• 研究背景及方法创新 [page::0][page::1][page::2]

- 报告基于《中国市场主动权益基金》，修正了Wermers（2012）风格漂移度量，提出基于持股的HBSA-SD方法，结合主动风格漂移（ASD）和被动风格漂移（PSD），以股票市值、账面价值和动量三因子构建风格得分。
- 解决了此前基于回报风格分析（RBSA）对风格指数相关性和时间不变性的不足，直接用基金持股和股票特征进行漂移建模。

• 数据与风格漂移度量实施概要 [page::3][page::4]

- 数据涵盖2000年1月至2018年6月，涵盖145,846个基金月度观察，使用CSMAR股票财务及RESSET基金持仓数据。
- 风格漂移以各风格因子在时间上的标准差衡量，反映基金风格波动的整体程度。
- 被动风格漂移主要由股票市场价值变化驱动，主动风格漂移反映基金经理的主动调整。

• 风格漂移基本特征与时间演变 [page::5][page::6]

- 规模风格和动量风格均呈现正向漂移，价值风格多为负漂移，基金经理通过主动管理积极平衡被动漂移导致的过度风格变动。
- 风格漂移呈均值回归特征，漂移非持久，基金风格随市场周期起伏而调整。
- 由于基金持仓披露周期半年，主动风格漂移测量存在一定低估，但其影响有限。

• 风格漂移与基金业绩关系：排序投资组合分析 [page::6][page::7]

- 按照风格漂移水平对基金排序，风格漂移最高的五分之一基金月均收益显著高于最低的五分之一，未调整风险时两者相差約3.03%。
- 应用Carhart四因子模型调整风险后，风格漂移溢价大幅减弱至不显著，主要由市场风险因子解释。
- 不同模型和重平衡频率验证了风格漂移与基金收益正相关关系的稳健性。

| 风格漂移排序 | 净回报(%) | Carhart 四因子模型Alpha(%) | 市场风险因子（MKT） |
|--------------|----------|-----------------------------|---------------------|
| 低风格漂移 | -1.18 | 0.51 | 0.837 |
| 高风格漂移 | 1.85 | 0.52 | 0.840 |
| 高-低 | 3.03 | 0.012 | 0.003 |

• 主动与被动风格漂移的交互影响 [page::8]

- 双排序显示积极主动风格漂移基金组合表现持续优异，月均净回报正向溢价高达1.27%-1.70%，支持主动调仓管理提高收益。
- 风格漂移的风险调整阿尔法显著下降，表明风格漂移收益主要源于承担的共同风险因子。

• 风格漂移的预测能力：横截面回归分析 [page::8][page::9]

- Fama-MacBeth回归表明总风格漂移(SD)对当月基金超额收益有显著正向预测力。
- 主动(ASD)和被动(PSD)风格漂移单独预测无显著性，但联合进入模型时均显示正向预测能力，增强了预测的稳健性。

• 基金公司效应检验 [page::9][page::10]

- 控制基金家族规模因素后，风格漂移预测基金收益的作用依然稳健未被基金公司效应所掩盖。
- 基金公司效应对基金规模和过往业绩预测能力存在影响，但不显著影响风格漂移溢价。

• 未观察信息影响分析 [page::10][page::11]

- 通过基金alpha的R平方(TR)和月度异质波动率(IVOL)作为未观察信息代理加入回归，结果显示未观察信息降低了风格漂移的预测能力，但未完全消除其显著性。
- 这表明基金的风格漂移溢价不仅来自未观察的管理行为，风格风险承担是核心因素。

• 结论与启示 [page::11][page::12]

- 基金的风格漂移尤其是主动风格漂移，反映了基金经理调整风险暴露的行为，对基金业绩具有长期的预测和解释作用。
- 风格漂移溢价主要来源于承担的风格风险因子，而非简单的基金公司效应或未观察的信息披露不足。
- 报告方法与发现为主动权益基金的风格分析与业绩预测提供了新工具和视角。[page::0][page::3][page::5][page::8][page::9][page::11][page::12]

海外文献速览 | 基金风格漂移度量以及其对基金业绩的预测作用——详尽分析报告

---

一、元数据与报告概览

报告标题：海外文献速览 | 基金风格漂移度量以及其对基金业绩的预测作用
作者：高智威（东兴证券量化智投团队）
发布日期：2021年10月15日
发布机构：东兴证券研究所
研究文献来源：Yezhou Sha发表于《Economic Modelling》的论文《The devil in the style: Mutual fund style drift, performance and common risk factors》
研究对象：中国市场主动权益基金
核心主题：基金风格漂移的测量方法改进及其对基金业绩的预测能力研究
报告核心论点：

