本篇是“学海拾珠”系列第一百二十二篇，文献研究了美国债基投资者如何选择业绩衡量标准。根据债券基金的资金流进行分析，发现夏普比率和晨星评级优于其他所有债基因子模型。但由于其高度可操控性，过度依赖于以上两指标，会对投资者产生潜在的严重影响。回到国内市场，在实践中，投资者应该进一步研究合理的债券因子，做出更明智的基于因子模型的决策，而非简单地使用单一指标进行债基投资。
　　夏普比率对债券基金流量的解释能力最强
　　将夏普比率与所有其他业绩指标进行比较，根据赛马模型，各项比较的系数差异均显著为正。很明显，投资者在进行债基配置决策时，更依赖夏普比率，而非原始收益或进一步使用其他复杂的因子模型。
　　即使在不同的基金子样本中，例如，根据投资者复杂程度分类、根据基金的大类资产结构分类、根据总体市场流动性水平分类，这个投资者对夏普比率偏好的结论都是稳健的。
　　晨星评级指标对基金流量解释力强
　　实证结果表明，晨星评级和夏普比率有高度一致性，且在同等晨星评级下，夏普比率具有显著参考价值。同时，由于其简明性和易得性，晨星评级对大规模基金流量的解释能力很强。
　　当必须自行计算指标时，投资者偏好使用较短的历史范围晨星评级，而在进行风险调整后，晨星评级指标对基金流量的解释能力大大优于没有调整的夏普比率和晨星风险调整后收益（MRAR）。
　　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

研究报告全文：TableStockNameRptType金融工程专题报告债基投资者关心哪些业绩指标学海拾珠系列之一百二十二TableRptDate报告日期2022-12-28主要观点TableSummary本篇是学海拾珠系列第一百二十二篇文献研究了美国债基投资分析师严佳炜TableAuthor者如何选择业绩衡量标准根据债券基金的资金流进行分析发现夏普执业证书号S0010520070001比率和晨星评级优于其他所有债基因子模型但由于其高度可操控性邮箱yanjwhazqcom过度依赖于以上两指标会对投资者产生潜在的严重影响回到国内市分析师钱静闲场在实践中投资者应该进一步研究合理的债券因子做出更明智的基于因子模型的决策而非简单地使用单一指标进行债基投资执业证书号S0010522090002邮箱qianjxhazqcom夏普比率对债券基金流量的解释能力最强将夏普比率与所有其他业绩指标进行比较根据赛马模型各项比较的系数差异均显著为正很明显投资者在进行债基配置决策时更依赖夏普比率而非原始收益或进一步使用其他复杂的因子模型即使在不同的基金子样本中例如根据投资者复杂程度分类根据基金的大类资产结构分类根据总体市场流动性水平分类这个投资者对夏普比率偏好的结论都是稳健的相关报告晨星评级指标对基金流量解释力强1基金经理能否选出好的投机性实证结果表明晨星评级和夏普比率有高度一致性且在同等晨星股票学海拾珠系列之一百一十评级下夏普比率具有显著参考价值同时由于其简明性和易得性四晨星评级对大规模基金流量的解释能力很强2BAB增强版与包含定价噪音的当必须自行计算指标时投资者偏好使用较短的历史范围晨星评Beta为敌学海拾珠系列之一百级而在进行风险调整后晨星评级指标对基金流量的解释能力大大优一十五于没有调整的夏普比率和晨星风险调整后收益MRAR3ETF的基金流动是否蕴含独特信息学海拾珠系列之一百一十风险提示六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4技术相似性对股票收益的预测能议力学海拾珠系列之一百一十七5基金投资者的真实择时能力如何学海拾珠系列之一百一十八6基于财报文本的竞争关系与股票收益学海拾珠系列之一百一十九7社会责任基金的业绩与持续性学海拾珠系列之一百二十8投资者关注度在市场择时中的作用学海拾珠系列之一百二十一敬请参阅末页重要声明及评级说明证券研究报告TableCommonRptType金融工程正文目录1简介42数据和方法43实证结果731总体样本偏好分析732各子样本偏好分析733晨星评级分析1034因