【092】学术打脸系列(I)|基金规模报酬递减之争

学术   财经   2022-06-29 16:16   四川  
学术研究中的常见现象之一便是后续研究打脸已有研究。正面的争议也是促进学术研究进步的重要途径。例如,BetaPlus 小组早年梳理的金融学顶刊中关于资产定价研究的建设性“怼人”就是一些很好的案例。实际上,随着建模工具和数据的日益丰富,早期研究中深入人心的“共识”越来越多地被推翻。但这显然并不代表早期研究就是没有价值的。真正重要的是,理清相关研究的演进脉络,从而更好地理解我们如何站在当前的位置上。为此,我们计划通过【学术打脸系列】推文来对金融学——尤其是实证资产定价和资本市场——相关的研究中的这些争议和演进进行梳理。
在这第 1 期中,我们将梳理关于基金规模报酬递减(Decreasing Reuturns to Scale, DRS)的研究争论。其中,Pastor, Stambaugh and Taylor (2015, JFE) 首先提出了一种估计方法并表明基金个体层面虽然有 DRS 效应,但并不显著;而 Zhu (2018, JFE) 则通过改进 PST (2015) 的估计方法进而发现基金个体层面的 DRS 是显著的。有意思的是,Adams, Hayunga and Mansi (2021, CFR) 认为前述两项工作的分析都有问题。为此,PST 和 Zhu 联手对 AHM 做出了回应,文章同样发表在 CFR (forthcoming)。

1. DRS 的 RD 估计

为考察基金是否受到 DRS 效应的影响,最直观的做法是进行下述回归:
其中, 为基金业绩(alpha), 为滞后的基金规模。若 显著为负,则表明基金受到 DRS 的显著影响。
但简单利用 OLS 估计上式会遭遇显著的遗漏变量偏差(omitted-variable bias)。原因在于,基金业绩与基金的能力(Skill)有关,而基金规模通常也与基金能力有关。但我们无法直接观察到基金能力。幸运的是,上述问题可以通过引入基金个体固定效应解决。即改为估计下述式子:
这里与前一个模型的区别在于由 取代了 (即引入了基金个体固定效应)。
但 PST (2015) 指出,上述方法又导致了新的问题。注意到,对上式进行 OLS 估计等价于估计下述中心化的模型:
其中, 分别为 减去各自(基金层面的)全样本时序均值后的结果。因此:
而偏差为
假设 较大,其他因素相同的情况下, 会更小,即 负相关。而 正相关,这意味着 也负相关,即 有负的偏差。
为纠正上述偏差,PST (2015) 提出可以采用向后递归中心化(backward recursive demeaning,)的方法来进行中性化并据此提出了 RD 估计量。这一方法在中心化 期数据时只使用截至 期的数据,从而可规避上述偏差。当然,这一方法也有一定代价,即其中的噪音可能会更大,但总体来说是可控的。
具体来看,借鉴 Moon and Phillips (2000),令 为包含规模()在内的滞后的解释变量向量,并令向后递归中心化(backward recursive-demeaned)解释变量为
类似地,令向前递归中心化(forward recursive-demeaned)解释变量和收益分别为
其中, 基金的观测总数。
依据上述定义可得:
其中, 按照与 类似的方式定义。
这里的重点是,通过上述转换,无需再引入基金个体固定效应,从而规避了 估计中的可能偏差。
为估计上述模型,可利用工具变量法。具体来看,可以用 作为 的工具变量,并将其他解释变量(主要是各类基金特征)作为外生变量。 看起来可以较好地满足工具变量的相关性(同 显著相关)和外生性要求(无助于预测 ),因而是一个恰当的工具变量。
特别地,在解释变量只有基金规模的最简单的情形中,上述模型的估计结果如下:
基于上述模型设定,PST (2015) 发现美国基金市场中存在显著的行业层面的 DRS 效应;而在基金个体层面,虽然也有一定的 DRS 效应,但并不显著。

2. 改进的 RD 估计

PST (2015) 给出了很好的理论基础和新的估计方法,但其关于基金个体层面的 DRS 效应的结论则不太令金融学者信服。Zhu (2018) 为此指出,PST (2015) 得到这一结论是因为他们提出的 RD 估计方法存在不足。
具体来看,PST (2015) 的工具变量 RD 估计意味着下述两阶段估计:
其中, 为第一阶段回归的拟合值。因此, 估计的方差与第一阶段的拟合优度()成反比:
值得注意的是,PST (2015) 在两个阶段的回归中都施加了截距项为 0 的约束。其中,第二阶段回归的截距项为 0 可以根据前一小节的推导得到,但第一阶段回归的截距为 0 则缺乏理论支撑。Zhu (2018) 利用基本的条件期望相关的定理表明,第一阶段回归中截距为 0 的约束等价于要求基金的历史平均规模与其未来平均规模相等,而这显然是不够合理的假设。
为此,Zhu (2018) 提出了一个改进的 RD 估计方法(RD2):
其中, 也是上述第一阶段回归的拟合值。
这一估计的基本思想与 PST (2015) 一致,不同之处在于:
  • 在第一阶段回归中加入了截距项;

