亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        主動管理與被動管理對投資收益的影響

        2020-05-14 13:38:46邵本原鄭興新
        國際商務(wù)財會 2020年3期

        邵本原 鄭興新

        【摘要】主動管理與被動管理究竟在多大程度上影響投資組合的收益率是學界一直以來存在爭議的話題。文章以2006——2019年間95家中國公募基金為研究樣本,對其收益率時間序列進行最小二乘法(OLS)與偏最小二乘法(PLS)回歸分析,探究在以公募基金為主體的投資組合中,主動管理與被動管理及二者內(nèi)部包含的具體因素對投資收益率的影響。研究發(fā)現(xiàn),主動管理對投資收益率可以產(chǎn)生約55%的影響,被動管理可以產(chǎn)生約45%的影響。在主動管理內(nèi)部,“選股”因素的影響約占90%,“擇時”因素的影響約占7%,而被動管理內(nèi)部各因素的影響無法被準確量化。文章提出了關(guān)于構(gòu)建“選股”收益率時間序列的假設(shè),解決了既有研究方法無法量化“選股”影響程度的問題,同時對既有研究量化市場波動因素方式的合理性進行了探討,得出主動管理對投資組合收益率的影響略高于被動管理的結(jié)論,并根據(jù)研究結(jié)果提出相應(yīng)的建議。

        【關(guān)鍵詞】主動管理;投資組合;資產(chǎn)配置

        【中圖分類號】F832

        一、引言

        理性的投資行為有五個步驟:識別自身風險偏好,確定可投資資產(chǎn)種類,對全部資本進行政策性資產(chǎn)配置,根據(jù)市場波動選擇具體資產(chǎn)(下稱“選股”),動態(tài)調(diào)整各大類資產(chǎn)比重(下稱“擇時”)。“選股”與“擇時”行為不存在絕對的先后關(guān)系,二者往往是隨著市場波動同時進行的。

        投資行為的具體步驟可以分為主動管理與被動管理(Fama,1972)。主動管理為投資者主動調(diào)整投資組合的行為,被動管理為不改變原有投資組合,完全跟隨市場波動的行為(李霞,王凌飛,2010)。主動管理和被動管理與投資行為的后三個步驟相關(guān),即政策性資產(chǎn)配置、“選股”和“擇時”。其中,政策性資產(chǎn)配置與“擇時”都屬于資產(chǎn)配置(Asset Allocation),即指將資本在不同資產(chǎn)類別之間進行分配(如股票類資產(chǎn)占70%,債券類資產(chǎn)占30%)。二者的區(qū)別在于政策性資產(chǎn)配置是投資組合管理者事先決定并長期不變的分配比例,而“擇時”是在實際管理中,管理者受其無法控制的市場波動影響而主動調(diào)整原有資產(chǎn)配置的行為。由于“選股”與“擇時”行為是投資組合管理者對既有組合的主動調(diào)整行為,故“選股”和“擇時”屬于主動管理。由于政策性資產(chǎn)配置為事先規(guī)定,與市場波動一樣都屬于管理者在建立投資組合后無法控制的因素,故政策性資產(chǎn)配置與市場波動屬于被動管理。

        將主動管理與被動管理對投資組合收益率的影響程度準確量化是本文的研究目的。根據(jù)公開股價信息,伯克希爾·哈撒韋(Berkshire Hathaway)作為最優(yōu)秀的投資公司之一,在2008——2018年間以317%的收益率輸給了標普500指數(shù)的347%。這代表著最優(yōu)秀的主動管理也有可能在收益上落后于完全的被動管理,主動、被動管理行為對投資組合總收益的影響程度究竟各處于什么水平,此問題的答案對各個層面的投資者都有重要的理論指導作用。

        基于中國95支公募基金2006——2019年的公開數(shù)據(jù),本文根據(jù)Brinson等(1986)使用“選股”和“擇時”兩個維度拆分收益率的方法,計算出政策性收益率、“選股”收益率、“擇時”收益率與真實收益率共四種收益率,并構(gòu)建相應(yīng)時間序列,同時借鑒Xiong等(2010)分離市場波動的方法計算出市場收益率及其時間序列。通過用各個收益率對真實收益率進行最小二乘法(OLS)回歸的方式,本文對主動管理與被動管理的影響程度作實證研究。同時,為了量化每個因素對真實收益的影響,本文選擇偏最小二乘法(PLS)對以上收益率序列進一步進行回歸分析。文章得出了以下結(jié)論:主動管理與被動管理的重要性近乎相同,二者對于投資組合收益都產(chǎn)生了較大影響。在主動管理內(nèi)部,“選股”行為占主動管理因素貢獻總值約90%,其影響程度遠遠高于“擇時”因素。最后,本文討論了研究結(jié)果帶給投資者的啟示,并提出了相關(guān)建議。

