CN107895322A - 一种基金组合产品选取并动态监控调整的方法及*** - Google Patents
一种基金组合产品选取并动态监控调整的方法及*** Download PDFInfo
- Publication number
- CN107895322A CN107895322A CN201711293308.XA CN201711293308A CN107895322A CN 107895322 A CN107895322 A CN 107895322A CN 201711293308 A CN201711293308 A CN 201711293308A CN 107895322 A CN107895322 A CN 107895322A
- Authority
- CN
- China
- Prior art keywords
- fund
- product
- index
- combination
- chosen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基金组合产品选取并动态监控调整的方法及***，该方法包括：步骤一，对基金产品进行数据收集；步骤二，对收集的基金产品从不同维度进行分类；步骤三，对评价指标进行分析，确定评价基金绩效的指标；步骤四，利用步骤三确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型对收集的基金产品进行基金绩效评估；步骤五，根据基金绩效评估结果实现对基金组合产品的选取；步骤六，确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回步骤一至步骤五的任一步，以实现动态调整，本发明实现了对基金组合产品的选取以及动态监控调整。
Description
技术领域
本发明涉及金融技术领域，特别是涉及一种基金组合产品选取并动态监控调整的方法及***。
背景技术
近十几年来理财产品在我国发展的十分迅速，以当中标准化程度最高的公募基金产品来说，目前已发展到超过100多家基金公司，6000多只基金产品，资产规模超过8万亿元。从2004年到2015年，以半年度来看，基金六个月业绩只有过7次亏损；年度亏损仅有两次。面对如此火爆的基金市场，但是消费者大部分都在亏钱。究其原因在于缺乏具有专业知识的投资顾问的指导，缺乏科学的投资组合配置。从传统理论来说，基金绩效评价指标多数研究单一基金或简单的基金组合，忽略组合内部的相关性。目前，主流的基金绩效评价指标包括如下：
1、夏普指数：
其中，E(Rp)指的是投资组合的预期回报，为无风险利率，σp为投资组合的标准差。
夏普指数反应的是投资组合每多承受一单位风险获得的超额回报。
2、特雷诺指数：
其中，E(Rp)指的是投资组合的预期回报，Rf为无风险利率，βp为投资组合的***风险
特雷诺指数反应的是投资组合对单位***风险获得的超额回报。
3、詹森指数：
α＝Rp-[Rf+βi(Rm-Rf)]
其中，Rp指的是投资组合的预期回报，Rf是无风险利率，Rm是市场基准组合的收益率，βi是投资组合的***风险。
詹森指数反应的是投资组合超过市场基准组合的超额收益。
4、信息比率
其中，Rp指的是投资组合的预期回报，Ri为比较基准的收益，Rp-Ri为超额收益，Sp-i为超额收益的标准差。
信息比率反应的是单位主动风险带来的超额收益
5、均值方差理论：
均值方差理论主要是有马科维茨在1952年提出的风险度量模型，通过组合收益和波动的衡量，求取确定收益下的最优风险或者确定风险下的最大收益。
目标函数：minσ2(rp)＝∑∑xixjCov(ri-rj)
限制条件：rp≤∑xiri
1＝∑Xi
其中，σ2(rp)表示投资组合的风险，Xi，Xj表示产品i、产品j在投资组合的权重也就是百分占比，Cov(ri-rj)表示产品i与w产品j之间的协方差，rp表示的是投资组合的收益率，ri是产品i的收益率。Min是最小值，第一个式子是目标函数，希望能够取到最小的投资组合的风险，下面两个是约束条件，第一所有产品的收益率乘以权重要大于等于某一特定值，第二所有权重相加要等于1。
上述的四个综合基金评价指标和均值方差理论构成了目前为基金产品绩效评估以及基金组合配置的基础理论和方法。但是如同之前提到的，由于目前基金绩效评价指标多数研究单一基金或简单的基金组合，单个的指标缺乏产品之间相关性的衡量，每个指标对于绩效的评估往往在于比较量化，而均值方差理论在实践中存在计算量过大，与经验模型相反等诸多局限性。目前理论界对于此仍在探索阶段，没有权威明确的解决方案。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种基金组合产品选取并动态监控调整的方法及***，以通过对市场业绩表现的实时监控来衡量现有绩效评价指标以及独创指标的实证表现，提出了专有的组合业绩评级体系，形成了产品从数据到组合到动态调整的完整闭环，既能够为普通投资者提供高于市场大盘水平的资产配置策略，又能够为学术理论界提供理论实证的表现。
为达上述及其它目的，本发明一种基金组合产品选取并动态监控调整的方法，包括如下步骤：
步骤一，对基金产品进行数据收集；
步骤二，对收集的基金产品从不同维度进行分类；
步骤三，对评价指标进行分析，确定评价基金绩效的指标；
步骤四，利用步骤三确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型对收集的基金产品进行基金绩效评估；
步骤五，根据基金绩效评估结果实现对基金组合产品的选取；
步骤六，确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回步骤一至步骤六中的任一步，以实现动态调整。
进一步地，于步骤一中，通过金融数据库以及基金门户网站、基金公司网站定期获取基金产品的基础数据。
进一步地，于步骤二中，在投资导向分类以及晨星风格分类的基础上，区分不同基金的行业属性，投资产品属性以从大类上对产品的基本相关进行区分。
