基金业绩排名与泡沫资产配置

沈红波展一帆周依仿

(1.复旦大学经济学院，上海 200433；2.复旦大学管理学院，上海 200433)

一、引言

“高质量发展”和“双循环新发展格局”是“十四五”时期的关键词和纲领。资本市场则是金融助力高质量发展，促进经济从要素驱动、债务驱动向创新驱动、效率驱动转型的重要抓手，具有牵一发而动全身的作用。随着机构投资者市场占比和影响力的不断扩大，其对资本市场资源配置效率的影响也日益提升。根据中国证券投资基金业协会的数据，截至2020年底我国公募基金的资产管理总规模达到19.9万亿元，共7913支公募基金，其中开放式基金6770支，封闭式基金1143支。公募基金的投资行为对证券市场的定价效率、资源配置和稳定性均有着重要影响。但是，A股市场仍频现暴涨暴跌乃至资产泡沫，那么，被寄予“稳定市场和理性投资”厚望的基金公司究竟是市场稳定器还是波动放大器？在业绩排名压力下，基金公司是否会超额配置热门的行业或泡沫资产、对资产泡沫推波助澜，值得监管机构和投资者密切关注。

理论上，资产价格大幅度偏离内在价值将催生资产价格泡沫(Shiller, 2000)[17]，机构投资者作为理性投资者代表，应套利修复错误定价。但实际上，套利存在限制(Figlewski，1979；De Long et al.，1990)[11][9]，市场存在摩擦和信息不对称，机构投资者也面临排名和赎回压力(Shleifer and Vishny，1997)[18]。相较于敬而远之或逆势做空，特定条件下机构投资者面对泡沫资产的理性最优决策反而是“骑乘泡沫”(ride the bubble)——即虽明知资产存在泡沫且最终会破裂，但仍选择持有甚至超配泡沫资产，获取其快速上涨带来的高收益，并期望能精准择时，在泡沫破裂前夕撤出市场(Abreu and Brunnermeier， 2003)[1]。

已有文献指出，机构投资者超配泡沫资产的行为会大幅度提升市场泡沫的持续时间和规模(Abreu and Brunnermeier，2003；Dass et al.，2008；Sato，2016)[1][8][19]。而资产价格泡沫的集聚、壮大和破裂则往往会损害实体经济，破坏金融市场的稳定性(Jordà et al.，2013)[15]，提升银行等金融机构的系统风险(Brunnermeier et al.，2020)[3]，严重时引发金融危机。在我国A股市场中，公募基金是否超配了泡沫资产，究竟是起到抑制泡沫还是推波助澜的作用，在2013―2020年发生的资产泡沫和市场暴涨暴跌中又扮演了怎样的角色，是本文要研究的第一个重要问题。

进一步，随着基金行业的迅猛发展，基金公司的业绩排名竞争也愈发激烈。基金经理的激励与基金的规模正相关，而基金规模又取决于业绩和资金流量之间的倒U型曲线关系(Ippolito，1992；Sirri and Tufano，1998)[14][20]，排名靠前的明星基金管理规模不断膨胀，而排名靠后的基金则陷入恶性循环。因此，激烈的业绩排名锦标赛既给基金公司造成巨大压力，也会促使基金经理采取一些激进的投资风格或行为(Brown et al.，1996；李祥文和吴文峰，2018)[5][27]。那么，日益激烈的业绩排名锦标赛机制，是否会对我国公募基金的泡沫资产配置行为产生影响，是本文要研究的第二个重要问题。

本文的边际贡献可能体现在以下三个方面：第一，丰富了机构投资者行为的研究，实证检验了2013―2020年我国公募基金存在超配泡沫资产的行为，且市场风格显著漂移，泡沫资产类型近年逐渐转变为大市值蓝筹公司。第二，为资本市场泡沫的研究提供了微观投资者行为视角上的实证补充。本文论证了基金超配泡沫资产存在主动择时，验证了机构投资者并非天生的“市场稳定器”，反而推波助澜了泡沫的积聚、延续和崩溃。第三，将基金业绩排名锦标赛(fund tournaments)与泡沫资产配置行为相联系，从相对业绩排名竞争对基金经理薪酬产生重要影响的视角，丰富了泡沫资产配置在基金层面异质性的研究，为基金行业与资本市场监管提供参考。

二、理论分析与研究假设

(一)有限套利与机构投资者泡沫资产配置行为

机构投资者与资本市场泡沫的研究一直存在争议。传统的有效市场理论指出，当市场存在泡沫时，作为理性投资者代表的机构投资者应当迅速反向做空或卖出，促使泡沫破裂，价格回归至均衡。很多研究支持此理论，发现机构投资者可以抑制暴涨暴跌，稳定市场等。例如，祁斌等(2006)[30]发现机构投资者持股比例与股票市场波动性存在显著负相关；高昊宇等(2017)[22]则发现2006―2015年机构投资者的持有量增加显著降低了股票价格暴涨暴跌的发生，有助于市场稳定。

