正文目錄引言 3Fama五因子介紹與基金業(yè)績描述 4五因子描述 4用FF-5下的alpha衡量投資能力 5單基金alpha計(jì)算 63.“實(shí)力”與“運(yùn)氣” 6解構(gòu)基金業(yè)績 6潛在因素導(dǎo)致alpha估計(jì)有偏 7“殘差”不能被忽略 8殘差為“實(shí)力”或“運(yùn)氣”的探討 8Bootstrap方法下的“實(shí)力”與“運(yùn)氣”橫截面分布 11使用bootstrap方法的原因 “實(shí)力”或“運(yùn)氣”橫截面分布構(gòu)造過程 13基金選擇與FOF構(gòu)建 15圖表目錄圖1：Fama五因子時(shí)間序列展示圖 4圖2：“回歸”的圖形演示 8圖3：殘差的分布舉例（2017年） 9圖4：權(quán)益基金的Fama五因子各年度R方中位數(shù) 9圖5：示例—如果alpha在“實(shí)力”alpha置信區(qū)間內(nèi)（藍(lán)色區(qū)域）則認(rèn)為“有實(shí)力” 10圖6：2017年alpha前十名基金“實(shí)力”alpha橫截面分布 14圖7：“實(shí)力”“運(yùn)氣”組合在2018年累積收益圖 16表1：因子收益描述統(tǒng)計(jì)與因子間相關(guān)性（2010-2018） 4表2：不同分位下的單個(gè)基金業(yè)績表現(xiàn)（括號類為T值，下面是調(diào)整后R方） 5表3：市場部分基金的alpha展示（alpha已年化處理） 6表4：各年度下rho1估計(jì)值與t值 15表5：2017年alpha前二十優(yōu)秀基金的“運(yùn)氣實(shí)力”情況展示（后兩列是2018年業(yè)績表現(xiàn)） 16表6：2018年alpha前二十優(yōu)秀基金的“運(yùn)氣實(shí)力”情況展示（高R方情形） 17附錄：1、參考文獻(xiàn)2、R引言alpha一直被認(rèn)為很難做到，無論是學(xué)界還是業(yè)界都認(rèn)為其中有很大運(yùn)氣成分。關(guān)于基金評價(jià)，從歐美文獻(xiàn)來看，大多數(shù)文獻(xiàn)的結(jié)論是，扣除管理費(fèi)后，主動(dòng)管理基金跑輸基準(zhǔn)。Wermers（2000）檢驗(yàn)了持股和主動(dòng)交易對業(yè)績的貢獻(xiàn)，發(fā)現(xiàn)成長風(fēng)格的基金在選股方面有很好的表現(xiàn)。而且，Wermers50019751994《公募基金業(yè)績可持續(xù)性》在國內(nèi)市場分析一致。Teo和Woo(2001)Chen和Wermers2003Timmermann(2005)alphaalpha關(guān)于基金經(jīng)理“運(yùn)氣”與“實(shí)力”的討論一直存在，但始終懸而未決，本文試圖不對基金經(jīng)理的alphaKosowskiTimmermann、WermersWhite2005（見參考文獻(xiàn)[1]）bootstrapalpha分布的計(jì)算與比對，從殘差中分理出運(yùn)氣的分布。FOFFOF作者認(rèn)為有兩個(gè)思路，一個(gè)是大方向的選擇，或者說風(fēng)格輪動(dòng)、因子輪動(dòng)，比如2017基金，那么業(yè)績表現(xiàn)較好是必然的，當(dāng)然該思路可能受限于目前ETF作用的本質(zhì)”給篩選出來。本文還是堅(jiān)持這個(gè)方法，通過統(tǒng)計(jì)技術(shù)，得出“運(yùn)氣”、“實(shí)力”的分布。Fama五因子介紹與基金業(yè)績描述五因子描述本文利用Fama–French(2013)的五因子模型來構(gòu)建定價(jià)模型，五因子比三因子多了RMW和CMA因子，分別衡量了盈利能力強(qiáng)弱股票的收益差異和新增投資比例多少的股票組合的差異。對五因子的構(gòu)造，本文嚴(yán)格按照Fama在2015年JFE上的發(fā)表"Afive-factorassetpricingmodel"里面的步驟完成。圖1：Fama五因子時(shí)間序列展示圖*數(shù)據(jù)來源：表1：因子收益描述統(tǒng)計(jì)與因子間相關(guān)性（2010-2018）FactorPortfolioReturn(annualized)StdDevt-testforMean=0Cross-CorrelationsMKTSMBHMLRMWCMAMKT-4.2922.57-0.241.00SMB14.076.396.15-0.181.00HML4.197.001.820.28-0.421.00RMW4.654.393.110.16-0.720.301.00CMA3.432.993.360.16-0.26-0.250.441.001SMBHMLRMWSMBRMWSMBRMWFamaalpha章結(jié)論的準(zhǔn)確性。