来源：量化先行者
摘要
文献来源：Dong F , Doukas J A . When Fund Management Skill is More Valuable?[J]. European Financial Management, 2019(5).
推荐原因：基金管理技能是否能让基金经理更准确地识别错误定价的证券，做出更好的投资组合选择，从而获得优异的基金业绩？我们发现，过去业绩出众经验丰富的基金经理能够持续产生经风险调整后的超额回报，尤其是在市场情绪高涨、股票高度分散，以及经济扩张时期。在我们使用“错误发现率”方法控制幸运偏差之后，这种模式仍然存在，这种方法可以将管理者的“技能”与“运气”区分开来。
1. 引言
越来越多的证据表明，由于投资者对信息噪声的认知偏见，金融市场在大多数情况下信息效率是低下的。在过去20年中，噪声交易者一直被认为是造成市场不确定性的主要原因。然而，他对积极管理共同基金业绩的影响仍然是未知的。在本文研究中，我们考察了市场情绪处于市场噪声中最为突出的状态（即市场高度分散，经济扩张，股票错误定价，市场波动性）时，对共同基金经理业绩的影响，尤其是有经验的基金经理？我们考察的是美国国内股票基金经理在市场人气高涨期间的增值能力，这对管理技能是一种严峻的考验，而在这种情况下，更难发现盈利的股票。与以往严峻不同，我们根据一组11个市场异常来识别定价过高的股票（Stambaugh等人，2012），根据基金过去的表现、资本流入、市场高度分散、经济扩张、股票错误定价来评估高人气时期基金技能的附加值，以及市场波动情况，使得高技能（低技能）基金经理改善和维持业绩的可能性更大（更小）。
2. 文献回顾与假说设定
Carhart（1997）表明，当用4因素风险模型衡量时，美国国内股票共同基金的平均净值扣除费用后为负alpha。此外，采用基于特征的基准的1997年（DGTW）发现，平均活跃的美国股票基金可以跑赢其基准、费用总额和交易成本。此外，DGTW发现，一些活跃的股票基金经理的业绩远远超过了他们的基准（不计成本）；其他较新的论文则进一步深入了解了成熟基金的特征（Brands、Brown和Gallagher，2005；Cremers和Petajisto，2009；Cremers等人，2016；Dong和Doukas，2019；Kacperczyk等人，2005）。
从另一个角度来看，Kacperczyk、Nieuwerburgh和Veldkamp（2014）表明，基金经理的技能来自于管理者预测微观基础和宏观基本面的能力，机构投资者收集和分析同一公司信息的能力不同会导致意见不一，导致不同的贸易活动（Knyazeva、Knyazeva和Kostovetsky，2018）。此外，以前的文献表明，如果基金经理专注于他/她有熟悉的资产，那么他/她会获得优异的业绩。例如，Kacperczyk等人（2005）发现，专注于某些特定行业的基金比持有更多元化投资组合的基金表现更好。Cohen，Frazzini和Malloy（2007）表明，如果基金经理和公司董事会成员通过共享教育网络有密切的联系，基金经理更倾向于对这些公司董事会成员所服务的公司进行更大的押注，并发现这些基金在这些持股上的表现明显优于其非关联持股。Kacperczyk和Seru（2007）报告称，根据公共信息改变投资组合分配会降低基金绩效，这支持了基金经理技能来自私人信息而非公共信息的论点。