然而，由于存在套利限制和市场摩擦，如基本面风险(Figlewski，1979)[11]、投资者挤兑风险(Shleifer and Vishny，1997)[18]、噪音交易者风险(De Long et al.，1990)[9]、做空限制(Miller，1977)[16]、同步性风险(Abreu and Brunnermeier，2003)[1]、基金排名赛与资金流出压力(Sato，2016)[19]等，机构投资者面临泡沫时，其理性最优决策反而可能是“骑乘泡沫”(ride the bubble)，即理性投资者虽明知市场存在泡沫且终会破裂，但仍选择持有泡沫资产，谋取泡沫膨胀期的高收益，并期望能精准择时，在泡沫破裂前夕撤出市场。

具体而言，De Long et al.(1990)[10]指出，若理性投资者可以预测到噪音交易者的正反馈行为，则通过前瞻性买入并诱使正反馈交易者进入，会显著推动价格大幅偏离基本面价值，引发资产泡沫。Abreu and Brunnermeier(2003)[1]指出，当市场存在资产泡沫时，套利者限于信息不对称难以形成同步性卖出或做空，而资本量有限、势单力薄的少数套利者过早卖出泡沫资产并不会刺破泡沫，反而会损失泡沫继续膨胀的潜在收益，即“同步性风险”。故而，当套利者意识到资产存在泡沫时，需要权衡继续持有的收益与过晚卖出遭遇泡沫破裂的风险，决策最优配置时长。均衡时所有套利者的最优策略均不是在获知泡沫后立即卖出，而是骑乘泡沫一段时间。因此，即便在理性人框架下，引入信息不对称、套利者的资本限制、业绩压力、做空约束等，依然会导致泡沫的存在和延续。Sato(2016)[19]进一步引入基金业绩排名赛，指出缺乏历史业绩的新基金经理会高估泡沫资产配置的潜在收益，低估泡沫破裂的崩盘风险，从而更为激进地超配泡沫资产。

实证方面，Brunnermeier and Nagel(2004)[2]研究了对冲基金骑乘美国2000年互联网泡沫的行为，发现部分对冲基金精准择时，利用泡沫获取了显著超额收益。潘越等(2011)[29]研究了我国A股2007―2008年泡沫，发现年轻基金经理在股市泡沫初期超配泡沫股票，助推了股市泡沫的形成，推波助澜了泡沫的形成和破灭。陈国进和陶可(2011)[21]发现机构投资者的拥挤交易是蓝筹股泡沫产生的重要原因。徐浩峰和朱松(2012)[33]发现机构投资者的交易风格具有“投机”特征，导致了证券价格偏离内在价值，引发股市泡沫。刘京军等(2018)[24]发现开放式基金在泡沫资产配置上存在同群效应，利用投资者的有限理性扩大其资产规模从而获得最大化利益。

结合A股市场，2013―2020年样本期间发生过数次市场暴涨暴跌的现象。例如2015年前后，上证综指从不到2000点一度上涨至5178点，泡沫破裂后数月内跌幅近50%，严重时单日内逾1700只股票跌停。肖钢(2019)[36]指出，2015年的股市危机本质上是杠杆资金入市推动的资产泡沫，在泡沫破裂之后杠杆盘被迫斩仓，造成恐慌盘、盈利盘的共同出逃，在这种情况下政府果断出手，避免了系统性的金融危机。那么，当市场存在资产泡沫时，我国公募基金的行为是怎样的，起到了什么样的作用，是主动做空泡沫资产、敬而远之还是配置泡沫资产参与其中？

首先，虽然自2010年起融资融券制度建立，但融券交易量和融券余额占比均很小，融券门槛和成本也很高，公募基金通过融券制度主动做空泡沫资产的难度较高。其次，如果基金面临泡沫资产，选择“世人皆醉我独醒”地敬而远之，则很可能业绩不及同行或者跑输市场，排名的落后继而会导致严重的赎回压力和基金经理职业风险。最后，如果基金选择“明知山有虎，偏向虎山行”，固然享受到泡沫膨胀的收益，但也面临泡沫崩溃的风险，若泡沫破裂而未及时卖出，则会因流动性短缺以及市场的快速下挫而损失惨重，收益和排名都将一落千丈(Sato，2016)[19]。然而，考虑到我国个人投资者占比较高，机构投资者在信息资源、择时能力等方面都具备显著优势，也更贴近De Long et al. (1990)[10]中存在大量可被预期的正反馈交易者的设定，相比于成熟市场，骑乘泡沫的风险反而相对较小。综合理论分析、融券机制现状、投资者结构和基金的业绩压力，预期A股市场的公募基金更可能采取超配泡沫资产的行为，故而本文提出以下假设：

H1：公募基金整体在2013―2020年存在超配泡沫资产的行为，且在市场上涨阶段或者股市泡沫顶峰时期超配程度更显著。

此外，如果公募基金存在超配泡沫资产的特征，进一步需要回答其究竟是有意为之，还是基金根本并未意识到泡沫的存在，偶然地超配了泡沫股？Brunnermeier and Nagel(2004)[2]发现，以索罗斯为代表的部分顶级基金经理精准地在互联网泡沫期间择时，挑选上涨最快的科技股，并在泡沫破裂前调仓。反观A股市场，在样本区间内(2013―2020年)虽然指数在2015年6月12日达到峰值，但在个股层面上，并非所有个股都在当季达到价格顶峰，市场的热点和风格亦随时间有所漂移。例如，2015年的市场热点更集中于创业板，当期创业板平均市盈率最高约150倍，远超2000年纳斯达克指数崩盘时的82倍。个股上，诸如暴风集团、乐视网、安硕信息在2015年二季度动态市销率分别为91.3、12.1、59.5，均为对应行业最高的前20%，基金持股比例分别为39.9%、7.5%、38.7%，而在泡沫崩溃发生后的2015年三季度分别大幅下降至22.0%、4.2%、5.1%，可以看出基金相对精准的择时能力。2017年前后，市场热点逐渐转向大市值白马股，例如，2020年末和2021年初，大量基金抱团重仓配置诸如食品饮料、新能源等行业龙头个股，部分个股估值达历史极值，引发市场关于“蓝筹股泡沫”、机构抱团是否瓦解、明星基金是否调仓等问题的激烈争论。

