基金經(jīng)理行業(yè)擇時能力與基金業(yè)績

1、Page 8文獻來源文 獻 來 源 ：Turan G.Bali, Stephen J.Brown, Mustafa O.Caglayan and UmutCeliker. "Does Industry Timing Ability of Hedge Funds Predict Their Future Performance, Survival, and Fund Flows?" Journal of Financial and Quantitative Analysis (2020)文獻亮點：本文研究了對沖基金對特定行業(yè)的擇時能力，并且發(fā)現(xiàn)基金在制造業(yè)的擇時提高了他們的未

2、來業(yè)績、幸存比例和資金流入量。研究結果表明，制造業(yè)中行業(yè)擇時能力最強的對沖基金對預期外盈利的暴露最高。該特性，疊加粘性的預期外盈利、盈余公告發(fā)布的透明的信息環(huán)境和制造業(yè)中大量的 PEAD（盈余公告后的價格漂移）現(xiàn)象，很大程度上解釋了為什么擇時能力強的對沖基金能相對擇時能力差的對沖基金產(chǎn)生更高的收益。引言本文研究了對沖基金能否依靠對行業(yè)的擇時能力以獲取卓越的未來業(yè)績、更高的幸存比例和更大的基金流入量。標準普爾全球市場的對沖基金追蹤報告按季度提供了對沖基金的行業(yè)配置變化信息，依據(jù)這些數(shù)據(jù)，本文提出以下問題。對沖基金是否可以根據(jù)他們對行業(yè)未來經(jīng)濟狀況的預測，戰(zhàn)略性地調整他們對行業(yè)的暴露，從而獲得特定

3、行業(yè)的回報？如果是這樣，行業(yè)擇時能力是否能提高未來的基金業(yè)績，它能為對沖基金投資者帶來多大的經(jīng)濟價值？為檢驗對沖基金的行業(yè)擇時能力，本文使用了與市場正交的行業(yè)回報，以區(qū)分對沖基金對行業(yè)和對市場的擇時能力。本文首先在 24 個月的滾動窗口基礎上，將行業(yè)超額收益與市場超額收益進行回歸，得到過去 24 個月每個月的行業(yè)殘差收益。然后，在 24 個月的滾動窗口基礎上，將單個對沖基金的超額收益與行業(yè)剩余收益和行業(yè)剩余收益的平方再次回歸，得到對沖基金的行業(yè)擇時系數(shù)。最后，通過 Fama-MacBeth 回歸和投資組合層面的分析，檢驗這些行業(yè)擇時系數(shù)對未來對沖基金收益的預測能力。本文發(fā)現(xiàn)，在 12 個 Fa

4、ma 和 French(1997)行業(yè)測試中，對制造業(yè)特定消息有擇時能力的對沖基金在未來幾個月產(chǎn)生的回報明顯較高。結果顯示，在制造業(yè)中具有較好擇時能力的基金在接下來的 6-12 個月內吸引了更多的資金，并具有較高的幸存比例。其他 11 個行業(yè)擇時在未來的業(yè)績、資金流入和幸存比例方面并沒有得到這樣的結果。為了解釋為什么行業(yè)擇時能力系數(shù)能預測未來的對沖基金收益，特別是在制造業(yè)而不是其他行業(yè)，本文探討了對沖基金的行業(yè)擇時和他們對超預期收益暴露之間的關系。本文認為，盈利公告可能是特定行業(yè)回報的重要組成部分，在特定行業(yè)擇時能力較強的對沖基金可能對盈利公告有較高的風險暴露。根據(jù)這一假設，本文發(fā)現(xiàn)，在依據(jù)行

5、業(yè)擇時能力劃分的十分組中，標準化預期外盈利（SUEs）的絕對值的平均值從最差的組到最優(yōu)組單調地增加，SUE值的差值是正的，而且只有在制造業(yè)中是高度顯著的。這表明，通過行業(yè)擇時能力獲得制造業(yè)特定收益的對沖基金經(jīng)理特別關注制造業(yè)的盈利公告。本文還發(fā)現(xiàn)，在所研究的 12 個行業(yè)中，制造業(yè)的預期外盈利表現(xiàn)出最高的持久性。制造業(yè) SUE 中持續(xù)的高自相關性表明，制造業(yè)的公司更有可能在接下來的幾個月中產(chǎn)生相同方向的預期外盈利。請務必閱讀正文之后的免責條款部分全球視野本土智慧數(shù)據(jù)對沖基金樣本本文使用了來自 Lipper Trading Advisor Selection System（TASS）數(shù)據(jù)庫的11

