投资项目经济评价指标的应用比较分析

王昊明

(埃克塞特大学 商学院，英国 德文郡 EX4 4PU)

一、理论基础及研究思路

在Markowitz模型的基础上，Fisher和Litterman结合资本资产定价理论，将其改良后提出了Black-litterman模型，自此以后，该模型成为金融领域的主流资产配置工具[1]。该模型的精确表述如下：

(1)

E(R)=λVP+RF

(2)

(3)

在该理论基础上，本文旨在研究是否能构建一个主动投资组合，并使其收益率超过基准收益率，其中，基准收益率包括50%的标准普尔全球1200指数和50%的美国3个月国库收益率。主动投资组合由全球范围内的长期资本增值(成长型股票)和相对稳定的价值型股票组成。尽管有着较高市盈率的公司可以提供大量的资本回报，但是其中有一些资产较小的新公司，稳定性相对较差且抗风险能力不强。为使成长型股票的风险分散，笔者从收入型股票中选择了处于稳定行业的公司股加入投资组合。此外，考虑到收益和风险之间的权衡，笔者还纳入了20%的3个月美国国库券。最终，这一调整后的投资组合包括20%的3个月美国国库券和80%的来自全球股票市场的股票。

二、数据选择

自上而下是一种查看经济的整体情况，然后将各个组成部分分解为更精细的细节的投资方法，这个方法被用于构建该投资组合(Investopedia，2018)。彭博社在考察了整个世界的经济状况后，基于“GDP”指标，对所有国家在2017年的GDP进行了排名，如表1所示。在图1的GDP趋势图中，它表明美国排名第一，欧盟排名第二，中国排名第三。在欧盟内部，德国排名第一，英国排名第二。

在考虑风险分散的前提下，相关矩阵被用于检验不同国家的相关性。如表2所示，相关性较低的组合可以更好地分散风险，最后发现英国与美国和中国的相关性与德国相比低得多。中国与美国、英国的相关性也很低。因此，美国、中国、英国被选为该投资组合的主要市场。商业周期也被纳入考量，根据国际货币基金组织的研究表明，“2016年中期开始的全球经济增长在2018年变得越来越强”(IMF，2018)。英国的商业周期处于复苏阶段，尽管中国经济放缓，但2018年仍保持6.5%左右的增长目标，预计美国整体投资环境将非常有信心，这些事实都支持了对全球市场的投资选择[4]。

表1 各国2017年GDP指数(单位：十亿 货币：美元)

图1 四国GDP趋势图

中国美国德国英国中国1美国0.627 9341德国0.700 6530.967 4321英国0.464 0220.881 1060.888 7271

由于不同国家的政治制度和风险、经济环境、技术发展、生态挑战、机遇和法律环境等有着显著不同，因此，这种国际投资组合可能使系统性风险更趋于多样化。除此之外，汇率风险也是应当考虑的因素之一。因为中国对汇率的稳定性有较为严格的监管，人民币的汇率可能相对稳定。但考虑到英国脱欧在英国的持续影响以及中美之间的贸易战，有必要在需要时购买外汇掉期[5]。

两个原则被用于择股，首先是股票价格会上涨，并能出售盈利；其次是为获得更高和较为稳定的股息支付。基于“全球增长和收入”的目标，要进行必要的行业选择。

为了找到比目前整体市场更快速度增长并且未来具有巨大潜力的公司，我们使用价格-收益比率对行业进行排名，并依此排名从英国、美国和中国区域选择了技术、工业、消费必需品和医疗保健的具有最高市盈率行业中的16家公司。这些公司将提供大量资本回报，但其中不乏有一些规模相当小的新公司，收益不稳定。为了使增长型股票的不确定性多样化，我们根据股息收益率排名来看待收入型股票的行业，并选择公用事业、金融、通信和能源部门。最终选择20家公司，预计他们将提供稳定的股息支付。

三、数据处理

在选择那些收益与风险理想的股票之后，再给予它们不同的权重，旨在形成击败基准收益率的投资组合。

基于Black-Litterman模型的数据处理包含两个步骤。在步骤一中，假设加权基准利率(S&P 1200)是最优的，并且按照与基准收益率一样的权重(50%的全球股票组合和50%的美国3个月国库券)得出每种股票的预期回报收益，使其与基准权重、协方差矩阵和3个月国库券利率一致。

