欢迎访问发表云网!为您提供杂志订阅、期刊投稿咨询服务!

量化投资方法大全11篇

时间:2023-05-25 18:13:08

量化投资方法

量化投资方法篇(1)

二、影响折现率确定的因素

(一)资金的时间价值

资金的时间价值亦称货币的时间价值,是指在社会生产和再生产的过程中,货币经过一定时间的投资和再投资后所增加的价值,也就是现在货币的价值大于将来同样数值货币的价值。资金时间价值是由资金的使用价值所决定的,是在资金的运动中产生的。资金具有时间价值的原因主要有以下几个方面:1.资金的投资功能。资金具有投资功能,资金运作恰当,就可能产生超出本金的收益。2.资金的预防。提前持有现金,就可以应付紧急情况的现金需要。3.资金消费的时间偏好。人们在消费时总是抱着赶早不赶晚的态度,认为现期消费产生的效用要大于对同样商品的未来消费产生的效用。因此,即使相同的价格在现在和将来都能买到相同的商品,对人们来讲,效用是不同的,因而其价值也不相同。正是因为资金本身具有的功能和人们对资金的消费偏好,使得货币具有了时间价值。日常经济活动中它的度量有绝对指标和相对指标,绝对指标是货币所产生的增值额;相对指标是指单位时间内货币增值额与原始投资额之比。由于货币投资于不同的项目所增加的价值是不同的,所以习惯上人们统一将资金的时间价值定量为在没有风险和没有通货膨胀条件下的社会平均资金利润率。但这一指标很难计算,因为政府债券几乎没有风险,因而如果通货膨胀率也很低的话,可以用政府债券利率来度量资金的时间价值。但如果通货膨胀率很高的话,就应考虑以利息剔除通货膨胀因素以后的收益率作为资金的时间价值。资金的时间价值决定着折现率的最低值,一般来讲,折现率不应低于资金的时间价值。在实际经济活动中,人们经常把资金的时间价值等同于折现率。事实上,资金的时间价值只是折现率的一个影响因素,除此之外还有资金的空间价值,资金的风险报酬率、资金的通货膨胀率和资金的资本成本。如果以资金的时间价值代替折现率来进行投资决策,就可能对投资者产生误导。

(二)资金的空间价值

资金的空间价值是指资金投资于不同的空间及领域,由于受不同空间客观环境条件的影响而引起的综合获利能力的差异。投资决策中资金时空二维价值的计算一是资金价格对时间的积累,即资金的时间价值;二是把资金的运动、投向及所处的空间因素考虑在内,体现资金的空间价值。资金的空间价值也是确定折现率必须考虑的因素,即资金投资于不同领域,所确定的折现率也应不同。

(三)风险报酬率水平

马科威茨根据对风险的厌恶程度把投资者分为三类,即风险厌恶者(Risk Averter)、风险中性者(Risk neutral)和风险追求者(Risk Seeker)。风险厌恶者不是不肯承担风险,而是会对其所承担的风险提出一定的报酬补偿要求。即使一个投资项目风险较高,但如果收益高到他所要求的报酬补偿时,他也会选择这个风险较高的项目。即使是风险厌恶者,对风险的厌恶程度也有差别。相对激进的投资者会为其所承担的风险提出较低的报酬补偿要求,而保守的投资者对同样的风险会提出较高的补偿要求。通常来讲,所冒风险越大,投资者要求的报酬率也越高。我们把由于冒风险进行投资而获得的补偿叫做风险报酬。风险报酬与投资额的比率称作风险报酬率。根据资本资产定价模型,在不考虑通货膨胀因素的情况下:

期望投资报酬率=无风险资产的收益率+风险报酬率

风险报酬率=风险价值系数×风险程度=b×V

风险价值系数通常用字母b来表示,又称作风险报酬斜率。它通常表达的是全体投资者的风险回避态度。如果更具体些,用它代表某个企业或个人的风险回避态度,那么得到的就是这个企业或个人对某个投资项目的风险价值系数。风险程度用字母V来表示,它代表报酬率偏离程度,可用下列公式计算得出:

V=σ/E(R)

其中,E(R)代表期望报酬率,σ代表不同情况下报酬率的标准离差,可通过下式计算求得:

其中,P代表出现各种情况的概率,R代表各种情况下的收益水平。

就整个市场而言,由于投资者众多,不仅他们所选择项目的风险程度不同,而且投资者各自的风险厌恶程度也不同。在这种情况下,即使未来的现金流量估计完全相同,其内在价值也会出现差异。

(四)通货膨胀率

通货膨胀率也是确定折现率应该考虑的因素之一。因为通货膨胀率是经常变化的,而且较难预测,因此在进行投资决策时,人们经常假设通货膨胀率为零。但通货膨胀率是现实经济生活不能回避的要素,也是我们确定折现率时必须考虑的因素,特别是在通货膨胀率水平较高的情况下,确定折现率应该把通货膨胀因素考虑进去。因此,考虑膨胀率的资本资产定价模型就应为:

期望投资报酬率=无风险资产的收益率+风险报酬率+通货膨胀率

如果用PI1代表报告期物价水平,PI0代表基期物价水平,则通货膨胀率h就可以通过下式计算求得:

(五)期望最低投资报酬率

上文论述了影响折现率的几个因素,根据资本资产定价模型,可以把上述影响因素集中体现在期望投资报酬率这个指标上。在估计期望投资报酬率时,因为将来许多因素存在着不确定性,因而期望投资报酬率就难以唯一确定。一般而言,期望最低投资报酬率是确定投资者应否投资的决定性因素,只要投资项目的回报率高于期望最低投资报酬率,投资者就有利可图,此时项目是可接受的,否则就不能接受。因此,习惯上经常把期望最低投资报酬率作为折现率。根据资本资产定价模型:

期望最低投资报酬率(EMR)=无风险资产的最低收益率+最低风险报酬率+预计通货膨胀率的最低值

无风险资产的最低收益率通常是由资金的时间价值和空间价值所决定的。因此从这个公式可以看出,期望最低投资报酬率受资金时空价值、风险报酬率、通货膨胀率的影响,它是这些因素的集中体现。

(六)资金的资本成本

资金的资本成本也是确定折现率应考虑的因素。项目的预期投资报酬率至少应大于资金取得时的成本,否则投资就没有意义。这里的资金成本通常是指加权平均资本成本,即企业各类收益索偿权持有人要求报酬率的加权平均数。对于自有资金,通常以机会成本作为这部分资金的成本。折现率取值范围应高于资金的资本成本。加权平均资本成本的公式如下:

Kw =∑wiki

其中,Kw表示加权平均资本成本, wi代表各种资金在资金总额中所占的比重, ki代表个别资金成本。

三、折现率值的量化方法

根据上述分析可以看到,折现率并不是一个固定的值,不同企业、不同时期,根据不同的收益能力和不同的资本成本,所确定的折现率也应不同。从折现率本身来说,它是一种特定条件下的收益率,说明资产的获利水平。资金的时空价值、投资者的期望风险报酬率、通货膨胀率水平都将综合地反映在期望最低投资报酬指标上,因此在进行投资决策时经常把期望最低投资报酬率作为折现率。此外,由于企业进行投资的目的是为了获取投资报酬,因而收益水平应大于企业的资金成本,因此,加权平均资金成本也经常作为确定折现率的指标之一。那么这两个指标哪个更合理一些呢?笔者认为,这两者是通过不同计算途径得出的,企业投资的收益率应高于二者,所以选择两者中较大的一个作为折现率,也就是折现率要以影响企业收益和资金成本的较大值确定,即:

DR=max[EMR,Kw]

四、折现率的换算

折现率是建立在复利基础上的一个比率,所以折现率本质上是年复利利率。如果给出的比率是单利而不是复利,或者虽然是复利,但不是一年复利一次,而是一年复利几次或几年复利一次,则给出的利率叫名义利率。而折现率是实际利率,即一年复利一次所采用的利率,因此我们可以通过下列公式将名义利率换算为折现率。

(一)单利比率换算为折现率

假设实际利率为i,这里表示的是折现率,按单利计算的名义利率为r,n为年数,则折现率可通过下式计算求得:(1+i)n=1+r×n。

(二)一年复利几次的比率换算为折现率

当一年复利m次时,则通过公式(1+i)n= (1+r/m)mn来计算折现率i。

(三)几年复利一次的比率换算为折现率

当m年复利一次时,则通过公式(1+i)n= (1+r×m)n/m来计算折现率i。

上述各式中,r、n、m都是已知的,只有i是未知的,所以把已知的各个因素代进去,就可以求出折现率。

量化投资方法篇(2)

