量化投资与基本面分析方法第1篇

关键词:风险管理;边际风险;投资收益;投资决策

在现代经济全球化、金融国际化的大背景下，金融资本已经渗透到经济社会的各个方面，以投资或者投入的形式介入或者控制债券、基金、证券等市场，其影响力越来越强。但是，金融资本的投资主体在试图控制或者影响某些经济事件时，它的投资活动同时具有风险的挑战，特别是投资主体的多元性和多样性，以及资本能力的差异性，必然引起投资主体的激烈竞争，也大大提升了风险管理的难度［1，2］。因此分析和管控风险就成为投资主体的首要任务。投资风险管理对于任何投资者来讲都极为重要。纵观风险管理的理论与方法，理念与策略，不难发现还没有一种万能的路径可以驾驭风险的演变。究其原因主要是投资行为的收益预期总是大于风险预期，在决策和执行过程中总是非理在关键时候占支配地位。尽管投资者都是风险厌恶型的，但往往在发生投资行为时对风险的评估重视程度是不够的，有时甚至用收益预期代替亏损风险分析，特别在证券投资上表现得最为明显，用投机的理念支配投资的行为，结果显而易见的是亏多赚少。因此，投资风险管理是贯穿投资全过程的核心工作，分析研究判断任何风险信息或者现象是投资成败的关键，尽可能运用各种风险管理与控制方法，评估风险发生发展的可控性，从而驾驭风险，达到投资的收益目的。进行风险分析，就要运用风险分析方法。对于风险的评估分析方法目前常用的还是比较多的，有的针对工程管理，有的针对投资管理;有的针对预期，有的针对应急。在这里，均值－方差法、风险因素分析法、模糊综合评价法、风险控制评价法，以及市盈率市净率法、期权定价法等等［3］，都是较为常用的方法。但是，在现资风险管理中，由于风险影响因素复杂多样，宏观上受到政治、经济、社会、文化等发展变化的影响，微观上受到政策、市场、预期、偏好以及基本面等方面的冲击，使得风险评估和管控有效性、准确性大大降低，那么寻找基于当期(边际)状态下的风险评估判断新方法就显得非常重要。

一、投资边际风险分析的管理路径

在现代经济全球化的大背景下，生产性投融资的路径越来越具有间接性特点，债券、基金、股票等等成为最普遍、最方便的投融资形式，银行的储蓄、理财作为无风险获利模式也成为风险厌恶型普通投资者的主要投资渠道。实体经济生产投入资金除了通过金融部门贷款融资之外，为了提高产品竞争力，越来越倾向于发行股票、公司债券等融资方式。因此，生产主体在进行投资风险管理方面所关注的风险控制重点，以及风险评估方法选择上都发生了变化，在追求利润最大化的同时大大提高了对风险最小化的研究强度，也就是从重视边际(边界)收益分析向重视边际风险评估转变，把资金规模一定情况下的投资风险论证摆在了更加重要的位置。经济学上的边际是指在其他投入不变的情况下，新增加一个单位的投资形成的边界状态。如果以研究边际的经济指标的变化趋势或者规律为目的，我们认为边际就是一个动态的概念;如果以研究边际的静态经济参数作为投资或者投入绩效评价依据的话，我们认为边际是一个静态概念，这时也可以称为边界。可以基于此点的状态进行继续投资的规模风险效益评估或者评价。在运用边际分析时存在边际原则工具，这是一个基本概念，它揭示了当边际成本等于边际收益的时候，就实现了人们追求的收益或者利润最大化目标。在西方经济学中有关边际分析涉及经济活动的分析参数主要在微观层面，运用到如下几个概念。首先，边际产量是评价在静态边界其他情况不变的情况下，增加一个单位的投入所能够得到的额外产出。从边际产量的变化情况发现其与总产量、平均产量之间的关系，寻找出最佳经济效益状况下总产量、平均产量投入规模，实现规模效益最大化和最优化，确定追求总产量最大化(当边际产量为零)与追求平均产量最大化(当与边际产量相等)的目标选择。其次，边际成本是指产量每增加一个单位时所带来的总成本增加，即总成本的增量与产量的增量之比。边际成本变化可以用曲线来表达，其曲线特征为U字形，与平均成本曲线具有相关性，可以判断平均成本的变化态势。第三，边际效用。经济学家把人的行为解释为在某些限制下效用最大化选择的结果。边际效用作为消费者增加一个单位消费能够带来的总效用(效益)的增加额的判断，以及边际效用规律，对指导人们理性投资(或者消费)具有重大意义。除此之外，经济管理者还对边际消费倾向、边际储蓄倾向、边际收益、生产可能性边界等同时给与高度关注，特别是对边际收益变动规律的研究具有更加重要的投资管理意义［4］。经济学边际规律是人们研究和关注边际原则的核心。在这里最著名的发现是边际收益递减规律，以及衍生的边际效用递减规律。边际收益递减规律揭示了在技术水平和其他因素(投入)不变的情况下，连续地增加一种可变投入，相对于固定投入而言同等投入引起的产出量出现递减的趋势的客观性。实际上，边际收益递减规律是从实际经济活动中总结出来的，并在生产实践和科学实验中得到了验证，但它只是对现实中大多数生产函数适用，用于投入产出分析。从这个边际规律出发，我们也不难发现在涉及边际效率的生产指标发生衰减的趋势，而相反的方面诸如边际成本、边际消耗、边际风险等就会发生增加的趋势，这就为我们进行投资活动的风险管理提供了方法论的指导。

