我国证券投资基金预测能力的决定因素研究，本文主要内容关键词为：证券投资基金论文,因素论文,能力论文,我国论文，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。
我国基金业发展迅速，截至2010年底，共有基金管理公司63家，管理着736只基金，资产规模过两万亿元；证券投资基金己成为我国资本市场上重要的投资工具之一。因此研究基金业绩的决定因素，对市场将是有意义的。
根据Fama(1972)[4]的观点，基金业绩可以分解为两种预测能力：一是“微观预测”能力，指基金经理识别相对于证券市场而言价值被高估或低估的股票的能力，即选股能力；二是“宏观预测”能力，指基金经理把握证券市场总体价格走势的能力，即择时能力。Treynor和Mazuy(1966)[8]最早研究基金的择时能力，他们认为，如果基金能够预测市场走势，那么当市场收益较高时，基金将持有更高比例的市场组合；反之，则会减少市场组合的持有比例。他们建立了一个包含市场超额收益二次项的模型来检验基金的择时能力(简称TM模型)。Henriksson和Merton(1981)[5]认为，基金经理要么预测股票市场收益高于无风险收益，要么预测无风险收益高于股票市场收益；因此可以通过在CAPM模型基础上引入一个阈变量来描述基金的择时能力(简称HM模型)。
Henriksson(1984)[6]利用1968至1980年间116只开放式基金的数据，采用HM模型和非参数检验方法，证明基金整体上并不具备把握市场时机的能力。Chang和Lewellen(1984)[3]通过改进HM模型实证检验了基金的业绩情况，结果发现基金表现出较强的选股能力，但只有少数基金表现出正的择时能力，多数基金的择时能力为负。Jagannathan与Korajczyk(1986)[7]也发现基金的择时能力多呈现负值，只有少数基金的择时能力为正。Bello和Janjigian(1997)[7]在TM模型基础上，采用633只基金样本，发现1984-1994年基金表现出较强的选股能力与择时能力。Bollen和Busse(2001)[2]认为在检验基金择时与选股问题上选用日数据更有说服力，并发现在日收益检验下多数基金表现出较为显著的择时能力。
对于我国证券投资基金的选股与择时能力问题，国内已有较多研究。汪光成(2002)[11]以我国2001年以前上市的33只基金为样本，采用参数检验和非参数检验的方法，得出我国的基金没有显著的择时能力，但有选股能力的结论。郑慧清和王尤(2002)[12]以36只基金为例，发现我国基金存在负择时能力。周泽炯和史本山(2004)[13]用TM模型与HM模型发现我国基金的选股能力与择时能力呈负相关关系。涂永红和张杨(2004)[10]指出我国基金选股能力较为显著，但是择时能力不强。
综上，国内的研究认为，我国的证券投资基金具有一定的选股能力，择时能力问题仍然需要进一步的检验。国内研究的主要问题是样本少，时间短，可能会造成结论偏差。本文在已有文献基础上，通过大样本数据进一步检验我国的投资基金是否具有选股与择时能力，同时主要关注哪些因素影响基金的预测能力。
数据与方法
一、数据来源
本文选择2010年1月1日之前上市的，除货币基金、纯债券基金及指数基金外的所有基金，共419只；其中封闭式基金54只，开放式基金365只。时间区间为2001年1月1日到2010年12月31日。将时间区间划分为5个时段，每两年为一个研究区间，且要求每个研究区间内基金样本的周收益率个数在50个以上，以保证基金预测能力估计的有效性。符合条件的研究样本总数为960个。
在收益计算上，本文选取1年期定期存款利率作为无风险收益率，并折算为周收益率。市场基准组合包括所有A股股票，并且以流通股加权的聚源A指作为市场收益率测算的依据。Fama三因子模型中的规模因子(SMB)由中信小盘指数周收益率减去中信大盘指数周收益率计算得出；账面市值比因子(HML)则由中信价值指数周收益率减去中信成长指数周收益率计算得出。基金周收益率的计算方法是：t期的基金单位净值加上本期基金分红，减去t-1期基金单位净值，得到单位基金的周净收益后，再除以t-1期的基金单位净值得出。
本文主要涉及基金的净值与分红数据、基金的定期公告与财务指标、基金经理的特征指标以及基金公司的相关指标，所有数据均来源于RESSET金融研究数据库和基金公司公布的相关报告。
二、选股能力和择时能力的估计
在基金选股和择时能力的估计问题上，本文选用应用最为广泛的TM模型和HM模型；选择两个模型的目的在于印证结果的稳健性。考虑到不同风格的基金在选股与择时能力上可能会有所差异，因此本文在TM与HM模型基础上引入Fama的规模因子与账面市值比因子，从而控制了“风格绩效”对基金预测能力的影响。最终的估计模型为TM-FF3模型和HM-FF3模型，方程如下：
