股票型基金资产配置集中度与投资绩效研究.doc

股票型基金资产配置集中度与投资绩效研究解洪涛 周少甫（华中科技大学经济学院，湖北 武汉430074）摘要：本文修正了Simone Brands et al（2004）13研究中采用的股票配置和行业配置集中度指标，并采用两阶段回归方法，首先基于日数据回归得到基金不同季度收益，然后应用非平衡panel data模型对30只样本基金季度超额收益与资产配置集中度数据进行研究，结果显示股票选择上的资产配置集中度给基金带来了超额收益，而行业资产配置过度集中给基金带来了损失大于收益。且较大的资产规模并没有给基金带来过高的收益。关键词：资产配置集中度；投资绩效；股票型基金；投资管理作者简介：解洪涛，华中科技大学经济学院博士生，研究方向：金融计量经济学。周少甫，华中科技大学经济学院副教授，研究方向：数理金融、金融计量经济学。中图分类号：F830.91 文献标识码：AAbstract : This paper examines the relationship between investment performance and concentration in Chinese active stock portfolios funds, using the model developed by Simone Brands et al（2004）. A two-step regression is used in this study: the first step is to get excess return of samples in different quarters, using different regression models; an unbalanced panel data model of 30 active mutual funds is used in the second step. The study shows a positive relationship between fund performance and portfolio concentration of stock, but a negative relationship between fund performance and portfolio concentration of industry. I also find funds with better performance tend to be those having smaller aggregate assets.Key words : portfolio concentration; investment performance; stock funds; unbalanced panel data引 言基金资产配置集中度是股票型基金投资的重要特征之一。对这一问题可细分为两方面：其一，特定时点上基金资产在特定股票和行业上的集中，可反映出基金经理的选股能力；其二，基金在不同时点上集中或分散资产可控制风险，这代表了基金的择时能力。这一思路似乎和Fama-French（1993）7对股票市值大小、以及账面市值比对资产组合的收益贡献类似，但实际上即使基金投资风格为小盘股，仍有可能在资产配置上非常集中。资产配置的指标最能反映基金经理对市场的把握以及是否掌握了非公共消息。从国外研究来看，自Grossman和Stiglitz（1980）11对市场有效性的质疑以及相关的不一致证据为基金经理的积极管理策略提供了理论依据。出现了一系列的文献对基金管理绩效的研究，如Grinblatt和Titman（1989）10，Dainel et al.(1997)6, Black et al.（1999）1，Brinson et al.（1986，1991）2，chen et al. (2000)5，Wermers（2000）14，Wermers（2003）15，Gallagher和Looi（2005）8等研究。但由于采取的比较基准不同，很多研究对基金是否有明显超额收益结论差异较大，对基金超额收益来源的讨论也莫衷一是。Simone Brands et al(2004)以及Kacpertczyk，Sialm和Zhang（2005）12的研究，提出了衡量基金资产配置集中度的指标。本文主要采用了这两个指标进行研究。国内王聪（2001）19、王庆石（2001）20较早介绍了国外的基金绩效评价理论。此后，张新、杜书明（2002）22，汪光成18（2002），倪苏云（2002）17等均采用基于横截面度量方法考察基金业绩，其结果大都显示基金不具备择时和选股能力。新近的研究如蒋晓全（2007）16采用面板数据模型对资产配置效率进行了研究，指出投资基金的业绩差异主要源于基金经理的选股能力和资产配置风格。综合中国证券投资基金投资行业特征看，由于基金经理存在较高的流动率，基金投资风格在时间上变动很大，但在短期内基金收益可能存在延续性。此外，基金持有单只股票上限决定了基金持股雷同现象。因此，单纯采用截面回归得到的Jensen或改进的Sharpe比率衡量基金的择时和选股能力，由于其时变性很难得到可信的结果。采用panel data模型是较好的改进。另一方面，要对基金资产配置绩效进行深入研究，就必须使用基金持股的详细信息。