“学海拾珠”系列之一百零四：基金交易分歧与业绩影响

基金交易分歧与业绩影响 ——“学海拾珠”系列之一百零四 金融工程 专题报告 报告日期：2022-08-10 主要观点： 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 联系人：钱静闲 执业证书号：S0010120080059邮箱：qianjx@hazq.com 相关报告 1.《基金抛售对股票价格影响的外溢效应——“学海拾珠”系列之九十六》 2.《基于回撤控制的最优投资组合策略——“学海拾珠”系列之九十七》 3.《预期收益、成交量和错误估值之间的关系——“学海拾珠”系列之九十八》 4.《基金评级的变化是否会对股票价格产生系统性影响？——“学海拾珠”系列之九十九》 5.《因子动量与动量因子——“学海拾珠”系列之一百》 6.《无形资产对因子表现的影响——“学海拾珠”系列之一百零一》 7.《“聪明钱”、“糊涂钱”与资本市场异象——“学海拾珠”系列之一百零二》 8.《如何预测动量因子的表现？——“学海拾珠”系列之一百零三》 本篇是“学海拾珠”系列第一百零四篇，文献研究了海外基金交易分歧与其业绩影响，提出了一种比传统的重叠指标（羊群效应）更具信息性的衡量指标，同时考虑了基金的买入和卖出决策，能够在单指标中捕捉各种不同的分歧，也区分了虚假交易分歧和真实交易分歧，最终发现交易分歧程度较高的基金获得显著较高的业绩。回到国内基金市场，我们也可以基于基金季报持仓以及基金交易股票情况测算类似的指标以及其业绩影响。 如何捕捉基金的交易分歧水平？ 首先，对于每只股票s，将持股数量变化乘以t月平均价格来计算每 个交易决策的金额，再除以基金TNA获取每个交易决策的权重。 其次，对于每两只基金（基金i和基金j），其交易分歧水平等于实际交易分歧除以最大可能交易分歧。具体来说，如果两只基金都买入，则最大可能分歧取决于交易权重绝对值较高的基金，如果一只基金买入 而另一只基金卖出，则最大可能分歧取两个交易权重的绝对值之和，然后从分子和分母中排除由于其先前持仓限制而无法由另一只基金进行交易的部分。该指标是一个从0到1的数字。 交易分歧受什么影响？ 属于同一家族的基金表现出较低的分歧交易水平，随着时间的推 移，基金之间的交易分歧有所增加，尤其是在2008年全球金融危机之后。在市场压力较大的时期，交易分歧程度较低，管理者倾向于在危急情况下降低风险并投资于受市场欢迎的股票。 交易分歧程度较高的基金获得显著较高的业绩 交易分歧程度较高的基金获得显著较高的业绩，在不同的业绩测算 方式、不同的预测时间窗口、不同的调仓频率下这个结果都是稳健的。当比较交易决策的分歧部分和趋同部分时，发现交易分歧对基金业绩的贡献显著高于交易趋同的贡献，表明经理们通过他们不同的决策创造了收益。 风险提示 本文结论基于历史数据与海外文献进行总结；不构成任何投资建议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1简介4 2数据与方法5 2.1数据5 2.2如何捕捉基金的交易分歧水平？6 3基金之间交易分歧的演变7 4基金交易分歧的决定因素8 4.1特征与市场情绪9 4.2考虑过去基金持仓的交易分歧10 5分歧交易对基金业绩的影响10 5.1交易分歧对基金业绩的影响10 5.2交易决策的不同部分对基金业绩的贡献11 5.3交易分歧对业绩影响的稳健性测试12 6结论13 风险提示：14 图表目录 图表1描述性统计分析5 图表2基金配对之间交易分歧的总体结果7 图表3基金交易分歧的演变和特征8 图表4基金之间交易分歧的决定因素9 图表5交易分歧和随后的基金表现11 图表6交易分歧和交易趋同水平对基金业绩的贡献12 图表7分组基金的业绩表现差异基于其交易分歧水平13 1简介 本研究提出了一种全新的方法来捕捉基金的交易分歧，即评估基金经理是否有能力在给定月份，无需观察其他人决策的情况下做出不同的投资决策。