股票型基金篇1

战胜业绩基准：短期不及长期

由图1所示，通过对2012年以前成立的283只股票型基金的相对业绩考察显示，股票型基金在长期的相对业绩较好，即在长期超越比较基准的概率较大。由于基金本身属于长期投资品种，因此就股票型基金整体而言，至少在中长期为投资者创造了价值，仍可以作为投资者进行财富管理的有效工具。

战胜业绩基准：小公司不及大公司

表1、2显示出资产净值规模前十的公司与后十的基金公司旗下基金在各期间超越业绩比较基准的比例。可以看出，除了今年以来及近两年以来小公司基金战胜比较基准略高于大公司外，其他统计期间内都是大公司旗下的基金有更高的概率跑赢基准。这主要是由于大基金的规模优势，其在集合投资、分散风险和交易费用上有比较优势，同时公司在人才吸纳和投研支持上的吸引力稳定性更强，因此获得更好的业绩也相对容易。当然，从另一个角度来说，基金规模的扩大和基金的业绩也是密切相关的。

战胜比较基准：合资与中资相当

图2显示，无论从短期还是长期看，中资基金公司旗下基金的业绩超越基准的概率都与合资基金公司相当，也就是说，尽管合资公司拥有其所宣称的全球背景，能够比较容易地引入国外的先进理念与管理技术，但在业绩上并没有比本土公司体现出明显的优势。

战胜比较基准：绩优基金风格鲜明

上述分类中，相对业绩从未超过基准的基金指的是在今年以来、近1年、近2年直至近5年6个统计区间中均未能战胜比较基准的基金；而相对业绩持续超越基准基金的选择标准则为今年以来、近1年、近2年直至近5年的6次统计中至少5次跑赢基准。此外，选入样本的基金均成立于2007年以前，见表3。

在图3中，左侧为相对业绩从未超过基准的基金各项风格指标的均值，右侧是相对业绩持续超越基准的基金各项风格指标的均值。

股票型基金篇2

【关键词】分级基金折溢价率合并分拆套利

在预期市场无风险利率水平处于下降通道以及沪港通等多重利好因素影响之下，2014年终于迎来了股票市场、债券市场双双走牛的一年。以上证指数为例，自2009年反弹至3478的高点以来，近几年上证指数再也没超过此点位，期间最低点还曾达到过1849的低点，2012年、2013年上证指数表现在国际市场之中亦是排名垫底，股民忍受了多年熊市的煎熬。终于在2014年，国内A股市场迎来了表现扬眉吐气的一年，上半年，新兴行业板块个股表现热火朝天，依旧保持着结构性的赚钱效应;下半年，大盘蓝筹股走出了投资者盼望已久的估值修复行情，指数从而也迎来了大幅上涨。上证指数全年上涨达到52.87%，主动偏股型基金平均上涨超过24%，创近5年来最好表现水平。

近几年表现较为沉寂的权益类分级基金，在2014年的股票市场牛市中终于焕发出了活力，展现出了强大的赚钱效应。过去几年中，多只分级基金触碰到了下折阀值，引发了向下折算，如：银华中证内地资源指数分级基金、鹏华中证A股资源产业指数分级基金;但在2014年却出现了多起上折案例，如：中欧盛世成长分级基金、富国中证军工指数分级基金、申万菱信申银万国证券行业指数分级基金以及鹏华中证800证券保险指数分级基金，呈现了难得一见的盛景。在2014年之中，净值水平曾一度跌破0.1元阀值的申万进取，也终于翻身，成为当年净值增长最快的B类份额（2014年1月1日之前已成立的同类产品排名），净值涨幅高达281.64%。在2014年中，包含当年成立的新基金，9只分级基金母基金净值水平上涨超过50%，38只B类份额全年净值水平上涨超过50%，由此可见，牛市中选择了杠杆基金这个投资工具，能够进一步放大赚钱效应，当然这也需要适时地正确选择契合市场表现的投资标的。

