基金投资风格漂移识别基于收益和风险双维度

2014-09-19 06:56彭耿

财经理论与实践 2014年3期

彭耿

基金项目：国家社会科学基金项目资助（批准号：11CGL022）

摘要：修正EGARCHM模型构建基金投资风格漂移识别模型，考量收益和风险两个维度。实证发现，在较长时期内，中国基金投资风格不存在严重的漂移现象不明显，但在较短时期内，基金投资风格没有表现出较大的漂移度，相对于股市上涨阶段，股市下跌阶段基金投资风格发生漂移的概率更高。与现有的两种主要基金投资风格漂移识别方法相比较，模型具有四个方面的优越性，实证研究表明模型是可行的。

关键词：基金投资风格；收益；风险；EGARCHM模型

中图分类号：F830.59 文献标识码： A文章编号：1003-7217(2014)03-0037-07

一、引言

Sharpe（1992）发现，特定的投资风格决定了90%的基金收益［1］，投资风格成为投资者选择基金的主要考虑因素，基金在发行销售时，也会通过标榜其独特的投资风格来吸引投资者申购。但国内外大量的实证研究表明，基金在实际投资过程中发生了投资风格漂移的现象，并没有维持投资风格的连续性和一致性。此时，投资风格不能起到购买基金的参考作用，反而有可能误导投资者，甚至会影响整个证券市场的稳定。因此，基金投资风格漂移的识别研究，对基金投资者及监管部门都具有重要的实际意义。

目前，国内外学者对基金投资风格识别的研究主要集中在事后识别方法上，基于组合的基金投资风格识别（PBSA，Portfolio Based Style Analysis）方法和基于收益的基金投资风格识别（RBSA，即Return Based Style Analysis）方法，基金投资风格漂移的测量是在识别的基础上进行的。

（一）基于组合的基金投资风格识别和漂移研究

PBSA方法是通过计算基金投资组合的一些指标来判断基金投资风格，比如市盈率、市净率等。Gruber（1996）在Fama和French（1993）的三因素风格识别模型［2］的基础上加入了债券收益率，构建了一种基于四个因素的基金投资风格识别方法［3］。Chan和Chen等（2002）以历史收益率、账面市值比和市值等三个指标作为风格划分尺度，对每只基金的投资风格进行评分识别［4］。杨朝军和蔡明超等（2004）运用晨星风格箱方法和聚类分析法进行研究，发现中国基金存在违背其宣称的投资风格的现象，且大多数基金的投资风格呈现为大盘价值型［5］。Swinkels和TjongATjoe（2007）利用PBSA方法对风格资产轮换策略开展研究，发现基金难以在大、小盘风格之间成功轮换［6］。欧阳敬东（2007）运用PBSA方法研究发现，基金投资风格发生了漂移现象，缺乏持续性且呈现风格趋同性［7］。从已有研究来看，由于利用PBSA方法的前提是基金必须及时公布持股明细，但中国监管部门在2004年下半年后才开始要求基金公布每个季度前十名的重仓股信息，公布半年度以及年度所有持股明细，导致所持股票信息公布的频率低、周期较长，不便于考察短期内基金投资风格漂移现象，使PBSA方法在可操作性和推广上受到限制，利用该方法开展研究的不多。

（二）基于收益的基金投资风格识别和漂移研究

RBSA方法的基本思想是：通过检验某个时期内基金收益与某些风格资产收益的相关性来判断其投资风格。此方法是1992年Sharpe在多因素模型的基础上首次提出来的［1］。Christopherson（1995）指出RBSA方法简单易行，但可能会导致对基金投资风格的错误划分，因为选择的风格资产可能不完备，因而可能无法鉴别出基金投资风格漂移现象［8］。Lobosco和Dibartolomeo（1997）指出，变量之间可能存在的多重共线性会使得估计的标准差较大，从而导致估计的参数精度较低，当存在完全共线性时，参数将无法估计［9］。尽管RBSA方法存在这些问题，但由于该方法只需要利用基金收益数据，使得它在现实中得到了广泛应用。Gallo和Lockwood（1997）通过研究发现，纳入四种风格资产（包括小盘价值、大盘价值、小盘成长和大盘成长）的模型的分析效果最好［10］。Idzorek和Bertsch（2004）在Sharpe风格模型估计参数的基础上提出SDS方法，来测度基金在某一时期内投资组合结构变化的整体波动率，计算的SDS值越大，表明基金投资风格漂移的程度越大［11］。曾晓洁和黄嵩等（2004）发现，无论是事前分析还是事后分析，RBSA方法的分析结果都表明，中国基金投资风格存在明显的漂移现象，且趋同［12］。张津和王卫华（2006）的研究显示，Sharpe基金投资风格识别方法在中国有效，基金的投资风格大多属于偏中盘、大盘成长型，存在风格趋同现象，且发生了明显的漂移［13］。

