天风证券_20180228_海外文献推荐第29期.pdf

金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 1 金融工程金融工程 证券证券研究报告研究报告 2018 年年 02 月月 28 日日 作者作者 吴先兴吴先兴 分析师 SAC 执业证书编号：S1110516120001 18616029821 相关报告相关报告 1 金融工程：金融工程-市场情绪一览 2018-02-27 2018-02-27 2 金融工程：金融工程-因子监控及多因子组合跟踪周报 2018-02-26 3 金融工程：金融工程-市场情绪一览 2018-02-26 2018-02-26 海外文献推荐海外文献推荐 第第 29 期期 风格投资、联动性与股票收益可预测性风格投资、联动性与股票收益可预测性 本文通过对风格收益率与股票收益率的 Fama-Macbeth 模型回归，以及股票风格联动性与股票动量分组收益回测得到了两个结论：1）风格收益率在横截面上具有预测力；2）股票收益与风格收益联动性影响股票层面的动量。这些结论支持风格效应产生股票层面的可预测性和动量的理论。基金真的交易越多赚的越多么？基金真的交易越多赚的越多么？本文构建了基金换手率与绩效相关性的时变模型并开展相关的实证研究。理论推导和实证研究均发现，主动型基金的换手率与它随后的超额收益之间存在正相关关系，且在时间序列下的表现要强于横截面下的表现；同时，对于持有低流动性股票的基金而言，换手率和绩效之间的正相关关系更强，基金具备较强的管理能力。基金换手率同股票错误定价的代理变量之间存在正相关关系。因此对于相似基金来说，基金的换手率有助于预测其未来的业绩表现。风险风险提示提示：本报告内容基于相关文献，不构成投资建议。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 2 内容目录内容目录 风格投资、联动性与股票收益可预测性风格投资、联动性与股票收益可预测性.3 1.简介.3 2.数据.3 3.截面回归.3 4.风格投资、联动性和动量.5 5.结论.6 基金真的交易越多赚的越多么？基金真的交易越多赚的越多么？.7 1.简介.7 2.换手率与绩效相关性模型的估计.8 3.不同基金间的差异性分析.11 4.基金换手率的共性分析.13 5.总结.15 图表目录图表目录 图 1：Fama-Macbeth 模型回归结果.4 图 2：Fama-Macbeth 模型在 NYSE 股票中回归结果.4 图 3：Fama-Macbeth 模型在子样本中回归结果.5 图 4：动量与联动性基础上的月度收益与超额 alpha.6 图 5：不同维度下基金换手率与业绩的相关性分析.12 图 6：不同类别的基金换手率与业绩的相关性分析.13 图 7：不同类别基金的平均换手率走势图.14 图 8：不同类别基金的平均换手率相关性统计.14 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 3 风格投资风格投资、联动性、联动性与股票收益与股票收益可预测性可预测性 文献来源：Wahalab S.Style investing,comovement and return predictability J.Journal of Financial Economics,2013,107(1).推荐原因：Barberis&Shleifer(2003)提出风格投资对风格整体和单项资产的收益率产生动量和反转，也就是单项资产与投资风格之间的联动性。本文也用联动性来定义风格投资，并评估它对动量的影响。高联动动量投资组合，可获得明显高于低联动动量投资组合的未来收益率。总的来说，本文结论表明，风格投资对收益率的可预测性起到作用。1.简介简介 Barberis&Shleifer(2003)提出一个简单的模型来描述投资者基于投资风格的相关表现来分配资本。他们提出了一系列预测，其中一些已获得实证证实。第一，风格层面的逐利行 为 促 成 了 风 格 和 资 产 层 面 的 动 量。Barberis&Shleifer(2003)认 为Moskowitz&Grinblatt(1999),Lewellen(2002),Haugen&Baker(1996)中的实证证实了风格层面的动量能够带来收益(Teo&Woo,2004)。第二，他们表示风格投资产生了风格下资产的额外联动。Barberis,Shleifer&Wurgler(2005)表明一支股票被加入标准普尔 500 指数时，它与标普 500 的联动性增加。