基金评价的数量方法

基金评价的数量方法（共4篇）

基金评价的数量方法 篇1

一、引言

绩效评价是指人力资源管理部门依据组织根据不同职责岗位所制定的既定工作标准, 通过比较工作绩效反映及反馈不同员工在工作态度、工作能力和工作成绩方面差别的测量过程, 是组织定期考察和评价员工工作业绩的一种正式制度。绩效评价是人力资源管理系统中最强有力的管理手段之一, 一个客观、有效的绩效评价体系能够协助管理者制定正确的员工选拨、任用、升迁或解聘决策, 并利用其导向性作用, 通过对杰出工作业绩的加薪奖励来激发员工的工作潜能, 提高企业的生产效率, 实现组织整体业绩水平的不断提高。

当前, 人力资源绩效评价中除传统的专家评议法和百分制法外, 又涌现出了许多新思路、新方法, 每种方法都各有特色及适用范围, 如对其不加区别的使用, 则难以收到良好的评价效果。本文就近年来人力资源绩效评价中新出现的方法进行对比研究, 分析不同综合评价方法的优缺点和适用范围, 为组织建立科学客观、公正合理的绩效评价体系提供决策思路。

二、绩效评价数量方法研究

近年来, 为了使评价工作更加科学合理, 研究者引进了许多更好、更适用的数学方法到人力资源绩效评价中。目前, 研究的最多、最成熟的首属模糊综合评判法和灰色关联度分析法。

1. 模糊综合评价法

模糊综合评价法是以模糊数学为基础, 应用模糊合成原理, 对边界不清、没有明显分界线的评价因素实现定量化, 进行综合评价的一种方法。能够根据既定的评语等级和实测值, 通过模糊变换做出评价, 评价结果是被评事物对各等级模糊子集的隶属度, 它构成一个模糊向量, 而非其他方法的一个点值, 因而其结果包含的信息更加丰富, 适于处理多准则信息, 通过最大隶属度原则、加权平均原则或模糊向量单值化原则来确定被评对象的优劣等级。

一般来说, 是构造等级模糊子集把反应被评对象的模糊指标量化, 确定出隶属度, 然后利用模糊变换原理对各指标综合.步骤如下:

(1) 确定评价对象论域U={u1, u2, …, up}

(2) 确定评语等级论域V={v1, v2, …, vm}

评语等级数m一般取[3, 7]中的整数, 太大语言难以区分描述, 不易判断等级归属;太小有不符合模糊综合评价的质量要求。

(3) 进行单因素评价, 建立模糊关系矩阵R

(4) 确定评价因素的模糊权重向量A={a1, a2, …, ap}

A中的元素ai本质上是因素ui对模糊子集{对被评对象重要的因素}的隶属度, 因而一般用模糊方法来确定, 并且在合成之前须进行归一化处理。

(5) 合成A和R, 得到被评对象的模糊综合评价结果向量B

B=A·R, 表示被评对vj象从整体上看对等级模糊子集的隶属程度。

模糊综合评判方法适用于评价定性指标, 它可以将评价中用模糊语言描述的定性属性定量化, 较好地克服信息的模糊性, 减少评价中的不确定性问题。和百分制法相比, 模糊综合评判法的模型更为科学合理, 并且一定程度上限制了主观因素对评价的影响, 使评判结果更为准确客观。该方法仍存在一些不足之处:首先, 隶属度的确定一般是依据隶属频率或打分平均确定, 失真信息将以隶属度的形式融入后续的计算过程, 影响结果的准确性;其次, 通过模糊判断矩阵求最终评价值的过程, 实质上仍然是线性加权合成法, 存在着指标补偿问题;再次, 模糊综合评判法会使得有些已是“白化”的指标 (定量化指标) 经处理后反而变成模糊值, 从而造成评价误差。

2. 灰色关联度分析法

灰色关联度分析法 (The Grey Relationship Analysis, GRA) 是继1982年华中理工大学邓聚龙教授提出灰色系统理论后, 创立的一种多因素统计分析方法。它以各因素的样本数据为依据, 用灰色关联度来描述各因素间相互关系的大小、强弱和次序, 根据序列曲线几何形状的相似程度来判断灰色过程发展态势的关联程度, 通过关联度的大小判断参评者的优劣。如果样本数据反映出两因素变化的态势 (方向、大小、速度等) 基本一致, 关联度就大;反之, 关联度较小。

基本过程如下: (1) 确定分析序列; (2) 对变量序列无量纲化, 保证分析结果的可靠性; (3) 求差序列、最大差和最小差; (4) 利用公式求得关联系数; (5) 通过计算关联度, 并依据关联度排序, 对被评对象进行区分。

与传统的多因素评价方法相比, 灰色关联分析的目的是揭示因素间关系的强弱, 操作对象为因素的时间序列, 最终结果表现为依据关联度对被评对象作出的排序。其对数据的要求较低, 操作起来计算量较小, 具备广泛使用的基本条件。在对定量数据进行评价时可以做到完全无人为干预, 充分利用白化信息, 结果比较准确。

