股票型基金

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇股票型基金范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

股票型基金范文第1篇

1、购买股票型基金也是有手续费的，不同的机构手续费是不一样的；

2、部分股票型基金在完成申购之后是有一个封闭期的，在封闭期内，股票型基金不能随时卖出；

3、股票型基金是投资于股票市场的，但是在投资股票型基金的时候还是要了解清楚具体的投资标的，不同的投资标的的风险是不一样的。

（来源：文章屋网 ）

股票型基金范文第2篇

把时间轴拉长至5年、10年，兔子的优势又重现了。不过，同样富有戏剧性的是，从近10年年化收益来看，“温吞”的保本基金战胜了“生猛”的股票型基金。

时势造英雄

截至2013年10月底，晨星统计了最近3年主要类别基金的收益/风险情况，近期市场火爆的货币市场基金以3.77%的年化回报居各类基金之首。其他表现较好的是普通债券型基金、激进债券型基金，保本基金在过去3年也获得正收益，这3类基金最近3年的年化收益分别为2.34%、1.73%、0.67%。而受累于最近3年股市的整体下跌，沪深300指数、中证小盘500指数、中证800指数下跌皆超过20%。虽然创业板指数表现相对出色，获得了11.15%的正收益，但仍无法“拯救”重配股票的基金类别，股票型基金以-4.81%的年化回报垫底；其次是激进配置型基金，年化回报为-4.55%；平衡型基金、保守混合型基金的年化回报为-1.79%、-0.63%，见下图。

具体来看，股票型基金过去3年表现分化较大，首尾业绩相差可谓“疑是银河落九天”。该类基金最近3年年化回报最高的超过10%，最差的为-21.1%，成立满3年的300只基金中仅16只基金跑赢货币市场基金。类似的落差也存在最近3年受累熊市的激进配置型基金中，3年年化回报最高为6.94%，最差的为-14.49%。

货币市场基金则全部取得正收益，且回报较接近：最近3年年化回报最高的南方现金增利货币–B为4.41%，最低者为2.41%。该类基金也成为过去3年基金市场中的“英雄”，无论从产品数量、规模、申赎来看，其发展都是迅猛的。自2010年一季度至2013年三季度末，该类产品规模增长超过3倍，15个季度中有9个呈现净申购状态，基金数量也自2010年11月26日的69只发展至3年后的145只。

不仅收益高、业绩波动小，过去3年货币市场基金表现出的类现金功能也使得其成为资产配置的“利器”。晨星统计了过去3年主要类别基金的相关系数，发现货币市场基金的业绩与各类基金均表现出低关联度的特征，除激进债券型基金外，其他几类基金的相关系数皆低于0.2。

日光之下无新事

与A股过去3年“一片惨绿”形成鲜明对比的是美国股市的“大红大紫”。晨星统计了美股激进配置型、平衡混合型、保守混合型、大盘成长型、大盘平衡型、大盘价值型、中盘成长型、中盘平衡型、中盘价值型、小盘成长型、小盘价值型及小盘平衡型12类基金过去3年的收益情况，皆获得正收益，除保守混合型基金外，其他类别过去3年年化收益皆高于10%，其中小盘成长型基金收益最高，为17.13%。股票型基金中，除中盘成长型外，其他类型的年化收益皆高于15%。相比这些类别基金的“巨幅收益”，美国货币市场基金过去3年的优势更多地体现现在流动性上，截至2013年11月末，过去3年年化回报仅为0.02%。

回到国内市场，截至2013年11月27日，在过去的5年中，股票型基金、激进配置型基金与过去3年的表现大相径庭，分别取得了9.49%、9.37%的年化收益，大幅超越了货币市场基金2.95%的年化收益。如果进一步把观察周期拉长至10年，权益类基金的优势更为明显，股票型基金、激进配置型基金的年化收益分别为12.47%、14.72%。不过我们同时发现，保本基金这一看似有些“鸡肋”的产品（不少投资者抱怨该类产品牛市不敌股票型基金、激进配置型基金，熊市不及纯债基金、货币市场基金）在过去10年的年化收益为14.08%，超越了“跑得快”的股票型基金，这在一定程度上很好地警示了投资者，在逐利的同时注重风险的重要性。