综合以上分析，如果基金存在有意识的超配泡沫资产行为，理论上基金在个股层面上能够展现一定程度的精准择时，即从已经涨到接近峰值或即将崩盘下跌的股票，不断切换到尚未达到峰值仍在快速上涨的股票。故而本文提出假设：

H2：公募基金超配泡沫资产的行为是有意而为，体现为其在一定程度上精准择时，不断地从已经涨到接近峰值的泡沫股切换至仍在快速上涨的泡沫股。

(二)基金排名锦标赛与泡沫资产配置行为

基金经理通常会根据经济激励来调整其投资行为(Brown et al.，1996)[5]。随着基金行业的不断壮大，业绩排名竞争也愈发激烈。一方面，基金业绩与资金流量之间存在凸关系(Ippolito，1992；Sirri and Tufano，1998)[14][20]，排名前列的基金才能获得投资者青睐，规模与管理费收入与日俱增，而排名靠后的基金则陷入恶性循环，基金经理的职业生涯也会面临挑战；另一方面，基金业绩的相对排名直接决定了基金经理的奖金收入。李沪生和赵婷(2016)[26]指出，决定基金经理年终奖金的核心标准之一就是其同类业绩排名是否挤入前1/2、前1/3或前1/10，超越这些关键排名位置将获得奖金的跳跃式提升。李祥文和吴文锋(2018)[27]发现这些关键排名位置上的基金存在更显著的年末尾盘拉升现象。许林等(2019)[35]发现基金为了提升规模和业绩排名，主动采取冒险行为。

泡沫资产配置的行为同样可能与基金经理的薪酬激励机制紧密联系。为了追逐更高的排名，当市场快速上涨时，骑乘而非抑制泡沫往往能获取更好的短期业绩。进一步，考虑到业绩排名在关键位置上存在激励幅度的跳跃，本文预期位于关键排名处的基金可能存在超配泡沫资产的更强动机。

此外，Sato(2016)[19]发现，如果基金面临“赢家通吃”的竞争格局，即头部极少数基金可以获得市场中绝大多数投资者时，为了竞争少数“赢家”的位置，基金都会倾向于超配泡沫资产相互追逐。由于“赢家通吃”，所以相较于遭遇泡沫破裂的崩盘风险，成功“骑乘泡沫”的巨大收益和成为头部“赢家”明星基金的吸引力明显更胜一筹，故而赢家基金会更激进地超配泡沫资产。我国基金市场相对接近“赢家通吃”的格局，头部明星基金能够获得广泛的投资者关注，从而得到大幅度的资金流入和规模提升。例如，2019年冠军基金经理刘格菘的三支代表基金合计规模从2018年末的约20亿元增长至2020年末的约350亿元，若加上夺冠后的新发基金，则其总管理规模截至2020年底显著扩张至约800亿元。此外，近年来新发的明星基金得到数十倍认购的新闻屡见不鲜，亦反映了“赢家通吃”的竞争格局。综合上述分析，本文提出假设：

H3：赢家基金以及关键业绩排位上的基金存在更显著的泡沫资产配置行为。

进一步地，从相邻基金竞争的视角来看，排名略差的基金希望能够更进一步，从而可能跨过关键排名或者成为赢家明星基金。如果相邻基金业绩差距较小，基金为了超越对手更可能选择相对稳妥的策略(Hu et al.，2014；李祥文和吴文锋，2018)[13][27]，而避免伴随着巨大崩盘风险的泡沫资产配置策略。但如果该基金与相邻基金的业绩差距较大，普通的投资策略难以追赶，则此时其更可能铤而走险地超配泡沫资产。基于以上分析，本文提出以下假设：

H4：相邻基金业绩差距越大，基金为了追赶排名更靠前的对手，越倾向于选择高风险高回报的超配泡沫资产行为。

三、样本数据与变量定义

(一)样本数据选取

本文样本区间为2013年第一季度至2020年第三季度。为考察基金的主动资产配置行为，样本选取开放式股票型基金、偏股混合型基金、灵活配置型基金、平衡配置型基金(Wind基金分类方法)。根据本文的研究特点，对样本进行了如下处理：(1)股票型基金中剔除被动指数型股票基金，混合型基金中剔除偏债混合型基金；(2)为了避免幸存者偏差(survivorship bias)问题，样本中包含了已经清盘的基金。

本文数据主要包括基金季度重仓持仓数据，基金排名、基金复权净值增长率、基金净值规模、基金投资者结构、基金区间换手率等特征数据，均来源于Wind和CSMAR数据库。为了控制极端值，本文对连续变量分别在0.5%和99.5%分位数进行缩尾处理。

