校友网络是否影响对冲基金投资业绩？
由kuailian创建，最终由kuailian 被浏览 56 用户
报告摘要
背景介绍 在基金研究领域，近年来关于社会网络的研究蓬勃发展，已成长为一个颇具前景的研究方向。社会网络蕴含着人与人互动和信息交换的潜力，进而影响基金经理的行为，最终影响他们的投资业绩。中国对冲基金行业的快速发展且中国文化重视人际关系，因此对中国基金的社会网络效应研究更e加令人期待。现有的关于基金经理校友网络的研究大多集中在共同基金上。 文献综述与假设 社会网络与投资行为的关系是最受关注的话题之一，以前的研究人员通过研究网络中心性与委托投资组合管理绩效之间的关系，发现网络越好的基金经理承担的投资组合风险越大，获得的资金流越大，获得的基金绩效越好。社会网络中的不同位置收到的信息可能会有所不同。与位于外围的位置相比，中心位置对信息流的控制更大。基金经理在社会网络中的位置对其投资行为有着重要的影响，这意味着个体与整个网络的关系特征是一个重要的特征。网络中心位置带来的信息收益可以转化为更好的投资绩效。 数据 本文的实证分析基于2010-2019年中国对冲基金的数据，主要来源于思慕网数据库。本文的研究样本不仅包括股票型对冲基金，还包括投资于期货、权证、货币、债券等其他资产的对冲基金。数据主要包括基金经理的教育背景、对冲基金净值、对冲基金资产规模、资金流量和资产配置情况。 网络构建 在校友网络中，每个节点代表一个对冲基金，每条边代表两个节点之间的教育联系，对单个对冲基金，将某一时点所有基金经理的学校和专业汇总得到一个教育背景信息，从而得到一个时间序列的背景信息。通过三种不同的网络中心性度量网络效应的位置，即学位中心性（degree centrality）、中间中心性（betweenness centrality）和亲近中心性（closeness centrality）性，聚类系数是网络中群体亲密度的度量。 实证研究 从2010年1月到2019年12月，样本包括1150个对冲基金产品和2259个观察结果。通过四因子模型得到风险调整收益作为因变量，自变量为学位中心性、中间中心性、亲近中心性和聚类系数，并加入基金规模、基金家族规模和基金成立年限作为控制变量做面板回归。结果显示，校友网络位置对中国对冲基金风险调整后的投资收益有显著影响。三种中心性测度对绩效的影响均为正，与共同基金的网络效应相反；聚类系数对风险调整后的收益具有显著的负向影响。不同能力的基金经理的校友网络效应均为正，投资风格是校友网络效应对对冲基金绩效的中介。对冲基金在网络中的位置越靠近中央，其投资风格就越活跃。最后，研究发现校友网络对对冲基金的流动性有负向影响。
文献来源
文献来源: Junqin Lin, Fan Wang, Lijian Wei, “Alumni social networks and hedge fund performance: Evidence from China (Nov, 2021)”, International Review of Financial Analysis 文献亮点：本文的研究基于2010年1月至2019年12月期间的4734只私募对冲基金的基金经理学历信息，通过三个新建中心性指标和聚类系数构建了对冲基金校友社会网络，在指标构建中不仅考察了同学校，并且对实质相同但名称不同专业做了语义分析和汇总，最后考察了校友网络对中国不同类型对冲基金业绩的影响，扩展了以往只研究股票型对冲基金的研究范围。研究发现对冲基金经理的中心网络位置越高，其投资风格更加积极主动，基金的风险调整业绩越好，研究结果为校友网络与对冲基金业绩之间的关系提供了新的证据。
摘要
本文的研究基于2010年1月至2019年12月期间的4734只私募对冲基金的基金经理学历信息，通过三个新建中心性指标和聚类系数构建了对冲基金校友社会网络，在指标构建中不仅考察了同学校，并且对实质相同但名称不同专业做了语义分析和汇总，最后考察了校友网络对中国不同类型对冲基金业绩的影响，扩展了以往只研究股票型对冲基金的研究范围。研究发现对冲基金经理的中心网络位置越高，其投资风格更加积极主动，基金的风险调整业绩越好，研究结果为校友网络与对冲基金业绩之间的关系提供了新的证据。
背景介绍
