证券投资相关分析范文

导语：如何才能写好一篇证券投资相关分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

一、分析证券投资的相关概念

1.1 证券

证券是所有权和所有债权凭证的统称，分为有价证券和无价证券。有价证券是拥有一定的票面金额，例如股票、银行的承兑汇票等等，是持券人或者债券指定的主体所有权或者所有债权的凭证。无价证券顾明思议就是没有票面金额的证券，一般证券市场都是指的是有价证券。

1.2 证券投资

证券投资是指投资者通过将股票、债券等有价证券以及衍生品购买，从而获得相应的红利或者利息等，这种投资行为和投资过程就是证券投资。证券投资在我国的发展较晚，虽然经过较短时间的发展，证券投资有了一定的发展，但是还是存在些许不足，阻碍着进一步的探究。

二、分析证券投资存在的问题

对我国证券投资市场进行相应的研究发现，存在以下问题：证券投资的公司管理和运作不合理，证券市场制度落后；其次，进行证券投资的市场营销投入过大；第三，证券投资创新与法律产生冲突以及证券投资市场的监管体系不晚上等等。

2.1 证券投资公司的结构治理不合理

对于公司结构治理不合理主要表现在：首先，缺乏一定的诚信，证券投资公司作为理性的经纪人，追求利益最大化的同时，丧失了基本的诚信道德。其次，存在一定的羊群行为，这主要是由于国内市场制度的不完善，导致证券投资市场本身的运作与外部的环境产生一定的冲突，使公司的理性经纪人任缺乏清晰的认识，产生从众的投资心理；除此之外，由于投资者业绩的压力导致其舍弃正规的投资理念，追求大众的投资行为；羊群行为的产生同样也是由于一些证券投资公司照搬照抄成功的投资案例。第三，进行证券投资资金的产品的数量较少，虽然近几年我国也推出了投资资金大产品，但是差异化减少，缺乏一定的突破，这也是阻碍公司较好的证券投资发展的机会。

2.2 证券投资的营销投入过大

对于某些较小的投资公司，只有经过相应程度的宣传才能受到关注。为此，投资公司不断加大营销投入，壮大自己的队伍。如果不断加大宣传的规模，就会出现本末倒置的现象，不利益证券投资公司核心竞争力的提高，不利于理性经济人。

2.3 证券投资的监管体系不够完善

首先对证券投资资金的监管不到位，主要表现在没有安排专业的人员对证券投资的各项环节进行记录；其次，缺乏投资国际化的监管能力。从从事证券投资的工作人员国际化投资的意识薄弱，没有认识到公司对外投资的好坏与公司发展的关系。除此之外，证券投资的创新与相应的法律法规存在一定的冲突，例如，证券投资采取公司基金式的治理更有利于公司的发展，但是《基金法》中规定只是针对契约型基金进行调整。

三、相应的合理化建议

针对以上证券投资存在的问题，笔者结合自己所学的专业知识，从完善公司治理结构、权衡适量的营销投入以及加大监管力度入手对公司证券投资提出一些合理化的建议。

3.1 完善证券投资公司的结构治理建议

在证券投资管理公司设置受托人委员会，受托人委员会由各个基金的资产托管机构、作为独立受托人的基金持有人以及独立董事组成。受托人委员会至少三分之二必须是独立受托人。独立受托人作为基金投资者利益的代表进入公司内部，以股东及其派出的董事、高级管理人员及其他利益相关者为主要监督对象。

3.2 适量投入证券投资的营销

巩固现有的与银行、券商的合作，积极探索与中小银行、保险公司、信托投资公司、邮政储蓄等其他渠道合作模式。另外注意协调好证券投资营销与投资管理的关系，不能将资源过于向营销部门倾斜，损害产品研发、投资研究、资产管理等核心竞争能力。对于中小企业而言，可以尝试外包基金销售体系也是思路之一，特别是对于中小证券投资管理公司而言。

3.3 完善证券投资的监管体系

应该继续加大对外开放力度。基金同业应该充分利用国际资源，在内部操作流程、预算管理制度、风险控制制度，以及投资业务流程、其他管理制度和投资理念与操作技术等方面向国际同行学习，不断提高基金公司的管理水平，强化自身的核心竞争力，还要在条件成熟时，积极探索发起设立境外投资基金的可行性与现实性。除此之外，还要努力进行一定的创新，增加基金产品，保持我国证券投资基金产品的多样化。

结语

篇2

关键词：羊群效应 基金绩效 行为金融学

一、文献综述

1.羊群效应的衡量及检验的文献回顾

姜新和黄静（2005）在“证券投资基金羊群效应实证研究”一文中，运用修正了的LSV模型，对中国证券投资金市场的数据，得出：从2000年年报到2004年中报，HM平均值为0.25089，说明中国投资基金存在明显的羊群行为；从买入羊群（BHM）和卖出羊群（SHM）来看，二者的平均值分别为0.12424和0.12665，卖出股票时羊群行为要稍强于买入股票时羊群行为，但差异并不明显。

2.基金绩效与羊群效应相关分析

姜新和黄静（2005）根据绩效评估指标的大小，将基金分成数量相同的三组，分别计算每组的HM、BHM、SHM值，再将各区间所属于该类别基金的HM、BHM、SHM取算术平均值，则得到该类别基金羊群效应指标数据。得出结论：最优组的基金其整体羊群效应（HM值）较其他组的羊群效应显著。

二、变量的选取及实证检验建模思路

1.羊群效应的衡量的变量选取

由于我们的研究不涉及买方及卖方的划分，故本文采取了未修正的的LSV模型计算公式（公式（1））对证券投资基金羊群效应进行衡量，这样更便于、简化了我们对基金羊群效应H值与基金绩效的关系进行计量分析。

对于在考察期内投资基金在某种股票的投资上是否有羊群效应， 可以用下列指标H衡量， H计算公式如下 （LSV，1992）：

（1）

p：代表增加所考察股票的持仓的投资基金占买卖该股票投资基金总数的比例的期望值。即：

（2）

AF：是一个调整因子，计算公式为：

（3）

2.基金绩效评价指标的选取

虽然传统的基金绩效评价有其自身不可避免的缺陷，如没有考虑风险因素。但是其数据获取简单，使用方便，且可以在一定程度上基本反映基金的绩效，加之本次研究的侧重点并非对基金绩效的评价，而是基金羊群效应的度量、H值对基金绩效是否存在影响。因而，本次研究从数据获得的简便性及研究的侧重点出发，选取了各支基金（共50支选定基金）的“季度净现值增长率”作为衡量各支基金绩效的指标。

3.羊群效应对基金绩效的影响的回归

为了考察羊群效应对基金绩效的影响，基于以上所有文献综述的已有研究成果，我们对模型进行了拓展与完善，我们进行如下回归分析：

Y（基金绩效）=aX1（羊群效应）+bX2（市场指数）+cX3（基金规模）+dX4（基金费用率）+e+ε

Y （基金绩效）用基金净现值增长率指标进行衡量。

X1 （羊群效应）用未修正的LSV模型计算得出H值。

X2（市场指数）用上证指数对大盘走势进行衡量。

X3（基金规模）用基金总市值指标进行衡量。

X4（基金费用率）用基金总费用均值进行表示。

最后一项ε为随机误差项，代表了基金运营中非确定性因素的影响。

在我们的研究与模型中，新加入和考虑了基金费用率、宏观经济走势、基金规模这两个因素和变量，从而使模型更加完整。宏观经济走势，基金规模和基金费用率的引入是为了在回归中排除非羊群效用因素对基金绩效的影响。

三、实证结果分析

1.实证分析方法

本文收集了我国金融市场上有代表性五十个基金的数据从2008年到2012年的按季度计算的数据，计算了这些基金对于基金重仓股“贵州茅台”（600519）的羊群效应，羊群效应使用建模思路中提到的H值衡量。然后再用时间序列分析的方法进行分析。

根据本文计算的H值可以看出，我国基金市场上存在较显著的羊群效应。尤其2008年和2011年尤为显著。

2.对结果的分析

首先，根据计算的H值可以看出，H值绝对值的均值为0.1584671，我国的基金市场上存在着比较明显的羊群效应。

由上面的实证分析结果可以看出，基金绩效和羊群效应之间存在负相关关系，而二者之间的协方差0.3462说明二者之间的相关关系是比较强的。而由上面的分析数据还可以看出，基金绩效和大盘走势有很强的相关关系，其协方差达到了0.6234；但与基金总市值均值、基金总费用均值的相关性就很小。这些数据说明基金受到大盘走势的影响比较大，是符合我们的预期的。

综合上面的结果以及分析，得出的结论是：我国基金市场上有比较明显的羊群效应，且羊群效应和基金绩效之间存在负相关关系。

参考文献：

篇3

关键词:羊群行为;中国证券市场;行为金融学

中图分类号:F83 文献标识码:A

羊群行为是指市场参与者在信息不确定的情况下,行为受某些因素影响而与大多数参与者行为趋于一致的非理。具体到证券市场而言,就是指投资者受整体市场涨跌情况或其他投资者心理、行为的影响,放弃自身已决定的买卖一定证券的决策,而采取与其他投资者行为相同或相似的投资活动。

一、中国证券市场羊群行为实证研究方法分析及相应实证结论

对于中国证券市场羊群行为的实证研究,我国学者多是借鉴西方已有的经济模型,使用中国证券市场的数据进行相关分析。本文依据现有文献实证方法分类并将其主要研究结果综述如下:

(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为的方法。收益率分散度,即个股收益率对于资产组合平均收益率的标准差。他们认为在市场大幅波动期间,如果存在羊群行为,则个股收益率应该紧密分布于市场收益率周围,价格趋向于一致移动,收益率分散度将趋近于零。因此,可以通过检验市场价格大幅波动时的分散度与平均水平下的分散度的相对大小来检验羊群行为的存在与否。因为分散度指标用到了横截面收益标准差,又称CSSD法。

较早对我国证券市场羊群行为进行实证分析的学者采用的就是CSSD方法。宋军、吴冲锋(2001)通过对1992年1月2日到2000年12月31日区间段内沪深两市所有上市公司的日收益率和月收益率数据进行基于分散度的计量回归分析发现,我国证券市场不仅存在羊群行为,而且投资者在市场收益率极低时的羊群行为程度远远高于在市场收益率极高时的羊群行为程度。此外,作者通过使用月收益率与日收益率数据的对比,发现投资者的羊群行为不仅在短期水平上存在,而且也在比较长期的时间段中存在。赵保国、甘茂智(2005)采用同样方法,使用1998年1月5日至2004年3月31日沪深两市所有个股收盘价数据进行了实证分析,得出了相反的结论,即在市场收益率极高时的羊群效应非常明显,而极低时的羊群效应并不明显。

(二)CSAD法。Sanders和Irwin(1997)提出用个股收益率对市场整体收益率的横截面绝对偏离度(CSAD)来衡量投资者行为的一致性。孙培源、施东晖(2002)采用CSAD模型利用1992年1月2日至2000年12月29日沪深两市所有个股的日收盘价数据进行了实证分析,发现无论市场上涨还是下跌,市场均存在羊群行为。而且市场大幅上涨时,投资者表现出更为明显的羊群行为。常志平、蒋馥(2002)选取构成上证30指数以及深证成分指数的股票作为样本,实证发现在上涨行情中,深圳证券市场与上海证券市场均不存在羊群行为;但在下跌行情中,深圳证券市场与上海证券市场均存在羊群行为,且深圳证券市场比上海证券市场具有更多的羊群行为。蒋学雷、陈敏、吴国富(2003)运用沪深个股的日收益率数据得出了相似结论。而张宗强、伍海华(2005)选取上证180指数样本股票的日收益率数据进行检验,发现上海证券市场上涨行情中的羊群行为要强于下跌行情中的羊群行为,结论与常志平、蒋馥(2002)的研究结果相反。

(三)LSV法。LSV方法最早由Lakonishok、Shleifer、Vishny(简称LSV)于1992年提出,他们通过构造衡量羊群行为强度的指标考察了一组货币基金经理同时购买或出售某一特定股票的情况。也是我国学者实证中采用最多的一种方法。该指标是将基金同时买卖特定股票的平均倾向,与基金交易不存在羊群行为的零假设下,基金同时买卖该股票的平均倾向相比较,间接地衡量基金买入(或卖出)特定股票的相关程度。

较早使用该方法检验我国证券市场羊群行为的是施东晖(2001),通过对1999年第1季度至2000年第3季度投资基金在季度报告中披露的位居资产净值前10名股票的检验,作者发现当有多个基金买卖同一股票时,将有75%以上的基金位于买卖的同一方向,并由此得出结论,投资基金对于单个股票的买卖存在显著的“羊群行为”。徐瑾、侯晓阳(2004)采用LSV法测度了封闭式基金羊群行为的程度。同样发现我国股票市场上封闭式基金存在显著的羊群行为。杜莉、王锋(2005)除了发现封闭式与开放式基金在交易过程中都存在显著的羊群行为外,公司规模在一定程度上也影响了羊群行为的强度,而且羊群行为显著地影响了股票价格。买入羊群行为比卖出羊群行为短期内对股票价格影响更大。伍旭川、何鹏(2005)对我国开放式基金的研究也得出了相同的结论。陈浩(2005),向锐、李琪琦(2006)的研究发现基金在买卖历史收益率存在极端值的股票以及小盘股时羊群行为尤其明显。而且基金卖出的羊群行为要强于买入的羊群行为,存在追涨杀跌的倾向,追涨倾向大于杀跌。祁斌、袁克等(2006)的结论相反,认为基金的买入羊群行为要强于卖出羊群行为,而且基金倾向于买入历史收益较高的股票而卖出历史收益较低的股票。该文还研究了股票流通规模与基金羊群行为的关系,发现基金羊群行为与股票流通规模呈“U”型关系,即在股票规模取最大和最小值时基金的羊群行为最为显著。胡赫男、吴世农(2006)指出时间、季节、盈利能力、市场规模、基金群体规模、市场态势等因素是影响基金羊群行为的主要原因。例如,在熊市期间基金的羊群行为比牛市期间更为显著;基金的羊群行为随着市场容量的扩大而递减,随着基金数量的扩大而递增;羊群行为的发生与基金的盈利水平正相关,与基金的收益互为依存等。

(四)实验研究与问卷调查的方法。鲁直与阎海峰在2001年采用简单随机抽样的方法对上海市的个人证券投资者进行了关于其羊群行为倾向及羊群行为影响因素的问卷调查研究。总结出影响证券投资者羊群行为的主要因素可以被总结为6个主因素,即个性特征因素、信息不对称因素、舆论与政策因素、信息处理能力因素、赌博心态与求利因素以及投资市场主力因素。在2004年,他与何基报(2004)设计了一项针对60名分层随机抽取的某高校MBA学员及经济学专业大学生的证券交易实验,通过对被测试者投资经验、知识水平以及资金量的控制,引发被试者不同的投资决策和羊群行为,发现投资者的投资经验和资金量共同影响了其投资决策的羊群行为;投资者的投资经验和知识差异将影响其对于信息的理解和敏感性,进而影响其投资决策;拥有不同的资金量将影响投资者对于信息的获取能力,相应将影响其做出的投资决策。同时,该研究认为市场中存在一定数目的机构投资者可以形成相互制衡作用,使价格走势趋于平稳。

二、中国证券市场羊群行为实证研究总结及展望

从上述学者的实证分析中可以看出,我国证券市场中不论是个体投资者还是机构投资者都存在显著的羊群行为,从市场行情方面看,市场上涨过程中的羊群行为较市场下跌过程更为明显(常志平、蒋馥,2002的观点相反)。从市场参与者的角度看,卖出的羊群行为比买入的羊群行为显著(祁斌、袁克等,2006的观点相反)。市场中投资者存在追涨杀跌倾向,不同类型基金的投资策略有趋同的倾向。羊群行为对我国股票价格也有一定影响。在与国外成熟市场(主要是以美国为对象)对比方面,学者普遍得出我国证券市场羊群程度要高于美国市场这一结论,并从市场完善程度,投资者投资理念等方面进行了相应解释。然而,迄今为止我国学者对于中国证券市场中的羊群行为还多数是借鉴西方经典文献中的模型,采用中国市场的数据来进行实证分析,虽然实证主要结论都是我国市场存在显著的羊群行为,但实证过程还存在诸多值得商榷之处:

