深度报告-2025-11-21-上海证券-统计学方法在业绩评价中的全新应用_基金评价新视角_31页_2mb

报告总结

上篇：国内权益基金能否产生正超额

本报告采用 Fama&French(2010)的统计学方法分析国内主动权益基金的业绩表现。结论显示：

1. 国内主动权益基金长期来看具备显著正超额能力，显著优于模拟市场，排名靠前的基金超额收益源于真实投资管理能力而非运气。
2. 国内基金超额表现优于美国市场，主要由市场有效性差异导致。
3. 国内权益基金超额主要来源选股能力，风格择时贡献有限。

下篇：选择的基金是否真的产生正超额

本报告引入 Harvey&Liu(2020)的 H-L 方法，评估基金业绩评价体系中的错选与漏选问题，结论如下：

1. 单一基金业绩指标普遍存在错选率显著高于漏选率的问题，从业人员应优先控制错选。
2. 不同指标间错选率与漏选率差异显著（例如上行捕获比率与择时能力错选率高达80%以上）。
3. 错选与漏选率呈负相关（相互制衡），从业人员需根据指标特性调整阈值以平衡两者。
4. H-L 方法支持“数据驱动型”基金评价框架，但需进一步优化计算复杂度与阈值选择。

关键启示

1. 国内基金评价需结合统计模型与前沿方法，挖掘长期超额收益。
2. 传统业绩指标存在错选风险，需通过H-L框架优化评价体系。
3. AI与统计学结合有望推动基金评价体系进一步完善。