在基金研究领域，近年来关于社会网络的研究蓬勃发展，已成长为一个颇具前景的研究方向。这种社会网络蕴含着人与人互动和信息交换的潜力，进而影响基金经理的行为，最终影响他们的投资业绩(Pool, Stoffman & Yonker, 2015)。由于对冲基金行业的自愿报告性质，研究人员往往难以获得可靠、准确的数据，因此目前相关领域的研究大多集中在发达市场的共同基金(Hong,Jiang,Yan & Zhao,2017)。对冲基金与共同基金在激励机制、投资范围、信息披露等方面存在许多不同(Zhao,Li & Chen, 2018)，导致对冲基金经理与共同基金经理的管理目标不同，因此社会网络对对冲基金的影响目前尚不清楚。一方面中国对冲基金行业的快速发展，另一方面中国文化重视人际关系，这使得对中国基金的社会网络效应研究更加令人期待，因此本文选择中国股票市场作为研究对象，利用我国独有的、涵盖更全面的对冲基金类型的数据，得出了校友网络对对冲基金的影响，结果与以往共同基金的结论有所不同，并进一步探讨了校友网络的影响机制。 基金经理的社会网络包括大学校友、同事、协会成员等几种类型。在这些社会关系中，校友关系比其他商业关系更为特殊。首先，人们通常根据自己的兴趣和能力选择学校和专业，因此同学自然会有更为相同的兴趣。这种身份认同甚至在毕业后仍然存在(Cohen,Frazzini & Malloy,2008;McPherson,Smith-Lovin & Cook, 2001)。第二，对于相似年级的校友来说，教育联系意味着共同的校园生活记忆，美好的回忆可以缩短基金经理之间的心理距离，建立信任，从而提供更好的与他人互动和分享信息的机会。第三，校友拥有相同的学校文化。每个学院都有自己独特的历史和文化，比如特殊的校训。沉浸在共同学校文化中的经历会影响学生的思维，这也使得校友之间容易形成信任和同理心(Ingram & Zou, 2008;邹丽萍，2007)。 现有的关于基金经理校友网络的研究大多集中在共同基金上(Liu, Liu, Li & Li, 2020)。由于数据获取的困难和相关研究的缺乏，基金经理的校友网络是否对对冲基金业绩产生影响，以及校友网络如何影响对冲基金，目前尚不清楚。下面是共同基金和对冲基金的一些差异，正是这些不同之处激发了我们的研究兴趣。 首先，对冲基金与共同基金在筹资渠道、激励机制、管理要求、资产配置要求、赎回、信息披露等方面存在显著差异，导致对冲基金与共同基金的管理目标不同。以激励机制为例，共同基金往往不将自己的资金与客户的资产绑定在一起进行投资，也不与客户分担风险，这种方式被称为OPM(他人资金)合同。共同基金经理的收入主要来自固定的管理费，没有超额收益份额。与共同基金不同的是，对冲基金采用的是风险分担和收益共享的模式。对冲基金通常会收取所谓的“2加20费用”，其中包括2%的管理费和20%的业绩费。对冲基金经理的收入来自三个方面：一是无论业绩好坏，都收取2%的固定管理费；二是当基金业绩超过合同约定的高点时，对冲基金经理可获得20%的收益分成；三是基金经理将自己的资金与客户的资金捆绑投资获得投资收益。可以看出，对冲基金经理和共同基金经理的管理目标有很大的不同。与收入与资产规模相关的共同基金经理不同，对冲基金经理的收入更多地与超额回报相关。对冲基金经理既可以是朋友，也可以是交易对手。与共同基金经理相比，这种竞争关系可能使他们不太愿意通过社会关系分享投资理念。 其次，研究人员发现对冲基金经理与共同基金同行有很大的不同(Goetzmann, Ingersoll, Spiegel & Welch,2007；张，张，李，冯，2021)。与市场基准相比，共同基金经理没有更好的择时和选股能力(Goetzmann et al.,2007)，而对冲基金经理通常具有良好的投资业绩和专业能力(Agarwal & Meneghetti,2011; Stulz,2007)。总体而言，这些差异暗示了校友网络对对冲基金的一些意料之外的结果。 本文的研究使用了来自中国的时间跨度10年的4700多家对冲基金的代表性样本。近年来，对冲基金行业在中国的发展从2002年开始起步，到2019年底资产管理规模超过2.1万亿美元，已经可以和共同基金比肩。中国对冲基金行业的蓬勃发展为我们提供了充足的和有价值的研究样本。此外，中国文化重视个人关系（汉语中的“关系”），而“关系”是中国社会发展的主要动力之一(Luo,1997；曾荫权,2002)，而教育联系是形成个人社会网络的主要来源。在中国证券市场，有“清华圈”、“复旦圈”、“北京圈”等著名的校友团体，可见校友关系在中国金融市场中发挥着重要作用。 我们的数据包括了更全面的对冲基金类型，因而更具有代表性。以前研究人员使用只投资股票、信息披露要求相对严格的“阳光对冲基金”的数据来研究中国对冲基金的社会网络效应(Li, Li, Wang & Xiao, 2020)。然而，只投资股票的对冲基金仅占中国所有对冲基金产品的59% (Zhao et al.,2018)。这意味着社会网络对中国近一半的对冲基金的影响仍是未知的。我们的独特数据不仅包括股票策略对冲基金，还包括投资于期货、权证、货币和债券等其他资产的对冲基金。 本文以4734家中国对冲基金为样本，构建了一系列随时间变化的校友网络，并对校友网络对对冲基金绩效的影响进行了实证分析。本文在对冲基金中建立了“强大的校友网络”，要求基金经理毕业于同一所学校，主修同一方向（本文采用文本分析技术来确定两个中文名不同的专业是否属于同一个研究方向）。这种对校友关系的定义抓住了专业之间更细微的差别，过滤掉了现实中可能不存在的薄弱联系。我们还将多个经理级的信息汇总到统一经理级，以便更好地衡量多个经理为基金带来的全部收益。 