子相关收益分析124稳健性分析135防操纵业绩指标146结论15风险提示15敬请参阅末页重要声明及评级说明216证券研究报告TableCommonRptType金融工程图表目录图表1样本基金描述性统计表6图表2赛马模型-全样本SR模型与其他模型对比7图表3赛马模型-不同债基子样本分类下的结果8图表4赛马模型-不同市场流动性环境9图表5赛马模型-晨星评级表10图表6流量-业绩敏感性分析10图表7赛马模型-流量业绩分析表11图表8夏普比率和晨星评级双重分类表11图表9晨星评级和夏普比率额外分析表12图表10因子收益分析表13图表11防操纵业绩指标分析表15敬请参阅末页重要声明及评级说明316证券研究报告TableCommonRptType金融工程1简介历史研究已针对股票市场建立多种因子模型但作为重要资产类别的投资工具公司债券的研究却稍显不足鉴于公司债券因子模型的较大不确定性可适用于债基分析的模型包括原始回报模型夏普比率带有债券市场指数的单因子模型带有股票和债券市场指数的双因子模型三因子模型BekaertDeSantis2021四因子模型Elton1995以及五因子模型FamaFrench1993债券基金的业绩衡量标准也可以借鉴股票市场BarberBerkBinsbergen2016和对冲基金市场BlocherMolyboga2017的赛马测试通过控制预测变量如滞后的基金流量费用率基金规模成立年限和晨星评级推断公司债投资者在决定资本配置时采用了哪些业绩指标Agarwal2018和Ben-David2022的研究指出晨星评级和超额收益是股票市场中最重要的两个共同基金流量驱动因素对债基市场的实证分析表明与其他资产类别基金正好相反超额收益和所有CAPM风格的模型对公司债券共同基金流量的解释显著低于其他业绩指标同时无论是否纳入回报期互补影响Goldstein2017夏普比率对基金流量的解释程度最高优于所有因子模型下一步将晨星评级视为一个潜在的解释变量晨星评级衡量的是一只基金与同类基金相比的长期表现与本研究中使用的所有其他绩效指标无关基于短期晨星评级比任何其他业绩指标都能更好地解释公司债券基金的资金流动这与BenDavid等人2022对股市的研究结果一致投资者之所以依赖晨星评级主要是因为它们简明且易于获取2数据和方法数据来自美国CRSP共同基金数据库避免幸存者偏差的月度回报率采用1991-1995年作为估计窗口最终测试样本期为1996-2017年以公司债券共同基金的前端和后端费用管理费最低投资要求及对投资者类型的限制等影响投资和赎回决策的份额类别进行等级划分同时剔除指数基金交易所交易基金和票据总资产净值TNA低于1000万美元的份额类别以减少数据偏差实证分析将考虑基金流量基金业绩指标以及基金流量和历史回报之间的关系去除数据低于1和高于99的异常值影响后对基金流量的度量如下11为衡量基金业绩表现采用原始回报夏普比率以及六个广泛使用的因子模型1单因子债券CAPM模型债券市场回报率2双因子债券和股票CAPM模型债券市场回报率和股票市场回报率Goldstein20173三因子模型B3债券市场超额回报率股票市场回报率和政府债券回报率4四因子模型E4债券市场和股票市场的超额回报率违约风险期权反映了由于投资抵押贷款支持的证券而产生的非线性回报以巴克莱GNMA敬请参阅末页重要声明及评级说明416证券研究报告TableCommonRptType金融工程指数和巴克莱中级政府指数之间的差来衡量5FamaFrench五因子模型6增强的五因子模型增加流动性LIQ和动量MOM通过对因子进行线性回归计算每个模型的月度超额收益alpha和夏普比率以F5因子模型为例其余模型的构造方法类似首先用60个月的回报数据在60到1的月份通过以下时间序列回归获得因子载荷其中参数和分别代表基金在月份股票市场基金规模基金价值期限风险和违约风险是均值为0的误差项通过对因子进行线性回归计算每个模型的月度超额收益和夏普比率最后基于消费者理性的假设建立基金流量-回报模型1其中代表基金在月份的基金流量代表基金在滞后阶后的滞后收益通过