        二、文獻綜述與理論分析

        主動管理與被動管理組成了完整的投資行為。其中,被動管理包含政策性資產(chǎn)配置與市場波動兩個因素。已有研究關(guān)于政策性資產(chǎn)配置行為對組合收益率的影響程度尚未達成一致結(jié)論,仍然存在較大的爭議。

        一方面,Brinson等(1986)在研究中提出了政策性資產(chǎn)配置對于實際組合收益影響極大的觀點。其研究收集了91家美國養(yǎng)老基金在1974——1984年間的數(shù)據(jù)并以此為研究對象,基于假設(shè)投資管理者是否“選股”與“擇時”,將投資收益率拆分成四個象限。X坐標軸為“是否選股”,Y坐標軸為“是否擇時”,由此得出的四個象限依次為:象限一,政策性收益率(不選股,不擇時);象限二,擇時(不選股)收益率;象限三,選股(不選時)收益率;象限四,真實收益率。Brinson等(1986)通過對一、四象限所對應(yīng)的收益率(政策性收益率與真實收益率)時間序列進行最小二乘法(OLS)回歸,回歸擬合優(yōu)度(即R2)的均值為93.6%。Brinson等(1986)對此結(jié)果的解釋是,基金收益率在過去期間的變化中,有93.6%可以被政策性資產(chǎn)配置所解釋。這一研究結(jié)論對既有認知產(chǎn)生了一定的沖擊。此結(jié)論意味著在投資行為中,投資者花費大量時間進行的基本面分析以及根據(jù)分析做出的主動管理行為最多為組合總收益率提供不足7%的貢獻。

        另一方面,Jahnke(1997)則認為政策性資產(chǎn)配置對真實收益率的影響被夸大了。他對Brinson等(1986)的觀點進行了反駁,指出其“關(guān)注了錯誤的問題,使用了錯誤的數(shù)據(jù),給出了錯誤的建議”。Jahnke(1977)提出了Brinson等(1986)論文存在的關(guān)鍵問題,即研究中只回答了各基金投資回報沿時間的變化中有多少能夠被資產(chǎn)配置解釋,而并未回答各基金之間回報水平的差異中有多少是來自于資產(chǎn)配置。

        國內(nèi)對資產(chǎn)配置影響水平的關(guān)注起源于張雪瑩(2005)、王征(2005)、蔣曉全與丁秀英(2007)的定量分析研究,幾位研究者都借鑒了Brinson等(1986)的研究方法。對應(yīng)Brinson等(1986)論文中的93.6%,上述研究者得出擬合優(yōu)度數(shù)據(jù)的平均值分別為77.48%(張雪瑩,2005)、80%(王征,2005)與81.29%(蔣曉全與丁秀英,2007)。王棟(2014)通過分析2004——2012年數(shù)據(jù)得出的結(jié)果為33%,與早期研究存在較大差距。

        Xiong等(2010)的研究指出了包括Brinson等(1986)以內(nèi)的學者在研究過程中出現(xiàn)的疏漏。Xiong等(2010)認為既有的研究方法在研究資產(chǎn)配置行為對投資組合收益影響時,忽略了市場波動作為影響因素的存在。他們指出在使用政策性資產(chǎn)配置收益時間序列對實際收益時間序列進行回歸時,所得R2并非只表示政策性資產(chǎn)配置行為對組合總收益的影響,而是表示了包含市場變化以及政策性資產(chǎn)配置行為二者共同對組合收益的影響。因此,在以往對政策性資產(chǎn)配置與組合收益關(guān)系的研究中,政策性資產(chǎn)配置對組合收益的影響被夸大,其真實的影響程度與主動管理近乎相同。Xiong等(2010)最大的貢獻在于,他們嘗試提出分離市場波動因素的方法,即對全部基金的政策性資產(chǎn)配置進行平均,以此平均為比重使用市場指數(shù)計算出市場收益序列,從而量化市場波動對投資組合收益的影響。其得到的結(jié)果顯示,政策性資產(chǎn)配置與主動管理(即“選股”與“擇時”)一樣重要。基于Xiong等(2010)的研究,本文將市場波動因素考慮在內(nèi)。

