如何评估固收基金经理的因子择时能力？

由crisvalentine创建，最终由crisvalentine更新于2022-08-31 08:29 被浏览 16 用户

导读

1. 作为西学东渐--海外文献推荐系列报告第一百三十九篇，本文推荐了Andrew Chin和Wenxuan Tang于2020年发表的论文《Factor Timing in Fixed-Income Strategies》；

2. 随着市场波动不断加剧，因子择时所受关注也在不断上升。如何判断基金经理的择时能力也成为了热门话题之一，本文提出了一套完整的框架体系对固收基金经理的因子择时能力进行评估，对于我们进行基金经理筛选有着重要启发；

3. 本文主要探讨了如何评估固收基金经理的因子择时能力，主要贡献如下：

   构建框架将固收基金经理的主动收益分解为战略因子贡献、战术因子贡献（因子择时）和证券选择三个组成部分。本文研究表明，这三个组成部分对于固收基金经理的收益都很重要；

   文章进一步探讨了三个常见因子（信贷、证券化资产、久期）的影响，并发现大部分固收基金经理都倾向于持续的超配信贷因子；

   基于本文框架发现，战略因子贡献存在均值回归，而战术因子贡献、证券选择具有持续性。这表明，在择时和证券选择方面具有能力的基金经理在这些领域具有持久的竞争力；

   最终，文章提出战略因子贡献、战术因子贡献（因子择时）和证券选择对基金收益有着不可或缺的作用，并推动了未来的主动收益。

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。

\

引言

目前利率维持在历史较低水平，这也促使投资者开始寻找能够带来更高回报的投资方法。一些基金经理试图购买风险更高（收益可能更高）的资产，也有一些基金经理尝试丰富投资策略。综合收益和稳健性两个要素，固定收益策略受到的关注程度不断提升。

与此同时，全球金融危机之后，人们逐渐认识到因子在不同时期表现有所差异，因子择时也成为大家重点关注的问题之一。更重要的是，投资者开始关注基金经理管理组合所获取的收益，并以此判断他们收取的管理费用是否合理。一般来说，投资组合的收益可分解为beta、因子溢价和alpha三部分：beta是基准波动产生的收益，因子溢价目前往往不再被认为是基金经理获取的alpha，主要原因是投资者可以通过一些低成本的工具来获取这部分收益；Alpha才被认为是基金经理的超额收益，是稀缺的，也是投资者唯一愿意以溢价支付的部分收益。

Brooks等人（2020）在论文“Active Fixed Income Illusions”中提出，美国固收基金经理表现优秀的一个重要原因是他们持续增持信贷因子，而信贷因子得益于持续的经济增长，在过去20年中表现优秀。而一些行业参与者认为，主动基金经理不应该对因子持久的超配或减持，因为投资者可以通过其他更便宜方法来获得这些因子敞口。因此必须将战略性和战术性的因子暴露进行一个区分。

这些趋势迫使基金经理在管理投资组合时努力展示他们独特的能力。而更为重要的是，我们需要一个统一的框架来对基金经理组合收益进行分解。根据我们所知，目前仅有少数研究探讨了策略中来自于因子择时能力的收益，尤其是针对固定收益投资组合的研究更是小众。

Chin 和 Gupta（2017 年）提出了一个框架，通过剔除战略性因子贡献（strategic factor contributions.）来获得属于基金经理收益的特异部分（idiosyncratic components of manager returns）。他们的研究发现，分离出的基金经理收益的特异部分比主动回报更适合作为评价基金经理技能的指标。Ayadi 和 Kryzanowski (2011) 开发了一个条件多因素模型，该模型结合了期限差异和违约风险来评估基金经理能力，同时在他们所选取的加拿大债券基金的样本中并没有发现基金经理有优秀的能力。Moneta (2015) 研究了 1997 年至 2006 年期间固定收益基金经理的表现，并没有发现确凿的择时能力证据。此外，他观察到，随着时间的推移，主动固定收益经理会在不同的行业和特征的债券中进行投资组合轮换，并且表现出一些证券选择的能力。卡斯伯森(2016)等人应用参数和非参数方法来评估德国债券基金的市场和因子择时能力。在这两种方法下，他们发现一小部分基金在 2000 年至 2009 年期间具有正的因子择时能力。

目前分解投资组合收益的方法主要有两种：基于持股和基于收益。基于持股的方法在分解收益上能够有一定优势，比如可以计算对于不同因子的暴露。然而，此方法一个很大的问题是数据的可用性，例如目前大部分基金仅按季度公布持股。基于收益的收益分解可以广泛的应用于不同类型、不同时间的策略。然而，基于收益的分解结果也可能是虚假的，我们很难理清金融市场回报的各种驱动因素。