(二)泡沫股的定义与泡沫资产配置强度指标的构造

泡沫股的识别是研究机构投资者泡沫资产配置行为的基础，已有文献往往采用相对估值指标排序的方法。从实证角度，Shiller(2000)[17]提出使用周期调整市盈率(CAPE，cyclically adjusted price earnings)衡量股票是否估值过高乃至存在泡沫。Brunnermeier and Nagel(2004)[2]首次研究了对冲基金骑乘美国2000年互联网泡沫的行为，指出部分对冲基金精准择时，利用骑乘泡沫获取了显著高于市场的收益。由于绝大多数泡沫股集中于互联网板块(纳斯达克中的一部分)，故而他们根据市销率PS对股票进行排序，将每季度的前20%定义为泡沫股。延续这一思路，Dass et al.(2008)[8]在研究机构投资者在互联网泡沫中的羊群行为时采用了市销率PS、市净率PB和市盈率PE指标对泡沫进行识别。潘越等(2011)[29]在研究我国A股2007―2008年泡沫时采取了类似方法。刘京军等(2018)[24]在研究基金在泡沫资产配置的模仿行为时，亦将每季度市场上所有股票的市销率、市净率和市盈率最高的20%定义为泡沫股票。

然而，与美国2000年互联网泡沫不同，A股的资产泡沫往往分散于各个行业的某些股票，而非集中在某一特定板块(王少平和赵钊，2019)[32]。故而考虑到行业差异的影响，单纯应用PS等估值指标将产生较大偏误，高估科创类股票被识别为泡沫股的概率，低估传统行业股票被识别的概率。基于上述思考，本文采用了行业标准化的市销率(市净率)对泡沫进行识别，以改善行业差异的干扰。具体而言，本文首先搜集股票每季度末的市销率(TTM)和市净率(MRQ)，根据申万一级行业分类，将每季度经行业标准化后的市销率和市净率进行排序，将前20%的股票定义为当期的泡沫股。

基于泡沫股的定义，参考Dass et al. (2008)[8]和刘京军等(2018)[24]，对基金泡沫资产配置的程度构造了代理变量：

(三)赢家基金、输家基金和关键排名处基金的定义

本文在研究基金的相对业绩排名与其泡沫资产配置时，不仅仅关注赢家基金和输家基金，还重点研究了关键排名处的基金。根据前文的理论分析，基于我国现行基金业薪酬激励机制，位于关键排名处的基金和赢家基金可能更倾向超配泡沫资产(李沪生和赵婷，2016；李祥文和吴文锋，2018)[26][27]。

(四)相邻基金业绩差异的代理变量

如理论分析所述，从相邻基金竞争视角，相邻基金业绩差异的大小对泡沫资产配置行为存在影响。为此，本文构建相邻基金业绩差异代理变量PerfDifn,t，具体而言，在t季度末将基金按照滞后一个半月的近三月(即t-4.5月至t-1.5月)复权净值增长率(或滞后一个半月的年初至今复权净值增长率)排名，增长率越大收益排名越靠前，由此计算：

PerfDifn,t=FundPerfn-1,t-FundPerfn+1,t

即对排名为n的基金，计算排名领先一名的基金n-1和落后一名的基金n+1的业绩之差。若n为1，即排名第一，则PerfDif1,t为排名第一与第二的基金业绩之差乘以2；若N为排名最后的基金，则PerfDifN,t为倒数第二与倒数第一的基金业绩之差乘以2。

(五)控制变量选取

本文在实证分析时，对以下影响基金泡沫资产配置的因素进行了控制。

1.基金规模、基金年龄与基金换手率

基金规模、基金年龄、基金换手率与基金业绩均有所关联(Brennan and Hughes，1991；Chen et al.，2004；Gruber，2012；梁珊等，2016)[4][7][12][25]，也会对基金的行为策略产生影响，如基金期末拉升行为等(Carhart et al.，2002；李祥文和吴文锋，2018)[6][27]。Abreu and Brunnermeier(2003)[1]指出，理性投资者需要达到一定规模并且同时攻击泡沫(即卖出相应资产)才会使得泡沫破裂，故而规模的大小将影响理性投资者超配泡沫资产的决策与最优择时的选择；Sato(2016)[19]指出，年轻的基金因为缺乏历史业绩，更看重当期的业绩排名以证明自己，更倾向于冒险超配泡沫资产；沈红波等(2020)[31]发现当前任被动离职后，新任基金经理为了证明自己的能力会采取更激进地配置行为。

本文用LnSizei,t表示基金i在t季度末的净资产规模(单位：亿元)的自然对数，用Agei,t表示基金i在t季度末的年龄(单位：月)，用Turnoveri,t表示基金区间换手率。

2.基金净申购赎回率和个人投资者占比

基金的资金净流量与基金业绩密切相关(Ippolito， 1992；Sirri and Tufano，1998；陆蓉等，2007；肖峻和石劲，2011)[14][20][28][34]，故而基金的泡沫资产配置行为可能与资金净流量有所关联，故而选取基金净申购赎回率作为控制变量。此外，基金的投资者结构也对基金的申购赎回有影响，个人投资者占比高往往会加大基金业绩表现不佳时的赎回压力。