三、总结

通过以上对目前人力资源管理实践中绩效评价中新近出现的模糊综合评判法和灰色关联度分析法的对比研究, 可以发现:模糊综合评判法可以准确建立人类对事物发展程度的感知描述与模型定量处理之间的桥梁, 在处理定性指标评价上具有无可比拟的优势;灰色关联度分析法则引入关联系数的概念解释时间序列间的关系强弱, 对被评对象的变化发展态势提供了量化的度量, 适合于动态历程纵向分析。

参考文献

[1]丁庆彬:模糊综合评判法在大学生综合素质评判中的应用[J].唐山师范学院学报, 2007 (9) , 48～51

[2]王丛漫:江华锋.模糊综合评判法在我国公务员绩效考核中的应用[J].河北大学学报 (自然科学版) , 2007 (1) , 19～23

[3]王伟:灰色关联分析方法在大学生综合素质测评中的运用[J].科技和产业, 2008 (8) , 60～63

基金评价的数量方法 篇2

关键词：基金业绩评价 修正Sharpe指数 VaR风险度量

中图分类号：F830.91 文献标识码：A

文章编号：1004-4914(2007)12-096-02

运用科学、有效的指标评价基金业绩，对基金管理人来说可以形成公正、客观的外部约束力量，对投资者来说则提供了进行投资决策和风险控制的参照指标。这方面的理论探讨和实践检验一直也是金融研究领域中的一个热点。在资产组合理论和资本资产定价模型提出以后，20世纪60年代西方学者陆续提出几种用以评估基金管理人业绩的单一指数，包括夏普值、特雷诺比率、詹森α值，其基本思路都是将风险测度对收益进行一定调整。此后，虽然不断受到质疑，但由于含义清晰、计算简便，这些方法至今仍被广泛使用。尤其是夏普值，在基金的整体业绩评测中仍是运用最广泛的指标之一。

证券投资基金作为资本市场的机构参与者之一，在市场上起着十分重要的作用：证券投资基金将资金汇集后具备了相当的规模从而能够进行分散化投资，并且基金经理“专家式”的投资特点使得其投资行为往往被认为是“理性”的，从而证券投资基金的投资组合有可能处于马柯维茨有效前沿上，并成为证券市场上其他投资者进行投资决策的重要参考；投资基金本身也是证券市场上一项重要的交易品种，其价格波动的特点有别于其他证券交易品种，这为不同偏好的投资者提供了更多可选择的机会。因此合理的评价证券投资基金的业绩，能更好地指导投资者选择基金交易品种以及更理性地看待投资基金的投资组合。此外，由于基金管理公司往往同时管理若干基金产品，也非常有必要对其管理的基金的相对业绩进行评价，以便对投资策略、管理人员等方面做出相应的调整。

一、我国基金业绩评价指标体系介绍

我国证券投资基金业绩评价的现状是目前还没有一套完整的适合我国证券市场和证券投资基金实际情况的业绩评价体系，目前的业绩评价方法又存在着许多不切实际和不合理的地方，具体表现在以下几个方面：

1.我国的报刊上经常以基金的净值增长率作为其业绩的衡量指标，这既没有考虑其所对应的风险，也过于片面。净值增长率仅仅是基金业绩表现的一个方面，不能代表基金业绩的全貌。

2.我国证券投资基金业处于初步规范发展阶段，对基金业绩评价的研究和实践还处于萌芽状态，还没有形成自己的评价体系，完全照搬西方成熟市场的评价方法，对其在我国市场中的合理性和实用性没有进行深入研究。

3.现有评价没有对基金资产的流动性、证券买卖的效率及成本效益等方面的评价，对基金业绩的评价不够全面和完整。

二、我国证券投资基金业绩评价体系的建立

鉴于以上我国证券投资基金业绩评价中存在的问题及不足，我们必须在解决和克服这些问题的基础上，借鉴国外的方法并结合我国市场的实际情况，在遵循科学的基础上建立我国证券投资基金的业绩评价体系。

1.建立我国证券投资基金业绩评价体系所应遵循的原则。(1)借鉴与创新相结合的原则。在借鉴国外基金业绩评价方法的同时，也要注意创新的重要性。因为我国的证券市场与国外的情况有所不同，不能照搬国外的作法必须结合我国市场实际情况有所改造和创新。(2)全面性与重要性相结台的原则。选取指标要尽量全面，但也要重点突出。指标体系中既要有反映收益的指标，也要有与风险相结合的指标，同时还要有反映成本效益的指标；既要有反映暴露在外的风险指标，也要有反映潜在风险的指标，但要尽量避免指标间的重叠，要有选择有重点。(3)稳定性与变动性相结合的原则。指标体系在一定时期内既要保持稳定性，以便于纵向的比较，但同时也要适时根据市场实际情况的变化而进行修正，以保持其结果的客观性。

2.我国证券投资基金业绩评价体系。鉴于以上我国证券投资基金业绩评价中存在的问题及所应遵循的原则，初步设想我国证券投资基金业绩评价体系由如下指标构成：(1)定量指标：基金净值增长率、总报酬率、费用率、修正Sharpe指数和基金收益率。(2)定性指标主要包括基金公司和基金经理的评价两个方面。其中基金公司的评价可分解为公司管理水平、规模以及绩效等核心竞争力要素的评价。基金经理的评价可分解为基金经理业绩表现、人气指数以及投资能力与择时能力的评价。

