楊明高,尹亞華*,吳恒煜,張 琬

(1.西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院,四川 成都 611130;2.西南財(cái)經(jīng)大學(xué)金融智能與金融工程重點(diǎn)實(shí)驗(yàn)室,四川 成都 611130; 3.暨南大學(xué)管理學(xué)院,廣東 廣州 510632;4.西南財(cái)經(jīng)大學(xué)金融學(xué)院,四川 成都 611130; 5.西華師范大學(xué)管理學(xué)院,四川 南充 637002)

1 引言

股票市場(chǎng)是證券市場(chǎng)的一個(gè)重要組成部分,其漲跌直接關(guān)系到投資者的切身利益,更影響到國(guó)家實(shí)體經(jīng)濟(jì)的運(yùn)營(yíng).我國(guó)投資者主體分散性及其非理性行為顯著的特征,造成了我國(guó)股價(jià)扭曲與股指波動(dòng)且極端不規(guī)則,從而引起如資金錯(cuò)配等一系列金融問題,最終阻礙到國(guó)民經(jīng)濟(jì)的良性發(fā)展.基于目前我國(guó)股市的現(xiàn)狀,如何對(duì)股票進(jìn)行合理定價(jià)與指導(dǎo)投資者理性投資,便成了我國(guó)金融研究者關(guān)注的焦點(diǎn).

對(duì)投資者非理性行為造成股價(jià)扭曲的研究是行為金融的一個(gè)重要議題.在不確定的信息沖擊下,投資者會(huì)做出不同的非理性行為,在市場(chǎng)上表現(xiàn)為股價(jià)波動(dòng)的種種異象.投資者的非理性行為指的是一種偏離有效市場(chǎng)理論中的效用最大化的行為,這種偏離可能是受投資者獲取信息的非完備性,環(huán)境條件非確定性,自身心理特征局限性與認(rèn)知能力有限性的影響,從而導(dǎo)致包括過度自信,過度交易,羊群效應(yīng),處置效應(yīng),心理賬戶效應(yīng),政策依賴等非理性投資行為.Fama[1]認(rèn)為,在有效市場(chǎng)的假設(shè)下,股價(jià)能夠充分反映所有信息,當(dāng)大量投資者因?yàn)橄嘈艡?quán)威或迫于社會(huì)壓力,而放棄了自己的私有信息,采取模仿他人的行為便產(chǎn)生了羊群效應(yīng),導(dǎo)致股價(jià)扭曲,市場(chǎng)呈現(xiàn)暴漲暴跌的現(xiàn)象.

為避免股價(jià)扭曲與市場(chǎng)暴漲暴跌的亂象,引導(dǎo)投資者理性投資,本文選取12 個(gè)與股票價(jià)格相關(guān)的因子,并應(yīng)用多因子動(dòng)態(tài)模型平均(dynamic model averaging,DMA)模型對(duì)不同行業(yè)構(gòu)建三類定價(jià)模型進(jìn)行投資分析.考慮到政策與投資者非理性行為,對(duì)整個(gè)股市和特定行業(yè)股票的影響,這種影響表現(xiàn)為行業(yè)指數(shù)和大盤指數(shù)的波動(dòng),結(jié)合前人已有的研究,本文構(gòu)建了行業(yè)指數(shù),同時(shí)將政策和投資者非理性行為用大盤指數(shù)與行業(yè)指數(shù)進(jìn)行替代.第一類模型中的定價(jià)因子僅包含代表上市公司客觀財(cái)務(wù)運(yùn)行狀況的財(cái)務(wù)因子.第二類模型在第一類模型基礎(chǔ)上加入除體現(xiàn)政策與投資者非理性行為外的非財(cái)務(wù)因子.第三類模型在第二類模型的基礎(chǔ)上加入政府政策與投資者非理性行為的影響因子.基于模型定價(jià)結(jié)果與真實(shí)結(jié)果之間的MSE,進(jìn)行股票的篩選,并應(yīng)用價(jià)值投資策略,設(shè)定不同的收益率安全邊際進(jìn)行實(shí)證分析,驗(yàn)證價(jià)值投資策略的有效性.

本文相關(guān)研究主要包括以下方面:資產(chǎn)定價(jià)理論,DMA 技術(shù)方法,股票非理性行為與價(jià)值投資理論.學(xué)界與業(yè)界對(duì)股票定價(jià)及相關(guān)領(lǐng)域的研究熱情較高,資產(chǎn)定價(jià)理論研究未來現(xiàn)金流的債券價(jià)格或價(jià)值,幫助個(gè)人和機(jī)構(gòu)投資者管理其投資組合.Markowitz[2]提出了證券組合理論,它認(rèn)為風(fēng)險(xiǎn)資產(chǎn)的期望收益率與衡量資產(chǎn)風(fēng)險(xiǎn)程度的方差可以用來研究資產(chǎn)組合的選擇問題.此后,Sharpe[3]、Lintner[4]和Mossin[5]分別提出了資本資產(chǎn)定價(jià)模型(capital asset pricing model,CAPM),指出股票的期望收益由無風(fēng)險(xiǎn)利率以及風(fēng)險(xiǎn)溢價(jià)決定.資本資產(chǎn)定價(jià)模型給出了對(duì)系統(tǒng)風(fēng)險(xiǎn)與收益之間關(guān)系的全新解讀,成為資產(chǎn)定價(jià)的支柱理論.它的缺點(diǎn)在于僅考慮系統(tǒng)風(fēng)險(xiǎn)這一個(gè)因素.為了提高對(duì)股票價(jià)格的解釋力,學(xué)者們逐漸提出多因素模型.Ross[6]提出的APT 模型最為著名,認(rèn)為除了市場(chǎng)風(fēng)險(xiǎn)因素之外,股票價(jià)格還受其它因素的影響,投資者可以根據(jù)資本市場(chǎng)的實(shí)際情況來尋找恰當(dāng)?shù)挠绊懸蛩?研究資產(chǎn)定價(jià)較常用方法是因子模型.在使用因子模型進(jìn)行資產(chǎn)定價(jià)時(shí),須根據(jù)不同的情況,采用不同的方法.Fama 等[7,8]在CAPM 的基礎(chǔ)上,提出了加入規(guī)模因子和價(jià)值因子的三因子與五因子定價(jià)模型.此外,也有學(xué)者提出多因子模型.Hou 等[9]使用美國(guó)股市周頻收益數(shù)據(jù)構(gòu)造了一個(gè)四因子模型和一個(gè)q 因子模型.四因子模型的因子為市場(chǎng)因子、市值因子、投資因子和凈資產(chǎn)收益率因子;q 因子模型的因子為市場(chǎng)因子、市值因子、投資因子和利潤(rùn)因子.經(jīng)研究發(fā)現(xiàn)新模型在許多方面的表現(xiàn)優(yōu)于Fama-French 三因子模型和Carhart[10]四因子模型.Adelino 等[11]研究了Fama-Macbath 自回歸(見文獻(xiàn)[12])所得收益預(yù)測(cè)的橫截面性質(zhì),認(rèn)為基于特征回歸的預(yù)測(cè)比任何一種資產(chǎn)定價(jià)模型都具有更好的樣本外預(yù)測(cè)能力.總體來說,前人提出的因子模型在精準(zhǔn)度上還是相對(duì)欠缺,股票市場(chǎng)變幻莫測(cè),而這些模型基于歷史信息所估計(jì)的參數(shù)卻是靜態(tài),基于這一缺陷,本文利用動(dòng)態(tài)模型平均DMA 模型估計(jì)及預(yù)測(cè)股價(jià).

