|
业绩归因到底是个啥 一般来讲，基金/FOF的绩效评估由绩效衡量、绩效归因和绩效评价三部分构成。 业绩归因（绩效归因）是把组合的收益归结到一系列风险因素上，只有找准了风险暴露点并确定其暴露程度，才能对投资规划进行调整的时候做到有的放矢，根据投资组合在各共同因素的风险属性，调节风险，以符合投资策略。 同时，这些因素最好彼此无关。说最好是因为，经济金融的世界没有什么因素是完全独立的，即便从哲学的角度讲，事物也是普遍联系的。退一万步讲，假设上帝给了我一系列相互无关的风险因素，业绩归因的分解也是仁者见仁，智者见智，需要依据你对风险的理解来拆分成你认为合适的因素。 业绩归因有啥作用 （1）知己：全面而透彻的了解驱动组合的因素，并动态评估驱动组合风险因素，动态调整策略。没有业绩归模型就没有广义上的对冲操作，即根据对风险因素表现的动态评估，通过加强或减弱某些因素来缓释组合的风险。 可能有人会说：“哥，是不是写错了，加强某些因素怎么会缓释风险？？”因为对组合而言，各个风险因素不完全是独立的，如果两种因素负相关，我们可以通过增加一种而间接的降低另一种。 可惜的是，据我所见，国内的资管公司对业绩归因模型的应用也只是处于初步阶段，很多公司对某类风险因素的暴露点和暴露程度仍处于糊涂帐的阶段，尤其组合期限一长，再加点杠杆之后，那就基本没啥概念了。宝宝心里好苦！！ （2）知彼：业绩归因模型本身也可以是进攻性武器，除了可以评估并改进自己组合的风险源之外，你也可以用它猜测对手的主要风险源。 如果在一段时间里，当大部分源都比较稳定，而收益主要归结于1-2个风险源之后，比较你的对手和你的组合，你大概可以猜测出在这1-2个源上你对手是比你高配还是低配。哇！原来哥也是神算子耶！！ 基金业绩归因的两种常用方法 一般来说，对基金的风格归因进行评价的回归方法主要有两种：基于收益（Return-Based）的时间序列回归法和基于持仓（Holding-Based）数据的横截面回归法。 表 1 业绩归因的两种常用回归方法比较 基本观点： （1）收益具有结构性：历史收益率是结果，是能力与运气叠加的结果。运气部分不具有持续性，能力部分具有一定的持续性。
（3）评价具有不确定性：评价基金经理的优劣，不是一件具有完全确定性的事。换言之，你必须在不完整、夹杂噪音的信息条件下做出相对准确的判断。即使是最有辨识能力的专业人士，也很少能100%地判断两位基金经理孰优孰劣。统计学的论断应该具有“经理A的能力大概率优于（或显著优于）经理B”的形式。
风靡全球的Barra的风格因子 如今最流行的风格因子就是Barra的风格因子：市场Beta、价值因子、红利因子、成长因子、财务杠杆因子、流动性因子、动量因子、规模因子、波动因子等。 如果用这套风格因子对基金的业绩进行归因与评价，有四点是值得引起注意的： （1）风格因子指数必须相互正交（不存在线性相关），最简单的例子就是将风格指数分为大盘股指数和小盘股指数。 （2）风格因子指数是完备的，像“大盘成长”、“小盘价值”这样的分法就是不完备的。 （3）风格因子指数必须分别代表独立的风险来源，即不存在多重共线性。 （4）基金净值数据必须准确和完整。 动静很大的横截面回归 Grinold（2006）提出了基于持仓数据的横截面回归模型： 其中： H：投资组合在某个时点的主动持仓（相对基准的权重），为N*1的向量； F：风格因子组合在某个时点的实际持仓，为N*K的矩阵；其中，F的每一列分别代表了某个特定因子组合的持仓头寸。风格因子组合，也称为因子模拟组合 （Factor Mimicking Portfolio，FMP），它是理论上构造出来的特定组合，在某个特定因子上暴露为1个单位，而在其他因子上暴露为0； β：投资组合相对于因子组合的暴露水平，为K*1的向量； u：无法被因子组合解释的部分，被认为是主动投资管理能力。 注： （1）在参数上估计方面，当心数据挖掘偏差（Data-mining Bias）所带来的过度拟合现象（Overfitting）。 （2）当心利用特定时间段偏差（Time-period Bias）产生的样本选择偏差问题。 分享者，快乐者！如果本文对您有帮助，请不吝转发！转载请注明来自星潮FOF（微信号：myfof999） |
|
|
来自： zhouxl0314 > 《文件夹1》
