ParK's 論文后花園

南京理工大学
硕士学位论文
全球资产配置理论与实证研究——基于收益-风险分析的组合优
化与BL模型的应用
姓名：张士强
申请学位级别：硕士
专业：金融学
指导教师：陈联
20080630
摘要全球资产配置理论与实证研究
摘要
随着各国经济开放度的不断加强，全球证券投资日益活跃，这是资源在世界范围
内优化配置的结果。合格的境外投资者已经通过投资中国资本市场获得了丰富的经
验，我国QDII如何在世界资本市场获得利润、实现国民财富的保值增值，这是个迫切
需要解决的难题。
国际资产定价模型很好地解释了发达国家资产收益，本文介绍了国际资本资产定
价模型与国际无套利定价模型；期望收益很高但风险过大的资产往往不为投资者青
睐，本文介绍了方差、下偏风险和VaR／W．，三种风险衡量方式；在此基础上，笔者综
合考虑收益与风险对国际资产选择理论进行了探索；然后介绍了全球资产配置策略，
主要阐述了战略性资产配置、战术性资产配置、周期性资产配置和综合性资产配置；
在本文的实证部分，笔者利用BL模型后对全球股票资产配置进行了实证分析，并对
全球债券配置、全球混合资产配置的实证研究进行了总结，主张利用衍生工具对组合
进行调整；结尾部分总结了全球资产配置面临的难题并对其发展前景进行了展望。
关键词：全球资产配置，收益与风险，Black-litterman模型
Abstract
As many countries in the world have opened their economy to other countries
increasingly,Global securities investments are getting more and more active，this is the
result of optimized allocation of resources．QFII has gained much experience by investing
in China Capital Market．How call QDII of our country get profit by investing
globally?How Call we keep and increase national wealth．This is cr．itical issues needed to be
solved．
Intemaional Asset Pricing Models have good explanation for me returns of assets in
de celoped market，the artical introduces internmionM capital asset pricing model and
intemational Arbitrage Pricing Theory,investors may not choose high return asset with too
high risk which is beyond their tolorence，The writer introduces three kinds of risk
mesureIIlents：v耐a11ce，downside risk and VaR／W0；Based upon this，I t巧to discover the
theory of international asset choosing considering both return and risk，then introduce
global asset allocation methods，the writer explains Strategic,Tactical，Cycle and
Integrated asset allocation；In．the part of empirical analysis，the writer anlyses global equity
a110cation using Black Litterman model，and discusses global bond portfolio and Global
compositive asset allocmion issues strengthing the importance of readjustments using
finantial derivative instruments；I adresses the tough problems and prospect of Olobal asset
allocation development at the end of the artical．
Key words：Global asset allocation，Return and Risk，Black Litterman Model
II
尸声明
本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本
学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或
公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使
用过的材料。与我一同工作的同事对本学位论文做出的贡献均己在论文
中作了明确的说明。
研究生签名： 莎。芬年7月／日
学位论文使用授权声明
南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或
上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并
授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密
论文，按保密的有关规定和程序处理。研究生签名：乒嘘(}驴，g年7月／日
硕士论文全球资产配置理论与实证分析
0引言
0．1选题背景
全球资产配置是指在全球范围内配置股票、债券、现金工具的一种投资方式。从
狭义的范围来说，全球资产配置的主要内容仅包括全球资产组合构建问题。从广义的
角度来说，全球资产配置包括全球资产收益与风险分析、全球资产选择、组合构建i
全球资产配置业绩评估及其组合的再调整。
早在1968年，Herbert Grubela在《美国经济评论》上发表论文提倡“国际分散投
资”，可见，全球资产配置的思想在国外已经有相当长的历史渊源了，特别是在20世
纪80、90年代，其理论研究盛况空前。其间，涌现出了一批热心全球投资研究的学者。
Solnic、Adler、Dumas和Stulz等人在国际资产定价领域作出了杰出的贡献，Campbell
对国际资产定价和全球风险管理以及新兴市场问题的研究也比较深入；但是到目前为
止，中国机构投资者资产配置理论研究还不多。2003年郑木清在归纳证券投资资产配
置方法时，讨论了不同经济周期时期的资产选择，介绍了一些股票、债券资产配置模
型，并对全球资产配置简略地进行了论述；2006年王敬、王颖简单介绍了机构投资者
的资产配置方法，文中简单地介绍了Black Litterman模型(本文将在实证部分运用该
理论对全球资产配置进行实证分析)；2007年陈小新、陈伟忠等人考察了市场与行业
因素对国际资产配置绩效的影响分析，发现国别配置的优势不再，全球行业配置的作
用日益凸现(Stan Beckers关于国家、行业配置的研究参看附录A)。总之，国内全球
资产配置的研究热潮正在兴起。
全球资产配置符合投资学长期发展趋势，是历史的必然产物，但是相关的理论研
究尚且不足，对全球资产配置理论进行系统的、深入的研究具有时代紧迫性和广阔的
应用前景。
O．2研究对象
随着信息传输技术的同益先进、新兴市场的崛起，世界资本市场迅猛发展(尽管
存在很多不稳定因素)，经济全球化进程也在加速，自由贸易的观念越来越深入人心，
这些为国际投资的渠道提供了极大的便利。如何在全球范围内选择资产、配置资产成
为当下研究的热点问题，但是对于大多数个人投资着来说，自己直接通过分析全球经
济动向、预测各类资产价格走势似乎不太现实，好在现在已经有很多基金和金融机构
为普通投资者提供了便利的投资渠道，普通投资者只需购买全球基金的一个份额，就
可以达到全球投资的目的。但是全球投资基金是如何在全球范围内选择资产与配置资
0引言硕士论文
产，这不仅是基金公司关注的问题，也是普通投资者所关心的。
本文从全球投资的视角出发，考察全球经济动态对各国股票、债券等资产价格走
势的影响，并主张基于对特定资产收益一风险进行分析以决定资产选择，同时把组合
模型的选取也作为一个重要的研究问题。什么样的模型具有典型性?哪种模型既有主
观上的合理性又不乏对市场客观性的理性考虑?如何将这一模型运用到实证分析中
去?组合业绩如何评价?全球资产配置的困难与发展前景如何?本文将把这些问题
列为研究对象。
O．3国内外研究文献综述
纵观前人的研究，我们发现关于“全球资产配置”的理论体系缺乏系统性，原因
是历史上对该理论是否有实际作用存在分歧，这削弱了研究力量。按照笔者对全球资
产配置的细分与理解，将最为核心的研究文献总结如下。
国际资产定价方面。国际资产定价可追述到Sharpe—Lintner—Mossin六十年代中
期提出的CAMP模型，这一模型在其后的十几年一直占据主要地位，不仅被写入金融
学教科书，而且广泛运用于投资实践中对资产组合表现的衡量。但是，如何将理论应
用到国际领域?Stulz(1984，1985)对消费与投资机会集进行约束并假设购买力平价
总是成立，提出了IntCAPM(International Asset Capital Pricing Model)；
Solnik(1974a)和Secru(1980)讨论了在购买力平价不成立，汇率风险可完全对冲时
的SS—IAPM模型(Sonik—Secru International Asset Pricing Model)；
Adler，Dumas(1983)提出了多指数的国际资产定价模型。至此，CAPM理论的国际运用
上了一个新的台阶。但Richard Roll认为CAPM模型无法验证，对该模型提出异议，
1976年Ross提出无套利定价理论，Huberman(1982)，Rothchild(1983)等人发展了
该理论。将该理论运用于国际情况的理论基础建设由Solnic(1983)完成，Ikeda(1992)
对国际均衡和套利理论模型给出了最为详尽的阐述。关于债券资产(包括国际债券资
产)的收益分析相对容易一些，从法博奇(2000)以及苏瑞什。M．桑德瑞森的研究中
读者可以得出一些比较全面、富有启发性的见解。
在风险分析方面。主攻全球风险管理的Campbel 1在上个世纪90年代进入其学术
研究高峰，他在国际信用风险、汇率风险、通胀风险与资产价格收益方面均有建树；
Heinz Zimmerman(2002)通过计量分析得出：长期利率、世界市场组合收益率和与外
汇这三个风险是国际股票、债券所面临的主要风险；JianPing Mei对政治风险的研
究也是颇有见地，他通过对香港股市的考察发现港股价格既受经济变量影响又受政治
因素作用。相对于国内投资来说，流动性风险在国际投资中表现更加显著，Dong Hong
等人(2005)的研究表明流动性程度与资产价格表现呈现正相关关系。
在资产选择方面。纽约大学的Elton，Gruber(2000)对资产排序和资产选择截止
2
硕士论文全球资产配置理论与实证分析
点的考察(未拓展至国际领域)极大地丰富了资产选择理论，使投资者的资产选择范
围缩小，提高了投资决策效率，这为笔者分析国际资产选择提供了基础理论参考；在
收益呈不对称分布时，考虑资产收益上、下偏不同的Sortino比例在资产选择上体现
出相对于夏普比率的优越性，虽然对该比例系数的实践运用目前尚不多。但是，近年
来，一些市场(特别是新兴市场)的资产收益分布的非正态性特征愈加凸显，衍生金
融资产也是如此，相信该比例系数在未来仍有相当实用价值。
在全球资产配置的策略研究方面。据Ibbbtson(2000)的《投资学：全球视角》
的分析框架将资产配置分为：战略性、战术性、周期性、综合性资产配置。如何理解
战术性资产配置与周期性资产配置的区别与联系?Victor(2007)给出了他的答案，这
将在本文的正文部分给予说明：郑木清(2003)对战术性和周期性资产配置给出了一
些较为详细的阐述；而对于综合资产配置的阐述则来源于笔者对大量文献的翻译、总
结与提炼，内容主要涉及Black，Litterman(1989，1992)关于全球资产配置的BL
模型、墨尔本大学Rafae Moreno(2006)等人基于网格分析的VaR组合优化、日本
学者Hiroshi Konno，Hayato Waki(2002)等人基于低偏风险衡量的组合优化、我国
学者金秀、黄小原(2005)等人的多阶段随机规划情景分析以及津巴(2003)的全球
资产与负债管理。
组合业绩评价方面。Miranda ham Detzler(1997)对国际基金的业绩评价力推GRS
和PPW测度。这两种测度是对继Jensen测度、Henrikson．Morton测度和Trenor-Mazuy
测度后的重要研究成果，GRS是Jensen测度在计量经济学精确化方向上的拓展，PPW
测度剔除了基金择时能力对Jensen等指数运用的干扰，检验投资积极管理的共同基
金能否提高一个消极投资者的期望效用。
O．4本文的研究方法
首先本文对国际资产定价理论与全球风险的相关文献进行梳理、总结。理论研究
与实践表明：反映国际资本市场均衡的定价模型在大多数国家(特别是发达国家)得
到经济现实的验证。运用国际资本资产定价理论和国际无风险套利理论，不但有效地
解释了单个资产收益，还极大地促进了全球资产配置的组合理论研究的发展。由于相
关文献涉及大量英文材料，笔者在参考资料时尽可能还观点以原貌。
其次，通过考察国际资产面临的各种主要风险及其度量方式。在国际环境中投资
除了面临国内投资所要考虑的风险外，还要考虑国际投资遇到的特殊风险，如汇率风
险、国家信用风险、政治风险(面对复杂的国际环境，投资者对国外某些国家的政治
风险很难应付)等。此外，风险的衡量方法不同甚至会使同一投资者对同一资产产生
截然不同的偏好，为此，本文介绍了三种风险度量方法。
然后，在此基础上介绍了资产选择的方法，以及与风险度量方式相对应的资产组
3
0引言硕士论文
合优化模型、资产组合业绩评价等。其中，笔者重点介绍了均值方差的改进模型—_-
Black Litterman(BL)模型。在本文结尾的实证分析部分还利用BL模型对全球股票
资产配置进行了实证分析，并对全球债券资产组合、全球混合资产配置实证研究进行
了总结。
O．5本文的创新与不足
0．5．1本文的创新
本文创新地构建了全球资产配置的理论体系，将全球资产配置细分为五部分：它
们是全球资产的收益分析、全球风险剖析、基于全球资产收益与风险分析的全球资产
选择、以及全球资产配置策略和全球资产组合的业绩评估。这样就可以对每个部分的
理论研究进行总结归纳、提炼，以达到完善全球资产配置理论的目的。为了将问题阐
述清楚，笔者在全球资产配置的收益部分，将主要考察资产——股票与债券，分别单
独考察，创新地介绍了国际资产定价，在分析全球风险时，鉴于股票、债券资产面临
的共同风险，将两类资产放在一起考虑，并在需要区别说明时予以分别介绍；在分析
收益风险的基础上，笔者创新地利用特雷诺系数对国际资产排序、并运用“资产选择
截止点"对国际资产进行筛选；在全球资产配置策略部分，选择国际资产管理最为流
行、极具代表性的策略，对数学模型的选取也注重典型性，尽最大努力囊括一些主要
数学技术，力求使优化模型比较新颖并与当今国际最新研究接轨；在全球资产组合评
价一章，笔者不但回顾了传统的Jensen测度、Henrikson．Merton测度和Trenor-Mazuy
测度．还总结了评价国际投资基会业绩比较常用的GRS测度和PPW测度。
在实证研究部分，笔者运用均值方差技术、最小方差技术、Black Litterman模型
和Black．Litterman的局部改进模型对股票资产进行了实证分析，改进的主要内容是
“观点误差”，通过数据分析验证了修正模型相对于He，Litterman(1999)的BL模型
的优越性。此外，为全面阐述资产配置问题，笔者提出“全球混合资产配置’’的概念。
0．5．2本文的不足
本文的不足之处主要体现在以下几个方面：
其一，虽然影响股票、债券等资产价格的因素很多，但本文重点在资本市场均衡
理论框架下考察经济基本面对资产价格运动的影响。然而，近年来，国际资本市场动
荡加剧，投资者对经济信息的过度反应使资产价格大起大落，注重心理研究的行为金
融学在研究过度反应方面有较好的作用(读者可以参阅罗伯特．J．希勒2000年度力作
((Irrational Exuberance)))，笔者拟将该部分内容作为以后研究的重点；由于关于债券
资产定价的计量文献较少，因而本文仅给出债券资产定价的粗略框架，具体的量化分
析有待于进一步强化。
4
硕士论文全球资产配置理论与实证分析
其二，涉及全球资产配置的模型很多，本文仅仅利用均值方差技术、最小方差技
术、Black Litterman模型进行了实证分析，由于样本数据的影响，文中也只是将世界
上的七个主要市场作为研究的出发点。希望在以后的学习过程中，能搜集到更加充实
的数据，以便利用各类模型进行实证分析，并对各类数量方法的应用效果进行横向比
较，以便深化对全球资产配置的理解。
其三，没有组合业绩评价的实证研究。由于国内全球基金刚刚起步，样本数据非
常有限，运用国际基金业绩评价方法分析国内全球基金业绩时机还不成熟，国外的全
球基金业绩数据又难以获取，这使得组合业绩评价的实证研究难以实现，笔者希望在
以后的学习中有机会在这方面有所进展。
最后，对新兴市场问题的研究有待于进一步深入。事实表明，新兴市场国家证券
市场的稳定性有待提高。拉美债务危机、泰国金融危机、俄国国债危机以及最近出现
的越南股市崩盘、尼日尼亚政府利用临时停市的政策来“稳定’’股市都是明证。新兴
市场资产价格运行模式有其自身的特殊性，这使得在发达国家成熟市场能够运用的经
济理论(特别是一些数量方法)无法运用到新兴市场中去。
0引言硕．Ij论义
0．6全球资产配置理论框架图
6
全球资产配置理论
I
I—
l山
上
’
上
I全球资产收益分析I’ 全球风险
l
1L
基于收益、风险分析的资产选择
' r
全球资产配置策略
jr
全球资产配置业绩评倍
业绩不理想
业绩理想
’ r
表0．1全球资产配置框架图
硕一f二论文全球资产配置理论与实证分析
1全球资产配置收益分析
全球资产配置的资产收益(定价理论)扎根于传统资产定价理论。很多最初应用
于国内资产收益分析的方法被运用到全球领域，并取得了不少成果。如：资本资产定
价模型被运用到国际市场中产生了国际资本资产定价模型；无套利定价理论被运用到
全球市场，产生了国际无套利定价理论。尽管在国际环境中研究资本市场均衡下的资
产定价理论存在很多困难，但是一大批学者在进行了一番艰难的探索之后，将CAPM
和APT理论运用到了国际资产定价领域。这两个理论在国际领域的应用性研究拓展了
投资学的研究领域也丰富了全球理财的指导理论。
1．1基于国际资本资产定价理论的全球股票资产收益分析
关于国际资产定价理论脉络大致可以分成以下几个阶段【11：
Stulz(1984，1995)把均方差的理论运用到国际环境，该模型假设在购买力平价
(PPP)成立的情况下，汇率风险可以忽略，并对投资机会集合消费机会进行了约束，
得出以下IntCAPM(Intemational Capital Asset Pricing Model)模型：
研∥】=聪d研r．。d。】(1．1．1)
其中，研∥】表示以本国货币表示的国际资产i相对于无风险收益的超额收益(在
资本自由流动前提下，各国无风险收益相等，Aswath Damodaran(NYU))，研rw】是以
本币表示的世界市场组合(譬如MSCI全球资本市场指数)相对于无风险收益的超
额收益，砘表示i资产的超额收益相对于世界市场组合的敏感性。
但是由于各国消费者的偏好不同，税收、关税和运输成本都会使消费篮子的结构
发生变化，购买力平价原理可能不成立。
Solnik(1974a)．Seem(1980)讨论了在PPP不成立时，但汇率风险完全可以对冲
的条件下，得出以下SS．IAPM(Intemational Asset Pricing Model)模型：
E[群一R；：】=∥品E[尺乙一尺l，】(1．1．2)
舯，彪=絮静。群标鼬舻撇粹，RI猿和掀糊积
险收益，尺：，。表示加权的世界市场组合的收益率，且每个成分都用各自国家的货币衡
量收益，月；表示按市场值加权的无风险收益。础是以当地货币计算的i资产相对
于世界市场组合的敏感性。该模型的实用性对货币种类选择无依赖性。
为了尽可能全面地对各种风险定价，Adler,Dumas(1983)提出了Multi．Beta
IntCAPM，他们给出的模型主要考虑了世界市场组合与通胀风险对国际资产收益的解
释，模型表达式如下：
7
1全球资产配置收益分析硕士论文
E[群】=形+ZZ．CovW?，刀／]+AwmcoV[R／，尺：。】(1．1．3)
，皇l
其中，Cov[R7，万，]表示以本国货币表示的i资产收益与j国(共有，个国家)的
