基于VaR-Sharpe的主动型权益投资基金绩效评价研究

盛俊?廖隽宇

证券投资基金绩效评价的核心是对于收益与风险的综合评价，在传统的评价方法中大部分是通过贝塔系数或者标准差的方法来评价风险。而本文引入VaR来衡量主动型权益投资基金的风险，运用VaR修正Sharpe指数的方法来综合评价主动型权益投资基金的绩效。本文实证结果表明，权益市场下跌的背景下，样本的VaR值比传统标准差均更大，通过VaR修正的Sharpe指数绝对值的范围区间精确程度更高，且部分基金修正后的Sharpe指数数值及排名变化较大，因此修正后的指标更能有效识别主动型权益投资基金的下行风险，同时研究发现了不同类型基金其风险与收益特征有所不同。

2022年主动型权益类基金投资者发生亏损情况较多，通过交流与统计发现，很多投资者习惯通过对比基金历史业绩去挑选具体投资标的，特别是偏好关注某些业绩评价指标比如Sharpe指数。但是经过研究对比发现，在权益市场整体下跌背景下，很多传统的基金绩效评价指标并不适用，比如Sharpe指数、Treynor指数和Jensen指数等。因此，国内外也有诸多学者对Sharpe指数进行修正，比如通过引入VaR、SDR夏普比率等，最常见的是通过VaR进行修正。Kevin（2000）认为应该调整Sharpe指数中的风险的测评，而改用更加符合投资者需求的风险衡量指标。在我国也有许多学者做了相关研究，郑丽青（2022）在基金绩效评价中引入VaR进行应用对比。顾雪松（2010）通过VaR修正Sharpe指数来对比不同类型基金，评价效果差异也较明显。

一、基于VaR的基金绩效评价原理

（一） VaR的定义

VaR被称为“风险价值”。VaR一般用来测量风险损失价值。其也可以被解释为，当置信度（风险敞口）一定时，所构建的投资组合若发生损失时的最大损失价值。

VaR定义公式：

上式描述的是事件发生的概率，△p代表的是该投资组合在持有期间，在一定置信度α下，该组合发生损失时的最大损失价值。

（二）VaR的计算——历史模拟法

对于VaR的计算，本文选用历史模拟法。历史模拟法可以直接根据历史的数据来进行因子分布的寻找。历史模拟法可以通过以前的历史数据来评价基金业绩，从而反应基金的发展轨迹。运用历史模拟法的原因还在于其对于定价模型的依赖度更小，同时历史模拟法也考虑了数据分布的厚尾现象。

开放式基金在我国从出现到发展至今已有几十年时间，对于基金每日报送的数据收集还是较为容易的，而每日结算和报送的制度也使得相关研究较为方便。所以，在本文的研究中，可以通过相关网站来获得基金净值数据，然后采用历史模拟法进行数据模拟，从而可以较为准确地得出VaR。

（三）VaR对于Sharpe指數的修正

通过引入VaR对Sharpe指数进行修正，最主要的是用VaR来替代Sharpe指数计算公式中的标准差，因为VaR在给定的相应置信水平下可以测量出投资组合发生下行风险时所带来的最大损失价值，因此可以对传统的Sharpe指数进行修正。

本文中设定修正Sharpe指数为，则由VaR进行修正的Sharpe指数公式为：

上式中，对于只用VaR替换原来的σi，新修正Sharpe指数表示的是发生单位下行风险时带来的超额收益。

二、实证研究

（一）样本选取和数据来源

本文的样本选取对象全部为权益类主动型投资基金，共24只。为了使研究更具可信度，选取了股票型基金4只、偏股混合型基金4只、平衡混合基金4只、偏债混合基金4只、灵活配置型基金4只、主动型量化基金4只。挑选标准为根据上述类型基金的2022年年报进行筛选，将基金总资产从高到低进行排序，每种类型中同一基金公司的基金最多选1只，由此筛选前4名。本文对于选取的24只主动型投资基金评价时间区为：2021年12月31日至2022年12月31日，共244个交易日，日收益率数据243个。本文通过Wind金融终端获取基金名称、基金代码、每日净值以及相关分红等数据。基金是每日结算并且定期报送数据，所以数据的获取还是较为方便的。本文关于一年定期存款利率来自于中国人民银行；上证综合指数、深证成分指数与国债指数均来自于Wind金融终端。

