近些年,开放式基金的规模逐年增加,已经逐渐成为中国金融市场重要组成部分。基金经理作为基金投资管理的主要负责人,其投资风险行为对于基金的长期业绩的稳定性具有重要影响作用。针对基金经理的投资风险行为的机理分析和预测,可以给投资者和监管者的决策提供参考依据,对于开放式基金的长期良性地发展具有重要意义。国内外大多数学者,采用基金业绩的波动,即基金业绩的标准差,作为基金经理投资风险的衡量标准。研究发现,基金经理会根据自己历史的相对排名对将来的投资风险进行调整。本文在此基础上,基于大量开放式基金运行数据和特征,分别采用了多元回归方法和神经元网络方法对基金经理投资风险行为进行了机理分析和预测。实证检验表明了方法的有效性和普遍性。首先,从职业生涯角度对基金经理投资风险行为机理进行分析,基金经理出于自利性的原因,在进行投资和做决策的出发点更多的是自己职业生涯考虑,以此为依据决定下期是否增大或减小投资风险,前期排名较低的基金经理面临更大的雇佣风险,在下期选择高风险策略,而前期排名较高的基金经理没有职业压力,为了维持劳动力市场上的声誉,在下期选择低风险的策略。其次,针对中国2011开放式股票型基金的面板数据,选取基金相对业绩排名等因素,利用多元线性回归方法对基金经理风险进行回归拟合,通过逐步回归方法求解出回归系数,建立回归预测模型,利用2012年开放式股票型基金运行数据进行了验证。最后,为了提高预测精度,分别采用了基于BP神经网络和RBF神经网络方法来预测基金经理风险行为。通过两种方法的对比分析显示,RBF神经网络预测模型预测准确性和稳定性方面都有显著性的提高。