一种引入积极管理的指数基金跟踪方法研究

提高指数基金跟踪精度是指数基金管理的主要任务.本文在指数基金资产配置过程中引入积极管理策略,建立了提高指数基金跟踪精度的斯坦规则指数跟踪模型.实证结果表明,应用斯坦规则结合不同信息进行指数跟踪,指数跟踪精度得到了提高.     

股指期货与封闭式基金套利的实证研究

以相关系数和单只基金跟踪误差为主要指标,在31只大盘封闭基金中选取6只构建基金组合。在改进组合跟踪误差算法的基础上,根据组合跟踪误差最小的原则,利用规划求解得出组合中各基金权重的最优值,对封闭式基金和股指期货的套利进行讨论。     

具有VaR约束的跟踪误差投资组合鲁棒优化模型

本文在跟踪误差投资组合优化模型基础上,考虑投资组合的风险价值VaR和收益的不确定性,建立了具有VaR约束的跟踪误差投资合鲁棒优化模型。以国内证券市场为背景,运用线性矩阵不等式(LMI)方法进行了实证计算,并与基准组合、跟踪误差投资组合模型和无VaR约束的跟踪误差投资组合鲁棒模型的投资结果进行了比较。实证结果表明,在给定证券集的条件下,具有VaR约束的跟踪误差投资组合鲁棒优化模型优于其它模型。     

惯性因子跟踪策略的有效性：来自中国股票市场的证据

基于惯性/反转效应普遍存在的现象以及中国股票市场上不能直接实施惯性/反转投资策略的事实,提出能灵活抓住惯性/反转效应的惯性因子跟踪策略。通过建立和求解惯性因子跟踪策略模型,我们发现,在允许卖空的条件下,最优惯性因子跟踪组合满足两基金分离定理,两基金分别是惯性因子模仿组合和最小方差组合。选择沪深300十大行业指数作为风险资产的代表,实证考察惯性因子跟踪组合的业绩,并与等权组合和最小方差组合的业绩进行比较。结果发现：惯性因子跟踪组合可以在保持和等权组合、最小方差组合风险水平相当的情况下带来更高的收益水平和夏普比率,平均而言,惯性因子跟踪组合的年化超额收益率(8.88%)比等权组合的年化超额收益率高出3.7%,夏普比率(0.42)高出0.18;即便在考虑交易成本的情况下,惯性因子跟踪组合的净夏普比率仍然高出等权组合0.16;综合上方获利和下方风险控制两个方面看,惯性因子跟踪组合优于等权组合。惯性因子跟踪策略的有效性相对于惯性因子的计算方法和样本数据选择区间具有稳健性。     

考虑下偏矩约束的增强指数模型

增强指数模型旨在用少量的成份股构建指数跟踪组合，以期在跟踪指数趋势的同时获取高于指数平均收益的超额收益.当市场指数下跳时，跟踪组合会跟随指数趋势而产生巨额损失，因此有必要在传统的增强指数模型中加入下端风险约束，以阻止跟踪组合随指数下跳的风险.下偏矩(lower partial moment,LPM)作为下端风险度量工具，具有良好的理论性质且涵盖了损失概率、期望损失、下半方差等经典度量方法，因此本文构建LPM约束下的增强指数模型.该模型有三个特点:第一，具有更加一般的目标函数且允许投资者根据自身的目标设置参数，通过调节模型中的权衡参数，模型可以退化到传统的指数复制模型和超额收益最大化模型;第二，加入非参数LPM约束，以控制跟踪组合的下端风险;第三，得到目标函数和非参数1-阶LPM的凸性，证明了基于非参数1-阶LPM约束的增强指数模型是凸优化问题.模拟和实证结果表明，本文的模型能够控制下端风险并获得超额收益.     

