前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇股票型基金范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

股票型基金范文第1篇

1、購買股票型基金也是有手續(xù)費(fèi)的，不同的機(jī)構(gòu)手續(xù)費(fèi)是不一樣的；

2、部分股票型基金在完成申購之后是有一個(gè)封閉期的，在封閉期內(nèi)，股票型基金不能隨時(shí)賣出；

3、股票型基金是投資于股票市場的，但是在投資股票型基金的時(shí)候還是要了解清楚具體的投資標(biāo)的，不同的投資標(biāo)的的風(fēng)險(xiǎn)是不一樣的。

（來源：文章屋網(wǎng) ）

股票型基金范文第2篇

把時(shí)間軸拉長至5年、10年，兔子的優(yōu)勢又重現(xiàn)了。不過，同樣富有戲劇性的是，從近10年年化收益來看，“溫吞”的保本基金戰(zhàn)勝了“生猛”的股票型基金。

時(shí)勢造英雄

截至2013年10月底，晨星統(tǒng)計(jì)了最近3年主要類別基金的收益/風(fēng)險(xiǎn)情況，近期市場火爆的貨幣市場基金以3.77%的年化回報(bào)居各類基金之首。其他表現(xiàn)較好的是普通債券型基金、激進(jìn)債券型基金，保本基金在過去3年也獲得正收益，這3類基金最近3年的年化收益分別為2.34%、1.73%、0.67%。而受累于最近3年股市的整體下跌，滬深300指數(shù)、中證小盤500指數(shù)、中證800指數(shù)下跌皆超過20%。雖然創(chuàng)業(yè)板指數(shù)表現(xiàn)相對出色，獲得了11.15%的正收益，但仍無法“拯救”重配股票的基金類別，股票型基金以-4.81%的年化回報(bào)墊底；其次是激進(jìn)配置型基金，年化回報(bào)為-4.55%；平衡型基金、保守混合型基金的年化回報(bào)為-1.79%、-0.63%，見下圖。

具體來看，股票型基金過去3年表現(xiàn)分化較大，首尾業(yè)績相差可謂“疑是銀河落九天”。該類基金最近3年年化回報(bào)最高的超過10%，最差的為-21.1%，成立滿3年的300只基金中僅16只基金跑贏貨幣市場基金。類似的落差也存在最近3年受累熊市的激進(jìn)配置型基金中，3年年化回報(bào)最高為6.94%，最差的為-14.49%。

貨幣市場基金則全部取得正收益，且回報(bào)較接近：最近3年年化回報(bào)最高的南方現(xiàn)金增利貨幣–B為4.41%，最低者為2.41%。該類基金也成為過去3年基金市場中的“英雄”，無論從產(chǎn)品數(shù)量、規(guī)模、申贖來看，其發(fā)展都是迅猛的。自2010年一季度至2013年三季度末，該類產(chǎn)品規(guī)模增長超過3倍，15個(gè)季度中有9個(gè)呈現(xiàn)凈申購狀態(tài)，基金數(shù)量也自2010年11月26日的69只發(fā)展至3年后的145只。

不僅收益高、業(yè)績波動小，過去3年貨幣市場基金表現(xiàn)出的類現(xiàn)金功能也使得其成為資產(chǎn)配置的“利器”。晨星統(tǒng)計(jì)了過去3年主要類別基金的相關(guān)系數(shù)，發(fā)現(xiàn)貨幣市場基金的業(yè)績與各類基金均表現(xiàn)出低關(guān)聯(lián)度的特征，除激進(jìn)債券型基金外，其他幾類基金的相關(guān)系數(shù)皆低于0.2。

日光之下無新事

與A股過去3年“一片慘綠”形成鮮明對比的是美國股市的“大紅大紫”。晨星統(tǒng)計(jì)了美股激進(jìn)配置型、平衡混合型、保守混合型、大盤成長型、大盤平衡型、大盤價(jià)值型、中盤成長型、中盤平衡型、中盤價(jià)值型、小盤成長型、小盤價(jià)值型及小盤平衡型12類基金過去3年的收益情況，皆獲得正收益，除保守混合型基金外，其他類別過去3年年化收益皆高于10%，其中小盤成長型基金收益最高，為17.13%。股票型基金中，除中盤成長型外，其他類型的年化收益皆高于15%。相比這些類別基金的“巨幅收益”，美國貨幣市場基金過去3年的優(yōu)勢更多地體現(xiàn)現(xiàn)在流動性上，截至2013年11月末，過去3年年化回報(bào)僅為0.02%。

