2018, Vol. 44
文章信息
 | 财经研究 2018年44卷第11期 |
- 彭文平, 肖继辉, 周玉娟,
- Peng Wenping, Xiao Jihui, Zhou Yujuan.
- 市场环境与基金安全投资转移——基于盈余质量的研究
- Market conditions and the fund behavior of flight to quality：a study based on earnings quality
- 财经研究, 2018, 44(11): 4-17
- Journal of Finance and Economics, 2018, 44(11): 4-17.
-
文章历史
- 收稿日期：2018-01-11
2018第44卷第11期
2. 暨南大学 管理学院，广东 广州 510632;
3. 广州市萝岗开发区国税局，广东 广州 510006
2. Management School，Jinan University，Guangzhou 510632，China;
3. State Tax Bureau of Luogang Development Zone，Guangzhou 510006，China
一、引 言
基金的选股择时能力很受重视。特别是在股市下跌、市场环境差时，基金能否及时调整投资组合中的高风险股票比例以降低风险，确保组合资产的“安全性”对投资者而言非常重要。基金在选股时，需要利用上市公司的财务报告。财务报告中覆盖了会计政策变更和会计估计变更等信息，这些财务信息都折射出上市公司的盈余管理行为和盈余质量。基金是否利用会计信息尤其是会计盈余信息构建投资组合是学者们持续关注的问题。Ali等（2008）首次研究了共同基金是否利用会计应计进行投资，发现较少基金利用应计策略；但利用应计策略的基金能取得更好的业绩。姚颐等（2011）发现，我国开放式基金投资决策体现出了对会计盈余信息的追求和利用。已有文献表明，基金在投资过程中会关注公司的会计信息，采取不同的投资策略。但是，这些文献关注的都是会计盈余中的应计项目部分，往往侧重于会计盈余本身，很少关注盈余信息质量。会计应计可以进一步区分为可操控应计和不可操控应计。可操控应计代表的盈余质量能更好预测未来会计利润和现金流偏差，也是股票定价因子。因此，从决策有用性角度看，盈余质量比会计应计具有更多信息含量。作为专业投资者，基金在投资决策时也会关注到会计盈余质量。
市场环境好的牛市期间系统性风险降低，市场环境不好的熊市期间系统性风险走高（张宗新和朱伟骅，2005）。因此，牛熊市代表的不同市场环境存在系统性风险差异。当市场环境不好时，走高的系统性风险对基金资产组合的影响也将水涨船高，此时基金的风险规避需求更高。为了降低差的市场环境带来投资组合的整体下行风险，基金将把组合资产朝着表现更为稳健的股票转移，这就是基金安全投资转移行为（Flight to Quality）。股票的盈余质量是基金进行安全投资转移的重要依据。因为，盈余质量越高的股票，其应计项与现金流之间的对应程度越好（Penman，2007），未来现金流方面的信息越准确（Lambert等，2007；Dechow等，2010）；在市场环境不佳时，盈余质量高的股票受到市场环境影响较小，对系统风险不敏感（Ng，2011；Bhattacharya等，2012），股价下跌幅度更小（Hilary，2008），表现更为稳健；此外，盈余质量作为定价因子可以预测股票回报（Francis等，2005；Gray等，2009），盈余质量高的股票业绩更好（王庆文，2005）。所以，当市场环境差时，基金资产组合承担的风险增加，面临的业绩恶化可能性更大，此时，基金投资决策变得更为谨慎，也更具有降低组合风险的动机。为此，基金将更为重视信息的收集，更有可能关注会计盈余质量信息。而在市场环境差时，盈余质量高的股票所具有的对系统风险不敏感、股价表现更稳健、业绩更好的特质使得其成为了基金避险的理想标的。
现有研究在检查基金利用会计盈余信息构建投资组合时都没有考虑基金对盈余质量信息的需求可能受到市场环境的影响，因此大多发现基金在构建投资组合时并不广泛使用盈余质量信息（Sloan，1996；Ali等，2008）。考虑到市场环境可能影响基金对会计信息的使用，本文研究了不同市场环境情况下，基金利用盈余质量信息进行资产配置的问题，得到了新的发现：在市场环境不佳时，基金会利用盈余质量信息进行安全投资转移，更多地配置盈余质量高的股票，以降低组合风险，稳定和提高基金业绩。该结论也很好地解释了为何已有研究关于基金是否利用会计盈余质量信息进行投资决策的结论不统一的问题。
周期性行业股票与非周期性行业股票的利润波动和盈余质量都存在显著差异（Jin，2005；陈武朝，2013）。本文进一步检查股票所属行业周期性是否对基金安全投资转移有影响，以及基金在利用股票所属行业周期性避险时是否也考虑股票的盈余质量。研究发现，在市场环境差时，基金会配置更多的非周期行业股票，将投资转向盈余质量更高的非周期行业股票，投资组合在周期与非周期行业间的转移背后仍然是盈余质量；进一步检验发现，基金只在周期性行业股票中会采取向盈余质量高的股票转移的避险行为，而在配置非周期行业股票时并不关注股票的盈余质量。原因是非周期行业股票本身的盈余质量较高，根据其盈余质量进行避险的空间有限。
在市场环境不好时，基金利用会计盈余质量信息进行安全投资转移时是否会对基金业绩产生积极影响呢？这对于系统评价基金的投资能力以及会计信息决策的相关性具有重要意义。本文发现，安全投资转移行为对基金业绩存在积极影响，特别是在市场环境差的熊市，基金的安全投资转移程度越高业绩越好。这表明基金具有良好的选股能力，能充分利用盈余信息及时调整投资组合以避险。本文的研究为理解会计信息质量在投资决策中的作用提供了一个新的视角。发现了基金会在市场环境差的情况下增加对高盈余质量股票的配置的新结论，拓展了相关研究。也发现基金利用盈余质量信息进行安全投资转移对业绩产生了有利影响，该发现有助于投资者更好地理解基金如何运用会计信息进行专业化投资，更全面地评价了基金的投资能力。
二、文献回顾与研究假设
基金具有很强的获取信息规避风险的能力，在投资决策时非常关注市场环境，会根据市场环境采取相应的投资策略。研究表明，基金在进行资产配置决策时能前瞻性地利用市场环境信息（Chalmers等，2013），表现出良好的选股择时能力（Huang等，2011）。Barberis等（2001）根据前景理论建立的模型预测显示，熊市中投资者对风险和损失的厌恶程度上升，投资会更加谨慎。当市场环境不佳时，安全投资转移是基金作出投资决策的重要驱动因素（McKay，2006）。因为市场环境不好会导致较高的股票收益波动进而加大基金业绩表现不佳的可能性，最终引发基金投资者的赎回。所以，投资环境差时，基金面临的压力增加，薪酬水平降低，而解雇威胁增加，此时其倾向采取风险规避行为，选择受市场环境影响较小的股票，以避免可能遭受的损失（Vayanos，2004；Brunnermeier和Pedersen，2009）。实证证据也支持市场环境对基金投资行为和业绩有影响，不同市场环境下基金的选股择时能力存在差异（Kao等，1998），业绩表现及其持续性也不同（Capocci等，2005）；市场环境影响基金风险调整行为（Kempf等，2009）；市场环境对基金投资风格漂移有影响（Ainsworth等，2008）。特别是市场环境不佳时，基金可能调整投资组合，远离风险性投资（Chalmers等，2013），追求更好更稳定的业绩表现（Huang等，2011）。