        有關(guān)主動管理對真實收益率影響程度的研究較少,并且都未單獨量化出“選股”行為的影響。Brinson等(1986)認為主動管理對真實收益率的解釋程度僅有不到7%,且研究中并未計算“選股”與“擇時”兩種因素各自對總收益率的影響程度。Xiong等(2010)認為主動管理對真實收益率的解釋程度約為15%。張雪瑩(2005)與楊培基(2012)分離出“擇時”因素的影響,得出了4%與1.26%的結(jié)果,但并未涉及“選股”因素。張雪瑩(2005)分離“擇時”因素的方式為用包含“擇時”因素的收益率減去不包含“擇時”因素的收益率,使用此差值收益率對真實收益率進行回歸。楊培基(2012)分離“擇時”因素的方法則為直接使用包含“擇時”因素與不包含“擇時”因素的兩個收益率對實際收益率回歸所得到的擬合優(yōu)度均值做差。王棟(2014)證明了“選股”與“擇時”行為對真實收益率影響的顯著性,但并未對影響大小進行量化。王征(2005)、蔣曉全與丁秀英(2007)研究的主要關(guān)注點是政策性資產(chǎn)配置對真實收益率的影響,未對主動管理因素做具體研究。

        綜上所述,大量研究證明了被動管理對真實收益率的顯著影響,但既有研究對主動管理的關(guān)注極為有限。為量化主動管理與被動管理對投資收益率的影響,并得出市場波動、政策性資產(chǎn)配置、“選股”與“擇時”四個因素的具體影響程度,本文使用最小二乘法(OLS)與偏最小二乘法(PLS)對樣本數(shù)據(jù)進行研究,旨在為學界關(guān)于主動管理影響程度的研究作補充,并填補對“選股”影響程度研究的空白。

        三、研究設(shè)計

        結(jié)合圖1所示,本文先使用最小二乘法(OLS)回歸完成圖中由第一級至第二級的拆分,以政策性收益率對真實收益率進行回歸,量化被動管理與主動管理對真實收益率的影響程度。再使用偏最小二乘法(PLS)回歸完成由第二級至第三級的拆分,量化主動管理與被動管理內(nèi)部各因素獨立對真實收益率的影響程度。

        (一)樣本選擇及數(shù)據(jù)來源

        本文使用的數(shù)據(jù)均來自國泰安經(jīng)濟金融研究數(shù)據(jù)庫。本文初選2006——2019年138支公募基金的數(shù)據(jù),剔除了其中的純股/純債型基金、指數(shù)型基金、建倉時間不足3個月的基金,最終共有95支公募基金共計56次觀測(觀測間隔為季度,共14年)作為本文的研究樣本。本文使用R(3.6.2)進行數(shù)據(jù)預處理和統(tǒng)計分析。

        我國公募基金的資產(chǎn)配置信息于季報中公布,故本文的數(shù)據(jù)時間間隔為季度。同時為保證研究的數(shù)據(jù)可靠,本文提取資產(chǎn)配置中的“股票類資產(chǎn)”比重與“固定收益類資產(chǎn)”比重,將其余部分與“固定收益類資產(chǎn)”結(jié)合,統(tǒng)稱為“債券類”(張雪瑩,2005;蔣曉全,丁秀英,2007),將資產(chǎn)大類劃分為兩種:股票類資產(chǎn)與債券類資產(chǎn)。市場指數(shù)方面,本文選擇上證指數(shù)(000001)與國債指數(shù)(000012)作為反映股票類與債券類總體市場情況的指數(shù),以其收益率作為市場指數(shù)收益率。

        (二)量化各因素影響程度

        本文共涉及市場波動、政策性資產(chǎn)配置、“選股”、“擇時”四個因素。主動管理包含“選股”因素與“擇時”因素,被動管理包含政策性資產(chǎn)配置與市場波動因素。

        1.分解投資組合收益率

        為得到各個因素的影響程度,基于Brinson等(1986)提出的四象限模型,本文計算了以下四種收益率:真實收益率、“選股”收益率、“擇時”收益率、政策性收益率。Brinson等(1986)分解收益時間序列的方法為在兩個維度上對真實收益進行拆分,即“是否選股”與“是否擇時”,具體內(nèi)容如表1所示:

        除以上四種收益率,為剔除Xiong等(2010)提到的市場波動因素,本文還將計算市場收益率。五種收益率包含的影響因素如表2所示。

        本文對于表2中的五種收益率展開如下說明:首先,“市場收益率”并不存在于Brinson等(1986)的研究中,而是由Xiong等(2010)提出,旨在使用此收益率反映整體市場的波動情況。其次,“政策性收益率”是既不選股,又不擇時的收益率,即假定各支基金的資產(chǎn)配置比例完全遵照事先設(shè)定的政策性資產(chǎn)配置,并且資產(chǎn)大類內(nèi)部的構(gòu)成完全復制市場指數(shù)的構(gòu)成。然后是“選股收益率”,表示僅選股而不擇時的收益率,即假定各支基金的資產(chǎn)配置完全遵照政策性資產(chǎn)配置,但其資產(chǎn)大類內(nèi)部構(gòu)成隨管理者的操作而發(fā)生變動,從而導致股票類或債券類的收益偏離市場指數(shù)收益。與之對應(yīng)的是“擇時收益率”,表示僅擇時而不選股的收益率,即假定各支基金的資產(chǎn)配置比例隨著時間根據(jù)管理者的操作而進行真實變化,但資產(chǎn)大類內(nèi)部仍完全復制市場指數(shù)的構(gòu)成。最后,真實收益率則是既選股又擇時的收益率。由于公募基金的真實收益率難以獲取,本文使用各支基金各季度末凈值之間的比例進行近似(張雪瑩,2005)。

        2.計算收益率序列

        本部分計算得到的收益率均為長度56的時間序列,為了后文表述清晰,下文將收益率組成的時間序列簡稱為收益序列。

        “選股”收益序列的計算是本文重點。值得強調(diào)的是,由于中國公募基金不公布其投資組合內(nèi)各資產(chǎn)類別的真實收益率(張雪瑩,2005),國內(nèi)已有研究并未計算各支基金的“選股”收益率,進而沒有使用Brinson等(1986)提供的方法分離出“選股”因素對投資組合收益的影響。

        本文為了填補國內(nèi)過往研究中關(guān)于“選股”收益率的空白,創(chuàng)新地提出“債券類資產(chǎn)收益恒等于債券市場指數(shù)”的假設(shè)。進行此種假設(shè)的原因有二:首先,相對股票類資產(chǎn),債券類資產(chǎn)指數(shù)的收益波動幅度極低;其次,國債作為低風險資產(chǎn),其在組合中的作用并非博取超額收益。綜合以上原因,本文認為將債券類資產(chǎn)的收益序列近似為國債指數(shù)收益序列存在一定合理性。基于以上假設(shè),對于第i支基金,股票類資產(chǎn)真實收益率(Equity Real Return,ERR)的計算公式如式(1)所示:

        其中Rbt為債券類資產(chǎn)指數(shù)在時間段t的收益,Wei,t與Wbi,t為第i支基金在t時間段的資產(chǎn)配置比重。根據(jù)以上數(shù)據(jù),便可以求出“選股”收益率。由于共有56個時間段(t=1,2,3,…,56),計算出的收益率即可組成時間序列(Time Sequence)?!斑x股”收益序列(Choosing Time Sequence, 即CTS)的計算公式如式(2)所示:

        政策性收益序列(Political Time Sequence,PTS)的計算方式為使用政策性資產(chǎn)配置對股票、債券市場指數(shù)加權(quán)平均。由于公募基金的政策性資產(chǎn)配置并不對外公布,本文與Brinson等(1986)保持一致,使用2006——2019年各支基金各個時期資產(chǎn)配置的算術(shù)平均作為該支基金的政策性資產(chǎn)配置,即Wei與Wbi(i代表第i支基金),具體計算公式如式(3)所示:

        市場收益序列(Market Time Sequence,即MTS)的計算方式參考Brinson等(1986)的研究。首先使用所有基金的政策性資產(chǎn)配置計算市場上政策性資產(chǎn)配置的總平均值We(Weight of Equity)與Wb(Weight of bond),視其為市場平均政策性資產(chǎn)配置,再使用此比重計算市場收益序列,計算公式如式(6)所示:

        值得注意的是,在本文所使用的五種收益時間序列中,只有MTS為單個時間序列,其余均有95個時間序列,即每1支基金都對應(yīng)除市場收益序列以外的四個時間序列。

        真實收益序列(Real Time Sequence, RTS)來源于各基金的月凈值數(shù)據(jù),通過將月度數(shù)據(jù)中所有非1,4,7,10月的月份刪去,即可得到季度凈值數(shù)據(jù)。通過計算則可得出各季度的收益率,進而組成時間序列。