表1列示了419只基金在2001-2010年5个阶段中TM-FF3、HM-FF3模型的回归结果。表中
与系数估计值为所有样本、所有阶段回归结果的平均值，显著性水平取10%。从统计结果来看，两个模型的基本相同且较高，说明两个模型都能较好解释基金的超额收益；规模因子系数的平均值为负，表明我国的基金风格偏大盘；账面市值比因子的平均值为负，表明我国的基金风格偏增长。
在TM-FF3模型下，有863个样本的选股能力回归结果为正，占总样本的89.9%；从系数的平均值上看，选股能力的平均周回报率为0.283%；系数显著的比例为45%；在选股能力显著的样本中，具有正选股能力的比例达99.5%。与选股能力相反，择时能力的系数平均为负，结果为正的样本仅占总样本的20.83%；系数显著的比例为26.67%；并且在择时能力显著的样本中，具有负择时能力的比例高达96.1%。综合来看，40%左右的基金在样本期内表现出了较强的选股能力，大部分基金不具备择时能力，但是有25%左右的基金表现出显著的负择时能力，具有正择时能力的基金仅占1%左右。HM-FF3模型下的结论与此基本类似，本文不再赘述。
三、理论分析
表1的统计结果表明，有一定数量的基金具有显著的预测能力。接下来本文从基金的特征、基金经理的特征以及基金家族的特征等角度分析基金预测能力的决定因素，并进行相应的统计分析。
1.基金特征
(1)基金类型：封闭式基金和开放式基金在运作方式上显著不同，投资方式也有所差异，因此基金类型可能会对基金的选股能力和择时能力产生影响。统计发现，封闭式基金中具有选股能力与择时能力的比例显著高于开放式基金，二者相差13%左右。
(2)基金规模：一般认为基金规模越大越不利于基金的选股与择时。将样本按照基金规模升序排列，并分为三组，统计发现小规模基金中具有选股能力的比例明显高于大规模基金，并且二者相差10%以上。
(3)证券组合的换手率
证券组合换手越快意味着基金资产管理越积极，因此可能会带来选股与择时能力的提升。排序后的分组数据表明，换手率较低的基金选股能力反而更高，但是组间差异较小；在择时能力方面，高换手率基金的择时能力明显偏低。
(4)基金份额变动率
基金份额的变动可能体现了基金的业绩变化，也可能体现了投资者情绪的变化，所以方向不明确。分组数据表明，正份额变动的基金中具有选股能力的比例高于负份额变动的基金，但具有择时能力的比例低于后者。
(5)成立年限
成立年限可能会影响基金的选股能力与择时能力。分组数据显示，基金成立时间越长，具有选股能力的可能性越大，同时具有择时能力的可能性也越高，但是组间差异不显著。
(6)机构持股比例
一般认为机构较为理性，所以会选择业绩较好的基金作为投资对象；同时机构也可能会对基金的管理施加一定的影响，所以有理由认为机构持股与基金的预测能力有关。分组数据显示，在机构持股比例较高的基金中，选股能力显著的比例明显高于机构持股比例较低的基金，两组相差15%左右；择时能力显著的比例与选股能力类似，且两组相差10%左右。
(7)基金管理人薪酬占费用比例
如果基金管理人的报酬在基金所有费用中占的比例比较高，则基金经理更有动力去积极地选股和择时。分组数据显示，在基金管理人薪酬占总费用较高的组中，具有选股能力的比例比薪酬占总费用较低的组平均高15%左右；而具有择时能力的比例比薪酬占总费用较低的组平均高35%左右。
(8)基金的资产配置理念
不同的资产配置理念可能会造成基金预测能力的差异。目前较为流行的是“自下而上”与“自上而下”的配置理念，其中“自下而上”可能对选股有利，而“自上而下”对择时有利。通过检索基金发行文件或基金财务报表，把有提及“自下而上”的基金标记为1，没有的标记为0；“自上而下”与此类似。统计发现，选择“自下而上”的基金比没有选的基金具有更高的选股能力。
2.基金经理特征
国外已有研究指出，基金经理的年龄、性别、任职经历、学历等特征会对基金的绩效产生影响；国内方面，李晓梅与刘志新(2010)[9]实证发现，基金经理的个人特性对基金的绩效产生显著影响。本文选择基金经理的如下特征：性别、年龄、学历与从业时间。一般认为基金经理的学历越高、从业时间越长，选股能力或择时能力也就越高；而性别与年龄的影响机制较为不明确，合理的解释是性别与年龄会影响基金经理的风险偏好。分组数据发现，不同特征的基金经理所对应的基金在选股与择时能力上并未表现出明显的差异。
3.基金家族特征
由于存在着信息来源的同一性、品牌效应和相同的管理制度，一只基金的业绩通常会受到该基金所在基金公司整体水平的影响，即所谓的“基金家族溢出效应”。本文借鉴基尼系数的计算方法，分别计算具有选股能力与择时能力的样本在基金公司间的分布不均匀状况。