基金非常关注组合的风险，并根据市场环境的变化调整组合以降低风险。基金可以采取多种方式分散风险。如将投资转向低β值、高价值、大规模或者高流动性的股票，因为这些股票在一定程度上较少受到较差市场环境的影响。同样，基金在市场环境不好时，会将投资转向高盈余质量的股票进行避险。主要原因在于较高盈余质量的股票表现更为稳健，受市场环境的影响更小，这些股票在市场环境差的时期对于投资者更具吸引力。Dechow等（2010）的研究表明，盈余质量对于未来的现金流具有信息导向的作用，盈余质量越高，未来现金流方面的信息越准确。盈余质量与市场风险之间存在负相关关系（Ng，2011；Bhattacharya等，2012）；当市场环境较差时，尽管大部分股票的股价都有较大的波动，但是盈余质量较好的股票受到的影响和股价下降幅度都更小（Hilary，2008）。盈余质量高的股票业绩更好（王庆文，2005）。与此同时，Gallagher等（2014）也发现，持有更多高盈余质量股票的基金表现出更好的业绩和更低的收益波动，在市场环境差的时候，这种基金为投资者提供了更好的“兜底”保护。
市场环境变差时，基金会增加盈余质量高的股票的持有比例。因为这样一方面有利于降低组合风险，降低业绩波动；另一方面盈余质量高的股票往往有更好的业绩表现。综上分析，本文提出假设1：市场环境差时，基金会将投资组合转向高盈余质量的股票。
盈余管理程度越大，股票盈余质量越低。影响盈余管理程度的因素较多，其中包括股票所属行业的周期性。周期性行业是受宏观经济波动影响较大的行业，非周期性行业是生产必需品的行业，周期性行业的产品表现为高需求弹性，需求量受多种因素影响，变化大；而非周期性行业的产品则表现为低需求弹性，比较稳定。周期性与非周期性行业的上述差异，具体体现为周期性行业的利润波动通常大于非周期性行业（Jin，2005）。当企业连年亏损的时候，就存在退市的风险。因此，处于周期性行业中的企业为了使利润呈现出较为平稳的趋势，进行盈余管理的可能性以及盈余管理的程度都更大，会导致盈余质量降低。陈武朝（2013）发现，相对于非周期性行业，周期性行业的盈余管理程度更大，股票的盈余质量更低。基于以上分析，本文认为，在面临市场环境差的时期，基金可能通过将投资组合转向非周期性行业的股票以规避风险，据此提出假设2：市场环境差时，基金会将投资组合转向盈余质量更高的非周期性行业股票。
本质上来说，根据股票所属行业的周期性进行避险仍与盈余质量有关，因为基金选择非周期性行业的股票进行投资也是基于非周期性行业整体上盈余管理程度低、盈余质量高这一事实（陈武朝，2013）。因此我们认为，基金在基于盈余信息避险时，更为关注周期性行业股票的盈余质量，在市场环境差时倾向挑选盈余质量高的周期性行业股票。这是因为，周期性行业本身受市场系统性风险的影响更大，因而基金更需要选择高盈余质量的股票以降低投资组合的风险。而由于非周期行业股票本身的盈余质量较高，其市场风险也相对较低，因而在市场环境差时基于盈余质量的避险空间和动机较弱。据此，本文提出假设3：市场环境差时，基金投资组合中的周期性行业股票将更多转向（周期性行业中的）盈余质量高的股票。
三、研究设计
（一）样本选取和数据来源
本文选取最能代表基金主动投资能力的股票型和偏股型基金进行研究，剔除了指数型和保本型基金。剔除全球基金和成立年限不足一年的基金。样本区间为2005—2015年，涵盖了牛熊市不同的市场环境。
基金持股及市值、规模和换手率等基金层面的数据来自Resset数据库和Wind数据库；股票层面的数据如资产、应收账款以及三因素和四因素模型中的各因子来自国泰安数据库。缺失的数据通过查阅基金年报来补充。除了在稳健性检验中采用基金季度数据外，本文采用基金年度数据来检验假设，因为季度数据没有公布基金所持的全部股票。全样本共包括2 901只基金。
（二）变量定义
1、因变量。参照Ng（2011）和Bhattacharya等（2012）的研究，本文采用修正Jones模型（Jones，1991）计算可操控应计，以可操控应计的绝对值度量股票的盈余质量，并在此基础上计算基金层面的安全投资转移（FTQ）。
FTQ的计算参照Chen等（2018）的方法。首先，对各年度的可操控应计进行排序，并以30%、40%和30%为界点进行划分。其次，结合基金持股情况，将基金持有的股票分配到不同的盈余质量组别，高盈余质量组为可操控应计绝对值较低的组。针对每一只基金，计算出高、中、低三个盈余质量组所包含股票的组合权重，股票权重为持有的某只股票市值在基金所持全部股票市值中所占比重。最后，采用高盈余质量组的组合权重减去低盈余质量组的组合权重表示FTQ。FTQ值越大，表示基金投资组合越倾向于持有盈余质量高的股票，安全投资转移程度越大。对于基金持股在周期和非周期行业间的安全投资转移（DifIndus），本文采取类似FTQ的方法进行度量。首先对各年度基金所持全部股票根据其所属行业的周期性区分为非周期性行业和周期性行业两组；然后计算基金持有的股票属于非周期组和周期组的权重；最后用非周期股票组的权重减去周期股票组的权重来表示。DifIndus越大，表明基金越倾向于购买属于非周期性行业的股票，安全投资转移程度越大。本文采用三个指标度量基金业绩：考虑分红的复权单位净值增长率Rit，经三因素模型（Fama和French，1992）和四因素模型（Carhart，1997）调整后的收益（αit）。
2、自变量。市场环境（Condition）本文参照蔡庆丰和刘锦（2012）的方法，采用A股年中市场指数收益率来描述当年的市场环境。采用年中市场收益率是因为基金会根据上半年股票市场的表现决定下半年是否采用安全投资转移的策略。表1列出了2005—2015年上证A股指数收益率。收益率为正表示股市表现好，Condition=0；收益率为负表示股市表现差，Condition=1。从表1可以看出，除了2014年外，各年上证A股指数的年中收益率和全年收益率的方向保持一致，表明采用年中市场指数收益率代表市场环境是合理的。
| 年度 | 年初指数 | 年中指数 | 年末指数 | 上半年指数收益 | 下半年指数收益 | 市场环境 |
| 2005 | 1 305.05 | 1 135.12 | 1 220.93 | −13.02% | −6.45% | 熊市 |
| 2006 | 1 241.89 | 1 758.06 | 2 815.10 | 41.56% | 126.68 | 牛市 |
| 2007 | 2 857.58 | 4 009.97 | 5 521.49 | 40.33% | 93.22% | 牛市 |
| 2008 | 5 533.26 | 2 869.94 | 1 911.79 | −48.13% | −65.45% | 熊市 |
| 2009 | 1 974.72 | 3 106.59 | 3 437.46 | 57.32% | 74.07% | 牛市 |
| 2010 | 3 402.31 | 2 514.16 | 2 940.24 | −26.10% | −13.58% | 熊市 |
| 2011 | 2 987.03 | 2 893.53 | 2 304.12 | −3.13% | −22.86% | 熊市 |
| 2012 | 2 272.67 | 2 330.50 | 2 376.04 | 2.54% | 4.55% | 牛市 |
| 2013 | 2 384.19 | 2 071.26 | 2 214.49 | −13.13% | −7.12% | 熊市 |
| 2014 | 2 207.56 | 2 144.75 | 3 389.40 | −2.85% | 53.54% | 熊市 |
