• 研究核心假设与发现 [page::0][page::1][page::2]：

- 共同基金投资者主要依赖简单信号（如未经调整的历史回报和晨星评级）进行投资决策。
- 基金资金流动主要体现业绩追逐行为，而非复杂的对基金经理Alpha能力的学习。
- 投资者无法区分基金回报的风险敞口部分与Alpha来源，且主动和被动基金均呈类似资金流向特征。

• 主动与被动基金样本基本特征及数据处理 [page::3][page::4]：

| 类型 | 样本数量 | 平均规模(亿美元) | 平均成立年数 | 平均月资金流量(%) | CAPM Alpha均值(%) |
|------------|----------|-----------------|-------------|-------------------|------------------|
| 主动基金 | 3,341 | 14.7 | 16.9 | -0.54 | 0.09 |
| 指数基金 | 328 | 28.1 | 9.5 | 0.15 | 0.05 |
- 资金流量定义为净资金流入占前期净资产比例。
- 使用多因素模型（CAPM、Fama-French三因子和Carhart四因子）对基金收益进行分解。

• 时间序列资金流动分析揭示强烈的业绩追逐效应 [page::4][page::5]：

- 资金流向与历史未经调整回报高度正相关，越高回报吸引越多资金。
- 主动与被动基金的资金流动残差高度相关，体现共同驱动因素。

- 资金流动与Alpha无显著相关，说明资金流非基于对基金经理Alpha的把握。
- 回归模型显示未经调整收益是解释总资金流动的最佳变量。

• 横截面资金流动影响因素：晨星评级最具解释力 [page::6][page::7]

- 晨星评级与过往收益均独立且显著解释资金流向，尤其是以美元计量的资金流。
- 五星评级基金吸引的资金流远高于仅靠定价模型Alpha排名顶端的基金。
| 比较项 | 基金流动(%)差异 | t统计量 | 基金流动($Mn)差异 | t统计量 | 正向流动率(%)差异 | t统计量 |
|-----------------|---------------|---------|-------------------|---------|------------------|---------|
| 晨星 VS 未调整 | 0.099 | 2.50 | 10.9 | 6.27 | 7.1 | 4.45 |
| 晨星 VS CAPM | 0.108 | 2.72 | 11.0 | 6.26 | 7.3 | 4.57 |
- 资金流对晨星评级的依赖稳定且不受2002年评级方法改革影响。

• 投资者对晨星评级的简单应用证据 [page::8][page::9]

- 改革前后资金流与评级的关系稳定，投资者未对评级风格分组作动态调整，表明投资者只是利用晨星评级作为简单筛选信号而非深入理解。
- 资金流动基于评级星级简单外推未来表现，而非复杂学习基金Alpha。

• 证伪先前学术结论：投资者非复杂贝叶斯学习者 [page::9][page::10][page::11]

- 复现了Berk（2016）和Barber（2016）的结论，资金流与CAPM Alpha关系最强。
- 通过对被动基金和模拟资金流证伪，发现该结论是计量方法带来的无意识加权虚假结论，非真实的学习结果。
- 时间序列和横截面资金流敏感性差异以及市场波动期权重导致误判。

• 因时间序列与横截面资金流量敏感性的加权机制导致偏差 [page::11][page::12][page::13]

- 投资者流量对未经调整回报的时间序列变化更敏感，而其横截面敏感度较低。
- 极端市场环境下资金流横截面的敏感度下降，导致CAPM Alpha表现优于其他因子的假象。
- 采用正确加权后，资金流解释基于Alpha能力的假象消失。

• 结论与风险提示 [page::13]

- 共同基金资金流主要体现了投资者基于简单信号和外推的业绩追逐行为，非复杂学习基金经理的风险调整Alpha能力。
- 主动和被动基金表现相似，资金流动受基金过往未调整收益及晨星评级显著影响。
- 研究基于美国市场，结论在中国市场的适用性需谨慎判断。

