香港特区人口老化情况严重,冀需完善目前作为主要退休保障机制的强制性公积金制度。本文希望为将来有志改善强制性公积金制度的人士或部门提供合用的评核机制及有参考价值的研究数据,藉此有助改善香港特区的市民生活素质和促进香港特区的社会稳定。首先,本文采用三因子模型,夏普比率及Treynor比率去检视强制性公积金的回报成效。除了货币市场基金外,未见有显着的不足。其次,本文采用Treynor与Henriksson的两个传统模型以每日回报数据去衡量强制性公积金基金经理的择时能力。之所以选择日度数据取样频率而非两个模型当年面世时分别采用的年度和月度取样频率,是基于一般而言提升取数据取样频率可以提升评核机制的解析度。而提升评核机制的解析度为提升机制的评核效能创造了有利条件。按传统模型所见,约69%的强制性公积金基金经理没有显示能通过置信度测试的择时行动。而有显示能通过置信度测试的择时行动的绝大部分在择时方面的举措不单没在促进基金委托人的利益,反而是在损害委托人的利益。于是本文进行跟进探究试图找出究竟是基金经理的表现果真如此,还是评核机制需要因应强制性公积金的特性作调节。因为本文寻求有效的基金经理的择时能力评核机制的原意是要用以选拔优秀的强制性公积金经理。在强制性公积金基金经理之中,想要寻求的是长线回报导向的择时能力。所以目标机制是以“长线回报导向”为前提。经过仔细观察,发觉在高回报数据取样频率下,即使是长线回报导向的择时模范,仍然得不到传统择时能力评核模型给予“显示了能通过置信度测试的择时能力”的评价。经过深入探讨,发觉问题是出在额外投资组合回报对应额外市场组合回报直角坐标平面上本文以下称之为入侵点的数据点带来的干扰。入侵点是指取样期市场状况和长线市场状况相反的数据点。入侵点包括长线上升市况时段内市场的额外回报为负值的日度、月度或年度数据点,以及在长线下跌市况时段内市场的额外回报为正值的日度、月度或年度数据点。原居点是指取样期市场状况和长线市场状况相同的数据点。原居点包括长线上升市况时段内市场的额外回报为正值的日度、月度或年度数据点,以及在长线下跌市况时段内市场的额外回报为负值的日度、月度或年度数据点。按照两个传统模型的观念,基金经理的择时能力表现在对取样期市况预测正确并采取了相应的beta值配置行动。对预测回报为正的取样期应将期内beta值配置为高,对预测回报为负的取样期应将期内beta值配置为低。只有是取样期额外市场组合回报为正的取样时段才是该将beta配置成相对高数值的取样时段,也只有是取样期额外市场组合回报为负的取样时段才是该将beta配置成相对低数值的取样时段。故此在额外投资组合回报对应额外市场组合回报的直角坐标平面上,只有额外投资组合回报轴的右侧才应该出现beta值高的数据点,左侧才应该出现beta值低的数据点。然而长线回报导向的择时模范会在长线牛市时段内为基金组合在每一个取样期配置了高beta值,不论其为取样期市场回报与长线市场回报同向为正的原居点还是反向为负的入侵点;以及在长线熊市时段内为基金组合在每一个取样期配置了低beta值,不论其为取样期市场回报与长线市场回报同向为负的原居点还是反向为正的入侵点。故此除了在额外投资组合回报轴的右边会出现beta数值高的原居点,左边会出现beta数值低的原居点外,也会在右边出现beta数值低的入侵点,在左边出现beta数值高的入侵点。高beta值入侵点在左联同高beta值原居点在右形成一条高斜率直线。低beta值原居点在左联同低beta值入侵点在右形成一条低斜率直线。如此长线回报导向的择时模范的数据点构成一对相交直线,因而偏离了传统模型对择时模范的数据点会构成一条向左上弯曲的弧线或一条朝向左上的折线的期望,致令他们的择时能力得不到传统模型的肯定。更甚者,提升回报数据取样频率会使入侵点占总体数据的百分率增加,因而使有择时能力的基金经理的数据图更大程度偏离两个传统模型对它们原有的设想。问题最根本的原因在于传统模型是以取样期回报导向作为选拔模范的准则。当取样期由当年的每年改为现今的每天,取样期回报导向就实质上由年度回报导向改为日度回报导向了。