本文用Redemi,t代表基金i在整个季度t的净申购赎回率(单位：%)，计算方法为单季度内申购赎回净额除以期初基金总份额。用Indivi,t代表基金i在t季度末个人投资者的占比(单位：%)，故而(1-Indivi,t)即为当期的机构投资者占比。

3.基金风格与投资集中度

基金风格与基金的业绩和择股偏好均有所联系(寇宗来等，2020)[23]。因此，本文选取Wind计算的风格系数Stylei,t作为控制变量，风格系数由基金全部持股的均衡成长风格的分值减去均衡价值风格的分值得到。风格系数大于0代表基金偏好成长风格的股票，反之则偏好价值风格股票。投资集中度Conceni,t则衡量了基金的前十大重仓股股数占该股流通股比例的加权平均，权重为基金持有该个股的市值占其全部持股总市值的比例，反映了基金投资的分散程度。

4.其他控制变量

本文在对面板数据进行回归分析时，使用基金哑变量Fundi和季度哑变量Quartert来控制双向固定效应。综上，本文变量定义如表1所示。

表1 变量定义与说明

四、实证结果与分析

(一)主要变量的描述性统计

主要变量的描述性统计结果如表2所示。可以看出，公募基金平均意义上相对于市场超配了泡沫资产，基于市销率(PS)和市净率(PB)构造的泡沫资产配置强度的均值分别为1.378和1.641。同时，两指标均表现出了正偏特征，在标准差只有约1的情况下，最大值却达到了8左右，意味着少部分基金存在极端地超配泡沫股的行为。两种排名指标的取值范围均标准化为[0,1]的区间，数字越小意味着排名越靠前。净申购赎回率的最小值为-1，也即100%赎回清盘，最大值为19.88，即单季度内大量资金流入，规模提升了约20倍。个人投资者比例均值为0.688，表现出公募基金投资者结构仍以个人为主。基金年龄的均值为53个月，其中最长的达到228个月，约19年，对应了我国最早发行的几支基金产品。

表2 主要变量的描述性统计

表3 样本基金的数量和净资产规模统计

(二)基金超配泡沫资产行为的检验

为了检验基金是否在整体层面上存在超配泡沫资产的行为，本文借鉴Brunnermeier and Nagel(2004)[2]以及潘越等(2011)[29]的方法，分别计算泡沫股占市场整体的市值比例(市场泡沫股比例)，以及基金披露的季度重仓股中所配置的泡沫股比例，取两者之商定义为泡沫资产配置强度指标。结果分别如表3和图1所示，其中图1的柱体为市场泡沫资产占比，折线则为基金持有泡沫资产比例基于基金净值的加权平均，上下图分别基于标准化PS和PB指标。在2015年二季度，我国上述四种类型基金的净资产总规模达到了局部的高峰2.24万亿元，同期基金的平均净资产规模也达到局部峰值24.51亿元(2015年6月12日沪指盘中最高达到5178点)。在2020年三季度，样本基金的总规模突破新高达2.79万亿元，这和2020年二季度开始中国逐渐控制疫情、市场随之震荡走强的行情相匹配。

图1 基金持泡沫股比例与市场比例对比

值得关注的是，以标准化PS或PB指标定义的泡沫资产配置强度都体现出了如下两方面特征：(1)泡沫资产配置强度指标在股市火热的时候显著提高。例如，在2015年中泡沫资产在从小市值公司逐渐转移到大市值公司。例如，2015年市场泡沫时期的热点代表包括乐视控股、暴风科技等市值偏小的股票，而2020年前后热点更集中在贵州茅台、海天味业、恒瑞医药等市值偏大的“白马股”。其次，泡沫资产配置指标(PB)取值为2可以被理解为基金持有这些大市值泡沫资产的平均比例约为60%(市场占比30%的2倍)，反映了基金资产配置的集中度显著提高，超过一半以上的仓位均集中在这些资产上。这也侧面印证了近年来机构抱团在“白马股”上的行为不断增强。

此外，本文还通过相关性分析发现，BubblePBi,t与BubblePSi,t和同期上证综指季度收益率的相关系数分别为-0.18和-0.05，p值分别为0.31和0.75，无显著相关性，但与后一期的上证综指季度收益率的相关系数则分别为-0.34和-0.41，p值分别为0.06和0.02。这可以初步反映基金泡沫资产配置越严重的时候，后续泡沫破裂的风险也越高，故而往往预示着下一季度收益率较低。

综上，H1得到验证：公募基金整体在2013―2020年存在超配泡沫资产的行为，且在市场上涨阶段或者股市泡沫顶峰时期超配程度更显著，展现了“骑乘泡沫者”特征。

(三)基金超配泡沫资产是否有意为之

上文验证了基金平均意义上存在超配泡沫资产行为，但该行为究竟是有意为之，还是仅仅因为基金们根本未意识到泡沫的存在？本文试图运用事件研究法，论证基金超配泡沫资产是存在充分意识的。具体而言，虽然沪指在2015年6月12日达到峰值，但在个股层面上，并非所有个股都在当季达到价格顶峰。故而，如果基金有意识地超配泡沫资产，理论上基金在个股层面上能够展现一定程度的精准择时，即从已经涨到接近峰值或即将崩盘下跌的股票，不断切换到尚未达到峰值仍在快速上涨的股票。

