“学海拾珠”系列之一百一十：共同资金流Beta与因子定价

共同资金流Beta与因子定价 ——“学海拾珠”系列之一百一十 金融工程 专题报告 报告日期：2022-09-28 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.《“聪明钱”、“糊涂钱”与资本市场异象——“学海拾珠”系列之一百零二》 2.《如何预测动量因子的业绩？——“学海拾珠”系列之一百零三》 3.《基金交易分歧与业绩影响——“学海拾珠”系列之一百零四》 4.《隐藏在日历异象背后的市值效应 ——“学海拾珠”系列之一百零�》 5.《基金公司内部的竞争与合作——“学海拾珠”系列之一百零六》 6.《不同的回撤指标之间存在差异性吗？——“学海拾珠”系列之一百零七》 7.《低频交易的主动基金业绩表现如何？——“学海拾珠”系列之一百零八》 8.《被动投资对共同基金管理能力和市场效率的影响——“学海拾珠”系列之一百零九》 本篇是“学海拾珠”系列第一百一十篇，文献发现，主动基金的资金流在快于商业周期的频率上表现出流动的强烈共性，为了对冲这种整体 资金流，基金经理会提高对FlowBeta系数低（股票收益对资金流敏感 性更低）的股票的总需求，从而提高了此类股票的估值并降低了它们的预期回报。回到A股市场，我们也可以监测类似的机制是否存在，即测算股票收益对资金流的敏感程度（flowbeta），并检验flowbeta作为因子的表现效果。 资金流动冲击因子的构建 构建资金流冲击因子时，主要关注资金流中不可预测的部分，因此 需要控制滞后的资金流动，滞后的基金业绩（以解释流动-业绩的敏感性）、同期基金的表现。基金的资金流在很大程度上具有共同的时间序列变化，在不同的基金规模组、年龄组中，资金流在快于商业周期的频率上表现出流动的强烈共性。且资金流动与宏观经济状况的波动密切相关，尤其是在投资者面临经济不确定性的情况下。 被定价的FlowBeta 对于每只股票，使用3年滚动窗口，将月超额回报对共同资金流进行回归，来估计其每个月的flowbeta。发现，具有较高flowbeta的股票具有较高的超额收益和较高的CAPMalpha，具有最高flowbeta （Q5）的股票和具有最低flowbeta（Q1）的股票之间的平均超额收益 差为6.81%，而其CAPMalpha的差为7.62%，非常显著。当使用更主动（active）的共同基金来计算共同资金流时，资产定价的影响更强。 主动基金倾向于远离高FlowBeta股票 相对于基准投资组合，主动基金将远离具有较高flowbeta的股票。 具有高主动程度的基金将其持仓大幅度地远离高flowbeta股票；相反，对于低主动程度基金，投资组合偏离和flowbeta之间的相关关系完全不存在。 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资金流动冲击因子的构建4 2.1数据4 2.2资金流动冲击因子4 3被定价的FLOWBETA9 3.1投资组合排序分析9 3.2FLOWBETA的原始来源11 4投资组合偏好和FLOWBETA13 5结论16 风险提示：16 图表目录 图表1剔除相对表现后，按资产规模分组的共同资金流动5 图表2剔除相对表现后，按年龄分组的共同资金流动6 图表3共同基金流动冲击协方差矩阵的特征分解6 图表4基于基金规模和年龄构建的共同资金流向7 图表5共同资金流向与不确定性冲击负相关8 图表6平均共同资金流量和经济不确定性8 图表7消费分散度冲击和共同资金流向9 图表8按FLOWBETA排序的投资组合的超额收益和CAPMALPHA9 图表9按FLOWBETA排序的投资组合的超额收益10 图表10FAMA-MACBETH回归10 图表11更主动基金的异质性11 图表12FLOWBETA和价格影响指标之间的关系12 图表13双重排序分析12 图表14FLOWBETA和现金流贝塔之间的关系13 图表15主动型共同基金将其持股远离高FLOWBETA的股票14 图表16不同主动程度基金中的FLOWBETA对冲行为15 图表17按主动程度排序的共同基金�分之一投资组合中持有倾斜和流动贝塔之间的关系16 1简介 经验表明，基金的资金流在很大程度上具有共同的时间序列变化，在不同的基金规模组、年龄组中，资金流在高于商业周期的频率上表现出流动的强烈共性。