我国基金选股选时能力实证分析，本文主要内容关键词为：实证论文,选股论文,能力论文,我国论文,基金论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、文献回顾
我国证券投资基金近年来发展迅速，如何客观公正地对它们的绩效进行评价，是理论界和实务界都十分关心的问题。
在国外，最初的基金绩效评价是通过比较基金在评价期内的收益率而进行的，没有考虑风险的大小对投资组合表现的重大影响。后来的评价引入了风险因素，出现了经典的三大风险调整绩效衡量方法：Treynor指数、Sharpe指数和Jensen指数。但这些单一指数的风险调整衡量方法仍未考虑基金组合期望收益和风险的时变性，即基金经理能够主动改变组合的风险状况从而使代表风险大小的值发生变化。进一步的研究通过业绩分解对基金经理的选时能力和选股能力进行了衡量，这方面的主要模型有T-M模型（Treynor and Mosuy，1966）和H-M模型（Henriksson and Merton，1981），对基金选股选时能力的研究已成为基金绩效评价的重要内容。这些模型出现后许多学者利用其做了大量的实证研究，结论与提出上述模型的经典文章基本相同，即绝大多数的基金呈现出一种负的选时能力，没有证据表明基金经理具有把握市场时机的能力。
上述模型大都建立在CAPM的基础上，但CAPM仅以市场基准组合作为影响基金绩效的解释因素其解释效力值得怀疑，同时不同的基准对基金绩效评价的影响很大。在APT模型基础上，一些学者试图通过增加回归方程中的解释变量来增强对基金绩效评价的说服力，发展了多因素绩效评价模型。Fama与French（1993）的三因素模型是其中最为重要的模型，它通过增加小盘股组合超过大盘股组合的收益率（SMB）和高BE/ME（账面值市值比）股票组合超过低BE/ME股票组合的收益率（HML）这两个因素来调整风险。多因素模型尽管能够有效提高模型的解释力，但APT理论并没有对风险资产定价所需的全部因素做出明确的规定，因此在因素的选择上具有主观性。国内对于单因素模型与多因素模型的优劣尚存争议：王聪（2001）认为在我国多因素模型所选择的指标还待进一步的实证检验，如市场平均指数收益、股票规模、BE/ME等等，因此对我国基金绩效的评估选择单因素模型比多因素模型更适宜。汪光成（2002）的实证结果也未表现出对单因素模型的质量有显著提高的能力。而张文璋（2002）和杜书明（2003）则认为，采用三因素模型可以显著地提高模型的解释力，其考虑的规模因素和价值因素确实对基金的绩效表现具有重要影响。
绝大多数实证研究结果均认为，没有足够的证据表明我国基金具有市场时机选择能力。在证券选择能力方面，张新、杜书明（2002）认为，样本基金也没有明显的证券选择能力，基金管理人的投资才能在基金业绩中的作用不显著，而沈维涛、黄兴孪（2001）和张文璋（2002）则认为，我国基金能够战胜市场组合是通过一定的证券选择来获得的，基金的证券选择能力较强。事实上，样本频率过小可能会对基金选股选时能力评价有负面影响。Goetzmann，Ingersoll与Ivkovic（2000）的研究表明，样本频率为月度收益率时可能会体现不出基金的选时能力，因为经理人对市场变动的把握节奏可能更快，而较长的取样周期（如月度）降低了时机选择能力计算的敏感性。Bollen和Busse（2001）用三个模型同时用日数据和月数据进行对比研究，日数据显示了更强的解释功能，证实了取样频率对绩效评估的影响。由于我国基金发展时间较短，样本数较小，在统计上可能不够可靠，而目前国内文献几乎都是以月收益率为基础进行研究的。据汪光成（2002）估计，这样做的原因可能只不过是因为国外文献基本上是以月度或季度收益率为基础进行研究的，国内学者也纷纷效仿，其实国外之所以这样做主要原因在于研究者最常用的两个数据库Morningstar和CSRP中缺乏日或周数据。
