廖 昕，楊 娜

（上海理工大學(xué) 管理學(xué)院，上海 200093）

一、引言

近年來，伴隨著公募基金業(yè)的發(fā)展，公募基金規(guī)模飛速增長。截至2023 年1 月末，我國公募基金資產(chǎn)管理規(guī)模達(dá)27.25 萬億元，基金數(shù)量達(dá)到10 607只，我國公募基金行業(yè)迎來發(fā)展的又一個(gè)春天。在基金市場中，基金的直接管理人是基金經(jīng)理，基金經(jīng)理的投資行為對基金績效起著至關(guān)重要的作用?，F(xiàn)有研究表明，基金經(jīng)理的投資行為普遍受網(wǎng)絡(luò)結(jié)構(gòu)特征的影響。處于網(wǎng)絡(luò)中心位置的基金經(jīng)理相較于處于網(wǎng)絡(luò)邊緣位置的基金經(jīng)理能夠更快地獲取更準(zhǔn)確的信息，基金經(jīng)理利用這樣的信息優(yōu)勢可以獲得更高的投資回報(bào)（Borgatti 和Halgin，2016；Ozsoylev 等，2014）[1-2]。因此，基金經(jīng)理可以通過關(guān)系網(wǎng)絡(luò)獲取在決策時(shí)所需的信息（Hong 等，2005；Blocher，2016）[3-4]，以提高基金業(yè)績。

現(xiàn)有文獻(xiàn)中，關(guān)于網(wǎng)絡(luò)中心度對基金業(yè)績影響機(jī)制的研究主要集中于以下幾個(gè)方面。在校友關(guān)系網(wǎng)絡(luò)中，校友關(guān)系網(wǎng)絡(luò)可以促進(jìn)基金經(jīng)理間的信息交流，校友關(guān)系的廣度和深度會促進(jìn)私有信息的共享，進(jìn)而顯著正向影響基金業(yè)績（申宇等，2016）[5]。侯偉相和于瑾（2018）[6]從擇時(shí)能力入手，基金越處于網(wǎng)絡(luò)的核心位置和中介位置，則基金經(jīng)理的擇時(shí)能力越強(qiáng)，投資業(yè)績越好。陳勝藍(lán)和李璟（2021）[7]指出基金網(wǎng)絡(luò)可以通過提高基金經(jīng)理的選股技能、資產(chǎn)配置技能和管理技能來提高投資業(yè)績。本文主要從投資組合集中度的視角研究網(wǎng)絡(luò)中心度對基金業(yè)績的影響機(jī)制。眾所周知，投資組合集中度可以描述基金經(jīng)理對某個(gè)行業(yè)或個(gè)股的偏好程度。如何配置行業(yè)和個(gè)股的倉位從而構(gòu)建一個(gè)優(yōu)秀的投資組合是提高基金業(yè)績表現(xiàn)最重要的一個(gè)方向（謝本杰，2020）[8]。當(dāng)基金經(jīng)理集中研究某些股票和行業(yè)時(shí)，會更加了解這些個(gè)股和行業(yè)的信息，基金經(jīng)理可以憑借擁有的信息優(yōu)勢集中配置投資組合，降低投資分散化程度，獲得更好的業(yè)績表現(xiàn)（Goldman等，2016）[9]。因此，信息優(yōu)勢在一定程度上會影響基金經(jīng)理的投資組合是集中或是分散。當(dāng)基金處于網(wǎng)絡(luò)中心位置時(shí)，基金經(jīng)理可以更快地獲得更多的有利信息做出正確決策，從而提高基金業(yè)績，如果基金擁有較高的投資組合集中度時(shí)，會使得基金經(jīng)理有足夠的動力去搜集和分析信息，進(jìn)一步擴(kuò)大信息優(yōu)勢，在市場交易中獲取更多的超額收益。由此，本文重點(diǎn)分析了投資組合集中度對網(wǎng)絡(luò)中心度與基金業(yè)績的調(diào)節(jié)作用。與現(xiàn)有文獻(xiàn)相比，本文的邊際貢獻(xiàn)在于：本文探究了投資組合集中度對網(wǎng)絡(luò)中心度與基金業(yè)績的調(diào)節(jié)作用，豐富了有關(guān)基金網(wǎng)絡(luò)和基金業(yè)績的研究文獻(xiàn)，為基金經(jīng)理制定科學(xué)的投資策略和投資組合提供了新的理論支持，對基金經(jīng)理利用投資組合集中度提高基金業(yè)績具有啟示意義。