以TM-FF3模型为例，按照基金公司中选股或择时能力显著的比例进行排序，灰线表示基金公司的基金样本数占样本总数的累积比例(由于基金公司规模不同，所以均匀分布并非45°线)；黑线表示基金公司中具有选股能力(或择时能力)的基金样本占全部显著样本的累积比例。根据基尼系数的计算方法，选股或择时在基金公司间分布不均匀的程度为A/(A+B)；图1的不均匀系数为0.586，图2的不均匀系数为0.253。选股或择时能力的分布不均匀表明，“基金家族溢出效应”较为明显。
将基金公司按照旗下基金具有选股能力的比例进行排序，发现基金公司的规模特征与此排序方法高度相关，这表明“基金家族溢出效应”可能与基金公司的规模有关。因此在下面的回归分析中，本文选择基金公司的规模作为基金家族的代理指标。
实证分析
本文采用Logit模型实证分析基金选股能力与择时能力的决定因素。把选股能力(或择时能力)显著的基金标准为1，把不显著的公司标注为0；回归模型设定如下：
在第一轮回归过程中，即模型1，本文加入了所有可能的解释变量；剔除部分第一轮回归过程中不显著的变量得到模型2。需要说明的是，在模型1中显著的变量不一定在模型2中显著，因为部分变量有数据缺失，两个回归模型的样本有显著差异。
结合表2与表3的实证结果可发现，基金家族的规模与基金经理薪酬占费用的比例对基金的选股能力具有显著正面效应。一种合理的解释是基金家族规模越大，基金公司做研究的投入就越高，因此对旗下基金具有研究溢出效应。但基金自身的规模却对其选股能力具有负面影响，表2及表3的结果都支持该结论。合理的解释是，更大规模的基金面临更严格的投资组合分散化要求，同时在资产头寸调整上面临更大流动性风险(即所谓的“船小好调头”)，因此基金本身的规模降低了其选股能力。基金经理薪酬对选股能力的影响比较容易解释，因为更高的薪酬必然激励基金经理更加积极去挑选股票。表2与表3还说明，自下而上的资产配置策略对基金的选股能力具有显著正面影响，这也符合直觉，因为自下而上的配置理念注重的就是选股能力，认为挑选股票比判断市场走势更重要。此外，机构持股比例也表现出了一定的正面影响，但是对不同的估计方法比较敏感。
在分析基金择时能力之前，首先要搞清楚基金择时能力的方向。从表1可以看出，对于选股能力来讲，系数显著的比例与系数显著且为正的比例几乎没什么差别；但是择时问题却正好相反，这表明具有显著择时能力的基金是负择时，只有1%左右的基金样本才具有正的择时能力。考虑到1%的正择时样本太少，所以本文在研究择时能力时没有进一步区分是正择时还是负择时。因此，表2与表3中系数显著为正的因素恰好是促进了基金的负择时。实证结果表明，基金年限与基金经理人薪酬占费用比例显著促进了基金的负择时能力；可能的解释是基金成立年限越久，基金经理人薪酬越高，基金越有“余力”去把握市场走势；但结果事与愿违。这一现象在一定程度上折射出我国资本市场运行的深层次特征。在一个规范化程度不高的金融市场上，对市场整体走势的判断相对规范市场来讲更加困难，这也是导致国内基金经理更多地去挖掘内幕消息，而不是研判市场走势的原因。在基金择时问题上，基金公司规模表现出显著地抑制基金负择时的效果。一种解释是规模大的基金公司可以帮助其旗下基金抵抗市场波动，例如基金家族的共同持股可以起到“抱团取暖”的效果。
基金经理的各种特征，如基金经理的年龄、性别、学历、从业时间等，均未表现出对基金预测能力有显著影响。这可能与样本数量有关(基金经理特征的样本数量明显少于其他指标)，但至少在现有研究中没能发现它们影响基金预测能力的证据。至于其他因素，如基金类型、机构持股比例、证券组合的换手率、基金成立时间等因素都表现出了一定影响效果，但结果不稳健。此外，基金份额的变动率对基金预测能力没有解释能力。
在选用HM-FF3模型与TM-FF3模型对基金预测能力进行评价的基础上，本文实证检验了基金类型、基金规模、基金经理薪酬比例、证券组合的换手率、基金份额的变动率、基金成立时间、机构持股比例等基金特征，基金家族特征以及基金经理的特征等对基金预测能力的影响问题。
在实证分析过程中，本文主要通过多元回归分析、Logit回归分析等计量方法，发现了我国证券投资基金在预测能力上的统计特征，并挖掘出了部分决定基金预测能力的重要因素。结果显示，我国有近45%的证券投资基金具有显著的选股能力；只有近25%的基金样本具有显著的择时能力，但是择时能力为负。
从影响因素上看，基金家族的规模、基金经理薪酬比例以及自下而上的资产配置策略对基金的选股能力具有显著的正面效应，但基金本身的规模对其选股能力具有负面影响。从基金的择时能力上看，基金经理人薪酬比例以及基金成立年限对基金的负择时能力具有显著“贡献”，基金公司规模对基金的负择时具有显著地抑制效果，而基金自身规模的影响并不显著。此外，基金类型、机构持股比例以及资产组合换手率也表现出的一定的解释能力，但是自始至终没能发现基金经理特征影响基金预测能力的证据。上述结论不仅有助于广大投资者挑选基金，同时也对基金评价以及基金公司本身的管理具有重要的启发作用。