与以往文献中使用的羊群效应和重叠指标相比，这种新指标具有一些差异和优势。首先，新的指标可以对任何时期，对任何基金计算其交易分歧和交易趋同的量化值，因此，我们可以比较分歧和交易趋同对基金业绩的贡献。其次，指标同时考虑了基金的买入和卖出决策，这使我们能够在单指标中捕捉三种不同的分歧情况：（1）当两只基金同时买入或卖出，但在给定股票中的权重不同；（2）一只基金买入股票，另一只基金卖出；（3）一只基金买入（或卖出）而另一只基金不交易时。因此，指标不仅捕捉了当两只基金交易同一只股票时发生的“主动”分歧，还捕捉到当一只基金交易一只股票而另一只基金不交易时发生的“被动”分歧。第三，指标还考虑了 每个月投资组合持有的过去和最终权重，提供了更准确的结果，因为我们可以捕捉到每个基金配对的交易决策中真正导致它们之间的权重更相似的不同部分。此外，我们可以控制基金因尚未购买给定股票而不能出售的情况。过往研究表明，关于羊群行为的研究结果可能存在偏差，因为他们假设所有基金都可以出售所有股票。 投资者和基金家族的高层管理人员注重于评估基金经理的业绩、他们的投资风格，以及他们为投资组合增值的能力。因此，本研究的目的是分离出与其他基金执行的交易决策所不同的交易决策，并探讨基金经理是否通过其不同的交易决策为其组合增值。 首先，文献研究了2000年1月至2020年6月西班牙权益基金之间交易分歧水平的演变，并探讨了其演变过程中的主要断点。假设基金之间的交易分歧水平呈上升趋势，特别是在同一家族内，以降低成本并提升市场份额。我们还可以预期，基金经理将努力增加他们的分歧水平，为了达到更高的业绩，从而提高基金行业的效率。 其次，研究了基金之间交易分歧的决定因素，以探索在什么样的市场条件、什 么样的基金的交易分歧更大。具体来说，考察了过往持股、市场压力和股票特征的影响。我们可以预期，那些在过往持股中具有更多相似性的基金组在接下来的时期 也会表现出较低的交易分歧水平。此外，我们还可以预期，市场压力会对基金之间 的交易分歧水平产生负面影响。高市场压力水平下，意味着金融资产基本价值的高 度不确定性，以及市场信息的高度不对称性。此外，风险较高的股票和非国内股票的这种信息不对称程度更高，因而会影响基金经理的投资决策，基金经理可能倾向于在他们的投资组合中持有风险较低且更熟悉的股票，并且可能有更多的动机做出与其他人相似的决策。此外，也会研究交易分歧水平是否由某些股票驱动。在过往文献中，引起较大关注的股票特征是规模、过往波动率和回报率，以及市场上关于它们的信息水平。 最后，研究了交易分歧对后续基金业绩的影响，从而研究对行业效率的影响。 尽管之前的文献认为主动型基金无法超越基准，但Cremers和Petajisto（2009）， Cohen,Polk和Silli（2010），Jiang等人（2014）和Chen，Huang和Jiang （2019）记录了基金经理通过一些决策产生增值。本文献假定交易决策中的趋异部分对基金业绩的贡献高于交易趋同部分。 本文聚焦于研究基金的交易决策，研究基金经理的羊群行为和交易决策之间的相似性水平的文献越来越多，但本文在方法论上可能有所不同。首先，通过同时考虑买卖决策的指标来关注基金之间的交易分歧水平。此外，定量同时比较了基金配 对之间的交易决策。其次，为了研究股票特征对这一现象的影响，计算了股票层面的交易分歧水平。第三，区分交易分歧和交易趋同决策对基金业绩的贡献。 2数据与方法 2.1数据 主要分析2000年1月至2020年6月西班牙的权益基金中基金配对之间的交易分歧，样本包括被西班牙证券交易委员会(CNMV)归类为欧元股票基金的基金，这些基金投资组合中至少75%投资于权益资产，至少60%投资于欧元区注册公司股票。该样本没有幸存者偏差，包括存续基金和清盘基金。