通货膨胀率的协方差，cDv【群，《。】表示以本国货币表示的i资产收益与世界市场组
合收益的协方差。乃和丑⋯表示风险的价格，R；是以本币表示的无风险收益是常数。
。J ，
但是静态的变量并不总是能很好地解释所有经济现实，从对很多数据的分析来
看，风险及其溢价都具有随时间变化的特点。在CAPM框架下，Giovannini，Jorion
(1987，1989)，Mark(1985)就发现了国际资产的收益可由随着时间变化的B值解释。
Harvey，Ferson(1993)的研究也考虑了条件13值(由已知经济信息预测出13)和
期望的风险溢价的时间变化性，分析了单指数和多指数B模型，发现很多国家资产
收益的可预测性，并可由随时间变化的全球风险溢价解释。
资本资产定价原理对单个资产风险与收益的衡量极大地简化了均值方差模型。附
加条件的衍生模型也相继出现，‘例如：考虑可以卖空、不可以卖空等条件下的国际资
产有效边界、将VaR约束加入到均值方差模型中去(深圳证券交易所第七届会员单位
与基金公司研究成果)以及跨期定价问题研究等。
1．2基于国际无套利定价理论的全球股票资产收益分析
Richard Ron(1976)认为CAPM模型无法得到验证，对该模型提出质疑并建议
将其抛弃。与此同时Ross提出著名的无套利定价理论(APT)。那些在CAPM中对
于效用的假设不再是必要条件，无套利理论对于均衡的描述更加一般化。无套利理论
用政券收益产生过程的假设替代了CAPM的均值方差框架。
Huberrnan(1982)，Hamberlain(1983)和Rothchild(1983)，Ingersoll(1984)发展了该
理论，将该理论运用于国际情况的理论基础建设由Solnic(1983)年完成，他提出了
IntAPT(ImemmionMArbi仃agePricingTheory)，国际无套利均衡理论由此诞生。但是，
对该模型作了几乎最为清楚、最为直接的分析是Ikeda(1992)。他认为无套利定价原理
运用到国际环境，须满足以下三个条件【2l：(1)汇率变动风险能与其它非市场风险一
样可以被分散。(2)给定一种货币的无风险套利组合，用其它货币衡量也是无风险套
利组合。·(3)国际无套利模型的因素结构不因货币选择的不同而变化。他假设L个国
家，每一个国家只有一种无风险资产和一种风险资产，无交易摩擦，建立以下模型：
《=研碍】+羼最+戌哦+⋯+联瓯+彰，i=1，2，⋯￡， (1．2．1)
尺；是国家i用当地货币i表示的风险资产收益，研群】表示其期望收益，变量万，
(J=l，⋯，k)代表驱动国际资产收益发生变化的．，共同因素，系数羼(，=1，⋯，尼)是
i资产相对j风险的敏感系数(以当地货币表示)，占j代表误差项，又
鄙=E(。掣)+u?，(i=1，,---L) (1．2．2)
硕士论文全球资产配置理论与实证分析
掣代表本国货币表示的外国货币的汇率变化，口是非预期的汇率变化，又：
群=倒+掣+cov(碍，掣) (1．2．3)
群是用本国货币表示的i风险资产收益，Coy(R：，掣)表示《和掣的协方差，带
入足的值，得出：
群=E(倒)+屏4+尻嚷+⋯+厥瓯+E(S／)+Cov(e～'，掣)+4+彳
也即：群=E(群)+厩4+成如+⋯+威反+g+彰(1．2．4)
其中，E(群)=E(《)+E(掣)+cDv(碍，掣)，Solnik对汇率与收益因素归同：
印=Y：瓯+Y乏屯+⋯+Yd破瓯+f (1．2．5)
i=1，2，⋯三，《(J=1，⋯，七)是以本国货币表示的外币汇率变化相对于风险因
素j的敏感性，∥是误差项，将∥带入式1．2．4中，得：
群=E(群)+麟瓯+雕疋+⋯+厥瓯+彩(1．2．6)
群=群+Kd，J=l，⋯，k (1．2．7)
彰=彰+∥ (1．2．8)
可见，这里表述了任何资产的因素结构不因货币选择而转移。Ikeda(1991)引入
无风险利率，得出：
E(群)一[R：+E(掣)】=硝∥l+≈∥i2+⋯+硝成，f=1，2，⋯，L (1．2．9)
表示任何国家货币标的资产，d=1，2，⋯，三，表示任意一国投资者。R：表示以当
地货币表示的国家i的无风险资产，∥表示国家d的投资者在承担国际风险j时能获得
的溢价，孱是以当地货币衡量的f资产收益率相对于．，风险的敏感系数。Ikeda证明
在当时条件下，国际无风险套利模型不可识别。
Solnik却认为：如果任何国外投资都可以相应卖空该国货币的无风险套利资产，
则国际无风险套利模型可识别，且模型表述的形式如下：
E(群)=E(Rd，。)+硝群+⋯+硝麒(1．2．10)
群表示尼因素风险，刀是k因素风险的溢价，E(群)一E(尺毛)表示以f资产的超
额收益。虽然式1．2．10形式上与一般无风险套利模型一致，但内涵要丰富得多。
无套利定价模型使多因素模型变得有理论依据。Fama(1998)提出了两因素分析模
型，用全球价值组合代替世界市场组合，捕捉国际“增长／价值"效应；Eugene F．Fama，
Kenneth R．French(1998)的研究表明增长型股票与价值型股票的收益差别，他们考
虑全球组合在1975-1995年间的平均收益。据市帐率高低对组合进行分组，发现低、
高市帐率股票之间的年度收益差别高达7．68％，在13个主要股票市场中有12个股票
市场的价值型股票表现优于增长型股票。国际资产定价模型不能解释价值溢价，但是
两因素模型可以捕捉到国际收益的价值溢价【3】。Zhang(2006)在Fama和French的模
型中加入了周期变量时，对模型的效果无明显影响，Zhang推断Fama和French的两
因素模型反映了经济周期的信息[41。徐均博士(2006)用无套利定价理论分析了国内
9
1全球资产配置收益分析硕士论文
股市收益的变化与风险因素之间的关系。他利用2003年1月至2004年12日的A股
股市收益率和风险指标数据进行了分析，认为国内股市是弱有效的【5】。
在实证检验中，对因素选择研究方面颇有建树的有Chen，Roll，Ross(1986)，
Fama，French(1993)，Elton，Gruber,Blake(1995)等人。根据Victor博士的分析，可以将
价格化的风险因素总结成三类：(1)宏观经济风险因子。比如通货膨胀率、利率、国
家货币供给和国内生产总值等。(2)行业风险因子。如行业中生产同种商品的厂商的
数量、产品的年销售增长率等。(3)公司风险因子。如公司的负债程度、公司规模和
资产收益率【6J。
多因素模型也可以融入市场指数因素，这使得其表达式在形式上与CAPM有相
似之处。但是它们的假设前提不同，APT较CAPM的假设前提要宽松一些；定价原
理也不一样；但是，对市场有效性的假设前提是～样的。
1．3债券资产收益率的衡量方法及其定价
本节主要介绍一下债券收益率不同的衡量方法，然后对不同期限债券收益率的
定价用期限结构理论进行总结，再从风险的角度探讨不同债券面临各自不同风险时的
债券定价问题。
1．3．1债券资产收益率的衡量方法
衡量债券资产收益率的指标很多，现在总结成以下8条【7】：
(1)息票利息。债券的息票利息是指在债券存续期内需要对债券的持有者定期
支付的利息；(2)当期收益率。当期收益率是年息票利息收入与债券市场价格的比值。
(3)即期收益率。一般来说，所有债券都可以看做一揽子零息票债券，为确定每一
个零息票债券的价值，必须知道有相同到期同的零息票国债的收益率，这个收益率称
为即期收益率。根据实际零息国债收益率推导出收益率曲线为理论的即期利率曲线。
(4)到期收益率。到期收益率考虑了利息收入和投资者在持有债券至到期日的时间
内实现的任何资本利得、损失，考虑了现金流的安排，顾及了利息的利息，然而，它
假设息票利息以等于到期收益率的利率再投资。(5)必要收益率。必要收益率是指投
资者在进行债券投资时所要求的利率或折现率叫做必要收益率。(6)赎回收益率。赎
回收益率是指债券持有至设定的赎回日时，使债券现金流的现值等于债券价格的利
率。(7)浮动利率。浮动利率证券的利率随某些参考利率(如LIBOR)定期改变，
由于不知道未来的参考利息，所以无法确定现金流，也就不能计算到期收益率，估计
浮动利率的通常做法是估计贴现差额。贴现差额是指投资者预期证券存续期内的收益
率与参考利率的平均利差。(8)债券组合的收益率。债券组合的收益率不是所有单个
债券到期收益率的简单平均或加权。它是通过确定投资组合的现金流，然后找出使现
10
硕士论文全球资产配置理论与实证分析
金流的现值等于投资组合市场价值的利率计算出来的。
一般在讨论单个债券时，以“到期收益率”来考察债券表现；涉及到债券组合的
收益率的衡量时，原则上也应该考虑现金流折现法，但是，在各类研究文献中，按市
值加权的到期收益率法基本取代了现金流折现法。
1．3．2债券资产的定价理论
债券的价格是它的现金流的现值。具有相同信用但期限不同的债券收益率是怎么
确定的?信用不同的债券又是如何定价的?本节将围绕这两个问题，采用利率期限结
构、基于风险溢价的定价框架分别予以解释。
(1)利率的期限结构定价理论
为更好地解释利率的期限结构理论，首先必须明确收益率曲线的概念：具有相同
信用质量但期限不同的债券之间的收益率关系的图形称为收益率曲线。式1．3．2．1是
即期利率与远期利率的关系：
z，=[(1+zI)(1+Z)(1+正)⋯(1+Z—I)]¨‘-1， (1．3．2．1)
Zt是t期的即期利率，．f表示从现在起第t个远期利率。不同期限的到期收益率，
按照时间顺序排列并连成线，得到的收益率曲线有三种：向上倾斜，水平和向下倾斜。
如何解释这些曲线?这就要利用利率的期限结构理论。
利率的期限结构理论主要有以下几点：纯预期理论、流动性偏好理论、市场分割
理论【8】。纯预期理论主张，除了预期的未来短期利率外，没有别的系统性因素影响远
期利率；流动性偏好理论与市场分割理论认为，存在其它影响因素。
纯预期理论。按照纯预期理论，远期利率只代表预期的未来利率。因此，某个特
定的时间的期限结构已经反映了市场当前对未来短期利率的预期。按照这个理论，上
升的期限结构表明市场预期短期利率会在未来相应的时间内上升，水平的期限结构反
映了未来的短期利率大体上是稳定的，下降的期限结构反映市场预期短期利率稳步下
降。
流动性偏好理论。纯预期理论的缺陷在于没有考虑与债券投资密切联系的风险。
现在假设在投资期内持有长期债券是有风险的，并且这一风险会因期限的延长而增
加，因为期限与价格的波动性是直接相关的。考虑到流动性偏好，一些经济学家认为：
只有长期债券提供的长期利率比平均预期利率高出足够多，从而能够补偿投资期限较
长带来的风险时，投资人才会投资长期债券。该理论认为长期利率反映了利率预期和
流动性溢价。根据这个理论，隐含的远期利率并非一种市场对未来利率的无偏估计，
它还含有流动性溢价成分。希克斯(1946)认为远期利率超过未来即期利率期望的那
部分是流动性溢价的数额。
市场分割假说认为不同期限的债券代表了具有各自供需压力的不同市场。
l伞球资产配置收益分析硕士论文
Culberston(1957)争论说不同的投资者具有强烈的期限偏好，这些偏好有时候服从规范
的约束。Modigliani．Sultch(1967)提出首选聚集地理谢91，认为投资者具有首选期限，
而且只有得到溢价时才会偏离其首选期限。Cox，Ingersoll，Ross(1981)也曾经有过类似
观点。市场分割理论的核心思想是：不同期限结构的债券交易市场是分割的。
在不考虑其它因素的前提下，上述三种期限结构理论探索不同期限的债券资产回
报率的形成原理。纯预期理论的一个严重缺陷是忽略了投资于债券的内在风险，远期
利率并不能完美地预测未来的利率，所以未来的利率是不确定的，债券的价格也不确
定，所以在一定的投资期内收益率是不确定的；流动性偏好理论似乎较好地解释了长
短期利率差异，与经济现实吻合的较好；市场分割假说主观性太强，很难验证。
(2)基于风险溢价的债券定价
假设可用一个利率来折现债券所有的现金流量，适当的利息是债券期限相同的国
债收益率加上一个适当的风险溢价(或利差)。
表1．1是各类债券风险暴露的简化图表【101。根据风险的不同，投资者要求相应的
风险溢价，苏瑞什的这张表给出的是国际债券和美国国内固定收益类资产的风险暴
露。必须指出：该表只是给出各类资产风险的大致概况，具体到某一特定资产时，情
况可能有些变化。从表中我们可以发现：国际债券的信用风险、流动性风险和外汇风
险都非常高，利率和时机风险也很不确定，通货膨胀风险虽“已给出”，但是对于长期
投资者来说，非通胀保值类资产的本金和利息会在高通胀时期损失较大。
表1．2【ll】是基于债券定价的框架。该表给出的定价框架数次提到期权的概念。这
里必须指出，Black和Scholes(1973)的期权定价公式(B．S公式)有力地促进了现代
金融学的发展，是资产定价理论研究的一次重要突破，读者利用Ito(1951)引理和微积
分的相关知识就可以证明B．S公式。权证的价值与到期时间、资产现值、行权价格、
标的资产价格的波动性与漂移率都有关系。以表1．3．2．2的债券期权为例，该期权价
值主要体现在认购权与转换权上，如果认购新股的价格或转换成新股的价格很低，相
当于获得了一个低执行价格的买入期权，如果股票价格前景看好，现在的价格越低，
未来的到期日越长，该权利价值越大1。
1详情叮参|’蒯特里．J．沃特沙姆的《金融数量方法》。
12
硕士论文伞球资产配置理论与实证分析
表1．’1债券风险暴露
债券种类机构公司抵押担市政国际
风险类型
财政债券
债券债券保债券债券债券
信用风险没有很低变化很低变化两
利率风险不断变化变化变化变化变化变化
流动性低、
风险
很低变化低变化高
中等
时机风险没有低高很高商变化
外汇风险没有没有没有没有没有向
通胀风险已给出已给出已给出已给出已给出+已给出
表1．2债券定价的框架
债券种类与收益类型必要收益率
不可赎回财政债券只对利率风险进行补偿
可赎回国库券利率风险补偿+时机不确定性补偿
利率风险补偿+时机不确定性补偿
公司债券
+信用风险补偿一投资者拥有的期权的价值
利率风险+时机不确定性补偿
抵押担保债券
+缺乏流动性的补偿+结构的信用的补偿
利率风险补偿+时机不确定性补偿
市政债券
+信用风险补偿一投资者拥有的税收优惠
利率风险补偿+时机不确定性补偿
国际债券
+信用风险补偿+汇率与政治风险补偿
利率风险补偿+时机不确定性补偿
混合债券
+信用风险补偿一可转换期权的价值
2伞球资产配置的风险剖析及】e度量硕二l：论文
2全球资产配置的风险剖析及其度量
在全球范围内环境进行证券资产投资，会遇到非常复杂的国际环境，如何识别国
际风险非常重要。本章将通过对全球资产所面临的风险进行剖析，力图将影响预期收
益的主要国际风险(如：汇率风险、国际通胀、流动性、政治风险和信用风险等)阐
述清楚；在风险度量方法上，笔者选择方差与半方差、下偏风险和VaR／睨作为风险
度量方法并逐一介绍。由于风险衡量方式的不同，资产选择方式和组合优化的模型也
不尽相同。
2．1全球资产配置的风险剖析
Zimmer(2002)运用了多因素的方法研究了G7国家的股票和债券市场，发现各
国证券资产价格的主要影响因素是长期利率、世界市场组合收益率和与其贸易量最活
跃的几个国家的外汇变化【l 21。
全球资产配置所面临的风险，与一般的资产配置有很大的不同，除了要面对国内
资产配置风险之外，还要面对汇率风险、国际流动性风险、国家信用风险等等，本节
将对全球资产配置所面临的主要风险进行阐述。
2．1．1汇率风险
1974年Solmc指出在全球投资环境下汇率风险应被定价。Adler和Dumas(1983)
的研究表明汇率风险可以根据货币种类分别考虑，每种货币可以作为一个独立的因
子，正如Dumas和Solnie(1992)的模型所描述的那样，或者用一个近似的单个变
量来表示总的风险，Campbell(1993)使用了世界市场组合和汇率风险等单个近似变
量解释国际资产收益，他运用贸易量加权求和的外汇指数表示全球资产配置中的外汇
风险暴露，外汇风险指数中各货币的权重随着贸易量的相对变化随时间进行调整。
Dumas和Solnik(1995)，De Santis和Gerard(1998)分别考虑三种主要货币对美
国资产价格的影响，计量模型如下：
R-F=a+bl[M-F】+b2[Mark-F】+b3[Yen-F】+b4[Pound-F】+e(2．1．1．1)
其中，R为资产组合的收益，F为无风险收益，M为国际市场组合的收益，Mark、
Yen、Pound分别表示马克、日元、英镑相对于美元的升值幅度，e表示残差。bl、b2、
b3、b4表示资产组合对各种货币风险的敏感系数【13】。投资者可以运用货币保值工具对
汇率风险进行套期保值，但是汇率风险有着正的风险溢价，对所有头寸进行套期保值
不是最优策略，如果有充分的信息能够预测到汇率的走向，则承担一些汇率风险是有
正的回报。
在股市危机和国际债务危机发生时，汇率风险表现尤为猛烈。无论是拉美债务危
14
硕士论文全球资产配置理论与实证分析
机、俄罗斯国债危机还是亚洲金融危机，都致使相应国家货币大幅、急剧贬值，以美
元表示的拉美国家、俄罗斯和亚洲国家(中国除外)的资产价格大幅缩水，这是全球
资产管理者应该回避的风险。
2．1．2通胀风险
Stulz(1986)年研究了资产定价和预期通货膨胀的关系是建立了一个均衡模型时
指出：股票的期望收益和预期的通货膨胀、货币增长负相关；Claude B．Erb，Campbell
R．Harvey,and Tasdas E．Viskanta(1995)研究了通货膨胀与世界证券的选择问题指出，41
个国家的数据表明：在时间序列上，通货膨胀率与股市收益曾现负相关的关系。在横
截面数据分析基础上，通货膨胀率与股票收益率曾现了正相关的关系。Frand，
Landskroner,Losq在不确定性通货膨胀下，假设效用函数都是固定比率风险厌恶，得
出的资产收益的一般均衡关系。他们证明只要市场收益率与通货膨胀率正相关，那风
险的市场价格将要高于标准型的CAPM中的水平，他们还证明任何资产的风险不仅
是该资产与市场组合协方差的函数，也是它与通货膨胀率协方差的函数【l训。可见，学
者们的观点分歧较大。
笔者认为，通货膨胀对股票资产价格的影响取决于通货膨胀的程度及其对经济的
作用。如果Philips曲线所描述的现象存在，通货膨胀与失业率之间存在着负的相关
关系，则良性的通货膨胀不见得是坏事，因为允许一定的程度的通货膨胀能够刺激就
业，对经济增长、市场信心都有积极的作用，这会推动股市走强。
据美国1790-1997年的数据，价格平稳性通货膨胀、温和通货紧缩、超常通货紧
缩时期的股票市场收益是高于平均水平的：；在温和通货膨胀时期，股票市场收益率属
于平均水平；在高通货膨胀时期的真实收益率远低于平均水平；在通货膨胀最高时，
股票市场平均收益为负值，恶性的通货膨胀，对经济的伤害是严重的¨引。这正应了一
句网络流行语“通胀无牛市”。
由于工资粘性，恶性的通货膨胀使国内人民的实际收入降低，购买力下降，价格
飞涨使实际汇率上升，净出口减小，总需求因此也左移。从总供给的角度来看，原材
料价格的高企，厂商被迫提高物价，然而紧缩的需求使总供给过剩，经营环境恶化，
厂商不得不减少供给，总产出减少。如图2．1所示，经济从A点过渡到B点，产出下
降，这会对股市产生不利影响。
15
2伞球资产配置的风险剖析及其度量硕士论文
P o L ／I
5l ～岛
7 A Dl＼
Q
图2．1恶性的通货膨胀对总供给与总需求的影响
通货膨胀的增长，致使新发型债券的利率上升，以弥补通货膨胀对债券收益率的
损害，也使已经售出的债券(非通胀保值型债券)价格下跌，这是投资者出售旧的“低"
收益债券，购买新的高收益债券的结果。但是，当旧的债券价格下跌到一定程度，投
资者购买它能获得的资本收益能够弥补利息收入的相对损失时，旧的债券价格的下跌
就会停止。
这里举一例说明通货膨胀对债券价格的影响：1973年到1979年的欧派克石油价
格危机之后，七国集团的通货膨胀升到两位数。那些在1973年的第一次欧派克石油
价格冲击中对通货膨胀的影响力做出了错误的判断的债券投资者，推动债券价格使之
急剧升高以保持实际收益为正。到了1980年，当中央银行宣布对通胀丌战时，债券
收益率和通货膨胀都达到极高的水平，这种情况为获得异常的债券市场收益提供了机
会。正如人们估计的那样，过去的通货膨胀对债券收益的影响较大。研究表明，市场
有很长久的记忆，持续时间相当长、大约lO年左右的通货膨胀，比短期的通货膨胀
对债券的影响更大【16J。
2．1．3利息率风险
在经济紧缩期或危机发生时，政府会为了刺激经济降低利息率。2007年9月份，
为了缓解次级债危机导致的资金流动性紧张的问题，美联储调低利息率，不但美国股
指应声大涨，世界上许多其它国家的股值也大幅上涨。降低利息的同时，债券的价格
会上涨。在经济扩张时期，为了缓解由于过分繁荣而导致的通胀压力，政府会提高利
息，这也会对股票价格产生一定负面的影响，债券的价格一般会下跌，收益率上升。
特别需要指出的是：倒置并陡峭的利率收益曲线预示着经济有衰退的迹象，利率
结构表现为短期的利率高于长期利率，长期利息的走低有利于刺激经济走出低谷，然
而效果如何就看经济环境与政策执行者的操作情况。80年代末，日本高估了汇率升
值对其出口的影响，利息被降至近乎零，过度的资金流动性助长了经济泡沫，对日股、
日债和其它日元资产的安全都构成了巨大的隐患，最终造成了经济危机。
理论上，利率风险对债券和股票的价格影响怎样呢?