最后，他们表示基于风格投资的单项资产收益率在中期产生动量，在更长持有期产生反转。用他们的话说，如果一项资产在上期表现很好，这样的突出表现很可能是由于该项资产是热门风格的一员如果这样，这个投资风格有可能在下期从风格切换者手中持续吸引资金流入，使得该项资产自身在下期也获得很好表现。本文中研究的正是迄今为止尚未考虑的风格投资和资产层面收益率的可预测性之间的联系。本文有两个发现：1、风格收益率在横截面上具有预测力；2、股票收益与风格收益联动性影响股票层面的动量。2.数据数据 样本范围：来自 CRSP 数据库，1965 年 1 月至 2009 年 12 月间在 NYSE,Amex,Nasdaq上进行交易的所有股票。按照 Fama&French(1992)计算和更新市值和账面市值比：计算市值=发行总股数CRSP 月末股价 计算账面市值比=第 t-1 财年末账面价值/第 t-1 年 12 月股票市值 按市值-价值（BP）将全部股票划分为 55 的风格投资组合，计算月市值加权风格收益率，作为每一个落在对应网格中的股票的风格收益率。3.截面截面回归回归 首先利用 Fama-Macbeth 模型来研究市值-价值风格对股票收益率截面上的预测效果。因变量：个股 1 个月，3 个月，6 个月，12 个月的收益率 自变量：市值对数，账面市值比对数，前 6 个月、12 个月的股票、风格收益率 具体三种回归模型（根据自变量范围）：（1）含市值，账面市值比，历史股票收益率的模型（2）含市值，账面市值比，历史风格收益率的模型 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 4 （3）含市值，账面市值比，历史股票收益率和历史风格收益率的模型 计算回归系数的平均斜率和 t-统计量 我们对全市场的股票做 Fama-Macbeth 模型回归，发现从 1965 年到 2009 年，前 12 个月的风格收益率对 1 个月，3 个月，6 个月和 12 个月持有期间的个股未来收益率有着明显的预测作用。一些（但不是所有）情形下，前 6 个月的风格收益率仍是重要的预测因素。图图 1：Fama-Macbeth 模型模型回归结果回归结果 资料来源：Journal of Financial Economics，天风证券研究所 在对 NYSE 的股票进行 Fama-Macbeth 模型回归时发现，如果我们用 NYSE 股票代替所有股票来作为样本股，风格收益的斜率系数具有同样的量级，并且保持统计学意义。图图 2：Fama-Macbeth 模型在模型在 NYSE 股票中回归结果股票中回归结果 资料来源：Journal of Financial Economics，天风证券研究所 如果样本限制在舍弃少数股票（剔除市值最小的 10%个股）后的所有股票，运用前 12个月所得风格收益率可以保持统计学意义。然而，如果运用前 6 个月所得风格收益率，仅对预测长持有期下的未来收益率起重要作用。我们没有发现大盘股（超过 NYSE 市值中值）的历史风格收益率的可预测性，意味着只依赖于价值增长的风格收益率不能帮助预测大盘股收益率在横截面上的变化。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 5 图图 3：Fama-Macbeth 模型在子样本模型在子样本中回归结果中回归结果 资料来源：Journal of Financial Economics，天风证券研究所 4.风格风格投资、联动性投资、联动性和动量和动量 从上文的横截面的回归结果，我们可以知道风格回报对股票的收益率能够起到明显的预测作用。Barberis&Shleifer(2003)的模型中，对于在一个风格网格内部的所有股票，假定所有的风格资金流入都是在一个水平上的，因此风格的逐利行为在同一个风格内部的股票上不能显现出不同的作用。因此本文提出一个假说，那些与风格的关联性越高的个股对于风格的炒作更加敏感。利用个股与风格的联动性，可以提高对个股的收益率的预测效果。联动性的定义，建立日风格收益率对日股票收益率的单因素回归模型：Rist=a+isRst+Rist：第 t 天风格 s 下的i股票收益率；Rst：第 t 天风格 s 的市值加权收益率；注：在计算风格收益率（Rs）时不包含i股票 每支股票至少有 20 个收益率（过去三个月的日收益率）观察值；回归估计一次向前滚动一个月，形成is的时间序列估计；若股票在 6 月底改变风格，按新风格对应的过去收益率计算联动性；回归得到的即个股的联动性指标。依据将股票分为三类联动性投资组合（C1,C2,C3：其中 C3 为联动性最高的组别）。