论文部分内容阅读
随着资本市场的不断发展，股票指数编制理念从标尺功能逐步进化到投资功能，2014年以来不断推出的兼顾互联网、大数据和量化分析属性的大数据指数就属于投资策略指数，以大数据指数为比较基准的指数基金则具备主动投资和被动投资的双重特征，因此本文对大数据基金的绩效评价从指数选股择时和基金跟踪误差两方面来展开。 本文首先比较分析我国2015年2月之前成立的5个大数据指数的编制方案，研究发现大数据指数在样本股选择方法上对传统指数编制方法进行了新的探索和革新，与常规指数选择对特定的某一类风险敞口进行指数化不同，大数据指数是综合财务因子、市场驱动因子和大数据因子进行量化建模选股。不同的大数据指数数据源不同，主要包括搜索数据、财经舆情数据和电商交易数据。此外，不同于市值加权型常规指数，大数据指数多以等权重为编制方式，样本股调整频率也高于普通指数，通常是每月调整一次。 其次，本文研究大数据指数的选股择时能力，选股能力是指大数据指数能选取被低估的样本股，择时能力是指大数据指数样本股能预测市场风格的变化，研究方法上采用T-M、C-L和Busse波动单因素和结合Fama-French的三因素模型对中证腾安价值100指数、中证百度百发策略100指数、大数据100指数、数据300指数和中证淘金大数据100指数在2014年7月01日-2016年9月02日536个交易日内的选股择时能力进行实证分析，结果表明:基于CAPM的选股择时模型对大数据指数也适用，面板数据回归显示大数据指数整体具备一定的选股能力，不具备收益择时能力但具有显著的波动择时能力;对各个指数时间序列的回归结果显示中证腾安价值100指数、中证百度百发策略100指数、大数据100指数基本上具备正的选股能力，大数据300指数不具备选股能力，中证淘金大数据100指数具备显著的正选股能力;中证淘金大数据100指数的择时能力最好，其次是中证百度百发策略100指数、大数据100指数和中证腾安价值100指数，大数据300指数在观察期内基本没有表现出择时能力;分阶段回归结果显示大数据指数在熊市和调整时期选股择时能力比牛市要好。 最后，本文采用跟踪偏离度波动率、绝对平均偏差和回归模型分析三种方法对大数据基金封闭期结束后至2016年9月2日的跟踪误差进行研究，实证发现大数据基金的日跟踪误差都控制得较好，观察期包括2015年6月股灾的大数据基金年跟踪误差不理想。另外，大数据基金的跟踪目标比以往的指数基金或者ETF的跟踪目标范围要大，说明大数据基金本身的风险比较大。