汪梓軒 雷欣南

摘? ?要：本文提出對基金持倉分層的分析方法，區(qū)分抱團基金與獨立基金，研究基金持倉獨立性對基金后續(xù)收益表現的影響及作用機制。研究表明：基金持倉獨立性越高，未來的超額收益表現越出色，這種優(yōu)異表現可以持續(xù)長達四個季度；相比于個人研究能力，基金獨立性更多來源于基金公司的投研平臺支持；獨立基金擁有更強的選股能力和更多的私有信息，而擇時能力表現較弱，也因此承擔了較大的特質風險；相比全市場投資基金，賽道型基金獨立性高時可以獲得更好的表現，反映了專業(yè)化的投研能力。此外，研究還回顧比較了此前文獻中同樣基于持倉構造的抱團指標和網絡中心度指標，結果表明本文提出的基金獨立性指標具有更好的穩(wěn)定性，在不同時期的業(yè)績預測能力較為穩(wěn)健。本文探討了一個有效、穩(wěn)健且易于理解的基金持倉分層分析框架，并且可以與現有的基金分析方法靈活結合使用，為評估基金表現、識別基金能力和加強行業(yè)監(jiān)管提供了新的參考。

關鍵詞：基金獨立性；基金抱團；持倉分層；基金表現

中圖分類號：F832.5? 文獻標識碼：A? 文章編號：1674-2265（2023）06-0047-12

DOI：10.19647/j.cnki.37-1462/f.2023.06.005

一、引言

近年來時有出現的基金抱團行情引發(fā)了市場對于基金獨立性的強烈關注，盡管大多數基金經理都會在盡調或公開報告中宣稱自己有獨立的投研框架和選股思路，但是在定期報告披露時外界仍然會發(fā)現“隨波逐流”的抱團策略是諸多基金的第一選項。這些基金往往在抱團行情中取得令人滿意的收益表現，但是一旦行情切換或抱團瓦解，就會出現較大的業(yè)績波動，甚至還有可能通過資金的價格壓力反向作用于股票市場，造成更大的市場波動。因此，識別出具有獨立投資觀點的基金經理，理解其決策因素和業(yè)績表現對于實現資本優(yōu)化配置及提升市場效率具有重要意義。

近年來部分研究開始關注基金投資的獨立性問題，抱團模型（于上堯等，2015）[1]、基金網絡模型（陳勝藍和李璟，2021）[2]、風格空間模型（Hoberg等，2018）[3]和羊群行為模型（Jiang和Verardo，2018）[4]都從不同視角對基金獨立性問題做出了闡釋，但是研究結論不一，也缺乏對各類模型的比較和分析。如何精準刻畫中國市場基金的獨立性特征，其經濟后果如何，仍然有待進一步探討與揭示。值得指出的是，目前的抱團模型與網絡模型主要基于基金持有的股票在多大程度上被其他基金所持有，從這一角度出發(fā)的模型設定存在一個共性問題，即當某只基金重倉了一只極度“被抱團”的股票時，很大可能被定義為“抱團”或者“高中心度”基金，這是由于頭部的股票具有遠高于其他股票的重倉度，從而忽略了基金的其他持股信息。而當考慮羊群行為時，由于國內基金在季度層面僅披露前十大重倉股，從而難以全面捕捉到季度層面的持股變動，而半年層面的數據時間滯后過長，信息損失嚴重。

據此，本文以基金的定期報告為基礎，提出了一種分離抱團股票的基金持倉分層方法，將基金報告中的股票分成“抱團選股”和“獨立選股”，充分利用基金季報中的信息，兼顧基金群體信息和個體基金的股票選擇。基于基金持倉分層方法，本文構建了基金獨立性指標，實證檢驗了其對基金表現的影響，研究表明，獨立基金能夠在未來獲得更好的業(yè)績，在原始收益和超額收益等指標上均表現更加出色，對基金獨立持倉的分解表明，基金公司投研信息對基金投資的支持較大。對獨立性的具體傳導渠道和性質分析表明，基金的獨立性主要反映了其更多的私有信息和選股能力，獨立基金強于選股而弱于擇時，也因此而承擔了更大的風險。指標性質穩(wěn)定性檢驗表明，在時序的穩(wěn)定性上，獨立基金優(yōu)異表現可以持續(xù)長達四個季度；在截面穩(wěn)定性上，賽道基金相比全市場基金更擅長利用專業(yè)領域投研能力選擇獨立股票。影響因素分析認為，成立時間較短、規(guī)模較小、費率和換手率更高的基金更具備獨立性。最后，本文比較了抱團指標（于上堯等，2015）[1]、網絡中心度指標（陳勝藍和李璟，2021）[2]、業(yè)界研究定義的抱團因子以及本文提出的獨立性指標的異同，證明了本文指標具有一致性和穩(wěn)健性，能夠長期可靠地度量基金的獨立性。

本文的主要貢獻在于：（1）現有研究主要將基金持倉視為一個整體，從未對基金持倉中的股票做詳細分層研究，而本文創(chuàng)新地提出了一種基金持倉分層方法，構建了穩(wěn)健可靠的基金獨立性指標，豐富了有關基金獨立性和基金群體行為的研究；（2）系統(tǒng)回答了有關基金獨立性的系列問題，目前國內市場對于基金獨立性的影響、作用途徑與產生原因的探索還處在起步階段，本文提供了較為全面的解讀，為后續(xù)研究提供了思路；（3）實證回顧了現有主要模型和指標的表現，論述了現有指標的優(yōu)勢與不足，對過往研究做了細致的綜合比較；（4）本文的研究結論具有一定現實價值，獨立性指標計算方法的易于理解性使得各類投資者在基金選擇中具備應用這一方法的可能，并且為監(jiān)管提供了全新的視角。

