中国开放式基金市场环境偏差效应研究 PDF Free Download
1 / 16/16
100%
中国开放式基金市场环境偏差效应研究
朱波 匡荣彪
（西南财经大学 金融学院，成都 610074）
An Analysis of Market Climate Bias Effect of Chinese Open-ended Funds
Zhu Bo Kuang Rongbiao
(Southwest University of Finance and Economics, Financial College, Chengdu 610074)
朱波，1977 年8月生，男，汉族，四川宣汉人，经济学博士，西南财经大学金融学院副教
授，硕士导师。研究方向：金融资产定价与实证金融。
匡荣彪，1985 年1月生，男，汉族，重庆荣昌人，西南财经大学金融学院硕士研究生。研
究方向：金融资产定价与实证金融。
通信地址：四川省成都市光华村街 55 号西南财经大学金融学院 朱波 收
邮 编：610074
联系电话：13981892221
电子邮箱：zhubo1977@163.com
中国开放式基金市场环境偏差效应研究
摘要：市场环境偏差效应是指在基金绩效评估中忽视“市场环境信息”可能导致人们对基金
绩效进行错误估计的现象。本文使用 Pastor-Stambaugh 方法，选取 2002 年1月~2007 年12
月期间 130 只开放式股票型基金的数据，来考察我国开放式基金的市场环境偏差效应问题。
研究结果表明，我国开放式基金存在显著的市场环境偏差效应，市场环境信息对基金绩效度
量有着重要影响。在使用 Pastor-Stambaugh 方法和市场环境信息对常用基金绩效指标进行修
正后，基金绩效度量偏误有所减小，绩效排序不一致性问题也有所改善。
关键词：开放式基金 市场环境偏差效应 Pastor-Stambaugh方法
An Analysis of Market Climate Bias Effect of Chinese Open-ended Funds
Abstract: The effect of market climate bias is a phenomenon in the fund performance evaluation.
If the information on “market climate” is ignored, we may obtain erroneous performance
evaluation results. This paper uses Pastor-Stambaugh method and chooses the data of 130 Chinese
open-ended equity funds from 2002M1 to 2007M12 to investigate the problem of market climate
bias effect of Chinese open-ended funds. The result shows that there is a significant market
climate bias effect and information on market climate has an important influence on the
performance evaluation of funds. After the common performance indexes are modified by
Pastor-Stambaugh method and the information on market climate, the errors in fund performance
measurement decrease and the inconsistent problem of performance ranking is also improved.
Key Words: Open-ended funds; Market climate bias effect; Pastor-Stambaugh method
JEL Classification: G11, G12, G23
一、导言
基金投资者一般根据历史绩效来选择基金进行投资，这种投资策略有效的前提是基金
绩效显著且具有持续性，历史绩效能对基金未来业绩进行预测。但是，如果因为某种原因导
致基金绩效度量本身存在偏差，那么即使能得出基金绩效具有持续性的结论，这种投资策略
也未必有效（Cuthbertson 和Nitzsche，2008）。因此，对基金绩效进行深入研究具有重要的
现实意义。
Grinblatt 和Titman（1989）、Rohleder 等（2008）对基金绩效评价中的生存偏差效应进
行了分析。由于种种原因，部分基金可能退市、被合并或者被分拆，从样本期末时刻来看，
这些基金要么没有数据或数据太少，要么数据口径与存活基金不一致。如果将这些基金排除
在样本之外，那么这部分基金数据所提供的宝贵信息将会丢失，基金绩效度量也可能出现偏
误，这种效应就是生存偏差效应（Survivorship Bias Effect）。我国开放式基金发展较晚，目
1
前还未出现开放式基金退市的现象，因此生存偏差效应问题不存在，但这并不意味着我国开
放式基金的绩效度量就不存在偏误，“市场环境偏差效应”（Market Climate Bias Effect）可 能
存在。
在牛市行情中，即使基金经理能力一般，随意选择投资组合，基金也能获得较高的收益。
在基金经理能力相同的情况下，基金在牛市时期的收益远远高于熊市时期，因此基金样本期
所对应市场环境的差异也可能导致基金绩效度量出现偏误（Cuthbertson 等，2008）。例如，
在Carhart 四因子模型中，市场超额收益因子、规模因子、价值因子和动量因子所提供的信
息反映了市场环境的状况，而常用基金绩效指标几乎没有考虑或没有充分考虑这些风险因子
对基金绩效度量的影响，因此所给出的基金绩效可能存在偏误。这种忽视市场环境信息而导
致基金绩效出现偏误的现象，就是所谓的“市场环境偏差”效应（Scholz 和Schnusenberg，
2008）。
国内众多学者对我国开放式基金的绩效及其持续性问题进行过考察，如朱波和匡荣彪
（2008）等。截止目前为止，还没有人对我国开放式基金的“市场环境偏差”效应进行研究。
如果市场环境偏差效应存在，那么常用绩效指标可能不是基金绩效的真实度量，基金排序的
一致性问题也可能受到影响，投资者根据常用绩效指标所提供的信息无法进行合适的投资决
策。因此，结合市场环境信息对我国开放式基金的真实绩效进行深入考察并为投资者的投资
决策提供建议是一个非常重要的现实问题。
本文的贡献主要有三点：第一，使用六个常用的基金绩效指标对我国开放式基金的市场
