證券投資風險評估的研究論文

對證券投資的事前風險評估是保證投資決策最優化,實現投資收益最大化的有效路徑。在此過程中,先決經驗和市場信息是進行決策的主要參考源。因而根據先決經驗進行定性分析和根據市場信息作出定量判斷是決定證券投資收益的關鍵。郭存芝等建立了基於主觀賦權方法的AHP模型[1]和基於客觀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險估值,其方法為證券投資風險評估的量化帶來重要參考。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程,耦合主觀賦權權重價值和客觀賦權權重信息的評價方法———集成熵權—AHP法對證券投資風險進行評估,結果顯示,集成方法耦合發揮了證券投資風險評估指標的價值和信息功能。

　　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險根據其成因可以歸納為靜態風險和動態風險,這兩類風險是證券投資過程中內外生變量的共同作用。一般認為,證券投資風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着影響。熵是數據無序程度的一種度量方式,熵越大則相應數據的無序程度越高。證券投資風險的評估數據本身由於其量綱等影響,可以看作一系列無序數據。熵權法在證券投資風險評價中的應用將有助於消除無序數據帶來的噪聲影響,得到一組基於定量方法的證券投資風險權重指標。1.評價指標標準化證券投資風險評價指標數值可以看作一個含有m個評價單位,n個評價指標的評價矩陣。其中,公式(1)適用於指標值越大越好的指標,即收益性指標;公式(2)適用於指標值越小越好的指標,即成本性指標。2.熵值的計算第j個評價指標的熵值是該指標重要程度的衡量,且是負相關關係。3.熵權的計算指標的熵權與其熵值呈反比關係,因而引入差異係數來表示該關係。定義第j個評價指標的熵權為:

(二)定性權重的計算根據風險的可預測性,證券投資風險分為系統風險和非系統風險。一般認為,系統風險可測,而非系統風險則依賴於先決經驗判斷,這個判斷過程往往是一種定性分析過程。層次分析法(AHP)是一種基於定性評價分值的簡易決策方法[6],該方法可以快速有效得出評價指標權重並對評價單位進行排序,設基於AHP法的證券投資評價指標權重為ωj2,該權重是證券投資風險的經驗性主觀判斷的量化。

(三)集成熵權-AHP權重的計算證券投資是一種基於主觀經驗和客觀事實的綜合決策。主觀判斷體現了指標的價值量,而客觀分析則包含了指標的信息量[3]。文獻[1]從證券投資的主觀賦權方法入手研究投資的定性風險,文獻[2]則研究了證券投資的定量風險。而集成熵權-AHP方法則兼顧了主觀和客觀賦權,該方法在獲取指標價值量的同時耦合了指標的信息量,對於證券投資風險量化更加接近事實。基於客觀賦權法指標權重ωj1和基於主觀賦權法的指標權重ωj2可以看作n維空間中的兩個向量,這兩個向量存在一定的相關關係,也就是一定程度的信息重疊,但又有部分變異。因此同時與這兩個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向量的共同信息。基於這個分析,集成的熵權-AHP權重計算可以表示為如下的線性規劃問題。

　　二、集成熵權—AHP法的實證研究

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險,本文引用這組數據進行定量和定性分析結合的研究,並把研究結果與文獻[1]和[2]作比較來説明本文方法的優越性。

(一)集成熵權-AHP權重計算把ωj1、ωj2和yij代入公式(5),通過MATLAB7編程計算可得基於集成的熵權-AHP權重算法的證券投資風險評價指標權重ω*j,表1是基於定量分析、定性分析和定量定性分析結合的證券投資風險評價指標權重比較表。從表1可以看出,ω*j的值介於ωj1和ωj2之間,縮小了ωj2因為來源於主觀賦權而帶來的較大標準差,也就是説弱化了評價指標之間的價值量變異影響;與此同時也擴大ωj1數值之間的差距,為評價指標信息量的度量提供區分度。為説明集成熵權-AHP權重算法的相對優越性,進行了SPEARMAN相關係數的計算,計算結果見表2。表2顯示,ωj1和ωj2之間存在明顯相關性,説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險評價指標權重;但是ω*j與ωj1和ωj2的相關係數則大幅度提升,這個現象表明基於集成熵權-AHP權重算法所得的權重更好地解釋了事實。

(二)證券投資組合風險評估證券投資組合風險估值可以表示為證券投資風險評價矩陣和評價指標權重的線性組合。

　　三、結語

集成的熵權-AHP算法所得的證券風險估值在考慮先驗經驗的前提下修正了AHP算法的主觀影響,同時耦合了客觀信息的參考價值,為相關人員的證券投資決策提供了一種更接近事實的經驗性判斷方法。