DMA 多因子模型一般用多因子篩選,Raftery 等[13]提出了DMA 方法,該方法最初是應(yīng)用于冷軋機(jī)輸出的鋼帶厚度.DMA 是根據(jù)似然值賦予子模型相應(yīng)的預(yù)測(cè)概率,將其作為相應(yīng)模型預(yù)測(cè)值的權(quán)重,最后得到所有模型的加權(quán)預(yù)測(cè)值.該模型包含許多系數(shù),是時(shí)變的回歸模型,這些模型包含了所有的解釋變量及其可能形成的各種組合方式.同時(shí),DMA 不僅允許每個(gè)子模型回歸系數(shù)隨時(shí)間變化,還允許相關(guān)模型集隨時(shí)間變化.當(dāng)模型集,包含變量以及參數(shù)都不變時(shí),動(dòng)態(tài)模型平均就是貝葉斯模型評(píng)價(jià)方法.Koop 等[14]和Koop等[15]將DMA 應(yīng)用于通貨膨脹的預(yù)測(cè).Dangl 等[16]提供了關(guān)于如何改進(jìn)DMA 的進(jìn)一步建議.Byrne 等[17]使用文獻(xiàn)[16]中提出的修改模型來模擬貨幣兌換率.崔百勝[18]研究了DMA 方法及其參數(shù)估計(jì),利用DMA 對(duì)中國(guó)通貨膨脹進(jìn)行實(shí)時(shí)預(yù)測(cè).朱培金[19]利用非線性時(shí)變建立模型并對(duì)通貨膨脹的動(dòng)態(tài)預(yù)測(cè)進(jìn)行實(shí)證研究.羅嘉雯等[20]利用貝葉斯動(dòng)態(tài)潛在因子模型提取波動(dòng)率變量,跳躍變量等預(yù)測(cè)變量信息,構(gòu)建了包含時(shí)變系數(shù)和動(dòng)態(tài)方差的貝葉斯?jié)撛谝蜃幽Ｐ?對(duì)我國(guó)金融期貨的高頻已實(shí)現(xiàn)波動(dòng)率進(jìn)行預(yù)測(cè).

與DMA 多因子模型相對(duì)應(yīng)的較常用的資產(chǎn)定價(jià)模型較多.當(dāng)解釋變量與被解釋變量線性相關(guān)時(shí),一般采用OLS 方法; 當(dāng)數(shù)據(jù)和模型數(shù)量都較大時(shí),機(jī)器學(xué)習(xí)更為適用; 當(dāng)需要做變量選擇時(shí),常用最小絕對(duì)收縮選擇算子(LASSO)和E-LASSO 方法; 當(dāng)需要處理降維問題時(shí),常用主成分分析,漸進(jìn)主成分分析,約束主成分分析,因子分析等方法;當(dāng)需要解決模型選擇問題時(shí),常用神經(jīng)網(wǎng)絡(luò)的方法.Gu 等[21]將機(jī)器學(xué)習(xí)用于測(cè)量資產(chǎn)風(fēng)險(xiǎn)溢價(jià),發(fā)現(xiàn)與傳統(tǒng)的預(yù)測(cè)方法相比,機(jī)器學(xué)習(xí)提供了對(duì)預(yù)期回報(bào)行為的改進(jìn)描述,這改進(jìn)了風(fēng)險(xiǎn)溢價(jià)度量,可以簡(jiǎn)化對(duì)資產(chǎn)定價(jià)經(jīng)濟(jì)機(jī)制的研究,并證明其在創(chuàng)新金融技術(shù)中日益重要的作用.Seisuke 等[22]也嘗試將機(jī)器學(xué)習(xí)方法應(yīng)用于基本因子模型,除了傳統(tǒng)多元回歸分析外,還著重比較了因子模型,GBDT 模型,SVM 模型和神經(jīng)網(wǎng)絡(luò).結(jié)果表明,金融市場(chǎng)股票收益率與因子值不是傳統(tǒng)線性關(guān)系;此外,還發(fā)現(xiàn)與傳統(tǒng)方法相比,采用機(jī)器學(xué)習(xí)方法組合性能和有效性更高.但機(jī)器學(xué)習(xí)方法不容易通過控制基本分析來實(shí)現(xiàn).而從預(yù)測(cè)的角度來看,并非模型的解釋變量越多,其預(yù)測(cè)效果越好.除模型的不確定性外,在本文中,股票價(jià)格的預(yù)測(cè)還面臨著模型中預(yù)測(cè)變量系數(shù)的時(shí)變性,即不同時(shí)間段內(nèi)模型中變量的系數(shù)可能是不相等的.貝葉斯方法可以用來解決由多個(gè)變量引起的過度擬合問題.當(dāng)模型在某時(shí)段不顯著時(shí),通過貝葉斯方法計(jì)算后驗(yàn)概率同時(shí)降低模型權(quán)重,則可以有效解決模型的不確定性和參數(shù)的時(shí)變性問題.相比LASSO,E-LASSO,神經(jīng)網(wǎng)絡(luò)等方式,DMA 模型的預(yù)測(cè)將更加準(zhǔn)確.

政策對(duì)投資者情緒的影響,從而進(jìn)一步影響到大盤指數(shù)與行業(yè)指數(shù)的相關(guān)問題,一直是經(jīng)濟(jì)學(xué)者研究的熱點(diǎn).Barber[23],Fang 等[24]把媒體覆蓋率(media coverage)用來間接代理投資者注意力,考察媒體報(bào)道與股價(jià)之間的關(guān)系.Keynes[25],Baker 等[26]及Polk 等[27]等證明投資者情緒不僅對(duì)資本市場(chǎng)的運(yùn)行和投資者行為產(chǎn)生顯著影響,還對(duì)實(shí)體經(jīng)濟(jì)的投資行為產(chǎn)生重大影響.Allen 等[28]研究發(fā)現(xiàn)中國(guó)資本市場(chǎng)投資者情緒波動(dòng)幅度大,導(dǎo)致股價(jià)嚴(yán)重偏離其內(nèi)在價(jià)值.Kelly 等[29]以1997 年～2006 年之間6 937 個(gè)CEO 在CNBC 的采訪為樣本,研究表明新聞媒體報(bào)道可以作為投資關(guān)注度的重要代理指標(biāo).并且投資者情緒會(huì)對(duì)企業(yè)實(shí)體投資行為產(chǎn)生重大影響.韓少春等[30]發(fā)現(xiàn)羊群效應(yīng)能加速輿論傳播,從而迅速影響大盤指數(shù).王一茸等[31]以央視看盤指數(shù),封閉式基金的折溢價(jià)以及消費(fèi)者信心指數(shù)作為投資者情緒度量的指標(biāo),研究發(fā)現(xiàn)投資者情緒對(duì)上證綜指數(shù)收益率的影響牛市小于熊市.劉慶富等[32]論證了政治與經(jīng)濟(jì)事件對(duì)股市存在正向杠桿效應(yīng).何欣[33]收集了2002 年～2010 年間連續(xù)3 037 期新聞聯(lián)播的信息作為樣本,找到671 條涉及176 家上市公司的新聞報(bào)道,研究發(fā)現(xiàn)中國(guó)股市中的媒體效應(yīng)顯著.上市公司每在新聞聯(lián)播中每出鏡一次,就能獲得5.83%的股票異常收益.胡培[34]研究發(fā)現(xiàn)以中證800 指數(shù)為代表的A 股市場(chǎng)綜合價(jià)格指數(shù)與投資者情緒呈正相關(guān);同時(shí),不同行業(yè)成份的指數(shù)受投資者情緒影響的程度不同.因此,基于前人的研究,本文將大盤指數(shù)與自建的行業(yè)指數(shù)作為政府政策與投資者非理性行為帶來的影響.