3.主要指标的含义及计算方法。(1)费用率：费用总额除以平均净资产值，评价基金的运作效率与成本效果，显然这个指标越低趣好，这里的费用不包括佣金。(2)总报酬率=(净值变动值+各项分配)／期初净值，它是对基金收益的全面反映，综台了基金资产市价的变动，基金的股息收人及其它创造的收益。(3)修正指数——基于VaR的Sharpe比率: Sharpe比率将标准差视为总风险，但现实中投资者可能更关心低于基准部分的收益下跌风险，即下方风险(Downside Risk)。为了更客观地衡量风险，研究中开始考虑投资组合的下方风险以及对损失限制。损失下限(Shortfall Constraint)，指投资组合损益会落在特定损失金额以下的概率，且固定在一个特定的百分比内的损失额度。近来风险管理领域中较为广泛使用的风险价值(Value at Risk ，VaR)对损失风险给出了一个恰当的定义及应用。VaR指在某一既定的概率下，将投资组合的风险以一个金额表示，而该金额就是投资组合损失的最大可能值，投资组合损失金额大于此金额的概率低于既定的概率值。VaR对应的是特定期间内已知置信水平下最大可能的期望损失，所以它表示了潜在下方风险中投资组合的损失。这个指标除了可以评估基金投资组合的损益，还可以帮助基金经理进行资产配置。设P0为投资组合在初始时刻的价格，Pτ为在τ时刻的价格，则经过τ时间后在α置信水平下最大可能的损失VaR定义为：其中P表示概率。

如果假设金融资产的收益率为正态分布，那么VaR的计算较为简单：

其中Φ(·)为标准正态分布的分布函数函数，α为置信水平，μ和σ为正态分布的均值和方差。对应于一定的显著水平，参数μ和σ可由极大似然估计得到，得到μ和σ的估计值后，就可以根据(2)式求出VaR值。当以风险价值VaR代替投资组合标准差时得到基于VaR的Sharpe指标：

文中我们将称这个指标为修正条件Sharpe值。

三、我国证券投资基金业绩综合评价方法

以上指标体系是从各个方面不同侧面来分析和描述证券投资基金业绩情况的，这些单项指标在评价过程中有着各自重要的不可替代的作用，但每一个指标只能反映一个方面，要综合反映基金的业绩水平。还必须将这些指标综合起来，来全面反映我国证券投资基金总体的业绩水平。对我国证券投资基金的综合评价，笔者建议用TOPSIS多目标多属性决策分析法比较合适，TOPSIS法是一种距离综合评价法。这种方法的特点是借助于多目标决策问题的“理想解”和“负理想解”进行方案排序。“理想解”与“负理想解”是基于标准化后的原始数据矩阵中设想的一个最优或最劣的方案，然后获得某一方案与最优方案和最劣方案间的距离，从而得出该方案与最优方案的接近程度，依据相对接近度的大小对评价结果排序。其中最优值向量和最劣值向量分别由各评价指标的最优值和最劣值构成。TOPSIS法对原始数据进行归一化处理，消除了不同指标量纲的影响，排序结果充分利用原始数据信息，能定量反映不同评价单元的优劣程度，并且直观、可靠。相对接近度取值在0与1之间，该值越接近1，说明所评价单元接近最优水平的程度越高；反之，该值越接近0，所评价单元越接近最劣水平。该法具有较强的准确性，实用性，灵活方便，而且对数据分布及样本量、指标多少无严格限制，数学计算也不复杂，既适用于小样本资料，也适用于多评价单元、多指标的大系统；既可用于横向反映各评价单元的优劣情况，也可用于动态反映各评价单元的优劣情况，这种方法能通过定量分析提高综台评价结果的区分效度，并能使用全部信息，且不受数据分布特征的限制，数据要求少，操作简单，比较实用。因此，在实际工作中具有较大的应用价值。

四、总结

证券投资基金作为证券市场金融创新的产物，在国外已经有半个多世纪的发展历程。尤其是在最近的20多年里，美国基金行业的发展可谓蓬勃向上。对基金业绩的评价自然成为国际学术界和投资者日益关注的问题。我国的证券投资基金是l998年在证券市场上开始兴起的，在短短的几年里，我国基金业在各种政策的支持下得到极为迅速的成长，但是毕竟我国投资基金的发展历史较短，目前还处在一个探索和逐步稳定成型的发展阶段，对基金绩效的评估还依然停留在以基金的“净资产”作为对各基金运作业绩的评价标准。这一研究水平远远落后于当今西方发达资本市场对基金绩效的评估水平。基金绩效评估的核心应该是如何对基金所面临的风险进行准确的测量。从而得出经过风险调整后的各基金收益的排名。本文将定量分析和定性分析相结合的综合评价方法应用到证券投资基金绩效评估中，这种经风险调整后的绩效评价方法能更全面、准确的描述基金的真实收益，可以对连续时间内基金调控风险和实现收益能力进行综合评估，并估算未来的修正指数。这改变了该指标传统的事后评价的单一功能，对基金经理和投资者预测基金未来收益波动具有一定的参考价值。

