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,因此,本文主要探讨开放式基金的业绩评价和排名。已有大量实证研究发现基金收益具有尖峰厚尾性、非对称性和强正相关性,基于此,本文使用非对称幂分布(Asymmetric Power Distribution,APD)来拟合基金收益率分布。不同于其它文献的是,我们主要着眼于Sharpe比率估计量SR,研究36只开放式基金实际日收益率下SR和基于APD标准差和VaR的修正SR,并使用双样本统计量对SR进行假设检验,结论证明了假设检验是显著的,且在基金排名和评价的应用中是非常可行的。
甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容。近十年,下端风险越来越受到关注,在险价值(Value at Risk,VaR)和预期不足(Expected Shortfall,ES)是资产组合风险管理中两个常用的风险度量工具。Kuan等[1]在一类条件自回归模型(CARE)下提出了基于expectile的VaR度量-EVaR。本文扩展了Kuan等[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小。同时给出了参数的两步估计算法,并建立了参数估计的大样本理论。最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的。
This paper considers the monotonic transformation model with an unspecified transformation function and an unknown error function, and gives its monotone rank estimation with length-biased and rightcensored data. The estimator is shown to be√n-consistent and asymptotically normal. Numerical simulation studies reveal good finite sample performance and the estimator is illustrated with the Oscar data set. The variance can be estimated by a resampling method via perturbing the U-statistics objective function repeatedly.