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 6 基于过去 6 个月的收益率将股票分为十组(R1 到 R10，R1 为跌幅最大组即 loser 组，R10 为涨幅最大组即 winner 组)。我们计算了在不同的持有期（3、6、12 个月的情况下），持有根据 C1、C2、C3 划分的 R1、R10 组分为 2*3 个组别，并观察这 6 个组合分别的平均持有收益以及超额 Fama-Macbeth三因素模型的超额收益。在每一个组合上，从 C1 组到 C3 组平均的动量收益贺平均的超额收益率都是上升的。在Panel A 中当 K=6 时，多空组合（long-short portfolios）从 C1 组每月 0.71%的收益率增加到 C3 组每月 1.15%的收益率，同时，超额收益（alphas）也增加了。这一现象和动量效应相似，在 6 个月以内的显著性很强，而持有时间越长其显著性减弱。证明了在中等的持有期内，与风格联动性能够增强个股的动量效应。图图 4：动量动量与联动性基础上的与联动性基础上的月度月度收益与超额收益与超额 alpha 资料来源：Journal of Financial Economics，天风证券研究所 5.结论结论 本文通过对风格收益率与股票收益率的 Fama-Macbeth 模型回归，以及股票风格联动性与股票动量分组收益回测得到了两个结论：第一个结论：风格收益率在横截面上具有预测力 第二个结论：股票收益与风格收益联动性影响股票层面的动量。支持了风格效应产生股票层面的可预测性和动量的理论。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 7 基金真的交易越多赚的越多么？基金真的交易越多赚的越多么？文献来源：文献来源：Pstor,Stambaugh R F,Taylor L A.Do funds make more when they trade more?J.The Journal of Finance,2017,72(4):1483-1528.推荐原因：推荐原因：本文构建了基金换手率与绩效相关性的时变模型并开展相关的实证研究。理论推导和实证研究均发现，主动型基金的换手率与它随后的超额收益之间存在正相关关系，且在时间序列下的表现要强于横截面下的表现；同时，对于持有低流动性股票的基金而言，换手率和绩效之间的正相关关系更强，基金具备较强的管理能力。基金换手率同股票错误定价的代理变量之间存在正相关关系。因此对于相似基金来说，基金的换手率有助于预测其未来的业绩表现。1.简介简介 共同基金为散户投资者投资数万亿美元。尽管被动投资越来越受欢迎，但这笔资金中的绝大部分是积极管理的。鉴于主动型基金的高收费和交易成本，基金管理能力是否能引导积极管理基金的交易一直是一个重要问题。我们通过分析主动型主动型基金交易活动的时间变化来重新审视管理能力。我们提出了一个简单的想法：当基金发现更大的盈利机会时，它会进行更多的交易。如果基金有能力发现并利用这些机会，那么它将在更大的交易量后获得更多的利润。我们依据这一想法建立了存在时间盈利机会的基金交易模型。每一期，基金都会识别交易机会，一个基金的最佳周转额是在均衡价格下能使基金的预期收益最高的周转额。利润机会随着时间的推移而变化，共同决定换手率和业绩。当基金有更多的获利机会时，基金会进行更多的交易。我们的模型的关键含义是基金周转率与后续基金业绩之间的正时序关系。与模型一致，我们发现一个基金的换手率能够正向预测基金的超额收益。这一新的管理能力证据来自我们从 1979 到 2011 年间 3126 只美国股票共同基金样本。这一结果不仅在统计上而且在经济上都是重要的：一个标准偏差的增加与典型基金每年 0.66%的业绩增长有关。基金似乎知道何时是交易的好时机。我们专注于一个基金的换手率和业绩之间的时间序列关系。相反，以前的研究关注的是是否存在跨基金的周转绩效关系，但是这种横截面关系研究结果却大相径庭。我们的样本提供了一个正相关关系，但只有轻微的显著性。与实证结果相一致，我们的模型预测换手率和业绩之间的时间序列的相关性应该比横截面强。原因是给定的交易成本降低了当前收益，而它的利润则增加了未来收益。因此，交易成本不会对时间序列换手率关系造成负面影响，因为它们抑制了与横截面的联系，而利润和交易成本的时间是不相关的。我们的模型还预测，交易低流动性股票的基金，换手率和绩效之间的正相关关系更强，基金具备较强的管理能力。这些基金的换手率对利润机会的反应最好，所以换手率的变化意味着收益机会的更大变化。