二、文獻綜述、理論分析與研究假設

（一）文獻綜述：基金獨立性指標的構建與檢驗

“卓爾不群”“另辟蹊徑”等成語被用來形容善于創(chuàng)新從而取得卓越成績的個體，在基金市場，投資者同樣期待能夠挑選出具有獨特投資眼光和獨立投資觀點的基金經理，以期獲得更高的投資收益。關于如何識別出獨立基金，獨立基金是否具備更強的投資能力，部分研究提出了相應的解決方案?，F有研究主要基于基金收益率和基金持倉數據構建獨立性指標，隨著數據可得性的不斷增強，其比較基準和刻畫方法也在逐步創(chuàng)新。

在有關收益率與獨立性的研究中，Sun等（2012）[5]使用基金歷史收益數據與其他基金的偏離度構建了獨特性指標SDI，并指出與同類基金收益存在偏離的基金預期將取得更好的表現；顧力繪（2018）[6]基于收益表現和分層聚類法劃定了具備獨立性的基金，認為與眾不同的基金具備出色的持續(xù)性、執(zhí)行力和應變能力。

從基金定期披露的持倉中同樣可以獲得基金的獨立性，基于個股重疊度的計算方法被廣泛使用。早期研究采用了將基金持倉與基準指數或行業(yè)比較的方式討論獨立性問題，通過計算投資組合在個股層面的偏離基準、在行業(yè)層面的偏離基準以及行業(yè)內偏離基準等衡量基金的獨立性（Cremers和Petajisto，2009；Kacperczyk等，2005；Goldman等，2016）[7-9]，并且這些研究均認可了這種獨立性存在的超額收益。而近期的研究更加關注基金持倉與同類基金的直接比較，于上堯等（2015）[1]考慮單只股票被其他基金的重倉程度，再基于持倉加權至單只基金以構造抱團水平，指出抱團能夠在一定時間內提升基金業(yè)績。

在考慮持倉信息時，基金間的互動網絡同樣被用于研究基金的獨立性問題。陳勝藍和李璟（2021）[2]以及羅榮華等（2020）[10]以共同重倉股作為基金間連接，根據基金的網絡中心度水平判斷其處于核心還是邊緣，結論表明持有更高比例共同重倉股的基金可以獲得出色表現。另一類重要的模型是風格空間模型，該模型將高維的持倉向量簡化為了一個三維向量，Hoberg等（2018）[3]與羅榮華和田正磊（2020）[11]使用該模型劃定了更加詳細的同類基準，將所有的基金基于持股的市值、成長和動量置于一個三維空間中，根據鄰近基金數量劃定獨立基金與擁擠基金，檢驗結果表明，持倉特征過于擁擠的基金無法持續(xù)獲得阿爾法收益。

此外，由于基金持倉具有時變性，部分研究據此構建基金的跨期交易水平，以往在個股層面考慮的羊群行為亦能用于在基金層面考察基金是否獨立。Jiang和Verardo（2018）[4]、唐棠等（2019）[12]考慮了基金與其他基金的交易一致性，用于獨立基金或獨立基金家族的度量，認為交易行為獨立的基金具備更好的技能。楊瑞杰和張向麗（2019）[13]采用序貫交易模型計算基金的羊群行為，并指出這些基金的風險更低。羅榮華等（2020）[10]使用基金在網絡內的交易偏離程度考察基金是否“卓爾不群”，將網絡模型和動態(tài)的交易模型相結合，并認為不使用網絡信息的基金表現出色。

考慮到國內基金僅在半年度披露全部持倉，計算基金的半年度調整造成的信息遺漏較多，因此，本文更多關注基于靜態(tài)持倉刻畫獨立性的研究?；仡櫖F有的主要研究模型，一方面，基金的持倉大多被視為一個整體，將全體持倉股或者重倉股重倉度加權平均或求和獲得獨立性指標，忽略基金經理布局單只股票的考量。而在實際場景中，基金經理可能并非按照一個策略布局所有股票，還有部分基金實行分倉管理，即在同一個基金中執(zhí)行多個策略，將持倉視為一個整體可能導致潛在的信息丟失。另一方面，現有指標計算方法仍有優(yōu)化空間，以抱團度（于上堯等，2015）[1]和基金網絡（陳勝藍和李璟，2021）[2]為例，當基金組合中存在一只“極端抱團”股票時，基金的抱團度和網絡中心度將會急劇上升。例如，若某基金重倉貴州茅臺（該股票的重倉度和重倉基金數量相當于其他若干只股票相加），那么其很有可能處于網絡中心位置，并且被賦予高抱團度①，在這一情況下，即使該基金持有的其他股票抱團度較低，也會因為貴州茅臺這一只“巨無霸”股票的存在而被忽略，本質上這種計算方式忽略了基金經理在其他股票上的選股努力，不合理地拉高了基金的抱團水平，使得基金間獨立性區(qū)分度降低。因此，進一步對基金持倉做分解后分析存在必要性。

（二）理論分析與研究假設

獨立基金能否取得優(yōu)異表現，是目前市場高度關注的問題。在美國市場，具備獨立投資觀點和行為的基金受到普遍認可。Hoberg等（2018）[3]指出，相對獨立的基金面臨更小的競爭壓力，可以獲得優(yōu)異的表現，且該表現具有持續(xù)性；Jiang和Verardo（2018）[4]認為，反羊群行為的基金可以獲得超額收益；Cremers和Petajisto（2009）[7]肯定了基金主動管理行為帶來的收益。然而在中國市場，不同時期、不同方法的研究，所得到的結論有所差異。例如，在支持獨立性的研究中，羅榮華等（2020）[10]認為不隨其他基金同向交易的基金具有更加出色的能力，顧力繪（2018）[6]指出獨立基金具備可持續(xù)的投資價值。然而，楊瑞杰和張向麗（2019）[13]認為羊群行為可以在一定程度上降低基金風險；于上堯等（2015）[1]指出抱團能夠在有限的范圍內提升基金的業(yè)績表現；陳勝藍和李璟（2021）[2]從信息傳遞的角度，認為居于網絡中心的基金，即和更多基金有共同重倉股的基金，具有更高的信息中心度，從而可以獲得高收益。

