1. 引言
公开募集的证券投资基金，即公募基金，是一种面向广泛投资者群体的金融工具，其运作过程受到严格的监管和透明度要求。与私募基金相比，公募基金因其面向大众的特性而更加规范化和公开化。中国公募基金行业自1991年起步以来，经历了从无到有、从单一到多元的发展过程，已成为资本市场的重要组成部分。据统计，截至2022年底，公募基金规模净值达到26.03万亿元，管理公司数量达到142家，基金产品数量超过1万只，显示出行业的蓬勃发展和市场的高度认可。
随着中国投资者对股票配置的需求不断增长，公募基金市场迎来了迅猛的发展。面对众多的基金选项，投资者往往难以做出选择。对于广大普通投资者来说，由于他们缺乏评估基金经理专业能力的技能，因此更倾向于依据基金经理的历史业绩来做出选择。此外，投资者在选择基金时，往往会参考招募书中所标示的投资策略。然而，在实际操作中，基金经理可能会出于提升基金表现的目的而调整其投资策略，这种做法可能会使得基金的实际运作与其最初的投资策略出现偏差，从而引发投资风格漂移现象。由于大部分投资者通常不会积极寻找关于投资风格变化的信息，基金经理在进行这种策略调整时面临的成本相对较低。这种信息不对称的情况增加了那些业绩未达预期的基金更倾向于采取风格漂移策略的可能性。
当前，中国基金市场中投资风格的偏移问题相对突出，这种现象在很大程度上源于股票市场的信息不均衡状态，基金管理人在掌握更多信息的基础上，可能会调整基金的投资方向，转向那些增长迅猛、回报丰富的行业。近年来，随着基金评级机构不断发布基金业绩排行榜，基金管理人为了在短期内提升排名，可能会频繁调整其投资组合，这进一步加剧了基金投资风格的偏移情况。本文主要想探究不同规模下基金业绩对投资风格漂移影响有何差异。
2. 文献综述
2.1. 基金业绩相关研究
在基金投资业界，一般所常用的衡量标准有基金累计净值、基金累计净值增长率、基金净值相比于市场指数的增长率、基金净值相比于比较基准的增长率、基金与同类基金的排名等。这些指标比较简单明确，有利于快速选择业绩表现突出的基金，但这些指标没有考虑到多期中复利的计算，全部把业绩衡量时间段当做一个单一的周期衡量，并非年化收益率，在投资实务界有一定价值，但在基金投资研究中价值有限，不能完全刻画基金业绩的评价[1]。因此，本文选择用年化收益率来刻画基金业绩。
2.2. 投资风格漂移相关研究
基金的投资风格是指基金经理在投资决策中所采取的特定策略和方法，它反映了基金在资产配置、选股、市场定位等方面的偏好和倾向。基金的投资风格并非固定不变，而是存在一种动态演变过程[2]。他们指出，随着市场环境、投资者需求或基金经理策略的调整，基金的实际投资取向可能会逐渐偏离其最初的定位。这种风格上的转变，即所谓的“风格漂移”，反映了基金在实际操作中对市场变化的适应和响应，有时也可能是基金经理为了追求更高收益而主动调整投资组合的结果。因此，本文对投资风格漂移的量化暗含了其随时间变化的特点。
基金投资风格漂移的量化主要分为持仓分析方法和收益分析方法。基于持仓的分析方法是一种用于衡量和分析基金投资风格漂移的计量方法，它主要基于基金的持仓数据来进行。这种方法通过考察基金在特定时间点持有的股票和其他资产的市值、行业分布、市值规模、价值与成长特征等，来推断基金的投资风格。持仓分析法通过直接观察基金的实际投资组合来评估其投资风格，提供了一种直观的分析手段，易于理解和解释。但是基金的持仓报告通常存在一定的时滞，这可能导致持仓分析法无法及时反映基金的最新投资动向。因为上述缺陷，此方法应用并不广泛。基于收益的分析方法由Sharpe提出，它通过分析基金的历史收益率来识别和衡量风格漂移的程度[3]。该方法直接关注基金的业绩表现，为投资者提供了一个基于实际绩效的风格漂移评估。由于收益数据通常容易获取，且更新频繁，所以它能够提供较为及时的风格漂移信息，相较于持仓分析法，收益分析法通常更简单直接，易于投资者理解和应用，也适用于那些不公开详细持仓数据的基金。因此，本文选择用基于收益的分析方法来量化投资风格漂移。