虽然大部分文献都集中在基金经理选股能力的研究上，但对基金经理市场择时能力的研究结果并不明确。Jiang，Yao和Yu（2007）使用基于共同基金持股的市场时机度量的单一指数模型发现，平均而言，积极型基金经理具有积极的市场择时能力。然而，正如Elton、Gruber和Blake（2012）所示，没有证据表明当使用多指数模型时，市场时机策略会提高基金绩效。有趣的是，由于高科技股的行业轮换影响，市场时机可能对基金业绩产生负面影响。通过在Fama和French（1993）和Carhart（1997）提出的FFC模型基础上增加择时相关变量，Amihud和Goyenko（2013）没有发现高选择性基金具有任何择时技能的证据。同时，很少有研究关注主动型基金经理技能是否随时间而变化的问题。例如，Von Reibnitz（2017）表明市场环境会影响主动策略的有效性，高技能的管理者可以在股票回报的高横截面分散时期产生更高的回报。一些研究侧重于基金业绩与经济周期之间的关系，并报告称，平均而言，主动基金在衰退期的业绩优于扩张期（Glode，2011；Kacperczyk等人，2014、2016；Kosowski，2011；Moskowitz，2000）。
与以往的研究不同，我们认为投资者的行为并不总是理性的，因此，噪声交易者（信号）会影响基金的盈利能力。有两个原因表明，投资者情绪会影响基金经理洞察力和分析能力的盈利能力。首先，投资者情绪水平可以影响整体市场回报和个人股票回报（Amromin& Sharpe，2009；Antoniou，Doukas，& Subrahmanyam，2015；Daniel，Hirshleifer，& Subrahmanyam，1998；Hong and Stein，1999；Miller，1977）。情绪高涨时期，天真的投资者会把股票从其基本价值上赶走。安东尼奥等人（2015）发现CAPM只在投资者情绪低落、资产价格更可能接近其内在价值的悲观时期成立，这表明在情绪高涨的状态下，更为单纯的投资者进入市场的影响是显著的。然而，在乐观时期，情况恰恰相反，噪声交易者关注的是高风险股票，从而高估了高贝塔值的股票。正如Barberis和Thaler（2003）所说，理性投资者或套利者并不会强势地迫使价格回归基本面，因为做空交易者的感性活动是昂贵的和有风险的。此外，机构投资者（尤其是共同基金）的卖空障碍，也是消除价格高估的主要障碍。由于更多非理性和缺乏经验的交易员在情绪高涨时期参与金融市场，资产价格更容易出现波动，因此更难发现良好的投资机会。因此，平均而言，在情绪高涨时期选股能力可能有限，从而导致基金表现不佳。然而，如果基金经理的技能是基于公司特定的分析能力和信息，而不是噪声，那么具有高选择性技能的基金经理应该能够在高涨情绪（股票价格收到的噪声比低情绪期更大）产生优异的基金业绩。经验丰富的基金经理在高情绪状态下创造价值的能力，预计将取决于他们的分析估值技能，以作出有利可图的投资决策，而不是通过投资于被天真投资者青睐的估值过高的股票。相比之下，在情绪低落时期（Amromin& Sharpe，2009；Antoniou等人，2015年；Grinblatt& Keloharju，2001；Lamont& Thaler，2003），不成熟的投资者远离股市，资产价格回归基本面价值。在市场人气低迷时期，股票的交易价格接近基本面价值，这使得基金经理实现显著高阿尔法指数的空间较小。综上所述，这些观点使我们预估，在情绪高涨时期，具有高选择性的基金经理更有可能表现出比低选择性技能的基金经理更好的业绩。
其次，基金业绩可能受到市场异常引起的市场噪声的影响，市场异常是由非理性投资者交易活动造成的，这些活动在情绪高涨时期更为明显（Stambaugh等人，2012）。动量是最显著的市场异常之一，它被描述为过去的赢家（输家）在不久的将来超过（表现不佳）市场基准的趋势。Antoniou等人（2013）找到情绪和趋势之间的紧密联系。他们认为，在高情绪时期，由于投资者认知失调，与情绪方向相反的信息信号传播缓慢，并且他们表明，动量策略只在乐观（高情绪）时期有效。此外，由于卖空限制，共同基金经理更可能押注正面信息。虽然在高情绪时期，由于动量效应，股票往往会被高估，但股价会偏离其内在价值，成熟的基金经理应在高情绪时期利用这种偏离真实价值的趋势，创造更高的回报。也就是说，具有卓越洞察力和分析技能的主动基金经理不仅可以保护基金的业绩不受这种价格价值漂移的影响，而且在投资者情绪高涨的时期，当噪声投资者参与市场的程度较高时，也会产生较高的基金alpha。另一方面，当资产价格较低且接近基本面价值时，他们无法在情绪低落时期产生高alpha，这可能表明在高情绪和波动时期，他们卓越的洞察力和分析技能最为相关。与以往的研究不同，本次调查的新颖之处在于揭示基金经理的业绩是否因投资者情绪的不同而有所不同，特别是在市场信号嘈杂的高情绪时期，基金投资者是否从他们的选择性才能中获益最多。也就是说，我们的目标是检验基金经理创造的价值是否与他们的选择性人才有关，特别是在市场被噪声交易干扰的高情绪时期。
