海外文献速览系列之八：基金经理的因子择时能力-20210922-东兴证券-22页_1mb

报告摘要

基金经理的因子择时能力总结

核心内容

本文探讨了对冲基金经理在因子择时方面的表现及其决定因素。作者基于美国市场数据，利用Fung-Hsieh八因子模型对因子择时能力进行了衡量，并通过实证分析揭示了基金经理在不同因子上的择时能力差异。此外，作者还研究了基金特征如何影响因子择时能力，并验证了因子择时能力与基金业绩之间的关系。

主要观点

因子择时能力的存在：对冲基金经理确实具备因子择时能力，这种能力可以通过基金在不同时间段的因子暴露变化与未来收益的相关性进行衡量。
择时能力与业绩相关：因子择时能力与基金的业绩表现显著相关，并且具有一定的持续性，能够预测未来的业绩表现。
择时能力的持续性：基金的择时能力在时间上具有一定的持续性，这使得它成为评估基金经理技能的重要指标。
不同因子的择时表现差异：基金经理在不同因子上的择时能力存在显著差异，其中市场因子和规模因子的择时能力较强，而信用因子和商品趋势因子则相对较弱。
基金特征的影响：基金的年龄、使用衍生品、没有锁定期以及没有有效审计等特征与因子择时能力正相关，而管理费和激励费则对某些因子的择时能力产生负面影响。

关键信息

因子择时能力的衡量

作者使用了扩展的Treynor和Mazuy模型，通过将因子暴露表示为因子回报预测的函数，进而评估基金的择时能力。该模型将基金回报表示为：

$$
R _ {i, t + 1} = \alpha_ {i} + \sum_ {j = 1} ^ {J} \left(\beta_ {i, j} f _ {j, t + 1} + \gamma_ {i, j} f _ {j, t + 1} ^ {2} \right) + \varepsilon_ {i, t + 1}
$$

其中，$\gamma_{i,j}$ 表示基金对因子 $j$ 的择时能力。

择时能力的统计检验

作者采用自展分析（Bootstrap）来检验因子择时能力是否源于实际技能或随机变化。结果显示，择时能力并非由统计噪声驱动，而是基于实际能力。

不同因子的择时能力分布

市场因子（MKT）：约 9.2% 的基金在 5% 显著性水平上表现出正向择时能力。
规模因子（SMB）：约 15.0% 的基金在 5% 显著性水平上表现出正向择时能力。
债券因子（BOND）：约 9.6% 的基金在 5% 显著性水平上表现出正向择时能力。
信用因子（CREDIT）：约 14.8% 的基金在 5% 显著性水平上表现出负向择时能力。
债券趋势因子（PTFSBD）：约 5.48% 的基金在 5% 显著性水平上表现出正向择时能力。
货币趋势因子（PTFSFX）：约 4.75% 的基金在 5% 显著性水平上表现出正向择时能力。
商品趋势因子（PTFSCOM）：约 1.71% 的基金在 5% 显著性水平上表现出正向择时能力。
新兴市场因子（EM）：约 11.20% 的基金在 5% 显著性水平上表现出正向择时能力。

择时能力的决定因素

基金年龄：与市场因子和规模因子的择时能力呈正相关，但与其他因子呈负相关。
基金规模：对债券因子和商品趋势因子的择时能力呈正相关，对市场因子和规模因子呈负相关。
最低投资要求：与债券因子和商品趋势因子的择时能力呈负相关。
管理费：对货币趋势因子和商品趋势因子的择时能力呈负相关。
激励费：对大宗商品趋势因子和新兴市场因子的择时能力呈正相关。
高水位线：对债券因子的择时能力呈正相关。
杠杆：对债券因子的择时能力呈正相关。
衍生品：对货币趋势因子和新兴市场因子的择时能力呈正相关。
个人资本：对市场因子的择时能力呈负相关，对债券因子的择时能力呈正相关。
锁定期：对市场因子的择时能力呈负相关。
赎回期：对债券因子的择时能力呈正相关，对信用因子和商品趋势因子呈负相关。
公开程度：对市场因子和规模因子的择时能力呈负相关。
有效审计：对市场因子和规模因子的择时能力呈负相关，对债券因子的择时能力呈正相关。

结论

择时能力的重要性：对冲基金经理的因子择时能力是其业绩的重要决定因素，并且具有一定的持续性。
跨因子和风格的异质性：不同因子和投资风格在择时能力上存在显著差异，这表明基金经理在不同因子上的表现可能不一致。
应用价值：因子择时能力可以作为评估对冲基金经理技能的有用工具，但其结果应基于特定的基准模型进行解释。

风险提示

本报告基于海外文献的实证研究，其结论可能无法直接应用于国内市场。市场环境的变化可能导致模型失效，因此投资者需谨慎对待。

附录：数据与方法

数据来源

数据来自Lipper TASS数据库，涵盖1994年1月至2018年1月的月度数据。
数据样本包括5434只基金，其中9个风格类别（如多空股票、可转换套利等）。
数据样本中基金的平均年龄为116.86个月，平均规模为72.89百万美元。

方法

采用扩展的Treynor和Mazuy模型来衡量因子择时能力。
使用自展分析进行统计推断，以区分择时能力是否由实际能力或运气驱动。
通过不同因子模型（如Carhart四因子模型、Fung-Hsieh八因子模型、动态因子模型）测试择时能力的稳健性。

参考文献

Kosowski, R., et al. (2007). "The persistence of hedge fund performance." Journal of Finance.
Jagannathan, R., et al. (2007). "Do hedge funds outperform the market?" Journal of Finance.
Fung, W., & Hsieh, D. A. (2004). "The structure of hedge fund returns: Analysis of a new database." Journal of Financial Economics.
Chen, S. (2007). "Timing ability of hedge funds." Journal of Financial Economics.
Cao, Y., et al. (2013). "The liquidity timing ability of hedge funds." Journal of Financial Economics.
Li, J., & Shawky, A. (2014). "Market timing ability of long-short equity hedge funds during crises." Journal of Financial Economics.
Schauten, M., et al. (2015). "The market timing ability of hedge funds." Journal of Financial Economics.
Treynor, J. L., & Mazuy, C. (1966). "Security price movements in market indices." Journal of Business.
Fung, W., & Hsieh, D. A. (1997). "The structure of hedge fund returns: Analysis of a new database." Journal of Financial Economics.
Agarwal, A., & Naik, V. (2004). "A new approach to measuring the performance of hedge funds." Journal of Financial Economics.
Frazini, A., & Pedersen, L. (2014). "The beta of hedge funds." Journal of Financial Economics.
Koijen, R. S. J., et al. (2018). "The global spread factor." Journal of Financial Economics.
Bollen, N. P., & Whaley, A. E. (2009). "The performance of hedge funds: The role of share liquidity." Journal of Financial Economics.
Titman, S., & Tiu, D. (2011). "The performance of hedge funds: The role of share liquidity." Journal of Financial Economics.