主动式投资的基金经理贡献了什么来自中国的证据.pdf

《主动式投资的基金经理贡献了什么来自中国的证据.pdf》由会员分享，可在线阅读，更多相关《主动式投资的基金经理贡献了什么来自中国的证据.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、主动式投资的基金经理贡献了什么：来自中国的证据主动式投资的基金经理贡献了什么：来自中国的证据 肖欣荣肖欣荣(对外经济贸易大学金融学院投资系，北京 100029)摘要：摘要：与不预测市场同时组合结构基本稳定的指数型被动投资相比，主动式投资的基金经理在组合动态管理中提供了哪些附加值？本文基于单因素和多因素评估模型，以管理时间较长的 40 只国内开放式基金为研究对象，对基金经理在资产配置、股票组合管理两方面的能力进行了研究。日度数据表明，基金经理在短期表现出一定程度显著的资产配置能力和组合管理能力；但月度数据不支持这个结论，从而导致基金经理的主动管理并不能提供多于指数投资的附加值。关键词关键词：资产

2、配置 组合管理 开放式基金 Abstract:Compared with the Index-based and passive investment,whose portfolio managers need not predict the market and portfolios structure is stable,what kind of value-added do the active portfolio managers bring to their fund holders?Based on the single factor and multi-factor evalua

3、tion model,this paper selects 40 open-end funds which had operated for longer periods as research objects,and makes a systematic inquiry into the asset allocation and portfolio management for open-end funds.The results shows open-end funds in China indicate intraday asset allocation and portfolio ma

4、nagement is significant to some extent.But the monthly data dose not support this conclusion,so the portfolio managers active investment can not bring more value to their fund holders than index-based,passive investment.Key words:Asset Allocation Portfolio Management Open-end Fund 作者简介：作者简介：肖欣荣，对外经济

5、贸易大学金融学院投资系讲师，研究方向：行为金融 中图分类号：中图分类号：F830.91 文献标识码：文献标识码：A 引言引言 被动式的指数投资与主动式的积极投资是基金经理管理组合的两种重要方法，两种方法最根本的区别在于对能不能战胜市场（beat the market）的认识。指数型的被动投资认为长期来看，基金经理并不能战胜市场。因此，指数投资在组合管理时表现出两个明显的特征：第一，不预测市场走势，也就是市场下跌时，并不会主动降低股票头寸规避风险；第二，除非标的指数的构成发生变化，一般也不对其组合进行主动管理，而是按照股票在指数中的基准权重（beach mark）多少进行配置。在管理过程中，基金

6、经理对业绩并不提供额外的贡献。主动式投资认为基金经理可以战胜市场。与指数投资完全相反，基金经理主动通过资产配置、组合管理来获取超额收益，从而体现专家理财的附加值。资产配置是指通过判断市场未来的走势，来调整组合中股票、债券和现金的比例来获得超额收益。组合管理是指通过对股票资产内部结构的动态调整，即对行业（个股）主动偏离基准权重，超配（over weight）或低配（under weight）某些行业（个股），来获得超额收益。理论上最完美的情形是，基金经理的资产配置状态是，在市场底部时完全配置股票，在市场顶点时完全配置债券或现金；同时股票资产内部的组合结构完全偏向表现最好的行业（股票）。显然，应按

7、很少有基金经理能同时达到资产配置和股票组合管理两个层次的理想配置状态。从基金管理的实践来看在成熟市场，也有以富达麦哲伦基金经理彼得林奇为代表的少数基金经理长期战胜市场，但大部分基金经理很难超越指数，这表明基金经理主动资产配置和组合管理并不能带来额外的附加值。在中国基金管理的实践中，主动式投资的基金明显多于指数基金。那么，基金经理主动的投资行为相对指数型的被动投资能提供附加值吗？如果可以，基金经理又是通过何种主动投资的方式来做到的呢？这是本文讨论的问题。我们的研究对于基金公司内部管理、基金评级机构、基金销售中介机构和投资者来说具有非常重要的现实意义。本文基于实证研究方法，以 2004 年 1 月