在事件研究法的框架下，首先定义个股泡沫达到峰值水平时所处的季度为事件发生期，即第0期，事件窗口期选择[-5,+5]共11个季度。然后在窗口期内，计算三类股票(泡沫股、中等水平估值股、最低水平估值股)1各期市值加权后的基金持股占流通股比例。最后检验事件发生期前后，泡沫股的基金加权平均配置比例是否相比非泡沫股显著下降。

结果如图2和图3所示。其中，图2将事件发生期定义为个股季度收益率达到峰值的时期(Brunnermeier and Nagel，2004)[2]，这种定义方式捕捉的是个股在泡沫时期中涨速的拐点。由图2可见，基金在个股收益率达到峰值的季度(第0期)显著提高了对泡沫股的持有比例，且在达到峰值后的一个季度(第1期)仍保持有很高的持股比例，从峰值后第二个季度(第2期)开始才逐渐下降，而非泡沫股(长短虚线组)则没有出现上述特征。图2上下图的区别在于泡沫定义指标不同，可见本文结论针对不同泡沫定义方法保持稳健。由此可见，基金在泡沫股收益率峰值的当季和下一季存在明显的超配行为，充分反映了基金具备针对泡沫股的择时买入能力，配置并骑乘上涨最快的泡沫资产获取收益。

图2 事件窗口期的基金加权平均持股比例(收益率峰值法)2

图3 事件窗口期的基金加权平均持股比例(价格峰值法)3

图3则将事件发生期定义为个股股价达到峰值的时期，这种定义方式捕捉的是个股在泡沫时期中增长的顶点。从中可以看出，基金针对泡沫股的配置比例平均上高于另两组，在个股股价达到峰值的季度(第0期)开始，基金快速降低了泡沫股的配置比例，而中等估值组(PS_Mid和PB_Mid)虽然也有下降，但下降速度明显较慢，而最低估值组则没有下降特征。由此可见，基金自泡沫股股价达到顶点的当季开始不断撤出，展现了其规避泡沫崩溃的择时卖出能力。

综上，图2和图3从两个侧面反映了基金在个股层面上的择时能力。其中，图2展现了基金挑选股价涨速最快的泡沫股进行配置的择时买入能力，图3展现了基金在泡沫股价格到达顶峰前后及时降低仓位，从而尽可能规避泡沫崩溃的择时卖出能力。本文基于事件研究法的框架验证了H2：基金超配泡沫资产是有意而为，表现为针对泡沫股的精准择时，不断地从已经涨到接近峰值或即将崩盘下跌的股票上切换至仍在快速上涨的泡沫股。对于非泡沫股则没有体现该择时能力。

(四)基金排名锦标赛与基金泡沫资产配置

在我国基金行业中，基金经理的奖金主要由相对业绩排名决定(李沪生和赵婷，2016；李祥文和吴文锋，2018)[26][27]。在论证基金超配泡沫资产行为的普遍性后，本文聚焦于检验基金业绩排名对基金泡沫资产配置行为的影响，构造模型如下：

回归结果如表4所示，可见：(1)赢家基金、10%关键排名位置的基金更显著地超配了泡沫资产。原因可能包括如下两点：一是因为排名靠前的基金竞争更为激烈，为了获取更好的排名，他们更倾向于冒险“骑乘泡沫”；二是由于排名-资金流的凸关系，越是排位靠前，相差一位导致的资金流差异越大，基金追逐更优排位的激励也更强，超配泡沫资产的行为也越明显。(2)33%关键排位处的基金系数虽不显著，但方向均为正，而50%排位处基金则系数方向不稳定，没有一致性的规律。(3)输家基金配置泡沫资产相对较少。排名落后的基金面临两种动机的权衡(Sato，2016)[19]，一是选择冒险“骑乘泡沫”，尝试追上排名更靠前的基金，另一则是规避遭遇泡沫破裂后股价崩盘的风险，从而更愿意选择保守性的策略。本文的实证结论更支持输家基金的后一种动机。

表4 赢家基金、输家基金、关键排名处基金的泡沫资产配置行为

此外，观察控制变量的系数，可以发现基金规模与泡沫资产配置强度负相关。这反映了小规模基金更可能为了追求规模与收入的提升，采取骑乘泡沫行为；基金年龄越大，超配泡沫资产越显著，这反映了泡沫资产配置是一种高风险高回报的策略，越是具备投资经验和择时技巧的基金面临的潜在风险相对就越小；基金换手率越高超配越显著，这与上文事件研究法的结论呼应，能够做到在泡沫股之间不断切换并精准择时的基金，往往体现为换手率更高，超配泡沫资产也越显著；基金风格系数的显著性则反映了成长型基金超配泡沫资产远高于价值型基金。综上，本文验证了H3：赢家基金以及部分关键业绩排位上的基金存在更显著的超配泡沫资产行为。

