投资组合的风险分析范文
时间：2023-09-06 17:43:20
导语：如何才能写好一篇投资组合的风险分析，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
关键词：var；蒙特卡洛模拟法；投资组合；风险
一、var模型产生的背景
var（value at risk）模型是国际上近几年发展起来的一种卓有成效的风险量化技术，中文通常译为风险价值、在险价值等。它的一种较为通俗的定义是：未来一定时间内，在给定的条件下，任何一种金融工具和品种的市场价格的潜在最大损失。在这个定义中包含了两个基本因素：“未来一定时间”和“给定的条件”。前者可以是一天、一周、一个月或一年等；后者是经济条件、市场条件、上市公司及所处行业、信誉条件等的概率条件。概率条件是var中的一个基本条件，也是最普遍使用的条件，它的与天气预报的相类似。
var模型是jp摩根公司用来计量市场风险的产物，当时jp．morgan公司的总裁韦瑟斯通要求下属每天下午在当天交易结束后的4点15分，交给他一份报告说明公司在未来24小时内总体潜在的损失是多大。于是风险管理人员开发了一种能测量不同交易、不同业务部门市场风险，并将这些风险体现为一个数值的var方法。从var模型的起源不难看出，它最早是用来度量市场风险的，目前var的分析方法正在逐步被引入金融风险管理的各个领域。
var模型的产生使人们的投资观念、经营观念以及管理观念都发生了巨大变化：在投资过程中，人们可以应用var对投资对象进行风险测量，使人们根据风险的大小以及自己承受风险的能力来决定投资的策略，从而减少人们投资的盲目性。在经营过程中，人们可以对各种潜在的变化进行监控，以防止和避免由于某些因素的恶化而造成重大损失。在管理过程中，var模型不仅仅只是对机构内部管理有着巨大的作用，诸如投资策略的制定、交易员评价和管理以及资金合理配置等各方面；同时，对于市场管理者也是非常有用的工具。市场管理者的一个中心任务就是防止由于市场风险的过度积累并集中释放而造成对整个市场乃至经济体系的消极影响。对于市场风险积累程度的量化揭示正是var模型的主要任务，这种新的科学的var技术以及var模型基础上的风险管理模型对我国金融机构改善业务将有所帮助，使投资大众的投资行为更趋理性，也使监管机构多了一种监测市场的有效工具。
二、var模型的原理
var模型是以jp摩根银行为代表的大型金融机构开发的基于风险价值原理的风险管理模型，它是一种组合潜在损失的总结性的统计测度方法，这种方法通过计算已知投资或投资组合经过某一时间间隔具有一定置信度的最大可能损失来评估投资风险。计算var值需要考虑置信区间的大小或置信度、持有期的长短、未来资产组合价值的分布特征三个因素。一般来说，置信度反映了金融资产管理者对风险的厌恶程度，可以根据投资者对风险的不同偏好程度和承受能力来确定；持有期的长短可以根据投资者的不同特点加以选择；未来资产缉合价值的分布特征是最关键和最难确定的因素。
三、var值的计算方法
var值的计算方法有很多，通常有历史模拟法、蒙特卡洛模拟法、参数法、简单移动平均法、指数移动平均法等。本文主要分析蒙特卡洛模拟法在我国证券投资风险评估中的应用。
蒙特卡洛模拟是一种通过设定随机过程，反复生成时间序列，计算参数估计量和统计量，进而研究其分布特征的方法。具体的，当系统中各个单元的可靠性特征量已知，但系统的可靠性过于复杂，难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时，可用随机模拟法近似计算出系统可靠性的预计值；随着模拟次数的增多，其预计精度也逐渐增高。
四、var方法在我国证券投资中的应用
我们以下面两只股票为例说明var方法的应用：建设银行（601939）、中青旅（600138）。选定的数据为2009年1月5日至2010年11月4日每个交易日收盘价（共439个数据），选定的置信度为99%，假设两只股票的初始投资均为100万元。利用蒙特卡洛模拟法计算var值，首先要判断股票价格的平稳性，然后模拟第二天股票价格，即通过考察期末价格加上一个随机数来模拟第二天股票价格，当模拟次数相当多时，模拟价格就会逼近“真实”价格（我们选择模拟10，000次）。具体操作
1、检测股价平稳性。利用eviews软件中的单位根检验（adf检验）来分别判断建设银行（601939）、中青旅（600138）两只股票价格序列的平稳性，结果
①建设银行（601939）股票价格序列的平稳性。（表1）由于df=-2.135314，大于显着性水平10%的临界值-2.570232，因此可知，该序列是非平稳的。因此继续做一阶差分，其结果如表2所示。（表2）由于建设银行的股票价格序列的一阶差分中df=-21.47738，小于显着性水平10%的临界值-2.570240，因此可知该其一阶差分序列是平稳的。因此，建设银行股票价格服从随机游走。即pt=pt-1+εt。
②中青旅（600138）股票价格序列的平稳性。（表3）由于df=-1.962031，大于显着性水平10%的临界值-2.570232，因此可知，该序列是非平稳的。因此继续做一阶差分，其结果如表4所示。（表4）由于中青旅股票价格序列的一阶差分中df=-20.24816，小于显着性水平是10%的临界值-2.570240，因此可知，该其一阶差分序列是平稳的。因此，中青旅股票价格服从随机游走。即pt=pt-1+εt。
2、模拟第二天股票价格。通过考察期末价格加上一个随机数来模拟第二天股票价格，当模拟次数相当多时，模拟价格就会逼近“真实”价格（我们选择模拟10，000次）。具体步骤
首先，产生10，000个随机整数，以样本期最后一天的收盘价为起点（建设银行最后一天收盘价为5.34，中青旅最后一天收盘价为16.77），考虑到股市涨跌停板限制，股价在下一天的波动范围为：建设银行（-0.534，0.534），中青旅（-1.677，1.677）。在excel里产生随机数，用生成的随机数各除以1，000，就是股价随机变动数εt。
然后，计算模拟价格序列：模拟价格=p0+随机数÷1000。再将模拟后的价格按升序重新排列，找出对应99%的分位数，即：10000×1%=100个交易日对应的数值：建设银行为5.454，中青旅为17.283。由于假设两只股票的初始投资均为100万元，于是根据var的计算公式：
建设银行var=100×（5.454-5.34）÷5.34=2.13万元
中青旅var=100×（17.283-16.77）÷16.77=3.05万元
而根据组合var的公式：
varp=［var12+var22+2*var1*var2*?籽］1/2（1）
计算出建设银行（601939）与中青旅（600138）组合var为4.34万元。
其中，（1）式中的?籽为两只股票的相关系数，利用excel表格计算出为0.3865。
该组合var计算结果的意义：根据该模型，我们有99％的把握判断投资组合在下一个交易日即2010年11月5日的损失不会高于11月4日的组合var值，即在期初分别投资100万元于建设银行（601939）、中青旅（600138）两只股票时，该投资组合在11月5日的损失不会超过4.34万元。
五、应用var模型需要注意的问题
尽管var模型是国际上近几年发展起来的一种卓有成效的风险量化技术，可以给风险投资者提供风险的定量数值，但它还是有一定的局限性。
var模型与其他模型一样存在模型风险，在估算风险时要选取合适的统计量，如果统计量选取不当，将导致预测误差的增大，因此要对模型统计根进行检验。同时，var模型没有考虑极端情况。从技术角度讲，var值表明的是一定置信度内的最大损失，但是并不能绝对排除高于var值的损失发生的可能性。var只是市场处于正常变动下风险的有效测量，对金融市场价格的极端变动造成的损失无法进行度量，必须依靠压力测试等多种方法。
主要参考文献：
[1]李卢霞.var技术与金融风险管理系统[j].哈尔滨金融高等专科学校学报，2008.6.
朱立芬.var技术在金融风险管理中的应用[j].上海金融，2006.4.
