时间：2023-08-31 16:23:16
序论：在您撰写财富管理投资策略时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
关键词：主权财富基金 中司 国际关系 政治障碍
主权财富基金由来已久，早在1953年科威特政府即利用其石油出口收入成立了科威特投资局，投资于国际金融市场，成为世界首只主权财富基金。近10年来，主权财富基金作为政府拥有和管理的投资基金获得飞速发展，目前全球主权财富基金所管理的资产总规模约为2.2万亿美元。而根据当前增长速度，至2015年，全球主权财富基金所管理的资产规模将超过10万亿美元。因而主权财富基金已成为全球金融市场中日益重要的机构投资者，将对全球金融市场的运行产生越来越大的影响，并对未来国际关系格局产生深远影响。
迄今为止，国际社会对主权财富基金并没有一致的定义。一般而言，主权财富基金(Sovereign Wealth Funds，简称SWFs)，是由一个国家或地区政府设立的官方投资基金，它是对过多的财政盈余与外汇储备盈余来进行管理和运作的金融机构。主权财富基金的特点决定了其资金均来源于财政盈余或国家外汇储备，因而主权财富基金带有色彩浓厚的政府背景和国际政治色彩。同时，与主权基金的国家属性密切相关的是，由于缺乏国际监管准则和实践，主权财富基金缺乏足够的透明性，发达国家政府担心他国主权财富基金对本国战略性行业实施并购会危害国家安全。特别是当俄罗斯、中国等发展中大国成立主权财富基金，涉足该领域时，主权财富基金成为国际关系研究人员炙手可热的话题。
一、我国主权财富基金的成立
2007年9月29日，中国投资有限责任公司(China Investment Corporalion,CIC,以下简称“中司”)正式挂牌成立，这标志着我国第一只真正意义上的主权财富基金正式成立。中司是依据《公司法》设立的国有独资公司，公司注册资本金为2,000亿美元，资金来源于2007年6月底财政部发行的1.55万亿元特别国债购买的2000亿美元外汇储备。中司董事会成员共11人，公司实行政企分开、自主经营、商业化运作，在可接受的风险范围内，实现长期投资收益最大化。
应该说，成立中司是我国政府开展外汇储备积极管理迈出的重要一步。截止2008年6月底，我国外汇储备已达1.81万亿美元，稳居世界首位。持有大规模外汇储备意味着巨大的资金效率损失，汇率风险及国内货币政策独立性的丧失。因此，我国政府参照国际通行的模式，在保持传统外汇储备流动性和安全性的前提下，成立一家专门从事外汇资金投资业务的外汇投资公司，将部分富余储备剥离出来进行积极管理，以提高外汇储备的整体收益率是必然的选择。
二、当前我国主权财富基金面临的挑战
因成立时间不长，当前中司面临着公司内部管理及国际政治干预等诸多方面的挑战：
(一)法律制度瑕疵的挑战
严谨规范的法律支持和约束，是多数国家主权财富基金所必需的，但当前中司的成立和运作缺乏法律的充分支持和依据，这必将影响到未来中司规范化管理和运作，制约其发挥出的正面效应。中司作为我国一家按现行《公司法》为依据成立的的国有独资公司，理应符合公司法的相关规定，然而在公司的设立和运作过程中，却存在着诸多与《公司法》相悖之处，公司从成立到运作管理缺乏充分的法律依据。
按我国现行法律规定，外汇储备经营管理职责由中央银行及国家外汇管理局承担，在现行法律条文中找不到明确授权中央银行及国家外汇管理局以外的其他任何机构有权从事外汇储备资产的经营管理活动的规定，这意味着中司并没有充足的法律依据获得国家外汇资产的经营权。中司的资本形成方式，也不符合我国《公司法》关于国有独资公司的规定。按照我国《公司法》，国有独资公司是指国家单独出资，由国务院或者地方人民政府委托本级人民政府国有资产监管管理机构履行出资人职责的有限责任公司。中司的资金来源于2007年6月底财政部发行的1.55万亿元特别国债购买的2,000亿美元外汇储备。但因中司将承担向1.55亿人民币特别国债偿还利息的义务，从这个角度讲，2,000亿美元的注资应被界定为是公司的负债而非资本金，财政部并非公司的股东。单从上述注资过程，中司的资本金究竟是多少、股东究竟是谁无从得知。因而，中司的资本形成方式模糊，无法界定为国家单独出资，不符合《公司法》关于国有独资公司出资设立的相关规定。
(二)国际政治经济大环境中自身目标定位的挑战
专业化、商业化和独立化，是各国主权财富基金在国际上经常宣传的基本原则；但是其背后都隐藏着巨大的政治动机，很多经济界人士往往忽略这一点。
中司的目标和制度设计过于复杂，定位模糊。中司在公司挂牌仪式上曾表示，“中司将以境外的金融组合产品投资为主，实现外汇资产的长期收益最大化，同时继续向国内金融机构注资，依法履行出资人代表职责”；“中司的宗旨有两点：一是在可接受的风险范围之内获得合理的长期收益；二是改善所控股金融机构的公司治理”。因而中司将执行混合型的投资策略，其中，“境外金融组合产品投资”属于组合投资策略，而“对国内金融机构注资”和“改善所控股金融机构的公司治理”则属于战略投资策略。
中司同时肩负着国内政策性投资和海外市场投资两种角色，既有经济任务也有政治任务。如何有效平衡自己有限的资源，是中司面临的一大挑战，也是公司需要解决的基本问题。在当前的国际经济政治环境下，这笔特殊资金的投资目标和投资策略，远比我们设想的要错综复杂。
(三)投资策略选择的挑战
关键字：证券市场 淡马锡 挪威全球养老基金 经营管理
中图分类号：F830.49 文献标识码：B 文章编号：1006-1770(2009)06-058-04
一、问题提出
随着财富基金成为国际金融市场上一个日益活跃的参与者，其具体的投资策略受到国际社会的广泛关注。一般根据财富基金投资策略的不同，将其分成两类：战略型投资基金(strateglc Investment Fund)和组合型投资基金(PortfelioInvestment Fund)。实施战略型投资策略的财富基金一般对目标企业实施相对或绝对控股的投资，典型代表是新加坡的淡马锡；而采用组合型投资的财富基金偏向持股比例较低的参股型投资策略，例如挪威全球养老基金，该基金投资了全球约3500家公司，每家公司平均持有股权比例却低于1％。