(五)相邻排名基金业绩差异对泡沫资产配置的影响

从相邻基金竞争视角，排名略差的基金希望能够更进一步，从而可能跨过关键排名或者成为赢家明星基金。那么当相邻基金业绩差距较小时，基金为了超越对手更可能选择如尾盘拉升等相对稳妥的策略(李祥文和吴文锋，2018)[27]，而避免高风险的泡沫资产配置策略。但如果相邻基金的业绩差距较大，普通的投资策略难以追赶，若有机会成为赢家基金或者超越某些关键排名，此时其更可能铤而走险地超配泡沫资产。

表5 相邻基金业绩差距与泡沫资产配置

为验证此逻辑，核心解释变量换为相邻业绩差距PerfDifn,t，被解释变量和控制变量保持不变。结果如表5所示，PerfDif的系数正向显著，证实了H4，即相邻基金业绩差距越大，基金为了追赶排名更靠前的对手，更倾向于高风险高回报地超配泡沫资产。

(六)年末与泡沫膨胀期的泡沫资产配置

年末是基金业绩排名竞争最为激烈的时候，已有文献主要研究了基金年末的尾盘拉升和窗口粉饰等行为(Carhart et al.，2002；Hu et al.，2014；李祥文和吴文锋，2018)[6][13][27]。那么，年末基金配置泡沫资产的行为是否也尤其突出？但是，泡沫资产配置与尾盘拉升行为存在明显差异。基金为了降低尾盘拉升的成本以及避免拉升标的被其他投资者大量卖出，一般会集中在年末最后几天甚至最后数小时内进行操作。然而泡沫资产配置行为更依赖于市场环境，每年的四季度未必是最理想的时机，例如2015年前两个季度市场泡沫快速膨胀时，理论上基金超配泡沫资产的收益更大。基于以上逻辑，为了进一步分析泡沫资产配置在不同市场时期的异质性，定义标记年末(第四季度)的虚拟变量YearEndt，以及标记泡沫膨胀期的虚拟变量Boomt(选取市场相对公认的2014年第四季度至2015年第三季度取1，其他时期取0)。在回归方程(1)中分别加入上述两个时期虚拟变量，以及排名指标和时期虚拟变量的交乘项。

表6 年末(四季度)基金的泡沫资产配置行为

表7 泡沫膨胀期基金的泡沫资产配置行为

五、稳健性检验

(一)排名指标的不同滞后项

前文中，被解释变量是根据t季度末持仓构建的泡沫资产配置强度指标，核心解释变量中的关键排名虚拟变量则是根据滞后了一个半月的近三月排名(即t-4.5月至t-1.5月)或今年以来排名(年初第一天至t-1.5月)构建的。选取滞后一个半月的指标是因为泡沫股配置行为可能分布在季度内各日，故而为预测基金在季度末的泡沫资产配置情况，将排名指标的截止日期定于季度中间是相对折中的选择。

然而，基金的相对排名随着时间的变化并非一成不变。为了验证结论的稳健性，本文选取不同滞后期(半个月、一个月、一个半月、两个月、两个半月、三个月滞后)的排名，重复主回归。以PS构建的泡沫资产配置强度指标为例，回归结果(见表8)显示不同滞后排名指标下，赢家基金与10%关键排名处基金超配泡沫资产的行为均非常显著，33%与50%排名处在部分回归中也正显著。总体来看，随着排名指标滞后期的增长，泡沫资产配置反向影响基金排名的内生性问题逐渐缓解，而本文的核心结论保持稳健。

(二)被解释变量差分后的回归

为了缓解内生性问题，本文将泡沫资产配置强度指标在两个季度末的差分作为新的被解释变量，即ΔBubblei,t，从而研究该配置在季度间的变化量。解释变量仍为近三月(或年初至今)排名指标与其余控制变量。从泡沫资产配置强度增量的角度，预期赢家基金以及处于关键排名处的基金更倾向于不断提高泡沫股的配置。

回归结果如表9所示，显示赢家基金和10%关键排名基金在增量意义上依然高度显著；而33%和50%关键排位上也在存在增持泡沫股的现象，系数一致为正，显著性相对略弱。总体上，泡沫资产配置强度差分后的回归从增量的角度同样支持了本文主要结论，即赢家基金以及关键排名(10%与33%)的基金存在更多有意识的泡沫资产配置。

表8 不同滞后期排名指标的回归

表9 赢家基金、输家基金、关键排名处基金的泡沫资产配置(差分回归)

(三)基金配置与资产泡沫的双向影响关系

与潘越等(2011)[29]和刘京军等(2018)[24]类似，本文在测算基金持有泡沫股比例时暗含假设资产泡沫是外生给定。虽然本文指出基金超配泡沫资产的行为可能会推波助澜泡沫的膨胀和延续，但并未过多关注资产泡沫形成的影响因素。换言之，是否存在反向影响关系，即基金超配资产的行为导致了泡沫形成？

为进一步检验稳健性，本文首先针对2014―2016年的子样本重复了主要实证研究。选取该子样本的原因是：(1)公募基金规模在2014―2016年相对尚不高(占自由流通市值不足8%)；(2)2015年主要是由于杠杆资金入市引发的全市场资产泡沫(肖钢，2019)[36]，对于基金而言相对外生。虽然仍不排除基金的泡沫资产配置行为反过来会助长泡沫，但综合来看该时期的基金对价格的影响力有限，更偏向于是价格接受者。在该子样本中，主要结论保持稳健(限于篇幅以及避免表格信息重复，实证结果略)，证明基金在业绩排名压力下主动超配泡沫资产的机制存在。