二、投资管理中的边际风险分析

任何投资活动都是基于收益预期的基础上而决定的，没有预期收益的投资是不存在的。任何投资活动也都是基于风险评估的基础而决定的，没有风险评估的投资也是不可能发生的［5］。因此，在投资管理中收益和风险这两个要素具有同等重要的意义，投资收益预期的可靠性和投资风险评估可控性是任何形式投资决定的前提原则，也是投资成功的根本保证。在现在的资本市场投资中面临的风险因素较之传统市场更多样、更复杂，除了相对稳定的资产基本面外，影响资本价格力度更大的是预期、偏好、投机、舆论导向等，这可能引起资本价格的大幅波动，放大风险强度。但是，在证券市场上任何时点上投资的资本价格都是已知的，对于投资者来讲，为即时价格的投资风险评估提供了最为确定的参考边界，是投资与否决策的最重要的基础。投资管理中的边际风险分析，要重点从动态边际风险变化规律的探究与静态边际风险(边界风险)的评估两个方面加以分析，在综合研究各风险影响因素的基础上对资本投资行为提供风险管控建议，为科学投资提供参考。我们从边际收益递减规律，以及边际成本、边际效用、边际产量等变动曲线或者趋势来看，不难发现，随着投资规模和投资价格的增长，所面临的风险必然越来越大，风险管控的难度越来越大。不论是动态边际风险，还是静态边际风险，其风险的递增性是显而易见的，也就是说在其他条件不变的情况下，每增加一个单位的投资都会产生风险增大的趋势，而可承受总风险增加的程度则取决于风险评估的可靠性和可控性。因此，随着资本产品边际价格和投资边际规模的提高，所面临的投资风险考验会呈现出不断递增的趋势，这种趋势几乎与收益总量的变动没有关联，这也说明了另一个道理:控制住了风险就确保了投资收益。首先，从动态的边际风险分析着手探讨投资收益的问题。在投资领域，任何投资者所追求的目标都是一致的，那就是投资收益最大化。为了实现投资收益最大化不外乎如下两种行为，一是在资本产品价值不变的情况下追求投入价格最低化;二是在投资产品价格不变的情况下追求价值最大化。当然，在实现效益目标最大化的活动中，会根据市场的综合情况进行分析和评估，采用优化投资组合、调整投资结构、分散投资风险、加强风险管理等措施，把损失控制在最小范围。证券投资(股票、基金、债券等)边际风险是随着即时价格的增减而变动的。当交易价格增加时，边际风险就会增加;当交易价格降低时，边际风险就会降低。这与边际风险递增的规律并不矛盾，因为交易价格降低的反向一样是边际价格增加。所以，在投资风险分析时，边际风险规律可以指导投资者:投资有风险交易需谨慎。在任何边际价位的交易活动都是有风险的，实现预期收益的关键是边际风险分析，并且确保风险的可控性和可承受性，为了控制风险可以采用低风险价位交易，并且追踪价格下降分批介入以摊薄成本、降低平均边际风险。因此，我们不难发现，资本投资的动态边际风险分析法具有一定的指导意义，一是资本交易的风险随交易价格的升降而增减。二是当资本价值与边际价格趋近时交易的边际风险趋向最小。三是边际风险的大小不能证明投资收益空间的弹性。其次，从静态的边际(界)风险评估入手讨论投资决策问题。如果说动态的边际风险分析是为了发现和把握随着投资增加的风险发展变化规律，从而控制在资本价格不断升高的情况下盈利行为模式的话，那么静态的边际风险评估就是解决在固定的资本价格点上的投资行为问题，即解决在即时证券价格上的买卖与否的问题，也包括买卖量的评估问题。实际上，在实施证券买卖决策时，投资的边际是相对确定的，日月年K线都是边际风险状况评估的边界，在这一点上除预期收益和风险之外其他影响证券价值的要素或者参数都是固定不变的。这为我们研究投资风险提供了极大的方便。为此我们可以进行如下假设:首先，证券在一定时期内不存在重大利好和利空的预期，即预期不会发生重大变化。其次，证券的最后一个交易日的K线是进行价值、风险分析的边际(界)，在这里证券的基本面等影响其价格的参数都是真实可信的，都能客观反映证券价值。第三，证券的日K边际价格作为边际风险判断的唯一基础参数，以此可以与其他基本面参数建立价值函数关系。通过这三点假设，我们可以以价格为基准点，去努力寻找市盈率、市净率、负债率、每股未分配利润、现金流量、资本公积金、流通股本量等，以及这些参数在股票价格顶部、底部值之间的关系，评估资本价格上升带来利润空间和资本价格降低产生亏损空间，确定投资规模的大小和时机。

三、证券投资选择与决策

基于在证券投资市场的边际风险规律的研究与分析，通过上述参数分析方法论的探讨，针对错综复杂的资本市场行为，我们着力围绕理性投资偏好取向为基础，做出投资选择性分析，为把证券投资者的风险控制在最小的前提下追求利润最大化给出投资建议［6］。第一，证券边际价格与其价值判断偏离越小投资的边际风险越小，投资价值越大，这是投资决策的前提。证券的价值判断主要根据其基本面、所处行业及行业地位、成长性、创新能力等。第二，根据证券投资边际风险递增的规律，在任何价位的投资风险都会随着投资规模的增加而增大，因此控制投资规模是控制风险的重要策略，这也是防止风险偏好膨胀和非理性投机的“赌徒”行为，要始终保持“留有退路”投资规模控制意识。第三，依据证券投资静态边际风险分析，在其他条件不变的情况下，证券价格K线走向决定边际风险的趋势，价格走低静态边界上的投资亏损风险相对降低、价格走高投资风险相对升高。但是边际风险降低并不意味着选择投资，边际风险上升并不意味不具有投资价值，投资策略应该“底部追涨顶部杀跌”，并采取分散投资和分价投入战术分散风险，把风险控制在最低水平。第四，证券投资的边际风险大小判断，不能保证对投资收益的追求，只能作为控制亏损的依据，需要根据市场行情进行选择性决策。综上所述，在资本投资领域风险评估以及预防比追求预期收益更重要。实际上，在资本市场上是众多投资者逐利驱动下展开的你死我活的零和博弈，大家都会尽量多地收集和处理博弈信息，并力求使这些信息能够独享。所以，在进行边际风险分析时，同样需要尽量多的获取边界参数信息，以提高分析评估的准确性，防范投资风险。

参考文献:

［1］王明珠．资本运营与风险防范［M］．北京:中国审计出版社，1999:1－11．

［2］石怡文．探析我国金融投资的现状与发展［J］．中国集体经济，2014(13)．

［3］威廉•夏普．证券投资理论与资本市场［M］．北京:中国经济出版社，1992:1．

［4］保罗•A•萨缪尔森．萨缪尔森词典［M］．陈迅，白远良，译．北京:京华出版社，2000:183－194．

［5］唐景备．关于金融投资风险评估技术及其应用分析［J］．中国商贸，2014(25)．

量化投资与基本面分析方法第2篇

关键词：分析 短线

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。

量化投资与基本面分析方法第3篇

尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。

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

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。

量化投资与基本面分析方法第4篇

一、证券投资基本分析

基本分析是对上市公司的经营业绩、财务状况，以及影响上市公司经营的客观政治经济环境等要素进行分析，以判定证券（主要是股票）的内在投资价值，衡量其价格是否合理，提供投资者选择证券的依据。

我们知道，证券价格的高低，主要取决于买卖力量的对比程度。买的人多，价格自然就上涨，反之也然，即供求关系决定证券价格。但是这种供求关系又受到许多其他因素的影响，如国家的宏观经济指标、经济政策、行业发展状况、产品市场、公司销售和财务状况等。具体地讲基本分析可从两个方面分析。

1、宏观因素分析。宏观因素分析包括：经济周期分析、市场利率分析、经济政策分析和证券市场调控政策分析。

2、微观因素分析。微观因素分析就是对上市公司本身进行分析，它构成了基本分析的核心。（1）公司所属行业性质的分析。公司所属行业性质的分析主要有：发展前景分析、商品形态分析、需求形态分析、生产形态分析。（2）行业生命周期分析。任何一个行业都要经历开创、扩张、停滞和衰退的行业生命周期。同行业不同公司的业绩状况虽有不同，但与该行业所处的整体发展阶段有很大关联。当公司所处行业蒸蒸日上时，该行业所有公司的成长性都看好；当公司所处行业开始衰退时，即使有些公司能够做到经营有方，但行业内大多数公司的整体状况则很难令人乐观。（3）财务分析。财务分析又称财务报表分析，就是对证券发行公司的各种财务报表，通过对其账面数字的变动趋势及其相互关系进行比较分析，以便了解公司的财务状况及其经营业绩，并预测公司未来发展前景，有利于投资者作出正确的投资决策。

二、证券投资技术分析

技术分析是利用统计学的方法，分析证券价格的运动规律，根据过去证券价格的变动情况来推测证券价格的未来走势。技术分析是通过分析证券市场的市场行为，对市场未来的价格变化趋势进行预测的研究活动。它的目的就是预测市场价格未来的趋势。为达到这个目的所使用的手段是分析股票市场过去和现在的市场行为。市场行为包括三个方面：1价格的高低和价格的变化；2发生这些变化所伴随的成交量；3完成这些变化所经过的时间。简单地说，就是价、量、时。在这三方面中，价格的变化是最重要的。从不同侧面对市场行为进行分析就组成了技术分析的各种方法。根据市场行为得到的数据而产生出来的各种图和表是进行技术分析所要用到的最基本的东西。人们通过长期实践，总结经验，创造了很多从图表看未来的方法，这些方法构成了技术分析的全体。