财经理论与实践(双月刊)2014年第3期2014年第3期(总第189期)彭耿：基金投资风格漂移识别基于收益和风险双维度

（三）基金投资风格识别方法的比较研究

Christopherson（1995）对这两种基金投资风格识别方法进行了系统的比较，发现PBSA方法比RBSA方法要好，因为RBSA方法可能会误判基金的风险程度［8］。在小样本基金投资风格识别中，Kahn（1996）发现，利用PBSA方法比RBSA方法预测风险的精度要高［14］。在大样本基金投资风格识别中，Chan和Chen等（2002）发现，用两种方法得到的结果相似，在小样本中，PBSA方法在预测收益上的精度更高［4］。Horst和Nijman等（2004）利用 Monte Carlo模拟方法进行了仿真研究，发现RBSA方法比PBSA方法预测基金未来收益的效果要好［15］。熊胜君和杨朝军（2005）从预测性、准确性和及时性等三个方面对两种方法进行了比较研究，发现在预测性方面，RBSA方法要好于PBSA方法；在准确性方面，由于RBSA方法有较多的假设条件，因而比PBSA 方法的准确性要低；在及时性方面，PBSA方法比RBSA方法具有更加及时的投资风格识别能力［16］。

综合已有的研究成果可以发现，RBSA方法的最大优点是样本数据的易获得性，PBSA方法的最大优点是较高的基金投资风格识别精度，能够更加真实、直接地反映基金在某时点的投资风格。但由于基金一般在每个季度末才会公布其投资组合，且只公布十大重仓股，利用PBSA方法进行基金投资风格识别会造成一定的误差，从而影响结果的可靠性。因此，RBSA方法在中国更具可行性。正是由于RBSA方法较强的可操作性而得到了广泛的应用，但该方法也存在三个方面的问题：（1）RBSA方法通过观察各种风格资产的系数大小来判定基金投资风格的特征，但没有对系数的大小给出一个判断标准，同时还存在风格资产变量多重共线性与回归系数显著性无法判断的问题、风格资产完备性问题、风格动态识别问题；（2）基金投资风格漂移的研究应考虑收益与风险两个方面，但RBSA方法只考虑了收益维度；（3）基于RBSA方法的SDS指标只能得到基金投资风格在某个时期内发生漂移的程度，不能说明基金投资风格究竟与什么目标发生了漂移。本文构建的基于收益和风险两个维度的基金投资风格漂移识别模型，可以解决RBSA方法中存在的风格资产变量多重共线性、系数显著性无法判断等问题，也可以说明基金投资风格究竟与什么目标发生了漂移。

二、基金投资风格漂移识别模型构建

基于以上的分析结论，本文按如下思路来讨论基金投资风格是否发生了漂移。

首先确定基金投资风格比较的基准，即风格基准指数。通常有两个途径来确定：其一，如果基金宣称的投资风格不具体，比如大盘成长型基金、大盘价值型基金等，可以利用一些金融机构制定的大盘、中盘、小盘、价值和成长等几种指数进行综合，作为风格基准指数。其二，如果基金在招募说明书中宣称了基金业绩比较的基准，则以此作为风格基准指数，比如易方达上证50指数基金宣称业绩比较的基准为：80%×中信综合指数＋20%×中信标普国债指数。

然后，构建模型分析基金投资风格是否发生了漂移。考虑到金融资产收益率序列具有尖峰厚尾的非线性特征，利用EGARCH-M模型①捕获数据中的波动聚集性。由于在金融学术文献中很少使用高阶的模型（Brooks，2002）［18］，因此，将EGARCH-M模型设定为(1,1)阶的。根据研究目的，对EGARCH-M模型进行修正以构建基金投资风格漂移识别模型。