2.3. 基金业绩与投资风格漂移关系研究
基金经理的投资决策深受业绩的影响，在面对业绩压力时，为了提升业绩成果，基金经理往往会考虑调整其原有的投资策略[4] [5]，这解释了基金经理改变投资风格的动机，即受业绩压力驱动。投资策略对于基金的最终业绩至关重要，因为绝大部分的基金收益来源于特定的投资策略[3]，这解释了改变投资风格可以改善业绩的可行性。Brown等人强调了基金经理们之间的竞争关系，这种竞争类似于一场竞赛。他们指出，基金经理每年都面临着业绩排名的压力，随着年末业绩评估的临近，基金经理们普遍倾向于采取更加激进的投资策略，以提高其投资组合的风险程度，尤其是那些在年度排名中处于不利位置的基金经理[6]。这些经理们更愿意通过增加投资风险来争取更高的业绩，以期在激烈的竞争中脱颖而出，与排名较高的同行相比，他们更倾向于采取这种策略。Sirri等人认为，那些历史表现不尽如人意的基金并未面临大规模的资金撤离[7]。然而，这些基金的管理者可能会采取一种策略，即通过增加对高风险投资的敞口来试图改善基金的表现。肖继辉等人通过对开放式基金数据的分析，发现基金的业绩与投资风格的漂移之间存在显著的相关性，并且这种相关性在股市波动时期表现得尤为明显[8]。易力和盛冰心的研究发现，基金经理若在初始阶段面临业绩不振，他们在随后的时间中可能会明显地改变基金的投资风格，导致风格漂移程度加剧[9]。孟庆斌等人的研究发现，业绩处于中游的基金经理往往倾向于选择较为审慎的投资方式，而那些业绩出类拔萃或表现不佳的基金经理，则更可能采纳风险较高的投资策略[10]。山立威和王鹏的研究表明，那些在中期业绩上表现不佳的基金经理往往会在随后的六个月内增加其投资组合的风险，以期改善业绩[11]。这种行为与那些中期业绩表现出色的基金经理形成鲜明对比，后者可能不需要通过增加风险来提升其投资回报。这些文献表明基金业绩会对风格漂移产生影响，为本文的基础模型提供了理论基础。
3. 研究设计
3.1. 研究假设
Brown等人的研究发现，在基金行业中也存在类似的竞赛效应，即基金经理的前期业绩会影响他们在后期的风险承担水平[6]。通常情况下，前期业绩不佳的基金经理在后期会增加资产的风险敞口，采取更冒险的策略以期提升后期的业绩表现。这些关于基金业绩竞赛的研究主要集中在基金经理的风险行为调整上，为理解基金业绩如何影响投资风格漂移提供了合理的解释。
假设1：在我国的证券市场上，开放式股票型基金投资风格漂移现象与基金业绩相关。
Chan在对美国基金市场进行研究后指出，总体而言，美国共同基金的投资风格具有较好的持续性。然而，他也发现，那些历史业绩不佳的基金可能会放弃不再适应市场的风格，转而尝试新的风格[12]。因此，本研究假设我国也存在这类问题。
假设2：不同规模下基金业绩对投资风格漂移程度的影响不同。
这一假设基于对基金规模与投资风格漂移之间潜在关系的理解，认为规模较大的基金和规模较小的基金在面对市场变化时可能会有不同的调整方式和灵活性，从而导致其投资风格漂移的程度不同。规模较大的基金往往面临着更多的资金管理压力和流动性约束，这些基金可能需要更谨慎地调整投资组合，从而维持了相对稳定的投资风格。
3.2. 变量选择
本研究的解释变量是基金的业绩表现(YIELD)，选取基金上半年年化收益率。根据WIND提供的数据分类，开放式基金涵盖多个不同的类型，包括股票型、混合型、债券型、货币市场型、另类投资、QDII以及FOF等，本研究选取的样本集中于开放式普通股票型基金。
本研究的被解释变量是投资风格漂移得分(SDS)。本研究采用了Sharpe提出的二次规划方法，用日收益数据来计算风格权重。接着，为了衡量基金投资风格的变动程度，本研究采用了Idzorek和Bertsch开发的SDS (Style Drift Score)指标[13]。
在Kacperczyk和Seru的研究中，基金的特性被作为控制变量纳入分析[14]。本研究在考虑基金特性变量的基础上，进一步在回归模型中引入了个体和时间双固定效应，目的是控制那些不易观测的基金产品特有因素。所涉及的基金特性变量包括：基金净资产的对数(ASSET)、机构投资者的比例(IIR)、基金的换手率(TURN)以及基金成立的时间长度(TIME)。因此，本文选择这些变量作为控制变量。
