前言：中文期刊网精心挑选了无风险资产的特征范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
无风险资产的特征范文1
一、构建Copula函数测算金融资产组合风险VaR
在Sklar定理的基础上，测算金融资产组合风险的步骤如下：①首先计算资产组合中单个风险因子的分布；②找到风险因子之间的Copula函数；③运用单个风险因子分布和Copula函数刻画资产组合的集成风险因子分布；④使用VaR方法度量资产组合的集成风险。
（一）Copula函数的概念Copula函数可看成一个多维分布函数C:[0，1]n[0，1]，其边缘分布F1，…，Fn为区间(0，1)上的均匀分布。Sklar（1956）提出了Sklar定理：令F为具有边缘分布F1（•），…，FN（•）的联合分布函数，那么，存在一个Copula函数C，满足：
（二）Copula函数的分类1.多元正态Copula函数（multivariategaus-sianCopula-MVN）Nelsen（1999）给出了多元正态Copula函数的定义，多元正态Copula分布函数的表达式为。其中ρ为对角线上的元素为1的对称正定矩阵，ρ表示与矩阵ρ相对应的行列式的值，Φρ（•）表示相关系数矩阵为ρ的标准多元正态分布，Φ－1（•）表示标准正态分布函数的逆函数。多元正态Copula函数适合刻画对称相依性、不具有厚尾特征的多维风险因子。2.多元t-Copula函数（multivariateStudent''''sCopula-MVT）Nelsen（1999）给出了多元t-Copula函数的定义，多元t-Copula分布函数的表达式为：其中ρ为对角线上的元素为1的对称正定矩阵，ρ表示与矩阵ρ相对应的行列式的值，Tρ，v（•）表示相关系数矩阵为ρ，自由度为v的标准多元t分布，tv-1（•）为自由度为v的一元t分布的逆函数。多元t-Copula函数适合刻画对称相依性、一定厚尾特征的多维风险因子。3.ArchimedeanCopula函数Clayton-Copula、Gumbel-Copula和Frank-Cop-ula函数，它们只能用于二维的变量的分析：ArchimedeanCopula函数中的Clayton-Copula函数和Gumbel-Copula函数适合刻画不对称相依性的多维风险因子，其中Clayton-Copula函数一般用来刻画具有较强下厚尾的特征，Gumbel-Copula函数则常用来刻画较强上厚尾的特征。而Frank-Copula函数适合刻画对称相依性、在中心和上下尾部分布均匀的多维风险因子。
（三）计算金融资产组合的VaR值以包含两种金融资产的金融资产组合为例，两种金融资产的权重分别为w1和w2，并且w1+w2=1满足。具体计算过程如下：①使用各类Copula函数，产生相依的二维随机样本；②通过各边缘分布函数经过逆概率变换为对数收益率X和Y；③把两者代入资产组合收益率公式中，得到资产组合收益率R的样本；④计算资产组合收益率样本的分位数，即为一定置信度下的VaR值。
二、测算中国居民家庭金融资产组合的集成风险
（一）数据的选取和说明通过对中国居民家庭金融资产中手持现金、储蓄存款、债券、股票和保险准备金这五种金融资产在资产组合中所占比重进行计算发现，中国居民家庭的储蓄存款所占的比重一直比较高，在家庭金融总资产中占了一半以上，并且有缓慢上升的趋势。居民的手持现金比例在持续快速下降，从1978年的40%多，下降到2008年的10%，期间有一些波动，从图1上看，周期性并不明显。居民持有的债券比例在20世纪90年代期间比较高，到2000年以后逐年下降。居民持有的股票比例虽然比较低，但是变动却比较明显，反映出明显的周期性。我国居民的保险准备金比例虽然有上升的趋势，但是比重仍然比较低（见图1）。由于居民家庭金融资产组合中现金并不能产生收益，保险准备金持有比例比较低，所以本文只测算家庭金融资产中储蓄存款、债券和股票。将储蓄存款和债券通过居民持有的比例合并为家庭无风险金融资产，股票代表家庭的风险资产。以1990年到2010年中国居民家庭的无风险资产和风险资产作为原始数据，按照测算金融资产组合风险的步骤，首先计算家庭无风险资产和风险资产的对数收益率；然后，通过构建Copula函数计算家庭金融资产组合的联合分布函数；最后，计算家庭金融资产组合的VaR值。
（二）构建Copula函数计算家庭金融资产组合的VaR值计算居民家庭无风险金融资产和风险资产的对数收益率，并对其对数收益率数列进行正态Jarque-Bera检验，它们都服从服从正态分布，其中无风险金融资产对数收益率是右偏的，而风险资产对数收益率是左偏的（见表1所示）。为了便于分析，我们选择多元正态Copula函数构建联合分布函数。然后根据VaR计算公式，在险价值VaR的上下限区间为：VaR=R+σZα，其中R在这里为正态Copula分布函数值，为正态Copula函数的标准差，如果取显著性水平为，查表得正态分布的分位数。得到正态Copula函数和VaR值如表2和图2所示。