本文专注于研究基金经理的因子择时能力，因此我们希望捕捉基金经理做出的短期决策。基金经理为了适应短期市场变化，可能会进行动态且灵活的因子择时。因此，我们使用基金的日收益率来推断基金经理的短期决策。具体而言，我们使用Chin 和 Gupta（2020）创建的框架将美国固定收益基金的收益分解为战略因子选择和证券选择。

我们的研究能够对目前已有的文献进行一些补充。首先，我们将固定收益基金经理的主动收益分解为了战略因子贡献，战术因子贡献（因子择时）和证券选择。我们的研究表明，这三个组成成为对于基金经理的收益都很重要。我们进一步计算了战略和战术因子贡献的重要组成部分—信贷、证券化资产和久期的影响，并发现信贷风险敞口对基金经理的收益有很大影响，因为大部分基金经理都持续的超配此因子。最后，我们利用这个框架来评估基金经理在这三个维度的能力，可以看出战略因子贡献存在均值回归现象，而战术因子贡献和证券选择的存在具有持续性。这也表明，基金经理确实存在着一定的因子择时和证券选择能力。然而，当我们进一步分析因子择时（战术因子贡献）推动业绩的基金时，我们发现这些基金经理很难通过择时选择获得正向收益。最后，战略和战术因子暴露在基金收益中确实发挥了重要作用，并确实推动了主动回报。

\

数据准备

本文使用来自 Morningstar 的美国固定收益策略的每日收益，研究范围为1999年至 2018年。本文使用了总收益（gross-of-fee returns）来研究经理技能，而不考虑费用。

本文应用多种过滤条件筛选管理时间足够长和主动管理的基金经理，以便进行计算。同时我们希望基准能够较好地纳入计算，因此我们筛选了以彭博/巴克莱美国综合债券指数（the Bloomberg/Barclays US Aggregate）、彭博/巴克莱美国综合中期债券指数（the Bloomberg/Barclays US Aggregate intermediate）、彭博/巴克莱政府债券/信贷债美国综合指数（the Bloomberg/Barclays Government/Credit US Aggregate）和彭博/巴克莱政府债券/信贷债美国综合指数为基准的基金 （the Bloomberg/Barclays Government/Credit US Aggregate Intermediate）。图表1详细说明了我们用于创建数据集的过滤机制，图表2展示了每年的基金数量。

Morningstar数据库包含大多数策略的产品规模。截至 2018 年底，本文使用的样本策略资产管理规模约为 1.3 万亿美元。我们认为覆盖范围在整个市场中足够大，可以代表行业使用的策略。

​ 为了分解基金收益，本文使用一些共同因子来代表固定收益投资组合的主要风险。我们假设，在这些核心固定收益策略中，管理人员通常可以自行改变信贷敞口、证券化资产的权重和久期头寸。图表3列出了这些因子和数据来源。本文还使用月度数据计算了这些因子的全周期相关性。本文尝试使用广泛可用的数据源来表示这些因子。例如为了表示久期收益，本文使用美国10年期政府债券的每日收益率来简单计算价格回报。

​ 对研究样本中基金的收益情况研究发现，516只基金的表现比各自的基准指数平均高出约60个基点。主动管理的美国债券共同基金的平均总费用率从1999年的约80个基点下降到2018年的约55个基点。因此，这些基金在扣除费用后总体上没有增值。

​ 图表4展示了本文数据集中所有基金的主动收益（总费用收益减去基准收益）的逐年分布。在图表5中，展示了信贷、证券化资产和久期的年度因子收益。首先，在因子波动较大的时期，经理回报更加分散，这意味着因子收益是投资组合收益的重要驱动因素。此外，中位数经理的表现通常取决于信贷因子的表现。在信贷因子具有较大绝对收益的时期，如2008年至2009年期间，主动回报也较大。这表明固定收益基金受到信贷因子表现的严重影响，投资组合经理需要监控这种敞口以管理风险。

研究框架

本文将主动收益分解为三个组成部分：

1. 战略因子贡献——对一组因子持续暴露的贡献。
2. 战术因子贡献——短期改变一组因子的风险暴露的贡献，即因子择时的回报。
3. 残差——考虑前两个组成部分后的剩余收益，也可以解释为证券选择的贡献。

为了评估因子择时的效果，图表6对本文的定义进行了形象描述。基金可能会对某个因子具有长期敞口。在较短的期限内，该因子的敞口可能会波动——我们将因子择时定义为短期和长期敞口之间的差异。

