股票投资优化模型建设论文

[摘要]股票市场的复杂性和非线性性，使得股票趋势预测成为一个比较棘手的问题。文章通过分析不同特征和不同样本点对模型预测的影响差异，将Relief算法与加权支持向量机（WSVM）相结合对股票价格的涨跌进行预测研究，以华兰生物（002007）等股票为实验对象，验证了Reief-WSVM模型在股票涨跌预测中的可行性和准确性。今天小编为大家推荐《股票投资优化模型建设论文(精选3篇)》仅供参考，希望能够帮助到大家。

股票投资优化模型建设论文 篇1：

险资资本运作及其风险管理

[摘要]针对目前我国保险业保险资金运作的现状，分析保险运作过程中存在的问题，提出保险运作风险管理的有效措施。

[关键词]险资运作；风险管理；资产负债回报率；投资渠道

[DOI]1013939/jcnkizgsc201717102

1引言

近年来，我国的保险业发展势头良好，保险公司的可运作资金不断累积，因此保险公司需要拓宽保险资金运作的渠道，增加保险资金运作渠道成为保险资金运作发展的必然趋势，然而由于我国资本市场发展起步晚，体制不完善，在资本市场环境的影响下，保险公司资金运作仍存在很多问题，同时也加剧了保险资金运作的风险，因此，结合我国经济发展的实际情况，多渠道运作保险资金并且加强风险防范管理非常必要。

2保險资金运作的现状和发展趋势

21保险资金运作规模发展迅速

保险资金一直是资本市场的重要组成部分，近年来，得益于中国宏观经济的快速发展以及保险业制度的一系列创新和改革，中国保险业获得快速的发展。据有关数据显示，我国2016年12月底，保险资产规模快速增长，达到148万亿元，保险资金运作规模达到129万亿元，资金实力不断增强。

22保险资金运作所占比例差异化较大

从我国保险业发展历程来看，刚开始保险资金的运作渠道只有银行存款和买卖债券，近年来，在资本市场快速发展的环境影响下，保险资金运作的渠道有所拓宽，有银行存款、债券、股票、证券投资和基金等资金运作形式，但是在各渠道保险投资资金所占的比例差异很大，不利于保险资金运作的发展，影响经济效益。

23保险资金收益率水平偏低

保险资金投资运作渠道涉及股票、债券和基金等方面，受市场环境影响大，因为市场环境波动大，也造成保险资金收益率的波动，收益不稳定。而且随着经济全球化的发展，一些国外的保险公司进驻中国，国内本土的保险公司也越来越多，各保险公司之间的竞争加剧，因此各保险公司的利润空间缩小，利润空间小，投资渠道狭窄，因此，虽然我国保险市场大，但经济效益小，所以总体来说，我国保险资金收益率水平仍偏低。

24险资大规模进入资本市场，发挥稳定器作用，与资本市场互动发展良好

随着保险市场的竞争越来越激烈，保险业务的盈利空间将会逐渐缩小，因此保险公司要求发展，必须要加强资金运作的能力，并使之成为主要的盈利来源，保险公司盈利扩大，才能为社会提供更为有利的保险保障，这是一个良性发展的过程，也是保险资金运作发展的必然趋势，在大规模进入资本市场以后，监管部门要纠正偏激进的投资，守好投资风险的底线，防范投资风险，规范保险行业健康发展，真正发挥保险资金的稳定器作用，促进与资本市场的良性互动。

3保险资金运作过程中存在的问题

31资产与负债匹配不合理

与银行类似，保险公司也属于负债经营，而且长期负债的比例很高，并且负债规模大、期限长，因此保险公司需要有收益稳定的长期资产来适应投资主体的资产负债要求。但是由于我国金融市场比较缺乏长期的投资产品，而且在产品期限的结构方面，长期债券的供给量不足，所以保险公司很难通过资产负债匹配来防范利率风险。而且由于我国保险资金投资运作结构不合理，导致多数资金都投资于收益率较低的短期投资，因而更加深了资产与负债不匹配的问题。

32缺乏专业投资管理人才

长期以来，保险公司对员工和管理层的考核重点都放在了承保收入方面，也长期将发展保险业务作为公司业务发展的重点，因此保险公司在承保、理赔和内勤部门投入了大量的人、物力，占比非常大，但是却缺乏对险资投资管理人才的重视，内部长期缺乏专业性、技术性的投资管理人才，没能组建一个有专业知识和管理能力的团队，因此，公司在保险资金投资方面缺乏专业的分析和指导，影响保险投资的决策和经营管理，加重了投资风险。