分级基金也被称为结构型基金，是指在同一投资组合下，通过对基金收益或净资产的分解，形成两级或多级风险收益表现有一定差异性基金份额的基金品种，分级基金各个子基金的净值与份额占比的乘积之和等于母基金的净值。目前我国的分级基金类型主要为融资型，即B类份额持有人根据产品合同在约定时间向A类份额持有人支付约定收益，支付约定收益后的总体投资盈亏均由B份额持有人承担。当母基金的整体净值下跌时，B份额的净值优先下跌;相对应的，当母基金的整体净值上升时，B份额的净值在提供A份额收益后将获得更快的增值，从而满足不同风险收益偏好的投资者。

国内的分级基金发展基本跨越了三个时期：

一、萌芽期

2007年-2009年。2007年7月，国内第一只封闭式基金国投瑞银瑞福分级的设立拉开了国内分级基金的发展大幕。作为国内第一只分级基金，瑞福分级成为国内分级基金发展领域的拓荒者，通过瑞福优先及瑞福进取的设立，第一次创新的将风险收益进行分层，由于其杠杆性的设立及市场早期杠杆产品的稀缺，市场上给予瑞福进取大部分时间处于溢价水平。2009年5月第一只封闭式架构的长盛同庆分级基金成立，封闭期3年，期间母基金不能申购赎回，A、B份额上市交易，并且受益于2009年股票市场的大反弹行情，成功募资超过140亿元。2009年10月国投瑞银瑞和300正式成立，成为第一只指数型分级基金，并且第一次引入了定期折算机制及配对转换机制，新发募资超过32亿。

二、发展期

2010年-2011年，这两年间共成立18只分级基金，产品类型包括股票型分级、指数型分级、一级债分级和二级债分级，从产品类型及成立只数角度进一步丰富了分级基金市场容量。尤其是宽基指数型分级基金的出现，为投资者提供了非常好的投资工具，这其中如设计较为成功的银华深证100指数分级基金，其成功之处包括：风险收益实现了完全分离;设立阀值到点折算保护了优先份额的本金安全;第一次实质上具有配对转换机制，为投资者带来了套利机会;被动投资于指数，降低了投资者的时间及费用等，截至2014年12月31日，银华深证100指数分级基金资产净值超过110亿元。

三、成熟期

2012年以来至2014年底，共成立103只分级基金，在产品类型上进一步细化，出现了更多跟踪标的的宽基指数分级基金，行业、主题类分级基金、QDII分级基金，大大丰富了投资者的选择。截至2014年12月31日，存续的分级基金共121只，其中权益类65只（股票型7只、指数型58只）、债券类56只，存续资产净值规模近1750亿元。

由于分级基金具备差异化结构产品特性，从而可以给投资者提供多种投资策略选择，当然，投资者也要根据自身风险收益偏好，以及结合对相应市场的预期，选择适宜的操作策略。总体来看，以指数型分级基金为例，有以下五种投资策略：

四、长期持有策略

当投资者中长期看好该指数型分级基金，可以选择场外认、申购母基金份额或者在场内按产品比例的设定买入A份额和B份额合并为母基金持有。

五、投机策略

由于收益分配方式的不同，A、B份额的净值表现会出现较大差异。由此可见，偏好低风险的投资者可单独持有A类份额获取稳定收益，偏好高风险的投资者可以结合对于市场大势及产品相应投资标的走势的预判，单独持有B类份额，从而有机会博取较高的超额收益。

六、短期套利策略

针对具备“配对转换机制”的分级基金，投资者可在承担相对较低风险的情况下，构建套利组合，进行套利交易。如：当两只分级基金份额出现整体性折价时，可按产品设定的比例买入A类和B类份额，申请合并成母基金份额后选择赎回操作，获取套利收益;当两只分级基金份额出现整体性溢价时，可以通过申购母基金份额并进行“分拆”操作，获取A类、B类份额分别在二级市场进行卖出，获取套利收益。这里所提到的相对较低风险，指的是“配对转换”和“分拆卖出”操作都是由于存在一定时滞效应造成的，合并套利需要T+2的时间、分拆套利需要T+3的时间，在这过程中由于折溢价收窄及交易成本的存在（二级市场交易费用、申购费及赎回费等）及二级市场交易流动性等因素都会引发风险发生。

