RBSA让基金风格分类更准确
RBSA让基金风格分类更准确
RBSA让基金风格分类更准确 更新时间：2010-2-23 23:56:03 基金投资风格,是指将基金资产在各种不同股票之间进行配置的投资战略或投资计划。国外在20世纪70年代发现了基金投资风格的划分,并逐渐认识到不同投资风格的基金在相同的市场环境中表现不同,具有不同的风险收益特征。通过风格分析可以匹配投资者不同的风险偏好特征,降低投资者的投资选择成本,便于准确评价基金业绩等作用。 目前,通行的是按照基金投资对象的规模和成长性来做基金风格划分,这样至少可以划分为2个维度――规模维度和风格维度。目前基金风格划分方法主要有两种,一种是基于基金持有的投资组合特征,一种是将基金历史收益与某些可观测因素联系起来做回归分析,每个因素代表某个特定风格,将各个因素的估计回归系数作为基金风格的测度。前者称为基于投资组合的风格分析;后者将基金历史收益与某些可观测的风格因素联系起来做回归分析,将各个因素的回归系数作为基金风格的测度,称为基于收益的风格分析。本文主要介绍基于主成分分析的RBSA风格分类法。 ◆方法介绍 主成分分析由Pearson首先使用,是考虑多个变量间相关性的一种多元统计方法,它研究如何通过少数几个主成分来解释多变量的方差―协方差结构。由于采用的指数之间存在着高相关性,通过主成分分析的方法把每一类的指标进行降维处理,用生成的主成分作为新的基准,然后通过多元回归分析确定基金风格。 该方法的分类结果,不但有效地对国内开放式股票型基金进行了较为明显的区分,提高了分离程度,避免了以前基本上都为大盘混合型的情况,而且较为符合基金市场客观上基本处于大中盘的状况。针对风格的动态监测方面,该方法也明显优于只能以季度为周期的HBSA方法。通过数据时间窗口的滚动,不仅可以发现风格的持续性,也可以用来进一步衡量基金经理的相对表现。 具体的分析方法如下。首先,对于基准数据的选用,采用申万的风格指数。其中包括大盘、中盘、小盘;高市盈率、中市盈率、低市盈率;高市净率、中市净率、低市净率,共九个指标。这里我们先把指标分为规模和风格两大类,大盘、中盘、小盘为规模类,PE和PB则都属于风格类。然后,由于指数之间存在的高相关性,用主成分分析的方法分别把每一类的指标进行降维的数据分析与处理,用生成的主成分作为新的基准。最后用新的基准进行多元回归分析,从而确定基金的投资风格。 ◆分类结果 数据:样本时间为2007年1月4日至2009年12月27日。变量为开放式基金的复权单位净值增长率,按WIND的投资类型,主要为股票型和混合型基金,总共232只基金,584个样本点。 规模指标:由于申万的大盘、中盘、小盘指标回报率的相关系数分别为0.974、0.914、0.885,其相关性太高。通过PCA的分析,得到2个主成分,两者的相关系数仅为0.4,显着提高信息利用率。 风格指标:主成分由申万风格指标中市盈率与市净率构成,其各指数的相关性最低也有0.89,最高达0.96。主成分分析结果为3个变量,具体构成方式同上。三个成分之间的相关性为0.28、-0.33、-0.32,显着优于申万的基准组合。 通过RBSA的方法,将232只基金的复权单位净值增长率对新的基准做多元回归分析。模型的解释度RSQ平均都在90%以上,说明模型具有很好的解释能力。 分析结果为:170只成长型,58只平衡型,4只价值型。比例为73%:25%:1.7%。 最后,通过采用PCA的RBSA方法不仅可以克服数据可获得性方面的困难,同时也进一步解决了采用RBSA方法时基准数据严重相关的问题,而且该方法对市场的基金风格也有较为明显的区分,使得基金风格分类有一个更为准确的效果。该方法不仅可以做到动态的检测基金的风格类型与变化,同时也较好地与HBSA的方法分类结果保持了一致性。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 931614094@qq.com 举报，一经查实，本站将立刻删除。