金融投資組合理論及在我國證券市場的實證分析

婁靜 對外經濟貿易大學

金融發展與證券市場息息相關，特別是證券投資行業，在金融發展的影響下，表現出迅猛發展趨勢。但就證券投資行業現狀而言，投資管理不滿足證券投資發展需求，阻礙了證券市場的成熟發展步伐。為更好地應對證券投資風險，建議行業工作者結合我國證券市場特點，合理開發應用金融投資組合理論。

一、金融投資組合理論分析

就狹義角度而言，金融投資組合理論是指均值-方差模型及相關拓展理論[1]；就廣義角度而言，金融投資組合理論是指均值-方差模型、套利定價理論、資本資產定價理論（CAPM）等理論[2]。無論是狹義概念還是廣義概念，金融投資組織理論的定位與研究內容不變：探究投資者如何制定投資方案，在收益穩定的情況下獲取最高收益；探究投資者如何調整資產組合、選擇合適資產投資，以實現貼現值最大；建議投資者投資多個行業，持有不同資產，以降低投資風險[3]。基于上述研究內容，金融投資組合理論在一定程度上，可為我國證券市場發展建設提供理論借鑒。

隨著金融市場的發展，金融投資組合理論的研究與實踐更為豐富，金融行業工作者以廣義的金融投資組合理論為重點，探究其對實踐工作的指導。就學術界研究現狀而言，研究學者關于金融投資組合的研究表現出趨同性，集中于CAPM 方面，CAPM 異常現象引發金融行業從業者與專家學者的廣泛思考。在20 世紀70 年代后，金融市場出現難以通過CAPM 理論介紹的金融投資活動。在此基礎上，為推動我國證券市場發展，合理開發利用金融投資組合理論，需開展相應實證研究，探究金融投資組織理論的可行性與局限性，切實發揮理論指導作用，推動證券市場可持續發展。

二、金融投資組合理論在我國證券市場的實證研究

（一）實證研究對象

結合上述理論分析結果，本文在上海股市中選擇合適股票作為樣本，對股票數據進行處理與分析，總結證券市場發展規律，驗證其是否與CAPM 模型一致，進而評估金融投資組合理論的適應性。在A 股市場中，隨機抽取60 支2013-2018 年的股票，根據CCER 數據庫的存儲數據，獲取60 只股票的周收盤價及收益率，作為樣本數據展開實證分析。實證分析選擇兩階段回歸法，結合CAPM 模型，分別通過時間序列法、橫截面檢驗法處理樣本數據。

（二）實證研究過程

1.時間序列法檢驗

在時間序列檢驗中，選擇BJS 方法處理樣本數據，將樣本數據劃分為三個時間段，分別為2013 年1 月至2014 年12 月；2015 年1 月 至2016 年12 月；2017 年1 月 至2018 年12 月。三個時段的樣本數據處理如下：

（1）單個股票的β 系數。

以每只股票在第一時段的數據為基礎，進行β 系數的計算，模型如下：

其中，Rit與Rft分別是指每只股票t 時間內的周收益率及無風險收益率；RMt是指市場指數在t 時間內的周收益率；αi與βi是指模型計算的估計參數；εit是指殘差項。

（2）股票組合及其收益率。

根據計算的每只股票β 系數，將60 只股票按照從大到小的順序排列，平均劃分為20 組。就目前我國證券市場而言，投資者通常選擇等額法制定投資組合方案。在此基礎上，實證分析中選擇第二時段的樣本數據，計算股票組合收益率，使計算結果更貼合證券市場實際數值。計算方法為簡單算術平均法，公式如下：

其中，Rpit是指在t 時刻時，第i 個股票組合獲得的收益率；Rmt是指在第i 個股票組合中，第m 只股票在t 時刻獲得的收益率。N是指股票數量。在本次實證研究中，N 為3，m ≤3。

（3）組合股票β 系數。

在明確最優股票組合的基礎上，可使用時間序列模型，計算組合股票的β 系數，計算模型如下：

其中，Rpt是指某個股票組合在t 時間內的周收益率；Rft與RMt同上；αp與βp是指模型計算的估計參數；εpt是指殘差項。

（4）收益與風險關系。

在股票組合的收益與風險關系探究中，選擇第二時間段的股票組合β 系數為樣本，開展相關分析，檢驗模型如下：

其中，Rp是指平均收益率；α0與α1是指模型計算的估計參數；βp是指股票組合的β 系數；εpt是指殘差項。

2.橫截面檢驗

橫截面檢驗方法的模型如下：

其中，Rp、βp同 上；β2p是股票組合β系數的平方；σp是指標準差；α0、α1、α2、α3均模型計算的估計參數；εpt是指殘差項。

在使用該模型進行驗證時，應滿足如下假設條件：其一，風險與收益有線性關系，要求E（α2）=0；（2）僅可通過β 系數實施風險評估，其余風險內容不可作為股票組合定價的影響因素，此時E（α3）=0；（3）在股票投資組合中，高風險，意味著投資者期望股票投資組合獲得更高收益，此時；（4）E（α0）=Rf。結合時間序列檢驗獲取的數值，應用上述模型與條件實施檢驗。

