论文部分内容阅读
随着我国开放式股票型基金的不断发展,开放式股票型基金越来越受投资者的青睐,投资者往往将资金投资于历史绩效表现优良的基金,但基金的绩效表现究竟如何则需要构建一个合理、科学的绩效评价体系。本文采用数据包络分析方法(Data Envelopment Analysis,DEA)中的Super-SBM模型,通过建立合理的投入指标和产出指标,对基金的绩效进行评价分析。基于此,本文主要进行了以下方面的研究:一方面,通过GARCH模型计算基金的风险价值VaR,从而更加合理地度量基金的损失风险,并通过用VaR取代夏普比率中的标准差得到经VaR调整后的夏普比率,用以衡量单位损失风险的超额收益;另一方面,构建合理的投入产出指标,将VaR、标准差作为投入的风险因子,将管理、托管费率作为投入的费率因子;将股票集中度和行业集中度作为投入的资产配置因子;将单位净值对数收益增长率和经VaR调整后的夏普比率作为产出指标,最后运用DEA模型中的Super-SBM模型进行分析,并与DEA模型中的BCC模型进行对比。研究数据将选取50个具有代表性的开放式股票型样本基金基金,将评估期定为2015-2017年,并运用2016-2018年的数据对2019年的绩效进行预测,经分析得出的主要结论为:(1)DEA分析方法较传统评估方法更适合分析基金的绩效。(2)Super-SBM模型能对BCC模型下效率值为1的基金进行区分排序。(3)相对无效基金通过冗余改进可以达到相对有效状态。(4)根据2015-2017年的数据得到的结果显示,开放式股票型基金当中的华润元大富时中国A50、中银中证、工银全球精选股票(QDII)、广发中证500ETF、银华全球优选(QDII-LOF)、圆信永丰优加生活、博时标普500ETF这7只基金相对有效,同时在预测期也达到了有效状态,综合来说较稳健,投资者可依据自身的需求选择参考。本文的创新之处在于:第一,进行了指标改进,利用在险价值VaR调整后的夏普比率作为产出指标,即以损失风险替代用标准差衡量的上行和下行风险,得到VaR改进后的夏普比率,解决了传统夏普比率中的标准差不能衡量单纯的损失风险的问题。第二,运用Super-SBM模型构建输入输出指标进行分析,解决了冗余问题,也解决了常规DEA效率模型下不能区分多个效率值为1的基金的问题。