資產組合選擇與優化新進展文獻綜述

摘 要： 隨著財富的不斷積累和現實金融市場風險暴露的增加，人們愈來愈重視通過持有資產組合來分散風險和增加收益。資產組合理論最初由馬科維茨（1952）創立，并廣泛應用于實際投資策略中。隨著時代的變遷和經濟的發展，國內外學者在原有理論的基礎上又不斷注入了新的思想。本文以不同角度下的資產組合理論為邏輯主線，對資產組合選擇與優化相關研究進行梳理和分析，并結合我國實際金融情況進一步深化資產組合選擇與優化研究。

關鍵詞： 資產組合選擇 資產組合優化 馬科維茨理論

一、引言

資產組合理論最初由馬科維茨（1952）創立，主要包含了兩種思想：均值―方差理論和有效邊界理論。傳統的資產組合理論即我們所說的“不要把雞蛋放在一個籃子里”，否則當風險來臨時可能會“傾巢無完卵”。此外，傳統的資產組合理論還提倡應盡可能增加組合中的資產數量，使風險最大化地分散開來。隨著國外一些學者（William Sharpe，John Lintner等）對資產組合這一問題的研究，資產組合理論逐漸發展為現代資產組合理論，它在繼承傳統資產組合理論基本思想的基礎上，提出了最優投資比例和最佳組合規模的概念。最優投資比例是對有效邊界理論的延伸，它將組合風險與收益掛鉤，即在收益一定時，應選擇風險最小的投資組合;在風險一定時，應選擇收益最大的投資組合。而最佳組合規模則對傳統的資產組合理論進行了一定的改進，即一味增加組合中資產數量并非降低風險的有效途徑。因為當資產數量增加時，雖然風險水平得到了一定程度的降低，但是組合管理的成本卻隨之增加。因此，當資產數量增加到一定程度時，風險的下降并不能彌補管理成本所帶來的損失。本文圍繞資產組合理論展開，對不同方法和不同視角下的資產組合這一問題的相關研究進行梳理，并對資產組合選擇與優化策略進行簡單分析。

二、基于不同角度的資產組合理論

馬科維茨理論可以稱作是現代金融投資理論的基礎，但它存在的一個明顯的缺陷，即當資產數量較多時，基本輸入所要求的估計量非常大，從而也就使得該理論的運用受到很大的限制。隨后，WiliamFSharpe（1963）所提出的“單一指數模型”為解決這一困境提出了很好的解決辦法，因為它將資產收益單純與市場相掛鉤。此后，國內外大多數學者都以這兩個理論為基礎，不斷研究，從不同角度為資產組合選擇與優化這一研究注入了新的思想。

（一）基于流動性的資產組合理論

資產組合理論通常假設資本市場是無交易成本、無市場摩擦，且具有充分流動性的。然而，在實際生活中，這些前提假設卻顯得尤為苛刻：交易成本、市場摩擦和非流動性普遍存在于金融市場之中。正是因為這些市場條件的約束，使得實際資本價格逐漸偏離于資本資產定價理論，投資者無法根據傳統定價理論持有理想的最優資產組合。隨著研究的發展，非流動性已越來越成為學者在分析資產組合策略時不可避免的一個問題。

Amihud（2006）認為，流動性對資產價值和回報的影響遠大于人們天真的預期，因為流動性不足的成本在資產交易時反復發生。袁寧（2009）提出，“資產價格中的流動性溢價應用于補償投資者所承擔的流動性風險，并且運用動態回歸的分析方法給出了模型的解析解，通過引入非流動性資產的影子價格來刻畫流動性約束對其真實價值的影響。”這無疑為由于大多數模型難以得到封閉形式的解而導致的實際應用困難提供了有效途徑。以上研究結論主要說明了流動性資產在資產組合中的重要性。然而，吳衛星、齊天翔（2007）在結合中國投資者的投資表現時發現，非流動性資產對投資者決策影響顯著，主要表現為房地產對其他資產所產生的“替代”效應或者說“擠出”效應，這主要與中國人的心理偏好有關。