剔除ETF、指数基金和数据少于2年的基金样本。最终样本包含由114个基金家族管理的315只欧元权益基金。 CNMV数据库包括1999年12月至2006年12月的月度持仓和2007年3月 至2020年6月的季度持仓。根据晨星提供的信息获取CNMV2006年12月后的月度持仓信息。使用ISIN代码合并两个数据集的基金和持仓。 与其他欧元区基金行业相比，月度持仓信息能够更准确地确定基金做出的交易决策，其他欧元区的基金只有半年或季度的持仓披露，根据Elton等人（2011年）的研究，月度持仓记录了半年数据（34.2%）和季度数据（18.5%）错过的交易记录。CNMV数据库还包括有关基金基金规模（TNA）的信息、每个基金所属的家族、基金成立日期、管理费率以及资产净值(NAV)。 股票信息是从DataStream获得的，它提供有关股票价格、回报和市值的信息，并考虑了主要的资本调整，例如拆股和分红。 图表1描述性统计分析 资料来源：Fundtradingdivergenceandperformancecontribution，华安证券研究所整理 图表1报告了样本的汇总统计数据。该表显示，由于过去十年西班牙市场银行系统的强力重组导致的严重合并过程，基金的数量（#𝐹𝑢𝑛𝑑𝑠）和基金家族的数量 （#𝐹𝑎𝑚𝑖𝑙𝑖𝑒𝑠）都随着时间的推移而减少。关于基金规模，图表1显示，平均基金规 模（𝐹𝑢𝑛𝑑_𝑠𝑖𝑧𝑒）在2008年全球金融危机后下降，然后恢复，达到比危机前更高的 值。但是，2020年3月的平均基金规模与2005年3月相似，因为2020年经济显著衰退。 图表1还显示，在2015年3月，基金费用（𝐹𝑢𝑛𝑑_𝑓𝑒𝑒𝑠）高于其余数据点。 然而，费率近年来有所下降，在2020年3月达到最低值。投资组合中的股票数量 (𝐹𝑢𝑛𝑑_#𝑠𝑡𝑜𝑐𝑘�)随时间略有减少。这一减少与基金交易决策数量的减少 （𝐹𝑢𝑛𝑑_#𝑡𝑟𝑎𝑑𝑖𝑛𝑔𝑑𝑒𝑐𝑖𝑠𝑖𝑜𝑛𝑠）一致。图表1显示，各基金的平均交易决策数量从 2000年3月的40个降低到2020年3月的30个。 2.2如何捕捉基金的交易分歧水平？ 本文根据Alexander、Cici和Gibson(2007)的研究，捕捉每个基金的交易决策，主要对比股票数量的变化。不同于分析持仓中股票权重的变化，对比股数这种方法不会因交易期间股票价格变化导致投资组合权重的被动变化而产生偏差 （Jiang,Yao,&Yu,2007）。对于每只股票s，我们首先测算基金i在t期间持有该股票数量的变化，其次，通过将股票数量的变化乘以股票s在t月的平均市场价格来计算每个交易决策的金额。 一旦知道了每个基金、每个月、对每只股票的交易决策的金额，我们就可以计算每个交易决策相对于基金TNA的权重。随后，比较每个基金配对的每只股票的这些交易权重，以获得它们之间的交易分歧水平。 我们使用每个基金配对（基金i和基金j）的实际交易分歧除以最大可能交易 分歧作为在每个月t的交易分歧水平。实际交易分歧（等式1的分子）是两个基金 之间所有交易对比的总和，最大可能交易分歧（等式1的分母）是考虑买卖决策时它们之间的最大分歧之和，具体来说，如果两只基金都买入（或卖出），则最大可能分歧由绝对值交易权重较高的基金给出，如果一只基金买入而另一只基金卖出，则最大可能分歧由两个交易权重的绝对值之和给出。最后，从分子和分母中排除由于其先前持仓限制而无法由另一只基金进行交易的部分。即超额交易的总和 （ExcTDi,s,t和ExcTDj,s,t）。这种排除很重要，因为基金不能出售之前未持仓的股票。 具体而言，每个月t的基金i和j之间的交易分歧水平计算如下： 𝑇𝐷𝑖,𝑗,� =∑𝑠|𝑡𝑖,𝑠,𝑡−𝑡𝑗,𝑠,𝑡|−∑�𝐸𝑥𝑐𝑇𝐷𝑖,𝑠,𝑡−∑�𝐸𝑥𝑐𝑇𝐷𝑗,𝑠,� ∑𝑠(𝑀𝑎𝑥|𝐵𝑖,𝑗,𝑠,𝑡|+𝑀𝑎𝑥|𝑆𝑖,𝑗,𝑠,𝑡|)−∑�𝐸𝑥𝑐𝑇𝐷𝑖,𝑠,𝑡−∑�𝐸𝑥𝑐𝑇𝐷𝑗,