基金规模论文篇1

私募基金是相对于公募基金而言的，指不是面向所有的投资者，而是通过非公开方式面向少数机构投资者和富有的个人投资者集资金而设立的基金，它的销售和赎回都是基金管理人通过私下与投资者协商进行的，一般以投资意向书（非公开的招股说明书）等形式募集的基金。由于私募基金容易发生不规范行为，所以，一些国家的法律法规明确限定私募基金证券的最高认购人数，超过最高认购人数就必须采用公募发行。

与公募基金相比，私募基金具有以下优势：（1）由于私募基金面向少数特定的投资者，因此，其投资目标可能更具有针对性，能够根据客户的特殊需求提供度身定做的投资服务产品；（2）一般来说，私募基金所需的各种手续和文件较少，受到的限制也较少，一般法规要求不如公募基金严格详细，如单一股票的投资限制放宽，某一投资者持有基金份额可以超出一定比例，对私募基金规模的最低限制更低等，因此，私募基金的投资更具有灵活性；（3）在信息披露方面，私募基金不必向公募基金那样定期披露详细的投资组合，一般只需半年或一年私下公布投资组合及收益即可，政府对其监管远比公募基金宽松，因而投资更具有隐蔽性，获得高收益回报的机会也更大。

但是，私募基金也存在明显的缺陷；私募基金受到政府监管相对较宽松，操作缺乏透明度，有可能出现内幕交易、操纵市场等违规行为，将不利于基金持有人利益的保护，在可能取得较高收益的同时，蕴藏着较大的投资风险如基金管理者的道德风险、风险等。此外，以这种方式发行的基金证券一般数量不大，而且投资者的认同性、流动性较差，不能上市交易。

二、国外私募基金的运作特点

目前，国际上开展私募基金的机构很多，包括私人银行、投资银行、资产管理公司和投资顾问公司等，特别是随着国际上金融混业的发展，几乎所有的国际知名的金融控股公司都从事私募基金业务，它已经发展成为国际上金融服务业中的核心业务之一。私募基金在投资策略和运作方式上有以下显著特点：

严格限制投资范围。私募基金的投资者主要是一些大的机构投资者和一些富人。美国法律规定：投资于私募基金的投资者必须是“有资格的投资者”，个人投资者必须拥有500万美元以上的证券资产，并且最近两年的年均收入高于20万美元，或包括配偶的收入高于30万美元，如以法人机构的名义进行投资，则净资产至少在100万美元以上。

私募基金一般是封闭式的合伙基金，不上市流通。在基金封闭期间，合伙投资人不能随意抽资，封闭期限一般为5年或10年。

私募基金投资策略高度保密。私募基金无须像公募基金一样在监管机构登记、报告、披露信息、私募基金的经理人在与投资者签订的协议中一般要求有极大的操作自由度，对投资组合和操作方式也不透露，外界很难获得私募基金的系统性信息。

私募基金一般都运用财务杠杆操作。一般情况下，基金运作的财务杠杆倍数为2－5倍，最高可达20倍以上，一旦出现紧急情况，杠杆倍数会更高。私募基金大规模运作财务杠杆的目的是扩大资金规模，突破基金自有资金不足的限制，以获得高额利润。

私募基金的组织结构一般比较简单。私募基金属于合伙制企业，不设董事会，由一般合伙人负责基金的日常管理和投资决策。在美国，约1／4的私募基金总资产不超过1000万美元，它们的运作像一个小作坊，通常是在仅有一两个人的办公室里工作。

私募基金一般采取与业绩挂钩的薪酬激励机制。基金经理除了能够获得基金资产的一定比例的固定管理费外，还可以提取一定比例（通常在5％－25％之间）的投资利润作为奖励。

私募基金操作手法多样。私募基金经营机制灵活、没有短期的利润指标和确定的资金投向限制，在投资工具、财务杠杆、投资策略等各个方面也没有限制，这样，基金经理就能在范围更广的投资领域选择投资战略，以获取长期的高额利润。

三、我国私募基金的发展现状

由于缺少法律依据和法律保障，国内业已存在的地下私募基金只能以各种变通形式存在，如果按照基金的要求来衡量，其中一些还不能算作基金，但一旦时机成熟，它们将很可能演变为真正意义上的私募基金。这些改头换面的形式主要有三种：工作室、委托理财、公司或契约式私募基金，前者主要为个人资金，后者相当部分来自上市公司和国有企业，也有一些个人大户。

工作室主要参与者为投资咨询公司或一些从事咨询业务较成功的个人，常常由著名股评人士或研究人员命名，大部分负责给客户提供详细的市场操作计划。资金主要为一些个人投资者提供，规模较小，投资者进入工作室的资金量门槛较低，有一定的保本收益率要求。工作室的收入大多不直接向客户收取，而是由工作室与客户进行交易的营业部协商，从交易佣金中提取。双方完全凭一种私人间的信任关系建立起委托关系，大多只有口头协议，根本没有正式的文本合同，无法受到法律的保护。

委托理财主要通过证券公司或信托投资公司进行，它们在经纪业务基础上，结合为客户进行的咨询服务以及资产委托和资金运营等手段，发展了相当规模的非公募资产管理业务，通常采用一对一签合同的方式，资金量比较大，一般为几千万到1亿，时间为1年。

以公司式或契约式存在的私募基金主要由投资公司或资产管理公司来运作，其规范程度差别较大，良莠不齐。这部分资金规模很大，据估计，我国目前二级市场中规模超过10亿的私募基金不下30家，这些私募基金运作较规范，投资者往往要求对管理者进行严格的监控，但也有相当部分私募基金运作不规范，管理者为吸引投资者而承诺较高的回报率，结果导致各种纠纷，有损投资者的利益。

目前，国内地下私募基金大部分只给管理者一部分固定管理费以维持开支（甚至没有管理费），其收入从年终基金分红中按比例提取，这使得资本持有者与管理者利益一致。另外，国际上基金管理者一般要持有基金3％－5％的股份，一旦发生亏损，这部分将首先被用来支付，以保证管理者于基金利益绑在一起，国内大部分地下私募基金目前也采用这种方式，但比例一般高达10％－30％，之所以比例这么高，是因为中国信用制度尚未完全建立，同时存在的主要问题是缺乏法律依据和保障，为了吸引客户，大多地下私募基金对客户有私下承诺，如保证本金安全、保证年终收益率等，含有承诺的私募基金严重违反了有关法律法规，实际上近乎于非法集资，在这种情况下，即使有书面合同文本，委托人、受托人的利益仍难以得到法律的保护，而国际范围内资产管理中的保本、保底的做法很少见，且受到极为严格的法律管制。

国内私募基金的异军突起，实际上是对现有规则的一种突破，它直接源自于强大的投资理财需求，市场中大量存在着想把闲置资金运转起来、但对投资市场又不太了解的投资者，鉴于目前我国证券市场上公募基金的投资操作及年终分配情况，对于这部分资金并没有太大的吸引力，而把钱交给游离于法律体系之外的地下私募基金，又要承担较大的非市场风险。由于近年来中国经济大趋势较好，证券市场的发展速度也比较快，所以这些私募基金的成长性相对也比较好，尚未出现大的风险。但随着证券市场的发展以及私募基金规模的扩大，其存在于财务杠杆基础上的金融风险就可能会显示出来。因此，地下私募基金越大，越是需要合法的外部监管，管理层应当在目前相对较好的大环境下，承认它，让它从地下走向地上，通过公开化、合法化以及有效监管使它规范发展。

四、我国私募基金发展前瞻

私募基金的公开化和合法化将是大势所趋，但大规模发展尚需时日。私募基金要真正浮出水面还有很多障碍，包括法律建设和制度安排，其具体实施细则的颁布以及大规模的实践还会有一个“时滞”，操作中将可能采取先试点，然后逐步放开的渐进方式。

私募基金具有广阔的市场需求。目前国有企业、国有资产控股企业和上市公司已被准入证券二级市场，加上具有大量闲散资金的各类社会基金如教育基金、扶贫基金、互助基金、养老基金和保险基金，由于保值增值、追逐利润的动机和目的，都有根据其持有和运用资金的状况，提供具有针对性投资理财方案的需求；随着我国国民经济的持续发展，个人金融资产数量也大幅增加，大量民间资金迫切需要投资渠道；银行存款利率连续下调，实业投资竞争激烈，部分闲置资金找不到合适的产业项目投资，自然会追逐高回报而进入证券市场；随着新股发行市场化步伐的加快，一级市场新股申购的收益率将下降，部分申购资金将需要其他的投资方向。私募基金的出现将填补上述需求。

投资者将有更多的选择机会。私募基金面向特定投资者，由于存在特别的对基金目标有特殊期望的客户，基金发起人将会推出为某些定向客户定制的基金产品，从而使基金产品种类增加，市场将会出现一系列细分的基金，如专门投资家电行业的基金、专门投资公募基金的基金、专门投资房地产业的基金等，风险细化，基金投资者也将被细分为不同类型，投资者可以根据不同偏好选择不同的基金。但是，基金数量、品种的增加，也预示着基金市场竞争加剧，各基金业绩可能参差不齐，两极分化，投资者选择的难度加大，从而迫切需要中介机构对所有基金作出客观评价。

基金规模论文篇2

二、牛熊市环境下规模对绩效的影响

2005年以来的市场行情可划分为不同阶段,在牛熊交替的市场环境下,基金规模对绩效的影响是否相同呢?本文将对历史数据进行统计分析。

(一)相关数据的选择

第一,本文将选择截止2010年6月30日成立满一年的股票型开放式基金(不包括指数开放式基金)进行分析。

第二,由于开放式基金受到仓位限制,追求的是相对回报(即排名),故本文将复权收益增长率的排名作为衡量开放式基金业绩的标准。

第三,本文不考虑基金经理变更等其他因素对开放式基金绩效的影响。

(二)基金表现回顾

1、2005年1季度-2005年2季度(震荡下跌):在此阶段共有15只股票型基金,分为两档,即10亿元以下和10亿元以上,在这个阶段,小规模基金整体表现与大规模基金差距不大(表1)。

2、2005年3季度-2007年3季度(单边上涨):在此阶段共有75只股票型基金,分为三档,40亿元以下为小规模开放式基金,40亿―100亿元为中等规模开放式基金,超过100亿元为大规模开放式基金,在此阶段,小规模开放式基金业绩也明显优于中大规模品种(表2)。

3、2007年4季度-2008年3季度(单边下跌):在此阶段共有105只股票型基金,分为三挡,40亿元以下为小规模开放式基金,40亿―100亿元为中等规模开放式基金,超过100亿元为大规模开放式基金,在此阶段,大规模基金业绩略好于中小规模品种(表3)。

4、2008年4季度-2009年2季度(单边上涨):在此阶段共有138只股票型基金,分为三档,30亿元以下为小规模开放式基金,30亿―90亿元为中等规模开放式基金,超过90亿元为大规模开放式基金,在此阶段,大规模基金整体表现略优于中小规模基金(表4)。

5、2009年3季度-2010年1季度(横盘震荡):在此阶段共有161只股票型基金,分为三档,30亿元以下为小规模开放式基金,30亿―90亿元为中等规模开放式基金,超过90亿元为大规模开放式基金,在此阶段小规模基金整体表现优于大规模基金的特点(表5)。

基金规模论文篇3

近年来,产业内贸易一直是贸易界的热门话题，它在两国经济交往中扮演着重要的角色。产业内贸易是指一个国家在出口的某种产品的同时又进口同类产品，它与产业间贸易有着显著的不同。产业间贸易是指一个国家专门从事某种商品或服务的生产并进行出口，用以交换它不具备比较优势的其他商品或服务。

产业内贸易理论基于新贸易理论，换而言之，它的诞生基于规模报酬递增条件下的垄断竞争市场，而非传统的赫克歇尔俄林模型中的规模报酬不变条件下的完全竞争市场。产业内贸易理论的发展可以分为两个阶段。第一阶段是对统计现象的直观推断。20世纪年代中期以前，Vordoom对“比荷卢经济同盟”的集团内贸易格局变化的研究，Michaely对三十六个国家5大类商品的进出口差异指数的计算，Balassa对欧共体制成品贸易增长和Kojima对发达国家之间贸易格局的一系列的实证研究，构成了产业内贸易理论发展的第一阶段。与此同时，对二战后贸易新格局所进行的大量的理论研究推进了实证性研究的进展，并为产业内贸易步入第二阶段对统计现象的理论解释，提供了基础。70年代中期，Grubel和Lloyd 《产业内贸易》一书所作的开创性、系统性的研究使产业内贸易理论的发展上升到第二阶段。随后，许多西方学者对产业内贸易现象做了大量的理论性研究，使这一理论日渐丰富。Krugman (1981) 提出的理论基于垄断竞争的情况，认为“规模经济”和“产品差异”是将现代贸易理论和传统贸易理论区分开的评判标准，他认为这两个因素是影响各国产业内贸易的重要因素。Falvey(1981)、Falvey和Kierzkowski (1985)的研究基于赫克歇尔俄林贸易理论中的假想，分析了贸易伙伴国家的要素禀赋在产业内贸易中发挥的作用。Leamer (1988)提出市场开放度在产业内贸易中扮演了重要的角色。新近的关于产业内贸易的研究中，Davis (1995)的研究基于不同国家的技术发展差异，以强调要素禀赋作为比较优势的传统贸易理论作为理论基础。Harrigan(1994， 1996) 也同样强调了市场开放对贸易的贡献，以及市场开放对特定国家的产业内贸易增长做出的贡献。

基于新贸易理论和前人对产业内贸易的研究，本文将以下三个因素作为解释变量来检验这些因素对中国金融服务业的产业内贸易所造成的影响：（1）要素禀赋；（2）规模经济效应； （3）市场开放度。 下面的章节将对这三个要素建立模型并进行分析。

二、建立计量模型

1.因素的选择

（1）产业内贸易。Grubel和Lloyd(1975)创造了产业内贸易指数以衡量产业内贸易。Aquino (1978)、Tharakan (1983) 都通过Grubel和Lloyd(1975)的方法对产业内贸易进行了实证分析和数理分析。近年来，Vona (1991) 和Cooper等人(1993) 同样印证了Grubel和Lloyd指数的正确性。因此本文同样使用Grubel和Lloyd指数进行分析金融服务业的产业内贸易。在文中以IIT表示。

（2）要素禀赋。Falvey (1981) 、Falvey和Kierzkowski (1985)，在其产业内贸易模型中都将贸易伙伴国家的要素禀赋作为影响产业内贸易的因素。Moshirian (1994b) 的实证研究显示人力资源和物理资源是一些国家在金融服务业取得比较优势的两大决定因素。Davis (1995)在对产业内贸易进行理论研究时折中了传统的赫克歇尔―俄林贸易理论中的要素禀赋理论。在银行服务业这一领域，对各国比较优势和金融服务业产业内贸易影响最大的要素禀赋是人力资源，它反映为接受过高等教育培训的人数占总人口的比例。本文根据要素禀赋理论，将中国的教育发展程度用于评估人力资源对中国金融服务业产业内贸易的影响。在文中以EDU表示。假设教育发展程度越高，中国金融服务业的产业内贸易指数就越高。

（3）规模经济效应。Krugman (1981)认为在特定的某些国家中，垄断竞争条件下的规模经济效应无论对于贸易总量还是产业内贸易而言都是一个重要的影响因素。Greenaway和Milner 也认为规模经济是影响产业内贸易的重要因素。Lee (1989)， Hughes (1993) 和Somma(1991) 发现规模经济的存在对制造业的产业内贸易有重大影响。在银行业领域，20世纪80年代到90年代有许多文献试图证明在美国的银行业中是否存在规模经济。Berger等人(1999) 的文章综述了那些试图评估银行效率，量化银行业规模经济的研究文献。他们发现在20世纪80年代，那些总资产高于100亿美元的银行中才存在规模经济。然而，在90年代，资产超过250亿美元的银行才体现出规模经济。本文选取中国所有银行的总资产来衡量规模经济效应对中国金融服务业产业内贸易的影响。在文中以SCA表示。假设规模经济的存在对金融服务业的产业内贸易增长有促进作用。

（4）市场开放度。在某些国家，由于国家对金融市场的开放，到20世纪80年代许多金融服务业的贸易壁垒已经消失了。乌拉圭回合贸易谈判更促进了金融服务业的扩展，加速了金融服务业的产品多样化。尽管Leamer (1988) 和Harrigan(1994，1996)强调市场开放度是促进贸易量增加的重要因素，Hughes (1993)， Greenaway 等人(1994) 和Bernhofen (1999) 对制造业产业内贸易的研究都没把市场开放度作为影响产业内贸易的因素进行考虑。虽然中国金融市场的开放度相对不高，但本文仍把市场开放度纳入考虑。本文以中国金融服务业的FDI来衡量中国金融服务业的市场开放度。在文中以FDI表示。假设市场开放度越大，中国金融服务业的产业内贸易量就越大。