我们认为，由于我国股市波动性大，且行情呈现明显的年度特征，事实上基金操作也有较为频繁的波段考虑，如果取样周期过长，基金仓位的调整可能无法及时体现，因此采用周收益率为研究基础也有可取之处。同时，也有必要进行分年度检验。由于上述原因，本文将运用T-M模型和H-M模型及其FF3改进模型对我国证券投资基金业绩进行实证研究，在处理过程中将考虑区分不同时间段和不同取样频率的影响。
二、研究设计
（一）本文涉及的模型
1.T-M模型。该模型由Treynor与Mssuy提出。他们在证券市场回归模型中加入二次项：R[，pt]-R[，ft]=α+β[，1]（R[，mt]-R[，ft]）+β[，2]（R[mt]-R[，ft]）[2]+ε。式中：α为常数项，是基金收益率与相同系统风险水平上的市场投资组合收益率差异，表示基金经理的选股能力。如果β[，2]>0，表明基金经理具有成功的选时能力。
2.H-M模型。由Henriksson与Merton提出，在证券市场回归模型中加入一个虚拟变量D：R[，pt]-R[，ft]=α+β[，1]（R[，mt]-R[，ft]）+β[，2]（R[，mt]-R[，ft]）D+ε。当R[，mt]>R[，ft]时，D=1；当R[，mt]
3.Fama和French的三因素模型（以下简称FF3模型）。他们认为，股票市场指数、公司规模、B/P值是影响股票组合的三个主要风险要素，从而提出了三因素模型：R[，it]-R[，ft]=α[，i]+β[，il]（R[，mt]-R[，ft]）+β[，i2]HML[，t]+β[，i3]SMB[，t]+ε[，it]。其中，R[，mt]=准市场组合在时间段t的收益率；HML[，t]=高面值/市值比减低面值/市值比组合在时间段t的收益率；SMB[，t]=小公司组合减大公司组合在时间段t的收益率。
4.FF3方法对选股选时能力模型的改进。改进后的模型分别简称为T-M-FF3模型和H-M-FF3模型，增加了FF3中小盘股组合超过大盘股组合的收益率（SMB），高BE-ME（账面值市值比）股票组合超过低BE/ME股票组合的收益率（HML）这两个因素。
T-M-FF3模型表达式为：R[，pt]-R[，ft]=α+β[，1]（R[，mt]-R[，ft]）+β[，2]（R[，mt]-R[，ft]）[2]+β[，3]SMB+β[，4]HML+ε
H-M-FF3模型表达式为：R[，pt]-R[，ft]=α+β[，1]（R[，mt]-R[，ft]）+β[，2]（R[，mt]-R[，ft]）D+β[，3]SMB+β[，4]HML+ε
（二）本文采用的数据与方法
1.数据范围及其来源。
本文的研究样本为设立于1999年12月31日之前的31只封闭式基金在2000年12月29日至2004年7月16日期间的业绩表现。之所以放弃2000年的数据，主要是因为新股配售的影响到该年末才基本结束。（注：我国证券基金发展之初为了扶植基金发展而给予了基金新股配售方面的特权，使得基金可以在几乎没有任何风险的情况下获得极大的额外收益，对基金业绩有极大影响。2000年5月证监会取消了基金这方面的特权，但新股配售的影响直至2000年末才结束。根据张新、杜书明（2002）的研究，新股配售政策对基金净值增长率的平均贡献率在1999年和2000年分别达到了47.4％和30.9％。）尽管有一些实证研究如张文璋（2002）认为采用依赖于模型的风险业绩评价方法时，最好不要采用任何方法试图剔除新股配售因素的影响；同时也存在各种剔除新股配售影响的方法，如沈维涛、黄兴孪（2001）和杜书明（2003）。但为了研究的连续性和真实、合理地评价基金业绩，本文放弃了2000年的数据，直接从不受新股配售影响的2001年初开始计算。本文所有基金周净值数据均来源于中信证券网站提供下载的中信交易专业版软件，在评价期内各样本基金均有177个周净值数据可资利用。基金月收益率无法直接获得，其计算方法是：以4周为一个月计，可导出45个月净值，得到44个净值增长率数据。本文采用SPSS10.0软件进行数据分析。
