【华安证券·金融工程】专题报告：基金的逆羊群操作一定是聪明行为吗？

文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。

近期的基金研究文献指出，羊群行为与基金经理技能之间存在负相关关系（Jiang & Verardo, 2018; Koch, 2017; Wei, Wermers, & Yao, 2015）， 本文献通过关注买卖不对称性来进一步开展这一领域的研究。

过往文献表明，机构投资者在买卖决策中往往表现出不对称的动机（Keim & Madhavan, 1995）。Chan 和Lakonishok（1993）认为，“由于机构投资者通常不持有市场投资组合，因此在投资组合中有限的替代品中选择出售某一特定证券，并不一定传达负面信息……相比之下，在市场众多可能性中选择买入某一特定证券，则很可能传达有利的公司特定新闻”。

除了信息驱动的交易外，行为交易也可能表现出不对称性。例如，处置效应可能导致投资者止盈并卖出，但在控制损失方面却不够迅速（Cici, 2012）。此外，Chan 和 Lakonishok（1995）指出，机构交易的价格影响是不对称的，买入时股价上涨并保持高位，卖出时股价下跌但随后反弹。

如果逆向交易行为被视为基金的聪明行为，那么可以预期逆向买入和逆向卖出行为都将产生更高的收益。 然而，基金也可能因流动性约束而进行交易，例如，在面临赎回压力时，这些交易并非由信息触发。因此，逆向交易者在他们的买入和卖出信号之间是否会出现不对称性，这一点是不明确的。

过往文献将逆向基金定义为与其他机构买卖操作相反的基金（Jiang & Verardo, 2018; Wei等人, 2015）。然而，如果选择了错误的群体来与基金的交易进行比较，基金的羊群行为可能会被误分类，因此， 本文根据同时期股票表现（所有市场参与者集体交易的代表）来衡量一只基金的逆向行为倾向。

使用1993年至2022年美国基金的季度持仓数据，根据不同程度的逆向买入和逆向卖出构建基金组合，计算逆向买入指数（CB）以及逆向卖出指数（CS）。

平均而言，发现CB与基金业绩呈正相关，而CS与基金业绩呈负相关。具体而言，处于最高CB十分组的基金每年比处于最低CB十分组的基金业绩高出3%，而处于最高CS十分组的基金每年比处于最低CS十分组的基金业绩差4.08%。这种表现差异无法用基金的不同风险敞口或风格因子来解释。例如，在考虑了Fama-French五因子的风险敞口后，最高CB十分组仍然比最低十分组每年高出4.08%，最高CS十分组每年比最低十分组的基金业绩差4.56%。CB和CS组合之间的收益差距在不同基金规模和不同基金风格中保持一致。

面板回归分析表明CB正向预测Fama-French无因子Alpha值，而CS则负向预测Alpha值，预测关系无法用先前研究中已证明能预测基金业绩的基金特征来解释。

文献研究的主要数据来源是晨星基金数据库（Morningstar DirectMutual Fund Database）和证券价格研究中心CRSP的股票价格数据。晨星数据库包含有关基金持仓、基金收益、总资产净值、投资目标和其他基金特征的信息。SEC允许基金最多延迟60天披露信息。因此，持仓的报告日期和记录日期（季度末）往往不同。遵循Lou（2012）的研究，假设基金经理在季度末和报告日之间不进行交易。

样本涵盖了1993年至2022年时期。剔除了平衡型、债券型、指数型、国际型和行业型基金，专注于投资纽约证券交易所（NYSE）、纳斯达克（NASDAQ）或美国证券交易所（AMEX）上市公司的美国本土股票型基金。最终样本包括1942只主动管理的股票型基金。使用一月期美国国库券利率作为无风险利率，并从Kenneth French的网站上获得月度市场因子收益率，从Lubos Pastor网站上获得了流动性因子。

基于每个季度基金持仓的变化定义基金逆向指标（Contrarian Index）。首先，通过将该季度每只股票的权重变化与其收益率相乘，计算出基金在每只股票上的逆向程度，并为计算出的结果添加一个负号。

因此，当基金进行逆向交易时，该指标为正；相反，基金羊群行为的股票则具有负的逆向水平得分，也就是说，当基金增加某只表现不佳的股票的持仓时，该股票会有一个正的逆向指数。

图表2为一个示例。一只收益率为-15%、权重增加10%的股票，其逆向买入得分为1.5%，而一只收益率为-15%、权重减少10%的股票，其逆向卖出得分为-1.5%。