为了度量对冲基金的网络位置，本文生成了四个代理指标，即学位中心性、关联中心性、亲近中心性和聚类系数。研究发现，校友网络位置对中国对冲基金风险调整后的投资收益有显著影响。三种中心性测度对绩效的影响均为正，与共同基金的网络效应相反(Qi, Li, Xie & Ding, 2020)。此外，本文还引入了一种新的社会网络位置代理——聚类系数，研究发现其对风险调整后的收益具有显著的负向影响（在0.1%水平上显著），这是以往研究中很少注意到的。分别固定资金和固定时间，研究结果仍然是稳健的，然后我们研究了不同能力和不同策略下的网络效应。结果表明，校友网络对不同能力的对冲基金经理的影响具有显著的相似性，但不同策略下的网络效应不同。例如，学位中心性测度对股票策略型对冲基金有正向影响，而对固定收益策略型对冲基金有负向影响，表明采用股票策略型对冲基金的经理更能从校友关系的维度中获益。 为了进一步明确校友网络影响基金回报的渠道，我们对校友网络的投资风格进行了中介分析。研究结果表明，投资风格是校友网络效应对对冲基金绩效影响的完全中介。对冲基金经理的校友网络通过改变基金经理的投资风格对基金绩效产生积极影响。处于更中央网络位置的对冲基金更多地投资于高风险资产，如股票和权证。这体现了校友网络中心节点的信息优势，可以提高基金经理的风险管理水平，增强其追求更高回报的信心。 最后，我们分析了基金经理在校友网络中的地位是否会影响资金流入他们管理的对冲基金。研究结果表明，校友网络对对冲基金流动具有负向影响。基金经理与校友关系的宽度和深度会导致基金规模的缩小。 本文对现有研究的贡献有三个方面。首先，本文对金融市场中的社会网络效应的文献做出了贡献。最重要的发现是发现了校友网络对对冲基金绩效的影响路径，即校友网络带来的信息优势影响基金经理的投资风格，从而提高基金绩效。与以往的研究只分析对冲基金在股票市场的投资情况不同，我们利用对冲基金在股票、权证、期货等不同资产中的具体投资比例数据进行实证分析。本文的研究为校友网络如何影响对冲基金业绩的机制提供了更深入的见解。具体来说，更中央的网络位置导致更积极的投资风格。
其次，本文为校友网络对对冲基金绩效的具体影响提供了实证证据。我们发现网络中心性对对冲基金绩效有正向影响，这与共同基金的研究结果相反。此外，我们发现在不同的策略下，对冲基金的校友网络效应是不同的。这是相关文献中的一个新发现。 最后，本文通过引入校友网络的新构建方法和金融网络位置测量的代理变量，对金融网络理论做出了贡献。通过定义“强大的校友关系”，即要求相同的毕业院校和相同的专业方向，我们可以过滤掉现实中可能不存在的薄弱联系，建立更现实的校友网络。此外，我们还发现了一种新的网络位置测量代理变量，即聚类系数，这是以往金融和经济系统中社会网络研究中很少注意到的。我们发现，与中心性测度相比，聚类系数具有显著且不同的解释力。 本文的其余部分组织如下。第二节回顾相关文献并提出假设。第3节介绍了我们的数据。第4节介绍了网络构建和网络位置测度的方法，并提出了网络演化的经验证据。第5节介绍描述性统计和实证结果。第6节进行稳健性测试。第7节总结和总结。
文献综述与假设
以前的研究已经开始将社会网络作为社会科学的工具引入金融和公司治理研究领域。人们发现，经济主体受到其社会关系的影响(Coleman, 1988)。社会网络与投资行为的关系是最受关注的话题之一。Hochberg、Ljungqvist和Lu(2007)通过风险投资公司的联合投资行为构建了一个网络，发现处于网络中心的风险投资公司的基金绩效明显更好。Cohen等人(2008)通过校友网络关注共同基金经理和公司董事会成员之间的联系，发现社会网络可能是信息流入资产价格的重要机制。Pool et al.(2015)利用居住地来捕获基金经理之间的社会联系，发现社会联系较高的基金经理拥有更多相似的持有和交易特征。Rossi、Blake、Timmermann、Tonks和Wermers(2018)研究了网络中心性与委托投资组合管理绩效之间的关系，发现网络越好的基金经理承担的投资组合风险越大，获得的资金流越大，获得的基金绩效越好。 社会网络影响经济主体投资行为的一种可能路径是信息获取假说(Chahine, Fang, Hasan & Mazboudi, 2019)。个人社会关系被认为可以增加对更有价值信息的获取，进而促进信息在社会网络中的传播(Pool et al.,2015)。信息和知识可以通过社会网络传播，并可能对关联的成员产生三种影响。首先，基金经理根据他们所获得的信息和知识做出决策。例如，有效的信息将导致基金经理更多地投资于他们熟悉的公司或股票(Cohen et al.,2008)。第二，信息优势会增强基金经理的信心，影响其投资风格(Rossi et al.,2018)。第三，社会互动为基金经理提供了观察竞争对手行为的机会，从而导致对优秀同行和类似投资组合的模仿(Hong, Kubik,& Stein, 2005)。 此外，社会网络中的不同位置收到的信息可能会有所不同。