8、 5 日至 2007 年 6 月 29 日的样本期内管理时间较长的 40 只开放式基金为研究对象，运用多个计量模型，对主动式投资的基金经理在资产配置、组合管理两个方面的能力进行了系统研究。文献回顾文献回顾 近年来，对基金投资行为的研究逐渐成为微观金融经验研究的重要内容。从国外对基金主动投资能力的研究文献来看，主要分为参数研究方法和非参数研究方法两个方向，其中参数研究方法居于主导地位，非参数研究方法涉及很少，且大多数很难在实际中运用。就参数研究方法而言，Treynor 和 Mazuy（1966）1基于 CAPM 提出了一个二次回归模型（简称 T-M 模型）用于检验基金经理是否具备判断市场走势的能

9、力。他们用 1953-1962年美国 57 只开放式基金年度数据进行实证分析，结果发现没有证据能够证明基金经理能够预测市场走势。Henriksson 和 Merton（1981）2提出 H-M 模型，用于分析基金经理是否具备判断市场走势的能力。Henriksson和 Merton（1984）3同时选用参数模型(即 H-M 模型)和非参数模型对美国 1968-1980 年的 116 只开放式基金月收益率进行了研究，也没有发现支持基金经理具有成功判断市场走势的证据；在参数模型中，仅有 11 只开放式基金表现出了显著的判断能力，62%的基金市场把握能力是负的。Bhattacharya 和 Pflei

10、derer(1983)4对 T-M模型进行了改进，建立了 B-P 模型。他们假设基金经理不断调整对市场收益率的预期值以便使预期误差的方差达到最小，提出一种简单的回归技术评估基金的选股能力和择时能力。事实上，基金的超额收益率不仅与市场有关，还受到其他因素的影响。众多学者认为，单因素模型无法解释同种类型基金之间表现的差异性，从而引发对多因素模型的探索研究。Leman 和 Modest（1987）5认为，影响证券收益的因素包括市场平均指数收益、股票规模、市净率、市盈率、公司前期的销售增长率等；Fama 和 French（1993,1996）6在 CAPM 模型的基础上提出了三因素模型，该模型以市场组

11、合的超额收益、基金投资组合中的小市值股票与大市值股票的收益率之差、高市净率与低市净率的股票收益率之差作为解释变量；Carhart（1997）7在三因素模型基础上，引入了基金所持股票的动量因素，即前期最好的股票与最差的股票收益之差。上述研究都没有发现基金经理具有显著的判断市场的能力。理论和实践的差距使学者们对主动预测市场现象进行了更为深入的思考，并开始探索新的研究方法。最有代表性的是Busse(1999)8提出的波动判断能力研究。如果条件市场收益和波动之间没有显著正相关关系，基金经理就可以在市场波动增大的时候减少手中相应资产的市场风险(market exposure)，从而提高基金资产收益。总的

12、来看，判断波动是预测投资组合未来的波动情况，并据此来调整投资组合结构。因此基于波动预测的组合管理能力也能反映出基金经理的管理水平。国内针对基金资产配置和组合管理能力进行的研究多围绕国外经典模型T-M、H-M等进行。吴世农(2002)9运用T-M和H-M模型对10只规模均在20亿左右的封闭式基金的市场判断和股票选择能力进行评价，结果显示10家基金都不具有显著的股票选择能力，但其中大部分具有显著的判断市场的能力；王建琼和卢涛（2006）10采用改进条件下的Jensen单因素模型和Fama French三因素模型对随机选取的2001年1月1日以前上市的10只基金的研究发现基金经理具有负的股票选择能力

