CTEV约束下增强型指数基金管理实证的研究.docVIP

CTEV约束下增强型指数基金管理实证的研究.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
CTEV约束下增强型指数基金管理实证的研究

C-TEV约束下增强型指数基金管理实证研究   摘 要:本文使用上证综合指数权重前50的股票作为投资范围,运用指数滑动平均方法(EWMA)估计其协方差阵,分别在允许卖空和禁止卖空的情况下考察了积极型组合管理的马科维茨(Markowitz)有效率边界和常量跟踪误差波动(C-TEV)有效率边界,给出了C-TEV模型约束下从输入列表(协方差阵、预期收益)的估计到最优权重的确定的指数基金组合管理的完整例子,比较了允许卖空和禁止卖空两种情形下基于C-TEV模型策略构建的增强型指数基金的事后跟踪误差。在我国基于C-TEV模型构建策略的增强型指数基金面临着两难的困境,即在允许卖空时基金的事后跟踪误差往往超出预先的限制,而在禁止卖空时增强型指数基金又会“退化”成复制型指数基金。   关键词:指数基金;跟踪误差;卖空限制;有效率边界   中图分类号:F830.91 文献标识码:A   文章编号:1000-176X(2011)04-0053-08      一、 引 言?   截至2009年6月30日,我国共有开放式指数基金22只,资产净值占全部510只开放式基金的7.53%。仅仅半年之后,2009年12月底,我国开放式指数基金达到了48只,资产净值占全部590只开放式基金资产净值的比重上升到13.04%。无论是从基金数目还是从资产规模上都有了很大的发展,2009年可以说是指数年。在48只指数基金中,复制型指数基金和增强型指数基金分别占到了37只和11只。资产净值占指数基金总体的9.68%和3.36%。对于指数基金,跟踪误差是其最重要的特性之一。增强型指数基金和复制型指数基金的区别也可以通过跟踪误差的不同地位来描述:复制型指数基金以跟踪误差最小化为投资目标;增强型指数基金则把跟踪误差当成一种约束,其投资目标与一般的基金投资一样,是为了获得最大的收益,只不过这种收益要在满足跟踪误差约束的前提下实现。复制型指数基金被动地跟踪指数,增强型指数基金通过调整组合中各证券的权重对组合进行积极的管理。那么,在我国当前融资融券刚刚打开、卖空手段仍然匮乏的证券市场中,增强型指数基金和复制型指数基金的区别何在呢?本文将基于C-TEV模型的权重策略分别对允许卖空和不允许卖空条件下两种基金的跟踪误差进行分析。?   本文选取上证综合指数权重排名前50的股票(总市值占上证综合指数的67.56%)构建一个股票池,   ?①将C-TEV模型应用于这个股票池,研究C-TEV约束对于组合权重选择的影响。我们选取的时间窗口是2008-01-01至2009-12-31,这个时段有一个明显的熊市和牛市,为本文的比较分析提供了条件。另外,结合我国实际,本文分别考虑了允许卖空和不允许卖空两种情形。?      二、 相关理论和文献回顾?   由于基金经理的业绩通常通过与一个基准相比较来进行评价,所以实际上在理论研究之前,基金经理就已经通过类似马科维茨有效率边界理论的均值―方差方法管理其投资组合。Roll[1]对这种策略进行了总结和发展,并称之为跟踪误差约束模型(TEV)。即先确定一个超额收益率(基金的收益率超过基准收益率的部分),然后将跟踪误差最小化。同时,Roll指出TEV模型的一个系统性缺陷,即基于TEV模型构建的组合收益的波动性总是比基准指数大。Jorion[2]对TEV模型进行了另一种表述,先确定一个跟踪误差,在这个跟踪误差下最大化超额收益(本文使用的TEV模型即是这种表述)。并且Jorion针对TEV模型的上述系统性缺陷,提出了常数跟踪误差约束模型(C-TEV),在TEV模型的基础上再加入组合总体收益波动性约束,并从理论上证明了C-TEV模型可以更加有效地控制组合的总体风险。?   基于上述理论,国外的很多文献进行了大量的实证研究。这些研究大致围绕两个主题展开:一是关于输入列表(预期收益均值和预期收益协方差阵)的预测方法;二是对权重的取值范围添加限制条件(如不允许为负值,即不允许卖空等)。研究者一致认为期望收益的预测是重要的,但也是十分困难的。相对地,收益协方差阵则较易从历史数据预测。当然协方差阵预测的难度也决不可被低估。目前大部分文献仍集中在研究不同的协方差阵预测方法,而对于收益均值往往采用一个简单的模型,如本文中的单因素模型。实际的运用中,基金经理可以用考虑了多种因素之后对于收益率期望值的预测代替研究文献中的预测。Louis等[3]比较了样本协方差阵、因子模型和常数协方差阵3种不同方法预测协方差阵对TEV模型预测的影响,发现TEV模型对于协方差阵的要求比马科维茨模型要求更高。Hwang和Satchell[4]对于跟踪误差的事前和事后测量进行了深入的研究。El-Hassan和Kofman[5]对澳大利亚股票市场数据进行了基于C-TEV模型构建积极投资

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档