作者：庄越 姚金伟
来源：《金融发展研究》2020年第09期
市场潜力
摘 要：本文利用ARMA-EGARCH-M模型，對我国86只公募FOF基金进行了投资风格漂移的实证检验。结果表明：（1）我国公募FOF基金存在着投资风格漂移现象，其中平衡混合型FOF基金更易漂移;（2）市场上行期相对于市场下行期、市场缓慢变化期相对于市场快速变化期，投资风格更易发生漂移;（3）利好消息对大部分公募FOF基金的刺激程度比利空消息更大，而利空消息更易引起收益率的大幅波动。（4）基金经理能力也是引起投资风格漂移的因素之一。 关键词：公募FOF基金;投资风格漂移;ARMA-EGARCH-M模型
中图分类号：F832.5 文献标识码：A 文章编号：1674-2265（2020）09-0013-08
DOI：10.19647/jki.37-1462/f.2020.09.002
一、引言
投资风格漂移易引发代理人的道德风险问题，不利于个人投资者的利益保护、成熟机构投资者的培育和资本市场的繁荣与开放。近年来，随着我国基金行业快速发展，公募FOF基金这类新投资产品发展迅速，发行数量由2017年的10只快速成长到2019年的105只，净资产规模也从130.3亿元发展为287.66亿元。同时，投资风格漂移带来的风险不容忽视。短期来看，投资风格漂移不仅使基金市场的价格发现功能失效，损害个人投资者的利益，也会加剧证券市场的“羊效应”，放大证券市场的波动风险;长期来看，投资风格漂移不仅不利于建立投资者与基金管理人之间的信任关系、培育成熟的机构投资者、进一步促进资本市场繁荣，也不利于中国资本市场良好声誉的形成，进而降低对外资的吸引力，不利于我国金融市场的对外开放。
与美国相比，我国公募FOF基金尚处于起步期，成立发行时间仅3年左右。基金市场发展的不成熟加剧了基金管理人和投资者之间的信息不对称问题，使得投资风格更易发生漂移。而我国股票市场牛短熊长、振幅较大的走势特征也使得基金管理人在市场环境变化
时，很可能受业绩压力影响而无法坚守投资风格。另外，截至2019年底，我国公募FOF基金经理的平均任职年限仅1.91年，其中累计单位净值前30名的公募FOF基金经理的任职年限为2.11年;而美国至今成立的1200只公募FOF基金中，市值规模排名前30的公募FOF基金经理的平均任职年限为16.86年，远远高于我国基金经理的平均任职年限。我国基金经理任职年限较短也使得基金管理人在投资的经验和策略成熟度上尚有不足，投资风格漂移的风险更易出现。
目前国内关于公募FOF基金投资风格漂移的实证分析尚处少数，本文丰富了这一领域的研究。本文选取公募FOF基金作为研究对象，主要研究以下三个问题：（1）我国公募FOF基金成立发行以来表现如何，是否存在投资风格漂移问题;（2）若存在投资风格漂移，发生投资风格漂移的基金有什么分布特征，形成风格漂移的原因是什么;（3）监管层应如何在促进资本市场繁荣开放的同时通过政策监管措施有效规避投资风格漂移。
二、文献综述
投资风格漂移成为近年来的研究热点。苏木亚等（2018）[1]基于多尺度谱映射的思想，提出了一种基金投资风格显著特征识别方法，对2012年以来我国24支开放式基金进行
了投资风格显著特征的识别，发现这24只基金出现比较严重的风格漂移和趋同现象。周率等（2018）[2]选取20支位于牛熊不同时期的典型开放式股票型基金为样本，运用Fama-French三因子模型和詹森指数来识别基金的“投资风格漂移”现象，发现：绝大多数基金无论在熊市或牛市时期均出现了趋同性“投资风格漂移”现象，熊市时期倾向于价值型风格漂移，牛市时期倾向于成长型风格漂移。邹鹏飞等（2018）[3]构建业绩基准调整收益的四因子模型，检验公募基金是否偏离业绩比较基准约定的投资风格，研究发现：基金偏离业绩比较基准，主要表现为偏离其约定的大盘或价值型风格、超额配置小盘或成长型股票，基金偏离业绩比较基准的“违约”行为并不能带来更高的风险调整后回报，产生了新的委托—代理问题。
