投资管理和内部治理是否影响基金极端风险?——基于尾部风险传染效应的研究

罗长青, 曹国广, 傅欣欣, 董 良

(1. 湖南工商大学 财政金融学院,湖南 长沙 410205;2. 湖南工商大学 智慧金融与科技监管研究院,湖南 长沙 410205; 3. 澳门科技大学 商学院, 澳门 999078)

一、引 言

稳健运行的基金市场可以优化资金配置,促进经济高质量发展,也可以为城乡居民提供财富增值的渠道。随着中国资本市场的发展,基金市场已成为金融市场的重要组成部分,在经济金融体系中发挥着重要作用,防范基金市场极端风险对二十大强调的“健全资本市场功能”具有重要意义。然而,基金市场经常受到内外因素的冲击,其稳健运行面临一系列挑战,如2008年金融危机、2015年“股灾”、2020年初新冠肺炎疫情等突发事件均使基金净值出现了较大幅度下跌。为促进基金作为资本市场“稳定器”和“压舱石”功能的发挥,同时守护好基金投资者的“钱袋子”,需要度量基金极端风险,并分析运营特征对基金极端风险所产生的影响。

现有关于基金市场的研究主要集中于基金业绩评价 (沈红波等[1];陈晓非等[2])、业绩持续性 (王建秀等[3];张永冀等[4])、投资效率 (Bai等[5];赵秀娟和汪寿阳[6])等方面。已有研究构建了适合中国国情的基金绩效评价指标体系,开发了有较强适用能力的评价方法,并探讨了基金绩效的演变规律,为基金市场发展和基金投资决策提供了重要的参考依据。尽管基金是一类风险相对较低的投资产品,但是近年来“黑天鹅”和“灰犀牛”风险事件屡有发生,基金风险逐渐凸显,相关领域的学者也开始探讨基金风险的演化特征,如Livingston等[7]分析了基金收益率波动性,Gregoriou等[8]认为执行权益市场中性策略的基金不具备极端风险免疫能力,谢赤等[9]运用风险价值等模型度量了基金市场风险和信用风险,向诚和杨俊[10]研究了基金的风险偏好。上述研究为基金风险管理提供了有效指导,但针对基金受到外部冲击而引起的极端风险溢入效应以及内部运营因素如何影响其极端风险等问题,鲜有文献对其展开系统的研究。尽管证券投资基金具有专业化优势,但在股票市场较为低迷的2018年,亏损超过20%的股票型基金达到了72.69%[11]。这虽然与股票型基金仓位管理制度有一定关系,但也在一定程度上反映了即使是专业投资者也难以避免极端风险的冲击。因此,基金投资者一方面要选出业绩亮眼的“爆款基金”,另一方面也要甄别出可能会大幅下跌的“暴跌基金”,而准确度量基金受极端风险的影响程度及分析其影响因素可以为投资者决策提供支撑,进而有助于增加城乡居民财产性收入。

鉴于此,本文将尾部风险传染效应引入基金风险的分析过程中,基于微观视角度量单只基金的极端风险传染效应,并考虑基金投资管理和内部治理等微观运营特征,检验基金极端风险的影响因素。

二、投资管理和内部治理对基金极端风险影响的理论分析

近年来金融市场风险事件频发,学界和业界对金融市场极端风险越来越重视,如Gregoriou等[8]、 谢赤等[12]、曾志坚等[13]分别从不同角度对各类金融市场的极端风险及其传染效应或溢出效应进行了研究,并认为极端风险一般为超过某一阈值损失的可能性。基于此,从尾部风险传染角度定义基金极端风险,即股票市场在某一置信水平下出现最大损失时,某一基金面临的损失。基金极端风险可能受诸多内外部因素的影响,外部因素有较高不确定性且基金公司难以管控,因此从基金自身运营管理和投资特征出发,着重考察基金在受到外部冲击时何种因素有助于基金降低极端风险的溢入。