Graham 等[35]首先給出了價(jià)值投資的定義,其包括三要素:內(nèi)在價(jià)值,安全邊際,股價(jià)波動(dòng)等遵循價(jià)值規(guī)律.價(jià)值投資的基本假設(shè)為任何一種投資工具均有一個(gè)穩(wěn)定的投資基礎(chǔ),即內(nèi)在價(jià)值.內(nèi)在價(jià)值穩(wěn)定且可測(cè)量,短期內(nèi)證券市場(chǎng)價(jià)格會(huì)經(jīng)常偏離其內(nèi)在價(jià)值,長(zhǎng)期來看市場(chǎng)價(jià)格與內(nèi)在價(jià)值趨同.股票價(jià)格圍繞其內(nèi)在價(jià)值上下波動(dòng),當(dāng)股票價(jià)格被低估時(shí)買入,當(dāng)股票價(jià)格被高估時(shí)賣出.價(jià)值投資追求高成長(zhǎng),低估值,借助股價(jià)的波動(dòng)能實(shí)現(xiàn)投資收益持續(xù)增加.Philip Fisher 提出動(dòng)態(tài)價(jià)值投資策略,致力于從經(jīng)營(yíng)收益保證公司內(nèi)在價(jià)值持續(xù)增長(zhǎng)這一角度解釋公司的成長(zhǎng).Peter Lynch 在上世紀(jì)八十年代末繼承并發(fā)展了動(dòng)態(tài)價(jià)值投資這一思想,現(xiàn)代成長(zhǎng)投資理論初步顯現(xiàn).隨后Warren Buffet 等人遵循價(jià)值投資策略保持長(zhǎng)期優(yōu)異的回報(bào),以至于投資實(shí)務(wù)界和學(xué)術(shù)界對(duì)巴菲特的投資方法研究的熱情經(jīng)久不衰(例如Frazzini 等[36]).雖然宋軍等[37]發(fā)現(xiàn)時(shí)空策略都可以獲得超額收益,但基于中國(guó)金融市場(chǎng)相關(guān)的研究較少,加之我國(guó)的投資者主體分散與行為非理性的特征,使得基于中國(guó)股市的價(jià)值投資策略研究顯得十分必要.

綜上所述,現(xiàn)有資產(chǎn)定價(jià)模型中,基于因子模型進(jìn)行資產(chǎn)定價(jià)的研究較多,而如何構(gòu)建與篩選因子的研究較少.DMA 模型在別的領(lǐng)域應(yīng)用較多,但應(yīng)用于資產(chǎn)定價(jià)模型篩選因子的研究較少.同時(shí)與投資者情緒分析相關(guān)的研究較多,而引導(dǎo)投資者理性投資的研究較少.本文考慮將多因子DMA 模型與價(jià)值投資策略結(jié)合,在應(yīng)用三類模型估計(jì)股價(jià)之后,采用價(jià)值選股策略進(jìn)行回測(cè),實(shí)證價(jià)值投資策略在我國(guó)股票市場(chǎng)的有效性.研究的主要?jiǎng)?chuàng)新在于將大盤指數(shù)與本文構(gòu)建的行業(yè)指數(shù)作為反映政府政策與投資者非理性行為的影響因子納入了多因子DMA 定價(jià)模型,基于多因子DMA 模型與價(jià)值投資策略理論對(duì)股票進(jìn)行投資篩選,并對(duì)收益進(jìn)行樣本內(nèi)與樣本外分析.基于DMA 模型的價(jià)值投資策略有效性研究可以幫助投資者更理性地分析股票市場(chǎng),避免價(jià)格扭曲造成資金錯(cuò)配,從而使金融市場(chǎng)有效且更好地服務(wù)于實(shí)體經(jīng)濟(jì).

2 DMA 理論

本文采用的是基于前沿DMA 模型構(gòu)建的多因子回歸的價(jià)值投資策略模型.因此,這里首先對(duì)DMA 模型的思想進(jìn)行簡(jiǎn)要闡述.DMA 是基于以下的線性動(dòng)態(tài)模型

計(jì)算觀測(cè)方程(1)的似然函數(shù)值,DMA 模型賦予每個(gè)子模型的估計(jì)值概率均可以根據(jù)每個(gè)模型的似然值進(jìn)行計(jì)算.基于t時(shí)刻的信息集Γt,子模型Mt的估計(jì)值權(quán)重

其中p(yi|Ml,Γt-1)是基于信息集Γt-1估計(jì)的模型Mt的似然函數(shù)值,而式(5)中出現(xiàn)的p(Mi|Γt-1)=為整個(gè)模型的遺忘因子.

在得到各個(gè)子模型的估計(jì)值概率后,DMA 模型所得出的估計(jì)值即為各個(gè)子模型估計(jì)值的加權(quán)平均,因子變量的系數(shù)為所有子模型估計(jì)系數(shù)的加權(quán)平均,即

DMA 模型相對(duì)于已有因子模型而言,其明顯優(yōu)勢(shì)在于考慮到了模型的不確定性,因?yàn)橐蜃幽Ｐ椭械囊蜃幼兞坑泻芏喾N可能的組合,很難找到最優(yōu)的模型,因子變量過多會(huì)導(dǎo)致過度擬合,因子變量過少又會(huì)使得模型估計(jì)擬合能力欠佳.而DMA 模型正是考慮到這一難題,因此提出了平均的概念.既然模型存在著不確定性,則不妨將所有模型都納入考慮,進(jìn)一步根據(jù)每個(gè)模型擬合能力的強(qiáng)弱進(jìn)行權(quán)重的變更,這樣最后得出的估計(jì)值會(huì)更貼切實(shí)際.

