“学海拾珠”系列之七十九：如何基于持仓刻画共同基金的择时能力?

由small_q创建，最终由small_q更新于2022-11-01 05:42 被浏览 17 用户

报告摘要

主要观点

本篇是学海拾珠系列第七十九篇，本期推荐的海外文献提出了一个新颖的基金业绩归因模型。该模型主要基于投资组合的持仓数据，衡量了基金来自不同业绩来源的增值，如动量策略、选股、择时，并且可以分离出被动择时对业绩的影响。回到国内基金市场，投资者常常会用回归法对基金的择时能力进行分析，鲜有基于持仓的视角，本文为我们深入探究基金择时能力提供新颖的思路。

选股能力是基金业绩的主要贡献来源

关于个股选择能力，本文考虑了两个组成部分。第一个部分，衡量基金经理的动量策略所增加的价值，这些策略包括对具有特异性回报的证券进行增持或减持。结果表明，这部分的贡献平均来看为负值。第二个部分是经理人预测股票的预期外表现而产生的增值，这部分的贡献一般是正值。总的来说，无论考虑样本期或改变使用的资产定价模型，选股是共同基金业绩的最大贡献者。

择时能力对于共同基金业绩贡献很小

关于择时能力，本文考虑两个部分。第一个是与经理人预测市场走向的能力有关。实证结果表明，择时能力对于基金业绩的影响是复杂的，总体而言贡献值接近于零。但是，表现最好的基金和表现最差的基金在择时能力方面存在明显的差异，特别是在经济危机时期。第二个是被动择时的部分，它的贡献值接近于零，几乎没有意义。

基金业绩不同来源的可持续性存在差异

本文研究了基金业绩组成部分的持续性，发现动量策略和择股能力具有正向的业绩持续性，而择时能力存在负面的持续性，这导致了基金整体业绩缺乏持续性。

风险提示

本文结论基于历史数据与海外文献进行总结；不构成任何投资建议。

简介

共同基金是近些年兴起的一种投资工具，其资金由投资者汇集而成，基金经理负责将这些资金投资于股票、债券、货币市场中。因此分析基金经理是否能够为投资者提供附加价值对投资者和管理者来说都是一个很重要的问题。

基金管理者主动管理的两个基本工具：第一个是选股，即经理人对被低估（高估）的资产进行投资（不投资）的能力。第二个是择时，即预测市场表现的能力，在上涨的市场中增加投资组合的β值或在下跌的市场中减少β值。在此背景下，本文旨在分析共同基金的业绩归因，特别关注市场时机选择能力。

评估共同基金业绩的一种方法是将其收益与相同风险特征的被动型组合所取得的收益进行比较。因为收益数据的可得性，大部分的共同基金业绩研究都是基于资产定价模型和多因子模型。详细的投资组合持仓是评估共同基金业绩的另一个数据来源。最常用的方法之一是由Grinblatt和Titman（1993）提出的，通过分析投资组合持有的权重变化来衡量基金业绩。

关于择时能力，目前市场实证证据还不太统一，主要取决于所使用的方法。早期基于收益的衡量标准的结果表明，共同基金并没有反映出显著的择时能力，或者在某些情况下显示出负面的结果。但由于β值是随时间变化的，所以这样衡量择时能力会有偏差，这些问题可以通过使用基于投资组合持仓的衡量基准来解决。

在基于持仓的衡量标准的背景下，本文提出了一个评估共同基金主动管理的新模型。与Daniel等人（1997）和Kacperczyk等人（2014）一致，通过分析投资组合持仓的变化来观察投资经理的决策，衡量这些变化对共同基金收益的贡献。本文提出了一个新的绩效归因模型，该模型由与选股和择时四个相关部分组成，能够分离出被动择时的影响。

在实证部分，本文首先展示了通过传统的基于收益率的择时能力的衡量标准得到的结果。该分析表明存在有效和无效择时情况，无效择时的情况的更多一点。平均而言，基金的择时是无效的。接下来，本文采用类似于Elton等人（2012）的基于持仓的择时能力的衡量标准，择时的有效性有所改善。

然后，基于投资组合的持仓数据应用本文提出的业绩归因模型，以全面的方式衡量选股和择时能力对共同基金业绩的贡献。相对于证券选择而言，本文考虑了两个组成部分。第一个部分，衡量基金经理过去的动量策略所增加的价值，这些策略包括对具有特异性回报的证券进行增持或减持。本文结果表明，这部分的贡献平均为负值。第二个部分是经理人预测证券的意外表现而产生的增值，这部分的贡献一般是正值，是共同基金业绩的平均最大贡献者。关于择时能力，主要考虑两个部分。第一个是与经理人预测市场走向的能力有关。本文结果显示，其意义不大，贡献值接近于零。被动择时的部分也遵循类似的规律；它接近于零，没有意义。

本文还分析了业绩归因与基金业绩水平的关系。将共同基金从最低业绩到最高业绩被分成十等分，最好的基金在挑选股票和把握市场时机方面都表现出正向的能力。表现最差的基金业绩主要是由他们糟糕的择时能力导致的。

