当前位置:首页 >> 经济学 >>

预测中国开放式基金的业绩:基于隐性行为和回溯检验的方法


预测中国开放式基金的业绩:基于隐性行为和回溯检验的方法
刘 文* 邵唯雄** 王小卒*

摘 要:本文应用 Mamaysky,Spiegel and Zhang(2007)和 Kacperczyk, Sialm and Zheng (2008)基于隐性行为和回溯检验的方法,研究中国开放式非指数型股 票基金业绩的可预测性。以收益率缺口,即基金报告期净值收益率和相应假设的 基金持股组合收益率两者的差值,作为基金隐性行为的衡量指标,我们发现基金 经理的隐性行为在短期和中长期内均具有一定持续性,即收益率缺口高的基金组 合能保持较高的收益率缺口;反之亦然。收益率缺口对净值收益率具有预测能力, 投资于历史收益率缺口高的基金能获得较好的净值收益率回报。回溯检验能显著 提高基于基金收益率缺口所挑选出的最好基金分组的净值收益率。我们还发现基 于收益率缺口分组的基金组合的回报差异与系统性风险 beta 有关,与超额回报 alpha 无关。 关键词: 基金隐性行为 收益率缺口 业绩持续性 回溯检验

一、引 言
基金业绩的持续性是一个长期以来受到学术界和投资者关注的问题。 (见 Bollen 等(2005) ,Carhart(1997) ,Elton(1996) ,Hendricks(1993))随着 。 开放式基金对中国投资者的重要性逐年提高(见表一) ,国内在这方面有越来越多 的研究。 (见胡畏等 (2006) 沈维涛 , (2001) 肖奎喜等 , (2005) 庄云志等 , (2004)) 。 国内以往的基金业绩预测研究通常以基金的原始净值收益率序列或者经风险调整 收益率序列作为预测基金未来的业绩表现的依据,即所谓的动量策略,但该策略 有效必须建立在基金业绩具有显著的可持续效应这一重要前提,即前期业绩好的 基金在下期仍较好,而前期业绩差的基金在下期仍然较差。 但大部分研究发现我 国开放式基金总体不存在明显的业绩持续性。开放式基金在短期内甚至有显著的 业绩反转现象产生,说明很难根据基金过去的收益来判断其未来的业绩。因此,投 资者不应采用依据基金绝对净值收益率序列或者经风险调整收益率序列的动量策 略。 表一: 截至 2008 年 3 月我国基金市场概况
基金类型 股票型基金 封闭式 开放式 数量(支) 178 34 144 占比(%) 45.9 8.8 37.1 份额(亿份) 13348.077 727.748 12620.329 占比(%) 58.5 3.2 55.4 资产净值(亿元) 20048.325 1911.235 18137.09 占比(%) 61.2 5.8 55.4

*复旦大学管理学院财务金融系。 通讯作者王小卒, 上海市国顺路 670 号, 邮编 200433, wangxz@fudan.edu.cn, **德意志银行。

混合型基金 封闭式 开放式 债券型基金 封闭式 开放式 货币型基金 保本型基金 合计

107 1 106 47 0 47 51 5 388

27.6 0.3 27.3 12.1 0 12.1 13.1 1.3 100

7488.674 30 7458.674 761.607 0 761.607 1110.459 91.855 22800.672

32.8 0.1 32.7 3.3 0 3.3 4.9 0.4 100

10498.25 56.675 10441.575 950.067 0 950.067 1110.457 142.188 32749.287

32.1 0.2 31.9 2.9 0 2.9 3.4 0.4 100

数据来源:Wind资讯

事实上,尽管监管机构对基金管理公司都有相关严格的定期信息批露要求, 但这些市场披露的信息无论从频率或是涵盖面上都相当有限,投资公众无法从市 场公开消息中观察到基金运作中的所有行为,如买卖证券的具体时点、交易成本 等。这种“无法观察的”基金行为被称为基金的隐性行为(Unobserved Actions)。 基金的隐性行为既可能为投资者带来有利的隐性收益,也可能给投资者带来不必 要的隐性成本。 前者如基金经理具备良好的择时能力,其在公布期之间的隐性操 作能为基金带来额外收益;后者如不必要的过多交易带来的过量交易成本、投资 人和基金管理公司之间的代理成本以及其他给投资人带来负收益的外部效应。因 此,基金的隐性行为对于基金的业绩表现必然存在潜在的影响。对基金的隐性行 为的研究可能为研究基金的业绩的持续性另辟蹊径。 Grinblatt and Titman(1989)使用基金季度公布的持股组合的收益率来衡 量基金的表现,并首次提出用持股组合的收益率和基金实际收益率的差额来估计 基金的平均隐性交易成本。 他们对 1975-1984 年间所有存在过的共同基金的季度 数据进行研究,发现从平均费后收益来看,各类基金都没有超额收益;可是某些 基金,特别是成长型基金和小净值的基金的费前收益率表现出较显著的超额收益, 表现出这些基金经理较为强的择时交易能力。Chen 等(2000)和 Wermers(2005) 都发现基金经理的股票交易及交易成本会影响基金业绩。 Kacperczyk 等 (2008)通过对美国 1984-2003 年这 20 年间 2500 多支股票型 基金的实证考察,发现美国股票型基金的隐性行为对于基金业绩有影响。作者采 用基金报告期净值收益率(net reported investor returns)和相应基金持股组 合收益率(buy and hold portfolio return)两者的差值--收益率缺口 (return gap) 作为基金隐性行为的衡量指标。通过实证发现:总体收益率缺口不是很显著,即 基金的创造价值的隐性行为,如其优异的择时能力能够弥补隐性成本。还发现对 于业绩表现最差和业绩表现最佳的基金,其收益率缺口无论在短期和中长期都有 较显著的持续型,并发现可以利用这一持续性来有效的预测基金未来的收益率, 从而帮助投资者挑选能获得持续超额收益的股票基金。为了改进分组策略的效果 以及检验基金筛选策略的业绩持续性,他们采用了 Mamaysky, Spiegel & Zhang (2007)提出的回溯检验技术。 Mamaysky 等(2007)指出以往基金业绩的研究忽略 了统计模型自身的问题,由于噪音数据导致较为严重的估计误差,致使统计模型 依据某个交易策略选出的最优和最差收益表现的分组未必有效。回溯检验的思想 是在选用某个基金样本作为当前预测之前,该基金样本必须是先前的成功预测,

否则就从当前策略组合中“过滤”剔除。 虽然国内有关基金业绩的研究很多,无论是关于业绩的度量、业绩的持续性 还是业绩的归属问题,都有数量不少的文献。但对基金隐性行为与基金业绩的关 系的研究还没有。我们试图将 Mamaysky 等(2007)和 Kacperczyk 等 (2008)基于 隐性行为和回溯检验的方法应用于中国开放式股票基金。具体而言,我们试图通 过实证分析和检验,讨论如下问题。 1)我国开放式股票基金市场整体的隐性行为整体是显示正效应还是负效应? 2)这种隐性行为是否具有持续性? 3)如果有,是否能通过对基金隐性行为的观察测量来预测基金的未来业绩? 4)如果隐性行为对业绩有预测能力,那么具体的投资策略是什么?这种投资 策略是否比传统的动量策略更优? 通过研究中国开放式股票基金用收益率缺口指标衡量基金隐性行为,与以往 的发现不同,我们发现基金业绩有可预测性。基金经理的隐性行为在短期和中长 期内均具有一定持续性。收益率缺口高的基金组合能保持较高的收益率缺口;反 之亦然。换言之,我们发现收益率缺口对净值收益率具有较强的预测能力,投资 于历史收益率缺口高的基金分组能获得较好的净值收益率回报。同时,回溯检验 能有效增加挑选出的最好基金分组的净值收益率,提高分组策略效果。通过使用 风险调整的收益指标分析,我们还发现净值收益率的差异主要来自于系统风险 Beta 的贡献,而非超额回报 Alpha。各评价指标均显示,基于收益率缺口的分组 策略比传统的动量策略更有效。 本文研究的框架与结构如下:第二部分介绍实证研究的设计,包括样本数据 的选择、指标的计算、以及模型、基准和相关统计方法的选取与说明; 第三部分 对实证研究的结果进行详细分析与讨论;第四部分给出结论。