| 2015 | 3 511.05 | 4 479.90 | 3 704.30 | 27.59% | 5.50% | 牛市 |
稳健性检验中采用经济周期作为市场环境的替代变量。股市是国民经济的“晴雨表”。尽管我国股市“晴雨表”作用尚未完全显现，但股市周期与国民经济之间确实存在密切联系（顾岚和刘长标，2001；黄华继和丁维，2009）。本文对经济周期的划分与众多文献一致（吴娜，2013；陈冬等，2016），用GDP增长率对经济周期进行划分。2005—2015年GDP增长率的整体情况如图1所示，平均值为9.76%，样本年度的GDP增值率大于均值为经济上行期（economic cycle=0），否则为经济下行期（economic cycle=1）。
|
| 图 1 样本年度GDP增长率趋势 |
（三）实证模型
本文建立回归模型（1）检验假设1，模型（1）如下：
| $\begin{aligned}\quad {{FTQ}} =& {\rm{\beta}} _{{0}} + {\rm{\beta}} _1{{\times condition}} + {\rm{\beta}} _2{{\times {\rm Ln}TNA}} + {\rm{\beta}} _3{{\times turnover}} + {\rm{\beta}} _4{{\times volatility}} + {\rm{\beta}} _5{{\times Fund\_}}BM \\& + {\rm{\beta}} _6{{\times Fund\_ROA}} + {\rm{\beta}} _7{{\times DifBeta}} + {\rm{\beta}} _8{{\times DifSize}} + {\rm{\beta}} _9{{\times DifTurnover}} + {\rm{\beta}} _{10}{{\times DifBM}} + \varepsilon _{{i}} \end{aligned} $ | (1) |
因变量和自变量如上所述。控制变量包括两个方面：1、基金特征控制变量，包括基金规模、基金资产流动性（用基金资产周转率衡量）和基金持股的收益波动、账面市值比和持股公司的ROA。2、投资策略控制变量，基金在构建基于盈余质量的安全投资转移策略时也可能采取基于所持股票的系统风险、市值规模、流动性和账面市值比为基础的安全投资转移策略（Chen等，2018）。所以，本文在回归中也控制了基于股票的系统风险（DifBeta）、市值规模（DifSize）、流动性（DifTurnover）和账面市值比（DifBM）等安全投资转移策略的影响。控制变量如表2所示。
| 名称 | 定义 |
| LnTNA | 基金规模，取基金期末净资产的自然对数。 |
| Turnover | 基金周转率，由基金在t年度股票交易额（买入股票的成本与卖出股票的收入的平均数）与期初、期末净资产的平均数之比计算得出。 |
| Volatility | 基金投资组合中持有股票的日收益标准差的加权平均数。 |
| Fund_BM | 基金投资组合中持有股票的账面市值比的加权平均数。 |
| Fund_ROA | 基金投资组合中持有股票的ROA的加权平均数。 |
| DifBeta | 基金利用股票β值进行策略性投资转移的程度，计算方法与FTQ类似。首先将各年度基金所持全部股票按CAPM的β值进行排序，分为低、中、高三组；然后计算基金i持有的股票分别属于低、中、高组的权重；最后用低β值所在组权重减去高β值所在组权重。 |
| DifSize | 基金利用市值规模进行策略性投资转移的程度，首先将各年度基金所持全部股票按股票市值进行排序，分为低、中、高三组；然后计算基金i持有的股票分别属于低、中、高组的权重；最后用高股票市值所在组权重减去低股票市值所在组权重。 |
| DifTurnover | 基金利用股票流动性进行策略性投资转移的程度，首先将各年度基金所持全部股票按股票周转率（交易量除以股票市值）进行排序，分为低、中、高三组；然后计算基金i持有的股票分别属于低、中、高组的权重；最后用高周转率所在组权重减去低周转率所在组权重。 |
| DifBM | 基金利用股票账面市值比进行策略性投资转移的程度，首先将各年度基金所持全部股票按股票BM比进行排序，分为低、中、高三组；然后计算基金i持有的股票分别属于低、中、高组的权重；最后用高BM所在组权重减去低BM所在组权重。 |
本文建立回归模型（2）以检验假设2，模型（2）如下：
| $\begin{aligned}\quad {{DifIndus}} = & {\rm{\beta}} _{{0}} + {\rm{\beta}} _1{{\times condition}} + {\rm{\beta}} _2{{\times {\rm Ln}TNA}} + {\rm{\beta}} _3{{\times turnover}} + {\rm{\beta}} _4{{\times volatility}} + {\rm{\beta}} _5{{\times Fund\_}}BM \\& + {\rm{\beta}} _6{{\times Fund\_ROA}} + {\rm{\beta}} _7{{\times DifBeta}} + {\rm{\beta}} _8{{\times DifSize}} + {\rm{\beta}} _9{{\times DifTurnover}} + {\rm{\beta} _{10}}{{\times DifBM}} + \varepsilon _{{i}} \end{aligned} $ | (2) |
为了能更清楚地分析基金安全投资转移行为，我们根据基金所持股票是否属于周期性行业将样本划分为两部分，重新计算各自的FTQ，得出该基金在周期性行业内部转向高盈余质量股票的程度FTQcyclical和基金在非周期性行业内部转向高盈余质量股票的程度FTQnoncyclical。采用周期和非周期行业内部盈余质量的安全投资转移程度FTQcyclical和FTQnoncyclical作为模型（2）的因变量对假设3进行检验。即用回归模型（3）进一步检查基金经理采取的盈余质量安全转移策略（FTQ）对基金业绩（Perf）的影响。
| $Per{f_{it}} = {{\rm{\beta }}_0} + {{\rm{\beta }}_1}FT{Q_{it}} + {{\rm{\beta }}_2}{\rm Ln}TN{A_{it}} + {{\rm{\beta }}_3}Ag{e_{it}} + {{\rm{\beta }}_4}Turnove{r_{it}} + {{\rm{\beta }}_5}R{E_{it}} + {{\rm{\beta }}_6}Stockper{c_{it}} + {\varepsilon _{it}}$ | (3) |
其中，基金费率（RE）为基金费用总额与基金净资产之比，持仓比率（Stockperc）为基金持股市值与基金净资产之比，基金年龄（Age）为截止样本期末基金成立的年数。回归模型控制了基金管理费率、资产规模、年龄、周转率和持仓比率等变量（Chevalier和Ellison，1997）。
四、实证分析
（一）描述性统计
本文样本包含2005—2015年共2 901只基金年度样本，对各个变量的描述性统计见表3。
| 样本数 | 最小值 | 均值 | 中位数 | 最大值 | 标准差 | |
| FTQ | 2 901 | −0.777 | 0.162 | 0.175 | 0.766 | 0.191 |
