文/清華大學五道口金融學院副院長、清華大學國家金融研究院副院長張曉燕
滿足人民群眾日益增長的財富管理需求，是新時代中國機構投資者面臨的歷史機遇。本文認為，個人投資者因選股能力較弱，自己進行股票投資的回報率較低，無法很好地實現財富的保值增值，這對於機構投資者來說是一個很好的發展機遇，且人工智能算法在資產配置方面確實已表現出了能提升機構投資者資產管理效率的潛力。
中國機構投資者的機遇與挑戰
近年來，隨著中國經濟水平的日益增長，中國人均國內生產總值（GDP）即將突破1萬美元大關，中國居民的財富也在快速積累。根據《經濟日報》發佈的《中國家庭財富調查報告2019》統計：2018年我國家庭人均財產為20.8萬元，比2017年的19.4萬元增長了7.49%。滿足人民群眾日益增長的財富管理需求，是新時代資本市場發展的重要使命，也是中國機構投資者面臨的歷史機遇。
另外，中國機構投資者也面臨著三方面的挑戰：第一，中國的機構投資者面臨著內在轉型壓力。隨著資管新規要求資產管理業務不得承諾保本保收益、限制非標投資等舉措的落地，中國資產管理行業正在進入一個規範化、高質量的發展階段。第二，中國的機構投資者也面臨著外資競爭威脅。隨著中國金融業加快國際化進程，在2020年前中國將取消外資對金融服務企業所有權的限制，歡迎金融領域有更多的海外機構參與競爭。第三，金融科技也給傳統機構投資者帶來新的挑戰。全球各國都不遺餘力地大力推動人工智能技術在各個行業中的應用，中國政府也高度重視。2019年8月，中國人民銀行印發《金融科技(FinTech)發展規劃(2019—2021年)》中明確指出金融科技發展的重點任務之一是合理運用金融科技手段豐富服務渠道、完善產品供給、降低服務成本、優化融資服務，提升金融服務質量與效率，使金融科技創新成果更好地惠及百姓民生。
個人投資者實現財富的保值增值了嗎
我們的第一個研究問題是，個人投資者自己是否有能力自己管理資產，實現財富的保值增值？為了回答以上問題，在我們團隊最新的工作論文中（Jones、Shi、Zhang和Zhang，2019），我們對2016年到2019年期間中國某交易所全部5000萬個交易賬戶的近50億條交易數據進行了統計分析。從圖1中可以看到，從成交量角度看，個人投資者佔據全部成交量的80%。但是從圖2的持股角度看，個人投資者只佔流通股的21%，而機構投資者佔17%，剩餘60%是公司持股。這說明中國的個人投資者的一個特點是非常喜歡交易，而並不喜歡長期持有股票。個人投資者的這種投資行為會導致什麼後果呢？他們的投資表現如何呢？通過對他們賬戶的分析，我們發現，平均來看，由於個人投資者的選股能力較弱，對公開信息處理能力有限，導致不同賬戶規模的個人投資者都是不怎麼賺錢的。
金融科技能否助力機構投資者，幫助居民管理財富
由上面的研究我們可以發現，由於中國個人投資者的財富管理能力較弱，如果自己進行投資決策的話，很容易在股票市場並不能實現財富保值增值的目的。機構投資者作為專業的資產配置主體，顯然在平衡投資的風險與收益、幫助客戶管理財富上要做得更好。我們的第二個問題是，金融科技這樣的新興技術能否助力傳統金融機構投資者提高資產配置效率？
機構投資者需要根據不同客戶的風險承受能力，幫助客戶進行科學的資產配置，而資產配置的核心問題在於需要對資產的未來收益率進行科學預測。也就是需要根據科學的研究，選擇未來一段時間表現好的資產，避開未來一段時間的價格下跌的資產。而股票收益率的可預測性一直都是金融學界研究的焦點。經典的有效市場理論認為股票市場不能被公開市場信息預測，然而越來越多的研究表明，很多變量（例如，利率、通貨膨脹、投資者情緒、方差風險溢價等）都能顯著地預測未來的股票市場收益率。除了市場收益率，能夠預測橫截面個股的收益率預測的股票特徵更是超過400個，被戲稱為“因子動物園”。在有了這麼多因子後，個股收益率到底能在多大程度上被預測？到底哪些股票特徵真正為樣本外收益率預測提供了有效信息？人工智能算法能否提高預測結果？機構投資者能否利用金融科技提高股票資產配置賺取超額收益？為了回答以上問題，我們的第二篇工作論文（Wei、Wu和Zhang，2019）研究了不同的機器學習方法在中國股票收益率可預測性問題的答案。
研究中國股票樣本外收益率可預測性的難點有以下三點：第一，影響股票收益率的因素非常多，且信噪比非常低，在這種面臨高維稀疏矩陣的情況下，傳統計量經濟模型會擬合過多的噪聲，導致十分難以提取有效信息。第二，股票預測特徵變量與股票收益率之間的函數關係並不確定，如何捕捉預測變量與收益率之間的非線性結構是第二個難點。第三，中國股票市場從成立到現在只有短短的二十幾年，股票市場制度依然處於不斷完善的階段，有著自身的特殊性。在中國股票市場，構造有預測能力的股票特徵，並探索哪些個股特徵包含的信息含量更高，都是十分有挑戰性的問題。機器學習模型在降維、懲罰項和泛函數等技術上的突破在解決以上問題上具有天然的優越性，目前機器學習技術已經成為金融領域中的應用前沿之一，特別是在預測金融市場運動、處理文本信息、改進交易策略方面。
我們研究主要發現有兩點：第一，歷史交易數據信息對下個月個股股票收益率依然有預測效果，且機器學習算法的樣本外預測效果優於傳統計量經濟學模型。第二，機器學習算法與資產定價研究結合有顯著的經濟意義。如表1所示，高級神經網絡等權重多空策略資產組合的績效表現在所有模型中最好，在2010年到2019年10月的樣本外測試期內平均年化收益率為35.76%，平均年化波動率14.82%；而基於傳統線性模型，使用中國三因子（規模、價值和市場）股票特徵進行加權選股，構造股票投資組合的年化收益率為15.60%，平均年化波動率為23.79%。同期滬深300指數的年化收益率為3.48%，平均年化波動率為23.97%。圖3顯示了三個不同投資策略的累計收益率表現情況，如果在2010年投資1元錢，到了2019年，投資於滬深300指數能得到1.18元，投資於人工智能基礎算法策略能得到3.30元，投資於人工智能高級算法策略能得到26.27元。
從我們的兩篇研究中可以得到以下結論：雖然中國個人投資的財富管理需求正在快速增長，但是目前中國的個人投資者的投資能力有限，自己進行股票投資的回報率較低，無法很好地現實財富的保值增值。這對於機構投資者來說是一個很好地發展機遇，並且人工智能算法在資產配置方面確實已經表現出了能夠提升機構投資者資產管理效率的潛力。
本文根據作者在“2019機構投資專題研討會”上主旨演講整理而成。本文刊發於《清華金融評論》2020年1月刊，2020年1月5日出刊，編輯：王曄君
閱讀更多 清華金融評論 的文章
