Tom 基金经理在管理基金的时候出现投资风格偏移是很较为常见的现象，尤其是市场处于上涨阶段的时候，基金管理者审视着自己不在风口上的基金产品难免会心生焦虑并做出投资风格偏移的动作，公募FOF基金也不例外。本文将着重研究对FOF基金投资风格出现偏移现象进行识别，以便及时评估投资风格偏移对基金绩效的影响。
首先我们构建一个FOF基金池，在不同市场行情阶段观察和统计样本基金在投资风格漂移上的表现，并对样本数据进行描述性统计和 ADF 检验。
样本数据选择及检验
1、
研究时段及样本说明
（1）样本的研究时段
2017年四季度，国内发行了首批公募FOF基金，南方全天候策略(FOF)A 和南方全天候策略(FOF)C。此后四年间，我国公募FOF基金得到了蓬勃发展，市场规模达到了263 只。公募 FOF 基金被要求在发行之初就要披露其投资风格及业绩比较基准等信息，为了保证样本数据的充足和完整，本文对市场中的 2021 年 2 月 19 日之前成立的公募FOF 基金自成立日起到 2021 年 10 月 31 日的周度收益率数据和业绩比较基准收益率数据。
本文将选用沪深 300 指数收益率以及 10 年期国债指数收益率分别代表股市和债市走势，将两者按照混合型 FOF 中偏股混合型和偏债混合型的比例进行加权，构建反应公募 FOF 市场行情的指标，如图 1 所示，将
整个研究区间分为四个时段。下跌行情：2017 年 12 月 31 日～2019 年 1 月 3 日；2019 年 1 月 4 日～2019 年 4 月 18 日的第一段上涨行情；2019 年 4 月19 日～2020 年 3 月 20 日的第一段震荡行情；2020 年 3 月 21 日～2021 年 2 月18 日的第二段上涨行情；2021 年 2 月 19 日～2021 年 10 月 31 日第二段震荡行情。
图 1 公募 FOF 市场行情
样本说明
在确定研究时段后，筛选研究区间内的样本数据。为了保证数据的准确性，我们将剔除一些发行时间较短的基金、供研究的收益率等数据较少，甚至已经暂停交易的基金、并且剔除每只基金封闭期内业绩比较基准收益率数据，因为在封闭期内基金不存在有效数据以供研究。
综上，本文共选取 109 只公募 FOF 基金进行研究，所收集数据的时间区间为：自每只基金结束封闭期起到 2021 年 10 月 31 日的周度数据。数据均来源于wind 数据库。
对所选取的公募 FOF 基金的数据进行统计，最终所要研究的公募FOF 基金共 109 只，收益率数据共 12590 条，业绩比较基准数据共 12590 条。这109 只公募 FOF 基金均为混合型，投资风格一共可以分为三类，分别是：偏股混合型、偏债混合型和平衡混合型，其中偏股混合型公募 FOF 基金 28 只，偏债混合型公募 FOF 基金 58 只，平衡混合型公募 FOF 基金 23 只。
2、描述性统计与数据检验
（1）描述性统计
首先，对样本基金的收益率数据和样本基金的业绩比较基准收益率数据进行描述行统计分析，描述性统计结果如表1所示。
注：***表示在1%的置信水平下显著
如表1中的数据所示，基金收益率的均值和基准收益率的均值分别为0.21与0.16，显而易见的是两个数据均为正值，且基金收益率表现要好于基准收益率；
从标准差来看，公募 FOF表现出了较强的抗风险能力，1.16的标准差显著低于业绩比较基准收益率1.27的标准差，说明公募FOF基金收益率相较基准指数收益率波动性更小，这一态势即使在受疫情影响期间也没有改变。从偏度、峰度和 JB 统计量来看，整个区间内公募 FOF 基金的样本数据和业绩比较基准的样本数据均具有明显的“尖峰肥尾”的分布特点。
（2）数据检验
本文首先使用ADF检验（单位根检验）的方法对公募FOF收益率数据和业绩比较基准收益率数据进行平稳性检验。
如表2、表3所示，通过对公募 FOF 基金收益率和业绩比较基准收益率的 ADF检验结果中的P 值进行判断，P 值约接近于 0 数据越平稳。由表中数据不难看出，所有基金样本和基准样本都呈现出平稳或一阶差分显著平稳，全部的基金样本及基准样本均在1%的置信水平下平稳。