2.模型的建立

本文运用Eviews3.1软件将要素禀赋、规模经济效应以及市场开放度三个影响因素与中国金融服务产业内贸易的关系进行计量分析,从而得出结论。

本文的数据样本区间选择1997到2004年。计算产业内贸易指数的数据来源于中国统计网。计算要素禀赋、规模经济效应和市场开放度的数据均来源于中国统计年鉴。

（1）计量分析。首先，我们对要素禀赋、规模经济效应以及市场开放度三个因素与金融服务业产业内贸易的关系进行计量分析，建立模型：

IIT=eC1×EDUC2×SCAC3×FDIC4×eu

因为经济时间序列经常存在异方差，为了消除所选数据中可能存在的异方差，对所有变量取对数得：

LnIIT=C1+C2×LnEDU+C3×LnSCA +C4×LnFDI +u

其中IIT表示产业内贸易指数，EDU表示接受过高等教育的人口占总人口的比例，SCA表示金融服务业的规模经济效应，FDI表示金融服务业的外商直接投资；C1代表常数项，C2是回归系数，代表要素禀赋对我国金融服务业产业内贸易的影响力度，C3是回归系数，代表规模经济效应对我国金融服务业产业内贸易的影响力度，C4是回归系数，代表市场开放度对我国金融服务业产业内贸易的影响力度；u表示干扰因素的影响。回归结果见表1：

表1：中国金融服务业IIT影响因素计量分析结果

该回归方程的各变量均通过了5%的显著性水平检验，拟合优度达到了88%，调整后的拟合优度系数也达到了79%，且不存在相关状况。

(2)实证结果分析。对要素禀赋的统计结果如预期的具备正显著性，表明要素禀赋与中国金融服务业的IIT指数存在着正相关，而且要素禀赋对产业内贸易的增长有促进作用。这一结果是符合Falvey、Falvey、Kierzkowski以及Walter等人的研究结果的。这是因为一些金融工程或者风险投资管理都需要大量的高素质金融人才。例如为兼并、收购行为提供顾问， 房地产业顾问，公司财务管理等。风险资本融资、项目融资、房地产融资也都需要高素质的人力资本来产出多样化的金融产品。而金融产品的高度多样化则能促进金融服务业的产业内贸易增长。

对中国金融业规模经济效应的统计结果显示，中国金融服务业的行业内贸易的确是与规模经济相关联的。实证结果显示那些规模较大、更便于向国内外客户提供服务的大型金融机构确实获益于规模经济，与小型的金融机构相比，这些大型的金融机构在国外提供金融产品的边际成本是很低的。同时这些金融机构也提供了更多品种的金融产品，有利于金融服务业产业内贸易的增长。研究结果与Hughes 等人(2001) 的结论相一致：规模经济在金融服务业中存在，尤其是对大型金融机构而言。

对市场开放度的统计如假设的一样，具备正显著性。金融服务业市场的市场开放度越大，金融服务业的行业内贸易就越为发达。国外的研究成果均显示一个国家对国外贸易与投资的开放度越大，在金融服务业的产业内贸易量就越大。贸易壁垒和国家限制政策都将影响金融服务业的贸易量。这与Harrigan (1994， 1996) 的研究结果一致：市场开放度将增加贸易量，因此也会增加产业内贸易量。

三、总结

本文基于Helpman (1981) 、Markusen和Venables(1998，2000)及其他众人发展的现代贸易理论，对影响金融服务业的产业内贸易的重要影响因素进行了一系列的假设，并建立了模型对中国金融服务业的产业内贸易进行分析。实证结果显示要素禀赋、金融服务业的规模经济效应以及金融服务业的市场开放度都促进了中国金融服务业的产业内贸易增长。

由此可以看出，为了促进中国金融服务业的产业内贸易增长，我们可以从以下三个方面着手：(1)提高金融服务市场的开放度，积极参与区域经济一体化进程，以此促进产业内贸易的发展。我国与亚太经济合作组织成员国、东盟成员国之间的贸易往来都大大提升了中国的产业内贸易指数。充分利用我国与这些国家之间的日益兴旺的经济贸易，加快金融服务市场的开放与相互交流，有助于提高我国金融服务业的产业内贸易水平。(2)提高产业集中度，实现规模化经营，由此发挥金融行业的规模经济效应。严格规范市场准入条件，对外资向我国金融行业的进入做出相应的规定；制定相应的产业政策，对国内的金融服务业进行合理保护；规范扰乱金融服务业市场秩序的行为，培育有利于规模经济发展的市场结构。(3)重视教育事业对金融服务业的影响，重视对金融专业人才的教育培养。为金融服务业提供急需的高素质金融人才。

参考文献：

[1]Fariborz Moshirian，Donghui Li，Ah-Boon Sim．Intra-industry trade in financial services[J]．Journal of International Money and Finance ，2005，（24）.

[2]大卫・格林纳韦．国际前沿问题[M].中国税务出版社，2000.

[3]Dominick Salvatore.国际经济学[M].北京：清华大学出版社，1999，2.

基金规模论文篇4

一、基金业绩持续性是否存在

国内最近的研究证实我国开放式基金业绩存在持续性。何晓群、郝燕梅(2008)运用扫描统计量分析基金业绩在时间上的聚集性,发现业绩优秀的基金在业绩上存在持续性,而且业绩较差的股票型基金也存在一定的持续性,但是比业绩优秀基金的持续性稍低。不同类型基金业绩持续性的强度有别,货币型基金,无论业绩优秀的还是业绩较差的,其持续性都要强于股票型、混合型基金。李学峰、陈曦和茅勇峰(2007)利用多期横截面回归的方法检验我国开放式基金在2005～2006年业绩持续性问题,通过把基金样本的业绩指标分成排名期和评价期,然后用评价期的指标对排名期的业绩指标做横截面回归。如果二者回归系数显著地大于零,说明评价高的基金在下一期收益较高,即当前基金的业绩可以预测未来业绩。在其所分析两年间,2006年前三季度的基金业绩具有显著的持续性。

但国内早期的很多研究都不支持存在业绩持续性,代表性研究为刘建和(2006)、刘建和李承双(2006)等人。他们通过对国内基金净值持续性的检验,其结论为基金季度业绩不仅缺乏持续性,而且基金业绩还受整个市场行情的影响。肖奎喜和杨义群(2005)运用绩效二分法和横截面回归方法对开放式基金2003～2004年6月业绩持续性进行了检验,结论为开放式基金只在1~3个月的短期内出现了显著的业绩持续性现象,从总体上看业绩持续性不强,而且分析期间有显著的业绩反转现象。

国内学者早期和最近的研究结果之所以不一致,原因之一可能是数据问题,早期研究的数据较少,很多早期研究认为数据较少会影响研究结果。其次,早期关于基金业绩持续性主要关注封闭式基金,随着开放式基金不断发展壮大,开放式基金已经占基金产业主导地位,因此确定开放式基金业绩持续性需要最新研究。我们认为随着研究人员获得开放式基金数据不断增加和实证方法的改进,越来越多实证研究支持我国开放式基金存在业绩的持续性。

二、开放式基金业绩持续性的影响因素分析

根据国内外研究,影响基金业绩持续性的因素非常多,而且很复杂。在分析影响基金业绩持续性的因素时,首先要考虑基金数据的质量问题。在发达的基金市场,基金行业竞争非常激烈,导致基金企业之间合并、清盘,因而在所分析的数据中存在基金生存偏差问题,即所研究的基金都是存活下的优秀基金,国外很多人研究了数据生存偏差问题,如Brown和Goetzmann(1995),Carhart、Carpente和Lynch (2002)等。然而,由于我国开放式基金正处于高速发展时期,基金数据的生存偏差问题很少,在本文分析中我们暂不考虑数据问题影响开放式基金业绩持续性。我们主要从基金规模、基金持股换手率、投资风格、基金管理费率、基金经理能力等方面做出理论分析,并结合国内外的实证研究说明这些因素的有效性。

1.基金规模

就基金规模与基金业绩持续性关系,研究人员和实践者也形成两种观点,一方面,基金规模和业绩具有负相关性,基金变得太大会导致无效率,从而不能很好的利用选择单个股票和市场择时机会。同时,但是也有人假定规模大的基金更能很好利用规模经济,导致更低的运营成本。Volkman--Wohar (1995)从小、中、大三种类型的基金规模分析与基金持续业绩的关系,对于中小基金而言,基金规模与业绩成负相关,其解释为小和新设立的基金的风险比较高。对于中等规模的基金,存在一些证据表明规模与业绩具有正相关;而对于大规模的基金,规模与业绩具有负相关。因此,没有显著的证据支持基金规模与绩效具有正相关,因而认为基金规模越大,效率越低。对我国基金业而言,李学峰等人认为只有单个基金资产规模对基金业绩持续性有显著正相关影响,单个基金资产规模越大越容易存在业绩持续性现象,这可能是我国开放式基金发展过程中所获得规模经济,与Volkman--Wohar (1995)关于中等规模基金与业绩具有正相关一致。

2.基金管理费

基金公司作为投资者的委托者,优秀的基金经理比一般投资者更能发现那些价值低估的投资以及最佳投资机会。因而基金管理费用作为衡量信息和服务的价格,越是优秀的基金公司收取的管理费越高,但高管理费会削弱基金的回报率。总体上,基金管理费可能与业绩呈正相关,也可能出现负相关关系,在不同的分析样本中结果可能会不一样。Volkman--Wohar研究显示,管理费用较低的基金,相对具有较好的回报,而相对较高管理费的基金与业绩持续性具有反向关系。因此,在Volkman―Wohar的研究中得到基金管理费与业绩持续性具有反向关系。关于我国基金管理费与业绩持续性关系,宋文光和宫颖华(2009)发现影响业绩持续性的所有因素中,管理费用影响最大,而且管理费用与业绩持续性呈正相关,说明收取高管理费的基金能够为投资者带来超额收益。特别2006年新的QFⅡ管理办法的实施,合资基金成为中国基金产业重要的主体。在合资基金公司中这种关系更加明显,合资基金公司在管理经验、投资技术分析和信息处理等方面比中资基金公司具有优势。在新QFⅡ管理办法实施以前,李学峰等人的研究显示基金管理费与业绩持续性没有显著的负相关,因为国内大部分基金采用固定管理费率,且费用设置具有相似性,基金业绩与管理费用无关。在我国基金产业高速发展时期,高管理费用可能作为其基金经理管理和投资能力的一个“信号”,因而,高管理费用能够为投资者带来超额回报。

3.基金投资风格

基金投资风格是基金在构建投资组合和选择股票的过程中所表现出的风格,基金投资风格主要分为价值型、成长性、平衡性,不同投资的风格带给投资人的风险是不同。不同风格主要从基金所投资股票的公司的发展阶段进行划分,成长型基金投资于处于成长发展期的公司股票,这些公司股票风险较大,回报也比较高;而价值型投资风格则投资于那些发展成熟的公司股票,这些公司的盈利稳定,而且有丰厚分红。如果基金公司同时投资于成长发展期的公司股票和发展成熟的,则为平衡型。国外Volkman―Wohar认为价值型投资风格的基金与业绩持续性具有很强的正相关,主要因为是发展成熟公司的股票业绩比较稳定,这与理论上判断是一致的。国内李学峰等人认为,在所有影响基金业绩持续性的因素中,基金投资风格中的价值型投资风格是最为显著的正相关因素。如果某只基金公告为价值型基金,基金经理遵循价值投资风格能够使其业绩比较稳定,波动较小,从而保持业绩的持续性。薛泽庆、张冬(2009)等人研究在股指波动时,成长型投资风格与业绩持续性具有负相关。总之,就基金投资风格影响因素,国内外研究与理论上关系是一致的,价值型投资的业绩持续性比较强。

4.基金持股换手率

基金的换手率代表基金更换个股频率,是反映基金买进和卖出股票数量的指标。一般而言,如果基金管理者具有特别知识和能力,并将用于资产买卖,那么高换手率能够维持不错的收益。换手率也与投资风格有关,换手率高低代表了基金选择积极调整和长期持有风格。换手率高同时增加了基金的交易和管理成本。因而,换手率的高低可能与业绩持续性成负相关。当然,除了获得最佳投资机会外,换手率高也与基金经理调整、股票分红等因素有关。Carhart(1997)实证研究认为基金换手率与业绩持续性具有显著地负相关,对于每次买卖操作,换手率大约降低0.95个基点的业绩。对于我国基金行业,根据宋文光等人的研究,认为我国基金发展刚刚起步,基金的高换手率说明基金经理在进行短线操作,而大量研究证实长期买入持有的策略具有更强的业绩持续性,以及高换手率导致的高交易成本,使得高换手率与业绩持续性成负相关。因此,国内外研究支持长期持有策略能够获得较高持续的业绩。

5.基金经理能力

大多数基金投资者认为“选基金,就是选基金经理”,说明经理能力会影响业绩持续性。理论上认为基金经理具有一般投资者所没有的投资才能和特别信息,能够使基金获利。汤震宇、林树、刘博、李翔(2009)研究证实这个结果,发现具有一定任期的基金经理具有明显的优势投资能力,比其它投资者具有更强的投资能力或信息优势。同时基金经理业绩具有一定的持续性,表现优秀的基金经理能够持续表现优秀,投资者可以“追逐”明星基金经理获得显著的超额回报。

三、结论及建议

本文从基金投资者在选择基金时所关注的业绩持续性问题出发,结合国内外的研究考察业绩持续性是否存在问题,发现随着我国开放式基金进一步“爆发”,基金业绩持续性更强,因此投资者可以利用业绩持续性进行定性分析,提高正确选择基金的可能性。除了从总体上说明基金业绩持续性外,我们还从国内外实证研究详细考察了影响基金业绩持续性几个主要因素,基金规模与业绩持续性的相关性不是很确定,但是对于我国高速发展的开放式基金产业,基金规模与业绩持续性具有正相关,说明基金公司还能进一步利用规模经济。同时基金管理费、价值型投资风格和基金经理能力与业绩持续性正相关,而换手率与业绩呈负相关。对于投资者在选择基金时,可以积极考虑这些因素进行定性分析,并辅助一些数量分析,能够提高投资基金高回报的可能性。

参考文献:

[1] 何晓群郝燕梅:开放式基金业绩持续性检测的实证研究[J]. 经济理论与经济管理2008(5)

[2] 李学峰 陈曦茅勇峰:我国开放式基金业绩持续性及其影响因素研究[J]. 当代经济管理2007(12)

[3] 刘建和:基金风险调整收益的持续性检验[J]. 企业经济 2006(3)

[4] 刘建和李承双:开放式基金的业绩持续性检验[J]. 经济师 2006(7)

[5] 肖奎喜杨义群:我国开放式基金业绩持续性的实证检验[J]. 财贸研究 2005(2)

[6] Brown,S.J.and Goetzmann,W.N. Performance Persistence. Journal of Finance, 1995 50(2)

[7] Carhart, M.M., Carpenter,J.N, Lynch,A.W.and Musto,D.K. Mutual Fund Survivorship. Review of Financial Studies , 2002 15(5)

[8] David A Volkman and Mark Wohar. Determinants of Persistence in Relative Performance of Mutual Funds. Journal of Financial Research, 1995 18(4)

[9] Carhart, Mark M. On Persistence in Mutual Fund Performance. Journal of Finance 1997(1)

基金规模论文篇5

虚拟经济规模总量测度指标适应性分析的理论模型

本文采用灰色关联度分析方法研究虚拟经济规模总量测度指标与下文所选取的实体经济发展指标之间关联程度。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间关联度就越大，反之就越小；灰色关联分析的基本任务是基于行为因子序列微观或宏观的几何接近，分析和确定因子之间的影响程度或因子对主行为的贡献程度（邓聚龙,2002）[5]。因此通过分析虚拟经济规模总量指标时间序列与实体经济发展指标时间序列曲线的几何接近，计算虚拟经济规模总量指标与实体经济指标之间的灰色绝对关联度、相对关联度、综合关联度来判断社会融资总额、广义货币供应量及金融资产总量对实体经济发展的贡献程度，从而筛选出最适合的虚拟经济规模总量的测度指标。

中国虚拟经济规模总量测度指标适应性的实证分析

指标描述与数据来源说明本文选取的虚拟经济规模总量测度指标为社会融资总额X1、广义货币供应量X2、金融资产总量X3。基于数据的可获得性，社会融资总额包括人民币各项贷款、金融机构有价证券及投资、股票筹资额、企业债券发行额、保险公司赔款及给付；广义货币供应量理论上包括M2、金融债券、商业票据、大额可转让定期存单，考虑到金融创新在我国暂未测算，因而本文的广义货币供应量的数据仅包含M2；金融资产总量由股票市场交易额、债券市场交易额、基金市场交易额、期货市场交易额、外汇市场交易额、房地产市场投机交易额（由商品房本年销售额减去住宅本年销售额代替）数据加总所得。本文是基于虚拟经济与实体经济适应性，进而对虚拟经济规模总量测度指标进行选择，故指标选择包括实体经济指标。根据反映实体经济发展情况和指标数据可获得性，实体经济发展指标选择国内生产总值Y1、货物进出口总额Y2、全社会固定资产投资额Y3、社会消费品零售总额Y4、存货增加值Y5。指标选取的时间维度为1998年至2010年，以此为时间维度是因为证券投资基金交易额统计从1998年开始，时间频率为年度数据。本文所选指标数据主要来源于中经网统计数据库，国家统计数据库。

