一支2元的笔一年卖出60多亿!论“中国第一文具商”的诞生
iPhone11提高产量 港股苹果供应商大涨A股相关股受益
最热文章
栏目热门
睡觉时我们会被“洗脑”?大脑血液流出脑脊液涌入
随机新闻
您现在所处的位置: 99真人>数字彩票>分散投注bjl,海通证券:国内公募基金跑赢市场主要靠运气
内容中心

分散投注bjl,海通证券:国内公募基金跑赢市场主要靠运气

阅读量: 2768 时间:2020-01-11 11:47:22

  

分散投注bjl,海通证券:国内公募基金跑赢市场主要靠运气

分散投注bjl,“海量”专题(129)——Alpha是来自于运气还是实力?

本文选用了一个新的视角对国内权益基金的Alpha进行分析——基金的Alpha是来自于实力还是运气?通常情况下,基金投资过程中所获得的“运气”往往难以度量,而Fama与French在《Luck versus Skill in the Cross-section of Mutual Fund Returns》(2010)中提出了一种可以通过bootstrap将基金投资业绩中的“实力”和“运气”进行分离的方法。

Alpha是来自于运气还是实力?实力 vs. 运气

Alpha是组合管理和基金投资中的重要术语,也被称为基金经理主动管理的能力。在报告《国内公募权益类基金有Alpha吗?》中,曾分别分析了基金五种不同的Alpha刻画维度:相对基准Alpha、市场单因子Alpha、FF3剩余Alpha、风险因子剩余Alpha以及全因子剩余Alpha。在分析过程中,基金的Alpha被层层解构,Alpha与Beta之间呈现出辩证的特性。不同定义方式下的Alpha刻画了基金经理在不同条件下获得超额收益的能力。

然而,纵使基金经理能够在既定的条件下产生超额收益,这些超额收益是来自于运气还是基金经理自身的实力呢?上文所述的Alpha并不能解答这一问题。因此在本文中我们从另外一个视角对Alpha进行剖析——基金的“实力Alpha”vs.“运气Alpha”。

基于Boostrap法对实力与运气进行解构

通常情况下,基金投资过程中所获得的“运气”往往难以进行度量,而Fama与French在《Luck versus Skill in the Cross-section of Mutual Fund Returns》(2010) 中提出了一种可以将基金投资业绩中的“实力”和“运气”进行分离的方法。在文献中,他们将基金按照三因子Alpha/四因子Alpha、扣费前/扣费后以及小规模/中等规模/大规模共分成12组,在每一组中基于回归模型测算基金的Alpha。以经典的FF3模型为例,公式如下:

通过最小二乘法(OLS)可以估计截距项α、因子系数以及残差如下:

对于每一只基金i,均保存所估计的α、因子系数以及全部残差。

随后,为每一只基金i构造模拟收益序列。构造过程中,假设基金经理的主动管理能力为0,即α=0。同时,对残差部分进行基金池bootstrap随机重抽样,获得重抽样残差。最终构造基金i的模拟收益序列如下:

基于重新构造的模拟收益率序列对基金业绩进行再次回归,可以获得一个新的截距项,即重抽样Alpha。

当bootstrap随机重抽样的样本中大多数为正的残差时,重抽样Alpha可能大于0;而当bootstrap随机重抽样的样本中大多数为负的残差时, 重抽样Alpha则可能小于0。

对每一只基金均重复上述重抽样过程1000次,即可得到1000个重抽样Alpha的分布。在构造模拟收益序列的过程中,已假设基金的主动管理能力为0,因此1000个重抽样的Alpha的意义是通过残差随机取值可以产生的超额收益,即通过运气可以实现的Alpha。对比重抽样Alpha以及实际Alpha,当重抽样Alpha大部分大于实际数据产生的Alpha,则说明靠样本的随机性可以产生这样的收益,当“运气”更佳时即可产生该超额收益,因此有理由认为基金的业绩更有可能是靠运气而不是依赖基金管理人的自身能力;而当重抽样Alpha大部分无法超越实际数据产生的Alpha,则说明靠样本的随机性并无法产生这样的收益,“运气”不足以解释基金经理的业绩,基金经理具备自身的管理能力(“实力”Alpha)。

