加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Do Mutual Funds Exploit Stock Market Anomalies in China?
公募基金是我国重要的机构投资者之一，分析其投资逻辑对理解机构投资者行为和公募基金的选择至关重要。基于2005年至2019年主动管理偏股型开放式基金数据，本文检验了公募基金对A股市场87个异象因子的挖掘。为解决因子维度过大问题，本文采用非参方法从87个异象因子中提取有效信息的综合指标A-Score，并根据基金持仓构建基金的异象投资指标AIM。结果显示：（1）中国公募基金挖掘了市场异象；（2）利用AIM可以选择表现更好的基金，并能获得0.45%的月度多空组合收益；（3）基金经理的选股能力、风格选择能力和风控能力是其挖掘异象收益的主要来源；（4）异象挖掘可以为基金带来长期资金流，同时也缓和了市场的错误定价。
Abstract
Mutual funds are one of the most important institutional investors in China. This paper examines whether actively managed equity mutual funds exploit stock market anomalies in the Chinese A-share market. Using data on actively managed open-end equity funds from 2005 to 2019, and 87 anomaly factors, we construct a comprehensive anomaly score (A-Score) via a nonparametric approach and an Anomaly Investing Measure (AIM) based on fund holdings. We find that: (1) Chinese mutual funds do exploit market anomalies; (2) the AIM can select better-performing funds, yielding a monthly long-short portfolio return of 0.45%; (3) fund managers' stock selection, style selection, and risk control abilities are the main sources of anomaly exploitation returns; and (4) anomaly exploitation brings long-term fund flows and mitigates market mispricing.
中国公募基金挖掘了市场异象
基金在A-Score多头信号上的投资权重较沪深300指数增加1.46%（t=4.96），空头信号权重减少0.74%；相较历史持仓主动增持高A-Score股票、减持低A-Score股票，且投资行为具有长期持续性。
AIM可预测基金未来收益
基于AIM构建的等权多空组合月度收益为0.45%（t=2.75），经三因子和四因子调整后Alpha分别为0.51%和0.50%；价值加权组合收益为0.46%。固定效应回归显示AIM每提升1单位，CAPM Alpha提升约0.29%。
AIM收益源于基金经理选股、风格选择与风控能力
AIM与选股能力显著正相关（AIM增加1单位，CS收益提高约0.22%），与风格选择显著正相关（约0.02%），与择时能力不显著；AIM可显著降低基金特质风险，但不显著影响总体风险。
异象挖掘带来长期资金流并缓和错误定价
AIM在1年和2年区间可带来显著资金净流入；公募基金资金净流入与异象多头收益显著负相关（系数约-1.17），与空头收益也显著负相关，表明基金挖掘异象减缓了市场错误定价。
基金扩张后异象挖掘收益下降
以2015年基金迅速扩张为分界，2015—2019年AIM策略超额收益较2005—2014年显著下降，差异系数约-0.35至-0.40（p<0.01），印证挖掘异象降低市场错误定价的结论。
核心解释变量
基金异象投资指标AIM（Anomaly Investing Measure），即基金持股权重对所持股票综合异象因子A-Score全市场分位数的加权平均值。
被解释变量
基金未来绩效，包括经CAPM、Fama-French三因子和Carhart四因子模型风险调整后的月度超额收益（Alpha）、基金经理选股能力CS、择时能力CT、风格选择AS、总体风险TotalRisk和特质风险IdioRisk，以及基金未来资金流。
样本与数据
2005—2019年中国A股市场1250只主动管理型偏股开放式基金（股票型与混合型），3873只A股股票，87个异象因子。基金持仓数据来自万得数据库，股票收益与财务数据来自CSMAR国泰安数据库，基金份额数据来自色诺芬数据库。
识别方法 / 模型设定
采用非参方法（三元信号加总）构建综合异象因子A-Score；基于基金持仓构建AIM指标；通过组合排序（十分组多空组合）和固定效应回归（控制基金特征、主动管理变量、基金个体效应、时间效应和风格效应，基金层面聚类）检验AIM与未来基金业绩的关系；通过AIM转移矩阵检验其持续性；通过DGTW分解考察基金经理能力来源。
内生性及稳健性检验
论文进行了多项稳健性检验：（1）检验基金信息披露滞后特征的影响；（2）采用季度前十大重仓股数据替代半年度全部持仓数据；（3）使用全部95个因子和22个显著因子重新检验；（4）改变A-Score和AIM构造方式；（5）区分牛市和熊市；（6）考察不同基金风格；（7）补充中国版三因子风险调整和Fama-MacBeth回归结果；（8）更换控制变量定义和数据频率。上述稳健性检验均支持主要结论。
更多相关数据正在补充