基金规模论文篇6

作为公司金融的研究重点，融资约束对公司经营的影响及企业的财务管理模式很早就引起了学者的兴趣。凯恩斯（1936）认为，企业持有流动性的一大好处是可以把握有价值的投资机会。相应地，如果企业面临融资摩擦（financing friction），流动性管理就成为企业管理者必须考虑的重大问题。

传统的理论通过企业的投资行为来考察融资约束对企业经营的影响。然而，自Kaplan和Zingales（1997）以来，以上结论受到了多方面的质疑，最具挑战性的观点有两个：一是Tobin’Q的衡量偏误；二是投资―现金流敏感性能否作为判断融资约束存在与否的依据。

针对以上问题，Almeida and Campello et al.（2004）等提出了另外一种检验融资约束假设的思路：面临融资约束的公司需要储备现金以保证后续投资项目的实施，而非融资约束公司则没有这种需求。因此，融资约束公司将表现出强烈的现金―现金流敏感性，而非融资约束公司的现金持有政策则不受现金流量多寡的影响，也就不会表现出现金―现金流敏感性。

在我国，负债率高的公司具有比较明显的特点：一是国有控股的可能性大。二是资产规模比较大。从我国实际情况来看，由于银行贷款仍然是公司主要的外部融资渠道，越大的公司，可以提供更多的担保，银行需要承担的监督成本也越小。基于上述分析，本文提出如下假设：公司的负债率越高，规模越大，面临的融资约束程度越低。

这就引入一个新的问题：如何划分融资约束与非融资约束样本，进而考察不同样本的融资约束程度？以往的文献多采用主观判断的分类法，例如按照企业负债率、资产规模或分红的三分位、四分位数划分样本，为什么高（低）分位数样本就是非融资约束组？依据是什么（张文君，2014）？为此Hansen（1999）提出了面板门限模型（panel threshold model），该模型的基本思想是利用统计检验的方法基于数据本身对样本进行分类，这在很大程度上缓解了先验判断带来的偏误。

基于上述考虑，本文将利用面板门限―现金―现金流模型实证检验融资约束假说。

二、模型与数据

为了保证可比性，本文亦使用Almeida and Campello et al.（2004）的基础模型，并以此为基础构建门槛模型，如方程（1）所示，

其中， 和 分别为被解释变量（现金持有变化）和主要解释变量（现金流量）， 为示性函数，qit为Tobin’Q，为企业规模，rit为门槛变量，和大多数文献一样，本文使用企业负债率和企业规模作为门槛变量， 、 为相应的双门限值3，下标 分别为个体和时间标识符。

面板门限模型的求解主要包括两步：一是对门槛效应的检验，二是门槛值的求解。本文的数据来源于Wind数据库，选取全部A股上市公司2008――2015年的数据，进一步的筛选原则如下：（1）剔除金融类和ST类公司；（2）剔除有数据缺失的企业；（3）剔除财务数据异常的样本。最终得到1469家公司作为研究对象，共计10283个公司年度观察值。

三、实证结果与分析

本文采用不同的门槛变量，得到了一致的检验结果――模型中存在两个门槛值，即对于不同负债率（公司规模）的公司而言，由于其面临不同的融资约束，因而其现金―现金流敏感性是不同的。

根据负债率作为门槛变量，取公司规模作为门槛变量。得出以下结论：（1）低负债率样本的现金―现金流敏感性系数显著为负，这意味着低负债率反映了公司上佳的财务状况，因而能够有效缓解公司的融资约束，中等负债率和高负债率的现金―现金流敏感性系数为正，且中等负债率样本的系数为0.315，显著大于高负债率样本的0.0172，这部分验证了前文提出的假说――公司的负债率越高，面临的融资约束程度越低。同时，从样本的分布范围来看，低负债率的样本数只有133个，显然，负债率低于8%是一项要求极高的财务指标，企业的资金来源几乎全部来源于内源融资。中等负债率的样本数占到了总体的74%，高负债率的样本数达2542，占比24.7%，其中国企样本数达到1668家，这在一定程度上印证了前文的一个论断――负债率越高的公司国有控股的可能性也越大。（2）若以公司规模为门槛变量，则结果同样支持前文提出的假说――公司规模越大，面临的融资约束越小，大规模公司的现金―现金流敏感性系数为0.326，小于中等规模公司的系数0.445，令人意外的是，小规模公司的系数居然为负。但相比于负债率组，样本分布发生了很大变化，属于中等规模的样本数仅有333家，仅为全部样本数的3%，这样，对整体进行门槛回归已经没有太大的意义，但注意到第二个门槛值95%的置信区间为（447.773，10088.099），这是一个相当大的取值范围，事实上，若以10088.1为临界点划分样本，则中等企业规模的样本数达到2290。（3）几乎所有样本的现金―现金流敏感性系数均显著为正，这意味着绝大多数公司都面临着“融资约束”难题，关键在于，不同类型的公司面临的融资约束程度不同，高负债率通常也是大规模的企业，现金―现金流敏感性系数显著小于中等负债率或中等规模的企业，即前者面临的融资约束弱于后者。

四、结论与启示

本文以Almeida and Campello et al.（2004）的研究为基础，从现金―现金流敏感性角度检验了融资约束假说在中国的实用性。本文的实证结果主要有以下发现――区e于以往研究，本文发现，融资约束普遍存在于中国的上市企业中，融资约束对中国上市公司的现金持有行为具有重要影响，具体表现为，负债率越高、资产规模越大的公司面临的融资约束越弱，而中等负债率或中等规模公司则表现出更加强烈的现金―现金流敏感性。这直接验证了本文提出的理论假设。

融资约束显著影响上市公司现金持有行为这一结论具有重要的政策含义。对于企业而言，持有较多现金虽然可以在一定程度上缓解外部资金压力，提高企业投融资决策的自主性，但同时要承担较大的流动性成本，对企业管理者提出了很高的要求。除此之外，促进金融市场的发展，加快银行改制、培育和发展公司债券市场等有助于拓宽公司融资渠道的手段则是破解融资约束难题的根本之道。

参考文献：

[1]连玉君， 程建. 投资――现金流敏感性： 融资约束还是成本？[J]. 财经研究， 2007，33（2）：37-46.

[2]Myers S C. Determinants of corporate borrowing[J]. Journal of financial economics， 1977，5（2）：147-175.

基金规模论文篇7

基金管理可分为“团队管理”和“个人管理”两种模式，前者指多个基金经理管理一只基金，后者指单一经理管理一只基金。随着基金业的发展，越来越多的基金采用团队管理的模式，这一趋势在国内外都是如此。美国股票型基金的团队管理比例在1994年时只有5%，2003年已增加至46%［1］。我国团队管理基金的现象逐渐增多，团队管理的开放式基金数量由2002年一季度的1只增加到2008年一季度的65只。尽管团队管理的基金数量占开放式基金总数的比例维持在20%左右，但其管理的资产规模比例已从43%增加到65%。团队管理的基金是开放式基金的重要组成部分。那么，影响基金管理模式选择的因素有哪些？团队管理相较于个人管理，对基金的风险特征和投资业绩的影响有何不同？这是本文将要讨论的问题。

在完全竞争的证券市场中，决策主体具有相同信息，则团队管理和个人管理的基金投资决策应该没有差别。但行为因素会影响到实际决策过程并通过成员之间的交互作用导致团队管理与个人管理有不同的决策和绩效表现。“群体漂移理论”（groupshifttheory）认为，集体决策有可能会强化团队中强势成员的看法，增加过度自信的情绪，从而加大决策结果的极端性［2］。“意见折衷理论”（diversificationofopiniontheory）认为，团队成员为达成一致结论会权衡自身观点，决策结果会反映大部分成员的意见，是成员意见的折衷［3］。从团队决策的绩效来看，一方面，团队成员可以相互纠正决策中的错误使决策更加理性，团队管理的基金应有更好的投资业绩；另一方面，团队决策也可能出现低效率，或源于团队工作中的道德风险（即部分团队成员消极怠工），或源于信息交流上的低效率，抑或是较高的协调成本导致团队管理绩效欠佳。

本文首次采用国内大样本数据，从基金风险特征和投资业绩方面对业界真实的团队决策问题进行实证研究。研究结果显示，基金管理模式的选择主要受基金公司偏好的影响。在控制基金特征后，团队管理可显著降低基金的总风险和系统性风险，说明团队决策结果较为“温和”，支持“意见折衷假说”，同时，团队管理也显著提高了基金投资业绩，说明团队管理可以发挥多人决策优势，做出较好的投资决策。

二、文献回顾

关于基金管理模式的影响因素，Sharp认为，任命多个基金经理管理的动因是专业化和多元化，专业化是为了发挥不同基金经理对不同投资领域了解程度的优势，多元化是为了防止单个基金经理决策产生偏差［4］。Barry和Starks从委托关系的角度证明了风险共担也会影响基金管理模式的选择，采用团队管理模式能产生更好的激励［5］。Bar等的实证结果显示，选择团队管理模式的概率与基金公司层面的政策和资产规模正相关，与基金年龄负相关，管理模式受基金公司层面因素的影响较大［1］。

关于不同管理模式的风险程度，学术界仍未达成共识。Moscovici和Zavalloni等学者认为团队决策代表了一种折衷，为了达成最终意见，团队成员必须权衡个人观点，团队决策会更温和，在时间上表现得更平稳［6-3-7］。Adams和Ferrerira的研究显示，团队决策由于多样化的作用会更保守，从而风险程度更低［8］。但也有理论认为团队决策的风险程度会更高，团队成员在得到其它成员支持后更敢于冒险［9］。实证研究方面，Golec使用36个月的数据发现，团队规模对风险调整业绩的影响不确定［10］。Bar等的实证结果显示，团队管理可显著降低基金的总风险、系统性风险以及非系统性风险，并在后续的研究中，Bar等进一步支持了这一结果，说明团队管理决策符合“意见折衷理论”［11］。

关于团队决策和个人决策的绩效，理论上也存在两种不同的观点。部分研究发现，团队决策更加理性，团队管理业绩会更好［6-12-13］，团队决策至少有两个优势：一是团队成员会在小组讨论的过程中能相互纠正错误；二是当团队成员拥有互补技能时，团队能从更多知识和能力中获益［14］。但是也有研究发现团队决策常存在低效率和偏差现象。小组成员会比单独工作时的积极性降低［15-16］，这种低效率的现象即团队的道德困境［17］，而偏差现象是指集体决策为追求达成完全一致的结论，而使决策偏离最优结果［18］。Prather和Middleton使用162只开放式基金13年的数据发现，不同管理模式基金的业绩没有显著差异，择时能力没有明显区别［19］。Chen等在基金规模和基金业绩的研究中发现，团队管理会显著降低基金投资收益，主要是由于团队管理在处理非定量信息(softinformation)方面效率较低［20］。Bar等在关于基金管理模式的研究中发现，团队管理基金的投资业绩稍有逊色，但业绩持续性较高［1-11］。目前，国内尚未出现系统研究基金管理模式的文章，李豫湘等的研究结果显示，基金经理人数对业绩没有显著影响，但该研究仅使用了2003—2004年的小样本数据［21］。

三、样本选择及数据说明

本研究的基金样本均为半年度数据，全部来自WIND数据库，时间区间为2004年下半年到2007年底，截至2004年上半年，市场上开放式基金数量较少，且基金特征数据不全。类型包括股票型、混合型和债券型。第一，剔除由封闭式转为开放式的基金；第二，鉴于债券型基金的风险—收益特征以及分析方法都与股票资产占多数的股票型和混合型基金差异较大，故也从样本中剔除，只保留股票型和混合型的开放式基金，如此选定了163只基金；第三，若基金管理模式在半年报告期内发生更替或基金特征变量不全，则将此半年度数据从样本中剔除。最后得到的有效样本为涵盖163只基金的437个半年度数据。计算定价因子的股票价格数据及公司财务数据取自色诺芬数据库（Sinofin），样本时间为2004—2007年。

本文对基金绩效的考察从两个维度进行：基金的风险特性和基金的投资业绩。基金的风险特性依据CAPM理论分为基金的总风险、系统性风险和非系统性风险；基金的投资业绩采用基金Jensen-α衡量。在计算风险和Jensen-α的过程中，需要使用基金的收益率指标，基金第t期收益率Rt为第t期复权单位净值UNAt的变化率：

Rt=UNAt/UNAt-1-1(1)

本文将下列关于基金特征的控制变量用于横截面回归。

①基金规模变量：基金规模会侵蚀基金业绩［20］，规模指标Sizet由基金的总净值TNAt（基金第t期的资产净值，即基金不复权的单位净值乘以基金总份额，以亿元为单位）计算得出：

Sizet=log(1+TNAt)(2)

②基金公司管理资产规模：单只基金所在基金公司的基金总净值（除去该基金本身）之和再加1取对数，用logfam表示，衡量基金公司管理资产规模的大小，资产规模较大的公司通常有较低的借贷成本、交易成本和更丰富的信息等，会影响单只基金的表现。

③基金换手率指标：反映的是基金交易的活跃程度，这与基金的风险特性和投资业绩也密切相关。该指标由期间内（以半年为单位）基金买入总额（buyt）和卖出总额（sellt）的最小值除以期间内的平均资产净值averageTNAt得到，即

Turnovert=min(buyt,sellt)averageTNAt（3）

④基金年龄：用Age表示，以年度为单位，从基金成立日开始计算到2007年底为止，结果向前取到0.5年。

样本基金的类型和投资风格分布如表1所示。表2则报告了相关控制变量的描述性统计，其中，famTNA表示基金公司相应基金之外的所有基金资产净值之和，其余变量定义如前文所述，其中子表A、子表B分别对应混合型与股票型基金。

四、影响基金管理模式选择的因素分析

基金公司出于多种目的选择基金管理模式：如基金规模较大需要多人进行管理，基金调整仓位频繁需要多人进行决策，基金投资多元，需要发挥不同经理的专长等。本部分利用基金相关特征数据分析管理模式选择的影响因素，使用如下Logit模型进行回归：

P(Team=1)i,t=F(k0+k1LastSizei,t+k2Agei,t+k3LastPcomi,t+k4LastTori,t+k5LastFami,t+k6MIXi+∑Tj=200402kjYj)（4）

若基金i在第t期采用团队管理模式，则P(Team=1)i,t=1，否则P(Team=1)i,t=0。Agei,t表示基金i的年龄，LastSizei,t表示基金i上期资产净值，LastTori,t表示基金i上期换手率，LastFami,t表示基金公司除去基金i之外的基金净值总和，MIXi为混合型基金的虚拟变量，如果基金类型为混合型，则该变量取1。Yj是表示不同时期的虚拟变量，分别从2004—2006年定义了3个虚拟变量。所有时间虚拟变量的回归结果都不显著，未在表中列示，结果如表3所示。

由Logit模型回归结果可知，基金公司选择团队管理模式的概率与该公司上期团队管理基金的比例以及公司资产规模显著相关。LasPcom回归系数为正，显示若基金所属公司上期团队管理基金数量的比例越大，则该基金采用团队管理的概率越大，表明公司对基金管理模式的选择存在一定程度的偏好或惯性。LastFam回归系数为正，说明公司旗下基金前期总规模越大，越倾向于选择团队管理模式；但LastSize回归系数不显著，即基金本身的净值规模与基金管理模式之间的关系不显著。此外，基金类型与管理模式的选择之间无显著关系，即混合型与股票型基金的管理模式似乎并无差异，这不支持基金使用团队管理模式以满足管理专业化要求的说法。综上所述，公司层面的因素是影响管理模式选择的主要原因。

五、管理模式与基金风险分析

如前文所述，团队管理的决策结果或是对团队成员意见的折衷，或是团队成员极端意见的强化。这一假说可由基金风险的实证分析得以检验：如果团队管理模式对基金风险有降低作用，说明团队在配置资产时采取了较为“温和”的策略，可以看成是团队成员意见折衷的结果；如果团队管理基金的风险较大，则表明团队管理的资产配置较为极端。

依据CAPM理论，风险可分为三个层次：总风险、系统性风险和非系统性风险，分别定义为基金收益率的标准差、市场模型中市场溢价的估计系数以及市场模型估计残差的标准差。市场模型的回归方程为（回归中使用的样本数据为周数据）：

Rp-Rf=αp+βp(RM-Rf)+εp(5)

风险指标表示为：

总风险=Var(Rp-Rf)(6)

系统性风险=βp(7)

非系统性风险=Var(εp)(8)

