基于Markov迁移矩阵来考察私募基金排名的延续性.doc

基于Markov迁移矩阵来考察私募基金排名的延续性 ——兼论看排名选基金的合理性 好买基金研究中心：孙志远 主要结论 简单的按照评级来选基金的方式并不一定能够获得良好的回报，其原因主要在于市场风格在持续发生变化，很难有一种投资策略在各种市场环境下都有效，更多表现为风水轮流转的特征。因此投资者在选择基金产品时切忌简单依赖于历史业绩或评级，需要对未来市场风格作出主动的判断，同时需对每只产品擅长的风格有所了解，以期在判断出市场风格后选择最适合的管理人及产品。当然，要对市场风格进行主动预判并鉴别基金的投资风格对于一般投资者来说有些困难，但研究机构的相关成果可为投资者提供一定的借鉴，而不是依赖那些五花八门的历史业绩排名和评级。尽管基金评级整体的延续性较差，但投资者仍可以从细分类别中找到未来资产配置的一些线索。“正规军”出身的基金经理所管理的产品投资风险相对更小，投资风格相对更加稳定，其产品未来升级的概率要大于产品降级的概率。如果投资者一定要根据排名来挑选基金，建议选择民间系的5星基金，这些投资经理对市场风格跟踪的准确性使其评级延续性要好于同类型中的低端产品以及其他类型产品。 研究目的 不少投资者都有看排名选基金的经历，从财经媒体的各种榜单中挑选历史业绩出众的产品，买入，持有，亏损，卖出，再看新一期榜单，买入，持有……。广大研究机构也对排名和评级颇为热衷，均声称自己的排名体系能够挖掘出基金最深度的投资价值，即使所选对象短期业绩不佳，也能以长期投资为托词让投资者继续守望，等待“戈多”的到来。总之无论如何，在他们的包装下，优质基金是“迟早”会被排名的水晶球所发现的，当前没有发现只是因为投资期限还不够长。本文的目的是希望用数量化的方法考察历史业绩优异的基金未来表现的变化情况，进而评判根据排名来选择基金的合理性。考虑到私募基金信息披露相对较少，投资者对研究机构排名体系的依赖程度更大，同时其操作手法更加灵活，且收费模式更易于刺激基金经理保持良好的业绩延续性，因此本文主要以私募基金作为研究对象，但这并不妨碍将本文的分析逻辑拓展至公募基金研究。 分析方法 看排名选基金是否有效实质上等同于基金业绩能否延续，之前的研究多倾向于使用业绩自回归以及输赢概率列联表检验的方法来衡量基金业绩延续性。这些方法虽然可以得到业绩延续与否的简单结论，但对于不同级别基金业绩的变化路径和方式，就显得力不从心了。为了更细致的观测基金业绩变化的路径，本文引入Markov链的分析方法，基于好买基金数据库中自2007年以来的评级数据，估计私募基金的级别迁移矩阵，考察每种基金向各级别转移的概率高低，以维持原有级别概率的高低作为业绩延续性的判断。 不难看出，Markov迁移矩阵是本文分析的核心工具，所有结论和策略都依其而制定。尽管该方法已推广到各个领域，但大多数研究都忽视该方法成立的先决条件，即所分析的对象是否满足Markov过程。Markov过程有两个基本特征，一是“无后效性”，二是“遍历性”。所谓无后效性是指一个事物将来是什么状态，其概率有多大，只取决于该事物当前所处的状态如何，而与之前状态无关。所谓遍历性是指无论事物现在所处状态如何，在较长时间内，Markov过程会趋近于稳定状态，而与初始状态无关。如果分析对象不满足这两个特征，所估计的迁移矩阵就不具备足够的稳定性，无法用于对基金级别变化的解释。鉴于此，本文还对分析对象的Markov特征进行相应的检验，包括分年度估计迁移矩阵、Markov特征的统计量检验，以测度所估计的迁移矩阵的稳定性。 迁移矩阵计算方法 Markov分析法的关键在于估计Markov迁移矩阵，该矩阵中每个元素代表特定级别向所有级别转移的概率。而当前状态向量（基金级别向量）在乘以级别迁移矩阵后，就可得到下一期状态向量的估计，因此迁移矩阵还可用于对特定基金未来表现的预测之中。 样本选择 本文选择了好买基金数据库中2008年1月至2011年7月私募基金的1年期评级数据。该评级体系基于期望效用理论而设计，按月根据每只私募基金向后12个月收益数据计算其风险调整后收益，并根据该收益的排名情况将私募基金分为1星、2星、3星、4星和5星5个等级，作为投资者从其业绩中所得效用的衡量。 计算方法 Markov迁移矩阵主要有3种估算方法：一是主观概率法，即由所谓“专家”来指定每类状态的转移概率，一般在缺乏历史数据时使用；二是回归分析法，即用S(1)期到S(t)的状态矩阵对S(0)期到S(t-1)期的状态矩阵进行回归，构造一个系数矩阵（迁移矩阵）使得残差矩阵的平方和最小，一般在无法跟踪样本中个体状态转移时使用，如对宏观经济中各产业相互转移的迁移矩阵估计；三是统计估算法，即统计样本中每个个体从一个状态转移至另一状态的频率，以该频率作为状态的转移概率，汇总后即得到迁移矩阵。在能够获取每个个