业绩模型

业绩模型（精选四篇）

业绩模型 篇1

随着我国市场经济的发展与完善, 上市公司已成为市场经济中的主要组成部分, 对整个社会经济发展起到越来越重要的作用。不可否认, 在上市公司的发展过程中也存在一些问题, 如一些公司财务信息失真、虚增业绩、大肆“圈钱”等。这就需要在市场经济条件下, 有效发挥政府监管职能和社会监督职能, 建立优胜劣汰机制, 净化证券市场的环境。因此, 开展业绩评价, 无论对政府转变职能和加强宏观调控, 还是对公司改善经营管理, 以及投资者调整投资决策, 都将具有十分重要的意义。

2 财务业绩评价的基本指标

本文提出用数据挖掘中比较成熟的多元统计方法来评价企业的财务业绩状况, 能够比较客观地反映了企业的实际状况, 同时避免了人为因素带来的偏差。本文以财政部评价指标体系中的基本指标为主, 选择以下指标:

X1:每股收益 (元) X2:加权平均净资产收益率 (%) X3:主营业务利润率 (%)

X4:总资产周转率 (%) X5:流动资产周转率 (%) X6:资产负债率 (%) X7:主营业务增长率 (%) X8:总资产利润率 (%) X9:市场投资回报率 (%) X10:股价波动率 (%) X11:年末资产总额 (亿元) X12:主营业务收入净额 (亿元)

X13:净利润 (亿元)

上述这些指标基本上能涵盖上市公司的财务效益、资产质量、偿债能力、发展能力和主营业务鲜明状况等状况, 可以客观地反映公司情况。

3 实证分析的原始数据

截至2005年末, 我国信息技术行业A股上市公司共有82户, 其中:沪市53户, 占64.6%, 深市29户, 占35.4%。本文以中国所有信息技术业上市公司为例, 根据中国上市公司资讯网 (www.cnlist.com) 公布的2005年报数据, 以此为样本进行计算, 构建财务业绩评价模型。

4 建立企业财务业绩评价模型

财务层面业绩是上市公司业绩评价的落脚点, 财务指标是上市公司所追求的最终经营目标。如何通过财务报表的基本内容, 准确评价一家上市公司的业绩状况?这里的主要问题是如何将财务报表指标化, 通过一些关键指标了解上市公司的经营是否处于健康状态。因此本文选取有代表性的财务指标建立评价模型。

5 数据分析

5.1 相关性分析

使用SPSS软件计算13个原始变量之间的相关性结果, 从结果分析得出, 在这里使用因子分析合适。

5.2 确定主因子数目

为避免原始数据量纲的不同, 先运用SPSS软件对数据进行标准化处理。数据标准化之后, 再以13个指标数据为样本, 计算样本协差阵的特征值。结果如表1所示。

从该表可以看出, 前4个成分的特征值均大于1, 其累计贡献率为73.667%;而提取6个成分, 其累计贡献率为87.736%, 即使用6个公因子可以描述样本协差阵87.736%的信息。考虑到4个成分涵盖信息百分比低于85%, 本文采用6个因子描述总体信息。

5.3 对数据处理结果的分析

从因子特征值和解释方差百分比的结果来看, 不存在一个处于绝对主导地位的因子, 但是存在两个相对于其他因子重要得多的因子, 如前两个因子, 它们的累计方差贡献率达52.839%。保留的六个因子能概括原始变量的绝大部分信息, 可以达到将近88%的信息量。结合原始变量的意义, 可以解释六个公因子的基本含义。

为理解公共因子的意义, 有必要对因子载荷矩阵进行旋转变换, 使公因子负荷系数向更大或更小的方向变化, 使公因子的典型代表变量突出, 可以得到经济上明确的解释。旋转后的载荷矩阵如表2所示。

原始变量与公共因子的关系可以表示为:

其它表达类似。

在获得公共因子后, 再利用回归分析法求出各上市公司的主因子得分, 计算结果见表3。

对上市公司业绩评价的综合得分, 是以每个主因子的方差贡献率占六个主因子总方差贡献率的比重作为权数来进行加权计算, 按照全部方差解释中各主因子的得分情况, 得到计算公式为:

利用此公式可以计算各上市公司财务状况的综合得分, 通过得分情况对公司业绩进行分析评价。

6 应用业绩评价模型

6.1 应用模型计算上市公司综合得分

应用计算公式计算信息技术行业82家上市公司的综合得分, 计算结果的前10分别为航天信息, 国电南瑞, G用友, 华胜天成, G中兴, G金马, 中国联通, 中国软件, 深科技A, 七喜控股。后10名分别是, ST科健, 大唐电信, ST托普, 上海科技, 绵阳高新, ST华光, 深大通A, 创智科技, ST商务, 星美联合。

6.2 结果分析

从综合得分来看, 一些效益好、偿债能力较强、发展能力较强, 或者在个别方面稍欠缺但其余各方面均衡发展的企业明显排在前列。排在榜首的是航天信息, 其综合得分遥遥领先, 这主要归因于其在主因子f1、f2和f5的得分, 三个因子的排名分别为第2、第2和第10名, 显示该企业有良好的财务效益和资产管理能力。

综合得分位于第二的是国电南瑞, 其主因子f1、f2、f4和f5的得分均排名靠前, 分别为第4、第4、第10和第13名, 说明该公司具有较强的经营管理能力, 主营业务突出。2005年是该公司业务发展较快的一年, 除了保持电网调度自动化、变电站综合自动化的高端市场产品的传统优势外, 该公司还不断推出新产品, 工业控制自动化的自主知识产权竞争力进一步加强。公司的电力市场商业化运行系统、电量计费管理、配网自动化等产品在市场上都取得了重大的突破。凭借控股子公司的技术和新产品, 公司在电力系统以外, 开辟了广阔天地, 业务延伸石化、冶金、市政工程、楼宇自动化等多个市场, 特别是通过中标北京五号地铁线, 在轨道交通市场取得了重大突破。

其他企业的经营情况均可以通过各个公因子得分和综合得分来进行分析。通过综合得分可以看出, 上市公司两极分化趋势比较明显。那些财务状况健康、经营状况良好、核心竞争力明显增强的优质企业表现出强者恒强的特点, 而业绩较差的公司仍在恶性循环中挣扎, 并且表现为竞争力下降, 主营收入没有增长的同时费用却在不断增加。

7 本文的主要工作

本文所选择的指标都是公认的比较重要的财务指标, 经过计算发现, 这些指标之间的相关性比较强, 这为因子分析提供了可能。单凭由各个数据构成的指标体系, 无法对所选取的样本上市公司进行综合比较、加以分析, 必须借助于一定的数量分析方法和模型, 对各个并不直接关联的数据加以处理, 使各个具体指标所蕴含的信息能够通过若干个综合指标加以反映, 并确定出各公司在综合指标上的得分, 再加以累计, 才可以得出各公司在经过数量模型计算后的排序情况。