• 基于基金持股的风格漂移度量方法比传统基于回报的风格分析（RBSA）更贴近实际，能更准确捕捉基金的风格变化。

- 提出并应用了修正后的风格漂移度量指标（HBSA-SD），该指标兼顾漂移方向与幅度，克服传统方法求和抵消缺陷。

• 发现基金主动调整风格的行为是在对冲被动风格漂移，形成一种风格平衡行为。

- 风格漂移度量与基金未来收益呈显著正相关，表明风格漂移能预测基金横截面回报；这种溢价主要源自共同的风格风险因子。

• 该溢价不受基金公司效应或未观察信息的影响，即风格漂移自身对基金表现有独立预测能力。

评级与目标价：报告不涉及具体投资评级和目标价，强调研究价值和方法论创新[page::0,1,2].

---

二、逐节深度解读

2.1 摘要与研究背景

报告首先简介东兴金工团队推出“海外文献速览”系列，旨在引入海外前沿量化研究成果应用于中国市场。此篇总结了Yezhou Sha的论文，强调基于持股数据的风格漂移度量方法提升，且风格漂移对基金业绩有预测能力。

背景部分介绍了中国基金市场发展历程（1998-2018），特别是2003年“基金法”实施后基金数量和规模爆发式增长，投资风格披露制度的建立及其复杂性。多数早期研究基于回报的风格分析（RBSA）方法，存在数据和方法局限性，风格漂移现象由Zhou等（2018）等研究广泛揭示但结果不一。文献背景系统梳理了中国基金风格漂移的学术争议和方法不足，为作者采用持股法（HBSA）构建新度量奠定基础[page::0,1].

2.2 文献综述

重点回顾了全球范围内基金业绩预测、风格漂移研究的发展，特别是RBSA方法的短板及基于持股的回报分析(HBSA)模型的优势。作者构建了包含规模（Size）、账面市值比（BM）、动量（Momentum）三大股特征的月度DGTW数据库，采用基于持股的风格漂移划分为主动（ASD）与被动（PSD）漂移两类指标，进一步通过标准差（SD）综合度量漂移波动性，从而克服Wermers（2012）简单求和忽略方向性的缺陷。文中指出，风格漂移主要源自规模调整，风格漂移表现出均值回复特征，且积极的风格漂移与基金风险调整后的溢价相关，支持风格漂移导致基金承担显著的共同风险因子[page::2].

2.3 数据、变量及样本

报告详细介绍了数据采集与变量构造方法：

• 数据涵盖2000年1月至2018年6月间所有A股市场股票及基金月度持仓信息，数据源包括CSMAR与RESSET数据库。

- 股票市值ME、账面市值比BM、12个月动量MOM经过行业调整和对数处理，为特征得分基础。

• 基金持仓权重以基金总资产净值比例计，定期每半年披露持仓，滞后3个月数据合并。

- 依Wermers（2012）框架，定义风格得分SCORE和风格漂移（SD）；被动漂移（PSD）由市值和财务特征变化驱动，主动漂移（ASD）由基金经理的持仓调整驱动。

• 采用基于标准差的新度量整合主动被动漂移，解决漂移方向相反抵消问题。

- 基金持仓股票中位数约45只，基金风格漂移测量值均值接近零，表明漂移无显著持续偏向[page::3,4].

2.4 实证结果分析

2.4.1 基金风格漂移特征

• 图2揭示2000-2018年基金风格演变趋势——规模和动量风格普遍正向，价值风格多数为负且较稳定；风格漂移表现出均值回归且主要由被动漂移驱动，主动漂移多为负，体现基金经理在防止过度漂移，使得风格趋于均衡。

- 月度ASD测度存在偏差，因为频繁交易无法完全反映入半年财报披露，被观察数据低估主动漂移。图3证实：半年末披露风格漂移偏低但影响整体调整幅度较小[page::5,6].

2.4.2 风格漂移排序与投资绩效

• 按风格漂移程度对基金进行五分位排序，构建因子投资组合。高风格漂移基金组月度平均超额收益明显高于低漂移组，最高和最低组间平均超额收益差幅达每月3.03%。

- 风险调整后（Carhart四因子模型）超额收益几乎归零，表明基金漂移溢价主要由市场风险等因子解释，主动风格漂移带来的阿尔法被常见风险所“吸收”。

• 主动和被动风格漂移的双排序组合测试显示主动漂移对净收益有积极影响，风险调整后对α的贡献减少但仍显著，优化了对基金业绩的解释[page::6,7,8].

