海外文献推荐：第287期

2024-06-19 18:14:20 - 量化先行者

1.贝叶斯与重采样：复赛

文献来源：CampellHarvey,JohnLiechtyandMerrillLiechty,"Bayesvs.Markowitz:ARematch"JournalofInvestmentManagement,2008,FirstQuarter,29-45.[P95].

推荐原因：文章比较了贝叶斯方法和给予蒙特卡洛模拟的重采样方法在投资组合优化中的表现，发现在某些条件下，贝叶斯方法可能更优，尤其是在考虑短期投资视角时。然而，重采样方法在处理分布不确定性时显示出一定的稳健性，这使得该方法在某些情况下仍然具有使用价值。

根据Michaud[2003](MarkowitzandUsmen(JournalofInvestmentManagement1(4),9–25,2003)，文章比较了两种确定最优投资组合权重的方法：贝叶斯方法和Michaud（1998年）,报告展示了Michaud重采样的方法总是获胜。然而，在原始报告中，贝叶斯方法因为用于评估投资组合预测分布的算法只提供了一个粗略的近似而受到了限制。报告通过允许贝叶斯方法使用更标准算法来使比赛更加公平。报告结果与《Markowitz和Usmen》的结果形成了鲜明对比。本论文的最后部分提出了一个新的投资对比，这对普通投资者来说与在投资应用中的实践相关性更高——即单期资产配置。

2. 美国主动管理型共同基金的增长之谜

文献来源：GRUBER,M.J.(1996),AnotherPuzzle:TheGrowthinActivelyManagedMutualFunds.TheJournalofFinance,51:783-810.

推荐原因：主动管理的共同基金在数量和资产管理规模上迅速增长，但其平均表现却不如指数基金。在Gruber的样本中，共同基金每年平均跑输其相应指数大约65个基点（bps）。指数基金为投资者提供了与主动管理基金相似的许多服务，但平均回报更高。因此，投资者购买主动管理基金的原因成为一个谜题。

一个可能的解释是，由于开放式共同基金以净资产价值交易，管理能力可能没有被定价。因此，一个管理良好的基金与一个管理不善的基金以相同的价格出售。相比之下，封闭式基金似乎包括了管理价值。Gruber发现封闭式基金的系统性和非系统性风险与基础资产不同。

如果管理能力存在且未包含在开放式基金的价格中，则基金的表现应该是可预测的。事实上，Gruber表明，简单的过去回报和因子模型的历史alpha值在预测未来回报方面做得很好。优越的表现并没有反映在高额管理费上。

如果投资者意识到表现在某种程度上是可预测的，那么预测基金表现的相同指标也应该预测资金的流入和流出。作者发现，预测表现的变量与随后的资金流动之间的关联是强烈且符合预期的。至少一些投资者在共同基金之间分配资金时表现出理性。此外，通过每年根据这些表现指标进出共同基金，投资者在样本期间确实提高了表现。

实证证据与作者的假设一致。以净资产价值出售的开放式主动基金的价格没有包含管理能力，因此精明的投资者可以通过跟踪未来表现的预测因素来提高表现。那么，为什么资金仍然留在预计表现不佳的基金中？Gruber推测，由不精明、受限或税收劣势的投资者组成的劣势客户群体继续投资于这些表现不佳的基金。

3.跨截面学习分析与共同基金业绩的短期持续性

文献来源：Huij,Joop&Verbeek,Marno,2007."Cross-sectionallearningandshort-runpersistenceinmutualfundperformance,"JournalofBanking&Finance,Elsevier,vol.31(3),pages973-997,March.

推荐原因：共同基金的表现通常通过基金的alpha来衡量，alpha定义为在回归模型中的截距项。传统的方法是使用普通最小二乘法(OLS)来估计模型，但当只有少量观测数据时，alpha估计的测量误差可能很大。作者采用了经验贝叶斯（EmpiricalBayes）方法来进行跨截面学习，以估计基金的alpha值。并通过模拟研究来评估贝叶斯alpha的效率，与传统OLS估计进行比较。报告使用贝叶斯alpha研究了1984年至2003年期间美国股票共同基金的短期表现持续性。发现，基于12个月排名期将基金排序为十等分组合时，最高等分位的基金每月可以获得0.26%的显著异常回报。这种效应不仅超出了销售费用，而且主要集中于相对年轻、小市值/成长型基金。

第13期：股票市场波动性与投资学习

第13期：社会责任共同基金的分类及其绩效的衡量

第13期：因子择时风险导向模型

第10期：利用信息因子解释回报

第10期：异质现金流和系统性风险

第9期：“打赌没有β”投资策略研究

第9期：利用条件信息理解投资组合的有效性

第8期：因子择时模型

第8期：优化价值

第7期：动量崩溃

第7期: 动量因子及价值因子在投资组合中的运用的实证研究

第7期：后悔的神经证据及其对投资者行为的影响