进一步地，于步骤三中，确定评价基金绩效的指标包括收益指标、抵抗风险能力以及基金经理能力。
进一步地，所述收益指标来自于两部分，包括投资组合每承受单位风险获得的超过基准的收益以及选取的基准组合每***风险下的超过无风险的超额部分。
进一步地，所述抵抗风险能力指标为：
β＝Sp-m-Drawdown
其中，Sp-m是超额收益的标准差，Drawdown指的是基金成立以来的最大回撤
进一步地，所述基金经理的能力指标为：
M＝D-W+c
其中，D＝现任基金经理任职的年数；W＝(该基金公司近三年离职的基金经理人数+入职的基金经理人数)\当前公司中基金经理人数；c指的是该现任基金经理的择时能力，择时能力用T-M模型计算
Rp-Rf＝a+b(Rm-Rf)+c(Rm-Rf)2+ep
其中，a表示基金经理的择股能力，b为投资组合的***风险，ep为误差项，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，c指的是该现任基金经理的择时能力。
进一步地，于步骤四中，所述多指数模型为：
Rp-Rm＝a1+w1*α+w2*β+w3*M
其中，a1为回归分析中的常量，w1、w2、w3为三个因素的权重，α为收益指标，β为抗风险能力指标，M为基金经理的能力指标；
通过该模型计算出各因素的权重w1、w2、w3，使用该模型构造一个线性组合来给基金进行评分：
评价分数＝w1*α+w2*β+w3*M
通过该算式对所有收集的基金产品进行定量的分数评价，以进行基金绩效评估。
进一步地，于步骤五中，将所有基金产品先进行类型划分，根据类型各自按照评估的分数排序，确定基金产品选取的规则，最后选取一个包含每种类型，总数在50-80之间的优秀基金产品库，从每个类型中选取若干产品组成一个基金产品组合。
为达到上述目的，本发明还提供一种基金组合产品选取并动态监控调整的***，包括：
产品收集单元，用于对基金产品进行数据收集；
产品分类单元，用于对收集的基金产品从不同维度进行分类；
评价指标分析单元，用于对评价指标进行分析，确定评价基金绩效的指标；
基金绩效评估单元，用于利用所述评价指标分析单元确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型对收集的基金产品进行基金绩效评估；
基金组合产品选取单元，用于根据基金绩效评估结果实现对基金组合产品的选取；
业绩监控分析单元，用于确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回其他单元，以实现动态调整。
与现有技术相比，本发明一种基金组合产品选取并动态监控调整的方法及***通过产品数据收集、产品类型划分、评价指标分析、基金绩效评估、基金组合选取、业绩监控分析并反馈调整，形成了一个闭环式的自动监测调整的基金组合选取办法，通过对每个步骤的不断优化和大数据的反复测算，既为理论提供实证数据支持以期推动理论的发展，又能够为消费者提供可靠的投资组合建议。
附图说明
图1为本发明一种基金组合产品选取并动态监控调整的方法的步骤流程图；
图2为本发明一种基金组合产品选取并动态监控调整的***的***架构图；
图3为本发明具体实施例中基金产品收集的结果示意图；
图4a、图4b为本发明具体实施例中基金绩效评估结果示意图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种基金组合产品选取并动态监控调整的方法的步骤流程图。如图1所示，本发明一种基金组合产品选取并动态监控调整的方法，包括如下步骤：
步骤101，对基金产品进行数据收集。在本发明具体实施例中，通过金融数据库以及基金门户网站、基金公司网站等渠道定期获取产品的基础数据。优选地，于步骤101中，对收集的基金数据进行准确验证、异常点剔除、平滑处理、单位根检验等操作。例如采用拉依达方法(非等置信概率)进行异常点剔除，即
测量值与均值相差的绝对值大于3倍的标准差的值予以剔除。
对于准确检验，可通过比较不同的数据来源排除偶发性的原始数据错误，这可以人工比较或是经验判断等；对于平滑处理是为了降低数据的噪声，能够利于研究数据的主要影响因素，平滑处理有很多方法，可以使用滤波器，也可以使用一些基于最小二乘的算法如五点三次平滑等；对于单位根检验是为了检查数据是否为平稳的时间序列数据，如果不是平稳数据，则进行回归等处理时需要用到不同方法，单位根检验可以使用eviews等软件来处理，上述处理目的都是为了降噪，减小其它因素对处理分析结果的影响。
步骤102，对基金产品从不同维度进行分类。于本步骤中，在投资导向分类以及晨星风格分类的基础上，重点区分不同基金的行业属性，投资产品属性等以从大类上对产品的基本相关进行区分。具体地说，基金根据不同的维度具有多种分类方式，如晨星风格箱分类，可将基金按照大盘、中盘、小盘和价值型、平衡型、成长型分为九类，同样按照基金产品的投资属性可以将基金分为QDII、保本型、货币型、债券型、混合型、股票型等不同类型，选取不同类型的基金产品主要是为了能够充分的将风险平均分散降低。
步骤103，对评价指标进行分析，确定评价基金绩效的指标。本发明对通过对目前市面上主要的评价指标进行分析，在原有指标的基础上，采用以下三个指标来衡量基金产品在风险波动下获得超额回报的能力：
1、收益指标：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
可简单变形为：
其中Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，βp是投资组合的***风险，σp是投资组合的标准差。
收益来自于两部分，其等于投资组合每承受单位风险获得的超过基准的收益+选取的基准组合每***风险下的超过无风险的超额部分。该收益指标主要是结合了夏普比率和特雷诺指数，超额收益的指标既要考虑投资组合本身还要考虑所选取的基准相对于无风险的超额收益表现。