与位于外围的位置相比，中心位置对信息流的控制更大(Brass, 1992；Brass & Burkhardt, 1992年；伯特，1982)。网络优势地位的投资者倾向于早交易，赚取更高的回报(Ozsoylev, Walden, Yavuz & Bildik, 2014)。从这个角度来看，基金经理在社会网络中的位置对其投资行为有着重要的影响，这意味着个体与整个网络的关系特征是一个重要的特征。 实证研究表明，网络中心位置带来的信息收益可以转化为更好的投资绩效。Shen, Zhao, and He(2015)发现，校友网络越大的投资者更有可能获得有关股票的私人信息，从而在股票市场中获得更好的回报。Liu et al.(2020)发现基金经理在社会网络中的中心性对其信息共享和交易行为有显著的正向影响。与“信息利益”的观点一致，我们提出了第一个假设： H1：Information-benefits假说。相对于那些位于校友网络边缘的基金，拥有更多中心网络位置的对冲基金表现更好。 另外一些文献研究结果表明，通过社会网络进行的信息交换会导致模仿和投资组合同质化，从而对投资绩效产生负面影响。Pareek(2012)提供了在同一股票中持有大量头寸的基金之间信息联系的证据。Kellard, Millo, Simon, and Engel(2017)发现竞争对冲基金之间的沟通和想法共享将导致“基于专业知识”的羊群。Qi等(2020)研究了校友网络对中国共同基金的影响，发现具有校友关系的共同基金经理往往具有相似的投资组合配置，并且基金的业绩会因校友关系程度的加深而恶化。社会网络似乎是一个信息泄露的渠道，可以削弱优秀基金经理的优势。因此，我们提出以下假设： H2：信息泄漏的假设。相对于那些位于校友网络边缘的基金，处于中心网络位置的对冲基金表现更差。
数据
本文的实证分析基于2010-2019年中国对冲基金的数据，主要来源于思慕网数据库，还有一些数据来源于CSMAR数据库。与以往对中国对冲基金社会网络的研究不同，本文的研究样本不仅包括股票型对冲基金，还包括投资于期货、权证、货币、债券等其他资产的对冲基金。数据主要包括基金经理的教育背景、对冲基金净值、对冲基金资产规模、资金流量和资产配置情况，这些数据由思慕网数据库提供。用于计算四因子风险调整绩效的数据来自CSMAR数据库。在选取的数据集中，对冲基金经理的变动是季度的，而净值数据是月度的。一般来说，基金经理的更换不是很频繁，所以可以合理假设基金经理在一个季度内没有更换。因此，我们将样本数据按月频率进行处理。 本文研究了2010年1月至2019年12月期间对冲基金经理的校友网络对投资行为和基金业绩的影响。在此期间，我们一共收集了4734只对冲基金的数据集，这些基金披露了其经理的教育背景。本文建立了一个随时间变化的校友网络，并在此基础上计算校友网络位置。在回归分析中，为了估计的准确性，本文排除了在此期间每月报告净值少于12次的对冲基金数据，此外也排除了网络中的孤立节点数据。回归分析的数据包括1150个对冲基金产品，其中202个产品披露了其资产配置。 总结一下，网络构建的数据包含4734只对冲基金，回归分析的数据包含1150只对冲基金产品和20568个观察值，投资风格分析的数据包含202只对冲基金和1654个观察值。
方法
网络构建
社会网络的特征是它的节点(代理指标)和边(社会连接)。在校友网络中，每个节点代表一个对冲基金，每条边代表两个节点之间的教育联系。本文通过“强大的校友”关系，即毕业于同一所研究生院和相同的专业方向是有联系的，在中国对冲基金之间建立了校友网络。
通过详细的数据，我们可以建立比以往文献更准确的校友关系。在中国，许多大学都有大量的专业。各专业的课程各不相同，上课的时间和地点也各不相同，因此与其他专业的学生建立亲密的友谊并不容易。但是同一个专业的学生一起上共同的课程，通常在课余时间一起参加体育和娱乐活动，这使得他们之间的关系比同一所学校其他专业的学生更亲密。受前人研究的启发，本文在建立网络的时候考虑了专业的差异。在界定校友关系时，我们不仅要求同一所学校，还要求同一专业方向，这种定义更接近现实情况。来自同一所学校、同一专业的校友在学校里有更多的机会相互了解和交流，他们经常在毕业前成为朋友。因此，我们使用“强大的校友”关系来捕捉专业之间更多的细微差别，并过滤掉可能在现实中不存在的薄弱联系。
