基金问道系列之十四：基金经理的“随波逐流”与投资能力

羊群行为理论认为人们出于多种原因而倾向“随波逐流”。例如，为了显得的和别人一样聪明，而模仿他们的行为；或者想通过模仿向他人学习。这些理论的背后隐含一层逻辑：能力越差的人越可能跟随前人的决定，而那些能力超群的人更有可能作出与众不同的决定。 本文研究了基金的羊群行为与投资能力之间的关系。本文首先构建了一个基金层面的动态羊群指标，以捕捉基金经理跟随机构群体交易的倾向。然后，本文检验了基金羊群行为是否可以预测基金未来的业绩表现，以及基金经理的能力差异是否是这一关系背后的驱动因素。 首先，基金的羊群倾向对基金的截面收益具有很强的负向预测能力。 根据基金羊群倾向分10组，前十分之一组合（羊群基金组）比后十分之一组合（逆羊群基金组）的年化收益率低2.28%（无论是否扣除基金费用）。当控制了基金对市场风险溢价、规模、价值、动量和流动性等因子的暴露后，本文也获得了类似的结果：不同多因子模型的年化alpha在1.68%~2.52%。 其次，本文证明基金羊群倾向与基金未来业绩之间的负相关关系与基金经理的投资能力有关。第一，本文发现，即使在排除了机构大量交易的股票之后，羊群基金和逆羊群基金的持有的股票之间仍存在巨大且显著的收益差异，这表明逆羊群基金始终比羊群基金的做出更好的投资决策。第二，在基金经理有更多投资机会的时期，羊群基金和逆羊群基金之间的业绩差距更大。第三，这种业绩差距在长期内是持续存在的。第四，逆羊群基金的交易可以预测机构群体后续的交易，这表明他们可能比其他人更具有信息优势。 最后，本文研究了能力和职业忧虑之间的相互作用如何影响基金经理对羊群声誉激励的反应。本文发现，在没有经验的基金经理中，羊群和逆羊群基金之间的业绩差距特别大，这表明对于没有经验的基金经理来说，强烈的羊群倾向表明表明他们缺乏能力。 本文的研究将基金的羊群行为与基金经理的投资能力联系起来，一方深入剖析了激励机制如何影响不同能力的投资者的投资行为；另一方面，本文构建的基金层面动态羊群指标也是一种强有力的基金业绩预测指标，有助于投资者识别出真正有能力的基金经理。 风险提示：本文结论基于历史数据与海外文献进行总结；不构成任何投资建议。 1.文献概述 文献来源 Jiang, H., and M. Verardo, 2018,“Does Herding Behavior Reveal Skill? An Analysis of Mutual Fund Performance”,Journal of Finance,73(5), 2229-2269. 1.1.文献摘要 本文揭示了基金的羊群行为与投资能力之间存在负相关关系。本文构建了一种新颖的基金层面的动态羊群指标，该指标能够捕捉基金经理跟随机构群体交易的倾向性。本文发现，羊群基金（HerdingFunds）比逆羊群基金（AntiherdingFunds）的业绩年化低2%以上。基金的投资能力差异是导致这种业绩差距的原因：即使在机构交易不活跃股票中，逆羊群基金也能作出更优的决策，并且可以预测机构群体的交易；此外，羊群基金与逆羊群基金的业绩差距是持续的；当投资能力更有价值时，两者的业绩差距会更明显，且在职业忧虑更高的基金经理中差距会更大。 1.2.文献框架 羊群行为理论认为人们出于多种原因而倾向“随波逐流”。例如，为了显得的和别人一样聪明，而模仿他们的行为；或者想通过模仿向他人学习。 但是这些理论存在一个重要且尚未被充分探索的一点是：能力越差的人越可能跟随前人的决定，而那些能力超群的人更有可能作出与众不同的决定——以至于表现出逆羊群行为。虽然这种逻辑很符合直觉，但目前并没有经验上的证据表明投资能力与羊群倾向之间的关系。 本文研究了基金的羊群行为与投资能力之间的关系。基金是研究羊群行为与能力之间关系的理想环境。