环境偏差效应进行了全面考察；第二，使用 Pastor- Stambaugh 方法和市场环境信息对常用基
金绩效指标进行了修正，以消除或减弱市场环境偏差效应对基金绩效度量所导致的偏误；第
三，对不同绩效指标之间的排序一致性问题进行了深入分析，考察了市场环境信息对基金绩
效排序所产生的影响。本文的研究对深入了解我国开放式基金的绩效问题提供了新的视角，
也为基金投资者的投资决策提供了参考，对基金监管层和基金公司也具有重要的参考价值。
本文余下部分的结构安排如下：第二部分回顾文献并阐述研究的内容和出发点；第三部
分解释研究设计，包括样本选择、数据处理方法、基金绩效评价模型和市场环境偏差效应的
检验和绩效指标的修正方法；第四部分对我国开放式基金的市场环境偏差效应进行实证考
察，分析市场环境信息对基金绩效及其排序所产生的影响；第五部分给出结论和相应启示。
二、文献回顾
Treynor（1965）是最早对基金绩效进行考察的文献，认为可以用Treynor指数来度量基
金的绩效。在此基础上，Jensen（1968）、Fama和French（1993）、Carhart（1997）使用线性
因子定价模型，分别提出了Jensen
α
α
α
、Fama-French 和Carhart 等绩效评价指标。Treynor
和Mazuy（1966）、Henriksson和Merton（1981）、Chang和Lewellen（1984）分别在T-M模、
H-M模型和C-L模型中对基金经理的择时交易能力进行了考察。在此基础上，众多学者对基
2
①
金绩效及其持续性问题进行了研究。
与本文相关的一类重要文献是有关生存偏差效应的研究，部分文献对生存偏差效应的大
小进行了考察。Grinblatt 和 Titman（1989）使用美国的季度数据对有生存偏差和没有生存
偏差的两个样本进行了比较，发现年收益率相差 0.4%，对风险进行调整后的收益率每年相
差0.1~0.3%。Brown 和Goetzmann（1995）认为生存偏差效应要更大一些，生存基金样本和
全部基金样本之间的年收益率相差 0.8%。Carhart 等（2002）也得到了类似的结论。Deaves
（2004）认为生存偏差效应大致为 1~270 个基点。Rohleder 等（2008）认为不同的生存基金
定义本身也会导致生存偏差估计结果出现差异，根据“完整数据基金”和“样本期期末存活
基金”定义的生存基金所得到的生存偏差估计结果不同。
也有部分文献对忽略退市基金所导致的基金绩效持续性偏差问题进行了考察。Brown
等（1992）认为生存偏差会导致虚假的基金绩效持续性。风险越高的基金消失的可能性越大，
能存活下来的基金很有可能是因为基金经理冒了很大的风险并取得了胜利，从而使基金的高
收益得以延续。如果冒险失败，那么该基金并不在我们的绩效考察样本之中，因此对风险进
行调整后的绩效指标不能完全反映基金之间不同的风险状况，基金生存与否取决于历史绩
效，从而生存偏差会导致虚假的基金绩效持续性。但 Grinblatt 和Titman（1992）却认为生
存偏差会导致基金绩效的虚假反转，消失的基金最有可能是那些历史绩效一直很差的基金，
如果不考虑这些消失的基金，那么绩效不持续的基金比例就会显著增加，因此生存偏差可能
导致基金绩效出现反转的偏差。Brown 和Goetzmann（1995）使用 Probit 模型分析了基金历
史绩效、基金年龄、基金规模和基金费用对基金生存概率的影响，发现基金在过去几年中的
历史绩效是决定基金生存概率的主要原因。
近年来，部分文献在无生存偏差基金样本的基础上，就市场环境方面的信息对基金绩效
度量所产生的影响进行了分析。Ferson 和Schadt（1996）认为，应使用条件模型来对基金所
面临的市场环境等条件进行考虑；Pastor 和Stambaugh（2002）认为，将新的市场环境信息
引入到基金绩效评价模型中所得到的结果要更为准确一些；Scholz 和Wilkens（2005）、Scholz
和Schnusenberg（2008）认为，即使使用无生存偏差效应的基金样本，基金绩效也与样本期
所对应的市场环境有关，市场环境信息会对基金绩效度量产生影响。
目前国内已有部分学者对我国开放式基金的绩效评价问题进行过研究，得出的结论却不
尽一致。周泽炯和史本山（2004）使用横截面回归和列联表方法对我国上市时间较早的开放
式基金的绩效持续性进行检验，发现我国开放式基金不具有绩效持续性。肖奎喜和杨义群
（2005）运用绩效二分法和横截面回归方法对我国开放式基金的绩效持续性进行了检验，结
果表明我国开放式基金从总体来看绩效持续性不强，绩效持续性只是在短期内出现，基金经
理不能连续战胜市场。邓超和袁倩（2007）使用动态数据包络模型我国开放式基金的绩效进
行了分析，结果表明我国开放式基金并不能取得显著的绩效表现。劳兰珺和张志刚（2007）
① Cuthbertson和Nitzsche（2008）对基金绩效研究文献进行了详细综述。
3
使用 Kendall 协同系数法对我国开放式基金的绩效持续性进行了研究，发现基金的风险指标
在各时段的排名具有稳定性，但收益指标却没表现出排名持续性。朱波和匡荣彪（2008）使
用基于绩效评价三角的指标群对我国开放式基金的绩效持续性进行了考察，结果发现，我国
开放式基金在短期内存在一定的持续性，几乎所有绩效指标在中期都不具有持续性效应。
截止目前为止，还没有人对我国开放式基金的“市场环境偏差”效应进行研究。如果市
场环境偏差效应显著，那么常用绩效指标可能不是基金绩效的真实反映，基金排序的一致性
问题也可能受到影响（Scholz 和Schnusenberg，2008）。因此，结合市场环境信息来对基金
绩效进行深入考察并为投资者的投资决策提供建议具有重要的现实意义。
三、研究设计
（一）样本和数据
本文选用 2002 年1月~2007 年12 月期间 130 只开放式股票型基金的数据来考察我国开
放式基金的市场环境偏差效应问题，样本期包含一个完整的熊市和一个完整的牛市，为了提
高数据质量，我们将样本期内数据少于 52 周的基金样本剔除掉。①计算Fama-French三因子
模型和Carhart四因子模型中规模因子、价值因子和动量因子所需的沪深A股股票数据和开放
式基金的相关数据都来自于CSMAR数据库，计算国债市场收益率的相关数据来自于中信标
普指数数据库。基金收益率的计算使用的是周度累计净值数据。②市场收益率数据由沪深A
股所有上市公司股票价值加权的收益率和中信标普国债指数的收益率加权平均得到，具体权
重是沪深A股所有上市公司股票价值加权收益率占 80%，中信标普国债指数收益率占 20%。
③无风险资产的收益率使用的是一年期存款利率，按照一年 52 周将其转化为周度数据，数
据来自于中国人民银行网站。数据的整理和分析过程在Eviews 5.0 和Matlab（R2007a）中完
成。
（二）基金绩效的度量
1. 账面市值比（BM）和规模（SIZE）的定义