33外部环境严峻，资产配置和投资风格偏激进，加剧投资风险

保险资金进入市场后面临着严峻的市场外部环境和风险形式，一些保险公司在治理上还存在着很多缺陷，一些保险公司的股权结构复杂且不透明，往往存在着“一股独大”的问题，个别的控股股东把保险公司当作“融资平台”，采取激进的产品设计和销售策略，因此造成了激进的资产配置和投资风格，盲目投资一些不相关的产业，增加了保险公司的投资成本，偏离了审慎稳健的投资理念，不重视因此引起的风险问题，加剧了投资风险。

4保险资金运作风险管理的有效措施

41拓宽保险资金投资渠道，优化保险资金投资结构

有效促进保险资金运作的发展，必须拓宽保险资金投资渠道，拓宽投资渠道需要借鉴国外先进的投资经验并结合我国的实际国情进行。我国新颁布的保险法已经规定保险资金运作可以用于对不动产的投资，不动产投资是期限长且流动性小的投资手段，符合资产与负债匹配，能够实现分散风险和增加收益的效果。根据国外的投资经验，具有稳定性好，收益性高的贷款投资是一种适合保险公司的投资产品，不仅能够提高资产负债匹配度，还能因此加强与客户的沟通，建立长期稳定的合作关系，促进保险业务发展。从我国国情出发，近年来，我国新兴产业发展迅速，而新兴产业的运作时间长，需要大量的资金，是一种非常适合保险投资的一种长期投资产品，而且新兴产业的安全性非常高，有利于分散投资风险，增加投资收益，促进保险资金运作长期稳定的发展。

42加强资产负债匹配管理，借助上市融资等方式拓宽筹资渠道

资产负债匹配管理一直是保险资金运作需要解决的核心问题，实施资产与负债匹配管理，可以有效控制利率风险。从保险公司内部来说，应当建立起专业的，适合资产负债管理的组织架构，将负债管理和资产管理相对应，实现资产管理和资产投资部门有效的结合，杜绝信息不对称问题的发生，并且有利于从整体上把握产品的定价、设计及投资策略，能够及时把控投资运用和风险控制情况。2014年，保监会起草了《保险公司资本补充管理办法（征求意见稿）》，规定了普通股、优先股、资本公积、留存收益、债务性资本工具、应急资本、保单责任证券化产品、财务再保险八大类资本补充渠道，打开了保险公司资本工具的创新空间。上市保险公司另有定向及公开增发、发行可转债等方式，境外上市的保险公司还可选择永续次级债等融资工具，进一步丰富了保险公司融资渠道，可以有效控制险资投资风险。

43加强专业性、技术性投资人才的培养

保险公司应该调整公司人才战略，加强对专业性、技术性保险投资人才的培养，组建具有专业知识和管理能力的保险投资团队。专业的人才能够在保险投资方面给予专业的分析和指导，能够有效降低资金运作的成本，能够有效规避投资中的各种风险，使保险资金运作更加高效和安全。并且专业的投资管理人才队伍的建设，有利于提高保险公司的竞争力，增强人才优势，优化公司内部的人才结构，促进保险公司长期稳定的发展。

44创新保险监管手段，纠正偏激进投资，促进与资本市场的良性互动

要提高保险资金运作监管水平，要根据我国国情，借鉴外国先进的发展经验，在加强保险监管手段方面要注重创新，利用和推广先进的技术在保险投资监管方面的运用，不断提高保险监管的效率和水平。在股票投资监管方面，将股票投资分为一般股票投资、重大股票投资和上市公司收购三种情形，并对这三种情形实施层层递进的差别监管，以风险控制为着眼点进行综合监管，防范风险失控阻隔风险蔓延。督促资产配置和投资风格激进的保险公司停止激进业务，内部加快整改，严守风险底线，真正发挥保险的稳定器作用，促进其与资本市场的良性互动。

5结论

中国的保险市场大，具有非常大的发展潜力，保险公司的资产规模也很大，为保险公司资产运作提供了坚实的发展基础，因此，保险公司应着力解决经济效益不高的问题，拓宽投资运作渠道，优化投资结构，促進投资运作的发展，同时加强保险资金运作的风险管理，实现投资风险与收益的协调发展。

参考文献：

[1]夏天，张楠我国保险企业资金运用问题研究[J].东方企业文化，2013（19）.