原因有二：首先，大量证据表明，基金的投资决策中存在着羊群现象。其次，可以利用基金的业绩衡量不可直接观察的投资能力。 为了解决投资者是否可以通过观察基金的羊群倾向来识别有能力和没能力的基金经理的问题，本文首先构建了一个基金层面的动态羊群指标，以捕捉基金经理跟随机构群体交易的倾向。然后，本文检验了基金羊群行为是否可以预测基金未来的业绩表现，以及基金经理的能力差异是否是这一关系背后的驱动因素。 与理论文献一致，本文对基金羊群的衡量是基于给定基金的交易行为与机构群体过去交易行为之间的跨期相关性。首先，在每个季度，本文估计基金本季度交易与机构群体上个季度交易之间的单期相关性。然后，对基金历史每个季度的单期相关性进行时间加权平均，以获得基金的羊群倾向。同时，本文控制了股票的市值、账面市值比率和基金历史业绩等主要影响基金交易行为的风格特征。最终，本文构建的基金羊群指标能够捕捉基金跟随机构群体过去交易决策的倾向。 本文对基金羊群倾向的估计显示了基金群体在羊群倾向上存在很大的异质性，一些基金表现出明显“随波逐流”倾向，而另一些基金则表现出相反方向的逆羊群交易。基金的羊群倾向对基金的截面收益具有很强的预测能力。根据基金羊群倾向分10组，前十分之一组合（羊群基金组）比后十分之一组合（逆羊群基金组）的年化收益率低2.28%（无论是否扣除基金费用）。当控制了基金对市场风险溢价、规模、价值、动量和流动性等因子的暴露后，本文也获得了类似的结果：不同多因子模型的年化alpha在1.68%~2.52%。考虑时变因子敞口，预测的业绩差距为每年2.04%。多元预测回归中，在控制了基金规模、年龄、营业额、费用比率、净流量和过去业绩后，基金羊群行为仍然是一个强有力的业绩预测指标，具有显著的4因子alpha。此外，当我们进一步控制了羊群行为的决定因素后（这些决定因素也被证明会影响基金业绩），基金羊群行为仍然是基金业绩的有效预测因子。综上所述，本文的结果强烈支持了这样的观点，即基金羊群行为捕捉到了基金经理不可观察的能力。 能力的差异如何导致基金羊群倾向的差异？顺序决策模型（Sequential DecisionMaking）表明，能力或信息质量的差异可以驱动羊群倾向的差异。例如，声誉羊群模型(Reputational Herding)预测，虽然经理人倾向于跟随他们的前辈以提高市场对他们能力的认可，但是具有卓越能力的经理人可能会选择逆羊群，“违背市场趋势”(Avery&Chevalier,1999）。顺序信息获取模型(Sequential Information Acquisition)认为，早期知情的投资者会预测后来知情的投资者的行动，因此可以通过逆转他们的头寸来获利，从而表现出逆羊群行为（Hirshleiferet al.,1994）。信息瀑布模型（Informational Cascades）认为，虽然代理人倾向于无视他们的信息信号而从众，但精度较高的个人更可能使用他们的信息（Bikhchandaniet al.,1992）。 本文通过一系列检验来加深我们对羊群行为和能力的异质性之间的联系的理解。首先，本文检验逆羊群基金是否始终比羊群基金做出更好的投资决策。具体来说，本文分析了基金对没有被机构大量交易的股票子集的投资选择表现。结果显示，主要由逆羊群基金持有的股票的表现优于主要由羊群基金持有的股票，经Carhart四因子模型（1997）调整后的月度alpha达38bps。因此，即使是在那些没有机构群体造成潜在价格压力的股票样本中，逆羊基金也比羊群基金做出了更好的投资决策。 其次，本文研究了羊群基金和逆羊群之间业绩差距的时间序列变化。如果基金经理能力的差异导致了其羊群行为的差异，那么我们应该观察到：当基金行业有更多的投资机会时，有能力的基金经理将更能利用这些机会，于是这种业绩差距会扩大。