摘要：市场经济中, 开展上市公司业绩评价在理论、实践上均具有重要作用。无论是对政府转变职能和加强宏观调控, 还是对公司改善经营管理, 以及投资者及时调整投资决策, 都有十分重要的意义。本文选取82家上市公司的财务数据为样本, 应用数据挖掘中比较成熟的统计分析方法, 从13个财务指标中提取6个因子作为评价的主要指标, 构建基于因子分析的业绩评价模型。提取的因子分别体现上市公司的6种能力:1) 盈利能力、2) 资产管理能力、3) 偿债能力、4) 特征能力、5) 扩张能力、6) 成长能力, 从而可对公司的业绩从多角度、分层次进行分析, 继此获得比较客观全面的评价。本文借助业绩评价模型计算上市公司各指标得分及综合得分, 根据综合得分情况进行排名, 并撷取榜单中颇具代表性的上市公司, 针对其业绩情况进行点评。

业绩模型 篇2

【关键词】开放式基金;业绩评价;DEA模型

中图分类号:F830.2 文献标识码:A 文章编号:1009-8283(2009)09-0005-02

1 背景及研究意义

自从1998年3月,国内第一支规范的封闭式投资基金——基金开元宣告成立以来,证券投资基金的规模飞速发展,并逐步走向成熟。截止至2009年上半年,我国国内共有543只证券投资基金,资产净值合计23 043.76亿元,其中501只开放式基金资产净值合计21 916.85亿元,占全部基金资产净值的95.11%。随着我国证券投资基金数量和规模的扩张,特别是开放式基金的迅速发展,基金在中国资本市场的地位与影响力不断提高,对中国资本市场发展的积极作用也在逐步显示出来。然而在基金如火如荼发展的10年间,对证券投资基金绩效的评级却仍然处于刚刚起步阶段,而证券市场对基金绩效评级的需求却越来越旺盛。不仅基金公司需要通过对基金绩效的评价,衡量基金经理的经营能力,从而制定出正确的薪酬计划,并通过与同类基金业绩的比较发现自己的优势与不足,改进策略,提高自身的绩效,扩大自己的基金规模。投资者也需要通过较为完善的业绩评价体系,得到关于基金经理人能力和基金管理人绩效的较为精准的信息,从而做出正确的投资决策,切实的保护自身的利。因此,建立起一套科学完备的评级体系,不仅具有很高的理论价值,而且也有着非常重要而迫切的现实意义。

2 国内外关于证券投资基金绩效评价方法及评价

2.1 基金业绩评价的传统方法

20世纪60年代以前,基金业绩的评价指标主要有基金单位净值、基金累积单位净值、基金净值增长率、基金累积净值增长率和投资收益率。这些指标大都没有考虑申购赎回以及各种管理费用的影响,同时并没有考虑到基金投资风险的问题。

2.2 风险调整指数方法

1952年,马柯维茨现代资产组合理论中首次提到了“市场有效投资组合”的概念。在此基础上,夏普增加了适当假设后得到了资本资产定价模型即CAPM,首次提出了系统性风险和非系统风险的概念,从而大大简化了马柯维茨模型。不久之后,夏普、特雷诺等人又推导出了资本市场线和证券市场线。这些理论构成了风险调整指数方法的理论基础。其中比较经典的是特雷诺指数、夏普指数和詹森指数。然而,尽管风险调整指数方法第一次把风险纳入基金业绩计量的方法之中,该方法存在着理论上的缺陷。由于CAPM的基础理论——市场有效组合的存在性无法验证,所以CAPM同样无法验证。因此CAPM模型本身存在的不完善必然导致特雷诺、夏普指数和詹森指数作为基金业绩评价方法的不完善。

2.3 基于DEA模型的基金业绩评价方法

2.3.1DEA评价方法概述

数据包络方法的第一个模型即C²R模型是由Charnes、Cooper与Rhodes3位学者于1978年提出,以后C²R模型得到不断地扩展和完善。DEA模型结合了运筹学、管理科学和数理经济学,运用线性规划的方法,来评估具有多个投入和多个产出目标的决策单元的相对效率。传统的DEA模型可以分为面向输入和面向输出2种类型。面型输入的DEA模型保持决策单元当前的产出水平不变,通过减少决策单元的输出来使决策单元达到有效;而面向输出的DEA模型则是保持决策单元当前的输入水平不变,通过增加决策单元的输出来使决策单元达到有效。

2.3.2 DEA方法的评价

与传统的基金业绩评价方法相比,DEA评价方法有着以下显著的优势:首先,传统的评价指标往往建立在CAPM模型基础上,假定证券市场线是一條直线,并且基金收益率服从正态分布,而运用DEA方法时并不需要这样的假设。其次,传统的评价方法一般只有收益率和市场风险两个评价指标,难以对基金业绩进行全面评价。但是,在运用DEA模型时,输入输出指标的选取要格外注意。首先指标不是越多越好,其次输入指标之间、输出指标之间要尽可能的避免有较强的线性关系,否则会对评价的结果产生不利的影响。

2.3.3 DEA模型的推导过程

由于C²R模型假设决策单元处于固定规模报酬,而实际上基金可能出于规模报酬递增或递减的状态。因此本文介绍Banker等在1984年提出的BCC模型。

或者至少有某个[XCB7.tif;%70%70,JZ],[XCB8.tif;%70%70,JZ]那么该只基金若有效,经济含义为该基金要么是某个投入指标没有充分利用,要么是某种产出指标与最大产出值尚有差额。

(3)若[XCB9.tif;%70%70,JZ],那么该只基金处于无效状态。即该基金的风险或者成本过高,或收益过低,从而可以通过一定得调整获得更好的收益风险配置。

3 运用DEA方法对开放式基金业绩实证结果及分析

3.1 指标的选取以及统计性描述

本文以2008年7月31日至2009年7月31日一年时间为研究窗口,以上市交易并且数据完整的468只开放式基金为研究对象进行实证研究。选用Beta系数、周收益率方差、单位基金费用率作为投入指标,复权单位净值增长率、特雷诺指数为产出指标。各数据的相关性分析如下表所示:

从(表1)、(表2)可以看出,只有收益率方差和Beta系数的相关性较高,其他指标之间尽管有不同程度的相关性,但在可以接受的范围内。

3.2 实证结果

本文采用BCC模型和matlab软件来对486只开放式基金进行评价。实证结果表明,仅有34只开放式基金θ值为1,处于有效状态,大部分处于无效率状态。说明我国基金业存在很多急需加以改善的地方,从而控制基金投资风险,减少风险暴露水平,降低运营成本,提高基金运营质量。