篇2
关键词：VAR；金融风险管理
中图分类号：F8302文献标识码：A文章编号：1006－1428（2006）04－0076-02
投资组合风险分析的VAR工具
VAR可以给出特定持有期内，一定置信水平下资产组合面临的最大损失，有效地描述资产组合的整体市场风险状况。但在实际投资决策中，仅仅掌握了资产组合的整体风险状况是远远不够的，资产组合的管理者还必须了解构成组合的每一项资产及其相应调整、变化对整体风险的影响。如组合中某一项资产对于组合VAR的边际贡献是多少，其在整个组合VAR中所占的比例是多少，以及一项新资产的加入对现有VAR的影响如何等。这些风险信息对风险管理十分重要，有助于识别组合全部风险的主要来源，也为改进整体风险状况、评估投资机会、分析资产调整对组合风险的影响以及设置头寸限额提供了必要的信息。因此引入边际VAR、成分VAR和增量VAR的概念和计算方法。
边际VAR(Marginal VAR)是指：每增加单位头寸的资产I所导致的组合VAR的变化量：
其中，Wi表示组合中资产I的权重。
成分VAR(Component VAR)是指：组合中某项资产贡献的实际VAR值。即该资产的VAR在整个投资组合VAR中所占的比例。值得注意的是，由于分散化效应的存在，资产组合的VAR又分为两种类型：一种是考虑资产分散化的组合的VAR，另一种是不考虑资产分散化的VAR。显然，二者并不相等。并且，成分未分散化的VAR显然不能反映资产组合的VAR中每一成分的贡献。所以，这里成分VAR是指分散化的成分VAR。它一般具备这样的特征：一是成分VAR之和等于投资组合的VAR；二是若某一资产的成分VAR为负数，则增加该资产的投资可对冲投资组合的风险。这样，组合中全部资产的成分VAR之和即为组合VAR，即：
增量VAR(Incremental VAR)指当组合增加某项资产(N)时所带来的组合VAR的变化。定义为I-VAR=VAR(包括资产N)-VAR(不包括资产N)。当I-VAR为正数时，表明新加入的资产增加了组合的风险：为负数时，表明新加入的资产对冲了组合的风险；为零时，表明新加入的资产不影响组合的风险。通常情况下增量VAR的近似定义为：
其中P′为包括资产N的投资组合。
这些VAR工具能让使用者识别哪些资产对整体风险影响最大，以进行最好的套期保值或分级交易。有助于我们选择那些能最好地平衡风险一收益的资产，控制投资组合的风险。
VAR在绩效评估中的应用
1基于VAR的Sharpe指标
1966年，威廉・夏普(william FSharpe)提出用单位总风险的超额收益率来评价基金投资业绩，即夏普指数。公式如下：
其中E(rp)=∑XtE(rt)为投资组合的报酬，Xt和E(rt)分别为第t种资产的投资权重和期望收益率，rf为无风险利率，
σp=(∑Xt2σt2+∑∑XiXjσij)1/2为投资组合的标准差。
Sharpe指数的含义是每风险单位的风险资产的超额收益，用风险资产的标准方差来调整收益。Sharpe指数包含的假设是：(1)投资者持有一种风险资产或共同基金；(2)投资者为风险规避者，其报酬率呈正态分布。Sharpe称该指数为“报酬―变化性”比率(R/V)，并建议将其用作一般证券组合和特定共同基金过去业绩的一种评价指标。R/V比率越高，表明投资业绩越好，因为此时投资者能获得更高的期望效用水平该测定方法是以投资组合的全部风险(标准差)作为风险的度量标准。
Sharpe比率将标准差视为总风险，但现实中投资者可能更关心低于基准部分的收益下跌风险，即下方风险(Downside Risk)。为了更客观地衡量风险，研究中考虑投资组合的下方风险以及对损失的限制。这里引入损失下限(Shortfall Constraint)的概念，指投资组合损益会落在特定损失金额下的概率，且固定在一个特定的百分比内的损失额度。VAR对应的是特定期间内已知置信水平下最大可能的期望损失，所以它表示了潜在下方风险中投资组合的损失。这个指标除了可以评估基金投资组合的损益，还可以帮助基金经理进行资产配置。以VAR代替投资组合标准差时得到基于VAR的Sharpe指标：
2基于VAR的RAROC模型
基于VAR模型的风险调整的绩效评估方法，是近年来随着VAR技术的不断发展而出现的新型基金绩效评估方法，即RAROC(Risk Adjusted Return on Capital)模型，其表达式为：
其中，ROC为某一时期基金持有的证券组合的收益，VAR为证券组合在某一时期和给定的置信区间内的预期最大损失值。RAROC模型描述了单位资本损失所获得的收益，它在某种程度上反映了风险资本的效率，可以说该方法是夏普指数的一个演变。使用这种方法进行绩效评估时，不是以盈利的绝对水平作为评判的基础，而是以投资风险基础上的盈利贴现值作为依据。如果从事过度投机行为的话，虽然其赚取的利润可能会很高，但其VAR值也会相应增大，从而导致RAROC值不大，其总的业绩评价也就不会高。
用RAROC值可以作为指标来对基金进行选股。我们可以用计算单个基金VAR的方法计算出基金的投资组合中十只重仓股的VAR值，并得到其RAROC值。我们可以事先设定一个参考标准A，要求个股的RAROC≥A，只有满足这一条件时，才能选入组合中。
可以说，VAR技术为证券投资基金的绩效评估提供了定量化的一个手段。有了风险调整收益的概念，人们就能更科学的去评价基金的投资绩效了。承受更小的风险得到相同的收益当然比承受更大的风险得到相同的收益好。可以说有了风险调整收益概念，以前不可捉摸的风险变得像商品一样可以用价格来计算了。
VAR在信息披露中的应用
篇3
关键词：熵;风险;投资组合;均值―方差模型
中图分类号：F830.59文献标识码：A文章编号：1008-2670（2014）04-0029-07
一、引言
在经济全球化和金融一体化的影响下，我国金融市场也得到了快速的发展。但是资本市场存在如上市公司质量不高、财务信息造假、监管不严、行政化严重等问题[1]，导致其在金融结构、市场机制、市场深度、市场文化方面距离成熟的资本市场还有一定的差距，市场波动性较大，因而证券投资的风险管理问题就比较突出，而建立科学有效的风险度量方法是进行风险管理的基础。马科维茨的均值―方差模型的提出是金融风险进入量化时代的标志，但是该模型假设条件过于苛刻，其实际应用受到很多学者的质疑，之后又有学者提出其他方法，到目前为止有半方差度量法[2]、VAR度量方法[3]、ARCH度量方法[4]、β系数度量方法[5]等。但是这些风险度量方法都存在一定程度的缺陷，如半方差只说明收益率的偏离方向，没有反映证券组合的损失到底有多大[6];而VAR度量方法是在假设收益服从正态分布的条件上成立的[7]。实际中证券的收益率是不服从正态分布的，有必要寻找一种广泛有效的风险度量方法。从内涵上来看，熵是不确定性的体现，并且在度量过程中无需对分布做任何假设，因此本文提出将熵理论引入投资组合模型中，来寻求更加实用的组合选择工具。
许国志、李凤章[8]将熵与决策行动的不确定性和风险相联系并用于决策分析中。顾昌耀、邱苑华[9]提出将熵引入到贝叶斯决策中，改进和完善已有信息价值度量，丰富和发展了贝叶斯决策理论。在理论引入基础上，很多学者建立了自己的模型。主要有两种方法，一种方法是计算每只股票的熵来代表每只股票的风险，并对股票风险进行排序，筛选出适当数量的股票进行组合，但是这种方法并没有给出最终的投资方案。姜丹、钱玉美[10]建立效用风险熵模型，考虑了随机事件客观状态的不确定性和结果价值两方面的因素，并且说明了用熵衡量风险的合理性。杨继平[11]通过期望―效用决策模型对股票进行筛选排序，并与二阶随机占优准则做了比较，得出期望―效用决策模型更具有实用性的结论，但是该模型计算量巨大并且未考虑投资者的风险偏好。袁博[12]建立最单纯的熵模型，并引入调节因子来度量股票投资风险，对原上证50的50只股票进行风险排序，筛选出20只目标股票。实证研究得出，熵模型在度量股票投资风险具有高效、便捷、实用性。另外一种方法是根据熵的定义，直接给出投资组合的熵值表达式，确定投资方案，但是这种方法没有考虑个股风险对于投资方案的影响。李华[13]利用熵的最大熵原理改变组合投资的目标函数建立了模型。李江涛[14]结合我国实际情况，考虑交易费用、限制约束、最小交易单位以及限制卖空等几个条件，构建了均值―熵模型，该模型与我国真实股票市场相接近，与实际更相符，但是没有通过具体数据进行实证研究。
综上，国内学者对于熵理论对金融风险的度量和管理的研究还处于起步阶段，在建立模型时单独使用个股熵值排序筛选法和计算组合熵值确定投资方案这两种方法，所以各模型都有不可避免的弊端，因此将这两种方法结合起来，用投资比例加权个股的熵值来表示系统的风险是一种新的研究思路和方法。
二、均值―熵模型概述
用熵来度量投资风险，对收益率的概率分布没有要求。在实际的证券市场中，各风险资产收益率的分布并不是确定的，投资者只关心的是实际收益率小于期望收益率时所面临的风险，因此用熵度量投资风险在实际应用中更具有实用性和价值意义。从熵的定义来看，熵描述的是一个系统的无序程度，而信息熵是将系统的无序程度与信息量有效结合，信息熵的数值越大，表明该值包涵的样本的信息量越大，样本的不确定性程度就越小。风险本质上看是表现投资者收益率的不确定程度。选择用信息熵来度量投资风险具有更加完善的理论基础。熵表现的是收益率概率分布的多阶矩特征，能涵括更多关于分布的信息，相比只能反映分布二阶矩特征的方差，能更加准确地衡量投资者面临的全部风险。用熵衡量投资风险更符合客观现实，误差更小。根据熵的定义及其性质可知，用熵函数度量投资风险与投资者对于风险度量的理解是相一致的，基于熵测度风险的资产风险排序，相比用方差度量更具有合理性。
根据信息熵的定义可知，单个证券的熵值可用H（X）=∑ni=1-pilnpi求出，可将此公式定义为证券的初始熵值，但是根据信息熵的性质可知，由于各证券的收益率不是相互独立的，因此不具有可加性。常用的办法是将证券的熵分解成受市场影响的系统风险熵和非系统熵。王博[17]提出用β系数加权的市场收益率的熵和残差项的熵的和来表示单个证券的熵，具体表示为H（S）=βH（rm）+H（εi），但是该模型假设残差项和市场收益率是不相关的，而在现实生活中，残差项和市场收益率是有一定关系的。所以在此基础上，引入条件熵对此模型进行改进。所有单个证券的收益率对市场收益率的条件熵都是独立的，这样单个证券的熵就能相加。单个证券的熵值公式表示为：
