投资风格漂移对债券型基金业绩的影响研究

郭彪 侯懿洳 王静宇

绪论

根据投资品种,我国开放式基金可以分成股票型、债券型、混合型、货币市场型、合格境内机构投资者(QDII)型等。相比股票型基金,债券型基金具有收益稳定、风险低的特点。随着债券市场发展和投资者风险分散意识增强,债券型基金每年的发行规模和数量均有明显增长。社保基金、养老基金、企业年金等风险策略较保守的投资者,都积极配置债券型基金。

对投资者来说,掌握基金风格有助于改善投资决策。然而,由于基金信息披露的内容不足,投资者难以基于基金持仓情况进行投资风格分析。而且各基金公司推出了风格多样的基金,呈现出风格漂移。风格漂移指主动型投资基金的投资风格会随着市场环境、基金经理投资策略的变化而变化,从而导致基金整体的风险收益特征漂移。

目前,关于风格漂移对债券型基金业绩影响的研究较少,期待本文弥补此领域的空白。本文研究风格漂移程度对债券型基金的超额收益率和风险是否有预测能力,丰富了债券型基金收益率预测的研究领域。本文运用实证研究方法,构造多因子模型来得出不同基金的风险暴露,从而识别基金的投资风格和风格漂移情况。期待本文研究结论能对投资者决策、基金公司经营管理提供些许参考和借鉴。

文献综述

基金风格测量主要分为基于持仓的方法和基于收益率的因子载荷法。基于持仓的方法需要高质量的基金持仓数据,囿于数据,本文采用基于收益率的方法。陈磊等(2019)把债券型基金的风格分析模型分成两类,即基于久期的分解模型和基于重新定价的收益率曲线分解理论模型。第一种将基金超额收益的来源分成资产配置、证券选择和交互效应(Brinson等,1986),或建立模型2将债券组合进行收益分解等(Campisi,2000);第二种使用债券的定价公式推算债券价格,不使用久期和凸性度量债券的风险。例如,Fama和French(1993)认为期限因子和违约风险因子能够解释债券的价格波动。唐嘉穗(2018)基于Campisi模型分解超额收益率,归因因子分为收入效应、利率曲线结构效应和利差效应等。

Chevalier和Ellison(1999)发现基金业绩竞争是导致风格漂移出现的主要因素。Choi和Kronlund(2018)发现在无风险利率、斜率和利差水平较低时,债券型基金会提高在公共因子上的暴露程度,发生风格漂移。李颖等(2002)的数据实证发现,样本期内有大半基金发生了风格漂移。刘知博(2012)以风格漂移分值(Style Drift Score,SDS)衡量风格漂移程度,发现风格漂移程度和基金经理的异质性相关性显着。Sha(2020)发现风格漂移显着提升股票基金的净回报,但同时会增加基金的风险,不会给基金风格调整后的收益带来显着溢价。

理论基础及模型设计

(一)理论基础及假说

基于CAPM的资产定价理论认为,一只基金的收益可以分解成与基金经理投资能力(alpha)相关的部分、系统性风险收益和非系统性风险相关的收益三个部分。Wermers等(2012)认为基金的风格漂移存在主动和被动风格漂移,主动风格漂移指的是基金经理的交易行为导致的投资组合风格漂移,如基金经理会根据对市场的判断采取灵活的投资策略;被动风格漂移指的是市场环境的变化带来标的股票、债券的变动,从而导致投资组合风险收益特征发生变化。无论是主动还是被动变化,基金经理可以通过风格漂移改变在传统因子上的风险敞口进而影响收益,但同时也可能会改变基金的非系统性风险。Choi和Kronlund(2018)发现债券型基金会择时提高在因子上的风险暴露程度,发生“追求高收益率”的风格漂移现象。Agarwal等 (2018)也注意到,基金可以将自己的风险敞口装扮成“alpha”,并将其呈现给投资者。因而在风险调整前后,通过风格漂移,资产组合的持有期收益率可以获得正的溢价。但是,Brown等(2004)研究结果说明,投资风格变换的频率越高,基金经理判断错误的可能性越大,决策犯错的几率越大,基金的非系统性特质性风险也越高。鉴于本文的目的是实证检验基金风格漂移与未来收益率和风险之间的关系,即风格漂移是否会显着影响一只基金接下来的持有收益和风险调整后业绩,因此,本文参考Sha(2020)提出如下假设:

假设1:一只基金的风格漂移程度越高,该基金持有期收益率越高;