6、987 只對沖基金的月度基金回報和基金特征數(shù)據(jù)，數(shù)據(jù)從 1994 年開始。TASS 數(shù)據(jù)庫除了報告月度回報和管理規(guī)模（AUM）外，還提供了某些基金特征的信息，包括管理費、贖回期、最低投資額等信息。本文在解決了所有潛在的數(shù)據(jù)偏差問題（如幸存者偏差、回填偏差和多期抽樣偏差）后，樣本中的對沖基金總數(shù)從 11,987 只基金減少到 7,902 只。行業(yè)本研究使用 Fama-French 的 12 個行業(yè)分類。在 1994 年 1 月至 2018 年 9 月的樣本期間，不同行業(yè)的 24 個月滾動窗口平均行業(yè)回報的平均值在 0.71%（電信行業(yè)）和 1.13%（商業(yè)設備，科技行業(yè)）之間。同一時期，不同行業(yè)

7、的 24 個月滾動窗口標準差的平均值在 3.43%（非耐用品行業(yè)）到 6.53%（商業(yè)設備行業(yè)） 之間。另一方面，CRSP 市場價值加權指數(shù)的同一滾動窗口平均回報率和標準差分別為 0.86%和 4.07%，表明各行業(yè)在回報率和風險方面都能表現(xiàn)出與市場的明顯偏差。實證結果本節(jié)首先通過Fama-MacBeth 回歸和非參數(shù)組合測試來研究對沖基金的行業(yè)擇時能力是否產(chǎn)生了卓越的回報。然后研究了不同對沖基金投資風格下，對沖基金的行業(yè)擇時對未來收益的預測能力。接下來分析了行業(yè)擇時系數(shù)的長期預測能力。最后評估了對沖基金的行業(yè)擇時能力與未來基金流量和未來基金存活率之間的聯(lián)系。Fama-MacBeth 回歸首先

8、用橫截面的Fama-MacBeth 回歸分析對沖基金的行業(yè)擇時能力與它們下個月回報率之間的關系。由于本文重點是對沖基金的行業(yè)擇時能力，而行業(yè)回報與市場回報高度相關，所以在分析時首先將行業(yè)回報與市場正交。在 24 個月的滾動窗口基礎上，用以下公式對行業(yè)超額收益與市場超額收益進行回歸：𝑅𝑗 = 𝜃𝑗 + 𝜃𝑗 𝑀𝐾𝑇 + 𝜀𝑗(1)𝑡01𝑡𝑡其中，𝑅Ү

9、95;是行業(yè) j 在月份 t 的市值加權行業(yè)超額收益，𝑀𝐾𝑇 是 CRSP 價值加權𝑡𝑡市場指數(shù)在月份 t 的超額收益，𝜃𝑗是行業(yè) j 的行業(yè)，𝜀𝑗是剩余誤差項，對應于1𝑡行業(yè) j 在 t 月份的行業(yè)特定收益，記作𝑅𝐸𝑆_𝐼𝑁𝐷𝑗,𝑡。通過在 1994 年 1 月至 1995年 12 月期間首次進行回歸（1），

10、并在之后的 24 個月滾動窗口基礎上對 12 個行業(yè)中的每個行業(yè)分別運行，得到了每個行業(yè)在過去 24 個月中每個月的行業(yè)剩余收益（即行業(yè)特定收益）。然后采用 Treynor 和 Mazuy（1966）的擇時模型， 在 24 個月的滾動窗口基礎上，用以下公式將單個對沖基金的超額收益對行業(yè)剩余收益和行業(yè)剩余收益的平方進行回歸（對 12 個行業(yè)中的每一個行業(yè)）。𝑅= 𝛽𝑗 + 𝛽𝑗 𝑅𝐸𝑆_𝐼𝑁𝐷+ 𝛽