其次，根据每只股票的权重变化，将基金的持仓分为买入组和卖出组。然后，分别在买入组和卖出组中计算每只基金的逆向买入指数（Contrarian-buy Index，CB）和逆向卖出指数（Contrarian-sell Index，CS）。

逆向买入指数（CB）定义为基金买入的每只股票的逆向水平的总和：

逆向卖出指数（CS）定义为基金卖出的每只股票的逆向水平的总和：

其中，∆w_ij,t表示在t季度末基金j中股票i的权重变化，RET_i,t表示股票i在t季度的收益率，N等于基金j在t季度内交易的股票数量。

逆向指数衡量了基金如何根据当期的股票价格变动来调整其持仓， 如果基金的交易方向与股票价格变动方向相反的居多，则指数为正；如果基金是动量交易者，则指数为负。

图表3的Panel A为逆向指数和其他基金特征的描述性统计。平均而言，主动管理的美国股票型基金具有0.7%的逆向买入指数和1.3%的逆向卖出指数。CB和CS的标准差分别为5%和2.8%，表明基金的逆向行为在横截面上存在显著差异。图表3的Panel B展示了基金逆向指数、基金收益率以及基金特征（年龄、规模、费用、投资风格和换手率）之间的相关性。总体而言，观察到这些变量之间存在统计上显著的相关性。

使用不同的风险因子模型来检验逆向指数与基金业绩之间的关系。因变量是基金j在t月的月度收益率减去无风险利率，因子模型如下。

2.3.1. Fama-French风险因子模型

评估基金业绩的主要模型是Fama-French三因子模型（1993）和Fama-French五因子模型（2015）。

Fama-French三因子模型控制了市场、规模和价值因子，模型如下：

具体来说，R_MKT,t-Rf_t表示市场组合相对于无风险利率的超额收益；SMB_t表示小市值股票和大市值股票组合之间的收益差异；HML_t表示高账面市值比和低账面市值比股票组合之间的收益差异，u_jt是均值为零的残差项。

Fama-French五因子模型在Fama-French三因子模型的基础上增加了两个额外因子，以捕捉与盈利能力和投资因子收益相关的变化。

其中，RMW_t表示盈利能力强和盈利能力弱的股票组合之间的收益差异，〖CMA〗_t表示低投资和高投资组合之间的收益差异。

还给出了由单因子资本资产定价模型（CAPM）的结果：

2.3.2. Ferson-Schadt条件模型

Ferson和Schadt（1996）认为，由于未纳入预期收益和风险的共同时间变化，传统的无条件因子模型可能不可靠。基金的风险和风险溢价中的这种混杂变化可能会被错误地认为反映了优越的信息或市场择时能力。因此，不应将可以使用现成的公共信息复制的管理投资组合策略判断为具有优越的管理能力。条件模型的构造遵循Wermers（2003）和Kacperczyk,Sialm, and Zheng（2005）的研究，他们在Fama-French因子模型中加入了超额市场收益与四个宏观经济变量之间的交互项：

其中，z_k,t-1是宏观经济变量k的滞后去均值的值。考虑以下四个宏观经济变量：一月期国库券收益率、标普500指数的股息收益率、国库券收益率利差（长债减去短债）以及公司债券市场的质量利差（低等级减去高等级债券）。模型的截距项α_j是基金业绩的条件指标。

2.3.3. Pastor-Stambaugh流动性因子指标

对基金逆向行为的指标可能反映了提供流动性的行为。现有文献表明，交易者可以从承担流动性风险中获益。使用Pastor-Stambaugh模型（2003）来控制流动性风险。具体而言，在Fama-French五因子模型中增加了一个流动性因子作为额外的控制变量：

其中，LIQ_t表示Pastor和Stambaugh（2003）的股票市场流动性指标的t月值。流动性因子是基于历史流动性Beta值排序的第10组-第1组的市值加权收益。

2.3.4.市场择时

具有市场择时能力的基金经理也可能与市场进行逆向交易，因此，上文的逆向指标可能仅仅是择时能力的体现。Treynor和Mazuy（1996）引入了市场收益的二次项来捕捉市场择时，通过在Fama-French五因子模型中加入市场超额收益的平方项来控制市场择时：