由于不同学院的专业名称不同(例如汉语中“企业管理”和“工商管理”的名称不同，但两个专业的内容是相似的)，我们使用文本分析技术将专业名称分解成更精炼的关键词，这表示该专业的确切内容(处理的文本内容都是中文)。每个专业的名称被分解成一个短语向量，然后根据短语向量的重叠程度来判断两个专业是否属于“同一专业方向”。2019年，由于学校和学院的名称变更和合并较多，我们使用大学和学院的名称来表示学校。对于国外的大学，我们采用统一的翻译，以避免前后不一致。 接下来，本文利用对冲基金经理的学历背景信息，构建了中国对冲基金的校友网络。在已建立的网络中，每个节点代表一个对冲基金，两个节点之间的连接(边)是两个对冲基金之间的校友关系。在选取的样本中，基金经理硕士及以上学历的比例为74.8%。对于受过高等教育的基金经理来说，超过34%的对冲基金经理上过两所或两所以上的学校。例如，对冲基金f1的基金经理m1，在学校A取得学士学位，在学校B取得硕士学位，对冲基金f2的基金经理m2，在学校C取得学士学位，在学校D取得硕士学位，在学校B取得博士学位。m1和m2在学校方面存在教育联系，因为他们都是B学校的校友。 此外，我们将多个基金经理级别的信息聚合到统一基金经理级别。对于许多对冲基金来说，经理不止一个，选取的样本中约24%的对冲基金有两位或更多的基金经理。在处理多重经理人基金时，很多文献构建了基金经理之间的社会网络，并采用其中一位经理的网络位置来代表基金的网络位置(Li et al.,2020)。这种选择背后的含义是，使用基金经理的社会能力的某种加权平均(例如经理的最高、中位或最低的网络中心性)来代表整个基金。事实上，基金的社会能力应该是基金经理的总和，而不是平均水平。每个基金经理的社会网络都能给基金带来信息利益，而不仅仅是那些拥有最广泛社会网络的基金。因此，对冲基金f1的基金经理m1，毕业于学校A，B和C，专业为a，b和c。对冲基金f1的基金经理m2，毕业于学校D和E，专业为d和e。因此我们得到对冲基金f1的教育背景信息集合{学校；专业：A，B，C，D，E；a，b，c，d，e}。 我们将在给定时间点出现的所有对冲基金包括在内来构建校友网络，从而可以得到一个时间序列的校友网络。由于基金经理变更披露的频率是季度的，因此我们按季度频率更新校友网络。样本时间为2010年1月至2019年12月，因此共建立了24个校友网络。图1显示了样本中三个时间点的校友网络，分别是2013年12月、2016年12月和2020年12月。
度量网络位置
网络中心性是用来衡量节点的重要性和网络位置的代理变量(Billio, Getmansky, Lo & Pelizzon, 2012)。我们通过三种不同的网络中心性来捕捉网络效应的不同维度，即学位中心性（degree centrality）、中间中心性（betweenness centrality）和亲近中心性（closeness centrality），以确保实证分析的稳健性。 网络中心性的第一个度量是学位中心性，相对于节点总数来度量特定节点的邻居数量(Freeman, 1978)。对于特定的网络节点，如对冲基金经理，学位中心性可以解释为节点通过其校友获得信息的即时概率。节点j在t时刻的学位中心性图片定义为：
其中，$d_{jt}$为t时刻节点j的已连接邻居数，$N_t$为t时刻网络中的节点总数。 网络中心性的第二种度量是中间中心性，是以分数形式度量网络中通过给定节点的所有最短路径。它衡量一个节点对重要路径的控制程度，并捕获一个节点在连接其他节点时的重要性(Freeman, 1977)。节点j在t时刻的中间中心性图片定义为:
其中$P_{it}(k,i)$是t时刻从节点k到i经过节点j的最短路径的个数，$P_t(k,i)$是t时刻从节点k到i的最短路径的个数。 网络中心性的第三种度量是亲近中心性，通过取相关节点与所有其他节点之间最短路径的平均长度的倒数来计算亲近中心性。它衡量给定节点在网络中的中心位置(Sabidussi, 1966)。一个节点离其他节点越近，它的中心位置越高。节点j在t时刻的亲近中心性图片定义为：
其中$L_t(j,i)$是t时刻节点j到i之间的最短路径长度。 此外，我们在模型中考虑了聚类系数（clustering coefficient）。节点j在t时刻的聚类系数$CC_{it}$定义为：
其中，$e_{jt}$为节点j的邻居之间的边数(Bela & Riordan, 2003)。
聚类系数是网络中群体亲密度的度量。与上述三种计算节点自身个体重要性的中心性度量不同，聚类系数是一种集中于以j为中心的子网的密度度量。考虑节点j与其直连邻居$j_k^{neignnbour}$组成的子网络图片，基金经理j的聚类系数越高，则子网络$G_j$的密度越大。在本文研究构建的校友网络中，如果$CC_{it}$很低时，则任何邻居$j_k^{neignnbour}$和$j_i^{neignnbour}$之间存在连接的概率也很低，在没有节点j时$j_k^{neignnbour}$和$j_i^{neignnbour}$很难连接，也表示以j为中心的子网络$G_j$中的连接是稀疏的。如果去掉节点j，则$G_j$的连通性将急剧下降，$G_j$中的其他节点将是不连接的(这意味着节点j在其直连子网中是重要的)。当$CC_{it}$较高时，$G_j$密度较大，节点j的缺失对$G_j$的连通性影响不大。$G_j$的其他节点在没有节点j的情况下仍然可以相互联系，这意味着节点j在其直连的子网络中不重要。
网络的进化