2.收益率的计算。在对基金业绩表现进行较长时期的基本描述时，考虑到基金分红对收益率计算产生的影响，我们采用了时间加权收益率，分别计算分红前后的分段收益率，时间加权收益率可由分段收益率的连乘得到。而在对基金业绩进一步考察时，我们需对基金月收益率进行计算：R[，pt]=（NAV[，t]+D[，t]）/NAV[，t]-1。式中，NAV[，t]与NAV[，t-1]分别为基金第t月和第t-1月的期末单位净值，D[，t]为该月内的单位基金分红。
3.市场基准组合的选取。一般来说，市场指数就可以代表市场基准组合对基金业绩进行评价。但由于《证券投资基金管理暂行办法》的限制，我国基金在资产组合中必须有不低于20％的国债资产，因此现成的股票市场指数不宜直接用作我们进行基金业绩评价所采取的市场基准组合。本文采用的市场基准组合以中信指数占80％，其余20％为国债收益率，我们用相应的无风险收益率来代替。我们还将利用四种中信风格指数来计算FF3改进模型中的SMB和HML，具体为：SMB等于中信小盘指数收益率减去中信大盘指数收益率，HML等于中信价值指数收益率减去中信成长指数收益率，这些指数数据也是来源于中信交易专业版软件。
4.无风险收益率的确定。国外一般采用国债收益率作为无风险收益率。张新、杜书明（2002）也采用上交所28天的国债回购利率作为无风险收益率，并同时作对数化处理。但是目前我国国债市场仍处于交易所市场和银行间市场的分割状态，不同市场上利率存在背离，不宜采用。本文选择1年期定期存款利率作为无风险收益率，并按52周折算为周利率。在样本期该利率经过2002年2月21日的一次下调，由2.25％调整到1.98％，所以本文按变化的长短进行了调整，经调整的平均年无风险收益率为2.0508％，月收益率为0.1709％。
5.基金投资组合β值的确定。本文对基金投资组合β值的确定，是通过基金周收益率与市场基准组合周收益率根据CAPM进行回归来估计的，估计方程为：R[，pt]-R[，f]=α+β（R[，mt]-R[，f]）
三、实证结果与分析
表1将T-M模型和H-M模型以及FF3模型的检验结果放在一起进行比较。（注：限于篇幅，各表均是对31只基金实证结果的归纳，已大大简化。其中F检验的显著性水平为5％，t检验的显著性水平为10％。调整后R[2]、系数估计值和系数t检验（p值）均为平均敷。各模型的F检验均在较高的显著性水平上通过检验。）表1的左半部分是建立在CAPM上的原模型的检验结果，F检验均在5％的显著性水平上通过检验，调整后的R[2]除少数几个基金外都超过0.6，模型平均值均超过0.6，说明模型还比较精确，回归拟合效果尚显著。从选时能力来看，只有T-M模型下有3只基金具有正的β[，2]估计值，且其在10％的显著性水平上没有一只基金的β[，2]估计值显著为正，这说明了几乎全部基金都不具有选时能力。从选股能力来看，尽管绝大部分基金都具有正的选股系数α，α的估计值均为正，但这些正值都非常小，同时也分别只有4只和3只基金在10％的显著性水平上通过t检验，说明这些基金只是具有很小的选股能力。而另一方面，各基金的β[，1]估计值都非常高，且以很高的水平通过显著性检验，与α和β[，2]相比表明影响基金收益的最主要因素还是基金的风险水平，没有充分理由说明通过选股和选时能够增加基金的超额收益。
表1 基于CAPM和FF3基础的选股选时能力模型实证结果比较
┌─────────────────────────────────┬──────────────────────────────────┐
│建立在CAPM基础上的原模型 │经FF3改进后的模型
│
├────┬─────┬────┬──────┬─────┬────┼──────┬─────┬────┬─────┬─────┬────┤
│ 模型 │ 调整│系 │ 估计值│ t检验
│ 为正显│ 模型 │ 调整│系 │ 估计值 │ t检验
