- 相關(guān)推薦
證券投資風(fēng)險評估的研究論文
對證券投資的事前風(fēng)險評估是保證投資決策最優(yōu)化,實(shí)現投資收益最大化的有效路徑。在此過(guò)程中,先決經(jīng)驗和市場(chǎng)信息是進(jìn)行決策的主要參考源。因而根據先決經(jīng)驗進(jìn)行定性分析和根據市場(chǎng)信息作出定量判斷是決定證券投資收益的關(guān)鍵。郭存芝等建立了基于主觀(guān)賦權方法的AHP模型[1]和基于客觀(guān)賦權方法的熵權模型[2],對證券投資組合分別作了定性和定量風(fēng)險估值,其方法為證券投資風(fēng)險評估的量化帶來(lái)重要參考。在文獻[1]評估指標體系和數據基礎上,提出一種集成定性和定量分析過(guò)程,耦合主觀(guān)賦權權重價(jià)值和客觀(guān)賦權權重信息的評價(jià)方法———集成熵權—AHP法對證券投資風(fēng)險進(jìn)行評估,結果顯示,集成方法耦合發(fā)揮了證券投資風(fēng)險評估指標的價(jià)值和信息功能。
一、集成熵權—AHP法的基本步驟
(一)定量權重的計算證券投資風(fēng)險根據其成因可以歸納為靜態(tài)風(fēng)險和動(dòng)態(tài)風(fēng)險,這兩類(lèi)風(fēng)險是證券投資過(guò)程中內外生變量的共同作用。一般認為,證券投資風(fēng)險具有一定的模糊性[3],因而證券投資組合定量分析結果的穩定性將受到顯著(zhù)影響。熵是數據無(wú)序程度的一種度量方式,熵越大則相應數據的無(wú)序程度越高。證券投資風(fēng)險的評估數據本身由于其量綱等影響,可以看作一系列無(wú)序數據。熵權法在證券投資風(fēng)險評價(jià)中的應用將有助于消除無(wú)序數據帶來(lái)的噪聲影響,得到一組基于定量方法的證券投資風(fēng)險權重指標。1.評價(jià)指標標準化證券投資風(fēng)險評價(jià)指標數值可以看作一個(gè)含有m個(gè)評價(jià)單位,n個(gè)評價(jià)指標的評價(jià)矩陣。其中,公式(1)適用于指標值越大越好的指標,即收益性指標;公式(2)適用于指標值越小越好的指標,即成本性指標。2.熵值的計算第j個(gè)評價(jià)指標的熵值是該指標重要程度的衡量,且是負相關(guān)關(guān)系。3.熵權的計算指標的熵權與其熵值呈反比關(guān)系,因而引入差異系數來(lái)表示該關(guān)系。定義第j個(gè)評價(jià)指標的熵權為:
(二)定性權重的計算根據風(fēng)險的可預測性,證券投資風(fēng)險分為系統風(fēng)險和非系統風(fēng)險。一般認為,系統風(fēng)險可測,而非系統風(fēng)險則依賴(lài)于先決經(jīng)驗判斷,這個(gè)判斷過(guò)程往往是一種定性分析過(guò)程。層次分析法(AHP)是一種基于定性評價(jià)分值的簡(jiǎn)易決策方法[6],該方法可以快速有效得出評價(jià)指標權重并對評價(jià)單位進(jìn)行排序,設基于A(yíng)HP法的證券投資評價(jià)指標權重為ωj2,該權重是證券投資風(fēng)險的經(jīng)驗性主觀(guān)判斷的量化。
(三)集成熵權-AHP權重的計算證券投資是一種基于主觀(guān)經(jīng)驗和客觀(guān)事實(shí)的綜合決策。主觀(guān)判斷體現了指標的價(jià)值量,而客觀(guān)分析則包含了指標的信息量[3]。文獻[1]從證券投資的主觀(guān)賦權方法入手研究投資的定性風(fēng)險,文獻[2]則研究了證券投資的定量風(fēng)險。而集成熵權-AHP方法則兼顧了主觀(guān)和客觀(guān)賦權,該方法在獲取指標價(jià)值量的同時(shí)耦合了指標的信息量,對于證券投資風(fēng)險量化更加接近事實(shí)�；诳陀^(guān)賦權法指標權重ωj1和基于主觀(guān)賦權法的指標權重ωj2可以看作n維空間中的兩個(gè)向量,這兩個(gè)向量存在一定的相關(guān)關(guān)系,也就是一定程度的信息重疊,但又有部分變異。因此同時(shí)與這兩個(gè)向量擁有最小距離的新向量ω*j則可以最大限度地反映這兩個(gè)向量的共同信息�；谶@個(gè)分析,集成的熵權-AHP權重計算可以表示為如下的線(xiàn)性規劃問(wèn)題。
二、集成熵權—AHP法的實(shí)證研究
文獻[1]和[2]用同一組數據分別研究了定性和定量證券投資風(fēng)險,本文引用這組數據進(jìn)行定量和定性分析結合的研究,并把研究結果與文獻[1]和[2]作比較來(lái)說(shuō)明本文方法的優(yōu)越性。
(一)集成熵權-AHP權重計算把ωj1、ωj2和yij代入公式(5),通過(guò)MATLAB7編程計算可得基于集成的熵權-AHP權重算法的證券投資風(fēng)險評價(jià)指標權重ω*j,表1是基于定量分析、定性分析和定量定性分析結合的證券投資風(fēng)險評價(jià)指標權重比較表。從表1可以看出,ω*j的值介于ωj1和ωj2之間,縮小了ωj2因為來(lái)源于主觀(guān)賦權而帶來(lái)的較大標準差,也就是說(shuō)弱化了評價(jià)指標之間的價(jià)值量變異影響;與此同時(shí)也擴大ωj1數值之間的差距,為評價(jià)指標信息量的度量提供區分度。為說(shuō)明集成熵權-AHP權重算法的相對優(yōu)越性,進(jìn)行了SPEARMAN相關(guān)系數的計算,計算結果見(jiàn)表2。表2顯示,ωj1和ωj2之間存在明顯相關(guān)性,說(shuō)明定量或者定性分析本身都在很大程度上表明證券投資的風(fēng)險評價(jià)指標權重;但是ω*j與ωj1和ωj2的相關(guān)系數則大幅度提升,這個(gè)現象表明基于集成熵權-AHP權重算法所得的權重更好地解釋了事實(shí)。
(二)證券投資組合風(fēng)險評估證券投資組合風(fēng)險估值可以表示為證券投資風(fēng)險評價(jià)矩陣和評價(jià)指標權重的線(xiàn)性組合。
三、結語(yǔ)
集成的熵權-AHP算法所得的證券風(fēng)險估值在考慮先驗經(jīng)驗的前提下修正了AHP算法的主觀(guān)影響,同時(shí)耦合了客觀(guān)信息的參考價(jià)值,為相關(guān)人員的證券投資決策提供了一種更接近事實(shí)的經(jīng)驗性判斷方法。
【證券投資風(fēng)險評估的研究論文】相關(guān)文章：
金融投資風(fēng)險評估技術(shù)研究論文07-03
最新證券投資風(fēng)險形成分析論文06-28
研究證券投資基金羊群行為論文06-28
證券投資基金行為研究精選論文06-28
關(guān)于證券投資教學(xué)實(shí)踐研究的論文06-28
風(fēng)險投資退出機制問(wèn)題研究論文07-02