股票投资步骤

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篇股票投资步骤范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

股票投资步骤范文第1篇

一、引言

随着我国股票市场飞速发展，进行股票理财逐渐成为企业和个人进行资产增值的一个主要手段。但选取合适的股票牵涉因素非常宽泛，因此如何使用专业的统计手段选取股票逐渐成为广大投资者非常重视的部分。

层次分析法最早由美国学者t.l.satty（1977）提出，是一种将复杂系统的评价决策思维过程数学化的多目标评价决策方法。本文尝试使用层次分析法，以沪深股市的4只房地产股票为例，通过层次划分来简化各种影响选取的投资指标，通过对指标进行加权处理后对方案层进行比较，然后得到相应的层次分析结构模型，为层次分析法在股票投资领域的应用进行了探索和实证。

二、研究方法

本文使用层次分析法，在进行系统分析、设计、决策时，一般分为四个步骤，分别是：

（一）对系统中不同因素之间的关系进行分析，构建递阶的层次结构模型。

在模型中，一个复杂的问题按照各种不同因素的关系，一般依照上中下不同层次划分为三类，分别是最底层（一般是要使用的各种措施方案，用于解决问题）、中间层（一般用于衡量是否达到目标的判断准则，有准则和子准则）和最高层（往往只有一个，就是决策者希望达到的决策目标）。

（二）每个不同层次的不同元素按照上一层的准则重要性，进行两两比较，构建两两比较判断矩阵，并进行一致性检验。

比如，当我们考虑方案层各元素cj，j=1，2，3时，考虑到准则层元素bk，k=1，2，3，的重要性，设cij为方案ci与cj，从相对重要性的角度与上层元素bk进行比较后，其赋值规则见表1。

表1判断矩阵标度及其含义

注：cij的取值可更加细化地取2，4，6，8或1/2，1/4，1/6，1/8

定义一致性指标，要求一致性检验必须通过，因为必须要把这种不一致的程度控制在一定范围内，防止出现在多阶判断时的不一致现象。然后引入平均随机一致性指标尺及其系数表，设n为判断矩阵阶数，当n=l，2，……，9时，其对应平均随机一致性指标见表2。

表2平均随机一致性指

维数 1 2 3 4 5 6 7 8 9

ri 0.00 0.00 0.58 0.96 1.12 1.24 1.32 1.41 1.45

由表2，计算判断矩阵的随机一致性比率cr，当

时，可以认为判断矩阵具有满意的一致性。

（三）通过层次单排序计算不同元素在每个准则下的相对权重。

层次单排序的算法包括方根法、和法两种，其原理是根据判断矩阵来计算各元素在与上一层某元素有联系时的重要性次序的权值。本文的层次单排序使用和法来计算，共4个步骤：

1.对判断矩阵每一列元素求和；

2.用判断矩阵的每一元素除以其所在列的和，转换成标准判断矩阵；

3.对判断矩阵每一行元素求均值，得出层次单排序；

4.把标准判断矩阵乘以层次单排序向量（对应于最大特征根的特征向量），对所得向量的所有分量求和，得到判断矩阵的最大特征根：

（四）层次总排序。

经过上述三步以后，就可以使用层次总排序，对最底层元素相对于最高层元素（即最终目标）的相对重要性进行计算，得出排序值。

三、模型构建

基于层次分析法进行房地产类股票投资决策的模型构建，经过分析，本文最终将影响因素聚焦在公司基本素质分析上，具体包括两个维度，分别是公司竞争地位和公司营利能力及增长性。

在上述两个维度上，房地产企业均有其不同于其他行业的特殊性，首先，房地产公司的公司竞争地位主要体现在三个因素：主营业务收入、公司规模和融资能力。其次，房地产企业的营利能力及增长性主要由公司的股票的市盈率、市净率、重估净资产（ranv）以及净资产收益率这四个因素来说明。按照层次分析法对上述所分析的各相关因素进行归纳，得到最底层为具体的待选股票，中间层次是准则层和子准则层，最高层次即为最佳投资目标，对其构造投资决策层次结构图如图1所示：

图1房地产股票投资决策层次结构图

下面依据层次结构图构造判断矩阵并进行层次单排序。

（一）得到判断矩阵a-b。对准则层的公司竞争地位和公司营利能力及增长性两个指标进行两两比较，然后得到判断矩阵为：

上市表示两个因素权重的特征向量，其中最大特征值。

（二）得到判断矩阵b1-c。对主营业务收入、公司规模和融资能力等三个子准则根据公司竞争地位这一准则进行两两比较，得到判断矩阵为：

上式表示三个子准则权重的特征向量，最大特征值，ci=0，cr=0<0.1，因而矩阵满足一致性。

（三）得到判断矩阵b2-c。同理，对市盈率、市净率、重估净资产（ranv）以及净资产收益率这四个值就公司的营利能力及增长性这一准则进行比较，得到判断矩阵：

上式表示四个子准则权重的特征向量wb2=（0.4547， 0.1411，0.1411，0.2631）t，最大特征值，ci=0.0034，cr=0.0038<0.1，故此矩阵满足一致性。

（四）对子准则层一直到方案层逐层进行层次总排序，计算出所有子准则的权重如表3所示。

表3 子准则指标权重

指标 c11 c12 c13 c21 c22 c23 c24

权重 0.14 0.05 0.14 0.31 0.09 0.09 0.18

（五）对所选股票的各项指标数据及权重进行加权计算，得出各股票投资价值的优劣排序。具体计算为：

转贴于

其中，即投资价值，为n个股票投资价值的得分向量，代表m个评价指标的权重向量，是n个企业m个指标的无量纲化数据矩阵。

四、实证分析

本文数据来源于大智慧软件及上市公司咨询网，待选的4只房地产公司股票分别是万科a、渝开发、金融街和张江高科等房地产开发与经营类企业，选各公司相关指标的2011年的第一季度具体数据进行决策分析。四个上市公司的原始财务数据如表4所示。首先，对每个公司的各指标值打分，比如，假设x股票m指标的得分为sx，则计算为，另外需要注意的是，市盈率、市净率两指标的计算需要使用倒数，因为这两个指标值越低，就表明股票的估值越合理，则投资价值就越高。然后，按根据子准则的权重对每个指标分值加权求和，计算出各股票的投资价值相对得分 （见表5）。根据得分对股票进行投资价值排序，越靠前，则说明该股票与待选的其他股票相比越值得投资。

