高换手率基金 vs. 低换手率基金:增值方式的差异

admin2年前研报1026

导读






  • 作为西学东渐——海外文献系列报告第一百五十五篇,本文推荐了van Binsbergen, Jules H. and Han, Jungsuk and Ruan, Hongxun and Xing, Ran于2019年发表的论文《A Horizon Based Decomposition of Mutual Fund Value Added using Transactions》。

  • 本文采用 Abel Noser Solutions提供的基金日度交易数据,将共同基金的增值(Value Added)分解为短期增值和长期增值,以探究不同换手率基金的增值来源。

  • 共同基金具备不同投资期限的能力,有些基金擅长长期投资,有些基金擅长短期投资。基金会根据其能力和交易成本选择合适的投资期限(基金换手率)。本研究提出了一个激励模型,用于度量基金的投资期限能力。研究表明,高换手率基金通过短期持仓增值,而低换手率基金通过长期持仓增值。此外,本文还说明了低换手率基金的大部分长期增值来自于对价值因子的风险暴露,而高换手率基金的短期增值来自于对动量因子的风险暴露。与以往仅使用季度持仓数据的研究不同,本文使用每日持仓和交易数据,计算交易成本对基金增值和业绩的短期影响。


风险提示:文献中的结果均由相应作者通过历史数据统计、建模和测算完成,在政策、市场环境发生变化时模型存在失效的风险。

1、引言


对于主动共同基金而言,它们致力于寻找超越同类水平的投资机会,以收获优异的回报。然而,基金实现这一目标的方式在数据中表现出明显的差异,特别是在这些投资的平均持有期方面。例如,BlackRock中盘成长基金每两到三年才换手一次,而Berkshire Focus基金每年换手约十次。这引发了一些重要的问题,如高换手率基金是否能够有效地识别短期投资机会,如果是的话,交易成本如何影响其短期投资选择。

        本研究利用交易级别数据,按照过去持有期长度对基金的增值(Value Added, 注:与收益不同,这个名词特指通过主动管理获得的回报)进行分解。在考虑交易成本后,我们发现对于高换手率基金,持有期少于两周的持仓能够显著地增加基金的价值,其中80%的增值是在FOMC会议日和盈利公告日发生的;而对于低换手率基金,持有期超过一年的持仓增加了大部分价值。在本研究中,我们基于Berk and Green(2004)模型进行拓展。该模型涵盖的基金在不同期限下具有不同的投资能力,有些基金善于识别短期投资机会,有些则善于识别长期投资机会。基金根据自身的投资期限能力来选择投资期限(基金换手率),并在充分考虑相关的交易成本后选择投资机会。与Berk and Green(2004)不同的是,我们的模型考虑了基金交易过程中产生的成本(类似于Kyle(1985)),着重考察在不同投资期限内规模递减回报规律是否具有内生异质性。我们认为,投资于短期机会的基金不能像投资于长期机会的基金那样将交易分散在不同时间内,这意味着前者的价格冲击成本(Price Impact Cost)更高。如果短期投资的现值超过了长期投资的现值,则基金会倾向于选择投资短期机会,反之亦然。这个现值取决于以下因素:(1)在价格冲击成本未被考虑在内时的毛阿尔法(gross alpha),(2)价格冲击成本或策略的可扩展性,以及(3)可以在一次长期投资相同的时间跨度内进行多次短期投资。我们的模型说明,基金的持仓增值水平相较阿尔法更合适用来衡量基金的投资能力,尤其是考虑到规模收益递减效应。此外,我们的模型还预测出基金换手率与增值期限、价格冲击成本之间的相关性。具体来说,高换手率基金通过短期持仓增加更多价值,而低换手率基金通过其长期持仓增加更多价值。

数据方面,我们将来自Abel Noser Solutions的交易数据(称为Ancerno数据)与Thomson Reuters数据库中1999年至2010年的季度持股数据(使用Busse、Chordia、Jiang和Tang(2020)的方法)和CRSP提供的共同基金数据(包括基金特征)进行了合并。通过使用这些数据,我们识别出331个美国共同基金,并构建了一个包含基金每日持仓数据的独特数据集。我们将基金的每日持仓分解为短期和长期持仓(持仓时间短于n天和长于n天),并分别计算基金每日的增值。这种使用每日持仓和交易数据的分析与过去仅使用季度持仓数据的研究不同,它可以计算交易(及其相关的价格冲击)对基金增值和业绩的短期影响。

对基金的持仓增值进行短期和长期分解后,我们发现基金的换手率对增值产生了显著影响。具体来说,对于高换手率基金,持有期少于两周的持仓能够显著地增加基金的价值,而对于低换手率基金,这种持仓不会增加价值。相反,对于低换手率基金,持有期超过一年的持仓增加了大部分价值,而对于高换手率基金则没有增加价值。我们进一步采用标准回归分析来测试该预测,结果显示换手率与短期(长期)基金增值之间存在正(负)相关关系。同时,我们也发现不同换手率的基金其增值来源存在差异。低换手率基金的大部分长期增值来自于对价值因子的风险暴露,而高换手率基金的短期增值来自于对动量因子的风险暴露。

        根据我们的模型预测,基金的换手率和价格冲击成本存在正相关关系。为了验证这一预测,我们将基金按照换手率和规模分为25个投资组合,并通过计算每个投资组合的平均交易执行缺口(execution shortfall),来衡量其平均价格冲击成本。这种双重排序分析确认了基金换手率和价格冲击成本之间的正相关性。无论基金规模大小如何,高换手率基金始终支付更高的价格冲击成本,而低换手率基金通过提供流动性再交易执行期间获得利润。标准回归分析进一步表明,基金换手率是决定价格冲击成本的重要因素之一。我们还比较了高换手率基金和低换手率基金在计算价格冲击成本之前购买股票后所获得的阿尔法,结果显示高换手率基金在交易后短期内获得的阿尔法明显大于低换手率基金。这一结果显示了高换手率基金和低换手率基金是从不同的阿尔法机会中获利的,而不是以不同频率交易相同的机会来获利。

