不同目标类型的开放式基金收益率特征分析.docx

1、不同目标类型的开放式基金收益率特征分析不同目标类型的开放式基金收益率特征分析􀀁 􀀁 摘􀀁 要: 本文利用传统的单指数模型和ARCH 模型, 分析了开放式基金的收益率的统计特征、ARCH 效应及与股价指数的关系。实证结果表示开放式基金的收益率基本具备GARCH( 1, 1)特征, 与股价指数有较强的相关性, 但不同目标的开放式基金与股指的关系有所差异, 说明基金管理公司在选择投资组合上与基金目标较为一致。有超过一半的样本基金的平均收益率低于同期股指收益率, 盈利能力不甚理想。􀀁 􀀁 关键词: 开放基金; 收

2、益率; ARCH; 单指数模型􀀁 􀀁 中图分类号: F830. 91 􀀁 􀀁 􀀁 文献标识码:A 􀀁 􀀁 􀀁 文章编号: 1000- 2154( 2005) 0062- 05收稿日期: 2004- 11- 25作者简介: 朱晋( 1963- ) , 女, 江苏盐城人, 浙江工商大学金融学院证券投资学系主任, 副教授。一、研究背景开放式基金作为资本市场发展较为成熟的产物, 因其价格确定方式客观( 以NAV 作价) , 认购、赎回及转换手续便利, 长期投资

3、费用低等特点, 受到越来越多的投资者的关注。我国的开放式基金虽然起步较晚但发展迅速, 自2001 年9 月第一家开放式基金􀀂 华安创新 发行至今, 共有34 家证券投资基金管理公司发行了92 只开放式基金。据截至2004 年7 月20 日的统计数据显示, 证券投资基金的净值已经达到3001. 92 亿元, 基金总份额为2966. 36 亿份基金单位, 这其中开放式基金占有其中的大部分。2004 年前七个月基金的募集份额达到1506. 97 亿份, 这个数额已超过了基金业前5 年募集份额的总和, 而本年度募集的基金份额全部是开放式基金。随着规模的不断壮大, 基金投资行为在市场中

4、的影响力也有了明显的提升。以2004 年7 月21 日沪深A 股12276 亿元流通总市值计算, 基金净值占两市A 股流通总市值的比例已经达到24. 5% , 而在2003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

5、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􀀁 􀀁h

6、8577; 第1 期总第159 期商􀀁 业􀀁 经􀀁 济􀀁 与􀀁 管􀀁 理No􀀁 1 Vol􀀁 159􀀁 􀀁 2005 年1 月BUSINESS ECONOMICS AND ADMINISTRATION Jan. 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

7、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

8、Condit ional Heteroskedasticity, 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И

9、578; 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

10、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, RM t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

11、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! t&#

12、1048577; 􀀁 􀀁 􀀁 ht= !0+ !1􀀂2t- 1 + #!q􀀂2t- q+ 1ht - 1+ #+pht - p= !0+ qi= 1!i􀀂2t- i+ pj= 1jht- 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( t s) = 0( t % s) ; !0 0,!i􀀂 0,j 􀀂 0, qi= 1!i+ pj= 1j 1。􀀁

13、; 􀀁 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

14、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

15、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Ex cel 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

16、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- 05 0. 0090 - 1. 045 16. 637 - 1. 68E- 04 0.

17、 7627 价值型博时价值增长5. 7E- 04 0. 0096 0. 017 7. 382 5. 97E- 04 0. 8116 价值型长盛成长价值1. 5E- 05 0. 0084 - 0. 391 10. 511 - 7. 45E- 05 0. 7170 价值型富国动态平衡1. 9E- 04 0. 0070 0. 489 5. 835 3. 31E- 04 0. 6106 平衡稳健型华安180 - 3. 8E- 05 0. 0097 - 0. 127 5. 684 - 3. 11E- 04 0. 8286 指数基金华安创新- 2. 7E- 05 0. 0079 - 0. 714 11.