本文利用股票收益率的分散性、平均特异性波动率和投资者情绪来捕捉随时变的投资机会，本文发现，当基金经理的主动能力更有价值时，羊群基金和逆羊群基金之间的业绩差距确实明显加大。 进一步的，本文表明，羊群基金和逆羊群基金之间的业绩差距是持续的。 在衡量基金羊群行为后的两年内，回报率差异很大且很显著。这一结果表明，羊群行为和未来业绩之间的联系不是偶然性造成的。 第四，本文考虑一个连续的信息获取框架，在这个框架中，早期知情的投资者在其他人之前进行交易，随后通过平仓获利，从而表现出逆羊群行为（Frootet al.,1992;Hirshleiferet al.,1994）。在这种情况下，具有信息优势的投资者能够预见后知情投资者的交易。本文的结果表明，逆羊群基金的交易可以预测机构群体的交易，这表明他们的优异表现与卓越的能力和信息优势有关。 在声誉羊群理论文献的启发下，本文接下来研究基金经理的能力如何与职业忧虑相互作用，考察基金经理对声誉激励的反应。已有关于基金经理职业忧虑的研究认为，基金经理的随波逐流是其对自身职业忧虑的理性反应（Chevalier & Ellison, 1999）。本文首先表明，没有经验的基金经理面临更高的解雇概率，而羊群行为可以减少没有经验的基金经理被解雇的可能性。当本文在分析中引入投资能力时，我们发现，正如预测的那样，在没有经验的基金经理中，羊群行为和未来业绩之间的负相关关系更强。这一结果表明，在职业忧虑的基金经理中，强烈的羊群行为倾向揭示了他们能力的缺乏，而逆羊群行为则可能是他们拥有卓越能力的表现。 2.基金羊群行为的刻画 本文将基金的羊群行为倾向定义为：基金模仿机构群体过去交易行为的倾向。相对已有衡量羊群效应的指标，本文方法有两点创新：（1）本文是从基金层面估计，而非股票层面；（2）本文方法能捕捉单个基金决策与机构群体决策之间的动态联系。 首先，考虑基金单期决策与机构群体决策之间关系。对基金j和季度t，本文通过将基金j的交易对机构群体过去的交易做横截面回归： 𝑇𝑟𝑎𝑑𝑒 = 𝛼+ 𝛽∆𝐼𝑂 + 𝛾 𝑀𝑜𝑚 + 𝛾 𝑀𝐶 + 𝛾 𝐵𝑀 + 𝜀 𝑖,𝑗,𝑡 𝑗,𝑡 𝑗,𝑡 𝑖,𝑡−1 1𝑗,𝑡 𝑖,𝑡−1 2𝑗,𝑡 𝑖,𝑡−1 3𝑗,𝑡 𝑖,𝑡−1 𝑖,𝑗,𝑡 其中，𝑇𝑟𝑎𝑑𝑒是基金j在季度t投资组合中股票i调整后的份额变化比例，是股票i的机构持股占流通股比例的变化，此外，本文还控制了体现基金投资风格的三个股票特征：动量、市值与账面市值比。同时，为了使基金不同期的斜率系数具有可比性，本文还对因变量和自变量进行了标准化处理。最后，斜率系数𝛽捕捉基金经理j在季度t的交易决策与机构群体在t-1季度交易决策之间的关联性。 𝑖,𝑗,𝑡 𝑇𝑟𝑎𝑑𝑒 = (𝑁∆𝐼𝑂 − 𝑁 = 𝑁 )/𝑁/𝑁 ;∆𝐼𝑂− 𝑁 𝑖,𝑗,𝑡 𝑖,𝑗,𝑡 𝑖,𝑗,𝑡−1 𝑖,𝑗,𝑡−1𝑜𝑢𝑡𝑖,𝑡−1 𝑖,𝑡−1 𝑜𝑢𝑡𝑖,𝑡−2 /𝑁 𝑖,𝑡−1 𝑖,𝑡−1 𝑖,𝑡−2 𝑗,𝑡 接下来，本文采用秩逆序时间加权法（对越近期的系数𝛽赋予越高的权重）对基金历史全部的𝛽进行加权，以捕捉基金跟随机构群体的平均趋势。于是，基金j在季度t的羊群效应指标为： 𝑗,𝑡 𝑗,𝑡 𝑡 ℎ=1 ∑ 𝛽ℎ∑ 𝑗,𝑡−ℎ+1 𝐹𝐻= 𝑗,𝑡 1ℎ 𝑡 ℎ=1 3.基金羊群行为与基金未来业绩 本文首先检验基金的羊群行为是否能预测基金未来的业绩。分别采用单变量组合与多元回归方法。 3.1.根据基金羊群倾向分组看基金未来业绩 在每个季度末，根据基金羊群倾向（𝐹𝐻）将基金分为10组（第1组羊群倾向最低，第10组羊群倾向最高）；然后，检验每个组合在下一季度的等权收益率，包括净收益以及总收益率（不考虑费用）。此外，本文也分别考虑了经过资本资产定价模型（CAPM）、Fama-French三因子模型（1993）、Carhart四因子模型（1997）以及Pásto