3 數(shù)據(jù)的選取與處理

3.1 價(jià)值投資策略模型的因子選取

本文選擇價(jià)值投資策略模型的因子時(shí)主要考慮三個(gè)方面.第一是政策導(dǎo)向與投資者非理性行為方面,用大盤指數(shù)與行業(yè)指數(shù)對(duì)其進(jìn)行刻畫.第二是財(cái)務(wù)信息方面.第三是除政策與投資者非理性行為外的非財(cái)務(wù)信息方面.本文選取深證綜合指數(shù),上證綜合指數(shù)以及行業(yè)指數(shù)來衡量第一方面的因子.由于不同的行業(yè)所受政策的影響程度不同,因此本文將自行構(gòu)建行業(yè)指數(shù).在財(cái)務(wù)因子方面,選擇凈資產(chǎn)收益率,基本每股收益增長(zhǎng)率,流動(dòng)比率,賬面市值比,每股收益,市銷率,應(yīng)收賬款周轉(zhuǎn)率,存貨周轉(zhuǎn)率作為財(cái)務(wù)信息因子.這些變量可以很好地衡量上市公司的盈利能力,償債能力,成長(zhǎng)能力和運(yùn)營(yíng)能力.選擇流動(dòng)比率而非速動(dòng)比率是因?yàn)橥顿Y活動(dòng)只能根據(jù)報(bào)表信息進(jìn)行,報(bào)表一般周期為三個(gè)月,而在三個(gè)月時(shí)間里,流動(dòng)資產(chǎn)基本可以變現(xiàn)或折現(xiàn).選擇收益率波動(dòng)率和Beta 值作為非財(cái)務(wù)信息的價(jià)值投資策略的模型因子,它們主要用于衡量公司的風(fēng)險(xiǎn).在此沒有選擇財(cái)務(wù)杠桿與經(jīng)營(yíng)杠桿,主要是因?yàn)槭找媛什▌?dòng)更直觀,當(dāng)收益率良好的時(shí)候,財(cái)務(wù)杠桿再高也較為安全.同時(shí),當(dāng)收益率較低,企業(yè)變成瘦狗型企業(yè),而非明星或現(xiàn)金牛企業(yè)時(shí),其杠桿再低也會(huì)出現(xiàn)較高風(fēng)險(xiǎn).本文模型因子的名稱與符號(hào)見表1.

表1 價(jià)值投資策略模型因子的名稱與符號(hào)Table 1 The names and symbols of factors for value investment strategy

在表1 中,大盤指數(shù)即是指上證綜合指數(shù)和深證綜合指數(shù),對(duì)于在上海股票交易所交易的股票,用上證綜合指數(shù)作為大盤指數(shù);對(duì)于在深圳股票交易所交易的股票,則用深證綜合指數(shù)作為大盤指數(shù).

3.2 價(jià)值投資策略模型因子數(shù)據(jù)的處理

由于財(cái)務(wù)數(shù)據(jù)最高頻度是以季度展示,但是考慮到滯后的需要,認(rèn)為用月度數(shù)據(jù)會(huì)更合理,因此需要把采集的原數(shù)據(jù)進(jìn)行處理.使用插值法對(duì)季度數(shù)據(jù)進(jìn)行擴(kuò)充,將財(cái)務(wù)數(shù)據(jù)頻度調(diào)為月度.另外,股價(jià)數(shù)據(jù)和大盤數(shù)據(jù)最高頻度為日度,將其進(jìn)行平均得到月度數(shù)據(jù).因?yàn)檎恼咭约笆袌?chǎng)的趨勢(shì)會(huì)隨著行業(yè)的不同而有所區(qū)別,所以分行業(yè)研究問題是必不可少的.選用申萬行業(yè)分類,一共有28個(gè)大類,由于金融行業(yè)與公用事業(yè)行業(yè)受政府管制較強(qiáng),因此將其剔除,即剔除掉公用事業(yè)行業(yè),銀行行業(yè)與非銀金融行業(yè),所以最后一共是25 個(gè)行業(yè).在構(gòu)建行業(yè)指數(shù)時(shí),針對(duì)每個(gè)行業(yè)隨機(jī)選擇20 支股票作為指數(shù)的成分股,構(gòu)建行業(yè)指數(shù)所對(duì)應(yīng)的成分股,按照道瓊斯工業(yè)指數(shù)的加權(quán)平均方法構(gòu)造指數(shù),選擇2009–01–05 作為基期,當(dāng)日股票價(jià)格指數(shù)

4 價(jià)值投資策略設(shè)計(jì)與實(shí)證分析

根據(jù)價(jià)值投資策略的定義,價(jià)值投資策略包含內(nèi)在價(jià)值,股價(jià)波動(dòng)與安全邊際三個(gè)要素,是根據(jù)內(nèi)在價(jià)值與股價(jià)兩者間的差額進(jìn)行投資的一種策略.當(dāng)股價(jià)高于其內(nèi)在價(jià)值達(dá)到一定比例時(shí),投資者選擇賣出股票,當(dāng)股價(jià)低于其內(nèi)在價(jià)值達(dá)到一定比例時(shí),投資者選擇買入股票,從而獲得由臨時(shí)政策或非理性行為帶來的波動(dòng)收益.如果市場(chǎng)上的投資者都是基于價(jià)值投資策略進(jìn)行投資,即不受臨時(shí)政策與非理性行為的影響,股價(jià)會(huì)圍繞其內(nèi)在價(jià)值做較小的波動(dòng).當(dāng)股價(jià)波動(dòng)較小時(shí),價(jià)值投資策略中的股份波動(dòng)要素不能滿足,因此價(jià)值投資策略失效.

從根據(jù)前面財(cái)務(wù)因子建模(第一類模型)反映內(nèi)在價(jià)值,而根據(jù)財(cái)務(wù)因子,大盤指數(shù)與行業(yè)指數(shù)反映的是考慮政策與投資者非理性行為帶來的影響,并將其作為因子進(jìn)行建模(第三類模型).第三類模型的MSE 越小,說明考慮政策與投資者非理性行為后其定價(jià)效果越好.換言之,第三類模型能較好地?cái)M合股票價(jià)格,同時(shí)也表明這些股票考慮政策與投資者非理性行為后與大盤和行業(yè)指數(shù)同步,定價(jià)誤差越小,同步性越高.需要選擇同步性高的股票,也就是對(duì)政策與投資者非理性行為反映比較敏感的股票.然后從這些股票中,選擇它們應(yīng)用第一類模型,基于第一類模型分析結(jié)果選擇MSE 較大的股票,因?yàn)镸SE 越大,說明這些股票越受政策與非理性行為的影響帶來的波動(dòng)越大.據(jù)此,建立如下選股策略:首先根據(jù)第三類模型選擇MSE 較小的股票,即選擇將大盤指數(shù)與行業(yè)指數(shù)作為政策與投資者非理性行為影響因素代入模型擬合較好的股票,說明這一類股票受政策與非理性行為影響較大.而在這一類股票中,又選擇第一類模型MSE 較大的,因?yàn)榈谝活惸Ｐ椭袥]有考慮政策與非理性行為的影響,僅根據(jù)客觀財(cái)務(wù)因子做出判斷,如果遺漏了政策與非理性行為因子,則其影響會(huì)在MSE 中體現(xiàn).但在此做一個(gè)假定,即從長(zhǎng)期來看,政策與非理性行為因子帶來的影響是一個(gè)均值為0 的隨機(jī)波動(dòng).在第一類模型下MSE 越大,說明其受政策與非理性行為影響波動(dòng)越大,根據(jù)價(jià)值投資策略,當(dāng)價(jià)格波動(dòng)越大,越偏離內(nèi)在價(jià)值,其投資的空間也就越大.

