20251118-上海证券-统计学方法在业绩评价中的全新应用_基金评价新视角_31页_2mb

证券投资基金专题报告（摘要）

基金评价新视角：统计学方法在业绩评价中的全新应用

• 背景：公募基金快速发展，业绩评价体系需更具科学性以保障投资者利益。《推动公募基金高质量发展行动方案》强调业绩基准的重要性，推动基金业绩评价面临更高挑战。
• 研究目的：
  1. 验证国内主动权益基金经理是否具备投资超额能力。
  2. 分析基金业绩评价体系的潜在错误（错选/漏选）。
• 主要方法：
  • 第一篇：基于Fama&French(2010)的横截面超额检验方法，结合本地数据改进（异方差自相关一致性HAC协方差估计、分块Bootstrap重抽样等）。
  • 第二篇：采用Harvey&Liu(2020)的多重假设检验框架，提出"数据驱动型"指标评价体系，计算错选率（FDR）、漏选率（MISS）及相对比率（ORATIO）。
• 核心发现：
  1. 国内权益基金超额能力：
     • 权益基金显著存在产生正超额的产品，超额收益来源主要为选股能力而非风格择时。
     • 风险调整超额（三因子模型）优于超越基准收益指标，反映纯粹选股能力。
     • 中国市场有效性较低，导致基金能够持续产生超额收益。
  2. 基金业绩评价中的多重错误问题：
     • 常见业绩指标存在错选率远高于漏选率的特征，需优先控制错选。
     • 不同指标错选率与漏选率差异显著，如上行捕获比率和择时能力指标错选率高达80%，而Calmar指标漏选率较低。
     • 错选与漏选表现为相互制衡关系，阈值选择需平衡。
  3. H-L方法优势与挑战：
     • 直接聚焦样本内数据，因其表现结构与分布构建指标体系，是"数据驱动"方法。
     • 计算量大且依赖数据样本，需进一步优化。
• 研究启示：
  • 基金业绩评价应以历史数据为基础，选择稳定有效的业绩指标。
  • 统计学与前沿理论的融合有助于提高基金评价的深度与精度，推动行业健康发展。

结论：国内权益基金具有持续正超额能力，优秀基金经理可带来长期回报；基金择时难度大，选股能力更关键；H-L框架为业绩评价提供扎实统计依据，但需进一步优化可扩展性。