基金经理持仓相似度与基金业绩.docx

文献来源文献来源：Cohen, R. B, , J. D. Coval , and L. Pastor . "Judging Fund Managers by the Company They Keep." The Journal of Finance 60.3(2005).文献亮点：本文提出了一种新的度量基金经理投资能力的指标，通过判断投资 行为相似的基金经理的表现(持仓相似或者持仓调整相似)来预测基金收益。 通过使用过去一段时间的历史收益与持仓来计算指标去评估基金经理的投资能 力，相比于传统的基于收益的指标更具预测能力。引言基金经理的投资能力是可以通过他们持有的公司来进行判断的。不同的人具有 不同的性格特征以及行为特点，这些很难通过直接的观察而获知，但我们可以 通过其他与其行为类似的人的特征来推断出来。举例而言，如果一个无聊的旅 客想知道关于麦当娜的故事，那么相比于和一个正在读华尔街日报的人交谈， 他更应该与一位正在读国家询问报的人来聊天。这是因为后者这位读者很有可 能更对名人故事感兴趣。当人们进行竞赛时，他们的成功率往往可以依据他们的技术进行预测，而他们 的技术又可以基于他们历史的得分而获得。举例而言，假设有一队篮球运发动， 他们分为两组，一组为使用双手投篮的选手，另一组为仅使用单手进行投篮的 选手。他们两组分别投篮十次。到目前为止，可以观察到双手投篮的平均分数 为8/10,而同时，单手投篮的平均分数为4/10o现在有两个选手，分别来自单 手投篮组以及双手投篮组，他们的比赛进行到了一半，现在单手投篮以及双手 投篮的选手的得分均为4/5o假设现在需要你来猜想这两位选手，谁将能够在 10次投篮之后获得更高分？尽管这两位选手的得分记录是相同的，但是猜想双手投篮的选手会赢也仍然是 明智的。因为可以看到其余双手投篮的选手倾向于获得更高的分数，而这位单 手投篮的选手很有可能在前5次投篮中比拟幸运而已。与上述篮球运发动的例子类似，主动管理型基金经理在试图战胜其基准时，也 会用到各种各样的技术。而这些技术往往对于某些基金经理群体而言是相对类 似的。举例而言，基金经理尽管会通过不同的渠道来获取不同的消息，并使用 不同的评估方法，但是仍有一局部基金经理是使用类似的信息来源以及相似的 方法。本文的基本假设就是，这些使用相似方法或者技术进行投资的基金经理 可能会有相似的预期收益。然而，本文所举的篮球运发动的例子中，篮球运发动只有一个技术要领，而基 金经理在管理他们的基金时有可能使用多种不同的技术，同时，这些技术往往 不容易观测到。相比于试图探究他们所使用的的投资理论或者投资技术，本文 将直接聚焦于他们的投资结果，这些可以从他们定期披露的组合信息来一定程 度的反响出来。举例而言，假设一个给定的技术为购买被低估的股票，同时许多基金经理都使 用这一策略。那么，本文来判断一个基金经理的能力是否能够选出好的股票的 方式是通过他的投资决策是否和其余成功的基金经理所一致。一种评估基金经理投资决策相似度的方法是通过比拟持仓。举例而言，假设两 个基金经理的历史收益都非常优秀，其中一个基金经理持有大量因特尔股票，图8 :基于过去12个月对第二个指标的双排检验Panel A. Sorting funds by a and then 6*QuintileQuintile of aQuintile of dof夕*12345Avg.12345Avg.Fama-FrenchAlphaas reference measureFour-FactorAlphaas referencemeasurei-2.67O.OS0.730.75i.560.09-1.04-0.230.44i.181.570.382-1.73-0.580.720.282.03O.i4-1.640.73i.i21.180.350.353-1.290.54-0.930.562.290.23-0.800.53-0.350.061.780.244-0.620.601.4i0.843.33i.ll-0.530.67-0.121.062.300.6850.740.65i.000.983.981.47-0.201.35i.380.904.26i.545-13.4i0.570.270.242.421.380.84i.580.94-0.282.691.15t-stat(2.97)(0.72)(0.35)(0.25)(2.15)(2.73)(0.76)(1.84)(109)(-0.29)(2.40)(2.36)Panel B. Sorting funds by 6* and then aQuintileQuintile of 6*Quintile of 6*of a i 2345 Avg. 12345 Avg.Four-Factor Alpha as reference measure9 6 2 4 13 0 6 4 7 o o o o i0 0 4 9 68 9 0 6 9 0 12 132 83 7 1 164)i 43.6 5 18 6 口，6，6 o.o.s L Lo5)2 3L(1.)6)9I 9 2 84) a.oo 2 5 o 1 -0-0L s S L(l. .78,20,30,79664388) -o-i-i-01 2 ui-1.900.530.430.97i.440.292-1.470.320.570.34i.460.253-1.91-0.54-0.391.142.6iO.i84-0.870.060.750.503.140.7250.880.500.571.524.64i.625-12.78-0.030.140.553.211.33t-stat(2.13)(-0.03)(0.15)(0.55)32)(170)Fama-French Alpha as reference measure资料来源:Journal of Finance,整理图8以及图9都是对第二个指标炉的双排检验，目的是剔除传统指标之后，检 验该指标是否还对基金未来收益率具有预测性。