下载掌阅APP，畅读海量书库
立即打开
（1）基金动量效应的存在性检验
本文使用季度基金回报率数据，选取 j =1、 k =1，检验基金市场上是否存在显著的动量效应。为提高结论的稳健性，本文使用简单和基金规模加权两种方式进行检验。
表3 基金动量效应的分组检验
注：[ ]内为 t 检验的 t 值，***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著，*表示在10%的显著性水平下显著。
根据表3可知，在简单加权方法下，基金的总动量效应和 α i _ CAPM ， t 特定动量效应并不显著， α i _3 factors ， t 特定动量效应检验结果显著。基金规模加权方法与上述结论一致，表明结论具有稳健性。前期总收益率和 α i _ CAPM ， t 高的基金，其优异的业绩无法持续，剔除了规模因子和价值因子后，前期 α i _3 factors ， t 高的基金可以获得持续的高收益，存在显著的基金特定动量效应。
本文进一步检验 α i _2 factors ， t 和 α i _5 factors ， t 特定动量效应发现， α i _2 factors ， t 和 α i _5 factors ， t 特定动量效应显著，且 α i _2 factors ， t 特定动量效应最为显著，即在剔除了市场因子和规模因子后，基金的特定动量所获得的季度回报最高。构建买入高 α i _2 factors ， t 基金卖出低 α i _2 factors ， t 基金的投资策略平均可以获得1.358%的季度回报。上述结果进一步证实了结论的稳健性。
（2）市场状态与基金动量效应
Ferson和Schadt（1996）认为，传统的方法使用预期收益作为衡量基准并不准确，样本期内的预期收益和风险可能存在时序上的差异。为避免市场风险以及风险溢价变化的影响，本文将市场分为牛市时期和熊市时期，分析不同市场状态下，基金动量效应的存在性。
表4 牛熊市下基金动量效应分组检验
（续表）
注：[ ]内为 t 检验的 t 值，***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著，*表示在10%的显著性水平下显著。
根据表4，牛市中基金回报率远高于市场熊市期的回报率，且处于不同市场状态下，基金回报率表现出显著的差异。在牛市中，基金总动量效应和特定动量效应均不显著；在熊市时期，基金总动量效应和特定动量效应均显著存在，但基金总动量效应显著程度明显低于特定动量效应。其中， α i _ CAPM ， t 特定动量效应最显著，构建买入赢家组合并卖出输家组合投资策略可以获得1.0542%的平均季度回报。这表明，投资者和监管者不能仅考虑基金业绩和投资风格，还需要具体区分市场状态，考虑市场风险对基金回报率的影响。
本文将股市的四个阶段分别进行检验，验证上文结论的稳健性。
表5 不同时间段基金动量效应分组检验
注：表中为高-低的均值×100，[ ]内为 t 检验的 t 值，***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著，*表示在10%的显著性水平下显著。
不同时间段基金动量效应存在显著的差异。整体来看，牛市时期基金的动量效应不显著，熊市时期更为显著，这证实了前文结论的可靠性和稳健性。相比于早期牛市时期，后期牛市时期基金收益率表现更偏向于反转，即前期表现好的基金，后期表现较差。对比不同基金特定动量效应的早期熊市时期结果发现，基金特定动量效应的显著性随着 α i _ CAPM ， t 、 α i _2 factors ， t 、 α i _3 factors ， t 和 α i _5 factors ， t 不断下降。这表明，在基金回报率中剔除越多风险因子的因素，基金的特定动量效应显著性越低。在后期熊市时期，则发生相反的现象，基金特定动量效应随着基金回报率剔出风险因子的因素越多，其显著性越强。这表明，随着风险因子研究的不断深入，应用更加广泛，其预测未来收益率的能力降低，剔除风险因子后的回报率的预测能力不断变强。
（3）基金动量效应投资策略
上文检验发现，我国存在显著的基金特定动量效应。为增强本文的实践意义，下面构建四个投资组合，计算其在2005年到2017年的收益情况。由于基金市场上存在卖空限制，本文构建三个投资组合，具体为：① 买入每个季度基金净回报率前20%的基金；② 买入每个季度 α i _ CAPM ， t 前20%的基金；③ 买入每个季度 α i _3 factors ， t 前20%的基金；④ 买入整个市场上全部的股票型和混合偏股型基金。在每个季度初调整投资组合，初始仓位均为1。
图1 投资组合累计收益
图1为四个投资组合在2005年1月至2017年9月的收益图。由图1可知， α i _3 factors ， t 组合的累计收益最高，超过900%，其次是基金净回报率组合，累计收益超过800%。 α i _3 factors ， t 特定动量组合能够较好地控制回撤，同时能够有效抓住市场上的上涨机会。整体来看，无论是基金净回报率、 α i _ CAPM ， t 还是 α i _3 factors ， t ，相比于买入整个市场上的基金，选择排名靠前的基金，可以获得更高的投资回报，其风险也更低。
（1）Fama-Macbeth检验方法
由前文的分组检验可知，历史alpha高的基金下季度可以获得更高的回报，但分组检验没有分析其他因素的影响。本文使用Fama-Macbeth检验，分析控制变量是否影响基金动量效应，以及其他控制变量与基金回报率的关系。本文构建以下回归方程：
其中， α i ， t 具体为 r i ， t 、 α i _ CAPM ， t 、 α i _3 factors ， t 、 α i _2 factors ， t 和 α i _5 factors ， t ，由于篇幅所限，此处未一一列出回归方程。本文对控制变量 TA i ， t 和 Age i ， t 均进行对数化处理。Fama-Macbeth检验具体步骤如下：
首先，在每个季度对式（5）进行回归，得到回归系数的时间序列{ b n ， t ， n =1，2，3，4}；
然后，计算回归系数的均值，并进行统计检验，若显著，则表明对应的变量对投资者回报存在显著影响，反之则不存在显著影响。
（2）Fama-Macbeth检验结果
表6 基金动量效应的Fama-Macbeth检验结果
注：[ ]内为 t 检验的 t 值，***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著，*表示在10%的显著性水平下显著。
由表6可知，加入基金规模、基金类型和基金存在时间后， r i ， t 、 α i _ CAPM ， t 、 α i _3 factors ， t 、 α i _2 factors ， t 和 α i _5 factors ， t 对基金回报率均存在显著正向影响，表明观察期 r i ， t 、 α i _ CAPM ， t 、 α i _3 factors ， t 、 α i _2 factors ， t 和 α i _5 factors ， t 越高，持有期基金回报率越高，即基金净回报率和alpha对其未来回报率预测能力，我国基金市场难以达到“弱有效市场”。其他控制变量对投资者回报也存在显著影响。对于基金类型，在多数情况下基金类型的回归系数显著为负，即我国不同类型基金的回报率存在显著差异，混合偏股型开放式基金的基金回报率显著高于普通股票型基金，表明多元投资有助于降低风险，提高整体回报，这与肖继辉和许安然（2017）的结论一致。基金存在时间越长，基金回报率越低。Fama-Macbeth检验结果进一步验证了我国基金市场上动量效应的存在性，提高了本文结论的稳健性。