首先,在数据选取方面,多数学者选取的时间跨度偏短,样本不足,影响了实证结果的可信性。这一方面是因为我国证券市场建立时间不长,造成了数据的时间序列偏短,而且市场相关信息披露不完善,造成数据残缺;另一方面也可能与作者主观选择有关。另外,由于我国证券市场波动性比较大,市场在不同时间段的表现不尽相同,而且投资者的投资观念等造成其羊群行为的影响因素可能随时间变化而变化,易造成分析研究结果的差异。从上面的总结中可以看出,使用同一种实证方法的两篇文献,仅由于实证研究数据选取的时间段不同,得出的结论完全相反。

其次,在实证模型选择方面,由于西方学者的实证模型建立在成熟市场基础之上,其测度指标是否适用于我国新兴市场还有待更深入研究。即便适用,这些模型本身也存在一些局限性。例如,CSSD指标易低估市场中的羊群行为程度,CSAD指标存在模型依赖问题,即该指标有效的前提是资本资产定价模型的成立。LSV法也存在无法检测机构投资者短期交易行为的问题。对我国证券市场羊群行为的实证研究需要寻求更加有效的方法与手段。

篇4

【关键词】指数跟踪；跟踪误差；因子模型

一、国外相关文献

1.基于均值一方差模型的研究

均值一方差指数跟踪模型就是采用Markowitz提出的均值一方差模型对指数跟踪问题进行研究，权衡跟踪组合的期望收益与跟踪误差。Hodges（1976）对标准的Markowitz优化模型的权衡曲线与超过目标指数收益及其方差的权衡曲线进行了比较。Perold（1984）指出指数跟踪可以用均值一方差模型，他将指数跟踪定义为寻找收益尽可能接近基准指数收益的证券组合。Haugen和Baker（1990）研究了指数跟踪中运用均值一方差模型的问题。他们认为通过考虑跟踪组合与目标指数收益的相互关系，可以用三种方法（贝塔值，决定系数，波动性）测度跟踪组合的跟踪能力。Roll（1992）通过引入了现资组合理论中较为经典的构建EV（均值―方差）模型的研究方法对指数化投资中典型的跟踪误差最小化模型做相应的研究，并将研究结果和现资组合理论中最优EV模型做了比较。Franks（1992）研究了基于基准组合的跟踪时采用均值一方差模型的问题，表明通过最小化跟踪误差可以以低风险取得相近于基准组合的收益。Rohweder:（1998）以跟踪误差最优化为目标，提出了目标函数中有交易成本约束的均值一方差模型跟踪指数，他指出了采取消极的指数跟踪策略的合理性。Wang（1999）以均值一方差模型为框架研究了既最小化交易成本又最小化跟踪误差等的多目标指数跟踪问题。

用均值一方差模型研究指数跟踪可以得到比较完美的解析解，但该模型有非常强的假设且仅考虑了收益的前二阶矩，对可赎回债券，抵押债券等不具有对称收益证券的指数跟踪无能为力。

2.基于因子模型的研究

最早用因子模型对指数跟踪问题进行研究的是Rudd（1980），他将交易成本考虑到因子模型的目标函数中，用单因子模型给出了一个简单的指数跟踪结构模式，结果他指出跟踪组合与目标指数高度相关。Stock and Watson（1988）认为因子序列是纯随机游走的。Larsen和Resnick（1998）指出小盘股的跟踪组合比大盘股跟踪组合有更大的跟踪误差标准差，并认为决定跟踪组合的跟踪业绩的不是构成跟踪组合的成分证券的行业而是市值。Forni等（2000），Stock and Watson（2002），假定因子序列是平稳的，但排除单整的情况，这种假定太过严格.Corielli和Marcellino（2002）则基于动态因子模型考虑了指数成分证券动态变化的特征，通过最小化损失函数的方法来解决跟踪组合的最优化问题。Frino等（2002）通过对影响跟踪误差的要素进行多因子回归分析，研究了澳大利亚指数基金的跟踪能力和跟踪误差的影响因素。进一步，Frino等（2004）通过多因子回归分析，研究了不同跟踪误差度量方法对指数跟踪业绩的影响。而Bamberg和Wagner（2000）研究了最优跟踪组合的求解中运用线性回归法的问题，结果发现古典线性回归最小二乘法的一些经典假设就此线性回归模型并不成立，但他们认为这不影响求解最优化指数跟踪问题中对该回归方法的应用，并提出最小二乘法的假设限制可采用鲁棒性回归法来避开。Bai和Ng（2004），不仅考虑了因子序列的平稳性，还考虑了单整的情况。

指数跟踪的因子模型的解释能力随着因子的增加而增强，但因子模型要求对因子进行识别，其难处在于无法识别所有的相关因子，也不能明确地给出因子的个数.Forni等（2000）建议用解释价格方差的百分比来决定因子的数量，Stock and Watson（2002）建议先用一个大的因子数量，然后再根据一定的信息标准选择因子的数量；Bai and Ng（2002）提出了一个多元信息标准来选择因子数量，并说明了当样本规模足够大时，该方法表现良好；Francesco Corielli and Massimiliano Marcellino（2006）借鉴Forni等（2000）的建议用解释价格方差的百分比来决定因子的数量，建立长期因子的复制组合，并对基于因子模型的指数跟踪与最小二乘法的指数跟踪进行蒙特卡罗模拟实证对比分析，得出了基于因子模型的指数跟踪更优的结论。

国外相关研究尽管把因子模型与指数跟踪相结合，但是他们同时考虑指数跟踪的实际约束，考虑各种跟踪误差模型的对比研究也较少。

3.指数跟踪的均值一绝对偏差模型的研究

除基于因子模型的线性指数跟踪模型外，还有其他线性指数跟踪模型。Worzel和Zeniou（1994）提出了一种线性模型来跟踪固定收益证券指数，即均值一绝对偏差模型来最优化跟踪组合。他们认为要尽可能好地跟踪指数可以通过最小化向下风险而不是最大化收益。Markus Rudolf，Hans-Jurgen Wolter，Heinz Zimmermann（1999）把跟踪误差定义为投资组合收益率与基准投资组合收益率之间的差值，并提出了四个线性的跟踪误差最小化模型，即最小最大化（MinMax）模型、向下最小最大化（Downside MinMax）模型、均值绝对偏差（Mean Absolute Deviation，MAD）模型、向下均值绝对偏差（Mean Absolute Downside Deviation，MADD）模型。同时，作者利用真实数据对四种线性模型和Roll的二次型模型进行了对比。结果表明，线性规划模型优于二次规划模型，这为跟踪误差的计量方法提供了另一种思路。Consiglio和Zenios（2001）采用Worzel和Zeniou提出的均值一绝对偏差模型研究了债券指数跟踪问题。

4.指数跟踪的其他优化算法的研究

在以上指数跟踪优化模型和优化方法的基础上，一些学者还采用了相对更为复杂的方法来研究优化跟踪组合的问题。Meade和Salkin（1989）为使跟踪组合与目标指数具有相似的特征对跟踪组合进行约束，并采用二次规划方法对跟踪误差进行近似求解。进一步，Meade和Salkin（1990）假设目标指数收益满足自回归条件异方差过程，考察了指数跟踪问题。Baestaens等（1995）和Zorin等（2002）研究了指数跟踪中采用神经网络算法进行优化的技术。Eddelbuttel和Marseilles（1996）则对寻找最优跟踪组合时采用混合遗传算法进行了研究。此外，Gilli等（2001）对交易成本有门槛值的指数跟踪采用启发式算法进行了研究。进一步，Beasley等（2003）采用启发式算法对交易费用约束情况下的指数跟踪技术进行了研究，详细论述了如何将指数化投资中的组合创建及平衡问题转化为最优规划问题，并介绍了如何利用遗传算法求解规划求解问题中的全局最优解。Pre等（2002）采用随机控制和顺向优化法对指数跟踪的优化问题进行求解。Yao等（2003）采用随机线性二次控制法和半定规划法对指数跟踪进行优化求解。

二、国内相关文献

1.关于指数跟踪的研究

高用深等（2000）介绍了管理指数基金的跟踪组合的相关内容：包括构建初始证券组合；现金红利收入再投资等。严武等（2000）对指数基金完全复制法、优化选样法和分层抽样法进行了介绍。马永开和唐小我（2001）对在市场无摩擦的假定条件下，假定投资管理者的证券组合和目标证券组合各自拥有自己的投资对象集，给出了一般情况下的基于跟踪误差的证券组合投资决策模型和模型的最优解，研究了对应最优投资策略的有效性和相对有效性，并对此最优投资策略进行了结构分析。此外，陈辰等（2001）提出了一种利用聚类分析和MTV模型以不完全复制构成资产组合去逼近市场综合指数的方法，从上海股票市场中任意选取50种股票，并使用本方法抽取不超出10种股票，用它们的组合去跟踪上证综合指数，取得了比较满意的跟踪效果。倪苏云等（2001）介绍了四种线性跟踪误差最小化模型，并建立了相应的线性规划模型，并将其与非线性模型进行了比较，指出了线性跟踪误差最小化模型所具有的优点。张玲（2002）将ETFs的跟踪误差分解为净值跟踪误差和价格一指数跟踪误差，并提出了跟踪误差的测算方法。陈立新等（2002）研究了如何减少投资组合跟踪指数的误差。刘柏清等（2002）把随机脉冲控制理论运用于均值一方差模式下指数跟踪的现金管理问题，他考虑回报率与现金比重变化的关系，讨论了证券指数跟踪最优化问题，得出了何种条件下可用简单脉冲控制策略。范龙振等（2002）运用主成分分析法得出上海和深圳股票市场的综合指数和A股指数可以反应各自市场的变化，而其他指数对各自代表的股票市场变化不能反映。他们指出利用多因子定价模型，结合优化方法和统计分析，从每个股票市场上选取20只左右股票，经过组合就可以得到与指数相近的收益。林飞（2003）在其博士论文“指数化投资理论方法及实证研究”中，在借鉴国外有关研究成果的基础上进行了创新，并结合我国证券市场的实际情况，运用了包含统计抽样、相关分析、回归分析、聚类分析、时间序列分析等统计方法和其它量化科学的若干研究方法，对标准型指数基金的指数化投资管理中涉及的主要理论、方法及相关实际问题做深入的理论探讨与实证分析。马骥、邓清（2004）在“指数基金与跟踪误差优化模型”一文中，研究了跟踪误差最小化的两种模型：二次优化模型和线性优化模型。并认为线性跟踪误差模型能够更加准确地体现投资者对待风险的态度和定位于特定目标。因此，在实践中应该采用绝对偏差最小化来取代偏差的平方最小化的方法。马骥（2004）在“跟踪误差的风险分析”一文中，为了明确指数基金所面临风险的大小以及风险的来源，采用回归模型、相关系数和多因素模型对跟踪误差的方差进行分析，给出并且证明跟踪误差方差分解的一般表达式。此外，陈绍胜（2005）在“指数型基金跟踪误差的实证分析”一文中，基于跟踪误差对于我国部分基金进行了一定程度的实证分析，指出在我国金融市场中，指数基金往往会因为标的指数成份股数量不同而产生很大差异，标的指数成份股越多，相对应指数基金的跟踪误差就越大；复制型基金完全复制策略下的跟踪误差要比增强型指数基金非完全复制策略下的跟踪误差要小；大额申购与赎回对指数基金跟踪误差产生明显影响。因此，指数型基金投资组合的构建应坚持被动投资，而力避主动投资。范旭东（2006）主要研究在跟踪误差约束条件下的指数化投资组合的构建与管理，其基本思路是在引进跟踪误差的概念后，详细阐述了在跟踪误差约束条件下的优化指数投资组合的构建与管理，包括初始投资组合的构建以及对投资组合进行的动态调整。李俭富（2006）以市场有效理论和现代组合投资理论基础，以数理统计和计量经济为技术手段，运用多门经济管理学科的知识，针对已有指数跟踪管理问题研究的不足，结合当前我国证券投资基金指数化投资的实际情况，对指数跟踪管理问题进行较全面的梳理和深入的研究，发展和完善了指数跟踪管理方法，为我国证券投资基金的指数跟踪管理提供了方法上的准备。张帆（2007）主要应用固定跟踪误差优化模型来构建一个动态的增强型指数基金，并考虑到我国现实状况，加入卖空限制条件进一步研究构建组合的变化情况。

但国内关于指数跟踪研究以收益率层面的跟踪误差最小化为目标的居多，以价格层面的跟踪误差最小化为目标的较少；指数价值直接从数据库引用的居多，考虑指数的权重信息而重新计算的较少。

2.关于因素模型的研究

国内把因素模型与指数跟踪直接联系起来的很少，大都是把因素模型应用于投资组合的研究，如张卫国（1998）研究了证券收益率由多因素产生的证券组合投资优化问题，建立了不同投资约束条件下直接确定有效证券组合的模型，并给出了算法.李颖等（2002）通过对多因素模型在投资管理领域中的应用研究，揭示了多因素模型在风险控制、收益预测、指数化组合构建、投资策略选择等投资领域具有较广泛的应用前景。李博（2003）用单因素模型和四因素模型进行实证研究得出，平均流通市值的自然对数和平均短期历史收益率对股票组合收益率的解释能力高。陈守东等（2003）针对上证180指数样本股和深证100指数样本股以及二者之和分别建立了FF多因子模型，并进行了检验和比较分析。使用的方法是最小二乘法和广义距估计方法（GMM）。结果表明FF多因子模型对于中国股市是基本适用的。王秀国，邱菀华（2006）研究了积极投资组合更一般的风险收益关系，提出了传统跟踪误差模型和均值方差模型的统一形式。宿成建（2006）实证结果显示：多因素模型能有效地找出股票定价的关键因素，而三因素模型能够对资产价格主要因素进行定价。

三、简评

指数跟踪问题的研究是不断发展的，从简单的跟踪误差最小化到考虑跟踪组合收益以及各种跟踪约束，从跟踪误差的定义到对产生跟踪误差的各个因数进行分解。指数跟踪的模型、约束条件和算法也开始从简单逐渐复杂化。采用新的数量化方法研究指数跟踪，多阶段和动态指数跟踪，积极指数跟踪等都成为研究指数跟踪问题的发展方向。

总体上说，相比国外而言，目前国内对于相关理论的研究仍处于起步阶段，并具有一定的滞后性，进行全面系统研究的较少；以收益率层面的跟踪误差最小化为目标的居多，以价格层面的跟踪误差最小化为目标的较少；指数价值直接从数据库引用的居多，考虑指数的权重信息的较少；考虑股价的动态因子模型，将因子模型与指数跟踪直接结合的也很少。国外相关研究尽管把因子模型与指数跟踪相结合，但是他们同时考虑指数跟踪的实际约束，考虑各种跟踪误差模型的对比研究也较少。

参考文献

[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,权丽平.指数基金探析[J].山西财经大学学报,2000,22(5):90-92.

[33]严武,洪道麟.我国指数基金运作与绩效研究[J].统计研究,2000,12:30-35.

[34]马永开,唐小我.基于跟踪误差的证券组合投资决策模型研究[J].系统工程理论与实践,2001,12:11-16.

[35]陈辰,范龙振,叶锋.指数证券组合模拟市场指数的聚类MVT方法[J].管理工程学报,2001,15(4):23-28.

[36]倪苏云,吴冲锋.跟踪误差最小化的线性规划模型[J].系统工程理论方法应用,2001,10(3):198-201.

[37]张玲.ETFs跟踪误差产生的原因探讨[J].证券市场导报,2002,11:44-49.

[38]陈立新,刘建.减小指数投资组合跟踪误差的研究[J].辽宁工程技术大学学报,2002,21(3):383-385.

[39]刘柏清,朱正佑,秦成林,李华.具有非常数回报率的证券指数跟踪问题的简单脉冲控制[J].上海大学学报,2002,8(1):68-72.

[40]范龙振,王海涛,何华.我国股票市场指数及指数证券投资组合[J].管理科学学报,2002,5(5):11-17.

[41]林飞.指数化投资理论、方法及实证研究[D].厦门大学博士学位论文,2003.

[42]马骥,邓清.指数基金与跟踪误差优化模型[J].哈尔滨商业大学学报(社会科学版),2004(1).

