中国的基金市场经过十几年的发展,规模不断扩大,公募投资基金已经成为资本市场上重要的投资工具。截止2017年,根据Wind资讯的数据,全国已发行公募基金的基金管理公司达到115家,全部基金数量达4500余只,规模总计超过9万亿。根据中国基金业协会的规定,开放型股票型基金是值基金的投资标的中股票类资产所占投资总额不低于80%的基金,而根据Wind基金分类,普通股票型基金是指股票型基金中除去被动指数型基金和增强指数型基金的基金。普通股票型基金作为曾经市场上最热门的投资品种,近年来,无论是从产品种类、基金净值总额等尺度上比较,都弱于混合型基金和债券基金;然而,普通股票型基金作为公募投资基金中最传统的基金类别,长期以来被个人和机构投资者作为投资标的,那么寻找合适的方法准确的判断该类基金的绩效表现的重要性不言而喻。传统上而言,对于普通股票型基金的个体绩效评价实证研究主要采用三类方法:单因素风险-收益率方法、多因素风险-收益率方法和VaR、ES、DEA、Bootstrap等无基准基金绩效评价方法。事实上,目前国内无论是学术界的实证、还是业界广泛使用的评价指标,仍然聚焦于前两类方法。詹森指数作为经典的单因素基金绝对绩效评价指标之一尽管因为容易理解和坚固的金融学基础被广泛使用,然而在实际使用过程中发现,其缺陷在于指标的生成过度依赖对数据的取样、描述性统计和回归,其不可避免的存在样本数据选择偏差、数据过拟合、估计过程中只考虑基金个体时间序列信息而遗漏基金总体的横截面信息造成估计误差偏大等问题。因此,如何选择更好的评价方法改进传统詹森指数存在的这些问题成为当务之急。通过阅读国内外有关詹森指数改进的文章发现,国外学者提出了一类改进的詹森指数模型——随机詹森指数模型。随机詹森指数模型建立在多因素詹森指数模型的基础上,其核心是:首先,尝试对样本基金总体的绩效表现进行刻画和评价;之后,运用该信息对单个基金的绩效表现进行修正。通过将基金总体的风险-收益率信息纳入对单个基金的绩效评价,其可提高评价时的信息利用量,从而避免单一基金评价结果过拟合情况,降低估计误差等问题,使得经典詹森指数的适用性得到加强。因此,本文尝试使用该模型对普通股票型基金进行实证研究的探索。本文选取125只普通股票型公募基金的2014年2月至2017年2月的36个月度收益率数据,使用传统詹森指数模型和随机詹森指数模型分别进行了基金绩效评价的实证研究,比较了两种模型对基金总体、基金个体的绩效评价结果,得到结论:随机詹森指数模型较传统詹森指数模型可以更有效地捕捉基金总体的詹森指数特征;在对于单个基金绩效评价方面,其利用捕捉的样本基金总体的詹森指数信息改进单个基金的詹森指数估计结果,有效降低单个基金詹森指数的估计误差,提升单个基金绩效评价结果的有效性,并防止数据过度拟合。本文还对随机詹森指数模型的实证结果进行了金融学解释并尝试总结实证研究中该模型的应用特点。