改变调整滞后项AIC准则得出的最小值为1即最近一期的收益对投资者影响最大同时收益越远敏感度越接近0图表1展示了1591只基金和3577只公司债券1042个高收益分类和2535个投资级分类从1996年1月到2017年6月共有356243个月度数据平均而言样本包括了706个基金内1387只债券PanelA概述了基金的特征平均基金总净资产约为60915亿美元中位数为113亿美元表明基金规模被大型基金所主导平均中位数基金年龄为1061859年平均年费用率为096大多数份额类别75都有前端或后端费用平均基金回报标准差为122PanelB报告了每月基金流量和回报的描述性统计基金样本中所有债券的平均回报率为每月042每年504投资级债券的平均回报率为037而高收益债券每月的平均回报率为055基金流量百分比的平均值中位数为058-011标准差为每月509高收益债券基金的回报表现出平均2307的一阶自相关高于投资级基金的自相关1615基金流量也存在大量的序列相关一阶自相关为28对高收益基金和投资级基金来说大致相等PanelD显示一些业绩指标有很大的关联性因此不同的模型在很多情况下可能会产生类似的排名其中晨星评级和其他业绩指标之间的相关性相当低都低于10敬请参阅末页重要声明及评级说明516证券研究报告TableCommonRptType金融工程图表1样本基金描述性统计表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理通过构建赛马模型依照不同的业绩衡量指标对各类别的基金进行十分组并以成对的方式研究不同业绩排名时不同模型对于基金流量的解释力度11按照Petersen2009和Cameron等人2011的方法进一步按基金和月份对标准误差进行双重分组以解决不同类别的特定基金之间的残差的相关性使用面板回归估计上述方程1为哑变量排除5的情况当基金在1月的第一个模型中排名第二个模型中排名时11代表控制变量包括1月的滞后基金流量滞后费用率无负荷份额类别的哑变量前12个月的收益标准差基金份额类别规模的对数基金年龄的对数月以及1月份的晨星评级哑变量关键系数可以被解释为一个基金份额类别所获得的流量百分比通过每一对系数和分析可以确定投资者对哪一个模型指标更敏感比较总体45个采用Wald检验和二项检验判断系数差异之和是否为零若系数差异显著存在即表明两个模型中存在一个获胜模型敬请参阅末页重要声明及评级说明616证券研究报告TableCommonRptType金融工程3实证结果在本节中将根据赛马模型的假设计算回归方程比较不同模型和衡量指标的解释力度31总体样本偏好分析图表2将夏普比率与所有其他业绩指标进行比较发现与原始回报率RR相比系数差异之和达到17429111的系数差异显著为正很明显比起原始收益率投资者更偏好夏普比率在夏普比率与其他模型的比较中也产生了类似结果与债券CAPM模型的系数差异之和为1416与股票和债券CAPM模型的系数差异为985与B3模型的系数差异为1043与F5和F7模型差距更明显即使与E4模型的系数差异最小为655然而也有7333的系数存在显著正向差异因此可知投资者在进行公司债基配置决策时更依赖夏普比率而不是原始收益或任何更复杂的因素模型图表2赛马模型-全样本SR模型与其他模型对比资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理在全样本分析中所有的投资者被视为一个相同群体然而投资者之间的复杂程度不同且存在巨大差异更成熟的投资者如机构投资者往往会使用更复杂的方法来评估公司债券共同基金的表现高收益债券市场可能包含更多的成熟投资者成熟的投资者偏好无后端费用基金因为后端费用会大大减少短期交易利润Ben-Rephael2021等因此后文将评估投资者特征对于业绩指标选择的影响首先将样本分为迎合零售和机构投资者的基金高收益和投资级基金有后端费用基金和免后端费用基金分别进行研究其次考虑到因子效果将公司债券基金分为主要持有公司债券的基金和同时持有其他资产类别的基金最后将样本分为流动期和