​ 本文使用Chin和Gupta (2020)创建的框架将经理收益分解为上述三个组成部分。

​ 具体来说，对于T月的策略i，

​ 其中，AR(i,T)是策略i在T月内的主动收益，计算方法为策略i在T月内的绝对收益R(i,T)与策略i的比较基准在T月内的月度收益B(i,T)之差。

​ 随后本文将每个策略i的主动收益进行回归分解为战略因子贡献和残差收益两方面。

​ 其中β(i)是策略i因子的beta向量（β(i)'是β(i)的转置），F(T)是T月内因子收益的向量。

​ 其中，F(T,Credit)和F(T,Sec)是T月期信贷和证券化因子的与久期匹配的超额收益，F(T,Dur)是十年期的政府债券的价格收益，ε(i,T)是回归的残差。

​ 对于每只基金，我们都在一个拓展窗口（expanding window）中进行公式(2)的回归。该回归需要至少三年的历史观测记录，使用拓展窗口方法能够增加样本数量。同时我们将这个回归出的beta系数称为战略beta系数，代表基金中持续的因子暴露，投资者一般会从超额收益中剔除战略性因子贡献，来获取可以度量基金经理能力的残差值。

需要注意的是，残差包括来自证券选择和因子择时的收益。为了区分这两种效应，本文使用每日收益来捕捉动态因子择时。具体来说，对于每个基金和每个日历季度q，我们使用回归(2)的变体，即使用每日收益来分解该季度的因子影响。

​ 我们进行如下的回归：

​ 其中b(i)类似于回归（2）中的β(i)，区别是在季度而不是上述时段期间进行估计的。基金i的beta向量b(i)代表短期内的因子暴露，我们将q季度对因子的主动暴露定义为q季度的短期贝塔系数 (b(i)) 与长期策略贝塔系数 (β(i)) 之间的差值：

​ 综上，我们可以将q季度的策略i主动回报分解为三个组成部分：战略因子贡献 (SC)、战术因子贡献 (TC) 和残差收益 (R)：

​ 对于超过一个季度的时期，我们会对季度贡献进行复合。

\

实证结果

图表7展示了三个组成部分对主动收益的平均贡献；图表8展示了这些组成部分的平均贡献的分布。总体而言，三个组成部分对基金业绩都有贡献，这表明持续的因子暴露、因子择时和证券选择都是投资组合主动回报的重要驱动因素。残差（证券选择）是最大的贡献者，并且该成分的分布最分散。同时，战略和战术因子贡献都会对收益产生重大影响——尽管所有基金的影响中值接近于零，但因子持续暴露和因子择时可能会显著增益或减损业绩。

图表9展示了按年度划分的主动收益。持续性因子暴露在整个期间的影响可以忽略不计，但在全球金融危机期间发挥了重要作用。这些风险敞口在2008年显著减少，但在2009年强劲反弹。

在过去的二十年里，因子择时的平均贡献为一个较小的负值（-0.3%）。这表明，在此期间固定收益经理一直很难在从因子择时选择中获得正回报。更令人担忧的是，数据表明，自全球金融危机以来，几乎每一年，管理人员都在努力通过因子择时来增加收益。从实践数据看，投资者应该对经理们的择时能力进行详细评估。

在此期间，残差部分绝大多数时间具有积极贡献，但在2008年表现比较差，同期战略性因子贡献也表现不佳。这种相关性在数据中大量重复，这表明经理对因子和证券的偏好可能交织在一起。对于投资组合经理来说，评估不同类型投资机会的工具、技术和框架通常基于相似的原则，因此会存在这种相关性。

战略因子贡献

图表10展示经过回归(2)后，具有显著战略贝塔系数的基金数量百分比。这些贝塔系数代表了持续性因子暴露。大多数基金有显著信贷风险和久期敞口，而大约一半的基金有显著的证券化资产风险敞口。

​ 图表11展示了所有基金中每个因子的长期敞口分布。我们注意到，对于那些对信贷具有显著策略因子敞口的基金，绝大多数都更偏好超配此敞口。在本文的样本中，超过 75% 的基金具有持续的正信贷敞口。这与Brooks等人的研究结果一致(2020)。大多数基金也对证券化资产有正向的敞口，尽管这种偏好不如信贷因子的偏好那么强烈。在久期上，基金敞口更均匀地分布在零附近。

