基金绩效评估中的证券选择和市场时机选择，本文主要内容关键词为：时机论文,绩效评估论文,基金论文,证券论文,市场论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
对投资的绩效评估包括两个方面的内容，一是判断相对已确立的基准投资资金是否实现了增值，这包括正确构建适宜的基准，通过各种指标和方法来计算超额收益，如传统的Sharpe指数，Treynor指数，Jensenα值，以及后来提出的信息比，M-2法，M-3法[1-8]，但是这些单一的指数并不能说明是怎样或为什么会形成不同的投资绩效。所以仍需要做另一方面的工作。即，判断资金管理者是如何实现该投资收益的，分析收益实现的原因。这种将业绩结果进行分解的方法就是绩效归属分析。一般地，证券组合投资的收益由三部分组成，分别可通过经理人的三种策略来实现。一是积极管理一个投资组合，对那些预计使业绩更好的因素分配资本。这样，由于组合投资分散了风险，因承担相应的市场风险而获得风险补偿收益。二是由于市场时机选择能力而获得的收益。此时，经理人利用市场运动，积极地管理投资组合，如在市场预计上升时增加投资组合的β。信三是购买被认为是低估的股票来积极管理投资组合，并卖出被认为是高估的股票，经理人的这种证券选择能力构成了投资收益的第三部分。
这种绩效归属方法更明确的细分了收益的来源，但却引出了另一个问题：既然证券选择能力和市场选择能力是两项十分重要且有效的指标，那么应该以什么样的方法评估证券选择能力和市场时机选择能力？这个问题一直以来都困扰着学术界和业界。成为人们关注研究的焦点之一。本文将就证券选择和市场时机选择能力问题当中的研究方法、结论及存在的问题作一些对比和讨论。
2评估模型
证券选择指识别相对于市场上一般证券被高估或低估的个股。依据CAPM，经理人总试图找到那些远离证券市场线的股票，对它们的投资将产生非常高的风险溢价。市场时机选择指预测市场组合的收益。当经理人相信他能预测市场收益时，将相应调整其组合的风险水平。即，预期市场行情将上升时，选择β相对较大的证券组合；预期行情将下跌时则相反。实施市场时机选择策略，既可以改变组合中所持风险证券的平均β，也可以改变无风险资产和风险证券的相对资金投入量。概括而言，研究证券选择和市场选择能力的相关模型大致有以下一些：
(1)Jenson用一个收益模型来计算被管理组合的绩效[2,9]：
R[,p,t]=α[,p]+β[,p]R[,m,t]+μ[,p,t] (1)
其中R[,p,t]为组合P与无风险收益相比的超额收益，α[,p]为衡量证券选择能力的一个参量，R[,m,t]为与市场组合相比的超额收益，β[,p]为组合对市场收益的敏感度，μ[,p,t]为随机误差，期望为零，t为时间。
这一模型及其α值成为了之后组合投资绩效评价方法的一个重要基础。但是它假定组合的风险水平不变，且没有考虑经理人的市场时机选择能力，而实际上，经理人依据对市场价格运动预期的走势，会调整组合的风险构成。Fama曾提到了这个问题，并指出应对绩效进行更好的分解[10]。
(2)Treynor和Mazuy在(1)式的基础上增加了一个二次项，以检测市场时机选择能力[11]。这是因为，若经理人能预测市场收益，当情况趋好时，他必将持有更大比例的市场组合；而预计市场收益较低时，他将相应减少持有份额。那么，组合收益应该是市场收益的非线性函数
R[,p,t]=α[,p]+β[,p]R[,m,t]+γ(R[,m,t])2+ε[,t] (2)
其中γ为正值，代表较好的选择市场时机能力；α仍表示证券选择能力。此后，人们在分析证券选择和市场时机选择能力时常使用这一模型或在此基础上进行修改、完善。
(3)Jensen后来提出了一个类似模型，需要计算实际市场组合收益和期望收益的偏差。当两者都满足正态分布时，时机选择能力可用这两者的相关性来测量[12]。但该方法无法区分各自的贡献，除非在每一个时期市场组合收益的预测值和期望值已知。Bhattacharya和Pfleiderer对Jensen的工作进一步扩展，修正了他的一个误差，认为可以用一种很简单的回归技术计算证券选择和时机选择能力[13]。Jensen假定经理人在作市场时机选择决策时使用未调整的市场收益预测值。而Bhattacharya和Pfleiderer假定经理人调整预测值以使预测误差的方差最小化。其模型和Treynor和Mazuy的类似：