二、实证研究设计
1、样本数据 本文从 Wind 资讯的数据库选取了 2007 年底前成立的所有 118 支开放式非指 数型股票基金 2002 年 4 月~2008 年 2 月间基金 3440 个月度净值数据和季度投资 组合数据作为考察数据。 (具体基金列表参见附录) 。 这样选择主要基于如下原因: 首先,基于可用的数据库 Wind,其最早的集成 基金投资组合数据自 2002 年第一季度,因此所有可以计算的投资组合月数据从 2002 年 4 月开始;其次,选择 2007 年底前成立原因在于使其至少有一期季度组合 数据;再次,选择非指数型基金是因为被动型投资的指数基金相对操作被动,隐 性行为较少,隐性行为的研究价值不及主动型基金。此外,这 118 支基金中有 16

支是从原来的封闭式基金转化而来,封转开前的历史数据采取原先相应封闭式基 金的数据。

2、基金收益率指标的设计与说明 为了量度基金隐性行为,我们采用基金收益率缺口作为基金隐性行为的衡量 指标。这里,我们定义当期基金收益率缺口为基金当前报告期的基金净值收益率 和最新披露的基金持股组合费后收益率之差。 其中, (1)基金净值收益率:我们采用不考虑风险因素的累计净值增长率,即
R NAV = NAV NAV1 D 100% NAV1

其中 NAV 是本月末的单位净值, -1 是上月末的单位净值, 是这个月累计分红。 NAV D (2)投资组合费后收益率: 考虑到我国基金仅每季度公布持股数据,而且只在年报和半年报中才披露相 对全面地公布持股明细,而且一、三季度报告通常只是公布前十大权重股的情况。 所以我们有如下假设和处理: a) 假设基金每季公告后, 在其随后的三个月内投资组合保持不变, 如有变化, 可以按我们的定义归结为基金的隐性行为,因为这些行为公众投资者无法 观察; b) 假设基金平均投资股票和固定收益类产品的比例为 8:2; c) 使用前十大权重股组合的加权平均收益率替代整个股票组合的加权平均 收益率; d) 使用中信标普国债指数同期收益率作为固定收益产品组合当月收益率; e) 开放式股票基金费率基本统一,统计假定每年管理费率 1.5%,托管费率 0.25%。 在此基础上,我们得到投资组合费后月收益率为:

R P= wi ri 80% r中标国债 20% (1.5% 0.25%)/12
i 1

10

其中 wi 和 ri 分别为前第 i 大股票的权重和月收益率,中标国债 是中信标普国债指 r 数收益率。股票的收益率使用 Wind 资讯的后复权数据计算。 (3) 收益率缺口 基金收益率缺口是我们对于基金隐性行为进行衡量的指标,其计算是用基金 的净值收益率减去基金投资组合费后收益率,即

RGap R NAV RP

收益率缺口反映的是基金实际净值收益率与其公布的投资数据对应的费后收 益率的差距,这便是基金的隐性行为造成的差距,这些隐性行为既有能为基金带 来收益的,如基金经理优秀的择时能力;也有是造成损失的,如不必要的交易成 本、代理成本等隐性成本。所以基金收益率缺口是一个整体度量基金隐性行为的 指标。如果基金收益率缺口是正值,表明基金经理们的隐性行为的收益大于成本, 隐性行为创造价值;如果基金收益率缺口是负值,表明基金经理们的隐性行为的 收益小于成本,隐性行为带来损失。

3、风险调整收益模型的选取 出于对风险的不同定义,常见的经风险调整的指标又可以分为两类:一类基 于总风险,如 Sharpe 比率(Sharpe(1966));另一类则基于系统风险,如 Treynor 比率(Treynor(1965))和 Jensen’s Alpha(Jensen(1968))。这里我们采用标 准的 Jensen 模型来计算基金经风险调整的超额收益率。 (1) Jensen Alpha 具体计算公式为:

p R p R f p ( Rm R f )
其中

Rp

R 是基金的绝对收益率, f 是无风险收益率,Rm 是市场基准收益率, p

是收益率序列的 Beta 值。 Jensen Alpha 代表了某一投资组合的实际收益率与其期望收益率之间的差额。 Jensen Alpha 表示基金的投资组合收益率与相同系统风险水平下市场投资组合收 益率的差异,为考虑风险后的超额回报。当 Alpha 值为正时,表示基金的业绩优于 市场期望业绩,基金能战胜市场;Alpha 值为负时,表示基金的业绩劣于市场期望 业绩,基金不能战胜市场。 (2)Sharpe 比率 Sharpe 比率以资本市场线(CML)作为评估基础,基于总风险。计算公式为:
Sp Rp R f

p
是基金的绝对收益率,
Rf

其中

Rp

是无风险收益率,

p

是收益率的标准差。

p

衡量的是基金的总风险,所以 Sharpe 比率是每单位总风险的超额收益。

(3)Treynor 比率 Treynor 比率以证券市场线(SML)作为评估基础,基于系统风险。 计算公式为:

Tp

Rp R f

p
R 是基金绝对收益率, f 是无风险收益率, p 是收益率序列的 Beta 值。

其中

Rp

p

衡量基金的系统风险,所以 Treynor 比率是每单位系统风险的超额收益。

Treynor 比率和 Sharpe 比率两者都是反映基金风险调整后收益的最常用指标。 但两者又有一定区别,Treynor 比率只考虑系统风险,而 Sharpe 比率同时考虑了 系统风险和非系统风险,即总风险。因此,Sharpe 比率还能够反映基金经理分散 和降低非系统风险的能力。如果基金能够完全分散非系统风险,则 Sharpe 比率和 Treynor 比率的评估结果将是一致的。 对于上述模型中的相关参数,我们作如下选取: I.无风险收益率: 沿用传统,选用月化的一年期银行定期存款利率为基准利率。 II.市场基准收益率: 由于市场基准收益率对基金业绩的评价结论具有较大影响(张文璋,陈向民, 2002) ,为了保证结论的稳健性,我们采用三种不同的收益率准备作为市场基准。 (a)基金样本平均收益率 计算样本中的 118 支开放式股票基金的平均月度净值收益率作为市场基准, 这里假设这些基金总体的风险分散能力比较强,已经和市场基准接近。我们将其 作为基本分析时使用。以下(b)(c)两种不同的基准在稳健性检验时使用。 、 (b)中证股票型基金指数 中证股票型基金指数样本包括了市场上所有股票型基金,是比较权威的股票 型基金指数。 (c)复合型指数 考虑到开放式股票型基金的投资组合中虽以股票投资为主,但也有一定量的 固定收益类投资,所以我们根据其复合投资的特点构建一个复合型指数。复合型 指数定义为:复合型指数=中信标普 300 指数*80%+中信标普国债指数*20%。 4、持续性检验 为了方便持续性检验,我们预先基于收益率指标对考察基金样本其进行分组, 其具体方法如下:根据历史数据(历史区间根据具体定义)计算各基金该收益率 指标均值,然后按升序进行排序,随后等分为 6 组,即组 1 是由历史平均收益率 最小的六分之一基金组成,组 6 是由历史平均收益率最大的六分之一基金组成。 在持续性检验中,我们使用 Spearman 相关系数检验。分成六组后,我们计算 观察期内的各组净资产收益率均值,然后估计其与分组序号的 Spearman 秩相关系 数。若求得的相关系数显示高度正相关,则说明收益率具有持续性;反之,则说 明收益率反转性。

5、 回溯检验 Mamaysky, Spiegel, and Zhang (2007)指出了传统的研究基金业绩的持续性 所采用的分组方法的问题,即分组所依据的历史参数有些有很大的误差和不确定 性,建议加入回溯检验来提高分组的有效性。回溯检验的实质是对基金多一层过 滤措施,只有通过过滤的基金才有资格进入下一步的分组程序,不能满足筛选标准 的基金不在当期投资的考虑范围之内。具体细节在第三部分的实证结果分析中进 一步分析。

三、实证结果与分析
1、样本描述性统计 表二中我们列出基金样本整体描述性统计,其中基金净值和份额的数据截至 2007 年底。 表二: 基金样本描述性统计 总和 均值 数量(支) 资产净值(元) 份额(份) 管理费率(%) 托管费率(%)
数据来源:Wind 资讯