│ 为正显│
│ 名称 │ 后R[2] │数 ││ P值 │ 著个数│ 名称 │ 后R[2] │数 │ │ p值 │ 著个数│
├────┼─────┼────┼──────┼─────┼────┼──────┼─────┼────┼─────┼─────┼────┤
││ │ α│ 0.0058│ 0.2782 │4
││ │ α│0.0058│0.204 │10 │
││ ├────┼──────┼─────┼────┤│ ├────┼─────┼─────┼────┤
│ T-M
│ 0.6385 │ β[，1]│ 0.6882│0 │31 │T-M-FF3 │ 0.8050 │ β[，1]│0.7938│0 │31 │
││ ├────┼──────┼─────┼────┤│ ├────┼─────┼─────┼────┤
││ │ β[，2]│ -0.7377
│ 0.5756 │0
││ │ β[，2]│-1.6853
│0.1381│0
│
├────┼─────┼────┼──────┼─────┼────┼──────┼─────┼────┼─────┼─────┼────┤
││ │ α│ 0.0080│ 0.2516 │3
││ │ α│0.0089│0.1121│20 │
││ ├────┼──────┼─────┼────┤│ ├────┼─────┼─────┼────┤
│ H-M
│ 0.6403 │ β[，1]│ 0.7834│0 │31 │H-M-FF3 │ 0.8062 │ β[，1]│0.9653│0 │31 │
││ ├────┼──────┼─────┼────┤│ ├────┼─────┼─────┼────┤
││ │ β[，2]│ -0.2029
│ 0.4828 │0
││ │ β[，2]│-0.3707
│0.1207│0
│
└────┴─────┴────┴──────┴─────┴────┴──────┴─────┴────┴─────┴─────┴────┘
表1的右半部分是T-M模型和H-M模型的FF3改进模型检验结果。我们可以看到，基于FF3的各改进模型的调整后R[2]与原模型相比均有显著提高，说明通过增加SMB和HML这两个解释因素后的FF3改进模型对基金收益具有更强的解释能力。从选股能力。的估计值来看，其表现也比原模型有了很大提高：几乎全部基金的。估计值均为正，且在10％的显著性水平下T-M-FF3模型有10只基金通过检验，H-M-FF3模型有20只基金通过检验。从选时能力来看，T-M-FF3模型与H-M-FF3模型下都没有基金具有正的β[,2]估计值，这表明全部基金都不具有选时能力，甚至基金还表现出负向的选时能力。
表2对运用T-M模型、H-M模型及其FF3改进模型得到的31只基金选股能力参数α和选时能力参数β[,2]进行了Pearson相关系数检验。从表2来看，四个模型体现的基金选股能力和选时能力的相关性都为负数，不仅Pearson相关系数绝对值较大，而且均以较大显著性顺利通过检验。这进一步说明，我国基金能够同时具有选股能力和选时能力的可能性是很小的，更多的情况是基金具有正向的选股能力同时又具有负向的选时能力。
表2 不同方法选股和选时能力Pearson相关系数
T-M H-M T-M-FF3 H-M-FF3
系数值-0.4-0.651 -0.346 -0.558
伴随概率 0.026
0
0.057
0.001