其中θ为经理人对信息的反应参数，即实际风险偏离目标风险的程度，与最佳市场收益的预测值有关；Ψ为预测值与超额收益之间的决定系数；ε为预测误差。又因为
。ρ表示预测值与超额收益的相关性，所以就用ρ衡量经理人对市场时机选择的把握能力。本模型也是Treynor-Mazuy模型的一种提炼，用超额收益率R[,mt]的二次式帮助说明时机选择能力。这也是第一次以误差项来衡量管理者的预测水平。
(4)Daniel提出了一种方法，以测定具有特定风格和一定特征的证券组合的证券选择能力和市场时机选择能力，并称之为特征性选择测度(the Characteristic Selectivity Measure(CS))和特征性市场时机选择能力测度(the Characteristic Timing Measure(CT))表示为
上式说明，当股票j的特征收益值达到最高之前若增大j的比重，将有一个较大CT值，表明有良好的市场时机选择能力。
这一方法的特点是对每种证券所对应的基准组合进行了精确的计算，但也极大的增大了计算量。Wermers推崇这种方法，并据此在有关证券收益的分解中得出了很好的一些结果[14]。
(5)Henriksson提出了另一个有关市场时机选择的模型[15]。当经理人预测市场将上行时，他将调整一个更大的组合β值；反之，将调整一个较低的目标β，若这种时机选择能力存在，那下式将存在一个正γ[,u]值。
(6)一些传统的做法在检测证券选择和市场时机选择能力时存在着许多偏差。Ferson和Schadt认为这是因为这些方法使用了无条件期望，对此，他们提出了条件性绩效评估方法(Conditional Performance Evaluation)，即期望值以公开信息变量为条件性[16]。在Admati等的分析上[17]，Ferson和Schad提出条件性TreynorMazuy回归模型
3 假设前提和方法
3.1 样本及基准选取
在投资管理的过程中，经理人常常会遵循不同的策略以实现各自的投资目标，从而形成了不同的投资风格(investment style)。投资风格管理的思想，无论在学术研究还是职业投资管理中都日益被重视[18]。但不同的研究，对投资目标和风格分类及基准选取是不同的。如Coggin,Fabozzi和Rahman从Frank Russell养老金管理人数据库随机选取了71个基金196个月(1983.1～1990.12)的数据，将基金划分为四类：收入型、增长—收入型、成长型及最大资本利得型，并研究养老金基金的绩效，分析证券选择和市场时机选择能力及其相关性[19]。而Ferson和Schadt根据基金公司投资组合特征将管理者分为收益增长型、市场导向型、价格驱动型、小股本型等四种类型，研究了67个开放式基金从1968.1～1990.12期间的月度数据。
除了细分样本，选择合适的参照物—基准—对计算结果的可比性同样重要。Roll指出，绩效对非有效基准的选择很敏感[20]。就绩效对基准的敏感度而言，不同数目的指数影响也是不同的[21-23]。Elton认为用不多于5个、且易于判断的指数足以很好地评估投资绩效。Coggin,Fabozzi和Rahman用了几个不同的基准组合，包括S&P500指数、Russell3000指数（一种与S&P500指数类似的证券市场指数）以及4个风格指数。Ferson和Sehadt的分析中用了包括大股票、小股票、政府债券、低等级公司债券在内在四要素模型，并以所有在NYSE上市的股票的价值加权CRSP指数作为市场代理。此外，考虑到收益和风险的时变性，他还引入了一些已被证实的有助于预测风险和收益的一些公开信息变量，如一个月债券收益的滞后值、股息滞后值、期限结构的滞后值、企业债券市场率差滞后值以及一个月份的虚拟变量。这些变量的作用，使得该研究对条件性的绩效评估产生了一些很有意义的新结果。另外值得一提的是Wermers构建基准的方法。他用到了股票的三个指标：规模、账面/市场价值比、上一年股票收益。基准组合的确定过程如下：首先按资本额分成5组，然后根据上一年账面/市场价值数据将每组细分5个等分，形成25类，最后这25组依照收益值又被5等分，从而形成125个小类别。每一小组中都有特定的规模、账面/市场价值比、过去收益值，形成了非常细分的特征基准组合。
