本篇是“学海拾珠”系列第一百六十二篇，文献提出了一种新颖的方法，旨在综合评估个体基金的超额能力、规模报酬递减以及价值创造的能力，基金创造价值最终取决其能否识别盈利性投资机会，以及规模可扩展性，即在规模扩大时规模报酬递减情况。文献认为，最有价值的基金通常不是那些拥有最佳投资理念（α最高）的基金。而是那些投资策略在超额能力和规模可扩展性之间取得了平衡的基金。回到国内基金市场，基金规模对业绩有影响是一个广泛被认可的结论，从价值创造的角度考察基金或许是一个不错的新视角。
　　模型构建
　　在基准模型中，参考Berk和Green（2004）的方法，构建基金i在t期的的α（即超额回报），为, =,1，其中,1是基金规模的滞后值。代表基金能力，用于度量基金的初始alpha。而则用于捕捉基金超额能力对规模扩大的敏感性。基金的价值创造值=[,,1]。文献使用非参数估计法估计,,等参数的横截面分布。
　　多数基金α为正，受规模报酬递减影响，但多数能够创造价值
　　文献对美国权益基金样本进行研究，发现绝大多数基金都具有正向超额能力。基金超额系数为每年3.0%，83.1%的基金超额系数为正，82.4%的基金经历了规模报酬递减，平均而言，规模每增加一个标准差会导致总α每年减少1.3%。在不同的基金中，超额能力和规模系数存在相当大的异质性。大约有60%的基金实现了正向价值创造（value added）。
　　基金能力和规模系数之间显著正相关，优秀基金权衡两者
　　分析还发现基金能力和规模系数之间存在显著的正相关性，高达0.78，即拥有出色的投资理念并扩大投资规模是相当困难的。最有价值的基金通常不是那些拥有最佳投资理念的基金，而是那些能够在这两个方面取得平衡的基金。这种平衡表现为它们的能力系数（）略高于平均水平，规模系数（）略低于平均水平，而不是在某一方面远远超越另一方。
　　风险提示
　　文献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。
　　

研究报告全文：TableStockNameRptType金融工程专题报告基金超额能力规模报酬递减与价值创造学海拾珠系列之一百六十二TableRptDate报告日期2023-10-19主要观点TableSummary本篇是学海拾珠系列第一百六十二篇文献提出了一种新颖的分析师严佳炜TableAuthor方法旨在综合评估个体基金的超额能力规模报酬递减以及价值创执业证书号S0010520070001造的能力基金创造价值最终取决其能否识别盈利性投资机会以及规邮箱yanjwhazqcom模可扩展性即在规模扩大时规模报酬递减情况文献认为最有价值联系人钱静闲的基金通常不是那些拥有最佳投资理念最高的基金而是那些投资策略在超额能力和规模可扩展性之间取得了平衡的基金回到国执业证书号S0010522090002邮箱qianjxhazqcom内基金市场基金规模对业绩有影响是一个广泛被认可的结论从价值创造的角度考察基金或许是一个不错的新视角模型构建在基准模型中参考Berk和Green2004的方法构建基金i在t期的的即超额回报为1其中1是基金规模的滞后值代表基金能力用于度量基金的初始alpha而则用于捕捉基金超额能力对规模扩大的敏感性基金的价值创造值1文献使用非参数估计法估计等参数的横截面分布相关报告TableCompanyReport多数基金为正受规模报酬递减影响但多数能够创造价值文献对美国权益基金样本进行研究发现绝大多数基金都具有正向1通胀是否会影响会计信息-股票价格间的相关性学海拾珠系超额能力基金超额系数为每年30831的基金超额系数为列之一百五十五正824的基金经历了规模报酬递减平均而言规模每增加一个标2使用机器学习识别基金经理投资准差会导致总每年减少13在不同的基金中超额能力和规模能力学海拾珠系列之一百五系数存在相当大的异质性大约有60的基金实现了正向价值创造十六valueadded3基于隐含波动率和实际波动率的系统风险指标学海拾珠系列基金能力和规模系数之间显著正相关优秀基金权衡两者之一百五十七分析还发现基金能力和规模系数之间存在显著的正相关性高4因子投资中所蕴含的宏观经济风达078即拥有出色的投资理念并扩大投资规模是相当