从图1可以看出，校友网络中的资金和人脉数量随着时间的推移发生了显著的变化，表明校友网络序列随着时间的推移发生了结构性变化。基金经理校友网络的演变主要由三个原因导致：(1)新对冲基金的出现；(2)撤出旧的对冲基金；(3)更换现有基金的基金管理人。
接下来研究时间序列的平均网络位置变化，以探索在样本中，对冲基金经理的校友网络是如何演变的。首先将每个网络位置参数，即三个中心性指标和聚类系数，用其时间序列平均值除以其标准差进行标准化。然后得到均值为零和单位方差的数列。设$Net_t$=$N_t^{-1}\Sigma_{i=t}^{N_t}Net{it}$是t季度初的横截面平均网络头寸指标，即存在的所有对冲基金的平均值。$MEAN(Net_t)$和$STDEV(Net_t)$是 $Net_t$计算的整个样本从2010年到2019年的时间序列统计。标准化的网络位置指标计算公式如下:
图2绘制了标准化网络位置度量在我们的样本周期内的时间序列。从这四项指标来看，2010年至2013年，它们都相对稳定。然而，从2014年到2016年，这四项指标都出现了剧烈波动。2014年和2015年，学位中心性指标和亲近中心性测度均急剧下降，并在2016年下半年迅速恢复到平均水平。同时，我们利用沪深300指数的交易量来代表中国证券市场的动态。从图2可以看出，2014 - 2016年沪深300指数的成交量远高于其他时期，这说明了当时中国金融市场的特殊状态这与对冲基金网络发生迅速结构性变化的时期是一致的。这种同步性表明，中国金融市场的特定波动将影响对冲基金业，并反映在基金经理的校友网络结构上，使得基金网络的结构变化成为探索金融风险的良好窗口。
此外，我们发现中心性指标和聚类系数指标的波动滞后于交易市场的波动。这表明，这四个网络位置指标不仅共享一个共同的趋势分量，而且每个网络位置指标都捕获了一些不同的短期信息。
实证分析
描述性统计
表1给出了我们分析的主要变量的描述性统计，包含样本的平均值、标准差、最小值和最大值。从2010年1月到2019年12月，样本包括1150个对冲基金产品和2259个观察结果。中心性指标通过除以横截面平均值转化为相对中心性指标。
表2报告了指标的Pearson相关系数矩阵。该方法首先计算截面相关系数，然后取时间序列的平均值。相关矩阵显示解释变量之间的相关性一般较小，特别是聚类系数与学位中心性的低相关关系，以及聚类系数与亲近中心性的负相关关系，意味着聚类系数可能是社会网络效应的特殊代表，这在以往的文献中很少被注意到。
表3给出了Doctor和school两个变量的汇总统计。第一列“All_sample_average”是根据包含重复出现在不同时期的基金经理的回归样本计算出来的。由于样本数据是一个不平衡的面板数据，因此通过计算每个周期的平均值来计算时间加权平均值。最后，删除重复的基金经理，并为每个基金经理只保留一条记录。第三列“Unique_sample_average”基于唯一基金经理示例。如表3所示，10.2%的对冲基金经理拥有博士学位，28.6%的对冲基金经理毕业于名校。
在进行计量分析之前，有必要检验变量Doctor和School的共线性。这两个变量的Pearson相关系数较低，说明这两个变量是相对不相关的。
网络位置和基金收益表现
基本模型 本节讨论基金经理在社会网络中的位置如何影响他们的投资业绩。为了探索收益表现和网络位置之间的关系，本文采用四因子模型构建了一个风险调整收益的估计(Carhart, 1997)。对于每一个对冲基金，首先计算每月累计净股息再投资回报率，然后计算基金关于无风险利率的超额收益-，然后对关于中国股票市场的超额回报-，规模因子，价值因子和动量因子做回归：
这些因子的数据由CSMAR数据库提供。对于每个月每个对冲基金，我们计算相关的风险调整后的收益$r_{i,t}^{adj}=\alpha_i$+$\epsilon_{i,t}$，样本数少于12个的对冲基金将被删除，以减少估计不足。
利用风险调整后的收益作为因变量，我们进行了包括基金和时间固定效应的面板回归分析。以往的研究表明，在不同的市场条件下，网络效应可能会有所不同(Chen, Ho & Yang, 2020)。为了避免金融市场潜在结构变化的影响，我们将样本分为三个时期。从图2可以看出，作为中国最重要的股票指数之一，沪深300指数的成交量在2015年前后出现了较大的波动。因此，我们根据中国金融市场的交易活动将样本分为三个部分。第一阶段为2010年1月至2013年12月，第二阶段为2014年1月至2016年9月，最后一阶段为2016年2月至2019年12月。在此基础上，我们进行了时间固定效应分析。