[43]马骥.指数化投资[D].吉林大学博士学位论文,2004.

[44]陈绍胜.只是基金跟踪误差的实证研究[J].当代经济科学,2005,4.

[45]范旭东.跟踪误差与优化指数投资策略―理论分析与实证研究[D].成都:西南财经大学,2006.

[46]李俭富.基于我国证券市场的指数跟踪管理方法及应用研究[Z].成都:电子科技大学,2006.

[47]张帆.动态构建增强型指数基金[Z].厦门:厦门大学,2007.

[48]张卫国.多因素模型下有效证券组合的算法[J].固原师专学报,1998,19(6):

9-13.

[49]李颖,汤果,陈方正.多因素模型在投资管理中的应用[J].华东经济管理,2002,16(5):95-97.

[50]李博.多因素资产定价模型的实证研究[J].商业研究,2003,21(281):54-58.

[51]陈守东,孟庆顺,赵云立.中国股票市场FF多因子模型的比较分析[J].吉林大学社会科学学报,2003(5):93-98.

[52]王秀国,邱菀华.跟踪误差多因素投资组合决策模型[J].财务管理,2006,18(11):

59-63.

[53]宿成建.中国证券多因素及三因素定价模型实证研究[J].系统工程理论与实践,2006(8):17-26.

作者简介：

刘建和，博士，浙江财经学院金融学院副教授，主要从事证券市场方面的研究工作。

篇5

关键词:大盘类指标、相关分析、实证、评测

在证券投资分析中,传统的技术分析指标是必不可少的工具,但是投资分析人员会遇到一个难题,就是传统的技术分析指标种类众多,各有所长,但在实际应用中难以取舍。而且各类技术分析指标缺乏实证检验,其有效性有多高难以确定,大量的技术分析书籍只是对技术指标进行了经验式的介绍,这也为技术分析指标的应用和普及带来了困难。

为此,本文以大盘类技术分析指标为研究对象,从实证角度对该类指标进行了测试和评价,从中优选出最好的指标共投资分析人员参考。

一、大盘类指标的特点和分类

大盘类技术指标的最大特点是只能用于分析大盘走势,不能应用于个股,其计算采用的原始数据只有两个:每日上涨机构数、每日下跌机构数(本文公式中,A代表上涨家数,D代表下跌家数)。

大盘类技术指标的原理就是通过分析上市公司上涨家数和下跌家数的结构性变动,来预测股票市场的未来发展趋势。该类指标的计算原理虽然简单,但是却有十多种指标。因此进行必要的分类与实证研究,找出最优分析指标就显得格外重要。

依据计算原理不同,可以为三种子类型:

(一)占比型

1、A/D(上涨家数比);2、BTI(广量冲力指标);3、STIX(指数平滑广量指标);4、TBR(新三价率)。

占比型指标的核心公式是A/(A+D),也就是A/D指标的公式;BTI指标是在其基数上进行二次移动平均;STIX指标是在其基础上进行了一次指数平滑;TBR指标是在其基础上计算了两个指数平滑曲线,通过判断两线变化,来预测大盘。

(二)差值型

1、OBOS(超买超卖);2、MCO(McClellan Oscillator);3、ADL(腾落指数);4、CHAIKIN(佳庆线);5、ABI(绝对广量指标)。

占比型指标的核心公式是A-D。OBOS是在其基础上进行移动平均;MCO是在其基础上分别计算两条指数平滑曲线,通过计算线差,来预测大盘;ADL是在其基础上进行累计求和;CHAIKIN是在ADL的基础上,计算两条移动平均线,通过计算线差,来预测大盘;ABI是在其基础上求绝对值。

(三)其他型

1、ADR(涨跌比率);2、BT(Breadth Trust)。

ADR和BT的计算原理相对特殊,列为其他类型。ADR指标是通过计算累计上涨家数与累计下跌家数的比,进行预测;BT指标是在核心公式A/(A-D)的基础上,进行移动平均。

以上11种指标,由于计算公式不涉及大盘指数,因此这是在大盘指数之外,一类重要的辅助信息,它从股市结构的角度进行分析,更加微观,能够协助其他类型技术指标,共同预测大盘走势,提高预测精度。

二、大盘波动的分析量设计

(一)大盘波动的分析量

技术分析指标预测的是大盘指数的波动,而不是指数本身,因此如何反应大盘指数波动,需要设计分析量。由于技术指标一般都具有连续预测的能力,因此只有采用环比增长率,才能真正体现出大盘指数的波动。公式:

增长率=(CLOSEn-CLOSEn-1)/CLOSEn-1×100%

(二)平滑处理

在计算分析量时需要采用移动平均法或指数平滑法剔除随机因素,还原分析量的发展趋势。本文采用指数平滑法剔除随机成份,平滑常数a取值0.1。为取得最佳效果,还需对大盘波动的分析量进行二次平滑。

三、技术指标的分析量设计

由于大盘类技术分析指标的算法分为多种类型,因此不同类指标的统计量之间不具有可比性,只有将各类指标的统计量进行处理,得到对应的分析量(即要求平滑次数相一致,分析量表示相一致),才能进行比较和实证。处理方法:

(一)占比型指标

1、A/D指标进行二次指数平滑处理,平滑常数a取值0.1;

2、BTI指标采用原指标公式;

3、STIX追加一次指数平滑,平滑常数a取值0.1;

4、TBR指标在两个指数平滑曲线的基础上计算乘离率,即:(MATBR1- MATBR2)/ MATBR2×100,再追加一次指数平滑,平滑常数a取值0.1。

(二)差值型指标

除CHAIKIN指标采用原指标公式外,其他指标均追加一次指数平滑,平滑常数a取值0.1。

(三)其他型指标

ADR和BT指标均追加一次指数平滑,平滑常数a取值0.1。

四、实证研究的分析思路

经过设计分析量和指数平滑处理,本文已成功构建了可以用于实证研究的分析量,通过对“技术指标分析量”与“大盘波动分析量”进行相关性检验,就可以证明大盘类技术分析指标进行预测的有效性。

(一)周期分析

由于不同指标适用于不同的预测周期,有的指标侧重于短期趋势,有的侧重于中期或长期趋势。为了体现不同周期的特征,在对“大盘波动分析量”进行二次平滑时采用1/10、1/30、1/60三个系数,求得10日、30日和60日三种周期的趋势平滑值,以上平滑值均参与实证分析,分别与“技术指标分析量”进行相关分析。即是说,“大盘波动分析量”只有增长率一个,但是实证评测时会算出三种不同周期,来判定技术指标的最佳适用周期。

(二)错位分析

在对“技术指标分析量”与“大盘波动分析量”进行相关分析时,由于大盘类指标非价格因素,而是结构类因素,其变化规律体现出一定的预见性。因此将“技术指标分析量”提前5、10和20个交易日,与“大盘波动分析量”时间错位后,进行相关分析,来判定技术指标的超前预测能力。

(三)数据采集

数据来源:数据取自大智慧新一代高速行情系统,分别取上证综合指数和深证综合指数两组数据。

时间段:数据从2000年1月4日至2009年10月16日,共2361个交易日数据。

参数设置:在计算技术指标时,指标参数按该指标常用值。

结果综合:在对沪深指数分别进行相关性检验后,将相关系数进行简单算术平均,计算综合结果。

五、实证研究结果及评价

通过实证研究,我们得到了各大盘类指标经过周期分析和错位分析,与股价波动的平均相关系数。

针对周期分析和错位分析,对各自的三组分析值,按0.6、0.3、0.1权重,进行加权平均求得综合评分,并排名,得到最终评测结果(见下图)。

(一)最优指标

通过周期分析和错位分析,进行综合排名,得出前四名的指标A/D、BTI、STIX、ADR。

其中占比型指标中有三个进入前四名,而A/D指标在两项综合排名中都位居第一。由于A/D、BTI、STIX指标的核心原理相同,因此可以认为是一项指标,但是由于A/D和STIX平滑次数较少,波动较为剧烈,不适于判断大盘走势,因此实际应用中BTI指标最为适用。

此外,ADR指标也以特殊的算法进入排名前列,其核心原理可以理解为,上涨家数移动平均值除以下跌家数移动平均值,与占比型指标的计算原理有相似之处。

(二)其他指标简评

其他指标中,差值型指标实证效果普遍较差,因为其核心原理是A-D公式,随着股票市场的不断扩容,这个差值的波动会日趋放大,不同时期的指标之间缺乏可比性,因此难以保证该类指标的预测能力。

此外,BT指标的实证效果也很差,其核心算法中的A/(A-D)公式,会在上涨家数与下跌家数接近时,使公式分母过小,出现异常放大的结果,因此其预测能力难以提高。

(三)综合评价结果

综合以上评价结果,最优的指标当属占比型指标类型,而最具实用价值的是BTI指标。会编辑指标公式的投资分析人员,可对对A/D指标追加两次指数平滑,得到最佳分析指标。

通过分本的实证研究,我们不难发现,大盘类技术分析指标,分析的是大盘的上涨家数与下跌家数构成的数据特征,实证结果表明此类数据特征能够起到一定的预测作用,是辅助其他类指标进行综合预测的重要工具。

而且在实际应用中,面对众多的大盘类技术分析指标,我们只要选择最优指标即可,重复使用表述同类数据特征的指标,并不能有效提高预测的准确性。

参考文献:

[1]张泽宇.《股票分析指标大全》[M].北京:中国经济出版社,2008

篇6

关键词：利率；汇率；联动；国际短期资本；实证研究

中图分类号：F832.5 文献标识码：A 文章编号：1003-9031(2008)10-0055-05

一、问题的提出

20世纪70年代国际资本流入的规模和扩张速度远远超过同期世界生产总值和国际贸易总额的增长速度，其中短期国际资本的流动规模的扩张最为显著，并对全球经济产生日益深刻的影响。1997年东南亚金融危机的爆发就与短期游资短时间内的大进大出息息相关。

资本的逐利性使得国际短期资本必定要在全球范围内寻找收益，而我国的宏观和微观经济形势都表明以人民币标价的资产短期内具备着升值的潜力。我国已经成为国际短期资本流入的主要目标国，尽管我国对资本账户依旧存在着严格管制，但是国内学者的研究表明：由于外汇管制政策的不完善，以及执行管制政策的力度不足，短期资本的流动获得了较为宽松的环境，国际短期资本实际上可以通过多种非法和隐蔽的渠道流入我国。[1]其中利率和汇率以及两者的联动是造成国际短期资本流入我国的公认因素，所以深入研究利率和汇率如何影响，多大程度影响国际短期资本流入我国，从而在此基础上提出一些管理国际短期资本流动的政策建议对于维护我国宏观金融的稳定的发展有着重要的意义。

二、理论分析

(一)短期资本概念的界定

1.按照期限

对于资本期限的划分，学术界有一个公认的划分标准，即借贷或投资期限在一年以下的为短期资本，一年以上的为长期资本。

2.按照意图

著名经济史学家查尔斯・P・金德伯格首次提出，应当按照投资者的意图来区分国际长期资本与短期资本。所谓国际短期资本流动，是指投资者的意图旨在短时间内改变或扭转其在国际间流动的方向。即使这一时刻目前尚未确定，但在未来时机适宜时仍会如此。

3.国内学者的概念界定

国内学者在研究短期资本的时候基于期限和意图两种分类基础上做了相互的借鉴，并且结合国际收支平衡表的具体项目进行了更加详细的完善和规定：曲风杰(2006)的定义：短期资本指借贷期限在一年以内的资本和随时可能改变方向的资本，即国际收支平衡表内借贷期限一年以内的其他投资，证券投资的货币市场工具，以及国际收支平衡表外隐性和非法的资本流动。[2]李杰(2007)认为将国际收支平衡表内直接投资和长期借款排除在外是无可争议的，但证券投资虽然到期期限无穷大却拥有发达的二级市场，变现比较容易，应视为短期资本。[3]另外许多隐性和非法的资本不一定都在国际收支平衡表外，它们可能混入正常的资本项目或借助其他项目流入境内，可能反映在国际收支平衡表上。因而对曲的定义略作了修正。短期资本是指投资者的意图旨在短时间内改变或扭转其在国际间流动方向的资本，在统计上，将其分为正常合法和隐性非法流入两部分；反映在国际收支平衡表金融项目中，前者指除直接投资和长期借款的各项目，后者指受制于资本管制通过各种隐蔽和非法渠道进入的资本。本文在对国际短期资本的概念界定上基本参照国内学者的观点。

(二)汇率和利率联动影响国际短期资本流入的理论机制分析

1.利率平价理论

设 为本国利率， 为国外利率， 为当前t期两国汇率的即期汇率， 为预期未来t+k期的即期汇率， 为外币预期的升值率(本币预期贬值率)。在短期资本不流动情况下可以得到公式：

该公式的含义就是：如果 ，则说明本国的利率较高，与国外的利差较大，这足以弥补本币的预期贬值率，则国际短期资本就会流入；相反，如果 ，则说明本国的利率较低，与国外的利差较小，虽然利率差可能大于零，但是没有本币的贬值来的多，所以短期资本会流出。这就是无抛补利率平价理论对国际短期资本流动的解释，由于我国国内不存在掉期市场，所以无抛补利率平价更适合我国的现实情况。

从利率平价方程式的相关分析中，可以得到影响国际资本流动因素的部分结论：(1)利率变化，国际资本通常是由利率低的国家和地区流向利率高的国家和地区。(2)汇率变化导致的远期升水或贴水的变化，本币贬值压力较大，国际资本由本国流向国外，反之，流向国内。(3)利率和汇率的联动会共同决定短期资本的流入与流出：只有当预期本币贬值率等于本国利率高于外国利率的利率差，相反，预期本币升值率等于外国利率高于本国利率的利率差的时候短期资本才会停止流动。

2.多恩布施汇率超调理论与心理预期

多恩布施模型描述的是一个小型开放经济，假定国外物价水平与国际利率水平是固定的，国内商品市场价格粘性，金融市场是瞬时结清的；资本具有充分的国际流动性，足以维持无抛补利率平价的成立。

多恩布施重新解释了预期汇率贬值率的形成。他认为预期汇率贬值率Ee由长期均衡汇率水平Ep，与即期汇率Et共同决定，即： 。 反映市场预期的汇率变动对本币相对于其均衡汇率水平高估或低估的敏感性，如果即期汇率低于其均衡水平，市场预期本币汇率将贬值；反之则会预期本币汇率升值。长期均衡汇率水平由两国的相对经济实力(诸如相对货币存量、相对国民收入、两国利率水平等因素)决定。

取均衡状态作为分析的起点。假设国内利率水平等于国际利率水平 ，即期汇率恰好处于其长期均衡水平Ep=Et。由于外部因素扰动，国内利率水平突然上升，根据无抛补的利率平价理论，外汇市场对本币的预期将是在今后几个月内逐步贬值。根据一般的经济常识，国内利率上升会吸引资本流入，促使本币升值。那为什么在这里国内利率水平上升反而会引起本币的预期贬值呢?其原因在于金融市场的瞬时结清。本国利率上调确实会吸引外资流入，导致本币升值，但是在价格有充分弹性的金融市场上，本币的升值过程是瞬时完成的，几乎与国内利率水平的上调同步。本币的瞬间升值为其在今后几个月内的贬值提供了下降的空间。[4]

(三)对我国国际短期资本流入因素的分析

结合利率评价和汇率超调的理论，可以初步推断汇率和利率的联动对国际短期资本流入我国的影响机制为：当我国采取加息政策导致利率上升，使得中国和外国利率利差增大的时候，国际短期资本会迅速流入我国，从而导致我国人民币的即期升值，但是由于我国的外汇市场不是以市场交易为基础的，我国实行的是管理浮动汇率制度决定了当外国资金流入我国外汇市场的时候央行会在外汇市场上进行干预购回一部分外汇，这就决定了外汇市场不能迅速结清，人民币不能一次性升值到位从而为远期的贬值留下空间。[5]但是市场机制要求人民币升值，所以在外汇市场上就形成了人民币升值的强烈预期。这样大量的短期资本就会流入我国结汇，一方面坐等人民币加息政策带来的利息上升，另外一方面获取人民币标价资产升值的收益。

三、影响因素的实证分析

(一)指标的选择

1.短期资本流入量(SIN)