困难的最有险学海拾珠系列之一百五十价值的基金通常不是那些拥有最佳投资理念的基金而是那些能够在这八两个方面取得平衡的基金这种平衡表现为它们的能力系数略高5基金定期报告中的文本语气能否于平均水平规模系数略低于平均水平而不是在某一方面远远预测未来业绩学海拾珠系列超越另一方之一百五十九6交易量对波动率的非对称效应学海拾珠系列之一百六十风险提示7因子间相关性与横截面资产回报文献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学海拾珠系列之一百六十议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测量基金能力规模可扩展性和价值创造521基金能力和规模可扩展性522价值的创造523关于公式的注释63估计方法731为何采取非参数方法732基金指标的估计74数据描述941基金数据和基准模型942描述性统计95实证结果1051基金能力和规模可扩展性的分析10511基金能力和规模可扩展性系数的幅度10512基金能力和规模系数的异质性11513基金能力和规模系数的相关性1252价值创造的分析136结论14风险提示14敬请参阅末页重要声明及评级说明215证券研究报告TableCommonRptType金融工程图表目录图表1基金的描述性统计10图表2基金能力与规模可扩展性系数的分布11图表3各类基金的基金能力和规模可扩展性分布13图表4价值创造的分布13图表5误差变量偏差对VALUEADDED分布的影响14敬请参阅末页重要声明及评级说明315证券研究报告TableCommonRptType金融工程1简介文献提出了一种新颖的方法旨在综合评估个体基金的超额能力规模报酬递减以及价值创造能力研究揭示了在不同的基金之间这些特质即基金能力和规模可扩展性存在巨大差异并且它们之间有很强的相关性当将这些特质结合在一起时它们能够创造价值这种效应对大多数基金来说是正向的并且在一定的适应期后接近其最佳水平这可能与投资者的学习过程有关这些发现与理论模型一致这些模型认为基金管理人具备投资能力能够从资本市场中获得经济收益目前基金的学术研究主要集中在评估其业绩即投资者能否在购买基金份额后获得正向超额回报然而较少有文献研究这些基金是否通过其投资决策从资本市场中获取价值主动共同基金可能通过进行交易选股和因子择时等方式来创造价值或者通过提供流动性以应对卖出压力这种创造价值的概念在Pedersen2015等文献中有所讨论文献的研究首次提供了有关基金能力规模可扩展性和价值创造层面的分析分析基于以下前提每个基金创造的价值最终取决于其能力即其能否识别盈利性投资机会以及规模可扩展性即在规模扩大时规模报酬递减情况文献首先量化了多少共同基金创造了价值并评估了它们是否是通过更有利可行或可扩展的投资理念来实现的其次研究了基金是否随着时间的推移以及投资者对其能力和规模可扩展性的认知而创造了更多的价值第三测量了基金实际价值增值相对于其由能力和规模可扩展性决定的最佳水平有多远最后研究了这个行业是否存在负这可能是由于基金能力不足或将其规模扩展得过多而引起的为了解决这些问题提出了一种全新的估计方法用以估计基金能力规模可扩展性和价值创造的横截面分布基金层面的分析至关重要因为不同基金之间的能力和规模可扩展性具有差异性估计方法具有灵活性不需要事先指定真实分布的形状在基准模型中采用了Berk和Green2004的方法构建每个基金的总即超额回报公式为1其中1是共同基金规模的滞后值以实际价值表示这里代表基金能力用于度量基金在其首次投资中的总而则代表规模可扩展性用于捕捉基金对规模扩大的敏感性的回归斜率最后增值由111给出这种参数化方法有两个优点i它明确了基金能力规模可扩展性和增值之间的联系ii它提供了简单的表达方式以便规范性地陈述价值创造使用CremersPetajisto和Zitzewitz2012的四因子模型来计算这些指标这个基于指数的模型建立于SP500和Russell指数上它们是可交易的并且被广泛用作共同基金的基准对美国权益基金的研究涵盖了1975年至2019年的时期首先发现基金超额能力广泛存在且经济上显著约831的基金的基金能力系数为正平均每年为30其次注意到基金