金融学笔记(第八周)--- 投资银行(三)

一、零售经济

在零售经济业务模式之前,资本市场是富人的游戏,在这个业务模式之后,中产阶级才真正地进入了金融市场,金融的民主化和普及化才这能地得以实现。

20世纪资本主义的黄金时代,美林,看中了美国中产阶级的兴起,开始推动一个为普通老板姓提供证券服务的金融模式。到60年代末,美国以有超过3000万的股民,到2010年,资管市场已经膨胀到13.8万亿美元,54%的美国人拥有股票,45%的美国人投资基金。

从此投行从为企业融资服务的卖方业务开始过渡到为个人、机构投资服务的买房业务。投行在零售经济业务中搞出很多业务模式的创新,比如白天炒股,夜间炒基的服务(现金管理账户 cash-management-account)

零售经济的盈利模式:在券商开户后,每一笔交易都需要交“过路费”,过路费分佣金、印花税和过户费,全部加起来大概是千分之一点六的费率。

10000的股票,大概有16块钱的费用产生,

10块钱是印花,交给税务部门,

3块5交给了券商,

5毛钱的佣金归证监会和交易所当监管费,

每1000股要缴纳1块钱当过户费,这个钱归中国证券登记结算有限公司收

中国股票的换手率很频繁,2015年我们国家的换手率是609%,也就是一只股票一年内要转手6次,美国大概是2次。交易越频繁,券商挣的越多。

在国外的大投行中,零售经济的占比已经不断下降,不到10%,过年2015年左右还占不到50%,2017下降到25%。中国投行业的同质化竞争比较严重,在业务创新上有一定差距。

选择券商时候,选择规模比较大一些的,会比较安心。费率差异不大的情况下,选择增值服务和用户体验比较好的(中金、中信、国泰君安、华泰等)

二、垃圾债券

垃圾债(Junk Boud),也较高收益债(High yield Bond),就是指那些风险比较高的债券(如面值100的一年期债券,一般企业卖95元,相当于收益率5%【(100-95)/100=5%】,一个企业风险大,可能就得卖90元,甚至更低,收益率就变成了10%或者更高。对于投资人来说,它的本金保障比较低,所以就会要求更高一点的回报率。

(思考:其实这一点很好的反映出来了,金融市场就是一个信用市场,低信用对应高风险,得有高收益才有可能形成交易,在一个公平市场中,基于基准利率,就会动态博弈形成对信用价值的评估)

2000年美国科技股泡沫,后又经历911恐怖袭击,亚马逊股价大跌,从100块跌倒10块以下。这个时候亚马逊在2000年左右发行的债券(6.9亿10年期债券),被评级机构下调为垃圾债的等级,这个时候市场也把它成为“堕落天使fallen angle”。这时候沃伦巴菲特看准时机,购买了3.1亿的垃圾债。从第二年开始,亚马逊的业绩就翻转了,后面节节上升,今年内巴菲特的收益率高达140%

后面投资者发现,垃圾债券也是可以买,既有堕落天使,也有“小天使”,小天使指那些示例比较弱的小公司,或者现金流不是那么稳定的新兴的高科技公司。发行股票发行不了,上市上不了,银行贷款也借不了,这时候垃圾债就给他们开了一扇新世界的大门。

80年代兴起杠杆收购,但风险比较高,银行不借钱,多以米尔肯发现这个商机,帮助这些企业去发行垃圾债,然后进行杠杆收购。比如”金砖赌场“,它的净资产只有2.3亿美金,却出价18亿收购希尔顿酒店。这么高的杠杆率意味着利润率极高,搞的华尔街腥风血雨,大公司人人自危。90年代末的时候,经济下滑,利率迅速上升,因为过高的杠杆,利率上升一点,就很容易把企业拖垮,垃圾债的违约率迅速地上升,很多金融机构被牵连破产。

在中国,垃圾值市场叫做中小企业私募债。发行门槛非常低,只要境内注册,非上市的非房地产公司,都可以发行。对发行人没有偶净资产和盈利能力的要求,采用备案制发行。所以风险也比较高,违约率也较高。所以要求风险承受能力较高的人去投资,准入门槛是500万,目前市场非常小,共73支债券,票面利率大概是8%-10%。

天使和魔鬼总是只有一线之隔,就像投机和和价值投资也只有一线之隔。考验的是做投资决策的人的眼光、智慧和定力。

三、量化交易

量化交易,也被经常成为宽客(Quants)。这个行业汇聚了顶尖名校和各个专业的经营和天才,还包含诺奖得主。他们把金融市场当成天体运行,进行非常精密的计算、推演,找到中间特别细微的偏离,再设计特别复杂的工具,然后加杠杆,赚取着常人难以想象的利润。2006年顶级宽客的平均年收入是5.7亿美金。

金融学上有一个非常注明的交易策略叫动量交易(Momentum trading),股票向上突破的时候买入,向下跌破的时候卖出。靠人力很难完成,但计算机可以通过指令完成:“如当股票价格上涨超过20日平均线时买入,当股票价格跌破20日平均移动线时卖出”

量化交易的作用就是利用计算机技术和金融理论的进步,帮助克服我们人性上的弱点(时间、体力、精力、注意力、判断力都是有限的),然后在投资中做出更高的决策。

量化交易的核心竞争,就是可以对海量的数据进行计算,然后把这个规律给提炼出来,做出预测。

量化交易的风险。量化交易把金融市场当成一个稳态结构,然后从历史数据中挖掘规律,然后利用高杠杆赚取利润。但是金融市场不是天体世界,它归根到底是人的市场。金融市场的规律和人性是一个相互作用的动态过程,市场很少有一成不变的规律,再厉害的模型也很难应对这种突如其来的规律变化。

话题:其他类型的“金融创新”

中国金融市场薄弱、金融知识匮乏,很多创新都容易流于概念的炒作。

智能投顾:背后的金融理论:1952年马格维茨提出的投资组合理论(Protfolio theory),并在1990年获得诺贝尔奖。如何根据每个人的风险偏好,在千万个证券里面计算出你的最优投资组合。

1、拥有海量的个人实时数据、2、极强大的大数据分析能力。3、大量的新荣金融学、心理学、计算机编程方面的高级专业人士。

机器人选股不属于智能投顾,属于量化交易的范畴。在市场变化快,规律不稳定,小概率事件发生时,远离了人工检测的机器人选股,风险极其大。

P2P,网贷平台,就是金融信息中介,不得直接或者间接的吸纳资金,不得非法集资。贷款业务的核心是,了解借款人的资质,包括他的还款能力、还款意愿。P2P平台要成功,必须有海量的高质量数据,有有效的风险识别和强大的算法。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容