标准差
9,620,454,805.44 7,974,894,679.16 0.033 0.0054

118 1,524,239,426,371.56 1,018,941,335,767.00 -

12,917,283,274.34 8,635,096,065.82 1.50 0.25

由表二可以看出: a) 样本规模较大:样本的净值总额到达 1.5 万亿元,而同期所有基金的净值 总额为 3.3 万亿,总有开放式基金的总额为 3.1 万亿,因此,样本占到了 市场总体的一半左右的规模。 b) 基金大小差异明显:由均值和标准差数据可以看出样本中各基金的个体规 模差异较明显,说明市场资金在各开放式股票基金中的配置不均匀。 c) 费率高度统一:由均值和标准差数据可以看出我国各基金的管理费率和托 管费率高度一致,基本都是 1.5%和 0.25%。 2、收益率指标相关性分析 为了观察基金收益率缺口同基金净值收益率以及投资组合收益率三者的彼此 关系,表三列出了基金样本收益率指标相关系数的均值和标准差:

表三:收益率指标相关系数 均值 标准差 RNAV 和 RP 88.42% 11.54% RNAV 和 RGap -0.48% 41.92% RP 和 RGap -40.32% 40.37% 样本中各基金的净值收益率和投资组合费后收益率的相关系数都接近 1, 且差 别不大。所以总体而言,我国开放式股票基金的实际日常操作策略和其公告披露 的投资策略是一致的;换言之,基金公布的投资组合是具有代表性和信息价值的。 而收益缺口在整个样本中和净值收益率及投资组合费后收益率的相关性均为负, 但不具备统计上的显著性。这显示单个基金的收益缺口可能有较大的估计误差, 用单个基金的收益缺口来预测基金收益的持续性不大可能有统计上的显著性,因 而应当考虑分组的方法。

3、隐性行为总体分析 我们构造两种基金投资组合:一是平均加权的基金投资组合,即假设在样本 中每个基金上投入等量资金;二是价值加权的基金投资组合,即假设在样本中每 个基金上购入相同份额。通过这两种组合,我们来检验我国开放式股票基金隐性 行为的总体表现。 表一:基金隐性行为总体分析 净值收益率 投资组合费后收益率 2.15%*** 2.36%*** (0.0066) (0.0078) 2.10%*** 2.36%*** (0.0065) (0.0078)

平均加权组合 价值加权组合

收益率缺口 -0.21% (0.0023) -0.26% (0.0024)

***1%显著性,**5%显著性,*10%显著性

括号外数据为均值,括号内数据为标准误差

表四数据表明: a) 净值收益率和投资组合费后收益率均显著大于零。 b) 收益率缺口不显著区别于零,即净值收益率与投资组合费后收益率的均值 无显著差异。换言之,就整个行业而言,基金隐性行为的净表现不显著, 表明基金经理隐性行为的收益和成本总体基本相抵。

4、隐性行为的持续性检验 以下我们根据调整基金分组的频率划分,分别考查基金收益率缺口的短期和 中长期持续性。动态组合表示每月调整分组;静态组合表示非每月调整分组,这 里调整的周期分别为 3 个月,6 个月和 12 个月。

(1)动态组合的收益率缺口持续性检验 我们分别检验历史收益率缺口计算区间为 6 个月,12 个月,18 个月和 24 个 月的动态组合的收益率缺口持续性,结果参见表五。 Spearman 相关性检验均表明动态组合的收益率缺口具有良好持 a) 各情形下, 续性,即收益率缺口高的基金组合在短期内能保持较高的收益率缺口。换 言之,基金经理的隐性行为的表现具有短期持续性。与前面的单个基金的 结果相比,分组提高了收益率缺口的信号与噪音之比。 b) 此外,组 6 与组 1,组 4-6 与组 1-3 的差异也非常显著,进一步支持了收 益率缺口持续性的存在。 c) 从各分组具体情况来分析,最高阶分组(组 6)的收益率缺口均值虽略大 于零,但不显著区别零,表明该类基金隐性行为的收益可以弥补成本,甚 至可能带来部分附加收益;较高阶分组(组 5 和组 4)的收益率缺口均值 虽略小于零,但不显著区别零,表明该类基金隐性行为的收益可以基本弥 补成本,虽有可能带来少量损失;较低阶分组(组 1 至组 3)的收益率缺 口均值基本显著小于零,表明该类基金隐性行为的收益不足以弥补隐性成 本,隐性行为带来损失。 表二:基金隐性行为短期持续性分析 收益率缺口
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
-0.72%** (0.0031) -0.25% (0.0031) -0.45% (0.0028) -0.19% (0.0028) -0.11% (0.0026) 0.13% (0.0023) 0.85%*** (0.0031) 1.25%** (0.0052) 0.943*** (0.005)

12m
-0.59%** (0.0029) -0.53%* (0.0031) -0.60%* (0.0032) -0.18% (0.0030) -0.01% (0.0029) 0.12% (0.0025) 0.71%** (0.0030) 1.65%*** (0.0061) 0.829** (0.042)

18m
-0.82%** (0.0037) -0.68%* (0.0037) -0.72%* (0.0039) -0.56% (0.0034) -0.17% (0.0034) 0.00% (0.0027) 0.83%** (0.0033) 1.50%** (0.0068) 0.943*** (0.005)

24m
-0.68%* (0.0035) -0.78%* (0.0039) -0.78%* (0.0041) -0.27% (0.0034) -0.14% (0.0029) 0.21% (0.0029) 0.90%*** (0.0031) 2.04%*** (0.0072) 0.771* (0.072)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

(2)静态组合的收益率缺口持续性检验 分别检验历史收益率缺口计算区间和调整周期均为 3 个月,6 个月,12 个月 的静态组合的收益率缺口持续性,结果参见表六。 Spearman 相关性检验均表明静态组合的收益率缺口具有良好持 a) 各情形下, 续性,即收益率缺口高的基金组合在短期内能保持较高的收益率缺口。换 言之,基金经理的隐性行为的表现在较长时间段内也具有持续性。 b) 此外,在 3 个月和 6 个月的情形下,组 6 与组 1,组 4-6 与组 1-3 的差异 也非常显著,进一步支持了收益率缺口具有中期(3-6 个月)持续性。但 是,在 12 个月的情形下,组 6 与组 1,组 4-6 与组 1-3 的差异在统计上不 再显著,说明在较长时期(12 个月) ,隐性行为的持续性有所减弱,收益 率缺口高的基金与收益率缺口低的基金有一定程度的相互转化。 c) 从各分组具体情况来分析,除了组 1 在 3 个月和 6 个月,组 3 在 6 个月的 情形下收益率缺口均值显著小于零,其余各均值均不显著区别零,这与先 前基金隐性行为总体分析的结果一致,即总体而言,基金的隐性行为的净 表现不显著区别于零,表明基金经理隐性行为的收益和成本相抵。 d) 对比静态组合的收益率缺口和动态组合的收益率缺口分析可知,动态调整 分组形成的收益率缺口序列的区分程度高于静态调整分组形成的收益率 缺口序列。这点符合常识,因为相对高频率的动态调整更能抓住基金表现 的新近信息,提高分组的效率。 表三:基金隐性行为中长期持续性分析 收益率缺口
3m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
-0.64%** (0.0027) -0.51% (0.0030) -0.32% (0.0029) -0.14% (0.0024) -0.18% (0.0026) 0.17% (0.0027) 0.81%** (0.0030) 1.33%** (0.0052) 0.943*** (0.005)

6m
-0.74%* (0.0034) -0.30% (0.0028) -0.70%** (0.0029) -0.01% (0.0024) -0.23% (0.0023) 0.07% (0.0021) 0.81%** (0.0034) 1.57%** (0.0068) 0.886** (0.019)

12m
-0.72% (0.0041) -0.58% (0.0043) -0.60% (0.0046) -0.59% (0.0033) -0.44% (0.0027) -0.36% (0.0026) 0.37% (0.0039) 0.51% (0.0082) 0.829** (0.042)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