由于我国对资本账户实行严格管制，不允许自由兑换，因此理论上国际短期资本的流入量数据可以通过官方的统计口径中直接观测到，但是根据研究表明由于管制政策的不完善，短期资本获得了较为宽松的环境，国际短期资本可以通过多种非法和隐蔽的渠道流入我国境内，所以国际收支平衡表上的统计与实际的短期资本的流入额就会相差很大，要想精确测算出国际短期资本的流入额难度是相当大的。[6]这里笔者根据实证研究数据频度的需要和实际数据的可得性，使用如下的测算口径：

短期资本净流入额(SIN)=外汇储备增加额-经常项目顺差-外商直接投资

因为我国采用的是结售汇制度，所以从理论上讲一切流入的外汇，都要在外汇市场上出售给央行外汇管理局，从而形成我国的外汇储备，因此从这个储备中减去经常项目顺差流入的外汇后大致就等于外汇资本的流入额，这其中外商直接投资由于资金用途大部分是用来购买设备、建设厂房，属于长期投资，所以将该部分外汇资金去掉后，剩余部分可以大致衡量出我国国际短期资本的流入额。

2.利率差(IRCA)

国内利率高于国外利率是国际短期资本流入中国套利的基本条件，本文出于对数据的代表性和可得性考虑，国内利率选取了人民币一年期储蓄存款利率，国外利率则选用美联储公布的联邦基金有效利率(Federal funds effective rate)。

利率差(IRCA)=国内一年期储蓄存款利率-联邦基金有效利率

3.汇率预期变动率(NDFE)

由于我国不存在人民币远期交易市场，因此对汇率的预期指标选择使用的是香港外汇市场人民币无本金交割远期外汇交易(Non-deliverable Forwards)，简称NDF的汇率值，外汇即期汇率选用的是中国人民银行外汇管理局公布的数据。[7]

汇率预期变动率(NDFE)=(远期汇率-即期汇率)/即期汇率

由于采用的直接标价法，所以该指标越小表示预期汇率升值的程度越高。

4.证券市场收益率(SHAINDEXR)

证券市场的收益率选取的是上证A股的指数收益率。

证券市场收益率(SHAINDEXR)=(即期指数-上期指数)/上期指数

考虑数据的可得性和实证研究的需要，笔者选取2000年1月-2007年12月的月度数据为研究样本。

(二)实证研究

1.模型的建立

本文的实证分析方法主要是通过计量经济学的方法建立计量经济学模型，通过控制影响被解释变量即国际短期资本流入量的除利率(IRCA)、汇率(NDFE)以及汇率和利率的联动(R*NDFE)外的其他诸多因素，从而找出利率和汇率在影响短期资本流入上的程度和方式。[8]

(1)证券市场的收益率(SHAINDEXR)。Calvo等人(1996)在研究亚洲及拉丁美洲的资本的流动时，发现国际资本的流入往往伴随着证券市场和房地产市场的泡沫。虽然我国目前对于外资投资中国证券市场是有额度限制的，即QFII，但是本文讨论的资本流入不仅仅包括QFII，而且还包括了那些隐蔽和非法流入额。所以国际短期资本的流入对于我国证券市场和房地产市场的收益率高低是非常敏感的。

(2)证券市场和利率的交互效应(R*SHAINDEXR)。根据股票价值的估算原理：股票的价值等于未来股票的股利按照市场利率折现，即 ，所以市场利率的抬高必定会使得股价下跌，从而影响到证券市场的收益率，所以利率和证券市场的收益率存在交互效应。

(3)其他一些因素的考虑(SINt-1)。国际短期资本的流入与一个国家的资本项目的管制程度息息相关，另外在流入过程中还受到市场心理因素的影响，而这些系统性的因素都有如下特征：①比较难以计量，心理因素和制度因素要用一个非常精确的数据来描述它们是很难的；②这些因素又在过去和现在一直影响着短期资本的流入，在研究国际短期资本的流入的时候必须对他们进行控制。考虑到这些因素的特殊性，笔者借鉴计量经济学的分析方法，借用被解释变量的滞后值来作为这些因素的替代变量，从而控制住这些系统性因素对国际短期资本流入的影响。

在经过分析之后，首先建立如下计量经济学模型：

2.变量单位根检验

为了对以上建立的计量经济模型进行协整检验，以考察变量之间是否存在一个稳定的均衡关系，笔者首先要对各个变量进行平稳性检验，检验结果如表1：

通过数据的单位根检验，可以看出：SIN、IRCA、NDFE和SHAINDEXR的水平值在10%的显著性水平上通过检验，是平稳的。

3.协整检验

协整检验可以揭示变量之间是否存在一种长期稳定的均衡关系。本文使用了Engle和Granger(1987)提出的协整检验方法。这种协整检验方法是对回归方程的残差进行根单位根检验。因此，检验一组变量之间关系是否存在协整关系等价于检验回归方程的残差序列是否是一个平稳的序列。

第一步：对方程式(1)进行回归估计并结果剔除序列相关后结果如表2：

由于根据实证检验结果初步判断：利率差(IRCA)系数的检验结果不显著，其余解释变量系数在10%-15%的水平上都通过检验，因此在模型的估计上应该将利率差(IRCA)变量从原来模型中剔除，对修正后的模型重新进行估计，估计结果如表3：

第二步：对上述最后修正模型估计的残差vt进行单位根检验，使用ADF检验方法，检验结果如下：

检验结果显示残差在1%的水平下拒绝原假设，接受不存在单位根的结论，因此可以确定vt平稳序列。

4.实证结论分析

(1)根据表2可得，利率差的系数 =2.49，但是利率差的系数没有通过检验，可见利率差对国际短期资本的影响甚小，这也验证了部分学者的观点：利率差对国际短期资本的流入影响不是很大，利率平价在我国的解释力不强。

(2)汇率的预期变动率的系数 =-23.47，表示汇率的单位变化会引起国际短期资本流入23.47亿美元，并且估计系数在5%的显著性水平下通过了检验。

(3)证券市场的收益率的影响系数 =886.41，并且在5%的显著性水平下通过了检验。证券市场的收益率每升高一个百分点，则国际短期资本的将流入约881.35亿美元，可以看出证券市场的收益率在除去利率、汇率及其联动效应的因素后的确是一个不可忽视的因素。

(4)利率和汇率的联动的影响情况即交互项的系数 =5.58。因为 ，根据估计结果汇率与利率的交互项的系数?茁4为正数，大于0，表示以加息为例，利率水平越高，单位汇率的预期升值率引起的国际短期资本的流动额越大，也就是说加息政策使得利率处于较高水平后，利差进一步扩大，这就使得更多的短期资本流入我国以谋取高利息存款收益率，这就更加大了对人民币汇率升值的预期，所以国际短期资本的流入更多。

(5)利率与证券市场的交互效应，因为 ，根据估计结果看交互项系数 =-329.89，系数小于0。还是以加息政策为例，当我国采取加息政策使得利率抬高到更高的水平，那么国内股票价格会下跌，这样在更高的利率水平下，单位资产收益率的下降会使国际短期资本的流入额变小，这符合经济学规律。

(6)滞后因变量项SINt-1的引入主要是为了控制住一些过去和现在都影响国际短期资本流入的变量，比如心理预期、我国的资本账户开放度等这些很难观测到的变量。系数为正，说明这些系统性的因素经过相互影响最后对国际短期资本的流入的总的影响是正向促进的。

四、结论和政策建议

通过以上实证分析可以看出，汇率的预期变动率和由于利率和汇率的联动是影响国际短期资本流入的重要因素，而利率差对短期资本流入的影响则不明显。另外资产市场的收益率以及和利率的交互效应是除利率、汇率和他们的联动效应因素之外不可忽视的重要因素。因此，笔者认为，针对我国短期资本流入的现状与汇率和利率之间的关系我国应该从以下两个方面采取相关政策。

(一)加快转变经济增长模式，为汇率制度改革，货币政策的独立铺设道路

对于我国人民币升值不到位，人民币汇率不能反映外汇市场的供求实际情况，是造成大量国际短期资本流入我国的主要因素。央行为了维护汇率的相对稳定，在外汇市场上不惜牺牲国内货币政策的独立性，主动对流入的外汇购入，使得人民币不能根据市场供需原则升值到位，从而加大了升值的预期的形成，并且如果我国采取加息政策的货币紧缩政策时还会进一步加大对于人民币升值的预期，引起大量短期资本流入。

乍看之下是我国外汇汇率决定制度的缺陷，但是这种缺陷背后的本质原因却是我国的经济增长模式：我国是一个出口大国，国际市场的需求对我国的经济增长有着很大的贡献，而价格优势又恰恰是我国的产品在国际市场的核心竞争力，所以只有控制住人民币的升值幅度才能维持住我国出口商品的价格优势。所以解决这个问题的办法就是要降低我国经济的对外依存，提高国内广大人民的收入，扩大内需；另外应提高我国出口产品的技术含量，从而降低我国出口品的价格弹性，松绑对于汇率的束缚，从而为汇率改革和货币政策的独立实施铺平道路。

(二)完善短期资本的监管制度，严格控制短期资本的流入

虽然我国对于资本项目是严格控制，但是从现实来看，效果并不理想，国际收支平衡表上能反映的短期资本流入量远远低于实际流入的数量，说明大量的短期资本通过一些非法和隐蔽的渠道流入了我国，这些短期资本流入就是为了短期内套取人民币利率上升和汇率升值的双重收益，一旦我国的经济经受短期调整影响，那么这些游资就会以各种非法和隐蔽的渠道迅速撤离，从而加大我国经济的波动，破坏我国宏观金融的稳健运行。所以在我国汇率改革还不能完全落实的情况下，对于短期资本非法流入的监管就显得尤为重要。

参考文献：

[1][3]李杰.我国短期资本流入规模估算：2001-2006[J].上海金融，2007，(10).

[2][6]曲风杰.中国短期资本流动状况及统计实证分析[J].经济研究参考，2006，(40).

[4]乔桂明.国际金融学[M].北京：中国财政经济出版社2006.

[5]张萍.利率平价理论及其在中国的表现 [J].经济研究，1996，(10).

[7]陈学彬.中国国际资本流入的影响因素实证研究[J]，国际金融研究 2007，(12).

篇7

面对一低再低的股市，惊慌失措的投资者究竟该怎么办，是继续坚持留守还是果断离场?

2245点岌岌可危

2245点绝对是中国股市的一个标志性的点位，2001年6月14日，沪指见顶2245点后，进入了长达4年多的熊市。尽管A股自2005年千点后，开始了一轮史无前例的牛市，不仅轻而易举地将2245点踏在了脚底，而且腾空而起跃上了6124点。不过，物及必反，自去年10月的历史性高点6124点之后，股市便“飞流直下三千尺”。不过，2245点被市场认为是有重支撑的点位，甚至有经济学家称：不跌破2245点，牛市就没有结束。

8月8日，就在股指狂泻之后，蒙受了巨大损失的投资者企盼北京奥运会的开幕能给股市带来一丝亮色，却不曾料到，这天大的喜讯带给股市的只是更沉重的打击。当日午后，股指一路狂泻，沪指跌122点，跌幅达4.47％。8月11日，股市更猛烈地下跌，上证指数洞穿前期低点2566点。8月13日，沪综指再次创出今年以来的新低2370.74点，2245点岌岌可危。

可以说，近期市场的主基调无疑是维稳。不仅主流媒体如人民日报、新华社等刊发文章力挺股市，就连国资委、发改委也加入了维稳的阵营。然而，事与愿违，维稳只不过是一场梦而已。经过一个月时间的震荡，投资者寄予厚望的2500点一线亦变成了“马其诺防线”。当维稳被解读为股指不产生暴涨暴跌时，上证指数在8月8日和11日两个交易日大幅下跌，再次让市场、让分析师、让投资者乱了阵脚。

估值创13年新低

A股到底怎么了，是不是估值太高?是不是中国经济发生了方向性的逆转?事实却恰恰相反。

目前沪深两市平均市盈率为18.92倍，这样的估值水平不仅低于2005年1000点时的市盈率水平(2005年6月6日沪综指跌破1000点时，A股市盈率为19.96倍)，而且创下1995年2月以来的13年新低(1995年2月17日，沪综指收在533.76点，市盈率为18.21倍)。从极端的情况来看，18.92倍的估值水平，距离A股市场最低估值水平15.3倍(1994年7月29日，沪综指收盘333.92点)不到20％，而上证50指数目前估值距离该数值更是仅10％左右。

更为惊人的是，A股疯狂下跌，使得A股变得越来越便宜。作为两市中坚力量代表的沪深300成份股平均市盈率已低于道琼斯成份股市盈率。而另据汤森路透8月12日的全球主要股指估值和表现对比表显示，截至8月12日收盘，沪深300指数成份股平均市盈率为17.54倍，而美国道琼斯工业指数成份股的平均市盈率为17.72倍。就这个数字简单而言，A股已经比美股便宜。

汤森路透同时提供的数据还显示，截至12日美国标准普尔指数500指数成份股的平均市盈率为15.5倍，纳斯达克指数的平均市盈率为20.88倍，日经指数的平均市盈率为16.45倍，恒生国企指数的平均市盈率为14.98倍，上证综指的平均市盈率为18.68倍，深证成指的平均市盈率为18.32倍。

市盈率在接轨，市净率也在接轨。截至12日，上证综指的平均市净率为2.86倍，沪深300指数的平均市净率为2.96倍，美国标准普尔指数的平均市净率为2.4倍，恒生国企指数的市净率为2.55倍，这几大指数的市净率已经相差-无几了。

而从中国经济发展的情况看，虽然面临着国内高通胀和国际经济前景不确定性的威胁和从紧政策的调控，但中国经济增长的趋势并没有发生方向性的改变。

还有没有下跌空间

估值低是否意味着现在可以大胆买入呢?理论上答案是肯定的。不过，在回答这个问题之前，先要研究一下另一个问题，A股日前还有没有进一步下探的要求?

