下载掌阅APP，畅读海量书库
立即打开
本文选取中国市场普通股票型、混合偏股型开放式的主动型基金为研究对象，共804只，时间跨度为2005年1月1日至2017年9月30日。一般来说，基金上市初期仓位较低、波动较小，因此本文剔除基金上市第一个季度数据。所有数据均来源于Wind资讯金融终端。
本文选取季度数据进行分析。现有研究发现，我国股票市场存在短期动量效应。相比于股票市场，基金中的风险分散化程度更高，市场波动更小。此外，根据我国证监会规定，基金需要定期披露基金季度、半年度和年度报告。投资者可以从中了解基金的大致风险水平，以及基金对后市的看法。因此选取季度频率，可以很好地反映基金回报率中的信息。
（1）总动量效应
本文将基金净回报率作为排序标准，将排序高的20%基金定义为赢家，排序低的20%基金定义为输家，买入赢家卖出输家可以获得正收益的现象定义为基金总动量效应。
本文选取 t 为基准期，将 t 期前 j 个季度作为观察期， t 期后 k 个季度作为持有期，通过一维分组检验分析基金总回报率与检验期收益率的关系。一维分组检验的具体步骤如下：首先，将基金总回报率作为排序标准，将样本从高到低划分为五组，构建投资组合。然后，将构建的五个投资组合持有 k 个季度，计算五个组合在检验期间的回报率序列。其中，组合内不同基金回报率的加权方法采用简单加权和基金规模加权两种方法。最后，检验高基金回报率组合和低基金回报率组合的投资者回报是否存在显著差异。检验高基金回报率组合的基金回报率是否显著高于低基金回报率组合。
（2）特定动量效应
本文将基准模型（CAPM、二因子模型、三因子模型和五因子模型）计算的基金alpha作为排序标准，将排序高的20%基金定义为赢家，排序低的20%基金定义为输家，买入赢家卖出输家可以获得正收益的现象定义为基金特定动量效应。根据不同模型计算alpha不同，分别将CAPM、二因子模型、三因子模型和五因子模型alpha衡量的特定动量效应定义为 α i _ CAPM ， t 特定动量效应、 α i _2 factors ， t 特定动量效应、 α i _3 factors ， t 特定动量效应和 α i _5 factors ， t 特定动量效应。
期限参照总动量的计算方法。具体计算步骤为：将CAPM、二因子模型、三因子模型和五因子模型的alpha作为排序标准，将样本从高到低划分为五组，构建投资组合。然后，将构建的五个投资组合持有 k 个季度，计算五个组合在检验期间的基金回报率。其中，组合内不同基金回报率的加权方法采用简单加权和基金规模加权两种方法。最后，检验高alpha组合的基金回报率是否显著高于低alpha组合。根据不同基准模型计算的alpha，分别为CAPM模型alpha的特定动量效应、二因子模型alpha的特定动量效应、三因子模型alpha的特定动量效应和五因子模型alpha的特定动量效应。由于CAPM和三因子模型的应用更为广泛，故本文将CAPM和三因子模型alpha的特定动量效应作为主要研究对象。二因子模型和五因子模型的alpha特定动量效应作为稳健性检验。
（3）风险因子载荷
本文参照Chenetal.（2016），将五因子模型的各因子回归系数beta定义为风险因子载荷，具体计算方法如下：首先对每只基金每个季度内日基金回报率数据进行五因子模型回归，每个因子的系数作为该基金该季度的风险因子载荷，得到风险因子载荷的面板数据，具体将市场因子的系数Mkt_beta定义为市场风险载荷，规模因子的系数SMB_beta定义为规模风险载荷，价值因子的系数HML_beta定义为成长风险载荷，盈利因子的系数RMW_beta定义为盈利风险载荷，投资因子的系数CMA_beta定义为投资风险载荷。然后，在持有期内对不同组合的风险因子载荷进行加权平均得到不同组合的平均风险因子载荷，加权方法为简单加权方法和基金规模加权方法。
（4）市场状态
为分析市场状态对基金动量效应的影响，本文将股票市场分为牛市和熊市。研究中常用的股票市场周期划分方法有：（1） 依据股票市场上具有标志性的事件来划分牛市和熊市，如Capocci和Hubner（2004）将1998年亚太金融危机作为股市分界点，将1994年到2000年分为牛市和熊市两个阶段。（2）预设一个阈值，将股票市场的收益率高于该阈值的时期定义为牛市，低于该阈值的则为熊市，如Kao et. al（1998）、Wiggins（2010）等将市场收益率大于零的作为“上升期”，小于零的作为“下降期”。为避免市场状态的频繁转换，本文参考第一种方法，以股市中的股灾进行划分。从2004年至2017年，我国股市经历了两次股灾：一是2007年10月，受全球金融危机影响上证综指从5552.3点断崖式下跌，到2014年6月，始终在2000点左右徘徊；二是2015年6月的股灾。本文将2005年至2017年划分为四部分：第一部分为2005年1月至2007年9月，第二部分为2007年10月至2014年6月，第三部分为2014年7月至2015年6月，第四部分为2015年7月至2017年9月。其中，第一部分和第三部分为市场牛市时期，第二部分和第四部分为熊市时期，比较分析在不同市场状态中，基金动量效应的差异。
