導語：如何才能寫好一篇證券投資相關分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

一、分析證券投資的相關概念

1.1 證券

證券是所有權和所有債權憑證的統稱，分為有價證券和無價證券。有價證券是擁有一定的票面金額，例如股票、銀行的承兌匯票等等，是持券人或者債券指定的主體所有權或者所有債權的憑證。無價證券顧明思議就是沒有票面金額的證券，一般證券市場都是指的是有價證券。

1.2 證券投資

證券投資是指投資者通過將股票、債券等有價證券以及衍生品購買，從而獲得相應的紅利或者利息等，這種投資行為和投資過程就是證券投資。證券投資在我國的發展較晚，雖然經過較短時間的發展，證券投資有了一定的發展，但是還是存在些許不足，阻礙著進一步的探究。

二、分析證券投資存在的問題

對我國證券投資市場進行相應的研究發現，存在以下問題：證券投資的公司管理和運作不合理，證券市場制度落后；其次，進行證券投資的市場營銷投入過大；第三，證券投資創新與法律產生沖突以及證券投資市場的監管體系不晚上等等。

2.1 證券投資公司的結構治理不合理

對于公司結構治理不合理主要表現在：首先，缺乏一定的誠信，證券投資公司作為理性的經紀人，追求利益最大化的同時，喪失了基本的誠信道德。其次，存在一定的羊群行為，這主要是由于國內市場制度的不完善，導致證券投資市場本身的運作與外部的環境產生一定的沖突，使公司的理性經紀人任缺乏清晰的認識，產生從眾的投資心理；除此之外，由于投資者業績的壓力導致其舍棄正規的投資理念，追求大眾的投資行為；羊群行為的產生同樣也是由于一些證券投資公司照搬照抄成功的投資案例。第三，進行證券投資資金的產品的數量較少，雖然近幾年我國也推出了投資資金大產品，但是差異化減少，缺乏一定的突破，這也是阻礙公司較好的證券投資發展的機會。

2.2 證券投資的營銷投入過大

對于某些較小的投資公司，只有經過相應程度的宣傳才能受到關注。為此，投資公司不斷加大營銷投入，壯大自己的隊伍。如果不斷加大宣傳的規模，就會出現本末倒置的現象，不利益證券投資公司核心競爭力的提高，不利于理性經濟人。

2.3 證券投資的監管體系不夠完善

首先對證券投資資金的監管不到位，主要表現在沒有安排專業的人員對證券投資的各項環節進行記錄；其次，缺乏投資國際化的監管能力。從從事證券投資的工作人員國際化投資的意識薄弱，沒有認識到公司對外投資的好壞與公司發展的關系。除此之外，證券投資的創新與相應的法律法規存在一定的沖突，例如，證券投資采取公司基金式的治理更有利于公司的發展，但是《基金法》中規定只是針對契約型基金進行調整。

三、相應的合理化建議

針對以上證券投資存在的問題，筆者結合自己所學的專業知識，從完善公司治理結構、權衡適量的營銷投入以及加大監管力度入手對公司證券投資提出一些合理化的建議。

3.1 完善證券投資公司的結構治理建議

在證券投資管理公司設置受托人委員會，受托人委員會由各個基金的資產托管機構、作為獨立受托人的基金持有人以及獨立董事組成。受托人委員會至少三分之二必須是獨立受托人。獨立受托人作為基金投資者利益的代表進入公司內部，以股東及其派出的董事、高級管理人員及其他利益相關者為主要監督對象。

3.2 適量投入證券投資的營銷

鞏固現有的與銀行、券商的合作，積極探索與中小銀行、保險公司、信托投資公司、郵政儲蓄等其他渠道合作模式。另外注意協調好證券投資營銷與投資管理的關系，不能將資源過于向營銷部門傾斜，損害產品研發、投資研究、資產管理等核心競爭能力。對于中小企業而言，可以嘗試外包基金銷售體系也是思路之一，特別是對于中小證券投資管理公司而言。

3.3 完善證券投資的監管體系

應該繼續加大對外開放力度?；鹜瑯I應該充分利用國際資源，在內部操作流程、預算管理制度、風險控制制度，以及投資業務流程、其他管理制度和投資理念與操作技術等方面向國際同行學習，不斷提高基金公司的管理水平，強化自身的核心競爭力，還要在條件成熟時，積極探索發起設立境外投資基金的可行性與現實性。除此之外，還要努力進行一定的創新，增加基金產品，保持我國證券投資基金產品的多樣化。

結語

篇2

關鍵詞：羊群效應 基金績效 行為金融學

一、文獻綜述

1.羊群效應的衡量及檢驗的文獻回顧

姜新和黃靜（2005）在“證券投資基金羊群效應實證研究”一文中，運用修正了的LSV模型，對中國證券投資金市場的數據，得出：從2000年年報到2004年中報，HM平均值為0.25089，說明中國投資基金存在明顯的羊群行為；從買入羊群（BHM）和賣出羊群（SHM）來看，二者的平均值分別為0.12424和0.12665，賣出股票時羊群行為要稍強于買入股票時羊群行為，但差異并不明顯。

2.基金績效與羊群效應相關分析

姜新和黃靜（2005）根據績效評估指標的大小，將基金分成數量相同的三組，分別計算每組的HM、BHM、SHM值，再將各區間所屬于該類別基金的HM、BHM、SHM取算術平均值，則得到該類別基金羊群效應指標數據。得出結論：最優組的基金其整體羊群效應（HM值）較其他組的羊群效應顯著。

二、變量的選取及實證檢驗建模思路

1.羊群效應的衡量的變量選取

由于我們的研究不涉及買方及賣方的劃分，故本文采取了未修正的的LSV模型計算公式（公式（1））對證券投資基金羊群效應進行衡量，這樣更便于、簡化了我們對基金羊群效應H值與基金績效的關系進行計量分析。

對于在考察期內投資基金在某種股票的投資上是否有羊群效應， 可以用下列指標H衡量， H計算公式如下 （LSV，1992）：

（1）

p：代表增加所考察股票的持倉的投資基金占買賣該股票投資基金總數的比例的期望值。即：

（2）

AF：是一個調整因子，計算公式為：

（3）

2.基金績效評價指標的選取

雖然傳統的基金績效評價有其自身不可避免的缺陷，如沒有考慮風險因素。但是其數據獲取簡單，使用方便，且可以在一定程度上基本反映基金的績效，加之本次研究的側重點并非對基金績效的評價，而是基金羊群效應的度量、H值對基金績效是否存在影響。因而，本次研究從數據獲得的簡便性及研究的側重點出發，選取了各支基金（共50支選定基金）的“季度凈現值增長率”作為衡量各支基金績效的指標。

3.羊群效應對基金績效的影響的回歸

為了考察羊群效應對基金績效的影響，基于以上所有文獻綜述的已有研究成果，我們對模型進行了拓展與完善，我們進行如下回歸分析：

Y（基金績效）=aX1（羊群效應）+bX2（市場指數）+cX3（基金規模）+dX4（基金費用率）+e+ε

Y （基金績效）用基金凈現值增長率指標進行衡量。

X1 （羊群效應）用未修正的LSV模型計算得出H值。

X2（市場指數）用上證指數對大盤走勢進行衡量。

X3（基金規模）用基金總市值指標進行衡量。

X4（基金費用率）用基金總費用均值進行表示。

最后一項ε為隨機誤差項，代表了基金運營中非確定性因素的影響。

在我們的研究與模型中，新加入和考慮了基金費用率、宏觀經濟走勢、基金規模這兩個因素和變量，從而使模型更加完整。宏觀經濟走勢，基金規模和基金費用率的引入是為了在回歸中排除非羊群效用因素對基金績效的影響。

三、實證結果分析

1.實證分析方法

本文收集了我國金融市場上有代表性五十個基金的數據從2008年到2012年的按季度計算的數據，計算了這些基金對于基金重倉股“貴州茅臺”（600519）的羊群效應，羊群效應使用建模思路中提到的H值衡量。然后再用時間序列分析的方法進行分析。

根據本文計算的H值可以看出，我國基金市場上存在較顯著的羊群效應。尤其2008年和2011年尤為顯著。

2.對結果的分析

首先，根據計算的H值可以看出，H值絕對值的均值為0.1584671，我國的基金市場上存在著比較明顯的羊群效應。

由上面的實證分析結果可以看出，基金績效和羊群效應之間存在負相關關系，而二者之間的協方差0.3462說明二者之間的相關關系是比較強的。而由上面的分析數據還可以看出，基金績效和大盤走勢有很強的相關關系，其協方差達到了0.6234；但與基金總市值均值、基金總費用均值的相關性就很小。這些數據說明基金受到大盤走勢的影響比較大，是符合我們的預期的。

綜合上面的結果以及分析，得出的結論是：我國基金市場上有比較明顯的羊群效應，且羊群效應和基金績效之間存在負相關關系。

參考文獻：

篇3

關鍵詞:羊群行為;中國證券市場;行為金融學

中圖分類號:F83 文獻標識碼:A

羊群行為是指市場參與者在信息不確定的情況下,行為受某些因素影響而與大多數參與者行為趨于一致的非理。具體到證券市場而言,就是指投資者受整體市場漲跌情況或其他投資者心理、行為的影響,放棄自身已決定的買賣一定證券的決策,而采取與其他投資者行為相同或相似的投資活動。

一、中國證券市場羊群行為實證研究方法分析及相應實證結論

對于中國證券市場羊群行為的實證研究,我國學者多是借鑒西方已有的經濟模型,使用中國證券市場的數據進行相關分析。本文依據現有文獻實證方法分類并將其主要研究結果綜述如下:

(一)CH法(CSSD法)。Christie,Huang首先提出了基于收益率分散度的衡量羊群行為的方法。收益率分散度,即個股收益率對于資產組合平均收益率的標準差。他們認為在市場大幅波動期間,如果存在羊群行為,則個股收益率應該緊密分布于市場收益率周圍,價格趨向于一致移動,收益率分散度將趨近于零。因此,可以通過檢驗市場價格大幅波動時的分散度與平均水平下的分散度的相對大小來檢驗羊群行為的存在與否。因為分散度指標用到了橫截面收益標準差,又稱CSSD法。

較早對我國證券市場羊群行為進行實證分析的學者采用的就是CSSD方法。宋軍、吳沖鋒(2001)通過對1992年1月2日到2000年12月31日區間段內滬深兩市所有上市公司的日收益率和月收益率數據進行基于分散度的計量回歸分析發現,我國證券市場不僅存在羊群行為,而且投資者在市場收益率極低時的羊群行為程度遠遠高于在市場收益率極高時的羊群行為程度。此外,作者通過使用月收益率與日收益率數據的對比,發現投資者的羊群行為不僅在短期水平上存在,而且也在比較長期的時間段中存在。趙保國、甘茂智(2005)采用同樣方法,使用1998年1月5日至2004年3月31日滬深兩市所有個股收盤價數據進行了實證分析,得出了相反的結論,即在市場收益率極高時的羊群效應非常明顯,而極低時的羊群效應并不明顯。

(二)CSAD法。Sanders和Irwin(1997)提出用個股收益率對市場整體收益率的橫截面絕對偏離度(CSAD)來衡量投資者行為的一致性。孫培源、施東暉(2002)采用CSAD模型利用1992年1月2日至2000年12月29日滬深兩市所有個股的日收盤價數據進行了實證分析,發現無論市場上漲還是下跌,市場均存在羊群行為。而且市場大幅上漲時,投資者表現出更為明顯的羊群行為。常志平、蔣馥(2002)選取構成上證30指數以及深證成分指數的股票作為樣本,實證發現在上漲行情中,深圳證券市場與上海證券市場均不存在羊群行為;但在下跌行情中,深圳證券市場與上海證券市場均存在羊群行為,且深圳證券市場比上海證券市場具有更多的羊群行為。蔣學雷、陳敏、吳國富(2003)運用滬深個股的日收益率數據得出了相似結論。而張宗強、伍海華(2005)選取上證180指數樣本股票的日收益率數據進行檢驗,發現上海證券市場上漲行情中的羊群行為要強于下跌行情中的羊群行為,結論與常志平、蔣馥(2002)的研究結果相反。

(三)LSV法。LSV方法最早由Lakonishok、Shleifer、Vishny(簡稱LSV)于1992年提出,他們通過構造衡量羊群行為強度的指標考察了一組貨幣基金經理同時購買或出售某一特定股票的情況。也是我國學者實證中采用最多的一種方法。該指標是將基金同時買賣特定股票的平均傾向,與基金交易不存在羊群行為的零假設下,基金同時買賣該股票的平均傾向相比較,間接地衡量基金買入(或賣出)特定股票的相關程度。

較早使用該方法檢驗我國證券市場羊群行為的是施東暉(2001),通過對1999年第1季度至2000年第3季度投資基金在季度報告中披露的位居資產凈值前10名股票的檢驗,作者發現當有多個基金買賣同一股票時,將有75%以上的基金位于買賣的同一方向,并由此得出結論,投資基金對于單個股票的買賣存在顯著的“羊群行為”。徐瑾、侯曉陽(2004)采用LSV法測度了封閉式基金羊群行為的程度。同樣發現我國股票市場上封閉式基金存在顯著的羊群行為。杜莉、王鋒(2005)除了發現封閉式與開放式基金在交易過程中都存在顯著的羊群行為外,公司規模在一定程度上也影響了羊群行為的強度,而且羊群行為顯著地影響了股票價格。買入羊群行為比賣出羊群行為短期內對股票價格影響更大。伍旭川、何鵬(2005)對我國開放式基金的研究也得出了相同的結論。陳浩(2005),向銳、李琪琦(2006)的研究發現基金在買賣歷史收益率存在極端值的股票以及小盤股時羊群行為尤其明顯。而且基金賣出的羊群行為要強于買入的羊群行為,存在追漲殺跌的傾向,追漲傾向大于殺跌。祁斌、袁克等(2006)的結論相反,認為基金的買入羊群行為要強于賣出羊群行為,而且基金傾向于買入歷史收益較高的股票而賣出歷史收益較低的股票。該文還研究了股票流通規模與基金羊群行為的關系,發現基金羊群行為與股票流通規模呈“U”型關系,即在股票規模取最大和最小值時基金的羊群行為最為顯著。胡赫男、吳世農(2006)指出時間、季節、盈利能力、市場規模、基金群體規模、市場態勢等因素是影響基金羊群行為的主要原因。例如,在熊市期間基金的羊群行為比牛市期間更為顯著;基金的羊群行為隨著市場容量的擴大而遞減,隨著基金數量的擴大而遞增;羊群行為的發生與基金的盈利水平正相關,與基金的收益互為依存等。

(四)實驗研究與問卷調查的方法。魯直與閻海峰在2001年采用簡單隨機抽樣的方法對上海市的個人證券投資者進行了關于其羊群行為傾向及羊群行為影響因素的問卷調查研究?？偨Y出影響證券投資者羊群行為的主要因素可以被總結為6個主因素,即個性特征因素、信息不對稱因素、輿論與政策因素、信息處理能力因素、賭博心態與求利因素以及投資市場主力因素。在2004年,他與何基報(2004)設計了一項針對60名分層隨機抽取的某高校MBA學員及經濟學專業大學生的證券交易實驗,通過對被測試者投資經驗、知識水平以及資金量的控制,引發被試者不同的投資決策和羊群行為,發現投資者的投資經驗和資金量共同影響了其投資決策的羊群行為;投資者的投資經驗和知識差異將影響其對于信息的理解和敏感性,進而影響其投資決策;擁有不同的資金量將影響投資者對于信息的獲取能力,相應將影響其做出的投資決策。同時,該研究認為市場中存在一定數目的機構投資者可以形成相互制衡作用,使價格走勢趨于平穩。

二、中國證券市場羊群行為實證研究總結及展望

從上述學者的實證分析中可以看出,我國證券市場中不論是個體投資者還是機構投資者都存在顯著的羊群行為,從市場行情方面看,市場上漲過程中的羊群行為較市場下跌過程更為明顯(常志平、蔣馥,2002的觀點相反)。從市場參與者的角度看,賣出的羊群行為比買入的羊群行為顯著(祁斌、袁克等,2006的觀點相反)。市場中投資者存在追漲殺跌傾向,不同類型基金的投資策略有趨同的傾向。羊群行為對我國股票價格也有一定影響。在與國外成熟市場(主要是以美國為對象)對比方面,學者普遍得出我國證券市場羊群程度要高于美國市場這一結論,并從市場完善程度,投資者投資理念等方面進行了相應解釋。然而,迄今為止我國學者對于中國證券市場中的羊群行為還多數是借鑒西方經典文獻中的模型,采用中國市場的數據來進行實證分析,雖然實證主要結論都是我國市場存在顯著的羊群行為,但實證過程還存在諸多值得商榷之處:

首先,在數據選取方面,多數學者選取的時間跨度偏短,樣本不足,影響了實證結果的可信性。這一方面是因為我國證券市場建立時間不長,造成了數據的時間序列偏短,而且市場相關信息披露不完善,造成數據殘缺;另一方面也可能與作者主觀選擇有關。另外,由于我國證券市場波動性比較大,市場在不同時間段的表現不盡相同,而且投資者的投資觀念等造成其羊群行為的影響因素可能隨時間變化而變化,易造成分析研究結果的差異。從上面的總結中可以看出,使用同一種實證方法的兩篇文獻,僅由于實證研究數據選取的時間段不同,得出的結論完全相反。

其次,在實證模型選擇方面,由于西方學者的實證模型建立在成熟市場基礎之上,其測度指標是否適用于我國新興市場還有待更深入研究。即便適用,這些模型本身也存在一些局限性。例如,CSSD指標易低估市場中的羊群行為程度,CSAD指標存在模型依賴問題,即該指標有效的前提是資本資產定價模型的成立。LSV法也存在無法檢測機構投資者短期交易行為的問題。對我國證券市場羊群行為的實證研究需要尋求更加有效的方法與手段。

