量化投资与证券管理

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇量化投资与证券管理范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

量化投资与证券管理范文第1篇

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”[3]。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[4]。追求显著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。[5]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。

二、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

在量化投资中，非常注重计算机对数据和模型的分析，这突出了量化投资的规则性和固定性。然而，实际中，别看量化采用了各种数学、统计模型，但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究，并借助计算机实施策略，能够消除很多认为的随意性。但是，量化策略毕竟体现投资者的交易理念，这一部分依赖于投资者的经验，一部分依赖于投资者对市场的不断观察与更新。实际上，人始终处于交易之中，对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性：决策实施依赖于人的设定，而人的设定不仅依赖于经验，而且人还会犯错。人之所以会犯错，一方面是因为人们对市场的认知是不完全的，另一方面则是人们使用了错误的模型。经典的证券投资理论中，股票价格的变动被认为是随机的，小概率事件出现的机会比较小，但是经验研究表明股票收益率具有肥尾现象，小概率事件发生的机会超出了人们原先的认识，即市场还会出现“黑天鹅”。更为关键的是，量化投资更依赖数学和统计模型，这就使得量化投资存在较大的模型风险，即使用了错误的模型。为了防范模型风险，应采用更为稳健的模型，即模型的参数和函数应该适应多种市场环境。近年来，研究表明，证券收益及其与风险因素的关系存在较大的非线性，同时，市场中存在一定的“噪声”，采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

（四）2013年诺贝尔经济学奖的启示

量化投资与证券管理范文第2篇

本文较系统地介绍了统计学在证券期货市场中的应用，其中包括作者的一些最新研究成果，如：证券期货市场指标体系的研究；新华财经指数的编制；证券投资组合的研究与应用等。

关键词：统计学证券市场期货市场

分类号：O212C8F832.5文献标识码：A

TheApplicationofStatisticsonSecuritiesandFuturesMarkets

LICong-zhu,DINGShao-fang,WANGLing-hua,SUNDa-ning

(NorthChinaUniversityofTechnology,100041)

Abstract：Inthispaper,theApplicationofStatisticsonSecuritiesandFuturesMarketsisintroduced,author''''smanynewachievementsareincludedinit,suchasstudyofindexsystemonSecuritiesandfuturemarkets;studyofXinHuaindexnumberofsecurities;studyandapplicationofinvestmentinbondandsoon.

KeyWords：statisticssecuritiesmarketsfuturesmarkets

一、序言

我国自九十年代初建立证券期货市场以来，短短几年，得到了迅猛发展，方兴未艾。仅拿股市来看(截至1999年07月13日)，在沪深两市上市的境内公司已达900家，沪深市场的A，B股股数是981只，上市公司900家，其中沪市501只(461家)，深市480只(439家)，沪深A股股数874只，B股股数107只。这与1991年沪市8家深市6家上市公司相比，可见发展速度之快。市价总值21083亿元人民币，占国内生产总值的比重超过25%；开办证券90家，兼营证券业务的信托投资公司237家，下属证券营业部2400多家；现有43家境内企业海外上市，累计筹集资金100多亿美元；已有107家公司成功发行了B股，筹集资金近50亿美元；股民已达4000多万。自1999年五月十九日井喷式行情以来，沪深两市的日成交量猛增，至六月二十五日高达800多亿(1998年8月18日香港股市一天的成交量为790亿港元)，创下空前的天量。证券市场的作用愈来愈大，并逐渐成为国民经济的晴雨表。

统计学及其相关学科在证券期货交易中有什么作用呢?我们先从世界范围谈起。

据有关报道，当今华尔街最抢手的不再是传统的MBA，而是有统计背景、数理能力强的人才。一些在美国获得统计或数学博士学位的中国留学生被华尔街录用，转眼间便当上了年薪百万美元的“白领”贵族。如，1984年入中国科学技术大学少年班的黄沁于1988年提前毕业，赴美国麻省理工学院就读研究生，毕业后受聘到华尔街某大型证券公司工作。在这个世界上金融证券业最发达的地方，他以统计和数学为基础，建立了自己的投资理论，现已升任该公司副总裁，主管对外投资工作。年仅27岁的黄沁是进入华尔街金融界高层领导的少数华人之一。