① 从上证指数的走势来看，我国A股市场从 2001 年7月～2005 年5月经历了一个完整的熊市，2005 年6
月～2007 年10 月经历了一个完整的牛市。我国开放式基金的发展较晚，2002 年才初具规模，因此本文选
取2002 年1月作为样本初始月份。为了尽可能地使用市场环境方面的信息，本文将 2007 年12 月作为样本
期末月份。股票型基金对市场环境的反应最为显著，这也是本文选择股票型基金进行实证研究的一个重要
原因。
② 本文所使用的基金周度数据是根据CSMAR数据库所提供的开放式基金每日数据进行转化后得到的。具体
而言，每周以周一为第一个交易日，周五为最后一个交易日；如果本周周五数据缺失，则以本周周四数据
为本周最后一个交易日的数据，以此类推；如果本周周一没有数据，则以上周最后一个交易日的数据为本
周第一个交易日的数据。
③ 根据 1997 年的《证券基金管理暂行办法》第 33 条第 4款规定，“一只基金投资于国家债券的比例不得低
于该基金资产净值的 20%”，所以我们将股票市场收益率和债券市场收益率的权重分别定为 80%和20%来
计算综合市场收益率。
4
度量账面市值比（Book-to-market，简称 BM）有多种方法，考虑到中国独特的股权结
构，为客观反映上市公司 BM 的特有含义，通常以 1t
−
年年末每股权益与 年年末收盘价
的比值来度量 年度 BM 的高低。本文使用
1t−
1t
−
t年年末的流通市值来度量 t年度的规模
（SIZE）大小。
2. 规模因子（SMB）和价值因子（HML）的计算
根据 2001 年末至 2006 年末上市公司流通市值的中位数将所有股票分为小规模股票组
合（ S）和大规模股票组合（B），根据各年年末上市公司的BM值将股票分为低（L）、中（ M）
和高（H）三个组合，比例分别是 30%、40%和30%。从而将股票按照流通市值和BM值独
立分组，交叉形成六个组合，即S/L、S/M、S/H、B/L、B/M、B/H组合。计算 年每周每个
投资组合价值加权的周度收益率。
t
①
利用已经构造的六个投资组合价值加权的周度收益率数据计算规模因子（SMB）和价
值因子（HML），具体方法如下：SMB=(S/L+S/M+S/H)/3-(B/L+B/M+B/H)/3，表示的是剔除
BM 因素后小 SIZE 与大 SIZE 组合的收益率差；HML=(S/H+B/H)/2-(S/L+B/L)/2，表示剔除
SIZE 因素后高 BM 与低 BM 组合的收益率差。
3. 动量因子（MOM）的计算
根据 2001 年12 月14 日~2007 年12 月28 日沪深A股所有股票的周度数据来计算动量因
子。将形成期设定为 3周，将持有期设定为 1周。也就是说，根据过去 3周的收益，从高到
低将所有的股票进行排序，将收益最高的 30%股票定义为赢家组合，将收益最低的 30%股
票定义为输家组合，再使用等权重方法计算赢家组合和输家组合在这一周的加权收益。每周
重复上述操作，由此得到赢家组合收益序列和输家组合收益序列，两者之差就是动量因子序
列t
M
OM ②
。
4. 基金绩效的度量
在现有的基金绩效研究中，一般使用平均超额收益模型、CAPM 模型、Fama-French 三
因子模型和 Carhart 四因子模型来考察基金的绩效。平均超额收益和 Jensen
α
简单实用，但
绩效评估的误差较大，Fama 和French（1993）认为规模因子和价值因子有助于解释资产的
横截面收益，而 Carhart（1997）则认为动量因子有助于解释金融资产的收益。此外，Sharpe
① 在Fama和French（1993）经典论文中，相应分组方法为：先根据“规模”将所有股票分为 5组，然后将
每一个组按“账面市值比”分为 5个子组，由此得到 25 个投资组合。考虑到中国证券市场的实际状况，在
针对中国证券市场使用Fama和French（1993）方法时，一般按照规模和价值将所有股票分为 6个组合来计
算SMB和HML序列，如范龙振和余世典（2002）等。
② Jegadeesh和Titman（1993）根据美国证券市场的数据发现一年期动量效应显著，Carhart（1997）认为动
量因子有助于解释这种动量“异象”和横截面上的金融资产收益。周琳杰（2002）使用中国证券市场的月
度数据对动量策略进行研究后发现，将形成期和持有期都设定为一个月的动量策略所获得的超额收益明显
高于其他动量策略。因为本文使用的是周度数据，所以我们将形成期和持有期分别设定为 3周和 1周。
5
比和 Treynor 指数是两个较为常用的绩效度量指标。为了得到更为稳健的结论，本文使用平
均超额收益、Jensen
α
、Fama-French
α
、Carhart
α
、Sharpe 比和 Treynor 指数六个绩效指
标来考察基金的绩效。
这些绩效指标的具体定义如下：
i
E
R
（1）平均超额收益
1
1(
i
T
iit
t
i
ER r r
T=
=−
∑)
ft
（1）
（2）Sharpe 比
i
SR
i
ii
ER
SR
σ
= （2）
（3）Treynor 指数
i
TR
1
i
i
M
F
i
ER
TR
β
−
= （3）
1
i
F
α
（4）Jensen
11
i
FMF
it ft i t it
rr MKT
α
β
−
−= + ⋅ +
ε
（4）
3F
i
α
（5）Fama-French
33 3 3FMF SF HF
itft i i ti ti t
rr MKT SMB HML it
α
βββ
−−−
−= + ⋅ + ⋅ + ⋅ +
η
（5）
（6）Carhart 4F
i
α
（6）
44 4 4
4
FMF SF HF
it ft i i t i t i t
MO F
itit
r r MKT SMB HML
MOM
αβ β β
βν
−−−
−
−= + ⋅ + ⋅ + ⋅
+⋅+
其中， 是基金 i在第 t期的收益率，
it
r
f
t
r是根据当期的一年期存款利率折算而得到的无风险
利率（按照一年 52 周将其转化为周度数据）， i
σ
是基金 i收益率的标准差， 表示基金 的
样本数目，
i
Ti
t
M
KT 是市场收益率减去无风险利率后的市场超额收益率， 、 和
t
SMB t
HML
t
M
OM 分别代表规模因子、价值因子和动量因子序列。1
F
、 和3F4
F
分别代表的是单因
子模型、三因子模型和四因子模型， 4
M
F
i
β
−、 、
4SF
i
β
−
H
4F−
i
β
4
M
OF
i
β
−
和 分别表示四因子模
型中的市场
β
β
β
β
、规模 、价值 和动量 ，其余符号的含义类似。如果这些绩效指标的值
为正且值越大，那么基金绩效越好，反之越糟糕。
（三）市场环境偏差效应及其影响
1. 市场环境偏差效应
6
在牛市行情中，即使基金经理能力一般，随意选择投资组合，基金也能获得较高的收益。