假设2:随着一只基金风格漂移程度的提高,该基金经系统性风险调整后的收益(詹森指数)没有显着变化;

假设3:一只基金的风格漂移程度越高,该基金风险调整后的夏普比率越低。

(二)模型设计

根据套利定价理论(APT):

R=E(R)+λ F1+λF+...+λF+ε  (1)

E(R)=0

cov(ε, ε)=0

其中,λ是资产组合收益率在各个风险因子上的暴露程度,F为公共风险因子。

本文基于债券的内在价值对债券型基金进行业绩分解,从而得到债券型基金的公共风险因子。业绩分解过程以Campisi(2000)的业绩归因框架为基础,基金的收益框架包括收入效应、国债效应、利差效应和选择效应。在我们的模型中,国债效应和利差效应的波动为影响债券价格的公共风险因子;因为息票收益由债券票面利率决定,所以Campisi(2000)中将息票收益定义为静态效应。将无风险利率分解为水平、倾斜、曲率三个主成分,同时结合利差因子和常数项,分别代表利差变化和近似无风险的票息收入和杠杆费用。构建如下所示的风格分析模型:

R=λdLev+λdInt+λdCor+λdSpr+λ+ε  (2)

dLev、dIn、dCor、dSpr分别为无风险利率的水平、倾斜、曲率因子和利差因子在t时点的变动率,λi,5为代表息票收益的常数项。λ、λ、λ、λ分别为债券型基金在四个因子上的风险暴露程度。

Idzorek和Bertsch(2004)提出了用来量化投资风格漂移程度的SDS指标。SDS通过测度投资组合在不同风格资产上的波动情况来衡量风格漂移程度。计算公式如下:

其中,λ代表公式(2)中基金收益率在风格分析方程上的回归参数。SDS越高,风格漂移程度越高。

(三)基金业绩评价模型

基金的持有收益率基于基金的(后)复权净值收益率得到:

R=NAV-NAV/NAV

其中NAV、NAV计算基金在t、t-1时点的净值。

Jensen(1969)以CAPM模型为基础,提出了衡量产品回报超出比较基准的詹森指数,通过以下回归方程检验詹森指数是否显着:

R-r=α+β(R-r)+ε

其中截距项α为詹森指数,R为资产组合在样本期的收益率均值,r为无风险收益率均值,R为市场组合的收益率均值,α显着大于0时,代表该投资组合的表现优于基准组合。α在风险调整方面采用了系统性风险,投资组合的α越大,系统性风险调整后的收益越高。

夏普(1966)提出超额收益率除以收益率标准差为投资组合风险调整下的超额收

益率:

SR表示夏普比率,δP表示投资组合在样本期内的收益率标准差,代表投资组合在样本期内的均值回报率,代表无风险收益率均值回报率。投资组合的夏普比率越大,风险调整后的超额收益率越高。

实证分析

(一)实证数据说明

本文的研究对象为债券型基金。选择2013年1月至2021年1月为研究区间,共1832只样本基金。为计算风险调整后的收益率,排除样本基金成立前6个月的净值数据。

选择银行1年期存款利率作为无风险利率的基准计算债券基金的超额收益率。以中债-综合指数(总值)财富指数收益率作为市场组合,中债-综合指数(总值)财富指数收益率减去无风险收益率为自变量,再计算基金各个窗口期对应的α。同时,本文选择各基金在2013—2020年的周收益率,滚动计算其每个季度的夏普比率。基金净值数据来自国泰安数据库,其他数据均来自万得(Wind)。

(二)基金风格回归

我们选择中债国债收益率曲线上的关键期限收益率序列3,提取出利率期限结构水平、倾斜、曲率三个因子。三个因子的总方差解释和主成分结果如表1所示。

三个主成分的总方差累计解释能力达到98.229%。在三个因子中,水平因子的解释能力最强4。得到三个主成分因子后,加入利差因子得到四个因子,四个因子都通过了平稳性检验,且不存在多重共线性问题(见表2)。

接着,我们采用滚动窗口回归获得所有样本基金在四个风险因子上的风险暴露和常数项的时间序列。以60个交易日为滚动窗口,20个交易日为滚动步长,同时由于债券型基金的收益率序列存在异方差和自相关问题,本文采用Newey-West方法调整t统计量。

回归分析R2的值越大,风格分析模型对收益率序列的拟合效果越好。本文样本中R2的均值达到78.2%,中位数为85.2%,标准差为3.83%,说明我们选择的四个因子能较好衡量样本内基金净值的表现变化。