11、9895; 𝑅𝐸𝑆_𝐼𝑁𝐷2 + 𝑒(2)𝑖,𝑡0,𝑖1,𝑖𝑗,𝑡2,𝑖𝑗,𝑡𝑖,𝑡𝑗,𝑡其中，𝑅𝑖,𝑡是基金 i 在月份 t 的超額收益，𝑅𝐸𝑆_𝐼𝑁

12、𝐷𝑗,𝑡是行業(yè) j 在月份 t 的行業(yè)特定收益，𝑅𝐸𝑆_𝐼𝑁𝐷2 是行業(yè) j 在月份 t 的行業(yè)剩余收益的平方。在方程（2）中，2,𝑖𝛽𝑗 代表基金 i 在行業(yè) j 的行業(yè)擇時系數(shù)。通過在 1994 年 1 月至 1995 年 12 月期間首次運行回歸方程（2），并在之后的 24 個月滾動窗口基礎上進行回歸，可以得到每個行業(yè)中每個基金的行業(yè)擇時系數(shù)的時間序列。單變量 Fama-MacBeth 回歸為了研究

13、行業(yè)擇時系數(shù)對對沖基金未來收益的預測能力，從 1996 年 1 月開始的每個月，對每個行業(yè)進行單變量 Fama-MacBeth 截面回歸，將一個月后的對沖基金超額收益與從方程（2）獲得的行業(yè)擇時系數(shù)進行回歸：𝑅= 𝜔+ 𝜆 𝛽𝑗+ 𝜀(3)𝑖,𝑡+1𝑡𝑡2,𝑖,𝑡𝑖,𝑡+1其中，𝑅𝑖,𝑡+1是基金 i 在 t+1 月的超額收益

14、，𝛽𝑗 是 i 基金在 t 月對 j 行業(yè)的行業(yè)2,𝑖,𝑡擇時系數(shù)，𝜔𝑡和𝜆𝑡分別是月度截距和斜率系數(shù)。下圖的 A 組列出了 1996 年 1 月至 2018 年 9 月樣本期間 12 個行業(yè)的時間序列平均斜率系數(shù)。其中只有制造業(yè)（MNF）的對沖基金的行業(yè)擇時系數(shù)與未來收益之間存在正向和顯著的關系。制造業(yè)擇時的值的平均斜率系數(shù)為 0.181，t 統(tǒng)計量為 2.46。另一方面，其他 11 個行業(yè)的平均斜率系數(shù)從-0.112（TLC）到0.109（DRB）不等，統(tǒng)計上均不

15、顯著。這一組初步的結果說明對制造業(yè)特定回報的擇時可以預測未來對沖基金的回報。然而，對其他行業(yè)的特定回報進行擇時并不會在下個月獲得高回報。圖 1：單變量和多變量 Fama-Macbeth 回歸資料來源: Journal of Financial and Quantitative Analysis，整理多變量 Fama-MacBeth 回歸本文接下來研究個別基金的特征基金的風險和回報特征以及它們的市場、流動性和波動性的擇時能力是否能解釋基金的制造業(yè)擇時能力和未來回報之間的正相關關系。如果一個基金在制造業(yè)的擇時能力與它的某些基金特征有關， 或者與該基金的市場、流動性或波動性擇時能力有關，那么控制這些

16、特征和其他擇時能力將消除制造業(yè)行業(yè)擇時系數(shù)的預測能力。本文使用多變量的Fama-MacBeth 回歸來檢驗這一點，將未來一個月的對沖基金超額收益對基金Page 11的制造業(yè)擇時系數(shù)、基金特征和其他擇時能力指標進行回歸：𝑅𝑖,𝑡+1 = 𝜔𝑡 + 𝜆1,𝑡 𝛽𝑀𝑁𝐹 + 𝜆2,𝑡 𝛽𝑀𝐾𝑇 + 𝜆3,ү

17、05; 𝛽𝐿𝐼𝑄 + 𝜆4,𝑡 𝛽𝑉𝑂𝐿 + 𝜆5,𝑡 請務必閱讀正文之后的免責條款部分全球視野本土智慧2,𝑖,𝑡𝑖,𝑡𝑖,𝑡𝑖,𝑡𝐴𝐿𝑃𝐻𝐴𝑖,𝑡 + ⼚

