時間：2023-07-04 16:26:57
導語：在無風險資產的特征的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
[關鍵詞]居民家庭金融資產組合風險；Copula函數；在險價值VaR；風險積聚
[中圖分類號]F832.332 [文獻標識碼]A [文章編號]1673-0461（2014）07-0071-05
一、引 言
居民家庭金融資產指居民擁有的能夠帶來一定收益的以價值形態存在的資產。根據《中國人民銀行年報》統計口徑，我國居民的金融資產主要由手持現金、儲蓄存款、有價證券、保險準備金四大類組成。其中，現金主要滿足居民家庭日常交易需求，這部分資產不但沒有收益，相反還存在機會成本；儲蓄存款作為居民對銀行儲蓄這種金融資產的投資額來考慮；有價證券可以分為債券和股票，這兩者的風險差別很大，債券具有儲蓄功能，風險小，而股票市場投機性強，風險較大；在居民家庭金融資產總量中保險準備金所占比重較小，而且由于保險存在的概率賠付問題使得整個保險市場的收益率不好確定。一般而言，在居民家庭金融資產中，儲蓄存款和國債屬于無風險金融資產，股票屬于高風險金融資產。各類金融產品在居民家庭金融資產中的配置情況，稱為居民家庭金融資產組合。在不同時期，居民的家庭金融資產組合中的資產類型持有比例是不同的，以應對外部經濟環境變化的影響。本文試圖測算居民家庭金融資產組合的風險，觀察其在不同時期風險的變化情況，同時分析各自不同類型的金融資產對宏觀經濟變動的敏感程度，為政府制定宏觀經濟政策以引導居民進行合理的消費和投資提供研究依據。
金融資產風險測算一直是過去半個世紀來國內外學者關注的焦點和前沿研究領域之一。1997年，J. P. Morgen集團公布了其內部使用的全面估計金融風險的方法、數據和模型，其核心技術就是風險價值（Value at Risk，簡稱VaR）計算方法。VaR值就是在一定的持有期及一定的置信度內，某金融投資工具或投資組合所面臨的潛在的最大損失金額（Jorion，1997）。它已被巴塞爾委員會推薦為一種允許金融機構使用、作為內部風險管理模型來決定資產監管要求的新方法，并明確建議其作為風險度量的標準。但是，度量單種風險因子的度量法，例如：市場風險因子度量法、信用風險度量法等，一般都不適用于集成風險的度量。因為單個資產所面臨的這些風險形態多樣且相互關聯、交叉、滲透，并共同作用于資產組合，對資產組合所面臨的集成風險具有疊加、放大的效應，一些學者開始探討如何將各種不同風險、收益的資產組合起來，度量其集成風險。Sklar（1959）首先以“Copula”命名一類函數，此類函數能夠把一維邊緣分布函數連接在一起，形成聯合分布函數。Embrechts et al.（1999， 2002）率先把Copula函數引入到資產組合的金融風險管理中。張明恒（2004）研究了多金融資產風險價值的Copula計量模型和計算方法，吳振翔等（2006）使用了Copula-Garch模型來分析投資組合風險。
綜上所述，國內外有關金融風險的研究方法，從單個金融資產到金融資產組合風險的測算，已經比較成熟。但是這些方法大多只是用于宏觀的金融風險的測量，尤其是股市風險的測量。對于家庭金融資產結構風險的測量方面尚缺乏相關的研究。本文試圖通過構建Copula函數，將家庭金融資產中的風險資產和無風險資產結合起來，形成聯合分布函數，并通過計算VaR來度量居民家庭金融資產在不同時期的結構風險。Copula函數運用于資產組合的集成風險度量有兩個優勢：①可以刻畫單個資產收益率分布的非正態性質，即“尖峰厚尾”特征；②可以描述不同資產收益率之間復雜的相互關系。這樣，Copula函數能夠把具有非正態性質、相互關聯的多個風險因子“連接”起來，構建由多個風險因子驅動的資產組合收益率的聯合分布，并利用VaR方法度量資產組合的集成風險。
二、構建Copula函數測算金融資產組合風險VaR
在Sklar定理的基礎上，測算金融資產組合風險的步驟如下：①首先計算資產組合中單個風險因子的分布；②找到風險因子之間的Copula函數；③運用單個風險因子分布和Copula函數刻畫資產組合的集成風險因子分布；④使用VaR方法度量資產組合的集成風險。
（一）Copula函數的概念
Copula函數可看成一個多維分布函數C：[0，1]n[0，1]，其邊緣分布F1，…，Fn為區間（0，1）上的均勻分布。Sklar（1956）提出了Sklar定理：令F為具有邊緣分布F1（?），…，FN（?）的聯合分布函數，那么，存在一個Copula函數C，滿足：
F（x1，…xn，…，xN）=
C（F1（x1），…，Fn（xn），…，FN（xN）） （1）
其中C就是一個Copula函數，若F1（?），…，FN（?）連續，則C唯一確定；反之，若F1（?），…，FN（?）為一元分布，那么由式（1）定義的函數F是邊緣分布F1（?），…，FN（?）的聯合分布函數。
（二）Copula函數的分類
1. 多元正態Copula函數（multivariate gaussian Copula-MVN）
Nelsen（1999）給出了多元正態Copula函數的定義，多元正態Copula分布函數的表達式為：
C（u1，…un，…，uN；ρ）=
Φρ（Φ-1（u1），…，Φ-1（un），…，Φ-1（uN）） （2）
其中ρ為對角線上的元素為1的對稱正定矩陣，ρ表示與矩陣ρ相對應的行列式的值，Φρ（?）表示相關系數矩陣為ρ的標準多元正態分布，Φ-1（?）表示標準正態分布函數的逆函數。多元正態Copula函數適合刻畫對稱相依性、不具有厚尾特征的多維風險因子。
2. 多元t-Copula函數（multivariate Student's Copula-MVT）
Nelsen（1999）給出了多元t-Copula函數的定義，多元t-Copula分布函數的表達式為：
C（u1，…un，…，uN；ρ，v）=Tρ，v（tv-1（u1），…，
tv-1（un），…，tv-1（uN）） （3）
其中ρ為對角線上的元素為1的對稱正定矩陣，ρ表示與矩陣ρ相對應的行列式的值，Tρ，v（?）表示相關系數矩陣為ρ，自由度為v的標準多元t分布，tv-1（?）為自由度為v的一元t分布的逆函數。多元t-Copula函數適合刻畫對稱相依性、一定厚尾特征的多維風險因子。
3. Archimedean Copula函數
Clayton-Copula、Gumbel-Copula和Frank-Copula函數，它們只能用于二維的變量的分析：
Clayton-Copula：C■■=max[（u-α+v-α-1）-1/α，0]，其中，α？綴[-1，∞]＼{0}
Gumbel-Copula：C■■=exp[-[（-lnu）α+
（-lnv）α]1/α]，其中，α？綴[-∞，∞]
Frank-Copula：C■■=-■ln[1+■]其中，α？綴[1，∞]
Archimedean Copula函數中的Clayton-Copula函數和Gumbel-Copula函數適合刻畫不對稱相依性的多維風險因子，其中Clayton-Copula函數一般用來刻畫具有較強下厚尾的特征，Gumbel-Copula函數則常用來刻畫較強上厚尾的特征。而Frank-Copula函數適合刻畫對稱相依性、在中心和上下尾部分布均勻的多維風險因子。
（三）計算金融資產組合的VaR值
以包含兩種金融資產的金融資產組合為例，兩種金融資產的權重分別為w1和w2，并且w1+w2=1滿足。使用X和Y分別代表資產1和資產2的對數收益率，P■■，P■■為t期價格，定義對數收益率為：X=ln（P■■/P■■），Y=ln（P■■/P■■），則資產組合的收益率定義為：R=ln（w1eX+w2eY）。對應的風險價值（VaR）值是：Pr（R
具體計算過程如下：①使用各類Copula函數，產生相依的二維隨機樣本；②通過各邊緣分布函數經過逆概率變換為對數收益率X和Y；③把兩者代入資產組合收益率公式中，得到資產組合收益率R的樣本；④計算資產組合收益率樣本的分位數，即為一定置信度下的VaR值。
三、測算中國居民家庭金融資產組合的集成風險
（一）數據的選取和說明
通過對中國居民家庭金融資產中手持現金、儲蓄存款、債券、股票和保險準備金這五種金融資產在資產組合中所占比重進行計算發現，中國居民家庭的儲蓄存款所占的比重一直比較高，在家庭金融總資產中占了一半以上，并且有緩慢上升的趨勢。居民的手持現金比例在持續快速下降，從1978年的40%多，下降到2008年的10%，期間有一些波動，從圖1上看，周期性并不明顯。居民持有的債券比例在20世紀90年代期間比較高，到2000年以后逐年下降。居民持有的股票比例雖然比較低，但是變動卻比較明顯，反映出明顯的周期性。我國居民的保險準備金比例雖然有上升的趨勢，但是比重仍然比較低（見圖1）。
由于居民家庭金融資產組合中現金并不能產生收益，保險準備金持有比例比較低，所以本文只測算家庭金融資產中儲蓄存款、債券和股票。將儲蓄存款和債券通過居民持有的比例合并為家庭無風險金融資產，股票代表家庭的風險資產。以1990年到2010年中國居民家庭的無風險資產和風險資產作為原始數據，按照測算金融資產組合風險的步驟，首先計算家庭無風險資產和風險資產的對數收益率；然后，通過構建Copula函數計算家庭金融資產組合的聯合分布函數；最后，計算家庭金融資產組合的VaR值。
（二）構建Copula函數計算家庭金融資產組合的VaR值
計算居民家庭無風險金融資產和風險資產的對數收益率，并對其對數收益率數列進行正態Jarque-Bera檢驗，它們都服從服從正態分布，其中無風險金融資產對數收益率是右偏的，而風險資產對數收益率是左偏的（見表1所示）。
為了便于分析，我們選擇多元正態Copula函數構建聯合分布函數。然后根據VaR計算公式，在險價值VaR的上下限區間為：VaR=R+σZα，其中R在這里為正態Copula分布函數值，為正態Copula函數的標準差，如果取顯著性水平為，查表得正態分布的分位數。得到正態Copula函數和VaR值如表2和圖2所示。
（三）家庭金融資產風險分析
家庭金融資產風險的特點是： 第一，居民家庭金融資產VaR值在各年間呈現波狀變動，其中1991～1993年、1998年、2002年、2007年均達到高點，尤其以2007年VaR值最大。我們知道，1997年爆發過東南亞金融危機，而2008年全球金融危機并最終導致了持續幾年的經濟危機。家庭金融資產組合風險在1997年東南亞金融危機后才達到高點，而在2008年全球金融危機之前則達到了最高點。由此的解釋應該是，1997年的東南亞金融危機只是區域性的危機，而2008年之前全球經濟與金融風險積聚，經濟泡沫隨時都會破滅。反映到微觀的居民家庭金融資產投資上，風險已累積到了高點。第二，居民家庭金融資產組合的風險值VaR與無風險金融資產的波動幅度、波動時間是一致的。主要是因為無風險金融資產在居民家庭金融資產中占有比較大的比重。居民家庭金融資產中風險資產的波動與資產組合的風險值VaR的波動幅度、波動時間完全不一致。而且，風險資產的收益波動與資產組合的風險值呈反向關系。其中，1997年、2002年和2007年的風險資產收益均低于VaR的下限值，也就是說，居民在這些年份中的總投資是虧損的。有意思的是，1997年風險資產的收益達到低點，隨后1998年家庭金融資產組合風險值達到了高點；2002年和2007年的風險資產收益達到低點，同年家庭金融資產組合風險風險值達到了高點。
四、家庭金融資產風險與宏觀經濟波動的協動性關系
本文將正態Copula分布函數作為居民家庭金融資產風險的測度指標，與宏觀經濟指標GDP增長率、利率和居民消費價格指數CPI的波動性相比較，分析居民家庭金融資產組合的風險變動與宏觀經濟指標之間的協動性關系。
將Copula分布函數、GDP增長率、CPI和利率做標準化處理，然后作圖觀察它們的變動情況（如圖3所示）。在圖中，居民家庭金融資產組合風險的波動要比宏觀經濟指標更頻繁，90年代初和2010年左右，家庭金融資產組合風險與宏觀經濟指標的波動基本是吻合的；而在1994年至2007年期間宏觀經濟經歷了一次從峰頂到谷底再到峰頂的變化，即宏觀經濟經歷了衰退、蕭條、復蘇的一個經濟周期，并且蕭條期持續了持續了5、6年之久，而在這一時期，家庭金融資產組合風險則經歷了兩次高位和低位（見圖3）。
為了更好地說明家庭金融資產組合風險與宏觀經濟指標之間的協動性關系，本文試圖對Copula分布函數、風險資產收益對數經驗分布函數、無風險資產收益對數經驗分布函數與gdp增長率、利率、CPI之間做格蘭杰因果關系檢驗。
