私募基金市场判断能力研究——基于调查问卷的分析

私募基金公司市场预判能力研究基于好买基金月度调查问卷的分析好买基金研究中心：孙志远一、 研究目的投资的目的是什么？很简单，就是赚钱。一般来说，赚钱有两种方法：第一种是拥有如神灵一般的判断和预测能力，能够准确的把握市场 1的走向，并提前做出买入及卖出的操作；第二种是及时的跟随市场，在市场发生转向、形成趋势后再进行交易。显然，通过第二种方法赚钱需要一些苛刻的假设前提，即市场的趋势存在时间上的延续性，因此至少从表面上看，假设我们有方法找到一位神灵般的投资经理，那么第一种方法赚钱的可能性更大。而问题的关键就在于现实中是否存在这样一位神灵般（或者更确切的说是接近于神灵般）的投资经理，能够准确的预测未来市场，本文的目的就在于通过对调查问卷数据的挖掘，以探索当前私募基金行业中是否存在具有卓越市场判断力的公司。二、 研究思路首先，本文将考察统计范围内私募基金的市场判断结果是否有效，即其当期的判断结论是否与下月市场走势相吻合。考虑到不同类型的基金操作风格间的差异，本文还将以投资经理出身和私募基金成立时间长短两个维度分别考察。之后，本文还试图挖掘私募基金公司做出判断的依据，即其判断结论是基于何种分析所做出的。最后，除了从整体和大类上分析私募基金的市场判断能力外，本文还对调查回复率较高的单个私募基金进行预测成功率分析，试图寻找个基层面的市场“预言家”。本文所有的分析均基于好买基金自 2010 年 4 月起开始进行的私募基金公司问卷调查。截止到 2010 年 2 月，该调查已经持续了 10 个月，有效问卷 264 封。该问卷中要求私募基金管理人对下月市场走势做出判断，共分“多”、“中性”和“空”3 个选项，由被调查者进行单项选择。本文以构造扩散指数的方式，将定性结论定量化，对每个月整体和各大类的市场判断结果进行综合，并以相关分析的方式测度其与指数走势的联系。三、 实证分析过程（一） 私募基金对市场是否具有判断力首先我们希望了解整体上私募基金是否对市场具有判断力。由于问卷中涉及市场判断的选项均为定性指标，因此，在分析其与实际市场走势的关联性之前需要将其定量化。本文主要采用扩散指数法来对其进行定量化处理，将“空”定义为 0 分，“中性”定义为 0.5 分，“多”定义为 1 分，并对所有私募一视同仁，即采用等权重综合。将1 我们在此处并未强调对个股的判断能力，其实对大盘的判断相对更加容易，而且只要拥有对大盘的预测能力，通过某些金融工具就已经能够获得丰厚的收益了。好买基金研究中心专 题 2011 年 02 月 21 日2Confidential and Proprietary 每个月的数据汇总后就可以得到一个以 0 分为下限，50 分为中轴，100 分为上限的月度时间序列。其中低于 50 分表明对下月市场看法偏空的私募基金多于看多的私募基金，等于 50 分则意味着看空与看多的私募基金数量相同，而超过 50 分则表明看多的基金数多于看空的基金数，数值的大小体现出市场情绪的乐观程度。通过当月整体扩散指数与下月沪深 300 指数涨跌幅 2的散点图可以粗略的考察私募基金整体的预判能力，具体如下：私募基金当期扩散指数（整体）与下期沪深 300 指数涨跌幅的相关性2010年4年2010年5年 2010年6年2010年7年2010年8年 2010年9年2010年10年2010年1年2010年1年201年1年4050607080Difusion-.1 -.05 0 .05 .1 .15RIndex数据来源：好买基金研究中心从图中可以直观感受到私募基金的判断能力与下期市场涨跌关系不大。更加数量化的方法印证了我们的猜测两者没有明显的相关性：Pearson 相关系数仅为-0.07 ，且未通过 5%的显著性检验；Spearman 等级相关系数也仅为-0.067 ，且未通过 5%的显著性检验。因此我们认为，基于现有的数据，私募基金整体上并未表现出对市场的预判能力。私募基金当期扩散指数（整体）与下期沪深 300 指数涨跌幅的 Pearson 相关系数Correlations1 -.070.84810 10-.070 1.84810 10Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)Ntotalindextotal index数据来源：好买基金研究中心2 由于本文成稿时 2 月尚未结束，为了利用 1 月调查数据，本文以截止到 2 月 16 日的沪深 300 指数涨跌幅代替 2 月指数全月涨跌幅。3Confidential and Proprietary 私募基金当期扩散指数（整体）与下期沪深 300 指数涨跌幅的 Spearman 相关系数Correlations1.000 -.067. .85510 10-.067 1.000.855 .10 10Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NtotalindexSpearmans rho total index数据来源：好买基金研究中心当然，整体上的不相关并不一定意味着整体中不存在具有相关性的部分，即私募基金的某个细分类别可能会具有独特的市场预判能力。私募基金的分类方法多种多样，不同的分类方法可能得到不同的结论，但笔者认为一家私募公司及其产品投资策略的主要影响因素在于其投资经理的从业经历以及该产品的成立时间长短。因为基于经验判断，一位具有公募基金从业经历的投资经理之前管理的资金规模更大，其投资决策更有可能基于对未来市场的判断，而一位民间人士出身的投资经理之前管理的资金规模相对更小，更可能采用较为灵活的趋势跟随策略。