让我们从长时间的跨度再来看看“卵巢彩票”。过去5年，得益于从2008年金融危机的低点复苏，美国各种风格的股票型基金皆取得了令人垂涎的回报。下表显示，除大盘风格外，中盘、小盘各类风格的股票型基金皆取得了超过20%的年化回报。但是从过去10年来看，“卵巢彩票”并未带来额外的收益：美国股票型基金整体平均年化收益为8.47%，低于中国股票型基金的该值。具体来看，股票型基金中收益最高的组别为小盘价值型基金，年化收益为9.57%，中盘价值型、小盘平衡型、小盘成长型的年化收益也在9%以上。而这与过去10年中国GDP的平均增长速度高于美国是相呼应的，资本市场再一次为投资者讲述了一次“主人与狗”的故事。

远离颠倒梦想

过去几年的大熊市及对货币市场基金的一些过于片面的宣传，让一些投资者产生了不切实际的想法：即通过配置货币市场基金来追逐高收益。或许这是由于投资者近期受到了市场上类似于约定8%年化收益的“百度百发”产品的诱惑，但清醒的投资者应该知道，从长期来看，这是不可持续的。

货币市场基金投资标的低风险、低收益以及高流动性的特征，决定了其长期难攀上高收益的枝头，过去5年的收益对比已经告诉了我们这一点。在以往对货币市场基金的观察中，我们也围绕其类现金的流动性特征及其功能展开了一些讨论，意在帮助投资者认清“乌龟”的本来面目。

历史不会简单地重复，但历史又是何其相似。当我们把今天的A股市场浓缩成资本市场历史长河里的一个点，它坐落在估值均线的下方，就如同地心引力对我们的作用，估值修复总会那么自然而然地发生，并且毫无新意。

股票型基金范文第3篇

上半年股市是一个标准的M型。普通投资者最为关心的基金表现优于上年，取得正收益。据Wind数据统计，今年上半年股票型基金平均回报率为4.87%，领先上证指数。其中，值得一提的是，股票型基金取得正收益的基金数量远多于负收益的基金数量，负收益仅有41只，表现最差的为富安达优势成长，收益为-5.34%。有33只股票型基金收益率超过10%，表现最佳的是景顺长城核心竞争力，收益为22.72%，亚军和季军由广发基金囊括，广发聚瑞19.66%，广发核心精选18.14%，见表1。

表现优异基金各有神通

虽然整体股指并没有出现太高涨幅，但一些优秀的股票型基金还是凭借着自己的“内功”取得了不错的收益。以上半年业绩排名前5的股票型基金为例，分析其背后的成功因素。

抓住时机快速建仓

从今年形势来看，上半年是M型走势，出现过两个明显的建仓好时机，分别是在1月初和4月初。受制于上年跌跌不休的走势，很多基金持谨慎态度对待市场，错过了底部特别是1月初的良好建仓时机。而上半年表现最优秀的景顺长城核心竞争力作为一只新基金， 2011年12月20日成立，正好赶上黄金建仓时间点。作为新基金，它可以用100%资金建仓而不用卖出所持有的股票，具有很强的成本和时间优势。基金经理并不保守，大胆、快速的建仓策略让景顺长城核心竞争力基金获得了极高收益。据统计，仅3个月时间，在3月13日该基金已经上涨到了20%，表现远高于同期的新基金。排名第五的中欧新动力基金也采取积极、快速建仓的策略，基本上仓位都保持在85%以上，分享到了股市波段性上涨的红利。

精选行业，超配战术

在M型走势下，板块轮动效应非常明显，要想获得好的回报，必须能精确把握行业的脉动。基金经理及团队对各行业的研究分析和精选能力得到了最好的市场考验。在精选行业的同时，作为基金的传统战术——超配，成为了利器。从前五强基金来看，基本上每个基金都有非常明显的超配板块，也正是这些超配板块给予了其极高的收益（见表2），而均衡分散投资则在上半年表现不佳。

从基金超配板块来看，制造业是最受青睐行业，几乎每个基金都作为重点选择，表示他们对制造业一致看好。超配比例最重的是广发旗下两只基金，在两个板块上就分别投入84.97%和79.21%的资金，几乎孤注一掷。这不仅体现了基金经理优秀的选股判断能力，还体现了其有很强的自信。

