共同基金绩效的持续性分析

基金管理外文文献翻译(含：英文原文及中文译文)文献出处：英文原文Is Money Really “Smart”? New Evidence on the Relation Between Mutual Fund Flows, Manager Behavior, and Performance PersistenceRuss WermersMutual fund returns strongly persist over multi-year periods—that is the central finding of this paper. Further, consumer and fund manager behavior both play a large role in explaining these longterm continuation patterns—consumers invest heavily in last-year’s winning funds, and managers of these winners invest these inflows in momentum stocks to continue to outperform other funds for at least two years following the ranking year. By contrast, managers of losing funds appear reluctant to sell their losing stocks to finance the purchase of new momentum stocks, perhaps due to a disposition effect. Thus, momentum continues to separate winning from losing managers for a much longer period than indicated by prior studies.Even more surprising is that persistence in winning fund returns is not entirely explained by momentum—we find strong evidence that flow-related buying, especially among growth-oriented funds, pushes up stock prices. Specifically, stocks that winning funds purchase in responseto persistent flows have returns that beat their size, book-to-market, and momentum benchmarks by two to three percent per year over a four-year period. Cross-sectional regressions indicate that these abnormal returns are strongly related to fund inflows, but not to the past performance of the funds—thus, casting some doubt on prior findings of persistent manager talent in picking stocks. Finally, at the style-adjusted net returns level, we find no persistence, consistent with the results of prior studies. On balance, we confirm that money is smart in chasing winning managers, but that a “copycat” s trategy of mimicking winning fund stock trades to take advantage of flow-related returns appears to be the smartest strategy.Eighty-eight million individuals now hold investments in U.S. mutual funds, with over 90 percent of the value of these investments being held in actively managed funds. Further, actively managed equity funds gain the lion’s share of consumer inflows—flows of net new money to equity funds (inflows minus outflows) totalled $309 billion in 2000, pushing the aggregate value of investments held by these funds to almost $4 trillion at year-end 2000. While the majority of individual investors apparently believe in the virtues of active management in general, many appear to hold even stronger beliefs concerning the talents of subgroups of fund managers—they appear to believe that, among the field of active managers, superior managers exist that can “beat the market” for long periods of time. In particular, Morningstar and Lipper compete vigorouslyfor the attention of these true believers by providing regular fund performance rankings, while popular publications such as Money Magazine routinely profile “star” mutual fund managers. In addition, investor dollars, while not very quick to abandon past losing funds, aggressively chase past winners (see, for example, Sirri and Tufano (1998)).Are these “performance-chasers” wasting their money and time, or is money “smart”? Several past papers have attempted to tackle this issue, with somewhat differing results. For example, Grinblatt and Titman (1989a, 1993) find that some mutual fund managers are able to consistently earn positive abnormal returns before fees and expenses, while Brown and Goetzmann (1995; BG) attribute persistence to inferior funds consistently earning negative abnormal returns. Gruber (1996) and Zheng (1999) examine persistence from the viewpoint of consumer money flows to funds, and find that money is “smart”—that is, money flows disproportionately to funds exhibiting superior future returns. However, the exact source of the smart money effect remains a puzzle—does smart money capture manager talent or, perhaps, simply momentum in stock returns?1 More recently, Carhart (1997) examines the persistence in net returns of U.S. mutual funds, controlling for the continuation attributable to priced equity styles (see, for example, Fama and French (1992, 1993, 1996), Jegadeesh and Titman (1993), Daniel andTitman (1997), and Moskowitz and Grinblatt (1999)). Carhart finds little evidence of superior funds that consistently outperform their style benchmarks—specifically, Carhart finds that funds in the highest net return decile (of the CRSP mutual fund database) during one year beat funds in the lowest decile by about 3.5 percent during the following year, almost all due to the one-year momentum effect documented by Jegadeesh and Titman (1993) and to the unexplained poor performance of funds in the lowest prior-year return decile.2 Thus, Carhart (1997) suggests that money is not very smart. Recent studies find somewhat more promising results than Carhart (1997). Chen, Jegadeesh, and Wermers (1999) find that stocks most actively purchased by funds beat those most actively sold by over two percent per year, while Bollen and Busse (2002) find evidence of persistence in quarterly fund performance. Wermers (2000) finds that, although the average style-adjusted net return of the average mutual fund is negative (consistent with Carhart’s study), high-turnover funds exhibit a net return that is significantly higher than low-turnover funds. In addition, these highturnover funds pick stocks well enough to cover their costs, even adjusting for style-based returns. This finding suggests that fund managers who trade more frequently have persistent stockpicking talents. All of these papers provide a more favorable view of the average actively managed fund than prior research, although none focus on the persistence issue with portfolio holdings data.This study examines the mutual fund persistence issue using both portfolio holdings and net returns data, allowing a more complete analysis of the issue than past studies. With these data, we develop measures that allow us to examine the roles of consumer inflows and fund manager behavior in the persistence of fund performance. Specifically, we decompose the returns and costs of each mutual fund into that attributable to (1) manager skills in picking stocks having returns that beat their style-based benchmarks (selectivity), (2) returns that are attributable to the characteristics (or style) of stockholdings, (3) trading costs, (4) expenses, and (5) costs that are associated with the daily liquidity offered by funds to the investing public (as documented by Edelen (1999)). Further, we construct holdings-based measures of momentum-investing behavior by the