华尔街取才原则的转向，从一个侧面反映出证券期货等金融业目前发展面临的挑战和未来的潮流。证券金融交易是信息量最大，信息敏感度最强、信息变化频度最高的领域。随着市场日趋复杂，数字已成为传递信息最直接的裁体，加上未来的经济是被网络覆盖与笼罩的数字化经济，大量的数学与统计工具将在分析研究中发挥不可或缺的重要影响。能否把握那看似枯燥无味的数字所隐含的精微变化，成为决定未来竞争成败的关键因素之一。

前年诺贝尔经济学奖授予在期权定价方面做出开拓性贡献的经济学家和统计学家。他们在二十多年前就探索出具有划时代意义的定价模型——布莱克.斯科尔期定价公式。本世纪20年代开设了股票期权品种，由于采用柜台交易方式和缺乏标准化的设计合约，很难转让对冲，交易量不足称道。1973年美国经济学家布莱克和斯科尔斯，引进概率统计上随机变量函数的一些定理和积分求值，推导出不支付红利的股票期权定价公式，从此期权有了明确科学的价格定位依据，很快形成一个完整的市场，并迅速推广到全世界，直至现在，期权占据着金融王国的重要位置。定价公式成为整个市场运转的基础。这个期权公式的定价思想所引发的金融革命表现在，预测远期价格成为可能，不仅使期权为指数、货币、利率、期货交易提供了全新的保值，投资手段，极大地丰富了金融市场，而且进一步推动了对各种金融产品的价值研究，提高了操作的理论水平。由此可以推断，没有布莱克.斯科尔斯定价模型，期权就不可能发展这么快，全球金融衍生品市场也就不可能有今天的高度发达，如今国外大型金融机构在总结金融交易失利原因时，总是首先追究最初的定价是否存在漏洞和错误

建立一个模型就摘取经济领域的桂冠这一事实，体现了经济与统计数学密不可分的关系。据不完全统计，自1969年设立诺贝尔经济学奖以来的40多位获奖者中，著名的计量经济学家有23位，10位担任过世界计量经济学会会长，有六位直接靠计量经济的研究和应用成果获奖。借用统计数学，将经济理论数学公式化，将经济行为定量化，已成为当今世界经济的热门课题。

有关专家指出，统计学，经济理论和数学这三者对于真正了解现代经济生活中的数量关系来说，都是必要的，但本身并非充分条件。三者结合起来，就是力量。数学给经济界带来新的视角，新的观念。抽象的数学工具一旦准确地切入金融市场，就显得非常实用和有价值。二十多年来，指导期权交易的理论—定价模型得到广大投资者的一贯遵循。没有统计基础、不懂定价公式含义的人要想在市场有出色表现将是十分困难的。

证券金融市场的风险管理是个永恒的话题，投资者都想寻求收益回报，但又必须面对各种各样的损失可能。市场到底存在哪些风险，如何确定风险的大小，如何才能实现收益最大化和风险最小化，历来都是受人关注的焦点和难点。自从1952年美国学者马柯威茨运用数量方法创立证券组合理论以来，市场风险的神秘色彩逐渐淡化，不再变得那么可怕和不可驾驭。

马柯威茨组合理论的立足点是全面考虑“期望收益最大”和“不确定性(即风险)最小”。它通过总结投资损失的概率分布和可能收益与预期收益的偏离程度(即我们统计学上的方差)，发现投资者应该同时按适当比例购买各种证券而不是一种证券，进行分散化投资，其收益才尽可能是确定的。通过数量分析得出的这种结论，迎合了投资者避风险的需要。风险管理能力的提高促进了基金的蓬勃发展。在短短的几十年间，随着量化研究的不断深入，组合理论及其实际运用方法越来越完善，成为现资学中的主流工具。由于马哥威茨证券组合选择理论给金融投资和管理思想带来革新，1990年他获得了诺贝尔经济学奖。

众所周知，量变引起质变。数量关系的背后，牵扯着市场的稳定与发展。金融业的现代化推动了统计与数理方法的应用研究，反过来，当今世界的金融管理特别是防范金融风险，也越来越要量化研究。早在1995年9月，美国斯但福大学经济学教授刘遵义就通过实证比较，数量分析和模糊评价等方兴，预测出菲律宾、韩国、泰国、印尼和马来西亚有可能发生金融危机。后来的事实果然如此。这从一个侧面提醒我们，没有完整、科学的分析预测工具，就可能在国际金融竞争中蒙受重大损失。只有加强对作为金融信息的各种变量的研究，才能提高对金融运行规律的认识，才能把握市场的发展动向。