2、抵抗风险能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
β＝Sp-m-Drawdown
其中，Sp-m是超额收益的标准差，Rp为投资组合的预期回报，Rm为基准组合的预期回报，Rp-Rm则为超额收益，该超额收益数列的标准差则为Sp-m，Drawdown指的是基金成立以来的最大回撤。
3、基金经理能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
M＝D-W+c
其中，D＝现任基金经理任职的年数(单位：年)；W＝(该基金公司近三年离职的基金经理人数+入职的基金经理人数)\当前公司中基金经理人数；c指的是该现任基金经理的择时能力，择时能力用T-M模型计算
Rp-Rf＝a+b(Rm-Rf)+c(Rm-Rf)2+ep
其中，a是表示基金经理的择股能力，b是投资组合的***风险，ep是误差项，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，c指的是该现任基金经理的择时能力。
可见，基金经理的指标由三部分组成，其中，任职的年限反应了基金经理任职的稳定性，对于一只基金表现一贯的业绩具有重要的参考；基金公司的基金经理的流动性反映了现任经理的潜在稳定性；最后加上该经理择时能力的量化指标，三者结合综合反映了管理因素对基金绩效的衡量。
步骤104，利用步骤103确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型进行基金绩效评估。具体地，在确定了以上三个指标来评价基金绩效的情况下，可以构造如下多指数模型：
Rp-Rm＝a1+w1*α+w2*β+w3*M
其中，a1为回归分析中的常量，w1、w2、w3为三个因素的权重。
通过该模型计算出各因素的权重w1、w2、w3，使用该模型构造一个线性组合来给基金进行评分：
评价分数＝w1*α+w2*β+w3*M
通过该算式就可以对所有基金产品或组合进行定量的分数评价
步骤105，根据基金绩效评估结果实现对基金组合产品的选取。具体地，通过对所有基金产品进行打分排序以实现基金产品的选取。优选地，考虑到基金产品之间的相关性影响，首先将所有基金产品先进行类型划分，根据类型各自按照分数排序，确定基金产品选取的规则，最后选取一个包含每种类型，总数在50-80之间的优秀基金产品库，从每个类型中选取若干产品组成一个基金产品组合。需说明的是，应控制待选的产品组合数在万个以下便于提高计算的效率
在本发明具体实施例中，考虑到MVO理论(马科维兹均方差优化理论)在实际应用中的问题，这里引入BL(Black-Litterman)模型对于基金产品组合的配置进行最优化求解：
E[R]＝[(τ∑)-1+PTΩ-1P]-1*[(τ∑)-1Π+PTΩ-1Q]
其中，E[R]表示加权后的收益向量，τ表示比例关系常数，P表示设计主观看法的资产矩阵，Ω代表看法置信度矩阵，Π代表隐含均衡收益率向量，Q代表看法向量，∏＝σΣWm，σ表示单位风险的超额收益，wm表示个资产的权重。
BL模型解决了MVO理论对于输入参数的高度敏感性，获得了更加分散更加平均的最优权重配比。同时通过组合的每一个基金产品的绩效评分乘以权重得到组合的评分，将组合看成一个新的基金产品放到整个产品库中去进行分析追踪。
组合1分数＝score1*w1+score2*w2+…+scoren*wn
组合2分数＝score1*w1+score2*w2+…+scoren*wn
组合3分数＝score1*w1+score2*w2+…+scoren*wn
……
……
步骤106，确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回上述步骤101-步骤105中的任一步骤，以调整整个基金产品选取过程和模型参数的合理性。
具体地，以月或其它时间单位为一个观测周期，对于推出的基金产品组合的实际表现进行跟踪。这里提出一个衡量推荐绩效的指标为序差，通过对市场的真实业绩分析，采用观测周期的复权单位净值的增长率作为业绩衡量指标，对于所有基金产品按照增长率的高低进行排名，同时计算基金组合的增长率比对得出真实排名：
序差越接近0，说明推荐的准确性越高，在一定的时间周期内，序差能够与调整因素呈负相关则说明调整的有效性。
除了跟踪推荐组合的收益风险等指标外，序差可以用来作为衡量一贯推荐准确性的衡量指标。
本发明通过对推荐结果不停的试算和推荐衡量指标的不断优化，达到在一定的时间范围内，能够找出相对有效的组合推荐方法和提升指标模型的解释力。
图2为本发明一种基金组合产品选取并动态监控调整的***的***架构图。如图2所示，本发明一种基金组合产品选取并动态监控调整的***，包括：
产品收集单元201，用于对基金产品进行数据收集。在本发明具体实施例中，产品收集单元201通过金融数据库以及基金门户网站、基金公司网站等渠道定期获取产品的基础数据。优选地，产品收集单元201还对收集的数据进行准确验证、异常点剔除、平滑处理，单位根检验等操作。
产品分类单元202，用于对基金产品从不同维度进行分类。产品分类单元202通过建立在投资导向分类以及晨星风格分类的基础上，重点区分不同基金的行业属性，投资产品属性等以从大类上对产品的基本相关进行区分。
评价指标分析单元203，用于对评价指标进行分析，确定评价基金绩效的指标。评价指标分析单元203对目前市面上主要的评价指标进行分析，在原有指标的基础上，采用了以下三个指标来衡量基金产品在风险波动下获得超额回报的能力：
1、收益指标：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
可简单变形为：
其中Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，βp是投资组合的***风险，σp是投资组合的标准差。
