- 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,實現(xiàn)投資收益最大化的有效路徑。在此過程中,先決經(jīng)驗和市場信息是進行決策的主要參考源。因而根據(jù)先決經(jīng)驗進行定性分析和根據(jù)市場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賦權(quán)方法的AHP模型[1]和基于客觀賦權(quán)方法的熵權(quán)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)險評估的量化帶來重要參考。在文獻[1]評估指標(biāo)體系和數(shù)據(jù)基礎(chǔ)上,提出一種集成定性和定量分析過程,耦合主觀賦權(quán)權(quán)重價值和客觀賦權(quán)權(quán)重信息的評價方法———集成熵權(quán)—AHP法對證券投資風(fēng)險進行評估,結(jié)果顯示,集成方法耦合發(fā)揮了證券投資風(fēng)險評估指標(biāo)的價值和信息功能。
一、集成熵權(quán)—AHP法的基本步驟
(一)定量權(quán)重的計算證券投資風(fēng)險根據(jù)其成因可以歸納為靜態(tài)風(fēng)險和動態(tài)風(fēng)險,這兩類風(fēng)險是證券投資過程中內(nèi)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(jié)果的穩(wěn)定性將受到顯著影響。熵是數(shù)據(jù)無序程度的一種度量方式,熵越大則相應(yīng)數(shù)據(jù)的無序程度越高。證券投資風(fēng)險的評估數(shù)據(jù)本身由于其量綱等影響,可以看作一系列無序數(shù)據(jù)。熵權(quán)法在證券投資風(fēng)險評價中的應(yīng)用將有助于消除無序數(shù)據(jù)帶來的噪聲影響,得到一組基于定量方法的證券投資風(fēng)險權(quán)重指標(biāo)。1.評價指標(biāo)標(biāo)準(zhǔn)化證券投資風(fēng)險評價指標(biāo)數(shù)值可以看作一個含有m個評價單位,n個評價指標(biāo)的評價矩陣。其中,公式(1)適用于指標(biāo)值越大越好的指標(biāo),即收益性指標(biāo);公式(2)適用于指標(biāo)值越小越好的指標(biāo),即成本性指標(biāo)。2.熵值的計算第j個評價指標(biāo)的熵值是該指標(biāo)重要程度的衡量,且是負相關(guān)關(guān)系。3.熵權(quán)的計算指標(biāo)的熵權(quán)與其熵值呈反比關(guān)系,因而引入差異系數(shù)來表示該關(guān)系。定義第j個評價指標(biāo)的熵權(quán)為:
(二)定性權(quán)重的計算根據(jù)風(fēng)險的可預(yù)測性,證券投資風(fēng)險分為系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險。一般認為,系統(tǒng)風(fēng)險可測,而非系統(tǒng)風(fēng)險則依賴于先決經(jīng)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)是一種基于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(biāo)權(quán)重并對評價單位進行排序,設(shè)基于AHP法的證券投資評價指標(biāo)權(quán)重為ωj2,該權(quán)重是證券投資風(fēng)險的經(jīng)驗性主觀判斷的量化。
(三)集成熵權(quán)-AHP權(quán)重的計算證券投資是一種基于主觀經(jīng)驗和客觀事實的綜合決策。主觀判斷體現(xiàn)了指標(biāo)的價值量,而客觀分析則包含了指標(biāo)的信息量[3]。文獻[1]從證券投資的主觀賦權(quán)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(quán)-AHP方法則兼顧了主觀和客觀賦權(quán),該方法在獲取指標(biāo)價值量的同時耦合了指標(biāo)的信息量,對于證券投資風(fēng)險量化更加接近事實�；诳陀^賦權(quán)法指標(biāo)權(quán)重ωj1和基于主觀賦權(quán)法的指標(biāo)權(quán)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(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�；谶@個分析,集成的熵權(quán)-AHP權(quán)重計算可以表示為如下的線性規(guī)劃問題。
二、集成熵權(quán)—AHP法的實證研究
文獻[1]和[2]用同一組數(shù)據(jù)分別研究了定性和定量證券投資風(fēng)險,本文引用這組數(shù)據(jù)進行定量和定性分析結(jié)合的研究,并把研究結(jié)果與文獻[1]和[2]作比較來說明本文方法的優(yōu)越性。
(一)集成熵權(quán)-AHP權(quán)重計算把ωj1、ωj2和yij代入公式(5),通過MATLAB7編程計算可得基于集成的熵權(quán)-AHP權(quán)重算法的證券投資風(fēng)險評價指標(biāo)權(quán)重ω*j,表1是基于定量分析、定性分析和定量定性分析結(jié)合的證券投資風(fēng)險評價指標(biāo)權(quán)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因為來源于主觀賦權(quán)而帶來的較大標(biāo)準(zhǔn)差,也就是說弱化了評價指標(biāo)之間的價值量變異影響;與此同時也擴大ωj1數(shù)值之間的差距,為評價指標(biāo)信息量的度量提供區(qū)分度。為說明集成熵權(quán)-AHP權(quán)重算法的相對優(yōu)越性,進行了SPEARMAN相關(guān)系數(shù)的計算,計算結(jié)果見表2。表2顯示,ωj1和ωj2之間存在明顯相關(guān)性,說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)險評價指標(biāo)權(quán)重;但是ω*j與ωj1和ωj2的相關(guān)系數(shù)則大幅度提升,這個現(xiàn)象表明基于集成熵權(quán)-AHP權(quán)重算法所得的權(quán)重更好地解釋了事實。
(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)險評價矩陣和評價指標(biāo)權(quán)重的線性組合。
三、結(jié)語
集成的熵權(quán)-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算法的主觀影響,同時耦合了客觀信息的參考價值,為相關(guān)人員的證券投資決策提供了一種更接近事實的經(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)實踐研究的論文06-28
風(fēng)險投資退出機制問題研究論文07-02