引言
在股票市场上取得投资成功并非易事。需要大量的研究、耐心和纪律。为了提高成功的几率，投资者必须制定一个适合其风险承受能力、时间框架和投资目标的投资策略。本文将探讨三种常见的股票投资策略：分散投资、价值投资和动量投资。我们将分析每种策略的利弊，并帮助投资者确定哪种策略最适合他们。分散投资
分散投资是一种投资策略，它通过投资于各种不同的资产来降低风险。这些资产可以包括股票、债券、大宗商品和房地产。分散投资背后的理念是，如果一种资产的价值下跌，其他资产的价值可能会上涨，从而抵消损失。优点：
降低风险：分散投资通过将鸡蛋放进多个篮子来降低投资组合的风险。提高稳定性：不同的资产类别通常具有不同的相关性，这意味着它们的价格不会同时朝着同一个方向变动。这提供了投资组合更大的稳定性。长期增长：分散投资可以随着时间的推移提供稳定的增长，因为不同的资产类别可能会轮流表现良好。缺点：
潜在回报较低：分散投资可以降低风险，但也可能限制潜在回报。投资于多种资产类别可能会稀释投资组合的整体回报。管理困难：管理多元化的投资组合可能比投资于少数几个资产更为复杂。需要持续的监测和再平衡，以确保投资组合保持适当的分散化。更高的费用：多元化的投资组合通常需要更高的费用，因为投资者需要支付多个资产类别的交易费用和管理费用。价值投资
价值投资是一种投资策略，它涉及投资于被认为被低估的股票。价值投资者认为，这些股票的内在价值高于其当前市场价格。他们通过分析公司的财务状况、竞争优势和长期发展潜力来识别 undervalued 股票。承受能力较低的投资者来说，分散投资是一种更好的选择，因为它可以降低风险。长期投资：对于长期投资者来说，价值投资可能是更好的选择，因为它具有产生高回报的潜力。短期收益：对于寻求短期收益的投资者来说，动量投资可能是更好的选择，因为它可以快速产生回报。结论
分散投资、价值投资和动量投资都是有效的股票投资策略，每种策略都有其自身的优缺点。投资者需要根据自己的风险承受能力、时间框架和投资目标选择最适合自己的策略。通过充分的研究和纪律，投资者可以制定出适合其个人需求的成功投资策略。全球Smart
通常资产管理人用来降低风险或增加收益
理论发展
SmartBeta也称为StrategyBeta，广义上指通过改变指数的市值加权方式，以基于规则或量化的方法，增加指数在某些风险因子上的暴露，从而获得相应超额收益；狭义上指通过改变原市值加权指数的成分股选股方式或者加权方式而获益。 SmartBeta策略被认为是介于主动投资与被动投资之间的获得相对市值加权组合更低风险更高收益的方式。
Beta在资本资产定价模型（CAPM）中衡量了相对于持有整个市场所带来的风险溢价的大小。 CAPM模型通过建立收益与风险的线性关系，来解释任何高于市场的超额收益均来自特定风险敞口的溢价，其中Beta即为线性系数。 市场指数通常都是市值加权，如果把市场指数换成按非市值加权的指数或投资组合，其得到的Beta即为SmartBeta。
SmartBeta策略通过优化方法调整成分证券权重，以获取一定的超额收益，看上去比最普通的市值加权要更“聪明”。 为了满足投资者不同的需求、更好地管理组合风险，国外很多专业投资者把目光转向了以股价波动、派息能力或公司业绩等因子作为基础的SmartBeta策略。 因此，SmartBeta类产品获得了极大的发展，备受市场关注。
SmartBeta策略理论贯穿了整个现代投资理论的发展进程。 经典投资组合理论、资本资产定价模型、套利定价模型（APT）、有效市场理论（EMH）构成了现代投资组合经典理论的核心，奠定了指数化投资的理论基础。 CAPM提出之后，市场逐渐认识到原来的Alpha收益，有一部分是Beta收益，随后也出现了地区Beta、行业Beta、风格Beta、策略Beta等，这些为风格投资和因子投资提供了重要的支撑。