表3是利用周收益率在更高采样频率的基础上对T-M模型和H-M模型以及其FF3改进模型进行检验的结果。在采用更高的取样频率后，尽管各改进模型仍然在很高的显著性水平上通过F检验，但调整后R[2]与原模型相比并没有提高反而下降了，这可能说明了影响更短期间超额收益的因素比较长时期超额收益的因素更为复杂，仅用少量几个因素不足以较完整地反映产生超额收益的原因。但从选股能力的。估计值来看，其表现比采用月收益率情况下有了很大提高：几乎全部基金的。估计值均为正，且在10％的显著性水平下T—M和H—M模型均有7只基金通过检验，它们的FF3改进模型分别有23只和25只基金通过检验。从选时能力来看，T-M-FF3模型与H-M-FF3模型下都没有基金具有正的β[,2]估计值，这仍然表明了全部基金都不具有选时能力，而且基金还表现出负向的选时能力。表3的实证结果还表明，和采用月收益率一样，在采用周收益率时，经FF3改进后模型的调整后R[2]和选股能力。估计值也比原模型有了显著提高。
表3 采用周收益率数据的选股选时能力模型实证结果比较
┌───────────────────────────────┬──────────────────────────────────┐
│建立在CAPM基础上的原模型 │经FF3改进后的模型
│
├───┬─────┬────┬─────┬─────┬────┼──────┬─────┬────┬──────┬─────┬───┤
│ 模型│ 调整│系 │估计值│t检验 │ 为正显│ 模型 │ 调整│系 │估计值 │t检验 │为正显│
│ 名称│ 后R[2] │数 │ │P值
│ 著个数│ 名称 │ 后R[2] │数 ││p值
│著个数│
├───┼─────┼────┼─────┼─────┼────┼──────┼─────┼────┼──────┼─────┼───┤
│ │ │ α│ 0.0017 │ 0.2273 │7
││ ││ 0.0017│ 0.1032 │23│
│ │ ├────┼─────┼─────┼────┤│ ├────┼──────┼─────┼───┤
│T-M
│ 0.5913 │ β[，1]│ 0.6312 │0 │31 │T-M-FF3 │ 0.7532 │ β[，1]│ 0.7598│ 0
│31│
│ │ ├────┼─────┼─────┼────┤│ ├────┼──────┼─────┼───┤
│ │ │ β[，2]│ -1.8194 │ 0.2605 │0
││ │ β[，2]│ -2.4325
│ 0.0285 │0 │
├───┼─────┼────┼─────┼─────┼────┼──────┼─────┼────┼──────┼─────┼───┤
│ │ │ α│ 0.0024 │ 0.1432 │7
││ ││ 0.0026│ 0.0622 │25│
│ │ ├────┼─────┼─────┼────┤│ ├────┼──────┼─────┼───┤
│H-M
│ 0.6052 │ β[，1]│ 0.7281 │0 │31 │H-M-FF3 │ 0.7482 │ β[，1]│ 0.8748│ 0
│31│
│ │ ├────┼─────┼─────┼────┤│ ├────┼──────┼─────┼───┤
│ │ │ β[，2]│ -0.1576 │ 0.2467 │0
││ │ β[，2]│ -0.2501│ 0.0494 │0 │
└───┴─────┴────┴─────┴─────┴────┴──────┴─────┴────┴──────┴─────┴───┘
由于周收益率的采用，分年度检验将不会因为样本数过小而没有统计上的意义。表4是我们利用T-M-FF3模型对样本基金进行了2001、2002和2003年的分年度检验。实证结果显示，各年度基金所表现出的选股能力有一定差别。2001年，表现为正向选股能力的基金有29只，其中4只显著。2002年，表现为正向选股能力的基金有15只，其中只有3只显著。2003年，表现为正向选股能力的基金有24只，但没有1只显著。在分年度检验中仍然不存在β[,2]系数显著为正的基金，说明基金在较短的样本期间内仍旧不能有效把握市场机会创造超额收益。
表4 T-M-FF3模型的分年度检验结果
