“学海拾珠”系列之一百九十四：言行统一：策略一致性与基金业绩

金融工程 专题报告 言行统一：策略一致性与基金业绩 ——“学海拾珠”系列之一百九十四 报告日期：2024-07-03 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.《本地同行对股利支付决策的影响 ——“学海拾珠”系列之一百九十三》2.《Beta异象对基金业绩的影响——“学海拾珠”系列之一百九十二》 3.《宏观经济信息与股票-债券协动性 本篇是“学海拾珠”系列第一百九十四篇，文献提出了一种新的基金业绩预测指标，称为策略一致性（Strategyconsistency），认为这种特征能反映选股技巧。策略一致性的定义是，基金经理在其投资组合中选择了多少由相似投资策略的基金经理集体投资的股票，因为它反映了类似策略的基金经理之间的共识，且随着时间的推移，基金经理会 在他们所投资的策略中不断学习，从而增加未来在这些策略中取得成功的可能性。回到国内市场，我们也可以采用类似的方法统计基金与同策略基金经理的策略一致度，并探究其效用。 基金投资策略识别与一致性指标构建 文献基于美国主动权益基金样本进行测试，首先收集每只基金招募说明书中“主要投资策略”部分的内容，并将其输入专有的策略识别算法，来识别主动型股票基金。该算法采用了一个迭代的过程，包括经理访谈、收集主要策略信息、剔除产生错误信号的关键词。识别算法会在“主要投资策略”的文本中搜索与40个要素相匹配的关键词和短语，这些要素是基金经理用来实现其策略的具体项目或概念。然后根据基金使用的要素组合，将基金归入10种策略之一。 统计同一策略中最多重仓的股票，权重最高的即为该股票的所属策略，一致性指标表示特定基金在多大程度上投资于属于该基金策略组的股票（自有策略股票）。 ——“学海拾珠”系列之一百九十一》一致性与基金业绩 4.《基于改进的CTGAN-Plus-Features的资产配置优化方法——“学海拾珠”系列之一百九十》 5.《基于符合模型构造行业ETF组合 ——“学海拾珠”系列之一百八十九》6.《行业羊群行为与动量策略——“学海拾珠”系列之一百八十八》 没有一种策略分类方案是完美无缺的，文献使用的分类方案下，同策略基金的相关性比不同策略基金的相关性高约32%到360%，这验证了策略分类方案的有效性。 高一致性基金的原始收益率、基准调整收益率和多因子超额收益率均显著高于低一致性基金，每年高出1.9%至3.6%。尽管文献采用的样本期（2007年至2019年）对主动型基金整体而言尤为不利。在双分组下，高一致性、高前月Alpha值基金每年可获得4.2%的显著正Alpha。 风险提示 文献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引言4 2数据及方法5 2.1数据来源5 2.2投资策略识别6 2.3策略一致性（STRATEGYCONSISTENCY）7 2.4主动程度与自信度8 3主要结果9 3.1描述性统计和策略验证9 3.2一致性和基金业绩11 4总结15 风险提示：16 图表目录 图表1文章框架4 图表2主动权益基金投资策略与要素识别7 图表3股票策略简介范例8 图表4用作基金基准的VANGUARD基金9 图表5各类策略的描述性统计10 图表6策略组内和组间市场调整收益率的36个月滚动平均相关性10 图表7基金策略一致性的相关因子11 图表8基于一致性和积极性的�分组投资组合1美元投资的累计收益率率12 图表9FAMA-MACBETH回归：风险调整收益率对基金特征的回归分析13 图表10基于一致性、积极性和信念的基金投资组合表现14 图表11双重排序结果15 1引言 图表1文章框架 资料来源：华安证券研究所整理 根据晨星公司（Morningstar）的数据，截至2022年底，美国主动权益基金管 理着5.0万亿美元的资产，预测哪些基金会取得优异业绩是众所周知的难题。Fama和French（2010年）以及Barras、Scaillet和Wermers（2010年）估计，只有约1%-2%的主动型基金有不小的正向超额收益率（扣除成本后），因此，事前识别优秀基金无异于大海捞针，雪上加霜的是，Jones和Mo（2021年）以及DeMiguel等人 （2021年）的研究表明，在过去一二十年中，能预测基金业绩的大多数变量都失效了。 文献提出了一种新的基金业绩预测指标，称为策略一致性（Strategy consistency），认为这种特征能反映选股技巧。策略一致性的定义是，基金经理在其投资组合中选择了多少由相似投资策略的基金经理集体投资的股票。一致性有三个原因可以预测收益： 1、它反映了类似策略的基金经理之间的共识，例如，多个采用价值投资策略的基金经理在买入某只股票时得出了相同的结论，那么这只股票被明智选择的可能性就会高于单个基金经理的选择，这源于一个简单的统计事实，即如果多个噪声信号传达了相同的信息，那么该信息就更有可能是真实的，而不是由噪声驱动的。 2、随着时间的推移，基金经理会在他们所投资的策略中获得专业知识，从而增加未来在这些策略中取得成功的可能性。如果他们简单地从这种积累的专业知识中推断并偏向其他策略，那么他们的预期表现就不会那么好。这种可能性与大量探讨 过度自信在投资中的作用和解释资产定价异常的文献（如Daniel、Hirshleifer和Subrahmanyam，1998年，2001年；Grinblatt和Keloharju，2001年，2009年）是一致的。 3、要实现高度一致，需要将基金基准的权重向特定策略偏好的股票倾斜，从而导致持有的股票与基准不同，这是获得优异业绩的必要一步（见Cremers和Petajisto，2009年；Amihud和Goyenko，2013年；Doshi、Elkhami和Simutin，2015年；Cremers和Pareek，2016年；Cremers，2017年；以及Antón等，2021年）。 