（表2：部分公募FOF基金收益率ADF检验结果）
（表3：部分业绩比较基准收益率ADF检验结果）
投资风格漂移识别
1、模型的选择
我国金融资产收益率的时间序列有四大特征：异方差性、非对称性、波动聚集性和尖峰厚尾。在进行投资风格的识别分析中，GARCH族模型得到了广泛的应用。但相较GARCH和TGARCH模型，EGARCH模型对与具有以上四大特征的收益率数据拟合效果会更好。当我们试图解释金融资产的收益率与自身波动率的关联性时，往往会选择GARCH-M 模型。
把EGARCH 模型和 GARCH-M模型结合便形成了一个全新的模型——EGARCH-M模型。EGARCH 模型和 GARCH-M 模型的优点，新模型兼而有之，从而更加准确的对模型的波动进行估计，进而对资产是否发生风格漂移做出更精准的判断。因此，本文最终选择了修正后的 EGARCH-M 模型来对 FOF 基金投资风格进行识别。
首先介绍基金收益率及基准指数收益率的计算方法，公式如下：
（公式1）
（公式2）
Rt为计算出的基金收益率，NAVt为基金在 t 周时的单位累计净值，NAVt-1
为基金在 t-1 周时的单位累计净值，采用对数的形式可以使得数据更加平
稳，计算方式与基金收益率类似。基金收益率设定 EGARCH-M（1，1）模型，引入外生变量基金基准收益率，模型如下：
该模型通过观察系数θ及ω1的正负号来判断目标基金是否发生过投资风格漂移，若两系数均为正则未发生风格漂移，若其中一项为负则代表该基金发生过投资风格漂移。
本文之所以使用该模型是因为其拥有两个显著的优点：一是从收益和风险两个角度考察，增加了识别的准确性；二是本模型仅引入一个外生变量即基金的基准收益率，在有助于判断风格漂移的基础上又不会增加模型的多重共线性。
2、实例研究
如表4所示，在2017年10月份到2021年2月份之间所选取的109 只公募FOF基金中，有26只存在投资风格漂移的现象，漂移率为23.85%。同时，在EGARCH-M(1,1)模型里，公募FOF基金收益率序列的对称系数大多数为正，这说明大部分公募FOF基金更容易受到消息的影响，无论是利好消息还是利空消息都会对公募FOF基金的价格波动产生相似的影响，这种现象进一步证实了公募FOF基金可以有效对冲风险，保持较为稳定收益的特点。
从基金类型角度，偏债混合型公募 FOF 出现投资风格漂移的有 13 只，漂移率为 22.41%；偏股混合型公募 FOF 出现投资风格漂移的有 7 只，漂移率为 25.00%；平衡混合型公募 FOF 出现投资风格漂移的有 6 只，漂移率为 26.08%，可以看出平衡混合型的公募 FOF 出现投资风格漂移的现象更为普遍，究其原因可能是：在基金实际运作过程中，基金经理会根据市场行情对仓位进行调整，当其略微偏向于股票市场或债券市场，就容易使 FOF 产品偏离契约中标明的平衡混合型投资风格，发生投资风格漂移现象。
（表4：公募FOF基金投资风格漂移现象识别结果）
接下来，根据前文对市场行情的划分，分别对不同阶段各个样本基金的投资风格漂移进行识别，将各市场行情下风格漂移的情况总结如图2所示，当公募FOF处于下跌行情时，在2017年12月31日前成立的 10 只样本基金中，有2只基金发生风格漂移，漂移率为 20%；当公募 FOF 处于第一段上涨行情时，在 2019年1月4日前成立的30只样本基金中，有9只基金发生风格漂移，漂移率为30%；
当公募FOF处于第一段震荡行情时，在2019年4月19日前成立的36只样本基金中，有13只基金发生风格漂移，漂移率为 36%；当公募FOF处于第二段上涨行情时，在2020年3月21 日前成立的70只样本基金中，有37只基金发生风格漂移，漂移率为53%；当公募FOF处于第一段震荡行情时，在2021年2月19日前成立的109只样本基金中，有33只基金发生风格漂移，漂移率为31%。
（图2：不同市场行情下投资风格漂移情况）
实例研究结果分析
