基金经理的管理技能与噪声交易-招商定量·琢璞系列
由crisvalentine创建，最终由crisvalentine 被浏览 47 用户
过去二十年间，投资者情绪（investor sentiment）常常被认为是造成金融资产价格极端波动的重要原因，但它对主动管理基金的业绩有何影响仍有待探究。本文介绍了Feng Dong和John A. Doukas于2018年发表在The Journal of Portfolio Management的文章Fund Management Skill and Noise Trading，文章在过往研究的基础上，探讨了基金经理的管理技能是否会受到由投资者情绪引起的市场噪音的影响，从而造成基金业绩表现的变化。
文章得出的主要结论有：
- 具有更高管理技能的基金会有更好的业绩表现。平均而言，拥有较高管理技能的投资组合比拥有较低管理技能的投资组合每月多创造530万美元的附加值。
- 管理技能高超的基金经理在股市情绪高涨时期的表现比在低迷时期更好。对于管理技能最高、过往表现最好的基金组合，在股市情绪高涨时期创造的附加值为771万美元，而在低迷时期为-18万美元。这表明，基金管理技能在市场噪音较大时，对投资者具有更高的价值。
- 管理技能高超基金经理在股市分化和经济扩张的状态下具有更好的表现。当市场不确定性强、投资者难以解读资产价格信号时，管理技能高超的基金经理可以为基金创造附加值。经济扩张时期，管理技能较高的基金能够实现正的风险调整后超额收益。
- 管理技能高超的基金经理在噪声交易更多的股市情绪高涨时期，能够做出更好的投资决策。一般情况下，股市情绪高涨会损害基金的整体表现，但这对管理技能较高的基金经理并不适用，他们在股市情绪高涨时期的表现明显优于低迷时期；因为当市场中噪声交易普遍存在时，他们更有能力识别投资机会并做出更好的决策。
风险提示：本文内容基于作者在美国市场背景下进行的理论模型研究和实证检验，对于中国市场中的具体情况，结论可能会发生变化。
\
引言
过去二十年间，投资者情绪（investor sentiment）常常被认为是造成金融资产价格极端波动的重要原因，但它对主动管理基金的业绩有何影响仍有待探究。本文在过往研究的基础上，研究了基金经理的管理技能是否会受到由投资者情绪引起的市场噪音的影响，从而造成基金业绩表现的变化。
大量研究证实了主动管理型基金的表现优于被动管理型基金，并将其归功于主动型基金经理的选股、择时等管理技能。但这些研究大多以理性人假设为基础，少有研究探讨基金经理的管理水平在不同时期是否会发生变化；而近年来行为金融学的发展已经对理性人假设构成有力挑战。很多因素都有可能影响基金经理的管理技能及其获利能力，包括基金经理经验的逐渐积累、管理技能的日渐成熟，科技发展带来的信息量的增加和交易速度的提升，以及宏观经济和资本市场的变迁等等。
事实上，噪声交易和卖空限制会推动资产价格偏离基本面价值，使得投资者更难获得超额收益。而噪声交易是否普遍，与投资者情绪相关，并且在不同时期有所变化。有研究表明，噪声交易在市场比较乐观的情况下会更频繁；在这样的情况下，基金经理不会像缺乏经验的投资者一样容易被高估值的股票吸引，而是会利用自身的专业管理技能，通过对资产内在价值的分析与判断，为基金创造更高的价值。
一方面，投资者情绪会影响市场整体回报和个股回报。当市场情绪高涨时，资产价格被缺乏经验的投资者推高；而由于做空机制存在种种限制，无法有效抑制高估值的形成，最终导致市场中的投资机会难以识别。此时，具有公司特有信息、分析能力强的基金经理选股优势更突出。
另一方面，由于做空受限，基金经理往往倾向于押注在正面信息上。股市在情绪高涨时期受动量效应的影响，股价被高估；此时成熟的基金经理更能够利用这种资产定价的偏离获取高额回报。