FF-5下的alpha衡量投資能力alpha來衡量投資經(jīng)理戰(zhàn)勝市場的能力。表2：不同分位下的單個(gè)基金業(yè)績表現(xiàn)（括號類為T值，下面是調(diào)整后R方）return1-Factor3-Factor4-Factor5-Factor12.23(1.79)6.47(1.20)6.53(1.22)-2.34(-0.44)10tMpcnt 198.6762.1277.2577.5878.499.92(1.28)11.21(1.96)11.30(1.99)-0.18(-0.03)25tMpcnt 152.9653.6675.5476.0677.417.75(0.77)4.64(0.66)4.70(0.66)-2.23(-0.31)Median 110.4344.2273.3873.5073.863.64(0.48)3.20(0.52)3.23(0.52)-4.25(-0.68)75tMpcnt 75.2353.6070.2670.3070.91-0.59(-0.08)-14.77(-2.86)-14.73(-2.87)-15.51(-2.94)90tMpcnt 42.0263.4183.2083.3383.182是用不同分位數(shù)下的單個(gè)基金和不同因子回歸得出的alpha,2010-20172RFama金被解釋程度高，這是由于2010-2017200%，而動(dòng)量因子收益是-60%左右，極端的基金在極端的因子上暴露較大，所以出現(xiàn)被解釋度高的情況。2alphaRFama五因子定價(jià)模型。alpha計(jì)算表3：市場部分基金的alpha展示（alpha已年化處理）基金代碼基金名稱20180101-2018123120170101-20181231alphaAlphaTvalueR^2alphaAlphaTvalueR^2519712.OF交銀阿爾法42.473.6077.4326.723.4870.95000849.OF匯豐晉信雙核策6.321.1689.576.751.9085.64110030.OF易方達(dá)滬深300量化0.730.2197.425.552.1795.48003876.OF華寶滬深3005.271.8098.486.923.0696.97100038.OF富國滬深3009.023.3298.567.974.2897.70002624.OF廣發(fā)優(yōu)企精選19.511.9280.0618.242.9875.86040001.OF華安創(chuàng)新4.860.5982.19-3.85-0.7076.60180012.OF銀華富裕主題7.830.6682.2112.411.4973.89001186.OF富國文體健康4.080.3780.4714.291.9975.12000326.OF南方中小盤成長-1.59-1.1373.20-1.69-1.9369.14001104.OF華安新絲路主題4.240.5583.664.350.9079.05399011.OF中海醫(yī)療保健41.272.0165.9027.812.4263.14001974.OF景順長城量化新動(dòng)力5.061.1696.507.812.5094.14001714.OF工銀瑞信文體產(chǎn)業(yè)30.593.6287.9721.963.6781.64217027.OF招商央視財(cái)經(jīng)507.831.1692.8215.053.1988.83為了展示R方的變化特性以及alpha排序和收益率排序偏離的情形，表3展示了市場部分基金在2018年、2017和2018這兩年的alpha情況。從上表我們可以看出這十五個(gè)基金在2018年的R方顯著大于2017和2018這兩年里計(jì)算的R2017300300300RalphaRalphaFOF組合長期配置來戰(zhàn)勝市場。表3展現(xiàn)出一個(gè)更重要的信息，就是Alpha的排序可能和收益率的排序有較大偏離，有偏離是很正常的，alphaalphaalpha本文下節(jié)就該問題進(jìn)行深入討論。“實(shí)力”與“運(yùn)氣”解構(gòu)基金業(yè)績成有個(gè)深度的分析與解剖。Alpha、alpha本身估計(jì)原因，由統(tǒng)計(jì)方法帶來的；(2)、潛在因素（latentfactororconfounders）(3)、殘差項(xiàng)本身確實(shí)是收益率的構(gòu)成部分，不能把不被解釋的“殘差”一概歸忽略。討論，下文我們分別討論第二點(diǎn)、第三點(diǎn)。潛在因素導(dǎo)致alpha估計(jì)有偏我們假設(shè)基金收益率服從以下“真實(shí)”數(shù)據(jù)生成過程：reWZ,