回到國內(nèi)市場，截至2013年11月27日，在過去的5年中，股票型基金、激進(jìn)配置型基金與過去3年的表現(xiàn)大相徑庭，分別取得了9.49%、9.37%的年化收益，大幅超越了貨幣市場基金2.95%的年化收益。如果進(jìn)一步把觀察周期拉長至10年，權(quán)益類基金的優(yōu)勢更為明顯，股票型基金、激進(jìn)配置型基金的年化收益分別為12.47%、14.72%。不過我們同時(shí)發(fā)現(xiàn)，保本基金這一看似有些“雞肋”的產(chǎn)品（不少投資者抱怨該類產(chǎn)品牛市不敵股票型基金、激進(jìn)配置型基金，熊市不及純債基金、貨幣市場基金）在過去10年的年化收益為14.08%，超越了“跑得快”的股票型基金，這在一定程度上很好地警示了投資者，在逐利的同時(shí)注重風(fēng)險(xiǎn)的重要性。

讓我們從長時(shí)間的跨度再來看看“卵巢彩票”。過去5年，得益于從2008年金融危機(jī)的低點(diǎn)復(fù)蘇，美國各種風(fēng)格的股票型基金皆取得了令人垂涎的回報(bào)。下表顯示，除大盤風(fēng)格外，中盤、小盤各類風(fēng)格的股票型基金皆取得了超過20%的年化回報(bào)。但是從過去10年來看，“卵巢彩票”并未帶來額外的收益：美國股票型基金整體平均年化收益為8.47%，低于中國股票型基金的該值。具體來看，股票型基金中收益最高的組別為小盤價(jià)值型基金，年化收益為9.57%，中盤價(jià)值型、小盤平衡型、小盤成長型的年化收益也在9%以上。而這與過去10年中國GDP的平均增長速度高于美國是相呼應(yīng)的，資本市場再一次為投資者講述了一次“主人與狗”的故事。

遠(yuǎn)離顛倒夢想

過去幾年的大熊市及對貨幣市場基金的一些過于片面的宣傳，讓一些投資者產(chǎn)生了不切實(shí)際的想法：即通過配置貨幣市場基金來追逐高收益?；蛟S這是由于投資者近期受到了市場上類似于約定8%年化收益的“百度百發(fā)”產(chǎn)品的誘惑，但清醒的投資者應(yīng)該知道，從長期來看，這是不可持續(xù)的。

貨幣市場基金投資標(biāo)的低風(fēng)險(xiǎn)、低收益以及高流動性的特征，決定了其長期難攀上高收益的枝頭，過去5年的收益對比已經(jīng)告訴了我們這一點(diǎn)。在以往對貨幣市場基金的觀察中，我們也圍繞其類現(xiàn)金的流動性特征及其功能展開了一些討論，意在幫助投資者認(rèn)清“烏龜”的本來面目。

歷史不會簡單地重復(fù)，但歷史又是何其相似。當(dāng)我們把今天的A股市場濃縮成資本市場歷史長河里的一個(gè)點(diǎn)，它坐落在估值均線的下方，就如同地心引力對我們的作用，估值修復(fù)總會那么自然而然地發(fā)生，并且毫無新意。

股票型基金范文第3篇

上半年股市是一個(gè)標(biāo)準(zhǔn)的M型。普通投資者最為關(guān)心的基金表現(xiàn)優(yōu)于上年，取得正收益。據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)，今年上半年股票型基金平均回報(bào)率為4.87%，領(lǐng)先上證指數(shù)。其中，值得一提的是，股票型基金取得正收益的基金數(shù)量遠(yuǎn)多于負(fù)收益的基金數(shù)量，負(fù)收益僅有41只，表現(xiàn)最差的為富安達(dá)優(yōu)勢成長，收益為-5.34%。有33只股票型基金收益率超過10%，表現(xiàn)最佳的是景順長城核心競爭力，收益為22.72%，亞軍和季軍由廣發(fā)基金囊括，廣發(fā)聚瑞19.66%，廣發(fā)核心精選18.14%，見表1。

表現(xiàn)優(yōu)異基金各有神通

雖然整體股指并沒有出現(xiàn)太高漲幅，但一些優(yōu)秀的股票型基金還是憑借著自己的“內(nèi)功”取得了不錯的收益。以上半年業(yè)績排名前5的股票型基金為例，分析其背后的成功因素。

抓住時(shí)機(jī)快速建倉

從今年形勢來看，上半年是M型走勢，出現(xiàn)過兩個(gè)明顯的建倉好時(shí)機(jī)，分別是在1月初和4月初。受制于上年跌跌不休的走勢，很多基金持謹(jǐn)慎態(tài)度對待市場，錯過了底部特別是1月初的良好建倉時(shí)機(jī)。而上半年表現(xiàn)最優(yōu)秀的景順長城核心競爭力作為一只新基金， 2011年12月20日成立，正好趕上黃金建倉時(shí)間點(diǎn)。作為新基金，它可以用100%資金建倉而不用賣出所持有的股票，具有很強(qiáng)的成本和時(shí)間優(yōu)勢?；鸾?jīng)理并不保守，大膽、快速的建倉策略讓景順長城核心競爭力基金獲得了極高收益。據(jù)統(tǒng)計(jì)，僅3個(gè)月時(shí)間，在3月13日該基金已經(jīng)上漲到了20%，表現(xiàn)遠(yuǎn)高于同期的新基金。排名第五的中歐新動力基金也采取積極、快速建倉的策略，基本上倉位都保持在85%以上，分享到了股市波段性上漲的紅利。

