王剛貞, 李文博, 朱家明

(安徽財(cái)經(jīng)大學(xué) a.金融學(xué)院, b.統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院, 安徽 蚌埠 233000)

隨著人工智能的不斷發(fā)展, AI產(chǎn)業(yè)涉及的領(lǐng)域逐漸擴(kuò)張。同時(shí),由于我國(guó)金融市場(chǎng)的發(fā)展和人們?nèi)找嬖鲩L(zhǎng)的理財(cái)需求, 金融投資策略、金融計(jì)量模型等逐漸成為人們理財(cái)投資的重要工具, 這使人工智能行業(yè)可能成為資產(chǎn)投資的重點(diǎn)方向。資產(chǎn)評(píng)估是市場(chǎng)經(jīng)濟(jì)發(fā)展到一定階段的必然結(jié)果, 對(duì)上市公司進(jìn)行資產(chǎn)評(píng)估有助于對(duì)投資決策作出準(zhǔn)確的判斷。對(duì)于人工智能行業(yè)資產(chǎn)評(píng)估分析, 有利于彌補(bǔ)我國(guó)在資產(chǎn)評(píng)估規(guī)章制度方面的不足。

從宏觀角度來(lái)看,對(duì)與AI產(chǎn)業(yè)相關(guān)的股票進(jìn)行人工智能概念股領(lǐng)域的投資組合分析,可以發(fā)現(xiàn)當(dāng)前人工智能行業(yè)存在的不足并加以改進(jìn)完善,有助于人工智能行業(yè)的發(fā)展。從微觀角度來(lái)看,對(duì)人工智能行業(yè)進(jìn)行投資價(jià)值分析有兩方面作用:一方面有助于人工智能企業(yè)決策投資者更好地了解自己企業(yè)的經(jīng)營(yíng)狀況,便于更好地優(yōu)化資金分配問(wèn)題和投資組合;另一方面,投資價(jià)值分析有利于人工智能企業(yè)自身經(jīng)營(yíng)決策的確定[1]。目前,我國(guó)的人工智能市場(chǎng)尚不成熟,正確的經(jīng)營(yíng)決策可幫助企業(yè)解決各種問(wèn)題?？偟貋?lái)說(shuō),對(duì)人工智能進(jìn)行投資價(jià)值分析,既符合企業(yè)投資決策者的需要,也能滿(mǎn)足廣大股民想要獲取收益的需求[2]。

一、量化選股

為了選出具有高成長(zhǎng)性、高盈利性的股票,本研究采用量化選股的方式對(duì)個(gè)股的成長(zhǎng)性、盈利性、償債能力等方面進(jìn)行分析,從109只股票中挑選出最優(yōu)成長(zhǎng)股構(gòu)建投資組合,并運(yùn)用量化投資方法使選取的股票更具有準(zhǔn)確性和系統(tǒng)性。

1.備選股票池

為了使篩選股票的準(zhǔn)確性更高,首先對(duì)人工智能行業(yè)的股票進(jìn)行初步篩選。以?xún)糍Y產(chǎn)收益率(ROE)為初步參考標(biāo)準(zhǔn),初步選出凈資產(chǎn)收益率大于12%的29只股票加入本次進(jìn)行量化投資的備選股票池,如表1所示。

表1 凈資產(chǎn)收益率大于12%的29只股票

2.財(cái)務(wù)指標(biāo)選取

篩選成長(zhǎng)型股票,財(cái)務(wù)指標(biāo)的選取是必不可少的,需要綜合分析每個(gè)上市公司的成長(zhǎng)性、盈利性、償債能力和資本結(jié)構(gòu)。衡量成長(zhǎng)性的指標(biāo)為營(yíng)業(yè)收入增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率和基本每股收益率。衡量盈利性的指標(biāo)為總資產(chǎn)報(bào)酬率、營(yíng)業(yè)利潤(rùn)率、凈資產(chǎn)收益率和加權(quán)凈資產(chǎn)收益率。衡量?jī)攤芰Φ闹笜?biāo)為流動(dòng)資產(chǎn)比率和速動(dòng)資產(chǎn)比率。衡量資本結(jié)構(gòu)的指標(biāo)為資產(chǎn)負(fù)債率。

3.主成分分析

在研究這些股票財(cái)物指標(biāo)的過(guò)程中,多個(gè)財(cái)務(wù)指標(biāo)之間難免會(huì)有相互關(guān)系,為了減少這種情況的出現(xiàn),可采用主成分分析法來(lái)降低指標(biāo)維度,合成少數(shù)幾個(gè)相互無(wú)關(guān)的綜合性指標(biāo)。主要的分析步驟為:

(1)將原始數(shù)據(jù)按行排列成矩陣,具體數(shù)據(jù)見(jiàn)表2。

表2 財(cái)務(wù)指標(biāo)數(shù)據(jù) %

(2)計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)的協(xié)方差矩陣。

(3)計(jì)算特征值和特征向量。

(4)計(jì)算主成分的方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率,累計(jì)貢獻(xiàn)率越大,表明主成分包含的原始信息越多。

(5)提取主成分因子進(jìn)行主成分分析,具體分析結(jié)果見(jiàn)表3。

表3 主成分分析結(jié)果

利用MATLAB軟件對(duì)10個(gè)指標(biāo)進(jìn)行主成分分析,得出如表3所示的結(jié)果。從表3可以看出:前4個(gè)指標(biāo)的特征值分別是3.84、2.52、1.47、1.04;前4個(gè)指標(biāo)的貢獻(xiàn)率累計(jì)達(dá)到88.76%,超過(guò)85%,涵蓋了大部分的信息。所以,確定了前4個(gè)指標(biāo)為主成分,它們分別是成長(zhǎng)因子、盈利因子、償債因子和資本結(jié)構(gòu)。

(6)計(jì)算出29只股票的主成分得分和綜合得分,綜合得分是各主成分得分的加權(quán)平均值,然后對(duì)得分結(jié)果進(jìn)行排序,結(jié)果如表4所示。

表4 各股票主成分得分、綜合得分及排名

根據(jù)表4中29只股票的綜合排名,資金擁有量不同的人群會(huì)進(jìn)行不同的投資選擇。資金擁有量處于社會(huì)平均水平以上的投資者可以考慮對(duì)不同的股票進(jìn)行組合投資,而資金擁有量處于社會(huì)平均水平以下的投資者可以考慮排名靠前的幾只股票。

4.模糊C均值聚類(lèi)

雖然主成分分析法給出了這些股票的綜合排名,但是,并未對(duì)股票進(jìn)行分類(lèi)處理,這樣會(huì)導(dǎo)致資金擁有量比較多的投資者進(jìn)行股票投資組合時(shí)難以抉擇。所以,需要利用模糊C均值聚類(lèi)分析對(duì)這29只股票進(jìn)行分類(lèi)。

模糊C均值聚類(lèi)算法是從傳統(tǒng)HCM算法上改進(jìn)而來(lái)的,是模糊聚類(lèi)領(lǐng)域發(fā)展較為完善的算法,已成功應(yīng)用于許多領(lǐng)域。模糊C均值聚類(lèi)算法是按照某種規(guī)則,將具有同類(lèi)性質(zhì)的數(shù)據(jù)進(jìn)行歸類(lèi),轉(zhuǎn)化為非線(xiàn)性?xún)?yōu)化問(wèn)題,再通過(guò)迭代的方式進(jìn)行求解[3]。對(duì)數(shù)據(jù)進(jìn)行模糊C均值聚類(lèi),有助于投資者重點(diǎn)關(guān)注某一個(gè)類(lèi)別的股票,從而構(gòu)建更好的投資組合,獲取更大的收益或及時(shí)止損。根據(jù)這些股票的成長(zhǎng)因子、盈利因子、償債因子和資本結(jié)構(gòu)情況進(jìn)行的聚類(lèi)分析結(jié)果如表5所示。

表5 股票聚類(lèi)結(jié)果

根據(jù)表4的主成分分析結(jié)果和表5的股票聚類(lèi)結(jié)果,可以計(jì)算出每個(gè)類(lèi)別的成長(zhǎng)因子、盈利因子、償債因子及資本結(jié)構(gòu)。每一類(lèi)的成長(zhǎng)因子是其成長(zhǎng)因子的均值。結(jié)果如表6所示。

表6 三類(lèi)股票的主成分分析結(jié)果

根據(jù)表6中三類(lèi)股票各主成分分析結(jié)果可以得出:第一類(lèi)股票的4個(gè)主成分均是負(fù)值,不適合投資;第二類(lèi)股票除盈利因子外均是負(fù)值,適合短期投資;第三類(lèi)股票的盈利因子是負(fù)值,成長(zhǎng)因子、償債因子和資本結(jié)構(gòu)均是正值,適合長(zhǎng)期投資。

5.初步構(gòu)建股票組合

由上述主成分分析和模糊C均值聚類(lèi)分析可以看出,這兩種方法的優(yōu)缺點(diǎn)剛好互補(bǔ)。所以,為了得到更理想的結(jié)果,要將這兩個(gè)方法加以結(jié)合。投資者不能根據(jù)某一方法的結(jié)果進(jìn)行簡(jiǎn)單的股票投資選擇,而要結(jié)合這兩種方法構(gòu)建一種最為理想的股票投資組合,本研究初步篩選了8只股票。選擇匯金科技、富瀚微、景嘉微、二三四五進(jìn)行長(zhǎng)期投資,選擇浙數(shù)文化、三六零、匯頂科技、同花順進(jìn)行短期投資。