i1,...,N,t1,...,Tit i it it it其中：i是風(fēng)險(xiǎn)調(diào)整后的收益；Wt是被發(fā)現(xiàn)的系統(tǒng)風(fēng)險(xiǎn)因子；Zt是現(xiàn)實(shí)存在但未被發(fā)現(xiàn)的風(fēng)險(xiǎn)因子；itE(itjs0如果i

jorts但實(shí)際中我們沒有認(rèn)識到或者說沒有發(fā)現(xiàn)Z因素的存在，只按照下述過程估計(jì)：it i it it i it

i1,...,N,t1,...,T如果：

u

WV

E(V)0那么缺失因子下的OLS估計(jì)是有偏的，并且：iiiuiiiv所以說，因素考慮過少會帶來alpha的有偏估計(jì)，進(jìn)而用alpha作為業(yè)績的代理指標(biāo)可能在選基時(shí)得出偏誤結(jié)論。從上文來看，五因子解釋力度良好，很多基金R方在80%以上，因此該效應(yīng)，本文也不去探討。關(guān)于“殘差”不能被忽略alphaalpha很可能恰恰是基金經(jīng)理能力的體現(xiàn)，當(dāng)然也有可能只是“運(yùn)氣”，比如基金重倉股由于“游資”的原因，在某幾個(gè)交易日股票沖高，帶來基金收益率相對因子來說有較大的正偏離。當(dāng)然，如果基金經(jīng)理總是能夠踩中“運(yùn)氣”，這也是一種實(shí)力，關(guān)于“運(yùn)氣”，后文繼續(xù)探討。圖2：“回歸”的圖形演示*數(shù)據(jù)來源：殘差形成原因：（我們只討論殘差為正值的情形，負(fù)值同理）不存在。基金經(jīng)理選股能力；基金經(jīng)理選股能力強(qiáng)，能夠選出超越市場的股票。“運(yùn)氣”好；單純由于持倉股票的隨機(jī)跳躍導(dǎo)致。殘差為“實(shí)力”或“運(yùn)氣”的探討Fama3：殘差的分布舉例（2017年交銀新成長（519736.OF）