精選行業(yè)，超配戰(zhàn)術(shù)

在M型走勢下，板塊輪動效應(yīng)非常明顯，要想獲得好的回報(bào)，必須能精確把握行業(yè)的脈動?；鸾?jīng)理及團(tuán)隊(duì)對各行業(yè)的研究分析和精選能力得到了最好的市場考驗(yàn)。在精選行業(yè)的同時(shí)，作為基金的傳統(tǒng)戰(zhàn)術(shù)——超配，成為了利器。從前五強(qiáng)基金來看，基本上每個(gè)基金都有非常明顯的超配板塊，也正是這些超配板塊給予了其極高的收益（見表2），而均衡分散投資則在上半年表現(xiàn)不佳。

從基金超配板塊來看，制造業(yè)是最受青睞行業(yè)，幾乎每個(gè)基金都作為重點(diǎn)選擇，表示他們對制造業(yè)一致看好。超配比例最重的是廣發(fā)旗下兩只基金，在兩個(gè)板塊上就分別投入84.97%和79.21%的資金，幾乎孤注一擲。這不僅體現(xiàn)了基金經(jīng)理優(yōu)秀的選股判斷能力，還體現(xiàn)了其有很強(qiáng)的自信。

逢低購入，價(jià)值投資

上半年在這方面表現(xiàn)最突出的是中歐中小盤基金。該基金作為一只2009年的老基金，以往的戰(zhàn)績也不俗，多有斬獲。作為唯一一只中小盤基金殺入前五強(qiáng)，自然有其獨(dú)特之處。一般中小盤股波動大、機(jī)會多、風(fēng)險(xiǎn)高，需要有很強(qiáng)的市場時(shí)機(jī)選擇和個(gè)股挑選能力。該基金經(jīng)理敏銳抓住了房地產(chǎn)調(diào)控見底、市場剛需反彈導(dǎo)致市場回暖的趨勢，并且有預(yù)見性地提前布局。僅在一季度，超配房地產(chǎn)股比例高達(dá)46.62%，房產(chǎn)價(jià)格隨著6月份的回暖，使得地產(chǎn)股有了快速上揚(yáng)的機(jī)會，可見其基金經(jīng)理判斷之準(zhǔn)。同時(shí)，這也是價(jià)值投資的最好體現(xiàn)。地產(chǎn)股由于國家的調(diào)控政策，一直走下坡路，估值大幅度降低，逐漸出現(xiàn)投資價(jià)值，基金經(jīng)理正是判斷估值見底，出現(xiàn)了明顯投資價(jià)值并且不為市場關(guān)注的情況下，果斷下注加大投資，才獲得了良好的效果。中歐中小盤基金在這方面的表現(xiàn)，就猶如劍客亮劍，直刺要害。

團(tuán)隊(duì)作戰(zhàn)規(guī)模優(yōu)勢

廣發(fā)系基金在上半年的表現(xiàn)最為搶眼，旗下無論是股票型，債券型、混合型還是貨幣型基金都表現(xiàn)優(yōu)異。作為老牌基金公司，強(qiáng)大的研發(fā)分析能力是其優(yōu)勢，團(tuán)隊(duì)作戰(zhàn)更是其王牌戰(zhàn)術(shù)。以往如華夏、嘉實(shí)等諸多大公司經(jīng)常采用這種戰(zhàn)術(shù)。所謂團(tuán)隊(duì)作戰(zhàn)，即經(jīng)過公司調(diào)研后，不僅在旗艦基金進(jìn)行重點(diǎn)配置，而且公司旗下多只基金交叉持股共同配置。這樣可以鎖住大量籌碼，維持股價(jià)穩(wěn)定，一旦題材兌現(xiàn)，整體業(yè)績就會非常優(yōu)異。本次廣發(fā)系兩只基金都高配制造業(yè)和食品飲料業(yè)，在個(gè)股上也有較多重復(fù)，例如兩只基金對洋河股份、金種子酒都作為重倉配置。