2007年中国成立了自己的财富基金一中国投资有限责任公司(china Investment Corporation，简称CIC)，此后围绕着其投资策略的选择，学术界一直纷争不断。那么，对于一国的财富基金来说，采取战略型的投资策略还是组合型的投资策略更为有利呢?采取战略型投资和组合型投资的具体区别又有哪些?本文将对两个典型的财富基金－淡马锡和挪威全球养老基金进行比较分析，试图通过找出两种投资模式的异同，以期对中国财富基金的投资策略选择有所借鉴。
二、两支财富基金的简介
(一)战略型财富基金――淡马锡简介
淡马锡的全称是淡马锡控股(私人)有限公司(TemasekHoIding(Prlvate)Limited)，成立于1974年6月25日，直接向财政部负责，是世界上典型的国有控股的资产经营公司，目前资本金约为1080亿美元。从成立到1996年间的20多年里，新加坡政府赋予淡马锡的目标是发展本国能源、运输等事业，并且从事社会公共事业投资和建设；淡马锡始终坚持投资于国内，实现了每年18％的持续高增长速度。进入1997年，受到亚洲金融危机的影响，淡马锡旗下的本地企业大多表现欠佳。面对这样的经济形势，淡马锡提出了两项改革目标：打造一流企业和实现海外扩张。淡马锡借鉴通用电气的投资经验，在分析工具，评估机制，后期追踪、风险管理上都采用一流的西方投资公司的模式。淡马锡全面转型的标志可以从2002年何晶出任淡马锡的执行董事兼CEO开始，此后淡马锡的发展显现出两个新的特点：一是透明度增加，二是拓展海外投资。2004年开始，淡马锡开始向外界年度财务报告，改变投资策略，进行一系列的内部改革。截至2008年底的20年里，淡马锡的年投资回报率约13％。
(二)组合型财富基金――挪威全球养老基金简介
挪威政府养老基金一全球(the Government Pension Fund－Global，简称GPFG)成立于1990年，其资本来源于石油和天然气领域产生的外汇盈余。由于石油资源的不可再生性和该国人口老龄化问题，挪威财政部于1990
年设立挪威石油基金(The Pe-traleum Fund of Norway)，并在2006年1月将基金更名为挪威政府全球养老基金(下面简称为GPFG)。
截至2008年3月31日，GPFG的市值为19.458亿挪威克朗(约合3.891亿美元)，在财富基金规模上跻身欧洲第一和世界第二。自1996年第一笔资金注入以来，其平均年实际回报率为4.57％。股票和固定收益投资在1998-2007年期间的平均名义年收益率分别为5.12％和7.00％。这种较稳定的年收益率与其阶段性改革的经营策略是分不开的：
1990年，挪威议会批准成立政府石油基金，以提高政府石油收入的长期收益。
1996年，第一笔3亿美元的资金汇入，并被投资于海外固定收益产品。
1998年，允许股票投资，投资组合开始包括股票和固定收益工具(仅包括政府债券)。
2002年，允许投资于无政府担保债券。
2004年，成立道德监督委员会(Council on Ethics)，投资需遵循制定的“道德纲领”。
2006年，基金更名为挪威政府养老基金一全球。
基金成立之初，管理运作完全由挪威财政部直接负责，投资保守，集中于政府担保债券等低风险的固定收益产品。到1998年，挪威议会批准成立挪威央行资产管理部(Norwegian BankInvestment Management，简称
NBIM)具体负责该基金的经营运作，此后GPFG在投资范围和管理方法上进行了改革，其机制也逐渐趋向于完善和成熟。在NBIM接管的十年来，投资的企业约有3500家，扣除管理费用后该基金平均年收益率为4.3％，总共为挪威财政部创造了约1000亿美元的投资回报，对国民福利事业的贡献意义重大。
三、两支基金经营管理的比较分析
尽管都被视为成功的财富基金的代表，淡马锡和GPFG的投资策略选择却是截然不同的。通过比较分析，二者除了在经营目标上存在一定的形似度外，在管理方式、投资组合、透明度水平和风险偏好上均存在较大的差异。
(一)基金经营管理的相似之处
在经营目标上，淡马锡和GPFG有着一些相似之处。淡马锡的经营宗旨是“以投资者与股东身份，积极参与成功企业的建设，确保股东的最佳长远利益”。一方面淡马锡要帮助旗下的公司建立核心优势，使其能在未来稳健发展，另一方面，要求淡马锡能为新加坡政府争取更多的利益回报，同时在商业利益和国家利益间作出平衡。挪威成立GPFG的目的是将石油收入转化为金融资产，形成稳定的收益，惠及后代。随着挪威人口老龄化的加剧(挪威人口中有1／4领取养老金，而且比例还在增加)，养老金支出不断增长，因而GPFG的经营目标是：在适度的风险下，追求投资利润的最大化，满足当期养老金支出的需要。不管基金盈利被用于何种目标。获得投资利润最大化都是两个财富基金最直接的目标。
(二)基金经营管理的主要区别
1 管理方式的差异
虽然淡马锡和GPFG都隶属于两国的财政部，但是对基金的管理上，两国财政部却采取完全不同的方式。淡马锡在投资决策、资金使用等方面享有完全的自，新加坡财政部对其采取的是一种“放养式”管理，不参与淡马锡的日常管理，只关注于重大决策和董事会人员的选择，淡马锡只要定期交纳各种
财务报表供审核即可。而GPFG的投资并不是通过自身经营运作的，是由NBIM具体负责。在GPFG的管理运作中涉及到了三个机构：挪威财政部，挪威议会和NBIM。具体来说，财政部负责制定GPFG的基准投资政策。包括基准的投资组合、基准投资回报率和风险上限，并报挪威议会申请批准。之后NBIM对照这个基准的投资政策，寻找合适的投资对象，达到预期的高回报率。财政部和NBIM之间的权利关系是：财政部只是制定关键性限制{如股票和固定收益工具之间的投资配置比例、在所投资公司中的持股最大限额以及对挪威央行主动管理的限制等)，但是并不干预具体的投资策略、投资组合等细节。NBIM依据基准的投资政策，可以灵活地选择投资对象，而且其实际的投资组合可以和基准投资组合有所背离，只要在财政部规定的最大差距尺度内。