        我们使用交易数据重新评估了其他文献中提及的规模收益递减规律的其他影响因素,例如股票流动性、交易执行技巧(如Anand、Irvine、Puckett和 Venkataraman(2012))以及分散投资等。我们的研究表明,即使在控制分散交易这一变量后,高换手率基金的可扩展性也要高于低换手率基金,这主要是因为高换手率基金具有更多的短期投资思路,而不是依靠更好的交易执行技巧或更具流动性的股票持仓。另外,我们证明了该研究结果可以推广到更大的共同基金样本,该样本包括1993年至2020年的2,492个美国股票基金的月度持股数据。但是,由于月度持股数据忽略了所有日内交易利润和月底之前实现的利润,因此结果较差。

        我们的研究与Cremers和Pareek (2016)以及Lan、Moneta和Wermers (2019)有关。这些研究使用基金回报和季度持仓数据,调查低换手率基金的长期选股能力。他们发现,在考虑费用之前,低换手率(长期)基金的表现优于其基准,而高换手率(短期)基金则不然。这些证据更符合高换手率基金过度交易、破坏价值的概念。他们使用季度持仓数据可以验证低换手率基金具有长期选股能力,但无法说明高换手率基金不具备短期选股能力。相比之下,我们的研究使用交易级别数据和基金增值水平来衡量投资能力,就可以证明高换手率基金确实具有短期选股能力,这也支持了我们论文的前提,即基金具有不同的投资期限能力。最后,我们对价格冲击成本的分析表明,基金在选择短期和长期投资机会时会权衡alpha的大小和交易的价格冲击成本。

        本文剩余的结构如下:第一部分介绍了我们用于分析的激励模型;第二部分解释了如何按照投资期限对基金增值进行分解;第三部分介绍了本研究中共同基金的样本统计数据和交易成本的测算方法;第四部分,我们对基金的增值、阿尔法、价格冲击成本等方面进行了实证分析;第五部分,我们得出结论。


2. 理论模型

        本节中,我们建立了一个简化动态交易模型。在该模型中,我们考虑了价格冲击因素,并且假设共同基金可以根据其投资能力,选择不同期限的投资机会。我们还假设,当基金经理通过主动交易获得超额收益时,基金经理将获得报酬。
        在这个模型中,我们考虑了两种类型的投资机会——短期和长期投资机会,分别用S和L表示。当投资时间长度为时,投资机会h∈{S,L}的风险调整后收益为其中数值为正,是独立同分布的随机变量,且其均值为零。其中,短期机会S的投资期限比长期机会L短,即< 。我们假设,在每个时间段t开始时进行交易,在期末实现收益。在现有投资机会的收益实现后,基金(1)寻找新的短期和长期投资机会;(2)选择其中之一;(3)选择投资于该机会的资金量,并将资金从过去的投资重新分配到新的投资中。我们的模型通过和来捕捉基金在短期和长期相对于基准的平均风险调整收益。将现有投资转移到新投资的价格冲击成本是一个二次函数:



        现在我们总结一下与我们的实证分析相关的主要预测:

实证预测1:基金的换手率与短期增值呈正相关,与长期增值呈负相关。

实证预测2:在控制基金规模的前提下,基金的换手率与价格冲击成本呈正相关。

实证预测3:基金的换手率与考虑价格冲击成本之前短期持仓的异常收益呈正相关。


3、分解方法

        我们将基金每日增值分解为两部分:持有期不到一年的部分(净买入在1至240天内)和持有期超过一年的部分所产生的价值增值。

        一个基金在第 t天的增值可以表示为其在第 t天开始时的持仓的价值增值与在经过价格冲击成本之后的第 t天交易的价值增值之和:


其中,基金在当天的增值可以分解为小于n天的持仓(括号中的前两项)和超过n天的持仓(第三项)。公式的最后一项为当天卖出的股票,但是根据CAPM模型测算,出售股票对基金每日增值的影响平均为每年22万美元,仅占平均基金总资产(TNA)的2.1bps。因此,包含或排除此项不会影响我们的结果。由于对于每一天t,持有期少于n天的持仓仍然在基金组合中,并且只会在以后的某个日期出售,因此将所有销售(包括持有期长于n天的销售)的成本(或利润)加入持有期少于n天的持仓的增值计算中,会高估这些销售对短期增值的重要性。相反,如果假设所有这些持仓都在第t天出售,那么可以添加此项以计算持有期少于n天的增值。

        在这里,我们使用一个示例来说明我们在方程(28)中描述的按投资期限分解增值的方法。假设我们有一个基金。截至2002年9月30日,该基金拥有100股IBM,购买时间为40天前(持有期为40天),并且拥有200股MFST,购买时间为300天前(持有期为300天),以及该基金新购买了20股GM(持有期为0)。当天,IBM的CAPM调整收益为1%,MFST的CAPM调整收益为2%。GM的CAPM调整收益从交易执行到当天结束为3%。IBM在2002年9月29日的收盘价为58美元/股,MSFT的收盘价为43美元/股,GM在2002年9月30日以38美元/股的执行价格购买。以上信息总结如下表所示:

图1、 按投资期限分解增值的示例


4、共同基金的数据和交易成本指标

4.1

共同基金样本

        为了获得共同基金的每日持仓数据,我们合并了三个数据库:Abel Noser Solutions提供的交易数据(也称为Ancerno数据),Thomson Reuters数据库中的季度持仓数据以及CRSP共同基金数据库中的基金特征数据。

        Abel Noser Solutions是一家与机构投资者合作分析其交易成本的咨询公司,其客户包括对冲基金、养老基金和共同基金。我们获取的Ancerno数据集包含了有关交易金额、交易时间和交易成本的详细信息,但不包含基金的真实信息。我们通过将Ancerno数据中的交易数据与Thomson Reuters中的持股变化进行匹配,以识别共同基金。接着,我们将Thomson Reuters的基金数据与CRSP共同基金数据进行匹配,并手动验证每个匹配的标识符,最终得到了331只正确匹配的活跃的股票型共同基金,这些基金属于48个基金管理公司,平均每个管理公司拥有6.9只基金。