招商定量·琢璞系列 | 共同基金投资者究竟在关注什么？——详尽分析报告

---

一、元数据与概览

• 报告标题： 招商定量·琢璞系列| 共同基金投资者究竟在关注什么？

- 作者及团队： 招商定量任瞳团队

• 发布时间： 2022年3月17日

- 研究主题： 共同基金投资者行为，基金资金流动来源及其对基金经理Alpha能力的识别能力

• 核心论点： 本报告基于2021年发表于《Review of Financial Studies》的论文《What Do Mutual Fund Investors Really Care About?》的节选和解读，指出基金投资者并非普遍具备复杂评估基金经理Alpha能力的超理性和贝叶斯学习能力，而是基于简单的信号（如过去业绩和晨星评级）进行业绩追逐。投资者未能区分基金回报的来源（风险敞口还是Alpha），被动与主动基金中均有类似资金流向特征。报告质疑了传统观点中投资者拥有复杂学习和决策能力的假设。[page::0,1,2]

---

二、逐节深度解读

1. 研究背景与问题陈述

基金资金流动的研究显示投资者行为极端不一致，且资金流动强烈关联于过往业绩，但对于这种关联背后的原因学术界存在分歧。部分文献认为资金流动反映了投资者基于贝叶斯理论对基金经理能力的学习和再分配决策（如Berk和Green 2004年），另一些则认为投资行为更简单、基于过往表现的业绩追逐。报告针对这一矛盾，假设投资者主要基于简单信号而非复杂的风险调整收益或Alpha进行决策，不论是主动还是被动基金均如此。

本文试图以数据测试验证该假设，且预期在基金资金流动中发现业绩追逐现象，且被动指数基金同样表现出类似资金流动特征，表明投资者不区分基金回报来源。[page::1]

2. 文章框架与假设

文章结构分三部分：

• 第一部分：提出投资者只依据简单信号作出决策的假设，不进行复杂学习，且不同时间和横截面均存在业绩追逐。
• 第二部分：使用主动基金和被动指数基金样本（1991-2017年数据）进行实证，涵盖流量计算、基金收益分解、晨星评级等，检验资金流与未经调整回报、Alpha等多指标的关系。
• 第三部分：复现并证伪先前研究（Berk和Binsbergen 2016；Barber等人2016）的结论，即资金流对CAPM Alpha的敏感性更显著，进一步发现该结论因数据加权方式问题而偏差，真实情况是投资者并无有效学习Alpha能力。[page::1]

3. 文章贡献

主要贡献在于：

• 通过分离时间序列和横截面测试，说明资金流动主要反映的是业绩追逐行为而非复杂学习行为，甚至先前被视为学习行为的结果在被动基金和模拟数据中也出现。
• 提出资产定价领域“显示偏好”研究应当采用证伪检验以及对面板数据时间序列和横截面成分的区分，防止误解投资者行为模式。[page::2]

---

4. 数据样本及统计描述

• 主动基金： 1991年1月至2011年12月，3341只美国股票主动管理基金，平均管理规模14.7亿美元，流量定义为净流量占上期资产净值的比例。基金收益拆分为未调整收益、市场调整收益、CAPM Alpha、FF三因子及四因子Alpha等指标。
• 指数基金： 采用相同区间数据，样本包括328只基金，资产管理规模平均28.1亿美元，表现出更大的规模和流量水平。
• 晨星评级和风格分类数据与CRSP合并处理。[page::3,4]

---

5. 实证研究与主要发现

（1）时间序列资金流动（广度角度）

• 资金流向与过去未经调整的基金收益明显正相关，无论主动还是被动基金，表现类似。
• 图1显示，随着过去基金收益排位越高，资金流入比例越大，且流入主动基金的资金流量与被动基金高度相关，反映可能为投资者基于市场整体表现和情绪的业绩追逐。[page::4]
• 表2多模型回归表明：未经调整回报对整体资金流向有显著正向解释力，而CAPM、FF三因子Alpha与资金流动几乎无关，且主动与被动基金流入残差高度相关（0.54-0.79），排除了基金经理Alpha管理能力作用的可能。
• 投资组合再平衡不符合事实，例如股票收益好时，股票基金实际获得更多资金流入，违反资金流应向弱势资产转移的再平衡逻辑。
• 综上，时间维度的资金流更好被业绩追逐解释，且主动和被动基金流动共享相同驱动因素，否定了复杂学习Alpha的假设。[page::5]