表3统计了基金风格归因模型系数结果,λ1和λ4显着为负。回归系数显着程度较高,证明该模型可以较为准确地进行债券型基金风格分析。

(三)基金风格漂移程度度量

SDS用来测度基金在某一时期内的风格漂移程度,等于方程回归参数方差之和的平方根。我们计算每个时点的SDS值,得到SDS的时间序列,时间序列的频率等于滚动步长。对SDS值进行缩尾2%处理,发现其平均值为2.204左右(见表4),刘知博(2012)发现我国开放式股票型基金的SDS值为5.6左右,说明纯债型基金的风格漂移程度普遍小于股票型基金。

选取样本区间内每个季度末时点,考察时点t前6个月的风格漂移程度。对SDS指标进行排名,将所有样本基金按照数量平均分为5个组(见图1),在2018年之后债券型基金的风格漂移程度有所降低,可以看出近几年我国债券型基金的投资风格趋于稳定。

(四)资产组合分析

将样本基金分组之后,我们将各个基金组合分别持有6个月和12个月(见表5、表6),滚动计算评价期的基金组合平均业绩。

表5列出了5个基金组合持有6个月的业绩表现。用风险调整前的收益率衡量,低风险漂移基金的超额收益率是1.96%,最高风格漂移的基金组合的平均超额收益率是2.38%,6个月期的高-低策略收益率为0.42%,高风格漂移和低风格漂移策略的超额收益率存在显着差异,t统计值为2.08;但考虑系统性风险调整后的收益(詹森指数)之后,风格漂移溢价消失了,t统计量仅为1.14;考虑风险调整后的收益(夏普比率)之后,则出现了相反的结果,第1组风格漂移程度最小的基金组合的夏普比率为0.3016,第5组风格漂移程度最大的基金组合的夏普比率为0.2086,风格漂移小的基金组合未来的业绩表现显着优于风格漂移程度高的基金,t统计量为-2.30。

表6列出了将5个基金组合持有1年的业绩表现,与持有期为6个月的结论类似。12个月期的高-低策略收益率为0.40%,高风格漂移和低风格漂策略的超额收益率存在显着差异,t统计值为2.19;但考虑系统性风险调整后的收益之后,风格漂移溢价消失了,t统计量仅为0.32;考虑风险调整后的收益之后,则出现了相反的结果,第1组风格漂移程度最小的基金组合的夏普比率为0.2583,第5组风格漂移程度最大的基金组合的夏普比率为0.1883,风格漂移小的基金组合未来的业绩表现显着优于风格漂移程度高的基金,t统计量为-2.73。

综上,SDS对系统性风险调整后的绩效无贡献,对风险调整后的绩效是负贡献的,即风格调整越频繁,纯债型基金的风险调整后绩效越差。因此,组合1到组合5中债券型基金业绩的提高是由风格风险驱动的,并不是alpha。频繁的风格漂移会带来风险调整后绩效的下降。

(五)SDS和基金业绩的回归

接着,本文选取了2015年前成立的242只债券型基金为样本,搜集其2015年至2020年的业绩数据和相关特征指标,以季度为时间跨度,共7163个观测数,得到一个短面板数据。构建实证模型如下:

R-rf=a+γln(SDS)+∑γContrlVariables+ε

alpha=a+γln(SDS)+∑γContrlVariables+ε

SHARPE=a+γln(SDS)+∑γContrlVariables+ε   (4)

当γ显着大于0时,说明基金风格漂移程度正向影响相应的业绩指标;反之有负面影响。控制变量方面,选取了一些影响基金业绩的相关因素,包括中债综合指数变动率、沪深300指数收益率、基金规模、基金成立年限、基金管理费、基金上期业绩(见表7)。

Hausman检验的结果表明,各模型均应使用固定效应模型,因此我们分别控制了个体固定效应和时间固定效应。结果如表8所示。

结合回归结果和投资组合的表现来看,风格漂移强烈的基金有显着的风格漂移溢价。风格漂移现象既会改变传统因子上的风险敞口,进而影响收益,又会改变基金的非系统性风险。因而在风险调整前后,通过风格漂移,资产组合的持有期收益率可以获得正的溢价,但是alpha的溢价为0。同时,频繁的风格漂移也会为基金带来额外的非系统性风险。在回归模型3中,SDS的系数为负,表明基金风险调整后绩效和风格漂移负相关。