与这一预测结果相一致，我们发现小公司或小盘股持有的基金的换手绩效与大盘股相比有显著的强化关系。同样，我们发现换手和收益关系在小基金中更为显著，这与小基金交易低流动性股票的能力相一致，因为较小的基金单笔交易的数额偏小。该模型还预测管理能力更强的基金换手与业绩之间的相关关系更强。直观地说，如果一个管理能力不够好的基金在并不存在的盈利机会上交易，那么基金的一些换手率与未来的业绩无关。在假设较高管理能力的基金收取更高的费用的情况下，对于更为昂贵的基金，换手与业绩之前关系应该更强。我们发现了基金换手率共性的有力证据，换手率共性似乎与股票市场的错误定价有关。不同基金的换手率尤其是换手率的第一主成分与潜在的错误定价三个代理变量 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 8 显著相关：投资者情绪，个别股票横截面收益的分散度，股票市场流动性。当投资者情绪敏感、分散度高或者流动性低时，基金的换手率更高，这意味着当基金经理认为出现盈利机会时，股价被错误估计的程度更高。我们还发现，在特征相似的基金中，换手率的共性更高，这表明相似基金在利润机会方面的联动性更强。关于主动型基金管理能力的研究文献十分广泛。过去的研究提供了一个看似负面的判决，因为许多研究表明，主动型基金表现弱于被动的基准。然而，主动型基金可能有更好的管理能力，管理能力强的基金可以收取更高的费用。我们提供了主动管理型基金具备更强的管理能力的新证据。我们的研究结果表明，基金的盈利机会随着时间的推移而变化，基金有能力识别和利用这些机会。虽然其他人已经发现了管理能力的证据，但我们关注收益机会的时间变化似乎是独一无二的。在某种程度上，我们确定了资金管理能力的新维度，即判断何时获利机会更好。我们发现基金能够成功地进行交易活动，这在文献中似乎是新发现的。2.换手率与绩效相关性模型的估计换手率与绩效相关性模型的估计 在这一节中，我们提出了一个随时间变化的利润机会的最优基金换手率的简单模型。当经理发现更多产生 alpha 的机会时，他会频繁交易，所以一个有经验的经理在交易更多之后应该表现得更好。该模型意味着一种正向的绩效关系：一个时间序列回归，基金换手率与基金的后续收益呈正相关。A.盈利机会和交易成本 主动型共同基金追求超额利润。让表示一个给定的换手率，基金可以选择在 t 期期间。如果基金做出最佳的买入卖出决定条件是换手率，让 P（）表示在期间 t+1，去除费用和交易成本前的预期基准调整后的利润（alpha）。以 P（）为代表的利润反映了基金在 t 期利用机会的能力，其中收益是在 t+1 期间发生的。一个典型的例子是购买被低估的证券在 t 期的周期 t+1 的定价偏差的校正。如果基金希望保持一个多样化的股票组合，那么当更高时，基金可能会投资更多的股票。p（）对很可能是凹形的。我们将这种凹利润函数表示为：P()=1 (1)0 0 总结。越高，基金更有利可图。让 C（）表示产生的 t 期内的交易费用。交易成本函数如下：C()=1+(2)0 和 c 0。我们允许这个函数为凸。当较高的值对应于基金交易的任何给定股票时，C（）有凸性。另一方面，如果较高的值对应于基金，主要是更换更多的股票，而不是交易更多的股票，那么 C（）应该接近线性。也就是说，应该接近于零。B.最优换手率 我们假设基金在扣除投资者收取的费用之前，能最大化成本后利润，记得在等式（1）中的 P（）是在费用和交易费用之前的利润。则基金对的选择要解决如下方程 max*P()C()+(3)的目标函数是凹形和驼峰形。一阶条件是(1 )c(1+)=0 (4)金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 9 则最优换手率为=(1)(1+)1+(5)我们看到，当获利机会更好时（即，当较高），基金交易次数更多。此外，较高的交易成本（C）意味着更少的交易。这两种结果都是直观的。当基金决定交易额时，决定条件为均衡价格。我们没有模拟均衡价格的形成（反映了所有基金交易的共同影响），相反，我们相信一个简单的观点：无论价格形成过程如何，如果均衡价格不能在基金选择的换手率水平上为基金提供更高的利润，那么基金就不会最优化。当我们在等式（3）中指定基金的最优化问题时，假设有许多资金，而且任何一个单独的基金在决定交易额时都会考虑均衡价格，从而得出自己的成本利润机会。换言之，C（）并不代表影响基金条件的均衡价格的价格影响。相反，C（）最好被视为对流动性的补偿，为短期头寸提供中介，以便基金和其他投资者之间的最终市场清算。C.