Rt=θ0+δσt-1+θ1R′i+μt

lnσ2t=ω0+α|μt-1σ2t-1-2π+

γμt-1σ2t-1+βlnσ2t-1+ω1ε2t （1）

其中，Rt为基金日收益率，R′为风格基准指数日收益率，σ2t为基金的条件方差，ε2t为风格基准指数的条件方差，同样利用EGARCHM模型进行估计。通过判断系数θ1和ω1的符号，即可得到基金投资风格在研究周期内是否发生了漂移的结论。如果发生了漂移，可以通过更改风格基准指数进一步判断基金投资究竟属于哪类投资风格。这个模型的优越性主要体现在以下四个方面：（1）由于模型中只包含一种风格基准指数（Sharpe模型由于风格资产的完备性的要求而引入了多种风格基准指数），因此不存在多重共线性问题。（2）模型从收益和风险两个维度来考察基金投资风格与风格基准指数之间的差异，更加全面。（3）模型可以利用日收益率进行参数估计，因此，可以对较短周期（比如一个月）的基金投资风格漂移情况进行识别。（4）Andrew和Kingsley等（2008）把基金投资风格漂移分解成主动与被动漂移②两个构成，基金投资风格的主动漂移可能会造成基金与风格基准指数的收益和风险负相关，而被动漂移或者无漂移则不会造成这种情况［19］，据此，模型得到结果可以判断基金投资风格是否发生了主动漂移，可为基金监管提供依据。

综上所述，本文利用修正后的基金投资风格漂移识别模型（1）判断基金投资风格是否发生漂移，判断原则有两个：（1）如果系数θ1和ω1的符号均为正，则判断基金投资风格没有发生漂移。（2）如果系数θ1和ω1的符号中有一个为负，则判断基金投资风格发生了漂移。

三、实证研究

（一）样本说明和数据来源

2003年10月28日全国人大常委会通过的《证券投资基金法》的颁布与实施，标志着我国基金业进入了一个崭新的发展阶段。因此，本文的样本区间确定为2004年1月1日~2012年12月31日，符合研究条件的开放式基金共有11只（基金及其业绩比较基准概况如表1所示）。研究期间和样本确定的依据是：（1）基金投资风格分析主要是针对权益类投资占较大比重的股票型及混合型基金（不考虑指数型基金③），而这些基金都是股票型或者混合型的基金，属于不同的基金管理公司，且都宣称业绩比较基准。（2）11只样本基金的投资风格涵盖了成长型、平衡型和价值型等三种类型，具有较好的代表性。（3）在宣称了业绩比较基准的基金中，剔除了在研期间业绩比较基准发生了变化的基金④以及业绩比较基准不明晰的基金⑤。（4）在研究期间，这些基金都经历了快速下跌、大幅上涨和小幅振荡等具有不同特征的周期行情，各基金的真实投资风格可以在此期间完全体现出来，因此，研究期间具有较好的代表性。基金和相关指数的数据来源于北京聚源锐思数据科技有限公司的RESSET金融数据库，金融同业存款利率数据来自中国人民银行的调查统计，数据处理与实证分析分别采用Excel 2003和Eviews 6.0软件完成。

