英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
题目：为什么基金经理增加风险
摘要：
本文研究了基金风险的增加和之后的现金流量。我们尝试去检测基金风险增加实际上增加了基金净流量的假设，这基于风险转移的假设。我们发现基金风险与基金净流量有正相关、凸曲线的关系。风险变化对净流量的影响是对其流入及流出的自然结果。本文的实验结果对基金回报率、基金年龄和基金规模具有较好的稳健性。我们的研究发现为基金管理者转移风险创造了激励机制，在共同基金文献中有证明。
关键词：
风险增加 净流量 资金流入 资金外流 代理问题
第一章 引言
许多研究调查了基金经理（或咨询公司）和投资者之间的代理问题。由于基金经理的资产与总净资产直接相关，他们会尽最大努力使资金流入最大化、使资金流出最小化。许多研究表明了基金业绩不佳的风险增加问题，比如被很多研究发现称为基金经理锦标赛的问题。许多研究发现基金风险的存在会导致基金业绩的增加。
共同及基金的投资者会更加倾向于过度投资表现优异的基金，而不对称的使表现不好的基金不利。这种凸性激励共同基金经理增加风险，以提高基金业绩，从而吸引更多资金流入。更进一步，文献提供了流动与绩效关系的新证明。研究表明，发达国家的凸性关系较弱，国家一级凸性的增加与基金经理增加风险有正相关的关系。
虽然许多研究讨论了共同基金的风险增加，并表明当基金经理增加风险时，他们的表现比随着时间的推移保持稳定的风险水平的基金差。然而，尽管基金经理的最终目标是增加共同基金的净流量，但没有研究分析基金风险增加后的净流量。据我们所知，他们是唯一提到这个概念的作者。我们通过考察风险增加对股票型基金现金流的影响来填补这一文献空白。
风险的增加要么是能力低下的表现，要么是由机构问题引起的。如果基金投资者减少表现不佳的基金的净流量，而这些基金经历过风险增加的情况，将损害基金经理的利益，因为他们的薪酬与基金需求评估密切相关。然而，如果基金投资者增加或不减少表现不佳基金的净流量，而这些基金的风险增加，可能会导致很严重的代理问题。我们建立了一个可检验的假设，即基金风险的增加实际上增加了股票基金的净流量。这是风险转移文献的一个基本假设。此外，我们还通过流入和流出分析研究了投资者的买入和赎回行为。
由于证券价格研究中心数据库不提供共同基金的现金流量，许多研究使用基金回报和技术需求评估计算出的净流量。相比之下，我们从美国证券交易委员会电子数据收集、分析和检索数据库的N-SAR格式文件中收集个别基金的现金流入(新的销售额)和流出(赎回的现金额)。净流量很容易通过从流入量中减去流出量来计算。利用以流入和流出为单位的实际现金流数据，我们可以看出投资者的购买和赎回行为对股票基金风险变化的反应。
另一方面，强调为研究共同基金竞赛行为而选择的数据的频率。为了反映他在本研究中的观点，我们使用日回报率和月回报率来衡量基金的风险。此外，我们使用调整后的风险变化以及原始风险变化来控制市场风险变化的影响。为了证明我们的证据的可靠性，我们测试了风险增加对现金流的持续影响，以及基金规模、年龄和近期业绩对我们结果的影响。
本文的研究结果总结如下。首先，基金风险的变化与其净流量之间 具有正的、凸的关系。即使业绩较差的不成功基金也不会损失净流量， 但业绩较好的成功基金在风险增加之后会产生较高的净流量。这种凸关系非常类似于年和年报告的流量-性能关系。其次，风险变化对净流动的 影响是其对流入和流出影响的自然结果。第三，本文的实证结果对收益 率、基金年龄和基金规模具有较强的稳健性。最后，风险变化对净流量的影响至少持续6个月。我们的研究结果为经理人转移风险创造了激励机制，这在共同基金文献中有所记载。
这项研究有助于现存文献在两个方面。首先，我们提供了明确的证据，证明基金风险的增加会增加股票基金的净流量。其次，使用N-SAR文件中的基金净流量、资金流入和资金流出，我们显示了风险变化对资金流入和流出的影响，表明先前研究中常用的资金净流量不能完全解释基金投资者的行为。
本文的章节安排如下。第二章描述数据和汇总统计。第三章根据风险变化检查投资组合的现金流。主要的经验证明是。第四章提供更多经验证明。第五章最后一部分是论文的总结。
第二章 数据
2.1 数据来源
