作者：梁邦龙 林杰
来源：《科技创新导报》 2012年第23期
梁邦龙 林杰基金赎回要几天
(同济大学经济与管理学院 上海 200092）
概 述:基于基金公司投资数据库详细的持仓和交易数据,本文的多期Brinson模型将有效解决基金绩效评估中的多项重要难题。采用常规Brinson模型可以将超额收益再分解为超额资产配置收益、超额个股选择收益以及交互收益三个部分,采用以交易日为单位的单期计算,可以解决积极型股票组合的持仓变化问题,本文采用的多期技术可以对组合资产中的各细分资产进行多期收益的深入分解。
关键词:
中图分类号:G71 文献标识码:A 文章编号:1674-098X(2012)08(b)-0185-02
1 引言
基金绩效评价是国内基金业当前的重要研究课题。基金组合,尤其是开放式积极管理型基金组合的持仓通常会处于较为频繁的变动之中。一方面,基金经理会根据市场趋势进行主动性投资操作;另一方面,来自客户的频繁申购、赎回基金也对基金组合产生非常大的冲击,基金经理将不得不根据申购赎回量买卖股票,而且申购赎回资金的流动会直接导致持仓股票权重的变动。因此,合理客观地评价旗下基金的投资绩效,一方面可以为内部投资研究提供事前、事中支持与事后业绩考核;另一方面也可以向客户展现更有说服力的投资业绩,使其对基金管理团队的运作绩效有更深层的认识。本文将提供一个基于现实基金绩效的实证分析,对基金经理的管理能力进行详细分析,以期为国内基金企业、金融资产管理企业和其它买方机构在投资组合绩效评估工作的推进和完善上做出贡献。
2 国内外研究现状
绩效归因分析的本质是将基金组合的实际绩效与一个市场基准(Benchmark）的收益进行比较,同时,将两者之间的差额分解成几种“效应”,比如资产配置效应和个股选择效应。
海外学者对于投资决策数量化模型的研究时间也不长,但迄今为止,已经发展出几种较为实用的多期数量化投资策略与绩效归因处理方法。目前的几个研究共识是:根据Brinson模型的四个概念性组合[1、2],对于投资组合层面(不对资产进行细分）的多期归因存在精确解;对应类别资产(行业）或者个股层面则不存在精确解。Brinson模型可以在任意时间段内,比如1天、1个月,进行相应计算,然后,再将所有时间段内
的单期进行汇总计算。很明显,对于买入持有组合而言,由于持仓组合在各期没有变化,多期归因可以简化为一个单期进行计算。但基于交易(Transaction Based）组合的绩效归因就需要根据真实交易和现金流量数据采用合适的模型进行计算。之所以不能将一个多期简单地看成一个单期,原因在于在多期,积极管理型基金投资组合的持仓必然发生变化,对于开放式基金产品而言,这个单期通常是以天计算,其中的原因一方面来自于投资经理的频繁操作;另一方面也源于投资者申购、赎回份额对原有持仓权重的改变。由此可见多期归因分析对现实中的投资组合绩效评价的重要意义。
投资组合层面的多期处理技术的基本原理在于将总超额收益按照一定的算法归因于资产配置、个股选择和交互收益三种效应中去。Burnie,Knowles,and Teder (BKT,1998)[3]提出了一种被成为几何归因法的方法,他们重新定了归因效应的表达式:
并从Brinsion四个概念性组合角度入手提出基金层面的各种效应可以直接用四个概念性组合的复合收益乘积之差来表示。国内董铁牛(2008）[4]、周少甫(2009）[5]等人对这些方法做了进一步研究。对于一个买入持有策略的组合而言,多期的归因分析仍然可被视为一个单期进行处理,但对于一个积极型投资组合而言,需要构建合适的多期归因方法。因此,本文将给出一种基于即时交易(每天）数据的归因模型,该模型可以广泛运用于基金公司、证券公司、保险公司、资产管理公司等机构的投资评价,并为投资交易策略仿真与风险试算,乃至整个投资过程中的各个环节,提供基于数据仓库技术的决策支持应用模型。
3 基于交易的多期BRINSON模型
基金层面的多期归因可以采用多种准确计算方法来处理。但是,如果要评价基金经理再细分资产,比如行业和个股上的超额能力就需要用到类别层面的多期归因方法。本文对Burnie,Knowles,and Teder提出的方法进行拓展,使其可以用于类别资产层面的归因分析。
用这种方法不仅可以与单期Brinson模型一样的思路来计算基金层面的资产配置收益、个股选择收益和交互收益,更重要地可以将归因分析分解到细分组合资产维度,比如行业或者个股。
4 基于真实基金组合的实证分析
