股票型基金十篇

股票型基金篇1

7月,股票型基金当月平均收益超过5%,远远领先于债券型基金,打了个漂亮的翻身仗。业内人士认为,对于基金的大类资产配置,2010下半年权益类品种的机会大于上半年。

下半年配置将发力

在已披露的基金二季报对三季度市场展望中,记者发现,经历了二季度的调整后,基金机构对三季度金融市场预期均持乐观态度。

长城证券基金分析师阎红对《小康•财智》记者说,自下而上挖掘确定性的、业绩具有持续增长能力的个股仍然是基金在三季度个股选择的主基调。

从基金披露二季报中发现,基金较普遍看好以下行业:

收入分配改革中,政府着力提高中低人群的收入水平,将会促进中低端消费品的发展,使得医药、食品饮料、商业零售、旅游传媒等相关消费行业中长期受益。

受到政策支撑、符合结构转型方向、未来成长性良好的战略新兴产业在经过一定幅度调整后,仍具有长线投资价值:如新能源等行业;三网融合、物联网等为核心的“宽频”相关主题。

以上行业现阶段存在价值低估现象,且都属于国家宏观政策支持的行业。在后半年,这些行业和板块的股票反弹的可能性极大,所以股票型基金后半年的业绩值得期待。

选择有学问

建行理财师毛建平对《小康•财智》表示,选股票型基金时既要看该基金投研和管理实力,还要看该基金的历史业绩。选择股票型基金时具体要关注以下内容:

选择业绩稳定增长基金

目前,基金产品众多,配置资产的品种也千差万别。尽管下跌较多的股票反弹的力度也会大,但这样的股票品种持续上涨的概率值得考究。相反,下跌幅度不大而反弹力度较大的股票品种,是基金配置的重点。这也是抗跌基金的一个显著标志。因此,以净值排行榜选基金,也要注意这一现象。

通胀不消除,投资不停息

目前,一年期银行存款利率仅为4.14%,而7%左右的通货膨胀率,使投资者深切地感受到不投资也是风险,而存入银行更是存在财富损失的担忧。因此,每次市场的大幅度下跌,可能都是投资者低成本购买股票型基金的机会。

避免同质化

指数型基金作为一种被动的投资品种,主要是复制证券市场上的成份股。只要投资者长期看好中国经济发展,对上市公司未来业绩增长充满信心,低成本购买指数型基金是一项不错的投资选择。尤其是目前市场经过持续性下跌后,股票的估值已经较低,投资指数型基金,未来的投资回报值得期待。

股票型基金篇2

关键词:融资融券;股票型基金;创新

我国首批6家证券公司已经作为试点正式开启融资融券业务,随着融资融券相关制度的不断成熟,它将扩展证券公司的传统业务,成为一个新的赢利点。融资融券给中国股票市场引入了做空机制,使原来的单边交易模式变成双边交易,会大大改变中国证券市场的现状。融资融券业务对证券市场的影响十分广泛,不仅涉及到证券公司和投资者,而且也将直接影响到中国股票型投资基金,对中国股票型投资基金的创新方向起到了路标作用。

一、融资融券制度及其中国特色

融资融券是一种信用交易方式,具体包括证券融资交易和证券融券交易。 证券融资交易指投资者预期股票价格将会上涨,以保证金交易方式购入股票,差额部分由证券公司垫付,投资者支付利息。证券融券交易指投资者预期股票价格将会下跌,通过支付一定比例的保证金,向券商借入股票后按现行价格卖出,借出股票股息由投资者支付。简单地说,融资指买空,融券指卖空。

融资融券在我国的资本市场中最早出现在90年代初,当时的法规没有禁止融资融券,大量客户向证券营业部借钱买股票或借股票来卖。由于处在资本市场发展早期,金融监管体系不完善,监管能力跟不上,证券市场内相关参与主体自我约束意识缺乏,大量违规事件的发生使得证监会在1996年明令禁止融资融券业务。中国现阶段推行融资融券业务,出于风险防范的考虑,对于业务的交易各方以及交易所涉及的标的物和保证金都有着更加严格的规定:

首先,对申请开展融资融券业务试点的证券公司要求较高,须是创新试点类证券公司。从经营角度,要求公司须从事证券经纪业务已满3年、公司治理健全、内部控制有效;从财务角度,要求公司要满足最近6个月净资本均在12亿元以上等条件;从业务角度,客户交易结算资金第三方存管方案已经证监会认,并在试点期间只允许证券公司利用自有资金和自有证券从事融资融券业务。

其次,对投资者交易资格也有严格规定,要求客户具有符合要求的担保品和不少于50万的资金,交易中所得证券或者资金都应交付证券公司,作为担保物。证券公司在客户不能按时、足额偿还证券或资金的情况下,有权进行强制平仓。

第三,为了防止对标的证券的市场操纵,减少人为影响因素,规定标的证券要在交易所上市3个月以上,股东人数不少于4000人,流通市值不低于5亿(融资买入标的股票)或8亿(融券卖出标的股票)。同时为了避免高杠杆效应带来的高风险,要求融资融券保证金比例不低于50%,并根据中国股市起伏过大的现状,规定投资者融资融券的期限不得超过6个月。在有价证券冲抵保证金的方面,依据有价证券的风险大小规定:股票折算率最高不超过70%,ETF折算率最高不超过90%,国债折算率最高不超过95%,其他上市的基金和债券折算率最高不超过80%。

二、融资融券制度对股票型投资基金发展的影响

融资融券业务会给股票型基金带来价值重估的机会,尤其是交易型开放式指数基金(ETF)和高折价的封闭型基金。融资融券业务的相关规定和特点会使投资者对ETF和高折价封闭型基金的需求大量增加,ETF的规模会呈现出爆发式增长,封闭型基金的高折价现象会得到显著改善。

1.融资融券对指数型基金发展的影响

指数基金(Index Fund),顾名思义就是以指数成份股为投资对象的基金,即通过购买一部分或全部的某指数所包含的股票,来构建指数基金的投资组合,目的就是使这个投资组合的变动趋势与该指数相一致,以取得与指数大致相同的收益率。从规模看,中国市场已成为全球第二大指数型基金市场。

根据是否能在二级市场上交易,我国的指数型基金可以简单地分成两类,一类是ETF(Exchange Traded Fund),交易型开放式指数基金,国内称为交易所交易基金,这种基金的交易模式兼顾了普通开放式基金和封闭式基金的优点,既可以在一级市场上申购和赎回,还能在二级市场上交易,扩宽了投资者的交易途径。另外一类是普通的开放式指数型基金,投资者只能在一级市场上交易,由于交易途径的受限,发展速度不及ETF基金。

融资融券的推出,无论是短期还是长期来看,对我国指数型基金都有着积极的影响。首先从短期来看,首批融资融券标的股票有90只,这些股票的流动性和市场关注度会随着融资融券的推出有一定幅度的上升,流动性的增加能够使这些股票享受到流动性溢价,市场给予的估值水平会有所提高,尤其是首批90只股票基本上都是大盘蓝筹股,大盘股经过最近一年的调整,估值水平相对较低,有一定的补涨需求。根据融资融券可冲抵保证金证券的规定,首批标的股票可冲抵保证金的折算率是75%,高于非成分股票65%的折算率,较高的折算率会使这些股票具有一定的新的交易价值。深证成分指数、上证50指数中的成分股包含了首批标的股票。综合以上因素,相关指数基金在一级市场上的净值会因股票价格上涨有所提升;在二级市场上,指数基金价值增值的预期会带来大量的大盘,进一步推高指数基金的交易价格。

从中长期来看,融资融券的推出给股票市场引入了做空机制,把原来的单边交易模式变成了双边交易模式,既能做多又能做空的双边机制会使上市公司的股价更合理,更准确地反映公司内在价值,市场有效性的提高会增大投资者尤其是个人投资者在获取超额收益方面的难度。在保证市场绩效的同时,较低管理费的指数型基金会更加吸引投资者。

融资融券保证金制度规定了除现金以外的保证金的标的物,这些标的物相对于现金都有不同程度的折价,单就股票相关标的物而言,ETF的折算率最高,为90%,一般股票型基金是80%,股票折算率最低,为70%。这就意味着在将来的融资融券业务中,相对于股票充抵保证金证券品种而言,投资者可以用较少的资金购买ETF作为保证金,获得同样的交易额度。