[2]张昭熙从风险视角看保险资金的运用及监管[J].现代商业，2015（17）.

[3]李振鹏基于分位数回归模型的保险资金运用风险研究[J].华北金融，2013（3）.

作者：王新华

股票投资优化模型建设论文 篇2：

基于Relief-WSVM的股票预测研究

[摘    要] 股票市场的复杂性和非线性性，使得股票趋势预测成为一个比较棘手的问题。文章通过分析不同特征和不同样本点对模型预测的影响差异，将Relief算法与加权支持向量机（WSVM）相结合对股票价格的涨跌进行预测研究，以华兰生物（002007）等股票为实验对象，验证了Reief-WSVM模型在股票涨跌预测中的可行性和准确性。

[关键词] 加权支持向量机;Relief算法;股票趋势;特征加权

1      引    言

随着我国经济建设的发展、金融市场的完善，越来越多投资者选择购买股票作为自己的投资方式。如何把握股票的价格趋势、进行有效的股票投资管理、提高股票投资效率是投资者获得超额收益的关键问题。股票市场中的金融规律复杂，影响因素众多，其非线性、非平稳、高噪声等特性使得股票预测充满了困难和挑战。在传统的金融分析和理论中，所采用的决策模型较为容易理解和解释，但预测效果往往与实际偏差较大。随着机器学习、数据挖掘领域的发展，金融数据挖掘技术的应用从某种意义上来说可以突破这些限制，得到更贴近现实的预测效果。

支持向量机在解决分类和回归等机器学习问题方面有很好的效果，许多学者在将支持向量机应用于股票预测这个方向进行了深入研究。张玉川[1]等结合股票市场上流行的几种技术指标，应用支持向量机对个股的价格涨跌进行预测分析。Lean Yu[2]等人提出了一种基于混合核的最小二乘支持向量机并应用于股票趋势预测。张伟[3]等将支持向量机和遗传算法结合，对RBF参数和特征集的选择进行了优化。

然而，支持向量机进行训练分类时，不同的样本点对最优超平面的学习有着不同影响，数据集可能会出现野点或噪声对分类带来不好的影响，各个特征对股票趋势预测的贡献影响也不尽相同。为提升预测效果，本文将加权支持向量机（WSVM）与Relief算法相结合，在考虑样本距离加权的同时，利用Relief算法求出各个特征在分类中的影响程度，即各自权值。然后把带权值的特征输入到支持向量机中进行训练，对股票价格趋势进行预测。

2      原理与方法

2.1   加权支持向量机

支持向量机的基本思想是寻找一个满足分类要求的最优分类超平面，使得该超平面在保证分类精度的同时，能够使超平面两侧的空白趋于最大化。为了降低数据集中野点或噪声的影响，根据样本点对本类别的相对重要性，考虑给野点安排一个比较低的权重，以降低野点对整个训练误差的影响。对于给定训练集：{（x1，y1），（x2，y2），…，（xN，yN）}，其中x∈Rn，y∈{-1，1}，在本研究中y=1记为正类代表股价上涨，即后一天收盘价比前一天收盘价高;y=-1记为负类代表股价下跌，即后一天收盘价比前一天收盘价低。

2.2   Relief算法

Relief[5]是由Kira和Rendell于1992年提出的一种基于样本学习的特征权重计算算法，是过滤式特征选择算法中的一种。该算法通过考察特征在同类近邻样本和异类近邻样本间的差异来度量特征的区分能力。若某个特征在同类样本间差异小，在异类样本间差异大，则该特征具有较强的区分能力。假设每个样本包含k个特征，即xi={xi1，xi2，…，xik}，由于股票数据的特征为数值型，则两个样本xi和xj在特征t上的差定义为：

其中maxt和mint分别为特征t在样本集中的最大值和最小值，1≤i≠j≤N，1≤t≤k。算法首先从样本集中随机选择一个样本xi，从正类和异类样本中各选择一个距离xi最近的样本，与xi同类的样本称为Near Hit用Hi表示，与xi异类的样本称为Near Miss用Mi表示。根据式（4）更新特征t的权重wt，其中r表示抽样次数

