Improved inference in the evaluation of mutual fund performance using panel bootstrap methods
利用面板bootstrap改进共同基金绩效评价推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确结合基金与时间效应的面板估计，并使用和扩展金融绩效基准因子，支持这两个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用面板bootstrap改进共同基金绩效评价推断
- 研究问题
- 评价共同基金相对基准的绩效时，如何同时处理基金与时间效应、收益非正态性和基金特征，并判断扣费后的超额表现？
- 方法与思路
- 作者用含基金和时间效应的面板方法估计基准模型，以面板bootstrap处理收益非正态性，并在标准基准因子中加入基金规模等特征。
- 材料陈述的贡献
- 摘要称，英国股票基金样本中规模与平均基准调整绩效负相关；考虑时间效应和非正态性后，未发现最佳经理扣费后显著超越扩展基准。
- 阅读关注点
- 应核对基准因子与基金特征选择、面板bootstrap保留的依赖结构，以及最佳绩效基金的筛选方式和管理费处理。
- 阅读边界
- 出版社摘要未给样本时期、显著性阈值或重抽样细节；未发现显著超额表现不等于证明所有基金经理均无能力。
原文摘要
Two new methodologies are introduced to improve inference in the evaluation of mutual fund performance against benchmarks. First, the benchmark models are estimated using panel methods with both fund and time effects. Second, the non-normality of individual mutual fund returns is accounted for by using panel bootstrap methods. We also augment the standard benchmark factors with fund-specific characteristics, such as fund size. Using a dataset of UK equity mutual fund returns, we find that fund size has a negative effect on the average fund manager’s benchmark-adjusted performance. Further, when we allow for time effects and the non-normality of fund returns, we find that there is no evidence that even the best performing fund managers can significantly out-perform the augmented benchmarks after fund management charges are taken into account.