在基金经理能力相同的情况下，基金在牛市时期的收益远远高于熊市时期，因此基金样本期
所对应市场环境的差异也可能导致基金绩效测度出现偏误，市场环境信息对基金绩效的度量
有着重要影响。例如，在 Carhart 四因子模型中，市场超额收益因子、规模因子、价值因子
和动量因子所提供的信息反映了市场环境的状况，相应的因子载荷是基金独有的特征，而常
用基金绩效指标几乎没有考虑或没有充分考虑这些市场风险因子对基金绩效的影响，因此所
给出的基金绩效可能存在偏误。这种忽视市场环境信息而导致基金绩效出现偏误的现象，就
是所谓的“市场环境偏差”效应。
根据所处的市场环境，可以将基金分为牛市基金组合、熊市基金组合和其它基金组合，
如果基金只有牛市行情中的数据，那么这只基金属于牛市基金组合；如果基金只有熊市行情
中的数据，那么这只基金属于熊市基金组合；既有牛市行情的数据又有熊市行情数据的基金
则属于其他基金组合。由于牛市基金所处的市场环境较为有利，其平均收益要高于另外两个
基金组合。相同的基金绩效，对不同组合中的基金而言，所反映的基金经理能力不同。我国
股市在 2002 年1月~2007 年12 月经历了一个完整的牛熊轮回，牛市基金组合包含 56 只基
金，非牛市基金组合包含 74 只基金。因此，结合牛市和熊市市场环境方面的信息来深入考
察我国开放式基金的绩效具有重要意义。
市场超额收益因子、规模因子、价值因子和动量因子等市场环境因子可能具有时变性，
牛市时期和熊市时期呈现的特征可能不同，因此对常用绩效指标使用相应市场环境方面的信
息来进行修正是必要的。在使用市场环境方面的信息对常用绩效指标进行修正后，如果牛市
基金组合和非牛市基金组合之间的绩效差异所有缩小，那么可以断定市场环境信息对基金绩
效度量有着重要的影响。因此，使用这种方法可以对市场环境偏差效应进行检验。
2. 基于 Pastor-Stambaugh 方法的绩效指标
平均超额收益、Jensen
α
、Fama-French
α
、Carhart
α
、Sharpe 比和 Treynor 指数六个
绩效指标基本上是以超额收益为基础来进行计算的，超额收益不仅反映了基金的管理状况，
还包含了市场环境（如 t
M
KT 、 、 和
t
SMB t
HML t
M
OM 等风险因子）的一些信息，前者取
决于基金经理的能力，后者反映的则是市场所处的环境，或者说，风险因子传递了市场环境
方面的信息。假设 Carhart 四因子模型是基金数据的真实生成过程，模型中的四个风险因子
能很好地反映市场环境方面的信息，那么基金 i所对应的因子载荷（loading）分别为 4
M
F
i
β
−、
、
4SF
i
β
−4
H
F
i
β
−4
M
OF
i
β
−
和，这些因子载荷是基金 i所特有的特征，市场环境通过这些因子
载荷对基金 i的超额收益产生影响。
本文使用 Pastor 和Stambaugh（2002）中的方法，基于四因子模型的因子载荷和整个样
本期中市场风险因子的平均信息来对基金绩效指标进行修正，从而使每一个基金绩效指标都
充分吸收市场环境方面的信息。对（6）式两边同时求均值和方差就得到：
7
44 4 4 4
FMF SF HF MF
ii i i i i
E
RMKTSMBHML
αβ β β β
−−− −
=+ ⋅ + ⋅ + ⋅ + ⋅MOM
()
i
（7）
44 4 4 4
( ) ( )
FMF SF HF MOF
iii i i i i
Var ER Var MKT SMB HML MOM
αβ β β β ν
−−− −
=+⋅+⋅+⋅+⋅+
=
T
ii
VVar
β
βν
⋅⋅ + （8）
SMB
M
OM
M
KT HML
其中， 、 、 和 分别表示四个风险因子在样本期中的均值，
44 4 4
=( , , , )
M
FSFHFMOF
ii i i i
ββ β β β
−− − − (,,,V Cov MKT SMB HML MOM )
=
和分别表示基金 i
的因子载荷向量和风险因子的协方差矩阵， ( )
i
Var
ν
是回归残差序列的方差。由（7）和（ 8）
式就可以得到基于四因子模型因子载荷和整个样本期风险因子平均信息的 Sharpe 比：
44 4 4 4
T
i( )
FMF SF HF MOF
ii i i i
i
ii
M
KT SMB HML MOM
SR VVar
αβ β β β
ββ ν
−−− −
+⋅+⋅+⋅+ ⋅
=
⋅⋅ + （9）
为了得到基于整个样本期风险因子平均信息的其他绩效度量指标，我们需要先就规模因
子、价值因子和动量因子分别对市场超额收益因子进行回归，得到三个因子的“绩效”和“市
场
β
”。回归模型如下：
11FF
tSMBSMB t
SMB MKT t
α
β
=+⋅ +
ϖ
t
（10）
11FF
tHMLHML t
HML MKT
α
β
=+⋅ +
θ
t
（11）
11FF
tMOMMOM t
MOM MKT
α
β
=+⋅+
ζ
t
（12）
将（10）、（11）和（12）带入（6）就得到：
441 41 41
441 41 41
44 4
()
()
()
FSFF HFF MOFF
it ft i i SMB i HML i MOM
MF SFF HFF MOFF
iiSMBiHMLiMOM
SF HF MOF
it i t i t i t
rr
M
KT
αβ α β α β α
βββββββ
νβ ϖβ θβ ζ
−− −
−− − −
−− −
−= + ⋅ + ⋅ + ⋅
++⋅+⋅+⋅⋅
++ ⋅+ ⋅+ ⋅
（13）
t
M
KT
因为 与it
ν
，t
ϖ
，t
θ
t
ζ
，不相关，所以它与最后一项也不相关。将（4）和（13）
进行比较就可以得到基于整个样本期风险因子平均信息的 Jensen
β
α
： 和相应
1 4 41 41 41FFSFFHFFMOFF
iii SMBi HMLi MO
ααβ α β α β α
−− −
=+ ⋅ + ⋅ + ⋅
M
MOM
（14）
1 4 41 41 41MF M F SF F HF F MOF F
iiiSMBiHMLi
ββββββββ
−−− − −
=+⋅+⋅+ ⋅
（15）
因此，基于整个样本期风险因子平均信息的 Treynor 指数为：
44 4 4 4
441 41 41
FMF SF HF MOF
ii i i i
iMF SF F HF F MOF F
iiSMBiHMLiMOM
M
KT SMB HML MOM
TR
αβ β β β
βββββββ
−−− −
−− − −
+⋅+⋅+⋅+ ⋅
=+⋅+ ⋅+ ⋅ （16）
使用类似方法可以得到基于整个样本期风险因子平均信息的 Fama-French
α
：
34 43FFMOFF
iii MO
ααβ α
−
=+ ⋅
M
（17）
3F
M
OM
α
是如下回归方程的截距项： 其中，
33 3 3FF F F
t MOM ERM t SMB t HML t t
