證券投資基金是現(xiàn)代金融業(yè)的重要組成部分。隨著基金業(yè)的迅速發(fā)展,證券投資基金已成為我國資本市場最大、最有影響力的機構投資者。目前,開放式基金的數(shù)量和規(guī)模已遠遠超過封閉式基金。股票型、債券型、收入型、平衡型等各種稱謂的基金開始充斥市場,在給投資者帶來更多選擇的同時,也讓投資者多了些許擔心如何才能在如此多的基金中選擇自己想要的基金,持有基金投資是否能夠獲得持續(xù)的基金收益等。因此選擇科學、有效的基金業(yè)績評價指標來對基金表現(xiàn)進行評價對基金投資者來說就顯得尤為重要了,無論是在理論上還是在實際上都具有非常重要的意義。然而回顧國內外對基金業(yè)績評價的研究發(fā)現(xiàn),傳統(tǒng)Sharpe比率將投資收益的標準差作為風險度量,而實證研究中更關注基金的損失風險而非全部風險,這是收益標準差所無法準確刻畫的,因為它忽略了最重要的損失風險,即下側風險。針對傳統(tǒng)Sharpe比率的這一缺點,本論文考慮了用于度量下側風險的指標風險價值VaR和預期不足ES來替代投資收益的標準差,從而對傳統(tǒng)Sharpe比率進行了調整。這里對VaR和ES進行計算時,首先,引入GARCH模型來刻畫投資收益率序列的波動在時間上呈現(xiàn)出的簇聚現(xiàn)象;其次,考慮到基... 

【文章來源】：浙江工商大學浙江省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

圖２－１基準收益率分布??圖２－１中，柱狀部分是基準收益率序列的密度直方圖，藍色虛線為正態(tài)分布??的概率密度曲線，紅色實線為收益率序列的概率密度曲線，對比收益率序列分布??

表２－３基于ＧＡＲＣＨ模型的靜態(tài)ＶａＲ值??９５％?９９％??基金名稱?一???ｒ??……￣——??正態(tài)分布?Ｔ分布?ＧＥＤ分布?正態(tài)分布?Ｔ分布?ＧＥＤ分布??華夏大盤精選?－０．０２６５?－０．０２５０?－０．０２６３?－０．０３７７?－０．０４１９?－０．０４４７??華夏回報?Ａ?－０．０１６０?－０．０１４９?－０．０１５７?－０．０２２６?－０．０２４９?－０．０２５３??華夏紅利?－０．０２７２?－０．０２４４?－０．０２６４?－０．０３７５?－０．０４２９?－０．０４６５??華夏回報?２?號?－０．０１５５?－０．０１４９?－０．０１４５?－０．０２１９?－０．０２３５?－０．０２３０??國泰金鷹增長?－０．０３５６?－０．０２８８?－０．０３３３?－０．０５０３?－０．０５０４?－０．０５９３??國泰金龍行業(yè)精選?－０．０２９６?－０．０２７６?－０．０３３８?－０．０４１５?－０．０４９０?－０．０６２０??華安寶利配置?－０．０２４７?－０．０２１４?－０．０２４８?－０．０３５０?－０．０３８６?－０．０４５５??華安宏利?－０．０２６０?－０．０２４８?－０．０２５６?－０．０３６９?－０．０４０２?－０．０４０４??嘉實成長收益?Ａ?－０．０２８８?－０．０２１８?－０．０２４４?－０．０４１３?－０．０３８９?－０．０４２８??嘉實増長?－０．０２１８?－０．０２１０?－０．０２１５?－０．０３１０?－０．０３２９?－０．０３２８??嘉實服務增值行業(yè)?－０．０２６１?－０．０２５２?－０．０２５８?－０．０３７１?－０．０３９８?－０．０３９９??銀河銀泰理財分紅?－

?浙江工商大學碩士論文???其中，Ｉ：）?，?；２，為條件方差，Ｐ為置信水平，Ｚ為對應于置信水平??ｐ的分位數(shù)，ｄ為自由度。??在第ｔ天運用ＧＡＲＣＨ（１，１）模型擬合歷史數(shù)據(jù)，并通過向前一天預測得到第??ｔ＋１天的波動率〇；＋，和期望收益率／／，＋１，則向前一天的ＥＳ動態(tài)風險測度為：??ＥＳ＇ａ＝?Ｍ，＋ｉ＋＾ｌ＋ｉＥ［ｚ＼ｚ＞?ｚａ］，?（２－２１）??其中，為對應分布的ａ分位數(shù)。??根據(jù)２－１８式、２－１９式、２－２０式和２－２１式計算得到兩種置信水平和不同分布??假設下的動態(tài)ＥＳ風險測度，結果見表２－６。但鑒于本論文樣本基金數(shù)量過多和??篇幅限，本論文僅以華安宏利與嘉實增長為例，動態(tài)ＥＳ圖如圖２－４、圖２－５所示，??圖中黑色實線表示風險測度預測值，灰點表示實際損失，紅點表示預測失敗，其??他基金具體的估計結果及圖略。各基金靜態(tài)ＥＳ估計結果見表２－６所列。??

【參考文獻】：
期刊論文
[1]基于GARCH-VaR模型的開放式基金風險度量[J]. 黃崇珍,曹奇.  統(tǒng)計與決策. 2017(01)
[2]基于GARCH-EVT模型的證券投資基金動態(tài)風險測度[J]. 許啟發(fā),陳士俊,蔣翠俠.  合肥工業(yè)大學學報(自然科學版). 2015(07)
[3]基于VAR-DCC-GARCH模型的國內外有色金屬商品價格聯(lián)動分析（英文）[J]. 岳意定,劉篤池,徐珊.  Transactions of Nonferrous Metals Society of China. 2015(03)
[4]基于GARCH-EVT-COPULA模型的外匯投資組合風險度量研究[J]. 茍紅軍,陳迅,花擁軍.  管理工程學報. 2015(01)
[5]條件自回歸expectile模型及其在基金業(yè)績評價中的應用[J]. 蘇辛,周勇.  中國管理科學. 2013(06)
[6]基于GARCH模型的WTI原油現(xiàn)貨市場的風險分析[J]. 伍笑萍,李忠民.  合肥工業(yè)大學學報(自然科學版). 2013(09)
[7]多標度投資組合績效度量非系統(tǒng)誤差及校正[J]. 楊宏林,張興全,趙娟娟,陳收.  系統(tǒng)工程理論與實踐. 2013(09)
[8]基于非對稱冪分布的中國開放式基金業(yè)績評價和檢驗[J]. 蘇辛,周勇.  數(shù)理統(tǒng)計與管理. 2015(01)
[9]基于VaR和ES調整的Sharpe比率及在基金評價中的實證研究[J]. 劉沛欣,田軍,周勇.  數(shù)理統(tǒng)計與管理. 2012(04)
[10]金融風暴中基于非參估計VaR和ES方法的風險度量[J]. 趙曉玲,陳雪蓉,周勇.  數(shù)理統(tǒng)計與管理. 2012(03)



本文編號：3544229