经济理论的数学化和统计分析，使各种经济行为也越来越数量化。在金融领域也不例外。定价公式和组合理论地位的确立，就证明数量工具已发挥了不可磨灭的作用。有统计显示，在西方金融市场，三分之一的人运用组合理论来投资，三分之一的人靠技术分析管理头寸，另外三分之一的人仍在坚守基础分析。虽然运用何种手段来指导决策是投资者个人偏好、观念的问题，但组合理论和技术分析所运用的统计工具逐渐被认同，说明理性投资将成为市场的宠儿。由此我们不难理解华尔街选才的动机。

主观意见和直觉判断有很大的随意性，显然与现资决策的要求相去甚远。对市场和价格进行定量研究，从而揭示客观存在的数量依存关系，成为投资和管理决策的一项基础工作。用统计工具处理各种证券金融数据，可以比较全面地分析各种因素的影响力度。其主要表现在：

1结构分析：证券市场与汇率、利率变动和国民经济发展有多大的关联度；单一证券与整个市场之间如何相互影响，市场指数设计是否合理；证券与期货价格走势是否相互制约；同一类证券有没有一定的连动关系。

2价值预测：分析未来证券发行和上市价格的理论定位，确定金融衍生证券的价格，分析预测证券期货的价格走势，进行投资决策等。

3政策评价：研究市场系统风险的预警及控制，探讨不同的组合投资效果。

4理论检验：证券价格能否反映所有的信息，市场的有效性实证检验；各种技术指标的适用性和优化处理，周期效应的对比分析。

从以上可看出，量化研究有助于搞好风验管理，设计投资组合，选择交易时机，评估市场特性。统计工具在证券金融市场的大量应用，对交易技术的升级换代，管理水平的提高做出了特殊贡献。现在，电脑交易系统在国外大行其道，依据不同要求设计的模型软件层出不穷，只要把数据输入电脑中，投资者根据分析结果随时制订和调整投资计划。

投资者竞争的优势不再停留在信息的收集上，而是综合处理信息的能力。谁的模型从总量上与趋势上能更合理、科学地分析市场，谁就能掌握主动。

量化投资与证券管理范文第3篇

我国证券投资价值投资方法的实例分析

由于盈利能力不强的上市公司价值投资研究价值不大，而且缺少较大的收益时间，无需把每股收益看作参考依据，所以为了避免非正常值导致的影响，选择的依据必须满足每股收益大于等于0．1，此外，将不完整的上市公司数据排除。最终的选择结果如下：2009年188只、2010年205只、2011年226只，总共有619只。1．样本期内各个时间段内的基本面量化指标和股票价格的相关研究。首先，利用SPSS16．0软件计算出2009～2011年各个时间段的基本面量化指标和相应时间段的股票价格间的Pearson因子，相应的统计数据结果见表1。多元模型的自变量选择那些和股票价格有明显相关性的数据指标，排除与股票价格存在较小相关性指标，进而能够为下一步各时间段的多元回归分析提供合理的数据支持。在该阶段，能够保留下来指标的相关系数必须满足0．05水平上的显著性检验。然后，为了避免回归过程中的自相关，所以将排除净资产收益率。同时，因为流动比率在决策过程中可能转换为风险控制因素，和股票价格间有较强的非线性，所以也应该给予剔除。2．优化选择后的量化指标对股票价格贡献度的影响分析。选取2009～2011年3组数据作为研究对象，利用Stepwise的输入技术进行三次多元回归分析，可以得到三组输出。研究过程中关键要讨论标准化因子和可决因子。标准化因子是指量化指标经过一个标准差的改变对股票价格产生的影响程度。该因子能够防止由于不同指标的量纲不一样而无法比较影响程度的问题。标准化因子绝对值越大，表示该因子对股票价格的解释水平越高。可决因子是在调整回归方程后获得的，主要是指全部指标对股票价格的整体解释水平。可决因子越大，表明该模型对股票价格的解释水平越高，也就是说股票价格的变化对基本面因素变化有较大的影响，投资的合理性越大。相应的回归分析结果见表2。根据回归分析的计算数据能够获得如下结论：在观察时间，每股收益包含在回归模型之中，具有最佳的解释股票价格的水平，因此，这个结果表明上市公司的盈利能够受到较好的关注。回归数据表明大多数情况下每股收益和总资产收益率均包含在回归模型内，从而表明证券投资者非常关注对股票价值有较大影响的基本面，这一结果表明价值投资意识已经不断地深入人心。从回归分析结果数据可以看出，在2011年营业利润增长率包含于回归模型，从而说明证券投资者已经对上市公司的成长性有了关注，同时能够表明证券投资者对和内在价值有关的基本面因素有了更为深刻地认识。从回归分析数据可以看出，2010年和2011年期间每股净资产已经退出了回归模型，表明证券投资市场不够关注风险水平。每股净资产是指上市公司在破产时证券投资者股票的内在价值。每股净资产属于主要的风险评估基本面因素，正在被证券市场逐步地认可，说明证券市场对股票的关注不仅停留在投资回报上，同时非常关注风险的存在，这正是证券市场不断趋向于理性的具体表现。通过对2009年和2010年的回归分析可知，每股净资产指标出现了缺失。主要原因在于2008年股票市场比较好的局面导致了证券投资者的思维定式，降低了对风险的关注度。经历了一段时间，大量的解释变量符合了回归模型，这表明投资者对基本面的研究更加完善。根据回归分析的结果，证券投资者不断地利用更多的指标，通过不同的层面更为全方位地考虑证券的内在价值，证券市场不断向以价值投资为中心的投资方向发展。此外，可决因子的周期变化表明在我国证券市场中，基本面因素对股票价格的解释能力不断提高，然而并不稳定。当外部经济环境产生变动时，证券投资者容易产生非理，从而使非价值因素再一次占了上风。