（2）横截面资金流动（强度角度）

• 在跨基金比较中，晨星评级和基金过去收益均有独立且显著的解释力，晨星评级作用尤为突出。
• 图3显示晨星评级对资金流解释力占横截面16%以上，而未经调整回报略次。
• 顶级基金（通过晨星或业绩排名筛选）获得的资金流量显著更高，尤其是晨星五星基金，在主动与被动基金里皆明显优于基于CAPM或FF Alpha的排名。
• 表3赛马测试结果进一步确认晨星评级是资金流动最强预测因子。
• 2002年晨星评级体系重大改动后，资金流与评级关系无显著变化，投资者未做风格调整，依然简单追随评级信号，表明投资者并非基于对基金经理复杂的Alpha学习，而是将评级作为简单易用的绩效指示器。[page::6,7,8,9]

（3）复现与证伪先前研究——投资者是否具备复杂学习能力？

• 复现Berk和Barber两篇经典论文，发现与其结论一致，资金流对CAPM模型Alpha表现出更强关联。
• 但证伪检验显示，这种结果同样出现在被动基金和模拟数据中，表明这一现象不代表投资者真的懂得、评估和追逐Alpha。
• 文章发现，这一错误结论缘于时间序列与横截面数据的混杂加权，时间序列上Alpha方差较小，未调整收益变化较大，导致加权偏差。
• 资金流表现敏感性（FPS）随市场状况变化，且横截面FPS在极端市场环境下降低，从而产生了Alpha和资金流关系的“假象”。
• 经过修正（引入Fama-MacBeth方法，剔除时间序列与横截面混淆），发现投资者并未区分Alpha和Beta的资金流差异，更多是基于业绩简单追逐。
• 图7-8及表5-6支持上述结论，显示资金流主要响应未调整的收益，且Alpha与资金流的关联在控制加权影响后显著减弱。[page::10,11,12,13]

---

三、图表深度解读

图1：不同分组的资金流量

• 展示不同过去月度基金收益排名分组中的资金流情况，绿色实线（等权流量），蓝色虚线（市值加权流量），红色点线（正流入基金比例）。
• 结果显示无论主动还是被动基金，资金流量随过去收益的分组上升而增加，表明投资者简单追随过去表现资金流动。

图2：（A）资金流向各绩效指标解释力对比；（B）主动与被动基金资金流残差相关性

• （A）图形显示，未调整回报比CAPM、FF因子Alpha更好地解释资金流。
• （B）散点图表明剔除过去收益效应后，主动与被动基金流量残差仍高度正相关，印证共同驱动力。

图3：资金流解释力的R²分解，基于收益和评级

• 条形图显示评级和过去收益对横截面资金流的解释力均有贡献，评级贡献略高。

图4：排名顶级基金资金流向

• 多图分别展示活跃和被动基金中，按晨星评级、未经调整回报、CAPM Alpha等多标准筛选的顶级基金相对资金流百分比、绝对金额和正流入基金比例。
• 晨星显示最高资金流优势。

图5：晨星评级修改前后资金流-评级关系恒定

• 面板A展示5星基金获得的平均月资金流始终高于低星级，关系稳定。
• 面板B事件研究显示2002年评级体系改革对资金流影响有限，投资者未进行风格调整。

图6：复现先前研究结果，资金流符号一致性与回报分解测试

• 三组数据（主动、被动、模拟）中资金流方向与不同绩效指标表现高度一致，CAPM Alpha似乎解释更好。

图7：按市场状态划分的资金流敏感性

• 显示不同市场表现分组中，资金流与未调整与市场调整后收益及因子Alpha的关系差异，暗示市场条件影响资金流表现敏感性。

图8：FPS（资金流敏感性）与Alpha、因子相关收益离散度关系

• 通过分组揭示资金流对绩效指标反应的时序与横截面差异，验证资金流-Alpha关联偏差的成因。

---

四、估值分析

报告核心为行为金融和实证资产定价分析，无直接公司估值模型（如DCF等）分析。但文中涉及资产定价模型的比较（CAPM、Fama-French、Carhart四因子模型），用于解释基金基金Alpha的定义和资金流敏感性，不属于投资估值范畴的传统估值分析。