3. 数据采集与模型构建
3.1. 数据与样本选择
与此前大多数使用CRSP共同基金数据库不同，我们使用的是彭博基金数据库，该数据库是1993年为机构投资者建立的，如今广泛应用于金融业。我们的数据样本期为24年，从1990年1月到2014年12月。我们使用24个月的时间窗口来估计选择性和过去的基金alpha，因此数据收集自1987年12月。如果基金有24个月估计期的完整回报数据，我们收集每个基金的每月原始回报。我们也会收集可能与基金业绩相关的基金水平控制变量：换手率（即证券的总销售或总购买量除以基金），年龄，支出比率（即每个基金的年度支出比率），以及TNA。
本文采用的主要情绪指标是Baker和Wurgler（2006）情绪指数（BW）和密歇根大学情绪指数（UM）。虽然乐观和悲观的信念，分别由高和低市场情绪引起，都会影响资产价格，但噪声交易活动更可能是由市场人气高涨，因为在悲观时期，噪声（乐观）的投资者预期将推出市场。此外，持有悲观看法的投资者通常不愿意卖空（Barber&Odean，2008），这导致了市场情绪对资产定价的不对称效应。因此，高情绪指数（即高于平均水平的BW情绪指数或UM情绪指数）被用作确定金融市场充满噪声交易活动时期的可靠指标。BW指数在金融文献中得到了广泛的应用，它由五个投资者倾向于投资股票的指标构成：交易量（纽约证交所总成交量）；派息股票溢价；封闭式基金折价；首次公开募股的数量和首日回报率；我们收集了1990年1月至2014年12月以及整个300个月样本期的BW指数数据。如果t月BW情绪指数高于（低于）所有月度BW情绪指数的中值，则t月被定义为投资者情绪高（低）月。UM指数是在金融市场之外测量的另一种情绪指数，广泛用于金融研究。结果与BW情绪指数的结果一致。此外，我们的研究结果还得到了四种替代情绪指标的支持：信贷市场情绪指数、担忧指数、VIX指数和纽约证交所的TRIN指数，这四项指标在稳健性测试中进行了研究。
3.2. 模型构建
3.2.1. 基金管理的选择性与alpha度量
为了检验基金业绩和管理技能之间的关系是否随时间而变化，特别是如果在情绪高涨时期这种关系更为明显，我们首先采用了主动基金管理文献中介绍的Amihud和Goyenko（2013）的基金管理选择性措施，作为基金业绩（alpha）的预测指标。Amihud和Goyenko（2013年）的基金选择性度量是使用基金在多因素基准模型上回归其收益的R2计算的，即FFC模型。根据Amihud和Goyenko（2013年）的研究，R2较低，与所采用的基准模型的协同运动程度也较低，这表明基金管理具有较高的选择性能力，因为高技能的基金经理基于私人信息管理基金，这使得基金对公共信息的变化不太敏感。在Amihud和Goyenko（2013）中，选择性可表示为
上式表示，当基金的策略更多地基于公司特定信息而不是市场信息时，选择性更高。有人可能会说，通过随机选择股票，管理者可以在不具备任何技能的情况下获得极低的R2。短期内，由R2低的低技能经理主动管理的基金应该被高度竞争的市场淘汰。为了进一步确保样本中R2较低的基金代表由经验丰富的基金经理管理的基金，我们只使用数据超过2年的基金。我们的研究结果证实了该方法的有效性，结果显示基金选择性(1-R2)与基金绩效之间存在显著的正相关关系。
3.2.2. 增值基金管理技能与alpha度量