13、和一定的正的市场握能力,但两者均不显著。纵观国内外对基金主动管理能力的研究，容易发现由于国外基金业起步较早，基金管理水平成熟且相关数据较为充实，展开的研究数不胜数，除早期的T-M、H-M模型被广泛应用，还有大量针对经典模型进行检验和修正的研究，并提出了未建立在CAPM模型基础上的非参数研究方法，以避免由于CAPM模型本身存在的一些缺陷导致的评价误差，但总体上以非参数方法开展研究的学者不多，参数方法仍为当今相关评价模型的主流。国内的研究大多以国外经典模型作为理论支撑，相关分析多集中于以参数方法检验基金经理的市场判断能力，组合管理能力属于近年来对基金经理管理能力分解研究中一个新方向。国外对该方向的

14、研究正不断地发展，国内对基金经理组合管理的实证分析还未大量展开，综合考虑基金经理资产配置和组合管理能力的相关性研究有待于进一步开展。计量模型及变量说明计量模型及变量说明 一、计量模型一、计量模型 我们基于 Busse（1999）9的模型来考察基金经理在样本期内的资产配置（收益择时）和组合管理（波动择时）能力。本文在模型的选取方面分为三个层次，共有六个计量模型。分别是：（1）资产配置能力模型 tmtmtptRRR+=221 （TM 模型）tttmtmtptSMBHMLRRR+=43221 （TM-FF3 模型）（2）组合管理能力模型 tmtmmtmpmtptRRR+=)(1 （B 模型）tttm

15、tmmpmpmtptSMBHMLRRR+=431)(（B-FF3 模型）（3）资产配置与组合管理能力模型 tmtmmtmpmtmtptRRRR+=)(221 （TM-B 模型）tttmtmmpmpmtmtptSMBHMLRRRR+=43221)(（TM-B-FF3 模型）其中：ptR表示基金 P 在 t 时刻的收益，mtR表示市场在 t 时刻的收益，为基金 P 的超额收益，1为基金对市场波动的敏感性，2代表择时因子，mt表示市场波动，m是其平均值，系数mp代表波动择时因子，t表示基金在 t 时刻的超额收益的残差。HML 表示价值收益率（High minus Low),SMB 表示规模收益率（S

16、mall minus large），3、4分别为回归系数。如果系数2、mp显著不为零，则认为基金具有资产配置和股和管理能力。二、样本选取二、样本选取 本文选取的样本包括了开放式基金中的股票型与混合型基金。我们注重基金的长期表现，因此将样本考察期设定在 3 年以上，具体为 2003 年 12 月 31 日前成立的 40 只开放式基金在2004年1月5日至2007年6月29日的33640个日度数据以及相应的1680个月度数据。而对于上市开放式基金，由于成立时间较晚，只能选取 1 年半的时间作为其样本期，具体为2005 年 12 月 31 日以前成立的 11 只上市开放式基金在 2006 年 1 月

17、 5 日至 2007 年 6 月 29日的 3960 个日度数据和 198 个月度数据。基金净值数据、分红数据和规模数据来源于北京大学中国经济金融数据库（CCER），市场无风险收益率数据来源于中国人民银行官方网站，相关中信指数数据均来源于 Wind 资讯。三、相关变量的定义与计算三、相关变量的定义与计算 1.基金收益率 基金收益率选取净值增长率指标，对基金分红进行了复权处理。其计算公式如下：,11p tp tp tp tNAVDRNAV+=其中：,p tNAV和,1p tNAV分别代表基金p在第 t 期和第 t-1 期的期末单位净值，,p tD为该期内的单位基金分红。2.市场波动率 波动性是衡

18、量收益率风险的指标，一般而言，波动性越大，风险越大。Engle 在 1982年首先提出的了自回归条件异方差模型（即 ARCH 模型），该模型将方差和条件方差区分开来，并让条件方差作为过去误差的函数而变化，从而为解决异方差问题提供了新的途径。Bollerslev 在 1986 年提出了广义自回归条件异方差 GARCH 模型。国外学者将这种方法应用到经济的诸多领域，显示了 ARCH 模型族的适用性。Nelson 在 1991 年提出了 EGARCH 模型，与 GARCH 和 ARCH 相比，该模型的优点在于可以区别正信息和负信息的不同影响。正信息表示“利好”，负信息表示“利空”。虽然正信息和负信息