随着我国融资融券业务的不断成熟,融资融券标的物也会从开始的股票逐步扩展到ETF等上市交易型基金。当ETF成为融资融券标的物的时候,投资者可以借助融资融券对ETF进行套利。ETF目前的套利模式有一定的缺点,时间上的滞后性使得瞬时套利的效果不太好,融资融券可以有效地改善ETF套利时滞性的缺点。当ETF在二级市场上出现溢价交易时,投资者可以在一级市场上申购ETF的同时在二级市场融券卖空ETF;投资者面对ETF折价交易时的操作是:在一级市场赎回ETF的同时在二级市场融券卖空ETF的标的股票,从而套利者者可以利用融资融券消除一级市场上申购、赎回和二级市场上交割之间的时间差。

融资融券业务能够有效改善ETF的套利效果并使ETF具有杠杆操作效应,借助融资融券,ETF的数量和规模会有一个快速的发展。

2.融资融券对于高折价封闭型基金发展的影响

随着我国融资融券业务的逐渐成熟,封闭型基金在可以预期的时期内能够做为融资融券保证金的标的物,并且折算率相对股票比较高,同时我国的封闭型基金由于封闭期较长,缺乏流动性,普遍存在着高折价的现象,这就给投资者提供了利用高折价封闭型基金来放大杠杆操作的机会,进一步提高资金的使用效率。而且,封闭型基金的历史波动性要小于股票的波动性,便于投资者做好风险控制,保持杠杆率的稳定性。在融资融券业务中,高折价封闭型基金的折算率较股票更高是一个特殊优势,投资者对封闭型基金的需求会大幅增加,封闭型基金流动性的提高会给予封闭型基金流动性溢价,有效改善封闭型基金高折价现象。

另外,投资者还可以借助融资融券交易进行无风险套利活动,先进行投资组合构造:首先挑选出合适的折价封闭型基金构成组合,计算出该基金组合的β 值,然后选取可融券标的股票构建股票组合,保证股票组合的β 值等于基金组合β 值。组合构建完成后,进行市场操作:买进所构造基金组合,同时融券卖出所构造股票组合,持有封闭型基金净值回归平价(到期日或转开放日),赎回或卖出基金并买券平仓。但由于融券的最长期限不能超过6 个月,该无风险套利操作只适合距离到期日不超过6个月的封闭型基金。不过这一套利模式短期来说不具可行性,因为我国目前所有封闭式基金距离到期日都在2年以上。在不远的将来,套利活动会引起投资者对高折价封闭式基金的大量需求,从而推高封闭式基金的交易价格。

三、中国股票型投资基金的创新分析

融资融券业务将给基金产品创新带来契机,基金产品投资范围扩大以及双边交易机制能够使基金经理有更大的操作空间,投资策略和操作手法也会更加多样化。在将来的基金投资策略中,融资融券带来的杠杆化操作会使数量化投资模式运用的越来越多,基于融资融券业务的创新型基金也会出现,目前基金投资策略趋同、投资手法单调的现象将得到改善。

1.股票型投资基金创新具有的优点

进行基金创新,可以借鉴国外比较成熟的产品,譬如130/30基金。这种基金是主动管理型基金,资产由两部分的投资组合构成,即多头和空头。基金经理用所有本金追踪某种指数,初步建立多头头寸;同时通过融入相当于基金原有净值30%的证券,并抛空这部分融券,再将抛空所得的现金增加原有的多仓仓位,这样基金将资产的30%投资于空头组合,130%投资于多头组合,用100%的资金建立起了160%的组合规模。虽然利用了投资杠杆,基金的净权益风险仍然保持与传统指数型基金相当的水平,使得基金能够产生较高的超额收益。举例来说,如果一只130/30基金具有100万美元的资产,那么它会用100万美元买入一个股票的投资组合,同时融入价值30万美元的证券并卖掉。所得30万美元再次增加多头头寸,基金的投资就完成了130%的多头和30%的空头的组合。

跟130/30基金类似的主动型基金还有120/20、125/25、140/40,其中130/30的比重是最大的,占到了52%。美联储T条例对于风险敞口扩大的限制,以及基金边际超额收益会随着杠杆比例扩大而下降同时风险大幅上升的原因使得130/30基金占据了相关市场的主导地位。

我国传统的股票型基金只能单向做多,在市场下跌的情况下,只能通过减少仓位或调仓防御性股票减少股价下跌带来的损失,实现相对收益。130/30基金是双边投资基金,引入了做空机制,投资者通过建立适当比例的空头头寸可以在一定程度上规避系统性风险引起的股价下跌损失,还可以卖空预期不好的股票来获取超额收益。

在利用行业研究报告、股票研究报告方面,我国传统的股票型基金只能选择研究报告中建议增持的股票进行投资, 获取投资收益,建议减持股票的信息不能给基金带来收益。130/30基金可以卖空建议减持的股票,卖空所得用来增加预期表现较好的股票投资比例,提高资金的使用效率,更大程度上利用研究报告的信息。

130/30基金的多头头寸比例是本金的130%,空头头寸比例是本金的30%,双边交易机制使得多头头寸和空头头寸都可以给本金带来收益,即意味着投资者能够用100%的本金建立160%的持仓规模,操作的杠杆效应在预期准确的情况下能够给投资者带来更大的本金回报率。

2.股票型投资基金创新引起的风险分析

130/30基金的优点来自于空头头寸的建立,能否通过做空机制获得超额回报,关键在与空头仓位的灵活运用,不能机械地使用固定比例模型。做空机制和杠杆效应会加大130/30基金的操作难度和操作风险,管理者需要有更有效的风险控制体系。

衡量股票系统性风险的指标β系数,也可以用来衡量基金的系统风险,基金的系统风险可通过组合股票的贝塔值加权平均得到。130/30基金的多头头寸一般是跟踪某种指数,把传统指数基金的β系数作为基准,那么业绩基准的β值就是1。130/30基金的系统风险若要跟基准保持一致,多头头寸的β加权平均值应该是1.3,同时空头头寸的的β加权平均值须是0.3,这会加大头寸建立的研究难度和操作难度。而且β值的时变性需要基金对头寸实施动态调整来维持与基准一致的风险,这无疑会增加交易成本和管理成本。

若在我国推出130/30基金等创新基金,初期阶段基金公司或基金经理在建立空头头寸方面的经验不很丰富,可能会机械地运用数量化投资模型挑选出一些表现较差的股票,并按固定的比例建立空头头寸。根据我国股票市场的现况,业绩较差的股票价格不一定会下跌,有时候反而会受到炒作,机械式的卖空不但不会获得超额收益,还会遭受损失。空头头寸的仓位需要根据市场不断的变化情况动态地作出调整,引入空头机制的基金需要适当具备经验的投资者来运作才能更有效地发挥作用。

另外,130/30基金的相关费用会比传统基金要高:进行融券和建立空头头寸时会产生一定的交易费用以及支付卖空股票的股利;为了控制风险,动态调整空头头寸会导致股票交易频繁,交易佣金居高不下。

当然从我国目前融资融券的制度安排来看,对于抵押标的以及融券卖出资金的使用有一定限制,完全复制国外的130/30基金难度很大,不过这是我国股票型基金借助融资融券实现创新的一个方向。

参考文献:

[1]曾康霖.金融学教程[M].北京:中国金融出版社.2006年4月.

[2]《证券公司融资融券业务试点管理办法》.中国证监会.