非流动期以分析在不同的流动性环境下流量与业绩的关系是否有所不同32各子样本偏好分析图表3的PanelA表明对于以零售为导向的共同基金夏普比率对投资者资金流动的解释力很强而且力度明显优于任何其他业绩指标对于面向机构的共同基金夏普比率也比任何其他模型更能解释投资者的流动系数差异之和在每一种情况下都是正数然而由于面向机构的基金样本量较小该结果只有在与CAPM敬请参阅末页重要声明及评级说明716证券研究报告TableCommonRptType金融工程债券F5和F7模型的原始收益和指数相比时才显著成立此外进一步的分析显示对于面向机构的共同基金因子模型通常比简单的原始回报率更能解释投资者的流动一方面与之前研究一致机构资金流对风险调整收益比零售资金流更敏感而零售资金流对原始回报和因子模型的敏感度没有明显区别另一方面发现对夏普比率作为业绩评价指标的偏好并不取决于投资者的复杂程度图表3赛马模型-不同债基子样本分类下的结果资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理敬请参阅末页重要声明及评级说明816证券研究报告TableCommonRptType金融工程图表3的PanelB组中展示了投资级债券市场和高收益债券市场的实证结果同样夏普比率能够最好地解释高收益和投资级债券共同基金的流量变化且这两类债券基金的投资者更依赖夏普比率而不是原始回报或任何其他因子模型高收益债券基金的投资者对包含违约风险因子的模型的比不包含该因子的模型更敏感投资级债券基金的投资者对债券和股票CAPM的异常收益比对更复杂模型的异常收益更敏感若债基的净资产净值NAVs不稳定将会给成熟投资者带来hit-and-run的投机机会因为在公司债券中资产的流动性较差使得市场更新价格较慢投资者即可利用持有价格和资产净值的差异获得收益为了阻止这种短期交易机会管理公司往往收取高额后端费用因此成熟投资者可能更偏好没有后端费用的基金按照此假设将样本分类结果见图表3PanelC夏普比率对两类基金流量的解释明显更好综上所述夏普比率在很大程度上被用于投资决策与公司债券共同基金市场内投资者的复杂程度无关参考Choi2020和Jiang2021一些被归类为公司债基的基金在其他资产类别中有大量投资投资者有可能对主要投资于公司债券的基金使用相应的因子模型但对其他非传统投资采用更简单的业绩衡量标准将90以上的报告中至少持有70的公司债券的基金定义为纯公司债券基金分类后结果如图表3PanelD所示对于两个子样本夏普比率对基金流量的解释明显优于任何因素模型因此基金的持有结构并不影响投资者使用夏普比率来衡量公司债券共同基金的业绩债基存在回报互补性即持有低流动性资产的共同基金投资者有动力首先赎回份额在大量赎回的情况下基金管理者不得不亏本出售其持有的非流动性资产因此基金流量在市场压力时期与平静时期的表现可能大不相同图表4赛马模型-不同市场流动性环境资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理根据总体流动性状态的两个指标形成子样本标准普尔500指数波动率VIX敬请参阅末页重要声明及评级说明916证券研究报告TableCommonRptType金融工程和TED利差高VIX和高TED利差子样本的定义是基于相应的时间序列变量是否超过其样本平均值图表4显示在压力时期和平静时期夏普比率对共同基金流量的解释都优于原始收益率和所有因子模型33晨星评级分析Ben-David等人2022表明晨星评级对股票共同基金流量的解释大大优于CAPM指数因此本节将讨论晨星评级指标的解释能力首先我们在进行的赛马测试和BerkVanBinsbergen2016的替代测试中都包含晨星评级同时考虑三种策略卖出低星级的基金的同时购买五星级的基金四星级以上的基金或三星级以上的基金图表5显示模型赛马的结果发现晨星评级对基金流量的解释比研究中考虑的任何其他业绩指标包括夏普比率都要好且图表6和图表7显示晨星评级策略的流量-业绩敏感度估计值也最高图表5赛马模型-晨星评级表