從基金經理能力的角度，持倉獨立的基金經理有自己的研究思路和對自己判斷的自信，擁有更多的信息來源或投研積累，從而敢于采取更加獨特的投資思路，可能體現出更強的管理能力。從市場變動的角度，盡管基金獨立性與表現的關系實際上嚴重受到市場行情的影響，例如，在2020年的“抱團”行情下，“從眾”是最優(yōu)選擇，而在其他情況下可能恰好相反，但是從長期的維度看，抱團必然會迎來瓦解，高估的泡沫也總會破裂，基金難以長期通過抱團來獲得可持續(xù)的收益，即“濫竽充數”總會暴露，而擁有獨立觀點的基金在市場的不同階段有獨立的判斷，可能更加擅長提前發(fā)掘股票價值，從而獲得更高的收益。

綜上，本文提出核心假設：

H1：相比于合群或抱團基金，獨立基金總體上可以獲得更加優(yōu)異的表現。

獨立基金的管理能力從何而來，又將如何影響收益表現，同樣是本文的檢驗重點。在信息交易的視角下，若基金能夠產生超額收益，則其必然能夠通過交流、研究或其他方式獲得更具有價值的信息，這種信息會反映在其具體的交易當中（羅榮華等，2020；Amihud和Goyenko，2013）[10，14]，因此，獨立基金的交易信息含量高于其他基金?？紤]到信息含量的定義較為宏觀，而在基金業(yè)績歸因時投資者更傾向于討論基金的選股和擇時能力，從這一角度出發(fā)，本文認為，相比于“隨波逐流”的基金，獨立基金的信息含量主要體現在選股技能上，基金經理在獲得信息后，會理性地采取買入持有策略，而非跟隨短期熱點擇時調倉獲得收益，不會對市場短期變動過度反應。另外，Back等（2018）[15]的研究指出，追求阿爾法收益會導致基金損失一定的擇時能力，即選股和擇時本身存在沖突，負的擇時能力是追求超額收益的代價，基金經理難以同時在兩方面表現出色，因此，優(yōu)秀的選股能力應當是獨立基金獲得優(yōu)秀表現的主要途徑。因此，本文提出假設：

H2：獨立基金投資表現中的信息含量更高，且選股能力優(yōu)于擇時能力。

若基金獨立性很大程度上可以預測未來的優(yōu)異表現，則需要額外關注的兩個問題是，這種獨立性是偶然的還是持續(xù)的，是對部分基金有效還是對全體基金有效，這關乎實踐場景中的投資者決策。羅榮華等（2020）[10]指出，由于基金能力具有持續(xù)性，則由能力造成的表現差異應當具備持續(xù)性；Hoberg等（2018）[3]研究表明，面臨更低同類競爭壓力的基金可以獲得更加持久的業(yè)績穩(wěn)定性。因此，本文推測，獨立基金的業(yè)績表現具備多期的可持續(xù)性。在截面維度，投資者一般將主動管理型基金分為全市場型和賽道型基金兩個類別，大多數FOF組合也采取“核心+衛(wèi)星”的基金投資策略，即以全市場基金的核心組合作為收益基礎，通過賽道型基金的衛(wèi)星組合獲得風格輪動的超額收益。對于這兩類基金，Kacperczyk等（2005）[8]認為行業(yè)集中度更高的基金普遍展現了更強的專業(yè)投資積累，即賽道型基金的進攻性更強。因此，本文認為賽道型基金采用獨立風格反映了更加集中、有效和理性的判斷，相比于投資于全市場的基金專業(yè)程度更高，可能獲得更優(yōu)異的投資表現。對此，本文提出假設：

H3：基金獨立性及帶來的優(yōu)異表現具備持續(xù)性，且獨立的賽道型基金表現更優(yōu)。

三、樣本數據與指標選取

（一）樣本數據

本文以通聯數據庫劃分的開放式股票型基金和偏股混合型公募基金為主要研究對象，根據數據可得性與我國基金市場的發(fā)展歷史，樣本期為2010—2022年?；鸪謧}詳情、基金收益、基金基礎信息、基金家族數據和基金經理團隊數據等均來自通聯數據庫。本文大多數回歸采用季度重倉數據進行研究，穩(wěn)健性檢驗中考慮部分半年度頻率數據。

（二）基金持倉劃分與基金獨立性

基于上述討論，對于單只基金的季度重倉股票倉位或半年度總持倉股票倉位TP（Total Proportion，股票市值占總凈值比重），本文先將其分為抱團股倉位和非抱團股倉位，即：

[TP=HP+IP]? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，[HP]（Herd Proportion）為抱團股市值占總凈值的比重，抱團股的定義為，對截面上的樣本內股票型基金和偏股混合型基金，計算其對所有股票的持有市值，將截面上所有股票從高到低排序，選出排名前50的股票作為全市場基金重倉股。直觀上，排名靠前的股票為全市場共同關注且重倉的股票，基金經理無須額外的信息或研究即可獲取此類股票的情況，因此，若基金投資于市場重倉股的比例較高，則可以被認定為抱團或羊群行為，缺乏獨立的選股意見。另一部分倉位[IP]（Independent Proportion）反映了基金相對獨立的選股，這部分倉位越高，意味著基金有更獨立的選股意見，持倉的信息含量相對而言更高。