（三）家庭金融资产风险分析家庭金融资产风险的特点是：第一，居民家庭金融资产VaR值在各年间呈现波状变动，其中1991～1993年、1998年、2002年、2007年均达到高点，尤其以2007年VaR值最大。我们知道，1997年爆发过东南亚金融危机，而2008年全球金融危机并最终导致了持续几年的经济危机。家庭金融资产组合风险在1997年东南亚金融危机后才达到高点，而在2008年全球金融危机之前则达到了最高点。由此的解释应该是，1997年的东南亚金融危机只是区域性的危机，而2008年之前全球经济与金融风险积聚，经济泡沫随时都会破灭。反映到微观的居民家庭金融资产投资上，风险已累积到了高点。第二，居民家庭金融资产组合的风险值VaR与无风险金融资产的波动幅度、波动时间是一致的。主要是因为无风险金融资产在居民家庭金融资产中占有比较大的比重。居民家庭金融资产中风险资产的波动与资产组合的风险值VaR的波动幅度、波动时间完全不一致。而且，风险资产的收益波动与资产组合的风险值呈反向关系。其中，1997年、2002年和2007年的风险资产收益均低于VaR的下限值，也就是说，居民在这些年份中的总投资是亏损的。有意思的是，1997年风险资产的收益达到低点，随后1998年家庭金融资产组合风险值达到了高点；2002年和2007年的风险资产收益达到低点，同年家庭金融资产组合风险风险值达到了高点。
三、家庭金融资产风险与宏观经济波动的协动性关系
本文将正态Copula分布函数作为居民家庭金融资产风险的测度指标，与宏观经济指标GDP增长率、利率和居民消费价格指数CPI的波动性相比较，分析居民家庭金融资产组合的风险变动与宏观经济指标之间的协动性关系。将Copula分布函数、GDP增长率、CPI和利率做标准化处理，然后作图观察它们的变动情况（如图3所示）。在图中，居民家庭金融资产组合风险的波动要比宏观经济指标更频繁，90年代初和2010年左右，家庭金融资产组合风险与宏观经济指标的波动基本是吻合的；而在1994年至2007年期间宏观经济经历了一次从峰顶到谷底再到峰顶的变化，即宏观经济经历了衰退、萧条、复苏的一个经济周期，并且萧条期持续了持续了5、6年之久，而在这一时期，家庭金融资产组合风险则经历了两次高位和低位。为了更好地说明家庭金融资产组合风险与宏观经济指标之间的协动性关系，本文试图对Copula分布函数、风险资产收益对数经验分布函数、无风险资产收益对数经验分布函数与gdp增长率、利率、CPI之间做格兰杰因果关系检验。在做格兰杰因果关系检验之前，先通过单位根检验考察各变量的平稳性（如表3所示）。单位根检验的结果表明，除了利率和CPI是一阶平稳的，其余变量都是0阶平稳的。由于格兰杰因果关系检验是以变量平稳为前提条件的，所以分别在Copula分布函数、风险资产收益对数经验分布函数和无风险资产收益对数经验分布函数与GDP增长率、利率变化量、CPI变化量之间进行格兰杰因果关系检验。检验结果整理如表4所示，居民家庭金融资产组合风险的变化会影响未来5年的利率变化量和CPI变化量；居民家庭的风险资产收益变动会影响未来2至3年的宏观利率的变化量。居民家庭金融资产的收益和风险与GDP增长率的变化都没有关系（见表4）。
四、结论
无风险资产的特征范文2
关键词 无套利均衡分析法 期权 金融工程
中图分类号：G624.41 文献标识码：A 文章编号：1002-7661（2016）19-0002-02
金融工程，是一门新兴的交叉学科，是一门集金融、数学、工程、计算机等多学科、多专业的复合型学科。现在很多金融学专业、金融工程专业、金融数学等相关专业都开设了这门课程。衍生产品的定价是其金融工程的重要内容之一，而其理论价格是投资者参与套期保值、套利和投机的依据。 无套利均衡分析，作为金融工程的基本分析方法，是金融衍生产品定价的核心技术，其实质就是简单、基本的现金流复制技术。运用无套利均衡分析法给期权定价是金融工程教学中的一个重点但同时也是一个难点，大部分教材在讲这一块时，都没有讲的很清楚，只是简单地给出一个构建的组合，比如给欧式看涨期权定价，就可以构建一个由一单位看涨期权空头和一定单位的标的股票多头，这样就可以给期权定价了。这让很多学生无所适从。因此需要对无套利均衡分析法在期权定价中的运用的教学设计做全面的分析，让学生一目了然地掌握期权的定价，同时培养构造、创新的思想。
一、无套利均衡分析法的基本思想
金融产品在市场的合理价格是这个价格使得市场不存在无风险套利机会，这就是无套利定价原理。无套利，简而言之，金融市场不存在套利机会，也即金融市场是有效的。在有效的金融市场如果存在相应的套利机会，也非常短暂，套利者就可以构造相应的套利组合实施套利，原来价格高的卖的人多了，价格回落。原来价格低的买的人多了，价格上升。所以套利行为的实施使得市场又重新回到无套利均衡状态。因此，不存在无风险套利机会是金融产品定价是否合理的根本依据。而我们所要寻求的金融资产的合理价格，也就是这个金融产品的价格应该是使得市场上不存在任何套利的机会。
所以，无套利均衡分析法，简单地理解为，作为定价者唯一要确定的是：当金融市场上其他金融工具价格给定的时候，某种金融工具的价格应该是多少，才使市场中不存在任何套利的机会？
二、传统的运用无套利均衡分析法给期权定价时的教学设计
为了便于表述，我们定义以下符号的含义：f为看涨期权的价格。下面我们来看一个给欧式看涨期权定价的实例。
例题1：假设一只不支付红利的股票现在的价格是20元，预计3个月后涨到22元或是跌到18元，并且假设无风险利率为12%，求执行价格为21元的该股票欧式看涨期权的价值。
为了找到该期权的价值，可以构建一个由一单位看涨期权空头和单位标的股票多头组成的组合。为了使该组合在期权到期时无风险，必须满足下式：
22-1=18，求得=0.25。由于该组合在期权到期时其价值恒等于4.5元，因此是无风险组合，其现值为4.37。所以有20？.25-f=4.37，求得f=0.63。
三、对以上欧式期权定价案例教学设计的改进
我们要给欧式期权定价，首先要对期权这类金融衍生工具其未来的现金流特征进行分析。期权到期的价值取决于股票未来的涨跌状况。我们可以画一个简单的图形来看。