（二）收益率计算

（1）无风险收益率的计算

对于无风险收益率的计算，本文采用的是以一年期的定期存款利率作为无风险收益率。因为我国的短期国债市场没有那么发达，并且大多数人的货币型资产都是通过储蓄的方式存在，所以本文把一年期定期的存款利率作为无风险利率。在本文的研究考察期，从官方网站查询信息，中国人民银行所公布的一年期定期存款利率为 1.50%，因此将得到的一年期定期存款利率除以365天得到的每日平均风险收益率是0.0041096%。

（2）基金收益率的计算

在计算基金收益率时，需先消除收益波动的非对称性，因此金融资产的收益率一般采用对数收益率。利用上述的对数收益率的好处，即通过取对数的方式可以使数据更加平稳，同时也不会改变数据之间的相关关系。除此之外，采用对数收益率还削弱了数据的异方差性以及共线性，这样的话有利于计算，有利于直接观察收益率。收益率本身是一个复利相关的概念，如果对于收益率的计算直接使用普通数据，则很难直观清晰地体现出收益率的变化。

（3）基准组合的构建

本文研究的是主动型权益基金，在构建基准组合时只考虑股票和债券。基于研究对象特点、各市场容量情况及参考以往研究经验，本研究中，对于股票权重设定为80%；对于债券组合的权重设定为20%。在债券组合权重的选取上，本文选取中证全债指数收益率。所以对于上证指数收益率、深证成指收益率以及中证全债指数收益率三者所占权重分别为40%∶40%∶20%。以上三种指数收益率均采用对数收益率得到。

（三）历史模拟法计算VaR

运用历史模拟法来计算VaR，其计算步骤如下：①将各样本基金和基准组合的日收益率数据都分别按照从小到大的顺序排列。②用1减本文设定的置信水平，1-α得到分位数5% ；③再用本研究观察的交易日数去乘上一步得到的分位数，通过取整后再加一，也就是[243*5%]+1=13；④通过这种方式得到位置点上的收益率一般为负数，因此需要将其取绝对值。所以，通过历史模拟法确定把第13位数值的绝对值作为计算出的VaR。

（四）修正的Sharpe指数绩效评价

将上述步骤中计算得到的VaR、日平均收益率以及日平均无风险收益率代入到本文上述给出的修正模型公式，从而可以得到通过修正模型计算得来的基金绩效评价结果。本文运用研究期间前243个数据样本进行探究，通过上述方法得到修正模型以及传统模型结果，见表1。

三、实证结果分析

（一）修正后的Sharpe指数与传统Sharpe指数比较

通过计算以及上表得到的结果显示，修正后的Sharpe指数比传统的Sharpe指数的数值绝对值更小。样本基金及市场组合的VaR比相应的标准差都高，说明市场下行风险比传统测算出的整体上下波动相对更高。同时，发现股票型和偏股混合型基金排名变化较大。2022年股票市场整体处于下跌趋势，大部分主動权益基金取得负收益，因此通过加入VaR来修正Sharpe指数，在下跌市场背景下具有一定意义。

（二）不同类型样本基金比较

不同类型样本基金的风险与收益特征不同，通过比较不同类型基金的日平均收益率发现，偏债混合型基金的日平均收益率绝对值与VaR值都明显低于其他类型基金。比如偏债混合型基金日平均收益率绝对值区间为0.00003～0.00056，VaR区间为0.00363～0.01171；而股票型基金的日平均收益率绝对值区间为0.00062～0.00123，VaR区间为0.02732～0.03481。因为偏债混合型基金主要配置收益稳定、风险以及波动偏小的债券型资产，因此无论从收益率绝对值角度还是以VaR为代表的波动性角度都低于其他类型基金。其他基金的日平均收益与VaR的绝对值，整体介于偏债混合型基金与股票型基金之间。

（三）样本基金与市场组合比较

在各类型基金中，不论是传统的评价指数还是修正后的评价指数，样本基金的绩效评价排名大部分都比市场表现要好。市场组合排名在17位，处于整个样本基金排名的中后段，说明主动型权益投资基金作为资产投资组合的金融类产品，其风险收益匹配以及整体绩效方面都取得了不错的效果。因此，可以考虑通过配置相应基金的方式去参与权益市场投资。

（作者单位：1广发证券股份有限公司珠海分公司；2广州外国语学校）

作者简介：盛俊，1995年5月出生，男，汉族，江西省宜春市人，本科。研究方向：证券投资。