        为了构建这331只基金的每日持仓数据,我们将Ancerno的交易数据与Thomson Reuters的季度持仓数据进行合并。如果某只股票在前一个季度已经被持有,我们将以前一个季度结束时的持有量为基础,结合本季度的交易,生成每日的持仓量。如果前一个季度的持有量不存在,我们将以本季度结束时的持有量为基础,结合本季度的交易,生成每日的持仓量。

        为了验证我们的发现可以适用于更多股票型共同基金中,我们手动收集了Morningstar Direct的美国股票型共同基金每月持仓数据,并将其与CRSP股票型共同基金数据库合并。最终,我们得到了2492只从1993年到2020年的美国股票型共同基金用于分析(我们排除了仅有季度或半年度持仓的基金)。

        如图2的面板A中所展示,这331只基金的特征与具有月度持仓数据的2492只股票型共同基金的特征相似。这331只基金的平均换手率和费用比率略高于2492只基金的平均水平,主要原因是2010年以来,股票型共同基金行业整体变得更加被动,且收费更低。此外,这331只基金的加权平均净收益为每年5.15%,接近同期CRSP股票型共同基金数据库中所有股票型共同基金的4.94%。主要区别在于这331只基金在2001年和2005年的平均规模比具有月度持仓数据的2492只股票型共同基金更大,这或许是因为Ancerno的客户更多是大型基金而不是小型基金。其他使用Ancerno数据的研究(例如Puckett和Yan,2011)也记录了这种差异,并表明了这并不是因为机构有选择性地向Ancerno提交交易数据。


4.2

价格冲击成本

和其他交易成本的测算

        当我们研究基金的增值时,我们需要考虑显性和隐性交易成本对基金增值的影响。显性交易成本包括佣金、税费和费用。隐性交易成本包括与交易价格冲击相关的盘中隐性成本。我们计算它们对每日基金增值的负贡献,即这些成本的平均每日金额。我们使用交易执行缺口(execution shortfall)来衡量盘中价格冲击成本。交易执行缺口是股票的实际执行价格与下单时的价格之间的差异,以下单时的价格为基础的百分比。具体表达式为:


5、按投资期限分解基金增值水平

在本节中,我们加入考虑基金换手率和基金规模等因素,分析不同持仓期限下的平均基金增值水平。

5.1

低换手率基金与高换手率基金的增值情况


5.1.1、基金换手率的分散程度和持续性

我们根据基金每个季度的平均换手率将基金分为五分位数。基金换手率的分散程度在不同的换手率分位数之间很大。低换手率的基金平均每六到七年更换其组合一次,而高换手率的基金每年更换其组合约四次。这个结果表明,低换手率的基金和高换手率的基金是在不同的投资期限上追求收益。另外,基金的换手率具有很高的时间持久性,尤其是对于高换手率的基金。尽管在接下来的三年中,第1、2、3和4个分位数的平均换手率缓慢趋于一致,但第5个分位数中基金的平均换手率仍高于基金总净资产的五倍。


5.1.2、不同投资期限下持仓的增值


        下表报告了持有期短于240天(240天内的净购买)的资产的增值和其显著性水平。如下表第(5)至(8)列所示,对于五分位数中的高换手率基金,在CAPM模型下,其持有期短于1/2/5天的资产每年增加2.6/2.3/2.9百万美元的价值(以年度总阿尔法的0.64%/0.55%/0.71%计算),在1%的显著性水平上具有统计学意义。在Fama French三因子模型(FF3)、Fama French Carhart四因子模型(FFC4)和Fama French Carhart四因子+Pastor Stambaugh流动性因子模型(FFC+Liq)下,这些数字仅略有减小,并且在5%的显著性水平上仍然显著为正。此外,高换手率基金的持有期短于10/20/40天的资产每年增加3.3/4.2/6.6百万美元的价值(分别为年度总阿尔法的0.81%/1.02%/1.61%),在CAPM模型下在10%的显著性水平上具有统计学意义,并且其持有期短于240天的资产每年增加多达1070万美元的价值(约为年度总阿尔法的2.59%)。然而,图5的第1-4列显示,低换手基金的持有时间短于1到40天的资产不会对基金有所增值,而其持有时间短于240天的资产增值仅为每年440万美元(仅为年度总阿尔法的0.19%)。
        下表最后两行指出了持有期超过240天的持仓的增值和所有持仓的总增值。从面板A第二行的第1列中可以看出,低换手率基金中持有时间超过240天的持仓每年对基金有着6290万美元的增值(约为年度总阿尔法的2.73%),占其总增值的93%(=62.9/67.5)。而高换手基金持有期超过240天的持仓反而造成了310万美元的亏损(年度总阿尔法的-0.75%)。
        这项研究发现,高换手基金的短期持仓对基金有显著的增值,而低换手基金的短期持仓没有增值。这一事实支持了实证预测1的第一部分,即基金换手率与短期增值之间存在正相关关系。同时,研究表明低换手基金的长期持仓对基金有大量的增值,而高换手基金的长期持仓没有增值,这也证实了实证预测1的第二部分,即基金换手率与长期增值之间存在负相关关系。这些结果表明,基金的投资期限技能是影响其选择短期还是长期投资机会的重要决定因素。此外,研究表明,高换手基金的总增值较低,这是因为它们长期持仓的增值相对较低(或不稳定)。
        为了理解不同投资期限下基金增值的来源,我们在图5中将CAPM模型与FF3模型、FFC4模型和FFC+Liq模型的结果进行了比较。通过将基于CAPM模型的低换手率基金的增值(第1列)与基于FF3模型的增值(第2列)进行比较,我们发现在控制规模因素和价值因素后,低换手率基金超过240天的持仓的增值基本上消失了(从每年6290万美元减少到每年340万美元)。也就是说,低换手率基金超过240天的持仓对基金的大部分增值都可以通过对规模因子或价值因子的暴露来解释。由于低换手率基金的平均持仓偏向价值股和大市值股票(如图3的D面板所示),它们从长期持有中获得的增值主要来自对价值因子而不是规模因子的暴露。考虑到价值策略是一种低换手率的长期策略,因此,低换手率基金主要利用价值策略(或与价值因子高度相关的策略)来收获长期的阿尔法。
        此外,图5的第5到第7列显示,在控制规模和价值因子(使用FF3模型)后,高换手率基金在240天内的净购买所产生的增值并没有太大变化,但在控制动量因子(使用FFC4模型)后显著减少,只有在交易日(第0天)的增值为130万美元。由于动量策略是一种高换手率的短期策略,这个结果表明,高换手率基金部分使用动量策略(或与动量因子高度相关的策略)来收获短期的alpha。值得注意的是,高换手率基金短于5天的持仓的增值大多数不是由动量因子来解释的(如图5所展示),这表明高换手率基金使用的策略频率比动量更高。此外,在将Pastor Stambaugh流动性因子纳入模型后(比较第7列和第8列),我们发现高换手率基金在1到60天内持仓的增值反而有所增加。这个结果表明,高换手率基金的平均Pastor Stambaugh流动性因子敞口为负。因此,它们不是通过提供流动性来增加价值,而是通过消耗流动性来损失价值。
        图6进一步报告了使用CAPM作为基准的不同换手率下的基金增值。一致地,两周内的短期增值随着换手率分位数的增加而大幅增加,而一年以上的长期增值随着换手率分位数的增加而减少。我们比较了每个投资期限下高换手率(Q5)基金和低换手率(Q1)基金的增值,并在图5的B面板中报告了结果。第二列和第三列显示,对于持有期短于40天的股票,高换手率基金的增值显著高于低换手率基金,而对于持有期长于240天的股票,低换手率基金的增值显著高于高换手率基金。它们的增值差异在中等持有期(60、120和240天)下很小且不显著。


