持股的创新偏好与共同基金业绩研究
由crisvalentine创建，最终由crisvalentine 被浏览 5 用户
摘要
文献来源：Mclemore P , Sias R W , Wan C , et al. Active Technological Similarity and Mutual Fund Performance[J]. Journal of Financial and Quantitative Analysis (JFQA), Forthcoming, 2021.
推荐原因：本文研究了对技术创新技术的深度理解是否是共同基金经理获得正超额收益能力的来源。与假设一致，依据基金的投资组合技术相似性变化排序分组检验，其五分位数之间的年度Carhart Alpha差为282个基点。此外，由于技术相似性变化在很大程度上与共同基金其他有效因子（如行业集中度、主动份额、基金R2、滞后Alpha等）间正交，因此技术相似性变化可以与其他因子结合用于优选基金。
导言
研究表明市场对技术创新方面的信息吸收较慢，因为这种信息往往是非财务性的，且很难处理。我们假设共同基金的基金经理对技术创新的卓越理解是信息优势的关键来源，从而带来更优的绩效。我们通过基金投资组合中每个公司的专利分布按价值加权的叠加作为衡量对技术创新的暴露。我们假设，一个基金经理投资组合持有的技术相似性的提高将与未来正向的超额收益通过两种非互斥的机制存在关联。首先，当相关的技术领域被低估时，一个知情的基金经理会增加自己组合对技术创新的暴露。第二，即使技术领域在平均上是被合理定价的，一个了解更深入的基金经理可能会在这个领域中识别被低估的公司，并且通过对这些证券的增持来提高投资组合的集中度。和我们的假设一致，提高投资组合技术相似性的基金（被我们称之为主动技术相似性，ATS）平均会获得未来更高的回报。此外，我们的结果是稳健的：当控制了标准资产定价变量后、控制了基金特征后、以及当我们将我们的样本分为两期时结论仍然成立。因为很大程度上ATS与基金集中度/活跃度指标还有滞后绩效正交，将ATS和这些指标结合会得到比单独指标更强的结果。
我们进一步假设ATS和未来收益的关系将源自增加基金技术相似性的交易。例如，如果基金经理的信息优势表明某种技术目前处于被低估的状态，基金经理将增加对这项技术的暴露，当这项技术变得被高估时，基金经理将减少对这项技术（之前增持）的暴露，即转向更多元的组合。因此，技术相似性的增加将与未来正向超额收益相关，而技术相似性的降低将与未来的超额收益无关，即接近0的超额收益。为了检验这种假设，我们随后研究基金ATS增加交易与基金ATS减少交易的对比。和我们的假设及之前的工作一致，高ATS基金跑赢低ATS基金的能力主要来源于那些增加基金ATS的交易。
我们的工作补充了共同基金的基金经理获得超额收益能力的来源的文献，提出一项以往没有被定义的基金alpha来源——基金经理利用他们关于技术创新的卓越知识。我们的工作还与提出掌握更多信息的基金经理持有更加集中/主动组合的文献相关联，不同在于假设了一个基金经理超额表现的具体来源——市场对技术创新信息缓慢的吸收。此外还证明，由于ATS在很大程度上与这些常见的预测因子正交，ATS可以与其他指标进行结合从而产生更好的基金成功业绩的预测因子。我们的研究同样为研究资产价格如何对公司技术创新做出反应的文献做出贡献，研究显示过去文献所记载的技术创新信息的缓慢吸收具有经济意义，并且对具有技术创新专业知识的基金经理而言可以作为关键的信息优势。
\
主动技术相似性、数据及汇总统计
主动技术相似性
我们使用Jaffe (1986)提出的方法衡量专利类别分布的相似性。具体而言，一家公司的专利分布于the United States Patent and Trademark Office 所提出的642种Cooperative Patent Classification（CPC）技术类别上。技术相似性是通过技术类别间的余弦相似度来衡量的。我们按照这种方式衡量共同基金投资组合中所持股票的技术相似性。