为了验证以上观点，文章参照Berk和van Binsbergen（2015，2017）的方法，使用超额收益率（gross abnormal return）和基金规模（fund size）的乘积来衡量基金业绩表现，使用技能比率（skill ratio）来衡量基金管理技能，并对样本数据进行回归分析。
研究结果表明，股市情绪高涨时期基金业绩表现会受到损害；但管理技能高超的基金经理不仅能保护基金免受影响，还能创造附加价值。管理技能最出色的基金经理在股市情绪高涨时期可以创造771万美元的附加值，远高于374万美元的样本平均水平；同时在股市情绪低迷时期只造成了18万美元的损失。相比之下，管理技能最平庸的基金经理在股市情绪高涨时期造成的损失为564万美元，在低迷时期造成的损失达到3032万美元。
最后，文章进一步使用密歇根大学消费者情绪（UM）指数、信贷市场情绪指数、FEARS情绪指数等其他情绪衡量指标对结果进行检验，证实了实验结果的稳健性。以上结果最终验证了作者的观点，即管理技能高超的管理人能够在噪声交易频繁的股市情绪高涨时期，为投资者创造更多价值。
样本选择
深证100指数囊括深市龙头企业，成长性强，指数表现亮眼
研究的样本数据来源于Bloomberg，共有1,873只共同基金；样本区间为2002年12月至2014年12月，共145个月。由于计算基金管理技能指标的时间窗口需要前推24个月，因此实际使用的数据将追溯至2000年12月。选用的指标包括样本基金的月度收益率，以及与业绩相关的其他控制变量。为了消除幸存者偏差的影响，样本中保留了已清盘的基金的数据。
以美国境内的主动权益型共同基金为样本空间，筛选条件如下：
- 主要投资于美国境内资产；
- 主要投资于权益类资产；
- 注册地为美国；
- 成立于2012年12月31日之前；
- 基金类型为开放式共同基金；
- 基金名称不包含以下词汇：指数或指数名称（index、ind、S&P、Dow、Wilshire、Russell）、全球（global）、国际（international）、固收（fixed-income）、行业（sector）、平衡（balanced）。
采用Fama-French-Carhart（FFC）模型中的因子，对基金的月度超额收益（相较于美国短期国库券利率）按月进行滚动回归；估计区间为24个月，之后的一个月为观测月。样本基金的描述性统计如表1：
研究方法与指标构建
如何衡量情绪
文章选取的情绪衡量指标以BW情绪指数为基础，该指数在金融领域内被广泛使用。BW情绪指数由Baker和Wurgler在2006年提出，采用六种股票投资者行为倾向的代理变量构成，包括：交易量（纽交所总成交量）、分红型股票的溢价率、封闭式基金的折价率、新股数量和上市首日收益率、新股发行占比。在145个月的观测期内，如果第t个月的BW情绪指数高于（低于）全部月份的中位数，则第t个月被定义为情绪高涨（低迷）月。
衡量基金业绩表现和管理技能的指标构建
文章选取的情绪衡量指标以BW情绪指数为基础，该指数在金融领域内被广泛使用。BW情绪指数由Baker和Wurgler在2006年提出，采用六种股票投资者行为倾向的代理变量构成，包括：交易量（纽交所总成交量）、分红型股票的溢价率、封闭式基金的折价率、新股数量和上市首日收益率、新股发行占比。在145个月的观测期内，如果第t个月的BW情绪指数高于（低于）全部月份的中位数，则第t个月被定义为情绪高涨（低迷）月。
- 比较基准和滚动窗口回归模型
文章参照Berk和van Binsbrgen（2015）的方法，使用“基金附加值/基金附加值标准误差”这一指标来衡量基金的管理技能。其中，基金附加值=超额收益率×期初基金规模，统计区间为2002年12月到2014年12月。Berk和Green（2002）认为，采用基金规模调整后的超额收益，比单纯的超额收益更适用于衡量基金业绩。