根据资产管理公司AthenaInvest分类的美国股票基金策略计算一致性指标。该指标基于美国证券交易委员会（SEC）和晨星公司（Morningstar）的招募说明书和持仓数据，通过以下三个步骤构建： 1、对于每只基金，检查招募说明书中“主要投资策略”的文字，并将该基金归入一个策略组，如估值（Valuation）、未来成长（futuregrowth,）等。 2、为每只股票指定该股权重最高的所属策略。 3、一致性指标表示特定基金在多大程度上投资于属于该基金策略组的股票（自有策略股票），换句话说，一致性是基金经理投资自有策略股票的程度。 一致性指标利用了其他主动型股票经理对经济和基本面信息的复杂综合。根据一致性将基金分为�个投资组合，发现高一致性基金的原始收益率、基准调整收益率和多因子超额收益率均显著高于低一致性基金，每年高出1.9%至3.6%。在费前 （但计入交易成本），高一致性基金可获得显著的正异常收益率，尽管文献采用的样本期（2007年至2019年）对主动型基金整体而言尤为不利，但高一致性基金的表现依然出色。在这段时间内，基金的平均表现在扣除成本之前就低于其基准，高主动度基金的表现甚至低于低主动度基金，这与Cremers和Petajisto（2009年）以及Amihud和Goyenko（2013年）早期样本期的结果相反。 根据一致性指标和过去的超额收益率将基金排序并双分组，发现过去表现出色 的高一致性基金继续表现出优异的业绩，在Cremers、Petajisto和Zitzewitz（2013 年）的四因子模型下，每年的（扣除成本）Alpha值超过4%。 越来越多的文献试图预测共同基金的业绩，近期这方面的研究主要集中于衡量管理者的“主动程度”，即基金偏离基准权重的程度，积极性是共同基金取得优异业绩的必要条件，但不是充分条件，因为它并不能直接衡量基金经理的选股能力，DeMiguel等人（2023年）使用机器学习方法综合了许多基金业绩预测因子，但发现这些预测因子在某些样本期内表现不佳。Sirri和Tufano（1998年）、DelGuercio和Tkac（2008年）以及Berk和vanBinsbergen（2016年）的研究表明，过去的业绩在很大程度上推动了投资者的资金流动，然而，业绩持续是一种短暂现象，过往业绩并不能取代其他前瞻性信息，例如，Armstrong、Genc和Verbeek（2019年）的研究表明，包含分析师报告的晨星评级有助于预测基金的优异业绩。 文献的另一个重要发现是，在研究样本中基金收益率之间的相关性时，基金收益率与采取相同策略的基金之间的相关性比与其他策略的基金之间的相关性更大，虽然没有一种策略分类方案是完美无缺的，但相关性证据说明了本文所使用的策略分类是有效的。 2数据及方法 2.1数据来源 文献从晨星公司收集基金的收益率、换手率、费率和持仓数据，从CRSP和Russell收集标普500和罗素指数的指数收益率。选择晨星公司作为基金数据的来源，以保持与Athena的一致性（使用晨星持股数据构建一致性指标）。对于具有多个份额类型的基金，将基金收益率定义为每个份额类型的简单平均值。 基金的样本包括1997年1月至2019年12月存续的所有美国主动股票基金。Fama和French（1993）和Carhart（1997）的市场收益率、规模、价值和动量因子，以及一个月的国债利率，来自KennethFrench网站。 2.2投资策略识别 投资策略是基金经理分析、买入和卖出股票的方式。即使根据经济上相似的变量来挑选股票，也没有两个基金经理的策略是完全相同的。例如，两位奉行价值投资策略的基金经理都试图寻找“价值被低估”的股票，但他们一般不会持有相同的投资组合。不过，尽管存在差异，但为了进行业绩评估，必须根据客观的经验标准将基金分为不同的策略同类组。 大多数基金经理的业绩都是相对于与战略相关的基准进行评估的，如果基金经理可以选择自己的基准，他们就会面临众所周知的道德风险问题。此外，如果业绩指标不根据策略进行调整，那么若有一个共同的因子推动这些基金的收益率表现良好，那么投资者就可以将资金分配给这些基金，而不管其能力如何（如Ben-David等人，2020年）。例如，如果价值型股票在一段时间内的表现优于成长型股票，那么投资者可能会天真地投资于价值型基金，即使该基金的表现不如同类的价值型基金。 Brown和Goetzman（1997年）以及Chan、Chen和Lakonishok（2002年）表明，基金招募说明书的投资目标或晨星风格箱等常见的基金分类并不一定定义明确，而且一般来说过于简单，遗漏了基金收益横截面共同变化的重要来源。 文献认为，根据基金宣称的主要投资策略，将其划分为具有经济动机的策略组是一个自然的选择。例如，宣称遵循价值策略的基金经理应该有相似的业绩基准。 AthenaInvest通过收集每只基金招募说明书中“主要投资策略”部分的内容，并将 其输入专有的策略识别算法，来识别主动型股票基金。该算法的开发采用了一个迭代的过程，包括经理访谈、收集主要策略信息、剔除产生错误信号的关键词，以及创建数量可控的策略。每当基金发布修订后的招募说明书时，需要更新策略分类。识别算法会在“主要投资策略”的文本中搜索与40个要素相匹配的关键词和短语，这些要素是基金经理用来实现其策略的具体项目或概念。然后，根据基金使用的要素组合，将基金归入10种股票策略之一。 图表2的PanelA列出并描述了10种基金策略，PanelB列出了40种策略要 素。例如，从PanelA可以看出，“CompetitivePosition”的基金注重商业原则，包括管理质量、市场影响力、产品声誉、竞争优势、商业模式的可持续性以及适应市场变化的历史。“Econo