诺贝尔经济学奖获得者席勒的Mispricing理论认为市场价格是很少被正确定价的，因此存在被高估和被低估的股票，投资者情绪等因素使得市场本身不能客观、有效地反映股票价格，因此采用传统市值加权指数会导致被高估的股票权重过大、被低估的股票权重过低，从而影响市场组合的超额收益。 Mispricing理论也解释了低波动效应，认为现实中的资本市场线倾斜的幅度并没有预期中大，导致低波动股票会有正的预期收益增量，而高波动股票会有负的预期收益。
2008年金融危机以来，随着市场对分散化、降低波动和控制风险的诉求不断增强，以此为目标的SmartBeta产品快速涌现，并受到了市场的追捧。 早期降低波动策略主要还是围绕低波动现象展开，如波动率加权策略、最小方差策略，之后目标开始向分散化拓展，如等风险贡献加权、分散化加权等非市值加权方式，近两年运用衍生工具的风险控制策略也被市场归为SmartBeta策略。
特点
SmartBeta策略本质上是一类为指数投资服务的策略。 众所周知，指数投资就是以复制指数构成股票组合作为资产配置方式，以追求与指数收益率之间的跟踪误差最小化为业绩评价标准。 Beta投资与Alpha投资同样起源于CAPM模型，Beta衡量承担的风险及其收益的大小，Alpha衡量相对市场组合收益的超额回报。 相比传统Beta策略，如宽基指数、风格指数，SmartBeta策略对于指数的管理更加主动化，在指数编制方面通过主动方式去获取战胜市场的收益；相比传统的Alpha策略，SmartBeta策略在管理模式上用指数管理（被动投资）去管理资金，能承受较低的主动风险。
SmartBeta策略具有以下特点：第一，SmartBeta是非市值加权指数。 非市值加权是SmartBeta概念的起点，但随着市场的发展和变化，SmartBeta的外延有了较大的拓展，比如量化选股、因子投资，这些策略无法涵盖到非市值加权当中。 第二，SmartBeta是因子投资，策略收益来自因子风险溢价，其理论基础来源于CAPM模型的演进和完善，Fama-French的因子模型也是促进SmartBeta快速发展的重要推动力。 第三，SmartBeta介于Alpha和Beta之间，获得高于传统市值加权指数的超额收益，但是从投资目标出发，分散化、降低波动率或者风险控制也属于SmartBeta的目标范畴。 第四，SmartBeta是介于主动与被动之间的投资方式，基于规则透明、低费率和低成本等属于指数产品的核心特征。
另外，基于SmartBeta指数的ETF产品有以下特点：第一，低费用、透明管理。 SmartBeta指数ETF从本质上讲，保留了传统ETF产品的特点，采用指数管理的模式去管理资金。 由于ETF在二级市场上可以进行交易，因此，与传统股票基金相比交易效率大大提高，而且在税收和管理费用等方面都更低廉。 第二，具有较好的流动性及交易效率。 SmartBeta指数ETF保留了ETF可以在二级市场进行交易的性质，相比传统的股票具有更高的交易效率，同时也具有较好的流动性。 第三，能较好控制风险与增强收益目标。 早期的ETF都是根据市值来进行加权，最大的优点是能够较为精准地复制市场情况，最大缺点就是难以实现超额收益，而SmartBeta指数在编制方法上，从选股和加权两个方面都进行了一定的优化，从而获得基于传统市值加权指数的超额收益。
分类
SmartBeta策略是一种指数管理思路，并非特指某一种策略，其关键在于跟踪指数的编制。 根据定义，所有采用非市值加权和根据既定规则选择成分股的指数策略指数均属于SmartBeta策略指数，包括风格指数、策略指数和非市值加权指数。 传统的SmartBeta策略一般只考虑单个因素，在指数编制的过程采取一些相对比较成熟，且使用比较广泛的因素，如分红、价值、质量、波动率等，而随着其不断发展成熟，出现了诸如多因子、事件驱动、另类加权和一系列新型策略，在能够实现超额收益的同时，进一步丰富了SmartBeta策略的产品种类，提高了配置价值。