在第二步中，根据投资的选股标准，调整股票收益并将其纳入投资组合，使得投资组合的夏普比率值最大。具体而言，调整的程度参考了摩根士丹利、瑞士信贷、中信证券等多家优秀金融公司和组织的平均估计值。

在建立投资组合后，因为货币和相关行业与投资组合的表现高度相关，所以，通过密切关注这方面的新闻，出售一些表现不佳的股票，增持表现优于基准的技术和金融业股票份额。经过这一系列调整后，现在投资组合包括20%的3个月美国国债和36个来自8个行业的股票。其中，金融行业占比最高，达到了19%，技术行业占16%，通讯和能源行业以及快消产业占比接近，分别为12%、12%和11%(图2)。

图2 主动投资组合权重

四、数据结果

在调整之前，投资组合的表现低于基准。在中期评估期间，整体金融市场处于动荡之中，因此，基准和投资组合都表现不佳，特别是我们的投资组合，显示了较差的风险承受能力。因此，我们对基于Markowitz均值 - 方差投资组合理论和Black-litter模型的行业选择和选股进行了一些调整。风格分析也被用于估计投资组合的表现，并将其表现与基准进行比较。调整后，投资组合的表现优于基准收益的表现(图3)。

图3 调整后收益对比

五、结论与分析

总体而言，经过适当调整后，该国际投资项目的表现优于基准，这样的结论与预期一致，说明结合国债的全球市场投资项目的表现可以比市场基准更好，也证明基于Black-Litterman的投资组合方法的合理性。特别是基于投行分析主观调整后，带来了更好的收益，这证明投资组合的实际应用可行，具有可操作的现实意义。下面对超额收益贡献部分展开分析。

信息比率用于衡量基准相对回报中每单位风险所带来的回报，而夏普比率则衡量投资组合相对于单位总风险的超额收益率，因此这两个比率可用于对比分析(Investopedia，2018)。调整后的投资组合的夏普比率为0.04，远高于调整前的夏普比率-0.01，表明调整后的投资组合的整体表现优于基准(图4)。投资组合表现相对较好，基金回报约0.097%来自经理主动选择的能力。

图4 累计超出基准收益

一般而言，信息比率从主动调整的角度描述风险调整后的收益。在我们的投资组合中，信息比率为0.28，这意味着我们的投资组合达到了超越基准的主要目标。股票占投资组合的80%，而另外20%是通过债券实现的。投资组合中股票的权重为80%，比基准股票高出30%，因为股票的表现远远好于基于历史数据的债券。从回报的角度，为了使投资组合的表现优于基准，股票权重的增加可以对投资组合的表现产生积极影响。

接下来是选择效应，通过选择特定行业中的特定股票来增加价值，超过基准。图5揭示了不同产业对投资组合整体收益的贡献程度。

图5 产业贡献

能源产业占总回报的63%，创造了最主要的贡献。继能源产业之后，消费必需品行业占总回报的11%，而排在最后的通信行业则产生负面贡献-13%。由于整个市场在过去三个月内波动很大，而且当市场不稳定时能源行业通常更加稳定，因此，选择和分配相对较大的权重给能源行业是合理的。择股效应也给投资组合带来了正面效益，通过分析组合整体的股票结构，笔者发现，中国石油占投资组合权重的27.25%，回报率接近0.04%；另外两支贡献比较显著的股票分别是Red Hat INC(0.01%)和Hammerson PLC(0.01%)，它们的比重超过其原始资本市场权重，这带来了令人满意的期望利润。由此可见，通过选择效应和择股效应，产业的贡献带来了超过预期的收益，表现良好的企业股票也拉动了整体收益。但就长期投资而言，还有更多需要考虑的因素，如国家股权投资条件的“长期可持续增长”因素，应对全球行业分析和选择进行更全面的分析，比如说通过大数据建模来进行需求分析，行业生命周期分析。