2 投资组合的差异
(1)总体投资战略
在投资战略方面，淡马锡专注于通过股权投资，控制关系国计民生的战略性行业：GPFG则善于进行持股比例较低的财务型投资，其资金60％投资于股票，40％投资于固定收益类产品。
具体而言，淡马锡主要进行直接投资，通过淡联企业，跨国公司以及本地企业与新加坡经济直接挂钩。一般而言，淡马锡会相对较长地持有一家公司的股份，并争取做大股东，在回报率变低或者想增加投资对象的流通股时，会沽售或减持。在金融资产的选择上，淡马锡主要进行股权投资，有很少部分的商品、固定收益产品，信贷产品和不良资产投资，但并没有规定各部分的比例上限。对淡马锡来说主要通过跨地域投资和高增长性行业投资来分散风险。
GPFG则采取的是组合型投资策略。根据投资法规，NBIM对单一公司总股本的最高持股为5％，对单一公司内有投票权的股份持有比例也不能超过5％(2008年增加到10％)。GPFG的比较基准组合则是具体化的投资战略，明确了预期收益和风险值。目前比较基准组合来源于富时(FTSE)27个国家的股票指数成分股和雷曼全球总计债券指数的成分债券，组合中40％为股票投资，其余均为固定收益类产品。基准政策中的资产等级和地区比重随着基准的证券市场价格的变化而不断变化。每个月基本都会有新的资本注入到基金中来。资本被投资于不同等级的资产和地区，来尽可能接近基准政策。
(2)投资领域
在投资领域方面，淡马锡的投资主要集中在金融服务和电信传媒行业：而GPFG的投资行业却是多样化的。淡马锡的投资方向始终围绕四个主轴，即转型经济，中产阶级、竞争优势，业界冠军。目前淡马锡所涉及的行业大致可归为金融服务、电信传媒，交通物流、设施工程与科技，能源资源、房地产等6个类别。其中金融，传媒及电信是淡马锡近年来重点关注和投资的领域，从2005财年至今每年的投资比例都在60％以上(表1)。其未来五年的投资计划将集中在三个领域：一是投资于具有战略意义的项目，如通讯，水源；二是参与高风险但有成长潜能的行业，如生命科学；三是培育以本国为业务基地的知识密集型企业。相反，作为财务型投资者的GPFG，对投资却无任何行业偏好，只要在可接受的风险水平下，GPFG更乐于使投资更加多元化。
(3)投资地域
在投资地域方面，淡马锡除大力投资本国市场外，也重视对亚洲地区的投资；GPFG只进行对外投资，而且更偏爱欧美市场。自2002年改革以来，淡马锡提出在未来十年内，按照“三三三”的原则将其投资分布于新加坡，亚洲和OECD地区。根据淡马锡截至2008年3月31日的数据统计，在过去的四个财政年度内，淡马锡不断通过调整，优化区域间的投资比例。其在新加坡国内投资比例从2004财年的49％减少到2007财年的33％，而在亚洲(除日本)的投资比例则由19％增加到2007财年的41％。在表2中不难发现，在各地域的投资中，尤以对亚洲的投资比例最高。这也与亚洲近些年良好的经济增长形势密不可分。在2006年淡马锡提出“与亚洲同步成长”，以分享亚洲经济增长的利润。之后，淡马锡加大了对亚洲市场的投资力度，并在北京、孟买、胡志明市建立办公室，以利于在亚洲的投资。
根据挪威财政部制定的基准投资组合，欧洲市场是GPFG的投资重点，欧洲交易所上市的股票占据了组合中股票投资的一半份额，而固定收益的60％也集中在欧洲。具体来说，在基准的投资组合中：股票占基金基准投资组合的60％，基准的股票构成：欧洲市场50％、美国和非洲占35％，亚洲／大洋洲地区15％；固定收益占基准投资组合的40％，基准的固定收益构成：欧洲债券60％，美国债券35％、亚洲债券5％(见表3)。
3 透明度水平的差异
在透明度水平方面，GPFG要明显高于淡马锡。淡马锡从2004年开始才每年一次向外界其年度财务报告，包括公司本年度的新近投资，盈利和投资地域变化等对比数据。由于被视为战略型财富基金，淡马锡一直标榜自己采用纯商业化运作模式，并不代表国家意志。但是，其控股型的投资风格和透明度不高的原因，使其海外投资往往受到被投资国的关注与阻碍。而同样作为财富基金的GPFG却从没遇到过类似事件。因为GPFG是目前财富基金中透明度最高的一支，具有极好的口碑。自从NBIM接管了GPFG的运营管理之后，每个季度都会在挪威央行的网站上公布最新一季的投资明细公告，包括每一笔投资和具体的盈利。
4 风险偏好程度的差异
在投资风险方面，淡马锡的风险要远高于GPFG。在投资组合中，淡马锡主要进行股权投资，只有很少比例用于购买固定收益类债券。在投资行业选择上，淡马锡也倾向于向高威长型，高回报率，具有竞争优势的产业投资。但是高收益往往伴随着高风险，因而为了降低风险，淡马锡会选择这些行业内综合排名最靠前的公司进行投资。挪威财政部制定的基准投资组台中规定了GPFG的投资风险上限。作为稳健型投资者，GPFG使用资本金的40％购买固定收益类的债券(2007年之前60％的资本金用于购买债券)，用以保证基本的收益水平。随着投资管理经验的积累，近几年GPFG的风险承受能力在不断加强，2007年之前GPFG投资中的60％用于购买债券，目前这一比例已降到了40％；同时，GPFG对某一公司的持股比例也由5％增加到10％。尽管如此，GPFG的投资风险相比淡马锡而言并不算高。
关键词 均值方差准则； 随机微分博弈； 线性二次控制； 负债
中图分类号 F830 ， O225 文献标识码 A
1 引 言
均值方差投资组合选择的目标是，在终值财富的均值给定时使其方差最小.文献[1]第一次用计量数学方法研究了该问题，并给出了求解投资组合策略的理论框架.近年来，由于人们对经济问题的持续关注，均值方差投资组合选择问题已成为数理金融研究的最热点问题.文献[2]研究了动态多个时代的均值方差组合问题.文献[3]在随机LQ的框架下研究了连续时间均值方差组合问题，通过随机LQ得到了最优策略和有效边界.文献[4]研究了马尔柯夫调制市场上具有资产负债的均值方差组合问题，获得了最优策略和有效边界.