我国证券投资基金价值投资的应对措施

管理费还能够促进基金公司的可持续发展，为基金持有者带来更大的投资回报。然而，如果基金管理公司的工资待遇和资产管理规模关联过大，就会导致基金管理者仅仅关注视资产管理的规模，忽视帮助基金持有者获得更大的投资回报。最为管用的方式就是优化基金管理收入的基本组成，采用浮动收益的方式，一定的资产管理费可以确保基金的有效实施，而浮动收益可以使基金管理者以基金投资者的权益为中心帮助基金投资者能够获得更大的收益。充分地利用投资组合策略。证券投资本身具有较高的风险，但是高风险和高收益是相互对应的，怎样才能使投资风险减少并且使投资收益最大，投资组合策略就是一种行之有效的方法，利用这种方法不仅能够有效地预防投资风险，而且能够有效地弥补证券投资价值的缺陷。投资者可以依据不同阶段国际经济形式、国内产业制度以及行业的发展潜力适时地调节投资产品的比重，从而能够得到最佳的收益。投资者应该不断地转变投资理念。投资者的理念在证券投资中具有非常重要的作用，证券投资者应该坚持长期投资的理念，主要关注证券投资的长期回报。证券投资者必须熟悉证券投资的相关概念和理论，知道证券投资过程中潜在的风险，掌握证券投资产品的相关功能；投资者应该明确投资目的，依据自身的实际情况选择适合自身的证券投资产品。投资者应熟悉证券公司的相关情况，对证券公司的专业化水平、标准化产品、内部风险控制制度以及信息披露系统等情况有比较深入的了解，从而能够从长期投资的角度获得最大投资回报率。不断健全证券市场的管理制度。通过股权改革可以较好地处理中国证券市场流通股和非流通股股东之间利益的不一致性、中国国有上市公司管理者缺位等难题，能够为中国证券市场的制度化营造一个有利的环境，从而能够不断深化中国证券市场的中长期投资价值，为证券投资基金执行价值投资创造一个非常有利的市场平台。五、结　论我国证券市场仍然是一种新兴的证券市场，依然处在非有效市场向弱有效市场不断转变的阶段，从某种意义上，利用价值投资策略得到的收益不是非常稳定的。通过股权分置改革，伴随着上市公司质量持续提升，价值投资策略将转变为证券市场的主流方式。根据相关研究可以得到以下结论：1．选取深证300指数股进行相应的回归分析。根据回归分析的结果可知：上市公司的盈利水平是非常受到重视的。证券投资者更加关注决定股票内在价值的基本面因素，价值投资理念正在渐渐地深入投资者的人心。投资者对上市公司的成长性给予了足够的重视。市场对风险的关注程度正在降低。每股净资产能够表明上市公司在破产的状况下，投资者持有的每股股票的价值。证券市场对股票的重视不但保持在收益上，而且非常关注风险，从而使证券理性更加回归理性。随着证券市场的不断发展，投资者能够更深入地剖析基本面的内涵。根据回归分析的结果可知：证券投资者已经利用更多的指标，从不同的层面深入地考察股票的经济价值，市场正在向以价值投资为主的理性投资发展。2．中国证券市场是一个新兴市场，正处于转型时期，因此，具有较好的价值投资意义，然而不能获得比较稳定的收益。因此，应该采取有效的措施，完善基金绩效评估体系和股票发行政策；合理地调整基金管理收入结构；充分地利用投资组合策略；投资者应不断转变投资理念；不断完善证券市场的制度体系。随着上市公司质量的持续提升，价值投资将不断地深入人心，通过价值投资可以使中国证券市场更加趋于稳定。