七、长期持有+滚动套利策略

如：投资者在中长期看好某一分级基金的时候，可以同时持有该分级基金的母基金份额及A、B类份额，当出现整体溢价的时候，可以卖出A、B类份额，申购母基金份额，获取套利收益：当出现整体折价的时候，可以赎回母基金份额，分别买入A、B类份额，获取套利收益。这样可以有效避免在套利交易中，由于折溢价收窄带来的风险，并可以保证持续持有一定数量的基金份额。

八、利用股指期货套利策略

2010年4月，我国金融期货交易所推出了沪深300股指期货，针对投资标的同为沪深300指数的分级基金，当沪深300股指期货相对于现货出现溢价时，投资者可以在二级市场按照产品约定的比例分别买入A、B类份额，并在期货市场做空沪深300股指期货，直至期货市场溢价接近消失时为止，以此套取期货市场溢价的无风险收益。值得注意的是，就目前二级市场分级基金表现来看，低风险A类份额的交易并不是十分活跃，这会使得投资者在做套利交易的过程中会有较高的冲击成本，因此当存在较大的套利空间时才便于操作。现存多数分级基金具备配对转换的机制，虽然配对转换机制有助于抑制A、B类份额整体的折溢价，但是分级基金进行跨市场套利也存在一定的风险，而利用股指期货能较为有效的规避这种“裸套”风险。由于跨市场转托管需要几个工作日，使分级基金套利存在时间敞口带来的系统性风险，而投资者可以利用股指期货将系统性风险对冲，获取套利收益。当分级基金整体大幅折价时，投资者可以在二级市场按产品约定比例分别买入A、B类份额，同时卖空股指期货，然后将分级基金合并转换为场内母基金份额，在T+2日赎回母基金并且将股指期货平仓;当分级基金整体大幅溢价时，投资者可在场内申购母基金，并且卖空股指期货，根据交易规则在T+2日将母基金份额分拆、T+3日卖出分级份额，并将股指期货进行平仓。

分级基金的结构化设计提升了该产品的市场价值并活跃了市场流动性，已经成为公募基金创新的重要工具。这其中如宽基指数分级基金成为了投资者能够使用的非常好的投资工具，一定程度上也降低了投资的不确定性，增加了投资者成功的胜算。

作者简介：

杜志琪，男，北京市人，出生于1986年7月18日。本科毕业于西南财经大学，本科期间攻读行政管理及金融学，获管理学学士及经济学学士学位。2008年7月进入公募基金领域从事市场销售工作，现任职于民生加银基金管理有限公司，对公募基金产品有着较为深入的了解。

参考文献：

[1]国投瑞银基金管理有限公司，国投瑞银瑞福分级证券投资基金招募说明书，2007，7.

[2]长盛基金管理有限公司，长盛同庆可分离交易股票型证券投资基金招募说明书，2009，4.

[3]国投瑞银基金管理有限公司，国投瑞银瑞和沪深300指数分级证券投资基金招募说明书，2009，9.

[4]银华基金管理有限公司，银华深证100指数分级证券投资基金招募说明书，2010，4.

股票型基金篇3

【关键词】基金仓位；神经网络；投资风格

一、引言

公募基金行业作为我国迅猛发展的金融理财行业，规模不断扩大，投资者队伍迅速壮大。基金仓位反映市场信心，可以作为投资者判断后市走向的重要指标。对基金仓位的预测一直是学术界和投资者感兴趣的问题之一，具有实际应用价值。对于关于基金仓位预测模型的研究，目前国内还局限于传统线性回归方法，前提假设过于苛刻，忽略了很多影响仓位的动态因素，造成无法容忍的误差。目前公募基金的仓位数据仅在每年的定期报告中有所体现，但是按照年报频率公布的基金仓位并不能作为一个连续的后市预期指标，我们希望能够得到即时基金仓位，帮助投资者规避风险。本文运用神经网络建立仓位预测模型，利用现有基金市场行为的样本，从中自主寻找规律逼近复杂的仓位走势曲线，达到更好的预期效果。

二、基金仓位预测方法综述

目前，关于基金仓位预测的方法主要包括以下三种。

1.基于收益的基金仓位分析方法，是以夏普在1992年提出的基于收益的基金投资风格分析理论为基础，通过对基金收益与市场风格指数涨跌幅进行统计计算，估算出基金在不同风格资产上的配置比例，从而获得基金投入股市的仓位值。该方法可以在一个中观的维度上为基金投资者提供较为长期的和可持续的投资建议，但是在回归过程中存在多重共线问题，可能产生较大的参数估计标准差，使得预测误差较大。

2.传统的线性预测模型，经历了三个发展阶段，由于理论和算法的创新，测算准确性也有了明显提高。第一阶段的模型，将样本基金收益率均值除以基准指数收益率得到基金平均仓位，其过程简单，处理步骤少，但是测算结果跳跃性较大，并且对基金市场指数的选取依赖性强。第二阶段的模型，对基金收益、市场指数收益时间序列数据进行回归测算，初步消除了第一阶段模型的噪声，但是回归期限过长或过短都会对仓位测算结果带来较大的误差，且固定的回归期限使测算与实际结果之间产生时滞。第三阶段的模型，对单只基金与其基准的收益序列进行动态回归，通过对回归期限的动态调整，实现仓位测算工作的智能化和自动化，由于测算的样本是基金仓位数据的云重心，因此能有效消除了前两个阶段测算模型带来的系统误差。

3.非线性数据挖掘分析法，是直接对基金持股情况进行数据挖掘，深入剖析基金组合中各类别资产的增持减持情况，依据对基金行业资产的中观分析，最终实现对基金大类资产仓位的宏观分析。此测算模型打破了RSV法仅仅依据收益数值来进行测算、结果不具可对比性的缺陷，引入收益分布、波动率等多个指标，动态测算各分类资产相应指标对基金该指标的贡献度，提高了测算的可对比度，过滤了单一指标会引起系统性误差的缺陷，并引入因子分析、聚类分析、最优化等方法，进一步提高计算结果的精确性。

本文将结合基于收益的基金仓位分析方法和非线性数据挖掘分析法，借鉴基金仓位测算模型回归方法中的自变量取值和影响因素，运用非线性系统分析法中的BP神经网络建立仓位预测模型。

三、基于BP神经网络的仓位模型构建

1.影响基金仓位变动的主要因素

本文选取的基金仓位是基于基金投入股市的资金市值和基金总资产现值，因此，所有会影响股票价格和基金价格的因素都会影响基金仓位的变动，并且，各因素之间的相互作用也会对基金仓位产生影响。

从基金净值方面考虑，基金总资产的现值与基金交易价格密切相关。影响基金净值的因素包括三个方面，即基金单位资产净值、基金市场的活跃程度和银行存款利率。其他各种政治、经济和人文因素，例如外汇市场汇率变化、资金市场利率变化、投资者的心理因素也会影响仓位。这些数据在基金定期报告中具体表现为：期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金持股集中度、基金的持仓行业集中度，收市基金指数、基金换手率、基金折价率、居民价格消费指数、银行利率。

从股票市场价格方面考虑，股票的市场价格最直接的影响因素是供求关系，市场内部因素、基本面因素和政策因素通过作用于供求关系而影响股票价格。具体表现为基金持有股票组合的收益率、股票市值增长率，持有股票的开盘价、最高价、最低价、成交量、收盘价及MACD、KDJ、RSI、PSY技术分析指标。

2.因素相关性分析及边界划分

结合数据特征，本文选取2008年10月1日至2012年10月1日时间段，在此期间，已经历过金融危机，国内经济缓慢复苏，宏观政策调控没有巨大变化，华夏基金度过了2008年第三季度的最强金融危机冲击后，持续保持平稳发展。由于国际贸易收支、国际金融市场等因素不足以影响具体仓位值，政治局势、突发事件等因素不在预测范围内，所以都划在本研究边界之外。

将以上基金年报中的具体数据期末基金份额净值、基金市值、期末基金资产净值等和最终仓位值导入excel中的dataanalysis模块进行相关性分析。用Correlation工具算出Pearson相关系数，可得到期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD仓位值的Pearson相关系数超过0.5，将这12个变量划在最终边界内作为研究因素。

3.数据采集与预处理

本文选择华夏基金旗下华夏成长证券投资基金、华夏大盘精选证券投资基金、华夏优势增长股票型证券投资基金等10种基金在2008年10月1日至2012年10月1日的数据，作为建立模型和网络训练的样本集。