5、隐性行为对业绩的预测能力检验 (1)基于收益率缺口的投资策略 投资策略分别使用历史收益率缺口计算区间为 6 个月,12 个月,18 个月和 24 个月。考虑到基金定期公告会有一定滞后性,在分组月与历史收益率计算区间之 间留 3 个月的间隔期。举例来说,这里的 12 个月代表的含义是当月的基金分组是 基于往前推 15 个月到往前推 4 个月这 12 个月各基金的平均历史收益率缺口,当 中的 3 个月是给基金公告的缓冲时间段。这与 Kacperczyk 等 (2008)的做法相同。 实证检验结果参见表七: a) 各情形下,Spearman 相关性检验均有很强的正相关性,表明历史收益率缺 口和未来的基金净值收益率具有正相关性,也就是说收益率缺口对净值收 益率存在预测性。 b) 各情形下,组 6 与组 1 的净值收益率差异均显著,表明根据历史收益率缺 口进行分组得到的最好分组和最差分组在净值收益率上的差异在统计上 显著。 ,组 4-6 与组 1-3 的 c) 多数情况下(除历史收益率缺口计算区间为 12 个月) 净值收益率差异均显著,表明根据历史收益率缺口进行分组得到的较好的 一半基金与较差的一半基金净值收益率的差异在统计上显著。 d) 综上所述,基于历史收益率缺口的分组策略能够有效的挑选出未来净值收 益率表现好的基金组合。 表四:基于收益率缺口的投资策略 净值收益率
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
2.02%*** (0.0064) 2.50%*** (0.0068) 2.37%*** (0.0068) 2.56%*** (0.0073) 2.74%*** (0.0074) 2.97%*** (0.0078) 0.94%*** (0.0027) 1.37%** (0.0052) 0.943*** (0.005)

12m
2.24%*** (0.0068) 2.55%*** (0.0073) 2.66%*** (0.0076) 2.56%*** (0.0078) 2.67%*** (0.0081) 3.08%*** (0.0086) 0.84%*** (0.0030) 0.85% (0.0056) 0.943*** (0.005)

18m
2.40%*** (0.0076) 2.58%*** (0.0078) 2.78%*** (0.0085) 2.84%*** (0.0084) 2.74%*** (0.0088) 3.30%*** (0.0093) 0.90%*** (0.0029) 1.12%* (0.0063) 0.829** (0.042)

24m
2.81%*** (0.0083) 3.11%*** (0.0084) 2.94%*** (0.0090) 3.25%*** (0.0092) 3.30%*** (0.0093) 3.70%*** (0.0100) 0.89%*** (0.0033) 1.39%* (0.0074) 0.943*** (0.005)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

(2)基于收益率缺口的投资策略的回溯检验 Mamaysky 等(2007)发现以往研究中的分组指标有较大的估计误差,建议用 回溯检验提高分组的有效性。所谓回溯检验就是用分组前的数据对基金隐性行为 的稳定性进行检验,去除那些收益率缺口估计误差较大的基金。譬如,如果投资 者面对两个基金,两者收益率缺口在去年都属于最高的,但今年头 3 个月前者平 均收益高于市场收益率,后者低于。如果现在是四月,按照我们以前的分组方法, 两个基金都会分在第 6 组。但给定今年头 3 个月的表现,投资者有理由认为后者 去年的收益率缺口有较大的估计误差,而前者的隐性行为比后者更为稳定。 具体说来,我们首先计算基金在分组前 15 个月到 4 个月的收益率缺口均值, 然后按其从低到高分为 1-6 组。这与我们前面的做法相同。不同的是,我们再计 算分组前 3 个月中基金超额收益率均值,这里超额收益率定义为净值收益率与市 场收益之差。如果该基金收益率缺口均值和超额收益率的符号相同,则保留;符 号不同则剔除。回溯检验是确保被选入分组的基金的收益率缺口在过去已表现出 一定的预测性。 实证检验结果参见表八: a) 在定性方面,结果和未经回溯检验的分组策略类似,即基于历史收益率缺 口的分组策略能够有效的挑选出未来净值收益率表现好的基金组合。 b) 使用回溯检验后组 6 的净值收益率各情形下均有不同程度的增加,表明回 溯检验能有效提高最好分组的净值收益率表现,提高分组策略的效果。 表五:经回溯检验的基于收益率缺口的投资策略 净值收益率
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
2.27%*** (0.0061) 2.42%*** (0.0067) 2.41%*** (0.0069) 2.61%*** (0.0077) 2.77%*** (0.0078) 3.06%*** (0.0080) 0.79%** (0.0032) 1.35%** (0.0064) 0.943*** (0.005)

12m
2.30%*** (0.0067) 2.39%*** (0.0074) 2.44%*** (0.0078) 2.80%*** (0.0080) 2.89%*** (0.0088) 3.27%*** (0.0085) 0.97%*** (0.0033) 1.84%** (0.0075) 1.000*** (0.000)

18m
2.37%*** (0.0075) 2.80%*** (0.0077) 2.67%*** (0.0084) 2.84%*** (0.0090) 2.79%*** (0.0088) 3.45%*** (0.0097) 1.08%*** (0.0037) 1.23% (0.0080) 0.714 (0.111)

24m
2.80%*** (0.0081) 3.13%*** (0.0080) 3.14%*** (0.0086) 3.31%*** (0.0098) 3.27%*** (0.0096) 4.00%*** (0.0105) 1.20%*** (0.0040) 1.51%* (0.0087) 0.943*** (0.005)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

(3)风险调整后收益率分析 采用标准的 Jensen 模型计算各分组的风险调整后收益率指标。 实证检验结果参见表九: a) 各情形下,各组的 Alpha 均不显著区别于零,且组间差异不显著。表明风 险调整后,从 Jensen Alpha 指标来看,各分组的基金均不能获得超额收 益。 b) 各情形下,各组的 Beta 和分组序号均显著正相关,且组间差异显著。表 明基于收益率缺口的分组策略可以有效的区分基金的 Beta。 即历史收益率 缺口高的基金的未来 Beta 也会相对较高。其可能的解释是:收益率缺口 表明的是基金的隐性行为,这也是基金经理能力的一种体现。收益率缺口 高,即隐性操作能力强的基金经理可能各乐意采用风险高(即 Beta 高)的 投资策略,所以产生了收益率缺口和 Beta 正相关的结果。 c) 以上关于 Alpha 和 Beta 的分析表明风险调整前净值收益率的差异主要来 自于 Beta 的贡献,而不是 Alpha。 表六:基于收益率缺口策略-Jensen Alpha 和 Beta
Alpha
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
0.00079 (0.0018) -0.00004 (0.0016) -0.00062 (0.0019) -0.00143 (0.0015) -0.00038 (0.0013) 0.00185 (0.0016) -0.00094 (0.0027) -0.00209 (0.0055) 0.029 (0.957)

Beta
24m
-0.00074 (0.0025) 0.00257 (0.0021) 0.00141 (0.0029) -0.00198 (0.0018) -0.00096 (0.0026) 0.00292 (0.0023) 0.00148 (0.0036) -0.00544 (0.0077) 0.086 (0.872)

12m
-0.00002 (0.0019) -0.00111 (0.0024) -0.00212 (0.0023) 0.00036 (0.0016) -0.00135 (0.0015) 0.00347 (0.0017) 0.00144 (0.0029) 0.00367 (0.0070) 0.314 (0.544)

18m
-0.00138 (0.0021) 0.00227 (0.0019) -0.00067 (0.0028) -0.00165 (0.0016) -0.00162 (0.0017) 0.00223 (0.0018) 0.00152 (0.0032) -0.00333 (0.0075) -0.143 (0.787)

6m
0.819*** (0.030) 0.913*** (0.027) 0.932*** (0.031) 1.050*** (0.025) 1.073*** (0.022) 1.100*** (0.026) 0.281*** (0.026) 0.559*** (0.090) 1.000*** (0.000)

12m
0.827*** (0.030) 0.902*** (0.039) 0.961*** (0.037) 1.009*** (0.025) 1.111*** (0.024) 1.071*** (0.027) 0.244*** (0.046) 0.500*** (0.111) 0.943*** (0.005)

18m
0.851*** (0.032) 0.874*** (0.029) 0.936*** (0.042) 1.034*** (0.025) 1.013*** (0.026) 1.116*** (0.028) 0.264*** (0.049) 0.501*** (0.114) 0.943*** (0.005)

24m
0.853*** (0.036) 0.851*** (0.030) 0.891*** (0.042) 1.054*** (0.027) 1.010*** (0.038) 1.120*** (0.033) 0.268*** (0.053) 0.589*** (0.113) 0.886** (0.019)