共同资金流动与宏观经济状况的波动密切相关，尤其是在投资者面临经济不确定性的情况下。 文献开发并检验了一个模型，发现基金经理会倾斜他们的投资组合以对冲资金流动的共同组成部分，因而提高了对共同资金flowbeta系数低的股票的总需求，从而提高了此类股票的估值并降低了它们的预期回报。 实证结果分为以下几个部分。首先，建立了资金流动的共同组成部分与宏观经济冲击之间的关系，发现共同资金流动与经济政策不确定性（Baker、Bloom和Davis(2016)）、（隐含）市场波动性（Bloom(2009)）以及消费分散度指标 （Brav、Constantinides和Geczy（2002年）、Vissing-Jørgensen（2002年）、Jacobs和Wang（2004年））显著负相关，共同资金流动对推动经济不确定性的原始经济冲击产生内生反应。其次，发现具有较高flowbeta的股票与较高的超额收益和较高的CAPMalpha相关。flow-beta多空组收益在统计上和经济上都显著。第三，基金将其持仓远离高flowbeta股票，从而降低了基金投资组合与共同资金 流动冲击的协方差。 2资金流动冲击因子的构建 2.1数据 基金收益与股票数据。从CRSPSurvivorship-Bias-FreeMutualFund数据库中获取基金名称、每月回报、每月总净资产(TNA)、投资目标和其他基金特征。由于1991年之前每月TNA的数据覆盖率稀少且较差，因此样本时间区间为1991年 1月至2018年12月。根据最近的研究（Berk和vanBinsbergen，2015；Pástor、Stambaugh和Taylor，2015），使用晨星数据库交叉检查CRSP数据中基金回报和资产规模的准确性。文献展示了基于两个版本的共同资金流的分析结果。第一个版本的普通资金流是仅基于CRSP共同基金数据中的样本构建的，第二个版本是CRSP和晨星数据库之间匹配良好的样本，所有的结果对于两个版本的共同资金流都是稳健的。 共同基金持仓组合和基准数据。从ThomsonReuters共同基金持仓数据库和 CRSP共同基金持仓数据中获得共同基金的持仓情况。最近的研究表明，Thomson的持仓数据在2008年之后存在问题，而CRSP的持仓数据在2007年四季度之前是不准确的。为尽量减少数据质量问题，使用截至2008年第二季度的Thomson持仓数据和2008年第三季度之后的CRSP持仓数据。从晨星数据库获取共同基金的自我声明基准。 其他数据源。股票收益来自CRSP数据库，财务变量来自Compustat数据库。 2.2资金流动冲击因子 资金流动冲击指标的构建。我们在基金层面定义流量如下： 𝐹𝑖,� =𝑄𝑖,𝑡−𝑄𝑖,𝑡−1×(1+𝑅𝑒𝑡𝑖,𝑡) 𝑄𝑖,𝑡−1 (4.1) 其中Qi,t和Reti,t分别是基金i在t月的TNA和净回报。为了构建资金流中不可预测的部分，控制了滞后的资金流动，因为资金流是持续的。还控制了滞后的基金业绩，以解释流动-业绩的敏感性。此外，由(4.1)定义的Fi,t并不完美，因为在t月内有中间的、同期的流量和回报（Berk和Tonks，2007年）。为了缓解这种担忧，通过运行混合面板回归来控制同期基金的表现，如下所示： 𝑘=1 𝐹𝑖,�=�+∑2 𝑏�×𝐸𝑥𝑅𝑒𝑡𝑖,𝑡−𝑘+1+�×𝐹𝑖,𝑡−1+𝜃�+𝜀𝑖,� (4.2) � 其中ExReti,t是相对于市场回报𝑅�的基金超额回报，在t月内。