(表3)列示了θ值为1,并且夏普指数或詹森指数排名为前十的11只基金。从表中看出,处于DEA有效的基金,用夏普指数、或詹森指数排名也靠前,若购买这些基金可以在承担一定风险的基础上获得相对较高的投资回报。但并非所有DEA有效的基金的夏普指数或詹森指数的排名也靠前。如国泰金鹿保本2期基金的詹森指数仅排在240名。由此可见,用DEA模型来为基金业绩进行排名,确实可以挑选出优质的基金。

然而,笔者采用DEA模型对基金业绩进行评价时,实际上假设了所有输入和输出指标值都被准确的描述。然而随机误差的存在使得指标值受到影响,进而会影响到实证分析的结果和结论。

参考文献:

业绩模型 篇3

委托代理理论强调通过激励机制的构建,引导经营者按照所有者意图努力工作。并且往往使用“为业绩付酬”(Pay for Performance,简称PFP)的方式,对经营者的业绩产出进行奖惩。而在“为业绩付酬”研究中遇到的首要问题就是:对什么样的业绩产出进行激励才能保证科学性与公平性。这一问题实质上源于对业绩产出来源问题的研究。恰恰是这一问题,在国外研究者中出现了明显的结论分歧,其中,Schmalensee(1985)和Rumelt(1991)的争论可视为发端。Schmalensee和Rumelt先后使用联邦贸易委员会的在线业务数据做了实证研究,但却得出了截然相反的结果:前者研究结论表明,企业间业绩产生差异的主要原因在于它们处于不同的行业[1];后者研究结论表明,业绩差异产生的原因在于它们的战略决策或资源特征不同[2]。在此基础上,其他学者通过大量实证研究,陆续从不同侧面解释业绩产出差异的原因,这些原因包括行业结构、资源特征、战略决策等要素。由此,关于业绩产出来源的研究结论逐渐演化为三大阵营:从行业结构角度解释业绩产出的阵营[3,4],从战略决策角度解释业绩产出的阵营[5,6]和从资源特征角度解释业绩产出的阵营[7,8]。甚至部分实证研究同时论证了三类因素对企业业绩产出水平的重要性,如Short等收集了12个行业中1165家企业7年的经营数据,采用多层线性模型评估三类因素对长期和短期业绩的解释力度,发现三类因素的水平与企业业绩的水平显著性相关[9]。

业绩产出来源不同,形成了企业业绩产出的“多源性”特点,进而决定了委托人“为业绩付酬”时,除考虑经营者的努力程度和能力水平显著影响战略决策水平外,需要综合考虑业绩结果的“相对性”。即在设计报酬契约时,除考虑经营者努力程度对企业业绩的影响外,还需考虑行业结构、资源特征及经营者能力水平对企业业绩的制约。此时,若简单通过报酬契约,直接对经营者的实际业绩结果进行评价与奖惩,则激励方式本身会存在信息误用的问题。

近年来PFP的相关研究开始越来越多地关注基于“相对业绩”的报酬契约机制设计,即引入相对业绩评价(Relative Performance Evaluation,简称RPE)的方式重构报酬契约,解决为真实业绩付酬进行机制分析的问题。Holmstrom(1979,1982)指出:“代理人面临一些常见的不确定性时,RPE能提供代理人不可观察的信息,如果在报酬契约中引入这些信息,能形成对代理人工作更精确的评价”[10,11]。Holmstrom(1987)还指出:“在信息不对称情形下,企业业绩已经包含该企业与行业内类似企业共同面临的风险等信息,在报酬契约中采用同行作为参照,可以部分过滤掉外部干扰噪音”[12]。因此,基于相对业绩的评价方法,如参照行业加总业绩对业绩信息的结构进行改造,可以达到帕累托改进的效果,进而提高报酬契约的激励效率,这也是近年来报酬契约研究者进行委托代理建模时大量引入相对业绩的原因。但相对业绩的引入也存在合理性问题,即如何科学界定业绩的“相对性”,国内部分报酬契约研究者的相关探索[13,14],仅倾向于关注行业结构层面的相对业绩,缺乏对企业资源特征层面相对业绩与经营者能力水平的关注,同时,在委托代理模型的构建中,传统研究对经营者的业绩产出影响因素在定义上多以努力程度作为自变量,缺乏对其经营者工作能力的考虑,而在企业实践中,工作能力与努力程度本身是工作业绩产生的两个基本影响因素。

因此,本文在分析报酬契约的机制设计时,引入了相对业绩,并将其进一步定义为两层面内容——行业结构层面的横向相对业绩和企业资源特征层面的纵向相对业绩,并在构建委托代理模型时,引入了经营者能力水平变量,以使机制分析的结果更贴近企业管理实践。

2 模型假设

假设1 企业业绩产出函数可表示为线性形式,π=hn+δθ,其中π表示企业业绩产出,h表示经营者努力程度,n表示经营者能力水平,θ是外生变量,θ~N(0,σ2), δ是外生变量对业绩产出的影响系数。

假设2 可观测本期同行业中另一企业的产出z1, z1~N(0,σ${}_1^2$)。 z1与努力程度h无关,但z1与外生变量θ及π相关。同时,可基于企业上期产出预测本期产出,z2表示企业本期的预测产出与实际产出之间的差额,z2~N(0,σ22),且z2与π、θ相关,但与本期努力程度h、本期另一企业产出z1无关。

假设3 对经营者采用利润分享制,将经营者报酬与企业业绩及相对业绩同时挂钩,设为S(π,z1,z2)=α+β[π+rβ1z1+(1-r)β2z2]。 α为经营者固定收入,β为利润分享系数,反映经营者对业绩产出的分享程度,β1为横向行业调节系数,反映经营者报酬受行业结构状况(z1)的影响幅度, β2为纵向资源调节系数,反映经营者报酬受企业资源特征状况(z2)的影响幅度。r表示经营者报酬与横向相对业绩的相关程度,1-r表示经营者报酬与纵向相对业绩的相关程度。r的取值由所有者和经营者根据企业特点协议商定,取0~1之间的任意值。

假设4 所有者为风险中性,经营者为风险规避。经营者的效用函数具有不变绝对风险规避特征,即Eu=-Ee-ρω=-e-ρ{Eω-12ρVar(ω)},其中ρ是绝对风险规避变量(ρ>0), ω是经营者的实际收入。

假设5 经营者的努力成本用货币成本表示为$f(h,n)=\frac{bh{}^2}{2n}$,b为努力成本系数:b越大,同样的h带来的负效用越大;n越大,同样的h带来的负效用越小;对于不同能力水平的经营者,n越大,h带来的边际负效用越小。

3 模型建立与推导

如上述假设条件,则Eπ=E(hn+δθ)=hn, Var(π)=δ2σ2.