表4 各上市公司财务数据

注：本数据采集截止日期为2011年3月31日

表5 股票投资价值相对得分

由相对得分分值可以看出，金融街和万科a的综合评价得分相对较高，更值得投资，其中万科a作为房地产行业龙头，品牌知名度高，效益好，但因为近几年国内住宅市场宏观调控比较严格，未来发展趋势仍不明朗，所以在公司营利能力和增长性上比金融街差上一些。而金融街更多的业务在商业地产上，现今已经发展为国内商务地产的领军者。基于上述分析，金融街的得分为83.82。渝开发和张江高科是地方性的房地产企业，相对得分较低，由此得出，其受地方房地产调控的影响较大，因而进行选股时要多加注意。基于上述分析，使用层次分析法对房地产企业股票的选股投资进行决策，符合实际，有一定的参考价值。

股票投资步骤范文第2篇

[关键词]权益类投资；股票市场；证券市场；基金投资；股票投资

从允许保险公司通过证券投资基金间接投资股市，到放开保险公司直接入市，权益类投资在保险公司整体资产配置中的重要性日益提高。现在权益类投资占保险公司整体资产配置的比重不是很高，但却是可以提高整体收益率的一个重要手段，值得深入研究。

一、投资目标

通过股票或基金的组合投资，直接或间接投资于中国的股票市场，在控制风险的前提下，实现投资净值的稳定增长和资产的长期增值，分享中国经济持续稳定高速增长的成果。

二、投资理念

（一）积极管理

1.中国的证券市场还不是非常有效的市场，价值被低估和高估的情况经常出现，市场充满投资机会

2.消极管理指导思想下的指数化分散投资还不能有效降低风险

投资的基本原理之一是分散化投资，也就是谚语常说的“不要把鸡蛋放在一个篮子里”。我们说，“鸡蛋”可以放在不同的“篮子”里，但前提是“篮子”必须结实，而在中国市场，结实的“篮子”太少，不结实的“篮子”太多。因此，过于分散化的投资还不能很有效地降低风险。

3.机构投资者的信息与人才优势使积极管理成为可能

当前中国的机构投资者队伍在不断壮大，境内的投资者包括基金管理公司、保险公司、财务公司、证券公司、信托投资公司等，境外的机构投资者则以QFII为主。机构投资者拥有资金、人才、信息等多方面优势，通过全球视角下的宏观、中观和微观分析，能更有效地发掘超额收益，使积极管理成为可能。

（二）价值投资

1.价值规律同样在证券市场发挥作用

价值规律告诉我们，在商品市场上，价格围绕价值波动。在证券市场上，价值规律同样发挥作用，即上市公司的股票价格也是围绕其内在价值进行波动的，当价格低于其内在价值时，应该大胆买入；当价格高于内在价值时，应该果断卖出。

2.在市场规模不断扩大及机构化、国际化的背景下，价值投资将逐步成为未来中国证券市场主流的投资理念

（1）中国证券市场规模不断扩大，少数机构操纵市场与股价的难度越来越大。

从1996年到2005年，股市流通市值增加了243％，而2005年下半年启动的“股改”，更是中国股市的重大制度性变革，“股改”之后，非流通股将逐步转为可流通股，中国股市的流通市值将在现有的基础上翻一番还多，这使得操纵市场的难度进一步加大（见图1）。

（2）机构化。我国证券市场机构投资者比重迅速上升，机构与散户的博弈变为机构之间的博弈。

（3）国际化。对外开放步伐逐步加快，发达国家成熟的投资理念对我国的影响逐步加深。从2003年QFII进入中国证券市场以来，截至2005年底，共有34家机构获批QFII资格，累计批准额度56.5亿美元，此外，还有很多境外投资机构以合资等方式进入中国证券市场。这些境外投资机构应用发达市场成熟的投资理念和投资方法，在全球视角内进行价值判断和投资决策，在取得良好的投资收益的同时，也深深影响了境内投资者的投资理念。

3.新兴市场下的相对价值投资

（1）中国公司治理结构不完善的情况较为普遍，具有绝对投资价值的品种较少。

（2）“常青树”较少。在国外成熟证券市场上，曾出现过一些令人艳羡的“百年老店”，使得长期价值投资成为可能。而在中国，大多数公司受体制机制的局限及经济周期和国家产业政策的影响较深，业绩起伏较大，往往是“各领一两年”，常青树型的上市公司较少。

（3）价值投资理念的确立需要一个不断反复和确认的过程。需要人们在经历市场风风雨雨的磨练和“教育”之后逐步认识和确立。

4.价值分析为主，技术分析为辅

股票价格的中长期走势取决于公司的基本面，但其中短期走势却时时受到市场偏好和供求关系的影响，因此技术分析具有短期指导作用。任何事物都是波浪式前进的规律，同样告诉我们：股票投资的“波浪理论”及在其指导下的波段操作，与价值投资可以并行不悖。

（三）组合优化

在优中选优的基础上，通过适当分散组合投资，可以降低投资的非系统性风险，获取风险调整后的最优收益。

三、股票投资策略

（一）价值投资理念下的两类投资风格

价值低估与业绩成长是股价上涨的根本动力。在价值投资理念的大旗下，又可以分为两类主要的投资风格：价值投资型与价值增长型或者两者的完美结合。

1.价值投资型

价值投资型股票往往具有以下四方面特征：

（1）较低的价格／收益（PE）比率，即低市盈率。

（2）以低于面值的价格出售。

（3）隐藏资产，“公司也许拥有曼哈顿，这是它从印第安人那里买来的，不过遵循良好的会计惯例，把这项购买以成本24美元人账。”

（4）长期稳定的现金分红比率。如果一家上市公司能长期稳定地现金分红，这本身就意味着该公司有稳定的经营模式、稳定的现金流，这也构成长期投资价值的一部分。

2.价值增长型

价值投资的另一种风格是价值增长型，这里强调其内在价值随着业绩的增长而增长。如果说长期价值投资型风格是一种防御型风格的话，价值增长型就是一种进攻型风格。价值增长型股票具有以下四点特征：

（1）处于增长型行业。

（2）高收益率和高销售额增长率。

（3）合理的价格收益比。对于高成长的股票而言，其市盈率往往会随着股价的上升而上升，这是增长预期在价格中的体现，是合理的，但是市盈率不能比增长率高出太多，最好是（P／E）／G小于或等于1.