参考文献:

1. 滋维·博迪，亚历克斯·凯恩，艾伦·J ·马库斯.投资学(第五版).机械工业出版社,2002

2. 威廉·F·夏普，戈登·J·亚历山大，杰弗里·V·贝利.投资学(第五版).中国人民大学出版社,1998

3. 威廉·F·夏普.投资组合理论与资本市场.机械工业出版社,2001

4. 胡猛，向嘉华.证券投资基金实务.社会科学文献出版社,1998

5. James L Farrell ,Walter J Reinhart.投资组合管理理论及应用(第二版),机械工业出版社,2000

6. 高海红.投资组合业绩评价理论综述.世界经济,2003(3)

7. 小詹姆斯L·法雷尔,沃尔特J ·雷哈特.齐寅峰,等译.投资组合管理理论及应用(第二版)［M］.北京:机械工业出版社,2000

8. 弗兰克·J ·法博齐,弗朗哥·莫迪利亚尼.唐旭,等译.资本市场:机构与工具［M］. 北京:经济科学出版社,1998

9. Gaivoronski A, Pflug G. Finding Optimal Portfolio with Constraints on Value at Risk: ［working paper］. Norwegian University of Science and Technology, 2000.

10. Zenios, S.A. (Ed) (1996). Financial Optimization. Cambridge Univ. Pr.

11. Duffie, D. and Pan, J. (1997). An Overview of Value-at-Risk. Journal of Derivatives. 4, 7-49.

（作者单位：中国科学院研究生院 北京 100080，北京工业大学 北京 100022）

(责编：小青)

基金评价的数量方法 篇3

普通投资者在选择基金时, 基金经理的管理技能是其考虑的重要因素之一。基金公司在遴选、奖惩、淘汰基金经理时, 基金经理的管理技能也是最主要的决定因素。基金的历史业绩尤其是历史收益率作为基金经理管理技能的表现形式, 一直以来都是投资者和基金公司评价基金经理管理技能的重要甚至唯一指标。其结果是导致基金经理急功近利, 追求短期收益和排名, 而疏于风险管理, 极大地损害了基金投资者的利益。而且, 由于大部分基金在各种业绩排名中的地位并不稳定, 业绩排名的时间选择对排名结果影响非常明显。

基金经理的管理技能是潜在的、隐性的, 难以直接度量, 直接以基金在一段历史时期内的业绩代表基金经理管理技能未免有失偏颇。事实上, 即使最优秀的基金经理也不能保证其管理的基金在任何时刻都比其他基金表现得更为出色。只要基金在大部分时间内获得较好的业绩, 就可以认为该基金的基金经理具有较高的管理技能。那么, 如何才能对基金经理的管理技能作出科学的评价呢?

为了使评价结果更科学准确, 评价方法除了衡量收益水平之外, 还必须体现风险等更多信息在内。作为一个随机变量, 基金业绩的所有特征都包含在其分布函数内, 因此, 随机占优方法是一种值得考虑的检验方法, 因为其本质是比较随机变量的分布函数。随机占优检验准则的理论推导过程很繁琐, 但在实际应用中却非常简单易行, 根据分布函数很容易给出判断。

问题在于, 基于随机占优的评价方法是否能够基于历史业绩对基金经理的管理能力作出有效的区分?本文将建立基于随机占优的评价方法, 并根据该方法利用我国开放式基金的数据进行实证研究, 对该方法的有效性进行检验。

二、文献综述

自Jensen (1968) [1]发现共同基金没有超越市场的表现以来, 基金经理的管理技能一直是备受关注的问题。

选时选股能力是基金经理管理技能的一个重要表现特征, 也是目前已有相关研究中最多的。Treynor&Mazuy (1966) [2]、Henriksson&Merton (1981) [3]、Chang&Lewellen (1981) [4]分别对CAPM模型加以改进, 形成了以T-M模型、H-M模型、C-L模型为代表的一系列方法, 后续研究中Ferson&Schadt (1996) [5]以及Goetzmann, Ingersoll&Ivkovic (2000) [6]又提出了包括在此基础上进一步改进的条件T-M模型和GII模型。此外, Daniel et al. (1997) [7]在对组合的具体特征加以考察的基础上提出了Daniel特征性测度方法。在这些方法上形成的大量研究发现了基金经理具备选股能力的证据, 但没有发现具有选时能力的证据。国内学者对我国证券投资基金的选时选股能力也进行了诸多研究, 得到的结论也大致相同, 汪光成 (2002) [8]还发现基金经理的选时选股能力在不同年份有着不同的表现。

基金经理管理能力的另一个表现特征就是能使基金持续获得较好业绩, 即基金业绩具有持续性。这方面的实证检验也很多, 但对于基金业绩是否具有持续性、在多长期限内具有持续性以及持续性的表现形式都存在争议[9,10,11,12,13,14,15,16]。此外, Malkiel (1995) [17]还发现美国基金业绩在不同年代的持续性特征也不同。

