基金公司网络结构对投资绩效影响研究

Research on the Influence of Network Structure on Investment Performance of Fund Company

摘要: 近年来，公募基金的发展十分迅速，为了追求更高的投资绩效，越来越多的基金选择了基金抱团。为使基金公司做出正确的投资决策，保护投资者的利益，本文用社会网络分析法和多元回归分析法分析银华基金公司网络结构对投资绩效的影响。研究发现，在一定程度上，基金抱团可以促进投资绩效的提高。在银华基金公司的网络结构对投资绩效影响方面，节点度在1%的检验水平上对基金年度净值增长率有显著影响，而聚集系数对基金年度净值增长率的影响不显著，研究还发现，基金资产规模与基金年度净值增长率的关系呈倒U型的曲线关系。

Abstract: In recent years, the public fund industry has experienced rapid growth. To pursue higher investment returns, an increasing number of funds have adopted “fund clustering” strategies. This study employs social network analysis and multiple regression analysis to examine how the network structure of Yinhua Fund Company affects investment performance, aiming to assist fund companies in making informed decisions and protect investors’ interests. The findings indicate that fund clustering can enhance investment performance to some extent. Regarding Yinhua Fund Company’s network structure, node degree demonstrates significant influence on annual net asset value growth rate at the 1% significance level, while clustering coefficient shows no statistically significant impact. Additionally, the relationship between fund assets and annual net asset value growth rate follows an inverted U-shaped curve.

1. 引言

随着社会网络分析在经济学领域的运用，基金经理网络、基金网络成为了学者研究的热门课题。基金之间由于各种关系产生链接，形成基金网络，也有人称之为基金抱团，有学者认为基金抱团对基金的投资绩效的影响存在着负面影响，基金的抱团行为甚至会影响整个证券市场的股价，极不利于金融市场的健康发展。在社会网络理论的基础上，公募基金形成了一个基金网络，通过共同持有上市公司的股份实现私有信息的传播。私人信息的接收和传递能够获得超额收益，影响公募基金的投资绩效。

经过长久以来学者对于社会网络在经济学中的研究，网络构建的方式已经更加完善，更加系统。张冬雪将基金经理等机构投资者的网络分为了社会关系网络、业务关系网络和投资标的网络[1]。学者们研究的社会关系网络有基金经理的校友关系[2] [3]、由于地理位置所产生的社会互动[4]、投资者与管理者的私下会面等；业务关系网络可以帮助投资者获取到更多具有潜在初始价值的可靠、及时和准确的信息，这些信息的获取使得投资者的风险调整后的利润得到显著的提高；投资标的网络易导致从众行为。学者们还研究了网络关系和网络位置对投资绩效的影响，且研究发现网络关系越广泛、网络位置越处于中心地位的公募基金，其绩效更优秀。处于网络中心位置的投资者，能更早、更广泛地获取关于投资机会、潜在风险、技术创新、市场趋势的非公开信息。基金网络中的强关系提供了信息验证的渠道，降低了信息不对称，促使投资者更早发现并投资优质项目，凭借信息优势，在谈判中获得更有利的价格和条款。除此之外，网络位置便于投资者整合资源，为被投企业创造更多的价值。强大的网络有助于构建一个以自己为核心的产业生态，被投企业可以在这个生态内获得订单、技术和支持，其成长速度会远超孤立企业，其估值倍数通常更高。然而，基金网络会放大信息和社会影响，导致投资者模仿他人的决策，而非基于独立判断，即基金网络的“羊群效应”，羊群效应会导致资本过度集中于某些热门领域或项目，推高估值，形成泡沫，最终损害投资绩效。本文将以银华基金公司作为研究对象，实证研究银华基金公司的网络结构对投资绩效的影响。本文的基金网络构建将优化重仓持股的网络构建方法，更细腻地刻画公募基金之间的联系，即将银华基金公司下的基金产品看作一个网络节点，如果两个基金持有同一只股票超过一定阈值，且阈值设定为1%，可以把这两个节点看作有连边，从而形成一个基金网络。