以往研究大多采用风险调整模型（如FFC模型、FF三因子模型、CAPM模型）衡量基金业绩，与之不同，Berk和van Binsbergen（2015）利用11只Vanguard指数基金构建了可选投资机会集，并以此作为基准来评价基金业绩。本篇文章沿用了这一思路，但不同的是，Berk和van Binsbergen（2015）通过横截面分析，探讨了不同基金经理之间管理技能的差异；而本文作者将采用滚动窗口回归的方法，检验基金管理技能在不同时期是否会发生变化。
在145个月的样本区间内，用其他n-1个指数基金产生的正交基对第n个指数基金进行回归，得到指数基金的正交基集合。指数基金n的正交基，是由它在整个区间内的平均回报，加上用其他指数基金对其进行回归得到的残差，来计算得出的。之后，在2002年12月至2014年12月的样本区间内，根据11只Vanguard指数基金的正交基对每个基金f的超额收益进行24个月的滚动窗口回归（按月滚动），如式（1）：
- 衡量业绩表现和管理技能的指标构建
参照Berk和van Binsbrgen（2015），文章采用BvanB alpha衡量基金的业绩表现，即基金的超额收益率×当月期初资产净值。采用式（2）的计算结果衡量基金经理的管理技能，其中alpha指超额收益率，TNA为通胀调整后的基金资产净值，SE为超额收益率的标准误差。超额收益和标准误差由式（1）得到，为24个月滚动窗口回归的结果。
较大规模的基金，即使获得的是较低的超额收益，基金资产的增值相比于小规模的基金也可能是更高的。因此，采用技能比率（skill ratio）衡量基金管理技能的优点在于，可以通过基金附加值的多少，来判断基金经理的管理是否成功。
- 按照管理技能高低和历史业绩优劣对基金进行分组
根据基金管理技能高低和历史业绩表现优劣构造投资组合。首先，每个月根据前一个月的BvanB fund skill对所有基金进行排序，基于此分为五组；其次，在每个组中，按照前一个月的BvanB fund alpha进行排序，再分五个子投资组合。其中，基金上个月的业绩表现（BvanB fund alphat-1）是上个月超额收益与上个月期初资产净值的乘积；超额收益来源于上文式2的24个月滚动窗口回归。最终得到25个（5×5）具有不同BvanB fund skill和BvanB fund alphat-1的投资组合，每个投资组合中的基金数量为当月基金总数的4%。
综上所述，作者在Berk和van Binsbrgen（2015）的基础之上进行了实证研究方法的创新和深入。指标构建上，以11只指数基金构成的可选投资机会集为基准，对样本进行滚动窗口回归计算超额收益率等数据，来构建基金业绩表现、管理技能等指标。在此基础上，按照基金管理技能高低和历史业绩的优劣，将样本基金划分为25组，以对比不同组别之间的业绩差异。此外，文章还将按照BW情绪指数将观测期分为情绪高涨和低迷两类，以探究不同市场情绪下的基金表现。
可能影响基金业绩的因素
过往有研究结果表明，股市分化程度和经济状态都会对市场环境产生影响，因而为技能出色的基金经理提供了打败市场的机会。
- 股市分化程度（equity market dispersion）
Von Reibnitz（2015）的研究表明，股市分化带来了主动投资机会，公司层面的信息量变化会影响基金业绩表现。在分化程度非常高的市场中，股价更多受到公司特有信息的影响，此时主动投资的效果更为显著，善于识别和剖析公司特有信息的基金经理的业绩将会超越同行。
文章沿用Von Reibnitz（2015）的方法来衡量股市分化程度。从Bloomberg数据库收集S&P 500的成分股名单及其每月回报；指标的计算方法为，S&P 500成分股在t月的等权平均收益率，和S&P 500成分股各自在t月的收益率之间的平均离散程度，记为t月的股票收益分化程度（MDt），如式（3）：