| Condition | 2 901 | 0 | 0.564 | 1 | 1 | 0.496 |
| LnTNA | 2 901 | 16.21 | 21.11 | 21.39 | 24.45 | 1.509 |
| Turnover | 2 901 | 0.183 | 3.333 | 2.541 | 31.25 | 2.966 |
| Volatility | 2 901 | 0.018 | 0.074 | 0.063 | 0.314 | 0.034 |
| Fund_BM | 2 901 | 0.072 | 0.292 | 0.278 | 0.821 | 0.114 |
| Fund_ROA | 2 901 | −0.022 | 0.083 | 0.084 | 0.248 | 0.033 |
| DifBeta | 2 901 | −0.942 | −0.0434 | −0.033 | 0.827 | 0.285 |
| DifSize | 2 901 | −0.997 | −0.204 | −0.235 | 1 | 0.329 |
| DifTurnover | 2 901 | −0.878 | 0.136 | 0.156 | 0.988 | 0.308 |
| DifBM | 2 901 | −0.945 | 0.116 | 0.130 | 1 | 0.342 |
FTQ的均值为0.162，表明总体上基金投资于高盈余质量股票的权重比低盈余质量股票的权重多16.20%。基金持股的账面市值比均值为0.292。基金持有低Beta相对于高beta股票的权重少4.34%，基金持有大市值相对于小市值股票的权重低20.4%，基金持有高周转率相对于低周转率股票的权重高13.6%，基金持有的高账面市值比相对于低账面市值比股票的权重高11.6%。总体上看，基金倾向持有盈余质量高、Beta高、市值小、流动性高和账面市值比高的股票。
（二）基金根据盈余质量进行安全转移的回归检验
表4为假设1的检验结果。回归（1）未控制基金其他避险投资策略，回归（2）控制了其他避险投资策略。相比回归（1），回归（2）调整后R2有较大提高，原因在于其他避险策略对基于盈余质量的安全投资转移行为有显著影响。
| 被解释变量 | FTQ | （1） | （2） |
| 解释变量 | Condition | 0.050（5.72）*** | 0.034（3.82）*** |
| 基金特征
控制变量 |
LnTNA | −0.005（1.88）* | −0.004（1.37） |
| Turnover | −0.002（1.44） | −0.002（1.38） | |
| Volatility | 0.668（4.45）*** | 0.654（4.40）*** | |
| Fund_BM | −0.235（6.43）*** | −0.018（0.36） | |
| Fund_ROA | 0.051（0.39） | −0.026（0.18） | |
| 投资策略
控制变量 |
DifBeta | 0.068（3.89）*** | |
| DifSize | −0.040（2.64）*** | ||
| DifTurnover | −0.004（0.21） | ||
| DifBM | 0.116（7.31）*** | ||
| Constant | 0.122（1.94）* | 0.023（0.35） | |
| Year | Yes | Yes | |
| Observations | 2 901 | 2 901 | |
| Adjusted R2 | 0.030 | 0.109 | |
| 注：t-statistics in parentheses；***表示p<0.01，**表示p<0.05，*表示p<0.1，下同。 | |||
在回归（1）和（2）中，解释变量市场环境（Condition）都显著为正，结果支持假设1，即市场环境差时，基金利用股票盈余质量进行安全投资转移，投资组合向盈余质量高的股票转移的程度更大。DifBeta的系数显著为正，表明基于beta的投资策略（从高Beta向低Beta股票转移）与基于盈余质量的投资策略（从低盈余质量向高盈余质量转移）方向一致。DifSize的系数显著为负，表明基于股票市值的投资策略（从高市值向低市值股票转移）与基于盈余质量的投资策略方向一致。DifBM的系数显著为正，表明基于账面市值比的投资策略（从低账面市值比向高账面市值比股票转移）与基于盈余质量的投资策略方向一致。基金特征控制变量中，Volatility的系数显著为正，Fund_BM的系数显著为负，表明当基金所投资的股票具有较高的收益波动或具有较低的账面市值比时，其更倾向于采取向盈余质量高的股票转移的安全投资转移策略。
（三）基金根据股票所属行业周期性进行安全投资转移的回归检验
表5为假设2的检验结果。回归（1）没有控制其他避险投资策略，回归（2）控制了其他避险投资策略。在回归（1）和（2）中，解释变量市场环境（Condition）都显著为正，这支持了假设2，即市场环境差时，基金利用股票所属行业周期性进行安全投资转移，投资组合向非周期性行业股票转移的程度更大。DifBeta的系数显著为正，这意味着基金朝着低Beta股票转移时也朝着非周期性行业股票转移，表明基于beta的投资策略与基于股票的行业周期投资策略方向一致。DifSize和DifBM系数显著为负，意味着基金朝着低账面市值比股票转移或向市值小的股票转移时也朝着非周期性行业股票转移。表明基于股票账面市值比和股票市值的投资策略与基于股票行业周期性的投资策略方向一致。
| 被解释变量 | DifIndus | （1） | （2） |
| 解释变量 | Condition | 0.054（7.55）*** | 0.025（3.61）*** |
| 基金特征
控制变量 |
LnTNA | −0.007（3.24）*** | −0.0001（0.20） |
| Turnover | −0.002（1.66）* | −0.002（1.33） | |
| Volatility | 1.189（9.80）*** | 1.205（10.49）*** | |
| Fund_BM | −0.405（13.70）*** | 0.088（2.25）** | |
| Fund_ROA | −1.270（12.15）*** | −1.241（10.72）*** | |
| 投资策略
控制变量 |
DifBeta | 0.045（3.32）*** | |
| DifSize | −0.016（−1.42） | ||
| DifTurnover | 0.038（2.65）*** | ||
| DifBM | −0.205（16.65）*** | ||
| Constant | −0.560（10.73）*** | −0.847（16.22）*** | |
| Year | Yes | Yes | |
| Observations | 2 901 | 2 901 | |
| Adjusted R2 | 0.195 | 0.280 | |
基金持股的收益波动（Volatility）和基金持股的业绩（Fund_ROA）对基于股票所属行业周期性的安全投资转移都有显著正的影响，表明基金所购买的股票具有高收益波动性或业绩较差时，其更倾向于向非周期性行业股票转移以避险。
（四）基金在周期性行业与非周期性行业内部的盈余质量安全投资转移