那么究竟谁在砸盘?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、一面大肆出货。在7月下旬举行的中国证券投资基金国际论坛半年峰会上，摩根大通中国区主管龚方雄指出，H股的机会很大。7月底他在接受香港媒体访问时依然坚持，A股将在奥运期间回稳，对港股带来支持。他尤其看好年初至今跌幅颇大的H股，并表示：“在目前的估值水平下，投人中资股的风险已相对较低。”如果龚方雄的论调正确，那么摩根大通应该紧守仓位，然而事实却相反。来自香港联交所的资料显示，摩根大通7月29日减持了多只中资股，共套现约29.5亿港元，为近年来罕有的大规模减持行动。不过，这只是H股的一天数据，A股到目前为止，仍没有公开、确切的数据说明QFII在砸盘A股。

其次最为市场指责的是游资。8月11日，股指再度大跌逾百点，券商营业部的做空力度十分惊人。TopView数据显示，在沪市11日净流出额排名前40位中，仅第39位为基金席位，其余均为券商营业部。排名第一的国信证券净流出9.2043亿元，第二位的银河证券净流出7.6703亿元，第三的广发证券净流出5.6535亿元，紧随其后的光大证券及华泰证券两日净流出额也均超过4亿元。通过这一组数据，有相关分析师和媒体得出，营业部是游资、“敢死队”聚集地，营业部狂抛个股与近几日奥运等概念股被封死跌停板多日的现象十分吻合，游资无疑是近来暴跌的最大“杀手”。显而易见，这也是猜测而已，营业部的客户组成复杂，仅凭此判断是游资在作怪，过于简单。

不过，A股市场上一股抛售力量确实威力巨大，那就是耸人听闻的“大小非”。据中登公司8月11日公布的相关数据说明，“大小非”乃是市场的心头之患。截止7月底，“大非”减持占已解禁股份的17.24％，“小非”占43.51％。更值得关注的是，7月份并非今年的解禁高峰，然而沪深两市“大小非”共套现8.49亿股，较6月份4.51亿股的规模，环比大幅增加了88.25％。

而更猛烈的“大小非”减持压力还在后面。8月，解禁洪峰到来，沪深两市有147家上市公司限售股解禁，规模达428.63亿股，以8月1日收盘价计算，解禁股市值达3502.76亿元。其后的9月、10月、11月和12月分别为14 57亿股、92.52亿股、117.82亿股和143.28亿股，

事实上，在今后二三年之内，“大小非”解禁的阴影还是挥之不去。统计显示，今年全年共有1549.39亿股限售股将解禁流通，占到2007年底沪深两市总流通股本数的33％，而2009年解禁的限售股数量将是6890.15亿股，相当于2007年底两市总流通股本的1.5倍。到了2010年，获得解禁的限售股数量也将占到2007年底总股本的76％。3年的时间，仅仅是限售股的解禁，就使得A股市场流通股本增加了2.6倍。

“大小非”问题毫无疑问是投资者心中另一道挥之不去的阴影。毕竟，“大小非”的纷纷解禁，彻底改变了整个市场的供求关系。并且，随着今后更多“大小非”的解禁以及新老划断后限售股的鱼贯而出，市场将更加不堪重负。

更为可怕的是，在连续下跌之后，投资者的信心是一而再、再而三地遭受了打击，这个信心的恢复需要一个漫长的疗程，更何况还有“大小非”这个达摩克利斯之剑悬着，市场只要有个风吹草动，向下的动力仍存在。

坚持还是该离场

既然股市向下的动力依旧存在，深套的投资者该怎么办?这就要依据各个投资者的情况具体而定。

需要强调的是，由于2245点对A股是个里程碑式的点位，它在下跌过程中会起到一定的抵抗作用，可能会产生一波反弹。此外，在连续暴跌之后，管理层出台相关救市政策的可能性进一步加大，这也会催生反弹。

篇8

［关键词］债务重组幅度；财务状况改善；平滑利润；扭亏；上市公司；新会计准则；盈余管理

［中图分类号］F272.5［文献标识码］A［文章编号］16728750（2012）01007205

一、 引言

债务重组是指在债务人发生财务困难的情况下，债权人按照其与债务人达成的协议或者法院的裁定做出让步的事项。债务重组本是在债务人发生财务困难的情况下，通过债务重组减少债务人的负债金额，降低资产负债率，改善财务状况，使债务人获得新生，从长期来看，债务重组对债务人是利好的。实务中由于债权人做出让步，债务人通常会因债务重组产生收益。因此，一些上市公司利用债务重组进行盈余管理，并将债务重组视为盈余管理的手段之一。我国1998年首次颁布《企业会计准则――债务重组》（1999年1月1日起实施）以来，进行过两次修订，修订的核心问题是关于债务人债务重组利得的会计处理问题。其中，1998年颁布的《企业会计准则――债务重组》要求“债务人将债务重组利得计入当期损益”，2001年修订后的《企业会计准则――债务重组》（2001年1月1日起实施）则要求“债务人将债务重组利得计入资本公积”，2006年新修订的《企业会计准则第12号――债务重组》（2007年1月1日起在上市公司范围内施行）又回到了1998年颁布的《企业会计准则――债务重组》的处理思路，允许“将债务重组利得计入当期损益”。《企业会计准则――债务重组》的两次修订被认为是为了限制上市公司利用债务重组进行盈余管理。

债务重组的动因到底是什么？是亏损企业扭亏、盈利企业平滑利润等盈余管理的要求，还是资产负债率较高的企业改善财务状况的需要？目前，相关研究大都关注债务重组与盈余管理的关系，很少涉及其他因素对债务重组的影响。本文以2007年沪深两市获得债务重组利得的上市公司为样本，研究新准则下上市公司债务重组的影响因素，以寻找债务重组的真实动因。

二、 理论分析与研究假设

企业债务重组的动因理应是改善企业的财务状况，但是大多数研究认为企业债务重组是盈余管理的主要手段，其动因是平滑利润或扭亏。新《企业会计准则》颁布实施后，债务重组利得的会计处理又发生了变化，这引起了学术界对债务重组动因的进一步思考与热烈讨论［12］。本文在对债务重组与财务状况改善、平滑利润及扭亏等关系进行理论分析的基础上，提出相关研究假设，以探究债务重组的动因到底是什么。

（一） 财务状况改善与债务重组

通常情况下，债务重组前债务人资产负债率较高，并且出现财务困难，偿还能力不足，再融资能力受到严重影响，企业存在通过债务重组降低资产负债率、改善财务状况、增强融资能力的动机。企业资产负债率越高，企业债务利息的负担越重，企业面临偿还到期债务的压力越大，再融资能力受到限制越多。此时，为维持持续经营，企业往往会寻求债权人的支持，进行债务重组。尽管债务重组可能会产生一些收益，但是债务重组的主要动机应当是改善现有的财务状况，而不是为了盈余管理。颜敏和王平心对我国1998年债务重组准则下债务重组收益影响因素的实证研究发现，债务重组收益与资产负债率显著相关［3］；谢海洋和王秀芬的研究发现2001年债务重组准则下较高的资产负债率对债务重组收益影响较大［4］。因此，本文提出假设1。

H1：新准则下财务状况改善与上市公司债务重组幅度显著相关。

（二） 平滑利润与债务重组

平滑利润是企业盈余管理主要动机之一。吴战篪、罗绍德等人认为如果公司当年的盈利状况良好，就可能会通过盈余管理的方式保留一部分利润储备，以便在未来获利不好的时候予以转回，达到平滑利润的目的［5］。魏涛、陆正飞等人认为利用非经常性损益是企业盈余管理的惯用手段，无论是亏损公司还是盈利公司的盈余管理都相当倚重于非经常性损益，盈利公司盈余管理的主要是为了平滑利润［6］ 。颜敏和王平心的实证研究发现，1998债务重组准则下上市公司债务重组收益与营业利润率显著相关［3］。由于2006年准则恢复了1998年准则对债务重组收益的处理方式，因此，本文提出假设2。

H2：新准则下平滑利润与上市公司债务重组幅度显著相关。

（三） 扭亏与债务重组

根据《上市公司股票特别转让处理规则》、《亏损上市公司暂停上市和终止上市实施办法》等有关规定，我国上市公司连续2年亏损就要被特别处理（ST），连续3年亏损就将被暂停上市，如果暂停上市后第一个半年度公司仍未扭亏，交易所将直接做出终止上市的决定。因此，扭亏对于中国的上市公司而言具有特别的意义。陆建桥、赵春光等人认为国内上市公司的盈余管理动机之一就是为了避免出现亏损以及由此引发的特别处理和退市［78］。陈晓等人在考察中国A股上市亏损公司的扭亏行为时发现亏损公司利用关联交易活动和重组活动扭亏为盈［9］。谢海洋和王秀芬研究2001年债务重组会计准则下的盈余管理行为时发现，对债务重组收益影响较大的因素之一是扭亏［4］。樊懿芳与纪岩对新准则下债务重组公司的实证研究发现，发生债务重组的公司通过债务重组进行了盈余管理，且扭亏与债务重组程度显著相关［10］。在上述研究的基础上，本文提出假设3。

H3：新准则下扭亏与上市公司债务重组幅度显著相关。

三、 研究设计

（一） 样本选择及数据来源

本文研究样本为2007年进行债务重组并产生债务重组利得的A股市场上市公司。2007年进行债务重组的上市公司共计229家。本文剔除了金融行业的上市公司2家，剔除了前一年有关数据缺失的公司及虽进行债务重组但涉及金额不大无需披露的公司42家，剔除了发生债务重组亏损的上市公司79家，剔除了资产负债率高于300%、营业利润增长率高于3000%的公司 32家，得到最终样本为74个。

本文样本数据来自巨潮资讯网及沪深证券交易所，使用的统计软件包括EVIEWS6.0、Excel等。

（二） 模型与变量设定

1. 模型设定

本文采用多元回归模型检验前述假设。回归模型为：

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

其中，DEPi为被解释变量，代表债务重组幅度；CLEVi、ORGROi、CLOSSi为解释变量，分别代表财务状况改善、平滑利润和扭亏；MAF为行业控制变量；β0为截距，β1、β2、β3、β4分别代表模型各变量的回归系数，εi为随机干扰项。

2. 变量的含义

本文以债务重组幅度变量（DEP）为被解释变量。债务重组幅度变量是指上市公司当年债务重组利得与公司期初负债的比值，即标准化的债务重组利得。取债务重组利得与期初负债得比值，可以使不同规模样本公司具有可比性，同时又体现了债务重组的程度。

解释变量有三个。一是资产负债率差额（CLEV）。用债务重组前后上市公司资产负债率的变化来表示财务状况改善情况，其计算公式为CLEV=(公司2006年末负债总额/2006年末资产总额)－(2007年末负债总额/2007年末资产总额)。二是营业利润增长率（ORGRO）。用债务重组前后上市公司营业利润率的变化来体现利润平滑幅度，其计算公式为ORGRO＝(2007年营业利润－2006年营业利润)/2006年营业利润。三是扭亏（CLOSS）。这一变量为虚拟变量。本文设定样本中2006年亏损、2007年净利润为正的公司CLOSS=1；2007年营业利润亏损、2007净利润为正的公司CLOSS=1；2007年净利润为正的ST公司CLOSS=1；其余的公司设置为CLOSS=0。利润平滑和扭亏是盈余管理实证研究通常选择的变量［11］。

控制变量为行业变量（MAF）。不同行业的资产负债水平、盈利能力有着较大的差异，可能会对债务重组幅度产生影响。本文将所有样本分为制造业与非制造业两大类，设定行业为控制变量。行业变量为虚拟变量，MAF=1代表制造业，MAF=0为非制造业。

四、 研究结果与分析

（一） 描述性统计

我们根据研究模型涉及的主要变量，计算了各个样本的描述性统计量，如表2所示。

（二） 相关关系分析

我们对样本公司进行了变量的相关关系分析，结果如表3所示。

从表3列示的模型中各变量相关关系的分析结果，可以看出：相关关系分析中，债务重组幅度（DEP）与资产负债率变化（CLEV）、扭亏（CLOSS）都显著正相关，而与平滑利润（ORGRO）正相关但不显著。各变量相关分析的结果基本上支持本文的假设1和假设3，即财务状况改善、扭亏与上市公司债务重组幅度显著相关；而不支持假设2，即平滑利润与上市公司债务重组幅度显著相关。

（三） 回归模型检验结果分析

本文建立的多元回归方程检验结果见表4。

从表4可以看出，调整后R2为0.18，拟合度不是很高，但是F值为3.43，显著性水平0.013，模型整体上有显著统计意义。表4中，债务重组幅度DEF与CLEV、CLOSS分别在10%和1%的水平上显著正相关，假设1和假设3成立，即财务状况改善与上市公司债务重组幅度显著相关，扭亏与上市公司债务重组幅度显著相关。但是利润平滑与债务重组幅度相关度很低且不显著，假设2未通过检验，这说明平滑利润对上市公司债务重组幅度的影响不显著。另外，行业控制变量也不显著，说明制造业与非制造业在债务重组幅度方面并没有显著差异。

五、 结论

本文以2007沪深所有进行债务重组并产生利得的非金融行业A股上市公司为研究样本，研究新准则下上市公司债务重组的动因。研究结果表明：新准则实施背景下，财务状况改善与上市公司债务重组幅度存在显著正相关；实现扭亏与上市公司债务重组幅度存在显著正相关；平滑利润，即营业利润增长率与上市公司债务重组幅度不存在显著相关关系。

上述结论表明，企业进行债务重组的目的更多的是为了改善财务状况或扭亏。需要说明的是，本文的结论无法排除企业通过债务重组进行盈余管理的动机，但也提供了企业通过债务重组的其他动机――改善财务状况的支持证据。会计信息使用者需要对不同原因导致的债务重组进行区分，以判断企业债务重组后的业绩变化，若企业因改善财务状况进行债务重组，企业预期的盈利可能会增加，是利好信息；若企业因扭亏等盈余管理进行债务重组，企业预期的盈利可能会减少，是利空信息。会计准则制定者和金融监管当局若要避免企业通过债务重组进行盈余管理，需要对亏损企业和高资产负债率企业的债务重组信息披露做出更为严格的规定，如要求其披露更加详细的信息，以维护投资者利益，实现资本市场的稳定健康发展。参考文献：

［1］翟胜宝，郑洁.会计准则、证券监管规则与盈余管理――基于债务重组准则变迁视角［J］.南京审计学院学报，2011（4）：4652.

［2］刘泉平，张政伟.新会计准则引发的思考［J］.会计研究，2006（3）：710.

［3］颜敏,王平心.上市公司1999年债务重组准则盈余管理实证研究［C］.中国第二届实证会计国际研讨会论文,2003.

［4］谢海洋.债务重组准则盈余管理实证研究［J］.财会通讯：学术版，2005(10)：8487.

［5］吴战篪，罗绍德，王伟. 证券投资收益的价值相关性与盈余管理研究［J］.会计研究，2009（6）：4249.

［6］魏涛，陆正飞，单宏伟. 非经常性损益盈余管理动机、手段和作用研究：来自中国上市公司的经验证据［J］.管理世界，2007（1）：113121.

［7］陆建桥.中国亏损上市公司盈余管理实证研究［J］.会计研究，1999(9)：25-35.

［8］赵春光.资产减值与盈余管理――论《资产减值》准则的政策涵义［J］.会计研究，2006（3）：1117.

［9］陈晓，戴翠玉. A股亏损公司的盈余管理行为与手段研究［J］.中国会计评论，2004 （2）：299310.

［10］樊懿芳，纪岩. 债务重组与盈余管理――基于2007年深市A股上市公司的经验证据［J］.财会通讯:综合,2009(2)：123126.

［11］付小平. 盈余管理实证研究方法综述［J］.审计与经济研究，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

关键词:基金;羊群行为;测度;影响因素

中图分类号:F832．48 文献标识码:A 文章编号:1003―5656(2006)06―0116―010

近年来的许多研究发现,现代经济学所提出的信息不对称和非理显著地影响资本市场行为,“羊群行为”就是其中一个典型的现象｡关于羊群行为发生原因和后果,争议颇多｡一般认为,羊群行为发生的原因可以解释为:信息不对称或不完全;缺乏知识或经验;随大流以规避责任;随大流以减少恐惧等｡关于羊群行为是否将引发资本市场的不稳定也存在争论｡本文以我国基金为研究对象,首先提出了羊群行为测度指标的改进问题,并对羊群行为的新､旧测度进行对比分析,然后依据行为金融理论和环境心理学原理,采用实证方法研究基金羊群行为测度的环境影响因素,最后根据相关理论和研究结果提出新的解释,分析我国基金羊群行为产生的原因,并提出治理对策,从而对于正确认识羊群行为的可控性,提高市场监管水平提供政策依据｡

一､文献综述

主流的实证性羊群行为研究①认为,群体行为一致性(羊群行为)可能是正反馈交易策略或模仿上期的交易策略引致的｡Lakonishok,Shleifer和Vishny[1](以下简称LSV)以1985年至1989年美国769家养老基金为样本,用处于单边交易(买方或卖方)中的基金家数比例研究基金之间的羊群行为｡研究发现,样本基金不存在显著的羊群行为或正反馈现象,但在小规模股票的交易上具有“轻微的”羊群行为｡Wermers[2]以1974年至1984年美国274家共同基金为样本,发现不存在显著意义上的羊群行为,但在按基金投资目的分类后,共同基金存在同时购买和序列购买(Sequential Buy)同一只股票的行为｡Wer-mers[3]修正了LSV的羊群行为测度指标,将其区分为“买方测度”和“卖方测度”,在检验1975―1994年美国股市的共同基金时发现:样本基金整体上存在羊群行为,基金共同买入的股票比共同卖出的股票具有较高的同期和滞后收益｡随着持有股票的共同基金数量增多,羊群效应明显增强｡LSV认为,基金的羊群行为未必导致市场波动｡但Kaminsky和Schmukler[4]以及Choe和Kho等[5]认为,羊群行为对市场的稳定性和效率有很大影响,1997―1998年间的东南亚金融危机爆发时,外国投资者的羊群行为起了推波助澜的作用｡