根据模型建立的需要，BP神经网络要求样本集合理区间为[0，1]，本文运用公式X’=（X-Xmin）/（Xmax-Xmin）对样本集进行归一化处理。其中Xmax、Xmin为最大值和最小值，X为原始数据，X’为转换后数据。将数据预处理后分为两部分，前250个数据作为模型的训练集，剩余的50个数据作为模型的测试集。

图1预测模型的网络结构

4.BP神经网络建模

本文构建基金仓位预测模型，侧重研究基金一个周期中仓位走势的变化，所采集的数据无法达到海量。根据Kosmogorov定理基本原则，在有合理结构和恰当权值时，有三层结构的前馈网络就能逼近任意的连续函数，模型设计为单隐含层和输出层两个网络层次。选择期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD指标作为神经网络的12个输入向量，基金仓位作为唯一输出向量。根据Kosmogorov定理，初步设定隐含层结点数为2n+l即25个，并利用BP网络默认初始化函数initnw设计初始权值。考虑到本研究的原始数据经过归一化处理后符合S型对数函数的取值范围，选择tansig作为隐含层传递函数，logsig作为输出层传递函数。学习函数选择学习率可变的动量BP算法traingdx及梯度下降动量学习函数learngdm。性能函数选用误差性能函数为均方的误差函数mse。模型网络结构如图1所示。

根据以上结构和参数，在MATLAB中建立起基金仓位预测模型，在训练200，000次，隐含层节点数目为25的情况下，训练目标达到0.0001，但是收敛速度较缓慢，未达最优模型。

5.优化模型

在优化阶段，初始节点数在[15，25]范围之间进行多次尝试比对。根据仿真输出结果与真实值间的拟合程度及误差大小，最终确定隐含层节点数目为22，其预测误差为0.29998达到最小，并且均方误差为0.000999315也为最小，收敛速度较快，达到误差目标值需经过2338次训练，训练时间适中。同时选择尝试法确定初始权值。由于网络中隐含层和输出层节点的范围在0到1之间，初始权值选择为分布在e0.1num22之间的随机数，其中num为该连接权值的输入节点数。观察监测网络的训练效果、拟合效果后，基金仓位预测模型确定最终初始权值矩阵。

建立隐含层节点数为22，优化初始权值的BP神经网络后，经过30万次训练达到训练目标，完成学习成熟的仓位预测网络。

四、实证结果分析

将50组测试集数据输入模型，在MATLAB中将预测仿真结果和实际数据进行对比，如图2所示。

1.拟合：从拟合效果图观察，每个测试基金的仓位预测结果与真实值间的偏差在可承受范围之内。获得判定系数为0.69261，拟合程度远远高于相同样本线性回归预测结果0.389。在同一预测期下不同基金的仓位预测值与真实值的相对关系是一致的，说明预测模型对于所研究的行业内的不同基金走势判断都有良好适用性，所建立的预测模型是具有一定意义和价值的。

图2模型测试数据输入输出拟合效果

2.偏差：模型偏差表现为存在预测值高于实际计算值的现象。原因在于数据时间跨度较大，期间经历奥运、世博等重大活动影响到股市和基金市场的活动，所有经济主体、金融市场都受到了不同程度的冲击，间接带动先前划在边界外的货币政策、财政政策、际贸易收支等因素的变动，影响了模型拟合度。另外边界外的基金持股集中度、居民价格消费指数、银行利率等弱相关因素的积累和相互作用都会带来拟合的偏差。关于单支基金，基金仓位在不同投资风格中也有相对差别，造成预测的偏差大于其他基金公司的原因，是华夏基金公司总体基金状况都处于市场风口浪尖的位置，这一带头特性导致预测的不可控性增强。

五、结论

本文将传统的基金仓位测算理念及影响因素同BP神经网络方法相结合，选择基于数据挖掘的BP神经网络作为基金仓位预测模型建立的基本方法，通过数据挖掘技术找出相关因素集，建立神经网络，相对于线性模型，提高了预测的准确性，同时对结果的拟合与偏差都能够获得合理的解释。本研究使信息技术更好的应用于基金投资风格研究，实现对基金仓位的科学预测，同时对于神经网络的预测应用也做出了新的探索。

参考文献

[1]王敏.基于神经网络的基金净值预测研究[J].天津大学学报，2008（5）.