由于我国基金的信息披露机制决定了季度数据是可获得的，本文采用了和讯基金网公布的公司季度持股和行业配置权重数据计算了以上两个重要指标，并应用非平衡面板数据计量经济模型对基金的资产配置集中度与超额收益之间的关系进行研究。变量和数据描述一、模型说明在模型选择上，本文参考了Simons Brands et al.（2004）7和Kacperczyk et al.（2005）11的模型设计。其中后者采用的回归模型形式如下： （1）模型验证了基金绩效与资产集中度之间的关系。其中（基金绩效）是指基金的超额收益。常用到的测度方法和指标有基金收益与无风险利率差，如式（2）。Jensen指数，可基于式（3）的单方程模型，或拓展的Jensen多因素素模型，如Fama和French（1993，1996）6的三因素模型以及包括了动能效应的Carhart（1995）4的四因素模型，如式（4）。 （2） （3） （4）Jensen指数可基于CAPM证券市场线回归方程得到。式(4)中为市场组合的加权指数，在不同时期分别采用沪深300指数或上证180指数和深证100指数加权合成指数代表，两指数的加权采用了王守法（2005）20采用的简单加权方法。无风险利率采用各时期三个月存款利率；为基金持有的大盘股与小盘股收益之差，一般按照股票市值排序分类，等权重计算头尾20%股票业绩之差；为按照P/B值排序后前20数据与后20股票数据收益之差；为表现最好30股票与后30股票收益之差。本文分别在每一季度末按照市值、P/B对持股排序，然后计算首位股票与末位股票收益日数据之差代表和效应。同理在季度末找到当时仍持有的上季度表现最好的股票，用其收益代表动能效应。然后采用(4)式得到各季度的。为了验证基金投资组合资产集中度与投资绩效的关系，应去除基金规模和动能效应的影响，因此模型（1）中的绩效衡量应分别对应模型（2）、（3）或（4）中的Jensen指数。此外Goodwin（1998）9曾采用信息比，用于进一步用于非系统性风险没有完全分散的情况，如式（5）。本文分别采用了以上方法估计得到的超额收益作为模型（1）中的被解释变量数据。 （5）从模型（1）中可以看到，该模型假设基金去除系统风险的超额收益可以由等式右边的各变量解释。其中，为基金资产分配指数，其定义如下： （6）表示基金持有的第支股票占基金所有股票市值的比率，表示市场基准组合持有的第支股票占所有个股组合市值的比率。上式的方差形式表示股票型基金与市场组合在资产配置上的差异。由于股票型基金和积极配置型基金在股票资产配置上要求的权重不等，因此选择变量代表基金在股票资产中配置的资金比例，用以修正。修正后的为： (7)为基金资产的换手率，其计算一般是用基金一年中证券投资总买入量和总卖出量中较小者，除以基金每月平均净资产。这里我们采用上海证券交易所统计年鉴和深证证券交易所市场统计年鉴中的基金交易量数据。为基金在期的净资产自然对数，由于我国基金业存续期较短，基金经理的投资行为应该受上期资产净额约束，因此我们将变量设计为。为基金经理任期的自然对数，由于国外基金经理任期较长，因此成为衡量基金实际存续期的指标。而我国基金经理从任职期看，流动率很大使其不能作为衡量基金稳定存续期的指标。因此本文舍弃了这一指标。为基金前十大行业股票权重与基金业持股行业平均比例的方差，定义如下： （8）代表市场各行业配置的数据采用的是各季度末大盘各行业市值比。考虑到基金的业绩都受到上一期的资产配置情况影响，因此各指标均采用了季度初的资产配置权重，用t-1表示，而收益则是采用回归方法计算得到的季度。通过对模型式（1）进行修正，本文最后选定如下的回归模型： （9）二、数据描述本文选择了和讯基金网公布的各时期开放式基金中的股票型基金。从样本量上看，由于开放式基金是自2003年以后才快速发展，而基金数又存在逐年增长的趋势，因此只选择了自2003最后1季度出现的30只股票型基金为样本，样本时期跨度到2007年第2季度。在涉及到Jensen指数、和计算时，所用无风险利率为各季度3个月存款利率，市场组合基准选择沪深300指数收益，在2005年上半年以前市场基准选择上证180和深证100指数简单加权。各指数不同时期的样本股构成可参照上海证券交易所和深证证券交易所公布的指数构成，权重构成可参考各年上海证券交易所统计年鉴和深证证券交易所市场统计年鉴。和的计算量相当庞大，我们选择列出了2007年第2季度 30只基金的计算结果。其中，市场基准采用沪深300指数的各样本股权重代表，由于沪深300指数样本股的调整变化和权重的时变性，该季度的市场基准权重采用2007年6月15日样本股权重作为的实际值。采用和讯网公布的持股集中度2007年第2季度数据。以下是根据30只基金前十大权重股计算出的值的统计特征，由于篇幅只列出前5大权重股值，和根据前十大权重股计算出的和，即，由于DI计算的为股票权重方差，因此数值较小，我们采用了100倍的作为报告值：表1 2007年2季度30只股票型基金值统计特征（%）（%）（%）（%）（%）（%）最大值481.8025139.24148.108992.352173.7881748.7387最小值0.03240.00491E-040.00091E-041.5823均值49.67463727.37991821.05283316.59748314.032986172.94793标准差61.370826.50766521.97101216.24184812.471546127.80052通过表1的最大值和最小值可以看出，基金在股票资产配置上有的与沪深300差异不大，有的则差异很大，这能充分说明基金经理选股策略的差异。