在做格蘭杰因果關系檢驗之前，先通過單位根檢驗考察各變量的平穩性（如表3所示）。單位根檢驗的結果表明，除了利率和CPI是一階平穩的，其余變量都是0階平穩的。
由于格蘭杰因果關系檢驗是以變量平穩為前提條件的，所以分別在Copula分布函數、風險資產收益對數經驗分布函數和無風險資產收益對數經驗分布函數與GDP增長率、利率變化量、CPI變化量之間進行格蘭杰因果關系檢驗。檢驗結果整理如表4所示，居民家庭金融資產組合風險的變化會影響未來5年的利率變化量和CPI變化量；居民家庭的風險資產收益變動會影響未來2至3年的宏觀利率的變化量。居民家庭金融資產的收益和風險與GDP增長率的變化都沒有關系（見表4）。
五、結 論
通過建立居民家庭金融資產組合的Copula函數，并計算資產組合的VaR值，我們得到如下結論：
居民家庭金融資產組合VaR值的變動正契合了過去區域性或全球的金融危機的發生。因此，VaR風險值處于高點時，尤其是資產組合中高風險資產的收益低于VaR值的下限時，極易引發金融危機。
關鍵詞：動態資產組合；模型不確定性；隨機控制；貝葉斯分析
中圖分類號：F830.91 文獻標識碼：A 文章編號：1003-5192(2011)02-0062-04
Dynamic Portfolio Selection Based on the Stochastic Diffusion Model with Uncertainty HE Chao-lin1, MENG Wei-dong2
(1.School of Management Engineering, Anhui Polytechnic University, Wuhu 241000, China; 2.College of Economics and Business Administration, Chongqing University, Chongqing 400044, China)
Abstract:Assuming that asset return follows stochastic diffusion process, this paper uses method of stochastic control to obtain the closed-form solution of dynamic portfolio, and studies the relation between model parameters’ uncertainty and dynamic portfolio based on the sample of Shanghai Exchange Composite Index. Results show, model parameters’ uncertainty results in the hedging demand of portfolio, which is related with the degree of risk aversion, investment horizon, and the quantity of information; comparing with the identical normal process, it can enhance the robustness of dynamic portfolio under one-order autoregressive process; the problem of dynamic portfolio equals to that of static portfolio only at the end of investment horizon.
Key words:dynamic portfolio; model uncertainty; stochastic control; Bayesian analysis
1 引言
模型不確定性問題是社會經濟系統中模型的基本特征，尤其在一個新興的市場上，更是一個普遍存在的現象。在動態資產組合選擇過程中，模型不確定性主要表現為模型參數不確定和模型變結構兩個方面。Kandel等是最早強調模型中參數不確定性在資產組合選擇過程中的重要性［1］。Brennan和Barberis研究期望收益的不確定性對動態資產組合選擇的影響，指出投資者的學習行為導致其不斷調整對期望收益的估計［2，3］。Chow等在資產收益模型中引入隨機成分刻畫收益過程的不確定性，采用最大―最小化方法研究最優消費和動態資產組合選擇問題，解釋了風險溢價和消費敏感性之謎［4］。Uppal等假設投資者具有同質穩健性，研究規避模型不確定性下的多資產動態資產組合選擇問題［5］。Maenhout引入穩健性偏好，通過最小化相對熵研究模型不確定下的穩健動態資產組合選擇［6］。Brandt等用向量自回歸模型描述資產收益過程，通過展開價值函數，采用路徑模擬和交叉回歸的方法估計模型參數，研究其不確定性與動態資產組合選擇的關系［7］。朱微亮等假設資產收益服從隨機擴散跳躍過程，從不確定性規避角度研究模型不確定性下動態資產組合選擇的穩健性［8］。孟衛東等假設資產收益服從獨立的正態過程，運用貝葉斯分析法研究模型中期望收益和方差不確定下的動態資產組合選擇問題［9］。楊朝軍等研究資產收益預測性分布具有不確定性下的最優資產組合問題，指出忽略參數不確定性導致投資者在資產組合中配置過多風險資產［10］。李仲飛等運用相對熵控制模型不確定性程度，借助穩健控制方法研究資產收益預測分布的不確定性對靜態資產組合的影響，并拓展到動態情境下，指出模型不確定的跨期作用和對當期資產配置的影響［11］。何朝林等運用最大―最小化方法研究模型不確定性對動態資產組合選擇的影響，指出投資者的動態投資決策不僅與其風險規避程度有關，還與模型不確定性有關［12］。
諸如上述的研究基本采用比較靜態分析法，同時缺乏對比性。本文側重于從實證的角度，采用比較靜態和比較動態分析法，在不同信息量、不同資產收益過程下，對比研究模型中參數不確定性對動態資產組合選擇的影響。與已有研究的不同是：（1）假設資產收益生成遵循一階自回歸過程，將收益過程的可預測性引入動態投資決策過程，并與獨立同分布的正態過程對比。（2）在傳統比較靜態分析法的基礎上，嘗試采用比較動態分析法研究問題。
2 資產組合模型及求解
設投資的終期時刻為T，T>0,終期前任一時刻記為t，t∈［0,T］，資產組合為兩種資產，一種為無風險資產，其收益固定，設為r；另一種為風險資產，其收益服從隨機擴散過程（投資期內無紅利支付或紅利再投資）。其價格P0(t)和Ps(t)用微分方程分別表示為
dP0(t)/P0(t)=rdt
dPs(t)/Ps(t)=u(t)dt+σtdZ(t)（1）
其中u(t)為瞬時期望收益，σt>0,σ2t為收益的瞬時方差，dZ(t)為標準布朗運動。u(t),σ2t為隨機擴散模型中的兩個參數。參照Liptser等［13］，瞬時期望收益的變化可表示為
du(t)=vt/σ2t(dPs(t)/Ps(t)-u(t)dt)（2）
其中vt>0，為瞬時期望收益的方差。
設t時刻投資者將財富W(t)投資于風險資產和無風險資產的比例為w(t)和1-w(t)。假設市場無交易摩擦，由(1)式整理得自融資下資產組合財富的運動過程為
dW(t)=［r+w(t)(u(t)-r)］W(t)dt+w(t)W(t)σtdZ(t)（3）
設投資者的偏好結構為冪效用函數，則其資產組合選擇的優化模型可表示為
max E0［W(T)1-γ/(1-γ)］（4）
約束條件為(2)、(3)式及初始財富W(0)=W0>0。γ>0且γ≠1為風險規避系數。
引入t時刻的價值函數J(W(t),u(t),t),運用隨機控制方法，其必須滿足HJB方程
maxw(t)Jt+JWW(t)［r+w(t)(u(t)-r)］+
0.5JWWw2(t)W2(t)σ2t+
0.5Juuv2tσ2t+JWuw(t)W(t)vt=0（5）J•表示J（W(t),u(t),t）對相應的下標求偏導數。設價值函數解的形式為
J(W(t),u(t),t)=W(t)1-γφ(u(t),t)/(1-γ)
其中φ(u(t),t)=eK1(t)+K2(t)u(t)+12K3(t)u2(t)。參照孟衛東等的求解過程［9］，解得價值函數，代入(5)式，由一階條件獲得模型的最優解
w*(t)=u(t)-rγσ2t+vtγσ2t(K2(t)+K3(t)u(t))（6）
當γ>1時，令：η=q，τ=T-t,τ為投資期。
K3(t)=2a(1-exp(-ητ))2η-(b+η)(1-exp(ητ))
K2(t)=-2ar(1-exp(-ητ))2η-(b+η)(1-exp(-ητ))
當0
K3(t)=12cηtan12ητ+tan-1bη-b
K2(t)=r2c-ηtan12ητ+tan-1bη+b
其中a=(1-γ)γσ2t，b=2(1-γ)vtγσ2t，c=v2tγσ2t，d=-r(1-γ)vtγσ2t，q=b2-4ac。
若描述資產收益過程的隨機擴散模型是確定的，模型參數u(t),σ2t確定，vt=0，風險資產比例在相應風險規避程度下是固定的，記為w*LM，w*LM=(u(t)-r)/γσ2t,稱其為動態短視（Myopic）行為；反之，模型參數u(t),σ2t具有不確定性，vt≠0，風險資產比例在相應風險規避程度下是變化的，記為w*LO，w*LO=w*(t)，稱其為動態優化行為。
3 比較靜態分析下的實證研究
3.1 研究樣本的選取
以上證綜指為風險資產,為與孟衛東等［9］的實證結果對比，本文與其選取相同的研究樣本：上證綜指1991年1月~2006年3月共183個連續復合月收益序列，簡稱樣本1；上證綜指1996年1月~2006年3月共123個連續復合月收益序列，簡稱樣本2。無風險資產取2005年憑證式（一期）國債，其持滿5年以上的年利率為3.81%，故r=0.0093。
3.2 模型參數的估計
假設風險資產的連續復合月收益序列遵循一階自回歸過程
Yt=Xtθ+Et（7）
Yt=(r1 … rt)′， Xt=1…1r0…rt-1′
θ=(a0 b0)′， Et=(ε1 … εt)′
θ,σ2未知，假設其先驗分布為
σ2~IG(α0,β0)， θ|σ2~N(θ0,σ2Π-10)
其中α0,β0為正數，θ0∈R2，Π0為對稱正定矩陣。由于是非信息先驗，假定，α0=1/β0=0.0001,θ0=(0,0),Π0=0.0001I,I為2×2型單位矩陣。
基于t時刻的時間序列數據Dt,Dt=(r1,r2,…，rt)。參數θ,σ2的后驗分布為
σ2|Dt~IG(t,t),θ|σ2,Dt~N(t,σ2Π
~-1t)（8）
t=α0+0.5t
-1t=β-10+0.5t2t+0.5(θ^t-θ0)′•
(Π-10+(X′tXt)-1)-1(θ^t-θ0)
t=Π~
-1t(Π0θ0+(X′tXt)θ^t)
Π~t=Π0+X′tXt
θ^t=(X′tXt)-1X′tYt,2t＝t-1Y′tYt-(X′tYt)′(X′tXt)-1(X′tYt)
由（7）式和（8）式，運用Matlab軟件隨機模擬產生若干θ，σ2,獲得參數的估計值，并轉化為季度估計值為：基于樣本1，u(t)的均值和方差分別為0.0218，0.00017，σ2t的均值為0.0312；基于樣本2，u(t)的均值和方差分別為0.0184，0.00014，σ2t的均值為0.0156。
3.3 實證結果與分析
基于參數估計值，由最優解(6)式獲得一階自回歸過程下的實證結果，見表1。γ為風險規避程度，分別代表不同風險特征的投資者；τ指投資期為多少季度；w*LO,w*LM,Δ＝
w*LM-w*LO分別表示動態優化行為、動態短視行為、模型參數不確定性效應。
（1）表1中的Δ值表明，模型參數不確定性導致資產組合存在正或負的對沖需求，取決于投資者對待風險的態度。當γ>1時，投資者對風險的敏感性強于財富增加，參數不確定性使其擔心風險資產未來不利投資機會的出現會降低或惡化資產組合財富，因而通過降低風險資產投資，增加無風險資產投資達到對資產組合財富的套期保值，資產組合表現為負的對沖需求；當γ
（2）對比表1中不同投資期下的Δ值，投資期越長，模型參數不確定性效應越明顯。γ>1的投資者，投資期越長，風險資產未來不利投資機會出現的可能性越大，故其進一步減少風險資產投資；γ