在分析了标的股票和期权到期的现金流状况以后，接下来我们就要试图运用无套利均衡分析法给期权定价。首先通过上述图形我们发现，股票和期权未来价值与其上升状态和下跌状态有关。其次，通过对期权的理解，如果未来股票价格超过其执行价格，则期权可能被执行，就有价值，否则，期权不会被执行，作为投资者损失的是少量的期权费。结合期权的特征，以及无套利均衡分析法的关键技术即“复制技术”，下面我们就考虑如何复制。因为期权和标的股票未来都有两种状态也就是未来的现金流不确定，所以一种资产不能完全复制，因此这里还要借助其他的金融工具即无风险资产。两种状态用两种金融资产就可以进行复制了，接下来我们分别从两个不同的角度进行复制。
（一）用股票和无风险资产的组合复制看涨期权
可以构造一个与看涨期权的收益相同的投资组合：x单位股票并投资y元到无风险资产上。首先在期初时刻该组合的现金流是20x+y；在3个月后即到期时刻该组合的现金流分为两种情况：一是当股价上身到22元时，该组合的现金流为22x+ye0.12？.25；一是当股价下跌到18元时，该组合的现金流为18x+ye0.12？.25。运用无套利均衡的分析方法，如果复制组合与被复制组合的未来损益即现金流相同，则当前的价格应该相等，否则会出现相应的套利行为。所以要保证这两个组合的终值相等，因此可以得到如下关系式：
解得x=0.25，y=-4.37，所以持有0.25单位的股票多头与4.37单位无风险债券空头的组合与一单位看涨期权组合的损益相同，则在初期两个组合的当前价值应相等即：f=20x+y，则有f=0.63。也就是说，当该看涨期权价格为0.63时，市场上不存在无风险套利机会。
（二）用股票和看跌期权的组合来复制无风险资产
我们也可以构造如下组合：n单位股票和m单位欧式看涨期权组成复制组合，而被复制组合由一单位无风险资产构成。分析该复制组合的现金流特征：在期初时刻该组合的现金流为20n+mc；在期末即到期时刻其现金流也分两种情况，一是当股价上升到22元时其现金流为22n+m，一是当股价下跌至18元时其现金流为18n，运用无套利均衡的基本思想，保证这两个组合的终值相等，必须使得以下关系式成立：
解得n=0.0572，m=0.2288，所以持有0.0572单位的股票多头与0.2288单位的看涨期权空头头构成的组合与无风险债券构成的组合的损益相同，即有：1=20n+mf，则有f=0.63。
四、结论
对于一个有效的金融市场来说，如果市场上存在套利机会，则会有相应的套利活动出现，这时对于投资者来说，如何判断是否有套利机会，必然涉及到某种金融产品的定价是否合理，从而做出相应的投资活动。通过对无套利均衡分析法的基本思想进行分解，把它简化为通过复制，找到复制组合与被复制组合。如果复制组合与被复制组合未来的损益相同，则当前的价格应该相等，即“同损益同价格”。所以，通过构造不同的组合，都可以帮助投资者对衍生金融产品期权的市场价格作出一定的判断，从而做出相应的投资行为，另外在构造组合的过程中，也给出了如果存在套利机会，投资者如何套利获得无风险利润的方法，这对金融市场的参与者来说有一定的现实意义。
参考文献：
[1]郑振龙，陈蓉.金融工程[M]. 北京：高等教育出版社，2012，15-17.
无风险资产的特征范文3
摘 要 本文以20世纪六七十年代的经典资本资产定价模型为研究起点，这一时期提出的资产定价模型构成了资产定价理论研究的基本范式。后续很多新的资产定价模型都是在它们基础上派生出来的。进入90年代以来，资本资产定价模型主要是围绕解释CAPM异象来进行的，因此本文主要从模型修正方面来讨论这个问题。最后鉴于近几年来行为金融在解释资产定价异象上越来越有成效，本文又介绍了行为金融学方面的一些模型，并且指出传统金融学与行为金融学将进行结合来促进资本资产定价模型的发展。
关键词 资本资产定价模型 多要素CAPM 行为金融学
资产定价理论是金融理论的一个核心内容，是20世纪金融领域最受瞩目的前沿课题。著名的资产定价模型CAPM、APT和期权定价模型，它们为确立资产定价理论在金融理论的显赫地位奠定了坚实的基础。但是，在资产定价理论近半个世纪的发展历程中，还有很多重要的模型例如零贝塔CAPM、Merton（1973）的多要素资本资产定价模型等目前虽然在实际中还没有得到广为运用，但其理论价值却非常重大。同时各种资产定价异象的发现也同时促进了结合心理学、社会学等研究的行为金融的兴起。行为金融对建立在理假设基础上的传统资产定价理论的研究范式提出了严峻挑战。行为金融认为投资者并不完全是理性的，非理性投资可以影响资产价格。运用过度反应或反应不足等基本工具，行为金融从另一个视角对各种异象进行了全新阐释。进入90年代以来，传统资产定价理论的支持者和行为金融学家围绕资产定价异象的解释更是展开了激烈的论战。其他基于理性基础的资产定价模型或者行为模型可以取代CAPM在金融学中的地位吗？这些问题似乎不能简单地回答。基于这一点，本文尝试从资产定价理论演进发展的角度来探讨这些问题。因为只有比较全面地了解资产定价理论是如何产生和发展的，了解这些理论存在的缺陷及其实证检验上的限制，才可能中肯地得出一些结论。
一、 Sharpe（1964）、Lintner（1965）和 Mossin（1966）的资本资产定价模型（CAPM）