（4）强大的管理层。

（二）前瞻性是选出好股票的关键

1.对历史的理解是股票投资的基本功

要做好股票投资，首先要对历史具有充分的了解和理解，以史为鉴，有助于指导我们现实的投资。

2.买股票就是买企业的未来

股票价格说到底是对未来现金流的折现，可以说，买股票就是买企业的未来。这就要求投资者具有前瞻性的眼光，能够见别人所未见。

3.任何超额利润都来自于独到的眼光

从众心理是投资的大敌，从众最多让投资者获得平均利润，而不可能获得超额利润，更多的时候从众心理会带来亏损；获取超额利润，必须要有独到的眼光。要能做到人弃我取，在市场低迷时敢于介入；也要能做到人取我弃，在市场过度乐观时果断卖出。

4.在前瞻性基础上优中选优

在前瞻性基础上，还要做到优中选优，保证投资的成功率。

四、基金投资策略

基金投资与股票投资既有相似之处，也有差异之处，相似之处是指对基金的投资同样要遵从价值投资理念，选择投资价值高的品种；不同之处在于基金的估值指标体系与股票有较大差异。在对基金进行投资价值分析时，可以从以下四方面入手：

（一）看过去

看过去是指考察基金公司和基金过去的业绩表现，大致包括三方面内容：

1.对既往业绩与风险进行评估

对既往业绩和风险进行评估等于绩效评估和归因分析。收益分析包括对净值增长率和风险调整后收益指标的分析（詹森比率、夏普比率、特雷诺比率等）。经过风险调整后的收益率指标，能更全面地反映基金经理对收益和风险的平衡能力。另外，还要对包括主动投资风险度、股票仓位调整、行业集中度、股票集中度、基金重仓股特征等指标进行分析。

其中对基金重仓股（前五大市值或者前十大市值）要进行重点研究，重仓股是基金经理自上而下和自下而上投资分析的综合结果，对判断基金经理的择股能力有着重要参考意义，因此要对基金重仓股进行认真的对比分析。

2.基金经理的素质与能力

如果说买股票是买企业的未来，买企业的管理层，那么买基金就是买基金公司，具体而言就是买基金经理。基金业是个智力密集型行业，其投资业绩主要是依靠管理团队和基金经理的投资管理能力。因此，基金经理的投资理念、投资经验、市场感觉、择股择时能力，对基金的业绩都有巨大的影响，在选择基金时，必须对基金经理的素质和能力进行全面的考察。

3.管理团队

管理团队是基金公司经营的核心，其对个体基金投资业绩的影响不容忽视，特别是对不突出明星基金经理，而更注重整体管理的基金管理公司而言，其意义更为重要。因此，管理团队也是选择基金的重要指标。

（二）看现在

看现在包括三方面内容，首先是当前股市的估值水平，即市场点位，其次是备选基金在当前市场估值水平下的应对措施，这主要体现在股票仓位上，最后是基金公司的人员有无变动。

1.市场点位

市场点位代表市场的估值水平，如果当前点位较低，进一步上升空间较大，则作为投资者可以加大对基金的投资力度，或者选择股票仓位较高的基金；如果当前点位已经比较高，估值水平已经较为充分，市场下跌的风险较大，则可以减少对墓金的投资力度，或者选择股票仓位较低的基金。

2.股票仓位

对股票仓位的选择需要结合投资者对市场点位和估值水平的判断进行。如果投资者认为当前市场点位较低，可以选择股票仓位较高的基金，反之则选择股票仓位较低的基金。但问题在于目前我国基金信息披露是按季度进行，投资者只能了解上季度末的仓位情况，信息有些滞后，要想实时了解基金仓位，只能通过基金净值变动进行估算，但这种估算的准确度不是很高。

3.人员变动

考察人员变动主要是看管理团队、投资团队、研究团队等投资核心人员有无大的变动，如果一些重要的人员如总经理、投资总监、明星基金经理等离职，则对于未来基金的业绩会带来一定的不确定性。

（三）看未来

“看未来”主要是对基金组合未来的收益和风险状况进行预测分析，包括四方面内容：

1.股票组合分析

对备选基金组合中个股尤其是重仓股的基本面进行分析，进行收益预测和估值分析。

2.规避风险

对股票组合的行业集中度、个股集中度、历史波动率等风险指标进行分析，对基金组合的风险进行评估。同时对其组合中的个股进行认真研究，避免踩到“地雷”。

3.评估增长潜力

通过对组合中个股的收益和估值情况的预测，可以对基金净值的增长情况进行预测，来衡量备选基金的增长潜力。

4.基金的“期限结构”

在选择封闭式基金时，要考虑基金的剩余期限，根据市场走势和基金净值变动预测进行基金剩余期限的合理搭配。

（四）看价格

“看价格”主要是指对封闭式基金的折价率进行分析，在其他条件相同的情况下，选择折价率相对较高的基金。

五、投资流程与方法

好的投资结果是建立在好的投资流程和投资方法基础上的，将投资决策的各个步骤进行合理地安排和整合，可以有效地将基本面与技术面研究、定性与定量分析、时机选择以及风险控制等结合起来，实现投资研究一体化、风险控制与投资交易并重。投资流程应该包括以下几个步骤：

研究先行—实地考察—价值评估—比较分析—技术分析—决策选择—买卖交易。

1.研究先行。进行自上而下的宏观研究与自下而上的微观分析，对行业以及股票的基本面进行了解。

2.实地考察。对企业进行实地调研，一方面了解企业未来经营发展情况，一方面也是对企业公开的报告和报表中的信息进行核实。

3.价值评估。在研究和实地考察的基础上，从上市公司基本面角度进行数量化分析，对股票价值进行评估。

4.比较分析。将股票的估值指标与同类企业以及大盘进行比较，确认其估值高低。

5.技术分析。从技术面角度进行分析，主要是对投资时机进行选择。

股票投资步骤范文第3篇

内容摘要:作为同跨一级和二级交易市场的基金类型,LOF(上市型开放式基金)自推出以来一直是国内证券市场上活跃的交易力量。本文修正饶育蕾等设计的板块聚合强度模型,发现LOF的板块现象明显出现在股票市场反转阶段;通过构造板块聚合强度指数检验模型,实证表明LOF的板块现象在一定程度上与股指走势等因素呈现相关关系。