（3）與獨立的正態過程相比，模型參數不確定性效應可提升一階自回歸過程下動態資產組合的穩健性。表1和孟衛東等［9］表3中相應的w*LM和w*LO表明，收益生成遵循一階自回歸過程時，無論動態短視還是動態優化行為，投資者在資產組合中皆增加風險資產，因為一階自回歸模型中的斜率為正，表明收益之間存在正相關，這種正相關性導致投資者提高對未來資產收益的估計，因而增加風險資產投資。同時，表1和孟衛東等［9］表3中相應的Δ值也表明，當γ>1時，模型參數不確定性導致在資產組合中更多地減少風險資產，當γ
4 比較動態分析下的實證研究
4.1 研究樣本的選取
假定終止時刻為2007年1月初，選取上證綜指1991年1月~2006年12月共192個月收益序列為總研究樣本，投資者在2001年1月初進入市場，基于其中1991年1月~2000年12月共120個月收益序列樣本制定投資期為24個季度的投資決策；接著投資者在2001年4月初基于其中1991年1月~2001年3月共123個月收益序列樣本制定投資期為23個季度的投資決策；以此類推，直至決策終止時刻2007年1月初，投資期為0。無風險資產同上。
4.2 實證結果與分析
按上述參數估計過程，運用Matlab軟件分別重復模擬，獲得u(t),σ2t的估計值，并轉化為季度值。取γ=5，由最優解(6)式獲得風險資產最優配置的演變過程，結果見圖1。
圖1顯示除了在投資期的終止時刻，模型參數不確定性導致動態優化行為下的資產組合中風險資產的最優配置（圖中實線所示）皆低于動態短視行為下的風險資產最優配置（圖中虛線所示），因為此時投資者的風險規避程度大于1。兩種投資行為的差異（如圖中點劃線所示）隨著投資期的縮短逐漸變小，在終止時刻，兩種行為的決策相同，因此可以說，只有在投資期末，動態資產組合選擇問題才等價于靜態資產組合選擇問題。
5 結束語
本文從實證角度，采用比較靜態和比較動態分析法，基于效用模型，運用隨機控制方法，借助貝葉斯分析法研究了隨機擴散模型中參數不確定性對動態資產組合選擇的影響。研究表明，模型中參數的不確定性問題客觀存在，動態投資決策過程中必須予以考慮；對于冪效用特征的投資者，模型參數不確定性導致其減少或增加風險資產投資，這取決于其風險規避的特征；投資期越長、信息量越少，模型參數不確定性效應越明顯；與獨立的正態過程相比，模型參數不確定性效應可使一階自回歸過程下的動態資產組合表現得更加穩健；動態資產組合選擇問題只有在決策終止時刻才等價于靜態資產組合選擇問題。
參 考 文 獻：
［1］Kandel S, Stambaugh R. On the predictability of stock returns: an asset-allocation perspective［J］. Journal of Finance, 1996, 51(2): 385-424.
［2］Brennan M J. The role of learning in dynamic portfolio decisions［J］. European Finance Review, 1998, 1: 295-306.
［3］Barberis N. Investing for the long run when returns are predictable［J］. Journal of Finance, 2000, 55(1): 225-264.
［4］Chow G C, Zheng L H. Equity premium and consumption sensitivity when the consumer-investor allows for unfavorable circumstances［J］. Journal of Economic Dynamic and Control, 2002, 26: 1417-1429.
［5］Uppal R, Wang T. Model misspecification and under-diversification［J］. Journal of Finance, 2003, 58(6): 2465-2486.
［6］Maenhout P J. Robust portfolio and asset pricing［J］. Review of Financial Studies, 2004, 17(4): 951-983.
［7］Brandt M W, Amit G, Pedro S C, et al.. A simulation approach to dynamic portfolio choice with an application to learning about return predictability［J］. Review of Financial Studies, 2005, 18(3): 831-873.
［8］朱微亮,劉海龍.穩健的動態資產組合模型研究［J］.中國管理科學,2007,15(3):19-24.
［9］孟衛東,何朝林.基于學習行為的動態資產組合選擇［J］.系統工程理論與實踐,2007,27(9):38-46.
［10］楊朝軍,陳浩武.參數不確定性對投資者最優資產組合的影響：基于中國的實證［J］.中國管理科學，2008,16(3):37-43.
［11］李仲飛,高金窯.模型不確定下的最優資產配置［J］.中山大學學報（社會科學版），2008，48(4):184-193.
目前開設《證券投資學》課程實驗的院校很多,但大多實驗教學內容相對分散,難以收到較好的效果。依據金融學專業全程式實驗教學體系的思想,在講授《證券投資學》課程時,將實踐教學的內容與理論知識學習結合起來,《證券投資學》課程實驗主要針對課程中專業性較強、涉及范圍較少的單元,開展針對性的專業實驗,進行相關單項基本技能的訓練并鞏固課堂教學中的理論知識,同時重視與前續、后續課程內容的銜接,避免實驗教學內容的交叉與重復。
二、《證券投資學》課程實驗內容設計的理論依據
理論知識是形成實踐能力、應用能力的基礎。能力在掌握一定知識的基礎上經過培養訓練和實踐鍛煉才能形成。因此學生首先要打好實踐課堅實的理論基礎,為以后的課程實踐做好準備。因此,課程實踐教學內容設計需堅持與理論教學相容性原則。要在有限的學時下,合理安排理論教學與實踐教學的時間,做到既保持理論知識體系傳授的完整性,又讓學生得到較充分的實踐性課程的訓練。
國內證券投資學的基本理論框架一般分為四大部分:證券投資的基礎理論、運行理論、決策理論和調控理論與政策。由于金融專業《證券投資學》的前期課程《金融市場學》,已經比較詳細的介紹了證券投資基礎理論中的證券投資工具股票、債券、基金、權證、期貨與期權,而有關證券市場的運行理論在投資銀行中也已重點介紹,這兩部分可不再重復介紹;在進行《證券投資學》的講授中可以把內容側重在證券投資的決策理論和調控理論與政策上。具體內容包括:證券投資的組合分析、基本分析、技術分析,證券市場的調控與管理。由于金融專業《證券投資學》的后續課程是《證券投資技術分析》,因此,在《證券投資學》課程講授中技術分析的內容只是簡單介紹。
三、《證券投資學》課程實驗設計的內容
由于《證券投資學》課程實驗學時有限(12學時),因此重點實驗內容是對投資組合理論、證券特征線進行驗證,通過這部分實驗課的教學,使學生初步掌握證券投資的投資組合分析的驗證,繪制無風險證券與一種風險證券組合的可行集、多種證券的最優組合分析。具體步驟如下:
1.繪制無風險證券與一種風險證券組合的可行集
主要是需要計算一種證券的期望收益和標準差。
(1)數據的獲得。首先將大智慧軟件數據顯示周期選為月,使得股票價格為月度數據,然后對股價進行復權處理(通過復權處理使得股價不僅反映資本利得,還能反映紅利收益),最后導出到excel,得到股價數據。如果有數據庫,也可以從數據庫中得到股價數據。
(2)計算股票的年度收益率。利用excel的自動計算功能可以得出股票年度收益率數據
(3)計算該股票的期望收益與標準差。在D3單元格輸入excel自帶公式AVERAGE(C3:C18)就會輸出方正科技的期望收益,輸入STDEVP(C3:C18)可以輸出該股票的標準差。
(4)計算風險資產和無風險資產在無賣空時的組合收益和標準差。
①把已知數據輸入excel表格,無風險資產本例中選擇銀行存款,收益為4.14%。
②在表格中輸入無風險資產的投資比重,并逐步遞減。由于有無賣空限制,所以風險資產的投資比重依次遞增,兩者之和為1。在組合的期望投資收益率單元格輸入公式,本例中為A8*0.0414+B8*0.152。同理得到組合的標準差,當無風險資產與風險資產組合時組合的標準差公式為σp=|θσ|,本例為B8*0.3662。
③畫出資本配置線。在excel菜單中點擊“插入”、“圖表”,選擇XY散點圖,平滑線散點圖。點擊下一步,在圖表源數據對話框中修改數據區域,X軸選擇標準差數據D8:D28,Y軸選擇期望收益率數據C8:C28。點擊下一步,選擇圖表保存位置,得到了資本配置線。
2.多種證券組合的最優組合
如果只有兩種風險證券組合在一起,組合的期望收益率和標準差可以用公式求出,并得到相應的可行集曲線,但是,當組合的證券超過兩種時,必須要更復雜的計算工具。本實驗選取了其中的一種,采取規劃求解這一工具來達到實驗目的。
(1)基礎數據的收集。實驗中試圖計算多種股票組合在一起的時候的可行集,因此,還是要按照實驗一的方法獲得四種股票的年度收益率,期望收益率和標準差。選取四支股票,除了要計算每支股票的期望收益率和標準差,還要計算他們之間的協方差,這里運用COVAR這個函數,計算方正科技和邯鄲鋼鐵的協方差就可以在單元格輸入COVAR(C3:C12,F3:F12),同理計算出其他協方差,就可以得到四支股票的協方差陣。
(2)四種股票最優組合的計算。
①規劃求解的安裝。在excel菜單中點擊“工具”、“加載宏”,出現加載宏的對話框,在對話框中選擇規劃求解,然后“確定”,這時規劃求解已經成功安裝。
②在excel表格中輸入已知數據。
③建立運算區域。把期望收益率數據填入到相關表格,在單元格中預留最優投資比重、投資組合收益率、投資組合方差、標準差等。預設最優投資比重為1、0、0、0,即全部投資于邯鄲鋼鐵這支股票上運用矩陣運算的方法計算出組合方差。并對組合方差開方。
這樣我們就建立了一個運算區,建立了各單元格數據之間的關系。一個單元格數據的變動就會引起其他數據做出相應變動。
④通過規劃求解求出最優解。在excel里建立約束條件區域,把相應的約束條件列出,規劃求解的原理就在于電腦自動對符合條件的解進行篩選,得到最優解,因此,必須準確設定篩選條件。在這個約束條件區,投資的比重相加應該等于1,在相應單元格輸入=SUM()。如果是無賣空情況,每個股票的投資比重都是>=0的,當人為設定一個目標收益率,電腦就會自動的計算符合條件的標準差最小的解,這也就是所要找的最優解。不斷的變換目標收益率就得到了很多組最優解就是要找的有效前沿。
點擊工具菜單,就會在其中找到規劃求解這一選項,點擊打開規劃求解對話框。在對話框中設置約束條件,最優解就會自動輸出到相應運算區。假設設置某一目標單元格選擇“最小值”。約束條件在無賣空時應該有三個,一個是投資比重都應該>=0,投資比重之和應該等于1,然后輸入0.2,即目標收益率先預設20%。目標項、可變項和約束條件都輸入完畢就可以開始計算了,點擊“求解”,電腦會自動運算出結果,點擊保存,就會發現在原來的計算區數據已經更改。
在這個計算結果中,得到四種股票組合在一起,目標收益是20%的時候,組合標準差最小的解,這時候得到的解就是四個投資比重,投資比重分別為0.36、0.63、0.1、0,這就是找到的最優的組合。
⑤建立數據區。前邊得到的最優組合只是有效前沿的一個點,要得到有效前沿的其他點,就必須不斷的變換目標收益率,得到不同的最優解,最終畫出有效前沿。為了得到這樣一系列數據,要建立數據區來保存不斷計算求出的結果。把組合收益為0.2,標準差0.33寫入到數據區。接下來繼續運用規劃求解工具,把約束條件中的目標收益率20%變為其他數據,比如25%,求解就會得到另外一個最優解,依次不斷變化該單元格,就會得到需要的一些組合,不變計算的結果就是我們最終得到了完整的數據,
(3)既定目標收益率最優投資比重的求解。假如要投資于四支股票上,要求投資的收益率為28%,那么應該怎么分配風險最小呢
?前面的規劃求解實際上就可以解決這個問題。只要在約束條件中添加0.28,即當收益率要求28%時,最優的投資比重應該是0、0.79、0.21、0。有賣空的時候也是如此計算,最終得到結果。
參考文獻
[1] 茲維博迪.投資學(第6版)[M].機械工業出版社.