進一步地，基金的獨立選股還可以進一步劃分。陸蓉和劉亞琴（2009）[16]認為，基金家族內部存在強烈的關聯和相當多的共同持股，實際上，基金家族下的基金共同持股很大程度上源于基金投資研究平臺所提供的支持，基金經理接受來自基金公司的投研信息并做出相應的投資決策。因此，獨立選股可以進一步劃分為來自基金公司的信息與基金經理個人的選股：

[IP=CP+PP]? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中，[CP]（Company Proportion）為公司為基金經理提供的且被基金經理采納的股票倉位占比，是基金公司的信息。具體而言，本文對基金公司所披露的重倉股排序后，得到排名前五十的股票，從中扣減全市場的前五十大重倉股后，得到根據基金公司投研信息而持倉的股票，基金所持有的這部分股票比例被記為[CP]，基金的其他持倉為[PP]（Personal Proportion），[PP]來自基金經理的個人研究觀點。

總結來看，基金的總倉位可以被分解為：

[TP=HP+IP=HP+CP+PP]? ? ? ? ? ? ? ? ? ? （3）

即對于每一期的基金經理持倉，都可以被分解為抱團選股比例、公司選股比例和個人選股比例，分別對應了公開信息、公司投研信息和個人研究信息。采用倉位占比分解的優(yōu)勢在于，既考慮了其他基金的持倉情況，即使用了全體基金的信息，又考慮了基金自身的選股努力，并且相比于過往研究的指標具備跨期和截面的可比性，無須進一步的標準化處理。

本文主要以IP作為基金獨立性的代理變量，同時考慮CP和PP等的貢獻度。

（三）其他變量

1. 基金業(yè)績代理變量。參考徐龍炳和顧力繪（2019）[17]、羅榮華等（2020）[10]和熊熊等（2017）[18]的變量設定，本文采用基金的凈值收益率和剔除市場風險的詹森指數，即Jenson α（Jensen，1968）[19]作為基金業(yè)績表現的代理變量。

2. 基金風險控制代理變量。本文后續(xù)同樣使用基金的風險表現能力作為基金表現的衡量指標，除了使用年化收益標準差，即收益波動率（Vol）作為風險衡量指標外，本文還使用區(qū)間最大回撤（maxDD）、95%在險價值（VaR95）作為基金極端下跌風險的衡量指標。參考羅榮華等（2020）[10]，本文還考慮了扣減基準后收益的年化波動作為主動風險（activeVol）的代理指標。

3. 基金能力與信息含量。為進一步考察本文構建的獨立性指標與其他基金能力指標的關系，本文引入基金私有信息含量（Amihud和Goyenko，2013）[14]，并采用CAPM回歸的R2和調整后的TR2作為私有信息的代理指標?；鸬倪x股和擇時能力計算來源于基金收益表現，本文參考Treynor和Mazuy（1966）[20]的TM選股和擇時模型、Henriksson和Merton（1981）[21]的HM選股和擇時模型以及Chang和Lewellen（1984）[22]的CL選股與擇時模型，分別構造TM、HM和CL選股和擇時指標。

4. 控制變量。本文參考Hoberg等（2018）[3]、Amihud和Goyenko（2013）[14]，選擇基金交易數據、特征數據、基金公司信息和基金經理信息作為主要控制變量，這些變量同樣是影響基金表現的重要因素。本文的主要變量見表1。

四、實證結果與分析

（一）基金獨立性與基金業(yè)績表現

根據本文的核心假設，獨立基金的整體表現將更加出色。其中，最直觀的出色表現即基金可以獲得較其他基金更加優(yōu)異的業(yè)績表現，因此，構建以未來業(yè)績表現為被解釋變量、以基金獨立性指標為主要解釋變量的回歸模型。考慮到其他影響基金收益率的因素，控制變量選取上一期的歷史業(yè)績、收益波動率、基金規(guī)模、年齡、資金流入、費率、換手率、基金家族凈值、基金數量以及基金經理變量，同時在面板回歸中加入時間固定效應、個體固定效應，設計回歸方程如下：

[Performancei，t+1=α+βIndependencei，t+γControlsi，t+ε]（4）

其中，Independence為基金獨立性指標，分別以IP、HP、CP、PP，即基金獨立選股比例、抱團股比例、基金投研觀點持股比例和基金經理個人持股比例作為代理變量；Performance為基金業(yè)績表現，分別以原始收益Return和經市場風險調整的Jenson α為代理變量。

表2的回歸結果表明，當控制基金歷史收益、波動率以及其他影響業(yè)績表現的指標后，一方面，獨立性較高的基金能夠取得較高的收益表現，基金獨立持倉比例（IP）每提升10%時，基金季度收益率提升0.166%；另一方面，當抱團倉位（HP）越高時，基金業(yè)績表現越弱。同時控制二者時，基金獨立性對業(yè)績表現的影響依然能夠取得穩(wěn)定為正的回歸系數結果，假說H1成立。

當進一步觀察獨立性的組成部分時，結果表明以公司投研信息驅動的CP指標貢獻了更高的正向可預測性，相比之下衡量個人持倉偏好的指標PP的貢獻度較低?？紤]到在季度層面公布的前十大重倉股中，PP占比相對有限，大部分持股可能被劃分為CP和HP，后續(xù)將在穩(wěn)健性檢驗中考慮半年度全持倉數據及經總倉位調整后的回歸結果。因此，在考慮基金研究中不能忽略公司提供的信息支持，基金與公司不能被完全割裂地觀察與討論。

此外，以控制市場風險后的超額收益為被解釋變量進行回歸，本文在表3得到了相似的結論，即無論是否排除基金的共同風險，其獨立性對未來收益都有較為顯著的正向預測能力，在控制其他變量的情況下，基金的獨立持倉比例提升10%，未來一季度的Jenson α可以提升0.7%，且這種預測性同樣主要來源于公司的投研信息，基金經理個人選股單獨貢獻的超額收益并不十分顯著。