        3.最小二乘法(OLS)回歸

        進行OLS回歸的目的是量化主動管理與被動管理對真實收益率的影響。如表2所示,政策性收益序列包含了被動管理的所有因素(市場波動與政策性資產(chǎn)配置),故本部分使用政策性收益序列對真實收益序列進行OLS回歸。

        對于第i支基金,使用政策性收益序列(PTS)對真實收益序列(RTS)進行回歸(以下簡稱“真實——政策”回歸)即可得到此回歸的擬合優(yōu)度,即R2。“真實——政策”回歸模型如下(其中t為1至56的整數(shù),代表各個季度;為隨機擾動項):

        通過對95支基金共進行95次回歸,即可得到“真實——政策”的擬合優(yōu)度共95個。對所得95個擬合優(yōu)度R2進行算數(shù)平均即可得到“真實——政策”擬合優(yōu)度均值,此均值即代表了被動管理對真實收益率的影響程度。由于真實收益率由主動管理與被動管理構(gòu)成,此擬合優(yōu)度均值與1的差值則為主動管理對真實收益率的影響程度。同理,“真實——市場”模型的擬合優(yōu)度均值即為市場波動對真實收益率的影響程度。

        4.偏最小二乘法(PLS)回歸

        偏最小二乘法回歸也被稱為“分塊回歸”或“偏回歸”,本文采用此種方法分離各種因素單獨對總收益率的影響。楊培基(2012)分離單獨因素影響的方式為直接對“真實——擇時”與“真實——政策”回歸所得R2均值做差,此種方法在統(tǒng)計上存在一定的問題。由于在使用少量甚至單一的序列進行回歸時,遺漏變量偏差較為嚴重,直接使用擬合優(yōu)度做差得出的結(jié)果在統(tǒng)計上并不可靠。在分離“擇時”因素時,楊培基(2012)使用的具體方法為用“真實——擇時”回歸擬合優(yōu)度均值(包含市場波動、政策性資產(chǎn)配置、“擇時”)減去“真實——政策”回歸擬合優(yōu)度均值(包含市場波動、政策性資產(chǎn)配置)。此種方法在統(tǒng)計方法上并不嚴謹。擬合優(yōu)度相減得出單一因素的影響程度代表了研究者默認“真實——擇時”回歸為多元回歸,但實際操作上“真實——擇時”回歸的自變量只有“擇時”收益率,即為單一變量回歸,將其主觀視為多元回歸并直接用擬合優(yōu)度相減則會造成較大的遺漏變量偏差。

        為了最大限度地保證結(jié)果的可靠性,本文選擇使用偏最小二乘法(PLS)進行回歸,此處以分離主動管理內(nèi)部因素“選股”和“擇時”為例。為便于表述,定義真實收益序列為因變量y,政策性收益序列為自變量x1,“選股”收益序列為自變量x2。先用x1對y進行回歸,收集回歸模型產(chǎn)生的殘差序列Res1(Residuals1的簡稱,下同),再用x1對x2進行回歸,收集殘差序列Res2。最終以Res1為因變量,Res2為因變量進行回歸,所得擬合優(yōu)度均值即為“選股”行為占主動管理對真實收益率造成總影響的比例。

        上述偏最小二乘法(PLS)回歸可以有效避免遺漏變量變差的問題。政策性收益序列(x1)對真實收益序列(y)回歸得到的殘差代表了在真實收益中不能被被動管理解釋的部分(因為政策性收益序列包含的因素即為被動管理的全部因素),即Res1代表了主動管理對實際收益造成的影響。政策性收益序列(x1)對“選股”收益序列(x2)回歸得到的殘差代表了在“選股”收益序列包含的因素中,不能被被動管理解釋的部分。即Res2代表了“選股”行為對實際收益造成的影響。同理,將x2換為“擇時”收益序列則可以得出“擇時”行為對實際收益造成的影響。

        四、實證研究與檢驗結(jié)果分析

        (一)主動管理與被動管理對真實收益率的影響

        對“真實——政策”模型進行95次回歸后所得擬合優(yōu)度數(shù)據(jù)特征如表3所示。

        本文認同Xiong等(2010)的觀點,即使用以上模型進行回歸得出的平均擬合優(yōu)度代表市場波動與大類資產(chǎn)配置政策對真實收益影響的總和,即被動管理對真實收益率的影響。但鑒于采用了相同的分析方式,雖然Brinson等(1986)認為“真實——政策”回歸結(jié)果僅代表政策性資產(chǎn)配置對投資組合收益的影響,本文將數(shù)據(jù)對比列示如表4。