001245.OFAlpha=23.24% R^2=66.58% Alpha=-15.73%*數(shù)據(jù)來源：圖4：權(quán)益基金的Fama五因子各年度R方中位數(shù)*數(shù)據(jù)來源：R70%4部分，我們把他稱之為“運(yùn)氣”。二是R方較低的情形，低于70%甚至低于60%，這種情況在2017年出現(xiàn)過。由于大多數(shù)基金的R方低于alpha成分，而且不可忽視，圖3中，交銀新成長在2017年的R方為66%，收益率表現(xiàn)較好，其殘差在分布在右邊有明顯的肥尾，說明其在某段時(shí)間有較大幅度的超越FF-5秘因子”，此時(shí)，較高的殘差是“實(shí)力”表現(xiàn)。在下一部分，我們試圖構(gòu)造“實(shí)力”alpha與“運(yùn)氣”alpha的分布，做如下統(tǒng)計(jì)檢驗(yàn)：統(tǒng)計(jì)檢驗(yàn)1（R方較小情形）：H0:alpha來源于實(shí)力如果事實(shí)上，alpha小于95%置信區(qū)間，則接受原假設(shè)，認(rèn)為該基金在某年的alpha是靠實(shí)力取得。統(tǒng)計(jì)檢驗(yàn)2（R方較大情形）：H0:alpha來源于運(yùn)氣如果事實(shí)上，alpha大于95%置信區(qū)間，則拒絕原假設(shè)，認(rèn)為該基金在某年的alpha是靠實(shí)力取得，不是靠運(yùn)氣。圖5：示例—如果alpha在“實(shí)力”alpha置信區(qū)間內(nèi)（藍(lán)色區(qū)域）則認(rèn)為“有實(shí)力”*數(shù)據(jù)來源：Bootstrapalphaalpha即市場中表現(xiàn)最優(yōu)的（以確定投資對象（本文應(yīng)用的bootstrapalpha高達(dá)10%1000alpha因?yàn)椤斑\(yùn)氣”，還是因?yàn)椤皩?shí)力”。使用bootstrap提供了一種非參數(shù)的推斷方法，依靠的是對觀測到的樣本進(jìn)行有放回的隨機(jī)抽樣，用生成的經(jīng)驗(yàn)分布（empiricaldistribution）近似真正的分布。本文之所以使用bootstrap方法對基金選股能力進(jìn)行檢驗(yàn)，主要出于以下兩方面的原因：單個(gè)基金alpha非正態(tài)分布。bootstrap結(jié)果的準(zhǔn)確度。不同基金alpha的分布較為復(fù)雜，并非正態(tài)分布。alpha于某幾支alpha因素很重要，因?yàn)楦唢L(fēng)險(xiǎn)的基金往往都集中持有相似行業(yè)的股票，甚至是一樣的股票。基金alpha非正態(tài)分布也許意味著跨基金alphaalpha跨基金alpha非正態(tài)分布的情況。舉例說明，假設(shè)我們有1000支在取樣期內(nèi)成立超過336個(gè)月的基金。每支基金的殘差獨(dú)立同分布，并且都服alpha336個(gè)月的殘差均值來衡量每個(gè)基金的alpha在這個(gè)例子中，跨基金alpha呈現(xiàn)正態(tài)分布。假設(shè)這1000支基金的殘差的方差服從均勻分布2~U0.5,1.5（方差均值仍然為跨基金alpha（相較正態(tài)分布（2）1%的基金殘差標(biāo)準(zhǔn)差為99%的標(biāo)準(zhǔn)差為方差均值仍然為alpha（相較正態(tài)分布味著這些基金的殘差出現(xiàn)在跨基金alpha90%的標(biāo)準(zhǔn)差為方差均值仍然為基金alpha的分布在5%及3%1%性，那么不管單個(gè)基金收益的分布如何，跨基金alpha的分布會區(qū)別于正態(tài)分布，出現(xiàn)厚尾或薄尾現(xiàn)象。alphaα的t異，但由于t統(tǒng)計(jì)量通過標(biāo)準(zhǔn)差已經(jīng)進(jìn)行了標(biāo)準(zhǔn)化，消除了不同風(fēng)險(xiǎn)的影響，所以這并不會引起t分布出現(xiàn)非正態(tài)的問題。然而，單個(gè)基金殘差的非正態(tài)性仍然會導(dǎo)致跨基金t統(tǒng)計(jì)量呈現(xiàn)非正態(tài)分布。（樣本大小方法則通過構(gòu)建跨基金alpha間的經(jīng)驗(yàn)聯(lián)合分布，很好地揭示了不同基金收益間的相關(guān)性及異方差性。bootstrap傳統(tǒng)的正態(tài)分布進(jìn)行檢驗(yàn)，只有當(dāng)數(shù)據(jù)滿足以下條件時(shí)才具有參考價(jià)值：（1）各基金收益的殘差服從多元正態(tài)“實(shí)力”或“運(yùn)氣”橫截面分布構(gòu)造過程在本文中，我們并非直接使用估計(jì)量?進(jìn)行檢驗(yàn)，而是考慮其t統(tǒng)計(jì)量的估計(jì)量t??。原因體現(xiàn)在以下三點(diǎn)：檢驗(yàn)統(tǒng)計(jì)量通過用的方差估計(jì)值來標(biāo)準(zhǔn)化以糾正偽異常值。具體而言，對于成立時(shí)間較短或者高風(fēng)險(xiǎn)的基金，其alpha往往存在較高方差。標(biāo)準(zhǔn)差的分布比的分布具有更好的統(tǒng)計(jì)性質(zhì)。本文將bootstrap分析方法運(yùn)用于FamaFrench五因子模型，對基金的選股能力進(jìn)行分析。FamaFrench五因子模型利用基金的收益率和因子收益率的回歸得到alpha，以衡量基金業(yè)績。具體表示為：ri,tiiMKTtsiSMBthiHMLtriRMWtciCMAti,t其中，左邊的r是基金i在t月的超額收益，即基金iMKTSMBSmallminusBig)、估值因子HMLHighminusLowBP)、盈利因子RMW(RobustminusWeakprofit)、投資因子CMA(ConservativeminusAggressiveinv)。在構(gòu)建不同因子的Fama50%分位的股票組合收益減去下50%分位組合的收益，得到多空組合下因子的收益數(shù)據(jù)。以下具體說明bootstrap算法過程（以低R方為例）：首先，利用FamaFrench五因子模型對每個(gè)基金i的月度超額收益進(jìn)行回歸：iii,t?i?MKtiSMt?HMtiRMtiCMti,tiiiii得到相應(yīng)的系數(shù)估計(jì)?i,?,i,?,i,ii,t,ti0,,i1alpha的t統(tǒng)計(jì)量?。iii截距項(xiàng)i表示各因素超額收益為0時(shí)基金i的超額收益，即我們要研究的基金的選股“技巧”。i,t為殘差，就是模型中未解釋的因素的集合，我們將其稱為基金的“實(shí)力”。b,tsb,sb。這里的代表bootstrap的序號（b=1代表第一組重新取樣排列的殘差），sb,,sb 是i,t