fund managers. Together, these measures allow an examination of the relation between flows, manager behavior, and performance persistence.In related work, Sirri and Tufano (1998) find that consumer flows react about as strongly to one-year lagged net returns as to any other fund characteristic. In addition, the model of Lynch and Musto (2002) predicts that performance repeats among winners (but not losers), while the model of Berk and Green (2002) predicts no persistence (or weak persistence) as consumer flows compete away any managerial talent. Consistent with Sirri and Tufano (1998), and to test the competing viewpoints of Lynchand Musto (2002) and Berk and Green (2002), we sort funds on their one-year lagged net returns for most tests in this paper. While other ways of sorting funds are attempted.DataWe merge two major mutual fund databases for our analysis of mutual fund performance. Details on the process of merging these databases is available in Wermers (2000). The first database contains quarterly portfolio holdings for all U.S. equity mutual funds existing at any time between January 1, 1975 and December 31, 1994; these data were purchased from Thomson/CDA of Rockville, Maryland. The CDA dataset lists the equity portion of each fund’s holdings (i.e., the shareholdings of each stock held by that fund) along with a listing of the total net assets under management and the self-declared investment objective at the beginning of each calendar quarter. CDA began collecting investment-objective information on June 30, 1980; we supplement these data with hand-collected investment objective data from January 1, 1975.The second mutual fund database is available from the Center for Research in Security Prices (CRSP) and is used by Carhart (1997). The CRSP database contains monthly data on net returns, as well as annual data on portfolio turnover and expense ratios for all mutual funds existing at any time between January 1, 1962 and December 31, 2000. Further details on the CRSP mutual fund database are available from CRSP.These two databases were merged to provide a complete record of the stockholdings of a given fund, along with the fund’s turnover, expense ratio, net returns, investment objective, and total net assets under management during the entire time that the fund existed during our the period of 1975 to 1994 (inclusive).5 Finally, stock prices and returns were obtained from the CRSP stock files.Performance-Decomposition Methodology In this study, we use several measures that quantify the ability of a mutual fund manager to choose stocks, as well as to generate superior performance at the net return level. These measures, in general, decompose the return of the stocks held by a mutual fund into several components in order to both benchmark the stock portfolio and to provide a performance attribution for the fund. The measures used to decompose fund returns include:1. the portfolio-weighted return on stocks currently held by the fund, in excess of returns (during the same time period) on matched control portfolios having the same style characteristics (selectivity)2. the portfolio-weighted return on control portfolios having the same characteristics as stocks currently held by the fund, in excess of time-series average returns on those control portfolios (style timing)3. the time-series average returns on control portfolios having the same characteristics as stocks currently held (style-based returns)4. the execution costs incurred by the fund5. the expense ratio charged by the fund6. the net returns to investors in the fund, in excess of the returns to an appropriate benchmark portfolio.The first three components of performance, which decompose the return on the stocks held by a given mutual fund before any trading costs or expenses are considered, are briefly described next. We estimate the execution costs of each mutual fund during each quarter by applying recent research on institutional trading costs to our stockholdings data—we also describe this procedure below. Data on expense ratios and net returns are obtained directly from the merged mutual fund database. Finally, we describe the Carhart (1997) regression-based performance measure, which we use to benchmark-adjust net returns.The Ferson-Schadt Measure Ferson and Schadt (FS, 1996) develop a conditional performance measure at the net returns level. In essence, this measure identifies a fund manager as providing value if the manager provides excess net returns that are significantly higher than the fund’s matched factor benchmarks, both unconditional and conditional. The conditional benchmarks control for any predictability of the factor return premia that is due to evolving public information. Managers, therefore, are only labeled as superior if they possess superior private information on stock prices, and not if they change factor loadings over time in response to public information. FS also find that these conditionalbenchmarks help to control for the response of consumer cashflows to mutual funds. For example, when public information indicates that the market return will be unusually high, consumers invest unusually high amounts of cash into mutual funds, which reduces the performance measure, “alpha,” from an unconditional model (such as the Carhart model). This reduction in alpha occurs because the unconditional model does not control for the negative market timing induced by the flows. Edelen (1999) provides further evidence of a negative impact of flows on measured fund performance. Using the FS model mitigates this flow-timing effect. The version of the FS model used in this paper starts with the unconditional Carhart four-factor model and adds a market factor that is conditioned on the five FS economic variables.Decomposing the Persistence in Mutual Fund ReturnsSirri and Tufano (1998) find that consumer flows react about as strongly to one-year lagged net returns as to any other fund characteristic. In addition, the model of Lynch and Musto (2002) predicts that performance repeats among winners (but not losers), while the model of Berk and Green (2002) predicts no persistence (or weak persistence) as consumer flows compete away any managerial talent. Consistent with Sirri and Tufano (1998), and to test the competing viewpoints of Lynch and Musto (2002) and Berk and Green (2002), we sort funds on their one-year lagged net returns for the majority of tests in the remainder ofthis paper. When appropriate, we provide results for other sorting approaches as well.中文译文资金真的是“聪明”吗？关于共同基金流动，经理行为和绩效持续性关系的新证据作者：Russ Wermers此外，基金的复苏在多年期间强烈持续- 这是本文的核心发现。