在 Markowitz 的资产组合理论基础上，Sharpe（1964）、Lintner（1965）和 Mossin（1966）分别独立地提出了著名的资本资产定价模型，即CAPM。CAPM的本质是存在无风险资产和无限卖空的资产组合理论。它不仅仅考虑了单个投资者的决策，还考虑了加总他们确定市场均衡。在资产组合理论中，资产的价格外生地给定，且不受任何投资者的影响。给定这一价格，投资者形成他的概率分布，并且允许投资者的预期不相同，但是CAPM也有很多缺陷，概括起来主要有以下几点：一是CAPM是一个静态的单期模型，在现实情况中，投资者往往面临的是动态的多期的情况，假设与现实严重不符。二是资产收益率必须是线性相关的是CAPM 的一个隐含假设，排除了一种日益重要的金融工具－衍生证券的定价。因为衍生证券的收益率往往表现出很强的非线性关系。三是CAPM 中还有一个假设仍然受到批评：即假设所有资产是可市场化的。虽然由外国法规问题导致的某些投资限制在国际CAPM中得到了考虑，但是，诸如人力资本是不可市场化的。因此，市场组合不能准确的确定。
二、Black（1972）零贝塔 CAPM
Black考察了最初的CAPM，他发现，无论是无风险资产的存在还是投资者以无风险利率借款和贷款的要求都不是该理论成立的必要条件。然而，当不存在无风险资产时，就会产生CAPM的另外一种不同的形式。他的观点如下：无风险资产的贝塔为0。由于无风险资产的收益不存在波动性，因此它不会随市场一起变化。假设能创造一个与市场无关的投资组合，那么它的贝塔就是0。可以说零贝塔CAPM比CAPM前进了一步，但是0贝塔组合必须依靠卖空才能实现，在现实中，并非所有的投资者都可以进行卖空的操作。许多机构投资者是被禁止卖空或者在卖空方面受到限制。
三、Fama 和 French 的三因子模型
CAPM 在实证检验上的连续受挫使得很多人对传统单贝塔CAPM理论的正确性产生了怀疑。尤其是70年代末以来，盈余报酬率效应、规模效应、账面市值比效应等大量异象的发现更是对这一理论造成了严重的冲击。这些研究发现很多贝塔之外的变量尤其是公司特征的变量可以更好地预期收益率。相关研究还表明，股票收益率在特定时间段显示出某种变化规律。如“长期收益率反转效应”和“短期惯性效应”。由于传统的CAPM明显不能通过贝塔差异解释上述现象，因此它们被称为“异象”。Fama和French 以1963－1990为样本期运用横截面回归法研究贝塔与收益率的关系，结果发现两者之间并不相关，甚至在控制了规模变量后，贝塔与收益率的关系仍然不显著。而股本市值和账面市值比两个变量联合起来可以更好地解释股票平均收益率的横截面差异。CAPM异象的一个重要的解释是CAPM 错误设定了。Fama和French首先研究了这一问题。他们认为，CAPM异象之所以存在，是因为CAPM中缺乏考虑其他必要的风险因子。基于FF（1992）得出的股本市值（ME）和帐面市值比（BE/ME）变量可以更好地解释股票平均收益率横截面差异的结论，他们在随后1993年的论文中进一步证实了CAPM 异象可以用一个三因子模型来解释。这三个因子分别是（1）市场超额收益率（Rm-Rf）；（2）股本规模因子（SMB）；（3）帐面市值比因子（HML）。
四、行为金融学对CAPM异象的解释
（一）“规模效应”和“价值效应（或帐面市值比效应）”的行为解释
Barberis和Huang（2001）以“损失厌恶”和“心理帐户”的概念来解释个股收益率行为。他们考虑了两种情况：第一种情况是投资者关心个别股票，对于个别股票价格的波动有损失厌恶的倾向，而且决策会受到前一次的投资绩效所影响。他们将这种情况称为个别股票的心理帐户。第二种情况是投资者关心整个投资组合，对于整个投资组合价格的波动会损失厌恶，决策会受到前一次的投资绩效所影响，他们将这种情况称为投资组合的心理帐户。他们认为个别股票的折现率是股票过去的绩效的函数，假如股票过去的绩效很好，因为私房钱效应，投资者会认为这个股票风险较低，而用较低的折现率折现未来的现金流量。在这种情况下，因为较低的折现率会推升价格股利比，所以导致下一期的报酬较低，这也使得股票收益率波动变大。
（二）“短期惯性效应”和“长期收益率反转效应”的行为解释
行为金融学家通常运用过度反应或反应不足理论对“收益率反转效应”和“惯性效应”作出解释。最早提出市场长期过度反应概念的是De Bond和Thaler（1985，1987）。他们认为新信息出现时，投资者并没有依照贝叶斯所提出的客观方法调整他们的预期，而是高估新信息的重要性，低估旧有的与较长时期的信息，换言之，他们对结果的概率评估，是根据所谓的“代表性原则”，而不是根据历史概率所作的客观计算。结果股价不是涨过头就是跌过头，不论收益、股利或其他客观因素发生什么变化，反弹都必然可期。Shiller也认为资产价格所具有的过度波动，其实就是市场过度反应的现象。
主流金融学对于资产定价理论的检验以及资产定价异象的解释陷入困境时，行为金融学的出现及发展无疑为新的金融研究提供了思考方向。利用展望理论，行为金融能比较好地解释传统预期效用理论与实证结果的分歧。另一方面，行为金融认为投资者的非理并非是随机发生的，市场发挥套利机制的作用相当有限，因此，传统金融理论赖以生存的基础――有效市场假说并不成立。无疑，自展望理论和有限套利理论提出之后，行为金融的影响力及地位日益提高。利用这两个工具，考虑到非理决策的影响，行为金融为解释资产定价异象也提出了很多新的资产定价模型。应该注意的是，行为金融不应该与传统金融相排斥和对立。行为金融理论过于专注个体行为而忽略了市场的客观条件，而传统金融理论则着眼于客观的市场状况，忽略了“人性”。因此，适当与平衡地结合二者是未来金融研究的一个可行且合理的发展方向。在资产定价研究方面，金融学家Shefrin和Statman提出的BAPM已经朝这一方向迈开了第一步。相信未来会有更多这样的研究出现。
参考文献：
[1]威廉.F.夏普著.投资组合理论与资本市场.胡坚译.北京:机械工业出版社.2001:94-141.