其中， 表示t月市场超额收益的平方。

本节为结果。首先从分析CB指数和CS指数十分组下的投资组合表现开始，然后使用面板回归方法研究CB指数和CS指数与基金业绩之间的关系。进一步探讨基金规模、投资风格与观察到的业绩之间的相互作用。

本节采用基于组合的分析方法，来评估具有不同逆向水平的基金的相对表现。在每个季度末，根据逆向买入指数和逆向卖出指数将所有基金分为十组，然后，计算每组基金在下一个时期的等权平均收益率。并根据上一节讨论的资产定价模型的时间序列回归，估算这些投资组合的风险调整后的收益率。

图表4展示了不同模型下的投资组合结果。Panel A报告了与CB相关的结果，而Panel B为CS的结果。基金收益是在t+1季度的每个月份中衡量的。两个Panel的第一行报告了在t季度末每组合的逆向买入指数和逆向卖出指数的平均值。第10组基金表现出强烈的与市场交易相反的买入（卖出）倾向，平均CB（CS）达到10%（1%）。相比之下，第1组表现出与其他市场参与者同向交易的强烈倾向，负值达到-5%（-5%）。

Panel A的结果表明， 具有最高逆向买入倾向的基金（第10组）比具有最高动量买入倾向的基金（第1组）每月业绩高出0.25%，这意味着年化收益率高出3%。 这种逆向买入基金与动量买入基金之间的表现差异不能归因于承担风险的倾向或不同的投资风格。来自资本资产定价模型（CAPM）、Fama-French三因子模型、Fama-French五因子模型、Pastor和Stambaugh模型、Ferson和Schadt模型以及Treynor和Mazuy模型的Alpha差异甚至更大，范围从每月0.28%到0.34%，所有这些差异在统计上都是显著的。

相比之下，Panel B中关于逆向卖出指数的结果表明，基金在逆向卖出行为上的横截面差异预示着基金业绩的负面差异。具有最高逆向卖出倾向的基金（第10组）比 具有最高动量卖出倾向的基金（第1组）每月业绩差0.34%，这意味着年化差异为4.08%。 这些差异在所有资产定价模型中都是显著的。

由于资金管理中存在规模侵蚀业绩的问题，Berk和Green（2004）指出，规模较大的基金可利用的投资机会较少，因此相对于被动基准的表现较差。本节研究逆向指数的预测效果是否取决于基金规模。

将基金分为不同的规模组合，并在每个规模组合内比较逆向基金和羊群基金的表现。为了衡量基金规模对逆向交易与基金业绩之间关系的影响，首先根据上一季度末的总净资产（TNA）将基金分为5组。第1组代表规模最小的基金组，而第5组代表规模最大的基金组。进一步根据逆向买入或逆向卖出指数，在5组内分为2组。规模最小组的基金平均TNA为40.5 million，而规模最大组的平均TNA为6251 million。

图表5报告了基于逆向买入（Panel A）和逆向卖出（Panel B）的规模效应结果。与Chen、Hong、Huang和Kubik（2004）的研究结果一致，小型基金的表现优于大型基金。例如，在使用Fama-French五因子模型时，小型基金、低CB的月度异常收益率为0.05%，在高CB情况下为0.17%，而大型基金、低CB的异常收益率为0.08%，高CB情况下为0.06%。

使用Fama-French五因子模型时，高CB组与低CB组之间的异常收益率之差范围在每月0.12%至0.17%之间。相比之下，高CS组与低CS组之间的异常收益率之差显著为负，范围在每月-0.23%至-0.14%之间。与CB类似，这些CS效应在不同规模组之间并没有显著差异。

基金往往重视股票风格，例如价值型与成长型，以及不同风格的基金可能会对基金业绩产生影响。例如，Wermers（2000）表明，成长型基金的表现往往优于价值型基金。

本节探讨上述结果是否与基金的不同投资风格有关。根据投资风格将基金样本分为三个组，即成长型、平衡型和价值型。进一步根据逆向指数将每个组分为两个子组。根据它们的风格和逆向倾向获得了六个基金组合，分别针对逆向买入（CB）或逆向卖出（CS）。

图表6总结了构建的风格组合在不同业绩指标下的异常收益率。与先前研究（Chen、Jegadeesh和Wermers，2000；Daniel、Grinblatt、Titman和Wermers，1997；Wermers，2000）一致，观察到成长型基金在所有业绩衡量指标上都优于其他基金。例如，图表6的Panel A表明，使用Fama-French（2015）五因子模型，对于低CB组和高CB组，成长型基金分别比价值型基金每月高出0.17%和0.16%。