图表12展示了各个因子贡献随时间的变化。平均而言，信贷的影响最大，因为如图表10所示，大多数基金对该因子的敞口为正。从年度贡献来看，随着时间的推移，信贷作为回报的重要驱动因素脱颖而出，其他因子的平均影响较小，因为基金在这些因子上同时有正面和负面的敞口。值得注意的例外是在2008-2011年期间，当时证券化资产和久期的贡献更大，因为在此期间这些因子的回报巨大。2008年，在全球金融危机最严重的时候，信贷表现不佳。由于大多数基金都过度持有了信贷敞口，因此仅在这个因子上，就导致了平均-4%的负向收益。持有证券化资产的影响较小，但仍然显著。随着2009年市场反弹，信贷和证券化资产因子敞口的持有策略提高了回报，投资组合从上一年的低迷中复苏。历史数据表明，投资者应考量基金经理对信贷和证券化资产等风险敞口的长期意图，因为这些因子暴露可能会导致基金的表现大幅偏离其基准。

战术因子贡献

图表13展示了经过回归(5)后，具有显著战术贝塔系数的基金数量百分比。在研究期间内，大多数基金调整了其短期因子暴露。

图表 14展示了战术因子贡献的分布。对信贷因子，经理倾向于增加负面敞口来进行择时投资（即他们从长期头寸中减少信贷敞口）。这很可能是因为经理人通常长期过度持有信贷敞口（图表11），只在前景悲观时才会调整他们的敞口。即使前景乐观，他们也可能不会增持信贷风险，因为他们的资金在信贷因子上的暴露已经足够多了。在其他因子方面，管理人员倾向于在零附近更均匀地分配敞口——基金通常相对于基准处于该因子的正负两侧。

​ 图表15展示了战术因子贡献的各个因子贡献。如前所述，在过去的二十年里，因子择时通常会给业绩带来负面影响，基金一直很难从中得到增值。在研究期间，每个因子都给基金带来了轻微的减值，这表明平均而言，对所有的因子，基金经理都倾向于在错误的方向加注。在本研究期间，信贷因子在战术因子贡献中占主导地位。将这些结果与之前关于战略因子择时的部分进行对比，我们会得到一些很有趣的发现。2008年，由于风险资产表现不佳，战略因子敞口削弱了业绩，但战术投资缓解了表现不佳。查看数据，我们发现在此期间，经理人在经济低迷的情况下减少了对信贷和证券化资产的敞口。这些因子择时决策在2008年有所帮助，但在2009年有所下降，因为市场反弹，而且与战略敞口相比，投资组合经理对这些因子的权重仍然偏低。

残差

下面我们考虑除去战略和战术因子贡献后的残差部分。尽管没有明确控制行业风险（鉴于观察数量有限，容易过度回归（overspecified）），但我们认为行业影响可以由本文框架中的因子表示。因此，残差的大部分是证券选择因素。

图表16展示了证券选择收益的年度分布。本文使用的基金回报是总费用收益，因此残差不能反映投资者支付的费用。尽管结果表明经理人的股票选择有正面影响，但在考虑费用后，中位数经理人的这种优势消失了。

2009年至2012年，随着市场从全球金融危机中复苏反弹，证券选择的贡献尤为强劲。

基金经理能力的稳定性

为了评估基金经理因子择时和证券选择能力的稳定性，我们也进一步测试了这些成分的持久性。具体的，我们通过对未来三年期业绩与过去三年期业绩进行回归来测试持久性。本文使用滚动三年期，这是行业用来评估经理绩效和经理技能的常用周期。

对所有经理进行跨时间汇总回归：

​ 其中R(i,q,q+11)代表策略i从第q季度到第q+11季度（即未来三年）的收益部分，R(i,q,q-12,q-1)代表策略i从第q-12季度到第q-1季度（即过去三年）的收益部分。

​ 本文应用 Newey-West 方法来调整由三年期重叠导致的多重共线性问题。

​ 图表17展示了对不同收益组成部分的持久性回归的结果。首先，与 Chin 和 Gupta (2017) 的结论一致，主动收益表现出均值回归趋势；也就是说，高主动收益之后往往是低主动收益。与主动收益类似，战略因子成分也倾向于均值回归。这是直观的，因为因子表现通常是周期性的，战略贡献将类似于潜在因子的回报模式。例如，信贷因子具有周期，对该因子的贡献将像该因子一样起起落落。

因子择时和证券选择的回归结果均具有正系数的统计显著性，表明在择时和证券选择方面具有能力的经理在这些领域具有持久的竞争力。本文还对因子择时和证券选择组合因子进行了回归——也就是经理技能因子，因为经理有权改变他们在这些领域的风险敞口。组合因子也同样具有显著的持久性，与上文的结论相一致。