此外, 不断有学者对前述方法提出运气、模型设定错误、生存偏差、实证检验统计效果弱等质疑。为此, 又有学者试图从基金经理的跳槽和对公开信息的处理等方面对基金经理的管理技能作出判断。但是, 这些研究虽然证实了基金经理管理技能上存在差异, 却很难度量这种差异究竟有多大。

综上, 已有研究无法全面、客观地对基金经理的管理技能进行度量和比较。

三、基于随机占优的评价方法构建

随机占优方法是在不确定情形下寻求最优决策的方法之一。

(一) 随机占优的经济学含义

假设一个随机变量A的累计分布函数为, 定义随机占优函数如下:, 并且对且, 有

容易发现, 对, 有

若两个随机变量A和B满足, 则称随机变量A是s阶随机占优于随机变量B的, 此时若还, 使得, 则称A是严格s阶随机占优于B的。根据随机占优

函数的定义, 若A是s阶随机占优于B的, 则对, A也是k阶随机占优于B的, 但反之不真。

一阶和二阶随机占优具有非常直观的图示效果。当我们比较两个随机变量A和B时, 如果对任何x, A大于等于x的概率都要大于等于B大于等于x的概率, 且存在x使前者严格大于后者, 则A一阶随机占优于B, 反映到图上就是A的累计分布函数始终在B累计分布函数的右下侧, 如图1所示。A一阶随机占优于B意味着A的均值一定大于B的均值, 如果A、B代表财富或收益等变量, 一阶随机占优对应于经济学对理性预期的假设。

一阶随机占优的条件非常严格, 在现实中往往很难达到。但有时, 也许存在至少一个收益率水平x, 使得对, A大于等于y的概率都要大于B大于等于y的概率, 即表示收益率为A的基金在损失控制方面比收益率为B的基金具有更大的优势, 这时我们仍可认为前一基金更优, 这就是二阶随机占优概念所表达的含义。二阶占优意味着A的累计分布函数可能出现在B的左上侧, 但对任意x, A的累计分布函数和横坐标在[0, x]内所包围的区域面积一定小于B的累计分布函数和横坐标在[0, x]内所包围的区域面积, 如图2所示。A二阶随机占优于B不仅意味着A的均值大于等于B的均值, 还意味着A的方差比B的方差更小, 当A、B代表财富或收益等变量时, 二阶随机占优恰好符合经济学中理性经济人追求高收益低风险的假设[18]。

三阶随机占优对应的是投资者对收益率正偏度的偏好[19]。收益率的正偏度意味着收益率分布密度的右侧尾部比左侧尾部长, 也就是大部分情况下的收益率略低于平均收益率水平, 但以收益率均值为基准, 获得较高收益的概率要大于获得较低收益的概率。投资者这一心理特征已被许多研究所证实。

上述三种随机占优准则不仅对投资者偏好做极少的假设, 而且有着深刻的经济含义, 因此比较常用。更高阶的随机占优在经济学中的含义还不是很明确, 在经济金融中很少运用。因此, 我们的评价方法也仅考虑一阶、二阶和三阶随机占优。

(二) 随机占优方法应用

在实际应用中, 随机变量的分布函数往往是未知的, 这就需要我们根据样本数据去估计和检验。由于样本数据的随机性, 即使两个变量本来是同分布的, 从样本数据观察得到的结果也可能显示出微小的差异。因此, 可以把分析过程分为两大步。首先, 根据样本数据检验两个变量的随机占优函数是否存在显著差异。如果是, 再进一步检验是否其中一个变量随机占优于另一个变量。

假设有两个随机变量Y和Z, 分别得到样本数据将两样本合并到一起, 并从小到大排序, 得到序列

1、随机占优函数的估计[20,21]

由于在随机占优的检验中, 并不需要对整个定义域每一点进行检验, 而只需要检验这些点即可, 下面的计算也仅限于这些点, 并且如前所述, 仅考虑一阶、二阶及三阶随机占优。Y的随机占优函数可按照下述方法逐步计算:

(1) 首先计算Y的样本频率函数, Z的样本频率函数也可类似计算。

(2) 然后由低阶到高阶逐步计算各阶随机占优函数,

一阶随机占优函数

二阶随机占优函数

三阶随机占优函数

Z的随机占优函数也可类似计算, 这里不再重复。

2、同分布检验

理论上需要检验Y和Z的随机占优函数是否属于同分布, 但由于Y和Z都是随机变量, 而各阶随机占优函数是它们的函数, 因此实际上只需要检验Y和Z是否属于同分布。

检验两个独立的、总体分布类型未知的样本是否属于同分布的常用方法包括Kolmogorov-Smirnov Z检验 (简称K-S检验) 和Wald-Wolfowitz runs检验 (简称W-W检验) 。K-S检验和W-W检验都属于全貌检验, 当结论是两总体分布不相同, 尚不足以说明是位置不同、变异程度不同还是偏度不同。K-S检验适用于判断两个连续分布随机变量的分布是否相同, W-W检验适用于连续型和离散型随机变量的分布检验, 但是功效不如K-S检验。其他检验方法还包括检验分布中心位置的Mann-Whitney U检验和检验分布范围的Moses Test of Extreme Reactions检验。

