不同目标类型的开放式基金收益率特征分析Word文件下载.docx

不同目标类型的开放式基金收益率特征分析Word文件下载.docx

《不同目标类型的开放式基金收益率特征分析Word文件下载.docx》由会员分享，可在线阅读，更多相关《不同目标类型的开放式基金收益率特征分析Word文件下载.docx（16页珍藏版）》请在冰豆网上搜索。

年9月,基金净值占两市A股流通总市值的比例只

有13.5%,2002年8月基金净值占两市A股流通

总市值的比例还不到7%。

在基金对市场影响日益

加强的背景下,已占居基金业主流的开放式基金的

价格行为也成为研究界的重要关注对象,故本文选

择开放式基金的收益率特征作为研究主题。

我国开放式基金多以股票投资为主,兼投债券,

其资产构成中,股票市值所占比例较大。

开放式基

金的价格由单位净资产值NAV决定,所以,基金收

益率的大小与证券价格的波动有直接的关系,风险

也主要来自证券市场,研究证券市场的工具同样可

用于研究开放式基金。

另一方面,基于证券投资基

金专家理财、组合投资的特性,从理论上可以认为开

放式基金有较低的非系统风险,收益率应更趋平稳,

平均值也应高于市场整体的收益率。

本文正是从这个理论观点出发,通过开放式基

金的价格数据,以计量经济方法分析开放式基金收

益率的影响因素、统计特征,进而研判开放式基金的

收益能力、风险分散能力及与证券市场的联系;

通过

ARCH模型分析研判开放式基金收益率波动特征,

并据此对计量模型进行调整。

ARCH分析的结果同

第1期总第159期商􀀁

业􀀁

经􀀁

济􀀁

与􀀁

管􀀁

理No􀀁

1Vol􀀁

159

2005年1月BUSINESSECONOMICSANDADMINISTRATIONJan.2005

时可用于讨论开放式基金的风险特征,即是否以系

统风险为主。

因开放式基金有多种目标类型,在投

资选择上各有侧重,上述分析结果在各种类型间的

比较,可用于评价基金择股与投资目标间的一致性,

进行评判基金管理公司的择股能力。

二、模型应用及样本说明

（一）理论模型

越来越多的实证研究结果揭示:

金融市场的许

多时间序列数据,诸如股票价格、通货膨胀、利率和

外汇汇率等序列方差经常表现出随时间变化的特

点,也就是说这些序列波动的程度是随时间的变化

而变化的。

传统的计量模型已不能客观地反映方差

变化,于是许多金融学家和经济学计量学家开始尝

试用一些二阶乃至更高阶矩的随时间变化的模型来

定量地描述各种经济和金融行为。

其中被认为最集

中地反映了方差变化特点而被最广泛地应用在金融

时间序列上的模型是最早由恩格尔（Engle,1982）提

出的有条件的异方差自回归模型（Autoregressive

ConditionalHeteroskedasticity,ARCH）,即著名的

ARCH模型。

ARCH模型及以后的发展模型

GARCH、E-GARCH等被大量地用于金融市场,尤

其是资本市场的投资收益率分析研究,对各种收益

率非正态分布状况下的方差特征有较好的解释。

从国内研究进展来看,对ARCH理论的研究和

关注由来已久,早在20世纪90年代中后期,就已经

有一些介绍性的论文刊登（张汉江等,1997）。

但是对

模型的应用研究,主要在宏观经济、证券市场和期货

市场这些领域,被运用最多的是股票价格的波动性研

究（徐剑刚等,1997）,近年来,股市􀀂

杠杆效应（楼迎

军,2003）、人民币汇率预测（惠晓峰等,2003）诸方面

的ARCH模型应用研究成果渐次面世。

对于开放式

基金的研究,目前公开发表的相应成果较少,有一些

与投资行为有关的公开文献（谢盐等,2004）。

本文实证的第一部分是收益率的统计特征分

析,主要根据开放式基金的价格序列,通过统计计算

获得相关指标进行分析,不涉及计量经济模型。

实

证第二部分讨论收益率序列的波动情况,用到的理

论模型主要有以下一些:

1.单指数模型。

作为证券分析的传统工具,威

廉夏普的单指数模型具有里程碑式的重要意义,在

分析证券或组合与市场的联系,及组合的风险度量

方面,有不可或缺的地位。

具体模型为:

Rit=􀀁

i0+􀀁

i!