由以上定义可以看出，H（S）反映的是某资产的风险程度，H（S）的值的大小与其风险程度是正相关的。
基于以上单个风险资产的风险度量公式，可定义投资组合的熵值公式：
设投资者投资于n种证券，第i（i=1、2….n）种证券的投资比例为xI，∑ni=1Xi=1，0≤Xi≤1（i=1、2….n）。则n种证券的组合投资风险为：
理性的投资者总是希望在一定的收益下，投资风险尽可能的小。从这方面看还需加入一个约束条件使得证券投资组合的期望收益率大于等于某一给定的值，得到的均值 ― 熵模型为：
三、均值―熵模型的实证分析
（一）数据选择
由于投资资本的有限性，投资者在选取投资组合时既要兼顾分散风险又要考虑自身资本承受能力，因此投资组合中的股票数量不宜过多。由根据风险分散和投资组合原理以及对中国股票市场的调查研究得出的经验法则[12]可知，当投资组合中的股票数量超过12只时，组合对非系统风险的分散作用开始减弱。因此，在研究过程中可以选择10只股票，此时组合对非系统风险的分散作用较大。
从深证100中涉及金融、能源、交通、地产等行业中选取成长性好、业绩高、收益率稳定的10只股票进行研究[15]。所选股票见表1。
为了保证数据序列的平稳性，选择使用股票的对数收益率来研究。为了保证模型的时效性，选取2012年7月1日至2013年7月1日的日收益率来研究。表1选取股票名称及代码
（二）数据处理
我们可以根据这10只股票从2012年7月1日至2013年7月1日的收盘价数据分析来推断其未来的收益趋势，股票的对数收益率定义为：
rit=lnpit-lnpit-1
（7）
公式中，rit表示第i只股票在第t个交易日的对数收益率，pit，pit-1表示第i只股票在第t-1，t个交易日的收盘价。 在进行计算之前，通过计算收益率序列的均值、标准差、偏度、峰度及正态分布检验统计量来了解各只股票收益率序列的基本统计特征。各股票相关统计特征值数如表2：
从表2可以看出，各股票收益率的均值都在零附近，峰度远大于正态分布下的K=3，表现出显著的尖峰厚尾的特征，且各股票收益率的J-B统计量都远大于零，说明收益率序列不服从正态分布。
作为时间序列，尽管不服从正态分布，但是仍有必要检验序列的平稳性，平稳性检验最常用的是ADF检验，各股票的单位根检验的数据如表3：
从表3可以看出，在置信度为0.05的水平下，10只股票的收益率序列都通过了平稳性检验，可以进行进一步的熵值计算。表3ADF统计
（三）数据计算
根据股票日收益率的定义可求出每只股票的对数收益率序列，并将区间[min（r），max（r）]等分10个小区间，并用频率来代替概率，这样可得到10只股票收益率的分布率和每个区间的样本均值，如表4所示，每只股票的第一行为频率，第二行为中间值：
根据以上概率分布，可求出每只股票的期望对数收益率和初始熵值，具体如表5和表6所示：
各股票初始熵值与其方差的对比如表7所示。从表7可以看出，用熵衡量风险与用方差衡量有类似的效果，基本符合熵越大，方差越大。但也有一些不同，验证了研究熵度量风险的必要性。
运用同样的方法求深证100指数的概率分布，来代表市场收益率的概率分布。具体结果如表8所示：表7初始熵值与方差对比表
接下来计算在给定收益率的条件下，用熵值衡量风险与用标准差衡量风险的区别，可以通过计算一定收益率水平下，要使得投资组合的风险最小的各个股票的组合情况。
利用MATLAB中的优化工具箱可求解公式（6）这一线性约束问题，求出均值―熵模型下10只股票的投资比例，如表12所示：
为了方便比较，我们可以求出相同收益率水平下，均值―方差模型的投资比例，具体如表13所示：
通过对比均值―方差模型与均值―熵模型在相同收益率下的投资方案，可以看出，在收益率由低到高的过程中，两种模型都会选择用收益风险比较大的中金岭南（000060）代替华联控股（000036），可见新旧模型存在相似的选择过程。但是用熵度量风险的新模型计算出的投资方案中只通过两只股票来分散风险，而传统方法得出的最有投资组合中包括了更多的股票。
四、结论
（一）用熵来度量风险具有合理性和可行性
从实证过程可以看出，股票的熵值不依赖于某种特定的分布，只要确定收益率的分布，便能求出股票的熵值，因此熵值是一种理想的股票风险度量手段[16]。
（二）均值―熵模型能够为投资者提供更加简单的投资方案
从以上的实证结果可以看出，在相同收益率下，用均值―方差模型计算出的最优投资组合中包含的股票数量更多。虽然从理论上来讲，选择的股票越多，分散风险的效果就越明显，但是过度分散不仅不会降低投资者面临的风险，反而会因为信息成本等其他成本的增加提高风险。而基于熵度量风险的均值―熵模型提供给投资者的最优方案中包括的股票数量更少，更加简洁，可以减少交易费用和管理费用，降低投资者的风险。
（三）模型评价
1.模型优势
（1）使用熵代替方差衡量投资组合的风险，不需要对收益率的分布做任何假设，是一种对客观概率的正确描述和无偏估计，代表风险的熵值的大小只与收益率的概率分布状况有关，这就克服了使用均值―方差模型必须假设收益率的分布是正态分布的缺陷。因此，均值―熵模型在使用时更具有实用性。
（2）熵在度量风险时与方差的效果是相似的，但是熵可以描述收益率的多阶矩的特性，相比方差只能表达的二阶矩的特征，熵能提供更多关于收益率的信息，因此能更加准确地衡量不确定程度。投资者确定各个风险资产的投资比例的过程是复杂动态多变的，用熵来衡量投资组合的风险更加合理。
（3）虽然增加投资组合中的资产数量能够有效分散系统风险，但是过度分散反而会降低组合收益。本文的实证结果表明，均值―熵模型能够在相同收益水平上，提供给投资者更加简单精炼的投资方案。包含股票数量较少的投资方案，能在分散风险的基础上有效降低管理费用和交易费用，从而降低投资者面临的风险。
2.模型的不足之处
（1）本文提出的均值―熵模型，在数学方面欠缺严谨性，没有证明过程。
（2）整个计算过程过于繁琐，需要进一步通过计算机仿真，增强模型的实用性，为投资者选取资产组合提供便利工具。
（3）由于熵的值只跟变量的概率分布有关系，并不受其取值的影响，不能表现出投资者对于风险的主观反映，因此熵对风险的描述欠缺全面性。
（4）在整个分析过程中，没有考虑税收和交易费用等问题，需要进一步改进。
参考文献：
[1]王霄，杨珊珊.浅析我国资本市场存在的问题及原因[J].商，2013（3）：121-122.
[2]卫海英，张国胜.基于半方差风险计量模型的组合投资分析[J].财经研究，2005（1）：115-121.
[3]邵欣炜.基于VAR的金融风险度量与管理[D].长春：吉林大学，2004.
[4]闫冀楠.股市投资收益与风险直接关系的定量研究[J].天津大学学报，1999（7）：454-458.
[5]丁健. β系数估计方法研究[D].北京：对外经济贸易大学，2006.
[6]王春峰.金融市场风险管理[M].天津：天津大学出版社，2001.
[7]赵青.投资项目组合风险分析与度量[D].西安：西北工业大学，2005.
[8]李凤章.决策分析中的风险、不确定性和熵[D].北京：中国科学院，1988.
[9]顾昌耀，邱苑华.复熵及其在Bayes决策中的应用[J].控制与决策，1991（4）：253-259.
[10]姜丹，钱玉美.效用风险熵[J].中国科学技术大学学报，1994，24（4）：461-469.
[11]杨继平，张力建.期望效用―熵决策模型在沪市争取按投资选择中的应用研究[J].系统工程，2005，23（12）：23-29.
[12]袁博.熵模型在股票投资风险管理中的应用研究[D].西安：西安建筑科技大学，2009.
[13]李华.证券投资组合中的熵优化模型研究[J].大连理工大学学报，2005，33（6）：16-21.
[14]李江涛.熵风险下的国内证券投资组合模型[J].商业经济，2009（11）：64-65.
篇4
关键词：房地产；投资组合；收益与风险
中图分类号：F830.9 文献标识码：A
文章编号：1005-913X（2012）08-0150-01
一、房地产风险最小投资组合模型的建立
（一）房地产投资组合的收益与风险
1.投资组合的期望收益率。投资组合期望收益E（Rp）为第i类房地产投资的期望收益率；Wi为各项目在投资组合中的权重，则：
RP=E（Rp）=■wiE（Ri） （2-1）
2.投资组合的总体风险。投资组合的总体风险σ2p 可定义为该组合获得的收益优选法与预期收益率的方差；设σi和σj为第i类和第j类项目期望收益率的标准差；pij为第iod 与第j类项目的相关系数，则
σ2p =■wi2σ2i+■ ■WiWj ρijσi σj （2-2）
（二）确立的目标
结合以上对房地产投资组合方法的推导，可以归纳出房地产投资组合的目标有：在一定的预期收益水平下，通过房地产投资的优化组合，将使房地产企业承担最小的投资风险；在一定的风险水平下，通过房地产投资的优化组合，将使房地产企业获得最大的预期收益。
在本文中，结合资本资产定价模型β概念，以目标一为基础建立了房地产投资组合风险最小模型。
（三）模型的有关假设
建立房地产投资组合模型的目的在于引入风险概念，使房地产企业获得最小风险的投资目标。现做如下假定：各房地产投资项目均有完整的可行性研究报告或投资计划；本模型不再考虑资金资源的约束；各投资类型均能根据市场调查及预测资料确定各自可能收益率和各收益率实现的概率大小；市场由多元化的投资者统治，不存在低风险高收益的投资。
（四）模型的建立
设有N项不同的房地产投资，Wi为第i种房地产投资的投资比例，Ri为收益率，σ2p表示房地产投资组合风险，在预期收益R0寻求风险最小，依据房地产投资组合分散风险的原理建立模型：
minσ2p=■wi2+■ ■WiWj ρijσi σj （2-3）
s.t： ■wiRi≥R0
■wi
Wi≥0，i=1，2，3，4……n
房地产投资中，单项房地产风险包括系统风险（由政治、经济等 因素引起，不能在组合投资中被分散）和非系统风险（与特定的房地产投资有关，可通过投资不完全相关的资产组合使之分散）。根据夏普等的资本资产定价模型（CAPM），可知单项投资总风险中只有系统风险对组合的预期收益和风险有贡献，那么可预先把系统风险分离出来。设Rm是资本市场投资组合的预期收益率，ai是无风险时的投资收益，βi是不可分散风险度量，即第i项投资对市场组合风险的贡献率，εi是投资i自身的变动，根据统计学原理，第i项房地产投资的收益为：