本文的调节变量为基金规模(FS)。基金规模的大小可能在业绩对投资风格漂移的影响中起到调节作用。基金规模的增长可能会限制基金经理的灵活性，随着资金规模的增加，基金经理可能会受到流动性限制和交易成本的增加，这可能限制了他们在调整投资组合时的自由度，为了避免影响市场，他们可能需要分阶段进行交易，这些方面的影响可能导致基金业绩对投资风格漂移的影响发生变化。因此，本文选择基金规模作为调节变量，研究基金规模的大小对基金业绩与投资风格漂移之间关系的影响。若基金规模超过界定值，则调节变量(FS)记为1，否则记为0。
3.3. 回归模型
假设1为：在我国的证券市场上，开放式股票型基金投资风格漂移与基金业绩相关。
假设1的回归模型如下：
其中m为基金的序号，t表示年份，解释变量为上半年基金业绩(
)，被解释变量为下半年投资风格漂移水平(
)。若核心解释变量系数(
)显著，则支持假设1，说明开放式基金投资风格漂移的现象与基金业绩相关；若核心解释变量系数不显著，则拒绝假设1，说明在我国证券市场上，开放式基金投资风格漂移的现象与基金业绩无关。
假设2为：不同规模下基金业绩对投资风格漂移程度的影响不同。
假设2的验证需要考虑基金规模的调节作用，因此在模型中加入基金规模作为调节变量，进而进行双因素固定效应模型分析，其对应的回归模型如下：
3.4. 样本选取
本文选取我国证券市场上成立时间在1年以上的所有开放式股票型基金为初步的样本数据，共720支基金，样本数据来源为WIND数据库。被解释变量——基金投资风格漂移得分(SDS)的计算方式如下：先将基金的每日收益率与大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值等6个大盘日收益率利用二次规划法进行拟合，再将每年后6个月的拟合数据进行一定的方差运算得到该年份的SDS指标得分，用于表示当年的投资风格漂移程度。解释变量——基金业绩由当年所有存续基金的上半年年化收益率决定。控制变量选取基金半年报的数据。由于面板数据为非平衡面板数据，为了排除基金成立受到大盘表现的影响，本文在样本个体数量和样本时长两方面取得平衡，选定2018年到2022年的261只基金为最终的样本数据，得到共计1305条的平衡面板数据。
4. 实证分析
下表1对模型数据进行了描述性统计，N代表样本数据个数，Mean代表样本的平均值，Min代表样本的最小值，Median代表样本的中位数，Max代表样本的最大值，Std代表样本的标准差。
Table 1. Descriptive statistics
表1. 描述性统计
|
N |
Mean |
Min |
Median |
Max |
Std |
| SDS |
1305 |
0.4315 |
0.0073 |
0.4367 |
0.7659 |
0.1294 |
| YIELD |
1305 |
0.0891 |
−0.2863 |
0.0666 |
0.8329 |
0.1916 |
| ASSET |
1305 |
4.6669 |
2.0062 |
4.7319 |
6.5062 |
0.7060 |
| IIR |
1305 |
0.2209 |
0.0000 |
0.0997 |
1.0000 |
0.2739 |
| TURN |
1305 |
3.1643 |
0.0661 |
2.5411 |
22.2313 |
2.6193 |
| TIME |
1305 |
4.8343 |
0.4329 |
4.5836 |
17.8548 |
2.3804 |
| FS |
1305 |
0.1755 |
0.0000 |
0.0000 |
1.0000 |
0.3805 |