19、的绝对值相同，但 EGARCH 模型可以区别正、负信息对波动的不同影响，因此 EGARCH 模型可以很好地描述金融市场中的非对称性。此外，由于方差被表示成指数形式，因而对模型中的参数没有任何约束。考虑到市场日收益率的波动具有集群性，因此本文对日收益率的估计采用 Nelson 提出的 EGARCH 模型。通过尝试用 EGARCH（1，1）、EGARCH（1，2）、EGARCH（2，1）、EGARCH（2，2）等模型进行估计，其结果相似，其中 EGARCH（1，1）模型结果较为显著。计算公式为：mtmtR+=,),0(,|2,2,1,mttmtmmtNL 21,21,1,11,102ln|ln+=

20、tmtmtmtmmt 其中：mtR为市场收益率，为常数项，mt表示残差，2mt表示市场在 t 时刻的条件方差，用于刻画市场波动情况。市场月波动率的计算采用的是 Andersen 在 1998 年提出的已实现的波动率（Realized Volatility）估计方法，计算公式如下：()1221tnmtmitmtiRR=其中：mitR表示 t 月的第i天收益率，该月共有tn个收益率数据。3.无风险利率 国际上大多数关于基金业绩的研究一般把长期国债的收益率作为无风险利率，选用其他债券的收益率作为无风险利率的也有，比如10年期政府债券或5年和10年债券的组合等。由于我国债券市场不发达，债券品种较少，利

21、率还未市场化。因此本文采用国内通行的做法，选用同期限一年期银行储蓄定期利率(不考虑利息税)作为无风险利率，并按一年12个月和260天折算成月利率和日利率。在本文研究的样本期内，考虑了央行四次上调存贷款利率。4.市场基准组合 一般来说，市场指数可以代表市场基准组合。考虑到我国证券投资基金投资于国债比例的规定和随后对该规定的取消。本文根据各基金的实际执行情况将分界点定在2005年1月1日。其中，2005年1月1日以前：市场基准收益率=中信指数收益率80%+中信国债指数收益率20%2005年1月1日以后(包括2005年1月1日)：市场基准收益率=中信指数收益率 5规模收益率与价值收益率 根据中信风格

22、指数系列的构造特点，本文将采用中信小盘与中信 100 指数收益率之差作为规模收益率（SMB），以中信300价值与中信300成长指数收益率之差作为价值收益率（HMT）。实证结果与分析实证结果与分析 一、描述性统计一、描述性统计 为了把握样本数据收益率的整体特征，首先对日收益率数据与月收益率数据进行统计描述，同时观察是否有可能影响研究结果的异常值。表 1 报告了收益率的描述性统计。表表 1 开放式基金收益率描述性统计开放式基金收益率描述性统计 日收益率 月收益率 基金简称 平均值 标准差 偏度 峰度 平均值 标准差 偏度 峰度 华夏成长 0.00105 0.00970 0.13149 5.9294

23、3 0.02164 0.05360 0.55853 3.30819 华夏回报 0.00116 0.00937 0.10029 5.29578 0.02394 0.05183 0.34234 3.22772 国泰金鹰 0.00134 0.01164 -0.38037 8.29954 0.02768 0.06177 0.63146 3.28609 国泰金龙 0.00140 0.01078 -0.41689 9.77721 0.02859 0.05430 0.32534 3.12733 华安创新 0.00134 0.01109 -0.21275 6.52325 0.02773 0.06057 0.6

24、8178 3.88911 博时价值 0.00099 0.01110 0.11114 6.06672 0.02014 0.05224 0.27073 3.30265 嘉实成长 0.00106 0.00929 0.63527 6.48751 0.02157 0.04790 0.20767 3.53415 嘉实增长 0.00155 0.01050 -0.35429 7.49658 0.03177 0.05385 0.22960 2.69834 嘉实稳健 0.00110 0.00951 0.11816 5.74496 0.02230 0.04627 0.12629 2.99985 长盛成长 0.000

