中国共同基金投资影响因素研究

张亦安,吴红梅

(北京林业大学 经济管理学院，北京 100083)

一、引言

(一)研究背景

基于共同基金分散风险等优点的存在，中国共同基金市场虽远低于世界发达国家，但近年来中国共同基金资产规模不断发展，共同基金投资者人数增加，人们对共同基金的关注程度也持续走高。[1]新入市的共同基金投资者正积极地寻求更高的投资收益方式，关注着如何获取超越市场的投资回报，他们将注意力放在了影响投资回报的各种因素上，例如基金业绩、基金收益和市场因素等。[2]本文从共同基金投资者的角度，选择基金流量作为评估共同基金业绩的代理变量，运用因子模型来研究何种因素影响共同基金投资者进行共同基金的投资。

目前中国国内基金市场相较国外基金市场而言不够成熟，共同基金作为一项新式投资，投资者多数未受过专业培训，市场透明度低，信息搜索成本高[3-4]，在这些因素的干扰下，共同基金的投资者更倾向于关注何种因素？关注度存在差异的话，对共同基金的购买量有无影响？

(二)研究的内容及意义

作为基金投资市场上处于弱势群体的一方，对投资行为产生影响的因素包括投资者本身的认知误差、外部环境影响因素等。投资者在选择基金时，都希望能够得到产生正绩效(alpha)的基金测度风险因素。为了评估风险调整后的业绩，投资者在对基金进行评级时必须运用风险模型，因此，我们可以通过投资者所作的基金选择来推断他们所使用的风险模型。到目前为止，除了Barber,Huang,Odean[5]运用竞赛假说等风险模型检验基金业绩与流量关系的影响并进行实证检验之外，少有文献研究基金流量关系的动态特征。

本文主要基于Barber,Huang,Odean[5]对共同基金对影响投资者的风险因子做出的，并对中国共同基金市场进行实例补充。目前国内学界有关投资者的风险态度和盈亏关系大多是从行为金融角度出发，数据也仅更新到2015年，本文更新了近几年的数据，以求模型结果更贴合实际。

本文综合使用了CAPM模型、夏普比率、Fama French三因子和五因子模型来对投资者的风险因素评判标准做出实证研究，以此来分析影响共同基金资金流量的因素具体有哪些。这样有助于政府正确引导证券购买者的投机行为，提高市场运行效率。文章参考国外相关文献，创新性地加入了基金规模和基金年龄等影响因素，并综合考量共线性等因素，提高了模型的准确性。

二、文献综述

关于基金流量与影响因子之间的关系，国外研究范围更广时间也更长，而国内学者针对这方面的研究则相对较少，近年来才逐渐开展[6]。最近，一些国外学者不仅研究基金业绩与流量关系，而且开始着重把基金年龄和规模等作为影响因素代入模型，文章参照国外研究方式，结合本国国情也将基金年龄与规模纳入考量中。

(一)国外理论研究动态

国外早期的研究表明：资金流动对资金回报能做出反应(Sirri和Tufano[7]、Ippolito[8])。此外，正收益比负收益带来的资本流更多(Chevalier和Ellison[9])。如上所述，这一系列研究使用了多种方法衡量业绩指标，从原始回报率到多因素阿尔法指数。本文综合考虑之后，选择使用基金流量作为投资者买卖封闭式基金的测算指标，由于投资者想要获得正alpha即正收益回报，本文结合CAPM模型(竞赛假说)设定初始因子模型。并借鉴国外学者的理论成果，在竞赛模型的基础上进一步结合Fama和French的三因子与五因子模型进行研究[10-11]，同时考虑了基金规模和基金年龄的因素，结合夏普比率的成果[12]对共同基金对影响投资者的风险因子问题进行研究。

(二)国内理论研究动态

国内学者对相关问题也进行了一定的检验，国内文章的数据大多基于面板回归分析，业绩表现优良的资金可以吸引更多的投资者，投资者更关注的是基金的市场表现。罗荣华等基于2005-2015年开放式基金面板数据，研究基金流量变动会产生的影响，结果发现基金变化波动大的，业绩普遍偏弱；反之基金流量波动小的，业绩反而较前一种情况有所增强，基金规模大的公司反映较为剧烈。[13]本文选用中国封闭式基金来进行共同基金流量的测算，重点考察基金投资者最关注的因素，希望对中国共同基金市场的发展做出贡献。