RMt+􀀂

it

（1）

式中Rit表示第i家样本基金在t时刻的收益

率,RMt为市场整体在t时刻的收益率,一般用指数

的收益率表示,􀀂

it为随机误差项。

io、􀀁

i为对应的参

数,通过回归方法可获得估计值,此处的􀀁

i就是基金

的􀀁

系数。

2.GARCH模型。

由于模型

（1）中的随机误差

项有不能满足传统模型假设的可能性,故引入

GARCH模型对进行方差检验,并利用检验结果对

基础模型

（1）进行修正。

Bollerslev（1986）提出的广义ARCH模型∀

GARCH,是对ARCH模型应用的非常有价值的拓

展（周哲芳等,1998）,它在ARCH的条件方差是􀀂

t

平方值的自回归函数的基础上,引入前若干期方差

值的影响。

一般的GARCH模型可以表示为:

yt=xit

+􀀂

t

（2）

􀀂

t=ht!

ht=!

0+!

1􀀂

2t

-1+#!

q􀀂

-q+∀1ht-1+#+

∀pht-p=!

0+∃qi

=1!

i􀀂

-i+∃pj

=1∀jht-j（3）

式（3）表示的序列服从GARCH（q,p）过程。

且

参数满足条件:

E（t）=0,D（t）=1,E（ts）=0（t%s）;

!

0>

0,!

i

􀀂

0,∀j􀀂

0,∃q

i=1!

i+∃pj

=1∀j<

1。

实际应用中,较为简单的GARCH模型可以用

来代表一个高阶的ARCH,且在p=0时,GARCH

（q,0）就是q阶的ARCH,即ARCH是GARCH的一

种特殊形式。

因ARCH类模型应用较为广泛,本文

对其理论原理不作展开。

（二）样本及数据说明

开放式基金每交易日公布基金单位净值,考虑

到应有足够大的样本容量,本文采用2002年12月

31日以前上市的17只开放式基金作为样本基金

（具体名称见表1）,以17只开放式基金的日净值和

上证A股指数日收盘价为基础样本数据。

为便于

讨论,将样本基金的目标类型分为价值型、成长型、

平衡稳健型三大类,指数基金和债券基金不在三类

之列。

沪深市场的A股股票是开放式基金最常见

的也是最大类的投资对象,而深证A股指数与上证

第1期朱晋:

不同目标类型的开放式基金收益率特征分析63􀀁

A股指数有很强的相关性,选择其中一家即可作为

开放式基金的参考指标。

数据截取的时间区间为各只样本基金的发行之

日至2004年5月26日,容量最大的是􀀂

华安创新,

含575个基础数据,最少的是􀀂

华夏债券,含362个

基础数据。

开放式基金的价格数据（即NAV数据）均

为考虑分红后的复权数据。

每家基金模型回归过程

中需要的A股数据取相同的时间区间。

每日收益率

为前后交易日收盘数据的对数一阶差分值。

即:

Rit=ln（NAViv）-ln（NAVi,t-1）

RMt=ln（PAt）-ln（PA,t-1）

（4）

上式中NAVit表示第i家基金在t期的净值,

PAt为上证A股指数在t期的收盘价。

数据处理运

用Excel和计量经济学软件Eviews4.0版。

数据的

来源为各大基金公司及上海证券交易所的网站所公

布的历史数据。

三、实证结果及分析

（一）样本序列的统计指标分析

利用Excel和Eviews软件,计算出各家样本基

金的统计指标平均日收益率、收益率标准差、收益率

序列偏度与峰度（见表1所示）。

为作比较,计算出

相同时间区间的上证A股指数的平均日收益率与

收益率标准差。

比较指标由下列公式计算:

平均收益率比较=基金平均日收益率-对应区间

上证A股平均日收益率

标准差比较=基金收益率标准差/对应区间上证

A股收益率标准差

表1􀀁

样本序列统计结果

基金名称平均收益率标准差偏度峰度

同期上证A股指数比较

平均收益率标准差

基金类型

宝盈鸿利-5.1E-050.0090-1.04516.637-1.68E-040.7627价值型

博时价值增长5.7E-040.00960.0177.3825.97E-040.8116价值型

长盛成长价值1.5E-050.0084-0.39110.511-7.45E-050.7170价值型

富国动态平衡1.9E-040.00700.4895.8353.31E-040.6106平衡稳健型

华安180-3.8E-050.0097-0.1275.684-3.11E-040.8286指数基金

华安创新-2.7E-050.0079-0.71411.993-1.16E-050.5916成长型

华夏成长1.9E-040.00760.8038.0442.49E-040.6025成长型

华夏债券2.5E-050.0019-4.37937.778-1.70E-040.1568债券基金

嘉实成长3.0E-040.0093-0.4487.8833.59E-040.7979成长型

国泰金鹰增长5.6E-050.0081-0.3608.351-4.91E-050.6739成长型

南方宝元9.4E-050.0039-1.97222.4383.52E-050.3304债券基金

南方稳健1.4E-040.00750.2908.5171.69E-040.5586成长型

鹏华行业成长-9.1E-050.00820.6845.9348.31E-050.7380成长型

融通新蓝筹-1.9E-060.0073-0.2976.666-8.23E-050.6184平衡稳健型

易方达平衡4.0E-040.00730.4656.1954.78E-040.6278平衡稳健型

银华优势9.3E-050.0099-0.3589.371-1.22E-040.8403平衡稳健型

大成价值增长4.1E-050.0098-2.43721.867-9.87E-050.8310价值型

表1中数据显示,在样本区间内,有8家开放式

基金的平均日收益率超过同期上证A股指数的平

均日收益率,表现最好的是􀀂

博时价值增长;

