摘要：基金的选股和择时能力是影响基金投资绩效的决定因素，基金绩效分解的基础理论模型包括T—M模型、H—M模型、C—L模型和HM—FF3等模型。运用上述模型对我国开放式基金中的股票型基金和混合型基金进行绩效分解实证研究表明，对于样本基金而言，无论是股票型基金，还是混合型基金，总体上具有一定的选股能力，但基本不具备择时能力。
关键词：业绩分解理论；证券投资基金；基金绩效；选股能力；择时能力
一、引言
随着我国证券投资基金业的迅速发展和证券投资基金制度的不断变迁，我国的基金品种不断增加，建立一套科学、完备的评价体系，使之能有效地评估基金绩效，不仅具有很高的理论价值，也有着重要而紧迫的现实意义。基于此，本文力图回答的问题是：自2007~2010年，我国的证券投资基金业伴随着证券市场的波动进入了一个新的发展阶段，而我国基金业的主力———股票型基金和混合型基金在此期间的绩效如何？是否具有选时择股能力？这是一个值得探讨的问题。
基金的绩效主要是由基金的收益体现，而基金的收益主要来自于两个方面，一个是基金经理选择了业绩良好、能带来超额收益的股票，另外一个是基金经理对整个市场的动向把握比较准确，即在市场表现向好的时候基金的风险资产比重高，无风险资产比重较低，而市场表现低迷或者转向时，风险资产比重较低，无风险资产比重较高，这样基金能获得择时所能带来的收益。因此在对基金的绩效进行评价时，有必要对基金的这种选股与择时能力进行分析，从而判断基金绩效的具体表现。
对证券投资基金的绩效进行分析，一直是金融研究领域的重要课题。1952年，Markowitz首次基于证券选择理论（portfolio selection theory），提出了均值—方差（mean—variance）分析框架，这不仅为现代金融投资理论建立起基础的分析范式，更为后来发展起来的各种投资组合绩效评价模型奠定了基础[1]。随后，Sharpe、Lintner以及Mossin分别独立提出资本资产定价模型（capital assets pri—cing model，CAPM）。在此基础上，有价证券风险与收益之间的联系得到了充分揭示，证券投资组合绩效评估模型开始建立起来。此后，有很多学者对基金绩效如何衡量和评价进行了研究。
近几年，随着中国证券投资基金的发展，一些学者也展开了相关研究，代表性的有：张婷和李凯选取1999年前上市的12只基金在1999年上半数据，依据资本市场理论，通过应用事后证券组合特征曲线的回归分析，对证券投资基金的投资绩效及其投资组合策略进行实证研究。他们的研究结果表明：投资基金全都获得了超出市场平均水平的超额收益率，且投资绩效显著；基金组合投资绩效产生的原因不是来源于基金的择时能力，而是来源于选股能力[2]。沈维涛和黄兴孪选取1999年5月10日以前上市的10只新基金，以1999年5月14日至2001年3月23日的数据为样本，应用国外基金业绩评价中普遍采用的风险调整指数法、T—M模型和H—M模型，对我国证券投资基金的业绩进行实证研究。他们的研究表明，经过风险调整后，我国证券投资基金的业绩总体上优于市场基准组合；我国基金经理的良好业绩是通过一定的选股能力来获得的；几种不同的评价指标对10只基金业绩的排序结果非常相近，而且，即使不考虑风险因素，只根据基金净资产值的涨幅大小进行排序也具有较高的参考价值[3]。薛锋和董颖颖选取10家证券投资基金2001年的业绩数据作为样本，在对基金绩效进行分解的基础上，对证券选择能力和市场时机把握能力指标进行了深入分析和评价，指出选股能力和择时能力是衡量基金绩效的重要内容，同时指出了西方传统风险调整收益指标所存在的缺陷，实证结果表明2001年中国基金管理人不仅选股能力有限，而且择时能力也较差[4]。李红权和马超群在回顾与分析基金绩效评估理论的基础上，采用经典的詹森阿尔法指标及T—M模型、H—M模型，并引入了基于主动投资风险度与风险价值调整后的两个夏普比率新指标，对我国证券投资基金在2001~2002年的绩效表现进行了较为全面的衡量[5]。王守法选取1999年12月31日前上市且规模为20亿的10只基金从2000年1月至2003年8月的累计单位净值数据为样本，从收益与风险、风险调整收益、基金经理人的选股择时能力以及基金绩效的持续性4个方面建立指标体系，并用主成分统计分析方法对上述四个方面进行综合，得出一个度量基金绩效的综合指数，对各基金进行全面的评价与排序，克服了以往单纯使用一种或某几种方法带来的缺陷与不足[6]。