无风险资产的特征范文4
一、投资组合的基本理论
马考维茨(Markowitz)是现资组合分析理论的创始人。经过大量观察和分析，他认为若在具有相同回报率的两个证券之间进行选择的话，任何投资者都会选择风险小的。这同时也表明投资者若要追求高回报必定要承担高风险。同样，出于回避风险的原因，投资者通常持有多样化投资组合。马考维茨从对回报和风险的定量出发，系统地研究了投资组合的特性，从数学上解释了投资者的避险行为，并提出了投资组合的优化方法。
一个投资组合是由组成的各证券及其权重所确定。因此，投资组合的期望回报率是其成分证券期望回报率的加权平均。除了确定期望回报率外，估计出投资组合相应的风险也是很重要的。投资组合的风险是由其回报率的标准方差来定义的。这些统计量是描述回报率围绕其平均值变化的程度，如果变化剧烈则表明回报率有很大的不确定性，即风险较大。
从投资组合方差的数学展开式中可以看到投资组合的方差与各成分证券的方差、权重以及成分证券间的协方差有关，而协方差与任意两证券的相关系数成正比。相关系数越小，其协方差就越小，投资组合的总体风险也就越小。因此，选择不相关的证券应是构建投资组合的目标。另外，由投资组合方差的数学展开式可以得出：增加证券可以降低投资组合的风险。
基于回避风险的假设，马考维茨建立了一个投资组合的分析模型，其要点为：(1)投资组合的两个相关特征是期望回报率及其方差。(2)投资将选择在给定风险水平下期望回报率最大的投资组合，或在给定期望回报率水平下风险最低的投资组合。(3)对每种证券的期望回报率、方差和与其他证券的协方差进行估计和挑选，并进行数学规划(mathematicalprogramming)，以确定各证券在投资者资金中的比重。
二、投资战略
投资股市的基金经理通常采用一些不同的投资战略。最常见的投资类型是增长型投资和收益型投资。不同类型的投资战略给予投资者更多的选择，但也使投资计划的制定变得复杂化。
选择增长型或收益型的股票是基金经理们最常用的投资战略。增长型公司的特点是有较高的盈利增长率和赢余保留率；收益型公司的特点是有较高的股息收益率。判断一家公司的持续增长通常会有因信息不足带来的风险，而股息收益率所依赖的信息相对比较可靠，风险也比较低。美国股市的历史数据显示，就长期而言，增长型投资的回报率要高于收益型投资，但收益型投资的回报率比较稳定。值得注意的是，增长型公司会随着时间不断壮大，其回报率会逐渐回落。历史数据证实增长型大公司和收益型大公司的长期平均回报率趋于相同。另外，投资战略还可以分为积极投资战略和消极投资战略。积极投资战略的主要特点是不断地选择进出市场或市场中不同产业的时机。前者被称为市场时机选择者(markettimer)，后者为类别轮换者。
市场时机选择者在市场行情好的时候减现金增股票，提高投资组合的beta以增加风险；在市场不好时，反过来做。必须注意的是市场时机的选择本身带有风险。相应地，如果投资机构在市场时机选择上采用消极立场，则应使其投资组合的风险与长期投资组合所要达到的目标一致。
类别轮换者会根据对各类别的前景判断来随时增加或减少其在投资组合中的权重。但这种对类别前景的判断本身带有风险。若投资者没有这方面的预测能力，则应选择与市场指数中的类别权重相应的投资组合。
最积极的投资战略是选择时机买进和卖出单一股票，而最消极的投资战略是长期持有指数投资组合。
公司资产规模的大小通常决定了股票的流动性。规模大的公司，其股票的流动性一般较好；小公司股票的流动性相对较差，因此风险较大。从美国股市的历史数据中可以发现，就长期而言，小公司的平均回报率大于大公司，但回报率的波动较大。
三、投资组合风险
我们已经知道，投资组合的风险是用投资组合回报率的标准方差来度量，而且，增加投资组合中的证券个数可以降低投资组合的总体风险。但是，由于股票间实际存在的相关性，无论怎么增加个数都不能将投资组合的总体风险降到零。事实上，投资组合的证券个数越多，投资组合与市场的相关性就越大，投资组合风险中与市场有关的风险份额就越大。这种与市场有关并作用于所有证券而无法通过多样化予以消除的风险称为系统风险或市场风险。而不能被市场解释的风险称为非系统风险或可消除风险。所以，无限制地增加成分证券个数将使投资组合的风险降到指数的市场风险。
风险控制的基本思想是，当一个投资组合的成分证券个数足够多时，其非系统风险趋于零，总体风险趋于系统风险，这时，投资组合的风险就可以用指数期货来对冲。对冲的实际结果完全取决于投资组合和大市的相关程度。若投资组合与大市指数完全相关，投资组合的风险就能百分之百地被对冲，否则只能部分被抵消。
投资组合的系统风险是由投资组合对市场的相关系数乘以投资组合的标准差来表达，而这里的相关系数是投资组合与市场的协方差除以市场的标准差和投资组合的标准差。因此，投资组合的系统风险正好可以由投资组合对大市指数的统计回归分析中的beta值来表达。投资组合对大市的beta值是衡量投资组合系统风险的主要度量。投资组合的回报率、方差或标准差以及其beta值是投资组合分析和管理中的三个最重要的数据。在投资组合的另一重要理论是在资本市场理论中引入了无风险资产的概念。在实际中，我们可以将国库券认为是无风险资产。任何投资组合都可以看成是无风险资产和其他风险资产的组合。于是，投资组合的期望回报率可以表达成大市回报率与无风险回报率之差乘以beta值再加上无风险回报率。
国际金融投资行业也广泛地使用VAR(Value-at-Risk)的方法来分析和管理投资组合甚至公司全部资产的风险。VAR实际上是衡量资产价值变动率的方法。其基本概念是：假设某投资组合的回报率是以正态分布，衡量在确定的概率下投资组合可能出现的亏损金额。VAR值就是用均值减一个标准方差的回报率，可以用来计算亏损。