***1%显著性,**5%显著性,*10%显著性 表格内数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

作为比较,在表十中我们从 Sharpe 比率和 Treynor 比率这两个指标再来评价 一下基于收益率缺口的分组策略的有效性。结果显示,各情形下,各组的 Sharpe 比率、Treynor 比率与分组序号相关性较低,表明在考虑到总风险或 beta 风险后, 各组的回报不存在统计上显著的差异。

表七:基于收益率缺口策略-Sharpe 比率和 Treynor 比率 Sharpe 比率 Treynor 比率
6m 组1 组2 组3 组4 组5 组6 Spearman 相关性检验
0.429 0.418 0.405 0.399 0.418 0.452 0.116 (0.827)

12m
0.420 0.395 0.382 0.434 0.409 0.482 0.486 (0.329)

18m
0.407 0.479 0.416 0.416 0.415 0.474 0.232 (0.658)

24m
0.480 0.547 0.515 0.475 0.482 0.545 0.086 (0.872)

6m
0.0253 0.0243 0.0237 0.0230 0.0240 0.0260 0.029 (0.957)

12m
0.0254 0.0242 0.0232 0.0258 0.0242 0.0286 0.406 (0.425)

18m
0.0254 0.0296 0.0263 0.0255 0.0255 0.0290 0.232 (0.658)

24m
0.0304 0.0342 0.0328 0.0293 0.0303 0.0338 -0.143 (0.787)

***1%显著性,**5%显著性,*10%显著性;Spearman 相关性检验的括号内数据是 P 值

6、稳健性检验 (1) 基于收益率缺口与基于净值收益率的比较 如果基金的净值收益率本身具有持续性,则根据其历史表现来挑选基金的策 略便是传统的动量策略。在此,我们对比本文提出的基于收益率缺口的分组策略 和传统的基于净值收益率的分组策略的表现。 净值收益率的分组策略我们也使用回溯检验。举例来说,12 个月的历史净值 收益率计算区间情形下的回溯检验方法是:计算基金往前推 15 个月到往前推 4 个 月这 12 个月中每个月的超额净值收益率,然后求这 12 个值的均值 M1’;再计算基 金当月之前 3 个月每个月的额净值收益率,然后求这 3 个值的均值 M2’;如果 M1’ 与 M2’同符号则保留基金,否则剔除。具体结果如下: 表八:基于净值收益率策略-净值收益率 净值收益率
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1
2.47%*** (0.0065) 2.39%*** (0.0067) 2.29%*** (0.0066) 2.62%*** (0.0070) 2.49%*** (0.0075) 2.87%*** (0.0081) 0.40% (0.0030)

12m
2.66%*** (0.0070) 2.41%*** (0.0072) 2.40%*** (0.0072) 2.74%*** (0.0081) 2.74%*** (0.0082) 3.08%*** (0.0088) 0.42% (0.0034)

18m
2.58%*** (0.0076) 2.43%*** (0.0082) 2.53%*** (0.0080) 2.89%*** (0.0091) 3.14%*** (0.0089) 3.25%*** (0.0096) 0.67%* (0.0038)

24m
2.98%*** (0.0080) 3.09%*** (0.0084) 3.00%*** (0.0087) 3.70%*** (0.0098) 3.35%*** (0.0098) 3.64%*** (0.0103) 0.66% (0.0043)

组4至6 减组 1 至 3 Spearman 相关性检验

0.84% (0.0054) 0.714 (0.111)

1.09%* (0.0064) 0.754* (0.084)

1.75%** (0.0077) 0.829** (0.042)

1.61%* (0.0089) 0.771* (0.072)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

表九:基于净值收益率策略-Jensen Alpha 和 Beta
Alpha
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
0.00105 (0.0015) -0.00042 (0.0015) -0.00082 (0.0017) 0.00089 (0.0012) -0.00149 (0.0021) -0.00010 (0.0018) -0.00315 (0.0029) -0.00251 (0.0052) -0.371 (0.468)

Beta
24m
0.00152 (0.0026) 0.00140 (0.0026) -0.00111 (0.0019) 0.00187 (0.0016) -0.00156 (0.0018) -0.00004 (0.0023) -0.00373 (0.0040) -0.00371 (0.0082) -0.429 (0.397)

12m
0.00270 (0.0021) -0.00102 (0.0017) -0.00089 (0.0016) -0.00062 (0.0014) 0.00061 (0.0020) 0.00057 (0.0019) -0.00417 (0.0030) -0.00350 (0.0057) 0.143 (0.787)

18m
0.00068 (0.0024) -0.00316 (0.0018) -0.00166 (0.0019) -0.00122 (0.0024) 0.00165 (0.0018) 0.00062 (0.0020) -0.00215 (0.0035) -0.00310 (0.0073) 0.314 (0.544)

6m
0.890*** (0.025) 0.918*** (0.024) 0.891*** (0.028) 0.959*** (0.020) 1.003*** (0.035) 1.101*** (0.029) 0.211*** (0.047) 0.364*** (0.084) 0.943*** (0.005)

12m
0.861*** (0.032) 0.907*** (0.026) 0.901*** (0.025) 1.021*** (0.023) 1.022*** (0.031) 1.110*** (0.030) 0.249*** (0.047) 0.485*** (0.090) 0.943*** (0.005)

18m
0.851*** (0.037) 0.936*** (0.028) 0.918*** (0.029) 1.037*** (0.036) 1.023*** (0.028) 1.101*** (0.031) 0.250*** (0.053) 0.457*** (0.111) 0.886** (0.019)

24m
0.838*** (0.039) 0.876*** (0.038) 0.927*** (0.029) 1.055*** (0.023) 1.053*** (0.027) 1.099*** (0.033) 0.261*** (0.059) 0.566*** (0.121) 0.943*** (0.005)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

表十:基于净值收益率策略-Sharpe 比率和 Treynor 比率 Sharpe 比率 Treynor 比率
6m 组1 组2 组3 组4 组5 组6 Spearman 相关性检验
0.440 0.413 0.402 0.440 0.390 0.419 -0.290 (0.577)

12m
0.471 0.406 0.409 0.419 0.414 0.435 0.086 (0.872)

18m
0.442 0.384 0.408 0.417 0.467 0.449 0.600 (0.208)

24m
0.519 0.518 0.483 0.536 0.481 0.502 -0.429 (0.397)

6m
0.0255 0.0239 0.0234 0.0252 0.0228 0.0242 -0.371 (0.468)

12m
0.0285 0.0243 0.0244 0.0248 0.0248 0.0259 0.116 (0.827)

18m
0.0279 0.0237 0.0252 0.0259 0.0287 0.0276 0.314 (0.544)

24m
0.0330 0.0328 0.0300 0.0330 0.0297 0.0312 -0.522 (0.288)

***1%显著性,**5%显著性,*10%显著性;Spearman 相关性检验的括号内数据是 P 值

对比基于收益率缺口与基于净值收益率的分组投资策略有如下发现: a) 从净值收益率来看,基于净值收益率分组策略虽然也显示了较好的筛选能 力,但是不及基于收益率缺口的分组策略,尤其是组 6 的表现各情形下都 有一定差距。 b) 从 Alpha 和 Beta 来看,基于净值收益率分组与基于收益率缺口总体结果 类似,即各组 Alpha 均不显著区别于零,且组间差异不显著, 各分组均不 能获得超额收益;Beta 和分组序号均显著正相关,且组间差异显著,分组 策略可以有效的区分基金的 Beta。但是,基于净值收益率分组对于 Beta 的区分能力不如基于收益率缺口分组。 c) 从 Sharpe 比率和 Treynor 比率来看,基于净值收益率分组不能产生与其 排序相一致的比率表现。即使组 6 在很多情况下表现也不够有效,所有基 于 Sharpe 比率和 Treynor 比率分析,基于净值收益率分组策略无效。 d) 综上所述,从各评价指标来看,基于收益率缺口的分组策略都比基于净值 收益率的分组策略更有效。 (2)基于不同市场基准 由于基于市场基准的模型对市场基准的选择的敏感度很高,所以我们选择另 外两个不同的市场基准进行回归来检验原先关于收益率缺口对净值收益率预测能 力结果的稳健性。 a)基于中证股票型基金指数 中证股票型基金指数由中证指数有限公司编制,中证股票型基金指数样本包 括了市场上所有股票型基金,是比较权威的股票型基金指数。截至 2008 年 1 月 30 日,中证股票型基金指数的样本数量为 140 支。结果如下: 表十一:基于中证股票型基金指数-Jensen Alpha 和 Beta
Alpha
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3
0.00183 (0.0026) 0.00091 (0.0025) 0.00032 (0.0026) -0.00084 (0.0020) 0.00005 (0.0016) 0.00219 (0.0017) -0.00163 (0.0025) -0.00364 (0.0050)