5.1.3、基于基金换手率和基金规模的双重排序

        由于基金的投资能力水平(通过总增值衡量)和基金规模密切相关(如公式(16)所预测的),因此我们通过对基金规模和换手率进行双重排序,以控制每个投资周期内技能水平对增值的影响。我们根据上一季度末的总净资产将基金分为五分位数,然后根据这些基金换手率和规模五分位数的交叉点构建25个投资组合。我们在图7的A、B、C面板相应地展示小于5、10和20天持仓的增值,以及在D面板中展示长于240天持仓的增值。

    

        如图7所示,在所有基金规模五分位数中,短期增值(来自少于5、10、20天的持仓在A、B和C面板中)随着换手率的增加而大幅增加。高换手率基金在Q5和低换手率基金在Q1和Q2的短期增值差异均为正,其中30个中有21个具有统计学显著性。这些结果证实了我们的模型预测,即控制基金规模后,高换手率基金的短期持仓比低换手率基金的短期持仓更有价值。我们还发现,在5个基金规模五分位数中,Q1中低换手率基金的长期持仓比Q5中高换手率基金的长期持仓增值更高;但是,只有在Q5的大规模基金中才具有统计学显著性。此外,正如公式(16)所预测的,高换手率基金的短期增值和低换手率基金的长期增值几乎是随着基金规模的增加而增加的。


5.1.4、基金换手率与基金增值的回归分析

        为了确认我们的研究结果在控制不同基金特征后仍然成立,我们继续测试经验预测1,即基金换手率与短期(长期)增值回报呈正(负)相关。具体而言,我们使用标准回归分析估计以下规范化方程:


        正如实证预测1预测的那样,我们发现基金少于1到20天的持仓增值与基金换手率分位数显著正相关,而基金超过240天的持仓增值与基金换手率分位数显著负相关(如图8所示)。与公式(16)和Berk和van Binsbergen(2015)的预测一致,基金规模分位数增加时,少于10天的持仓的增值也随之增加。此外,我们发现少于5天持仓的增值随着股票市值分位数的增加而下降,这表明基金的短期增值主要来自小市值股票而非大市值股票。这一结果与Barras,Gagliardini和Scaillet(2021)的发现一致,即小市值基金的增值平均比大市值基金高。

5.2

高换手基金在FOMC和收益公告日的持仓增值

        为了考察高换手基金短期增值的来源,我们调查了在FOMC会议日、收益公告日和并购公告日上持有期少于40天的持仓的增值水平。我们将每个公告附近三天(即[-1, 1])计算为事件日。如图9所述,高换手基金少于两周(10天)的持仓在FOMC公告日上每年增加160万美元,在收益公告日上每年增加130万美元,分别占少于两周持仓的增值的46.8%和38.3%。由于FOMC公告日和收益公告日之间存在一些重叠,高换手基金持有期少于两周(10天)的持仓在这两种类型的公告日上每年共增加270万美元,占其持有期少于两周的持仓的总增值的82.4%,而不是85.1%(= 46.8% + 38.3%)。考虑到FOMC会议日仅占所有交易日的约9.5%(3个事件日×8次会议=253个交易日中的24个日子),而收益公告日仅占4.7%(3×4=253个交易日中的12个日子),这个比例较高。

        高换手基金在FOMC和盈利公告日的增值比例在两周内增加,20天后显著下降,表明这些购买大多是在这些公告前一个月内进行的。持有时间超过一年的低换手基金的增值仅有21.0%是在FOMC公告日获得的。由于FOMC和盈利公告都是提前安排的,高换手基金可以在这些公告前的相对短时间内建立其头寸。相比之下,M&A公告没有提前安排。我们发现高换手基金通过其持有时间超过两周的持仓在M&A公告日增值,表明他们至少提前两周建立了仓位。