由于我们只需要判断两样本是否同分布, 而无需在分布不同时判断是什么不同, 因此可以在样本属于连续型分布时采用K-S检验, 样本属于离散型分布时采用W-W检验。

3、随机占优检验

如果同分布检验结果拒绝了Y和Z的随机占优函数属于同分布的原假设, 我们就可以进一步进行随机占优检验。

根据随机占优函数的性质, 我们容易得到以下判断准则:Y对Z是s阶随机占优的, 当且仅当对任意, 而且有一个n使得不等号严格成立, 反之亦然。

由于低阶随机占优意味着必然有更高阶的随机占优, 因此我们可以依次进行一阶、二阶、三阶的随机占优检验。

四、基金经理管理技能差异性的实证研究

(一) 数据选取

国外涉及基金业绩的实证研究一般采用月度数据, 但考虑到我国基金业历史较短, 基金经理职位变换频繁, 若采用月度数据则容易出现样本数据量过小, 不足以达到统计检验要求的问题, 因此这里采用基金业绩的周度数据进行实证研究。

为了避免将基金类型导致的业绩差异带入基金经理管理技能的比较中去, 只选择偏股型基金, 并将基金和基金经理组合配对后进行比较。选择2005年4月8日-2011年12月31日期间偏股型开放式基金的周数据。数据分为基金业绩评价数据和基金经理数据两部分, 分别来源于国泰安数据库和好买基金研究中心。为避免由于样本量过小和样本数据的随机性导致的判断结果“失真”, 剔除基金经理管理一只基金持续时间短于三个月 (12周) 的数据。最终保留的数据总共包含73307条记录, 涉及基金584只, 其中股票型基金416只, 混合型基金168只。样本中共涉及基金经理1093个, “基金—基金经理”组合1466个, 其中股票型和混合型基金对应的“基金—基金经理”组合数分别为829个和637个。样本期间内基金记录最短为14周, 最长为304周, 平均209.71周。

基金经理的管理技能最终表现为基金的业绩, 而对于业绩评价的指标, 包括度量总体业绩、选时能力、选股能力等方面的众多指标。由于侧重点不同, 可以有很多不同的选择。在这里, 我们主要考虑对基金经理的管理技能进行总体评价, 因此主要从其收益水平加以考察, 因此选择基金的收益率和超额收益率作为基金经理表现评价的基础指标。这是因为收益率是考察收益水平的最重要也是最基本的指标, 但在缺乏做空机制的市场中, 市场收益率是影响基金收益率的重要因素, 比较管理时期不同的基金经理的管理技能时需要剔除市场因素影响。由于二阶随机占优已经反映基金收益率的风险, 因此不使用风险调整收益。

(二) 实证过程

实证过程按照如下三个步骤依次进行:

第一步, 同分布检验。首先, 将“基金—基金经理”组合进行编号, 依次记为组合1, 组合2, ……。然后对组合i和组合j对应的评价数据分别看成两个随机变量的样本数据, 利用Kolmogorov-Smirnov方法进行同分布检验, 。

第二步, 随机占优检验。如果组合i和组合j的检验结果拒绝了同分布的原假设, 则依次进行一阶、二阶和三阶随机占优检验。根据随机占优的性质, 如果存在低阶随机占优, 则高阶随机占优必然成立, 因此如果存在一阶随机占优, 则不必进行二阶、三阶随机占优检验, 如果存在二阶随机占优, 则不必进行三阶随机占优检验, 反之则需要从一阶开始逐步进行更高阶的随机占优检验。

第三步, 对检验结果进行统计分析。对组合i和组合j在前两步中可能出现八种不同的检验结果:分布无显著差异、分布存在显著差异但不存在一阶、二阶或三阶占优情况、i一阶随机占优于j、i二阶随机占优于j、i三阶随机占优于j、j一阶随机占优于i、j二阶随机占优于i、j三阶随机占优于i。为了便于分析, 定义

定义“基金—基金经理”组合i的得分

从式 (7) 中可以看到, Z值实际上是的样本均值, 从而其取值范围为[-3, 3]。如果基金经理管理技能较高, 其管理的基金业绩与其它基金比较时就会表现出较强的随机占优性, 从而Z值较高, 反之则Z值较低, 因此Z值可以作为基金经理表现的最终评价指标。由于, 且, 不难发现, 这实际上是以所有参与比较的“基金—基金经理”组合中基金经理管理技能的平均水平为基准, 来衡量基金经理的管理技能的。基金经理管理技能相对较高, 则其对应的组合的Z值为正, 反之为负。

需要指出的是, 上述三大步骤在选用不同的基础指标比较时需要各自分别计算, 彼此互不干扰。此外, 我们在实证过程中根据是否区分基金类型, 上述计算公式中的n的大小也略有不同。只对同类型基金比较时, 股票型基金的组合数为, 混合型基金的组合数为, 所有基金放在一起比较时, 组合数。对同类型基金的组合比较时, 各类型的组合计算也分别按照上述三个步骤进行。