Beta
18m 24m
0.00065 (0.0032) 0.00389 (0.0029) 0.00310 (0.0038) -0.00103 (0.0021) 0.00015 (0.0030) 0.00358* (0.0019) 0.00078 (0.0033) -0.00710 (0.0070)

12m
0.00073 (0.0027) -0.00020 (0.0033) -0.00129 (0.0032) 0.00059 (0.0020) -0.00134 (0.0016) 0.00341** (0.0016) 0.00065 (0.0027) 0.00140 (0.0065)

6m
0.673*** (0.037) 0.758*** (0.035) 0.775*** (0.037) 0.890*** (0.028) 0.914*** (0.023) 0.942*** (0.024) 0.268*** (0.035) 0.540*** (0.070)

12m
0.679*** (0.036) 0.738*** (0.044) 0.791*** (0.043) 0.851*** (0.026) 0.945*** (0.021) 0.913*** (0.022) 0.234*** (0.037) 0.502*** (0.088)

18m
0.698*** (0.036) 0.717*** (0.035) 0.752*** (0.050) 0.863*** (0.028) 0.857*** (0.019) 0.944*** (0.021) 0.245*** (0.039) 0.496*** (0.088)

24m
0.688*** (0.040) 0.688*** (0.035) 0.712*** (0.047) 0.871*** (0.026) 0.829*** (0.037) 0.935*** (0.023) 0.247*** (0.040) 0.547*** (0.086)

-0.00082 (0.0028) 0.00282 (0.0027) 0.00045 (0.0039) -0.00145 (0.0022) -0.00181 (0.0015) 0.00205 (0.0017) 0.00079 (0.0030) -0.00574 (0.0069)

Spearman 相关性检验

-0.086 (0.872)

0.029 (0.957)

-0.200 (0.704)

-0.143 (0.787)

1.000*** (0.000)

0.943*** (0.005)

0.943*** (0.005)

0.928*** (0.008)

***1%显著性,**5%显著性,*10%显著性 括号外数据为均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

表十二:基于中证股票型基金指数-Treynor 比率 Treynor 比率
6m 组1 组2 组3 组4 组5 组6 Spearman 相关性检验
0.0308 0.0293 0.0285 0.0271 0.0281 0.0304 -0.371 (0.468)

12m
0.0309 0.0296 0.0282 0.0305 0.0284 0.0336 0.143 (0.787)

18m
0.0310 0.0361 0.0328 0.0305 0.0301 0.0343 -0.200 (0.704)

24m
0.0376 0.0424 0.0411 0.0355 0.0369 0.0405 -0.314 (0.544)

***1%显著性,**5%显著性,*10%显著性;Spearman 相关性检验的括号内数据是 P 值

从 Alpha 和 Beta 来看,采用中证股票型基金指数作为市场基准得到的结 果与原结果大致相似, 但组 6 在 12 个月和 24 个月的历史区间的情形下其 Alpha 显示出正的显著性,说明在该市场基准下组 6 在采用 12 个月和 24 个月的历 史计算区间的分组策略中能够带来统计上显著的超额收益。 从 Treynor 比率来看,分组策略不能产生与其排序相一致的比率表现。 即使组 6 在很多情况下表现也不是最优的,所有基于 Treynor 比率分析,分 组策略此时无效。 b)基于复合型基金指数 考虑到开放式股票型基金的投资组合中虽以股票投资为主,但也有一定量的 债券投资,所以我们根据其复合投资的特点构建一个复合型指数。复合型指数定 义为:复合型基金指数=中信标普 300 指数*80%+中信标普国债指数*20% 基于复合型基金指数的结果如下: 1、从 Alpha 来看,采用复合型基金指数作为市场基准得到的结果与原结果差 别较大,高阶分组的 Alpha 显著为正,即使低阶分组的 Alpha 也在一些情况下有 正的显著性。并且根据 Spearman 相关性分析可知各分组的 Alpha 差异不明显,即 分组策略此时无效。但此时的结果显示通过回溯检验挑选出的基金整体而言能战 胜市场,即可以获得风险调整后超额收益。 2、Beta 结果与原结果相似,即分组策略可以有效挑选 Beta。 3、从 Treynor 比率来看,分组策略不能产生与其排序相一致的比率表现。即 使组 6 在很多情况下表现也不是最优的,所以基于 Treynor 比率分析,分组策略 此时效果不佳。

表十三:基于复合型基金指数-Jensen Alpha 和 Beta
Alpha
6m 组1 组2 组3 组4 组5 组6 组 6 减组 1 组4至6 减组 1 至 3 Spearman 相关性检验
0.00691** (0.0030) 0.00666** (0.0031) 0.00605* (0.0031) 0.00606* (0.0031) 0.00699** (0.0028) 0.00939*** (0.0030) 0.00049 (0.0025) 0.00082 (0.0052) 0.486 (0.329)

Beta
18m 24m
0.00681 (0.0043) 0.00939*** (0.0034) 0.00904** (0.0044) 0.00610* (0.0035) 0.00745 (0.0044) 0.01144*** (0.0038) 0.00247 (0.0031) -0.00242 (0.0071) 0.314 (0.544)

12m
0.00680** (0.0034) 0.00595 (0.0036) 0.00541 (0.0037) 0.00811** (0.0032) 0.00672** (0.0029) 0.01124*** (0.0029) 0.00241 (0.0026) 0.00587 (0.0065) 0.486 (0.329)

6m
0.632*** (0.042) 0.710*** (0.044) 0.733*** (0.044) 0.827*** (0.045) 0.857*** (0.040) 0.880*** (0.042) 0.247*** (0.032) 0.489*** (0.073) 1.000*** (0.000)

12m
0.632*** (0.046) 0.706*** (0.049) 0.752*** (0.051) 0.796*** (0.045) 0.898*** (0.040) 0.865*** (0.041) 0.232*** (0.036) 0.468*** (0.089) 0.943*** (0.005)

18m
0.656*** (0.047) 0.693*** (0.040) 0.716*** (0.056) 0.815*** (0.045) 0.815*** (0.037) 0.891*** (0.044) 0.235*** (0.039) 0.456*** (0.091) 0.986*** (0.000)

24m
0.644*** (0.054) 0.667*** (0.044) 0.682*** (0.056) 0.839*** (0.044) 0.781*** (0.057) 0.893*** (0.048) 0.249*** (0.040) 0.519*** (0.090) 0.943*** (0.005)

0.00517 (0.0036) 0.00850*** (0.0030) 0.00666 (0.0043) 0.00587* (0.0034) 0.00530** (0.0028) 0.01004*** (0.0033) 0.00278 (0.0030) -0.00121 (0.0069) 0.429 (0.397)

***1%显著性,**5%显著性,*10%显著性 表格内括号外数据均值,括号内为标准误差;Spearman 相关性检验的括号内数据是 P 值

表十四:基于复合型基金指数-Treynor 比率 Treynor 比率
6m 组1 组2 组3 组4 组5 组6 Spearman 相关性检验
0.0327 0.0312 0.0301 0.0292 0.0300 0.0325 -0.371 (0.468)

12m
0.0332 0.0309 0.0297 0.0327 0.0299 0.0355 0.143 (0.787)

18m
0.0330 0.0374 0.0344 0.0323 0.0316 0.0364 -0.200 (0.704)

24m
0.0402 0.0437 0.0429 0.0369 0.0392 0.0424 -0.314 (0.544)

***1%显著性,**5%显著性,*10%显著性;Spearman 相关性检验的括号内数据是 P 值

c)基于不同市场基准结果比较 根据以上两个对照市场基准组合的检验,我们总结如下: 1、Alpha 受市场基准的选择影响很大,其可能有正的显著性,也可能不具有 正的显著性,要看选择什么样的市场基准。但是三个市场基准都显示的结果是各 组的 Alpha 差异不显著。所以基于 Jensen Alpha 来看,本文提出的分组策略失效。 2、Beta 的结果比较一致,即各组 Beta 和分组序号显著正相关,组间差异显