        可以看到,本文所得擬合優(yōu)度均值為44.62%,與Brinson等(1986)、張雪瑩(2005)、楊培基(2012)所得結(jié)果差異較大,但較為接近王棟(2014)得出的結(jié)果。根據(jù)此結(jié)果,被動管理可以解釋實際收益率的44.62%,主動管理可以解釋實際收益率的55.38%。

        (二)主動管理所含因素的具體影響

        使用PLS法回歸得出的結(jié)果如表5。

        如表5所示,在主動管理中,“選股”的作用占90.18%,“擇時”的作用占6.91%,二者之和為97.09%,與100%之間的差值可以被合理估計為協(xié)同作用(Xiong等,2010)。故對實際收益率,“選股”行為可以解釋49.94%(55.38%×90.18%),“擇時”行為可以其中的3.83%(55.38%×6.91%),二者的共同作用可以解釋1.61%。

        (三)被動管理所含因素的具體影響

        由于不存在相應(yīng)收益序列,市場波動與政策性資產(chǎn)配置的影響程度無法完全照搬主動管理的方法,但此處可以先使用市場收益序列對政策性收益序列進行回歸并提取其殘差序列Res1*,此序列代表政策性收益序列中無法被市場波動這一個因素解釋的內(nèi)容,即此殘差序列為政策性資產(chǎn)配置本身對實際收益率的影響。接著我們使用Res1*序列對政策性收益序列進行回歸,即可得出在被動管理中,政策性資產(chǎn)配置作用的占比。按照以上方法所得擬合優(yōu)度及P值數(shù)據(jù)特征如表6。

        結(jié)果如表6所示,出現(xiàn)了異常的現(xiàn)象。95次回歸得到的最小P值為0.4749,遠遠高于常用的0.05顯著性判定標準,即政策性資產(chǎn)配置對被動管理的影響不顯著,這一結(jié)果與既有研究得出的結(jié)論并不一致,因此本文進一步分析了Xiong等(2010)提出的分離市場波動即計算市場收益序列(MTS)的方法:市場收益序列(MTS)在計算中市場資產(chǎn)配置時使用了政策性資產(chǎn)配置取平均的方法,即需要計算全部基金政策性資產(chǎn)配置的均值,此種做法使得MTS也包含了政策性資產(chǎn)配置的影響因素,市場波動并未被徹底分離出來。基于以上分析,本文推測市場收益序列并未將政策性資產(chǎn)配置因素排除在外。而該研究首先對所有開放式基金的歷史資產(chǎn)配置信息取平均值,即一共生成了一組和為1的百分數(shù)(配比),但這一處理方法無法將大類資產(chǎn)配置因素與市場波動因素分開,因為即便對所有公募基金的資產(chǎn)配置進行平均,所得到的數(shù)值仍然為一種平均后的大類資產(chǎn)配置,即取平均并不能除去大類資產(chǎn)配置的因素。

        更為重要的是,我們應(yīng)當關(guān)注“市場波動”一詞的定義。股市與債市的市場波動可以精準量化,即反映市場中股票或債券總體價格波動的指數(shù)數(shù)據(jù)。但此種方法對投資組合并不適用。由于基金這一產(chǎn)品本身一定為具有某種大類資產(chǎn)配置的投資組合,其內(nèi)部必然包含股票與債券以及其他金融衍生品(除去本文并不對其進行研究的純股、純債型基金)。根據(jù)基本的經(jīng)濟學邏輯,股市、債市與衍生品市場一定存在某種相關(guān)關(guān)系,即一個包含了股、債、衍生品的投資組合內(nèi)部一定存在某種程度的對沖(Hedge),而由于不同基金選擇的證券種類、數(shù)量有所差別,此種對沖效應(yīng)的大小在各個基金間便各不相同。由于無法量化各個大類資產(chǎn)市場之間的相關(guān)性,基金便不存在可以準確定義并直接計算出的“市場波動”,因此本文認為Xiong等(2010)所提出的市場波動因素無法使用現(xiàn)有的計算方式進行剝離。進而,對于投資組合,市場波動與資產(chǎn)配置無法被可靠地分離。