我们从CRSP共同基金数据库和SEC的EDGAR数据库中获取数据。从CRSP共同基金数据库，我们获得个别基金的每月和每日收益和技术需要评估。关于每月现金流量， 大多数先前的研究使用基金回报和技术需要评估估计单个基金的净流量， 因为 CRSP 数据库不提供共同基金的现金流量。然而，我们并不使用 CRSP 数据库的估计现金流量，而是从 SEC 的 EDGAR 数据库的表单 N- SAR 文件中收集个人基金的现金流入和流出，并通过从流入中减去流出 来计算净流量。接下来，我们在投资组合层面定义一个基金，包括基金 中的所有股票类别。由于 CRSP 数据库包含股票类别层面的各种基金数 据，因此我们将所有股票类别的技术需求评估汇总起来，计算一只基金 的技术需求评估，并计算基金每月和每日平均收益的技术需求评估加权 值。由于 CRSP 基金编码与中央指数密钥(CIK)的 N-SAR 基金编码没有 直接关系，我们采用基金名称匹配的方法，将 CRSP 基金数据与 EDGAR 基金数据进行人工合并。
为确定基于 CRSP 标准的基金类型，我们使用 StrategicInsights1994 年1月至1998年6月的分类和 Lipper1998年7月至2011年6月的分类。 我们将国内股票型基金分为三种类型:增长型、增长型和收益型，以及中小型股。当我们将交易所交易基金和指数型基金排除在外时，我们在 CRSP 数据库中得到了样本期间(1994年1月至2011年6月)共16205个国内股票型基金类别或基金的主要类型。这 16205 个股票类别或基金属于5620个个体基金，因为一个个体基金可能有几个股票类别。 在 5620 只基金中，5160只与 EDGAR 的数据完全吻合。接下来，我们排除所有技术需要评估低于 1500 万美元的基金和期限不超过两年的基金。我们还排除了净流量小于-90%、流入量大于 1000%和流出量大于 200%的情况。通过这一筛选过程，我们获得了3122只国内股票型基金。 我们收集市场回报率和无风险利率(一个月的国库券利率)从肯尼斯弗伦奇的图书馆网站。
2.2 现金流量和风险变动的定义
我们将个人基金的每月流入、流出和净流量定义为:
流入=新增销售额/总净资产
流出=兑现现金/总净资产
其中新销售额 t 是指在 t 月份出售的基金份额，即赎回现金，t 是指赎回的基金份额，在 t 月回购，TNAi，t-1 是基金 i 在 t-1 月底的总净资产。
为了研究风险变化对现金流量的影响，我们使用了两种风险变化的定义。第一个是基金前 12 个月的原始风险变动，即第二个6个月期间与第一个 6 个月期间的标准差之间的差异。我们称之为调整后风险变化，表示每个基金的时间序列回归的残差如下:
?sigma; =a b?sigma;Market bsigma; e ,
?sigma;adjusted = ei,tminus;6:tminus;1,
其中 i，t-6:t-1 是第 i 只基金在前12个月上半年的原始风险变动。
2.3 统计摘要
表一列出每年的统计摘要，即基金数目、年底的技术需要评估、年度回报、每月回报的标准数字，以及每年的每月现金流量(净流量、入流量及出流量)。这些统计数字是基金的简单平均价格。该表还报告了每年实际 净流量和估计净流量之间的差异，以确认我们流量数据的准确性。这张表报告了 1995 年的统计数字，因为我们需要至少 12 个月的基金回报数 据来计算变量；因此，我们失去了第一年(即 1994 年)的观察值。
基金数量稳步增加，平均技术需要评估每年超过 10 亿美元。技术需求评估基金提供了更多对时间变化的洞察力。技术问题的爆发导致技术需要评估从 1999 年底的 20.91 亿美元下降到 2002 年底的10.37 亿美元，尽管资金数量从 828 增加到 1111。同样，在 2008 年全球金融危机期间，技术需求评估的最低价值为 10.13 亿美元。每年累积申报表的最高数值在 2003 年(33.46%)，最低数值在2008 年(-38.15%)。标准偏差范围为 2.35%(1995 年)至 7.29%(2000 年)。各年度房地产净流量均为正值。重要的一点是，如果 CRSP 和 EDGAR 数据之间的人工匹配过程是正确的，那么每年的净流量和估计的净流量之间的差值 在统计上应该是零。如表所示, 在统计学意义上，差异并不等于零。因此，毫无疑问，我们 可以用 EDGAR 的数据来换取现金流动。
第三章 基于风险变化的投资组合现金流量
在主要的实证分析之前，我们简要地看一下基于月度风险变化形成的投资组合的现金流量，以获得实证模型的概念。在这种方法中，我们基于先前的原始风险和调整后的风险变化的排名形成投资组合，并比较投资组合的现金流。所有的投资组合每个月都要重新平衡。在每个月 t，我们根据原始和调整后的风险变化将所有基金分成十等分的投资组合。 第一(十)等分的投资组合具有最低(最高)风险变化的特点。最低(最高)风险变化意味着在样本基金中风险的最大减少(增加)。