在研究中，发现已有文献对均值方差问题的研究，大多只从投资者的角度出发，获得最优投资组合，而没有考虑市场不确定性对投资者的影响.在实际中，投资者肯定会受到市场不确定性因素的影响，因此从投资者和市场2个角度同时考虑才更符合实际.这就是随机微分博弈问题.随机微分博弈属于博弈论的范畴.博弈论虽然古已有之，但文献[5]的发表才标志着随机微分博弈时代的真正到来.随机微分博弈，假设市场是博弈的“虚拟”对手，通过投资者和市场之间的双重博弈得到最优的投资组合.它如今已成为数理金融学、管理学科的研究热点.文献[6]在跳-扩散金融市场中，利用随机微分博弈论研究了风险最小化的投资组合策略问题.文献[7]利用随机微分博弈论研究了Markov调制模型下的期权估值问题.文献[8]研究了两个具有相关但不同投资机会的投资者之间基于随机微分博弈的最优投资问题.文献[9]在幂效用和指数效用下研究了具有负债的随机微分博弈.文献[10]在幂效用和指数效用下研究了基于再保险和投资的随机微分博弈.
已往文献对随机微分博弈的研究大多数都是基于效用的，很少研究基于均值方差准则的随机微分博弈.基于已往文献对均值方差问题和随机微分博弈的研究，本文尝试把这2个问题结合起来研究.另外，目前资产负债管理已经受到理论界和许多金融机构的重视，有越来越多的学者对其进行研究，这里不再一一列举.因此本文在文献[9]基础上研究了基于均值方差随机微分博弈的资产负债管理.目标是当终值财富的均值一定时，在市场最坏的情况下，投资者选择一个最优的投资策略最小化终值财富的方差.应用线性二次控制理论求得了最优投资策略、最优市场策略和有效边界，并分析了负债对它们的影响.本文的创新点是：在资产负债管理中引入了均值方差随机微分博弈.通过本文的研究在实践上可以指导投资者在具有负债和市场出现最坏情况下，选择恰当的投资策略使自身获得一定的财富而面临的风险最小；同时在理论上丰富和发展了资产负债管理和随机微分博弈.
2 模型设定
2.1 金融市场
参考文献
[1] H M MARKOWITZ. Portfolio section [J]. Journal of Finance， 1952， 7（1）：77-91.
[2] D LI， W L NG. Optimal dynamic portfolio selection： multiperiod meanvariance formulation [J]. Mathematical Finance ， 2000， 10（3）：387-406.
[3] X ZHOU， G YIN. Markowitz’s meanvariance portfolio selection with regime switching：a continuoustime model [J]. SIAM Journal on control and optimal， 2003， 42（4）：1466-1482.
[4] S X XIE. Continuoustime portfolio selection with liability and regime switching [J]. Insurance： Mathematical and Economics， 2009， 45（1）：148-155.
[5] R ISAACS. Differential Games [M]. New York：Wiley，1965.
[6] S MATARAMVURA， B OKSENDAL. Risk minimizing portfolios and HJBI equations for stochastic differential games [J]. Stochastics An International Journal of Probability and Stochastic Processes， 2008， 4（3）： 317-337.
[7] T K SIU. A game theoretic approach to option valuation under Markovian regimeswitching models [J]. Insurance： Mathematics and Economics， 2008， 42（3）：1146-1158.
[8] S BROWNE. Stochastic differential portfolio games [J]. Journal of Applied Probability， 2000， 37 （1）：126-147.
[9] 杨鹏，林祥.随机微分博弈下的资产负债管理[J].中山大学学报：自然科学版，2013，52（6）： 30-33.