作者还分析检验了上述结果的稳健性。首先，根据金融市场的情况，将样本期分为两个子期，即增长期和危机期。结果显示，共同基金的业绩在危机时期反应更好，关于对业绩的贡献，选股能力在两个时期都是正的，但在增长期更高。然而，资产配置策略和择时能力的贡献在增长期是负的，而在危机期是正的。管理者似乎在经济繁荣期能更好地挑选股票，而在经济衰退期更好的择时。其次，通过使用Carhart（1997）的四因子模型而不是单因子模型来分析业绩归因模型的稳健性，结果依旧是一样的。

简而言之，本文的结果表明，无论所考虑的样本期和使用的资产定价模型如何，选股是业绩的最重要组成部分，而且平均贡献为正。择时对业绩的贡献接近于零，并且根据所分析的样本期结果会有不同。尽管本文研究表明：表现最好和最差的共同基金的择时能力存在重要差异，特别是在危机时期，但平均而言，共同基金不能有效地对市场进行择时。尽管投资策略也根据所考察的样本期而呈现出不同的贡献，但总体来看它对共同基金业绩的贡献是相当重要的，而被动择时在所有进行的分析中都有几乎无意义。

最后，本文还分析了处于业绩衡量标准的前百分之二十的共同基金的特征。结果表明，业绩处于头部的基金的规模明显较小，比其他共同基金更集中，而且其投资组合的换手率更高。

本文的其余部分组织如下。第2节描述了数据。第3节，提出了方法论框架。第4节包含实证结果，第5节包含稳健性和附加分析，第6节是结论。

数据

本文所提出的业绩归因模型在西班牙共同基金的样本中测试。为了展开研究，作者在分析中结合了两个共同基金数据集。

第一个是由西班牙监管机构--西班牙证券交易委员会（CNMV）提供的CNMV共同基金数据集。这个数据库有每日收益和每月基金特征的信息，如总净资产和所有西班牙共同基金的投资者数量。该数据库还包含所有西班牙共同基金的季度投资组合持仓信息。因此，这个数据库不存在幸存者偏差。除了这些信息，CNMV还为本文提供了1999年12月至2006年的12月的月度投资组合持仓，这克服了以往文献中使用共同基金的管理公司自愿提供数据时可能存在的报告选择偏差问题。

第二个数据来源是Morningstar Direct，使本文完善2007年1月开始的CNMV季度投资组合持仓数据库，并提供了月度数据。Morningstar和CNMV的持股数据既包括交易性股票的持有量，也包括债券、优先股、其他共同基金、非交易性股票、衍生品和现金的持有量。两个数据集使本文能够分析样本期间81.5%的每月基金投资组合持仓情况。

最终的样本包括160个西班牙国内股票基金和13287个投资组合。

表1的A组报告了2000-2014年期西班牙国内股票基金样本中的160只基金的一些描述性统计。通过对一年中每只基金以及各基金的时间序列进行平均，以获得每年报告的投资组合的平均值，样本中的基金平均总净资产（TNA）为5621万欧元，平均投资者数量为2448人。这些基金将78.88%的资产投资于普通股票，基金所持股票的平均数量为35只。此外，表1的B组还报告了在所分析的时间段内各年的基金投资组合在主要证券类型中的份额，主要投资于国内股票，投资于固定收益和其他共同基金的比例相对较小。非受控证券的低比例（不到投资组合的1%）也保证了样本数据的质量。

最后，关于证券收益的数据来源是DataStream，它提供了国内和国外股票的每日收益信息，并说明了资本运作，如股票分割、支付股息和季节性股票发行。因此，有关于所有股票在整个样本时间段内的每日回报信息。此外，国库券和其他固定收入证券的回报是使用Analistas Financieros Internacionales (AFI)公布的指数计算的。最后，非受控证券占基金总资产的比例很低（见图表1），与现金和现金等价物一起，其回报率为零。Ibex-35指数收益率被用作股市收益率的代表，而一天的西班牙T-bill Repos收益率则是无风险利率的代表。

稳健性部分也使用了Carhart（1997）的四因子模型。这些因子是使用Compustat日频数据，样本期是从2001年3月到2014年6月。

图片{w:100}{w:100}{w:100}

研究方法

基于收益的择时衡量方法

基金经理可以通过改变对影响基金收益的一系列因素的敏感性来做出择时。在无法直接观察到基金beta的情况下，基于收益的择时指标较有效。出于这个原因，传统的择时模型利用时间序列回归，将基金的超额收益与一组因素在一段时间内的超额收益进行回归，具体如下：

图片{w:100}{w:100}{w:100}

其中和表示持有期间t的超额基金和市场回报。具体来说，方程式（1）被称为Treynor和Mazuy（1966）模型，而方程式（2）被称为Henriksson和Merton（1981）模型。