25、98 0.00914 0.50332 6.73698 0.01973 0.04050 -0.11770 2.90982 大成价值 0.00109 0.00887 0.39470 6.07837 0.02230 0.04676 0.84624 3.18754 富国动态 0.00084 0.00896 -0.18684 7.86337 0.01711 0.04369 0.32458 3.16843 易方达增长 0.00091 0.00825 0.08569 5.59122 0.01858 0.04169 0.35407 3.57741 易方达策略 0.00171 0.01283 -0.33745

26、6.26828 0.03547 0.07098 0.57965 3.01600 融华债券 0.00074 0.00529 0.37988 6.95879 0.01506 0.02906 0.71605 3.85804 银河稳健 0.00110 0.01074 0.09956 5.49171 0.02289 0.06202 0.42277 2.94512 银河收益 0.00054 0.00442 -0.18923 6.77493 0.01094 0.02408 -0.11015 3.59699 普天收益 0.00106 0.00937 0.34744 5.02663 0.02184 0.0517

27、5 0.36392 3.43075 新蓝筹 0.00108 0.01000 -0.13760 7.31578 0.02204 0.05080 0.24100 3.06140 融通成长 0.00094 0.00875 0.53343 5.81654 0.01918 0.04702 -0.29390 2.68131 合丰成长 0.00116 0.00971 -0.07531 5.63993 0.02364 0.04642 0.30253 2.80327 合丰周期 0.00109 0.00994 0.29011 5.02121 0.02247 0.05409 0.25107 3.36047 合丰稳定

28、 0.00113 0.00936 0.58439 5.51654 0.02313 0.05049 0.78764 4.08218 银华优势 0.00094 0.00835 -0.01734 4.46335 0.01915 0.04449 -0.16963 2.65078 长城平衡 0.00093 0.00935 0.37164 5.85536 0.01918 0.05099 0.21144 3.14440 南方稳健 0.00109 0.01032 0.63297 7.19936 0.02250 0.05746 0.88128 4.19137 南方宝元 0.00079 0.00544 -0.17

29、703 8.28346 0.01608 0.02936 1.07190 3.97444 南方避险 0.00107 0.00689 -0.48132 12.2485 0.02180 0.03683 0.88588 3.40587 鹏华成长 0.00134 0.01133 -0.11889 6.50812 0.02746 0.05622 0.20111 2.44677 金鹰优选 0.00091 0.01083 -0.16048 7.46766 0.01854 0.05413 0.44964 2.76065 宝盈鸿利 0.00103 0.01022 0.29444 5.46960 0.02126 0

30、.05723 0.73026 3.42549 招商股票 0.00118 0.01018 -0.08172 6.41418 0.02438 0.05623 0.62761 3.29849 招商平衡 0.00090 0.00735 -0.15710 7.01697 0.01849 0.04201 0.71947 3.40065 宝康消费品 0.00117 0.00898 -0.07934 8.26541 0.02381 0.04618 0.41308 3.34877 宝康配置 0.00125 0.00869 0.36611 5.45058 0.02564 0.04693 0.23160 3.316

31、39 德盛稳健 0.00100 0.01030 -0.31417 8.43517 0.02035 0.05173 0.79297 3.25547 景顺股票 0.00120 0.01001 0.18827 6.48402 0.02457 0.05258 0.65884 3.70253 景顺平衡 0.00110 0.00847 -0.19477 6.44898 0.02243 0.04355 0.54610 3.62940 广发聚富 0.00137 0.00966 0.06214 4.79567 0.02821 0.05340 0.33020 3.39066 海富通精选 0.00136 0.010