与换手率的相关性 我们首先解决方程（5）的，得到=(1+)(1)()+(6)替代为方程（1）当=给出时间序列的关系()=(1+)(1)()1+(7)由方程式（1）和（2）给出的利润和成本可以看作是基金资产的比例，因此它们代表对基金回报率的贡献。基金在扣除费用前实现周期 t+1 的回报+1，等于 P（）加一个零均值偏差减去 C（+1），以期 t+1 选择最佳换手率相关的交易成本。也就是说，使用方程（2）和（7），+1=(1+)(1)()1+c()1+1 (8)+1是实现其预期的成本利润之前均值为零的偏差。如前所述，如果较高的换手率相当于替换更多的股票而不是购买一组给定的股票，很可能接近零。当0，换手率与业绩的关系如下：+1=a+b+1 (9)a=c(11)(10)b=c(11)(11)注意，b 为正时，01 和|1。换言之，基金的最佳换手率与基金的后续回报呈现正的时间序列关系。D.时间序列与横截面 关于基金换手率与业绩关系的研究多集中在横截面上。通常被问到的是，基金的平均换手率和平均回报率之间是否存在相关性。利用方程（10）和（11）给出方程（9）中时间序列关系的无条件期望。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 10 E()=hE()(12)h=1 (13)如果 C 和在基金内相同，那么每个基金的 h 是一样的。在这种情况下，等式（12）代表了基金的平均换手率与平均表现之间的关系。从（12）看出，这种更高的平均换手率是伴随着更高的回报，因为在横截面的关系，h 的斜率是正的（01）。然而，这个横截面斜率低于时间序列关系的斜率：b h=c(1 )(14)时间序列斜率更大，因为与换手率相关的交易成本不会减去基金在同一时期的回报率，即换手率所产生的利润。相反，利润和交易成本的时间是无关的横截面关系。因此，交易成本削弱了时间序列换手与绩效的关系，削弱了截面关系。第二节的实证结果与方程（14）中的时间序列和横截面斜率之间的隐含差异是一致的。E.次优交易 我们上面的模型假定基金交易最佳，但我们也将模型扩展到他们不设置的环境中。当基金进行次优交易时，其在 t 期、周转期内的换手率（小于 3）的收益小于预期利润的最大值。我们假设基金的预期收益不等于倍价值最大化，1。在这个意义上，体现在利用其获利机会基金的管理能力，最大的管理能力（最优交易）对应=1。我们还认为，基金的换手率在最佳交易的平均等于其实际换手率，后者本身不是基金的管理能力。我们总结了主要的观点：一是基金的技术水平越低，其换手率与绩效的关系越弱。人们希望在集合基金中观察到的关系是由如下构成 E(+1|)=+(15)=c(1 )E()(16)=c,1(1)1-(17)是基金的平均。横断面的换手率表现斜率被次优交易降低。这种关系现在变成：E()=E()(18)=1 (19)因为的增加，也增加了。请注意：=c(1 )(20)方程（20）为正且等于（14）。换言之，次优交易降低了时间序列和横截面斜率，但它们之间的差异不受影响。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 11 ,=+,1+,(21)我们探索换手率和业绩关系（21）时使用了 Pastor,，Stambaugh 和 Taylor(2015)构造的数据集，结合 CRSP 和晨星数据获得的样本，得到了 3126 积极管理美国国内股票共同基金，覆盖 19792011 年。为了衡量因变量,，我们遵循上述研究方法，用基金的净收益减去指定的基准指数晨星基金的收益，加上从 CRSP 获取的每月费用比。根据我们的模型，我们使用总回报，即投资者收取费用前的回报，并以月频回归。但基金的换手率只报告其会计年度的总额。因此，我们用变量,1衡量换手率,1。,1表示最近一个会计年度结束前 t 月基金的换手率：,=min(,1,1)(,1)(22)其中的分子是在其最新的会计年度结束前 t 月的基金总采购和销售额，而分母是该基金同期 12 个月期间的平均资产净值总额。3.不同基金间的差异性分析不同基金间的差异性分析 到目前为止，我们的证据表明，典型的基金在交易更多之后表现更好。接下来，我们研究这种时间序列关系是否可用于不同基金。我们将基金区分为四个特征：基金规模、费用比率（或费用），以及两种常见的分类：小盘股和大盘股，价值与成长。对于这四个特征中的每一个，我们将基金分配给三个类别中的一个。对于基金的规模和费用，每个月我们计算基金大小和费用的百分位，,1和,1。我们使用晨星 33风格箱作业，采用基金的持股将基金分为小型，中型，大型，或价值，混合，成长型。