5.3

基金换手率

和基金规模对价格冲击成本的影响

        我们的模型预测结果显示,短期投资机会型基金不能像长期投资机会型基金那样在时间上分散其交易,因此每美元投资的价格冲击成本对前者来说更高(推论1)。特别是,我们模型的方程(18)预测,在控制基金规模时,基金换手率与价格冲击成本呈正相关。


5.3.1、根据基金换手率和规模分位数双重排序

        为了验证这一预测,我们对基金的规模和换手率进行双重排序,以控制基金规模的影响。
        图10报告了买入和卖出交易的成交差价(定义如公式(29)),以交易金额的百分比计算的价格冲击成本。如上所述,高换手率基金(换手率第5分位数)的买入交易成交差价比低换手率基金(换手率第1分位数)高13.8bps到56.0bps。类似地,高换手率基金(换手率第5分位数)的卖出交易成交差价比低换手率基金(换手率第1分位数)高12.0bps到57.9bps(如图10的B面板所示)。这些结果与Busse、Chordia、Jiang和Tang(2020)的分析结果一致,也就是说,在考虑基金规模、投资风格、交易金额、股票流动性和波动性等特征后,基金换手率仍然是显著的决定因素。此外,大型低换手率基金的负成交差价(对于换手率第1分位数和规模第5分位数的基金为-29.7bps)表明,他们实际上通过向其他投资者提供流动性中获利。

        

        本文图10的C面板仅按基金换手率进行了价格冲击成本的报告。与经验预测2一致,当买入股票时执行缺口从低换手率基金(第1分位数)的-18.5 bps增加到高换手率基金(第5分位数)的23.6 bps,差异为42.1 bps,较为显著;卖出股票时执行差额也呈类似趋势。
        最后,图10的D面板显示,当不控制基金换手率时,以执行缺口衡量的价格冲击成本随基金规模呈现出驼峰形态。这与命题2中的预测一致,即在均衡中,价格冲击成本的大小仅取决于基金的阿尔法机会而不是其规模或换手率。这是因为投资的最优资金量是由基金的特定投资期限能力(增值)决定的,这些技能考虑了基金的换手率和价格冲击成本。基金规模与价格冲击成本之间的这种驼峰关系与Busse,Chordia,Jiang和Tang(2020)的研究结果一致,后者发现规模更大的基金交易次数更少,并持有更大市值的股票以积极避免产生更高的交易成本。虽然他们关注基金规模和股票流动性的交互作用,但我们强调基金规模和投资周期的交互作用,以解释这种驼峰关系。


5.3.2、价格冲击成本的回归分析

        我们还使用回归分析测试了模型对价格冲击成本的预测,同时控制其他基金特征。我们将方程31中的因变量替换为基金日级别的“ES all”、“ES buy”和“ES sell”,分别代表所有交易、购买和销售的执行缺口。所有交易的执行缺口按基金日平均,并按交易金额加权。如图11的第(1)、(2)和(3)列所示,购买和销售的执行缺口都随基金换手率增加而显著增加,而换手率的系数的t统计量(4.39至5.09)是所有自变量中最高的,这表明基金换手率是执行缺口的最重要的决定因素之一。这些较高的基金换手率的t统计量与Busse、Chordia、Jiang和Tang(2020)的基金水平回归一致。

5.4

在考虑价格冲击成本之前的alpha机会

        接下来,我们研究经验预测3,即在考虑价格冲击成本前,高换手基金的短期持股具有比低换手基金更高的股票alpha机会。在本节中,我们专注于高换手和低换手基金在考虑价格冲击成本之前的alpha机会(对应于我们模型中不同时间段的αs和αL具体来说,在考虑价格冲击成本之前,我们将基金净购买的股票alpha机会计算为总交易金额的百分比。我们发现,高换手基金在交易后不久捕捉到的alpha机会显著大于低换手基金,并且在接下来的一年内快速减少。这证实了高换手基金和低换手基金从不同的alpha机会中获利,这与我们在前几节中的发现相一致,即高换手基金的短期增值主要是在FOMC会议日和盈利公告日获得,而低换手基金的长期增值主要来自于对价值因子的暴露。

5.4.1、基于基金换手率的分析

        图12展示了不同换手率的基金在过去240天内净购买的每日阿尔法(在考虑价格冲击成本之前)。我们通过将净购买的增值量在方程(28)中除以净购买的总金额来计算这些阿尔法,再加上购买的价格冲击成本(以美元的执行缺口方式测量,如方程(29)和(30)所示)。我们发现,同一天(第0天)由高换手率基金(第5分位数)购买的股票在考虑价格冲击成本之前的平均每日阿尔法为40.2 bps,而在1/2/5天内购买的股票在考虑价格冲击成本之前的每日阿尔法为26.1/19.9/12.4 bps。在购买时间为40天以内时,每日阿尔法下降至4.0 bps,并保持在该水平直到240天。相反,平均而言,由低换手率基金购买的股票在当天具有负阿尔法,且在持有时间短于240天时的阿尔法最高为5.2 bps。图12的B面测试了高换手率(Q5)基金和低换手率(Q1)基金之间的差异。在所有18种情况下,对于持有时间短于240天的股票,它们的差异在95%显著性水平下显著,而在持有时间短于60天的14个案例中,它们在99%的显著性水平下显著。


5.4.2、基于alpha 机会的回归分析

        由于投资期限的选择不仅取决于 alpha 机会的大小,还取决于基金投资的规模,因此在研究短期 alpha 与基金换手率之间的关系时控制基金投资规模非常重要。我们使用持有时间短于 n 天的持仓金额对数 “ln(Holdings n days)” 作为其短期投资规模的衡量标准。具体而言,我们将回归方程 (31) 中的因变量替换为持有时间短于 n 天的 alpha “Alpha n”,并将持有时间短于 n 天的持仓金额对数 “ln(Holdings n days)” 作为投资规模的控制变量。如经验预测 3 所述,持有时间短于1到10天的alpha随着基金换手率的提高而显著增加。此外,我们发现,与大盘股相比,小盘股的短期 alpha 要大得多,这与小盘股的价格效率比大盘股低的规律相一致。