施东晖[6]简化了LSV模型,对1999年1季度至2000年3季度中国股市基金进行分析,认为投资基金对于单个股票的交易存在显著的羊群行为;在电子通讯､生物医药､基建产业等行业存在更高的羊群行为;但没有检测出显著的正反馈交易现象｡陈浩[7]使用经典的LSV法,并对比了Wermers[3]区分买卖方的指标,对1991年1季度至2003年2季度的基金交易数据进行羊群行为测度的检验后发现:投资基金存在显著羊群行为,基金在小盘股上的羊群行为更显著;但采用Wermers[3]区分买卖方的指标没有得出显著并正确①的结果｡吴福龙､曾勇和唐小我[8]采用同样的方法对2000-2001年的基金中报和年报数据进行检验,发现中国基金的羊群效应高于美国共同基金的羊群效应,但并未表现出对大盘股､小盘股､新股以及信息技术行业样本股票的特殊偏好;投资重心有从小盘股向大盘股转移的趋势｡罗真和张宗成[9]以1999年1月至2002年12月中国股市74家封闭式基金为样本,应用概率单位模型对基金经理所面临的“隐性激励”对基金投资行为的影响进行了研究｡研究认为:基金经理面临消极职业结果(降职或离职)的可能性与基金当期业绩有显著的负相关关系;小规模基金经理､年轻的基金经理采用非常规的投资策略失败后将受到更大的消极职业结果的威胁,因而他们在投资组合的行业选择上可能更容易产生羊群行为｡区别于国内目前对基金羊群行为的研究,本文侧重于羊群行为测度的改进和羊群行为的影响因素研究｡

二､羊群行为测度和影响因素的研究与改进

(一)羊群行为的测度与改进

1.LSV的测度(HM)

LSV将羊群行为测度定义为:

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

其中:Pi.t为在给定季度t净买入股票i的基金家数比例,即买入股票i的基金家数与买入和卖出股票i的总家数之比;E(Pi.t)为Pi.t的期望值,用Pi.t在给定季度的算术平均值Pt近似代替;AF为调整因子,由于在基金买卖股票行为相互独立的零假设下,|Pi.t-E(Pi.t)|值可能并不为零,即Pi.t可能偏离其期望值,因此令:

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

假定当基金经理之间不存在羊群行为､投资决策相互独立时,Bi.t(t期净买入i股票的人数)服从B(ni.t，Pt)的二项式分布,ni.t=Bi.t+Si.t,为基金总家数｡即:

P?邀Bi.t=k?妖=(1-Pt)n-k(3)

将(3)式代入(2)式,就可求出AF｡

2.LSV测度中存在的问题:

(1)经典LSV法对HM的定义算法较复杂,经济含义不够明确

由定义式(1)可知:|Pi.t-E(Pi.t)|表示在基金经理存在羊群行为时,股票i净买入者比例对其期望值的偏离程度,则羊群行为测度指标HMi.t代表“购买者比例偏离程度的偏离程度”,该指标计算繁琐,经济含义不易理解｡

(2)经典LSV法对HM的定义可能会低估羊群行为的真实程度

当|Pi.t-Pt|

(3)经典LSV测度不适用于中国股市

陈浩[7]在使用Wermers区分买卖方的方法检验中国股市时,却得出“买方测度”

3.本文对羊群行为测度的修正：

(1)修正的测度指标HM(以下简称新测度)

在不存在羊群行为､投资决策相互独立的零假设下,那么定义新测度为:

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

其中:Pi.t为在季度t对股票i,基金经理中净买入者所占比例;Pe.t为零假设下该比例的值,即:Pe.i.t?邀Bi.t=k?妖=Pk(1-P)n-k,羊群行为测度Hi.t=Pi.t-Pe.i.t意味着在给定季度t,对股票i,基金家数中的实际购买者比例与零假设下理想比例值的偏离｡如果零假设成立,则E(Hi.t)为零｡

(2)新指标的合理性及其优点

新指标Ht具有四方面的优点和合理性:(1)经济含义明确,且避免了LSV指标中因计算绝对值而带来的数据方向与经济含义不符的缺陷;(2)避免了低估真实羊群行为程度的倾向;(3)在本文第四部分的新旧指标对比分析中可以看到,新指标(数据符号为正)准确地反映了中国基金群体在发展中处于增仓(超买)阶段的真实状况;而LSV指标(数据符号为负)难以解释该状况;(4)在本文第五部分市场环境影响因素的检验中可以看到,新指标所体现的羊群行为与市场环境的关系准确地反映了市场真实状况,而采用LSV指标却难以对检验结果做出合理的解释;(5)新指标计算简单｡

(二)羊群行为的特征与影响因素研究

1.羊群行为特征与影响因素研究中存在的问题:我们认为:国内关于基金羊群行为的研究存在三个问题:(1)Fisher和Jeffrey等[10]认为,个体的行为异常与环境压力有密切关系,行为人的正常动机在压力性的环境中常常受到异常动机的干扰甚至后者起主导作用｡羊群行为的盈利动机包括正常盈利动机和异常盈利动机,如果正常盈利动机单独存在,那么基金羊群行为的“正反馈”性质是显著的｡然而,目前对于国内市场羊群行为的“正反馈性”研究,却没有得到统一的结论｡(2)国外相关研究表明基金出于对市场看法的一致和基金同质性,在买卖具有某种盈利特征的股票,如小规模股票､成长型股票或价值型股票､特定行业类股票等等过程中可能产生显著的羊群行为｡然而中国股市基金羊群行为的实证研究表明“中国投资基金并未表现出对大盘股､小盘股､新股以及行业类股票的特别偏好”,但相关文献没有对这一现象做出合理的解释｡(3)现有文献很少涉及羊群行为发展趋势和变化规律的研究,很难从中发现羊群行为的影响因素｡

2.本文的改进:作者认为,中国投资基金羊群行为的“正反馈性”以及“股票偏好性”不显著是由于基金投资者在压力性的投资环境中,其异常盈利动机即“共同操纵股票的动机”削弱了正常盈利动机｡通俗地讲,在市场规模偏小以及绩优股或成长股等可选择品种有限的市场中,如果能够通过共同操纵股价的主动性策略实现盈利,那么就没有必要在少数绩优股或成长股上集中､被动地持股,尤其在股价涨幅已高､持股风险过大的时候｡现有文献对羊群行为特征的研究局限于对基金所投资股票的研究上,即对基金所投资股票按照股票上一期收益率､股票规模､所属行业､市盈率等特征进行分组检验,分析羊群行为的特征｡由于无法剔除基金异常盈利因素对数据的影响,这种特征研究没有得出统一的结论｡此外,Chang,Cheng和Khorana[11]的研究认为南韩､中国台湾等新兴市场的羊群行为程度高于成熟市场;Kaminsky和Schmukler[4],Choe和Kho等[5]认为外国投资者的羊群行为对东南亚金融危机起到了推波助澜的作用｡可见,亚洲新兴市场普遍的小规模特征和易操纵性为羊群行为的滋生､蔓延､变异提供了深厚的土壤｡因此,依据环境心理学和行为金融相关理论,本文首次采用按基金规模(而非所投资股票的规模)､基金盈利能力(而非股票的收益)､基金类别(而非股票的行业类别)等指标分组检验基金羊群行为的规模特征､盈利特征和类别特征,同时采用实证分析方法,对基金羊群行为的“时变性”特征及其环境影响因素进行研究,包括时间､季度､基金/市场相对规模､市场态势､基金盈利水平等因素与羊群行为测度的关系｡

三､研究设计

本文以1998年第1季度至2003年第4季度在沪深两市交易的封闭式和开放式基金的每季度投资组合数据为样本,比较各家基金对列于其投资额前十名的股票持仓数量的变化,确定买卖各股票的基金家数,并筛选其中对任意股票买卖家数不少于3家的数据｡本文假定买卖行为是一次性完成的｡原始数据来源:CCER数据库､上海和深圳证交所交易数据库｡

(一)变量及其定义

1.羊群行为测度:本文同时使用两种羊群行为的测度指标:LSV测度定义见式(1);新测度定义见式(4)｡

2.时间变量:time=-10，-9，…，0，…10，11,检验期为1998年第2季度至2003年第3季度｡

3.季度变量:Season=1，2，3，4,分别代表每年的第1､2､3､4季度｡

4.基金的相对规模Fund/Stockt:为了消除价格因素的影响,该指标采用基金家数与上市股票家数之比,其表示基金在股市中的相对比重,而Fund/Stockt的倒数代表基金的投资品种选择倍率,因此该指标能更好地反映基金交易行为受股市容量的影响｡

5.基金盈利能力(Rp-Rf)accu，t:本文以基金当年平均累计超额回报率(Rp-Rf)accu，t代表基金的盈利能力,Rf由3个月期定期储蓄利率计算而得｡

6.市场态势Zt:设市场态势为哑变量Zt,以上证综合指数收益率Rm来表示①,当Rm>0,Zt=1;当Rm =0,Zt=0;当Rm

(二)新测度Ht与LSV测度HMt的对比分析②

1.Ht与HMt的相关分析｡设:

Ht=λ+ζΗΜt+εt(5)

其中:Ht为新测度;HMt为LSV测度;λ､ζ分别为回归系数;εt为误差项｡

2.新测度Ht所包含的超买信息的分析｡根据定义,新测度与LSV测度的量纲并不相同｡为了在同一量纲上进一步进行对比,本文定义基金“超买羊群行为”的测度为:

EX(Ht)=Ht-Ht(6)

其中:EX(Ht)为超买行为的测度,为Ht在样本检验期间的均值｡

3.基金类别和季度差异对羊群行为测度的影响分析｡由于现有文献对股票按照规模､收益､行业类别等特征分组检验所得到的结果不显著､结论不统一,本文另辟蹊径,从基金的特征入手,(1)把基金按照净值分为大规模､中等规模和小规模组合,分别计算和比较各组合的Ht与HMt值;(2)按基金的季度净值收益率分为输家和赢家组合,分别计算并对比各组合的Ht与HMt值;(3)按基金类型分为封闭式和开放式组合,计算对比各组合的Ht与HMt值｡

(三)羊群行为的影响因素分析

1.为了研究羊群行为的影响因素和特征,本文采用Fama-Macbech[12]回归法,首先建立基金羊群行为的单因素分析模型如下:

H*t=α+βXt+εt(7)

其中:H*t代表基金羊群行为测度Ht与HMt;Xt分别代表:时间Timet､基金相对规模Fund/Stockt､基金盈利能力(Rp-Rf)accu，t或市场态势Zt;α､β为回归系数;εt为误差项｡

2.在逐一分析羊群行为各个特征因素的基础上,选取盈利能力､相对规模､时间和市场态势等因素构造多因素检验模型如下:

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

其中:H*t代表基金羊群行为测度Ht与HMt;(Rp-Rf)accu，t代表基金盈利能力;Fund/Stockt代表基金相对规模;Time为时间指标;Zt为市场态势指标;α､β1､β2､β3､β4为回归系数;εt为误差项｡

四､羊群行为新､旧测度指标的对比分析

(一)Ht与HMt的对比分析

从图1可以看出:(1)由于定义及相应计算公式的差异,新测度数量级显然大于LSV测度,且两者大多数值的符号相反;(2)Ht与HMt序列之间存在对称关系｡

新旧测度的相关分析表明:无论以原始数据或季度平均数据回归,Hi，t与HMi，t之间,Ht与HMt之间均存在显著(α=1%)的线性相关性,相关系数分别为-55%和-87%,可见以Ht作为羊群行为的测度更为简洁易解,且与HMt显著相关｡

从表1可以看出:(1)22个季度的新测度Ht均值为27.02%,除个别季度外,各季度Ht值基本稳定且为正数,表明这一阶段随着基金数量增加,基金持续增仓,呈净买入状态,除第11和20季度外,符合中国基金投资管理和市场实际情况①｡而LSV测度在各季度HMt值虽基本稳定却为负数,均值为-4.59%,难以解释中国的现实情况｡(2)进一步分析基金“超买羊群行为”的测度(参见图1),EX(Ht) 除个别季度外②,基本稳定且为正数,进一步证实了表1的结果｡可见以Ht作为中国股市基金羊群行为的测度,能更准确的反映基金的羊群行为,及市场和基金的现实情况｡(3)Ht值随季节波动,平均来看,每年第2-3季度达到最高｡

(二)基金类别对羊群行为测度影响的对比分析

1.不同规模基金组合:检验不同规模组合的Ht值,如表2中A栏所示:大､中规模组合的Ht值大于小规模组合的Ht值;大规模组合的Ht值与中等规模组合的Ht值接近｡按照一般规律,小型基金比大型基金更容易发生羊群行为,因为大型基金信息获取相对更为充分,理性程度和投资管理水平也更高[9]｡然而本文检测出中国股市大型基金的羊群行为更严重,这可能是因为较大的投资规模使得盈利更困难,因而有更强烈的动机通过羊群行为保障收益｡HMt的对比检验具有与Ht相反的结果｡

2.不同盈利水平基金组合:对比检验赢家和输家组合的Ht值,如表2 中B栏所示:赢家组合的Ht值略大于输家组合｡这表明基金的羊群行为测度和基金的盈利能力之间可能存在着一定程度的正相关性,HMt的检验结果一致｡

3.不同类别基金组合:检验封闭式和开放式基金组合的Ht和HMt值,结果如表2 中C栏所示:两者区别不显著｡理论上由于开放式基金面临赎回压力,且成立时间较晚①,短期盈利压力更大,有更强烈的动机采取羊群行为｡可能由于开放式基金仅有8个季度的数据,导致以上检验误差较大｡HMt的检验结果与Ht相同｡

(三)季度差异对羊群行为测度影响的对比分析

使用时间序列分析Ht和HMt值季节指数,如表2中D栏所示:基金的羊群行为高发于每年的第2､3季度,呈现有规律的从第1季度到第3季度递增,从第3季度到明年第1季度递减的趋势｡这一现象可能是因为受到 “无关效应(Disjunction Ef-fect)”②和基金年终业绩排名的压力｡第1､2季度基金对当年盈利情况还没有把握,操作上放得开手脚,这一阶段羊群行为上升缓慢｡第2季度结束后,基金对上半年的盈利情况心中有数,对市场看法趋同,第3季度成为羊群行为集中的季节｡而第4季度基金操作比较谨慎,担心意外损失影响全年受益｡(第二年)第1季度可能基金管理公司还未完成经理人业绩评估和新年投资决策,基金的交易行为不活跃,羊群行为相应较少｡该结果与表1列示的Ht和HMt值的季节性波动结果一致｡HMt的检验结果相反｡

五､运用新测度的实证检验结果与讨论

(一)单因素模型的估计和检验

作者分别检验时间､基金规模､基金盈利水平､市场态势等因素与羊群行为测度的关系,如表3所示:经季节指数调整后,基金羊群行为测度Ht与时间指标Timet有一定的负相关性;与基金相对规模指标Fund/Stockt有正相关性(与基金选择倍率Stock/Fundt负相关);与基金盈利能力有正相关性;与市场态势负相关｡对比检验表明:HMt检验的显著性普遍较弱｡

(二)多因素模型的估计和检验

表4显示:(1)Ht与基金盈利水平正相关,表明基金可通过共同持股甚至联合坐庄的交易行为来获得利润,而基金的获利又进一步推动其羊群行为｡尽管这种关系不太显著,有待再次验证｡(2)Ht与基金/市场相对规模显著地正相关,这表明随着基金相对规模的扩大,采取羊群行为的投资者逐渐增加,也表明基金规模的相对增长对羊群行为具有推动作用,这与Wermers[3]对美国共同基金羊群行为研究的结论一致｡(3)Ht与时间因素负相关②,但不太显著,表明基金的羊群行为随着时间推移有所减弱,但并无显著改善｡(4)Ht与市场态势或市场收益状况显著地负相关,市场向好,股票普遍上涨,投资赢利相对容易,基金的羊群行为不太活跃;市场下跌,基金单独操作盈利困难需要联合行动,因此表现出明显的羊群行为｡(5)显然,由于HMt定义导致其数值负数居多,除时间因素外,其回归模型的系数符号与Ht相反,使得HMt的检验结果很难解释中国基金羊群行为的影响因素,这再次表明Ht作为反映中国基金羊群行为的现实意义｡