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 12 图图 5：不同维度下基金换手率与业绩的相关性分析不同维度下基金换手率与业绩的相关性分析 资料来源：The Journal of Finance，天风证券研究所 上图中A至D的面板报告了用于分类资金的四个特征中每一个的换手率系数估计斜率系数。每个小组报告两套回归分析。在第一组（由控制表示为否）中，方程（21）中的简单回归是在没有附加控制变量的情况下运行的。第二套回归分析（以 控制 为 是）控制了其他三个基金特征。对于后一种回归，每一个小组报告的斜率应解释为适用于某一特定类别中某一类别的基金，并在其他三个面板中具有中间类别的特征值。例如，面板 A中的斜率对应中等大小和中等费用比率的混合基金。表 1 显示 12 个无对照回归中有 11 个显著正相关。大型基金是唯一的例外。换言之，正的换手率和绩效关系在四种分类中所产生的各种基金子集中是非常普遍的。相反，成长性和价值型基金在营业额表现斜率上没有显著差异。我们的模型有助于解释基金换手业绩斜率之间的差异。表 2 表明，小盘基金的换手率 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 13 与大盘相比没有太大的相关性。根据我们的模型，具有较高的 C 使得小盘基金更可能有更高的换手率和业绩斜率。我们从上图中看到，小盘基金确实有较高的估计斜率。图图 6：不同类别的基金换手率与业绩的相关性分析不同类别的基金换手率与业绩的相关性分析 资料来源：The Journal of Finance，天风证券研究所 我们从上图看出，小基金的成交量与基金的成交量相比，有显著的降低。因此，与小盘基金，有较高的 C 使小基金更可能有较高的换手业绩斜率。从第一节中回忆一下，对于管理能力强的基金来说，换手率和收益相关性应该更强一些。费用率与管理费率有密切关系，这可能代表管理能力。费用率并不一定与管理能力无条件呈正相关，相关性的大小，取决于截面上基金的费用和管理能力。4.基金换手率的共性分析基金换手率的共性分析 鉴于我们关注基金换手率的时间变化，很自然地要研究这种变化在多大程度上在基金中是常见的。在这一部分，我们汇总了基金的换手率情况，并探讨了它的时间变化。在我们的模型中，基金换手的时间变化是由基金获利机会的变化所驱动的。这些机会在基金中可能是正相关的。如果盈利机会确实与基金相关，该模型则可以预测基金换手率 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 14 的联动性。为了进一步分析是否存在共同流动，我们首先计算个人基金换手的类别水平平均值。我们考虑与以前相同的基金类别：三个股票规模类别，三个价值增长类别，三个基金规模类别，以及三个费用比率类别。对于每个类别，我们计算该类别中所有基金的平均换手率。具体而言，t 月份的平均换手率是 12 个月会计期间各类别基金的加权平均成交量。图图 7：不同类别基金的平均换手率走势图不同类别基金的平均换手率走势图 资料来源：The Journal of Finance，天风证券研究所 上图绘制了从 1979 到 2011 年间的不同类别基金平均换手率的时间序列。这个数字显示了成交量的强劲流动。平均换手率的时间序列在四个面板内部和全部之间高度相关。例如，小型股和大盘股之间的平均换手率，两者都是在 A 组中绘制的，是 67%。我们还观察到价值和增长基金（B 组）、小型和大型基金（C 组）、高费用和低费用基金的平均周转率之间的高度相关性（小组 D）。每个面板中的两两相关性都在表四中显示。在我们的模型中，这一换手率变动的证据表明，即使在不同特征的基金之间，利润机会也正相关。图图 8：不同类别基金的平均换手率相关性统计不同类别基金的平均换手率相关性统计 资料来源：The Journal of Finance，天风证券研究所 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 15 上图的 B 面板提供了关于成长型基金比价值基金交易结果更多的证据。有趣的是，成长型基金的换手率不仅超过平均值，在每一年都超过价值基金，而且幅度很大。我们也在D 中看到，更昂贵的基金往往比便宜的基金更有价值。除了计算类级别的平均周转率，我们还计算总的水平。我们让AvgTurn表示所有基金的平均个人基金换手率。AvgTurn是在基金会计期间包含t月的平均换手率，从1979到2011每年在 59%和 102%之间变化。它与个人基金换手率的第一主成分具有 95%的相关性。因此，我们认为AvgTurn是最简单的测量换手率常见成分的方法。5.总结总结 我们建立了一个随时间变化的基金交易模型。