贝叶斯统计学被广泛运用于金融计量分析,而贝叶斯方法对于金融计量中参数估计方面有着非常重要的作用和意义。传统的频率方法基金业绩评价主要是基于基金的历史回报数据,忽视了投资者的先验信念,贝叶斯方法却能克服这一缺点,将来自不同方面的信息融合在一起。但现有的贝叶斯基金业绩评价方法同时也忽视了基金业绩平均水平和基金alpha值样本变化对单个基金alpha值估计的影响。　　本文详述了贝叶斯基金业绩评价的基本理论,建立了关于基金alpha参数先验的贝叶斯阶层模型,引入了投资者的两种先验信息:扩散先验与一般先验。考虑了基金经理人没有技能和有技能两种情况,对10只基金、100只基金、1000只基金的收益率回报进行了蒙特卡罗模拟,然后运用马尔科夫链蒙特卡罗方法(MCMC)对基金平均水平和单个基金alpha后验均值和方差进行了估计,估计结果与真实值十分接近,这说明了本文的贝叶斯估计方法的精确性与科学性。实证研究部分,构建了投资者关于alpha不同先验的贝叶斯阶层模型,对中国2005年3月18日前成立的42只开放式基金业绩进行评价,将从大量基金样本中估计出的基金业绩平均水平和基金alpha值样本变化性这一信息加入到单个基金alpha值的估计中,提高了基金alpha值的估计精度。研究表明,不同的先验水平对基金绩效水平的估计结果差异影响较小,有35只基金具有良好的业绩,可以获得超额回报,这说明中国基金管理水平较高,基金可以战胜市场。在传统频率方法下,有36只基金可以获得超额回报,但只有一只基金的alpha值在统计意义下显著的异于零。基于贝叶斯阶层模型的基金绩效评价方法不仅看到先验信念如何影响投资者的最终决策,同时也可以很好地解决通常的频率意义结果很大程度上受数据精确和显著性水平因素影响的问题。