所有者为风险中性,则其期望效用函数等于他的期望收入:

$\begin{array}{l}E[\pi -S(\pi ,z{}_1,z{}_2)]\\ =E\{\pi -\alpha -\beta [\pi +r\beta {}_{1}z{}_1+(1-r)\beta {}_{2}z{}_2]\}\\ =(1-\beta )hn-\alpha \end{array}(1)$

经营者为风险规避,在考虑个人努力成本的情况下,实际收入为:

$\begin{array}{l}\omega =S(\pi ,z{}_1,z{}_2)-f(h,n)\\ =\alpha +\beta [\pi +r\beta {}_{1}z{}_1+(1-r)\beta {}_{2}z{}_2]-\frac{bh{}^2}{2n}(2)\\ E\omega =\alpha +\beta hn-\frac{bh{}^2}{2n}(3)\end{array}$

同时,经营者需承担风险Var(ω):

$\begin{array}{l}Var(\omega )\\ =\beta {}^2[Var(\pi )+r{}^2\beta {}_1^{2}Var(z{}_1)+(1-r){}^2\beta {}_2^{2}Var(z{}_2)\\ +2r\beta {}_{1}Cov(\pi ,z{}_1)+2(1-r)\beta {}_{2}Cov(\pi ,z{}_2)\\ +2r(1-r)\beta {}_1\beta {}_{2}Cov(z{}_1,z{}_2)]\\ =\beta {}^2[\delta {}^2\sigma {}^2+r{}^2\beta {}_1^2\sigma {}_1^2+(1-r){}^2\beta {}_2^2\sigma {}_2^2+2r\beta {}_{1}Cov(\pi ,z{}_1)\\ +2(1-r)\beta {}_{2}Cov(\pi ,z{}_2)]\end{array}(4)$

其中,2r(1-r)β1β2Cov(z1,z2)=0,因为z1与z2无关,即Cov(z1,z2)=0。

因此,经营者的确定性等价收入为:

$\begin{array}{l}ACE\\ =E\omega -\frac{1}{2}\rho Var(\omega )\\ =\alpha +\beta hn-\frac{bh{}^2}{2n}-\frac{1}{2}\rho \beta {}^2[\delta {}^2\sigma {}^2+r{}^2\beta {}_1^2\sigma {}_1^2+(1-r){}^2\beta {}_2^2\sigma {}_2^2\\ +2r\beta {}_{1}Cov(\pi ,z{}_1)+2(1-r)\beta {}_{2}Cov(\pi ,z{}_2)]\end{array}(5)$

若ω0为经营者保留效用,则经营者的参与约束为:IR:ACE≥ω0.最优情形下,参与约束条件取等号,对其求一阶条件得激励相容约束,即$\frac{\partial ACE}{\partial h}=\beta n-\frac{bh}{n}=0$,即为IC:$h{}^{*}=\frac{\beta n{}^2}{b}$.可以看出,h*随n增大而增大,表明经营者的能力越大,其最优努力水平也就越高。

于是,所有者设计的报酬契约问题可描述为:

$\begin{array}{l}\max (1-\beta )hn-\alpha \\ \text{s}.\text{t}.{\rm I}R:ACE\ge \omega {}_0\\ {\rm I}C:h{}^{*}=\frac{\beta n{}^2}{b}\\ 0\le r\le 1‚\rho >0\end{array}$

将约束条件代入目标函数,得到f(β,β1,β2):

$\begin{array}{l}\max f(\beta ,\beta {}_1,\beta {}_2)\\ =\frac{\beta n{}^3}{b}-\frac{\beta {}^{2}n{}^3}{2b}-\frac{1}{2}\rho \beta {}^2[\delta {}^2\sigma {}^2+r{}^2\beta {}_1^2\sigma {}_1^2+(1-r){}^2\beta {}_2^2\sigma {}_2^2\\ +2r\beta {}_{1}Cov(\pi ,z{}_1)+2(1-r)\beta {}_{2}Cov(\pi ,z{}_2)]-\omega {}_0\end{array}(6)$

相应一阶条件如下:

$\begin{array}{l}\begin{array}{l}\frac{\partial f(\beta ,\beta {}_1,\beta {}_2)}{\partial \beta }\\ =\frac{n{}^3}{b}-\frac{\beta n{}^3}{b}-\rho \beta [\delta {}^2\sigma {}^2+r{}^2\beta {}_1^2\sigma {}_1^2+(1-r){}^2\beta {}_2^2\sigma {}_2^2\\ +2r\beta {}_{1}Cov(\pi ,z{}_1)+2(1-r)\beta {}_{2}Cov(\pi ,z{}_2)]\\ =0\end{array}(7)\\ \frac{\partial f(\beta ,\beta {}_1,\beta {}_2)}{\partial \beta {}_1}=-\rho r\beta {}^2[r\beta {}_1\sigma {}_1^2+Cov(\pi ,z{}_1)]=0(8)\\ \begin{array}{l}\frac{\partial f(\beta ,\beta {}_1,\beta {}_2)}{\partial \beta {}_2}\\ =-\rho (1-r)\beta {}^2[(1-r)\beta {}_2\sigma {}_2^2+Cov(\pi ,z{}_2)]\\ =0\end{array}(9)\end{array}$

求解可得:

$\begin{array}{l}\beta *=\frac{n{}^3}{n{}^3+\rho b\left[\delta {}^2\sigma {}^2-\frac{Cov{}^2(\pi ,z{}_1)}{\sigma {}_1^2}-\frac{Cov{}^2(\pi ,z{}_2)}{\sigma {}_2^2}\right]}(10)\\ \beta {}_1^{*}=-\frac{Cov(\pi ,z{}_1)}{r\sigma {}_1^2}(11)\\ \beta {}_2^{*}=-\frac{Cov(\pi ,z{}_2)}{(1-r)\sigma {}_2^2}(12)\end{array}$

4 分析与探讨

4.1 利润分享系数的相关影响分析

①能力水平:$\frac{\partial \beta {}^{*}}{\partial n}>0$,即β*随n增大而增大,表明经营者能力水平越高(该水平的衡量有利于表明企业业绩对经营者个体能力的依赖程度),其最优利润分享系数也应越大。

②风险规避度:$\frac{\partial \beta {}^{*}}{\partial \rho }<0$,即β*随着ρ的增大而减小,表明经营者的风险规避度越大,其最优利润分享系数应越小。

③努力成本系数:$\frac{\partial \beta {}^{*}}{\partial b}<0$,即β*随着b的增大而减小,表明经营者的努力成本系数越大,其最优利润分享系数应越小。