表二显示原始和调整风险变化，现金流量，技术需求评估，以及基于样本期间原始和调整风险变化形成的十等分基金投资组合的年龄。A 小组报告基于原始风险变化的现金流量。净流量可能随着风险变化而增加， 但它们之间的关系并非严格单调。第一个十分位的净流量最低，第十个十分位的净流量最高。斯皮尔曼排名相关系数为 0.6(0.83)，t 值为 2.85(4.19)，这似乎意味着净流量与原始风险变化呈正相关。然而，资金流入和流出与风险变化呈 u 型关系。第一个和第十个十分位数的流入和流出量比其他十分位数最大，它们的流入(流出)明显大于两个中间十分位数的平均流入(流出)。这表明，基金的严重增加或减少风险导致大量流入和流出。每十分位投资组合的流入量 大于流出量。流出的 u 型模式几乎是对称的，而流入的 u 型模式则不如 前者对称。例如，第一个十等分和第十个十等分之间的流出量差异可以忽略不计(即0.0003)，但流入量的差异相对较大(0.0036)。低十分位数的 流入减去流出(即净流量)比高十分位数的流入减少。基于这个情况，我们可以说基金原始风险的增加可能会增加资金净流量，因为风险变动幅度较高的十分位数组别的资金流入量较风险变动幅度较低的十分位数组别的资金流入量为大，但这可能是草率的结论。
那么，为什么流入和流出与风险变化呈现 u 型关系呢?我们推断，这些关系是从年轻的和小的基金中分离出来的。这表明，增加风险份额的基金相当大，而且，尽管冷基金的许多长期投资者在寻找最新、最大的基金时，可能不会将其视为投资地点，但如果最近的回报低于平均水平，他们也不太可能撤出。根据以往的研究，我们计算了十等分投资组合最后两栏的平均基金年龄和技术需要评估，以表明资金流入和流出的 u 型关系来自年轻和小型基金，这些基金的风险严重增加或降低风险。正如预期的那样，基金年龄和技术需求评估与风险变化呈反 u 型关系，这表明年轻基金和小型基金风险严重增加或减少，老基金和大基金风险不严 重变化。相应地，资金流入和流出与风险变化呈 u 型关系。
B组根据调整后的风险变化报告现金流量。我们能够观察到与原始风险变化情况相似的风险结构。斯皮尔曼排名相关系数为 0.70(0.78)，t 值为 3.31(3.55)，这也表明净流量与调整后的风险变化呈正相关。资金流入与流出也呈 u 型关系，经调整后的风险变化也呈现 u 型 关系，但在这种情况下，资金流入与资金流出的 u 型关系也不如资金流出的 u 型关系对称。值得注意的是，投资组合 D10 的资金流入量比其他10等分的投资组合大得多。无论如何，我们无法发现原始风险变化和调整后风险变化之间的现金流量存在任何显著差异。与B组一样，基金年龄和技术需要评估在形成资金流入和流出随风险调整变化的 u 型关系方面发挥着同样的作用。
表二的一个重要含义是，现金流量可能有一个非线性或分段线性关系与先前的风险变化，如流量-绩效关系。为了将前面讨论的结果纳入本文的经验模型，我们想用分段线性回归和线性回归来检验现金流量与先前风险变化之间的关系。
第四章 经验证据
基金业绩对现金流的影响最大。基于现金流量在很大程度上受前12个月的业绩影响的事实，我们在控制了基金业绩之后测试了风险增加对随后一个月现金流量的影响。第一步，我们估计线性回归模型。但是，我们必须牢记，我们不知道风险变化和现金流量之间的真正关系。幸运的是，表2允许我们推测它们之间的关系。尽管净流量似乎与风险变化呈正线性关系，但流入和流出可能与风险变化呈非线性U形关系。 U形关系可以通过分段线性回归建模，如Chevalier和Ellison（1997）以及Sirri和Tufano（1998）估计的流量-绩效关系。我们使用线性和分段线性回归模型来估计它们之间的关系。
4.1 线性回归
我们使用控制其他基金特征的以下线性回归模型测试风险变化对现金流量的影响：
Flowsi,t = alpha; beta; ?sigma;i,t minus;6:t minus;1 (or ?sigma; adjusted i,t minus;6:t minus;1 ) gamma;1 ?Ranki,t minus;6:t minus;1
gamma;2Ranki,t 剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236189]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
