本文发表在 rolia.net 枫下论坛互惠基金筛选算法评估
笔者曾于去年二月提出筛选MF的金式算法. 传统的筛选MF方法大多数是根据几个定性的指标,如有否 LOAD CHARGE, MER, RATE OF RETURN, 和基金经理的STYLE等.这些指标除了RETURN RATE和MER是定量外,其他多数是定性的,用这些定性指标筛的的缺点是不直观,主观意识教强. 金式算法将MER, MUTIPLE RATE, 经理业绩,RISK, BETA等多项指标加权统一到一个简单的评价算式中,通过计算器或EXCEL即可迅速得到其评价因子. 根据评价因子单一指数来比较MF的综合性能或优劣就显示出它简单易操作的优点,有那末一点量化分析的味道.
一晃将近一年又过去了,这个算法是否真的管用? 是否经得起时间的检验?笔者追逐考察了能源板块的几个MF,现将结果整理如下,供大家参考.
表1是05年2月10日记录的用算法计算的结果.
基金名 RISK BETA 评价因子 RANK
TD Energy 13.94 0.8 0.35765 1
RBC Energy 16.14 0.9 0.34071 2
Dominion Equity Resources 17.8 1.0 0.2184 3
CIBC Energy 16.1 0.88 0.2184 4
Altamira Resources 18.42 1.16 0.14918 5
Sentry Canadian Resources 14.55 0.89 0.1360 6
TDK Resource 17.31 0.95 0.12643 7
Front-Street Energy Growth-I [注释1] 17.77 0.5 0.12523 8
EnerVest Natural resource 21.44 1.09 0.09591 9
[注释1]: 该MF没有EMR数据,为了比较方便,使用上述几个MF的平均值3.13%.另外,当时没有BETA数据,故采用06年1月5日的数据(0.5).
从表中,大致可以看出评价因子与RISK,BETA成反比,即RISK和BETA越小的MF,排名越靠前,它与SHARP RATIO和TREYNOR RATIO的算式是一致的.
表2是表1中的MF今日(06年1月5日)计算的结果:
基金名 评价因子 RANK CHANGE IN RANK RETURN RANK IN RETURN
TD Energy 0.31971 1 No change 49.15% 1
RBC Energy 0.30144 2 No change 46.44% 2
Dominion Equity Resources 0.27291 3 No change 23.85% 9
CIBC Energy 0.24557 4 No change 41.43% 3
Altamira Resources 0.16057 7 -2 26.87% 7
Sentry Canadian Resources 0.17993 6 -1 34.49% 5
TDK Resource 0.11712 8 -1 34.05% 6
Front-Street Energy Growth-I [注释1] 0.22489 5 +3 26.49% 8
EnerVest Natural resource 0.09967 9 No change 37.6% 4
由表2,可观察得到如下两点:
1. 11个月后的排名有5个没有变化,其中前4名不变,排明提升和下降的平均值为0. 说明评价因子在一定时间内的时不变性质 .这为我们用这个算法提供了理论基础:即用算法选出的MF性能优势(排名)在未来一段时间内仍将保持其优势(排名)不变.
2. 表2最后一列给出了MF迄今(1月5日)为止的回报率(假定起始日为05年2月10日)和响应的排名. 除表一中的第3名和最后两名的MF在一年后出现比价大的错位外,其他的6个MF其评价因子排名于回报率排名趋近一致.特别是表1中的前两名, 评价因子排名于回报率排名完全一致.
由这些观察推出的结论是:
用算法得出的评价因子可预期MF未来的在未来一段时间内仍将保持其优势(排名)不变,而MF其评价因子排名于回报率排名趋近一致,据此可选出在未来回报最佳MF.
警告:上述分析的结论需要更多测试. 还是那句老话: “过去的业绩不能代表也不预期将来的业绩. 风险自负.更多精彩文章及讨论,请光临枫下论坛 rolia.net
笔者曾于去年二月提出筛选MF的金式算法. 传统的筛选MF方法大多数是根据几个定性的指标,如有否 LOAD CHARGE, MER, RATE OF RETURN, 和基金经理的STYLE等.这些指标除了RETURN RATE和MER是定量外,其他多数是定性的,用这些定性指标筛的的缺点是不直观,主观意识教强. 金式算法将MER, MUTIPLE RATE, 经理业绩,RISK, BETA等多项指标加权统一到一个简单的评价算式中,通过计算器或EXCEL即可迅速得到其评价因子. 根据评价因子单一指数来比较MF的综合性能或优劣就显示出它简单易操作的优点,有那末一点量化分析的味道.
一晃将近一年又过去了,这个算法是否真的管用? 是否经得起时间的检验?笔者追逐考察了能源板块的几个MF,现将结果整理如下,供大家参考.
表1是05年2月10日记录的用算法计算的结果.
基金名 RISK BETA 评价因子 RANK
TD Energy 13.94 0.8 0.35765 1
RBC Energy 16.14 0.9 0.34071 2
Dominion Equity Resources 17.8 1.0 0.2184 3
CIBC Energy 16.1 0.88 0.2184 4
Altamira Resources 18.42 1.16 0.14918 5
Sentry Canadian Resources 14.55 0.89 0.1360 6
TDK Resource 17.31 0.95 0.12643 7
Front-Street Energy Growth-I [注释1] 17.77 0.5 0.12523 8
EnerVest Natural resource 21.44 1.09 0.09591 9
[注释1]: 该MF没有EMR数据,为了比较方便,使用上述几个MF的平均值3.13%.另外,当时没有BETA数据,故采用06年1月5日的数据(0.5).
从表中,大致可以看出评价因子与RISK,BETA成反比,即RISK和BETA越小的MF,排名越靠前,它与SHARP RATIO和TREYNOR RATIO的算式是一致的.
表2是表1中的MF今日(06年1月5日)计算的结果:
基金名 评价因子 RANK CHANGE IN RANK RETURN RANK IN RETURN
TD Energy 0.31971 1 No change 49.15% 1
RBC Energy 0.30144 2 No change 46.44% 2
Dominion Equity Resources 0.27291 3 No change 23.85% 9
CIBC Energy 0.24557 4 No change 41.43% 3
Altamira Resources 0.16057 7 -2 26.87% 7
Sentry Canadian Resources 0.17993 6 -1 34.49% 5
TDK Resource 0.11712 8 -1 34.05% 6
Front-Street Energy Growth-I [注释1] 0.22489 5 +3 26.49% 8
EnerVest Natural resource 0.09967 9 No change 37.6% 4
由表2,可观察得到如下两点:
1. 11个月后的排名有5个没有变化,其中前4名不变,排明提升和下降的平均值为0. 说明评价因子在一定时间内的时不变性质 .这为我们用这个算法提供了理论基础:即用算法选出的MF性能优势(排名)在未来一段时间内仍将保持其优势(排名)不变.
2. 表2最后一列给出了MF迄今(1月5日)为止的回报率(假定起始日为05年2月10日)和响应的排名. 除表一中的第3名和最后两名的MF在一年后出现比价大的错位外,其他的6个MF其评价因子排名于回报率排名趋近一致.特别是表1中的前两名, 评价因子排名于回报率排名完全一致.
由这些观察推出的结论是:
用算法得出的评价因子可预期MF未来的在未来一段时间内仍将保持其优势(排名)不变,而MF其评价因子排名于回报率排名趋近一致,据此可选出在未来回报最佳MF.
警告:上述分析的结论需要更多测试. 还是那句老话: “过去的业绩不能代表也不预期将来的业绩. 风险自负.更多精彩文章及讨论,请光临枫下论坛 rolia.net