18、993 - 1. 16E- 05 0. 5916 成长型华夏成长1. 9E- 04 0. 0076 0. 803 8. 044 2. 49E- 04 0. 6025 成长型华夏债券2. 5E- 05 0. 0019 - 4. 379 37. 778 - 1. 70E- 04 0. 1568 债券基金嘉实成长3. 0E- 04 0. 0093 - 0. 448 7. 883 3. 59E- 04 0. 7979 成长型国泰金鹰增长5. 6E- 05 0. 0081 - 0. 360 8. 351 - 4. 91E- 05 0. 6739 成长型南方宝元9. 4E- 05 0. 0039 - 1.

19、 972 22. 438 3. 52E- 05 0. 3304 债券基金南方稳健1. 4E- 04 0. 0075 0. 290 8. 517 1. 69E- 04 0. 5586 成长型鹏华行业成长- 9. 1E- 05 0. 0082 0. 684 5. 934 8. 31E- 05 0. 7380 成长型融通新蓝筹- 1. 9E- 06 0. 0073 - 0. 297 6. 666 - 8. 23E- 05 0. 6184 平衡稳健型易方达平衡4. 0E- 04 0. 0073 0. 465 6. 195 4. 78E- 04 0. 6278 平衡稳健型银华优势9. 3E- 05 0.

20、 0099 - 0. 358 9. 371 - 1. 22E- 04 0. 8403 平衡稳健型大成价值增长4. 1E- 05 0. 0098 - 2. 437 21. 867 - 9. 87E- 05 0. 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

21、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

22、态分布时峰度为0- 3) ,􀀁 64 商􀀁 业􀀁 经􀀁 济􀀁 与􀀁 管􀀁 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。

23、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+ 􀀁 i!RMt+ 􀀂 it􀀂it| # t- 1 N( 0, hit)hit= !0+ !1􀀂2i, t- 1+ #+ !q􀀂2i, t- q+ 1hi, t - 1+􀀁 #+ phi, t- pi= 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

24、) 、( 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

25、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

26、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AIC SC宝盈鸿利0. 5858 0. 583258 41. 31529 - 7. 5106 - 7. 4689博时价值增长0. 5890 0. 541550 39. 83684 - 7. 3560 - 7. 314长盛成长价值0. 5311 0. 528586 35. 51403 - 7. 4973 - 7. 4562富国动态平衡0. 4722

27、0. 636731 58. 20812 - 8. 2512 - 8. 2124华安180 0. 7276 0. 704855 40. 70825 - 7. 7756 - 7. 7282华安创新0. 9056 0. 532748 62. 61059 - 7. 8910 - 7. 8596华夏成长0. 3939 0. 696164 59. 68886 - 8. 1782 - 8. 1470华夏债券0. 0399 0. 278375 10. 66532 - 9. 9956 - 9. 9507嘉实成长0. 6471 0. 633826 88. 80587 - 7. 6833 - 7. 6387国泰金鹰

28、增长0. 6230 0. 595563 171. 2998 - 8. 0229 - 7. 9875南方宝元0. 0159 0. 019986 2. 969231 - 8. 3725 - 8. 3308南方稳健0. 4452 0. 628071 62. 36835 - 7. 9998 - 7. 9700鹏华行业成长0. 6169 0. 568072 121. 2851 - 8. 4933 - 8. 4576融通新蓝筹0. 3656 0. 350218 23. 82243 - 7. 4492 - 7. 4092易方达平衡0. 4694 0. 621988 48. 05425 - 8. 1184 -

29、 8. 0795银华优势0. 4694 0. 307153 23. 52309 - 6. 8172 - 6. 7745大成价值增长0. 3937 0. 270151 15. 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% 。第1 期朱晋:不同目标类型的开放式基金收益率特征分析6

30、5 􀀁􀀁 􀀁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􀀁

31、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

32、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

33、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

34、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