由于人口老龄化趋势的日益严重,加之社会、经济、历史等因素的影响,近年来,中国养老保险基金缺口快速增加,据测算2010年基金缺口将达到1000多亿元[1],制度面临日益严重的养老金支付困难。提高养老基金投资收益是解决基金缺口的关键,如何通过投资实现养老金保值、增值,是养老金机构面临的一个主要问题。研究养老金投资主要是对养老保险基金投资策略进行分析,目前,研究养老金投资策略主要有两个分支,一是随机控制理论,二是随机规划方法。利用随机控制理论研究最优投资的主要思路是,在一定投资收益约束下建立目标函数,根据边界条件,利用动态规划,通过HJB方程求解最优投资策略。研究方法主要有两类,一是效用函数方法,二是均值-方差方法。利用效用函数方法研究投资策略,其思路是沿袭Merton(1969,1971)研究最优投资消费问题的方法。其主要步骤:首先将动态效用问题转化为静态效用优化问题;其次利用贝尔曼动态规划原理求解静态效用优化策略。目前,常用效用函数有幂效用函数、指数效用函数、二次效用函数和对数效用函数等,但选择效用函数具有一定的主观性且在中间控制阶段不易寻求效用函数的具体表达式,因而投资者选取效用函数具有一定局限性利用均值-方差方法研究投资策略,其思路是将Markowitz(1952)的单阶段均值-方差方法推广到多阶段,通过一系列嵌套技术将原问题化归为随机LQ控制问题,运用贝尔曼动态规划原理寻求原问题最优策略。当前利用均值-方差方法时主要借助于布朗运动,运用随机分析方法研究养老基金投资策略问题,其主要缺点在于对倒向随机微分方程求解时未能考虑信息变化,求解结果与实际差距较大利用随机规划方法研究最优投资策略的主要思路是基于实际问题建立规划模型,考虑未来情景进行求解。如何考虑未来信息变化,是利用随机规划研究投资策略的难点。随着计算技术的发展,通过构建情景树来反映情景结构,依据计算模拟,可克服这一难点得到最优策略。目前,利用随机规划方法研究投资问题成为国内外研究的主流趋势。具有代表性的如,Dert(1995)[2]提出利用随机规划系统研究荷兰养老基金资产/负债管理问题,但其模型在情景数目较多的情况下难以求解。Carino等(1998)[3]将Dert的模型拓展到保险公司资产/负债管理应用方面,然而其模型中决策人的主观判断在情景生成中将起到重要作用,导致决策结果具有较强的主观性。Kouwenberg(2001)[4]在Carino模型基础上将未来经济发展因素纳入模型中,针对荷兰养老基金建立动态随机规划模型,但在数据较少时很难求解。Soyer等(2006)[5]使用贝叶斯随机规划方法研究多阶段投资最优化问题,但其模型中回归系数先验分布的主观设定将影响模型的预测效果。金秀等(2005,2007)[6,7]在Kouwenberg模型的基础上,结合我国经济背景建立了基于多期随机优化的个人财务计划模型和基于VaR的多阶段金融资产配置模型,并运用多阶段资产负债管理模型解决了辽宁养老问题。但没有对养老基金最终财富状况进行控制,吉小东等(2005)[1]利用线性随机规划研究了我国养老保险资产负债问题,然而其模型中情景树参数为确定性的,未考虑随着规划期的展开新信息对情景树的影响。翟永会等(2010)[8]构建了与替代率挂钩的目标基金,建立了基于目标的企业年金基金最优资产配置模型,利用随机动态规划方法得了年金基金最优投资策略的解析解,并通过蒙物卡洛模拟技术对所得结果进行数值模拟,考察了不同市场环境及不同群体的最优配置策略和最优策略对可控制参数的敏感性。但其研究中未考虑不同资产收益率之间的相关关系,使其研究结论具有较强的局限性。本文在Soyer等(2006)随机规划模型的基础上,但考虑到该模型中回归系数先验分布的主观设定将影响模型的预测效果,所以结合中国养老保险投资的政策特点,利用贝叶斯法则和Minnesota方法,依据随机参数建模研究中国养老保险投资策略问题,结合历史数据进行模拟分析,结果表明模型能够根据实际情况优化资产配置。这对于解决我国养老基金缺口日益增大,顺利完成养老金运作模式改革具有重要的理论指导意义和实际应用价值。
2投资策略模型
2•1基本假设假设资本市场中存在1种无风险资产,n种风险资产,买进和卖出风险资产均存在交易费用,允许卖空,投资规划期t∈(0,T)。根据我国养老保险基金投资政策,设定各种资产投资比例的上下限,不考虑资金的借贷。不失一般性,为计算简便,假设:s(t):t时刻的情景;xi(t):t时刻投资于第种风险资产的数量;x0(t):t时刻投资于无风险资产的数量;xi(t,s(t)):t时刻在情景(s1,s2,…st)下投资于第种风险资产的数量;yi(t,s(t)):t时刻在情景(s1,s2,…st)下买入第种风险资产的数量;zi(t,s(t)):t时刻在情景(s1,s2,…st)下卖出第种风险资产的数量;l+i:买入1单位第i种风险资产的交易费用;l-i:卖出1单位第i种风险资产的交易费用;Ri(t,s(t)):第t阶段内,资产i在情景st下的收益率;C(t):t时刻养老金的缴费额;B(t):t时刻养老金的给付额;W(0):基金初始财富;W*:养老基金在规划期末的财富目标值;W(T,S(T)):基金在情景(s1,s2,…sT)下的在规划期末的财富;令:u(T,s(T))=W(T,s(T))-W*,Ws1,…,sTT≥W*0,othersv(T,s(T))=W*-W(T,s(T)),Ws1,…,sTT≤W*0,others则有:u(T,s(T))-v(T,s(T))=W(T,s(T))-W*其中u(T,s(T))表示W(T,s(T))超过W*部分的绝对值,v(T,s(T))表示W(T,s(T))低于W*部分的绝对值。为此,目标函数可表示为:Z(T)=∑(s1,s2,…sT)∈Ω1×Ω2×…×ΩT[u(T,s(T))-φv(T,s(T))]|Ω1|×|Ω2|×…×|ΩT|(1)其中,目标函数Z中u(T,s(T))表示规划期末基金财富超出目标值部分,v(T,s(T))为基金财富低于目标值的惩罚。φ为惩罚因子,表示风险厌恶程度;Ωt为第t阶段情景st所属情景集合,|Ωt|表示第t阶段情景的个数。