从结果上看，相比于第一个指 标台只弱了一点点。可以看出，炉在剔除传统指标之后的五档年化多空收益率从1.2%到1.4%,这 说明在剔除传统指标的影响之后，炉仍然可以提供较高的收益，其中统计t值 从2.31到2.73。因此，护具有传统指标所不包含的信息。同样的，本文也检验了传统指标在剔除炉之后的五档多空年化收益率，可以看 到平均而言，每年的多空年化收益从1.3%到2.1%,整体而言，其统计t值呈 现略显著。图9:基于全部基金收益对第二个指标的双排检验Panel A. Sorting funds by a and then &QuintileQuintile of aQuintile of dof 6*i2345Avg.12345Avg.Fama-French Alphaas rpfArence mpasurpFour-Factor Alpha as referencemeasure1-1.540.23-0.551.122.500.35-2.040.101.340.69i.850.392-i.26-0.640.260.52i.290.04-0.10-0.380.790.920.490.343-0.07-1.19-0.992.082.890.54-0.661.38-0.860.21i.ii0.244-0.810.440.98-0.392.840.61-0.050.27O.i60.082.030.5050.720.620.320.575.29i.500.77i.161.590.304.531.675-12.260.400.87-0.552.791.152.82i.060.25-0.392.68i.28t-stat(2.12)(0.5i)(LU)(-0.67)(2.49)(2.31)(247)(1.19)(0.30)(-0.41)(2.34)(2.34)APanel B. Sorting funds by and then dQuintileQuintile ofQuintile of 6*资料来源:Journal of Finance,整理of a12345Avg.i2345Avg.Fama-FrenchAlphaas rpfprAncA mrasur*Four-Factor Alpha as reference measurei-1.17-0.880.09-0.481.98-0.09-0.860.130.5i0.71i.460.392-i.910.460.760.45i.320.22-1.050.260.461.020.240.183-1.03-0.49-0.2i-0.171.09-O.i7-0.49i.U-0.12-0.33i.400.3i40.26-0.i20.250.934.061.08-0.480.65-0.350.542.0i0.475-0.32i.461.442.255.021.970.780.80i.40i.744.22i.795-i0.852.34i.352.723.042.061.650.670.891.032.76i.40t-stat(0.70)(2.61)(153)(2.64)(2.46)(2.73)(1.69)(0.70)(1.23)(119)(2-91)(2.8i)结论本文提出了一种新的度量基金经理投资能力的指标，通过判断投资行为相似的 基金经理的表现（持仓相似或者持仓调整相似）来预测基金收益。通过使用过 去一段时间的历史收益与持仓来计算指标去评估基金经理的投资能力，相比于 传统的基于收益的指标更具预测能力。本文的基本假设为投资决策相近的基金经理投资业绩相似。因此在设计指标时 都遵循这一逻辑。实证说明这一设计相比于传统基于收益构建的指标对基金未 来收益率具有更强的预测性，同时预测效果也更稳定。本文的计算方法是使用基金经理最近一期的持仓或持仓变动情况。在未来的研 究中也可以考虑使用过去几期的持仓综合判断。而另一个基金经理持有大量的微软股票。假设因特尔股票现在被很多过去表现 非常好的基金经理所持有，而同时.，微软股票被过去表现不太好的基金经理所 持有。那么我们有理由相信那位持有因特尔股票的基金经理更倾向于具有较好 的选股能力。对于基金表现的度量，本文使用传统的Jensen's alpha。本文说明，本文的度 量基金经理的投资能力为当前所有基金经理投资能力的加权平均。另一个比拟基金经理投资决策相似度的方法是比拟他们的交易。一个修改后的 基于交易的比拟方法是通过比拟不同基金经理持仓的变化来进行。传统的评估基金表现的方法主要是集中于度量基金的历史表现，例如Jensen's alpha (Jensen, 1968)或者夏普率(Sharpe, 1966)。由于很多基金的历史收 益率都比拟短，因此这些传统的度量方法往往不能比拟准确。近期较多的研究 主要集中在基于基金持仓的基础上进行度量。