逢低购入，价值投资

上半年在这方面表现最突出的是中欧中小盘基金。该基金作为一只2009年的老基金，以往的战绩也不俗，多有斩获。作为唯一一只中小盘基金杀入前五强，自然有其独特之处。一般中小盘股波动大、机会多、风险高，需要有很强的市场时机选择和个股挑选能力。该基金经理敏锐抓住了房地产调控见底、市场刚需反弹导致市场回暖的趋势，并且有预见性地提前布局。仅在一季度，超配房地产股比例高达46.62%，房产价格随着6月份的回暖，使得地产股有了快速上扬的机会，可见其基金经理判断之准。同时，这也是价值投资的最好体现。地产股由于国家的调控政策，一直走下坡路，估值大幅度降低，逐渐出现投资价值，基金经理正是判断估值见底，出现了明显投资价值并且不为市场关注的情况下，果断下注加大投资，才获得了良好的效果。中欧中小盘基金在这方面的表现，就犹如剑客亮剑，直刺要害。

团队作战规模优势

广发系基金在上半年的表现最为抢眼，旗下无论是股票型，债券型、混合型还是货币型基金都表现优异。作为老牌基金公司，强大的研发分析能力是其优势，团队作战更是其王牌战术。以往如华夏、嘉实等诸多大公司经常采用这种战术。所谓团队作战，即经过公司调研后，不仅在旗舰基金进行重点配置，而且公司旗下多只基金交叉持股共同配置。这样可以锁住大量筹码，维持股价稳定，一旦题材兑现，整体业绩就会非常优异。本次广发系两只基金都高配制造业和食品饮料业，在个股上也有较多重复，例如两只基金对洋河股份、金种子酒都作为重仓配置。

行业基金凸显价值

对于唯一一只杀到前五的行业基金中欧新动力基金，向世人证明了行业基金在中国依然有很高的价值。行业基金在海外基金中大行其道，是主力投资品种，但在中国还只是新兴产物，仅有20多只行业基金在运作。中欧新动力基金作为重点投资新一代信息技术、生物技术、高端装备、制造技术、新材料新能源技术的基金，上半年侧重投资制造业，比例高达51.97%，其余的重点投资在机械设备和食品行业。上半年以上3个板块都是表现较佳行业，中欧新动力基金表现优秀也不难想象。行业基金价值凸显，相信今后会逐步成为主流投资品种。

选基切勿迷信排名

这里要提醒大家，基金排名只是暂时的，不应作为基民选择基金的主要依据。这点在上年的业绩前三强基金体现得最为明显：当年排名第一的博时主题行业基金，今年上半年收益7.03%，排名第96位；亚军鹏华价值优势和季军东方策略成长，收益仅为3.31%和5.14%，排名分别为291位和219位。

对于行业板块的判断是有独立判断能力的基民选择基金的重点，行业基金凸显价值。

股票型基金范文第4篇

1.引言

近年来金融工具及其衍生物越来越多元化，其带来的不确定因素也越来越大，因而金融市场的风险也就越来越高。金融市场间的关系更是变得日趋复杂，更多的呈现出非线性、非对称和厚尾的特性，金融波动和危机的频繁出现使聚合风险管理和金融市场间相依关系分析成为国内外关注的焦点。

现阶段最常使用的风险度量指标是20世纪90年代j.p.morgan和g30集团提出的var（value at risk）方法，var旨在一定的置信水平下，估计金融资产或组合受市场因子波动影响，而在未来特定的一段时间内的最大可能损失。严格的说，var描述了在一定的目标期间内收益和损失的预期分布的分位数。如果c代表置信水平，var对应的是较低的尾部水平1-c。可表示为：

其中，表示某事件的概率，表示资产或资产组合在持有期内的损失，c为置信度水平。在最近这些年var作为金融风险度量工具得到了广泛的应用，然而，研究发现var不具有次可加性和一致性的风险度量，后来针对这一问题，acerbi等[2-3]提出了期望损失es（expected shortfall）的定义。

假设r为持有期内资产或者资产组合的损益，并假设r的累积分布函数f（r）（cdf）是连续的，那么对于置信水平，var也可以用如下定义：

式中，表示r的分布在给定显着水平的下侧分位数。假设表示r的概率密度函数，那么置信水平为1-c下的es可以定义为：

式中，为示性函数。es实质上是将资产价值r乘以权重的从-到0的积分，这样它就把超过var水平的损失部分考虑进去了。从经济意义上讲，es就是指当损失超过var时的平均损失。由于它同时具有了次可加性和一致性，是一个较好的风险度量工具。rappoport（1993）第一次在金融行业中用它来做风险管理的一个工具，后来acerbi（1997）等人证明了该方法是一个一致性的风险度量工具。