④方差、协方差:$\frac{\partial \beta {}^{*}}{\partial \sigma {}^2}<0‚\frac{\partial \beta {}^{*}}{\partial \sigma {}_1^2}<0‚\frac{\partial \beta {}^{*}}{\partial \sigma {}_2^2}<0$,即β*随着σ2、σ21、σ22的增大而减小,表明行业结构对企业业绩的影响程度越大,或企业资源特征对企业业绩的影响程度越大,经营者的最优利润分享系数应越小。$\frac{\partial \beta {}^{*}}{\partial Cov{}^2(\pi ,z{}_1)}>0‚\frac{\partial \beta {}^{*}}{\partial Cov{}^2(\pi ,z{}_2)}>0$,即β*随π和z1(或z2)的协方差平方增大而增大,表明经营者承担的风险越大,其最优利润分享系数也就越大,这也说明了经营者的高回报建立在高风险的基础之上。

4.2 横向行业调节系数的相关影响分析

①相关程度:$\frac{\partial \beta {}_1^{*}}{\partial r}=\frac{Cov(\pi ,z{}_1)}{r{}^2\sigma {}_1^2}$,当Cov(π,z1)>0时,$\frac{\partial \beta {}_1^{*}}{\partial r}>0$,即β*1随着r的增大而增大,表明π和z1正相关时,经营者报酬与横向相对业绩的相关程度越大,最优横向行业调节系数越大;当Cov(π,z1)=0(π和z1不相关)时,经营者报酬与横向相对业绩无关;当Cov(π,z1)<0时,$\frac{\partial \beta {}_1^{*}}{\partial r}<0$,即β*1随着r的增大而减小,表明π和z1负相关时,经营者报酬与横向相对业绩的相关程度越大,最优横向行业调节系数越小。

②方差、协方差:$\frac{\partial \beta {}_1^{*}}{\partial \sigma {}_1^2}>0$,即β*1随着π和z1方差的增大而增大,表明企业业绩受行业结构状况影响越大,基于横向相对业绩的经营者报酬受到的调动幅度也就越大。$\frac{\partial \beta {}_1^{*}}{\partial Cov(\pi ,z{}_1)}<0$,即β*1随z1协方差的增大而减小,此时有两种情况:当Cov(π,z1)<0时,即π与z1负相关,Cov(π,z1)越大,π和z1的相关度越低,经营者报酬受到的影响越小;当Cov(π,z1)>0时,即π与z1正相关,Cov(π,z1)越大,π和z1的相关度越高,经营者报酬受到的影响越小。

4.3 纵向资源调节系数的相关影响分析

①相关程度:$\frac{\partial \beta {}_2^{*}}{\partial r}=-\frac{Cov(\pi ,z{}_2)}{(1-r){}^2\sigma {}_2^2}$,当Cov(π,z2)>0时,$\frac{\partial \beta {}_2^{*}}{\partial r}<0$,即β*2随着r的增大而减小,表明π和z2正相关时,经营者报酬与纵向相对业绩的相关程度越大,最优纵向资源调节系数越大;当Cov(π,z2)=0(π和z2不相关)时,经营者报酬与纵向相对业绩无关;当Cov(π,z2)<0时,$\frac{\partial \beta {}_2^{*}}{\partial r}>0$,即β*2随着r的增大而增大,表明π和z2负相关时,经营者报酬与纵向相对业绩的相关程度越大,最优纵向资源调节系数越小。

②方差、协方差:$\frac{\partial \beta {}_2^{*}}{\partial \sigma {}_2^2}>0$,即β*2随着π和z2方差的增大而增大,表明企业业绩受企业资源特征状况影响越大,基于纵向相对业绩的经营者报酬受到的调动幅度也就越大。$\frac{\partial \beta {}_2^{*}}{\partial Cov(\pi ,z{}_2)}<0$,即β*2随z2协方差的增大而减小,此时有两种情况:当Cov(π,z2)<0时,即π与z2负相关,Cov(π,z2)越大,π和z2的相关度越低,经营者报酬受到的影响越小;当Cov)π,z2)>0时,即π与z2正相关,Cov(π,z2)越大,π和z2的相关度越高,经营者报酬受到的影响越小。

4.4 激励强度与风险分担

如果π和z1、z2不存在相关关系,则Cov(π,z1)=0,Cov(π,z2)=0, π为“充足统计量”。 那么, β1、β2不能反映企业业绩的好坏, 则β1=0, β2=0。 因此, 契约是否引入z1、z2, 不影响契约的激励强度与经营者的风险分担情况。

如果π和z1、z2存在相关关系,则Cov(π,z1)≠0,Cov(π,z2)≠0。 那么, 引入z1、z2前, 激励契约对经营者的激励强度$\beta {}_0=\frac{n{}^3}{n{}^3+\rho b\delta {}^2\sigma {}^2}$,经营者承担的风险Var(ω)0=β2δ2σ2. 而引入z1、 z2后, 激励契约对经营者的激励强度为$\beta {}^{*}=\frac{n{}^3}{n{}^3+\rho b\left[\delta {}^2\sigma {}^2-\frac{Cov{}^2(\pi ,z{}_1)}{\sigma {}_1^2}-\frac{Cov{}^2(\pi ,z{}_2)}{\sigma {}_2^2}\right]}$,经营者承担的风险$Var(\omega )=\beta {}^2[\delta {}^2\sigma {}^2-\frac{Cov{}^2(\pi ,z{}_1)}{\sigma {}_1^2}-\frac{Cov{}^2(\pi ,z{}_2)}{\sigma {}_2^2}]$。易见,β*>β0, Var(ω)<Var(ω)0.因此,在报酬契约中引入z1、z2,强化了对经营者的激励,降低了经营者承担的风险。

5 应用举例

某大型企业集团,整体营业额超过1500亿,业务范围涉及:消费品、电力、地产、水泥、医药、金融等。其中,A1、A2为该集团旗下的两家上市子公司。假设A1、A2经营者的能力、偏好等无差异,而2006~2010年集团只考核这两家子公司在ROA上的业绩指标表现。

该集团将相对业绩比较理论纳入了经营者报酬契约,其报酬契约模型的参数设置情况如表1所示。

A1、A2的企业特点为:A1属于电力行业,处于发展期阶段,为中等规模企业;A2属于水泥行业,处于成熟期阶段,为中等规模企业。A1的企业业绩与行业业绩、历史业绩有较高的相关性,其与行业业绩的相关性高于与历史业绩的相关性,而A2的企业业绩与行业业绩的相关性较低、与历史业绩的相关性较高。根据上述特点,判断报酬契约模型的部分参数取值,如表2所示。

两家子公司及其所在行业2006~2010年的业绩详情如表3所示。然后,根据报酬契约计算出子公司经营者2007~2010年的模型报酬(如表4所示),其中,假设企业集团2007~2010年预测A1、A2的ROA水平均为在上期业绩基础上实现10%的增长水平。