股票型基金篇3

战胜业绩基准：短期不及长期

由图1所示，通过对2012年以前成立的283只股票型基金的相对业绩考察显示，股票型基金在长期的相对业绩较好，即在长期超越比较基准的概率较大。由于基金本身属于长期投资品种，因此就股票型基金整体而言，至少在中长期为投资者创造了价值，仍可以作为投资者进行财富管理的有效工具。

战胜业绩基准：小公司不及大公司

表1、2显示出资产净值规模前十的公司与后十的基金公司旗下基金在各期间超越业绩比较基准的比例。可以看出，除了今年以来及近两年以来小公司基金战胜比较基准略高于大公司外，其他统计期间内都是大公司旗下的基金有更高的概率跑赢基准。这主要是由于大基金的规模优势，其在集合投资、分散风险和交易费用上有比较优势，同时公司在人才吸纳和投研支持上的吸引力稳定性更强，因此获得更好的业绩也相对容易。当然，从另一个角度来说，基金规模的扩大和基金的业绩也是密切相关的。

战胜比较基准：合资与中资相当

图2显示，无论从短期还是长期看，中资基金公司旗下基金的业绩超越基准的概率都与合资基金公司相当，也就是说，尽管合资公司拥有其所宣称的全球背景，能够比较容易地引入国外的先进理念与管理技术，但在业绩上并没有比本土公司体现出明显的优势。

战胜比较基准：绩优基金风格鲜明

上述分类中，相对业绩从未超过基准的基金指的是在今年以来、近1年、近2年直至近5年6个统计区间中均未能战胜比较基准的基金；而相对业绩持续超越基准基金的选择标准则为今年以来、近1年、近2年直至近5年的6次统计中至少5次跑赢基准。此外，选入样本的基金均成立于2007年以前，见表3。

在图3中，左侧为相对业绩从未超过基准的基金各项风格指标的均值，右侧是相对业绩持续超越基准的基金各项风格指标的均值。

股票型基金篇4

【关键词】基金仓位；神经网络；投资风格

一、引言

公募基金行业作为我国迅猛发展的金融理财行业，规模不断扩大，投资者队伍迅速壮大。基金仓位反映市场信心，可以作为投资者判断后市走向的重要指标。对基金仓位的预测一直是学术界和投资者感兴趣的问题之一，具有实际应用价值。对于关于基金仓位预测模型的研究，目前国内还局限于传统线性回归方法，前提假设过于苛刻，忽略了很多影响仓位的动态因素，造成无法容忍的误差。目前公募基金的仓位数据仅在每年的定期报告中有所体现，但是按照年报频率公布的基金仓位并不能作为一个连续的后市预期指标，我们希望能够得到即时基金仓位，帮助投资者规避风险。本文运用神经网络建立仓位预测模型，利用现有基金市场行为的样本，从中自主寻找规律逼近复杂的仓位走势曲线，达到更好的预期效果。

二、基金仓位预测方法综述

目前，关于基金仓位预测的方法主要包括以下三种。

1.基于收益的基金仓位分析方法，是以夏普在1992年提出的基于收益的基金投资风格分析理论为基础，通过对基金收益与市场风格指数涨跌幅进行统计计算，估算出基金在不同风格资产上的配置比例，从而获得基金投入股市的仓位值。该方法可以在一个中观的维度上为基金投资者提供较为长期的和可持续的投资建议，但是在回归过程中存在多重共线问题，可能产生较大的参数估计标准差，使得预测误差较大。

2.传统的线性预测模型，经历了三个发展阶段，由于理论和算法的创新，测算准确性也有了明显提高。第一阶段的模型，将样本基金收益率均值除以基准指数收益率得到基金平均仓位，其过程简单，处理步骤少，但是测算结果跳跃性较大，并且对基金市场指数的选取依赖性强。第二阶段的模型，对基金收益、市场指数收益时间序列数据进行回归测算，初步消除了第一阶段模型的噪声，但是回归期限过长或过短都会对仓位测算结果带来较大的误差，且固定的回归期限使测算与实际结果之间产生时滞。第三阶段的模型，对单只基金与其基准的收益序列进行动态回归，通过对回归期限的动态调整，实现仓位测算工作的智能化和自动化，由于测算的样本是基金仓位数据的云重心，因此能有效消除了前两个阶段测算模型带来的系统误差。

3.非线性数据挖掘分析法，是直接对基金持股情况进行数据挖掘，深入剖析基金组合中各类别资产的增持减持情况，依据对基金行业资产的中观分析，最终实现对基金大类资产仓位的宏观分析。此测算模型打破了RSV法仅仅依据收益数值来进行测算、结果不具可对比性的缺陷，引入收益分布、波动率等多个指标，动态测算各分类资产相应指标对基金该指标的贡献度，提高了测算的可对比度，过滤了单一指标会引起系统性误差的缺陷，并引入因子分析、聚类分析、最优化等方法，进一步提高计算结果的精确性。

本文将结合基于收益的基金仓位分析方法和非线性数据挖掘分析法，借鉴基金仓位测算模型回归方法中的自变量取值和影响因素，运用非线性系统分析法中的BP神经网络建立仓位预测模型。

三、基于BP神经网络的仓位模型构建

1.影响基金仓位变动的主要因素

本文选取的基金仓位是基于基金投入股市的资金市值和基金总资产现值，因此，所有会影响股票价格和基金价格的因素都会影响基金仓位的变动，并且，各因素之间的相互作用也会对基金仓位产生影响。

从基金净值方面考虑，基金总资产的现值与基金交易价格密切相关。影响基金净值的因素包括三个方面，即基金单位资产净值、基金市场的活跃程度和银行存款利率。其他各种政治、经济和人文因素，例如外汇市场汇率变化、资金市场利率变化、投资者的心理因素也会影响仓位。这些数据在基金定期报告中具体表现为：期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金持股集中度、基金的持仓行业集中度，收市基金指数、基金换手率、基金折价率、居民价格消费指数、银行利率。

从股票市场价格方面考虑，股票的市场价格最直接的影响因素是供求关系，市场内部因素、基本面因素和政策因素通过作用于供求关系而影响股票价格。具体表现为基金持有股票组合的收益率、股票市值增长率，持有股票的开盘价、最高价、最低价、成交量、收盘价及MACD、KDJ、RSI、PSY技术分析指标。

2.因素相关性分析及边界划分

结合数据特征，本文选取2008年10月1日至2012年10月1日时间段，在此期间，已经历过金融危机，国内经济缓慢复苏，宏观政策调控没有巨大变化，华夏基金度过了2008年第三季度的最强金融危机冲击后，持续保持平稳发展。由于国际贸易收支、国际金融市场等因素不足以影响具体仓位值，政治局势、突发事件等因素不在预测范围内，所以都划在本研究边界之外。

将以上基金年报中的具体数据期末基金份额净值、基金市值、期末基金资产净值等和最终仓位值导入excel中的data analysis模块进行相关性分析。用Correlation工具算出Pearson相关系数，可得到期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD仓位值的Pearson相关系数超过0.5，将这12个变量划在最终边界内作为研究因素。

3.数据采集与预处理

本文选择华夏基金旗下华夏成长证券投资基金、华夏大盘精选证券投资基金、华夏优势增长股票型证券投资基金等10种基金在2008年10月1日至2012年10月1日的数据，作为建立模型和网络训练的样本集。

根据模型建立的需要，BP神经网络要求样本集合理区间为[0，1]，本文运用公式X’=（X-Xmin）/（Xmax-Xmin）对样本集进行归一化处理。其中Xmax、Xmin为最大值和最小值，X为原始数据，X’为转换后数据。将数据预处理后分为两部分，前250个数据作为模型的训练集，剩余的50个数据作为模型的测试集。

图1 预测模型的网络结构

4.BP神经网络建模

本文构建基金仓位预测模型，侧重研究基金一个周期中仓位走势的变化，所采集的数据无法达到海量。根据Kosmogorov定理基本原则，在有合理结构和恰当权值时，有三层结构的前馈网络就能逼近任意的连续函数，模型设计为单隐含层和输出层两个网络层次。选择期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD指标作为神经网络的12个输入向量，基金仓位作为唯一输出向量。根据Kosmogorov定理，初步设定隐含层结点数为2n+l即25个，并利用BP网络默认初始化函数initnw设计初始权值。考虑到本研究的原始数据经过归一化处理后符合S型对数函数的取值范围，选择tansig作为隐含层传递函数，logsig作为输出层传递函数。学习函数选择学习率可变的动量BP算法traingdx及梯度下降动量学习函数learngdm。性能函数选用误差性能函数为均方的误差函数mse。模型网络结构如图1所示。