表6为假设3的检验结果。回归（1）和（2）中的因变量为基金在周期性行业持股中的盈余质量安全投资转移FTQcyclical。在回归（1）和（2）中，解释变量都显著为正。回归（3）和（4）的因变量为基金在非周期性行业持股中的盈余质量安全投资转移FTQnoncyclical。在回归（3）和（4）中，解释变量都不显著。检验结果支持了假设3，即市场环境差时，基金经理仅在周期性行业持股内部采取向高盈余质量股票转移的安全投资转移策略。究其原因可能在于，非周期性行业的股票本身盈余质量就比较稳定，所以基金利用盈余质量进行安全投资转移的空间有限。
| 被解释变量 | FTQcyclical | FTQnoncyclical | |||
| （1） | （2） | （3） | （4） | ||
| 解释变量 | Condition | 0.033（3.82）*** | 0.015（1.72）* | 0.030（1.13） | 0.023（0.88） |
| 基金特征控制变量 | LnTNA | −0.005（1.84）* | −0.003（0.93） | −0.012（1.47） | −0.007（0.84） |
| Turnover | 0.001（0.38） | 0.001（0.54） | −0.002（0.53） | −0.002（0.42） | |
| Volatility | 0.670（4.49）*** | 0.625（4.26）*** | −0.343（0.81） | −0.526（1.24） | |
| Fund_BM | −0.284（7.90）*** | −0.016（0.33） | −0.939（10.68）*** | −1.029（7.69）*** | |
| Fund_ROA | 0.528（4.07）*** | 0.352（2.39）** | 0.186（0.51） | 0.184（0.50） | |
| 投资策略控制变量 | DifBeta | −0.057（3.40）*** | 0.061（2.92）*** | ||
| DifSize | 0.056（3.92）*** | −0.132（6.60）*** | |||
| 投资策略控制变量 | DifTurnover | 0.014（0.77） | −0.079（3.59）*** | ||
| DifBM | −0.146（9.35）*** | 0.043（1.66）* | |||
| Constant | 0.106（1.64） | −0.023（−0.35） | 0.444（2.47）** | 0.377（2.08）** | |
| Year | Yes | Yes | Yes | Yes | |
| Observations | 2 901 | 2 901 | 2 692 | 2 692 | |
| Adjusted R2 | 0.051 | 0.085 | 0.040 | 0.062 | |
（五）基金安全投资转移的经济后果
表7为基金安全投资对基金业绩影响的回归检验结果。三个回归中的基金业绩分别采用复权单位净值增长率、三因素模型调整收益和四因素模型调整收益。解释变量FTQ的系数在全部回归中都显著为正，说明基金安全投资转移程度越大，基金的业绩表现越好。基金周转率对业绩有显著负的影响，说明基金交易越频繁业绩越差。费率、持仓比率和基金年龄对业绩有显著正的影响，说明管理费越高、基金持股金额占资产比例越高以及成立时间越长的基金业绩越好。
| 被解释变量 | （1） | （2） | （3） |
| return | 3-factor return | 4-factor return | |
| FTQ | 0.105（3.67）*** | 0.107（3.66）*** | 0.114（3.80）*** |
| LnTNA | 0.032（7.81）*** | 0.037（8.60）*** | 0.041（9.22）*** |
| turnover | −0.009（3.81）*** | −0.009（3.66）*** | −0.010（4.16）*** |
| Age | 0.402（2.00）** | 0.139（0.67） | 0.056（0.26） |
| RE | 0.171（3.01）*** | 0.208（3.58）*** | 0.184（3.07）*** |
| Stockperc | 1.958（9.82）*** | 2.087（10.19）*** | 1.835（8.70）*** |
| Constant | −0.997（10.11）*** | −1.103（10.90）*** | −1.150（11.03）*** |
| Observations | 2 901 | 2 901 | 2 901 |
| Adjusted R-squared | 0.107 | 0.123 | 0.121 |
接下来，本文根据安全投资转移的程度将基金样本十等分。安全投资转移程度最低的为F1组，最高的为F10组。采用均值检验的方法对比不同安全投资转移程度基金组别的业绩差异，结果见表8。所采用的业绩度量包括扣除基金年度各项费率之前和之后的业绩度量。组F1和组F10之间的复权单位净值增长率差距不显著，然而风险调整收益存在显著差异。安全投资转移最小的组F1，其扣除费用前的三因素模型和四因素模型调整收益均小于0，业绩表现不如市场平均水平；安全投资转移程度最大的组F10，其扣除费用前后的三因素模型和四因素模型调整收益均优于市场平均水平。组F10扣除费用前后的风险调整收益都显著优于组F1，结果表明基金安全投资转移是有效的。
| 未扣除费用的基金业绩 | 扣除费用后的业绩 | |||||
| FTQ deciles | return | 3-factor alpha | 4-factor alpha | return | 3-factor alpha | 4-factor alpha |
| F1 | 0.235 | −0.085 | −0.120 | 0.220 | −0.100 | −0.135 |
| F2 | 0.224 | −0.088 | −0.118 | 0.209 | −0.103 | −0.133 |
| F3 | 0.225 | −0.051 | −0.079 | 0.210 | −0.066 | −0.094 |
| F4 | 0.220 | −0.049 | −0.085 | 0.205 | −0.064 | −0.100 |
| F5 | 0.245 | −0.009 | −0.049 | 0.230 | −0.024 | −0.064 |
| F6 | 0.226 | −0.049 | −0.073 | 0.211 | −0.064 | −0.088 |
| F7 | 0.218 | 0.046 | 0.074 | 0.203 | 0.031 | 0.059 |
| F8 | 0.250 | 0.007 | 0.053 | 0.235 | −0.008 | 0.038 |
| F9 | 0.235 | 0.040 | 0.068 | 0.220 | 0.025 | 0.053 |
| F10 | 0.220 | 0.055 | 0.084 | 0.205 | 0.040 | 0.069 |
| F10-F1 | −0.015（0.42） | 0.14***（5.56） | 0.204***（8.66） | −0.015（0.47） | 0.14***（5.49） | 0.200***（8.61） |