硕士论文全球资产配置理论与实证分析
(1)利息率对股市的影响不明确。
在固定汇率体系下，紧缩的利率政策主要通过减少国内消费和国内投资来抑制总
需求，如果总需求减少，产出下降股市也会回调至现实水平。但是，利率提升有时候
并不必然导致总需求的减少，因为国外对国内产品(包括金融产品)的需求也需考察。
利率的提高会使本国货币有升值压力，如果当局迫于国内经济的稳定无法立即将货币
升值“到位"，国际投机者有可能大肆买入本国资产，短期内本国资产价格有可能出
现“不降反升”的局面。为了稳定市场，采取固定汇率的国家往往同时对国外投资施
加种种限制。
在浮动汇率体系下，本国利息的提高，短期内汇率就会相应升值，直到利用利率
汇率平价不能套利为止。在开放的经济坏境下，一国利息提高，国内私人消费和投资
会因为资金成本增加而缩减，且短期内该国货币的升值使净出口减少，对该国股市来
说一般是个利空的消息。然而，事不尽然，在欧元化之前，德国作为欧盟成员国，其
经济增长强劲正在为克服通胀提高利息时，欧盟其它国家却在为摆脱经济衰退不遗余
力，但为了保持汇率的稳定，利率政策义必须保持与德国一致。同样是加息，对德国
来说是控制通胀(反而增加投资者对德国经济的信心)，对欧盟其它国家的经济来说
是雪上加霜，在没有大的改革预期之前，德国股票价格反而走强，欧盟其它国家股票
风险更大。
(2)利率对债券价格的影响
久期和凸性可以衡量利率变化对债权价值的影响，一个有效的市场价格会反映价
值。久期是衡量债券价值对利率变动敏感性的近似指标。债券的久期可以用以下方法
估算【17】：
收益率下降时债券的价格一收益率上升时债券的价格
2x(初始价格)×(小数形式的收益率变动)
缈为小数形式的收益率变动，％为初始的价格，K为收益率下降缈债券的价
格，K是收益率上升缈时债券的价格，则久期的表达式如下：
久期=二—I (2．1．3．1)
2ZoAy
久期实际上债券价值对收益率微小改变的一阶近似，这个近似可以用二阶近似来
改善，二阶近似称为凸性，其表达式如下：
凸性值=蔫静(2．1．3．2)
式2．1．3．2中的符号含义与式2．1．3．1中符号含义相同。
近似的债券价格百分比=一久期XAy×100+凸性调整值，
凸性调整值=凸性值×(△y)2 x100 (2．1．3．3)
17
2全球资产配置的风险剖析及其度量硕士论文
2．1．4流动性风险
流动性可以理解为资产收益对于购买量的敏感性。流动性风险的衡量指标主要有
三个可供参考：Amihud测度，周转率。交易的频率。Amivest的流动性度量指标定义
为日交易量和日绝对收益的比率。Cooper,Gl"oth，Avera(1985)，Amihud．Mendelson,
Lauterbach(1 997)在他们的研究中使用过这种方法。Amihud(2002)流动性度量是基于
Kyle’S(1 985)lambda，被定义为日绝对收益与日交易量的比率。
关于流动性风险，一个被广泛关注的焦点问题就是：流动性效应怎样影响资产的
均衡价格?为了回答这个问题，Kyle(1985)，Glosten，Milgrom(1985)，Amihud；
Mendelson(1986)，Constantinides(1986)，Allen，Gale(1994)，Vayanos(1998)做出了大
量深入的研究。Justin S．P．Chart，Dong Hong，Marti G Subrahmanyam(2005)考察
ADR(American Depositary Receipt)时指出：流动性越高，会反映出更高的资产价格。
这三位学者研究了ADR市场并认为ADR市场是个理想的检验流动性效应的市场。
因为各国单位该种资产的未来现金流相同，ADR市场如果是完全一体化的市场、没
有交易的摩擦和时区的不同，ADR产品的溢价为零。但是由于国际资本控制、税收
体系不同、证券法各异、贸易管制的诸多问题存在，市场的摩擦就不可避免，金融市
场是分割的，考察ADR的溢价有助于分析流动性效应对资产定价的影响。Dong Hong
(2005)等人的研究模型把国际ADR市场和国内持有的ADR产品的Amihud流动性
度量、换手率以及ADR月度交易的频率指标作为ADR溢价的解释变量进行了线性
回归分析，它们在控制了汇率风险、不同市场股票相对表现等国家特征变量后，得出
流动性越高，资产价格也显著提高的结论，这丰富了对流动性风险进行定价的理论【18】。
衡量流动性风险的另一个常见的指标是由交易商报出的买卖价差。买卖价差越
大，流动性风险越大。投资经理在给组合定价时，一般从交易商那罩需获取几个指导
买价，但是，他们发现流动性低的资产买价差异大，有时不得不寻求专门的定价机构
的帮助，组合投资管理者特别债券组合管理者应关注不断变化的市场流动性【191。
总的来说，随着世界各国越来越多的公司陆续上市，证券的流动性对其定价的影
响是值得关注的问题。流动性较差对资产价格的影响一般是负面，这个可从凯恩斯流
动性偏好的角度解释。由于投资者偏好流动性资产，流动性较差的资产除非有非常高
的收益预期，否则，很难吸引会融机构的投资兴趣。
2．1．5国家信用风险
国家信用风险是国际投资者在进行国际投资过程中不得不慎重考虑的问题，
Erb，Harvey,Viskanta(1994)发现高达50％的横截面方差可以由国家信用风险来解释。
当今世界，许多国际化程度较高的银行设有专门的国家信用风险分析师，估计各国的
主权信用风险(Soverign Credit Risk)。借款国(债券发行国)的信用风险越高，其借
硕士论文全球资产配置理论与实证分析
款的利率就越高。当然，借款利率同时受到政治、征收、通胀、汇率控制、经济波动
性以及全球风险敏感性的影响。
金融杂志《机构投资者》对国家信用jxL险进行评级，每年3月份和9月份公布
75～100家银行的国家信用风险评级指数，其值在0～100范围内，100表示具有最小
的违约风险，“机构投资者”综合各家银行的看法，按照评级银行的评估水平及其国际
化程度对特定国家或地区市场的信用评级进行加权。
Campbell(1995)考察了MSCI公布的21个发达国家市场指数和19个IFC
(International Finance Corpration)公布的新兴市场指数收益与国家信用风险的关系。
他按照国家信用风险评级将这些国家的市场指数分成四组：(1)最高国家信用等级(最
低信用风险)；(2)次高国家信用等级；(3)次低信用等级；(4)最低信用等级(最
高信用风险)。Campbell发现低的信用评级与高的收益相对应。通过分析他认为国
家信用风险解释了以当地货币表示的收益约30％的波动，解释了以美元表示的收益约
16％的波动。在新兴市场国家，汇率波动与信用评级的存在不显著的负相关关系，在
发达国家，未发现信用评级与波动之间存在关系。但平均汇率的截面变化可由信用评
级解释。国家信用评级低的国家，汇率贬值或低估的可能性更大。然而，国家信用评
级除了包含了汇率信息外，还包含了其它经济变量的大量信息。
研究者还发现在新兴市场有较低的Beta(Wbdd Betas)，却有相当高的国家信用风
险。这个结论和研究者的直觉相矛盾，这体现了非一体化市场的的特征(研究者站在
美国立场上如是说)[201。在非一体化的市场，承担相同风险可能会获得不同的期望收
益。低的相关性为分散投资提供了机会，但低的相关性并不能否定市场的一体化，当
然，非一体化的市场蕴含着更可观的投资机会。
国际资产定价理论对一体化的市场数据拟合得很好，但是，对非一体化市场的解
释非常有限。例如，新兴市场的资产收益更多地为当地经济变量所解释，但是，新兴
市场较之成熟市场具有更强的可预测性，运用条件变量预测资产收益效果很好【2¨。
2．1．6政治风险
1988年，Roll通过计量分析得出结论：尽管资产定价模型使用了系统经济变量、
产业因素变动和公司特殊的事件等因素，超过60％的月度股价运动仍然无法用资产定
价模型解释。Fama(1990)的研究揭示：年收益中的58％能够为金融变量所解释，
剩余的方差无法解释。Radelet和Sachs(1 998)发现经济和金融条件解释了24．37％的金
融危机，宏观经济变量不能解释汇率的变动。于是人们开始研究政治风险对市场的影
响。
Cutler(1988)，Cutler,Poterba,Summers(1989)发现政治消息和美国市场之间没
有显著的关系。Alesina(1987)，Alesina，Sachs(1988)，Alesina，Cukierman(1990)探
2伞球资产配置的风险剖析及其度量硕一I?论文
索了政治过程对货币政策和商业周期的影响，Bittlingmayer(1998)发现政治的不确定
性对市场和商业周期有显著的影响。·
HaroldY．Kim，Jianping Mei(1994)以政治风险对资产价格的影响为考察对象，
运用一个跳跃的扩散过程模拟市场的波动，分析了政治风险对香港股票市场的影响。
Harold Y．Kim等人的考察时间为1989～1993年，研究了香港1997年后的民主问题、
中国的最惠国待遇问题、中国的人权问题和政治改革运动是否对香港的股票价格运动
构成影响，分析结果表明香港市场既受经济变量影响也受政治因素影响【221。
Jianping Mei(1998)研究了通过对政治选举周期的考察研究了政治风险对金融
危机的影响。在货币危机与金融市场波动的文献上增加了三项贡献：(1)发现了金融
危机和政治选举周期之间的显著关系。(2)发现了政治不确定性导致了新兴市场的波
动，这点丰富了Bittlingmayer(1998)，Erb，Harvey，Viskanta(1996)的研究。(3)利
用了货币危机与临时投资的理论，构造了金融危机和政治风险的关系。这里Jianping
Mei假定政治选举具有三个含义：政府有较强的动机创造和固定汇率制度不一致的体
系、政府的稳定汇率政策的承诺遭受怀疑、政策的不明朗会延缓外资的进入。Jianping
Mei(1998)的研究实际上是沿用了Redalet和Sachs(1998)的分析框架，但是扩展至
两个不同的方向：一是除了分析经济变量之外还分析了政治风险和市场传染对金融危
机的影响；二是除了考察了金融危机之外还考察了货币估值、股票市场收益和新兴市
场波动问题【231。
徐均在其博士论文中指出：我国股市缺乏卖空机制条件下主要利用政策来对冲系
统性风险【241。但是，据笔者观察，用政策来对冲系统性风险有明显的短期效应，其持
续性不强。
上述政治风险表现得相对温和，还有更加激烈的政治风险。譬如涉及民族统一甚
至地区冲突的政治风险事件会对资产价格产生更大的影响。台湾李登辉、陈水扁屡次
抛出“台独"论调时几乎每次都重挫台湾股市。
毒品泛滥、走私猖獗、社会治安较差不利于经济发展，打击犯罪、稳定社会环境
才能为经济发展提供有力保障，菲列宾和新加坡近年来相对于其它东南亚国家经济增
长更快、更健康，除了经济基础好等因素外，也得益于稳定的政治环境和良好的社会
治安。
2．2风险的度量
对风险的度量，研究论文中用的最多的是方差(仃2)，这得益于Markowitz(1952)
均值．方差理论对现代资产组合模型的奠基作用。但是，上偏风险不是投资者所厌恶
的，所以用方差来衡量风险不是很科学。马克维兹自己也承认．‘‘除了方差之外，也存在
多种风险衡量方法的替代，其中理论上最完美的度量法应属半方差(Semivariance)方
20
硕：l：论文伞球资产配置理论与实证分析
法”。但是遗憾的是，半方差也不见得是完美的风险度量方法。因为无论是方差还是
半方差都假设收益呈正念分布。然而，在对全球资产特别是新兴市场进行考察后，众
多学者发现，很多资产(特别是新兴市场资产)的收益分布不是正态分布，这就需要
新的风险度量方法，如下偏风险(Downside．Risk)和VaR／睨等。
2．2．1方差与半方差
盯2表示资产收益率与其均值的差值的平方和求平均，表达式如下：
仃2=圭Σ(‘-x) (2．2．12．1)
，●。J i=1
而表示足时，R表示资产收益的方差。方差具有良好的数学特性，在用方差度量
金融或证券资产组合的总风险时，组合的方差可以分解为组合中单个资产收益的方差
和各个资产收益之间的协方差。但是Fama，Ibbotson等人对美国证券市场投资收益率分
布状况的研究基本否定了方差度量方法的理论前提——投资收益的正态分布假设；特
渥斯基和卡尼曼等对风险心理学的研究表明损失和盈利对风险确定的贡献度有所不
同，即风险的方差度量对正离差和负离差的平等处理不符合投资者对风险的真实心理
感受。Markowitz(1959)认识到方差度量风险的局限性，他觉得半方差(盯；)度量风险
更准确，半方差仅仅度量收益在均值在以下的偏差。
弓=击Σ(最-x)，xk<；‘ (2．2．12．2)
，～一1 t=1
由于函数不可微的原因，Markowitz不能解决均值一半方差框架下的难题【251。
2．2．2下偏风险(Downside．Risk)
衡量下偏风险最著名方法是LPM(Lower Partial Moments)，意即只有收益分布的
左尾部分才被作为风险衡量的计算因子。其表达式可LPM--9(T—x。)，T是目标收益
率，x，是低于目标值的收益率，Pp是组合收益率为x，的概率。n=0，LPM。表示低于
目标收益率的概率；n=l，LPM。表示单边低于目标收益率的离差期望；n=2，LPM：表
示目标半方差。LPM，定义与方差非常类似，只是其相对基准是投资者的目标收益水
平而非总体的平均可能水平，其计算和考量的范围也仅是目标水平的“左尾”部分而非
收益率的总体分布。如果收益率可以写成连续函数，则表达式如下：
LPM=E([max{T—x，o)】”)=I仃-x)”dF(x) (2．2．2．1)
F(x)表示目标收益率的概率分布函数，参考点T，T有时被称为MAR(Minimal
Accepted Retum)。基于这样的思路，Sortino提出了Sortino Ratio(索地诺比率)替代
Sharp Ratio(夏普比率)，其表达式如下： SOR：了』型坠．(2．2．2．22)
[Σ(x-MAR)2】0．se
2l
2全球资产配置的风险剖析及其度量硕士论文
实践证明，使用SOR比率具有较强的风险规避作用，能取得较高的投资回报潜力。
甚至在业绩评价方面，运用该比率比用Sharp比率更加科学【26】。
2．2．3 VaR／Wo
Roy(1952)，Arzac、Bawa(1977)定义了不足额约束是组合的价值落到一个特定的
灾难性水平仅限于一个特定的灾难性概率。虽然使用不足额约束和投资者的风险态度
一致，但是它的应用非常有限，因为灾难水平、最小收益、置信水平、灾难概率很难
定义【271。
Leibowitz，Kogelman(1991)；Lucas，Klaassen(1998)构造了不足额约束的前提下
最大化收益的组合，在给定的时间和置信水平上，最小的收益应该可以获得。
VaR(Value at Risk)方法是在度量什么呢?VaR表示在给定时间、一定置信区间内
的最大损失值。比如说十天的持有期的99％的VaR，表示在给定的时间十天内，有
1％的可能，损失超过在险值。VaR的严格数学定义式一般为：
VaR=E(W)一形。(2．2．3．1)
E(W)为证券或证券组合价值的期望水平(玉r-均W可能水平)，缈’为在一定置信水
平C下证券或证券组合的最低价值水平。由VaR的数学定义式可见，统计量VaR的大小
取决于证券或证券组合资产价值的期望水平E(w)和在一定置信水平c下证券或证券
组合的最低价值水平矿‘。对于资产价值的概率分布确定的证券组合而言，E(w)的值
是唯一确定的。可变的是不同置信水平下的不同矿。以及由此而得的VaR数值。但
是，由于证券组合资产价值的概率分布已经是确定的，无论VaR的数值因不同置信水
平怎样地不同，证券组合的风险状态都是确定不变的。特别需要注意的是，VaR的值
是有量纲的单位(如元、美元等)，将VaR除以期初财富睨，VaR／瞩消除了量纲的
影响，使其与其它风险度量方法具有可比性【281。
22
硕士论文全球资产配置理论与实证分析
3．基于资产收益与风险分析的全球资产选择
在本文的第一章，我们考察了全球资产的收益(资产定价)，其目的是对资产的
期望收益或者未来资产相对表现能够进行更加准确的预测。但是，并不是所有高期望
收益资产都是投资者的理想选择，因为每个机构投资管理者的风险容忍度不同，风险
爱好者敢于追逐高风险资产，风险厌恶者倾向于投资波动小、收益率相对较低的资产。
第二章就国际风险的种类和度量作了介绍，但是，对资产收益一风险的分析不是本文
的直接目的，根本的目的是为了能在此基础上在全球范围内选择资产，这也是利用模
型进行组合投资的前提。如何选择资产?有直接从市场组合出发的，也有对资产进行
排序择优选取的。然而，择优的标准又是什么?下面将介绍国际股票、国际债券资产
的选取。
3．1基于Treynor指数的国际股票资产选择
TreyIl。r指数的表达式：—E(—Rp-)-rs。TreyIl。r指数表示单位市场风险期望的超额
p o
收益，这与夏普比率(单位标准差的期望超额收益)不同。这里的E(R。)表示组合或
特定资产的收益率，0是无风险收益，岛是组合或特定资产相对于世界市场组合的
敏感系数。Treynor指数表示单位市场风险的期望超额收益。按照Treynor指数从大
到小对资产进行排序，再确定截止率c+。令砰=群仃。2+蠢，彳是i资产的方差，蠢
是世界市场组合的方差，以是非系统性波动。屈是i资产相对于世界市场组合收益敏
感性系数。则截止率C+有如下表达式： I
《Σi(_色≯’岛
q=—生1篝广， (3．1．1)
1+蠢Σ：
，=l。ej
如果鱼≥>q，则应将f资产加入股票池。注意使用该方法选择股票时，要求出
R
每只股票的期望收益率、系统风险与非系统风险，对每只股票按照Treynor指数对资
产的优劣进行排序后。第一次只是将最优资产自行构成组合，再依次逐渐加入其它股
票，-gg至_lJ Ri-口ri<Cf时候为止㈣。
3基于资产收益与风险分析的全球资产选择硕士论文
3．2货币、市场风险与债券资产选择
在没有违约风险、政治风险的前提下，对于债券资产选择者来说，货币与市场选
择比较关键，因此在这里特别强调货币、市场风险与债券资产选择。在国际债券投资
组合中，货币决策与利率决策应该分开考虑。
在货币决策中，应该将套期保值结合起来，通过套期保值，投资者能同时侧重投
资某些市场并减少投入金融工具的标价货币种类。投资管理者应将注意力集中到投资
组合的净货币头寸上。特定市场内的净货币头寸等于经过货币套期保值调整的真实总
分配(净货币头寸)，即：
净货币头寸=总货币头寸．货币套期保值(3．2．1)
国际债券组合管理者偏重何种货币，依赖于其对汇率趋势的看法。为了得到真实
的货币与市场均衡偏离的程度，需要了解货币风险。目前，国际上比较流行的定义货
币风险的尺度为净货币头寸与基准指数市场资本化权重的比率。如何选择货币?现举
例如如下：
表3．1描述了四种债券投资方式的预计收益。
表3．1不同套期保值情况下的预计债券投资收益
资产选择用美元表示的预计收益
美元的债券Ru．s
德国的债券RG+DM
用美元套期保值的德国债券Ik+FPDM
用德国马克套期保值的美元债券RU．s．FPD．M+DM
注： Ru．s表示美国本地债券市场收益率，Rc表示德国本地债券市场收益率，
FPDM表示德国马克的短期远期溢价，DM表示德国马克对美元升值／贬值。
如果满足下面两个条件，则投资者可以增加美元资产的投资比例。
条件1：美国债券的收益率大于德国债券的预计收益(以美元衡量，未套期保值
的)，也即：
Ru．s>Ib+DM (3．2．2)
条件2：用美元套期保值的德国债券的预计收益必须高于未套期保值的德国债券
的预计收益(以美元衡量)也即：
Ib+FPDM>Ik+DM (3．2．3)
市场决策部分在国际投资中非常重要，投资管理者要把握总货币头寸，注重在每
一个市场的总分配以及如何在现金和债券之间分配。为了更好地选择国际债券须先定
义利率风险。利率风险在国际上较为流行的定义为：总货币头寸与市场资本权重的比
24
硕士论文全球资产配置理论与实证分析
率乘以投资组合久期与市场久期的比值。利率风险=辜糕×塑黯c324，
有两种方式可以扩大利率风险：一是加大总货币头寸，保持投资组合久期不变；
另一种是加大投资组合久期，而保持总货币头寸不变。对于组合而言，合成的利率风
险等于单个市场利率风险的加权平均。
如果多种总分配／久期方案具有相同的利率风险，那么不同的分配方案收益率是否
会不同呢?这要分三种情况：一种情况是收益率曲线假定是平的，并且整个收益率曲
线上的收益变化是微小的和均匀的，即收益率曲线是平行的。久期就被视为利率风险
的可靠测度，只要利率风险相同，任何总分配／久期方案产生的收益相同。第二种情
况是收益率曲线向上倾斜的情。利率风险相同，少分配／长久期的收益率高于多分配／
短久期方案；第三种情况是收益率曲线是向下倾斜的情况。利率风险相同，少分配／
长久期的收益率低于多分配／短久期方案。
现在考虑平的或是向上倾斜的收益率曲线上一个大的平行变动的含义。与在收
益率曲线单调向上的情况相似，少分配／长久期方案的收益率高于多分配／短久期方案
的收益，因为前者有更大的凸性。因此，假设收益变动较大，而且以平行方式移动时，
少分配／长久期方案的正凸性在收益下降时获利较大，收益率下降时带来的不利较小。
再考虑非平行变动的可能性。如果收益率曲线因为短期利率相对于长期利率上升而变
平，或者是因为短期利率相对于长期利率下跌而变陡，那么即使利率风险相同，在收
益率曲线变平的例子里少分配／长久期应该由优于多分配／短久期方案，而在收益率变
陡的例子里，情况正好相反，应该采取多分配／短久期策略，这为在投资提供了好的
机会。
债券资产选择决策。债券资产选择的第一个基本原理是收益率最大化。当预计收
益率曲线非平行移动时，久期和利率风险测度都不是债券组合对利率变动的价格敏感
性的适当指示器。在这样的情况下，正确管理债券的到期结构比获取组合的久期、利
率风险更加重要。债券资产的选取的第二个原理是国际分散化。由于各国商业周期的
动态和货币政策在处理商业周期中作用因国而异，制度和组织的强制力、政府的财政
制度和传统决定了买卖双方在市场中的作用不同，通货膨胀的趋势、结构、来源不同
对利率趋势和结构产生冲击，各国地理、外交政策等因素共同造成了国际债券的不完
全相关性，将资金分配到国际债券市场可有效降低波动【301。
3．3基于Sorfino比率的资产选择
s。rtin。比率：1-_』二丝生，e是x的概率。在进行资产选择时，你会发
tE(x-MAR)2】o．5e
3幕于资产收益’j风险分析的伞球资产选择硕：J：论文
现索地诺比率相对于夏普比率的优越性。如下表3．2所示。
表3．2索地诺比率与夏普比率资产选择对照
资产A 资产B 选择资产
预计收益19．OO％ 16．60％ A
标准差10．50％ 8．60％ B
夏普比率1．8 1．9 B
MAR设置值10．OO％ 10．OO％
下偏风险2．00％ 16．OO％ A
Sortino比率8．OO 1．OO A
上偏方差42．40％ 30．60％ A
下偏方差21．10％40．30％ A
①数据来源：笔者对郑木清(2003)的数据进行修改后的假设数据
从上述比较中，不难发现，Sharp比率可能给出完全错误的资产选择【3l】。
选择Sortino比率也不是没有遗憾的：当收益率呈正态分布时候，Sortino比率和
Sharp比率的比较作用是等价的，当资产收益率不是正态分布时，收益率概率分布往
往难以确定，否定正态分布会失去很多良好的数学性质。
Sortino比率可以用来比较股票资产的优劣也可以比较债券资产的优劣，但是据
笔者所知：关于该方法的应用目前还不广泛。
26
硕}：论文伞球资产配置理论与实证分析
4全球资产配置策略
全球资产配置策略包括战略性资产配置模型(如基于均值一方差模型的有效前沿
组合)、战术性资产配置、周期性资产配置和综合性资产配置。与一般资产配置策略
不同，全球资产配置注重国际化视野。