基于以上分析,本文先基于500 只股票(25 個(gè)行業(yè),每個(gè)行業(yè)20 只股票),應(yīng)用第三類模型的MSE 尋找行業(yè)最優(yōu)模型,進(jìn)行樣本內(nèi)分析.雖然500 個(gè)樣本相對(duì)國(guó)內(nèi)整個(gè)股票市場(chǎng)略少,但其數(shù)量可以保證樣本的充分性.然后綜合第一類模型與第三類模型的MSE 值選擇可實(shí)施價(jià)值投資策略的股票,即選擇第三類模型MSE 較小而第一類模型MSE 較大的股票,也是第一類模型的MSE 減去第三類模型MSE 較大值的股票.將股票篩選出來后,進(jìn)行樣本外預(yù)測(cè),并得出結(jié)論.

4.1 行業(yè)最優(yōu)模型

首先,運(yùn)用DMA 模型對(duì)股價(jià)進(jìn)行擬合時(shí),并針對(duì)每一行業(yè)建立三類最優(yōu)模型.第一類模型僅考慮財(cái)務(wù)因子作為價(jià)值投資策略模型的因子.第二類模型在第一類模型的基礎(chǔ)上增加了除政策與投資者非理性行為外的非財(cái)務(wù)模型因子.第三類模型在第二類模型基礎(chǔ)上增加政策與投資者非理性行為的因子.采用了大盤與行業(yè)指數(shù)來替代這兩個(gè)指標(biāo).雖然這兩個(gè)指標(biāo)對(duì)個(gè)股具有一定的自相關(guān)性,但影響不大.

在針對(duì)每一行業(yè)找出每一類中最優(yōu)模型時(shí),需要對(duì)價(jià)值投資策略因子的具體形式進(jìn)行選擇.本文考慮用兩個(gè)指標(biāo)來衡量模型的擬合效果,分別是樣本均方誤差(MSE)和樣本絕對(duì)偏差(MAD),這兩個(gè)指標(biāo)越小意味著該價(jià)值投資策略模型的效果越好.對(duì)于不同模型因子,所要考慮的具體形式也不相同.對(duì)于市場(chǎng)指數(shù)和行業(yè)指數(shù),除了指數(shù)本身形式外,還需要考慮對(duì)數(shù)形式和根號(hào)形式,因?yàn)樗鼈兊臄?shù)值相對(duì)于股票價(jià)格不一定呈線性關(guān)系;而對(duì)于部分財(cái)務(wù)因子,由于很多是比率形式,在其原來數(shù)據(jù)形式外,還需考慮指數(shù)形式.捕捉適合行業(yè)最優(yōu)價(jià)值投資策略模型的具體步驟如下:

步驟1將行業(yè)指數(shù)與市場(chǎng)指數(shù)的三種形式分別代入模型得到結(jié)果,選擇MSE 最小的模型.

步驟2在步驟1 選擇的模型下,依次變換部分財(cái)務(wù)信息價(jià)值投資策略模型因子的具體形式,比如原形式為x,則將其變換為ex,lnx等形式代入模型,選擇MSE 較小的模型,再變換下一個(gè)模型因子進(jìn)行比較,依此類推.經(jīng)過上述比較分析,篩選得出的模型即為個(gè)股最優(yōu)模型.

步驟3在個(gè)股最優(yōu)模型基礎(chǔ)上,進(jìn)行歸納得到行業(yè)最優(yōu)模型.對(duì)于每一行業(yè),隨機(jī)選擇3 只股票進(jìn)行前2 個(gè)步驟的循環(huán),得到每只股票各種不同形式的MSE,進(jìn)一步計(jì)算MSE 的方差,方差越大說明模型因子形式的改變對(duì)于模型的修正效果越好,因此將MSE 方差最大的股票最優(yōu)模型作為行業(yè)最優(yōu)模型.最終得到25 個(gè)行業(yè)所對(duì)應(yīng)的三種最優(yōu)模型所包含的模型因子及其具體形式見表2.

表2 行業(yè)最優(yōu)模型Table 2 The best models for industries

續(xù)表2(1)Table 2 Continues(1)

續(xù)表2(2)Table 2 Continues(2)

續(xù)表2(3)Table 2 Continues(3)

在表2 中,最后兩列是將每個(gè)行業(yè)中隨機(jī)選出的3 只股票所對(duì)應(yīng)最優(yōu)模型的MSE 和MAD 平均而得.由表2 計(jì)算得出,第一類模型整體平均MSE 為3 878 022 991.99,中位數(shù)為141.56.第二類模型整體平均MSE 為3 893 732 429.19,中位數(shù)為112.21.第三類模型整體平均MSE 為10 006 482.18,中位數(shù)為80.52.總體來看,第三類模型優(yōu)于第二類模型,而第二類模型優(yōu)于第一類模型,并且第三類模型的誤差要遠(yuǎn)小于第一類和第二類模型的擬合誤差,這說明政府政策與投資者非理性行為對(duì)股價(jià)的影響是非常顯著的.

從行業(yè)分析,不同行業(yè)模型擬合的效果有所差異.輕工業(yè)誤差普遍相對(duì)較小,比如休閑服務(wù),紡織服裝以及輕工制造等,造成這種結(jié)果的原因主要是因?yàn)檎畬?duì)輕工業(yè)的整體政策偏向平穩(wěn).而相對(duì)于某些重工業(yè)而言,比如化工的誤差就非常大,政府對(duì)化工的政策較為大起大落,在國(guó)家二戰(zhàn)后快速發(fā)展時(shí)期扶植力度大,而目前由于環(huán)境保護(hù)的倡導(dǎo)對(duì)其打壓力度卻較強(qiáng).另外,為了更直觀地觀測(cè)行業(yè)之間模型擬合的差異,根據(jù)行業(yè)平均MSE,對(duì)行業(yè)進(jìn)行分組,其中行業(yè)平均MSE 小于等于100 屬于低誤差組,在100～400 之間屬于中誤差組,而高于400 則屬于高誤差組,具體結(jié)果見表3.

表3 各行業(yè)的模型誤差對(duì)比分析Table 3 Comparative analysis of model errors in various industries

由表3 分析可得,第一類模型中低誤差組有12 個(gè)行業(yè),中誤差組有2 個(gè)行業(yè),高誤差組有11 個(gè)行業(yè);第二類模型中低誤差組有11 個(gè)行業(yè),中誤差組有3 個(gè)行業(yè),高誤差組有11 個(gè)行業(yè);第三類模型中低誤差組有13 個(gè)行業(yè),中誤差組有4個(gè)行業(yè),高誤差組有8 個(gè)行業(yè).從分組的行業(yè)個(gè)數(shù)來看,第一類模型與第二類模型的差異并不是很大,說明除政策與投資者非理性行為外的非財(cái)務(wù)信息對(duì)股價(jià)的解釋力一般,而第三類模型使得多個(gè)行業(yè)的誤差大幅度減少,再次說明政策變動(dòng)與投資者非理性行為波動(dòng)對(duì)股價(jià)的影響顯著.