与之前的发现一致，在相同的基金风格下，逆向买入倾向更高的基金产生了更高的异常收益率，相比之下，同风格内，逆向卖出倾向更高的基金产生了更低的异常收益率。以Fama-French（2015）五因子模型为基础的异常收益率为例。最具逆向买入倾向的成长型基金每月的异常收益率为0.05%，而逆向买入倾向最低的成长型基金每月的异常收益率为-0.07%。高CB成长型基金比低CB成长型基金每月高出0.12%，这一差异在5%的水平上显著。对于价值型基金，高低组之间的差异稍大且显著为正。

另一方面，最具逆向卖出倾向的成长型基金每月的异常收益率为-0.06%，而逆向卖出倾向最低的成长型基金每月的异常收益率为0.05%。高CS与低CS成长型基金之间的收益率差距为每月-0.1%。

总而言之，在不同风格组下，CB和CS对异常收益率的影响与前文主要结果相似，其中 价值型基金在逆向买入倾向多空组之间的差异最为显著。

本节通过面板回归研究逆向指数与基金业绩之间的关系，上述投资组合分析的一个缺点是它不能同时控制可能影响基金业绩的多个特征。例如，Berk和Green（2004）认为，规模效应使得大型基金比小型基金更难有投资机会，小型基金往往更加主动（Cremers和Petajisto，2009）且行业集中（Kacperczyk等，2005）。与投资组合方法相比，多变量回归方法通过同时控制基金特征来减轻混杂问题。

回归模型中的因变量是Fama-French五因子（FF5）业绩指标，使用过去三年的月度基金收益率来估计FF5模型的系数。接着将估计系数与下个月的相应因子相乘来计算基金的预期收益率，每月基金的异常收益率是从实际基金收益率中减去预期收益率来确定的。

然后将每只基金的月度异常收益率对逆向指数以及其他基金特征（基金规模、年龄、费率、换手率、净流量、跟踪误差和过去收益率alpha）进行回归。使用滞后的解释变量来缓解潜在的内生性问题。由于一些基金特征（如年龄和规模）存在右偏态，对这些变量取自然对数。

图表7展示了多变量回归结果， 基金的逆向买入行为和逆向卖出行为对基金业绩的预测作用相反 。第1列表明，逆向买入指数（CB）以显著的正系数正面预测基金业绩，从经济意义上看，CB的一个标准差增加预计将使每月异常收益率增加3.45（=0.69*5）个基点，或每年增加0.41个百分点，这在经济上和统计上都是显著的。

在图表7的第2列中，使用逆向卖出指数（CS）作为预测变量，CS的估计系数为-1.05（t统计量为8.11），为负且显著。图表7的第3列表明，当将CB和CS同时作为基金业绩的预测因子纳入回归时，它们与基金业绩之间的关联显著性并未改变。纳入其他基金特征，如基金规模、年龄、净流量、费率、换手率、过去alpha和跟踪误差，并未降低逆向指数对基金业绩的预测能力。

根据1934年《SecuritiesExchange Act》和1940年《InvestmentCompany Act》，机构投资者被要求向公众披露持仓信息。2004年5月，美国证券交易委员会（SEC）要求基金将其披露频率从每半年一次提高到每季度一次。仅使用2004年5月以后的数据来评估CB和CS预测能力的稳健性，因为这一变化可能影响基金的逆向交易与业绩之间的关系。图表8表明，2004年后的子样本结果与整个样本期图表7中报告的结果相似。

Kamstra、Kramer、Levi和Wermers（2017）发现了投资者风险偏好存在季节性的有力证据。他们研究了投资者资金流情况，认为投资者在秋季偏爱安全的基金，在春季偏爱高风险的基金。为了检验基金交易活动的可预测性是否与某一特定季节有关，在季度与逆向指数之间增加了三个交互项，以捕捉季节性效应。具体来说，将CB和CS与第二季度、第三季度和第四季度的虚拟变量相乘。

图表9给出了考虑季节效应的估计结果。CB和CS与季度虚拟变量的交互项的系数表明，预测关系中存在季节性效应。例如，第一列表明，在第一季度、第三季度和第四季度，逆向买入对基金业绩有正面预测效果，但在第二季度有负面预测效果。在第二列中观察到逆向卖出的预测关系与此相反，但第四季度除外。观察到的CB的季节性模式与文献中记录的“五月卖出走人”（Sell in May and GoAway）的实证证据基本一致（Bouman和Jacobsen，2002；Kamstra等，2017；Wagner、Lee和Margaritis，2022；Zhang和Jacobsen，2021）。