根据以上结构和参数，在MATLAB中建立起基金仓位预测模型，在训练200，000次，隐含层节点数目为25的情况下，训练目标达到0.0001，但是收敛速度较缓慢，未达最优模型。

5.优化模型

在优化阶段，初始节点数在[15，25]范围之间进行多次尝试比对。根据仿真输出结果与真实值间的拟合程度及误差大小，最终确定隐含层节点数目为22，其预测误差为0.29998达到最小，并且均方误差为0.000999315也为最小，收敛速度较快，达到误差目标值需经过2338次训练，训练时间适中。同时选择尝试法确定初始权值。由于网络中隐含层和输出层节点的范围在0到1之间，初始权值选择为分布在e0.1num22之间的随机数，其中num为该连接权值的输入节点数。观察监测网络的训练效果、拟合效果后，基金仓位预测模型确定最终初始权值矩阵。

建立隐含层节点数为22，优化初始权值的BP神经网络后，经过30万次训练达到训练目标，完成学习成熟的仓位预测网络。

四、实证结果分析

将50组测试集数据输入模型，在MATLAB中将预测仿真结果和实际数据进行对比，如图2所示。

1.拟合：从拟合效果图观察，每个测试基金的仓位预测结果与真实值间的偏差在可承受范围之内。获得判定系数为0.69261，拟合程度远远高于相同样本线性回归预测结果0.389。在同一预测期下不同基金的仓位预测值与真实值的相对关系是一致的，说明预测模型对于所研究的行业内的不同基金走势判断都有良好适用性，所建立的预测模型是具有一定意义和价值的。

图2 模型测试数据输入输出拟合效果

2.偏差：模型偏差表现为存在预测值高于实际计算值的现象。原因在于数据时间跨度较大，期间经历奥运、世博等重大活动影响到股市和基金市场的活动，所有经济主体、金融市场都受到了不同程度的冲击，间接带动先前划在边界外的货币政策、财政政策、际贸易收支等因素的变动，影响了模型拟合度。另外边界外的基金持股集中度、居民价格消费指数、银行利率等弱相关因素的积累和相互作用都会带来拟合的偏差。关于单支基金，基金仓位在不同投资风格中也有相对差别，造成预测的偏差大于其他基金公司的原因，是华夏基金公司总体基金状况都处于市场风口浪尖的位置，这一带头特性导致预测的不可控性增强。

五、结论

本文将传统的基金仓位测算理念及影响因素同BP神经网络方法相结合，选择基于数据挖掘的BP神经网络作为基金仓位预测模型建立的基本方法，通过数据挖掘技术找出相关因素集，建立神经网络，相对于线性模型，提高了预测的准确性，同时对结果的拟合与偏差都能够获得合理的解释。本研究使信息技术更好的应用于基金投资风格研究，实现对基金仓位的科学预测，同时对于神经网络的预测应用也做出了新的探索。

参考文献

[1]王敏.基于神经网络的基金净值预测研究[J].天津大学学报，2008（5）.

[2]肖国荣.BP神经网络在基金价格预测中的应用研究[J].计算机仿真，2011（3）.

[3]李学峰，徐华，李荣霞.基金投资风格一致性及其对基金绩效的影响[J].财贸研究，2010（2）.

[4]董铁牛，杨乃定，邵予工.中国开放式基金投资风格分析[J].管理评论，2008（7）.

股票型基金篇5

这个月业绩前三名的都是股票型基金。它们分别是景顺能源、东吴行业和申万消费,收益率分别达到14.57%、13.54%和13.50%,业绩骄人。

景顺能源基建:近期业绩蹿升快

景顺能源基建是一个主题型基金,进入3季度以来业绩蹿升很快。凭借下半年以来的出色表现,该基金目前的排名已经上升至同类基金第8位。景顺能源基建二季末仓位为85.36%,持仓的重心为基础设施建设、新能源、大消费等板块。这些板块中的部分个股在本轮反弹中有突出的表现。该基金接下来的表现值得期待。

东吴行业:收益率达到13.54%

东吴行业轮动是一只股票型基金,这个月的收益率达到13.54%。该基金今年以来的业绩也在同类基金中排名亚军。其实,东吴基金是今年最为惹眼的基金公司,旗下基金表现均非常出色。不过,由于东吴基金去年的业绩比较差,好业绩是否能持久,不少人表示怀疑。

申万消费:消费主题基金

申万巴黎消费增长是一只消费主题基金。该基金重仓股票金飞达、横店东磁、创元科技等强势上涨,基金业绩提升明显。今年以来,几乎所有基金经历都看好“大消费”行业,不过申万消费的表现并不尽如人意,尽管这个月取得了13.50%的收益率,在所有基金中排名第三,但是今年以来的业绩为-4.45%,在同类186只基金中仅仅排名第96位。

后三名基金点评

这个月出现亏损的基金不是很多,后三名基金亏损都超过3%。其中,国投沪深300金融地产收益率-4.78%,上投优势收益率-3.84%,华宝上证180价值ETF收益率-3.72%。

国投沪深300金融地产:无奈指数下跌

国投沪深300金融地产成立于2010年4月9日,是境内唯一一只金融地产行业基金。由于生不逢时,该基金成立以来不到半年亏损18.40%。不过从长期看,一旦大盘蓝筹崛起,该基金肯定将快速上涨,值得长期关注。看好金融地产的投资者,不妨买一些国投沪深300金融地产基金。

上投优势:押宝房地产

上投中国优势成立于2004年9月15日,曾经是一只明星基金,特点是精准把握市场投资主线和行业趋势。该基金的投资思路“不与众同”,二季度末重仓地产股,房地产股的比例从一季度末的10.05%,快速提升到28.82%。结果,这个月中粮地产、招商地产等重仓股快速下跌,导致该基金亏损3.84%。该基金“押宝”房地产股看似没押对,不过考察一只基金不能只看短线,不妨多给它一些时间再好好观察观察。

股票型基金篇6

1.引言

近年来金融工具及其衍生物越来越多元化，其带来的不确定因素也越来越大，因而金融市场的风险也就越来越高。金融市场间的关系更是变得日趋复杂，更多的呈现出非线性、非对称和厚尾的特性，金融波动和危机的频繁出现使聚合风险管理和金融市场间相依关系分析成为国内外关注的焦点。

现阶段最常使用的风险度量指标是20世纪90年代j.p.morgan和g30集团提出的var（value at risk）方法，var旨在一定的置信水平下，估计金融资产或组合受市场因子波动影响，而在未来特定的一段时间内的最大可能损失。严格的说，var描述了在一定的目标期间内收益和损失的预期分布的分位数。如果c代表置信水平，var对应的是较低的尾部水平1-c。可表示为：

其中，表示某事件的概率，表示资产或资产组合在持有期内的损失，c为置信度水平。在最近这些年var作为金融风险度量工具得到了广泛的应用，然而，研究发现var不具有次可加性和一致性的风险度量，后来针对这一问题，acerbi等[2-3]提出了期望损失es（expected shortfall）的定义。

假设r为持有期内资产或者资产组合的损益，并假设r的累积分布函数f（r）（cdf）是连续的，那么对于置信水平，var也可以用如下定义：

式中，表示r的分布在给定显着水平的下侧分位数。假设表示r的概率密度函数，那么置信水平为1-c下的es可以定义为：

式中，为示性函数。es实质上是将资产价值r乘以权重的从-到0的积分，这样它就把超过var水平的损失部分考虑进去了。从经济意义上讲，es就是指当损失超过var时的平均损失。由于它同时具有了次可加性和一致性，是一个较好的风险度量工具。rappoport（1993）第一次在金融行业中用它来做风险管理的一个工具，后来acerbi（1997）等人证明了该方法是一个一致性的风险度量工具。

同时，通过引入copula函数度量资产组合集成风险的方法已经越来越成熟。schweizer和sklar最早提出copula函数的概念及其它的一些性质。后来sklar指出了copula函数可以把具有不同类型边缘分布函数连接起来，并且能抓住它在风险管理应用中的本质特征（例如：尖峰厚尾性）；emberchts等第一次把该方法引入到金融类相关研究之中。许多研究学者在他们的基础上做了很多有意义的研究。例如：breymann等人研究表明了学生t-copula的经验拟合比高斯copula优越很多；ceske，hemandez（1999）提出可以将copula函数与montecarlo技术结合计算相关损失；matteis对archimedean copula做了很好的总结。