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理图表6流量-业绩敏感性分析资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理敬请参阅末页重要声明及评级说明1016证券研究报告TableCommonRptType金融工程图表7赛马模型-流量业绩分析表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理其次再根据晨星评级和夏普比率进行条件双重分类由图表8知晨星评级和夏普比率都是基金流量的重要驱动因素最小的基金流量出现在晨星评级最低的五分位数和夏普比率最低的五分位数交汇处相应的最大的基金流量出现在晨星评级最高的五分位数和夏普比率最高的五分位数的交汇处图表8夏普比率和晨星评级双重分类表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理虽然夏普比率和晨星评级都是风险调整后的业绩指标然而它们在几个重要的方面有所不同如确切的风险调整方法业绩衡量的范围类别的调整此外晨星评级通常与资产信息一起直接公开传播且相较于夏普比率更具共识性进一步剖析两个指标流量敏感度的差异计算每个基金在12个月36个月60个月和120个月范围内的夏普比率和晨星风险调整收益MRAR然后运用晨星评级计算方法得出基于夏普比率和基于MRAR的假设评级最后通过对这两敬请参阅末页重要声明及评级说明1116证券研究报告TableCommonRptType金融工程个指标的3年5年10年的评级赋予不同的权重来获得长线评级图表9报告了对晨星评级和夏普比率的额外分析结果PanelA对不同期限的夏普比率排名和MRAR排名进行了配对比较当基于一年的期限时简单的夏普比率对基金流量的解释明显优于MRAR对于更长的期限3年和5年夏普比率的表现要弱一些但在10的水平上仍然显著当结合不同的期限包括10年时夏普比率仍然比MRAR更能略微解释基金流量但两者的差异在统计上并不显著因此我们可以从这个分析中得出结论当必须自行计算指标时投资者偏好夏普比率而不是基于效用的MRAR其次PanelB考察了历史范围对于计算业绩指标的影响可发现1年夏普比率对基金流量的解释明显优于基于夏普比率和MRAR的长期综合排名因此当必须自行计算指标时投资者偏好使用较短的历史范围晨星评级最后PanelC考察了同组调整和报告指标突出性的影响传播的晨星评级在进行调整后对基金流量的解释大大优于没有调整的夏普比率和MRAR图表9晨星评级和夏普比率额外分析表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理总而言之由于其突出性和易得性晨星评级可以产生基金流量投资者本身并不对相关的MRAR基础指标更加敏感相反在同等条件下简单的夏普比率通常比MRAR指标更能解释基金流动只有在直接使用晨星公司实际发布的准确衡量标准时MRAR才比夏普比率表现得好这些发现与EvansSun2021和Ben-David等人2022对股票共同基金的结果一致34因子相关收益分析据上文分析投资者偏好非常简单的风险调整回报指标但常常忽略一个基金的表现部分取决于其对系统性风险因素的被动暴露因此本节中将研究投资者在评估基金业绩时多大程度上考虑了与因子相关的回报敬请参阅末页重要声明及评级说明1216证券研究报告TableCommonRptType金融工程通过重新排列方程将每只基金的超额收益分解为和因子相关收益然后采取FamaMacBeth的方法进行回归图表10显示投资者资金流对非系统性收益部分的敏感度明显为正然而由于规模风险的暴露投资者的资金流动对收益也有明显的正向反应规模回报部分的系数甚至超过了因子模型的系数因此投资者似乎对完全与基金经理的技能无关的回报成分做出了反应而这些回报成分可以通过遵循一定的策略获得对于其他因素的风险平均系数在一定程度上也很大尽管在统计上不显著图表10因子收益分析表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