同时，通过引入copula函数度量资产组合集成风险的方法已经越来越成熟。schweizer和sklar最早提出copula函数的概念及其它的一些性质。后来sklar指出了copula函数可以把具有不同类型边缘分布函数连接起来，并且能抓住它在风险管理应用中的本质特征（例如：尖峰厚尾性）；emberchts等第一次把该方法引入到金融类相关研究之中。许多研究学者在他们的基础上做了很多有意义的研究。例如：breymann等人研究表明了学生t-copula的经验拟合比高斯copula优越很多；ceske，hemandez（1999）提出可以将copula函数与montecarlo技术结合计算相关损失；matteis对archimedean copula做了很好的总结。

在我国，copula函数方法在金融上的应用才刚刚起步，且其中绝大多数文献做的是介绍性、引入性的研究。最早见的是张尧庭（2002）提出copula函数在金融风险领域大有可为；史道济利用copula函数研究外汇组合的相关性；司继文（2004，2005）分别将copula函数应用于国内外的股票市场和期货市场；韦艳华、张世英（2004）将garch模型应用于copula函数，来度量金融时间序列的自相关结构。前人的研究主要集中在利用copula函数对股市或资产组合的相关性研究。而韦艳华（2004）利用garch模型拟合正态copula函数的边缘分布，然后运用monte carlo仿真技术计算投资组合的var。

本文创新一是采用garch或者egarch模型来拟合t-copula函数的边缘分布，克服了传统garch模型不能处理特定非对称金融时间序列的局限性。对此，本文也比较分析了单独使用garch下和本文采取的方法下的风险值，研究表明本文提出改进的思路对风险估计更为准确。改进二在于对于风险衡量的指标不是仅仅采用var，而是利用var与es双监管的风险度量方法，克服了传统风险度量var的很多缺陷（不具有次可加性、正齐次性等）。最后通过度量我国股票型开放式基金的市场风险为出发点，运用monte carlo仿真技术计算投资组合的var以及es，具有很强的实用价值。

2.garch或者egarch收益率分布模型

对于某一金融资产，投资者最想知道的是将来某个时刻该资产收益率的信息。由于金融资产收益率的尖峰厚尾性、条件异方差性、波动聚集性和杠杆效应等，普通的garch模型对对前三者能较好的刻画，但是对于杠杠效应garch模型不能刻画出，因此，本文对不存在杠杆效应的收益率序列采用garch模型拟合资产收益率的特征，对存在杠杠效应的收益率序列采用egarc模型刻画。该模型是glosten jagannathan和runkle在engle提出自回归条件异方差（arch）模型和bofloerselev提出的广义自回归条件异方差（garch）模型的基础上改进提出的，它考虑了坏消息和好消息对波动性不同的影响。

假设投资组合中有d种金融资产，对于资产i，直接根据最近的n期历史收益率数据（t=1，2，…，n）运用garch其中eagch模型中条件方差采用自然对数形式，意味着非负，且杠杠效应为指数型的。模型中引入了一个重要参数，若，说明信息作用非对称，存在杠杠效应。为第i个资产收益率序列；为的条件均值项；v是t分布的自由度。为待估参数；随机扰动项服从均值为0，方差为1的标准t分布。即：

它的形式使得garch或者egarch模型能够较好地描述收益率序列的各种特性（如条件异方差性、波动聚集性）。

假定利用观察资产收益率历史数据样本可以得到，在估计出参数后，可以得到下一时刻收益率的条件分布：

其中，是自由度为v的t分布函数，是到时刻t为止的信息集。利用matlab可以很方便地由样本观测数据估计出garch模型的各个参数，从而由式（2）得到给定t时刻前信息集的条件概率分布。

3.copula函数的参数估计

在资产分配、衍生品定价和风险管理等许多金融领域中，有关风险因素之间的相关性度量及其重要。许多文献中常采用多元正态函数，然而各种金融资产的收益率之间一般并不符合多元正态分布的假设，为此，本文使用copula函数来解决这个问题。

