基于Bayes的开放式基金业绩的评价方法

摘要

文章在Bayes分析框架下,构建了估计基金绩效指标alpha的贝叶斯阶层学习先验模型,对模型中的参数赋予一定先验,把基于大量基金样本估计出的基金平均绩效水平与基金alpha横截面变异性这一信息加入到单个基金alpha的估计中,运用Gibbs抽样方法从后验分布中抽样,用后验样本的均值来估计未知参数。研究结果表明,引入基金先验相关性可以很好地估计基金alpha,提高其估计精度。