二、研究假設(shè)與理論分析

根據(jù)復(fù)雜網(wǎng)絡(luò)理論，網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)的連接程度決定了各個(gè)節(jié)點(diǎn)的中心化程度，中心化程度高的節(jié)點(diǎn)較中心化程度低的節(jié)點(diǎn)更具有信息優(yōu)勢。在以重倉持有相同股票關(guān)系構(gòu)建的基金網(wǎng)絡(luò)中，基金越處于網(wǎng)絡(luò)的中心位置，越容易獲得更準(zhǔn)確的信息且獲取信息的效率和數(shù)量更高，信息不對稱性得以緩解；基金越處于網(wǎng)絡(luò)邊緣位置，獲得有利信息的數(shù)量更少且獲取信息的效率更低（侯偉相和于瑾，2018；陳勝藍(lán)和李璟，2021）[6-7]。因此，靠近網(wǎng)絡(luò)中心位置的基金能夠更快速地獲取更豐富、更準(zhǔn)確的信息。基金經(jīng)理利用獲取準(zhǔn)確且全面的信息，可以更好地分析股票，及時(shí)做出更為理性的判斷，制定出更有效的投資決策，帶來更多的投資收益?；谝陨戏治?，本文提出假設(shè)1：

H1：網(wǎng)絡(luò)中心度越高，基金業(yè)績越好。

一般情況下，基金經(jīng)理會根據(jù)市場情況不斷地調(diào)整行業(yè)和個(gè)股倉位從而構(gòu)建一個(gè)優(yōu)秀的投資組合以提高基金業(yè)績。當(dāng)基金經(jīng)理集中精力研究某些行業(yè)和股票時(shí)會獲得一定的信息優(yōu)勢，基金經(jīng)理會提高投資組合集中度獲得超額回報(bào)（Goldman 等，2016）[9]。當(dāng)基金的投資組合集中度較高時(shí)，基金經(jīng)理會有足夠的動力去搜集和分析信息，進(jìn)一步擴(kuò)大信息優(yōu)勢，全面分析重倉股票的情況，制定科學(xué)的投資組合，在市場交易中獲取更多的超額收益。基于以上分析，本文提出假設(shè)2：

H2：投資組合集中度越高，網(wǎng)絡(luò)中心度與基金業(yè)績之間的正相關(guān)關(guān)系越顯著。

三、變量的選擇與模型構(gòu)建

（一）樣本選擇與數(shù)據(jù)來源

本文以我國開放式普通股票型基金作為研究樣本，并且剔除指數(shù)型、增強(qiáng)指數(shù)型基金等被動型投資基金。由于建立基金網(wǎng)絡(luò)需要基金持股的明細(xì)數(shù)據(jù)，所以本文采用的是基金季報(bào)定期公布的基金前十大重倉股持倉明細(xì)數(shù)據(jù)，選取的數(shù)據(jù)頻率為季度。本文樣本期間為2013 年1 月至2022 年12 月?；鸪謧}數(shù)據(jù)和各控制變量數(shù)據(jù)來源于Wind。為避免極端值對本文結(jié)果的影響，本文所有連續(xù)變量均在1% 和99% 分位數(shù)上進(jìn)行了縮尾處理，每個(gè)回歸都使用對基金“聚類（Cluster）”的處理來糾正系數(shù)估計(jì)值的標(biāo)準(zhǔn)誤。

（二）變量的定義

1.基金業(yè)績。本文選用目前在文獻(xiàn)研究和投資者間被廣泛使用Sharpe 指數(shù)作為基金業(yè)績的衡量指標(biāo)。該指標(biāo)表示基金承受每單位風(fēng)險(xiǎn)所產(chǎn)生的超額收益。夏普比率越高，則表明基金業(yè)績越好。表達(dá)式為：

其中，Sp為夏普比率，Rp為基金在分析期內(nèi)的收益率均值，Rf為分析期內(nèi)的市場平均無風(fēng)險(xiǎn)收益率，δp為基金在分析期內(nèi)收益率的標(biāo)準(zhǔn)差，用來衡量基金風(fēng)險(xiǎn)。

