基于序化机理的稳健型股票价值投资研究

发布时间：2018-03-13 04:13

本文选题：序化机理　切入点：价值投资　出处：《山西大学》2012年博士论文　论文类型：学位论文

【摘要】：2007年源于金融衍生产品过度膨胀的全球金融危机爆发,继而引发了人们对股票投资决策的重新审视。基础资产的有效选择是否更为重要?股票选择策略究竟能否战胜市场?面对日益重要但风险共生的股票市场,这些问题成为学术界、实务界共同关注的重点命题,而“股票选择决策”也就成为“股票投资决策”关键的基础研究问题。在众多的股票选择策略中,价值投资最受关注。基于经典的价值投资理论,在现实的投资实践中,股票可以被分为：价值型股票、成长型股票。从现有研究来看,大量证据表明价值型股票具有价值溢价效应,能够产生超额收益。然而,关于价值溢价效应的争论却从未停止,或者有证据显示基于经典价值特征的价值溢价效应呈现不稳定性,或者认为价值型股票为存在危机因素的公司。可以看出,不管何种争论都表明基于经典价值投资理论的价值型股票投资模式并不具备“稳健型”特征。显然,面对当前全球实体经济衰退、资本市场风险加剧的背景,“稳健型”股票价值投资模式的研究具有重要的理论意义和现实的应用价值。对于决策者来说,股票的市场业绩是其进行股票选择决策时关注的核心目标。然而,在实际的股票市场中,影响股票市场业绩的因素不胜枚举。那么,什么样的影响因素才是最本质的?什么样的模式才是最稳健的?本文认为企业经济运行效率作为企业价值的根本,才是股票市场业绩影响的本质因素；而具有“公司经营业绩与股票市场业绩一致趋优”特性的股票才是最为“可靠”和“稳健”的。基于“稳健型”特征的考量,本文以“会计信息：公司经营业绩的全面度量”为基础,以“稳健特性：公司经营业绩与股票市场业绩一致趋优”为核心,以“序化求解：稳健型股票价值投资模式”为脉络建立了“稳健型股票价值投资的理论框架”。本质上来看,稳健型股票价值投资是典型的多属性排序决策问题。为了更为全面、有效的刻画数据特征,本文以区间数据为基本的数据表示形式；为了有效的建立序化求解模型,本文着眼于“稳健性”、“局部性”与“全局性”三个特性建立了多属性排序决策的序化机理；为了有效的开展序化问题求解,关键是要解决如下三个核心科学问题： ·如何建立有效的区间数据全序化方法? ·如何建立科学的特征评价方法? ·如何进行区间序决策表的关键特征选择? 基于稳健型股票价值投资理论框架,围绕上述三个核心科学问题,本文在粗糙集理论框架下,以区间序信息系统为稳健型股票价值投资决策问题的基本描述框架,建立了“稳健型股票价值投资排序决策方法”,获得的主要研究成果和创新概括如下： 1、基于盈利能力、现金流量能力、营运能力、发展能力和偿债能力五个方面的会计信息全面度量公司经营业绩；基于“公司经营业绩与股票市场业绩一致趋优”特性,建立了稳健型股票价值投资模式,进一步丰富和发展了价值投资理论。 2、基于粗糙集理论框架下的优势关系,考虑人类“局部序化”的认知模式,引入优势度排序作为优先级准则；基于“全局性”序化特性,着眼于更为精细的刻画对象之间的优劣程度,提出了有向距离指数排序,并将其作为次优先级准则,进而建立了区间数据两级排序决策的全序化方法。 3、面向区间序信息系统,考虑信息增益的补集特性,提出了区间序互补熵、区间序互补互信息和区间序互补条件熵等系列概念,建立了区间序信息系统不确定性表示的熵度量体系,为稳健型股票价值投资排序决策提供了有效的特征选择与特征评价方法。总体来看,本文基于序化机理开展了稳健型股票价值投资决策的理论与技术研究。以上证180指数成分股为样本的实证研究表明：所提出的稳健型股票价值投资模式可以获得稳定的超额收益,进而验证了稳健型股票价值投资模式的有效性和稳健型股票价值投资排序决策方法的有效性。更具一般性的,本文特征选择、特征评价、全序化建模方法的集成,为风险厌恶型决策者提供了稳健型的全序化技术,也进一步丰富和发展了人工智能决策的理论和方法。
[Abstract]:......
【学位授予单位】：山西大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：F832.51;F224

【参考文献】