晨星公司将SmartBeta策略分为基于风险（Risk-oriented）、基于收益（Return-oriented）和其他三大类。 第一，基于风险策略通过波动率和相关性倾斜减少风险，策略收益来自于风险溢价和特定因子敞口，主要包括等权、分散化权重、风险加权、最小方差和波动率加权；第二，基于收益策略通过因子倾斜提高收益，主要包括价值加权、盈利加权等。 而在基于风险的分类中，既有降低组合风险和个股风险的策略，又有侧重风险分散化的策略，具有一定的差异。 第三，其他类型，主要是基于持续的市场异象策略，以低波动、事件驱动策略为代表。 通常部分市场异象会随着时间和环境的变化、公众的普及程度而逐渐衰减甚至消失，与此同时，在大数据、机器学习等计算机技术的广泛应用下，数据挖掘出了很多统计异象，但这些发现基本不可持续，缺少内在的驱动机制。
近年来，基于SmartBeta策略目标进行分类逐渐为投资者接受，主要有以下分类：价值策略，包括基本面加权、红利加权、财富加权、盈利加权等策略；低波动策略，包括最小方差、波动率倒数加权等策略；分散化策略，包括等权重、分层等权、等风险贡献、分散化权重等策略；价格策略，主要是动量加权。
产品状况
自1993年美国推出第一只ETF产品以来，ETF在全球范围内发展迅猛。 2015年，全球ETF市场进一步发展壮大，数量和规模稳步增长，ETF数量达到5449只，资产规模2.95万亿美元，资产净增长2156亿美元。 与传统的市值加权指数不同，SmartBeta指数是主动策略管理的指数，可以根据某些因子或者某些策略来进行加权，如低波动指数、基本面指数等，进一步扩充了ETF的投资范围及投资功能。
在ETF规模快速增长的背景下，SmartBeta指数ETF在2016年持续成为成熟市场的ETF热点产品，截至2016年10月7日，美国市场共有760只，资产规模占市场ETF的63%。 从数量来看，2005年基本面指数诞生之后，SmartBetaETF得到了快速发展。 2015年，新发SmartBetaETF数量103只。
根据FactSet的统计数据（见表1），截至2016年9月，SmartBetaETF资金流入35亿美元，成长型ETF是最不受欢迎的SmartBetaETF，净流出约43亿美元，规模最大的是iSharesRussell1000GrowthETF(IWF)——300亿美元，然后是VanguardGrowthIndexFund(VUG)——220亿美元，低于标普指数2%左右。 相比之下，今年最受欢迎的SmartBetaETF是低波动ETF，资金净流入141.5亿美元，其中iSharesEdgeMSCIMinVolUSAETF(USMV)净流入超过63亿美元。 另外，从受投资者的欢迎程度和市场表现来看，价值和红利ETF今年的表现也不错，这两种类型ETF净流入约230亿美元，其中规模最大的价值ETF是iSharesRussell1000ValueETF(IWD)——310亿美元。
从排名前20的SmartBetaETF产品来看（见表2），SmartBetaETF发行人较为集中，主要集中在BlackRock、Vanguard，分别占50%、25%，并且BlackRock、Vanguard的SmartBetaETF数量和规模接近甚至超过旗下全部ETF的20%。 另外，整体SmartBetaETF的费率介于指数基金和主动基金之间。
