20210525-中泰证券-金融工程报告_有效挑选优秀基金_通过辨别_运气_实力__18页_642kb

有效挑选优秀基金：通过辨别“运气”与“实力”

核心内容

本报告探讨了如何通过“真实力”指标有效挑选优秀基金，区分基金经理的“运气”与“实力”。传统的Alpha指标在评估基金经理时存在局限，如统计估计偏差、不同时间段获取Alpha的方式不同等，因此提出一种基于残差重抽样的新方法，以更准确地衡量基金经理的业绩是否源于“实力”而非“运气”。

主要观点

• Alpha的局限性：Alpha虽然常被用来衡量基金经理的超额收益，但其数值容易受统计误差和不同时间段影响，无法准确反映基金经理的真实能力。
• “运气”与“实力”的定义：
  • “运气”：指基金的超额收益可能是由于短期市场波动或个别事件带来的，不具备持续性。
  • “实力”：指基金经理的业绩表现稳健，具备可持续性，能够在不同市场环境下持续创造超额收益。
• “真实力”指标：该指标通过比较基金的t统计量与“运气”参照分布的99%分位数，来判断基金的业绩是否由“实力”驱动。指标值越高，说明基金业绩越可能由“实力”带来。
• 模型的改进：报告提到，该模型在准确性和实用性方面有重大改进，适用于实际投资决策，并附带了R代码供参考。

关键信息

指标构造思路

1. 使用Fama French五因子模型：对基金的每日收益进行回归，得到残差序列。
2. Bootstrap重抽样：对残差进行有放回的随机抽样，生成多个虚拟收益序列。
3. 计算t统计量：对虚拟收益序列再次进行回归，计算t统计量，用于衡量基金经理的“运气”。
4. 构造“真实力”指标：将基金的真实t统计量减去“运气”参照分布的99%分位数，得到“真实力”指标。

模型效果

• IC系数：对普通股票型基金，前5%基金的“真实力”指标与下一年收益率之间的IC系数较高，表明模型具有一定的预测能力。
• 样本选择的重要性：只有选择收益表现相近的基金作为样本，才能有效构造“真实力”指标，避免分布估计偏差。

模型的适用性与局限性

• Bootstrap方法的优势：由于基金收益残差分布复杂，非正态性显著，Bootstrap方法能够更好地捕捉基金间的相关性和异方差性，提供更准确的统计推断。
• 局限性：模型基于历史数据，存在数据滞后性、第三方数据准确性风险，以及历史规律可能失效的问题，因此仅作为分析参考。

模型的实际应用

• 适用场景：适用于FOF（基金中基金）组合的构建，帮助投资者挑选具备“实力”的基金，避免“运气”成分。
• 操作步骤：
  1. 对基金收益进行Fama French五因子回归。
  2. 对残差进行Bootstrap重抽样，生成虚拟收益序列。
  3. 计算虚拟收益序列的t统计量，构建“运气”分布。
  4. 比较基金真实t统计量与“运气”分布的分位数，生成“真实力”指标。
  5. 根据“真实力”指标进行基金排序，选择表现优异的基金。

风险提示

• 数据风险：本报告基于公开历史数据，可能存在滞后性和第三方数据不准确的问题。
• 模型风险：模型基于历史数据和统计方法构建，存在局限性，不能完全准确地刻画现实环境或预测未来。
• 历史规律失效风险：模型依赖于历史规律，但在极端市场情况下可能解释力不足。
• 投资风险：基金投资存在市场风险，需谨慎评估，模型结果仅作为参考，不构成投资建议。

结论

“真实力”指标是一种有效的工具，用于区分基金经理的“运气”与“实力”，并为基金选择提供更科学的依据。该模型通过Bootstrap方法处理基金收益的非正态性和异质性，具有较高的实用价值，但需注意其局限性和数据风险。