馬考維茨(Markowitz)是現資組合分析理論的創始人。經過大量觀察和分析，他認為若在具有相同回報率的兩個證券之間進行選擇的話，任何投資者都會選擇風險小的。這同時也表明投資者若要追求高回報必定要承擔高風險。同樣，出于回避風險的原因，投資者通常持有多樣化投資組合。馬考維茨從對回報和風險的定量出發，系統地研究了投資組合的特性，從數學上解釋了投資者的避險行為，并提出了投資組合的優化方法。
一個投資組合是由組成的各證券及其權重所確定。因此，投資組合的期望回報率是其成分證券期望回報率的加權平均。除了確定期望回報率外，估計出投資組合相應的風險也是很重要的。投資組合的風險是由其回報率的標準方差來定義的。這些統計量是描述回報率圍繞其平均值變化的程度，如果變化劇烈則表明回報率有很大的不確定性，即風險較大。
從投資組合方差的數學展開式中可以看到投資組合的方差與各成分證券的方差、權重以及成分證券間的協方差有關，而協方差與任意兩證券的相關系數成正比。相關系數越小，其協方差就越小，投資組合的總體風險也就越小。因此，選擇不相關的證券應是構建投資組合的目標。另外，由投資組合方差的數學展開式可以得出：增加證券可以降低投資組合的風險。
基于回避風險的假設，馬考維茨建立了一個投資組合的分析模型，其要點為：(1)投資組合的兩個相關特征是期望回報率及其方差。(2)投資將選擇在給定風險水平下期望回報率最大的投資組合，或在給定期望回報率水平下風險最低的投資組合。(3)對每種證券的期望回報率、方差和與其他證券的協方差進行估計和挑選，并進行數學規劃(mathematicalprogramming)，以確定各證券在投資者資金中的比重。
二、投資戰略
投資股市的基金經理通常采用一些不同的投資戰略。最常見的投資類型是增長型投資和收益型投資。不同類型的投資戰略給予投資者更多的選擇，但也使投資計劃的制定變得復雜化。
選擇增長型或收益型的股票是基金經理們最常用的投資戰略。增長型公司的特點是有較高的盈利增長率和贏余保留率；收益型公司的特點是有較高的股息收益率。判斷一家公司的持續增長通常會有因信息不足帶來的風險，而股息收益率所依賴的信息相對比較可靠，風險也比較低。美國股市的歷史數據顯示，就長期而言，增長型投資的回報率要高于收益型投資，但收益型投資的回報率比較穩定。值得注意的是，增長型公司會隨著時間不斷壯大，其回報率會逐漸回落。歷史數據證實增長型大公司和收益型大公司的長期平均回報率趨于相同。另外，投資戰略還可以分為積極投資戰略和消極投資戰略。積極投資戰略的主要特點是不斷地選擇進出市場或市場中不同產業的時機。前者被稱為市場時機選擇者(markettimer)，后者為類別輪換者。
市場時機選擇者在市場行情好的時候減現金增股票，提高投資組合的beta以增加風險；在市場不好時，反過來做。必須注意的是市場時機的選擇本身帶有風險。相應地，如果投資機構在市場時機選擇上采用消極立場，則應使其投資組合的風險與長期投資組合所要達到的目標一致。
類別輪換者會根據對各類別的前景判斷來隨時增加或減少其在投資組合中的權重。但這種對類別前景的判斷本身帶有風險。若投資者沒有這方面的預測能力，則應選擇與市場指數中的類別權重相應的投資組合。
最積極的投資戰略是選擇時機買進和賣出單一股票，而最消極的投資戰略是長期持有指數投資組合。
公司資產規模的大小通常決定了股票的流動性。規模大的公司，其股票的流動性一般較好；小公司股票的流動性相對較差，因此風險較大。從美國股市的歷史數據中可以發現，就長期而言，小公司的平均回報率大于大公司，但回報率的波動較大。
三、投資組合風險
我們已經知道，投資組合的風險是用投資組合回報率的標準方差來度量，而且，增加投資組合中的證券個數可以降低投資組合的總體風險。但是，由于股票間實際存在的相關性，無論怎么增加個數都不能將投資組合的總體風險降到零。事實上，投資組合的證券個數越多，投資組合與市場的相關性就越大，投資組合風險中與市場有關的風險份額就越大。這種與市場有關并作用于所有證券而無法通過多樣化予以消除的風險稱為系統風險或市場風險。而不能被市場解釋的風險稱為非系統風險或可消除風險。所以，無限制地增加成分證券個數將使投資組合的風險降到指數的市場風險。
風險控制的基本思想是，當一個投資組合的成分證券個數足夠多時，其非系統風險趨于零，總體風險趨于系統風險，這時，投資組合的風險就可以用指數期貨來對沖。對沖的實際結果完全取決于投資組合和大市的相關程度。若投資組合與大市指數完全相關，投資組合的風險就能百分之百地被對沖，否則只能部分被抵消。
投資組合的系統風險是由投資組合對市場的相關系數乘以投資組合的標準差來表達，而這里的相關系數是投資組合與市場的協方差除以市場的標準差和投資組合的標準差。因此，投資組合的系統風險正好可以由投資組合對大市指數的統計回歸分析中的beta值來表達。投資組合對大市的beta值是衡量投資組合系統風險的主要度量。投資組合的回報率、方差或標準差以及其beta值是投資組合分析和管理中的三個最重要的數據。
在投資組合的另一重要理論是在資本市場理論中引入了無風險資產的概念。在實際中，我們可以將國庫券認為是無風險資產。任何投資組合都可以看成是無風險資產和其他風險資產的組合。于是，投資組合的期望回報率可以表達成大市回報率與無風險回報率之差乘以beta值再加上無風險回報率。
國際金融投資行業也廣泛地使用VAR(Value-at-Risk)的方法來分析和管理投資組合甚至公司全部資產的風險。VAR實際上是衡量資產價值變動率的方法。其基本概念是：假設某投資組合的回報率是以正態分布，衡量在確定的概率下投資組合可能出現的虧損金額。VAR值就是用均值減一個標準方差的回報率，可以用來計算虧損。
四、投資組合業績評價
通常有兩種不同的方法對投資組合的業績進行評估。養老金、保險基金、信托基金和其他基金的主要投資計劃發起人一般會考察投資過程的各個主要方面，如資產配置、資產類別的權重和各類別重的證券選擇。這類評估稱為屬性評估。對很多投資者來說，他們更關心的是對一個特定的投資策略或投資機構效率的評價，如對有明確投資策略的開放式基金的評估。這種評估叫做指標評估。評估投資組合最直接的指標是回報率。但只有在相同或類似的風險水平下比較回報率才有實際的意義。從美國開放式互助基金的歷史數據可以看到，增長型基金的beta值最高，系統風險最高，相應在牛市時的回報率最高，在熊市時的回報率最低。平衡型的基金則相反。收益—增長型的基金的系統風險和回報率都在增長型和平衡型的基金之間。由此可見，任何一種基金在一個時期所獲得的回報率在很大的程度上取決于基金的風險特性和基金在當時所面臨的市場環境。在評估基金時，首先應將基金按風險等級分組，每一組的風險大致相同，然后在組中比較回報率的大小。
投資組合的回報率是特定期間內投資組合的價值變化加上所獲得的任何收益。對封閉式基金來說，由于沒有資金的流進和流出，回報率的計算相對比較容易。對開放式基金而言，頻繁的現金流動使普通的回報率計算無法反映基金經理的實際表現。開放式基金的回報率通常使用基金單位價值來計算。基金單位價值法的基本思想是：當有現金流入時，以當時的基金單位凈資產值來增加基金的單位數量；當有基金回贖時，基金的單位數量則減少。因此，現金的流動不會引起凈資產的變化，只是發生基金單位數量的變化。于是，我們可以直接使用期初和期末的凈資產值來計算開放式基金投資組合的回報率。
沒有經過風險調整的回報率有很大的局限性。進行風險調整后評估投資組合表現的最常見的方法是以每單位風險回報率作為評判標準。兩個最重要的每單位風險回報率的評判指標是夏普比例(ShameRatio)和特雷諾比例(TreynorRatio)。夏普比例是投資組合回報率超過無風險利率的部分，除以回報率的標準方差。特雷諾比例是投資組合回報率超過無風險利率的部分，除以投資組合的beta值。這兩個指標的不同在于，前者體現了投資組合回報率對全部風險的敏感度，而后者反映對市場風險或系統風險的敏感度。對投資組合回報率、其方差以及beta值的進一步研究還可以定量顯示基金經理在證券選擇和市場時機選擇等方面的優劣。
【參考文獻】
[1]［美］小詹姆斯L·法雷爾，沃爾特J·雷哈特.投資組合管理理論及應用(PortfolioManagement:TheoryandApplication)[M].北京：機械工業出版社，2000.
[2]RichardC.Grinold,RonaldN.Kahn,ActivePortfolioManagement:AQuantitative
ApproachforProducingSuperiorReturnsandSelectingSuperiorRernsand
ControllingRisk,McGraw-Hill,1999.
