专栏名称: XYQuantResearch

兴业证券金融工程研究成果展示与交流平台

市场危机期间国际多资产基金的表现与投资风格

XYQuantResearch · 公众号 · · 2025-02-19 08:00

正文

请到「今天看啥」查看全文

投资要点

‍

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为 A 股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前！

作为西学东渐——海外文献系列报告第一百七十四篇，本文推荐了Paulo Leite于2024年发表的论文《Performance and investment styles of international multi‑asset funds during market crises》。

本文聚焦于国际多资产基金这一重要领域，填补了相关研究的空白。文章通过构建定制的条件多因子模型，全面且深入地分析了影响基金业绩的各种因素，研究方法科学合理。其研究结果不仅揭示了2004-2021年欧洲国际多资产基金整体表现不佳的状况，还发现基金在危机和非危机阶段的业绩差异显著。此外，文章还探讨了基金费用、投资风格对业绩的影响等关键问题，无论是对于学术界深入研究多资产基金，还是投资者制定合理的投资策略，都具有重要的参考意义。

以往研究主要关注股票或债券基金的业绩表现，本文针对欧洲的国际多资产基金展开研究，深入分析多资产基金在不同市场环境下表现，并通过多因子模型进行了解释，对我国的多资产基金实践具备参考价值。

风险提示： 结论基于历史数据，市场环境转变时模型存在失效风险。

1、引言

大多数关于共同基金业绩的研究主要集中在股票型或债券型基金领域，普遍的结论是:这些基金无法超越其业绩基准(e.g.,Fersonetal.2006;HeydenandRöder2020;MingoLópezetal.2022)。鉴于这些研究结果以及投资者对更高资产类别多元化的需求，混合型/多资产基金在机构和零售投资者中越来越受欢迎。事实上，截至2021年12月，美国混合型基金的净资产总额达到1.8687万亿美元，约占该行业的6%(ICI2022)。在欧洲，这一比例要高得多：截至2021年12月底，欧洲多资产基金的净资产总额为2.45475万亿欧元，占欧洲可转让证券集体投资计划（UCITS）市场的17.7%(EFAMA2021)。尽管多资产基金已经在共同基金行业中占据了相当大的份额，但关于这些基金业绩的研究却很少，并且大多数研究都集中在美国市场。

据我们所知，Comer（2006）是最早研究混合型基金业绩的学者。在将额外的股票和债券指数纳入Treynor-Mazuy模型后，作者发现，1992年至2000年期间，美国混合型基金具有显著的市场择时能力。几年后，Comeretal.(2009a)使用扩展的Carhart’s(1997)model评估固定收益风险敞口，研究表明，在20世纪90年代末至21世纪初，美国市场的混合型基金年均表现显著落后市场基准，幅度高达1.5%。与Comer（2006）的研究结果相反，他们发现基金经理不具备成功的择时能力。此外，Comeretal.（2009b）基于另一种收益归因方法，也发现美国混合型基金无法为投资者带来超额回报。

在1998-2009年期间，Herrmann和Scholz（2013）通过在Carhart’s(1997)模型中加入多个债券因子（bondfactors），研究了520只美国基金的业绩表现。他们发现混合型基金的阿尔法系数显著为负。同样在美国市场，Dassetal.（2013）研究显示，在1992-2009年期间，团队管理和单人管理的平衡型基金在业绩上没有显著差异，且两类基金均表现不佳，每年约落后市场基准1.2% 。

Khang和Miller（2022）使用基于权重的衡量方法，识别了1983年至2013年期间732只美国资产配置基金的业绩构成要素（即主动管理、预测成功和收益分散度）。他们的研究结果表明，尽管这些要素有助于解释基金之间的业绩差异，但平均而言，基金仍无法超越其业绩基准。此外，Malhotra和Hadad（2024）基于包含四种不同类型美国资产配置基金的数据集，对2011-2021年期间的基金业绩进行研究，发现基金的平均业绩低于美国股票市场。具体而言，保守型和适度配置型基金的阿尔法系数为中性，而激进型和灵活型基金的阿尔法系数则显著为负，每年约为-2.0%。此外，他们还发现投资组合经理缺乏显著的择时能力。

