投资绩效评估

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。

和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力，或者说运气。被动投资力求完全复制相应的基准成分股及其权重，所以每当某指数做成分股的调整时，新入选的股票

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

/wiki/static/upload/bf/bf43777d-70f4-4cfc-be1c-d17c4002d57b.pdf

\

{{membership}}

https://bigquant.com/codeshare/38085c4a-2332-4ceb-ba0e-eed448c3c6e5

\

摘要

CPV因子多空对冲绩效（全市场）：2014年2月至今，CPV因子在全体A股中，5分组多空对冲的年化收益为17.52%，年化波动为6.23%，信息比率为2.81，月度胜率为83.72%，月度最大回撤为3.79%

CPV因子多空对冲绩效（中证500）：2014年2月至今，CPV因子在中证500成分股中，5分组多空对冲的年化收益为11.40%，年化波动为8.46%，信息比率为1.35，月度胜率为68.60%，月度最大回撤为14.75%。

4月份CPV因子收益统计：在中证500成分股中，4月份“CPV因子”组合的收益率为1.77%，中证500指数收益率为3.62%，组合对冲指数收益为

/wiki/static/upload/0a/0a5012aa-5952-47fc-9100-ed1a029ef8d8.pdf

\

https://bigquant.com/experimentshare/4f0628d6e9814924a0b0dbf375356d06

\

{{membership}}

https://bigquant.com/experimentshare/1ac7989b1e63421ba3850e5394e6c36a

\

报告摘要

主要观点

本篇是“学海拾珠”系列第八十七篇。本文提出了一种较为创新的评价共同基金经理人绩效的方法，即基于松弛度经理绩效指数(SMEI)。首先，SMEI通过对基金经理整体绩效进行评估，而不是对单个共同基金进行评估，从而对决策做出贡献。第二，SMEI包括教育背景和管理经验，而不仅仅是组合表现。第三，SMEI能甄别局部高效但全局低效的管理者。回到国内基金市场，大多绩效评价体系仅基于组合表现，而模型未涉及教育经历和经验。此外，根据投资类型划分基金经理竞争圈进而做出评价和对比是更为合理的做法，值得借鉴。

**用局部松弛绩效指数SMEI来度量基

报告摘要

主要观点

本文重点考察了机构投资者的实地调研行为是否能够带来更高的收益。本文采用两种方法，一种是比较按基金规模排序的五分位的基金业绩差异；另一种是构建回归模型。结果表明，基金公司实地调研越频繁，基金业绩越好，这一现象在中等规模的基金公司中表现得更为明显。而对于规模稍大和较小的基金管理公司来说，更频繁的调研并没有得到更好的回报。本文的研究成果为丰富选基因子库提供了新颖的视角，一般而言，选基因子大多从基金业绩或持仓数据出发，如何通过基金调研行为筛选得到优秀基金值得深入探究。

基金业绩、实地调研频率和基金规模三者存在相关关系

本文收集了

摘要

本文主要讨论了Brinson基金绩效归因模型的原理和实现方法，并利用该模型对股票型和混合型基金进行实证研究。Brinson模型基于持仓数据，将基金的超额收益主要归因于资产配置与标的选择两个方面。通过理论分析和实证检验，我们发现不考虑交互收益的BF超额收益分解方案和将再投资收益归属到超额收益产生阶段的GRAP算法是Brinson模型的较优实现方法。 　　 基于此，我们分别选取一只股票型基金与混合型基金进行实证分析，定量测算了两只基金不同时期里的资产配置、行业配置和标的选择能力，实现对偏股基金超额收益来源较为深入的剖析。

Brinson模型可针对不同类型的基金进行单期或多期

研究结论

绩效归因分析主要是将投资组合的业绩与基准业绩相比较，并将超越基准部分的收益分解成若干影响投资决策的因素。投资组合的绩效归因分析主要有两大类：基于收益率的绩效归因和基于组合持仓的绩效归因。

基于收益率的绩效归因主要有T-M 模型、H-M 模型、C-L模型、TM-FF3 、HM-FF3和CL-FF3模型。基于组合持仓的绩效归因主要依据Brinson模型和多因子模型。基于持仓的归因相比于基于收益率的归因能够从更多角度刻画组合管理人的投资能力。

风险也是组合管理人关心的重要部分，对投资组合进行风险归因有助于组合管理人了解组合的风险来源。风险归因分为事前(ex-ante)风

摘要

文献来源：Fulkerson J A, Riley T B. Portfolio concentration and mutual fund performance[J]. Journal of Empirical Finance, 2019.

推荐原因：当基金经理的信息集合足够有价值时，即alpha预期收益大于特质波动预期增加带来的成本时，他们应该会选择提高投资组合的集中度。与这一观点相一致的是，我们发现基金的业绩在集中度提高后会改善。由于提高集中度的预期成本因基金而异，而且随着时间的推移，基金经理选择提高集中度之前所需的预期收益也应有所不同。研究结果表明，机构持

摘要

在基金产品实际运行管理的过程中，基金绩效评价具有较 强的现实意义。基金公司管理者对基金经理的业绩考核、 基金经理对历史业绩的原因分析，都需要以科学的绩效归因和 评价模型为依据。

早期的基金评价主要评价基金的收益、超额收益、夏普 率、最大回撤等较为直观的指标。对基金的风格类型、收益来 源、选股能力、风险控制等方面还没有较为客观的评价。在实 践过程中发现，这种方式对于不同主题、不同风格类型的基金 经理的评价缺乏客观性。例如 ：一只策略为单纯买入小市值股 票的基金，在 2014 年到 2015 年间，能够取得非常可观的业绩，在许多指标上的表现也可能较为优秀。但是这样的基 金其实存在非

绩效归因分析主要是将投资组合的业绩与基准业绩相比较，并将超越基准部分的收益分解成若干影响投资决策的因素。投资组合的绩效归因分析主要有两大类：基于收益率的绩效归因和基于组合持仓的绩效归

基于收益率的绩效归因主要有T-M 模型、H-M 模型、C-L模型、TM-FF3 、HM-FF3和CL-FF3模型。基于组合持仓的绩效归因主要依据Brinson模型和多因子模型。基于持仓的归因相比于基于收益率的归因能够从更多角度刻画组合管理人的投资能力。

风险也是组合管理人关心的重要部分，对投资组合进行风险归因有助于组合管理人了解组合的风险来源。风险归因分为事前(ex-ante)风险归因和事后(ex-post)