篇4

【關鍵詞】指數跟蹤；跟蹤誤差；因子模型

一、國外相關文獻

1.基于均值一方差模型的研究

均值一方差指數跟蹤模型就是采用Markowitz提出的均值一方差模型對指數跟蹤問題進行研究，權衡跟蹤組合的期望收益與跟蹤誤差。Hodges（1976）對標準的Markowitz優化模型的權衡曲線與超過目標指數收益及其方差的權衡曲線進行了比較。Perold（1984）指出指數跟蹤可以用均值一方差模型，他將指數跟蹤定義為尋找收益盡可能接近基準指數收益的證券組合。Haugen和Baker（1990）研究了指數跟蹤中運用均值一方差模型的問題。他們認為通過考慮跟蹤組合與目標指數收益的相互關系，可以用三種方法（貝塔值，決定系數，波動性）測度跟蹤組合的跟蹤能力。Roll（1992）通過引入了現資組合理論中較為經典的構建EV（均值―方差）模型的研究方法對指數化投資中典型的跟蹤誤差最小化模型做相應的研究，并將研究結果和現資組合理論中最優EV模型做了比較。Franks（1992）研究了基于基準組合的跟蹤時采用均值一方差模型的問題，表明通過最小化跟蹤誤差可以以低風險取得相近于基準組合的收益。Rohweder:（1998）以跟蹤誤差最優化為目標，提出了目標函數中有交易成本約束的均值一方差模型跟蹤指數，他指出了采取消極的指數跟蹤策略的合理性。Wang（1999）以均值一方差模型為框架研究了既最小化交易成本又最小化跟蹤誤差等的多目標指數跟蹤問題。

用均值一方差模型研究指數跟蹤可以得到比較完美的解析解，但該模型有非常強的假設且僅考慮了收益的前二階矩，對可贖回債券，抵押債券等不具有對稱收益證券的指數跟蹤無能為力。

2.基于因子模型的研究

最早用因子模型對指數跟蹤問題進行研究的是Rudd（1980），他將交易成本考慮到因子模型的目標函數中，用單因子模型給出了一個簡單的指數跟蹤結構模式，結果他指出跟蹤組合與目標指數高度相關。Stock and Watson（1988）認為因子序列是純隨機游走的。Larsen和Resnick（1998）指出小盤股的跟蹤組合比大盤股跟蹤組合有更大的跟蹤誤差標準差，并認為決定跟蹤組合的跟蹤業績的不是構成跟蹤組合的成分證券的行業而是市值。Forni等（2000），Stock and Watson（2002），假定因子序列是平穩的，但排除單整的情況，這種假定太過嚴格.Corielli和Marcellino（2002）則基于動態因子模型考慮了指數成分證券動態變化的特征，通過最小化損失函數的方法來解決跟蹤組合的最優化問題。Frino等（2002）通過對影響跟蹤誤差的要素進行多因子回歸分析，研究了澳大利亞指數基金的跟蹤能力和跟蹤誤差的影響因素。進一步，Frino等（2004）通過多因子回歸分析，研究了不同跟蹤誤差度量方法對指數跟蹤業績的影響。而Bamberg和Wagner（2000）研究了最優跟蹤組合的求解中運用線性回歸法的問題，結果發現古典線性回歸最小二乘法的一些經典假設就此線性回歸模型并不成立，但他們認為這不影響求解最優化指數跟蹤問題中對該回歸方法的應用，并提出最小二乘法的假設限制可采用魯棒性回歸法來避開。Bai和Ng（2004），不僅考慮了因子序列的平穩性，還考慮了單整的情況。

指數跟蹤的因子模型的解釋能力隨著因子的增加而增強，但因子模型要求對因子進行識別，其難處在于無法識別所有的相關因子，也不能明確地給出因子的個數.Forni等（2000）建議用解釋價格方差的百分比來決定因子的數量，Stock and Watson（2002）建議先用一個大的因子數量，然后再根據一定的信息標準選擇因子的數量；Bai and Ng（2002）提出了一個多元信息標準來選擇因子數量，并說明了當樣本規模足夠大時，該方法表現良好；Francesco Corielli and Massimiliano Marcellino（2006）借鑒Forni等（2000）的建議用解釋價格方差的百分比來決定因子的數量，建立長期因子的復制組合，并對基于因子模型的指數跟蹤與最小二乘法的指數跟蹤進行蒙特卡羅模擬實證對比分析，得出了基于因子模型的指數跟蹤更優的結論。

國外相關研究盡管把因子模型與指數跟蹤相結合，但是他們同時考慮指數跟蹤的實際約束，考慮各種跟蹤誤差模型的對比研究也較少。

3.指數跟蹤的均值一絕對偏差模型的研究

除基于因子模型的線性指數跟蹤模型外，還有其他線性指數跟蹤模型。Worzel和Zeniou（1994）提出了一種線性模型來跟蹤固定收益證券指數，即均值一絕對偏差模型來最優化跟蹤組合。他們認為要盡可能好地跟蹤指數可以通過最小化向下風險而不是最大化收益。Markus Rudolf，Hans-Jurgen Wolter，Heinz Zimmermann（1999）把跟蹤誤差定義為投資組合收益率與基準投資組合收益率之間的差值，并提出了四個線性的跟蹤誤差最小化模型，即最小最大化（MinMax）模型、向下最小最大化（Downside MinMax）模型、均值絕對偏差（Mean Absolute Deviation，MAD）模型、向下均值絕對偏差（Mean Absolute Downside Deviation，MADD）模型。同時，作者利用真實數據對四種線性模型和Roll的二次型模型進行了對比。結果表明，線性規劃模型優于二次規劃模型，這為跟蹤誤差的計量方法提供了另一種思路。Consiglio和Zenios（2001）采用Worzel和Zeniou提出的均值一絕對偏差模型研究了債券指數跟蹤問題。

4.指數跟蹤的其他優化算法的研究

在以上指數跟蹤優化模型和優化方法的基礎上，一些學者還采用了相對更為復雜的方法來研究優化跟蹤組合的問題。Meade和Salkin（1989）為使跟蹤組合與目標指數具有相似的特征對跟蹤組合進行約束，并采用二次規劃方法對跟蹤誤差進行近似求解。進一步，Meade和Salkin（1990）假設目標指數收益滿足自回歸條件異方差過程，考察了指數跟蹤問題。Baestaens等（1995）和Zorin等（2002）研究了指數跟蹤中采用神經網絡算法進行優化的技術。Eddelbuttel和Marseilles（1996）則對尋找最優跟蹤組合時采用混合遺傳算法進行了研究。此外，Gilli等（2001）對交易成本有門檻值的指數跟蹤采用啟發式算法進行了研究。進一步，Beasley等（2003）采用啟發式算法對交易費用約束情況下的指數跟蹤技術進行了研究，詳細論述了如何將指數化投資中的組合創建及平衡問題轉化為最優規劃問題，并介紹了如何利用遺傳算法求解規劃求解問題中的全局最優解。Pre等（2002）采用隨機控制和順向優化法對指數跟蹤的優化問題進行求解。Yao等（2003）采用隨機線性二次控制法和半定規劃法對指數跟蹤進行優化求解。

二、國內相關文獻

1.關于指數跟蹤的研究

高用深等（2000）介紹了管理指數基金的跟蹤組合的相關內容：包括構建初始證券組合；現金紅利收入再投資等。嚴武等（2000）對指數基金完全復制法、優化選樣法和分層抽樣法進行了介紹。馬永開和唐小我（2001）對在市場無摩擦的假定條件下，假定投資管理者的證券組合和目標證券組合各自擁有自己的投資對象集，給出了一般情況下的基于跟蹤誤差的證券組合投資決策模型和模型的最優解，研究了對應最優投資策略的有效性和相對有效性，并對此最優投資策略進行了結構分析。此外，陳辰等（2001）提出了一種利用聚類分析和MTV模型以不完全復制構成資產組合去逼近市場綜合指數的方法，從上海股票市場中任意選取50種股票，并使用本方法抽取不超出10種股票，用它們的組合去跟蹤上證綜合指數，取得了比較滿意的跟蹤效果。倪蘇云等（2001）介紹了四種線性跟蹤誤差最小化模型，并建立了相應的線性規劃模型，并將其與非線性模型進行了比較，指出了線性跟蹤誤差最小化模型所具有的優點。張玲（2002）將ETFs的跟蹤誤差分解為凈值跟蹤誤差和價格一指數跟蹤誤差，并提出了跟蹤誤差的測算方法。陳立新等（2002）研究了如何減少投資組合跟蹤指數的誤差。劉柏清等（2002）把隨機脈沖控制理論運用于均值一方差模式下指數跟蹤的現金管理問題，他考慮回報率與現金比重變化的關系，討論了證券指數跟蹤最優化問題，得出了何種條件下可用簡單脈沖控制策略。范龍振等（2002）運用主成分分析法得出上海和深圳股票市場的綜合指數和A股指數可以反應各自市場的變化，而其他指數對各自代表的股票市場變化不能反映。他們指出利用多因子定價模型，結合優化方法和統計分析，從每個股票市場上選取20只左右股票，經過組合就可以得到與指數相近的收益。林飛（2003）在其博士論文“指數化投資理論方法及實證研究”中，在借鑒國外有關研究成果的基礎上進行了創新，并結合我國證券市場的實際情況，運用了包含統計抽樣、相關分析、回歸分析、聚類分析、時間序列分析等統計方法和其它量化科學的若干研究方法，對標準型指數基金的指數化投資管理中涉及的主要理論、方法及相關實際問題做深入的理論探討與實證分析。馬驥、鄧清（2004）在“指數基金與跟蹤誤差優化模型”一文中，研究了跟蹤誤差最小化的兩種模型：二次優化模型和線性優化模型。并認為線性跟蹤誤差模型能夠更加準確地體現投資者對待風險的態度和定位于特定目標。因此，在實踐中應該采用絕對偏差最小化來取代偏差的平方最小化的方法。馬驥（2004）在“跟蹤誤差的風險分析”一文中，為了明確指數基金所面臨風險的大小以及風險的來源，采用回歸模型、相關系數和多因素模型對跟蹤誤差的方差進行分析，給出并且證明跟蹤誤差方差分解的一般表達式。此外，陳紹勝（2005）在“指數型基金跟蹤誤差的實證分析”一文中，基于跟蹤誤差對于我國部分基金進行了一定程度的實證分析，指出在我國金融市場中，指數基金往往會因為標的指數成份股數量不同而產生很大差異，標的指數成份股越多，相對應指數基金的跟蹤誤差就越大；復制型基金完全復制策略下的跟蹤誤差要比增強型指數基金非完全復制策略下的跟蹤誤差要??；大額申購與贖回對指數基金跟蹤誤差產生明顯影響。因此，指數型基金投資組合的構建應堅持被動投資，而力避主動投資。范旭東（2006）主要研究在跟蹤誤差約束條件下的指數化投資組合的構建與管理，其基本思路是在引進跟蹤誤差的概念后，詳細闡述了在跟蹤誤差約束條件下的優化指數投資組合的構建與管理，包括初始投資組合的構建以及對投資組合進行的動態調整。李儉富（2006）以市場有效理論和現代組合投資理論基礎，以數理統計和計量經濟為技術手段，運用多門經濟管理學科的知識，針對已有指數跟蹤管理問題研究的不足，結合當前我國證券投資基金指數化投資的實際情況，對指數跟蹤管理問題進行較全面的梳理和深入的研究，發展和完善了指數跟蹤管理方法，為我國證券投資基金的指數跟蹤管理提供了方法上的準備。張帆（2007）主要應用固定跟蹤誤差優化模型來構建一個動態的增強型指數基金，并考慮到我國現實狀況，加入賣空限制條件進一步研究構建組合的變化情況。

但國內關于指數跟蹤研究以收益率層面的跟蹤誤差最小化為目標的居多，以價格層面的跟蹤誤差最小化為目標的較少；指數價值直接從數據庫引用的居多，考慮指數的權重信息而重新計算的較少。

2.關于因素模型的研究

國內把因素模型與指數跟蹤直接聯系起來的很少，大都是把因素模型應用于投資組合的研究，如張衛國（1998）研究了證券收益率由多因素產生的證券組合投資優化問題，建立了不同投資約束條件下直接確定有效證券組合的模型，并給出了算法.李穎等（2002）通過對多因素模型在投資管理領域中的應用研究，揭示了多因素模型在風險控制、收益預測、指數化組合構建、投資策略選擇等投資領域具有較廣泛的應用前景。李博（2003）用單因素模型和四因素模型進行實證研究得出，平均流通市值的自然對數和平均短期歷史收益率對股票組合收益率的解釋能力高。陳守東等（2003）針對上證180指數樣本股和深證100指數樣本股以及二者之和分別建立了FF多因子模型，并進行了檢驗和比較分析。使用的方法是最小二乘法和廣義距估計方法（GMM）。結果表明FF多因子模型對于中國股市是基本適用的。王秀國，邱菀華（2006）研究了積極投資組合更一般的風險收益關系，提出了傳統跟蹤誤差模型和均值方差模型的統一形式。宿成建（2006）實證結果顯示：多因素模型能有效地找出股票定價的關鍵因素，而三因素模型能夠對資產價格主要因素進行定價。

三、簡評

指數跟蹤問題的研究是不斷發展的，從簡單的跟蹤誤差最小化到考慮跟蹤組合收益以及各種跟蹤約束，從跟蹤誤差的定義到對產生跟蹤誤差的各個因數進行分解。指數跟蹤的模型、約束條件和算法也開始從簡單逐漸復雜化。采用新的數量化方法研究指數跟蹤，多階段和動態指數跟蹤，積極指數跟蹤等都成為研究指數跟蹤問題的發展方向。

總體上說，相比國外而言，目前國內對于相關理論的研究仍處于起步階段，并具有一定的滯后性，進行全面系統研究的較少；以收益率層面的跟蹤誤差最小化為目標的居多，以價格層面的跟蹤誤差最小化為目標的較少；指數價值直接從數據庫引用的居多，考慮指數的權重信息的較少；考慮股價的動態因子模型，將因子模型與指數跟蹤直接結合的也很少。國外相關研究盡管把因子模型與指數跟蹤相結合，但是他們同時考慮指數跟蹤的實際約束，考慮各種跟蹤誤差模型的對比研究也較少。

參考文獻

[1]Hodges S D.Problems in the aPPlication of Portfolio selection models[J].omega,1976,4(6):699-709.

[2]Perold A F.Large scale Portfolio optimization[J].Journal of Management Science,1984,30(10):1143-1160.

[3]Haugen R A,Baker N L.Dedicated stoek portfolios[J].Journal of Portfolio Management,1990,16(4):17-22.

[4]Roll R.A mean/variance analysis of tracking error[J].Journal of Portfolio Management,1992,18(4):13-22.

[5]Franks E C.Targeting excess-of-benchmark return[J].Journal of Portf0lio Management,1992,18(4):6-12.

[6]Rohweder H C.Implementing stock selection ideas:Does tracking error optimization do anygood?[J].Journal of Portfolio Management,1998,24(3):49-59.

[7]Wang M Y.multiple benchmark and multiple Portfolio optimization[J].Financial Analysis Journal,1999,51(1):63-72.

[8]Rudd A.Optimal selection of Passive Portfolios[Jl.Financial Management,1980,9(1):57-66.

[9]Stock,Watson.Testing for common trends[J].Journal of the American Statistical Association,1988,83:1097-1107.

[10]Larsen J G A,Resnick B G Empirical insights on indexing[J].Journal of Portfolio Management,1998,25(1):51-60.

[11]Forni,Lippi,Reichlin.The generalized factor model:Identification and estimation[M].The Review of Economic and Statistics,2000,82:540-554.

[12]Stock,Watson.Macroeconomic forecasting using diffusion indexes[J].Journal of Business and Economic Statistics,2002,20:147-162.

[13]Corielli F,Marcellino M.Factor based index tracking[R].省略/pubs/dps/DP3265.asp,2002,Working papers.

[14]Chiang W.Optinizing Performance[M].Indexing for Maximum Investment Results,GPCo Publishers,1998.

[15]Frino A,Gallagher D R,Neubert A,Oetomo T N.Index design and implications for index tracking[J].The Journal of portfolio Management,2004,30(2):89-95.

[16]Bamberg G Wanger N.Equity index replication with standard and robust regression estimators[J].operation Research Spektrum,2000,22(4):525-543.

[17]Bai,NG.A panic attack on unit roots and cointegration[J].Econometrica,2004,72:1127-1177.

[18]Bai,NG.Determining the number of factors in approximate factor models[J].Econometrica,2002,70:191-223.

[19]Francesco Corielli,Massimiliano Marcellino.Factor based index tracking[J].Journal of Banking ＆ Finance,2006,30:2215-2233.

[20]Worzel K J,Zeniou C V,Zenions S A.Integrated simulation and optimization models for Tracking indices of fixed-income securities[J].Operations Research,1994,42(2):223-233.

[21]Rudolf M,Wolter H J,Zimmernann H.A linear model for tracking error minimization[J].Journal of Banking ＆ finance,1999,23(1):85-103.

[22]Consiglio A,Zenios S A.Integrated simulation and optimization models for tracking International fexed income indices[J].Mathematical programming,2001,89(2):311-339.

[23]Meade N,Salkin G R.Index funds-construction and Performance measurement[J].Journal of Operational Research society,1989,40(10):871-879.

[24]Meade N,Salkin G R.Developing and maintaining an equity index fund[J.Journal of the Operational Research Society,1990,41(7):599-607.

[25]Baestaens D E,Bergh V D.Tracking the Amsterdam stock index using neural networks[M].Neural Networks in Capital Markets,edited.Refenes AP John Wiley sons,1995,149-161.

[26]Zorin A,Borisov,A.Traditional and index tracking methods fOr Portfolio construction by Means of neural networks[Jl.Information Technology and Management Science,2002,1-9.

[27]Eddelbuttel D,Marseilles.A hybrid genetic algorithm for passive management[R].Second Conference Computing in Economic and finance,Society of computational Economics,Geneva,Switzerland,1996,Working Paper.