行業(yè)基金凸顯價(jià)值

對于唯一一只殺到前五的行業(yè)基金中歐新動力基金，向世人證明了行業(yè)基金在中國依然有很高的價(jià)值。行業(yè)基金在海外基金中大行其道，是主力投資品種，但在中國還只是新興產(chǎn)物，僅有20多只行業(yè)基金在運(yùn)作。中歐新動力基金作為重點(diǎn)投資新一代信息技術(shù)、生物技術(shù)、高端裝備、制造技術(shù)、新材料新能源技術(shù)的基金，上半年側(cè)重投資制造業(yè)，比例高達(dá)51.97%，其余的重點(diǎn)投資在機(jī)械設(shè)備和食品行業(yè)。上半年以上3個(gè)板塊都是表現(xiàn)較佳行業(yè)，中歐新動力基金表現(xiàn)優(yōu)秀也不難想象。行業(yè)基金價(jià)值凸顯，相信今后會逐步成為主流投資品種。

選基切勿迷信排名

這里要提醒大家，基金排名只是暫時(shí)的，不應(yīng)作為基民選擇基金的主要依據(jù)。這點(diǎn)在上年的業(yè)績前三強(qiáng)基金體現(xiàn)得最為明顯：當(dāng)年排名第一的博時(shí)主題行業(yè)基金，今年上半年收益7.03%，排名第96位；亞軍鵬華價(jià)值優(yōu)勢和季軍東方策略成長，收益僅為3.31%和5.14%，排名分別為291位和219位。

對于行業(yè)板塊的判斷是有獨(dú)立判斷能力的基民選擇基金的重點(diǎn)，行業(yè)基金凸顯價(jià)值。

股票型基金范文第4篇

1.引言

近年來金融工具及其衍生物越來越多元化，其帶來的不確定因素也越來越大，因而金融市場的風(fēng)險(xiǎn)也就越來越高。金融市場間的關(guān)系更是變得日趨復(fù)雜，更多的呈現(xiàn)出非線性、非對稱和厚尾的特性，金融波動和危機(jī)的頻繁出現(xiàn)使聚合風(fēng)險(xiǎn)管理和金融市場間相依關(guān)系分析成為國內(nèi)外關(guān)注的焦點(diǎn)。

現(xiàn)階段最常使用的風(fēng)險(xiǎn)度量指標(biāo)是20世紀(jì)90年代J.P.Morgan和G30[1]集團(tuán)提出的VaR（Value at Risk）方法，VaR旨在一定的置信水平下，估計(jì)金融資產(chǎn)或組合受市場因子波動影響，而在未來特定的一段時(shí)間內(nèi)的最大可能損失。嚴(yán)格的說，VaR描述了在一定的目標(biāo)期間內(nèi)收益和損失的預(yù)期分布的分位數(shù)。如果c代表置信水平，VaR對應(yīng)的是較低的尾部水平1-c?？杀硎緸椋?/p>

其中，表示某事件的概率，表示資產(chǎn)或資產(chǎn)組合在持有期內(nèi)的損失，c為置信度水平。在最近這些年VaR作為金融風(fēng)險(xiǎn)度量工具得到了廣泛的應(yīng)用，然而，研究發(fā)現(xiàn)VaR不具有次可加性和一致性的風(fēng)險(xiǎn)度量，后來針對這一問題，ACerbi等[2-3]提出了期望損失ES（expected shortfall）的定義。

假設(shè)R為持有期內(nèi)資產(chǎn)或者資產(chǎn)組合的損益，并假設(shè)R的累積分布函數(shù)F（r）（CDF）是連續(xù)的，那么對于置信水平，VaR也可以用如下定義：

式中，表示R的分布在給定顯著水平的下側(cè)分位數(shù)。假設(shè)表示R的概率密度函數(shù)，那么置信水平為1-c下的ES可以定義為：

式中，為示性函數(shù)。ES實(shí)質(zhì)上是將資產(chǎn)價(jià)值r乘以權(quán)重的從-到0的積分，這樣它就把超過VaR水平的損失部分考慮進(jìn)去了。從經(jīng)濟(jì)意義上講，ES就是指當(dāng)損失超過VaR時(shí)的平均損失。由于它同時(shí)具有了次可加性和一致性，是一個(gè)較好的風(fēng)險(xiǎn)度量工具。Rappoport（1993）[4]第一次在金融行業(yè)中用它來做風(fēng)險(xiǎn)管理的一個(gè)工具，后來ACerbi（1997）[3]等人證明了該方法是一個(gè)一致性的風(fēng)險(xiǎn)度量工具。