关键词:LOF 板块现象 板块聚合强度模型

所谓LOF(上市型开放式基金,Listed Open-ended Fund)是指在交易所上市交易的开放式证券投资基金,投资者可以在指定网点与交易所申购赎回该基金份额,具备连通两级交易市场的性质。由于我国LOF公开发行时间尚短,其发展仍处于不成熟阶段,基金之间的投资策略具有一定的趋同性。“板块现象”是机构投资者中普遍出现的非理性现象,本文探究LOF基金在市场上的板块效应,分析LOF基金投资取向是否存在板块聚合的性质。

理论回顾

“板块现象”即某一时期内,与某一事件(或某一行业)相关联的股票的涨跌有明显一致性。国内对“板块现象”的研究中,饶育蕾等(2004)设计了基于行业投资组合聚合强度的羊群效应模型,并检验实证聚合强度与大盘股指的负相关关系;后来高凤丽(2008)对此模型作了进一步的修正。

本文参考饶育蕾及高凤丽等的基于行业投资组合聚合强度模型,在模型基础上作进一步的修正,利用LOF 历年板块投资组合数据,测定反映其“板块现象”的指数,步骤如下:

第一步,比较单个LOF的板块投资比重。计算各LOF投资于某行业股票的市值占该LOF股票投资总市值的比重,反映各LOF在板块选择即投资策略上的倾向。计算公式为:

其中,xij表示第i个LOF在t季度投资于第j板块股票的市值;表示第i个LOF在t季度对股票投资总市值,n为板块总数。

第二步,比较各LOF的板块投资差异程度。对于基金的行业投资差异程度,饶育蕾等与高凤丽所作模型中分别选取基金的板块投资比重的方差和标准差作为表征变量。本文沿用投资比重标准差作为各LOF板块投资差异程度的表征:

其中,为lofij,t的期望值,m为在t季度LOF的总个数。σj,t反应出所有LOF在t季度对j板块的投资比重差异程度。σj,t越大,表明各LOF的板块重仓差异越大。

第三步,计算全体LOF的板块投资比重。引入变量wj,t,表示所有LOF在t季度共同对某个板块的投资比重,比重越高表明所有LOF对某个板块的投资聚集程度越高。计算公式为:

,其中kj,t=1+λj,t

沿用高凤丽对饶育蕾等所作聚合强度模型的修正,其中表示所有LOF在t季度对j板块总投资市值;表示所有LOF在t季度的股票投资总市值。kj,t表示j板块在t季度区间内的涨跌指数, λj,t为j板块在t季度区间内的涨跌百分比。

此处对高凤丽的修正模型作了进一步修正,原模型忽视了板块涨跌程度对投资权重变动的影响,由于价格涨跌的因素导致投资权重变动并不能真实反映LOF投资的主动意愿,应消除价格因素。通过板块涨跌指数修正原模型的此项不足,更真实反映LOF对板块的主动投资聚集程度。

第四步,计算所有LOF的板块投资聚合程度。上述步骤中,变量wj,t和σj,t分别表示所有LOF对某个板块的投资聚集程度及投资策略差异程度,二者共同说明LOF的板块投资聚合情况。参考饶育蕾等所作聚合强度模型,定义聚合因子:

Clstj,t=-wj,t×logσj,t

其中,σj,t的取值范围为0≤σj≤1,采用对数进行同态并取负,使聚合程度指标为正。Clstj,t之间取值差异越大,表明LOF越集中投资某板块。进一步构造板块投资聚合程度模型:

HBt=100×σ2 CLST×[max(CLSTt)-min(CLSTt)]

其中CLSTt={Clstj,t|1≤j≤m},

σ2 CLST为所有聚合因子的方差,表明聚合因子的变动程度;[max(CLSTt)-min(CLSTt)]为聚合因子最大值与最小值之差,表明因子梯度。HB综合反映LOF板块集中投资聚合程度,HB值越大,“板块现象”越明显。

样本选取

本文采取2005年第二季度至2009年第一季度(共16季度)LOF按行业分类的季度股票投资组合数据为样本。提取各LOF资产配置中投资于股票市值(万元),板块区间涨跌幅(%)等数据。所有LOF投资组合数据来源于聚源数据系统(见表1)。

实证结果及分析

(一)LOF板块投资比重Wj,t分析

分析样本区间各季度LOF板块投资比重wj,t,在16个季度中LOF重仓前十名排名中出现15次以上的板块包括机械、设备、仪表业;金属、非金属业;食品饮料;金融、保险业;交通运输、仓库业;房地产业;采掘业等。LOF对金融、保险业板块及机械、设备、仪表行业板块的投资趋同程度最为明显,16个季度中对此两板块分别表现出大幅重仓及大幅减仓,体现LOF对两板块心理认同的同步性明显。

(二)HB指数走势及分析

图1中显示16季度内LOF的修正前后HB指数对比结果,二者存在较大差异。集中体现在2006年三季度至2008年四季度,修正前后的HB指数分别在1到2.5区间及0.2到4区间波动。可见除去价格升降因素,LOF板块投资聚合程度随时间推移有较大差异性,更能显现LOF的板块投资趋同倾向,因此引入板块涨跌指数修正指数是必要的。

再者,图1中也显示16个季度内LOF的HB指数与沪深300指数对比结果。在2005年下半年至2007年三季度的一波上涨行情中,修正后的HB指数一直处于小于1的水平,显示此时LOF对板块集中倾向并不明显。然而,当股指由高位掉头向下时,LOF的HB指数却大幅上升,最高点出现在股指反转下坡中段2008年一季度。此现象理由有二:一是由于修正后的HB指数对市场走势判断有滞后性,部分LOF未确认市场的下向掉头,仍继续追高前期的热点板块;二是部分LOF跟随市场反转行情开始,由于投资信心不足产生从众心理,共同集中于热点板块或空仓看空板块。后期股指继续探底,HB指数也随之下降。板块现象在股市谷底中反而并不突出,体现出LOF经波段中期的理性确认后回归相对自主的投资。

最后,LOF并未表现出过往研究中基金HB指数与股指反向运行的惯例,此特点与自身属性有关。LOF的投资者可以利用交易所交易,而不是在一级市场上以赎回方式变现,在一定程度上弥补开放式基金必须以现金赎回的缺点。由于二级市场分流了一部分赎回压力,LOF可以减少现金资产,使基金经理人更加专注于基金资产的灵活运用。因此,在股市低迷其他基金赎回压力大的时候反而不陷入板块聚集当中。而在大市反转阶段,由于市场多空分化加深,呈现信心不足的趋同投资是可能的。在2008年末至2009年一季度期间显现大市低迷反转迹象,HB指数也呈现翘尾,进一步说明HB指数在市场反转阶段的特征。