MOM MKT SMB HML
α
βββ
=+ + + +
μ
(18)
8
现有基金绩效文献很少注意到市场环境对基金绩效度量的影响，这会导致基金绩效的度
量出现偏误。使用 Pastor-Stambaugh 方法对常用绩效指标进行修正后，新的绩效指标取决于
基金在各自样本期内的 Carhart 四因子模型因子载荷和整个样本期内市场风险因子的平均
值，市场风险因子所代表的市场环境信息对基金绩效的度量有着重要影响。尽管不同基金样
本期所对应的市场环境可能不同，但使用 Pastor-Stambaugh 方法修正的绩效指标却可以充分
吸收整个样本期内的市场环境信息。如果修正后的牛市基金组合绩效显著下降，而非牛市基
金组合的绩效显著上升，那么可以断定市场环境偏差效应显著。吸收了整个样本期间市场环
境信息的基金绩效、绩效排名和绩效持续性结果将更为真实可靠。
四、实证分析
（一） 市场环境因子的描述性统计分析
本文假设Charhart四因子模型是基金收益数据的真实生成过程，市场超额收益因子、规
模因子、价值因子和动量因子代表的是市场环境方面的信息，表 1给出了四个市场环境因子
的描述性统计分析结果。第二列和第三列是四个因子的周度平均收益、
t检验 值和标准差，
第四到七列是四个因子的协方差矩阵和相关系数矩阵。四个因子之间的相关性不是很强，值
得注意的是，规模因子（SMB）与动量因子（MOM）之间的相关系数为负。方差膨胀因子
（VIF，Variance Inflation Factor）小于临界值 10，因此回归模型不存在多重共线性问题。
p
①
表1最后两列给出了 SMB、HML、MOM 三个因子分别对 MKT 进行回归的结果。此
外，MOM 因子对另外三个因子的回归结果是， ， 检验 值为 0.0048，
表1没有对此进行报告。四个回归模型的截距项基本上都显著不为零，因此单因子模型、三
因子模型和四因子模型的
3-0.333%
MOM
F
α
=p
t
β
α
估计值差异可以用（14）、（15）和（17）来解释。 和
表1 市场环境因子的描述性统计分析
协方差矩阵（相关系数矩阵） 1F
β
1F
α
周度平均收益
标准差
因子 VIF
（ 值）
pMKT SMB HML MOM （ 值）
p（ 值）
p
0.341% 0.0754% 0.0024% 0.0063% 0.0016%
MKT 2.750% 1.021
（0.033） （1） （0.0406） （0.1448） （0.0274）
-0.092% -0.001% 0.0322%
0.0024% 0.0474% 0.0099% -0.01%
SMB 2.180% 1.189
（0.468） （0.0406） （1） （0.2890） （-0.2258）（0.4204） （0.4852）
0.252% 0.0063% 0.0099% 0.0249% 0.0053% 0.224% 0.0832
HML 1.581% 1.180
（0.1448） （0.2890） （1） （0.1605） （0.0149） （0.0123）
（0.006）
-0.224% 0.0016% 0.01% 0.0053% 0.0432% -0.231% 0.0208
MOM 2.082% 1.119
（0.0274） （-0.2258） （0.1605） （1） （0.0581） （0.6371）
（0.064）
图1是MKT、SMB、HML、MOM 四个市场环境因子的 52 周移动平均线，四个因子
2
R
① 就某个给定的因子而言，如果对另外三个因子进行线性回归的拟合优度为 ，那么 。
VIF接近于 1意味着因子之间的线性相关性较弱，VIF大于 10 则意味着可能产生多重共线性问题。
2
1/(1 )VIF R=−
9
明显都具有随着时间剧烈波动的特征，因此平均超额收益、Sharpe 比和 Treynor 指数等基金
绩效指标会受到市场环境的影响，如（7）、（9）和（16）式所示。例如，假设 Charhart
四因子模型中 MKT 的回归系数为正，图 1左上角的子图表明，
M
KT 在2005 年1月后逐
步上升，因此由（7）式可知，平均超额收益
E
R该时期中也应具有逐步上升的趋势，这意
味着对常用绩效指标进行修正是必要的。
-1.0 0 %
-0.5 0 %
0.00%
0.50%
1.00%
1.50%
2.00%
2.50%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
MKT
-0.80 %
-0.60 %
-0.40 %
-0.20 %
0.00%
0.20%
0.40%
0.60%
0.80%
1.00%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
SMB
-0.60 %
-0.50 %
-0.40 %
-0.30 %
-0.20 %
-0.10 %
0.00%
0.10%
0.20%
0.30%
0.40%
0.50%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
MOM
-0.40 %
-0.20 %
0.00%
0.20%
0.40%
0.60%
0.80%
1.00%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
HML
图1 市场环境因子 52 周移动平均线
-0.80 %
-0.60 %
-0.40 %
-0.20 %
0.00%
0.20%
0.40%
0.60%
0.80%
1.00%
1.20%
1.40%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
1F-Alpha SMB
-0.40 %
-0.20 %
0.00%
0.20%
0.40%
0.60%
0.80%
1.00%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
1F-Alpha HML
-1.00 %
-0.80 %
-0.60 %
-0.40 %
-0.20 %
0.00%
0.20%
0.40%
0.60%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
1F-Alpha MOM
-1.2 0 %
-1.0 0 %
-0.8 0 %
-0.6 0 %
-0.4 0 %
-0.2 0 %
0.00%
02年12月 03年12月 04年12月 05年12月 06年12月 07年12月
3F-Alpha MOM
图2 市场环境因子 52 周滚动回归结果
图2给出的是（10）、（11）、（12）和（18）式 52 周滚动回归的截距项随着时间演
变的趋势， 、
1F
SMB
α
1F
H
ML
α
1F
M
OM
α
3F
M
OM
α