表9检验不同市场环境下基金安全投资转移不同程度组别间的业绩差异。总体来看，基金在牛市的业绩好于其在熊市的业绩，同一组别的基金复权净值增长率在牛熊市期间的差异最明显，三因素和四因素模型调整收益的差异有所减小。不管是牛市还是熊市，安全投资转移程度最大的F10组，其三因素和四因素模型调整收益率都大于0；安全投资转移程度最小的F1组，其三因素和四因素模型调整收益都小于0；且组F1和组F10之间的风险调整收益存在显著差异，特别是在熊市期间，两组的四因素模型调整收益差距最大（0.219）。
| 牛市 | 熊市 | |||||
| FTQ deciles | return | 3-factor alpha | 4-factor alpha | return | 3-factor alpha | 4-factor alpha |
| F1 | 0.525 | −0.108 | −0.110 | 0.010 | −0.068 | −0.128 |
| F2 | 0.510 | −0.093 | −0.084 | 0.004 | −0.084 | −0.143 |
| F3 | 0.506 | −0.052 | −0.051 | 0.009 | −0.050 | −0.101 |
| F4 | 0.487 | −0.042 | −0.060 | 0.012 | −0.055 | −0.104 |
| F5 | 0.531 | 0.014 | −0.006 | 0.025 | −0.026 | −0.083 |
| F6 | 0.493 | −0.071 | −0.057 | 0.019 | −0.031 | −0.085 |
| F7 | 0.481 | 0.065 | 0.069 | 0.012 | 0.030 | 0.078 |
| F8 | 0.529 | −0.029 | 0.009 | 0.037 | 0.034 | 0.086 |
| F9 | 0.540 | 0.034 | 0.033 | 0.004 | 0.045 | 0.095 |
| F10 | 0.481 | 0.077 | 0.076 | 0.018 | 0.039 | 0.091 |
| F10-F1 | −0.044（0.81） | 0.185***（3.84） | 0.186***（4.25） | 0.008（0.26） | 0.107***（4.27） | 0.219***（8.79） |
结果表明，基金的安全投资转移对业绩有积极的影响，特别是在面临市场环境差时。在市场环境差时，盈余质量高的股票受市场环境的影响较小，股价波动更小，因此基金将组合资产转移至盈余质量高的股票降低了组合的风险，对基金业绩会产生有利影响。但是在市场环境好时运用盈余质量构建组合投资不一定能带来超额收益。检验结果说明，盈余质量信息用于投资决策时与市场环境有关，弥补了前人研究中没有区分盈余质量信息运用和市场环境有关的不足。
（六）稳健性检验
1、使用牛熊市转换期间为样本期
根据表2中市场环境的情况，确定2005—2006年、2008—2010年和2012—2013年为牛熊市转换期。确定样本期间后，本文选取出在牛熊市转换前后都能获取数据的基金，最终得到1 534只基金年度子样本。
牛熊市转换前后期间子样本的回归结果见表10。回归（1）和（2）是基于盈余质量进行避险的分析。从表中可以看出，解释变量的系数都显著为正，结果仍支持假设1。回归（3）和（4）是基于股票所属行业周期性的投资安全转移检验结果，解释变量显著为正，结果仍支持假设2。
| 被解释变量 | FTQ | DifIndus | ||
| （1） | （2） | （3） | （4） | |
| 解释变量Condition | 0.039（3.90）*** | 0.033（3.33）*** | 0.031（4.93）*** | 0.026（4.17）*** |
| 基金特征控制变量 | yes | yes | yes | yes |
| 投资策略控制变量 | no | yes | no | yes |
| Constant | 0.164（1.68）* | 0.130（1.27） | −0.635（10.34）*** | −0.851（13.52）*** |
| Observations | 1 534 | 1 534 | 1 534 | 1 534 |
| Adjusted R2 | 0.03 | 0.05 | 0.04 | 0.11 |
2、经济周期作为市场环境的替代变量
回归结果见表11。回归（1）和（2）是基于盈余质量的安全转移分析。回归（1）中，解释变量的系数不显著，但在控制了其他可能的避险投资策略后，解释变量的系数显著为正，说明在经济下行期，基金为了避险将投资组合转向高盈余质量股票。回归（3）和（4）是基于股票所属行业周期的安全投资转移回归检验。解释变量都显著为正，支持在经济环境差时基金利用股票所属行业周期性进行安全投资转移的结论。相比股票市场环境而言，经济环境差时基金更倾向采取基于股票所属行业周期性的避险行为。
| 被解释变量 | FTQ | DifIndus | ||
| （1） | （2） | （3） | （4） | |
| 解释变量Economic cycle | −0.005（−0.48） | 0.035（3.00）*** | 0.069（8.48）*** | 0.022（2.40）** |
| 基金特征控制变量 | yes | yes | yes | yes |
| 投资策略控制变量 | no | yes | no | yes |
| Constant | −0.170（−2.61）*** | −0.047（−0.70） | −0.703（−13.50）*** | −0.832（−15.96）*** |
| Observations | 2 901 | 2 901 | 2 901 | 2 901 |
| Adjusted R2 | 0.02 | 0.05 | 0.16 | 0.28 |
3、采用季度数据的检验
基金季度样本共9 632个观测值。本部分FTQ、DifIndus及其他变量的计算方法与前文保持一致，只是利用季度数据重新计算。回归结果见表12。回归（1）和（2）是基于盈余质量的安全投资转移检验结果，解释变量都显著为正，结果仍支持假设1。回归（3）和（4）是基于股票所属行业周期性的安全投资转移检验结果，解释变量也显著为正，结果仍支持假设2。
| 被解释变量 | FTQ | DifIndus | ||
| （1） | （2） | （3） | （4） | |
| 解释变量Condition | 0.041（9.28）*** | 0.033（7.38）*** | 0.040（12.62）*** | 0.027（8.75）*** |
| 基金特征控制变量 | yes | yes | yes | yes |
| 投资策略控制变量 | no | yes | no | yes |
| Constant | 0.107（2.94）*** | 0.026（0.68） | −0.666（−5.74）*** | −0.953（−6.71）*** |
| Observations | 9 632 | 9 632 | 9 632 | 9 632 |
| Adjusted R-squared | 0.02 | 0.04 | 0.05 | 0.15 |
五、结 论
本文以我国2005—2015年股票型和偏股型基金为样本，研究了基金在市场环境差时是否采取安全投资转移行为，及其对基金业绩的影响。研究发现，当股市低迷或者经济下行时，基金倾向于持有盈余质量高的股票。市场环境较差时，基金面临的市场下行风险增加。因此，为降低基金投资组合整体风险，基金有强烈安全投资转移动机。研究发现，在市场环境差时，盈余质量高的股票受市场环境的影响更小，股价更为稳定，且盈余质量高的股票业绩表现较好。当市场环境差系统性风险上升时，在控制了基金投资向低BETA、大规模公司等转移的因素之后，基金投资行为还能由其选择高盈余质量股票的投资行为予以解释。