本文的行文主要按下面步骤进行。第一节介绍了本文的基金业绩度量方法，第 二节讨论了这些方式是否可以有效的把握基金经理的真实投资能力，第三节展 示了这种度量方法是否可以预测基金经理未来的投资业绩，第四节对本文给予 总结。基金经理业绩度量方式本节介绍了两种度量基金经理投资能力的方法来反响投资业绩，一个是基于基 金经理的静态持仓，一个是基于基金经理对于股票的交易与那些成功基金经理 的重合程度。基于持仓的度量方式假设共有M个基金经理，m=1, M,且有N只股票，n=1, N,其中每只 股票都至少有一个基金经理持有。设表示第m个基金经理的投资能力(之后 讨论细节)，并且叫7Vl为当前第m个基金经理所持有的第n只股票的权重。对 于每一只股票n来说，定义其持仓质量鼠可以表示如下：M6n = > :m=l其中:m,nVm,n =乙 zn=l wm,n股票n的质量由持有这只股票的基金经理的平均水平来定义，权重就是他们持 有这只股票的持仓权重。高质量股票是指有较多业绩表现好，具有较高投资能 力的基金经理所持有的股票。因此，对于高质量股票的持仓权重越大，那么基金经理的投资能力越强，本文 的度量方法可以由下式表示：N6* =v 6mm,n nn=l总而言之，本文用于度量基金经理投资能力的方式是通过计算其持仓中所有股票质量的加权平均值来表征，而其中每一只股票的贡献，取决于该基金经理的 持仓权重。为构建本文度量基金经理投资能力的方法，本文使用经过OLS进行回归之后的 &来代替上式中的aw其中:mn=lm,n nM6n = >: m,nQnm=l关于使用持仓变化计算出来的指标炉将于下一节进行介绍，本文将于第三节进行因子对于基金收益率预测能力的测试。基于持仓变化的度量方式上一节中，本文假设如果基金经理具有相似的持仓，那么将假设他们拥有相似的投资决策，而没有考虑他们的交易情况。在这一节中，本文假设如果基金经理具有相似的调仓情况，那么他们的投资决策相似。因为交易还包含了交易的费用，因此交易所蕴含的信息将更强于被动持有所含有的信息。基金经理m的持仓在t时刻的表现可以表示为:NRm,t = wm,nrn,tn=l其中，心工表示股票n的收益率。本文定义的基金经理持仓权重变化公式，可以表示如下:_1 +4工m,n - m,n,t -.1 + %n,t这里表述的是经披露持仓区间涨跌幅调整后的权重变化。本文使用标准化后的权重变化如下:Xm,nd?n,ndm,nEnWN/ m,nm,n-y乙mEM1 m,nm,n其中，%+ (%-)为基金经理m买入(卖出)股票n的占比，并同时y+ (y-)为m,n m,nm,n m,n买入（卖出）股票n的金额在基金经理m中的占比。对于每一只股票n,定义其质量如下：6n = 8 - 6n其中,8+ = > y+ nm,n m8 =2nm,n m其中，缩为前文提到的对于股票质量进行度量的因子。通过上面的构造，基于基金经理持仓变化，在此本文修正后的基金经理投资能 力的度量指标如下：疏=琳- 8.其中，8+ =+ 5mm,n nnENm8 =x- 8mm,n nnENm上式表示的是基金经理m在近期买入股票的平均质量与近期卖出股票的平均质 量的差值。其中，隰为基金经理买入高质量股票的局部，8髭为基金经理卖出低 质量股票的局部。本文的度量方法结合了上述这两种选股能力的方面，进行综 合考量。模拟检验模拟检验的目的是评估本文的指标是否可以真正捕捉到基金经理真实的管理能 力。检验结果本文测试了对基金经理表现不同的刻画方法对于基金经理真实管理能力（y）的 效果，如图1所示：图1:指标与真实能力秩相关性N=30N=100oNo6“oa6-o夕0”T=l300班0 340.350 80O.«>0 820 4b0<M00 930 920.931000.27U.400.420.810.820.850.470.T60.77o.a0.940.943000 2TU.440.450.620.830.S50.47O.SO0.S1o.g0.940.95T-5：20.30.040.03U.940.0OST 7T0.M9O.tfO0.9B(1940.051000 VI0 720.740 05OM0 NHii0.930 950.30 g0.9b11000.54<17©O.TSUQ.H40台0 79OAM0 QOO.9»O 94o.smT=10驼0.660 T50T30 960%0 860 850 930 930 990 950 961000680 810§30 970.530馥0<M0 Of0 990 950.963000.060.320.S60.970.55O.Md。-的0<M0.960.09a9b0<M>T-20300.79110.30 98Off70 S90 92O.M0 950 990 90ioaO.&OUMo.rrCI.0X0.就口 S91) U30.93口加0.99C.9h於加O 300 H400 900机0 g。U D30.95ii *>n1 000 950 94iT=30300 940 840.350 980fi>70 890 940 040 930.990 950 961000 SO0 940.860 990B50.89'"0 950 961 000 950 9630000.34O.NbU 99o.as0.8U0.9b0.U50.90J .000.900.1M>资料来源:Journal of Finance,整理其中，每一组参数都是经过10000次模拟测试的平均值。