（二）基金獨立性、投資信息含量與投資能力

根據假說H2，本節(jié)中我們關注獨立基金的投資表現來源以及能力展現。此前的分析表明，基金的獨立性來自基金經理所掌握的有效信息，這些信息應當被反映在投資交易中。此外，由于獨立性體現為不隨市場熱點變動，因此，獨立性較高的基金經理在選股上具備更突出的優(yōu)勢，通過優(yōu)秀的選股能力影響投資業(yè)績。

1. 投資信息含量。本文引入Amihud和Goyenko（2013）[14]的R2及調整后的TR2計算基金業(yè)績表現中的私有信息含量，取值越小則信息含量越高。此外，本文還參考羅榮華等（2020）[10]對R2進行了雙側1%縮尾處理。

設計回歸方程如下：

[Infoi，t+1=α+βIPi，t+γControlsi，t+ε]? ? ? ?（5）

其中，Info為基金業(yè)績表現中的私有信息含量，以R2和TR2為代理變量，其余控制變量設定同回歸（4），回歸（5）結果如表4所示。

表4：基金獨立性與信息含量

[變量 R2 t+1 TR2 t+1 IP -0.2867*** -1.2722*** （-23.25） （-23.43） 控制變量 控制 控制 constant0.9637*** 2.8041*** （11.61） （7.32） 樣本量 32981 32981 個體及時間固定效應 控制 控制 調整R2 0.5855 0.5921 ]

回歸結果表明，基金呈現出的獨立性越高，未來一期的表現中的R2和TR2越低，基金收益能夠被市場因子解釋的部分越少，說明基金憑借有效信息交易的程度越高，證明了基金的獨立性是基金能力與專業(yè)觀點的體現。

2. 選股與擇時。關于基金的專業(yè)能力如何展現在投資中，根據H2，本文設計回歸方程如下：

[Selectioni，t+1=α+βIPi，t+γControlsi，t+ε]? （6）

[Timingi，t+1=α+βIPi，t+γControlsi，t+ε]? ? ? ?（7）

其中，Selection和Timing分別為基金的選股和擇時能力變量，以TM、HM和CL選股與擇時指標為代理變量，其余控制變量設定同回歸（4），回歸結果如表5所示。

表5：基金獨立性與基金能力

[面板A：基金獨立性與預期選股能力 變量 selectionTMt+1 selectionHMt+1 selectionCLt+1 IP 0.0703*** 0.1019*** 0.1019*** （3.87） （4.11） （4.11） 控制變量 控制 控制 控制 constant1.3360*** 1.3275*** 1.3362*** （7.25） （9.95） （7.25） 樣本量 32981 32981 32981 個體及時間

固定效應 控制 控制 控制 調整R2 0.4864 0.5402 0.5401 面板B：基金獨立性與預期擇時能力 變量 timingTMt+1 timingHMt+1 timingCLt+1 IP -0.0239** -0.0694*** -0.0696*** （-2.09） （-3.08） （-3.25） 控制變量 控制 控制 控制 constant-0.1755 -0.0928 -0.2135 （-1.22） （-1.22） （-1.35） 樣本量 32981 32981 32981 個體及時間

固定效應 控制 控制 控制 調整R2 0.4465 0.5396 0.4662 ]

表5的回歸結果表明，無論在哪一種模型的指標度量下，結果均表明獨立性較高的基金更加擅長選股，而非擇時。總體上而言，獨立基金主要通過較為有效且獨立的觀點選擇了能夠在區(qū)間內獲得超額收益的股票，且對于市場變動并不過分反應，最終取得了較高的超額收益。綜上，假說H2得到證明。

3. 風險控制。為了進一步確認上述傳導途徑的可靠性，本文額外加入了一組檢驗。本文認為，由于基金經理選擇了與基準偏離較多的股票，以及對擇時沒有過度偏好，因此，基金可能承擔了更大的業(yè)績波動風險，即以承擔一定風險的代價獲取了超額收益。據此，設計回歸方程如下：

[Riski，t+1=α+βIPi，t+γControlsi，t+ε]? ? ? ? ? ? ? ? ?（8）

其中，[Risk]為基金風險指標，使用Vol、activeVol、maxDD和VaR95作為代理變量，其余控制變量設定同回歸（4），回歸（8）結果如表6所示。

回歸結果表明，在不同的風險度量指標下，均顯示獨立性越高，基金未來的風險越高。特別地，基金的獨立性使得主動風險（activeVol）顯著提升，對整體風險（Vol）的提升起到了重要作用。因此，獨立性較高的基金重視選股，較少擇時，且選股偏離市場基準較多，使得其面對市場波動時承受的風險水平更高。即獨立基金為了獲取超額收益，承擔了更高的波動風險。

（三）基金獨立性、跨期穩(wěn)定性和截面穩(wěn)定性

1. 時序穩(wěn)定性。對于每一期的基金獨立性IP，將其根據截面上的排序進行五等分，從最獨立（Quintile 5）到最抱團（Quintile 1）分為五組，通過關注處于各個分組的基金在下個季度有多大的概率仍然留存在當前的分組中，以判斷其可持續(xù)性，統(tǒng)計結果見表7。統(tǒng)計結果表明，在表現出最為獨立觀點的基金分組中，有接近70%的基金在下個季度仍然會選擇留存在當前分組中，而最為抱團的基金也會有超過60%留存于此前的分組中，說明基金體現出的抱團和獨立性存在一定的可持續(xù)性，即大多數基金的持倉特征并非來自偶然調整，而是在權衡市場行情和自身信息后的決策。