基于之前的文献和可用性数据，在模型中，我们还加入了其他相关的变量，将基金规模(FundSize)、基金家族规模（FamilySize，对冲基金属于同一公司）和基金成立年限(FundAge)作为控制变量。固定效应面板回归可以排除时不变因子的影响，因此我们选择时变变量作为控制变量，纳入了同时控制基金级和基金家族级规模的变量，以控制规模对业绩的影响。首先，我们计算每个对冲基金的规模，以净资产规模来衡量。第二，对于每个基金公司，我们计算基金家族的大小($FamilySize_{it}$=$\Sigma_iFundsize$),将其转换成相对大小，比如log($FamilySize_{it}$/Fundsize)。
我们还将基金经理i的网络位置标准化，方法是将其按横截面平均值缩放，即$Net_{it}/Net_t$。这种归一化有助于解释整个网络结构中的时间序列趋势。网络位置变量是在业绩测量月之前测量。为了分析校友网络位置对对冲基金绩效的影响，我们构建了以下模型:
$r*{i,t}^{adj}$是对冲基金风险调整后的收益，$Net_{it}$表示基金经理i在t时刻的网络变量，图片是基金i在t时刻的资产规模，$FamilySize_{it}$是基金i在t时刻的对冲基金家族的规模，FamilySize是基金i在t时刻的成立年限。 表4给出了对冲基金经理风险调整投资业绩对学位中心性、中间中心性、亲近中心性和聚类系数的面板回归结果。研究结果表明，校友网络位置对我国对冲基金风险调整后的投资绩效有显著影响。
学位中心系数、中间中心系数和亲近中心系数均为正，这与现有关于私募管理投资组合的研究一致，比如中国的“阳光”对冲基金(Li et al.,2020)和英国的委托投资管理(Rossi et al.,2018)，校友网络中心地位对私募资产管理绩效的正向影响是一致的。 此外，我们发现聚类系数对风险调整后的收益有强烈的负向影响(在0.1%水平上显著)，这在以往的研究中很少被注意到。聚类系数度量基金经理在其亲密子网络中的非重要性。较高的聚类系数表明基金经理对于他的社会联系的邻居来说是可有可无的，因为在这样的社会网络中，信息交换不会因为他的缺席而受到影响。具有低聚类系数的基金经理对重要信息的获取较少，也更难获得与中心基金经理相媲美的绩效。 虽然回归系数的信号网络代理是不同的,它们都指向同一个结论:越中央网络位置的基金经理，其重要性越高。但是各网络位置指标的影响程度是不同的。从系数的绝对值来看，聚类系数对对冲基金业绩的影响最大，约为度中心性的2.6倍。三种中心性指标中，中间中心性的影响最小，而学位中心性和亲近中心性几乎相同，约为中间中心性的10倍。 从经济意义上看，聚类系数代表基金经理在与其直接相关的社会关系的不重要成都。结果表明，直连网络对基金绩效的影响比间接网络更显著，因为直连网络的重要性对基金绩效的贡献最大。回顾其他中心性指标，学位中心性代表基金经理校友关系的宽度，亲近中心性代表深度。当我们评估对冲基金经理的校友社会关系质量时，这两个变量的系数几乎相等，表明它们的同等重要性。中间中心性代表基金经理对校友网络中信息流的控制，作为间接联系校友网络影响的代理变量，其解释贡献远小于直接联系校友网络的代理变量(学位中心性和聚类系数)。 在中心性指标方面的结果与共同基金文献中研究的学位中心性、中间中心性和亲近中心性对共同基金业绩有负面影响的结果相反(Qi et al.,2020)。对冲基金和共同基金的校友网络效应差异可能是由以下两个因素造成的。第一个因素是信息披露的不同要求。由于共同基金的定期公开，共同基金管理人通过校友网络获得的个人信息将很快公开。社会网络之外的基金经理也可以通过共同基金的投资组合信息获得信息，这降低了个人校友网络所带来的私人信息的价值。最终，由于信息泄露引起的模仿和羊群效应的损失大于信息带来的收益，从而对基金绩效产生负网络效应。第二个因素是不同的激励机制。共同基金经理收取固定比例的管理费作为收益，不分享超额收益。与对冲基金经理相比，共同基金经理可能较为保守，不太愿意根据新获得的信息对投资作出重大改变。因此，信息的利用效率并没有对冲基金经理那么高。 网络效应与能力 对冲基金的回报表现取决于基金经理的能力。基金经理的能力不仅指其对金融工具和市场的了解和投资技巧，还包括信息搜索和处理的能力。由于校友网络对基金绩效的影响会受到基金经理信息能力的影响，因此本文考察了不同能力下校友网络对基金绩效的影响。我们从毕业信息中提取出两个最能代表个人能力的变量：学历和学校。我们首先考虑这位对冲基金经理是否拥有博士学位：
其中，$Doctor_{it}$表示在t时刻i基金经理是否具有博士学位(含博士和博士后学位)。我们还测试了基金经理是否毕业于中国前四所大学，即清华大学、北京大学、复旦大学和上海交通大学。这四所大学是中国金融行业最著名和公认的学校。
解释变量$School_{it}$表示时间t时基金i的经理是否从前四名毕业。 由表5可知，在排除基金经理个人能力差异的影响后，校友网络对对冲基金绩效的影响仍然显著。表5的结论与基本模型的结论一致。这表明，校友网络对经理人的投资绩效有一定的影响，而与经理人的能力无关。值得注意的是，变量$School_{it}$对风险调整后的收益有显著的影响（在1%水平），而博士学位没有统计学意义。这反映了中国名校的价值和中国金融市场对名校的认可，符合现实。
