股票投資決策流程大全11篇

緒論：寫作既是個人情感的抒發(fā)，也是對學(xué)術(shù)真理的探索，歡迎閱讀由發(fā)表云整理的11篇股票投資決策流程范文，希望它們能為您的寫作提供參考和啟發(fā)。

篇（1）

從允許保險公司通過證券投資基金間接投資股市，到放開保險公司直接入市，權(quán)益類投資在保險公司整體資產(chǎn)配置中的重要性日益提高。現(xiàn)在權(quán)益類投資占保險公司整體資產(chǎn)配置的比重不是很高，但卻是可以提高整體收益率的一個重要手段，值得深入研究。

一、投資目標(biāo)

通過股票或基金的組合投資，直接或間接投資于中國的股票市場，在控制風(fēng)險的前提下，實現(xiàn)投資凈值的穩(wěn)定增長和資產(chǎn)的長期增值，分享中國經(jīng)濟持續(xù)穩(wěn)定高速增長的成果。

二、投資理念

（一）積極管理

1.中國的證券市場還不是非常有效的市場，價值被低估和高估的情況經(jīng)常出現(xiàn)，市場充滿投資機會

2.消極管理指導(dǎo)思想下的指數(shù)化分散投資還不能有效降低風(fēng)險

投資的基本原理之一是分散化投資，也就是諺語常說的“不要把雞蛋放在一個籃子里”。我們說，“雞蛋”可以放在不同的“籃子”里，但前提是“籃子”必須結(jié)實，而在中國市場，結(jié)實的“籃子”太少，不結(jié)實的“籃子”太多。因此，過于分散化的投資還不能很有效地降低風(fēng)險。

3.機構(gòu)投資者的信息與人才優(yōu)勢使積極管理成為可能

當(dāng)前中國的機構(gòu)投資者隊伍在不斷壯大，境內(nèi)的投資者包括基金管理公司、保險公司、財務(wù)公司、證券公司、信托投資公司等，境外的機構(gòu)投資者則以QFII為主。機構(gòu)投資者擁有資金、人才、信息等多方面優(yōu)勢，通過全球視角下的宏觀、中觀和微觀分析，能更有效地發(fā)掘超額收益，使積極管理成為可能。

（二）價值投資

1.價值規(guī)律同樣在證券市場發(fā)揮作用

價值規(guī)律告訴我們，在商品市場上，價格圍繞價值波動。在證券市場上，價值規(guī)律同樣發(fā)揮作用，即上市公司的股票價格也是圍繞其內(nèi)在價值進行波動的，當(dāng)價格低于其內(nèi)在價值時，應(yīng)該大膽買入；當(dāng)價格高于內(nèi)在價值時，應(yīng)該果斷賣出。

2.在市場規(guī)模不斷擴大及機構(gòu)化、國際化的背景下，價值投資將逐步成為未來中國證券市場主流的投資理念

（1）中國證券市場規(guī)模不斷擴大，少數(shù)機構(gòu)操縱市場與股價的難度越來越大。

從1996年到2005年，股市流通市值增加了243％，而2005年下半年啟動的“股改”，更是中國股市的重大制度性變革，“股改”之后，非流通股將逐步轉(zhuǎn)為可流通股，中國股市的流通市值將在現(xiàn)有的基礎(chǔ)上翻一番還多，這使得操縱市場的難度進一步加大（見圖1）。

（2）機構(gòu)化。我國證券市場機構(gòu)投資者比重迅速上升，機構(gòu)與散戶的博弈變?yōu)闄C構(gòu)之間的博弈。

（3）國際化。對外開放步伐逐步加快，發(fā)達國家成熟的投資理念對我國的影響逐步加深。從2003年QFII進入中國證券市場以來，截至2005年底，共有34家機構(gòu)獲批QFII資格，累計批準(zhǔn)額度56.5億美元，此外，還有很多境外投資機構(gòu)以合資等方式進入中國證券市場。這些境外投資機構(gòu)應(yīng)用發(fā)達市場成熟的投資理念和投資方法，在全球視角內(nèi)進行價值判斷和投資決策，在取得良好的投資收益的同時，也深深影響了境內(nèi)投資者的投資理念。

3.新興市場下的相對價值投資

（1）中國公司治理結(jié)構(gòu)不完善的情況較為普遍，具有絕對投資價值的品種較少。

（2）“常青樹”較少。在國外成熟證券市場上，曾出現(xiàn)過一些令人艷羨的“百年老店”，使得長期價值投資成為可能。而在中國，大多數(shù)公司受體制機制的局限及經(jīng)濟周期和國家產(chǎn)業(yè)政策的影響較深，業(yè)績起伏較大，往往是“各領(lǐng)一兩年”，常青樹型的上市公司較少。

（3）價值投資理念的確立需要一個不斷反復(fù)和確認的過程。需要人們在經(jīng)歷市場風(fēng)風(fēng)雨雨的磨練和“教育”之后逐步認識和確立。

4.價值分析為主，技術(shù)分析為輔

股票價格的中長期走勢取決于公司的基本面，但其中短期走勢卻時時受到市場偏好和供求關(guān)系的影響，因此技術(shù)分析具有短期指導(dǎo)作用。任何事物都是波浪式前進的規(guī)律，同樣告訴我們：股票投資的“波浪理論”及在其指導(dǎo)下的波段操作，與價值投資可以并行不悖。

（三）組合優(yōu)化

在優(yōu)中選優(yōu)的基礎(chǔ)上，通過適當(dāng)分散組合投資，可以降低投資的非系統(tǒng)性風(fēng)險，獲取風(fēng)險調(diào)整后的最優(yōu)收益。

三、股票投資策略

（一）價值投資理念下的兩類投資風(fēng)格

價值低估與業(yè)績成長是股價上漲的根本動力。在價值投資理念的大旗下，又可以分為兩類主要的投資風(fēng)格：價值投資型與價值增長型或者兩者的完美結(jié)合。

1.價值投資型

價值投資型股票往往具有以下四方面特征：

（1）較低的價格／收益（PE）比率，即低市盈率。

（2）以低于面值的價格出售。

（3）隱藏資產(chǎn)，“公司也許擁有曼哈頓，這是它從印第安人那里買來的，不過遵循良好的會計慣例，把這項購買以成本24美元人賬?！?/p>

（4）長期穩(wěn)定的現(xiàn)金分紅比率。如果一家上市公司能長期穩(wěn)定地現(xiàn)金分紅，這本身就意味著該公司有穩(wěn)定的經(jīng)營模式、穩(wěn)定的現(xiàn)金流，這也構(gòu)成長期投資價值的一部分。

2.價值增長型

價值投資的另一種風(fēng)格是價值增長型，這里強調(diào)其內(nèi)在價值隨著業(yè)績的增長而增長。如果說長期價值投資型風(fēng)格是一種防御型風(fēng)格的話，價值增長型就是一種進攻型風(fēng)格。價值增長型股票具有以下四點特征：

（1）處于增長型行業(yè)。

（2）高收益率和高銷售額增長率。

（3）合理的價格收益比。對于高成長的股票而言，其市盈率往往會隨著股價的上升而上升，這是增長預(yù)期在價格中的體現(xiàn)，是合理的，但是市盈率不能比增長率高出太多，最好是（P／E）／G小于或等于1.

（4）強大的管理層。

（二）前瞻性是選出好股票的關(guān)鍵

1.對歷史的理解是股票投資的基本功

要做好股票投資，首先要對歷史具有充分的了解和理解，以史為鑒，有助于指導(dǎo)我們現(xiàn)實的投資。

2.買股票就是買企業(yè)的未來

股票價格說到底是對未來現(xiàn)金流的折現(xiàn)，可以說，買股票就是買企業(yè)的未來。這就要求投資者具有前瞻性的眼光，能夠見別人所未見。

3.任何超額利潤都來自于獨到的眼光

從眾心理是投資的大敵，從眾最多讓投資者獲得平均利潤，而不可能獲得超額利潤，更多的時候從眾心理會帶來虧損；獲取超額利潤，必須要有獨到的眼光。要能做到人棄我取，在市場低迷時敢于介入；也要能做到人取我棄，在市場過度樂觀時果斷賣出。

4.在前瞻性基礎(chǔ)上優(yōu)中選優(yōu)

在前瞻性基礎(chǔ)上，還要做到優(yōu)中選優(yōu)，保證投資的成功率。

四、基金投資策略

基金投資與股票投資既有相似之處，也有差異之處，相似之處是指對基金的投資同樣要遵從價值投資理念，選擇投資價值高的品種；不同之處在于基金的估值指標(biāo)體系與股票有較大差異。在對基金進行投資價值分析時，可以從以下四方面入手：

（一）看過去

看過去是指考察基金公司和基金過去的業(yè)績表現(xiàn)，大致包括三方面內(nèi)容：

1.對既往業(yè)績與風(fēng)險進行評估

對既往業(yè)績和風(fēng)險進行評估等于績效評估和歸因分析。收益分析包括對凈值增長率和風(fēng)險調(diào)整后收益指標(biāo)的分析（詹森比率、夏普比率、特雷諾比率等）。經(jīng)過風(fēng)險調(diào)整后的收益率指標(biāo)，能更全面地反映基金經(jīng)理對收益和風(fēng)險的平衡能力。另外，還要對包括主動投資風(fēng)險度、股票倉位調(diào)整、行業(yè)集中度、股票集中度、基金重倉股特征等指標(biāo)進行分析。

其中對基金重倉股（前五大市值或者前十大市值）要進行重點研究，重倉股是基金經(jīng)理自上而下和自下而上投資分析的綜合結(jié)果，對判斷基金經(jīng)理的擇股能力有著重要參考意義，因此要對基金重倉股進行認真的對比分析。

2.基金經(jīng)理的素質(zhì)與能力

如果說買股票是買企業(yè)的未來，買企業(yè)的管理層，那么買基金就是買基金公司，具體而言就是買基金經(jīng)理?；饦I(yè)是個智力密集型行業(yè)，其投資業(yè)績主要是依靠管理團隊和基金經(jīng)理的投資管理能力。因此，基金經(jīng)理的投資理念、投資經(jīng)驗、市場感覺、擇股擇時能力，對基金的業(yè)績都有巨大的影響，在選擇基金時，必須對基金經(jīng)理的素質(zhì)和能力進行全面的考察。

3.管理團隊

管理團隊是基金公司經(jīng)營的核心，其對個體基金投資業(yè)績的影響不容忽視，特別是對不突出明星基金經(jīng)理，而更注重整體管理的基金管理公司而言，其意義更為重要。因此，管理團隊也是選擇基金的重要指標(biāo)。

（二）看現(xiàn)在

看現(xiàn)在包括三方面內(nèi)容，首先是當(dāng)前股市的估值水平，即市場點位，其次是備選基金在當(dāng)前市場估值水平下的應(yīng)對措施，這主要體現(xiàn)在股票倉位上，最后是基金公司的人員有無變動。

1.市場點位

市場點位代表市場的估值水平，如果當(dāng)前點位較低，進一步上升空間較大，則作為投資者可以加大對基金的投資力度，或者選擇股票倉位較高的基金；如果當(dāng)前點位已經(jīng)比較高，估值水平已經(jīng)較為充分，市場下跌的風(fēng)險較大，則可以減少對墓金的投資力度，或者選擇股票倉位較低的基金。

2.股票倉位

對股票倉位的選擇需要結(jié)合投資者對市場點位和估值水平的判斷進行。如果投資者認為當(dāng)前市場點位較低，可以選擇股票倉位較高的基金，反之則選擇股票倉位較低的基金。但問題在于目前我國基金信息披露是按季度進行，投資者只能了解上季度末的倉位情況，信息有些滯后，要想實時了解基金倉位，只能通過基金凈值變動進行估算，但這種估算的準(zhǔn)確度不是很高。

3.人員變動

考察人員變動主要是看管理團隊、投資團隊、研究團隊等投資核心人員有無大的變動，如果一些重要的人員如總經(jīng)理、投資總監(jiān)、明星基金經(jīng)理等離職，則對于未來基金的業(yè)績會帶來一定的不確定性。

（三）看未來

“看未來”主要是對基金組合未來的收益和風(fēng)險狀況進行預(yù)測分析，包括四方面內(nèi)容：

1.股票組合分析

對備選基金組合中個股尤其是重倉股的基本面進行分析，進行收益預(yù)測和估值分析。

2.規(guī)避風(fēng)險

對股票組合的行業(yè)集中度、個股集中度、歷史波動率等風(fēng)險指標(biāo)進行分析，對基金組合的風(fēng)險進行評估。同時對其組合中的個股進行認真研究，避免踩到“地雷”。

3.評估增長潛力

通過對組合中個股的收益和估值情況的預(yù)測，可以對基金凈值的增長情況進行預(yù)測，來衡量備選基金的增長潛力。

4.基金的“期限結(jié)構(gòu)”

在選擇封閉式基金時，要考慮基金的剩余期限，根據(jù)市場走勢和基金凈值變動預(yù)測進行基金剩余期限的合理搭配。

（四）看價格

“看價格”主要是指對封閉式基金的折價率進行分析，在其他條件相同的情況下，選擇折價率相對較高的基金。

五、投資流程與方法

好的投資結(jié)果是建立在好的投資流程和投資方法基礎(chǔ)上的，將投資決策的各個步驟進行合理地安排和整合，可以有效地將基本面與技術(shù)面研究、定性與定量分析、時機選擇以及風(fēng)險控制等結(jié)合起來，實現(xiàn)投資研究一體化、風(fēng)險控制與投資交易并重。投資流程應(yīng)該包括以下幾個步驟：

研究先行—實地考察—價值評估—比較分析—技術(shù)分析—決策選擇—買賣交易。

1.研究先行。進行自上而下的宏觀研究與自下而上的微觀分析，對行業(yè)以及股票的基本面進行了解。

2.實地考察。對企業(yè)進行實地調(diào)研，一方面了解企業(yè)未來經(jīng)營發(fā)展情況，一方面也是對企業(yè)公開的報告和報表中的信息進行核實。

3.價值評估。在研究和實地考察的基礎(chǔ)上，從上市公司基本面角度進行數(shù)量化分析，對股票價值進行評估。

4.比較分析。將股票的估值指標(biāo)與同類企業(yè)以及大盤進行比較，確認其估值高低。

篇（2）

一、選題背景

ST是英文Special Treatment縮寫,意即“特別處理”。該政策針對的對象是出現(xiàn)財務(wù)狀況或其他狀況異常的。1998年4月22日,滬深交易所宣布,將對財務(wù)狀況或其他狀況出現(xiàn)異常的上市公司股票交易進行特別處理(Special treatment),由于“特別處理”,在簡稱前冠以“ST”,因此這類股票稱為ST股。當(dāng)一個公司的連續(xù)出現(xiàn)兩年虧損的時候,就會加上ST,提醒投資者這只股票可能在一年后退市。由于ST股是一些財務(wù)狀況不好的、可能退市的股票,因此投資者若是購買的是ST股票,會使用完全不同的投資決策,因此投資的股票是否是ST股票對于投資者在做投資決策的時候是非常重要的。