[3]陳世炬，高材林.金融工程原理[M].北京：中國金融出版社，2000.
【關鍵詞】模型驅動架構 個人理財 資產配置
模型驅動架構下的個人理財資產配置系統開發及應用，具有人性化、標準化的服務理念，注重個人理財的投資回報，規避理財資產配置中潛在的風險。資產配置系統的開發，在模型驅動架構的干預下，具備信息化的特征，更加適應現代個人理財的基本需求，應用在金融機構的平臺中，為客戶提供優質的理財服務。
1 個人理財資產配置系統的開發
個人理財資產配置系統的開發，需要在服務、功能、行為、用例以及質量領域進行建模，系統開發中，各項模塊是以頁面或彈窗的方式完成的。個人理財資產配置中，采用了模型驅動架構，整個架構決定了系統軟件的運行方式。基于模型驅動架構的個人理財資產配置系統，執行流程為：Web服務JSP頁面服務層接口服務層實現業務對象/業務邏輯數據訪問層接口數據訪問層實現數據連接層接口。
首先模型驅動架構在個人理財資產配置系統內，將EA平臺應用在系統的整個開發周期內，提供可視化編輯、語言程序、模板編輯等功能。EA平臺在開發個人理財資產配置系統時，表現為三個層次，分別是：
（1）開發業務對象，支持資產配置系統導入文件，拓寬業務層面的服務功能；
（2）應用模型開發，提供系統開發的組件；
（3）代碼模型開發，保障系統的接口應用。
然后個人理財資產配置系統開發時，投資風險是不可忽視的項目，客戶的收益與風險，是一項對立的因素，模型驅動架構，在資產配置系統開發時，在收益與風險中，設計有效便捷曲線，該曲線可以做為客戶選擇投資組合的依據，分析投資組合的類別比重，著重考慮資產配置中的收益與風險。
最后是模型驅動架構在資源配置系統開發中，引入成本優化模型，主要是降低個人理財時投入的資金，減少資源配置交易時的成本。除此以外，還包括在險價值優化模型、無風險資產優化模型等，目的是優化個人理財的資源配置。
2 個人理財資產配置系統的應用
個人理財資源配置系統在模型驅動架構下的應用，主要是模型到實現的轉換，例舉幾點重要的應用，如下：
2.1 建立PIM
系統的PIM，概括了個人理財的所有業務，促進業務的順利完成。PIM是資產配置系統框架的核心支持，為配置系統的應用提供優質的條件。PIM基本是在自動化的狀態下完成的，提高個人理財資產配置的質量。設計師將模型驅動架構中的PIM，引入到個人理財資產配置應用中，提供了跨平臺使用的條件，建立PIM后，就會將資產配置的過程，轉化為勞動生產，確保資產配置能夠得到最大程度的應用，提供個人理財的水平，注重資產配置的層次結構，保證個人理財資產配置系統能夠按照一定的原則，進行投資理財，PIM會按照一定的經驗，在信息化的環境中，提供資產配置的建議。
2.2 PSM轉換
PSM轉換，需要在資產配置系統配置開發完成后進行，選擇開發的平臺，按照客戶的需求，規劃系統的應用。PSM轉換后的功能有：
（1）個人理財資產配置系統應用時，具備穩定的數據庫技術，明確客戶之間的關系，按照業務邏輯，處理客戶之間的資產問題，客戶個人理財資產配置中，需要龐大的數據庫支持技術，便于處理資產配置中的各類信息，保障系統具備全面服務的能力。
（2）資產配置系統在PSM轉換的支持下，了解客戶理財的業務關系，創建業務邏輯模型，專門為客戶提供業務服務，解決客戶的業務問題。
（3）供應資產配置系統所需要的配置數據，模型驅動構架中經過PSM轉換后，為資產配置系統提供自定義的窗口，方便操作人員查詢客戶的信息數據。
2.3 CODE轉換
CODE是在PIM基礎上轉換來的，主要是轉換個人理財資產配置系統內的軟件，為理財計算提供必要的場所。模型驅動構架提供了轉換的界面，實現CODE后，個人理財資產配置系統的功能會更加齊全，每項業務界面，都會對應子菜單，存儲客戶的信息，資產配置，反映出個人理財的各類關系，注重系統內關系的考量和應用，才能明確客戶個人理財資產配置中的關系，便于后臺分析資產配置的信息，為客戶提供收益信息。
3 個人理財資產配置系統的構建
基于模型驅動構架的個人理財資產配置系統的構建，可以分為三個部分。首先是模型驅動構架，根據個人理財資產配置界定內部的資產類別，促使客戶個人，能夠自由選擇理財產品，如存款、信托、房產等，重點為客戶個人，提供無風險資產，例如：個人客戶采用定期存款的方式，配置財產并獲取收益，明確個人理財資產配置的應用。
然后個人理財資產配置系統選擇樣本，獲取相關的樣本數據，表明理財產品的各自收益，方便客戶的選擇。模型驅動構架下的個人理財資產配置系統，可以為客戶提供優質的投資組合，由系統提供組合的樣本，而且各項樣本數據，逐漸完善，反饋投資組合的收益率。
最后利用模型驅動構架，構建個人理財資產配置的計算過程，表明國債投資、股票投資、無風險投資等的收益率，利用報表的方式提供給投資客戶，此類數據需要模型驅動構架從個人理財資產配置系統的后臺獲取，幫助客戶選擇風險最小的理財方案。個人理財資產配置系統的構建過程，反饋出諸多可用的信息，促使客戶能夠選擇符合自身情況的投資方式，獲取一定的收益，既能限制客戶的個人理財投資，又能提供投資原則，主動優化個人理財的資產配置，提高收益率。
4 結束語
個人理財資產配置系統的開發和應用，朝向信息化的方向發展，模型驅動構架，為個人理財資產配置系統提供了信息化的技術支持，促使資產配置中，具有信息化的特征，取代傳統人為操作的方式。個人理財資產配置系統內，更加重視模型驅動構架的應用，實現信息化、功能化的系統開發，滿足應用的需求。
參考文獻
[1]姜曉燕.模型驅動的SaaS租戶應用構建方法的研究[D].山東大學，2012.
[2]王怡.基于模型驅動架構的個人理財資產配置系統開發應用研究[D].東華大學，2011.
作者簡介
施蓓莉（1980-），女，江蘇省人。大學本科學歷。現為浦發銀行工程師。主要研究方向為銀行財富管理業務系統建設。
關鍵詞：家庭金融；能力效應；市場參與
Competence effect and financial market participation: Evidence from Household Survey Micro-Data
Wu Weixing Xu Qian Wang Gong
(Research Center of Applied Finance, University of International Business and Economics, Beijing 100029, China)
Abstract: In addition to household demographic characteristics, household wealth, illiquid assets and other objective factors, investors’ subjective perceived competence also have a significant effect on household participation in the financial market. Based on survey micro-data of households, this paper defines two indicators by the self-assessment of understanding of the market and investors’ own perceived ability. Empirical results show that investors’ subjective perceived competence has a significant and positive effect on household behaviors about market participation. It implies that the investors with higher self-perceived competence are more likely to participate in stock investment. It is also found that investors’ subjective perceived competence is mainly affected by education level, household income and health status.
Key words: Household finance; Competence effect; Market participation
能力效應與金融市場參與:基于家庭微觀調查數據的分析
摘要：除了居民家庭的人口統計學特征、財富水平和非流動資產等客觀因素之外，投資者主觀能力感受對居民家庭金融市場參與也有顯著影響。基于中國居民家庭微觀調查數據，根據家庭戶主對市場了解程度的自我評價以及能力水平感受構建指標，發現居民家庭主觀能力感受對居民家庭市場參與行為具有顯著的正向影響，表明如果投資者如果在自我感知的能力方面對自己有更高的評價，則更有可能參與股票市場。同時研究也發現教育程度、家庭收入和健康狀況等均會顯著影響居民家庭的主觀能力感受。
關鍵詞：家庭金融；能力效應；市場參與
經典的投資組合理論在最為一般的假設下證明經濟人的最優資產配置是持有一定比例的風險資產和一定比例的無風險資產，并且風險資產的權重是不變的。但實證研究發現不管是在發達國家還是在新興市場國家的居民家庭即使是非常富有的家庭都有很大比例沒有參與股票等風險類資產的投資，這似乎并不符合經典理論的結論，學術界稱之為“市場參與之謎”。那么，在現實中哪些因素是導致投資組合異質性的原因呢？大量的研究已經對居民家庭的人口統計學特征、財富水平和非流動資產等客觀因素與家庭資產配置的關系進行了研究，本文則在此基礎上基于中國居民家庭微觀調查數據，對投資者主觀能力感受與居民家庭金融市場參與之間的關系進行了分析，并探討了影響居民主觀能力感受的因素。
一、 相關研究綜述
1.1居民家庭投資組合研究
但去年以來的資金市場亂象表明，在目前環境下，市場優化配置資源的能力受到極大的抑制，尚無法有效建立良性循環。 脆弱的資金市場
2013年6月以來，我國資金市場表現出明顯的脆弱性。
首先是資金市場與實體經濟的聯系弱化，存在資源錯配現象。
一方面，從資金來源方到資金使用方，需要涉及的機構、環節和鏈條越來越多，越來越不透明、表外化。越來越多的資金通過影子銀行系統匯集、轉換并最終投到實體經濟領域。我國仍存在大量的行政調控和監管措施，對正規金融的監管較為嚴格。金融機構為了應對轉型壓力，繞開各類金融管制，將資金投到產業政策不鼓勵甚至禁止，但又有風險收益合理性的領域，因此，越來越多的金融機構、準金融機構納入資金鏈條，其設計的方案也愈顯復雜。如果我們以鏈條較短的人民幣貸款、債券和股票占社會融資總量的比重來看，2009年之前，占到80%以上，2010年-2012年，則下降到70%以上，2013年進一步下降到60%左右。更多資金通過委托貸款、信托貸款投放到實體經濟。