另外，我們考察了本期末的基金獨立性能夠在多大程度上持續(xù)預測未來的優(yōu)異表現，如果獨立性具備持續(xù)性，那么對業(yè)績的預測也應當具有一定的可持續(xù)性。對于回歸（4），分別將被解釋變量替換為T+1至T+N期的季度業(yè)績表現，解釋變量為本期末的IP，關注當前的獨立性在多長的時間范圍內仍然起到預測作用，IP的估計系數β及其95%置信區(qū)間變動如圖1所示。圖1所示的回歸系數變動情況與對基金獨立性可持續(xù)性的估計相一致，由于獨立性本身具有較高的可持續(xù)性，在T+1至T+4期的回歸系數均顯著為正，說明獨立基金的優(yōu)秀表現持續(xù)存在四個季度，由獨立性帶來的優(yōu)秀業(yè)績表現并非隨機變動的，而是來自可持續(xù)的、系統(tǒng)性的基金能力。

2. 截面穩(wěn)定性。賽道型基金經理往往在基金名稱或者招募說明書中強調其投資的范圍，如新能源、消費、醫(yī)藥等主題，相比于強調成長或者價值的全市場基金而言更具有投資針對性。盡管過往研究表明基金存在較為嚴重的風格漂移現象，投資范圍隨著市場行情的變動而轉移（喻國平和許林，2016）[25]，但是仍然不可否認有部分賽道基金在其所關注的領域中取得了良好的業(yè)績，具備專業(yè)的投資水準。

本文期望探討的是，對于賽道型基金和全市場基金，其獨立性對業(yè)績表現的影響是否因為投資范圍的差異而不同。據此，本文采用分組回歸的方式，分別考察兩類基金獨立性對業(yè)績表現的影響。其中，本文劃分賽道型基金的方式為：按照個股所屬的申萬二級行業(yè)建立與各類賽道之間的映射關系，利用最近一個季度披露的重倉股數據作為判斷依據，如果重倉股中某賽道的占比超過50%即定義為該賽道基金。依據回歸（4），分組回歸結果如表8所示。

回歸結果表明，賽道型基金在獲取超額收益方面表現更加出色，當控制其他變量時，賽道型基金每提升10%的獨立持倉比例，季度層面的超額收益將增長1.1%，相比于全市場基金更加可觀。這與此前的分析預期相一致，賽道型基金擁有更窄的投資范圍和更深入的投研觀點，當其產生并信任某個獨立信息進行選股時，把握性更高，因此，更有可能獲得超額收益，而全市場基金由于投資范圍過大，獨立觀點的可靠性則相對有所下降。

（四）基金獨立性的影響因素

參考羅榮華等（2020）[10]的統(tǒng)計方式，本文根據IP指標將樣本按照基金的獨立性從高到低分為3∶4∶3的三個部分，其中High組為獨立性最高的基金分組，Low為獨立性最低的基金分組，并計算各項指標在不同組別的差異，以考察基金的獨立性可能與哪些因素相關。

表9的結果表明，首先，獨立基金的規(guī)模水平更小，這與Amihud和Goyenko（2013）[14]的結論一致，更大的規(guī)模限制了基金的投資靈活性，高昂的交易成本和沖擊成本使規(guī)模較大的基金只能投資于有較大市值和較高流動性的抱團股，因此，也降低了換手率，在基金公司層面這一效應同樣顯著存在。其次，成立時間更短、基金經理任職時間更短的基金有較高的獨立性，在成立初期基金可能期待以更加“另辟蹊徑”的方式賺取超額收益，以獲得市場的關注和吸引資金流入。再次，基金費率更高的基金表現得更加獨立，顯示出了管理費的“物有所值”。最后，從基金經理個人特征來看，更大規(guī)模的基金經理管理團隊、女性基金經理和博士基金經理可能體現出較為保守的傾向。

總體來看，大型基金或成立時間長的基金往往較為抱團，而更年輕的、規(guī)模更小的基金顯得“初生牛犢不怕虎”，以更獨立的方式進行投資。

五、穩(wěn)健性檢驗

（一）分層閾值重新劃分

對于公式（1）和（2），前文分別選取了受到基金重倉程度最高的50只股票定義市場抱團股和基金公司關注的股票，在這里我們將其替換為所有股票中最為重倉的前10%股票，再次計算得到獨立選股比例（IP10pct）和抱團選股比例（HP10pct），其他設定同回歸（4），重新劃分分層閾值后的檢驗結果如表10所示。回歸結果表明，重新計算的基金獨立性依然對基金未來的收益表現具備良好的正向預測能力，本文的核心觀點具有穩(wěn)健性。

（二）基于總倉位調整的獨立性指標

盡管偏股型和股票型基金倉位長期保持在較高水平，但是依然存在細微差異，考慮到基金的總倉位對業(yè)績表現存在重要影響，獨立性指標是否依賴于基金的披露倉位可能影響結論的可靠性，據此本文設計了考慮倉位調整后的獨立性指標：

[IPadj=IP/TP? ?CPadj=CP/TP? ?PPadj=PP/TP]? ?（9）

經總倉位校正后的指標避免了由于倉位差異帶來的不同，按照（4）的回歸結果見表11。結果表明，經過倉位調整的獨立性指標依然滿足此前的回歸結果，說明總倉位與基金獨立性之間不具有替代和影響關系，本文的主要結論具有穩(wěn)健性。

（三）基于半年度數據的分析

值得指出的是，盡管基于季度的重倉數據可以得到基金獨立水平，但是由于大量倉位隱藏于前十大重倉股之外，半年報和年報的信息可能更具有挖掘價值。此外，基于重倉股的分析中，市場重倉股和公司重倉股占據了基金持倉的較大比例，極少數股票被劃分為基金經理的個人選股，這損失了一定的信息。據此，本文將回歸（4）中的變量更新頻率設定為半年，討論基于全持倉的基金獨立性與業(yè)績表現情況，回歸結果如表12所示?；貧w結果表明，在半年度層面上本文的主要結論仍然成立，除此以外，基金的個人選股部分所展現的基金獨立性同樣具有對未來超額收益的預測能力。

