牛年第一天先給大家拜個年，九號線祝各位朋友們在新的一年事業(yè)進步、業(yè)績長虹、闔家幸福，買到?；?/span>！我也將繼續(xù)努力給大家提供更多更好的研究內容！！
今天聊聊當下一個熱門話題——公募基金的抱團現(xiàn)象，或者說羊群效應（Institutional Herding）。根據(jù)之前的研究結果，由于投資者的社會背景（諸如校友圈、老鄉(xiāng)圈、ClubHouse等，參考申宇等《校友關系網(wǎng)絡、基金投資業(yè)績與“小圈子”效應》），機構所處地理因素（諸如北上廣深不同投資圈子、浦江會等，參考Hong等《The Neighbor's Portfolio: Word of mouth Effects in the Holdings and Trades of Money Managers》）以及上市公司自己的核心區(qū)圈（茅臺核心圈、隆基股份核心圈、寧德時代核心圈等）等原因，甚至僅僅因為相對排名考核的原因（參考路磊等《基金排名變化和羊群效應變化》），基金經(jīng)理會采用與其他投資經(jīng)理人相同的投資決策以降低投資成本和聲譽風險，從而引起證券市場上集中買入或賣出某些股票的現(xiàn)象，并由此造成所謂的抱團現(xiàn)象。雖然公募抱團早已不是新鮮事，但最近一兩年Ａ股市場抱團現(xiàn)象愈演愈烈：散戶買股票不如買基金——基金被申購繼續(xù)抱團重倉——持續(xù)買入重倉股導致公募基金業(yè)績更好——進一步申購，如此循環(huán)反復引起了很多人、甚至監(jiān)管層的擔憂。。。
本文試圖在前人的研究基礎上，簡單分析國內公募基金是否存在明顯抱團現(xiàn)象？抱團能否提升業(yè)績？誰在抱誰的團？給大家春節(jié)期間無聊漫長的假期帶來一絲愜意。較早研究機構投資者羊群效應的是Lakonishok、Shleifer、Vishny1992年提出的一種基于統(tǒng)計學的基金經(jīng)理羊群行為分析方法（簡稱LSV），該方法核心是觀察特定群體投資者的交易模式來發(fā)現(xiàn)是否存在同時買賣的傾向，該方法衡量羊群效應的統(tǒng)計量H 如下：其中p_i,t為t時刻市場上買入股票i的機構投資者數(shù)量，AF 是調整因子。之后Vivek Sharma等人運用LSV方法驗證了2000年美國互聯(lián)網(wǎng)科技泡沫時期，證明無論買入還是賣出，均存在顯著的機構羊群效應。不過該方法存在一個問題：僅考慮市場上買賣某股票的機構投資者數(shù)量，沒考慮買賣的股票數(shù)量。接著，2018年基金研究領域大神Hao Jiang在《Does herding behavior reveal skill?An analysis of mutual fund performance》一文中提出了一個基于股票買賣數(shù)量的機構羊群效應測算方法，模型如下：其中Trade_i,j,t表示t期，基金j在股票j上相對t-1期的投資數(shù)量百分百變化，Delta IO_i,t-1表示t-1期，市場上所有基金在股票j上相對t-2期的投資數(shù)量百分百變化。該模型是一個截面回歸模型，回歸系數(shù)β_j,t越大越顯著說明基金j的羊群效應越明顯，反之則反然。注意這里的下標說明該模型是一個跨期羊群效應——機構投資者參考上期別人的股票持倉而作出的變化，與之對應的是同期羊群效應——機構投資者參考當期別人的股票持倉而作出的變化。