表1 基金及其业绩比较基准概况

基金代码

设立日期

基金名称

投资类型

投资风格

业绩比较基准

040001

2001-09-21

华安创新

混合型

成长型

75%×中信标普300指数收益率+25%×中信标普国债指数收益率

020001

2002-05-08

国泰金鹰增长

股票型

成长型

上证A股指数

070001

2002-11-05

嘉实成长收益

混合型

平衡型

上证A股指数

070002

2003-07-09

嘉实增长

混合型

成长型

巨潮500（小盘）指数

070003

2003-07-09

嘉实稳健

混合型

平衡型

巨潮200（大盘）指数

080001

2002-09-18

长盛成长价值

混合型

平衡型

中信标普A股综合指数收益率×80%+中信标普国债指数收益率×20%

151001

2003-08-04

银河稳健

混合型

平衡型

上证A股指数涨跌幅×75%＋中信标普国债指数涨跌幅×25%

160603

2003-07-12

鹏华普天收益

混合型

价值型

中信标普A股综合指数涨跌幅×70%＋中信标普国债指数涨跌幅×25%＋金融同业存款利率×5%

180001

2002-11-13

银华优势企业

混合型

平衡型

中信标普300指数×70%＋中信全债指数×20%＋同业活期存款利率×10%

217001

2003-04-28

招商安泰

股票型

成长型

75%×上证180指数＋20%×中信国债指数＋5%×同业存款利率

519011

2003-08-22

海富通精选

混合型

平衡型

上证综合指数×65%+上证国债指数×35%

（二）日收益率的计算

基金日收益率的计算公式为：

Rt=(ln (NAVt+Dt)－ln NAVt－1)×100（2）

其中NAVt是指基金在t日的净资产值，Dt是基金在t日的分红。这里采用对数收益率的形式，主要目的是为了降低数据的非平稳性。

对相关指数的日收益率的计算类似于基金日收益率的计算，公式如下：

R′t=(ln pt－ln pt－1)×100（3）

其中p是指数的收盘价。根据式（3）可计算出11只基金及相关指数的日收益率序列，表2给出了它们的日收益率序列的描述性统计结果。

从表2可以看出，11只基金及相关指数的日收益率序列的偏度均不为０，表明日收益率序列的分布是不对称的，呈现一定的左偏或右偏特征。峰度均大于3，表明具有尖峰特征。JarqueBera统计量在1%显著性水平下均拒绝数据服从正态分布的原假设，表明均不服从正态分布。因此，本文采用EGARCHM模型对日收益率序列进行建模是合适的。

（三）整个阶段的基金投资风格识别

首先，考察整个阶段，即2004年1月1日~2012年12月31日基金投资风格漂移的情况。

根据基金投资风格是否漂移的判断原则，我们发现11只样本基金中有6只基金的投资风格发生了漂移，5只基金的投资风格没有发生漂移，两者在数量上相当。因此，从较长考察期出发，并不能得到中国基金投资风格存在严重的漂移现象，这与现有大多数文献的结论不同。

（四）分阶段的基金投资风格漂移识别

依据李学峰和徐华等（2010）对股市阶段的划分，我们对整个研究周期中上涨和下跌阶段的基金投资风格漂移进行研究，其中上涨阶段为2005年12月30日~2007年10月12日，下跌阶段为2007年10月15日~2008年10月30日［20］。

从表4可以看出，在股市上涨阶段，11只样本基金中有6只基金的投资风格发生了漂移，有5只基金的投资风格没有发生漂移；在股市下跌阶段，11只样本基金中有8只基金的投资风格发生了漂移，有3只基金的投资风格没有发生漂移。由此可见，在股市下跌阶段，基金投资风格发生漂移的概率更高。