对于T=1这一年，无 论是台还是炉，都比传统的度量方法得到的指标打相对于y拥有更高的秩相关 性。举例而言，对于300个基金经理以及30只股票而言，会以及炉的秩相关性 分别为0.44以及0.45,而冰有0.27。图2 :指标与传统因子相关性资料来源:Journal of Finance,整理MaN=30N=I00j产Sr*aQfl66“夕6，300.320.320.410 400.960.95T=10.490.490.67。质0 9S0.981000.330 330.430.470.930 97i i ：.o0 500.80OSO0.990.983000.330.330.520.510 990.97ii -.n0 500.840.S40.990 99300.550.550碗。650 59091TH0 7b0780.900910 96。961000.560.560*50.7b0.880.910.790.790.940.30.9b030Q0 570.570.780 300 87091OJO0.800 950 960 950 97303680.650.770.770.880 90T=100.870 870.930940.950.961000.690.690.S20.840.S70 900.880.880.950.960.930.%3000 70OTOo.(a0.87O.Hb0 900N90 890.930.960950 9bJO0.850.850.850.860 880.90T=300.950.950.950.950 950 961000 860.860品。月80 8b0.890 950 950 950 90953000 870.570.8b0 890.850.89H0 960.950 96095096图2展示的是不同估计方法与传统方法构建指标的相关性。当T小于等于30 年时，金以及次相比于传统因子与基金经理真实管理能力可以产生更强的相关性。 举例而言，当T=10以及M=N=30时，金以及炉相对于真实管理能力的相关性 为0.77,而传统因子仅为0.68。图3 ：不同方法估计的标准误资料来源:Journal of Finance,整理N=30N=100aj力r*nJ.6”6“302.651.711.450.750J10.11T=10.730.i30490.230 090.121002611 651.400.520 120.100.780.520.490.190 100.133002.621.651.400.470.120.100.780.520.49Q.190.100.13300.M0.360.3»0.230 090.09TH0.160.130.170.110.080.081000.530.360.350.170 090.090.160.130 170.100.090.083000.520.350.33O.iS0.100.090.160.130.170.100.100.08300.260.200.220.160.080.10T=100.08o.as0.120.100.080.081000 260.190.220.130 090.090.0$o.as0.130.090.090.083000 260 190.220.120.090.090.08o.as0 130 090.090 08300.090.090.130.120.080.10T=300.G30.050.100.09O.OSO.OS1000.090.080 130400.090.090,030.050.100.090 090.093000.090.090.130.100.090.090.030.05U 110.090.090.09图3展示的是不同估计方法所产生的的标准误（MSEs）。标准误计算的是基金 经理的评价指标与真实管理能力之间差额的平方项。可以看出，本文构建的指 标相比于传统度量方法可以产生更小的标准误。图4 :不同度量方法与真实能力偏离度Man we ranked W tru« performanceMan we ranked W tru« performanceM«300. T«10. N«tOOmzgss racked by pMormene资料来源:Journal of Finance,整理图4画出了不同刻画方法相比于基金经理真实管理能力的偏离度，正如我们所 看到的，本文所构建的刻画方式对于捕捉基金经理的真实能力更具有实用性， 对于具体应用将于后面进行说明。实证检验模拟回测检验的结果说明本文所构造的指标方以及炉相比于传统指标懑能够 准确的捕捉基金经理的真实管理能力。如果上述成立，那么3以及护应该相比于 传统指标更能预测基金收益率。在这一节中，将在大量样本下，对上述这些指标对基金未来收益率的预测能力 进行测试。数据基金收益率的数据来源于 Center for Research in Securities Prices(CRSP)o 这 些数据都是使用的费后净值，基金经理的持仓数据来自SEC数据库，其中每年 公布两次，但多数基金每个季度就会披露一次持仓。对基金收益的预测性在每个季度的开始，本文计算传统指标对于基金过去至少12个月的收益率进行 回归后所产生的的超过无风险收益的局部，再分别计算本文所构建的指标方以 及炉对于基金收益率的预测性。