2. 研究假设

2.1. 节点度与投资绩效

本文关于基金网络的研究重点是网络结构，测度网络结构的指标有节点度、聚集系数、最短路径等，本文主要从节点度和聚集系数这两个指标分析对投资绩效的影响。

从基金规模来看，杨晔[5]在研究中提出，具有较高抱团倾向的基金往往规模较大。从网络结构的角度解释就是，节点度越大，代表持有同一只股票的基金就越多，导致这只基金的规模越大。朱冰[6]认为基金存在着最优规模。基于以上分析，提出假设1。

H1：基金的节点度越大，基金的投资绩效越高。

2.2. 聚集系数与投资绩效

在基金网络下，每只基金的聚集系数越大，表示该基金聚集其他基金的能力越大；网络聚集系数特别大，说明该网络中基金之间的联系非常紧密，并且基金之间的信息交流和互动比较稳定。因此，聚集系数越大的基金节点，可以获取信息的速度就越快，做出反应也更快，进而可以促进基金绩效的提高。根据以上分析，提出假设2。

H2：基金的聚集系数越大，基金的投资绩效越高。

2.3. 基金单位净值与投资绩效

一般情况下，基金的投资绩效越好，基金的单位净值就越高；基金的单位净值越高，基金的投资绩效也越好。较高的基金单位净值还可能吸引更多的投资者购买基金份额。投资者强烈的购买欲望，使基金受欢迎程度更高，从而吸引更多的资金流入基金，进一步扩大基金规模。这可能为基金提供更多的投资机会和更好的资金配置，进而促进基金的投资绩效提升。根据分析，提出假设3。

H3：基金单位净值越高，基金的投资绩效就越高。

2.4. 基金规模与投资绩效

在研究影响基金业绩的传统因素中，基金规模对于基金业绩的影响不容忽视，很多学者对它都有相关的研究与探讨。王月香[7]的研究表明基金规模增大不利于基金绩效的提高，而林坚等[8]的研究结果显示，基金规模与基金绩效存在最优关系。基于以上研究，提出假设4。

H4：基金规模与基金投资绩效的关系呈现倒U型的曲线关系。

综上，我们基于基金之间的联系(即网络因素)以及基金自身因素提出了四个假设，以进一步研究它们对基金投资绩效的影响。

3. 基金网络的构建与测度

3.1. 网络的构建

为了衡量银华基金公司的网络结构，我们采用以下方法构建基金持股网络。首先，利用基金持股数据构建一个无权的基金与上市公司的双模网络。如果两只基金共同持有某家上市公司的股份超过自身基金净值的1%，则它们之间被视为存在连接关系(边)，并将边的权重设定为1；否则它们之间被视为不存在连接关系(边)，并将边的权重设定为0。然后，我们使用Ucinet软件进行降模处理，将基金与上市公司的双模网络转化为基金与基金之间的一模网络，即将基金作为节点，共同持有的上市公司作为边，构建出无权无向网络。

3.2. 网络结构的测度

网络结构是学者们研究基金网络的重点，通过Ucinet软件就可以方便快捷的计算出来，但依然要明晰关于网络结构相关指标的原理。

3.2.1. 节点度分布

节点度表示节点在网络中的连接程度或者重要性，是衡量节点在网络中的中心性指标之一。对于无向网络，节点i的度K_i被定义为与节点直接相连的边的数目，即邻边数。

$K_i\text{=}{\displaystyle \sum _{j=1}^n{a}_{ij}}$ (1)

其中，$a_{ij}$ 为邻接矩阵的元素；$1\le j\le N$ 。

3.2.2. 聚集系数

在无权无向网络中，设节点i的度为K_i，表示节点i有K_i个邻居节点，也称为邻点。如果节点i的K_i个邻居节点之间都互相连接，那么这些邻点之间将存在$K_i\left(K_i-1\right)/2$ 条边，这是边数最多的情况。对于网络中的一个度为K_i的节点i，其聚集系数$C_i$ 表示了其邻居节点之间相互连接的程度，定义为