收益来自于两部分等于投资组合每承受单位风险获得的超过基准的收益+选取的基准组合每***风险下的超过无风险的超额部分。该指标主要是结合了夏普比率和特雷诺指数，超额收益的指标既要考虑投资组合本身还要考虑所选取的基准相对于无风险的超额收益表现。
2、抵抗风险能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
β＝Sp-m-Drawdown
其中，Sp-m是超额收益的标准差，Rp为投资组合的预期回报，Rm为基准组合的预期回报，Rp-Rm则为超额收益，该超额收益数列的标准差则为Sp-m，Drawdown指的是基金成立以来的最大回撤。
3、基金经理能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
M＝D-W+c
其中，D＝现任基金经理任职的年数(单位：年)；W＝(该基金公司近三年离职的基金经理人数+入职的基金经理人数)\当前公司中基金经理人数；c指的是该现任基金经理的择时能力，择时能力用T-M模型计算
Rp-Rf＝a+b(Rm-Rf)+c(Rm-Rf)2+ep
其中，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，c指的是该现任基金经理的择时能力。
可见，基金经理的指标由三部分组成，任职的年限反应了基金经理任职的稳定性，对于一只基金表现一贯的业绩具有重要的参考；基金公司的基金经理的流动性反映了现任经理的潜在稳定性；最后加上该经理择时能力的量化指标，三者结合综合反映了管理因素对基金绩效的衡量。
基金绩效评估单元204，用于利用评价指标分析单元203确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型进行基金绩效评估。具体地，基金绩效评估单元204在确定了以上三个指标来评价基金绩效的情况下，可以构造如下多指数模型：
Rp-Rm＝a1+w1*α+w2*β+w3*M
其中，a1为回归分析中的常量，w1、w2、w3为三个因素的权重。
通过该模型计算出各因素的权重w1、w2、w3，使用该模型构造一个线性组合来给基金进行评分：
评价分数＝w1*α+w2*β+w3*M
通过该算式就可以对所有基金产品或组合进行定量的分数评价
基金组合产品选取单元205，用于根据基金绩效评估结果实现对基金组合产品的选取。具体地，基金组合产品选取单元205通过对所有基金产品进行打分排序以实现基金产品的选取。优选地，考虑到基金产品之间的相关性影响，首先将所有基金产品先进行类型划分，根据类型各自按照分数排序，确定基金产品选取的规则，最后选取一个包含每种类型，总数在50-80之间的优秀基金产品库，从每个类型中选取若干产品组成一个基金产品组合。需说明的是，应控制待选的产品组合数在万个以下便于提高计算的效率
在本发明具体实施例中，考虑到MVO理论在实际应用中的问题，这里引入BL(Black-Litterman)模型对于基金产品组合的配置进行最优化求解：
E[R]＝[(τ∑)-1+PTΩ-1P]-1*[(τ∑)-1Π+PTΩ-1Q]
其中，E[R]表示加权后的收益向量，τ表示比例关系常数，P表示设计主观看法的资产矩阵，Ω代表看法置信度矩阵，Π代表隐含均衡收益率向量，Q代表看法向量，∏＝σΣWm，σ表示单位风险的超额收益，wm表示个资产的权重。
BL模型解决了MVO理论对于输入参数的高度敏感性，获得了更加分散更加平均的最优权重配比。同时通过组合的每一个基金产品的绩效评分乘以权重得到组合的评分，将组合看成一个新的基金产品放到整个产品库中去进行分析追踪。
业绩监控分析单元206，用于确定观测周期，对于选取的基金产品组合的实际业绩表现进行跟踪，根据跟踪的结果返回其他单元，以调整整个基金产品选取过程和模型参数的合理性。具体地，以月或其它时间单位为一个观测周期，对于推出的基金产品组合的实际表现进行跟踪。这里提出一个衡量推荐绩效的指标为序差，通过对市场的真实业绩分析，采用观测周期的复权单位净值的增长率作为业绩衡量指标，对于所有基金产品按照增长率的高低进行排名，同时计算基金组合的增长率比对得出真实排名：
序差越接近0，说明推荐的准确性越高，在一定的时间周期内，序差能够与调整因素呈负相关则说明调整的有效性。
除了跟踪推荐组合的收益风险等指标外，序差可以用来作为衡量一贯推荐准确性的衡量指标。
本发明通过对推荐结果不停的试算和推荐衡量指标的不断优化，达到在一定的时间范围内，能够找出相对有效的组合推荐方法和提升指标模型的解释力。
以下将通过一具体实施例来进一步说明本发明之基金组合产品的选取及动态监控调整过程：
步骤一：产品数据收集，数据组通过国内主流的金融数据库如wind、choice(以国内目前的基金产品的研究为例)以及基金门户网站如天天基金网、好买基金网等渠道定期获取产品的基础数据，如图3所示。
同时对收集的数据进行准确验证、异常点剔除、平滑处理，单位根检验等操作。如对于数据缺失可以采用均值法、贝叶斯方法等回填数据，对于异常点采用如：拉依达方法(非等置信概率)等方法：
测量值与均值相差的绝对值大于3倍的标准差的值予以剔除。
当然，除了收集数据、检验数据外本步骤还会进行一些计算处理，以准备好后续步骤需要使用到的数据，例如，获取到基金的单位净值数据以及历史上所有的分红、拆分数据，为了能够真正衡量基金的绝对收益的变化，这里需要计算复权单位净值，可以采用因子复权法来进行计算，在此不予赘述。
步骤二：产品类型划分，基金根据不同的维度具有多种分类方式。如晨星风格箱分类，将基金按照大盘、中盘、小盘和价值型、平衡型、成长型分为九类。同样按照基金产品的投资属性我们可以将基金分为QDII、保本型、货币型、债券型、混合型、股票型等不同类型，选取不同类型的基金产品主要是为了能够充分的将风险平均分散降低。
步骤三：评价指标分析，将目前市面上主要的评价指标进行分析，在原有指标的基础上，采用如下三个指标来衡量基金产品在风险波动下获得超额回报的能力：
3.1收益指标：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