我国现行的招投标资格预审主要是种定性的考察、筛选做出投标人优劣的判断。如何根据对投标人提供的资格预审文件,从定性研究转化为一种定量的分析,对招标人和投标人都是有好处的。它既可以避免以往对投标人的资格预审不合理,又可以使招投标资格预审更具科学合理性和公正性。如果要用科学合理的定量分析投标人优劣的情况,就必须设计与之相配套的科学的评价方法。

基于上述考虑,本文所阐述的量化评价法就是为招标人进行招投标资格预审所设计的,尤其是对于一般性技术要求不高、结构不复杂的建设工程项目,采用量化评价法进行招投标资格预审就比传统的定性评价显得更加科学、简单、快捷。

二、量化评价法

没有量化的资格预审方法是不能称其为标准的。笔者结合我国大多数招标人在工程项目招标的成功经验,提出采用量化评价法确定通过资格预审的投标人的评价方法。量化评价法的招投标资格预审方法适用于技术难度不高、工艺较简单的工程项目招投标的资格预审。招标人根据工程自身实际需要,对投标人的各项信息根据预先设量化好的分值,得出投标人资格预审文件分值的排序。

量化评价法的评分项目共四项,总分100分,四项得分相加即为投标人资格预审的总得分,若投标人总分相同,则同时入围参与投标过程的竟标过程。对于各投标单位的参与资格预审的评分细则现以评分表形式列出,如表1所示。

采用量化评价法由招标人预先制定供投标人使用的资格预审文件,并在资格预审书中告知,对投标人某些相关信息进行量化的评分,并最终根据资格预审的得分排名择优合格的投标人。

运用量化评价法科学的引导投标企业健康的发展,对于招标人也可以在经过长期积累后形成自己的投标企业资格预审合格库。对于那些被招标人认可的投标企业和项目经理免于进行重复审查。投标人参与投标过程中,若投标人已进入招标人的资格预审合格库中,则可直接参与投标过程。若投标人有违反或其他不良行为,则招标人可立即将其从资格中直接删除。

此外,运用量化评价法对投标人参与资格预审时的假借资质、人员、资料弄虚作假等行为,招标人可通过下述方式处理:

第一,要求投标人提供参与招标阶段的保函,同时递交资格预审保证金,以便对投标人在招标阶段的不良行为做出经济处罚。而通过递交资格预审保证金,也可以削弱乱借资质的行为,招标人只需对资格预审保证金的汇款方限定为投标人即可。

第二,对于项目负责人所从事企业的认定可通过多方面适当的途径来获得。实际中有些项目负责人同时从事于不同的企业也是事实存在的,因此,招标人可要求投标人提供拟参与该项目的项目负责人及项目机构人员的社会保险资料,利用我国劳动法规定的“用人单位必须与劳动者签订劳动用工合同”,“必须为企业员工缴纳各类规定社会保险”等条款,为规范“借资”、“挂壳”等投机行为提供有力的辨别方式。

第三,完善对于投标人递交资格预审资料中关于企业或者项目负责人从事过以往工程的业绩材料及相关资质证书的核查。建设行政主管部门应做好备案的工作,确保招标人进行项目招标时可以顺利判断投标人对本工程所提供资料的真实性、准确性,杜绝一个项目机构同时服务于若干不同招标人。对于证件造假弄虚作假,行政主管部门应建立电子信息IC卡制度,并录入数据库黑名单。

三、量化评价法应用于实际的案例分析

某项目招标公告简要信息如下:

1.招标人单位名称公开招标的XX工程(项目名称)已经由该市发展和改革委员会批准建设。工程所需资金来源现已落实。现邀请合格的投标人参加本工程的资格预审。

2.工程概况:

(1)工程规模:XXX城市快速路工程,本道路规划为城市A级道路,道路总长约2000米,规划路宽50米,该工程主要包括道路、桥梁及道路以下综合管线等工程。工程总投资约4000万元。

(2)计划开、竣工时间:XXXX年X月至XXXX年X月。

3.本招标工程不分标段,每位申请人可申请参与该工程的资格预审。

4.申请人应当具备的主要资格条件

(1)申请人资质类别和等级:主项市政公用工程施工总承包贰级及贰级以上资质。

(2)拟选派项目经理的资质等级:市政公用工程贰级以上资质。

(3)企业业绩:有过同类道路工程施工业绩。

(4)项目经理业绩:有过同类道路工程施工业绩。

配合本工程招标公告的资格预审文件要求投标人提供该企业上一年度财务报表、该企业准备投入本项目管理人员的名单附职称证明,并要求投标人提供本企业获IS09000证书或提供本企业获地市级工商管理局重合同守信誉证书或本企业在银行获得的资信等级证书(以上证书非必须提供)。招标人在资格预审文件中规定了对投标人采用资格预审量化评价法择优选择排名前60%的投标人为合格投标人。投标人的各项信息得分以表1为评分标准。

最终参与本工程有9名投标人参与本工程的资格预审,经汇总将9名投标人情况表如表2所示。

量化投资方法篇(3)

这里我们要岔开话题,说说投资方法都有哪些类型。其实分起来也很容易,按照投资决策的方式,可以分成判断型和量化型两类。判断型投资者根据各种信息以及个人过去的经验来确定买卖什么、买卖多少、什么价位执行、交易如何退场(止损、止盈)等,这里面最有代表性的人物正是西蒙斯在纽约的邻居索罗斯。股神巴菲特也应该算是判断型的投资者。

投资行业一般把量化型的投资称做“黑箱”。简单来说,量化投资者不依靠大脑的判断,而是靠数学公式来投资。比如:量化投资者把最新的市场及其他相关信息输入到他的秘密公式里,公式得出的结果说买中石化,量化投资者就出去买中石化。过了一段时间,一天或者个把月,也可能是几秒之后,量化投资者又把最新的信息输入他的秘密公式,公式的结果说卖中石化,量化投资者就卖了。量化投资者和判断型投资者的最主要的区别在于,不用判断,而是完全依照公式。公式的好处是它的一致性:同样的信息输入同样的公式,得出的结果是一样的,跟输入的人是谁没有关系。西蒙斯正是量化型投资者的代表。量化型的投资方法还很年轻,它的发展壮大也不过是最近30年的事情。

投资方法还可以根据投资决策所凭借的信息类别来分,分成基本面型和技术型两类。基本面型的投资方法按照宏观经济或者公司盈利的各类指标来进行投资决策,而技术型的投资方法则一般是按照过去的价格走势来判断的。也有许多投资方法既不靠基本面,也不靠过去的价格走势,为了定义的严谨,我们把任何使用非宏观经济指标和公司营运指标来分析投资的方法都归入技术型投资之中。

据2007年的统计,全球70%的钱都是凭借基本面型的投资方法来操作的,30年之前,这个比率应该超过90%。技术型、量化型的投资虽说可以溯源到20世纪初,但是它们的发展和壮大是近30多年的事情,尤其是使用数学工具和电脑的量化投资方法。在金融危机的影响之下,很多投资行业受到影响,但是量化投资(包括指数投资)仍然是基金管理里面增长最快的一个部类。

量化投资方法篇(4)

1量化投资简介

1.1基本概念

量化投资是一种借助于计算机高效计算程序进行复杂运算,以金融产品未来收益与风险为研究对象的新型投资方式。量化投资的基础是以股票价格、日成交额等大数据库数据为参考样本数据并建立数学模型,运用仿真分析及迭代方法不断修正数学模型,直到数学模型可以用来预测指导投资交易。任何一个投资的方案或者设想,都可以为它设计一个数学模型,然后借助大数据库的现有数据进行迭代法测试分析,以此来判别数学模型的有效性。传统投资方式基本上是对传统的技术分析和公司的经营状态基本分析,存在一定的局限性;相比之下量化投资分析是基于对大数据市场数据的,数据样本空间容量足够大,而且可以快速进行运算并排除投资者个人心理因素的主观影响,科学性和时效性更强。此外,量化投资是一种主动性的投资方式,在进行数学模型选择、自变量选取、数学模型的验算迭代都是投资行为的主动部分。

1.2交易内容及方法

量化投资交易的内容主要是量化策略以及交易策略,在制定交易策略时必须立足于投资市场、投资产品以及分配在内等。具体交易平台则是靠以计算机计算程序为基础的线上交易平台系统。进行量化投资交易时通常会遇到各种较为复杂的情况,但是基本前提都是要依据现有的既定的大量数据库数据,灵活采用各种方法来判断投资对象是否值得投资。总体来说,量化投资有估值法、资金法和趋势法三种。