在加拿大市场，Ayadietal.（2016）对877只混合型基金的数据集进行研究，发现在1991-2011年期间，这些基金的净阿尔法系数平均每年为-4.2%。此外，总阿尔法系数为中性，但扣除费用后降至每年-2.0%。他们还指出，在评估模型中控制了固定收益工具的风险敞口后，基金业绩有所下降，这与Comeretal.(2009a)的研究结果一致。另外，Ayadietal.(2023)使用1015只加拿大国内混合型共同基金的数据集，发现了（股票和债券）市场缺乏择时能力的证据。

Clareetal.(2016)对来自美国、英国和加拿大市场的632只基金进行评估，研究了2000年至2012年期间多资产基金经理的市场择时能力。尽管采用了基于收益和基于持仓的方法，但研究结果表明，成功进行市场择时的基金经理占比很低。此外，尽管所有基金的平均阿尔法系数均为负，但英国和加拿大基金的平均阿尔法系数约为美国基金的两倍。

因此，到目前为止，大多数针对美国和加拿大市场的实证研究表明，多资产基金往往表现较差。然而，这些研究的相关对象都是投资于本国市场的共同基金。据我们所知，唯一一项关于国际多资产基金业绩的研究是Larrymore和Rodriguez（2007）所书写的。通过三指数风格分析，作者研究了1999-2003年期间27只总部位于美国的全球资产配置基金，发现它们的平均回报率显著为正。此外，作者报告称，这些基金的平均阿尔法系数在统计上显著，约为每年3.2%。而且，国际多资产基金的业绩仍是一个有待广泛探索的研究课题，无疑也是一个有趣的研究方向。与股票型或债券型共同基金相比，多资产基金在不同资产类别之间提供了更高的多元化配置，能够对冲可能影响特定资产类别的不利事件。因此，对于投资者而言，这些基金可能是更好的选择，尤其是在（股票或固定收益）市场低迷时期。因为在过去二十年中，金融市场经历了许多重大危机，例如21世纪初的互联网泡沫、2007-2008年的全球金融危机、欧洲债务危机，以及最近的新冠疫情。此外，国际投资领域的额外多元化优势，还可以降低投资组合风险，从而帮助基金经理实现更好的风险调整后业绩。通过对国际多资产基金业绩进行全面研究，我们拓展了现有文献的研究范围。

尽管多资产基金在欧洲比在美国更为重要，但唯一一项评估发达欧洲市场多资产基金业绩的研究是Clareetal.(2016)所书写的，其数据集包括80只总部位于英国的基金。对于英国市场，多资产基金在欧洲可转让证券集体投资计划(UCITS)行业净资产中的占比远低于大多数其他欧洲市场。同时，我们分析了2004-2021年期间总部位于葡萄牙的多资产基金的数据集。尽管从欧洲范围来看，葡萄牙市场规模较小，但该市场具有一些适合进行此类研究的吸引人的特点。首先，在葡萄牙市场，多资产基金在净资产总额中所占的比例，远高于债券型或股票型基金。事实上，截至2021年12月，葡萄牙共同基金市场规模为189.202亿欧元，其中多资产基金占比54.2%，而债券型和股票型基金分别占15.4%和17.9%(EFAMA,2021)。其次，与德国（29.1%）、法国（17.6%）或英国（14.4%）等主要欧洲市场相比，多资产基金在葡萄牙基金行业中所占的比例要高得多。第三，葡萄牙市场的所有多资产基金都进行国际投资。