数据来源: Wind资讯。

从表3、表4可以看出,经营者的企业业绩与模型报酬之间存在不一致现象。如2010年,A2经营者的企业业绩高于2007年相应的业绩,而报酬却低于2007年所获报酬,此现象背后的原因,可以通过相对业绩比较发现:一方面,2010年企业业绩与行业平均业绩之间的良性差距呈下降趋势,即经营者的横向相对业绩表现是负面的,而2007年相应的良性差距呈上升趋势,故从行业业绩角度评价,2010年企业业绩上升更多地依赖于外部环境带来的利好机遇;另一方面,2010年企业业绩较预期业绩(即上期历史业绩的1.1倍)呈上升趋势,即经营者纵向相对业绩表现是正面的,而上升幅度显著小于2007年相应的幅度,故从历史业绩角度评价,2010年企业业绩上升在一定程度上依赖于经营者的管理决策行为。

可以看出,通过相对业绩比较确定子公司经营者最终应得的业绩报酬,能够更有效地反映子公司的价值创造现状和经营者管理决策行为对子公司贡献的客观事实。因此,引入两维度相对业绩后,报酬契约模型更符合企业业绩产出的实际背景,并且这种契约的激励性与公平性更为显著。

6 结论

本文把横向、纵向两维度相对业绩纳入研究范围,建立了考虑经营者努力程度、能力水平、风险态度、行业结构、资源特征等因素的报酬契约模型,并求解模型得到最优利润分享系数、最优横向行业调节系数、最优纵向资源调节系数,进而探讨了各因素对它们的影响,并探讨了该报酬契约在激励强度与风险分担上的优越性。

本文的决策意义在于企业集团在设计报酬契约时,可以据此模型:①将企业业绩、横向相对业绩、纵向相对业绩与子公司经营者的报酬相挂钩,使报酬结构多元化,能够更有效地反映子公司的价值创造现状和经营者管理决策行为对子公司贡献的客观事实;②子公司经营者报酬与横向、纵向相对业绩的线性相关程度,应该根据子公司的行业环境、发展阶段、规模等方面的特点,由母公司代表和子公司经营者协商确定;③子公司经营者的能力越强、风险规避度越低,利润分享系数就应该设置得越大;④子公司经营者报酬与横向(或纵向)相对业绩的相关程度越大,横向行业(或纵向资源)调节系数就应该设置得越大。

摘要：报酬契约是所有者激励经营者努力工作的基本方法,其传统做法是将经营者报酬与企业业绩进行直接挂钩,而企业业绩产出本身具有多源性特点——除来自经营者的个人努力外,还与行业结构、资源特征与经营者能力等显著相关。基于上述观点,本文引入了横纵向两维度的相对业绩与经营者能力变量,重构报酬契约模型,并运用委托代理理论进行约束条件下的求解,分析出的结论对企业集团完善报酬契约的设计具有现实借鉴意义。

业绩模型 篇4

关键词：基金市场,业绩-资金流量关系,赎回异象,明星效应,半参数模型

1 引言

在现代资本市场，证券投资基金已经成为非常重要的一类投资工具，建立起对基金管理者有效的激励与约束机制非常重要。由于管理费收入按基金资产总额的一定比例计提，基金管理者就有采取行动增加基金总资产的动机。开放式基金（以下简称基金）允许投资者随时申购或者赎回基金份额，由此形成一种被认为是隐性的激励与约束机制：由于业绩是基金管理者的能力与努力程度的标志[1]，投资者偏好申购业绩好的基金品种，而倾向于赎回业绩差的基金品种，于是基金的业绩与来自投资者的资金净流量正相关，鼓励着基金管理者取得好的业绩。但是，投资者的申购与赎回行为对基金业绩的反应，还受诸多心理和市场摩擦因素的影响，使得实际的基金业绩与来自投资者的资金净流量之间的关系（Flow-Performance Relationship,FPR）受到多个因素的影响，且各影响因素的作用方向不同，程度不一。因此实际的FPR是什么样的，成为一个吸引国内外大量研究者兴趣的问题。

国外对成熟市场的研究，一般都发现实际的FPR正相关，对其是否为非线性及成因则存在争论。与国外不同，一些国内研究发现我国基金市场FPR负相关，称之为“赎回异象”[2]或“赎回困惑”[3]。“赎回异象”意味着市场“惩罚”绩优基金的管理者，对基金管理者形成负激励，将严重扭曲激励约束机制；故研究其成因和对策就非常具有意义。但是也有研究认为，我国基金市场FPR是正相关的，“赎回异象”不过是假象，但是不存在投资者追逐绩优基金的“明星效应”[4]。还有研究认为，我国投资者追逐绩优基金而抛弃绩差基金[5]。如果总体上投资者追逐绩优基金而不愿意从绩差基金中退出，即FPR为凸函数，那么根据詹森不等式（Jensen’s inequality，其概率论版本是，对于任意的凸函数φ，有φ（E(X））≤E（φ（X）），可以很自然地得到基金经理增加投资组合的风险可以增加预期资金净流入的结论。这可能诱使基金经理令投资组合承担过度风险，既不利于基金投资者也不利于资本市场稳定。

那么，我国基金市场是否真的存在“赎回异象”，如果不存在“赎回异象”，那么FPR是否是凸函数？这是一个具有重要理论与实践意义的问题，非常有必要进行深入的研究。已有研究多使用参数模型，而在FPR问题的研究上半参数模型具有重要优势。本文运用半参数模型刻画出我国基金FPR的形态，以对上述问题进行研究。

2 基金的业绩与资金流量之间关系的影响因素

业绩是基金管理者的能力与努力程度的标志，投资者偏好申购绩优基金和赎回绩差基金，FPR线性正相关，是最为理想的状态。此时，投资者的资金流向与基金管理者的能力和业绩相吻合，资源得到了有效配置；基金管理者所获得的报酬与其业绩成正比，激励与约束机制得到有效发挥。但是，还存在诸多其他因素影响着投资者对基金业绩的反应，使得FPR的实际形态成为一个复杂的问题。

处置效应在个人投资者中是普遍存在的现象[6]，当所持有的投资品种处于亏损状态时，投资者愿意为将来价格上升而“搏一把”；而对于盈利的投资品种则倾向于“落袋为安”。处置效应在基金投资上的表现是，投资者不愿意卖出业绩不佳导致亏损的基金品种，而倾向赎回业绩好的基金，从而影响FPR曲线的形态，使之倾向于负相关。

