互惠基金篩選算法評估

 

 

筆者曾於去年二月提出篩選MF的金式算法. 傳統的篩選MF方法大多數是根據幾個定性的指標,如有否 LOAD CHARGE, MER, RATE　ＯＦ RETURN, 和基金經理的STYLE等.這些指標除了RETURN RATE和MER是定量外,其他多數是定性的,用這些定性指標篩的的缺點是不直觀,主觀意識教強. 金式算法將MER, MUTIPLE RATE, 經理業績,RISK, BETA等多項指標加權統一到一個簡單的評價算式中,通過計算器或EXCEL即可迅速得到其評價因子. 根據評價因子單一指數來比較MF的綜合性能或優劣就顯示出它簡單易操作的優點,有那末一點量化分析的味道.

 

一晃將近一年又過去了,這個算法是否真的管用? 是否經得起時間的檢驗?筆者追逐考察了能源板塊的幾個MF,現將結果整理如下,供大家參考.

 

表1是05年2月10日記錄的用算法計算的結果.

 

基金名	RISK	BETA	評價因子	RANK
TD Energy	13.94	0.8	0.35765	1
RBC Energy	16.14	0.9	0.34071	2
Dominion Equity Resources	17.8	1.0	0.2184	3
CIBC Energy	16.1	0.88	0.2184	4
Altamira  Resources	18.42	1.16	0.14918	5
Sentry Canadian Resources	14.55	0.89	0.1360	6
TDK Resource	17.31	0.95	0.12643	7
Front-Street Energy Growth-I [注釋1]	17.77	0.5	0.12523	8
EnerVest Natural resource	21.44	1.09	0.09591	9

 

[注釋1]: 該MF沒有EMR數據,為了比較方便,使用上述幾個MF的平均值3.13%.另外,當時沒有BETA數據,故采用06年1月5日的數據(0.5).

 

從表中,大致可以看出評價因子與RISK,BETA成反比,即RISK和BETA越小的MF,排名越靠前,它與SHARP RATIO和TREYNOR RATIO的算式是一致的.

 

表2是表1中的MF今日(06年1月5日)計算的結果:

 

基金名	評價因子	RANK	CHANGE IN　ＲＡＮＫ	RETURN	RANK IN RETURN
TD Energy	0.31971	1	No change	49.15%	1
RBC Energy	0.30144	2	No change	46.44%	2
function forumSelected() { var forumId = $("#forumId").val(); if(forumId == null || '' == forumId) { alert('請選擇論壇.'); } else { } } [ 打印 ] [ 加入書簽 ] 閱讀 () ┆ 評論 (0) 評論 目前還沒有任何評論 登錄後才可評論.