一般来说，对投资风格漂移的技术识别方法有两种：基于持仓股票因子特征建立的PBSA识别法和基于收益率波动特征的RBSA识别法。在PBSA法上，Sharpe（1992）[4]建立了首个与投资风格相关的分析模型，通过匹配与资产收益率特征相近的风格指数进行风格识别。Daniel等（1997）[5]则根据投资组合中持有股票的规模、账面市值比和动量基准的特征匹配出投资风格，从而建立了基于特征的共同基金投资组合基准DGTW。随后，Berk和Green（2004）[6]、Lan等（2013）[7]则提出了资金流动对基金交易策略影响的理
论模型，从理论上将资金流动因素考虑到基金策略风格模型中。然而，由于我国公募FOF基金市场尚不成熟、风格投资不完备和信息披露不及时，使得PBSA法在我国公募FOF基金投资风格识别上并不适用。因此，本文采用基于收益率波动特征的RBSA法。彭耿（2014）[8]曾用此方法对中国市场上的基金投资风格漂移进行识别，他构建了基于收益和风险两个维度的投资风格漂移识别模型，基于收益的部分用EGARCH-M中均值模型表示，基于风险的部分用EGARCH-M中方差模型表示，两者共同监测基金经理的投资行为。这种基于EGARCH-M的均值模型与方差模型的风格识别不仅在数据可获得性上更强，也不会出现PBSA法的多重共线性。
知网向退休教授致歉 从实证研究角度，GARCH-M族模型被广泛应用于各国各地区的股票、利率、汇率、股指期货等投资风格分析和预测。在模型选取上，闫志刚（2005）[9]、Khan等（2019）[10]、Bonga（2019）[11]均发现在GARCH族模型中，根据AIC准则，EGARCH模型的拟合效果最好。张超（2015）[12]则以上证指数为研究对象，分析了基于广义误差分布、T分布和正态分布的GARCH模型的拟合效果，结果发现，基于广义误差分布的GARCH模型拟合效果最好。另外，廖伟珍等（2010）[13]则以台湾地区股票市场发行的加权股价指数TAIEX为样本对比了GARCH、T-GARCH和EGARCH模型的拟合效果，发现5分钟观测频
eels
率模型的预测能力最佳。因此，本文采用ARMA-EGARCH-M模型，用广义误差分布的方法，选取公募FOF基金收益率目前披露的最高频率数据（周数据），对公募FOF基金收益率和其波动序列进行拟合。
对投资风格漂移的原因目前已有一定的分析。Brunnermeier等（2004）[14]、Kumar（2009）[15]、Horst和Salganik（2014）[16]、李学峰等（2010）[17]、钱淑芳等（2015）[18]、顾海峰和吴剑明（2018）[19]均证明了宏观市场环境是导致投资风格漂移的重要原因。Brown等（2001）[20]、O 'Connell和Teo（2009）[21]均证明了历史业绩同样是导致投资风格漂移的原因。郭文伟等（2010）[22]、Getmansky（2012）[23]、唐元蕙（2013）[24]则共同说明了基金管理人的技能以及学历等个人特征也是导致投资风格漂移的原因之一。在信息披露上，Titman等（2011）[25]则发现信息更灵通的对冲基金波动更小，更不易发生投资风格漂移。纵观上述文献，虽然对基金或者股票市场投资风格漂移的研究较多，但鲜有从公募FOF基金视角进行投资风格漂移研究，对公募FOF基金投资风格漂移成因的分析同样属于研究空白。就分析路径来看，同样鲜有从市场环境变化角度（市场快涨期、市场慢涨期、市场快跌期、市场慢跌期）分阶段研究比较投资风格漂移差异。本文填补了这一领域的研究空白。
三、数据描述
（一）样本和区间选取
我国第一支公募FOF基金成立于2017年10月19日。由于一般基金有1—3个月的建仓期，建仓期内FOF基金对各类资产的持仓比例可能会有较大幅度的变化，因此本文选取了2017年至2019年第三季度末期间成立的86只公募FOF基金，研究区间覆盖了2017年10月20日至2020年1月23日。由于文章篇幅限制，表1仅报告10只代表性公募FOF基金及其业绩比较基准情况。本文中公募FOF基金和相关基准指数收益率数据均来自万得基金数据库。神探夏洛克字幕