其中，n为t月S&P 500成分股的数量，Ri,t为成分股i在t月的收益率，Rm,t是所有S&P 500成分股在t月的平均收益率。2002-2014年间各月的股票收益分化程度如图1所示。
- 经济状态
经济状态是另一影响资深基金经理获利水平的因素。Kacperczyk，Van Nieuwerburgh和Veldkamp（2016）认为，基金经理的注意力是有限的，成熟的基金经理知道如何高效地分配有限的精力，并在此基础上构建了信息选择模型（information choice model）。由于最优的分配策略会随着经济状态的变化而改变，因此基金经理的投资策略在不同时期的效果也有差异。
Kacperczyk，Van Nieuwerburgh和Veldkamp（2014）将基金经理的技能分解为选股能力（stock picking）和择时能力（market timing），并指出基金经理会根据商业周期的变化来平衡两种能力。其他文献表明，在经济衰退期间，成熟的基金经理会投入更多时间和资源积极地管理基金，以保护基金业绩免受经济衰退的负面影响（Wermers [2000]；Glode [2011]；Kosowski [2011]；Von Reibnitz [2015]）。
基于上述观点，作者推测，投资者情绪对基金业绩表现的影响，是由投资者情绪的周期性变化与经济周期之间的相关性引起的。因此，文章使用芝加哥联储全国活动指数的三个月平均值（CFNAI MA3），遵循Kacperczyk, Van Nieuwerburgh, 和Veldkamp（2014）的研究方法，进一步衡量经济周期对基金业绩表现的影响。CFNAI是反应国家经济活动的同步指标，由85个已有的宏观经济指标时间序列构成。
实证研究结果
本节展示了文章的回归分析结果，并采用了其他可选的投资者情绪衡量指标来进行稳健性检验。
基金管理技能与业绩表现
首先，对于上文中构建的25个基金组合，计算每个基金组合每个月的平均月度超额收益，并利用可选投资机会集对观测期内的所有平均组合收益进行回归。表3展示了不同投资组合的BvanB fund alpha，即回归方程的截距和组合内基金的平均月初资产净值（通胀调整后）的乘积。
- 完整样本区间内的研究结果
表3的结果显示，使用BvanB fund skill衡量的基金管理技能越高，基金的业绩表现越好。从Panel A结果的“All”一行可以看出，基金投资组合的业绩表现（BvanB fund alpha）随着组合管理技能（BvanB fund skill）的由高转低而下降，即更高的基金管理技能会产生更高的阿尔法。基金管理技能最高、过往表现最好的基金投资组合，BvanB fund alpha也是最高的，为3.74（P=0.337）。
尽管管理技能高超、历史业绩优秀的基金经理，并非每个月都能显著打败基准，但管理技能平庸的基金经理实现的亏损是显著的，为-4.80（P=0.048）。这里构建一个虚拟组合——做多高BvanB fund skill基金组合并做空低BvanB fund skill基金组合，业绩在表格最右端的“High-Low”列展示。可以看出，无论过往业绩是高或低，该虚拟组合的回报都是显著为正的。平均而言，管理技能最高的基金组合每月比管理技能最低的基金组合多创造530万美元的回报。总的来说，这些结果证实了过往表现最好的基金与管理技能最高的基金经理之间存在相关性。
- 不同市场q情绪阶段的研究结果
Panel B和Panel C的结果表明，管理技能高超的基金经理在股市情绪高涨时的表现，较股市情绪低迷时的表现更好。