以后的数值计算结果出现了零值，这些基金前5大权重股几乎占据了主要股票资产。而有的基金前十大权重股仍占据不到基金股票资产的50%，可见其资产组合的策略差异。同样，根据30只基金前十大行业股计算出值的统计特征，对应的为和讯基金公布的2007年2季度的基金持股行业分布比例。由于篇幅只列出前5大权行业重股值，和根据前十大权行业重股计算出的和，即，如表2。根据以上方法可以计算得出各季度30只基金的和作为基金资产配置集中度和行业选择集中度的指标，对基金的超额收益做出解释。表2 2007年第2季度30只股票型基金ITI值统计特征(%)（%）（%）（%）（%）（%）最大值4.0160161.3432811.1406241.617984168.220928.9079最小值00.00014E-064.9E-050.00010.239554均值0.3855910.2555550.1721860.16632212.286232.62962标准差0.543950.2763950.2155470.26524225.074633.160036对于超额收益，图1描述了30只基金采用式（2）表示的季度超额收益率均值变动，无风险利率选择的是各季度银行3个月存款利率。图1 30只基金季度超额收益率均值变动表3描述了根据（3）和（4）估计得到的2007年第2季度Jensen，其它季度值可通过对应季度内日数据估计得到。由于篇幅所限，未列出换手率TU和各期期末基金资产规模TNA的数据，相关数据可在和讯网以及相关证券交易所的统计年鉴中获取。表3 根据（3）和（4）估计得到的基金名称基金代码Jensen（200702）Jensen（200702）华夏成长0000010.5753620.211756金鹰中小盘精选1621020.6107980.289426华安创新0400010.3482540.222918华安中国A股0400020.4032420.160599博时价值增长0500010.6212720.236883博时裕富0500020.5167080.168803嘉实成长收益0700010.4320450.264289嘉实理财增长0700020.3482540.122893易方达积极成长1100050.634190.181197长盛成长价值0800010.1710720.160249大成价值增长0900010.4987280.228504富国天源平衡1000160.452120.242993易方达平稳增长1100010.457880.271097银河稳健1510010.6348880.203017普天收益1606030.4367580.199002融通新蓝筹1616010.4461850.211222泰达荷银成长162201窗体底端0.4564840.084314泰达荷银周期1622020.1576310.300773泰达荷银稳定1622030.5449880.196209银华优势企业1800010.494190.26586南方稳健成长 2020010.4496760.217855鹏华行业成长2060010.5627930.217157金鹰优选 2100010.5015210.15414宝盈鸿利收益2130010.6717210.171771招商安泰股票2170010.3604740.221696招商安泰平衡2170020.5748380.146808宝康消费品2400010.2621950.096359宝康灵活配置2400020.3613470.01606德盛稳健2550100.5893270.136334南方高增长LOF1601060.5404490.113117注：第3列中数据根据式（3）估计得到，第四列数据根据式（4）得到模型估计结果对于式（1）或式（9）的估计，较早的方法是对时间序列划分不同截面进行回归，从而获得回归系数在不同时间截面上的值。如前面提到的Fama和French（1993，1996）7的三因素模型。新近的文献则较多的采用了平衡Panel data模型，如蒋晓泉（2007）16对基金绩效的研究。Simons Brands et al.（2004）13的研究则采用了1995年1月2001非平衡面板数据（Unbalance Panel data）的方法。但这样的估计方法没有考虑到估计量的有限样本特性，同时也没有考虑基金业绩的时序相关。本文采用了Bruno（2005）3的有偏纠正的LSDV方法对有限截面个体的非平衡面板数据进行估计。由于样本量大，没有给出各样本基金的截距差异，仅给出变量的回归系数和主截距项，所有结果均在stata10中完成，并直接采用了Bruto（2005）3开发的stata应用程序LSDV，回归结果如表4：表4 模型（8）的面板数据回归结果变量系数t统计量调整的Wald统计量采用（2）式得到的表示超额收益截距4.143%3.10*DI0.0043.53*TU0.0011.21Log（TNA）-0.052-1.35ITI-0.002-1.821.72020.570采用（3）式得到的表示超额收益截距1.084%9.36*DI0.0028.67*TU0.0000.95Log（TNA）-0.013-2.01*ITI-0.001-3.15*9.040217.930采用（4）式得到的表示超额收益截距0.346%8.99*DI0.0026.12*TU0.0001.13Log（TNA）-0.0103.89*ITI-0.001-2.563.28051.410采用（5）式得到的超额收益截距0.139%9.21*DI0.0012.80*TU0.0011.62Log（TNA）-0.087-7.50*ITI-0.002-3.36*5.67063.260结 论通过表4显示的回归结果可以得出以下结论：1.