研究还发现，在市场环境不佳时，基金将投资转向盈余质量更高的非周期性行业股票。因为非周期性行业股票盈余质量更高，利润波动通常小于非周期性行业，所以，在面临市场环境差时，基金除了利用股票盈余质量进行安全投资转移，还通过将投资转向盈余质量更高的非周期性行业股票进行避险。处于周期性行业中的企业为了使利润呈现出较为平稳的趋势，进行盈余管理的可能性以及盈余管理的程度都会更大，这会导致盈余质量降低。当市场环境差时，基金持股向非周期行业股票转移的同时，在周期性行业中选择盈余质量高的股票，基金仅在所持的周期性行业股票内部采取基于高盈余质量的安全投资转移策略。从本质上看，基金利用持股的行业周期性进行安全投资转移也是基于盈余质量的考量，只是利用股票所属周期性进行投资转移更为便利，特别是在经济周期出现下行时，操作更为便捷。但完全依据对个股的盈余质量进行分析从而采取策略性避险行为，则需要更细致深入地分析标的股票的盈余信息，且操作成本更高。
基金在市场环境差的情况下采取的安全投资转移行为，都是出于规避风险获取更好业绩的动机。本文实证结果发现，基金基于盈余质量的安全投资转移程度越大，业绩表现越好；安全投资转移程度高的基金组别业绩更好。市场环境差时，基金采取的基于盈余质量的避险策略体现了基金经理的专业投资能力，达到了规避风险和保护投资者利益的目的。
基金关注上市公司盈余质量，特别在市场环境不好时将更多地投资盈余质量高的股票。基金利用盈余质量选择股票这一行为释放出了一种积极的信号，这种信号可以引导市场上其他投资者的行为，从而约束上市公司客观、公允地报告会计信息。未来研究可以进一步从基金的投资能力或者信息优势角度出发，就基金安全投资转移实现业绩改善的机理进行探讨，为安全投资转移行为的经济后果提供理论解释。
| [1] | 蔡庆丰, 刘锦. 业绩排名、市场状态与基金经理的风险调整行为: " 争名”还是" 逐利”?[J]. 金融评论, 2012(3): 66–76. |
| [2] | 陈冬, 孔墨奇, 王红建. 投我以桃, 报之以李: 经济周期与国企避税[J]. 管理世界, 2016(5): 46–63. |
| [3] | 陈武朝. 经济周期、行业周期性与盈余管理程度——来自中国上市公司的经验证据[J]. 南开管理评论, 2013(3): 26–35. DOI:10.3969/j.issn.1008-3448.2013.03.004 |
| [4] | 顾岚, 刘长标. 中国股市与宏观经济基本面的关系[J]. 数理统计与管理, 2001(3): 41–45. DOI:10.3969/j.issn.1002-1566.2001.03.013 |
| [5] | 黄华继, 丁维. 我国股市与经济周期互动关系的谱分析[J]. 产业经济研究, 2009(6): 65–72. DOI:10.3969/j.issn.1671-9301.2009.06.010 |
| [6] | 王庆文. 会计盈余质量对未来会计盈余及股票收益的影响——基于中国股票市场的实证研究[J]. 金融研究, 2005(10): 141–152. |
| [7] | 吴娜. 经济周期、融资约束与营运资本的动态协同选择[J]. 会计研究, 2013(8): 54–61. DOI:10.3969/j.issn.1003-2886.2013.08.008 |
| [8] | 姚颐, 刘志远, 相二卫. 中国基金在投资中是否追求了价值?[J]. 经济研究, 2011(12): 45–58. DOI:10.3969/j.issn.1004-7778.2011.12.019 |
| [9] | 张宗新, 朱伟骅. 中国证券市场系统性风险结构的实证分析[J]. 经济理论与经济管理, 2005(12): 32–37. DOI:10.3969/j.issn.1000-596X.2005.12.007 |
| [10] | Ainsworth A B, Fong K, Gallagher D R. Style drift and portfolio management for active Australian equity funds[J]. Australian Journal of Management, 2008, 32(3): 387–418. DOI:10.1177/031289620803200302 |
| [11] | Ali A, Chen X J, Yao T, et al. Do mutual funds profit from the accruals anomaly?[J]. Journal of Accounting Research, 2008, 46(1): 1–26. DOI:10.1111/j.1475-679X.2007.00263.x |
| [12] | Barberis N, Huang M, Santos T. Prospect theory and asset prices[J]. The Quarterly Journal of Economics, 2001, 116(1): 1–53. DOI:10.1162/003355301556310 |
| [13] | Bhattacharya N, Ecker F, Olsson P M, et al. Direct and mediated associations among earnings quality, information asymmetry, and the cost of equity[J]. The Accounting Review, 2012, 87(2): 449–482. DOI:10.2308/accr-10200 |
| [14] | Brunnermeier M K, Pedersen L H. Market liquidity and funding liquidity[J]. Review of Financial Studies, 2009, 22(6): 2201–2238. DOI:10.1093/rfs/hhn098 |
| [15] | Capocci D, Corhay A, Hübner G. Hedge fund performance and persistence in bull and bear markets[J]. The European Journal of Finance, 2005, 11(5): 361–392. DOI:10.1080/1351847042000286676 |
| [16] | Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57–82. |
| [17] | Chalmers J, Kaul A, Phillips B. The wisdom of crowds: Mutual fund investors’ aggregate asset allocation decisions[J]. Journal of Banking & Finance, 2013, 37(9): 3318–3333. |