作者：赖晓聪 陈凡 单位：中国社会科学院

量化投资与证券管理范文第4篇

【关键词】信贷资产证券化；资产信用；有效途径

一、信贷资产证券化的特点

信贷资产证券化本身是银行间接融资与证券直接融资相结合的一种业务。和其他融资方式相比，资产证券化有其自身的独特之处：1.资产证券化的基础资产一般相对较好，同时进行信用增级，因此融资成本一般低于以企业整体为基础的融资方式。2.通过证券化资产“真实销售”和“破产隔离”，设立风险防火墙。3.把部分未来预期现金流状况较好的资产剥离，或者对不同资产进行组合搭配，进行资产重组。

二、信贷资产证券化的优势

（一）信贷资产证券化拓展中小企业的融资渠道。目前，由于商业银行信贷规模的限制导致中小企业贷款难以有效保障，同时又缺乏规模效应、市场竞争力相对较低以及无形资产稀缺，大多数中小企业无法发行股票和债券融资。而中小企业信贷资产证券化则可将小企业贷款的专营模式与资产证券化技术相结合，通过资产证券化的平台和工具，将中小企业的融资需求引导到间接融资市场上。这样既充分发挥间接融资模式下商业银行熟悉企业及直接融资模式下投融资行为高效等方面的优势，又发挥市场在风险分散和资源优化配置上的优势，为中小企业融资提供了一种新的混合式的方案，从而构筑起中小企业在间接融资和直接融资之间的桥梁，有利于降低中小企业的整体融资成本。

（二）信贷资产证券化缓释商业银行资本压力。过去商业银行资本管理偏重于分子管理法，重点考虑如何增加资本，而信贷资产证券化则是对庞大的商业银行资产负债实施“瘦身术”，通过缩小分母提高资本充足率，降低存贷比，缓解银行资本饥渴。由于当前实施的存贷监管办法未覆盖证券化资产，因此通过信贷资产证券化可腾出银行自身信贷额度，提高放贷能力，为中小企业提供可持续的服务。信贷资产证券化扩大了商业银行的业务发展空间。商业银行作为信贷资产证券化的发起人，可充当贷款管理机构、托管机构和结算机构，采用收取管理费、托管费和结算收入等方式增加中间业务收入，从而改变商业银行盈利模式。

（三）信贷资产证券化可以解决银行负债和资产在利率和期限、结构上的非对称矛盾，通过合理的贷款转让定价提高信贷业务总体收益。通过利率趋势预测，在升息前出让低息贷款，并在升息后重新放贷，可取得利率变动收益。同时，信贷资产证券化也给银行理财业务发展提供了机遇。

（四）从风险管理角度看，信贷资产证券化使风险由存量化转变为流量化，通过风险定价和转移技术实现金融功能由资源配置转变为风险配置。商业银行通过将拟退出的区域、行业或企业的信贷资产进行资产证券化，转换为在市场上可交易的产品，可以快速实现信贷退出，有利于分散和转移信贷资产风险，优化信贷资产结构。