32、16 -0.22383 7.09033 0.02785 0.05229 0.19443 2.71251 日收益率统计结果显示：40 只基金的日收益率均值均为正值，且均值在 0.000542 到0.001706 的范围内变动，样本之间的日收益率差异较大。标准差的统计表明样本基金日收益率的波动幅度在 0.00442 到 0.0128 之间，不超过 0.013，说明基金的每日业绩表现较稳定。另外，样本中日收益率偏度值为负的基金数量与偏度值为正的基金数量相等。在峰度值上，所有基金的日收益率都表现为正值，呈现尖峰分布特点。从整体上看，样本基金的日收益率没有异常值。月收益率统计结果显示：40 只基金的月收

33、益率均值均为正值，且均值在 0.01 到 0.035的范围内变动，说明样本之间的月收益率差异较小。标准差的统计表明样本月收益率的波动幅度在 0.02 到 0.07 之间。样本中 90%的偏度值为正，说明与正态分布相比，月收益率分布的左偏现象集中，这一点与日收益率得到的结论不同。在峰度值上，所有月收益率都表现为正值，呈现尖峰分布特点。从整体上看，月收益率也没有异常值。与指数收益率相比，仅有 2 只基金的日收益率和 3 只基金的月收益率均值高于市场收益率，说明绝大多数基金的收益率平均表现劣于市场基准。从标准差角度看，所有样本的日收益率和月收益率标准差都低于市场基准，从一定程度上反映了研究对象的日收

34、益和月收益的整体稳定性都优于市场。二、实证结果二、实证结果 为了考察样本资产配置和组合管理能力的总体表现，本文利用 TM 模型、TM-FF3 模型与Busse 模型、B-FF3 模型分别进行考察，并利用收益择时与波动择时因子结合的 TM-B 模型与TM-B-FF3 模型进一步考察结合了两种择时因子的模型是否更有助于解释基金的超额收益率。采用日度数据与月度数据的回归结果如下：表表 2 收益与波动择时能力整体实证结果收益与波动择时能力整体实证结果 日度数据 TM 模型 TM-FF3 模型 月度数据 注：第一行为系数值，第二行为 t 统计量；*、*和*分别表示在 10%、5%和 1%的显著性水平上通

35、过检验。从表 2 的估计结果看，可以得到几个结论：第一，日度数据的实证结果显示，样本在单因素和多因素模型中均表现出显著的正的判断市场能力，择时系数2均能在 1%的显著性水平下通过检验；从 t 检验统计量看，收益择时能力在多因素模型中表现更为显著，且多因素模型较单因素模型具有更高的拟合优度，其中价值收益因子与规模收益因子表现较为显著，但其系数均为负数，说明研究对象整体上比较看好大盘股票和非价值型股票。第二，月度数据的实证结果与日度数据差异明显。在单因素模型中，基金表现出负的市场判断能力，而在多因素模型中市场判断能力不显著。从月度数据看，多因素模型同样优于单因素模型，多因素因子在月度数据实证结果中

36、的表现仍较为显著，但其显著性劣于日度数据回归结果。第三，日度数据的实证显示，从单因素模型看，波动择时系数能够在 1%的显著性水平下通过检验，而在多因素模型中，该系数仅在 5%（B-FF3 模型）和 10%（TM-B-FF3 模型）的显著性水平下通过检验。第四，月度数据的实证显示，波动择时系数在单因素模型中才表现出显著性，而在多因素模型的回归结果中无法得到基金具有波动择时能力的结论。我们还发现，用日度数据与月度数据进行分析时，价值收益因子与规模收益因子都表现出不同水平的显著性，说明多因 1 2 2R 1 2 3 4 2R 0.0001 0.49 1.053 0.78 0.0001 0.5005

37、0.9763 -0.137-0.138 0.84 0.853 55.81*4.48*0.812 64.10*4.79*-5.63*-8.49*B 模型 B-FF3 模型 1 2R 1 3 4 2R 0.0004 0.4809 -6.27 0.78 0.0004 0.4939 -2.65-0.121-0.142 0.83 3.05*54.96*-4.36*3.05*62.66*-2.04*-4.80*-8.62*TM-B 模型 TM-B-FF3 1 2 2R 1 2 3 4 2R 0.0002 0.4862 0.978-5.79 0.79 0.0001 0.4989 0.9473-2.13-0.