正确应用技术分析，在某种程度上能够增加证券投资者预见未来和对当前形势正确判断的能力，在投资者进行股票买入和卖出决策时，提供有益的参考意见。在证券投资市场上，仅仅凭借直觉和运气是不够的，用科学的方法对自己当前的行为进行指导是至关重要的。

1、技术分析的理论基础――三大假设。技术分析是预测投资品种价格未来走向的研究行为，依赖的是过去和现在的市场行为。技术分析有它赖以生存的理论基础。按照目前流行的说法，技术分析的理论基础主要是三大假设：一是市场行为包括一切信息、二是价格以趋势方式演变、三是历史会重复。

在三大假设之下，技术分析有了自己的理论基础。三大假设是我们进行技术分析的基础，它不是十全十美的，但是不能因此而否定它存在的合理性。承认它的存在，同时也注意到它的不足才是合理的。技术分析的理论主要的理论基础有：道氏理论、波浪理论和江恩理论。

2、技术分析方法的局限性。技术分析方法在长期的证券买卖实践中，给人们带来过相当可观的盈利。技术分析也有两面性，它有神奇有效的一面也有无能为力的一面，这是由技术分析方法的构成决定的。技术分析方法已经被广泛地介绍和应用，对技术分析方法应用于市场的效果要有清楚的认识，避免被一些现象所迷惑。技术分析作为一种证券投资分析工具，在使用中要注意以下几点：（1）技术分析必须与基本面的分析结合起来，才能提高其准确度，单纯的技术分析是不全面的。（2）注意多种技术分析方法的综合研判，切忌片面地使用某一技术分析结果。实践证明，单独使用一种技术分析方法有相当的局限性和盲目性。如果使用每种技术分析方法，都得出相同的结论，那么出错的可能性就很小。（3）前人和他人的结论要通过自己的实践验证后才能放心地使用。由于证券市场能给人们带来巨大的收益，近年来研究证券的分析方法各异，使用同一种分析方法的风格也不同。前人和他人得到的结论是在特定的条件和特定的环境中得到的，随着环境的改变，这些方法也应有改进和完善的地方。

三、正确掌握证券投资基本分析与技术分析的应用

量化投资与基本面分析方法第5篇

【关键词】量化投资；量化投资体系；证券市场

一、量化投资及量化投资体系的定义

什么是量化投资？简单来讲，量化投资就是利用计算机科技并结合一定的数学模型去实现投资理念与投资策略的过程。与传统的投资方法不同的是：传统的方法主要有基本面分析法和技术分析法这两种，而量化投资主要依靠数据和模型来寻找投资标的和投资策略。量化投资系统则是由人设定出某种规则，在计算机当中根据规则构建这种模型，而后由计算机自己去根据市场的情况进行一些投资机会的判断。从他们投资方式的区别当中可以看出，量化投资更依赖于数据，传统投资则更依赖于人的主观判断。从这点上来说，量化投资可以有效的规避一些人为的错误判断。

二、我国量化投资体系的发展

在美国，量化投资方法的发展己经有将近年的历史，量化方法从允嫉较衷谡嫉矫拦市场30%上以上的比重。而在中国，量化投资只是刚刚起步而己。但是已经有很多基金公司允即罅Υ蛟熳约旱牧炕投资团队，期望在传统的基本面研究之外源匆黄新的投资天地。国内证券市场上成立比较早的量化投资基金主要包括：嘉实基金――嘉实量化阿尔法股票、上投摩根基金管理有限公司――上投摩根阿尔法、光大保德信基金――光大量化、富国基金管理有限公司――富国沪深增强、国泰君安资产管理公司――君享量化。近年来，一些公募基金、私募基金也都不断加快了布局量化投资基金的方法。这些量化投资基金，主要研究了基于基本面的多因子选股模型，这些投资组合因子主要包括：公司财务基本面数据，市场行情数据，行业数据等，并在实证中不断完善量化投资指标因子的选取。研究行业以及个股的价格趋势，运用道氏理论、K线理论、波浪理论、切线理论、形态理论等一些常用的技术分析方法建立不同风格的投资模型和投资组合。

三、量化投资的优点

量化投资作为一种有效的主动投资工具，是对定性投资方式的继承和发展。实践中的定性投资是指，以深入的宏观经济和市场基本面分析为核心，辅以对上市公司的实地调研、与上市公司管理层经营理念的交流，发表各类研究报告作为交流手段和决策依据。因此，定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后，依赖个人主观判断、直觉以及市场经验来优选个股，构建投资组合，以获取市场的超额收益。与定性投资相同，量化投资的基础也是对市场基本面的深度研究和详尽分析，其本质是一种定性投资思想的理性应用。但是，与定性投资中投资人仅依靠几个指标做出结论相比，量化投资中投资人更关注大量数据所体现出来的特征，特别是挖掘数据中的统计特征，以寻找经济和个股的运行路径，进而找出阿尔法盈利空间。与定性投资相比，量化投资具有以下优势：

（一）量化投资可以让理性得到充分发挥

量化投资以数学统计和建模技术代替个人主观判断和直觉，能够保持客观、理性以及一致性，克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响，避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策，因而避免了不当的市场择时倾向。

（二）是量化投资可以实现全市场范围内的择股和高效率处理

量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选，把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制，其选股的覆盖面和正确性远远无法和量化投资相比。

（三）是量化投资更注重组合风险管理

量化投资的三步选择过程，本身就是在严格的风险控制约束条件下选择投资组合的过程，能够保证在实现期望收益的同时有效地控制风险水平。另外，由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断，就避免了由于人为误判和偏见产生的交易风险。当然，无论是定性投资还是量化投资，只要得当的应用都可以获取阿尔法超额收益，二者之间并不矛盾，相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。

四、量化投资的局限性

量化投资是一种非常高效的工具，其本身的有效性依赖于投资思想是否合理有效，因此换言之，只要投资思想是正确的，量化投资本身并不存在缺陷。但是在对量化投资的应用中，确实存在过度依赖的风险。量化投资本身是一种对基本面的分析，与定性分析相比，量化分析是一种高效、无偏的方式，但是应用的范围较为狭窄。例如，某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场，因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论，依赖历史的回归结论以及一定指标的筛选，就有可能忽略不能量化的基本面，产生巨大的投资失误。因此，基金经理在投资的时候一定要注意不能单纯依赖量化投资，一定要结合对国内市场基本面的了解。

五、量化投资对中国的启示

通过研究国外市场的发展和中国市场的特点，对中国市场上的监管创新，制定相关的法律法规也势在必行。由于市场结构的差异，国内量化投资情况与国外有很大不同。技术型量化投资的应用主要是集中在期货市场，并且有较高的推崇程度；金融型量化投资的应用主要集中在股票市场，由于需要应用的时间数据周期相对较长，实际中应用并不普遍。目前，中国金融市场正处于迅速发展的阶段，很多新的金融工具在不断被引进，用量化投资方式来捕捉这种机会，也是非常合理的。与国外相比，目前国内股票市场仅属于非有效或弱有效市场，非理性投资行为依然普遍存在，将行为金融理论引入国内证券市场是非常有意义的。国内有很多实证文献讨论国内A股市场未达到半强势有效市场。