模型中无风险利率Rf＝1年期定期存款利率/52，市场收益率RM为相应时期沪深所有A股股票以市值为权重的加权平均收益率。为统一期起见，将各风险指标再进行半年化处理，分别乘以26，用于下文的横截面回归中。

按照管理模式分类的基金风险程度差异如表4所示。鉴于混合型和股票型的基金资产组合有差异，表4将这两种类型的基金分开进行描述，每组风险指标的前两行数据是该风险指标的均值，差异一行表示个人管理基金与团队管理基金的风险差值。

总体看来，个人管理基金的风险水平要大于团队管理的水平，但差异的显著性在不同类型基金中有区别。本文通过控制基金的其它特征，采用如下线性回归模型来检验管理模式和基金风险的关系：

Riski,t=k0+k1Teami,t+k2Agei,t+k3LastSizei,t+k4LastTori,t+k5LastFami,t+k6MIXi+∑Tj=200402kjYj+εi,t（9）

模型（9）的因变量分别对应总风险、系统性风险和非系统性风险。Teami,t为团队管理模式的虚拟变量，如果该基金为团队管理取1，否则取0；其余变量含义与模型（4）相同。回归结果如表5所示。

注：*、**、***分别表示回归系数在10%、5%、1%的显著水平下显著。小括号报告回归系数的p值。表格的最后一行为回归模型调整后拟合优度。

在控制基金类型及基金特征后，团队管理的虚拟变量对基金总风险、系统性风险的回归系数显著为负，说明团队管理模式可以有效降低基金投资组合的波动性和β值。波动性的降低可推断团队决策结果较为温和，较低的β值表明团队经理选择了相对于市场组合较为“保守”的资产，支持团队管理决策的“意见折衷理论”。非系统性风险回归方程调整后的R2很低，说明管理模式与非系统性风险之间的线性关系很弱，这源于混合型基金的非系统性风险分布很集中，均值及方差都非常小，显示混合型基金分散非系统性风险能力较强。

六、管理模式与基金投资业绩分析

基金投资业绩通常是基金经理激励机制中一项重要指标，基金经理的决策都是在给定风险水平下最大化基金业绩。本文采用基于多因子模型计算的Jensen-α衡量基金投资业绩：

（1）Fama-French三因子模型：

Ri,t=αi，t+b1MKTt+b2SMBt+b3HMLt+εi，t(10)

其中，Ri，t代表基金i第t期收益率，由复权单位净值计算出。αi，t对应基金的Jensen-α。MKTt为t期市场投资组合的收益率。HMLt为账面/市值比因子，SMBt为规模因子。回归中使用的因子及收益率均为周数据。

（2）四因子模型：

Ri，t=αi，t+b1MKTt+b2SMBt+b3HMLt+b4MOMt+εi，t（11）

其中，MOMt为惯性因子，采用的排序期分别为3个月、6个月以及1年。其余各变量含义与（10）中一致，回归中使用的因子及收益率均为周数据。

表6按基金类型报告了相关收益指标的均值以及不同管理模式的差异检验结果。每组收益指标的前两行数据是该类基金收益的均值，差异一行表示个人管理基金与团队管理基金收益之差。

结果显示：(1)不同管理模式下的基金收益和投资业绩指标均没有明显差异。(2)基金半年期的总收益率较高，平均在30%以上。这主要源于样本期（2004—2007年）处于市场上升阶段，多数基金的净值在2007年上半年之内就实现了翻番。

为了进一步验证管理模式对基金收益的影响，我们控制了基金特征变量并对Jensen-α进行如下回归：

αi,t=k0+k1Teami,t+k2Agei,t+k3LastSizei,t+k4LastTori,t+k5LastFami,t+k6LastsFlowi,t+k7MIXi+∑2006j=2005kjYj+εi，t（12）

回归因变量分别对应不同多因子模型计算的Jensen-α。LastFlowi,t表示基金上一期的净流入比率，其计算方法为基金净值的对数增长率减去基金收益率，即log(TNAt-1/TNAt-2)-Rt-1，其余变量含义与模型（9）一致。表7报告了相关回归结果。（a）栏为对三因子模型对应Jensen-α的回归结果。（b）（c）（d）栏分别是对四因子模型依惯性因子不同排序期所得Jensen-α的回归结果。最后一行为回归模型调整后的拟合优度。

回归结果显示，在控制基金特征后团队管理模式对基金业绩有显著的提高作用。尽管使用了不同的多因子模型，但团队管理均可将投资业绩提高3%以上，是总投资业绩水平（15%左右）的1/5。

团队决策在股票投资中确实可以发挥多人决策优势，提高基金投资业绩。此外，基金的投资业绩与基金公司上期规模显著负相关，这说明基金公司层面存在某种规模不经济现象。如果考察净投资业绩与管理模式的关系，可将Jensen-α减去基金的管理费率和托管费率，进行同样的回归，所得结果与上文类似，不再赘述。四因子模型在不同排序期惯性因子下得到的Jensen-α差异不大，故仅列示了按3月期排序的结果。

七、结论

本文利用2004—2007年的大样本数据对基金管理模式进行了系统研究，发现基金管理模式的选择与基金自身特征、基金类型无显著相关性，但与基金所属公司的管理资产规模以及前期采用团队管理基金的比例显著相关，说明基金管理模式的选择主要受基金公司对管理模式偏好的影响。这与国外的实证结果类似［1］。控制了基金类型和特征，团队管理模式能够显著降低基金总风险、系统性风险，说明团队管理选择资产较为“保守”、“温和”，这支持了“意见折衷理论”；但在降低非系统性风险的能力上，团队与个人管理并无明显差异。团队管理模式可显著提高基金投资业绩，说明团队能做出较好的决策，体现了较高的资产选择能力和较强的管理优势。采用不同多因子模型进行回归分析，得到的结果相类似，说明上述结果是稳健的。这与李豫湘等［21］的结果不同，与基于美国数据的研究结果［1-11-20］也有差异。本文结果丰富了现有文献，可为基金投资者选择投资产品提供一定的参考。基金公司应深入考察其团队管理的投资决策程序，发挥团队管理的优势，控制团队管理不经济性。

实际基金管理中，存在着单一基金经理管理单只或多只基金，抑或多个基金经理管理单一基金或交叉管理多只基金的现象。本文仅是基于单只基金的表现分析管理模式的选择及其对单一基金的影响，这不等于考察了基金经理或经理团队所管基金的总业绩。

参考文献：

［1］Bar,M.，Kempf,A.，Ruenzi，S.TeamManagementandMutualFunds［R］.WorkingPaper，2005.

［2］Kerr,N.L.GroupDecisionMakingataMultialternativeTask:Extremity，InteractionDistance，Pluralities，andIssueImportance［J］.OrganizationalBehaviorandHumanDecisionProcesses，1992，(52):64-95.

［3］Sah，R.K.，Stiglitz,J.TheQualityofManagerinCentralizedversusDecentralizedOrganizations［J］.QuarterlyJournalofEconomics，1991，（106）：289-295.

［4］Sharp，W.F.DecentralizedInvestmentManagement［J］.JournalofFinance，1980，36（2）：217-234.

［5］Barry，C.B.，Starks，L.T.InvestmentManagementandRiskSharingwithMultipleManagers［J］.JournalofFinance，1984，39（2）：477-491.

［6］Moscovici，S.，Zavalloni，M.TheGroupasPolarizerofAttitudes［J］.JournalofPersonalityandSocialPsychology，1969，（12）：125-135.

［7］Sah，R.K.，Stiglitz，J.TheArchitectureofEconomicSystems:HierarchiesandPolyarchies［J］.AmericanEconomicReview，1986，（76）：716-727.

［8］Adams，R.B.，Ferrerira，D.IndividualversusGroupDecision-Making:AComparisonUsingDataonBetsonIceBreakupsinAlaska［R］.WorkingPaper，2003.

［9］Kogan，N.，Wallach，M.TheRolesofInformation，Discussion，andConsensusinGroupRiskTaking［J］.JournalofExperimentalSocialPsychology，1965，（1）：1-19.

［10］Golec，J.H.TheEffectsofMutualFundManagersCharacteristics［J］.FinancialServicesReview，1996，5（2）：133-148.

［11］BarM.，Kempf，A.,Ruenzi，S.IsaTeamDifferentfromtheSumofItsParts?EvidencefromMutualFundManagers［R］.WorkingPaper，2008.

［12］Blinder，A.S.，Morgan，J.AretwoHeadsBetterthanOne?AnExperimentalAnalysisofGroupvs.IndividualDecisionMaking［R］.WorkingPaper，2001.

［13］Cooper，D.J.,Kagel，J.H.AreTwoHeadsBetterthanOne?TeamversusIndividualPlayinSignalingGames［J］.AmericanEconomicReview，2005，（95）：477-509.

［14］Pelled，L.H.，Eisenhardt，K.M.，Xin，K.R.ExploringtheBlackBox:AnAnalysisofWorkGroupDiversity，ConflictandPerformance［J］.AdministrativeScienceQuarterly，1999，（44）：1-28.

［15］Williams，K.D.，Nida，S.A.，Baca，L.D.，Latané，B.SocialLoafingandSwimming:EffectsofIdentifiablyonIndividualandRelayPerformanceofIntercollegiateSwimmers［J］.BasicandAppliedSocialPsychology，1989，（10）：71-81.

［16］Weldon，E.，Gargano，G.M.Cognitiveloafing:TheEffectsofAccountabilityandShareResponsibilityonCognitiveEffort［J］.PersonalityandSocialPsychologyBulletin，1988，（14）：159-171.

［17］Holmstrom，B.MoralHazardinTeams［J］.BellJournalofEconomics，1982，（13）：324-340.

［18］Janis，I.Groupthink，PsychologicalStudiesofPolicyDecisionsandFiascos［M］.HoughtonMifflin，Boston，1982.

基金规模论文篇8

然而，我国开放式基金却表现出“异常赎回”的特征：开放式基金业绩与资金流动的关系呈现负相关且为凹形，基金业绩越好，赎回反而越严重（李耀2003［1］，刘志远等2004［2］，陆蓉等2007［3］）。由于国内学者都把重心放在业绩与净赎回的关系上，没有进一步探讨业绩分别对申购、赎回的影响，因而令人关注的问题是，基金的“异常净赎回”究竟是缘于“异常申购”，还是缘于“异常赎回”，抑或其他原因。

同时，随着我国开放式基金市场的发展，基金的申购、赎回也显现了一些引人瞩目的新现象：2008年上半年，中国有大量开放式基金获准发行上市，却申购不足，多只新基金因达不到募集规模下限而延长发行期，众多基金首募规模不足5亿。与此同时，不少基金却遭遇了大面积地赎回。据统计，82只偏股型基金第一季度的份额缩水在0～10%之间，58只偏股型基金净值缩水10%～20%(注；网易 > 财经频道 > 基金 > 正文，2008－05－22，《近七成基民欲赎回》。一份权威调查显示，超过四成的基民想要选择在大盘突破4000点的时候赎回基金。)。

为了深入阐释中国开放式基金“异常赎回”的形成机制，同时也为了解释国内新近出现的申购、赎回新现象，因此进一步探讨业绩对基金投资者申购、赎回的各自影响，具有重要意义。

国外文献对基金的PFR进行了较为完整的研究，分别研究了资金流入、流出对业绩的反应，因而对基金的PFR能提供一个清晰完整的解释。其主要观点是：基金流量与基金历史业绩正相关，投资者喜欢申购赢家基金，赎回输家基金，申购、赎回对业绩呈非线性反应 （Ippolito1992［4］、 Sirri1998［5］、Froot et al 2001［6］）。对于资金流量的这种非线性反应，普遍的解释是基金投资者具有处置效应，即投资者喜欢尽快赎回赢利的基金，而继续持有亏损基金。Barber（2006）［7］利用台湾的数据证实了基金投资者赎回时的处置效应。

与以上解释相反，Ivkovi等（2007）［8］进一步发现：基金投资者不存在处置效应；资金流入、流出都对过去业绩敏感；但资金流入对相对绩效敏感度较高，对绝对绩效敏感度较低，而资金流出则恰好相反。Cashman等（2008）［9］则根据老投资者与潜在投资者对业绩的不同反应方式，解释了基金申购、赎回对基金绩效的非线性反应：老投资者通过申购、赎回两种方式对基金业绩发生正反馈行为，二者反应强度一致；潜在投资者则只通过申购做出正反馈反应。

Breuer 和 Stotz（2007）［10］实证了资金流与绩效的互动：基金资金流与过去、现在绩效正相关，与未来绩效负相关。Ding等（2008）［11］发现基金收益与投资流，有份额约束下呈凸性正相关，无份额约束下呈凹性负相关。Huang等（2007）［12］证实参与成本越低，投资者对业绩越敏感。

除此以外，一些学者还从基金资金流与收益、资产规模（Rompotis, 2007）［13］、基金经理选股能力与资金净流入（Beltrattiy等，2007）［14］、不同类型基金资金流的替代（Massa, 2008）［15］等角度，研究了开放式基金资金流的影响因素。

与国外文献不同，国内相关文献主要研究了中国开放式基金净赎回的影响因素，并实证发现净赎回与业绩的变动关系是“异常净赎回”（李耀2003［1］，刘志远等2004［2］，陆蓉等2007［3］），基金业绩、分红金额是影响开放式基金净赎回的重要因素（赵旭等2003 ［16］、刘志远等2004 ［2］、陆蓉等2007［3］），并且用行为金融理论中的前景理论 （李耀，2003）［1］与经济学外部性理论（李曜等，2004）［17］解释了我国开放式基金的大面积赎回现象。而关于基金业绩究竟如何影响申购、赎回，基本上尚无文献探讨，尤其是实证方面的文章，几乎是一片空白。

从方法上来看，国内在探讨基金业绩对赎回影响时，已经开始使用面板数据的固定效应方法进行估计。而通过Benson等（2008）［18］的实证结果可知，基金投资流滞后项是重要解释变量，如果用面板数据固定效应方法去进行估计，由于固定效应影响会产生内生性，导致估计偏差。

通过研读、对比国内外相关文献可以看出，国内文献尚存在以下不足：

其一，由于国内开放式基金成立时间短，且数据大多为年度数据，样本量非常小，导致实证结果有效性降低。

其二，由于国内学者都把重心放在业绩与净赎回的关系上，没有进一步探讨业绩分别对申购、赎回的影响。因而无法解释基金的“异常净赎回”究竟是缘于“异常申购”，还是缘于“异常赎回”？抑或…？

其三，在研究方法上，其面板数据固定效应方法会产生内生性问题，估计结果存在偏差。

基于国内文献不足，考虑到面板数据是一种多个截面、多个时间序列数据，具有样本量大、稳健性好等优点，本文选取中国开放式基金成立以来最大的平衡面板数据（16季度22截面），采用动态面板数据（dynamic panel data）估计方法以解决内生性问题，并重点探讨业绩对开放式基金申购、赎回以及净赎回的各自影响。

二、研究假设

本文在前人文献与相关理论基础上，对基金收益率与市场收益、分红、基金规模等主要控制变量如何分别影响申购、赎回提出了如下9种研究假设。

假设1：基金收益率与申购率正相关。

投资者理性地选择基金，需要花费搜寻成本。为了降低搜寻成本，投资者往往根据品牌、广告、历史业绩等容易比较的因素来筛选基金，其中，基金投资者最容易根据历史业绩来选择基金（Gruber，1996）［19］。由于投资者流入赢家基金的资金量显著地快于流入输家基金的资金量 （Ippolito, 1992［4］、 Sirri, 1998［5］、Froot et al., 2001［6］），因而可以推知，基金收益率与申购率正相关。

假设2：基金收益率与赎回率正相关。

根据前景理论（Kahneman等，1979） ［20］，基金投资者存在非线性的风险偏好，易发生处置效应：在赢利时喜欢尽快把账面利益转换成现实利益，而在账面亏损时不甘心实现损失反而持有基金。因而可以预期，当基金收益率较高时，投资者赎回增多，基金收益率与赎回率正相关。

假设3：股市市场收益越高，投资者对基金越有信心，申购越多。

由于国内基金业绩与股市收益相关性强，基金投资者往往根据股市行情走势来判断是否申购，股市收益越高，投资者越易申购。

假设4: 股市市场收益越高，投资者越容易选择赎回。

基于基金与股市的强相关性，根据前景理论，基金投资者容易在股市收益较高时发生处置效应。此外，股市行情高涨时，新基金更易发行上市，其“吸钱”作用容易使旧基金遭受赎回。

假设5：基金分红与申购率正相关。

信号传递假说认为，分红是管理者向市场传递公司未来预期收益的一个隐性手段（Pettit, 1972）［21］，管理者通过分红可以把内部信息传递给信息不对称的投资者，并表明自己对基金未来有信心（Ross, 1977）［22］。分红还可降低基金净值，从而降低申购成本。分红可满足基金投资者对现金的偏好，“两鸟在林”不如“一鸟在手”。综上所述，对于基金投资者而言，有分红历史的基金，意味着业绩优良、低成本、低风险。因而，基金分红越高，投资者申购率越高。