同時(shí)，通過引入Copula函數(shù)度量資產(chǎn)組合集成風(fēng)險(xiǎn)的方法已經(jīng)越來越成熟。Schweizer和Sklar最早提出Copula函數(shù)的概念及其它的一些性質(zhì)。后來Sklar指出了Copula函數(shù)可以把具有不同類型邊緣分布函數(shù)連接起來，并且能抓住它在風(fēng)險(xiǎn)管理應(yīng)用中的本質(zhì)特征（例如：尖峰厚尾性）；Emberchts等第一次把該方法引入到金融類相關(guān)研究之中。許多研究學(xué)者在他們的基礎(chǔ)上做了很多有意義的研究。例如：Breymann等人研究表明了學(xué)生t-Copula的經(jīng)驗(yàn)擬合比高斯Copula優(yōu)越很多；Ceske，Hemandez（1999）提出可以將Copula函數(shù)與MonteCarlo技術(shù)結(jié)合計(jì)算相關(guān)損失；MATTEIS對Archimedean Copula做了很好的總結(jié)。

在我國，Copula函數(shù)方法在金融上的應(yīng)用才剛剛起步，且其中絕大多數(shù)文獻(xiàn)做的是介紹性、引入性的研究。最早見的是張堯庭（2002）提出Copula函數(shù)在金融風(fēng)險(xiǎn)領(lǐng)域大有可為；史道濟(jì)利用Copula函數(shù)研究外匯組合的相關(guān)性；司繼文（2004，2005）分別將Copula函數(shù)應(yīng)用于國內(nèi)外的股票市場和期貨市場；韋艷華、張世英（2004）將GARCH模型應(yīng)用于Copula函數(shù)，來度量金融時(shí)間序列的自相關(guān)結(jié)構(gòu)。前人的研究主要集中在利用Copula函數(shù)對股市或資產(chǎn)組合的相關(guān)性研究。而韋艷華（2004）利用GARCH模型擬合正態(tài)Copula函數(shù)的邊緣分布，然后運(yùn)用Monte Carlo仿真技術(shù)計(jì)算投資組合的VaR。

本文創(chuàng)新一是采用GARCH或者EGARCH模型來擬合t-Copula函數(shù)的邊緣分布，克服了傳統(tǒng)GARCH模型不能處理特定非對稱金融時(shí)間序列的局限性。對此，本文也比較分析了單獨(dú)使用GARCH下和本文采取的方法下的風(fēng)險(xiǎn)值，研究表明本文提出改進(jìn)的思路對風(fēng)險(xiǎn)估計(jì)更為準(zhǔn)確。改進(jìn)二在于對于風(fēng)險(xiǎn)衡量的指標(biāo)不是僅僅采用VaR，而是利用VaR與ES雙監(jiān)管的風(fēng)險(xiǎn)度量方法，克服了傳統(tǒng)風(fēng)險(xiǎn)度量VaR的很多缺陷（不具有次可加性、正齊次性等）。最后通過度量我國股票型開放式基金的市場風(fēng)險(xiǎn)為出發(fā)點(diǎn)，運(yùn)用Monte Carlo仿真技術(shù)計(jì)算投資組合的VaR以及ES，具有很強(qiáng)的實(shí)用價(jià)值。

2.GARCH或者EGARCH收益率分布模型

對于某一金融資產(chǎn)，投資者最想知道的是將來某個(gè)時(shí)刻該資產(chǎn)收益率的信息。由于金融資產(chǎn)收益率的尖峰厚尾性、條件異方差性、波動聚集性和杠桿效應(yīng)等，普通的GARCH模型對對前三者能較好的刻畫，但是對于杠杠效應(yīng)GARCH模型不能刻畫出，因此，本文對不存在杠桿效應(yīng)的收益率序列采用GARCH模型擬合資產(chǎn)收益率的特征，對存在杠杠效應(yīng)的收益率序列采用EGARC模型刻畫。該模型是Glosten Jagannathan和Runkle在Engle提出自回歸條件異方差（ARCH）模型和Bofloerselev提出的廣義自回歸條件異方差（GARCH）模型的基礎(chǔ)上改進(jìn)提出的，它考慮了壞消息和好消息對波動性不同的影響。

假設(shè)投資組合中有d種金融資產(chǎn)，對于資產(chǎn)i，直接根據(jù)最近的n期歷史收益率數(shù)據(jù)（t=1，2，…，n）運(yùn)用GARCH其中EAGCH模型中條件方差采用自然對數(shù)形式，意味著非負(fù)，且杠杠效應(yīng)為指數(shù)型的。模型中引入了一個(gè)重要參數(shù)，若，說明信息作用非對稱，存在杠杠效應(yīng)。為第i個(gè)資產(chǎn)收益率序列；為的條件均值項(xiàng)；v是t分布的自由度。為待估參數(shù)；隨機(jī)擾動項(xiàng)服從均值為0，方差為1的標(biāo)準(zhǔn)t分布。即：