的规模报酬递减非常敏感通常情况下规模每增加一个标准差总每年减少13第三基金能力和规模可扩展性系数在整体和基金组内都存在显著的横截面异质性和的横截面波动通常明显大于其均值第四还观察到基金能力和规模系数之间存在强烈的正相关性这意味着在投资理念上表现出色的基金通常很难扩大规模在样本期内约600的基金创造了价值这个结果有助于解释Berk和vanBinsbergenBvB的研究结果其中提到尽管的平均值为正但大多数基金敬请参阅末页重要声明及评级说明415证券研究报告TableCommonRptType金融工程最终都未能创造价值通过进行EIV偏差校正成功地消除了这一令人困惑的差异未经校正的分布受到估计误差的干扰这些误差扭曲了比例的估计也显著增加了尾部概率因此改进的估计方法对于关于主动管理行业规模的争论例如Cochrane2013Greenhood和Scharfstein2013具有重要影响它表明那些价值减值的基金并不像最初认为的那么高研究为基金的价值创造过程提供了新的视角关于基金能力和规模系数的相关性表明最有价值的基金通常不是那些拥有最佳投资理念最高的基金而是那些投资策略在基金能力和规模可扩展性之间取得了平衡的基金它们的基金能力系数规模报酬递减系数通常略高于低于平均水平还发现在具有不同流动性和交易频率水平的基金之间存在着相似的权衡这两个因素是影响基金投资策略的重要因素PastorStambaugh和Taylor2020例如小盘基金更倾向于购买那些流动性较低的股票这些股票容易产生错误定价和高昂的交易成本2测量基金能力规模可扩展性和价值创造21基金能力和规模可扩展性研究涉及一个总共包含n个基金的池子这些基金的业绩样本跨越了T期使用ii1n作为基金的索引tt1T则代表观测时间为了评估基金能力和规模可扩展性采用了Berk和Green2004提出的线性模型对于每个基金其主动管理的总超额回报用1来表示其中1是前一期的基金规模按实际价值度量而基金交易的总成本被建模成基金规模的凸函数也2就是1计算和的差并除以1得到以下公式11这里代表了总超额回报grossalpha它与前一期的基金规模呈线性关系使用捕捉基金投资理念利润的系数来度量基金的能力等于单位规模的总超额回报当10因此可视为纸面回报不受实际投资实施限制Perold和Salomon1991而使用系数来衡量规模的可扩展性反映了基金对规模拖累的敏感性表示基金规模增长时其总超额回报如何随着规模变化以上方法的关键特点是每个基金的和都是特定的这意味着将和视为从其横截面分布a和b中的随机实现而不是固定的参数这一点与以前的研究有很大不同以前的研究通常使用面板数据将规模系数视为所有基金的常数即例如Chen等2004PastorStambaugh和Taylor2015Yan2008Zhu2018尽管面板数据形式可以降低估计误差但从经济学角度来看所有基金的规模效应不一定相同22价值的创造接下来研究基金根据其基金能力和规模系数创造的经济价值为此采用了Berk和vanBinsbergenBvB提出的价值增加概念valueadded增值被定义为基金的毛超额收益和规模的平均乘积1通过将替换为1可以得到以下公式敬请参阅末页重要声明及评级说明515证券研究报告TableCommonRptType金融工程11这里和2分别表示基金规模和规模的平方的时11211间序列均值plim表示概率极限增值提供了一个经济学上的度量如果基金对投资者有议价能力那么相当于垄断者的利润这利润是以标价乘以总销售数量来度量因此它不同于毛超额收益后者不考虑规模对于价值创造的影响使用毛超额收益就像用标价来衡量垄断者的利润而不考虑销售数量公式2中的标准度量捕捉了基金在其整个生命周期中创造的平均增值然而这种平均值可能掩盖了基金生命周期中不同阶段创造的价值变化一种可能性是投资者可能需要时间来了解基金的基金能力和规模可扩展性并逐渐为每个基金分配更多的资本这一观点由Pastor和Stambaugh2012讨论为了研究这个问题将每个基金的回报历史划分为S个子周期并在每个子周期s中测量增值如下所示其中是基金规模和其平方值的实际平均决定的用和2s1S表示通过使用这个公式可以测量最后子周期的增值以观察随着基金年龄的增长增值是否变得更大这种方