[28]Gilli M,Kellezi E.Threshold accepting for index tracking[R].unige.ch/ses/metri/gilli/portfolio/Yale-2001-IT.Pdf,2001,Working Paper.

[29]Beasley J E,Meade N,Chang T J.An evolutionary heuristic for the index tracking Problem[J].European Jounral of Operational Research,2003,148(3):621-643.

[30]Pre P D,Runggaldier W J,Tolotti M.Pathwise optimalit for benchmark tracking[R].httP://math.uniPd.it/～ runggal/DPTrevised.Pdf,2002,Wbrking PaPer.

[31]Yao D D,Zhang S Z,ZhouXY.Tracking a financial Benchmark using a few assets[R].httP://se.cuhk.edu.hk/～ zhang/RePorts/seem2003-10.txt,2003,Wbrking PaPer.

[32]高用深,權麗平.指數基金探析[J].山西財經大學學報,2000,22(5):90-92.

[33]嚴武,洪道麟.我國指數基金運作與績效研究[J].統計研究,2000,12:30-35.

[34]馬永開,唐小我.基于跟蹤誤差的證券組合投資決策模型研究[J].系統工程理論與實踐,2001,12:11-16.

[35]陳辰,范龍振,葉鋒.指數證券組合模擬市場指數的聚類MVT方法[J].管理工程學報,2001,15(4):23-28.

[36]倪蘇云,吳沖鋒.跟蹤誤差最小化的線性規劃模型[J].系統工程理論方法應用,2001,10(3):198-201.

[37]張玲.ETFs跟蹤誤差產生的原因探討[J].證券市場導報,2002,11:44-49.

[38]陳立新,劉建.減小指數投資組合跟蹤誤差的研究[J].遼寧工程技術大學學報,2002,21(3):383-385.

[39]劉柏清,朱正佑,秦成林,李華.具有非常數回報率的證券指數跟蹤問題的簡單脈沖控制[J].上海大學學報,2002,8(1):68-72.

[40]范龍振,王海濤,何華.我國股票市場指數及指數證券投資組合[J].管理科學學報,2002,5(5):11-17.

[41]林飛.指數化投資理論、方法及實證研究[D].廈門大學博士學位論文,2003.

[42]馬驥,鄧清.指數基金與跟蹤誤差優化模型[J].哈爾濱商業大學學報(社會科學版),2004(1).

[43]馬驥.指數化投資[D].吉林大學博士學位論文,2004.

[44]陳紹勝.只是基金跟蹤誤差的實證研究[J].當代經濟科學,2005,4.

[45]范旭東.跟蹤誤差與優化指數投資策略―理論分析與實證研究[D].成都:西南財經大學,2006.

[46]李儉富.基于我國證券市場的指數跟蹤管理方法及應用研究[Z].成都:電子科技大學,2006.

[47]張帆.動態構建增強型指數基金[Z].廈門:廈門大學,2007.

[48]張衛國.多因素模型下有效證券組合的算法[J].固原師專學報,1998,19(6):

9-13.

[49]李穎,湯果,陳方正.多因素模型在投資管理中的應用[J].華東經濟管理,2002,16(5):95-97.

[50]李博.多因素資產定價模型的實證研究[J].商業研究,2003,21(281):54-58.

[51]陳守東,孟慶順,趙云立.中國股票市場FF多因子模型的比較分析[J].吉林大學社會科學學報,2003(5):93-98.

[52]王秀國,邱菀華.跟蹤誤差多因素投資組合決策模型[J].財務管理,2006,18(11):

59-63.

[53]宿成建.中國證券多因素及三因素定價模型實證研究[J].系統工程理論與實踐,2006(8):17-26.

作者簡介：

劉建和，博士，浙江財經學院金融學院副教授，主要從事證券市場方面的研究工作。

篇5

關鍵詞:大盤類指標、相關分析、實證、評測

在證券投資分析中,傳統的技術分析指標是必不可少的工具,但是投資分析人員會遇到一個難題,就是傳統的技術分析指標種類眾多,各有所長,但在實際應用中難以取舍。而且各類技術分析指標缺乏實證檢驗,其有效性有多高難以確定,大量的技術分析書籍只是對技術指標進行了經驗式的介紹,這也為技術分析指標的應用和普及帶來了困難。

為此,本文以大盤類技術分析指標為研究對象,從實證角度對該類指標進行了測試和評價,從中優選出最好的指標共投資分析人員參考。

一、大盤類指標的特點和分類

大盤類技術指標的最大特點是只能用于分析大盤走勢,不能應用于個股,其計算采用的原始數據只有兩個:每日上漲機構數、每日下跌機構數(本文公式中,A代表上漲家數,D代表下跌家數)。

大盤類技術指標的原理就是通過分析上市公司上漲家數和下跌家數的結構性變動,來預測股票市場的未來發展趨勢。該類指標的計算原理雖然簡單,但是卻有十多種指標。因此進行必要的分類與實證研究,找出最優分析指標就顯得格外重要。

依據計算原理不同,可以為三種子類型:

(一)占比型

1、A/D(上漲家數比);2、BTI(廣量沖力指標);3、STIX(指數平滑廣量指標);4、TBR(新三價率)。

占比型指標的核心公式是A/(A+D),也就是A/D指標的公式;BTI指標是在其基數上進行二次移動平均;STIX指標是在其基礎上進行了一次指數平滑;TBR指標是在其基礎上計算了兩個指數平滑曲線,通過判斷兩線變化,來預測大盤。

(二)差值型

1、OBOS(超買超賣);2、MCO(McClellan Oscillator);3、ADL(騰落指數);4、CHAIKIN(佳慶線);5、ABI(絕對廣量指標)。

占比型指標的核心公式是A-D。OBOS是在其基礎上進行移動平均;MCO是在其基礎上分別計算兩條指數平滑曲線,通過計算線差,來預測大盤;ADL是在其基礎上進行累計求和;CHAIKIN是在ADL的基礎上,計算兩條移動平均線,通過計算線差,來預測大盤;ABI是在其基礎上求絕對值。

(三)其他型

1、ADR(漲跌比率);2、BT(Breadth Trust)。

ADR和BT的計算原理相對特殊,列為其他類型。ADR指標是通過計算累計上漲家數與累計下跌家數的比,進行預測;BT指標是在核心公式A/(A-D)的基礎上,進行移動平均。

以上11種指標,由于計算公式不涉及大盤指數,因此這是在大盤指數之外,一類重要的輔助信息,它從股市結構的角度進行分析,更加微觀,能夠協助其他類型技術指標,共同預測大盤走勢,提高預測精度。

二、大盤波動的分析量設計

(一)大盤波動的分析量

技術分析指標預測的是大盤指數的波動,而不是指數本身,因此如何反應大盤指數波動,需要設計分析量。由于技術指標一般都具有連續預測的能力,因此只有采用環比增長率,才能真正體現出大盤指數的波動。公式:

增長率=(CLOSEn-CLOSEn-1)/CLOSEn-1×100%

(二)平滑處理

在計算分析量時需要采用移動平均法或指數平滑法剔除隨機因素,還原分析量的發展趨勢。本文采用指數平滑法剔除隨機成份,平滑常數a取值0.1。為取得最佳效果,還需對大盤波動的分析量進行二次平滑。

三、技術指標的分析量設計

由于大盤類技術分析指標的算法分為多種類型,因此不同類指標的統計量之間不具有可比性,只有將各類指標的統計量進行處理,得到對應的分析量(即要求平滑次數相一致,分析量表示相一致),才能進行比較和實證。處理方法:

(一)占比型指標

1、A/D指標進行二次指數平滑處理,平滑常數a取值0.1;

2、BTI指標采用原指標公式;

3、STIX追加一次指數平滑,平滑常數a取值0.1;

4、TBR指標在兩個指數平滑曲線的基礎上計算乘離率,即:(MATBR1- MATBR2)/ MATBR2×100,再追加一次指數平滑,平滑常數a取值0.1。

(二)差值型指標

除CHAIKIN指標采用原指標公式外,其他指標均追加一次指數平滑,平滑常數a取值0.1。

(三)其他型指標

ADR和BT指標均追加一次指數平滑,平滑常數a取值0.1。

四、實證研究的分析思路

經過設計分析量和指數平滑處理,本文已成功構建了可以用于實證研究的分析量,通過對“技術指標分析量”與“大盤波動分析量”進行相關性檢驗,就可以證明大盤類技術分析指標進行預測的有效性。

(一)周期分析

由于不同指標適用于不同的預測周期,有的指標側重于短期趨勢,有的側重于中期或長期趨勢。為了體現不同周期的特征,在對“大盤波動分析量”進行二次平滑時采用1/10、1/30、1/60三個系數,求得10日、30日和60日三種周期的趨勢平滑值,以上平滑值均參與實證分析,分別與“技術指標分析量”進行相關分析。即是說,“大盤波動分析量”只有增長率一個,但是實證評測時會算出三種不同周期,來判定技術指標的最佳適用周期。

(二)錯位分析

在對“技術指標分析量”與“大盤波動分析量”進行相關分析時,由于大盤類指標非價格因素,而是結構類因素,其變化規律體現出一定的預見性。因此將“技術指標分析量”提前5、10和20個交易日,與“大盤波動分析量”時間錯位后,進行相關分析,來判定技術指標的超前預測能力。

(三)數據采集

數據來源:數據取自大智慧新一代高速行情系統,分別取上證綜合指數和深證綜合指數兩組數據。

時間段:數據從2000年1月4日至2009年10月16日,共2361個交易日數據。

參數設置:在計算技術指標時,指標參數按該指標常用值。

結果綜合:在對滬深指數分別進行相關性檢驗后,將相關系數進行簡單算術平均,計算綜合結果。

五、實證研究結果及評價

通過實證研究,我們得到了各大盤類指標經過周期分析和錯位分析,與股價波動的平均相關系數。

針對周期分析和錯位分析,對各自的三組分析值,按0.6、0.3、0.1權重,進行加權平均求得綜合評分,并排名,得到最終評測結果(見下圖)。

(一)最優指標

通過周期分析和錯位分析,進行綜合排名,得出前四名的指標A/D、BTI、STIX、ADR。

其中占比型指標中有三個進入前四名,而A/D指標在兩項綜合排名中都位居第一。由于A/D、BTI、STIX指標的核心原理相同,因此可以認為是一項指標,但是由于A/D和STIX平滑次數較少,波動較為劇烈,不適于判斷大盤走勢,因此實際應用中BTI指標最為適用。

此外,ADR指標也以特殊的算法進入排名前列,其核心原理可以理解為,上漲家數移動平均值除以下跌家數移動平均值,與占比型指標的計算原理有相似之處。

(二)其他指標簡評

其他指標中,差值型指標實證效果普遍較差,因為其核心原理是A-D公式,隨著股票市場的不斷擴容,這個差值的波動會日趨放大,不同時期的指標之間缺乏可比性,因此難以保證該類指標的預測能力。

此外,BT指標的實證效果也很差,其核心算法中的A/(A-D)公式,會在上漲家數與下跌家數接近時,使公式分母過小,出現異常放大的結果,因此其預測能力難以提高。

(三)綜合評價結果

綜合以上評價結果,最優的指標當屬占比型指標類型,而最具實用價值的是BTI指標。會編輯指標公式的投資分析人員,可對對A/D指標追加兩次指數平滑,得到最佳分析指標。

通過分本的實證研究,我們不難發現,大盤類技術分析指標,分析的是大盤的上漲家數與下跌家數構成的數據特征,實證結果表明此類數據特征能夠起到一定的預測作用,是輔助其他類指標進行綜合預測的重要工具。

而且在實際應用中,面對眾多的大盤類技術分析指標,我們只要選擇最優指標即可,重復使用表述同類數據特征的指標,并不能有效提高預測的準確性。

參考文獻:

[1]張澤宇.《股票分析指標大全》[M].北京:中國經濟出版社,2008

篇6

關鍵詞：利率；匯率；聯動；國際短期資本；實證研究

中圖分類號：F832.5 文獻標識碼：A 文章編號：1003-9031(2008)10-0055-05

一、問題的提出

20世紀70年代國際資本流入的規模和擴張速度遠遠超過同期世界生產總值和國際貿易總額的增長速度，其中短期國際資本的流動規模的擴張最為顯著，并對全球經濟產生日益深刻的影響。1997年東南亞金融危機的爆發就與短期游資短時間內的大進大出息息相關。

資本的逐利性使得國際短期資本必定要在全球范圍內尋找收益，而我國的宏觀和微觀經濟形勢都表明以人民幣標價的資產短期內具備著升值的潛力。我國已經成為國際短期資本流入的主要目標國，盡管我國對資本賬戶依舊存在著嚴格管制，但是國內學者的研究表明：由于外匯管制政策的不完善，以及執行管制政策的力度不足，短期資本的流動獲得了較為寬松的環境，國際短期資本實際上可以通過多種非法和隱蔽的渠道流入我國。[1]其中利率和匯率以及兩者的聯動是造成國際短期資本流入我國的公認因素，所以深入研究利率和匯率如何影響，多大程度影響國際短期資本流入我國，從而在此基礎上提出一些管理國際短期資本流動的政策建議對于維護我國宏觀金融的穩定的發展有著重要的意義。

二、理論分析

(一)短期資本概念的界定

1.按照期限

對于資本期限的劃分，學術界有一個公認的劃分標準，即借貸或投資期限在一年以下的為短期資本，一年以上的為長期資本。

2.按照意圖

著名經濟史學家查爾斯?P?金德伯格首次提出，應當按照投資者的意圖來區分國際長期資本與短期資本。所謂國際短期資本流動，是指投資者的意圖旨在短時間內改變或扭轉其在國際間流動的方向。即使這一時刻目前尚未確定，但在未來時機適宜時仍會如此。

3.國內學者的概念界定

國內學者在研究短期資本的時候基于期限和意圖兩種分類基礎上做了相互的借鑒，并且結合國際收支平衡表的具體項目進行了更加詳細的完善和規定：曲風杰(2006)的定義：短期資本指借貸期限在一年以內的資本和隨時可能改變方向的資本，即國際收支平衡表內借貸期限一年以內的其他投資，證券投資的貨幣市場工具，以及國際收支平衡表外隱性和非法的資本流動。[2]李杰(2007)認為將國際收支平衡表內直接投資和長期借款排除在外是無可爭議的，但證券投資雖然到期期限無窮大卻擁有發達的二級市場，變現比較容易，應視為短期資本。[3]另外許多隱性和非法的資本不一定都在國際收支平衡表外，它們可能混入正常的資本項目或借助其他項目流入境內，可能反映在國際收支平衡表上。因而對曲的定義略作了修正。短期資本是指投資者的意圖旨在短時間內改變或扭轉其在國際間流動方向的資本，在統計上，將其分為正常合法和隱性非法流入兩部分；反映在國際收支平衡表金融項目中，前者指除直接投資和長期借款的各項目，后者指受制于資本管制通過各種隱蔽和非法渠道進入的資本。本文在對國際短期資本的概念界定上基本參照國內學者的觀點。

(二)匯率和利率聯動影響國際短期資本流入的理論機制分析

1.利率平價理論

設 為本國利率， 為國外利率， 為當前t期兩國匯率的即期匯率， 為預期未來t+k期的即期匯率， 為外幣預期的升值率(本幣預期貶值率)。在短期資本不流動情況下可以得到公式：

該公式的含義就是：如果 ，則說明本國的利率較高，與國外的利差較大，這足以彌補本幣的預期貶值率，則國際短期資本就會流入；相反，如果 ，則說明本國的利率較低，與國外的利差較小，雖然利率差可能大于零，但是沒有本幣的貶值來的多，所以短期資本會流出。這就是無拋補利率平價理論對國際短期資本流動的解釋，由于我國國內不存在掉期市場，所以無拋補利率平價更適合我國的現實情況。

從利率平價方程式的相關分析中，可以得到影響國際資本流動因素的部分結論：(1)利率變化，國際資本通常是由利率低的國家和地區流向利率高的國家和地區。(2)匯率變化導致的遠期升水或貼水的變化，本幣貶值壓力較大，國際資本由本國流向國外，反之，流向國內。(3)利率和匯率的聯動會共同決定短期資本的流入與流出：只有當預期本幣貶值率等于本國利率高于外國利率的利率差，相反，預期本幣升值率等于外國利率高于本國利率的利率差的時候短期資本才會停止流動。

2.多恩布施匯率超調理論與心理預期

多恩布施模型描述的是一個小型開放經濟，假定國外物價水平與國際利率水平是固定的，國內商品市場價格粘性，金融市場是瞬時結清的；資本具有充分的國際流動性，足以維持無拋補利率平價的成立。

多恩布施重新解釋了預期匯率貶值率的形成。他認為預期匯率貶值率Ee由長期均衡匯率水平Ep，與即期匯率Et共同決定，即： 。 反映市場預期的匯率變動對本幣相對于其均衡匯率水平高估或低估的敏感性，如果即期匯率低于其均衡水平，市場預期本幣匯率將貶值；反之則會預期本幣匯率升值。長期均衡匯率水平由兩國的相對經濟實力(諸如相對貨幣存量、相對國民收入、兩國利率水平等因素)決定。

取均衡狀態作為分析的起點。假設國內利率水平等于國際利率水平 ，即期匯率恰好處于其長期均衡水平Ep=Et。由于外部因素擾動，國內利率水平突然上升，根據無拋補的利率平價理論，外匯市場對本幣的預期將是在今后幾個月內逐步貶值。根據一般的經濟常識，國內利率上升會吸引資本流入，促使本幣升值。那為什么在這里國內利率水平上升反而會引起本幣的預期貶值呢?其原因在于金融市場的瞬時結清。本國利率上調確實會吸引外資流入，導致本幣升值，但是在價格有充分彈性的金融市場上，本幣的升值過程是瞬時完成的，幾乎與國內利率水平的上調同步。本幣的瞬間升值為其在今后幾個月內的貶值提供了下降的空間。[4]

