“学海拾珠”系列之一百二十六：基金持仓集中度究竟如何影响基金业绩？

金融工程 专题报告 基金持仓集中度究竟如何影响基金业绩？ ——“学海拾珠”系列之一百二十六 报告日期：2023-02-01 主要观点： 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：钱静闲 执业证书号：S0010522090002邮箱：qianjx@hazq.com 相关报告 1.《基金投资者的真实择时能力如何？——“学海拾珠”系列之一百一十八》 2.《基于财报文本的竞争关系与股票收益——“学海拾珠”系列之一百一十九》 3.《社会责任基金的业绩与持续性— —“学海拾珠”系列之一百二十》 4.《投资者关注度在市场择时中的作用——“学海拾珠”系列之一百二十一》 5.《债基投资者关心哪些业绩指标？ ——“学海拾珠”系列之一百二十二》 6.《如何管理投资组合波动率？——“学海拾珠”系列之一百二十三》 7.《基金具有情绪择时能力吗？——“学海拾珠”系列之一百二十四》 8.《投机股与止损策略——“学海拾珠”系列之一百二十�》 本篇是“学海拾珠”系列第一百二十六篇，文献比较全面地研究了美国共同基金集中度和基金收益之间的关系。基金集中度反映了投资组合的主动管理程度，是基金经理持股风格的重要指标，对基金业绩的影响具有复杂性。回到国内基金市场，我们可以类似地研究集中型基金与分散型基金对于收益的影响，考虑行业风险，从而帮助投资者综合权衡利弊，做出最佳决策。 持仓集中度对基金收益的影响 基金集中度是主动管理的结果，对某些个股比较自信，有能力获得 更高回报的基金经理会集中投资，使得基金收益由少数几只股票驱动。然而，信息是不完美的，正确的预测会导致更有利的结果，不正确的预测会导致更不利的结果。因此，引起对基金组合投资集中度和收益之间潜在关系的讨论——集中持仓是否会带来更好的收益？针对此问题，过往的研究结果不尽相同。 基金集中度的度量指标 从两个层面衡量集中程度，个股层面，有效持股数量（Effective N，EEFN），将持股数量和持股权重均纳入考量，行业层面的指标包含行业间集中度和行业内集中度。主要采用EEFN作为集中度指标，行业指标作为控制变量用于稳健性检验。 集中度越高，收益分散性越强 随着集中度的提高，基金收益分散度从3.2%增加到7.7%，风险调 整收益从2.3%增加到5.1%。因此，主动型股票基金越集中（EEFN越小），其收益的绝对值越大，且集中度与相对收益的绝对值有明显的凸关系，所以随着EEFN的增加，其对业绩的关联性也会减弱。 集中型基金表现出的下行风险高于上升潜力 集中度的提高对表现优异的基金业绩有显著的正面影响，对表现不 佳的基金有显著的负面影响。控制行业集中度条件下，较高集中度对收益不佳的基金的负面影响大于对收益优异的基金的正面效应，意味着集中型基金表现出的下行风险要高于上升潜力。 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数据描述4 3实证分析6 3.1收益与集中度的关系6 3.2收益与集中度的线性回归分析7 3.3集中度和收益的分位数回归分析9 4结论14 风险提示：14 图表目录 图表1样本各指标、因变量和解释变量的汇总统计5 图表2投资组合特征之间的相关性6 图表3随着集中度的提升，超额收益分散性提升6 图表4基于EEFN分类的投资组合结果7 图表5集中度和ALPHA和超额收益绝对值的回归结果8 图表6集中度和ALPHA和超额收益绝对值的回归结果（含平方项）9 图表7变量同方差性和异方差性的对比图10 图表8无行业集中度控制下ALPHA和EEFN的分位数回归11 图表9无行业集中度控制下超额收益和EEFN的分位数回归11 图表10有行业集中度控制下ALPHA和EEFN的分位数回归12 图表11有行业集中度控制下超额收益和EEFN的分位数回归12 图表12有无行业集中度控制下超额收益和ALPHA的条件分位水平13 图表13对称分位检验结果14 1简介 在构建资产组合时，基金经理需要考虑如何实现最佳的资金分配。