理4稳健性分析Ben-David等人2022认为由于流量-绩效敏感性的时间变化性质面板回归可能有偏差为了解决这种潜在的偏差本文测试了使用FamaMacBeth1973回归赛马模型公式的结果稳健性结论没有变化夏普比率对公司债券共同基金流量的解释也明显优于原始收益和任何因素模型主要分析中将夏普比率定义为前一个月的超额收益与一年的标准差之比当将其修正为传统夏普比率时研究结果是稳健的且基于12个月窗口的夏普比率甚至比本研究使用的夏普比率更好地解释资金流动此外文献还测试了如下稳健性1评估不同的业绩衡量标准时建立五分组而不是十分组投资组合2检验时间对于结果的影响时引入指数衰减模型实证估计流量-回报关系中的衰减率3直接在基金层面进行分析时汇总基金流量并对股份类别的回报和其他变量进行了价值加权4考虑晨星评级的时间变化控制晨星评级-时间-月份交互固定功效5检验收益风格影响时将晨星固定收益风格箱-时间-月份的交互固定效6测试结果对样本筛选的稳健性放弃了基金必须有至少1000万美元的TNA的筛选条件敬请参阅末页重要声明及评级说明1316证券研究报告TableCommonRptType金融工程7使用备选的其他模型进行比较以上稳健型分析结果均与前文结论一致即夏普比率对基金流量的解释明显优于所有因素模型5防操纵业绩指标虽然风格或因子投资策略已经在股票市场广泛实施但在公司债市场上由于债券交易成本高投资者很难收获因子溢价因此公司债券投资者可能比股票基金投资者更不了解因子模型从而使用简单的衡量标准而非多因子模型来评估基金业绩然而如果仅仅使用晨星评级和夏普比率基金经理将有强烈的动机去改善所属基金的这两个衡量标准比如倾向于通过平滑收益来减少波动而非改善投资决策市场经验证实当整个基金组合表现不佳时债券估值相对较高当整个基金组合表现良好时债券估值特别低同时与政府债券和股票相比公司债券的流动性相对较差使得基金经理有过大的自由裁量权而根据研究所示不同共同基金在同一时间点对相同债券的估值有很大差异据此文章实施了两个测试以检验投资者在债券型共同基金中的资本分配决策是否会受到收益平滑操纵的影响首先将Goetzmann2007的防操纵业绩衡量标准MPPM作为基金流量的替代决定因素MPPM是一种增强的夏普比率定义如下其中是测量范围的单位长度月112我们使用相对风险厌恶系数为3和4越大风险受到的惩罚就越严重在图表11中PanelA显示了MPPM指标和夏普比率在不同时间段的成对比较发现无论是1个月还是12个月的窗口期夏普比率对基金流量的解释明显优于MPPM投资者更依赖简单的夏普比率而不是替代性的防操纵措施其次在简单夏普比率和平滑调整后的夏普比率之间进行了赛马测试根据Getmansky2004提出的一种修正回报平滑影响的方法回报平滑意味着t月份观察到的基金回报是其不可观察到真实回报和k个滞后期的加权平均数遵循Chen2010b的方法使用滞后的移动平均模型MA1并进行参数估计图表11的PanelB报告了简单夏普比率和平滑调整后的对应比率的比较结果不同的评估期限内投资者对简单夏普比率的反应明显强于平滑调整后的夏普比率证明投资者在进行投资决策并没有对收益平滑的效果进行调整总体而言投资者如果过于依赖晨星评级和夏普比率来衡量业绩反而会带来高昂的成本首先基金经理的操纵可能会误导他们做出不利的投资决定和基金选择其次公司债券基金的基础资产低流动性与投资者每日可获得的赎回权利并不匹配因此基金经理的收益平滑行为会给积极的投资者带来交易机会除此之外基金经理可能被迫出售好的证券以便有足够的现金用于赎回这可能会进一步增强不利影响敬请参阅末页重要声明及评级说明1416证券研究报告TableCommonRptType金融工程图表11防操纵业绩指标分析表资料来源HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundsFlow华安证券研究所整理6结论为探究公司债券基金投资者如何选择业绩指标文章使用赛马模型分析了基金流量与不同业绩衡量指标之间的关