本文将采用上述多期归因模型对某基金公司旗下的趋势投资基金进行绩效归因分析,以展示多期归因模型如何在实际的基金绩效评估工作中发挥重要作用。本文提出的这种计算收益和权重的方法可以使得基金绩效的分解真正分解到最细分的维度上,如个股。以下将基于趋势基金(AA基金）投资数据库中的详细持仓和交易数据,对其某一年的绩效归因分解进行实证分析。AA基金为股票型基金,该年晨星公司评价为5星级,该年累计净值增长率为160.43％,以下基于AA基金的每日交易数据进行年度绩效归因分析。基于多期归因模型,本文提供一个包括大类资产、行业资产、以及个股绩效分解框架。
首先,对大类资产的绩效进行分析如下:
该基金年度总收益6.4亿元,贡献度163.36%(误差3.02%),其中股票收益接近5.89亿,贡献度为152%。权证和可转债投资贡献分别为6.75％和4.68％。其中,权证绝对收益小于可转债,但贡献度较大,原因在于股改权证贡献较大时,基金份额相对较小。这里有个特别的现象,就是通过类别资产甚至个股绝对绩效和相对绩效的对比还可以反映出该类别资产在总基金净资产的份额变化(图1)。
其次,进一步分析该基金的行业绩效。行业分类采用证监会行业分类,不过需要强调地是,本文分析中对可转债(包括可分离债）、权证与相应地正股都归于同一行业,这样可以真实反映整个行业贡献。趋势基金行业贡献特征表现为:金融、机械设备和金属(钢铁）行业的贡献度非常高,分别超过了30%,在一个完整年度内,整体而言,行业贡献较为平均。
再次,进一步分析趋势基金的个股贡献(图2):
上图个股贡献分析中仅列示统计了贡献度为5%以上的个股,当然,正股对应的相应转债、(认购、认沽、认股）权证等类别贡献都包括在股票收益中。根据多期绩效分析结果,招商银行、五粮液这个品种的贡献度分别为18.10％和15.34％,其次,是双汇、金发、浦发、金融街、柳工、中企、民生、武钢和重机,这些品种的贡献度在5%～7%之间。上述品种的累计贡献度为80.333%,占总贡献度的49%。
最后,基于交易的多期Brinson模型进行运用拓展。通过这一个准确、细分到股票维度,基于交易日的多期Brinson归因分析框架,可以准确地度量基金组合在任意时间段内的细分资产贡献度、并将超额收益分解到个股层面,从而便于内部绩效评价与投资参考。
作者还认为该模型的重要意义并不局限于此,先前的学者通常会基于基金公司的季报数据进行相应绩效分析,包括BHB等人也是基于季报数据对基金绩效进行回归分析,季报数据存在明显的数据遗漏,因此,基于交易的多期Brinson模型的运作,可以方便研究人员用交易日数据用于基金的纵向(如10年）和横向(比如旗下不同基金之间）数据研究的各种模型之中,这包括围绕BHB等人的对资产配置能力的争论的解决;基于各种风格的基金绩效分析,本文可以根据自身需要对组合进行维度分解,如基于价值/成长因子、趋势/反转因子等,这将极大地丰富基于因子特征基金绩效分析研究成果。
5 结语
基于基金公司投资数据库详细的持仓和交易数据,本文的多期Brinson模型将有效解决基金绩效评估中的多项重要难题。本文研究的投资数据库模型与业务模型均有较高的现实意义,不仅可以广泛运用于基金公司、保险公司、资产管理公司等买方机构的内部绩效评价,还可以便于研究人员将交易日数据用于基金的纵向和横向数据研究的各种模型之中。
参考文献
[1] Brinson G P,Randolph H L,Beebower G L.Determinants of portfolio performance [J]. Financial Analysts Journal,1986,(July~August):39-44.
[2] Brinson G P,Singer B D,Beebower G L.Determinants of portfolio performanceⅡ:an update[J].Fin
ancial Analysts Journal,1991,(May～June):40-48.
[3] BurnieJ.Stephen,James A.Knowles,and Toomas J.Teder.1998.Arithmetic and Geometric Attribution.Journal of Performance Measurement 3 (No.1,fall):59-68.
[4] 董铁牛,杨乃定,邵予工.中国开放式基金投资风格分析[J].管理评论,2008(7).
[5] 周少甫,中国股票型基金季度内不可观测行为研究.中大管理研究,2009(2).
发布评论