我国开放式股票型基金投资风格识别及漂移风险研究

论文摘要

20世纪80年代后,世界证券投资基金业得到了快速发展,开放式基金更是步入了爆炸性的飞速发展时代。资本市场的成熟发展也推动了基金业的繁荣,随着基金产品的持续大量发行,特别是开放式股票型基金规模的上升,为全球基金业创新发展打开了空间。截至2010年底,全球开放式股票型基金数量己超过30000只,我国己成立61家基金公司,共管理开放式基金708只,其中股票型基金就达672只。开放式股票型基金已经成为我国资本市场上重要的机构投资者,也是促进资本市场健康发展的重要工具。美国基金市场的发展经历了从混乱到有序,从有序到有效的过程。在基金产品开发发行方面,经历了从提供理财服务转向提供产品与提供理财服务相结合的过程；在收益目标方面,基金购买者经历了从追求超额收益转向追求满意收益,再到追求风险收益的过程；在投资策略方面,经历了从依赖基金经理个人能力转向依赖投资风格策略。在当今西方发达资本市场中,基金投资风格理念与策略已逐渐被完全接受。我国基金业未来的发展如何在基金产品设计与投资风格理念上走向世界的前列?本文通过对我国开放式股票型基金的投资风格漂移现象进行系统研究,来为我国基金业的未来发展、规范基金产品的设计提供理论指导。国外对基金投资风格漂移研究始于20世纪70年代初,至今仍是个热点问题,在理论上已取得了丰硕成果,在实践上也得到了广泛应用。基金投资风格漂移是把双刃剑,在获取短期超额收益的同时,其背后也折射出巨大的风格漂移风险。新兴市场的分形特点为基金发生投资风格漂移现象提供了现实可能性。基于此,本文运用ARFIMA-HYGARCH模型研究我国开放式股票型基金投资风格漂移现象,在分析基金风格资产收益序列的长记忆性分形特征的基础上,对投资风格漂移收益的分形特征及漂移风险进行研究,构建出科学的投资风格漂移风险测度方法,以期为监管部门、基金公司、基金经理和投资者对投资风格漂移收益分形特征与所带来的漂移风险进行量化及控制提供理论基础。由于我国证券市场正处于新兴加转轨的时期,开放式股票型基金历史数据较少,为了尽量增加样本容量与数据长度,本文选择2005年4月之前成立的72只开放式股票型基金（包括36只股票型基金与36只积极配置型基金）为研究样本,选择2006年1月1日—2010年12月31日为整个研究期间,共5年整（20个季度）,在研究期间内每只基金共有1214个日净值、253个周净值、60个月净值,可相应计算出1213个日收益率、252个周收益率、59个月收益率序列。本文为进行本课题的研究,在研究方法与研究内容上主要有以下三点创新：第一、引入最新ARFIMA-HYGARCH高级计量模型来对基金投资风格领域做了探索性研究,运用R/S分析法实证了我国基金风格的长记忆性、非周期循环等分形特征；第二、在比较传统两种投资风格识别方法的基础上,结合我国基金市场的分形特点,提出了基于盒型分形维的风格识别方法与投资风格漂移程度的量化指标ISD；且进一步提出运用价格弹性分形维的投资风格漂移分析方法,推导出弹性分形维的计算公式,给出了基金投资风格漂移的阀值,为研究基金投资风格漂移提供了一种新方法；第三、对基金投资风格漂移收益进行了量化,通过引入skt分布来刻画投资风格漂移收益序列的尖峰、厚尾与有偏特征,运用GARCH族计量模型对投资风格漂移风险进行测度研究,发现ARFIMA-GARCH模型更稳健。为此,本文得出的研究结论主要有以下三点：首先,运用ARFIMA-HYGARCH模型和经典与修正R/S分析法实证检验了我国基金风格资产收益的长记忆性、非周期循环等分形特征,据此提出基于盒型分形维的基金投资风格识别方法对我国基金投资风格进行识别研究,得出我国基金普遍存在漂移现象,该方法与结论更加符合我国分形市场的现实背景。其次,进一步提出基于弹性分形维的基金投资风格漂移分析方法,同样得出我国基金普遍存在漂移现象,说明我国基金市场是非完全有效的,呈一定的分形特征,这为基金发生投资风格漂移提供了现实可行性。最后,通过构建投资风格漂移风险VaR-GARCH测度模型对投资风格漂移风险进行测度,结果得出我国开放式股票型基金普遍存在较大的风格漂移风险,这为监管部门进一步控制较严重的风格漂移现象,规范基金产品发行与投资行为提供理论支持。