3.2 假设前提
一直以来，人们仍无法精确测算管理型组合的绩效。Ferson和Schadt将其归为使用了五条件期望，忽视收益和方差的时变性而产生偏差，使风险和风险溢价的变化与平均绩效相混淆。这一点早就被（如Jensen,Grant）注意到，并被视为是因为经理人有更优的信息或市场时机选择的能力。Ferson等却提出一种不同的观点：传统、无条件性模型常常将超额收益归于基于公开信息的投资策略（如，Breen,Glosten和Jahannathan[21]）；而实际上，可用容易获取的公开信息重复的一项管理组合策略不应被认为能产生更好绩效，引入条件性先决变量就能控制公开信息引起的一般波动，从而可减少偏差。
之前的一些研究中，人们用先决变量代表公开信息和时间变量，应用于资产定价模型得到了新的结果。Ferson在基金绩效评估中较早使用了这一方法，并假定风险和收益随时间而变化。他认为引入条件性先决变量的原因在于：(1)传统方法的许多问题都与收益的动态性有关；(2)基金经理人的交易行为比那些被交易的资产可能有更复杂的动态特征。而卢之所以会有时变性是因为：(1)资产的β随时间而变；(2)变动型策略（如买入—持有）的权重随相应价值而改变；(3)经理人放弃买入—持有策略后能积极控制组合权重的构成。Ferson和Harvery[25]，Evans[26]，Ferson和Korajczyk[27]的研究表明，有理由认为运用先决变量工具得到的预测值能反映收益随时间变化的特征。
另外，在条件性绩效评估相关的假设还有：(1)以Sharpe的条件性CAPM模型来描述投资组合资产的条件性期望收益；(2)半强式市场有效性的前提，这与以前的研究中通常使用五条件期望值不同，此时，价格已充分反映了公开可得信息，经理人据此并不能产生超额收益，这一重要假设旨在将基于公开信息的“市场时机选择”与优于滞后信息变量的时机选择信息区分开来；(3)使用β或要素敏感性的函数。
3.3 数据处理及方法
对于实证数据的异方差，有不同的修正方法。在Treynor-Mazuy模型中，即使假定收益符合独立、一致分布，也会由于试图选择市场时机使得误差项产生条件异方差。根据Breen,Jagannathan,Ofer,Lehmann和Modest的有关研究[28,29]，可用Hsieh等提出的异方差一致标准差误差[30-32]来修正。而对于Bhattacharya-Pfleiderer模型，由于干扰项有异方差，改用GLS方法将产生较好的结果[33]。
Treynor Mazuy、Bhattacharya-Pfleiderer两模型的一个弱点在于没考虑负的或较差的市场时机选择，Coggin在修正模型时对此加以了考虑[34]。
另外，人们还通过多种统计方法以使结果更有说服力。如在α的t值截面分布中不仅用到了最大/最小t值，还用到了Bonferroni-P值（Bonferroni-P值是联合检验P值的一个保守上限，是N个单个检验中最小P值与N（基金数）的乘积，为单侧检验）。Coggin,Fabozzi和Rahman还采用了Meta分析法。Meta分析法是一种参数统计方法，适用于不同研究或同一分析的不同部分之间结果的一种积累，能用统计手段提供一般数值的均值和方差，所以比一般传统的分解法更有解释功能[35,36]。Wermers则将不同评估指标进行对比，计算不同结果的相关性矩阵。运用这些方法，使得实证结论更确凿、更丰富。
4 不同研究实证对比
4.1 非条件性模型
Coggin,Fabozzi和Rahman用两个模型三个基准对71个基金进行分析后，总的结论是：