在我国，copula函数方法在金融上的应用才刚刚起步，且其中绝大多数文献做的是介绍性、引入性的研究。最早见的是张尧庭（2002）提出copula函数在金融风险领域大有可为；史道济利用copula函数研究外汇组合的相关性；司继文（2004，2005）分别将copula函数应用于国内外的股票市场和期货市场；韦艳华、张世英（2004）将garch模型应用于copula函数，来度量金融时间序列的自相关结构。前人的研究主要集中在利用copula函数对股市或资产组合的相关性研究。而韦艳华（2004）利用garch模型拟合正态copula函数的边缘分布，然后运用monte carlo仿真技术计算投资组合的var。

本文创新一是采用garch或者egarch模型来拟合t-copula函数的边缘分布，克服了传统garch模型不能处理特定非对称金融时间序列的局限性。对此，本文也比较分析了单独使用garch下和本文采取的方法下的风险值，研究表明本文提出改进的思路对风险估计更为准确。改进二在于对于风险衡量的指标不是仅仅采用var，而是利用var与es双监管的风险度量方法，克服了传统风险度量var的很多缺陷（不具有次可加性、正齐次性等）。最后通过度量我国股票型开放式基金的市场风险为出发点，运用monte carlo仿真技术计算投资组合的var以及es，具有很强的实用价值。

2.garch或者egarch收益率分布模型

对于某一金融资产，投资者最想知道的是将来某个时刻该资产收益率的信息。由于金融资产收益率的尖峰厚尾性、条件异方差性、波动聚集性和杠杆效应等，普通的garch模型对对前三者能较好的刻画，但是对于杠杠效应garch模型不能刻画出，因此，本文对不存在杠杆效应的收益率序列采用garch模型拟合资产收益率的特征，对存在杠杠效应的收益率序列采用egarc模型刻画。该模型是glosten jagannathan和runkle在engle提出自回归条件异方差（arch）模型和bofloerselev提出的广义自回归条件异方差（garch）模型的基础上改进提出的，它考虑了坏消息和好消息对波动性不同的影响。

假设投资组合中有d种金融资产，对于资产i，直接根据最近的n期历史收益率数据（t=1，2，…，n）运用garch其中eagch模型中条件方差采用自然对数形式，意味着非负，且杠杠效应为指数型的。模型中引入了一个重要参数，若，说明信息作用非对称，存在杠杠效应。为第i个资产收益率序列；为的条件均值项；v是t分布的自由度。为待估参数；随机扰动项服从均值为0，方差为1的标准t分布。即：

它的形式使得garch或者egarch模型能够较好地描述收益率序列的各种特性（如条件异方差性、波动聚集性）。

假定利用观察资产收益率历史数据样本可以得到，在估计出参数后，可以得到下一时刻收益率的条件分布：

其中，是自由度为v的t分布函数，是到时刻t为止的信息集。利用matlab可以很方便地由样本观测数据估计出garch模型的各个参数，从而由式（2）得到给定t时刻前信息集的条件概率分布。

3.copula函数的参数估计

在资产分配、衍生品定价和风险管理等许多金融领域中，有关风险因素之间的相关性度量及其重要。许多文献中常采用多元正态函数，然而各种金融资产的收益率之间一般并不符合多元正态分布的假设，为此，本文使用copula函数来解决这个问题。

由sklar定理可知，对于一个具有边际分布函数为（）的金融资产的联合分布函数f，一定能找到一个copula函数c，使得：

如果所有的边际分布函数都连续则从上式定义的copula函数是唯一的。从上式可以计算得出copula：

其中，

文献表明，t-copula能更好地刻画各个金融资产的尾部相关性，本文研究的是t-copula连接函数分布。

其中，表示相关系数矩阵为r，自由度为v的维标准t分布函数，表示自由度为v的单变量标准t分布函数的反函数。copula模型为：

参数v为t分布的自由度。为d维t-copula分布，表示均值为0，方差为1，自由度参数为的正规化t分布函数，即：

式中是伽马函数。由于t-copula的密度函数对任意维数都不是一个简单的形式，本文根据t-copula函数形式使用matlab工具估计其参数，过程

（1）把资产收益率数据通过概率积分变换转化为一致分布；

（2）用对数似然函数法估计学生t-copula的参数：

此处的copula函数c为公式（4）给出的；

（3）令，此处是单变量累积标准正态分布函数；

4.利用模特卡罗模拟资产组合的var和es

根据embrechts关于利用t-copula函数模拟随机变量的方法，多次模拟资产组合资产收益率的随机扰动项。具体模拟步骤为：

（1）由上述估计出的随机扰动项的相关系数矩阵r，对其进行cholesky分解。

（2）根据标准正态分布，模拟d个相互独立的随机变量。

（3）产生与y相互独立的变量e，服从分布。

（4）令。

（5）令，则x为服从自由度为v的t分布。

（6）计算得到。

（7）根据得到联合分布为，连接函数为的d维随机扰动项。

（8）根据egarch或garch模型，得到金融资产收益率的条件均值和条件方差，然后根据随机波动方程，得到资产组合的资产收益率向量。

（9）给定资产在投资组合中的权重，计算投资组合收益r的值。

（10）重复上述过程5000次，模拟得到其经验分布，容易求出var和es的值。

5.实证研究

（1）数据的选取和边缘分布的估计

本文选取融通深证100基金2010年3月31日公布的前10大重仓股票作为观测样本，如表1所示。

本文采用从2004年7月1日至20010年3月31日共937个（对空缺数据已做处理）交易日的收盘价作为原始数据，计算出每只股票的对数收益率，并根据公式（1）、（2）估计出每只股票的边际分布，利用aic准则、sc准则和杠杆系数检验可以得出万科a、苏宁电器、中兴通讯、格力电器、吉林敖东存在杠杠效应，适宜采用egarch模型建模（其余采用garch建模拟合效果更好），下面以第三、四只股票五粮液（000858）和苏宁电器（002024）为例，分析其边缘分布函数的估计和拟合效果的评价。参数估计结果见表2和3：

其中，表2、3中括号的数据表示相应t统计量的估计值。从表2、3中给出的k-s相伴概率可知，利用cml方法对原序列做概率积分变换后，序列服从[0，1]的均匀分布。由此可以说明本文提出的模型可以较好地描述相关资产的边缘分布。同样的方法检验了其他8只股票的边缘分布拟合效果，都说明了garch或者egarch模型能较好拟合各自的边缘分布，因此用本文的模型描述收益率序列的边缘分布是充分的。

（2）copula函数参数估计和monte carlo模拟var和es

此处为了对比分析采用egarch或garch拟合边缘分布与仅仅采用garch拟合的效果，根据上面估计得各个股票收益序列的边缘分布，利用文中第四部分的估计copula函数参数的方法，估计得出其t分布的自由度dof=7.5848和各自的相关矩阵（表4、表5）。

由上述结果可知，仅仅采用garch拟合边缘分布使得各个资产之间的相关系数整体性的变小。从而可以推断出可能会导致风险的低估，从而对准确度量基金风险存在一定的影响。进一步的风险值比较分析可见表6、表7。

按照表1的投资比例，假设投资者处于t时刻，这里的t时刻指的是样本时间段的最后一天，即2010年3月31日，t时刻的投资组合价值为：

假设资产持有期从t时刻到t+1时刻，置信水平选择95%和99%进行估计。根据本文的copula-garch（egarch）模型，运用t-copula函数的模特卡罗模拟仿真模拟5000次，可以得出t+1时刻各个股票的收益率序列，进一步可以计算出t+1时刻各股票的损失序列，给定置信水平，容易得出t时刻到t+1时刻相应的投资组合var和es值，表6、7分别给出了本文提出的采用egarch或garch拟合边缘分布和传统方法仅仅采用garch模型拟合的情况下各个股票和证券投资组合的var和es值。