、 和 也具有明显的时变特征，因此（14）和（17）式
中的 Jensen
α
和Fama-French
α
也具有这种特征，他们所度量的基金绩效也会受到市场环境
的影响。由上述分析可以看出，市场环境因子具有时变特征，不同时期市场所处的环境不同，
市场环境信息会对绩效的度量产生影响。
（二） 市场环境偏差效应的检验
10
将样本期内的所有基金分为“牛市基金”和“非牛市基金”两种类型，比较使用市场环
境信息对常用绩效指标进行修正前后两个基金组合之间绩效差异的变化，就可以对市场环境
偏差效应进行检验。表 2给出的是所有基金组合、“牛市”基金组合和“非牛市”基金组合
的Charhart 四因子模型估计结果，包括每个组合的 Charhart
β
α
、三个因子所对应的 、残
差序列的标准差和回归的 2
R
。我们对每个组合中所有的基金分别进行回归，然后计算各个
指标的均值和标准差。
表2 Charhart 四因子模型估计结果
4
M
F
β
−4SF
β
−4
H
F
β
−4
M
OF
β
−( )Var
ν
4F
α
2
R
0.3451%
均 值0.81586 0.00921 -0.03042 0.02238 0.01887 0.70469
所有基金 0.1688% 0.24355 0.14902 0.16921 0.11426 0.01650 0.08579
标准差
0.2974%
均 值0.73434 -0.02469 -0.04471 0.09345 0.01365 0.72765
非牛市基金 0.1396% 0.12065 0.10102 0.10843 0.06501 0.00286 0.07112
标准差
0.3812%
均 值0.87755 0.03486 -0.01960 -0.03140 0.02283 0.68730
牛市基金 0.1805% 0.29138 0.17322 0.20363 0.11437 0.02093 0.09212
标准差
在“所有基金组合”、“牛市基金组合”和“非牛市基金组合”中， 4F
α
的均值分别为
0.3451%、0.3812%和0.2974%。“牛市基金组合”的 4F
α
平均比“非牛市基金组合”每周高
8.38 个基点，即每年相差 4.45%。“牛市基金组合”的绩效高于“所有基金组合”，而“所有
基金组合”的绩效又高于“非牛市基金组合”。在三个组合中， 2
R
的均值分别为 0.70469、
0.68730 和0.72765，四因子模型对基金超额收益有着较强的解释能力，因此可以将四因子模
型视为基金超额收益数据的真实生成过程。
表3使用市场环境信息修正前的基金绩效
SR TR 3
F
α
4
F
α
1
F
α
ER
均值 0.01211 0.36611 0.01476 0.00348 0.00339 0.00345
中位数 0.01192 0.36957 0.01535 0.00326 0.00325 0.00330
所有基金
平均秩 65.5 65.5 65.5 65.5 65.5 65.5
均值 0.00773 0.29136 0.01048 0.00259 0.00257 0.00297
中位数 0.00735 0.28147 0.00993 0.00234 0.00225 0.00272
非牛市基金
平均秩 99.3 94.6 98.5 86.1 84.0 77.9
均值 0.01544 0.42268 0.01799 0.00416 0.00401 0.00381
中位数 0.01473 0.42456 0.01798 0.00418 0.00421 0.00402
牛市基金
平均秩 39.9 43.5 40.5 49.9 51.5 56.1
2
χ
72.278 40.656 60.734 32.124 32.124 12.528
2
χ
检验 p值 <0.001 <0.001 <0.001 <0.001 <0.001 <0.001
表3给出的是没有使用市场环境方面的信息对常用绩效指标进行修正的基金绩效。对各
个基金组合而言，我们分别对六个绩效指标在横截面上的均值、中位数和平均秩（即基金排
11
名的平均值）进行了报告。根据各个绩效指标的均值和中位数所得到的结论相同，“牛市基
金组合”的绩效高于“所有基金组合”，而“所有基金组合”的绩效又高于“非牛市基金组
合”。从平均秩指标来看，“牛市基金组合”小于“所有基金组合”，而“所有基金组合”小
于“非牛市基金组合”，因此牛市基金在所有基金中的绩效排名比较靠前，牛市基金比非牛
市基金有着更好的“绩效”表现。为了得到更为稳健的结论，本文也就“牛市基金组合”和
“非牛市基金组合”的绩效中位数是否相等的零假设进行了检验，由于基金绩效在横截面上
的分布一般不会服从正态分布（Kosowski，2006），因此这里使用的是基于 Pearson 2
χ
检验
的非参数中位数检验方法。由表中数据可以看出，零假设遭到了拒绝。
表4是给出的是使用市场环境方面的信息对绩效指标进行修正后的基金绩效。由表中数
据可以看出，无论使用那种绩效指标，无论从均值还是从中位数来看，“牛市基金组合”的
绩效仍高于“非牛市基金组合”，但绩效差异大大缩小。从平均秩指标来看，“牛市基金”的
排名仍然优于“非牛市基金”，但不同组所对应的平均秩指标变化不同，前者的平均秩有所
增加，而后者则有所减小，这意味着，在使用市场环境信息对常用指标进行修正后，部分“非
牛市基金”的排序有所靠前，而部分“牛市基金”的排序则有所靠后。基于 Pearson 2
χ
检验
的非参数中位数检验结果表明，两组样本绩效中位数相等的零假设遭到了拒绝，但检验统计
量值小了很多，这意味着两组样本的中位数差异明显缩小。
表4 使用市场环境信息修正后的基金绩效
SR TR 3
F
α
4
F
α
1
F
α
ER
均值 0.00610 0.27527 0.00767 0.00332 0.00338 0.00345
中位数 0.00575 0.26612 0.00745 0.00298 0.00314 0.00330
所有基金
平均秩 65.5 65.5 65.5 65.5 65.5 65.5
均值 0.00518 0.25492 0.00711 0.00268 0.00266 0.00297
中位数 0.00492 0.25168 0.00703 0.00247 0.00232 0.00272
平均秩 84.9 75.6 75.4 80.5 82.8 77.9
非牛市基金
秩的变化 -14.4 -19.0 -23.1 -5.6 -1.2 0
均值 0.00679 0.29067 0.00810 0.00380 0.00392 0.00381
中位数 0.00686 0.29972 0.00826 0.00408 0.00412 0.00402
平均秩 50.8 57.9 58.03 54.1 52.4 56.1
牛市基金
秩的变化 10.9 14.4 17.5 4.2 0.9 0.0