法对于测量增值是基金特定的由于和都继承了和的随机性因此将它们视为从横截面分布va和vas中随机抽取的实现这种方法的重要性在于它基于1的线性表达这与BvB方法不同后者没有对毛超额收益施加任何函数形式这种额外的参数化是为了更好地理解基金能力和规模系数如何影响增值并对增值做出规范性描述23关于公式的注释关于公式1的基准形式1有几个重要的注释首先和的估计并不需要明确建模基金之间基金能力和规模可扩展性的决定因素基金能力和规模可扩展性可能受多种因素的影响例如基金经理的才能或管理团队内部信息传播速度的不同CicciJaspersenandKempf2017同样规模系数可能因为一些基金的交易更加高效或遵循不同的策略而有所不同在这种情况下和可以被解释为与基金特定特征例如家族经理特点和基金策略如流动性和换手等因素相关的基金特定函数其次公式1可能忽略了捕捉基金能力和规模可扩展性系数的时间变化的有用变量基金能力可能会依赖于基金的经济环境包括行业竞争水平和总体市场的错误定价水平HobergKumarandPrabhala2018PastorStambaughandTaylor20152018此外如果毛超额收益与规模之间的关系是非线性的那么规模系数可能会随着基金规模的增加而变化为了描述这个猜测可以考虑一个更一般的公式形式如其中1是驱动和动态的变量的去均值向量在这种情况下使用公式1可能会有问题因为它忽略了变量因此和的估计可能存在偏差并导致对群体中具有能力的基金的比率或规模侵蚀的幅度的错误结论敬请参阅末页重要声明及评级说明615证券研究报告TableCommonRptType金融工程为了解决这个问题研究采用了广泛分析方法首先使用每日基金回报来估计短时间窗口内的和这个过程允许评估和的时间变化程度而无需识别附加变量1Lewellen和Nagel2006其次考虑了公式1的若干扩展明确考虑了行业竞争和总体市场错误定价的影响第三开发了线性表达式1的新的正式检验形式这个检验借鉴了Hausman检验的策略并基于与BvB的无模型估计的比较这个分析的要点是揭示实证结果不是因为在公式1中遗漏了重要变量3估计方法31为何采取非参数方法文献用于估计每个指标的横截面分布使用新型的非参数估计方法非参数方法对真实密度几乎没有任何结构要求因此与标准的参数贝叶斯方法不同后者需要对的形状进行全面规定在选择参数和非参数方法之间通常存在效率和误差之间的权衡如果参数方法所规定的结构是正确的那么估计的分布会更加精确但是如果所规定的结构是错误的那么它可能有严重的偏差基金能力规模可扩展性和增值的分析倾向于采用非参数方法因为误差风险较大理论上可以使用正态混合模型来获得参数的灵活性例如Harvey和Liu2018然而确定正确的混合数量是具有挑战性的因为i参数估计受到显著的噪声干扰ii似然函数的数值优化是非标准的iii统计推断在技术上更为复杂Chen2017误差风险进一步增加因为同时考虑了四个不同的指标非参数方法还具有许多优点首先它的实施简单而迅速相反参数和贝叶斯方法需要复杂和计算密集型的技术如Gibbs采样和期望最大化EM方法第二它为估计的分布以及其各种特征矩比例分位数提供了一个统一框架第三它带有完备的推理理论推导了每个估计量分布和特征随着基金数量n和观测次数T的增长双重渐近性nT的渐近性质32基金指标的估计非参数密度的估计由三个主要步骤组成首先需要为每个基金估计使用公式1将基金在无风险收益率下的总回报写成如下形式其中是K维的基准超额回报是误差项将公式4解释为一个随机系数模型例如Hsiao2003其中基金能力和规模系数和是从连续基金中的一个实现随机值在这种抽样方案下可以使用横截面数据来推断每个的密度需要指出两点首先假设随着时间t的增加实际基金规模是渐近稳定的见Potscher和Prucha1989在这个假设下当投资者的学习效应较大时实际规模趋向于增加理论上长期规模的稳定性与任何具有基金或行业层面规模报酬递减的模型都是一致的例如Pastor和Stambaugh2012表明无论投资者的风险偏好和对基金的议价能力如何基金规模都会收敛到一个平衡状态从经验上看也发现几乎没有证据表明实际规模一直在上升在基金生命周期敬请参阅末页重要声明及评级说明715证券研究报告TableCommonRptType金融工程的后半部分相对规模变化的中位数为-34而在前半部分为431众所周知公式4中估计的系数会受到小样本偏差的影响Stambaugh1999虽然这种偏差在渐近意义上会消失对于大T但它可能会影响回报历史较短的基金小样本偏差是因为基金规模在时间序列中是内生的正回报伴随着较大的基金规模为了消除这种偏差遵循Amihud和Hurvich2004以及AvramovBarras和Kosowski2013的方法将公式4重写为并分别为每个基金估计系数重要的是逐基金分析不是基于一个面板1具有相同的b从公式5计算系数如下其中是一个指示变量如果可观测则等于1否则为0是观测数然后可以推断每个估计值如下计量框架考虑了共同基金样本的不平衡性遵循GagliardiniOssola和Scaillet2016的做法并引入一个正式的基金选择规则1如果满足以下两个条件则等于1否则为零其中是矩阵的条件数12是两个阈值第一个条件排除了时间序列回归受多重共线性问题困扰的基金第二个条件排除了样本大小太小的基金这两个阈值随着样本大小T的增加而增加随着更多的回报观察估计基金系数的准确性增加从而允许更宽松的选择规则在下一步骤中采用了标准的非参数方法基于核平滑来估计密度函数密度估计在给定点m的计算如下其中K是一个对称核函数h是逐渐减小的带宽类似于直方图条的长度带宽参数h决定了在点m周围使用多少观测值来进行估计尽管核函数K的选择不是非参数密度估计的核心关注点倾向于选择简单的高斯核函数它被定义为为了选择合适的带宽最小化了渐近均积分平方误差AsymptoticMeanIntegratedSquaredErrorAMISE以确定最优的带宽值h通过最小化AMISE敬请参阅末页重要声明及评级说明815证券研究报告TableCommonRptType金融工程明确地平衡了估计的在整个支持区域的偏差和方差之间的权衡因此避免了选择过小的带宽从而引发数据的过度拟合问题最后需要对密度估计进行调整以纠正EIV偏差得到经过偏差调整的密度函数4数据描述41基金数据和基准模型文献分析基于美国股票基金的整体情况这些基金采用主动管理策略收集了1975年1月至2019年12月的CRSP数据库中的月度数据其中包括基金的净回报规模以及年度数据如费用换手率和投资目标这一数据集还包括不同子类基金如小市值大市值低换手率高换手率以及经纪销售直销销售的基金为了估算公式5采用了CremersPetajisto和Zitzewitz2012的模型该模型包括一个包括市场规模价值和动量因子的超额回报向量在这个模型中市场因子以SP500指数为代表而规模和价值因子则使用从Russell指数获得的基于指数的版本与Carhart1997模型不同的是这个模型将SP500和Russell2000这两个广泛用作基金基准的指数的alpha超额回报设定为零为了获得每个基金度量的可靠估计采用了公式8中的基金选择规则这个规则的要求包括i矩阵的条件数低于15以及ii每个基金至少有60个月度观测次数42描述性统计在图表1中提供了最终样本中2321只基金的综合统计信息在每个月初建立了一个包含所有现有基金的等权组合PanelA为投资组合收益的不同矩统计对于整个基金群体该投资组合表现出与整个股市相似的平均年收益率93和波动性152投资组合呈现负偏度-07和正峰度53PanelB估计了投资组合相对于四个因子的贝塔观察到小市值基金和高换手基金都暴露于规模因子贝塔分别为079和046PanelC报告了投资组合中的基金数量平均值以及中位数基金规模费用和换手的时间序列平均值小市值基金的平均规模较小中位数规模为135百万美元而大市值基金的中位数规模为256百万美元还发现高换手基金表现出非常积极的交易行为中位数换手率为每年112而低换手基金为28最后由经纪人销售的基金的费用高于直接销售给投资者的基金敬请参阅末页重要声明及评级说明915证券研究报告TableCommonRptType金融工程图表1基金的描述性统计资料来源SkillScaleandValueCreationintheMutualFundIndustry华安证券研究所5实证结果51基金能力和规模可扩展性的分析511基金能力和规模可扩展性系数的幅度首先通过观察基金能力和规模可扩展性系数的横截面分布来进行实证分析对于每个基金估计了基金能力系数SkillCoefficient和规模可扩展性系数ScaleCoefficient并使用非参数方法推断它们的密度分布a和b为了描述这些分布的性质计算了偏差调整后的矩估计包括均值方差偏度峰度以及有正系数和负系数的基金的比例以及5和95的分位数还计算了每个估计量的标准差图表2显示了a和b的分布结果敬请参阅末页重要声明及评级说明1015证券研究报告TableCommonRptType金融工程图表2基金能力与规模可扩展性系数的分布资料来源SkillScaleandValueCreationintheMutualFundIndustry华安证券研究所PanelA显示基金群体中的绝大多数基金都具有投资能力平均而言基金能力系数为每年30而对于群体中的831基金基金能力系数为正这些结果与Berk和Green2004的数值分析相一致根据他们的模型校准发现了相似的比例80简而言之实证证据表明大多数基金能够识别被低估的股票只有一小部分基金没有能力因此0PanelB发现基金群体中的824的基金经历了规模报酬递减diseconomiesofscale规模可扩展性系数的幅度通常很大平均而言规模每增加一个标准差会导致总阿尔法每年减少13换句话说每增加100百万美元的规模总阿尔法会减少02每年总体而言这些结果在很大程度上与那些强调共同基金行业存在规模报酬递减的文献是一致的同时有一小部分基金似乎受益于规模经济效益0这一观点与Berk和Green的模型不一致然而这种效应的幅度相对较小表明这可能是由于估计误差引起的即使在那些估计出具有负值并且高度显著在5的显著性水平下的基金中也有可能是虚假发现即它们的真实系数实际上等于零512基金能力和规模系数的异质性图表2中的一个关键发现是投资技巧和规模系数存在相当大的异质性一些基金具有出色的投资基金能力其中5的基金的水平超过每年89是平均水平的三倍同样基金在对规模不经济敏感性方面存在较大差异这种巨大的横截面变异性与传统的面板回归方法不符该方法假定所有基金具有相同的规模系数b为了正式检验面板方法的有效性考虑了以前研究中使用的公式1ChenHongHuang和Kubik2004Pastor等2015Yan2008Zhu2018还研究了基于这样的假设的对数形式1即相对规模变化对所有基金具有相同效果例如Yan2008Zhu2018然后检验了均匀系数的零假设012发现对敬请参阅末页重要声明及评级说明1115证券研究报告TableCommonRptType金融工程上述两个线性表达都拒绝0的假设观察到的投资技巧和规模系数的变化可能是由基金遵循的特定策略驱动的为了研究这个问题重复了对不同流动性小型大型市值和换手率低高换手率水平的基金进行分析这两个因素是基金投资策略的关键决定因素PastorStambaugh和Taylor2020图表2证实了在所有四个投资类别中投资技巧和规模系数都存在相当大的变化和的平均值在分别在17和46之间09和18之间变动还发现直销基金中有能力的基金比经纪人销售的基金多平均基金能力系数每年为33对884的基金为正而经纪人销售的基金分别为29和827这一结果与DelGuercio和Reuter2014的研究结果相一致该研究表明直销基金的管理者面对更有弹性的投资者需求曲线因此更有动力获得卓越的回报然而图表2仍然显示每个基金组内仍存在相当大的基金间异质性换句话说分为不同基金类别不足以完全概括和的异质性为了量化这一效应对18个捕获基金特征小中大市值低中高换手率经纪人直销的虚拟变量进行了面板回归尽管这些变量解释了部分和但它们的解释能力较小R2为87和73513基金能力和规模系数的相关性横截面分析还发现基金能力和规模系数之间存在显著的相关性在整个基金群体中和之间的两两相关性系数高达078简言之拥有出色的投资理念并扩大投资规模是相当困难的部分这种相关性可以通过基金的投资风格来解释也就是说和之间的相关性源自它们共同依赖于基金策略的特征如流动性和换手率正如图表3PanelA和B所示小市值基金的基金能力和规模系数均高于大市值基金这些结果与它们之间的流动性差异相关流动性不足通常导致小市值股票的定价错误高因为这些股票往往不是共同基金的主要投资对象与此同时流动性不足还导致更高的交易成本高这可能是因为交易频繁例如Dow和Gorton1997所提到的总的来说这些结果表明基金创造价值的能力取决于基金能力和规模之间的权衡这是将在下文更详细讨论的观点之一敬请参阅末页重要声明及评级说明1215证券研究报告TableCommonRptType金融工程图表3各类基金的基金能力和规模可扩展性分布资料来源SkillScaleandValueCreationintheMutualFundIndustry华安证券研究所52价值创造的分析本节研究价值创造valueadded的横截面分布在下面的分析中仅关注基金通过运用其投资技巧创造的价值即排除了多元化服务BvB论文中某节所讨论的对于每个基金将估计为和的函数并使用第三节中的方法推断的密度函数然后在图表4中报告校正后的分布特征图表4价值创造的分布资料来源SkillScaleandValueCreationintheMutualFundIndustry华安证券研究所大多数基金能够从资本市场中创造价值这点是非常明显的发现有60的基金实现了积极的增值平均每年为19M美元与之相反BvB和Zhu2018发现大多数基金无法创造价值这种差异对于关于金融行业规模的辩论非常重要实证分析强调了偏差调整的重要性图表5表明校正后的分布与未校正的分布有明显不同换句话说估计值中包含的噪声实际上扭曲了敬请参阅末页重要声明及评级说明1315证券研究报告TableCommonRptType金融工程的形状例如这意味着只有484的基金创造价值这一比例与BvB和Zhu2018中报告的相似校正后的分布还导致5和95分位数之间的差距增加比图表4中报告的值高14倍271M与381M相比在那些不创造价值的少数基金0中可以分为两种情况i那些没有基金能力的基金0和ii那些有基金能力但已经增长到无法保持正向价值创造的基金0结合图表4和图表5的结果发现无能力的基金相对较少仅占总数的423169400这意味着对于大多数不创造价值的基金如果它们减小规模最终可能会创造价值图表5误差变量偏差对valueadded分布的影响资料来源SkillScaleandValueCreationintheMutualFundIndustry华安证券研究所6结论文献采用了一种新的方法来研究共同基金行业的能力规模可扩展性和增值为每个指标提供了跨基金分布的估计文献使用了非参数的研究方法因此避免了实际分布不明朗的问题且方法经过偏差调整受到计量经济学理论的支持实证分析提供了几个关键观点首先大多数基金都具备超额能力因此能够从资本市场中获取价值其次价值创造分布显示出显著的基金异质性这是由基金能力和规模报酬递减系数之间的强正相关性所造成的第三当考虑到调整期时增值接近最优水平提示着投资者的学习效应对基金绩效具有影响此研究结果有助于金融行业规模的相关研究表明在一个合理的模型中有基金能力的基金能够从资本市场中获取增值从而可以解释主动管理的规模文献来源核心内容摘选自LAURENTBARRASPATRICKGAGLIARDINIOLIVIERSCAILLET在JournalofFinance上的文章SkillScaleandValueCreationintheMutualFundIndustry风险提示文献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1415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中国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中国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渠道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文献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文献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1515证券研究报告