另一方面，實體經濟的杠桿率越來越高，金融資源的配置與實體經濟的真實還款能力關系越來越弱化。央行統計的工業企業資產負債率，從2007年底的58%上升到目前的62%左右，上升了4個百分點。如果以各類貸款、企業債、應收賬款等占GDP的比重衡量，該比值近些年來也一直上升。
更為重要的是，實體經濟的盈利能力處于下降過程中，與金融領域要求的資金價格越來越出現矛盾。以工業企業為例，如果計算主營業務的資產利潤率，近些年在7.5%左右，接近銀行的加權貸款利率。考慮到銀行貸款在企業外部資金來源中的比重逐步降低，其他資金來源的資金成本一般都高于銀行貸款利率（事實上企業從銀行獲得資金的真實成本，遠遠高于貸款標價利率），主營業務的資產利潤率已事實上低于企業的資金成本。雖然企業近些年仍負債擴張，但這種行為已不具有經濟合理性。
其次，資金市場“大起大落”，對各類信號高度敏感。2013年6月“錢荒”以來，資金市場價格全面走高，并呈現出“大起大落”的特點。這種“大起大落”，表現在各個信用等級的資金需求上。迄今為止，已出現過三輪較為明顯的波動。加上跨境資金流動，尤其是其中的套利性投機資金的流動，進一步加大了我國資金市場的波動。市場對各類信號，不論是央行的操作，還是市場信用違約傳聞，都表現出高度敏感。
再次，資金市場缺乏分層。不同信用等級的信用利差在持續縮小。以市場上比較重要的五年期AA-與AA信用等級信用債利差來看，已從最高的1.8個百分點，下降到目前的0.6個百分點左右。更重要的是，由于大量的銀行理財產品被市場認為無風險利率，但事實上被投資到風險資產上，混淆了風險資產和無風險資產，導致市場在最重要的無風險市場利率和風險市場利率出現混淆，抬升了無風險利率水平，一定程度上壓低了部分風險資產的利率水平。
從絕對數量上看，我國的信用仍快速擴張，但增速已開始放緩。2013年的M2增速仍高達13.6%，人民幣貸款增速14.1%，新增人民幣貸款8.89萬億元，累計新增社會融資總量17.29萬億元。但如果從社會融資總量的增速來看，增速已從2012年的22.87%下降到2013年的9.69%。工業企業的負債增長率，也從之前的20%以上，下降到近些年的13%-14%。這意味著，“信用盛宴”過后的正常化、邊際收縮已開始并持續了1年-2年。 資金困局的背后
當資金價格的波動是由實體經濟真實變化所驅動的，那么這種波動是合理的，是有利于市場資源優化配置，是有利于促進經濟和金融結構優化調整的。
但如果是由于其他原因導致資金價格波動，并因此引導資源配置，那么就容易產生資源錯配，并使這種割裂積累引發風險。當前資金市場的困局，其根源在于市場信號失真，從而導致資金市場缺乏甄別能力，難以跳出惡性循環。
我國的資金市場亂象，來源于兩類的市場失靈。一是普遍存在的道德風險。由于我國特殊的穩定機制，市場上普遍存在中央政府救助預期，各種法律合同形同虛設。市場主體并不重視對所投資對象的真實風險評估，大量基于政府救助和剛性兌付預期。銀行的國家安全網，通過銀行理財、同業及各種表外業務廣泛濫用，溢出銀行體系，推升市場的無風險利率水平。市場沒有動機嚴格區分不同信用等級企業的風險，風險利差在縮小。政府、銀行信用的無序介入，破壞了市場的風險收益信號。
二是在金融轉型過程中，網絡金融為了快速搶占市場，采取跨業補貼的競爭方式，進一步抬升了市場無風險利率水平。部分網絡企業通過直接或間接的收益補貼，或者直接或間接流動性保證，一定程度上補貼了流動性風險。這種跨業補貼攪動了原有金融體系的競爭規則，帶來了一定程度的市場失靈，進一步抬升了市場無風險利率水平。
資金市場的亂象，引發了市場的過度膨脹和擠出效應，使得資金市場與實體經濟之間陷入惡性循環。
無風險利率的非正常性抬升，推高了社會的整體資金水平，擠出了處于邊際狀態的、有活力的實體經濟企業。目前銀行理財產品收益普遍在5%-6%間，加上1%-2%的營運成本，2%-4%的風險收益，一般企業資金成本至少在10%之上。這么高的利率水平，導致從事實體經濟的企業放棄了債券發行和外部融資，減緩了應有的資產擴張。制造業的固定資產投資同比增速2012年以來持續下降，目前已降到18%左右。
近些年來，地方政府債務快速膨脹。根據審計署公布的數據，地方政府負有償還責任的債務為10.88萬億元，負有擔保責任的債務為2.67萬億元，可能承擔一定救助責任的債務為4.34萬億元。以一般貸款加權平均利率計算，每年的利息支付就高達7768億元-12773億元。僅利息產生的現金流壓力就已給地方政府帶來巨大的壓力。債務規模的膨脹，與風險擴大相聯系，將進一步推高風險收益水平，進而更快惡化其現金流狀況。
房地產市場也是信用過度膨脹的主要領域。由于資金成本越來越高，去年底今年初，越來越多的銀行受盈利壓力，開始追求風險收益，不再將低風險的房地產抵押貸款作為其資產配置的重點，部分銀行甚至減少房地產抵押貸款。受三四線城市房地產供求影響，銀行也開始提高對這些地區房地產商的放貸標準。市場利率的上升，已在供需兩方面損害房地產市場發展的基礎，房地產市場出現了拐點跡象。 金融體系“鋼化玻璃”癥
資金市場亂象，是金融風險的外在表現。我國金融風險的形成有其特殊性，突破資金困局，需要深刻挖掘我國金融風險產生的內在根源，尤其是其中具有系統性風險特征的金融風險形成根源。
首先，金融體系反映了實體經濟的轉型多艱。我國經濟正處于從高速向中高速增長轉換時期，增長動力和經濟結構正發生重大變化。與此相適應，資源配置也將發生重大變化，增長速度、模式調整，引起資產價格的重估。實體經濟的去產能、產業結構調整和運行模式轉換，都將在金融體系中有所反映，表現為銀行不良貸款的增加，股票和房地產市場的震蕩和分化。轉型過程中，政府過度介入，產生了隱性擔保，也給金融體系發出了扭曲的價格信號。
其次，金融改革和轉軌過程中的不協調，加劇了金融體系的脆弱性。我國仍是發展中國家，金融的深度和廣度仍不足，市場缺乏分層和融合，為實體經濟提供服務的創新仍受到一定制約。但這主要影響到金融效率，雖然這最終也會影響金融安全，但從風險角度，我國更大的金融風險來源于金融改革和轉型過程中的不協調。
我國當前的金融體系，是適應于原有經濟增長和管理模式的。隨著經濟轉型，金融體系也在改革和轉型。但由于改革和轉軌的內在不協調性，金融體系的脆弱性更加突出。脆弱性的本質，是權責利的不一致，導致行為的持續扭曲。
集中表現為：一是金融市場化轉型與行政化管理手段之間的矛盾。金融機構和市場已在相當程度上市場化運行，但我國的宏觀調控和金融監管卻仍保留了大量的行政性、數量型手段，兩者出現一定的沖突，如有管理的浮動匯率制度、資本賬戶管制、嚴格的準入限制、事實上的貸款規模控制、存貸比、較高的法定存款準備金率、投資的行業限制等，管制與創新的活躍發生矛盾。
二是分業監管和混業經營之間的矛盾。我國的不同金融市場開始融合，金融領域事實上已混業經營，但我國仍采取分業監管的管理框架。不同監管部門在主管行業利益等推動下，存在一些不利于金融整體穩定發展的監管競爭行為，給監管套利提供空間。在泛資產管理領域，表現的較為突出。
三是民間金融快速發展，但缺乏有效的調控和監管框架。民間借貸、網絡金融快速發展，金融機構的表外業務創新活躍。我國以M2為目標的數量型貨幣調控，越來越不適應金融的發展，調控的有效性下降。這些金融業務還缺乏基本的法律界定，存在監管真空。
四是其他領域改革與現有的金融管理體制不協調。如上市公司的治理受制于國有企業改革；財稅體制改革滯后，使得地方政府混淆政策性和商業性融資，過度介入金融市場等。
再次，不合理的損失承擔機制，是導致我國金融系統性風險不斷累積的根原。我國金融體系廣泛存在道德風險，且國家信用被濫用。缺乏存款保險制度的、以國有為主的銀行體系，加上由于我國的社會保障體系尚不完善，出于維護社會和金融體系穩定的考慮，我國幾乎不計代價地維護金融穩定。使得我國正規金融體系幾乎等同于國家信用。
在資本市場等市場化盈利要求壓力下，金融機構過度擴張，濫用了國家的隱性安全網；政府干預經濟，參與市場融資，混淆了財政和金融的界限，扭曲了實體經濟的價格信號，使得金融體系將資源過多地配置到財政領域，金融和財政風險相互融合和轉化；政府將金融穩定理解為不出現風險事件。
在經濟處于上升周期時，風險事件還僅僅是期限錯配的流動性風險，這種集中有助于消化風險。但一旦經濟處于下降周期，風險事件超出期限錯配類的流動性風險，轉化為集中的系統性風險，破壞了金融系統通過及時釋放風險的方式維護系統穩定的功能，整個金融體系呈現出“鋼化玻璃”特征。 有序打破剛性兌付神話
從現象層面上看，只有破壞了市場存在的剛性兌付預期，才有可能促使資金市場真正發揮市場約束作用，實現對資源的優化配置。
但考慮到剛性兌付是維持我國經濟、金融運行的一個重要預期基礎，簡單破壞剛性兌付，有可能啟動金融體系，進而引發實體經濟的大面積坍塌，產生系統性風險。為此，合理引導市場預期，有序打破剛性兌付，就成為重建市場甄別機制的關鍵所在。
為此，按照市場規律打破剛性兌付之前，有必要做好兩件事。
一是明確地方政府債務的處理原則和方案，將地方政府債務的處置適用于非完全市場化的方案。去年經濟工作會議上，我國已把處置地方政府債務作為今年經濟工作的重點之一。今年“兩會”期間，國家又明確賦予地方政府依法適度舉債融資權限。剝離融資平臺的政府債務融資職能，允許地方政府發行新債置換存量高收益債務，防止資金鏈斷裂。
雖然高風險地區不再新增債務余額，但通過置換存量債務，仍可保證不突破債務余額，可保證資金鏈不斷裂，并降低利息負擔。同時，明確了更加規范、市場化和分類的新增地方政府舉債融資機制。區分短期債務、一般債務和市政債務，分類管理，限額控制，加強金融機構債權人約束，發揮市場紀律，建立考核問責機制和信用評級機制。
當然，這些原則性方案給市場指明了方向，但要有效隔離地方政府債務在此過程受到過度波及，還有必要進一步明確必要的操作方案。一旦明確市場可行的操作方案，與地方政府有關的債務市場，則可實現與市場機制的一定隔離，引入非完全化的處置機制。這可能會對地方政府的增量資金產生不利影響，從而對地方政府支持的基礎設施投資帶來一定影響，但有助于為減輕破壞市場剛性兌付預期可能帶來的沖擊，尤其是保留了政府融資能力和應對空間。
二是有必要事先明確房地產的政策選擇。一旦破壞剛性兌付，房地產市場將不可避免地受到一定程度的影響。但房地產市場融資并不直接以剛性兌付為基礎。房地產價格的上漲是支撐房地產融資的關鍵因素之一。但支撐房地產價格穩定上漲的一個重要因素，是房地產在地方政府收入、經濟運行和金融擴張中的作用，存在出于維護經濟穩定增長的隱性擔保。有鑒于此，有必要盡快明確房地產的長效機制，使市場能形成合理的穩定預期。
