摘要:從Markowitz均值-方差的基本模型入手,分析其缺陷并引入其修正模型和在此基礎(chǔ)上改進(jìn)的RORAC模型。兩個(gè)模型采取了不同的風(fēng)險(xiǎn)衡量度量方法。在MATLAB環(huán)境下運(yùn)用遺傳算法求解在同一收益水平下的兩個(gè)模型風(fēng)險(xiǎn)水平。對(duì)深圳證券交易所數(shù)據(jù)的實(shí)證研究,證實(shí)修正后的Markowitz模型的風(fēng)險(xiǎn)控制能力強(qiáng)于RORAC模型的VAR風(fēng)險(xiǎn)控制方法。
關(guān)鍵詞:Markowitz均值-方差模型;RAROC模型;遺傳算法;風(fēng)險(xiǎn)控制
中圖分類(lèi)號(hào):F224.0 文獻(xiàn)標(biāo)志碼:A文章編號(hào):1673-291X(2010)02-0103-04
一、Markowitz均值-方差模型及其修正
1.Markowitz的均值-方差模型
Markowitz于1952年在《金融雜志》發(fā)表了里程碑式的論文《證券組合選擇》,奠定了證券組合理論的基礎(chǔ), 標(biāo)志著現(xiàn)代證券組合理論的開(kāi)端,提出的均值-方差模型開(kāi)創(chuàng)了在不確定性條件下理性投資者進(jìn)行資產(chǎn)組合投資的理論和方法, 第一次用精確的數(shù)理模型證明了分散投資的優(yōu)點(diǎn)。 該模型已成為目前投資理論和投資實(shí)踐的主流方向。在文章中,他指出由于各種證券的相關(guān)性,使得只要證券之間存在不完全的正相關(guān),就可以利用組合投資來(lái)降低風(fēng)險(xiǎn)。在Markowitz的均值-方差模型中,采用期望代表資產(chǎn)的預(yù)期收益,方差(或標(biāo)準(zhǔn)差)代表風(fēng)險(xiǎn)來(lái)研究資產(chǎn)的選擇和組合。
模型成立的假設(shè)條件如下:(1)投資者以期望收益率(亦稱(chēng)收益率均值) 來(lái)衡量未來(lái)實(shí)際收益率的總體水平,以收益率的方差(或標(biāo)準(zhǔn)差) 來(lái)衡量收益率的不確定性(風(fēng)險(xiǎn)),因而投資者在決策中只關(guān)心投資的期望收益率和方差。(2)投資者是不知足的和厭惡風(fēng)險(xiǎn)的,即投資者總是希望期望收益率越高越好,而方差越小越好。(3)投資者都遵守占優(yōu)原則:同一風(fēng)險(xiǎn)水平下,選擇收益率較高的證券;同一收益率水平下,選擇風(fēng)險(xiǎn)較低的證券。(4)投資者事先知道投資收益率的概率分布。
minσ2ρ=X'ΣXRρ=X'Rxi=1,xi≥0,i=1,2,……,n
其中,X=(x1,x2,……,xn)T,X'=(x1,x2,……,xn),xi表示第i支股票的投資占總投資額的比例。∑=(ρij)n×n,ρij為股票i,j的相關(guān)系數(shù),前者為相關(guān)系數(shù)矩陣。Rρ為投資組合的預(yù)期收益率,R=(r1,r2,……,rn)T為每一支股票的預(yù)期收益率。
Markowitz的模型簡(jiǎn)潔易懂,但是存在一定的缺陷。首先,為了保證取得最低的風(fēng)險(xiǎn),在Markowitz的這個(gè)模型中允許賣(mài)空的存在,即xi為負(fù),但在很多國(guó)家賣(mài)空機(jī)制是不允許在股票市場(chǎng)操作的,因此,有必要加入不允許賣(mài)空的約束條件。其次,Markowitz的模型為了簡(jiǎn)單起見(jiàn)忽略了證券交易費(fèi)用,這樣也使得實(shí)際最優(yōu)解和模型最優(yōu)解有出入。再次,此模型只考慮了有風(fēng)險(xiǎn)資產(chǎn),在CAPM模型中加入了對(duì)無(wú)風(fēng)險(xiǎn)資產(chǎn)的討論,因此,我們也可以引入無(wú)風(fēng)險(xiǎn)資產(chǎn)。另外,也有很多后續(xù)的研究表明證券的風(fēng)險(xiǎn)并不是完全按照收益概率函數(shù)對(duì)稱(chēng)分布在兩側(cè),也存在偏度風(fēng)險(xiǎn)和峰度風(fēng)險(xiǎn),這就要考慮到風(fēng)險(xiǎn)衡量的問(wèn)題。
2.修正的均值-方差模型
在考慮到上述缺陷后,有學(xué)者提出了均值-方差修正模型:
minσ2ρ=X'ΣXRρ=X'R-C(xi)+r0x0xi=1,xi≥0,i=1,2,……,nxi≥0,i=1,2,……,n
