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》