        (四)實證研究結(jié)果

        結(jié)合與Xiong等(2010)的研究方法,主動管理與被動管理對投資組合收益率的影響如表7所示。對于被動管理,其內(nèi)部包含的市場波動與政策性資產(chǎn)配置這兩種因素無法通過Xiong等(2010)提出的方式進行有效分離,故被動管理內(nèi)部各因素對真實收益率的影響仍未知。對于主動管理的內(nèi)部因素,“選股”行為可以解釋真實收益的49.94%,“擇時”行為可以解釋真實收益的3.83%。

        綜上所述,主動管理可以解釋投資組合收益率變化的55.38%,被動管理可以解釋44.62%。這表明了在2006——2019年的我國市場中,主動管理對于投資組合收益率的影響略大于被動管理,與既有研究的結(jié)論相悖。

        對于本研究與既有研究結(jié)論的差異,本文提出以下設(shè)想:第一,大部分研究距今時間較長,且樣本數(shù)與觀察周期差異較大。第二,2008年金融危機、2015年中國股市的巨大震蕩等事件可能會對研究結(jié)果造成較大的影響。第三,高頻交易與量化基金的崛起可能從根本上改變了市場面貌,進而對主動管理或被動管理的效果造成了巨大影響。第四,逐漸變化的市場效率(Market Efficiency)也可能對研究的結(jié)果產(chǎn)生影響。

        (五)穩(wěn)健性檢驗

        為驗證本文實證研究的穩(wěn)健性,穩(wěn)健性檢驗中將反映股票市場的指數(shù)更換為滬深300(000300),將反映債券市場的指數(shù)更換為上證企業(yè)債指數(shù)(000013)。使用相同數(shù)據(jù)處理方法計算各個時間序列后得到的結(jié)果如表8。

        如表8所示,更換具體市場指數(shù)后得到的各因素影響水平仍極為接近,故本文結(jié)論具有穩(wěn)健性。

        五、結(jié)論與建議

        本文以2006——2019年間共95家中國公募基金的公開數(shù)據(jù)為研究樣本,使用最小二乘法(OLS)與偏最小二乘法(PLS)對主動管理與被動管理及其內(nèi)部因素對投資組合收益率的影響程度進行實證研究。本研究結(jié)合Brinson等(1986)的研究方法,使用最小二乘法(OLS)對政策性收益序列與真實收益序列進行回歸分析,量化了主動管理與被動管理對投資組合收益率的影響程度。研究發(fā)現(xiàn),主動管理與被動管理對投資組合收益率的影響約為55%與45%,主動管理的影響程度略大于被動管理。為研究各個因素對投資組合收益率的影響,本文通過建立合理假設(shè),構(gòu)建了“選股”收益率時間序列,填補了既往研究中對于此序列計量方式的缺失,并使用偏最小二乘法(PLS)進行回歸分析。研究發(fā)現(xiàn)被動管理內(nèi)部各因素的影響程度無法被可靠計量,即政策性資產(chǎn)配置與市場波動各自對投資組合收益率的影響程度無法通過Xiong等(2010)提出的計量方式得出。而在主動管理內(nèi)部,“選股”因素對投資組合收益率的影響約為50%,遠大于“擇時”因素3.83%的影響程度。

        基于以上結(jié)論,本文為投資者提出以下建議。首先,投資者應(yīng)當理性看待被動管理的作用,并根據(jù)自己的風險偏好進行合適的政策性資產(chǎn)配置。同時,主動管理對于投資收益率的貢獻應(yīng)當從正反兩方面看,主動的操作在有機會獲取超額收益的同時,也包含著大幅跑輸指數(shù)的風險。所以對于缺少時間、信息與專業(yè)技能的個人投資者,建議根據(jù)具體情況考慮投資被動型基金,獲取合理且穩(wěn)健的投資收益。其次,本文對主動管理行為重要性的肯定也應(yīng)辯證看待。過度的主動管理可能演變?yōu)槎唐诘耐稒C行為,不利于金融市場的健康發(fā)展。投機行為將導致對主動管理的過分關(guān)注,進而投資者將花費更多的時間在主動管理上,形成正反饋循環(huán),極大破壞金融市場的健康發(fā)展。相比于發(fā)達國家,我國擁有較為年輕的金融市場,占據(jù)股市大多數(shù)的散戶投資者并未接受相應(yīng)的理財教育,極易因某個體獲取的超額收益而產(chǎn)生“羊群效應(yīng)”,加入短期投機的隊伍。盲目的投資者越多,市場便更易產(chǎn)生泡沫,所以國家應(yīng)當積極對投資者進行教育,倡導理性的投資行為,遠離賭博式的短期投機行為。

        主要參考文獻:

        [1]葛紅玲.資產(chǎn)配置因素對我國開放式基金收益波動的影響分析[J].財貿(mào)研究,2008(04):90-96+144.