2.網(wǎng)絡(luò)中心度。參考肖欣榮等（2012）[10]、陳新春等（2017）[11]的方法，本文對基金網(wǎng)絡(luò)做如下定義：如果兩只基金重倉持有相同的股票，則兩只基金彼此之間存在信息關(guān)聯(lián)。本文以基金為節(jié)點(diǎn)，以基金間重倉的股票作為網(wǎng)絡(luò)關(guān)系構(gòu)建基金網(wǎng)絡(luò)，用網(wǎng)絡(luò)中心度衡量基金在網(wǎng)絡(luò)中的位置。本文通過以下三個(gè)指標(biāo)來測度網(wǎng)絡(luò)中心度，分別為度中心度、鄰近中心度、特征向量中心度。

（1）度中心度。在基金網(wǎng)絡(luò)中，度中心度可以最直接的刻畫基金在網(wǎng)絡(luò)中所處的位置。度中心度衡量了與基金i有關(guān)聯(lián)的其他基金數(shù)量，度中心度越大，說明在基金網(wǎng)絡(luò)中，基金與其他基金的交集越多，基金的中心地位越高，在網(wǎng)絡(luò)中所獲得的信息數(shù)量越豐富。因此，度中心度衡量的是基金在持股網(wǎng)絡(luò)中所獲得的信息數(shù)量。表達(dá)式為：

其中，n為基金總數(shù)，i為基金，j為其他基金，I表示i與j的網(wǎng)絡(luò)聯(lián)系，當(dāng)I為1 時(shí)，則表示二者有直接的關(guān)聯(lián)，用來消除規(guī)模差異。

（2）鄰近中心度。在基金網(wǎng)絡(luò)中，鄰近中心度可以衡量基金i與其他基金的接近程度。鄰近中心度計(jì)算的是網(wǎng)絡(luò)中基金i與所有其他基金之間的平均距離的倒數(shù)，距離為兩個(gè)基金之間最短路徑的步數(shù)。表達(dá)式為：

其中，Dij為基金i到除自身外的所有基金的最短距離之和，n-1 用來消除規(guī)模差異。鄰近中心度越大，基金在獲得信息的過程中需要周轉(zhuǎn)的次數(shù)越少，獲得信息的時(shí)間就更快，且傳播過程中出現(xiàn)錯(cuò)誤的情況也越少。因此，可以用鄰近中心度來衡量基金在持股網(wǎng)絡(luò)中獲得信息的效率。

（3）特征向量中心度。在基金網(wǎng)絡(luò)中，特征向量中心度可以衡量基金所連接的基金的重要性。當(dāng)基金i與網(wǎng)絡(luò)中信息含量較高的基金存在關(guān)聯(lián)時(shí)，基金i在獲取信息上也存在一定的優(yōu)勢。在基金網(wǎng)絡(luò)中，當(dāng)基金i與其他重要的基金連接時(shí)，基金i將獲得較大的特征向量中心度。表達(dá)式為：

其中，λ為比例常數(shù)，當(dāng)x為1 時(shí)，表示基金i與j之間存在聯(lián)系。因此，可以用特征向量中心度來衡量基金在持股網(wǎng)絡(luò)中獲得信息的質(zhì)量。

3.投資組合集中度。投資組合集中度可以用來衡量某只基金的投資風(fēng)格和個(gè)股投資策略，描述了基金經(jīng)理對某個(gè)行業(yè)或個(gè)股的偏好程度。本文通過行業(yè)投資集中度和股票投資集中度兩個(gè)指標(biāo)來測度投資組合集中度。

（1）行業(yè)投資集中度。行業(yè)投資集中度指標(biāo)反映的是基金經(jīng)理根據(jù)市場行情對投資組合在各個(gè)行業(yè)資產(chǎn)配置的情況。本文采用赫芬達(dá)爾指數(shù)量化基金行業(yè)投資集中度。表達(dá)式為：

其中，X表示該基金凈資產(chǎn)總額，n表示基金股票持倉中所持有的行業(yè)的數(shù)量，Xi表示持有某個(gè)行業(yè)的市值表示資產(chǎn)組合中所持有的某個(gè)行業(yè)的市值占基金資產(chǎn)總凈值規(guī)模的比重。行業(yè)的分類采用證監(jiān)會行業(yè)分類新準(zhǔn)則。

（2）股票投資集中度。股票投資集中度反映的是基金經(jīng)理對重倉股票的看好程度以及對個(gè)股研究的深入程度。本文通過共同基金所持有的前十大股票的比例進(jìn)行衡量。表達(dá)式為：