Ti0

Ti1

Ti0

Ti1從i0,,i1i的1i01重新排序。需要注意的是重新抽樣只改變了殘差的排序，其他變量的排序沒有改變。

個(gè)原有樣本的殘差進(jìn)行了假設(shè)基金的選股能力為零（即0,或者說

0），將新的殘差序列

帶入步驟（1）中的公式，i i,t可得到基金i的偽超額收益序列bi,t

i,ti,t i t i t i t i t i t bi,t i t i t i t i t i t

?Abi,tii對新生成的b，利用FamaFrench五因子模型進(jìn)行回歸，得到新的bi,tii

。在步驟（3）的假設(shè)下，iii它們的真實(shí)值為0，得到的b及b不為0是因?yàn)椤皩?shí)力”（殘差蘊(yùn)含“不知名因子”）。若得到一個(gè)正的biiii可能是因?yàn)閎ootstrap隨機(jī)抽取的樣本中大多數(shù)具有正的殘差;也許得到一個(gè)負(fù)的bi在大量的負(fù)殘差。iN個(gè)基金將得到N個(gè)t統(tǒng)計(jì)量b（i,ib

b

rank

b

rank

b

rank(N

b

min（6）重復(fù)步驟（2）至（5）1000次（b1,,1000），將得到1000組排序：2

2

rankrank

2

rankrank

2

rank(Nrank(N

2

minmin9

9

rank

9

rank

9

rank(N

9

rank

rank

rank(N

min利用以上1000組中大小排序相同的b例如排序最高的t統(tǒng)計(jì)量：1) ,2) ,9) ,0

），可i

max

max

max以生成這些i對應(yīng)的分布函數(shù)fi)。這一步對不同排名（k）的基金都給出了相應(yīng)的“實(shí)力”參照分布。?fi)alpha為零為前提，通過對殘差的隨機(jī)取值形成的。因此如果發(fā)現(xiàn)實(shí)際數(shù)據(jù)回歸得到的alpha的t統(tǒng)計(jì)量小于絕大部分通過bootstrap產(chǎn)生的alpha的t統(tǒng)計(jì)量，那么得出結(jié)論：不拒絕實(shí)力分布，基金的業(yè)績靠實(shí)力。圖6：2017年alpha前十名基金“實(shí)力”alpha橫截面分布*數(shù)據(jù)來源：FOFAlphaalpha報(bào)對以下關(guān)系進(jìn)行了實(shí)證檢驗(yàn)：i,t 0,t1,ti,t