鉴于业绩分解理论在基金绩效中的重要作用，本文基于业绩分解理论，对我国开放式基金中的股票型基金和混合型基金进行绩效分解的实证研究。
二、基金绩效分解模型介绍
从基金理论的发展来看，被广泛检验的基金绩效分解模型主要有以下的四种：
（一）T—M模型Treynor和Mazuy认为，当基金经理能够把握市场的走势的时候，基金经理将根据其预测来调整风险资产组合，或者风险资产与无风险资产之间的组合，那么基金所表现出的收益和风险之间的关系不再是简单的线性函数关系，而会是一条上凹的曲线[7]。于是，他们在传统CAPM模型的基础上，通过增加一个二次式来检验基金的选股与择时能力，即T—M模型，也称为二次式模型，其表达式如下。
Rp，t—rf，t=αp+β1（Rm，t—rf，t）+β2（Rm，t—rf，t）2+εp，t（1）其中：Rp，t表示基金的收益率；Rm，t表示基准市场组合的收益率；rf，t为无风险资产的收益率；αp表示基金的选股能力；β1为基金投资组合收益率对于对市场基准投资组合收益率的风险系数；εp，t为随机误差项。Treynor和Mazuy认为，基金经理的择时能力可以通过观察二次式系数β2来检验：如果β2大于零，则表明基金经理成功地把握了市场走势的转折点并实施的相应的策略，否则表明基金缺乏择时能力或者对市场时机的把握不够精准。我们可以通过对上式进行变形，以便更清楚地了解T—M模型是如何解释基金经理的择时能力。
Rp，t—rf，t=αp+βt（Rm，t—rf，t）+εp，tRp，t=αp+（1—βt）rf，t+βtRm，t+εp，tβt=β1+β2（Rm，t—rf，t）， t=1，2，3…Tβt表明基金投资组合的市场风险系数具有时变性。若β2>0，当Rm，t—rf，t>0时，则βt>β1，表明基金持有了较多的风险资产，减少了无风险资产；当Rm，t—rf，t<0，则相反，基金会持有较少的风险资产，而持有较多的无风险资产。所以，具有正的β2值表明基金经理具有较好的时机把握能力。
（二）H—M模型
Henriksson和Merton假设基金经理会根据预测的市场组合收益来调整基金的投资组合，当预测市场组合收益大于无风险收益时，基金经理会提高风险资产的比例；而当预测市场组合收益小于无风险收益时，基金经理会降低风险资产的比例，因此调整后基金组合的风险可以通过在CAPM传统模型中引入一个二项式随机变量来描述，提出基金绩效评价的H—M模型[8]。该模型的一般表达式如下：Rp，t—rf，t=αp+β1（Rm，t—rf，t）+β2max（0，rf，t—Rm，t）+εp，t（2）该模型可根据市场的具体情况做出不同的变形，当时Rm，t—rf，t>0，模型变为Rp，t—rf，t=αp+β1（Rm，t—rf，t）+εp，t此时，组合的β值为β1；当Rm，t—rf，t<0，模型变为rp，t—rf，t=αp+（β1—β2）（rm，t—rf，t）+εp，t此时，组合的β值为β1—β2。所以若存在一个正值的β2，则表示基金经理能在市场表现欠佳的时候主动降低基金投资组合的风险，说明基金经理具有时机把握能力。而这种思路的另外一种表达式是引入虚拟变量，表达式为：rp，t—rf，t=αp+β1（rm，t—rf，t）+β2（rm，t—rf，t）d+εp，t当rm，t—rf，t>0时，D=1；否则，D=0。同样正的β2值表示基金经理在市场表现较好的时候增加的基金投资组合当中的风险资产，表明基金经理具有时机把握能力。
（三）C—L模型
在Henriksson和Merton的基础上，Chang和Lewellen把市场的运行区间更加明确地分为上升期和下降期，提出了C—L模型，并且对该模型中这两个时期的β都进行回归取值，再通过两个β间差值的显著性来判断基金的择时能力[9]。C—L模型的一般表达式如下：Rp，t—rf，t=αp+β1min（0，Rm，t—rf，t）+β2max（0，Rm，t—rf，t）+εp，t（3）引入虚拟变量D，则该模型可以表示为：Rp，t—rf，t=αp+β1D1（Rm，t—rf，t）+β2D2（Rm，t—rf，t）+εp，t其中，D1和D2为虚拟变量，取值为0或1，β1和β2分别是下降期和上升期的组合风险。当Rm，t—rf，t>0时，D1=0，D2=1；Rm，t—rf，t<0时，D1=1，D2=0。通过对β1—β2的假设检验，则可以判断基金的择时能力。若β1—β2<0则表示基金具有择时能力，反之则没有择时能力。与h—m模型相比，利用c—l模型进行检验时，即使结果显示β1—β2>0，也还是可以通过β1—β2的变化来分析基金择时能力的变化。