假设6：基金分红与赎回率负相关。

基金收益率是一种账面收益，而分红是一种现实收益。一方面分红的实施有助于降低基金未实现资本利得，弱化投资者的处置效应，但另一方面分红也导致基金现金流的减少，影响基金投资决策，投资者预期分红后基金净值会大幅下降，因而尽快赎回。本文预期分红的前一作用大于后者，因而假定，分红与赎回率负相关。

假设7：基金分红次数越多，申购率越高。

排除一些新基金公司为了急于扩大份额规模而采取大额、频繁的“异常分红”，根据有关假设3的说明，我们有理由相信，分红次数多的基金是有实力、信息披露较完全的基金，而且申购成本非常低，因此，基金分红次数越多，申购率越高。

假设8：基金分红次数越多，赎回率越低。

基金分红次数越多，越能惠及更多基金投资者，弱化其处置效应；同时，如果分红总额波动不大，分红次数多意味着单次分红的减少，因而可以降低基金净值下降的预期，有助于抑制赎回。因而，增加基金分红次数有助于抑制赎回。

假设9：基金规模越大，申购率越高，赎回率越低。

基金规模越高，其管理收入越高，更易于扩大广告支出、聘用明星基金经理、开发金融工具，形成规模效应，因而基金规模越大，申购率越高，赎回率越低。

三、模型设定与数据说明

（一）申购、赎回、净赎回的动态面板模型

本文应用Stata10. 0软件进行模型的参数估计。之所以选择动态面板数据（DPD）估计，是因为被解释变量（申购、赎回、净赎回）的滞后项可能是重要的解释变量，在差分时会产生内生性问题，动态面板数据法是解决该问题的一个较好选择。通常先进行差分，再选用工具变量解决内生性问题。早期动态面板估计主要采用的是Andersen and Hsiao（1981）［23］方法，采用被解释变量滞后二期以及滞后二、三期的差分作为工具变量。在此基础上，Arellano和Bond（1991）［24］利用解释变量与预定变量的滞后项、严格外生变量的差分作为工具变量进行估计，提高了动态面板的估计效率。但是这种方法假定随机误差项不存在自相关，当自回归系数较高时，估计量表现出较大的不稳定性。Bundell和Bond（1998）［25］基于Arellano和Bover（1995）［26］的研究，利用其他矩条件推出系统GMM估计量，利用xtdpd以实现上述估计。本文应用动态面板数据的xtdpd法估计，使用该方法的关键在于对解释变量选择恰当的工具变量。根据上述理论回顾，申购、赎回、净赎回三个方程的动态面板模型可设定为：

Yi, t＝ayi, t－1＋rβ1＋Xβ2＋vi＋εit（1）

其中，yi, t表示申购、赎回或者净赎回等被解释变量，α表示其影响系数，r表示滞后期与即期收益，β1是其系数向量，X表示市场收益、分红、基金规模、基金收益标准差、市场收益标准差等控制变量，β2表示控制变量的系数向量，v表示个体效应，ε表示随机效应。考虑到面板数据已控制基金个体特征影响（如品牌、管理风格等），本文各方程进一步控制了市场收益、分红、基金规模、基金收益标准差、市场收益标准差等因素影响，并根据实际显著性程度与经济含义进行取舍。变量定义如表1所示。

（二）数据说明及其描述性统计

本文所有数据来源于上海wind资讯与腾讯基金频道。为消除开放式基金发行溢价期与赎回封闭期影响，同时考虑到平衡面板数据的方便，最终选择的数据是2003－2007年所有开放式非货币基金的季度平衡面板数据。变量的描述统计表如表2所示。

为了进一步考察申购、赎回随收益、分红的动态变化趋势，我们按时间分组求取其平均值，并绘制图形如图1所示。从图形上可以看出，整个样本期间，申购率、赎回率与收益率、大盘收益、分红变动趋势几乎完全一致。但是，从图形上我们还很难看出基金收益率与申购率、赎回率是否存在因果关系，而且随着2006年国内开放式基金纷纷实施分红策略后，分红与基金申购、赎回变动走势更接近。因而，要准确考察收益如何影响资金流的变动，有必要控制分红、大盘等因素影响并进行进一步的计量实证。

四、实证结果与分析

由实证结果（表3）可以看出，基金收益与分红对申购、赎回以及净赎回的影响方式不尽相同；基金申购、赎回以及净赎回与业绩的关系是一种“反向选择”；投资流滞后项、股市收益、分红等也是影响投资流的重要因素。

（一）基金收益率对申购的影响

在控制市场收益率、分红、基金收益、市场收益及风险、基金规模等因素影响后，从申购方程一、二实证结果可以看出，基金历史收益率、当期收益与申购负相关，假设1不成立，与国外的研究不一致（Ippolito 1992［4］、Sirri 1998［5］、Froot et al., 2001［6］），这表明国内开放式基金申购是一种“异常申购”：资金流不是流向业绩好的基金，而是流向业绩差的基金。由此可以看出，投资者对优良基金的业绩持续性缺乏信心，严重的风险规避心理使其宁愿申购收益率较低的基金。因为一般情况下，低收益率的基金净值较低，申购成本低，轻装上阵，“船小好调头”，而申购高净值基金，账面收益高、风险大，容易一申购就被套牢。

（二）基金收益率对赎回的影响

从赎回实证结果（方程三、四）可以看出，无论是基金历史收益或是即期收益，对赎回都有正的贡献，基金投资者表现出明显的“异常赎回”：业绩越好，赎回越严重，业绩越差反而越持有。这与国外大多数文献实证结果相反，但中国台湾基金投资者也具有此种“异常赎回”（Barber，2006）［7］。对此相关解释是：

首先，从行为金融的前景理论 （Kahneman等，1979）［20］看来，“异常赎回”是投资者的处置效应（Shfrin等，1985）［27］，基金投资者具有S曲线的价值函数，在赢利与亏损时表现出的风险偏好态度迥然不同：在赢利区间风险规避，往往喜欢尽快变现，把账面利润转化成现实利润，落袋为安；而在账面亏损时喜好风险，出于一种后悔厌恶的赌徒心理，不甘心实现损失，期待翻盘。

其次，开放式基金赎回机制的固有缺陷也易诱发投资者的处置效应。如果开放式基金的卓著业绩不能持续，在业绩卓著时，先赎回者会对同一基金的其他投资者施加负的外部性（李曜，2004）［17］。

再次，国内基金公司赎回费率单一，对短期赎回不征收额外赎回费。此种赎回费率制度无法阻止开放式基金的“友谊资金”、“捧场资金”在业绩优良时立即撤离；也无法抑制机构投资者的短期套利活动。而国外基金的费率结构是持有时间越短、赎回费率越高，短期赎回费率的制度安排阻止了投资者短期内频繁进出基金。Nanigian等（2008）［28］发现美国基金公司近些年越来越普遍收取短期赎回费率。

除此以外，国内开放式基金发行速度快、数量多、规模大也是开放式基金处置效应的一个重要原因。根据上海Wind资讯，开放式基金在成立之初的2001年仅有3只基金、资产规模不足61亿；到2007年已发展为基金297只、资产规模约3000亿；由于股市下跌，2008年开放式基金资产总值缩水到不足2000亿，但基金数量已高达396只。新基金的大量、高规模发行，除了使其申购很难完成发行规模外，对市场旧基金产生了大力“抽钱”作用。

（三）基金收益率对净赎回的影响

实证结果表明，即期收益率对净赎回影响为正，进一步证实了国内学者观点：中国开放式基金赎回是一种“异常净赎回”［1－3］。至此，综合基金收益对申购、赎回的影响，我们发现，中国开放式基金PFR恰好与美国基金PFR正反馈关系相反：业绩与申购负相关，表现为“异常申购”；业绩与赎回正相关，表现为“异常赎回”；申购、赎回随业绩的异常变动，导致了净赎回与业绩的异常变动，即“异常净赎回”。

由此，国内开放式基金投资者的申购、赎回未能发挥其对基金的“优胜劣汰”作用，其对基金业绩的反应是一种“反向选择”。

（四）大盘对申购、赎回、净赎回的影响

从表3结果可以看出，股市收益的提高有助于基金投资者申购，同时也会促使基金投资者的处置效应。其解释如假设3、假设4所述。由于股市对赎回的影响大于申购，因而股市收益越高，净赎回也越高。

股市风险越高，基金投资者申购、赎回同时增多，可用资金流替代（Massa, 2008）［15］与基金新老投资者反应方式不同 （Cashman等，2008）［9］来解释：股市风险越高，基金分散风险的优势越发凸显，众多股票投资者转而投资于基金，因而基金申购增多；同时由于股市与基金关联较强，基金的老投资者随股市收益增加，处置效应增强。由于股市风险的前一作用大于后者，因而随股市风险增加，基金净赎回反而减少。

（五）分红对申购、赎回、净赎回的影响

分红对申购影响为正（方程一、二），证实了我们的假设5。分红对赎回的影响为正（方程三、四），与我们的预期（假设6）相反。对此解释是，分红虽然弱化了投资者的处置效应，但是这一作用未能完全抵补投资者对分红后收益下滑的预期，分红反而促进了赎回。

分红对净赎回的影响为负（方程五、六），国内学者也实证了分红的这种负影响（刘志远等，2004、陆蓉等，2007），但将其归因于分红对赎回的抑制。而我们通过上述分红对申购、赎回的作用可知：分红并没有阻止投资者的赎回，其之所以对净赎回影响为负，是因为对申购促进作用更大。分红次数与申购正相关，与赎回负相关，证实了假设7与假设8的成立。

（六）基金规模、基金收益风险对申购、赎回、净赎回的影响

实证结果还表明，基金规模对申购、赎回以及净赎回没有显著影响。基金收益风险（标准差）越高，投资者申购越多、赎回越少。在消除市场收益、市场风险、基金收益等因素影响下，表现出此种关系，表明国内基金投资者未能有效识别风险，在基金投资中承担了过多不必要的风险。

（七）申购、赎回、净赎回不具有持续性

实证结果表明，无论是申购、赎回方程，或是净赎回方程，被解释变量滞后项影响系数均为负，表明国内开放式基金的投资流不具有持续性。其影响原因较为复杂，有待于进一步实证。值得一提的是，国内基金公司对管理规模的过于追求以及由此引发的非市场行为，可能是其重要原因之一。例如，在基金申购不足或发生大面积赎回时，可能存在申购救援行为，如2008年上半年基金管理公司、托管银行、内部员工对基金的申购救援活动等。

五、结论与相关建议

本文通过动态面板方法，分别考察了开放式基金业绩对申购、赎回以及净赎回的影响，得出的主要结论是：基金申购与历史业绩、即期业绩负相关；基金赎回、净赎回与基金业绩正相关；国内基金表现出与国外完全不同的PFR关系：基金投资者不仅表现出“异常赎回”，而且表现出“异常申购”，这两者又导致了“异常净赎回”。股市收益与风险有助于基金申购，但也会促使其老投资者的处置效应。分红对净赎回具有抑制作用，是因为其更有助于基金申购。除此以外，我们还发现，开放式基金投资流不具有持续性。

根据以上结论，我们可以得出以下推论：

Ⅰ. 投资者对开放式基金缺乏信心，风险规避、短期投机行为严重。他们偏好申购净值低的基金，在基金净值增长时厌恶损失，喜欢尽快赎回基金。

Ⅱ. 业绩、分红对赎回的优胜劣汰作用未能发挥。基金收益越好、分红越多，赎回越严重。

Ⅲ. 投资者容易根据股市行情与风险变化来选择是否申购、赎回基金。

Ⅳ. 投资者对分红、业绩的异常反应，扭曲了开放式基金的分红行为。

国内开放式基金按资产固定比例收取管理费，基金“旱涝保收”，有追求份额规模的激励。由于分红可以抑制净赎回，而好业绩反而会促进净赎回，基金业纷纷采取“异常分红”：分红频率高、数额大而且不顾基金承受能力。其后果是：基金公司为筹集资金分红不得不抛售重仓股，给股市造成冲击。而且，基金分红虽然增加了申购，但也促进了赎回，基金新、旧投资者转换频繁，交易成本高企，投资流不稳定，阻碍开放式基金的持续发展。

基于本文结论，我们提出以下建议：

基金规模论文篇9

（一）数据说明与平稳性检验1.数据及变量说明。本文的样本区间为2006年1季度至2013年1季度，共涉及三类变量，即经济产出变量、价格变量、货币流动性变量。地区经济产出变量用地区生产总值（GDP）衡量。由于居民消费物价指数是中央银行进行调控时所重点考虑的宏观经济变量，可能显著影响中央银行决策。因此，用居民消费物价指数（CPI）衡量物价变动水平，用CPI增长率衡量通货膨胀水平。在稳健性检验中，使用GDP平减指数（GDPIP）作为CPI增长率的替代变量。本文根据中国人民银行提出的社会融资规模统计标准，对2006年1季度以来贵州省社会融资规模进行了测算和统计，采用该指标衡量贵州省金融流动性，并以金融机构信贷规模作为社会融资规模的替代变量对研究结果进行稳健性检验。2.数据处理过程。本文实证分析中，长期均衡分析用的是水平变量形式，短期动态分析用的是水平变量的增长率形式，因此有必要对具体序列的原始形式、数据处理等做进一步说明：（1）实际地区生产总值（RGDP）及其增速（ΔRG⁃DP）：以2005年1季度为基期，根据贵州省2005年1季度以来的名义GDP和GDP同比增速推算出2006年1季度至2013年1季度的RGDP。（2）消费物价指数（CPI）和通货膨胀率（ΔCPI）：根据2005年1月至2013年3月的贵州省月度同比CPI数据，取算数平均得到季度同比CPI，其同比增长率为CPI通货膨胀率（ΔCPI）。价格指标的另一个变量，即GDP平减指数（GDPIP），依据名义GDP与RG⁃DP的水平值进行推算获得，其同比增长率即为GDP平减指数通货膨胀率（ΔGDPIP）。（3）金融流动性水平及其增长率：测算出2006年1季度至2013年1季度的贵州省社会融资规模季度数据，采用GDP平减指数对其进行价格因素剔除，得到按2005年可比价计算的2006年1季度~2013年1季度的贵州省社会融资规模实际值（FS），以其衡量贵州省金融流动性水平，以其同比增长率（ΔFS）作为对应的贵州省金融流动性增速变量。在稳健性检验中，采用GDP平减指数对贵州省金融机构贷款余额进行价格因素剔除，得到按2005年可比价计算的2006年1季度~2013年1季度的贵州省金融机构贷款余额实际值（CREDIT），作为衡量金融流动性的替代指标，以其同比增长率（ΔCREDIT）作为对应的贵州省金融流动性增速替代变量。上述指标的水平值序列均存在季节性变动因素，在实际的计量回归分析前，本文对所有宏观经济数据水平值序列的对数形式进行CensusX12季节性调整。增长率序列均为同比形式，不必再进行季节性调整。为了方便说明，在下面分析中，我们使用ΔCPI表示CPI同比增长率（通货膨胀率），其他含有差分符号Δ的变量与此类同。3.平稳性检验。在分析通货膨胀、金融流动性和经济增长的短期动态机制和长期协整关系之前，分别对各变量水平序列（2006年1季度~2013年1季度）和增长率序列（2007年1季度~2013年1季度）进行平稳性检验，检验过程中的滞后期数确定采用AIC准则。检验结果表明，水平变量序列RGDP、CPI、GDPIP、FS、CREDIT均为非平稳序列，其一阶差分序列ΔRGDP、ΔCPI、ΔGDPIP、ΔFS、ΔCREDIT均是平稳序列。