我们的假设集中于对技术领域暴露的变化而不是暴露水平，原因有几个：首先，也是最重要的一点，共同基金组合因为其风格在技术相似性上有差异。例如，相对于成长型基金，价值型基金会自然地持有那些技术创新暴露相对小的公司（例如，专利少）并且因此很少有技术重叠。第二，大量理论研究和实证研究表明一个基金经理的交易相比组合权重能更好地体现其信息优势。第三，正如在引言讨论的一样，我们假设的是技术创新和收益的关系主要来自于提高基金组合技术相似性的交易。具体而言，我们将主动技术相似性定义为一个基金在q季度末的技术相似性与假设季度q不进行交易情况下的技术相似性的差异。我们首先计算在季度末假设季度q没有进行交易情况下的组合权重：
数据
我们使用最新的谷歌与the Center for Research in Security Prices (CRSP)匹配的专利数据衡量技术相似性。这个数据集包含了194万项专利，申请日期为1926年-2017年。我们使用专利申请日期（而不是专利授权日期）来更好地表示技术创新开始影响实际生产的时间。我们从CRSP无幸存者偏差共同基金数据库中收集每月基金收益和基金特征数据，从Thomson-Reuters共同基金持有数据库中收集基金持仓数据。我们使用WRDS MFLINKS来合并CRSP基金数据和Thomson-Reuters持仓数据。我们使用了Elton, Gruber, and Blake (1996) and Gruber (1996)的“跟随资金”的方法来处理合并基金。这种方法减小了幸存者偏差，并假设合并基金中的投资者将他们的钱放在了幸存的基金中且继续获得幸存的基金的收益。我们还遵循Lou (2012)的方法来识别和去除基金合并产生的资金流。
我们的分析集中于积极管理的国内股票型共同基金。因此，去除了混合型、债券型、货币型、国际型和指数型基金；删除了最早两年的收益数据从而减少误差，并且去除了总净资产（TNA）低于1500万美元的基金。我们也去除了报告的持仓总市值在总净资产80%以下或120%以上的基金。对于有多个基金份额类别的基金我们计算按照价值加权的基金特征，而基金年龄是根据最早份额类别确定。为了得到因子载荷和超额收益的估计，我们还要求基金在过去两年有至少20个月度的收益数据。换手率是过去一年按照净资产标准化的基金买卖的最小值。根据文献，我们计算基金的资金流动为：
我们的最终样本包括2895只不同的基金，平均每季度641只基金。总共有1983年第4季度到2017年第4季度的87804个季度基金ATS观测值。图1表示了横截面汇总统计的时间序列平均值，这里的结果与之前的研究相似。
实证结果
ATS与基金特征
我们的实证分析从基金ATS和基金特征之间的关系开始。我们预测高ATS基金会倾向于规模更小、更年轻、较高的费用比率，并且有更高的换手率。我们进行了每个季度的logistic回归估计，其中因变量是该基金是否在该季度处于ATS前五分之一这个指标：（11）
图2的第一列列出了季度logistic回归的时间序列平均的系数和相关的t统计量。正如预测的，高ATS基金往往规模更小、有更高的换手率，并且收取更高的费用。我们几乎没有找到ATS和基金年限之间存在有意义的关联的证据。
我们还期望高ATS的基金将倾向于表现更大的“主动性”。因此图2的其余列增加了三个集中度/主动性指标。然而当包括全部三个主动性指标时，高ATS基金仅仅和主动份额存在实质性关联。
投资组合排序
我们开始研究ATS和基金未来绩效的关系，方法是根据交易将投资组合向技术相似公司移动的程度对基金进行排序，基于q季度的交易在每个q季度末将基金分类为ATS五等分组。随后计算每个ATS等分中，共同基金在随后一个季度（即m+1，m+2，m+3月）的平均月度总收益（费用前）和净收益（费用后）。通过每个ATS五分位投资组合P中的横截面平均月收益率对市场、规模、价值和动量因子的时间序列回归得到的alpha作为估计的Carhart四因子alpha：（12）
图3中A组的第一列报告了每个ATS五分位中基金在下一季度的平均月度基金净收益（百分比）。接下来的两列分别根据基金总收益和基金净收益报告了下一季度的Carhart四因子月度alpha。和我们的假设一致，了解技术创新的专业能力是一些基金经理的信息优势的来源，提高基金技术集中度的基金会获得正的超额收益。具体来看，前五分之一的那一组和后五分之一的组之间的差异是正向的——月度绩效的差异为净收益相差0.236%，总收益alpha相差0.240%，净收益alpha相差0.235%，三个绩效衡量方式下的差异都是在1%的水平上显著的。