[2]肖国荣.BP神经网络在基金价格预测中的应用研究[J].计算机仿真，2011（3）.

[3]李学峰，徐华，李荣霞.基金投资风格一致性及其对基金绩效的影响[J].财贸研究，2010（2）.

[4]董铁牛，杨乃定，邵予工.中国开放式基金投资风格分析[J].管理评论，2008（7）.

股票型基金篇4

【关键词】股票型开放式基金政策性资产配置基金业绩

一、文献综述

资产配置是根据投资需求将投资资金在不同的资产类别之间进行分配,通常是将资产在高风险、高收益证券和低风险、低收益证券之间进行分配。从时间跨度和风格类别上看,可分为战略性资产配置和战术性资产配置。

战略性资产配置是资产配置的基本方式,它根据不同资产类别的收益特征和投资者的风险偏好,构造一定风险水平上的资产比率,并保持长期不变,又称为政策性资产配置(policyassetallocation)。战术性资产配置则是在战略型资产配置的基础上根据市场短期变化,对具体的资产比率进行调整,其强调的是短期内的盈利策略。

国外关于对资产配置的研究:Williamsharp(1981)发现,资产配置是最重要的决策。Brinson、Hood和Beebower(1986)通过分析美国91家大型养老基金从1974年到1983年的数据发现,政策性资产配置对养老基金业绩的解释程度为93.6%,远远超过用类似方法计算的“时机选择”及“证券选择”对基金业绩的解释程度,所以认为政策性资产配置是决定基金业绩最重要的因素。Brinson,D.SingerandBeebower(1991)的研究论证了Brinson在1986年的结论,政策性资产配置对基金在时间序列上的业绩差异的解释程度为91.5%。Ibbotson和Kaplan(2000)的研究也基本证实了Brinson的研究结果,他们对94只共同基金和58只养老基金的研究表明,同一基金业绩随时间波动中90%可以由政策性资产配置解释,不同基金业绩差异中约40%可以由政策性资产配置来解释,同一基金政策性资产配置对总收益水平的贡献程度高于100%。

在国外研究的基础上,国内对基金资产配置的研究文献也大量出现。张新、杜书明(2001)运用经典的夏普指数、特瑞纳指数、詹森阿尔法对我国证券投资基金的整体绩效表现进行了较为全面、客观的衡量,研究发现没有足够的证据表明我国基金取得超越基准指数的表现,各个基金均未显示出优异的选股能力和择时能力,基金很难取得持续性超越市场的表现;蒋晓全、丁秀英(2006)通过建立面板数据模型实证研究发现政策性资产配置在时间序列上对同一基金的业绩起着重要作用,而基金积极管理程度与政策性资产配置对不同基金业绩差异贡献程度的关系不明显。李学峰、茅勇峰(2007)从风险与收益相匹配的视角,实证研究发现我国的大部分封闭式基金具有较高的资产配置能力,同时还发现,我国证券投资基金很大程度上通过投资组合中的证券调整来进行资产配置,而较少通过对组合中资产的调整来满足资产配置的要求。

二、模型设计

基金的总收益(净值增长率)可以分解为两部分:政策性资产配置收益(Pol1cyreturn,用PR表示)和主动性收益(Activereturn,用AR表示),政策性收益是指总收益中来自于政策性资产配置的收益,主动性收益是指基金经理的选股收益和选时收益。所建立的模型如下:

TRi,t=(l+PRi,t)?鄢(l+ARi,t)-1(1)

其中:TRi,t表示基金i在t期的净值增长率;PRi,t表示基金i在t期的政策性资产配置收益;ARi,t表示基金i在t期的主动性收益。

政策性收益是基金总收益中来自于政策性资产配置的收益,计算公式如下:

PRi,t=■(Wn,t?鄢Rn,t)(2)

其中:Wn,t表示基金i在t期的股票、债券、现金以及其他资产等各类资产的配置比例;Rn,t表示t期各资产的基准收益率。

根据Ibbotson和Kaplan(2000)提出对证券投资基金资产配置效率的研究方法,我们将会对我国基金的资产配置效率研究三个方面的问题:第一,政策性资产配置对同一基金在时间序列上的业绩差异的解释程度;第二,政策性资产配置对于不同基金之间业绩差异的解释程度;第三,政策性资产配置对基金总收益的贡献程度。