| [18] | Chen F, Hope O K, Li Q Y, et al. Flight to quality in international markets: Investors’ demand for financial reporting quality during political uncertainty events[J]. Contemporary Accounting Research, 2018, 35(1): 117–155. DOI:10.1111/1911-3846.12355 |
| [19] | Chevalier J, Ellison G. Risk taking by mutual funds as a response to incentives[J]. Journal of Political Economy, 1997, 105(6): 1167–1200. DOI:10.1086/516389 |
| [20] | Dechow P, Ge W L, Schrand C. Understanding earnings quality: A review of the proxies, their determinants and their consequences[J]. Journal of Accounting and Economics, 2010, 50(2-3): 344–401. DOI:10.1016/j.jacceco.2010.09.001 |
| [21] | Fama E F, French K R. The cross-section of expected stock returns[J]. Journal of Finance, 1992, 47(2): 427–465. DOI:10.1111/j.1540-6261.1992.tb04398.x |
| [22] | Francis J, LaFond R, Olsson P, et al. The market pricing of accruals quality[J]. Journal of Accounting and Economics, 2005, 39(2): 295–327. DOI:10.1016/j.jacceco.2004.06.003 |
| [23] | Gallagher D R, Gardner P A, Schmidt C H, et al. Portfolio quality and mutual fund performance[J]. International Review of Finance, 2014, 14(4): 485–521. DOI:10.1111/irfi.2014.14.issue-4 |
| [24] | Gray P, Koh P S, Tong Y H. Accruals quality, information risk and cost of capital: Evidence from Australia[J]. Journal of Business Finance & Accounting, 2009, 36(1-2): 51–72. |
| [25] | Hilary G. Accounting quality and catastrophic market events[R]. Working Paper, 2008. |
| [26] | Huang J, Sialm C, Zhang H J. Risk shifting and mutual fund performance[J]. Review of Financial Studies, 2011, 24(8): 2575–2616. DOI:10.1093/rfs/hhr001 |
| [27] | Jin Q L. Business cycle, accounting behavior and earnings management[D]. Hong Kong: Hong Kong University of Science and Technology, 2005. |
| [28] | Jones J J. Earnings management during import relief investigations[J]. Journal of Accounting Research, 1991, 29(2): 193–228. DOI:10.2307/2491047 |
| [29] | Kao G W, Cheng L T W, Chan K C. International mutual fund selectivity and market timing during up and down market conditions[J]. Financial Review, 1998, 33(2): 127–144. DOI:10.1111/fire.1998.33.issue-2 |
| [30] | Kempf A, Ruenzi S, Thiele T. Employment risk, compensation incentives, and managerial risk taking: Evidence from the mutual fund industry[J]. Journal of Financial Economics, 2009, 92(1): 92–108. DOI:10.1016/j.jfineco.2008.05.001 |
| [31] | Lambert R, Leuz C, Verrecchia R E. Accounting information, disclosure, and the cost of capital[J]. Journal of Accounting Research, 2007, 45(2): 385–420. DOI:10.1111/joar.2007.45.issue-2 |
| [32] | McKay P A. Investors pay more attention to profit ‘purity’[N]. The Wall Street Journal, June 26, 2006, （C1）. |
| [33] | Ng J. The effect of information quality on liquidity risk[J]. Journal of Accounting and Economics, 2011, 52(2-3): 126–143. DOI:10.1016/j.jacceco.2011.03.004 |
| [34] | Penman S H. Financial statement analysis and security valuation[M]. 3rd ed. New York: McGraw-Hill, 2007. |
| [35] | Sloan R G. Do stock prices fully reflect information in accruals and cash flows about future earnings?[J]. The Accounting Review, 1996, 71(3): 289–315. |
| [36] | Vayanos D. Flight to quality, flight to liquidity, and the pricing of risk[R]. National Bureau of Economic Research, 2004. |