5.5

使用月度持仓数据计算基金增值

        最后,我们使用晨星(Morningstar)1993年至2020年的2,492只美国股票型共同基金的月度持仓数据进行相同的增值分解,以表明我们的结果可以推广到更大样本的共同基金。如图14所示,与我们先前的分析一致,高换手率(Q5)基金持有的时间短于一到三个月,每年增加3.0至3.9百万美元,这一数字持续高于低换手率(Q1)基金和其他五分位基金的增值。而低换手率(Q1)基金从持有超过12个月的股票中增值显著高于高换手率(Q5)基金和其他五分位基金,每年平均增值为12.4百万美元。这些月度持仓的结果证实了我们的发现可以推广到更大样本的美国股票型共同基金中。然而,与基于日常持有和交易的结果相比,持有时间短于一个月(20天)的增值较小,对于换手率第2到第5分位基金而言,增值并不显著。这些相对较弱的结果有两个直观的解释。首先,使用月度持仓分析忽略了基金的所有盘中交易利润,对于Q2到Q5的基金而言,这些利润可以高达每年0.6至1.4百万美元。其次,月度分析忽略了每个月末之前实现的所有短期交易利润,这代表了Q2到Q5分位的基金10天内的0.8至3.3百万美元增值的很大一部分。尽管高换手率(Q5)基金的短期增值由于这两个原因被低估了,但他们三个月内增加的3.9百万美元的增值在90%的置信区间下显著为正,其一个月增加的3.0百万美元的t值高达1.62,再次表明高换手率基金确实具备短期交易能力。


        除了忽略了月底之前实现的所有交易利润之外,使用月度持仓数据的分析与使用交易和日常持仓数据的分析相比,还存在其他缺点。我们以Q5中高换手基金的结果为例,总结了其中的三个缺点。首先,没有交易数据(即实际执行价格),我们无法确定高换手基金一个月内的3,000万美元的增值是否足以覆盖他们的交易成本。其次,不知道一个月内何时确切地建立或关闭头寸,会在估计该月内的增值时引入测量误差。例如,如果一个头寸在一个月的第二天建立并在下个月的第二天关闭,使用下个月的月回报率计算该新头寸一个月内的增值是不正确的。第三,我们不知道这3,000万美元的增值是否来自非常短期的持仓(即在一天或一周内)还是超过两周。我们基于每日持仓进行的分解表明,在一个月(20天)内的持仓中,4,200万美元的增值中,3,300万美元来自两周内(10天)的持仓,2,900万美元来自一周内(5天)的持仓,1,400万美元是在同一天获得的。此外,一个月内建立和关闭的所有中期交易都无法被月度持仓捕获。

6、总结

        共同基金具备不同投资期限的能力,有些基金擅长长期投资,有些基金擅长短期投资。基金会根据其能力和交易成本选择合适的投资期限(基金换手率)。本研究提出了一个激励模型,用于度量基金的投资期限能力。实证结果表明,高换手率基金持有时间不到两周的头寸主要在FOMC会议日和盈利公告日大量增值,而低换手率基金的持仓只在较长的投资时间段上增值,这与模型预测的结果一致。

        此外,未来的研究可以进一步考察影响基金投资期限能力的决定因素,例如基金投资者的投资期限偏好、基金经理的风险厌恶程度以及同一基金管理人旗下其他基金的投资风格。另一个有趣的研究方向是探讨低换手率基金的规模收益递减规律的决定因素,其中价格冲击成本的影响或许较小。此外,当前的研究侧重于长期投资者,如共同基金,但是未来也可以将研究重点放在短期投资者(如对冲基金和高频交易者)身上,以进一步研究基金经理面临的与投资期限相关的权衡。



风险提示:文献中的结果均由相应作者通过历史数据统计、建模和测算完成,在政策、市场环境发生变化时模型存在失效的风险。

参考文献


注:文中报告节选自兴业证券经济与金融研究院已公开发布研究报告,具体报告内容及相关风险提示等详见完整版报告。

证券研究报告:《西学东渐--海外文献推荐系列之一百五十五》

对外发布时间:2023年4月7日

报告发布机构:兴业证券股份有限公司(已获中国证监会许可的证券投资咨询业务资格)

--------------------------------------

分析师:郑兆磊

SAC执业证书编号:S0190520080006

E-mail: [email protected]


--------------------------------------


更多量化最新资讯和研究成果,欢迎关注我们的微信公众平台(微信号:XYQuantResearch)!



海外文献推荐系列第一百五十四期:总体混淆:ESG评级的分歧

海外文献推荐系列第一百五十三期:日内跳价风险和股票横截面收益:以中国市场为例

海外文献推荐系列第一百五十二期:ESG对基本面及二级市场整体表现的影响:主张一种过程和综合建模方法

海外文献推荐系列第一百五十一期:ETF如何改变市场宏观有效性和风险结构?

海外文献推荐系列第一百五十期:收缩调整夏普比率:一种更优的选择共同基金的方法

海外文献推荐系列第一百四十九期:基金经理的卖出能力是否比买入能力更重要

海外文献推荐系列第一百四十八期:分歧度贝塔

海外文献推荐系列第一百四十七期:如何基于动量效应改进价值策略

海外文献推荐系列第一百四十六期:利用风格进行宏观因子投资

海外文献推荐系列第一百四十五期:拥挤交易对行业轮动及因子择时影响分析

海外文献推荐系列第一百四十四期基于资金流机制预测股票与基金的未来收益

海外文献推荐系列第一百四十三期:优胜策略胜过等权策略:使用高配策略进行资产配置

海外文献推荐系列第一百四十二期:系统性ESG风险和ESG被动投资

海外文献推荐系列第一百四十一期:如何衡量共同基金经理的技能与业绩?

海外文献推荐系列第一百四十期:如何根据偏度构建资产组合?

海外文献推荐系列第一百三十九期:如何评估固收基金经理的因子择时能力?