它的形式使得GARCH或者EGARCH模型能夠較好地描述收益率序列的各種特性（如條件異方差性、波動聚集性）。

假定利用觀察資產(chǎn)收益率歷史數(shù)據(jù)樣本可以得到，在估計(jì)出參數(shù)后，可以得到下一時(shí)刻收益率的條件分布：

其中，是自由度為v的t分布函數(shù)，是到時(shí)刻t為止的信息集。利用Matlab可以很方便地由樣本觀測數(shù)據(jù)估計(jì)出GARCH模型的各個(gè)參數(shù)，從而由式（2）得到給定T時(shí)刻前信息集的條件概率分布。

3.Copula函數(shù)的參數(shù)估計(jì)

在資產(chǎn)分配、衍生品定價(jià)和風(fēng)險(xiǎn)管理等許多金融領(lǐng)域中，有關(guān)風(fēng)險(xiǎn)因素之間的相關(guān)性度量及其重要。許多文獻(xiàn)中常采用多元正態(tài)函數(shù)，然而各種金融資產(chǎn)的收益率之間一般并不符合多元正態(tài)分布的假設(shè)，為此，本文使用Copula函數(shù)來解決這個(gè)問題。

由Sklar定理可知，對于一個(gè)具有邊際分布函數(shù)為（）的金融資產(chǎn)的聯(lián)合分布函數(shù)F，一定能找到一個(gè)Copula函數(shù)C，使得：

如果所有的邊際分布函數(shù)都連續(xù)則從上式定義的Copula函數(shù)是唯一的。從上式可以計(jì)算得出Copula：

其中，

文獻(xiàn)表明，t-Copula能更好地刻畫各個(gè)金融資產(chǎn)的尾部相關(guān)性，本文研究的是t-Copula連接函數(shù)分布。

其中，表示相關(guān)系數(shù)矩陣為R，自由度為v的維標(biāo)準(zhǔn)t分布函數(shù)，表示自由度為v的單變量標(biāo)準(zhǔn)t分布函數(shù)的反函數(shù)。Copula模型為：

參數(shù)v為t分布的自由度。為d維t-Copula分布，表示均值為0，方差為1，自由度參數(shù)為的正規(guī)化t分布函數(shù)，即：

式中是伽馬函數(shù)。由于t-Copula的密度函數(shù)對任意維數(shù)都不是一個(gè)簡單的形式，本文根據(jù)t-Copula函數(shù)形式使用matlab工具估計(jì)其參數(shù)，過程如下：

（1）把資產(chǎn)收益率數(shù)據(jù)通過概率積分變換轉(zhuǎn)化為一致分布；

（2）用對數(shù)似然函數(shù)法估計(jì)學(xué)生t-Copula的參數(shù)：

此處的copula函數(shù)c為公式（4）給出的；

（3）令，此處是單變量累積標(biāo)準(zhǔn)正態(tài)分布函數(shù)；

4.利用模特卡羅模擬資產(chǎn)組合的VaR和ES

根據(jù)EMBRECHTS關(guān)于利用t-Copula函數(shù)模擬隨機(jī)變量的方法，多次模擬資產(chǎn)組合資產(chǎn)收益率的隨機(jī)擾動項(xiàng)。具體模擬步驟為：

（1）由上述估計(jì)出的隨機(jī)擾動項(xiàng)的相關(guān)系數(shù)矩陣R，對其進(jìn)行Cholesky分解。

（2）根據(jù)標(biāo)準(zhǔn)正態(tài)分布，模擬d個(gè)相互獨(dú)立的隨機(jī)變量，。

（3）產(chǎn)生與Y相互獨(dú)立的變量e，服從分布。

（4）令。

（5）令，則x為服從自由度為v的t分布。

（6）計(jì)算得到。

（7）根據(jù)得到聯(lián)合分布為，連接函數(shù)為的d維隨機(jī)擾動項(xiàng)。

（8）根據(jù)EGARCH或GARCH模型，得到金融資產(chǎn)收益率的條件均值和條件方差，然后根據(jù)隨機(jī)波動方程，得到資產(chǎn)組合的資產(chǎn)收益率向量。

（9）給定資產(chǎn)在投資組合中的權(quán)重，計(jì)算投資組合收益R的值。

（10）重復(fù)上述過程5000次，模擬得到其經(jīng)驗(yàn)分布，容易求出VaR和ES的值。

5.實(shí)證研究

（1）數(shù)據(jù)的選取和邊緣分布的估計(jì)