        [2]蔣曉全,丁秀英.我國證券投資基金資產(chǎn)配置效率研究[J].金融研究,2007(02):89-97.

        [3]李霞,王凌飛,Vladyslav Sushko,Grant Turner.證券市場被動投資的意義和價值[J].經(jīng)濟資料譯叢,2018(02):20-34.

        [4]王棟.基金資產(chǎn)配置收益的實證研究[D].復旦大學,

        2014.

        [5]王征.資產(chǎn)配置對基金收益率的貢獻度分析——來自中國市場的經(jīng)驗數(shù)據(jù)[J].經(jīng)濟科學,2005(05):80-88.

        [6]楊培基.我國開放式基金資產(chǎn)配置策略貢獻度研究[D].西南財經(jīng)大學,2012.

        [7]張雪瑩.資產(chǎn)配置對基金收益影響程度的定量分析[J].證券市場導報,2005(10):67-72.

        [8]周立志.我國開放式基金的資產(chǎn)配置能力研究[D].華南理工大學,2019.

        [9]周新輝,李明亮.中國證券投資基金資產(chǎn)配置效率實證研究[J].財經(jīng)研究,2007(03):57-64.

        [10]Brinson,G.P.,Hood,L.R.,& Beebower,G.L.(1986). Determinants of portfolio performance.Financial Analysts Journal,42(4),39-44.

        [11]Brinson,G.P.,Singer,B.D.,& Beebower,G.L.(1991). Determinants of portfolio performance II: An update. Financial Analysts Journal,47(3),40-48.

        [12]Fama,Eugene F.(1972).Components of investment performance.The Journal of finance,27.3:551-567.

        [13]Ibbotson,R.G.(2010).The importance of asset allocation.Financial Analysts Journal,66(2),18-20.

        [14]Ibbotson,R.G.,& Kaplan,P.D.(2000).Does asset allocation policy explain 40,90,or 100 percent of performance Financial Analysts Journal,56(1),26-33.

        [15]Idzorek,T.M.,&Kowara,M.(2013).Factor-based asset allocation vs.asset-class-based asset allocation. Financial Analysts Journal,69(3),19-29.

        [16]Jahnke,W.W.(1997).The asset allocation hoax. Journal of Financial Planning,10(1),109-113.

        [17]Waring,B.,& Siegel,L.B.(2003).Understanding Active Management.Investment Insights,6(1),3-41.

        [18]Xiong,J.X.,Ibbotson,R.G.,Idzorek,T.M.,& Chen,P.(2010).The equal importance of asset allocation and active management.Financial Analysts Journal,66(2),22-30.

        自拍偷自拍亚洲精品播放| 妃光莉中文字幕一区二区| 亚洲av成人片色在线观看高潮 | 中文字幕手机在线精品| 国产精品农村妇女一区二区三区| 韩国女主播一区二区三区在线观看| 白浆国产精品一区二区| 国产日产欧产精品精品| 欧美国产精品久久久乱码| 久久丫精品国产亚洲av| 亚洲毛片网| 国产精品激情综合久久| 一区二区三区精品偷拍av| 男女打扑克视频在线看| 亚洲成人av在线第一页| 日产亚洲一区二区三区| 夜夜嗨av一区二区三区| 最新国产三级| 国产在线天堂av| 亚洲一区二区精品在线| 精品国产sm最大网站| 影视av久久久噜噜噜噜噜三级| 久久亚洲色www成人欧美| 国产精品video| av最新版天堂在资源在线| 电驱蚊液可以插一晚上吗| 欧美牲交videossexeso欧美| 免费特级毛片| 国产人成亚洲第一网站在线播放| 白白色发布视频在线播放| 日本久久精品中文字幕| 成年无码av片在线| 日韩精品无码区免费专区| 国产精品久久久久孕妇| 亚洲高清自偷揄拍自拍| 天堂视频在线观看一二区| 国产精品无码无在线观看| 亚洲综合色自拍一区| 精品无码一区二区三区小说| 人妻少妇中文字幕,久久精品| 国产精品爽爽v在线观看无码|