表2 基金和业绩比较基准日收益率序列的描述性统计

均值中值

最大值

最小值

标准差

偏度

峰度

JarqueBera统计量

华安创新

-0.094

0.000

20.802

-26.545

4.331

-0.686

7.640

2132.401***

国泰金鹰增长

0.063

0.094

6.355

-9.248

1.470

-0.357

5.601

662.775***

嘉实成长收益

0.041

0.075

10.004

-19.647

1.767

-0.924

12.725

8925.034***

嘉实增长

0.088

0.095

6.320

-7.080

1.251

-0.120

5.304

497.960***

嘉实稳健

0.051

0.070

6.520

-6.850

1.241

-0.086

5.363

511.118***

长盛成长价值

0.048

0.100

10.255

-6.085

1.292

-0.045

7.242

1639.652***

银河稳健

0.058

0.098

8.141

-8.314

1.596

-0.348

5.460

595.295***

鹏华普天收益

0.057

0.105

6.462

-7.761

1.386

-0.326

5.458

589.104***

银华优势企业

0.053

0.048

5.506

-7.127

1.162

-0.216

5.005

383.332***

招商安泰

-0.037

0.080

16.109

-19.668

3.133

-0.587

7.384

1875.951***

海富通精选

0.003

0.121

19.402

-18.868

3.587

-0.415

7.238

1698.251***

中信标普300指数

0.037

0.093

8.911

-9.704

1.839

-0.311

5.793

745.933***

中信标普国债指数

0.014

0.013

1.030

-1.376

0.119

-1.566

29.594

65311.880***

上证A股指数

0.034

0.070

9.450

-8.840

1.739

-0.117

6.217

947.661***

中信标普A股综合指数

0.038

0.143

8.892

-9.284

1.863

-0.434

5.624

695.888***

中信全债指数

0.013

0.014

0.901

-0.715

0.081

-0.177

20.964

29403.190***

上证180指数

0.047

0.090

9.360

-9.290

1.852

-0.125

5.846

743.399***

上证综合指数

0.034

0.070

9.460

-8.840

1.737

-0.123

6.228

954.414***

上证国债指数

0.014

0.010

1.020

-1.380

0.113

-1.788

35.081

94905.310***

巨潮500（小盘）指数

0.051

0.260

9.271

-9.098

2.132

-0.700

5.490

743.240***

巨潮200（大盘）指数

0.039

0.088

8.967

-9.617

1.825

-0.276

5.913

800.927***注：***表示1%的显著性水平。

表3 整个阶段的修正EGARCHM模型参数估计结果⑥

基金代码

θ0

θ1

ω0

ω1

漂移

040001

0.036*

（1.685）

-0.009

（-0.330）

0.766***

（50.314）

-0.139***

（-13.917）

0.120***

（14.669）

0.016*

（1.570）

0.999***

（902.419）

-0.005***

（-3.074）

是

020001

0.196*

（1.723）

-0.095

（-1.003）

0.136***

（9.336）

-0.613***

（-7.338）

0.018

（0.797）

-0.014

（-0.818）

-0.724***

（-9.484）

0.489***

（17.811）

否

070001

-0.035

（-0.780）

0.062

（1.538）

0.370***

（27.119）

-0.122***

（-12.421）

0.188***

（13.323）

-0.002

（-0.239）

0.997***

（451.945）

-0.005***

（-5.306）

是

070002

0.025

（0.488）

0.040

（0.763）

0.201***

（19.896）

-0.131***

（-10.588）

0.184***

（11.756）

-0.007

（-0.752）

0.995***

（242.725）

-0.002*

（-1.716）

是

070003

-0.103

（-1.536）

0.126*

（1.894）

0.107***

（7.313）

-0.136***

（-8.476）

0.173***

（10.105）

-0.002

（-0.186）

0.977***

（127.992）

0.002

（0.980）

否

080001

0.071**

（1.990）

-0.046

（-0.970）

0.539***

（50.583）

-0.230***

（-14.593）

0.259***

（13.771）

-0.014

（-0.882）

0.971***

（220.087）

0.016***

（6.119）

否

151001

-0.015

（-0.601）

0.054

（1.586）

0.827***

（62.509）

-0.151***

（-12.536）

0.206***

（13.084）

0.030***

（2.771）

0.996***

（481.091）

-0.004*

（-1.751）

是

160603

-0.078*

（-1.949）

0.006

（0.123）

0.678***

（41.354）

-0.118***

（-17.641）

0.160***

（17.300）

0.016*

（1.679）

0.986***

（421.297）

0.001

（0.266）

否

180001

0.161*

（1.729）

-0.161*

（-1.682）

0.199***

（12.912）

-1.574***

（-14.962）

0.018

（0.902）

-0.012

（-0.741）

-0.884***

（-37.849）

1.014***

（19.188）

否

217001

-0.019

（-0.448）

-0.023