总之，SmartBeta策略是个性化较强的策略，能够实现特定目标，满足投资者的个性需求。 通常资产管理人应用SmartBeta策略考虑两个方面的因素：一是降低风险，二是增加收益。 此外，还有诸如分散化，节约成本等目标。 从SmartBeta策略应用来看，目前多策略已经成为主流，资产管理者会通常采用多个SmartBeta策略来进行资产配置。
表1SmartBetaETF市场状况（截至2016年9月）
表2SmartBetaETF排名前20的产品列表（截至2016年9月）
#信产策略#股票投资的基本策略有哪些？
股票投资应该注意的：1、规模因子买小公司的股票未来升值空间更大买入小市值公司的组合、卖出大市值公司的组合收益更高2、价值风险市净率越低，股票越便宜长期买入市净率低的股票，卖出市净率高的股票，未来会获得很高的收益3、市场因子由CAPM模型提出，但是市场因子不能完全解释股票资产的超额收益还需要增加寻找其他因子来解释系统性风险4、动量交易策略把市场上所有的股票都按照这个月的收益率排序分成十组买收益率最高的那一组、卖出收益率最低的那一组然后在接下来的3-12个月中，这个策略会获得很高的收益建议：散户投资要谨慎避免高点买入炒作股票避免买入无端交易量活跃、单纯靠炒作涨价的股票股票市场本来就非常复杂，所以小编也建议大家进入到股票市场之前，必须要了解相关的知识，否则的话你就非常容易受到因素的影响而产生波动，这样的话就会导致你的金钱受到亏损。 不同类型的股票有不同的投资策略，分别是怎么进行应对的呢？一、大型股票投资在股票市场，其实真的存在不同类型的股票，而且能够让大家进行选择的股票种类也是非常多的，大家也都知道在股票市场进行投资也是需要掌握一定技巧的，因此应对不同类型的股票本身就应该采用不同的投资策略，这样的话才能够帮助大家降低相应的风险。 面对那些股票的时候也是需要进行一定策略的，在业绩好转的时候，用户就可以进行买入。 因为这些股票的增长幅度是比较缓慢的，所以投资人的手中需要有非常多的资金。 二、中小型股票投资除了大型股票投资之外，在股票市场上还存在很多中小型股票投资，而且小编觉得中小型的股票在股票市场上的应用会更加的广泛，因为很多人其实都是普通人，手上没有这么多的资金。 中小型的股票其实可以吸引更多的投资者，因为中小型股票的股票价格涨跌幅度比较大，所以从另一个层面来说能够给大家带来更多盈利的机会，因此投资者必须要抓住时机，在这个过程之中必须要耐心等待，不要着急。 三、成长型股票大家也都知道在股票市场之中，必须要把自己的眼光放得长远一些，因为有的时候股票的成长也需要一个比较长的时间，所以这个时候你就必须要学会把握一定的时机。 这些成长性的股票其实主要考虑上涨的可能性，成长率越大，就代表着股票的价格上涨的可能性就越大，所以大家必须要准确地选择合适的股票。
什么是行为金融理论
现代金融理论是建立在资本资产定价模型(CAPM)和有效市场假说(EMH)两大基石上的。 这些经典理论承袭经济学的分析方法与技术，其模型与范式局限在“理性”的分析框架中，忽视了对投资者实际决策行为的分析。 随着金融市场上各种异常现象的累积，模型和实际的背离使得现代金融理论的理性分析范式陷入了尴尬境地。 在此基础上，20世纪80年代行为金融理论悄然兴起，并开始动摇了CAPM和 EMH的权威地位。 行为金融理论在博弈论和实验经济学被主流经济学接纳之际，对人类个体和群体行为研究的日益重视，促成了传统的力学研究方式向以生命为中心的非线性复杂范式的转换，使得我们看到了金融理论与实际的沟壑有了弥合的可能。 行为金融理论将人类心理与行为纳入金融的研究框架，但是由于涉及人类心理与行为研究的难度，加上行为金融刚刚起步，因而其本身也存在很多缺陷。 行为金融理论产生背景和发展历史 (一)产生背景 行为金融理论是在对现代金融理论(尤其是在对EMH和CAPM)的挑战和质疑的背景下形成的。 