4.2 價(jià)值投資策略在樣本內(nèi)的實(shí)證分析

應(yīng)用DMA 模型得到了每個(gè)行業(yè)的三類最優(yōu)模型.但需要注意,在構(gòu)建價(jià)值投資策略的模型時(shí),所使用的都是已經(jīng)發(fā)生的信息,但對(duì)于未來股價(jià)的價(jià)值投資策略,則需要使用“未來”的模型因子,即需要對(duì)模型因子進(jìn)行預(yù)測(cè).由于政策及市場(chǎng)投資者非理性行為等這些不可控的因素,很難將其定性與量化.財(cái)務(wù)信息作為因子的模型則可以進(jìn)行合理地預(yù)估,這是因?yàn)樨?cái)務(wù)信息具有短暫的穩(wěn)健性與趨勢(shì)性.

股票價(jià)格是企業(yè)內(nèi)在價(jià)值的外在反映,但大多數(shù)時(shí)候受到多種內(nèi)外因素的影響,短期內(nèi)股票價(jià)格不能完全等于其價(jià)值;從長(zhǎng)期來看,股票價(jià)格終究會(huì)以其內(nèi)在價(jià)值為基點(diǎn)來回波動(dòng).而常見的股票估值方法都是依據(jù)公司的財(cái)務(wù)信息,比如相對(duì)估值法,股利折現(xiàn)模型以及自由現(xiàn)金流模型,說明公司的內(nèi)在價(jià)值的測(cè)量與基本面因素有顯著的相關(guān)性.也有很多研究證實(shí)了這一觀點(diǎn),劉熀松[38]基于公司的賬面價(jià)值和剩余收益建立了相關(guān)模型衡量公司內(nèi)在價(jià)值以及中國(guó)股市泡沫的規(guī)模.劉建容等[39]建立了上市公司內(nèi)在價(jià)值綜合評(píng)估財(cái)務(wù)指標(biāo)體系,結(jié)合層次分析法和因子分析法構(gòu)造了上市公司投資價(jià)值分析模型,實(shí)證研究表明模型具有一定的準(zhǔn)確性,能夠?yàn)橥顿Y者在選擇股票時(shí)提供一定的指導(dǎo)作用.劉俞希[40]在價(jià)值投資相關(guān)理論基礎(chǔ)上,對(duì)近7 年來價(jià)值股樣本進(jìn)行了相關(guān)分析和回歸模型分析,結(jié)果表明影響價(jià)值股股價(jià)的主要因素來自于基本面因素,反應(yīng)了內(nèi)在價(jià)值的決定性作用.因此本文將第一類模型估計(jì)的股價(jià)用于衡量公司的內(nèi)在價(jià)值.

根據(jù)第一類模型和第三類模型的估計(jì)結(jié)果,進(jìn)一步構(gòu)造價(jià)值投資策略用于選股,具體步驟和結(jié)果如下.

首先選出受政策和投資者非理性行為影響較大的行業(yè),即這些行業(yè)的第三類模型擬合效果好,誤差小.但是根據(jù)表3 中給出的低誤差組行業(yè)較多,因此需要進(jìn)一步篩選.在每只股票第三類最優(yōu)模型得到的MSE基礎(chǔ)上,除以其各自的股價(jià)平均值,得到相對(duì)MSE.相對(duì)MSE 能夠更加有力地說明該因子模型的擬合效果.在將每個(gè)行業(yè)三只股票的相對(duì)MSE 平均,得到行業(yè)的相對(duì)MSE,選出10 個(gè)相對(duì)MSE 小的行業(yè),結(jié)果見表4.

表4 較小的MSE 的行業(yè)Table 4 The industries with smallest MSE

在表4 中,除以股價(jià)平均值以后,行業(yè)之間的相對(duì)誤差減少了很多,誤差小的行業(yè)相對(duì)MSE 主要集中在0.3～1.5 之間.選出的10 個(gè)行業(yè)平均相對(duì)MSE 為1.08,中位數(shù)為1.18.最高誤差的行業(yè)為紡織服裝,最低誤差的行業(yè)為鋼鐵,兩者之間差值為1.27.相對(duì)誤差較小的行業(yè)具有集中性,差異性小的特點(diǎn),比如交通運(yùn)輸與鋼鐵,這些行業(yè)包含的上市公司可能較為相似,因此通過同一行業(yè)模型擬合的效果都比較好,誤差較小.相對(duì)于誤差大的行業(yè),例如紡織服裝和休閑服務(wù),這些行業(yè)所屬的上市公司差異性就較大,在運(yùn)用同一模型擬合時(shí),就不一定都適合.

三類模型得出的估計(jì)值與真實(shí)股價(jià)的基本走勢(shì)是差不多的,不存在特別離譜的錯(cuò)位現(xiàn)象,說明三類模型的擬合效果都不錯(cuò).但進(jìn)一步觀察發(fā)現(xiàn),在真實(shí)股價(jià)忽漲忽跌的時(shí)候,即出現(xiàn)高峰或者低峰時(shí),第三類模型所得到的估計(jì)值是最接近于真實(shí)股價(jià)的,說明第三類模型預(yù)測(cè)的股價(jià)更符合實(shí)際情況.

一般情形下,股價(jià)短期內(nèi)急劇波動(dòng),即意味著大量資金的買進(jìn)或賣出.由于財(cái)務(wù)指標(biāo)的短期不變性,排除公司內(nèi)在價(jià)值的大幅改變的可能,因此造成股票價(jià)格“忽漲忽跌”情況的原因更多是因?yàn)檎叩母淖?以及投資者從眾心理,羊群效應(yīng)而產(chǎn)生的市場(chǎng)情緒改變所帶來的影響.

另外,通過對(duì)比一個(gè)行業(yè)不同的股票的走勢(shì),可以發(fā)現(xiàn)同一行業(yè)股價(jià)的整體趨勢(shì)較為相似.比如交通運(yùn)輸行業(yè)在2012 年底整體行情下跌,2014 年迎來反彈;而鋼鐵行業(yè)從2009 年開始下滑,到2013 上半年開始觸底回升;采掘行業(yè)在前期整體趨于平穩(wěn),而在2015 年開始上漲達(dá)到頂峰.當(dāng)然這確實(shí)符合情理,因?yàn)閺拈L(zhǎng)期來看,股票的大漲和大跌都與行業(yè)的發(fā)展程度息息相關(guān),因此在投資中,要先對(duì)行業(yè)進(jìn)行篩選,再進(jìn)一步選股,如此層層遞進(jìn).

在選出的10 個(gè)行業(yè)之中,進(jìn)一步篩選5 個(gè)更具使用價(jià)值投資策略可獲利的行業(yè).因?yàn)閮r(jià)值投資策略,是投資者對(duì)財(cái)務(wù)信息進(jìn)行客觀分析后得到的策略,即尋找股票市場(chǎng)中價(jià)值被嚴(yán)重低估的股票.這些上市公司經(jīng)過一定時(shí)期的良性發(fā)展后,越來越多的投資者會(huì)買入股票,其市場(chǎng)價(jià)格自然會(huì)向內(nèi)在價(jià)值回歸.因此,價(jià)值投資想要獲利不是去選擇那些內(nèi)在價(jià)值高的股票,而是要選擇那些股價(jià)被低估還沒有向內(nèi)在價(jià)值回歸的股票.