二、研究問題與技術(shù)方法

(一)研究問題

由于還沒有一種典型的函數(shù)來確定股票是否屬于ST股,所以,預(yù)測股票是否屬于ST股是很困難的。在本次研究應(yīng)用中,將140支已發(fā)行股票分為兩類。將股票分類后,以此來判別基礎(chǔ)。

(二)技術(shù)方法-模型訓(xùn)練及預(yù)測

預(yù)測模型的訓(xùn)練一般有三種方法,分別是神經(jīng)網(wǎng)絡(luò)、決策樹、回歸分析。

1.神經(jīng)網(wǎng)絡(luò)(Neural Networks),是通過不斷調(diào)整各個輸入數(shù)據(jù)權(quán)重使得輸出的預(yù)測值與數(shù)據(jù)實際值的均方誤差最小化的模型。這種不斷調(diào)整的過程就是對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。這一訓(xùn)練過程是不可見的。

2.決策樹(Decision Tree),決策樹是一種結(jié)構(gòu)。通過應(yīng)用簡單的決策規(guī)則,利用這種結(jié)構(gòu)可以將大型記錄集分割成相互連接的小型記錄集。通過每一次連續(xù)分割,結(jié)果集中的成員彼此變得越來越相似。決策樹是一種類似流程圖的樹型結(jié)構(gòu),其中樹的每個內(nèi)部節(jié)點均代表一個屬性的測試,其分枝就代表測試的每個結(jié)果,而樹的每個葉節(jié)點就代表一個類別,樹的最高層節(jié)點就是根節(jié)點,也是整個決策樹的開始。決策樹模型包含一系列規(guī)則,按照某個相關(guān)的特定目標(biāo)變量,可將大量包含不同種類的總體分割為更小的、更相似的群組,它可用于計算給定記錄歸屬于某一個類別的概率,也可以通過將記錄分配到最可能的類來給記錄評分。訓(xùn)練決策樹模型的過程,實質(zhì)是確定最佳規(guī)則的過程。

3.回歸分析(Regression),是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法。這一方法可以用來預(yù)測其中的變量值。訓(xùn)練回歸模型的過程,實質(zhì)是確定變量之間定量關(guān)系的過程。

在本次研究中,將用數(shù)據(jù)分別訓(xùn)練三個模型,判斷出哪種模型的預(yù)測效果最佳,并用這種模型對將要上市的股票做出預(yù)測。

三、數(shù)據(jù)挖掘技術(shù)應(yīng)用

(一)導(dǎo)入數(shù)據(jù)

將收集到的數(shù)據(jù)導(dǎo)入SAS中,通過運用這些數(shù)據(jù)進行模型的訓(xùn)練和預(yù)測。

(二)SAS模型訓(xùn)練

SAS流程圖如圖一。實際過程中,根據(jù)神經(jīng)網(wǎng)咯、決策樹和回歸分析的效果來決定預(yù)測模型的選取。

主要步驟:

1.在SAS中導(dǎo)入已選擇相關(guān)企業(yè)訓(xùn)練數(shù)據(jù),并把variables中的F2選項定義為target。

2.在data partition 節(jié)點中選擇樣本隨機方法,并設(shè)置各部分比例。將各部分比例設(shè)為train 40%,validation 30%,test 30%。

3.運行assessment得到如下結(jié)果

從上圖中可以看出在10%比例的情況下,神經(jīng)網(wǎng)絡(luò)模型和邏輯特回歸模型都可以到達100%的正確率,但是在20%比例的情況下,只有神經(jīng)網(wǎng)絡(luò)模型可以達到100%的正確率,因此神經(jīng)網(wǎng)絡(luò)模型的擬合較好,我們選擇神經(jīng)網(wǎng)絡(luò)作為預(yù)測模型。

四、神經(jīng)網(wǎng)絡(luò)模型分析

(一)神經(jīng)網(wǎng)絡(luò)模型

根據(jù)SAS的神經(jīng)網(wǎng)絡(luò)模型的運行結(jié)果,我們可以得到如下的權(quán)值:

根據(jù)結(jié)果可以看出,在42個數(shù)據(jù)取20%的時候,我們?nèi)〉诰艂€數(shù),這九個數(shù)的預(yù)測都是百分之百正確的,正明這個神經(jīng)網(wǎng)絡(luò)模型的效果是顯著的,因此我們?nèi)?.8752作為閾值,當(dāng)算出來的閾值大于0.8752的時候就歸為1-ST股,否則為0-非ST股。

(二)預(yù)測

用測試的數(shù)據(jù)集來進行預(yù)測,也就是看測試集里面的股票哪些是屬于被ST的,哪些是沒有被ST的,根據(jù)SAS的運行結(jié)果得到如下所示的圖。

從圖中可以看出前20只股票的閾值都大于0.8752,因此基于神經(jīng)網(wǎng)絡(luò)模型的分類,前20只股票都應(yīng)屬于ST股,而在實際情況下第7只望春花和第17只力諾工業(yè)卻不是ST股票。因此通過對比,我們可以看出,神經(jīng)網(wǎng)絡(luò)的分類是比較準(zhǔn)確的,但是也不能做到百分之百的正確率,我們可以依據(jù)神經(jīng)網(wǎng)絡(luò)模型對不確定的股票進行預(yù)測,判斷它是屬于ST股票還是屬于非ST股票,幫助我們在證券投資上做出投資決策。由于這種分類不是百分之百正確的,我們也不能完全依靠模型做出來的結(jié)果進行預(yù)測,還應(yīng)根據(jù)其他指標(biāo),如,宏觀經(jīng)濟與其他基本面的分析對股票投資進行分析。

五、結(jié)束語

篇（3）

兩屆金牛獎得主

資料顯示，本次建信基金獲譽“2010年度債券投資金?；鸸尽币咽枪径全@此殊榮，去年建信基金也曾摘得同一獎項，目前該公司是獲得此獎項次數(shù)最多的基金公司。

這一榮譽的獲得得益于建信基金在固定收益投資管理上的突出表現(xiàn)。銀河證券基金研究中心統(tǒng)計數(shù)據(jù)顯示，截止2010年12月31日，建信貨幣基金近三年的收益率達19.89%，在同類46只基金中位列第4位，持續(xù)良好的表現(xiàn)，使其曾連續(xù)兩次獲得 “開放式貨幣市場金?；皙劇?。建信穩(wěn)定增利債券基金2010年凈值增長率超過10%，較之同期同類產(chǎn)品平均收益率高出約20%。建信收益增強債券基金2010年的收益率也超過9%，明顯高于同類產(chǎn)品6.36%的同期平均收益率。

偏股基金業(yè)績逆勢而上

近年來，建信基金不僅在債券投資方面表現(xiàn)出色，在偏股型基金的投資管理上也做出了較好的成績。WIND資訊的統(tǒng)計數(shù)據(jù)顯示，截至2010年底，建信基金主動投資股票型基金的過往投資業(yè)績在58家基金公司中排名第18，較2009年上升6個名次。

銀河證券基金研究中心的統(tǒng)計數(shù)據(jù)顯示，2010年建信基金管理公司旗下各偏股型產(chǎn)品均大幅超越了同期滬深300指數(shù)，其中建信核心精選基金2010年的凈值增長率為12.51%，在同類可比的167只基金中排29名。就長期業(yè)績而言，建信恒久價值基金自成立以來的累計凈值增長率為227.59%，被銀河證券基金研究中心評為四星級基金。

此外，2010年5月底成立的建信社會責(zé)任ETF及聯(lián)接基金也較好地把握了建倉時機。截至2010年12月31日這兩只基金分別取得了12.14%和7.60%的收益率。

高效的投研團隊

篇（4）

長期投資業(yè)績穩(wěn)定

在股票投資方面，以該公司成立的首只基金建信恒久價值股票基金為例，截至3月19日，該基金今年以來實現(xiàn)了7%的凈值增長率，自成立以來的累計凈值增長率達到178.19%。而此次榮獲“三年期股票型金?；稹豹劦慕ㄐ藕诵木x股票基金，其表現(xiàn)更令人驚艷，該基金成立以來取得了87.26%的累計凈值增長率，最近3年逆市實現(xiàn)13.78%的凈值增長率，在同類可比的390只基金中排名列入前10位。上述兩只基金均獲得上海證券基金評價研究中心五星評級。

在固定收益投資方面，曾榮獲“三年期債券型金?；稹豹劦慕ㄐ欧€(wěn)定增利債券基金今年以來實現(xiàn)4.52%的凈值增長率，近3年則實現(xiàn)了21.60%的凈值增長率，在348只同類型基金中進入前5位。而成立以來更是獲得了49.46%的累計凈值增長率，同樣獲得上海證券基金評價研究中心五星評級。

建信基金屢獲殊榮不僅僅來源于上述幾只基金的靚麗出彩，更是源于公司整體投資業(yè)績長期的出現(xiàn)表現(xiàn)。海通證券金融產(chǎn)品研究中心數(shù)據(jù)統(tǒng)計顯示，2010～2012年，公司權(quán)益類產(chǎn)品投資業(yè)績呈逐年提升之勢，就3年業(yè)績而言，該公司則憑借持續(xù)穩(wěn)健的業(yè)績表現(xiàn)列入業(yè)內(nèi)前25%。固定收益類產(chǎn)品絕對收益更是以15.17%進入十強。

秉持價值投資理念

真正的、永遠的成功屬于那些首先努力建立思維模式格柵。然后學(xué)會以善于聯(lián)系、多學(xué)科并用的方式思考的人們。

——查理·芒格

成立近8年的建信基金管理公司，如何在持續(xù)低迷的市場大環(huán)境下取得優(yōu)異的投資業(yè)績？又如何在強手林立的基金公司圈中得到業(yè)界的高度認可？在建信基金董事長江先周看來，是先進的企業(yè)文化起了作用。取得的成績和獲得的認可都不是結(jié)果，而是持續(xù)積累過程的一種外在表現(xiàn)。芒格所說的“思維模式格柵”，對建信基金而言，就是公司發(fā)展的“靈魂”——企業(yè)文化。

在建信基金成立之初，就確立了明確的企業(yè)文化，即以持有人“建設(shè)財富生活”為使命、以“持有人利益重于泰山”為核心原則，堅持“誠信、專業(yè)、規(guī)范、創(chuàng)新”的核心價值觀，為投資者創(chuàng)造穩(wěn)定的回報，致力于成為“最可信賴、持續(xù)領(lǐng)先的資產(chǎn)管理公司”。簡言之，對建信基金而言，持有人的利益始終是最重要、最優(yōu)先的。而這種企業(yè)文化也必然滲透到公司的投研業(yè)務(wù)中，并在公司的投資文化中打下鮮明的烙印，具體體現(xiàn)主要有以下幾點。

做真正的價值投資者

建信基金在投資理念上堅持“基本面驅(qū)動、研究創(chuàng)造價值”，這與建信基金企業(yè)文化一脈相承，也是建信基金能夠在長跑中勝出的決定性因素。只有長期穩(wěn)健地取得良好的投資業(yè)績，才能真正實現(xiàn)對持有人利益的維護，而過往經(jīng)驗證明，堅持價值投資，通過對基本面的深入研究，能夠創(chuàng)造出穩(wěn)定可靠的投資收益。

建信基金在投資上并不追逐熱點，不過分看重市場短期的漲跌，而是真心沉下來做一個價值投資者，扎實研究基本面，建立起以價值投資為核心的投研文化。

穩(wěn)定的投研團隊

基金公司最需要的是人才及有戰(zhàn)斗力的團隊。具有相對穩(wěn)定性的投研團隊是基金管理公司做好資產(chǎn)管理、取得良好業(yè)績的必要條件。建信基金的企業(yè)文化和投資理念，受到一批具備多年從業(yè)經(jīng)驗的資深基金經(jīng)理的認可，并隨著公司的發(fā)展，通過以老帶新，互助互進，最終形成了現(xiàn)階段較為穩(wěn)定的投研團隊。

團隊式投資管理體制能夠更好地抵御人員流動所帶來的風(fēng)險，無論是基金個體，還是公司整體投資業(yè)績隨著明星基金經(jīng)理離職而出現(xiàn)大幅下滑的風(fēng)險都會明顯降低。

中長期的考核標(biāo)準(zhǔn)

建信基金在投資團隊的建設(shè)以及基金經(jīng)理的培養(yǎng)上強調(diào)循序漸進，一步一個腳印。公司以中長期業(yè)績作為績效考核的標(biāo)準(zhǔn)，看重業(yè)績的穩(wěn)定性、連續(xù)性，不對基金經(jīng)理過分施加短期排名壓力，也不鼓勵基金經(jīng)理為了追逐短期排名而去承擔(dān)過大的或者不必要的風(fēng)險。

穩(wěn)中求進的投資策略

在投資策略上，建信基金傾向于穩(wěn)中求進。具體而言，在市場處于弱市的時候，建信基金的策略是“穩(wěn)”，一旦市場的轉(zhuǎn)好，建信基金“進”的投資策略會有所表現(xiàn)。年年穩(wěn)健的表現(xiàn)疊加起來，本質(zhì)上就是一種進取的表現(xiàn)。建信基金這種“別樣”的進取方式，越來越給投資者留下深刻的印象。

嚴(yán)謹(jǐn)?shù)耐顿Y管理流程

從上圖中可以看出，基金經(jīng)理根據(jù)投資決策委員會的決策，構(gòu)建投資組合、并負責(zé)組織實施、追蹤和調(diào)整，以實現(xiàn)基金的投資目標(biāo)。研究部提供相關(guān)的投資策略建議和證券選擇建議，并負責(zé)構(gòu)建和維護股票池。交易部根據(jù)基金經(jīng)理的交易指令，進行基金資產(chǎn)的日常交易，對交易情況及時反饋。

企業(yè)的生存、發(fā)展和壯大乃至輝煌都離不開優(yōu)異業(yè)績的支撐。建信基金的發(fā)展同樣如此，而締造優(yōu)秀業(yè)績的正是以下這些“明星”。

個個都是“明星”

作為銀行系基金管理公司，建信基金繼承了其大股東建行在公司治理方面豐富的經(jīng)驗和優(yōu)勢，高度重視投資決策流程的制度化、規(guī)范化和科學(xué)化。經(jīng)過幾年來不懈努力，逐漸打造出一支經(jīng)驗豐富、凝聚力強、高度專業(yè)化的投研團隊，并不斷對其進行充實、完善。

建信基金不刻意塑造明星基金經(jīng)理，而是強調(diào)“萬花齊放春滿園”。當(dāng)投資團隊中的每一個成員都接受了共同的思維方式、價值取向和行為特征，并付諸投資中時，業(yè)績的取得自然水到渠成，基金經(jīng)理也自然個個都成為了“明星”。我們特意展現(xiàn)了這些明星們的投資臉譜，以饗讀者。

