量化新手初识基金绩效分析

在基金的绩效评估过程中，考察基金经理的投资才能是一个非常重要的方面。一般来说，基金经理的投资才能包括以下三个方面：

• 证券选择能力（选股能力），即基金经理识别价格被低估的证券以及构造最优证券组合的能力

• 时机选择能力（择时能力），即基金管理人判断市场行情发展趋势的能力。基金经历通常会使用两种择时技术来提高组合的绩效表现：

  • 一个是在成功的预期到市场变化的基础上，通过改变股票、债券、现金在投资组合中的比例实现对市场时机的选择；
  • 二是通过改变组合的值来正确应对市场的变化。

• 分散化程度（diversification），分散化程度既是基金管理人在进行证券选择的时机选择时要考虑的要素之一，又是两种选择所造成的直接结果，它反映了基金因承担可分散风险而获得的相应损益。

• 基金绩效分析模型

  一个好的基金经理可以在基金管理过程中为基金绩效带来积极的效应，因此对基金经理选股和择时能力的衡量和考察也是绩效评估过程中非常重要的一环。

  传统的整体绩效衡量指标詹森指数只反映基金的选股能力，而在考虑择时能力的情况下，择时模型可以对基金的选股能力与择时能力同时加以考察。

  最早提出的择时模型有两个：一是$TreynorandMazuy$(1966)提出的二次方程式模型(简称$T-M模型$),二是$HenrikssonandMerton$(1981)提出的双贝塔模型(简称$H-M模型$)。

• 詹森指数

• T-M模型

  Treynor和Mazuy在1966年最早利用二次项回归模型对市场时机把握能力作出了评估。他们提出了基金经理应具有在市场处于涨势时，通过提高投资组合的风险水平获得高收益的能力。反之，则应减少持有而降低风险水平。

• H-M模型

  Henriksson和Merton在1981年提出了一种相似的却更为简单的对选股和择时能力进行衡量的二项式参数检验模型，简称H-M模型。

  他们将择时能力定义为基金经理预测市场收益与风险收益之间差异大小的能力，然后根据这种差异，将资金有效率地分配于证券市场。

• 基金绩效持续性分析

  基金绩效持续性分析就是按照事件发生的时间顺序，通过研究基金过去表现与未来表现之间的关系，对基金的业绩进行分析评价，以检验前期表现较好的基金当期是否也有不俗的表现，前期表现较差的基金是否仍然没有提升自身的业绩，这是对单个基金业绩的动态分析。

  对投资者而言，如果基金的绩效具有持续性,那么有关基金过去表现的信息对投资者就会具有重要的可利用价值。
  对基金业绩持续性的研究方法主要有以下三种:绩效二分法、回归系数法和斯皮尔曼等级相关系数检验法。

• 绩效二分法

  **绩效二分法(winner-winner,winner-loser)**以每一时期基金表现的中位数为基准，将表现高于中位数的基金认定为“赢家”，用W表示；将表现低于中位数的基金认定为“输家”，用L表示。若基金的前后两期均为“赢家”(WW)或“输家”(LL)，则基金具有持续性，若一期表现为“赢家”或“输家”，而另一期表现相反，即出现WL或LW，则绩效不具有持续性。这就是考察基金绩效持续性的绩效二分法。

  关于绩效二分法的检验，可以根据交叉乘比率和列联表方式下的卡方独立性检验进行统计检验。这种方法在实际的基金投资中用得并不很多，因此这里不作详细介绍。

• 回归系数法

  回归系数法一般将整个样本期分为相等的两个子样本期，分别计算前期绩效指标和后期绩效指标，然后对前后期绩效指标进行回归分析并进行回归系数的t检验。当回归系数为正时，表示前后期绩效指标具有正相关关系，即基金绩效具有持续性。当回归系数为负时，则表明基金绩效不具持续性。

• 斯皮尔曼等级相关系数检验法

  斯皮尔曼(Spearman)等级相关系数又叫“秩相关系数检验”、“顺序相关检验”，是一种较简易的、不十分精确的指标之间相互关系的测定方法，是一种非参数分析方法。等级型或半定量的数据，不宜使用线性相关回归分析，就需要使用斯皮尔曼等级相关系数检验法。