目前对中国市场特点的一般共识包括：首先，中国市场是一个个人投资者比例非常高的市场，这意味着市场情绪可能对中国市场的影响特别大。其次，中国作为一个新兴市场，各方面的信息搜集有很大难度，有些在国外成熟市场唾手可得的数据，在中国市场可能需要自主开发。这尽管加大了工作量，但也往往意味着某些指标关注的人群少，存在很大机会。其三，中国上市公司的主营比较繁杂，而且变化较快，这意味着行业层面的指标可能效率较低。而中国的量化投资实际上就是从不同的层面验证这几点，并从中赢利。例如，考虑到国内A股市场个人投资者较多的情况，我们可以通过分析市场情绪因素的来源和特征指标，构建市场泡沫度模型，并以此判断市场泡沫度，作为资产配置和市场择时的重要依据。

在中国金融市场的不断发展阶段，融资融券和股指期货的推出结束了中国金融市场不能做空的历史，量化投资策略面临着重大机遇。运用量化投资的机理和方法，将成为中国市场未来投资策略的一个重要发展趋势。量化投资在给投资者进行规避风险和套利的同时，也会带来一定的风险，对证券具有助涨助跌的作用。由于国内股票市场还不够成熟，量化投资在中国的适用性很大程度上取决于投资小组的决策能力和创造力。以经济政策对中国量化投资的影响为例。中国的股市有“政策市”之称，中国股市的变化极大的依赖于政府经济政策的调节，但是经济政策本身是无法量化的。基金建仓应早于经济政策的施行，而基于对经济政策的预期，但预期的影响比经济政策的影响更难以量化。例如，在现阶段劳动力成本不断上升、国际局势动荡、国际大宗商品价格上升的情况下，央行何时采取什么力度的加息手段，对市场有何种程度的影响，这一冲击是既重要又无法量化的。为解决这个在中国利率非市场化特点下出现的问题，需要基金投资小组采取创造性的方式，将对中国经济多年的定性经验和定量的指标体系结合起来，方能提高投资业绩。

参考文献：

[1]方军雄.我国证券投资基金投资策略及绩效的实证研究[J].经济科学，2002.04

量化投资与基本面分析方法第6篇

【关键词】 杜邦分析； 有用性； 灰色关联

中图分类号：F832.48 文献标识码：A 文章编号：1004-5937（2014）13-0041-03

一、引言

近几年我国资本市场得到了长远发展，越来越多的家庭和企业参与到资本市场中，截至2014年2月，我国股票市场有效账户数已经达1.33亿。在美国等发达国家，家庭更多的倾向于通过投资基金间接参与股票市场，而在我们国家更多的家庭选择直接参与股票市场。因此股票市场的涨跌影响着众多家庭的财产收益。而在目前股票市场经历几年的低迷，投资价值凸显的背景下，研究股票市场的投资方法显得更具现实意义。

关于股价的分析方法，目前主流的有技术分析法和基本面分析法。技术分析法侧重于股票价格和成交量的研究，凭借历史经验的数据来预测未来的股价运行，分析过程以图表作为分析工具，因此也叫图表分析法。基本面分析法认为，公司的盈利能力越强，给股东的回报越高，相对应的股份价值越大，因此公司的盈利能力决定了公司的股价。该方法侧重于研究公司的财务状况，经营成果和现金流量等财务信息。从国内外的历史经验看，技术分析法适用于短线投机，基本面分析法适用于长线投资。因此基本面分析法显得更为理性，像巴菲特等众多投资大师都通过基本面分析法参与股市投资。本文也立足于基本面分析法，即公司的盈利能力来探究股价的运行规律。

二、理论分析

评价企业盈利能力的综合指标是净资产收益率，该指标利用净利润与所有者权益之比来反映所有者投资的获利能力。而杜邦分析是以净资产收益率为核心反映企业盈利能力的评价系统，是典型的利用财务指标之间的关系对企业盈利能力进行综合分析的方法。

理论上，净资产收益率越高，股份价值越大，该指标与股价成正相关。拆解后的三个指标分别为权益乘数、总资产周转率、销售净利润率，三大指标和净资产收益率都是正相关的关系，因此，它们与股价也成正相关。权益乘数越大，所有者资本占全部资产的比重越小，企业负债的程度越高。只要企业的资产报酬率高于负债利率，企业更多地举债对所有者来说就可以获取更多的利润，从而股份价值增长，股价上升。总资产周转率越高，表明企业的资产周转次数越多或周转天数越少，是企业营运能力增强的体现。该指标的上升往往是营业收入的增长而不是总资产的下降所致，而营业收入的增长会给所有者来带来更多的利润，从而股份价值增长，股价上升。销售净利率高表明销售商品的营业收入扣除所有费用后净利润的提高，往往通过企业商品毛利的提高或者期间费用的有效控制实现，而这也意味着企业所有者获取更多的利润，从而股份价值增长，股价上升。

三、实证分析

通过理论分析股价与益乘数、总资产周转率、销售净利润率成正相关关系。下面进一步看实证的结果。在国内蒋贤品、鲁爱民等从定性的角度加以介绍和分析，直接利用杜邦分析体系和指标来评价和预测公司的价值。朱宏泉、舒兰等（2011）仅用回归的方法分析了盈利指标与企业价值的相关性，并且没有分行业进行研究。因此分行业并且对财务指标投资有用性进行灰色关联分析是本文的创新与研究内容所在。

（一）样本选取

样本选取的时间跨度为2008年至2012年，在这五年中，上证指数经历了以下三个阶段的牛熊市交替：从5 265跌至1 664，从1 664涨至3 478，从3 478跌至1 949。这样可以一定程度上避免市场总体表现对分析的干扰。同时，本文选取沪深两市18家旅游类上市公司作为研究样本。旅游行业属于弱周期行业，选其作为研究对象可以较大程度避免经济周期和经济政策对分析的干扰。本文中上市公司主要财务指标以及股价数据来源于东方财富网和相关上市公司所披露的年度报告。

（二）灰色关联分析

本文以灰关联分析法进行实证研究。灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系。灰色关联分析对于一个系统发展变化态势提供量化的度量，非常适合动态过程分析。在我国自邓聚龙于1987年首次提出邓氏关联度后，解决了许多过去难以解决的问题。

当进行灰色关联度计算数列的量纲不同时最好作无量纲化处理，此外还要求数列有公共交点。为解决这两个问题，计算关联系数之前，先将文章先对数列作初值化处理，处理结果如表1所示。

四、结论

作为常用的综合性价值评价工具，杜邦分析通过将资产收益分解为利润率、资产周转率和权益乘数，以反映企业经营业绩的各个不同方面和变化因素，为公司管理者改善经营业绩、投资者更好地判断公司的价值及变化，提供了一种简洁、有效的方法，因而受到人们的广泛关注，并在企业管理中发挥了巨大的作用。本文以A股旅游类上市公司为研究样本，探讨杜邦分析的核心指标和股价的相关性。结果发现：

1.杜邦分析在投资中存在有用性。股价波动与公司的权益乘数，总资产周转率和销售净利率存在相关关系，这也符合资产内在价值评估理论。

2.三大指标中权益乘数和资产周转率的有用性比较强，销售净利率有用性较弱。这说明资本市场能较好地反映公司的风险程度以及盈利能力，但对企业资产运营能力反映较弱。这符合证券投资分析的基本理论，证券投资主要考虑企业的风险和收益，而企业的资产运营能力不是关注重点。

3.杜邦分析中的三大指标能在证券投资中呈现较强的有用性，一定程度说明我国证券市场正趋向成熟并发挥价值发现的职能。作为投资者应当践行价值投资的理念，在充分运用杜邦分析等方法分析企业的财务数据后再进行投资配置。

【参考文献】

[1] 蒋贤品，祝锡萍.杜邦财务分析体系的扩展形式及其应用[J].数量经济技术经济研究，1999，16（5）：65-66.