王新艷

基金檔案

建信核心精選股票基金

基金類型：股票型基金

業(yè)績表現(xiàn)：最近3年實現(xiàn)13.78%的凈值增長率，成立以來取得了87.26%的累計凈值增長率。

所獲榮譽：2013年3月30日榮獲《中國證券報》等機構(gòu)評選的“三年期股票型金?；稹豹劊虾ＷC券基金評價研究中心五星基金評級。

保持投資業(yè)績的穩(wěn)定性，平滑投資風(fēng)險，是對持有人負責(zé)任的態(tài)度。如果說，基金是一輛通向財富終點的列車，業(yè)績優(yōu)良且長期穩(wěn)定的基金，就像是行駛平穩(wěn)的列車，雖然速度不一定最快，但乘客在任何時點上車，都可以放心安全地通向目的地。而業(yè)績大起大落的基金，就像行駛速度忽快忽慢，時而發(fā)生故障的列車，雖然有時可以疾馳如飛，但如果沒有選擇合適的時點上下車，反而有可能與目的地背道而馳。對于持有人而言，基金僅僅在特定時間內(nèi)取得良好的投資業(yè)績是不夠的，持續(xù)性和穩(wěn)定性更為重要。

萬志勇

基金檔案

建信優(yōu)勢動力封閉基金

產(chǎn)品類型：封閉式股票型基金

業(yè)績表現(xiàn)：近半年以來實現(xiàn)12.80%的凈值增長率，近3年取得了5.06%的凈值增長率。

所獲榮譽：2013年3月30日、2012年3月29日分別榮獲《中國證券報》等機構(gòu)評選的“三年期封閉式金?；稹豹?、“2011年度封閉式金牛基金”獎。

始終堅持基本面會驅(qū)動股價，上市公司本身的價值才是帶來收益的根本。要把最核心的資產(chǎn)投向那些長期的、有基本面支撐的上市公司。因為從整體來看，有基本面支持的股票表現(xiàn)會更為出色。當(dāng)然，不排除在個別的情況下，基本面好的股票表現(xiàn)也不盡如人意，基本面差的股票也會出現(xiàn)不小的漲幅。但基金做的是組合投資，而不是個別股票，在持倉的股票數(shù)量足夠多的情況下，基金整體必然會體現(xiàn)上述特征，即有基本面支持的股票整體表現(xiàn)更好，并且投資時間越長，這樣的組合的穩(wěn)定性會越好。

鐘敬棣

基金檔案

建信穩(wěn)定增利債券基金

基金類型：債券型基金

篇（5）

我國證券市場經(jīng)過二十多年的發(fā)展，正在逐漸走向成熟，以股權(quán)分置改革取得成功為標(biāo)志，我國證券市場步入了一個新的發(fā)展時期。近年來許多知名企業(yè)由海外市場回歸國內(nèi)資本市場，我國關(guān)于資本市場理論的研究成果層出不窮，證券市場中出現(xiàn)了許多新事物，如股權(quán)分置改革及創(chuàng)業(yè)板的推出，金融危機爆發(fā)對全球證券市場的影響等，生機勃勃的金融實踐為證券投資學(xué)的發(fā)展提供了豐富的素材?；灸繕?biāo)是闡述證券投資基本理論與方法，要求學(xué)生掌握證券投資的主要分析手段與工具，理解證券市場基本功能和作用，了解現(xiàn)代證券投資理論的主要內(nèi)容及發(fā)展趨勢；學(xué)會運用證券投資分析及投資策略來解決現(xiàn)實投資決策問題，并通過實踐教學(xué)檢驗來引導(dǎo)學(xué)生進行創(chuàng)新思維，使學(xué)生初步具備扎實的證券投資理論功底，能夠靈活運用理論進行證券投資決策，為其它專業(yè)課學(xué)習(xí)奠定堅實的基礎(chǔ)。基于此，我們的教學(xué)內(nèi)容應(yīng)立足于中國證券業(yè)發(fā)展的實際情況，借鑒發(fā)達國家成熟的證券投資理論，對證券投資基本知識進行了全面的闡述，同時注重反映該學(xué)科的最新理論成果和中國證券市場的最新發(fā)展，并針對證券投資實務(wù)性強的特點，加強實踐指導(dǎo)、案例教學(xué)，以期將理論教育與實際應(yīng)用結(jié)合起來。

（二）充分發(fā)揮網(wǎng)絡(luò)優(yōu)勢，使用多媒體教學(xué)軟件

為了培養(yǎng)學(xué)生就業(yè)后能夠盡快適應(yīng)不同工作崗位的工作需求，我們提出了“厚基礎(chǔ)，寬口徑”的教學(xué)理念。隨之而來的是相應(yīng)課時的壓縮與教學(xué)內(nèi)容增加的矛盾，這就要求教師在課堂上能夠很好利用上課時間，如果教師在課堂上花費大量時間去板書和抄寫例題，無疑會浪費很多課堂時間，而多媒體教學(xué)軟件的運用大大緩解了這一矛盾。教師通過事先制作的多媒體課件，不僅能夠把許多相關(guān)理論知識串聯(lián)起來，更為重要的是能夠把很多抽象的圖表更清晰直觀地表現(xiàn)出來，也避免了學(xué)生要一邊聽講一邊又要忙著記筆記，提高了學(xué)生學(xué)習(xí)的積極性和學(xué)習(xí)效率。我們要求學(xué)生每天花十五到二十分鐘時間通過網(wǎng)絡(luò)瀏覽搜狐財經(jīng)、新浪財經(jīng)及和訊網(wǎng)等相關(guān)的財經(jīng)資訊，使學(xué)生能夠及時了解相關(guān)政策實施與變動，分析其對證券市場的影響。

（三）注重多種教學(xué)方法使用，提升教學(xué)效果

證券投資學(xué)是實踐性、應(yīng)用性很強的課程，為了加強學(xué)生的綜合分析能力和利用所學(xué)專業(yè)知識解決實際問題的能力，在教學(xué)過程中考慮采用多種教學(xué)方法和手段：對于一些難以理解的理論知識通過案例的搜集和分析，使學(xué)生能夠清楚其理論的背景和意義，采用模擬教學(xué)法能夠讓學(xué)生把很多復(fù)雜的例如股票上市程序、股票發(fā)行定價等很抽象的理論直觀地展示在學(xué)生面前，一方面激發(fā)學(xué)生的學(xué)習(xí)興趣，同時能夠很好地拓展學(xué)生的思維能力和歸納總結(jié)能力。我們在教學(xué)過程中有意識地安排學(xué)生以小組的形式去進行案例的搜集和整理，并在課堂上進行演示，由其他小組成員針對案例中提出的問題進行思考和質(zhì)疑，最后由教師進行總結(jié)。這樣使得老師和同學(xué)及同學(xué)之間形成了良好的互動，極大地激發(fā)了學(xué)生的學(xué)習(xí)興趣，提高了學(xué)生分析問題和解決問題的能力。每學(xué)期我們都會組織學(xué)生去證券營業(yè)部去參觀學(xué)習(xí)，一方面能夠使同學(xué)們盡快熟悉證券交易的程序與交易規(guī)則，使學(xué)生能夠親身體驗證券交易的場景，其次通過與證券營業(yè)部從業(yè)人員與股民的交流，讓同學(xué)能夠進一步加深對證券投資的直觀感受。

（四）不斷完善實踐教學(xué)環(huán)節(jié)

證券投資分析涉及到經(jīng)濟學(xué)、金融學(xué)、會計學(xué)等多種學(xué)科的理論知識，是對各種理論知識的一種綜合應(yīng)用，學(xué)生如果能在證券投資實際操作中接受有關(guān)投資理論教育，有助于學(xué)生認識和把握證券投資相關(guān)理論和投資實踐。實踐教學(xué)是證券投資學(xué)課程教學(xué)的重要環(huán)節(jié)，通過模擬實驗，學(xué)生不僅能夠容易了解證券投資分析技術(shù)的基礎(chǔ)理論，也能夠掌握相應(yīng)具體的證券投資分析技術(shù)手段，有利于學(xué)生學(xué)習(xí)和接受新的知識，有利于教師改進教學(xué)方法和教學(xué)手段，提高教學(xué)水平。我院于2008年購買了世華財訊投資模擬軟件及“大智慧”行情分析系統(tǒng)，并建立了證券投資模擬實驗室，通過實踐操作，使學(xué)生對證券投資產(chǎn)生興趣，熟悉證券交易規(guī)則和程序，掌握基本投資方法。我們要求學(xué)生在上課前有意識瀏覽相關(guān)的財經(jīng)資訊，并要求學(xué)生能夠?qū)ψC券市場產(chǎn)生影響的相關(guān)政策法規(guī)進行歸納整理，以小組的形式進行匯報；同時利用世華財訊的股票投資模擬系統(tǒng)進行股票投資模擬操作，其股票模擬操作系統(tǒng)完全與上海和深圳證券交易系統(tǒng)同步，在學(xué)生了解和熟悉投資模擬軟件的交易程序和交易規(guī)則后，我們會給每位學(xué)生分配一定數(shù)量的資金，要求學(xué)生在規(guī)定的時間內(nèi)進行股票投資交易，在課程結(jié)束后提交投資模擬心得體會。為了提高實踐教學(xué)的效果，我們在校內(nèi)外選聘了具有扎實的專業(yè)知識和有豐富的實踐經(jīng)驗的教師擔(dān)任實踐教學(xué)指導(dǎo)教師，并進行相關(guān)專業(yè)知識的培訓(xùn)及講座。近年來一直與國泰君安公司與證券營業(yè)部建立了良好的合作關(guān)系，通過定期不定期的聘請相關(guān)人員來我院授課，開展講座，并在每學(xué)期組織學(xué)生去證券營業(yè)部參觀、學(xué)習(xí)，使學(xué)生對證券交易的流程有了清楚地了解。我們連續(xù)幾年與宏源證券石河子營業(yè)部合作舉辦股票交易模擬大賽，并對成績優(yōu)異的同學(xué)給予物質(zhì)和精神獎勵，極大地激發(fā)了學(xué)生的學(xué)習(xí)興趣與學(xué)習(xí)熱情。我院學(xué)生在全國大學(xué)生股票投資模擬大賽中也取得較好的成績。

篇（6）

引言

近年來，隨著中國藏品熱和我國政府關(guān)于藝術(shù)品交易政策的改變，中國已經(jīng)取代美國成為世界第一大藝術(shù)品交易市場。2010年7月，深圳文化產(chǎn)權(quán)交易所推出了“深圳文化產(chǎn)權(quán)交易所1號藝術(shù)品資產(chǎn)包”，這是國內(nèi)外首次出現(xiàn)的“權(quán)益拆分”投資模式，即藝術(shù)品股票。自此藝術(shù)品股票作為一種新型的金融產(chǎn)品越來越受到人們的關(guān)注［1］。由于藝術(shù)品股票價格受多方面的影響，尤其是藝術(shù)品交易市場相對于股票市場來說莊家的影響更大，所以需要尋求更為有效的方法來對藝術(shù)品交易市場進行預(yù)測。在藝術(shù)品股票市場，每天都會產(chǎn)生海量的交易數(shù)據(jù)，這些數(shù)據(jù)雖然存儲在數(shù)據(jù)倉庫中，但是并沒有得到有效的利用。通過數(shù)據(jù)挖掘技術(shù)分析股票市場數(shù)據(jù)，投資者可以從中得出有效的投資信息，并綜合分析利弊以后做出投資決策，提高投資收益率。一般來說，數(shù)據(jù)挖掘是指從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)隱藏的、預(yù)先未知的、有趣的信息的過程［2］。在國內(nèi)，臺灣義守大學(xué)陳慶翰開發(fā)了MIAT仿生物智慧股票預(yù)測系統(tǒng)，該系統(tǒng)是一個可以建立自我學(xué)習(xí)、自我組織、自我調(diào)節(jié)、自我改善的高度自主性智慧型系統(tǒng)［3］。國內(nèi)還有許多著名的學(xué)者在股票預(yù)測方面做過大量的工作。國際方面，Mor-gan、Stannlog等人已經(jīng)開發(fā)了AI(AutomatedInvestor)系統(tǒng)，該系統(tǒng)通過采用聚類、可視化和預(yù)測技術(shù)來尋求最佳投資時機［4］。本文致力于通過關(guān)聯(lián)規(guī)則算法獲得藝術(shù)品股票之間的關(guān)聯(lián)關(guān)系，如“在某個時間段X范圍內(nèi)，藝術(shù)品股票A和B價格上漲時，有80%的情況下，股票C的價格也會隨之上漲”。這樣，就可以對投資者有一定的借鑒意義，防止被套牢。

1關(guān)聯(lián)規(guī)則介紹

1．1算法思想假設(shè)有多個購物籃，每個購物籃是由多個項組成的集合(即為項集itemset)，那么一個在多個購物籃中出現(xiàn)的項集稱為“頻繁”項集。定義1支持度:如果I是一個項集，I的支持度(sup-port)指包含I的購物籃的數(shù)目，此時定義一個支持度閾值(supportthreshold)s，如果I的支持度不小于s，則I為頻繁項集。定義2置信度:Ij的置信度即為集合I∪{j}的支持度與I的支持度的比值。顧名思義，置信度即為得到的規(guī)則的可信任程度。AGRAWALR和SRIKANTR于1994年提出了Apriori算法，該算法是關(guān)聯(lián)規(guī)則挖掘的最有影響的迭代算法［5］。設(shè)Cm為大小為m的候選項集集合，Ln為大小為n的真正頻繁項集集合。Apriori算法是將候選項集不斷過濾，得到頻繁項集，再將頻繁項集進一步過濾，得到新的頻繁項集，如:首先找到“1項集”的集合，再將其支持度與支持度閾值相比較，過濾得到頻繁“1項集”，記作L1，再將其進行組合，得到“2項集”，再將其支持度與支持度閾值相比較，過濾得到頻繁“2項集”，記作L2，以此類推，直到找到最終的頻繁項集。具體步驟如圖1。1．2算法實例表1為某商場9天內(nèi)的商品交易情況，設(shè)定支持度為2置信度為80%。利用Apriori算法尋找所有滿足條件的關(guān)聯(lián)規(guī)則的過程如圖2所示。接下來四項集只有{I1，I2I3，I4}，且其支持度為1，小于支持度閾值，故{I1，I2，I3，I4}不是頻繁項集。由以上步驟可得:最大的頻繁項集為{I1，I2，I3}{I1，I2，I4}。關(guān)聯(lián)規(guī)則產(chǎn)生步驟如下:(1)對于每個頻繁項集l，產(chǎn)生其所有非空真子集;(2)對于每個非空真子集s，如果其置信度不小于最小置信度閾值，則為強關(guān)聯(lián)規(guī)則。經(jīng)計算，強關(guān)聯(lián)規(guī)則為I4I2和I1＆＆I4I2，置信度均為100%。