结论与建议

本文选取2013—2021年的开放式中长期纯债基金作为样本,运用风格分析模型进行滚动窗口回归,对基金进行风格识别。再运用SDS指标衡量风格漂移的程度,通过资产组合分析法和回归模型研究风格漂移对业绩的影响。实证分析发现,投资风格漂移显着影响基金的业绩,其中,风格漂移与基金的净值收益率正相关,但并不能显着提高基金的詹森指数,且与夏普比率是负相关的。

对投资者来说,其很难根据基金的持仓情况准确及时判断基金的风格是否发生漂移。而基金经理由于业绩压力可能提高风格漂移程度,这却提升了投资风险。投资者在筛选基金时,首先应正确看待基金的业绩,不能只关注基金的净值收益率的大小,也要判断基金的业绩表现究竟是由风格风险驱动还是alpha驱动,并且了解基金的风格特征,对基金的风格漂移程度有所了解。其次应选择经营稳健的基金产品。虽然投资风格漂移会提升净值收益率,但会降低风险调整后的绩效,投资者应该充分认识到频繁风格漂移会给基金带来额外风险。

对基金经理而言,应避免频繁调整基金投资风格。不能忽略投资风格漂移为基金产品带来的潜在风险。应建立基金投资风格的动态监测机制,让投资者可以充分了解基金风格和风格漂移情况。此外,还应重视基金经理的业绩评价和激励机制。过度强调短期业绩排名或将导致基金经理因为业绩压力出现风格漂移现象,使投资者承担更高的风险。

注:

1.本文感谢国家自然科学基金项目(72171225)的资助,文责自负;侯懿洳为本文通讯作者。

2. Campisi(2000)模型将资产组合收益为收入效应和价格效应,价格效应又可以分为国债收益、利差收益和选择收益。

3.本文选择了期限为1个月、2个月、3个月、6个月、9个月、1年、3年、5年、7年、10年、15年、20年、30年、40年、50年的序列。

4.同时,水平因子和各个期限的无风险利率符号相同,倾斜因子与5年以上的无风险利率符号相反,曲率因子与短期限、长期限的无风险利率符号相同,中间期限的无风险利率符号相反,符合现实。

5.一般认为市场总体行情会影响基金的投资表现。

作者单位:中国人民大学

北京工商大学

中国东方资产管理股份有限公司

责任编辑:唐洁珑 鹿宁宁

参考文献

[1]陈磊,刘钰莹,张泽宪.债券基金业绩归因的最新方法及应用[J].债券,2019(3): 59-67.

[2]李颖,陈方正,李源海.投资风格类别及持续性对基金业绩的影响[J].证券市场导报,2002(10): 39-42.

[3]刘知博.基金经理异质性与投资风格漂移——基于SDS方法的截面数据实证分析[J].商业时代,2012(7):82-84.

[4]唐嘉穗.债券投资组合的多期业绩归因研究[D].中国科学技术大学,2018.

[5] Agarwal V, Green T C, and Ren H. Alpha or beta in the eye of the beholder: What drives hedge fund flows?[J]. Journal of Financial Economics, 2018, 127(3): 417-434.

[6] Brinson G P, Hood L R and Beebower G L. Determinants of portfolio performance[J]. Financial Analysts Journal, 1986, 42(4): 39-44.

[7] Campisi, S. Primer on fixed income performance attribution[J]. Journal of performance measurement, 2000, Summer: 14-25.

[8] Chevalier J and Ellison G. Risk taking by mutual funds as a response to incentives[J]. Journal of Political Economy, 1997, 105(6): 1167-1200.

[9] Choi J and Kronlund M. Reaching for Yield in Corporate Bond Mutual Funds[J]. The Review of Financial Studies, 2018, 31(5):1930-1965.

[10] Fama Eugene F, and French Kenneth R. Common risk factors in the returns on stocks and bonds[J].

Journal of Financial Economics Volume 33, Issue 1. 1993.

[11] Idzorek T M and Bertsch F. The style drift score[J]. The Journal of Portfolio Management, 2004, 31(1): 76-83.

[12] Jensen M C. Risk, the pricing of capital assets, and the evaluation of investment portfolios[J]. The

Journal of Business, 1969, 42(2): 167-247.

[13] Sha Y Z. The devil in the style: Mutual fund style drift, performance and common risk factors[J].

Economic Modelling, 2020, 86: 264-273.

[14] Sharpe W F. Mutual Fund Performance[J]. Journal of Business, 1966, (39):119-138.

标签: 型基金 程度 因子