[2] 鲁爱民，陈锦辉.实践中对杜邦财务分析指标体系的修改和运用[J].数量经济技术经济研究，2000，17（7）：73-75.

[3] 朱宏泉，舒兰，王鸿，范露萍.杜邦分析与价值判断――基于A股上市公司的实证研究[J].管理评论，2011，23（10）：152-160.

[4] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1987：85-100.

[5] 严若森.公司治理评价及其灰色关联分析[J].技术经济，2009，28（7）：114-120.

量化投资与基本面分析方法第7篇

量化投资优势诱人

对年轻的A股市场来说,量化投资还是一个新概念。而在国外,定量投资已经走过了近40年的道路,其中的标杆人物正是著名的詹姆斯・西蒙斯(James Simons)。

量化投资的神秘故事

文艺复兴科技公司(Renaissance Technologies)的詹姆斯・西蒙斯(James Simons)是华尔街最成功的对冲基金经理之一。他所管理的大奖章基金对冲基金,从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。其20年来年均35%的傲人业绩大幅超过了巴菲特。

然而,颇具神秘色彩的西蒙斯对其投资方法刻意保密。迄今为止人们只知道,他的大奖章基金的赚钱方法是:针对不同市场设计数量化的投资管理模型,并在全球各种市场上进行短线交易。而为了让这些“模型”始终处于绝密状态,西蒙斯甚至不惜代价对那些离职创业的员工强硬地提讼。但实际上,数量化投资的背后并不是神秘而不可知的。数量化投资本身有一套规范而透明的做法,并采用科学、公正而理性的方法对市场进行研究并制定适应市场状况的投资模型和投资策略,并不断进行调整和优化。

其实,数量化投资不是黑盒子,也不是神秘主义,更不是一个战无不胜的秘笈。数量化投资不是靠一个投资模型就能一劳永逸地去赚钱,而且也不是使用一个模型就能解决一切问题,更不是一个模型就能胜任任何市场状况。数量化投资模型只是一种工具,数量化投资的成功与否在于使用这种数量化工具的投资者是否真正掌握了数量化投资。同时,数量化投资模型都必须经历不断的跟踪检验、优化、实证等等过程。数量化投资是一个不断改进的过程,数量化投资中最重要的就是投资者的投资思想,包括对投资的理解、理念、经验,所以模型都是建立在这些投资思想上的。量化只是一种方式和工具,正是采用这种工具和方法来获取经验或者检验经验。

有效规避传统投资短板

人脑在思考问题的时候所能考虑到的因素总是有限的,那么决策的广度肯定是不足的。从选股上来看也有这种问题,每个分析师所能跟踪的股票数量也有限制,不可能看太多的股票,这是传统投资的短板。当然,传统的主动投资方法在决策深度上是有优势的,因为可以把基本面研究做得很深入,从而弥补决策广度的不足,这也是决定成败的关键。信息多,信息快,这是当今资本市场的一大特点。市场中信息的传递速度非常快,而且众多分析师对基本面数据进行不断的挖掘,虽然对个股有深入的分析,但是仍然越来越难以弥补决策广度的不足。

另外,或许有的投资者对市场的预测能力非常不错,从理论上说可以获得很好的超额收益(特别是很多事后看来确实预测准确的情况),但现实中收益常常被投资者主观认知上的情绪化波动侵蚀掉。比如说,大多数投资者可能有自己的判断,但是市场短期的表现可能与其判断相左。这个时候,投资者可能会受市场表现的影响而很容易怀疑自己的判断,此时大多数投资者宁愿相信羊群效应―追涨杀跌。

因此,传统定性投资的短板大致在于我们思考的范围总是有限的、较难以处理信息量多而快的问题、难以避免自身的投资情绪等等,这些都将最终影响到投资者的投资收益状况。然而,科学、公正、客观而理性的数量化投资策略却可以规避这些传统主动型投资策略的短板。

量化技术的五大优势

数量化投资与传统的定性投资方法相比,相同点是,二者都致力于建立战胜市场、产生超额收益的投资组合;不同点是,传统的定性投资方法侧重对上市公司的调研、基金经理个人的经验及其对市场的主观判断,而量化投资管理则更加强调数据的分析和应用,以先进的数学统计技术和模型替代人为主观判断。所以,与传统的定性分析方法相比,数量化投资方法能更为理性、客观地分析和筛选股票,避免投资的盲目性和偶然性,以及主观认识的局限性,它能更有效地控制非系统性风险及一些人为因素导致的风险。定量投资管理将定性思想与定量规律进行量化应用,具有如下五大方面的优势:

纪律性:严格执行数量化投资模型所给出的投资建议,而不是随着投资者情绪的变化而随意更改。纪律性的好处很多,可以克服人性的弱点,如贪婪、恐惧、侥幸心理;也可以克服认知偏差,行为金融理论在这方面有许多论述;纪律化的另外一个好处是可以跟踪和修正。定量投资作为一种定性思想的理性应用,客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”,而不是“黑盒子”。每一个决策都是有理有据的,无论是股票的选择,行业选择,还是大类资产的配置等等,都是有数据支持、模型支持及实证检验的。

系统性:数量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据的观察等等。多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度的分析。定量投资的系统性还有一方面就是数据多,即要对海量数据进行处理。人脑处理信息的能力是有限的,当一个资本市场只有100只股票,这对定性投资基金经理来说是有优势的,他可以深刻分析这100家公司,这可以表现出定性基金经理深度研究的优势。但在一个很大的资本市场,比如有成千上万只股票的时候,强大的定量投资的信息处理能力能反映它的优势,能捕捉更多的投资机会,拓展更大的投资机会。

及时性:及时快速地跟踪市场变化,不断发现能够提供超额收益的新的统计模型,寻找新的交易机会。

准确性:准确客观评价交易机会,克服主观情绪偏差,妥善运用套利的思想。定量投资正是在找估值洼地,通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业,那个股票是可以翻倍的股票;与定性投资经理不同,定量基金经理将大部分精力花在分析哪里是估值洼地,哪一个品种被低估了,买入低估的,卖出高估的。

量化投资与基本面分析方法第8篇

技术分析,则是仅从证券的市场行为来分析证券价格未来的变化趋势。证券的市场行为可以有很多种表现形式,其中证券的市场价格、成交量变化以及完成这些变化所历经的时间是市场行为最基本的表现形式。技术分析的理论基础建立在三个假设之上:市场行为包含一切信息,及信息透明化;价格沿趋势而移动,历史会重复。

技术分析和基本分析作为证券投资学的两大理论,长期以来难分伯仲,在投资领域分别拥有大量的信奉者和实践者,这两大阵营也出现了不少成功的世界级大师,索罗斯和巴菲特即是两个理论的代表人物。