18、2;6,𝑡 𝑆𝑇𝐷𝐸𝑉𝑖,𝑡 + 𝜆7,𝑡 𝑆𝐼𝑍𝐸𝑖,𝑡 + 𝜆8,𝑡 𝐴𝐺𝐸𝑖,𝑡 + 𝜆9,𝑡 𝑀𝐺𝑀𝑇𝐹

19、9864;𝐸𝑖 +𝜆10,𝑡 𝐼𝑁𝐶𝐸𝑁𝑇𝐹𝐸𝐸𝑖 + 𝜆11,𝑡 𝑅𝐸𝐷𝐸𝑀𝑃𝑖 + 𝜆12,𝑡 𝑀𝐼𝑁_𝐼𝑁

20、9881;𝐸𝑆𝑇𝑖 + 𝜆13,𝑡 𝐷_𝐿𝑂𝐶𝐾𝑈𝑃𝑖 + 𝜆14,𝑡 𝐷_𝐿𝐸𝑉𝐸𝑅𝑖 + 𝜀𝑖,𝑡+1(4)2,𝑖,𝑡其中，𝑅

21、19894;,𝑡+1是基金 i 在 t+1 月的超額收益，𝛽𝑀𝑁𝐹是基金 i 在 t 月的制造業(yè)擇時系數(shù)，由方程（2）得到；𝛽𝑀𝐾𝑇是基金 i 在 t 月的市場擇時系數(shù)；𝛽𝐿𝐼𝑄是基金 i𝑖,𝑡𝑖,𝑡𝑖,𝑡在 t 月的流動性時效系數(shù)。𝛽𝐿𝐼

22、9876;是基金 i 在 t 月份的波動率擇時系數(shù)。ALPHA，STDEV，SIZE，AGE，MGMTFEE，INCENTFEE，REDEMP，MIN_INVEST，D_LOCKUP 和 D_LEVER 是基金特征。ALPHA 是過去 24 個月內估計的九因子；STDEV 是過去 24 個月內每月對沖基金回報的標準差；SIZE 是管理資產(chǎn)（AUM）的自然對數(shù)，以百萬美元計。AGE 是指自成立以來存在的月數(shù)的自然對數(shù)；MGMTFEE 是管理資產(chǎn)的固定百分比費用，通常在 1%到 2%之間； INCENTFEE 是基金年度凈利潤超過指定比例后收取的固定費率。REDEMP 是投資者在從基金中贖回投資額

23、之前需要通知對沖基金的最少天數(shù)； MIN_INVEST 是基金要求投資者投資于基金的最低初始投資額（以百萬美元計算）；D_LOCKUP 是鎖定條款的虛擬變量（如果基金要求投資者在預先規(guī)定的期限內不撤回初始投資，則為 1，否則為 0）；D_LEVER 是杠桿的虛擬變量（如果基金使用杠桿則為 1，否則為 0）。2,𝑖,𝑡圖 1 的 B 組列出了 1996 年 1 月至 2018 年 9 月期間方程（4）的時間序列平均斜率系數(shù)。結果顯示，𝛽𝑀𝑁𝐹的平均斜率系數(shù)為 0.224，t 統(tǒng)計量為 2.84，表明在

24、控制基金特征、基金風險和收益屬性以及市場、流動性和波動性擇時能力的多變量環(huán)境下，制造業(yè)擇時系數(shù)仍然是下個月對沖基金收益的有力預測因素。單變量組合分析2,𝑖,𝑡2,𝑖,𝑡接下來，通過單變量組合測試來研究制造業(yè)擇時系數(shù)和未來收益之間的關系。每個月，根據(jù)從方程（2）中得到的制造業(yè)擇時系數(shù)𝛽𝑀𝑁𝐹，將對沖基金按升序等分為十組。下圖的第一列展示了基金在每組的平均𝛽𝑀𝑁𝐹，第二列報告了在每組中具有統(tǒng)計學上顯著的制造業(yè)