所以若然单方面提升回报数据取样频率而不在其他方面调节作配合,则当年的传统模型以低取样频率回报数据选拔中长线回报导向的择时模范会变成现今的传统模型以高取样频率回报数据选拔短线回报导向的择时模范。若要在提升取样频率后仍然持守以长线回报为导向,需要从根本上将评核机制由取样期回报导向改为长线回报导向。本文提出的方法是将投资组合的beta值的配置应是高还是低由取决于取样期回报是正是负改为取决于长线市场状况是牛是熊。基于入侵点在高取样频率下对两个传统模型的成效有严重影响,本文尝试在对数据集实施回归分析之前先将入侵点从数据集中移除。如此所得的传统模型微调版本对长线回报导向基金经理的择时能力的评核成效在测试中显示有所改善。为了取得进一步的改善,本文按照上面的理论分析设计了一个新的评核模型。以下称之为牛与熊模型。新模型与传统模型的最根本差别在于前者以对长线市况的预判取代对取样期内额外投资组合回报的预判作为配置取样期投资组合的beta值的指标。按照传统模型的准则,在日度回报数据取样频率下,不论是否处于长线牛市中,若猜想明天市况向下调整的机会超过一半,有择时能力的基金经理应该会因此在今天收市前将组合的beta值更改配置到低位。按照新模型的准则,在长线牛市的判断下,即使猜想明天市况向下调整的机会超过90%,组合的beta值仍然应该配置在高位才对。作为新模型的基础的想法如下:beta值反映的是基金组合持有的资产的内在特征。理论上,在beta值未有改变的时段内,由愈多的取样样本回归出的beta值估算在统计上的可信度愈高。提升取样频率可以在同一时段内取得较多的样本。然而在两套传统模型中,基金经理的择时能力表现在对取样期市况预测正确并采取了相应的beta值配置行动。这样一来,beta值的重议频率就和回报取样频率捆绑在一起了。提升回报取样频率会令beta值的重议频率提升。而beta值的重议频率的提升会使模型的评核标的由选拔长线市场回报导向者偏移向选拔短期市场回报导向者。取样期回报导向在效果上成为短线回报导向。然而即使是对同一位基金经理而言,要正确预测来年每一个交易天市场回报是正是负比正确预测来年的年度市场回报是正是负要困难得多。据之而作出的beta值重议的投机性在前者而言是不言而喻的。所以beta值的重议频率的提升会使模型偏向于青睐投机者。为了保持Treynor（1966）不期望评核对象会以短于一年的频率重议beta值的前设,和出于筛选强制性公积金管理人的需要,要得到适合长线回报导向基金经理择时能力的评核机制,有需要使beta值的配置频率和回报取样率脱钩。新模型改用了长线市况去决定beta值的配置。故此成为长线回报导向而非取样期回报导向的评核机制。在将回报取样频率由每年提升到每日的情况下,不单不需要提升beta值的配置频率,而且因为一个牛市可能持续数年之久,beta值的重新配置还可能变成实际上相隔数年。在高取样频率下,数据集中超乎传统模型的预期出现了入侵点。对在熊市中产生因而坐落在额外投资组合回报座标轴左侧的持低beta值的原居点所作的回归计算,会受到牛市中产生而延伸到左侧的持高beta值入侵点的干扰。因为牛与熊模型引入了按长线市况逆转点作分界将数据点按时段分组的观念,故此同一套回归数据集内的所有数据点都属于同一个牛市或熊市市段。因为牛市和熊市的数据点得到分隔,每一个牛市或熊市的回归计算都不会受到来自其他市段的入侵点所干扰。这就改善了回归结果的准确度。再者,因为每一个牛市或熊市的入侵点的目标beta值其实是和同一市段的原居点的相同,所以适合与原居点一起参与回归计算。因为直线回归讲究数据点集在回归直线方向上的跨度,入侵点是由原居地伸展到另一侧的数据点,所以入侵点加上原居点所产生的跨度要比较单是原居点的来得大。较诸撇除了入侵点的Treynor和Henriksson微调模型,多了它们参与回归计算,基于样本量和跨度方面的加强,会倾向于使回归结果更接近真值。简而言之,对传统的模型来说,入侵点是麻烦制造者。提升回报取样频率会加剧入侵点带来的困扰。对牛与熊模型而言,入侵点是贡献者。随后,本文设计了四类模拟基金放入最近十八年的标普500指数所代表的市埸去比对牛与熊模型与传统模型在效能上的差别。