在建立多部門應急預案基礎上，破解資金市場亂象和困局，應當將重點放在打破市場剛性兌付預期上。產生市場剛性兌付預期的基礎，主要有兩個，一個是由于我國穩定機制導致的救助邏輯，不但太大不能倒，太小也不能倒，甚至大量的跨境套利資金也是基于我國的經濟穩定承諾。另一個是事實上沒有出現違約事件。在不引發系統性風險的前提下，有序打破市場剛性兌付神話，重建市場秩序并非易事。打破剛性兌付的過程，實際上就是重建我國經濟社會穩定機制的過程，需要在思想認識、制度設計和組織安排上都有所調整。
關鍵詞：經濟衰退；銀行資本；順周期；優先股資本化
文章編號：1003-4625(2009)06-0008-05 中圖分類號：F831.5 文獻標識碼：A
一、前言
自巴塞爾協議實施以來，越來越多的學者認為，銀行資本的順周期性是商業銀行信貸親周期行為的重要原因之一。在經濟繁榮階段，商業銀行傾向于減少銀行資本，發放更多的貸款，而在經濟衰退時候，商業銀行傾向于增加資本，收縮信貸。我們以經濟衰退為例解釋資本順周期變化的原因及其對信貸活動的影響。首先，銀行的盈利能力具有明顯的親周期性。在經濟蕭條期，客戶財務狀況惡化，償付能力下降，銀行將面臨貸款損失的突然增加，資本受到侵蝕，銀行盈利能力下降，并引發嚴格的信貸評審和總撥備覆蓋率的快速上升，進而導致信貸萎縮。其次，銀行資產質量與經濟周期平行。銀行貸款質量依賴于銀行的內部評級體系、外部評級結構及信貸風險模型，當經濟衰退時，客戶違約率(PD)和違約損失率(LCD)明顯上升，這導致采用“時點”法(PIT)的評級機構降低對客戶的評級，而且，擔保物的價值下跌使貸款損失準備和資本水平提高，這加劇了信貸活動的萎縮。再次，銀行外部籌集資本的能力與經濟周期平行，當經濟陷入衰退，整體經濟狀況不斷惡化，銀行積累的風險不斷暴露，這導致其從外部籌集資本的能力下降，或者必須支付更高的成本。最后，信息傳染導致銀行業資本選擇的羊群行為。當經濟開始顯現衰退的征兆時，大銀行由于在信息上的優勢，率先做出注入貨幣資本或通過降低風險資產而相應增加低風險資產增加資本，這將引起其他小銀行的競相模仿，從而導致銀行業資本充足率的順周期變化。新巴塞爾協議關于資本的監管則強化了信貸行為的順周期特征，并放大經濟沖擊，加劇金融脆弱，甚至觸發金融危機；而且，它會造成貨幣政策效果的非對稱性，緊縮的貨幣政策比擴張性貨幣政策更有效。因為，在實行擴張性貨幣政策時，僅有“金融加速器”效應，而在貨幣政策緊縮時，除了存在“金融加速器”效應，還有“銀行資本加速器”效應，尤其是低資本水平銀行的比重較大的時候，貨幣政策的效果更不顯著。
次貸危機以來，全球經濟陷入衰退，金融體系遭受重創，各國監管部門的干預集中在保持銀行的償付能力，即使是大量的資本注入也未能形成新增貸款，而是被銀行部門轉作其他用途，加之銀行資本的籌集壓力進一步加大。于是，支持信貸需要的新增銀行資本卻無法實質性增加，加劇了經濟的衰退。所以，研究經濟衰退階段緩解銀行資本順周期、增加信貸供給的有效機制就凸顯特別的現實意義。
二、銀行資本順周期效應的緩解機制：文獻綜述
對于大多數國家而言，銀行是最主要的金融中介，在缺乏有效的政策工具以消除銀行資本的順周期效應的前提下，只能基于審慎監管框架的“安全與穩健”原則，采取更積極、主動的措施來應對周期性問題。筆者對國內外學者關于這方面的措施總結如下：
(一)加強以風險為基礎的反周期監管
Tarisa Watanagase(2004)指出，應建立在準確分析和判斷基礎上的以風險為基礎的監管，要求銀行監管者在經濟好的時候既不過度樂觀，在經濟壞的時候也不過度悲觀，并鼓勵銀行建立和不斷完善內部風險管理體系，增強其自身的風險管理能力，以此來削弱銀行體系的順周期性。Gordy and Howell(2006)則認為，監管當局可以根據經濟周期階段，采用向量自回歸原則(使用時間序列過濾器平滑每個銀行的監管資本要求)和反周期指數規則(對風險權重函數附加一個隨時間變化的乘數，經濟擴張時期乘數大于1，經濟衰退時期乘數小于1)兩種方法平滑風險權重函數的輸出值。由于PD、LGD和EAD作為風險權重函數的輸入變量，將直接決定貸款的風險權重。因此，多數學者認為，應該降低PD、LGD和EAD的周期性波動，相應的辦法是：采用跨周期評級法，用于計算資本要求的PD也應反映長期平均違約率；估計LGD的數據應覆蓋一個完整的經濟周期，方法上應采用違約加權長期平均損失率，以接近與PD較高時期的損失率；EAD應是長期違約加權均值，銀行應保守地確定估計值的誤差范圍，尤其是在估值不穩定時，應該使用經濟低迷時期的EAD。巴塞爾新資本協議還要求，監管當局應檢查銀行壓力測試的執行情況，直接運用壓力測試結果判斷銀行是否持有高于第一支柱計算的資本要求，確保資本水平能同時滿足第一支柱的資本要求和壓力測試反映的結果，以保證其持有足夠的資本以應付未來可能的市場沖擊，緩解由資本短缺引致的信貸收縮。
然而，對資本監管實施反周期調節，雖然有利于限制短期經濟周期效應，但長期內隨著不良資產的累積將加劇經濟的周期性波動，而且，在技術上難以操作。所以，反周期監管也飽受非議，例如。Cordy and Howell(2006)就直言，跨周期評級法雖然有助于減少監管資本的周期性波動，但由于不同時期監管資本僅與經濟資本的變化弱相關，無法通過監管資本推斷經濟資本，導致市場參與者難以持續監督銀行，弱化了市場紀律。同時，由于該方法對市場狀況的風險敏感度低，不利于銀行進行積極的資產組合管理以及風險定價。
(二)積極、主動地使用審慎監管工具
1、超額資本要求的動態調整
這一工具的主旨在于，在經濟高漲期，銀行要持有比最低監管資本更多的資本；在經濟蕭條期，如果有必要，可以降低監管資本要求。Estrella(2004)指出，通過在經濟蕭條期設立“明智的最低資本要求”來削弱順周期性的影響。劉斌(2005)認為，法定的最低資本充足率只是對銀行的最低資本要求，不同的銀行應根據自身的風險狀況確定自己的最優資本充足率水平；監管當局制定的最低資本充足率不能過高，也不能過低，應從整個銀行業來考慮。孫天琦和張觀華(2008)則認為，最為切實可行的方案是要求兩種不同的資本比率：一是最低資本比率；二是最低目標資本比率，預先設
定高于最低資本要求的比率。在經濟高漲期，希望銀行遵守最低目標資本比率，在經濟蕭條期，監管部門要求銀行滿足最低資本比率。Valencia(2006)的研究結果表明，銀行保持超額資本以應對資本要求的波動，提供了自我保護；即使發生經濟衰退，甚至風險權重顯著上升，監管資本要求的信貸緊縮效應也非常有限。然而，Ayuso等人(2002)通過實證分析認為，超額資本水平與經濟周期負相關，超額資本不能完全吸收監管資本的周期性波動。Mario等人(2005)也認為，在經濟蕭條時期放松對銀行的資本要求，在經濟擴張期強化對銀行資本的要求，從而避免信貸和產出的過度波動是一種片面的分析，忽視了資本充足率政策對居民決策的影響。
2、增加對特定高風險資產或行業的信貸風險權重。
孫天琦和張觀華(2008)認為，在經濟高漲期，如果銀行監管者發現銀行貸款迅速向特定高風險行業聚集，其相應的的違約率(PD)、違約損失率(LGD)和風險暴露程度(EAD)都將明顯上升，那么即使巴塞爾新資本協議規定此類貸款的風險權重為100％，監管當局可以要求提升到更高，監管風險資本比率要求沒有發生變化，但是計算風險資產的方法發生了變化，導致銀行監管資本要求上升。
3、動態準備金制度
風險往往形成于經濟擴張時期，而顯現于經濟衰退時期。基于前瞻性原則設計的貸款損失準備金有助于平滑監管資本的周期性波動，抑制經濟上升期貸款的快速增長和避免衰退期貸款過度收縮。Fernandez等人(2000)的研究表明，動態準備金制度的引入，有助于校正風險管理中的市場失靈，即在經濟上升期低估風險，而在經濟低迷期高估風險；增強銀行管理層的風險意識，能夠在事前有效判別風險，降低了貸款損失準備的波動性，更好地匹配整個經濟周期內貸款組合的收入和支出，準確計量銀行利潤。Vinals(2005)也認為，動態準備金是緩解親經濟周期效應的最優選擇，其缺陷是會計處理方法與貸款損失準備金存在會計原則性分歧，也缺乏可操作性。西班牙于2000年開始實施動態準備金制度，并取得良好的效果。
4、設定最大貸款對價值比率(抵押率)
孫天琦和張觀華(2008)認為，資產價格的突然上升蘊含著巨大風險，因為資產市場價值的迅速增長會導致借款者凈資產的上升，強化貸款的需求和供給，而且，并發的通貨膨脹會影響貸款的實際價值。因此，可以預先設定最大抵押率限制以價格波動性比較大的資產(尤其在經濟周期頂點資產價格會明顯被高估)為抵押提供貸款，香港和泰國在這方面有過成功的實踐。
(三)貨幣政策工具及其與監管部門的合作
王勝邦和陳穎(2008)認為，以“削峰填谷”為目標的貨幣政策工具是應對過度波動的有效工具，有助于防范金融體系的穩定，并為解決周期性波動提供更大的活動空間。孫天琦和張觀華(2008)則認為，從理論層面講，采取貨幣政策來消除巴塞爾新資本協議造成的銀行貸款的周期性波動是可行的；如果僅僅關心短期效應，中央銀行應該在經濟蕭條期采取更加激進的貨幣政策，但實際的有效應用還存在困難，需要對巴塞爾新資本協議貨幣政策傳導機制的影響做全面實證分析，也需要中央銀行對銀行的財務狀況進行持續的監控。
制定確實可行的政策來削弱順周期影響。需要對宏觀經濟數據、銀行業的整體健康狀況、個別銀行的具體情況有深入了解。在監管職責不是由中央銀行承擔時，就需要中央銀行和監管當局之間的有效政策協調和信息交流，從而通過傳統的貨幣政策工具和積極的審慎性監管工具來穩定宏觀經濟。威廉?懷特(2006)在闡述其新的宏觀金融穩定框架時指出，金融領域的利益相關機構應該在金融穩定問題上加強合作。當金融體系的穩健性正在不斷減弱，應首先考慮審慎監管；當金融體系仍然穩健，而債務人風險不斷增加時，應該首先考慮采用貨幣政策手段。
(四)評論
巴塞爾新資本協議建立在三大支柱上，第一支柱是最低資本充足率，第二支柱是強制且明確的監管審查，第三支柱是市場紀律，即更加透明的信息披露。第三支柱是巴塞爾新資本協議的有效組成部分，它通過風險增加帶來的成本上升和相應的資金和資本可得性降低，使社會公眾能更好地約束銀行的活動。所以，第三支柱是第一支柱和第二支柱的基礎，提高了兩者的可操作性。然而，上述緩解銀行資本順周期效應的機制除了其內在固有的缺陷外，都重在強調第一二支柱，而對第三支柱幾乎沒有涉及，甚至存在明顯弱化第三支柱的傾向。不可否認，目前市場紀律并沒有完全有效，這事實上導致或明或暗的國家擔保，并形成了道德風險。