三、数据来源与变量定义

(一)数据来源与样本描述

关于模型的数据收集问题，本文选取我国共同基金中的封闭式基金为研究对象，共调查了4837支基金，有效数据共16464条。文中所用的封闭式基金的时间跨度为2010年1月至2017年12月。使用8年的月度数据来估计基金的平均因素风险敞口。此外，本文数据来自CCER数据库与Wind数据库，所有变量为避免扰动项，都是在1%和99%的水平进行Winsorize。

(二)变量定义

1.基金流量

参考Chevalier、Ellison[9]和Sirri、Tufano[7]，将投资者评判共同基金的指标定义为资金净流量。假设资金为季末流入，定义基金流量Flowi,t：

(1)

其中，TNAl,t为共同基金l在第t季度的“总资产净值”，rl,t为共同基金l在第t季度的“基金收益率”。[14]

2.投资者关注的因素

(1)资本资产定价模型(CAPM)

运用共同基金市场中2010年1月至2017年12月的封闭式基金数据，将8年的收入时点的Beta系数数据来进行CAPM模型的建立。

资本资产定价模型：

E(Rl)=Rft+βi[E(RWi-Rfi)]

(2)

该模型表明，假设对期望收益、方差、协方差的估计完全相同，资本市场线是所有风险组合和无风险组合的集合。

(2)Fama-French 三因子模型

Fama 和 French两位学者发表文章中的三因子模型如下：

Ri,t- Rft= ∝it+ βi(Rmt-Rft)+siSMBti+hiHMLti+ei,t

(3)

此模型广泛用于基金评价，投资组合的超额回报率可由以下三个因子决定，市场资产组合Rmt-Rft，市值因子SMBti，账面市值比因子HMLti。

(3)Fama-French 五因子模型

Fama和French两位学者在进一步研究后发现，除了三因子模型的影响因素外还有盈利水平风险和投资水平风险。

Ri,t- Rft= ∝it+siSMBti+hiHMLti+

RiRMWti+CiCMAti+ei,t

(4)

从公式来看，五因子模型相较三因子模型，增加两项：

RMWti=较高的盈利投资组合-较低的盈利投资组合，而CMAti=低/高再投资比例公司股票投资组合的回报之间的差值。这两项分别表现出了盈利水平风险与投资水平风险。参数估计的方法仍然使用的是多元线性回归的方法，这里的∝it(截距项)是五因子模型中的超额收益项。

(三)控制变量

1.基金规模

基金规模是影响基金业绩的重要因素之一，按日常生活经验来谈，基金规模越大则其知名度就越高，投资者对这类基金的信任程度也就越高。我们便可以进行假设：投资者或许会因为基金规模的大小而影响决策，因此将基金规模作为影响共同基金投资者投资量的控制变量之一。

将样本区分开，分别设定为小基金虚拟变量和大基金虚拟变量。为了对基金规模进行划分，我们在每年12月根据基金总净资产样本中值对基金进行划分，并将低于中值的基金定义为小型基金，高于中值的基金定义为下一年的大型基金。本文将规模小于基准数值的基金设为虚拟变量0，将规模大于基准数值的基金设为虚拟变量1，进行数据分析后体现在描述性统计表中。

2.基金年龄

上市时间越长的基金，知名度和稳定度往往好于新成立的共同基金，因此也就可能具有更好的业绩。但是初上市基金往往会迅速获取资金并进行规模扩大，并进行积极的宣传，这一切的因素均会对最终的基金业绩产生影响。新老基金投资风格也存在差异，为了探讨基金年龄的差异对投资者偏好的影响，本文将基金年龄作为控制变量之一。并且将年轻(老)基金定义为那些回报率低于(高于)5年的基金。

(四)描述性统计

此描述性统计的样本区间为 2010 年至 2017 年。本文把样本限定在共同基金中的封闭式基金包含的4837支基金，存在16464个有效数据点。部分数据失效并进行剔除，保证了剩余数据的有效性。

从表1可以看出:共同基金市场中的封闭式基金从个数方面来看，2010年到2017年间呈现出总体稳步上升的趋势，在2013-2014年期间有一定的平台期，其他时期均呈现上升趋势。从基金平均交易额来看，时间段前期交易额虽有下滑，但在2014年后还是有了一定幅度的上升，虽没有初期上升程度高，但仍在一定程度上对下跌有所缓解。从基金的平均资产净增长上来看，2010-2017年波动平稳，2010-2011年出现了大幅度的波动，其他年份保持在一个平稳的水平线上。2010-2017年期间，共同基金市场中的封闭式基金从规模方面来看，整体呈现出稳步上升的趋势，2014-2015年间略有下降，但后几年上升幅度较大。从基金年龄方面来看，整体呈现为在一个水平线上上下波动，波动幅度在可控范围内。

