学术文献研究系列第8期：如何刻画基金经理的择时能力-20210714-国信证券-15页_761kb

报告摘要

本报告探讨了基金经理是否具有市场择时能力，并通过构建和剥离基金收益与合成基金收益之间的差异，来衡量基金经理的择时能力。研究发现，使用日度数据进行测试比使用月度数据更能准确捕捉基金经理的择时行为，从而得出更显著的结论。

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，在市场下跌前减少权益仓位，以提高基金收益的市场暴露度。
传统研究局限：现有文献普遍使用月度或年度收益率进行择时能力测试，但未能有效捕捉基金经理的高频操作。
日度数据的重要性：日度数据能够更准确地反映基金经理的择时行为，相较于月度数据，其测试结果更为显著。
择时模型：本文采用两个经典择时模型——Treynor 和 Mazuy (TM) 模型以及 Henriksson 和 Merton (HM) 模型，同时引入了 Goetzmann et al. (GII) 模型进行验证。
合成基金的构建：为控制伪结论，本文构建了合成基金，模拟无择时能力的基金持仓，从而更准确地评估基金经理的真实择时能力。
实证结果：使用日度数据进行测试时，有 34.2% 的基金展示出显著的择时能力，而使用月度数据时仅为 11.9%。

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，正值表示择时能力强，负值表示择时能力弱。
HM 模型：
$$
r _ {p, t} = \alpha_ {p} + \beta_ {p} r _ {m, t} + \gamma_ {p} r _ {m, t} ^ {} + \varepsilon_ {p, t}
$$
$$
r _ {m, t} ^ {} = I {r _ {m, t} > 0 } r _ {m, t}
$$
$\gamma_p$ 系数衡量基金经理在市场变动时对权益仓位的调整能力。
GII 模型：
$$
P _ {m, t} = \left(\prod_ {\tau = 1} ^ {N} m a x {1 + R _ {m, \tau}, 1 + R _ {f, \tau} }\right) - 1 - R _ {m, t}
$$
用于计算调整后的市场择时收益。

数据来源：研究基于1985年1月2日至1995年12月29日的230只基金的日度数据，以及市场指数、股息、无风险收益率等数据。
基金收益率计算：
$$
R _ {p, t} = \frac {N A V _ {p , t} + D _ {p , t}}{N A V _ {p , t - 1}} - 1
$$
无风险收益率：使用90日国债收益率（TBILL90）作为无风险收益率的代理变量。
合成基金构建方法：基于基金的风格匹配，构建不具有择时能力的合成基金，以控制伪结论。

日度数据 vs 月度数据：
- 使用日度数据时，有 40.8% 的基金产生了显著为正的择时系数，28.1% 的基金产生了显著为负的择时系数。
- 使用月度数据时，分别有 33.5% 和 5.3% 的基金产生了显著为正和负的择时系数。
显著性检验：
- 使用日度数据时，择时模型的显著性更高，说明日度数据更适用于评估基金经理的择时能力。
- 在合成基金控制下，使用日度数据时，仍有 34.2% 的基金展示出显著择时能力。

Bootstrap 方法：用于估计择时系数的标准误，以提高结果的稳健性。
显著性检验：在 5% 的置信水平下进行，T 值计算公式如下：
$$
t = \frac {\gamma_ {p , o r i g i n a l}}{\sigma (\gamma_ {p , b o o t s t r a p})}
$$