2改進的關(guān)聯(lián)規(guī)則挖掘算法

在關(guān)聯(lián)規(guī)則挖掘算法中，經(jīng)典的Apriori挖掘算法是通過項目集數(shù)目不斷增長來得到所有的頻繁項目集的，即先產(chǎn)生頻繁“1項集”，再產(chǎn)生頻繁“2項集”，直到頻繁項目集中的元素不能擴增為止。傳統(tǒng)的Apriori算法有兩個瓶頸:(1)需要多次掃描數(shù)據(jù)庫，對于候選項集Ck，需要掃描k次數(shù)據(jù)庫來確定其是否為頻繁項集，是否可加入Lk;(2)由于頻繁“k－1項集”產(chǎn)生候選“k－1項集”是將頻繁項集中的元素進行組合得到，呈指數(shù)增長，這將產(chǎn)生大量的頻繁項集，從而產(chǎn)生大量的關(guān)聯(lián)規(guī)則［6］。這兩個瓶頸明顯降低了算法的效率。因此，在傳統(tǒng)關(guān)聯(lián)規(guī)則算法的基礎(chǔ)上，本文提出Apriori算法的改進算法，即Partition算法。由于Apriori算法需要對數(shù)據(jù)庫進行多次掃描，這個過程非常繁瑣，可以將數(shù)據(jù)庫邏輯性地分成幾個互不相交的塊，即分而治之。Partition算法步驟如下:(1)每次都只針對單獨一個分塊，其中分塊的大小要保證可以放入主存，每個階段秩序被掃描一次，而算法的正確性是由每一個可能的頻集至少在該分塊中是頻集保證的。利用Apriori算法產(chǎn)生它的頻繁項集。(2)把所有分區(qū)產(chǎn)生的頻繁項集合并，生成候選項集，掃描整個數(shù)據(jù)庫，計算這些項集的支持度，最終得到全局的支持度不小于支持度閾值的頻繁項集。該算法流程如圖3。Partition算法共掃描數(shù)據(jù)庫兩次。第一次掃描是對數(shù)據(jù)庫進行分塊，找出各塊的頻繁項集，即局部頻繁項集;第二次掃描數(shù)據(jù)庫是求候選集的支持度，用以計算全局頻繁項集。相對于傳統(tǒng)Apriori算法，Partition算法全程只掃描兩次數(shù)據(jù)庫，大大減少了I/O操作。由于Partition算法是并行計算，同時對各個分區(qū)進行求頻繁項集的操作，大大提高了算法的效率。Partition算法是高度并行的，即把各個分塊的處理分配給不同的處理器來產(chǎn)生頻繁項集，在每一個循環(huán)結(jié)束之后，各個處理器之間會進行通信，以產(chǎn)生全局候選項集。

3關(guān)聯(lián)規(guī)則在股票方面的應(yīng)用

在文化藝術(shù)品交易市場，每天都會產(chǎn)生大量的交易數(shù)據(jù)，利用數(shù)據(jù)挖據(jù)技術(shù)對股票市場的股票價格以及股票的走勢進行預(yù)測，通過運用關(guān)聯(lián)規(guī)則技術(shù)對藝術(shù)品股票市場進行分析，為投資人提供較為準(zhǔn)確的預(yù)測結(jié)果，防止投資者盲目投資［7］。本文選擇了某藝術(shù)品股票交易市場2016年1月～5月幾個月的交易數(shù)據(jù)，以此為依據(jù)進行股票關(guān)聯(lián)規(guī)則挖掘。選取其中6只股票并分別記為A、B、C、D、E、F。然后對股票進行預(yù)處理，如果某天A股票上漲，則記為A0，若下跌則記為A1，其他股票同理。部分股票數(shù)據(jù)如表2所示。運用Apriori算法的改進算法———Partition算法進行關(guān)聯(lián)規(guī)則挖掘，在實驗中，設(shè)定支持度為60，置信度為70%，得到如表3所示挖掘結(jié)果。

篇（7）

二、我國養(yǎng)老保險基金各組成部分的投資運營現(xiàn)狀

我國養(yǎng)老保險體系由基本養(yǎng)老基金、個人賬戶基金、企業(yè)年金和全國社會保障基金四部分組成。在基本養(yǎng)老保險基金方面，《中國統(tǒng)計年鑒2010》的數(shù)據(jù)顯示，2009年的基本養(yǎng)老基金收入為11490．8億元，結(jié)余從1995年的429．8億元增加到12526．1億元。但是這部分基金是國民最基本的養(yǎng)老保障，所以國家規(guī)定這部分基金在留足兩個月費用后，結(jié)余部分只能存入銀行或購買國債。然而如果嚴(yán)格執(zhí)行這種規(guī)定，以一年期銀行存款利率作為銀行存款收益率(若有利率調(diào)整，則以天數(shù)為權(quán)重進行加權(quán)平均)、以五年期國債票面利率作為國債收益率來計算養(yǎng)老基金的投資收益率，在排除通貨膨脹影響的情況下，基本養(yǎng)老基金的投資收益從2004年開始就進入了負增長階段。2004年一年期存款利率為2．03%，五年期國債票面利率為3．06%，通貨膨脹率為3．9%;2008年的一年期存款利率為3．93%，五年期國債票面利率為5．98%，通貨膨脹率為5．9%;2010年一年期存款利率為2．28%，五年期國債票面利率為2．53%，通貨膨脹率為3．3%①?；攫B(yǎng)老金產(chǎn)生了嚴(yán)重的縮水現(xiàn)象。個人賬戶基金方面，由于我國養(yǎng)老保險制度從國家統(tǒng)籌現(xiàn)收現(xiàn)付制模式向統(tǒng)賬結(jié)合模式轉(zhuǎn)變過程中，為填補當(dāng)年養(yǎng)老金發(fā)放空缺，過多地使用了個人賬戶基金，導(dǎo)致個人賬戶基金積累的名存實亡，造成嚴(yán)重的“空賬”運行問題。為緩解這一突出問題，我國自2000年開始推行“做實個人賬戶”改革，并取得了一些成效。2010年5月6日全國社?；鹄硎聲嫉哪甓葓蟾骘@示，個人賬戶空賬運行問題已得到了初步緩解，2009年末個人賬戶基金增至439．59億元②。目前這部分基金以及中央財政對個人賬戶的補助基金都交予了各地區(qū)社?；鹄硎聲顿Y運營，其投資收益率和社?；鸬氖找娼蝗谠谝黄?。根據(jù)數(shù)據(jù)分析，個人賬戶基金的投資管理成效并不樂觀，上海市的平均實際收益率僅為0．22%，其他省份可見一斑。所以，如果延續(xù)現(xiàn)在的個人賬戶投資管理模式，個人賬戶基金很難達到保值增值的效果。近年來企業(yè)年金規(guī)模的發(fā)展也不容小覷，企業(yè)年金已經(jīng)從2000年的191億元增值到目前的2525億元，在過去四年平均每年增加461億元。據(jù)專家預(yù)測，到2030年我國養(yǎng)老基金總規(guī)模有望達到15萬億元，屆時中國將成為世界第三大企業(yè)年金市場③。企業(yè)年金作為補充性養(yǎng)老保險基金，對安全性和流動性的要求較之基本養(yǎng)老基金略低，投資限制相對較小，相關(guān)文件也將企業(yè)年金的投資運營權(quán)交予了各地社會保險經(jīng)辦機構(gòu)或企業(yè)自身，資金的投資方向也有所放松，允許購買保險公司的團體保單、委托信托證券公司等機構(gòu)投資于流動性良好、風(fēng)險較低的金融產(chǎn)品，這就有助于充分利用投資組合提高投資收益水平。然而現(xiàn)實情況是:目前我國企業(yè)年金的銀行存款和國債占總投資額的80%以上，投資于金融產(chǎn)品的基金份額還不足20%，嚴(yán)重制約了企業(yè)年金投資收益的提升。據(jù)統(tǒng)計，企業(yè)年金的平均收益率2000年只有2．79%，中部地區(qū)還不足1%;雖然從2006年第四季度開始，企業(yè)年金的投資收益率有增長的趨勢，甚至在資本市場一片大好的2007年達到24．5%，但受金融危機沖擊，2008年又下滑到－1．83%。這也說明企業(yè)年金投資受市場波動影響較大，雖然多元化投資有利于實現(xiàn)養(yǎng)老金的保值增值，但目前缺乏良好的風(fēng)險規(guī)避機制，極易引起收益大幅波動。全國社?；鹗菫榱藨?yīng)付老齡化高峰的挑戰(zhàn)、填補當(dāng)期養(yǎng)老金支付缺口而存在的，這部分基金的支出比例較低，大部分用于積累，這一特點使其有利于進行長期投資。全國社保基金在2010年已增至6927．73億元，其投資政策相對寬松，投資渠道除了債券、銀行存款和股票外，還包括資產(chǎn)證券化產(chǎn)品、證券投資基金、各種金融衍生工具以及海外投資等。隨著多元化投資策略的實施，全國社?；鸬氖找嬉膊粩嗵岣?，特別是投資環(huán)境較好的2007年，投資收益率高達38．93%，收益額為1129．2億元。同時我們必須認識到，相對于發(fā)達國家，我國社會保障基金的投資收益率還是偏低，離支付壓力的增加所要求的收益率水平還有一定差距，而且我國養(yǎng)老金投資受資本市場波動性的影響過大，必須找到合理的規(guī)避市場風(fēng)險的投資組合和投資工具，才能更好地實現(xiàn)養(yǎng)老基金規(guī)模的穩(wěn)步增長。總體來看，目前我國養(yǎng)老基金運營管理模式在保障養(yǎng)老基金安全性和流動性方面取得了一定成效，但與國際收益水平相比還相差甚遠，而且跟不上我國經(jīng)濟發(fā)展步伐，沒能充分享受我國整體經(jīng)濟增長所帶來的成果。根據(jù)蔣斌等人的研究，只有養(yǎng)老基金賬戶長期收益率不低于長期通貨膨脹率與工資增長率之和時，才能使個人賬戶達到理論上設(shè)計的28%的替代率或支付額度，目前的收益顯然達不到。而且目前的經(jīng)濟形勢和人口老齡化帶來的沖擊迫使養(yǎng)老金采取能帶來更高收益率的投資手段，以保證未來的支付能力。由于我國資本市場尚不成熟，投資環(huán)境尚不規(guī)范，急需建立有效規(guī)避風(fēng)險的投資機制，找出有效的投資組合和資產(chǎn)配置比例。

三、利用多目標(biāo)投資組合模型分析養(yǎng)老金投資組合管理模式

養(yǎng)老基金投資組合的建立必須遵守安全性和流動性的基本原則，同時兼顧收益性和社會效益。本文以這三種投資工具為分析對象，建立投資組合模型，分析不同投資比例下養(yǎng)老基金的投資收益和面對的風(fēng)險。

(一)指標(biāo)的選取和計算

考慮到養(yǎng)老金投資注重長期收益的特點，本文選用1998年至今13年的數(shù)據(jù)。以一年期存款利率作為銀行存款收益率，年內(nèi)有利率調(diào)整的，以天數(shù)為權(quán)重進行加權(quán)平均。以五年期國債的票面利率作為債券收益率。股票收益率的確定以上證綜合指數(shù)和深證綜合指數(shù)為計算依據(jù)，采用多期加權(quán)平均的方法:先利用每天的收盤價計算環(huán)比增長率，然后相加得出當(dāng)月股票收益率，依據(jù)每月的股票收益率計算每月的環(huán)比增長率，然后計算上證綜指和深證綜指的股票年收益率。截至2011年3月18日，根據(jù)上海交易所公布的滬市證券總市值為188783．67億元，深證交易所公布的深市總市值為90627．24億元，所以滬市和深市的股票收益率再以0．676和0．324為權(quán)重進行加權(quán)平均，最終得出股票的投資收益率。然后利用SPSS軟件對三種投資工具的投資收益率進行分析，得出三類投資工具的平均投資收益率、方差、標(biāo)準(zhǔn)差，如表1所示。對三種投資工具進行相關(guān)性分析，得出數(shù)據(jù)如表2所示。可知銀行存款投資收益和國債投資收益正相關(guān)，和股票投資收益率負相關(guān);國債投資收益和股票投資負相關(guān)。

(二)建立多目標(biāo)投資組合模型

篇（8）

股票投資評價資料獲取渠道

一是網(wǎng)站和專業(yè)報紙、雜志公開的上市公司基本面信息和財務(wù)面資料；二是通過實地考察獲取最有價值的上市公司基本面和財務(wù)面資料。

上市公司基本面分析

（一）行業(yè)風(fēng)險和企業(yè)經(jīng)營環(huán)境分析

1．社會、人口和技術(shù)變化分析：（1）消費群體狀況的影響：人群年齡結(jié)構(gòu)、文化結(jié)構(gòu)、開放程度和收入水平對企業(yè)產(chǎn)品的需求敏感性分析；（2）國際政治關(guān)系的影響；（3）環(huán)保等社會意識對行業(yè)的影響；（4）技術(shù)進步對行業(yè)的影響（一般較大）。2．行業(yè)發(fā)展與經(jīng)濟運行周期的相關(guān)性：主要分析行業(yè)未來發(fā)展?fàn)顩r與未來國家及區(qū)域經(jīng)濟運行態(tài)勢的相關(guān)度，以及是否符合國家乃至地方的產(chǎn)業(yè)政策，國家產(chǎn)業(yè)政策即經(jīng)濟制度安排，在社會資源配置的條件和實現(xiàn)的可能性等方面，直接決定著企業(yè)的未來發(fā)展空間。3．行業(yè)的周期性分析：根據(jù)行業(yè)發(fā)展周期，分析行業(yè)的成熟程度，飽和度以及所處的發(fā)展階段，包括初創(chuàng)期、成長期、成熟期、衰退期。4．行業(yè)的競爭性分析：主要分析行業(yè)內(nèi)的競爭程度，企業(yè)在行業(yè)內(nèi)所處的地位以及競爭優(yōu)勢、劣勢等。5．行業(yè)的盈利性分析：主要考察企業(yè)所處行業(yè)的平均利潤率，從而推斷企業(yè)的利潤水平。6．行業(yè)的進入壁壘：分析行業(yè)進入的難易程度，判斷新競爭者加入的可能性，從而預(yù)測行業(yè)未來的競爭程度。7．行業(yè)的法律和政策環(huán)境：主要考察行業(yè)發(fā)展的法律及政策環(huán)境，法律和政策的穩(wěn)定性，有無對行業(yè)發(fā)展產(chǎn)生不利影響的因素。