海外文献推荐系列第一百三十八期:盈利增长是否推动了质量溢价

海外文献推荐系列第一百三十七期:因子投资时应该进行行业中性处理吗?

海外文献推荐系列第一百三十六期:量化视角看企业文化——基于机器学习的研究

海外文献推荐系列第一百三十五期:如何改进再平衡策略

海外文献推荐系列第一百三十四期:ESG评分分歧度与股票回报

海外文献推荐系列第一百三十三期:高频交易对市场环境影响的实证分析

海外文献推荐系列第一百三十二期:如何评价中国共同基金的表现?

海外文献推荐系列第一百三十一期:2018-2020 年量化危机启示录

海外文献推荐系列第一百三十期:基金经理的聘用,规避和解聘

海外文献推荐系列第一百二十九期:ESG偏好、机构交易行为和股票回报规律

海外文献推荐系列第一百二十八期:因子投资与ESG整合

海外文献推荐系列第一百二十七期:ESG 关键议题有多关键?

海外文献推荐系列第一百二十六期:动量策略何时以及为何有效?

海外文献推荐系列第一百二十五期:风险溢价消失了吗?

海外文献推荐系列第一百二十四期:基于ICC聚类算法的市场状态预测模型

海外文献推荐系列第一百二十三期:基于DTW算法构建标普500行业ETF模式匹配交易策略

海外文献推荐系列第一百二十二期:重新审视风格轮动

海外文献推荐系列第一百二十一期:对自动赎回的结构化产品定价

海外文献推荐系列第一百二十期:基于泡沫识别的行业指数实时交易策略

海外文献推荐系列第一百一十九期:战略资产配置中的长期波动率预测

海外文献推荐系列第一百一十八期:通过LTR算法构建横截面策略

海外文献推荐系列第一百一十七期:如何提升股债相关性的预测能力

海外文献推荐系列第一百一十六期:基于宏观经济周期对因子进行动态配置

海外文献推荐系列第一百一十五期:深度价值

海外文献推荐系列第一百一十四期:股票平均方差与市场回报

海外文献推荐系列第一百一十三期:绝对收益基金是否真的可以实现绝对收益?

海外文献推荐系列第一百一十二期:基于CAPE的行业轮动策略

海外文献推荐系列第一百一十一期:决策疲劳和启发式分析师预测

海外文献推荐系列第一百零十期:隔夜收益与日内收益的拉锯战

海外文献推荐系列第一百零九期:机构投资者可能会助推投机泡沫?

海外文献推荐系列第一百零八期:黄金、铂金与股票预期收益

海外文献推荐系列第一百零七期:买入持有VS择时策略:谁是赢家?

海外文献推荐系列第一百零六期:基于历史收益的绝对收益基金分类

海外文献推荐系列第一百零五期:盈利增长率:每年2%的稀释效应

海外文献推荐系列第一百零四期:重现价值因子的收益

海外文献推荐系列第一百零三期:责任投资:ESG有效前沿

海外文献推荐系列第一百零二期:如何基于ESG信息构建因子投资组合?

海外文献推荐系列第一百零一期:从SRI到ESG——社会责任和可持续投资的起源

海外文献推荐系列第一百期:市场对宏观经济信息错误定价的估计

海外文献推荐系列第九十九期:基于非线性模型预测商品期货收益

海外文献推荐系列第九十八期:重温奥卡姆剃刀:合理估计资产长期收益

海外文献推荐系列第九十七期:价值因子与利率:低利率是否导致了价值因子的回撤?

海外文献推荐系列第九十六期:共同基金的尾部风险与横截面收益?

海外文献推荐系列第九十五期:如何正确使用因子风险贡献比率指标?

海外文献推荐系列第九十四期:挑战传统智慧——近20年主动管理基金文献回顾

海外文献推荐系列第九十三期:如何获得宏观经济中的风险溢价?

海外文献推荐系列第九十二期:基于修正LASSO模型的投资组合复制策略

海外文献推荐系列第九十一期:机器交易:理论、进展和应用

海外文献推荐系列第九十期:无形资产与价值因子:你的价值因子是否过时了?

海外文献推荐系列第八十九期:最大回撤研究

海外文献推荐系列第八十八期:基于核PCA的动态市场风险信号研究

海外文献推荐系列第八十七期:利用下行波动率管理投资组合

海外文献推荐系列第八十六期:基于债券市场风险因子分析投资经理业绩

海外文献推荐系列第八十五期:基于高阶矩的风险平价方法

海外文献推荐系列第八十四期:共同基金的拥挤投资对股票收益的影响

海外文献推荐系列第八十三期:无处不在的因子动量

海外文献推荐系列第八十二期:如何设计价值投资策略

海外文献推荐系列第八十一期:基于市场转换的资产配置VS静态资产配置:让数据说话

海外文献推荐系列第八十期:对债券业绩归因模型的探索

海外文献推荐系列第七十九期:基于分层聚类的资产配置方法

海外文献推荐系列第七十八期:归因——事前和事后归因的统一框架

海外文献推荐系列第七十七期:投资组合因子配置——不仅仅是资产配置

海外文献推荐系列第七十六期:因子择时

海外文献推荐系列第七十五期:基于非参数的状态识别与预测

海外文献推荐系列第七十四期:共同基金投资者是否会高估基金极端正收益发生的概率?

海外文献推荐系列第七十三期:基于尾部风险和相关性的动态资产配置

海外文献推荐系列第七十二期:信号加权

海外文献推荐系列第七十一期:资产配置与因子配置——是否可以建立一个统一的方法?

海外文献推荐系列第七十期:从因子到资产:将因子暴露映射到资产配置

海外文献推荐系列第六十九期:如何克服海量因子库难题?—新因子的检验方法

海外文献推荐系列第六十八期:如何根据不同的经济环境进行资产配置?

海外文献推荐系列第六十七期:最差时期的最佳策略:投资组合能否抵御危机?