┌─────┬──────────────────┬─────────────────┬─────┬───────────┐
│ │2001年（调整后R[2]=0.7709） │ 2002年（调整后R[2]=0.8587） │2003年│（调整后R[2]=0.7446） │
├─────┼──────┬─────┬─────┼──────┬─────┬────┼─────┼─────┬─────┤
│ ││ │ 为正显 ││ │ 为正显│ │ │为正显│
│ 系 数 │ 估计值│t检验P值 │ │ 估计值│t检验p值 ││ 估计值 │T检验p值 │ │
│ ││ │ 著个数 ││ │ 著个数│ │ │著个数│
├─────┼──────┼─────┼─────┼──────┼─────┼────┼─────┼─────┼─────┤
│ α │ 0.0014│ 0.4025 │4 │ 0.0001│ 0.6346 │3
│ 0.0008 │ 0.5849 │0 │
├─────┼──────┼─────┼─────┼──────┼─────┼────┼─────┼─────┼─────┤
│ β[，1] │ 0.7168│ 0.0000 │31│ 0.6554│ 0.0000 │31 │ 0.8132 │ 0.0000 │31│
├─────┼──────┼─────┼─────┼──────┼─────┼────┼─────┼─────┼─────┤
│ β[，2] │ -2.7496
│ 0.2363 │0 │ -1.2253
│ 0.2055 │0
│ 0.5060 │ 0.5984 │0 │
└─────┴──────┴─────┴─────┴──────┴─────┴────┴─────┴─────┴─────┘
四、简要结论
1.通过T-M和H-M模型及它们的FF3改进模型检验，我们认为我国基金只存在较小程度的择股能力，基本不存在择时能力。我国基金能够同时具有选股能力和选时能力的可能性是很小的，更多的情况是基金具有正向的选股能力同时又具有负向的选时能力。这样，没有充分理由说明我国基金能通过选股和选时增加收益，而影响基金收益水平的最主要因素还是基金的市场风险水平。造成这种现象的原因一方面可能由于基金经理的专业水平有待提高，另一方面可能由于我国证券市场波动较大，市场投机气氛浓厚，基金坚守价值投资和长线操作理念存在困难。要降低基金风险水平，应加快引入风险规避机制和工具。
2.T-M和H-M模型的FF3改进与原模型相比解释能力有了显著提高，同时选股能力α估计值在单因素模型和多因素模型下存在较大差别，表明在可能的情况下使用多因素模型比单因素模型更好。至于多因素模型所选择的指标，在我国现阶段不应选取国民生产总值、物价指数和货币供给量等对股票收益率影响不大的宏观因素，而应选取股指走势、股票规模和动量指标等较微观层面的因素，何种指标对基金收益更具有解释效力仍有待于进一步的实证研究。
3.在提高采样频率用周收益率作为研究基础后，对基金选股能力的评价显著提高，但选时能力的评价依旧不高。就选股能力来说，恐怕是因为基金重仓于业绩优良流动性好的大盘兰筹股，这是市场的主流板块，与比较基准相比波动不大，取样频率加大后市场的波动更凸现出来放大了基金的相对选股能力。而频繁波动的市场对基金仓位调整提出了更高的要求，采样频率的提高并不能“帮助”基金提升其选时能力，反而会加大基金无法把握市场机会的概率。
4.在分年度检验中，特定时间段内个别基金表现出较强的选股能力，但没有明显证据可以表明特定基金具有持续的选股能力和选时能力。这可能是由于基金已经逐渐成为市场的主力机构，已经成为参与市场行情的重要力量，甚至一些行情就是以基金为首发起的。基金积极参与市场有利于基金理性投资理念在市场中的示范效应，对于规范证券市场有着重要作用。
标签：基金论文; 选股论文; 基金风险论文; 能力模型论文; 基金收益率论文; 实证分析论文; 风险模型论文; t检验论文;