战略性资产配置指长期资产配置，资产权重在市场条件变化时不会改变，即使在
季度报表中有暂时不同于战略性资产配置权重的偏差，但最终资产权重与战略性资产
配置相一致[321。实施这种配置的机构投资者要着眼于全球环境和地区主题，把握各国
的经济增长、政治、财政货币情况的长期趋势，并对相应资产的盈利、估值和波动性
及相关性进行分析，以确定一个长期投资组合策略。
战术性资产配置是指投资者根据全球资本市场的波动确定临时性资产配置权重。
在一个相对有效的市场中，在明确了如何评价各种股票价格的前提下，制定价格涨落
的基准点，依据价格涨落情况，改变不同资产的的分配比率，这是战术性资产配置最
为核心的思想。在资产权重不时地调整以保证投资者长期目标实现的过程中，投资者
的目标和风险一收益偏好是假定不变的【331。
周期性资产配置关注各国宏观经济状况的周期性变化，捕捉各类资产在不同经济
周期状态下的表现，是一种的积极的资产配置。笔者认为战略性资产配置所定义的“长
期"应该是有时间限度的，战略性资产配置也应该回避经济衰退时期。
综合资产配置考虑到投资的目标和策略、资本市场情况，对数据进行最优化处理，
并将最优解和投资者最终目标、策略以及最近的市场表现综合考虑【3引。据笔者的理解，
与战略、战术、周期性资产配置不同，综合资产配置尤其注重数学模型的应用。
4．1战略性资产配置
战略资产配置是一种传统的长期资产配置策略，其重要方法之一是按照主要股票
指数中的股票配置方法来组合。为什么采取这种组合?因为股票指数可以近似代替
“市场组合”，如果“市场组合”是有效的，那么持有市场组合无疑是明智的选择。
然而，什么又是“有效市场组合”?这必须追述到Markowitz的均值．方差理论。
Markowitz(1952)在他的学术论文《资产选择：有效的多样化》中，首次应用资产
组合报酬的均值和方差这两个数学概念，从数学上明确地定义了投资者偏好。第一次
将边际分析原理运用于资产组合的分析研究。这一研究成果主要用来帮助家庭和公司
如何合理运用、组合其资金，以期在风险一定时取得最大收益。
Markowitz继承传统投资组合关于收益．风险权衡的原则，通过对证券收益率分布
的分析，假设证券收益率服从J下态分布，因而能够以均值、方差这两个数字特征来定
27
4伞球资产配置策略硕士论文
量描述单一证券的收益和风险。他进而考察投资组合收益率的均值和方差。组合收益
率的均值是成分证券收益率均值的简单加权平均，但是组合收益率的方差却不再是成
分证券收益率方差的简单加权平均。『F是组合方差形式的巨大变化，使他发现了投资
组合可以减小方差、分散风险的奥秘。Markowitz在均值——方差分析框架下，推导
出证券组合的上凸的有效边界，也就是决策所需的机会集。有了有效边界，结合效用
分析中下凸的无差异曲线，即决策所需的偏好函数，最优组合就被确定在两条曲线的
切点处，该方法求解投资决策过程中资金在投资对象中的最优分配比例问题【351。在实
际操作中，直接输入所有的资产不仅工作量大，而且解集稳定性不理想。而夏普，林
特纳等人的CAPM通过将单个资产与市场组合建立联系，一些学者还利用特雷诺比
率对资产进行排序、通过资产截止点筛选资产，极大地减少了输入均值方差优化模型
的数据，提高了计算效率和计算结果的稳定性。
由于马氏的均值方差原始模型对卖空未加限制，这与现实的操作出入较大，因为
卖空还没有在世界市场普及，特别是新兴市场缺乏卖空工具，因此有人对模型做了改
进【36】：
Max儿一争砌
完全投资条件：e'k=1
附加约束条件：b￡≤Ah≤bu
(4．1．1)
持有量上下限：hL≤k≤hu
．厂表示期望的超额收益，V表示风险资产的协方差，h是组合向量，e是和向量，
e。=(1，1，⋯，1)。
Tobin(1985)指出马克维茨的有效边界会得出让人惊愕的结论，那就是：任何投
资者只需在风险资产和无风险资产选择不同比例，而没有必要改变最优的风险资产。
这就是托宾的共同基金定理(参见John Y．Campbell的，《战略资产配置——长期投
资者的资产组合选择》)。有的积极资产管理者企图战胜指数，建立了下面的模型：
Max a’h一2丛(办一hbmk)’v(h—Jjl拥‘) (4．1．2)
2
‘
S．t．e'k=1，b￡≤Ah≤bU，h。≤h≤kU
a’=f一∥=条件期望收益一无条件期望收益，h撕为指标组合资产权重，以，的意
义也和通常的风险厌恶不一样。利用历史数据归纳特定资产的收益风险特征并假设该
特征具有稳定性，推出的收益是无条件期望收益；条件的期望收益则更加积极，利用
不断变化的经济信息，预测资产的期望收益，并不拘泥于历史数据。全球战略性资产
配置者通常相信市场的有效性，但他们不仅仅局限于投资市场指数化组合。任何长期
投资组合都可以成为战略性资产配置。Victor博士构造的全球市场基准组合也是一
种战略性资产配置，其组成如下图4．1所示【37】：
2R
硕士论文全球资产配置理论与实证分析
世
界
组
△口
收
(4
大公司股票(7。％，<釜篓嚣蓁；；：凳：
昙是孵瓣瓣器．
／亚洲债券f30％)
际债券二欧洲债券r 50％)
50％) ＼新兴市场债券(20％)．
4．2战术性资产配置
战术性资产配置是一种动态配置，它是对战略资产的短期偏离，常常是一个月或
一个季度，也有高频调的按同调整。Campbell，Magnus Dahlquist(2001)主张利用期货
和互换来捕捉短期市场机会，因为利用衍生工具比直接调整组合成本更低，还不破坏
长期战略。
R．CtClarke，M．T．FitzGerald，P．Berent，*IIM．Statman等人认为动态资产配置投资者必
须建立起可信的模型，来反应影响证券收益的各个经济变量。其次，他们必须拥有大
量的信息，来弥补买卖证券时所必须支付的交易费用。假设投资者根据现金收益的相
关数据，达成现会和证券组合的最大期望。投资组合的收益和方差表达式如下：
E(R+。I‘)=wE(S,+．1‘)+(1一w)C (4．2．1)
仃；／，=W2《／， (4．2．2)
其中，W是组合中证券的比重，E(S+。I‘)为给定时刻t时刻的经济信息t+1期证
券的期望收益。c为现金收益，盯：¨是在给定t时刻的经济信息t+1期证券收益的波
动。令战术性资产配置者期望最大化以下效用函数：
，r2
E(％，l It)=E(R+。l L)-等(4．2．3)
』、
R投资者对风险的容忍系数，E(∽+。I‘)是在给定t时刻的经济信息，t+1期投
资者的期望效用，对上式求一阶条件，得出：
29
摊懒姒懒泓
一姒粥一铴㈣
泓m舷
0
0
1
1
亚歇新洲洲兴f(市如如场％％(，、)2 ％ ∈ 际知股％ 票，
爱6
＼萄
毋(
尼f＼＼0、
4伞球资产配置策略硕士论文掣：E(置+。I‘)一C一孥(4．2．42) 从而求得最优化的证券比重：∥：(旦堡}学)尺【381。
j20；fl
战术性资产配置注重高频发生的事件，而周期性资产配置的方法则侧重于政策的
影响和其它经济震动【39】。从广义的角度来说，战术性资产配置也是一种周期性资产配
置。
C．Augusto Casas(2001)研究了基于神经网络的战术性资产配置，并以国际债券组
合作为研究对象。在他的神经网络模型中，风险是不考虑的，投资者只是最大化债券
的期望收益，并将资产100％地投资到一种债券上。这样债券的收益预测非常关键，
因为收益预期直接决定了资产的选择。在Augusto(2001)的模型中，经济基本面和
技术面的信息通过好几个层的线性运算，通过层层生成的方式从输入变量到最后输出
收益预期的结果，如果预期与现实不符，则通过反馈机制生成新的变量系数，直到结
果最近似为止，其作用路径如下图4．2所示【40】：
输入层
图4．2基于神经网络模型的战术性资产配置作用路径图
神经网络战术性资产配置模型假设经济变量与预期收益之间的关系在一定的时
间内具有稳定性。在过去对现实拟合得很好的神经网络模型可以用于预测，这样输入
当期的经济变量参数，即可预测预期资产收益【411。
战术性资产配置的机动性比较强，该方法不放弃稍纵即逝的短暂市场机会，即
使调整组合与仓位，对适应千变万化的市场具有积极的指导意义。但是，要捕捉短期
市场机会，对资产价格运行的技术分析必须也要到位。如：要结合价格走势与量能变
化分析获利机会的存在性，要认识到政策面对资产价格走势的短暂影响快进快出等。
硕士论文全球资产配置理论与实证分析
4．3周期性资产配置
周期性资产配置是指在可以预测市场基本面变动的情况下，利用各种价格涨落的
机会，不遵守长期投资时的资产分配方案。和战术性资产配置注重价格变动频率不同，
周期性资产配置更加关注政策面的变动。
经济环境的改变，如税率、法规、财政和货币政策的改变，将影响资产的价格，
产生不同的价格变动模式，对于周期性资产配置来说，必须努力辨明这个模式。
这里“周期”的内涵十分丰富，不仅仅代表经济周期，还有各种宏观经济变量、
政策的变化周期。和战略投资者强调“长期趋势’’不同，周期性资产配置注重的是“变
化”。维克托·坎托曾提出了他自己的研究心得，下表4．i【421是他总结的关于经济变
量改变和资产选择的关系。
表4．1经济变鼙改变和资产选择
经济变量经济变量改变资产选择
通货膨胀
实际利率
通胀、税
收和怯规
通胀引起
实际税率
夭美兀元札汇军率
／上升
＼下降
尹Σ酞
＼I下降
／上升
＼下降
．尹Σ酞
＼I下降
尹L献
＼下降
短期国库券
长期国库券
股票
长期国库券
小公司股票
大公司股票
价值股票
成长股票
美国股票
外国股票
对于上表，维克托博士给出他的解释：当通货膨胀上升时候，短期国库券受到的
不利影响相对于长期国库券要小一些；实际利率上升时，它对股票价格的影响不很明
朗，但长期国库券相对于股票价格下跌是比较清楚的；税收和法规的加强往往对大公
司不利影响较大，小公司可利用自身的灵活性获得相对优势，然而，在长期内这种优
势又不明显；如何分配价值股票与成长股票?这要取决于投资时间的长度，成长股后
劲十足，随着成长公司的发展，成长股收益比价值股票的收益更高，但是投资时间短，
就应该买价值股票；美元走强意味着美国经济的好转，此时美国股票相对于外国股票
有优势，若美元走低，则应该选择国际(特别是硬货币国家)资产。
郑木清(2003)【43】在他的著作中论述了经济增长周期与股票、债券和现金等价物
的选择问题。理解经济增长周期需要先理解产出缺口的概念，产出缺口=实际产出一
潜在产出。当产出缺口为正，经济处于潜在水平之上，当产出缺口为负，经济处于潜
3l
4全球资产配置策略硕：￡论文
在水平之下。故而，增长周期可以分成以下四个阶段：(1)潜在水平之下的扩张。该
阶段股票和债券的表现强于现金。(2)潜在水平之上的增长扩张。该阶段股票收益率
高于现金，债券表现不佳。(3)不可持续水平上的紧缩。该阶段股票表现最差，现金、
债券明显强于股票。(4)潜在水平之下的紧缩。该阶段股票和债券表现都会很好。
明确了增长周期各阶段的资产大类分配后，行业资产配置就成了关注的焦点。(1)
在经济增长的上升初期应该加大投资对GDP增长敏感部门的资产，该类资产包括建
筑、交通、电力、IT、旅游娱乐等行业。(2)在增长高于趋势的早期、中期，应加大
汽车、纺织和住宅装修等行业的投资。原因是伴随社会财富的积累人民大众有了一些
高层次的需求。(3)在经济停滞和衰退阶段，对机械、石油、金属、有色金属、造纸
等资源类行业应给予足够的关注。(4)在经济急剧下滑阶段，要将资产转到防御型部
门。如医药、超市、公共事业、烟草和化妆品等部门。(5)在经济衰退后半期引起货
币政策放松时，要投资利率敏感行业。如银行、投行、保险和经纪业。当然，投资者
的过度热情与过度悲观也会使上述建议失效。例如，根据席勒(2000)的描述，在美
国股市泡沫破灭之前，投资者的热情高涨，当时美林证券的广告词是“美国是牛市’’，
疯狂时期，各行业股票普遍上涨，行业选择的重要性下降；低迷时期，有时候可以不
夸张的说，只要是只股票就跌，此时的行业选择重要性也下降。
此外，由科柯、戈麦斯等人发展起来的生命周期资产配置，经过坎贝尔、麦恩哈
特等人的实证研究，得出：风险投资对于年轻人非常有诱惑力，而对于生命周期后期
投资者却不然。另外，风险厌恶系数也会影响投资组合中风险资产的配置比例。
4．4综合性资产配置
综合性资产配置考虑到投资的目标和策略、资本市场情况，对数据进行最优化处
理：并将最优解和投资者最终目标、策略以及最近的市场表现综合考虑。与前述资产
配置注重策略不同，综合资产配置注重数据处理的方法，很多数学模型极大地丰富了
综合资产配置模型的研究。这里主要介绍五大类典型模型，它们是Black Litterman
模型、基于VaR的组合优化、下偏风险框架下的组合优化、多阶段随机规划情景分析
模型、资产负债管理模型，这些模型具有典型性且在国际投资中被广泛运用。
4．4．1均值方差模型的改进——Black Litterman Model
Markowitz要求输入世界上所有资产的期望收益及其期望的方差．协方差矩阵，
均方差最优化意味着有效曲线上风险与收益的均衡，组合权重只是数学优化的结果。
资产管理经理却是直接考虑权重，用战术的方式偏离均衡基准收益。均值方差模型过
分依赖历史数据，然而Morton(t980)iiES)j历史数据不是未来期望收益理想的的替代
物，估算的误差大小对组合理论是否能运用到实践至关重要；Michaud(1989)甚至认
32
硕上论文全球资产配置理论与实证分析
为均方差最优化是估算误差的最大化，因为最优化模型容易赋予相关系数小、方差小、
收益大股票以较高的权重，但是极端的收益很容易受估算误差的影响。标准的组合理
论得出的有效前沿的每个有效点附近存在无限多的统计上等价的组合，但它们的组成
成分可能完全不同，输入变量细微的变化会引起输入结果的巨大变化，为了解决最优
资产组合权重的计算结果对输入变量的依赖性，Black，Robert Litterman(1992)开始
了更加具备应用价值的研究。与一般优化方法不同，这两位学者用逆最优化方法，先
从权重得出隐含的收益作为中性起点(对中性的定义：如果所有的投资者有相同的观
点，期望的收益集将会使市场出清。)，该模型可将市场均衡与投资者的经济推理结合
起来，得出融合市场均衡与个人观点的合成收益率，再求出修正的组合权重。任何战
略资产配置(例如资本市场权重组合)都可以作为Black．Litterman方法的中性起点。
如果某组合的收益呈正态分布且投资者效用函数满足二次性条件，令投资者的相对风
险厌恶系数是y，含n种资产的投资组合方差一协方差矩阵是Σ(nxn)，投资组合的
期望收益是／z(玎x1)，国‘是所求的组合中各资产的权重，缈’(，zxl)的求解过程如下：
-一下Z(o'Z60 (4．4maxgo ．1．1) ∥一—i～ 竹··l·lJ
∞ Z
对上式求一阶条件，可以得出：缈。=(店)叫∥，／a=?zro’。从上式我们不难看出，
如果∥和缈+有一对一的影射关系。如果∞+等于市场组合w埘h，那∥就等于市场组合
的隐含收益率n(n×1)，也就是说，市场组合的隐含收益可以由市场组合向量及其期
望的方差一协方差共同决定即】：
17=庠‰ (4．4．1．2)
直觉上你会认为该方法和CAMP很类似。但是模型假设价格将在市场均衡条件
下进行了调整，新的期望收益能够使市场出清。Black Litterman表明短期内的期望收
益可能和长期市场出清条件下的期望收益不同。除了要表达期望收益的大小之外，投
资者还需说明他们对持有该观点的信心程度。Black Litterman的贡献在于构建了一种
调和配置，它在市场均衡和个人投资观点之间达成一致。信心越大，修正的期望收益
越往投资者的观点倾斜，信心越小，修正的期望收益越接近市场组合的隐含收益率2。
2这里考虑更一般的情况，令有i种资产，R=13i+YiZ+q，其中R为i种资产的超额收益，n，是i种资产的
均衡风险溢价，z是影响i种资产超额收益的共同因素，q是对i种资产的独立冲击·摹同因素和独立冲击的相对
影响决定资产超额收益的协方差，期望的超额收益是均衡的风险溢价(F．Black于1989年建立了一个CAPM均衡的
全球版本，提出了均衡风险溢价的概念)、共同因素的期望价值和独立冲击(independent shock)的期望价值
的函数：E[R,I=兀。+乃研z】+研q】，假定期望的平均值，E[R】是不可观察的随机变量，以均衡风险溢价为中
心，分布在其周围。耳刚的不确定性米源于E[z】、研q】，假定e[z】、ElY,】的不确定和自身的波动性成比
例，这意味着研R]的协方差结构和Σ成比例。把期望收益写成tΣ，因为变量期望的方差小于变量本身的方
差。长期均衡的数学描述；E(尺)～N(FI，匹)[45】。
33
4伞球资产配置策略硕一I：论文
BL其基本思路如下图4．3所示【461：
风险厌恶系数方差．协市场资。
=(E(r)-rs)／ 方差矩阵本权重
(Σ) (‰)
图4．3 Black Litterman模型的基本思路
令主观观点组合的收益等于Q，观点误差的方差为Q，通过Black Litterman计
^ ^一l ^ ^一l
算公式，可计算出新的修J下收益：∥一=[pΣ)-1+P’Q用-1[pΣ)_1n+∥Q Q]，再结
合历史的方差协方差矩阵关系，按照通常的均值方差优化理论可求解新的组合：
W'=(压)_1∥一。
4．4．2基于VaR的组合优化模型
VaR表示在给定时间的一定置信区间内的最大损失值。比如说十天的持有期的
99％的VaR，表示在给定的时间十天内，有1％的可能，损失超过在险值。
标准方差作为风险的衡量的方式，意味着投资者把的正风险和负风险同等对待，
但是，很显然资产的上偏风险和下偏风险的可能性不同，投资者对上偏风险和下偏风
险的态度也不一样。
34
硕‘J：论文全球资产配置理论与实证分析
Roy(1952)，Arzac，Bawa(1977)定义了不足额约束是组合的价值落到一个特定
的灾难性水平仅限于一个特定的灾难性概率；Leibowitz，Kogelman(1991)，Lucas，
Klaassen(1998)构造了在不足额约束的前提下最大化收益的组合，在给定的时间和置
信水平上，最小的收益应该可以获得【47】。
Refael Moreno．Vozmediano，Krishna Nadiminti等人用的组合优化方法综合运用
了VaR、蒙特卡罗模拟和伊藤引理，方法如下【48】：
给定一个组合，组合的价格P用k个资产的各自价格5，与其比重w的乘积之和
表示，令S={S1 s：。．．以)，w={wl，w2。⋯wk)，组合在t时刻组合的价格是：
—生_
P(t)=Σwfl,(t) (4．4．2．1)
i=l
VaR被定义为在一定的持有期限和置信水平下，组合的最大期望损失就是VaR，
Prob{AP(At)>gaR}=1一c，C是置信水平。组合的优化问题能够通过财富的最大化，
或风险的最小化解决。如果考虑财富最大化的标准，求下式：
Max△P(出)(△P(＆)=P(t+&)-P(t)) (4．4．2．2)
七’r’
s．t．VaR≤V，>’w=1 J●_’
t-I
W是最优的组合成分向量；另一个方面来说，如果考虑风险的最小化标准，就是
找到最优的组合权重使期望组合的VaR最小，表达式如下：
MinV撤(4．4．2．3)
k
s．t．tW(At)≥】，，Σw=1
t=l
有好几种方法可以求VaR，用参数模型，如资产标准VaR、delt标准VaR或者
delta-gamma标准VaR。非标准参数模型，像历史近似和Monte Carlo模拟，鉴于该种
方法运用广泛，下面就用该方法求VaR。
MC(Monte Carlo)方法基于模拟组合资产价值的变化，然后估计整个资产组合价
值的价值，这种方法在理论上有它的灵活性，它不受风险分布条件的约束，能够通过
增加模拟的次数提高精确性。为了进行模拟，假定单个资产的价格满足几何布朗运动
的随机游走过程，sat)满足：dS(t)=pS(t)dt+crS(t)dW(t)，dW(t)是个维纳过程，／z
是即时漂移，盯是资产波动，假设满足刘‘数『F念分布，使用伊藤引理，上述可以写成：
d(1n S(f))=(∥一盯2／2)dr+crdW(t)，假定在有限的时|、日J问隔国内，S(t)的价格变为
SO+田)，S(H 6t)=S(t)e‘p可q2’础+叫拙，rl是标准的正态随机变量，k种资产的价格
服从k个资产价格路径：St(t+6t)=Si(t)e‘岛一q2／2)A#t+qz,48t，Zf是k个相关的随机变量，
它们的协方差是：coy(Z,．Z，)=eov(S,，S，)=岛，把k个不相关的正态分布的随机变量
r／=(／71 r／2⋯rh)转换成k个相关的随机变量Z=(ZI，Z2，．．．，Zk)，使用Cholesky协方差
35
4伞球资产配置策略硕士论文
f岛l
矩阵的分解法：尺=似r，其中R=l；
L以。
的分割矩阵。将A应用于17，Z=At?，
的随机变量。
i!；三]，彳和彳7’互为转置矩阵，A为满秩
在给定的&时间内，分为m个步骤模拟11种资产价格路径，
SO+万f)，墨(f+2fit)9 o．9墨(f+At)=墨(f+rest)，6t=At／m，对于每一个近似过程，
k
Pj(t+At)=Σ_，／S，／o+△f)，夥=l，．．．，N，N是模拟过程的次数。组合价值的变化可以
i=1
用下式表示：∽(△f)=eO+At)-P(t)，Ⅵ=l，．．．，N，组合的VaR可以通过模拟N次组
合价值在目标范围变化的分布求出。
组合优化问题是个需要大量计算的过程，MC模拟必须对于每一个组合向量都有
自己的结果，为了找出最大收益或最小化风险的VaR，可用几种技巧可以提高精度，
如：模拟成千种组合的情景，采用更加复杂的组合(数百种)、更多的价格路径(数
百万种)和更长的持有期，但是这增加了模拟的时间。
4．4．3下偏风险框架下的资产配置模型
上述VaR虽然有考虑下偏风险的含义：如果三(x)是X组合的损失(￡(z)=．R(x))，
vaa声(x)(o<∥<1)被定义为满足e(￡(功≥口声)--=1一声的最小的％。当x的收益曾现出
Longer tail分布时该方法无效，因为VaRy(x)不是x的凸函数，因此无法最小化函数
VaRD(x)。因此，理论需要呼唤对收益分布无任何要求的更一般化的下偏模型。下面
介绍三种下偏风险框架下的资产配置模型【49】。
(1)Harlow的下偏距组合优化模型
均值方差框架几年来越来越受到人们的质疑，因为投资环境的变化，期权、债券
的收益曾现非正态分布，一些股票资产特别是新兴市场国家股票的资产也表现出非正
态分布的特性。Lo．A．Mackinlay,A．C．(1999)指出一些股票不遵守随机漫步理论。不附
加收益分布假定的下偏资产配置模型，既符合投资者的心理感受，又和冯诺依曼的最
大化期望效用原理一致。Harlow W．V的模型表述如下：
—L 1 MinLPMq(h，川=Σ三(Jll—B)9 (4．4．3．1)
％<^“。1
JJΣwE(R)≥B’，Σw=1，w≥0。
i ，
其中，g=1，2，Ⅵ为分配给证券资产z的投资比重，E(Rf)是R的数学期望；R，’为
投资者的期望收益率水平，n为收益率的个数，h为目标收益率的水平。
(2)低偏绝对半离差模型(M．LSAD)
36
硕士论文全球资产配置理论与实证分析
低偏绝对半离差模型的英文全称为：Mean lower semi．absolute Deviation Model，
该模型的表达更加一般化，对各个时点的下偏概率予以细化，其表达式如下：
E[IR(x)一厂(饥】=ΣeIΣ(o—o)_I (4．4．3．2)
MinΣP fΣ(‰一々)_l (4．4．3．3)
s．t．(‘，x2．．以)∈X
其中，R(x)是(墨，恐，．．．，尼)分布在有限点集，：=(‘，，r2∥．吒，)，f=1，2，．．．，T的周围。￡
是R达到，：的概率。
’
上述规划模型可以通过下面的线性规划来求解：
rainΣ％； f (4．4．3．4)
s．t．z，≥-2；(以-5)x：，t=1，2，．．丁，z。≥o，t=l，2．．?
