从统计数据看什么样的基金经理最会赚钱

正文

请到「今天看啥」查看全文

为此，熊大觉得备受鼓舞，决心继续研究下一个问题：基金经理的从业年限（也就是经验）是否同基金的表现相关呢？为此，根据基金经理不同的从业年限分组，并作直方图如下。

艾玛，这张图就有点奇葩了。大家看到什么奇葩现象没？这张图里哪一组的平均收益率最高？表现最优异？不是经验最丰富的（从业年限＝8年）的基金经理。而是从业经验比较欠缺的。尤其是从业1年的这些基金经理，他们的表现最好，风险调整后的收益率为：3.26%。这是怎么回事？难不成这说明基金经理的经验不值钱？以后应该用新人，尤其是入行1年的新人作基金经理，并且在下一年把他们解聘。怎么样？这个主意不错吧？

我相信大家都不会认同熊大的主意，这个馊主意显然不合情理。但是问题出在哪里？我想这里有无穷多种可能。但是，按照批判性数据思维的基本理论框架去检讨，我们很容易会聚焦在一个问题上，那就是：样本量！于是乎又有了下面这个直方图，非常漂亮，跟正态分布好像。我们发现绝大多数基金经理的从业年限是4-5年左右。真正经验非常丰富的（例如：大于7年的），并不多。另外，新入行的基金经理，非常少。具体到从业1年的基金经理们（也就是基金业绩表现最好的那一组），他们的样本量才15个！对，15个，15个，15个！重要的事情说三遍。大家看，这个样本量是不是也太少了点？

好吧，大家都认为这一组的样本量太小了，以至于没有任何信度。但是，反过来说，您说样本量要多大才算大？有一个简单的标准，或者方法论帮助大家回答这个困惑吗？答案是肯定的。这就是我们今天要跟大家分享的，一个统计学中极其重要的概念，就是：标准误差（Standard Error, SE）。说白了，从业1的基金经理形成了一个样本组，该组的样本量是15。然后，基于这15个样本，人们计算了他们的样本均值：。假设资本市场上，所有从业1年的基金经理看作一个整体的话，那么是对这个整体的平均收益率的一个样本估计。假设这个总体的平均收益率是mu，那么是对mu的一个无偏估计。这说明，作为一个估计量，它不会系统性滴高估，或者低估mu。这是一个大好事。所以，请大家热烈鼓掌！

请到「今天看啥」查看全文