2
χ
28.234 6.149 6.149 18.069 28.234 12.528
2
χ
检验 p值 <0.001 0.013 0.013 <0.001 <0.001 <0.001
从表 3和表 4的对比分析中可以看出，使用市场环境方面的信息来对基金绩效指标进行
修正后，“牛市基金”与“非牛市基金”之间的绩效差异有所缩小，这意味着我国开放式基
金存在显著的市场环境偏差效应。
（三）市场环境偏差效应对基金绩效排序一致性的影响
12
不同绩效指标根据不同信息从不同视角来对基金绩效进行测度，因此根据不同绩效指标
所给出的基金排序可能不同，即绩效排序的一致性较差。如果不同指标所给出的绩效排序之
间存在较大的差异，那么投资者事实上无法根据这些绩效指标来进行合适的投资选择。由上
述分析可知，市场环境偏差效应会对基金绩效的度量产生影响，使用市场环境信息修正后的
基金绩效指标能更好地反映现实状况，因此市场环境偏差效应的修正有可能有助于改善基金
绩效排序的一致性问题。
表5报告的是对市场环境偏差效应进行修正前后的绩效排序一致性结果，Panel A 是修
正前各个绩效指标之间的 Spearman 等级相关系数，Panel B 是修正后各个绩效指标之间的
Spearman 等级相关系数，而 Panel C 报告的则是 Spearman 等级相关系数的变化程度。
表5 各个基金绩效指标之间的 Spearman 等级相关系数
Panel A 修正前各个绩效指标之间的 Spearman 等级相关系数
SR
TR 1
F
α
3
F
α
E
R
SR 0.812
0.873 0.950
TR
0.620 0.725 0.731
1
F
α
0.586 0.719 0.716 0.975
3
F
α
0.471 0.589 0.596 0.912 0.939
4
F
α
Panel B 修正后各个绩效指标之间的 Spearman 等级相关系数
SR
TR 1
F
α
3
F
α
E
R
SR 0.770
0.766 0.998
TR
0.917 0.935 0.933
1
F
α
0.928 0.900 0.901 0.969
3
F
α
0.894 0.895 0.900 0.935 0.973
4
F
α
Panel C 修正前后各个绩效指标之间 Spearman 等级相关系数的变化
SR
TR 1
F
α
3
F
α
E
R
-0.042
SR
-0.107 0.048
TR
0.297 0.210
0.202
1
F
α
0.342 0.181 -0.006
0.185
3
F
α
0.423 0.306 0.023 0.034
4
F
α
0.304
由Panel A 可以看出，
E
R、SR 和TR之间的 Spearman 等级相关系数最低为 0.812，最
高为 0.950，1F
α
、3F
α
4F
α
和 之间的 Spearman 等级相关系数最低为 0.912，最高为 0.975，
两组指标内的等级相关系数值都很高，但两组指标之间的等级相关关系数最大值仅为 0.731，
最小值达到 0.471，因此使用
E
R、 和TR所得到的基金排序，与使用 1F
α
3F
α
4F
α
SR 、 和
所得的基金排序之间一致性较差。由 Panel B 可以看出，使用市场环境方面的信息对绩效指
13
E
R标进行修正后，尽管 与 和TR之间的相关性有所降低，但它们与 1F
α
SR 、3F
α
4F
α
和 之
间的相关性则大大提高，Spearman 等级相关系数最小值也为 0.894，最大值却达到 0.935。
从Panel C 可以看出，市场环境偏差效应修正前后各个指标的 Spearman 等级相关系数值的
有着不同程度的变化，但两组指标之间的 Spearman 等级相关系数值变化要大一些。由上述
分析可以看出，对市场环境偏差效应的修正有助于改善不同绩效指标之间的排序不一致性问
题。
五、结论和启示
本文使用 Pastor-Stambaugh 方法来对常用基金绩效指标进行修正，选取 2002 年1月
~2007 年12 月期间 130 只开放式股票型基金的数据来考察我国开放式基金的市场环境偏差
效应问题。研究结果表明，我国开放式基金存在显著的市场环境偏差效应，市场环境信息对
基金绩效度量有着重要影响。不同基金样本期所对应的市场环境不同，这会导致基金绩效评
估出现偏误，因此对常用的基金绩效指标进行修正是必要的。使用市场环境方面的信息和
Pastor-Stambaugh 方法来对基金绩效指标进行修正后，“牛市基金”与“非牛市基金”之间的
绩效差异有所缩小。对市场环境偏差效应的修正还有助于改善不同绩效指标之间的排序不一
致性问题。本文的研究对基金公司、基金监管层和基金投资者具有如下启示：
第一，在对基金绩效及其持续性和排序进行研究时，要注意基金样本期所处的市场环境，
重视市场环境信息对基金绩效评价的可能影响。不同市场环境本身就可能导致基金绩效出现
差异，因此根据基金样本期所对应的市场环境来对基金进行分组研究，对常用绩效指标使用
市场环境信息来进行修正，都具有重要的现实意义。
第二，使用条件定价模型来对基金绩效进行研究具有重要意义。本文假设 Charhart 四因
子模型是基金超额收益数据的真实生成过程，以 Pastor 和Stambaugh（2002）的方法对常用
绩效指标进行修正，以消除或减少市场环境偏差效应对基金绩效所产生的影响，但这种方法
是在 Ferson 和Schadt（1996）条件定价模型的基础上发展而来的。条件定价模型认为，基
金所面临的市场风险以公共信息为条件，随时间的演变而发生变化。条件定价模型考虑了市
场条件或环境对基金绩效度量的影响，因此这种方法所给出的基金绩效及相关结论要更为准
确一些。
第三，投资者制定投资决策时应更多地参考对市场环境偏差效应进行修正后的基金绩效
指标。本文的研究结果表明，在使用市场环境信息对常用基金绩效指标进行修正前，指标之
间的一致性较差，投资据此很难做出合适的投资决策，在使用市场环境信息对常用基金绩效
指后，绩效指标之间具有较强的一致性，因此修正后的指标能为基金绩效提供更为准确的信
息。
参考文献
[1] 邓超、袁倩：《基于动态 DEA 模型的证券投资基金绩效评价》，《系统工程》，2007 年第 1期。
[2] 范龙振、余世典：《中国股票市场的三因子模型》，《系统工程学报》，2002 年第 6期。
14
[3] 劳兰珺、张志刚：《中国开放式基金业绩排序稳定性的 Kendall 检验》，《系统工程》，2007 年第 1期。
[4] 肖奎喜、杨义群：《我国开放式基金业绩持续性的实证检验》，《财贸研究》，2005 年第 2期。
[5] 周琳杰：《中国股票市场动量策略赢利性研究》，《世界经济》，2002 年第 8期。
[6] 周泽炯、史本山：《我国开放式基金业绩持续性的实证分析》，《经济问题探索》，2004 年第 9期。
