证券投资基金随着证券市场的不断发展而日益壮大。在2007年股市的黄金时期,基金净资产实现了一万亿到三万亿的突破,多只基金净值翻番。但随着市场的震荡下挫,基金销售首次遇冷,股票型基金更是连连出现净值跌破一元的现象。在这样的金融投资环境下,缺乏专业理财知识和技能的投资者开始转向具有稳定收益的专家理财产品,券商非限定集合资产理财计划——准“基金中的基金(FOF)”成为时代新宠。那么,基金经理如何吸引更多的投资者? FOF成分基金的选择是成败的关键。 FOF成分基金的选择以绩效评估为基础。本文借鉴国外证券投资基金业绩评估领域的研究成果,结合FOF成分基金的特点,首先建立适合我国实际的基金甄选指标体系。在此基础上,利用模糊C均值聚类模型对样本基金近两年绩效的稳定性进行宏观层面分析,而后以基于采样改进的支持向量机模型对样本基金投资机会进行滚动预测,在模型稳定性和有效性基础上,对样本基金未来一个周期的投资机会做出判断。 本文的指标体系涵盖五个方面：收益能力、风险水平、基金经理的选股择时能力、基金规模和投资组合,以及流动性风险等。通过对模型的应用分析,得出如下结论： (1)投资趋同是FOF成分基金的主要特征,牛市行情下趋同信号较波动行情下更为显著。 (2)FOF成分基金的绩效表现相对稳定,年内波动较小,跨年波动稍大,基本无跳跃式变化。 (3)针对FOF成分基金因投资趋同而导致的数据非平衡问题,本文提出高级采样和元学习的支持向量机采样改进方法,结果表明改进方法对非平衡数据的处理能力大大提高。 (4)子分类器的分类预测精度较原有大样本非平衡数据下的分类预测精度有所提高,证明支持向量机对小样本数据的处理能力是以数据的平衡性为基础。 (5)与模糊C均值聚类的稳定性评价结果相结合,可以避免因分类预测偏误而导致的错误投资行为。 本文最后对研究的局限和不足进行了说明,同时提出相应的改进性意见并指出后续的研究方向。