在EMH理论形成的过程中，奥斯本(Osberne)和法玛(Fama)的贡献最大。 奥斯本提出了关于股票价格遵循随机游走的主张，认为投资者是根据他们的期望价值或收益率来估计股票的，而期望价值是可能的收益率的概率加权平均值，所以投资者在奥斯本定义上的理性是以无偏的方式设定其主观概率。 在此基础上，法玛建构并形成了有效市场假说(EMH)，EMH是由三个不断弱化的假说组成的：当投资者是理性时，投资者可以理性评估资产价值，市场是有效的；即使有些投资者不是理性的，但由于交易随机产生，也不会形成系统的价格偏差；即使投资者的非理性行为不是随机的，他们也将遇到理性的套期保值者，从而保证资产价格回归基本价值；最后，即使非理性交易者在非基本价值的价格交易时，他的财富也将逐渐减少，以致不能在市场上生存。 法玛(1970)还进一步细分了三种有效市场，从而说明价格反映所有的公开信息，基本分析者的共识形成公平价格。 所以EMH已经隐含了已知信息不能用来在市场上获利的命题。 我们也可以说，到了法玛那里，EMH依赖于理性投资者。 在EMH 产生与发展的同时，马科维茨(Markowitz)结合奥斯本的期望收益率分布，以其方差为度量，用以度量资产组合，得出投资者选择有效边界的风险和标准差给定水平上期望收益率最高的资产组合这个合意的结论。 所以投资者在马科维茨定义上的理性是指他们是风险回避型的；在此基础上，夏普(Sharpe， 1964)、林特纳(Lintner，1965)和莫辛(Mossin，1966)将EMH和马科维茨的资产组合结合起来，以资本资产模型命名，建立了一个以一般均衡框架中的理性预期为基础的投资者行为模型CAPM。 CAPM中的投资者有着同质的收益率预期，以相同的方式解读信息。 在此假定下，CAPM得出：高风险的资产应为高收益率的补偿，投资者的最优投资决策应沿资本市场线进行的结论。 如果说EMH回答了已知的信息对获利没有价值的结论，那么CAPM则说明市场上的超额回报率是由于承担更大的风险才形成的结论，因而在一定程度上CAPM补充了EMH的理论空白和可能的漏洞。 自CAPM诞生后，20世纪七八十年代的研究一般集中在应用该模型进行经验研究和求证EMH的有效性上。 但是随着后来研究的深入，逐渐发现了现代金融理论模型与投资者在证券市场上的实际投资决策行为是不相符合的。 主要表现如下：第一、现代金融理论认为人们的决策是建立在理性预期、风险回避、效用函数最大化等假设上。 实际投资决策并非如此。 特韦尔斯基(1990)针对投资者准确无偏的奥斯本定义上的理性，指出投资者具有倾向于过分自信的心理特征；针对投资者如果接受更大的风险，他们就必须得到更高的收益率的补偿，即对马科维茨的投资者是风险回避型的修正，特氏研究表明，当牵涉到亏损时，投资者会倾向于追求风险，尤其是在追求风险有可能把他们的亏损减少到最低限度的时候；针对法玛和夏普意义上的投资者理性，研究发现投资者在决策中的预测是非贝叶斯预测，而且投资者会有回避损失和心理会计的偏差，还有减少后悔、推卸责任的心理。 尤其值得提出的是研究表明，这种对理性决策的偏差是系统性的，并不能因为统计平均而消除 (Kahneman and Riepe，1998)。 第二，现代金融理论和EMH是建立在有效市场竞争的基础上。 能够在市场竞争中幸存下来的只有理性投资者。 证券市场投资行为是由理性的投资者主宰的。 而Delong、Shleifer、Summers和Maldmann(1990、 1991)的研究表明，某些情况下，非理性投资者实际上可以获得比理性交易者更高的收益，非理性投资者仍然可以影响资产价格。 (二)发展历史 行为金融理论的发展历史可以简单概括为以下几个阶段：1.早期阶段。 