《基于網絡視角的機構投資者重倉股與收益的實證研究經濟學專業(yè)》由會員分享，可在線閱讀，更多相關《基于網絡視角的機構投資者重倉股與收益的實證研究經濟學專業(yè)（11頁珍藏版）》請在裝配圖網上搜索。

1、基于網絡視角的機構投資者重倉股與收益的實證研究 第四章我國機構投資者重倉股網絡特征 4.1網絡整體統(tǒng)計量 網絡科學是近期較為流行的學科，是一門專注研宄復雜網絡理論定性定量規(guī)律的交叉學科。它廣泛應用于社會生活中的各個領域，除了傳統(tǒng)的工程領域，經濟學領域中也越來越多的使用復雜網絡技術作為研宄的載體和工具。本文就是在中國開放式基金之間以重倉股為連接構造了網絡模型，我們簡稱為重倉網絡，并以此為工具來進行相關研究。 4.1.1節(jié)點數 網絡是由節(jié)點和邊組成的，在本文中，樣本中的每一只基金作為網絡中的一個節(jié)點，邊即為各基金之間的連接，描述的是存在于基金之間的某一種聯系，如果兩只基金重倉持有相同

2、的股票(該股票倉位占基金凈值的5%7以上)，我們假定這兩只基金在網絡中是相互連接的。我們定義基金j的網絡SG)是與它相連的其它基金的集合，由于同一個基金公司旗下的基金可能存在資源共享等情況，為了避免同公司的影響，S(j)中不包括與基金j在同一家公司的基金?；餵的度D0定義為基金網絡S(j)中元素的個數。初步確立好網絡關系后，我們要選擇使用什么類型的圖形對象，即有向還是無向，單邊還是多邊，是否加權等等。 4.1.2連接邊數 由于基金之間的關聯與方向無關，兩只基金可以同時重倉持有多只相同的股票，因此本文選取了無向多邊網絡模型。關于如何構建重倉網絡模型這方面，本文沿用Pareek的方法，這一方

3、法也同樣被國內學者肖欣榮等采用過，但是他們在構建網絡時，并沒有考慮兩只基金同時重倉持有多只相同股票的情況，基金之間最多只有一條直線連接。我們認為，兩只基金同時持有一只股票和多只股票，所傳遞的信息量是不同的，并且在計算網絡相關指標比如群聚系數時，多邊網絡要更為準確一些。因此在構建網絡模型時，選擇了多邊的網絡模型，即兩只基金每同時重倉持有一只股票，就有一條邊連接，多只股票就有多條邊。當然，如果想要構建一個更為精確的網絡模型，我們還可以根據重倉股占基金凈值的比重對網絡進行加權處理。但考慮到基金經理在建倉的過程中，出于對風險的考量，持有的單只股票占基金資產凈值的比例一般不會超過10%，在5%到10%的

4、區(qū)間內，比重差異很小，我們暫時忽略其影響。 4.1.3網絡密度 在復雜網絡理論中，描述網絡的指標有很多，在經濟學領域中，一般使用網絡密度來衡量信息的傳遞速度。本文在參考相關資料的基礎上，從不同方面選取了幾個描述重倉網絡的指標，主要考察了中心性和群聚性兩個方面。在數據處理過程中，為了保證數據的有效性，剔除與其他基金無任何關聯的孤立節(jié)點。 4.2中心性指標 4.2.1網絡中心度 為了描述重倉網絡的廣度與深度，我們引入了Freeman(1979)的中心度理論： 程度中心度是衡量與基金j直接關聯的基金數量，該指標值越大，說明與該基金相關的關系網絡越廣泛。其中，j為某基金組合，i為其他

5、基金組合，X表示i、j的網絡連接，如果二者相關，則取1，否則取0。k是網絡節(jié)點總數，由于基金是逐年增長的，每個季度的數量并不相同，k-1是用來消除規(guī)模差異的。 4.2.2中介中心度 中介中心度是衡量各基金之間間接聯系的指標，即通過基金j有多少原本沒有直接關系的基金被連接起來。gpq代表基金p與基金q之間連接的路徑數，gpq(nj)代表基金p與基金q路徑中包含基金j的路徑數量，即對網絡中任意一對基金p、q，它們所有的直接或間接的聯系中，必須要經過基金j的比例，這個指標反映了基金j傳遞信息的主動性，該指標越高，說明通過基金j建立的聯系越多，基金j傳遞的信息也越多。同樣的，(k-1)(k-2

6、)是用來消除規(guī)模差異的。 中介中心度： 4.2.3親疏度 親疏度： 親疏度衡量的是關系網絡中，與基金j有直接和間接關系的所有節(jié)點數的倒數。d(i，j)是兩個節(jié)點i到j的最短距離長度。親疏度反映了基金間信息交流的有效性和獨立性，該指標越大，說明基金j和其它的基金相連的平均路徑越短，說明聯系更直接、交流更有效。親疏度同時也衡量了網絡中信息傳遞的速度，該指標值越大，信息周轉的次數越少，信息傳遞的速度越快。 4.3群聚性指標一聚類系數 聚類系數： 其中E(j)代表經基金j的相鄰節(jié)點中相互連接的邊數，由于我們建立的模型是多邊網絡，基金間同時持有一只相同的重倉