与我们的假设进一步一致的是，结果显示增加持股的技术相似性的基金经理主要推动了ATS和随后超额收益的关联。第2列显示在考虑费用之前，大幅提高组合技术相似性的基金（即ATS前五分之一组）在下一季度获得了0.187%的月度超额收益（1%水平上显著）。共同基金投资者可以在费后获得正的超额收益，如第3列所示，高ATS五分位组的年化净Carhart alpha是88个基点（即0.073*12）并且轻微显著。无论如何，投资于高ATS基金的投资者在之后将比投资于低ATS基金的投资者获得更好的收益。A组的最后两列考察了样本期的前一半（1984-2000年）和后一半（2001-2018年）的净Carhart alpha，随着技术创新成为了经济中更重要的一个部分，2000年后时期内的点估计值（和相应的t统计量）更大。
为了更好地衡量ATS与随后收益之间关系的经济规模，我们重复了排序工作，在每个季度q末对行业集中度、主动份额、基金R方、和滞后基金alpha进行排序。B组的第一行报告这些指标前五分之一组的净Carhart alpha，第二行报告最后一组的净Carhart alpha，底部一行报告做多高分位组基金做空低分位组基金组合的净Carhart alpha。结果显示ATS的点估计值要大于其他四个指标的类似值。
多元变量分析
我们接下来检验其他基金特征是否包含了ATS预测基金收益的能力。具体地说，每个月我们将下一个季度的月度基金收益对滞后ATS和基金特征进行横截面回归估计：（13）
其中因变量是基金m的月度净Carhart alpha（百分数）。我们计算月度基金净Carhart alpha为基金在t月的净收益与基金在t月的四因子模型期望收益之差。基金在t月的期望收益是基金因子载荷（过去24个月内的估计）与t月的市场、规模、价值和动量因子的乘积之和。
图4报告了月度横截面回归的时间序列上平均系数。第一列的结果显示q+1季度的月度净超额收益和q季度基金经理将组合向更高技术相似性公司转向的程度之间存在着较强的正向关联（在1%水平上显著）。此外，这项结果在经济上有意义，因为ATS的标准差是2.775%（见图1），第一列的系数表明ATS每增加一个标准差会带来年化93个基点更高的收益（0.0280.0277512=0.93%）。
图4的第二列将基金特征加入了回归，加入的基金特征没有包含ATS的作用。第三列报告的回归包含了CRSP基金风格指标变量，结果几乎没有变化。图4的最后两列在前半样本期（1984-2000）和后半样本期（2001-2018）上重复了第三列相同的回归，在样本期的后半部分结果更为明显。简而言之，横截面回归证实了交易增加持股技术相似性的基金在之后会获得更高的超额收益。
ATS、基金主动性及滞后基金alpha
以往的研究表明，基金业绩既与滞后基金alpha相关，也与基金组合集中度/主动性——行业集中度、主动份额、基金R方相关。然而，ATS和组合集中度/主动性的衡量有本质性的差异，因为ATS是基于交易的衡量指标（即，持仓的变化）而集中度/主动性的指标是基于层次水平的衡量。因此，ATS很可能可以与其他指标结合起来，以提高识别具有卓越能力的基金经理的能力。我们首先计算ATS、三种集中度/主动性指标和滞后基金alpha之间的横截面相关性。图5显示了Spearman相关性（对角线上）和Pearson相关性（对角线下）。三个主动性衡量指标具有很强的相关性。然而，ATS在很大程度上与滞后基金alpha以及三种集中度/主动性指标正交（平均绝对Spearman和Pearson系数值为0.02）。
我们开始研究是否可以通过使用ATS和其他四个指标中任一个进行双重排序来结合ATS和其他指标从而更好地识别优秀经理。在每个季度q末，我们独立地将基金按照这些指标分为五分位组。图6中的A组显示在接下来一个季度中ATS排序和滞后基金alpha排序构成的25个组合的每一个的月度净Carhart alpha。