19世纪Gustave Lebon的“The Crowd”和Mackey的“Extraordinary Poplular Delusion and the Madness Of Crowds”是两本研究投资市场群体行为的经典之作；凯恩斯是最早强调心理预期在投资决策中作用的经济学家，他基于心理预期最早提出股市“选美竞赛”理论和基于投资者“动物精神”而产生的股市“乐车队效应”；Purrell是现代意义上金融理论的最早研究者，在其《以实验方法进行投资研究的可能性》 (1951)论文中，开拓了应用实验将投资模型与人的心理行为特征相结合的金融新领域。 后来的Paul、Slovic等人继续进行了一些人类决策过程的心理学研究。 2.心理学行为金融阶段(从1960年至80年代中期)。 这一阶段的行为金融研究以 Tversky和Kahneman为代表。 Tversky研究了人类行为与投资决策模型基本假设相冲突的三个方面：风险态度、心理会计和过度自信，并将观察到的现象称为“认知偏差”。 Kahneman和Tverskv(1979)共同提出了“期望理论”，使之成为行为金融研究中的代表学说。 但是当时的行为金融的研究还没有引起足够重视，一方面是因为此时EMH风行一时，另一方面是因为人们普遍认为研究人的心理、情绪对金融研究是不科学的。 3.金融学行为金融阶段(从20世纪80年代中期至今)。 市场不断发现的异常现象引起金融学界的注意，大量的证据表明许多金融理论还不完善；再加上期望理论得到广泛认可和经验求证，所以这个时期的行为金融取得了突破性的进展。 这个时期行为金融理论以芝加哥大学的Thaler和耶鲁大学的Shiller为代表。 Thaler(1987，1999)研究了股票回报率的时间序列、投资者心理会计等问题。 Shiller(1981，1990a，1990b)主要研究了股票价格的异常波动、股市中的“羊群效应”(Herd Behavior)、投机价格和流行心态的关系等。 此外，Orden(1998)对于趋向性效应(disposition effect)的研究，Ritter(1999)对于IPO的异常现象的研究，Kahneman等(1998)对反应过度和反应不足切换机制的研究都受到了广泛的关注。 与上个时期相比，这个时期的行为金融理论研究是从投资策略上加以完善，注重把心理学研究和投资决策结合起来。 行为金融理论的理论内容 (一)理论基础 1.期望理论。 期望理论是行为金融学的重要理论基础。 Kahneman和 Tversky(1979)通过实验对比发现，大多数投资者并非是标准金融投资者而是行为投资者，他们的行为不总是理性的，也并不总是风险回避的。 期望理论认为投资者对收益的效用函数是凹函数，而对损失的效用函数是凸函数，表现为投资者在投资帐面值损失时更加厌恶风险，而在投资帐面值盈利时，随着收益的增加，其满足程度速度减缓。 期望理论成为行为金融研究中的代表学说，利用期望理论解释了不少金融市场中的异常现象：如阿莱悖论、股价溢价之迷(equity premium puzzle)以及期权微笑(option smile)等，然而由于Kahneman和Tversky在期望理论中并没有给出如何确定价值函数的关键——参考点以及价值函数的具体形式，在理论上存在很大缺陷，从而极大阻碍了期望理论的进一步发展。 2.行为组合理论(Behavioral Portfolio Theory，BPT)和行为资产定价模型(Behavioral Asset Pricing Model，BAPM)。 一些行为金融理论研究者认为将行为金融理论与现代金融理论完全对立起来并不恰当。 将二者结合起来，对现代金融理论进行完善，正成为这些研究者的研究方向。 在这方面，Statman和Shefrin提出的BPT和BAPM引起金融界的注意。 BPT是在现代资产组合理论(MPT)的基础上发展起来的。 