论文目录

• 中文摘要
• 英文摘要
• 目录
• 图表索引
• 1 导论
• 1.1 研究背景与选题意义
• 1.1.1 研究背景
• 1.1.2 选题意义
• 1.2 问题提出
• 1.3 几个相关概念界定
• 1.3.1 基金投资风格
• 1.3.2 投资风格漂移
• 1.3.3 风格漂移风险
• 1.4 研究技术路线与研究内容
• 1.4.1 研究技术路线
• 1.4.2 研究内容
• 1.5 本文的章节安排
• 1.6 本文主要创新点
• 2 理论研究与文献评述
• 2.1 基金投资风格的形成理论
• 2.1.1 有效市场假说与资本市场异象
• 2.1.2 两基金分离定理
• 2.1.3 资本资产定价模型
• 2.1.4 Sharpe风格资产因子模型——识别投资风格的奠基模型
• 2.1.5 Fama&French三因素模型——识别投资风格的经典模型
• 2.1.6 Gruber、Carhart四因素模型——识别投资风格的扩展模型
• 2.2 基金投资风格漂移的成因理论
• 2.2.1 投资组合理论
• 2.2.2 分形市场理论
• 2.2.3 信息不对称理论
• 2.2.4 行为金融学理论
• 2.2.5 委托代理理论
• 2.3 基金投资风格识别方法研究综述
• 2.3.1 基于资产组合的投资风格识别研究综述
• 2.3.2 基于基金收益的投资风格识别研究综述
• 2.4 基金投资风格理论的相关研究评述
• 2.4.1 基金投资风格识别方法的比较
• 2.4.2 基金投资风格漂移的成因分析
• 2.4.3 基金投资风格漂移对业绩的影响及所带来的风险
• 2.5 本章小结
• 3 研究样本与方法选取
• 3.1 样本选择与期间确定
• 3.1.1 研究样本
• 3.1.2 研究期间
• 3.2 变量刻画与数据处理
• 3.2.1 研究变量的刻画
• 3.2.2 基金收益率的选取
• 3.2.3 风格资产指数的选取
• 3.2.4 无风险收益率的选取
• 3.3 研究方法
• 3.3.1 资本市场的三种对称性
• 3.3.2 分形的定义
• 3.3.3 分形维的定义及其类型
• 3.3.4 GARCH族计量模型
• 3.3.5 VaR风险测度方法
• 3.3.6 模型回测检验方法
• 3.4 本章小结
• 4 风格资产收益的长记忆性分形特征研究
• 4.1 风格资产收益序列的基本统计特征检验
• 4.1.1 正态性检验
• 4.1.2 独立同分布与线性相关检验
• 4.2 基于ARFIMA-HYGARCH模型的风格资产收益长记忆性分析
• 4.2.1 风格资产长记忆性的研究背景与问题提出
• 4.2.2 长记忆性相关研究回顾
• 4.2.3 skt-ARFIMA-HYGARCH计量模型的构建
• 4.2.4 风格资产收益序列双长记忆性实证研究
• 4.2.5 实证结论
• 4.3 基于经典与修正R/S方法的风格资产收益单一分形分析
• 4.3.1 风格资产分形结构的研究背景及意义
• 4.3.2 经典R/S与修正R/S分析法
• 4.3.3 风格资产收益分形特征实证研究
• 4.3.4 实证结论
• 4.4 本章小结
• 5 基于分形维的基金投资风格识别及漂移研究
• 5.1 基于盒型分形维的基金投资风格识别研究
• 5.1.1 基金投资风格识别的研究背景
• 5.1.2 基金投资风格识别方法的评价
• 5.1.3 分形市场理论与基于分形维的投资风格识别
• 5.1.4 基于盒型分形维的投资风格识别实证研究
• 5.1.5 实证结论
• 5.2 基于价格弹性分维的基金投资风格漂移研究
• 5.2.1 基于分形维的基金投资风格漂移研究背景
• 5.2.2 分形理论在资本市场应用研究中的文献回顾
• 5.2.3 基金投资风格漂移的价格弹性分形维计算公式推导
• 5.2.4 基于价格弹性分维的投资风格漂移实证研究
• 5.2.5 实证结论
• 5.3 本章小结
• 6 基金投资风格漂移收益的双长记忆性研究
• 6.1 基金投资风格漂移收益分形特征的研究背景
• 6.2 基金投资风格漂移收益双长记忆性实证研究
• 6.2.1 研究样本与数据处理
• 6.2.2 模型确定和参数估计
• 6.2.3 skt分布的Person吻合度检验
• 6.3 实证结论
• 6.4 本章小结
• 7 基于VaR-GARCH族模型投资风格漂移风险测度研究
• 7.1 基金投资风格漂移风险的研究背景
• 7.2 VaR-GARCH族风险测度模型的文献回顾
• 7.3 VaR-GARCH族计量模型构建
• 7.3.1 基于skt分布下的GARCH族模型
• 7.3.2 VaR风险测度方法
• 7.4 基金投资风格漂移风险测度研究
• 7.4.1 研究样本与数据来源
• 7.4.2 模型阶数的确定
• 7.4.3 模型参数估计
• 7.4.4 模型检验
• 7.5 实证结论
• 7.6 本章小结
• 8 结论与展望
• 8.1 研究结论
• 8.2 研究建议
• 8.3 研究展望
• 参考文献
• 附录
• 在学期间发表论文清单
• 后记