认知失调是指人们会由于冲突的认知元素而产生心理不适。当实际结果与自己过去的选择不一致时，人们有改变信念以减轻这种不适的倾向。Goetzmann等发现，部分投资者可能会对所持有基金不佳的业绩“视而不见”，因为如果发现这些基金业绩不佳而卖出的话，则会证明自己当初的买入决策是错误的，从而增加其认知失调[7]。

投资者申购前需要付出信息搜索成本。Sirri等指出，超群的业绩会更醒目地出现在媒体中，可以降低投资者的搜索成本，从而吸引更多新的申购者[8]。信息搜索成本的影响，使投资者的申购对象集中于具有超群历史业绩的基金，导致出现“追逐业绩”现象，对FPR曲线形态的影响方向是使其右端的斜率增大。

税收负担始终是投资者考量的重要因素。持有业绩表现不佳基金的投资者，通过赎回实现亏损，可以抵扣相应的税收。所以，出于税收考量，一些投资者可能偏好赎回业绩差的基金。

投资者还可以相信，不佳的历史业绩并不能据以预测未来业绩，因为基金市场的竞争压力将迫使这些基金更改投资策略或者更换经理[9]。如果投资者通过对市场的观察，发现基金业绩不具有持续性，而具有均值反转的规律，那么由此还可以形成均值反转预期，从而选择赎回历史业绩较好的基金，申购历史业绩较差的基金。

上述各影响因素对FPR的作用方向不同，程度不一，使得实际的FPR呈什么形态成为一个复杂的需要采用适当方法进行研究的问题。

3 文献评述

国外对成熟市场FPR的研究普遍发现，基金的业绩与资金净流量正相关。Patel等发现基金的历史业绩与其年度净值增长金额正相关[10]。Ippolito发现流入赢家基金的资金量要显著大于流出输家基金的资金量[11]。Chevalier等、Chen等的研究发现FPR是凸函数[1,12]。Sirri等发现对于绩优基金，业绩与资金流入显著正相关；对绩差基金，则业绩与资金流入之间的关系不显著[8]。Nanda等发现成为明星基金能够吸引超额的资金流入[13]。但是Spiegle等认为，以往研究发现FPR为凸函数是检验模型误设的结果[14]。

刘志远等发现基金净值增长率与净赎回率正相关，将此现象称为“赎回困惑”[3]。陆蓉等发现，基金本期业绩越好资金净流量越低，将这一现象称为“赎回异象”[2]。彭惠等发现使用当期业绩指标时存在较强的“赎回悖论”[15]，冯金余发现使用短期业绩指标时存在“赎回异象”[16]。

肖峻等发现，前一年度的业绩对基金的季度净资金流入会产生显著的正向影响，但是市场中不存在“明星效应”[4]。冯旭南等使用分段线性回归方法研究发现投资者追逐绩优基金但是同时会抛弃绩差基金[5]。

“赎回异象”如果确实存在，意味着我国基金市场存在着一个迥异于国外成熟市场的现象。但是，已有的关于FPR和“赎回异象”的研究是不充分的并存在不足之处，还有待更深入地研究。多数发现存在“赎回异象”的研究仅仅检验了基金业绩与资金净流量（或者净赎回率）之间的关系。发现存在“赎回异象”的相关研究，多使用当期回报率作为业绩指标，而这可能存在内生性问题[17]。从所使用的模型来看，国内已有研究对FPR中可能存在着非线性及其影响重视不够，已有研究多使用线性回归模型，无法捕捉到可能存在的非线性。并且如果在实际FPR中存在非线性时，参数估计的表现将不佳[17]。

设定合理的参数模型可以提供较精确的推断，但如果模型设定有误则推断表现可能很差，还可能有误导性[17]。从前面的分析中可知，影响FPR的因素多，且作用方向与程度不一，FPR的函数形式不易确定，在选择解释变量与被解释变量的度量指标方面也存在着争议，比如Spiegle等认为，由于存在样本基金异质性，被广泛使用的资金流入率指标会产生误导性结果[14]，故建立恰当的参数模型颇为困难。而使用无参数技术，可以放松回归函数形式的限制，对解释变量和被解释变量的分布也很少限制，具有较大的适应性[18]。使用无参数模型的推断结论具有较大的稳健性，但随着变量的增加，为了保证精确性所要求的样本数据量呈几何增长，故折中的策略是使用半参数的形式[19]。此外，运用半参数模型研究FPR，未将基金业绩与资金流量之间关系限制为线性的，从而可以捕捉到可能存在的非线性。考虑到国外研究发现的大量的FPR为非线性的证据，以及研究我国基金市场是否存在“明星效应”，运用半参数模型进行研究是必要的和重要的。

4 研究方法与样本说明

4.1 半参数模型与估计方法

本文使用如下形式的半参数模型：

其中，y是被解释变量，θ0是常数项，f是不受限制的函数，z是进入方程的解释变量，x是控制行向量，θ是系数向量。ε是干扰项，其均值为0、方差为常数。本文采用Robinson提出的“双残差”法[19]进行估计。

首先，对（1）两边求条件期望，得到

令（1)-(2）得：

然后使用核回归估计E(y|z）得其估计量，和E(x|z）的估计量(k是进入方程的控制变量的下标），代入式（3）得：

其中，向量表示各个控制变量与其条件期望之间的差。根据式（4）使用普通最小二乘法求θ的估计值^θ后代入（1）整理得：

对（5）中的f(z）使用核回归进行估计，与前面估计E(y|z）和E(x|z）时一样使用的核函数是Epanechikov核函数，阶数为1，最佳窗宽为可以最小化条件加权均方误差。

4.2 变量说明

(1）被解释变量

被解释变量是基金的资金流出率OutFlowi,t、资金流入率InFlowi,t和净资金流入率Flowi,t三个资金流量指标，分别用于考察基金业绩-资金流出关系、基金业绩-资金流入关系以及基金业绩-资金净流量关系。

基金i在t期的资金流出率OutFlowi,t、资金流入率InFlowi,t和净资金流入率Flowi,t定义如下：

其中，TNAi,t-1为基金i在t期期初的资产净值总额，Appi,t是基金i在t期中所得到的来自投资者的申购金额，Redi,t是基金i在t期中遭受的投资者的赎回金额。

(2）解释变量

本文的主要目的是考察基金业绩-资金流量关系作为激励约束机制的有效性，解释变量基金的业绩采用序数业绩指标更能满足这一研究目的的需要[17]。在t-1期共有n只样本基金，基金i的考虑了分红等因素的原始回报率Ri,t-1在n只基金中按值由小到大的排名数为rank(i），则序数回报率：