2•2投资策略模型假定养老基金投资者的目标函数为基金最终财富期望最大化,即:maxE[Z(T)](2)约束条件:∑ni=1xi(0)(1+l+i)+x0(0)=W(0)(3)xi(t,s(t))=xi(t-1,s(t-1))Ri(t,s(t))+yi(t,s(t))-zi(t,s(t))(4)x0(t,s(t))=x0(t-1,s(t-1))R0(t,s(t))-∑ni=1yi(t,s(t))(1+l+i)+∑ni=1zi(t,s(t))(1-l-i)+B(t)-C(t)(5)W(T,s(T))=∑ni=1xi(T-1,s(T-1))Ri(T,s(T))(1-l+i)+x0(T-1,s(T-1))R0(T,s(T))+B(T)-C(T)(6)cloi≤xi(t)∑ni=1xi(t)≤cupi(7)φ>0(8)其中,约束方程(5)为资金动态平衡方程,可解释为存在买卖交易成本条件下,现金流入等于现金流出。(3)式为(5)式的初始平衡方程。(4)式是资产动态方程,表明期初对某种资产的投资额等于调整买卖行为后的前一时期末的投资额。(6)式表示规划期末基金资产的总价值,(7)式表明对资产分配比例的上下限限制。(8)式表明期末基金财富水平小于目标值W*时,目标函数将对赤字部分进行惩罚。投资策略模型建立在未来外生经济环境不确定基础上,如何依据现有的信息并考虑未来信息变化对资产未来价格进行预测,是利用随机规划研究投资策略的关键。鉴于对多状态决策过程建模时,状态的构成必须能够反映时间的变化以及未来信息的变化,为此,可以通过构建情景树来反映情景结构。
3情景分析
在构建情景树的常用方法中,VAR模型的结构简洁,预测效果稳定,然而,对一般VAR模型而言,其建模过程中需要估计的参数过多,对数据序列样本长度的要求过大。尤其在高阶向量自回归中,待估计的参数数量巨大;同时变量间的高阶相关性对参数估计精度要求较高,导致VAR模型中的高阶回归实现比较困难。采用贝叶斯向量自回归的方法生成情景树可克服VAR模型的缺陷。与传统VAR方法不同,BVAR假设回归模型中的参数本身也是随机变量。构建模型时,需预知情景参数的先验分布。当信息更新后,依据Bayesian法则得到随机参数的后验分布;随时间变化,情景树将反映信息的更新,由最小二乘法确定的系数估计值也包含了参数分布的先验信息。因此,基于BayesianVAR方法对模型中的高阶系数进行估计有一定的优势[10]。然而,BVAR方法中回归系数先验分布的设定带有较强的主观性,导致贝叶斯自回归模型的预测效果在一定程度上受决策者主观判定的影响。针对BVAR方法的不足,可采用Minnesota方法[9]设定先验分布。
3•1Minnesota先验方法
Minnesota方法刻画回归系数先验分布的主要原理:一部分系数的先验值是显著的,其余部分系数的分布是不显著的(其先验均值为0)。每个回归系数都相互独立,服从正态分布,拥有其先验分布的均值和方差。在Minnesota先验模型中,每个依赖变量的一阶滞后系数的先验分布均值都设定为1,而其他系数的先验均值被设定为0。令βiil为第i个变量一阶滞后自回归系数,βijk为第i个变量对第j个变量k阶滞后回归系数。即:βiil~N(1,σ2iil);βijk~N(0,σ2ijk),i≠j,ork>1处理BVAR中的大量待估计参数,可利用超参数[9]表示变量对变量的阶滞后回归中的先验标准差σijk。即:σijk=θω(i,j)k-φσ^ujσ^ui(9)其中,θ表示总体紧度(overalltightness),其取值反映了决策者对先验信息的信心大小程度,较小的θ值代表了对先验信息的较大把握;ω(i,j)是相对紧度矩阵(matrixofrelativetightness),表示在第i个回归方程式中先验方差对变量i、j的相对约束紧度;k-φ是k阶滞后变量相对一阶变量的紧度,表示过去信息比当前信息有用程度的减少;φ>0,表示滞后阶数越低,先验均值对系数的约束越强。σ^ujσ^ui是排列因子,用于调整变量i、j数量级的差。通常相对紧度矩阵ω(i,j)为一个主对角线元素为1,其余元素为δij(i≠j)的矩阵。δij∈(0,1),δij的取值大小反映对第个i方程中第j个变量(i≠j)的相对紧度。对角线的1表示对每个依赖变量的一阶滞后系数的先验均值为1的约束要大于对其他变量先验均值为零的约束。
3•2BVAR模型中的参数估计
假设回归模型为:yt=X′tβ+εt(10)其中,εt为白噪声,X是一个k×1的解释变量向量,β为k×1的系数向量。假设存在观察期Th内的观察值,令:Y(Th×1)=[Y1Y2…Y(Th]′,X(Th×k)=[X1X2…X′(Th]假设β为随机变量,σ2已知,利用极大似然法,得:f(Y|β,X;σ2)=1(2πσ2)Th/2exp-(Y-Xβ)′(Y-Xβ)2σ2(11)假设回归系数β服从先验分布β~N(m,σ2M),其中M是先验方差的紧度系数矩阵,则有:f(β|X;σ)=1(2πσ2)k/2|M|-12exp-(β-m)′M-1(β-m)2σ2(12)根据贝叶斯法则,结合(11)、(12)式可得:f(β|Y,X;σ2)=1(2πσ2)k/2|M-1+X′X|1/2exp-(β-m*)′(M-1+X′X)(β-m*)2σ2(13)f(Y|X;σ2)=1(2πσ2)Th/2|IT+XMX′|-1/2exp-(Y-Xm)′(XMX′)-1(Y-Xm)2σ2(14)其中m*=(M-1+X′X)-1(M-1m+X′y)(15)由(13)式可得β对观察值y的条件分布为:f(β|Y,X;σ2)~N(m*,σ2(M-1+X′X)-1)(16)由(14)式可得y对回归因子x的边缘分布为:f(Y|X;σ2)~N(Xm,σ2(ITh+XMX′))(17)利用Minnesota法则设定回归参数的先验分布,能够确保一阶滞后变量参数均值的显著性,反映数据影响随时间递减的趋势,同时减少需要赋值的超参数数量,降低先验分布设定的主观性,提高向量自回归模型的预测精度。