大多数回归系数均比较显著，尽管采用不同的超额收益衡量标准，截距项依然明显异于0，显示除去系统风险以及规模效应、市值效应和动能效应后，各基金仍表现出相对市场基准的超额收益。这说明我国的股票投资基金具有一定的超越大盘获利能力。2.DI项回归系数明显为正值，说明相对于沪深300指数的较为平均的资产配置比重，各样本基金持有的大盘蓝筹股比重较大，因此这给样本基金带来了超额收益。但回归系数普遍较小，说明沪深300等指数样本股本身已具有良好的业绩和较小的风险，很多基金的基金配置参照了指数持股的资产配置。3.TU项系数明显为正，说明从我国股票型基金在资产配置上存在较高的换手率状况，而换手率过高确实给基金带来超额收益。然而，太高的换手率也会增加基金操作风险，在股市处于下降通道时可能导致业绩在沪深300指数之下。4.ITI项系数明显为负，似乎与DI的回归系数矛盾。但可能反映出我国股票型基金存在短期过度炒作题材行业行为。与以上的换手率结合起来看，这种行为一方面给个别基金带来了超额收益，另一方面却在长期内加剧了市场总体风险。在长期经济周期下考察这种行为，产生的风险损失要大于其收益。5.基金规模项系数为负，且较为显著。可能的原因是基金在盲目扩大规模的同时，在资产配置上效率并不高。因此，导致了规模与收益之间的逆向关系。综合以上，本文最关注的结果为DI指标和ITI指标对基金超额收益的影响，通过分析发现股票型基金总体在选择股票上具有超越大盘的优势。但在行业选择上存在过度集中炒作题材行业问题。基金在资产配置上动态转换虽可规避风险获取超额收益，但在季度时间跨度内过多地换手却并未带来总体上的超额收益。因此，引导价值投资理念的基金应保持在资产配置上的稳定和集中，避免过多的短线炒作。参考文献：1 Blake, D., Lehmann, B., Timmermann, A., 1999,Asset Allocation Dynamics and Pension Fund Performance,Journal of Business, Vol. 72(4), pp429-461.2 Brinson, G., Singer, B., Beebower, G,1991,Determinants of Portfolio Performance II: An Update, Financial Analysts Journal, Vol. 47(2), pp40-48.3 Bruno, G.S.F. 2005. Approximating the bias of the LSDV estimator for dynamic unbalanced panel data models. Economics Letters, 87, 361-366.4 Carhart, M., 1997, On Persistence in Mutual Fund Performance, Journal of Finance, Vol. 52(1), pp57-825 Chen, H., Jegadeesh, N., Wermers, R, 2000, The Value of Active Mutual Fund Management: An Examination of the Stockholdings and Trades of Fund Managers, Journal of Financial and Quantitative Analysis, Vol. 35(3), pp343-368. 6 Daniel, K., Grinblatt, M., Titman, S., Wermers, R., 1997, Measuring Mutual Fund Performance with Characteristic-Based Benchmarks, Journal of Finance, Vol. 52(3), pp1035-1058.7 Fama, E., French, K, 1993,Common Risk Factors in the Returns on Stocks and Bonds, Journal of Financial Economics, Vol. 33(1), pp3-56.8 Gallagher, D., Looi, 2005, A.Trading Behavior and the Performance of Daily Institutional Trades, Accounting and Finance, Forthcoming.9 Thomas H Goodwin,1998. The information ratio, Financial Analysts Journal,Vol. 54(4), pp34-44.10 Grinblatt, M., Titman, S, 1989,Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings, Journal of Business, Vol. 62(3), pp393-416.11 Grossman,