其中，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，βp是投资组合的***风险，σp是投资组合的标准差。
收益来自于两部分等于投资组合每承受单位风险获得的超过基准的收益+选取的基准组合每***风险下的超过无风险的超额部分，该指标主要是结合了夏普比率和特雷诺指数，超额收益的指标既要考虑投资组合本身还要考虑所选取的基准相对于无风险的超额收益表现。
3.2抵抗风险能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
β＝Sp-m-drawdown
其中，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Sp-m是超额收益的标准差，Drawdown指的是基金成立以来的最大回撤。
抵抗风险的能力同样由两部分组成，由组合的超额收益的风险加上该组合自成立以来的最大回撤的数值。反应的组合对于风险波动的抵抗能力。
3.3基金经理能力：选取(40％中证债券指数+60％沪深300指数)作为市场上的基准组合。
M＝D-W+c
其中，D＝现任基金经理任职的年数(单位：年)
W＝(该基金公司近三年离职的基金经理人数+入职的基金经理人数)\当前公司中基金经理人数
c指的是该现任基金经理的择时能力
择时能力用T-M模型计算
Rp-Rf＝a+b(Rm-Rf)+c(Rm-Rf)2+ep
其中，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，c指的是该现任基金经理的择时能力。
基金经理的指标由三部分组成，任职的年限反应了基金经理任职的稳定性，对于一只基金表现一贯的业绩具有重要的参考；基金公司的基金经理的流动性反映了现任经理的潜在稳定性；最后加上该经理择时能力的量化指标，三者结合综合反映了管理因素对基金绩效的衡量。
收益指标、抵抗风险能力、基金经理能力三个指标均能较好的反应一只基金产品在稳定运行下的综合绩效水平。
步骤四：基金绩效评估，在确定了以上三个指标来评价基金绩效的情况下，构造一个多指数模型
Rp-Rm＝a1+w1*α+w2*β+w3*M
通过该模型计算出各因素的权重w1、w2、w3。使用该模型构造一个线性组合来给基金进行评分：
评价分数＝w1*α+w2*β+w3*M
通过该算式就可以对所有基金产品或组合进行定量的分数评价。
例如：w1＝0.252、w2＝0.463、w3＝0.285
某只基金A的α＝0.127；β＝0.334；M＝1.369
某只基金B的α＝0.233；β＝0.358；M＝2.355
某只基金C的α＝0.076；β＝0.213；M＝1.992
……
……
这样计算出
A基金的综合得分为：0.186646
B基金的综合得分为：0.895645
C基金的综合得分为：0.685491
如按照一般分类：股票、混合、债券、货币、其他进行分类，其中共计约2800多只混合型基金产品，按照综合绩效评价体系进行打分，并按照分数由高到低进行排序。如图4a/b所示
步骤五：基金组合选取，通过上述方法对所有基金进行打分排序，考虑到产品之间的相关性影响，按照步骤二将所有基金产品先进行类型划分，各自按照分数排序，划定产品选取的规则，最终选取一个包含每种类型，总数在50-80之间的优秀基金产品库。
如按照图4/b所示股票型、混合型、债券型、货币型、其他型对所有基金产品进行划分，以目前choice金融数据库中所有成立且在运行中的产品总计6802只产品，其中股票型1100只、混合型2698只、债券型1966只、货币型672只和366只其他型基金产品，每种类型按照综合评分各自进行排序，
具体地，建立一个优秀样本库的筛选规则：
1.成立时间在1年以上：保障至少有足够的数据和管理的稳定性；
2.每个基金经理仅选取1只产品：同一基金经理团队在基金的操作上具有相似的个人风格，为了能够较好的降低基金产品之间的关联性，选取表现最好的一只产品；
3.同一指数只选择一只跟踪产品。
通过以上规则先对产品进行初筛，然后再按照类型各自评分排序，按照约1％-1.5％的比例取出排名靠前的产品，组成一个总数约在50-80的优秀产品库。按照每个类型选取若干个产品组成产品库，优秀样本库建立的目的一是能够重分的利用现有理论指标结果验证指标的实证和表现。形成一个组合数有限的备选组合库。
考虑到MVO理论在实际应用中的问题，这里引入Black-Litterman模型对于所有备选组合库的配置进行最优化求解：
E[R]＝[(τ∑)-1+PTΩ-1P]-1*[(τ∑)-1Π+PTΩ-1Q]
其中，E[R]表示加权后的收益向量，τ表示比例关系常数，P表示设计主观看法的资产矩阵，Ω代表看法置信度矩阵，Π代表隐含均衡收益率向量，Q代表看法向量，Π＝σ∑wm，σ表示单位风险的超额收益，Wm表示个资产的权重。
BL模型解决了MVO理论对于输入参数的高度敏感性，获得了更加分散更加平均的最优权重配比。同时通过组合的每一个基金产品的绩效评分乘以权重得到组合的评分，将组合看成一个新的基金产品放到整个产品库中去进行分析追踪。
组合1分数＝score1*w1+score2*w2+…+scoren*wn
组合2分数＝score1*w1+score2*w2+…+scoren*wn
组合3分数＝score1*w1+score2*w2+…+scoren*wn
……
……
同样将所有组合在最有配置权重下的分数进行排序，然后选取分数排名前20的组合进行推荐展示。如下所示：
步骤六：业绩监控分析，以月或其它时间单位为一个观测周期，对于推出的基金产品组合的实际表现进行跟踪。这里提出一个衡量推荐绩效的指标—序差。通过对市场的真实业绩分析，采用观测周期的复权单位净值的增长率作为业绩衡量指标，对于所有基金产品按照增长率的高低进行排名，同时计算基金组合的增长率比对得出真实排名：
序差越接近0，说明推荐的准确性越高，在一定的时间周期内，序差能够与调整因素呈负相关则说明调整的有效性。
除了跟踪推荐组合的收益风险等指标外，序差可以用来作为衡量一贯推荐准确性的衡量指标。