表1 描述性统计

四、实证结果与分析

(一)资金流量与基金回报的检验

本文参考Jegadeesh[15]的方法，将基金对照前J期的相对业绩(Ranki,t-1)分为三段：前40%、后 20%和中间40%，形成3个投资组合，计算组合K期的平均基金业绩。

为确保下式各段的连续性，本文将其定义如下：

Bottomi,t-1=min(Ranki,t-1，0.4)

Middlei,t-1=min(Ranki,t-1-Bottomi,t-1，0.4)

Topi,t-1=min(Ranki,t-1-Bottomi,t-1-Middlei,t-1，0.2)

首先对基金业绩与流量的关系进行检测，本节采用了分段线性模型进行估算：

FLOW=C(1)×PAY+C(2)×YEAR+C(3)

经过线性回归拟合后得到表2。

表2 基金业绩与流量关系

由此可得，共同基金流量与回报的简单线性回归方程式由式(5)所示。

FLOW=(-6.35E+09)×PAY-(3.19E+10)×YEAR+6.42E13

(5)

可以从式(5)中看出基金流量与收益回报值有正相关性，这就说明投资者在进行共同基金投资之前会关注此种基金的收益率大小，以此来判断是否进行买入或者卖出的操作，年份的虚拟变量对基金流动的线性关系贡献不大。从数据列表中的DW检验可以看出变量之间不存在自相关性，因此分设两个变量没有问题，可以继续加设变量。根据上文的分组结果对数据及进行加权参数分组检验得出以下结果(见表3)。

表3 加权参数分组检验

从表3易看出分组后整体线性水平下降，中段的收益大小对基金流量产生的影响较为明显，因此单独抽取中段数据再进行线性拟合可得表4：此时年份有关于流量的影响精度上升，短期内，基金简单回报率和年份对资金流量存在正向影响。

表4 年份对资金流量的影响

此时得出的结果并未加入因子模型的判断结果，接下来将在文中分步骤加入因子模型中的因子进行回归检验，具体进行测试三个因子模型的变量分别对投资者购买共同基金产生多大的影响。

(二)基金流量结合CAPM实证结果

在前文基础上，进一步进行线性回归模拟分析投资者的投资行为，本文结合货币市场政策中的无风险利率，进一步推算出CAPM模型中有关Rm-Rf的值，并将其因子设为Beta并代入回归式中，使回归式变为以下形式：

FLOW=C(1)×PAY + C(2)×BETA

(6)

代入数据后得到表5。

表5 CAPM实证结果

从表5可以看出在加入市场因素后，整个线性回归模型非常显著。

根据表5可知，短期内，基金收益在风险调整后对资金流量存在显著的正向影响。在此基础上根据上文进行的基金区间选取，对数据进行进一步加权测算，得出表6实证结果。

表6 加权测算结果

加入中期加权数据，基金业绩对基金流量的影响程度略微下降，市场风险对其影响仍表现为非常显著的水平，加权中期显著水平有所提升。即加权后，基金业绩仍对CAPM的alpha表现出最显著。

(三)基金流量结合三因子模型实证结果

由于本文的三因子模型中的SMB和HML是结合基金分组和年份算出，为了避免回归结果中出现多重共线性的回归误差，模型中去掉了虚拟变量年份，则公式变为：

FLOW = C(1)×β + C(2)×SMB + C(3)×HML

(7)

经过OLS线性回归后得到表7实证结果。

表7 三因子模型实证结果

从表7中可以看出规模因子相较于账面因子而言对于资金流量影响更大，加入账面因子和价值因子后发现回归不如只有市场因子的回归方程显著。从上期数据来看，对比不同的基金回报率指标后发现，投资者对不同基金回报率的指标敏感程度不同。其中，基金简单回报率对资金流量存在显著的正向影响，经过CAPM、Fama和French三因子模型调整的回报率对资金流量的影响并不显著。

由此可知，投资者主要关注长期的共同基金普通收益、市场表现，对规模因素、价值因素的关注程度不够高，即在选择投资标的时，容易忽略规模、价值的影响。此时的回归方程为：

FLOW =0.398×β -(2.31E-10)×SMB +(1.40E-10)×HML

(8)

(四)基金流量结合五因子模型实证结果

在结合三因子两个变量的基础上，再加入盈利水平风险和投资水平风险两个风险水平因素，通过Eviews软件进行拟合后得到表8，公式变为：

表8 五因子模型实证结果

FLOW = C(1)×β+C(2)×SMB+C(3)×HML+C(4)×RMW+C(5)×CMA

(9)