由此，引起对基金组合投资集中度和收益之间潜在关系的讨论——集中持仓是否会带来更好的收益？ 针对此问题，过往的研究结果不尽相同。Tidmore（2019）认为持股数量和净超额收益间存在明显的正相关关系，而Hickey等人（2017）则发现，持股数量较少的美国大盘股票基金的收益略高。Sapp和Yan（2008）表明集中化基金表现并未超过分散化基金。但也有学者表明，集中在少数行业的基金表现更好 （Kacperczyk，2005）；或是当投资组合集中在每个行业的前一或两个股票时，收益会增加（Goldman，2016）。 同时，和市场比较，基金集中度是主动管理的结果。部分集中度指标不仅反应了基金经理的决策能力，也与基准条件有关。如：Cremers和Petajisto（2009）发现，主动份额（activeshare）最高的基金的表现明显优于其基准指数，但在个别基准中，主动份额与积极或消极表现相关的可能性一样大（Frazzini，2016）。跟踪误差作为高度依赖经理人风格和市场风险水平的指标（Sapra，2013），虽然在集中型基金中与收益呈现正相关，但希望选择最佳收益基金的投资者不仅需要考虑跟踪误差，还需要考虑在不同行业领域的集中持股（Huij，2011）。 综合市场规律，基金集中度提高了收益对持股及行业的依赖性，在收益不确定 性方面产生了额外的风险，因此，本研究假设集中度与收益分散性正相关，并构造 指标验证。进而采用OLS回归和分位数回归，通过控制行业集中度、基金特征，以探究全分布下不同量级收益与基于持股数量集中度之间的变化关系。 结果表明，基金集中度和收益绝对值之间存在正相关，但这种正相关递减（凸关系），有效持股数量越多，组合与收益的关联性越弱。同时，基金集中度和不同 量级的收益之间存在的关系并不一致，提高基金集中度对收益良好的基金有明显的 正面效应，而对收益不佳的基金有明显的负面影响，此外，控制行业集中度下，集中型基金表现出的下行风险高于上升潜力。 2数据描述 数据来自美国晨星开放式主动管理共同基金样本的各种集中度指标、总体收益以及总体相对收益，样本期为2000-2020年。采用最传统的股票类别，将样本分为 7个观察期，每单位观察窗口持续36个月，再剔除持股量小于12或净值小于500 万美元的基金。最终包括2440个基金的8907个观察样本。 投资组合集中度分为两个层面。一个类似于Kacperczyk(2005)的股票集中度指数，股票层面的指标采用Brown,Tiu,andYoeli(2020)使用的有效持股数量 （EffectiveN，EEFN），将持股数量和持股在组合中的比重均纳入考量: 1 𝐸𝐸𝐹�=∑𝑁𝐻𝑂𝐿𝐷(𝑤𝑓𝑢𝑛�)2 𝑖=1𝑖� 其中𝑤𝑓𝑢𝑛𝑑𝑖�为每个基金的持股权重。例如，基金经理A和B在他们的投资组合中各持有100只股票，A对100只股票等权配置，B对前10只股票分别配置9%，其余90只股票共占投资组合的10%，则A的EEFN是100，而B的EEFN是更集中的12.3。 行业层面的指标包含行业间集中度和行业内集中度，不同行业的划分使用11个全球行业分类标准。行业间集中度(ICI)定义为共同基金持有的11个不同行业的权重与市场基准的平方差之和。 11 𝐼𝐶�=∑(𝑤𝑓𝑢𝑛𝑑𝑖�−𝑤𝑏𝑒𝑛𝑐ℎ𝑖𝑡)2 𝑖=1 其中𝑤𝑏𝑒𝑛𝑐ℎ𝑖�为整个股票市场的行业权重。 行业内集中度反映了基金在每个行业内的持股集中程度： 11 𝑊𝐼𝐶2=∑𝑆�× 𝑗=1 𝑊� 𝑤𝑏𝑒𝑛𝑐ℎ� 其中𝑆�为基金投资组合在行业j中的权重，𝑊�为基金在j行业中持有的两只投资最多的股票权重，𝑤𝑏𝑒𝑛𝑐ℎ�为j行业中持有投资最多的两家公司的总市值权重。 