（二）短期互动机制通货膨胀、经济增长率和金融流动性间的短期动态机制使用VAR模型（式4）。首先，确定VAR模型的滞后阶数；然后在VAR模型基础上对模型变量进行格兰杰因果检验。1.滞后阶数的确定。根据时序分析理论，动态时序模型要获得准确有效的统计推断，最重要的是在保证满足模型残差无序列相关性的条件下选择尽量简单的模型（张成思，2012）。因此，本文在模型滞后阶数的选择上，采用如下判断方法：在给定最大滞后阶数为5的条件下，首先利用最小AIC准则确定最优滞后阶数，然后检验对应滞后阶数的模型残差的序列相关性。若无显著序列相关，则该滞后阶数为最优；若存在序列相关，则从5阶以下依次检验对应模型的序列相关性，在没有序列相关性的组内选择AIC最小值对应的滞后阶数。根据VAR模型估计结果（表2），可知滞后阶数为5时，VAR模型的AIC和SIC最小；根据VAR模型残差序列相关性的LM检验结果（表3），可知滞后阶数为5时，模型残差无序列相关。因此，VAR模型的最优滞后阶数为5阶。2.格兰杰因果检验。在滞后阶数为5的VAR模型基础上进行格兰杰因果检验，考察本文核心变量的短期互动机制。首先检验基本模型中经济增长率、通货膨胀率与社会融资规模增长率之间的格兰杰因果关系。表4中报告了实际经济增长（ΔRGDP）、CPI通货膨胀率（ΔCPI）与社会融资规模增长率（ΔFS）之间的因果关系：通货膨胀率与社会融资规模增长率均非实际经济增长率的格兰杰原因；实际经济增长率非通货膨胀率的格兰杰原因，社会融资规模增长率是通货膨胀率的格兰杰原因；通货膨胀率和实际经济增长率均是社会融资规模增长率的格兰杰原因。综合上述检验结果，可以发现贵州省实际经济增长、CPI通货膨胀率与社会融资规模增长率间具有如下的短期互动特征：第一，实际经济增长对社会融资规模增长具有短期驱动效应，但社会融资规模增长对实际经济增长不具有短期驱动效应；第二，实际经济增长和CPI通货膨胀率之间没有显著的短期驱动效应；第三，CPI通货膨胀率对社会融资规模增长具有显著的短期驱动效应，社会融资规模增长对CPI通货膨胀率也具有短期驱动效应。也就是说，社会融资规模具有明显的内生性特征，其变动既受实际经济增长的影响，又受通货膨胀率的影响；社会融资规模又具有短期中性特征，即在短期内社会融资规模的变动对实际经济增长不产生显著影响，仅对通货膨胀产生显著影响。3.稳健性检验。为了验证上述结论的稳健性，本文构建了两个替代模型进行稳健性检验。表5报告了两个稳健性检验对应的格兰杰因果关系检验结果。其中，模型A是将基本VAR模型中的CPI通货膨胀率用GDP平减指数通货膨胀率代替，模型B是将基本VAR模型中的社会融资规模增长率用金融机构贷款余额增长率代替。稳健性检验模型A的结果支持基础VAR模型的“内生性”和“短期中性”结论：社会融资规模具有明显的内生性特征和短期中性特征。稳健性检验模型B的结果支持基础VAR模型的“内生性”结论，但不支持“短期中性”结论：用金融机构贷款余额增长替代社会融资规模增长时，发现信贷扩张既是实际经济增长的格兰杰结果，又是通货膨胀的格兰杰结果；但是，信贷扩张同时也是实际经济增长的格兰杰原因，即信贷具有非中性特征。

（三）长期均衡机制长期均衡机制即变量间的长期均衡关系。所谓长期均衡关系，是指从长期来看，变量之间存在一个稳定的一一抵换关系，当在短期内各变量间的联系出现偏离均衡状态的现象，这种偏离所形成的时间序列也是平稳的，并且从长期看正负偏离的程度彼此抵消（张成思，2012）。本文对物价、实际经济产出以及融资规模的水平值（社会融资规模和金融机构信贷规模的自然对数形式）进行Johansen协整检验，考察三者间是否存在长期均衡关系。此外，本文通过长期均衡机制分析，同时获得了基于误差修正模型的各个变量增长率形式的互动机制，并可以进行与短期均衡机制类似的格兰杰因果关系检验。1.协整检验。根据表6的Johansen协整检验结果，变量lnRGDP、lnCPI和lnFS拒绝了不存在协整关系的原假设，不能拒绝存在至多1个协整关系的原假设，表明物价、实际经济产出以及社会融资规模之间存在一个长期均衡关系；同理，物价、实际经济产出以及金融机构信贷规模之间也存在一个长期均衡关系。协整检验可以验证物价、实际经济产出以及社会融资规模间是否存在协整关系以及协整关系的个数，但协整关系的具体特征（即物价、实际经济产出以及社会融资规模间的长期均衡机制）需要通过误差修正模型进行考察。2.误差修正和格兰杰因果检验。通过设立和估计误差修正模型，可得到协整向量和调整系数。前者刻画系统内变量之间的长期均衡关系，后者反映出现偏离均衡状态后协整系统的修正特征和修正幅度。因此，误差修正模型体现的是一种动态修正机制。Engle和Granger将协整与误差修正模型结合起来，建立了向量误差修正模型（VEC）。其中ecmt-1=β′yt-1，是误差修正项，β为协整向量，反映变量之间长期均衡关系；系数矩阵α反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度。A为调整系数矩阵。表7报告了向量误差修正模型估计结果，包括协整向量β和调整系数矩阵α的估计值。但与社会融资规模呈反向变动。金融机构信贷规模与社会融资规模对实际经济产出的相关关系完全相反，本文认为其原因在于采用的社会融资规模数据是流量，金融机构信贷规模是总量指标，而融资规模作为一种金融资本生产要素影响经济增长则是以存量形式产生作用的。进一步分析贵州省物价水平、实际经济产出和金融流动性间的长期均衡关系到底是因果关系还是仅仅为统计上的相关关系，需要在协整模型基础上进行格兰杰因果关系检验。表8报告了协整关系约束下的格兰杰因果关系检验结果。在协整关系约束下的格兰杰因果关系检验结果与前文基于基础VAR模型的格兰杰检验因果关系结果基本吻合。社会融资规模增长和金融机构贷款余额增长均具有内生性，社会融资规模增长由实际经济增长和通货膨胀水平内生决定，金融机构贷款余额增长由通货膨胀水平内生决定。社会融资规模是中性的，不是实际经济增长的格兰杰原因；金融机构贷款余额增长是非中性的，是实际经济增长的格兰杰原因。

基金规模论文篇10

然而，宁波金融业与经济的发展仍然存在一定的差距，金融体系的服务功能还不够完善，金融效率不高。宁波金融业的发展主要体现在机构规模的扩大、业务量的增加上，基于投入与产出的相对效率仍处于较低水平。我们用存款加贷款除以GDP所得指标，将宁波、杭州及全国平均水平进行一下对比，借以反映宁波的金融发展水平。指标统计显示，宁波市的金融业发展水平高于全国平均水平，但仍低于杭州。

数据来源：各市统计年鉴及全国年度统计公报相关各期整理

由于商业银行是宁波市金融业的经营主体，其金融效率能够在一定程度上代表主体金融业的效率。因此，本文在金融效率理论的研究框架下，首先界定了金融效率的涵义，然后运用DEA模型对宁波市商业银行的金融效率进行评价，最后得出结论。

一、金融效率的涵义

事实上，金融效率研究早已引起理论界的重视，有许多国内外学者对此进行探讨，并产生了对金融效率涵义的不同看法。

国外方面，Farrell（1957）在Koopmans（1957）将资源配置方式划分为整个社会的资源配置方式与某个微观经济单元的资源配置方式两个层次的基础上，进一步将企业生产效率分成技术效率与配置效率两部分；Leibenstein（1966）提出X效率理论，Freietal（2000）将银行业的X效率定义为除规模和范围影响之外的所有技术和配置效率。

国内方面，王振山(2000) 从负债角度将金融资源定义为“以尽可能低的成本（机会成本和交易成本）将有限的金融资源（货币和货币资本）进行最优配置以实现其最有效利用。”沈军（2003）认为，既然金融是资源，金融效率即为金融资源配置效率。金融效率可划分为微观金融效率与宏观金融效率两大类。所谓微观金融效率，即为金融微观主体――金融中介的金融资源运用效率；从纯理论意义上讲，微观金融效率等同于金融资源配置的帕累托有效。所谓宏观金融效率，是在一定的金融制度条件下，金融系统内金融资源的配置效率。吴奉刚、陈国伟（2008）认为，从宏观经济总体考察，金融效率是指社会全部可利用的金融资源实现帕累托最优配置。

综上，本文引入投入-产出的概念，将金融效率界定为“一定的制度、技术约束条件下，金融机构的构成要素所完成的金融功能，一般用金融体系的投入与产出表示”。该定义包含三层含义：其一，金融效率是金融体系的运行结果；其二，金融效率是金融资源配置状况的综合性评价指标；其三，金融效率的高低与金融机构实现构成要素到金融功能的转化能力有关。

二、宁波金融效率的实证分析

1.DEA模型

DEA（data envelopment analysis）模型即数据包络分析模型，是由美国著名运筹学家A•Charnes和W•W•Cooper等人于1978年创立的。DEA模型是使用数学规划技术进行评价具有多个输入和输出的“部门”或“单位”（称为决策单元，英文缩写DMU）的相对有效性（即DEA有效）的一种方法。该方法借助于数学规划将DMU投影到DEA的前沿面上，并通过比较DMU偏离DEA前沿面的程度来评价相对有效性，找出DMU非有效的原因和程度，为决策层提供管理信息。由于DEA方法不需要预先估计参数，不需要确定投入和产出之间的函数表达式，具有黑箱研究的特点，加上DEA方法是纯技术性的，与市场价格无关，使其在诸多领域得到广泛的应用。

（1）C2R模型

DEA最基本的C2R模型是固定规模回报（CRS）假设下的，由以下形式给出：

可见，C2R模型是一个线性规划模型，该模型用于评价DMU的纯技术和规模的综合效率，即为总技术效率TE（Technical efficiency），反映在给定投入情况下企业获取最大产出的能力或给定产出情况下企业投入最小的能力。θ为该决策单元DMU的有效值(指投入相对于产出的有效利用程度)，Xj表示第j个DMU0的投入向量, Yj表示第j个DMU0产出向量，λj为相对于DMU0重新构造一个有效DMU组合中第j个决策单元的组合比例,为松弛变量。为待估参数，即为决策单元的效率值，根据DEA原理，判断决策单元是否DEA有效的方法如下：

①当=1且=0时，决策单元DMU0为DEA有效，即在这n个决策单元组成的经济系统中, 在原投入的基础上所获得的产出已达到最优；

②当=1且＞0时，决策单元DMU0为弱DEA有效，即在这n个决策单元组成的经济系统中对于投入可减少而保持原产出不变, 或在投入不变的情况下可将产出提高；

③当＜1时，决策单元DMU0为非DEA有效。

（2） BCC模型

技术效率（TE）可进一步分解为纯技术效率（PTE）和规模效率（SE），用公式表示即为：TE=PTE×SE。决策单元的纯技术效率可通过可变规模报酬（VRS）情况下的效率估计模型（BCC模型）得到。

BCC模型用来测度的是当规模报酬可变时，被考察企业与生产前沿面之间的距离。规模效率衡量的是规模报酬不变的生产前沿与规模报酬可变的生产前沿之间的距离，即纯技术效率PTE（Pure technical efficiency）。其经济含义为：

①当时，DMU0为弱DEA有效；

②当且时，DMU0为DEA有效。

（3）规模效率

规模效率SE（Scale efficiency）反映规模收益不变的生产前沿与规模收益可变的生产前沿之间的距离。银行的规模效率等于该银行的总技术效率与其纯技术效率的比值，即。

2.指标选择与样本数据选取

本文把商业银行作为一个决策单元, 根据国内外的相关研究并结合银行业的特征来选取投入产出指标。考虑到数据的可获得性，本文把员工人数、机构总数作为投入指标，将银行的存贷款余额作为产出指标。

本文研究的样本期间为2004年至2007年。研究样本包括四大国有商业银行和8家股份制银行（包括交通银行、中信实业银行、中国光大银行、浦东发展银行、广东发展银行、深圳发展银行、招商银行、兴业银行）。数据来源于《浙江金融年鉴》、《宁波金融年鉴》等。

3.实证结果分析

本文运用DEAP Version 2.1软件求解所涉及的线性规划问题，分别计算宁波12家商业银行2004-2007年的总平均、四大国有银行平均以及股份银行平均技术、纯技术与规模效率。根据实证研究的结果本文先分析2004-2007年四年间宁波银行业总体效率状况与特征，然后将银行总体效率分解为国有银行与股份银行两部分进行分析。通过对国有银行与股份银行的比较，进一步分析宁波银行效率的具体现状，并试图在分析中发现宁波银行业在总技术效率、纯技术效率与规模效率方面存在的问题。

数据来源：浙江金融年鉴2005-2008年各期；宁波金融年鉴2005-2008年各期。

（1）宁波银行业总体效率实证结果分析

从表2可看出，在整个样本期间，宁波银行业总的技术效率、纯技术效率和规模效率水平总体均呈现上升趋势。表明从整体来看，宁波银行业在产出一定情况下有效利用投入要素的能力在不断上升，另外，整个宁波银行业技术、纯技术和规模效率的波动性较小，说明宁波银行业对已投入要素有效利用的稳定性较好。但很明显，总的技术效率未达到1，即未处于DEA有效前沿上，因此，宁波银行业总的技术效率仍有进一步上升的空间。

（2）国有银行与股份银行效率实证结果比较分析

①国有银行与股份银行技术效率比较分析

图1国有银行与股份银行技术效率的比较

a.股份银行的技术效率在2004-2007年间总体来说高于国有银行，股份银行中技术效率最高的是兴业银行、浦发银行以及中信银行，兴业银行2004-2006年技术效率值均为1，2007年为0.973；国有银行中技术效率最高的是工商银行。股份银行历年的均值为0.71，国有银行历年的均值为0.305，股份银行效率均值正好是国有银行的2倍，充分说明国有银行的技术效率还有很大的改善空间。

b.股份银行技术效率的波动性比四大国有银行大，说明宁波股份银行的管理水平较国有银行而言欠缺稳定性，受外界经济状况及管理人员变动影响稍大。从总体而言，2004-2006这三年间宁波银行业的技术效率呈上升态势，2006-2007年趋于稳定。

②国有银行与股份银行纯技术效率比较分析

图2国有银行与股份银行纯技术效率的比较

从图2可以看出，仅从纯技术的角度来看，股份银行效率仍然高于国有银行效率。从纯技术效率的定义看，这表明在规模一定的情况下股份银行效率仍然要由于国有银行，并且无论是股份银行还是国有银行，其纯技术效率的变动趋势与技术效率的变动趋势基本一致。

③国有银行与股份银行规模效率比较分析

图3 国有银行与股份银行规模效率的比较

a.从国有银行与股份银行规模效率比较图中可以看出，宁波市股份银行的规模效率在样本期间基本上都比国有银行高。从绝对规模来说，国有银行的规模远远大于股份银行，但从实证的结果得出，国有银行并没有出现规模效应，反而出现规模递减效应，即规模扩大效率反而下降。而股份银行虽然规模小，但呈现规模递增效应，说明只要股份银行规模增大，其综合效率就会提高。这与Berger及Humpher对美国银行效率的银行规模与效率两者关系的研究结果相符，他们研究发现规模最大和规模最小的银行效率最低，而中等规模银行的效率高。国有银行规模巨大，并没有出现人们通常认为的规模递增效应，反而出现规模递减效应。这说明对于相对垄断的银行业来说，也并非规模越大越好；规模大的银行更需要良好有效的管理才能实现其规模优势。

b.从图3中不难发现，自2004年以来，国有银行的规模效率显著提高，这是国有银行股份制改造成果的体现。

三 、结束语

综上，应通过加强宁波市金融体制改革，大力发展多元化金融机构体系、实现正规金融效率与非正规金融效率的协调、充分利用金融业的对外开放对提高金融效率的有益影响、努力提高金融创新能力等方面提高金融效率，促进宁波市经济健康发展，实现金融与经济良性互动。

参考文献

[1]白钦先．金融可持续发展导论[M]．北京：中国金融出版社，2001．

[2]王振山．中国金融效率研究［A］．李扬，王松奇．中国金融理论前沿Ⅱ［C］．北京：社会科学文献出版社，2000．

[3]沈军,白钦先.金融结构、金融功能与金融效率――一个基于系统科学的新视角[J] ．财贸经济,2006,(01).

[4]魏煜.中国商业银行效率研究――一种非参数的分析 [J].金融研究,2000,(03).

[5]张健华.我国商业银行效率研究的DEA方法及1997-2001年效率的实证分析[J].金融研究,2003,(13).

[6]吴奉刚,陈国伟.金融效率研究评述[J].金融发展研究,2008,(10).