(三) 实证结果

首先, 各“基金—基金经理”组合的Z值都显示出明显的差异性, 并且这种差异性不因为比较范围或者业绩指标的不同而变化。在表1和表2中, 从Z的取值来看, 最好和最差组合的Z值分别接近Z理论取值范围的上下限, 这表明, 从随机占优的角度而言, 最好组合的基金业绩几乎一阶占优于其它所有组合, 而表现最差的组合则恰好相反。

注:表中数据是所有基金合并在一起进行比较时的结果, 其中Panel A是所有数据的描述统计, 而Panel B、C是在分类型比较对应数据的统计结果。

进一步比较发现, 无论选取收益率 (return) 、超额收益率 (alpha) 还是Sharpe比率这三个常用基金业绩评价指标中的哪一个作为评价基准, 比较结果都相差无几。虽然不能完全的一一对应, 但Zalpha值较高的组合, 其Zreturn、ZSharpe值夜较高, 反之亦然。计算Zalpha、Zreturn、ZSharpe的相关性, 发现其中任意两者的相关性系数都超过0.85。因此, 这种差异与选择的业绩指标无关, 即基金经理的管理技能存在明显的差异性。

这种差异并不仅仅表现于业绩特别好或特别差的组合。我们按照Z值的高低, 将“基金-基金经理”组合等分为5组, 分别计算各组Z值的均值、变异系数、偏度等, 结果都表现出明显的差异。这说明, 基金经理管理技能水平的差异是系统性存在的, 而不是少数个体所特有的。

注 (1) Panel A是所有类型基金合并在一起分组比较的结果, 而Panel B、C则是同类型基金分组比较的结果。

(2) 每个Panel中, 将样本分为5组, 按Z值从高到低排序分组后分别求均值, 1至5组依次从最好到最差。

再次, 对于存在多只基金管理记录的基金经理, 若管理的是同种类型的基金或者是同时期管理多只基金, 则这些“基金-基金经理”组合的Z值表现出正相关性, 尤其是当同时期管理多只基金时, 其正相关关系表现尤为明显。而当管理的是不同类型的基金或者是在不同时期管理这些基金时, 这些“基金-基金经理”组合的Z值却表现出一定程度的负相关性。我们将具有多只基金管理记录的“基金-基金经理”组合挑选出来, 两两配对。如果存在一个基金经理有超过两只基金管理记录的, 则将其对应的所有“基金-基金经理”组合分别两两配对, 以保证这些组合在配对中的对称性。然后考察配对组合的Z值、Z值排名、Z值相对排名的相关性。考虑到基金类型对基金业绩的影响, 这里的Z值采用同种类型基金比较时的Z值, 具体结果见表4。

*:括号内表示的是对应的配对组合数, 下同。**:Z、RZ、RRZ分别表示Z值、Z值排名和Z值相对排名。

从表4可以发现, 基金经理管理的同类型或者同时期、尤其是同时期的基金的Z值正相关程度较高, 而不同类型不同时期的基金的Z值相关程度低甚至出现负相关的情形。基金经理的管理技能在不同时期、不同类型基金的管理上没有出现预期中的高度一致性, 可能是因为基金经理管理技能存在欠缺的表现。基金经理的管理能力可以表现在许多方面, 并且在不同方面的能力水平表现并不一致, 比如有的基金经理擅长在牛市中寻找机会而在熊市中却表现出较差的抗风险能力, 有的基金经理则恰好相反, 有的基金经理对债券市场敏感而有的则对股票市场把握更准, 有的善于管理小规模基金而有的更善于管理大规模基金, 等等。当基金经理遇到适合发挥自己长处的市场行情、基金特征时, 就表现较好, 反之则较差。按配对组合的基金是否属于同时期的分类分析结果表明, 基金经理的表现很难长期保持, 而样本数据选取的时间段中恰好包含了典型的牛市和熊市行情, 因此可以看出, 我国大部分基金经理对市场行情的把握能力是不够全面的, 只能在单一的牛市或熊市中取得较好表现, 一旦市场逆转, 其表现也随之转向。按配对组合的基金是否属于同类型的分类分析结果来看, 基金经理的管理技能表现与基金类型有关, 因为不同类型的基金在资产配置时对股票债券等市场的限额是不同的, 而基金经理在各个市场上捕捉投资机会的能力不一致, 因此他们管理不同类型基金时表现也不一致。由于大部分基金经理没有管理过所有不同类型基金的经历, 因此判断基金经理表现时, 应该与基金类型等因素挂钩。

最后, 从同一只基金的不同“基金—基金经理”组合的Z值来看, 最好和最差组合的Z值之间也存在明显差异。图3是根据同只基金不同“基金—基金经理”组合的Zalpha值, 分别找出该基金Zalpha的最大、最小值, 再根据各只基金的Zalpha的最大、最小值分别得到基金最好、最差组合的Zalpha的分布。从图3可以看出, 基金最差组合中大约85%的Zalpha都低于所有组合的平均水平, 而最好组合中这一比例只有不到5%。利用Zreturn和ZSharpe, 或者根据基金类型分类比较后的结果也都与此类似。这表明, 即使在严格排除了基金投资配置上的限制后, 基金经理的表现仍然呈现出巨大的差异。

