私有信息優勢還是投研分析能力？
——績優基金與績劣基金信息挖掘行為比較分析

田利輝 曹龍杰

(南開大學金融發展研究院，天津 300071)

一、引言

多數文獻認為，機構投資者是專業投資者，擅長基本面分析，推崇價值投資，能夠提高市場的信息效率(Bushee，1998；陳小林和孔東民，2012)[2][30]。如果機構投資者踐行價值投資理念，那么機構投資者的增多能夠帶來市場效率的提升和市場穩定的增進(Holden and Subrahmanyam，1992；Ke and Petroni，2004)[10][15]。出于優化投資者結構和提升配置效率的目的，我國推進了超常規發展機構投資者的戰略，國內基金管理行業出現了跨越式發展，以證券投資基金為代表的機構投資者逐漸成為了我國資本市場中的主導力量。然而，我國股市近年來仍然波動劇烈，炒作問題并未顯著好轉。實際上，亦有文獻認為，機構投資者未必進行價值投資，反而開展投機交易(De Long et al.，1990；Porter，1992)[8][23]。我國機構投資者能否踐行價值投資理念，還是追逐熱點、炒作概念？

價值投資的前提是具有信息分析的能力，能夠從各類信息源中抽取先前未知的、完整的信息評析公允價值和進行關鍵業務決策，亦即能夠進行信息挖掘。Daniel and Titman(2006)[7]將股價信息劃分為有形信息和無形信息。Bushee and Goodman(2007)[3]從理論上對機構投資者的信息分析機制進行了探討，指出通過檢驗其交易行為與各期盈余指標的關系，可以用作識別機構投資者對基本面信息的挖掘行為。Jiang(2010)[13]實證發現機構投資者更偏好與基本面不相關的無形信息。蔡慶豐和楊侃(2013)[29]認為，我國基金交易策略綜合考慮了股價中的有形信息和無形信息。張宗新和楊通旻(2014)[57]則通過區分不同層面的股價信息對基金的信息挖掘行為進行考察，發現國內基金總體上具有一定程度的信息挖掘 能力。

上述文獻分析了投資標的的不同，但沒有分析投資主體的異質性。不同類別基金可能存在的不同信息挖掘行為。而且，有文獻發現，基金行為隨著市場環境的不同而變化(Chalmers et al.，2013)[4]，因此需要更新的數據佐證和發展中國基金數據挖掘行為的結論。故而，本文分析中國開放型股票投資基金的28個季度前十大重倉股數據，研討異質信息挖掘行為的原因所在，需要分析基金信息挖掘行為如何在不同市場環境中發生變化。

與已有研究相比，本文貢獻在于：(1)區分不同績效的機構投資者，識別出基金信息挖掘行為的群體間差異，為進一步明確證券投資基金的市場角色和準確判定基金業監管政策之合宜性提供參考；(2)不同于單場景下機構投資者信息處理機制分析(蔡慶豐和楊侃，2013；張宗新和楊通旻，2014)[29][57]，通過區分不同的市場行情，更為全面地探討了基金的信息挖掘行為；(3)從網絡中心度層面比較分析異質基金的信息獲取優勢，探究了不同績效基金信息挖掘能力差異性的原因所在。

二、理論分析與研究假設

(一)機構投資者的異質性與信息挖掘行為

我國基金業發展歷程較短，優秀的基金管理人才比較稀缺。我國監管當局鼓勵機構投資者發展，基金業實現了超常規發展、躍進式擴張，基金經理隊伍的素質參差不齊(孟慶斌等，2015；肖繼輝等，2016)[43][54]。劉維奇和任禹銘(2018)[42]發現，部分機構投資者進行噪聲交易，風險控制與個人投資者沒有顯著差異。韓燕等(2011)[32]研究表明，分析能力強的基金的業績可以持續優于弱基金，且其交易行為包含了更多的信息含量。采用bootstrap分析方法，王玨和張新民(2013)[49]指出，至少有10%的基金具有選股能力，而有一半以上的基金不具有選股能力。這就是說，基金管理人的信息挖掘能力存在著結構性差異。Knyazeva et al.(2018)[19]也認為，機構投資者的信息收集能力存在著明顯的異質性。大量文獻表明，僅有部分基金能夠獲得高于基準水平的收益(Daniel et al.，1997；Wermers，2000；Kacperczyk et al.，2005)[6][27][14]。