其实,两种理论只是从不同的角度出发,所处的试图刻画证券市场基本运行规律的尝试,各有所长,互相补充。

■一、技术分析的弊端

由于技术分析注重短期股价趋势的判断,往往能够立竿见影地体现出适时买进卖出带来的收益,对于短线投资者有着很大的诱惑力,所以,在我国证券市场中颇受重视。每天大量的投资顾问运用技术分析的指标数据知道投资者追涨杀跌。但是,由于技术分析信奉左右市场波动的本质力量,是供给和需求的矛盾运动及其由此形成的此消彼长,认为价格变化已经说明一切,所以一般无视隐藏在价格背后的价值判断,拒绝对任何具体的投资品种进行个性化评估,往往对市场走势是知其然而不知其所以然,或者不屑于知其所以然,因而常常会因为迷信市场而被市场吞噬。更值得关注的是,由于技术分析可以使股票脱离其所代表的企业具体生产经营情况本身而独立运作,容易产生价格与上市公司基本面毫无关系的剧烈波动,扭曲了市场的投资价值,使得股票价格价值严重背离,并诱发过度投机和市场操纵,不利于证券市场健康发展。

目前,我国证券市场上无论是创业板的市场操纵,还是ST股票的非理性上涨,都已明确昭示无视企业内在价值,单纯按照价格趋势进行投资的市场系统风险在急剧增大。

相对于技术分析而言,基本面分析是一种价值分析法,它通常采用一定的数据学方法对股票的内在价值进行估值,虽然股票价值分析大致始于20世纪初,但是当时证券监管和信息纰漏的法规还没有出台,或者很不完备,所以公众可以得到的信息极少,相应地运用这些信息进行分析的余地自然有限。所以,价值分析真正被广泛认可是在1929年世界范围内的经济危机,股市的崩溃告诉人们,再美丽的泡沫都会破灭,应当进行价值投资而非投机,于是基本经典著作的问世,从理论和实践上推动了价值分析的发展。

1934年本杰明.格雷厄姆(Benjamin graham)和戴维.多德(David L.Dodd)出版了《证券分析》一书,书中首创了关于判断股票价格与其净资产含量的七条标准:一是企业应有适度的规模;二是财务地位稳固;三是业绩稳定;四是有连续保持支付股息的记录;五是利润逐年增长;六是适当的市盈率;七是股票价格预期净资产的含量恰当。并总结了第一次世界大战到1929年经济大危机两个时期,股票价值分析在理论和实践中存在的问题,论述了根据损益表和资产负债表进行股票价值分析的方法。同年,哈布纳(S.S.Hebner)在《证券市场》一书中对帕拉特(S.S.Pratt)的股票价值理论(刊于《华尔街的动态,1903》)加以补充。最具里程碑的是威廉姆斯在《投资价值理论》中全面完整的论述了股票内在价值等于未来股利贴现值的思想,后来经米勒和莫迪利安尼、高登的发展,成为公认的股票价值分析基础,也是当今最广泛应用的方法之一。

20世纪90年代中期以来,美国证券界掀起了回归本杰明.格雷厄姆价值投资理念的热潮,主要以沃伦。巴菲特为代表的价值投资学派在同其他的证券理论的竞争中不断发展出令人信服的成就,从而用市场业绩本身验证了价值投资理论的有效性。价值学派认为:证券价格的调整要滞后于信息的到达,股票投资的艺术就在于判断当前的市场价格是否体现了公司的内在价值。

■二、股票价值分析的常用思路

近年来,随着国际证券市场的发展,其日益规范并成为成熟的证券投资交易市场。应运而生,众多理论工作者致力于从宏微观经济、市场行为、投资者心理等多角度进行探讨。

投资者在树立价值投资理念的同时,将把更多的关注向上市公司本身的经营行为和业绩表现,此时投资者面临的问题就是,如何在基本分析的基础上有效、准确的对股票价值进行合理的估价,进而选择更具投资价值的股票。这就是本文的出发点。

首先,我们要解决评价指标的问题。影响股票价格的因素来自诸多方面,包含宏观经济因素、微观经济因素及中观层面因素。

宏观经济因素涉及了国家的经济形势,以及货币政策、财政政策、收入分配政策在内的各项经济政策,用以衡量的则是各项宏观经济指标,诸如GDP与经济增长率、货币供应量、就业率、通货膨胀率、利率、汇率等等。这些宏观经济因素作为这个复杂系统中的慢变量,长期作用于证券市场,而且,对于所有的股票起到近乎相同的作用,所以它是一种系统风险,用其做指标衡量个股的价值,是没有实际意义的。

微观经济因素作为基本面分析,充分体现了上市公司本身的业绩状况,包括公司的竞争能力、盈利能力、经营管理能力、发展潜力、财务状况及经营业绩等方面,很明显,这些微观元素都直接关系到股票的内在价值,或者说股票的长期投资价值,所以应作为评价指标。

中观层面因素,包含行业因素和区域因素,及我们常说的“板块效应”,由于这些因素的量化统计工作十分困难,所以,并不实用,故不在本文考量范围。

具体评价指标,请见下文介绍。

量化投资与基本面分析方法第9篇

【摘要】公共投资绩效评价模型是进行公共投资绩效评价的基础，不同的评价模型会对绩效评估结果产生一定的影响。本文从公共投资绩效评价的内涵和原则出发，比较分析了成本效益分析法、综合评价法和平衡积分卡法三种常见的评价模型，在此基础上提出了四种新型的绩效评价模型，即基于低碳经济模式和伙伴关系模式的绩效评价模型，基于群决策理论和证据理论的绩效评价模型，以期为决策者进行理性选择提供依据。

【关键词】公共投资绩效评价　低碳经济　伙伴关系　群决策理论　证据理论

一、引言

公共投资是社会总投资的有机组成部分，是社会经济可持续健康发展的有力保证，对总供给和总需求起着重要的调节作用。近年来，我国公共投资力度逐渐加大，公共投资绩效的评估问题也逐渐成为了社会关注的话题。公共投资在拉动经济增长，满足公共需求的同时，也逐渐暴露出一些问题，如低效率的重复建设、投资过程的资金浪费流失、对环境保护的忽视等。这不仅严重制约了公共投资效益的发挥，而且不利于对公共投资绩效的综合评判。在经济和科技迅速发展的今天，人们的价值取向也在发生着变化，人们更加关注公共投资带来的社会性和生态性。因此，基于人们的价值取向，根据不同的公共投资项目选择科学合理的绩效评价模型，对于增强公众满意度，提高公共投资的整体水平具有十分重要的意义。公共投资绩效评价是基于公共管理角度的绩效评价，公共投资绩效评价是指基于一定的评价标准和评价原则，采用科学、合理的评价方法，对公共投资的过程和结果进行有效的评判。本文基于多元化的价值取向，提出了四种新型的绩效评价模型，即基于低碳经济模式的绩效评价模型、基于伙伴关系模式的绩效评价模型、基于群决策理论的绩效评价模型和基于证据理论的绩效评价模型，为决策者进行理性选择提供依据。

二、公共投资绩效评价模型选择的原则

由于公共投资具有非竞争性、非排他性和非营利性等特征，因而对于公共投资绩效的评价也具有了特殊性，公共投资绩效评价是一个复杂的过程，在这一过程中必须要遵循一定的原则，即科学性、经济性、动态性、价值导向性、定量分析和定性分析相结合等，这样才能够保证绩效评价的顺利进行。

（一）科学性原则

一个有效的评价模型首先要使得评价结果公平、客观。全国各地区的经济发展水平参差不齐，不同地区的公共投资必然会存在一定的差距。因此，公共投资绩效评价如何既要兼顾经济发达地区又要兼顾落后地区，一个科学合理的评价模型起着至关重要的作用。其次，在公共投资中，有许多指标是很难量化，如人们的满意度等，因此基于客观的事实，选择一种较为公正客观的评价模型，能减少主观因素的影响，较为客观的评判公共投资的绩效。