2量化投资现状

从理论上来说,每个量化投资者的决策行为可以被同化为理性预期、风险规避、严格效用基本一致的理想化模型。然而现实情况中每个人的心理活动、出发点、知识水平等都存在差异,进行量化投资时人们作出的决策也存在差异。人的非理性行为与理性行为都是客观存在的,而且非理性行为对理性行为也存在着一定的影响,因此投资人在进行投资决策时并不能完全理性地进行选择。综上所述,非理性人的客观存在使投资人在进行投资决策时不能完全忽视个人的心理因素。既然个人的心理因素无法排除,那么在建立决策分析数学模型时,就应该把个人的心理因素考虑在内。当前我国国内量化投资有以下几个特点:(1)个人投资者占总投资者的比例很高。上文已经提到投资者个人的非理性客观存在且不可避免,那么众多量化投资者的非理性因素间接影响我国量化投资市场。(2)我国的量化投资市场虽然发展迅速但仍不成熟。与美国及欧洲发达国家相比,我国量化投资市场只能是一个新兴的市场,直接表现在各方面的信息不完整且难以搜集,一些基础数据我们只能自己想方设法地去开发获取。(3)量化投资行业的企业构成比较复杂。目前我国量化投资行业的企业种类比较多,跨越众多不同的领域。加上我国量化投资市场还处于新生期,市场不稳定信息变化较快,因此量化投资行业的可用层面指标数目非常少且指标数值经常变化。当前我国量化投资者正是依据当前行业的特点,从不同的层面和角度验证分析,建立泡沫型数学分析模型,才能获得巨大的利润。(4)量化投资策略研究落后。通过把我国量化投资策略与美国及西方发达国家的量化投资策略进行对比,发现我国现有的量化投资策略严重落后。国外的量化策略研究是在大量的事件、数据积累分析的基础上,脚踏实地潜心研究总结出来的。现阶段我国量化策略研究多是借用国外的策略,结合国内的量化投资行业的实际现状进行修正得来的。当前我们还缺少指导量化投资行业的专家、指导著作,为此我国国内的一些高等院校开始着手量化投资策略的研究并取得了初步的成效。

3量化投资优势

量化投资是在定性投资基础上进行继承和延伸的一种主动投资工具。定性投资的核心是对宏观经济和市场基本面进行深入的分析,再加上实地调研上市公司以及与上市公司的管理层进行经验交流,最终把调研结果整理成专题报告,把报告作为决策依据。不难看出定性投资带有很大的个人主观判断性,它完全依赖于投资经理个人经验以及对市场的认知。量化投资在调研层面与定性投资相同,区别在于量化投资更加注重数据库大数据,运用各种方法发现运用大数据所体现出来的有用信息,寻找更优化的投资方式以获得大额收益,完全避免了投资经理个人的主观臆断和心理因素,更加科学合理。综上所述,与定性投资相比,量化投资具有以下优势。

3.1投资方式更加理性

量化投资是采用统计数学与计算机建模分析技术,以行业大数据库为参考,取代了个人主观判断和心理因素的科学客观投资方法。很明显,行业大数据的样本容量已远远高于有限的对上市公司调研所形成的样本容量;在进行投资决策时,把决策过程科学化数量化可以最大程度的减少投资者决策时个人情感等心理因素对决策结果的影响,从而避免了错误的选择方向。

3.2覆盖范围大效率高

得益于因特网的广泛实施应用,与各行各业的运行数据都可以录入大数据系统形成体量巨大的数据库;得益于计算机行业云时代到来对计算分析速度的革命性变革,在极短的时间内就可以得到多种量化投资的投资方法。定性投资方式进行决策时,由于决策人的精力和专业水平都存在一定的局限性,自然其考虑投资的范围要远远低于电脑决策,二者根本没有可比性。综上所述,虽然与定性投资相比,量化投资具有明显的优势,但是二者的目的是相同的,都以获得最大收益为目的,多少情况量化投资与定型投资可以互相补充,搭配使用会起到意想不到的效果。

4量化投资的劣势

上文已经提到量化投资的决策过程依赖于大数据库以及计算机分析系统的科学决策,因此只要投资思想正确量化投资就不会出现错误。然而即使是投资思想及决策过程都没有问题,也不意味着量化投资完美无缺。量化投资本质上是对某一特定基准面的分析,事实上基准面有时范围过小,纵然决策过程合理化、无偏差,量化投资也存在一定的局限性。量化投资的另一特点是进行考察决策时覆盖的市场面非常广泛,在当前国民经济快速发展的时代,人们对市场的认知难免出现盲区或者对某一个局部了解不充分的现象,此种情况下量化投资的正确性就很难保证。

4.1形成交易的一致性

基于量化投资的低风险特性,人们更多地依赖于采用大数据云分析平台进行决策,如此大家对某一行业的市场认知以及投资决策水平就处在同一认知层次上,当遇到极端的市场行情时,人们作出的交易决策往往一致,即容易达成交易的一致性。例如期货行业以及股票行业,在市场行情动荡的特殊时期,人们往往选择在同一时机抛出股票或者期货,这种大规模的一次性抛盘则会造成在预期抛售价格基础上的剧烈波动,导致投资者的实际收益在一定程度上低于预期收益。此种情形下又会引起新一轮投资恐慌,不利于市场的稳定发展。

4.2指标钝化和失效

量化投资方法篇(5)

关键词 数量化投资 MACD 遗传算法 模拟退火算法

一、研究背景

与传统投资基于各方面信息和个人判断进行操作不同,数量化投资将适当的金融理论、投资经验等反映在数量模型中,然后利用程序软件代替大脑对海量信息进行科学处理,总结归纳市场规律,最终建立可以重复使用的、不依靠个人主观判断的投资策略。

由于数量化投资的操作策略往往经过了严格的验证,具有较强的系统性和规范性,主观随意性较少,风险可测可控,因此随着计算机数据处理能力的迅速提高,数量化投资获得了快速发展,数量化基金的规模亦迅速扩大。据统计,自2003年以来,数量化基金规模的年均增长速度高达15%,而传统型基金规模的增长速度则低于5%。

很显然,科学的数量模型是数量化投资成败的关键。当前,主流的数量模型均考虑了多方面的因素,既包括各种基本面因素,又包括各种技术因素,涉及较为高深的经济学、金融学、技术分析等知识,模型都比较复杂,理解难度较高,甚至令人望而生畏。对此,本文以人们熟知的技术指标为基础,通过引入遗传算法和模拟退火算法对参数进行优化,建立了一种较为简单、有效的数量模型构建方法,希望能为推动我国刚刚起步的数量化投资发展有所帮助。

二、模型框架

由于MACD指标以经平滑后的股票价格为基础,而股票价格包含了绝大部分的基本信息和技术信息,因此本文以MACD指标为基础研究建立相应的数量化投资模型。

(一)MACD公式

MACD是投资者最熟悉的技术指标之一,主要包括EMA、DIF和DEA三个指标,涉及一个已知变量(收盘价P)和三个未知参数( 和 ),公式较为简单。

(二)决策准则

虽然MACD指标的运用方式有很多种,既存在对指标值的应用(如比较DIF和DEA的大小),又存在对形态的应用(如底背离、顶背离等)。对此,本文制定的决策准则相当简单,即:

时,做多

时,做空

三、模型参数优化

(一)参数的科学取值是决定MACD指标投资决策价值的一个关键因素

在一般的技术分析参考书和交易软件中, 和 通常取12、26和9。然而,该取值并不是最优的。

例如,以2005年1月5日至2010年12月31的沪深300指数为例,根据(公式1)和(公式2),做多业务在 和 取值12、26和9时,可获得的投资收益为230.55%(收益①);而在 和 取40、195、130时,可获得的投资收益为651.98%(收益②)。

因此,参数取值是否合理决定了使用MACD指标进行投资决策时投资收益的高低,决定了MACD指标的投资决策价值。

(二)人工智能算法在技术指标参数优化领域中的突出优势

运用MACD指标建立数量化投资模型的关键在于对公式中的三个参数进行优化。然而,虽然参数取值与投资收益间存在确定的函数关系,但该关系并不能用一个表达式予以直接阐述,因此传统的解析方法在此并不适用。而其他传统方法如随机法和穷举法的优化效率不高。在此情况下,可运用人工智能算法有效解决此类优化难题。

遗传算法(Genetic Algorithms)和模拟退火算法(Simulated Annealing Algorithms)是人工智能的重要分支,两者均从一定的初始值开始,按照明确的规则搜索最优解,并不要求目标函数存在明确的表达式,且具有高效、鲁棒性强等特点。由于技术指标参数与投资收益间的关系相当复杂,不存在明确的函数关系式,因此遗传算法和模拟退火算法在技术指标参数优化领域中具有很高的应用价值。

此外,遗传算法和模拟退火算法的基本原理和运算过程虽然较为复杂,但其运用却相当简单,MATLAB等数据处理软件均提供了现成的工具箱供用户方便地使用,且即使不掌握参数优化的原理和运算过程,也不会对数量模型的研究产生重大影响,因此运用遗传算法和模拟退火算法对技术指标参数进行优化的可操作性强。