三、信贷资产证券化面临的问题

信贷资产证券化的良性发展离不开成熟的金融市场，离不开完善的法律、信托、税收等环境，目前我国信贷资产证券化仍然面临现实的困难。

（一）市场制度不够健全。我们国家的金融和证券发展还没有达到发达国家的水平，还没有建立起信贷资产证券化所需要的值得投资人信赖的独立的法律法规框架。市场不够成熟。我国信贷资产证券化市场分为两类：一类是由银监会审批监管的银行信贷资产证券化和资产管理公司的不良资产证券化，其产品主要在银行间债券市场进行交易；一类是由证监会审批监管的证券公司发行的企业资产证券化，其产品主要在证券交易所的大宗交易系统挂牌交易，两个市场不能互联互通，限制了信贷资产证券化产品的流动性。目前，信贷资产证券化市场一级市场投资受限，二级市场尚未形成。

（二）定价机制不够完善。商业银行内部的投资授信体系多是基于单个客户或单笔贷款，对资产包的投资授信机制尚未建立起来。而我国利率没有完全市场化，尚未形成清晰准确的债券资金收益率曲线，缺乏评估证券化资产风险和产品定价的科学方法。

（三）分散风险功能发挥不够。目前我国商业银行既是资产证券化产品的发行者，又是最主要的投资者，很多信贷资产证券化产品是银行间互相持有，市场没有形成足够的专业风险投资人主体，不利于分散风险。

（四）证券化产品吸引力不够。由于包括社保基金、企业年金、养老基金、保险机构等机构投资者的市场准入受限，使得信贷资产证券化产品的投资者类型单一。很多投资者对信贷资产证券化产品不熟悉，一些大机构对流动性较差、期限较短、规模较小、风险较高的中小企业信贷证券化产品投资兴趣不大。另外，中介机构服务能力不够也是我国信贷资产证券化所面临的问题。目前我国信用评级运作还不规范，评估机构发展相对较弱，缺乏统一的评估标准和评估一致性，难以做到独立、客观、公正。

四、创新中小企业信贷资产证券化的有效途径

量化投资与证券管理范文第5篇

关键词：证券公司 创新 全面风险管理

一、引言

2012年5月，全国证券公司创新发展研讨会明确了监管的底线：一是证券公司行为要合法合规，不能损害投资者合法权益；二是证券公司创新风险要可测、可控、可承受、不外溢，不形成社会性、系统性风险。目前沪深两个交易所针对证券公司产品创新梳理了三大创新角度和十一项具体创新方向，这仅仅是一个开始，证券公司的经营范围甚至会向资本市场以外延伸。

管制在放松，监管部门鼓励证券公司的业务创新；监管在深化，监管部门对证券公司的监管更加精细，现场检查次数在增加，报送材料在增加，系统权限接口在增加。资本金充足、风险控制能力强的证券公司将得到进一步创新发展，而创新业务的开展无疑将进一步加快行业的内部分化。

创新业务和传统业务的重要区别往往在于其产品设计和运作的复杂性以及风险和收益特征的隐蔽性，尤其体现在衍生产品、结构化产品以及表外业务上，创新业务逐渐呈现复杂化、多元化、高风险的特点。在缺乏行业经验的基础上，证券公司如何确保创新业务风险的可测可控，很大程度上取决于能否对产品的风险点进行有效识别，能否迅速掌握新型风险科学计量和控制技术。

所谓风险管理，是指通过对风险因素、风险环境、风险事件的分析，采取相应决策和行动来规避和减少风险损失，或者在风险值确定的情况下，追求最大收益的行为。风险管理和创新的关系是相辅相成，共同发展。风险管理的结果是创新的基础，没有有效规范的基础保障，无法获得创新的资格。技术上、模式上、管理上的创新也能有效提高风险管理的针对性和有效性，业务上、产品上的创新需要内控管理和风险管理在过程中的紧密参与。创新的结果不仅是声誉的提升、业务的发展、收入和利润的提高，也是管理的提升、风险管理水平的提高。风险管理的目的不是制约业务创新，而是推动业务创新在规范、有序、高效中发展。

二、部分创新业务全面风险管理简析

（一）债券质押式报价回购业务

债券质押式报价回购业务可能存在的主要风险点有：1、实际经营中业务规模突破了授权规模的规模失控风险；2、因配置资产流动性不足导致无法部分或全部偿还到期客户资金的流动性风险；3、因资金期限错配导致未能及时满足客户大额赎回申请的风险；4、因标准券质押不足而造成的欠库风险；5、因投资债券主体信用事件导致的信用风险；6、因利率等因素的变动使得投资损失的市场风险；7、因流程不合理、系统故障、操作失误等所造成业务开展出现故障而导致公司面临的操作风险、声誉风险等。