其余平

均日收益率低于同期上证A股指数的9家基金中,

最差的是􀀂

华安180。

一半以上的开放式基金至今

不能跑赢大盘,使我们对基金管理公司的能力不得

不有所疑虑。

所有样本基金的收益率标准差均小于同期上证

A股指数的标准差值,本文用比值来表示这种差异。

比值越大,风险越接近大盘整体,在比值大于0.8的

四家基金中,􀀂

博时价值成长获得比较好的收益率,

而其余三家（银华优势、大成价值增长、华安180）的

收益率比较值均在后五位。

也就是说,具有相对较

高风险的这三家基金并没有获得相对较高的收益

率。

两家债券基金的标准差远小于其它样本基金,

合乎情理。

不同目标类型的基金在收益率及标准差

上无明显差异。

17家样本基金中,只有6家的偏度大于0,其余

都小于0,说明基金序列方差大部分有左偏的倾向。

17家基金的峰度都较大（正态分布时峰度为0-3）,

64商􀀁

理2005年

尖峰特征明显。

综合可见,开放式基金的收益率方

差也存在ARCH状态下的􀀂

尖峰厚尾特征。

两家

债券基金都有明显的左偏和较大的峰值。

（二）模型ARCH特征分析

由表1的偏度与峰度数据可知,本文选择的十

七家样本基金都存在ARCH状态的特征,故在作单

指数模型回归的同时,应考虑通过ARCH类模型对

基础模型进行调整。

根据样本数据,将理论模型

（2）、（3）具体化,用下列模型进行实证分析。

Rit=􀀁

i0+􀀁

it

it|#t-1~N（0,hit）

hit=!

2

i,t-1+#+!

2i

t-q+∀1hi,t-1+

#+∀phi,t-p

i=1,2,#,17

（5）

上式实际上是对单指数模型随机误差项的

GARCH（q,p）分析,p=0时即为ARCH（q）。

将（q,

p）分别取（1,0）、（2,0）、（1,1）、（2,2）几种情形时,可

得参数!