（二）企業(yè)競爭力分析

1．管理團隊素質(zhì)。從企業(yè)法定代表人和主要管理人員的個人背景、從業(yè)經(jīng)歷、經(jīng)營業(yè)績、信用記錄、實干能力等方面出發(fā)，判斷企業(yè)管理團隊是否具有豐富的管理經(jīng)驗和較高的管理水平、顯著的歷史經(jīng)營業(yè)績、良好的信用記錄和社會聲譽等，由此評判企業(yè)主要經(jīng)營管理人員的管理素質(zhì)。

2．企業(yè)員工隊伍素質(zhì)。主要考察被擔(dān)保企業(yè)員工隊伍結(jié)構(gòu)（包括業(yè)務(wù)技術(shù)結(jié)構(gòu)、文化層次結(jié)構(gòu)、年齡結(jié)構(gòu)）和技術(shù)素質(zhì)（主要考評勞動者的敬業(yè)精神和實際操作能力）。

3．產(chǎn)品、市場與銷售預(yù)測分析。主要從產(chǎn)品的特點、技術(shù)含量，產(chǎn)品細分化程度，產(chǎn)品可替代性、產(chǎn)品的生命周期、產(chǎn)品的品牌知名度、產(chǎn)品在市場上的競爭能力、市場分布狀況、主要市場份額，市場營銷及市場拓展能力、營銷隊伍的素質(zhì)和穩(wěn)定性、銷售網(wǎng)絡(luò)的穩(wěn)定性，市場的未來變動趨勢，對主要客戶和供應(yīng)商的依賴程度，其生產(chǎn)成本的優(yōu)勢及市場議價能力，以及對主要競爭對手等方面加以分析。對企業(yè)產(chǎn)品的銷售預(yù)測除了基于對其市場需求的準(zhǔn)確了解以及對企業(yè)的市場營銷能力、營銷網(wǎng)絡(luò)的分析外，更重要的是基于對企業(yè)以往的銷售歷史記錄和未來銷售合同的分析，同時還應(yīng)對企業(yè)的銷售運作模式和結(jié)算方式進行分析，這也是預(yù)測企業(yè)未來現(xiàn)金流量的主要依據(jù)。

4．技術(shù)裝備水平和生產(chǎn)能力分析。技術(shù)硬件包括機械設(shè)備、單機或成套設(shè)備、基礎(chǔ)設(shè)施等水平，主要從設(shè)備先進性、適用性、設(shè)備成新度三方面考察；軟件部分主要考察企業(yè)生產(chǎn)工藝技術(shù)的先進性和成熟度，規(guī)?；a(chǎn)的成熟程度以及市場的成熟度。一般應(yīng)從以下幾個方面來分析。（1）技術(shù)來源：主要核實企業(yè)的技術(shù)是否具有自主知識產(chǎn)權(quán)，判斷技術(shù)的相對壟斷性和穩(wěn)定性；（2）技術(shù)研發(fā)能力及發(fā)展?jié)摿Γ褐饕疾煅邪l(fā)人員的素質(zhì)及企業(yè)技術(shù)的后續(xù)儲備發(fā)展?jié)摿?；?）科研條件和技術(shù)市場優(yōu)勢：考察企業(yè)科研投入、科研環(huán)境以及技術(shù)的市場需要程度、市場競爭力和應(yīng)用范圍。（4）生產(chǎn)者的操作技術(shù)和熟練程度等。（5）同時應(yīng)注重設(shè)備的綜合利用程度，是否能夠科學(xué)、有效、合理使用設(shè)備，是否最大限度地發(fā)揮了設(shè)備的生產(chǎn)能力。對企業(yè)生產(chǎn)能力的分析可以使業(yè)務(wù)人員了解到企業(yè)所預(yù)測的銷售收入是否與其實際生產(chǎn)能力相匹配，其生產(chǎn)設(shè)備以及工藝技術(shù)、原材料供應(yīng)是否能夠保證銷售合同的順利完成。

5．經(jīng)營戰(zhàn)略分析。財務(wù)報表分析的一個重要始點，它可以有助于確定企業(yè)的利潤動因和主要風(fēng)險，進而據(jù)此正確評估企業(yè)經(jīng)營的可持續(xù)性，使評估人員能夠在一個高質(zhì)量的水平上探查企業(yè)的經(jīng)濟狀況。主要包括企業(yè)產(chǎn)品市場定位，市場營銷策略，技術(shù)發(fā)展戰(zhàn)略，財務(wù)目標(biāo)、舉債策略、投資及收購計劃，企業(yè)與其他企業(yè)競爭策略，企業(yè)發(fā)展方向等方面分析。

6．成本控制和成本降低能力。主要從企業(yè)的成本控制系統(tǒng)的組成（組織系統(tǒng)、信息系統(tǒng)、考核制度和獎勵制度）和成本控制的基本原則著手分析。前者主要觀察企業(yè)是否建立起成本中心、利潤中心和投資中心的責(zé)任和控制范圍；后者則主要看領(lǐng)導(dǎo)推動、全員參與情況以及經(jīng)濟原則的貫徹情況。7．企業(yè)基礎(chǔ)管理水平。主要考評企業(yè)內(nèi)部組織結(jié)構(gòu)是否合理，各項管理規(guī)章制度是否健全，生產(chǎn)現(xiàn)場是否整潔，物流是否通暢，生產(chǎn)及管理效率是否高效，質(zhì)量認證情況。

上市公司財務(wù)面分析

篇（9）

基金項目：黑龍江八一農(nóng)墾大學(xué)研究生創(chuàng)新項目（項目編號：YJSCX2014-Y36）

中圖分類號：F83 文獻標(biāo)識碼：A

收錄日期：2014年12月12日

一、引言

隨著資本市場不斷發(fā)展與完善，目前共有二千多家上市公司在滬深兩市掛牌交易。面對紛繁復(fù)雜的交易信息和多元化的投資策略，處于劣勢地位的廣大投資者如何在瞬息萬變的股市中選擇高價值的上市公司進行投資成為廣大市場參與者及國內(nèi)外學(xué)者研究的熱點問題。作為投資價值理論的創(chuàng)始者，本杰明?格雷厄姆于1929年提出了基于安全邊際原則的投資理念；而巴菲特對投資價值理論的成功實踐則掀起了投資價值的研究熱潮。

針對投資價值的分析方法，學(xué)者林斗志（2003）通過運用統(tǒng)計分析的方法指出我國股票市場不穩(wěn)定需要進行理性投資。費斯?邁克爾（2005）則引入了層次分析法來分析上市公司在財務(wù)方面的投資價值。任福軍（2005）通過引入因子分析法來研究其在證券行業(yè)投資價值評價中的有效性。張蕾（2007）則指出將層次分析法與因子分析法結(jié)合運用能更好的反映上市公司的內(nèi)在價值，這有利于對投資者進行投資決策提供指導(dǎo)。

針對投資價值選取指標(biāo)的研究，孟贊提出運用凈資產(chǎn)收益率、每股收益、市凈率、市盈率、產(chǎn)權(quán)比率這五個關(guān)鍵財務(wù)指標(biāo)來反映公司的價值，以達到為投資者提供投資決策的目的。劉強、趙振全（2004）則進一步擴展指標(biāo)，通過建立全面反映上市公司股票投資價值的指標(biāo)體系對股票的相對投資價值進行分析。

投資價值分析還應(yīng)結(jié)合行業(yè)的適用性來研究，李立輝（2002）通過對各行業(yè)的投資價值進行研究，得出各行業(yè)投資價值的綜合評估排序，并指出不同行業(yè)的投資價值不同。隨后，孫美、劉亞萍（2008）明確指出應(yīng)區(qū)分不同行業(yè)來分析上市公司的投資價值才更具可比性。

總的來說，國內(nèi)外關(guān)于上市公司投資價值的研究較為廣泛，許多學(xué)者在分析需區(qū)分行業(yè)進行研究方面達成一致，但大都集中在財務(wù)層面進行研究，并且研究方法存在一定的主觀性。

基于此，本文將投影尋蹤模型引入上市公司內(nèi)在價值的量化評價領(lǐng)域克服了評價中存在的主觀性問題，并構(gòu)建基于BSC的財務(wù)層面、顧客層面、內(nèi)部流程層面及學(xué)習(xí)與成長層面的綜合指標(biāo)體系，同時剔除了不同行業(yè)評價指標(biāo)的偏差性，本文選擇信息技術(shù)行業(yè)為研究對象進行投資價值的實證研究。

二、研究設(shè)計

（一）運用投影尋蹤進行優(yōu)序排列。投影尋蹤是一種被用來分析和處理高維度數(shù)據(jù)的有效方法。Kruscal首先使用投影尋蹤將高維度數(shù)據(jù)經(jīng)過某種組合后投影到低維空間上，并通過一系列計算，極大化反映數(shù)據(jù)聚類程度的指標(biāo)，從而得到反映高維數(shù)據(jù)結(jié)構(gòu)特征的最優(yōu)投影。相比傳統(tǒng)的方法，投影尋蹤分析法對數(shù)據(jù)的特征或結(jié)構(gòu)沒有任何條件的限制，而且能夠直接觀察數(shù)據(jù)的優(yōu)點，并能夠有效地排除專家判斷的主觀性，有利于提高綜合評價的可靠性與準(zhǔn)確性。因此，本文運用投影尋蹤模型來計算代表上市公司內(nèi)在價值的綜合得分并進行排名。

（二）評價指標(biāo)的選取。本文考慮信息技術(shù)行業(yè)的獨有特征，根據(jù)平衡積分卡的原則來構(gòu)建指標(biāo)進行實證研究從而量化上市公司的內(nèi)在價值。

1、財務(wù)層面指標(biāo)的選取。從反映信息技術(shù)行業(yè)上市公司內(nèi)在價值的角度出發(fā)，選取公司的盈利能力、發(fā)展能力、營運能力、償債能力來反映其內(nèi)在價值在財務(wù)層面的體現(xiàn)。其中，選取銷售凈利率、凈資產(chǎn)收益率作為反映盈利能力的指標(biāo)；發(fā)展能力指標(biāo)則選取總資產(chǎn)增長率；流動資產(chǎn)周轉(zhuǎn)率則反映上市公司運營能力；最后，選取流動比率反映公司的償債能力。

2、顧客層面指標(biāo)的選取。顧客的滿意程度對企業(yè)來說具有重大的意義，企業(yè)在顧客層面的指標(biāo)則以新增顧客獲得率和顧客保持率為代表。

3、內(nèi)部流程層面指標(biāo)的選取。內(nèi)部流程層面則選取銷售費用率來代表企業(yè)內(nèi)部對銷售的重視程度，此外選擇R&D投入回報率及R&D占比來反映企業(yè)內(nèi)部流程中對研發(fā)的重視，最后選擇存貨周占率來觀察企業(yè)內(nèi)部存貨的積壓程度、內(nèi)部的周轉(zhuǎn)情況。

4、學(xué)習(xí)與成長層面指標(biāo)的選取。信息技術(shù)行業(yè)需要不斷改進現(xiàn)有產(chǎn)品和程序，引入新產(chǎn)品，才能適應(yīng)激烈的市場競爭。公司學(xué)習(xí)和成長的能力是與公司價值直接相連的，只有加強學(xué)習(xí)與成長能力企業(yè)才能創(chuàng)造更多的價值。因此，要調(diào)動員工的創(chuàng)造力實現(xiàn)企業(yè)的目標(biāo)企業(yè)必須重視員工的學(xué)習(xí)與成長。本文選取員工平均生產(chǎn)能力、本科及以上人員占比、技術(shù)人員占比及員工股票期權(quán)占比來反映企業(yè)內(nèi)部員工的能力、員工質(zhì)量、信息系統(tǒng)能力及員工保留保持率。

（三）內(nèi)在價值評價指標(biāo)體系。（表1）

三、實證分析

（一）樣本選取與來源。本文以滬市A股信息技術(shù)行業(yè)上市公司作為研究對象，樣本選取的主要約束條件有：2013年上市；目前狀態(tài)為正常上市；財務(wù)及非財務(wù)數(shù)據(jù)資料完善。最終獲得33家信息技術(shù)行業(yè)的上市公司。數(shù)據(jù)源于國泰安數(shù)據(jù)庫和上市公司年報。

（二）模型解析。運用投影尋蹤模型來量化上市公司內(nèi)在價值，通過計算得出最佳投影方向：a*=（0.2134，0.0420，0.0565，

0.3094，0.0650，0.3133，0.3122，0.3227，0.0332，0.3746，0.2807，0.1541，0.1561，0.3586，0.3909）。根據(jù)投影尋蹤模型計算出的最佳投影方向結(jié)果，可以得到各個二級指標(biāo)對上市公司內(nèi)在價值評價結(jié)果的貢獻率。（圖1）

由圖1可知，二級指標(biāo)對上市公司內(nèi)在價值的影響程度從大到小依次如下：授予員工股票期權(quán)占比、R&D占比、技術(shù)人員占比、銷售費用率、新增客戶獲得率、客戶保持率、現(xiàn)金比率、存貨周轉(zhuǎn)率、銷售凈利率、本科及以上人員占比、員工平均生產(chǎn)能力、總資產(chǎn)增長率、流動資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率、R&D投入回報率。

根據(jù)圖1所得的二級指標(biāo)貢獻率，進一步計算得到一級指標(biāo)的貢獻率，如圖2所示。（圖2）

由圖2可知，一級指標(biāo)對上市公司內(nèi)在價值貢獻率大排序依次為：內(nèi)部流程層面>學(xué)習(xí)與成長層面>財務(wù)層面>顧客層面。因此，企業(yè)不應(yīng)該像過去一樣只注重財務(wù)績效，企業(yè)應(yīng)該關(guān)注更多的非財務(wù)層面的影響因素，加強企業(yè)內(nèi)部的流程建設(shè)，同時注重企業(yè)自身的創(chuàng)新與學(xué)習(xí)以給企業(yè)注入源源不斷地活力。此外，企業(yè)在顧客層面應(yīng)該加強管理。

根據(jù)a值，進一步求得不同密度下綜合評價投影值z10*（j）=（0.6500，0.6103，0.4256，0.8659，0.8650，0.7863，0.8523，0.9449，

0.8517，1.1229，1.0526，1.2330，0.7808，0.6494，0.9795，0.8977，0.5382，0.9997，1.2983，0.9885，0.9974，0.3568，1.0108，0.7008，0.9769，0.5764，0.5656，0.8278，0.5805，0.9787，1.5000，0.6152，1.6796）。根據(jù)投影值的大小，可得出33個樣本的排名，即信息技術(shù)行業(yè)上市公司內(nèi)在價值綜合排名情況，如圖3和表2所示。（圖3、表2）

四、結(jié)論

本文通過對信息技術(shù)行業(yè)上市公司的內(nèi)在價值進行研究得出如下結(jié)論：采用平衡計分卡比采用單一的財務(wù)層面的指標(biāo)具有更高的解釋能力，通過平衡計分卡來分析上市公司的內(nèi)在價值有助于了解企業(yè)價值創(chuàng)造的來源；平衡計分卡四個層面對企業(yè)價值都有顯著的影響力，不可偏廢；將投影尋蹤模型應(yīng)用于上市公司內(nèi)在價值評價領(lǐng)域，克服了傳統(tǒng)方法數(shù)據(jù)分辨精度不高和評價結(jié)果離散性不強的困難，從而使得到的上市公司內(nèi)在價值排名結(jié)果更為客觀準(zhǔn)確；運用投影尋蹤得出的各一級指標(biāo)貢獻率可知內(nèi)部流程層面、學(xué)習(xí)與成長層面是信息技術(shù)行業(yè)上市公司內(nèi)在價值的主要影響因素，投資者在進行投資時應(yīng)著重考慮這些方面。

主要參考文獻：

[1]瑪麗?巴菲特，戴維?克拉克等.巴菲特教你讀財報[M].北京：中信出版社，2009.