Ri=ai+βiRm+εi （2-4）
由统计学原理得：
σ2i=β2iσ2m +（σni）2
上式表明，收益率的不确定性（即风险）由两个因素决定：市场波动因素β2i σ2m和投资自身波动因素（σni）2（非系统风险）因此可以用不可分散风险度β将第i种资产的总风险分解为系统风险和非系统风险：
σ2i=β2iσ2m +（σni）2=（σsi）2+（σni）2 （2-5）
式中，（σni）2为第i项投资的系统风险：（σni）2为第i项投资的非系统风险。
以（σsi）2，表示房地产投资组合的系统风险，同时，组合投资的风险还要考虑单项投资间的相关程度，交（2-4）和（2-5）分别带入总体投资目标函数，修正后最终可得模型，可得：
min（σ2p）2=■wi2β2iσ2i+■ ■WiWj βiβj ρijσi σ2m
（2-6）
s.t： Rp=■wiai+■wiβiRm≥R0
■wi=1
wi≥0，i=1，2，3，，4……n
以上模型是建立在一定预期收益率下，寻求风险最小的目标之上的，不同企业在实际应用中还可根据其不同的目标，同理以寻求收益最大化为目标来建立模型。
1.各变量发生的概率P。概率就是用来表示随机事件发生可能性大小的数值，一般随机事件的概率是介于0与1之间的一个数。
2.投资项目的期望收益率E（Rp）。项目的投资期望收益优选法可以根据市场调查、有关数据资料，在单项目经济评价时加以确定。其计算公式如下：
E（Rp）= ■PiRi （2-7）
式中：Pi—项目第i种预期收益率的出现概率
Ri—项目第i种结果出现后的预期收益率
3.项目的投资期望收益率的方差σ2i。确定项目的投资期望收益率之后，方差可根据下列公式求得：
σ2i=■Pi[Ri—E（Ri） ]2 （2-8）
4.项目之间的相关系数ρij
ρij=■ （2-9）
式中cov（Ri，Rj）—项目i和项目j之间的协方差
4.不可分散风险系数β。β反映的市场风险不能被相互抵消，体现的是投资组合的风险，即该组合的报酬率相对于整个市场组合报酬率的变异程度。以不可分散风险β为度量的房地产组合投资，β系数是理论上的假设模型参数，可按照以下公示计算：
就单项资产看，其计算公式为：
βi=■=Rim（■） （2-10）
式中：Rim—项目i和整个组合投资的相关性
σm —整个市场的标准差
σI —项目i自身的标准差
二、房地产投资组合案例分析
（一）分散风险的案例
某房地产商投资房地产项目，其项目组合中包括两种房地产投资类型A和B，当项目A的预期收益率RA=25%时，预期收益率发生概率PA20% ；RA=15%时，PA=50%；RA=10%时，PA=30%。当项目B的预期收益率RA=30%时，预期收益率发生概率PB=30% ；RB=20%时，PB=40%时，RBA=10%时，PB=30%时。做出风险分析如下：
由式2-1、2-8得：
项目A：E（RP）=14.5%，σ2j=0.00125，σi=3.5%
B：E（RP）=20%，σ2j=0.006，σi=7.75%
可以看出。项目B的预期报酬率高，投资风险比较大，而项目A的预期报酬率比B低，但投资风险较小。设投资商决定项目A和B的投资率均为50%。
由公示得：投资组合的预期收益率与方差为：
E（RP）=17.25%
σ2j=（50%+0.0775）2+（50%+0.0775）2+2×50%×50%×0.00775×0.035ρAB
由-1
0.00045
在投资率确定的情况下，投资组合的预期收益率为定值17.25%结合的风险随两者的相关系数变化，方差在0.0045～0.00316之间。
（二）房地产投资组合风险最小模型的案例
某房地产开发公司拟对1，2，3三种房地产类型进行投资组合，各项目投资预期收益率R1=15%、R1=7%、R1=8%，收益方差σ21=1%、σ22=0.6%、σ23=0.7%，β1=1.2、β2=0.7、β3=0.8，各项目间的相关系数为ρ12=0.3、ρ13=0.2、ρ23=0.4，市场预期收益率不低于12%，试确定风险最小化的组合投资比例。
由公示σ2i=β2iσ2m+（σni）ε可把投资项目的风险分解为系统风险和非系统风险，计算如下：
项目1：系统风险=1.22X0.5%=0.72%，
项目2：系统风险=0.72X0.5%=0.245%，
项目3：系统风险=0.82X0.5%=0.32%，
设三项投资比例分别为W1W2W3将各数值带入房地产投资组合风险最小模型，计算得：
min（σsm）2=7.2W21+2.45W22+3.2W23+2.52W1W2+1.92 W1W3+2.24 W1W3
s.t 0.15 W1+0.07 W2+0.08 W3≥0.12
W1+ W2+ W3=1
W1W2W3≥0
求解可得该房地产组合投资的比例W1=0.8，W2=0，W3=0.2，最优组合投资的收益方差为0.0504%，但组合收益率可达12%，可见组合投资风险远小于各单项投资风险，组合投资起到了分散风险的作用。
参考文献：
篇5
关键词：个人理财、理财规划
一、树立良好的个人理财意识
要树立正确的理财意识，首先要对个人理财有一定的认识。个人理财是用于评估客户对于财务需求的整体过程，它是专业的理财人员依据客户的理财需要和理财目标，辅以分析客户的生活及财务现状。进而综合的帮助客户制定出一套有针对性的理财方案的银行综合业务。同时也是全方位、有针对性、多层次的个性化金融服务。针对这一要求，根据自身的财务状况，确立好自己的理财目的。参考理财人员提供的意见和建议，结合自身的需求及目标情况选择适合自己的理财工具，以便实现自己的理财目标。
二、对理财工具有一定的了解
储蓄是我国最普及的投资渠道，也是我国国民的财富存储的主要方式。储蓄包括活期及定期两种，活期存款可以随时提取现金，而定期存款则是达到规定期限后才可提取现金。两者中前者较后者利率低。但总的来说储蓄是收益最低的理财工具。
个人信贷在我国主要是各种消费贷款，包括住房贷款、汽车消费、信用贷款等。在一定条件下，银行向消费者提供抵款，消费者到期还本付息。而所获取的贷款通过其他理财方式实现增值，抵消债务获取盈利而成为一种理财方式。
债券是经济主体为筹集资金向投资者出具的承诺在一定时期支付利息和偿还本金的债务凭证。按照发行主体的不同分为政府债券、公司债券、金融债券。其利率较储蓄高，且国债信用度极高，收入免税，作为投资优于储蓄。
股票随着上海证券交易所和深圳证券交易所的开业，中国开始出现了股票投资。股票这获利的方式主要有两种：价格差或红利。在现阶段的中国股市，分工公司是个别现象，不分红是普遍现象。个人的投资获利主要是类似赌博的利用价格差投机。
除了以上几种理财工具，还存在有保险、个人外汇业务、期货、基金及收藏品等个人投资方式。
三、合理认识并尽量规避风险
投资的基本原理揭示了投资收益与风险成配比。投资作为理财的重要组成内容，其基本原理不容忽视；投资风险需要分散，即投资组合的风险要低于单项投资的风险。在投资的过程中，要对家庭财务适合性进行分析。包括与生活目标的适合度，与个人特点的适合度，与所处社会环境及生命阶段的适合度等。对财务风险分析、管理和控制，包括收入风险、意外风险等，管理则包括规避和降低风险，分散风险和转移风险等手段。财务风险控制则包括关注事业，职业生涯提升，建立多渠道收入来源等。结合相关理论知识认识风险科学地规划理财计划已达到尽量规避风险的目的。
篇6
1.引言
近年来金融工具及其衍生物越来越多元化，其带来的不确定因素也越来越大，因而金融市场的风险也就越来越高。金融市场间的关系更是变得日趋复杂，更多的呈现出非线性、非对称和厚尾的特性，金融波动和危机的频繁出现使聚合风险管理和金融市场间相依关系分析成为国内外关注的焦点。
现阶段最常使用的风险度量指标是20世纪90年代J.P.Morgan和G30集团提出的VaR（Value at Risk）方法，VaR旨在一定的置信水平下，估计金融资产或组合受市场因子波动影响，而在未来特定的一段时间内的最大可能损失。严格的说，VaR描述了在一定的目标期间内收益和损失的预期分布的分位数。如果c代表置信水平，VaR对应的是较低的尾部水平1-c。可表示为：
其中，表示某事件的概率，表示资产或资产组合在持有期内的损失，c为置信度水平。在最近这些年VaR作为金融风险度量工具得到了广泛的应用，然而，研究发现VaR不具有次可加性和一致性的风险度量，后来针对这一问题，ACerbi等[2-3]提出了期望损失ES（expected shortfall）的定义。
假设R为持有期内资产或者资产组合的损益，并假设R的累积分布函数F（r）（CDF）是连续的，那么对于置信水平，VaR也可以用如下定义：
式中，表示R的分布在给定显着水平的下侧分位数。假设表示R的概率密度函数，那么置信水平为1-c下的ES可以定义为：
式中，为示性函数。ES实质上是将资产价值r乘以权重的从-到0的积分，这样它就把超过VaR水平的损失部分考虑进去了。从经济意义上讲，ES就是指当损失超过VaR时的平均损失。由于它同时具有了次可加性和一致性，是一个较好的风险度量工具。Rappoport（1993）第一次在金融行业中用它来做风险管理的一个工具，后来ACerbi（1997）等人证明了该方法是一个一致性的风险度量工具。
同时，通过引入Copula函数度量资产组合集成风险的方法已经越来越成熟。SchwEizer和Sklar最早提出Copula函数的概念及其它的一些性质。后来Sklar指出了Copula函数可以把具有不同类型边缘分布函数连接起来，并且能抓住它在风险管理应用中的本质特征（例如：尖峰厚尾性）；Emberchts等第一次把该方法引入到金融类相关研究之中。许多研究学者在他们的基础上做了很多有意义的研究。例如：Breymann等人研究表明了学生t-Copula的经验拟合比高斯Copula优越很多；Ceske，Hemandez（1999）提出可以将Copula函数与MonteCarlo技术结合计算相关损失；MATTEIS对Archimedean Copula做了很好的总结。
