是基金在主动减仓，但联系到我国企业年金管理体制的改变，可知这是地方年金基金在回收投资，将按照劳动保障部规定的新运作体制规范运营。总体上说，地方企业年金进入股票市场的比例不大，决定上海地方企业年金收益率的主要因素还是国债收益率。表4是10年来上海地方企业年金的收益率表。

对于保险公司的团体养老金保险来说，是纳入到保险公司资产中进行统一运作的。我国保险公司直到2005年才允许直接投资股票市场，在保险公司资产组合中，银行存款一直占40%-50%，国债占20%-30%，证券投资基金占不到10%。从2001年到2004年期间，保险资金年投资收益率分别为4.3%、3.14%、2.68%和2.4%，保险投资收益率近年来一直呈逐年下降趋势。

四、主要研究结论

第一，在年金基金的投资组合上，笔者提出了结合企业经营活动现金流收益的股票投资组合模型，这是一个风险收益规划模型。该模型说明，企业年金在选择股票投资对象时，被投资对象的风险特征(表现为β系数及多因素模型中的风险系数)应该和年金发起企业的风险特征负相关。这样，在企业经营活动随商业周期发生波动时，年金基金的投资收益可以起到对冲风险的作用，降低企业的现金需求。目前我国行业年金的投资对象恰恰主要是本行业内的项目或本行业的企业债券等，年金基金的风险集中于行业内，这和本文的建议相悖。笔者认为，应该改变这种局面，按照本文的投资组合模型思路，建立风险对冲型的投资组合，才能有利于企业年金的发展。