如何评估基金的绩效基金作为一种投资工具，受到越来越多投资者的关注。

而对于投资者来说，评估基金的绩效是非常重要的，因为绩效将直接影响到投资者的收益。

本文将介绍几种评估基金绩效的常用方法，并分析其优缺点。

一、评估基金绩效的指标在评估基金绩效时，投资者可以参考以下几个常用的指标：1. 收益率收益率是评估基金绩效的最直观指标之一。

投资者可以通过计算基金的累计或年化收益率来了解基金的投资回报情况。

通过对比不同基金的收益率，投资者可以判断基金的盈利能力。

2. 风险指标除了收益率，投资者还需要考虑基金的风险情况。

常见的风险指标包括波动率、下行风险等。

波动率可以反映基金净值的波动情况，下行风险则主要关注基金在市场下跌时的表现。

通过分析基金的风险指标，投资者可以评估基金在不同市场环境下的表现能力。

3. 基金经理能力基金经理的能力是影响基金绩效的一个重要因素。

投资者可以通过研究基金经理的投资策略、经验以及过往的业绩来评估其能力。

一般来说，经验丰富、投资策略稳健的基金经理更容易取得良好的绩效。

二、评估方法在评估基金绩效时，投资者可以采用以下几种常用的方法：1. 基准比较法基准比较法是一种常见且直观的评估方法。

投资者可以选择一个或多个与基金运作策略相匹配的基准，在同一时间对比其收益率、风险等指标。

若基金的绩效明显超过基准，则可以认为其绩效较好。

2. 同类排名法同类排名法是一种通过比较基金在同一类别中的排名来评估绩效的方法。

投资者可以通过查阅报表或咨询专业机构，了解基金在同类别中的排名情况。

但需要注意的是，同类排名法只能反映基金相对于同一类别基金的表现，并不能全面评估基金的绩效。

3. 历史回溯法历史回溯法是一种通过分析基金过去的绩效来预测其未来表现的方法。

投资者可以研究基金的历史收益率、波动率等指标，以及基金经理的投资决策，来评估基金未来的发展潜力。

然而，需要注意的是，过去的业绩并不代表未来的表现，投资者应该结合其他因素进行综合分析。

基金报告分析基金绩效评估的核心指标与方法解析在投资领域，基金绩效评估是投资者选择投资方向的重要依据之一。

了解基金的绩效评估指标和评估方法，能够帮助投资者更好地进行投资决策。

本文将对基金绩效评估的核心指标和方法进行解析。

一、基金绩效评估的核心指标1. 收益率收益率是评估基金绩效的主要指标之一。

根据投资期限不同，收益率可分为日收益率、周收益率、月收益率、季度收益率、年收益率等。

投资者可以通过比较不同基金的收益率，判断基金的盈利能力和风险水平。

2. 超额收益率超额收益率是指基金相对于基准指数的收益率差异。

基金的表现优于基准指数时，超额收益率为正；基金的表现不及基准指数时，超额收益率为负。

超额收益率能够反映基金经理的择股和择时能力。

3. 风险指标风险指标主要包括标准差、年化波动率等。

标准差反映了基金收益的波动程度，波动越大，风险越高；年化波动率是标准差的年化表示，用于评估基金长期的风险水平。

4. 夏普比率夏普比率是用于衡量基金的风险调整后的收益能力。

夏普比率越高，说明投资者每承担一单位的风险能获取到的超额收益越多。

5. 信息比率信息比率是用于衡量基金经理的主动管理能力。

信息比率越高，说明基金经理通过择股和择时等主动管理操作可以获得更多超额收益。

二、基金绩效评估的方法1. 基准指数法基准指数法是最常用的基金绩效评估方法之一。

该方法将基金的收益与一个相关的基准指数进行比较，以判断基金的表现。

若基金的超额收益率为正，说明基金的表现优于基准指数。

2. 指标系统法指标系统法是综合考虑多个评价指标来评估基金绩效的方法。

其中，可以利用TOPSIS法（技术协同最优解与最劣解法）将基金按照不同指标加权排名，得出综合评价结果。

3. 因子模型法因子模型法是根据统计模型和回归分析，利用多个因子（如市场因子、规模因子等）来解释基金绩效的方法。

通过分析基金与各种因子之间的关系，判断基金管理者的投资能力。

4. 经验法经验法是基于基金经理的经验和投资风格进行评估的方法。

共同基金绩效归因模型研究共同基金绩效归因模型是用来解析和评估共同基金的投资绩效的一种常用方法。

它通过对基金投资组合中各种因素的贡献进行分析，帮助投资者了解基金经理的择股能力和择时能力。

本文将对共同基金绩效归因模型的研究进行探讨，并介绍其中两种常见的归因模型。

一、共同基金绩效归因模型概述共同基金绩效归因模型是一种用于分析共同基金投资绩效的定量方法。

它通过解析基金的收益来源，分析投资经理在股票选择、行业配置、择时等方面的表现，从而评估基金的绩效。

归因模型通常基于资本资产定价模型（CAPM）或测度风险模型（MFM），采用多元线性回归的方法进行分析。

二、CAPM模型CAPM模型是一种常见的共同基金绩效归因模型，它基于资本市场有效理论，对基金的收益进行归因分析。

CAPM模型认为，股票的收益率可以被市场风险和个股的系统风险来解释。

在共同基金绩效归因中，CAPM模型用来衡量基金经理的选股能力。

CAPM模型的基本公式为：Ri = Rf + βi × (Rm - Rf) + αi其中，Ri表示基金的预期收益率，Rf表示无风险利率，βi表示基金与市场收益率的相关性，Rm表示市场的预期收益率，αi表示基金的超额收益。

通过对基金的历史收益数据进行回归分析，可以得到基金的β值和α值。

β值反映了基金对市场收益率的敏感度，α值则衡量了基金的超额收益。

三、MFM模型MFM模型是另一种常见的共同基金绩效归因模型，它基于多因子模型对基金的收益进行解释。

MFM模型考虑了多个因素对基金收益的影响，包括股票选择能力、行业配置能力、择时能力等。

MFM模型的基本公式为：Ri = αi + β1i × F1 + β2i × F2 + ... + βni × Fn + εi其中，Ri表示基金的预期收益率，αi表示基金的超额收益，β1i - βni表示基金在不同因子上的暴露程度，F1 - Fn表示不同的风险因子，εi表示残差项。

共同基金常识
共同基金是一种投资工具，投资者可以通过投资共同基金获得股票，债券，开发房地产项目或其他投资策略所形成的池子中受益。

共同基金是由多个投资者投资组成，由专业管理人员以投资者利益为导向进行管理。

这就意味着投资者可以将少量的资金汇聚在一起作为一个大的投资资产，从而增加投资的收益和多样性。

共同基金的优势之一是可让投资者分担风险，投资者可以获得由多种资产组合形成的多元投资绩效，同时也有助于抵御市场波动。

另一个优势则是投资成本低，因为投资者不必花费大量资金购买任何单一股票，从而可以降低投资成本。

此外，共同基金的费用也较低，因为投资者可以分享管理人员的服务费。

总之，共同基金可以让投资者享受多元化的投资可能性和低风险的优势。

分析基金的业绩与绩效评价指标基金是一种以集合投资方式进行的金融产品，它通过汇集投资者的资金，由专业的基金经理团队进行投资管理。

在选择基金时，业绩和绩效评价指标是我们判断基金品质的重要指标。

本文将分析基金的业绩和绩效评价指标，帮助读者更好地选择适合自己的优质基金。

一、基金业绩的分析基金业绩是衡量基金投资效益的主要指标，我们可以通过以下几个方面来进行分析。

1. 年度回报率年度回报率是衡量基金业绩的重要指标之一。

它表示基金在一年内的投资收益率。

我们可以根据基金的年度回报率来评估基金的盈利能力和风险控制能力。

一般来说，年度回报率越高，基金的表现就越好。

2. 同类基金排名同类基金排名是比较基金业绩的重要依据。

我们可以将某一只基金与同类其他基金的业绩进行对比，了解其在同类基金中的表现。

同类基金排名的好坏可作为选择基金的参考，排名靠前的基金往往表明其绩效相对较好。

3. 投资组合分析基金是通过投资组合来实现资金增值的。

我们可以对基金投资组合进行分析，了解其所投资的各类资产在组合中的比重和分布情况，以及所投资证券的风险分散度。

一个良好的投资组合应该具备分散风险、收益稳定的特点。

二、基金绩效评价指标在分析基金绩效时，绩效评价指标起着关键作用。

下面介绍几个常用的绩效评价指标。

1. 夏普比率夏普比率是衡量基金业绩相对风险的指标。

它表示单位风险下的超额收益。

夏普比率越高，基金的收益越有吸引力。

2. 收益风险比收益风险比是衡量基金盈利能力与风险承受能力的比例关系。

它体现了基金在获得收益的同时，所承担的风险程度。

收益风险比越高，基金的绩效越理想。

3. 基金回撤率基金回撤率是衡量基金抗跌能力的指标。

它表示在某个时期内，基金净值高点到低点的最大跌幅。

较低的回撤率表明基金在市场下跌时能够保持相对稳定的表现。

4. 手续费率手续费率是指投资基金所产生的费用比例。

投资者在选择基金时应重点关注手续费率，以避免手续费过高对收益的影响。

总结：在选择基金时，我们应该综合考虑基金的业绩和绩效评价指标。

证券投资基金绩效评估模型分析【发布时间】2002-1-10本文依据衡量指标的不同，将目前国际上较为流行的证券投资基金绩效评估模型分为五大类，并评述了这五大类模型的运用方式、作用和区别，以及这些模型运用的相关检验，最后进行了简要的评论并提出了几点建议。

证券投资基金绩效的评估主要是针对一只基金的实际运作成果进行评价。

在绩效评估中，主要包括：(1)对基金的整体收益进行评估，判断其是否超过市场平均收益；(2)超过市场平均收益的部分中有多少可归结为基金经理的投资才能；(3)采用什么因素或指标对基金绩效进行评估，并判断不同因素或指标对绩效评估结果的影响；(4)选择什么类型的评估模型，评估模型的选择应根据一国的基金市场状况等因素而确定。

根据以上内容及不同管理风格的基金，评估基金绩效的因素或指标主要分为两类：对于采用消极管理风格的基金，主要是评估其在证券市场的一般收益水平和风险水平；对于采用积极管理风格的基金，除了以上两个指标外，还包括基金经理的选股能力、市场运作中的时间选择(或定时)能力以及基金组合的分散化程度等指标。