(三)對我國國際短期資本流入因素的分析

結合利率評價和匯率超調的理論，可以初步推斷匯率和利率的聯動對國際短期資本流入我國的影響機制為：當我國采取加息政策導致利率上升，使得中國和外國利率利差增大的時候，國際短期資本會迅速流入我國，從而導致我國人民幣的即期升值，但是由于我國的外匯市場不是以市場交易為基礎的，我國實行的是管理浮動匯率制度決定了當外國資金流入我國外匯市場的時候央行會在外匯市場上進行干預購回一部分外匯，這就決定了外匯市場不能迅速結清，人民幣不能一次性升值到位從而為遠期的貶值留下空間。[5]但是市場機制要求人民幣升值，所以在外匯市場上就形成了人民幣升值的強烈預期。這樣大量的短期資本就會流入我國結匯，一方面坐等人民幣加息政策帶來的利息上升，另外一方面獲取人民幣標價資產升值的收益。

三、影響因素的實證分析

(一)指標的選擇

1.短期資本流入量(SIN)

由于我國對資本賬戶實行嚴格管制，不允許自由兌換，因此理論上國際短期資本的流入量數據可以通過官方的統計口徑中直接觀測到，但是根據研究表明由于管制政策的不完善，短期資本獲得了較為寬松的環境，國際短期資本可以通過多種非法和隱蔽的渠道流入我國境內，所以國際收支平衡表上的統計與實際的短期資本的流入額就會相差很大，要想精確測算出國際短期資本的流入額難度是相當大的。[6]這里筆者根據實證研究數據頻度的需要和實際數據的可得性，使用如下的測算口徑：

短期資本凈流入額(SIN)=外匯儲備增加額-經常項目順差-外商直接投資

因為我國采用的是結售匯制度，所以從理論上講一切流入的外匯，都要在外匯市場上出售給央行外匯管理局，從而形成我國的外匯儲備，因此從這個儲備中減去經常項目順差流入的外匯后大致就等于外匯資本的流入額，這其中外商直接投資由于資金用途大部分是用來購買設備、建設廠房，屬于長期投資，所以將該部分外匯資金去掉后，剩余部分可以大致衡量出我國國際短期資本的流入額。

2.利率差(IRCA)

國內利率高于國外利率是國際短期資本流入中國套利的基本條件，本文出于對數據的代表性和可得性考慮，國內利率選取了人民幣一年期儲蓄存款利率，國外利率則選用美聯儲公布的聯邦基金有效利率(Federal funds effective rate)。

利率差(IRCA)=國內一年期儲蓄存款利率-聯邦基金有效利率

3.匯率預期變動率(NDFE)

由于我國不存在人民幣遠期交易市場，因此對匯率的預期指標選擇使用的是香港外匯市場人民幣無本金交割遠期外匯交易(Non-deliverable Forwards)，簡稱NDF的匯率值，外匯即期匯率選用的是中國人民銀行外匯管理局公布的數據。[7]

匯率預期變動率(NDFE)=(遠期匯率-即期匯率)/即期匯率

由于采用的直接標價法，所以該指標越小表示預期匯率升值的程度越高。

4.證券市場收益率(SHAINDEXR)

證券市場的收益率選取的是上證A股的指數收益率。

證券市場收益率(SHAINDEXR)=(即期指數-上期指數)/上期指數

考慮數據的可得性和實證研究的需要，筆者選取2000年1月-2007年12月的月度數據為研究樣本。

(二)實證研究

1.模型的建立

本文的實證分析方法主要是通過計量經濟學的方法建立計量經濟學模型，通過控制影響被解釋變量即國際短期資本流入量的除利率(IRCA)、匯率(NDFE)以及匯率和利率的聯動(R*NDFE)外的其他諸多因素，從而找出利率和匯率在影響短期資本流入上的程度和方式。[8]

(1)證券市場的收益率(SHAINDEXR)。Calvo等人(1996)在研究亞洲及拉丁美洲的資本的流動時，發現國際資本的流入往往伴隨著證券市場和房地產市場的泡沫。雖然我國目前對于外資投資中國證券市場是有額度限制的，即QFII，但是本文討論的資本流入不僅僅包括QFII，而且還包括了那些隱蔽和非法流入額。所以國際短期資本的流入對于我國證券市場和房地產市場的收益率高低是非常敏感的。

(2)證券市場和利率的交互效應(R*SHAINDEXR)。根據股票價值的估算原理：股票的價值等于未來股票的股利按照市場利率折現，即 ，所以市場利率的抬高必定會使得股價下跌，從而影響到證券市場的收益率，所以利率和證券市場的收益率存在交互效應。

(3)其他一些因素的考慮(SINt-1)。國際短期資本的流入與一個國家的資本項目的管制程度息息相關，另外在流入過程中還受到市場心理因素的影響，而這些系統性的因素都有如下特征：①比較難以計量，心理因素和制度因素要用一個非常精確的數據來描述它們是很難的；②這些因素又在過去和現在一直影響著短期資本的流入，在研究國際短期資本的流入的時候必須對他們進行控制?？紤]到這些因素的特殊性，筆者借鑒計量經濟學的分析方法，借用被解釋變量的滯后值來作為這些因素的替代變量，從而控制住這些系統性因素對國際短期資本流入的影響。

在經過分析之后，首先建立如下計量經濟學模型：

2.變量單位根檢驗

為了對以上建立的計量經濟模型進行協整檢驗，以考察變量之間是否存在一個穩定的均衡關系，筆者首先要對各個變量進行平穩性檢驗，檢驗結果如表1：

通過數據的單位根檢驗，可以看出：SIN、IRCA、NDFE和SHAINDEXR的水平值在10%的顯著性水平上通過檢驗，是平穩的。

3.協整檢驗

協整檢驗可以揭示變量之間是否存在一種長期穩定的均衡關系。本文使用了Engle和Granger(1987)提出的協整檢驗方法。這種協整檢驗方法是對回歸方程的殘差進行根單位根檢驗。因此，檢驗一組變量之間關系是否存在協整關系等價于檢驗回歸方程的殘差序列是否是一個平穩的序列。

第一步：對方程式(1)進行回歸估計并結果剔除序列相關后結果如表2：

由于根據實證檢驗結果初步判斷：利率差(IRCA)系數的檢驗結果不顯著，其余解釋變量系數在10%-15%的水平上都通過檢驗，因此在模型的估計上應該將利率差(IRCA)變量從原來模型中剔除，對修正后的模型重新進行估計，估計結果如表3：

第二步：對上述最后修正模型估計的殘差vt進行單位根檢驗，使用ADF檢驗方法，檢驗結果如下：

檢驗結果顯示殘差在1%的水平下拒絕原假設，接受不存在單位根的結論，因此可以確定vt平穩序列。

4.實證結論分析

(1)根據表2可得，利率差的系數 =2.49，但是利率差的系數沒有通過檢驗，可見利率差對國際短期資本的影響甚小，這也驗證了部分學者的觀點：利率差對國際短期資本的流入影響不是很大，利率平價在我國的解釋力不強。

(2)匯率的預期變動率的系數 =-23.47，表示匯率的單位變化會引起國際短期資本流入23.47億美元，并且估計系數在5%的顯著性水平下通過了檢驗。

(3)證券市場的收益率的影響系數 =886.41，并且在5%的顯著性水平下通過了檢驗。證券市場的收益率每升高一個百分點，則國際短期資本的將流入約881.35億美元，可以看出證券市場的收益率在除去利率、匯率及其聯動效應的因素后的確是一個不可忽視的因素。

(4)利率和匯率的聯動的影響情況即交互項的系數 =5.58。因為 ，根據估計結果匯率與利率的交互項的系數?茁4為正數，大于0，表示以加息為例，利率水平越高，單位匯率的預期升值率引起的國際短期資本的流動額越大，也就是說加息政策使得利率處于較高水平后，利差進一步擴大，這就使得更多的短期資本流入我國以謀取高利息存款收益率，這就更加大了對人民幣匯率升值的預期，所以國際短期資本的流入更多。

(5)利率與證券市場的交互效應，因為 ，根據估計結果看交互項系數 =-329.89，系數小于0。還是以加息政策為例，當我國采取加息政策使得利率抬高到更高的水平，那么國內股票價格會下跌，這樣在更高的利率水平下，單位資產收益率的下降會使國際短期資本的流入額變小，這符合經濟學規律。

(6)滯后因變量項SINt-1的引入主要是為了控制住一些過去和現在都影響國際短期資本流入的變量，比如心理預期、我國的資本賬戶開放度等這些很難觀測到的變量。系數為正，說明這些系統性的因素經過相互影響最后對國際短期資本的流入的總的影響是正向促進的。

四、結論和政策建議

通過以上實證分析可以看出，匯率的預期變動率和由于利率和匯率的聯動是影響國際短期資本流入的重要因素，而利率差對短期資本流入的影響則不明顯。另外資產市場的收益率以及和利率的交互效應是除利率、匯率和他們的聯動效應因素之外不可忽視的重要因素。因此，筆者認為，針對我國短期資本流入的現狀與匯率和利率之間的關系我國應該從以下兩個方面采取相關政策。

(一)加快轉變經濟增長模式，為匯率制度改革，貨幣政策的獨立鋪設道路

對于我國人民幣升值不到位，人民幣匯率不能反映外匯市場的供求實際情況，是造成大量國際短期資本流入我國的主要因素。央行為了維護匯率的相對穩定，在外匯市場上不惜犧牲國內貨幣政策的獨立性，主動對流入的外匯購入，使得人民幣不能根據市場供需原則升值到位，從而加大了升值的預期的形成，并且如果我國采取加息政策的貨幣緊縮政策時還會進一步加大對于人民幣升值的預期，引起大量短期資本流入。

乍看之下是我國外匯匯率決定制度的缺陷，但是這種缺陷背后的本質原因卻是我國的經濟增長模式：我國是一個出口大國，國際市場的需求對我國的經濟增長有著很大的貢獻，而價格優勢又恰恰是我國的產品在國際市場的核心競爭力，所以只有控制住人民幣的升值幅度才能維持住我國出口商品的價格優勢。所以解決這個問題的辦法就是要降低我國經濟的對外依存，提高國內廣大人民的收入，擴大內需；另外應提高我國出口產品的技術含量，從而降低我國出口品的價格彈性，松綁對于匯率的束縛，從而為匯率改革和貨幣政策的獨立實施鋪平道路。

(二)完善短期資本的監管制度，嚴格控制短期資本的流入

雖然我國對于資本項目是嚴格控制，但是從現實來看，效果并不理想，國際收支平衡表上能反映的短期資本流入量遠遠低于實際流入的數量，說明大量的短期資本通過一些非法和隱蔽的渠道流入了我國，這些短期資本流入就是為了短期內套取人民幣利率上升和匯率升值的雙重收益，一旦我國的經濟經受短期調整影響，那么這些游資就會以各種非法和隱蔽的渠道迅速撤離，從而加大我國經濟的波動，破壞我國宏觀金融的穩健運行。所以在我國匯率改革還不能完全落實的情況下，對于短期資本非法流入的監管就顯得尤為重要。

參考文獻：

[1][3]李杰.我國短期資本流入規模估算：2001-2006[J].上海金融，2007，(10).

[2][6]曲風杰.中國短期資本流動狀況及統計實證分析[J].經濟研究參考，2006，(40).

[4]喬桂明.國際金融學[M].北京：中國財政經濟出版社2006.

[5]張萍.利率平價理論及其在中國的表現 [J].經濟研究，1996，(10).

[7]陳學彬.中國國際資本流入的影響因素實證研究[J]，國際金融研究 2007，(12).

篇7

面對一低再低的股市，驚慌失措的投資者究竟該怎么辦，是繼續堅持留守還是果斷離場?

2245點岌岌可危

2245點絕對是中國股市的一個標志性的點位，2001年6月14日，滬指見頂2245點后，進入了長達4年多的熊市。盡管A股自2005年千點后，開始了一輪史無前例的牛市，不僅輕而易舉地將2245點踏在了腳底，而且騰空而起躍上了6124點。不過，物及必反，自去年10月的歷史性高點6124點之后，股市便“飛流直下三千尺”。不過，2245點被市場認為是有重支撐的點位，甚至有經濟學家稱：不跌破2245點，牛市就沒有結束。

8月8日，就在股指狂瀉之后，蒙受了巨大損失的投資者企盼北京奧運會的開幕能給股市帶來一絲亮色，卻不曾料到，這天大的喜訊帶給股市的只是更沉重的打擊。當日午后，股指一路狂瀉，滬指跌122點，跌幅達4.47％。8月11日，股市更猛烈地下跌，上證指數洞穿前期低點2566點。8月13日，滬綜指再次創出今年以來的新低2370.74點，2245點岌岌可危。

可以說，近期市場的主基調無疑是維穩。不僅主流媒體如人民日報、新華社等刊發文章力挺股市，就連國資委、發改委也加入了維穩的陣營。然而，事與愿違，維穩只不過是一場夢而已。經過一個月時間的震蕩，投資者寄予厚望的2500點一線亦變成了“馬其諾防線”。當維穩被解讀為股指不產生暴漲暴跌時，上證指數在8月8日和11日兩個交易日大幅下跌，再次讓市場、讓分析師、讓投資者亂了陣腳。

估值創13年新低

A股到底怎么了，是不是估值太高?是不是中國經濟發生了方向性的逆轉?事實卻恰恰相反。

目前滬深兩市平均市盈率為18.92倍，這樣的估值水平不僅低于2005年1000點時的市盈率水平(2005年6月6日滬綜指跌破1000點時，A股市盈率為19.96倍)，而且創下1995年2月以來的13年新低(1995年2月17日，滬綜指收在533.76點，市盈率為18.21倍)。從極端的情況來看，18.92倍的估值水平，距離A股市場最低估值水平15.3倍(1994年7月29日，滬綜指收盤333.92點)不到20％，而上證50指數目前估值距離該數值更是僅10％左右。

更為驚人的是，A股瘋狂下跌，使得A股變得越來越便宜。作為兩市中堅力量代表的滬深300成份股平均市盈率已低于道瓊斯成份股市盈率。而另據湯森路透8月12日的全球主要股指估值和表現對比表顯示，截至8月12日收盤，滬深300指數成份股平均市盈率為17.54倍，而美國道瓊斯工業指數成份股的平均市盈率為17.72倍。就這個數字簡單而言，A股已經比美股便宜。

湯森路透同時提供的數據還顯示，截至12日美國標準普爾指數500指數成份股的平均市盈率為15.5倍，納斯達克指數的平均市盈率為20.88倍，日經指數的平均市盈率為16.45倍，恒生國企指數的平均市盈率為14.98倍，上證綜指的平均市盈率為18.68倍，深證成指的平均市盈率為18.32倍。

市盈率在接軌，市凈率也在接軌。截至12日，上證綜指的平均市凈率為2.86倍，滬深300指數的平均市凈率為2.96倍，美國標準普爾指數的平均市凈率為2.4倍，恒生國企指數的市凈率為2.55倍，這幾大指數的市凈率已經相差-無幾了。

而從中國經濟發展的情況看，雖然面臨著國內高通脹和國際經濟前景不確定性的威脅和從緊政策的調控，但中國經濟增長的趨勢并沒有發生方向性的改變。

還有沒有下跌空間

估值低是否意味著現在可以大膽買入呢?理論上答案是肯定的。不過，在回答這個問題之前，先要研究一下另一個問題，A股日前還有沒有進一步下探的要求?