(三)遗传算法和模拟退火算法应用举例

1.MATLAB指令

假设投资收益R和参数 、 间的关系为R=gain( 、 ),则MATLAB的遗传算法指令和模拟退火算法指令分别为:

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options);

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中:

x和fval是程序返回值,分别为参数 、 的最优化取值及其所对应的投资收益;

gain是目标函数,可根据(公式1)、(公式2)和(公式3)编写;

nvars是待优化的参数个数;

x0是参数 、 的初始值;

lb是参数的下界;

ub是参数的上界;

量化投资方法篇(6)

1952年美国著名经济学家哈里・马克维茨发表了论文《投资组合选择》,首次将人们在投资行为中最为关心的收益和风险两个因素,进行了数量化的描述和表示,开辟了将数学分析和统计方法应用到金融领域的先河,这篇著名的论文也标志着现代证券组合理论的开端。在随后的几十年里,众多的国内外学者对该模型进行了深入的研究和探讨,威廉・夏普、林特、摩森、里查德・罗尔、史蒂夫・罗斯等经济学家在Markowitz均值―方差模型的基础上,相继提出了“单因素模型”、“多因素模型”、“CAPM模型”以及“APT模型”等,不断地进行证券投资组合优化的理论创新,丰富和发展了现代证券投资理论。

然而,由于Markowitz投资组合模型过于严格的假设,导致其在中国证券市场的应用上存在一定的局限性。因而,如何将经典的均值―方差模型进行改进和优化,使其更符合中国证券市场的特点,便成为摆在中国证券投资学者面前的一道极具实际价值又充满了困难与挑战的课题。本文正是通过对投资组合的预期收益率和风险进行优化度量,以及修正Markowitz模型中关于交易费用和最小交易数量的假设,对均值―方差模型进行了多方位的改进和优化,得到了更为符合中国证券市场的各种优化模 型。

一、Markowitz均值―方差模型

马克维茨在《投资组合选择》一文中将证券组合选择的过程概括为两个阶段:第一阶段从观察和经验出发得到各种可投资证券未来的预期收益率、风险等,第二阶段则从各证券的预期表现出发得到一组最优的投资组合。马克维茨正是针对第二阶段提出了证券组合投资的均值―方差模型,将收益率、风险等参数进行了数量化的表示和度量,并对模型进行了求解分析。

1.模型假设

(1)证券市场是完全有效的。

(2)证券投资者都是理性的。

(3)证券的收益率可以视为随机变量且服从正态分布,其性质由均值和方差来描述。

(4)各种证券的收益率之间具有一定的相关性,这种相关程度可以用收益率的协方差来表示。

(5)每一种资产都是无限可分的。

(6)税收和交易成本等忽略不计。

(7)单一投资期。

(8)不存在卖空机制。

2.模型参数的估计与度量

假设ri是投资在第i种证券上的收益率,它是随机变量,ui是第i种证券的预期收益率,σij是ri和rj的协方差(σij是ri的方差),wi是投资在第i种证券上的投资比例,则投资组合的收益率是随机变量,wi是由投资者确定下来的非随机变量,显见,并且根据假设(8)有:wi≥0。则可得到投资组合的预期收益率为,方差为,或者用相关系数表示为 。

3.均值―方差(E-V)基本模型

(wi≥0,i=1,2,…,n)为组合的投资权重向量,为组合的预期收益率向量,为协方差阵,为给定的预期收益率,。

二、Markowitz投资组合模型的优化

1.预期收益率的估计方法

假设某种证券在最近n周内的收益率分别为,且,其中表示第i周第一天的开盘价,表示第i周最后一天的收盘价。由此可计算得该证券的预期收益率。

方法一:期望收益率。以最近时期内的样本期望值来估计得到第n+1周的预期收益率为,这也是Markowitz在《投资组合选择》中所采用的方法。

方法二:加权期望收益率。如果投资者认为据目标期时间越近则关系越密切,这样就可以将历史数据中的各时期的收益率进行加权平均,据目标期时间越近则权重越大。本文以指数平滑法为例阐述期望收益率的这种估计方法。假设某种证券在最近n周内的收益率分别为,则在估计该证券的预期收益率时,可以得到这些收益率的追溯预测值

其中,R表示预期收益率;α表示加权系数,介于0和1之间,由投资者决定。

注1:一般情况下如果收益率序列波动不大,则α应取小一点,比如0.1~0.3;如果收益率序列波动较大,则α应取大一点,比如0.6~0.8。

注2:在实际操作中,可取多个α值进行试算,比较它们的,取较小者为准估计预期收益 率。

除了以上介绍的两种通过历史数据度量预期收益率的方法,不少学者还通过修正证券收益率服从正态分布这一假设,运用新的度量方法进行了进一步的改进和优化。如Merton通过假定股价变化服从Brown运动,提出了连续时间随机模型。此外,还可以运用灰度预测、模糊数学等方法进行预期收益率的度量和预测。

2.风险的优化度量方法

Markowitz均值―方差模型中使用方差进行风险度量,而在改进的模型中,可以用VaR和半方差等方法优化风险度量。

(1)引入VaR约束条件,优化方差度量。

VaR方法是用来测量给定投资工具或资产组合在未来资产价格波动下可能或潜在的损失。Jorion指出VaR是指在正常的市场条件下,在给定置信区间内,一种投资工具或资产组合在给定持有期内的最大预期损失。数学上,VaR可表示为投资工具或组合的回报率分布的α分位数的相反数,表达式为α,其中,表示组合P在持有期内市场价值的变化。上式说明投资组合在持有期内市场价值的损失值等于或大于VaR(在险值)的概率为α。在VaR的定义中,有两个重要的参数――持有期和置信水平1-α。于是Markowitz投资组合模型(2)的改进模型为:

VaR值的计算方法有很多种,大致分为参数模型和非参数模型。参数模型通过估计证券组合的收益率服从一定的分布来估计VaR,如标准正态法、移动平均法,GARCH模型等方法。而非参数模型则有历史模拟法等方法。

(2)用VaR代替方差度量风险,建立均值―VAR模型。

均值―VaR模型就是在Markowitz均值―方差模型的基础上,是用VaR代替收益率的方差来度量风险,即寻找在给定的收益约束下,使组合的VaR最小的投资组合。Markowitz投资组合模型(2)的改进模型为:

(3)用半方差代替方差度量风险,建立均值―半方差模型。在Markowitz投资组合模型中,收益率的风险是由方差来描述的,但方差并不是一种很适合的衡量方法,因为用这种方法度量不但包括了实际收益中低于期望收益的部分,而且包括了实际收益中高于期望收益的部分,而实际投资实践中,投资者往往只关注低于期望收益的风险。为此,我们用下方风险(down-side Risk)作为新的风险测量手段。我们引入低位部分距(Lower Partial moments) , 对证券回报是离散的情形,被定义为:

其中R0是投资者的目标回报,qi是证券回报为Rj时的概率,n由财富效用函数的类型所表示。并且我们认为当n=2时,适合具有偏斜偏好的风险避免型投资者。因此,我们得到均值―半方差模型为:

(4)其他方法。

风险还可通过运用绝对离差、半绝对离差、极差等工具来进行度量,他们往往比用方差度量风险更符合投资者心理和证券市场实际。此外,由于政治、经济、社会等诸多因素和股市的难预测性的特点,还可运用灰度预测或者三角模糊数等方法度量预期收益率和风险。

3.交易费用的考虑

交易费用是投资者在进行证券投资交易过程所需要交纳的一笔费用,通常包括交给国家的印花税、交给券商的佣金等。

情况一:投资组合中只有股票,则每种证券的交易费用率恒定。

假设进行证券交易买入和卖出都需要支付交易费用,且单笔交易费用为交易金额的α倍,证券k在ti时刻的价格为。若某投资者在时刻ti买入一单位证券k,则需投入资金;在时刻tj卖出该证券k,则可获得收益。在不考虑交易费用时,我们有证券k在时间内的收益率为;而在考虑交易费用之后,证券k在时间内的收益率为:

以下分析在考虑交易费用时证券投资组合的收益率和方差。假设我们选定了n种证券构成投资组合,并且在第k种证券上的投资比例为,则组合收益率为:。若记,其中为的期望值,且的组合风险为,则组合期望收益率可以写为:,相应的组合风险为:。

假设给定的预期收益率为,则由以上分析可得,在Markowitz均值―方差模型(B)的基础上,考虑交易费用后的改进模型为:

情况二:投资组合不但包括股票还包括各种基金,则不同证券的交易费用率不同。

假设投资组合中还包括各种基金,那么根据中国证券市场的交易规则,投资于不同基金所需交纳的交易费用率不同。于是对于投资组合中的n种证券,我们假设投资于证券i的交易费用是交易金额的αi倍(i=1,2,...,n),即交易费用率为αi。同时我们保留“情况一”中的其他假设不变。则得到Markowitz均值―方差模型(A)的改进模型:

4.最小交易数量的限制

在实际的中国证券市场中,股票交易的最小单位是100股,且必须是100的整数倍,因而Markowitz模型中关于证券无限可分的假设(5)便很难正确模拟实际的投资过程。于是,我们假设Q为规定的投资在每种证券上的最小数量单位,Pi为第i种证券的股价,K为投资者的实际投资总金额,则得到Markowitz均值―方差模型(A)的改进模型:

5.其他

此外,还可通过修正原模型中的其他假设对模型进行进一步优化。例如马柯维茨模型假设证券组合中两证券之间存在较为稳定的相关关系,然而实际证券市场的数据并不能很好地验证这一假设,于是可以通过假设各种证券收益率之间的关联关系是随机的来建立时变证券组合投资模型。

三、结语

Markowitz均值―方差模型在理想化的假设下很难较精确地反映当前的证券市场实际,而通过对模型中预期收益率和风险的度量方法进行优化,对模型假设进行修正,将交易费用、最小交易数量等限制条件定量化的引入模型中,便可以得到更为符合中国证券市场实际的证券组合投资模型,为投资者进行投资决策提供更为有效的参考。然而,Markowitz投资组合模型的优化研究依然存在很多问题亟待解决,大量的假设和影响证券收益的因素难以定量化处理,如完全市场性、投资者理性、宏观经济政策出台对股价的影响等;此外,如何对优化模型开发出有效的快速算法进行数值求解也是一个很有价值的课题方向。我们相信随着证券投资理论的发展和计算机软件等工具的不断开发和应用,Markowitz证券组合投资模型一定能得到更好的优化和改进,从而在证券投资中发挥更大的应用价值。

作者单位:厦门大学数学科学学院

参考文献:

[1]Harry Markowitz.Portfolio Selection [J].The Journal of Finance,1952,7(1):77-91.

量化投资方法篇(7)

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易

优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

量化投资方法篇(8)

量化模型是工具,投资理念是灵魂

“如果把投资比作吃饭的话,那么‘吃什么’由投资理念来决定,再根据所吃的食物决定使用的吃饭工具,即量化模型。”张靖认为,在量化投资领域,投资理念才是量化投资的灵魂,决定了投资的逻辑。只有将最根本的逻辑融入适当的量化方法中才能将量化投资的“魔力”发挥出来,创造最大的投资收益。

谈到模型在量化投资中的作用,张靖有其独到的见解,“量化模型的采用必须与投资理念密切结合,并不是越复杂的模型越好,有时简单易操作的模型反而更加有效。正如吃西餐要用刀叉,吃中餐要用筷子一样,与投资理念相匹配的模型才是最好的模型。”

用量化的方法做有把握的事

张靖对量化投资最通俗的解释就是“用量化的方法做有把握的事儿”。换句话说,就是通过对大量样本数据和市场环境的量化分析,通过平衡投资的风险和收益,建立量化模型,捕捉大概率事件,有把握地获取市场上普遍的、稍高于平均水平的超额收益。

另外,张靖提到,量化模型并不是固定不变的,需要逐步提升,不断改进,在变化中总结经验和规律,使得量化模型能够适应市场和投资者投资习惯的变化。以大摩多因子基金模型中现有的动量因子为例,从总体来看,随着市场逐渐回归理性,其效应应该是逐渐递减的。所以随着该因子效应的递减,未来可能会将其从模型中剔除掉。相应地,另外一些新的因子可能会加入模型中。

量化选股、量化择时、量化交易

量化投资方法篇(9)

建国50多年来,中国经济社会取得了巨大的进展。尤其是改革开放以后,经济发展速度之快,成就之高,有目共睹。进入新世纪,中国政治稳定,经济持续增长,通货膨胀率较低,货币坚挺,外债结构合理,国际收支平衡有余,进口类关税不断降低,投资环境不断改善,最近中国已经成功加入世界贸易组织(WTO),加上国家已经开始实施西部大开发战略,这将更进一步促使投资环境的改善,中国可望成为世界各国投资者青睐的比较理想的投资场所。

中国及其大陆31个省级区域(注:不包括香港、澳门和台湾。)经济发展的巨大成就除得益于国家稳定的改革开放政策、经济持续增长过程中的要素禀赋、制度变迁、技术条件、产业结构、市场环境、法律法规外,还与良好的投资环境、投资效果、外部国际大环境等因素关联密切。面对新世纪和新一轮的全球资源重组,研究如何构建衡量投资环境优劣及其吸引力大小的指标体系,并研究如何选择适当的方法对投资环境进行定量评估,为我国及各个区域评价投资环境质量的好坏、吸引力的大小,及为区域经济发展政策的制订和决策的实施,提供一个科学有效的定量化的参考依据,意义非同寻常。

国外关于通过统计指标或建立指标体系评价投资环境优劣方法的研究起始于20世纪60年代。这些方法归纳起来主要有投资冷热图法(冷热图法)、投资环境评分法(等级尺度法)、道氏评估法、关键因素评估法、相似度法、国家风险评级法、综合评判法和多因素分析评估法等。中国关于投资环境评价的研究,是在改革开放以后才开始的。20世纪80年代末到90年代初,对大陆各个省市区的投资环境的分析评价,不少学者进行了有益的探索,这主要归功于统计资料的逐步健全和分析工具及技术的支撑。王慧炯、闵建蜀[1]采用关键因素评估法(又叫体制评估法,专门为中国和其他社会主义国家设计)主要从体制的角度按照降低成本、发展当地市场、获得原料供应、分散投资风险、追逐竞争者、获得当地生产和管理技术等6种投资动机出发,选择若干关键因素,并采用多因素评估法计算总分来评价投资环境;鲁明泓[2][3]先后分别选择了11项和10项指标对中国大陆29个省市区(不包括)和45个主要城市的投资环境作了综合分析和评估;郭信昌[4]、张敦富[5]等人也对中国的投资环境进行了较为系统的描述、分析和评价。不可否认,上述研究对中国区域投资环境的研究作了较大贡献,但也有不少不足之处:或者单从宏观方面来阐述,对中国区域投资环境考查与定量评估做的还不够;或者只分析硬环境而忽视软环境;或者选择的因素指标虽然包括了投资环境的几个方面,但其使用的统计资料相对单一,而且总量指标(绝对)指标过多而相对指标和平均指标嫌少,未能全面地涵盖投资环境的方方面面,因而分析方法虽然比较科学,但结论却前后相差太大,使得这些评估结果未能科学而准确地衡量和反映中国各个区域投资环境的实际情况,有些结论也与人们通常的看法相差较大,令人难以接受或让人信服。为什么这些研究的结论差别如此大呢?笔者认为关于中国投资环境的分析研究,主要的缺陷和不足之处在于,以往研究选择的指标太少,更没有能建立一个科学的评价指标系统,从而致使在指标体系选择方面有一个共同缺点,即没有或很少涉及各个评价指标之间的关联性和协调性,定性打分代替定量指标过多,把也排除在分析和评估之外。另外,评价方法也显得较为单一。

然而时过境迁,中国及各个地区的经济社会发展水平有了较大的变化,随着由传统的计划体制向市场体制的转换,党的十五大报告中提出要从现在起到下个世纪头十年建立比较完善的社会主义市场经济体制,中国国际贸易(包括服务贸易)的对外开放程度不断深化,贸易关税的降低,WTO已经顺利加入,我国整体及大陆各个区域的投资环境也发生了较大的变化且得到相当程度的改善,但也面临着不少挑战。因此,笔者以为很有必要在借鉴前人研究成果的基础上重新构建一个更为全面、科学的评估指标系统,并研究更为科学合理的评价方法,以便在新世纪和新环境背景下,对中国各区域之投资环境状况的优劣进行全面、科学而准确的度量和评价,揭示各个区域投资环境实际水平的优劣和吸引外商投资的能力,以期给国家、各个区域及各级部门一个比较清晰和科学正确的认识,并为决策提供科学依据。

二、投资环境评估指标系统的构建原则

对一个区域的投资环境进行评估分析,指标选择与指标系统的构建非常重要,它直接关系到研究结论的科学性、客观性、准确性与可靠性,关系到能否为决策部门提供一个量化的、具有可操作性的依据。考虑到我国的国情及各个地区的区情,根据目前国内外投资理论与影响我国及各个地区投资的因素,按照系统论的思想,为了便于支撑投资评估研究方法,并科学、客观、公正、全面地反映区域投资环境的状况和衡量区域投资环境质量优劣及水平的高低,在研究、选取和构建评估指标系统时,笔者以为应该遵循和贯彻以下原则:

1.全面性:投资环境系统是由多因素构成的多层次的组织系统,同时又受到系统内外众多因素的影响和制约。投资环境指标系统具有范围广、信息量大的特点,要求我们在遴选指标时必须尽量全面、完整地选择各级各类的指标,要使得投资硬环境和软环境指标,总量指标、相对指标和平均指标,定性指标和定量指标相结合。这样做的目的是尽量从各个侧面、各个层次去揭示、描述和反映投资环境系统的整体状况的优劣程度,去衡量投资环境水平的高低和质量的好坏,以免遗漏某些重要的信息,造成片面性,从而导致评估结果的非科学性。

2.简洁性:如前所述,选择投资环境指标系统要遵循全面性的原则,但这并不是说选择指标时必须面面俱到、重复、繁琐。相反,指标的遴选和设置需要考虑典型性和代表性,尽量使含义相同或相关性较大的指标不被选入,用尽可能少但信息量尽可能大的指标去反映多方面的问题,把全面性和简洁性有机地结合起来,以避免重复、繁琐而造成评估时的多重共线或序列相关。

3.科学性:投资环境系统中的每一个指标都应具有确定的、科学的深刻内涵。指标系统的建立应该根据投资环境本身及经济社会发展的内在联系,依据投资环境评价理论和统计指标系统建立的科学理论和原则,选择含义准确、便于理解、易于合成计算及分析的具体、可靠和实用的指标,以客观、公正、全面、科学地反映区域投资环境的本质和规律性。

4.系统性:投资环境系统是一个由具有一定结构和功能的要素构成的有机整体。指标和指标系统并不是一个静止和绝对概念,而是一个相对的、不断动态发展变化的概念。因此,在选择和确定具体指标来构建指标系统时,要综合考虑投资环境的整体性、动态性和系统性,既要选择反映和衡量系统内部各个子系统发展状况的指标,又要包含反映各个系统相互协调以及系统外部的环境指标(如政策变量等);既要有反映和描述投资环境系统状况的静态指标,又要有反映和衡量系统质量改善和素质提高的动态指标。同时,还要随着时间的推移、地点的变化和实际情况的不同,指标系统能够适应动态发展变化的需要而进行相应的适当调整。

5.可比性:指标系统的构建应该通过借鉴和吸取国内外的研究经验和成果,便于国内各个地区对比,又能经过适当的调整而方便国际比较,同时又可以进行动态对比。这就要求在选择指标时,必须考虑到指标的历史延续性,同时考虑支撑分析和预测的可能性。因此,为了加强各个区域投资环境的可比性,必须准确地分析和研究统计资料及其含义,参考统计年鉴和其他相关年鉴及文献,选用范围和口径相对一致的相对指标和平均指标,同时也选用一些总量指标,一方面可以确保因素变量不会因为经济规模、人口多寡或面积大小等因素的影响而使分析结果产生偏差,另一方面也可以增加指标体系的综合性和关联性。

6.可操作性:投资环境系统评估指标应该具有实用性和可行性,指标数据的选择、获得、计算或换算,必须立足于现有统计年鉴或文献资料,至少容易获得、计算或换算,并采取国际认可或国内通行的统计口径,指标的含义必须十分明确,便于有效地进行定量的分析和评估。

三、投资环境评估指标系统的构建

投资环境系统是一个以创造良好的投资场所,吸引外商直接或间接投资为中心目标的非常复杂的开放系统。而衡量投资环境好坏的指标系统则是描述该系统中各个子系统发展变化的状况,衡量其质量优劣和发展水平高低的。它应该具有所有系统的结构性、层次性、相关性、整体性、动态适应性等特征。也就是说,投资环境系统具有一般系统的所有特征,即同样是一个由系统之下的子系统、子系统之下的更低层次的子子系统,以及最低层次元素(要素或因素)所构成的有机整体。按照系统论的思想,依据构建投资环境指标系统全面、简洁、科学、系统、可比、可操作等原则,本着理论联系实际,理论为实践、为决策服务的初衷,在参考、学习和吸收以往的研究经验和成果的基础上,结合我国的具体国情及大陆31个区域的具体区情,考虑到指标系统内部各个子系统之间的相互交叉、制约以及协调促进的辩证关系,经过反复筛选和相关研究后选择了与投资环境密切相关、代表性大的38项指标,建立了评价中国区域投资环境的指标系统,如表1所示。需要指出的是,本文所构建的区域投资环境评估指标体系是建立在坚实的统计资料基础之上,也就是说,统计指标系统所涉及的数据可以在我国现有最权威的《中国统计年鉴》上直接或间接(通过简单换算)获取,只有极少量数据需要从其它统计年鉴或文献上取得。

表1显示,投资环境指标系统可分为投资环境总目标、投资环境目标层、投资环境次级目标层和具体指标层四个层次。投资环境目标层系统涵盖了经济环境、市场环境、科技管理环境、资源环境、文化教育环境、基础设施环境和社会服务环境等7大子系统,分别从24个次级目标层,即经济发展水平、产业结构、经济政策、经济体制、通货膨胀、金融环境、市场规模、分销网点、市场化程度、科技水平、管理水平、技术创新能力、生产要素资源、自然地理环境、人力资源、文化素质、知识环境、交通状况、信息化程度、投资水平、生活质量、医疗卫生条件、社会服务水平、治安状况等25个方面的38项统计指标构成的具体指标层来描述和度量中国及各个区域投资环境的优劣。需要说明的是,这四个层次系统相互依存又互相独立,既有联系又有区别,是一个不可分割的统一体,共同构成中国区域投资环境的评估指标系统;而且一个具体指标虽然不一定属于某一子系统,但它可描述一个子系统的某一方面,又能反映另一子系统的其它方面。因此,本文对重要的变量指标(如经济发展、投资、人口素质、市场化和生活质量等),选择了多项指标,以体现投资环境系统中各子系统之间相互交叉、影响、制约的辩证关系;而且,所有的指标,按照功能分为描述性、解释性指标(以基础指标为主)的评价、监测和预警性的评价性指标(以相对指标和平均指标为主)。这样作的目的就是期望从各个侧面、各个角度,来全面、准确、科学地刻画、描述、度量各个区域的投资环境质量的优劣和发展水平的高低。

四、投资环境评估方法的选择

在投资环境指标系统建立以后,以之作为支撑,选择适当的方法进行综合分析评判和区域差异划分。如引言所述,目前国内外已有多种评估方法可供选择,如投资冷热图法(冷热图法)、投资环境评分法(等级尺度法)、道氏评估法、关键因素评估法、相似度法、国家风险评级法、综合评判法和多因素评估法等。笔者认为,目前比较成熟可供选择的投资环境评估方法有(专家)综合评分法、层次分析法、因子(素)分析法、灰色关联法、信息熵法、聚类分析法等。这些方法各具特色,有定性的主观赋权法(如综合评分法),也有定量的客观评估法(因子分析法、灰色关联分析法)。在实际的研究中,仅用单一方法去评估投资环境的优劣,其结果并不一定科学、可靠,也难以令人信服。科学可行的做法是同时选用多种方法,主观与客观相结合、定性与定量相结合、多种定量方法相结合(如因子分析法与聚类分析法),相互配合,取长补短,从各个角度各个侧面对投资环境进行综合分析、组合评价与区域差异划分(如聚类分析)。

本文的思路也正基于此。即通过上述构建的投资环境评估指标系统,参考《中国统计年鉴》及其它各种统计年鉴和文献资料,建立投资环境评估数据库,选择恰当的评估方法如因子分析法、综合评分法进行组合式的综合集成评价,对各种结果进行几何平均、简单加权平均(或采用其他可行方法)得到一个综合值,然后再利用评估指标体系和数据库采用聚类分析法等方法进行类型差异划分和发展水平的阶段性划分,从而对各个区域之投资环境状况重新进行全面、科学而准确的研究,以便相互验证。如果多种方法的研究结果比较一致且互相补充,则证明综合评价结果科学可靠,可以揭示和反映各个区域投资环境吸引外商投资的能力大小、投资环境实际水平的高低和区域差异程度的大小,并使综合评判结果更具说服力和解释力,实现对客观投资环境现实的科学认识。

【参考文献】

[1]王慧炯,闵建罗.中国的投资环境[M].京港学术交流中心出版社.1987.

[2]鲁明泓.中国不同地区投资环境的评估与比较[J].经济研究,1994(2).