此外，我们还估计并比较了不同市场阶段的基金业绩。多项研究表明，与非危机时期相比，股票型基金在危机时期的业绩显著更高（e.g.,Kosowski2011;NofsingerandVarma2014）。这些发现可能反映出，共同基金经理在投资者最看重回报时，会更加努力地为投资者获取更高收益（Glode，2011），或者反映出基金经理的市场择时和股票选择能力发生了变化（Kacperczyketal.2014;Chenetal.2021）。所以，在市场下跌时期投资股票型基金，可能比在市场上涨时期更有利。对于多资产基金，Comeretal.(2009b)证明，美国基金仅在股票市场疲软的情况下，才能超越其业绩基准。但是，这一问题尚未在美国市场以外或国际投资基金中得到研究，这也是本文的另一项贡献。

由于基金业绩的评估结果在很大程度上取决于所使用的评估模型，尤其是对于多资产基金而言，目前尚无一组被研究人员广泛认可的债券和股票指数，用于解释基金收益。因此，我们首先要确定哪种业绩评估模型能更好地解释我们基金数据集的收益。从一个简单的双因素模型开始，该模型纳入了一个债券指数和一个股票指数，我们探索了引入更多因素的附加价值，这些因素源自债券和股票共同基金业绩的相关文献。其中包括违约和期权因素（Eltonetal.1995）、规模、市净率、盈利能力和投资因素（FamaandFrench2015）、动量因素（Carhart，1997）、全球债券因素（(HoepnerandNilsson2018）以及全球股票因素。此外，我们还纳入了条件信息，以考虑阿尔法系数和贝塔系数的时变性。这种逐步识别相关因素，以及解释多资产基金收益的公共信息变量的过程，是本研究的另一项贡献。

总体而言，我们的目标是回答以下研究问题：哪些因素能更好地解释葡萄牙国际多资产基金的收益？这些基金能否跑赢市场？在危机和非危机阶段，基金业绩和投资风格是否存在显著变化？多资产基金能否对冲市场下行风险？

论文的其余部分组织如下：第二节描述研究方法；第三节介绍数据；第四节展示并讨论研究结果；第五节给出研究结论，并提出一些未来的研究建议。

2.方法论

2.1

基金业绩评估模型

我们评估多资产基金业绩的基础模型是以下八因素的回归模型：

无条件方法假定风险敞口恒定不变，这可能会导致业绩估计出现偏差。因此，我们将式（1）所呈现的模型拓展至条件模型框架，具体做法是引入公开信息变量。遵循Christophersonetal.(1998)和Ayadietal.(2016)的研究方法，风险因素载荷和业绩表现都会随着一组滞后的、去均值的信息变量（Zt-1)而随时间变化。该模型的表达式为：

2.2

危机和非危机阶段的业绩

对于我们分析中使用的股票指数——明晟欧洲全市场指数（MSCIACEurope）而言，这一过程确定了三个危机/熊市时期：2007年5月至2009年2月（跌幅56.67%）、2011年2月至2011年9月（跌幅21.36%）以及2019年12月至2020年3月（跌幅23.54%）。这些时期分别与全球金融危机、影响股票市场的欧洲债务危机，以及新冠疫情相关。

与Leite和Cortez（2015）的做法相同，为了分别估计危机和非危机阶段的阿尔法和贝塔系数，我们在回归方程（1）中加入两个虚拟变量，得到以下方程：

3、数据

3.1

基金数据集

本文所用的数据集包含了所有被葡萄牙投资基金、养老基金和资产管理协会（APFIPP）归类为多资产基金的基金（共40只），这些基金在2004年1月至2021年12月期间至少有24个月度观测值。所有基金都进行国际投资，主要是股票和债券。

考虑到基金的投资风格，葡萄牙投资基金、养老基金与资产管理协会（APFIPP）进一步将基金分为四个子类别：防御型基金，其股票投资占总资产净值（TNA）的比例最高为15%；稳健型基金，股票投资占总资产净值（TNA）的比例在16%至35%之间；平衡型基金，股票投资占总资产净值（TNA）的比例在36%至65%之间；激进型基金，股票投资占总资产净值（TNA）的比例至少为66%。鉴于大多数基金集中于中间两个类别，在实证分析中，我们选择将两个更具防御性的类别（23只基金）和两个更激进的类别（17只基金）合并。因此，主要投资于债券的基金将被称为多资产债券基金，而主要投资于股票的基金将被称为多资产股票基金。