三、研究样本和数据来源

本文以2006年1月1日到2009年9月30日作为研究周期,并以季度为研究单位,我们选取的基金样本是在2006年之前成立的股票型开放式基金,并且剔除了指数型基金,仅限于成长型基金、平衡性基金和价值型基金,最后入选的包括45只股票型开放式基金:其中包括成长型基金12只,平衡型基金25只,价值型基金8只。

基金投资组合的资产类别包括三个部分:股票、债券、现金以及其他资产。各类资产的市场基准收益率确定如下:股票资产的市场基准收益率以沪深300指数(000300)的季度收益率来计算,债券资产的市场基准收益率以中信标普国债季度收益率(816020)来计算,现金和其他资产的市场基准收益率以该季度内无风险利率来计算。所有的数据来自于和讯基金、RESSET/DB金融数据库、软件和各基金公司的网站。

四、对我国证券投资基金资产配置能力的实证检验

本文采用计量经济模型依次对上述三个问题进行实证分析。

1、政策性资产配置对同一基金在时间序列上的业绩差异的解释程度

首先,我们利用搜集的各类资产的配置比例和资产的基准收益率数据,根据公式(2)计算各只基金的PRi,t;其次,对45只基金17个季度的收益率依次建立计量模型:TRi,t=c1+c2?鄢PRi,t+Ui,t,得到R2,其中41只基金的R2≥80%,模型的拟合优度较高,结果见表1。最后,对45只基金的R2进行简单的平均,得到政策性资产配置大约对同一基金在时间序列上的业绩差异的解释程度为88.6%,而国外的研究也发现政策性资产配置的贡献度在90%左右,说明我国证券投资基金的政策性资产配置能力与国外的差别不大,政策性资产配置对我国同一证券投资基金在时间序列上的业绩起着重要作用(见表2)。

2、政策性资产配置对于不同基金之间业绩差异的解释程度

在这个问题的研究中,我们将会用到基金在整个期间复合季度平均回报率,计算公式如下:

通过公式(3)、(4)求出基金i的季度复合平均收益率TRi和季度复合平均政策性资产配置收益率PRi,对45只股票型开放式基金建立一元线性回归模型:TRi=c1+c2?鄢PRi+Ui,得到的R2为18.64%,即政策性资产配置对不同基金之间的业绩差异的贡献程度为18.64%(见表3)。

从表3中发现,政策性资产配置对我国证券投资基金之间业绩差异的解释程度为18.64%,说明政策性资产配置对基金业绩差异有一定的解释程度,但低于美国共同基金的40%和养老基金35%的解释程度。这表明我国证券投资基金之间的业绩差异不是来源于政策性资产配置,而是主要来源于基金经理的选股能力和择时能力等主动性因素。

3、政策性资产配置对基金总收益的贡献程度

PRi,t/TRi,t表示政策性资产配置能力对总收益的贡献程度,我们按季度分析了45只基金的政策性资产配置的效果。结果见表4,表中数据是根据各基金的规模加权平均计算得到。

对各季度数据进行简单加总平均,我国政策性资产配置对总收益的贡献率为PR/TR=86.75%。政策性资产配置对我国基金收益的贡献很大,达到了86.75%,而主动性因素对我国基金总收益的贡献不明显。

五、结论

本文通过实证检验分析了我国45只股票型开放式基金的政策性资产配置效率,得到如下结论:第一,政策性资产配置对我国同一证券投资基金的在时间序列上的业绩起着重要作用。政策性资产配置对我国同一基金业绩在时间序列上变动的解释程度为88.6%。第二,政策性资产配置对不同基金之间业绩差异的解释程度为18.64%,低于美国共同基金的和养老基金的解释程度。我国证券投资基金之间的业绩差异主要来源于基金经理的股票选择和择时能力等主动性管理因素。第三,政策性资产配置对我国基金收益的贡献程度很高,其贡献率为86.75%,而主动性配置对基金总收益的贡献不明显。

【参考文献】

[1]Brinson.G.P、Hood.LR、Beebower.G.L:DeterminantsofPortfolioPerformance[J].FinancialAnalystsJournal,1986(7/8).