（-0.710）

0.338***

（15.566）

-0.130***

（-13.083）

0.181***

（13.473）

-0.016*

（-1.901）

0.996***

（634.831）

-0.001

（-0.566）

是

519011

0.030

（1.413）

0.015

（0.556）

0.840***

（52.295）

-0.121***

（-12.327）

0.164***

（12.623）

0.014

（1.557）

0.999***

（1039.948）

-0.001

（-0.418）

是注：***、**和*分别表示1%、5%和10%的显著性水平，括号内为z统计量。

表4 分阶段的修正EGARCHM模型参数估计结果⑦

基金代码

股市上涨阶段

股市下跌阶段

θ1

ω1

漂移

θ1

ω1

漂移

040001

0.044

（0.360）

0.965***

（8.032）

否

-0.455***

（-3.168）

-1.567***

（-6.313）

是

020001

-0.029

（-0.740）

0.025**

（2.539）

是

-0.002

（-0.043）

0.519***

（3.572）

是

070001

0.003

（0.068）

0.013**

（2.072）

否

-0.079

（-1.594）

-0.375***

（-5.255）

是

070002

-0.021

（-0.668）

0.146***

（2.855）

是

-0.078**

（-2.368）

-0.171*

（-1.810）

是

070003

-0.043

（-1.178）

0.161***

（3.214）

是

0.310***

（219.894）

0.012***

（244.587）

否

080001

0.782***

（21.357）

0.000

（0.032）

否

0.035

（0.812）

-1.013***

（-4.587）

是

151001

1.061***

（34.942）

-0.003

（-0.240）

是

0.048

（1.107）

-0.683***

（-5.188）

是

160603

1.027***

（50.424）

-0.018***

（-2.762）

是

0.021

（0.614）

-1.728***

（-6.597）

是

180001

0.061

（1.386）

1.205***

（9.392）

否

0.017

（0.474）

1.026***

（5.718）

否

217001

-0.017

（-0.363）

0.405***

（3.016）

是

0.065

（0.583）

0.785***

（4.596）

否

519011

0.032

（0.498）

0.023***

（2.614）

否

0.175

（0.710）

-0.293

（-0.969）

是注：***、**和*分别表示1%、5%和10%的显著性水平，括号内为z统计量。

（五）分年度的基金投资风格漂移识别

这里进一步以年度为周期考察基金投资风格的漂移情况。

如表5所示，以年度为周期对基金投资风格漂移进行考察，发现仅2004年、2005年和2009年三个年度中投资风格没有发生漂移的基金数量多于投资风格发生漂移的基金数量，其他年度前者远远少于后者，从总的结果来看，前者与后者之比为43∶56，这些结论表明，在较短时期内，中国基金投资风格表现出了较大的漂移程度。

表5 分年度的基金投资风格漂移识别结果汇总⑧

年份

2004

2005

2006

2007

2008

2009

2010

2011

2012

合计

投资风格发生漂移的基金数量

投资风格没有发生漂移的

基金数量

四、结论与政策建议

以上通过修正EGARCHM模型，构建了新的基金投资风格漂移识别模型，该模型可以同时考察收益和风险两个维度。与现有的两种主要基金投资风格漂移识别方法相比较，新模型具有四个方面的优越性，实证研究表明模型是可行的，可为基金投资风格监管提供客观的依据。实证研究结果发现，在较长时期内，中国基金投资风格没有表现出严重的漂移现象，但在较短时期内，基金投资风格表现出了较大的漂移程度，同时发现，在股市下跌阶段，基金投资风格发生漂移的概率更高。总体而言，中国基金投资风格表现出了漂移现象。

随着中国基金市场的发展，市场的多元化特征越来越明显，具体表现为投资风格的多样化。各种投资风格有着不同的风险收益特征，基金投资风格多样化也可以避免一些股市不稳定的因素。多样化的基金投资风格，使得不同的基金有不同的投资需求，可以避免持股集中度高、羊群行为等问题，从而促进股市稳定。但国内外大量研究和本文研究均发现，基金在实际投资过程中并没有坚守宣称的投资风格，发生了投资风格漂移的现象。因此，宣称的投资风格不但不能给投资者起到购买基金的参考作用，反而有可能会误导投资者，基金经理也很可能陷入自己并不习惯的投资风格和操作手法，从而导致不理性的投资行为，对股市稳定带来负面影响。因此，为了维护股市稳定，应该对基金投资风格进行监管，避免风格趋同，维持多样化投资风格的基金市场。

注释：

①贺力平和王珏（2010）利用ARCH、GARCH、TGARCH、EGARCH、TGARCH-M 和EGARCH-M模型对上证A股综指、道指、富时100指数和日经225指数有关波动性的基本特征进行了比较研究，发现EGARCHM模型的拟合效果最好［17］。

②比如成长型基金在市场整体趋势往下时，基金业绩很难维持高的成长性，此时投资风格漂移可界定为被动漂移。

③指数型基金是模拟指数进行投资的一种基金，采取被动投资方式，不适宜作为研究基金投资风格漂移的样本。

④如大成价值增长证券投资基金（090001）的原业绩比较基准为：中信价值指数×80%＋中信国债指数×20%，从2008年3月1日起，该基金业绩比较基准更改为：沪深300指数×80%＋中信标普国债指数×20%。

⑤如景顺长城优选股票证券投资基金（260101）的业绩比较基准为"上证综合指数和深证综合指数的加权复合指数×80%＋中国债券总指数×20%"，这里的"上证综合指数和深证综合指数的加权复合指数"无法直接获取相关数据。

⑥表格中的"是"表示基金投资风格发生了漂移，"否"表示基金投资风格没有发生漂移。两个用来判断基金投资风格是否发生漂移的系数用"加粗"的形式标明。

⑦为了便于比较及篇幅所限，表格里仅列出了两个关键参数的估计值。

⑧篇幅所限，这里没有详细列出分年度的参数估计值。

参考文献：

［1］Sharpe W. F. Asset allocation:management style and performance measurement［J］. Journal of Portfolio Management,1992,18(2):7-19.

［2］Fama F. E., French K. R. Common risk factors in the returns on stocks and bonds［J］. Journal of Financial Economics,1993(33):3-56.