在我国，Copula函数方法在金融上的应用才刚刚起步，且其中绝大多数文献做的是介绍性、引入性的研究。最早见的是张尧庭（2002）提出Copula函数在金融风险领域大有可为；史道济利用Copula函数研究外汇组合的相关性；司继文（2004，2005）分别将Copula函数应用于国内外的股票市场和期货市场；韦艳华、张世英（2004）将GARCH模型应用于Copula函数，来度量金融时间序列的自相关结构。前人的研究主要集中在利用Copula函数对股市或资产组合的相关性研究。而韦艳华（2004）利用GARCH模型拟合正态Copula函数的边缘分布，然后运用Monte Carlo仿真技术计算投资组合的VaR。
本文创新一是采用GARCH或者EGARCH模型来拟合t-Copula函数的边缘分布，克服了传统GARCH模型不能处理特定非对称金融时间序列的局限性。对此，本文也比较分析了单独使用GARCH下和本文采取的方法下的风险值，研究表明本文提出改进的思路对风险估计更为准确。改进二在于对于风险衡量的指标不是仅仅采用VaR，而是利用VaR与ES双监管的风险度量方法，克服了传统风险度量VaR的很多缺陷（不具有次可加性、正齐次性等）。最后通过度量我国股票型开放式基金的市场风险为出发点，运用Monte Carlo仿真技术计算投资组合的VaR以及ES，具有很强的实用价值。
2.GARCH或者EGARCH收益率分布模型
对于某一金融资产，投资者最想知道的是将来某个时刻该资产收益率的信息。由于金融资产收益率的尖峰厚尾性、条件异方差性、波动聚集性和杠杆效应等，普通的GARCH模型对对前三者能较好的刻画，但是对于杠杠效应GARCH模型不能刻画出，因此，本文对不存在杠杆效应的收益率序列采用GARCH模型拟合资产收益率的特征，对存在杠杠效应的收益率序列采用EGARC模型刻画。该模型是Glosten Jagannathan和Runkle在Engle提出自回归条件异方差（ARCH）模型和Bofloerselev提出的广义自回归条件异方差（GARCH）模型的基础上改进提出的，它考虑了坏消息和好消息对波动性不同的影响。
假设投资组合中有d种金融资产，对于资产i，直接根据最近的n期历史收益率数据（t=1，2，…，n）运用GARCH其中EAGCH模型中条件方差采用自然对数形式，意味着非负，且杠杠效应为指数型的。模型中引入了一个重要参数，若，说明信息作用非对称，存在杠杠效应。为第i个资产收益率序列；为的条件均值项；v是t分布的自由度。为待估参数；随机扰动项服从均值为0，方差为1的标准t分布。即：
它的形式使得GARCH或者EGARCH模型能够较好地描述收益率序列的各种特性（如条件异方差性、波动聚集性）。
假定利用观察资产收益率历史数据样本可以得到，在估计出参数后，可以得到下一时刻收益率的条件分布：
其中，是自由度为v的t分布函数，是到时刻t为止的信息集。利用Matlab可以很方便地由样本观测数据估计出GARCH模型的各个参数，从而由式（2）得到给定T时刻前信息集的条件概率分布。
3.Copula函数的参数估计
在资产分配、衍生品定价和风险管理等许多金融领域中，有关风险因素之间的相关性度量及其重要。许多文献中常采用多元正态函数，然而各种金融资产的收益率之间一般并不符合多元正态分布的假设，为此，本文使用Copula函数来解决这个问题。
由Sklar定理可知，对于一个具有边际分布函数为（）的金融资产的联合分布函数F，一定能找到一个Copula函数C，使得：
如果所有的边际分布函数都连续则从上式定义的Copula函数是唯一的。从上式可以计算得出Copula：
其中，
文献表明，t-Copula能更好地刻画各个金融资产的尾部相关性，本文研究的是t-Copula连接函数分布。
其中，表示相关系数矩阵为R，自由度为v的维标准t分布函数，表示自由度为v的单变量标准t分布函数的反函数。Copula模型为：
参数v为t分布的自由度。为d维t-Copula分布，表示均值为0，方差为1，自由度参数为的正规化t分布函数，即：
式中是伽马函数。由于t-Copula的密度函数对任意维数都不是一个简单的形式，本文根据t-Copula函数形式使用matlab工具估计其参数，过程
（1）把资产收益率数据通过概率积分变换转化为一致分布；
（2）用对数似然函数法估计学生t-Copula的参数：
此处的copula函数c为公式（4）给出的；
（3）令，此处是单变量累积标准正态分布函数；
转贴于
4.利用模特卡罗模拟资产组合的VaR和ES
根据EMBRECHTS关于利用t-Copula函数模拟随机变量的方法，多次模拟资产组合资产收益率的随机扰动项。具体模拟步骤为：
（1）由上述估计出的随机扰动项的相关系数矩阵R，对其进行Cholesky分解。
（2）根据标准正态分布，模拟d个相互独立的随机变量。
（3）产生与Y相互独立的变量e，服从分布。
（4）令。
（5）令，则x为服从自由度为v的t分布。
（6）计算得到。
（7）根据得到联合分布为，连接函数为的d维随机扰动项。
（8）根据EGARCH或GARCH模型，得到金融资产收益率的条件均值和条件方差，然后根据随机波动方程，得到资产组合的资产收益率向量。
（9）给定资产在投资组合中的权重，计算投资组合收益R的值。
（10）重复上述过程5000次，模拟得到其经验分布，容易求出VaR和ES的值。
5.实证研究
（1）数据的选取和边缘分布的估计
本文选取融通深证100基金2010年3月31日公布的前10大重仓股票作为观测样本，如表1所示。
本文采用从2004年7月1日至20010年3月31日共937个（对空缺数据已做处理）交易日的收盘价作为原始数据，计算出每只股票的对数收益率，并根据公式（1）、（2）估计出每只股票的边际分布，利用AIC准则、SC准则和杠杆系数检验可以得出万科A、苏宁电器、中兴通讯、格力电器、吉林敖东存在杠杠效应，适宜采用EGARCH模型建模（其余采用GARCH建模拟合效果更好），下面以第三、四只股票五粮液（000858）和苏宁电器（002024）为例，分析其边缘分布函数的估计和拟合效果的评价。参数估计结果见表2和3：
其中，表2、3中括号的数据表示相应t统计量的估计值。从表2、3中给出的K-S相伴概率可知，利用CML方法对原序列做概率积分变换后，序列服从[0，1]的均匀分布。由此可以说明本文提出的模型可以较好地描述相关资产的边缘分布。同样的方法检验了其他8只股票的边缘分布拟合效果，都说明了GARCH或者EGARCH模型能较好拟合各自的边缘分布，因此用本文的模型描述收益率序列的边缘分布是充分的。
（2）Copula函数参数估计和Monte Carlo模拟VaR和ES
此处为了对比分析采用EGARCH或GARCH拟合边缘分布与仅仅采用GARCH拟合的效果，根据上面估计得各个股票收益序列的边缘分布，利用文中第四部分的估计copula函数参数的方法，估计得出其t分布的自由度DOF=7.5848和各自的相关矩阵（表4、表5）。
由上述结果可知，仅仅采用GARCH拟合边缘分布使得各个资产之间的相关系数整体性的变小。从而可以推断出可能会导致风险的低估，从而对准确度量基金风险存在一定的影响。进一步的风险值比较分析可见表6、表7。
按照表1的投资比例，假设投资者处于t时刻，这里的t时刻指的是样本时间段的最后一天，即2010年3月31日，t时刻的投资组合价值为：
假设资产持有期从t时刻到t+1时刻，置信水平选择95%和99%进行估计。根据本文的Copula-GARCH（EGARCH）模型，运用t-Copula函数的模特卡罗模拟仿真模拟5000次，可以得出t+1时刻各个股票的收益率序列，进一步可以计算出t+1时刻各股票的损失序列，给定置信水平，容易得出t时刻到t+1时刻相应的投资组合VaR和ES值，表6、7分别给出了本文提出的采用EGARCH或GARCH拟合边缘分布和传统方法仅仅采用GARCH模型拟合的情况下各个股票和证券投资组合的VaR和ES值。
表6、表7清晰的显示本文所提出的方法对准确估计风险更进了一步，比较而言传统方法只使用GARCH模型拟合边缘分布导致了单个资产和资产组合的风险值都偏小。对于文中提出使用EGARCH模型拟合万科A、苏宁电器、中兴通讯、格力电器、吉林敖东，从表6与7中可以看出，VaR与ES的风险值都比其他个股风险值偏离程度更大，说明采用EGARCH模型针对特定（存在杠杠效应）金融序列拟合效果更好，风险估计更为准确。
单独分析表6可以看出，在投资额一定的情况下，基金的风险值要比单个资产进行投资的风险值小，可见该基金选择的各个股票之间的相关关系有较大差别，说明投资组合可以大大降低投资风险。从VaR和ES的风险值看，ES都大于VaR，说明ES比VaR度量风险更为保守，也说明了VaR在度量风险上存在计算风险值偏低的现象，这样对基金控制风险和减少资产损失极为不利，特别是当极端事件发生时，资产组合的风险值与实际值就会发生偏差。另外从VaR与ES的差值可出看出，置信水平越高，投资组合降低风险的程度也就越大，但是由于VaR不具有次可加性，从ES的差值能很明显看出。
6.结论
本文为了描述特定资产具有非对称性的特征，通过对资产收益率进行EGARCH建模，对不存在杠杠效应的资产仍使用传统的GARCH模型，这与Copula可以连接具有不同边际分布的函数的相关关系相符，同时考虑到VaR度量风险的不足，引入了ES一致性风险度量，通过t-Copula函数和Monte Carlo模拟计算出了证券投资组合的VaR以及ES的值。最后文章对融通深证100基金风险度量的实证研究可以看出，有的金融资产收益率序列可能存在杠杠效应；而且VaR的确存在低估风险的不足；同时也得出了风险值VaR或者ES在置信度越高，它们的差值越为明显，说明了本文Copula-EGARCH（GARCH）模型能较好地刻画投资组合二中不同资产间非正态非线性非对称的相关性。基于该模型的风险度量方法可以为我们基金管理公司评估和管理资产组合的市场风险，从而有利于公司控制和减少资产损失提供一定的参考作用。
参考文献
张尧庭.连接函数(Copula)技术与金融风险分析明[J].统计研究，2002(4):48-51.
史道济，邱男.关于外汇组合风险相关性的分析[J].系统工程，2005，23(6):90-94.
司继文，蒙坚玲，龚朴.国内外期货市场相关性研究田[J].华中科技大学学报，2004，21(1):16-19.