和∀的估计值的伴随概率（表略）。

因为是

对ARCH特征的分析,只要有足够小的伴随概率,

我们就可认为参数原值不显著为0,ARCH特征存

在,具体的参数估计值的大小并不重要。

检验的原

假设为各参数原值=0,若给出的显著性水平为

5%,则伴随概率<

0.05时,原假设不能成立,参数

显著不为0,ARCH或GARCH效应存在。

计算结

果显示,在5%的显著性水平下,17家基金均有显著

的ARCH

（1）,只有3家不满足ARCH

（2）,说明所有

的基金收益率模型的随机误差的方差值与上一期的

随机误差值有关,其中14家基金的随机误差项的方

差甚至受到前二期的随机误差值的显著影响。

同

理,在5%的显著性水平下,17家基金中有15家满

足GARCH（1,1）,表明这15家基金收益率模型的

随机误差项的方差同时受到上一期随机误差值和方

差值的影响。

在6家满足GARCH（2,2）的基金中,

这种影响上溯到前二期。

（三）上证A股指数收益率对开放式基金收益

率的影响分析

本文所计算的基金收益率回归分析基于ARCH

（1）模型的展开。

利用公式

（1）,在回归方法中选择

ARCH

（1）,得􀀁

估计值及其它计量经济指标如表2。

此处的􀀁

值是开放式基金的􀀁

系数,从中可分析基

金组合资产的系统风险的大小,也可用于检验与股

价指数的因果关系。

表2􀀁

开放式基金收益率回归分析结果

基金名称􀀁

值判定系数R2􀀁

的T检验AICSC

宝盈鸿利0.58580.58325841.31529-7.5106-7.4689

博时价值增长0.58900.54155039.83684-7.3560-7.314

长盛成长价值0.53110.52858635.51403-7.4973-7.4562

富国动态平衡0.47220.63673158.20812-8.2512-8.2124

华安1800.72760.70485540.70825-7.7756-7.7282

华安创新0.90560.53274862.61059-7.8910-7.8596

华夏成长0.39390.69616459.68886-8.1782-8.1470

华夏债券0.03990.27837510.66532-9.9956-9.9507

嘉实成长0.64710.63382688.80587-7.6833-7.6387

国泰金鹰增长0.62300.595563171.2998-8.0229-7.9875

南方宝元0.01590.0199862.969231-8.3725-8.3308

南方稳健0.44520.62807162.36835-7.9998-7.9700

鹏华行业成长0.61690.568072121.2851-8.4933-8.4576

融通新蓝筹0.36560.35021823.82243-7.4492-7.4092

易方达平衡0.46940.62198848.05425-8.1184-8.0795

银华优势0.46940.30715323.52309-6.8172-6.7745

大成价值增长0.39370.27015115.38479-6.7002-6.6549

由表2的回归数据,可得出下列结论:

1.全部样本基金的􀀁

系数均小于1,即开放式

基金的系统风险要小于市场风险。

而􀀁

值的T统

计量较大,最小的也有2.96,表明基金收益率与上

证A股收益率之间有显著的因果关系,置信度大于

99%。

不同目标类型的开放式基金收益率特征分析65􀀁

2.判定系数R2集中于0.5-0.7之间,平均数

为0.50454。

从实证研究的角度看,这样的拟合度

已属可行。

用于评价模型质量的AIC和SC的值全

部小于-6,表示17家样本基金的回归模型均有较

好的精确度（易丹辉,2002）。

但也有一些基金的判

定系数比较小,说明了各个基金之间在回归拟合优

度上有一定的区别。

华夏债券和南方宝元这两个债

券基金判定系数较低,说明两家基金的收益率序列

与A股指数收益率虽有显著的因果关系,但用来回

归的单指数模型在数学形式上不甚合适。

3.基金目标类型与􀀁

值的大小有一定关系,即各

个基金因风格和投资目标的不同,表现在对指数的敏

感性上有较大的不同。

17家基金中属于成长型的基

金有六家,􀀁

值最大的是􀀂

华安创新为0.9056,平均

值为0.6053;

平衡稳健型的有四家,平均􀀁

值为0.

44415;

价值型也是四家,平均􀀁

值为0.5249。

样本中

唯一的指数基金􀀂

华安180的􀀁

值为0.7276,处于较

高的水平,这是因为该基金跟踪投资的上证180成份

股的走势与上证A股指数之间存在一定的内在联系。

六家成长型基金中最大的􀀁

值0.9056与最小的􀀁

值

0.3939（华夏成长）之间差异较大,但较高的平均值说

明成长型的基金比其它两类基金对股指的敏感性要

高,自然风险也要大一些。

平衡稳健型基金投向债券

的比例要比其它类型的基金大,所以平均值在三类基

金中最低也是合乎情理的。

值最小的是两个债券

基金∀∀∀南方宝元和华夏债券,都小于0.1,这和它

们以债券投资为主、股票投资为辅的投资目标有关,

由于股票投资在资产配置中的比例不超过35%,因

此它们受股指的影响很小。

四、结论与对策建议

通过上述实证分析,我们可以得出下列观点:

第一,开放式基金的整体收益能力差强人意,有

半数运行一年半以上的开放式基金平均日收益率低

于同期的上证A股指数收益率。

若考虑开放式基

金的认购赎回费用,盈利能超越A股大盘的基金家

数就更少了。

这17家样本基金的管理公司囊括了

国内基金管理业的主要机构,他们的业绩尚且如此,

说明基金管理业在提高管理效率,给投资者良好回

报上还须加倍努力。

第二,开放式基金的收益率方差均表现了明显

的ARCH特征,绝大部分（15家）还具有GARCH

（1,1）特征,说明开放式基金收益率的不确定性或者

说风险性同样受到时间因素的影响,可以认为开放

式基金的组合投资未能简化风险的性质。

对投资者

而言,普通股风险分析方法同样适用于开放式基金。

第三,结合表1和表2的结果,我们可以看到,

一些平均收益率低的基金,􀀁

系数也较小,如大成价

值增长、银华优势和融通新蓝筹等。

从􀀁

系数上看,

这些基金的风险中非系统风险的比例较高,但却未

能获得理想的收益,这与证券投资基金组合投资分

解非系统风险的基本宗旨相去甚远。

从投资的角度

看,选择这样的基金有一定的危险性,最好采取回避

的策略。

第四,实证结果表示不同目标类型的基金收益

率在与股指变化率的关联度上有明显区别,且这种

区别与投资目标较为相符,说明开放式基金在择股

上与投资目标有较强的一致性。

这对细分市场,吸

引不同目的的投资者有较大帮助。

&

证券投资基金

法∋出台,对基金类型的清晰明确影响较大