(1)证券选择能力为正，时机选择能力为负，且经理人在证券选择能力上比选择市场时机上表现得更好。相关研究也显示，负的时机选择可能多于正的，且存在负的证券选择能力[37～41]。
(2)按风格类型检验证券和时机选择并排序，可发现：对同一基准，即使用不同模型，排序也不会变；而同类模型中，不同基准却会有不同排序。可见，基金绩效的计算结果受到了基准选择的影响。这一结论与以前一些研究有所不同。如，Lehmann和Modest,Grinblatt和Titman认为不同的模型和基准中，绩效均不同。需指出的是，他们并没有考虑市场时机选择的问题。Grant认为这会使被观察到的回归证券选择系数产生下偏差，这与Lee和Rahmann的观点一致。Chang和Lewellen,Henridsson也有类似结论。
Wermers的实证表明，经理人的选股能力是证券投资收益的重要组成部分，使得基金所持股票收益都优于对应的基准组合，而市场时机选择的效果并不明显。另外，高周转率的基金所持股票平均收益比低周转率基金高出很多，这也与经理人更高超的选股水平有关。
4.2 条件性模型
对比引入条件性变量后的结果可发现：
首先，条件性CAPM比传统的CAPM回归的R[2]更大；使用的5个先决变量中，一月份虚拟变量和违约率差不是很重要的指标。
其次，衡量证券选择和市场时机选择能力系数的取值分布发生了很大改变。以往用非条件α评价被管理投资组合得出的结论很不一致，得到的Jensenα负值居多，并常被视为绩效不够好。而这其实可能是由于忽略了能影响组合β的公开信息的影响而产生的偏差。引入先决变量后发现：(1)更多的条件性α值为正，分布重心右移趋于中性，这说明条件性公开信息对模型的修正消除了传统方法中α更易为负的现象；(2)非条件模型中的负的时机选择系数从根本上消失，不仅改变了之前出现的错误的时机选择系数符号，还显示出正值；(3)条件性信息使得t值分布转向右侧（更多值大于零），趋于中性，且相比非条件性模型右尾分布更厚左尾更薄。总之，时机选择模型的结果出现了显著变化，绩效评估结果得到很大改善。
值得注意的是，主要进行国际性投资的特殊基金类型呈现了不同的特点，有显著的正α和负时机选择系数，成为条件性模型解释失效的例证。可见，虽然对模型的修正表明条件性信息很重要，但应用于实际绩效评估的仍有一定局限。Ferson和Harvey[42]，Schadt也认为在解释国际性证券投资收益时，需要不同的解释变量，而条件性T-M模型却不适合。
5 证券选择和市场时机选择的相关性
Pearson和Spearman相关性统计结果显示，对于每一个模型下的每种基准，证券选择与市场时机选择的相关性都是负值[23]。如何解释负相关性仍是一个有待解决的问题。Hunter,Coggin和Rahman认为，回归模型导致负相关必然存在，且其程度和两个抽样误差的负相关程度一样。Coggin和Huner对Lee和Rahman数据的计算进行修正后，得到-0.62的相关度，也认为这是由于有关抽样误差人为造成的。而Henrikkson和Connor，Koraiczyk利用Henrikkson和Merton模型得出负相关性。Jahannathan和Korajczyk对此提出的一种观点是：这种观察到的负相关也可能是其它一些因素引起的，如，公司债务/股权比的变动、基准组合、资本结构等等[43]。Lehmann和Modest却认为基本上两者间并无真正关联。而Grinblatt和Titman认为，若这两者不相关，那旨在估算这两者的绩效评估模型中一些已证实较好的性质可能就不再存在了。
6 进一步研究方向
现在，尽管积极的证券投资经理人在被动管理指数基金面前显示着一些劣势，但它仍占据着公司证券组成的大部分份额。仍不十分清楚为什么一些积极的经理人有非常好的绩效，而有些却不行。研究这些成功者的特征很有必要。有关证券选择和市场时机选择能力及其关系的模型依然有待完善。在绩效评估中引入公开信息条件性变量，也是未来研究中一个重要方向。
标签：投资论文; 基金风险论文; 绩效目标论文; 基金收益论文; 预测模型论文; 证券论文; 能力模型论文; 基金论文; 风险模型论文; 股票论文;