$C_i=\frac{2E_i}{K_i\left(K_i-1\right)}$ (2)

其中E_i为节点i的K_i个邻点之间的连边数。聚集系数$C_i$ 的范围是[0, 1]；$C_i$ 越大，聚集系数越高，说明节点i的邻点之间的联系越紧密。C的取值范围也是在0到1之间。

3.3. 投资绩效指标的选取

基金分析过程中最核心的部分就是投资业绩分析。基金投资绩效的衡量指标有很多，且每一种指标的适用情况和优势各不相同。对比了一些常用指标之后，经过考量，本文将选用基金年度净值增长率作为衡量基金绩效的指标，这一指标最能简单、一目了然地反映基金的投资绩效。至于考虑到风险因素的衡量指标，如夏普比率、特雷诺指数等一些较为复杂的指标，在对比时较容易导致结果不全面、不客观。比如夏普比率更偏向于同类基金之间的比较，而比较不同类型的基金时，低风险、低收益的基金得出更高的夏普比率的情况很容易发生。

本文选取的变量及其定义见表1。

Table 1. Variable and definition

表1. 变量及定义

变量类型	变量名称	变量符号	变量说明
自变量	节点度	K	见式(1)
	聚集系数	C	见式(2)
控制变量	基金年份额净值	NAV	基金资产总净值与基金总份额之比(元)
	基金资产规模	Size	基金期末资产净值(亿元)
		Size^2	基金期末资产净值的平方
因变量	投资绩效	Perf	基金年度净值增长率(%)

本文选取的自变量为节点度和聚集系数，选取的因变量为基金年度净值增长率，选取的控制变量为基金年份额净值、基金期末资产净值、基金期末资产净值的平方，用于验证基金自身的因素对投资绩效的影响。

3.4. 计量模型的设计

基于上述假设分析，实证研究假设是否成立，本文构建如下多元回归方程：

$Per{f}_i\text{=}\alpha +{\beta }_1{X}_i+{\beta }_{2}NA{V}_i+{\beta }_{3}Siz{e}_i+{\beta }_{4}Siz{e}_i^2+{\epsilon }_i$ (3)

其中，X_i分别代表基金的节点度、聚集系数，以检验银华基金公司网络结构对投资绩效的影响。另加入基金年份额净值、基金期末资产净值及其二次方项作为控制变量，以检验基金年份额净值、基金资产规模对基金公司投资绩效的影响。本文使用Stata16.0对上述方程进行多元回归分析。

4. 结果分析

4.1. 样本选取与数据来源

本文以银华基金公司2016~2020年的基金持股数据作为样本，共包含348组观测值，由于每一年的基金的数量不断增加，各年的观察对象不完全相同，所以本文的实证研究将用Stata16.0对非平衡面板数据进行多元回归分析。

银华基金持股数据、基金年份额净值、基金期末资产净值、基金年度净值增长率均来源于国泰安数据库。作为网络结构的测度指标——节点度和聚集系数，则是经过对基金持股数据的处理，使用Ucinet软件计算得来。

4.2. 实证结果分析

检验银华基金公司网络结构对投资绩效影响的回归结果分析见表2。

Table 2. Regression analysis of the influence of network structure on investment performance of Yinhua Fund Company

表2. 银华基金公司网络结构对投资绩效影响的回归分析

	变量	模型1	模型2
因变量	Perf	Perf	Perf
自变量	K	0.5263353 (6.29)^***
	C		11.72315 (0.92)
控制变量	NAV	43.49051 (12.62)^***	55.16419 (17.53)^***
	Size	1.031719 (5.68)^***	1.005618 (5.11)^***
	Size²	−0.0103371 (−7.52)^***	−0.0110862 (−7.50)^***
截距(常数项)	c	−75.89417 (−17.23)^***	−70.82366 (−6.18)^***
F		136.07	108.69