该模型的关键是一个主动型基金换手率与其随后的超额收益之间的正相关关系。我们在大量的主动股票型基金的样本中发现了对这种相关性的有力证据。基金表现出识别时变获利机会并相应调整其交易活动的能力。正如我们的模型预测的那样，这个时间序列的换手率和回报之间的关系比横截面关系强。我们还提供了基金流动性共性的有力证据。换手的共同组成部分，平均换手率，与错误定价代理呈正相关。当投资者情绪敏感、分散度高或者流动性低时，基金的交易量更高，这意味着当基金经理认为出现盈利机会时，股价被错误估计的程度更高。在特征相似的基金中，换手率的共性更高。同类基金平均换手率对基金回报率有正向预测作用。相似基金的平均换手率有助于捕捉基金的真实换手率，从而有助于预测基金的业绩。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 16 分析师声明分析师声明 本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告所表述的所有观点均准确地反映了我们对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与，不与，也将不会与本报告中的具体投资建议或观点有直接或间接联系。一般声明一般声明 除非另有规定，本报告中的所有材料版权均属天风证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）及其附属机构（以下统称天风证券）。未经天风证券事先书面授权，不得以任何方式修改、发送或者复制本报告及其所包含的材料、内容。所有本报告中使用的商标、服务标识及标记均为天风证券的商标、服务标识及标记。本报告是机密的，仅供我们的客户使用，天风证券不因收件人收到本报告而视其为天风证券的客户。本报告中的信息均来源于我们认为可靠的已公开资料，但天风证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供客户参考，不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，天风证券及/或其关联人员均不承担任何法律责任。本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，天风证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。天风证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。天风证券没有将此意见及建议向报告所有接收者进行更新的义务。天风证券的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。特别声明特别声明 在法律许可的情况下，天风证券可能会持有本报告中提及公司所发行的证券并进行交易，也可能为这些公司提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。因此，投资者应当考虑到天风证券及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突，投资者请勿将本报告视为投资或其他决定的唯一参考依据。投资评级声明投资评级声明 类别类别 说明说明 评级评级 体系体系 股票投资评级 自报告日后的 6 个月内，相对同期沪 深 300 指数的涨跌幅 行业投资评级 自报告日后的 6 个月内，相对同期沪 深 300 指数的涨跌幅 买入 预期股价相对收益 20%以上 增持 预期股价相对收益 10%-20%持有 预期股价相对收益-10%-10%卖出 预期股价相对收益-10%以下 强于大市 预期行业指数涨幅 5%以上 中性 预期行业指数涨幅-5%-5%弱于大市 预期行业指数涨幅-5%以下 天风天风证券研究证券研究 北京北京 武汉武汉 上海上海 深圳深圳 北京市西城区佟麟阁路 36 号 邮编：100031 邮箱： 湖北武汉市武昌区中南路 99 号保利广场 A 座 37 楼 邮编：430071 电话：(8627)-87618889 传真：(8627)-87618863 邮箱： 上海市浦东新区兰花路 333 号 333 世纪大厦 20 楼 邮编：201204 电话：(8621)-68815388 传真：(8621)-68812910 邮箱： 深圳市福田区益田路 4068 号 卓越时代广场 36 楼 邮编：518017 电话：(86755)-82566970 传真：(86755)-23913441 邮箱：