(3）控制变量

本文参考已有研究，选择了如下6个控制变量：(1)基金规模———LnTNAi,t-1，是基金i在上期期末净资产的对数。(2)基金年龄———Agei,t-1，定义为从基金i成立日到t期期初的季度数。(3)基金投资风险———Stdri,t-1，是基金i在t-1期原始回报率的标准差，用来衡量基金投资的风险。(4)基金单位分红金额———Divdeni,t-1，是基金i在t-1期的单位分红金额。(5)基金分红次数———Divtimi,t-1，是基金i在t-1期的分红次数。(6)基金家族规模———LnManFi,t-1，是基金i所属于的基金家族F在t期期初资产净值之和的对数。

4.3 样本说明

本文数据来源于锐思金融数据库（www.resset.cn）。该数据库对全部基金按“基金类型”“投资类型”“投资风格”三个标准进行了分类。本文以积极管理的基金为研究对象，按如下步骤筛选样本基金：(1)选择“基金类型”为开放式的全部基金；(2)删除“投资类型”为指数型、优化指数型、债券型和现金型的基金；(3)删除“投资风格”为保本型、偏债型的基金以及QDII基金。本文选择使用的是半年度非平衡面板数据，要求进入样本的基金至少有2期（1年）的交易记录，样本期为2005年上半年至2013年上半年，共17期，最大截面成员基金311只。本文删除了有缺失项的观察值；为了避免极端值的影响，Spiegle等使用了一种稳健方法———在样本中去掉Flowi,t值最大的2.5%与最小的2.5%的观测值[14]，本文也如此对样本进行了处理。

5 基金的业绩与资金流量之间关系的形态及分析

5.1 使用全样本估计的情形

图1是根据半参数模型（1），以三种不同资金流量指标作为被解释变量，Rank(Ri,t-1）为解释变量，对基金的业绩与资金流量之间的关系f的估计结果。图1(a）是以资金流出率OutFlowi,t为被解释变量的估计结果，反映的是基金业绩与资金流出之间的关系。图中虚线之间是90%水平置信带，以下图1(b）和图1(c）相同。图1(b）是以资金流入率InFlowi,t为被解释变量的估计结果，反映的是基金业绩与资金流入之间的关系。图1(c）是以净资金流入率Flowi,t为被解释变量的估计结果，反映的是基金业绩与资金净流量之间的关系。将图1(a）、图1(b）和图1(c）合并到同一图中就得到图1(d），为简洁起见略去了其中的置信带。

从图1(a）可以看出，基金的业绩与资金流出率正相关，并且绩差基金和中等业绩基金的资金流出对业绩的敏感程度明显低于绩优基金。这表明随着基金业绩上升，赎回加速增加，投资者偏好赎回业绩优秀的基金而不愿意从绩差基金中退出，即出现了“反向选择”。这符合行为金融理论中的处置效应：投资者倾向于过早地卖出业绩优秀而盈利的投资品种（业绩越好投资者的盈利越丰厚）；而过久地持有业绩差导致亏损的投资品种。这一发现不同于国外对成熟市场的研究结论。国外一些相关研究也发现，投资者不愿意从业绩差的基金中退出，但未发现投资者偏好赎回业绩优秀的基金[7,9,20]。

从图1(b）可以发现，基金的业绩与资金流入率正相关，并且资金流入率对业绩的敏感程度随着基金业绩排名上升而增加，业绩超群排名前列的明星基金能够吸引到超额的申购资金，表明投资者申购时会追逐业绩。从图1(c）和图1(d）可以发现，资金流入率曲线比资金流出率曲线更为凸出，资金流入比资金流出墩基金业绩更为敏感，尤其是对业绩排名前列的明星基金而言，资金流入对业绩的敏感程度更是远高于资金流出的敏感程度。故我国基金的业绩与资金净流量正相关，不存在“赎回异象”，并且成为排名前列的明星基金可以获得超额的净资金流入，存在显著的“明星效应”；另一方面，基金业绩下降，资金净流入率下降的程度不如业绩上升时其上升的程度，总体上投资者不愿意从业绩不佳的基金中退出。这一发现既不同于肖峻等也不同于冯旭南等的研究结论[4,5]。

5.2 不同时期的情形

以上证指数收益率是否大于零来划分牛市与熊市，本文将样本按照市场周期划分成牛市与熊市两个子样本。然后使用这两个子样本分别进行估计，结果见图2。从图2中可以看出，牛市与熊市中的基金业绩-资金流量关系形态并无实质差别，跟使用全部样本估计所得的结果（见图1）也并无实质性区别。

另外，按时间前后将全部样本对半分为两个子样本，然后各自进行估计，所得的基金业绩-资金流量关系形态也与使用全样本估计的结果无实质性差别（限于篇幅，估计结果图略）。

5.3 实证结果分析

从对我国基金的业绩与资金流量之间关系实际形态的估计结果看，在我国基金投资者的交易行为中，同时存在“反向选择”和“追逐业绩”，但是这并不矛盾。“反向选择”是基金投资者的赎回行为，“追逐业绩”是投资者的申购行为。在处置效应作用下，人们对于盈利的投资品种倾向于落袋为安，对亏损的投资品种倾向于继续持有。但是处置效应只影响投资者的卖出行为（在基金投资中为赎回行为）。选择继续持有绩差基金的投资者，也会将新资金投向业绩好的基金品种[20]。投资者申购基金时追逐业绩，其原因除了业绩可以代表基金经理的能力外，还包括市场摩擦和心理因素。超群的业绩可以降低投资者在众多基金中寻找购买对象的搜索成本，从而吸引更多新投资者（即原来未持有该基金的投资者）的资金[8]。并且面对众多的可供购买的对象，投资者倾向于选择引起其注意的投资对象[21]。业绩超群的明星基金非常容易吸引投资者的注意力而成为其购买的备选对象。

我国基金市场中处置效应比较显著，这是跟我国基金市场的以个人投资者为主体的投资者结构以及短期投资者多的特点相一致的。而存在着显著的“追逐业绩”现象，并且使得资金流入对业绩排名的敏感程度远高于资金流出对业绩排名的敏感程度，本文认为其主要原因是我国基金市场是在政府的扶持下，超常规地发展起来的，基金品种与数量高速增长，导致投资者的搜索成本高所致。

6 结论

基金的业绩与资金净流量负相关的“赎回异象”并不存在。我国基金FPR是凸函数。这意味着某基金管理者增加投资组合的风险，将增加期望资金净流入，即如果增加投资组合的风险的结果是该基金的业绩排名上升，将使资金净流入量增加；如结果是业绩排名下降将引起资金净流入量减少，但是前者大于后者。所以FPR的这一形态可诱使基金管理者为增加可提取的管理费收入，而令投资组合过度承担风险，这会损害基金投资者的利益，如果大量的基金管理者有此类行为，则还可能影响资本市场的稳定。当然，基金管理者在进行投资组合管理时，不是只考虑可提取的管理费收入，还要考虑比如业绩排名对自己声誉的影响等其他因素。