（1）基金净回报率
本文以基金的季度净回报率 r i ， t 作为检验基金的总定动量效应的指标。
（2）基金alpha
本文使用CAPM、由市场因子和规模因子构成的二因子模型、FamaFrench三因子模型、Fama-French五因子模型计算不同的alpha，用以检验基金的特定动量效应，并参照Fama and French（2015）中2×3方式进行分组。具体计算方法为：基于因子模型，对第 i 只基金第 t 季度内日收益率数据进行回归，得到该季度基金的 α i ， t ，具体表达式如下：
CAPM模型的 α i _ CAPM ， t
由市场因子和规模因子构成的二因子模型的 α i _2 factors ， t
Fama-French三因子模型的 α i _3 factors ， t
Fama-French五因子模型的 α i _5 factors ， t
其中， r i ， τ 表示第 i 只基金第 t 个季度内的日度市场回报率， r f ， τ 是第 t 个季度内的日度无风险收益率， r m ， τ 是第 t 个季度内的日度市场收益率， SMB τ 、 HML τ 、 RMW τ 和 CMA τ 分别表示第 t 个季度内的日度规模因子、账面市值比因子、盈利因子和投资因子。 N t 为第 t 个季度内天数。
（3）控制变量
① 基金规模
基金规模是基金绩效及投资者回报的重要影响因素之一，基金规模越大，投资灵活度越低，管理难度越高，因此本文将基金规模 TA i ， t 作为分析基金动量效应的控制变量。
② 基金类型
本文只考虑普通股票基金和混合偏股型基金，尽管这两类基金均以股票作为主要的投资标的，但这两类基金在投资风格、投资品种等方面存在一定的差异，本文将虚拟变量 Style i ， t 作为控制变量。
③ 基金年龄
基金市场上存在“生存者偏差”现象，存续时间越长的基金往往具有更好的业绩，但是同时由于上市基金为迅速扩大规模，存在短期内冲业绩的动机，新基金与老基金投资风格往往存在差异，因此本文将基金年龄 Age i ， t 作为控制变量。
表1 描述性统计
由表1可知，中国市场上基金数量在不断增加，其平均规模存在先升后降的趋势，并在2007年达到顶峰。由于2007年全球金融危机，基金遭遇投资者大规模赎回，导致其平均规模迅速下降。同时，由于基金数量的快速增长，单只基金规模也逐渐降低。从基金平均日度回报率看，2005年至2007年呈现高速增长的趋势。从2008年开始，基金的平均日回报率开始下降，到2011年，逐渐稳定在0.08%左右。从基金的超额回报方面看，基金的平均日回报率均低于市场收益率。平均而言，基金的超额回报率无法覆盖基金管理、申购赎回等费用。基金的超额回报的标准差呈现逐年降低的趋势。基金平均季度夏普比率变动趋势与基金日度回报率大致相同。由于我国资本市场建立时间不长，基金的平均存续时间逐年增长，在近两年内，基金的平均持续时间逐渐稳定在8到9年。
表2 不同α i，t 的相关系数
由表2可知， r i ， t 与 α i _ CAPM ， t 、 α i _2 factors ， t 、 α i _3 factors ， t 和 α i _5 factors ， t 两两之间均存在显著的正相关关系。值得注意的是， α i _ CAPM ， t 与 α i _3 factors ， t 、 α i _5 factors ， t 的相关系数均低于0.8，而 α i _2 factors ， t 与 α i _3 factors ， t 、 α i _5 factors ， t 的相关系数均高于0.9，表明CAPM模型所包含的信息不足以覆盖三因子模型和五因子模型中的信息，加入了规模因子后的二因子模型已涵盖了三因子模型和五因子模型中的多数信息。 α i _3 factors ， t 和 α i _5 factors ， t 的相关系数达到0.9637，可见 α i _3 factors ， t 可以在一定程度上替代 α i _5 factors ， t 。因此，本文选择CAPM和三因子模型alpha的特定动量效应作为主要研究对象，存在合理性。