本文選題：詹森指數(shù)　切入點(diǎn)：基金績效評價　出處：《南京大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：中國的基金市場經(jīng)過十幾年的發(fā)展,規(guī)模不斷擴(kuò)大,公募投資基金已經(jīng)成為資本市場上重要的投資工具。截止2017年,根據(jù)Wind資訊的數(shù)據(jù),全國已發(fā)行公募基金的基金管理公司達(dá)到115家,全部基金數(shù)量達(dá)4500余只,規(guī)�？傆�(jì)超過9萬億。根據(jù)中國基金業(yè)協(xié)會的規(guī)定,開放型股票型基金是值基金的投資標(biāo)的中股票類資產(chǎn)所占投資總額不低于80%的基金,而根據(jù)Wind基金分類,普通股票型基金是指股票型基金中除去被動指數(shù)型基金和增強(qiáng)指數(shù)型基金的基金。普通股票型基金作為曾經(jīng)市場上最熱門的投資品種,近年來,無論是從產(chǎn)品種類、基金凈值總額等尺度上比較,都弱于混合型基金和債券基金;然而,普通股票型基金作為公募投資基金中最傳統(tǒng)的基金類別,長期以來被個人和機(jī)構(gòu)投資者作為投資標(biāo)的,那么尋找合適的方法準(zhǔn)確的判斷該類基金的績效表現(xiàn)的重要性不言而喻。傳統(tǒng)上而言,對于普通股票型基金的個體績效評價實(shí)證研究主要采用三類方法:單因素風(fēng)險(xiǎn)-收益率方法、多因素風(fēng)險(xiǎn)-收益率方法和VaR、ES、DEA、Bootstrap等無基準(zhǔn)基金績效評價方法。事實(shí)上,目前國內(nèi)無論是學(xué)術(shù)界的實(shí)證、還是業(yè)界廣泛使用的評價指標(biāo),仍然聚焦于前兩類方法。詹森指數(shù)作為經(jīng)典的單因素基金絕對績效評價指標(biāo)之一盡管因?yàn)槿菀桌斫夂蛨?jiān)固的金融學(xué)基礎(chǔ)被廣泛使用,然而在實(shí)際使用過程中發(fā)現(xiàn),其缺陷在于指標(biāo)的生成過度依賴對數(shù)據(jù)的取樣、描述性統(tǒng)計(jì)和回歸,其不可避免的存在樣本數(shù)據(jù)選擇偏差、數(shù)據(jù)過擬合、估計(jì)過程中只考慮基金個體時間序列信息而遺漏基金總體的橫截面信息造成估計(jì)誤差偏大等問題。因此,如何選擇更好的評價方法改進(jìn)傳統(tǒng)詹森指數(shù)存在的這些問題成為當(dāng)務(wù)之急。通過閱讀國內(nèi)外有關(guān)詹森指數(shù)改進(jìn)的文章發(fā)現(xiàn),國外學(xué)者提出了一類改進(jìn)的詹森指數(shù)模型——隨機(jī)詹森指數(shù)模型。隨機(jī)詹森指數(shù)模型建立在多因素詹森指數(shù)模型的基礎(chǔ)上,其核心是:首先,嘗試對樣本基金總體的績效表現(xiàn)進(jìn)行刻畫和評價;之后,運(yùn)用該信息對單個基金的績效表現(xiàn)進(jìn)行修正。通過將基金總體的風(fēng)險(xiǎn)-收益率信息納入對單個基金的績效評價,其可提高評價時的信息利用量,從而避免單一基金評價結(jié)果過擬合情況,降低估計(jì)誤差等問題,使得經(jīng)典詹森指數(shù)的適用性得到加強(qiáng)。因此,本文嘗試使用該模型對普通股票型基金進(jìn)行實(shí)證研究的探索。本文選取125只普通股票型公募基金的2014年2月至2017年2月的36個月度收益率數(shù)據(jù),使用傳統(tǒng)詹森指數(shù)模型和隨機(jī)詹森指數(shù)模型分別進(jìn)行了基金績效評價的實(shí)證研究,比較了兩種模型對基金總體、基金個體的績效評價結(jié)果,得到結(jié)論:隨機(jī)詹森指數(shù)模型較傳統(tǒng)詹森指數(shù)模型可以更有效地捕捉基金總體的詹森指數(shù)特征;在對于單個基金績效評價方面,其利用捕捉的樣本基金總體的詹森指數(shù)信息改進(jìn)單個基金的詹森指數(shù)估計(jì)結(jié)果,有效降低單個基金詹森指數(shù)的估計(jì)誤差,提升單個基金績效評價結(jié)果的有效性,并防止數(shù)據(jù)過度擬合。本文還對隨機(jī)詹森指數(shù)模型的實(shí)證結(jié)果進(jìn)行了金融學(xué)解釋并嘗試總結(jié)實(shí)證研究中該模型的應(yīng)用特點(diǎn)。
[Abstract]:......
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F832.51
，

本文編號：1652005