4最优投资策略计算步骤
利用BVAR方法得到风险资产收益的情景树,即可对养老保险投资策略模型进行求解。然而在贝叶斯随机规划的情景生成中,向量自回归模型参数为随机变量,很难得到最优投资策略的解析解,因此可依据仿真模拟求解,具体步骤如下:步骤1:根据历史数据,结合式(12)得出BVAR中向量自回归参数β的先验分布。步骤2:根据向量自回归系数β的先验分布,对其进行MonteCarlo模拟,对β的每一个MonteCarlo单点构建t=0资产收益情景树。步骤3:根据t=0时生成情景树,求解养老基金投资策略模型,即(2)~(8)式,所得MonteCarlo模拟均值即为t=0时刻养老基金最优投资策略。步骤4:引入新信息,结合贝叶斯法则,依据(16)式得出BVAR中参数的后验分布。步骤5:根据向量自回归回归系数β的后验分布,对其进行MonteCarlo模拟,对β的每一个MonteCarlo单点重新构建t=1时资产收益情景树。步骤6:根据t=1时的每个情景树,求解养老基金投资策略模型,所得MonteCarlo模拟均值即为t=1时刻养老基金最优投资策略。步骤7:重复步骤4~6至t=T-1,得出全部最优投资策略及规划期末养老基金财富值。由上述MonteCarlo模拟步骤即可求出养老保险基金对各种资产的最优投资策略,同时得到养老基金的最终财富值。
5模拟分析
5•1数据计算
中国养老保险基金投资范围大致为,存入银行、购买债券、投资股票。为此,假设养老基金投资者投资于3种资产,银行存款、股票、债券。其中银行存款视为无风险资产投资,股票和债券视为2种风险资产。根据中国养老保险基金投资政策约束,资产配置比例上下限为债券:50%~70%,股票10%~30%。目前我国投资存款、国债和股票的交易费用分别为:0,0•2‰和5•5‰[6]。历年养老保险收支情况如表1所示:本文采用2001年1月份到2005年12月份的存款日收益率,国债月收益率和上证股票日收益率作为投资收益的历史数据,利用一阶滞后BVAR方法预测未来资产收益(数据来源:CCER经济金融研究数据库[11])。向量自回归系数的先验分布可由(12)式导出。其中,根据Minnesota先验方法设定时,股票不采用后滞变量以避免问题的不稳定[6];紧度系数矩阵采用一般表示形式[8],即:m=100010001,M=10•50•50•510•50•50•51考虑两个规划期,每一时期假设未来有三种可能情景发生,并假定发生的概率是相等的。情景树结构将为1-3-3,共有13个节点,每个节点有6个约束条件,3个决策变量。从而将随机规划问题简化为有78个约束条件、39个决策变量的非线性动态规划问题。利用Matlab软件对模型进行优求解,得到养老基金的最优资产配置策略。根据(2)~(8)式,利用Matlab软件计算,结果如表2所示:依据表2,可得出如下结论:(1)期初的资产配置中,存款所占比重最大,债券次之,股票最小。原因分析:目标函数中惩罚因子的存在使基金资产配置的风险管理要求较高,股票的收益率波动较大导致了股票在资产配置中所占份额最小。交易费用的存在使得对债券和股票的投资成本增加,也造成对其投资份额较小。(2)资产结构调整过程中,存款投资比例变动最小(1•25%),债券其次(12•7%),股票的变动幅度最大(18•34%)。原因分析:随着时间推移获得新信息,资产收益率后验分布替代了由Minnesota法则生成的先验分布,同时决策者对资产的配置策略进行修正。存款收益率变动较小从而BVAR中参数分布变动也非常小,其期初的资产配置接近于信息更新后的资产配置。股票收益率的波动性最大(收益率标准差58•93%)导致BVAR中新信息生成的参数后验分布较先验分布有显著更新,资产配置的调整也更为明显。
5•2灵敏性分析
为检验基金财富目标值和惩罚因子的设定对最优投资策略的影响,对投资策略进行敏感性分析。模型中其他设置值不变,分别改变基金财富目标值W*和惩罚因子φ,得到资产配置结果如表3所示。依据表3,可得如下结论:
(1)惩罚因子固定不变(φ=2),随着终期财富目标值的逐步增大,养老基金最终财富水平经历先增后减的变化过程。这表明,目标值适当增大将促进资产配置优化;然而当目标值过分增大,基金资产配置将不顾风险约束单纯追求高收益以寻求达到目标值的机会,导致资产配置偏离最优值。
(2)终期财富目标值W*=101固定不变,随着惩罚因子的逐步增大,资产配置中风险资产的投资比例逐渐减小,当φ=10时,超过60%的资产投资到无风险资产中。这表明,目标函数设定合理时惩罚因子对资产配置的约束有效。
(3)终期财富目标值W*=105固定不变,随着惩罚因子的逐步增大资产配置中各种风险资产的投资比例无明显变化,而基金终期财富值随着惩罚因子的增大略呈下降趋势。这表明,财富目标值设定不合理将导致惩罚因子对资产配置的约束无效,过高的财富目标值和惩罚因子反而造成基金资产配置失败,基金终期财富值较低。综上所述,在进行养老保险投资策略研究时,需根据资本市场态势指标(如:股票指数)设定合理的目标财富值,同时进行适当的风险约束,以达到资产配置最优化的目的。