[2]林斗志.價值投資在我國股市表現(xiàn)的實證分析[J].財經(jīng)科學(xué)，2003增刊.

篇（10）

一、引言

適時開展股指期貨交易具有重要的意義：為投資者開辟了新的投資渠道，進一步推動投資理念的轉(zhuǎn)變；創(chuàng)造性地培育機構(gòu)投資者，改變投資者結(jié)構(gòu)；回避股市系統(tǒng)風(fēng)險，促進股價的合理波動，充分發(fā)揮經(jīng)濟晴雨表的作用；深化資本市場改革，完善資本市場體系與功能，等等。但是，股指期貨也有其風(fēng)險，保證金機制所產(chǎn)生的杠桿效應(yīng)、每日結(jié)算制度帶來的資金壓力以及期貨高于現(xiàn)貨市場的敏感性，都給投資者造成了看得見的風(fēng)險與壓力，它為投資者“以小博大”提供可能的同時，投資風(fēng)險也被同步放大。

2007年10月底，中國證監(jiān)會主席尚福林指出，中國股指期貨在制度和技術(shù)上的準(zhǔn)備已基本完成，推出的時機正日趨成熟。一段時間以來，只聞樓梯響，不見人下來。股指期貨吊足了各路投資者的胃口，他們歷兵秣馬對股指期貨充滿了期待，期待在將來的股指期貨交易中一顯身手賺得個盆滿缽滿。在股指期貨何時推出仍然懸而未決的時候，正是繼續(xù)做好投資者風(fēng)險控制教育的有利時機。

二、股指期貨風(fēng)險何在

股指期貨作為金融衍生品的一種，風(fēng)險規(guī)模大、涉及面廣，具有放大性、復(fù)雜性、可預(yù)防性等特征，股指期貨使價值投資理念得到弘揚，市場穩(wěn)定性提高，但是，投資者投資方向一旦出現(xiàn)錯誤，風(fēng)險會成倍放大。對于股票投資而言，三四個跌停也許并不會使持有者陷入絕境，但對于股指期貨，10％的升跌就會將保證金全部蝕光，滿倉操作更有“暴倉”的危險。概括起來，股指期貨風(fēng)險成因主要有以下幾個方面：

1.基礎(chǔ)資產(chǎn)價格波動。期貨市場的投資機會是買賣期貨合約的獲利機會，市場機會的把握是投資成功的關(guān)鍵，但是機會是市場預(yù)期、分析、判斷的產(chǎn)物，存在著不確定性。股指期貨作為指數(shù)的衍生品與股票市場有著天然的密切聯(lián)系，相互影響、連鎖反應(yīng)，股票指數(shù)的漲跌決定股指期貨的贏虧，股指期貨發(fā)揮著指引股指現(xiàn)貨的價格發(fā)現(xiàn)功能，也可能使股票市場波動增大。

2. 杠桿效應(yīng)。股指期貨將以滬深300指數(shù)為交易標(biāo)的，假設(shè)股指期貨的保證金為合約價值的10%，投資者投資500萬元的股指期貨，只需50萬元的保證金。如果看對了方向，當(dāng)指數(shù)上漲5%時，他的盈利為25萬元；同理，如果判斷失誤，其虧損也會放大10倍，它在放大盈利的同時也放大了虧損，這種以小博大的高杠桿效應(yīng)是股指期貨市場高風(fēng)險的主要原因。而且這種虧損和股票的浮動盈虧不同，是真金白銀的實際進出，一旦被強行平倉，投資者不可能像股票那樣通過長期持有獲得“解套”。

3.高流動性。股指期貨設(shè)立的初衷是為了規(guī)避現(xiàn)貨市場的系統(tǒng)風(fēng)險，但是，作為一種風(fēng)險管理工具，它有著不同于現(xiàn)貨交易規(guī)則的高流動性，具體表現(xiàn)在，一是參與機構(gòu)眾多；二是T＋0的交易制度和保證金制度，投資者可以用少量資金在當(dāng)日多次交易數(shù)倍于面額的合約，再加上期貨交易實行每日無負債結(jié)算，一旦方向做反，稍大的價格波動就可能招致強行平倉，一次虧損就會將以前的盈利和本金消耗殆盡；三是作為期貨產(chǎn)品的時間概念與股票不同，一般持有5天以上即算長期，持有期的縮短必然使交易更加頻繁。

4.市場風(fēng)險。股指期貨業(yè)務(wù)中市場風(fēng)險來源于它的不確定性，因為任何分析都只是預(yù)測，存在著與市場價格偏移的可能性。期貨交易是一一對應(yīng)的零和規(guī)則，即市場存在多少買方合約就存在多少賣方合約，如果市場中持有合約的買方賺了錢，那么持有合約的賣方肯定就賠了錢，反之亦然。投資者在每一次交易中，不是充當(dāng)買方就是充當(dāng)賣方，交易結(jié)果除了賺錢就是賠錢，概莫能外。也就是說，期貨交易買賣雙方必有一方賺錢，一方賠錢，這是機會和風(fēng)險并存的客觀原因。

5.機制不健全帶來的風(fēng)險。如果股指期貨市場管理法規(guī)和機制設(shè)計不健全，可能產(chǎn)生流動性、結(jié)算、交割等風(fēng)險，在股指期貨市場發(fā)展初期，可能使股指期貨與現(xiàn)貨市場間套利有效性下降，導(dǎo)致股指期貨功能難以正常發(fā)揮。小而言之，有的機構(gòu)不具有期貨資格，投資者與其簽訂經(jīng)紀(jì)合同就不受法律保護；某些投機者利用自身的實力、地位等優(yōu)勢進行市場操縱等違法、違規(guī)活動，使一些中小投資者蒙受損失；投資者在一些經(jīng)紀(jì)公司或者公司簽署合同時，由于不熟悉股指期貨各個環(huán)節(jié)的流程，不熟悉相關(guān)法規(guī)，對于那些欺詐性條款不能識別而導(dǎo)致風(fēng)險。

三、加強風(fēng)險控制教育

股指期貨的投資理念、風(fēng)險控制、交易標(biāo)的、風(fēng)險特征和運行規(guī)律等方面有著自己的特點，大力開展投資者教育和股指期貨知識宣傳、普及，有利于幫助投資者盡早熟悉市場、增強風(fēng)險意識、提高投資決策水平；有利于投資者樹立科學(xué)的投資觀念，理性參與市場。

1.明確游戲規(guī)劃。股指期貨投資者教育工作效果的好壞，將直接關(guān)系到股指期貨產(chǎn)品能否順利推出、平穩(wěn)運行、功能發(fā)揮、長遠發(fā)展，投資者風(fēng)險控制教育以及股指期貨知識的普及是一項系統(tǒng)工程，需要監(jiān)管部門、媒體和各相關(guān)機構(gòu)的共同努力。中國金融期貨交易所制定了“一規(guī)則三細則五辦法"，明確了股指期貨的風(fēng)險管理制度和實施辦法，這是股指期貨的基本原則及操作指南，首要的任務(wù)是要宣傳、普及這些規(guī)則、細則、辦法。除了可以利用電視、報紙和網(wǎng)絡(luò)等大眾媒體加以普及，也可采取成立培訓(xùn)講師團、編印各種基礎(chǔ)知識讀本等形式，開展多層次、全方位的宣傳教育，避免期貨經(jīng)營機構(gòu)和投資者在對市場缺乏基本判斷，對市場風(fēng)險缺乏基本了解的情況下盲目參與。

2.突出風(fēng)險教育。投資者在依據(jù)預(yù)測提供的入市機會進行交易時存在交易風(fēng)險，期貨交易機會和風(fēng)險并存是客觀存在的。但是，一些投資者在入市之前不能正視期貨交易的風(fēng)險，熱衷于期貨交易“以小博大"的市場機制，這需要在投資理念和輿論宣傳等方面積極加以引導(dǎo)，幫助他們認識金融期貨的特點，客觀評估各自的風(fēng)險承受能力，從而做出科學(xué)理性的投資決策。

3.培養(yǎng)理性投資群體。把握機會是獲取收益的前提，控制風(fēng)險是獲取收益的保證，投資收益實際上是把握投資機會和控制投資風(fēng)險的報酬，面對機會和風(fēng)險，不同投資者會做出截然不同的選擇。有些投資者缺乏期貨交易的常識和風(fēng)險控制意識，喜歡聽信傳言跟風(fēng)而動；有些投資者缺乏自信，在“一慢，二看，三通過"中失去了市場投資機會；有些投資者見漲就買，見跌就賣，一旦出錯，就立即砍單，習(xí)慣過度交易，熱衷于短線交易和滿倉交易，沒有止損概念，這些非理性投資群體將是期貨市場的失敗者。風(fēng)險控制教育的目標(biāo)是要培養(yǎng)一批理性投資者，他們對風(fēng)險投資和資產(chǎn)管理有清晰的認識，面對市場機會和市場風(fēng)險頭腦清醒，習(xí)慣于從風(fēng)險的角度來考察和選擇市場機會，每一次交易都能經(jīng)過縝密的分析、事后又善于總結(jié)經(jīng)驗教訓(xùn)，他們也會在某次交易中失手，但是，他們往往能夠笑到最后，成為股指期貨市場上的贏家。由眾多理性的投資者組成的市場才是理性的市場。

4.注意教育的針對性與實效性。風(fēng)險控制教育既要宣傳投資機遇，更要告知市場風(fēng)險；既要普及證券期貨基礎(chǔ)知識，又要培訓(xùn)風(fēng)險控制能力；既要明確金融期貨的重要作用和發(fā)展前景，又要正確面對可能遇到的困難和挫折。以風(fēng)險防范為重點，深入剖析股指期貨的風(fēng)險特征，使投資者獲得啟發(fā)和教益。初期可將工作重點放在基礎(chǔ)知識、法規(guī)政策、交易流程、風(fēng)險特征等基礎(chǔ)知識的普及上，隨著投資者對股指期貨市場的逐漸熟悉，可以將培訓(xùn)工作逐漸過渡到交易策略、風(fēng)險管理和市場研究分析等領(lǐng)域。股指期貨對內(nèi)地投資者來說是一個新生事物，但是國外的期貨市場大量的風(fēng)險投資案例給我們提供了豐富的素材，從中選取典型案例教育投資者，是一種事半功倍的方法。

加強風(fēng)險控制教育，不僅能夠普及股指期貨知識和相關(guān)政策、法規(guī)，提高全社會對期貨市場的認識，更重要的是，風(fēng)險控制教育能夠使投資者、期貨從業(yè)人員樹立正確的投資理念，倡導(dǎo)理性參與的意識，為股指期貨的成功推出和平穩(wěn)運行創(chuàng)造條件，為期貨市場的長遠發(fā)展奠定基礎(chǔ)。

四、提高風(fēng)險自我控制能力

股指期貨在交易規(guī)則、方式、投資策略等方面與股票、債券、基金存在很大的差異，與投資商品期貨也不盡相同。對廣大的證券投資者來說，一定要深入地學(xué)習(xí)、系統(tǒng)地了解相關(guān)的知識，以改變業(yè)已形成的投資習(xí)慣和心理。尤其是在股指期貨推出的初期，中小投資者最好能抱著嘗試和學(xué)習(xí)的態(tài)度，在資金運用、風(fēng)險控制和危機處理等方面加強自我約束。機會總是青睞有所準(zhǔn)備的人，只有做好充足準(zhǔn)備的投資者，才能成為股指期貨市場的實際得益者。

1.實力上的判斷。每一筆期貨交易既是一次賺錢的機會，也是一次冒險。投資者應(yīng)該根據(jù)自己的資金實力、風(fēng)險承受能力，了解股指期貨的風(fēng)險究竟有多大，自己是否有這個能力，量力而行，才能享受到股指期貨交易的樂趣。善于獨立分析，善于總結(jié)經(jīng)驗教訓(xùn)，不人云亦云，不盲目跟風(fēng)，在交易中又能夠控制好自己的情緒，才能虧得起贏得起。

2.知識上的準(zhǔn)備。參與股指期貨交易，必須做好知識上的準(zhǔn)備，要有效地把投入資金比例、開倉頭寸、止損幅度設(shè)置好，如果在知識面和操作技巧沒有預(yù)先的學(xué)習(xí)和貯備的情況下貿(mào)然參與股指期貨，將承受更多更大的風(fēng)險。深入了解股指期貨的基本知識、風(fēng)險控制的基本方法，熟練掌握期貨交易規(guī)則、期貨交易軟件的使用以及期貨市場的基本制度，將游戲規(guī)則了然于胸后再坦然進入這個機遇與風(fēng)險并存的市場，將成為期貨投資贏虧的關(guān)鍵。

3.心理上的準(zhǔn)備。期貨合約是一個完全被放大了的市場，對廣大投資者來說也是一個心理上的考驗。在指數(shù)大起大落，資金大進大出的股指期貨市場，一些投資者出現(xiàn)貪婪、恐懼、急躁等情緒在所難免，具備一定的心理素質(zhì)，清醒地認識到自己的風(fēng)險承受能力，在自己的心理承受能力的范圍內(nèi)從事股指期貨，才可能夠在操作中游刃有余，避免出現(xiàn)心理上的崩盤。

4.控制風(fēng)險的方法。由于每日結(jié)算制度的短期資金壓力，投資者既要把握股指期貨合約到期日向現(xiàn)貨價格回歸的特點，又要注意合約到期時的交割問題；既要拋棄股票市場滿倉交易的操作習(xí)慣，控制好保證金的占用比率，防止強行平倉風(fēng)險，又要根據(jù)交易計劃加倉或止損，切忌心存僥幸心理硬扛或在貪婪心理驅(qū)使下按倒金字塔方式加倉。控制風(fēng)險的方法很多，理論上的積累固然重要，也需要投資者在今后的操作實務(wù)中善于歸納、總結(jié)。

發(fā)展股指期貨是完善和深化我國證券市場的必然選擇，通過風(fēng)險控制教育，讓投資者掌握股指期貨的運行規(guī)律，了解股指期貨的風(fēng)險特點，這樣才能使投資者理性參與股指期貨交易，確保股指期貨的平穩(wěn)運行。

參考文獻：

1.姜昌武.應(yīng)對股指期貨時代的市場風(fēng)險.中國證券報，2006.6.29

篇（11）

中圖分類號： TP181

文獻標(biāo)志碼：A

Integrating piecewise linear representation and Gaussian process classification for stock turning points prediction

LI Feng1， GAO Feng1*， KOU Peng2

1.System Engineering Institute， Xian Jiaotong University， Xian Shaanxi 710049， China

；

2.College of Electrical Engineering， Xian Jiaotong University， Xian Shaanxi 710049， China

Abstract：

Focusing on the prediction issue of the price turning point in stock trading process， a prediction algorithm of stock price turning point， named PLRGPC， was proposed based on Piecewise Linear Representation （PLR） and Gaussian Process Classification （GPC）. The algorithm extracted the turning points of the historical stock price series by PLR， and classified the points with different labels. A prediction model of the stock price turning point was built based on GPC， and it was trained with the turning points extracted by PLR. Eventually， the model could predict whether a new price would be a price turning point， and could explain the result with probability. An experiment on the real stock data was carried out among PLRGPC， PLRBPN （PLRBack Propagation Network）， and PLRWSVM （PLRWeighted Support Vector Machine）. It showed that the PLRGPC had higher forecast accuracy than the other two algorithms， and its rate of return was higher than PLRBPN， almost equal to PLRWSVM. The experimental result proves that the PLRGPC is effective on stock turning point prediction and it can be applied in the actual stock investment trading.