(三)HB指数检验

为进一步验证LOF的HB指数,找出影响HB指数的市场变量,设计基本的检验模型进行实证。构建原始检验模型为:

HBt=β0+β1hs300t+β2epst+β3 pet

+β4 gt+εt

hs300t:t季度末沪深300指数收盘价;epst:t季度末沪深300各股票每股收益的平均值(元); pet:t季度末沪深300各股票市盈率(平均值法)中位数(倍);gt:各LOF在t季度内的单位净值增长率(%)。本文利用SPSS17.0,通过逐步法对原始模型进行回归。由于pet在回归过程中未能在5%的显著水平下通过t检验进入线性回归模型,予以剔除。回归结果如下:

HBt=1.294+0.0001hs300t-2.12epst-0.045gt

T值(5.202)(3.373)(-2.703) (-6.545)

Sig.(0.000)(0.006)(0.019)(0.000)

df=15F=15.896 sig.=0.000 R2=0.799

检验结果表明,在5%的显著性水平上,由沪深300指数收盘价、股票每股收益平均值、LOF单位净值增长率通过t值检验,能较好地共同解释HB指数,模型拟合程度较好。

HB指数与沪深300指数关系呈现弱正相关,反映LOF在大市涨跌过程中未有明显的板块效应,不轻易产生板块聚集现象,符合上文对LOF的特点分析。最后,HB指数股票每股收益均值呈反向关系,反映市场普遍业绩越好,LOF的板块聚集越不明显,LOF独立自主分散投资意愿强烈;HB指数与LOF的单位净值增长率也呈反向关系,反映热点板块的追捧在一定程度上并未为LOF整体收益带来正面作用。

结论

本文针对LOF的板块投资行为特征,修正前人的板块聚合程度模型,对2005年二季度至2009年一季度的LOF季度股票投资组合数据进行实证分析,发现LOF的板块现象明显出现在大市反转阶段,但在大市上扬及谷底阶段板块现象并不明显。通过构造HB指数检验模型,证明HB指数与股指走势并未如过往研究中呈现负相关关系;而且股票业绩越好,LOF板块现象越不明显;板块追捧并未为LOF整体收益带来正面作用。LOF在样本取值期内的板块投资策略具有自身特点,应认清其在投资决策中的非理性因素,引导LOF市场走向理性成熟。

参考文献:

1.饶育蕾,王盛,张轮.基于行业投资组合的投资基金羊群行为模型与实证[J].管理评论,Vol.16 No.12(2004)

2.高凤丽.基于板块现象的基金行业投资研究[J].金融经济,2008

3.何诚颖.中国股市“板块现象”分析[J].经济研究,2001

股票投资步骤范文第4篇

关键词：社保基金；现收现付制；资产组合

中图分类号：F810.44 文献标志码：A 文章编号：1673-291X（2014）35-0212-03

引言

社保基金作为全球金融市场最主要的机构投资者，对全球金融市场产生着重要的影响。随着人口老龄化的到来，长期盛行的现收现付制在“艾伦条件”难以成立、制度上激励不兼容、影响长期经济增长率以及政府风险过大的原因下，已经难以为继。20世纪80年代末期以来，各国社保基金的改革趋势是：政府设法从负担越来越重的现收现付制抽身，尽可能的尝试缩小直接由财政收入偿付的公共养老金计划，力图减少政府对此的投入，同时设立新制度安排鼓励私人养老金计划的发展。可以说，现收现付制向基金制转轨是一种必然的趋势。

中国现在已经步入一个老龄化社会，并将在2030年代达到高峰，社保基金的运作势在必行。从目前的经济现实来看，中国养老保险制度从现收现付制向社会统筹与个人账户相结合的部分基金制转轨是一个理性的制度安排。随着部分基金制的运行，个人账户基金积累规模将越来越大。在既有的资本市场中，如何选择一个适当的资产组合，以便能在既有条件下实现一个最有效率的风险投资回报的配置，这是社保基金运作的一个基本问题。从大量的数据中发现，各国社保基金在各自的资产组合上迥然不同。其中，也很难可以找到可以借鉴的一般性经验。因此，本文在我国既有资本市场约束条件下，利用一个简化的风险最优模型，对社保基金的投资组合进行理论分析。

一、简化的风险最优模型

社保基金投资的关键问题是能否在信息不确定的条件下，进行最优的风险决策。也就是说，在风险与收益不确定的前提下，我们能否利用数学模型，确定最优的投资组合点：风险最小而回报最大。为此，下面利用现代财务理论中普遍采用的风险决策方法建立风险最优模型来进行分析。假设在任意的投资组合中，人们偏好较高的收入前景和较低的收入变动。如果用收入的均值μ和标准差σ来表示这两种状况，那么，人们的偏好将落在由μ和σ构成平面的无差异曲线中。

为简化分析，假设基金总量为ω，投资组合由两种产品组成：产品1投资比例为λ，且0σ″。于是，投资组合收益的期望为：

μ= λμ′ +（1-λ）μ″ （1）

其中，μ′=[ω]μ1；μ″=[ω]μ2分别表示各自的单一资产组合的收益均值。

σ={（λσ′）2+[（1-λ）σ″]2+2ρλ（1-λ）σ′σ″ } （2）

其中，σ′，σ″ 分别为两种产品收益分布的标准差，为两种产品收益分布的相关系数，即ρ=σ12/σ1σ2；据此，又可以得出预算约束为：

μ=μ′+ （3）

这样，在由μ和σ组成的样本空间中，预算约束是一条直线，如图1所示的直线MN，所有的μ、σ组合都将落在直线MN上。预算约束线MN的斜率为dμ/dσ=[μ2-（1-R1）P2]/ σ2，它表示减少风险的价格。如果厌恶风险，那么风险最优点一定位于偏好无差异曲线与预算约束线的切线上，即H为投资组合的风险最优点。

然而，在由两种风险产品构成的投资组合中，如果两种产品的收益完全正相关（ρ=1），那么μ、σ组合将落在图1的点N′N″上，并且μ、σ都随λ线性增长。如果两种产品的收益不相关（ρ=0），那么μ、σ组合将落在图1的N′N″上部的凸曲线上，且有效机会边界不包含N′本身。这表明一定存在一种λ>0的投资组合，比单一产品具有较高μ的和较低的σ。如果两种产品的收益完全负相关（ρ=-1），那么μ、σ组合将落在两条相交在纵轴的直线上，这表明κ的恰当取值将使两种风险产品达成无风险组合，即σ=0。此时，N″也将不落在有效的机会边界上。在不存在无风险资产的情况下，风险最优点一定是无差异曲线的切线，即G点；否则，风险最优点为H点。