其次，基金超配也不足以作为资产泡沫的充分条件，还需要足够规模和数量的基金超配相同标的、时机上具备同步性且其他种类投资者未反向交易等诸多条件。由表3的描述性统计结果可见，公募基金平均规模尚处在10亿元量级，考虑行业的“双十”限制，单支基金仍相对势单力薄。同时由图1可见，基金配置泡沫资产比例的波动程度远高于市场泡沫资产比例，且存在明显择时特征，如2015年前两季度基金超配幅度显著增大。因此，基金超配导致资产泡沫的作用有限，难以在多个行业同时发生。

最后，本文研究的核心还是在截面上基金排名异质性对其泡沫资产配置行为的影响，属于微观的基金投资决策视角。从经济学逻辑看，虽然在宏观一般均衡的视角下，泡沫的形成(股价的决定)是内生变量，但在局部微观静态的横截面研究中，将股价泡沫视为一定程度的外生给定也具有合理性，和以往文献的隐含假设也是一致的。

综上所述，本文认为“基金超配导致资产泡沫”的机制即便局部存在，也不足以改变本文“业绩排名压力下基金偏好配置泡沫资产”的机制，本文核心结论保持稳健。

六、结论与建议

本文以我国资本市场2013―2020年为研究背景，实证分析了公募基金在排名压力下的泡沫资产配置行为。实证研究发现：(1)基金在股市上涨阶段显著增配了泡沫股，而在市场暴跌后迅速减少配置，展现了“泡沫骑乘者”的特征；(2)2015年前后，泡沫资产主要为小市值股票，2019―2020年，泡沫资产逐渐转变为大市值“白马股”，且基金超配的程度显著提高；(3)排名前5%的赢家基金，以及位于1/3和1/10关键排名处的基金存在更显著的泡沫资产配置行为，在排名锦标赛的激励机制下，泡沫资产配置是一种高风险高回报的策略；(4)相邻排名基金的业绩差异越大，为了追求更高排名，基金越倾向采用超配泡沫资产的策略。

本文的研究结果表明，基金公司并不一定是天然的市场稳定器，基于排名压力，基金公司也会超配泡沫资产对市场推波助澜，属于个体理性而集体非理性。在个体层面，公募基金主观有意地超配泡沫资产，具备一定的择时技巧，为业绩排名压力下的理性策略，在短期能够提振投资业绩。但在集体层面，公募基金超配泡沫资产会推高标的股票估值，助长市场波动率和崩盘风险，侵害相关个人投资者利益，有损市场价值投资理念，在长期亦不利于基金行业的声誉。

资本市场在金融运行中具有牵一发而动全身的作用，是助力“十四五”时期高质量发展，促进经济从要素驱动、债务驱动向创新驱动、效率驱动转型的重要抓手。日益壮大的机构投资者已能逐渐影响资本市场的资源配置效率，故而其泡沫资产配置行为更值得监管机构注意。结合本文研究，得到以下三条政策和监管建议：首先，应密切关注基金公司激进的泡沫资产配置行为，在早期遏制部分个股估值畸高产生泡沫。尤其近年来基金抱团重仓于部分大市值蓝筹股，应审慎防范可能形成的蓝筹股泡沫以及泡沫破裂引发的系统性风险。其次，现行基金评判标准较单一，导致投资者和基金双方过分强调近期相对业绩排名，这会导致基金公司投资策略的短视化与激进化，不利于金融市场的稳定，亦有损投资者福利。长远看，基金的评判标准应该多元化发展，建议由中国证券业协会官方设立综合评选且定期发布，建立长效的基金声誉机制。最后，应当进一步推进全面注册制和资本市场开放，提高上市公司质量和优质标的数量，从根源上拓宽资本市场的深度和广度，避免公募基金主动或被动地抱团重仓于少数核心资产，培育市场价值投资理念。

限于篇幅，本文研究主要局限于论证基金泡沫资产配置行为的存在性以及业绩排名的影响。进一步可拓展研究的方向包括：一是研判泡沫资产配置的影响因素，如资本市场制度改革、金融监管政策、基金经理变更和基金风格切换等，进而为优化基金业管理、促进资本市场资源配置效率提供研究基础；二是研判泡沫资产配置导致的影响，在个股层面包括重仓标的波动率、崩盘风险、公司治理等因素，在市场层面包括资产泡沫的积蓄、系统性风险、市场波动率等因素。 ■

注释

1. 如上文所述，本文采用行业标准化后的PB和PS指标的方法，将全部股票五等分，把指标最高20%的股票定义为泡沫股，将指标处于[40%,60%]的股票定义为中等水平估值股，将指标处于[0%,20%]的股票定义为最低水平估值股。在图2和图3中分别对应实线(Bubble)、长虚线(Mid)、短虚线(Bottom)。

2. 图2为基于个股季度收益率定义峰值的方法，在事件研究法框架下得出事件窗口期的基金加权平均持股比例。其中上图为基于标准化PS指标对股票分组，以定义泡沫股、中等估值股、最低估值股。下图则基于标准化PB指标。

3. 图3为基于个股股价定义峰值的方法，其中上下图的解读方法与图2一致。