Fi,t−1代表滞后的资金流，θt代表月份固定效应。然后，在控制了基金层面的绩效流动敏感性后，定义了资金流动冲击，如下所示： 𝑓𝑙𝑜𝑤𝑖,�=𝜃�+𝜀𝑖,�(4.3) 共同资金流指标的构建。下面，我们展示了驱动资金流动冲击的大部分常见变化的一个主要共同因素（即，一个具有高特征值的因素）。 为了从经验中提取资金流动冲击的共同成分，根据主动基金的特征将其分类。首先，使用按资产规模排序的�组基金。在基金特征中，资产规模是有关基金流动和业绩的最重要信息之一，其次，为了比较和稳健，还考虑了按年龄排序的�组基金，这是另一个重要特征。与Ferson和Kim(2012)的研究结果一致，我们发现资金流动冲击服从强因子结构，重要的是，资金流动冲击以高于商业周期的频率相互强烈地联动。 图表1剔除相对表现后，按资产规模分组的共同资金流动 资料来源：CommonFundFlows:FlowHedgingandFactorPricing，华安证券研究所整理 图表1的PanelA绘制了剔除相对表现后按规模分组的每组基金的市值加权的资金流动冲击。很明显，资金流动冲击在不同规模的基金组中共同发生。图表1的PanelB和C绘制了第�规模组的资金流和其他规模组的资金流量之间的关系，发 现，不同规模基金的所有流量冲击都表现出非常相似的时间序列模式。5和4规模的共同基金流动冲击之间的相关性为0.72，p值<0.001，5和1规模的共同基金流量冲击之间的相关性为0.42，p值<0.001。 图表2剔除相对表现后，按年龄分组的共同资金流动 资料来源：CommonFundFlows:FlowHedgingandFactorPricing，华安证券研究所整理 同样，图表2的PanelA绘制了剔除相对表现后按年龄分组的每组基金的市值 加权的资金流动冲击。不同年龄组的资金流冲击之间的相同高频联动有力地显示出来。 图表3共同基金流动冲击协方差矩阵的特征分解 资料来源：CommonFundFlows:FlowHedgingandFactorPricing，华安证券研究所整理 为了获得共同的资金流，我们提取了跨基金资金流的第一个主成分。�组资金流冲击的协方差矩阵的特征分解显示出占主导地位的最高特征值和其余特征值的快速衰减。图表3显示，有一个主导因素导致了资金流冲击的大部分常见变化——第 一主成分(PC1)。为不失一般性，通过去除无条件均值和标准化第一主成分来标准 化第一主成分。无条件标准差为1，将标准化的第一主成分称为共同资金流。我们使用跨基金组的第一主成分构建共同资金流，类似于Herskovic等人的方法。 （2016年），他们提取了股票组间异质波动性的共同组成部分。 图表4基于基金规模和年龄构建的共同资金流向 资料来源：CommonFundFlows:FlowHedgingandFactorPricing，华安证券研究所整理 图4使用CRSP共同基金数据和CRSP-Morningstar交叉共同基金数据绘制了 基于资产规模和基金年龄的每月共同基金流量。四个序列相互高度相关，相关性范围在0.83到0.95之间。本文的其余部分将重点关注使用规模�分组构建的共同资金流，并且我们不仅使用CRSP基金数据，而且还使用CRSP-Morningstar交叉基金数据展示了所有关于共同资金流的实证结果。 共同资金流动的替代指标。我们考虑两种可供选择的常用流量测量方法。在第一个替代指标中，我们不进行PCA分析，而是在控制滞后流量以及同期和滞后的相对基金业绩后，使用AUM加权流量冲击构建共同流量。相对于PCA方法，AUM加权方法对大型基金的流动冲击赋予了更多的权重。 第二种替代指标采用了Berk和Tonks(2007)的流量测量法。具体来说，将资金流定义为