以上述为例，通过跟踪周期内的真实业绩进行业绩比较：
以单位时间周期对真实业绩的检验分析，来调整整个选取过程的方法和模型参数的合理性，通过对推荐结果不停的试算和推荐衡量指标的不断优化，达到在一定的时间范围内，能够找出相对有效的组合推荐方法和提升指标模型的解释力。
综上所述，本发明一种基金组合产品选取并动态监控调整的方法及***通过产品数据收集、产品类型划分、评价指标分析、基金绩效评估、基金组合选取、业绩监控分析并反馈调整，形成了一个闭环式的自动监测调整的基金组合选取办法，通过对每个步骤的不断优化和大数据的反复测算，既为理论提供实证数据支持以期推动理论的发展，又能够为消费者提供可靠的投资组合建议。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。
Claims (10)
1.一种基金组合产品选取并动态监控调整的方法，包括如下步骤：
步骤一，对基金产品进行数据收集；
步骤二，对收集的基金产品从不同维度进行分类；
步骤三，对评价指标进行分析，确定评价基金绩效的指标；
步骤四，利用步骤三确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型对收集的基金产品进行基金绩效评估；
步骤五，根据基金绩效评估结果实现对基金组合产品的选取；
步骤六，确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回步骤一至步骤六中的任一步，以实现动态调整。
2.如权利要求1所述的基金组合产品选取并动态监控调整的方法，其特征在于：于步骤一中，通过金融数据库以及基金门户网站、基金公司网站定期获取基金产品的基础数据。
3.如权利要求1所述的基金组合产品选取并动态监控调整的方法，其特征在于：于步骤二中，在投资导向分类以及晨星风格分类的基础上，区分不同基金的行业属性，投资产品属性以从大类上对产品的基本相关进行区分。
4.如权利要求1所述的基金组合产品选取并动态监控调整的方法，其特征在于：于步骤三中，确定评价基金绩效的指标包括收益指标、抵抗风险能力以及基金经理能力。
5.如权利要求4所述的基金组合产品选取并动态监控调整的方法，其特征在于：所述收益指标来自于两部分，包括投资组合每承受单位风险获得的超过基准的收益以及选取的基准组合每***风险下的超过无风险的超额部分。
6.如权利要求4所述的基金组合产品选取并动态监控调整的方法，其特征在于，所述抵抗风险能力指标为：
β＝Sp-m-Drawdown
其中，Sp-m是超额收益的标准差，Drawdown指的是基金成立以来的最大回撤。
7.如权利要求4所述的基金组合产品选取并动态监控调整的方法，其特征在于，所述基金经理的能力指标为：
M＝D-W+c
其中，D＝现任基金经理任职的年数；W＝(该基金公司近三年离职的基金经理人数+入职的基金经理人数)\当前公司中基金经理人数；c指的是该现任基金经理的择时能力，择时能力用T-M模型计算
Rp-Rf＝a+b(Rm-Rf)+c(Rm-Rf)2+ep
其中，a表示基金经理的择股能力，b为投资组合的***风险，ep为误差项，Rp指的是投资组合的预期回报，Rm指的是基准组合的预期回报，Rf是无风险利率，c指的是该现任基金经理的择时能力。
8.如权利要求1所述的基金组合产品选取并动态监控调整的方法，其特征在于：于步骤四中，所述多指数模型为：
Rp-Rm＝a1+w1*α+w2*β+w3*M
其中，a1为回归分析中的常量，w1、w2、w3为三个因素的权重，α为收益指标，β为抗风险能力指标，M为基金经理的能力指标；
通过该模型计算出各因素的权重w1、w2、w3，使用该模型构造一个线性组合来给基金进行评分：
评价分数＝w1*α+w2*β+w3*M
通过该算式对所有收集的基金产品进行定量的分数评价，以进行基金绩效评估。
9.如权利要求1所述的基金组合产品选取并动态监控调整的方法，其特征在于：于步骤五中，将所有基金产品先进行类型划分，根据类型各自按照评估的分数排序，确定基金产品选取的规则，最后选取一个包含每种类型，总数在50-80之间的优秀基金产品库，从每个类型中选取若干产品组成一个基金产品组合。
10.一种基金组合产品选取并动态监控调整的***，包括：
产品收集单元，用于对基金产品进行数据收集；
产品分类单元，用于对收集的基金产品从不同维度进行分类；
评价指标分析单元，用于对评价指标进行分析，确定评价基金绩效的指标；
基金绩效评估单元，用于利用所述评价指标分析单元确定的评价基金绩效的指标，构造一多指数模型，利用该多指数模型对收集的基金产品进行基金绩效评估；
基金组合产品选取单元，用于根据基金绩效评估结果实现对基金组合产品的选取；
业绩监控分析单元，用于确定观测周期，对于选取的基金产品组合的实际表现进行跟踪，根据跟踪的结果返回其他单元，以实现动态调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711293308.XA CN107895322A (zh) | 2017-12-08 | 2017-12-08 | 一种基金组合产品选取并动态监控调整的方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711293308.XA CN107895322A (zh) | 2017-12-08 | 2017-12-08 | 一种基金组合产品选取并动态监控调整的方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107895322A true CN107895322A (zh) | 2018-04-10 |
Family