7、股票就有一條邊，持有多只相同的重倉股就有多條邊。D(j)是基金j相鄰節(jié)點個數(基金j的度)。聚類系數衡量的是各基金的在重倉網絡中的聚集程度，也是反映網絡集團化程度的指標，聚集程度越高，說明該基金與其網絡的中的基金聯系更為緊密，彼此之間影響更大。不同基金間持有的相同的重倉股票數量越多，聚類系數越高。  第五章基金網絡結構與收益的實證 5.1基金收益度量指標 5.1.1基金收益的界定 基金經營公司運作基金資產所獲得的收益。這種收益主要來源于基金資產運作中的利息收入、股利收入、資本利得、資本增值等。這些收益在扣除了基金運作費用 (包括經理人費用和保管人費用) 后，剩余的部分用于基金證

8、券的分配。基金持有人投資于基金證券所獲得的收益。主要來源于基金收益分配和基金證券的買賣差價。 5.1.2基金收益的度量指標 (1)復權單位凈值增長率，即考慮了紅利和再投資的的基金凈值增長率。(2)基金超額收益率，用基金的凈值增長率減去基金對應的市場基準收益率12。單純反映絕對收益的凈值增長率相比，基金的超額收益能夠更加直接的反映基金管理人相較于市場平均水平的管理能力。(3)經過Carhart四因子模型風險調整后的超額收益。這部分由于需要樣本基金至少有24個月的歷史凈值，所使用的樣本數據略有差異，我們將其作為主體部分的穩(wěn)健性檢驗。 5.2基金網絡結構與業(yè)績關系的模型檢驗 5.2.1回歸模

9、型一固定效應模型概述 固定效應模型是指實驗結果只想比較每一自變項之特定類目或類別間的差異及其與其他自變項之特定類目或類別間交互作用效果，而不想依此推論到同一自變項未包含在內的其他類目或類別的實驗設計。固定效應回歸是一種空間面板數據中隨個體變化但不隨時間變化的一類變量方法。 5.2.2網絡中心度、中介中心度、親疏度與基金收益的檢驗 我們采用了面板數據回歸，由于基金數量是逐年增加的，因此是非平衡面板數據，從結果上來看，整個模型的F值是顯著的。在固定效應模型和隨機效應模型的選擇上，考慮到樣本的個體效應隨時間變化不大，選用了固定效應模型，Hausma檢驗的結果都是顯著的，也證實了固定效應模型的確

10、更為合適。為了消除異方差的影響，我們報告經過White方法調整后的標準誤。具體的回歸模型如下: 其中Rj代表的基金j過去一個季度的收益，我們分別用復權凈值增長率和超額收益衡量，穩(wěn)健性檢驗部分加入了經過Carhart四因子模型風險調整后的收益。Networkj，t代表的是網絡中計算出來的各種指標，我們分別考察程度中心度、中介中心度、親疏度和群聚系數。其余的變量為控制變量，參考ChenetaU和肖峻和石勁的研宄，基金的收益波動率和換手率滯后四期，用的是過去一年的區(qū)間波動率和換手率，剩下的變量均滯后一期。 表5-1網絡與因子模型調整后收益固定效應回歸結果 （1）alpha

11、 （2）alpha （3）alpha （4）alpha Centrality 0.00516** （0.00261） Closensess 0.00454*** （0.00126） Betweeness 0.116** （0.0504） Clustering 4.70e-05 （0.000468） s 0.00367*** 0.00361*** 0.00368*** 0.00374*** （0.000878） （0.000871） （0.0

12、00879） （0.000885） ts -0.000578 -0.000559 -0.000585 -0.000596 （0.000592） （0.000590） （0.000588） （0.000593） age -0.000870 -0.000832 -0.000625 -0.000923 （0.00304） （0.00304） （0.00305） （0.00303） tover -7.72e-05 -7.71e-05 -7.70e-05 -7.75e-05 （0.000117） （0.000119） （0.000118）

13、 （0.000115） sigma -0.0162*** -0.0160*** -0.0161*** -0.0162*** （0.00461） （0.00460） （0.00459） （0.00458） divid 6.84e-09 6.49e-09 7.21e-09 6.99e-09 （5.37e-09） （5.32e-09） （5.37e-09） （5.40e-09） Constant -0.0319** -0.0344** -0.0323** -0.0322** （0.0143） （0.0142） （0.0143） （0

14、.0143） T yes yes yes yes F test 20.58*** 21.17*** 20.87*** 20.73*** Hausman 127.75*** 176.76*** 280.26*** 136.01*** R-squared 0.185 0.189 0.186 0.184 注:*、**、***分別代表10%、5%、1%水平上的顯著，括號里報告的是經過White方法調整后的標準誤。其中Centrality、Betweenness、Closeness分別代表程度中心性、中介中心性和親疏度，Clustering代表聚類系數，其余

