matlab 基金业绩归因,基金专题报告:基于净值和持仓的基金业绩归因方法研究...

核心观点:

当前主流的基金业绩归因方法主要有两个方向:一是基于净值数据的时间序列回归方法,所需数据较少且操作简单,主要通过基金历史收益率与风险溢价因子收益率进行回归来分析,二是基于持仓数据的归因方法,所需数据较多且获取难度大,但归因结果更为详细准确。

基于净值的业绩归因模型包括选股择时模型和以Fama 三因子模型为代表的系列多因子模型等,基于持仓的业绩归因包括brinson 模型和多因子模型,其中brinson 模型是自上而下从持仓的不同类别资产出发,将超额收益分解为大类资产配置效应、行业配置效应和个股选择效应;多因子模型是自下而上从持仓个股出发,利用股票之间的共性(风格)和个性(风格差异),将基金业绩归因到不同的风格,本文对业绩归因的主流方法的思想进行全面的梳理,并以2 只股票型基金为例,在预设的假定条件下,进行了较为完整的应用分析。

通过对2 只股票型基金的归因示意,基于净值的归因方法,基金A 的选股能力突出,偏好小盘成长股,风格较为稳定,基金B 选股择时能力不显著,整体偏好中盘成长股,风格较为多变;基于持仓的归因方法,从brinson 归因来看持仓中超配或低配比例较高的行业对行业配置和选股效应影响显著,从barra 多因子归因来看基金A 比基金B 的小市值风格更为明显,这一结论与基金净值的归因结果相呼应,同时Barra 多因子归因也是对基于净值的风格归因更为详细的补充。

业绩归因可以帮助研究者识别基金的超额业绩主要来源于哪些因素的贡献,利用不同数据的归因方法各有优劣势,本文阐述的归因方法更适用于分析偏股类的基金。

风险提示:模型失效风险,历史数据不代表未来。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【课程简介】 本课程适合所有对金融知识和MATLAB感兴趣的同学,通过本课程,你不仅可以学习到如何应用MATLAB,还可以学习到如何使用MATLAB进行金融数据处理与金融数据分析 【完整课程列表】 基于MATLAB的金融数据分析 金融MATLAB-第01,02章 金融市场与金融产品 MATLAB基础知识(共47页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第03章 MATLAB与Excel文件的数据交换(共41页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第05章 贷款按揭与保险产品 现金流分析案例(共44页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第06章 随机模拟 概率分布与随机数(共33页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第07章 cftool数据拟合 GDP与用电量增速分析(共22页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第08章 策略模拟 组合保险策略分析(共32页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第09章 KMV模型求解 方程与方程组的数值解(共31页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第10章 期权定价模型与数值方法(共23页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第12章 马克维兹均值 方差模型(共19页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第13章 投资组合绩效(共22页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第17章 固定收益证券的久期与凸度(共12页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第18章 利率的期限结构(共7页).ppt 基于MATLAB的金融数据分析 金融MATLAB-第22章 技术分析 指标计算与绘图(共8页).ppt
问题一:ARMA模型建模与预测 确定性趋势是时间序列在一个较长的时期内,受一种或多种确定性因素影响而表现出 的某种持续上升或持续下降的趋势。确定性趋势可通过适当的数学模型进行拟合。 现有1981年至2010年中国原油消费量数据,如表1所示,请根据数据完成下列问题。 表1. 1981~2010中国原油需求量数据 年份 "1981 "1982 "1983 "1984 "1985 "1986 "1987 "1988 "1989 "1990 " "需求 "8321.4 "8244.2 "8369.2 "8637.1 "9169.3 "9728.0 "10312.2 "11092.7 "11583.5 "11485.6 " "年份 "1991 "1992 "1993 "1994 "1995 "1996 "1997 "1998 "1999 "2000 " "需求 "12383.7 "13353.8 "14721.3 "14956.0 "16064.8 "17436.7 "19691.6 "19817.5 "21072.9 "22439.4 " "年份 "2001 "2002 "2003 "2004 "2005 "2006 "2007 "2008 "2009 "2010 " "需求 "22838.3 "24779.5 "27126.7 "31699.9 "32535.4 "34875.6 "37157.2 "38862.8 "41518.3 "43413.2 " " 问题1:绘制出时序图,根据时序图的形状,采用相应的时间系列模型拟合趋势; 问题2:对剔除趋势后的序列,判断其平稳性,运用Box- Jenkins方法建立适当的ARMA(p, q)模型,并能够利用模型对未来3年(2011~2013)中国的原油需求量进行预测。 问题二:ARIMA模型建模与预测 季节ARIMA模型是指将受季节影响的非平稳时间序列通过消除季节影响转化为平稳时 间序列,然后将平稳时间序列建立ARMA模型。 现有杭州市2003年至2010年季度餐饮业总收入数据,如表2所示,请根据数据完成下 列问题。 表2. 2003~2010季度餐饮业数据 季度 "收入 "季度 "收入 "季度 "收入 "季度 "收入 " "2003.S1 "65355 "2005.S1 "87996 "2007.S1 "96992 "2009.S1 "98000 " "2003.S2 "98012 "2005.S2 "129512 "2007.S2 "97751 "2009.S2 "140215 " "2003.S3 "100972 "2005.S3 "130374 "2007.S3 "111372 "2009.S3 "167985 " "2003.S4 "89514 "2005.S4 "115859 "2007.S4 "97289 "2009.S4 "133300 " "2004.S1 "76631 "2006.S1 "97669 "2008.S1 "77815 "2010.S1 "108376 " "2004.S2 "113638 "2006.S4 "139511 "2008.S2 "129480 "2010.S2 "186464 " "2004.S3 "135827 "2006.S4 "145157 "2008.S3 "143200 "2010.S3 "197288 " "2004.S4 "122330 "2006.S4 "121908 "2008.S4 "138128 "2010.S4 "175345 " " 问题1:绘制出时序图,根据时序图的形状,采用相应的方法把周期性的非平稳序列平稳 化; 问题2:对经过平稳化后的杭州市2003年至2010年季度餐饮业总收入序列运用Box- Jenkins方法建立合适的ARIMA(p, d, q)模型,并能够利用此模型进行未来1年(2011)四个季度旅游收入的短期预测。 ----------------------- 金融数据分析-课程报告全文共1页,当前为第1页。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值