Bollen和Busse（2001）的研究中称，基金经理表现出显著的市场择时能力，尤其是在使用日数据时。Kacperczyk等人（2014）利用宏观经济指标发现，基金在繁荣期具有选股能力，在衰退期具有市场择时能力。Bodnaruk、Chokaev和Simonov（2018）最近的一项研究进一步证明，基金对下行风险更为敏感，因此具有更强的下行风险择时能力。这些发现表明，宏观经济周期在投资者的投资决策中起着重要作用。投资者逆向行为中买卖不对称的一个可能解释是，基金经理在衰退期具有市场择时能力。

使用美国国家经济研究局（NBER）网站上公布的商业周期指标来定义衰退期，样本跨越了354个月，其中28个月（7.9%）被归类为NBER衰退月。构建了一个虚拟变量“衰退”，在衰退月为1，否则为0，研究逆向指标与衰退虚拟变量之间的交互项，以衡量商业周期对CB和CS的影响。

图表10展示了考虑商业周期的结果。结果表明，衰退对逆向买入基金有负面影响，对逆向卖出基金有正面影响。第一列显示，在衰退月份，具有逆向买入行为的基金的超额收益减少了180%（= 1.22/0.967）。相比之下，第二列显示，具有逆向卖出行为的基金的业绩不佳减少了173%（=2.556/ 1.471）。总之，结果表明，在衰退月份，逆向买入和卖出对未来基金业绩的影响均被逆转。

Baker和Wurgler（2006）提供证据表明，投资者情绪较高的公司随后的股票收益率会较低。他们进一步认为，市场整体情绪对股票的影响应该更为显著。Hudson、Yan和Zhang（2020）发现，投资者情绪影响了英国基金的羊群效应。因此，逆向行为中买卖不对称的一个可能解释是其对市场情绪的敏感性。当市场情绪高涨且股票普遍被高估时，逆向卖出策略表现更佳。而在市场情绪低迷时，逆向买入基金业绩会更好。另一个可能的解释是，动量策略在高情绪期表现良好，但在低情绪期则毫无价值（Antoniou等，2013）。

使用Baker和Wurgler（2006）构建的月度投资者情绪指数（BW情绪指数）来衡量市场情绪。BW情绪指数基于五个情绪指标的第一主成分。Baker和Wurgler还通过在与宏观经济指标正交化每个代理变量后构建主成分，提供了情绪指数的另一种版本。

为每个指数创建两个虚拟变量，将每个月分类为高情绪月或低情绪月。高情绪月是样本期间情绪高于中位数的月份。Sentiment1（Sentiment2）是一个虚拟变量，在基于BW情绪指数（替代BW情绪指数）的高情绪月中等于1，否则为0。然后，将情绪变量与CB和CS交互。

图表11展示了将基金业绩对（滞后的）逆向指标和情绪变量及其交互项进行回归的结果。当市场情绪高涨时，逆向效应减弱。第一列和第二列显示，当市场情绪高涨时，CB系数从0.799大幅下降至0.482，而CS系数从-1.187增加到-0.355。结果表明，逆向行为的买卖不对称性主要出现在市场情绪低迷的时期。

本节研究了基金逆向指数（CB和CS）与几个常用的基金特征之间的关系。具体而言，使用CB和CS作为因变量，并将基金年龄、Alpha值、费率、净流量、规模、跟踪误差、换手率、团队管理、经理持股和平均经理任期作为自变量，还控制了市场波动率和GDP增长。所有变量都已标准化，均值为零，标准差为一。图表12的第1列和第2列展示了CB和CS的回归结果。第3列和第4列展示了包含不同特征之间额外交互项的结果，总结如下：

年龄： Chevalier和Ellison（1999）表明，更年轻的基金更不可能偏离其同行。没有发现除第4列中与管理层持有的交互效应以外的显著年龄相关效应，这表明年轻且管理层持有的基金表现出较低的逆向卖出倾向。

Alpha值： 一只基金的过去Alpha值可能与经理的能力正相关。基金的过去Alpha值与CB正相关，与CS负相关，尽管这种效应在统计上并不显著。唯一的例外是在第3列中，发现Alpha值对逆向买入有正面且显著的影响，尽管这部分影响被Alpha值与管理层持仓的交互作用所抵消。