这些指标分别衡量了基金经理预测市场的发展趋势、识别证券价格是否被低估或高估及控制风险的能力。

本文的分析是根据积极管理风格基金类型来进行的。

一、理论模型分析(一)Markowits均值一方差模型证券投资基金投资及其他风险资产投资首先需要解决的是预期收益与预期风险这两个核心问题。

如何测定组合投资的预期收益与预期风险、如何以这两项指标进行资产分配，是市场投资者迫切需要解决的问题。

正是在这样的背景下，Markowits(1952、1958)的理论应运而生。

该理论依据以下4个假设：1．投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布。

2．投资者是根据证券的预期收益率估测证券组合的风险。

3．投资者的投资决定仅仅是依据证券的预期收益和预期风险。

4．在一定的风险水平上，投资者希望收益最大，相应的是在一定的收益水平上，投资者希望风险最小。

基金规模、投资者关注与基金业绩持续性基金规模、投资者关注与基金业绩持续性一、引言近年来，公募基金行业经历了快速发展，基金规模不断扩大。

随着投资者对基金的关注度不断提升，基金业绩的持续性成为了投资者们关注的重点。

本文旨在探讨基金规模与投资者关注对基金业绩持续性的影响，并给出相关建议。

二、基金规模对基金业绩的影响1.规模效益基金规模的增加会带来规模效益的提高。

较大规模的基金可以通过更加充分的资源配置以及更高的议价能力，获得更低的交易成本和更好的投资机会，从而提升基金的综合业绩。

2.运作难度增加基金规模的增加也带来了运作难度的增加。

较大规模的基金需要更为复杂的投资策略，以应对市场的变化。

基金经理在管理较大规模的基金时，需要更多的精力和资源进行投资决策和监督，这对基金业绩的持续性提出了一定的挑战。

3.流动性压力当基金规模过大时，基金经理难以灵活调整投资组合，尤其在流动性较差的市场环境下。

当基金规模增长过快，基金经理可能会在追求规模增长的过程中，牺牲一定的流动性。

这可能导致基金在市场波动中的表现不佳。

三、投资者关注对基金业绩持续性的影响1.短期主义部分投资者关注基金业绩的短期表现，往往追逐热点，希望能够在短期内获得高额回报。

这种短期主义的投资行为往往会导致基金在短期内出现较大波动，可能会对基金经理的投资决策产生压力，限制其追求长期价值的能力。

2.投资者情绪的干扰投资者情绪波动也会对基金业绩的持续性产生影响。

当市场情绪热烈时，投资者的追涨杀跌行为可能导致基金的持仓调整过于频繁，无法长期持有优质资产。

这种频繁调整可能导致基金在长期中无法获得稳定的投资回报。

3.过度关注短期回报一些投资者往往过度关注基金的短期回报，而忽视了基金的风险收益特点和长期投资目标。

投资者对基金的过度关注可能会使基金经理在追逐短期回报时，忽略了基金的长期投资战略，这有可能影响基金的业绩持续性。

四、提升基金业绩持续性的建议1.基金公司规模控制基金公司应对基金规模进行合理的控制，避免规模过大影响基金的投资灵活性和业绩持续性。

共同基金业绩文献综述共同基金是指由一群投资者共同出资，由专业的基金公司或基金管理人代表管理的一种集合投资工具。

共同基金通过投资股票、债券、货币市场工具等资产，为投资者提供风险分散和专业管理的投资机会。

基金的业绩是衡量基金投资效果的重要指标之一。

在过去的20年中，共同基金业绩一直是学术界和投资界关注的热点话题。

本文将综述共同基金业绩相关的文献，研究其发展历程、影响因素以及未来趋势。

一、共同基金业绩的发展历程共同基金行业兴起于20世纪20年代，但直到20世纪60年代后期才得到了迅猛的发展。

在此期间，共同基金行业的市场规模不断扩大，投资者对共同基金的兴趣日益增加。

共同基金业绩的研究也逐渐受到学术界和投资界的重视。

研究者开始关注基金的超额收益、风险调整收益、持续业绩等关键指标，以评估基金的表现。

随着计量经济学和金融学的发展，学者们提出了各种基金绩效评价模型，为基金业绩的研究提供了理论和方法支持。

共同基金业绩受多种因素的影响，其中包括基金经理的能力、基金公司的规模和信誉、市场环境的变化等。

研究表明，基金经理的能力是影响基金业绩的关键因素之一。

一些学者通过分析基金经理的个人特征和投资策略，发现基金经理的经验和知识水平对基金的表现有着显著的影响。

基金公司的规模和信誉也对基金业绩有一定的影响。

大型基金公司通常拥有更多的资源和更严格的投资管理制度，因此能够更好地保障基金的表现。

市场环境的变化也会对基金的表现产生影响，经济周期的周期性变化和行业的结构性变化等。

随着金融科技的迅速发展和监管政策的不断完善，共同基金业绩的未来趋势也在不断发生变化。

一方面，金融科技的发展为基金管理提供了更多的技术手段和工具，例如大数据分析、人工智能、区块链等，可以帮助基金经理更好地把握市场机会，提高基金的投资效益。

监管政策的不断完善也促使基金公司加强内部管理，提高透明度和诚信度，提高基金业绩的稳定性和可持续性。

证券投资基金绩效评估模型分析近年来，随着金融市场的发展和投资门槛的降低，证券投资基金成为了一个受到广大投资者关注的领域。

然而，由于市场的复杂性和风险的存在，投资者在选择基金时需要关注基金的绩效表现。

因此，建立一个科学有效的基金绩效评估模型就显得尤为重要。

基金绩效评估是指对基金投资经理的投资决策能力和基金管理水平进行定量化的评估。

通过评估基金的绩效表现，投资者可以更好地认识基金的风险收益特征，从而更明智地进行投资决策。

然而，由于市场环境的不断变化和影响因素的复杂性，建立一个全面准确的绩效评估模型是一项具有挑战性的任务。

目前，对于基金绩效评估，常用的方法包括市场综合指标法、风险调整法和多因子模型等。

市场综合指标法使用基金净值增长率作为评估指标，忽略了基金在不同市场环境下的表现。

风险调整法通过引入风险因子，对基金绩效进行修正，提高了评估的准确性。

而多因子模型则进一步细化了评估的视角，引入了多个影响基金绩效的因素，更全面地评估了基金的表现。

在建立基金绩效评估模型时，首先需要确定评估指标。

评估指标应该能够全面准确地衡量基金的表现，包括风险收益特征等方面。

常见的评估指标包括夏普比率、特雷诺指数、信息比率等。

夏普比率是衡量单位风险下的投资收益能力的指标，特雷诺指数是对基金超额收益能力进行衡量的指标，信息比率则是对基金超额风险调整收益能力进行衡量的指标。

通过综合使用这些指标，可以更全面地评估基金的绩效表现。

其次，建立基金绩效评估模型需考虑到市场环境的影响。

市场环境的变化会对不同类型的基金产生不同的影响，因此在评估基金绩效时需要针对不同市场环境进行的分析。

此外，还需要考虑市场交易成本、基金规模和基金经理团队等因素的影响。

这些因素会直接或间接地影响到基金的绩效表现，因此在建立评估模型时需对这些因素进行综合考虑。

最后，建立基于历史数据的基金绩效评估模型时，需要注意模型的稳定性和预测能力。

模型的选择应该能够准确地对基金的绩效进行预测，同时应在不同的市场环境下保持较好的稳定性。

金融学期刊（JF）创刊以来50篇最经典论文1) Portfolio Selection证券组合选择Harry Markowitz Volume 7, Issue 1March 19522) Capital Asset Prices: A Theory Of Market Equilibrium Under Conditions Of Risk资本资产价格：风险条件下的市场均衡理论William F. SharpeVolume 19, Issue 3September 19643) Efficient Capital Markets: Review Of Theory And Empirical Work有效市场：理论与经验研究的评论Eugene F. FamaVolume 25, Issue 2May 19704) The Cross-Section Of Expected Stock Returns股票预期收益的横截面（分析）Eugene F. Fama, Kenneth R. FrenchVolume 47, Issue 2June 19925) Counterspeculation, Auctions, And Competitive Sealed Tenders反投机、拍卖和竞争性密封投标William VickreyVolume 16, Issue 1March 19616) A Survey Of Corporate Governance关于公司治理的调查Andrei Shleifer, Robert W. VishnyVolume 52, Issue 2June 19977) Legal Determinants Of External Finance外部融资的法律层面决定因素Rafael La Porta, Florencio Lopez-De-Silanes, Andrei Shleifer, Robert W. VishnyVolume 52, Issue 3July 19978) Corporate Ownership Around The World世界各地的企业所有权Rafael La Porta, Florencio Lopez-De-Silanes, Andrei ShleiferVolume 54, Issue 2April 19999) On the Pricing Of Corporate Debt: The Risk Structure Of Interest Rates 企业债务的定价：利率的风险结构Robert C. MertonVolume 29, Issue 2May 197410) Financial Ratios, Discriminant Analysis And Prediction Of Corporate Bankruptcy财务比率，判别分析和企业破产预测Edward I. AltmanVolume 23, Issue 4September 196811) The Modern Industrial Revolution, Exit, And The Failure Of Internal Control-Systems近代工业革命，退出，和内部控制系统的失灵Michael C. JensenVolume 48, Issue 3July 199312) On Persistence In Mutual Fund Performance共同基金绩效的持久性Mark M. CarhartVolume 52, Issue 1March 199713) On The Relation Between The Expected Value And The Volatility Of The Nominal期望值和名义股票超额回报波动性的关系Lawrence R. Glosten, Ravi Jagannathan, David E. RunkleVolume 48, Issue 5December 199314) Returns To Buying Winners And Selling Losers: Implications For Stock Market Efficiency购买赢家和卖掉输家的回报：对股市效率的启示Narasimhan Jegadeesh, Sheridan TitmanVolume 48, Issue 1March 199315) Informational Asymmetries, Financial Structure, And Financial Intermediation信息不对称、金融结构和金融中介Hayne E. Leland, David H. PyleVolume 32, Issue 2May 197716) The Pricing Of Options On Assets With Stochastic Volatilities具有随机波动性资产期权定价John Hull, Alan WhiteVolume 42, Issue 2June 198717) Efficient Capital Markets: II有效资本市场IIEugene F. FamaVolume 46, Issue 5December 199118) Does The Stock Market Overreact?股市反应过度了吗？Werner F. M. De Bondt, Richard ThalerVolume 40, Issue 3July 198519) Multifactor Explanations Of Asset Pricing Anomalies对资产定价异常现象的多因素解释Eugene F. Fama, Kenneth R. FrenchVolume 51, Issue 1March 199620) The Capital Structure Puzzle资本结构之谜Stewart C. MyersVolume 39, Issue 3July 198421) The Performance Of Mutual Funds In Period 1945-1964共同基金在1945年-1964年的绩效Michael C. JensenVolume 23, Issue 2May 196822) Debt And Taxes负债和税收Merton H. MillerVolume 32, Issue 2May 197723) What Do We Know About Capital Structure? Some Evidence From International Data我们对资本结构了解多少呢？来自国际数据的一些证据Raghuram G. Rajan, Luigi ZingalesDecember 199524) The Benefits Of Lending Relationships: Evidence From Small Business Data借贷关系的好处：来自小企业数据的证据Mitchell A. Petersen, Raghuram G. RajanVolume 49, Issue 1March 199425) Measuring And Testing The Impact Of News On Volatility衡量和检验新闻对波动性的影响Robert F. Engle, Victor K. NgVolume 48, Issue 5December 199326) Investor Psychology And Security Market Under- And Overreactions投资者心理和证券市场的过度反应/反应迟钝Kent Daniel, David Hirshleifer, Avanidhar SubrahmanyamVolume 53, Issue 6December 199827) Contrarian Investment, Extrapolation, And Risk逆向投资、外推法和风险Josef Lakonishok, Andrei Shleifer, Robert W. VishnyVolume 49, Issue 5December 199428) A Simple Model Of Capital Market Equilibrium With Incomplete Information 一个简单的信息不完全的资本市场均衡模型Robert C. MertonVolume 42, Issue 3July 198729) Insiders And Outsiders: The Choice Between Informed And Arms-Length DebtRaghuram G. RajanSeptember 199230) Why Does Stock Market Volatility Change Over Time? 为什么随着时间推移股市波动性会发生变化？G. William SchwertVolume 44, Issue 5September 198931) The Determinants Of Capital Structure Choice资本结构决策的决定因素Sheridan Titman, Roberto WesselsVolume 43, Issue 1March 198832) Inferring Trade Direction From Intraday Data从当日数据推断交易方向Charles M.C. Lee, Mark J. ReadyVolume 46, Issue 2June 199133) The New Issues Puzzle新股发行之谜Tim Loughran, Jay R. RitterVolume 50, Issue 1March 199534) The Limits Of Arbitrage套利限制Andrei Shleifer, Robert W. VishnyVolume 52, Issue 1March 199735) Noise噪声Fischer BlackVolume 41, Issue 3July 198636) Investor Protection And Corporate Valuation投资者保护和公司估值Rafael La Porta, Florencio Lopez-De-Silanes, Andrei Shleifer, Robert Vishny Volume 57. Issue 3June 200237) The Theory Of Capital Structure资本结构理论Milton Harris, Artur RavivVolume 46, Issue 1March 199138) The Long-Run Performance Of Initial Public Offerings首次公开发行股票的长期绩效Jay R. RitterVolume 46, Issue 1March 199139) Initial Public Offerings And Underwriter Reputation首次公开发行和承销商商誉Richard Carter, Steven ManasterVolume 45, Issue 4September 199040) Dividend Policy Under Asymmetric Information信息不对称下的股利政策Merton H. Miller, Kevin RockVolume 40, Issue 4September 198541) A Simple Implicit Measure Of The Effective Bid-Ask Spread In An Efficient Market买卖价差(Bid-Ask Spread)有效市场下有效买卖差价的简单内隐测量Richard RollSeptember 198442) Empirical Performance Of Alternative Option Pricing Models备选的期权定价模型的实证绩效Gurdip Bakshi, Charles Cao, Zhiwu ChenVolume 52, Issue 5December 199743) Compensation And Incentives: Practice vs. Theory薪酬和激励：实践和理论George P. Baker, Michael C. Jensen, Kevin J. MurphyVolume 43, Issue 3July 198844) Are Investors Reluctant To Realize Their Losses?投资者不愿意意识到他们的损失？Terrance OdeanVolume 53, Issue 5October 199845) Size And Book-To-Market Factors In Earnings And Returns盈余和收益的规模和账面-市值因素Eugene F. Fama, Kenneth R. FrenchVolume 50, Issue 1March 199546) Security Prices, Risk, And Maximal Gains From Diversification证券价格、风险和来自多元化的最大收益John LintnerVolume 20, Issue 4December 196547) An Empirical Comparison Of Alternative Models Of The Short-Term Interest-Rate对短期利率备选模型的实证比较K. C. Chan, G. Andrew Karolyi, Francis A. Longstaff, Anthony B. SandersJuly 199248) Risk Management Coordinating Corporate Investment And Financing Policies风险管理协调企业投融资政策Kenneth A. Froot, David S. Scharfstein, Jeremy C. SteinVolume 48, Issue 5December 199349) Disentangling The Incentive And Entrenchment Effects Of Large Shareholdings解析大股东激励和壕沟防御效应Stijn Claessens, Simeon Djankov, Joseph P. H. Fan, Larry H. P. Lang Volume 57, Issue 6December 200250) Valuing Corporate Securities: Some Effects Of Bond Indenture Provisions 公司证券估值：债券契约条款的一些作用Fischer Black, John C. CoxVolume 31, Issue 2May 1976。

硕士毕业论文开题报告格 式The Standardization Office was revised on the afternoon of December 13, 2020硕士研究生学位论文开题报告论 文 题 目： 报 告 人 姓 名： 研 究 方 向： 学 科 专 业： 年 级： 指 导 教 师： 所 在学院 (所)：东北师范大学研究生院制 年月日填表说明与要求1.开题时，报告人应向开题报告审查小组提供一定数量与论文选题直接相关的 参考文献实物，具体数量由各学科专业自行确定。

2.文献综述一般应包括与论文选题相关的国内外研究的进展、现状、问题与发 展趋势等。

文科不得少于 5000 字，理科不得少于 3000 字。

3.参考文献格式参照学位论文。

4.论文开题时间一般应不晚于入学后第三学期中。

5.开题报告通过后，由学院留存并作为毕业审核材料之一。

6.开题报告的格式和内容可根据学科专业特点作适当调整。

7.开题报告中的字体均用宋体五号字，用 A4 纸打印，于左侧装订成册。

一、研究问题与文献综述（研究背景与问题、相关文献综述、主要参考 文献）文献综述： 1、国内外研究的进展:在国外,评估基金业绩及投资绩效的理论研究和实证研究由来己久。

美国三位经 济学家Sharpe，Linter和Mossin在各自对资本市场研究的基础上共同提出了资本资产 定价模拟模型(Capital Assets Pricing Model，CAPM)。