投资组合的风险最优模型表明，即使在存在风险厌恶的条件下，投资组合也可以通过恰当的选择找到风险最优点，实现风险与收益的最优化。

二、社保基金的投资组合分析

国内外的学者普遍认为，社保基金只有进行多元化投资，才能达到既规避风险，又提高回报的目的。假定社保基金投资分成两部分，一部分是非基金的，以GDP增长率计算收益；另一部分是基金的，以股票回报率计算收益。根据风险最优模型，我们将确定在目前的市场环境下，社保基金以多大的比例进行基金投资是最优的。

设社保基金的基金投资率为λ，回报率为r，那么，非基金投资率为1-λ，回报率为r。在这种情况下，社保基金的单位收益为：

p=λ（1+r）+（1-λ）（1+r′） （4）

根据简化的风险最优模型，可以构造如下的效用函数：

EU（p）=μ（p）-σ2 （p） （5）

其中，γ为风险厌恶系数（0≤γ≤1）。μ（p）为投资组合收益均值，σ2 （p）为收益的方差。根据（1）和（2）式，得到：

μ（p）=1+ λμr +（1-λ）μr′ （6）

σ2 （p）=λ2σ2

r+（1-λ）2σ2

r′+2λ（1-λ）σrr′ （7）

其中，μr 、μr′和σ2

r、σ2

r′分别是变量r和r′的数学期望和方差，σrr′是二者的协方差。

为使投资组合收益最大化，使dEU（p）/dλ=0，于是得到最优值：

λ= （8）

根据（8）式，可以计算中国以及其他一些国家的数据，基金投资回报率粗略地以股票的实际回报率代替（表1）。

从表1中可以看出，与其他国家相比（日本除外），中国社保基金投资股票具有一个较高的回报率，但是投资风险也很大。尽管从目前中国养老金制度基础、制度环境及制度安排上来看，社保基金进入资本市场条件还不是很成熟。但是，长远的来说，随着完全的个人账户的基金体制的建立，社保基金入市，并在资本市场上如何实施投资组合策略，是一个无法回避的趋势，这也是化解中国社会保障体制重重风险的一条必由之路。

根据表2同样可以看出，中国社保基金的最优基金投资率不超过10%，远远低于其他国家（日本除外）。在这种情况下，即使利用投资组合工具，由于风险很大（方差=682.8），社保基金投资股票的部分也不可能太高，大约在1%的水平比较合适。这与中国近年社保基金的股票投资率大体相当。

在中国资本市场有待进一步发展的情况下，社保基金利用银行储蓄和国债进行投资风险会很小，而且平均收益一般会高于股票和企业债券 （表3）。这些年来社保基金运营的实际状况也证实了这个结论。如果以银行储蓄和股票作为投资组合工具的话，社保基金的股票投资率要高于表2的结果，但是基于风险厌恶系数的曲线形状却大体相似。此时，如果风险厌恶系数超过0.5，那么，基金的股票投资率将低于5%的水平。由此可见，由于中国股票市场收益率的不稳定性和收益分布存在极高的风险，即使利用投资组合工具，社保基金的运营也难以达到理想的效果。在目前的经济条件下，对社保基金投资股市采取谨慎的原则是十分必要的。

为使社保基金能够保值增值，采取投资组合策略可以借鉴西方国家的一些做法。郑秉文 （2013）通过研究美国“TSP社保基金”入市的经验，认为建立名义账户是社保基金入市的理性化前提。这种做法明显有利于化解投资风险，并获得极高的回报，1872―2013年的实际年均回报率为6.4%。中国社保基金的投资组合可以借鉴这种做法，提高投资组合的效率。一是要完全做实社保基金个人账户，避免空账运行，明晰个人账户的财产权；二是大力培育和发展资本市场，在国家宏观控制的基础上，有步骤地进行基金私有化管理和运营，提高效率；三是设计完备的基金投资体系，实施社保基金指数化投资策略。

三、结论和建议

中国养老保险制度向社会统筹与个人账户相结合的部分基金制转轨，实际上包含着这样的制度设计：在传统的现收现付制无法应对人口老龄化危机的情况下，有必要对养老保险制度进行改革。由个人缴费的个人账户既可以减轻企业的养老负担，又产生一定的资金积累，利用资金积累与养老金给付的时间差来减缓养老金支付不足的压力。在个人账户养老金规模日益扩大的情况下，其有效运营就成了决定能否实现目标替代率的关键因素。目前的社保基金大部分利用银行储蓄作为投资工具，投资回报率明显偏低，因此，利用投资组合工具进行社保基金的投资运营，将有利于实现社保基金的保值增值。然而，利用一个简化的期望―方差风险最优模型对中国的投资组合进行分析的结果表明：在风险厌恶系数不超过0.5的条件下，社保基金的股票最优投资率将低于10%。由此看来，在目前的资本市场和技术条件约束下，要想达到美国、英国等国家的股票投资率是不可能的，所以社保基金利用投资组合工具必须循序渐进，不能盲目投资。社保基金短期可以考虑利用银行储蓄、国债和股票的投资组合工具进行投资运营，但股票投资部分要控制在合适的范围内，中长期根据资本市场的成熟度，逐步扩大股票的投资份额以获得更高的回报。

参考文献：

[1] 易宪荣，黄少军.现代金融理论前沿[M].北京：中国金融出版社，2013.

[2] 张金水.数理经济学――理论与应用[M].北京：清华大学出版社，2013.

[3] 李绍光.养老金制度与资本市场[M].北京：中国发展出版社，2012.

[4] J Dutta，S Kapur，A portfolio approach to the optimal funding of pensions[J].Economics Letters，69（2012）：201-206.