其中,C(xi)=xiSci,xiS≥aiaici,xiS≤ai,為交易費(fèi)用的模型,第i支股票的C(xi)為交易費(fèi)用,S為總資產(chǎn)額,ci,i=1,2,……,n,為第i支股票的交易費(fèi)用率,當(dāng)購(gòu)買(mǎi)額不超過(guò)給定值ai,i=1,2,……,n,交易費(fèi)用按ai計(jì)算。無(wú)風(fēng)險(xiǎn)資產(chǎn)比例x0,以銀行存款利率作為無(wú)風(fēng)險(xiǎn)資產(chǎn)收益率r0 。要求所有投資比例都大于0,xi≥0,i=1,2,……,n。
該模型彌補(bǔ)了前面提到的幾個(gè)缺點(diǎn)。但關(guān)于風(fēng)險(xiǎn)度量的問(wèn)題,有學(xué)者引入VAR的概念構(gòu)造新的模型。
二、RAROC投資組合模型
1.風(fēng)險(xiǎn)價(jià)值(VAR)和RAROC指標(biāo)的引入
風(fēng)險(xiǎn)價(jià)值(Value at Risk,VAR)是指市場(chǎng)處于正常波動(dòng)時(shí),給定的置信水平下,某一項(xiàng)金融資產(chǎn)或組合可能遭受最大損失的可能性。數(shù)學(xué)表達(dá)式:P(Δρ>VAR)1-a。
其中,Δρ為投資組合在持有期Δt內(nèi)的損失,VAR為置信水平a下處于風(fēng)險(xiǎn)中的價(jià)值。
假定在投資組合持有期內(nèi),每支股票的收益都是上下波動(dòng)的,我們把收益率為負(fù)的記為損失樣本,收益率為正的記為收益樣本。因此,對(duì)于單支股票,我們用單個(gè)股票樣本持有期內(nèi)的期望損失來(lái)作為單個(gè)股票的VAR值。它的優(yōu)點(diǎn)在于能夠有效地應(yīng)對(duì)證券市場(chǎng)崩盤(pán)、金融危機(jī)發(fā)生等極端情況,直觀明晰,易于把握。
投資組合整體VAR也可以由單個(gè)股票的VAR值得出:
VARρ=xixjVARiVARjρij
其中,VARρ為投資組合整體VAR值,VARi,VARj分別為股票i,j的值,xi,xj分別為股票i,j的投資比例,jρij為股票i,j的相關(guān)系數(shù)。
風(fēng)險(xiǎn)調(diào)整資本收益(Risk-Adjusted Return on Capital,RAROC)指標(biāo)最初由Banker’s Trust Group首創(chuàng),最初是為了度量銀行信貸資產(chǎn)組合的風(fēng)險(xiǎn)和在特定損失率下為限制風(fēng)險(xiǎn)敞口必須的股權(quán)數(shù)量。現(xiàn)在主要被銀行和金融機(jī)構(gòu)采用,通過(guò)風(fēng)險(xiǎn)因素評(píng)估商業(yè)活動(dòng)的經(jīng)濟(jì)回報(bào)率。
2.RAROC模型的建立
該模型以VAR作為風(fēng)險(xiǎn)度量的工具,以RAROC作為目標(biāo)優(yōu)化函數(shù)構(gòu)造投資組合優(yōu)化模型。RORAC以投資組合的收益與風(fēng)險(xiǎn)組合的VAR的比值來(lái)衡量,經(jīng)濟(jì)意義是單位風(fēng)險(xiǎn)下的預(yù)期收益。則模型的數(shù)學(xué)公式表示如下:
maxRAROC==s.t.xi=1,xi,xj≥0
三、在MATLAB的環(huán)境下用遺傳算法解決投資組合問(wèn)題
1.遺傳算法
遺傳算法(Genetic Algorithm)是一種模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程演化而來(lái)的隨機(jī)化搜索方法。它由美國(guó)J.Holland教授于1975年提出,主要通過(guò)對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作,不存在求導(dǎo)和函數(shù)連續(xù)性的限定,具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力。而最優(yōu)化問(wèn)題是遺傳算法最經(jīng)典的應(yīng)用領(lǐng)域。遺傳算法主要步驟有初始化種群、計(jì)算適應(yīng)度、通過(guò)選擇、交叉、變異等遺傳操作產(chǎn)生新一代群體的個(gè)體,一代一代的優(yōu)化最終找到符合條件的解。
2.MATLAB環(huán)境下的遺傳算法應(yīng)用
在MATLAB7.0中,提供了一個(gè)自帶的遺傳算法工具包,不僅可以將已編好的函數(shù)添加到自己的程序中,更提供了一個(gè)人性化的GA操作界面,在command window中輸入“gatool”,即可打開(kāi)該界面,大大方便了用戶的使用。界面如圖1:
圖1 MATLAB環(huán)境下的遺傳算法界面
左側(cè)窗口可以自定義適應(yīng)函數(shù),確定線性等式、不等式和非線性約束條件。
右側(cè)選項(xiàng)欄目可以設(shè)定種群、選擇交換變異等的概率、遺傳代數(shù)等一系列參數(shù)。
四、兩個(gè)模型在中國(guó)證券市場(chǎng)的實(shí)證研究
1.樣本的選擇
樣本由從深圳證券交易所上市的股票中隨機(jī)選擇8支股票構(gòu)成。選取2009年6月1日至7月24日八個(gè)交易周的漲跌幅作為收益率。各樣本的歷史價(jià)格均作了相應(yīng)的復(fù)權(quán)處理。數(shù)據(jù)均來(lái)自大智慧股票行情分析系統(tǒng)。原始數(shù)據(jù)情況如表1:
2.樣本股票期望收益率、相關(guān)系數(shù)、VAR和RAROC的計(jì)算
(1)樣本股票期望收益率
E(ri)=rik,i=1,2.……,n.k=1,2.……,m
其中,rik為第i支股票第k周的收益率。經(jīng)計(jì)算得:(見(jiàn)表2)
(2)樣本股票的相關(guān)系數(shù) ρij=
在MATLAB中有提供的對(duì)于矩陣進(jìn)行相關(guān)系數(shù)計(jì)算的函數(shù),則輸入數(shù)據(jù)可直接得到相關(guān)系數(shù)矩陣,如表3:
表3 樣本股票之間的相關(guān)系數(shù)
(3)樣本股票的VAR和RAROC計(jì)算
根據(jù)以上公式計(jì)算,可以得出以下結(jié)果:(見(jiàn)表4)
3.利用遺傳算法求解
利用遺傳算法在給定相同的參數(shù)后比較兩者的計(jì)算結(jié)果。因?yàn)槲覀兘o出的Markowitz均值-方差模型需要在給定預(yù)期收益率的前提下尋求最優(yōu)解,因此,我們先對(duì)RAROC模型使用遺傳算法,1000代的遺傳運(yùn)算如圖2所示。
圖2 RAROC模型1000次迭代后均值和最優(yōu)解收斂曲線
計(jì)算給出的各股票投資權(quán)重和預(yù)期收益率見(jiàn)表5(總投資額按照一百萬(wàn)元計(jì)算)
根據(jù)上述結(jié)果,在收益率為0.030588的條件下,計(jì)算Markowitz均值-方差模型給出的投資權(quán)重。(見(jiàn)表6)
運(yùn)算過(guò)程如圖3所示:
用樣本數(shù)據(jù)后的四周(2009年7月27日至8月21日)的數(shù)據(jù)進(jìn)行比較,見(jiàn)表7。
這四周的總收益情況如圖4所示,圖中可以清楚反映兩個(gè)模型在風(fēng)險(xiǎn)控制方面的差別。
圖4兩個(gè)模型投資收益波動(dòng)情況
如圖所示,紅色區(qū)域的面積除了第一周大于藍(lán)色外,其余各周均在藍(lán)色區(qū)域內(nèi),表明均值-方差模型的波動(dòng)劇烈程度小于RAROC模型,即均值方差模型的風(fēng)險(xiǎn)控制能力更好。
五、總結(jié)
RAROC模型給我們提供了一個(gè)可以參考的風(fēng)險(xiǎn)防范的方法,但是,由于它主要考慮到的是極端情況下的風(fēng)險(xiǎn),因此,在實(shí)際應(yīng)用中收益和風(fēng)險(xiǎn)波動(dòng)情況還是相對(duì)于改進(jìn)后的Markowitz模型更加劇烈和不穩(wěn)定的。在模型的求解過(guò)程中我們發(fā)現(xiàn)遺傳算法對(duì)于求解目標(biāo)規(guī)劃問(wèn)題是快速而有效的。對(duì)于RAROC模型的修正和遺傳算法的改進(jìn)有待進(jìn)一步研究。
參考文獻(xiàn):
[1] 張建濤,張宏亮.證券組合中Markowitz模型及其對(duì)比研究 [J] .沿海企業(yè)與科技,2005,(5).
[2] 李云飛,李鵬雁.基于混合遺傳算法的投資組合優(yōu)化改進(jìn)模型研究[J] .燕山大學(xué)學(xué)報(bào),ISTIC - 2008,(1).
[3] 趙光磊.遺傳算法在我國(guó)證券市場(chǎng)中的應(yīng)用[D] . 山東大學(xué),2005.
[4] 林順剛.遺傳算法概述 [J].科技信息:學(xué)術(shù)版,2007,(22).
[5] 范良鑄.中國(guó)證券市場(chǎng)的最優(yōu)投資組合選擇研究 [D] . 武漢大學(xué),2005.
注:本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文