“学海拾珠”系列之二百：数据挖掘的修正与基金的业绩表现

总结

核心观点
研报探讨了如何评估共同基金业绩，强调仅依赖传统t统计量可能高估有能力基金经理的比例，并提出采用超越传统t统计量的高级统计技术完善基金选择过程。研究应用并扩展了Markowitz和Xu于1994年提出的数据挖掘校正技术，分析基金技能变化及过去回报对未来回报的预测能力。

关键数据和研究结论

1. 业绩评估指标

   • Lo（2002）和Guerard、Wang和Xu（2019）利用GMM方法推导出夏普比率和特雷诺比率的估计误差，通过t值验证或反驳相关零假设。
   • Fama和French（2010）研究显示，仅2%的基金经理表现统计学上显著的选股技能，凸显高级统计技术的必要性。

2. 数据挖掘的修正测试

   • 文献模型计算共同基金的伪发现率（FDP）和过去回报对未来回报的横截面预期预测能力。
   • 大盘基金未来持有期从3个月延长至12个月时预测能力增强，小盘基金则相反。
   • 近期一年收益的预测能力超过三年收益，可能与近因偏差或短期周期效应有关。

3. 基金业绩模型

   • 采用对数收益率ln(1+R)模型，分析技能系数、市场变量和特质性变量对基金表现的影响。
   • 通过伪发现概率公式（4）和第二类错误公式评估基金经理能力，发现延长评估期可降低误选无能力基金经理的概率。

4. 数据与方差的估计

   • 使用晨星数据，剔除指数基金并合并份额类别，分析不同基金类别的夏普比率、特雷诺比率和标准差。
   • 广义最小二乘法（GLS）和方差分析（ANOVA）结果一致，显示小盘成长型和价值型基金无法拒绝零假设。
   • 伪发现概率显示，即使五年内获得高回报，仍有超过25%可能是运气所致。

5. 业绩持续性分析

   • 线性收益模型显示，信息系数（IC）未随评估期或持有期延长而显著增加。
   • 大盘基金IC随未来持有期延长而增强，小盘基金则下降。
   • 市场序列相关性和基金偏度可能影响IC模式，但未发现显著差异。
   • 近期一年收益的预测能力高于三年收益，可能与近因偏差或短期周期效应有关。

总结
研究强调区分共同基金表现中的运气和技能的难度，尤其在小盘基金中更为复杂。数据表明，较短的回看期（如一年）比较长的回看期（如三年）更具预测性，可能与近因偏差或短期周期效应有关。此外，基金费用比率、资金流动和投资策略变化等因素也会影响业绩持续性。研究结论基于历史数据和海外文献，不构成投资建议。