2.4.3 横截面回归分析的预测能力

• Fama-MacBeth回归通过控制动量效应、规模、基金年龄等变量验证了风格漂移的预测作用。

- 总风格漂移（SD）对基金未来超额收益有显著正向预测能力，主动漂移（ASD）和被动漂移（PSD）单独解释能力不显著但合并后预测力增强。

• 通过控制基金公司效应（基金家族规模）分析，风格漂移及其回报预测并非由基金公司效应驱动。

- 探究未观察到的风格漂移影响，采用基金特质波动率（IVOL）和基金R方(TR)指标测量未观察信息，发现它们对风格漂移溢价的解释有限，风格漂移本身保持独立预测能力[page::9,10,11].

---

三、图表深度解读

图1：基金风格指标与特征汇总统计（第4页）

• 描述：表格同时展示了基金风格（SCORE）、风格漂移（SD）、被动（PSD）与主动漂移（ASD）的统计分布及基金特征（权重W、规模ME、账面市值比BM、动量MOM及持股数）。

- 关键数据：平均风格得分1.95，风格漂移SD接近零（0.01），被动漂移为正（0.72），主动漂移为负（-0.68），基金平均持股数75只左右，规模均值为6.32*10^7。

• 解读：被动漂移主导总漂移，主动漂移表现为调整和平衡力量；资产特征显示基金覆盖较广，基金在规模、账面市值比和动量维度上各异，使得分析基于多个风格因素。基于相关性矩阵，ASD和PSD相关性为-0.94，反映主动管理与被动市场驱动相互对冲[page::4].

图2：跨时间的基金风格漂移趋势（第5页）

• 描述：5张图分别展示规模、价值、动量三风格的时间序列趋势、Wermers风格得分、被动漂移、主动漂移及整体漂移的时间演变。

- 关键趋势：规模风格和动量风格长期正向漂移，价值风格偏负但稳定；被动漂移多为正，驱动基金风格变动；主动漂移一般为负，表示基金经理主动调控。整体漂移呈均值回归并居中于零。

• 说明文本中风格漂移不具有持续偏向，与文献中基于回报的分析发现存在差异，其根本在于数据采集和度量方法差异，强化了基于持股的优势。牛熊市周期对应风格变动，体现投资者情绪影响[page::5].

图3：月度主动风格漂移（ASD）（第6页）

• 描述：柱状图展示12个月内每月ASD均值，6月与12月（半年报披露区间）均显著低于其他月份。

- 关键数据：6月、12月均值约-0.75，其他月份-0.56，t检验显示差异显著（t=-30.31）。

• 说明未公开期内可能存在未记录的主动交易，导致半年报数据低估ASD，但统计学幅度较小，未对总体结论构成严重影响[page::6].

图4和图5：风格漂移排序投资组合表现（第7、8页）

• 描述：图4表明风格漂移从低到高排序基金的净超额收益逐步上升，最高组显著优于最低组；但经过风险调整后，超额收益基本消失。图5表格细化显示CAPM、FF3、FFC4模型的alpha和因子暴露，确认溢价主要由市场风险解释。

- 分析：表明风格漂移所体现的溢价本质是承担风险的补偿（特别是市场风险），且基金经理的主动调仓行为或许并不一定带来显著alpha提升。风格漂移对投资者的表现解释能力主要通过承担系统性风险传导[page::7,8].

图6：双排序主动与被动风格漂移对基金表现的影响（第8页）

• 描述：热力表形式展示不同被动漂移（PSD）分位中，主动漂移（ASD）分位的基金月度净收益和Carhart四因子alpha。

- 数据趋势：主动漂移越高对应的基金表现越好，尤其在被动漂移低的组别中更加显著。风险调整后效果减弱，但仍有一定存在。

• 说明：积极的主动管理（ASD）在多种被动风险环境下均带来正回报，强化了主动风格漂移的重要性，同时表明基金风格漂移不仅来自市场驱动，还有管理者行为的积极贡献[page::8].

图7：Fama-MacBeth横截面回归系数（第9页）

• 描述：报告了总风格漂移、主动漂移、被动漂移与基金未来超额收益的相关系数及其统计显著性。

- 结论：SD整体对未来收益有正向显著预测能力，ASD和PSD单独非显著，合并显著；基金短期收益（Ret-1）和中长期动量也对回报有显著影响。控制变量齐全后模型的解释力（R²）保持稳定。

• 说明：风格漂移的预测力来源于主动与被动因素的综合效应，且不完全由基金过往表现解释[page::9].