六、進一步分析

與本文構造的基金獨立性指標不同，學術界和業(yè)界也從其他角度提出了基金獨立性的衡量指標。在進一步分析中，本文將對比當前的獨立性指標與其他指標間的異同。

（一）指標回顧

1. 抱團程度。于上堯等（2015）[1]通過計算基金重倉股票的平均抱團水平，得到基金的抱團度，具體而言，對于股票X和股票Y，分別被3只基金和5只基金在期末持有，若另有一只基金A僅持倉了X和Y，那么基金A的抱團度為（3+5）÷2 = 4，即先計算股票抱團度，再平均至基金層面得到基金的抱團程度（Group）。于上堯等（2015）[1]指出，在樣本區(qū)間內，基金經理選股“抱團”一定程度上能夠提升基金業(yè)績，但效果是有限的。

2.抱團因子。隨著基金數量的增加，業(yè)界逐漸開始討論與構建基金因子用于量化篩選基金和投資決策輔助，其中抱團因子被屢次提及，其構造方式為：選取基金每季度的重倉股，記錄每只重倉股被所有主動偏股型基金持有的市值，以各只重倉股在前十大重倉股中的持倉比例為權重進行加總得到抱團因子（GroupFactor）。目前研究主要支持非抱團基金表現更加優(yōu)秀，但是僅在非抱團行情下才會出現此種業(yè)績分化，抱團行情下可能恰好相反。

3. 基金網絡中心度。陳勝藍和李璟（2021）[2]基于基金網絡中心度討論了基金信息優(yōu)勢，盡管并未直接提及抱團，但是在計算方式上與上述兩種方案有相似之處。具體構造方式為：對于基金A和基金B(yǎng)，若有共同重倉股X，即定義二者存在一個連接，將當期與基金A建立連接的數量除以N-1，其中N為截面上的基金數量，得到基金A的網絡中心度（Centrality）。實際上，網絡中心度、抱團程度和抱團因子都是基于持倉股票構建的抱團模型，當本基金持有的股票被更多的基金持有，則當前基金的抱團水平更高。陳勝藍和李璟（2021）[2]指出，在樣本期內，網絡中心度更高的基金擁有信息優(yōu)勢，獲得了更好的投資績效。

（二）實證檢驗

本文嘗試用當前的樣本計算以上指標，并且為了確保指標間的截面可比性和跨期可比性，將IP、Group、GroupFactor和Centrality均在每個截面上排序后歸一化到0和1之間。這些指標是否能夠在不同樣本區(qū)間內均取得有效解釋力，體現了指標的穩(wěn)健性?？紤]到2017—2018年以來出現了連續(xù)的消費、醫(yī)藥等行業(yè)的抱團行情，本文利用模型（4），進行全樣本回歸和以2018年為劃分時點的分樣本回歸，觀察指標在前后兩期的變動水平。

表13列示了以超額收益為被解釋變量的回歸結果，以原始收益作為被解釋變量的回歸結果與之類似，不再贅述。結果表明，在全樣本層面，Group、GroupFactor均表明抱團基金表現更差，而Centrality指出網絡中心度較高的基金業(yè)績較好，本文提出的IP指標回歸系數符號保持與此前回歸一致。從分樣本角度，Group、GroupFactor在2018年前有較好的負向業(yè)績預測效果，但是在2018年后失效；而Centrality則恰好相反，在2018前為負向不顯著指標，但是隨著抱團行情的出現，成了一個正向且十分顯著的指標；IP指標則在兩個區(qū)間內始終保持正向顯著，具有較好的穩(wěn)定性。事實上，從抱團行情前后樣本的對比可以看出，Group、GroupFactor和Centrality有一定的一致性，在2018年前否認（負顯著），或者不承認（不顯著）抱團的正向效果，而在2018年后不否認（不顯著）或承認（顯著）抱團的正向效果，即從負顯著過渡到不顯著，以及從不顯著過渡到正顯著。很明顯，抱團行情左右了這些指標的研究結論，使其不具備充足的穩(wěn)健性。

從指標計算的角度來看，Group、GroupFactor易受到極端值的影響，如果組合中出現了一個高度抱團的股票，那么通過加總或者平均，會拉高整個基金的抱團度，而事實上基金可能只選擇了個別抱團股票，忽略了基金的整體選股努力，在抱團行情下，很少有基金會完全避開抱團股，但是這并不構成其成為抱團基金的充分條件。而Centrality一般以5%為界限劃分網絡連接閾值，絕大多數基金在5%以上的重倉位都會選擇與市場大盤走勢較為一致的股票，以確保不至于出現重大的踏空，使得Centrality完全成了一個抱團股的代理變量，更加忽略了基金整體持倉布局，無法在非抱團行情下體現出區(qū)分能力。因此，上述指標都受制于市場數據特征和行情變動，而基于基金持倉分層的IP指標較好地避免了這一問題，使其在大多數情況下都有不錯的預測效果。

七、結論

本文主要基于基金季度持倉數據，提出了一種劃分獨立選股和抱團選股的方法，構造了基金獨立性指標。實證結果表明，基金獨立性能夠對未來業(yè)績表現有正向的預測能力，且具備長達四個季度的可持續(xù)性，基金公司提供的投研信息支持了基金的獨立性表現。渠道檢驗表明，獨立性較高的基金有更強的選股能力和獨有信息，但是對擇時不敏感，因此，承擔了更高的收益波動風險。研究還表明，更年輕、規(guī)模更小的基金更具有獨立性，而大型基金和成立時間長的基金則更加保守。最后，本文通過一系列穩(wěn)健性檢驗和指標對比，說明了基于基金持倉分層構建的獨立性指標具有更好的穩(wěn)健性，在業(yè)績預測表現上優(yōu)于現有的主要指標。