四、投资组合业绩评价
通常有两种不同的方法对投资组合的业绩进行评估。养老金、保险基金、信托基金和其他基金的主要投资计划发起人一般会考察投资过程的各个主要方面，如资产配置、资产类别的权重和各类别重的证券选择。这类评估称为属性评估。对很多投资者来说，他们更关心的是对一个特定的投资策略或投资机构效率的评价，如对有明确投资策略的开放式基金的评估。这种评估叫做指标评估。评估投资组合最直接的指标是回报率。但只有在相同或类似的风险水平下比较回报率才有实际的意义。从美国开放式互助基金的历史数据可以看到，增长型基金的beta值最高，系统风险最高，相应在牛市时的回报率最高，在熊市时的回报率最低。平衡型的基金则相反。收益—增长型的基金的系统风险和回报率都在增长型和平衡型的基金之间。由此可见，任何一种基金在一个时期所获得的回报率在很大的程度上取决于基金的风险特性和基金在当时所面临的市场环境。在评估基金时，首先应将基金按风险等级分组，每一组的风险大致相同，然后在组中比较回报率的大小。
投资组合的回报率是特定期间内投资组合的价值变化加上所获得的任何收益。对封闭式基金来说，由于没有资金的流进和流出，回报率的计算相对比较容易。对开放式基金而言，频繁的现金流动使普通的回报率计算无法反映基金经理的实际表现。开放式基金的回报率通常使用基金单位价值来计算。基金单位价值法的基本思想是：当有现金流入时，以当时的基金单位净资产值来增加基金的单位数量；当有基金回赎时，基金的单位数量则减少。因此，现金的流动不会引起净资产的变化，只是发生基金单位数量的变化。于是，我们可以直接使用期初和期末的净资产值来计算开放式基金投资组合的回报率。
没有经过风险调整的回报率有很大的局限性。进行风险调整后评估投资组合表现的最常见的方法是以每单位风险回报率作为评判标准。两个最重要的每单位风险回报率的评判指标是夏普比例(ShameRatio)和特雷诺比例(TreynorRatio)。夏普比例是投资组合回报率超过无风险利率的部分，除以回报率的标准方差。特雷诺比例是投资组合回报率超过无风险利率的部分，除以投资组合的beta值。这两个指标的不同在于，前者体现了投资组合回报率对全部风险的敏感度，而后者反映对市场风险或系统风险的敏感度。对投资组合回报率、其方差以及beta值的进一步研究还可以定量显示基金经理在证券选择和市场时机选择等方面的优劣。
【参考文献】
[1]［美］小詹姆斯L·法雷尔，沃尔特J·雷哈特.投资组合管理理论及应用(PortfolioManagement:TheoryandApplication)[M].北京：机械工业出版社，2000.
[2]RichardC.Grinold,RonaldN.Kahn,ActivePortfolioManagement:AQuantitative
ApproachforProducingSuperiorReturnsandSelectingSuperiorRernsand
ControllingRisk,McGraw-Hill,1999.
[3]陈世炬，高材林.金融工程原理[M].北京：中国金融出版社，2000.
无风险资产的特征范文5
马考维茨(Markowitz)是现资组合分析理论的创始人。经过大量观察和分析，他认为若在具有相同回报率的两个证券之间进行选择的话，任何投资者都会选择风险小的。这同时也表明投资者若要追求高回报必定要承担高风险。同样，出于回避风险的原因，投资者通常持有多样化投资组合。马考维茨从对回报和风险的定量出发，系统地研究了投资组合的特性，从数学上解释了投资者的避险行为，并提出了投资组合的优化方法。
一个投资组合是由组成的各证券及其权重所确定。因此，投资组合的期望回报率是其成分证券期望回报率的加权平均。除了确定期望回报率外，估计出投资组合相应的风险也是很重要的。投资组合的风险是由其回报率的标准方差来定义的。这些统计量是描述回报率围绕其平均值变化的程度，如果变化剧烈则表明回报率有很大的不确定性，即风险较大。
从投资组合方差的数学展开式中可以看到投资组合的方差与各成分证券的方差、权重以及成分证券间的协方差有关，而协方差与任意两证券的相关系数成正比。相关系数越小，其协方差就越小，投资组合的总体风险也就越小。因此，选择不相关的证券应是构建投资组合的目标。另外，由投资组合方差的数学展开式可以得出：增加证券可以降低投资组合的风险。
基于回避风险的假设，马考维茨建立了一个投资组合的分析模型，其要点为：(1)投资组合的两个相关特征是期望回报率及其方差。(2)投资将选择在给定风险水平下期望回报率最大的投资组合，或在给定期望回报率水平下风险最低的投资组合。(3)对每种证券的期望回报率、方差和与其他证券的协方差进行估计和挑选，并进行数学规划(mathematicalprogramming)，以确定各证券在投资者资金中的比重。
二、投资战略
投资股市的基金经理通常采用一些不同的投资战略。最常见的投资类型是增长型投资和收益型投资。不同类型的投资战略给予投资者更多的选择，但也使投资计划的制定变得复杂化。