［3］Gruber M. J. Another puzzle:the growth in actively managed mutual funds［J］. Journal of Finance,1996,51(3):783-810.

［4］Chan K. C., Chen H., Lakonishok J. On mutual fund investment styles［J］. Review of Financial Studies,2002,15(5):1407-1437.

［5］杨朝军,蔡明超,徐慧泉. 中国证券投资基金风格分类研究［J］. 上海交通大学学报,2004,(3):359-361.

［6］Swinkels L., TjongATjoe L.Can mutual funds time investment styles［J］. Journal of Asset Management,2007，(8):123-132.

［7］欧阳敬东. 浅谈我国开放式基金的投资风格［J］. 税务研究,2007，(7):49-51.

［8］Christopherson J. A. Equity style classification［J］. Journal of Portfolio Management,1995,21(3):32-43.

［9］Lobosco A, Dibartolomeo D. Approximating the confidence intervals for sharpe style weight［J］. Financial Analysts Journal,1997,53(4):80-85.

［10］Gallo JG, Lockwood L. Benefits of proper style classification of equity portfolio managers［J］. Journal of Portfolio Management,1997，(23):47-55.

［11］Idzorek TM, Bertsch F. The style drift score［J］. Journal of Portfolio Management.2004,31(1):76-84.

［12］曾晓洁,黄嵩,储国强. 基金投资风格与基金分类的实证研究［J］. 金融研究,2004，(3):66-78.

［13］张津,王卫华. 我国证券投资基金投资风格实证研究［J］. 中央财经大学学报,2006，(1):29-33.

［14］Kahn R. N. Forecasting mutual fund risk:current holdings or past performance?［R］. Barra Research Report, September 1996.

［15］Horst J. R., Nijman T. E., Roon F. A. Evaluating style analysis［J］. Journal of Empirical Finance,2004,11(1):29-53.

［16］熊胜君,杨朝军. 中国证券投资基金投资风格变化原因分析［J］. 哈尔滨商业大学学报（自然科学版）, 2005,(12):801-805.

［17］贺力平,王珏. 中国股市的波动性及国际比较［J］. 金融评论,2010,(4):1-17.

［18］Brooks C. Introductory econometrics for finance［M］. Cambridge University Press,2002.

［19］Andrew B. A., Kingsley F., David R. G. Style drift and portfolio management for active australian equity funds［J］. Australian Journal of Management,2008,32(3):387-418.

［20］李学峰,徐华,李荣霞. 基金投资风格一致性及其对基金绩效的影响［J］. 财贸研究,2010，(2):89-97.

(责任编辑:姚德权)

The DriftIdentification of Fund Investment Style

Based on Two Dimensions of Return and Risk

PENG Geng

(School of Business Administration,Jishou University, Jishou, Hunan 416000,China)

Abstract： The EGARCHM model is adjusted to construct a new identification method, which can simultaneously examine the return and the risk. Our Empirical study finds that seen in a long period of time, the investment style of Chinese funds don't exhibit serious drift, but in a shorter period, they show a great drift. Compared with a stock market rising phase, the fund investment style has higher drift probability in a stock market declining phase. Compared with the existing two identification methods for fund investment style drift, the new model has four advantages, and our empirical study shows that the model is workable.

Key words：Fund investment style; Return; Risk; EGARCHM model

［4］Chan K. C., Chen H., Lakonishok J. On mutual fund investment styles［J］. Review of Financial Studies,2002,15(5):1407-1437.

［5］杨朝军,蔡明超,徐慧泉. 中国证券投资基金风格分类研究［J］. 上海交通大学学报,2004,(3):359-361.

［6］Swinkels L., TjongATjoe L.Can mutual funds time investment styles［J］. Journal of Asset Management,2007，(8):123-132.

［7］欧阳敬东. 浅谈我国开放式基金的投资风格［J］. 税务研究,2007，(7):49-51.

［8］Christopherson J. A. Equity style classification［J］. Journal of Portfolio Management,1995,21(3):32-43.

［9］Lobosco A, Dibartolomeo D. Approximating the confidence intervals for sharpe style weight［J］. Financial Analysts Journal,1997,53(4):80-85.

［10］Gallo JG, Lockwood L. Benefits of proper style classification of equity portfolio managers［J］. Journal of Portfolio Management,1997，(23):47-55.

［11］Idzorek TM, Bertsch F. The style drift score［J］. Journal of Portfolio Management.2004,31(1):76-84.