图5 :因子十档分组检验34S$110KMPanel A. Sort fu»di by post 12 n»ontl&s ofp«riornuinc«Fomo-FrroctiI AFphucm r*fFr*>ncFa1 6?4) 3。0 0001b0 430 750 04i 10IS3 M3 10'1 1 W)I 0-57)lOOOll030iio.«r)(144|fl S4)(2闭(2 311(3.571口。7)“ rr-0.75-0 24-001-0010 187 002.728了加M noiI-O.87)(-1 03(-0 421l-OOJi(-0 01)(?自1)(75«|(4.111：3 23)134 17-0 420 37(J 530.070«70 75i.Si3 374 4bbl 731|41 3)(92”|0 97|<1 OR)(0 |71(1 77)(1 341(3.73)(4Fom Factor Alpha(M r»e»rwnc»mM&aiUFd-1 21-0t>30 191 13。的0 29010)L1233"2011-0 80)10,31112 M1 ”(0 54)(X 29/“画(2.631(2.MI6-1初9 89-0.110 51on0 671971334 305.的(-1 U)(4>S1)o 3&:(-0 17)<00L>(1.32)11 25)c(1 JT|(X4AI0向-0 604200 300 3S0 M0760 180 301.152 92(-0 02110 4.10 61)l 10/a刈<0 32)(AM(i M)；J .1Pnnel B. SoriliiH fund* by entirerecordFM!Vh*Fr0«W1>4 2t>0 30 40Old0 170.240.67x.n1.774.30ri m(9喇(4) 06 !>10 39 f(0 15|U S2)(2 041(?.79|(Nil44。) 7 156L W1 AQ.3J0A0270.2110Vl.bl2.41S.S(1 o7)( I 70),0 90：(1 U)傅理(0 401234)(Joo：(4.UlO夕. IMOg0.310 270.30 521.120.201.343.31439(>0 14>(0.)91» 0 491IA 0(1.0b)(28)(0，(H(2 03)(3.011(4.»7jFwr-Factor AlpHnor r*t*r»*nr*m*twuira9 744 UO.g0740 8S0 000 J61 02I 473.23M 03 i|4| 24)(0.69110 43 i“79(A 22)0 74)(1.62)(2S(2.951。朔-X9 699 27-0 »a 4013?I 01IM2.113 034.70|心函|0 77>n “i(1 Q(2.21)(2 T7|(Wl50 930 320 lioei00 4T0 320例0 393444 00M U)(0.2811107)U 23 )(。.蚓i0 9(1 M)(。刈(3431t90i资料来源:Journal of Finance,整理从图5可以看出，所有三种指标的构建方法均可以对基金未来收益率进行较好 的预测。其中基于Fama-French回归检验的传统指标曲勺十档分组多空收益为 年化5.2%,与此同时，含的多空年化收益率为7.4%以及炉的多空年化收益率为 4.5%o图6 :基于过去12个月对第一个指标的双排检验Panel A. Sorting funds by a and then 6*Quintile of 6*12Quintile of a5Avg.1Quintile of aAvg.342345Fama-FrenchAlpha as rpference mpasurpFour-FactorAlpha asrpfprpncpmeasurei-2.89-0.58-0.120.12-0.18-0.73-1.55-0.950.05-0.760.40-0.562-1.61-i.79-0.530.460.54-0.59-i.28-0.23-i.08-0.011.18-0.283-1.730.2i0.14-0.552.180.05-2.05i.2i0.580.811.280.374-i.050.220.6i0.773.770.86-0.851.200.951.812.291.0852.342.402.604.656.583.711.222.271.912.785.4i2.725-15.222.982.724.536.764.442.773.221.863.545.0i3.28t-stat(2.68)(1.66)(174)(2.58)(3.38)(2.77)(157)(L66)(i.09)1(2.00)(2.66)(2.06)Panel B. Sorting funds by 6* andthen aQuintileQuintile of 6*Quintile of 6*of ai2345Avg.i2345Avg.Fama-French Alphaas referpnce measureFour-Factor Alphaas referencp measurp1-2.24-0.050.242.003.830.76-i.37-0.901.421.012.360.512-2.51-0.2i0.211.523.640.53-i.940.08i.05i.472.1