基金规模论文篇11

另一种观点显示团队决策存在低效率和偏差现象。团队的道德困境带来了团队成员工作的低效率，工作积极性方面成员会比独立工作时降低，为了达到集体决策时的完全一致，决策对最优结果的偏离即为团队决策的偏差现象。Karagiannidis(2010)研究1997-2004年美国开放式基金的业绩与管理结构的关系指出，熊市时多管理人基金的业绩相比单一管理人基金的业绩要差，但牛市时不存在这一现象。Chen，Hong，Huang&Kubik(2004)在基金规模和基金业绩的研究中发现，团队管理会显著降低基金投资收益，对于投资收益更低的原因则认为主要是由于团队管理在处理非定量信息方面效率更低。Baret.al(2008)在关于基金管理模式的研究中发现，团队管理基金的投资业绩略有逊色，但团队管理基金的业绩持续性较高。Michalea，Alexer&Stefan(2008)研究发现，多经理管理的基金，相对于单一经理管理的基金，业绩微弱变差，但是这种差异并不显著。陈利亚和邓超(2011)通过比较样本基金在增聘经理前后一年的业绩发现，增聘基金经理不但不能提高基金的业绩，反而会导致基金业绩下降。代昀昊(2013)表明团队管理的基金并不能在当期以及未来获得更高的收益。关于团队管理基金业绩不佳的其他原因，Massa，Reuter&Zitzewitz(2006)的研究表明与经理的匿名有关。此外还有少量研究表明基金的业绩与团队管理并没有直接关系，例如Prather&Middleton(2002)，Golec(1996)，Prather&Middleton(2002)以及李豫湘、程剑和彭聪(2006)等的研究。关于基金团队管理与基金风险特征的关系，Qiu(2003)的研究表明单一经理显得更有进攻性，相比于多经理风险暴露更多。Bar，Kempf&Ruenzi(2008)的实证分析结果显示，团队管理可以显著降低基金的总风险、系统性风险以及非系统性风险，研究认为团队管理决策符合“意见折衷理论”。祖国鹏、张峥和张圣平(2010)的研究显示，在控制了基金特征后，团队管理可以显著降低基金总风险和系统性风险，实证结果支持团队决策的“意见折衷理论”，发现了团队决策优于个人决策的证据。Patalet.al.(2012)的研究结果还显示尽管团队管理有更高的业绩优势，但相比单一经理的基金风险并没有增加。代昀昊(2013)研究指出团队经理在控制风险上没有明显优势，同时还具有更高的换手率。

二、假设构建

基金管理人的目标是在控制风险的约束下实现投资者收益的最大化。如果实证表明团队管理的基金优于单人管理的基金，那么我们认为团队管理在风险控制和收益最大化方面要优于单人。团队管理因为相互的制衡使得更加关注对风险的防范，从而最大程度降低“黑天鹅事件”、业绩地雷以及市场系统性风险等方面对业绩的拖累。而团队管理所表现出的集体智慧将使得在宏观、行业和个股判断方面思考地更为全面，相互的督促和交流也能产生更多好的想法和投资思路，对问题考虑也将更为前瞻。如何能够更好地发挥团队管理的优势，我们认为良好的制度设计就显得尤为重要，否则就会出现一加一不是大于二而是小于一的不利局面。如果实证表明团队管理的基金并没有显著或差于单人管理的基金，那么我们认为团队管理在风险控制和收益最大化方面并不优于甚至差于单人管理的基金。团队管理容易因为分工不明确、权责不清晰而出现各自为政的状况，使得整个基金很难形成统一的投资风格。同时，团队管理会因为约束和激励机制不到位，出现相互恶性竞争的格局，使得整只基金表现的更为激进，容易放大风险的头寸，损害投资者的利益。基金团队管理制度逐渐成为基金管理公司基金管理的潮流，众多基金公司为了强化风险管理，增聘基金经理团队管理。最新的一些文献也表明了这一趋势(Massa，Reuter&Zitzewitz，2010)。但这一趋势与大量的表明团队工作不能带来更大好处的证据形成鲜明对比。比如说Chen，Hong，Huang&Kubik(2004)、Massa，Reuter&Zitzewitz(2010)、Bar，Kempf，Ruenzi(2010)表明共同基金的团队管理相比于个人管理并不能获得额外的收益，甚至导致更多的负向收益。一些文献研究发现团队对生产力以及决策平衡能力的贡献，比如Hamilton，Owan(2003)、Adams，Ferreira(2009)，但这些研究基于非常有限的数据。因此我们的主要假设与大部分上述文献一致，基于对基金管理中团队管理存在的合理性以及这种潮流趋势进行假设，文章得出如下假设：H1：团队管理的基金业绩优于单人管理的基金。团队决策的价值很大程度上取决于内部和外部的因素。首先，一些文章研究团队管理的业绩是团队规模的函数，比如Thompson(2003)、Mueller(2012)等的研究表明大型团队比小型团队的业绩更差。但之前的研究并没有明确表明团队的最优人数，很显然，最优的团队人数应该由团队中个人承担的任务所决定。任务越不重大，最优团队的规模应该越小。Mueller(2012)表明如果公司处理各种协调和激励工作，那么由5人及5人以上规模的团队应该会有协调成本的显著增加以及成员间动机的逐渐降低。所以，文章的预测是：P：团队业绩与团队成员数量之间是非线性关系。最后，很多文献比较个人和团队决策的风险程度。我们参照Sah&Stiglitz(1986，1991)，Sharpe(1981)，Barry&Starks(1984)的研究假设投资组合经理在团队工作中不存在更高的风险极端行为。因此，文章得出第二个假设：H2：团队管理的基金不承担超额风险。

三、数据来源与数据描述

1.数据来源文章选用的研究对象为中国证券市场自开放式基金发行以来至2013年12月的全部股票型开放式基金。基金相关数据均取自于WIND（万德）资讯终端，中信标普指数来源于中信标普指数服务网站。文章剔除股票型开放式基金中的行业基金，行业基金的投资组合被限定在某个特定行业，没有进行分散投资；同时剔除指数基金，指数基金属于被动管理型基金。研究选用历任基金经理信息，包含基金经理姓名、经理开始管理和离任基金的确切时间等确定基金在年末是由单一经理还是团队经理管理。以年末管理基金的经理数量来判断基金是单一经理还是团队经理。当年末时只有一名经理管理基金，那么当年基金则定义为由单一经理管理。相似的，当年末时有两名或更多经理管理基金，那么当年基金则定义为由团队经理管理。分析剔除上市当年的基金以及基金经理学历未披露的基金。所以最终文章选用的基金包含325只基金的共15612个月数据。

2.基金特征数据获取基金管理的总资产、管理费率、换手率、基金成立时间、基金管理公司名称等可能会对基金的业绩产生影响的数据。具体而言包括基金的规模，用年末基金管理的总资产来衡量；基金成立的时间，用当前年份减去基金成立的年份；管理费率，用基金的管理费除以基金的总资产得出；换手率，用2*[(期内基金买入股票总额+计算期内基金卖出股票总额)/(期初基金持有人权益+期末基金持有人权益)]来衡量；基金管理公司的规模，用年末基金公司管理的全部基金资产合计来表示；基金收益的波动性，用过去一年基金收益的标准差来代表；基金净资金流入比率，用基金管理资金净现金流入除以过去一年的基金规模来表示。

3.基金经理特征数据基金经理的个人特征数据包括基金历任和现任经理的姓名、经理开始管理和离任基金的确切时间、基金经理的学历。于是文章构建的基金经理特征数据包含基金经理的任期基金经理的学历。基金经理的任期以管理和离任基金的日期差进行年化。基金经理的学历，文章据此构建Degree哑变量，当基金经理的学历为博士时哑变量取1，否则为0。但当基金为团队管理时，基金经理的特征数据变得相对复杂。理论上，可以依靠团队成员对团队的贡献构建这一数据，但这样不能也不可能获得相关数据。为了解决这一问题，我们简单假设团队成员的贡献均等。所以，团队经理的任期以团队中成员的平均任期来计算。团队经理的学历只要其中有1人获得博士学位则为1，否则为0。

4.基金业绩的测度为了计算基金的业绩，通过分析获取基金月单位净值数据。因此，文章选用两种不同的基金业绩指标：简单收益率和三因素调整收益。三因素模型是在CAPM模型的基础上，引入小盘股与大盘股的收益差(SMB)、高市净率与低市净率股票的收益差(HML)进绩效评估模型。5.描述性统计图1显示的是从2003年至2013年基金管理结构的变化，描述了每年单经理、多经理管理基金的数量和百分比。总的基金数量从2003年仅有的1只，增加到2013年的325只。与此同时，单经理管理的基金的比例也在逐渐降低，2008年时这一比率最低达到65.93%，2009年后这一比率基本保持稳定，在75%左右。表1显示的是基金管理结构的统计结果分布，其中图1中的多经理被分成2个经理和3个及以上经理。值得一提的是，符合文章数据要求的3个以上经理的仅有2013年华夏优势成长(000021)这1只基金，在2013年年末有4个基金管理人。表1同时用数量和百分比显示的每年基金管理结构的统计结果，2004年我国出现第1只2名基金经理共同管理的基金，2006年我国出现第1只3名基金经理共同管理的基金。3个及以上经理管理基金的比率呈现出逐年下降的趋势，2013年达到了最低的仅有0.92%的基金由3个及以上经理管理。接下来，选用两种业绩度量方法衡量单经理和团队管理基金的业绩，同时选用差分检验的方法考察团队管理的基金和单经理基金收益均值的差。总体而言，团队管理的基金业绩更差。选用简单收益率衡量时2个经理相比单经理业绩的差为每月-0.018，合每年降低22%，但这一结果并不显著。选用三因素模型时，这一差额变得更大且统计显著。三因素模型中2个经理相比单经理管理基金业绩的均值低0.0232合每年低28%，3个及以上经理相比单经理业绩的均值低0.0196合每年低24%。单从基金团队管理人数上来看，2个经理管理的基金相比于单基金业绩更差，两个差值均为负。文章还对单经理和团队管理基金的特征数据进行了描述性统计，包含基金波动性、管理资产、成立时间、换手率以及管理费率。分析结果表明随着管理团队人数的增加，基金业绩的波动性、管理的资产、基金成立时间增加，换手率下降，管理费率则没有明显的变化趋势。同时，研究还对比了单经理和团队管理基金经理特征数据（见表2）。经理任期以单经理管理的时间最长，均值为2.52，2个经理的任期均值为1.84，3个及以上经理的任期均值为1.71；3个及以上经理管理的基金学历更好，3个及以上经理中有一人为博士的概率更高。

四、团队管理与基金业绩的实证检验

1.团队管理的平均影响为了检验团队管理对基金业绩的影响，文章同时选用简单收益率和三因素模型调整收益来代表基金业绩，之后在简单收益率和三因素模型调整收益的检验中分别列示不包含和包含基金和基金经理特征数据，表3的列2和列5只加入基金特征数据，列3和列6同时考虑基金和基金经理特征数据。由表3的相关数据右知，简单收益率下团队哑变量仅在只回归团队哑变量时统计显著且为负值，而在三因素模型中，不论是否加入基金和基金经理特征数据，团队哑变量均为负且都在1%水平下统计显著。尤其在三因素模型中既考虑基金特征数据，又考虑基金经理特征数据时，我们发现每年团队管理的基金业绩低于单经理管理的基金近6%。

2.额外团队成员的影响团队管理对基金业绩的影响结果（见表3）表明，平均而言团队管理的基金业绩差于单一经理管理的基金，且这一统计结果对于不同业绩测度方法以及三因素模型调整收益中基金和基金经理特征的加入与否均显著。那么随之而来的一个问题就是，是否这种团队管理和基金业绩的负相关关系是与团队的规模线性相关。前面的分析中我们得出团队的规模确实对基金业绩产生影响，这种显著的且最大的业绩差存在于三因素模型调整收益下2个经理与单经理之间。接下来我们将研究在控制基金和经理特征数据后，是否这种差异性持续或者改变。我们进行如下的回归模型。据此分析，研究显示了管理团队的规模对两种业绩测度的影响，具体如表4所示，同样在表4中列1和列4仅针对团队规模进行回归，列2和列5加入基金特征数据，列3和列6又同时考虑了基金经理特征数据。与基金业绩的差分结果一致的是，2名经理管理时与单经理管理的业绩这一差均为负，但简单收益率仅在列1时这一结果统计显著；三因素模型调整收益的列4-6系数均为负且统计显著，约合每年相差7个百分点。但3名经理管理时的这一系数回归结果为正，且大部分并不是统计显著的。总体看来，团队管理对基金业绩影响的结果还表明团队的规模与基金业绩非线性相关。这一研究结论证实了我们的预测。这一结论也与Mueller(2012)和Hamilton、Nickerson&Owan(2003)的结论相一致。直觉上，团队成员的数量取决于更多的成员带进团队更多的知识与多个体之间的协调成本之间的权衡。团队中的成员带来他们自己独有的技能和天赋，但是人数的增加不能达成一致结论则会带来生产力的下降。

3.团队差异性的作用接下来继续研究团队差异性对基金业绩的影响。前人的研究中，关于这一问题的结论并没有达成一致，正向作用方面表明团队成员之间的差异性会提高整个团队处理信息的能力；但是关于负向作用也可能会造成摩擦、利益冲突和团队内的偏差。文章选用基金经理特征数据构建团队差异性的指标，包括任职时间和学历。团队差异性指标，即变异系数，用标准差与平均值的比率衡量。根据分析，给出团队差异性指标的描述性统计结果。差异性的均值和中值都介于0～1之间，其中任职时间差异性的均值为0.1836，中值为0.1687；学历差异性的均值为0.3463，中值为0.3536。学历差异性的标准差0.389大于任职时间差异性的标准差0.1356。而团队差异性对基金业绩的影响数据如表5所示。其中列1和列3收益率仅对两个差异性指标进行回归。基金经理的管理时间差异性这一系数恒为负且在1%置信水平下统计显著，这表明异质的团队业绩比同质的团队更差。在加入基金和基金经理特征数据后，结果见列2和列4，管理时间这一系数仍然为负且统计显著。学历差异性这一系数仅在简单收益率下为负且统计显著。文章的研究证实不同背景的经理加入团队会对基金带来负向而非正向作用。这一结论与Jehn，Northcraft&Neale(1999)的结论相一致。由于基金经理在激励和职业观念上的不一致，以及教育背景和职业生涯的差异，使其不可能在基金投资组合和交易行为上很好的合作。

4.团队管理的风险与基金特质测度在对团队管理和单人管理基金业绩的差异检验后，文章将继续检验基金间的风险是否存在系统性差异。研究构建的回归模型如下。研究还分析了团队管理对不同风险测度的影响，每个回归都包含基金和基金经理特质的变量。变量团队管理对基金总风险的影响为正但统计不显著；对SMB的影响系数为0.0045，对HML的影响系数为-0.0107，且都是1%统计显著的；对市场风险的影响，三因素调整收益模型这一系数为-0.9725且在10%水平下统计显著。市场风险随着换手率的增加而增加。结论显示，基金团队管理并不能直接增加基金的风险行为，团队管理的基金没有更高的市场风险。团队管理对换手率的影响分析数据见表6，其中列3和列4给出换手率的统计结果，与表3相一致的是，团队管理的会降低基金的换手率，并且这种下降是显著的。列5和列6给出的是基金资产规模的统计结果，结果显示，规模较大的基金会选用团队管理模式，这一数据为正且统计显著。这一结论可以解释为当基金规模增加时，基金管理公司会增聘基金经理管理基金。列7和列8给出了基金净资金流的统计结果，结果体现了团队管理的基金能吸引更多的资金流入。

基金规模论文篇12

农村金融是我国前一阶段经济发展的主要障碍，同时也是未来新的经济规划实现所应积极解决的核心问题。当前我国农村金融市场中存在的“乱象”决定了按照以往的方式解决农村金融市场中信贷配给以及金融服务不足问题并不适宜。出现这种状况的根本原因在于理论和现实的脱离——当前理论界和实务界针对中国农村金融市场的制度设计以及改良框架虽然是基于对农村金融市场的调研和考察，包括农村入户调查、村镇统计、人口普查等都充分辅助经济决策者对农村金融市场的了解和认知，然而以往的调研和考察以及基于所获数据建立起来的改良框架存在很明显的不足，即忽略了作为市场参与者一方农户的信贷意愿。事实上，以往研究所获的数据和资料无疑反映了中国当前农村金融市场的特征，但是这些数据和资料都是以现实发生的结果得以呈现，也就是所现实的农村金融市场中未充分反映制度和现实扭曲的农户信贷意愿。

本文在充分审视以往理论和实务成果的基础上，以吉林省农村金融市场为考察地点，通过田野调查发放问卷的形式收集和整理了反映农户金融选择的相关数据；本文希望通过问卷的形式最大化获取反映农户信贷意愿的数据，而后运用适宜的计量手段分析影响农户信贷的相关影响因素，既补充原有实证分析的数据集，同时也通过新的数据挖掘我国农村金融市场新的特征，藉此为未来农村金融市场改良框架提供更好的指导。

二、 文献综述

对农户信贷行为影响因素的研究，学者们主要针对何因素影响农户信贷需求展开。汪三贵（2000）指出家庭拥有的土地面积以及家庭资产和是否提供民间信贷正向影响农户正规信贷需求。张军等（2000）则从陕西、山西等地农户信贷行为中发现人均收入显著负向影响农户信贷需求。杨培植（2011）认为农户年龄、农户文化程度等经济活动类型以及农户家庭结构则是影响农户金融需求主要因素。石志平、张文棋（2012）对福建省农户调查中发现农户信贷需求受到其曾经获得贷款数量、家庭拥有劳动力数量和家庭总开支水平的影响。总体上，农户信贷需求可以从家庭结构特征、家庭资产状况等几方面得到基本解释。另外金融机构的主动性以及信贷成本也会影响农户对信贷途径的选择（刘洁和秦富，2009；曾学文和张帅，2009；杨培植，2011）。

