基金經理語調與投資行為——基于基金年報的文本分析方法

林樹 葛逸云 朱超

(南京大學商學院, 江蘇 南京 210000)

一、引言

經過二十多年的蓬勃發展，我國基金市場規模逐漸擴大。基金經理作為基金的運作者，其投資行為會顯著影響股票市場的走勢與市場信念。基金經理是有限理性的，其心理特征會在一定程度上影響他們的投資行為(徐瓊和趙旭，2008)[38]。研究基金經理的心理預期與投資行為，以及其如何影響基金業績，具有較重要的理論與實踐意義。

傳統上，對于基金投資行為與業績的研究主要基于可獲取的量化信息，主要包括基金或基金經理的特征。基金特征如基金成立年限、基金規模、基金的歷史業績等(Gregory et al.，1997； Wermers，2000)[12][24]，基金經理特征如基金經理年齡、學歷、性別等(Chevalier and Ellison, 1999；Gottesman and Morey，2006；趙秀娟和汪壽陽，2010)[3][11][40]均會影響基金的投資行為與業績。行為金融的研究則更多關注到基金經理本身，例如基金經理羊群行為、慣性投資行為(曹興等，2011；Pinnuck，2004；謝赤等，2008)[28][19][36]等。上述基于基金經理心理及個人特征對投資行為的研究大都是從基金經理的投資組合出發，選取相對間接的代理變量來度量基金經理的心理預期，例如選擇基金經理的行業選擇偏離度、重倉股選擇偏離度等來度量羊群行為(羅真和張宗成，2004；曹興等，2011)[34][28]。目前基金研究領域罕見能夠直接度量基金經理心理特征的文獻，而基金經理“所說的話”即文本信息卻是基金經理情緒與態度的一種直接表現。對于基金經理的“表達”進行文本分析，便于更為直接地研究基金經理的心理與其投資行為之間的關系，對于目前基金經理心理與行為研究領域將是一個重要補充。

近年來，文本分析技術逐漸應用于會計與金融領域。通過基于字典的詞袋法(word bag)(Tetlock，2007；Henry，2008；Loughran and McDonald，2011)[22][13][16]或者機器學習(machine learning)(Li，2010)[8]的技術手段，將文本信息的非量化信息轉化為數字化的量化信息。許多對管理層語調信息含量的研究顯示，文本中包含的語調信息具有信息含量(Loughran and McDonald，2011；Price et al.，2012)[16][20]。同時，基金領域有研究發現基金經理的積極語調能夠預測下一期的資金凈流入(Hillert et al.，2014)[14]。在中國，雖然中文與英文的遣詞造句、用語環境及詞義內涵都具有重大差別，但已有學者研究發現語調具有信息含量這一結論在中國也同樣適用(林樂和謝德仁，2016；謝德仁和林樂，2015；曾慶生等，2018)[33][37][29]。由此可見，會計與金融領域的中文語調分析具有廣闊前景，語調指標的構建方法在中文文本中也具有一定的適用性。自2008年證監會發布《基金管理公司年度報告內容與格式準則》以后，所有基金年報與半年報中需要披露“管理人對宏觀經濟、證券市場及行業走勢的簡要展望”(以下簡稱“展望”)的文本內容，“展望”的內容包括基金經理對未來市場的預測情況。基金披露信息的規范化為運用文本分析技術直接定性與定量分析基金經理的心理與行為，彌補已有文獻在非量化信息上的缺失提供了可行性。從目前的中文研究文獻看，基金經理從文本中傳遞出的語調是否反映了其心理預期，與其投資行為與業績關系如何，罕見相關研究。

本文采用語調分析領域中的詞袋(word bag)方法，依據2008―2018年基金年報與半年報中披露的“展望”的文本內容構建中文語調指標，對基金經理的投資行為與業績表現進行研究。研究發現，基金經理的語調反映其投資行為，但基金經理語調與超額收益及選股能力之間沒有顯著關系，而與基金經理的擇時能力顯著正相關。同時，基金經理樂觀語調與其股票持有比例、承擔的系統性風險等顯著正相關，而悲觀語調與其股票持有比例、承擔的系統性風險等顯著負相關。這些結果表明，基金公開披露的文本中包含的基金經理語調與其投資行為及業績之間存在內在聯系。

本文的研究貢獻主要表現在以下幾點：首先，基于文本分析技術，對國內基金定期披露的文字信息進行分析，將國內基金經理行為的研究視角從限于量化信息拓寬到非量化信息，直接擴展了中國基金經理心理與行為的研究方法；其次，將語調相關的研究拓展到中國證券基金領域，為基金經理的有限理性相關研究提供了一個更為直接的度量方式，有助于推動學術界對中文語境下的會計與金融研究；第三，首次從基金經理所披露的文本角度看待其投資行為，驗證了基金經理的“言行一致”，并為語調能夠反映基金經理的擇時能力提供了證據，是對已有行為金融學研究基金經理投資行為的補充與拓展；最后，研究結果在實踐上可以為投資者更加深入判斷基金經理的能力與投資行為提供依據。

二、研究問題

(一)基金經理語調與其持股比例

基金經理的心理特征能夠顯著影響其投資行為(遲麗旭和莊新田，2012)[30]，而基金經理的資產配置比例傳達了其對于未來市場的預測(張宗新和繆婧倩，2012)[39]，因此，作為基金經理心理預期的直接度量，基金經理的語調與其投資行為之間存在密切聯系。同時，心理學的“期望價值理論”指出，個體完成各種任務的動機是由他對這一任務成功可能性的期待及對這一任務所賦予的價值決定的(Eccles et al.，1998；Feather，2010)[5][7]。當基金經理對未來市場走勢預測良好，預期從股票市場中獲得更高收益的可能性大時，其從這一目標中獲取的激勵值就越大，從而其調高持股比例的動機也越強。此外，根據認知失調理論，人們可以通過改變自己的行為，使自己的行為不再與態度有沖突來減少認知失調(費斯汀格，1999)[26]，因此，基金經理存在“言行一致”的動機。同時，由于樂觀情緒會導致個體的風險偏好(Campbell et al.，2011)[2]，基金經理對未來市場的看法越積極，其愿意承擔的系統性風險也越高。

因此，本文的第一個研究問題是基金經理的心理預期是否能夠解釋其投資行為。具體而言，本文將研究文本中的基金經理語調與其持股比例及其愿意承擔的系統性風險之間的關系。

(二)基金經理語調與基金業績

眾多研究表明管理者樂觀主義(樂觀情緒)及分析師的樂觀偏差現象是普遍存在的(花貴如等，2011；曹勝和朱紅軍，2011)[31][27]。同樣，美國公募基金經理群體也存在樂觀主義(Willis，2001)[25]。但國內基金經理對個股的預測數據難以獲取，因此目前對于國內基金經理群體是否存在樂觀主義，以及其是否會影響基金經理的投資行為，繼而對基金業績造成影響還未可知。根據認知心理學對樂觀主義的研究，一方面，樂觀主義能夠使個體獲得更高的績效與更大的成功；另一方面，樂觀主義會導致個體的非理性行為與損失的發生(Coelho，2010)[4]。因此，基金經理的樂觀情緒對基金業績會產生正向還是反向的作用值得研究。

目前，大多數研究選取基金經理的投資組合等相對間接的代理變量來度量基金經理的心理預期，而基金經理文本信息中表達的語調性質則是他們心理情緒是否樂觀的一種最直接的度量。基金經理的異質性能夠顯著影響基金業績，其情緒與態度等心理特征也不盡相同，因此，利用基金經理語調這一指標可以度量其對未來市場預測的樂觀情緒，分析其與業績之間的關系。

因此，本文的第二個研究問題是文本信息中的基金經理語調是否能夠在一定程度上解釋基金經理業績。具體而言，本文將研究基金經理語調與基金收益、擇時以及選股能力之間的關系。

(三)異質性分析

基金經理情緒具體可以分為樂觀與悲觀兩種。以往研究大多從凈正面語調來分析管理層的正面情緒(Henry，2008；Price et al.，2012)[13][20]，而凈正面語調更多體現文本包含的樂觀情緒，悲觀情緒無法通過該度量方式有所體現。一般而言，基金經理工作目標在于獲取超額收益以吸引投資者資金流入，因此其在投資時秉持謹慎投資原則。悲觀情緒在一定程度上能夠表征基金經理的謹慎性，因此，本文進一步將基金經理凈正面語調還原成積極與消極兩類，并試圖以此來探究樂觀與悲觀情緒對基金經理投資行為的影響。

此外，主動型基金可以細分為多類，如普通股票類基金、偏股混合型基金、平衡混合型基金以及靈活配置型基金等，不同基金類型基金經理的投資風格迥異且需與基金類型相匹配。因此，基金經理心理特征對其投資行為的影響是否具有異質性值得研究。例如，靈活配置型基金中各類資產的配置相對較為靈活，因此該類基金經理對相關資產的配置更易受其心理預期影響。

因此，本文的第三個研究問題是基金經理語調與其投資行為的異質性分析。具體而言，本文將首先檢驗基金經理的樂觀、悲觀語調與其持股比例、愿意承擔的系統性風險、收益、擇時以及選股能力之間的關系；其次，本文將檢驗不同類型基金經理語調對其投資行為的解釋能力是否存在差異。

三、研究設計

(一)語調使用字典構建與語調度量

目前國內文獻中的中文文本分析使用的字典構建方法有三類：第一類，對應國外給出的積極消極語調的字典進行翻譯，LM字典為目前文本情感分析領域最為廣泛使用的字典；第二類，使用已有的中文情感字典；第三類，根據所有的文本統計詞頻，結合已有字典在所有的詞中自行挑選構建字典(謝德仁和林樂，2015)[37]。

根據以往文獻，本文發現已有的中文情感詞典不適用于基金領域，即本文挑選出的“展望”一節內容與已有詞典的匹配度不高。同時，由于中文與英文的遣詞造句、用語環境及詞義內涵都具有重大差別，將LM字典進行翻譯直接應用于本文對中國基金經理的語調構建可行性較低，因此本文選擇自行構建字典。本文采取文本分析領域已廣泛使用的詞袋(word bag)模型，手工挑選出代表基金經理積極或消極情緒的詞，進行問卷調查，最終構成字典。

首先，利用python對文本進行分詞，依據停用詞表過濾掉一些不具有信息含量的累贅詞匯，例如標點符號、人稱代詞、連接詞等等。其次，去除詞性標注為英文、數字、標點符號等對于本文語調分析不相關的詞性，最終挑選出詞性為形容詞、名詞、動詞，短語共17251個詞。本文在17251個詞語中選取至少在1%的文本樣本中出現過的1422個詞語，避免出現由于基金經理個人風格導致的用詞生僻問題。首先，對這1422個詞語進行人工閱讀，按照漢語用語習慣，選出能夠體現基金經理積極與消極情緒相關的詞共217個；其次，對初步選擇的情感詞匯進行問卷調查，依據問卷回收情況挑選出具有代表性的積極與消極詞匯，構成字典。具體地，本文面向南京大學商學院MPAcc與MBA等學生共發放問卷256份，根據鑒別詞匯判斷的有效問卷為224份。其中，非全日制在讀學生占比72%，學歷為碩士及碩士在讀學生占比91%，表明問卷受眾對于詞匯所包含的情感含義具有一定的判斷能力。最終字典包含109個積極詞匯，102個消極詞匯。

圖1為本文構建的字典詞匯出現頻率排名前150的詞匯的詞云圖。在該詞云圖中，積極的詞匯(如增長、積極、改善、成長等)出現頻率更高，表明從樣本總體看，基金經理更傾向于選用積極的詞匯對未來進行展望。

圖1 情感詞云圖

表1為字典包含的前30個積極與消極的詞匯，按照其出現次數降序列示的詞頻表。頻率為該詞匯出現次數與所有詞出現總次數之比(‰)，累計頻率為將所有詞匯降序列示后該詞及以上詞匯出現的頻率之和。表1顯示積極詞匯出現次數大于消極詞匯，這可能因為基金管理人對未來趨勢的負面用詞較為謹慎。

表1 詞頻表

字典構建完成后，依據字典構建相應的語調指標。目前國內研究使用的語調度量指標主要有兩類：第一類使用(積極詞匯計數－消極詞匯計數)/(積極詞匯計數＋消極詞匯計數)來度量凈正面語調，第二類使用(積極詞匯計數－消極詞匯計數)/總文本詞數來度量語調。依據已有文獻，本文選擇第一類構建方法：

該指標可以將語調的值進行標準化，將語調指標的取值范圍控制在[-1,1]，Pos表示在一個觀測期正面語調的詞匯計數，Neg則是負面語調詞匯計數。Tone代表管理人的凈正面語調，該值越大，表明基金經理對未來情勢的判斷越積極。

同時，文本長度(總詞數Artlen)在一定程度上能夠代表基金經理對未來市場情況預測的內隱態度(Gawronski and Bodenhausen, 2006)[9]，即基金經理對未來市場情況所持的積極或消極的認知、情感或反應，可能由其不自覺地在文本中表達出來。基金報告中披露的文本是基金經理明顯意識到并易于報告的，而文本長度則是其不自覺態度的表達。因此，本文在基礎語調指標Tone的基礎上加入文本長度的因素，構建了語調指標與標準化文本長度的交乘項Tone×Len來進一步解讀基金經理的心理預期特征：

其中，Len計算公式如下：

Len為“展望”的文本長度標準化值，為文本長度減同期“展望”文本長度均值與同期“展望”文本長度均值之比。

此外，為了探究積極、消極兩類情緒對基金經理投資行為的影響，本文將語調指標進一步分為積極情緒(PosPer)與消極情緒(NegPer)兩個指標進行研究，計算公式如下：

根據構建的語調指標，可以看出基金經理語調的變化的均值與滬深300指數走勢較為一致(見圖2)。滬深300在2010―2016年的走勢領先于語調指標的均值。

圖2 基金經理語調的均值與滬深300增長率

(二)研究模型與變量

本文選擇“展望”內容作為文本分析的基礎，得出相應的語調指標。由于基金的資產配置能力對于績效具有很大的解釋力，因此本文選擇基金經理的股票持有比例作為因變量。同時，本文選取經過Fama-French三因子模型調整的超額收益率作為基金績效的度量。

針對基金經理語調與其投資行為的研究，根據Yan(2006)[15]、Smith and Shawky (2010)[21]、張宗新和繆婧倩(2012)[39]構建回歸模型如下：

其中，Hldg為基金經理持股比例，Tone為基金經理語調，RetRk為基金經理業績排名，Lnage為基金成立天數的自然對數，Lnsize為基金規模的自然對數，Lnfsz為基金所屬基金公司的基金總規模的對數，Tnov為基金經理換手率，ExRat為基金費用率水平，Flow為基金資金凈流入，TDate為每時期與每個基金類型的啞變量。

由于樂觀情緒會導致個體的風險偏好(Campbell et al.，2011)[2]，若基金經理對未來市場的看法越積極，其愿意承擔的系統性風險也越高。針對基金經理語調與其承擔的系統性風險關系的檢驗，本文構建回歸模型如下：

其中，因變量Betai,t為基金經理承擔的系統性風險，是公式(7)的回歸系數。

Ri為基金周收益率，Rf為周化無風險收益率，RiskPrem為同時期市場的周平均回報率與周化無風險利率之差，α為截距項。每半年以周度數據進行回歸得出該半年基金經理承擔的系統性風險Beta。

針對基金業績與語調關系的檢驗，根據江萍和田澍(2011)[32]、Patel and Sarkissian(2017)[17]構建回歸模型如下：

其中，Alphai,t是三因子超額收益，即公式(9)中的截距項。

RiskPrem為同時期市場的周平均回報率與周化無風險利率之差，SMB為市值因子(周)，HML為成長性因子(周)。每半年以周度數據進行回歸得出該半年基金經理獲得的三因子超額收益Alpha。

由于基金經理的擇時與選股能力對于基金的收益率具有重要影響，因此本文根據TM-FF3模型(Treynor and Mazuy，1966；Fama and French，1993)[23][6]，構建基金經理的擇時能力及選股能力與基金經理語調的回歸模型如下：

其中，TM-FF3模型如下：

Timg(timing ability)為基金經理的擇時能力，即公式(12)中RiskPrem二次方項的系數。Select(stock selection ability)代表基金經理的選股能力，即公式(12)的截距項。每半年以周度數據進行回歸得出該半年基金經理的擇時能力與選股能力。

本文使用多元線性回歸，控制了年份-基金類型啞變量(Gormley and Matsa, 2014)[10]，用以控制某些不可觀測變量對本文結果的影響，同時所有回歸均對t值做了基金層面的聚類(cluster)調整(Petersen, 2009)[18]。各模型中的變量定義詳見表2，ε為隨機擾動項。

表2 變量定義

(三)樣本與數據

1.樣本與數據來源

根據證監會發布的《基金管理公司年度報告內容與格式準則》，基金中報及年報中“管理人對宏觀經濟、證券市場及行業走勢的簡要展望”一項列于第四章第5節，易于批量獲取。本文從Wind數據庫中獲取除指數類基金外，2008年6月至2019年6月的所有股票型基金與混合型基金公布的半年報與年報中的“展望”的文本內容，其中普通股票類基金384只，偏股混合型基金895只，平衡混合型基金49只，靈活配置型基金1876只。剔除成立時間不到半年的新基金，同時剔除基金成立年限、基金規模等指標缺失的基金，剩余普通股票類基金313只，偏股混合型基金619只，平衡混合型基金32只，靈活配置型基金1688只。

基金半年報與年報中“展望”的文本內容及基金相關特征的數據來自Wind數據庫。本文計算每只基金半年內的超額收益率使用的三因子數據來自國泰安(CSMAR)數據庫。最終樣本的時間跨度為2008年6月至2018年12月。

2.描述性統計

從變量的描述性統計結果(見表3)看，各基金經理對于市場狀況的展望用詞數量不一致，最少只有一句話(9個詞)，最多高達704個詞。根據積極詞與消極詞的均值(分別為10.42與5.56)，可以發現基金經理在展望時用詞偏積極。同時，本文構建的語調指標(Tone)的均值大于0，表明基金經理語調偏積極。

表3 變量的描述性統計

四、實證結果與分析

(一)基金經理語調與其投資行為

表4顯示了基金經理語調與其投資行為之間的關系。第(1)列結果表明，基金經理當期持股比例與上一期末基金經理語調顯著正相關，表明基金經理的投資行為與其心理預期特征較為一致。由于文本長度也是一個能夠代表基金經理心理特征的指標，因此在回歸(2)中加入了語調的文本長度指標，結果表明本期持股比例與上期末文本長度顯著負相關，即基金經理若使用更多的詞來描述自己對于未來的判斷，其未來的持股比例將降低，這表明基金經理披露的文本長度越長，其對于未來市場的預測更消極，在下一期會減少持股比例。

系統性風險指基金經理承擔的、因基金收益受宏觀經濟、市場情緒等整體性因素影響而發生波動的風險。由于基金經理披露的對未來市場的展望主要關注的是宏觀狀況及市場情況，因此基金經理在文本中展露出的語調越高，其對未來宏觀情況的看法則越積極，愿意承擔的系統性風險則越高。表4中(4)～(6)列結果印證了上述觀點。基金經理語調與其承擔的系統性風險顯著正相關，同時文本長度與其承擔的風險顯著負相關，兩者的交乘項與其承擔的風險顯著正相關。這表明文本長度增強了語調與其承擔的系統性風險之間的正向關系，即當基金經理對未來市場預測偏積極時，其若使用更多詞來描述，則其愿意承擔的系統性風險越高。

表4 基金經理語調與其投資行為

(二)基金經理語調與基金業績

表5顯示了基金經理語調與基金業績之間的關系。回歸結果(第(1)～(3)列)表明基金經理語調與基金超額收益率之間沒有顯著關系，可能的原因是語調展現的是基金經理對未來的預測能力，而無法體現基金經理的選股投資能力，進而對基金的超額收益率沒有顯著影響。第2列回歸結果表明文本長度與超額收益顯著負相關，即基金經理若使用更多的詞來描述其對于未來的預測，其超額收益率則越低，可能的原因是基金經理對未來持有積極或消極的內隱態度也是其心理預期特征的一個重要方面，若其使用更多的詞來描述對未來的預測，則其對未來持有的內隱態度可能越消極，因而其下一期的超額收益率則更低。由此可見基金經理的心理特征對于收益率具有一定影響。

表5 基金經理語調與基金業績

進一步檢驗基金經理語調與基金經理選股、擇時能力之間的關系，表5中(4)～(6)列顯示了基金經理語調與基金經理擇時能力之間的關系。基金經理語調與基金經理擇時能力之間顯著正相關。同時，表5中(7)～(9)列結果表明基金經理的語調與基金經理的選股能力之間無顯著關系。

(三)異質性分析

1.樂觀、悲觀語調與基金經理投資行為

將基金經理語調還原為樂觀與悲觀情緒指標進一步檢驗，表6列(1)～(3)為積極情緒與持股比例之間的關系，列(4)～(6)為消極情緒與持股比例之間的關系。回歸結果表明基金經理越積極，其下一期持股比例越高，對應的，其情緒越消極，下一期持股比例越低。列(2)與列(5)結果表明基金經理若使用更多的詞來描述自己對于未來的判斷，其未來的持股比例將越低。

表6 基金經理樂觀、悲觀語調與其持股比例

表7展示了基金經理樂觀、悲觀語調與其系統性風險承擔之間的關系。回歸結果表明基金經理越積極，其下一期愿意承擔的系統性風險越高，對應的，其情緒越消極，下一期愿意承擔的系統性風險越低。同時，列(3)結果表明文本長度會增強基金經理樂觀情緒與其愿意承擔的系統性風險之間的正向關系。而列(6)結果表明，文本長度會減弱基金經理悲觀情緒與其愿意承擔的系統性風險之間的負向關系。

表7 基金經理樂觀、悲觀語調與系統性風險承擔

在主回歸檢驗中，由于基金經理選股能力與語調之間無顯著關系，因此下文僅展示基金經理樂觀、悲觀語調與擇時能力及業績之間的關系。表8回歸結果表明基金經理樂觀、悲觀語調與基金超額收益率之間沒有顯著關系。但第(2)(5)列回歸結果表明文本長度與超額收益顯著負相關，即基金經理若使用更多的詞來描述其對于未來的預測，其超額收益率則越低。由此可見基金經理的心理特征對于收益率具有一定影響。

表8 基金經理樂觀、悲觀語調與業績

表9展示了基金經理樂觀、悲觀語調與其擇時能力之間的關系。回歸結果表明，文本長度與基金經理下一期擇時能力之間呈現正顯著關系，這表明若基金經理在報告中使用更多詞來進行描述對于未來的展望，其下一期擇時能力更強。悲觀語調與其下一期擇時能力呈現負顯著關系，即基金經理語調越消極，其下一期擇時能力越弱。而積極語調則與擇時能力之間無顯著關系。

表9 基金經理樂觀、悲觀語調與擇時能力

2.不同基金類型基金經理語調與其投資行為

本文研究范圍包括普通股票類基金、偏股混合型基金、平衡混合型基金以及靈活配置型基金。不同基金類型基金經理投資行為迥異。本文對四類基金進行分組檢驗，研究發現靈活配置型基金經理投資行為與其語調之間的聯系更為顯著，語調與其持股比例及系統性風險承擔呈正顯著關系(見表10)，同時基金經理語調越積極，其下一期擇時能力越高(見表11)。而其余三類基金經理語調與其投資行為之間則無顯著關系。

表10 基金經理語調與投資行為——靈活配置型基金

表11 基金經理語調與業績——靈活配置型基金

(四)進一步研究

由于基金經理是有限理性的，他們對未來市場的預期不僅受到其所擁有的信息(如基金財務特征等)影響，基金業績、市場情緒均有可能影響到基金經理的情緒與態度。具體而言，基金業績及業績排名均會導致基金經理產生職業憂慮，影響其投資決策的情緒與態度(Brown et al.，2001；羅真和張宗成，2004；饒育蕾等，2013)[1][34][35]。此外，市場情緒能夠直接影響基金經理的心理參考點，即在股票市場走勢上漲的背景下，基金經理易產生樂觀情緒(遲麗旭和莊新田，2012)[30]。因此，市場情緒對于基金經理的情緒與態度具有重要影響。而文本中的語調特征是基金經理情緒與態度的直接度量，其勢必受到基金業績與市場情緒等外在變量的影響。

針對基金經理語調影響因素的研究，本文構建模型如下：

其中，Index300為滬深300指數增長率。Rawret為考慮了分紅的基金原始收益率。

1.分組檢驗語調影響因素

首先將影響因素進行分組，以此來比較不同組別之間的語調指標差異。表12分別依據影響因素的均值與中位數進行分組，高于均值(中位數)劃分為一組，賦值為1，低于均值(中位數)則為另一組，賦值為0。對所有影響因素均進行上述處理，并對兩組之間的凈正面語調進行t檢驗。結果表明，依據均值分組后，除家族基金規模與費用率兩組之間差異不顯著外，其余變量均較為顯著。而依據中位數分組后，除家族基金規模兩組之間差異不顯著外，其余變量均較為顯著。由此可見，基金經理語調受基金基本特征、業績、市場情緒等因素的影響。

表12 分組t檢驗

2.語調影響因素回歸結果

表13顯示了基金經理語調與其影響因素的回歸結果。第(1)列為基金經理語調與基金經理當期業績排名之間的關系，第(2)列為基金經理語調與基金經理當期業績排名及基金原始收益率的回歸結果。結果表明，基金經理業績排名越高，原始收益率越高，其業績壓力越小，則其對未來市場走勢傾向發表更為積極的看法。第(3)列加入市場指數收益率作為市場情緒的代理變量，第(4)列加入當期資金凈流入指標，回歸結果顯示基金經理的語調與滬深300指數增長率顯著正相關，而與當期資金凈流入無顯著關系，這表明基金經理語調受市場情緒的顯著正向影響。同時，這在一定程度上表明基金經理語調是其對未來市場情況的真實預測，而不是為了吸引投資者資金流入而被迫發表更積極的語調。第(5)列加入了基金經理的前一期語調指標，基金經理的當期語調與前一期語調顯著正相關，表明基金經理語調具有一定的慣性。第(6)列進一步加入基金特征的其他相關指標，結果顯示基金經理語調與基金規模及成立時間顯著正相關，這表明基金經理在對未來進行預測時會受到基金的基本特征影響。基金的規模越大，成立時間越長，那么其語調也會越積極。

表13 基金經理語調的影響因素

(五)穩健性檢驗

1.更換語調計算方式

為檢驗結果的穩健性，本文使用第二類語調計算方式((積極詞匯計數－消極詞匯計數)/總文本詞數)重新對結果進行檢驗。度量公式如下：

表14與表15回歸結果表明，基金經理語調與其下一期持股比例、系統性風險承擔呈正顯著關系。同時，其語調與其下一期擇時能力呈現出正顯著關系，而與選股能力與超額收益則無顯著關系。這與主回歸結論無異。

表14 基金經理語調與投資行為

表15 基金經理語調與業績

2.構建超額語調指標

由于基金經理語調指標是依據“展望”文本內容進行計算，而“展望”中基金經理展露的積極與消極特征既可能包含對過去或當前市場的總結，也包含對未來市場的預期。對過去或當前市場的總結相關情緒在一定程度上較為客觀，基金經理之間情緒一致的可能性較大。為檢驗結果的穩健性，構建超額語調(Abtone)指標進一步表征基金經理的異質心理特征。計算公式如下：

表16與表17結果與主回歸結果并無差異。基金經理超額語調與其下一期持股比例、系統性風險承擔呈正顯著關系。同時，超額語調與其下一期擇時能力呈現出正顯著關系，而與選股能力與超額收益則無顯著關系。上述研究結果充分表明基金經理語調更多代表的是其對于未來的預期，增強了本文結果的可信性。

表16 基金經理超額語調與投資行為

表17 基金經理超額語調與業績

五、總結

大量文獻表明基金經理的個人特征對其行為與績效具有顯著影響，然而目前對基金經理個人心理預期如何影響基金績效的研究都是通過投資組合間接度量的，罕有文獻關注如何直接度量基金經理心理特征。隨著文本分析在會計與金融領域的深入應用，眾多研究表明語調具有信息含量，而語調分析在中文環境中也具有一定的適用性。本文基于國內基金的文本信息，每半年作為一個觀測期，檢驗基金經理心理預期與其投資行為之間的關系。本文研究發現，基金經理的投資行為受其語調顯著影響，若他們對市場未來情況看法越積極，那么該基金經理對于股票的持倉比例將會上升，同時其愿意承擔越高的系統性風險。在業績方面，基金經理語調與超額收益及選股能力之間沒有顯著關系，而與基金經理的擇時能力顯著正相關。將語調還原為樂觀與悲觀情緒進行檢驗，發現基金經理樂觀情緒與其下一期持股比例及承擔系統性風險顯著正相關，悲觀情緒則與其下一期持股比例及承擔系統性風險顯著負相關。進一步研究發現，基金經理的語調受當期基金特征、業績及市場情緒的影響。這些結果表明基金公開披露的文本所包含的基金經理語調信息能夠反映基金經理的情緒與態度等心理特征，同時語調與基金經理的投資行為及業績之間存在內在聯系。

本文基于文本分析技術中的詞袋方法，對國內基金披露的半年報及年報中的文字信息進行分析，將國內基金經理行為的研究視角拓寬到非量化信息，直接擴展了中國基金經理心理與行為的研究方法。同時，本文嘗試通過基金公開披露文本構建語調指標，直接度量基金經理心理特征并發現基金經理的投資行為與其披露的文本信息之間顯著相關，這表明基金相關的非量化信息具有一定研究前景。此外，本文研究結果在實踐上為投資者更加深入地判斷基金經理的能力與投資行為提供了依據。但目前本文使用傳統的語調指標來度量基金經理的心理預期特征仍然是初步嘗試，采用的文本分析方法較為傳統，如何提高分詞準確性及準確度量每個情緒詞匯的強度值得深入研究。 ■