针对这些可能存在的风险点，证券公司可采取如下风险控制措施：对报价回购业务规模及每日公司交易总额度进行限额管理；对大额申赎、关键时点、标准券折算率等进行事中盯市；提升自有资金保障、质押券保障和融资渠道保障等应急流动性安排；建立交易对手与交易品种信用评级机制，对公司各项投资组合进行监督和压力测试。采取这些举措可以有效对风险点进行识别、评估与应对，确保业务持续稳健运营。

（二）约定购回式证券交易业务

约定购回式证券交易业务面临信用风险、市场风险和流动性风险三大类风险。信用风险是因客户履约能力不足或恶意不履约的行为导致客户未能按照协议约定按期足额偿还交易款项所形成的风险。市场风险存在于两个方面：一是由于股票价格的波动造成客户标的证券市值、流动性等发生不利变动，从而造成交易履约保障比例下降的风险；二是同期贷款基准利率调高导致约定购回成本升高、客户债券类标的证券的市值或公允价值下降，增加客户违约风险。流动性风险指公司的流动性不足以及客户违约后处置标的证券所面临的流动性风险。

防范上述风险的关键点在于标的证券管理及客户授信管理。标的证券管理包括股票池范围标准的选定以及标的证券折算率的设定，目前证券公司主要运用经典的CAPM、WACC、Bata、DDM模型对股票进行定价，进而完成折券折算率的设定。而客户授信管理方面，金融机构对机构客户的信用评级尚可称完整，但对个人客户的信用评级基本仅停留在定性方面，缺乏定量评级，科学性及有效性还需要不断加强。因此，增强券商定价能力及客户信用评级能力是目前风险管理所需。

（三）融资融券业务

转融通推出后的融资融券业务，同样面临信用风险、市场风和流动性风险三大类风险。其中，最主要的风险是客户大面积违约带来的信用风险与利率变动带来的市场风险。正常情况下，证券公司按照制定的风险管理措施进行融资融券业务风险管理，风险规模较小，证券公司面临的风险可控；但如果市场情况恶化导致客户大面积违约或者利率突然大幅变动等极端情况发生时，证券公司可能因流动性问题引发连锁效应，向证金公司违约，损失进一步扩大。在这种情况下，限额管理及信用衍生工具（如CRM）、利率衍生品对冲工具（利率互换、FRA）将是有效的风险防范手段。

证券公司创新业务将越来越多的呈现出跨行业、跨部门和跨业务的趋势。在这种情况下，传统风险管理模式大多仅从单项业务、单个部门的角度考虑风险，无法应对不同业务、不同类别风险的传导效应，很难适应创新业务的发展要求。随着证券行业创新业务品种的不断增加，风险灵敏性加强，风险管理工作应当从风险组合的角度出发，贯穿各类业务，综合考虑风险成因及对策，实施全面风险管理，以有效应对综合性风险、系统性风险。

三、全面风险管理转变的思路与建议

（一）从源头介入业务创新

证券公司的内控管理部门要主动提前介入、深入参与、密切配合业务创新的整个过程，参与新业务或新产品方案的设计和论证，认真对待、仔细研究、耐心解答业务部门提出的各项问题；积极对创新业务的材料进行审查，配合完善相关业务制度规程；为相关单位与人员提供咨询建议；着重从创新业务或产品结构、交易机制、权利义务安排、规章制度和合同协议制定等方面提供支持；对创新业务的合规风险进行有效评估、控制和管理，深入分析解决新业务发展、新产品推广碰到的问题和障碍，确保创新业务在合法合规的前提下稳妥拓展。

（二）风险分类管理向总量管理转变

目前证券公司主要按业务条线或风险类型进行风险管理，但随着证券公司创新业务的开展，一项业务往往暴露于多项风险因子之下，一项风险因子的波动往往会对多项业务产生影响。如融资融券业务既要受客户信用风险的影响也要受市场风险的影响，而股票价格的波动除影响融资融券业务外也会对自营业务、资产管理业务等产生影响。因此，在分类风险管理模式下通常难以观察到公司风险暴露情况的全貌，也不利于与公司风险承受能力进行对比分析。为适应证券公司业务和产品创新要求，证券公司需要从自身业务经营角度出发，构建符合自身业务经营特点的数量模型，开展总量风险计量，以便更准确真实地估算公司业务经营所承担的风险大小并加以管理。