下表2对样本数据进行了基础回归，基金业绩(YIELD)的P值为0.004，在1%的显著水平下其系数非常显著，这支持了假设1成立，即在我国的证券市场上，基金投资风格漂移与基金业绩显著相关，且为两者之间的关系为负相关，即业绩较差的基金更有可能产生投资风格漂移的现象。当基金的业绩表现不佳时，基金经理可能会面临来自投资者和市场的压力，要求他们采取措施改善基金的业绩。为了应对这种压力，基金经理可能会调整投资策略和风格。
Table 2. Base model regression results
表2. 基础模型回归结果
|
Coefficient |
t-value |
P-value |
| YIELD |
−0.095 |
−2.87 |
0.004*** |
| ASSET |
−0.044 |
−5.71 |
<0.001*** |
| IIR |
0.049 |
2.63 |
0.009*** |
| TURN |
0.000 |
0.18 |
0.858 |
| TIME |
0.003 |
0.28 |
0.780 |
| Constant |
0.614 |
9.46 |
<0.001*** |
| R Square |
0.527 |
-- |
-- |
本文将基金总资产规模小于5亿元的记为子样本1，基金总资产规模处在5~10亿元的记为子样本2，基金总资产规模处在10~50亿元的记为子样本3，将基金总资产规模大于50亿元的记为子样本4，对四个子样本数据进行双因素固定效应模型回归。
如下表3所示，子样本1的基金业绩(FIELD)与投资风格漂移得分(SDS)的P值为0.892，在10%水平下不显著，子样本2的基金业绩(YIELD)的P值为0.025，在5%水平下是显著的，且其回归系数为负值，这说明子样本2的结果表明基金业绩与投资风格漂移得分是负相关，与基础回归的结果一致。子样本1与子样本2的R方分别为0.602和0.769，这表明两者的拟合结果对被解释变量具有很好的解释力。
Table 3. The heterogeneity analysis of subsample 1 and subsample 2 showed the regression results
表3. 子样本1和子样本2异质性分析回归结果
|
子样本1 |
子样本2 |
|
Coefficient |
t-value |
Coefficient |
t-value |
| YIELD |
−0.008
(0.892) |
−0.14 |
−0.267**
(0.025) |
−2.27 |
| ASSET |
−0.089***
(<0.001) |
−5.52 |
−0.038
(0.758) |
−0.31 |
| IIR |
0.091***
(0.004) |
2.93 |
−0.065
(0.401) |
−0.84 |
| TURN |
0.000
(0.908) |
0.12 |
−0.008
(0.282) |
−1.08 |
| TIME |
0.022
(0.116) |
1.58 |
−0.059***
(0.001) |
−3.59 |
| Constant |
0.159**
(0.013) |
2.50 |
1.103*
(0.069) |
1.84 |
| R Square |
0.602 |
-- |
0.769 |
-- |
在下表4中，子样本3的基金业绩(FIELD)与投资风格漂移得分(SDS)的P值为0.004，在1%水平下是显著的，子样本4的基金业绩(YIELD)的P值为0.041，在5%水平下是显著的，且其回归系数为负值，这说明子样本4的结果与基础回归的结果一致。子样本3与子样本4的R方分别为0.641和0.861，这表明拟合结果对被解释变量具有很好的解释力。
综上可知，子样本2、子样本3和子样本4的基金业绩(YIELD)的回归系数显著，而子样本1的回归系数不显著，这表明只有子样本1拒绝了假设1，其它样本均支持假设1的成立，样本按照基金规模来分，具有异质性。