案例说明

为更直观形象地展示bootstrap法的分析思路,我们采用部分典型的国内基金案例作为展示。以某案例基金****大盘精选为例,该基金通过1000次bootstrap残差重抽样以后,可获得蓝色柱状分布图如图1。图中浅蓝色区域代表了该基金5%水平下的双尾(拒绝域)。而该基金基于实际数据所估测出的alpha在图中红线所示部位。图中可见,实际数据估测Alpha为2.67%,落在重抽样Alpha分布的拒绝域,因此可以认为靠运气并不足以产生该超额收益,可拒绝“基金的Alpha均可以由运气实现”的假设,故判定这是“实力有Alpha”的基金产品。

图2中的****优势增长案例,基金的Alpha为1.25%,在传统的基金业绩Alpha评估中,该基金被认为具备主动管理的能力。然而,将实际数据回归Alpha与bootstrap Alpha分布进行对比以后可发现,该基金的实际数据回归Alpha并未落在拒绝域,因而可以认为在5%显著性水平下,基金经理并不能被认为能产生运气以外的超额收益。这更可能是一只通过运气获得Alpha的基金产品。

同样地,当基金产生负超额收益时,可能是因为基金经理的运气不佳,也可能是因为基金经理自身能力问题因而为基金带来负贡献。图3中的****动力以及图4中****复兴分别展示了这样的两个案例,分析思路与上文类似,故不再赘述。

国内公募基金样本实证全样本测试

基于第一节中所介绍的方法,本节开始我们采用国内的公募基金样本进行实证分析。我们加入基金池的国内公募权益类基金样本是当前基金市场上所有成立时间满2年的,主要以主动管理作为操控方式的权益基金,具体包括Wind分类下的普通股票型基金与偏股混合型基金两大类,共计647只样本。

为简化处理,下文中我们仅考虑上一篇报告中涉及到的Alpha中的两类典型Alpha:市场单因子Alpha与FF3剩余Alpha,其意义分别是:

市场单因子Alpha(CAPM-Alpha):基金经理跑赢市场的能力。

FF3剩余Alpha(FF3-Alpha):基金经理在既定的风格下能够获得超额收益的能力。由于在中国市场中长期动量效应并不显著,因此我们并未同原始文献一样计算四因子模型,而是仅基于三因子模型进行计算。

在实际Alpha评估的过程中,我们同时计算了Alpha以及Alpha的T统计量。后者的计算方式为:

使用T-Alpha估计的考虑是:跟踪误差较高的基金以及成立时间较短的基金均有更高的可能性在随机情况下获得高Alpha,T-Alpha可以对这两种情况进行校正。

图5和图6分别展示了不同运气情况下的基金池CAPM-Alpha以及CAPM-T-Alpha的分布情况。由图可见,运气好和差的时候,产生的alpha差异非常大。运气好的时候,所有基金的alpha都集中在靠右的位置。若不把运气成分给分离出来,会误以为这些基金都具有主动管理能力。

表1对基金池的CAPM Alpha分析结果进行了统计。在基金池的647只基金中,传统Alpha估计下有Alpha的基金占比62.1%,即有62.1%的基金能跑赢市场,37.9%的基金未能跑赢市场。而在5%显著性水平下,仅有18.5%的基金被认为是通过实力跑赢市场,剩余的43.6%的基金被认为只是凭借运气跑赢市场,说明即使超过一半的基金能跑赢市场,也大多都是凭借运气。而在未跑赢市场的37.9%的基金中,有33.1%的基金被认为跑输的原因是因为运气不佳,剩余4.6%的基金被认为的确是基金经理自身能力不足而造成主动管理上的负贡献。

因此,在5%的显著性水平下,有76.7%的基金的业绩主要由运气因素所影响,由基金经理实际能力所影响的基金仅23.3%。如若在1%的水平下,这一比例会进一步下降到8.7%,而剩余高达91.3%的基金业绩主要由运气因素所影响,基金经理自身能力对其业绩并没有显著性的影响。

图7和图8分别展示了不同运气情况下的基金池FF3-Alpha以及FF3-T-Alpha的分布情况。图中可见,运气因素对FF3-Alpha也产生了显著影响,剥离运气因素对基金经理的主动管理能力分析有重要意义。

表2对基金池的FF3 Alpha分析结果进行了统计。与上一篇报告的结论类似,控制了风格因素以后,基金产生超额收益的能力有显著上升,说明基金经理更容易在既定的风格下产生Alpha。表中显示,在基金池的647只基金中,传统FF3-Alpha估计下有86.1%的基金能产生既定风格内的超额收益,13.8%的基金未能产生超额收益。而在5%显著性水平下,有45.9%的基金被认为是通过实力产生超额收益(这一占比大大高于CAPM Alpha中的“实力Alpha”占比),剩余的43.6%的基金被认为只是凭借运气跑赢市场。在未跑赢市场的13.8%的基金中,仅有0.5%的基金被认为跑输的原因是因为基金经理自身能力不足,剩余13.3%的基金被认为只是运气不佳。