从表8中可以得知在五因子模型中规模因子和账面因子均表现出显著的现象，但是盈利水平风险和投资水平风险两个风险水平因素对基金流量显著性水平表现不甚显著，市场风险表现仍然最为显著。

根据五因子模型的结果，发现仍旧是CAPM中的市场性风险beta值对资金流量显著性水平最高，其次是Fama French三因子模型中的账面因子和规模因子。这就体现出了共同基金投资者在进行投资时最关注的仍然是CAPM模型中的市值风险，对其他模型风险虽有关注，但关注度还是没有CAPM中的市值因子高。拟合方程如下：

FLOW = 0.409×BETA -(2.13e-10)×SMB +(1.40e-10)×HML +(1.17e-11)×RMW -(2.69e-06)×CMA

(10)

(五)基金流量同基金规模及年龄的关系

加入控制变量基金规模和基金年龄后研究市场因素和基金的规模及年龄对共同基金业绩的影响，即对共同基金投资者的影响力度。市场风险因素作为投资者关注的指标，构建如下回归方程：

FLOW = C(1)×BETA + C(2)×SIZE + C(3)×OLD

(11)

表9所示，投资者对规模风险、价值风险的关注程度略低于对市场风险因素的关注。基金规模和基金年龄对资金流量存在显著影响，即基金规模越大，基金成立时间越长，资金流入量越大。也就是说共同基金投资者在选择基金类型进行投资时，会关注这支共同基金的成立时间及目前的规模，综合考量目前市场上存在的风险进行投资。

表9 加入控制变量后的测算结果

(六)基金流量结合夏普比率的实证结果

经过因子模型的测算后，加入夏普比率来进一步研究共同基金投资者对单位风险回报率的关注程度。

表10所示，加入夏普比率之后，规模因子和价值因子对基金业绩表现程度的显著性提高，但是夏普比率呈现不显著的正相关关系。这说明投资者相较于关注单位风险回报，更多注重的是基金的规模及成立时长，以此来判断其在市场上的影响力大小。这样的关注方式略显片面，因此共同基金投资者应当加强对单位收益回报的关注程度。

表10 夏普比率测算结果

五、共线性检验

考虑到因子模型有存在多重共线性的情况，本文特别对涉及的因子变量之间做了共线性检验。如表11所示，通过检验各变量之间的相关系数r，若任意两者之间接近1，则说明二者之间存在相关性，即存在多重共线性。表11中各变量的r绝对值检验均小于0.1，这充分说明本文各因子之间并不存在共线性，保证了结果的严谨性。

表11 共线性检验

六、结论与展望

本文选择基金流量作为共同基金收益的代理变量，结合市场收益情况和几种因子模型及夏普比率，综合考虑了基金规模和基金年龄，着重研究影响共同基金投资者决策的几种因素的影响程度大小。实证结果表明，基金业绩与流量间为正向关系，投资者对市值风险和账面风险的敏感性低于对市场风险的敏感程度。相比于投资风险，共同基金投资者更关注市场风险对收益的影响，这也就证明了影响中国共同基金投资者投资决策最关键的因素为CAPM模型中的市场因素，人们在进行投资时对其余风险因素考虑力度不足。加入规模因素和基金年龄因素的虚拟变量后发现，大规模公司，成立时间越长，资金流入越高；小规模公司承担的生存压力更大。从单位风险收益测算中可知，相较于对比每种基金的单位收益回报，消费者更愿意去直接对比基金规模及基金年龄的大小。

总体而言，从几个模型同基金流量的拟合结果来看，在影响共同基金资金流量的因素中，竞赛模型中的市场风险因素最为敏感，其次是三因子模型中的SMB风险和HML风险，对五因子模型中的RMW风险和CMA风险敏感度最低。这说明投资者在进行决策时，会优先考虑市值因素，而对其他变量考虑不够全面，并且对于越复杂的变量考虑的就越少一些。投资者更乐于去关注基金规模大、成立时间长的基金，对小单位的净回报率关注度也略少一些。在科研方面，学者们应当结合现在的研究成果，进一步分析我国共同基金投资者的投资心理，关注投资者喜好的搜寻信息方式，提升共同基金投资者能力。在监管方面，监管部门及基金管理者应重视短期内资金大量流入，矫正政府角色定位，关注资金异常流动,依法规范证券市场秩序。[14]政府部门应规范行为，主动了解投资者需求，公开发布信息及政府提供的服务，力求公开透明。畅通投诉举报渠道，完善相关机制。[16]