[2]Brinson.G.P、Singer.BD、Beebower.G.L:DeterminantsofPortfolioPerformanceⅡ:AnUpdate[J].FinancialAnalystsJournal,1991(5/6).

[3]RogerG.Ibbotson、PaulD.Kaplan:Doesassetallocationpolicyexplain40,90,or100percentofperformance?[J].FinancialAnalystsJournal,2000(1/2).

[4]张新、杜书明:中国证券投资基金能否战胜市场[J].金融研究,2002(1).

股票型基金篇5

进行投资的时候，你应该将资金分配在哪些品种上？各类型资产占多少比例？如何将鸡蛋放在不同篮子里的资产配置问题是投资过程中的重要步骤，也是投资者能否实现投资目标的关键，基金投资也是如此。

基金其实是股票、债券和现金等投资品种的组合，根据其主要的资产分布可分为股票型基金、配置型基金、债券型基金和货币市场基金等。股票型基金将资产大部分投资在股票的基金，也会投资少量的债券。债券型基金将大多数资产投资在债券上。配置型基金则在股票和债券上进行混合配置，其中积极配置型基金的股票比重高一些，而保守配置型的债券比重要高一些。对于基金投资人来说，则要通过建立由不同类型基金构成的组合，来落实自己的投资最终在各类型资产上的分布。

首先，应该放下不切合实际的幻想，象以往市道中抓住哪只基金“赚一笔走人”之类的，不妨把自己的期望值放低下来，未必要“低到尘埃里”，而是与组合配置的思路相匹配――好比瓜田里有甜瓜和涩瓜，但一般不会长出豆子来。

无论你投资了什么基金，其实是股票、债券和现金等投资品种的组合。资产配置可从两个层面来进行。最基本的层面是如何将资金配置在股票、债券和现金这些资产大类上。更深一步的层面是将股票和债券资产进一步分散在不同类型股票或债券上，以降低风险。

首先，来看看如何进行资产大类的配置。具体将多少的金额配置在股票、债券和现金上是由投资者的投资目标、投资周期、风险承受能力和投资金额来决定的。这个步骤称为战略性资产配置，也是最基本的资产配置。

根据投资目标、投资周期、风险承受能力和投资金额，投资者采取不同的投资策略，将资产按不同比例配置在股票、债券和现金上。例如，如果投资周期大于10年且投资者可以承受较大的风险，可采取激进型投资策略，以追求较高的长期收益。这时，投资者可以将大部分资产投资于股票上。如果投资周期大于5年且投资者可承受一般水平的风险，可采取稳健型投资策略，将资产在股票和债券进行平衡的配置。如果投资周期小于5年且投资者比较厌恶风险，就更着重保持现有的财产的价值，可采取保守型投资策略，将多数资产置于债券和现金上。

投资者可以用区间的形式确定持有各类资产的比例，这样比限制一个固定的比例更有效。例如，投资者可将债券的投资比例定在总资产的5－25％，而在这个范围内，根据债券在市场中的表现，决定增持还是减持。

将投资金额配置在股票、债券和现金等资产类别后，为了分散风险，投资者应通过考察基金的投资组合中具体的股票和债券，使资产进一步分散在不同投资风格、不同市值大小的股票和不同久期、不同信用素质的债券上。

投资者可将资产分散在各个不同投资风格的股票上，有利于降低投资的风险。投资者可以将一部分资产购买价值型基金，一部分投资于成长型基金。当然，投资者也可通过持有平衡型基金来达到给既持有价值型股票又持有成长型股票的目的。但当投资规模较大时，如果分开持有价值型基金和成长型基金，可以根据不同投资风格基金的市场走势调整持有比例，以抓住市场中出现的机会。

另一方面，将股票资产配置在不同市值大小的股票上也是需要关注的。一般地，大盘股风险收益特征要相对低于中小盘股票，保守型的投资者可以投资较多的大盘股基金，如果投资者风险承受能力较高，可增加中小盘基金的持有比例。

值得关注的是，随着QDII的放行，国内投资人也开始面临股票资产在全球不同市场配置的问题。进行海外配置的目的是为了分散风险还是追求某个市场的收益，也是需要重点考虑的问题。