（四）Fama—French“三因素”模型Fama和French的研究表明，运用CAPM模型分析基金组合收益时，并没有涵盖各类风险因素，应该将规模因素和账面市值比率的差异等因素也考虑进来，因此，开始采用三因素模型对上述T—M和H—M模型进行改进，得到TM—FF3模型和HM—FF3模型[10]。
改进后的模型在原来模型的基础上增加了规模因素和账面市值比因素。TM—FF3模型具体表达式为：Rp，t—rf，t=αp+β1（Rm，t—rf，t）+β2（Rm，t—rf，t）2+λ1RSMB+λ2RHML+εp，tHM—FF3模型具体表达式为：Rp，t—rf，t=αp+β1（Rm，t—rf，t）+β2（Rm，t—rf，t）Dt+λ1RSMB+λ2RHML+εp，t（4）其中，RSMB表示投资组合中小盘股组合的收益率与大盘股组合的收益率之差，RHML表示高账面市值比股票组合的收益率与低账面市值比股票组合的收益率之差。
三、数据来源与处理
（一）模型和数据的选择本文选择T—M模型、H—M模型、C—L模型和HM—FF3模型，即模型（1）~（4）对我国基金绩效进行评估。本文对基金绩效的研究都是以日数据为基础。
本文选择我国的开放式证券投资基金中的股票型基金与混合型基金作为研究对象，选取的时间段为2007~2010年。样本数据选取原则为：只要某只基金是2007年以前成立发行的，并且到目前为止还没退市，则纳入为研究对象。另外，也对每个年度的基金的绩效进行了分解，因此只要某只开放式的股票型基金或者混合型基金，其在2007~2010年的某个会计年度具有完整的净值数据，则将其纳入研究对象。本文还选择一年期定期存款利率作为无风险利率指标，选取上证指数的日收益率作为市场基准收益率指标。
对于代表中小盘股组合的收益率与大盘股组合的收益率之差RSMB指标，本文采取中信风格指数当中的中信大盘指数的日收益率数据与中信小盘日收益率指数之差；反映高账面市值比股票组合的收益率与低账面市值比股票组合的收益率之差RHML指标，本文采用如下方式获得：（中信大盘价值指数日收益率+中信中盘价值指数日收益率+中信小盘价值指数日收益率）/3—（中信大盘成长指数日收益率+中信中盘成长指数日收益率+中信成长价值指数日收益率）来代表。
（二）数据的处理
首先，先从Wind数据库中，将开放式基金的数据按股票型基金、混合型基金两个类别的基金在2007~2010年的基金单位净值数据导出，然后对每只基金剔除掉不完整年度的数据。在导出的754只开放式基金数据当中，各年度具有完整数据的基金数据统计结果见表1。
然后，计算基金的日收益率，本文采用的是基金日单位净值的对数收益率。采用对数收益率的好处首先是近似连续复利收益率，其次，当将其转换为周收益率、月收益率的时候，只要简单相加便可，且数据分析更加精确。第三步，将无风险收益率的数据和上证指数的日收盘价，转换为对应的日对数收益率序列。第四步，按照计算公式计算RSMB和RHML指标的值。第五步，按照各个模型的计算公式，通过最小二乘法来估计各个变量的参数，并检验各个系数的有效性。所有数据的处理与计算过程均采用Matlab统计分析软件来实现。
四、基金绩效评价实证结果
（一）股票型基金绩效评价本文首先研究了股票型基金的选股与择时能力，按照各个模型，Alpha大于零，并且通过有效性检验，代表基金具有选股能力，而Beta2大于零（C—L模型除外），并且通过有效性检验，代表基金具有择时能力，同时，我们得出了每个模型所代表的选股能力的前20名的股票型基金，与择时能力前20名的股票型基金，其中，可以通过系数的T统计量来判断系数是否显著不等于零①。本文得到了四种择时评价模型的判别结果，如表2所示：表2反映出，在2007~2010年期间，无论是单个年份，还是整个时间跨度期内，基于T—M模型、HM模型、HM—FF3模型的结果，可以认为样本股票型基金具有一定的选股能力（Alpha>0），但总的来讲，通过有效性检验的.基金数目在总数的1·67%~38·22%之间；而上述模型的结果反映出，样本股票型基金中具有择时能力者（Beta2>0）很少，只有总数3·42%的股票型基金通过有效性检验，故具有择时能力的样本股票型基金微乎其微。C—L模型的结果反映出，占总数9·64%~38·22%的样本股票型基金具有选股能力；同时，占总数11·46%~49·40%的样本股票型基金具有择时能力。