38、127-0.138 0.84 1.141 55.53*4.19*-4.06*0.955 63.50*4.637*-1.66*-5.12*-8.49*TM 模型 TM-FF3 模型 1 2 2R 1 2 3 4 2R 0.0121 0.5184-0.679 0.69 0.004 0.5729 0.078 -0.42-0.18 0.85 2.68*8.027*-1.794*1.180*11.904*0.223 -2.81*-2.45*B 模型 B-FF3 模型 1 2R 1 3 4 2R 0.0094 0.5014 -4.85 0.73 0.005 0.5832 -0.82-0.37-0.18 0

39、.85 2.43*10.46*-3.08*1.675 15.029*-0.59-3.04*-2.64*TM-B 模型 TM-B-FF3 模型 1 2 2R 1 2 3 4 2R 0.0109 0.533-0.325-4.32 0.73 0.005 0.574 0.115-0.899-0.4-0.17 0.85 2.562*8.773*-0.853-2.54*1.212 11.815*0.32-0.63-2.62*-2.26*素因子对于我国样本期内基金的超额收益率具有较强的解释力。第五，将各模型进行对比分析后发现，在对资产配置能力进行分析时，多因素模型（TM-FF3 模型）的解释能力优于单因素模

40、型（TM 模型）；而对于组合管理能力的分析，尽管多因素模型（B-FF3 模型）表现出较高的校正判定系数，但在单因素模型中波动择时系数的表现更为显著。结论结论 本文采用多个计量模型，结合开放式基金的日度和月度数据对基金经理的资产配置和组合管理能力进行了研究。研究表明：1、从日度数据看，我国的开放式基金在一定程度上表现出显著的短期资产配置和组合管理能力，大盘股票和非价值股票特征也很好地解释了基金经理的市场判断能力。2、从月度数据看，基金经理表现出负的市场判断能力，而在多因素模型中市场判断能力不显著。这表明，基金经理并不能提供优于指数基金业绩的附加值。3、对基金经理组合管理能力的分析，还有待于找出决

41、定组合管理行为的因子来构建新的多因素组合管理模型。这也从模型构造方面说明基金经理在组合管理层面还没有表现出某种稳定的特征。参考文献参考文献 1Treynor,J.L.,and Mazuy,K.K.,“Can mutual funds outguess the market?”J,Harvard Business Review,1966,44(4):131-136.2Henriksson,R.D.,and Merton,R.C.,“On market timing and investment performance II:Statistical procedures for evaluatin

42、g forecasting skills”J.Journal of Business,1981,54(4):513-533.3Henriksson,R.D.,“Market timing and mutual fund performance:An empirical investigation”J,Journal of Business,1984,57(1):73-96.4Bhattacharya S,Pfleiderer P.“A note on performance evaluation”,Technical Report,1983,714,Stanford University.5L

43、ehmann,B.,and Modest,D.,“Mutual fund performance evaluation:A comparison of benchmarks and benchmark comparison”J,Journal of Finance，1987,(42):233-265.6Fama,E.E.,and French,K.R.,“Common risk factors in the returns on bonds and stocks”J,Journal of Financial Economics,1993(33):3-56.7Carhart,Mark M.,“O

44、n persistence in mutual fund performance”J,Journal of Finance,1997,(52):57-82.8Busse,J.A.,“Volatility timing in mutual funds:Evidence from daily returns”J,The Review of Financial Studies,1999,12(5):1009-1041.9吴世农、李培标：“中国投资基金证券选择和时机选择能力的实证研究”J，经济管理2002，(4):65-70。10王建琼、卢涛：“我国封闭式投资基金业绩评价实证研究”J，数理统计与管理2006，（1）：93-100。