(五，X2。‘)∈X(_’，屯+，．．‘+，z。’，z：’⋯z。+)是求解的结果，特别需要指出的是：
：r：==nnax{——嘉Ic，_—-，j，_’，。)=；l主j=l c，j，—：，j，_‘|-’，c‘’，屯+，⋯‘+，是最优解。L J。J |-
(3)低偏半方差模型
低偏半方差模型英文全称为：mean lower semi．variance model。它衡量的是下偏
方差问题，其表达式如下：
MinΣP IΣ(白一，：『)_I (4．4．3．5)
s．t．(一，X2．．以)∈X
上述规划问题，可以通过以下线性规划求解：
7'
rainΣ只zf2
f篁I
(4．4．3．6)
s．t．Zt≥一Σ(0—0)■，t=1，2，⋯T，Zt≥o，t=1，2⋯，T，
』名I
(五，x2．．‘)∈X。(‘’，而+，．．‘’)是最优解。
式4．4．3．1给出的哈罗德模型是最原始的考虑下偏风险的组合优化模型，虽然在
概率的确定上较低偏绝对半离差模型和低偏半方差模型粗略。但是，它不允许卖空，
对资产限定了保底收益，这一点在衍生工具比较发达的今天仍然具有非常重要的实践
意义。
37
4会球资产配置策略硕士论文
4．4．4多阶段随机规划情景分析模型
Mulvey，Zenios(1994)主张债券组合管理应该秉着分散化管理的原则，注重各种
可能经济情景下的证券联动，用情景分析替代基于简单风险测度的组合免疫化策略如
久期和凸性匹配，认为该框架特别适合国际债券管理。
随机规划为情景分析提供了适合的数学框架来处理不同情景下不确定数据的实
现，它是基于所有可能情景的多期优化模型。随机规划模型最早可追述到1950年
Dantzig的工作，Mulvey,Vladimirou(1992)，Dembo(1993)，Carino(1993)，Ziemba(1998)将
其充分运用金融领域并获得广泛的认同【501。作为一种跨期资产预期函数，随机规划可
以决定每一期间的最佳投资。考虑到情景生成元素的条件性质，随机规划模型是基于
决策空间的扩展。条件决策是在每一个受模型约束条件所规定的节点上做出的，你可
以利用被抽取的情景生成元素的每一个机会。近年来，国内外诸多学者对动态资产配
置模型进行了研究，Carino等人以多阶段随机性过程系统地阐述了一家日本保险公司
的资产配置模型，处理了大量的情景不确定性问题。多阶段资产配置模型是建立在未
来外生经济环境不确定的基础上，不确定的未来外生经济环境(如利率、各种资产收
益率)作为模型的状态变量，输入到模型中，影响着资产配置决策的结果。情景生成
就是近似模拟状态变量未来的合理表现，在一个给定的周期结构罩，一个情景是涵盖
了整个周期的状态变量的一个序列，情景的组合可以形成一个情景树，如图4．4所示。
图4．4包含六种情景的情景树
图4．4是一个两期的情景树，每一个节点代表一种状态，t=-0时刻状态是初始状态，
它的状态变量是已知的给定这个状态，t=l时刻的l，2，3状态是0状态分别以三个概
率生成的可能状态，t=2时刻的4，5状态又是由1状态分别以两个概率生成的，其它状
态的生成也相似。这样，路径0．1．4就是一个情景，在图4．4中共有6个情景。
Carino随机规划模型是建立在情景生成基础上的，通过在计划期每一个阶段每一
个状态上改变各类型资产比例，来寻找目标函数最优的资产配置策略【511。
N，T—l Nt
maxE[。E!，At,一ΣΣmax{0，心一以)】(4⋯4 4 1)
。’‘t=0 n=0
T-I M
·其中，吼ΣΣmax{0，氏一以】是期望的损失成本，指损失超过某一阙值带来的
t=0 n=O
-肌'
惩罚成本，研Σs如】是资产价值。
n=i
3R
硕士论文全球资产配置理论与实证分析
对上述目标的函数的约束条件有七个：
l l
①Σ(1一∥)砣一Σ(1+矿)《一G=o；
f≈l 1=1
②mo+Σ(】一∥)‰一Σ(1+殍)硫一％=o； ③兑=(1+‰)z?_一磕+《；
f=l f=l ‘，“，“
， ，，^
④矗=薯。一‰+《。；⑤4=乏(1+‰)∥．；⑥群≤挚≤衅；⑦磙≥o'其中，∥和51 ，，．¨4”
力分别为出售i和购买i的交易成本；壤是在t期的n节点上购买i资产的额度，‰是资
产i在期初零节点的额度；G为t期n节点上的现金支付；珐是在t期的n节点上出售i
资产的额度；mo是最初用拥有的现金；露。是是在t期的n节点上i资产的持有额度；彬
和硝分别表示i种资产配置的下限和上限；厶。是在t期下n节点上的负债总额，％是在
t期下n节点上的资产收益，n为节点n在时／YtJt．1的前续节点。
从上述七个约束我们不难看出，在资产不允许卖空、资产购买与资产出售满足严
格的资金平衡方程，可以限定任何资产仓位上下限的情况下，动态配置资产组合，以
便在各个观测点，累计实现的财富现值(减去损失成本)均满足最大化条件。
在动态资产配置模型过程中，生成未来资产收益率的预测(即情景生成)是一个
关键的步骤。世界知名精算公司Towers Perrin公Mulvey(1995)设计出图4．5来生成未
来收益【521，该市场规划与综合设计联系图在国际金融界非常流行。
现金
收
逋胀
主要资产收益
图4．5用层叠结构的情景生成过程的市场规划与综合设计联系图
我国学者陈伟忠(2007)在分析市场与行业因素对国际资产配置绩效的影响时，
曾用GARCH(1，1)模型对历史数据建模生成未来资产收益率，模型表达式如下：
39
4伞球资产配置策略硕一f：论文
yl=C+Rx yt—l+sI
矿=K+Gx《l+Ax8f-12 ．
‘=N(0，砰)
其中，Y为资产收益率，F和盯分别为收益率序列的残差和条件方差【53】。
4．4．5资产负债管理模型
单纯的资产管理只是注重资产的现金流而没有注意到负债现金流，因此单纯的资
产管理并不能完全满足现实的需要，本节将介绍资产与负债筹划兼顾的持续期匹配与
资产负债免疫策略【541，这种方法在全球资产管理中体现了最新的趋势。
(1)持续期匹配策略
MinY．Po，xj (4．4．5．1)
x jEJ ＆‘荟(蕃面主寺石心≥蕃高
■≥0
其中，Pof是j资产0期的价格，z，是j资产的数量，C，t是j资产在t期的现金流，
厶是t期负债现金流，上述模型的含义是：让资产现金流的现值至少等于负债现金流
的现值，在不允许卖空的条件下，使资产负债组合的期初购置成本最低。
(2)资产负债免疫策略
MinZPo，xj (4．4．5．2)
J jeJ． 文六ΣjeJ(善面未等历H≥善高
ΣA，一=△
jcJ
一≥0
△，是j资产的久期，其它符号与式4．4．5．1中符号含义相同。上述让资产现金流的
现值至少等于负债现金流的现值，在不允许卖空的条件下，使资产负债组合的期初购
置成本最低，并且要使资产的久期与负债的久期相等。该模型在银行、保险公司资产
管理机构也有着极其广泛的用途。
从直觉上判断，银行、保险公司的负债比例较高，对科学的资产负债管理有着强
烈的需求，然而事实并不只如此，现代金融的发展使得许多非金融类公司也有了广阔
的融资、投资渠道，单纯的资产管理与单纯的负债管理已经日渐为资产与负债管理所
取代。
硕1：论文全球资产配置理论与实证分析
5．全球资产组合的业绩评估
许多全球资产管理者倾向于运用非常高深的数量方法来构建投资组合，然而，投
资组合的业绩能否经得住市场的检验还是一个问题。如果业绩良好，则说明该数量方
法的确有效、指导性强，否则就应该采取其它分析技术，并重新调整资产组合的成分，
剔除预计会给组合业绩带来不利影响的资产，加入具有良好收益前景的资产。因此，
从检验全球资产配置绩效的角度来考虑，我们无法低估业绩评估的重要性。
传统的业绩评估工具有Jensen测度、Henrikson—Merton测度和Treynor Mazuy
测度【551，本文将扼要予以介绍。由于计量经济学的发展，一些比较新颖的业绩评估技
术相继出现，鉴于GRS测度和PPW测度【56】广泛运用于国际、全球基金评价，笔者将在
本章予以详细阐述。．
5．1 Jensen莎]m]度
Jensen(1968)提出詹森测度，用来检测组合业绩是否战胜指数，其表达式如下：
珞一％=嘶+层，(‰一珞)+q (5．1．1)
吩>0，则表示组合战胜了市场指数，如果哟<O则组合落后于市场指数。％一％表
示t时期组合或者资产i的超额收益，‰一‰是市场指数的超额收益，届是资产或者
组合i相对于市场指数的收益敏感性，乞是误差项。
5．2 Henrikson-Mertoni贝lJ度
Henrikson-Merton测度(1968)考察了市场上升与下降时期基金经理的则时间
能力，用不同Beta系数表示投资组合与市场指数超额收益的关系，其模型如下：
珞一‰=嘶+屈f(％，一‰)+屐，只+岛(5．2．I)
只=Max(O，‰一％，)
当市场上升期时Beta系数为屈，，市场下降时系数是屈，一厦，，变量含义同上节。
5．3 Treynor-Mazuy澳lJ度
Treynor-Mazuy(1966)提出一个二次型方程来拟合业绩数据，其回归模型如下：
％一‰=％+层(％，一‰)+q(‰一‰)2+q (5．3．1)
q为正值，表示基金经理在市场上升时期能够将胜利果实扩大化，在市场下降时
期，能够避免市场下跌的风险；q为负值，则表示基金经理的择时能力较差。
5．4 GRS业绩测度
41
5全球资产组合的业绩评估硕士论文
Gibbons，Ross，Shanken(1989)提出了GRS业绩测度。GRS可以理解为两个经过最
大化Sharpe比率的组合的差异。一个组合包括国际基会组合和基准指数组合，另一个
仅包含基准指数组合。定义P，是lxk阶矩阵，表示第t个月基准指数的超额收益向量；
at是1×N阶矩阵，表示第t个月国际基金的超额收益。用P对a．进行回归：
at=成+p．B+et (5．4．1)
t=1，2，．．T，q，f，et，，是联合正态分布，均值是0，方差是Σ。f，J=1，2，．．N。E(％巳，)=0
(t≠s)，GRS的零假设：孱=0。Jensen系数连带的也等于0。
备选假设是孱≠0，检验统计量用下式衡量：
FMy=
^ ^一l ^
pjΣ|30
1+P．圪户
(5．4．2)
屁表示无约束回归估计的截距；Σ表示el,／，q．，方差一协方差矩阵的无约束回归估
计；户是p，的样本均值；吃是p，样本的方差一协方差矩阵。满足零假设情况下，％r
满足FfN，T-N．K)分布。
利用GRS评估基金的业绩有一个重大的遗憾就是：P0≠0，即风是正值或者是负
值时都会拒绝原假设。无论基金的业绩优于指数组合还是劣于指数组合，投资者都能
够充分利用。也就是说，投资者能购卖空表现不好的基金，买入表现好的基金。但是，
封闭式基金不允许卖空，甚至开放式基金允许卖空的情况也很少。因此，它并不是理
想的评估方法。
5．5 PPW测度
Dybvig and Ross(1985)，Admati，Bhattacharya，Pfleiderer and Ross(1986)，and
Ca'inblatt and Titman f1989)发现基金经理的择时能力能够偏离Jensen measure，还会扰
动基金与基准指数之间假定存在的线性联合的正常关系。他提出Positive Period
Weight(PPW)measure，为了计算PPW钡JJ度，假定投资者的效用函数的风险厌恶参数
为秒。效用函数用右式表达：E[U(Vr：)]-研—云形卜一】o
l一口
形是t期的财富，形=孵(1+靠+尼缈)，投资者对基准组合只选择最优的比重伊，
在给定无风险收益％的情况下最大化期望效用函数，得到一阶条件：
E[(1+‰+p,cp)叫∥]_0 (5．5．1)
PPW代表了把积极管理的基金加入到基准指数组合中引起的期望的边际效用的变化。
研(1+％+只伊)叫彬】=PPW (5．5．2)
零假设就是投资积极管理的共同基金不能提高一个消极投资者的期望效用，
PPW=0，如果PPW是J下值就意味着购买该基金能够提高效用，卖空限制对有着正的
42
硕士论文伞球资产配置理论与实证分析
表现测度的基金不起约束作用。使用GMM方法，当基金与指数不是联合正态分布时，
估计上述两个等式也可以得到一致性估计，给定K个指数，N个基金，就有lHN个距
条件。有K个参数待估计，有N个过分识别条件能够用来检验零假设，可以使用Ahn and
Schmidt(1994)的GMM估计的分离结果，分两个步骤估计等式5．5．1和5．5．2，在第一个
步骤中，先解决非线性方程的够，利用下列等式：
● r
g(妒)=-击Yto+‰牛pr妒)一口∥]=o (5．5．3)
‘t=l
PPW估计是：
^ ● 下“
一W=-圭XEo+‰+A妒)一口反】(5．5．4)
^
f皇l
其中，≯是式5．5．3的解。向量PPW是渐进正态的，均值是PPW，方差是Q。
^ ’^一1 ^
联合检验统计是：影黝[，：DPP酽=PPW Q PPW。矽蹦乙DPP形是渐进z2(N)分布。
这种方法能够克服基金经理市场择时能力对Jensen指数运用的干扰。
43
6全球资产配置实证分析硕士论文
6．全球资产配置实证分析
6．1基于BL模型的全球股票资产配置实证分析
本节选取改进的Black．Litterman模型作为分析工具。并给出用于对照的均值方差
技术、最小方差技术、Black．Litterman模型的分析过程，为了便于理解，此处给出
Black．Litterman模型的详细推导过程。
假设市场上有n种资产，∥(nxl)为n种资产的组合的期望收益向量，1-I为市场
O=P∥+r／，r／～①(O，Q) (6．1．2)
P(kxn)是代表k种主观观点的投资组合向量，Q(kxl)代表主观投资组合的期望
收益，占(咒×1)是白噪声过程，Σ(以×胆)是市场组合历史的方差一协方差矩阵，r是常数
紧缩因子，r／(kxl)是观点的误差项(信心越大，其值越小)，Q(kxk)是观点误差项
的方差．协方差矩阵。将上述两式写成一个矩阵等式，不妨令：
，，=(耋]，x=(三)，“=(丢)，贝u“～①c。，甲，，甲=(I}兰]，贝u有：
Y=肌4-“ (6．1．3)
为了求解∥，在此运用广义最小二乘方法(GLS)【571，设存在矩阵≯，使彤r=甲～。
矽rY=≯r即+≯7’U (6．1．4)
E(矽rUUr≯)=≯rE(uur)痧=矽r甲矽=矽r(矽≯r)卅矽=，，令X+=≯rX，CTu=1，，
y．=X‘∥+1， (6．1．5)
∥洲6=(X”X‘)-1Z”Y’，∥一6是结合市场均衡与主观观点的期望收益，
2corn6=【(痧rx)'痧rx]-1【(矽rx)’矽rY】_(x’钐rx)(x’钐rY)
’
=(X‘甲叫X)。1X’tp～Y 一(6．1．6)
∥删6=ct一，[譬兰]～(三)～c·P．，[譬兰]～(耋]
=[(cf会，_1 P。鑫-1)(三)]-1(cf金，_1尸’鑫-1)(耋]
硕士论文全球资产配置理论与实证分析
=【(fΣ)_1+尸。Q用叫[pΣ)-1 p+P’Q Q]
=【(fΣ)-1+P’Q用_1【(rΣ)-1rI+P’Q Q] (6．1．7)
对于Var(kF。”6)如何求解呢?我们知道，对于简单线性方程Y=XB+u来说，如果
残差项具有相同方差、残差间协方差为零且满足最小二乘法的其它假设。则
Var(B)=《(x’x)。
在Y’=X’声+v中，爵=1，
Var(／a。”6)=(X。X+)一=【(痧rX)’(矽rX)】一=(Xr≯≯7’X)。
=(X7’甲-1X)．1 (6．1．8)
将X、甲的值带入上式，得：
玩rc∥”m6，=(-∥)f譬兰]～(二)一=[(cf翁一1 P．盎‘1)(三)]一
=[(rΣ)一+尸’Q尸】一(6．1．9)
将∥。柚和历史的方差协方差结合起来，利用均值一方差优化方法得出新的投资
组合w．。
W．I---(压)一∥一6 (6．1．10)
(2)数据采集
本节选取2001年10月至2006年12月间的S&P500、Nikkei225、Hangseng、Cac40、
Dax、S&P500／ASX、FTSEl00指数(指数值参见附录B)作为研究对象，用这些指
数收益率的月度数据近似表示在纽约交易所、东京交易所、香港联交所、Euronext、
德意志交易所、澳大利亚证券交易所、伦敦交易所交易股票的市场表现；并选取3．38％
(五年期美国国库券2001年10月至2006年12月间的平均收益，数据参见附录C)
作为无风险收益率3。
(3)实证分析
本节的实证分析分成四个部分，第一部分是基于历史平均收益的马克维茨组合优
化，第二部分是运用最小方差技术，第三部分是Black Litterman模型框架下的组合构
建，第四部分利用Black Littennan框架下的局部改进模型。为了便于对照分析，上述
四个部分使用相同的数据。
首先运用Eviews 3．0将各指数的月度收益率转化为年度收益率，减去无风险收
益，得到各指数的超额收益率，再求出各指数超额收益率的方差．协方差关系矩阵Σ，
Σ的值见表6．1，再设法求出投资者的风险厌恶系数，以便在实证分析的四种状态下
使用。
3读者可参阅Aswam Damodaran的((Estimating Risk free Rates))。
45
6全球资产配簧实证分析硕士论文
表6．1考察市场超额收益的方差。协方差矩阵
S&P／ASX CACAO DAX FTSEl00 HANGSENG NlKKEI S＆P500
S&P／ASX O．1 04562 0．1 32337 0．2 1 0953 0．089332 0．084237 0．0941 00 0．0901 92
CAC40
DAX
O．132337 0．548304 0．910480 0．293783 0．178617 0．100848 0．291646
O．210953 0．910480 1．956092 0．495201 0．274726 0．102900 0．508275
FTSEl00 O．089332 O．293783 0．495201 O．195416 O．1305∞0．080043 O．174569
HANGSENG 0．084237 0．178617 0．274726 0．130570 0．449053 0．159034 0．204014
NIKKEi 0．094loo 0．100848 0．102900 0．080043 0．159034 0．438169 0．081991
S&P500 0．090192 O．291646 0．508275 0．174569 0．204014 0．081991 0．226112
五表示考察市场的投资者对一：．e(Rm)-Rs(6．市1．1／I, 场风险的厌恶系数，表达式为： 2—————：-—一k )，
o‘
对各国市场指数的名按照各国资本市场市值加权求和计算出y，，，=O．5。
①基于历史平均收益的马克维茨组合优化
我们利用历史平均收益率来表达上述七个市场未来的年收益率，澳大利亚标准普
尔、CAC40、德国DAX、英国富时100、香港恒生指数、日经225、美国标准普尔
500的排列顺序，期望的年收益率向量为∥。
∥=(O．127，0．198，0．413，0．098，0．272，0．236，0．1 15)r，如果指数历史的方差．协方差关
系稳定，则根据4．4．1节内容，在期望收益呈现正态分布，效用函数满足二次性条件
下，利用马克维茨的均值方差理论，得出有效组合为07‘，彩’=(压)一／z。由于Σ的数
值表6．1．1已经给出，代入数据，Matlab 7．0软件计算，求出：
国+=(1．972，0．239，0．547，一1．930，-0．293，0．906，0．1 24)r。
②最小方差技术4
为了更自然地运用最小方差技术，我们先解决下述问题。
已知组合向量为X(nx刀)，Σ是n种资产的方差协方差矩阵，V=X’酾，且满足
约束条件：
AX=b
／z。X=E
求组合方差最小也即y值最小时候的X。
(6．1．12)
(6．1．13)
解：根据拉格朗同定理，设￡=12 x‘酗+五(似一6)一以(∥‘石一E)，为了求解在V
值取得最小值时的X，对上式对X求微分，则：
Σx+彳’旯一以∥=O
4参见马克维茨的《资产组合选择与资本市场的均值——方差分析》，朱菁等人译。
46
(6．1．14)
硕上论文全球资产配置理论与实证分析
上式如果有解，则解集如下：
『-x]『Σ彳’∥]-I『o]
I 兄l=I么o o l l 6 I
【-一砧j I／z’0 0 I例：
将最小方差技术用到上例，投资约束条件为：(1，1，1，l，1，1，1)X=l，A=(1，1，1，1，1，1，1)，
b=l，∥’用平均收益率表示期望收益，∥’=(O．127，0．198，0．413，0．098，0．272，0．236，0．115)，
Σ的值见表6．1，A和以∥和∥’互为转置矩阵。并假设投资这要求的报酬率为15％，
E=0．15，运用Matlab 7．0，将上述所用必须代入的数据数据全部代入解集式求解，可
以解出见=-0．061 1，X=(O．7661，一0．0715，一0．001 l，0．1636，0．1644，0．0747，-0．0962)r，
以=O．2865。也就是说：主要将资金投入到澳大利亚标准普尔、CAC40、德国DAX、
英国富时100、香港恒生指数、日经225、美国标准普尔500的比重依此为76．61％，
．7．15％，．0．11％，16．36％，16．44％，7．747％，-9．62％。
(§)Black Litterman模型框架下的组合构建
按照澳大利亚标准普尔、CAC40、德国DAX、英国富时100、香港恒生指数、
日经225、美国标准普尔500的排列顺序，可投资于各证券市场的市场比重(参见附录
D)为w。蔚，w。．b=(3．43％，11．59％，5．12％，11．86％，5．36％，14．43％，48．2l％)1。
将上述七个市场作为BL模型的中性起点，根据综合资产配置一章中关于隐含收
益率的计算公式：ri=rZwm缸，将八Σ和％蔚的数值带入，运用Matlab 7．0软件，算
出：
n=(5．09％，15．7％，27．3％，9．43％，9．93％，7．05％，10．8％)1。
现在我们考虑绝对观点与相对观点，融入主观观点，以修正隐含的期望收益率。
绝对观点：我们看好亚洲市场，认为香港联交所交易的股票将会有10％的超额收
益，估计有70％的信心。
相对观点1：欧洲市场的表现将会胜过美国股市5％的幅度，有60％的信心。
相对观点2：德国市场将要比日本股市超出3％，我们有50％的信心。
笔者用P，表示对香港股票的绝对观点组合：P。=(0，0，0，0，1，0，O)，也即
香港股票的权重是1，其它股票权重为O；用p：表达相对观点1：P2=(O，0．406，0．179，
0．415，0，0，．1)，也即欧洲三个市场按照市场权重比例构成的组合其权重之和为1，
而美国股市的权重为．1：用风表示相对观点2，p3=(O，0，l，0，0，．1，O)，也即
德国股市的权重为l，同本股市权重为．1。(注意：表达绝对观点与相对观点的方式不
47
O
6
，"¨¨儿i||列划E
式∥O
0
眵
嘲√o
o
毯
望陇卜Ⅲ一
将匕述三个等式联立写
6伞球资产配置实证分析硕：l：论文
第k个观点的表达式：q女=P女／．t+rl^，ql,q2和q3的值分别是10％、5％、3％。但如
何定义仇尚无定论。Thomas M．Idzorek认为r／女的方差tOk为(Pk Zp,7’弦。