由式（4）可知，若样本xi与Hi在某个特征上的距离小于xi与Mi的距离，则该特征异类间差异大而同类间差异小。特征的权重越大，表示该特征的类别区分能力越强，若权重为负，则表示该特征的类别区分能力较弱。

传统SVM方法在数据预处理后便直接进行模型训练，未考虑不同样本和特征对最优分类面的学习存在不同贡献。本文将Relief算法与加权支持向量机相结合，在进行模型训练前，使用Relief算法计算特征权重以增大不同类特征向量的差异性，并根据不同样本点对其类别的相对重要性计算其距离权重以降低野点或噪声的影响，进而提升模型预测的准确率。

3     实证分析

3.1   样本选取与数据预处理

本文选取华兰生物（002007）、科大讯飞（002230）、华夏银行（600015）、上汽集团（600104）这4支不同行业的股票数据作为实验对象，数据来源于东方财富旗下金融數据平台——Choice金融终端。时间跨度为2017年1月1日至2017年12月31日244个交易日的数据，其中前80%个数据作为训练集，后20%个数据作为测试集，在MATLAB R2017a环境下，借助LIBSVM工具箱进行数值实验。

选取股票的开盘价、最高价、最低价、收盘价、涨跌幅、成交量、换手率、振幅、5日移动平均线（MA5）、异同移动平均线（MACD）、6日相对强弱指数（RSI6）、随机指标（KDJ_K、KDJ_D、KDJ_J）、6日乖离率（BIAS6）、心理线PSY作为数据特征（输入变量），股票每日的涨跌趋势作为预测目标（输出变量）。由于各个特征量的计算方式不同，特征量之间存在的数量差异会使得运算过程复杂并导致大值特征主导预测模型的不利情况，为了消除这些不利影响，本文采用公式（5）对特征量进行归一化处理。

3.2   模型训练

总结以往研究发现，RBF核函数在非线性拟合方面具有较好效果，因此本文选用RBF核函数作为WSVM的核函數，用基于10折交叉验证的网格搜索法对惩罚参数C和核函数参数g进行参数寻优。

在Relief算法中，随机选取样本200个，不设阈值，将主程序运行40次，计算特征权重的平均值作为最终权值，把权值组成权值向量，与其相对应的特征一起送入支持向量机进行模型训练。以华兰生物（002007）为例，经过Relief算法计算，每次循环中各个特征的权值分布如图2所示，最终求得各个特征的平均权值柱形图如图3所示。

从图3中可以看出涨跌幅的权重最大，其次是RSI6、BIAS6、PSY、MACD和KDJ_J这几个特征权重较大，这些特征对类别有较好的区分能力。成交量、换手率、振幅这几个特征的权重为负值，这些特征对类别的区分能力相对较弱。预测结果与实际可能出现的情况如表1所示。

本文采用分类模型常用的性能评价指标预测准确率（Accuracy）来衡量模型效果，计算方法如式（6）。

3.3   结果分析

用训练好的模型对华兰生物（002007）等4支股票进行预测，为了验证本文提出模型的优劣性，以常见的预测模型SVM、WSVM和BP神经网络作为参照模型进行对比，预测准确率如表2所示。

由表2可以看出，Relief-WSVM模型的预测准确率均达到70%以上且均比参照模型的准确率高。为避免单只股票的随机性，本文选取了不同行业的4支股票进行对比实验，预测准确率均有一定提高。这也同时说明本文的改进是有效的，本模型可以帮助投资者更好地判断股票趋势的拐点。

4      小    结

本文考虑到不同特征和不同样本点对模型效果的影响不同，将Relief与WSVM进行结合并应用于股票价格涨跌预测中，并通过华兰生物（002007）等股票进行实证分析，验证了该模型的准确性和有效性。股票市场受宏观、微观各方面因素影响，复杂性很高，本文选取的是单个核函数中性能表现较好的RBF核函数，在进一步的研究中可考虑引入混合核对模型做改进以进一步提高预测准确率。

主要参考文献

[1]张玉川，张作泉.支持向量机在股票价格预测中的应用[J].北京交通大学学报，2007（6）：73-76.

[2]Yu L，Chen H，Wang S，Lai KK.Evolving Least Squares Support Vector Machines for Stock Market Trend Mining[J]. IEEE Transactions on Evolutionary Computation，2009，13（1）：87-102.

