20220121-天风证券-金融工程_海外文献推荐第208期_18页_1mb

金融工程：用机器学习揭示共同基金的隐含信息

核心内容

本研究报告探讨了如何利用自然语言处理（NLP）和神经网络技术分析共同基金股东信中的文本信息，以识别那些具有私人信息（即“知情基金”）的基金。通过分析这些文本信息，研究发现知情基金不仅在未来的基金业绩上表现更好，还更有可能获得晨星评级的提升，并吸引更多的资金流入。这表明投资者认可并利用了这些定性信息进行决策。

主要观点

• 文本信息的价值：共同基金的股东信中包含大量与基金价值相关的定性信息，这些信息可以通过机器学习模型进行分析，从而帮助投资者识别具有私人信息的基金。
• 模型的有效性：使用BERT（双向编码表示）和循环神经网络（RNN）模型，能够有效捕捉文本中的高阶语义和句法特征，从而提升预测基金业绩的能力。
• 基金表现与信息相关性：预测模型中识别的知情基金在未来表现优于不知情基金，其Alpha值更高，且更可能获得晨星评级提升。
• 资金流入与文本信息：投资者在收到股东信后，更倾向于将资金投入知情基金，特别是在高关注度的情况下，资金流入显著增加。
• 信息内容的主题：知情基金倾向于讨论特殊化行业、投资组合风险承担、金融市场整体情况和跨资产混合策略。
• 预测准确性：模型在高风险基金和较老基金中表现更佳，特别是在基金收益波动率较高的情况下。

关键信息

数据与变量

• 数据来源：美国证券交易委员会（SEC）的EDGAR系统，以及CRSP和汤森路透的共同基金数据库。
• 样本范围：2006年至2018年的国内股票基金，共17717份N-CSR文件。
• 变量构造：
  • Alpha：基金的异常收益率，基于Fama-French-Carhart四因素模型。
  • Flow：资金流动，包括6个月、12个月、24个月和3天、5天等不同时间段。
  • MSRating：晨星基金评级。
  • PastRisk 和 PastAlpha：过去的风险承担和异常收益率。
  • Log(TNA) 和 Log(Age)：基金总净资产和基金年龄的自然对数。
  • LM_Negative, LM_Positive, LM_Uncertainty, LM_Litigious, LM_StrongModal, LM_WeakModal, LM_Constraining：文本情绪和语气指标。

模型构建

• BERT应用：BERT用于提取股东信的文本特征，捕捉高阶语义和句法信息。
• RNN模型：构建了包含四个隐藏层和一个LSTM层的神经网络模型，用于预测基金的知情程度。
• 标签生成：根据Alpha值将股东信分为三类，标签为2代表表现较好的基金，标签为0代表表现较差的基金。

实证分析

• 基金业绩预测：预测模型识别的知情基金在未来表现优于不知情基金，其Alpha值高出80-88个基点。
• 晨星评级提升：知情基金更有可能获得晨星评级的提升，其MSRating高出0.1个标准差。
• 资金流动分析：知情基金吸引了更多的资金流入，尤其在高关注度的情况下，资金流入差异可达4.49%-4.63%。
• 预测准确性：模型在高风险基金和较老基金中表现更佳，预测准确性更高。

结论

本研究展示了如何利用先进的机器学习模型，如BERT和RNN，来分析共同基金股东信中的文本信息，以识别具有私人信息的基金。这些基金不仅在业绩上表现更优，还更有可能获得更高的评级，并吸引更多的资金流入。因此，投资者可以利用这些文本信息作为投资决策的依据，而基金管理人也应重视股东信中的定性信息，以提高其市场影响力和投资吸引力。