篇7
关键词：久期与利差乘积 DTS 信用债 信用利差
DTS介绍
DTS（Duration Times Spread）代表利差久期（对于固定利率信用债而言，利差久期等于标准久期）与利差的乘积，是由美国原雷曼兄弟公司负责量化投资策略的Arik Ben Dor等人在2007年提出的信用债分析方法中使用的变量。DTS作为描述信用债综合风险的量化分析工具，包含了信用评级、待偿期、发行人及行业等各方面因素，在美国被广泛应用于信用债投资组合风险管理。
对于信用债投资组合风险的衡量，传统分析方法是利用加权久期来测算信用利差平行变化时投资组合价值的变化，但仅仅利用久期并不能全面衡量信用债投资组合的风险。在市场中普遍存在的现象是信用利差越大的信用债，其所代表的系统性风险也越大，在市场波动时其利差波动也越剧烈，使用DTS可以将久期和利差结合起来，更准确地描述其风险。例如，在同一个投资组合中，一只权重为5%、信用利差为80bps、久期为3年的信用债与另一只权重为3%、信用利差为50bps、久期为8年的信用债，对组合的风险贡献程度是一样的。
假设一只信用债的久期为，由利差绝对变化而带来的收益为：
（1）
利用利差相对变化，可以将其表示为：
（2）
正如久期衡量了绝对利差变化对于投资收益的影响，DTS衡量了利差相对变化对于投资收益的影响。
信用债的超额收益率（Excess Return）主要由两部分组成：信用利差的持有收益（Spread Carry）和利差变化所带来的收益（Spread Change Return）。利用公式（1）和（2），可以测算超额收益率波动率与利差绝对波动率和相对波动率之间的关系。
影响超额收益率波动率的主要是利差随机变化所带来的收益，可以用公式（3）表示：
（3）
同样，可以利用利差相对波动率，将其表示为：
（4）
所以，信用利差绝对波动率与相对波动率之间的关系可以表示为：
（5）
DTS数据分析
为了验证信用利差相对波动率是一个稳定的数值，本文选取中债-新中期票据总指数所包含的在银行间市场流通的、信用评级为AA-至AAA级的中票和城投债日频中债估值作为数据样本，时间区间为2013年12月至2014年9月，含880只债券210个交易日的数据，共计184800个日频数据。通过简单计算，得到月度平均利差绝对和相对波动率见表1。
根据表1数据，可以得到月度利差相对波动率的平均值为8.95%，这一数值与DTS的提出者Arik Ben Dor等人利用美国巴克莱投资级信用债指数的计算结果9.1%非常接近。这表明，一只信用利差在100bp的信用债，月均利差变化在9bp左右。因此，本文将利差月度相对波动率称为信用债的9%规律：
（6）
值得注意的是，9%规律适用于大部分时期的市场波动。当黑天鹅事件发生，市场出现极端波动的情况时，会随之增大。经计算，2013年6月“钱荒”发生时，。
图1 绝对和相对波动率的变化情况
（编辑注：图例“绝对波动率”改为“绝对波动率（左轴）”，“相对波动率”改为“相对波动率（右轴）”）
数据来源：中债综合业务平台、Wind资讯
从图1可以看出，信用利差绝对波动率难以预测，而相对波动率则比较平稳，从2013年12月至2014年9月一直保持在9%左右。
另一方面，为了验证超额收益率波动率与DTS之间存在的线性关系（设置截距为0，斜率为），将样本数据的超额收益率波动率与对应的DTS进行回归分析。回归结果（见表2）显示，与DTS之间存在非常显著的线性关系。
表2 超额收益率波动率与DTS回归分析结果
回归统计
R Square
0.988
Adjusted R Square
0.845
标准误差
0.044
X Variable 1
Coefficient
0.078
标准误差
0.003
t-statistic
23.850
数据来源：中债综合业务平台、Wind资讯
本节通过数据分析验证了两个推论：（1）信用债相对波动率的9%规律;（2）超额收益率波动率与DTS之间存在显著的线性关系。对这两个推论的验证，本文并没有对信用债的行业、发行人、待偿期、信用评级等进行明确分类，而是综合了中债-新中期票据总指数中所有AA-至AAA级的中票和城投债，这表明两个推论基本适用于我国大多数信用债的风险价值判断。
DTS理论证明
在通过数据分析进行验证之后，本文再利用默顿（Merton）的结构化模型对信用利差与绝对波动率之间的线性关系进行理论证明。根据默顿结构化模型的假设，发行人的所有负债用一个到期日为的零息债券代表，假设无风险利率为，则有：
（7）
发行人的总资产用代表，假设遵循一个几何布朗运动：
（8）
其中，为均值，为了简化起见，设;为波动率;是维纳过程。
那么，剩下的净资产可以用一个看涨期权代表：
（9）
所以，信用利差对总资产变化的灵敏度：
（10）
假设总资产的变化是导致信用利差变化的唯一变量：
（11）
那么绝对波动率可以用下面公式表示：
（12）
假设总资产投资收益波动率是个常数，由于：
（13）
其中，，为随机变量的累积分布函数，也是看涨期权的。
那么： （14）
由此可以得到，假设其他项保持不变即为常数时，当信用利差增加时，随之增加，项随之减少，随指数级增加。信用利差与绝对波动率之间的关系可以用一个向下凹的自然指数函数来描述，在实际的信用债利差波动范围之内，与可以近似用线性关系来描述，这也证明了中美信用债市场中都存在着相对波动率的9%规律。
基于DTS的城投债评分体系
根据之前的验证结果，DTS代表了一只信用债或者一个信用债组合的综合风险，同时根据信用债的9%规律，可以估算出信用债利差在一个月之内一个标准差单位的变化。由此，可以建立DTS与到期收益率的直接关系，并通过衡量到期收益率与市场隐含的公允价值之间的偏离程度来对信用债的风险进行评分。
本文将中债-新中期票据总指数（2014年12月1日数据）中所含城投债按照DTS数值大小排序，并按照其当前的到期收益率计算投资1个月后的投资收益。假设投资收益与风险程度DTS成线性关系，并对二者作回归分析。
图2 城投债投资收益与DTS
数据来源：中债综合业务平台、Wind资讯
从回归结果（见图2）可以发现，随着DTS的增加，以债券当前到期收益率计算的投资收益随之增加。图2中红色虚线是根据回归模型得出的预测值，本文将此预测值作为市场隐含的公允价值（market implied fair value），并利用该公允价值和绝对波动率计算各只债券的偏离程度。639只城投债评分从-5.1到5.6（见图3），其绝对值代表了城投债到期收益率与公允价值之间的偏离标准差，正值评分越高代表正向偏离程度越大，该债券到期收益率被高估（未来评级下调或者违约）的概率越大;负值评分越低代表负向偏离程度越大，该债券到期收益率被低估（未来评级上调）的概率越大。
图3 城投债偏离概率密度
图3显示，总体上城投债到期收益率偏离程度的分布比较符合正态分布，但是偏离度处在4.4个标准差单位的城投债数量较多（11只），这些城投债的到期收益率被高估（未来评级下调或者违约）的概率较大。
小结
本文对DTS的有效性和实用性进行了数据分析和理论证明，并建立了一个基于市场价格信息的评分体系，可以对包括城投债在内的信用债进行即时的风险分析。相对于较为滞后的信用评级，DTS对市场反应更加迅捷，在实际应用中可以给信用债投资者以下协助：
（1）对于某一特定券种（如城投债）综合风险的测算，仅利用加权久期并不全面，加权DTS可以给出更加准确的风险评估。
（2）DTS可以用于控制行业集中度以及发行人集中度的测算。比如，如果设定权重、利差和久期三者乘积的额度为5，那么对于发行人A的利差为100BP、久期为5年的信用债在投资组合的权重就不得超过1%。
（3）利用DTS所代表的风险水平追踪债券指数，可以更好地分散投资风险。
（4）为发行人一级市场发行信用债提供合理价格区间，控制融资成本。
整体而言，在我国当前信用债违约概率和违约损失率等历史数据缺失、信用风险缓释凭证（CRMW）等信用风险衍生产品市场不成熟、刚性兑付成为市场常态的条件下，使用DTS可以对信用债投资进行更加准确的优化配置和风险管理。（感谢中央结算公司管圣义博士在研究中的建议和帮助）
参考文献：
[1]中央国债登记结算有限责任公司：《中债指数指南》，2014。
[2]Ben Dor， A.， Dynkin， L.， Hyman， J.， Quantitative Credit Portfolio Management，2012.
篇8
【关键词】 外币贷款； 风险管理； 情景分析； 压力测试； 敏感性分析； 在险价值
在今后较长一段时期，我国企业将面临外币贷款中的汇率风险。通过借鉴国外企业外债风险管理中科学而完整的风险管理体系，结合我国外汇管理体制以及企业的实际状况，建立健全外币贷款风险管理具有重要的应用价值和现实意义。
一、研究背景
改革开放有三十年，根据积极、合理、有效的利用外资的方针政策，截至2006年底，我国累计实际使用外资金额6854亿美元。
我国外债主要是外国政府和国际金融组织提供的贷款。这部分资金具有贷款期限长、贷款利率低等优点，深受企业的欢迎。在实际运作中，该部分外债真正承贷及还贷的主体是国内企业。一旦企业出现偿债能力的问题，将不可避免地将其转嫁给国内金融机构和国家财政，从而影响国家总体外债安全。
如北京奥林匹克饭店、中德合资武汉长江啤酒有限公司等均是因本币大幅贬值造成企业无力偿还债务而倒闭的。总体而言，目前我国大多数企业对外币贷款的风险管理认识程度不够，对汇率风险的规避意识淡薄，相应的风险管理体系极不成熟，急切需要外债风险管理方面的理论指导与实务方面的经验。
二、现状考察
外债风险不仅从宏观上影响一个国家经济的稳定和信用，而且从微观上影响一个企业的生存与发展。
目前，我国外币贷款使用企业已经开始关注风险管理问题，并着手使用一些基本的衍生工具来管理外汇贷款风险。然而在实际中还存在各种各样的问题。