鉴于此，本文按照不同私募产品投资经理的从业经历，将纳入统计范围的私募基金分为公募出身、券商出身和民间 3 类 3，考察每个细分类别的市场预判能力。此外，我们认为随着私募基金公司存续时间的增长，其内部投资管理流程逐步规范化，将更加倾向于对市场进行预判而非简单的趋势跟踪，因此本文还按照基金公司存续时间长短，将纳入统计范围的私募基金公司分为“新兵”公司和“老兵”公司两类 4，分别考察其市场预判能力。各种细分类别扩散指数与下期市场涨跌的散点图如下：3 除以上 3 类外，还有部分公司的主要管理人员无法确定其从业经历。鉴于该部分样本数量不大，本文在随后的分析中将其剔除。4 由于自 2009 年开始私募基金数量呈井喷式上升，因此本文将在 2008 年 12 月 31 日前有阳光私募产品发行的公司定义为“老兵”公司，而将在该日期之后才成立首只阳光私募产品的公司定义为“新兵”公司。4Confidential and Proprietary 私募基金当期扩散指数（细分类别）与下期沪深 300 指数涨跌幅的相关性 50501005010-.1 0 .1 .2-.1 0 .1 .2-.1 0 .1 .2Total Securities FundGrasrot Veteran RokieDifusionRIndexGraphs by Category数据来源：好买基金研究中心私募基金当期扩散指数（分类别）与下期沪深 300 指数涨跌幅的 Pearson 相关系数Correlations1 -.264 -.040 -.198.462 .912 .60910 10 10 9-.264 1 .772* .607.462 .009 .08310 10 10 9-.040 .772* 1 .709*.912 .009 .03210 10 10 9-.198 .607 .709* 1.609 .083 .0329 9 9 9Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)Nindexfundsecuritiesgrassrootindex fund securities grassrootCorrelation is significant at the 0.01 level (2-tailed).*. Correlation is significant at the 0.05 level (2-tailed).*. 数据来源：好买基金研究中心5 此处及下文中的“Total” 、 “Securities”、5Confidential and Proprietary 私募基金当期扩散指数（分类）与下期沪深 300 指数涨跌幅的 Spearman 相关系数Correlations1.000 -.286 -.018 .068. .424 .960 .86110 10 10 9-.286 1.000 .738* .498.424 . .015 .17210 10 10 9-.018 .738* 1.000 .691*.960 .015 . .03910 10 10 9.068 .498 .691* 1.000.861 .172 .039 .9 9 9 9Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NindexfundsecuritiesgrassrootSpearmans rho index fund securities grassrootCorrelation is significant at the 0.05 level (2-tailed).*. 数据来源：好买基金研究中心私募基金当期扩散指数（分类）与下期沪深 300 指数涨跌幅的 Pearson 相关系数Correlations1 .017 -.155.964 .66910 10 10.017 1 .530.964 .11510 10 10-.155 .530 1.669 .11510 10 10Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)Nindexveteranrookieindex veteran rookie数据来源：好买基金研究中心私募基金当期扩散指数（分类）与下期沪深 300 指数涨跌幅的 Spearman 相关系数Correlations1.000 .036 -.122. .920 .73710 10 10.036 1.000 .336.920 . .34210 10 10-.122 .336 1.000.737 .342 .10 10 10Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NindexveteranrookieSpearmans rho index veteran rookie数据来源：好买基金研究中心6Confidential and Proprietary 从散点图上看，各种细分类别数据点在坐标系内分布较散，均未表现出与指数下期涨跌幅的相关性。根据指数涨跌幅与各扩散指数的相关系数，我们发现所有相关系数均在 0 值附近波动，且没有任何一类公司的市场预判能力具有显著性，因此可以认为，基于现有的数据，以按照从业经历或存续时间所划分的私募基金公司子类均未表现出对市场的预判能力。（二） 私募基金的市场判断依据是什么以上的分析让我们了解到无论是私募基金整体，还是各细分类别，均不具有显著的市场预判能力，该结论自然而然引申出另外一个问题：这些“不靠谱”的预测是如何做出来的。