کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
11023361 | 1701303 | 2018 | 26 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Time-varying skills (versus luck) in U.S. active mutual funds and hedge funds
ترجمه فارسی عنوان
مهارت های متغیر زمان (در مقابل شانس) در ایالات متحده صندوق های سرمایه گذاری متقابل و صندوق های حمایتی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
در این مقاله، ما یک روش غیر پارامتری برای تخمین و آزمایش صندوق ها و بتا های مختلف متغیر و همچنین همتایان بلندمدت آنها (به عنوان مثال، میانگین زمانهای سری آنها) را توسعه می دهیم. مدل خطی سنتی به عنوان یک مورد خاص بدون تغییر زمان در ضرایب رخ می دهد. شواهد شبیه سازی مونت کارلو نشان می دهد که روش ما در نمونه های محدود به خوبی عمل می کند. با استفاده از روش ما برای صندوق های متقابل ایالات متحده و صندوق های تامینی، ما با بیشترین زمان تلفات را کاهش می دهیم. ترکیب روش ما با روش بوت استرپ که برای "شانس" کنترل می شود، مثبت بلند مدت بلندمدت صندوق های متقابل است، اما صندوق های تضمین شده ناپدید می شوند، در حالی که منافع بلند مدت هر دو از صندوق های متقابل و صندوق ذخیره باقی می مانند. ما قوی تر نتایج ما را با تغییر معیارها، شاخص های مهارت و شاخص های نمونه، بررسی می کنیم.
موضوعات مرتبط
علوم انسانی و اجتماعی
اقتصاد، اقتصادسنجی و امور مالی
اقتصاد و اقتصادسنجی
چکیده انگلیسی
In this paper, we develop a nonparametric methodology for estimating and testing time-varying fund alphas and betas as well as their long-run counterparts (i.e., their time-series averages). Traditional linear factor model arises as a special case without time variation in coefficients. Monte Carlo simulation evidence suggests that our methodology performs well in finite samples. Applying our methodology to U.S. mutual funds and hedge funds, we find most fund alphas decrease with time. Combining our methodology with the bootstrap method which controls for 'luck', positive long-run alphas of mutual funds but hedge funds disappear, while negative long-run alphas of both mutual and hedge funds remain. We further check the robustness of our results by altering benchmarks, fund skill indicators and samples.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Empirical Finance - Volume 49, December 2018, Pages 81-106
Journal: Journal of Empirical Finance - Volume 49, December 2018, Pages 81-106
نویسندگان
Biqing Cai, Tingting Cheng, Cheng Yan,