在股市情绪高涨时期（Panel B），与Panel A的结果一致，管理技能最高、过往业绩最好的基金，创造的附加值是最高的，为771万美元（P=0.337）。尽管该结果并不显著，但远超A组最高374万美元（P=0.337）的附加值。这一结果表明，当金融市场存在大量噪声交易者时，管理技能高超的基金经理的业绩表现更出色。换句话说，相比于完整时间区间（Panel A）的结果，在股市情绪高涨时期，管理技能高超的基金经理能够使基金附加值翻倍。
管理技能高超、历史业绩优秀的基金经理并非每个月的业绩都显著优于基准，管理技能平庸的基金经理在股市情绪高涨时期也并没有亏损（P=0.656）。这可能是因为，在市场情绪高涨的环境下，优秀的历史业绩为管理技能较高的基金经理吸引了更多的资本净流入，基金经理需要寻找更多可投资标的，但市场上最优的投资机会是有限的，基金经理只能选择次优标的，进而降低了其获利能力。
在股市情绪低迷时期（Panel C），与上文结果一致，管理技能最高、过往业绩最好的基金组合的BvanB fund alpha最高，但仅为-0.18（P=0.969），远低于股市情绪高涨时期对应的7.71（P=0.219）。从“All”行的结果可以看出，无论管理技能高低，基金组合的业绩均显著低于基准，这与股市情绪高涨时期（Panel B）的结果完全相反。这里同样构建一个虚拟组合——做多高BvanB fund skill基金组合并做空低BvanB fund skill基金组合，“High-Low”列代表其业绩表现。可以看出，无论历史业绩高低，管理技能较高的基金造成的亏损均显著低于管理技能较低的基金。
综上所述，实验结果与作者的观点一致，即管理技能高超的基金经理在股市情绪高涨时期的业绩表现优于股市情绪低迷时期，这表明，市场噪音越大，基金管理技能能给投资者带来的价值越明显。
由于BvanB fund skill和BvanB fund alpha根据基金规模进行了调整，为确保结果的稳定性，作者将每个月的所有基金，按照技能比率（skill ratio）高低划分为两组，分别计算两组的平均资产净值，得到的时间序列如图2所示。可以看出，在整个样本时间区间内，两组的平均资产净值保持大致相同，证明实证结果是稳健的。
经济周期对基金表现的影响
如前文所述，股市分化程度和经济状态会影响成熟基金经理的业绩，本节对此进行验证。
- 股市分化程度对基金业绩表现的影响
根据股市分化程度的中位数水平，将样本分为股市分化加剧和股市分化减弱两个时期，采用上文探究股市情绪影响的类似方法进行实证研究。
结果表明（表4），管理技能较高的基金经理的业绩表现，优于管理技能较低的基金经理和基准，特别是在股市分化加剧的时期。这一结果和上文中股市情绪影响的结果一致，在市场不确定性较强，投资者难以解读资产价格的信号时，管理技能高超的基金经理能够为基金创造附加值。
- 不同经济状态对基金业绩表现的影响
采用芝加哥联储全国活动指数的三个月平均值（CFNAI MA3），将样本划分为经济衰退期和经济扩张期，重复上文的实证过程。结果表明（表4），与经济衰退期相比，在经济扩张期内，管理技能较高的基金实现的风险调整后超额收益更高。此外，管理技能较高的基金和管理技能较低的基金之间的业绩差距在经济衰退期更明显，这一结果与前文提到的Kacperczyk，Van Nieuwerburgh和Veldkamp（2014）的结论一致，即成熟的主动管理型基金能有效抵御经济衰退。
以上实证研究结果都表明，管理技能高超的基金经理在股市分化加剧和经济扩张的时期表现更好。然而，也有观点认为，决定股市情绪高涨或低迷时期基金表现差异的，本质上其实是股市分化程度和经济状态，而非投资者情绪。对此，文章再次检验了基金管理技能及其与股市情绪交叉项对基金业绩表现的影响，回归方程如式（4）。