Table 4. The heterogeneity of subsample 3 and subsample 4 was used to analyze the regression results
表4. 子样本3和子样本4异质性分析回归结果
|
子样本1 |
子样本2 |
|
Coefficient |
t-value |
Coefficient |
t-value |
| YIELD |
−0.192***
(0.004) |
−2.89 |
−0.288**
(0.041) |
−2.16 |
| ASSET |
−0.077*
(0.076) |
−1.78 |
0.119
(0.386) |
0.88 |
| IIR |
0.024
(0.593) |
0.53 |
0.181
(0.212) |
1.28 |
| TURN |
0.005
(0.341) |
0.95 |
0.069*
(0.061) |
1.97 |
| TIME |
0.029*
(0.061) |
1.88 |
−0.058
(0.290) |
−1.08 |
| Constant |
0.700***
(0.002) |
3.06 |
−0.235
(0.779) |
−0.28 |
| R Square |
0.641 |
-- |
0.861 |
-- |
本文将基金总费用的对数(COST)作为新的控制变量加入到模型中，对其进行双因素固定效应模型分析。下表为全样本的稳健性分析结果，其中左侧数据为原始回归结果，右侧数据为加入基金总费用对数后的回归结果。
从下表5中可以看到，两者的基金业绩(YIELD)、基金净资产对数(ASSET)和机构投资者比例(IIR)的回归系数都是显著的，其P值基本都是小于0.01，这在1%的水平下是显著的，从回归系数上看，两个样本的系数正负相同，只是在系数的大小上有所差异，这表明两个样本都支持假设1，证明该模型是稳健的。
本文将基金规模(FS)作为调节变量加入到模型中，如果基金总资产规模超过20亿元则记录为1，反之则记录为0，对其进行双因素固定效应模型分析。
下表6为调节效应分析结果。基金业绩(YIELD)的P值 < 0.05，回归系数为−0.069，这与假设1成立相符合。加入调节变量基金规模(FS)后，交互项FS*YIELD的P值为0.024**，在5%的水平下显著，而回归系数为−0.087，小于0，这表明较大的基金规模会加强基金业绩与投资风格漂移的负相关关系，即当基金规模比较大时，其较好的基金业绩会让基金投资风格更不容易发生漂移。
Table 5. The results of pre- and post-regression of control variables were expanded
表5. 扩充控制变量前后回归结果
|
扩充控制变量前 |
扩充控制变量后 |
|
Coefficient |
t-value |
Coefficient |
t-value |
| YIELD |
−0.095***
(0.004) |
−2.87 |
−0.092***
(0.009) |
−2.63 |
| ASSET |
−0.044***
(<0.001) |
−5.71 |
−0.049**
(0.029) |
−2.18 |
| IIR |
0.049***
(0.009) |
2.63 |
0.049***
(0.008) |
2.64 |
| TURN |
0.000
(0.858) |
0.18 |
0.000
(0.922) |
0.10 |
| TIME |
0.003
(0.780) |
0.28 |
0.003
(0.789) |
0.27 |
| COST |
-- |
-- |
0.006
(0.816) |
0.23 |
| Constant |
0.614***
(<0.001) |
9.46 |
0.623***
(<0.001) |
8.34 |
| R Square |
0.527 |
-- |
0.527 |
-- |
Table 6. Fund size as a regression result for the moderating variable