综合上述结论, 不同基金经理的管理技能的确存在差异, 而且基金经理的管理技能与其管理的时期、基金类型等因素有关, 评价基金经理管理技能时不能脱离这些因素而直接作出判断。

五、结论

本文介绍了随机占优方法并利用该方法对我国开放式基金经理管理技能的差异性进行实证研究, 以检验该方法的有效性。结果发现, 基金经理的管理技能的确存在明显差异, 而且基金经理管理技能与管理基金的时期、基金类型等因素有关, 而随机占优方法可以有效反映出这种差异。

社保基金投资管理人数量与结构 篇4

经过10年的积累和发展, 社保基金规模迅速扩大。随着金融深化和金融发展, 金融市场日新月异, 社保投资的工具与渠道不断丰富与增加。在基金规模扩大和金融市场环境变化的条件下, 社保基金需要扩大投资管理人队伍并根据金融市场变化和机构风格特征优化投资管理机构结构, 把海内外投资管理当中长期投资业绩优秀、风险扩张能力强、治理结构优秀的资产管理机构纳为投资管理人, 更好地实现社保基金的保值增值。

社保基金规模迅速扩大, 是扩大投资管理人数量并优化投资管理人结构的内在要求。全国社保基金2001年积累的规模仅仅只有200亿元。而到2010年, 社保基金规模剧增到8566.9亿元。预计到“十二五计划”末, 社保基金规模将达到2万亿元。社保基金的资产规模不断增长, 而且因其财政拨款和国有股转持的筹资机制, 其资本规模基本处于逐年快速增长的态势, 因此需要相应扩大其投资管理队伍并优化其投资管理人结构。

社保基金规模扩大的直接的制度原因是2009年6月19日国资委、证监会、财政部、社保基金联合发布的《境内证券市场转持部分国有股充实全国社会保障基金实施办法》。该办法规定“凡在境内证券市场首次公开发行股票并上市的含国有股的股份有限公司, 均须按首次公开发行时实际发行股份数量的10%, 将股份有限公司部分国有股转由社保基金会持有”中国的产权结构特征是国有资产为主导、多种经济成分并存的特征, 这在上市公司股权结构当中也有明显的体现。伴随一级市场股票发行规模的不断增长, 社保基金的规模跟随国有股转持也同步快速增长。

社保基金投资渠道与范围不断扩大, 相应提出了要求扩大社保基金投资管理人对伍。2001年社保基金成立, 初期主要的投资工具为银行存款和固定收益产品等。根据金融市场的发展变化, 社保基金的合法投资范围进一步扩展到股票、证券投资基金、风险投资、境外投资、股权投资、私募基金、直接投资等。不同的投资类别、投资工具具有不同的收益风险特征, 不同专业的投资管理机构也有不同的专业投资优势、不同的投资风格。目前社保基金境内外投资管理人的数量和机构所代表的投资类别和投资风格仍然相对有限, 需要根据金融市场的发展扩大投资管理人数量。

社保基金投资管理人数量管理的要求, 在于逐步扩大社保基金投资管理人的数量。从2002年全国社保基金投资管理机构平均每家管理资产200亿元, 到2004年境内投资管理人平均每家机构管理的社保基金规模近166亿元。按照目前8566.9亿元的社保基金规模, 各家境内投资管理人管理的社保投资规模达到当初管理的社保基金规模的几倍。除了社保基金委托投资的境内外资产之外, 社保基金理事会自身直接操作管理了大量的存款和债券投资。

社保基金投资管理人结构管理的要求, 在于优化社保基金投资管理人结构, 把社保基金投资管理机构扩大到包括基金管理公司、证券公司、资产管理公司、养老金公司等所有合格机构投资者。按照《全国社会保障基金投资管理暂行办法》的规定, 社保基金可以选择符合规定的基金管理公司和“国务院规定的其他专业性投资管理机构”担任投资管理人。现有的社保基金投资管理人结构以基金管理公司为主, 证券公司仅有中金和中信两家。随着金融市场的发展, 大量优秀的证券公司、资产管理公司、养老金管理公司脱颖而出, 社保基金投资管理人的候选机构大量增加。我国金融行业目前的监管与运营模式实行分业监管、混业经营, 各类专业投资机构形成不同的投资风格和专业优势。进一步扩大社保基金投资管理机构的选择范围, 可以使社保基金投资管理人机构具有更广泛的行业代表性。各类专业专业机构投资者, 在金融资本市场各展所长, 有能力、有意愿成为社保基金的新的投资管理机构。社保基金管理投资政策相对稳定、管理成本较低、赎回压力小、市场拓展成本低、投资理念成熟、可投资资产规模不断扩大, 其业务受到各类投资机构的青睐。

社保基金投资管理人队伍数量和结构问题, 也是社保基金的资产配置问题。扩大机构队伍、优化机构结构, 可以优化基金的资产配置, 更加有利于实现投资目标。

参考文献

[1]郑秉文, 杨长汉.社保基金规模迅速扩大投资管理人队伍亟待壮大.2010年07月07日, 中国证券报.