基于季度投资组合的基金投资能力分析

本文基于基金每季度前十大投资对象，构成投资组合。探讨基金的投资能力和投资收益。不同于现有的基金投资能力分析文献中所采用的方法。本文的分析方法不但避免了基金因投资股票和债券的混合而产生的市场基准指数类型选择上的误差。也不存在基金之间因管理费用收取上的差异，当用基金的净资产收益率来判断基金的投资能力时所带来的偏差。另外，本文以沪深两市所有上市的A股股票的市值为权系数，乘以其收益率，构成市场基准指数。并辅以其它3种市场指数作为对比。实证分析结果再次表明，投资基金不具有好的投资能力。     

条件自回归expectile模型及其在基金业绩评价中的应用

本文研究了日收益率之下开放式基金的业绩评价和检验问题,提出了改进的条件自回归expectile（CARE）模型并应用到基金业绩评价的问题研究中。首先运用非对称最小二乘法（ALS）对动态的CARE模型进行半参数估计,得到样本基金收益率序列的VaR值和ES值。其次,使用计算结果对样本基金的日收益率进行风险调整,得到基于VaR和ES修正的Sharpe比率。最后,在实证研究中,本文使用传统的Sharpe比率、基于VaR和ES的Sharpe比率对我国56只开放式基金在2005-2011年间的业绩进行了实证分析,结论显著证明了CARE模型在极端风险度量上更精确,在基金评价和检验中的应用中是可行的。     

中国ETF基金价格“已实现”波动率、跟踪误差之间的Granger关系研究

在高频数据条件下,中国ETF基金价格"已实现"波动率与跟踪误差之间是否存在着因果关系并存在着信息的先导效应？基于"已实现"波动、跟踪误差计算方法及Granger因果检验过程、VAR模型等,本文对此进行了深入研究。研究结果认为:中国ETF基金价格"已实现"波动率与两种跟踪误差分别具有Granger因果关系,后者是前者的Granger原因;中国ETF基金价格"已实现"波动率序列与两种跟踪误差序列的同期及一、二阶滞后相关性较高,而跟踪误差滞后于"已实现"波动率;当ETF基金的跟踪误差受外部市场条件的某一冲击后,将给ETF基金价格"已实现"波动率带来同向的冲击,这一冲击具有一定的持续性和滞后性。     

基于VaR收益率约束的贷款组合优化决策模型

本文以贷款的收益率为金融资产的收益,以贷款收益率的波动为标准反映贷款风险,在VaR约束下,以拉格朗日乘子法为工具求二次规划,建立了在既定组合收益范围内,组合风险最小的贷款组合优化决策模型。该模型的特点一是以收益率最大损失的形式、而不是收益额的形式来反应VaR,使组合决策分析更为方便。二是考虑了风险之间的相关性,用组合VaR的收益率最大损失来控制贷款收益率的风险限额;使贷款的分配直接反映了商业银行的风险承受能力。三是在合理的目标收益范围内,给定任意一个决策者期望的收益率,总能找到对应的风险最小的贷款组合,由此模型求出的有效边界,为组合贷款的优化决策提供了科学的方法。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。     

基于非对称主动风险测度的增强型指数追踪模型及应用

本文以下方追踪误差测度非对称主动风险，构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型，给出了求解模型的广义最小角度回归（generalized least angle regression，简称GLARS）算法，并基于上证50进行了实证。GLARS算法可以给出超额收益在合理区间变化时，使得下方追踪误差最小的组合系数解路径，刻画投资组合的"超额收益—下方追踪误差"有效前沿。将模型应用于中国证券市场上证50指数，与基于"超额收益—追踪误差"的增强型指数追踪模型相比，得到如下实证结论：控制组合股票支数，本文组合的超额收益、单位风险收益更高，在承担相同风险的情况下，得到了更高的平均收益补偿；正下方离差中位数、最大回撤更小，右偏程度更高，表现出"守住下限，放开上限"的特质。本文组合在稀疏性要求下，样本外可以获得高于基准指数的累积收益，对机构和个人投资者具有参考价值，丰富了现有指数追踪研究。     

基金管理者报酬的线性模型研究与实证分析

探讨了四种跟踪组合回报率与目标回报率间偏差的线性模型 ,线性偏差比传统的二次型偏差更能准确描述投资者的风险态度 ,用线性规划给出了明确的优化方案 ,并对上海证券 A股各分类资产组合作出了实证分析和比较 ,得出为达不同的投资目标投资者确定投资组合及基金管理者报酬的各种优化模型 .     

