基于VaR和ES调整的Sharpe比率及其在基金中的评价与检验

发布时间：2021-12-19 10:08

　　证券投资基金是现代金融业的重要组成部分。随着基金业的迅速发展,证券投资基金已成为我国资本市场最大、最有影响力的机构投资者。目前,开放式基金的数量和规模已远远超过封闭式基金。股票型、债券型、收入型、平衡型等各种称谓的基金开始充斥市场,在给投资者带来更多选择的同时,也让投资者多了些许担心如何才能在如此多的基金中选择自己想要的基金,持有基金投资是否能够获得持续的基金收益等。因此选择科学、有效的基金业绩评价指标来对基金表现进行评价对基金投资者来说就显得尤为重要了,无论是在理论上还是在实际上都具有非常重要的意义。然而回顾国内外对基金业绩评价的研究发现,传统Sharpe比率将投资收益的标准差作为风险度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的,因为它忽略了最重要的损失风险,即下侧风险。针对传统Sharpe比率的这一缺点,本论文考虑了用于度量下侧风险的指标风险价值VaR和预期不足ES来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,首先,引入GARCH模型来刻画投资收益率序列的波动在时间上呈现出的簇聚现象;其次,考虑到基... 

【文章来源】：浙江工商大学浙江省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图２－１基准收益率分布??图２－１中，柱状部分是基准收益率序列的密度直方图，蓝色虚线为正态分布??的概率密度曲线，红色实线为收益率序列的概率密度曲线，对比收益率序列分布??

表２－３基于ＧＡＲＣＨ模型的静态ＶａＲ值??９５％?９９％??基金名称?一???ｒ??……￣——??正态分布?Ｔ分布?ＧＥＤ分布?正态分布?Ｔ分布?ＧＥＤ分布??华夏大盘精选?－０．０２６５?－０．０２５０?－０．０２６３?－０．０３７７?－０．０４１９?－０．０４４７??华夏回报?Ａ?－０．０１６０?－０．０１４９?－０．０１５７?－０．０２２６?－０．０２４９?－０．０２５３??华夏红利?－０．０２７２?－０．０２４４?－０．０２６４?－０．０３７５?－０．０４２９?－０．０４６５??华夏回报?２?号?－０．０１５５?－０．０１４９?－０．０１４５?－０．０２１９?－０．０２３５?－０．０２３０??国泰金鹰增长?－０．０３５６?－０．０２８８?－０．０３３３?－０．０５０３?－０．０５０４?－０．０５９３??国泰金龙行业精选?－０．０２９６?－０．０２７６?－０．０３３８?－０．０４１５?－０．０４９０?－０．０６２０??华安宝利配置?－０．０２４７?－０．０２１４?－０．０２４８?－０．０３５０?－０．０３８６?－０．０４５５??华安宏利?－０．０２６０?－０．０２４８?－０．０２５６?－０．０３６９?－０．０４０２?－０．０４０４??嘉实成长收益?Ａ?－０．０２８８?－０．０２１８?－０．０２４４?－０．０４１３?－０．０３８９?－０．０４２８??嘉实増长?－０．０２１８?－０．０２１０?－０．０２１５?－０．０３１０?－０．０３２９?－０．０３２８??嘉实服务增值行业?－０．０２６１?－０．０２５２?－０．０２５８?－０．０３７１?－０．０３９８?－０．０３９９??银河银泰理财分红?－

?浙江工商大学硕士论文???其中，Ｉ：）?，?；２，为条件方差，Ｐ为置信水平，Ｚ为对应于置信水平??ｐ的分位数，ｄ为自由度。??在第ｔ天运用ＧＡＲＣＨ（１，１）模型拟合历史数据，并通过向前一天预测得到第??ｔ＋１天的波动率〇；＋，和期望收益率／／，＋１，则向前一天的ＥＳ动态风险测度为：??ＥＳ＇ａ＝?Ｍ，＋ｉ＋＾ｌ＋ｉＥ［ｚ＼ｚ＞?ｚａ］，?（２－２１）??其中，为对应分布的ａ分位数。??根据２－１８式、２－１９式、２－２０式和２－２１式计算得到两种置信水平和不同分布??假设下的动态ＥＳ风险测度，结果见表２－６。但鉴于本论文样本基金数量过多和??篇幅限，本论文仅以华安宏利与嘉实增长为例，动态ＥＳ图如图２－４、图２－５所示，??图中黑色实线表示风险测度预测值，灰点表示实际损失，红点表示预测失败，其??他基金具体的估计结果及图略。各基金静态ＥＳ估计结果见表２－６所列。??

【参考文献】：
期刊论文
[1]基于GARCH-VaR模型的开放式基金风险度量[J]. 黄崇珍,曹奇.  统计与决策. 2017(01)
[2]基于GARCH-EVT模型的证券投资基金动态风险测度[J]. 许启发,陈士俊,蒋翠侠.  合肥工业大学学报(自然科学版). 2015(07)
[3]基于VAR-DCC-GARCH模型的国内外有色金属商品价格联动分析（英文）[J]. 岳意定,刘笃池,徐珊.  Transactions of Nonferrous Metals Society of China. 2015(03)
[4]基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究[J]. 苟红军,陈迅,花拥军.  管理工程学报. 2015(01)
[5]条件自回归expectile模型及其在基金业绩评价中的应用[J]. 苏辛,周勇.  中国管理科学. 2013(06)
[6]基于GARCH模型的WTI原油现货市场的风险分析[J]. 伍笑萍,李忠民.  合肥工业大学学报(自然科学版). 2013(09)
[7]多标度投资组合绩效度量非系统误差及校正[J]. 杨宏林,张兴全,赵娟娟,陈收.  系统工程理论与实践. 2013(09)
[8]基于非对称幂分布的中国开放式基金业绩评价和检验[J]. 苏辛,周勇.  数理统计与管理. 2015(01)
[9]基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究[J]. 刘沛欣,田军,周勇.  数理统计与管理. 2012(04)
[10]金融风暴中基于非参估计VaR和ES方法的风险度量[J]. 赵晓玲,陈雪蓉,周勇.  数理统计与管理. 2012(03)



本文编号：3544229