费用： 基金费用可以被视为投资者愿意为经理的技能支付的价格。关于成本与技能之间的关系存在混合证据。Chen等（2004）发现费用与美国基金业绩无关。Otten和Bams（2002）提供证据表明费用与欧洲基金业绩负相关。较高的CS与较高的费率正相关，而CB与费用负相关，但仅在第3列中，且该效应部分被与管理层持有的正面交互作用所抵消。

流量： Gruber（1996）和Zheng（1999）表明，经历资金流入的基金业绩优于经历资金流出的基金。他们认为投资者足够聪明，能够挑选出有技能的基金经理。然而，Sapp和Tiwari（2004）认为，资金效应是由动量来解释的。因此，基金流量可能与基金的逆向行为呈负相关。基金流量与CB正相关，该效应主要由管理层持有的交互作用驱动，基金流量与CS负相关，且这种负面影响在管理层持有的情况下被放大。

规模： 先前的研究表明，基金规模可能在不同方面影响基金业绩。例如，Cremers和Petajisto（2009）发现大型基金主动度较低，而Kacperczyk等（2005）发现大型基金的行业集中度较低。大型基金的逆向买入行为水平较高，而逆向卖出行为水平较低。

跟踪误差： 由于逆向基金与市场方向相反交易，这种策略可能会产生相对于基准的较大跟踪误差。逆向买入水平较高的基金往往具有较低的跟踪误差，逆向卖出水平较高的基金往往具有较高的跟踪误差，但如果经理持有该基金，则这种影响会降低。

换手率： CB和CS都与换手率负相关，尽管这种效应在统计上并不显著。

团队管理： Patel和Sarkissian（2017）发现，团队管理使基金业绩提高了50个基点。因此，需要探索团队管理与单一管理是否对逆向行为有影响。结果表明，团队管理的基金更有可能表现出逆向卖出行为。然而，没有证据表明管理人数对逆向买入有影响。

基金经理持有： Ma和Tang（2019）发现，管理层持有减少了风险承担行为，尤其是在存在潜在代理冲突的基金经理中。管理层持有减少了逆向买入行为，但增加了逆向卖出行为。

平均经理任期： 先前的研究表明，经理任期与基金业绩正相关（Golec, 1996）。如果长期任职是衡量更好人力资本和更好经验的指标，那么它可能与更好的表现相关联。 较长的任期减少了经理的逆向卖出行为，但对逆向买入行为没有显著影响。

综上所述，图表12中的结果表明， 规模较大、资金流量较高、跟踪误差较低且管理层持有的基金更有可能逆向买入但顺势卖出。 大多数交互项在统计上并不显著，除了涉及基金中管理层持有的交互项。市场波动率和GDP增长控制对逆向行为没有显著影响。

先前的研究表明，技能出众的投资者往往表现出逆羊群行为。文献发现逆羊群行为效果的一个关键特征是买入和卖出之间的不对称性，因此创建了基金层面的逆羊群买入或卖出倾向指标，利用1993年至2022年的美国基金数据，发现基金的业绩与其与市场交易方向的关系存在显著差异，逆势买入行为与随后时期的基金收益呈正相关，而逆势卖出行为则表现出负面预测，这些发现对于各种风险调整后的业绩衡量指标均稳健。为了理解这种不对称性的根源，研究了商业周期和市场情绪如何影响这种不对称性，逆势买入和逆势卖出的不对称性在衰退期间发生了逆转，并在市场情绪高涨期间消失。此外，还研究了基金特征与逆势指标之间的关系。规模较大、跟踪误差较低、净流入较高且没有管理人持有的基金更有可能逆势买入，但随大流卖出。

文献来源：

核心内容摘选自John Byong-Tek Lee, Jun Ma, Dimitris Margaritis, Wanyi Yang在International Review of Financial Analysis上的论文《Is anti-herding always a smart choice? Evidence from mutual funds》。

文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。

本报告摘自华安证券2024年9月25日已发布的《【华安证券·金融工程】专题报告：基金的逆羊群操作一定是聪明行为吗？》，具体分析内容请详见报告。若因对报告的摘编等产生歧义，应以报告发布当日的完整内容为准。

分析师：严佳炜 执业证书号：S0010520070001

分析师：钱静闲 执业证书号：S0010522090002