大多数研究都表明共同基金的无效或者无意义的择时表现。然而，这些模型存在文献中记载的不同问题，如被动择时效应（见Jagannathan和Korajczyk 1986，Bollen和Busse2001和Matallín-Sáez等人2015）。这种效应的一部分与基金投资的股票的一些特征有关，最相关的特征是与规模有关（见，例如，Matallín-Sáez，2006）。因此，本文考虑到Carhart（1997）提出的额外风险因素，对模型（1）和（2）做了如下扩展:

图片{w:100}{w:100}{w:100}

其中是市值因素，定义为小股票和大股票之间的回报差异，是价值因素，定义为高和低账面市值比率股票之间的回报差异，指的是动量因素，为过去赢家股票和输家股票的回报差异。

文献中使用了各种形式和不同频率的数据来检验共同基金的择时能力。为此，在本文中，首先使用月度和日频收益数据计算了传统的择时模型（以下简称TM和HM模型）及其各自的扩展模型（3）和（4）。

基于持仓的择时衡量方法

在观察到基金的投资组合持仓情况时，可以直接将某个时间点β的基金β估计值估计为基金持有的每只证券的β估计值的加权平均值，如下所示：

图片{w:100}{w:100}{w:100}

其中w 是股票i在持有期t+1开始时的投资组合权重，β 是使用t+1之前的数据估计的股票的β。个股的贝塔系数是用组合报告日之前一年的每日收益率的单因素模型来估计的。要求证券在估计期间至少有60个日频观测值。与Jiang等人（2007）类似，非股票证券被假定为β值为零。

按照Jiang等人（2007）的做法，通过回归估计系数来衡量择时能力：

图片{w:100}{w:100}{w:100}

其中是在t+1期开始时估计的基金β，是一个指标，当时取值为1，其余为0，估计的系数分别指的是基于持仓的Treynor和Mazuy方法（6）和基于持仓的Henriksson-Merton方法（7）。正的则表示有效择时。

基于投资组合权重的主动变化的择时衡量方法

基于持仓的衡量方法本质上是衡量某一时刻t的基金β水平与随后持有期的市场回报之间的协方差。然而，正如Jiang等人(2007)所说，基金beta的时间变化既可以由基金经理的主动交易驱动，也可以由股票价格的变化导致的被动投资组合权重变化所驱动。

本文遵循Grinblatt和Titman（1993）和Fulkerson（2013）方法分析投资组合权重的变化，投资组合权重是可观察的，因此，它们是比betas更直接的衡量标准。具体来说，从t-1期到t期，由于主动交易导致的证券组合权重变化计算如下：

图片{w:100}{w:100}{w:100}

其中，是证券i在t时刻的基金组合权重，是t时刻证券i的被动组合权重，该权重是由前一时刻t-1的基金组合持仓推断出来的。换句话说，是如果基金在t时期遵循被动的购买和持有策略的证券i在t时刻的权重，代表由于基金经理主动交易导致的投资组合权重变化。

将异常表现定义为共同基金p在下一个时期（t+1）由于基于t时期的主动交易的投资组合权重变化而产生的回报。

其中是证券i在t+1期间的回报率，以及由于从t-1期到t期的主动交易导致的投资组合的权重变化。比较了共同基金p在t+1期间根据t期间的实际投资组合持仓（）与t期间被动管理的假设投资组合持仓（）的预期收益。

随着择时的改变，投资组合的系统性风险水平也发生了变化，有必要引入资产定价模型来框定证券的系统性风险。本文在资本资产定价模型（单因子模型）的背景下分析了择时能力。本文将证券的特异性成分定义为。

这个表达式可以很容易地推广到一个多因素模型，其中特异性成分是回报率中没有被模型定价的部分。将这个表达式替换到方程（9）中，得到以下表达式，将共同基金p的异常表现分成不同的项。

作者认为和可能是随时间变化的。因此，计算它们从t时期到t+1时期的变化如下：

因此，方程（9）也可以改写如下：

方程式(14)的右边可以分成四个项，从(i)到(iv)。共同基金的研究通常认为业绩的两个来源：证券选择和择时。前者与经理人投资被低估/高估的证券的能力有关，而后者指的是经理人对股票市场时机的把握能力。

部分(i)捕捉了给定基金p的业绩部分，它对应于基金经理根据之前的特异性回报改变了证券i的组合权重。部分(ii)反映了与经理人选股能力有关的业绩部分。如果经理人在t时刻超配（减配）证券i，并在下一阶段增加（减少）其特异性回报，则其数值为正。因此，这个术语衡量了经理人在预测证券的意外表现方面的附加值。以前的文献也曾用特异性条款来衡量业绩。部分（iii）反映了经理人由于择时能力而增加的价值。正如方程(15)表明，共同基金经理可以在时刻t改变给定证券i的权重，目的是改变共同基金p在t时期的β值，从而试图预测下一个时期t+1的超额市场回报。

部分(iv)衡量的是“被动择时效应”。它反映了这样一个事实，即证券的beta不是恒定的，而是随时间变化，根据市场状态（类似期权的特征）呈现出不对称性。因此，投资于这些证券的被动投资组合的收益可能与市场收益有不对称的关系。