[3]张伟，李泓仪，兰书梅，等.GA-SVM对上证综指走势的预测研究[J].东北师大学报：自然科学版，2012，44（1）：55-59.

[4]黎金玲，李亚楠，郭海湘，等.一种加权的支持向量机及其在储层识别中的应用[J].数学的实践与认识，2014，44（7）：39-46.

[5]王正宇，张扬帆，段向阳，等.基于Relief算法的风电机组故障特征参数提取方法[J].华北电力技术，2017（10）：57-62.

作者：李峥嵘 韦增欣 祝人杰

股票投资优化模型建设论文 篇3：

通过金融学科平台构建金融消费者权益保护预防机制的实证研究

摘要：针对我国目前金融市场参与群体的特殊性以及对金融消费者权益保护预防机制迫切需求，本文结合国内外相关心理学和行为金融学的研究成果，根据现实经济环境设计问卷采集样本数据，对金融相关学科背景在投资决策中过度自信的影响程度进行了实证分析。并通过F-test和T-test检验了由先前学者研究成果推导出来的原理假说，成功验证了金融学科高等教育在金融消费者权益保护预防机制建设中的重要性。

关键词：金融消费者；权益保护；过度自信；金融学科

前言

近年来，随着我国金融产品与服务种类数量的迅速增长，市场对金融消费者权益保障长效机制的需求日益迫切。针对我国目前金融市场参与群体的特殊性，本文以行为金融学的视角，借助过度自信理论，通过问卷调查的实证研究方式，旨在通过金融学科平台为我国金融消费者权益保护长效机制的建设寻找有效突破口。

一、金融市场中的过度自信行为

行为金融学是一门以心理学为基础，研究金融市场参与者如何以通过投资行为影响金融市场发展的近代新兴学科。在行为金融发展的历程中，它不断地挑战传统的经典金融理论：资本资产定价模型（CAPM）和有效市场假说（EMH）。过度自信原理的出现，在一定程度上有效地解决了在传统金融学理论中理性模型与现存金融市场环境不相符的关键性问题，使其成为了行为金融学中重要的基础理论之一。由于所有市场决策都依赖于市场参与者的投资行为，而在通常情况下，参与者们无法有效地控制个人在投资决策过程的过度自信行为，即便是身经百战的专业人士也会在因为过度自信的失控而导致投资失败。独立研究公司Portales的合作人，分析师查尔斯·皮博迪曾指出，雷曼兄弟破产事件的发生，要归因于其CEO对公司资产负债表的减值并没有赋予相应重视。因此，近年来CEO的过度自信指标也逐渐步入企业管理领域研究的视野，成为学术研究的高度关注对象。当然，除了大企业外，个人投资者在金融市场运作中也同样扮演着重要的角色。所以，基于对金融消费者权益保护以金融市场稳定发展的认真考量，有效落实相关长效机制刻不容缓。

二、样本采集

（一）调查对象

本文数据主要来源于60份调查问卷，被调查对象分别来至两个不同的群体具有不同程度的金融专业知识背景：无金融产品投资经验的理工科学生（NF组）以及无金融产品投资经验的金融专业学生（BS组）。每组各有30人参与调查。各组分别被安排在完全隔离的空间内，在限定的10分钟内完成问卷。被调查者分别来至广西财经学院金融系（BS组），广西师范学院化学系（NF组），均为全日制大学二年级本科生。

（二）问卷设计

本文将股票市场研究作为切入点，数据采集的主要标的物则是受访者对各股的主观预测价格。问卷中的3个问题分别要求受访者在指定时间内对国内外BP、Apple、中国工商银行3支股票五个工作日后的价格进行预测。以英石油（BP）在纽约证交所（NYSE）的价格（美元）为例，受访者需要在2010年6月30日（被访日）预测BP公司股票2010年7月7日在NYSE的收盘价，BP公司近期的重大事件（墨西哥湾漏油事件）和历史最高（低）价会作为即时参考消息附上。实例如下：

问题一：至从4月20号以来，因为钻井平台漏油事件，英国石油（BP）股价从$64.48跌至当前的 $28.65，跌幅将近 56%。请您预测英国石油（BP）在一周后的股价。