其中，X表示基金投資組合的總規(guī)模，Xi表示第i只股票的市值表示基金所持有的股票i的金額在投資組合總規(guī)模中所占的比例。

4.控制變量。借鑒已有研究（申宇等，2016；陳勝藍(lán)和李璟，2021）[5][7]，本文選取基金規(guī)模（Size）、基金家族規(guī)模（Fsize）、基金年齡（Age）、管理費(fèi)率（GF）、基金收益波動率（Std）、基金管理團(tuán)隊(duì)規(guī)模（Teamsize）作為控制變量，同時(shí)還控制了基金固定效應(yīng)和時(shí)間效應(yīng)。變量的具體定義如表1 所示。

表1 變量定義

（三）模型設(shè)定

本文對網(wǎng)絡(luò)中心度和基金業(yè)績之間的關(guān)系進(jìn)行驗(yàn)證，設(shè)定基本回歸模型：

其中，Sharpe為夏普比率變量。Net為網(wǎng)絡(luò)中心度變量，分別為度中心度、鄰近中心度、特征向量中心度?？刂谱兞堪ɑ鹨?guī)模（Size）、基金家族規(guī)模（Fsize）、基金年齡（Age）、管理費(fèi)率（GF）、基金收益波動率（Std）、基金管理團(tuán)隊(duì)規(guī)模（Teamsize）、η和ω分別表示基金固定效應(yīng)和時(shí)間效應(yīng)。

為了檢驗(yàn)投資組合集中度的調(diào)節(jié)作用，本文在基準(zhǔn)回歸模型的基礎(chǔ)上，分別引入網(wǎng)絡(luò)中心度與行業(yè)投資集中度的交乘項(xiàng)、網(wǎng)絡(luò)中心度與股票投資集中度的交乘項(xiàng)，探究投資組合集中度對網(wǎng)絡(luò)中心度與基金業(yè)績的關(guān)系影響，設(shè)定回歸模型為：

其中，HHI、Hold為調(diào)節(jié)變量。若模型（8）與模型（9）中交乘項(xiàng)的系數(shù)β3顯著為正，表明投資組合集中度在網(wǎng)絡(luò)中心度與基金業(yè)績的正向關(guān)系中發(fā)揮顯著正向調(diào)節(jié)效應(yīng)。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)分析

表2 報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果。其中，夏普比率的平均值為0.036，大于中位數(shù)0.028，說明基金業(yè)績右偏，整體上投資者可以獲得超越基準(zhǔn)的收益率。度中心度的平均值為0.322，中位數(shù)為0.316。鄰近中心度的平均值為0.545，中位數(shù)為0.552。特征向量中心度的平均值為0.328，中位數(shù)為0.277。

表2 描述性統(tǒng)計(jì)

（二）回歸結(jié)果分析

模型（7）的回歸結(jié)果如表3 所示。列（1）Degree的系數(shù)為0.071，在1% 的水平下顯著，說明基金網(wǎng)絡(luò)中，基金擁有的直接聯(lián)系越多，獲得的信息越全面，基金業(yè)績越好。列（2）Closeness的系數(shù)為0.197，在1%的水平下顯著，說明基金網(wǎng)絡(luò)中，兩只基金的距離越短，信息傳遞效率越高，基金業(yè)績越好。列（3）Eigenvector的系數(shù)為0.036，在1% 的水平下顯著，說明基金網(wǎng)絡(luò)中，通過共同持股與其聯(lián)系的個(gè)體越重要，獲得的信息質(zhì)量越高，基金業(yè)績越好。因此，基金在持股關(guān)系網(wǎng)絡(luò)中的位置會影響基金業(yè)績且基金越處于網(wǎng)絡(luò)核心位置，基金業(yè)績越高，本文的H1 得到驗(yàn)證。這表明處于網(wǎng)絡(luò)中心位置的基金相較于處于網(wǎng)絡(luò)邊緣位置的基金擁有更大的信息優(yōu)勢，基金經(jīng)理憑借這樣的信息優(yōu)勢可以更迅速地獲得更多決策時(shí)所需的有利信息，從而及時(shí)制定出合理的投資決策，獲得更高的超額回報(bào)。