如果我们采取He，Litterman(1999)的办法，令f=0．025，魄=(AZp,’)f，可以
Q=c吼，吼，吼，r，P=Pl。]，仇的方差一协方差矩阵盎，6=[吾丢耋]，也即：
．f，0．01 12 o o]
L o o o．0548j
∥=(O．0493，0．1384，0．2226，0．0854，0．0958，0．0888，0．0941)r，又∥=(压)_1∥，新的组
差畋=(AΣ,pkr弦，但这并没有充分反应“信心”这一重要信息，为了克服这个缺陷，
我们令q=(1一龟)(以Ep,r)，q为信心程度，且按,k璁,,SatcheU，Scowerofi(2000)1拥,
信心度这一重要信息，如果龟越大，表示对主观观点的信心越大，吼就越小。当对
观点有绝对充分的信心时，吼--100％时，魄为零，当对某个观点一点把握都没有时，
仍然利用上面的例子，只是这里我们令f=1，q=(1一q)(以ΣAr)，得出下面
f，P．、1 ．
Q=(qt，q：，吼)7’，P=I P2 l以及兀的值仍然不变，但仇的方差一协方差矩阵Q发生
【p，J
48
硕十论文余球资产配置理论与实证分析
，、f q 0 0 1 f o·1344 0 0 1
了变化，Q=l 0 哆0 I=1 0 0．068 0 I。根据前文模型的推导结果6．1．7
L o o 鸭j L o o 1．096j
式，代入f=1时，可得。
^ ^一1 ^ ^一i
∥。”=【(Σ)_1+P‘Q P】-I[(Σ)-1兀+P’Q Q】(6．1．19)
带入数据至6．1．16，运用Matlab 7．0软件计算，得：
∥一6=(0．0507，0．1381，0．2130，0．0861，0．0967，0．1012，0．0905)r，新的组合可以表示
成：W-"(届)。1／a一6=(3．43％，25．58％，一3．65％，26．16％，10．21％，29．37％，13．74％)1。
(4)结果评述
基于历史平均收益的马克维茨组合优化，得出的组合非常极端，该方法建议投资
在德国、法国、美国市场的组合比例分别为54．68％，23．92％和12．4％，而投资在澳
大利亚、日本、英国、香港市场的组合比例分别为197．2％，90．62％，．193％，．29．27％，
可见组合配置比较极端，效果不佳，最小方差技术的效果则要好些，但对澳大利亚的
投资比例过高。
根据He，Litterman(1999)方法，新的组合的确也有所改进，香港地区的比重从
市场比重5．36％上升到7．24％，美国的比重从48．21％下降到31．5％，澳大利亚的比重基
本没有改变，日本的比重从14．43％上升到23．89％，法国和英国的比重也显著上升。然
而，德国比重却变成负值．1．35％，原因是日本与港股的相关性很高，伴随着港股比重
的上升，其比重也上升，德国相对于日本股市的微弱优势未能在组合调整中体现出来。
由于没有将“信心”这一重要信息反映出来，美股的比重仍然非常高，可见新的组合与
投资者的直觉还存仍存在差距，模型的效果尚可，但有待于进一步提高。
从笔者改进的模型来看，可以发现组合的变动效果与我们的直觉基本相符，香港
经济的良好预期致使其股票权重增加明显；由于欧洲的股票收益预期好过美国，且该
观点有充分的信心，所以美国股票在配置中的份额大幅减少至13．74％，欧洲股票权
重大幅增加；但是，组合中并未体现德国股市相对日本股市的优势，这是因为该观点
信心度低。日本股票的权重在新的配置中反而大幅增加，这可能和我们的直觉不符合，
但是，我们通对同经指数和其它指数的相关性进行分析后就对此一点也不感到意外
了，因为同经225与恒生指数的历史收益具有最高的相关性，所以它的权重伴随着港
股比重的上升而上升。从这里我们看出，如果能够对未来的方差协方差矩阵进行预测，
则可以改善原模型；笔者对澳大利亚的股票没有表示任何看法，所以其组合比重也基
本没有发生任何变化。
49
6伞球资产配置实证分析硕士论文
6．2全球债券资产配置的实证经验
世界上很多国家出于资金安全的考虑，限制银行和保险公司只投资固定收益产
品，尽管这一规定现在逐渐放松，但是，弄清债券组合管理为研究复杂成分组合奠定
基础。由于各国的商业周期不同，各国央行制定的货币政策不同，这些因素导致利率
水平和期限结构不同，社会发展的趋势、外交政策以及政治力量不同也造成了这种差
异，这种差异使各国的债券收益相关性不高，于是在全球范围内配置债券变得有利可
图。
根据IMF对长期政府债券的总收益1970～1996年的统计，得出表6．2【58】：通过对
该表的观察我们发现：欧盟内部国家间的长期政府债券收益率的相关性较高，这是欧
盟一体化进程的结果；新西兰、澳大利亚与其它国家的相关性基本上都在O．3以下，
新西兰与澳大利亚的相关性仅为0．32，美国与其它国家(加拿大除外)的相关性也是
都在0．3以下；日本与澳洲、美洲国家的相关性较低，但是与欧洲国家的相关性颇高；
南非与欧洲国家的相关性较高，但与美洲、澳洲、亚洲国家的相关性较低。在相关性
稳定的前提下，各国投资者可以参照长期政府债券的历史相关性配置债券组合，达到
分散风险，提高收益的目的。
Kathy(1997)运用Markowitz的均值方差理论研究了国际债券组合(数据为
1970,--1996年间的长期政府债券收益率)，发现美国债券投资者投资全球债券组合比
单纯投资美国债券的策略更优，它可以使预期收益率从9．9％上升到10．8％，标准差
从12．10％下降到10．2％【591。国际债券市场是最大的债券交易市场，Solnik(1991)and
Jorion(1989)展示了把全球债券资产加入到全球股票资产组合中，在降低风险的同时，
还提高了收益。Eun and Resnick(1994)指出：对于美国投资者来说，对汇率风险保值
的国际债券分散相对于国际股票分散化表现出更好的风险收益平衡。Glen和
Jorion(1993)1j勺研究表明，对债券资产组合提供最优的货币保值战略可最大提升配置
效果。
但Miranda Lam Detzler(1999)发现1988．1995年间，积极管理的全球债券基金
相对于指数基金来说未表现出优异的业绩，可能是高昂的管理成本致使样本观测期的
国际债券基金收益不及美国国内债券指数5。
国际债券的收益主要来自三个方面：资本升值收益、利息收益和汇率收益【鲫。全
球市场存在无效性，如果投资者能发现这些无效性，就可以战胜市场获得超额收益口。
尽管近年来，世界经济的复杂程度加剧，一些统计数据的稳定性变差，这使得债
5读者可参阅‘'The performance of global bond mumal funds，Miranda Lam Detzler,Journal of
Banking&Finance 23(1999)1 195-1217”。
50
硕士论文全球资产配置理论与实证分析
券组合的分析与债券的定价问题都变得比较复杂。一些新的数据处理方法和衍生工具
为债券投资提供了新的帮助。
高盛公司的BlackLitterman模型最初就是专门为国际债券投资管理服务而设计出
来的。为债券投资提供新的工具，它从市场指数组合出发，融合投资机构者对市场的
主观看法重新配置资产。从2007年世界固定收益类资产的市场价值见表6．3所示：
卢森堡、日本、英国、意大利、西班牙、朝鲜、美国、丹麦、新加坡以及印度等国的
债券市值价值较大，鉴于朝鲜的政治风险，投资者可以将卢森堡、日本、英国、意大
利、西班牙、美国、丹麦、新加坡等国债券作为BL模型的中性起点。此外，雷曼兄
弟公司与所罗门兄弟公司编纂的全球债券市场指数比较著名，可以作为机构投资者配
置资产的出发点。
然而，笔者认为仅仅依靠Black．Litterman模型是不够的，由于市场难以预测，所
以应该充分利用期货、期权和套期保值等衍生工具来为资产保值、增值。假设投资者
长期内看好一国债券的，但是预计该国债券的价格在短期内受市场波动的不利影响会
下挫，则可以在期货市场沽空该证券，等市场开始恢复，在债券价格处于低位时将其
平仓；再譬如，看好某国的利率市场，但是不看好该国货币，则可以买入该国债券的
买入期权，通过在远期货币市场上对货币风险暴露套期保值来消除外汇风险。这些衍
生工具能够把握住短期的市场机会，且交易成本较低，在市场长期趋势未改变的情况
下，不动摇长期资产配置，以节省交易费用【6¨。
要准确预测债券和货币价格的波动，需彻底了解资本流动、经济基本面和当地市
场结构，要做到这一点非常困难，美国2007年次级债危机的爆发，花旗银行、中国
银行等国内外著名银行在这次危机中损失惨重就是佐证。因此，债券资产投资者不仅
需要做好资产定价工作，还要加强风险管理，特别是健全与完善信用评级机制，及时、
尽早地发现潜在的风险暴露，通过转让、拍卖甚至抛售的方式加大对潜在不良资产的
变现力度。不过，债券资产组合管理指数化趋势有增强的倾向，原因是积极的债券组
合管理很难战胜债券指数。
51
6全球资产配置实证分析硕士论文
52
l| '_
i吲
{撇
|| ■_ No
i哑
：撖
N ’，
'中N
o o
-t-I
-3I呈
'_ n Nn o∞
o o o
J0-l●
1T霄怔；
'_ 甘∞ CNn o∞
爿ll| o o o o
IlgI； 辐
N∞ '∞申N ∞ Cn o。廿N
{ o o o o o
爿II}
{肇
'_ 伪Cn ∞ 1-·● ∞N t，__ C、| ∞ o．N． 0；o o o {o
将
口丁
C吩e～t_ ∞ 西吲∞
o々甘N N ∞n H
仟毫o o o o o o’o
K
湘毒；
1_ 心∞ e-一’十西∞‘呻∞
'， 甘∞N N ∞卜N
爿II} o 。o o o ot o}o
桀； { -聪
，心_Ⅻt～ 西n∽ 亡、一Co卜∞ Lo 西N ∞ 。。廿一N
o o C) o o o o o o
皿烂
'_ N西N卜∞掣1，+∞∞可
l ∞∞∞∞oo N 的卜甘N
o：o o}o{o o o o口o
哑霸| } ! } N∞ N∞；Nh NN+∞N Cb．eo一o∞ N叫n．卜∞ o ． -o ． ，o o o； ’o K o o．； 0：。
却懈i{ 畏l ； ； j ； } ：
'_一∞N N ∞；∞，西o 的卜∞ 卜一∞ N o。∞．o．}．廿∞ 。。N ∽ t一'_ Cq ． 型o o o o o o o o o o o
委
'_ ∞ N N 衣器宕8 ‘D 仍N 西N n oo
oo N o。Cq ∞∞ ∞ ∞吲
● 。惮o o o o o o o o o o o o o
矧
麟一
目，“ C～ N ；o。N N N N ’Nj’ e— Cn N N∞ N ∞ N∞ ∞
o o o ●
蕞
o o o C) o o o o o o o
劁
目
晤蚕管长爿I 曜窖爿I 斗<掣癸却廿哑圃熙斗《博爿II医[群刊匝匝
到，戳越晨；趟提璺粼幅r'r'l 撂埔：怔磐冰帐
a
丑
．o
．o
^l}[幂话相一扑牲辎：》譬、r排
掣水窭髻粗娶珀譬称嶝隹替繇半N．口搽
一翳*弈牲
表G．3世界各国交易所债券市值
UflLU[OF BOHDS【ISTED
秘so millions)
_-啊r口l n，-一——丽r刁
●旦j型山
·。蜀、一I：丌l一
__-m，f_
A触￡R|cAs
BermudaSE 400,o 2，S．o o．o 拉s’0 400．O a75．o o．o 狂S．o
Buenos Aires 5E too 812，4 4 228，o 96 S8“S o。o aot 293,1 4 465．6 96 828。1 o，o
CotomKj SE S嚣109。3 87 95z．9 4啪556．9 59916 巧5 977．7 70030．0 683 055．9 2 89"
Lima SE Il 624，S 4816．9 6 463．o ，44，6 9 055．7 4 683．7 4 022．7 349。2
Mexican Exclum觯弘a30．4 31 24I，4 15 530．9 8458．1 45 534d R 2418t19 14707．2 ‘645,2
Sao Paulo SE 6S 487．2 58359．9 7tz7．3 o．o 42 477，S 36 839．7 5 637，8 0．0
TsXGroup 13 053．7 o。o 13 053．7 o．o 7033．8 0．o 703，．8 0力
ASl．4 PAclRc
Bombay SE ，，刁3。S 剪27 3．S o，o o．o 刁s6s．k 2716l^ 0．0 0．o
Bu rsa Malaysia 3 270．S 3 270，5 o，o o．o 2050J 2 050’7 0．0 0．o
Hong Kong Exchange‘ 54866,2 s5304．5 23160．7 16401．1 55992,6 13 507，5 22 497'9 19 9暑7-l
lndonesia SE 59 282．6 8 4t7。9 50 864．7 NA 53 400．4 6838．9 46 56t。5 NA
Korea Exchange 887 652。3 101 zS2．3 786 346．6 53．4 837 S48．o t086∞，9 728 77714 166,7
NationaI Stock Exchange Indla 504 021．8 24149，5 479 745．5 t26。9 377 115．1 16 26L0 360 741．2 1t3．0
New Zealand Exchan酗28947．7 7473．9 20 932．7 541，i 23496。l 5a?5．1 玎745’7 47S·，
Osaka SE 5“8 7s7．i 5 626，6 5113 090。6 o。o ^720 458．3 R 7 30z．2 々7t3156，1 0。0
Shanghai SE 刁4 799．1 2z 570。9 a5z 228．2 o。o 222 639,O R 21263。o 201 376．0 0．0
She肚hen SE ，，8“7 2966，B ‘17，9 o,o ，412t5 2972．6 *39，9 0，0
Singapore Exchange 380 377．o NA NA tO, 弘0999。1 NA NA NA
Taiwan SE Corp． z08 84418 o．2 m8 844。6 o，o s03 806．3 o。， m3 806．o o．o
Thaitand SE 113=19．B 116t8。7 ∞160t,l ooo 86914．7 9甜6。6 77438．0 o，o
Tokyo 5E Groep 14 718．3 M 718．， NA
o,o 17 970a R 17970．3 f妊0。0
“∞艇-A}RlcA-碱oD幢娥汀
lbnman SE ●"¨ t8S．2 4779，2 o,o 3 S∞。2 3，6。7 3"，．5 0毋
^fhens ExcIIange 284 sB9．6 62．9 284 526．6 o．o 2S2 569．6 2629，5 z69 940，1 o．o
BME Spanish Exchanges 162t 213。5 1t09005。8 S12 z07，6 o,o 12300303 R 776 558．5 4s347lt8 o再
Borsa ltaliana ，‘岬738,4 78670，5 1806 za5，3 l515 842．6 2 8¨oa8t1 75 530，9 1 56z t7z．2 lz06325,1
Budapest SE 鹦358J 5411．3 51946．8 o。o ▲6305,， 4995，2 m3to．5 o。o
Cairo&AIexandda SEs 12 931·1 1126,7 11804．5 o．o 11 269．2 1007，3 lO 261．9 o，o
qpzu$SE ‘89014 720,9 6蜘．4 o．o 5 697．8 651，9 5 045。9 o．o
IrlshSE 4S 757J NA 45 7S7J NA 啦88s．6 fIA ∞881．6 NA
括hnbmSE 、=S43讧S '112．6 ass 746，0 38493。o l扣984,9 89，7 154‘53．7 筘24l，5
Uubljana SE 8 676．， 19at．9 6742，5 12．o 8 74“2 1 689．1 7 055。1 o．o
LondonSE 0- 3886 566。S 1585档2．o ％0780。3 144036岛3 3491630,5 t385蝇2 794407．9 l笋16弘4
Lexemboutg SE 7942 855．o o．o o．o 7 942 855．o 748S 205．9 o．o 12“5 7羁08t’4
Malta SE j野锄镀3铴÷ 刚?P嗨3 ，，S辩抽到日汪13,9 ，一20t,7 O，‘
MauriUus 5E 3．8 o，o 3,8 o．o o,4 o，o o．4 o‘o
OMXN甜dIc“幽觚酗，≥：， 劝953t,2 §钯997'l 254956。1 NA S24isz,S 561$z7，5 2‘2 355．0 MA
Oslo Bors 92 547，2 舭匆1．9 48 245。t 1910，2 87 943，1 43 070，B 43 35t．5 1 520．8
Swiss Exr由up 。童舶0779,9 l∞717，7 I船319．7 2露742．4 407；ge,l 97329,4 粕961。6 2∞289．I
Tehran SE 40,2 40。2 o，o o，o 呲NA 眦N^
殛l^v^ⅣSE z。lsl28I．4 80t55A 7tll6。o o．o 99088，o 36 S39，5 62948,5 o．o
Warsaw SE l^2 03～S 29．9 141 709，1 Z92。5 Ill 682．4 R 1S．4 1114t9，3 247。B
Wi惦r斑瞻e，j。￡，，，茹童留5孙2 l舻l‘妒2拍6t9．： 坤7擘‘3 髓。翳韬914聱扣圩3121．o l‘o；9．3
资料来源：World Federation of Exchanges
6．3全球混合资产配置的实证经验
全球混合资产配置，
式。因此，包含全球股票
是指在全球范围内配置两类或两类以上资产的资产
、全球债券的组合可以称之为全球混合类资产配置，
配置方
如果再
将国际房地产投资基金加入到组合中，便产生了更加复杂的全球投资组合。
仅仅投资股票或仅仅投资债券已经难以满足投资者的现实需要。因为股票投资风
险的复杂性以及非理性程度要原胜于债券，对于大多数投资者来说，他们需要将收益
53
6伞球资产配置实证分析倾：I：论文
相对稳定的债券资产纳入到投资组合中(我国证监会便规定国内基会公司须购买占其
资产20％的国债)。
数量资产配置方法没有在全球资产组合管理中充分发挥其应有的作用是因为使
用者认为数量资产配置方法或缺乏可操作性或实用效果不佳。1992年，Fisher
Black，Robert Litterman在((Global Portfolio Optimizmion》一文中运用BL模型，分析
了美国、日本、德国、法国、英国、加拿大和澳大利亚1975年1月到1991年8月的
全球股票、债券和货币资产的组合数据，验证了BL模型相对于历史数据的优越性。
Black(1989)还提出Global CAPM，使BL组合研究囊括了全球货币选择、配置以
及全球股票、债券配置。投资者可以从任何一个中性组合出发，将自己对市场的看法
准确地反应到新的组合中去【621，这无疑增强了数量资产配置方法在全球混合资产配置
中的作用。
Speidell&Sappenfield’(1992)发现世界全球化步调的趋同，股票、债券资产分
散化效用在逐步降低，Sachsenmmer(2001)主张将房地产资产加入到股票、债券组合
中，可以在维持平均收益的同时降低波动性。Stdnhaus(2002)对房地产全球投资进行
了分析，他认为地产市场受到通货膨胀、工业生产总值、利率期限结构、商业周期、
税收等不可分散风险(系统风险)的影响，同时也受到可分散风险的影响，如就业率
基数及其增长率、人口增长趋势、收入水平增长率和空房率等。房地产投资具有特殊
的风险特征，影响着国际投资组合的构建，总的来说，非系统风险也即可分散风险占
据主导作用，这为国际分散化投资提供了机会：通胀在国内来说是不可分散因素，但
是放到国际环境中，又变成了可分散因素，因此预测通胀与展望货币政策有利于正确
进行房地产投资选择。
1996年，Eichholtz在分析国际地产投资时，研究了8个国家1973年至1993年房
地产指数基金的收益数据，发现标准的均值．方差组合模型作用非常有限，原因就是
地产指数之间方差．协方差关系不稳定。Stevenson(2001)发现最小方差技术和
Bayes．Stein收缩方法能够提高房地产投资组合的表现。即使将交易成本考虑进去，最
小方差技术也比简单的平均配置策略和传统的“切点组合’’效果更好。但是，这里必
须指出，并没有特别很强的证据表明国际房地产投资的全球化效应在降低风险方面存
在不断增加的重要性【63】。
目前在国际市场上广泛存在的国际投资基金和全球投资基金也可以理解为混合
资产配置。这些基金投资于世界上诸多市场的许多资产，无论是在资产类别上还是在
地域意义上都注意混合投资、分散风险，这为普通投资者提供了专业的理财途径。国
际、全球基金所持资产种类丰富不但满足了客户资金流动性需求，还利用其规模效应
有效地降低了交易成本，因此颇受投资者欢迎。
Proffitt，Seitz(1983)分析了美国发行的国际分散化共同基金，发现1974年至1982
硕上论文伞球资产配置理论与实证分析
年间，研究样本中的每一个国际共同基金都战胜了标准普尔500指数。这个发现令人
振奋。但是，实证数据并不总是支持全球基金相对于国内基金的优势。
Larry R．Lang，Robert M．Niendorf(1993)考查了美国发行的国际基金与全球基金，
研究期间为1986年1月至1990年12月，样本基金选择更加苛刻。所选基金都向公
众公开基金净值、股息和资本利得数据，投资者可自由买卖，他还从样本中剔除了以
下四种基金：单个国家基金(如同本基金、英国基金等)、仅投资于狭隘区域的基金
(如欧洲基金、太平洋基金)、投资局限于单个工业、单个产品或服务的基金(如医
药基金、铜矿基金等)、主要持有美国政券仅象征性地持有少量外国政券的基金。研
究者站在美国的角度，认为：全球共同基金的投资对象囊括世界主要市场(包括美国
市场)的证券，而国际共同基金的投资对象包括除美国以外的世界各国发行的证券。
Larry R．Lang的全球基金样本包括Templeton Global，First Investors Global和Dean
Witter Worldwide等基金，而国际共同基金则包含United International Growth，Scudder
International和Alliance Intemational等基金。他们在分析全球基金和国际基金业绩时，
选择MSCI(Morgan Stanley Capital Index)Global Capital Markets Index作为全球基金的