MAPT认为投资者应该把注意力集中在整个组合，最优的组合配置处在均值方差有效前沿上。 BPT认为现实中的投资者无法作到这一点，他们实际构建的资产组合是基于对不同资产的风险程度的认识以及投资目的所形成的一种金字塔式的行为资产组合，位于金字塔各层的资产都与特定的目标和风险态度相联系，而各层之间的相关性被忽略了。 BAPM是对资本资产定价模型(CAPM)的扩展。 与CAPM不同，BAPM中的投资者被分为两类：信息交易者和噪声交易者。 信息交易者是严格按CAPM行事的理性交易者，不会出现系统偏差；噪声交易者则不按CAPM行事，会犯各种认知偏差错误。 两类交易者互相影响共同决定资产价格。 事实上，在BAPM中，资本市场组合的问题仍然存在，因为均值方差有效组合会随时间而改变。 (二)投资行为模型 模型(Barberis，Shleffer，and Vishny，1998)。 BSV模型认为，人们进行投资决策时存在两种错误范式：其一是选择性偏差(representative bias)，即投资者过分重视近期数据的变化模式，而对产生这些数据的总体特征重视不够，这种偏差导致股价对收益变化的反映不足(under- reaction)。 另一种是保守性偏差(conservation)，投资者不能及时根据变化了的情况修正自己的预测模型，导致股价过度反应(over -reaction)。 BSV模型是从这两种偏差出发，解释投资者决策模型如何导致证券的市场价格变化偏离效率市场假说的。 模型(Daniel，Hirsheifer and Subramanyam，1998)。 该模型将投资者分为有信息和无信息两类。 无信息的投资者不存在判断偏差，有信息的投资者存在着过度自信和有偏的自我归因(serf-contribution)。 过度自信导致投资者夸大自己对股票价值判断的准确性；有偏的自我归因则使他们低估关于股票价值的公开信号。 随着公共信息最终战胜行为偏差，对个人信息的过度反应和对公共信息的反应不足，就会导致股票回报的短期连续性和长期反转。 所以Fama(1998)认为 DHS模型和BSV模型虽然建立在不同的行为前提基础上，但二者的结论是相似的。 模型(Hong and Stein，1999)，又称统一理论模型(unified theory model)。 统一理论模型区别于BSV和DHS模型之处在于：它把研究重点放在不同作用者的作用机制上，而不是作用者的认知偏差方面。 该模型把作用者分为“观察消息者”和“动量交易者”两类。 观察消息者根据获得的关于未来价值的信息进行预测，其局限是完全不依赖于当前或过去的价格；“动量交易者”则完全依赖于过去的价格变化，其局限是他们的预测必须是过去价格历史的简单函数，在上述假设下，该模型将反应不足和过度反应统一归结为关于基本价值信息的逐渐扩散，而不包括其他的对投资者情感刺激和流动性交易的需要。 模型认为最初由于“观察消息者”对私人信息反应不足的倾向，使得“动量交易者”力图通过套期策略来利用这一点，而这样做的结果恰好走向了另一个极端——过度反应。 4.羊群效应模型(herd behavioral model)。 该模型认为投资者羊群行为是符合最大效用准则的，是“群体压力”等情绪下贯彻的非理性行为，有序列型和非序列型两种模型。 序列型由 Banerjee(1992)提出，在该模型中，投资者通过典型的贝叶斯过程从市场噪声以及其它个体的决策中依次获取决策信息，这类决策的最大特征是其决策的序列性。 但是现实中要区分投资者顺序是不现实的。 因而这一假设在实际金融市场中缺乏支持。 非序列型则论证无论仿效倾向强或弱，都不会得到现代金融理论中关于股票的零点对称、单一模态的厚尾特征。 