Hao Jiang等人運用美國市場公募基金數(shù)據(jù)得到的結論是：基金羊群效應會對其業(yè)績有負向預測性，即越從眾的基金未來收益表現(xiàn)越差，且無論采用普通收益率、凈收益率、因子剝離alpha等作為收益指標，都得到一樣的結論。 鑒于上述Trade和Delta_IO指標的計算公式中，分母不能為０，因此基金首次持有某只股票的情況將無法被捕捉，而在實際投資中這一情況并不罕見。國內中泰證券的包贊運用了改進版的Trade和Delta_IO計算公式，此處Trade_i,j,t定義為t時期，基金j持有股票持倉額的變動占t-1時刻j基金整體股票持倉額的百分比變化。其中mkv_i,j,t 代表t時刻基金j對于i股票i持倉額，mkv_j,t-1代表t-1時刻，基金j的整體股票持倉額，Delta_IO同理。這樣就可以避免本期新增持股無法考慮進來的問題。包贊運用國內公募基金的數(shù)據(jù)進行分析得到的結論是：不同于美國市場，國內最從眾的百分之二十基金組合（羊群基金）及最反從眾的基金組合（反羊群基金）表現(xiàn)最為優(yōu)異
不過我認為這個方法還是有問題的：１、基金持有某股票數(shù)量的變化可能是由于凈申購帶來的被動等比例增持，而非羊群效應或者自己進一步看好該股票；２、即使考慮了改進后的市值變化，也沒要考慮股票的分紅轉股情況（由于分紅導致的某股票持有規(guī)模下降，并不意味著減倉行為）；３、Delta_IO的計算是全市場基金的簡單平均，首先應該剔除自身、其次不能簡單平均（管理1000億規(guī)模的張坤加倉某股票帶來的效應，同管理規(guī)模僅幾億的基金加倉某股票帶來的效應不可同日而語，管理規(guī)模加權比簡單平均更合理）。
最后推薦一篇最新發(fā)表的文章：來自西南財經(jīng)大學羅榮華教授的《“和而不群”還是“卓爾不群”?———基于基金網(wǎng)絡信息使用的視角》，羅教授也是國內基金研究領域的資深專家了，他的文章經(jīng)?？?。
在該篇論文中，作者首先定義了基金網(wǎng)絡：如果兩只基金重倉持有相同的股票( 占各自倉位的5%以上) ，即認為兩只基金彼此之間存在關聯(lián)。我們定義基金J 的網(wǎng)絡N( J) 為與它存在關聯(lián)的其他基金的集合。這里N( J) 中不包括與基金J 在同一家基金管理公司的基金。（關于基金網(wǎng)絡，公眾號此前也寫過一篇文章《機構投資者（基金）交易行為傳染性研究》）
接著作者構建一個網(wǎng)絡偏離度指標用來衡量基金偏離網(wǎng)絡內其他基金平均水平的程度：
Ｈ_i,j,t為基金j在t期持有股票i的數(shù)量，則Delta_h_i,j,t就是基金在t期持有股票j相對于t-1期的變化，同時考慮了股價（P_i,t-1）、分紅轉股（adfactor_i,t）以及基金的管理規(guī)模Marketvalue_j,t-1的影響。這里的DFN指標越大，說明基金偏離網(wǎng)絡平均水平越遠，基金持倉結果越獨立。值得注意的是這篇文章檢驗的是基金同期網(wǎng)絡效應而非跨期網(wǎng)絡效應，前面說過這是兩個概念。
接著作者運用下列模型檢驗基金的網(wǎng)絡偏離度和基金未來業(yè)績（FF4因子模型調整后alpha）的關系：
結論意料之中，無論是模型１（僅控制基金特征）、模型２（加入基金經(jīng)理特征）還是模型３（加入基金所在網(wǎng)絡特征），DFN前回歸系數(shù)均顯著為負，說明DFN越大的基金，即基金持倉結構越獨立（非抱團基金），基金當期的表現(xiàn)越好。
另一方面，作者考慮到若基金網(wǎng)絡內基金的一致性交易行為并非出于私有信息的共享，而只是基金羊群行為的一種體現(xiàn)，那么根據(jù)基金交易行為與網(wǎng)絡內其他基金平均交易行為的偏離所構建的DFN指標衡量的就不是網(wǎng)絡信息使用程度而是部分羊群行為。
為了進一步確認羊群行為對基金持倉的影響程度，作者又構建了一個DFC( DeviationFrom the Crowd) 指標來控制基金整體的羊群行為。DFC 的計算公式如下:
DFC和ＤFN的區(qū)別僅僅在于它統(tǒng)計了除基金j以外的所有基金（而非基金j網(wǎng)絡內的基金）在某只股票i上的相鄰兩期持倉變化。可以看到，DFC指標系數(shù)顯著為正，表明基金交易與其他基金的交易偏離越遠，即較少從事羊群行為的基金在下一期能夠獲取更高的超額收益，該結論與Koch（2017）、Hao Jiang（201８）等運用美國市場公募基金數(shù)據(jù)得到的結論一致。同時加入了DFN 指標和DFC 指標后DFN 指標的統(tǒng)計顯著性下降很多，基金網(wǎng)絡效應明顯受到基金羊群效應影響（似乎是常識），但DFN指標仍然顯著為正，表明控制了基金羊群行為后DFN指標仍然含有反映基金經(jīng)理能力的增量信息。最后，由于DFN指標與DFC指標是高度相關，因此作者將每期DFN指標對DFC指標進行橫截面回歸，將所得殘差Residual即DFN中不能被DFC所解釋的部分帶入模型，Residual系數(shù)顯著為正。再一次證明DFN即基金對網(wǎng)絡內信息的使用程度能夠反映出基金經(jīng)理的管理能力，且該指標越大（偏離網(wǎng)絡平均越遠）未來超額收益越高。然后驗證在不同市場分化度背景下，DFN指標和基金業(yè)績的關系。結論不出所料，DFN 指標與基金業(yè)績在市場收益高度分化時更加陡峭，表明高市場分化度背景下DFN更可能體現(xiàn)基金經(jīng)理的能力，主動管理的價值更大！??！下面打算在Ａ股市場簡單驗證下，綜合參考了羅容華和Hao Jiang使用的指標，不過稍微做了點改進：
１、Ｐ_i,t-1改為Ｐ_i,t，其實更嚴謹?shù)氖莟-1~t期的平均價格，因為我覺得t期末基金對股票i的持倉更受股票i當期價格影響；
２、因為是研究羊群效應，我這里不再計算基金網(wǎng)絡，而是用除自身以外的全部基金計算整個市場對股票i的操作變化；
３、全市場基金對股票i的操作變化，采用管理規(guī)模加權平均而非簡單等權，理由前面解釋過。
此處目標是驗證基金的當期羊群效應，因為隨著互聯(lián)網(wǎng)微信普及，現(xiàn)在的信息傳遞渠道非常發(fā)達，根本不需要等到定期報告滯后公布，大家就能知道其他基金經(jīng)理或者市場在買賣哪些股票。接著每一期對單個基金進行橫截面回歸，由于此處計算持倉變化用的是分紅轉股調整后的股票數(shù)量變化而非市值變化，所以模型中沒考慮股票本身的漲跌幅影響：
這里β系數(shù)越大且越顯著，說明基金的抱團效應越明顯，反之則反然。所以本文定義的基金抱團指標（或者羊群效應指標，都一樣）即上述回歸方程中β的T值。樣本基金是全部主動管理權益基金，即WIND普通股票基金+WIND偏股混合基金+WIND靈活配置基金，并按如下標準進行篩選：１、為了剔除主題基金投資領域限制的影響，僅考慮基準為滬深300、中證500、中證800、上證綜合指數(shù)、MSCI中國Ａ股指數(shù)等寬基指數(shù)為業(yè)績基準的基金；２、剔除滬港深基金或可以投資港股的基金，僅考慮A股市場的羊群效應，不過由于基本是同一批基金經(jīng)理管理，對于可投滬港深股票的基金結論應該類似；3、剔除ＦＯＦ基金、剔除打新基金以及剔除樣本期間內股票平均倉位低于50%的基金；４、由于我國基金每半年披露全部持倉，一季報、三季報僅披露10大重倉股，因此數(shù)據(jù)頻度均取半年度；５、保留了量化基金，我的概念中量化基金本質也是主動管理基金（區(qū)別于指數(shù)基金），只不過把投資策略固化了而已；６、為了剔除建倉期影響，每一期均選取成立已滿半年以上的基金，由于基金2020年報還沒有公布，所以一共使用了2015年報～2020半年報10期數(shù)據(jù)首先看一下基金抱團指標的描述性統(tǒng)計。