业绩参照指标，选择MSCI EAFE指数作为国际基金的参照指标晔J。该研究虽未得
到国际基金、全球基金相对于国内指数基金业绩更优的强有力证据，但对全球混合资
产配置研究具有重要的参考价值。
55
7结语硕士论文
7．结语
7．1关于本文的总结
随着当今世界经济全球化进程的加速，几乎所有发达国家和许多新兴市场国家的
监管层都对国外机构、个人投资者丌放了股票、债券等其它证券投资渠道，这是实体
经济发展的必然要求，是资源优化配置的体现，也是世界各国政府、金融界共同努力
所取得的成果。
然而，机构和个人投资者通过全球资产配簧目的是在降低风险的同时获得丰厚的
利润。但是国际资产收益如何定价?怎么评价风险?如何选择国际资产?全球组合投
资该怎么建模?业绩评价模型是否有新的发展?通过总结各类文献和笔者的实证分
析，得出以下若干结论。
(1)由于世界市场特别是发达的成熟市场收益、波动驱动因素趋同化倾向明显，
基于国际资本市场均衡理论的国际资本资产定价模型和国际无套利定价模型在探索
中成长、完善，并在实证分析中得到了验证。尽管新兴市场与发达国家成熟市场在估
值、定价机制方面还存在差别，但是仍然可以通过稍微复杂一些、更多涵盖当地经济
信息变量的条件模型为其定价，新兴市场会逐渐与国际接轨，相关理论的覆盖面会更
广。
(2)在笔者介绍的三种风险的度量方法中，方差依然是个最主要的风险评价工
具，它具有优良的数学性质，用途极其广泛。无论是在资产定价模型还是组合优化模
型中，方差依然是主流的风险衡量方法。
(3)利用特雷诺系数选择国际股票资产，是笔者对前人模型所做的应用性推广，
其应用目前只局限于成熟市场，具有可操作性。但新兴市场能否适用，还有待于进一
步论证。
(4)在全球资产管理过程中，基金等投资类类公司侧重资产管理，而银行、保
险类公司注重资产负债管理，这是由资产．负债结构决定的。
(5)关于业绩评估所论述的五种模型在国外文献中频频出现，然而国内对基金
的业绩评估似乎更加简单：一是与大盘指数的收益率作比较，二是与同行在业绩排名
上竞争。但是，业绩评价的精细化是长期趋势，借鉴国外业绩评估模型是必要的。
(6)笔者通过对Black．Litterrnan模型的实证运用，发现利用该方法配置资产效
果很好，直观且解的稳定性强。但是，利用衍生工具对短期的市场波动做出反映是必
要的、也是明智的选择。
硕士论文全球资产配置理论与实证分析
7．2全球资产配置面临的难题
全球资产配置主要面临下面四个难题：
(1)由于各国投资壁垒、税收体系、发展模式的不同的确存在，探讨各国市场
的一致性资产定价模型、组合模型存在很多困难【65】，它们受到承认各国具体情况不同
并与当地经济情况吻合的“地方性”资产定价模型、组合模型的巨大挑战。，
(2)一些市场特别是新兴市场，近年来出现了方差．协方差关系不稳定的现象，
无条件方差．协方差关系的稳定性假说受到实证检验的严峻考验，探索条件的方差．协
方差矩阵，利用已知经济信息变量建立较为准确的方差．协方差预测模型成为当务之
急，Campbell(1994)运用滞后的相关系数、滞后的多期收益、股息收入、利率的期限
结构(被誉为经济增长指示器)预测了G7国家资产收益的相关性，他认为历史相关
性、市场表现和商业周期对预测国际资产收益相关性很有帮助【661。笔者认为这方面的
研究有待于进一步加强。
(3)ClaudeB．Erb(1994)，Zimmer(2001)等人的研究表明：在经济向下波动时，世
界股票资产收益率相关性有增大的迹象，这意味着在投资者最需要利用国际投资分散
风险的时候，却不能很好地利用全球资产配置获得多元化投资的利益(尽管两国经济
周期高度趋同，但往往还是有一年或二年的时滞为分散投资提供机会)。针对这种现
象，应该利用做空机制尽可能充分利用期权、期货等调整组合。然而，从目前的金融
市场发展状况来看，衍生工具的健全与完善尚需时日。
(4)相对于国内投资来说，全球投资遭遇的税收歧视、购买限制与赎回障碍，
以及市场信息不透明风险会极大地冲减国际投资收益。投资者对国内资产有明显的偏
舀[6刀
石乙。
由于在全球资产定价、组合构建和操作上存在上述难题，即使是证券投资国际化
程度最高的金融机构其国外投资占总投资的比例仍然很低。
7．3前景展望
随着世界贸易组织成员国队伍的不断扩大，自由、平等贸易日益深入人心，对国
外投资者实行国民化待遇是历史的趋势。从历史的经验来看，一国对别国实行投资贸
易惩罚时，必然会遭致其它国家对其进行相应的惩罚，如果发生“多米诺骨牌”效应，
会导致李嘉图的相对比较优势无法通过国际资源配置发挥出来，严重时会导致许多当
事国经济衰退。南斯拉夫封闭的对外经济政策就曾经使其经济遭受严重伤害，设置贸
易壁垒与投资政策障碍违背经济发展规律。因此全球资产配置有着广阔的发展空间，
关于它的研究和实践具有重要意义，因为“需求比科学技术更能推动社会的发展”(恩
格斯语)。
近年来出现了一些积极的现象【681，使我们对全球资产配黄的未来充满憧憬。
57
7结语硕士论文
(1)全球贸易体系的兴起，国际贸易的信息和交易成本也在降低。拿中国来说，
随着中国加入WTO以后，与国外之间的贸易博弈过程要遵循全球游戏规则，国际交
流的频繁使中国置身于一个更加开放和透明的环境中，各种交易可以借助于新的平
台，这不但大大降低了国际投资者投资中国的成本，同时中国解决国际经贸、投资摩
擦的方式更多了，这为国内机构投资者敢于走出去提供了一道保障。
(2)机构投资者的专业和规模优势的增强为各国投资者提供了投资境外的便捷
渠道。优秀的全球投资机构或部门集聚了大量数学、金融和物理学博士以及投资领域
的专家，这为控制投资风险，追逐利益最大化提供了坚强的人力资源后盾。机构的规
模化优势也节省了大量信息搜寻资本、交易成本、管理成本，这克服了普通投资者对
国际投资望而生畏的不便，购买全球基金就可以间接进行全球资产配置。
(3)信息技术和交流系统的国际化和发展。随着互联网的普及、IT业的发展，
金融交易软件的不断开发与更新、安全稳定的数据库中心的建成为交易系统的国际化
提供了技术平台。近年来，世界各国网络普及程度、速度惊人，世界上任何一个角落
发生的事件，通过互联网可以立即为全世界所知晓，如今的全世界已经成为“地球村’’。
金融信息和金融交易如今基本都在网上进行，极大地方便了国际投资。
(4)各国资本市场的信息披露与规范程度越来越高，投资者国际投资意愿增强。
股市的健康运行离不开证监会的严格监管，这种思想影响着很多国家。利益面前，唯
有实施严格监管才会有真正的规范。
以中国为例，70年代未中国才丌始组建了股票市场，由于先天不足，后天改革乏
术等诸多因素，资本市场的发展一直障碍重重、规范程度不高，加之当时国民对股市
的认识尚且不够，法律监管缺位问题严重，内幕交易频出、庄家横行，国外资本也通
过直接或间接的方式在中国股市兴风作浪甚至鱼肉中国股市，中国股市的脆弱性问题
暴露无遗!而国内投资者投资国外证券的能力和渠道更是非常有限。针对这些问题，
中国证监会加紧了对股市信息披露违规和内幕交易进行了严厉打击并且与与许多国
家和地区的证券监管机构签署双边监管合作谅解备忘录。20多年来，我国的资本市
场有了长足的发展。随着QFII的引入及其相关法规的健全，国外资本投资中国的规
范性在提高；QDII也登上了历史的舞台。国内金融机构投资国外证券的渠道越来越
多。一些境外理财通道陆续开通：2006年4月，社保基金和华安基金首批获得QDII
资格；渣打银行2007年9月末正式在国内发行最新款“聚通天下”代客境外理财(QDII)
产品；2007年9月分别有两家全球基金获准发行，它们是“南方全球精选基金”和“华
夏全球精选基金”，前者主要投资于基金，而后者主要直接投资于证券资产。但它们
在诞生后不久就遭遇次级债风暴和全球经济回调的压力，资产大幅缩水，未来它们如
何迎接挑战，把握机遇，我们拭目以待。
58
’硕士论文全球资产配置理论与实证分析
致谢
我在南京理工大学度过的两年研究生阶段，得到了经管院诸多优秀老师的思想
启迪，这给本文的写作提供了极大的帮助。特别是我的导师陈联老师给予我莫大的启
发与帮助，无论是学习上还是生活上都对我十分关怀，在此表示深深的感谢!同时，
我诚恳地感谢经管院所有教职工和我的同学，是他们的学识、朝气与勤奋，给予我鞭
策和激励!同时，我对提出宝贵修改意见的评审专家深表谢意!我在本文中引用了许
多专家、学者的观点，在此也表示最真挚的感谢!但是，由于水平有限，本文遗漏、
不当之处难免，文责自负，并恳请大方之家批评斧正，希望在以后再作改进。
59
参考文献磺士论文
参考文献
【1]Heinz Zimmermann，Wolfgang Drobe,Peter Oertmann。Global
methods and application．John wiley&Sons，Lnc，2002
[2]Heinz Zimmcrmann，Wolfgang Drobe，Peter Oertmann．Global
methods and application．John wiley&Sons，Lnc，2002
asset allocation：new
asset allocation：new
[3]Fama,Eugene F．，and Kenneth R．French．Value versus Growth：The international
evidence．Journal ofFinance 53，1975—1999．4．
【4]Hossein Asghariall and Sonnie Karlsson．Evaluating a nonlinear asset pricing model on
international data。Department of Economies，Lund University．。2003
【5】徐钧．多因素模型在中困股市中的应用研究．山东大学博士论文库，2006
[6]维克托(著)，廖小胜(译)．证券投资组合管理。机械工业出版享±，2007。5
[7]弗兰克．J．法博奇．固定收益手册．中国人民大学出版社，2000．10
[8]杰克．弗朗西斯．投资学：全球视角．中国人民大学出版社，2000
[9]苏瑞什。礁．桑德瑞森．固定收益证券市场及其衍生产品．中国人民大学出版社，2000
[10][11]苏瑞什．M．桑德瑞森．固定收益证券市场及其衍生产品．中国人民大学出版
社，2000
[1 2】Heinz Zimmermann，W01fgang Drobe，Peter Oertmann．Global asset allocation：new
methods and application。John wiley&Sons，Lnc，2002
【13】Hong Wu．Exchange Risk VerSUS the Value Factor In International Asset
Pricing．Division of Economies and Finance College of Business&Economies West
Virginia University，2002．2
[14]埃德温．J．埃尔顿，马丁．J．格鲁伯，斯蒂芬．J．布朗，威廉．J．格茨曼．现代投资组
合理论和投资分析．中国入民大学澎舨社．2000。10
【15】Jack C．Francis，Roger Ibbotson．Investments A Global Perspective．中国人民大学出
版社，2000
[16]弗兰克．J．法博奇．固定收益手册．中国人民大学出版社，2000．10
【17】Frank．J。Fabozzi．The Handbook of Fixed Income Securities．中国人民大学出版社，
2000．10
[1 8】Justin S。P．Chan，Dong Hong．Liquidity and Asset Prices in Mul邸le Markets．Lee
Kong Chian School of Business，Singapore Management University,2000
【19】弗兰克．J．法博奇．固定收益手册．中国人民大学出版社，2000．10
【20]Campbell R。Harvey,Tadas E．Viskanta。Country怒呔and Global equity Selection．the
硕士论文全球资产配置理论与实证分析
joumal of portfolio management，1 995
[2 1】Campbell R．Harvey．portfolio enhangcement using emerging markets and conditioning
information．portfolio investment in developing countries，1 994．
[22]Harold Y．Kim，Jianping Mei．political Risk and Stock Returns：The case of
HongKong．New York University Stem School of business finance department，working
papers，1994
[23]Jianping(J．P．)Mei，．Political Risk，Financial Crisis，and Market Volatility．Department
of Intemational Business，New York University，1 999．
[24]徐钧．多因素模型在中国股市中的应用研究．山东大学博士论文库，2006
[25]吴世农，陈斌．风险度量方法与金融资产配置模型的理论和实证研究．经济研究，
1999年第9期
【26]郑木清．证券投资资产配置决策．经济科学出版社，2003
[27]Ronald Huisman，Kees G．Koedijk and Rachel A．J．Pownall．Asset Allocation in a
Value—at-Risk Framework．Erasmus University，1 999
[28]李剑．收益率非规则分布条件下有效风险度量方法的寻找．经济研究，2000年第l
期
[29】Edwin J．Elton，Martin J．Gruber．Stephen J．Brown，William N．Goetzmann．Modern
Poafolio Theory and Investment Analysis．中国人民大学出版社，2000．1 0
[30]Frank．J．Fabozzi．The Handbook of Fixed Income Securities．中国人民大学出版社，
2000
【3 1 1郑木清．证券投资资产配置决策．经济科学出版社，2003
[32][33】维克托(著)，廖小胜(译)．证券投资组合管理．机械工业出版社，2007．5
[34]Jack C．Francis，Roger Ibbotson．Investments：A Global Perspective．中国人民大学出
版社，2000．10
【35】Markowitz．Mean—Variance Analysis in Choice and Capital Markets．Oxford：Basil
Blackwell Ltd，1 987
【361津巴，马尔维(著)，顾娟(译)．全球资产与负债建模．经济科学出版社，2002
【37]Victor Canto，廖小胜(译)．证券投资组合策略．机械工业出版社，2007
[38]郑木清．证券投资资产配置决策．经济科学出版社，2003，112—113
[39】Victor Canto，廖小胜(译)．证券投资组合策略．机械工业出版社，2007
[40】Campbell R．Harvey，Kirsten E．Travers，And machael J．Costa．Forecasting Emerging
Market Returns Using Neural Networks．Emerging Marketing Qu耐耐y，2000
【4 1]c．Augusto Casas．Tactical Asset Allocation：An Artificial Neural Network Based
Model．Nova Southeastem University，200 1．
61
参考文献硕．卜论文
[42]维克托(著)，廖小胜(译)．证券投资组合管理．机械工业出版社，2007．5
f43]郑木清。证券投资资产配置决策．经济科学出版社，2003
[44]Thomas M．Idzorek．A Step—by-Step guide to black—litterman Model：
Incorporating user-specified confidence levels，Zeher Inc，2004．07
[45]Black，F．，and R．Litterman．Global Portfolio Optimization．Financial Analysts Journal
(September-October)，1 992，28_43．
[46】Thomas M．Idzorek．A Step—by-Step guide to black-litterman Model：
Incorporating user-specified confidence levels，Zeher Inc，2004．07
[47]Ronald Huisman，Kees G．Koedijk and Rachel A．J．Pownall．Asset Allocation in a
Value-at—Risk Framework．Erasmus University,1 999
[48]Rafae Moreno—Vozmediano etc．Portfolio and Investment Risk Analysis on Global
Grids．The University of Melbourne，VIC 30 1 0，Australia，2006
[49】Hiroshi Konno，Hayato Waki，and AtrushiYuuki．Portfolio Optimization under Lower
Partial Risk Measures．Asia-Pacific Financial Markets，2002，127-140，
[50]Xiaodong Ji，Shushang Zhu，ShouYang Wang，and ShuZhong Zhang．A stochastic
linear goal programming approach to multistage portfolio management based on scenario
generation via linear programming．1iE Transactions，2005，37，957-969．
[51]金秀，丽丽，黄小原．多阶段资产配置模型及其在投资基金中的应用．东北大学学
报(自然科学版)，2005．10，V01．26，No．10．
[52]津巴，马尔维(著)，顾娟(译)．全球资产与负债建模．经济科学出版社，2002
【53]陈小新，陈伟忠等人．市场与行业因素对国际资产配置绩效的影响分析．财贸经
济，2007年第2期
[54】Ziemba,W．T．and Mulvey，J．M。Worldwide Asset and Liability Modelling．
Cambridge University Press，Cambridge，UK，1 998
f55]高海红．投资组合业绩评价理论综述．中国社会科学院世界经济与政治研究所，
2000
[56]Miranda Lam Detzler．The Performance of Actively Managed International Mutual
Funds．Review of Quantitative Finance and Accounting，8(1 997)：291—3 13
[57]Bo Jiang，Tapas Panda，Jing Lin，Yuxin Zhang．Black·Litterman Asset Allocation
Model．QSS Final Project，April 27，2005；
[581159]Jack C．France，Roger Ibbotson．Investments：A Global Perspective．中国人民大学出
版社，2000
【60]Frank．J．Fabozzi．The Handbook of Fixed Income Securities．中国人民大学出版社，
2000．10
62
硕=l：论文全球资产配置理论与实证分析
[61]弗兰克．J．法博齐．固定收益证券手册．中国人民大学出版社，2000．
【62]Black，F．，R．Litterman．G10bal Portfolio Optimization．Financial Analysts Journal
(September-October)，(1 992)．28_43．
【63]Heinrich Hauss．The role of international property investments in the global asset
allocation process．University of South Austria2003
【64]Larry R．Lang Robert M．Niendorf．Performance and Risk Exposure of Int锄ational
Mutual Funds．Finatial Services Review，1993，2(2)：97—110
【65]R．A．贾罗，V．马斯科西莫维，W．T．津巴(著)，吴冲锋等人(译)．金融经济学手
册．世界出版集团，上海人民出版社，2000
【66]Campbdl，Claude Erb and Tadas Viskanta．Forecasting Intemational Equity
Correlations．Financial Analysts Journal，1 994
[67]Bruno Solnik．Equity Home Bias and Regret：An International Equilibrium Model．
HEC Paris，January,2008
[68】Heinz Zimmermann，Wolfgang Drobe，Peter Oertmann．Global asset allocation：new
methods and application．JohIl wiley&Sons，Lnc，2002
63
附录硕士论文
附录
附录A：Stan Beckers(1996)关于全球行业、国家因素对全球股票收益的影响
Stan Beckers(1996)仓I]建了以下模型：
rI-fG+Σ6Z+Σ6涡+sl
hzl ／；l
其中，，；表示证券i的超额收益，i=1，2⋯，Ⅳ，厂G表示全球市场因素收益，爿表