联想到文章开篇时的两种赚钱方法，我们推测大部分私募基金公司可能并未对积极的进行市场预测，而是采用趋势跟随的方法顺势而为，进行右侧交易，因此其市场预测可能更多是基于当期的市场表现，并预期当期表现能够延续。为了验证上述的猜测，以下将检验当期整体及各细类扩散指数与当期大盘涨跌幅的相关性。如果显著相关，则证明私募基金公司是以当期市场表现来作为下期市场走势的判断依据。以下是分析结果：私募基金当期扩散指数（整体及细类）与当期沪深 300 指数涨跌幅的相关性0501005010-.1 0 .1 .2-.1 0 .1 .2Total SecuritiesFund GrasrotDifusionRIndexGraphs by Category数据来源：好买基金研究中心7Confidential and Proprietary 私募基金当期扩散指数（整体）与当期沪深 300 指数涨跌幅的 Pearson 相关系数Correlations1 .663*.03710 10.663* 1.03710 10Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)Nindextotalindex totalCorrelation is significant at the 0.05 level (2-tailed).*. 数据来源：好买基金研究中心私募基金当期扩散指数（整体）与当期沪深 300 指数涨跌幅的 Spearman 相关系数Correlations1.000 .770*. .00910 10.770* 1.000.009 .10 10Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NindextotalSpearmans rho index totalCorrelation is significant at the 0.01 level (2-tailed).*. 数据来源：好买基金研究中心私募基金当期扩散指数（分类）与当期沪深 300 指数涨跌幅的 Pearson 相关系数Correlations1 .317 .659* .826*.372 .038 .00610 10 10 9.317 1 .772* .607.372 .009 .08310 10 10 9.659* .772* 1 .709*.038 .009 .03210 10 10 9.826* .607 .709* 1.006 .083 .0329 9 9 9Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)Nindexfundsecuritiesgrassrootindex fund securities grassrootCorrelation is significant at the 0.05 level (2-tailed).*. Correlation is significant at the 0.01 level (2-tailed).*. 数据来源：好买基金研究中心8Confidential and Proprietary 私募基金当期扩散指数（分类）与当期沪深 300 指数涨跌幅的 Spearman 相关系数Correlations1.000 .383 .723* .949*. .275 .018 .00010 10 10 9.383 1.000 .738* .498.275 . .015 .17210 10 10 9.723* .738* 1.000 .691*.018 .015 . .03910 10 10 9.949* .498 .691* 1.000.000 .172 .039 .9 9 9 9Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)NindexfundsecuritiesgrassrootSpearmans rho index fund securities grassrootCorrelation is significant at the 0.05 level (2-tailed).*. Correlation is significant at the 0.01 level (2-tailed).*. 数据来源：好买基金研究中心数据分析结果基本印证了我们的判断。私募基金整体扩散指数与当期大盘涨跌的相关性高达 0.663 和 0.770，并呈高度显著，表明私募基金整体上是基于当期市场涨跌来判断未来市场表现的。分类别来看，民间出身的私募基金相关性最高，其 Pearson 相关系数和 Spearman 等级相关系数分别达到了 0.826 和 0.949，这也意味着该类人群的趋势投资意识更强；公募基金出身的产品与当期指数涨跌相关性最低，其数值未通过显著性检验，表明其扩散指数高低与当期指数涨跌幅无关。结合其与下期指数涨跌的低相关性，可以认为该类产品试图进行价值投资和积极的市场预判，只是效果差强人意。券商出身的产品相关性仅次于民间出身，显示出该类产品也具有较强的趋势投资倾向。以上分析证明了大部分私募基金是基于当期指数表现来预测未来市场走势，即采用我们之前所说的第二种赚钱方法。但第二种方法有其成立的前提，即市场必须表现出一定的趋势延续性。如果该前提不成立，则趋势跟踪策略就无法取得良好收益。