六､结论与启示

本文以1998年第1季度至2003年第4季度在沪深两市交易的94家封闭式和开放式基金为研究对象,通过分析､比较和检验,本文发现:(1)我国的投资基金存在明显的羊群行为;大规模基金的羊群行为比小规模基金更严重;盈利能力强的基金的羊群行为比盈利能力弱的基金更显著｡(2)羊群行为的影响因素主要有:时间;季节;盈利能力;市场规模;基金群体规模;市场态势｡其中:羊群行为在熊市期间比在牛市期间更频繁发生,这一特征体现了羊群行为的本质,越是在压力性或不确定性的环境中,人们越是寻求群体一致性,力图通过从众的力量重新获取对环境的控制感和安全感;基金的羊群行为测度和基金/市场的相对规模正相关,即随着市场容量的扩大而递减,随着基金数量的扩大而递增;羊群行为测度与基金的盈利水平正相关,表明羊群行为作为一种盈利策略,与基金的收益互为依存｡(3)对比LSV提出的羊群行为测度,本文提出的羊群行为测度计算上更为简洁,含义更为清晰,实证研究结果更能说明中国现实｡

作者认为,本文的实证结果表明我国基金的羊群行为与投资环境和投资者心理因素有关｡在资本市场中,以“市场态势”､“市场规模”､“可投资证券数量”､“竞争者数量”等指标衡量的投资环境具有高度变异性,投资者难以及时充分地获取信息,心理压力加剧,促使“从众本能”被激发｡同时,投资者的从众本能也会随着市场投资环境的变化而变化,使得羊群行为出现某种“时变性”的特征｡在市场早期(2001年以前),市场处于上升趋势;基金投资者人数少,竞争者少;中小投资者参与股市的热情高;市场投资环境和基金盈利的确定性较高,因此基金的羊群行为相对较弱｡这一阶段基金普遍盈利水平较高,使得基金对其带有“庄家”特征的操作模式容易产生过度自信(Over-confidence)的心理和代表性偏差,即过度相信自己判断的正确性和自己对市场的“把握”能力,不太重视市场的系统风险｡因此,在这一阶段基金延续了券商独立操作的模式,羊群行为较弱｡过度自信和代表性偏差导致基金在市场后期(2001年以后)忽略了上市公司整体质量下降和市场正在由牛转熊的迹象｡随着市场环境恶化――基金发行加速､上市公司信用危机暴露､市场态势由牛转熊等等,基金盈利空间快速萎缩,产生了盈利反转,甚至出现了全行业亏损｡投资环境的恶化和盈利反转使得基金投资者产生信心不足和认知失调,为缓解“独自承担责任”的心理压力,基金开始反思和调整“做庄”模式,转而寻求群体一致性的羊群行为｡正如“行为局限理论”所指出的,个体的行为异常与其对环境的控制力丢失有密切关系,当人们觉察到对环境的控制能力丢失,首先会引起负性情绪体验,这时个体就希望通过某种行动,重新获取对环境的控制力,这称为“心理阻抗”｡投资环境的恶化使得盈利不确定性加剧,基金投资者害怕“丢失控制”,因而越是处于熊市,市场环境越不利,基金越倾向于强化羊群行为,以满足控制幻觉｡此外,作者认为中国股市单边市和现货交易的机制也限制了基金正常的规避风险能力,促使基金羊群行为更加强烈,并强化了羊群行为与基金规模､基金盈利水平等因素之间的正向相关性｡迄今,没有证据表明羊群行为降低了基金投资者的收益,这与国外有关研究的结论不同｡

羊群行为增强可能孕育更大的市场风险｡克服羊群行为的对策在于:从证券监管机构的角度,进一步发展和规范市场,应注意基金的发展规模与市场规模扩展的关系,随市场规模的发展有计划地逐步发展基金,避免基金规模增长失调;进一步提高股票市场信息的透明度,降低因信息不透明引发的羊群行为｡从基金管理者角度看,提高基金管理能力,避免牛市的过度自信､熊市的自信不足,避免环境变化产生的负情绪所引起的心理阻抗和控制幻觉,根据市场情况构建基金投资风格,不断提高管理者选股和择机的能力｡

参考文献:

[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]施东晖.证券投资基金的交易行为及其市场影响[J]．世界经济，2001，(10)．

[7]陈浩.中国股票市场机构投资者羊群行为实证研究[J]．南开经济研究，2004，(2)．

[8]吴福龙，曾勇，唐小我.中国证券投资基金的羊群行为分析[J]．管理工程学报，2004，(3)．

[9]罗真，张宗成.职业忧虑影响基金经理投资行为的经验分析[J]．世界经济，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

关键词：生存偏差；市场环境偏差；对冲基金；绩效评价

中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2017）01-0028-10

一、引 言

随着我国证券市场的不断发展，各类金融衍生交易产品也日益成熟，尤其是2013年6月修订后的《中华人民共和国证券投资基金法》（又称《新基金法》）颁布实施以来，公募基金垄断局面被打破，对冲基金获得了迅猛发展。对冲基金最早可以追溯至20世纪50年代末，起初的对冲基金是一种通过风险对冲来避险保值的双向操作运行模式，如今对冲基金更多的是一种通过对冲套利来获利的基金产品。我国对冲基金的初始形式为阳光私募基金，以非公开发行的方式，向特定投资者募集，并投资于二级证券市场，更一般的统称为私募基金。据好买私募数据中心统计①，截止到2016年8月20日，市场上11851家私募基金管理公司共发行了58546只私募产品，在这些私募产品中，有6691只基金已清盘。从图1可知，对冲基金当月累计成立数量从2013年6月起呈直线式上涨，且当月成立数量也一直在高位徘徊。对冲基金的迅速扩容反映了我国民间财富的快速增长以及随之而来的对投资理财的多样化需求。面对众多复杂的私募基金产品时，基金绩效往往成为投资者进行产品选择的重要因素，但是我国并未形成统一规范的对冲基金绩效评价标准。通过系统梳理国内外文献，容易发现已有的绩效评价方法因未考虑对冲基金生存特征和市场环境特征的偏差效应，即生存偏差和市场环境偏差，而使其评价结果的客观性受到质疑。

在生存偏差效应方面：一方面，许多私募基金存活期并不长，消亡率与日俱增，从美国对冲基金的发展历程可知，对冲基金的高退市率会显著影响基金绩效的持续性，并对基金绩效的评价产生影响。另一方面，许多基金的信息披露过多依赖于各大数据供应商以及私募机构的自愿性。这导致投资者能够看到的数据已经超过私募机构的自我选择，披露的数据往往存在自我选择偏误。JT.Horst（2005）发现在流动性偏差和自我选择偏误的共同作用下对冲基金绩效一年被虚增了8%。忽略自我选择偏误和只关注存活的基金会遗失大量有用信息，从而影响绩效评价的客观性。这就是所谓的生存偏差，即“死的基金不会说话”。

在市场环境偏差效应方面：晨星数据显示，2015年末阳光私募产品中，我国股票型基金占据了绝对主流的地位，而其他私募产品如基金中的基金FOF、全球宏观、债券型等数量并不多，其中2015年我国股票型基金的数量约占93%。从这个角度看，我国对冲基金的绩效受到股市波动的影响会比较大，而2010年3月底融资融券交易业务的推出更是加大了这种波动的影响。事实上，当股市行情好的时候，有的基金经理即使能力一般，但借着市场的上涨基金也能获得较高收益。在行情不好的时候，即使有的基金经理能力优秀，市场的下跌也会降低基金的收益。因此，在股市波动大的时候不考虑市场环境的绩效评价很容易使得评价结果带有市场环境偏差。

上述两种典型偏差效应的存在会使得对冲基金绩效的评价缺乏客观性，因此，本文的贡献在于在考虑生存偏差和市场环境偏差的前提下，客观评价对冲基金绩效，这也是对现有研究的一个有益补充。本文主要研究的问题是：我国对冲基金是否存在生存偏差效应和市场环境偏差效应；生存偏差和市场环境偏差是否会对基金绩效评价存在影响。

二、相关文献回顾

（一）基金绩效评价

基金绩效评价内容主要包括基金的绩效、基金经理能力和绩效持续性。本文着重研究两种偏差效应对基金绩效和绩效持续性的影响。国内外众多学者很早就提出了不同的观点。

在基金绩效评价指标方面：Treynor（1965）提出了对收益进行[β]风险调整的特雷诺指数。Sharpe（1966）在特雷诺指数基础上提出了用标准差衡量风险的夏普指数。Jensen（1968）提出了詹森指数这一绝对指标，即超额收益率。

在基金绩效度量模型方面：平均超额收益模型是最为基础的模型。Fama和French（1992，1993）分别建立了三因素模型和五因素模型。Carhart（1997）提出了四因素模型，它不仅考虑了规模和市净率，也考虑了动量效应的影响。

除了基金绩效具体评价方面，投资者往往更关心基金绩效的持续性，这是保障投资收益稳定性的关键。对于基金绩效是否具有持续性、持续期的长短、持续性的显著程度，不同学者基于不同的数据来源，利用不同的计量方法提出了相应观点。部分文献认为基金绩效显著，但不具有持续性，如Jensen（1968）、Phelps和Detzel（1997）。Stafylas D （2016） 对美国1990―2014年的对冲基金稻萁行研究发现，除了几个特例，风险调整后的收益度量下的基金并没有绩效持续性。也有一部分文献认为基金绩效不仅显著，而且具有持续性，而有的学者认为只存在短期持续性，有的认为存在长期持续性，有的认为整体具有持续性。2007年以前有关对冲基金绩效持续性的文献研究认为，对冲基金绩效短期内可以持续1―3个月，或者最多长达1年，长期并不存在持续性。然而在后续研究中，利用更先进的计量方法，有学者发现对冲基金绩效存在长期持续性，有的情况下基金持续期甚至长达5年。Harri，A.和Brorsen，B.（2004）利用回归法和Spearman秩相关系数法发现了4个月持续性；Capocci，D.（2009）利用回归法和排名比较法发现了短于1年的持续性；Ammann、M.Huber，O.和Schmid，M.（2013）用Probit模型发现了长达3年的持续性。

总的来说，国外大部分学者认为对冲基金绩效持续性显著，只是对持续期长短产生分歧。而国内很多学者认为我国基金并不存在绩效持续性。在开放式基金持续性方面，周泽炯（2004）认为基金绩效总体不存在持续性；在对冲基金持续性方面，绩效持续性不强；麦静銮（2013）利用列联表法发现赢家组合和输家组合绩效都不具有显著持续性；邱龙淼（2012）用横截面回归对各个基金单独考察发现绝大多数对冲基金在考察期内不具有好的持续性。

为了综合比较不同基金绩效评价的结果，减少单一评价指标的偏差，本文将采用多个绩效评价指标和两大类持续性度量方法：在研究生存偏差对绩效影响时将使用多个绩效度量指标和分组比较法，在研究市场环境偏差对绩效持续性影响时将使用平均超额收益绩效度量模型和横截面回归法。

（二）生存偏差和基金绩效

生存偏差一般定义为生存基金组合和全部基金组合的绩效差，但是两个组合的具体构造方法却不同。确认生存偏差的标准方法最先由Malkiel（1995）提出，即在一个给定的时间内获取所有活跃的共同基金信息，在期末将所有基金的平均回报与生存基金的平均回报进行对比，回报率的差额便是生存偏差。Fung和Hsieh（2000）也采用了这种定义。Brown、Goetzman和Ibbotson（1999）用整个样本期间存活基金和全部基金的绩效差来定义生存偏差，这是第二类定义，很明显第二类定义比第一类定义对生存基金组合要求更高，任何在样本研究期间成立或清算的期末存活基金都不包括在内。

Xu、Liu和Loviscek（2009）发现对冲基金的收益通常被虚增，因为很多失败的基金会停止上报绩效，而失败基金和其他基金收益间的差距平均为每月0.54%。Brown（1992）认为生存偏差会高估基金绩效持续性，而Grinblatt和Titman（1989）认为生存偏差会导致基金绩效的虚假反转。

国内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组比较法来考察生存偏差对我国封闭式基金绩效及绩效持续性的影响。研究结果表明：忽略生存偏差效应会导致我国封闭式基金绩效的高估，且在一定程度上夸大了我国封闭式基金绩效的持续性。杨艳林（2011）采用四种基金绩效度量模型发现我国封闭式基金生存偏差效应为负，生存偏差会减弱基金绩效持续性，并且在生存基金定义、权重处理方式选择不同时不改变该结论。

我国的私募基金近几年才真正发展起来，数据获取困难，因此对私募基金进行的生存偏差研究并不丰富。陈道轮和陈强（2013）首次用Probit模型对私募基金的消亡现象进行了深入分析，并发现影响生存偏差的因素与绩效波动、规模大小和年轻程度相关。林鲁森（2016）利用分组比较法发现，生存偏差夸大了对冲基金的分组整体绩效持续性。利用游程检验对基金个体绩效进行检验时，存在绩效持续性的基金很少，而生存偏差高估个体基金持续性程度为1.18%。

（三）市场环境偏差和基金绩效

许多学者研究了不同基金绩效度量方法对排名的影响，但是却忽略了所选样本的完整性和样本因处于不同期间、不同市场环境所带来的绩效差异。Bal和Leger（1996）研究对象是样本期间一直存活的基金。Stotz（2007）研究了不同绩效度量方法的关系，所选择的样本包含了生存基金和死亡基金，但是却没有考虑市场环境的影响。

Pastor和Stambaugh（2002）认为将新的市场环境信息引入到基金绩效评价模型会得到更为精确的结果。Scholz和Schnusenberg（2008）采用了Pastor和Stambaugh（2002）的绩效修正方法，对包含死亡基金的样本分为不同市场时期进行了研究。匡荣彪（2009）也采用了该绩效修正法对我国开放式基金的市场环境偏差进行了研究，发现修正后的绩效指标能够提高基金当期不同绩效指标的排序一致性，也会缩小牛熊市组合的绩效差。

三、研究方法和数据处理

（一）基金绩效评价

1. 基金绩效度量。本文的绩效度量方法采用常用的夏普比率、特雷诺指数、詹森比率三大经典指标和平均超额收益模型、Fama三因子模型等。

其中，[MKTi]是市场收益率减去无风险利率后的市场超额收益率，[SMBi]、[HMLi]分别代表规模因子、价值因子序列。[βM-3Fi]、[βS-3Fi]、[βH-3Fi]分别代表的是三因子模型的市场[β]、规模[β]和价值[β]。这三个指标为正且值越大，那么基金绩效越好。

2. 相关定义。

（1）业绩基准选取。本文的无风险利率根据人民银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，市场指数为沪深300指数。

（2）规模因子和价值因子。采用巨潮风格指数中的大盘成长（[LG]）、大盘价值（[LV]）、中盘成长（MG）、中盘价值（[MV]）、小盘成长（[SG]）、小盘价值（[SV]）来构建[SMB]和[HML]。

（3）基金净值收益率。出于对基金的分红或拆分因素的综合考虑，本文的基金净值采用基金复权单位净值，@样能还原基金历史增长率。

其中，[Ri]为基金复权净值增长率，[de]为本周首日的复权单位净值，[df]为上周首日的复权单位净值。

3. 基金绩效持续性度量方法。绩效持续性检验方法一般分为参数法和非参数法，参数法主要是横截面回归法，非参数法主要是分组比较法、Spearman秩相关系数法。

（1）横截面回归法。横截面回归法首先将样本分为相等的评价期和持续期，通过检验后者对前者的横截面回归的斜率系数是否显著进行绩效持续性判断。横截面回归的公式如下：

如果[b]的t统计量具有显著性，则说明评价期与持续期基金绩效相关。如果斜率系数[b]显著为正，则表明基金绩效具有持续性特点。由于持续性检验结果可能对不同的期间具有敏感性，因此本文将采用许林等（2016）使用的滚动回归法建立不同评价期和持续期。

（2）分组比较法。分组比较法是将基金考察期分为排序期[p]年和评估期[q]年。在排序期将所有基金按绩效从大到小排序，分为N组。1组合的绩效最好，N组合最差，持有组合[q]年后分别得到N个组合在评估期间的收益率序列，[q]年后再重新按绩效进行排名和分组，依次下去，可以得到除排序年份的其他年份的N个收益率序列。考虑到退市基金，如果有基金在排序期退市就直接剔除，评估期退市的基金退市前的收益仍考虑在所在组合，该排序期和评估期都未成立的基金不考虑在这次排序中。然后通过计算组合1和组合N的收益差可以得到新的序列，也即相对超额收益序列。最后再用平均超额收益率模型对这个相对超额收益序列进行度量。如果[α]显著大于零，那么基金分组整体具有绩效持续性，如果生存基金样本对应的值大于全部基金样本，那么生存偏差夸大了基金分组整体的绩效持续性。