表4的回归结果表明，BvanB fund skill和BvanB fund alpha显著正相关，股市情绪指标与基金业绩表现之间存在显著的负相关关系；而BvanB fund skill和股市情绪指标的交叉项，即“BvanB Skillsentiment”，与基金业绩表现显著正相关。这表明，一般情况下，股市情绪高涨会损害基金的整体表现，但这对管理技能较高的基金经理并不适用。实际上，成熟的基金经理在股市情绪高涨时期的表现明显优于低迷时期，因为当市场上存在众多噪声交易者时，他们相比于其他投资者更有能力识别投资机会并做出更好的决策。基金过往业绩(BvanB alphat-1)与基金业绩表现(BvanB fund alpha)之间显著的正相关关系，表明基金经理的业绩表现具有明显的持续性。以上结果在控制了股市分化程度和经济状态的情况下，仍保持稳健。
综上所述，无论基金管理技能和业绩表现选择何种指标，单因子回归和多因子回归的结果具有一致性，都强有力地支持以下观点，即：管理技能高超的基金经理在噪声交易更多、资产内在价值更难识别的市场中，能够提供更高的风险调整后超额收益。
使用其他投资情绪指标进行稳健性检验
为了保证研究结果的稳健性，文章使用密歇根大学消费者信息指数（UM Index）、信贷市场情绪指数、和FEARS情绪指数进行稳健性测试。
UM Index是市场上可直接获得的常用的情绪衡量指标，被广泛应用于金融研究领域。关于信贷市场情绪指数的选择，作者使用López-Salido，Stein，和Zakrajšek（2016）的两步计量方法进行计算。首先，计算每个月Baa级企业债与10年期美债之间的利差；然后以该值为因变量，过去24个月的信贷息差为自变量（即其滞后项）进行回归，以预测未来利差变化，以回归中得到的拟合值作为信贷市场情绪指数。FEARS情绪指数是Da，Engelberg，和Gao（2015）基于家庭互联网搜索行为构建的指数。
为了保持数据频率一致，文章将日度数据取平均转换为月度数据进行分析。基于这三种情绪指数的实证结果，与基于原情绪指标的研究结果保持一致。
\
结论
与过往研究基金经理能否改善基金业绩的文献不同，本文旨在研究基金经理能够创造多少价值，是否会受到噪声交易的影响。文章选取美国境内的主动管理权益基金作为样本，通过实证研究验证了管理技能高超的基金经理在噪声交易频繁、信息成本较高的股市情绪高涨时期，能够为基金创造更多的附加值。
具体来说，管理技能最高的基金经理在股市情绪高涨时期创造了771万美元的附加值，在完整样本区间内能够创造的附加值平均为374万美元。此外，管理技能最高的基金经理在股市情绪低迷时期造成了18万美元的价值损失，而管理技能最差的基金经理所造成的价值损失达到了564万美元。数据结果显示，管理技能较高的基金相比管理技能较低的基金会有更好的业绩表现，并且管理技能高超的基金经理在股市情绪高涨时期的业绩表现比低迷时期更好。
在此基础上，文章进一步探究了经济周期对基金业绩表现的影响。按照股市分化程度和经济状态两个要素，重新构建投资组合并对样本进行回归分析，得到的结果与先前的验证结果一致，即管理技能高超基金经理在股市分化加剧和经济扩张的时期具有更好表现。同时，为了证明投资者情绪和基金业绩的相关性，文章控制了股市分化程度和经济状态两个变量，再次进行回归分析，结果依然保持稳健。
最后，作者通过UM情绪指数、信贷市场情绪指数和FEARS情绪指数来代表投资者情绪指标来进行稳健性检验，验证了研究结果的稳健性。综上所述，一般情况下，股市情绪高涨时期会损害基金的整体表现，但这对管理技能高超的基金经理并不适用；管理技能高超的基金经理在股市情绪高涨时期的表现显著优于低迷时期，因为当市场中噪声交易普遍存在时，他们相比于其他投资者更有能力识别投资机会并做出更好的决策，从而为组合创造更高的附加值。
本文是对过往研究的创新和深入，在不同时期下讨论基金管理技能对基金业绩的影响，从而对基金管理技能在不同市场时期的角色作用进行了更为深入的探讨，为投资者及基金经理提供了新的分析视角。