(一)基金投资管理的影响机制

基金投资管理的特点直接决定了其风险状态,通常而言,基金投资集中度、投资主动性以及资金流入等因素影响基金极端风险传染。

(1) 投资集中度。基金投资集中度通常取决于基金经理所获取的具有价值的信息,当基金经理不具备可利用的市场信息时,其最优选择为对投资组合充分分散化。而当基金经理获取到有价值的信息时,通常会选择利用这些信息调整资产组合,这种调整通常表现为基金投资集中度的提高,投资组合的个股异质性风险也可能随之增加,与之相应的是与市场相关的系统性风险随之降低 (Fulkerson和Riley[14])。据此,形成研究假设:

H1a基金投资集中度对其极端风险传染产生显著的影响效应。

(2) 投资主动性。基金投资的主动性既可能增大收益波动,也可能会改善投资绩效,降低其风险。部分研究证明了积极主动的投资策略能在一定程度上解释投资绩效,如Peillex等[15]认为投资主动性管理和资产配置政策能够解释50%的收益率波动。而一些研究则表明,基金经理的主动投资在给基金投资者带来额外风险的同时并未能提供相应的超额收益 (Livingston等[7])。在市场风险较大时,积极的管理措施,如提前降低风险资产比重等可减少投资损失,因而能够降低其极端风险,而一旦调整措施或应急处理措施不当,则可能事与愿违,增大基金的极端风险。据此,形成研究假设:

H1b基金投资主动性对其极端风险传染产生显著的影响效应。

(3) 基金资金流入。基金资金流动通常取决于基金近期的收益率表现,即基金投资者在基金的投资选择上采取动量策略,近期收益率较高的基金通常能吸引更多的资金流入。而近年来的研究发现,随着基金数量的增长以及大众媒体的快速发展,投资者对基金的选择并不仅仅取决于基金近期的收益率,而更多地受到基金在大众媒体曝光度的影响,即媒体曝光度更高的基金能吸引更多的资金流入(Solomon等[16])。更高的媒体曝光度意味着更高的营销投入以及相关成本,为了覆盖因此而上升的成本率,基金需要提高风险暴露以期获取更高的收益率。据此,形成研究假设:

H1c基金资金流入对其极端风险传染产生显著的影响效应。

(二)基金内部治理特征的影响机制

在相同的风险情境下,不同基金应对风险的能力和表现可能有所差异,这和基金投资结构和风险管理能力相关,也和内部治理特征有着密切的关系。

(1) 基金经理特征。其一,基金由单一经理管理时,投资决策效率通常是较高的,而当基金同时存在多名管理者时,投资决策通常需要多名管理者之间进行协商之后才能付诸行动 (Ferreira等[17])。鉴于此,多经理管理下的基金在投资决策灵活度上不及单一经理管理的基金,即当市场发生极端风险时,多经理管理下的基金在应对时可能存在决策不灵活、调仓不及时的劣势 (Haslem[18])。另外,基金经理获得投资信息的渠道主要可分为公共渠道和私人渠道,私人渠道信息为基金经理之间小范围流通的非公开信息,多经理基金管理团队获取信息的效率可能高于“孤军奋战”的基金经理。其二,在基金经理任职年限方面,投资者通常认为任职年限越长的基金经理投资管理经验越丰富,并应反映在更高的基金收益和更完善的风险管控上。基金经理的任职年限越长通常意味着投资管理的经验越丰富,Karagiannis和Tolikas[19]指出,基金经理任职期越长的基金风险水平则越低。据此,形成研究假设:

H2a基金经理数量对基金极端风险产生显著的影响效应。

H2b基金经理任职年限对基金极端风险产生显著的影响效应。

(2) 内部持有份额。一方面,基金份额持有人通常是风险规避的,而基金管理人由于其收入通常与基金业绩挂钩,因此有投资高风险证券以提高基金收益率的倾向。另一方面,当基金管理人及其员工持有其管理基金的份额时,基金管理人的身份发生了重叠,即既为代理人也为委托人,此时基金面临的委托代理问题将得到缓解。Ma和Tang[20]的研究发现,内部人员投资份额越高的基金,整体风险和极端风险都更低,内部投资比例的提高能缓解委托代理问题,基金内部持股比例的提高有助于基金应对极端风险。据此,形成研究假设:

H2c基金内部持有份额对基金极端风险有显著的影响效应。

(3) 基金运营成本。基金运营成本即开放式基金在运营存续期间所产生的成本,包括托管费与客户维护费。成本越高,意味着基金管理人可能会采取更为激进的投资策略以期获得更高的收益率,从而可能增加基金的极端风险。据此,形成研究假设:

H2d基金运营成本对其极端风险传染效应产生显著的影响效应。

(4) 基金家族特征。较大规模的基金公司具有更多的风险隐患,但由于其有相对较强的资源调配能力,可能会更好地应对风险。在基金公司内部,由于业绩考核等压力,基金数量多可以形成内部竞争,在一定程度上促进基金经理加强风险控制,减少极端风险的冲击。然而,基金公司内部基金数量较多也可能分散公司资源,在受到外部风险冲击时,基金家族内部出现流动性风险传染或整体受到声誉风险的影响,因而也可能增大极端风险爆发的可能性。据此,形成研究假设:

H2e基金公司规模对基金极端风险产生显著 的影响效应。

H2f基金公司基金数量对基金极端风险产生显著的影响效应。

三、实证研究设计

为检验投资管理和内部治理对基金极端风险的影响,构建如下动态面板模型:

Yi,t=β0+β1Yi,t-1+∑kβkXki,t-1+

∑hγhControlhi,t+τi+δt+εi,t

(1)

其中,Yi,t和Yi,t-1分别为第i只基金在t期和t-1期的极端风险,Xki,t-1为解释变量的滞后一期值,τi为基金i的个体效应,δt为季度t的时间效应,εi,t为误差项,并假设εi,t～iidN(0,σ2)。参考Blundell和Bond[21]的研究,利用系统GMM方法对模型参数进行估计,并对模型估计结果进行Sargan和Arellano-Bond AR (2) 检验。

投资管理和内部治理的代理变量及计算方法分别如下所述:①基金投资集中度 (Concen),选取各季度末开放式基金持仓中排名前十的重仓个股市值占该基金股票资产总市值之比描述基金投资的集中度;②基金经理投资主动性 (Active),参考Amihud和Goyenko[24],以基于Carhart[25]四因子模型生成的R2评价基金主动性,1-R2的值越高,基金的主动性越强;③基金资金流入 (Caflow),定义Caflowi,t=[TNAi,t-TNAi,t-1(1+Ri,t)]/TNAi,t-1,TNAi,t和Ri,t分别为基金i在t季度的总资产净值和收益率;④基金经理数量 (Managernum),该指标是各季度各基金同时在职的经理数量;⑤基金经理管理年限 (Managertime),即截至各季度末,基金经理对该基金所持续的管理年限;⑥内部持有份额 (Emhold),该指标为基金公司员工持有的该基金份额占基金总份额之比重;⑦基金成本率 (Cost),以各季度末基金运营成本与基金总资产净值之比计算基金成本率;⑧基金公司规模 (Comscale),以各季度末基金所属基金公司的总资产净值进行度量;⑨基金数量 (Fundnumber),为各季度末基金所属基金公司所管理的开放式基金数量总和。

此外,选择基金规模(Fundscale)和基金运营年限(Fundage)作为控制变量,选取基金在样本期内各季度末的基金总资产净值的对数作为其资产规模的度量变量,基金运营年限即截至各季度末,该基金已存续的年限。

样本期间为2015年1月至2021年3月,该样本区间时间跨度较长,包含多次重要市场极端风险事件,可充分体现基金极端风险的演变规律。在基金样本的选择上,选取2015年1月之前成立、在样本期内存续、发行与交易币种为人民币、证券投资范围仅限于沪深两市的股票型开放式基金。极端风险爆发时,开放式基金的流动性风险比封闭式基金要大,为了更客观地反映尾部风险传染效应,并未选择封闭式基金作为研究样本。此外,由于指数型基金和货币市场基金通常难以体现基金的主动管理价值,因而也将其剔除。在市场指数的选择上,选择沪深300指数 (CSI300) 作为市场指数,并从Wind数据库获得沪深300指数与各开放式基金在样本期内的收益率数据,从而计算各基金极端风险传染的强度。

四、基金极端风险传染效应及其影响因素的回归结果与分析

(一)基金极端风险度量结果与分析

利用ARMA-TARCH模型拟合市场指数和各开放式基金的对数收益率序列,接着运用Clayton Copula拟合市场指数与各开放式基金收益率波动的联合分布,最后基于Copula联合分布方法对各开放式基金的ΔCoVaR指标进行计算,结果如图1所示。

图1 开放式基金季度收益率与极端风险水平时序图

从图1(a) 基金季度对数收益率可以发现,在2015年第二、三季度间,基金收益率出现大幅下跌,至2015年第四季度出现回弹后在2016年第一季度再次出现显著下降。相对应地,从图1(b)基金季度极端风险水平的变化趋势可以发现,样本期内基金尾部风险传染强度指标于2015年第二、三季度和2016年第一季度达到极低值,即整体开放式基金的极端风险于2015年第二、三季度和2016年第一季度达到较高水平。此外,在2020年第一季度新冠肺炎疫情暴发初期,开放式基金极端风险水平也出现了较显著的上升。

(二)研究变量的描述性统计

在基金运营特征变量的数据获取上,对于基金个体与基金管理者的特征变量,选取各开放式基金季度报告中所提供的数据;对于基金经理主动性指标,基于各开放式基金的月度数据进行计算,而后分季度计算该指标在各个季度的均值。相关数据均取自Wind数据库与CSMAR数据库,各变量的描述性统计值如表1所示。

表1 变量描述性统计值

从表1的描述性统计结果可以发现:(1) 我国股票型开放式基金的平均成本为0.839%;(2) 样本开放式基金份额中由其员工持股的比例整体较低;(3) 样本内基金在投资集中度上的差异较大,从不足10%至97.146%不等,反映出基金之间投资策略的差异;(4)基金经理数量的平均值为1.258,说明股票型开放式基金以单一经理管理结构为主。

(三)基于全样本的影响因素检验与分析

利用两步法系统GMM方法对动态面板模型进行参数估计。为避免极端值影响,对连续型变量进行了前后1%缩尾处理。参考Windmeijer[26]对参数标准误进行修正,并对模型进行Sargan和Arellano-Bond AR (2) 检验,分别检验工具变量的有效性以及一阶差分回归误差项是否存在二阶序列相关性。所选用的极端风险指标ΔCoVaR为反向指标,即ΔCoVaR取值越大,基金极端风险传染效应越低。基金极端风险影响因素模型的参数估计及检验结果如表2所示。

表2 全样本动态面板模型估计结果

表2的结果表明,基金极端风险水平具有持续性,表现为风险传染指标的滞后项对当期风险传染指标呈现显著的正相关,即上一季度基金的风险传染效应越高则当季的风险传染效应也越高。

对于基金投资管理特征,研究结果表明投资集中度 (Concen) 显著地降低了基金极端风险传染水平。基金投资集中度 (Concen) 在一定程度上反映了基金经理对一般投资者无法获取的交易信息的掌握程度。基金投资集中度高,表明基金经理对其所持有的重仓股具有较强的信心,基金经理会将资金配置到具有较高成长性和有投资价值的股票和行业。投资集中度高也在一定程度上体现了基金经理较高的择股能力。因此,投资集中度高的基金,其抗风险能力也相对较强,研究假设H1a得到了验证。开放式基金经理的主动投资 (Active) 带来了更高的极端风险水平,实证研究结果支持研究假设H1b。与现有研究一致,基金经理的主动投资行为使投资者承担了更高的风险(Livingston等[7])。理论上而言,资金流入 (Caflow) 使基金经理拥有更多的投资选择,而肖继辉和许安然[27]研究发现,基金经理往往将新流入的资金用于增持已有仓位,进而削弱基金分散化投资的有效性,其结果与表2展示结果一致,资金净流入增长使基金的极端风险水平上升,研究假设H1c得到了验证。

对于基金内部治理因素,经理数量 (Managernum) 显著地增大了基金极端风险 (回归系数为-0.006),研究假设H2a得到了验证。多位基金经理共同管理可能使得团队决策效率下降,以至于面临市场风险时难以及时调仓应对。经理管理年限 (Managertime)显著地增大了基金面临的极端风险,其影响系数为-0.007,研究假设H2b得到了验证。随着管理年限的增加,基金经理的投资经验逐渐累积,但年资越长的基金经理较容易出现过度自信的现象,容易导致决策偏差,基金风险也可能增大。基金公司内部投资份额 (Emhold) 对其极端风险传染没有显著影响,反映出在国内资本市场,基金公司内部人员持有份额并不能有效降低委托代理问题,研究假设H2c没有得到验证。基金成本率 (Cost) 和基金极端风险指标显著负相关 (回归系数为-2.962),表明较高的成本率迫使基金经理风险偏好上升,以期获得更高的收益,因而导致其极端风险增大,研究假设H2d得到验证。公司规模 (Comscale) 越大,其平摊至单只基金的资源则将相应减少,单纯扩大基金公司规模无法降低单只基金的极端风险,这就要求在基金公司评价中弱化基金公司排名的重要性,以长期盈利和风险调整后的收益进行考核,形成长期绩效导向而非短期规模导向的业绩评价体系,研究假设H2e得到验证。此外,基金公司的基金数量(Fundnumber) 对基金极端风险水平不存在显著的影响,研究假设H2f没有得到验证。

(四)基金极端风险传染效应影响因素的异质性检验

1. 基金分类标准。根据基金历史业绩、投资风格和行业主题对基金进行分类,从而对基金极端风险影响因素的异质性进行检验。①历史业绩。基于基金历史超额收益对基金进行分组,以进一步检验基金极端风险的影响因素。参考Carhart[25]构建的四因子模型,以12个月为窗口进行滚动回归,而后将其截距项按季度加总,得到各基金在样本期内的季度超额收益率,根据历史业绩的高低,将其分为三组。②投资风格。依据基金所披露的投资策略,将基金划分为成长、价值和平衡风格型。以各基金样本期内披露频次最高的投资风格为其最主要的投资风格,对基金的投资风格数据进行分组,其中成长风格型基金为38只,价值风格型基金为15只,平衡风格型基金为67只。③行业主题。根据基金热门投资主题,选择白酒、科技、医药生物等三类热点主题进行研究,其数量分别为21、24和10。

2. 基于基金历史业绩的极端风险传染因素分析。基于历史业绩分组的基金极端风险传染影响因素分析结果如表3所示。不同分组下基金极端风险水平的影响因素与全样本回归结果类似,资金流入(Caflow)和经理投资主动性(Active)仍然显著地增大了各基金组合的极端风险,而基金成本率(Cost)也依旧显著地增大了基金的极端风险。其中,基金成本率(Cost)的影响系数随着基金历史业绩的上升而减弱 (分别为-5.554、-3.485和-1.552),这表明历史业绩较差的基金更易因成本率上升而提高风险偏好,从而使得基金极端风险水平上升。投资集中度(Concen)、基金经理数量(Managernum)对于极端风险的影响则不同于全样本分析结果。投资集中度(Concen)仅对负超额收益率基金组合极端风险存在显著的减弱效应,而对其他两组基金不产生显著的影响。基金经理团队管理则能显著地降低高超额收益率基金极端风险水平,这意味着有能力获取高超额收益率的经理团队也能实现高效的风险管理决策。

表3 基于历史业绩分组的动态面板模型估计结果

3. 基于基金投资风格的极端风险传染因素分析。基于投资风格分组的开放式基金极端风险影响因素分析结果如表4所示。观察表4中的结果可以发现,分组回归与全样本回归结果基本一致。资金流入 (Caflow)、经理投资主动性(Active)、基金成本率 (Cost)、经理数量 (Managernum) 仍显著地增大了各类基金组合的极端风险。其中,成长风格型基金受成本率影响最小,而平衡风格型基金受经理投资主动性影响最大。值得关注的是,相对于成长风格和价值风格,平衡风格型基金的极端风险受到了基本特征、投资特征和基金管理人特征中所有影响因素的影响 (影响系数均在1%水平下显著),其影响因素相对较多,这既反映了平衡风格型基金对管理和投资等各类因素更为敏感,也为投资者选择基金提供了更多的判断依据。同时,投资主动性对基金的风险影响中平衡型基金极端风险的影响程度(-0.115)相对于成长风格和价值风格的影响程度(-0.065、-0.051)更大,这表明平衡风格型基金的管理人如采取积极主动管理策略而导致风格偏移,可能会带来相对较大的极端风险。

表4 基于投资风格分组的动态面板模型估计结果

4. 基于基金行业主题的极端风险传染因素分析。基于投资行业主题分组的基金极端风险影响因素分析结果如表5所示。

表5 基于行业主题分组的动态面板模型估计结果

考虑基金行业主题的分组回归结果与全样本回归结果基本一致,但其异质性相对于其他两类分组结果相对较大。基金规模 (Fundscale) 和运营年限 (Fundage) 对白酒、医药生物主题基金极端风险分别存在减弱和增强效应,而对科技主题基金极端风险不存在显著影响。白酒主题基金极端风险则不受成本率的影响。资金流动性 (Caflow) 对三类主题基金极端风险都存在显著的增强效应。不同于全样本分析结果,基金经理数量 (Managernum) 显著地降低了白酒主题基金的极端风险水平,而对科技、医药生物主题基金极端风险不存在显著影响。与其他分组回归结果不一致的是,员工持有份额 (Emhold) 的上升均显著地增强了白酒主题、科技主题、医药生物主题等三类基金的极端风险水平 (影响系数分别为-2.735、-2.663和-3.522),即员工持有份额越高,基金面临的极端风险越大。

综合上述分析,可发现各类基金特征对极端风险的影响有其相似性,也表现出一定的异质性:相同基金特征因素对不同分类标准下的样本分组产生了异质影响,如内部员工持有份额对主题型投资基金有显著影响,而对其他全样本和其他分组样本没有显著影响;同一基金特征因素对同一分类标准下的样本分组也有不同影响,如投资主动性对平衡型基金产生了较大影响,基金成本率对高历史业绩基金的影响相对较小,等等。这就要求市场监管者和投资者在防范基金极端风险、避免投资损失时,既要根据基金运营特征制定统一的风险防范对策,也要根据基金特点“因基制宜”,在分析其投资特征和管理特征的基础上采取针对性措施。

五、结论与建议

为判断开放式基金极端风险及其微观特征对极端风险的影响效应,构建基于Copula-CoVaR的基金极端风险度量模型,运用2015—2021年间开放式基金的数据对开放式基金的极端风险进行度量,实证检验影响基金极端风险的基金运营特征因素。结果显示:在外部风险较大时,基金受到较大的风险传染,其极端风险较大,基金择时能力不显著。同时,基金投资管理和内部治理因素对其极端风险影响显著。投资集中度会降低基金极端风险,主动投资程度高、资金流入量大、经理人团队人数较多、经理投资年限长、成本率较高、所属公司规模较大的基金面临的极端风险较高。基金极端风险的影响因素在考虑不同分组情况下仍具有较好的稳健性。为防范基金极端风险,基金监管部门或基金公司应优化相关管理制度。首先,在基金运营管理过程中,建立系统性风险防控机制,减少因外部冲击带来的极端损失,提升服务实体经济和经济高质量发展的稳定性。其次,在防范极端风险的过程中,对基金经理的评价可加大风险调整收益率的考核权重,以更好地激励其稳健经营。最后,优化基金管理团队,增强管理团队的稳定性。