股票投资步骤范文第5篇

社保基金是社会保障制度的物质基础，其安全和保值增值关系到社会保障事业的健康发展。为实现社保基金的保值增值，我国政府进行了诸多有价值的探索与实践。2001年成立了全国社会保障基金理事会，社保基金开始试水金融市场。目前，进入金融市场的社保基金共有5个系列的投资组合，分别是“1”字开头的股票型投资组合、“2”字开头的债券型投资组合、“5”字开头的新股型组合、“6”字开头的稳健配置组合以及“0”字开头的指数化投资组合。社保基金自进入金融市场至2009年末，累计投资收益额2448.59亿元，年均投资收益率为9.75%《(全国社会保障基金理事会基金年度报告》(2009))，远远高于银行年存款利率。但是社保基金在获得相对较高收益的同时，又承担着怎样的风险？社保基金投资的首要原则是安全性，准确地测度社保基金投资风险是控制风险的前提，对保证社保基金投资的安全性具有重要的意义。目前关于我国社保基金投资组合风险测度的研究，主要是基于简单的方法测度若干只重仓股的VaR，忽略了金融资产收益的尖峰厚尾、长记忆性以及金融资产间相关性的动态变化等，本文基于GARCH、时变Copula模型测度社保基金投资组合的动态风险，研究社保基金的最优投资组合，以期为社保基金风险管理提供科学决策依据。

1投资组合动态风险测度建模

1.1GARCH模型

GARCH(P,Q)模型族是波动建模的常用方法，GARCH(1,1)与其他GARCH(P,Q)模型相比形式简洁，数据拟合和预测效果均较好(Hansen，2005)，其表达式为：ìí???rt=μ0+εtεt|ψt-1=ht12ξt，ξt~i.i.F(?)ht=γ0+α0ε2t-1+β0ht-1(1)其中，ψt-1表示t-1期及之前的的信息集，γ0≥0，α0≥0，β0≥0。不同的ξt分布可以得到不同的GARCH模型，常假设F(×)为标准正态分布N(0,1)、自由度为v的tv分布、广义误差分布（GED）。

1.2时变Copula函数

时变Copula与非时变Copula的主要区别在于Copula函数的参数，前者是动态变化的，后者是固定常数。Patton提出了时变正态Copula（记作N-Copula）、时变t-Copula、时变rotatedGumbelCopula（记作RG-Copula）和时变SymmetrizedJoe-ClaytonCopula（记作SJC-Copula）四种函数，其中时变T-Copula函数仅仅假设相关系数是时变的，自由度υ仍然是常量。

（1）时变N-Copula、t-Copula的相关系数演化方程分别为ρN,t=Λ(ωN+βNρt-1+αN×110∑j=110Φ-1(ut-j)Φ-1(vt-j))（2）ρT,t=Λ(ωT+βTρt-1+αT×110∑j=110T-1(ut-j;υ)T-1(vt-j;υ))（3）其中，Λ(x)(1-e-x)/(1+e-x)是一种修正的Logistic变财经论坛换，它的引入是为了确保ρN,t和ρN,t始终落在(-1,1)内；Φ-1(?)表示标准正态分布的逆分布；T-1(?;υ)表示自由度为υ的标准T分布的逆分布。

（2）时变SJC-CopulaSJC-Copula函数是由Joe－ClaytonCopula（简记为JC-Copula）变换而来的。时变JC-Copula的分布函数表达式为：CJC(u,v|τtU,τtL)=1-(1-{[1-(1-u)κt]-γt+[1-(1-v)κt]-γt-1}-1/γt)1κt（4）其中，κt=1/log2(2-τtU)，γt=-1/log2(τLt)，τUt和τLt是时变JC-Copula函数的两个参数，分别刻画上、下尾部相关性，τUt∈(0,1)，τLt∈(0,1)。时变SJC-Copula的分布函数表达式为：CSJC(u,v|τtU,τtL)=0.5[CJC(u,v|τUt,τLt)+CJC(1-u,1-v|τUt,τLt)+u+v-1]（5）τUt和τLt的演化方程分别为：τUt=Λ?(ωU+βUτUt-1+αU?110∑j=110|ut-j-vt-j|)（6）τLt=Λ?(ωL+βLτLt-1+αL?110∑j=110|ut-j-vt-j|)（7）其中，Λ?(x)(1+e-x)-1是Logistic变换，它的引入是为了保证τUt和τLt的变化范围保持在(0,1)内。

1.3基于MonteCarlo的投资组合VaR和ES计算

一般很难求出投资组合VaR的解析式，常用MonteCarlo方法模拟计算组合的风险值VaR和ES。基于时变正态Cop-ula和时变T-Copula模型的VaR和ES计算步骤如下：

1.3.1利用式（1）对边缘分布（第i项资产的收益率序列）建模，提取标准化残差序列{ξ}i,tTt=1，i=1,2,…,N，并对标准化残差序列进行概率积分变换，将之转换为(0,1)上的均匀分布序列，分别记为ui,i=1,2,…,N。

1.3.2估计时变Copula模型的参数

基于ui，i=1,2,…,N，采用极大似然估计法，分别基于式（2）、（3）、（6）、（7）估计时变N-Copula、t-Copula和SJC-Cop-ula的参数ρ?G,t、ρ?T,t、τ?Ut和τ?Lt。

1.3.3模拟投资组合收益率

（1）利用步骤2中估计出的时变相关参数产生随机数(u1'''',t,u2'''',t,...,u''''N,t)，使之分别服从N-Copula、t-Copula和SJC-Copula分布。（2）基于步骤1中边际分布的估计结果，假定资产i的边际分布函数为F?i(?)，i=1,2,…,N，计算(ξ''''1,t,ξ2'''',t,...,ξ''''N,t)=(F?-11(u1'''',t),F?-12(u2'''',t),...,F?-1N(u''''N,t))。（3）基于GARCH(1,1)模型，计算边际分布收益率(r1'''',t,r2'''',t,...,r''''N,t)=(μ?1,t+ξ1'''',t?σ?1,t,μ?2,t+ξ2'''',t?σ?2,t,..,.μ?N,t+ξ''''N,t?σ?N,t)（4）计算投资组合的收益率R''''t=log[1+∑i=1N(er''''i,t-1)?wi]1.3.4计算投资组合VaR对于每个时变相关系数，将步骤1-3重复5000次，得到投资组合收益率序列R''''t。根据VaR的定义，有VaRαt+1=quantile(-R''''t)（quantile表示分位数）。