图6中的结果显示ATS捕捉到的信息区别于滞后alpha、行业集中度、主动份额、基金R方捕捉到的信息。因此，使用ATS和其他指标结合可以获得更有效的结果。首先，确认ATS和第二个维度控制任一个时都可以区分高alpha和低alpha的基金。第二，和我们的假设一致，结果表明ATS的独立性意味着它可以和其他指标结合以更好地识别具有卓越收益的基金。例如，如A组左上角的单元格所示，投资组合做多高ATS/高滞后alpha基金平均年化净alpha为2.54%（即0.212*12，在1%水平上具有统计显著性）。相似地，如右下角单元格所示，低ATS/低滞后alpha的组合平均年化净alpha为-2.78%。因此高ATS/高滞后alpha组合比低ATS/低滞后alpha组合高出的年化净alpha为5.33%。我们发现在结合ATS和集中度/主动性三个指标（B、C、D组）时也有相似的结果。
一个潜在的担忧就是或许ATS预测基金收益超越主动性/集中度指标的能力可能源于其瞄准了共同基金的交易而不是组合持有。为了研究这种可能性，我们重复了图6的的分析但是根据ATS和其他指标的变化值进行双重排序。与图6不一致的是，我们几乎没有发现证据显示基金集中度或基金主动性的变化与未来基金绩效相关。和图6一致的是，即使控制了行业集中度、主动份额、基金R方的变化，我们仍然记录下了ATS和之后收益的紧密关系。
作为最后的测试，我们估计了q+1季度月度净Carhart alpha对ATS、行业集中度、q季度末的主动份额、滞后一个月的基金R方、滞后一个月的基金alpha以及其他基金特征的月度横截面回归。与图6的证据一致，图7的前四列报告的的结果显示，在控制基金特征时，ATS和之后收益之间的关系仍然稳健。此外，如最后一列所示，当我们把全部三个主动性衡量指标放入同一个回归时，基金R方包含了行业集中度和主动份额的预测能力，但是ATS仍然保持与未来绩效存在较强的关联。
使ATS增加的交易与使ATS减少的交易
如等式9右侧所示，基金m在q季度的ATS是基金m在季度q中每次交易的ATS变化的总和，即ATS是对所有证券求和来计算的。因此对于一个交易其要么增加基金的ATS:
或减少了基金的ATS：
正如导言中所讨论的，我们预计使ATS增加的交易和正向的超额收益相关，而使ATS减少的交易与超额收益无关。因此，我们在季度q将每个ATS五等分组中基金的交易分为使ATS增加的交易和使ATS减少的交易。然后计算了在下季度的经市场调整（使用CRSP价值加权指数）的收益和超额收益。下一步计算了每个基金在ATS增加交易和ATS减少交易中的横截面平均经市场调整的收益和超额收益，然后在每个季度内对基金层面进行平均。图8报告了每组时间序列平均的经市场调整的收益（A组）和DGTW调整的收益（B组）。和我们的假设一致，在前五分之一组中使ATS提高的交易的表现优于使ATS降低的交易的表现。此外，如最后一列所示，高ATS基金跑赢低ATS基金的能力主要来源于使ATS增加的交易。
结论
以前的研究表明市场吸收技术创新信息较慢。我们认为，一些基金经理对技术创新作用的深度理解是正向超额收益的来源。我们假设当（1）技术领域被低估或（2）基金经理能识别出领域中被低估的公司时具有对技术领域更好理解的经理将会提高在这一领域的集中度。因此，我们假设共同基金技术集中度的提高将与随后的正向超额收益相关。实证检验支持我们的假设——提高持仓的技术相似性的基金获得了随后更高的收益。这种关系对标准资产定价变量、基金特征、滞后基金表现、行业集中度、主动份额、基金R方都保持稳健。在我们的样本期中，ATS排序可以获得相比行业集中度、主动份额、基金R方、或滞后基金alpha排序更强的结果。
因为ATS很大程度上与基金绩效的其他预测因子正交，因此它可以和滞后基金alpha、行业集中度、主动份额、基金R方结合从而更好地识别优秀经理。就是说，ATS和其他的指标结合后解释后续基金绩效的能力大于单独一种衡量指标独立解释绩效的能力。最后，进一步与我们的假设一致，高ATS基金获得超额收益的能力主要来源于使ATS增加的交易。具体而言，在技术创新方面的深度理解是一些基金经理领先表现的一个重要来源。