A heuristic framework for the bi-objective enhanced index tracking problem

The index tracking problem is the problem of determining a portfolio of assets whose performance replicates, as closely as possible, that of a financial market index chosen as benchmark. In the enhanced index tracking problem the portfolio is expected to outperform the benchmark with minimal additional risk. In this paper, we study the bi-objective enhanced index tracking problem where two competing objectives, i.e., the expected excess return of the portfolio over the benchmark and the tracking error, are taken into consideration. A bi-objective Mixed Integer Linear Programming formulation for the problem is proposed. Computational results on a set of benchmark instances are given, along with a detailed out-of-sample analysis of the performance of the optimal portfolios selected by the proposed model. Then, a heuristic procedure is designed to build an approximation of the set of Pareto optimal solutions. We test the proposed procedure on a reference set of Pareto optimal solutions. Computational results show that the procedure is significantly faster than the exact computation and provides an extremely accurate approximation.     

Tracking and outperforming large stock-market indices

Enhanced index-tracking funds aim to achieve a small target excess return over a given financial benchmark index with minimum additional risk relative to this index, i.e., a minimum tracking error. These funds are attractive to investors, especially when the index is large and thus well diversified. We consider the problem of determining a portfolio for an enhanced index-tracking fund that is benchmarked against a large stock-market index subject to real-life constraints that may be imposed by investors, stock exchanges, or investment guidelines. In the literature, various solution approaches have been proposed to enhanced index tracking that are based on different linear and quadratic tracking-error functions. However, it remains an open question which tracking-error function should be minimized to determine good enhanced index-tracking portfolios. Moreover, the existing approaches may neglect real-life constraints such as the minimum trading values imposed by stock exchanges or may not devise good feasible portfolios within a reasonable computational time when the index is large. To overcome these shortcomings, we propose novel mixed-integer linear and quadratic programming formulations and novel matheuristics. To address the open question, we minimize different tracking-error functions by applying the proposed matheuristics and exact solution approaches based on the proposed mixed-integer programming formulations in a computational experiment using a set of problem instances based on large stock-market indices with up to more than 9,000 constituents. The results of our study suggest that minimizing the so-called tracking error variance, which is a quadratic function, is preferable to minimizing other tracking-error functions.     

CRMW风险缓释效用目标跟踪的债券投资组合优化策略研究

为缓释债券市场违约风险,央行着力推进信用风险缓释工具CRMW(信用风险缓释凭证)的发展,关于CRMW风险缓释能力度量及CRMW在债券投资组合中的应用成为了亟待解决的关键问题。为此,本文借鉴CVaR思想提出了“CRMW风险缓释效用”以度量CRMW对债券违约风险缓释能力,借助概率分位点理论定义债券的动态风险并制定了动态风险缓释跟踪目标,基于此跟踪目标探讨带有CRMW的债券投资组合优化策略问题。研究结果表明,在保证目标投资收益率的前提下,债券最优投资组合可达到风险缓释效用的目标,使其同时实现转移风险和保障收益的双重目的,且该投资组合优化策略表现出良好的抗风险性能。     

基于UPM-LPM的增强指数投资策略

增强指数投资策略的理念是基于部分成份股构建指数跟踪组合,以期在跟踪指数趋势的同时,获取超出指数平均收益的超额收益。本文将指数收益率作为目标收益,拓展经典下偏矩（Lower Partial Moment,LPM）的概念,使其适应于增强指数投资策略建模,同时给出上偏矩（Upper Partial Moment,UPM）的定义,进而构建基于UPM-LPM之比的增强指数模型。为解决模型的求解复杂性和高维投资组合的"维数灾难"问题,本文运用非参数核估计方法直接得到跟踪组合的密度函数,进而得到跟踪组合的LPM和UPM的解析表达式,避免对组合中各资产之间的高维联合分布进行估计,大幅度降低了估计的维度,克服"维数灾难"问题。而且LPM和UPM的核估计量是组合头寸的光滑函数,具有任意阶导数,便于优化问题求解。最后,本文运用沪深股票市场上五个常用指数及其成份股数据,检验模型在实际金融市场中的表现,结果表明：本文提出的增强指数模型能够战胜指数,同时实现跟踪指数趋势并获取稳健超额收益的目标。     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一，忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此，本文构建了包含条件偏度的组合投资模型，并给出其建模方法。首先，运用MIDAS-QR模型，改善条件偏度测度效果；其次，基于CRRA效用函数，将组合投资权重设计为条件偏度和特征变量的线性组合，建立组合投资模型并给出求解方案；最后，从沪深300指数中选取10支代表性成分股进行实证研究，从收益、风险和Sharpe比率等方面，将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较，分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法，其测度结果受异常值影响小，表现稳定；条件偏度对组合投资决策具有显著影响，包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。