  • 取代 作为工具变量。

利用上述改进的 RD 估计,Zhu (2018) 表明,美国市场中存在非常显著的基金个体层面的 DRS 效应,从而得到了与 PST (2015) 不同的结论。

3. AHM 的批判及 PSTZ 的回应

PST (2015) 和 Zhu (2018) 虽然就准确的估计方法和 DRS 的显著性存在一定争议,但二者对基金规模对基金业绩的影响的估计都是负的。而 AHM (2021) 对此提出了挑战。
AHM (2021) 的主要论点是 PST (2015) 和 Zhu (2018) 的研究结论是由少数具有高度影响的观测所驱动的。此外,AHM (2021) 认为这两份已有研究在实证分析中采用基金所属的晨星类别的表现作为基准存在偏误,也是导致错误估计的原因之一。
为此,PST 和 Zhu 联手写了一篇新文章,对上述批判进行了回应。首先,他们承认 PST 的原始数据有一些问题,但同时也指出:一方面,这些问题占比很小;其次,这些问题不仅在具有高度影响的少数观测中存在,而且在其他样本中也存在,其出现接近随机分布,因此,不会影响原有研究的结论。为检验这一点,他们按照更为稳健的数据匹配和清洗程序(例如,使用基金的历史晨星分类而非最近一期的晨星分类)构建了更为稳健的样本进行了重新检验,并表明结果仍然是稳健的。
其次,他们指出 AHM 在移除具有异常值时的不对称操作(处理了较多正的异常值而只处理了较少负的异常值)对分析结论有显著的影响。从实证分析来看:
  • 若只移除正的异常值,随着移除比例的上升,基金规模和行业规模对基金业绩的影响都由负转正。

  • 若只移除负的异常值,随着移除比例的上升,基金规模和行业规模对基金业绩的影响都负得更为厉害,基金个体和行业层面的 DRS 效应都变得更为显著。

  • 最后,若对称地移除同样比例的正负异常值(也是较为常见的操作),哪怕移除 5% 的异常值,DRS 效应都始终是稳健的。

PSTZ (2021) 进一步指出,上述现象背后的原因是小规模基金往往有更高的(相对于业绩基准的)超额收益波动率,这与 Berk and Green (2004) 以及 Stambaugh (2014) 等的均衡模型的含义是一致的。而结合基金业绩与规模之间的负相关性,上述关系便意味着 AHM 的移除规则会剔除掉过多小规模而业绩较好的基金,从而使得估计得到的基金业绩与规模的关系逆转。
最后,为排除不恰当的基准(晨星分类)的可能影响,PSTZ 也采用标准的相对于因子模型的 alpha 来估计基金风险调整后业绩,并得到了类似的结论,进而进一步佐证了其结论的稳健性。

4. 结语

基金的规模报酬递减效应是否存在,对如何评估基金能力、最优规模,进而筛选基金(投资者角度)、控制基金规模和数量(基金经理与基金公司角度),并最好地为投资者创造价值,促进行业的长远发展(基金行业角度),都有着根本性的影响。自 Berk and Green (2004, JPE) 的开创性研究以来,大量研究对此进行了探讨,但争议仍在持续。
本文对相关的几项重要研究进行了梳理,简要回顾了一些代表性方法的提出和改进(PST, 2015; Zhu, 2018),以及对其的批评(AHM, 2021)和前述作者的回应(PSTZ, 2021)。这些演进有助于我们更好地理解已有研究,并为后续的相关研究提供了很好的基础和指引。
虽然争议仍在继续,但就像我们在建设性“怼人”的推文最后写到的,这些争论和打脸,是“学科发展的必要催化剂”,我们期待更多的“打脸”研究,也会在后续的系列推文中进行更多的梳理、介绍。
最后,一个小预告,未来两期的打脸系列我们将回顾关于 MAX 指标(Bali, Cakici and Whitelaw, 2011, JFE)和关于基金资金流的开创性研究(Berk and Green, 2004)这两项园长个人非常喜欢的研究的打脸研究。

全文完。祝您阅读愉快!

References:
  • Adams, John C., Darren K. Hayunga, and Sattar Mansi. "Scale and performance in active management are not negatively related." Critical Finance Review  forthcoming (2021).

  • Bali, Turan G., Nusret Cakici, and Robert F. Whitelaw. "Maxing out: Stocks as lotteries and the cross-section of expected returns." Journal of Financial Economics 99.2 (2011): 427-446.

  • Berk, Jonathan B., and Richard C. Green. "Mutual fund flows and performance in rational markets." Journal of Political Economy 112.6 (2004): 1269-1295.

  • Pástor, Ľuboš, Robert F. Stambaugh, and Lucian A. Taylor. "Scale and skill in active management." Journal of Financial Economics 116.1 (2015): 23-45.

  • Pástor, Ľuboš, Robert F. Stambaugh, Lucian A. Taylor, and Min Zhu. "Diseconomies of Scale in Active Management: Robust Evidence." Critical Finance Review forthcoming (2021).

  • Stambaugh, Robert F. "Presidential address: Investment noise and trends." Journal of Finance 69.4 (2014): 1415-1453.

  • Zhu, Min. "Informative fund size, managerial skill, and investor rationality." Journal of Financial Economics 130.1 (2018): 114-134.


因子动物园
因子动物园:专注股票与基金的因子研究
 最新文章