我國學者在研究流動性與資產定價這一問題時，大多是基于流動性水平這一角度來進行的。學者們通過多種流動性測量方法對不同樣本數據的流動性進行測量，研究證明真實金融市場中流動性溢價現象普遍存在，說明流動性水平是資產定價過程中必須考慮的重要變量。相對于外國學者，我國學者在基于流動性風險這一角度對資產組合選擇與優化問題所進行的研究較少。此外，由于風險度量方法的不同，不同學者的研究結果也存在著差異。包括市場總流動性的波動性風險以及市場收益對總流動性的敏感性風險的流動性風險與資產定價之間的關系是我國研究有待于進一步提高的部分。

（二）基于風險測度的資產組合理論

馬科維茨理論的重點在于如何合理測度風險，最原始的方法是運用方差來進行度量，而這也是馬科維茨理論體系受到質疑的原因之一，因為方差與標準差并非總是風險的有效度量指標。盲目運用標準差來度量風險常常會造成數據分析結果背離市場實際情況：“其一，實證研究表明，絕大多數金融變量的收益率存在明顯的非對稱，“肥尾”等顯著的非正態分布的特征;其二，行為經濟學的研究表明，投資者對待收益和損失的態度是不同的，而標準差無法識別這些差異”。 姚京，袁子甲，李仲飛基于相對VaR的資產配置和資本資產定價模型[J].數量經濟技術經濟研究，2005（12）：133-142 研究表明，只有當資產收益率嚴格服從正態分布時，用標準差來表示風險才是令人信服的。此后，很多學者一直致力于研究在現實金融市場環境中，如何測度風險才是合理與有效的。

標準差之后，在險價值（VaR）與條件在險價值（CVaR）成為兩大主流風險測度工具。楊曉光等（2002）分析了運用VaR模型來度量風險時，具有收益厚尾性質的資產組合的投資問題，認為當投資者的風險承受水平足夠低時，尾部分布一階展開的最優投資組合即可作為尾部分布高階展開的良好近似。但由于VaR不具有一致性和次可加性，這導致在使用VaR進行風險測量時會出現投資組合風險未必小于各資產風險的簡單求和，尾部風險測量不充分以及難以嚴格滿足資產組合收益正態分布假定等問題。于是，Rockafeller和Uryasev（2000）首次提出條件在險價值（CVaR）概念。此后，學者們在運用VaR和CVaR測量風險程度的基礎上還加入了t-Copula模型和蒙特卡羅模擬算法，以期能夠更加準確地測度風險。高江（2013）表明運用t-Copula來刻畫資產組合中多個資產的聯合收益分布，和蒙特卡羅模擬方法來計算多資產投資組合的VaR，能夠更好地分析資產組合策略。王大鵬，趙正堂（2016）提出可以運用Copula函數連接各資產收益率的分布函數，進而運用蒙特卡羅模擬測算我國保險資金投資比例下的CVaR值，實證表明“t-Copula函數較正態Copula函數能夠更好地擬合我國保險業資產收益率狀況，并且，債券、股票和基金的投資比例增大會增加整合風險CVaR值。”此外，在實證分析時，使用高頻數據是提高風險測度精度的有效途徑之一，隨著互聯網技術的發展，高頻數據變得更加容易獲得。殷煉乾（2016）表明，利用高頻數據來計算協方差矩陣模型可以得到波動率的更有效近似估計，顯著提高了資產組合風險測度的測算精度。

現有的風險測度模型大多起源于西方國家，我國學者大多是在原有模型的基礎上進行實證分析，具有開創性的研究較少。部分學者結合我國實際金融市場環境對原有模型進行了重組，或對原來的參數進行了一定程度的調整，但是均沒有改變模型的根本因子或開創出新的風險測度模型。相信隨著學者們在風險測度方面研究的深入，資產組合理論也將愈加趨為完善。