系从简单的原始回报率和夏普比率到通过使用单一和不同的多因子模型实证分析显示夏普比率对基金流量的解释能力最强而晨星评级能解释更大份额的投资者资金流动同时大多数投资者似乎根本不使用任何因子模型然而单纯使用夏普比率和晨星评级作为业绩衡量指标存在缺陷首先它为基金经理的机会主义行为提供便利使其故意提高这两个指标例如通过持有非流动性资产或难以标记的债券其次由不准确价格引起的基金收益可预测性导致有利可图的主动交易策略主动型基金交易员可以利用资产净值错误估值的交易从而获得的收益综上在市场实践中投资者应该进一步研究债券因子使债券因子投资策略更加可行这有助于债券投资者做出更复杂的基于因子模型的决策同时投资者应谨慎对待报告措施的操纵行为至少要依靠防操纵的指标而不是简单的夏普比率文献来源核心内容摘选自ThuyDuongDang在JournalofBankingFinance的论文HowDoCorporateBondInvestorsMeasurePerformanceEvidencefromMutualFundFlows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敬请参阅末页重要声明及评级说明1516证券研究报告TableCommonRptType金融工程重要声明TableReputation分析师声明本报告署名分析师具有PRC证券业协会授予的证券投资咨询执业资格以勤勉的执业态度专业审慎的研究方法使用合法合规的信息独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息本人对这些信息的准确性或完整性不做任何保证也不保证所包含的信息和建议不会发生任何变更报告中的信息和意见仅供参考本人过去不曾与现在不与未来也将不会因本报告中的具体推荐意见或观点而直接或间接收任何形式的补偿分析结论不受任何第三方的授意或影响特此声明免责声明华安证券股份有限公司经PRC证券监督管理委员会批准已具备证券投资咨询业务资格本报告中的信息均来源于合规途径华安证券研究所力求准确可靠但对这些信息的准确性及完整性均不做任何保证在任何情况下本报告中的信息或表述的意见均不构成对任何人的投资建议在任何情况下本公司本公司员工或者关联机构不承诺投资者一定获利不与投资者分享投资收益也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任投资者务必注意其据此做出的任何投资决策与本公司本公司员工或者关联机构无关华安证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送未经华安证券研究所书面授权本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用如欲引用或转载本文内容务必联络华安证券研究所并获得许可并需注明出处为华安证券研究所且不得对本文进行有悖原意的引用和删改如未经本公司授权私自转载或者转发本报告所引起的一切后果及法律责任由私自转载或转发者承担本公司并保留追究其法律责任的权利投资评级说明TableRankIntroduction以本报告发布之日起6个月内证券或行业指数相对于同期沪深300指数的涨跌幅为标准定义如下行业评级体系增持未来6个月的投资收益率领先沪深300指数5以上中性未来6个月的投资收益率与沪深300指数的变动幅度相差-5至5减持未来6个月的投资收益率落后沪深300指数5以上公司评级体系买入未来6-12个月的投资收益率领先市场基准指数15以上增持未来6-12个月的投资收益率领先市场基准指数5至15中性未来6-12个月的投资收益率与市场基准指数的变动幅度相差-5至5减持未来6-12个月的投资收益率落后市场基准指数5至卖出未来6-12个月的投资收益率落后市场基准指数15以上无评级因无法获取必要的资料或者公司面临无法预见结果的重大不确定性事件或者其他原因致使无法给出明确的投资评级市场基准指数为沪深300指数敬请参阅末页重要声明及评级说明1616证券研究报告