［12］曾晓洁,黄嵩,储国强. 基金投资风格与基金分类的实证研究［J］. 金融研究,2004，(3):66-78.

［13］张津,王卫华. 我国证券投资基金投资风格实证研究［J］. 中央财经大学学报,2006，(1):29-33.

［14］Kahn R. N. Forecasting mutual fund risk:current holdings or past performance?［R］. Barra Research Report, September 1996.

［15］Horst J. R., Nijman T. E., Roon F. A. Evaluating style analysis［J］. Journal of Empirical Finance,2004,11(1):29-53.

［16］熊胜君,杨朝军. 中国证券投资基金投资风格变化原因分析［J］. 哈尔滨商业大学学报（自然科学版）, 2005,(12):801-805.

［17］贺力平,王珏. 中国股市的波动性及国际比较［J］. 金融评论,2010,(4):1-17.

［18］Brooks C. Introductory econometrics for finance［M］. Cambridge University Press,2002.

［19］Andrew B. A., Kingsley F., David R. G. Style drift and portfolio management for active australian equity funds［J］. Australian Journal of Management,2008,32(3):387-418.

［20］李学峰,徐华,李荣霞. 基金投资风格一致性及其对基金绩效的影响［J］. 财贸研究,2010，(2):89-97.

(责任编辑:姚德权)

The DriftIdentification of Fund Investment Style

Based on Two Dimensions of Return and Risk

PENG Geng

(School of Business Administration,Jishou University, Jishou, Hunan 416000,China)

Key words：Fund investment style; Return; Risk; EGARCHM model

［4］Chan K. C., Chen H., Lakonishok J. On mutual fund investment styles［J］. Review of Financial Studies,2002,15(5):1407-1437.

［5］杨朝军,蔡明超,徐慧泉. 中国证券投资基金风格分类研究［J］. 上海交通大学学报,2004,(3):359-361.

［6］Swinkels L., TjongATjoe L.Can mutual funds time investment styles［J］. Journal of Asset Management,2007，(8):123-132.

［7］欧阳敬东. 浅谈我国开放式基金的投资风格［J］. 税务研究,2007，(7):49-51.

［8］Christopherson J. A. Equity style classification［J］. Journal of Portfolio Management,1995,21(3):32-43.

［9］Lobosco A, Dibartolomeo D. Approximating the confidence intervals for sharpe style weight［J］. Financial Analysts Journal,1997,53(4):80-85.

［10］Gallo JG, Lockwood L. Benefits of proper style classification of equity portfolio managers［J］. Journal of Portfolio Management,1997，(23):47-55.

［11］Idzorek TM, Bertsch F. The style drift score［J］. Journal of Portfolio Management.2004,31(1):76-84.

［12］曾晓洁,黄嵩,储国强. 基金投资风格与基金分类的实证研究［J］. 金融研究,2004，(3):66-78.

［13］张津,王卫华. 我国证券投资基金投资风格实证研究［J］. 中央财经大学学报,2006，(1):29-33.

［14］Kahn R. N. Forecasting mutual fund risk:current holdings or past performance?［R］. Barra Research Report, September 1996.

［15］Horst J. R., Nijman T. E., Roon F. A. Evaluating style analysis［J］. Journal of Empirical Finance,2004,11(1):29-53.

［16］熊胜君,杨朝军. 中国证券投资基金投资风格变化原因分析［J］. 哈尔滨商业大学学报（自然科学版）, 2005,(12):801-805.

［17］贺力平,王珏. 中国股市的波动性及国际比较［J］. 金融评论,2010,(4):1-17.

［18］Brooks C. Introductory econometrics for finance［M］. Cambridge University Press,2002.

［19］Andrew B. A., Kingsley F., David R. G. Style drift and portfolio management for active australian equity funds［J］. Australian Journal of Management,2008,32(3):387-418.

［20］李学峰,徐华,李荣霞. 基金投资风格一致性及其对基金绩效的影响［J］. 财贸研究,2010，(2):89-97.

(责任编辑:姚德权)

The DriftIdentification of Fund Investment Style

Based on Two Dimensions of Return and Risk

PENG Geng

(School of Business Administration,Jishou University, Jishou, Hunan 416000,China)

Key words：Fund investment style; Return; Risk; EGARCHM model

基金投资风格漂移识别 基于收益和风险双维度

基金投资风格漂移识别基于收益和风险双维度