由于EEFN包含了证券数量和权重两个方面，且行业间指标并不反映投资组合的绝对集中程度，而是相对比较。因此，后续分析将主要采用EEFN作为集中度指标，行业指标将作为控制变量用于稳健性检验。 业绩指标模型采用四因子回归模型，滚动36个月将每月基金的超额收益与规模因子SMB、价值因子HML、动量因子UMD进行回归，记录风险调整收益𝛼𝑖𝑡： 𝑟𝑖�−𝑟𝑓�=𝛼𝑖�+𝛽𝑖1(𝑟𝑚�−𝑟𝑓�)+𝛽𝑖2𝑆𝑀𝐵�+𝛽𝑖3𝐻𝑀𝐿�+𝛽𝑖4𝑈𝑀𝐷�+𝜀𝑖� 图表1报告了样本各指标、因变量和解释变量的汇总统计。集中度指标方面，EEFN的5%分位数是23.24，而95%分位数是159.4，与31.38和412.26的持股数量相比，发现EEFN明显低于持股数量。由此推知，大部分基金没有对其持有的股票进行平均加权，否则持股数量将和EEFN相同。 平均而言，样本的年化后�和超额收益绝对值分别为2.41%和3.12%。符合市场期望值。各基金的表现差异很大，且�在平均数和各百分位数上均小于超额收益。 图表1样本各指标、因变量和解释变量的汇总统计 资料来源：FundConcentration:AMagnifierofManagerSkill，华安证券研究所整理 图表2反映了投资组合特征之间的同期相关性。EEFN、持股数量和前10名的百分比高度相关，分别为0.85、0.72和0.92；行业间集中度和行业内集中度的相关性适中，为0.44。�和超额收益与各种集中度指标的相关性接近零，但两者的绝对值均与各种集中度指标间表现出较高水平相关性。 图表2投资组合特征之间的相关性 资料来源：FundConcentration:AMagnifierofManagerSkill，华安证券研究所整理 图表3直观反映了三个集中度指标的度量结果。较低的EEFN意味着更集中的投资组合，而较高的行业指标意味着更集中。随着集中度的提高，收益的分散性通常也会增加，符合前文假设。 图表3随着集中度的提升，超额收益分散性提升 资料来源：FundConcentration:AMagnifierofManagerSkill，华安证券研究所整理 3实证分析 3.1收益与集中度的关系 本节将主要研究基金收益与不同等级集中度的具体关系。基于EEFN十等分排序形成新的投资组合，计算每个投资组合的平均超额收益、�和对应的因子载荷。同时，引入Spearman秩相关系数测试EEFN和收益之间关系的强度、方向以及是 否线性。此外，用各投资组合内的收益分散度（以横截面年化总超额收益或�的标准差度量）代替收益进行重复测试，验证假设。 图表4报告了各集中度下组合的收益分散度。随着集中度的提高，收益分散度 从3.2%增加到7.7%，�从2.3%增加到5.1%。有趣的是，对于超额收益来说，这 10个组别并未展现出统计学上的显著差异，但�随着集中度的提升上升了，这可能是因为不同集中度基金的系统风险因子载荷的不同导致的，平均而言，相对于集中化基金，分散化基金在市场、规模、价值和动量因子上的载荷更高。如果上述因子产生正向收益，分散化基金所呈现的更高的因子载荷将可以解释其超额回报和�之间的较大差异。 图表4基于EEFN分类的投资组合结果 资料来源：FundConcentration:AMagnifierofManagerSkill，华安证券研究所整理 3.2收益与集中度的线性回归分析 本节使用OLS回归方法拓展分析，将相对收益的绝对值与各集中度指标进行回归，同时控制各种基金特征、时间和基金规模类别的固定效应，测试其间是否存在正线性关系： 3 𝐴𝑏𝑠(𝑃𝐸𝑅𝐹𝑖,∆𝑡)=𝛽1𝑋𝑖,∆�+𝛽𝑘𝐶𝑖,(∆)�+∑𝐵𝑘𝑆𝐷𝑖,𝑛,�+𝛾�+𝜀𝑖� 𝑛=1 其中𝑃𝐸𝑅𝐹𝑖,∆�、𝑋𝑖,∆�分别