25、擇時系數(shù)（在 10%的顯著性水平或更好）的對沖基金的百分比。從中發(fā)現(xiàn)，在制造業(yè)中具有正的顯著擇時系數(shù)的基金的百分比隨著分位數(shù)的增長而增長。表 2 的第三欄顯示，第 10 組和第 1 組投資組合回報的標準差（最佳和最差的制造業(yè)行業(yè)擇時的基金）明顯高于其他分位數(shù)投資組合。下圖的第四列顯示，從第 1 組到第 10 組，對沖基金的次月回報率呈單調增長。與制造業(yè)擇時最低的第一組基金相比，制造業(yè)擇時最高的第十組基金在下個月的回報率高出 0.64%（統(tǒng)計學上顯著）。下圖的最后一欄顯示，最佳擇時和最差擇時的對沖基金之間的顯著回報差額也不能用Fama 和French（1993）、Carhart（1997）和 F

26、ung 和 Hsieh（2001）的九個標準對沖基金風險因素來解釋。本文投資組合分析的結果，結合先前從 Fama-MacBeth 回歸中得出的結論，證明對沖基金在制造業(yè)中的行業(yè)擇時能力與其未來的原始回報和風險調整后的回報之間存在著經(jīng)濟上和統(tǒng)計上的顯著正相關。圖 2：單變量組合分析資料來源: Journal of Financial and Quantitative Analysis，整理制造業(yè)中行業(yè)擇時能力的基金類型分析本文繼續(xù)檢驗了行業(yè)擇時能力與未來收益之間的正向和顯著關系是否限定于特定的基金風格。TASS 數(shù)據(jù)庫將對沖基金分為 10 種不同的類型：可轉債套利、固定收益套利、管理期貨、股票市

27、場中性、股票多空對沖、事件驅動、多策略、全球宏觀、新興市場和 FOF。本文通過投資組合測試分別分析 10 種基金類型中制造行業(yè)擇時系數(shù)的預測能力。由于對于某些類型來說，對沖基金數(shù)量較少， 本文通過將對沖基金等分為五組而非十組來進行單變量組合測試。下圖分別報告了每種類型的對沖基金數(shù)量，以及按制造業(yè)擇時系數(shù)排序的五分位數(shù)投資組合的下月回報和九因子 ALPHA。從結果上看，在固定收益套利、可轉債套利和管理期貨基金中，沒有發(fā)現(xiàn)行業(yè)擇時系數(shù)與未來收益之間存在正向和顯著的關系。而在大量交易股票的投資類型中，如多空股票對沖基金、股票市場中性基金、事件驅動基金和新興市場基金，最優(yōu)和最差的行業(yè)擇時基金分組之間的

28、下月回報率差在 0.29%和 0.55%之間，顯著的 t 統(tǒng)計量在 2.02 和 2.52 之間。下圖還顯示，之前的結論對全球宏觀和多策略基金不成立。這可能是由于全球宏觀基金經(jīng)理專注于區(qū)分不同國家的經(jīng)濟，而不是區(qū)分美國的不同行業(yè)。多策略基金的分組表現(xiàn)差別不明顯，表明這些基金在股票之外大量交易其他工具。圖 3：不同類型基金的單變量投資組合測試資料來源: Journal of Financial and Quantitative Analysis，整理制造業(yè)擇時系數(shù)的長期預測效果在這一節(jié)中，本文研究了制造業(yè)的擇時系數(shù)與未來對沖基金收益之間的正向關系是否持續(xù)了一個月以上。在 TASS 數(shù)據(jù)庫中，基金

29、的平均鎖定期是三個月。因而研究行業(yè)擇時系數(shù)在三個月或更長時間內的預測能力是有意義的。本文通過持有期為三個月、六個月和九個月的投資組合來研究行業(yè)擇時系數(shù)的長期預測能力。下圖顯示，制造業(yè)擇時系數(shù)的預測能力持續(xù)到未來 6 個月。對于以三個月持有期構建的投資組合，本文發(fā)現(xiàn)最佳和最差行業(yè)擇時的基金分組之間的回報率和九因子差額分別為每月 0.59%（t 統(tǒng)計量=2.44）和 0.54%（t 統(tǒng)計量=2.45）。對于持有期為 6 個月的投資組合，回報率和差額的幅度變小，但仍然顯著， 每月分別為 0.45%（t-stat = 2.20）和 0.41%（t-stat = 2.13）。最后，對于用 9個月的持有期