例如，债务风险管理意识淡薄，“重筹资，轻还贷”和“圈钱”思想盛行；国有企业体制性缺陷造成管理者缺少长远的规划或者具体操作的随意性；缺乏风险管理意识，不能准确把握汇率和利率市场变动情况、熟知各种金融工具应用的专业人才；缺乏合理的外债风险管理激励约束机制和相应的风险管理工具等等。
自2005年7月21日起，我国金融系统开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。人民币汇率改革一年后，人民币兑换美元的汇率从8.27元人民币/美元上涨至接近8元人民币/美元，年变动幅度达到3.3%。
由于人民币兑换美元、欧元及日元等主要货币每年都发生较大幅度的变化，汇率风险已经成为我国企业外币贷款过程中值得高度重视的一个风险来源。
三、汇率风险
汇率风险主要是指由于企业经营收入货币与外债债务偿还支出货币的币种不匹配，在外债债务未清偿前，因汇率变动而产生偿债成本增加的风险。主要表现为收入货币贬值或支出货币升值导致借用外债单位的偿债成本上升。
目前我国企业外债汇率风险主要体现在两方面：
其一，汇率制度改革后人民币汇率市场化使得人民币汇率的波幅趋大趋频，整体汇率风险增加。人民币汇率制度改革直接后果就是较大幅度的升值。至2008年1月3日，人民币汇率已经达到7.27元人民币兑1美元，升值幅度达到12%。
同时，市场化后的人民币汇率更容易受到国际、国内多方面因素的影响，波动的频率、幅度将进一步扩大，不确定性进一步增加，从而使外债债务的整体汇率风险有所加大。
其二，日元和欧元债务潜在风险大。日元和欧元一直是汇率波动较频，波幅较大的币种，欧元从2002年至2006年7月，兑换美元波幅达到60%以上。如果持有这两种货币债务的单位而不对其日元和欧元债务进行风险管理，未来发生损失的可能性很大，并有可能超出债务单位所能承受范围，导致偿债危机，严重的将可能影响到企业的生存。
相对于固定汇率制度而言，浮动汇率制度下汇率的波动幅度要大得多，因此对外币贷款企业带来的风险也增加了许多。而目前外汇市场汇率波动的特点是汇率走向更加无序化，影响汇率变动的短期因素更加令人难以捉摸，凸显汇率风险管理的日益重要。
汇率风险一般包括本币、外币和时间三个因素。在企业偿还外币贷款过程中，均需要以本币兑换成所需偿还的外币，在规定的时间内进行本息的偿还。在这个确定的时间范围内，本币与外币的兑换比例可能发生变化，从而发生汇率风险。
外币贷款的时间结构对汇率风险的大小具有直接影响。时间越长，则在此期间汇率波动的可能性就越大，汇率风险相对就越小；时间越短，在此期间内汇率波动的可能性就越小，汇率风险相对就越小。我国企业在外币贷款偿还过程中，由于产生收益的是人民币，而需要偿还的贷款都为日元、美元、欧元等外币，因此，这是一种典型的“货币错配现象”，收益与债务的不匹配给外汇贷款债务人平添了一层汇率风险。
根据外汇风险的作用对象及表现形式，通常将汇率风险分为交易风险、经济风险、折算风险及国家风险。
将汇率风险进行分类，有利于确定风险管理应采用的最有效的方法。
对使用外币贷款的企业而言，其还债过程中所面临的汇率风险是具有双面性的。由于汇率未来变动的方向、时间以及规模的不确定性，汇率的波动既可能减小企业的偿债成本，也可能增加企业的偿债成本，使企业遭受损失。如果汇率的波动方向是不利的，企业的收入货币本币相对于所借外币贬值，则企业的外币借款成本上升，企业遭遇损失。反之，如果汇率的波动方向是有利的，企业的收入货币本币相对于所借外币升值，则企业的外币借款成本下降，企业获利。
四、风险计量
准确度量外债项目所面临的汇率风险是企业管理层进行风险决策的必要前提。企业在进行外汇债务风险计量时可采用情景分析、压力测试、敏感性分析和在险价值四种常用的方法。通过该四种计量方式计算，一般可以满足企业财务从不同角度和侧重对风险的认识和分析。
（一）情景分析
情景分析是当市场风险监控人员预测会发生影响市场的重大事件时，就多个风险因素建立较为全面的模拟环境，应用于当前的头寸，以测算可能发生的盈亏的一种风险管理手段。在外债风险管理中，企业根据专业金融机构对汇率和利率走势的分析判断，分析企业外债风险。
情景分析为管理层更好地应付市场变化提供了有利的信息，是一种策略分析技术，可用来评估在发生各种不同事件的情形下，对企业外债的影响。
进行情景分析的关键首先在于对情景的合理设定；其次是对设定情景进行深入细致的分析以及由此对事态在给定时间内可能发展的严重程度和投资组合因此而可能遭受的损失进行合理的预测；最后得出情景分析报告。
情景分析方法简单、直观，但存在对汇率和利率走势分析主观判断的成分较大的问题。
（二）压力测试
压力测试是指将整个金融机构或资产组合置于某一特定的极端市场情况之下测定债务风险程度的一种方法。
在压力测试中，由测试者主观决定其测试的市场变量及其变动幅度，变量变化的幅度可以被确定为任意的大小，而且测试者一旦确定了测试变量，就假设了测试变量与市场其他变量的相关性为零，不用再担心测试变量与其他市场变量之间的相关性。它不需要探究事件发生的可能性，不需要复杂的数学计算，所以比较适合债务风险的定性认识和一般流。
压力测试可以模拟市场任何因素的变动幅度，从而计算出企业外债的极限风险。
压力测试理论上并不复杂，但在实践中仍存在不少问题。
首先是市场变量相关性和测试变量的选择问题。压力测试的一个重要假设是所选测试变量与市场其他变量的相关性为零。因此，变量的选择要考虑其是否真正独立于其它变量，是否有必要将一组变量作为测试变量，或进行二维联合测试。
其次需要对分析的前提条件重新确认。进行压力测试，某一或某些市场因素的异常或极端的变化可能会使得风险分析的前提条件发生变化。某种在正常市场状态下有效运行的基本模型，在市场危机时可能也会失效。
每次压力测试只能说明事件的影响程度，却并不能说明事件发生的可能性。
与情景分析相比，压力测试只是对组合短期风险状况的一种衡量，可以说只是风险管理中一种战术性的方法，而情景分析则注重比较全面和长远的投资环境的变化，因而可以说是一种战略性的风险管理方法。
（三）敏感性分析
敏感性分析是指在保持其他条件不变的前提下，研究单个市场风险要素的变化可能会对外债偿还成本造成的影响，是应用最为广泛的方法。
敏感性分析首先需要风险管理者确定影响企业外债成本的主要变量；然后通过计算显示债务成本对各变量的敏感性。对于不同敏感程度的因素，企业可以采取不同的措施。
敏感性分析计算简单且便于理解，在市场风险分析中得到了广泛应用。该分析的局限性在于它只能判断出外债偿还成本对风险因素的敏感程度，但不能反映不确定因素发生可能性的大小以及在各种可能情况下对偿还成本的影响程度。因此，在使用敏感性分析时要注意其适用范围，实务分析中一般结合VaR进行分析。
（四）在险价值(Value at Risk)
在险价值就是在一定的持有期和一定的置信区间内，一个投资组合最大的潜在损失是多少。VaR是一种利用概率论与数理统计来评价风险的方法，它可以使投资人既知道潜在损失的金额，又知道损失发生的可能性。
VaR风险衡量方法适用面较广，适用于综合衡量包括利率风险和汇率风险在内的各种市场风险。
在企业外债风险计算中多用历史交易资料模拟法，即根据历史的统计数据，计算出未来可能的汇率和利率分布，从而进一步计算债务风险暴露在一定概率范围内发生的最大损失。
历史模拟法是一种非参数方法，可以有效处理非对称和后尾问题，诸如非线性、市场大幅波动等情况，以便捕捉各种风险。但是，该方法计算出的VaR波动性较大，存在严重滞后而导致VaR的高估等风险。
虽然风险值评估法是公认的风险管理有效的计量工具，但也存在若干局限，主要体现在：
首先，该方法不能涵盖价格剧烈波动等突发性小概率事件，无法应对市场出现的极端情况，但往往正是这些事件给银行的安全造成最大的威胁。
其次，存在头寸规模的影响问题。在外债项目的VaR计算过程中，没有考虑头寸规模或大小对市场汇率和利率的报价的影响。但是实际情况中，不同规模的头寸在交易时价格是不同的。
一般而言，债权方可利用VaR模型进行风险测算和规避。而对于获取外币贷款的债务方，也可利用相关计量测试，分析该项目的风险得失，更为今后的财务策划提供实用的借鉴经验。
总体而言，各种风险计量的方法受到自身的条件影响，其应用范围、场合将受到一定的限制。
情景分析从更广泛的视野，更长远的时间范围来考察金融机构或投资组合的风险问题。这种具有战略高度的分析可以弥补VaR和压力测试只注重短期情况分析的不足。因此，情景分析应与VaR和压力测试结合起来，使得风险管理更加完善。
当单个模型的分析方法种类较多时，不同分析方法得到的结论也不尽相同。如在险价值分析中，可以采用历史分析法、蒙特卡罗模拟法等手段进行分析，得到不同的结果。究竟采用何种手段，该种手段风险分析的方法是否正确都是较难确定的问题。
五、结束语
由于我国对外币贷款风险管理的理论研究较晚，相应的管理体系不成熟、不健全。企业普遍存在金融风险管理的防范意识薄弱，缺乏相应的风险管理人才等问题。而在实际经营中，尤其在铁路、公路的外币贷款建设中，有些必须是通过将盈利所得的人民币兑换成相应的外币（美元、日元、欧元等），然后进行外债的偿还。在还债过程中，不可避免的，外币贷款的价值会因为相应货币汇率的波动而变化。因此，利用何种工具对面临的风险进行计量是企业经营中急需解决的首要问题。
通过对企业外币贷款的汇率风险的分析，笔者选择了四种风险计量方法，对可能存在的金融风险进行测算，为企业外币贷款金融风险管理提供了理论参考。
在具体实践中，笔者建议企业的管理者可以通过衡量企业自身抵抗风险的能力，选择相应的风险规避方式和手段，以更好地面对企业经营中的实际问题。
【参考文献】
[1] 闫迄，杨丽.国际金融[M].北京：人民邮电出版社.