量化投资方法篇(10)

基金项目:本文受教育部人文社科基金项目“知识产权风险投资优化机制与政策研究”(项目编号:10YJA630113)的资助

风险投资业作为促进高新技术产业发展的关键产业对加快科技创新,支持创新创业,转变经济发展方式发挥着非常重要的作用。由于风险投资具有高风险特征,风险投资的投资决策实际上是不确定条件下进行的,单一阶段的投资决策已很难适用于未来市场极不确定、风险极高的风险投资决策。为了实现投资预期收益,风险投资的决策过程应该是一个动态的多阶段过程,不仅包括投资前项目选择的决策,而且包括对投资后的管理。只有在风险投资的各个阶段、各个层面都做到科学合理的决策,风险投资才能实现高收益高回报的初始目的。因此,从广义视角来理解风险投资决策应该更为科学。

关于风险投资决策问题,以往的研究主要集中在风险投资家对风险项目(企业)的选择决策上,这其实是狭义层面的决策,这方面的研究已经相对成熟,而关于广义层面的决策优化问题仍有较大的研究空间。本文基于广义决策的视角,从风险投资的风险识别、量化,项目的投资组合优化,投后绩效管理与退出决策等几方面来展开相应的文献综述。

一、关于风险投资风险因素识别的研究

关于风险投资风险因素的识别,国外学者的研究主要集中在被投企业的企业家及其管理团队(Fried & Hisrich,1994;Deventer & Mlambo,2009)、风险与契约关系安排(Gompers & Lerner,1999;Huyghebaert & Mostert,2008)、技术和市场风险、法律经济和政策环境(Moriarty & Kosnik,1989;Chocce & Ubeda,2006;Koryak & Smolarski,2008)、风险投资家本身的能力(Dimov & Shepherd,2005;Yung,2009)等。研究方法上主要采用深度访谈、问卷调查、统计分析、案例研究、建立模型、使用新数据库等。中国学者对于风险投资的风险因素识别较早是从分析技术创新、科技成果转化阶段的风险开始的,学者们(李建华和葛宝山,1994;布拉格,2005;陈建华,2006;王庆民,2009;刘曼红,2011;包乌日汉,2012)都从各自的视角对风险投资风险进行了识别和分析,但总的来说,立足中国国情,从创业企业、风险投资机构以及企业外部环境三方面比较系统、全面地分析风险投资过程中所面临的风险还比较缺乏,因而,加强基于中国国情的比较系统、全面的风险投资风险因素识别的研究显得十分必要。

二、关于风险投资风险度量的研究

从研究文献上来看,风险度量方法主要有方差、标准差、半方差、离差、绝对偏差等偏离期望值的各种变形形式等、在险值VaR法、条件在险值CvaR法等。

方差、半方差、 绝对偏差等方法主要用于对投资风险的度量。随着风险测度理论研究的逐渐发展,人们对风险本质的认识也日益深入。研究发现,用方差方法不能准确地度量真实风险的大小(单伟勋,2013);使用半方差法进行风险度量时,需要首先设定目标收益率,这种设定具有一定的主观性;而绝对偏差法,由于用投资收益率的一阶绝对中心矩来代替二阶中心矩,发散的可能性比较低。因而从理论上说,风险的绝对偏差度量要优于方差度量(徐绪松,王频,侯成琪,2004)。

在险价值VaR(Value at Risk),一般被理解为在给定的市场条件和给定的置信水平[α]下,在未来某个持有期间内,某一投资组合预期会发生的最大损失(刘骅、卢亚娟,2012)。考虑到VaR不是一个一致性风险度量,理论界在1997年提出了VaR的修正方法,即条件风险价值(CVaR),它是指在投资组合的损失大于某个给定的VaR值条件下的期望损失。CVaR与VaR的区别首先在于,CVaR不是一个单一的分位点,而是尾部损失的均值,当所有大于VaR的损失值都被考虑到时才能计算,因此CVaR对尾部损失的测量是比较充分的(肖甲山,2008)。VaR方法和CvaR法主要被用作度量和管理损失。

对于绝对偏差方法的应用研究,中国学者武敏婷、孙滢、高岳林(2010)、张鹏(2011)、西爱琴(2006)等作了尝试,并很好地解决了度量和控制投资风险、多阶段投资组合优化以及农业生产风险的度量等问题。鉴于此,笔者认为选择“绝对偏差方法”来度量风险投资的投资风险是比较合适的。

三、关于风险投资投资组合优化的研究

关于投资组合优化理论的研究,主要经历了现资组合理论以及行为组合理论两大发展阶段。50年代以前早期的投资组合理论,已经有了风险条件下追求收益最大化、风险最小化的思想(现资组合理论的精髓),但还没有使用量化的方法。Markowitz(1952)发表题为《证券投资组合的选择》的论文,对充满风险的证券市场的最佳投资问题进行了开创性的研究,标志着现资组合理论的产生。现资组合理论考虑的是理性投资者如何借助于分散投资来优化其投资组合,其研究问题的基点在于投资者的投资决策是对两个目标:“预期收益最大化”和“风险最小化”的权衡(Markowitz,Harry M.1952)。现资组合理论中基于效用理论形成的各种预期效用最大化模型,可以分析投资者的风险反应及风险条件下的决策行为(西爱琴2006)。值得注意的是,由于风险投资的高风险特征,使得在对风险投资决策行为进行研究时必须要考虑风险因素。因此预期效用理论及其相关模型方法也可以在对风险投资机构风险决策优化行为的研究时被采用。

作为新兴理论的行为组合理论,目前的研究尚处于理论分析阶段,大量的实证检验将是其今后主要的研究方向。

四、关于风险投资投后管理等的研究

围绕风险投资决策优化的总目标:在达到预期收益的情况下,使总投资风险最小,风险投资机构除了做好投资前项目选择决策外,还必须考虑投资后对创业企业的管理,以控制投资风险,提升投资绩效。

总结

风险投资的高风险特性,决定了风险投资决策过程是一个复杂且多阶段的过程;对于风投机构来说,投资决策实际上是一种风险行为,如果决策缺乏科学性,则必将导致最终投资的失败。本文基于广义决策的视角,从风险投资的风险识别、量化,投资组合优化以及投后管理等方面对相关研究文献进行了梳理。从现有文献来看,对于风险投资风险因素的识别,立足中国国情,从创业企业、风险投资机构以及企业外部环境三方面比较系统、全面地分析还比较缺乏;对于风险投资风险的度量,笔者认为选择“发散的可能性比较低”的绝对偏差方法来度量投资风险是比较合适的;对于风险投资组合优化决策,现有研究文献中很少见到将MOTAD模型用于风险投资决策中,而基于MOTAD模型可以很好解决农场生产风险决策问题,笔者认为可以考虑将MOTAD模型应用于风险投资决策优化行为分析和投资组合优化问题的研究。关于风险投资投后管理,国内目前尚缺乏对投资后风险投资绩效的关键影响因素及其相互作用机理的研究。此外,从资产安全性角度考虑合适的风险投资退出时机,以及采用决策树法,以预期收益为标准来辅助进行风险投资退出方式的决策还不多见。综上,笔者认为基于广义决策视角,从风险投资风险的识别、量化,投资组合优化以及投后管理与退出决策等方面系统地展开对风险投资广义决策优化问题的研究,最终实现风险投资预期的投资目标是十分必要的。

参考文献:

量化投资方法篇(11)

高速公路;投资风险;动态;度量模型

中图分类号:

F83

文献标识码:A

文章编号:16723198(2013)21012303

我国高速公路的发展从20世纪80年代末起步,经历了80年代末到1997年的初步建设阶段,以及1998年至今的快速发展阶段。截止于2012年底,我国高速公路的通车总里程达到9.6万公里,超越了美国,成为了世界上规模最大的高速公路系统大国。然而,在兼具经济效益和社会效益的高速公路项目中,高收益与高风险两者往往相互共存。同时,高速公路的建设和运营具有长期性和不定性的特点,一些未确定因素、随机因素的大量存在,使得高速公路项目在不同的建设阶段面临不同的风险,并且这些风险将随着时间的推移不断转化,它们将直接影响着高速公路项目的实施。因此,只有充分认识高速公路项目投资风险的客观存在的必然性,对项目的投资风险因素进行动态的度量,才能有效的进行风险控制,提高项目的投资效率及效益。

1投资风险度量的内容

投资风险度量,是指在识别投资风险的基础上,对其进行定性的估量与定量的评价。投资风险度量主要包括以下内容:

1.1确定投资风险因素发生的概率

这是项目投资风险度量最重要的工作,通过主观或客观的方法实现量化的目的。度量结果的有效性首先取决于对其概率值的确定。概率确定的方法有两种,一种是根据大量试验,用统计的方法进行确定,不依据决策者的意志,这种方法称为客观概率度量法。另一种是人们对根据经验结果所作出的主观判断的度量,称之为主观概率度量法。