（三）建立创新业务特有风险的预警、监控

针对创新业务特有的风险，证券公司需要深入剖析风险因子，结合因子对参数的敏感性情况，建立多维度、多层级的风险预警体系。例如某行业景气度指标负向调整，可能引发客户履约能力下降，导致信用风险增加的预警提示等。证券公司可以通过针对性的编制创新业务风险迁徙热力图，提供智能导航、风险导向型、深入风险因子的预警服务。证券公司还可以根据敏感性测试筛选前置指标、同步指标、后验指标等，将关键风险指标与风险标准库中的风险事件进行关联，设置明确的阀值，确认创新业务风险状态所处水平——危险水准、警戒水准还是可接受水准。最后，证券公司的监控系统应提供开放式接口，根据市场与业务的变化采集业务运作信息及支持信息，通过分析关键风险指标对相关阀值的冲击，结合多渠道、多形式的监控结果，向各级管理层及时汇报创新业务运作状况。

（四）定期调整创新业务关键风险指标

证券公司可以通过对各项创新业务建立风险控制矩阵，在创新业务开展一段时间后定期开展实施回测，进一步分析创新业务风险点及其来源、特征及形成条件，验证创新业务风险管理策略和风险管理解决方案是否有效。当遇到重大风险事件或政策变更时进行风险点不定期维护，确保公司经营过程中的重大关键风险点能够被有效识别，同时还应当持续深化风险点的识别工作，根据公司业务的发展以及各阶段的工作重点，不断刷新关键风险指标（KRI）。

（五）创新趋势下风险管理工具的应用

发展风险量化分析工具的应用、产品定价及风险对冲缓释能力的提高、增强授信评级模型的科学性及有效性，是创新趋势下风险管理自身发展的新方向、新途径。目前，证券行业的市场风险量化分析模型已经较完善：信用风险可以通过建立起内部信用评级模型来量化发行人信用风险；操作风险可以利用公司内、外部收集的数据实现了量化分析。为强化风险管理工具的运用，证券公司应当在风险管理方面投入必量的人力物力，尽可能培养和引进具有数理功底的量化分析人才，搭建风险量化分析系统，进一步强化风险量化分析能力。

（六）情景模拟和压力测试

证券公司可以通过梳理涵盖创新业务在内的所有业务的风险列表，包含经营风险、市场风险、操作风险、信用风险和流动性风险等风险，收集尽可能多的风险因子及其对应不同压力情景下的数值，形成轻度、中度、重度压力情景列表。尤其是重度综合压力情景，因其近乎苛刻的压力条件，能涵盖创新业务开展后所有极端情景。随着创新业务的不断推出，证券公司要及时根据业务特点不断丰富风险因子，完善情景库，开发多维度、多因子、进阶式的压力测试系统，建立了适应于专项、综合压力情景的压力测试体系，包含产品层面压力测试、组合层面压力测试、业务层面压力测试和公司层面压力测试等层级，涵盖传统业务和创新业务中绝大多数风险环节。在创新业务开展前，证券公司应当模拟经营环境大幅波动等极端情况，通过压力测试论证创新业务是否会引发风险失控；在创新业务开展过程中，通过压力测试为创新业务的规模调整提供支持；在创新业务常态化之后，为其他创新业务的净资本指标占用提供情景参数，从而为创新业务的运作营造一个合理的氛围。

创新会增加产品复杂性和市场关联性，创新的过程也是风险积累的过程，过度承担风险，会给证券公司带来危险；承担风险不足，又会让创新裹足不前。从证券行业分析，随着创新的不断深入，全面地认识风险，客观地容忍风险，适度地承受风险，主动地管理风险，将成为证券公司发展战略的重要内容。

参考文献：

[1]彭志国，刘琳.企业内部控制与全面风险管理[M].北京：中国时代经济出版社，2008

[2]高立法.企业全面风险管理实务（第2版）[M].北京：经济管理出版社，2012

[3]潘雅琼.证券公司业务创新的风险管理[J].经济论坛，2006（12）

[4]屠新曙.证券市场风险管理[M].北京：科学出版社，2008