除了针对农户信贷行为影响因素分析，以往学者还考察了我国农村金融市场信贷需求基本状况，如信贷规模、信贷利率等。这些研究结果虽对了解我国农村金融市场具有决定性作用，不过基于这些成果所得出的政策建议并不合理，因为以往的研究大多依据现实发生的现象，如信贷规模以实际农户获得的信贷规模为基础，信贷利率以农村金融机构实际发放信贷的标准测度，由此这些数据并未真实反映我国农户的真实信贷意愿，本文则在吉林省农村田野调查过程中充分注重挖掘农户信贷的真实意愿，从而能为我国农村金融建设提供更好的建议。

三、 农户信贷意愿的影响因素

3.1数据选取及定义

为保证问卷内容充分反映农户信贷的真实意愿，本文对问卷进行了科学合理的设计，并基于问卷对数据进行定性定量数据转换，在综合计量分析基础上挑选了相关的数据指标。指标选取及定义列示于表1中。从表1中可看出，本文既选择反映农户家庭基本状况的数据指标，如年龄、婚配、打工等，同时也选择了包括传统渠道、信贷规模意愿、农用用途以及意愿担保方式等在内的农户信贷意愿指标。通过对这些指标的选择，本文既能测度农户家庭状况对农户信贷意愿的影响，同时也能有效反映农户不同信贷意愿之间的关系。

3.2 农户信贷意愿影响要素分析

估计过程中，自变量的选择一方面根据以往研究的结论，另一方面则根据本文所获数据的特征进行了甄选，鉴于篇幅限制本文在此略去数据甄选过程。本文分别对信贷规模、意外用途、实物担保、信用担保指标的影响要素进行了计量分析，，并将结果列示于表2-表4中。计量方法则按照变量的离散特征选用了一般最小二乘法（OLS）和离散变量法回归（Probit）。

表2中对农户信贷规模的影响要素进行了列示。从结果中可以看出，年均存款、打工、就学子女、联保、实物担保、非务农对农户信贷规模意愿具有显著影响，其中年均存款、就学子女、非务农负向影响农户信贷规模，表明家庭存款以及非务农收入往往能够为农户信贷提供更多的支持，而就学子女数量则表明农户会因家庭的教育支出负担而提高信贷规模；打工、联保以及实物担保负向影响农户信贷规模则表明家庭的外出打工收入往往降低了农户对外信贷的数量，而联保和实物担保虽然反映的是农户主动性意愿，但是联保和实物担保仍然在一定程度上限制了农户信贷规模。就医次数、年均收入、土地数量对农户信贷规模无显著的影响，表明以往所指出的农户收入和土地数量显著影响农户信贷规模的结论并不正确。当然，本文所得结论是基于对信贷规模意愿的考察，而以往研究则是以实际农户获得的信贷规模为准，得出相差异的结论也是正常的。

以防数据重复，本文仅以意外用途考察农户信贷使用意愿，并将结果列示于表3中。从结果中可以看出，就学子女、就医次数、年龄以及亲戚数量都显著影响农户信贷意外用途，这说明，就学子女、就医次数以及年龄和亲戚数量确实显著影响了农户信贷的使用意愿。年龄负向影响农户意外信贷需求概率表明随着年龄的增长，部分意外性支出减少，从而降低了农户意外性信贷需求的概率，这也突出说明农村普及农村养老保险的积极效应。

对于农户倾向选择何种担保方式进行信贷，本文运用离散回归模型对相关影响因素进行了测度，并将结果列示于表4中。在表4的Panel A中给出了影响农户实物担保意愿的影响因素。从结果中可以看出，年均存款和亲戚数量显著影响农户实物担保意愿，其中年均存款正向影响农户的实物担保意愿，亲戚数量则呈现负向效应。年均存款的正效应验证了存款对农户信贷规模的正向影响效应，而亲戚数量的负向效应则表明农户通过邻里借贷或担保形式进行借贷对实物担保形式进行替代的可能性。年龄、土地数量对于实物担保不存在明显效应则表明农户年龄和土地数量并不显著影响农户进行信贷时的担保选择，即农户不会因自身年龄问题以及家庭拥有的土地数量改变担保形式。基于Panel A的结果，本文进一步考察了亲戚数量对农户信用担保意愿的影响，并将结果列示于表4的Panel B中。结果恰恰证明了农户亲戚数量确实能够影响农户的担保——亲戚数量负向影响农户信用担保意愿，这说明农户会根据自己的亲属关系甄选合理的信贷担保方式来缓解信贷需求压力。

四、 结论

本文以吉林省农村区域为考察地点，通过田野调查投放问卷的形式获取了反映农户信贷意愿的相关数据，并运用合理的计量方法考察了农户信贷意愿的影响因素，研究结果表明，年均存款、就学子女、非务农负向影响农户信贷规模；打工、联保以及实物担保负向影响农户信贷规模；就医次数、年均收入、土地数量对农户信贷规模不存在显著的影响，说明以往所指出的农户收入和土地数量显著影响农户信贷规模的结论并不正确。就学子女、就医次数、年龄以及亲戚数量都突出反映了农户潜在的意外性指出，显著影响农户信贷意外意愿。就农户信贷担保方式的选择意愿而言，年均存款影响农户的实物担保意愿，亲戚数量则总体上决定了农户信贷担保方式的选择。本文所得结论是基于对信贷规模意愿的考察，而以往的研究则是以实际农户发生的信贷事件为准，得出相差异的结论也属于正常现象，不过这进一步突出以往研究多存在的不足。

参考文献：

[1]何军， 宁满秀， 史清华. 农户民间借贷需求及影响因素实证研究[J]. 南京农业大学学报， 2005（12）.

[2]黄祖辉， 刘西川， 程恩江. 贫困地区农户正规信贷市场低参与程度的经验解释[J]. 经济研究， 2009（4）.

[3]刘洁， 秦富. 我国农户金融参与意愿及其影响因素分析——基于河北省435名农户的调研数据[J]. 技术经济， 2009（4）.

[4]汪三贵. 中国小额信贷可持续发展的障碍和前景[J]. 农业经济问题， 2000（12）.

[5]张军. 储蓄差异及贷款需求的满足——一个经济外向型村庄农户金融活动分析[J].中国农村观察， 2000（2）.

[6]王定祥， 田庆刚等. 贫困型农户借贷需求与信贷行为实证研究[J]. 金融研究， 2011（5）.

[7]杨培植. 农户金融需求的影响因素分析——基于石家庄地区的实证研究[D]. 北京： 中国农业科学院， 2011.

[8]曾学文， 张帅. 我国农户借贷需求影响因素及差异性的实证分析[J]. 统计研究， 2009（11）.

基金规模论文篇13

（1）住房公积金的概念。本文所指“住房公积金”，是我国在城镇住房制度改革当中，学习新加坡中央公积金制度的经验并结合国情加以创造性发展应用的一种义务性、长期储金制度，是指国家机关、国有企业、城镇集体企业、外商投资企业、城镇私营企业及其他城镇企业、事业单位、民办非企业单位、社会团体（以下统称单位）及其在职职工缴存的长期住房储金。其实质是劳动报酬的一部分，是归属职工个人所有的、专项用于解决职工住房问题的保障性资金。（2）我国住房公积金现行的财务管理模式。我国住房公积金管理中心的资金来源为职工及单位为职工缴存的住房公积金，资金使用包括住房公积金贷款、购买国债，未使用的资金存在委托银行专户，并且委托存款必须满足职工提取和贷款发放的需求。即现有公积金使用方向主要有三个，即发放个人住房贷款、购买国债和公积金委托存款，如图1所示。

二、我国住房公积金财务管理的理论基础

（1）互助理论。互助理论的主要思想是：通过适宜的保证措施，聚集有条件的社会成员的一部分闲置和暂时闲置资源，按一定规则配置到需要某种帮助的社会成员中去，且通过互贷款支持符合条件的中低收入者解决住房问题。在推行互助理论的同时，必须有两个重要法则有机配合：一是大数法则，即做出利益牺牲的社会成员必须有足够大的数量，且越大越好；二是长期法则，即社会成员做出利益牺牲的时间分布应是一个连续的较长时段。（2）强制储蓄理论。强制储蓄理论是指储蓄主体在明确的强制信号下，即在政府或某些权威主体强制推行的法律、行政或经济的规定下参与储蓄。根据强制储蓄理论，我国在政府颁布和统一推行住房公积金制度下，要求一切符合条件的社会成员都参加强制储蓄，储蓄主体参与强制储蓄使得储蓄主体的一部分收入由主动性支配变为被动性支配，从而削弱了储蓄主体对储蓄的充分使用权。（3）基金投资理论。基金投资理论是指开放住房公积金投资渠道，让住房公积金资金有序地进入资本市场，选择诸如国债、共同基金等风险比较小的投资工具进行保值增值性投资。（4）委托理论。委托理论是指不同经济主体在一定的约束条件下，其中一方将自己的资产委托给另一方代为运作管理，并付给其相应的报酬。委托理论强调，为提高委托的效率和效果，在确定委托关系时应注意以下几个问题：一是委托和受托双方应按照双向选择的原则确定委托关系，并实行动态机制选择受托方；二是要限制委托关系的持续时间，尽量将其控制在一定时期内；三是明确规定委托的内容。

三、我国住房公积金财务管理模式存在的问题分析

（1）住房公积金缴存基数控制不严，缴存比率单一。《住房公积金管理条例》规定：住房公积金缴存基数为职工本人上一年度的月平均工资，核定住房公积金缴存基数是住房公积金管理机构的职责。但在实际操作中，管理机构很难取得企业的真实工资数据，经常出现住房公积金缴存基数核实不清现象。与此同时，住房公积金还存在缴存比率单一的问题。各地区采用单一的缴交率，未能充分考虑职工、企业、政府三方面利益，难以适应我国住房公积金参与者收入层次多、结构复杂等实际状况，不利于住房公积金的筹集。（2）封闭运行的住房公积金管理模式限制了公积金的发展。当前实行的住房公积金地域性封闭运行的管理模式具有保证公积金稳定性的优势，但是其效益低、增值途径少弊端逐渐限制其良性发展。主要表现在以下两点：一是住房公积金的增长幅度、政策覆盖面的增长幅度远小于贷款业务的增幅，一旦出现资金回笼和归集速度低于提取与贷款需求，这种管理机制就会产生大的资金缺口。为避免风险的产生，公积金管理者采取降低资金利用率来降低风险，结果却导致公积金的沉淀；二是地域性封闭管理使得各地区管理中心的资金相互之间不能调用，结果致使某些地区有钱无人贷而造成资金的沉淀，而有些地区却要通过限额贷款来解决“能贷却没钱贷”的窘况。（3）住房公积金使用方面的问题。当前，我国的公积金制度中关于公积金增值的管理机制还不完备，住房公积金除用于购买国债外，几乎不存在其他的允许用途，这样的管理机制致使资金大量沉淀，难以实现资金的增值。体现在以下三方面：首先，公积金的投资渠道单一所造成的资金增值能力差。我国的住房公积金除发放个人住房贷款，只能够用来购买国债，虽然国债的收益较高，但是国债数额少，要真正实现住房公积金的增值还是存在较大的困难的；其次，沉淀资金量大导致住房公积金使用率低；最后，存在较为严重的挤占、挪用住房公积金现象。

四、我国住房公积金财务管理模式存在问题的原因剖析

（1）公众法律意识淡薄，住房公积金的管理缺乏实施的外部环境。一方面职工关于住房公积金的认识存在偏差，认为公积金只能做贷款用、不能随时提取，不如单位将其以工资的形式存入银行；另一方面企事业单位对住房公积金的使用性质认识不清，认为缴存公积金是增加企业负担，不履行为其职工缴存公积金的义务。两方面因素使得住房公积金在进行归集时缺乏外部环境。（2）公积金用途受限，区域之间不流通导致公积金使用率低。《住房公积金管理条例》中明确规定，住房公积金的提取可用于购买、建造、翻建、大修自住住房。关于公积金领取还具有区域之间不流通的制度缺陷，地域的差异、地区经济发展程度不同，结果造成公积金“供不应求”“大量闲置”两个极端。而且从条例的规定可以看出，公积金的使用范围被限制的过死、规定过窄。这两种状况都降低了公积金的使用率，增值空间受到影响。

五、我国住房公积金财务管理模式构建

（1）创新公积金收缴模式：变静态收缴模式为动态收缴模式。一是扩大覆盖面，制定合理的住房公积金缴交率。我国住房公积金收缴现状及对互助理论的分析中可以看出，我国目前的住房公积金制度虽然运用了互助理论，但缺乏完整性和系统性，尤其是与互助机制相配合的大数法则尚未得到很好贯彻。笔者建议根据我国目前经济体制多元化的特点，扩大住房公积金的覆盖面。无论是何种形式的企事业单位职工，且不论正式职工还是临时职工都应纳入缴交范围。除此之外，鼓励自谋职业人员按其营业收入的一定比例缴交公积金，为其解决住房问题提供资金支持。同时，如果参加人员退休后仍能够创造一定收入，建议可在自愿的基础上，允许其继续参加公积金的缴存。根据强制储蓄理论，参加储蓄者都可能有损失，但每个参加者在统一标准下的损失是不同的。因此制定强制储蓄的标准时应考虑参加储蓄者的收入及其增长因素，既不能一刀切又不能一成不变。我国可以借鉴新加坡的经验，根据住房公积金不同参加者的收入水平及其增长情况、企业工资成本及社会公众对公积金的评价等因素，设计并实行多样化的动态缴交率，建立缴交率动态管理机制。另外，对于城市高收入者，可以根据其意愿，适当提高缴存比例。这样既能反映国民收入状况，维护员工利益，又能对经济发展起宏观调控作用。二是强化单位及职工按时足额缴存的义务。有关部门要大力宣传住房公积金的法规，使企业明确建立住房公积金是企业改革的一项重要内容，是企业应履行的职责；使职工明白依法缴存住房公积金是自己的权利和义务，在享受单位资助的权益同时，还要承担长期存储的义务。三是完善政策法规，完善的政策法规是公积金制度健康发展的重要保证。因此，应对我国现有的住房公积金制度法规加以完善，建立刚性制约措施。同时，坚持“有法必依，执法必严”的原则，对违反公积金法规、拒缴、迟缴的单位，通过抽查和职工的举报加以监督。对超过规定缴交时间的单位，公积金管理中心可通过罚款通知进行催交，若再不缴，则通过司法部门以法律手段强制执行。（2）创新使用模式：保证住房公积金的保值增值。一是适当扩大国债投资规模及购买债券种类。我国应合理运用基金投资机制，逐渐开放住房公积金保值增值性的投资渠道，让其有序地进入资本市场，选择风险较小的投资工具进行投资。目前，应从优化资产结构，提高使用资金效率出发，提高购买国债比例，压缩沉淀资金量，使公积金在低风险下取得较高的增值收益。同时，可选择购买中国建设债券、中国石化债券等信用等级只与国债在理论上存在微小差别的债券，这些债券可上市交易，安全性好，且收益较高。二是发展个人住房贷款业务。大力发展个人住房贷款既能体现建立住房公积金制度的目的，又能实现公积金的保值增值，是政策性和收益性的统一。三是完善住房公积金监督体系。完善住房公积金监督体系，首先要求建立严格的信息披露制度。其次，建立国债风险评估制度，规范购买国债行为。另外，还要建立住房公积金外部审计制度，每年聘请会计师事务所对住房公积金的归集、结息、贷款、投资等各方面进行全面审计，重点审计其资金运用是否合理，是否有挪用、占用资金等违规违纪行为。（3）建立住房公积金区域一体化模式。一是建立住房公积金区域融通机制。住房公积金在地区间的发展不平衡，阻碍了住房公积金贷款业务的发展，更阻碍了其身的积累。在现阶段，可以考虑通过同业拆借等方式，打破当前住房公积金在各行政域的内部循环和封闭运营，实行不同地区住房公积金管理中心之间的资金调拨或拆借，建立住房公积金区域一体化模式，可以使得个贷发放率低的地区避免资金沉淀，放贷规模的地区避免资金短缺，从而提高资金使用效率。二是建立全国公积金网络管理平台。针对我国住房公积金封闭运行带来的弊端，建议实行全国统一管理运作的方式，打破住房公积金在各个行政区域的封闭运行。具体操作方法为，建立全国统一的住房公积金网络管理系统，形成一个全国性的公积金管理平台，统一管理全国住房公积金个人缴存账户，形成住房公积金在全国统一配置的局面。

通过本文分析可知，我国住房公积金要持续健康发展，必须保证住房公积金的长期安全运作和保值增值。首先，根据互助理论、强制储蓄理论创新公积金的收缴模式，更好地运用互助机制及大数法则和长期法则，吸收更多的社会成员加入公积金，扩大住房公积金的覆盖面，合理制定参加人员的缴存期；以强制储蓄为保证，制定多样化的动态公积金缴交率，变静态收缴模式为动态收缴模式，有效筹措资金，做大公积金“蛋糕”。其次，根据基金投资理论创新住房公积金的使用模式，减少沉淀资金，提高资金的保值增值能力。

参 考 文 献