另外，由于我国的公募FOF基金均为混合型基金，所以单纯的股市或债市走势不足以反映FOF基金的市场全貌，所以本文构建了风险溢价指标：万得全A指数累计收益率-中债10年期国债总财富指数累计收益率，将从2017年10月19日为基点的风险溢价走势划分为4个子研究区间，以描述公募FOF基金在市场波动各个时期的投资风格漂移情况。根据图1，将整个研究区间划分为两大阶段：市场环境快速变化期（2017.10.19—2019.4.19）和市场环境缓慢变化期（2019.4.19—2020.1.23），其中每个大阶段又可再划分为两个小阶段，
分别对应的是市场快速下跌期（2017.10.19—2019.1.3）、市场快速上涨期（2019.1.3—2019.4.19）、市场震荡下行期（2019.4.19—2019.8.9）和市场震荡上行期（2019.8.9—2020.1.23）。
杨振宁 （二）描述性统计
如表2所示，从整个研究区间的均值看，公募FOF基金收益率和业绩基准指数收益率序列的均值都大于0，且公募FOF基金收益率在该时间段内跑赢基准，这说明我国公募FOF基金管理人有一定的资产配置能力;从分阶段的均值来看，公募FOF基金收益率在除市场快速下跌期外，收益均值均大于基准指数收益率。从标准差来看，公募FOF基金在整个研究区间及分阶段的标准差均小于业绩基准，这说明公募FOF基金在各阶段均表现出一定的抗风险能力，风险配置效率较高，收益率的波动更加平稳。而从整个研究区间和分阶段的偏度、峰度和J-B统计量来看，均说明我国公募FOF基金收益率和业绩基准指数收益率均存在着显著的“尖峰厚尾”特征。
（三）数据检验
1. 平稳性检验。本文采用单位根（ADF检验）对样本基金及其比较基准的收益率序列进行平稳性检验，受篇幅所限仅报告检验结果如下：86只样本基金及其基准指数收益率序列均呈平稳或者差分平稳状态。数据平稳性较好。
2. ARCH效应检验。本文对所选取的公募FOF基金收益率与风格基准指数收益率进行ARMA（1，1）回归，并将结果进行ARCH-LM检验。受篇幅所限，在此仅报告结果如下：部分公募FOF基金收益率不具有ARCH效应，部分公募FOF基金收益率具有ARCH效应。因此可对不存在ARCH效应的公募FOF基金收益率序列建立ARMA（1，1）模型，对存在ARCH效应的公募FOF基金收益率序列则建立EGARCH-M模型。基于目前研究样本的数据结构特征，本文进一步优化了模型设定。
四、模型分析与结果讨论
（一）模型设定
本文选取ARMA-EGARCH-M模型对投资风格漂移现象进行识别。主要原因是：（1）根据样本的数据检验结果，存在ARCH效应和不存在ARCH效应的收益率序列均可在此模
型进行回归;（2）从前期文献综述可发现，在描述时间序列的非对称效应时，大部分EGARCH模型比TGARCH模型的拟合度更好;（3）引入外生变量风格基准指数收益率有助于判断投资风格是否发生漂移;（4）在均值模型中加入GARCH项，可以使模型估计精度更高。
本文通过比较发现，对于不存在ARCH效应的公募FOF基金，大部分在ARMA（1，1）模型下AIC值最小，因此为了简化结果，假设不存在ARCH效应的模型均服从ARMA（1，1）分布。則不存在ARCH效应的公募FOF基金收益率的模型为：
[Yt=γYt-1+δσt-1+θ1Xt+μt] （1）
其中：[γ]为AR项的系数，[δ]为MA项的系数，[θ1]为风格基准指数收益的系数，刻画的是风格基准指数与公募FOF基金收益率之间的相关关系。[Yt]为以公募FOF基金单位累计净值的周度数据计算出的收益率，[Xt]为以公募FOF基金在招募说明书中披露的风格基准指数点数计算出的收益率。吴天石
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议