三、实证检验 进入20世纪80年代以来，与现代金融理论相矛盾的实证研究不断涌现，主要体现在投资策略的改变上。 下面介绍几种典型的行为金融策略：1.小公司效应。 小公司效应是指小盘股比大盘股的收益率高。 Banz(1981)发现股票市值随着公司规模的增大而减少的趋势。 同一年，Reimganum(1981)也发现了公司规模最小的普通股票的平均收益率要比根据CAPM模型预测的理论收益率高出18%。 最近Siegl(1998)研究发现，平均而言小盘股比大盘股的年收益率高出4.7%，而且小公司效应大部分集中在1月份。 由于公司的规模和1月份的到来都是市场已知信息，这一现象明显地违反了半强式有效市场假设。 Lakonishok等(1994)的研究发现，高市净盈率的股票风险更大，在大盘下跌和经济衰退时，业绩特别差。 市盈率与收益率的反向关系对EMH形成严峻的挑战，因为这时已知的信息对于收益率有明显的预测作用。 2.反向投资策略(contrary investment strategy)。 就是买进过去表现差的股票而卖出过去表现好的股票来进行套利的投资方法。 一些研究显示，如选择低市盈率(PE)的股票；选择股票市值与帐面价值比值低、历史收益率低的股票，往往可以得到比预期收益率高很多的收益，而且这种收益是一种“长期异常收益”(1ong-term anomalies)。 Desia、Jain(1997)，Ikenberry、Rankine Stice(1996)也发现公司股票分割前后都存在着正的长期异常收益。 行为金融理论认为反向投资策略是对股市过度反应的一种纠正，是一种简单外推的方法。 3.动量交易策略(momentum trading strategy)。 即首先对股票收益和交易量设定过滤准则，当股市收益和交易量满足过滤准则就买入或卖出股票的投资策略。 行为金融定义的动量交易策略源于对股市中间收益延续性的研究。 Jegadeeshkg与Titman(1993)在对资产股票组合的中间收益进行研究时发现，以3至12个月为间隔所构造的股票组合的中间收益呈连续性，即中间价格具有向某一方向连续的动量效应。 事实上，美国价值线排名(value line rankings)就是动量交易策略利用的例证。 动量交易策略的应用其实就是对EMH的再次否定。 4.成本平均策略和时间分散化策略。 成本平均策略指投资者根据不同的价格分批购买股票，以防不测时摊低成本的策略，而时间分散化指根据股票的风险将随着投资期限的延长而降低的信念，随着投资者年龄的增长而将股票的比例逐步减少的策略。 这两个策略被认为与现代金融理论的预期效用最大化则明显相悖。 Statman(1995)，Fisher、Statman(1999)利用行为金融中的期望理论、认知错误倾向、厌恶悔恨等观点对两个策略进行了解释，指出了加强自我控制的改进建议。 行为金融理论已经开始成为金融研究中一个十分引人注目的领域，它对于原有理性框架中的现代金融理论进行了深刻的反思，从人的角度来解释市场行为，充分考虑市场参与者的心理因素的作用，为人们理解金融市场提供了一个新的视角。 行为金融理论是第一个较为系统地对效率市场假说和现代金融理论提出挑战并能够有效地解释市场异常行为的理论。 行为金融理论以心理学对人类的研究成果为依据，以人们的实际决策心理为出发点讨论投资者的投资决策对市场价格的影响。 它注重投资者决策心理的多样性，突破了现代金融理论只注重最优决策模型，简单地认为理性投资决策模型就是决定证券市场价格变化的实际投资决策模型的假设，使人们对金融市场投资者行为的研究由“应该怎么做决策”转变到“实际是怎样做决策”，研究更接近实际。 因而，尽管现代金融理论依然是对市场价格的最好描述，但行为金融的研究无疑是很有意义的。
标签： 价值投资和动量投资的利弊 股票投资策略 分散投资