这是基于资产风险——期望 收益均衡基础上的定价模型。

以此为基础，比较适用的投资基金业绩评估方法被分别 提出并逐步得到完善。

美国财务学者Treyno首先提出一种考虑风险因素的基金业绩评价指标，即以单位 系统风险收益所获得的超额收益率作为评估指标.在特雷诺指数的基础上，Sharp认为 管理较好的投资基金的总风险可能接近于系统风险，而管理不善的基金的总风险可能 因非系统风险不等而相差很远，因此，他提出用单位总风险所获得的超额收益率评价 基金的业绩，称为“夏普指数".Jensen，利用CAPM的原理，通过比较评价期的实际收 益和由CAPM推算得出的预期收益对基金业绩进行评价，提出了以CAPM为基础，通过在 风险调整后以百分比的形式来评价基金业绩的模型.Treynor和Mazuy(1966)首次对基 金经理实际选择能力进行了计量分析。

基金绩效持续性的实证研究的开题报告1. 研究背景和意义：随着中国资本市场的发展，投资者对于基金绩效持续性的需求也越来越高。

基金绩效的持续性是指基金运作过程中，业绩表现是否能够持续一段时间。

持续的业绩是衡量基金经理投资能力的重要指标之一。

然而，在基金市场中，基金经理的离职、投资风格转变等因素可能影响基金的表现，从而影响基金绩效的持续性。

因此，对于基金的绩效持续性进行实证研究，对于投资者评估基金经理的绩效、选择合适的投资产品具有重要的意义。

本课题旨在通过对中国基金市场中基金绩效进行实证研究，揭示其持续性的表现并分析影响因素，为投资者提供决策参考。

2. 研究内容和目标：本课题将采用基金绩效持续性的实证研究方法，通过对中国基金市场中基金的历史业绩数据进行分析，研究基金的绩效持续性表现，并分析其影响因素。

具体研究内容包括：（1）选择适当的基金绩效度量方法，对中国基金市场中的基金绩效进行度量，并计算出各基金的历史业绩数据。

（2）通过统计方法和计算指标等手段，研究中国基金市场中基金绩效的持续性表现，并分析其变化趋势。

（3）探讨影响基金绩效持续性的因素，包括基金经理的投资能力、投资策略、市场环境等因素，并进行相关分析。

（4）提出相应的建议和策略，为投资者选取合适的基金提供决策参考。

本课题的目标是探讨中国基金市场中基金绩效持续性的表现和影响因素，为投资者提供决策参考和投资策略。

同时，通过本课题的研究，可为资本市场监管机构提供相应的政策建议。

3. 研究方法：本课题将使用实证研究方法，采用量化研究、统计分析等手段，对中国基金市场中基金的历史业绩数据进行分析。

具体方法包括：（1）选择适当的基金绩效度量方法，包括年化收益率、夏普比率、评级等指标，对基金的历史业绩进行度量和计算。

（2）通过分析基金绩效的时间序列变化趋势，分析基金的绩效持续性，并核算出基金的高低绩效划分。

（3）运用多元回归等统计分析方法，探讨影响基金绩效持续性的因素，包括基金经理的投资能力、投资策略、市场环境等因素，并进行相关分析。

中科院合作经费绩效自评报告一、引言中科院作为我国最高学术机构和科学技术研究中心，一直致力于推动科研创新和国家发展。

合作经费是中科院开展科技合作的重要支撑，而绩效自评报告则是对合作经费使用情况进行全面评估和总结的重要文件。

本文将结合中科院合作经费的特点，对绩效自评报告进行详细阐述。

二、合作经费的特点1. 多样性：中科院合作经费涵盖了多个领域和多种类型的项目，包括国内合作、国际合作、横向合作等。

2. 数量庞大：中科院合作经费从规模上来看，每年涉及到的项目和资金数目都是庞大的，需要精细管理和评估。

3. 知识创新：中科院合作经费的目标是推动科技创新，促进学术交流和合作，为我国科研发展提供支持和动力。

三、绩效自评报告的编写要点1. 项目概述：对于每个合作项目，要明确概述其目标、合作方、经费规模等基本情况，为后续分析打下基础。

2. 经费使用情况：对于每个合作项目的经费使用情况进行详细描述，包括经费使用比例、资金分配方式、资金使用效果等方面的信息。

3. 科研成果评估：对于每个合作项目的科研成果进行评估，包括发表的论文数量、专利申请情况、技术转化成果等方面的指标。

4. 学术交流情况：对于每个合作项目的学术交流活动进行总结，包括学术会议、研讨会、学术讲座等方面的情况。

5. 国际合作情况：对于涉及国际合作的项目，要重点强调国际合作的情况，包括合作机构、经费使用情况、科研成果等方面的内容。

6. 绩效评估：对于每个合作项目的绩效进行评估，从经费使用效果、科研成果质量、学术交流效果等多个角度进行综合评估，客观公正地反映项目的实际情况。

7. 问题和建议：对于每个合作项目，要明确存在的问题和不足之处，并提出相应的改进建议，为未来的合作项目提供参考和借鉴。

四、绩效自评报告的意义和作用1. 内部管理参考：绩效自评报告为中科院内部管理提供了重要参考，能够帮助机构了解合作项目的实际情况，及时发现问题并采取相应措施。

2. 外部沟通交流：绩效自评报告是中科院与合作机构之间进行沟通交流的重要文件，能够向外界展示中科院的科研实力和合作能力，提高中科院的声誉和影响力。