本文選取融通深證100基金2010年3月31日公布的前10大重倉股票作為觀測樣本，如表1所示。

本文采用從2004年7月1日至20010年3月31日共937個(gè)（對空缺數(shù)據(jù)已做處理）交易日的收盤價(jià)作為原始數(shù)據(jù)，計(jì)算出每只股票的對數(shù)收益率，并根據(jù)公式（1）、（2）估計(jì)出每只股票的邊際分布，利用AIC準(zhǔn)則、SC準(zhǔn)則和杠桿系數(shù)檢驗(yàn)可以得出萬科A、蘇寧電器、中興通訊、格力電器、吉林敖東存在杠杠效應(yīng)，適宜采用EGARCH模型建模（其余采用GARCH建模擬合效果更好），下面以第三、四只股票五糧液（000858）和蘇寧電器（002024）為例，分析其邊緣分布函數(shù)的估計(jì)和擬合效果的評價(jià)。參數(shù)估計(jì)結(jié)果見表2和3：

其中，表2、3中括號的數(shù)據(jù)表示相應(yīng)t統(tǒng)計(jì)量的估計(jì)值。從表2、3中給出的K-S相伴概率可知，利用CML方法對原序列做概率積分變換后，序列服從[0，1]的均勻分布。由此可以說明本文提出的模型可以較好地描述相關(guān)資產(chǎn)的邊緣分布。同樣的方法檢驗(yàn)了其他8只股票的邊緣分布擬合效果，都說明了GARCH或者EGARCH模型能較好擬合各自的邊緣分布，因此用本文的模型描述收益率序列的邊緣分布是充分的。

（2）Copula函數(shù)參數(shù)估計(jì)和Monte Carlo模擬VaR和ES

此處為了對比分析采用EGARCH或GARCH擬合邊緣分布與僅僅采用GARCH擬合的效果，根據(jù)上面估計(jì)得各個(gè)股票收益序列的邊緣分布，利用文中第四部分的估計(jì)copula函數(shù)參數(shù)的方法，估計(jì)得出其t分布的自由度DOF=7.5848和各自的相關(guān)矩陣（表4、表5）。

由上述結(jié)果可知，僅僅采用GARCH擬合邊緣分布使得各個(gè)資產(chǎn)之間的相關(guān)系數(shù)整體性的變小。從而可以推斷出可能會導(dǎo)致風(fēng)險(xiǎn)的低估，從而對準(zhǔn)確度量基金風(fēng)險(xiǎn)存在一定的影響。進(jìn)一步的風(fēng)險(xiǎn)值比較分析可見表6、表7。

按照表1的投資比例，假設(shè)投資者處于t時(shí)刻，這里的t時(shí)刻指的是樣本時(shí)間段的最后一天，即2010年3月31日，t時(shí)刻的投資組合價(jià)值為：

假設(shè)資產(chǎn)持有期從t時(shí)刻到t+1時(shí)刻，置信水平選擇95%和99%進(jìn)行估計(jì)。根據(jù)本文的Copula-GARCH（EGARCH）模型，運(yùn)用t-Copula函數(shù)的模特卡羅模擬仿真模擬5000次，可以得出t+1時(shí)刻各個(gè)股票的收益率序列，進(jìn)一步可以計(jì)算出t+1時(shí)刻各股票的損失序列，給定置信水平，容易得出t時(shí)刻到t+1時(shí)刻相應(yīng)的投資組合VaR和ES值，表6、7分別給出了本文提出的采用EGARCH或GARCH擬合邊緣分布和傳統(tǒng)方法僅僅采用GARCH模型擬合的情況下各個(gè)股票和證券投資組合的VaR和ES值。

表6、表7清晰的顯示本文所提出的方法對準(zhǔn)確估計(jì)風(fēng)險(xiǎn)更進(jìn)了一步，比較而言傳統(tǒng)方法只使用GARCH模型擬合邊緣分布導(dǎo)致了單個(gè)資產(chǎn)和資產(chǎn)組合的風(fēng)險(xiǎn)值都偏小。對于文中提出使用EGARCH模型擬合萬科A、蘇寧電器、中興通訊、格力電器、吉林敖東，從表6與7中可以看出，VaR與ES的風(fēng)險(xiǎn)值都比其他個(gè)股風(fēng)險(xiǎn)值偏離程度更大，說明采用EGARCH模型針對特定（存在杠杠效應(yīng)）金融序列擬合效果更好，風(fēng)險(xiǎn)估計(jì)更為準(zhǔn)確。

單獨(dú)分析表6可以看出，在投資額一定的情況下，基金的風(fēng)險(xiǎn)值要比單個(gè)資產(chǎn)進(jìn)行投資的風(fēng)險(xiǎn)值小，可見該基金選擇的各個(gè)股票之間的相關(guān)關(guān)系有較大差別，說明投資組合可以大大降低投資風(fēng)險(xiǎn)。從VaR和ES的風(fēng)險(xiǎn)值看，ES都大于VaR，說明ES比VaR度量風(fēng)險(xiǎn)更為保守，也說明了VaR在度量風(fēng)險(xiǎn)上存在計(jì)算風(fēng)險(xiǎn)值偏低的現(xiàn)象，這樣對基金控制風(fēng)險(xiǎn)和減少資產(chǎn)損失極為不利，特別是當(dāng)極端事件發(fā)生時(shí)，資產(chǎn)組合的風(fēng)險(xiǎn)值與實(shí)際值就會發(fā)生偏差。另外從VaR與ES的差值可出看出，置信水平越高，投資組合降低風(fēng)險(xiǎn)的程度也就越大，但是由于VaR不具有次可加性，從ES的差值能很明顯看出。