本文在綜合考慮巴塞爾新資本協議三大支柱的基礎上，結合威廉?懷特提出的“新結構”，系統地描述在經濟衰退階段銀行資本監管的一種新框架――優先股資本化。
三、優先股資本化：一種新框架
威廉?懷特(2006；2008)認為，金融體系內在具有順周期性的特征，解決當前的全球性的經濟失衡問題，需要構建一個新的宏觀金融穩定框架；銀行資本順周期是信貸周期性波動的重要原因，在經濟衰退階段，支撐新增貸款所需要的銀行資本無法實質性增加，這將惡化經濟的發展；借款人自我籌集資本，可以解決資本的供給問題，也能夠監督商業銀行的信貸行為和風險控制。
(一)一般情形――不相關金融投資者提供資本
考慮某一典型銀行，假設：(1)在0時刻開始實施資產組合，風險權重為100％的加權風險貸款資產的總量為A，權重為0％的加權風險資產的總量為B，監管部門要求的一級資本一加權風險資產比率為x，相應的，存款負債為A，權益資本為B，且B=AX；(2)貸款利率由存款成本(r)、期望損失的準備金率(EL)和資本費用率(即資本的期望收益k)三部分組成，無風險收益率為rf；(3)貸款全部在0時刻以同一利率發放，1時刻到期，不存在操作費用、交易成本和稅收；(4)權益資本的持有者是純粹金融投資者，與借款人、存款人或國家無關，而且所有權益資本(包括留存收益)在1時刻全部歸還給投資者。若在1時刻貸款的實際損失率為AL，那么銀行在1時刻的現金流表示如下：
源自貸款的現金流：A(I＋r＋EL－AL＋k)
源自無風險資產的現金流：B(1＋r1)
源自存款的現金流：
－A(1＋r)－min(0，(A. X(1＋rf)＋A(EL－AL＋k)))
源自權益的現金流：
一max(0，(B(1＋rf)＋A(EL－AL＋k)))
從上述模型可以看出，隨機變量是貸款的實際損失率AL，它是由權益資本所有者承擔，由貸款的資本費用率k來補償。所以，支撐新貸款所需要的資本必須由純粹金融投資者提供，而存款由
國家提供擔保。另外，這種環境下，貸款的損失率是嚴重不透明的，僅能用資本費用率來補償，這致使銀行在經濟衰退階段中表現出尤其明顯的風險厭惡。
(二)優先股資本化――借款人提供資本
我們將上述的第四個假設改為支撐信貸資產的資本是銀行發行的永久性的、非累積性的和無投票權的優先股，而且，這些股份全部由在0時刻借款額為B的借款人購買。同時，假定優先股的最高分紅比率為無風險收益率rf，在1時刻貸款的實際損失率仍然為AL，那么1時刻的現金流可以表示如下：
源自貸款的現金流：A(1＋r＋EL-AL)
源自無風險資產的現金流：B(1＋rf)
源自存款的現金流：
－A(1＋r)min(0，(B(1＋rf＋A(EL－AL)))
源自優先股的現金流：
－max(0，(B(1＋rf)＋min(0，A(EL－AL))))
源自權益的現金流：-max(0，A(EL-AL))
從中我們可以發現在沒有貸款利率的構成中就沒有資本費用率k，原因是借款人通過持有優先股自己承擔了實際貸款損失。因此，借款人的風險與優先股相掛鉤，此時的貸款利率也較一般情形低。此時，銀行產生的自由現金流有普通股股東和優先股股東(借款人)分配，雖然借款人有優先權，但僅限于rf，剩余部分歸普通股股東。因此，優先股資本化是借款人自我籌集資本，它既不會攤薄普通股股東的利益，可避免兩者之間的利益沖突，也不會增加貸款風險(尤其是對同一貸款人)，同時也使銀行免費地吸收貸款損失，這完全符合巴塞爾新資本協議對一級資本所定義的特征。
(三)基于優先股資本化的操作方式與信貸風險
一般情形下和優先股資本化的實際貸款損失率均為AL，但是后者是以優先股的價值和借款人的能力共同承擔償債義務。但是這面臨著一個問題，優先股價值的下降將直接或間接地增加貸款的期望損失，這將影響一級資本吸收貸款損失的功能。于是，優先股必須由借款人的股東購買，并假定優先股的處置價值在任何時刻都為零。但是，對借款人及其股東而言，仍然可以在其資產負債表中以優先股的實際價值記錄到流動資產項下。我們以借款人的特定項目(SP)為例，描述優先股資本化對借款人信貸風險與資本結構的影響。
在優先股的價值中，給定其買入價高于市場收益，借款人的瞬時損失可通過貸款的成本來補償。實際上，借款人的權益資本持有者可以通過多種方式，如推遲分紅，提高新權益資本的價值，那么在經濟衰退階段，即使借款人提高杠桿比率，銀行信貸資產的風險也不會實質性增加。
四、結論
一般情形下，銀行的風險對普通股股東而言，仍然存在相對不透明。經濟繁榮階段，一般情形下的銀行普通股股東的風險厭惡態度存在弱化趨勢，而且也是銀行高杠桿化的受益者，于是，他們缺少控制銀行風險的激勵；而銀行的人也規模性地存在低估信貸風險的激勵。作為借款人，其對銀行的償付能力不感興趣，倒是希冀銀行以盡可能低的成本提供最大風險的貸款。而在經濟衰退階段，銀行普通股股東和人都存在高估信貸風險，囿于資本的限制，緊縮信貸，借款人的需求往往得到不滿足。若采取優先股資本化的方式，信貸順周期的狀況將得到明顯改變。優先股作為承擔銀行純下降風險的資本，其不但為自身的貸款需求提供新的資本支撐，而且作為持有者的借款人也將直接影響銀行的信貸活動，緩解問題。因為當商業銀行資產組合中低質量貸款增加，其在經濟環境中就很難確保新的貸款業務。所以，這種負的反饋機制可約束銀行及其人的行為，遏止其通過不斷放松信貸條件以追求市場份額，這恰恰是該框架的獨特之處。
【關鍵詞】資本資產定價模型；回歸分析；系統風險；市場組合風險
1.引言
Sharpe（1964），Lintner（1965）和Black（1972）相繼在馬克威茨的資產組合理論的基礎上提出了著名的資本資產定價模型（CAPM），用資產的預期收益率和β系數描述資本資產預期收益和風險的關系，在現實中具有較強應用性，如可以估計潛在投資項目的收益率，合理估計不在市場交易的資產價值等。
目前，國內研究主要集中于CAPM模型在我國的適用性上，而對個股實證研究的文獻較少。本文將通過選取單個股票青島啤酒A股（600600）的時間序列數據分時段進行回歸分析，驗證資本資產定價模型在不同時段的有效性，通過對不同階段收益率的分析，研究對股票投資的指導作用。
2.模型
資本資產定價模型說明了風險與預期報酬間的關系。
E（Ri）=Rf+βi（E（Rm）-Rf）
其中Rf是無風險資產的報酬；Rm是市場組合的報酬。由于CAPM是對股票收益率的事前預測，因此，需將事前形式轉換成可以用觀測數據檢驗的形式，通過回歸分析驗證CAPM模型在此股票上是否有效。假定任何資產的收益率都是公平博弈，即平均來看，資產實現的收益率等于預期收益率，按照收益正態分布可以計算出CAPM的事后形式：Ri-Rf=(Rm-Rf)βi+εi[1]。其中Ri為個股回報率，即Ri=（Pit-Pit1）/Pit-1，Pit表示個股i第t日的收盤價；Rf為無風險收益率，本文選取當時的居民三個月定期存款利率作為無風險收益率；Rm為第t日市場組合回報率，采用上證綜指的日回報表示，即Rm=（Pit/Pit-1-1）*100。
當公司股票發生除權除息時，需要對原數據進行復權復息處理。假定某年某日某公司股票發生除權除息：每10股派現p1元，送轉n1股，配n2股，配股價p2元，該日收盤價為p3元，以該年第一個交易日作為基準日，則該日收盤價P3調整后價格P為：p=p3×（1+n1/10+n2/10）+p1/10-p2×n2/10[2]。
3.回歸分析
本文選用上海證券交易所A股中的青島啤酒（600600）進行研究，對2002年1月4日到2009年12月31日期間的數據進行回歸分析，把原始數據通過以上公式運算，青島啤酒股票日收盤價數據來源于鳳凰財經、新浪數據；居民三個月定期存款利率歷史數據來源于中國人民銀行、中國銀行官方網站；上證綜指日收盤數據來源于中國證券期貨統計年鑒。
使用Eviews 6.0軟件進行回歸，結果如下：
所以，Ri-Rf=-1.808463+0.087587（Rm-Rf）+µ
由Eviews 6.0結果顯示，截距項和βj均通過顯著性檢驗而成立。因為βi是股票收益率對市場組合收益率的回歸方程的斜率，所以說明青島啤酒股票的平均收益率與系統風險之間是正相關的線性關系。本模型中，可決系數R2即代表了系統風險在股票定價中的貢獻，即總風險中系統風險的比例。R2=0.120176，表明青島啤酒股票報酬率變動中有0.120176（約12%）是市場均衡組合報酬率引起的，其余的0.879824（約88%）是青島啤酒的特有風險，這說明還有其他因素對青島啤酒股票定價起主要作用，系統風險只是次要因素。
然后對短期數據進行分析，用2009年每月的數據進行回歸分析，得出結果如表1。
從表1可以看出，十二個月的截距項全部通過顯著性檢驗，有十個月的βi通過了檢驗，這說明青島啤酒股票平均收益率與市場組合收益率存在正相關線性關系且隨時間波動。從擬合優度上看，1-4月和7-8月均大于0.5，表明這期間股票沒有異常波動，尤其是3月，基本上隨上證指數的變化而變化。而10-12月R2偏低，說明青島啤酒股票的收益率受到了公司特有風險的影響。這期間，快速消費品行業惡性競爭依然激烈，由于原材料價格持續上漲及全球經濟不景氣等因素影響，凈利潤同比下降，公司及其附屬公司2009年10月1日至2009年12月31日期間，第四季度的歸屬于母公司股東的凈利潤環比減少約30%。此外，各月份可決系數普遍不高，說明股票的系統風險在青島啤酒股票定價中起到的作用有限，即不足以用市場均衡組合報酬率來解釋，而青島啤酒股份有限公司特有的風險應為主要原因。從青島啤酒2009年上半年的年報來看，其產量、營收、凈利增速都高于行業平均速度。隨著公司結構調整，其高端啤酒的銷量持續提高，青島啤酒凈利潤有望繼續領跑國內啤酒行業。
上面的實證分析表明，青島啤酒股票的平均收益率與系統風險存在正相關線形關系，系統風險在定價中只起到次要作用，贏利狀況等公司特有風險起主要作用。青島啤酒品牌結構升級是未來業績長期增長的主要驅動力，市場占有率上升促成行業壟斷格局下的營業費用率下降則是更長期核心驅動力。隨著戰略實施，品牌和產品結構調整，以及管理能力的躍升，品牌建設投入將進入收獲期，分地區分拆主營業務后，預計主營業務收入、EBIT和凈利潤均會大幅提高[3]。
品牌戰略、發展戰略、組織結構、經營管理等中長期影響因素是影響青島啤酒公司長期投資價值的基礎，同時，青島啤酒長期價值低估，公司六大區域穩健發展等，青島啤酒在這些方面具備的優勢，使其未來有希望成為快速消費品行業中最具長期投資價值A股上市公司。
參考文獻
[1]向方霓.對資本資產定價模型(CAPM)的檢驗[J].數理統計與管理,2001,20(3):32-33.
[2]羅慶忠,杜金燕.我國保險資金運用中股票組合的風險特征研究[J].保險研究,2007(1):20-25.