i,tcurrent表4：各年度下rho1估計(jì)值與t值1-Factor3-Factor4-Factor5-Factor2010-0.31(-3.88)0.05(0.52)-0.03(-0.32)0.20(2.82)20110.40(4.16)0.57(5.08)0.56(5.17)0.48(4.65)2012-0.21(-1.01)0.07(0.58)0.05(0.37)-0.20(-1.50)2013-0.01(-0.08)-0.03(-0.33)-0.03(-0.33)0.09(0.83)2014-0.02(-0.10)0.29(1.38)0.37(1.68)0.33(1.65)2015-0.16(-2.62)0.14(3.14)0.13(3.14)0.10(2.04)20160.09(1.38)0.29(6.33)0.35(7.29)0.29(7.07)*注：引用《公募基金業(yè)績而可持續(xù)性分析》4alpha值更大。這是因?yàn)椋嘁蜃幽Ｐ涂紤]了更多影響收益的因素，多因子下的alpha更能代表基金經(jīng)理alphaalpha4alphaalpha是正向的關(guān)系。增強(qiáng)收益alphaFOF假設(shè)目前是2018年初，我們需要優(yōu)選基金，構(gòu)建FOF組合。首先構(gòu)造基礎(chǔ)樣本，選取2016年06月30日之1200alpha，R5。表5：2017年alpha前二十優(yōu)秀基金的“運(yùn)氣實(shí)力”情況展示（后兩列是2018年業(yè)績表現(xiàn)）funds_codenamemanagerfunds_alphafunds_rsquarefunds_tBoot95%quantileluckorskill2018return2018volatility519736.OF交銀新成長王崇23.24%66.58%2.893.25skill-15.99%23.91%001975.OF景順長城環(huán)保優(yōu)勢楊銳文21.60%65.96%2.452.66skill-20.97%23.22%050014.OF博時(shí)創(chuàng)業(yè)成長A韓茂華19.01%64.16%1.741.75skill-21.73%23.48%001208.OF諾安低碳經(jīng)濟(jì)盛震山18.89%61.27%2.132.24skill-13.63%20.42%260101.OF景順長城優(yōu)選楊銳文18.25%62.65%2.052.10skill-19.64%20.52%100026.OF富國天合穩(wěn)健優(yōu)選楊棟,張嘯偉18.16%58.83%2.232.44skill-19.89%20.91%100020.OF富國天益價(jià)值李曉銘,許炎17.61%53.78%1.761.77skill-22.04%23.57%519694.OF交銀藍(lán)籌陳孜鐸,王少成16.70%58.69%2.072.14skill-15.55%19.98%260116.OF景順長城核心競爭力余廣15.28%64.78%1.661.67skill-26.34%23.86%001542.OF國泰互聯(lián)網(wǎng)+彭凌志21.92%51.25%1.651.65luck-32.22%25.34%110022.OF易方達(dá)消費(fèi)行業(yè)蕭楠20.11%47.23%1.511.34luck-23.47%27.01%050018.OF博時(shí)行業(yè)輪動(dòng)陳雷19.23%40.87%1.581.53luck-23.37%25.01%162607.OF景順資源楊銳文18.59%64.09%1.901.84luck-22.15%23.38%398061.OF中海消費(fèi)主題精選姚晨曦17.93%54.23%1.431.25luck-35.26%22.47%001186.OF富國文體健康林慶17.78%63.40%1.961.94luck-22.59%22.59%001076.OF易方達(dá)改革紅利郭杰16.28%59.63%1.571.48luck-24.27%28.63%163406.OF興全合潤分級謝治宇16.03%74.26%2.052.05luck-25.54%23.90%260108.OF景順長城新興成長劉彥春15.87%52.01%1.261.10luck-15.81%26.65%000083.OF匯添富消費(fèi)行業(yè)胡昕煒15.23%52.81%1.231.06luck-18.38%24.79%001475.OF易方達(dá)國防軍工陳皓15.19%56.39%1.401.20luck-27.95%26.64%最終，利用2017年計(jì)算出來的alpha前二十基金中，靠“實(shí)力”有9個(gè)，它們在2018年的平均收益率是-19.53%，年化波動(dòng)率22%，而“運(yùn)氣”組合是-24.64%，年化波動(dòng)率25%。