基于上述結論，本文提出以下幾點建議：對于普通基金投資者而言，“跟風追漲”是非理性決策，在購買基金前應當認真細致評估基金經理及其他公開信息，選擇更具有獨立觀點的基金經理，以獲得長期穩(wěn)健的收益；對于基金機構投資者而言，目前基金投顧業(yè)務試點已有兩年有余，大力發(fā)展基金評價體系，建立有中國特色的基金評價方案和評價指標，對于幫助客戶實現價值具有重要意義，特別要關注和引進具有長期價值的基金管理人，實現良性循環(huán)；對于基金公司而言，平臺的投研資源對基金經理會產生較大幫助，基金公司應當始終以為客戶創(chuàng)造價值為導向，加強投研實力，不以短期的資金流入或資產規(guī)模為目標，充分發(fā)揮公募基金作為機構投資者的理性價值；無論是監(jiān)管機構、基金公司或者對應的機構投資者，應當在業(yè)績評估時更加重視基金的長期業(yè)績，提出長期的評估機制和監(jiān)管機制，從而降低其追求短期熱點的傾向，更好地起到市場穩(wěn)定和價值發(fā)現的作用。

注：

①根據2022年半年報公布的重倉股數據，貴州茅臺和寧德時代分別被2015家公募基金和1812家公募基金持有，而在這一榜單中排名第50位的天合光能僅被222家持有，大多數股票更是只被幾十只甚至幾只基金持有。這意味著，按照現行的基金網絡中心度構建方法，只要基金持有頭部股票就會被計算為高中心度基金，網絡中心度極有可能大于2000，而基金的其他持倉對中心度或抱團度的影響微乎其微。事實上，這主要是因為市場上股票的抱團程度的分布近似右偏長尾的對數正態(tài)分布，絕大多數股票存在于左側，而少數股票抱團度極高，居于右側，而非較為均勻合理的正態(tài)分布。

參考文獻：

[1]于上堯，王雪，伊志宏.“抱團”能否“取暖”——基金經理的選股策略與基金業(yè)績 [J].經濟學報，2015，2（04）.

[2]陳勝藍，李璟.基金網絡能夠提高投資績效嗎？ [J].金融研究，2021，（06）.

[3]Hoberg G，Kumar N，Prabhala N. 2018. Mutual Fund Competition，Managerial Skill，and Alpha Persistence[J].The Review of Financial Studies，31（5）.

[4]Jiang H，Verardo M. 2018. Does Herding Behavior reveal Skill？An Analysis of Mutual Fund Performance [J]. The Journal of Finance，73（5）.

[5]Sun Z，Wang A，Zheng L. 2012. The Road Less Traveled：Strategy Distinctiveness and Hedge Fund Performance [J].The Review of Financial Studies，25（1）.

[6]顧力繪.“與眾不同者”的價值——基于基金獨特性的視角 [J].江西財經大學學報，2018，（05）.

[7]Cremers KJM，Petajisto A. 2009. How Active is Your Fund Manager？ A New Measure that Predicts Performance [J].The Review of Financial Studies，22（9）.

[8]Kacperczyk M，Sialm C，Zheng L. 2005. On the Industry Concentration of Actively Managed Equity Mutual Funds [J].The Journal of Finance，60（4）.

[9]Goldman E，Sun Z，Zhou X. 2016. The Effect of Management Design on the Portfolio Concentration and Performance of Mutual Funds [J].Financial Analysts Journal， 72（4）.

[10]羅榮華，田正磊，方紅艷.“和而不群”還是“卓爾不群”？——基于基金網絡信息使用的視角 [J].金融研究，2020，（08）.

[11]羅榮華，田正磊.基金網絡、競爭阻隔與股票信息環(huán)境 [J].中國工業(yè)經濟，2020，（03）.

[12]唐棠，張自力，趙學軍.“與眾不同”的價值：中國公募基金家族反羊群行為與投資能力的關系 [J].南方金融，2019，（08）.

[13]楊瑞杰，張向麗.基金經理羊群行為是否明智：盲目跟風VS理性選擇 [J].證券市場導報，2019，（09）.

[14]Amihud Y，Goyenko R. 2013. Mutual Fund's R 2 as Predictor of Performance [J].The Review of Financial Studies，26（3）.

[15]Back K，Crane AD，Crotty K. 2018. Skewness Consequences of Seeking Alpha [J].The Review of Financial Studies，31（12）.

[16]陸蓉，劉亞琴.共持重倉股“變臉”對基金家族的連鎖效應研究 [J].財經研究，2009，35（04）.

[17]徐龍炳，顧力繪.基金經理逆境投資能力與基金業(yè)績 [J].財經研究，2019，45（08）.

[18]熊熊，韓佳彤，湯冠豪，董明華.大數據基金風險與績效分析 [J].證券市場導報，2017，（10）.

[19]Jensen M C. 1968. The Performance of Mutual Funds in the Period 1945-1964 [J].The Journal of Finance， 23（2）.

[20]Treynor J，Mazuy K. 1966. Can Mutual Funds Outguess the Market [J].Harvard Business Review，44（4）.

[21]Henriksson RD，Merton RC. 1981. On Market Timing and Investment Performance. II. Statistical Procedures for Evaluating Forecasting Skills [J].Journal of Business.

[22]Chang EC，Lewellen WG. 1984. Market Timing and Mutual Fund Investment Performance [J].Journal of Business.

[23]Sirri E R，Tufano P. 1998. Costly Search and Mutual Fund Flows [J].The Journal of Finance，53（5）.

[24]Bellstam G，Bhagat S，Cookson JA. 2021. A Text-based Analysis of Corporate Innovation [J].Management Science，67（7）.

[25]喻國平，許林.基金投資風格漂移及對股市波動的影響研究 [J].證券市場導報，2016，（07）.