15、為控制變量。 5.2.3網絡群聚系數和收益的模型檢驗 Carhart(1997)、Huangetal.等人均認為，四因子模型對資產收益率有較強的擬合效果，能夠更好地反映基金的超額收益，為了這部分我們選擇四因子模型風險調整后的收益進一步分析。由于四因子模型要求基金樣本至少有24個月以上的凈值收益，我們截取了2014年之前的樣本數據。首先我們根據Carhart四因子模型計算風險調整后的收益，四因子模型如下: 其中，Ry是基金j的復權單位凈值增長率，Rf，t是無風險利率，我們根據慣例，由一年期定期存款的利率折算得到;Rmt-Rf，t是市場因子，即市場指數收益率減去無風險利率;SMB

16、t是規(guī)模因子，即小盤股票組合減去大盤股票組合收益率;HMLt是市值因子，即高賬面市值比的股票組合收益率減去低賬面市值比的股票組合收益率;MOMt是動量因子，即市場上漲幅前30%的股票組合收益率減去后30%的股票組合收益率。是我們關注的基金j的經過四個因子風險調整后的收益率。關于這四個因子的數據，均來源于銳思數據庫。對每一只基金j，我們在t時刻將其過去24個月的月度復權凈值增長率對四個因子進行回歸，得到的ajt即為基金j在t時刻的超額收益，然后依次逐月滾動回歸，得到基金j的月度超額收益率序列。表5-2為四因子模型的回歸結果的一個描述性統(tǒng)計，我們可以看出R方的均值為0.885，說明四因子模型的擬合

17、效果的確較好。 表5-2 Carhart四因子模型調整后超額收益的描述性統(tǒng)計 Variable Mean Std.Dev. Min Max alpha 0.000362 0.000678 -0.0312 0.0326 r 0.00521 0.0751 -0.3460 0.4050 rm 0.00434 0.0748 -0.2550 0.1750 smb 0.0150 0.0477 -0.1730 0.1920 hml -0.000900 0.0383 -0.1590 0.1480 mom -0.000711 0.0555 -

18、0.3080 0.0925 R-squared 0.8850 0.0655 0.5350 0.9930 我們用四因子模型風險調整后的收益對網絡的中心度和群聚系數等指標進行回歸，得到的結果如表5-2所示，大體上來看，與之前的結論是一致的，在中心度方面，三個指標均是顯著的正向的相關關系，說明基金的網絡越廣泛，信息傳遞越活越，基金間的相互交流越直接，基金業(yè)績都會表現越好。在群聚性方面，的確沒有發(fā)現顯著的相關關系，這也再次證明了基金的業(yè)績與網絡管的緊密性無關。在控制變量方面，與之前的結果稍有不同，這可能是樣本差異導致的。 5.3實證結果及建議 本文研究了網絡中信息傳遞對基金業(yè)績的

19、影響結果顯示無論是未經調整的超額復權凈值增長率還是經過Carhart四因子模型風險調整后的收益都受到網絡中信息的顯著影響從中心性方面來說程度中心度、中介中心度和親疏度均在1%的水平上顯著表現出正相關關系。其中程度中心度的回歸結果說明了在網絡的廣度上基金的網絡關系越廣泛享有的私人信息越多它的業(yè)績表現越好;中介中心度的回歸結果則說明了基金越是處于網絡中的關鍵位置并且傳遞信息越主動它的業(yè)績表現越好;親疏度的回歸結果說明了基金的信息傳遞效率越高網絡關系越直接它的業(yè)績表現越好。從群聚性方面來說基金的聚集程度和業(yè)績正相關但是在統(tǒng)計上并不顯著說明基金之間聯系的緊密程度與基金業(yè)績無關基金業(yè)績與重倉網絡中的關系

20、數量的多少有關與關系的深淺無關。本文的研究說明了基金可以通過重倉網絡獲取私人信息，這為我國資本市場的信息傳遞機制和機構投資者行為提供了新的視角，同時也有助于監(jiān)管機構對機構投資者行為的分析和監(jiān)控。 參考文獻: [1]胡杏盈,程振煌.機構投資者重倉的交易行為對股價的影響[J].經濟問題探索,2019(05):152-158. [2]羅淏. 我國A股基金重倉復制交易策略的研究[D].上海外國語大學,2018. [3]鄭琦.分析師對基金重倉股發(fā)布樂觀預測的后果研究——來自傭金分倉的證據[J].南京審計大學學報,2017,14(04):76-85. [4]薛文忠.機構投資者持股與股票收益波動性——基于機構重倉股的分階段實證研究[J].經濟與管理,2012,26(06):78-83. [5]杜文意.基金重倉股股票收益與持股比例關系的實證分析[J].經濟研究導刊,2010(22):52-54. [6]陳智鵬. 我國證券投資基金持股偏好的實證研究[D].江西財經大學,2009.