30、構建的投資組合，最佳擇時者和最差擇時者之間的價差變得更小， 在統(tǒng)計上變得不顯著。這些結果表明，制造業(yè)擇時系數(shù)和未來收益之間的顯著正向聯(lián)系持續(xù)到未來六個月，超過了三個月的鎖定限制，這表明投資者實際上可以通過投資那些最佳的制造業(yè)擇時基金來獲得這些收益。圖 4：制造業(yè)擇時系數(shù)的長期預測效果資料來源: Journal of Financial and Quantitative Analysis，整理制造業(yè)擇時系數(shù)、未來資金流入量和基金幸存比例本文繼續(xù)研究在制造業(yè)中具有更好的行業(yè)擇時能力的對沖基金是否吸引了更多的資金，并具有更高的幸存比例。本文將基金資產(chǎn)管理規(guī)模從上個月到當月的變化作為對沖基金的資金凈流

31、入量，并根據(jù)基金的回報率和上個月的資產(chǎn)管理規(guī)模進行調整。下圖展示了根據(jù)對沖基金的制造業(yè)擇時系數(shù)對其進行分組而產(chǎn)生的未來六個月和十二個月的累積資金凈流入量。圖 5：制造業(yè)擇時系數(shù)與資金流入量資料來源: Journal of Financial and Quantitative Analysis，整理與本文的預期一致，在未來 6 個月的累積資金凈流入量分析中，行業(yè)擇時最佳的對沖基金分組有資金流入，而行業(yè)擇時最差的對沖基金分組有資金流出，并且在統(tǒng)計上顯著。在未來 12 個月的累積資金凈流入量分析中，本文也發(fā)現(xiàn)在接下來的一年時間里，最佳和最差行業(yè)擇時的基金分組之間存在顯著的累積資金凈流入量差異，即 5

32、.76%（t 統(tǒng)計量為 6.89）。本文接下來使用Fama-MacBeth 截面邏輯回歸來研究基金存活率和行業(yè)擇時系數(shù)之間的關系。本文將未來 6 個月和 12 個月的基金存活率（如果基金存續(xù)，則用虛擬變量衡量，取值為 1，如果基金清算，則取值為 0）對有控制變量和無控制變量的制造業(yè)擇時系數(shù)進行回歸。下圖報告了平均斜率系數(shù)和相應的 t 統(tǒng)計量。在未來 6 個月和 12 個月的邏輯回歸中，都發(fā)現(xiàn)制造業(yè)擇時值的平均斜率系數(shù)為正且顯著。所有這些結果證明了對制造業(yè)特定回報有擇時能力的對沖基金未來有更多的資金流入，并有較大的幸存機率。圖 6：制造業(yè)擇時系數(shù)與基金幸存比例資料來源: Journal of F

33、inancial and Quantitative Analysis，整理行業(yè)擇時能力與超預期本文在這一節(jié)中探討了為什么行業(yè)擇時系數(shù)只預測了對沖基金在制造業(yè)的未來回報，而不預測其他行業(yè)的回報。行業(yè)擇時系數(shù)與超預期的聯(lián)系為了解釋為什么對在制造業(yè)中的擇時能力可以預測回報，而在其他行業(yè)中卻沒有，本文研究了對沖基金的行業(yè)擇時系數(shù)和對沖基金對每個行業(yè)超預期的風險敞口之間的關系。本文認為超預期事件（新聞）可能是特定行業(yè)收益的重要組成部分，對特定行業(yè)收益有較好擇時能力的對沖基金可能對特定行業(yè)的超預期大小有較高的敏感性。具體來說，對于每個公司，我們將 SUE 定義為當前財政季度的實際收益減去同季度的預測收益的

34、差額，再除以過去 16 個季度的預測誤差的標準差：𝑆𝑈𝐸𝑖,𝑞= 𝑄𝑖,𝑞𝐸(𝑄𝑖,𝑞) 𝜎(𝑄𝑖,𝑞𝐸(𝑄𝑖,𝑞)(5)其中，𝑄𝑖,𝑞是公司 i 在季度 q 的實際盈利，𝐸(𝑄𝑖,&

35、#119902;)是公司 i 在季度 q 的預期季度盈利，分母中的項是預測誤差的標準差。在估計𝐸(𝑄𝑖,𝑞)時，使用最近 16 個季度的觀測數(shù)據(jù)，采用以下的 AR(1)過程：𝑄𝑖,𝑞 𝑄𝑖,𝑞4 = 𝜔𝑖0 + 𝜔𝑖1 (𝑄𝑖,𝑞1 𝑄𝑖,𝑞5) + 𝜀w