英文關(guān)鍵詞Key words：

Piecewise Linear Representation （PLR）； Gaussian Process Classification （GPC）； stock trading signal； probabilistic prediction； investment strategy； risk preference

0引言

時間序列的分析預(yù)測問題一直是一個研究熱點，在時間序列問題中金融股票價格的分析和預(yù)測是一個重要的研究領(lǐng)域?，F(xiàn)有對股票價格的預(yù)測研究主要有兩種方法[1-2]：一種是關(guān)注短期內(nèi)股票價格變化的預(yù)測，該研究方法不僅需要解決數(shù)據(jù)高頻變化帶來的問題，同時在實際應(yīng)用中不適合中長期投資交易；另一種研究方法關(guān)注對股票價格轉(zhuǎn)折點的預(yù)測，進而確定股票交易信號。實際投資中，在股票價格轉(zhuǎn)折點處進行交易能夠獲得最優(yōu)的收益，因此認為股票價格轉(zhuǎn)折點是股票最佳交易信號[1-4]。通常，相比價格的短期變動，價格轉(zhuǎn)折點之間具有更長的時間間隔，可以避免股票數(shù)據(jù)高頻變化帶來的影響。如果能對股票價格轉(zhuǎn)折點進行準(zhǔn)確的預(yù)測，就能夠確定股票的交易信號，從而給投資者帶來更大的收益。然而，對股票交易信號的預(yù)測需要解決轉(zhuǎn)折點提取、預(yù)測模型建立等一系列問題，導(dǎo)致目前仍沒有很好的預(yù)測方法。

對股票交易信號進行預(yù)測的首要問題是如何確定股票價格歷史數(shù)據(jù)中的交易點即轉(zhuǎn)折點。如何提取歷史數(shù)據(jù)中具有交易價值的轉(zhuǎn)折點是一項困難的工作，國內(nèi)國外的很多學(xué)者對這一問題進行了深入研究并取得了大量成果[5-7]。除了傳統(tǒng)的離散傅里葉變換[8]以及小波分析[9]等方法外，Chang等[2]將分段線性表示（Piecewise Linear Representation， PLR）應(yīng)用到股票歷史數(shù)據(jù)轉(zhuǎn)折點的提取問題中，取得了一定成果。PLR算法能夠準(zhǔn)確地將股票價格歷史數(shù)據(jù)分成不同的類型，輸出的相鄰段之間的連接點恰好可以表示股票價格趨勢的變化，同時其閾值的選取具有很好的靈活性，可以適應(yīng)不同的投資類型（短、中、長期）。

股票交易信號預(yù)測所需解決的第二個問題是如何對股票價格與特征（各種股票價格指標(biāo)）之間的關(guān)系進行建模，進而對交易信號進行分類預(yù)測。近年來，利用BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Network， BPN）、支持向量機（Support Vector Machine， SVM）等方法在股票價格預(yù)測問題上均取得了較好的研究成果。如Zhang等[10]研究了應(yīng)用BPN解決股票預(yù)測中如訓(xùn)練集最優(yōu)化長度、神經(jīng)網(wǎng)絡(luò)輸入選取等問題。Chang等[2-3]應(yīng)用BPN對股票交易信號與影響因素之間的關(guān)系進行了建模研究。Cao等[11]應(yīng)用帶有附加參數(shù)的SVM算法對股票價格預(yù)測進行了研究。特別地， Chang等[2-3]在對股票交易信號進行預(yù)測的研究中綜合了PLR與BPN算法，PLR算法用來提取歷史數(shù)據(jù)中的轉(zhuǎn)折點，BPN算法則用來對關(guān)系進行建模。Luo等[1]采用了加權(quán)的支持向量機（Weighted Support Vector Machine， WSVM）對股票價格與影響因素之間的關(guān)系進行了建模研究。文獻[1-3]的研究結(jié)果表明，PLRBPN與PLRWSVM算法都能夠較好地對股票交易信號進行預(yù)測，具有一定的準(zhǔn)確率，相比基本的買入持有投資策略能夠獲得更高的收益率。BPN與SVM在機器學(xué)習(xí)領(lǐng)域得到了大量應(yīng)用[11-12]，但其數(shù)學(xué)基礎(chǔ)導(dǎo)致分類不具有實際概率意義，應(yīng)用于股票預(yù)測不能對投資信號進行概率解釋，因而對于不同風(fēng)險偏好類型的問題缺少一定的靈活性。

高斯過程分類（Gaussian Process Classification， GPC）[12]具有嚴(yán)格的數(shù)理統(tǒng)計基礎(chǔ)，與BPN和SVM相比具有易實現(xiàn)、超參數(shù)自適應(yīng)獲取等優(yōu)點，輸出結(jié)果具有實際概率意義，可對預(yù)測結(jié)果作出概率解釋，在時間序列預(yù)測問題中取得了較好的研究成果[13-14]。

本文結(jié)合PLR與GPC形成PLRGPC股票交易信號預(yù)測算法，其中：PLR算法用于提取歷史數(shù)據(jù)中的轉(zhuǎn)折點，GPC算法用于對股票價格與特征之間的關(guān)系進行建模。最后將預(yù)測結(jié)果準(zhǔn)確率及交易決策收益率與PLRWSVM算法以及PLRBPN算法進行了分析對比，并對GPC的概率預(yù)測結(jié)果進行了分析。

1PLR算法原理

采用PLR算法對股票價格歷史數(shù)據(jù)中的轉(zhuǎn)折點進行提取。將股票價格歷史數(shù)據(jù)表示成近似的線段組合，則兩條線段之間的交點即是股票價格的轉(zhuǎn)折點，通常認為股票價格的轉(zhuǎn)折點即為最優(yōu)交易點。

PLR算法將一個時間序列T={y1，y2，…，yl}表示為近似的線性分段的形式，即：

TPLR={L1（y1，y2，…，yt1），L2（yt1+1，yt1+2，…，yt2），…，Lk（ytk-1+1，ytk-1+2，…，yl）}

（1）

其中：ti表示第i段的結(jié)尾點，Li（yti-1+1，yti-1+2，…，yti）（1≤i≤k）表示點序列yti-1+1，yti-1+2，…，yti的近似替代直線。由于ti表示曲線移動趨勢的變化，因而通常將ti稱作轉(zhuǎn)折點。

本文中選取自頂向下的遞歸方法來線段化股票收盤價格數(shù)據(jù)，采用線性插值方法生成近似線。自頂向下算法首先掃描整個過程數(shù)據(jù)，找到最佳分割點，將序列分為 2個子序列，計算子序列的擬合誤差。文中擬合誤差選擇垂直距離（序列中各點到序列首尾連線的最大距離）。如果子序列最大擬合誤差大于閾值δ，用同樣方法將子序列再次劃分成2個子序列，直到所有子序列的擬合誤差都小于設(shè)定閾值δ。

圖1顯示了對同一股票時間序列作PLR運算的結(jié)果。股票數(shù)據(jù)來源為雅虎數(shù)據(jù)庫，選取代碼為sh600053的股票，時間范圍為20100104―20110818，參數(shù)δ分別選取為005、0.1、0.2。從圖1可以看出閾值δ對股票序列轉(zhuǎn)折點的提取結(jié)果有很大影響，對不同股票選取合適的閾值δ是必要的。

2高斯過程分類

基于高斯過程可以構(gòu)建出回歸與預(yù)測兩類問題[15]。高斯過程分類是建立在貝葉斯推理框架下的一類有監(jiān)督分類算法，最早用于解決非線性實值預(yù)測問題，與BPN和SVM相比其輸出結(jié)果具有概率意義，可用于解決概率預(yù)測問題[16]。

假定模型的訓(xùn)練數(shù)據(jù)集為D=（X，y），包含N個數(shù)據(jù)樣本，其中：X=[x1，x2，…，xN]T是訓(xùn)練集樣本組成的矩陣，y=[y1，y2，…，yN]為對應(yīng)樣本矩陣的目標(biāo)向量。對于樣本集中的每個訓(xùn)練樣本xi∈Rd（i=1，2，…，N），對應(yīng)的目標(biāo)值即類別標(biāo)簽yi∈{-1，1}。對于一個新的測試樣本的輸入向量x，其類別標(biāo)簽是未知的，高斯過程分類通過計算后驗概率π（x）=p（y|D，x）來預(yù)測x所屬的類別。

引入隱函數(shù)f，對于一個輸入向量xi，其屬于某一類別的概率與該隱函數(shù)的值f（xi）成單調(diào)遞增的函數(shù)關(guān)系。

通過將邏輯對數(shù)（logistic）函數(shù)應(yīng)用于隱函數(shù)f得到類概率的值，邏輯對數(shù)（logistic）函數(shù)為：

λ（z）=11+exp（-z）

（2）

于是得到π（x）=λ（f（x））。

通常將分類問題分為兩個步驟，首先就是需要計算對應(yīng)一個輸入測試值的隱變量的分布情況，即：

p（f*|X，y，x*）=∫p（f*|X，x*，f）p（f|X，y）df

（3）

式中p（f|X，y）是隱變量的后驗，即：

p（f|X，y）=p（y|f）p（f|X）/p（y|X）

（4）

通過隱函數(shù)f*的分布得到一個輸入變量類別的預(yù)測概率：

*p（y*=+1|X，x*，f）=

∫ σ（f*）p（f*|X，x*，f）df*

（5）

進而將作為測試點x屬于類別+1的概率。

式（5）中積分直接計算比較困難，通常有兩種近似化分析方法進行近似計算：一種是拉普拉斯近似化方法（Laplace）[13]，另一種是期望傳播近似化（Expectation Propagation， EP）方法[14]。本文中高斯過程分類器的實現(xiàn)采用Laplace近似法實現(xiàn)，此處不作推導(dǎo)，推導(dǎo)過程可詳見文獻[17]。

對于樣本類標(biāo)簽為（+1，-1）的二元分類，GPC的結(jié)果中測試樣本的隱函數(shù)均值以0為分界線分布于0平面上方或下方，輸出結(jié)果的正類概率分布于（0，1）區(qū)間內(nèi)。

通常，對二元GPC的輸出進行簡易判斷，即當(dāng)樣本屬于正類的概率π>0.5時，將其劃為正類；否則，將其劃為負類。但股票交易十分復(fù)雜并且具有不確定性，可能導(dǎo)致出現(xiàn)極少或者極多的概率預(yù)測結(jié)果超過0.5，此時按照上述分類方法效果不好。然而注意到，GPC輸出具有實際概率意義，代表了分類結(jié)果的可信度，在預(yù)測概率普遍不高（0.5）的情況下，可以靈活選取正負類的分類閾值，在保證輸出結(jié)果概率意義的條件下獲得更好的分類效果。

3基于PLR與GPC的股票交易信號預(yù)測

本文綜合PLR與GPC算法形成PLRGPC股票交易信號預(yù)測算法，PLR算法用于提取股票每日收盤價歷史數(shù)據(jù)中的轉(zhuǎn)折點，GPC算法用于對股票價格與特征之間的關(guān)系進行建模。為了客觀地說明PLRGPC股票預(yù)測算法的收益情況，選取了現(xiàn)今在實際投資領(lǐng)域較為常用的兩種決策方法來衡量PLRGPC預(yù)測算法的收益能力。

3.1模型輸入特征

模型的輸入變量是影響交易信號的特征。在股票預(yù)測問題中，輸入變量的選擇十分重要，通常選擇一些股票技術(shù)分析指標(biāo)；，如移動平均線（Moving Average， MA）、相對強弱指數(shù)（Relative Strength Index， RSI）、【成交量（Trading Volume， TV）、威廉指標(biāo)（Williams%R， WR）、隨機指標(biāo)（KDJ）、平滑異同移動平均線（Moving Average Convergence/ Divergence， MACD）[1]等。此外許多學(xué)者也提出了大量的技術(shù)分析指標(biāo)來分析預(yù)測股票交易信號；

而為了增加輸入變量的信息量，本文還參考文獻[1]增加了一些在股票市場研究中較為新穎的技術(shù)分析指標(biāo)作為輸入特征。這些指標(biāo)的具體說明如表1所示。

本文增加的第一個是價格振幅指標(biāo)ALT（Amplitude of the price movement）表示一個交易日中價格的振動幅度，定義如下：

ALT=[HP（i）-LP（i）]/LP（i）

（6）

其中：HP（i）為第i個交易日的最高價，LP（i）為第i個交易日的最低價。ALT反映了股票的活躍程度，如果某只股票的ALT為0，表明這只股票活躍程度為0，往往其收益率較低。

另一個增加的特征指標(biāo)是K線指數(shù)（Index for the Type of KLine， ITL），定義如下：

ITL=

1，CP（i）>OP（i）

-1，其他

（7）

其中：CP（i）為第i個交易日的收盤價，OP（i）為第i個交易日的開盤價。ITL對投資者的情緒有重要影響，當(dāng)ITL=1時表明股票價格升高，對購買股票是一個積極影響；ITL=-1則對股票購買來說具有消極影響。

除了ALT與ITL之外，本文還選取了乖離率BIAS、10天ROC指標(biāo)、順勢指標(biāo)CCI、心里線指標(biāo)PSY、買賣動力指標(biāo)AR、買賣意愿指標(biāo)BR、14天正方向變動指標(biāo)DIP14以及14天負方向變動指標(biāo)DIM14等技術(shù)指標(biāo)作為輸入特征變量。表1顯示了本文所選取的輸入特征變量。