① 括号内是各自变量系数回归系数的t统计值；② ^*表示在10%的统计检验水平显著；③ ^**表示在5%的统计检验水平显著；④ ^***表示在1%的统计检验水平显著。

根据表格中的结果，我们可以解释因变量基金资产净值增长率与自变量节点度、聚集系数，以及控制变量基金单位净值和基金资产规模之间的关系。

根据以上对模型1和模型2结果的详细统计分析，我们验证研究假设是否成立。

自变量节点度显著影响银华基金公司的投资绩效，这说明了在基金网络中，一只基金的相邻的基金数量越多，基金的投资绩效就越高，假设1成立；自变量聚集系数对投资绩效(即基金年度净值增长率)的回归结果统计不显著，说明基金之间联系的频繁程度与基金投资绩效无关，假设2不成立；从回归结果中可以看出，无论是模型1还是模型2，对于控制变量——基金年份额净值在1%的检验水平上均是统计显著的，假设3成立；在模型1和模型2的回归结果中，基金期末资产净值及其平方也均在1%的检验水平上是统计显著的，由基金期末资产净值及其平方的系数可知基金期末资产净值与基金年度净值增长率呈现倒U型曲线关系，实证分析结果符合假设4。

5. 结论

经过对银华基金公司的基金网络结构进行理论分析和实证研究，得出以下研究结论：

(1) 通过应用社会网络分析方法构建基金持股网络，并利用网络结构测度指标如节点度和聚集系数，实证研究发现节点度对银华基金公司的基金年度净值增长率有显著影响。信息不对称是金融市场的一大特征。节点度高的基金，意味着它与更多的其他基金相连，每一个连接都是一个信息通道，因此，高节点度的基金能接触到更广泛、更多样的信息源，包括投资机会、行业洞见和风险预警。这些信息优势使其能够先于市场做出反应，抓住买入时机，规避下跌风险，从而直接提升基金净值增长率。这本质上是将社会资本转化为了信息租金。另外，广泛的连接意味着更多的潜在合作伙伴，可以共同投资于大型项目，分担风险和资本。同时，也能更容易地将投资组合内的公司进行业务协同，创造额外价值。虽然协同效应的实现需要深度互动，但广度连接使其必要前提。

(2) 实证研究发现聚集系数对银华基金公司的投资绩效没有显著影响，说明基金之间联系的紧密程度与基金投资绩效无关。聚集系数高，意味着一个基金的“朋友们”彼此之间也是朋友，形成了一个紧密的小圈子。在这个圈子里，信息传播速度极快，但问题在于，大家获取的信息来源高度重叠，讨论的观点也趋于一致，这会导致严重的信息冗余，基金投资者无法从这个小圈子中获得超越群体共识的、独特的新信息，听到的只是自己已知信息的回响，即“回音室”效应，这对于做出超越市场的决策几乎没有帮助，因此无法创造超额收益。另外，基金网络的羊群行为会导致资产价格偏离基本面，降低市场效率，同时也让跟随者难以获得超额收益。聚集系数不显著，从反面论证了网络连接的质量比密度更重要。

(3) 研究发现基金单位净值与基金资产净值增长率正相关，这可以说明基金单位净值会对基金的绩效产生正向影响。

(4) 研究发现基金资产规模与基金年度净值增长率关系呈显著的倒“U”型曲线关系。

通过以上理论的分析和实证的研究，可以看出，基金网络有利于信息的传播，从而促进投资绩效的提高。而成功的投资策略依赖于一个“广谱”而非“深交”的网络策略。基金投资者应该优先追求建立广泛而多元的连接，以触及更广阔的信息和机会，而不是将精力过度集中在经营几个封闭的小圈子上。对于基金公司而言，构建基金网络是必要的，构建科学的、合理的基金网络更为重要。

基金项目

榆林市科技局产学研项目(2024-CXY-182)资助。