本次活动的主旨是联合社会各界力量发动更多的个人、企业为西部需要帮助的青少年儿童奉献爱心。活动现场，恒天财富副总裁、恒天大学校长姜勇先生代表恒天大学与齐鲁周刊社社长王胜军先生达成并签署了慈善事业战略合作协议，希望在未来共同为齐鲁大地的文化事业、慈善事业、金融事业的发展贡献力量！
本次活动还邀约格桑花教育救助会献力慈善事业，圆青海孩子一个“知识改变命运”的梦想。据悉，格桑花与恒天财富渊源颇深，恒天财富山东管理事业部CEO李敏女士就是格桑花的爱心人士，李总在格桑花的平台资助了多名西部孩子。本次活动以“恒心永驻、为爱行走”为主题，旨在发动更多的个人、企业为西部需要帮助的青少年儿童奉献爱心。
活动当晚，有三十位爱心人士通过一对一“爱心认领”的方式，与待受助学生建立了助学帮扶关系。同时，还M行了别出心裁的“爱心义卖”活动。在主办方的感召下，几位一直热心公益的爱心人士，拿出了珍藏的“宝贝”参与拍卖：澳麒酒业提供的百年老藤西拉红酒1支、原山东男篮队长成志明提供的山东男篮集体签名篮球、F1赛道保时捷全系列体验名额一个。与会嘉宾积极参与、奉献爱心，最终三件藏品均被高价竞拍，拍卖善款将全部用于“格桑花助学项目”。
活动上，恒天财富副总裁、恒天大学校长姜勇先生致辞。他表示，在2017年，恒天将秉承创新、服务、超越的发展理念，大力发展智能投顾、家族传承、海外全面解决方案等领先行业的差异化服务项目。在针对超高净值客户方面，恒天财富将引入法务、税务、慈善、公共关系方面的专家，以团队式、专家级、全时区的方式，在全球范围内做到及时、有效的服务。
整个活动充满了温馨、喜悦与浓浓的暖意。共有来自山东各地的400余名企业家、爱心人士参与了此次活动。
疯狂增长的背后，容易带来风险监管、服务、产品设计等方面的缺失。屡次爆出的银行个人理财巨亏事件，更是凸显市场的乱象。2008年金融危机，银行个人理财业务一度跌至谷底。痛定思痛，银行在产品设计、风险控制、投资策略等方面有了那些改进和创新？为此，记者采访了渣打银行中国财富管理部总经理梁大伟。
渣打理财三大新策略
据梁大伟介绍，吸取金融危机的教训，渣打在个人理财产品设计方面引入了全新的趋势，趋向于结构简单（不再刻意追求挂靠复杂的结构性产品）、透明度高（投资者必须明白自己买的是什么）、流动性大（变现程度高）、保本型为主导，从根本上最大程度规避系统性风险。
投资策略方面，针对未来全球经济和市场波动，渣打全新提出的“V-I-P”投资策略颇具代表性，即V-Volatility（把握波动）、I-Inflation（抵御通胀）、P-Get Paid（获取现金收益）。简单说就是不将鸡蛋放在同一个篮子，同时兼顾风险、通胀、和收益。
具体而言，渣打银行会根据客户的风险承受能力和盈利需求，建议客户建立多元化的投资组合，其中相当比重投资于与股市保持低相关性的资产类别（比如黄金等），及利用波幅策略，投资价值被低估的资产类别（全球股市，特别是亚洲（日本除外）及高收益公司债）；抵御通胀则可适当持有实物黄金和与黄金相关股票，可同时兼顾“把握波动”和“抵御通胀”的要求；若可适当承受较高风险并追求高收益，建议持有高股息收益的股票和高收益公司债券。
分析客户风险承受力
电影《夺命金》中的一个情节让人印象深刻，客户经理在销售理财产品前会反复确认客户的年龄、收入、风险偏好等，然后根据这些指标分析客户的收益—风险接受程度来推荐理财产品。这是所有银行的固定流程。渣打新推出的智衡财富管理系统，可视作这上述程序的升级版。
全球范围内的通胀预期高企，利率徘徊于历史新低，已经有3/4的英国私人理财经理在过去12个月内将越来越多的客户资金投入股票市场。然而，面对日益增长的地缘政治和经济不确定性，再加上英国金融服务管理局（FSA）有关客户端持股适用性的新规则，许多理财经理正逐步回归更富策略性的多元化投资策略。
2011年向《金融时报》公布投资组合模型的41家机构中，有30家较之去年增加了股票配置。波士顿咨询公司（BCG）于5月底的《2011年全球财富报告》显示，自2008年底，投入股市的私人财富平均份额从29%上升到了35%。
截至2011年4月的一年中，以富时环球指数（FTSE All-World Index）为标准，全球股市上涨9.2%。股票持有率的增加使得客户的投资组合分享了这一上涨，许多组合的收益甚至超过了全球股市的涨幅。均衡投资组合过去12个月平均收益率为11.6%，而资本增长组合的收益率为14%。
但在不久前,金融服务管理局的报告显示，受访的16位英国理财经理中，有14位管理的现有投资组合构成了“损害客户利益的高或中高风险”。事实上，在警告发出之前，已经有一些理财经理对于过度依赖股市以及和股市挂钩的产品表示不安。
PSigma投资管理公司的首席投资官汤姆・贝克特（Tom Becket）解释道：“过去一年，许多理财经理将股票再度列为默认资产类别。许多固定利率理财产品的收益率低得让投资者望而却步，现金投资的回报微乎其微，对冲基金尚未从2008年金融危机中恢复过来，加之大宗商品价格高企的预期，种种迹象令投资者开始认为在现阶段，股票投资价值极高。事实上，最近的行业分析显示，理财经理过度调高了股票配置比重。”
顾资（Coutts）投资策略主管阿兰・辛金斯（Alan Higgins）预计资金将持续从与现金挂钩的资产流向长期投资组合，但他强调，即使其他资产类别都不具备吸引力，股票的配置比重也应当反映客户的风险倾向。
加拿大皇家银行（RBC）财富管理部门认为，尽管相对其他资产股票仍具吸引力，但其投资风险也明显增加。其投资主管翠西・米特（Tracy Maeter）认为：“从历史角度来观察，股票投资相较于债券具有显著价值。尽管本世纪前10年股票投资的低回报让许多投资者难以释怀，但我们的观点是，这正提供了绝佳的投资机会。” 即便如此，较之年初，RBC还是相应调低了股票投资的比例。