图8：基金公司效应对风格漂移预测的影响（第10页）

• 描述：将基金家族总资产净值变量加入回归，考察公司效应是否影响风格漂移的预测力。

- 数据：公司效应变量回归系数不显著，风格漂移指标（SD、ASD、PSD）系数稍有下降但仍显著。

• 说明：风格漂移预测业绩与基金公司规模效应无关，排除了基金家族作用对船效应的替代解释[page::10].

图9、图10：未观察的信息对风格漂移预测能力的补充作用（第11页）

• 图9：基金R²(TR)与风格漂移共同回归结果，TR加入后风格漂移系数略减但仍显著。

- 图10：基金特质波动率(IVOL)加入回归，结果显示未观察信息对解释力有部分贡献但不能完全替代风格漂移。

• 结论：未观察到的信息在一定程度影响风格漂移测度，但风格漂移本身依旧是独立且显著的业绩预测指标[page::11].

---

四、估值分析

本报告为理论性实证研究报告，未涉及具体估值模型或目标价，因此无传统意义上的估值分析。其关注点在于基金风格漂移指标构建和其统计学及经济学上的预测能力验证。

---

五、风险因素评估

报告特别强调风险提示，包括：

• 本研究基于历史数据和实证模型，市场环境变化可能导致模型失效。

- 数据覆盖频率不足，半年报披露导致的主动漂移估计偏差。

• 由于分析对象为中国市场，结论对其他市场适用性需谨慎推断。

- 风格漂移风险包含未完全可控的共同风险因子，投资者需注意承受相应波动风险。

风险提示较为直白，体现研究结果非投资建议性质，强调模型的历史性约束及市场环境的动态不确定性[page::0,12].

---

六、批判性视角与细微差别

• 方法论的进步与局限：基于持股的风格度量较回报法更可靠，克服了多个统计学假设限制，但其半年报频率限制了风格漂移动态捕捉的完整度，尤其对高频交易策略估计不足。

- 主动漂移估计偏低：受到半年报公布频率限制，可能遗漏部分基金经理的频繁交易行为。虽然作者对偏差进行了统计检验，表明影响有限，但仍需关注。

• 溢价主要由风险驱动：风格漂移与基金业绩正相关的溢价在风险调整后大幅减少，质疑主动风格调整是否真正创造了市场超额收益，强调其更多体现为承担市场风险。

- 基金公司效应剔除：回归中基金家族规模控制后风格漂移保持稳定，说明该效应非基金家族资源或品牌驱动，增强结果的稳健性。

• 未交易数据隐含风险难以完全消除：未观察信息（TR、IVOL）解释部分风格漂移的预测能力，但不能完全替代，提示未来研究可探索更高频更细粒度的持仓数据。

- 报告中的措辞客观且基于数据，未明显出现夸大基金经理主动能力的倾向，呈现为稳健的风险调整视角。

---

七、结论性综合

本报告系统梳理并深度解读了Yezhou Sha《The devil in the style》一文，通过细致的持仓数据构建基金风格漂移指标（HBSA-SD），并发现以下关键结论：

• 基于持股的风格漂移方法有效克服了传统基于回报风格漂移度量中因风格方向抵消带来的偏差，更准确反映基金管理过程中的主动与被动漂移。

- 主动权益基金的风格漂移主导于规模维度，且漂移表现为均值回归，基金经理主动调仓以平衡和控制过度漂移，展现理性主动管理行为。

• 风格漂移度量能显著预测基金后续横截面收益，表明投资者可以通过观察基金风格漂移度量捕捉基金的风险暴露和潜在业绩预期。

- 风格漂移所体现的溢价主要源自共同的市场风险暴露，经过市场风险调整后异常收益显著下降，主动风格调整收益更多来自承担风格代表的共同风险因子，缺少纯粹alpha创造证据。

• 基金公司及未观察信息无法解释风格漂移的预测溢价，说明风格漂移具有独立的经济学意义。

- 报告对中国共同基金市场在2005-2018年的基金行为与业绩提供了系统的实证证据，补充了新兴市场基金研究领域中风格漂移的理论与实践视角。

此报告为投资者和研究人员提供了一个全新的基于持仓的衡量基金风格漂移的可操作框架，有助于更深入理解基金经理的投资行为及其对基金业绩的影响，具备较高的参考和应用价值[page::0-12].

---

以上为本篇报告的全面且系统的分析，覆盖基金风格漂移度量方法、实证结果、风险讨论及其对基金业绩预测的贡献，并对报告附带图表进行了详尽解读，确保内容充分、专业且信息丰富。

报告