（二）经济性原则

经济性是指在对公共投资的绩效进行科学合理评价前提下，选取的评价模型尽可能的简约，减少不必要的人力、物力和财力。公共投资从投入、实施到评估，每个环节都需要耗费一定的资源，需要每个环节都要遵循经济性的原则。一个简单、直观的评价模型，不仅便于人们操作，而且能节省大量的时间，避免不必要的人力、物力和财力。

（三）动态性原则

由于公共投资项目生命周期长，在不同阶段公共投资的投资力度也会发生变化，因而绩效评价的内容也会有所不同，绩效评价也应分阶段进行。如一些大型公共投资项目，在绩效评价时分事前、事中和事后三个阶段进行。因此，根据公共投资不同阶段特征选取更为合理的动态绩效评价模型，对于更好的完善公共投资管理具有重要意义。

（四）价值取向导向性原则

在绩效评价模型的选择过程中，价值取向也不尽相同，有的以效率优先为取向的，有的以公平为取向，也有的以生态文明为取向，不同的价值取向就会做出不一样的选择。如在效率优先成为人们的价值取向的情况下，成本效益模型、投资乘数模型、挣值分析模型等则成为首先考虑的选择；在人们追求公平的前提下，则较多的选择平衡积分卡模型、多目标规划模型、满意度分析模型、综合评价模型等作为公共投资绩效评价模型；在生态文明成为人们价值取向前提下，低碳经济模式评价模型、伙伴关系模式评价模型等则成为了最优选择。

（五）定量分析与定性分析相结合原则

在实际生活中，定量分析已经得到广泛应用，定量分析通过对数据进行处理，对指标进行量化，能较为客观的反映实际问题。然而，在公共投资中，有许多指标在现有的技术范围内不能量化，无法进行定量分析，这就需要对这些指标进行定性分析。因此，公共投资绩效评价模型的选择要遵循定量和定性分析相结合的原则，做到在定性分析的基础上进行定量分析，两者进行合理而适当的结合，从而全面的评价公共投资的绩效。因此，公共投资绩效评价能否有效的进行，绩效评价模型的选择至关重要。在不同的价值导向下，选取科学、合适的评价模型有利于客观的衡量人们对公共投资的满意度，也有利于公正的评判公共投资的综合效益。

三、公共投资绩效评价常用模型

公共投资绩效评价是一个系统的过程，在这一过程中评价方法的选择具有至关重要的作用，目前较为常用的评价方法主要有成本效益分析法、综合评价法、平衡积分卡法等，虽然在实践中逐渐得到广泛应用，但在现阶段仍存在许多不足之处。

（一）成本效益分析法

成本效益分析法源于美国通过的《洪水控制法案》，后来经过不断地发展与完善，逐渐被广泛应用于各个领域，尤其在公共投资领域，成为公共投资决策的基本工具。成本效益分析法是指基于净现值、成本效益和内部报酬率原则，比较分析一定时期投资项目的成本和效益，进而获取最优投资方案。但是由于成本效益分析法是对成本和效益进行衡量，因此，从某种程度上限制了适用范围，即仅适用于能用货币计量成本效益的投资项目。由于公共投资自身的特殊性，用这种方法对其进行评价的时候不可避免的存在缺陷，如由于公共投资项目的效益界线模糊，不能准确衡量效益的大小；同时公共物品本身具有的非竞争性和非排他性，使得真正受益的群体范围很难准确的判断。尽管存在局限性，但是在以效率优先为价值导向的投资项目中，成本效益分析法是简便可行的选择。

（二）综合评价法

综合评价法是指通过计算多种指标，并赋予一定权重，从而获取综合评价值，进而完成对公共投资绩效的综合评价。现代综合评价法大体包括两大类，一类是客观赋权评价法，一类是主观赋权评价法。前者主要包括数据包络分析法、主成成分分析法等，后者主要包括模糊综合评价法、层次分析法等。目前在公共投资绩效评价中较为常用的是数据包络分析法、层次分析法和模糊综合评价法。

1. 数据包络分析法。数据包络分析法，即DEA分析法最早是由美国运筹学家A. Charnes，W. W.Cooper 和E. Rhodes 于1978 年提出的。DEA 分析法是基于线性规划模型，对具有多投入和多产出的同类可比性单元进行有效性评价的一种方法。DEA 分析法近年来在公共投资绩效评价中也得到了广泛的应用，如李忠富和李玉龙（2009）基于2003-2007年我国基础设施投入和产出的数据，运用DEA 的二阶段模型，对我国基础设施投资绩效进行了相对有效的评价；张心昌（2012）通过构建三阶段的DEA模型对2008-2010 年我国各地区农村公共投资绩效进行了评价。DEA 分析法在具有多投入和多产出指标的领域具有突出的优势，但是由于此种方法对样本容量的要求较高，同时要对数据的可信性做出判断，因此极大的限制了数据包络分析法在进行绩效评价时的相对有效性。

2. 层次分析法。层次分析法最早是由美国运筹学家萨蒂于二十世纪七十年代提出的，是将决策目标层层分解，进而对每层的各要素进行分析比较，从而选出最优决策方案的一种分析方法。该方法主要侧重于定性分析，在定性分析的基础上利用较少的数据对决策变量进行量化，用定量分析来反映人的主观判断。层次分析法已广泛应用于公共投资领域，此方法对于评价公共投资中无法量化的定性问题具有突出的优势，然而由于定量分析的数据较少，定性的成分居多，不可避免的带有一定的主观色彩。另外，当分层的指标过多时，权重的大小难以确定，这无疑给绩效评价带来困难。

3. 模糊综合评价法。模糊综合评价法基于模糊数学隶属度理论的一种综合评价方法。基本思路是首先根据行业特点和相关法律法规构建评价指标，其次专家根据自己的主观判断赋予变量一定的权重，并通过建立隶属函数构建评价矩阵，最后通过模糊变换进行评价。我国对于模糊综合评价法的研究起步较晚，但是近年来在一些领域也初见成效，如水利、医学、建筑工程等领域。模糊综合评价法对于在公共投资绩效评价中模糊的问题具有明显的优势，运用模糊数学法对人的主观判断进行定量分析，而定性的问题大多是通过专家的主观经验判断进行量化，不可避免的造成评价结果的主观性较强。同时，由于评价过程中有的评价指标之间具有相关性，从而导致评价结果信息不必要的重复。

目前综合评价法在我国公共投资绩效评价中应用较为广泛，评价结果较为准确、全面。但在指标的选择和权重的确定等方面主观性较强，客观度较弱，操作起来很难兼顾各方面利益的需求，因此在公共投资绩效评价中的应用受到了一定的限制。

（三）平衡积分卡法

平衡积分卡起源于 1990 年美国诺顿研究所的一项研究——“衡量组织的未来绩效”。平衡积分卡最初用于评价企业绩效，后来国内学者进行了相关研究，将其引入了公共投资领域，如张安定（2004）对平衡积分卡在公共投资领域的应用进行了可行性分析；2006 年杨文明等对传统的平衡积分卡进行了修正，在此基础上提出运用平衡积分卡分析法对公共投资绩效进行评价，为政府绩效管理提供了一种新的方法。所谓平衡积分卡是指基于财务、顾客、内部流程和学习与成长四个维度综合评价组织绩效的方法。由于平衡积分卡最初是为企业绩效评价而设计的，而企业追求的是自身利益的最大化，这与公共投资所追求的公共利益大相径庭。因此，运用此种方法对公共投资绩效进行评价，需要对平衡积分卡进行必要的修正。但是在现有的技术条件下，依据公共投资的特点对平衡积分卡的具体指标进行修正，实施难度大，实施成本高。因此，在现阶段科学合理的运用此种方法对公共投资绩效进行有效的评判很难实现，还有待进一步探索。