另外，将每个模型的计算结果中代表选股能力的Alpha，与代表选股能力的Beta2（C—L模型中为Beta2—Beta1）做散点图，横轴代表基金的选股能力，越往左，代表基金具有较强的选股能力；而纵轴代表择时能力，越往上代表基金具有较强的择时能力，其作图结果如下：从图1中，我们发现对于Alpha而言，大部分样本股票型基金处于零轴（Y=0）的左方，而对于Beta2来讲（C—L模型中的Beta2—Beta1），其绝大部分处于零轴（X=0）的下方，而且有一部分样本股票型基金处于第三象限，即Alpha<0和Beta2<0，说明样本股票型基金既不具有选股能力也不具有择时能力；而处于第一象限的样本股票型基金则少之又少，即alpha>0和Beta2>0，即很少有样本股票型基金既具有选股能力又具有择时能力。
（二）混合型基金绩效评价
本文采用同样的方法研究混合型基金的选股与择时能力，按照各个模型，Alpha大于零，并且通表3反映出，在2007~2010年期间，无论是单个年份中，还是整个时间跨度期内，基于T—M模型、HM模型、HM—FF3模型的结果，可以认为样本混合型基金具有一定的选股能力（Alpha>0），但总体而言，通过有效性检验的基金数目不超过总数的32·14%；而上述模型的结果反映出，具有择时能力的样本混合型基金（Beta2>0）很少，样本混合型基金通过有效性检验的不超过总数的1·43%，所以具有择时能力的样本股票型基金几乎没有。而C—L模型的结果反映出，占总数6·60%~22·01%的样本股票型基金具有选股能力；同时，占总数1·43%~42·45%样本股票型基金具有择时能力。
同样，我们将每个模型的计算结果中代表选股能力的Alpha与代表选股能力的Beta2（C—L模型中为Beta2—Beta1）做散点图，横轴代表基金的选股能力，越往左，代表基金具有较强的选股能力，而纵轴代表择时能力，越往上代表基金具有较强的择时能力，其作图结果如下：从图2中，我们同样会发现，对于混合型基金的Alpha来讲，大部分样本混合型基金处于零轴（Y=0）的左方，而对于Beta2来讲（C—L模型中的Beta2—Beta1），绝大部分样本混合型基金处于零轴（X=0）的下方，也有一部分样本混合型基金处于第三象限，即Alpha<0和Beta2<0，说明样本混合型基金既不具有选股能力，也不具有择时能力，而处于第一象限的样本混合型基金则少之又少，即al—pha>0且Beta2>0，即很少有样本混合型基金既具有选股能力也具有择时能力。
五、简要结论和启示
本文首先介绍了基金绩效分解的四种基础模型，并选择了T—M模型、H—M模型、C—L模型、HM—FF3模型，对我国开放式基金中的股票型基金和混合型基金进行绩效分解的实证研究。本文选取的时间跨度是2007~2010年，所选样本为具有完整数据的83只股票型基金与106只混合型基金。回归分析后得到如下实证结果：
（1）对于样本股票型基金，T—M模型、H—M模型、HM—FF3模型认为其中的10%左右具有选股能力，几乎没有股票型基金具有择时能力；C—L模型则认为13·25%的股票型基金具有选股能力，30·12%的股票型基金具有择时能力。
（2）对于样本混合型基金，T—M模型、H—M模型、HM—FF3模型认为其中不到10%具有选股能力，混合型基金几乎没有具有择时能力；C—L模型则认为10·38%的混合型基金具有选股能力，21·70%的混合型基金具有择时能力。
（3）总体上，样本股票型基金和样本混合型基金，均具有微弱的选股能力，但它们基本不具背择时能力。
针对上述实证结果，本文认为：
（1）对于样本基金基本都不具备择时能力的结论，与近期相关的研究基本符合，即我国的开放式基金基本不具备择时能力。其原因可能包括：我国资本市场在2007~2010期间的大幅波动、我国公募基金的相对排位规则等，具体有待进一步研究。
（2）对于样本基金的择股能力，由于本文实证的样本基金，其投资管理风格既有积极型也有被动型，故此可能有一部分样本基金特别是积极型基金，具有一定的选股能力。