在此我们通过一个简单的一阶自回归 AR(1)模型来考察指数以月为频率的趋势延续性：以指数月度收益时间序列为因变量，以其领先一期的时间序列作为自变量进行一元回归 6，若回归系数显著大于 0，则长期来看指数收益在月度频率上具有延续性；若回归系数显著小于 0，则其在月度频率上具有反转性；若回归系数不显著异于 0，则表示其无时间上的相关性。6 此处的数据样本为 2005 年 1 月至 2011 年 1 月沪深 300 指数的月度收益率时间序列，共计 73 个数据点。9Confidential and Proprietary 沪深300指数月度收益自回归结果Dependent Variable: RINDEXMethod: Least SquaresDate: 02/21/11 Time: 14:09Sample (adjusted): 2005M02 2011M01Included observations: 72 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob. C 0.014297 0.013172 1.085458 0.2814RINDEX_1 0.123192 0.118419 1.040306 0.3018R-squared 0.015225 Mean dependent var 0.016249Adjusted R-squared 0.001157 S.D. dependent var 0.110691S.E. of regression 0.110627 Akaike info criterion -1.537918Sum squared resid 0.856685 Schwarz criterion -1.474677Log likelihood 57.36504 F-statistic 1.082236Durbin-Watson stat 2.040735 Prob(F-statistic) 0.301778数据来源：好买基金研究中心回归结果显示模型未通过 F 检验和 t 检验，回归系数不显著，表明指数收益在时间序列上并无前后相关性，当月指数表现对下月指数没有明显的预测能力，因此，如果私募基金公司在实际投资运作中是根据当月市场表现来进行下月市场预测和增减仓操作，长期来看是无法取得超额收益的。（三） 单家公司中是否存在“市场预言家”以上的分析均基于私募基金公司整体或子类别，并未涉及到单个公司层面。尽管从大类上看，不存在那个类别的产品整体上能够对市场进行一定程度的预测，但不排除在单个公司层面会出现市场预测成功率较高的个体，即所谓“市场预言家”。以下选取了问卷回收率在 70%以上的 16 家私募公司，考察其每月市场判断与下月市场实际走势的吻合程度。由于是以单家基金作为考察对象，因此无法如之前分析一样将问卷结果构造为定量的扩散指数。鉴于此，本文考虑将指数涨跌做定性化处理，即根据历史上月度收益的分布，使用蒙特卡洛模拟的方法进行重复抽样，按照一定原则确定“多”、“中性”和“空”三种状态的临界收益率，再将统计期内的指数收益按照定义的临界收益率进行状态归类，最后将其与每家公司的问卷结果进行对比，并计算单家公司的预测成功率。具体方法如下：（1） 推测月度收益率分布形式以近 5 年沪深 300 指数月度收益为基础，推断其收益率分布形式。拟合结果显示，近 5 年沪深 300 指数满足Weibull 分布。10Confidential and Proprietary 沪深 300 指数月度收益率分布拟合结果数据来源：好买基金研究中心（2） 确定收益率分布边界根据拟合得到的 Weibull 分布，我们进行 10 万次的蒙特卡洛模拟，所得到的收益率分布如下图所示。如果假设“多”、“中性”和“空”发生的概率相同，可以将“多”、“中性”和“空”的收益率边界分别定义为(, -1.98%，(-1.98%, 7.25%和(7.25%, ) 。沪深 300 指数月度收益率蒙特卡洛模拟结果数据来源：好买基金研究中心（3） 统计期内指数表现归类11Confidential and Proprietary 根据（2）中确定的划分原则，我们可以将 2010 年 5 月到 2011 年 2 月的指数表现进行以下的定义：统计期内指数表现定义时间 10 年 5 月 10 年 6 月 10 年 7 月 10 年 8 月 10 年 9 月 10 年 10 月 10 年 11 月 10 年 12 月 11 年 1 月 11 年 2月定义 空 空 多 中性 中性 多 空 中性 中性 中性数据来源：好买基金研究中心（4） 计算单家私募的预测成功率将（3）中指数实际表现与各家私募的预测结果进行对比。如果当期预测与下期指数实际表现相符，则计为成功，反之计为失败。统计范围内各家基金的预测成功率如下：统计范围内私募基金公司预测成功率公司名称 预测成功率 公司名称 预测成功率安苏 12.50% 汇利 50.00%柏坊 57.14% 凯石 12.50%博颐 50.00% 龙赢富泽 42.86%从容 22.22% 尚雅 50.00%德丰华 28.57% 世诚 50.00%德源安 22.22% 展博 44.44%好望角 42.86% 柘弓 62.50%和聚 40.00% 智德 50.00%数据来源：好买基金研究中心从预测结果上看，柘弓的成功率最高，达到 62.50%，8 次预测中有 5 次正确。其次是柏坊，预测成功率为57.14%。总共有 7 只基金的预测成功率超过 50%，占 16 只样本基金的 43.75%。为了鉴别成功的预测是基于运气还是管理者能力，我们将实际预测结果与理论概率分布进行对比，如果实际概率低于理论概率，则