由sklar定理可知，对于一个具有边际分布函数为（）的金融资产的联合分布函数f，一定能找到一个copula函数c，使得：

如果所有的边际分布函数都连续则从上式定义的copula函数是唯一的。从上式可以计算得出copula：

其中，

文献表明，t-copula能更好地刻画各个金融资产的尾部相关性，本文研究的是t-copula连接函数分布。

其中，表示相关系数矩阵为r，自由度为v的维标准t分布函数，表示自由度为v的单变量标准t分布函数的反函数。copula模型为：

参数v为t分布的自由度。为d维t-copula分布，表示均值为0，方差为1，自由度参数为的正规化t分布函数，即：

式中是伽马函数。由于t-copula的密度函数对任意维数都不是一个简单的形式，本文根据t-copula函数形式使用matlab工具估计其参数，过程

（1）把资产收益率数据通过概率积分变换转化为一致分布；

（2）用对数似然函数法估计学生t-copula的参数：

此处的copula函数c为公式（4）给出的；

（3）令，此处是单变量累积标准正态分布函数；

4.利用模特卡罗模拟资产组合的var和es

根据embrechts关于利用t-copula函数模拟随机变量的方法，多次模拟资产组合资产收益率的随机扰动项。具体模拟步骤为：

（1）由上述估计出的随机扰动项的相关系数矩阵r，对其进行cholesky分解。

（2）根据标准正态分布，模拟d个相互独立的随机变量。

（3）产生与y相互独立的变量e，服从分布。

（4）令。

（5）令，则x为服从自由度为v的t分布。

（6）计算得到。

（7）根据得到联合分布为，连接函数为的d维随机扰动项。

（8）根据egarch或garch模型，得到金融资产收益率的条件均值和条件方差，然后根据随机波动方程，得到资产组合的资产收益率向量。

（9）给定资产在投资组合中的权重，计算投资组合收益r的值。

（10）重复上述过程5000次，模拟得到其经验分布，容易求出var和es的值。

5.实证研究

（1）数据的选取和边缘分布的估计

本文选取融通深证100基金2010年3月31日公布的前10大重仓股票作为观测样本，如表1所示。

本文采用从2004年7月1日至20010年3月31日共937个（对空缺数据已做处理）交易日的收盘价作为原始数据，计算出每只股票的对数收益率，并根据公式（1）、（2）估计出每只股票的边际分布，利用aic准则、sc准则和杠杆系数检验可以得出万科a、苏宁电器、中兴通讯、格力电器、吉林敖东存在杠杠效应，适宜采用egarch模型建模（其余采用garch建模拟合效果更好），下面以第三、四只股票五粮液（000858）和苏宁电器（002024）为例，分析其边缘分布函数的估计和拟合效果的评价。参数估计结果见表2和3：

其中，表2、3中括号的数据表示相应t统计量的估计值。从表2、3中给出的k-s相伴概率可知，利用cml方法对原序列做概率积分变换后，序列服从[0，1]的均匀分布。由此可以说明本文提出的模型可以较好地描述相关资产的边缘分布。同样的方法检验了其他8只股票的边缘分布拟合效果，都说明了garch或者egarch模型能较好拟合各自的边缘分布，因此用本文的模型描述收益率序列的边缘分布是充分的。

（2）copula函数参数估计和monte carlo模拟var和es

此处为了对比分析采用egarch或garch拟合边缘分布与仅仅采用garch拟合的效果，根据上面估计得各个股票收益序列的边缘分布，利用文中第四部分的估计copula函数参数的方法，估计得出其t分布的自由度dof=7.5848和各自的相关矩阵（表4、表5）。

由上述结果可知，仅仅采用garch拟合边缘分布使得各个资产之间的相关系数整体性的变小。从而可以推断出可能会导致风险的低估，从而对准确度量基金风险存在一定的影响。进一步的风险值比较分析可见表6、表7。

按照表1的投资比例，假设投资者处于t时刻，这里的t时刻指的是样本时间段的最后一天，即2010年3月31日，t时刻的投资组合价值为：

假设资产持有期从t时刻到t+1时刻，置信水平选择95%和99%进行估计。根据本文的copula-garch（egarch）模型，运用t-copula函数的模特卡罗模拟仿真模拟5000次，可以得出t+1时刻各个股票的收益率序列，进一步可以计算出t+1时刻各股票的损失序列，给定置信水平，容易得出t时刻到t+1时刻相应的投资组合var和es值，表6、7分别给出了本文提出的采用egarch或garch拟合边缘分布和传统方法仅仅采用garch模型拟合的情况下各个股票和证券投资组合的var和es值。