答：我认为该股价有90%的可能会在美元以下，

我认为该股价有90%的可能会在美元以上。

（三）分析方法

本文主要引用了Soll & Klayman （2004） 在其Experiment 1中的2-point Method （置信区间口径校对法）对受访者的过度自信进行定性分析。图一中，在1820（15.6）的环境下：区间I的置信水平为80%，即完美区间；区间J的置信水平小于80%，即过度自信区间；区间K的置信水平大于80%，即过度自负区间。以图一为例，假设受访者被要求以80%的置信水平来预测某支股票在未来一特定时间的价位区间，如果受访者给出的答案为：

●（1800， 1840），即区间I，该受访者将会被定性为完美校准；

●（>1800，<1840），即区间J，该受访者将会被定性为过度自信；

●（<1800，>1840），即区间J，该受访者将会被定性为过度自负；

●除上述情况外的其他情况将会被定性为因认知偏差而造成的过度自信。

三、理论假说

本文研究着眼于不同的学科教育背景影响投资者过度自信水平的实证分析，其归因于在广义上教育对个人行为认知的影响，同样会制约投资者在交易中的过度自信行为。例如Deaves， Luders & Luo （2008），其通过建构的回归模型得出结论，具有金融教育背景的年长投资者交易频率偏低，该模型的变量包括年龄、金融教育背景、共同基金投资经验，交易经验以及相关知识等影响因子。加以整合Sherin （2000）的研究成果，可以得出以下结论：具有金融教育背景的年长投资者能更好的掌控其在投资决策中的过度自信水平。Gort， Wang & Siegrist （2008） 也同样地研究了过度自信对金融市场领域的冲击，其线性回归模型仅纳入了三个变量，即年龄、经验以及教育背景。他们的研究表明，高质量的教育可以有效的减少过度自信。当然，至今为止世界上也出现了相当数量持反面观点的学术文献，例如Odean and Gervais （2001）认为相关经验与过度自信成反比关系。Glaser， Weber and Langer （2003）则证实了专业人士在趋势识别能力方面的过度自信要高于相对单纯的学生，因为他们并无法提供更精确的估算。

根据上述国内外学者的研究成果，本文将通过实证分析来检验以下假设的有效性：

H：NF组在股票投资决策过程中的过度自信水平高于BS组。

四、数据分析

基于问卷采集的数据，本文首先对处理后的数据进行了简要分析，具体如下：

从图二中可以看出两组受访群体在本次调查结果中的显著差异。纵向比较：无金融产品投资经验的理工科学生（NF组）的过度自信水平高于无金融产品投资经验的金融专业学生（BS组）约30个百分点左右，其中NF组在三支股票未来股价预测中均有七成或以上的受访者表现为过度自信，而BS组的过度自信则维持在40%的水平左右。横向比较：NF组的内部性差异相对不明显，尤其是在信息不对称的情况下整体表现基本一致，反观BS组在第三项预测中的表现明显优于前两项，30位受访者中仅11人有过度自信表现，可见因信息不对称而导致的认知偏差对金融市场参与者在投资决策的过度自信有一定程度的影响作用。

为进一步确认此次调查结果的科学有效性，本文从两组受访者在三项预测中提取了区间中位数进行统计检验。首先，本文使用F检验分别对三项共六组数据进行了方差分析，检验结果一致显示NF组和BS组的过度自信水平方差并无显著差异（见表一），即两方齐差（Equality of Variances）。虽然APPL项目的F检验结果相对显著，但p=0.206的数值距离显著性临界值p=0.05还有很大差距。鉴于两个样本间的方差不存在显著差异，本文引入双样本t-test对现有数据结果进行真实度检验（统计学意义）。从表一中可以看出两个样本在三项过度自信水平的T-test检验结果均呈现显著性意义。因此，本文的分析结果（无金融产品投资经验的理工科学生在股票投资决策过程中的过度自信水平高于无金融产品投资经验的金融专业学生）具有统计学意义。

综上，本文上述的假说“H：NF组在股票投资决策过程中的过度自信水平高于BS组。”在此次实证分析中予以接受。

五、国内现状存在问题及对策

（一）国内现状及问题

1.消费者缺乏自我保护意识

随着现代金融业的繁荣和发展，特别是20世纪70年代以来，金融与产业投资创新的浪潮此起彼伏，广泛采用的新投资技术，不断形成的新投资市场，层出不穷的新工具、新交易、新服务浪潮般地出现在金融与产业投资领域。由于国民收入迅速增长的影响，企业和居民的资产偏好发生了变化，投资股票、基金、权证、实物或股指期货、外汇、贵金属等等金融投资品交易活动已成为企业和居民个人防范风险、提高财富水平主要手段。而目前国内金融消费者还是以不具备基本理财知识的年长群体为主，基于本文以及先前学者的研究成果表明，该消费者群体的投资失利（包括金融产品与服务欺诈案件的发生）可以归因于其过度自信行为或基于认知偏差的过度自信行为，对投资理财业务的渗透已经成为解决当前金融消费者保护预防机制建设的重要项目之一。