6.初步篩選的股票的相關(guān)性

根據(jù)初步篩選的8只股票的相關(guān)數(shù)據(jù)計(jì)算出8只股票的相關(guān)性,見(jiàn)表7。

表7 初步篩選的8只股票的相關(guān)系數(shù)

從表7可以看出,這8只股票的相關(guān)程度均不超過(guò)0.7,最大的相關(guān)系數(shù)是景嘉微與富瀚微兩只股票,相關(guān)系數(shù)值為0.678。這說(shuō)明初步篩選的股票大體上比較適宜投資。股票間相關(guān)系數(shù)超過(guò)0.5可以近似為相同投資性質(zhì)的股票。在初步篩選的8只股票中,二三四五與同花順、富瀚微、景嘉微的相關(guān)系數(shù),同花順與三六零的相關(guān)系數(shù),匯頂科技與景嘉微的相關(guān)系數(shù),浙數(shù)文化、富瀚微、三六零、景嘉微的相關(guān)系數(shù)均超過(guò)0.5,說(shuō)明這些股票不宜同時(shí)進(jìn)行投資,所以在進(jìn)行投資組合時(shí)需要注意。

7. 組合風(fēng)格

運(yùn)用同花順軟件對(duì)初步篩選的股票的組合風(fēng)格進(jìn)行分析,繪制出組合風(fēng)格分布情況(見(jiàn)圖1)?？梢?jiàn),該組合屬于成長(zhǎng)型小市值和成長(zhǎng)型中市值的股票份額較大,說(shuō)明初步篩選的股票組合是比較適合投資的。

圖1 組合風(fēng)格

二、投資組合構(gòu)建

投資組合理論是由馬科維茨提出來(lái)的,要解決的主要問(wèn)題是如何在風(fēng)險(xiǎn)不確定的情況下分析和調(diào)整不同金融資產(chǎn)的投資比例,有效降低非系統(tǒng)風(fēng)險(xiǎn),使選定的股票投資組合能分散投資風(fēng)險(xiǎn),實(shí)現(xiàn)理想的最大化目標(biāo)[4]。馬科維茨有效前沿是建立在“均值-方差”組合理論之上的,是證券投資組合構(gòu)建的基礎(chǔ)。具體而言,是在禁止融券和無(wú)限制借貸的兩種主要假設(shè)下,將資金進(jìn)行不同收益的投資組合,以達(dá)到眾多不同方差和期望收益的最佳組合,從而實(shí)現(xiàn)在一定的收益水平下對(duì)應(yīng)的方差最小、風(fēng)險(xiǎn)最小,或者在一定風(fēng)險(xiǎn)的情況下投資組合的收益達(dá)到最大化[5]。投資者可以根據(jù)自己的偏好和自有資金情況考慮要選擇的投資組合,以達(dá)到效用最大化。

1. 投資組合的有效前沿構(gòu)建

投資組合最核心的部分是對(duì)投資組合中各資產(chǎn)賦予不同的權(quán)重,然后計(jì)算出不同權(quán)重比例組合下的收益與風(fēng)險(xiǎn),從而有效地進(jìn)行資產(chǎn)的分散化,同時(shí)獲得更高的收益或者負(fù)擔(dān)更低的風(fēng)險(xiǎn)。為了尋求資產(chǎn)配置的最優(yōu)化配比,本文根據(jù)馬科維茨理論模型,利用MATLAB軟件,構(gòu)建了8只股票組合的有效前沿,圖2中從左到右的10個(gè)點(diǎn)依次為10種不同的投資組合方案下的結(jié)果。根據(jù)有效前沿的結(jié)果,得出8只股票具體的有效前沿?cái)?shù)據(jù),見(jiàn)表8。

圖2 投資組合的有效前沿

表8 8只股票的有效前沿?cái)?shù)據(jù)

由MATLAB計(jì)算結(jié)果得出的各分配方案如表8所示, 結(jié)論為三六零、富瀚微和景嘉微3只股票在投資組合中的占比較低, 接近于0。投資組合的分散程度越低風(fēng)險(xiǎn)越大, 越高則風(fēng)險(xiǎn)越小。

2.最優(yōu)投資組合權(quán)重的確定

根據(jù)前面的投資組合有效前沿的10種不同投資組合方案,得到了關(guān)于同花順、匯頂科技、三六零、浙數(shù)文化、二三四五、富瀚微、匯金科技、景嘉微這8只股票的不同投資權(quán)重,再利用效用函數(shù)計(jì)算這10種不同組合帶來(lái)的效用情況。效用函數(shù)的計(jì)算公式為