海外文献推荐系列第六十六期:基于市场状态转换的动态资产配置

海外文献推荐系列第六十五期:提升因子模型的定价能力

海外文献推荐系列第六十四期:盈余公告后漂移中的价格跳跃

海外文献推荐系列第六十三期:基于参数化策略的因子测试框架

海外文献推荐系列第六十二期:预测股票市场收益:分项加总的效果优于整体

海外文献推荐系列第六十一期:基于共同基金业绩分析羊群行为能否展示基金经理能力

海外文献推荐系列第六十期:基于预期收益的风险平价模型的构建与改进

海外文献推荐系列第五十九期:基于机器学习方法的宏观因子模拟投资组合构建

海外文献推荐系列第五十八期:现金指标是否比利润指标更能预测收益?

海外文献推荐系列第五十七期:如何将因子信息融入到指数基金和主动基金之中

海外文献推荐系列第五十六期:全球区域配置框架:构建全球FOF型ETF

海外文献推荐系列第五十五期:基于宏观经济因子的战术资产配置

海外文献推荐系列第五十四期:公司治理、ESG与全球股票收益关系

海外文献推荐系列第五十三期:协方差矩阵预测方法的比较

海外文献推荐系列第五十二期:如何有效利用ESG数据构建Smart Beta指数

海外文献推荐系列第五十一期:风险轮动中的风险规避

海外文献推荐系列第五十期:基于风险溢价的投资组合—一类风险分散的新方法

海外文献推荐系列第四十九期:横截面收益中的稀疏信号研究

海外文献推荐系列第四十八期:基于机构投资者交易情绪的动态资产配置研究

海外文献推荐系列第四十七期:主动投资中的 Timing 与 Sizing

海外文献推荐系列第四十六期:市场对称性及其在组合选择中的运用

海外文献推荐系列第四十五期:股票、债券和因果关系

海外文献推荐系列第四十四期:如何确定股票的联动效应?基于网络模型的择时研究

海外文献推荐系列第四十三期:ESG投资基础:ESG对股票估值、风险和收益的影响研究

海外文献推荐系列第四十二期:使用机器学习方法预测基金持

海外文献推荐系列第四十一期:防御性宏观因子择时研究

海外文献推荐系列第四十期:股票收益的周内效应研究

海外文献推荐系列第三十九期:战术性资产配置的宏观经济仪表盘

海外文献推荐系列第三十八期:宏观量化投资新基础

海外文献推荐系列第三十七期:如何预测中国股市的下行拐点

海外文献推荐系列第三十六期:行业分类方法重构的有效性研究

海外文献推荐系列第三十五期:目标波动性策略最优性研究

海外文献推荐系列第三十四期:价值投资、成长投资的基本原则及“价值陷阱”的解释

海外文献推荐系列第三十三期:因子溢价与因子择时-跨越世纪的实证结果(二)

海外文献推荐系列第三十三期:因子溢价与因子择时-跨越世纪的实证结果(一)海外文献推荐系列第三十二期:构建纯多头多因子策略:投资组合合并与信号合并海外文献推荐系列第三十一期:如何对分析师预期数据进行建模?-基于贝叶斯方法的研究
海外文献推荐系列第三十期:什么是质量因子

本篇文章来源于微信公众号: XYQuantResearch

本文链接:http://17quant.com/post/%E9%AB%98%E6%8D%A2%E6%89%8B%E7%8E%87%E5%9F%BA%E9%87%91%20vs.%20%E4%BD%8E%E6%8D%A2%E6%89%8B%E7%8E%87%E5%9F%BA%E9%87%91%EF%BC%9A%E5%A2%9E%E5%80%BC%E6%96%B9%E5%BC%8F%E7%9A%84%E5%B7%AE%E5%BC%82.html 转载需授权!

分享到:

相关文章

中金 | 衍生品双周报(5):证监会启动科创50ETF期权上市工作

中金 | 衍生品双周报(5):证监会启动科创50ETF期权上市工作

Abstract摘要证监会启动科创50ETF期权上市工作2023年5月12日证监会发布公告[1]称:“为健全多层次资本市场产品体系,丰富资本市场风险管理工具,证监会启动科创50ETF期权上市工作。”我...

会议预告:中小盘投资展望——中证1000正当时 | 开源金工

会议预告:中小盘投资展望——中证1000正当时 | 开源金工

APP参会:扫描上方海报的二维码网络参会:https://s.comein.cn/afAj团队介绍开源证券研究所金融工程团队,是一支年轻而富有创造力的团队,我们致力于提供全面深入、独家创新的量化研究。...

中金 | 衍生品双周报(20):基差率抬升明显

中金 | 衍生品双周报(20):基差率抬升明显

Abstract摘要衍生品市场回顾:期权IV小幅上升、基差率抬升明显指数概览:A股市场近两周(2023-12-11至2023-12-22,下同)主流宽基指数大幅下跌。大盘优于小盘,沪深300、中证50...

张凯:银华主动量化的全方位实践——从宽基到主题,从A股到跨境

张凯:银华主动量化的全方位实践——从宽基到主题,从A股到跨境

会议:开源一席谈·量化日期:2023年3月31日主办:开源证券金融工程魏建榕团队会议主题:银华主动量化的全方位实践:从宽基到主题,从A股到跨境特邀嘉宾:张凯:CFA,硕士学位,毕业于清华大学。2009...

管理人情绪指数与股票预期收益【集思广译·第54期】

管理人情绪指数与股票预期收益【集思广译·第54期】

  报 告 摘 要  引言行为金融学的许多研究表明,投机性市场情绪会导致价格偏离其基本价值,进而有学者提出了多种投资者情绪指数,然而,企业管理人也会受情绪影响过于乐观或悲...

南方基金金岚枫:一位周期基金经理的恪守与思变

南方基金金岚枫:一位周期基金经理的恪守与思变

  报 告 摘 要  南方基金金岚枫:专注周期,具有逆向思维金岚枫先生于2018年2月加入南方基金,自2021年5月21日起担任南方金融主题的基金经理。该基金2...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。