研究背景

据腾讯基金频道，截至2009年第三季度，我国开放式基金数量已达533只，开放式基金总份额与总资产规模均已超过2万亿，相比于2001年成立之初仅有3只基金、61亿的总资产规模，其发展速度令人瞠目。由此引发的问题是：开放式基金是否发行过多、过滥？是否都具有投资效率，如何测定与比较？影响投资效率的因素有哪些？其动态效率变化如何？

对上述问题进行研究具有非常重要的意义。一方面，可以完善基金业绩排名体系，有利于基金投资者筛选、申购基金，减少其赎回的“处置效应”等非理性行为；另一方面，有助于基金管理者识别基金非有效的原因，促进其投资效率的提高；更重要的是，以基金效率为纽带，使投资者与基金进行对接，可以促进开放式基金优胜劣汰，更好配置资金资源。

基金的绩效评价主要包括参数法与非参数法。传统业绩评估主要基于资产定价模型，考察的主要问题是，基金是否能战胜市场（选股）?是否能正确判断市场走势（选时）?是否能用几个市场的基本因素（如市场组合、规模、账面市值比、动量因素）来解释？其实证模型主要有Jensen(1968)单因素模型，Heriksson和Merton(1981)12]单因素非线性模型，Fama和French(1993) 三因素模型、Carhart(1997)四因素模型。但是参数法具有明显缺陷：首先，其关于证券市场完全有效性的假设与“基金黑幕”、 “老鼠仓”、 “弱有效”等市场实际相违背。从计量经济学的视角看来，市场有效性假设意味着残差必须符合正态分布，而实际金融时间序列通常呈现“尖峰、肥尾、长记忆”特征，会导致实证结果存在偏差，无法进一步应用。其次，对市场投资组合或其他参照因素的不同选择，会导致实证结果大相径庭，使实证结果失去可比性。例如张文璋等(2002)[13]选用四种常用基本模型、三种因素基准组合、九种市场指数和五种无风险收益率，组合成4x3 x9x5=540种具体的基金业绩评价方法，发现选用不同的市场组合或者模型评价基金几乎导致完全不同的结果。

评价基金绩效的非参数法主要是数据包络分析法(DEA)，相比传统参数法，其优点非常显著：对变量度量单位没有要求，具有“量纲不变性”；无需假定投入产出特定函数变化关系，无需假设市场有效性与选择市场组合，可避免参数法评估结果的失真问题；以各基金自身为参照对象，可避免宏观政策、市场波动、法律环境、制度环境等系统性风险影响，强调“横向相对比较中找有效”，可分析低效率基金的低效程度与改进方向；而且DEA善于处理多投入、多产出问题，可避免参数法中被解释变量的唯一性以及解释变量的多重共线性问题。

由于其独特优点，DEA已成功地应用到公共管理、教育计划、医疗业、银行业和零售业务等各种领域中，一些学者也开始将其应用于投资基金评估研究中。Wilkens和Zhu(2001)【5】选择收益标准差和负的月收益率比例作为投入，基金月收益率与偏度以及最小收益作为产出，评价了1999年国际交易者研究数据库中的1 1个金融及金属类基金业绩。Murthi等(1997)【61研究发现，几乎所有基金都近似均值一方差有效，交易成本对基金相对业绩没有显著影响，大规模基金比小规模基金更有效。而Choi和Murthi(2001)利用同样方法和数据发现，不收费基金业绩优于收费基金业绩，大多数基金都表现出递增收益规模效应。国内近年也开始将DEA应用于基金业绩评估中，主要进行了DEA指标测定与传统参数法比较（陈刚2001）I14】；对封闭式基金绩效进行评价(韩泽县等2003 [15]，马利军等2003 [16]，罗洪浪等2003，吴庆田等2007 [18])对DEA业绩持续性进行检验(罗洪浪等2003【1 7】，赵秀娟等2007 [19])；对证券投资基金评价的DEA模型进行分类总结（陈志平2005 [20]）。赵秀娟等(2007)[19]进行了较全面分析，其研究发现，24只开放式基金和54只封闭式基金在2004年和2005年多数处于无效状态，基金业绩不存在明显业绩持续性和规模效应，但投资风格和业绩之间具有一定相关性。债券型基金的效率值高于股票型和混合型。一多半开放式基金都处于规模报酬递减阶段。