  斯皮尔曼等级相关系数检验法，是将基金的整个样本期分为两个相等的子样本期，分别计算前期和后期的绩效指标，并将基金前后期的绩效进行排序，用斯皮尔曼等级相关系数检验前后期基金绩效排名顺序是否有变化。

  斯皮尔曼等级相关系数的计算公式为:
  $$r_i=1-6\sum _{k=1}^n\frac{d_{ki}^2}{n(n^2-1)}$$

  $r_i$为基金$i$的斯皮尔曼等级相关系数；

  $n$为子样本的样本个数；表示基金$i$的两个子样本期内相应变量的排名之差。
  对相关系数进行检验，如果斯皮尔曼等级相关系数显著大于0，即前后期绩效排名具有显著正相关关系时，则表明基金绩效具有持续性；反之，基金绩效不具有持续性。

• 基金绩效归属分析

  基金的业绩有多大程度是来自于基金经理人高超的投资技巧及选择证券的能力，有多大程度来自于对投资风险的补偿，这就是绩效归属分析所要回答的问题。

  1972年提出的法马分解模型最突出的贡献在于提出了净选择收益的概念。

  这项指标综合考虑了基金所承担的系统风险和未完全分散的非系统风险，将基金的实际收益与所承担的全部风险进行比较，得到了对投资绩效更加细致和准确的评价结果。但是由于法马分解模型完全建立CAPM模型之上，因此，法马模型的有效性也完全依赖于CAPM模型的检验。

• 法马对基金总超额收益率的分解

  法马(1972)将基金的超额收益率分解为“选择收益率”和“风险收益率”两个组成部分:
  $$R_i-R_f=(R_i-R_{{\beta }_i})+(R_{{\beta }_i}-R_f)$$
  该表达式说明:$超额收益率=选择收益率+风险收益率$。

  $R_i$表示基金i的净值增长率；

  $R_f$为无风险收益率；

  $R_{{\beta }_i}$表示证券市场线(SML)上与基金i具有相同系统风险组合的收益率

  在法马分解模型中，$R_i-R_{{\beta }_i}$是基金收益率超过和基金组合具有相同系统风险的波动组合收益率的部分，即詹森指数，该部分收益率是不能为基金系统风险和市场风险溢价所解释的收益。

  既然该部分收益不能为风险所解释，它就被称为基金的股票选择收益率；

  $R_{{\beta }_i}-R_f$表示基金的风险收益率，它给出了基金组合由于承担系统风险而获得的风险补偿收益。

• 选择收益率的分解

  选择收益率被法马进一步分解为“可分散收益率”与“净选择收益率”两部分。

  为获得较高的收益率，基金经理通常会放弃一些分散性，即以提高可分散性风险为代价，这样基金的可分散风险就会较高。

  我们知道基金的总风险是系统风险和非系统风险之和，因此总风险总是大于系统风险，根据CML计算出的基金$i$在总体风险水平${\sigma }_i$下的期望收益为$R_{{\sigma }_i}$，根据定义它是与可分散风险相匹配的要求附加收益率，即可分散收益率。而$R_i-R_{{\sigma }_i}$就是净选择收益率。

• 风险收益率的进一步分解

  如果投资者对基金设置了目标风险水平，那么在基金的总体风险中，一部分风险就可以被看做是投资者(目标或属意)风险，另一部分则可以看做经理人(附加或额外)风险。

  投资者风险收益率($RI$)等于投资者目标风险(${\beta }_i$)下的期望风险收益:$R_I={\beta }_I(R_m-R_f)$

  经理人风险收益率()等于总体风险收益率与投资者风险收益率的差值:$R_M=({\beta }_i-{\beta }_I)(R_m-R_f)$

  假设基金经理人将组合的风险水平设定为${\beta }_i$，而投资者愿意承担的风险水平为${\beta }_I$。一般来说，投资者比基金经理更厌恶风险，因此可以认为${\beta }_I<{\beta }_i$。投资者期望的风险溢价收益率可以表示为$R({\beta }_I)-R_f$，这是基于投资者愿意承担的风险水平下的期望收益率，即投资者风险收益率。基金的风险收益率$R({\beta }_i)-R_f$减去投资者愿意承担的风险的收益率$R({\beta }_I)-R_f$的剩余部分$R({\beta }_i)-R({\beta }_I)$，就是基金经理人风险收益率。

---

• References

1. 华南理工大学 7.6 基金绩效分析