圖7：“實(shí)力”“運(yùn)氣”組合在2018年累積收益圖表6：2018年alpha前二十優(yōu)秀基金的“運(yùn)氣實(shí)力”情況展示（高R方情形）funds_codenamemanagerfunds_alphafunds_rsquarefunds_tfunds_boot_quantileluckorskill519698.OF交銀先鋒芮晨54.42%71.06%2.902.64skill398011.OF中海分紅增利邱紅麗49.31%68.56%2.522.25skill001268.OF富國國家安全主題王海軍47.35%70.46%2.312.10skill519712.OF交銀阿爾法何帥42.47%77.43%3.603.23skill001938.OF中歐時(shí)代先鋒A周應(yīng)波38.66%83.28%3.292.98skill121003.OF國投瑞銀核心企業(yè)于雷,吉莉36.81%66.27%2.001.88skill000960.OF招商醫(yī)藥健康產(chǎn)業(yè)李佳存33.54%65.45%1.671.48skill001714.OF工銀瑞信文體產(chǎn)業(yè)袁芳30.59%87.97%3.623.86luck360010.OF光大精選戴奇雷30.25%72.82%2.612.37skill162212.OF泰達(dá)宏利紅利先鋒鄧藝穎28.60%82.43%2.342.15skill000339.OF長城醫(yī)療保健譚小兵28.06%78.05%2.252.06skill160918.OF大成中小盤魏慶國27.64%81.07%2.862.54skill240001.OF華寶寶康消費(fèi)品胡戈游26.81%83.79%3.062.78skill257070.OF國聯(lián)安優(yōu)選行業(yè)潘明26.79%74.76%1.451.13skill166011.OF中歐盛世成長A魏博25.57%73.66%1.921.82skill519115.OF浦銀安盛紅利精選陳蔚豐24.79%78.04%1.731.53skill290008.OF泰信發(fā)展主題錢鑫24.57%75.35%2.041.91skill290006.OF泰信藍(lán)籌精選車廣路24.32%72.17%1.631.40skill002340.OF富國價(jià)值優(yōu)勢王海軍24.22%80.38%1.741.55skill162201.OF泰達(dá)宏利成長周琦凱24.01%79.04%1.671.49skill附錄：1、參考文獻(xiàn)：RobertKosowski&AllanTimmermann&Russ&HalWhite,2006."CanMutualFund"Stars"ReallyPickStocks?NewEvidencefromaBootstrapJournalofFinance,vol.61(6),pages2551-2595,Fama,&French,K.R.2015,five-factorassetpricingmodel",JournalofFinancialEconomics,vol.116,no.1,pp.1-22.JingshuQingyuanZhao,Hastie,ArtB.Owen(2017).Confounderadjustmentinmultiplehypothesistesting.AnnalsofStatistics,45(5),1863–1894.Bai,Jushan,andKunpengLi,2012,Statisticalanalysisoffactormodelsofhighdimension,TheAnnalsofStatistics40,436-465.Efron,B.,andR.J.Tibshirani,1993.AnIntroductiontotheBootstrap,MonographsonStatisticsandAppliedProbability(ChapmanandHall,NewBaks,KlaasAndrewMetrick,andJessica2001,Shouldinvestorsavoidallmanagedmutualfunds?AstudyinBayesianperformanceevaluation,JournalofFinance56,45-85.Carhart,MarkM.,1997,Onpersistenceinmutualfundperformance,JournalofFinance52,57-82.Daniel,Kent,MarkGrinblatt,SheridanTitman,andRuss1997,Measuringmutualfundperformancewithcharacteristic-basedbenchmarks,JournalofFinance52,1035-1058.2、部分R代碼：程序問題請聯(lián)系：baozan@;#thiscodeaimsatcalculatingthebootstrappedalphadistributionforonefundorstocklibrary(mongolite)；library(xts)；library(WindR)；w.start()boot_alpha=function(fund_code,url,start_date,end_date,boot_size=1000){con=mongo(collection="FactorReturn",#表名dbFama