选择增长型或收益型的股票是基金经理们最常用的投资战略。增长型公司的特点是有较高的盈利增长率和赢余保留率；收益型公司的特点是有较高的股息收益率。判断一家公司的持续增长通常会有因信息不足带来的风险，而股息收益率所依赖的信息相对比较可靠，风险也比较低。美国股市的历史数据显示，就长期而言，增长型投资的回报率要高于收益型投资，但收益型投资的回报率比较稳定。值得注意的是，增长型公司会随着时间不断壮大，其回报率会逐渐回落。历史数据证实增长型大公司和收益型大公司的长期平均回报率趋于相同。另外，投资战略还可以分为积极投资战略和消极投资战略。积极投资战略的主要特点是不断地选择进出市场或市场中不同产业的时机。前者被称为市场时机选择者(markettimer)，后者为类别轮换者。
市场时机选择者在市场行情好的时候减现金增股票，提高投资组合的beta以增加风险；在市场不好时，反过来做。必须注意的是市场时机的选择本身带有风险。相应地，如果投资机构在市场时机选择上采用消极立场，则应使其投资组合的风险与长期投资组合所要达到的目标一致。
类别轮换者会根据对各类别的前景判断来随时增加或减少其在投资组合中的权重。但这种对类别前景的判断本身带有风险。若投资者没有这方面的预测能力，则应选择与市场指数中的类别权重相应的投资组合。
最积极的投资战略是选择时机买进和卖出单一股票，而最消极的投资战略是长期持有指数投资组合。
公司资产规模的大小通常决定了股票的流动性。规模大的公司，其股票的流动性一般较好；小公司股票的流动性相对较差，因此风险较大。从美国股市的历史数据中可以发现，就长期而言，小公司的平均回报率大于大公司，但回报率的波动较大。
三、投资组合风险
我们已经知道，投资组合的风险是用投资组合回报率的标准方差来度量，而且，增加投资组合中的证券个数可以降低投资组合的总体风险。但是，由于股票间实际存在的相关性，无论怎么增加个数都不能将投资组合的总体风险降到零。事实上，投资组合的证券个数越多，投资组合与市场的相关性就越大，投资组合风险中与市场有关的风险份额就越大。这种与市场有关并作用于所有证券而无法通过多样化予以消除的风险称为系统风险或市场风险。而不能被市场解释的风险称为非系统风险或可消除风险。所以，无限制地增加成分证券个数将使投资组合的风险降到指数的市场风险。
风险控制的基本思想是，当一个投资组合的成分证券个数足够多时，其非系统风险趋于零，总体风险趋于系统风险，这时，投资组合的风险就可以用指数期货来对冲。对冲的实际结果完全取决于投资组合和大市的相关程度。若投资组合与大市指数完全相关，投资组合的风险就能百分之百地被对冲，否则只能部分被抵消。
投资组合的系统风险是由投资组合对市场的相关系数乘以投资组合的标准差来表达，而这里的相关系数是投资组合与市场的协方差除以市场的标准差和投资组合的标准差。因此，投资组合的系统风险正好可以由投资组合对大市指数的统计回归分析中的beta值来表达。投资组合对大市的beta值是衡量投资组合系统风险的主要度量。投资组合的回报率、方差或标准差以及其beta值是投资组合分析和管理中的三个最重要的数据。在投资组合的另一重要理论是在资本市场理论中引入了无风险资产的概念。在实际中，我们可以将国库券认为是无风险资产。任何投资组合都可以看成是无风险资产和其他风险资产的组合。于是，投资组合的期望回报率可以表达成大市回报率与无风险回报率之差乘以beta值再加上无风险回报率。
国际金融投资行业也广泛地使用VAR(Value-at-Risk)的方法来分析和管理投资组合甚至公司全部资产的风险。VAR实际上是衡量资产价值变动率的方法。其基本概念是：假设某投资组合的回报率是以正态分布，衡量在确定的概率下投资组合可能出现的亏损金额。VAR值就是用均值减一个标准方差的回报率，可以用来计算亏损。
四、投资组合业绩评价
通常有两种不同的方法对投资组合的业绩进行评估。养老金、保险基金、信托基金和其他基金的主要投资计划发起人一般会考察投资过程的各个主要方面，如资产配置、资产类别的权重和各类别重的证券选择。这类评估称为属性评估。对很多投资者来说，他们更关心的是对一个特定的投资策略或投资机构效率的评价，如对有明确投资策略的开放式基金的评估。这种评估叫做指标评估。评估投资组合最直接的指标是回报率。但只有在相同或类似的风险水平下比较回报率才有实际的意义。从美国开放式互助基金的历史数据可以看到，增长型基金的beta值最高，系统风险最高，相应在牛市时的回报率最高，在熊市时的回报率最低。平衡型的基金则相反。收益—增长型的基金的系统风险和回报率都在增长型和平衡型的基金之间。由此可见，任何一种基金在一个时期所获得的回报率在很大的程度上取决于基金的风险特性和基金在当时所面临的市场环境。在评估基金时，首先应将基金按风险等级分组，每一组的风险大致相同，然后在组中比较回报率的大小。
无风险资产的特征范文6
关键词：CAPM 中国股票市场 实证 检验 统计量
CAPM的一般理论
CAPM是一个在市场均衡概念下确定风险的市场价格和对风险资产给出合理的一个风险度量的模型。这个模型是由Sharpe、Treynor、Black等人先后工作形成的。
CAPM是建立在一系列的假设条件的基础之上的，它是与投资者的行为及投资集合的特征有关的，一般有以下结论：市场资产组合是这样的资产组合，即它是在市场均衡时全体投资者最优资产组合的权数的凸组合而构成的资产组合。市场均衡时存在这样一个市场资产组合M，它由市场的各个资产以其市值为权数组合而成。存在无风险资产的条件下，对任何一个资产组合q，可以表示为：
E(Rq)=Rƒ+βq・(E(RM-Rƒ) （*）
这就是我们所熟悉CAPM表达式。其中Rf是无风险资产收益率，RM是市场组合的收益率，Rq是资产q的收益率。
CAPM对资产市场的风险度量问题给出了一个数量性的确定回答，在财务分析与财物管理的领域中有着巨大应用。
CAPM检验的一般统计框架