---

五、风险因素评估

• 市场与制度风险： 研究基于美国市场数据，作者指出基于国外市场的结论可能无法直接移植至中国市场，存在市场结构、投资者行为等差异的风险。
• 研究方法风险： 相关现象存在数据加权及时间序列与横截面混杂的统计陷阱，若不严格区分时序和横截面影响，结论易产生误判。
• 行为风险： 投资者表现受限于金融知识、注意力和简单启发，可能导致资金错误配置，偏离有效理性预期。
• 外部评级依赖风险： 投资者过度依赖外部评级（如晨星），而忽视评级变更的实际含义或方法论差异，存在误导资金流动的潜在风险。[page::0,13]

---

六、批判性视角与细微差别

• 报告客观呈现投资者行为的简单性，质疑主流认为投资者理性且具备复杂学习能力的观点，较为严苛地指出投资者金融知识匮乏，这一观点虽然有实证依据，但可能低估部分机构投资者或专业投资者的能力，未区分不同投资者类型。
• 另一方面，报告良好处理了不同资产定价模型对资金流解释的复杂性，避免简单采用单因素Alpha指标而进行过度解读，提示在研究该领域应谨慎。
• 对晨星评级的依赖分析为理解评级变动对应资金流的机制提供了深度洞见，但由于评级体系本身非完美指标，过分强调评级信号的简单意义，可能忽略投资者可能存在的更为复杂的行为动机。
• 数据主要限于美国股票基金，跨市场、跨产品类别的普适性需谨慎对待。

---

七、结论性综合

该报告通过严谨的实证方法及创新的证伪检验，明确提出并实证证明：

• 共同基金投资者整体为基于简单信号的“业绩追逐”者，并未表现出有效区分基金经理Alpha能力的复杂贝叶斯学习特质。
• 资金流向与未调整回报及晨星评级高度相关，CAPM或多因子Alpha指标对资金流解释力较差，且该现象在主动及被动基金均存在。
• 晨星评级的变革与投资者资金流反应稳定，表明投资者理解评级详细机制有限，而是简单追随评级结果。
• 先前文献中投资者“使用CAPM Alpha”能力的证据被证伪，主要源于时间序列与横截面数据综合处理中的加权偏差及资金流敏感性随市场条件波动。
• 行为特征的简单性、金融知识有限及对简单信号的过度依赖，或代表基金市场资金流动的主导驱动力。

这些发现产生了重要的理论与实际意义：

• 反思基金投资者行为模型，特别是在资产配置、市场有效性及基金选择策略中的应用。
• 对基金管理者、评级机构及监管者在投资者教育和信息披露方面提出警醒，需提升投资者的金融素养。
• 为未来研究基金资金流和投资行为提供更加细致和严谨的方法论指南。

总之，报告扎实地拆解了基金资金流动背后的动力机制，数据和图表均显示资金流动主要由简单业绩追逐驱动，复杂的Alpha识别和学习能力在实际投资者中表现微弱甚至缺失，这为行业和学术界对基金投资者行为的理解提供了明确的实证依据和崭新视角。[page::0-14]

---

参考重要图表（部分）

• 图1：过去基金收益分组与资金流量递增关系，主动与被动基金表现高度类似。

• 图2：（A）资金流向解释力对比，未调整回报明显优于Alpha指标；（B）主动与被动基金流量残差相关高。

• 图3：收益率与晨星评级对资金流横截面解释力分解，评级作用最大。

• 图5：晨星评级改革前后资金流-评级持续稳定，无风格调整。

• 图6：复现先前文献发现CAPM Alpha解释力较强的现象，包含主动、被动和模拟基金。

• 图8：FPS与Alpha或因子相关收益离散度，呈现资金流敏感性的环境依赖性。

---

（全文引用标注均以报告各页码依次为依据，具体请参考相应引用：[page::X]）

报告