著。基于收益率缺口的分组策略可以有效的区分 Beta。 3、Treynor 比率,总体而言,分组策略不能产生与其排序相一致的比率表现。 所以基于 Treynor 比率分析,分组策略无效。 4、至于 Sharpe 比率,因为其不受市场基准选择的影响,其反映的是单位总 风险的超额收益。由此前结果可知,基于 Sharpe 比率,分组策略有一定效果,组 6 是比较好的投资选择。

四、 结 论
与以往的有关中国基金业绩持续性的研究不同,通过对国内 118 支开放式非 指数型股票基金的研究,我们发现由基金的隐性行为带来的基金业绩有一定的持 续性。利用基金收益缺口作为隐性行为的度量,投资者可以选择基金。收益缺口 高表明基金经理的隐性行为收益大于成本,通过选取这样的基金,投资者可以获 的显著高于市场的回报。 但是, 这种较高回报是由于这些基金有较高的 beta 风险, 而不是由于风险调整后的超额回报。基于收益缺口选择基金的方法优于传统的历 史业绩的动量方法。 此外, Kacperczyk 等 和 (2008) 的发现类似, 我们发现 Mamaysky 等(2007)提出的回溯检验能有效地降低估计误差。辅以回溯检验的基金分组能 提高业绩最好组的净值收益率表现,提高分组策略的效果。我们希望应用本文的 方法应对混合基金、债券基金等其他类型基金进行研究。 由于本文的研究方法要求样本基金有较长期的数据,而中国的基金业历史较 短,研究样本的基金数和时间段都不比 Kacperczyk 等(2008) 。这也限制了我们 进一步在理论模型上探讨,如更好地度量和控制风险因子,得出一些有统计上更 为严谨的结论。我们也希望将来能对隐性行为的影响因素及其贡献度有更深入的 研究,如基金规模,投资风格、新资金流入量等均可能是重要的影响因素。但是, 这不应降低本文发现的很强的实用价值。

参考文献
[1]Bollen, N. P. and J. A. Busse. Short-Term Persistence in Mutual Fund Performance[J]. Review of Financial Studies, 2005,18(2):569-597. [ 2 ] Carhart, M. M. On Persistence in Mutual Fund Performance[J]. Journal of Finance, 1997,52(1):57–82. [3]Chen, H., Narasimhan J., and R. Wermers. The Value of Active Mutual Fund Management: An Examination of the Stockholdings and Trades of Fund Managers[J]. Journal of Financial and Quantitative Analysis, 2000,35(3):343–368. [4]Elton, E. J., M. J. Gruber, and C. R. Blake. The Persistence of Risk-Adjusted Mutual Fund Performance[J]. Journal of Business, 1996,69(2):133-157. [5]Grinblatt, Mark, and Sheridan Titman, 1989, Mutual fund performance: An analysis of quarterly portfolio holdings, Journal of Business 62, 393–416. [6]Hendricks, D., J. Patel, and R. Zeckhauser. Hot Hands in Mutual Funds: The Persistence of Performance 1974-1988[J]. Journal of Finance, 1993,48(1):93–130. [7]Kacperczyk, Marcin T., Sialm, Clemens and Zheng, Lu. Unobserved Actions of Mutual Funds[J]. Review of Financial Studies 21, 2008 (2379-2416). [8]Mamaysky, Harry, Spiegel, Matthew I. and Zhang, Hong, Improved Forecasting of Mutual Fund Alphas and Betas(2007). Review of Finance, Vol. 11, Issue 3, pp. 359-400, 2007. [9]Sharpe,W.F., Mutual Fund Performance[J]. Journal of Business, 1966,39(2):119-138. [10 ] Treynor, J. How to Rate Management of Investment Funds[J]. Harvard Business Review, 1965,43(1):63-75. [11]Wermers, R. Mutual Fund Performance: An Empirical Decomposition into Stock-Picking Talent, Style, Transaction Costs, and Expenses[J]. Journal of Finance, 2000,55(4):1655–1703. [12]沈维涛,,黄兴孪. 我国证券投资基金业绩的实证研究与评价[J]. 经济研究,2001,09:22-30. [13]庄云志,唐旭. 基金业绩持续性的实证研究[J]. 金融研究,2004,05:20-27. [14]肖奎喜,杨义群. 我国开放式基金业绩持续性的实证检验[J]. 财贸研究,2005,02:55-59. [15]胡畏,张明. 基于持股数据的基金择股能力评价[J]. 系统工程理论与实践,2006,09:26-32.

附 录
基金样本资料:
证券代码 000001.OF 000011.OF 000021.OF 000031.OF 020001.OF 020010.OF 040001.OF 040005.OF 040007.OF 040008.OF 050004.OF 050008.OF 050009.OF 070099.OF 090001.OF 100020.OF 100026.OF 110002.OF 110005.OF 110009.OF 110029.OF 121003.OF 121005.OF 121007.OF 121008.OF 160106.OF 160314.OF 160505.OF 160607.OF 160611.OF 161605.OF 161609.OF 161610.OF 161706.OF 161903.OF 162006.OF 162201.OF 162202.OF 证券简称 华夏成长 华夏大盘精选 华夏优势增长 华夏复兴 国泰金鹰增长 国泰金牛创新成长 华安创新 华安宏利 华安中小盘成长 华安策略优选 博时精选 博时第三产业成长 博时新兴成长 嘉实优质企业 大成价值增长 富国天益价值 富国天合稳健优选 易方达策略成长 易方达积极成长 易方达价值精选 易方达科讯 国投瑞银核心企业 国投瑞银创新动力 国投瑞银瑞福优先 国投瑞银成长优选 南方高增长 华夏行业精选 博时主题行业 鹏华价值优势 鹏华优质治理 融通蓝筹成长 融通动力先锋 融通领先成长 招商优质成长 万家公用事业 长城久富核心成长 泰达荷银成长 泰达荷银周期 投资风格 成长型 增值型 股票型 股票型 成长型 股票型 创新型 股票型 成长型 股票型 主动型 股票型 成长型 股票型 价值型 价值型 股票型 平衡型 积极成长型 股票型 股票型 股票型 股票型 股票型 股票型 增长型 股票型 稳定型 股票型 股票型 平衡型 股票型 股票型 股票型 股票型 成长型 成长型 周期型 基金管理人 华夏基金管理有限公司 华夏基金管理有限公司 华夏基金管理有限公司 华夏基金管理有限公司 国泰基金管理有限公司 国泰基金管理有限公司 华安基金管理有限公司 华安基金管理有限公司 华安基金管理有限公司 华安基金管理有限公司 博时基金管理有限公司 博时基金管理有限公司 博时基金管理有限公司 嘉实基金管理有限公司 大成基金管理有限公司 富国基金管理有限公司 富国基金管理有限公司 易方达基金管理有限公司 易方达基金管理有限公司 易方达基金管理有限公司 易方达基金管理有限公司 国投瑞银基金管理有限公司 国投瑞银基金管理有限公司 国投瑞银基金管理有限公司 国投瑞银基金管理有限公司 南方基金管理有限公司 华夏基金管理有限公司 博时基金管理有限公司 鹏华基金管理有限公司 鹏华基金管理有限公司 融通基金管理有限公司 融通基金管理有限公司 融通基金管理有限公司 招商基金管理有限公司 万家基金管理有限公司 长城基金管理有限公司 泰达荷银基金管理有限公司 泰达荷银基金管理有限公司 基金成立日 2001-12-18 2004-08-11 2006-11-24 2007-09-10 2002-05-08 2007-05-18 2001-09-21 2006-09-06 1992-04-29 1992-08-31 2004-06-22 1992-06-01 1992-12-31 2007-12-08 2002-11-11 2004-06-15 2006-11-15 2003-12-09 2004-09-09 2006-06-13 1993-01-12 2006-04-19 2006-11-15 2007-07-17 1993-02-05 2005-07-13 1992-12-29 2005-01-06 2006-07-18 2007-04-25 2003-09-30 2006-11-15 1992-05-31 2005-11-17 2005-07-15 1992-05-21 2003-04-25 2003-04-25