表3 網(wǎng)絡(luò)中心度與基金業(yè)績

表4 報(bào)告了投資組合集中度作為調(diào)節(jié)變量作用于網(wǎng)絡(luò)中心度與基金業(yè)績的結(jié)果。表4 的列（1）Degree×HHI、列（2）Closeness×HHI、列（3）Eigenvector×HHI的系數(shù)均顯著為正，這說明行業(yè)投資集中度對網(wǎng)絡(luò)中心度與基金業(yè)績具有正向調(diào)節(jié)作用，較高的行業(yè)投資集中度會強(qiáng)化網(wǎng)絡(luò)中心度對基金業(yè)績的正向影響。這是因?yàn)楫?dāng)行業(yè)投資集中度較高時(shí)，基金經(jīng)理會集中精力地挖掘和分析某些行業(yè)的信息，獲得更大的信息優(yōu)勢，專注于某些行業(yè)的研究，從而獲得更高的基金業(yè)績。表4 的列（4）Degree×Hold、列（5）Closeness×Hold、列（6）Eigenvector×Hold的系數(shù)均顯著為正，這說明股票投資集中度對網(wǎng)絡(luò)中心度與基金業(yè)績具有正向調(diào)節(jié)作用，較高的股票集中度會強(qiáng)化網(wǎng)絡(luò)中心度對基金業(yè)績的正向影響。原因在于股票集中度較高時(shí)，基金經(jīng)理會更有動力去搜集重倉股票的信息，對其重倉的股票進(jìn)行更深入、全面的分析，從而獲得更高的投資回報(bào)。由此，本文的H2 得到驗(yàn)證。

表4 網(wǎng)絡(luò)中心度、投資組合集中度、基金業(yè)績

五、穩(wěn)健性檢驗(yàn)

借鑒陳勝藍(lán)和李璟（2021）[7]的研究，本文選擇基金家族網(wǎng)絡(luò)作為基金網(wǎng)絡(luò)的工具變量，并采用兩階段工具變量法進(jìn)行穩(wěn)健性檢驗(yàn)?；貧w結(jié)果顯示，在控制內(nèi)生性問題之后，回歸結(jié)果與前文基本一致。為了進(jìn)一步驗(yàn)證結(jié)果的可靠性，本文還進(jìn)行如下穩(wěn)健性檢驗(yàn)：（1）本文將基金的重倉股定義為所持倉位占基金凈值的5%以上的股票（陳新春等，2017；陳勝藍(lán)和李璟，2021）[11][7]。由基金共同重倉持股（≥5%）構(gòu)建基金網(wǎng)絡(luò)，使用度中心度、鄰近中心度和特征向量中心度衡量基金在網(wǎng)絡(luò)中的地位。（2）本文替換了基金業(yè)績的衡量方式，使用單位復(fù)權(quán)凈值增長率度量基金業(yè)績。更換解釋變量和被解釋變量后的回歸結(jié)果與前文基本一致，說明本文的研究結(jié)論是穩(wěn)健的。

六、結(jié)論與建議

本文以我國2012 年1 月至2022 年12 月的股票型基金為樣本，探究了網(wǎng)絡(luò)中心度與基金業(yè)績之間的關(guān)系并分析了投資組合集中度對網(wǎng)絡(luò)中心度與基金業(yè)績的調(diào)節(jié)作用。研究發(fā)現(xiàn)：（1）網(wǎng)絡(luò)中心度越高，基金業(yè)績越好。這是因?yàn)樵娇拷W(wǎng)絡(luò)中心位置的基金越能夠快速地獲取更豐富、更準(zhǔn)確的信息，基金經(jīng)理利用獲取的準(zhǔn)確且全面的信息，可以及時(shí)做出有效的投資決策，帶來更多的投資收益。（2）投資組合集中度在網(wǎng)絡(luò)中心度對基金業(yè)績影響中具有正向調(diào)節(jié)作用。這是因?yàn)橥顿Y組合集中度較高時(shí)，基金經(jīng)理會有足夠的動力搜集和分析信息，專注于研究重倉股票，在市場交易中獲得更高的投資回報(bào)。本文的研究結(jié)論對基金經(jīng)理構(gòu)建投資組合和基金投資者選擇基金具有重要的借鑒意義：（1）對于基金經(jīng)理而言，基金經(jīng)理在提高自己的專業(yè)技能以外，可以積極地通過基金網(wǎng)絡(luò)獲得與決策相關(guān)的有利信息，適當(dāng)?shù)靥岣咄顿Y組合集中度，專注于挖掘和搜集某些行業(yè)及公司的相關(guān)信息，全面深入分析重倉股票的基本面情況，制定科學(xué)的投資策略和投資組合，以提高基金業(yè)績。（2）對于基金投資者而言，投資者可以通過基金網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)特征，判斷基金的投資價(jià)值，選取優(yōu)質(zhì)基金。另外，從基金投資組合集中度方面考慮，投資者可以選取投資組合集中度較高的基金以提高投資收益。