在本文所構(gòu)建的三類模型中,第一類因子模型的股價(jià)僅考慮財(cái)務(wù)信息,可以用來衡量公司的內(nèi)在價(jià)值.而第三類模型在考慮了政策和投資者非理性行為的因素后所預(yù)測(cè)的股價(jià)最接近于真實(shí)值,因此可以用來估計(jì)股票價(jià)格.那么價(jià)值投資策略所需要選擇的則是第一類模型和第三類模型誤差相差大的行業(yè),即是選擇第三類模型擬合效果好,第一類模型擬合較差的行業(yè)進(jìn)行投資,這樣就存在套利的空間.將第一類最優(yōu)模型與第三類最優(yōu)模型的行業(yè)相對(duì)MSE 進(jìn)行求差,差值越大說明政策與非財(cái)務(wù)信息對(duì)股價(jià)的影響越大,即利用財(cái)務(wù)信息進(jìn)行套利的空間越大.進(jìn)一步篩選出的5 個(gè)行業(yè),具體結(jié)果見表5.

在表5 中,結(jié)果顯示5 個(gè)行業(yè)第一類模型與第三類模型的相對(duì)MSE 平均相差1.31;相差最大的為采掘行業(yè),相差最小的為休閑服務(wù)行業(yè).因?yàn)轱L(fēng)險(xiǎn)的問題,個(gè)體投資盡量不把雞蛋放在同一個(gè)籃子,所以對(duì)于每一行業(yè)再進(jìn)一步選出一支股票作為投資組合.篩選的條件還是為選擇用第一類與第三類模型相對(duì)MSE 差值更大的股票.最后選出的5 支股票見表6.

表5 不同類型的模型所篩選的最優(yōu)行業(yè)的MSE 表Table 5 The MSE table of the optimal industries filtered by different models

表6 選取的股票及其MSE 值Table 6 The selected stock and their MSE values

構(gòu)造具體的價(jià)值投資策略的操作思路如下:當(dāng)真實(shí)股價(jià)高于股價(jià)預(yù)測(cè)值一定比例時(shí)就賣掉,此時(shí)股價(jià)已被高估,其市場(chǎng)價(jià)格已超過內(nèi)在價(jià)值;當(dāng)真實(shí)股價(jià)低于股價(jià)預(yù)測(cè)值一定比例時(shí)就買入,此時(shí)股價(jià)被低估,其市場(chǎng)價(jià)格低于內(nèi)在價(jià)值.本文選擇用5%,10%,15%作為收益率的備選值,即在真實(shí)市場(chǎng)股價(jià)低于模型估計(jì)值的5%,10%,15%買入,高于模型估計(jì)值5%,10%,15%賣出三種不同策略.再比較分析觀測(cè)結(jié)果,找出最適合的策略.此外,將三類預(yù)測(cè)模型得到的股價(jià)預(yù)測(cè)值分別代入策略進(jìn)行計(jì)算.由前面的分析可以推斷,用第一類模型的股價(jià)預(yù)測(cè)值得到的收益應(yīng)該是最高的.因?yàn)榈谝活惸Ｐ蛢H考慮了財(cái)務(wù)因子,它的股價(jià)估計(jì)值應(yīng)該最接近于公司的內(nèi)在價(jià)值.同時(shí)在實(shí)施價(jià)值投資策略的過程中,不允許賣空,其交易費(fèi)用相比收益較小,其影響甚微,本文研究也將其忽略.

在計(jì)算收益時(shí),本文采用年化收益率進(jìn)行測(cè)度,其計(jì)算公式為公式中的年天數(shù)取250,因?yàn)橐荒曛泄善笨梢越灰椎奶鞌?shù)約為250天.另外,由于在交易期內(nèi)股價(jià)的波動(dòng),會(huì)有很多次買賣交易,每次交易都可以得到一次年化收益率,將得到全部的年化收益率,進(jìn)行平均作為個(gè)股的平均收益率.具體結(jié)果見表7.

表7 價(jià)值投資策略收益Table 7 Returns of value investment strategy

收益率=(賣出股票真實(shí)價(jià)格-買入股票真實(shí)價(jià)格)÷持有的天數(shù)]×年天數(shù)×100%.

續(xù)表7Table 7 Continues

從表7 分析可以得出,在等權(quán)重投資5 只股票的情況下,即投資組合收益為5 只股票收益的平均值,運(yùn)用三類模型得到的股票預(yù)測(cè)值進(jìn)行投資都能夠給投資者帶來較大的收益,相比于無風(fēng)險(xiǎn)收益率而言要大許多.這說明在股票市場(chǎng)中運(yùn)用合理的投資策略的確能夠獲利.

從個(gè)股的收益來看,在不同的抉擇比例下,多只股票運(yùn)用第一類模型的收益結(jié)果要比其它兩類的收益結(jié)果更好.而從整體投資組合的收益來看,在10%的抉擇比例下,運(yùn)用第一類模型得到的收益比運(yùn)用第二類模型得到的收益要高28%;而在15%的抉擇比例下,運(yùn)用第一類模型得到的收益比運(yùn)用第二類模型得到的收益要高34%.另外,在5%,10%,15%的抉擇比例下,運(yùn)用第一類模型得到的投資收益相比運(yùn)用第三類模型的投資收益,要分別獲得34%,49%,18%的超額收益.說明投資者在只關(guān)注上市公司較為客觀的財(cái)務(wù)指標(biāo)下進(jìn)行投資會(huì)有更大的套利空間,這與預(yù)期相符,即價(jià)值投資策略在我國(guó)的股票市場(chǎng)上具有可操作性,合理性,有較大存在空間.因此,投資者在股票市場(chǎng)應(yīng)該保持理性,認(rèn)真分析上市公司的內(nèi)在價(jià)值,而非盲目地跟隨市場(chǎng)的情緒進(jìn)行投資.

進(jìn)一步,用樣本內(nèi)價(jià)值投資策略標(biāo)準(zhǔn)差與夏普比率分析股票的風(fēng)險(xiǎn)與回報(bào),其結(jié)果見表8.從表8 分析可以得出,從個(gè)股的收益標(biāo)準(zhǔn)差來看,在不同的抉擇比例下,不同的股票所承受的投資風(fēng)險(xiǎn)呈現(xiàn)的規(guī)律不一,并沒有很大的趨勢(shì)表明運(yùn)用第一類模型的投資風(fēng)險(xiǎn)會(huì)比其它兩類更小.同樣,在夏普比率上,三類模型在不同抉擇比例下,股票表現(xiàn)出的在相同風(fēng)險(xiǎn)下獲得超額回報(bào)的能力也是不一,因此從投資風(fēng)險(xiǎn)的角度來看,價(jià)值投資策略并沒有體現(xiàn)出很明顯的優(yōu)勢(shì).但是結(jié)合前面的收益率來看,價(jià)值投資策略的優(yōu)勢(shì)還是很顯著的,所以相對(duì)而言,價(jià)值投資策略在我國(guó)股票市場(chǎng)還是極有實(shí)踐價(jià)值的.

表8 樣本內(nèi)價(jià)值投資策略標(biāo)準(zhǔn)差與夏普比率Table 8 Standard deviation and Sharpe ratios of value investment strategy in sample

續(xù)表8Table 8 Continues

4.3 價(jià)值投資策略樣本外的預(yù)測(cè)分析

選用2019 年1 月到6 月的數(shù)據(jù)檢測(cè)樣本外的價(jià)值投資策略.仍然應(yīng)用插值法將財(cái)務(wù)因子的數(shù)據(jù)從季度頻率擴(kuò)充為月度頻率.由于樣本外的數(shù)據(jù)只有6 個(gè)月的長(zhǎng)度,從時(shí)間上來說比較短,因此把投資抉擇比例降為2.5%和5%,并且股票在后期只有買的情況時(shí),將其認(rèn)為是借款需要減去對(duì)應(yīng)時(shí)間的無風(fēng)險(xiǎn)利率(本文中無風(fēng)險(xiǎn)利率取5%).具體策略的收益結(jié)果見表9.

表9 樣本外價(jià)值投資策略收益Table 9 Returns of value investment strategy out of sample

從表9 列示的年化收益結(jié)果分析可得,絕大多數(shù)個(gè)股運(yùn)用三類模型進(jìn)行投資都可獲得可觀收益.在等權(quán)重投資5 只股票的情況下,投資組合的收益相比于無風(fēng)險(xiǎn)收益5%都要高上許多.

從個(gè)股收益情況來看,某些股票在不同的比例下其獲得收益一樣,可能是由于在短期內(nèi)買賣時(shí)點(diǎn)較為固定,因此算出收益相同.而在表中出現(xiàn)一些較為異常的值,如動(dòng)力源在5%的比例下,運(yùn)用第一類模型而得到的收益率為434.40%,遠(yuǎn)高于其它情況;而美爾雅在2.5%的比例下,運(yùn)用第三類模型而得到的收益率為-20.28%,遠(yuǎn)低于其它情況,這可能是由于中國(guó)股市真實(shí)股價(jià)在這段時(shí)間非常不穩(wěn)定,而樣本外預(yù)測(cè)股價(jià)相對(duì)平穩(wěn)一些,因此在計(jì)算收益的時(shí)候可能會(huì)出現(xiàn)異常情況.

從樣本外預(yù)測(cè)實(shí)證總體分析,對(duì)比三類模型收益結(jié)果,依然可以發(fā)現(xiàn)第一類模型的收益在5%的比例下投資組合是最好的,在2.5%的比例下比運(yùn)用第三類模型得到的收益更高,而個(gè)股的收益也普遍高于運(yùn)用其它兩類模型得到的個(gè)股收益.其中,在2.5%的抉擇比例下,運(yùn)用第一類模型得到的投資組合收益比運(yùn)用第三類模型所得收益高13%,而與運(yùn)用第三類模型所得收益相比雖然更低,但是差距不大;而在5%的抉擇比例下,運(yùn)用第一類模型進(jìn)行等權(quán)重投資所獲收益比運(yùn)用第二類模型與第三類模型得到的收益要高上99%,111%,說明在5%的抉擇比例下,運(yùn)用價(jià)值投資策略的效果要更好.這一結(jié)果也再次證明了價(jià)值投資策略的確在股票市場(chǎng)中存在套利空間.

本章通過實(shí)證對(duì)比模型的定價(jià)結(jié)果與實(shí)際的股價(jià)結(jié)果,發(fā)現(xiàn)在三類模型中,第三類模型所估計(jì)的股價(jià)最接近于真實(shí)股價(jià),說明政府的政策與投資者非理性行為對(duì)股價(jià)有很大的影響.在價(jià)值策略選股中,優(yōu)先篩選行業(yè)再進(jìn)一步選擇個(gè)股,最后構(gòu)建等權(quán)重的投資策略.由于第一類模型僅考慮上市公司客觀的財(cái)務(wù)指標(biāo),因此將該類模型預(yù)測(cè)得到的股價(jià)作為其內(nèi)在價(jià)值,將運(yùn)用第一類模型投資的策略視為價(jià)值投資策略.在運(yùn)用三類模型的股價(jià)預(yù)測(cè)值測(cè)算投資收益后,發(fā)現(xiàn)運(yùn)用第一類模型進(jìn)行投資得到的收益最好,從而證明了價(jià)值投資策略在我國(guó)股票市場(chǎng)的有效性.

5 結(jié)束語(yǔ)

在瞬息萬變的股票市場(chǎng)中,存在諸多影響股價(jià)的因素,股價(jià)波動(dòng)是個(gè)復(fù)雜且難以精準(zhǔn)預(yù)測(cè)的過程.因此,在各種冗雜信息的沖擊下,投資者應(yīng)該把握住那些可預(yù)測(cè)的,最能體現(xiàn)上市公司的內(nèi)在價(jià)值的客觀信息即具有短期不變性的財(cái)務(wù)指標(biāo).無論股市處于牛市還是熊市,投資者都應(yīng)當(dāng)保持理性投資,運(yùn)用價(jià)值投資策略實(shí)現(xiàn)獲利的同時(shí),也為更多有“潛能”的上市公司提供發(fā)展機(jī)會(huì).本文的研究不僅有力說明非理性投資影響股價(jià),也揭示了我國(guó)證券市場(chǎng)不能有效地服務(wù)實(shí)體經(jīng)濟(jì)的根源是由于非理性投資造成了股價(jià)扭曲,會(huì)進(jìn)一步引起資金錯(cuò)配.為避免價(jià)格扭曲造成資金錯(cuò)配,較好地促進(jìn)實(shí)體經(jīng)濟(jì)良性發(fā)展,我國(guó)可以成立價(jià)值投資策略的機(jī)構(gòu)對(duì)股價(jià)進(jìn)行扭曲后的恢復(fù),這樣不僅可以穩(wěn)定金融市場(chǎng)與促使實(shí)體經(jīng)濟(jì)穩(wěn)健發(fā)展,而且還能促使非理性投資行為的消失.當(dāng)金融市場(chǎng)大多數(shù)個(gè)體對(duì)國(guó)家成立的價(jià)值投資策略機(jī)構(gòu)采用跟隨策略時(shí),價(jià)值投資策略就會(huì)失效,中國(guó)證券市場(chǎng)將趨于穩(wěn)健,成熟與有效.這看似是一個(gè)悖論.因?yàn)檫@個(gè)機(jī)構(gòu)存在的作用就是為了使價(jià)值投資策略失效,當(dāng)價(jià)值投資策略失效時(shí),該機(jī)構(gòu)也退出了歷史的舞臺(tái).但這一切的假定,都是以真實(shí)可靠的財(cái)務(wù)數(shù)據(jù)為基石.

附錄

卡爾曼遞歸