20210714-国信证券-学术文献研究系列第8期_如何刻画基金经理的择时能力_15页_1mb

证券研究报告总结：基金经理择时能力分析

核心内容

本文探讨了基金经理是否具备市场择时能力，并通过使用日度收益率数据来检验这一能力，发现其比使用月度收益率更能准确捕捉基金经理的择时行为。

主要观点

• 择时能力的定义：基金经理的择时能力指的是其在市场上涨前增加权益仓位、市场下跌前减少权益仓位的行为。
• 传统研究的局限：以往研究多使用月度或年度数据进行检验，未能充分捕捉基金经理高频的择时操作。
• 模型构建：本文采用Treynor和Mazuy（TM）模型、Henriksson和Merton（HM）模型以及Goetzmann et al.（GII）模型来度量基金经理的择时能力。
• 数据与方法：使用日度收益率数据对基金经理的择时能力进行分析，并构建合成基金以控制伪结论。
• 结果发现：
  • 使用日度数据进行测试时，有 34.2% 的基金显示出显著的择时能力。
  • 使用月度数据时，仅有 11.9% 的基金显示出显著的择时能力。
  • 使用日度数据时，择时系数的显著性更高，且更准确地反映了基金经理的择时行为。

关键信息

择时模型

• TM模型：
  $$
  r_{p,t} = \alpha_p + \beta_p r_{m,t} + \gamma_p r_{m,t}^2 + \varepsilon_{p,t}
  $$
  $\gamma_p$ 系数衡量择时能力，正系数表示择时能力强，负系数表示择时能力弱。

• HM模型：
  $$
  r_{p,t} = \alpha_p + \beta_p r_{m,t} + \gamma_p r_{m,t}^* + \varepsilon_{p,t}
  $$
  其中，$r_{m,t}^* = I{r_{m,t} > 0} r_{m,t}$，$\gamma_p$ 衡量基金经理基于市场涨跌动态调整仓位的能力。

• GII模型：
  $$
  P_{m,t} = \left(\prod_{\tau = 1}^{N} \max{1 + R_{m,\tau}, 1 + R_{f,\tau}}\right) - 1 - R_{m,t}
  $$
  用于计算市场择时收益率，进一步验证基金经理的择时能力。

数据与变量

• 数据来源：230只基金的日度收益率数据，时间跨度为1985年1月2日至1995年12月29日。
• 合成基金构建：基于基金风格，构建一个不具有择时能力的合成基金，以控制伪结论。
• 合成基金构建方法：将基金的资产配置划分为8个等权资产单元（包括市值、账面市值比、动量、逆向等），通过回归方法确定合成基金收益率。

统计结果

• 日度数据检验：
  • TM模型：40.8% 的基金产生了显著为正的系数，28.1% 的基金产生了显著为负的系数。
  • HM模型：38.2% 的基金产生了显著为正的系数，18.4% 的基金产生了显著为负的系数。
• 月度数据检验：
  • TM模型：33.5% 的基金产生了显著为正的系数，5.3% 的基金产生了显著为负的系数。
  • HM模型：25.6% 的基金产生了显著为正的系数，3.5% 的基金产生了显著为负的系数。
• 显著性测试：使用日度数据进行检验时，择时系数显著性更高，且能够更准确地拒绝“基金经理不具备择时能力”的原假设。

择时能力的统计检验

• Bootstrap方法：用于估计择时系数的标准误，以提高检验的准确性。
• 结果：
  • 日度数据的择时系数平均值更高，且显著性更强。
  • 月度数据中，只有少数基金显示出显著的择时能力，而日度数据中，有更多基金显示出显著的择时能力。

实证研究分析

• 择时系数分布：在日度数据下，大多数基金表现出显著的择时能力，而月度数据下，显著性较低。
• 合成基金的对比：在控制合成基金后，日度数据下基金经理的择时能力仍然显著，说明结论不是统计伪现象。
• 结论：日度数据能够更准确地检验基金经理的择时能力，建议在今后的研究中更多使用日度数据。

风险提示与免责声明

• 本报告基于相关文献，不构成投资建议。
• 数据来源合规，分析基于作者的职业理解，结论力求客观公正。
• 报告内容仅供参考，不构成出售或购买证券的要约或邀请。
• 投资者应自行判断是否采用本报告内容，并承担相应风险。

作者与联系方式

• 证券分析师：张欣慰
  电话：021-60933159
  邮箱：zhangxinwei1@quosen.com.cn
  执业证书编码：S0980520060001

• 联系人：刘凯
  电话：010-88005479
  邮箱：liukai6@guosen.com.cn

附录信息

• 内容目录：包含文献来源、引言、择时模型构建、数据与变量、择时能力检验的统计结果、实证研究、结论等。
• 图表目录：包括基金收益率的描述性统计、样本容量统计、择时模型系数显著性统计、市场择时系数Bootstrap分析等。

总结

本文通过使用日度收益率数据，重新检验了基金经理的择时能力，发现其显著性远高于月度数据。建议未来研究中更多使用高频数据以提高结论的准确性。