正如Berk和van Binsbergen（2015）所说，作为第二个也是更直接的基金管理技能衡量标准，我们使用了他们的增值衡量标准。具体而言，Berk and van Binsbergen(2015)通过估算共同基金从资本市场中提取的价值，得出了基金管理技能的测度。Berk和van Binsbergen（2015）指出，投资者认识到这一技能，并通过用更好的基金投资更多的资本来奖励它。他们的方法允许根据基金的额外增值（即，期初总异常收益和基金规模的乘积的平均值）除以2002年12月至2014年12月期间的标准误差来推断基金管理技能。共同基金有着相同的投资机制，除了回报衡量外，价值衡量也被认为是衡量基金业绩的一种直接而恰当的方法。为了衡量基金业绩，总的异常收益率会根据基金规模进行调整。
3.2.3. 股票收益离散度与经济周期测量
以往的文献表明，股票收益的离散性和经济状况会影响市场环境，而市场环境反过来又为有经验的基金经理提供了超越市场表现的机会。与Von Reibnitz(2017)一样，我们计算每个月的市场离散度。计算第t个月(MDt)的股票收益率离散值如下：
对成熟的基金经理的盈利能力有影响的第二个因素是经济状况。以往的文献也表明，经验丰富的基金经理在经济衰退期间投入更多的时间和资源积极管理基金，以保护基金的业绩不受经济衰退的影响(Glode, 2011;Kosowski, 2011)。因此，可以认为投资者情绪对共同基金业绩的影响是由情绪的周期性变化与经济周期之间的相关性引起的。因此，我们使用芝加哥联邦储备银行国家活动指数3个月平均(CFNAI MA3)来捕捉经济周期对基金业绩的影响。CFNAI是一个包含85个现有宏观经济时间序列的国家经济活动的同步指标。
3.2.4. 幸存者偏差测量
尽管我们采用了两种不同的方法来衡量基金经理的技能，以确保我们的结果不受特定指标的影响，但有理由认为，基金业绩可能是由于运气，而非技能。为了将运气与技能区分开来，我们使用了Barras等人(2010)开发的错误发现率方法来估计真正优于基准的共同基金的比例。该方法假设市场上存在三种共同基金业绩类别:零alpha基金(业绩与0没有区别)、正alpha基金(业绩明显好于基准)和负alpha基金(业绩明显差于基准)。每个类别的基金业绩均为正态分布。对于给定的显著性水平γ,幸运的(不幸的)基金在正alpha的基金类别和负alpha基金类别是相同的，计算为
4. 实证研究
4.1. 基金管理选择性绩效分析
我们通过检验基金滞后1-R2指标对基金alpha的预测能力，从而开始检验不同管理技能的主动共同基金的表现是否对投资者情绪敏感。这个过程产生了25(55)个不同选择性的投资组合和不同的基金阿尔法，每个投资组合包含了一个月内全部共同基金的4%。
综上所述，上图中Panel A的结果显示，基金选择技巧越强，基金的风险调整超额收益越高，这与Amihud和Goyenko(2013)的模式高度一致。此外，研究结果还显出，过去的业绩在识别有技能的共同基金经理方面起到了至关重要的作用。正如预测的那样，表2中B组和C组的结果表明，过去业绩优异的高选择性基金经理的业绩始终优于低选择性基金经理。
4.2. 基金组合绩效与股票市场分散性
为了检验在股票市场分散情况下，基金管理技能是否提高了基金的投资组合绩效，我们首先重复我们的基于市场分散的投资组合排序分析。下图中所报告的高(面板A)和低(面板B)市场分散度的结果表明，具有高选择性技能的基金经理表现优于不具备该技能的同行和市场基准，特别是在市场高分散期。这一模式与我们的高情绪结果一致，表明当市场面临相当大的不确定性，且基金投资者比正常时期更难解读金融价格信号时，经验丰富的基金经理也有能力为基金投资者的投资组合增值。
4.3. 基金组合绩效与经济活动
使用CFNAI MA3将样本分为衰退期和扩张期，我们重复使用与上一节(1990 - 2014)相同的样本期进行投资组合排序分析。我们的结果如下图所示，高选择性技巧的基金在经济扩张(4.11% (p = 0.024))中比在经济衰退(3.54% (p = 0.055))中实现了更多的正风险调整超额收益。这些发现表明，经验丰富的基金经理在经济衰退期间提供高alpha值的能力意味着，当他们在不利的经济条件下投资高选择性基金时，基金投资者的境况会更好。这些结果与之前的文献(Kacperczyk et al.，2009)一致，即熟练的主动基金提供了抵御衰退的保险机制。