四类模拟基金分别代表四类有不同程度择时风格的基金经理:完美的、总是比长线市场方向转向超前将基金组合的beta值作转向配置的、总是滞后的、和总是在长线市场方向逆转前后的一段时间内分段逐步作转向配置的。牛与熊模型在这四类表现出完美或近乎完美的择时表现的模拟基金的择时能力的辨识能力都比传统模型及其撇除了入侵点的微调版本为优。之后,从晨星公司所提供的数据库中约27,000个开放式美国市场互惠基金基金按名字中包含有balanced关键字作搜索。在搜寻结果中再除去未能涵盖2000年3月27日至2018年1月26日整个时段的基金。得到259个混合型基金基金以上述五个模型/版本去评核。基于混合型基金所标榜的投资策略包括择时举措,有理由期望有较大机会能遇上能表现出有择时能力的基金。结果中以牛与熊模型汇报有择时能力的个案最多。不同于上述四类模拟基金,因为无从知悉被评核基金的beta值的真正转变程度,所以不能作出给分越高的评核机制的评核效能越好的推论。将五个机制各自最推许的基金作目视检测,发觉以牛与熊模型的评核最为可靠。最后,以牛与熊模型评核强制性公积金管理人的择时能力。模型汇报的结果和传统模型汇报的结果相若。本文的结论之一是香港特区的强制性公积金基金经理大致上没有表现出择时能力。本文的结论之二是本文为选拔以长线回报导向的有择时能力的基金经理所设计的评核机制在高回报数据取样频率下比传统机制有效。本文的第一个创新点在于留意到传统模型检测模范择时举措的准则有取样期回报导向的本质,因而随着所采用的回报数据取样频率的改变模型选拔择时模范的准星会有所偏移。在采用低取样频率回报数据时模型所要选拔的择时模范效果上是长线回报导向的,而在采用高取样频率回报数据时模型所要选拔的择时模范效果上是短线回报导向的。提高回报数据取样频率会使取样期回报导向在效果上成为短线回报导向。这个意念反映在运作上的效果是,提高回报数据取样频率会使有模范长线回报导向择时能力的基金的数据点集在额外投资组合回报对额外市场组合回报的直角坐标平面上的图像与具有模范取样期回报导向择时能力的产生显着差别。其差别足以令到以取样期回报导向的传统的基金经理择时能力评核模型在高回报数据取样频率下不能对长线回报导向的基金经理的择时能力作公平的评核。本文的第二个创新点在于为提升在高回报数据取样频率下对长线回报导向的基金经理的择时能力的评核能力,对传统模型提出了微调方案。本文的第三个创新点在于顺应着提升回报数据取样频率的潮流设计了新的评核模型去填补了传统模型在高取样频率下对长线回报导向基金经理择时能力的评核能力的不足。新模型不是透过对旧模型所用的数据添加条件以提升结果的统计显着性而成,而是透过对旧模型的基石之一,即基金beta值的配置准则作改换而成。上述这些模型不只适用于强制性公积金,也适用于世界市场所有开放式基金的长线回报导向的基金经理的择时能力评核之用。本文的第四个创新点在于拓宽了择时能力的观念,为上述五个基金经理择时能力评核模型/版本在高回报数据取样频率的背景下各自找到新的定位。两个传统模型负责评核短线回报导向择时能力。广义的新模型负责评核长线回报导向择时能力。处于两者之间的则由两个传统模型的广义的微调版本负责处理。新模型还有可完善之处。新模型第一个可改善之处是,基于它的设计特性,它仅能针对以长线回报导向的基金经理之间的择时能力进行比较。对于以短线投机回报导向的基金经理的择时举措它会误判为错误配置,因而不能正确辨识这种风格的基金经理的择时能力。然而真实生活中的基金经理在主动式基金的操作上可能有不同程度的投机行为。若然在主要针对以长线回报导向的基金经理的择时能力的评核机制增添一些对投机性质的包容能力,会提升整个机制的实用性。新模型第二个可改善之处在于接受评核的基金与表现出完美择时能力的基金的偏离主要倚靠基金beta值按正确方向所作的平均调整幅度单一个统计项目反映。单凭这个数值未能分辨究竟接受评核的基金是比长线市场方向逆转超前了将基金组合的beta值作转向配置,还是滞后了,还是在长线市场方向逆转前后的一段时间内分段逐步作转向配置,还因是其他形式的偏离故此在这个指标得到这个分数。若能改善这一点则模型的质素会因其加强了的辨释细致度而上升到新的层次。