36、894;,𝑞(6)對于每個行業(yè)，使用該行業(yè)在該月報告收益的公司中單個股票的標準化意外收益的平均值，作為行業(yè)的 SUE 指標。本文在每個月對每個行業(yè)擇時分組的每一只基金，使用 24 個月的滾動窗口，將單個對沖基金的超額收益時間序列對每個行業(yè)的 SUE 絕對值進行回歸，從而產(chǎn)生了每個行業(yè)的對沖基金對超預期的敏感度的時間序列值（即 SUE betas）。然后在每個行業(yè)擇時分組內，每月取各基金的 SUE betas 的橫截面平均值。最后，Page 12對于每個行業(yè)的每一個擇時能力分組，下圖中報告了它們每月橫截面 SUE betas 平均數(shù)的時間序列，以及它們的 Newey-West t

37、 統(tǒng)計數(shù)字。圖 7：各行業(yè)的擇時系數(shù)分位數(shù)組的收益對 SUE 絕對值的敏感度資料來源: Journal of Financial and Quantitative Analysis，整理上圖顯示，在制造業(yè)（MNF）中，SUE betas 從最差的行業(yè)擇時分組到最佳行業(yè)擇時分組而單調增加。另外，最佳和最差行業(yè)擇時的對沖基金分位數(shù)之間的SUE betas 差值是正的（2.86），而且只在制造業(yè)中高度顯著（t-stat.=3.19）。 制造業(yè)的這些結果表明，行業(yè)擇時能力和對沖基金對超預期收益的風險敞口之間有著密切的關系，并表明那些能很好地把握制造業(yè)特定收益的對沖基金經(jīng)理， 也會特別關注這個行業(yè)的收益

38、信息。本文并沒有發(fā)現(xiàn)在其他 11 個行業(yè)中，行業(yè)擇時能力和超預期的風險敞口（SUE betas）之間有密切關系。行業(yè)超預期的持久性本文接下來研究每個行業(yè)的超預期的持久性如何。如果超預期在一個行業(yè)中特別持久，那么預測該行業(yè)的未來超預期就會更容易。在下圖中報告了 1994 年 1 月至 2018 年 9 月樣本期間每個行業(yè)的滯后三個月的 SUE 的自相關情況。請務必閱讀正文之后的免責條款部分全球視野本土智慧Page 15圖 8：SUE 自相關情況資料來源: Journal of Financial and Quantitative Analysis，整理上圖顯示，對于大多數(shù)行業(yè)來說，自相關在第一個

39、滯后期后很快就消失了，這表明超預期對于大多數(shù)行業(yè)來說并不是那么持久的。而在測試的三個滯后期中， 制造業(yè)的 SUE 的自相關系數(shù)總是最高的，也是最顯著的。制造業(yè) SUE 的這種持續(xù)的高自相關性表明，制造業(yè)的公司更有可能在接下來的幾個月里產(chǎn)生相同方向的超預期，這使得那些意識到這一特征的對沖基金經(jīng)理去來分配資源以捕捉制造業(yè)的特定回報。超預期消息的不確定性和 PEADImhoff 和 Lobo（1992）的研究表明，對于信息環(huán)境比較透明的公司來說，投資者對超預期的反應更大。Kim 和 Kim（2003）還表明，當信息環(huán)境更透明時， 在下一季度，正面超預期組合和負面超預期組合的平均回報率之間的差異更高， 而且這種財報發(fā)布后的漂移隨著盈利信息不確定性的增加而降低。本節(jié)研究了行業(yè)盈利信息透明度、盈利公告后的漂移幅度和制造業(yè)特有的行業(yè)擇時能力之間是否存在聯(lián)系。為了代表公司盈利公告中的信息不確定性程度，本文使用過去 16 個季度中單個股票的季度預測誤差的標準差。此外，作為衡量個別股票信息環(huán)境的另一種方法，還使用了過去 16 個季度的季度超預期的標準差。每只股票的超預期是按實際每股收益（EPS）與分析師預測每股收益中位數(shù)之間的差額計算的。對于這兩種衡量標準，數(shù)值低表明信息環(huán)境更