（三）實證研究結果與分析

1.實證分析結果

按照上述實證分析流程，可獲取60 只股票、β 系數及收益率等計算結果。根據回歸分析結果可知，股票組合的風險與證券市場風險存在正相關關系。在20 個股票組合后，10 組擬合系數超過0.7，8 組擬合系數在0.4-0.7 之間，僅有2 組擬合系數低于0.4。可見，實證分析的結果具有可信度。

在收益與風險關系研究中，所有股票的無風險收益率非0 非負數，由此可見，滬市股票市場的風險和收益有線性關系，風險會影響滬市股票定價，這與金融投資組合理論相符。但在實證檢驗中，βp及估計參數均未達成t 檢驗條件，且回歸分析計算的擬合系數為0.000039。可見，該結論不具備可信度，說明系統性風險和收益無顯著線性關系，與CAPM 理論不相符。可見，在證券市場的股票定價中，還存在其他風險影響因素，發揮重要作用。在應用金融投資組合理論分析我國證券市場時，計算結果存在較高隨機性。結合我國證券市場發展實際，探究該實證分析結果的原因為市場正在發展中，與西方已經成熟的證券市場存在差異。

在橫截面檢驗中，α0為正數，結果與時間序列檢驗相同，說明上海股票市場無風險收益率是正數，該結論成立。α1為負數，α2為正數，證實風險與收益無顯著關聯；α3為負數，證實非系統性風險和收益有關聯。總的來說，CAPM 理論在上海股票市場中的應用存在局限性。

2.結果討論與分析

結合上述實證分析結果可知，金融投資組織理論在我國證券市場的應用存在局限性，分析該問題出現的原因如下：（1）在數據處理時選擇方差作為計算指標，存在一定理論性，與證券市場實踐不符；（2）CAPM理論的所有假設條件均涉及時間，獲得的股票組合為靜態分析結果，與證券市場的動態變化現狀不符；（3）指標的計算以歷史數據為基礎，在證券市場實踐分析中的應用存在一定風險，使股票投資的收益率計算出現偏差，進而影響投資效益。為有效解決金融投資組合理論的局限性問題，本文提出如下建議，以推動我國證券市場健康發展，加速市場成熟。

（1）深化資產收益率研究。在金融投資組合理論應用中，關于資產收益率的概念、風險、風險影響機制、計算方法等內容的研究，直接關系到資產收益率的計算精度。金融行業從業者與專家學者應深化資產收益率的相關研究，以金融投資組合理論的套利定價理論為基礎，進一步明確風險因子的內涵與定義，并從宏觀角度入手，分析預測當前經濟形勢，為確保經濟形勢預測的準確性，金融行業從業者可直接借鑒權威部門公布的調研數據，再結合所在行業的前景預測結果，綜合評估資產收益率面臨的風險，為金融投資提供參考。

（2）準確預測資產收益率。資產收益率是金融投資組合理論應用的關鍵指標，因企業生產中產品的生命周期、環境、市場等多種因素影響產品銷售成果，建議證券行業從業者將上述影響因素納入資產收益率計算范疇，將其與Logstic 模型等理論整合，利用馬爾科夫狀態轉移矩陣構建資產收益率的計算模型，在綜合評估各項因素影響的基礎上，根據企業產品的特點及產品市場的銷售狀況，明確產品銷售的不同時期，準確評估并統計分析企業在各個時期的收益，應用加權平均法進行處理，即可獲取企業準確的資產收益率，為金融投資提供參考。同時，在進行收益率計算與預測的過程中，金融行業從業者應將企業的新增利潤增長點納入分析范疇，并根據新增的利潤增長點，修正收益率，提高計算結果的精度。

通過上述措施的實施，投資者可根據風險評估值與資產收益率計算結果，進行最優投資組合模型的分析，模型求解后，即可獲取最優金融投資組合決策，實現金融投資組合理論的有效開發利用，實現投資者與被投資者的合作共贏。