不同策略下的网络效应 我国以往对对冲基金的研究大多采用股票型对冲基金的数据，股票型对冲基金在我国又被称为“阳光对冲基金”。这类对冲基金形式上介于共同基金和对冲基金之间，且只投资于股票。然而，我们的独特数据不仅包括股票策略对冲基金，还包括采用其他策略和投资于其他资产的对冲基金。具体来说，样本共采用了九种策略，即股票策略、宏观策略、管理未来策略、事件驱动策略、相对价值策略、固定收益策略、基金组合策略、复合策略和其他策略。根据投资的主要资产，我们将样本分为四类：(1)股票策略，(2)管理未来策略，(3)固定收益策略，(4)其他策略。在此基础上，对不同策略下的校友网络对基金绩效的影响进行了回归分析。对于每个类别的样本子集，我们分别对公式(7)进行了面板回归。
表6的结果表明，校友网络头寸对对冲基金风险调整后收益的影响在不同的基金策略下是不同的。对于股票型策略对冲基金，其结果与基本模型的结论基本一致。对于管理的未来策略对冲基金，只有聚类系数对基金绩效有显著影响。此外，与股票型策略型对冲基金不同，用聚类系数衡量的网络指标对管理型未来策略型对冲基金的风险调整后收益的影响为正。对于固定收益策略型对冲基金，三个中心性指标均有显著影响，聚类系数呈临界显著。与股票型策略对冲基金不同，学位中心性指标和亲近中心性指标对固定收益型策略对冲基金的风险调整收益有负向影响。
综上所述，本节的结果证明了校友网络在不同策略下对对冲基金的影响是显著的。此外，不同基金策略下的网络效应也不同，这可能与不同类型资产市场的投资特征有关。
此外，可能的途径:投资风格和网络位置和进一步研究:资金流向和网络位置部分未翻译，有兴趣的读者可查阅原文。
稳健型测试
本文使用几种不同的替代指标来检验实证结果的稳健性。为了检验基金业绩的稳健性，我们分别用净值的月收益、Fama和French(1993)的三因子模型调整的收益和资本资产定价模型(CAPM)调整的收益作为解释变量，结果与Carhart(1997)的四因子模型一致。 我们根据中国金融市场的不同状况，将研究时间分为三个部分，现在去掉这个模型设置，使用年度的结果进行回归分析，研究结果与主要回归一致。 在风险调整后回报对网络位置指标的回归中，本文假设校友网络在一个季度内保持不变，并将网络结构的季度数据扩展到月频次以满足回报频次。作为稳健性检验，现在放宽了这一假设，并在季度频率的数据上检验了基本模型，结果证明了该方法的有效性。
总结
本文的目的是探讨校友网络对对冲基金业绩的影响。本文以中国对冲基金为研究对象，利用2010年1月至2019年12月现有4734个对冲基金产品的数据，构建对冲基金校友网络。本文对构建的网络中心性指标与基金收益、投资风格和资金流之间的关系进行实证分析。 研究发现，校友网络位置对对冲基金经风险调整后的绩效有显著影响。不同能力的基金经理的校友网络效应均为正，结果支持了我们提出的“信息效益假说”。进一步研究发现，投资风格是校友网络效应对对冲基金绩效的中介。对冲基金在网络中的位置越靠近中央，其投资风格就越活跃。最后，研究发现校友网络对对冲基金的流动性有负向影响。 通过对社会网络如何影响基金经理投资行为的机制提供更深入的见解，本文对金融市场中的社会网络效应做出了贡献，并为校友网络与对冲基金业绩之间的关系提供了新的证据。通过引入校友网络的新构建方法和新的重要的网络位置指标代理变量，对构建社会网络理论做出了贡献。 本文的研究基于来自中国的样本，虽然中国是一个有意义的研究案例，但是我们的研究对国际金融也有一定的启示。社会关系对经济的影响一直是全球金融市场关注的焦点，研究人员对这一话题一直很感兴趣。本研究为东方文化背景下社会关系的经济效应提供了实证证据，对相关理论进行了补充。它还为研究其他发展中国家提供了一种具有指导意义的方法。此外，本文的研究探讨了社会关系在中国文化背景下的经济效应，这可能与西方有很大的不同。本研究发现中国对冲基金的社会网络效应及其影响机制，有助于国际投资者更好地了解中国金融市场，从而更好地评估基金的潜力。 本文的研究在金融科技时代尤为及时。随着金融科技的快速发展，信息传播的速度和形式都发生了巨大的变化。近年来，高校开始利用信息技术建立校友数据库，并建立更大的校友网络，以更好地维护校友关系。此外，校友之间的交流变得更加方便和私密，通过即时消息/视频聊天服务和实时在线会议。金融科技可以加速信息处理，使社会网络对投资绩效的影响比以往更加显著。 未来的研究有许多可以拓展的地方。本研究的局限性之一是，由于缺乏相关数据，我们在计算校友联系时没有考虑毕业年份，这可能是影响校友网络中的一个重要因素。此外，我们无法分析校友网络效应对详细基金组合的影响，希望未来的研究可以探讨这些方面。 注：本文选自国信证券于2022年3月23日发布的研究报告《校友网络是否影响对冲基金投资业绩？》 分析师：张欣慰 S0980520060001 联系人：杨北锋 风险提示：本报告内容基于相关文献，当市场环境发生变化时存在模型失效风险。