因此,在5%的显著性水平下,有53.5%的基金的业绩主要由运气因素所影响,由基金经理实际能力所影响的基金占比46.4%。如若在1%的显著性水平下,这一比例会下降到27.7%,而剩余71.6%的基金业绩主要由运气因素所影响,没有任何基金被认为是实际能力不足而无法产生超额收益。

对比CAPM-Alpha与FF3-Alpha,可以发现,样本基金池中能跑赢市场的比例仅刚过半,且其中绝大多数跑赢市场的基金都是运气所致,凭借实力跑赢市场的基金仅有18.5%。而在控制了风格因素以后,能产生超额收益的基金占比大幅提升,且在这些基金中,有一半以上的基金是凭借实力而非运气,占总基金池比例45.9%。这一分析结果进一步证明:基金经理并不容易通过实力跑赢市场,而其主动管理能力主要体现在既定板块、风格下创造超额收益,换言之,他们在板块内增强的能力是存在且显著的。

分析Alpha为负数的样本可以发现,无论是CAPM-Alpha还是FF3-Alpha,绝大多数未能产生超额收益的样本均是由于运气不足所引起,而并非主要由基金经理能力不足所造成。这一结论在FF3-Alpha的分析中更为明显,几乎没有基金被认为是因为自身能力不足而在既定风格下产生负贡献。

不同业绩区间下的实力Alpha

本节中,我们进一步将基金池按照超额收益业绩(Alpha)进行排序以后,统计每一档业绩分组中“运气Alpha”与“实力Alpha”的分布情况,以评估不同业绩区间内的Alpha主要来自于实力还是运气。

图9和图10分别展示了5%显著性水平以及1%显著性水平下,按业绩分组后CAPM-Alpha的统计结果。“实力Alpha”仅在Alpha最高组(1%显著性水平)或Alpha最高组和次高组(5%显著性水平)中,说明只有业绩最为靠前的基金业绩是来自于自身实力。而业绩分位点在40%-70%的基金,虽然具备Alpha但其Alpha往往来源于运气,并非来自于自身实力。“实力负Alpha”主要在Alpha最低组,说明仅有业绩最差的一部分基金是自身实力不足,而业绩分位点在10%-30%的基金虽然业绩表现不佳,但几乎都是由于运气不佳所致。整体来看,在与市场的比较中,只有极少数量的业绩极佳的基金能够基于实力产生正Alpha,大部分都是基于运气因素;同时,的确存在一部分实力不足的基金对基金业绩产生负Alpha,而无法归咎于运气因素。

图11和图12分别展示了5%显著性水平以及1%显著性水平下,按业绩分组后FF3-Alpha的统计结果。“实力Alpha”的覆盖组别明显多于CAPM-Alpha,业绩分位点在60%-100%的基金Alpha几乎都来自于实力。而“实力无Alpha”仅存在于业绩最差的一组中。整体来看,在既定风格板块下,有较多数量的基金能够基于实力对基金业绩产生正Alpha,运气因素不足以解释这些基金的超额收益;同时,即使是超额收益业绩较差的基金,也几乎都是由运气不佳所引起,并非基金经理能力不足所致。

不同风格基金池下的实力Alpha

考虑到bootstrap过程中是基于基金池对残差进行重抽样,每一只基金都有机会抽样到基金池范围内的“运气”,故在分析过程中每一只基金的分析结果实际上会受到基金池影响。那么值得思考的是,“运气”可能受到风格与板块的影响,价值型的基金可能永远无法获得成长型基金的潜在“运气”,以小盘股作为主要投资范围的基金也可能无法获得大盘股基金的“运气”,因而预先对“运气共享”的区间进行划分可能更为科学。本节中,我们对原方案进行修改,先对基金池进行风格划分,再基于每一个基金池进行bootstrap分析。我们首先基于FF3模型的两大风格因子——SMB(小盘/大盘)与HML(成长/价值)对全部样本基金进行风格划分。

划分方式如下:基于FF3回归模型将基金收益率对MKT、SMB与HML因子进行回归,获得SMB以及HML因子系数的P值及T统计量以评估回归系数的显著性。

© Copyright 2018-2019 kassiumis.com 99真人 Inc. All Rights Reserved.