综上所述，以上三大类绩效评价方法各有利弊，但也有相似之处，即都没有做到将定量分析和定性分析的有机结合，同时对于具有模糊性的问题做出的判断都带有较强的主观性。另外，采用以上单一的评价方法，难以综合考虑各因素对评价结果的影响，无法兼顾各方利益的需求。每一种方法带来的绩效评价效果也各有不同，在不同的价值取向的指导下，选择不同的评价方法所带来的效果是不同的，因此，要根据当前人们的价值取向，针对公共投资的特殊性，选择科学合理的绩效评价方法。

四、公共投资绩效评价新型模型

随着经济的发展和科技的进步，人们的价值取向也在发生着变化，逐渐趋于多元化。在多元化价值观的驱动下，新型的公共投资绩效评价模型应运而生，本文主要介绍以下四种新型模型。

（一）基于低碳经济模式的公共投资绩效评价模型

“低碳经济”这一概念最早是由英国首相布莱尔于2003 年在《我们未来的能源——创建低碳经济》上提出的。低碳经济是一种低能耗、低污染和低排放的经济模式。当前雾霾天气令人堪忧，传统的高能耗、高污染、高排放的经济模式难以为继，环境问题成为了每年两会的热点话题。取而代之的新型的经济模式——“低碳经济”已备受人们关注，在全球范围内已经成为一种时尚。然而在我国公共投资绩效评价的过程中，对低碳经济的关注度较低，进而引发了一系列的环境问题。

在建设资源节约型和环境友好型社会背景下，生态文明已逐渐成为人们的价值取向。因此，在进行公共投资绩效评价的过程中，应充分关注低碳经济模式，其中一个很重要的方面就是基于低碳经济模式选取科学合理的绩效评价模型。要关注公共投资的动态性。由于公共投资周期较长，对社会环境和经济环境的变化反应具有滞后性，因此，在公共投资的各个阶段要选取动态的绩效评价模型，有针对性的进行评估，进而对低碳经济模式下的公共投资绩效进行综合性的评判。定量分析与定性分析相结合。低碳经济模式是一种新的理念，单靠相关人员的预测和分析，缺乏一定的说服力，因此，在使用模型时要较多的采用生态方面的相关指标进行定量分析以增加可信度。要因地制宜。根据不同地区公共投资规模和特征选择反映生态效益和社会效益的评价模型，使评价结果更有针对性。

（二）基于伙伴关系模式的公共投资绩效评价模型

伙伴关系模式最早起源于日本重工业，而后被逐渐应用于工程项目管理，获得了较快发展。伙伴关系模式是指有着共同的目标，具有协商解决冲突的能力，并且相互信任的组织之间的联盟模式。传统的公共管理模式下，公共投资建设项目的绩效评价主体通常是政府，主体单一，无法兼顾不同利益群体的需要。而随着我国投资和融资机制的改革，公共投资项目的资金来源也在发生变化，逐渐趋于多元化。而伙伴关系模式一个突出的优势就在于评价主体的多元化，评价主体主要包括政府、公众和执行者等。伙伴关系模式是我国各项改革深化的必然选择，该模式从多元化价值观的角度对公共投资绩效进行全方位的评价。由于价值取向因人而异，因而对同一对象不同的评价主体所作出的评价结果也有所差异。

伙伴关系模式的引入，既是对公共投资绩效评价模式的创新，同时绩效评价的结果又能兼顾各方利益群体的需求，体现了现代社会效率性、公平性、社会性和生态性等多元的价值取向。

（三）基于群决策理论的公共投资绩效评价模型群决策概念最早起源于20 世纪70 年代，而后随着西方福利经济学的发展而逐渐发展起来。群决策是指多人对同一问题作出决策的过程。

当前通畅的信息渠道和庞大的信息来源使得决策变得日益复杂，单个人很难对某项决策作出科学的评价，这就需要群体决策的力量。在“财政投资，政府管理”的模式下，更需要借助群决策的力量对公共投资项目进行必要的监督，其中一个重要的方面是建立基于群决策理论的公共投资绩效评价模型。目前采用的绩效评价模型，如层次分析法、模糊综合评价法等，仅能反映评估结果的好坏，不能深入反映造成这种结果的原因，同时在指标权重确定上具有较强的主观性。而基于群决策理论建立绩效评价模型，可以将具有评价分析能力和决策能力的相关专家学者和组织者组织起来，通过调查问卷的方式获取群决策信息，进而对群决策信息进行深入的分析和概括，最终完成对公共投资绩效的综合评估。同时，在评价的过程中采用熵权法来确定各指标的权重，在很大程度上降低了人为因素的干扰，使得评价结果更为客观和公平。

构建公共投资绩效评价模型，不仅可以实现定量和定性分析的有机结合，而且可以实现从经济性、社会性、生态性等方面对公共投资的综合评估，有利于提高公共投资绩效评价的有效性和科学性。

（四）基于证据理论的公共投资绩效评价模型证据理论最早是由Dempster 于1967 年提出，而后经过Shafer 发展起来，形成了统一的理论，简称D-S 证据理论。证据理论是一种不确定性的推理理论，是基于人们从客观世界所掌握的证据和知识，对于不确定的信息进行度量。

当前在公共投资绩效评估的过程中，存在着许多不确定信息，这极大地干扰了评价结果的客观性，目前常用的评价模型很难做到对这些信息进行较为客观公正的分析。而证据理论正好能够解决这一问题，证据理论能够有效的处理不确定的信息，通过构建信度函数来表示人们所掌握的证据，进而根据数据融合法则对所获取的不确定性信息进行综合分析，最终实现对公共投资绩效的综合评价。

构建公共投资绩效评价模型，一方面用人们所掌握的知识作为知识框架，能充分考虑人们的主观诉求，利于提高评价结果的民主性；另一方面利用证据理论对不确定信息进行定量分析，降低了绩效评价的主观性，使得评价结果更符合客观实际。

不同的公共投资绩效评价模型的选择会对评估结果和效果产生一定的影响。没有哪一个评价模型是完美无缺的。如何进行理性的选择，如何满足广大人民的利益需求，仍是值得去探索和实践的。只有遵循科学性、经济性、动态性、价值导向性和定量分析与定性分析相结合等原则，根据不同的公共投资项目有针对性的选择合适的绩效评价模型，才能确保评价结果的客观、公正和全面。

参考文献

[1] 普雷姆詹德. 公共支出管理[M]. 北京：经济科学出版社，2002.

[2] 陆庆平. 公共财政支出的绩效管理[J]. 财政研究，2003(4):18-20.

[3] 鲍良, 杨玉林. 公共投资项目绩效评价研究与发展[J].资源与产业，2008(2):54-56.

[4] 王冲. 公共投资工程绩效评价研究——基于低碳经济模式[J]. 企业经济，2014(9):147-150.

[5] 张艳. 伙伴关系模式下公共投资建设项目评价研[M].兰州大学，2007.

[6] 李小皇. 基于群决策理论的公共项目投资绩效评价方法研究[M]. 湘潭大学，2012.

[7] 韩德强，等. DS 证据理论研究进展及相关问题探讨[J].控制与决策，2014(1):1-7.