论文部分内容阅读
证券投资基金是现代金融业的重要组成部分。随着基金业的迅速发展,证券投资基金已成为我国资本市场最大、最有影响力的机构投资者。目前,开放式基金的数量和规模已远远超过封闭式基金。股票型、债券型、收入型、平衡型等各种称谓的基金开始充斥市场,在给投资者带来更多选择的同时,也让投资者多了些许担心如何才能在如此多的基金中选择自己想要的基金,持有基金投资是否能够获得持续的基金收益等。因此选择科学、有效的基金业绩评价指标来对基金表现进行评价对基金投资者来说就显得尤为重要了,无论是在理论上还是在实际上都具有非常重要的意义。然而回顾国内外对基金业绩评价的研究发现,传统Sharpe比率将投资收益的标准差作为风险度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的,因为它忽略了最重要的损失风险,即下侧风险。针对传统Sharpe比率的这一缺点,本论文考虑了用于度量下侧风险的指标风险价值VaR和预期不足ES来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,首先,引入GARCH模型来刻画投资收益率序列的波动在时间上呈现出的簇聚现象;其次,考虑到基金暴涨暴跌的极端现象,引入极值理论来对小概率极端事件产生的影响进行建模,采用POT模型对序列的尾部风险特征进行研究;最后,综合考虑了收益率序列的波动率聚簇现象和厚尾特征,对GARCH模型和POT模型进行改进,构建了 GARCH-EVT模型来提高风险度量模型的有效性。在理论研究的基础上,选取了 2006年10月25日至2016年10月25日的24只基金数据进行实证研究,并分别采用Kupiec似然比检验和Bootstrap方法对上述3种模型给出的VaR和ES风险测度进行返回测试来衡量各个模型的准确性。实证结果表明:在较高置信水平下,极值理论能较好地刻画分布的尾部形态,提高模型的准确度和有效性,且基于GARCH-EVT模型估计的各基金VaR值和ES值更为精确,意味着将GARCH模型和极值理论相结合,能够实现极端风险更准确的测度;修正的Sharpe比率较传统Sharpe比率更加合理,其中,基于ES的修正的Sharpe比率又比基于VaR修正的Sharpe比率更加保守。不同于其它文献的是,本论文着眼于Sharpe比率的估计量SR,研究了 24只开放式基金实际日收益率下SR和基于VaR和ES修正的SR,并使用双样本统计量对SR进行假设检验,结论证明了假设检验是显著的,且在基金排名和评价的应用中是非常可行的。