那么究竟誰在砸盤?首先，最近的千夫所指是QFII。最典型的就是摩根大通一面大肆唱多、一面大肆出貨。在7月下旬舉行的中國證券投資基金國際論壇半年峰會上，摩根大通中國區主管龔方雄指出，H股的機會很大。7月底他在接受香港媒體訪問時依然堅持，A股將在奧運期間回穩，對港股帶來支持。他尤其看好年初至今跌幅頗大的H股，并表示：“在目前的估值水平下，投人中資股的風險已相對較低?！比绻彿叫鄣恼撜{正確，那么摩根大通應該緊守倉位，然而事實卻相反。來自香港聯交所的資料顯示，摩根大通7月29日減持了多只中資股，共套現約29.5億港元，為近年來罕有的大規模減持行動。不過，這只是H股的一天數據，A股到目前為止，仍沒有公開、確切的數據說明QFII在砸盤A股。

其次最為市場指責的是游資。8月11日，股指再度大跌逾百點，券商營業部的做空力度十分驚人。TopView數據顯示，在滬市11日凈流出額排名前40位中，僅第39位為基金席位，其余均為券商營業部。排名第一的國信證券凈流出9.2043億元，第二位的銀河證券凈流出7.6703億元，第三的廣發證券凈流出5.6535億元，緊隨其后的光大證券及華泰證券兩日凈流出額也均超過4億元。通過這一組數據，有相關分析師和媒體得出，營業部是游資、“敢死隊”聚集地，營業部狂拋個股與近幾日奧運等概念股被封死跌停板多日的現象十分吻合，游資無疑是近來暴跌的最大“殺手”。顯而易見，這也是猜測而已，營業部的客戶組成復雜，僅憑此判斷是游資在作怪，過于簡單。

不過，A股市場上一股拋售力量確實威力巨大，那就是聳人聽聞的“大小非”。據中登公司8月11日公布的相關數據說明，“大小非”乃是市場的心頭之患。截止7月底，“大非”減持占已解禁股份的17.24％，“小非”占43.51％。更值得關注的是，7月份并非今年的解禁高峰，然而滬深兩市“大小非”共套現8.49億股，較6月份4.51億股的規模，環比大幅增加了88.25％。

而更猛烈的“大小非”減持壓力還在后面。8月，解禁洪峰到來，滬深兩市有147家上市公司限售股解禁，規模達428.63億股，以8月1日收盤價計算，解禁股市值達3502.76億元。其后的9月、10月、11月和12月分別為14 57億股、92.52億股、117.82億股和143.28億股，

事實上，在今后二三年之內，“大小非”解禁的陰影還是揮之不去。統計顯示，今年全年共有1549.39億股限售股將解禁流通，占到2007年底滬深兩市總流通股本數的33％，而2009年解禁的限售股數量將是6890.15億股，相當于2007年底兩市總流通股本的1.5倍。到了2010年，獲得解禁的限售股數量也將占到2007年底總股本的76％。3年的時間，僅僅是限售股的解禁，就使得A股市場流通股本增加了2.6倍。

“大小非”問題毫無疑問是投資者心中另一道揮之不去的陰影。畢竟，“大小非”的紛紛解禁，徹底改變了整個市場的供求關系。并且，隨著今后更多“大小非”的解禁以及新老劃斷后限售股的魚貫而出，市場將更加不堪重負。

更為可怕的是，在連續下跌之后，投資者的信心是一而再、再而三地遭受了打擊，這個信心的恢復需要一個漫長的療程，更何況還有“大小非”這個達摩克利斯之劍懸著，市場只要有個風吹草動，向下的動力仍存在。

堅持還是該離場

既然股市向下的動力依舊存在，深套的投資者該怎么辦?這就要依據各個投資者的情況具體而定。

需要強調的是，由于2245點對A股是個里程碑式的點位，它在下跌過程中會起到一定的抵抗作用，可能會產生一波反彈。此外，在連續暴跌之后，管理層出臺相關救市政策的可能性進一步加大，這也會催生反彈。

篇8

［關鍵詞］債務重組幅度；財務狀況改善；平滑利潤；扭虧；上市公司；新會計準則；盈余管理

［中圖分類號］F272.5［文獻標識碼］A［文章編號］16728750（2012）01007205

一、 引言

債務重組是指在債務人發生財務困難的情況下，債權人按照其與債務人達成的協議或者法院的裁定做出讓步的事項。債務重組本是在債務人發生財務困難的情況下，通過債務重組減少債務人的負債金額，降低資產負債率，改善財務狀況，使債務人獲得新生，從長期來看，債務重組對債務人是利好的。實務中由于債權人做出讓步，債務人通常會因債務重組產生收益。因此，一些上市公司利用債務重組進行盈余管理，并將債務重組視為盈余管理的手段之一。我國1998年首次頒布《企業會計準則――債務重組》（1999年1月1日起實施）以來，進行過兩次修訂，修訂的核心問題是關于債務人債務重組利得的會計處理問題。其中，1998年頒布的《企業會計準則――債務重組》要求“債務人將債務重組利得計入當期損益”，2001年修訂后的《企業會計準則――債務重組》（2001年1月1日起實施）則要求“債務人將債務重組利得計入資本公積”，2006年新修訂的《企業會計準則第12號――債務重組》（2007年1月1日起在上市公司范圍內施行）又回到了1998年頒布的《企業會計準則――債務重組》的處理思路，允許“將債務重組利得計入當期損益”?！镀髽I會計準則――債務重組》的兩次修訂被認為是為了限制上市公司利用債務重組進行盈余管理。

債務重組的動因到底是什么？是虧損企業扭虧、盈利企業平滑利潤等盈余管理的要求，還是資產負債率較高的企業改善財務狀況的需要？目前，相關研究大都關注債務重組與盈余管理的關系，很少涉及其他因素對債務重組的影響。本文以2007年滬深兩市獲得債務重組利得的上市公司為樣本，研究新準則下上市公司債務重組的影響因素，以尋找債務重組的真實動因。

二、 理論分析與研究假設

企業債務重組的動因理應是改善企業的財務狀況，但是大多數研究認為企業債務重組是盈余管理的主要手段，其動因是平滑利潤或扭虧。新《企業會計準則》頒布實施后，債務重組利得的會計處理又發生了變化，這引起了學術界對債務重組動因的進一步思考與熱烈討論［12］。本文在對債務重組與財務狀況改善、平滑利潤及扭虧等關系進行理論分析的基礎上，提出相關研究假設，以探究債務重組的動因到底是什么。

（一） 財務狀況改善與債務重組

通常情況下，債務重組前債務人資產負債率較高，并且出現財務困難，償還能力不足，再融資能力受到嚴重影響，企業存在通過債務重組降低資產負債率、改善財務狀況、增強融資能力的動機。企業資產負債率越高，企業債務利息的負擔越重，企業面臨償還到期債務的壓力越大，再融資能力受到限制越多。此時，為維持持續經營，企業往往會尋求債權人的支持，進行債務重組。盡管債務重組可能會產生一些收益，但是債務重組的主要動機應當是改善現有的財務狀況，而不是為了盈余管理。顏敏和王平心對我國1998年債務重組準則下債務重組收益影響因素的實證研究發現，債務重組收益與資產負債率顯著相關［3］；謝海洋和王秀芬的研究發現2001年債務重組準則下較高的資產負債率對債務重組收益影響較大［4］。因此，本文提出假設1。

H1：新準則下財務狀況改善與上市公司債務重組幅度顯著相關。

（二） 平滑利潤與債務重組

平滑利潤是企業盈余管理主要動機之一。吳戰篪、羅紹德等人認為如果公司當年的盈利狀況良好，就可能會通過盈余管理的方式保留一部分利潤儲備，以便在未來獲利不好的時候予以轉回，達到平滑利潤的目的［5］。魏濤、陸正飛等人認為利用非經常性損益是企業盈余管理的慣用手段，無論是虧損公司還是盈利公司的盈余管理都相當倚重于非經常性損益，盈利公司盈余管理的主要是為了平滑利潤［6］ 。顏敏和王平心的實證研究發現，1998債務重組準則下上市公司債務重組收益與營業利潤率顯著相關［3］。由于2006年準則恢復了1998年準則對債務重組收益的處理方式，因此，本文提出假設2。

H2：新準則下平滑利潤與上市公司債務重組幅度顯著相關。

（三） 扭虧與債務重組

根據《上市公司股票特別轉讓處理規則》、《虧損上市公司暫停上市和終止上市實施辦法》等有關規定，我國上市公司連續2年虧損就要被特別處理（ST），連續3年虧損就將被暫停上市，如果暫停上市后第一個半年度公司仍未扭虧，交易所將直接做出終止上市的決定。因此，扭虧對于中國的上市公司而言具有特別的意義。陸建橋、趙春光等人認為國內上市公司的盈余管理動機之一就是為了避免出現虧損以及由此引發的特別處理和退市［78］。陳曉等人在考察中國A股上市虧損公司的扭虧行為時發現虧損公司利用關聯交易活動和重組活動扭虧為盈［9］。謝海洋和王秀芬研究2001年債務重組會計準則下的盈余管理行為時發現，對債務重組收益影響較大的因素之一是扭虧［4］。樊懿芳與紀巖對新準則下債務重組公司的實證研究發現，發生債務重組的公司通過債務重組進行了盈余管理，且扭虧與債務重組程度顯著相關［10］。在上述研究的基礎上，本文提出假設3。

H3：新準則下扭虧與上市公司債務重組幅度顯著相關。

三、 研究設計

（一） 樣本選擇及數據來源

本文研究樣本為2007年進行債務重組并產生債務重組利得的A股市場上市公司。2007年進行債務重組的上市公司共計229家。本文剔除了金融行業的上市公司2家，剔除了前一年有關數據缺失的公司及雖進行債務重組但涉及金額不大無需披露的公司42家，剔除了發生債務重組虧損的上市公司79家，剔除了資產負債率高于300%、營業利潤增長率高于3000%的公司 32家，得到最終樣本為74個。

本文樣本數據來自巨潮資訊網及滬深證券交易所，使用的統計軟件包括EVIEWS6.0、Excel等。

（二） 模型與變量設定

1. 模型設定

本文采用多元回歸模型檢驗前述假設。回歸模型為：

DEPi =β0+β1CLEVi +β2ORGROi +β3CLOSSi ＋β4MAFi +εi

其中，DEPi為被解釋變量，代表債務重組幅度；CLEVi、ORGROi、CLOSSi為解釋變量，分別代表財務狀況改善、平滑利潤和扭虧；MAF為行業控制變量；β0為截距，β1、β2、β3、β4分別代表模型各變量的回歸系數，εi為隨機干擾項。

2. 變量的含義

本文以債務重組幅度變量（DEP）為被解釋變量。債務重組幅度變量是指上市公司當年債務重組利得與公司期初負債的比值，即標準化的債務重組利得。取債務重組利得與期初負債得比值，可以使不同規模樣本公司具有可比性，同時又體現了債務重組的程度。

解釋變量有三個。一是資產負債率差額（CLEV）。用債務重組前后上市公司資產負債率的變化來表示財務狀況改善情況，其計算公式為CLEV=(公司2006年末負債總額/2006年末資產總額)－(2007年末負債總額/2007年末資產總額)。二是營業利潤增長率（ORGRO）。用債務重組前后上市公司營業利潤率的變化來體現利潤平滑幅度，其計算公式為ORGRO＝(2007年營業利潤－2006年營業利潤)/2006年營業利潤。三是扭虧（CLOSS）。這一變量為虛擬變量。本文設定樣本中2006年虧損、2007年凈利潤為正的公司CLOSS=1；2007年營業利潤虧損、2007凈利潤為正的公司CLOSS=1；2007年凈利潤為正的ST公司CLOSS=1；其余的公司設置為CLOSS=0。利潤平滑和扭虧是盈余管理實證研究通常選擇的變量［11］。

控制變量為行業變量（MAF）。不同行業的資產負債水平、盈利能力有著較大的差異，可能會對債務重組幅度產生影響。本文將所有樣本分為制造業與非制造業兩大類，設定行業為控制變量。行業變量為虛擬變量，MAF=1代表制造業，MAF=0為非制造業。

四、 研究結果與分析

（一） 描述性統計

我們根據研究模型涉及的主要變量，計算了各個樣本的描述性統計量，如表2所示。

（二） 相關關系分析

我們對樣本公司進行了變量的相關關系分析，結果如表3所示。

從表3列示的模型中各變量相關關系的分析結果，可以看出：相關關系分析中，債務重組幅度（DEP）與資產負債率變化（CLEV）、扭虧（CLOSS）都顯著正相關，而與平滑利潤（ORGRO）正相關但不顯著。各變量相關分析的結果基本上支持本文的假設1和假設3，即財務狀況改善、扭虧與上市公司債務重組幅度顯著相關；而不支持假設2，即平滑利潤與上市公司債務重組幅度顯著相關。

（三） 回歸模型檢驗結果分析

本文建立的多元回歸方程檢驗結果見表4。

從表4可以看出，調整后R2為0.18，擬合度不是很高，但是F值為3.43，顯著性水平0.013，模型整體上有顯著統計意義。表4中，債務重組幅度DEF與CLEV、CLOSS分別在10%和1%的水平上顯著正相關，假設1和假設3成立，即財務狀況改善與上市公司債務重組幅度顯著相關，扭虧與上市公司債務重組幅度顯著相關。但是利潤平滑與債務重組幅度相關度很低且不顯著，假設2未通過檢驗，這說明平滑利潤對上市公司債務重組幅度的影響不顯著。另外，行業控制變量也不顯著，說明制造業與非制造業在債務重組幅度方面并沒有顯著差異。

五、 結論

本文以2007滬深所有進行債務重組并產生利得的非金融行業A股上市公司為研究樣本，研究新準則下上市公司債務重組的動因。研究結果表明：新準則實施背景下，財務狀況改善與上市公司債務重組幅度存在顯著正相關；實現扭虧與上市公司債務重組幅度存在顯著正相關；平滑利潤，即營業利潤增長率與上市公司債務重組幅度不存在顯著相關關系。

上述結論表明，企業進行債務重組的目的更多的是為了改善財務狀況或扭虧。需要說明的是，本文的結論無法排除企業通過債務重組進行盈余管理的動機，但也提供了企業通過債務重組的其他動機――改善財務狀況的支持證據。會計信息使用者需要對不同原因導致的債務重組進行區分，以判斷企業債務重組后的業績變化，若企業因改善財務狀況進行債務重組，企業預期的盈利可能會增加，是利好信息；若企業因扭虧等盈余管理進行債務重組，企業預期的盈利可能會減少，是利空信息。會計準則制定者和金融監管當局若要避免企業通過債務重組進行盈余管理，需要對虧損企業和高資產負債率企業的債務重組信息披露做出更為嚴格的規定，如要求其披露更加詳細的信息，以維護投資者利益，實現資本市場的穩定健康發展。參考文獻：

［1］翟勝寶，鄭潔.會計準則、證券監管規則與盈余管理――基于債務重組準則變遷視角［J］.南京審計學院學報，2011（4）：4652.

［2］劉泉平，張政偉.新會計準則引發的思考［J］.會計研究，2006（3）：710.

［3］顏敏,王平心.上市公司1999年債務重組準則盈余管理實證研究［C］.中國第二屆實證會計國際研討會論文,2003.

［4］謝海洋.債務重組準則盈余管理實證研究［J］.財會通訊：學術版，2005(10)：8487.

［5］吳戰篪，羅紹德，王偉. 證券投資收益的價值相關性與盈余管理研究［J］.會計研究，2009（6）：4249.

［6］魏濤，陸正飛，單宏偉. 非經常性損益盈余管理動機、手段和作用研究：來自中國上市公司的經驗證據［J］.管理世界，2007（1）：113121.

［7］陸建橋.中國虧損上市公司盈余管理實證研究［J］.會計研究，1999(9)：25-35.

［8］趙春光.資產減值與盈余管理――論《資產減值》準則的政策涵義［J］.會計研究，2006（3）：1117.

［9］陳曉，戴翠玉. A股虧損公司的盈余管理行為與手段研究［J］.中國會計評論，2004 （2）：299310.

［10］樊懿芳，紀巖. 債務重組與盈余管理――基于2007年深市A股上市公司的經驗證據［J］.財會通訊:綜合,2009(2)：123126.

［11］付小平. 盈余管理實證研究方法綜述［J］.審計與經濟研究，2003（5）：3942.

Research on the Causes of the Debt Restructuring under the New CAS:

Based on the Statistics of Ashare Listed Companies in 2007

WANG Tiandong, LU Wenyuan

篇9

關鍵詞:基金;羊群行為;測度;影響因素

中圖分類號:F832．48 文獻標識碼:A 文章編號:1003―5656(2006)06―0116―010

近年來的許多研究發現,現代經濟學所提出的信息不對稱和非理顯著地影響資本市場行為,“羊群行為”就是其中一個典型的現象｡關于羊群行為發生原因和后果,爭議頗多｡一般認為,羊群行為發生的原因可以解釋為:信息不對稱或不完全;缺乏知識或經驗;隨大流以規避責任;隨大流以減少恐懼等｡關于羊群行為是否將引發資本市場的不穩定也存在爭論｡本文以我國基金為研究對象,首先提出了羊群行為測度指標的改進問題,并對羊群行為的新､舊測度進行對比分析,然后依據行為金融理論和環境心理學原理,采用實證方法研究基金羊群行為測度的環境影響因素,最后根據相關理論和研究結果提出新的解釋,分析我國基金羊群行為產生的原因,并提出治理對策,從而對于正確認識羊群行為的可控性,提高市場監管水平提供政策依據｡

一､文獻綜述

主流的實證性羊群行為研究①認為,群體行為一致性(羊群行為)可能是正反饋交易策略或模仿上期的交易策略引致的｡Lakonishok,Shleifer和Vishny[1](以下簡稱LSV)以1985年至1989年美國769家養老基金為樣本,用處于單邊交易(買方或賣方)中的基金家數比例研究基金之間的羊群行為｡研究發現,樣本基金不存在顯著的羊群行為或正反饋現象,但在小規模股票的交易上具有“輕微的”羊群行為｡Wermers[2]以1974年至1984年美國274家共同基金為樣本,發現不存在顯著意義上的羊群行為,但在按基金投資目的分類后,共同基金存在同時購買和序列購買(Sequential Buy)同一只股票的行為｡Wer-mers[3]修正了LSV的羊群行為測度指標,將其區分為“買方測度”和“賣方測度”,在檢驗1975―1994年美國股市的共同基金時發現:樣本基金整體上存在羊群行為,基金共同買入的股票比共同賣出的股票具有較高的同期和滯后收益｡隨著持有股票的共同基金數量增多,羊群效應明顯增強｡LSV認為,基金的羊群行為未必導致市場波動｡但Kaminsky和Schmukler[4]以及Choe和Kho等[5]認為,羊群行為對市場的穩定性和效率有很大影響,1997―1998年間的東南亞金融危機爆發時,外國投資者的羊群行為起了推波助瀾的作用｡

施東暉[6]簡化了LSV模型,對1999年1季度至2000年3季度中國股市基金進行分析,認為投資基金對于單個股票的交易存在顯著的羊群行為;在電子通訊､生物醫藥､基建產業等行業存在更高的羊群行為;但沒有檢測出顯著的正反饋交易現象｡陳浩[7]使用經典的LSV法,并對比了Wermers[3]區分買賣方的指標,對1991年1季度至2003年2季度的基金交易數據進行羊群行為測度的檢驗后發現:投資基金存在顯著羊群行為,基金在小盤股上的羊群行為更顯著;但采用Wermers[3]區分買賣方的指標沒有得出顯著并正確①的結果｡吳福龍､曾勇和唐小我[8]采用同樣的方法對2000-2001年的基金中報和年報數據進行檢驗,發現中國基金的羊群效應高于美國共同基金的羊群效應,但并未表現出對大盤股､小盤股､新股以及信息技術行業樣本股票的特殊偏好;投資重心有從小盤股向大盤股轉移的趨勢｡羅真和張宗成[9]以1999年1月至2002年12月中國股市74家封閉式基金為樣本,應用概率單位模型對基金經理所面臨的“隱性激勵”對基金投資行為的影響進行了研究｡研究認為:基金經理面臨消極職業結果(降職或離職)的可能性與基金當期業績有顯著的負相關關系;小規模基金經理､年輕的基金經理采用非常規的投資策略失敗后將受到更大的消極職業結果的威脅,因而他們在投資組合的行業選擇上可能更容易產生羊群行為｡區別于國內目前對基金羊群行為的研究,本文側重于羊群行為測度的改進和羊群行為的影響因素研究｡