（三）基于其他角度的資產組合理論

除此以外，還有基于很多不同角度的關于資產組合理論研究，例如：基于利率和通貨膨脹率的資產組合理論研究，如李愛忠等（2019）認為“理性的資產組合策略在最大化收益和最小化風險的基礎上，還應該考慮資產的收益能否彌補通貨膨脹帶來的損失以及利率、匯率等宏觀經濟因素變動造成的影響。”因此，簡單維持固定比例不足以保持組合總價值最優且風險最小，投資者可以通過連續時間資產配置的非線性均值調整策略來近似最優策略以保證組合總資產最優;基于序列相關性的資產組合理論研究，如許云輝、李仲飛（2008）以動態均值-方差模型研究基于收益序列相關的投資組合選擇，發現序列相關可以對最優策略造成顯著影響。李斌等（2018）將VaR模型應用到均值-方差模型的期望收益估計中，提出序列相關性有助于提高證券投資組合的樣本外績效;基于行為金融學的資產組合理論研究，如陳志英（2013）認為：一方面，投資者的學習行為能夠提高其風險承受能力，進而促使其追求更高的收益;另一方面，由于學習行為，市場不確定性的增加使得其投資行為更加謹慎。

自從馬科維茨提出資產組合理論以來，學者們便就資產組合選擇與優化這一問題進行了深入的研究。本文就基于不同角度的資產組合理論這一條邏輯主線對資產組合選擇與優化新進展這一問題進行了系統的總結與分析，分析說明資產組合理論能夠較好地應用于資產組合策略分析。隨著研究的深入，學者們已逐步解決資產組合理論由于基本輸入較龐大、數據誤差帶來的解的不可靠性、解的不穩定性和重新配置的高成本等問題。此外，如何將理論分析更好地應用于實際投資組合策略分析，以及如何聯系我國金融改革和金融發展情況來優化投資組合策略，這是我國學者在接下來的研究中亟待解決的問題。

參考文獻：

[1] 袁寧非流動性市場中的跨期最優消費和投資策略[J].中國管理科學，2009，17（04）：39-45

[2]張娟流動性資產、不確定性與最優投資組合策略[J].江西社會科學，2017，37（04）：77-85

[3]吳衛星，齊天翔流動性、生命周期與投資組合相異性——中國投資者行為調查實證分析[J].經濟研究，2007（02）：97-110

[4]姚京，袁子甲，李仲飛基于相對VaR的資產配置和資本資產定價模型[J].數量經濟技術經濟研究，2005（12）：133-142

[5]楊曉光，馬超群，文風華VaR之下厚尾分布的最優資產組合的收斂性[J].管理科學學報，2002（01）：65-69

[6]遲國泰，丁士杰基于非預期損失控制的資產組合優化模型[J].數量經濟技術經濟研究，2018，35（03）：150-167

[7]高江藤Copula模型與多資產投資組合VaR預測[J].數理統計與管理，2013，32（02）：247-258

[8]王大鵬，趙正堂中國保險業資產配置與風險整合——基于虛實配比、Copula-CVaR模型和Monte Carlo算法的實證研究[J].產經評論，2016，7（02）：71-82

[9]殷煉乾高頻價格數據信息對資產組合動態風險測度的影響研究——基于實現協方差矩陣模型的分析[J].金融發展研究，2016（07）：3-8

[10] 袁軍，楊成LQ理論在一類隨機參數的跨國資產投資組合優化決策中的應用[J].系統科學與數學，2011，31（04）：440-447

[11]陳思翀，劉靜雅套息交易對中國短期資本流動的影響——基于動態資產組合理論的研究[J].金融研究，2018（06）：73-90

[12]徐梓原“一帶一路”跨國投資中的國別風險管理研究[J].現代管理科學，2019（04）：37-39

[13]李愛忠，汪壽陽，彭月蘭考慮隨機利率和通貨膨脹的連續時間資產組合選擇[J].中國管理科學，2019，27（02）：61-70

[14]李斌，張迪，馮佳捷序列相關性在資產組合績效改善中的作用[J].管理科學，2018，31（04）：148-160

[15]Yakov Amihud·Haim Mendelson，Stock and bond liquidity and its effect on prices and financial policies[J].Swiss Society for Financial Market Research 2006， 20：19-32

[16]Brandt，MW and Santa - Clara P，2006，“Dynamic Portfolio Selection by Augmenting the Asset Space”，Journal of Finance，61（ 5） ： 2187-2217

[17]Philippe JorionReturns to Japanese investors from US investment[M].Japan & The World Economy，1996：229-241

[18]Uryasev， SConditional value-at-risk： optimization algorithms and applications[C].Computational Intelligence for Financial Engineering， 2000

（秦雪陽，云南師范大學經濟與管理學院）