示行业因素h的收益，h=1，2⋯，M，∥表示国家因素／的收益，歹=l，2⋯，L，乞表示
证券，的特殊收益；当证券i属于行业h时，磋=1，否则为零；当i属于国家j时，菇=l，
否则为零。
Start Beckers通过双线性约束对收益的横截面数据运用最小二乘估计方法，发现
全球市场因素解释了一般股票方差的21％，国家因素解释了14％，全球行业因素解
释了4％(读者可参阅津巴，马尔维的《全球资产与负债建模》)。
硕士论文全球资产配置理论与实证分析
附录B：考察市场的股票指数的月度指数值
日期S&P澳CAC40 DAX FTSE ItANGSENG NIKKEl225 SAP500
2001：10 3249．6 4341．29 4559．13 5039．7 10073．97 10366．34 1059．78
2001：11 3337．5 4476．06 4989．91 5203．6 11279．25 10697．44 1139．45
2001：12 3422．3 4624．58 5160．10 5217．4 11397．21 10542．62 1148．08
2002：01 3464．2 4461．87 5107．61 5164．8 10725．30 9997．800 1130．20
2002：02 3414．3 4462．99 5039．08 5101．0 10482．55 10587．83 1106．73
2002：03 3414．8 4688．02 5397．29 5271．8 11032．92 11024．94 1147．39
2002：04 3350．0 4462．74 5041．20 5165．6 11497．58 11492．54 1076．92
2002：05 3373．6 4274．64 4818．30 5085．1 11301．94 11763．70 1067．14
2002：06 3216．0 3897．99 4382．56 4656．4 10598．55 10621．84 989．820
2002：07 3086．2 3415．38 3700．14 4246．2 10267．36 9877．940 911．620
2002：08 3120．1 3366．21 3712．94 4227．3 10043．87 9619．300 916．070
2002：09 2970．9 2777．45 2769．03 3721．8 9072．210 9383．290 815．280
2002：10 3042．9 3150．04 3152．85 4039．7 9441．250 8640．480 885．760
2002：11 3061．4 3326．65 3320．32 4169．4 10069．87 9215．560 936．310
2002：12 3007．1 3063．91 2892．63 3940．4 9321．290 8578．950 879．820
2003：01 2956．9 2937．88 2747．83 3567．4 9258．950 8339．940 855．700
2003：02 2800．9 2754．07 2547．05 3655．6 9122．660 8363．040 841．150
2003：03 2885．2 2618．46 2423．87 3613．3 8634．450 7972．710 848．180
2003：04 3007．5 2953．67 2942．04 3926．0 8717．220 7831．420 916．920
2003：05 3011．0 2991．75 2982．68 4048．1 9487．380 8424．510 963．590
2003：06 3026．9 3084．10 3220．58 4031．2 9577．120 9083．110 974．500
2003：07 3122．3 3210．27 3487．86 4157．O 10134．83 9563．210 990．310
2003：08 3199．7 3311．42 3484．58 4161．1 10908．99 10343．55 1008．01
2003：09 3169．5 3134．99 3256．78 4091．3 l 1229．87 10219．05 995．970
2003：10 3272．0 3373．20 3655．99 4287．6 12190．10 10559．59 1050．71
2003：1l 3186．4 3424．79 3745．95 4342．6 12317．47 ，10100．57 1058．20
2003：12 3299．8 3557．90 3965．16 4476．9 12575．94 10676．64 1111．92
2004：01 3272．0 3638．44 4058．60 4390．7 13289．37 10783．61 1131．13
2004：02 3360．6 3725．44 4018．16 4492．2 13907．03 11041．92 1144．94
2004：03 3415．3 3625．23 3856．70 4385．7 12681．67 11715．39 1126．21
2004：04 3400．8 3674．28 3985．21 4489．7 11942．96 11761．79 1107．30
2004：05 3460．2 3669．63 3921．41 4430．7 12198．24 11236．37 1120．68
2004：06 3532．9 3732．99 4052．73 4464．1 12285．75 11858．87 1140．84
2004：07 3536．1 3647．10 3895．61 4413．1 12238．03 11325．78 1101．72
2004：08 3552．7 3594．28 3785．21 4459．3 12850．28 11081．79 1104．24
2004：09 3665．0 3640．61 3892．90 4570．8 13120．03 10823．57 1114．58
2004：10 3778．6 3706．82 3960．25 4624．2 13054．66 10771．42 1130．20
2004：11 3931．3 3753．75 4126．00 4703．2 14060．05 10899．25 1173．82
2004：12 4050．6 3821．16 4256．08 4814．3 14230．14 11488，76 1211．92
2005：01 4107．3 3913．69 4254．85 4852．3 13721．69 11387．59 1181．27
2005：02 4172．8 4027．16 4350．49 4968．5 14195．35 11740．60 1203．60
附录硕士论文
2005：03
2005：04
2005：05
2005：06
2005：07
2005：08
2005：09
2005：10
2005：11
2005：12
2006：01
2006：02
2006：03
2006：04
2006：05
2006：06
2006：07
2006：08
2006：09
2006：10
2006：1l
2006：12
4109．8 4067．78 4348．77 4894．4 13516．88
3983．2 3911．71 4184．84 4801．7 13908．97
4106．4 4120．73 4460．63 4964．0 13867．07
4277．5 4229．35 4586．28 5113．2 14201．06
4388．8 4451．74 4886。50 5282．3 14880．98
4446．8 4399．36 4829．69 5296．9 14903．55
4641．2 4600．02 5044．12 5477．7 15428．52
4459．7 4436．45 4929．07 5317．3 14386．37
4634．8 4567．41 5193．40 5423．2 14937．14
4763．4 4715．23 5408．26 5618．8 14876．43
4929．6 4947．99 5674。15 5760．3 15753．14
4921．3 5000．45 5796．04 5791．5 15918．48
5129．7， 5220．85 5970．08 5964．6 15805．04
5258．8 5188．40 6009．89 6023．1 16661．30
5001．7 4930．18 5692．86 5723．8 15857．89
5073．9 4965．96 5683．31 5833．4 16267．62
4986．0 5009．42 5681．97 5928．3 16971．34
5l 15．40 5165．04 5859．57 5906．1 17392。27
5154．10 5250。01 6004．33 5960．8 17543．05
5384．40 5348．73 6268．92 6129．2 18324．35
5482．10 5327．64 6309．19 6048．8 18960．48
5669．90 5541．76 6596．92 6220．8 19964．72
附录C：美国五年期国库券月度利率
2001：10 3．91 2003：02 2．9
2001：11
2001：12
2002：01
2002：02
2002：03
2002：04
2002：05
2002：06
2002：07
2002：08
2002：09
2002：10
2002：1l
2002：12
2003：01
3．97 2003：03 2．78
4．39 2003：04 2．93
4．31 2003：05 2．52
4．3 2003：06 2．27
4．74 2003：07 2．87
4．65 2003：08 3．37
4．49 2003：09 3．18
4．19 2003：10 3．19
3．81 2003：11 3．29
3．29 2003：12 3．27
2．94 2004：01 3．12
2．95 2004：02 3．07
3．05 2004：03 2．79
3．03 2004：04 3．39
3．05 2004：05 3．85
(年化)
2004：06
2004：07
2004：08
2004：09
2004：10
2004：11
2004：12
2005：01
2005：02
2005：03
2005：04
2005：05
2005：06
2005：07
2005：08
2005：09
3．93
3．69
3．47
3．36
3．35
3．63
3．6
3．71
3．77
4．17
4
3．85
3．77
3．98
4．12
4．01
11668．95
11008．90
11276．59
11584．01
11899．60
12413．60
13574．30
13606．50
14872．15
16“1．43
16649．82
16205．43
17059．66
16906．23
15467．33
15505．18
15456．81
16140．76
16127．58
16399．39
16274．33
17225．83
1180．59
1156．85
1191．50
1191．33
1234．18
1220．33
1228．81
1207．01
1249．48
1248．29
1280．08
1280．66
1294．87
1310．61
1270．09
1270．20
1276．66
1303．82
1335．85
1377．94
1400．63
1411．56
2005：10 4．33
2005：11 4．45
2005：12 4．39
2006：01 4．35
2006：02 4．57
2006：03 4．72
2006：04 4．9
2006：05 5
2006：06 5．07
2006：07 5．04
2006：08 4．82
2006：09 4．67
2006：10 4．69
2006：11 4．85
2006：12 4．53
硕士论文全球资产配置理论与实证分析
附录D：各国交易所交易股票市值
％Change
Exchange End力)06 End 2∞5
力∞6，2005
Amen22802 801．O1403．0 一⋯⋯箜塑
．．．。．．．．．—．．．．．．．．．．．．．．．．．2．．．7．．0．．3一．5 ⋯⋯⋯．兰』丝曼⋯ ⋯⋯⋯．兰王!丝Bermuda SE
Buenos AIres SE ⋯⋯⋯⋯．璺．擞- ⋯⋯一～蟹．鐾B曼⋯ ⋯⋯⋯⋯五!兰
Colombla SE 56 204．3 50 500，8 11。3％
Lima SE 40 O副．6 ⋯⋯⋯．釜．!旦三⋯ ⋯⋯⋯．坠曼蟹‘
Mexlcan Exchange 348 345．1 239 128．0 45。强mJv‘●，●0‘^^●■■■o^^’^’■⋯ ■，月J■E^^■■●uu-J√u‘¨J坩，‘^●^’_‘■h ‘㈣^’H，^^^，^H^‘_j■，J“●u”‘■-●月u_40-_uuv_qu‘q¨¨
Nasdacl ■■v■■YVvv3¨8v6■5vv'0’03'．㈣6^ hn^'n■^^^3，6n^0r3trw9㈣8’4，^^9^，蚋7。2％ ^^n^^^^^^^，f””ⅣF坩，， 洲n，vr。k1Hhw·—^n·v__vvv，·v'’～v__vv__vv_--怕w，
NYSE GrouP '5 42{167．9 13 632 3昭O R '3．1％
v，^^，，^^^M’uk_妇^^^●^^_^^^^●--’^^^^^^^^^^^^^^^'’oⅥ ■uv¨'～^^■■v'’^r，^’^^^^，，√坩J‘^ qv～'^^^^^●^●，，^^^，^^^^l’^^^^^
Santlago SE ，●v■■～～■■Vq1v■7v4v～4'^1^8^^．，㈣8 136 493。3 27，8％ ～·，^^^^^，f如v，^^^^^^^^^^^^^^^●^’Nvv■■¨^^^^^^h^^^，月U喁’^^^^^■^^^，^^r，^^”^'^^^^^
Sao PaUlo SE 710 247．4 474 646，9 49．6％
，●f¨■■■■■■v■’v|-’’^，d月，，f坩，．、、哺’^，F■■q'’hr●fvvv～、^r，^’●■■’Ph 删Jvvqn、h^^^，，Fv■■■■■vv■■vv～'VV'■vvV■■v■■Vv■’h” ^nn■^^^■■■'～^^^，㈣
TSX GrouP 1 700 7。8．1 1 482 184．6 1417％
■t、&EI，=扣T■tIf
Aust‘80401 0951858．4O ，8 36，3％
■Ju■■^^^^^●^■，，^’^一^^^，^d，J^ ’删^，0■■^●■■■Uq～’h，^^，，puw^'^■，u嚎Uu■^^-^^^^^■^^^^^，^^^，^^，，a
Bomb553S08718 8783。6，7 48，1％
vq～h^^J■q‘^■^^^^h^^^^^^^^，^’■，o●u‘■^^-^^^，■■帆^^●R，^^■^^^^^-^，^，^月月^，Jw^，^^^●^J■uE^月●■^月^，^-^，JⅥ
Bufs180a521=35 5807。9，5 30，50／o
^hh’^^，■vv■■v■■■vv■vvvf，’^^^hv^^■^^^■^^^^''^^^■^^^^^^^^^^f^-—^^^^^^^^^^^^^嘲’■UvWf^^^M
Colo5砣O7 768．19 O 35,8％
^^，^■^d■U■‘■^■^*■，ou■L^^■^4^uI■，^■^^■'■●^v^‘■^^—■^．，q、^^_^^，E^^^■^，■^ ■，^^，■u■u^^J■■vt^"^^^，，
1 714 953。3 HOng1K0549毫B．3es 62,6％
138 886，4
一一塑墼垦!一Jakarta SE ⋯～⋯!垒旦蔓
签童燮一曼兰曼睦璺翌皇叟⋯⋯⋯一⋯～一～ 834 404．3 ⋯⋯～⋯一71璺里垒Z～一⋯堕塑
Natio—nal Sto鲢一曼她_an_ge_!nd!．a⋯⋯ —．一—．．．．。—．一—．．．．．．．．．．．．．7．．．7．。．4．．一．1．．1．5．．,．6．． ⋯⋯5⋯15一篓茎墨⋯ ⋯．．．⋯一墼旦墼
New Zealand Exchange—— 44 816，5 405925 10。4％
O铀kaS巨181 754。2 191 969。0 6鼢
-P照哇lP_PLne_S曼一⋯⋯⋯．．一⋯⋯⋯⋯一壑墅蟹一⋯ 翌盟王垒⋯⋯一⋯翌!蔓丝
Shanghai SE 917 507，5 286 190．3 220，6％
量艴嗍三h_鲤一璺黑⋯一一⋯⋯⋯⋯⋯⋯⋯一⋯⋯⋯⋯⋯22⋯7一孵曼⋯⋯⋯⋯塑曼堕!!皇⋯一～⋯⋯⋯踢!曼
羔i翌基塑璺堡蔓婴坠蜘缈⋯⋯⋯⋯⋯⋯ 384 286．4 ⋯⋯⋯⋯堑一墼g曼⋯． ⋯⋯⋯⋯篓羔缝
_蔓塑一sE co望上⋯⋯⋯⋯⋯⋯ 594 659．4 —4—76里曼垒～⋯一篓墅
140 161，3 ⋯⋯⋯～蔓銎宴整璺⋯一⋯⋯⋯～!刍!黔⋯Thailan．d⋯曼曼⋯⋯⋯⋯～⋯⋯一⋯⋯
Tokyo SE 4 614 068．8 4 572 901。0 0。9％
67
附录硕’}：论文
’爿，，厶：·：；|口艮’詹f磺—，』-，一万f厶■币I矗J
TA，t．hwfe．n、s'1巨帆Y，x．cw㈣hw8●n￥g¨ev■n1^nh■■n■■■’■■■''’nrv r■v■■’n^^-■■2■DRn8m'竹2洲56，．●1’ 145 1∞．7 43．5％ Yn’vV■■■VYVffVv，，■w^'■，■蚋，■■■■■自r■n’f■、'rr，，■m1
BME Spanish Exchanges 1 3放915．3 959910．4 37，80
BoPsa ltaliana 1 026 504．2 798 072。9 28．6％
wrH■fw●l、'，r坩，r■靶■■■■■E■■■抽，■h■■■■■■■Y■■■q■'nfF t■■，■n目n日■■■■■XnlhnrHt'’M ‘It■薯●tⅢtt■tt眦t■H●■■'删■’ r■，■h自■■■■■a口trv。■■舢r
Budapest SE 41 784．1 32 57．5，7 28．3％ ^r，，柙fr■^r，^’r，v一，rvYvY■Yvvv■vn'h^^，■■■■■vv■'Ⅳ■帅v ■v■■■H’■喇’'Ⅳ．‘’^●vY'YY’v，n ·●日．_●0●■●■●■●●●●t-^泔tdr■●v■’h ，■■vv’^n，■■’n，■’^r，，盯●v
Caim&Alexandda SE3 93496．4 79 508，9 17。6％
一一I_-．■■‘一一．v坩rr■州一纠·n一-，“■∞—“nXmf■"n
Cyprus SE 16 157。8 6 581。6 145．5％
膏，}山』、—vr，^Y，rv_v■--■'’■vv■■vt■，^t■■■■■■■■■■■v、■’nr” r■t■■■n^^_■■■'h^^'YY■vv、w，n Yv■■■V■■’v¨■●■■w，v坩，■伽一^r■v■'^●■V■’r■’’^r，，v■’rn
Deutsche鼢rse 1 637 609．8 1挖1 106。1 34．1％
～v^^，，．’^r，^v，n^^r^^^^^^h^^^^^^’～^■'～H'''■■■v’''n，n ■■v'^^^^●●v■■v''1h^^^nrvvrfn Yv■¨■v■■vv■■fn^r，—^rr^-'qVV_ ^^r■■■■～^^d■■’'^r●vvY帅
一Eu一r⋯o一n-e一．x⋯t一．-．●，u_--胁--_●a．．-a-I_一．．_I—I_E-v_H·一■一I删-，■e一——嘲3，，7一0，8'’1c■50，．■㈣1 ⋯_⋯2一70⋯6 8⋯03，⋯5～ 37．00／o
ldsh SE 1632鹋．5 '14。86，2 43 1％ 删～，㈣------．．．-．--．-----舯t■*■■d日■t《■■，口荆自■xx■■■‘■■■bt目■■，忡’日t，坩t⋯v’ Jba日■■■■■H■，∞口En憾l删10qa-■b 日E■■，，■a■q■，口c■牲^—●日
lstanbui S基162398，9 161 537．6 0，50／o
JS巨711 232．3 549310．3 29，50／．
口“u_uL志●^■^^，^宾ER^^^■■，，，■目日■^^x，，q■qo口■■口au口qooqqE●t^ 《■_曩■^^t■■■■■^m，Juu口。口”uuuw |口■，口■■R‘^^■■■4，qDt^，，ou，硝，q船uq■■■，■o■q_，■U口u”t^^^删
Ljubljana SE 15 181，7 7 898，9 92．20／． 。⋯⋯⋯1⋯，， ⋯_-，～l一^，'口r■1’^__一，_，_-．-_-_H_．．-⋯⋯一’r
London SE 3 794310，3 3 058 182,4 24．1％
Luxembourg SE 79 513，6 51 248t4 55。2％ 一，⋯，_1’，⋯^_⋯⋯⋯⋯⋯“⋯1h_⋯⋯ L⋯⋯l⋯⋯⋯-J
MaItaS暑4 503，5 4097．5 9．9％
Mauntius SE 4958．5 2 330．O 112．8％
OMX 1 122 705．O 802 561．4 39．9％
脚o删s⋯i^^Ol■勖1_■滞肆E_-^E■t■E●■，^^■‘日■∞●t■■■甜，．，■粥‘■，，■■●^■■口■2目7t9■■9呻1删0■．■柚4 ¨bqE■■^■，■■口1“9口0¨骶一洲琵■，1，b¨H_w 46,60／． H日t■■，d∞■t●，口t，一t，，，L霄"
Swiss Exchange 1 212 308．4 935 448，3 29，60／．
Teh豫n SE 36 314．6 36440,2 _0。30／．
Tel Aviv SE 1堕婴二三122婴旦～ ～盥!!堕
塑堡警wI曼曼⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯． 148 775-1 93 602。2 。‘⋯⋯⋯5⋯8⋯,9㈣％
Wiener B6rse 192770．3 126 251。5 52,7％
『o例region 16 144 757,5 12 206 204,5 32,3％
Information notes：
1．Asia-Pacific total re西on excludes Osaka and NSE India to avoid double counting
with Tokyo SE and Bombay SE respectively Data combine the main and SMBs market
capitalizations．They include common and preferred shares，and exclude investment funds，
rights，warrants，convertibles，foreign comanies．
2．Data are from World Federation ofExchanges．