二､羊群行為測度和影響因素的研究與改進

(一)羊群行為的測度與改進

1.LSV的測度(HM)

LSV將羊群行為測度定義為:

HMi.t=|Pi.t-E(Pi.t)|-AF(1)

其中:Pi.t為在給定季度t凈買入股票i的基金家數比例,即買入股票i的基金家數與買入和賣出股票i的總家數之比;E(Pi.t)為Pi.t的期望值,用Pi.t在給定季度的算術平均值Pt近似代替;AF為調整因子,由于在基金買賣股票行為相互獨立的零假設下,|Pi.t-E(Pi.t)|值可能并不為零,即Pi.t可能偏離其期望值,因此令:

AF=E|Pi.t-E(Pi.t)|=E|Pi.t-Pt|(2)

假定當基金經理之間不存在羊群行為､投資決策相互獨立時,Bi.t(t期凈買入i股票的人數)服從B(ni.t，Pt)的二項式分布,ni.t=Bi.t+Si.t,為基金總家數｡即:

P?邀Bi.t=k?妖=(1-Pt)n-k(3)

將(3)式代入(2)式,就可求出AF｡

2.LSV測度中存在的問題:

(1)經典LSV法對HM的定義算法較復雜,經濟含義不夠明確

由定義式(1)可知:|Pi.t-E(Pi.t)|表示在基金經理存在羊群行為時,股票i凈買入者比例對其期望值的偏離程度,則羊群行為測度指標HMi.t代表“購買者比例偏離程度的偏離程度”,該指標計算繁瑣,經濟含義不易理解｡

(2)經典LSV法對HM的定義可能會低估羊群行為的真實程度

當|Pi.t-Pt|

(3)經典LSV測度不適用于中國股市

陳浩[7]在使用Wermers區分買賣方的方法檢驗中國股市時,卻得出“買方測度”

3.本文對羊群行為測度的修正：

(1)修正的測度指標HM(以下簡稱新測度)

在不存在羊群行為､投資決策相互獨立的零假設下,那么定義新測度為:

Hi.t=Pi.t-Pe.i.t(4)

其中:Pi.t為在季度t對股票i,基金經理中凈買入者所占比例;Pe.t為零假設下該比例的值,即:Pe.i.t?邀Bi.t=k?妖=Pk(1-P)n-k,羊群行為測度Hi.t=Pi.t-Pe.i.t意味著在給定季度t,對股票i,基金家數中的實際購買者比例與零假設下理想比例值的偏離｡如果零假設成立,則E(Hi.t)為零｡

(2)新指標的合理性及其優點

新指標Ht具有四方面的優點和合理性:(1)經濟含義明確,且避免了LSV指標中因計算絕對值而帶來的數據方向與經濟含義不符的缺陷;(2)避免了低估真實羊群行為程度的傾向;(3)在本文第四部分的新舊指標對比分析中可以看到,新指標(數據符號為正)準確地反映了中國基金群體在發展中處于增倉(超買)階段的真實狀況;而LSV指標(數據符號為負)難以解釋該狀況;(4)在本文第五部分市場環境影響因素的檢驗中可以看到,新指標所體現的羊群行為與市場環境的關系準確地反映了市場真實狀況,而采用LSV指標卻難以對檢驗結果做出合理的解釋;(5)新指標計算簡單｡

(二)羊群行為的特征與影響因素研究

1.羊群行為特征與影響因素研究中存在的問題:我們認為:國內關于基金羊群行為的研究存在三個問題:(1)Fisher和Jeffrey等[10]認為,個體的行為異常與環境壓力有密切關系,行為人的正常動機在壓力性的環境中常常受到異常動機的干擾甚至后者起主導作用｡羊群行為的盈利動機包括正常盈利動機和異常盈利動機,如果正常盈利動機單獨存在,那么基金羊群行為的“正反饋”性質是顯著的｡然而,目前對于國內市場羊群行為的“正反饋性”研究,卻沒有得到統一的結論｡(2)國外相關研究表明基金出于對市場看法的一致和基金同質性,在買賣具有某種盈利特征的股票,如小規模股票､成長型股票或價值型股票､特定行業類股票等等過程中可能產生顯著的羊群行為｡然而中國股市基金羊群行為的實證研究表明“中國投資基金并未表現出對大盤股､小盤股､新股以及行業類股票的特別偏好”,但相關文獻沒有對這一現象做出合理的解釋｡(3)現有文獻很少涉及羊群行為發展趨勢和變化規律的研究,很難從中發現羊群行為的影響因素｡

2.本文的改進:作者認為,中國投資基金羊群行為的“正反饋性”以及“股票偏好性”不顯著是由于基金投資者在壓力性的投資環境中,其異常盈利動機即“共同操縱股票的動機”削弱了正常盈利動機｡通俗地講,在市場規模偏小以及績優股或成長股等可選擇品種有限的市場中,如果能夠通過共同操縱股價的主動性策略實現盈利,那么就沒有必要在少數績優股或成長股上集中､被動地持股,尤其在股價漲幅已高､持股風險過大的時候｡現有文獻對羊群行為特征的研究局限于對基金所投資股票的研究上,即對基金所投資股票按照股票上一期收益率､股票規模､所屬行業､市盈率等特征進行分組檢驗,分析羊群行為的特征｡由于無法剔除基金異常盈利因素對數據的影響,這種特征研究沒有得出統一的結論｡此外,Chang,Cheng和Khorana[11]的研究認為南韓､中國臺灣等新興市場的羊群行為程度高于成熟市場;Kaminsky和Schmukler[4],Choe和Kho等[5]認為外國投資者的羊群行為對東南亞金融危機起到了推波助瀾的作用｡可見,亞洲新興市場普遍的小規模特征和易操縱性為羊群行為的滋生､蔓延､變異提供了深厚的土壤｡因此,依據環境心理學和行為金融相關理論,本文首次采用按基金規模(而非所投資股票的規模)､基金盈利能力(而非股票的收益)､基金類別(而非股票的行業類別)等指標分組檢驗基金羊群行為的規模特征､盈利特征和類別特征,同時采用實證分析方法,對基金羊群行為的“時變性”特征及其環境影響因素進行研究,包括時間､季度､基金/市場相對規模､市場態勢､基金盈利水平等因素與羊群行為測度的關系｡

三､研究設計

本文以1998年第1季度至2003年第4季度在滬深兩市交易的封閉式和開放式基金的每季度投資組合數據為樣本,比較各家基金對列于其投資額前十名的股票持倉數量的變化,確定買賣各股票的基金家數,并篩選其中對任意股票買賣家數不少于3家的數據｡本文假定買賣行為是一次性完成的｡原始數據來源:CCER數據庫､上海和深圳證交所交易數據庫｡

(一)變量及其定義

1.羊群行為測度:本文同時使用兩種羊群行為的測度指標:LSV測度定義見式(1);新測度定義見式(4)｡

2.時間變量:time=-10，-9，…，0，…10，11,檢驗期為1998年第2季度至2003年第3季度｡

3.季度變量:Season=1，2，3，4,分別代表每年的第1､2､3､4季度｡

4.基金的相對規模Fund/Stockt:為了消除價格因素的影響,該指標采用基金家數與上市股票家數之比,其表示基金在股市中的相對比重,而Fund/Stockt的倒數代表基金的投資品種選擇倍率,因此該指標能更好地反映基金交易行為受股市容量的影響｡

5.基金盈利能力(Rp-Rf)accu，t:本文以基金當年平均累計超額回報率(Rp-Rf)accu，t代表基金的盈利能力,Rf由3個月期定期儲蓄利率計算而得｡

6.市場態勢Zt:設市場態勢為啞變量Zt,以上證綜合指數收益率Rm來表示①,當Rm>0,Zt=1;當Rm =0,Zt=0;當Rm

(二)新測度Ht與LSV測度HMt的對比分析②

1.Ht與HMt的相關分析｡設:

Ht=λ+ζΗΜt+εt(5)

其中:Ht為新測度;HMt為LSV測度;λ､ζ分別為回歸系數;εt為誤差項｡

2.新測度Ht所包含的超買信息的分析｡根據定義,新測度與LSV測度的量綱并不相同｡為了在同一量綱上進一步進行對比,本文定義基金“超買羊群行為”的測度為:

EX(Ht)=Ht-Ht(6)

其中:EX(Ht)為超買行為的測度,為Ht在樣本檢驗期間的均值｡

3.基金類別和季度差異對羊群行為測度的影響分析｡由于現有文獻對股票按照規模､收益､行業類別等特征分組檢驗所得到的結果不顯著､結論不統一,本文另辟蹊徑,從基金的特征入手,(1)把基金按照凈值分為大規模､中等規模和小規模組合,分別計算和比較各組合的Ht與HMt值;(2)按基金的季度凈值收益率分為輸家和贏家組合,分別計算并對比各組合的Ht與HMt值;(3)按基金類型分為封閉式和開放式組合,計算對比各組合的Ht與HMt值｡

(三)羊群行為的影響因素分析

1.為了研究羊群行為的影響因素和特征,本文采用Fama-Macbech[12]回歸法,首先建立基金羊群行為的單因素分析模型如下:

H*t=α+βXt+εt(7)

其中:H*t代表基金羊群行為測度Ht與HMt;Xt分別代表:時間Timet､基金相對規模Fund/Stockt､基金盈利能力(Rp-Rf)accu，t或市場態勢Zt;α､β為回歸系數;εt為誤差項｡

2.在逐一分析羊群行為各個特征因素的基礎上,選取盈利能力､相對規模､時間和市場態勢等因素構造多因素檢驗模型如下:

H*t=α+β1(Rp-Rf)accu，t+β2Fund/Stockt+β3Timet+β4Zt+εt(8)

其中:H*t代表基金羊群行為測度Ht與HMt;(Rp-Rf)accu，t代表基金盈利能力;Fund/Stockt代表基金相對規模;Time為時間指標;Zt為市場態勢指標;α､β1､β2､β3､β4為回歸系數;εt為誤差項｡

四､羊群行為新､舊測度指標的對比分析

(一)Ht與HMt的對比分析

從圖1可以看出:(1)由于定義及相應計算公式的差異,新測度數量級顯然大于LSV測度,且兩者大多數值的符號相反;(2)Ht與HMt序列之間存在對稱關系｡

新舊測度的相關分析表明:無論以原始數據或季度平均數據回歸,Hi，t與HMi，t之間,Ht與HMt之間均存在顯著(α=1%)的線性相關性,相關系數分別為-55%和-87%,可見以Ht作為羊群行為的測度更為簡潔易解,且與HMt顯著相關｡

從表1可以看出:(1)22個季度的新測度Ht均值為27.02%,除個別季度外,各季度Ht值基本穩定且為正數,表明這一階段隨著基金數量增加,基金持續增倉,呈凈買入狀態,除第11和20季度外,符合中國基金投資管理和市場實際情況①｡而LSV測度在各季度HMt值雖基本穩定卻為負數,均值為-4.59%,難以解釋中國的現實情況｡(2)進一步分析基金“超買羊群行為”的測度(參見圖1),EX(Ht) 除個別季度外②,基本穩定且為正數,進一步證實了表1的結果｡可見以Ht作為中國股市基金羊群行為的測度,能更準確的反映基金的羊群行為,及市場和基金的現實情況｡(3)Ht值隨季節波動,平均來看,每年第2-3季度達到最高｡

(二)基金類別對羊群行為測度影響的對比分析

1.不同規?；鸾M合:檢驗不同規模組合的Ht值,如表2中A欄所示:大､中規模組合的Ht值大于小規模組合的Ht值;大規模組合的Ht值與中等規模組合的Ht值接近｡按照一般規律,小型基金比大型基金更容易發生羊群行為,因為大型基金信息獲取相對更為充分,理性程度和投資管理水平也更高[9]｡然而本文檢測出中國股市大型基金的羊群行為更嚴重,這可能是因為較大的投資規模使得盈利更困難,因而有更強烈的動機通過羊群行為保障收益｡HMt的對比檢驗具有與Ht相反的結果｡

2.不同盈利水平基金組合:對比檢驗贏家和輸家組合的Ht值,如表2 中B欄所示:贏家組合的Ht值略大于輸家組合｡這表明基金的羊群行為測度和基金的盈利能力之間可能存在著一定程度的正相關性,HMt的檢驗結果一致｡

3.不同類別基金組合:檢驗封閉式和開放式基金組合的Ht和HMt值,結果如表2 中C欄所示:兩者區別不顯著｡理論上由于開放式基金面臨贖回壓力,且成立時間較晚①,短期盈利壓力更大,有更強烈的動機采取羊群行為｡可能由于開放式基金僅有8個季度的數據,導致以上檢驗誤差較大｡HMt的檢驗結果與Ht相同｡

(三)季度差異對羊群行為測度影響的對比分析

使用時間序列分析Ht和HMt值季節指數,如表2中D欄所示:基金的羊群行為高發于每年的第2､3季度,呈現有規律的從第1季度到第3季度遞增,從第3季度到明年第1季度遞減的趨勢｡這一現象可能是因為受到 “無關效應(Disjunction Ef-fect)”②和基金年終業績排名的壓力｡第1､2季度基金對當年盈利情況還沒有把握,操作上放得開手腳,這一階段羊群行為上升緩慢｡第2季度結束后,基金對上半年的盈利情況心中有數,對市場看法趨同,第3季度成為羊群行為集中的季節｡而第4季度基金操作比較謹慎,擔心意外損失影響全年受益｡(第二年)第1季度可能基金管理公司還未完成經理人業績評估和新年投資決策,基金的交易行為不活躍,羊群行為相應較少｡該結果與表1列示的Ht和HMt值的季節性波動結果一致｡HMt的檢驗結果相反｡

五､運用新測度的實證檢驗結果與討論

(一)單因素模型的估計和檢驗

作者分別檢驗時間､基金規模､基金盈利水平､市場態勢等因素與羊群行為測度的關系,如表3所示:經季節指數調整后,基金羊群行為測度Ht與時間指標Timet有一定的負相關性;與基金相對規模指標Fund/Stockt有正相關性(與基金選擇倍率Stock/Fundt負相關);與基金盈利能力有正相關性;與市場態勢負相關｡對比檢驗表明:HMt檢驗的顯著性普遍較弱｡

(二)多因素模型的估計和檢驗

表4顯示:(1)Ht與基金盈利水平正相關,表明基金可通過共同持股甚至聯合坐莊的交易行為來獲得利潤,而基金的獲利又進一步推動其羊群行為｡盡管這種關系不太顯著,有待再次驗證｡(2)Ht與基金/市場相對規模顯著地正相關,這表明隨著基金相對規模的擴大,采取羊群行為的投資者逐漸增加,也表明基金規模的相對增長對羊群行為具有推動作用,這與Wermers[3]對美國共同基金羊群行為研究的結論一致｡(3)Ht與時間因素負相關②,但不太顯著,表明基金的羊群行為隨著時間推移有所減弱,但并無顯著改善｡(4)Ht與市場態勢或市場收益狀況顯著地負相關,市場向好,股票普遍上漲,投資贏利相對容易,基金的羊群行為不太活躍;市場下跌,基金單獨操作盈利困難需要聯合行動,因此表現出明顯的羊群行為｡(5)顯然,由于HMt定義導致其數值負數居多,除時間因素外,其回歸模型的系數符號與Ht相反,使得HMt的檢驗結果很難解釋中國基金羊群行為的影響因素,這再次表明Ht作為反映中國基金羊群行為的現實意義｡

六､結論與啟示

本文以1998年第1季度至2003年第4季度在滬深兩市交易的94家封閉式和開放式基金為研究對象,通過分析､比較和檢驗,本文發現:(1)我國的投資基金存在明顯的羊群行為;大規?；鸬难蛉盒袨楸刃∫幠；鸶鼑乐?盈利能力強的基金的羊群行為比盈利能力弱的基金更顯著｡(2)羊群行為的影響因素主要有:時間;季節;盈利能力;市場規模;基金群體規模;市場態勢｡其中:羊群行為在熊市期間比在牛市期間更頻繁發生,這一特征體現了羊群行為的本質,越是在壓力性或不確定性的環境中,人們越是尋求群體一致性,力圖通過從眾的力量重新獲取對環境的控制感和安全感;基金的羊群行為測度和基金/市場的相對規模正相關,即隨著市場容量的擴大而遞減,隨著基金數量的擴大而遞增;羊群行為測度與基金的盈利水平正相關,表明羊群行為作為一種盈利策略,與基金的收益互為依存｡(3)對比LSV提出的羊群行為測度,本文提出的羊群行為測度計算上更為簡潔,含義更為清晰,實證研究結果更能說明中國現實｡

作者認為,本文的實證結果表明我國基金的羊群行為與投資環境和投資者心理因素有關｡在資本市場中,以“市場態勢”､“市場規模”､“可投資證券數量”､“競爭者數量”等指標衡量的投資環境具有高度變異性,投資者難以及時充分地獲取信息,心理壓力加劇,促使“從眾本能”被激發｡同時,投資者的從眾本能也會隨著市場投資環境的變化而變化,使得羊群行為出現某種“時變性”的特征｡在市場早期(2001年以前),市場處于上升趨勢;基金投資者人數少,競爭者少;中小投資者參與股市的熱情高;市場投資環境和基金盈利的確定性較高,因此基金的羊群行為相對較弱｡這一階段基金普遍盈利水平較高,使得基金對其帶有“莊家”特征的操作模式容易產生過度自信(Over-confidence)的心理和代表性偏差,即過度相信自己判斷的正確性和自己對市場的“把握”能力,不太重視市場的系統風險｡因此,在這一階段基金延續了券商獨立操作的模式,羊群行為較弱｡過度自信和代表性偏差導致基金在市場后期(2001年以后)忽略了上市公司整體質量下降和市場正在由牛轉熊的跡象｡隨著市場環境惡化――基金發行加速､上市公司信用危機暴露､市場態勢由牛轉熊等等,基金盈利空間快速萎縮,產生了盈利反轉,甚至出現了全行業虧損｡投資環境的惡化和盈利反轉使得基金投資者產生信心不足和認知失調,為緩解“獨自承擔責任”的心理壓力,基金開始反思和調整“做莊”模式,轉而尋求群體一致性的羊群行為｡正如“行為局限理論”所指出的,個體的行為異常與其對環境的控制力丟失有密切關系,當人們覺察到對環境的控制能力丟失,首先會引起負性情緒體驗,這時個體就希望通過某種行動,重新獲取對環境的控制力,這稱為“心理阻抗”｡投資環境的惡化使得盈利不確定性加劇,基金投資者害怕“丟失控制”,因而越是處于熊市,市場環境越不利,基金越傾向于強化羊群行為,以滿足控制幻覺｡此外,作者認為中國股市單邊市和現貨交易的機制也限制了基金正常的規避風險能力,促使基金羊群行為更加強烈,并強化了羊群行為與基金規模､基金盈利水平等因素之間的正向相關性｡迄今,沒有證據表明羊群行為降低了基金投資者的收益,這與國外有關研究的結論不同｡