3.2數(shù)據(jù)樣本集構(gòu)造

在時間序列分析中，通常將整個數(shù)據(jù)集分成一系列相互覆蓋的訓(xùn)練測試數(shù)據(jù)集。本文將股票每日收盤價格歷史數(shù)據(jù)分成了一系列相互覆蓋的訓(xùn)練測試數(shù)據(jù)集，使得數(shù)據(jù)可以得到更好的利用并且降低了數(shù)據(jù)的時變特性。圖2顯示了重疊分區(qū)中的兩個連續(xù)的訓(xùn)練測試數(shù)據(jù)集。

圖2兩個連續(xù)的訓(xùn)練測試集示意圖

假設(shè)數(shù)據(jù)集的總長度為r，每個訓(xùn)練測試數(shù)據(jù)集中訓(xùn)練集的長度為r1，測試集長度為r2，則整個數(shù)據(jù)集被分成相互覆蓋的訓(xùn)練測試集的數(shù)量為：

對于訓(xùn)練集和測試集數(shù)據(jù)的選取需綜合考慮算法模型本身要求及實際應(yīng)用情況。測試集的長度r2不能選擇過長，否則會造成訓(xùn)練模型失效；同時也不能選擇過短，這樣會頻繁更新模型，使得計算量過大。對于訓(xùn)練集的長度r1不能選擇過短，否則訓(xùn)練數(shù)據(jù)集過少，不能夠?qū)δＰ瓦M行很好的訓(xùn)練；而r1如果選擇過大，會導(dǎo)致訓(xùn)練集數(shù)據(jù)過多，不僅加大了運算量而且降低了模型的預(yù)測準(zhǔn)確度。

3.3PLRGPC預(yù)測模型

本文綜合PLR與GPC結(jié)合形成PLRGPC算法。通過PLR可以提取股票每日收盤價格歷史數(shù)據(jù)中的轉(zhuǎn)折點，根據(jù)提取的轉(zhuǎn)折點可以將股票價格序列分成三類，即高位轉(zhuǎn)折點、低位轉(zhuǎn)折點和非交易點：低位轉(zhuǎn)折點應(yīng)該是交易過程中的最佳買入點，高位轉(zhuǎn)折點應(yīng)該是交易過程中的最佳賣出點。通過對轉(zhuǎn)折點與非交易點進行分類標(biāo)記，可得股票歷史數(shù)據(jù)的類別標(biāo)簽。在GPC對關(guān)系進行建模前，需要選擇合適的特征向量，特征向量通過對股票交易中的各種數(shù)據(jù)進行分析與處理得到。同時，為降低股票數(shù)據(jù)的時變性影響，將股票每日收盤價數(shù)據(jù)合理地劃分為訓(xùn)練集和測試集。通過GPC算法在訓(xùn)練集上進行訓(xùn)練，獲取股票價格與特征之間的關(guān)系模型，然后以測試數(shù)據(jù)作為該模型的輸入，通過輸出判斷測試集數(shù)據(jù)的類別，判斷輸入數(shù)據(jù)是否為價格轉(zhuǎn)折點。

GPC采用OnetoRest的二元分類方法。將全部股票收盤價數(shù)據(jù)分為三類：峰值點、波谷點以及其余普通點。PLR提取轉(zhuǎn)折點后，對數(shù)據(jù)作兩次獨立的標(biāo)記處理，兩次分類標(biāo)記分別為{峰值點（+1），普通點（-1）+波谷點（-1）}與{波谷點（+1），普通點（-1）+峰值點（-1）}，然后分別對這兩個分類進行學(xué)習(xí)與預(yù)測，通過GPC可以得到股票價格轉(zhuǎn)折點的預(yù)測結(jié)果，如圖3所示。同時在PLR函數(shù)中將收盤價進行歸一化處理，提高準(zhǔn)確性。

圖3PLRGPC算法原理

高斯過程分類算法輸入：根據(jù)3.1節(jié)，已經(jīng)提取出包括股票當(dāng)日收盤價格以及與價格相關(guān)的各項特征在內(nèi)的共29個特征（CP，OP，HP，LP，MA5（5天的滑動平均值，下同）， MA6， MA10， MA20， MA30， MA60， WMS， KDJ_K， KDJ_D， KDJ_J， RSI， ALT， ITL， BIAS5， BIAS6， BIAS10， BIAS20， MACD， ROC10， CCI， PSY， AR， BR， DIP14， DIM14）。

高斯過程分類算法輸出：股票交易信號分類結(jié)果的概率值。通常選擇分類閾值為0.5，即輸出概率值大于0.5時認為是交易信號（+1類），輸出概率值小于0.5時是非交易信號（-1類）；同時，根據(jù)不同的風(fēng)險偏好情況選擇不同的分類閾值，以適應(yīng)不同風(fēng)險偏好情況的投資策略。

確定了算法的輸入輸出，需要對模型訓(xùn)練樣本進行構(gòu)造。設(shè)xi為第i日股票價格特征向量，從數(shù)學(xué)上xi是一個1×29的行向量；yi為根據(jù)PLR算法對訓(xùn)練集樣本中轉(zhuǎn)折點的標(biāo)記結(jié)果，則yi=±1；xi與yi共同組成了訓(xùn)練集樣本對。假設(shè)訓(xùn)練集共有r1個交易日的數(shù)據(jù)，則訓(xùn)練集中輸入部分的數(shù)據(jù)為X=[x1，x2，…，xr1]T，訓(xùn)練集中輸出部分為y=[y1，y2，…，yr1]T。當(dāng)進行預(yù)測時，輸入為測試集時間段內(nèi)的特征向量x*，同樣也為一個1×29的行向量，而此時的輸出即為分類結(jié)果。X、 y與x*共同組成了訓(xùn)練數(shù)據(jù)集D=（X，y）。

綜上，可總結(jié)PLRGPC算法流程如下：

輸入

股票歷史數(shù)據(jù)集D，PLR參數(shù)δ，訓(xùn)練集長度r1，測試集長度r2；

輸出

待選轉(zhuǎn)折點交易信號及其概率。

算法流程：

1）根據(jù)3.2節(jié)計算方法計算股票價格特征向量M，并加入數(shù)據(jù)集D中。

2）歸一化數(shù)據(jù)集D和特征向量M。

3）計算訓(xùn)練測試集數(shù)量q。

4）將i置為1。

5）當(dāng)i≤q時：

a）從數(shù)據(jù)集D中選擇第i個訓(xùn)練測試集；

b）根據(jù)給定的參數(shù)δ計算第i個訓(xùn)練測試集中的轉(zhuǎn)折點；

c）根據(jù)計算出的轉(zhuǎn)折點對數(shù)據(jù)集中的收盤價格進行兩次分類標(biāo)記，分別標(biāo)記出買入點和賣出點；

d）使用第i個訓(xùn)練集對預(yù)測模型進行訓(xùn)練；

e）使用訓(xùn)練好的模型對第i個測試集進行分類計算；

f）令i=i+1。

6）綜合q次測試集分類結(jié)果，輸出待選轉(zhuǎn)折點交易信號及其概率并計算分類準(zhǔn)確率。

4實驗分析

本文設(shè)計了兩個實驗來評估PLRGPC算法在實際股票投資中的收益情況：實驗一衡量PLRGPC算法的預(yù)測準(zhǔn)確率及收益情況，實驗二考察PLRGPC算法的概率預(yù)測應(yīng)用。

4.1算法評價指標(biāo)

對股票預(yù)測算法的評價指標(biāo)主要包括投資收益率與預(yù)測準(zhǔn)確率兩方面。

4.1.1收益率

選取實際股票投資中較常用的兩種投資交易方式來衡量算法的收益率：第一種投資方式為單買全賣型（投資決策一），第二種投資方式為全買全賣型（投資決策二）。

單買全賣型投資方式：在該投資方式下，每當(dāng)出現(xiàn)買入信號時，總是以資金的一份作為購買資金買入股票，而當(dāng)出現(xiàn)賣出信號時，總是賣出全部所持有的股票。

全買全賣型投資方式：在該投資方式下，如果出現(xiàn)買入信號，總是用所有的現(xiàn)有資金買入當(dāng)前股票；而當(dāng)出現(xiàn)賣出信號時，總是賣出全部所持有的股票。

收益率的計算方法如下：

pm=（bm-vm）/vm

（9）

其中：pm代表投資收益率，bm代表最終持有資金，vm代表初始資金。

4.1.2預(yù)測準(zhǔn)確率

預(yù)測準(zhǔn)確率定義為預(yù)測結(jié)果與測試集上PLR算法結(jié)果的匹配程度，其計算方法如下：

Acc=N′/N×100%

（10）

其中：Acc表示準(zhǔn)確率，N′表示對測試集進行預(yù)測結(jié)果的交易信號與PLR算法結(jié)果相匹配的數(shù)量，N表示對測試集預(yù)測得出交易信號的總數(shù)量。

4.2PLRGPC算法實驗結(jié)果分析與對比

本部分考察GPC分類概率閾值選為0.5時的算法準(zhǔn)確率及實際收益情況。實驗數(shù)據(jù)來源為雅虎數(shù)據(jù)庫，選取自上海證券交易所上市交易的20只股票數(shù)據(jù)對PLRGPC算法進行預(yù)測實驗。每只股票均選取自20080925―20110818時間段內(nèi)，該時間段內(nèi)分別大約含有600個交易日收盤價數(shù)據(jù)。選取交易日數(shù)據(jù)中后部約200個交易日數(shù)據(jù)作為測試數(shù)據(jù)，前400個交易日數(shù)據(jù)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集。為考察預(yù)測算法在股票不同變化趨勢下的準(zhǔn)確率及收益率情況，將這20只股票分成三類：上升股、下降股以及平穩(wěn)股。其分類標(biāo)準(zhǔn)是：如果在測試集數(shù)據(jù)段時間內(nèi)最后一個交易日的收盤價比初始交易日的收盤價低10%及以上，則這只股票屬于下降股；如果該段時間內(nèi)最后一個交易日的收盤價比初始交易日的收盤價高10%及以上，則這只股票屬于上升股；否則屬于平穩(wěn)股。

所選股票中，有9只股票屬于下降股（代碼：sh600736， sh600197，sh600211， sh600694， sh600351， sh600488， sh600054， sh600019， sh600058），6只股票屬于平穩(wěn)股（代碼sh600682， sh600597， sh600066， sh600881， sh600228， sh600697）以及5只股票屬于上升股（代碼：sh600107，sh600053， sh600051， sh600163， sh600167）。

GPC輸出結(jié)果具有實際概率意義，表明分類結(jié)果的可信度?？蓪φ惖母怕蕜澐珠撝颠M行自定義選取，在保證交易點個數(shù)的情況下，尋求最佳的概率劃分閾值，不僅能夠獲得更高的收益率，并且不同概率閾值的選取對應(yīng)不同的風(fēng)險投資策略，對不同風(fēng)險偏好者的投資策略選擇具有重要的指導(dǎo)意義。

在PLRGPC算法中，某些參數(shù)的選取對分類的準(zhǔn)確度以及收益率存在影響，比如PLR算法的參數(shù)δ對訓(xùn)練集有很大影響，同時GPC中協(xié)方差函數(shù)的選取以及迭代次數(shù)的選擇對算法的準(zhǔn)確性也有很大影響。在后續(xù)的研究中，可以將GPC參數(shù)的最優(yōu)化選取作為研究切入點，進一步提高算法的準(zhǔn)確性以及投資收益率。

參考文獻：

[1]

LUO L， CHEN X. Integrating piecewise linear representation and weighted support vector machine for stock trading signal prediction [J]. Applied Soft Computing， 2013， 13（2）： 806-816.

[2]

CHANG PC， FAN CY， LIU CH. Integrating a piecewise linear representation method and a neural network model for stock trading points prediction [J]. IEEE Transactions on Systems， Man， and Cybernetics， Part C： Applications and Reviews， 2009， 39（1）： 80-92.

[3]

CHANG PC， LIAO T W， LIN JJ， et al. A dynamic threshold decision system for stock trading signal detection [J]. Applied Soft Computing， 2011， 11（5）： 3998-4010.

[4]

ABUMOSTAFA Y S， ATIYA A F. Introduction to financial forecasting [J]. Applied Intelligence， 1996， 6（3）： 205-213.

[5]

KEOGH E， CHU S， HART D， et al. An online algorithm for segmenting time series [C]// ICDM 2001： Proceedings of the 2001 International Conference on Data Mining. Piscataway： IEEE， 2001： 289-296.

[6]

KEOGH E， CHU S， HART D， et al. Segmenting time series： a survey and novel approach [J]. Data Mining in Time Series Databases， 2004， 57： 1-22.

[7]

WU H， SALZBERG B， ZHANG D. Online eventdriven subsequence matching over financial data streams [C]// Proceedings of the 2004 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2004： 23-34.

[8]

AGRAWAL R， FALOUTSOS C， SWAMI A. Efficient similarity search in sequence databases [C]// FODO 93： Proceedings of the 4th International Conference on Foundations of Data Organization and Algorithms， LNCS 730. Berlin： Springer， 1993： 69-84.

[9]

CHAN KP， FU WC. Efficient time series matching by wavelets [C]// ICDE 1999： Proceedings of the 15th International Conference on Data Engineering. Washington， DC： IEEE Computer Society， 1999： 126-133.

[10]

ZHANG D， ZHOU L. Discovering golden nuggets： data mining in financial application [J]. IEEE Transactions on Systems， Man， and Cybernetics， Part C： Applications and Reviews， 2004， 34（4）： 513-522.

[11]

CAO L J， TAY F E H. Support vector machine with adaptive parameters in financial time series forecasting [J]. IEEE Transactions on Neural Networks， 2003， 14（6）： 1506-1518.

[12]

ZHANG Y， LU R， LUO Y. Electrooculogram assisted electromyography humanmachine interface system based on multiclass support vector machine [J]. Journal of Computer Applications， 2014， 34（11）： 3357-3360. （張毅，劉睿，羅元.基于支持向量機多分類的眼電輔助肌電的人機交互[J].計算機應(yīng)用，2014，34（11）：3357-3360.）

[13]

KOU P， LIANG D， GAO F， et al. Probabilistic wind power forecasting with online model selection and warped Gaussian process [J]. Energy Conversion and Management， 2014， 84： 649-663.

[14]

KOU P， GAO F， GUAN X. Sparse online warped Gaussian process for wind power probabilistic forecasting [J]. Applied Energy， 2013， 108： 410-428.

[15]

LI Z. Network traffic forecasting model based on Gaussian process regression [J]. Journal of Computer Applications， 2014， 34（5）： 1251-1254. （李振剛.基于高斯過程回歸的網(wǎng)絡(luò)流量預(yù)測模型[J].計算機應(yīng)用，2014，34（5）：1251-1254.）

[16]

RASMUSSEN C E， WILLIAMS C K I. Gaussian processes for machine learning [M]. Cambridge： Massachusetts Institute of Technology Press， 2006： 7-102.

[17]