【作　　者】
宋光辉（博士生导师） 詹素卿 刘 广

【作者单位】
（华南理工大学工商管理学院 广州 510640）

【摘　　要】

      【摘要】本文以不同评级的35只激进配置型基金为研究样本，采用适用于非有效市场或弱式有效市场的行业配置效率指标，来考察我国激进配置型基金在2006年1月1日至2012年12月31日这段研究区间内的行业配置是否有效。研究结果表明，激进配置型基金进行了较有效的行业配置，但不同基金的行业配置效率有所不同，并且受到市场波动的影响。同时，本文将晨星评级引入，结果显示，现有的晨星评级并不能反映基金实际的行业配置效率。由此我们认为，投资者可以通过基金组合中的行业分布，进一步判断其行业配置的效率。
【关键词】行业配置有效性   激进配置型基金   晨星评级

      积极投资组合管理研究是金融投资研究比较成熟的研究模型，一个非有效的或弱式有效市场，使获取超额收益成为可能，亦即积极投资组合管理有效。现今大多数研究积极投资组合管理都是从个股选择层面直接进行研究，并没有从行业配置角度进行研究。然而行业研究作为股票市场投资研究的主要参考手段和依据，其对于机构投资者的影响更为明显。所以从行业角度研究积极投资组合管理是否有效，即研究行业配置是否有效，可以为基金持有者提供一种选择基金的方式，也为投资者尤其是基金投资者提供一种新的行业投资评价模式，为进一步分析行业配置影响因素提供了理论基础。
一、文献回顾
现代投资学认为，组合投资具体策略可以分为资产配置、行业配置、个股选择三个层次。作为自上而下投资策略的重要部分,行业配置是投资管理中的一个重要环节。国外许多实证研究表明,在环球资产配置中,行业配置对投资组合收益贡献的重要性甚至超过了国家配置,而且认为行业配置的重要性在未来相当长一段时间内也将保持。
      1. 关于股票投资的行业因素研究。Benjamin（1966）首次发现行业因素在解释股票收益的波动方面也有积极意义。Farrel和James（1974）、Livingston（1997）、Cavaglia等（2000）也对此进行过研究，他们发现，行业因素对于股票收益率的解释越来越重要，其贡献率在9% ~ 71%之间。而Dijk和Keijzer（2004）通过时间序列和横截面分析发现，行业板块因素的重要性正在逐步提高。同样，Hashem（2010）的研究采用F — M横截面回归方法，实证行业集中度与股票市场横截面收益存在显著的负相关关系。
      我国关于股票投资中行业因素的相关研究起步较晚，宋逢明和梁洪昀（2001）研究了在取消发行市盈率限制后，对1999年上市的95只股票构建回归模型，认为影响初始回报的主要有行业平均市盈率等。史美景（2002）、王敬和张铁鹏（2004）、蔡伟宏（2006）等学者分别采用不同方法从不同角度验证了行业因子对股票收益率的重要性。杨小燕、王健稳（2008）利用Kruskal — Wallish H非参数统计方法检验了2006年1月至2007年4月期间股票周平均收益率的行业效应，实证表明不同行业的股票周收益率具有显著差异，与市场因子相比，行业因子的影响程度更大。最新的研究是康力和李振飞（2012）采用我国A股市场2001 ~ 2010年十年的面板数据，实证得出我国A股市场存在行业效应，并认为行业集中度越低，行业市值规模越大，行业收益率越高。
2. 关于基金投资的行业因素研究。行业因素如此重要，那么基金的行业配置效率如何呢？现有研究并未从这个角度对行业配置进行研究，更多的是从个股选择的层面进行研究。Treynor和Mazuy（1996）通过建立TM模型，首次分解投资基金的择时能力和选股能力，并以52只开放式基金为样本，实证结果表明 ，很少有基金表现出显著的市场时机把握能力。Henriksson和Merton（1981）提出一种评价市场实际把握能力的参数检验模型（简称HM模型）的理论框架。Henriksson（1984）利用1968 ~ 1980年间的116只开放式基金数据，采用HM模型，得出基金在整体上不能够成功把握市场时机，也没有明显的证券选择能力。Changh和Lewellen（1984）对HM模型进行改进，得到CL模型，利用1970 ~ 1979年间67只基金的月度收益数据，得出与Henriksson（1984）相同的结论。随后，Grinblatt和Titman（1993）提出了投资组合变动评估模型（PCM），以1976 ~ 1985年间的开放式基金为研究样本，实证结果表明，投资组合持股比例变化的个股并不能带来超额收益。Jiang（2003）提出非参数检验方法，以1980 ~ 1999年间的开放式基金为样本，实证研究认为，基金并不具有显著的时机选择能力。      我国最新的研究文献大多是运用PL模型、PCM模型等对我国样本进行检验。牛鸿和詹俊义（2004）运用非参数检验方法，对我国2001年1月 ~ 2003年8月间的封闭式基金为研究样本，实证结果表明，基金经理整体上的择时能力较差，而从个体上看，基金经理既没有显著很好的择时能力，也没有显著很差的择时能力。肖奎喜和杨义群（2005）运用参数检验方法，对我国42只开放式基金进行实证研究，发现我国开放式基金具有较强的证券选择能力，但不具备市场时机把握能力。朱宏泉和李亚静（2005）运用PCM模型，选取1999年1月 ~ 2003年12月间33只封闭型基金的十大重仓股数据进行实证研究，结果发现，相对于普通投资者，基金总体上并不具有好的证券选择能力。李学峰（2009）通过改进PCM模型，设计适用于非有效市场或弱式有效市场的积极投资评价指标，以2005年1月 ~ 2007年6月间的19只开放式基金和23只封闭式基金前二十大股票半年数据进行实证，结果表明，这两类基金均有较强的积极资产组合管理能力。李毅（2011）研究表明，积极配置型基金显示出较强的积极组合管理能力。
从既有研究中我们可以看出：研究者选取的研究样本主要采用的是个股组合的数据以及基金的收益率数据；选取的研究模型主要是TM模型、HM模型、PCM模型等，而TM模型和HM模型在选择基准市场组合上存在不一致问题，PCM模型虽然避免了这个问题，但它选用的是基金以前周期的证券组合权重作为基准来衡量基金的投资业绩，它们都是通过择时能力和选股能力来间接考察基金的积极组合管理能力，其中李学峰（2009）的积极投资评价指标则是对积极投资管理能力本身给予直接的建模和分析；从研究结论上看，迄今还未得到一个一致的结论，对于基金是否具有积极组合管理能力存在争议。因此，本文基于李学峰（2009）的研究思路，引入基金行业组合数据，并增加样本的时间长度，企图从行业配置的角度考察基金的积极资产组合管理能力，从而了解基金是否进行了有效的行业配置。
      二、研究样本的选取
      本文所有的数据均取自聚源数据库、深圳证券交易所网站、上海证券交易所网站。
本文在选取基金时，遵循以下原则：第一，选取我国开放式股票型基金作为考察对象；第二，为保证研究对象在进入本文的考察期时已经完成建仓并且投资构成连续，被选取的基金均成立于2006年1月1日以前；第三，由于本文研究的是基金的行业配置有效性，因此仅选取激进配置型基金作为样本。这样，我们挑选了35只开放式基金作为研究对象。
由于基金前十大行业在积极投资中占有很大比例，基本能代表其持仓状况，故本文以基金每季度持有的前十大行业为研究对象，据此衡量基金的行业配置效率。各基金的季度持股明细可以通过聚源数据库基金深度资料获得。
三、模型设计
1. 符号设计。本文主要使用的符号如表1所示。

2. 模型建立。根据上述有关文献和定义的说明，本文对行业配置有效性的评价模型设计步骤如下：
Ri,j,k为行业的积极型收益，表示第i只基金所持有的第j个行业在第k个考察期内的收益率ri,j,k与同期整个股票市场收益率rm,k的差值，即：
Ri,j,k=ri,j,k-rm,k（1）  
式中，rm,k为以沪深A股两个市场的加权平均收益率作为市场基准组合收益率，即：
rm,k=■（2）  

式中，Hi,j,k为行业的积极型头寸，表示第i只基金所持有的第j个行业在第k个考察期内的市值占该基金股票投资总市值的比例的均值hi,j,k与同时期这个行业的流通市值占整个股票市场总流通市值比例的均值hj,k之差，即：
Hi,j,k=hi,j,k-hj,k（4）  
式中，hi,j,k可以从基金公告的持股明细中获得，而

定义Si,j,k为行业配置有效性指标，即：
Si,j,k=Ri,j,k×Hi,j,k（6）  
若Si,j,k为正，则说明基金持有该行业“多头寸”的同时获得了积极型收益，或者说明基金持有该行业“缺头寸”的同时避免了积极型亏损（负的积极性收益），从而表明基金对该行业的配置有效，反之，则表明基金对该行业的配置无效。
相应的，定义Si,k为第i只基金在第k个考察期内的行业配置有效性指标，即：
Si,k=     Si,j,k（7）  
定义Si为第i只基金在整个考察期内的行业配置有效性指标，即：
Si=     Si,k/k=         Si,j,k/k（8）  
根据式（8）可知，市场基准组合的指标为：Si,k=0且Si=0。
在一个非有效市场中，如果基金采取行业配置策略，则有以下三种情况：当Si,k>0或Si>0时，说明整体上看基金行业配置有效，且它们的值越大，基金经理的行业配置效率越高。当Si,k<0或Si<0时，说明行业配置输给了市场组合，且它们的值越小，基金经理的行业配置效率越低。当Si,k=0或Si=0时，说明基金行业配置效率一般，即虽然没有输给市场，但也没有利用好市场的机会去战胜市场。
四、实证分析结果
      首先统计2006年1月1日至2012年12月30日沪、深两市A股指数的季度涨跌幅和沪、深两市A股平均季度总流通市值。根据公式和以上统计结果，计算市场基准组合收益率。
其次，收集各基金前十大行业所对应的行业指数的后复权收盘价，计算出各期收益率ri,j,k，并根据式（1）进一步计算各行业的积极型收益Ri,j,k。
再次，收集各基金前十大行业占基金股票投资总市值的比例只占整个股票市场总流通市值比例，并计算出hi,j,k、hj,k以及积极型头寸Hi,j,k。
最后，计算出各个基金不同时期的行业配置效率指标S。其描述性统计如表2所示。
五、对实证结果的分析
1. 整个考察期内激进配置型基金行业配置效率指标分析。从表2的“S.整个考察期”这一行可以看出：在整个考察期内，所有的激进配置型基金的行业配置效率指标均值大都为正。对“S.整个考察期”进行T检验，结果见表3。由表3可以看出，开放式基金的行业配置效率指标S显著不为0，基金在整个考察期进行了较有效的行业配置。这个结果也表明，我国证券市场并非是强式有效市场，采取有效的行业配置就可能获得显著的积极型收益。
2. 市场环境对行业配置效率的影响分析。为了便于研究，将股市周期划分为以下三个子期间：牛市子期间（2006年1月 ~ 2007年9月）、熊市子期间（2007年10月 ~ 2008年12月）以及震荡调整子期间（2009年1月 ~ 2012年12月），并对三个子期间行业配置效率指标S进行算数平均。
将三个子期间分成三组，对其进行F检验，结果见表4和表5。由表4、表5可以看出，基金的行业配置效率有时间趋势上的变化，不同时期行业配置效率有不同。      如表6所示，在牛市，基金S指标小于0的有12个，S指标算数平均数为0.275 9%；在熊市则只有2个，S指标算数平均数为1.732%；在震荡市，基金S指标小于0的有3个，S指标算数平均数为0.523 4%。2007年10月以后，基金的行业配置效率较之牛市更高，原因可能有以下几点：一是在牛市中，推动大盘上涨的主要是一些大盘股，大盘股的规模较大，但收益率上涨可能较为缓慢，熊市则反之，这样计算的S指标更小；二是基金管理公司属于机构投资者，在面对下跌行情时，选择建立较为保守的投资组合，这反而可能更好地挑选行业和挑选个股。震荡市的环境下，S指标为0.523 4%，标准差在三个子期间居中，这一定程度上反映出在当前市场环境的复杂性和机遇性中，不同基金的行业配置效率存在较大差异。
3. 不同级别基金的行业配置效率的比较分析。首先，按照晨星三年评级对基金进行排序，并分别对一星至五星赋值为1 ~ 5，与整个考察期内行业配置效率指标S绘制折线图，结果如下图所示：
      从上图可以看出，随着晨星评级的提高，基金的行业配置并没有更加有效，也就是说，晨星评级并不能反映基金实际的行业配置效率。我们也对晨星评级做了简单的Pearson相关系数分析，相关系数为-0.014 0，二者几乎没有相关性。晨星评级与行业配置效率不相关的原因主要是：晨星评级方法主要基于我国目前基金运作、市场环境和投资者的成熟度与国外一致，可以照搬国外基金评级方式的假设，同时其评级的数据是基于基金整体业绩来进行的，而本文的数据是完全基于国内市场环境而得出的，是仅仅针对基金的行业配置是否有效这个问题展开的，所以这可能会在一定程度上造成二者的结论不一致。
六、结论与展望
本文以2006年1月1日到2012年12月31日作为考察期间，以季度为单位，研究了我国35只激进配置型基金的行业配置效率。研究结果表明，从整体上看，激进配置型基金显示出较好的行业配置效率，同时，市场环境会对基金的行业配置效率产生一定的影响。当下的晨星评级并不能反映基金实际的行业配置效率，我们无法建立晨星评级与行业配置二者的联系。
我国激进配置型基金整体的行业配置较有效，有跑赢市场的能力，是值得考虑的投资品种。但从季度数据上看，激进配置型基金的行业配置效率还不稳定，会受到市场环境的影响，基金管理者在不同的市场行情表现出来的行业配置效率的反差深层次的原因，有待进一步探究。此外，从基金持有人的角度来看，在选择投资基金的时候，行业配置效率这一直接影响基金收益的因素是不可忽视的。
因为基金行业配置效率主要体现在证券的选择上，它是基金业绩的一部分。而行业配置效率与个股选择二者对于基金投资组合的贡献度孰高孰低，将成为我们未来研究的重点。
主要参考文献
1. 宋逢明，梁洪昀.发行市盈率放开后的A股市场初始回报研究.金融研究，2001；2
2. 史美景.随机效应方差分量模型及应用——股票换手率及行业因素对收益率影响的定量分析.山西财经大学学报，2002；2
3. 王敬，张铁鹏.行业资产配置的相关问题研究.大连理工大学学报（社会科学版），2004；3
4. 蔡伟宏.我国股票市场行业指数超额联动的实证分析.南方经济，2006；2
5. 杨小燕，王建稳.股票收益率的行业效应分析.北方工业大学学报，2008；3
6. 康力，李振飞.行业因素对我国A股市场收益率的效应研究——基于2001 ～ 2010年面板数据的实证检验.投资研究，2012；7
7. 牛鸿，詹俊义.中国证券投资基金市场择时能力的非参数检验.管理世界，2004；10