20180307-天风证券-金工专题报告_海外文献推荐第30期_13页_1mb

金融工程：海外文献推荐 第30期 总结

核心内容

本期推荐的两篇文献分别探讨了“消化异象：一种投资方法”和“一种新的衡量基金经理能力的方式”，旨在提供更有效的因子模型和更准确的基金经理能力评估方法。

主要观点

1. 消化异象：一种投资方法

• 本文提出了一种新的因子模型 q-model，由市场因子、市值因子、投资因子和盈利因子构成。
• 通过分析30多个经检验显著的收益异象，发现 q-model 对这些异象的解释能力优于 Fama-French 和 Carhart 模型。
• 投资因子主要捕捉价值/成长和投资类异象，盈利因子则捕捉动量和盈利类异象。
• 在 q-model 下，多空组合的平均月度 α 值仅为 0.20%，而 Fama-French 模型为 0.55%，Carhart 模型为 0.33%。
• 在 5% 显著性水平下，只有 5 个异象在 q-model 中显著，而 Fama-French 模型和 Carhart 模型分别为 19 和 27 个。
• GRS 检验显示 q-model 拒绝的异象数量最少，仅为 20 个，表明其在解释异象方面更为有效。

2. 一种新的衡量基金经理能力的方式

• 本文提出以基金经理从资本市场中获得收益的价值来衡量其能力，发现每只共同基金平均每年获得 200 万美元，且这一现象持续了 10 年。
• 传统的 Fama-French 超额收益不能准确衡量基金经理的管理能力，因此未能发现主动基金经理的显著能力。
• 投资者会通过增加资金投入来奖励表现优异的基金经理，从而提升其管理费收入，且基金经理的薪酬与其未来表现有强烈的正相关关系。
• 本文指出，基金经理的管理能力不仅体现在收益上，还体现在其管理的基金规模上，高技能基金经理通常管理规模更大，收取更多管理费。

关键信息

因子模型与异象解释

• 市场因子：代表整体市场收益。
• 市值因子：平均月度收益为 0.31%（t = 2.12）。
• 投资因子 I/A：平均月度收益为 0.45%（t = 4.95），与 HML 有 69% 的相关性。
• 盈利因子 ROE：平均月度收益为 0.58%（t = 4.81），与 UMD 有 50% 的相关性。

因子相关性

• 市值因子与投资因子、盈利因子相关性较高，分别为 0.69 和 0.50。
• 投资因子与盈利因子在解释异象方面表现出色，而市值因子和市场因子的解释能力相对较弱。

实证分析

• 35 个异象中，q-model 的 α 值平均仅为 0.20%，显著低于 Fama-French 和 Carhart 模型。
• q-model 对动量异象的解释能力优于其他模型，盈利动量组合的 α 值为 0.16%（t = 1.12），而 Fama-French 模型为 0.55%。
• q-model 能够解释多种异象，包括价格动量、盈利动量、应收、研发占市值比等。

评估基金经理能力

• 通过基金规模和超额收益的乘积来衡量基金经理的能力，即 $ V_{it} = q_{i,t-1}(R_{it}^g - R_{it}^B) $。
• 本文认为，基金经理的管理能力不仅体现在收益上，还体现在基金规模的增长上。
• 传统模型未能有效识别基金经理能力，可能是因为其忽略了管理费对收益的影响。

图表目录摘要

• 图1：q-model 中因子 α 值，显示各因子的平均收益和显著性。
• 图2：因子相关性矩阵，展示因子之间的相关性和显著性。
• 图3：不显著变量列表，列出平均多空收益和 t 统计量。
• 图4：截面显著异象各模型下的 Fama-Macbeth 回归结果，比较不同模型的 α 值和显著性。
• 图5：各因子在 q-model 下的载荷，显示不同异象在各因子上的暴露程度。

总结

• q-model 在解释股票收益异象方面表现出色，能够有效捕捉价值/成长、投资、动量和盈利类异象。
• 传统的 Fama-French 和 Carhart 模型在解释异象方面存在局限，未能充分捕捉投资因子和盈利因子的信息。
• 评估基金经理能力时，应考虑其管理的基金规模和超额收益，而不仅仅是收益本身。
• 投资者会通过资金投入来奖励表现优异的基金经理，且基金经理的薪酬与其未来表现有正相关关系。