2.高速发展急需专业人才

伴随着金融机构由“产品为中心”向“客户需求为中心”顾问式服务模式的转型，金融机构将大量减少柜台人员、增加精通投资理财的专业人才，对客户提供“一对一”的服务，这就产生了对投资理财人才的巨大的需求缺口。仅以工行为例，大约一亿个人客户，按照“二八”法则预测，大致需要对2000万至3000万个利润贡献较大的高端客户提供全面的理财服务，因而至少需要上万名理财人员。工商银行大约占国内银行1/4的市场份额，由此可以简单地推断出国内商业银行对于理财人才的市场需求是非常大的，涉及客户面相当之广，对我国金融消费者权益保护预防机制的推广将起到决定性的作用。更不用说从整个金融业来看，保险、证券、信托、基金等行业也对理财人员有着巨大的需求。

3.高质量从业人员稀薄

与理财热潮形成鲜明对比的是，国内投资理财专业人才严重短缺。目前银行的理财人员大多是原来银行储蓄网点的员工，对专业的理财系统知识了解很少，保护消费者的意识相当薄弱。据中国理财规划师专业委员会秘书长刘彦斌介绍，目前初步估计拥有国家理财师资格认证的人数大约是3000到5000人，按照中国理财市场来看，需求缺口大约超过30万。

（二）相应对策

立足于我国高等教育的教书育人、科学研发以及服务社会的三大核心任务，结合本文研究成果，可以借助金融学科平台通过以下两大有效途径解决我国在建设金融消费者权益保护预防机制中所面临的问题：

1.专注于复合型人才的培育

旨在培养具备健全消费者保护意识，既具有良好诚信品德和职业道德、具有扎实的金融和投资理财理论基础知识，具有熟练的投资理财业务技能，较高的投资理财综合业务素质和创新精神，能够在各类金融机构、保险公司、风险管理部门从事投资分析与咨询、风险投资、个人理财咨询、公司理财和各种金融服务等复合型、高素质的新型应用型人才，以适应短期内我国金融消费者权益保护预防机制建设的迫切需求。

多投身社会开展金融专业知识普及教育活动，宣传理性投资，避免过度自信的盲目投资行为，激励金融消费者不断提升的自我保护意识，推动我国金融市场的长期稳定发展

2.着眼于系统化预防机制的研发

基于本文的研究理念，强化金融学科在金融消费者权益保护预防机制研究领域的深度与广度，例如改善研究方法、优化分析方式以及扩大影响范围等等。从而构建出一套适用于所有金融市场参与者的风险评估系统，协助从业人员为金融消费者提供更好的咨询服务，让消费者在市场中做出准确的自我定位，规避风险减少不必要的损失，从而规范金融市场的有效秩序。（作者单位：广西财经学院）

参考文献

[1]Deaves， R.， E. Lueders and G.U.O.Y. Luo， An Experimental Test of the Impact of Overconfidence and Gender on Trading Activity. papers.ssrn.com.

[2]Dittrich， D.A.V.， W. Guth and B. Maciejovsky， Overconfidence in Investment Decisions： An Experimental Approach. papers.ssrn.com.

[3]Glaser， M.， T. Langer， and M. Weber， 2005， “Overconfidence of professionals and laymen： Individual differences within and between tasks，” Working paper.

[4]Gort， C.， Wang， M. & Siegrist， M， 2008， Are Pension Fund Managers Overconfident？，The Journal of Behavioral Finance， 9， 163-170.

[5]Odean， T.， 1998， “Volume， volatility， price and profit when all traders are above average，” The Journal of Finance，6，1887-1934 （48 pages）.

[6]Soll， J. & Klayman， J. ，2004， Overconfidence in interval estimates. The Journal of Experimental Psychology： Learning， Memory， and Cognitions， 30， 299-314.

作者：黄巍华