表6. 基金规模作为调节变量的回归结果
|
Coefficient |
t-value |
P-value |
| YIELD |
−0.069 |
−1.97 |
0.049** |
| FS |
0.018 |
1.34 |
0.182 |
| FS*YIELD |
−0.087 |
−2.26 |
0.024** |
| ASSET |
−0.047 |
−5.38 |
<0.001*** |
| IIR |
0.049 |
2.63 |
0.009*** |
| TURN |
0.000 |
0.26 |
0.792 |
| TIME |
0.003 |
0.30 |
0.767 |
| Constant |
0.625 |
9.43 |
<0.001*** |
| R Square |
0.529 |
-- |
-- |
5. 结论与政策建议
5.1. 研究结论
经过对假设进行实证分析，本文的研究结论如下：
第一，在我国证券市场上，开放式股票型基金的投资风格漂移现象与基金业绩负相关。这一结论的产生涉及多方面因素，其原因和影响不仅对投资者具有重要意义，也需要监管层的关注和干预。基金管理人会因为证券市场环境的变化、投资者的预期、管理基金的激励机制以及市场竞争等因素而选择改变投资风格，投资者可能因为基金投资风格的漂移而面临较大的风险。如果投资者选择的基金投资风格与其预期不符合，可能会导致投资损失，尤其是在市场波动较大的情况下。同时，基金投资风格的漂移可能会增加市场的不稳定性，使市场更加波动，增加投资者的不确定性和风险，还可能增加了监管层的监管难度，监管层需要加强对基金的监管和管理，防范风险发生。
第二，基金规模越大，业绩越差的基金产生的投资风格漂移更大。当一个基金规模不断增大时，基金经理可能会面临更大的投资限制和压力。较大的资金量需要更广泛的投资标的来分散风险，这可能迫使基金经理不得不调整其投资策略，以寻求更广泛的市场机会。此外，大规模的资金也意味着更高的资产负载，这可能限制了基金经理在市场中灵活地执行投资决策的能力。为了应对规模的增长，基金经理可能会不得不调整其投资组合的结构，可能会选择更为流动性高、规模大的标的，以便更好地容纳大额资金，这导致了投资风格的漂移；另一方面，规模的增长还可能对基金的业绩产生影响。尽管规模的增长通常会带来更高的管理费用收入，但大规模也可能增加了基金在市场中的影响力，这可能导致投资机会的减少和成本的上升。例如，在涉及大宗交易时，大型基金可能会面临流动性问题和价格滑点，从而影响其投资效果。
5.2. 政策建议
基金公司应建立与长期投资业绩相匹配的激励机制，鼓励基金经理采取稳健的投资策略，减少因短期业绩压力而导致的过度交易和风格漂移。同时，应加强对基金经理的约束，对于频繁风格漂移的行为应有相应的惩罚措施。除此之外，基金公司应鼓励基金经理坚持长期投资理念，避免因市场短期波动或业绩压力而频繁改变投资风格。可以通过内部培训、投资决策流程优化等方式，提高基金经理对投资风格稳定性的认识和执行力。对于规模较大的基金，应加强流动性风险管理，确保基金在面临大规模赎回时仍能维持正常的投资运作。基金公司可以通过设置合理的申购和赎回限制、引入流动性管理工具等措施，来平衡基金的规模和流动性风险。
监管机构应加强对基金业绩与投资风格的监管，确保基金经理遵守招募说明书中承诺的投资策略，防止基金为了追求短期业绩而过度调整投资组合。可以通过定期审查基金的投资组合与业绩报告，评估基金的投资风格是否与原定策略一致，以及是否存在不合理的风格漂移现象。除此之外，监管层还应该持续推动基金行业的规范化和专业化发展，通过制定合理的行业标准和政策引导，促进基金公司之间的健康竞争，提高整个行业的服务质量和投资水平。监管机构和基金公司应加大对投资者的教育力度，提高投资者对基金投资风格和风险的认识。同时，应提高基金信息披露的透明度和及时性，让投资者能够及时了解基金的投资策略和业绩变化，从而做出更为理性的投资决策。