CAPM大体上有两个版本，即Linter, Shaper与Black。由于后者实际上是一个零β资产定价的版本，在数据的收集上困难更大一些，通常大多数的检验模型都来自前者。本文也把检验Shaper的CAPM作为目标。约翰•Y•坎贝尔等（2003年，《金融市场计量经济学》）提出了一种检验CAPM模型的框架：
定义是N个资产的（N×1）阶超额收益（资产的收益率减去无风险收益率）向量。对这N个资产，超额收益可以用超额收益市场模型来描述：
其中α和εt分别是（N×1）阶资产收益截距向量和随机扰动向量，β是（N×1）阶贝塔系数向量。
对(1)式Sharpe的CAPM来说，向量α的所有元素都为0。这实际上是(*)与(1)的比较结果以及构造检验的主要假设，即：
H0: α=0 H1: α≠0
我们假设超额收益关于市场超额收益的条件分布为多元正态分布。经过一系列推导，可以得到以下检验统计量：
在零假设下，J1渐近的服从自由度为N的卡方分布。由于零假设下J1的有限样本分布不同于它的大样本分布，Jobson等对J1进行了调整，使其具有更好的有限样本性质，J2即是修正过后的统计量：
CAPM在我国证券市场的检验
下面我们将借助于以上检验框架，对CAPM在我国资本市场的拟合程度作出检验。
约翰•Y•坎贝尔等对于上述的检验框架的检验尺度和检验功效的研究表明，被考察的资产组合数应不超过10。横向上，我们将来自上海证券交易所和深圳证券交易所的数据分别作了处理和检验分析，纵向上，将被分析时段再分为前后两个子时段作了分析比较。在1993年6月前上市，并持续到2001年12月持续有交易记录数据的股票，上海证券交易所一共有62支，深圳交易所一共有32支。对于资产组合的挑选上，分三种情况作了分析：随机的挑出10支作组合；取出被考察时段内平均市值升序排列的前10支作组合；取出被考察时段内平均市值降序排列的前10支作组合。由于CAPM理论假设不存在股利，因此用“考虑现金股利再投资的月收益率”作为相应股票的收益率。对于市场组合M，在CAPM理论中，市场组合是各资产以其市值为权数的组合，因此在计算中，取“考虑现金股利再投资的全部股票按照总市值加权平均收益率”作为市场组合的收益率，同样的，我们考察它的月收益率。无风险收益率分别取了相应时点的活期存款利率、短期贷款利率和两者平均三种情况作计算。这些数据都来自“深圳市国泰安信息技术有限公司”开发的“中国股票市场交易数据库查询系统”、“中国人民银行”主页。
原始数据经过耐心的整理和筛选，得到了检验所需数据及其结构。
由上，被考察的时间序列长度为102个月，即1993/07~2001/12，检验在整个时段进行，并再分为前后两个51个月的子时段检验。按照（2）、（3）式分别计算J1、J2统计量的值，计算结果及相应p值如下表所示：
表1和表2列出了关于Sharpe-Lintner CAPM模型在中国股票市场的实证结果。使用J1对整个时期来说，不论是上市还是深市，结果的p值极端的小，和0非常接近，表明以99.9999%以上的显著性拒绝零假设。
来自沪市的数据检验结果表明：表1中，随机构成的组合在两个子时段的差别微小，零假设均以很大的显著性被拒绝；按市值升序排列前10位构成的组合在整个时段和两个子时段的检验结果对零假设的拒绝有所减弱，并且两个子时段在时间顺序上对零假设的拒绝也减弱；按市值降序排列的前10位构成的组合的检验结果跟随机构成的组合相比没有显著改变。
来自深市的数据检验结果表明：表2中，随机构成的组合在两个子时段的差别微小，零假设均以很大的显著性被拒绝；按市值升序排列前10位构成的组合在整个时段和两个子时段的检验结果对零假设的拒绝有所减弱，并且两个子时段在时间顺序上对零假设的拒绝也减弱；按市值降序排列的前10位构成的组合的检验结果跟随机构成的组合相比没有显著改变。
可以看到，在纵向上，来自上市和深市的数据表现是基本一致的。组合的选取能够显著影响检验结果，市值较小的个股构成的组合表现要好于市值较大的个股构成的组合，即对零假设的拒绝相对减弱。
横向上，深市的表现相对要好于沪市的表现，即来自深市的数据检验结果对零假设的拒绝程度弱于来自沪市的数据。
上表也表明J1与J2相比过度拒绝零假设，J2的表现相对好些，这也正是对J1作修正的必要之处。
需要强调的是，检验过程中，无风险利率分别取了相应时点的活期存款利率、短期贷款利率和两者平均三种情况作计算，结果两个统计量的值完全相同！它们对无风险利率的变化毫不敏感！
分析结果
以上实证结果表明，我国证券市场的表现跟CAPM模型还相差甚远。深市的表现虽然好于沪市，但是其对CAPM的拒绝也是非常肯定的。两个子时段的检验结果表明，我国证券市场近十年的发展在这方面几乎没有任何进展。
市值较小的个股表现相对接近CAPM表达式，但是其对CAPM的拒绝程度也是非常大的。检验结果体现出小盘股在这方面的价值。
检验结果是可以理解的，我国的股票市场刚发展了十余年，在规模上、运作上和管理上距离西方发达的股票市场还有很大的差距，由于我国资本市场发展的特殊背景，还存在着一些急待解决的问题，从根本上说，是中国的现状与CAPM的若干假设之间还相差太远：投资者尚不成熟，也缺乏理智；市场还远未有效、还没有达到一定的均衡；市场的管理还远没有放开。两个检验统计量对无风险利率的变化不敏感也说明了这一点。另外一方面，检验的本身也存在一些问题，尤其是市场组合的选取上，按照上述方法得到的组合收益率未必是市场组合的收益，这个问题至今仍然困扰着众多的计量经济学家；还有正态性的假定可能和实际相差甚远。这些都是今后值得研究和改进的地方。
参考文献：