整體來看，至少201６年以來公募基金的抱團指標平均值都在2以上，呈現(xiàn)明顯的羊群效應即基金當期抱團現(xiàn)象還是很明顯的。這個也容易理解，這幾年隨著信息傳播渠道越來越多，每家機構的核心股票池基本上都差不多，半年內加減倉節(jié)奏也基本同步（可能會有月度級別的時滯，部分機構早于其他機構知道一些信息）。從時間序列角度看，雖然平均抱團指標（回歸系數(shù)的T值）2017年6月后有所下降，2019年年底有所反彈，但統(tǒng)計顯著性僅表明回歸結果不是由于抽樣誤差導致，所以只要它們均統(tǒng)計上顯著（大于1.65即對應10%的顯著水平）并不影結論：即公募基金市場整體存在抱團效應。接著將基金根據(jù)抱團指標從低到高分為5組（a組抱團指標最低，e組抱團指標最高），驗證抱團指標和當期基金收益率（這里偷懶沒有用FF5因子剝離alpha而是直接用了收益率）之間的關系，可以發(fā)現(xiàn)很有意思的現(xiàn)象：2016、2018年市場熊市期間，抱團指標高的基金組（group e）表現(xiàn)更差，2016年平均低4.5%~5.6%、2018年平均低2.7%~3.6%。而2017、2019以及2020上半年這種牛市行情中，抱團指標高的基金組表現(xiàn)更好，尤其是2019年下半年以來，e組平均收益要比a組高5％＋，而且我相信2020年報出來后進一步統(tǒng)計的話，這個結論依舊成立。由于基金經(jīng)理更換會導致基金投資策略的變化，甚至同一基金經(jīng)理不同時期也會采取不同的抱團策略，所以我們發(fā)現(xiàn)基金的抱團指標不同時期也會顯著不同。比如下面這個基金，抱團指標從前幾年的顯著為正到近幾年顯著為負，而且該基金2019年后更換了投資經(jīng)理。我看了下該基金2020年中報的持倉，果然很非主流：沒有白酒、沒有食品、沒有新能源，重倉的醫(yī)藥股也是非主流品種，不用說在這個抱團的時代業(yè)績應該不會特別好。最后整理了一下基金經(jīng)理管理滿5年時間的基金，統(tǒng)計從201606~202006以來共9期基金抱團指標。前50和后50我標出了，版面原因把中間的部分基金省略了。必須強調的是，過去幾年平均抱團指標高的基金業(yè)績都挺好，但過去幾年平均抱團指標低的基金也有業(yè)績好的雖然不多，這個有一句說一句，比如泓德遠見回報、鵬華策略優(yōu)選、嘉實優(yōu)質企業(yè)。１、Choi，Nicole and Richard Sia：《Institutional Herding.》２、Hao Jiang and Michela Verardo：《Does herding behavior reveal skill?An analysis of mutual fund performance》3、Vivek Sharma，John C. Easterwood and Raman Kumar：《Institutional Herding and the Internet Bubble》４、The Neighbor's Portfolio：《 Word of mouth Effects in the Holdings and Trades of Money Managers》5、羅榮華、田正磊和方紅艷：《“和而不群”還是“卓爾不群”?———基于基金網(wǎng)絡信息使用的視角》6、中泰證券包贊：《基金持倉羊群效應與基金業(yè)績分析》7、申宇、趙靜梅和何欣：《校友關系網(wǎng)絡、基金投資業(yè)績與“小圈子”效應》8、路磊、黃京志和吳博：《基金排名變化和羊群效應變化》