因子择时驱动收益基金分析

到目前为止，本文已经研究了整个研究样本，以评估因子择时的影响和持久性。而有一些基金可能倾向于使用因子择时来获得更为优异的收益，以下将更仔细地分析这些基金。基金通常不会宣传其因子择时的性质，因此本文创建了一个简单的算法来识别这些基金。与Chin和Gupta (2020)类似，我们将因子择时基金定义如下：

\1. 按每个基金生命周期内因子择时次数的百分比（即，用短期显著的贝塔数量除以所有的短期贝塔数量）从高到低对所有基金进行排名。将此指标用作因子择时的代理变量。因为本文在分析中没有使用基金持有量，所以很难准确辨别基金的目的。通过关注基金在其生命周期内具有统计显著性的战术因子暴露的次数百分比，可以捕捉到该基金在短时间内是否改变因子暴露的意图。

\2. 根据因子择时的风险贡献从高到低对所有基金进行排名。具体来说，对于每个基金，计算季度短期因子贡献的方差，然后确定其占基金总主动方差的百分比。这种排名方法根据基金生命周期内因子投注的影响对基金进行排序。

\3. 根据两个排名的平均值从高到低重新排名。因子择时基金是这些基金的前10%。这种分类得到了有因子择时偏好并且其主动风险由因子变动驱动的基金。本文使用前10%是想分析因子择时最活跃基金。

虽然这个识别算法并不完美，但它涵盖了因子择时有重要影响的基金子集。本文通过与整个研究样本比较，来分析这个群体的特征。图表18展示了整个研究样本以及因子择时基金子集的平均年度战术因子贡献。证据表明，与其他经理相比，因子择时基金实际上在因子择时方面的表现并不好。事实上，两个样本之间的简单双样本均值检验表明，因子择时基金实际上在因子择时方面的表现低于普遍的基金经理人（图表19）。

未来主动收益的影响因素

尽管投资者关心收益来源，但他们最终关心的是超出基准的主动收益。具体而言，投资者希望投资于最有可能持续超越基准的基金经理。

为此，我们对本文分析的收益的各个组成部分进行了未来主动收益的回归。图表 20展示了结果。首先，过去3年的战略因子收益对未来的主动收益有显着的负面影响。这凸显了因子收益的周期性及其对投资组合收益的影响。战术因子贡献对未来主动收益具有正系数的预测能力。这表明历史上从因子择时安排中增加（减少）价值的经理在随后的时期往往会跑赢（跑输大盘）。相比之下，证券选择与未来的主动收益关系较弱。

本文测试了对经理技能（上文定义为因子择时和证券选择）的预测能力，发现该系数为正且具有统计显著性。因此，投资者在评估经理时不应只关注历史主动收益。除去基金的战略因子敞口贡献，投资者将能够分离得到经理技能的贡献成分。可以发现，经理技能具有持久性，并且可以预测未来的主动收益。此外，在经理技能的两个主要因子中，战术因子择时是预测未来回报一个更强的指标。

结论

在全球金融危机之后，人们开始意识到信贷和久期等流行因子在不同时期的表现大不相同，因子择时重视程度不断提升。同时目前已经开发了众多新的投资工具来获取因子溢价。

鉴于这些趋势，本文提供了一个框架来评估美国固定收益基金中因子择时的收益贡献。我们将因子择时定义为短期和长期因子敞口之间的差异，并使用一系列回归来计算战略因子贡献、战术因子贡献和证券选择对历史收益的贡献。

使用这个框架，研究发现主动债券基金通常会持续超配信贷，这对过去二十年的收益做出了积极贡献。由于这种战略性敞口，主动债券基金大部分受到信贷因子的偶发表现的影响，尤其是在金融危机期间。许多基金也对证券化资产有积极的策略敞口，同时对于久期的敞口更为中性。

众多基金经理一直在努力通过因子择时来增加价值。本文发现基金经理的因子择时能力影响了整个时期的表现，并且在过去十年中一直存在负面影响。但是这个组成部分具有持久性——也就是说，具有积极（消极）因子择时技能的经理往往会继续表现出积极（消极）的能力。这表明一些经理一直通过因子择时来增加或减少价值。同时在进一步研究因子择时基金时，并没有发现他们的表现能够更好。

证券选择为大部分基金带来正向收益。但在扣费之后，这种收益对于处于中位数的基金经理来说几乎是消失了。同时该成分也具有持久性，说明在证券选择方面具有一定能力的基金经理会持续拥有这种能力。

最后，本文发现在评估经理时，分离经理回报的特殊成分是至关重要的。应该从经理回报中去除战略因子暴露，因为与简单的追踪主动收益相比，由此产生的成分更能预测未来的主动收益。