ID=61807660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711293308.XA Pending CN107895322A (zh) | 2017-12-08 | 2017-12-08 | 一种基金组合产品选取并动态监控调整的方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895322A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629692A (zh) * | 2018-05-03 | 2018-10-09 | 龙锋智能科技（福建）有限公司 | 基金产品的投资决策生成、评价方法、介质及设备 |
| CN108804564A (zh) * | 2018-05-22 | 2018-11-13 | 深圳壹账通智能科技有限公司 | 金融产品的组合推荐方法及终端设备 |
| CN108830730A (zh) * | 2018-06-26 | 2018-11-16 | 上海贝贝鱼信息科技有限公司 | 一种针对不同标的资产重配置的方法及*** |
| CN108898489A (zh) * | 2018-06-22 | 2018-11-27 | 重庆师范大学 | 一种新型社区跟单交易***及方法、信息数据处理终端 |
| CN109636621A (zh) * | 2018-12-17 | 2019-04-16 | 泰康保险集团股份有限公司 | 用于资产配置评估的方法、***、设备及存储介质 |
| CN110009249A (zh) * | 2019-04-13 | 2019-07-12 | 江苏润桐数据服务有限公司 | 一种基于客户质量的客户调配方法及装置 |
| CN110009222A (zh) * | 2019-02-13 | 2019-07-12 | 王龙 | 一种基于大数据分析的基金风险预警*** |
| CN110298759A (zh) * | 2019-05-29 | 2019-10-01 | 苏宁易购集团股份有限公司 | 一种基金诊断方法、装置及计算机可读存储介质 |
| CN111311105A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 组合产品评分方法、装置、设备及可读存储介质 |
| CN112036730A (zh) * | 2020-08-26 | 2020-12-04 | 腾讯科技（深圳）有限公司 | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 |
| CN112767132A (zh) * | 2021-01-26 | 2021-05-07 | 北京国腾联信科技有限公司 | 一种数据处理方法及*** |
| CN113469576A (zh) * | 2021-07-26 | 2021-10-01 | 中国电信股份有限公司 | 高负荷小区识别方法、装置、存储介质及电子设备 |
| CN114049044A (zh) * | 2021-11-30 | 2022-02-15 | 中国建设银行股份有限公司 | 一种组合策略评价方法、装置、电子设备及存储介质 |
-
2017
- 2017-12-08 CN CN201711293308.XA patent/CN107895322A/zh active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629692A (zh) * | 2018-05-03 | 2018-10-09 | 龙锋智能科技（福建）有限公司 | 基金产品的投资决策生成、评价方法、介质及设备 |
| CN108804564A (zh) * | 2018-05-22 | 2018-11-13 | 深圳壹账通智能科技有限公司 | 金融产品的组合推荐方法及终端设备 |
| CN108898489A (zh) * | 2018-06-22 | 2018-11-27 | 重庆师范大学 | 一种新型社区跟单交易***及方法、信息数据处理终端 |
| CN108830730A (zh) * | 2018-06-26 | 2018-11-16 | 上海贝贝鱼信息科技有限公司 | 一种针对不同标的资产重配置的方法及*** |
| CN109636621A (zh) * | 2018-12-17 | 2019-04-16 | 泰康保险集团股份有限公司 | 用于资产配置评估的方法、***、设备及存储介质 |
| CN110009222B (zh) * | 2019-02-13 | 2022-03-22 | 广州经传多贏投资咨询有限公司 | 一种基于大数据分析的基金风险预警*** |
| CN110009222A (zh) * | 2019-02-13 | 2019-07-12 | 王龙 | 一种基于大数据分析的基金风险预警*** |
| CN110009249A (zh) * | 2019-04-13 | 2019-07-12 | 江苏润桐数据服务有限公司 | 一种基于客户质量的客户调配方法及装置 |
| CN110298759A (zh) * | 2019-05-29 | 2019-10-01 | 苏宁易购集团股份有限公司 | 一种基金诊断方法、装置及计算机可读存储介质 |
| CN111311105A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 组合产品评分方法、装置、设备及可读存储介质 |
| CN112036730A (zh) * | 2020-08-26 | 2020-12-04 | 腾讯科技（深圳）有限公司 | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 |
| CN112036730B (zh) * | 2020-08-26 | 2024-06-28 | 腾讯科技（深圳）有限公司 | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 |