表6、表7清晰的显示本文所提出的方法对准确估计风险更进了一步，比较而言传统方法只使用garch模型拟合边缘分布导致了单个资产和资产组合的风险值都偏小。对于文中提出使用egarch模型拟合万科a、苏宁电器、中兴通讯、格力电器、吉林敖东，从表6与7中可以看出，var与es的风险值都比其他个股风险值偏离程度更大，说明采用egarch模型针对特定（存在杠杠效应）金融序列拟合效果更好，风险估计更为准确。

单独分析表6可以看出，在投资额一定的情况下，基金的风险值要比单个资产进行投资的风险值小，可见该基金选择的各个股票之间的相关关系有较大差别，说明投资组合可以大大降低投资风险。从var和es的风险值看，es都大于var，说明es比var度量风险更为保守，也说明了var在度量风险上存在计算风险值偏低的现象，这样对基金控制风险和减少资产损失极为不利，特别是当极端事件发生时，资产组合的风险值与实际值就会发生偏差。另外从var与es的差值可出看出，置信水平越高，投资组合降低风险的程度也就越大，但是由于var不具有次可加性，从es的差值能很明显看出。

6.结论

本文为了描述特定资产具有非对称性的特征，通过对资产收益率进行egarch建模，对不存在杠杠效应的资产仍使用传统的garch模型，这与copula可以连接具有不同边际分布的函数的相关关系相符，同时考虑到var度量风险的不足，引入了es一致性风险度量，通过t-copula函数和monte carlo模拟计算出了证券投资组合的var以及es的值。最后文章对融通深证100基金风险度量的实证研究可以看出，有的金融资产收益率序列可能存在杠杠效应；而且var的确存在低估风险的不足；同时也得出了风险值var或者es在置信度越高，它们的差值越为明显，说明了本文copula-egarch（garch）模型能较好地刻画投资组合二中不同资产间非正态非线性非对称的相关性。基于该模型的风险度量方法可以为我们基金管理公司评估和管理资产组合的市场风险，从而有利于公司控制和减少资产损失提供一定的参考作用。

参考文献

张尧庭.连接函数(copula)技术与金融风险分析明[j].统计研究,2002(4):48-51.

史道济,邱男.关于外汇组合风险相关性的分析[j].系统工程,2005,23(6):90-94.

司继文,蒙坚玲,龚朴.国内外期货市场相关性研究田[j].华中科技大学学报,2004,21(1):16-19.

股票型基金篇7

【关键词】股票型开放式基金 政策性资产配置 基金业绩

一、文献综述

资产配置是根据投资需求将投资资金在不同的资产类别之间进行分配,通常是将资产在高风险、高收益证券和低风险、低收益证券之间进行分配。从时间跨度和风格类别上看,可分为战略性资产配置和战术性资产配置。

战略性资产配置是资产配置的基本方式,它根据不同资产类别的收益特征和投资者的风险偏好,构造一定风险水平上的资产比率,并保持长期不变,又称为政策性资产配置(policy asset allocation)。战术性资产配置则是在战略型资产配置的基础上根据市场短期变化,对具体的资产比率进行调整,其强调的是短期内的盈利策略。

国外关于对资产配置的研究:William sharp(1981)发现,资产配置是最重要的决策。Brinson、Hood和Beebower(1986)通过分析美国91家大型养老基金从1974年到1983年的数据发现,政策性资产配置对养老基金业绩的解释程度为93.6%,远远超过用类似方法计算的“时机选择”及“证券选择”对基金业绩的解释程度,所以认为政策性资产配置是决定基金业绩最重要的因素。Brinson,D.Singer and Beebower(1991)的研究论证了Brinson在1986年的结论,政策性资产配置对基金在时间序列上的业绩差异的解释程度为91.5%。Ibbotson和Kaplan(2000)的研究也基本证实了Brinson的研究结果,他们对94只共同基金和58只养老基金的研究表明,同一基金业绩随时间波动中90%可以由政策性资产配置解释,不同基金业绩差异中约40%可以由政策性资产配置来解释,同一基金政策性资产配置对总收益水平的贡献程度高于100%。

在国外研究的基础上,国内对基金资产配置的研究文献也大量出现。张新、杜书明(2001)运用经典的夏普指数、特瑞纳指数、詹森阿尔法对我国证券投资基金的整体绩效表现进行了较为全面、客观的衡量,研究发现没有足够的证据表明我国基金取得超越基准指数的表现, 各个基金均未显示出优异的选股能力和择时能力,基金很难取得持续性超越市场的表现;蒋晓全、丁秀英(2006)通过建立面板数据模型实证研究发现政策性资产配置在时间序列上对同一基金的业绩起着重要作用,而基金积极管理程度与政策性资产配置对不同基金业绩差异贡献程度的关系不明显。李学峰、 茅勇峰(2007)从风险与收益相匹配的视角,实证研究发现我国的大部分封闭式基金具有较高的资产配置能力,同时还发现,我国证券投资基金很大程度上通过投资组合中的证券调整来进行资产配置,而较少通过对组合中资产的调整来满足资产配置的要求。

二、模型设计

基金的总收益(净值增长率)可以分解为两部分:政策性资产配置收益(Pol1cy return,用PR表示)和主动性收益(Active return,用AR表示),政策性收益是指总收益中来自于政策性资产配置的收益,主动性收益是指基金经理的选股收益和选时收益。所建立的模型如下:

TRi,t=(l+PRi,t)?鄢(l+ARi,t)-1(1)

其中:TRi,t表示基金i在t期的净值增长率;PRi,t表示基金i在t期的政策性资产配置收益;ARi,t表示基金i在t期的主动性收益。

政策性收益是基金总收益中来自于政策性资产配置的收益,计算公式如下:

PRi,t=■(Wn,t?鄢Rn,t)(2)

其中:Wn,t表示基金i在t期的股票、债券、现金以及其他资产等各类资产的配置比例;Rn,t表示t期各资产的基准收益率。

根据Ibbotson和Kaplan(2000)提出对证券投资基金资产配置效率的研究方法,我们将会对我国基金的资产配置效率研究三个方面的问题:第一,政策性资产配置对同一基金在时间序列上的业绩差异的解释程度;第二,政策性资产配置对于不同基金之间业绩差异的解释程度;第三,政策性资产配置对基金总收益的贡献程度。

三、研究样本和数据来源

本文以2006年1月1日到2009年9 月30日作为研究周期,并以季度为研究单位,我们选取的基金样本是在2006年之前成立的股票型开放式基金,并且剔除了指数型基金,仅限于成长型基金、平衡性基金和价值型基金,最后入选的包括45只股票型开放式基金:其中包括成长型基金12只,平衡型基金25只,价值型基金8只。

基金投资组合的资产类别包括三个部分:股票、债券、现金以及其他资产。各类资产的市场基准收益率确定如下:股票资产的市场基准收益率以沪深300指数(000300)的季度收益率来计算,债券资产的市场基准收益率以中信标普国债季度收益率(816020)来计算,现金和其他资产的市场基准收益率以该季度内无风险利率来计算。所有的数据来自于和讯基金、RESSET/DB 金融数据库、软件和各基金公司的网站。

四、对我国证券投资基金资产配置能力的实证检验

本文采用计量经济模型依次对上述三个问题进行实证分析。

1、政策性资产配置对同一基金在时间序列上的业绩差异的解释程度

首先,我们利用搜集的各类资产的配置比例和资产的基准收益率数据,根据公式(2)计算各只基金的PRi,t;其次,对45只基金17个季度的收益率依次建立计量模型:TRi,t=c1+c2?鄢 PRi,t+Ui,t,得到R2,其中41只基金的R2≥80%,模型的拟合优度较高,结果见表1。最后,对45只基金的R2进行简单的平均,得到政策性资产配置大约对同一基金在时间序列上的业绩差异的解释程度为88.6%,而国外的研究也发现政策性资产配置的贡献度在90%左右,说明我国证券投资基金的政策性资产配置能力与国外的差别不大,政策性资产配置对我国同一证券投资基金在时间序列上的业绩起着重要作用(见表2)。

2、政策性资产配置对于不同基金之间业绩差异的解释程度

在这个问题的研究中,我们将会用到基金在整个期间复合季度平均回报率,计算公式如下:

通过公式(3)、(4)求出基金i的季度复合平均收益率TRi和季度复合平均政策性资产配置收益率PRi,对45只股票型开放式基金建立一元线性回归模型:TRi=c1+c2?鄢PRi+Ui,得到的R2为18.64%,即政策性资产配置对不同基金之间的业绩差异的贡献程度为18.64%(见表3)。

从表3中发现,政策性资产配置对我国证券投资基金之间业绩差异的解释程度为18.64%,说明政策性资产配置对基金业绩差异有一定的解释程度,但低于美国共同基金的40%和养老基金35%的解释程度。这表明我国证券投资基金之间的业绩差异不是来源于政策性资产配置,而是主要来源于基金经理的选股能力和择时能力等主动性因素。

3、政策性资产配置对基金总收益的贡献程度

PRi,t/TRi,t表示政策性资产配置能力对总收益的贡献程度,我们按季度分析了45只基金的政策性资产配置的效果。结果见表4,表中数据是根据各基金的规模加权平均计算得到。

对各季度数据进行简单加总平均,我国政策性资产配置对总收益的贡献率为PR/TR=86.75%。政策性资产配置对我国基金收益的贡献很大,达到了86.75%,而主动性因素对我国基金总收益的贡献不明显。

五、结论

本文通过实证检验分析了我国45 只股票型开放式基金的政策性资产配置效率,得到如下结论:第一,政策性资产配置对我国同一证券投资基金的在时间序列上的业绩起着重要作用。政策性资产配置对我国同一基金业绩在时间序列上变动的解释程度为88.6%。第二,政策性资产配置对不同基金之间业绩差异的解释程度为18.64%,低于美国共同基金的和养老基金的解释程度。我国证券投资基金之间的业绩差异主要来源于基金经理的股票选择和择时能力等主动性管理因素。第三,政策性资产配置对我国基金收益的贡献程度很高,其贡献率为86.75%,而主动性配置对基金总收益的贡献不明显。

【参考文献】

[1] Brinson.G.P、Hood.L R、Beebower.G.L:Determinants of Portfolio Performance [J].Financial Analysts Journal,1986(7/8).

[2] Brinson.G.P、Singer.B D、Beebower.G.L:Determinants of Portfolio Performance Ⅱ:An Update[J].Financial Analysts Journal,1991(5/6).

[3] Roger G. Ibbotson、Paul D.Kaplan:Does asset allocation policy explain 40,90,or100 percent of performance?[J].Financial Analysts Journal,2000(1/2).

[4] 张新、杜书明:中国证券投资基金能否战胜市场[J].金融研究,2002(1).

股票型基金篇8

【关键词】分级基金 折溢价率 合并分拆 套利

在预期市场无风险利率水平处于下降通道以及沪港通等多重利好因素影响之下，2014年终于迎来了股票市场、债券市场双双走牛的一年。以上证指数为例，自2009年反弹至3478的高点以来，近几年上证指数再也没超过此点位，期间最低点还曾达到过1849的低点，2012年、2013年上证指数表现在国际市场之中亦是排名垫底，股民忍受了多年熊市的煎熬。终于在2014年，国内A股市场迎来了表现扬眉吐气的一年，上半年，新兴行业板块个股表现热火朝天，依旧保持着结构性的赚钱效应;下半年，大盘蓝筹股走出了投资者盼望已久的估值修复行情，指数从而也迎来了大幅上涨。上证指数全年上涨达到52.87%，主动偏股型基金平均上涨超过24%，创近5年来最好表现水平。

近几年表现较为沉寂的权益类分级基金，在2014年的股票市场牛市中终于焕发出了活力，展现出了强大的赚钱效应。过去几年中，多只分级基金触碰到了下折阀值，引发了向下折算，如：银华中证内地资源指数分级基金、鹏华中证A股资源产业指数分级基金;但在2014年却出现了多起上折案例，如：中欧盛世成长分级基金、富国中证军工指数分级基金、申万菱信申银万国证券行业指数分级基金以及鹏华中证800证券保险指数分级基金，呈现了难得一见的盛景。在2014年之中，净值水平曾一度跌破0.1元阀值的申万进取，也终于翻身，成为当年净值增长最快的B类份额（2014年1月1日之前已成立的同类产品排名），净值涨幅高达281.64%。在2014年中，包含当年成立的新基金，9只分级基金母基金净值水平上涨超过50%，38只B类份额全年净值水平上涨超过50%，由此可见，牛市中选择了杠杆基金这个投资工具，能够进一步放大赚钱效应，当然这也需要适时地正确选择契合市场表现的投资标的。

分级基金也被称为结构型基金，是指在同一投资组合下，通过对基金收益或净资产的分解，形成两级或多级风险收益表现有一定差异性基金份额的基金品种，分级基金各个子基金的净值与份额占比的乘积之和等于母基金的净值。目前我国的分级基金类型主要为融资型，即B类份额持有人根据产品合同在约定时间向A类份额持有人支付约定收益，支付约定收益后的总体投资盈亏均由B份额持有人承担。当母基金的整体净值下跌时，B份额的净值优先下跌;相对应的，当母基金的整体净值上升时，B份额的净值在提供A份额收益后将获得更快的增值，从而满足不同风险收益偏好的投资者。

国内的分级基金发展基本跨越了三个时期：

一、萌芽期

2007年-2009年。2007年7月，国内第一只封闭式基金国投瑞银瑞福分级的设立拉开了国内分级基金的发展大幕。作为国内第一只分级基金，瑞福分级成为国内分级基金发展领域的拓荒者，通过瑞福优先及瑞福进取的设立，第一次创新的将风险收益进行分层，由于其杠杆性的设立及市场早期杠杆产品的稀缺，市场上给予瑞福进取大部分时间处于溢价水平。2009年5月第一只封闭式架构的长盛同庆分级基金成立，封闭期3年，期间母基金不能申购赎回，A、B份额上市交易，并且受益于2009年股票市场的大反弹行情，成功募资超过140亿元。2009年10月国投瑞银瑞和300正式成立，成为第一只指数型分级基金，并且第一次引入了定期折算机制及配对转换机制，新发募资超过32亿。

二、 发展期

2010年-2011年，这两年间共成立18只分级基金，产品类型包括股票型分级、指数型分级、一级债分级和二级债分级，从产品类型及成立只数角度进一步丰富了分级基金市场容量。尤其是宽基指数型分级基金的出现，为投资者提供了非常好的投资工具，这其中如设计较为成功的银华深证100指数分级基金，其成功之处包括：风险收益实现了完全分离;设立阀值到点折算保护了优先份额的本金安全;第一次实质上具有配对转换机制，为投资者带来了套利机会;被动投资于指数，降低了投资者的时间及费用等，截至2014年12月31日，银华深证100指数分级基金资产净值超过110亿元。

三、 成熟期

2012年以来至2014年底，共成立103只分级基金，在产品类型上进一步细化，出现了更多跟踪标的的宽基指数分级基金，行业、主题类分级基金、QDII分级基金，大大丰富了投资者的选择。截至2014年12月31日，存续的分级基金共121只，其中权益类65只（股票型7只、指数型58只）、债券类56只，存续资产净值规模近1750亿元。

由于分级基金具备差异化结构产品特性，从而可以给投资者提供多种投资策略选择，当然，投资者也要根据自身风险收益偏好，以及结合对相应市场的预期，选择适宜的操作策略。总体来看，以指数型分级基金为例，有以下五种投资策略：

四、 长期持有策略

当投资者中长期看好该指数型分级基金，可以选择场外认、申购母基金份额或者在场内按产品比例的设定买入A份额和B份额合并为母基金持有。

五、 投机策略

由于收益分配方式的不同，A、B份额的净值表现会出现较大差异。由此可见，偏好低风险的投资者可单独持有A类份额获取稳定收益，偏好高风险的投资者可以结合对于市场大势及产品相应投资标的走势的预判，单独持有B类份额，从而有机会博取较高的超额收益。