根据本文的实例研究可以发现，整体较长时间内FOF产品投资风格漂移率为 23.85%，除了下跌行情外，其余各个短期研究区间内的风格漂移率均高于这一占比。这说明，在行情不好的时候，市场热点匮乏，基金经理追逐热点的意愿不强。但在其他行情阶段，由于可能会出现市场资金集体追逐某一热点板块的现象，基金经理为了使 FOF 产品获得更高的回报率，使得基金风格发生偏离，但又受到契约中行业主题的约束，基金经理随后可能会对仓位重新进行调整，使其回归到契约中约定的投资风格，又或者发生过多次投资风格漂移，因此最终从长期的基金绩效与基准收益率的表现来看风格漂移比率降低。
本文对不同市场行情下，FOF产品投资风格漂移率呈现出较大差异，总的说下跌行情投资风格漂移率最低，上涨行情中最高，震荡行情时漂移率则处于前两者之间。
尤其值得一说的是在上涨行情中，基金经理受到了利好消息的激励，凭借对市场行情的敏锐度及市场趋势的判断作出策略性调整，此时策略性调整成功的可能性较大，可以增加基金的收益率从而使投资者获得更高的回报率。
相反的，在市场行情下跌时，受到市场大环境的影响，基金经理人很难做出策略调整，甚至有可能会出现逆势选错的情况，扩大了投资风险却没有获得更高的收益，此时具备优秀的选时能力的基金管理人往往不会改变基金的投资风格。因此，上涨行情投资风格漂移比率明显高于下跌行情的风格漂移比率。
基金经理资质对投资风格漂移现象的影响
为进一步分析公募 FOF 基金投资风格漂移现象出现的原因，本文将出现投资风格漂移的 26 只公募 FOF 基金与其余未出现投资风格漂移的 83 只公募 FOF基金进行对比分析，主要选取的比较指标为：基金经理资质、基金的收益率和前10 名重仓基金市值占基金资产净值比，从这三个维度进行对比分析。
如表5所示，从基金经理的任职年限来看，出现投资风格漂移现象的公募FOF 产品的基金经理平均任职年限为 4.25 年，任职年限大于 4.6 年的基金经理7人，占比 26.92%；未出现投资风格漂移现象的公募 FOF 的基金经理平均任职年限为 4.46 年，任职年限大于 4.6 年的基金经理 28 人，占比 33.73%。
从基金经理成熟度来看，在出现投资风格漂移现象的公募 FOF 基金中，基金经理成熟度评级为“青涩”占 34.61%；而在未出现投资风格漂移现象的公募 FOF 基金中，基金经理成熟度中评级为“青涩”占 24.10%。这在一定程度上可以说明，基金经理的资质对公募FOF基金是否出现投资风格漂移现象存在影响，基金经理的任职年限越高，成熟度评级越偏向“成熟”或“稳重”，其所管理的公募FOF基金越不容易出现投资风格漂移的现象。
（表5：基金经理成熟度及任职年限统计信息）
2.基金的收益率对投资风格漂移现象的影响
对研究样本中的所有公募 FOF 基金收益率进行统计，结果如表6所示：
（表6：部分公募FOF基金的累计收益率数据）
计算目标基金自发行日起到 2021 年 10 月 31 日的累计收益率可知，26 只出现投资风格漂移现象的公募 FOF 基金的平均累计收益率为 19.62%；83只未出现投资风格漂移现象的公募 FOF 基金的平均累计收益率为 24.88%。
其中，对比两类基金中累计收益率排名前五位和排名后位的基金，可以发现各排位未发生投资风格漂移现象的基金累计收益率均超过发生投资风格漂移现象的基金累计收益率。
这基金的收益率对公募 FOF 基金是否发生漂移存在一定影响，其原因可能是，大部分不成熟的基金经理面对收益率不达标时，便不遵守预先设定的投资风格，改变投资标的占比，导致投资风格漂移现象。
总结
根据目前国内基金市场信息披露的情况以及前人的研究经验，本文选择基于收益率特征的 RBSA 法来识别基金的投资风格。
通过对样本数据进行描述性统计和数据检验发现收益率的时间序列具有异方差性、非对称性、波动聚集性、尖峰厚尾的特征，因此选择建立 EGARCHM 模型进行拟合分析，最终识别出 109 只公募 FOF 中存在 26 只公募 FOF 发生投资风格漂移的现象，漂移率为 23.85%，其中平衡混合型基金最容易发生发个漂移。
并构建市场行情指标，将研究区间分为五个阶段，其中上涨行情风格漂移率最高，下跌行情风格漂移率最低。
.jpg)
.jpg)