（3）Spearman相关系数法。Spearman秩相关系数检验属于非参数法，利用两变量的秩次大小做线性相关分析，对原始变量的分布不做要求，而且受极端值的影响很小，因此可以用来检验基金绩效排名的持续性，等级相关系数[ρ]的正负程度可以分别反映两期排名的正相关和负相关程度。

（二）基金组合收益的处理

一般有两种方法来加总基金组合的收益：一个是先对样本期间每个时间点进行横截面收益加总，然后再根据绩效度量模型来计算组合的绩效；另一个是计算整个样本期间每只基金的绩效然后再横截面加总。采用第二种方法的前提是基金组合的每只子基金存活的时间必须要长，才能保证对应的时间长度的数据，这样结果才可靠。但是我们的基金样本中有许多在研究期间成立或者退市的基金，如果去掉这些基金则无法研究生存偏差，反而会带来人为计算偏差。因此，本文选择第一种方法作为基金收益率组合的加总法。

在对每个时间点横截面加总时一般涉及等权重法和等价值法，由于本文的基金数量多、时间跨度大，单只基金市值影响有限，再加上很多基金市值信息不完善，因此采用等权重加权法。

（三）生存偏差效应

Rohleder（2010）认为不同的生存基金定义本身也会导致生存偏差估计结果出现差异。为了更好地对样本存活基金进行统计描述和保证实证部分的严谨性，本文将分别使用两种生存基金定义，即分为一直存活基金组合和期末存活基金组合。大部分文献的死亡基金都定义为到期清算和提前清算基金，但是笔者整理基金数据时发现，许多基金并未清算却停止公布净值。私募基金披露数据遵从自愿性原则，一般情况下基金管理人愿意主动向数据供应商定期公布其运作信息，但当基金因绩效表现优异而吸引到足够多的资金时，基金管理人可能会失去向外界公布信息的动力。或者是，当基金绩效表现糟糕时，基金管理人也可能不愿继续公布其绩效。因此本文将死亡基金定义为已清盘基金以及自我选择偏误基金，所谓自我选择偏误基金是指连续4周以上（不包括4周）停止公布净值。本文的生存偏差采用一般定义，即生存基金组合和全部基金组合的绩效差，如果生存基金组合绩效大于全部基金组合说明存在生存偏差效应。

（四）市场环境偏差度量和修正方法

借鉴Pastor和Stambaugh（2002）的方法修正基金绩效评价方法，并比较修正前后绩效的差异，如果存在差异说明存在市场环境偏差，这与Scholz和Schnusenberg（2008）的定义相一致。本文在划分市场时期时，分为牛市基金组合、熊市基金组合以及牛熊市基金组合。首先本文筛选出了在2014年10月24日（2390.7点）到2015年6月5日（5230.55点）和2015年6月12日（5335.11点）到2016年2月26日（2848.03点）均有数据的641只基金作为牛熊市基金组合，这641只基金包含了部分死亡基金，从而减小生存偏差效应的影响。再把牛熊市基金组合按时期分为牛市基金组合和熊市基金组合。图2为研究期间沪深300指数月末收盘价走势图。

匡荣彪（2009）、Scholz和Schnusenberg（2008）都是基于四因子模型的因子载荷和样本期中的市场风险因子对基金绩效指标进行修正。李体委（2011）利用沪深A股全部上市企业的数据进行实证检验，结果表明标准Fama-French三因子定r模型能解释A股的月收益率。因此本文将使用Fama-French三因子模型。

首先分别对（5）式求均值和方差：

（五）数据来源和处理

研究区间的选择对研究结论的推广至关重要。本文将研究时间区间锁定为2011年7月1日―2016年7月1日。从2008年、2009年开始私募基金绝大多数都是以周为单位公布净值，为了获得更多基金净值信息，本文将使用基金周单位复权净值。在我国按产品类型不同，可分为结构化私募和非结构化私募。结构化私募会把投资者分为优先和一般两个层级，对外会两组净值报告，由此得到的数据无法反映真实的收益。而非结构化产品与普通基金产品类似，对外只公布一组净值报告。按投资策略不同我国私募基金可以分为股票型、债券型、FOF、套利、事件驱动等策略，其中股票型基金在我国占了绝大多数。因此，本文首先以非结构化的股票型基金为首要筛选条件。为了保证每只基金有足够的净值数据，将成立两年以上且有连续104周的基金净值数据作为另一个筛选条件。为了研究生存偏差，分别筛选出了在样本研究期间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选择偏误基金，后三者组成了死亡基金。本文所用数据皆来自于万得数据终端、私募排排网以及格上理财网。初始数据有39384只，利用Python软件筛选后最终得到了796只对冲基金，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只自我选择偏误基金）。本文后续的数据处理均在Stata14.1和Excel 2016软件中完成。

四、实证分析与结果讨论

（一）我国对冲基金生存偏差效应

表1显示了不同绩效度量方法下的生存基金、期末存活基金与全部基金的绩效差，除了用夏普比率表示的绩效在生存基金定义为研究期间一直存活时出现负数以外，其余都在1%水平上显著为正，这表明无论生存基金取何种定义，退市基金的平均超额收益要小于生存基金的平均超额收益，生存偏差效应的存在高估了基金绩效。这与林鲁森（2016）得出的研究结论相一致。

（二）生存偏差对基金绩效持续性的影响

为了不遗漏死亡基金带来的宝贵信息，本文采用分组比较法对基金绩效持续性进行研究。根据前面的介绍，考虑到研究样本的取样情况，本文将所有的基金分为五组，排序期分别取P=1/4、3/4、1，评估期为q=1/4，表2给出了检验结果。

在组合5中，当p=1/4时，相对于全部基金组合，一直存活基金和期末存活基金组合表现出相对较弱的持续性，说明生存偏差的存在削弱了基金绩效持续性。这虽然与杨艳林（2011）得出的结论一样，但是杨艳林考察的是数量较少绩效稳定的封闭式基金绩效持续性，而本文考察的是样本多、绩效不稳定的对冲基金，可比性并不大。在p=3/4和p=1时，一直存活基金组合的绩效持续性均强于期末存活基金组合和全部基金组合（p=1时绩效持续性反转）。这说明，在生存基金定义为一直存活基金时，生存偏差会夸大三季度和一年的持续性，但是定义为期末存活基金时并不能得出该结论。这与林鲁森（2016）得到的全部基金组合平均超额收益率大于生存基金这一结论不一致。

在组合1和组合5中，除了在p=3/4时，全部基金的平均超额收益并没有总小于一直存活基金和期末存活基金平均超额收益的规律。这与上文得出的生存偏差的存在应该降低基金收益率这一结论不一致。林鲁森（2015）认为可以从我国死亡基金的结构和收益情况来解释为何生存偏差在短期并没有降低全部基金平均超额收益。死亡基金样本主要为到期清算和提前清算基金，而一部分提前清盘的对冲基金会在行情火热的时候扩大规模，大量发行产品，基金收益率会在一段时间内暴涨，一旦触及清盘线容易被动清盘，这些基金历史收益率并不是特别差。而到期清盘的基金发行期限往往很短，历史绩效好的更有可能发行短期产品，因此这些基金的历史收益率也不会特别差。而且，在使用分组比较法的时候，在排序期退市的基金将直接剔除，这本身就与前一部分研究生存偏差对绩效的影响时样本数量不一样。再加上分组比较法是分各个持续期反映了最好的与最差的绩效组合，比起考虑全部研究期间所有样本各个时点的绩效是不完整的。因此，组合1和组合5的绩效情况并不能反驳生存偏差高估基金绩效这一结论。

因此，从表2来看，生存偏差会影响基金绩效持续性，但并不能简单地说生存偏差高估了或者低估了基金绩效的持续性。在不同的生存基金定义下，在不同的持续期，得到的结论会有所差异。这一方面说明了我国对冲基金发展仍处于瞬息万变的阶段，许多情况并不能被量化，另一方面也说明对冲基金的发行和死亡在备案方面并没有规范化。

（三）市场环境偏差

1. 描述性统计。表3分别是三个时期市场环境因子、规模因子、价值因子的描述性统计分析。无论哪个时期，三个因子的相关系数都较弱，方差膨胀因子都小于临界值10，因此回归模型不存在多重共线性。最后两列是[SMB]和[HML]分别对[MKT]进行回归的[α、]和[β]。

2. 移动平均线。图3是三个因子的26周移动平均线，从图中可以看出三个因子都有随着时间剧烈波动的特征，从而说明平均超额收益、夏普比率、特雷诺指数等基金绩效指标都容易受到市场环境影响。

3. 三因子模型回归结果。表4是牛市基金组合、熊市基金组合、牛熊市基金组合的三因子模型估计结果，我们对每个组合的每个基金都进行了回归，然后再计算组合内各个基金的截距项、系数和调整过的[R2]的均值和标准差。从[βM-3F]、[βS-3F]、[βH-3F]的值可以看出，牛市基金受到各个指标的影响程度要大于其他两个组合，这说明不同市场环境下各个因子的解释程度有所不同。从调整后的[R2]可以看出，三因子模型一定程度上可以解释基金的超额收益。

表5是641只基金样本不同指标度量下的绩效排名在牛市和熊市的相关性分析。指标修正前，除了夏普比率度量下的两期绩效有弱持续性外，其余都不存在持续性。进行修正后平均超额收益指标和夏普比率度量的绩效排名相关系数没有太大变化，而特雷Z指数和詹森指数度量的相关系数都分别增大了0.271和0.289，基金排名出现了一定程度的持续性。本文认为平均超额收益指标和夏普比率变化小是因为这两个指标在修正时并没有像詹森指数和特雷诺指数那样加入市场环境因子与规模因子、价值因子的关系，再加上绩效修正前后变化不大时并不一定能够在绩效排名上体现出来。因此上述结果有效地说明了在市场波动大的时候，市场环境偏差是很明显的。事实上，大部分对冲基金经理具有不一致的投资风格，某些能力较好但是稳健型的基金经理可能在行情好的时候并没有获得超额收益，而能力较差但是激进型基金经理却获得了很大的超额收益。因此忽略这种偏差很容易只片面地看到基金绩效的高低排名，而这种未修正的指标特别是特雷诺指数和詹森指数并未真实地反映基金经理绩效持续性能力。

5. 横截面回归法。为了更好地研究修正指标对基金绩效持续性的影响，本文将用平均超额收益率指标来考察单个基金的短期绩效持续性变化：分别以修正前后超额收益作为变量，以13周为评价期，以随后13周为持续期，对牛熊市期的641只基金分别进行滚动回归（一次滚动一周）。这样得到全部基金的45个b值系数，由于数据繁多，对每个基金的b值分别求平均值。通过统计所有基金回归系数平均值发现，无论修正前后，641只基金只有93只略大于零，这说明我国对冲基金绩效绝大多数不存在短期绩效持续性，一少部分存在弱持续性。通过对每只基金修正前后回归系数做比较发现，共有496只基金系数有稍稍提高，即提高这些基金的绩效持续性和削弱其绩效反转性。这说明对冲基金绩效持续性差是存在市场环境偏差所导致的，这种偏差虽然并不是主要原因，但是对指标进行市场环境偏差修正能够更好地研究其他因素对绩效持续性影响。因篇幅限制，不再列出对冲基金修正前后的回归系数变化情况②。

五、结论与建议

（一）研究结论

因现有文献关于对冲基金绩效评价的方法，缺乏考虑基金生存特征和市场环境特征对基金绩效评价的影响，导致绩效评价结果失真。基于此，本文引入这两种偏差效应进行修正绩效评价。首先，选取我国796只对冲基金作为样本，对其生存偏差和市场环境偏差效应进行实证检验。其次，研究了这两种偏差对基金绩效评价与绩效持续性的影响。最后，据此提出了一种基于偏差修正的对冲基金绩效评价方法。实证结果发现：我国对冲基金均存在显著的生存偏差与市场环境偏差效应，且生存偏差高估了绩效评价，并影响基金绩效持续性；市场环境偏差的修正能够整体上提高不同时期绩效排名的相关性，也能提高大部分对冲基金的绩效持续性和削弱绩效反转性，这无疑提高了对冲基金绩效评价结果的客观性。

（二）对策建议

针对上述研究结论，本文从以下三个维度提出相关对策建议，力求更进一步推动对冲基金绩效评价方法的科学客观化，促进对冲基金的良性健康发展。

对监管者来说：一方面，要提高成立阳光私募基金的准入门槛，规范基金备案。2016年2月，中国基金业协会的《关于进一步规范私募基金管理人登记若干事项公告》正式实施，私募基金的监管也更严，从最初的宽进自律性监管，到高准入门槛监管，私募基金行业也面临大洗牌。面对最新出现的保壳乱象，监管者需更多地进行引导，把握好疏堵的力度。这样抑制阳光私募基金的数量、提高其质量，防止股市行情好时基金数量泛滥，也能够改善基金整体的绩效和绩效持续性。另一方面，要加强对冲基金信息披露制度，尝试和国际接轨，规范基金披露信息的内容和格式，提高基金运作的透明度，帮助投资者正确决策。对于出现绩效虚报的行为应进行惩戒，对此，可借鉴美国的经验设计出相应的虚报预警系统。

对基金公司来说：要对基金绩效评价指标进行生存偏差和市场环境偏差的修正，帮助投资者有效决策。要根据自身基金的特点定期或不定期向数据供应商提供数据，减少信息披露的随意性，尤其是不能在绩效差的时候虚报绩效。

ν蹲收呃此担阂环矫妫要理智选择对冲基金产品，不要盲目跟风，不要简单地关注近期绩效好的基金，应该更加关注那些长期绩效好且相对更稳定的基金。这样就会完善对冲基金行业优胜劣汰的竞争机制，减少那些绩效差的基金对基金整体绩效的影响。另一方面，投资者在选择基金的时候要参考对市场环境偏差进行修正后的指标，这样能排除那些“靠天吃饭”的基金经理管理的基金，而且修正后的指标能够排除市场环境对基金绩效持续性度量的干扰，从而提高基金绩效评价的真实性。

国内有关对冲基金绩效评价的定量研究文献尚不多见，本文创新性地从生存偏差和市场环境偏差两个角度来完善对冲基金绩效评价方法，这无疑是对该领域的深化研究，为后续研究者提供思路，也为监管者、投资者和基金公司提供了决策参考。当然，本文也存在不足之处：比如在样本选择过程中可能会造成某些信息的缺失，使得实证结果可能存在偏误等。

注：

①数据来自于好买网（http：///）。

②如需更多其他基金回归系数结果的数据，可向作者索取。

参考文献：

[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年私募证券投资基金年度报告[R]. （2016-2-16）http：///

[25]周泽炯，史本山.我国开放式基金业绩持续性的实证分析[J].经济问题探索，2004，（9）.

[26]麦静銮.国内阳光私募基金持续性研究[D].汕头大学硕士研究生论文，2013.

[27]邱龙淼.我国对冲基金业绩评价指标体系构建及其实证检验[D].广东商学院硕士研究生论文， 2012.

[28]史仕新，范孟君.中国封闭式基金的生存偏差效应[J].财经科学， 2008，（10）.

[29]杨艳林.考虑生存偏差现象的我国封闭式基金绩效持续性研究[J].上海金融学院学报， 2011，（4）.

[30]道轮，陈强，陈工孟.阳光私募：消亡现象与幸存者偏误[J].上海管理科学，2013，35（5）.

[31]林鲁森.基于生存偏差现象的我国对冲基金业绩持续性研究[D].浙江财经大学硕士研究生论文，2016.

[32]匡荣彪.我国证券投资基金绩效度量偏差效应研究[D].西南财经大学硕士研究生论文， 2009.

[33]许林，邱梦圆.中国对冲基金评价体系构建及实证研究[J].北京理工大学学报（社会科学版）， 2016，18（3）.

[34]赵胜民，闫红蕾，张凯.Fama-French五因子模型比三因子模型更胜一筹吗――来自中国A股市场的经验证据[J].南开经济研究，2016，（2）.

[35]李体委. Fama-French三因子模型的改进和对中国股市收益率的检验[D].山东大学硕士研究生论文，2011.