投资组合绩效评价及其应用研究PDF电子书下载

第1章　绪论 1

1.1　研究背景 1

1.1.1　金融定价理论研究的评述 2

1.1.2　证券投资组合理论的发展 3

1.1.3　证券投资组合绩效评价理论的发展 4

1.2　研究动因 9

1.3　技术路线、研究内容和本书创新期望 11

1.3.1　技术路线 11

1.3.2　主要研究内容 12

1.3.3　本书的创新期望 15

第2章　追踪参考证券的单期均衡定价模型 17

2.1　证券市场的机构投资者的行为 19

2.1.1　机构投资者对市场的影响力渐现 19

2.1.2　证券市场机构投资行为偏好 20

2.2　多因素定价模型 23

2.2.1 均值方差模型（MV）和追踪误差模型（TEV） 24

2.2.2　资本市场均衡 26

2.3　实证分析 30

2.3.1　样本描述 31

2.3.2　检验方法 34

2.3.3　实证结果 36

2.4　小结 45

第3章　单期均衡定价模型修正与绩效评价 46

3.1　传统投资组合绩效评价模型 47

3.1.1　Sharpe指数 47

3.1.2　Jensen指数 48

3.2　业绩持续性比较分析 49

3.3　业绩与持续性的实证 51

3.3.1　样本来源及研究方法 51

3.3.2　实证结果 54

3.4　小结 63

第4章　追踪参考证券的速率函数绩效评价 65

4.1　简化模型的分析 67

4.1.1　投资期分析 67

4.1.2　典型值与偏差 73

4.2　投资人行为分析 76

4.2.1　投资者行为假设 76

4.2.2　投资者行为与期望效用最大化 78

4.3　投资组合绩效评价指标 80

4.3.1　速率函数I的理论分析 82

4.3.2　投资绩效指标的参数θ的分析 86

4.4　实证分析 88

4.4.1　样本来源及研究方法 88

4.4.2　实证结果 93

4.5　小结 102

第5章　绩效时变特征的条件性参数检验 103

5.1　计量经济学条件性检验方法 104

5.1.1　估计方法和检验构造 104

5.1.2　条件信息变量 106

5.2　条件方法参数检验 108

5.2.1　条件绩效评价模型 108

5.2.2　条件择时评价模型 110

5.3　实证分析 113

5.3.1　样本选择 113

5.3.2　实证结果 114

5.4　小结 135

第6章　绩效时变特征的条件性非参数检验 136

6.1　随机折扣因子的绩效评价方法 139

6.1.1　随机折扣因子的经济学解释 139

6.1.2　随机折扣因子的绩效评价原理 140

6.2　实证分析 143

6.2.1　样本选择 143

6.2.2　实证结果 144

6.3　小结 148

第7章　动态交易策略的信息量绩效衡量与综合分析 149

7.1　信息量指标：相对熵 151

7.2　信息量指标和常用模型的联系 154

7.2.1　信息量指标与随机折扣因子 154

7.2.2　信息量指标与其他常用方法 158

7.3　实证分析 160

7.3.1　样本来源及研究方法 160

7.3.2　实证结果 161

7.4　小结 164

第8章　投资组合绩效综合评价指标 165

8.1　指标构建 166

8.2　主成分分析 171

8.3　小结 175

结论与后续拓展研究 176

1　结论 176

2　本书的局限性 177

3　后续的拓展研究 178

参考文献 180

后记 196

图1—1　技术路线 13

图2—1　2003年基金核心资产与A股指数 20

图3—1　样本基金Jensenα值与3Fα值 55

图3—2　全样本期用Bootstrap方法Jensen指数和3F方法相关系数分布图 59

图3—3　全样本期用Bootstrap方法Sharpe值和3F方法相关系数分布图 60

图3—4　熊市样本期用Bootstrap方法Jensen指数和5F方法相关系数分布图 60

图3—5　熊市样本期用Bootstrap方法Sharpe值和5F方法相关系数分布图 61

图4—1 p＝1/2，λ＝2.1时，r、ν和x的关系图 71

图4—2　r和v的关系图 72

图4—3　r≥0时最小投资期t*和x的关系 72

图4—4　单个投资期的Sharpe比率和x的关系图 73

图4—5 ρ＝1/2，λ＝2.1时，E［ω（1）］、ωpp（1）和x的关系图 75

图4—6　样本基金累计收益和市场累计收益的比较 90

图4—7　样本基金收益和市场收益波动的比较 91

图4—8　不同偏度下的速率函数比Sharpe值 98

图6一1　时间序列的参考证券随机折扣因子 144

图6—2　3种模型评价的超额收益α 146

图7—1　各个基金管理公司的平均信息量 164

图8—1 因子与特征值散点图 171

表2—1　3个参考证券回归结果 37

表2—2　3个参考证券时间序列回归结果 37

表2—3　3个参考证券截面回归结果 42

表2—4　参考证券截面回归结果 44

表3—1　样本基金基本情况 52

表3—2　样本基金绩效评价情况 56

表3—3　3种方法对样本基金绩效排序的相关系数 59

表3—4　整个样本期内基金的业绩持续性检验结果 61

表3—5　熊市样本期内基金的业绩持续性检验结果 62

表4—1　20只基金进行假设检验结果 92

表4—2　20只基金在评价期间的描述性统计 93

表4—3　20只基金在评价期间的绩效评价结果 94

表4—4　20只基金在评价期间5种方法的绩效排序 95

表4—5　评价期间5种方法绩效排序的相关系数 96

表4—6　20只基金变换的速率函数和拓展的Sharpe指数 97

表4—7　在评价期间采用MRAR方法和速率函数的比较 99

表4—8　基于GARCH（1,1）模型的参数估计及速率函数 100

表4—9　基于GARCH（1,1）变换的速率函数和拓展的Sharpe指数 101

表5—1　回归参数 115

表5—2　样本基金三因素模型GMM估计结果 115

表5—3　样本基金条件单因素模型的GMM估计结果 117

表5—4　样本基金单因子条件α与无条件α比较 118

表5—5　样本基金三因素条件模型的GMM估计结果 118

表5—6　样本基金三因子条件α与无条件α比较 120

表5—7　3种方法对样本基金绩效排序的相关系数 121

表5—8　样本基金全条件αβ单因素模型的GMM估计结果 122

表5—9　样本基金三因素全条件αβ模型的GMM估计结果 123

表5—10　样本基金T-M和H-M模型的GMM估计结果 125

表5—11　样本基金单条件T-M模型的GMM估计结果 128

表5—12　样本基金单条件H-M模型的GMM估计结果 129

表5—13　样本基金全条件αβT-M模型的GMM估计结果 130

表5—14　样本基金全条件αβH-M模型的GMM估计结果 131

表5—15　不同方法证券选择和时机选择能力相关系数 134

表6—1　参考证券随机折扣因子的描述性统计 145

表6—2　样本基金非参数估计的绩效结果 145

表6—3　样本基金绩效评价排序随机折扣方法与其他方法排序的相关性 146

表6—4　样本基金全条件模型的非参数估计的绩效结果 147

表7—1　19只基金在评价期间的信息量 161

表7—2　20只基金根据信息量的绩效排序 162

表8—1　20只基金32个绩效评价指标 167

表8—2　主成分分析 171

表8—3　旋转后的因子系数 172

表8—4　评价因子权系数 173

表8—5　20只基金根据综合指标的绩效排序 174