本文主要研究了开放式基金收益率与八种基金变量之间的关系。这些变量包括费用率,资产净值,基金家族规模,基金年龄,基金净流入量,基金的持股集中度,基金的换手率,基金过去的收益率。本文主要运用了两阶段回归模型和广义日历时间组合回归模型来考虑对基金收益率的分解。运用广义日历时间组合回归模型得出的结论是换手率在1%的显著性水平下是显著为负的,即频繁的交易不但没有带来相应的收益,反而有损于收益率的增长。费率在1%的显著性水平下显著为负,这一结论与中国以前的学者的研究结果不一样,结果证实了中国基金的费率设置是有问题的,高额的收益率没有起到相应的激励作用,反而带来了负增长。滞后的收益率在5%的显著性水平下是正的,过去收益率高的基金具有一定的延续性,这也反面说明了中国的证券市场不是有效的。基金年龄在1%的显著性水平上为正的,这意味着成立时间长的基金可以利用自己的品牌或者人力方面的优势获得比新基金更大的收益。净流入量在5%的显著性水平上为负的,净流入量并没有带来高额的收益,这可能是因为中国的基金经理并没有很好的选股能力,在面对大额资金流入时并没有很好的把握住时机来进行投资。Jaffe和Mandelker(1974)提出的日历时间回归方法常用来研究对基金收益率的分解。然而这种方法只适用于两个横截面数据的研究。对于多元变量回归来说,该模型失去效应。Dahlquist(2000)发明了两阶段回归模型改进了前者的不足。该模型分为两个步骤,第一步对每个基金收益率与法码三因素模型或者—因素模型中的因子进行时间序列回归,第二步对上步中得到的阿尔法值与基金变量进行时间序列回归。最后用面板数据模型分析用阿尔法值衡量的收益率与基金变量之间的相关关系。Driscoll和Kraay(2000)指出当出现横截面相关关系时,上述模型因为忽略了这个信息将导致结果是不可信服的。因此本文使用了Hoechle(2012)提出的广义日历时间组合回归模型(简称为GCT模型)对基金收益率与法码因素模型中的因子和基金变量进行相关性分析。GCT模型使用了DK标准误解决了上述模型的不足。本文的创新之处是运用了两种面板数据模型综合研究多元变量对基金收益率的相关性影响。过去对基金收益率的分解主要是通过对统计结果的t值的显著性来进行判断,而且大部分的实证分析都是基于简单的线性回归并且用的是基本的怀特标准误,但是由于方法的不同,变量选择的不同,得到的系数并不一定是无偏且有效的,所以有必要基于方法论的不同来分析标准误是否能反应真实的情况。当残差项与时间项或者横截面项相关时,怀特标准误不再是可靠的结果,DK标准误能保证存在横截面相关、异方差、序列相关时结果也是可以信服的。本文希望能通过结果的t值分析对投资者提供一些投资方面的参考。本文主要分为五个部分：第一部分主要介绍了对于开放式股票型基金收益率的分解进行研究的背景,方法和意义,并且讨论了本文的主要创新之处。第二部分主要分析和总结了国内外学者对于开放式基金收益率进行分解方面的理论成果。希望通过文献综述的形式提供一个大概的发展框架。第三部分主要介绍了本文所使用的两种模型的数据来源和处理方法,并且也对一些特殊的自变量进行了解释。第四部分是本文的核心部分,主要介绍了两种前沿的计量模型并且利用这两种模型对中国开放式基金的收益率进行了实证检验。然后对实证的结果进行了分析和讨论比较。通过比较相同变量在不同模型中的显著性差异,并结合模型得出比较适用的结果。第五部分主要总结了本文的主要观点并且分析了论文的不足之处。也通过实证结果对投资者提出了一些投资方面的建议。