通过研读、对比国内外相关文献，发现尚存在以下不足：对开放式基金的DEA业绩研究文献较少，样本量较小；对综合技术效率分解不足；对基金分组考察不足；没有考虑效率的动态变化。基于以上原因，本文选用了我国开放式基金2003 --2008年共58只开放式非货币基金的平衡面板数据；应用DEA对其经营效率进行总体分析，并考察基金风格、管理公司、规模大小、分红等因素对其效率的影响；应用Malmquist生产率指数对其效率变动进行评价。

研究设计

一、研究模型

1．数据包络分析(DEA)

DEA(数据包络分析)是一种数学最优化技术，利用数学规划模型对具有多输入、多输出决策单元(DMU)之间相对有效性进行评价。Charnes、Cooper及Rhodes(1978) 根据Farrell (1957)的效率概念（技术效率、配置效率）提出了最原始的DEA模型，即CCR模型。其原理是在固定规模报酬假设下，利用线性规划与对偶定理，获得DMU的生产可能集“前沿面”，并根据其偏离有效前沿面的距离评价决策单元的相对有效性。DEA可从投入、产出导向两个角度来研究效率问题。投入导向型模型是在既定产出水平下追求最小投入，而产出导向型模型则是在给定投入水平下追求最大产出。最初模型CCR是投入导向的，其实质是求解以下线性规划问题：

对于多个横截面、多个时间序列的投入一产出面板数据，可以用Malmquist指数测量动态效率的改进。Malmquist指数由瑞典经济学家和统计学家Sten Malmquist (1953)在分析不同时期的消费变化时首次提出。Caves et al(1982)首次用它来作为生产效率指数，此后该指数与DEA理论相结合，广泛应用于生产率测算中。本文应用Caves et al(1982)所提出的生产率指数。假定c期和t+l期的投入产出关系分别为(xt，yt)和(xt+l，yt+l)，那么由(xt，yt)到(xt+l，yt+l)的投入产出关系变化即是Malmquist生产率指数。它不仅来自技术水平变化，而且来自综合技术效率的变化。综合技术效率是指生产技术的利用效率，即生产前沿面与实际产出量之间的距离。技术水平的变化指生产前沿面的移动。Malmquist生产率指数可以分解为综合技术效率变动及技术变动的乘积：

式(5)的计算涉及四个线性规划问题，因而每个决策单元须计算相对四个前沿面的距离：上期CRS前沿面，即期CRS前沿面，下期CRS前沿面以及即期VRS前沿面。如果Malmquist指数大于1，表明c到t+l时期效率有所增长；小于1表示效率下降；等于1表示没有变化。EC代表综合技术效率变动，能够衡量产业管理方法的优劣与管理决策层的正确性。若EC>I，表示效率改善；若EC<1，则表示效率恶化。TC代表技术变化，表示产业在t期至t+l期生产技术变化的程度，等于t期与t+l期的生产技术变动值的几何平均数。TC表示两个时期内生产前沿面的移动，表示技术进步或创新程度。TC>1，表示生产技术进步；反之，则表示生产技术衰退。

二、数据说明

本文数据来源于上海wind资讯，选择了2003，--2008年所有开放式非货币基金，考虑到平衡数据处理的优点，最终从中选择了58只基金、共6个年度的面板数据。除了DEA的投入、产出数据以外，还包括基金风格、所处基金管理公司、资产净值规模、分红等分类数据。这种大样本数据除了可以增强本文绩效评价可信性以外，有利于我们应用不同DEA模型方法全面测定开放式基金效率、效率分解、效率分组比较、效率动态变化。本文数据计算采用matlab7.0处理，应用DEAP2.1软件进行实证。

三、投入产出变量设定

1．投入产出指标选取

石晓军等(2007) [21]发现影响绩效评价结果非常重要的一

首页 上一页 1 2 3 下一页 尾页 1/3/3

相关论文