1.2分析投资风险因素的风险结果

虽然有些风险它的发生概率很小,但一旦发生,其造成的后果十分严重。因此,对这类发生概率很小而结果影响严重的风险也需要严格控制,否则这类风险的发生将会给整个项目带来极大的损失。

1.3估计投资风险影响的范围

单个投资风险的发生也可能影响到项目其他方面的工作。例如有的风险,即使它的发生概率和后果影响程度都较低,但一旦发生,将会影响到项目其他方面的许多工作。因此,对这类风险也需要谨慎对待,防止其扰乱整个项目的活动。

1.4推断投资风险发生的时间

即估计分析项目的投资风险可能发生在项目实施过程中的什么阶段和什么时间。越早发生的风险应该优先得到控制,对于其后发生的风险,可以通过监测和观察再做进一步的防控。

2投资风险的度量方法

随着风险管理理论的发展,目前已发展出了一系列的风险度量的应用方法。常用的几种方法包括:调查打分法、层次分析法、蒙特卡洛模拟法、敏感性分析法、模糊数学法等。

调查打分法,又称主观评估法,是一种最简单且易于应用的风险评估方法。该方法主要包括三个方面的工作:(1)辨识建设项目可能遇到的所有风险,列出风险清单;(2)借助专家的经验,对风险清单上的各风险因素的重要性进行评估;(3)收集各专家对风险的评估意见,结合建设项目整体风险概况,从而确定出主要的风险因素。

层次分析法,是一种灵活的、实用的多目标决策方法,它能将主观和客观因素有效的结合起来。其理论核心是将一个复杂的系统分解为若干个因素。这些因素按属性不同分为若干组,每个因素又受到一系列子因素的影响。根据项目目标、因素间的支配关系构成一个递阶层级结构。

蒙特卡洛模拟法,又称统计表试验法。该方法的基本原理是将被试验的目标变量用一个数学模拟模型表示,模型中尽可能的模拟影响该目标变量的主要风险变量。在模拟模型中的每个风险变量的风险结果及其相对应的概率值用一个具体的概率分布来描述。然后利用随机数发生器来产生随机数,再根据这一随机数在各风险变量的概率分布中取一值。当各风险变量的取值确定后,风险总体效果就可以根据所建立的模拟模型计算得出。

敏感性分析法,主要用于评估确定型风险变量对项目目标的影响。其敏感程度是指由于特定因素的变化而引起评估目标的变动幅度。如果这一因素在一定范围内变动,而不对评估的目标造成变化,则该风险因素可以被认定为是弱敏感因素;反之为强敏感因素。该方法一般在项目决策阶段的可行性研究中较为常见。

模糊数学法,是利用数学的方法来处理模糊现象的科学。该方法的步骤是:首先确定评估指标体系,建立风险因素集;然后确定影响因素的权重向量,建立隶属度;最后根据隶属函数对方案各目标的影响因素建立模糊评估矩阵,按照模糊数学的计算方法,得出最终的评价结果。

值得注意的是,虽然度量投资风险的方法有多种,但这些方法并不是适用于所有的建设项目,同样也不是适用于项目的所有阶段。因此,在实际的应用中需要考虑建设项目的规模、类型、项目的目标等等,采用适当的方法开展投资风险度量工作。

3高速公路项目投资风险的动态度量模型

3.1高速公路项目投资风险的动态度量过程模型

高速公路建设项目投资风险的动态度量,是以高速公路建设项目的跟踪和阶段性评估为基础,它不仅仅要根据项目预设的控制目标对项目绩效进行实时监控,还需要判断和预测未来的投资风险大小和影响程度。通过对高速公路项目建设过程中投资风险的动态的持续性的度量,可以及时的发现项目实施过程中遇见的问题,从而制定有效的措施予以纠正和防范;另一方面,可以对项目的目标或实施方案进行一定的调整和修正,实现高速公路项目实施过程的动态优化,进而有效的保证项目投资效益和效率的最大化。

从前面的论述可以知道,高速公路建设项目投资风险的度量主要包括风险估量和风险评价两个部分的内容。其中投资风险估量的主要工作是从定性的角度来确定投资风险发生的概率、分析投资风险的后果、估计其影响范围以及推断投资风险发生的时间。而投资风险评价则是在投资风险识别和估量的基础上,综合考虑高速公路建设项目投资风险的特性、管理目标,进一步量化各投资风险因素对建设项目的影响程度,进而对各风险因素的影响程度排序,把握风险因素之间存在的联系,以此来更好地对高速公路建设项目进行投资风险的动态管理。

本文借助于美国PMBOK的风险处理框架,以及投资风险度量的内容,构建高速公路项目投资风险的动态度量过程模型,如图1所示。

从图1投资风险的动态度量过程模型可知,高速公路建设项目的投资风险动态评价主要包括项目前期投资风险评价和项目实施中投资风险评价两阶段。从内容上来看,项目前期的投资风险评价更多的涉及项目的融资结构、规划方案比选等问题;项目实施阶段的投资风险评价则是在项目建设过程中,将项目的实际情况与项目目标做实时跟踪对比,发现问题和纠偏调整的过程。从实施的过程来看,首先投资者需要根据以往的数据和经验,对整个高速公路建设项目的投资风险进行估量。根据投资风险估量的结果,开展项目前期的投资风险评价,以此来确定项目的目标和计划,从而指导项目的具体实施。在实施过程中,将各阶段性的成果和环境条件与项目原计划进行对比,分析是否存在偏差。如果不存在偏差或偏差较小,则按原计划进行项目的实施;如果相比较存在着较大的偏差,则需要对发生偏差的原因进行仔细分析。一般发生偏差的投资风险有两类,一类是可控风险,主要来源于管理方、设计方、施工方、运营方实施不力等人为因素。对于这类投资风险因素,可以根据项目的实施现状,来制定相关的纠偏防控措施来将损失降到最低程度。另一类是不可控风险,主要来源于项目目标方案本身的缺陷以及客观环境发生变化等。因此投资者需要结合项目的实施前景,对项目目标方案进行一定的修正和调整,再指导项目的实施,从而形成一个动态循环的投资风险度量网络系统。

通过对高速公路建设项目投资风险动态度量的过程分析,可以发现投资风险动态度量的最大特点就是对项目全过程投资风险的跟踪与评价。通过在项目前期阶段和实施过程中的投资风险评价,及时纠偏和防控以及对项目目标方案的修正和调整,从而降低和预防高速公路项目建设过程中投资风险的损失,为项目技术经济效益的提高提供有力的保障与支持。

3.2高速公路项目投资风险的动态度量数学模型

高速公路建设项目投资风险度量的目的是分析项目总体投资风险水平,以及解决各投资风险因素的重要度的排序问题,从而可以推断哪些因素在项目建设过程中需要重点防控,以及对项目整体的投资风险进行一个估量与评价。综合风险度量方法,以及高速公路项目投资风险指标体系多层次、多因素的特点,因此本文采用层次分析法(AHP)来进行投资风险度量。

构建层次分析法的评价模型主要步骤如下:

(1)构建层次递阶模型。

如图2所示,在层次模型中,自上而下包括目标层、准则层、因素层以及控制层。最高层次目标层反映的是需要完成的最终目标,为高速公路项目总体投资风险水平;下一层次从高速公路项目的建设目标角度定义的准则层,为进度风险、质量风险、成本风险、安全风险、环境风险。因素层反映的是参与评估的各种投资风险因素。最后将各投资风险因素归为投资风险控制层,控制层可分为政治风险、自然风险、技术风险、管理风险、金融风险以及市场风险。

(2)构造判断矩阵。

由于各投资风险因素的重要程度不同,需要赋权重值加以反映。完成这一步需要通过专家调查表法收集有关数据。本文采用美国运筹学家A.L.Saaty提出的1-9比率标度法,详见表1,对因素层间的各投资风险因素进行两两比较,将思维判断数量化,得出判断矩阵。

(5)计算项目整体投资风险程度。

把高速公路建设项目的全寿命周期内所有阶段的投资风险活动进行以上的分析评估,并把各风险程度统一起来,计算加权平均值,即可得出项目的整体投资风险水平,由此判断高速公路项目的整体投资风险程度。

4结论

本文充分考虑投资风险管理的系统性、全面性和持续性,从系统工程的角度出发,运用风险管理理论和层次分析法,构建了高速公路项目投资风险动态度量的过程模型和数学模型,突破了以往采用静态分析的方式进行投资风险度量的局限。该模型在明确投资风险度量内容的基础上,对高速公路项目投资风险进行动态的跟踪与分析,能为今后制定切实可行的投资风险应对措施提供有力保证。

参考文献