| CN112767132A (zh) * | 2021-01-26 | 2021-05-07 | 北京国腾联信科技有限公司 | 一种数据处理方法及*** |
| CN112767132B (zh) * | 2021-01-26 | 2024-02-02 | 北京国腾联信科技有限公司 | 一种数据处理方法及*** |
| CN113469576A (zh) * | 2021-07-26 | 2021-10-01 | 中国电信股份有限公司 | 高负荷小区识别方法、装置、存储介质及电子设备 |
| CN114049044A (zh) * | 2021-11-30 | 2022-02-15 | 中国建设银行股份有限公司 | 一种组合策略评价方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107895322A (zh) | 一种基金组合产品选取并动态监控调整的方法及*** | |
| MacKenzie | Trade and market power in product and labor markets | |
| KR101993038B1 (ko) | 투자 유가증권의 계층화된 혼합 포트폴리오 | |
| CN107609771A (zh) | 一种供应商价值评价方法 | |
| Suryanto et al. | Effect of mandatory adoption of international financial reporting standard (IFRS) on supply chain management: A case of Indonesian dairy industry | |
| Martins et al. | An MCDM project portfolio web-based DSS for sustainable strategic decision making in an electricity company | |
| CN108205783A (zh) | 一种农业信贷领域的自动化信用评分*** | |
| Katharakisa et al. | SFA vs. DEA for measuring healthcare efficiency: A systematic review | |
| CN107808337A (zh) | 因子聚类方法与装置、设备与存储介质 | |
| CN109559042A (zh) | 一种基于多维指标回归分析的基金经理评分算法 | |
| JPH10275177A (ja) | 投資信託のパフォーマンス評価装置およびその評価方法 | |
| Liu et al. | Research on Risk Identification System Based on Random Forest Algorithm‐High‐Order Moment Model | |
| Zhong et al. | Supply chain performance: a novel integrated decision-making model | |
| Sun et al. | The impact of income growth on quality structure improvement of imported food: evidence from China's firm-level data | |
| Shahhoseini et al. | Identifying key performance indicators of an Iranian Islamic bank based on BSC and AHP | |
| Fong et al. | Benchmarking benchmarks: measuring characteristic selectivity using portfolio holdings data | |
| Purohit | Measurement of regulations of the agricultural produce markets: an application to Indian states | |
| Jiang et al. | Identifying predictors of analyst rating quality: An ensemble feature selection approach | |
| Datta | Industrial sickness in India–An empirical analysis | |
| Preckel et al. | Efficiency measures for retail fertilizer dealers | |
| Chairatanawan | Predictive power of financial ratios to stock return in Thailand | |
| Tran | Applying AHP in evaluation of Vietnamese commercial banks | |
| CN112785443A (zh) | 基于客户群体的理财产品推送方法及装置 | |
| Tran | An empirical study by applying multi-criteria expertise analytic hierarchy process model in evaluation | |
| Ariningsih | Economies of scale of sugarcane cooperatives in East Java Province and their influencing factors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180410 |