六、 短期套利策略

针对具备“配对转换机制”的分级基金，投资者可在承担相对较低风险的情况下，构建套利组合，进行套利交易。如：当两只分级基金份额出现整体性折价时，可按产品设定的比例买入A类和B类份额，申请合并成母基金份额后选择赎回操作，获取套利收益;当两只分级基金份额出现整体性溢价时，可以通过申购母基金份额并进行“分拆”操作，获取A类、B类份额分别在二级市场进行卖出，获取套利收益。这里所提到的相对较低风险，指的是“配对转换”和“分拆卖出”操作都是由于存在一定时滞效应造成的，合并套利需要T+2的时间、分拆套利需要T+3的时间，在这过程中由于折溢价收窄及交易成本的存在（二级市场交易费用、申购费及赎回费等）及二级市场交易流动性等因素都会引发风险发生。

七、 长期持有+滚动套利策略

如：投资者在中长期看好某一分级基金的时候，可以同时持有该分级基金的母基金份额及A、B类份额，当出现整体溢价的时候，可以卖出A、B类份额，申购母基金份额，获取套利收益：当出现整体折价的时候，可以赎回母基金份额，分别买入A、B类份额，获取套利收益。这样可以有效避免在套利交易中，由于折溢价收窄带来的风险，并可以保证持续持有一定数量的基金份额。

八、利用股指期货套利策略

2010年4月，我国金融期货交易所推出了沪深300股指期货，针对投资标的同为沪深300指数的分级基金，当沪深300股指期货相对于现货出现溢价时，投资者可以在二级市场按照产品约定的比例分别买入A、B类份额，并在期货市场做空沪深300股指期货，直至期货市场溢价接近消失时为止，以此套取期货市场溢价的无风险收益。值得注意的是，就目前二级市场分级基金表现来看，低风险A类份额的交易并不是十分活跃，这会使得投资者在做套利交易的过程中会有较高的冲击成本，因此当存在较大的套利空间时才便于操作。现存多数分级基金具备配对转换的机制，虽然配对转换机制有助于抑制A、B类份额整体的折溢价，但是分级基金进行跨市场套利也存在一定的风险，而利用股指期货能较为有效的规避这种“裸套”风险。由于跨市场转托管需要几个工作日，使分级基金套利存在时间敞口带来的系统性风险，而投资者可以利用股指期货将系统性风险对冲，获取套利收益。当分级基金整体大幅折价时，投资者可以在二级市场按产品约定比例分别买入A、B类份额，同时卖空股指期货，然后将分级基金合并转换为场内母基金份额，在T+2日赎回母基金并且将股指期货平仓;当分级基金整体大幅溢价时，投资者可在场内申购母基金，并且卖空股指期货，根据交易规则在T+2日将母基金份额分拆、T+3日卖出分级份额，并将股指期货进行平仓。

分级基金的结构化设计提升了该产品的市场价值并活跃了市场流动性，已经成为公募基金创新的重要工具。这其中如宽基指数分级基金成为了投资者能够使用的非常好的投资工具，一定程度上也降低了投资的不确定性，增加了投资者成功的胜算。

作者简介：

杜志琪，男，北京市人，出生于1986年7月18日。本科毕业于西南财经大学，本科期间攻读行政管理及金融学，获管理学学士及经济学学士学位。2008年7月进入公募基金领域从事市场销售工作，现任职于民生加银基金管理有限公司，对公募基金产品有着较为深入的了解。

参考文献：

[1]国投瑞银基金管理有限公司，国投瑞银瑞福分级证券投资基金招募说明书，2007，7.

[2]长盛基金管理有限公司，长盛同庆可分离交易股票型证券投资基金招募说明书，2009，4.

[3]国投瑞银基金管理有限公司，国投瑞银瑞和沪深300指数分级证券投资基金招募说明书，2009，9.

[4]银华基金管理有限公司，银华深证100指数分级证券投资基金招募说明书，2010，4.

股票型基金篇9

权益类产品是指投资于股票、股票型基金等权益类资产。包括股票，证券投资基金和股票型基金。

股票是股份证书的简称，是股份公司为筹集资金而发行给股东，作为持股凭证并借以取得股息和红利的一种有价证券。每股股票都代表股东对企业拥有一个基本单位的所有权。

证券投资基金是指一种利益共享、风险共担的集合证券投资方式，即通过发行基金单位，集中投资者的资金，由基金托管人托管，由基金管理人管理和运用资金，从事股票、债券等金融工具投资。基金投资人享受证券投资的收益，也承担因投资亏损而产生的风险。

股票型基金就是以股票为主要投资对象的基金，它是相对于债券型基金、货币市场基金等其他类型的基金而言的。市面上大多数的基金都是股票型基金，一般说来，股票型基金的收益性较高，但投资的风险也较大。

（来源：文章屋网 ）

股票型基金篇10

进行投资的时候，你应该将资金分配在哪些品种上？各类型资产占多少比例？如何将鸡蛋放在不同篮子里的资产配置问题是投资过程中的重要步骤，也是投资者能否实现投资目标的关键，基金投资也是如此。

基金其实是股票、债券和现金等投资品种的组合，根据其主要的资产分布可分为股票型基金、配置型基金、债券型基金和货币市场基金等。股票型基金将资产大部分投资在股票的基金，也会投资少量的债券。债券型基金将大多数资产投资在债券上。配置型基金则在股票和债券上进行混合配置，其中积极配置型基金的股票比重高一些，而保守配置型的债券比重要高一些。对于基金投资人来说，则要通过建立由不同类型基金构成的组合，来落实自己的投资最终在各类型资产上的分布。

首先，应该放下不切合实际的幻想，象以往市道中抓住哪只基金“赚一笔走人”之类的，不妨把自己的期望值放低下来，未必要“低到尘埃里”，而是与组合配置的思路相匹配――好比瓜田里有甜瓜和涩瓜，但一般不会长出豆子来。

无论你投资了什么基金，其实是股票、债券和现金等投资品种的组合。资产配置可从两个层面来进行。最基本的层面是如何将资金配置在股票、债券和现金这些资产大类上。更深一步的层面是将股票和债券资产进一步分散在不同类型股票或债券上，以降低风险。

首先，来看看如何进行资产大类的配置。具体将多少的金额配置在股票、债券和现金上是由投资者的投资目标、投资周期、风险承受能力和投资金额来决定的。这个步骤称为战略性资产配置，也是最基本的资产配置。

根据投资目标、投资周期、风险承受能力和投资金额，投资者采取不同的投资策略，将资产按不同比例配置在股票、债券和现金上。例如，如果投资周期大于10年且投资者可以承受较大的风险，可采取激进型投资策略，以追求较高的长期收益。这时，投资者可以将大部分资产投资于股票上。如果投资周期大于5年且投资者可承受一般水平的风险，可采取稳健型投资策略，将资产在股票和债券进行平衡的配置。如果投资周期小于5年且投资者比较厌恶风险，就更着重保持现有的财产的价值，可采取保守型投资策略，将多数资产置于债券和现金上。

投资者可以用区间的形式确定持有各类资产的比例，这样比限制一个固定的比例更有效。例如，投资者可将债券的投资比例定在总资产的5－25％，而在这个范围内，根据债券在市场中的表现，决定增持还是减持。

将投资金额配置在股票、债券和现金等资产类别后，为了分散风险，投资者应通过考察基金的投资组合中具体的股票和债券，使资产进一步分散在不同投资风格、不同市值大小的股票和不同久期、不同信用素质的债券上。

投资者可将资产分散在各个不同投资风格的股票上，有利于降低投资的风险。投资者可以将一部分资产购买价值型基金，一部分投资于成长型基金。当然，投资者也可通过持有平衡型基金来达到给既持有价值型股票又持有成长型股票的目的。但当投资规模较大时，如果分开持有价值型基金和成长型基金，可以根据不同投资风格基金的市场走势调整持有比例，以抓住市场中出现的机会。

另一方面，将股票资产配置在不同市值大小的股票上也是需要关注的。一般地，大盘股风险收益特征要相对低于中小盘股票，保守型的投资者可以投资较多的大盘股基金，如果投资者风险承受能力较高，可增加中小盘基金的持有比例。

值得关注的是，随着QDII的放行，国内投资人也开始面临股票资产在全球不同市场配置的问题。进行海外配置的目的是为了分散风险还是追求某个市场的收益，也是需要重点考虑的问题。