[7] 朱波、匡荣彪：《“绩效评价三角”条件下的开放式基金持续性：236 个样本》，《改革》2008 年第 9期，
第129～134 页。
[8] Cuthbertson 和Nitzsche：《数量金融经济学》，朱波译，西南财经大学出版社，2008 年版。
[9] Brown, S., and Goetzmann, W., 1995, “Perforence persistence”, Journal of Finance, 50(2), pp. 679~698.
[10] Brown, S., Goetzmann, W. N. and Ross, S. A., 1995, “Survival”, Journal of Finance, 50(3), pp: 853~873.
Brown, S., Goetzmann, W., Ibbotson, R. and Ross, S., 1992, “Survivorship bias in performance studies”,
Review of Financial Studies, 5(4), pp. 553~580.
[11]
[12] Carhart, M., 1997, “On Persistence in Mutual Fund Performance”, Journal of Finance, 52(1), pp.57~82.
[13] Carhart, M., Carpenter, J., Lynch, A. and Musto D., 2002, “D. K. Mutual Fund Survivorship”，Review of
Financial Studies, 15(5), pp.1439~1463.
[14] Cuthbertson, K., Nitzsche, D. and O’Sullivan, N., 2008, “UK mutual fund performance: Skill or luck?”
Journal of Empirical Finance, 4, pp. 613-634.
[15] Deaves, R., 2004, “Data-Conditioning Biases, Persistence and Flows: The Case of Canadian Equity Funds”,
Journal of Banking and Finance, 28, pp.673~694.
[16] Fama, E., French, K., 1993, “Common risk factors in the returns on stocks and bonds”, Journal of Financial
Economics, 33, pp.3~56.
[17] Ferson, W., Schadt, R., 1996, “Measuring Fund Strategy and Performance in Changing Economic
Conditions”, Journal of Finance, 51, pp.425~461.
[18] Grinblatt, M. and S. Titman, 1989, “Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings”,
Journal of Business, 62，pp.393~416.
Grinblatt, M. and Titman, S., 1992, “The persistence of mutual fund performance”, Journal of Finance, 47(5),
pp. 1977~1984.
[19]
[20] Jegadeesh, N. and Titman, S., 1993, “Returns to Buying Winners and Selling Losers: Implications for Stock
Market Efficiency”, Journal of Finance, 48(1), pp: 56~91.
[21] Jensen, M., 1968, “The Performance of Mutual Fund in the Period of 1945-46”, The Journal of Finance, 23,
pp. 389~416.
[22] Kosowski, R., Timmermann, A., White, H. and Wermers, R., 2006, “Can Mutual Fund ‘Stars’ Really Pick
Stocks? New Evidence from a Bootstrap Analysis”, Journal of Finance, LXI (6), pp. 2551-2595.
[23] Pastor, L., Stambaugh, R., 2002，“Mutual fund performance and seemingly unrelated assets”，Journal of
Financial Economics, 63, pp. 315~349.
[24] Rohleder, M., Scholz, H. and Wilkens, M., 2008, “Survivorship Bias and Mutual Fund Performance:
Relevance, Significance, and Methodical Differences” ，Working Paper ，Catholic University of
Eichstaett-Ingolstadt.
[25] Scholz, H. and Wilkens, M., 2005, “The Sharpe Ratio's Market Climate Bias-Theoretical and Empirical
Evidence from US Equity Mutual Funds”, Working Paper，Catholic University of Eichstaett-Ingolstadt and
Australian Graduate School of Management.
[26] Scholz, H., Schnusenberg, O., 2008, “Ranking of equity mutual funds: The bias in using survivorship
bias-free datasets”, Working Paper, Catholic University of Eichstaett-Ingolstadt and University of North
Florida, Ingolstadt and Jacksonville.
15