羊群行為增強可能孕育更大的市場風險｡克服羊群行為的對策在于:從證券監管機構的角度,進一步發展和規范市場,應注意基金的發展規模與市場規模擴展的關系,隨市場規模的發展有計劃地逐步發展基金,避免基金規模增長失調;進一步提高股票市場信息的透明度,降低因信息不透明引發的羊群行為｡從基金管理者角度看,提高基金管理能力,避免牛市的過度自信､熊市的自信不足,避免環境變化產生的負情緒所引起的心理阻抗和控制幻覺,根據市場情況構建基金投資風格,不斷提高管理者選股和擇機的能力｡

參考文獻:

[1]Lakonishok J， Shleifer A， Vishny R. Impact of Institutional Trading on Stock Prices[J].Journal of Financial Economics， 1992， 32： 23-44．

[2]Wermers R. Herding， Tread Reversals， and Cascading by Institutional Investors， Working paper， UCLA， 1994．

[3]Wermers R. Mutual Fund Herding and The Impact on Stock Prices[J].Journal of Finance， 1999， 54(2)： 581-622．

]4]Kaminsky， G Schmukler， T. What Triggers Market Jitters： A Chronicle of The Asian Crisis[J].Journal of International Money and Finance， 1999， 537-560．

[5]Choe， H Kho， B， ect. Do Foreign Investors Destabilize Stock Market?芽 The Korean Experience in 1997[J].Journal of Financial Economics 1999：227-264．

[6]施東暉.證券投資基金的交易行為及其市場影響[J]．世界經濟，2001，(10)．

[7]陳浩.中國股票市場機構投資者羊群行為實證研究[J]．南開經濟研究，2004，(2)．

[8]吳福龍，曾勇，唐小我.中國證券投資基金的羊群行為分析[J]．管理工程學報，2004，(3)．

[9]羅真，張宗成.職業憂慮影響基金經理投資行為的經驗分析[J]．世界經濟，2004，(4)．

[10]Fisher， Jeffrey D， Paul A， Bell and Andrew Baum. Environmental Psychology [M]2nd ed， New York： Holt， Rinehart and Winston ，1984．

篇10

關鍵詞：生存偏差；市場環境偏差；對沖基金；績效評價

中圖分類號：F830.91 文獻標識碼：A 文章編號：1674-2265（2017）01-0028-10

一、引 言

隨著我國證券市場的不斷發展，各類金融衍生交易產品也日益成熟，尤其是2013年6月修訂后的《中華人民共和國證券投資基金法》（又稱《新基金法》）頒布實施以來，公募基金壟斷局面被打破，對沖基金獲得了迅猛發展。對沖基金最早可以追溯至20世紀50年代末，起初的對沖基金是一種通過風險對沖來避險保值的雙向操作運行模式，如今對沖基金更多的是一種通過對沖套利來獲利的基金產品。我國對沖基金的初始形式為陽光私募基金，以非公開發行的方式，向特定投資者募集，并投資于二級證券市場，更一般的統稱為私募基金。據好買私募數據中心統計①，截止到2016年8月20日，市場上11851家私募基金管理公司共發行了58546只私募產品，在這些私募產品中，有6691只基金已清盤。從圖1可知，對沖基金當月累計成立數量從2013年6月起呈直線式上漲，且當月成立數量也一直在高位徘徊。對沖基金的迅速擴容反映了我國民間財富的快速增長以及隨之而來的對投資理財的多樣化需求。面對眾多復雜的私募基金產品時，基金績效往往成為投資者進行產品選擇的重要因素，但是我國并未形成統一規范的對沖基金績效評價標準。通過系統梳理國內外文獻，容易發現已有的績效評價方法因未考慮對沖基金生存特征和市場環境特征的偏差效應，即生存偏差和市場環境偏差，而使其評價結果的客觀性受到質疑。

在生存偏差效應方面：一方面，許多私募基金存活期并不長，消亡率與日俱增，從美國對沖基金的發展歷程可知，對沖基金的高退市率會顯著影響基金績效的持續性，并對基金績效的評價產生影響。另一方面，許多基金的信息披露過多依賴于各大數據供應商以及私募機構的自愿性。這導致投資者能夠看到的數據已經超過私募機構的自我選擇，披露的數據往往存在自我選擇偏誤。JT.Horst（2005）發現在流動性偏差和自我選擇偏誤的共同作用下對沖基金績效一年被虛增了8%。忽略自我選擇偏誤和只關注存活的基金會遺失大量有用信息，從而影響績效評價的客觀性。這就是所謂的生存偏差，即“死的基金不會說話”。

在市場環境偏差效應方面：晨星數據顯示，2015年末陽光私募產品中，我國股票型基金占據了絕對主流的地位，而其他私募產品如基金中的基金FOF、全球宏觀、債券型等數量并不多，其中2015年我國股票型基金的數量約占93%。從這個角度看，我國對沖基金的績效受到股市波動的影響會比較大，而2010年3月底融資融券交易業務的推出更是加大了這種波動的影響。事實上，當股市行情好的時候，有的基金經理即使能力一般，但借著市場的上漲基金也能獲得較高收益。在行情不好的時候，即使有的基金經理能力優秀，市場的下跌也會降低基金的收益。因此，在股市波動大的時候不考慮市場環境的績效評價很容易使得評價結果帶有市場環境偏差。

上述兩種典型偏差效應的存在會使得對沖基金績效的評價缺乏客觀性，因此，本文的貢獻在于在考慮生存偏差和市場環境偏差的前提下，客觀評價對沖基金績效，這也是對現有研究的一個有益補充。本文主要研究的問題是：我國對沖基金是否存在生存偏差效應和市場環境偏差效應；生存偏差和市場環境偏差是否會對基金績效評價存在影響。

二、相關文獻回顧

（一）基金績效評價

基金績效評價內容主要包括基金的績效、基金經理能力和績效持續性。本文著重研究兩種偏差效應對基金績效和績效持續性的影響。國內外眾多學者很早就提出了不同的觀點。

在基金績效評價指標方面：Treynor（1965）提出了對收益進行[β]風險調整的特雷諾指數。Sharpe（1966）在特雷諾指數基礎上提出了用標準差衡量風險的夏普指數。Jensen（1968）提出了詹森指數這一絕對指標，即超額收益率。

在基金績效度量模型方面：平均超額收益模型是最為基礎的模型。Fama和French（1992，1993）分別建立了三因素模型和五因素模型。Carhart（1997）提出了四因素模型，它不僅考慮了規模和市凈率，也考慮了動量效應的影響。

除了基金績效具體評價方面，投資者往往更關心基金績效的持續性，這是保障投資收益穩定性的關鍵。對于基金績效是否具有持續性、持續期的長短、持續性的顯著程度，不同學者基于不同的數據來源，利用不同的計量方法提出了相應觀點。部分文獻認為基金績效顯著，但不具有持續性，如Jensen（1968）、Phelps和Detzel（1997）。Stafylas D （2016） 對美國1990―2014年的對沖基金稻萁行研究發現，除了幾個特例，風險調整后的收益度量下的基金并沒有績效持續性。也有一部分文獻認為基金績效不僅顯著，而且具有持續性，而有的學者認為只存在短期持續性，有的認為存在長期持續性，有的認為整體具有持續性。2007年以前有關對沖基金績效持續性的文獻研究認為，對沖基金績效短期內可以持續1―3個月，或者最多長達1年，長期并不存在持續性。然而在后續研究中，利用更先進的計量方法，有學者發現對沖基金績效存在長期持續性，有的情況下基金持續期甚至長達5年。Harri，A.和Brorsen，B.（2004）利用回歸法和Spearman秩相關系數法發現了4個月持續性；Capocci，D.（2009）利用回歸法和排名比較法發現了短于1年的持續性；Ammann、M.Huber，O.和Schmid，M.（2013）用Probit模型發現了長達3年的持續性。

總的來說，國外大部分學者認為對沖基金績效持續性顯著，只是對持續期長短產生分歧。而國內很多學者認為我國基金并不存在績效持續性。在開放式基金持續性方面，周澤炯（2004）認為基金績效總體不存在持續性；在對沖基金持續性方面，績效持續性不強；麥靜鑾（2013）利用列聯表法發現贏家組合和輸家組合績效都不具有顯著持續性；邱龍淼（2012）用橫截面回歸對各個基金單獨考察發現絕大多數對沖基金在考察期內不具有好的持續性。

為了綜合比較不同基金績效評價的結果，減少單一評價指標的偏差，本文將采用多個績效評價指標和兩大類持續性度量方法：在研究生存偏差對績效影響時將使用多個績效度量指標和分組比較法，在研究市場環境偏差對績效持續性影響時將使用平均超額收益績效度量模型和橫截面回歸法。

（二）生存偏差和基金績效

生存偏差一般定義為生存基金組合和全部基金組合的績效差，但是兩個組合的具體構造方法卻不同。確認生存偏差的標準方法最先由Malkiel（1995）提出，即在一個給定的時間內獲取所有活躍的共同基金信息，在期末將所有基金的平均回報與生存基金的平均回報進行對比，回報率的差額便是生存偏差。Fung和Hsieh（2000）也采用了這種定義。Brown、Goetzman和Ibbotson（1999）用整個樣本期間存活基金和全部基金的績效差來定義生存偏差，這是第二類定義，很明顯第二類定義比第一類定義對生存基金組合要求更高，任何在樣本研究期間成立或清算的期末存活基金都不包括在內。

Xu、Liu和Loviscek（2009）發現對沖基金的收益通常被虛增，因為很多失敗的基金會停止上報績效，而失敗基金和其他基金收益間的差距平均為每月0.54%。Brown（1992）認為生存偏差會高估基金績效持續性，而Grinblatt和Titman（1989）認為生存偏差會導致基金績效的虛假反轉。

國內研究生存偏差主要以公募基金居多。史仕新和范孟君（2008）采用三因子模型和分組比較法來考察生存偏差對我國封閉式基金績效及績效持續性的影響。研究結果表明：忽略生存偏差效應會導致我國封閉式基金績效的高估，且在一定程度上夸大了我國封閉式基金績效的持續性。楊艷林（2011）采用四種基金績效度量模型發現我國封閉式基金生存偏差效應為負，生存偏差會減弱基金績效持續性，并且在生存基金定義、權重處理方式選擇不同時不改變該結論。

我國的私募基金近幾年才真正發展起來，數據獲取困難，因此對私募基金進行的生存偏差研究并不豐富。陳道輪和陳強（2013）首次用Probit模型對私募基金的消亡現象進行了深入分析，并發現影響生存偏差的因素與績效波動、規模大小和年輕程度相關。林魯森（2016）利用分組比較法發現，生存偏差夸大了對沖基金的分組整體績效持續性。利用游程檢驗對基金個體績效進行檢驗時，存在績效持續性的基金很少，而生存偏差高估個體基金持續性程度為1.18%。

（三）市場環境偏差和基金績效

許多學者研究了不同基金績效度量方法對排名的影響，但是卻忽略了所選樣本的完整性和樣本因處于不同期間、不同市場環境所帶來的績效差異。Bal和Leger（1996）研究對象是樣本期間一直存活的基金。Stotz（2007）研究了不同績效度量方法的關系，所選擇的樣本包含了生存基金和死亡基金，但是卻沒有考慮市場環境的影響。

Pastor和Stambaugh（2002）認為將新的市場環境信息引入到基金績效評價模型會得到更為精確的結果。Scholz和Schnusenberg（2008）采用了Pastor和Stambaugh（2002）的績效修正方法，對包含死亡基金的樣本分為不同市場時期進行了研究。匡榮彪（2009）也采用了該績效修正法對我國開放式基金的市場環境偏差進行了研究，發現修正后的績效指標能夠提高基金當期不同績效指標的排序一致性，也會縮小牛熊市組合的績效差。

三、研究方法和數據處理

（一）基金績效評價

1. 基金績效度量。本文的績效度量方法采用常用的夏普比率、特雷諾指數、詹森比率三大經典指標和平均超額收益模型、Fama三因子模型等。

其中，[MKTi]是市場收益率減去無風險利率后的市場超額收益率，[SMBi]、[HMLi]分別代表規模因子、價值因子序列。[βM-3Fi]、[βS-3Fi]、[βH-3Fi]分別代表的是三因子模型的市場[β]、規模[β]和價值[β]。這三個指標為正且值越大，那么基金績效越好。

2. 相關定義。

（1）業績基準選取。本文的無風險利率根據人民銀行公布的一年期定期存款利率折算而成，即按照一年52周折算成周利率，市場指數為滬深300指數。

（2）規模因子和價值因子。采用巨潮風格指數中的大盤成長（[LG]）、大盤價值（[LV]）、中盤成長（MG）、中盤價值（[MV]）、小盤成長（[SG]）、小盤價值（[SV]）來構建[SMB]和[HML]。

（3）基金凈值收益率。出于對基金的分紅或拆分因素的綜合考慮，本文的基金凈值采用基金復權單位凈值，@樣能還原基金歷史增長率。

其中，[Ri]為基金復權凈值增長率，[de]為本周首日的復權單位凈值，[df]為上周首日的復權單位凈值。

3. 基金績效持續性度量方法。績效持續性檢驗方法一般分為參數法和非參數法，參數法主要是橫截面回歸法，非參數法主要是分組比較法、Spearman秩相關系數法。

（1）橫截面回歸法。橫截面回歸法首先將樣本分為相等的評價期和持續期，通過檢驗后者對前者的橫截面回歸的斜率系數是否顯著進行績效持續性判斷。橫截面回歸的公式如下：

如果[b]的t統計量具有顯著性，則說明評價期與持續期基金績效相關。如果斜率系數[b]顯著為正，則表明基金績效具有持續性特點。由于持續性檢驗結果可能對不同的期間具有敏感性，因此本文將采用許林等（2016）使用的滾動回歸法建立不同評價期和持續期。

（2）分組比較法。分組比較法是將基金考察期分為排序期[p]年和評估期[q]年。在排序期將所有基金按績效從大到小排序，分為N組。1組合的績效最好，N組合最差，持有組合[q]年后分別得到N個組合在評估期間的收益率序列，[q]年后再重新按績效進行排名和分組，依次下去，可以得到除排序年份的其他年份的N個收益率序列?？紤]到退市基金，如果有基金在排序期退市就直接剔除，評估期退市的基金退市前的收益仍考慮在所在組合，該排序期和評估期都未成立的基金不考慮在這次排序中。然后通過計算組合1和組合N的收益差可以得到新的序列，也即相對超額收益序列。最后再用平均超額收益率模型對這個相對超額收益序列進行度量。如果[α]顯著大于零，那么基金分組整體具有績效持續性，如果生存基金樣本對應的值大于全部基金樣本，那么生存偏差夸大了基金分組整體的績效持續性。

（3）Spearman相關系數法。Spearman秩相關系數檢驗屬于非參數法，利用兩變量的秩次大小做線性相關分析，對原始變量的分布不做要求，而且受極端值的影響很小，因此可以用來檢驗基金績效排名的持續性，等級相關系數[ρ]的正負程度可以分別反映兩期排名的正相關和負相關程度。

（二）基金組合收益的處理

一般有兩種方法來加總基金組合的收益：一個是先對樣本期間每個時間點進行橫截面收益加總，然后再根據績效度量模型來計算組合的績效；另一個是計算整個樣本期間每只基金的績效然后再橫截面加總。采用第二種方法的前提是基金組合的每只子基金存活的時間必須要長，才能保證對應的時間長度的數據，這樣結果才可靠。但是我們的基金樣本中有許多在研究期間成立或者退市的基金，如果去掉這些基金則無法研究生存偏差，反而會帶來人為計算偏差。因此，本文選擇第一種方法作為基金收益率組合的加總法。

在對每個時間點橫截面加總時一般涉及等權重法和等價值法，由于本文的基金數量多、時間跨度大，單只基金市值影響有限，再加上很多基金市值信息不完善，因此采用等權重加權法。

（三）生存偏差效應

Rohleder（2010）認為不同的生存基金定義本身也會導致生存偏差估計結果出現差異。為了更好地對樣本存活基金進行統計描述和保證實證部分的嚴謹性，本文將分別使用兩種生存基金定義，即分為一直存活基金組合和期末存活基金組合。大部分文獻的死亡基金都定義為到期清算和提前清算基金，但是筆者整理基金數據時發現，許多基金并未清算卻停止公布凈值。私募基金披露數據遵從自愿性原則，一般情況下基金管理人愿意主動向數據供應商定期公布其運作信息，但當基金因績效表現優異而吸引到足夠多的資金時，基金管理人可能會失去向外界公布信息的動力?；蛘呤牵敾鹂冃П憩F糟糕時，基金管理人也可能不愿繼續公布其績效。因此本文將死亡基金定義為已清盤基金以及自我選擇偏誤基金，所謂自我選擇偏誤基金是指連續4周以上（不包括4周）停止公布凈值。本文的生存偏差采用一般定義，即生存基金組合和全部基金組合的績效差，如果生存基金組合績效大于全部基金組合說明存在生存偏差效應。