6.結(jié)論

本文為了描述特定資產(chǎn)具有非對稱性的特征，通過對資產(chǎn)收益率進(jìn)行EGARCH建模，對不存在杠杠效應(yīng)的資產(chǎn)仍使用傳統(tǒng)的GARCH模型，這與Copula可以連接具有不同邊際分布的函數(shù)的相關(guān)關(guān)系相符，同時(shí)考慮到VaR度量風(fēng)險(xiǎn)的不足，引入了ES一致性風(fēng)險(xiǎn)度量，通過t-Copula函數(shù)和Monte Carlo模擬計(jì)算出了證券投資組合的VaR以及ES的值。最后文章對融通深證100基金風(fēng)險(xiǎn)度量的實(shí)證研究可以看出，有的金融資產(chǎn)收益率序列可能存在杠杠效應(yīng)；而且VaR的確存在低估風(fēng)險(xiǎn)的不足；同時(shí)也得出了風(fēng)險(xiǎn)值VaR或者ES在置信度越高，它們的差值越為明顯，說明了本文Copula-EGARCH（GARCH）模型能較好地刻畫投資組合二中不同資產(chǎn)間非正態(tài)非線性非對稱的相關(guān)性?；谠撃Ｐ偷娘L(fēng)險(xiǎn)度量方法可以為我們基金管理公司評估和管理資產(chǎn)組合的市場風(fēng)險(xiǎn)，從而有利于公司控制和減少資產(chǎn)損失提供一定的參考作用。

參考文獻(xiàn)

[1]張堯庭.連接函數(shù)(Copula)技術(shù)與金融風(fēng)險(xiǎn)分析明[J].統(tǒng)計(jì)研究,2002(4):48-51.

[2]史道濟(jì),邱男.關(guān)于外匯組合風(fēng)險(xiǎn)相關(guān)性的分析[J].系統(tǒng)工程,2005,23(6):90-94.

[3]司繼文,蒙堅(jiān)玲,龔樸.國內(nèi)外期貨市場相關(guān)性研究田[J].華中科技大學(xué)學(xué)報(bào),2004,21(1):16-19.

股票型基金范文第5篇

8股基春節(jié)前要入市

截至2008年12月18日,還有32只偏股型基金處于建倉期,其中有8只股票型基金在2008年底或2009年初完成建倉任務(wù)。除去海富通中國海外精選1只QDII基金外,2008年6月中旬到7月前宣布成立的有3只股票型基金,分別是南方優(yōu)選價(jià)值、易方達(dá)中小盤、招商大盤藍(lán)籌。按規(guī)定,這3只基金2008年12月底之前要完成60%的建倉底限。

據(jù)統(tǒng)計(jì),這3只基金的募資規(guī)模為32.274億,按照60%的最低股票倉位,將有大約19億資金入市。而2008年7月成立的5只股票型基金募資規(guī)模接近24億,按60%計(jì)算,大概15億資金將于2008年底2009年初參與建倉。

有次新基金接近滿倉

根據(jù)一些基金凈值近期表現(xiàn)測算,部分次新基金因?yàn)槭袌龅脑蛞呀?jīng)趕在大限前建倉。

成立于2008年7月16日的友邦華泰價(jià)值增長,建倉截止日尚有時(shí)日。不過據(jù)其近期凈值測算,目前該基金的倉位可能接近滿倉。該基金在11月底12月之前大幅加倉。12月第一周,該基金大幅超越大盤漲幅,達(dá)到11.89%。第二周滬深300僅跌了2.62%,該基金凈值跌3.52%。還有,華夏策略精選成立于2008年10月23日,11月份凈值僅上漲1.1%,而12月的第一周,該基金凈值上漲達(dá)3.36%。另外易方達(dá)科匯,成立于2008年10月9日,三季報(bào)顯示其股票倉位僅10.61%,11月份凈值僅上漲1.00%,而該基金在12月第一周大漲5.95%。除此之外,近期中歐新藍(lán)籌、金元動力、銀華領(lǐng)先、農(nóng)銀成長等新基金加倉也較為明顯。

次新偏股基過半獲收益

統(tǒng)計(jì)顯示,最近半年成立的51只新基金中,有35只基金正收益。而在31只偏股基金中也有16只取得了正收益,超過一半。