U=E(r)-0.5Aσ2。

式中:U表示投資組合的效用;E(r)表示投資組合的預(yù)期收益率;A表示投資者的風(fēng)險(xiǎn)偏好或厭惡程度;σ2為投資組合的收益方差。選取A=-3、-2、-1、0、1、2、3,計(jì)算不同風(fēng)險(xiǎn)偏好下的投資者的效用,結(jié)果見(jiàn)表9。

表9 不同A值對(duì)應(yīng)不同投資方案的效用

觀察表9可以看出,無(wú)論是哪種投資組合,只要A值在逐漸增大,該種投資的效用就會(huì)逐漸增大。所以,投資組合效用最大的投資方案是第10種。結(jié)合表8的第10種投資方案情況可知最優(yōu)投資組合權(quán)重,即93.75%的資產(chǎn)投資于同花順股票和6.25%的資產(chǎn)投資于匯金科技股票,投資其他股票的占比均為0。這種投資組合方式既適用于風(fēng)險(xiǎn)偏好型投資者,也適用于風(fēng)險(xiǎn)厭惡型投資者。

3.投資組合的在險(xiǎn)價(jià)值

在市場(chǎng)經(jīng)濟(jì)中,每個(gè)企業(yè)都會(huì)以利潤(rùn)最大化為追求目標(biāo),所以投資組合就顯得很重要。與此同時(shí),更多的企業(yè)家會(huì)更加關(guān)注投資組合的風(fēng)險(xiǎn)評(píng)價(jià)。本文提取8只股票1年內(nèi)的每日收盤(pán)價(jià),設(shè)每只股票均持有1萬(wàn)股,利用同花順軟件對(duì)這8只股票在不同置信水平下的在險(xiǎn)價(jià)值進(jìn)行測(cè)算,測(cè)算結(jié)果如表10所示。

表10 8只股票在不同置信水平下的在險(xiǎn)價(jià)值和波動(dòng)率

觀察表10可知,一般情況下,誤差值標(biāo)準(zhǔn)差越小的股票的在險(xiǎn)價(jià)值越高,在某種程度上,符合高風(fēng)險(xiǎn)高收益的投資規(guī)則。測(cè)算每只股票分別在99%和95%的置信水平下的在險(xiǎn)價(jià)值,有利于進(jìn)一步考慮如何分配權(quán)重。

在99%的置信水平下,匯金科技的在險(xiǎn)價(jià)值是最高的,其波動(dòng)率也是最高的;浙數(shù)文化的在險(xiǎn)價(jià)值最低,其波動(dòng)率也是最低的。在95%的置信水平下,匯頂科技的在險(xiǎn)價(jià)值是最高的,其波動(dòng)率處于中等水平;二三四五的在險(xiǎn)價(jià)值最低,其波動(dòng)率較高。

從上述表述和表格中其他股票的在險(xiǎn)價(jià)值可以看出,通過(guò)有效前沿?cái)?shù)據(jù)和效用函數(shù)共同確定的股票同花順和匯金科技是比較適用于投資的,說(shuō)明構(gòu)建的投資組合較為合理。

三、結(jié) 語(yǔ)

本文的投資策略在設(shè)計(jì)過(guò)程中針對(duì)了不同風(fēng)險(xiǎn)偏好的投資者,所以,無(wú)論投資者是風(fēng)險(xiǎn)偏好型、風(fēng)險(xiǎn)厭惡型,還是風(fēng)險(xiǎn)中性,都可以采用這樣的方式篩選出適合自己投資的股票,并且在能接受的風(fēng)險(xiǎn)水平下,計(jì)算出資產(chǎn)的最優(yōu)投資組合,進(jìn)而對(duì)自己的資產(chǎn)進(jìn)行合理分配,并規(guī)避風(fēng)險(xiǎn)和獲得一定的收益。按照同樣的方法,還可以得到一些適合長(zhǎng)期投資的股票,對(duì)于這些股票,投資者可以考慮在股價(jià)較低的時(shí)候買(mǎi)入,在買(mǎi)入之后可以作為自有資產(chǎn)長(zhǎng)期持有。對(duì)于適合短期投資的股票,可以在1個(gè)會(huì)計(jì)期間內(nèi)多次進(jìn)行買(mǎi)入與賣(mài)出。在適合短期投資的股票中,當(dāng)日K線(xiàn)圖中出現(xiàn)“早晨之星”的時(shí)候買(mǎi)入,出現(xiàn)“黃昏之星”的時(shí)候賣(mài)出,可以獲得短期收益。

本次投資組合策略主要是基于股票的成長(zhǎng)性、盈利性、償債能力和資本結(jié)構(gòu)等財(cái)務(wù)指標(biāo)的綜合得分進(jìn)行概念股選取的。由于概念股的特殊性,其股價(jià)波動(dòng)相較于其他板塊的股票浮動(dòng)較大,因此,基于各項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行概念股的投資選股尤為重要。