信息挖掘能力是指基金個體在其投資研究中能夠有效捕捉股票特質信息和公司基本面信息，并基于這些信息對股票價值進行合理評估，從而形成理性的交易決策(張宗新和楊通旻，2014)[57]。理論上，基金是否進行信息挖掘取決于基金個體是否具有信息挖掘能力和具有信息挖掘能力的基金是否樂意使用信息挖掘來進行投資交易。如果市場并非無效或不能進行操縱，那么，當基金管理人具備信息挖掘能力時，實行信息挖掘是其理性選擇。基于業績考核、職位憂慮的壓力或基金規模擴張、薪酬制度帶來的激勵，基金經理會認真進行投資分析，從而獲得更高的業績提成，并且防止降職、解職的懲罰(Kempf and Ruenzi，2008；Kempf et al.，2009；申宇等，2013；吳栩，2016；李志冰和劉曉宇，2019)[16][17][45][51][38]。然而，能力較差的基金可能無法進行有效的信息挖掘，也就難以洞悉市場交易的先機，其投資行為未能表現出信息挖掘的特征，也無力取得與前者相當的投資業績(王玨和張新民，2013；廖海波，2015；Knyazeva et al.，2018)[49][39][19]。

因此，按照投資業績進行分類，績效好的基金應當表現出更為顯著的信息挖掘行為。據此，本文提出假設1。

H1：相比于績劣基金，績優基金表現出更顯著的信息挖掘行為。

Roll(1988)[24]將公司層面信息分為兩類：(1)決定公司內在價值的基本面信息；(2)基本面之外的能夠影響公司股價的其他信息，如市場中充斥的各類信息噪聲(Daniel and Titman，2006；蔡慶豐和楊侃，2013)[7][29]，此類信息僅與個股相關，而且同樣能夠影響資產價格的漲跌。在此基礎上，個股特質信息可設定為兩個層面：一是同時包含了基本面信息和信息噪聲的特質信息全集，該信息集反映了市場和行業之外僅與個股相關的特質風險；二是僅包含基本面信息的特質信息集?；鸬男畔⑼诰蛐袨閼攺倪@兩個層面進行考察：(1)通過檢驗兩類基金的交易行為是否蘊含了對于股票特質信息全集的挖掘，本文對基金交易行為是否為理性投資進行判斷；(2)通過考察兩類基金的投資決策是否體現出對公司基本面信息的充分理解，本文對基金的投資策略進行區分(價值投資或是投機炒作)。因此，本文將假設1進一步細分為如下兩個分假設：

H1a：相比于績劣基金，績優基金表現出更顯著的對于個股特質信息的關注。

H1b：相比于績劣基金，績優基金表現出更顯著的對于公司基本面信息的挖掘。

(二)異質機構投資者信息挖掘行為分化的機制分析

Kim and Verrecchia(1994)[18]、Tan et al.(2014)[26]研究表明，公司價值判斷的不同來自于投資者之間信息獲取渠道和投研能力的差異。由此，本文認為兩類基金群體不同的績效是來自于是否進行信息挖掘的結果。

市場信息一般可分為公共信息和私有信息，公共信息是所有投資者均自由可得，而私有信息僅能通過自身關系網絡獲得。對于機構投資者，私有信息是影響其交易行為的主要因素(Bushee and Goodman，2007；Jiang，2010)[3][13]。國內研究同樣發現，相比于券商所提供的公開信息，基金經理的投資決策更依賴于其自身網絡中的私有信息(肖欣榮等，2012)[53]。這就是說，經由投資者的個人信息網絡，某種“權威”觀點或者隱秘信息在機構投資者中進行傳播。Pareek(2012)[22]指出，重倉持有同一只股票的基金經理間存在著聯系，不少實證研究予以佐證(Shiller and Pound，1986；Colla and Mele，2010；Pareek，2012)[25][5][22]。

基金在整個網絡中獲取資源、施加影響的能力可被稱為網絡中心度。Ozsoylev et al.(2014)[21]發現，網絡中心度更高的基金往往比中心度較低的基金更早交易，獲得更高回報。因此，績優基金顯著更高的信息挖掘水平可能由其相對更高的網絡中心度所支持，來源于其信息獲取優勢。分析中國數據，李維安等(2017)[36]也發現，在獲取信息的質量、速度等方面，具有較高網絡中心度的基金均比處于邊緣的基金更有優勢。

優秀的信息挖掘能力可能不僅來源于私有信息的傳播，而且來源于績優基金自身更高的投資研究水平。莊序瑩(2001)[58]發現，機構投資者并非天然具備更高的盈利能力，取得名列前茅的投資業績關鍵還在于其投研能力和投資水平。并且，已有研究表明機構投資者更加偏好公司治理完善、信息披露充分的上市公司(史永東和王謹樂，2014；郭慶云等，2017)[46][31]，在這些信息透明度較高的股票上，績優基金顯然很難獲得更多的私有信息。因此，績優基金顯著更高的信息挖掘水平可能由其更強的投研能力所支撐。

因此本文提出如下兩個相逆假設：

H2a：相比于績劣基金，績優基金具有顯著更高的網絡中心度，即績優基金具有信息獲取優勢。

H2b：相比于績劣基金，績優基金具有更加卓越的投研能力。

(三)市場行情對機構投資者信息挖掘行為的調節

市場行情影響著投資者參與度，特別是中小投資者(肖峻，2013；吳偎立等，2015)[55][52]。在牛市行情中，非理性交易者的積極參與會不斷推升市場中的投機情緒(王珊珊等，2010；劉莎莎和孔東民，2011)[50][40]，投機情緒的聚集會帶來投機行為的自我實現，這給機構投資者的短期投機創造了相對理想的市場環境。作為“理性人”的機構投資者可能會暫時忽視信息挖掘，轉而迎合市場情緒，進行投機交易(De Long et al.，1990；姚頤等，2011；Mendel and Shleifer，2012；田利輝等，2014)[8][56][20][47]。而在熊市中，普通投資者通常趨于謹慎保守，投機性資金的大量流出使得市場交易急劇萎縮，交易清淡的市場環境使得價值洼地得以產生，為機構投資者利用專業優勢進行信息挖掘創造了條件，回歸價值投資(Hilary，2008；Barberis et al.，2001；彭文平等，2018)[9][1][44]。同時，熊市行情下基金業績普遍較差，基金公司為平抑投資者不滿情緒可能會裁換更多的基金經理，此時面臨著更高職業風險的基金管理者傾向于更為積極努力地進行信息挖掘以顯著提升管理業績，規避降職、解職的厄運(Huang et al.，2011；蔡慶豐和楊侃，2012)[11][28]。

另一方面，市場狀態對基金管理者還存在著截然相反的影響。肖峻(2013)[55]發現，不同股市周期下，基金的業績資金流敏感性存在著顯著差異；在牛市期間投資者熱衷于追逐業績，熊市中則表現為忽視業績。相比于熊市，牛市階段內資本市場中具有更充裕的資金流(肖繼輝等，2016)[54]，從而對基金經理產生了時變的業績激勵機制。牛市中，基金業績具有顯著的激勵效應，促使基金經理努力提升業績以實現管理費收入最大化；熊市階段內，由于投資者忽視業績，管理人將難以通過提升業績而獲得資金的顯著流入，從而大大削弱基金經理努力獲取更高回報的激勵(Kempf et al.，2009；李學峰等，2011)[17][37]。肖繼輝等(2016)[54]發現基金經理的解職風險與市場行情并無顯著相關性，熊市解職風險并非明顯更高。

據此本文提出如下對立假設：

H3a：基金的信息挖掘行為受到市場行情的顯著影響，相較于牛市，基金的信息挖掘行為在熊市中更為顯著。

H3b：基金的信息挖掘行為受到市場行情的顯著影響，相較于熊市，基金的信息挖掘行為在牛市中更為顯著。

三、研究設計

(一)基金的信息挖掘行為

1.理論分析與回歸模型

基金績效的評價方法主要是風險調整收益評價法，包括特雷諾指數、夏普指數和詹森指數。其中，特雷諾指數假設基金完全分散化了非系統性風險，因此衡量的是基金對系統性風險的超額收益率，未考慮其通過組合投資分散風險的能力。而詹森指數同樣忽視了非系統性風險，評估結果存在偏差。因此，本文使用夏普指數對基金績效進行衡量，然后根據夏普指標的30%分位點和70%分位點把主動型證券投資基金樣本分為了高、中、低三組，以分別考察最高組和最低組基金的投資交易行為，分組變量為groupsp，低、中、高組對應的groupsp取值分別為1、2、3。

Roll(1988)[24]通過對美股市場收益率的實證研究，發現個股波動與市場變動之間存在著較顯著的不一致性，即所謂的股價非同步性?；谄涓鶕久嫣刭|信息和其他信息的分類，本文從兩個層面對基金的信息分析機制進行檢驗：(1)兩類基金的投資交易行為是否蘊含了對于公司特質信息的挖掘，該類信息同時包含了上述兩種信息；(2)兩類基金的交易策略是否體現出對基本面信息的充分理解。據此，本文可以獲悉二者背后的信息偏好和挖掘機制，進而對其交易行為和市場影響進行更加深入的分析和把握。

為考察兩類基金的交易行為是否蘊含對公司特質信息的挖掘，借鑒張宗新和楊通旻(2014)[57]的研究，本文在兩類基金樣本中分別進行如下回歸：

其中，被解釋變量synch為基金重倉股的股價同步性指標，衡量了股價中的特質信息含量；Trd為基金交易活躍度指標，衡量了基金的交易行為。理論上，如果基金挖掘到了公司的特質信息，則隨著基金交易的實施，這些特質信息將不斷傳遞到公司股價中，從而使得股價中的特質信息含量上升，股價同步性水平下降(張宗新和楊通旻，2014)[57]。因此，通過關注β1的大小與正負，即可檢驗出兩類基金是否對個股特質信息予以關注?？紤]到基金可能更加偏好特質信息含量更高的個股，即回歸中可能存在著內生性問題，本文參考Jayaraman and Milbourn (2012)[12]、張宗新和楊通旻(2014)[57]和李靜和楠玉(2019)[41]研究，使用了滯后一期的基金交易活躍度Trdi,t-1作為工具變量，并應用兩階段最小二乘法進行回歸。另外，本文還選取了季度t與股票i屬于同一行業的其他股票的基金交易活躍度之均值作為工具變量進行穩健性檢驗，結果保持一致。Controls為影響股價同步性指標的其他變量；hj為行業啞變量，以控制行業層面的影響；Qj為季度啞變量，以控制季度效應。

如果基金的交易行為體現出對股票特質信息的關注和分析，則表明基金的投資策略更加傾向于理性投資。在此基礎上，考慮到特質信息集又可細分為能夠影響股價的信息噪聲與反映公司內在價值的基本面信息，因此在第一層面的檢驗之后，本文進一步考察兩類基金是否對股票的基本面信息進行了挖掘，以充分明確二者的市場定位：引導理性投資的價值發現者抑或是熱衷短期炒作的投機助推者。Bushee and Goodman(2007)[3]指出通過檢驗基金交易行為與各期盈余指標的關系，可以識別基金對基本面信息的挖掘行為。具體地，如果基金的投資策略建立在對公司基本面信息的挖掘和分析的基礎上，則其交易行為應表現出與未來盈余信息的正相關性，而與過去盈余信息負相關或者不相關。本文使用如下回歸模型(張宗新和楊通旻，2014)[57]分別對兩類基金樣本進行考察：

其中，被解釋變量Chng為基金的持股比例變動，用來度量基金的交易行為；CYE為公司各期的盈余指標，使用季度每股凈利潤的同比變化來衡量，模型中同時加入了滯后一期、當期、未來一期、未來二期、未來三期、未來四期的盈余指標以檢驗上文的理論推導；Controls為影響基金持股變動的其他變量；h為行業啞變量，以控制行業層面的影響；Q為季度啞變量，以控制季度效應。

2.主要變量定義

(1)股價同步性

股票特質信息同時包含了反映公司真實價值的基本面信息和影響股價變動的其他所有信息噪聲。無論是哪一類信息，均會在一段時期內顯著影響股價走勢，使得公司股價與整個市場的趨勢出現步調不一致。鑒于此，通?？梢允褂霉蓛r同步性指標R2(擬合優度指標)來衡量股票的特質信息含量。如果同步性指標較大，則股票特質信息含量較低；反之，如果同步性指標較小，則股價的特質信息含量較高。

具體地，首先估計如下CAPM模型：

其中，Ri,t為股票i在t時刻的收益率；Rm,t為t時刻的全市場收益率。此處的全市場指的是各股票所對應的分市場，比如上海A股市場、深圳A股市場等。在每個季度內，使用上述模型對每一只基金重倉股進行回歸。為保證樣本容量，本文使用日收益數據進行回歸，同時剔除了一個季度內交易日不足20個的樣本?；貧w得到的擬合優度R2可以用來度量股價走勢的市場同步性，進行如下的對數化處理后，得到了第一步檢驗所需的被解釋變量synch：

(2)盈余信息指標

基本面信息指的是反映公司內在價值的特質信息，一般使用公司各類財務指標進行綜合分析，以對公司的成長潛力和風險收益進行揭示。然而，各類信息對企業價值的具體影響機制通常難以進行量化分析，一般認為這些因素將會通過公司的盈余信息綜合體現。因此，本文使用每股盈余指標來度量個股的基本面信息。

具體地，本文使用每股盈余指標的同比變化來衡量盈余信息指標CYE：

其中，Ei,t為季度t股票i的每股盈余。該指標將用于第二步檢驗，考察兩類基金的交易策略中是否蘊含了對于公司基本面信息的深入挖掘與分析，以辨別基金的交易行為是表現為理性投資抑或是投機炒作。

(3)基金交易行為指標

由于基金的信息挖掘行為和信息分析機制無法直接觀測，故而已有研究一般通過分析其交易行為與相關指標的關系來評估其對價值信息的挖掘行為(Jiang，2010；Bushee and Goodman，2007)[13][3]。借鑒張宗新和楊通旻(2014)[57]的研究，本文運用如下交易指標來衡量兩類基金的交易行為：

其中，ΔINSTi,t為季度t基金在股票i上的持倉數量變動，Voli,t為季度t股票i的總交易量，sharei,t-1為股票i在t-1季度末的總流通股數。

3.其他控制變量

第一步檢驗時，除基金交易活躍度以外，股價同步性指標還可能受到其他因素影響，需要加以控制。參考已有研究，本文選取了下述控制變量：(1)換手率(turnover)，由季度日均換手率度量，以控制投資者異質性信念的影響；(2)公司上市年數(age)，更久的上市時間通常意味著更充分的信息披露，股價中的特質信息含量因而也更高；(3)凈資產收益率(ROE)；(4)公司規模(lnTA)，由公司總資產的自然對數衡量；(5)資產負債率(lev)，由負債與總資產的比值表示；(6)市場情緒(senti)，以控制市場整體環境對基金交易行為的影響，由封閉式基金折價率的變動來衡量(伍燕然和韓立巖，2007)[48]，其值為正時表明市場情緒趨于樂觀，為負時則市場情緒較為悲觀；(7)分析師關注度(anacv),在一年內有多少個分析師(團隊)對該公司進行過跟蹤分析，一個團隊數量為1，不單獨列出其成員計算數量；(8)審計師質量(big4)，財務報表由四大會計師事務所審計，則big4為1，否則為0；(9)賬面市值比(bm)。此外，本文還控制了行業效應、交易所效應和季度效應。

在第二步檢驗中，除了本文的解釋變量CYE外，還存在著一些其他的重要變量可能影響到基金的交易行為，需要在檢驗中加以控制。這些控制變量包括：(1)上一期的基金持股比例linshold；(2)賬面市值比bm；(3)股票換手率turnover；(4)公司規模lnTA，由公司總資產的自然對數衡量；(5)分析師關注度anacv；(6)公司股票的市場回報Ret，過去12個月的股票收益率。最后，本文也控制了行業效應與季度效應。

(二)基金網絡中心度的定義與度量

借鑒肖欣榮等(2012)[53]、劉京軍和蘇楚林(2016)[35]、侯偉相和于瑾(2018)[33]的研究，本文利用基金季報中的十大重倉股信息來定義基金網絡關系矩陣：

fundreli,j,t為基金i與基金j在第t期的網絡關系值，該值為1時認為兩只基金存在關聯(本文設定共持股票為2只及以上以剔除基金抱團等因素干擾)，該值為0則認為兩只基金不存在關聯。

在社會網絡理論中，網絡中心度存在著多種定義方式，這些定義從不同維度對社會網絡的特征進行了刻畫。以上述網絡關系值為基礎，本文選取了中間中心度指標來衡量基金的網絡中心度，具體計算通過Ucinet軟件完成。中間中心度的定義為：

其中，pi,t(j,k)為t時期的基金網絡中基金j與基金k之間的最短路徑里通過基金i的路徑數目，pt(j,k)為t時期基金j與基金k之間的最短路徑數目，Nt為t期的網絡規模。Between為基金的絕對中間中心度，nBetween為相對中間中心度。由以上定義，中間中心度可理解為結點(某只基金)在基金網絡中的中介性，度量一個點在多大程度上位于網絡中其他“點對”的中間。如果一個行動者處于多對行動者之間，那么該行動者起到重要的“中介”作用。可類比于人群中擅長交際的個體，其他個體諸多的社交往來需要通過他來完成。中間中心度兼顧個體在網絡中的聯通廣度與位置核心度，能夠較好地表征基金的信息靈通度。

(三)基金投研能力分析

對于基金的投研能力，一般可細分為擇時能力、擇股能力。著名的TM模型、HM模型均建立于CAPM模型的基礎上，后續研究普遍認為CAPM模型無法囊括所有的風險因素，其有效性遭到廣泛質疑。因此，學者們進一步提出了基于FF三因子模型的擴展TM、HM模型—即FF3-TM和FF3-HM模型。

由于CAPM模型的局限性，本文采用擴展TM模型對基金的擇股能力、擇時能力進行估計。具體地，對下式進行回歸分析：

其中，narrdayi,t為基金凈值的日度增長率與日度無風險利率之差，無風險利率為三個月定期存款利率。RMRF為市場日回報率與日度無風險利率之差，SMB、HML分別為日度規模因子、日度賬面市值比因子，同期市場為上海A股市場。上述數據取自國泰安(CSMAR)、銳思及CCER數據庫。

截距項αi,T衡量了T期基金i的擇股能力，回歸系數β2衡量了T期基金i的擇時能力。為估計T期基金的投資能力，本文采用了半年期、一年期、三年期三種估計區間，以從短期、中期、長期三種維度進行考察。以半年期為例，本文的估計方法為：當T期為1、2季度時，選取前一年后半年的日度數據進行估計，估計模型為擴展TM模型；當T期為3、4季度時，選取該年前半年的日度數據進行估計，估計模型同樣為擴展的TM模型。一年期、三年期的估計方法與半年期類似。本文中，對基金投研能力進行估計的時期前置于對其信息挖掘行為進行考察的季度，以排除本期因素影響。

各變量的定義與度量見表1。

四、實證結果與分析

(一)樣本選取和數據描述

本文考察的是非分級開放式股票型基金。由于QDII類基金主要投資于國外市場，受到更多其他因素的影響，本文剔除了此類基金數據。

本文選取了2011年第一季度到2017年第四季度總計28個季度基金的前十大重倉股數據作為研究樣本。為排除樣本偏誤，本文還剔除了每季度交易不足20天的股價同步性數值。此外，本文還對如下樣本進行剔除：(1)金融類上市公司；(2)被ST處理的股票(3)IPO年份的交易記錄。樣本數據來源于國泰安(CSMAR)的開放式基金和股票市場交易數據庫。

表1 變量定義

為考察基金群體的信息挖掘行為有何結構性差異，本文根據夏普比率將全樣本劃分為績優基金和績劣基金兩個子樣本進行檢驗。表2為主要變量的描述性統計結果。由表2可見，相較于績劣基金，績優基金重倉股具有更高的盈利水平(績優基金未來各期的盈余指標均顯著高于績劣基金，特別是未來四期，績劣基金盈余指標的均值甚至為負)，即績優基金挖掘出了更加優質的投資標的。初步表明績優基金具有更強的信息挖掘能力。

(二)不同績效基金對特質信息的挖掘行為是否存在差異

根據模型1，本文分別考察了績優基金、績劣基金對于個股特質信息的挖掘行為。表3列示了檢驗結果。限于篇幅，本文省略了2SLS回歸第一階段的結果，僅在表格最后一行報告了第一步回歸的弱iv檢驗統計量，由表3可見在所有回歸中該值均大于10，表明本文工具變量的選擇是恰當的。

第二階段回歸中(兩類基金的結果分別列示于第(1)列、第(3)列)，結果顯示績優基金的交易活躍度顯著降低了重倉股的股價同步性水平，表明績優基金對個股特質信息進行了有效挖掘，其交易行為顯著提高了股價中的特質信息含量。這與之前文獻的研究結論比較一致，區別在于本文考察的是績優基金群體的信息挖掘行為。而績劣基金的交易活躍度并未降低股價同步性，表明績劣基金的交易行為并非基于對特質信息的有效 處理。

表2 主要變量的描述性統計

表3第(2)列、第(4)列分析市場情緒影響。首先，情緒指標(senti)顯著提高了股價同步性水平，表明市場情緒顯著降低了股價中的特質信息含量。其次，回歸交叉項(senti*Trd)的系數顯著為負，表明基金對特質信息的挖掘受到了市場情緒的顯著影響。加入情緒指標后，績優基金交易活躍度的系數仍然在1%水平下顯著為負，表明績優基金能夠捕捉到個股特質信息的結論是穩健的。對于績劣基金，盡管交易活躍度的系數不顯著，然而回歸交叉項(senti*Trd)的系數顯著為負，表明在市場情緒較高的時期，績劣基金的交易行為提高了個股特質波動，表現出一定的信息挖掘能力，然而顯著弱于績優基金水平(senti指標的均值為0.006，中值為0.004)。

表3 基金對特質信息挖掘行為的檢驗結果

綜上，本文認為績優基金挖掘到個股的特質信息，表現出理性投資特征，發揮出提高市場信息效率、降低股市投機氛圍的作用。而績劣基金僅在高漲的市場情緒中才會表現出對于公司特質信息的挖掘，且其挖掘能力顯著弱于績優基金。本文假設H1a得到驗證。

此外，回歸結果顯示，上市時間(age)、分析師關注度(anacv)均與同步性指標顯著負相關，這與已有研究的結論基本一致。而賬面市值比(bm)則顯著增大了股價同步性，這可能是由于高bm公司基本面較差、成長性低，通常不為投資者所偏好和關注，因而缺乏較多的特質信息，從而同步性程度更高。此外，杠桿率(lev)水平顯著降低了股價同步性，但在績優基金重倉股中不顯著，盈利能力(ROE)的系數也為負值。

表4 基金對基本面信息挖掘行為的檢驗結果

(三)不同績效基金對基本面信息的關注是否存在差異

個股特質信息既包含基本面信息，也包含信息噪聲。上文證明，績優基金和績劣基金對個股特質信息的挖掘存在著顯著差異，下文依據模型2分析績優和績劣基金如何處理影響公司內在價值的基本面信息。檢驗結果列于表4，其中第(1)列、第(2)列分別給出了績優基金與績劣基金的回歸結果。

從第(1)列的結果來看，過去盈余信息(CYEi,t-1)、當季盈余信息(CYEi,t)的回歸系數為負，但并不顯著。未來一期盈余的回歸系數同樣不顯著，表明績優基金缺乏對公司近期基本面信息的合理預期。未來二期、三期的盈余信息也未表現出與績優基金持股行為的顯著相關性，但未來四期的盈余信息與績優基金的持股變動在1%水平下顯著正相關?；贐ushee and Goodman(2007)[3]的理論模型，結果表明績優基金挖掘到了公司的基本面信息，體現出價值投資特征。這與張宗新和楊通旻(2014)[57]的結論比較一致，區別在于本文考察的是績優基金的信息挖掘行為。第(2)列回歸結果顯示，未來各期的盈余指標與績劣基金的持股變動均無顯著相關性，表明績劣基金缺乏對基本面信息的挖掘能力，并未體現出作為機構投資者的專業優勢，這與莊序瑩(2001)[58]的理論推斷一致。至此，本文假設H1b得到驗證。結合前一部分結論，本文假設H1得到驗證。

此外，回歸結果顯示：公司規模(lnTA)的系數顯著為負，賬面市值比(bm)、換手率(turnover)的系數顯著為正，表明基金管理者存在對小盤股、價值型股票和流動性的偏好，與張宗新和楊通旻(2014)[57]的結果一致。

(四)穩健性分析

1.交叉上市對股價同步性的影響

在不同板塊或地區上市的公司面臨著不同的信息披露要求，可能對股價同步性產生影響，在討論基金行為對股價同步性的影響時還應對此加以控制。但在本文樣本中僅有不足3%的股票存在交叉上市情形，因此在上文回歸中未考慮交叉上市的影響。為保證結果的穩健性，本文也加入這一因素進行考察，結論保持一致。

2.第一步回歸所用工具變量的選取

除前文所用工具變量Trdi,t-1外，本文還選取了季度t與股票i屬于同一行業的其他股票的基金交易活躍度之均值作為工具變量進行穩健性檢驗，結果保持一致。

3.環比盈余指標

前文使用了盈余信息的同比變化指標，由于不同的衡量方法可能造成迥異的研究結論，因此本文還采用了盈余信息的環比變動進行穩健性檢驗，前述結論未發生變化。

(五)進一步研究：市場行情對信息挖掘行為的調節

市場行情顯著影響著投資者的參與度，特別是對于中小投資者。因此，本文還考察了市場行情對本文主要結論的影響。具體地，將績優基金樣本劃分為牛市、熊市兩個子樣本分別檢驗。牛熊市的劃分借鑒了何興強和周開國(2006)[34]的方法，并使用滬深300作為指數基準。所得結果列于表5、表6。

由表5可知，在牛市、熊市期間基金交易活躍度均可顯著降低股價同步性指標，這意味著績優基金在兩類行情中始終表現出對于個股特質信息的挖掘。表6顯示，熊市時期個股未來四期的盈余信息在5%水平下與績優基金的持股變動顯著正相關，而在牛市中，未來各期的盈余信息均未表現出與績優基金持股變動的正相關性。綜上，本文研究表明：相比于牛市，績優基金在熊市期間表現出更顯著的信息挖掘。熊市中績優基金在挖掘出個股特質信息的同時也關注到了公司的基本面信息，這與全樣本結果一致；而在牛市中，績優基金僅表現出對個股特質信息的挖掘，未體現出對公司基本面信息的關注。假設H3a得到證明。

表5 績優基金對特質信息挖掘的實證結果(牛熊市行情檢驗)

表6 績優基金對基本面信息挖掘的回歸結果(牛熊市行情檢驗)

五、信息挖掘行為的機制分析

上文發現，相比于績劣基金，績優基金表現出更顯著的對個股特質信息和公司基本面信息的挖掘，踐行了價值投資理念。但是，績劣基金往往熱衷于趨勢交易或跟風炒作，投機行為較多。那么，二者為何表現出迥異的信息挖掘行為呢？Kim and Verrecchia(1994)[18]、Tan et al.(2014)[26]認為，信息挖掘水平的差異或者來源于投資者之間的信息渠道不同，或者來源于投研能力的差異。本文進一步從私有信息優勢與投研能力兩方面對兩類基金進行考察，研究二者信息挖掘行為不同的原因所在。

(一)基金信息優勢分析

績優基金可能具有更好的信息獲取渠道，從而能夠制定出更為合理的投資決策。借鑒李維安等(2017)[36]和Ozsoylev et al.(2014)[21]的研究，本文選取了基金的網絡中心度指標來對其信息優勢進行考察。

高中心度意味著更為核心的網絡位置，因而也更具信息優勢；低中心度，則反之。為控制網絡規模的影響，本文使用了基金的相對中間中心度指標(nBetween)進行分析。相應的統計分析結果列于表7。組1對應了績劣基金，組3對應了績優基金。從第3列結果來看，相較于績劣基金，績優基金具有略高的相對中間中心度均值，但二者差異的檢驗結果不顯著，表明兩類基金的相對中間中心度無明顯差異。第4列則匯報了相對中間中心度指標中位數的檢驗結果，兩類基金也未表現出顯著差異。以上結果表明，相較于績劣基金，績優基金不具有顯著的信息獲取優勢，其更為有效的信息挖掘行為并非來源于占優的信息獲取途徑。假設H2a不成立。

表7 基金網絡中心度分析

表8 基金擇股能力分析

(二)基金投研能力分析

對于基金的投研能力，本文使用擇股、擇時能力指標進行衡量。具體的，本文采用了擴展的TM模型，即FF3-TM模型，進行估計。

表8報告了由FF3-TM模型估計出的擇股能力指標的分析結果。由表8可見，在各種期限層面的擇股能力指標上，兩組基金擇股能力的差異均在1%水平下顯著，表明績優基金的擇股能力顯著優于績劣基金。擇時能力指標的檢驗結果表明兩類基金無顯著差異，不再列示。本文也采用了由FF3-HM模型估計出的擇股能力指標進行探討，上述結論未發生變化。此外，本文還使用兩類基金群體中表現出擇股、擇時能力的基金個體的比例進行穩健性檢驗，結果保持一致。以上表明，績優基金表現出了更為卓越的投研能力，假設H2b成立。

結合前一部分討論，本文認為：績優基金顯著的對個股特質信息的挖掘能力并非來源于私有信息的獲取，而主要由卓越的投研能力所驅動。

六、結論與建議

以2011―2017年開放型股票投資基金為研究樣本，本文分別考察了績優基金、績劣基金的交易行為與其重倉股特質信息的內在聯系，分析了機構投資者信息處理機制。研究表明：(1)績優基金表現出對個股特質信息的關注，踐行了理性投資，而績劣基金的交易行為則未表現出顯著的信息挖掘特征。進一步，績優基金還體現出對公司基本面信息的挖掘，表明績優基金在投資過程中還堅持了價值投資，而績劣基金則缺乏對公司基本面信息的有效挖掘，多投機行為。(2)相比于績劣基金，績優基金的信息挖掘能力并非獲取私有信息的優勢，而主要由更為卓越的投研能力所支撐。(3)績優基金的信息挖掘行為受到市場行情的顯著影響，相比于牛市，在熊市中表現出更顯著的強化信息挖掘、追尋價值投資的特征。

基于以上結論，本文提出如下建議：第一，對基金管理公司而言，應進一步完善基金經理的選拔和考核機制。本文結果表明，績劣基金與績優基金的信息挖掘能力出現系統性差異，根源主要在于基金管理人自身的投研能力。只有腳踏實地地提升投研能力，才能顯著提高基金的投資業績和品牌建設。第二，基金投資者需要投資具有投研支撐的信息挖掘水平高的優質基金，而非固步自封或自稱具備信息優勢的績劣基金。第三，牛市之中，更需要控制風險，提升投研能力，理性投資，穩健增長。