表6、表7清晰的显示本文所提出的方法对准确估计风险更进了一步，比较而言传统方法只使用garch模型拟合边缘分布导致了单个资产和资产组合的风险值都偏小。对于文中提出使用egarch模型拟合万科a、苏宁电器、中兴通讯、格力电器、吉林敖东，从表6与7中可以看出，var与es的风险值都比其他个股风险值偏离程度更大，说明采用egarch模型针对特定（存在杠杠效应）金融序列拟合效果更好，风险估计更为准确。

单独分析表6可以看出，在投资额一定的情况下，基金的风险值要比单个资产进行投资的风险值小，可见该基金选择的各个股票之间的相关关系有较大差别，说明投资组合可以大大降低投资风险。从var和es的风险值看，es都大于var，说明es比var度量风险更为保守，也说明了var在度量风险上存在计算风险值偏低的现象，这样对基金控制风险和减少资产损失极为不利，特别是当极端事件发生时，资产组合的风险值与实际值就会发生偏差。另外从var与es的差值可出看出，置信水平越高，投资组合降低风险的程度也就越大，但是由于var不具有次可加性，从es的差值能很明显看出。

6.结论

本文为了描述特定资产具有非对称性的特征，通过对资产收益率进行egarch建模，对不存在杠杠效应的资产仍使用传统的garch模型，这与copula可以连接具有不同边际分布的函数的相关关系相符，同时考虑到var度量风险的不足，引入了es一致性风险度量，通过t-copula函数和monte carlo模拟计算出了证券投资组合的var以及es的值。最后文章对融通深证100基金风险度量的实证研究可以看出，有的金融资产收益率序列可能存在杠杠效应；而且var的确存在低估风险的不足；同时也得出了风险值var或者es在置信度越高，它们的差值越为明显，说明了本文copula-egarch（garch）模型能较好地刻画投资组合二中不同资产间非正态非线性非对称的相关性。基于该模型的风险度量方法可以为我们基金管理公司评估和管理资产组合的市场风险，从而有利于公司控制和减少资产损失提供一定的参考作用。

参考文献

张尧庭.连接函数(copula)技术与金融风险分析明[j].统计研究,2002(4):48-51.

史道济,邱男.关于外汇组合风险相关性的分析[j].系统工程,2005,23(6):90-94.

司继文,蒙坚玲,龚朴.国内外期货市场相关性研究田[j].华中科技大学学报,2004,21(1):16-19.

股票型基金范文第5篇

8股基春节前要入市

截至2008年12月18日,还有32只偏股型基金处于建仓期,其中有8只股票型基金在2008年底或2009年初完成建仓任务。除去海富通中国海外精选1只QDII基金外,2008年6月中旬到7月前宣布成立的有3只股票型基金,分别是南方优选价值、易方达中小盘、招商大盘蓝筹。按规定,这3只基金2008年12月底之前要完成60%的建仓底限。

据统计,这3只基金的募资规模为32.274亿,按照60%的最低股票仓位,将有大约19亿资金入市。而2008年7月成立的5只股票型基金募资规模接近24亿,按60%计算,大概15亿资金将于2008年底2009年初参与建仓。

有次新基金接近满仓

根据一些基金净值近期表现测算,部分次新基金因为市场的原因已经赶在大限前建仓。

成立于2008年7月16日的友邦华泰价值增长,建仓截止日尚有时日。不过据其近期净值测算,目前该基金的仓位可能接近满仓。该基金在11月底12月之前大幅加仓。12月第一周,该基金大幅超越大盘涨幅,达到11.89%。第二周沪深300仅跌了2.62%,该基金净值跌3.52%。还有,华夏策略精选成立于2008年10月23日,11月份净值仅上涨1.1%,而12月的第一周,该基金净值上涨达3.36%。另外易方达科汇,成立于2008年10月9日,三季报显示其股票仓位仅10.61%,11月份净值仅上涨1.00%,而该基金在12月第一周大涨5.95%。除此之外,近期中欧新蓝筹、金元动力、银华领先、农银成长等新基金加仓也较为明显。

次新偏股基过半获收益

统计显示,最近半年成立的51只新基金中,有35只基金正收益。而在31只偏股基金中也有16只取得了正收益,超过一半。