（四）市場環境偏差度量和修正方法

借鑒Pastor和Stambaugh（2002）的方法修正基金績效評價方法，并比較修正前后績效的差異，如果存在差異說明存在市場環境偏差，這與Scholz和Schnusenberg（2008）的定義相一致。本文在劃分市場時期時，分為牛市基金組合、熊市基金組合以及牛熊市基金組合。首先本文篩選出了在2014年10月24日（2390.7點）到2015年6月5日（5230.55點）和2015年6月12日（5335.11點）到2016年2月26日（2848.03點）均有數據的641只基金作為牛熊市基金組合，這641只基金包含了部分死亡基金，從而減小生存偏差效應的影響。再把牛熊市基金組合按時期分為牛市基金組合和熊市基金組合。圖2為研究期間滬深300指數月末收盤價走勢圖。

匡榮彪（2009）、Scholz和Schnusenberg（2008）都是基于四因子模型的因子載荷和樣本期中的市場風險因子對基金績效指標進行修正。李體委（2011）利用滬深A股全部上市企業的數據進行實證檢驗，結果表明標準Fama-French三因子定r模型能解釋A股的月收益率。因此本文將使用Fama-French三因子模型。

首先分別對（5）式求均值和方差：

（五）數據來源和處理

研究區間的選擇對研究結論的推廣至關重要。本文將研究時間區間鎖定為2011年7月1日―2016年7月1日。從2008年、2009年開始私募基金絕大多數都是以周為單位公布凈值，為了獲得更多基金凈值信息，本文將使用基金周單位復權凈值。在我國按產品類型不同，可分為結構化私募和非結構化私募。結構化私募會把投資者分為優先和一般兩個層級，對外會兩組凈值報告，由此得到的數據無法反映真實的收益。而非結構化產品與普通基金產品類似，對外只公布一組凈值報告。按投資策略不同我國私募基金可以分為股票型、債券型、FOF、套利、事件驅動等策略，其中股票型基金在我國占了絕大多數。因此，本文首先以非結構化的股票型基金為首要篩選條件。為了保證每只基金有足夠的凈值數據，將成立兩年以上且有連續104周的基金凈值數據作為另一個篩選條件。為了研究生存偏差，分別篩選出了在樣本研究期間一直存活的生存基金和期末存活基金（前者是后者的子集）、提前清算基金、到期清算基金以及自我選擇偏誤基金，后三者組成了死亡基金。本文所用數據皆來自于萬得數據終端、私募排排網以及格上理財網。初始數據有39384只，利用Python軟件篩選后最終得到了796只對沖基金，其中324只生存基金、614只期末存活基金、182只死亡基金（142只清算基金和40只自我選擇偏誤基金）。本文后續的數據處理均在Stata14.1和Excel 2016軟件中完成。

四、實證分析與結果討論

（一）我國對沖基金生存偏差效應

表1顯示了不同績效度量方法下的生存基金、期末存活基金與全部基金的績效差，除了用夏普比率表示的績效在生存基金定義為研究期間一直存活時出現負數以外，其余都在1%水平上顯著為正，這表明無論生存基金取何種定義，退市基金的平均超額收益要小于生存基金的平均超額收益，生存偏差效應的存在高估了基金績效。這與林魯森（2016）得出的研究結論相一致。

（二）生存偏差對基金績效持續性的影響

為了不遺漏死亡基金帶來的寶貴信息，本文采用分組比較法對基金績效持續性進行研究。根據前面的介紹，考慮到研究樣本的取樣情況，本文將所有的基金分為五組，排序期分別取P=1/4、3/4、1，評估期為q=1/4，表2給出了檢驗結果。

在組合5中，當p=1/4時，相對于全部基金組合，一直存活基金和期末存活基金組合表現出相對較弱的持續性，說明生存偏差的存在削弱了基金績效持續性。這雖然與楊艷林（2011）得出的結論一樣，但是楊艷林考察的是數量較少績效穩定的封閉式基金績效持續性，而本文考察的是樣本多、績效不穩定的對沖基金，可比性并不大。在p=3/4和p=1時，一直存活基金組合的績效持續性均強于期末存活基金組合和全部基金組合（p=1時績效持續性反轉）。這說明，在生存基金定義為一直存活基金時，生存偏差會夸大三季度和一年的持續性，但是定義為期末存活基金時并不能得出該結論。這與林魯森（2016）得到的全部基金組合平均超額收益率大于生存基金這一結論不一致。

在組合1和組合5中，除了在p=3/4時，全部基金的平均超額收益并沒有總小于一直存活基金和期末存活基金平均超額收益的規律。這與上文得出的生存偏差的存在應該降低基金收益率這一結論不一致。林魯森（2015）認為可以從我國死亡基金的結構和收益情況來解釋為何生存偏差在短期并沒有降低全部基金平均超額收益。死亡基金樣本主要為到期清算和提前清算基金，而一部分提前清盤的對沖基金會在行情火熱的時候擴大規模，大量發行產品，基金收益率會在一段時間內暴漲，一旦觸及清盤線容易被動清盤，這些基金歷史收益率并不是特別差。而到期清盤的基金發行期限往往很短，歷史績效好的更有可能發行短期產品，因此這些基金的歷史收益率也不會特別差。而且，在使用分組比較法的時候，在排序期退市的基金將直接剔除，這本身就與前一部分研究生存偏差對績效的影響時樣本數量不一樣。再加上分組比較法是分各個持續期反映了最好的與最差的績效組合，比起考慮全部研究期間所有樣本各個時點的績效是不完整的。因此，組合1和組合5的績效情況并不能反駁生存偏差高估基金績效這一結論。

因此，從表2來看，生存偏差會影響基金績效持續性，但并不能簡單地說生存偏差高估了或者低估了基金績效的持續性。在不同的生存基金定義下，在不同的持續期，得到的結論會有所差異。這一方面說明了我國對沖基金發展仍處于瞬息萬變的階段，許多情況并不能被量化，另一方面也說明對沖基金的發行和死亡在備案方面并沒有規范化。

（三）市場環境偏差

1. 描述性統計。表3分別是三個時期市場環境因子、規模因子、價值因子的描述性統計分析。無論哪個時期，三個因子的相關系數都較弱，方差膨脹因子都小于臨界值10，因此回歸模型不存在多重共線性。最后兩列是[SMB]和[HML]分別對[MKT]進行回歸的[α、]和[β]。

2. 移動平均線。圖3是三個因子的26周移動平均線，從圖中可以看出三個因子都有隨著時間劇烈波動的特征，從而說明平均超額收益、夏普比率、特雷諾指數等基金績效指標都容易受到市場環境影響。

3. 三因子模型回歸結果。表4是牛市基金組合、熊市基金組合、牛熊市基金組合的三因子模型估計結果，我們對每個組合的每個基金都進行了回歸，然后再計算組合內各個基金的截距項、系數和調整過的[R2]的均值和標準差。從[βM-3F]、[βS-3F]、[βH-3F]的值可以看出，牛市基金受到各個指標的影響程度要大于其他兩個組合，這說明不同市場環境下各個因子的解釋程度有所不同。從調整后的[R2]可以看出，三因子模型一定程度上可以解釋基金的超額收益。

表5是641只基金樣本不同指標度量下的績效排名在牛市和熊市的相關性分析。指標修正前，除了夏普比率度量下的兩期績效有弱持續性外，其余都不存在持續性。進行修正后平均超額收益指標和夏普比率度量的績效排名相關系數沒有太大變化，而特雷Z指數和詹森指數度量的相關系數都分別增大了0.271和0.289，基金排名出現了一定程度的持續性。本文認為平均超額收益指標和夏普比率變化小是因為這兩個指標在修正時并沒有像詹森指數和特雷諾指數那樣加入市場環境因子與規模因子、價值因子的關系，再加上績效修正前后變化不大時并不一定能夠在績效排名上體現出來。因此上述結果有效地說明了在市場波動大的時候，市場環境偏差是很明顯的。事實上，大部分對沖基金經理具有不一致的投資風格，某些能力較好但是穩健型的基金經理可能在行情好的時候并沒有獲得超額收益，而能力較差但是激進型基金經理卻獲得了很大的超額收益。因此忽略這種偏差很容易只片面地看到基金績效的高低排名，而這種未修正的指標特別是特雷諾指數和詹森指數并未真實地反映基金經理績效持續性能力。

5. 橫截面回歸法。為了更好地研究修正指標對基金績效持續性的影響，本文將用平均超額收益率指標來考察單個基金的短期績效持續性變化：分別以修正前后超額收益作為變量，以13周為評價期，以隨后13周為持續期，對牛熊市期的641只基金分別進行滾動回歸（一次滾動一周）。這樣得到全部基金的45個b值系數，由于數據繁多，對每個基金的b值分別求平均值。通過統計所有基金回歸系數平均值發現，無論修正前后，641只基金只有93只略大于零，這說明我國對沖基金績效絕大多數不存在短期績效持續性，一少部分存在弱持續性。通過對每只基金修正前后回歸系數做比較發現，共有496只基金系數有稍稍提高，即提高這些基金的績效持續性和削弱其績效反轉性。這說明對沖基金績效持續性差是存在市場環境偏差所導致的，這種偏差雖然并不是主要原因，但是對指標進行市場環境偏差修正能夠更好地研究其他因素對績效持續性影響。因篇幅限制，不再列出對沖基金修正前后的回歸系數變化情況②。

五、結論與建議

（一）研究結論

因現有文獻關于對沖基金績效評價的方法，缺乏考慮基金生存特征和市場環境特征對基金績效評價的影響，導致績效評價結果失真?；诖?，本文引入這兩種偏差效應進行修正績效評價。首先，選取我國796只對沖基金作為樣本，對其生存偏差和市場環境偏差效應進行實證檢驗。其次，研究了這兩種偏差對基金績效評價與績效持續性的影響。最后，據此提出了一種基于偏差修正的對沖基金績效評價方法。實證結果發現：我國對沖基金均存在顯著的生存偏差與市場環境偏差效應，且生存偏差高估了績效評價，并影響基金績效持續性；市場環境偏差的修正能夠整體上提高不同時期績效排名的相關性，也能提高大部分對沖基金的績效持續性和削弱績效反轉性，這無疑提高了對沖基金績效評價結果的客觀性。

（二）對策建議

針對上述研究結論，本文從以下三個維度提出相關對策建議，力求更進一步推動對沖基金績效評價方法的科學客觀化，促進對沖基金的良性健康發展。

對監管者來說：一方面，要提高成立陽光私募基金的準入門檻，規范基金備案。2016年2月，中國基金業協會的《關于進一步規范私募基金管理人登記若干事項公告》正式實施，私募基金的監管也更嚴，從最初的寬進自律性監管，到高準入門檻監管，私募基金行業也面臨大洗牌。面對最新出現的保殼亂象，監管者需更多地進行引導，把握好疏堵的力度。這樣抑制陽光私募基金的數量、提高其質量，防止股市行情好時基金數量泛濫，也能夠改善基金整體的績效和績效持續性。另一方面，要加強對沖基金信息披露制度，嘗試和國際接軌，規范基金披露信息的內容和格式，提高基金運作的透明度，幫助投資者正確決策。對于出現績效虛報的行為應進行懲戒，對此，可借鑒美國的經驗設計出相應的虛報預警系統。

對基金公司來說：要對基金績效評價指標進行生存偏差和市場環境偏差的修正，幫助投資者有效決策。要根據自身基金的特點定期或不定期向數據供應商提供數據，減少信息披露的隨意性，尤其是不能在績效差的時候虛報績效。

ν蹲收呃此擔閡環矯媯要理智選擇對沖基金產品，不要盲目跟風，不要簡單地關注近期績效好的基金，應該更加關注那些長期績效好且相對更穩定的基金。這樣就會完善對沖基金行業優勝劣汰的競爭機制，減少那些績效差的基金對基金整體績效的影響。另一方面，投資者在選擇基金的時候要參考對市場環境偏差進行修正后的指標，這樣能排除那些“靠天吃飯”的基金經理管理的基金，而且修正后的指標能夠排除市場環境對基金績效持續性度量的干擾，從而提高基金績效評價的真實性。

國內有關對沖基金績效評價的定量研究文獻尚不多見，本文創新性地從生存偏差和市場環境偏差兩個角度來完善對沖基金績效評價方法，這無疑是對該領域的深化研究，為后續研究者提供思路，也為監管者、投資者和基金公司提供了決策參考。當然，本文也存在不足之處：比如在樣本選擇過程中可能會造成某些信息的缺失，使得實證結果可能存在偏誤等。

注：

①數據來自于好買網（http：///）。

②如需更多其他基金回歸系數結果的數據，可向作者索取。

參考文獻：

[1]Horst J T， Verbeek M. 2005. Fund Liquidation， Self-selection， and Look-ahead Bias in the Hedge Fund Industry[J].Review of Finance， 11（4）.

[2]Treynor J， Treynor J. 1965. How to Rate Management of Investment Funds[M].Treynor on Institutional Investing. John Wiley&Sons， Inc.

[3]Sharpe W F. 1966. Mutual Fund Performance[J]. Journal of Business， 39（39）.

[4]M C J. 1968. The Performance of Mutual Funds in The Period 1945-1964[J].Journal of Finance，23（2）.

[5]Fama E F， French K R. 1992. The Cross-Section of Expected Stock Returns[J].Journal of Finance，47（2）.

[6]Fama E F， French K R. 1993. Common risk factors in the returns on stocks and bonds[J].Journal of Financial Economics，33（93）.

[7]Carhart M M. 1997. On Persistence in Mutual Fund Performance[J]. Journal of Finance，52（1）.

[8]Phelps S， Detzel L. 1997. The nonpersistence of mutual fund performance[J].Quarterly Journal of Business & Economics，36（2）.

[9]Stafylas D， Anderson K P， Uddin M M. 2016. Hedge Fund Performance Persistence and Mixed Trading Strategies[J]. Social Science Electronic Publishing.

[10]A. Harri， B. W. Brorsen. 2004. Performance Persistence and the Source of Returns for Hedge Funds[J].Applied Financial Economics，14（14）.

[11]Capocci D P J. 2009. The persistence in hedge fund performance： extended analysis[J]. International Journal of Finance & Economics，14（3）.

[12]Ammann M， Huber O， Schmid M. 2013. Hedge Fund Characteristics and Performance Persistence[J].European Financial Management，19（2）.

[13]MALKIEL， Burton G. 1995. Returns from Investing in Equity Mutual Funds 1971 to 1991[J].Journal of Finance， 50（2）.

[14]Fung W， Hsieh D A. 2000. Performance Characteristics of Hedge Funds and Commodity Funds：Natural vs. Spurious Biases[J].Journal of Financial&Quantitative Analysis，35（3）.

[15]Goetzmann W N， Brown S J， Ibbotson R G. 1999. Offshore Hedge Funds Survival and Performance 1989-1995[J].Journal of Business， 72（1）.

[16]Xu X E， Liu J， Loviscek A. 2010. Hedge Fund Attrition， Survivorship Bias， and Performance： Perspectives from the Global Financial Crisis[J].Ssrn Electronic Journal.

[17]Brown S J， Goetzmann W， Ibbotson R G， et al. 1992. Survivorship Bias in Performance Studies[J].Review of Financial Studies，5（4）.

[18]Grinblatt M， Titman S. 1989. Portfolio Performance Evaluation：Old Issues and New Insights[J].Rodney L White Center for Financial Research Working Papers，2（3）.

[19]Yasemin Bal， Lawrence A. Leger. 1996. The Performance of UK Investment Trusts[J].Service Industries Journal，16（1）.

[20]Stotz O. 2006. Selection， market timing and style timing of equity mutual funds-evidence from Germany[J]. Journal of Business Economics，77（1）.

[21]?ubo? Pástor，Stambaugh R F. 2002. Mutual fund performance and seemingly unrelated assets[J].Journal of Financial Economics，63（3）.

[22]Scholz H， Schnusenberg O. 2008. Ranking of Equity Mutual Funds：The Bias in Using Survivorship Bias-Free Datasets[J].Social Science Electronic Publishing.

[23]Rohleder M， Scholz H， Wilkens M. 2010. Survivorship Bias and Mutual Fund Performance： Relevance， Significance，and Methodical Differences[J].Social Science Electronic Publishing，15（2）.

[24]晨光（中）研究中心）2015年私募證券投資基金年度報告[R]. （2016-2-16）http：///

[25]周澤炯，史本山.我國開放式基金業績持續性的實證分析[J].經濟問題探索，2004，（9）.

[26]麥靜鑾.國內陽光私募基金持續性研究[D].汕頭大學碩士研究生論文，2013.

[27]邱龍淼.我國對沖基金業績評價指標體系構建及其實證檢驗[D].廣東商學院碩士研究生論文， 2012.

[28]史仕新，范孟君.中國封閉式基金的生存偏差效應[J].財經科學， 2008，（10）.

[29]楊艷林.考慮生存偏差現象的我國封閉式基金績效持續性研究[J].上海金融學院學報， 2011，（4）.

[30]道輪，陳強，陳工孟.陽光私募：消亡現象與幸存者偏誤[J].上海管理科學，2013，35（5）.

[31]林魯森.基于生存偏差現象的我國對沖基金業績持續性研究[D].浙江財經大學碩士研究生論文，2016.

[32]匡榮彪.我國證券投資基金績效度量偏差效應研究[D].西南財經大學碩士研究生論文， 2009.

[33]許林，邱夢圓.中國對沖基金評價體系構建及實證研究[J].北京理工大學學報（社會科學版）， 2016，18（3）.

[34]趙勝民，閆紅蕾，張凱.Fama-French五因子模型比三因子模型更勝一籌嗎――來自中國A股市場的經驗證據[J].南開經濟研究，2016，（2）.

[35]李體委. Fama-French三因子模型的改進和對中國股市收益率的檢驗[D].山東大學碩士研究生論文，2011.