162203.OF 162204.OF 162208.OF 162209.OF 162605.OF 162607.OF 162703.OF 163503.OF 163803.OF 166001.OF 180010.OF 180012.OF 200006.OF 200008.OF 202003.OF 202005.OF 202007.OF 210001.OF 213002.OF 213003.OF 217001.OF 240001.OF 240004.OF 240005.OF 240009.OF 240010.OF 257010.OF 257020.OF 257030.OF 260101.OF 260104.OF 260108.OF 260109.OF 260110.OF 270005.OF 288002.OF 290004.OF 310328.OF 320003.OF 320005.OF 340006.OF 360001.OF 360005.OF

泰达荷银稳定 泰达荷银行业精选 泰达荷银首选企业 泰达荷银市值优选 景顺长城鼎益 景顺长城资源垄断 广发小盘成长 天治核心成长 中银持续增长 中欧新趋势 银华优质增长 银华富裕主题 长城消费增值 长城品牌优选 南方绩优成长 南方成份精选 南方隆元产业主题 金鹰成份股优选 宝盈泛沿海区域增长 宝盈策略增长 招商安泰股票 华宝兴业宝康消费品 华宝兴业动力组合 华宝兴业多策略增长 华宝兴业先进成长 华宝兴业行业精选 国联安德盛小盘精选 国联安德盛精选 国联安德盛优势 景顺长城优选股票 景顺长城内需增长 景顺长城新兴成长 景顺长城内需增长 2 号 景顺长城精选蓝筹 广发聚丰 中信红利精选 泰信优质生活 申万巴黎新动力 诺安股票 诺安价值增长 兴业全球视野 光大保德信量化核心 光大保德信红利

稳定型 行业型 股票型 股票型 增值型 股票型 增值型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 成长型 成长型 股票型 成长型 成长型 股票型 增值型 股票型 股票型 股票型 成长型 股票型 成长型 股票型 股票型 股票型 行业型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 积极型 股票型

泰达荷银基金管理有限公司 泰达荷银基金管理有限公司 泰达荷银基金管理有限公司 泰达荷银基金管理有限公司 景顺长城基金管理有限公司 景顺长城基金管理有限公司 广发基金管理有限公司 天治基金管理有限公司 中银基金管理有限公司 中欧基金管理有限公司 银华基金管理有限公司 银华基金管理有限公司 长城基金管理有限公司 长城基金管理有限公司 南方基金管理有限公司 南方基金管理有限公司 南方基金管理有限公司 金鹰基金管理有限公司 宝盈基金管理有限公司 宝盈基金管理有限公司 招商基金管理有限公司 华宝兴业基金管理有限公司 华宝兴业基金管理有限公司 华宝兴业基金管理有限公司 华宝兴业基金管理有限公司 华宝兴业基金管理有限公司 国联安基金管理有限公司 国联安基金管理有限公司 国联安基金管理有限公司 景顺长城基金管理有限公司 景顺长城基金管理有限公司 景顺长城基金管理有限公司 景顺长城基金管理有限公司 景顺长城基金管理有限公司 广发基金管理有限公司 中信基金管理有限公司 泰信基金管理有限公司 申万巴黎基金管理有限公司 诺安基金管理有限公司 诺安基金管理有限公司 兴业基金管理有限公司 光大保德信基金管理有限公司 光大保德信基金管理有限公司

2003-04-25 2004-07-09 2006-12-01 2007-08-03 2005-03-16 2006-01-26 2005-02-02 2006-01-20 2006-03-17 2007-01-29 2006-06-09 2006-11-16 2006-04-06 2007-08-06 2006-11-16 1992-05-28 1992-12-29 2003-06-16 2005-03-08 2007-01-19 2003-04-28 2003-07-15 2005-11-17 2004-05-11 2006-11-07 2007-06-14 2004-04-12 2005-12-28 2007-01-24 2003-10-24 2004-06-25 2006-06-28 2006-10-11 2007-06-18 2005-12-23 2005-11-17 2006-12-15 2005-11-10 2005-12-19 2006-11-21 2006-09-20 2004-08-27 2006-03-24

360006.OF 360007.OF 377010.OF 377020.OF 378010.OF 398001.OF 410003.OF 450002.OF 450003.OF 460001.OF 481001.OF 481004.OF 481006.OF 519001.OF 519005.OF 519013.OF 519017.OF 519018.OF 519019.OF 519035.OF 519039.OF 519068.OF 519688.OF 519692.OF 519694.OF 519993.OF 519994.OF 519996.OF 530001.OF 530003.OF 540002.OF 550002.OF 570001.OF 580002.OF 590001.OF 590002.OF 610001.OF

光大保德信新增长 光大保德信优势配置 上投摩根阿尔法 上投摩根内需动力 上投摩根成长先锋 中海优质成长 华富成长趋势 富兰克林国海弹性市值 富兰克林国海潜力组合 友邦华泰盛世中国 工银瑞信核心价值 工银瑞信稳健成长 工银瑞信红利 银华核心价值优选 海富通股票 海富通风格优势 大成积极成长 汇添富均衡增长 大成景阳领先 富国天博创新主题 长盛同德主题增长 汇添富成长焦点 交银施罗德精选 交银施罗德成长 交银施罗德蓝筹 长信增利动态策略 长信金利趋势 长信银利精选 建信恒久价值 建信优选成长 汇丰晋信龙腾 信诚精萃成长 诺德价值优势 东吴价值成长双动力 中邮创业核心优选 中邮核心成长 信达澳银领先增长

股票型 股票型 股票型 股票型 成长型 成长型 成长型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 股票型 成长型 股票型 股票型 股票型 股票型 成长型 股票型 成长型 股票型 股票型 股票型 稳定型 股票型 成长型 股票型 成长型 股票型 成长型 股票型 股票型 增长型

光大保德信基金管理有限公司 光大保德信基金管理有限公司 上投摩根基金管理有限公司 上投摩根基金管理有限公司 上投摩根基金管理有限公司 中海基金管理有限公司 华富基金管理有限公司 国海富兰克林基金管理有限公司 国海富兰克林基金管理有限公司 友邦华泰基金管理有限公司 工银瑞信基金管理有限公司 工银瑞信基金管理有限公司 工银瑞信基金管理有限公司 银华基金管理有限公司 海富通基金管理有限公司 海富通基金管理有限公司 大成基金管理有限公司 汇添富基金管理有限公司 大成基金管理有限公司 富国基金管理有限公司 长盛基金管理有限公司 汇添富基金管理有限公司 交银施罗德基金管理有限公司 交银施罗德基金管理有限公司 交银施罗德基金管理有限公司 长信基金管理有限公司 长信基金管理有限公司 长信基金管理有限公司 建信基金管理有限公司 建信基金管理有限公司 汇丰晋信基金管理有限公司 信诚基金管理有限公司 诺德基金管理有限公司 东吴基金管理有限公司 中邮创业基金管理有限公司 中邮创业基金管理有限公司 信达澳银基金管理有限公司

2006-09-14 2007-08-24 2005-10-11 2007-04-13 2006-09-20 2004-09-28 2007-03-19 2006-06-14 2007-03-22 2005-04-27 2005-08-31 2006-12-06 2007-07-18 2005-09-27 2005-07-29 2006-10-19 1992-04-01 2006-08-07 1992-05-01 1992-05-30 1992-12-01 2007-03-12 2005-09-29 2006-10-23 2007-08-08 2006-11-09 2006-04-30 2005-01-17 2005-12-01 2006-09-08 2006-09-27 2006-11-27 2007-04-19 2006-12-15 2006-09-28 2007-08-17 2007-03-08

资料来源:Wind 资讯

Abstract: In this paper, we study the performance persistence of non-index equity mutual funds in China by utilizing the unobserved actions of mutual funds, as proposed by Kacperczyk, et. al. (2008). Unobserved actions of mutual fund is measured by the difference between the observed return and the return on a hypothetical portfolio of stocks as previously disclosed by the fund, and it is called return gap. We find the unobserved actions of the manager can persist for over one year. Funds of high (low) return gaps tend to continue. The return gap helps predict future performance of the fund. Investors who invest in funds with the highest return gaps get higher returns. Back-testing, as proposed by Mamaysky et. al. (2007), improves fund selection. The higher return of a portfolio selected in this way comes from higher beta risk, not from excess return alpha.


赞助商链接
相关文章:
更多相关标签: