“学海拾珠”系列之二百二十一：跟踪误差的构成成分、中期交易与基金业绩.docx

正文目录

TOC\o1-3\h\z\u引言 4

数据与方法 5

数据 5

方法 7

结果 9

主动管理的构成成分 9

主动管理与业绩 10

业绩指标之间的相关性 10

主动管理与基金业绩 10

主动管理的构成成分与基金业绩 11

基金业绩与主动管理之间关系的稳健性分析 12

基金与合成组合的整体业绩表现 13

4 讨论 14

5 结论 15

风险提示： 15

图表目录

图表1文章框架 4

图表2基金样本 6

图表3样本收益的描述性统计 7

图表4主动管理的构成成分 9

图表5业绩指标之间的相关性 10

图表6主动管理与基金业绩 11

图表7主动管理的构成成分与基金业绩 12

图表8主动管理与基金业绩：回归模型 12

图表9主动管理与整体表现：回归模型 14

引言

图表1文章框架

资料来源：

过去几十年间金融文献探讨的主要问题之一，是主动管理为基金投资者所带来的价值。基于收益数据，主动管理通常通过跟踪误差来衡量。跟踪误差有时被定义为资产定价模型中基金收益与其风险调整收益之间的差异（Cremers和Petajisto，2009）。因此，跟踪误差与基金的特质风险相关联，所以可以使用R2作为主动管理的衡量指标（Huij和Derwall，2011；Amihud和Goyenko，2013）。

通过特质风险来衡量主动管理程度的主要局限在于，这部分风险也部分地由基金所投资的资产被动地产生。事实上，如果一个投资组合遵循被动的买入并持有策略，那么只要其持仓结构与模型中所使用的基准股票权重或风险因子不同，就很可能呈现特质风险。

为了克服上述局限，文献提出一种方法：该方法将跟踪误差定义为基金收益与

在季度初复制基金持仓的合成投资组合收益之间差异的方差，这两种收益之间的差

异是基金在每个季度内通过中期交易进行主动管理的结果。Matalin-Saez和deMingoLopez（2024）也比较了基金和合成投资组合的收益，但他们使用日收益之间的相关性作为季度内主动管理的代理指标。

基于跟踪误差来衡量基金的主动管理程度是一种常见做法。上述定义方法不同，因为这个定义既不与外部基准相关联，也不需要根据资产定价模型进行调整。相反，它是相对于基金本身（即季度内没有进行交易的基金持仓的被动版本）的跟踪误差。

且这一衡量标准既可以直接应用，无需任何资产定价模型，也可以在模型下应用。运用于模型中时，还可以区分主动管理的两个组成部分：系统性成分和特质性

成分。第一个成分是跟踪误差中与系统性风险系数变化相关的部分。第二个成分是

与模型残差相关的部分。后者不仅考虑了基金的特质风险，还考虑了该特质风险的

被动来源（即被动合成投资组合的特质风险），以及基金和其合成投资组合残差之间的协方差。

方法论结合了收益和持仓的数据，并整合了主动管理和业绩的衡量。将基金收益与被动合成投资组合的收益进行比较是一种直接的业绩衡量方法（与Kacperczyk等人2008年提出的收益差距衡量方法相一致），无需应用任何资产定价模型。还通过线性资产定价模型得出的传统Alpha（Jensen,1968;Carhart,1997;FamaandFrench,2015）来估计基金业绩。这一过程具有额外优势，因为基金的异常收益针对多个系统性风险来源进行了调整。然而，如Cremers等人（2013）所示，这部分Alpha可以通过基金投资的资产类别被动获得，并且可能无法通过模型的解释变量来捕捉。为了解决这一问题，建议将基金的异常业绩估计为基金Alpha与在季度初复制基金

持仓的合成投资组合的Alpha之间的差异。因此，这种异常业绩可仅归因于通过中

期交易进行的主动管理。

使用2000年至2020年期间美国权益基金样本进行分析。首先，在总体水平上，中期交易下的基金主动管理水平较低。然而，基金之间存在差异，因为一些基金的合

成收益差异存在更大的偏差。此外，主动管理的特质性成分比系统性成分更为重要。

总体而言，发现通过中期交易进行的主动管理与业绩差异之间存在负相关或不显著的关系。尽管所应用的方法论存在一定差异，但这些结果与先前的研究相一致。例如，Kacperczyk等人（2008）发现收益差距与基金的异常业绩之间没有明确关系。

同样，Frazzini等人（2016）没有发现业绩与Cremers和Petajisto（2009）提出的主动份额之间存在关系，这与这些作者之前报告的证据相反。

此外，还分析了主动管理与由多因子模型Alpha衡量的传统业绩之间的关系。平均而言，Alpha值为负，这一结果与大多数研究基金业绩的文献