篇9
关键词：养老保险基金 投资 监管
一、我国养老保险基金迫切需要投资
养老问题是任何一个社会、任何一个人都无法回避的问题。基于养老的风险性和社会性，为保证人们退休后的生活水平，通常以养老保险的形式筹集养老保险基金，最终以养老金的形式返回到养老保险的受益人手中。因而，偿付能力的充足性是养老保险基金的根本问题，投资成为养老保险基金的迫切需要。
1.巨额隐性债务问题需要解决。在我国现行的基本养老保险的“统账结合”筹集模式下，社会统筹账户由企业缴费；个人账户按照职工工资缴费比例建立。企业缴费率由各省政府自行确定，不超过企业工资总额的20%.但在实行该体制以前，已经退休的职工和在现收现付的旧体制下已经工作一定年限的在职职工，都没有时间或没有足够的时间为个人账户积累资金。这势必造成了目前基本养老保险收不抵支和个人账户“空账运行”的现象。据统计，在退休人员每年以6%的速度递增的情况下，全国养老保险基金缺口已经从1998年的100多亿元增加到2003年的400亿元左右。改革遗留下的隐性债务日益加剧。其中导致基金缺口的原因是：一是退休年龄偏低；二是待遇水平偏高。
2.社会老龄化问题需要渐渐化解。在进入本世纪，我国60岁和65岁以上人口分别占到全部人口10%和7%，被认为是我国人口老龄化进入一个新阶段。据测算，我国老年人在2015年前后将高达2亿，在老龄化高峰时我国老年人将在4亿以上。然而，我国今天国民经济生产总值只占世界的3.8%，却要负担着世界20%的老人乃至1/4（25%）的老人。我国在职职工与退休职工的比例是：2000年为5：1.2001年为4.1：1；预测2020年为2.2：1，2030年下降为1.8：1.据预测，2030年左右我国退休高峰（60岁以上人口约占33500万，约占总人口的27%）来临时，退休费将占工资总额的36%，高出国际公认的26%的警戒线10个百分点。目前正不断扩大的老龄化危机，对存在缺口的养老保险基金来说是雪上加霜。
3.需要投资扩充基金。基金的来源主要包括政府财政拨款、企业（雇主）缴费、职工（雇员）缴费和基金运营收入四个方面。为尽快充实社会保障基金，一方面要继续保持适度的财政支持，按照“中央社会保障支出占财政支出的比例要逐步达到15-20%”的要求，在确保中央财政当期支付缺口补助和做实个人账户补助的基础上，进一步增加财政投入，稳定国有股海外上市减持和彩票公益金收入，适时开征大额遗产、奢侈品及高档消费等特别税种，进一步充实社会保障基金；但是政府财政的主要来源是纳税人，每年用于补充养老保险基金的财政毕竟是有限的，否则抽空财政会影响到社会经济的发展。企业和职工的负担已经比较重，还有医疗、工伤等其他缴费，再加重企业负担已经不大可能。从理论上讲，通过缴费来扩充基金毕竟有空间的限制。在缴费比例、覆盖范围都饱和的情况下，缴费就不能再带来基金的增长。因此，长期的养老保险基金问题只能通过长期不断的投资来解决。
4.基金管理方面存在的漏洞需要投资来化解。一方面，由于我国养老保险基金与财政密不可分的关系，造成了大量的养老保险基金流失，表现为基金挪用、隐瞒截留收入、福利奖金等非正常支出等等，这一现象近几年来随着监管力度的加大已有所控制。另一方面，因为征缴力度不足，基本养老保险的覆盖面近几年才扩展到私营经济、个体经济的从业人员和一些灵活就业人员。而片面追求覆盖面以应付眼前的基金支付还会造成基金管理行为的短期化，出现“优惠征收”、“打折征收”的现象，给以后的养老保险基金埋下巨大隐患。这使得养老保险基金的投资问题更加紧迫。
二、养老保险基金投资的风险分析
养老保险基金从形成到支付是一个非常复杂的系统，其中，投资是实现基金增长最核心的一环。巨额的养老保险基金投向资本市场，在追逐基金收益的同时，风险也为各方主体密切关注。养老保险基金理事会代表劳动与社会保障部，专门负责对养老保险基金的监督和日常风险管理，选择专业的养老保险基金运营机构，指导养老保险基金的投资战略和方针。投资管理人作为专业的投资机构，职能就是通过具体的投资战术的运用实现收益最大化和风险最小化。而政府部门出于社会安定的考虑，对投资的风险持非常谨慎的态度。对养老保险基金投资的所有风险进行有效管理，有赖于一个完善的投资监管体系，有赖于各个主体之间相互监督、相互制约的权利关系和职责安排。
三、对养老保险基金投资问题监管的几点建议
1.以社保部门为核心，相关部门辅助进行基金运营的监管。我国养老保险基金的运作跨越了多个部门，社会保障部门直接负责基金的征收和发放，目前还有政府财政拨款对养老保险基金的补充，基金的投资由专业的基金管理公司操作，所有的基金都通过银行托管和流转，最后受益人从个人在银行的养老保险账户上取得养老金。这些部门通过委托管理联系在一起。因而，对整个基金运作的监管，应该是以社保部门为主，财政部、证监会、银监会各司其专职又相互协作。在这样的体系下，社会保障部门仍是养老保险基金投资监督的核心力量。其他部门专司本职，只在本部门职责范围内对养老保险基金进行监管。只要权责明晰，就可以保证监管的效率和成果。
2.建立专门的养老保险基金投资监管机构。养老保险基金数额巨大且专业性强，而基金的投资也是非常讲究技术与专业的，需要有专门的机构来监管养老保险基金投资。可以建立专业的养老保险基金投资监管部门。而社会保障部门也可以把养老保险基金投资的管理任务独立出来，委托由社保部、企业和职工代表、专家组成的养老保险基金理事会管理。对养老保险基金投资的监管，养老保险基金理事会的管理内容应包括：（1）审核批准投资管理人、托管人的进入和退出理事会负责下的养老保险基金业务。（2）限制投资组合与投资比例，严格防范投资管理人的冒险行为。大多数国家的养老保险基金都投资于政府公债，而对投资于股票、债券、房地产等项目有严格限制。
基于养老保险基金的特性和我国资本市场的高风险性考虑，应该在证监会下独立设立养老保险基金投资监管司，专门行使证监会对养老保险基金投资的监管职能。其负责基金投资的具体行为包括：（1）与社保部门共同确定养老保险基金运营机构的基本资格，对基金公司高管的任职审核；（2）定期和不定期地对投资管理人进行常规检查；（3）接收基金公司的定期报告，对养老保险基金的投资风险评估；（4）协调养老保险基金与其他基金、其他证券的关系，首先保证养老保险基金的安全稳健和增长等等。托管银行根据法律赋予的权利和自身的角色特点，也能有效对基金投资运作进行监督，及时发现和报告投资管理人的异常交易或异常行为，督促投资管理人纠正违法违规行为。
篇10
养老问题是任何一个社会、任何一个人都无法回避的问题。基于养老的风险性和社会性，为保证人们退休后的生活水平，通常以养老保险的形式筹集养老保险基金，最终以养老金的形式返回到养老保险的受益人手中。因而，偿付能力的充足性是养老保险基金的根本问题，投资成为养老保险基金的迫切需要。
1.巨额隐性债务问题需要解决。在我国现行的基本养老保险的“统账结合”筹集模式下，社会统筹账户由企业缴费；个人账户按照职工工资缴费比例建立。企业缴费率由各省政府自行确定，不超过企业工资总额的20%.但在实行该体制以前，已经退休的职工和在现收现付的旧体制下已经工作一定年限的在职职工，都没有时间或没有足够的时间为个人账户积累资金。这势必造成了目前基本养老保险收不抵支和个人账户“空账运行”的现象。据统计，在退休人员每年以6%的速度递增的情况下，全国养老保险基金缺口已经从1998年的100多亿元增加到2003年的400亿元左右。改革遗留下的隐性债务日益加剧。其中导致基金缺口的原因是：一是退休年龄偏低；二是待遇水平偏高。
2.社会老龄化问题需要渐渐化解。在进入本世纪，我国60岁和65岁以上人口分别占到全部人口10%和7%，被认为是我国人口老龄化进入一个新阶段。据测算，我国老年人在2015年前后将高达2亿，在老龄化高峰时我国老年人将在4亿以上。然而，我国今天国民经济生产总值只占世界的3.8%，却要负担着世界20%的老人乃至1/4（25%）的老人。我国在职职工与退休职工的比例是：2000年为5：1.2001年为4.1：1；预测2020年为2.2：1，2030年下降为1.8：1.据预测，2030年左右我国退休高峰（60岁以上人口约占33500万，约占总人口的27%）来临时，退休费将占工资总额的36%，高出国际公认的26%的警戒线10个百分点。目前正不断扩大的老龄化危机，对存在缺口的养老保险基金来说是雪上加霜。
3.需要投资扩充基金。基金的来源主要包括政府财政拨款、企业（雇主）缴费、职工（雇员）缴费和基金运营收入四个方面。为尽快充实社会保障基金，一方面要继续保持适度的财政支持，按照“中央社会保障支出占财政支出的比例要逐步达到15-20%”的要求，在确保中央财政当期支付缺口补助和做实个人账户补助的基础上，进一步增加财政投入，稳定国有股海外上市减持和彩票公益金收入，适时开征大额遗产、奢侈品及高档消费等特别税种，进一步充实社会保障基金；但是政府财政的主要来源是纳税人，每年用于补充养老保险基金的财政毕竟是有限的，否则抽空财政会影响到社会经济的发展。企业和职工的负担已经比较重，还有医疗、工伤等其他缴费，再加重企业负担已经不大可能。从理论上讲，通过缴费来扩充基金毕竟有空间的限制。在缴费比例、覆盖范围都饱和的情况下，缴费就不能再带来基金的增长。因此，长期的养老保险基金问题只能通过长期不断的投资来解决。
4.基金管理方面存在的漏洞需要投资来化解。一方面，由于我国养老保险基金与财政密不可分的关系，造成了大量的养老保险基金流失，表现为基金挪用、隐瞒截留收入、福利奖金等非正常支出等等，这一现象近几年来随着监管力度的加大已有所控制。另一方面，因为征缴力度不足，基本养老保险的覆盖面近几年才扩展到私营经济、个体经济的从业人员和一些灵活就业人员。而片面追求覆盖面以应付眼前的基金支付还会造成基金管理行为的短期化，出现“优惠征收”、“打折征收”的现象，给以后的养老保险基金埋下巨大隐患。这使得养老保险基金的投资问题更加紧迫。
二、养老保险基金投资的风险分析
养老保险基金从形成到支付是一个非常复杂的系统，其中，投资是实现基金增长最核心的一环。巨额的养老保险基金投向资本市场，在追逐基金收益的同时，风险也为各方主体密切关注。养老保险基金理事会代表劳动与社会保障部，专门负责对养老保险基金的监督和日常风险管理，选择专业的养老保险基金运营机构，指导养老保险基金的投资战略和方针。投资管理人作为专业的投资机构，职能就是通过具体的投资战术的运用实现收益最大化和风险最小化。而政府部门出于社会安定的考虑，对投资的风险持非常谨慎的态度。对养老保险基金投资的所有风险进行有效管理，有赖于一个完善的投资监管体系，有赖于各个主体之间相互监督、相互制约的权利关系和职责安排。
三、对养老保险基金投资问题监管的几点建议
1.以社保部门为核心，相关部门辅助进行基金运营的监管。我国养老保险基金的运作跨越了多个部门，社会保障部门直接负责基金的征收和发放，目前还有政府财政拨款对养老保险基金的补充，基金的投资由专业的基金管理公司操作，所有的基金都通过银行托管和流转，最后受益人从个人在银行的养老保险账户上取得养老金。这些部门通过委托管理联系在一起。因而，对整个基金运作的监管，应该是以社保部门为主，财政部、证监会、银监会各司其专职又相互协作。在这样的体系下，社会保障部门仍是养老保险基金投资监督的核心力量。其他部门专司本职，只在本部门职责范围内对养老保险基金进行监管。只要权责明晰，就可以保证监管的效率和成果。
2.建立专门的养老保险基金投资监管机构。养老保险基金数额巨大且专业性强，而基金的投资也是非常讲究技术与专业的，需要有专门的机构来监管养老保险基金投资。可以建立专业的养老保险基金投资监管部门。而社会保障部门也可以把养老保险基金投资的管理任务独立出来，委托由社保部、企业和职工代表、专家组成的养老保险基金理事会管理。对养老保险基金投资的监管，养老保险基金理事会的管理内容应包括：（1）审核批准投资管理人、托管人的进入和退出理事会负责下的养老保险基金业务。（2）限制投资组合与投资比例，严格防范投资管理人的冒险行为。大多数国家的养老保险基金都投资于政府公债，而对投资于股票、债券、房地产等项目有严格限制。
基于养老保险基金的特性和我国资本市场的高风险性考虑，应该在证监会下独立设立养老保险基金投资监管司，专门行使证监会对养老保险基金投资的监管职能。其负责基金投资的具体行为包括：（1）与社保部门共同确定养老保险基金运营机构的基本资格，对基金公司高管的任职审核；（2）定期和不定期地对投资管理人进行常规检查；（3）接收基金公司的定期报告，对养老保险基金的投资风险评估；（4）协调养老保险基金与其他基金、其他证券的关系，首先保证养老保险基金的安全稳健和增长等等。托管银行根据法律赋予的权利和自身的角色特点，也能有效对基金投资运作进行监督，及时发现和报告投资管理人的异常交易或异常行为，督促投资管理人纠正违法违规行为。