4.4. 基金管理选择性绩效回归分析
我们使用CAPM模型、FF3模型和FFC模型计算高选择性和低选择性基金投资组合的风险调整收益，结果如下图所示。不出所料，低选择性基金组合在所有三种模式中都提供了显著的负向基金alpha。
随后，我们使用多元回归分析来检验选择性及其与情绪的相互作用对整个样本期的积极基金业绩的影响。
根据Amihud和Goyenko(2013)的证据，与前面的结果和上述预测一致，表6的Panel A的结果表明，所有回归规范的选择性都是正的，并且与基金alpha显著相关；而情绪是负的，且与基金阿尔法显著相关。表明平均而言，当市场被嘈杂的价格信号所困扰时，基金业绩会受到不利影响，而在市场情绪高涨时期，这种情况最有可能出现。而基金管理选择性与情绪交互变量选择性*情绪的系数显著(0.172;p = 0.032)，与基金业绩呈正相关。与我们的假设一致，这一结果表明，在高情绪期，高选择性的基金经理提供高alpha。这意味着，高选择性基金经理有能力在市场充满嘈杂投资者的高人气时期，识别并做出有利于基金投资者的优质投资。
4.5. 幸存者偏差分析
4.5.1. 选择性绩效幸存者偏差分析
对于经验丰富的基金经理的出色业绩，尤其是上文所述的高人气时期，有一种批评认为，这可能是因为运气，而不是因为经理们的能力不同。为了解决这个问题，我们对整个样本进行了Barras等人(2010)的幸运偏差分析，方法是对高情绪期和低情绪期进行重复分析。如下图所示，在我们考虑投资者情绪之后，高(B组)和低(C组)投资者情绪的结果与我们的假设是一致的。结果表明，在市场嘈杂、信息成本高昂的高情绪时期，而非低情绪时期，经验丰富的基金经理的表现始终优于市场基准。
4.5.2. 增值基金绩效幸存者偏差分析
当我们重复使用增值基金alpha作为业绩衡量指标的幸运偏差分析时，我们发现结果上图中报告的结果相似，具体如下图所示。在市场充斥噪声交易员的高人气时期，熟练的基金经理技能更有利可图。在情绪低迷时期，股票更有可能在接近其内在价值的水平上交易，只有一小部分有经验的基金经理为投资者提供显著正的基金alpha，这意味着在情绪低迷时期，选择性技能的价值较低。
4.6. 股票错误定价与共同基金绩效
其次，人们可以辩称，高选择性基金经理在高人气时期的优异业绩，是由投资于容易出现泡沫的股票(即对冲基金)推动的。为了解决这个问题，我们研究了在高情绪时期，当乐观的(噪声的)投资者的观点更加明显，卖空行为有限时，经验丰富的基金经理的卓越业绩是否来自于投资估值过高(容易产生泡沫)的股票。我们发现基金业绩与股票错误定价之间的负相关关系在管理技能较低的基金中更为明显，这表明被高估的股票对不成熟的基金经理更具吸引力。
4.7. 基金资本流动与基金绩效分析
在本节中，我们将通过调查拥有熟练经理和过去卓越业绩的基金是否吸引了更多的资本流入，以及在额外资本流入的影响下，熟练基金经理的卓越业绩是否仍然显著来解决这些问题。与我们的预测一致，下图的结果显示，前一个月的资本流入(Flowt-1)与基金alpha之间存在负相关且显著的关系，这表明额外的资本流入给基金经理带来了更大的投资压力，从而导致基金阿尔法的下降。总体而言，这些结果表明，具有高选择性技能的基金经理通过将其过去业绩导致的资本流入增加，投资于更好的投资机会，从而产生更高的阿尔法。
5. 总结
在这篇论文中，不像以往的大多数文献关注的是基金经理是否提高了基金业绩，我们研究了在高情绪状态下，当证券市场充斥着噪声交易员(信号)时，经验丰富的共同基金经理是否提供了更大的价值(alpha)。总体而言，我们的研究结果最终表明，经验丰富的基金经理能够创造更多价值，并在情绪高涨而非低落时期表现出持续的业绩表现，而在情绪低落时期，噪声交易活动更为明显。
海外文献推荐：因子选股类