2实证研究

2.1样本选择及描述性统计虽然社保基金可以投资于股票、债券、基金和企业债、金融债，但现阶段社保基金的5个系列投资组合，只有2”字开头组合的投资于债券，其余的基本上投资于股票，因此，粗略地可以认为社保基金投资投资于股票和债券。社保基金投资组合是以季度为时间单位进行调整的，并且每个组合中股票的种类数量不等，少则一支股票，多则30多支，如果直接以社保基金的每个组合为研究对象，数据预处理的工作量将非常大，建模将非常困难。基于代表性但不失一般性的原则，本文用“社保重仓”（是一种指数）代表社保基金的股票投资，用国债指数代表社保基金投资的债券，用“社保重仓”和国债指数所构成的投资组合代表社保基金投资组合，组合的权重即为现阶段社保基金投资于股票和债券的权重，分别为w1=0.843和w2=0.157。样本时间范围定为2006年9月29日到2011年6月1日，其中，2006年9月29日到2010年11月15日共1000组数据用于估计模型参数，2010年11月16日到2011年6月2日共133组数据用于样本外检验。所有数据来源于大智慧的“板块指数”，数据处理及参数估计采用软件Matlab7.0。将价格定义为指数每日的收盘价Pt,i，并将资产i在第t个交易日的收益率定义为rt,i=100×log(Pt+1,i/Pt,i)（8）社保重仓（sbzc）和国债指数（gzh）收益率的描述性统计如表1所示。由表1可知，在样本观察期间内，社保重仓和国债指数的平均收益均为正，前者约是后者的10倍，但是社保重仓收益率的波动要远远大于国债指数收益率的波动，前者的标准差为2.3674，后者为0.0913。国债指数收益率偏度为正，意味着收益率存在着上升的可能性，而社保重仓收益率偏度为负，意味着收益率存在着下跌的可能性。峰度统计量表明收益率分布具有比正态分布更厚的尾部特征；J-B检验统计量的值及其相伴概率，也表明社保重仓和国债指数收益率均不服从正态分布。对两收益率进行Engle’sARCH/GARCH效应检验，结果表明两收益率序列都具有明显的条件异方差性。Ljung-BoxQ统计量显示，滞后10阶，在5%的显著水平下，社保重仓不存在自相关性，但是国债指数却存在自相关性。单位根ADF检验表明，两组收益率序列均不存在单位根，是平稳的。

2.2边缘分布建模根据表1中的Ljung-BoxQ统计量，结合AIC和SC准则，确定社保重仓收益率的均值方程为AR(0)，国债指数的均值方程模型为AR(1)。选择GARCH(1,1)模型对社保重仓和国债指数收益率序列建模。采用极大似然估计方法，分别估计GARCH(1,1)-N、GARCH(1,1)-T、GARCH(1,1)-GED、GARCH(1,1)-skewedt模型的参数，根据对数似然函数的值选择最优的模型，为节约篇幅，仅给出最优的估计结果，结果见表2。

2.3时变Copula的参数估计对两收益率的标准化残差序列进行概率积分变换，得到在（0,1）上服从均匀分布的时间序列。借助于Matlab7.0估计时变N-Copula、t-Copula和SJC-Copula模型的参数，结果如表3所示①。由表3可知，无论是时变正态Copula还是时变T-Copu-la，社保重仓收益率序列与国债指数收益率序列间的相关性具有强持续性，这就意味着强正（负）相关后面往往也跟着强正（负）相关。深入研究时变相关系数（表4），发现时变相关系数的峰度要低于正态分布的峰度，J-B统计量也表明相关系数不服从正态分布；滞后10阶，具有ARCH效应；Ljung-BoxQ统计量表明相关系数序列具有较强的自相关性。图1、图2给出了基于常相关Copula和时变Copula的相关系数变化趋势对比图。由图1可知，时变N-Copula和时变t-Copula模型所得到的相关系数变化趋势几乎一致，2006年9月29日到2007年1月4日（对应着图1、图2横轴的点1到60），社保重仓与国债的相关系数均为正，一个可能的解释是，经历了股权分置改革后，我国股市开始逐渐好转，上证指数从1700多点增长到2000多点，受股市行情向好的影响，进入到股市和债市的资金逐渐增多，股市和债市相互促进，因此，“社保重仓”与国债之间表现出正相关。2007年1月5日到2008年12月31日，“社保重仓”与国债间的相关系数呈现出“正负交替”的现象，这种交替与股市上涨和下跌的变化基本一致，一个可能的解释是，随着股市行情的继续上涨，股票收益大于债券收益，资本逐渐从债市流向股市；当股市在高位运行时，市场较敏感，股市的下跌促使资金从股市流向债市。2009年1月4日到2010年6月11日，“社保重仓”与国债间的相关系数基本为正，波动幅度也较小，一个可能的解释是，股市经历了下跌期后，2009年1月4日到2010年6月11日，上证指数基本徘徊在2000点到3000点之间，股市低位运行，处于平稳期，股市和债市行情的向好对投资者信心具有正向作用，反之也有负向作用，股市和债市相互促进。

2.4建模效果的比较研究为进一步比较三种模型对投资组合VaR的预测效果，对VaR进行Kupiec检验，也称LR似然比检验，其基本思想是假定实际考察天数为N0，失败天数为n，则失败率为p=n/N0。设VaR置信度为p*。假定VaR估计具有时间独立性，则失败天数n服从参数为N0和p的二项分布，即n~B(N0,p)，在零假设p=p*下，似然比LR=-2ln[(1-p*)N0-n(p*)n]+2ln[(1-n/N0)N0-n(n/N0)n]~χ2(1)，在5%的显著水平下，如果LR>3.8415，拒绝本模型。基于三种模型预测了2010年11月16日到2011年6月2日的日VaR，并得出了133个交易日内失败的天数、失败率以及似然比LR值，如表5所示。由表5可以看出，95%的置信度下，基于时变相关系数的VaR预测效果要优于非时变的预测效果。根据LR值的判断标准，常相关N-Copula模型预测的VaR没有通过Kupiec检验，同时不能拒绝常相关t-Copula、时变N-Copula和时变t-Copula模型，但时变N-Copula模型预测VaR相对较保守，可能会高估风险。基于样本外数据，利用时变t-Copula模型计算5%分位数下的VaR，得日VaR为-1.7906。

2.5社保基金最优投资组合改变社保基金投资于股票的权重，可以得出相应的风险VaR。实现社保基金的保值增值是社保基金投资于资产市场的主要最终目的。本文基于经风险调整的收益率（R_VaR）方法确定社保基金的最优投资组合，其中，R_VaR=R/VaR，R、VaR分别为投资组合的收益率和风险。表6给出了不同股票投资权重下社保基金的VaR及R_VaR值，根据表6，可以做出股票投资权重w1与R_VaR的关系图，如图3所示。由表6和图3可知，当w1=0.0400时，R_VaR最大，因此可以认为，社保基金投资于股票和债券的最优组合为，4%的社保基金投资于股票，96%的投资于债券。