共同基金的资产净值数据来自葡萄牙证券市场委员会（CMVM），以欧元计价的月度基金回报率在计算时包含管理费用，但不包括销售费用，1个月期欧元银行同业拆借利率（Euribor）代表无风险利率。

图1提供了三个等权重基金投资组合的汇总统计信息（一个包含所有基金，一个是多资产债券基金，另一个是多资产股票基金）。在我们的评估期内，所有投资组合的平均超额回报率均为正。正如预期的那样，与主要投资于股票的基金相比，主要投资于债券的基金表现出显著更低的超额回报率以及更低的标准差。

3.2

基准和因子

我们使用的债券指数来自洲际交易所（ICE），对应于前美银美林（BofAML）总回报（TR）指数，而总回报（TR）股票指数来自摩根士丹利资本国际（MSCI），所有这些指数数据均从Datastream获取。

债券因子衡量对投资级债券的风险暴露，它等于洲际交易所（ICE）旗下美银美林（BofAML）欧元综合指数的超额回报。而股票因子则对应摩根士丹利资本国际（MSCI）欧洲全市场指数（MSCIACEurope）的超额回报。信用因子用于捕捉违约风险补偿，它是通过用洲际交易所美银美林欧元高收益指数的回报减去洲际交易所美银美林欧元政府债券指数的回报计算得出。欧洲的规模因子、账面市值比因子、投资因子、盈利能力因子和动量因子均取自KennethFrench网站，随后转换为欧元计价，MSCI全球市场指数（MSCIACWorld）的超额回报代表全球股票因子。图1显示，在评估期内，几乎所有风险因子的平均超额收益均为正，只有市净率因子除外。

由于部分因子之间存在高度相关性，为了避免多重共线性，我们对回归变量进行了正交化处理。最初，我们按照Hoepneretal.(2011)的方法，在受影响的因子之间进行辅助回归。然后，通过将这些回归的截距与相应的残差相加，构建新的因子。经过这一过程，八个相关因子之间的两两相关性都相当低，范围从-0.57到0.46。

3.3

条件变量

我们选取了三个公开信息变量，许多先前的研究（e.g.,AyadiandKryzanowski2011;Banegasetal.2013）已证明这些变量适用于预测股票和/或债券收益：（1）股息收益率；（2）短期利率；（3）期限结构斜率。股息率与摩根士丹利资本国际欧洲全市场指数（MSCIACEurope）相关；短期利率对应于年化的3个月期欧元银行同业拆借利率（Euribor）；期限结构斜率通过10年期欧元区政府债券年化收益率减去3个月期欧元银行同业拆借利率得到，所有变量都滞后1个月取值，为了防止伪回归，我们按照Fersonetal.(2003)的建议，使用这些变量之前12个月的移动平均值，对其进行随机去趋势处理。

然而，与大多数研究不同的是，我们事先通过简单回归和多元回归分析了这些变量的预测能力，通过这种方式，可以排除冗余变量，以免影响研究结果。我们的结果见图2，从中可以确认只有股息收益率和短期利率对基金收益具有一定的预测能力。因此，只有这两个相关性非常低（0.10）的信息变量，将被纳入条件模型。

4、结果

4.1

因子模型选择

为了找出哪种模型设定能更好地描述我们数据集中多资产基金的收益情况，我们研究了几种多因子模型的拟合优度。该分析是在总体层面上进行的，基于一个包含所有基金的等权重投资组合。

我们的第一个模型是一个无条件双因子模型，纳入了欧洲优质债券指数和欧洲股票指数（模型M1）。然后逐一探索纳入更多因子，根据Eltonetal.(1995)和Hoepner和Nilsson（2018）的研究，首先纳入三个与债券相关的因子：信用因子，用于评估基金对高收益工具的风险暴露（模型M2）；期权因子，用于评估对抵押贷款支持证券的风险暴露（模型M3）；全球债券因子，用于评估对全球债券的风险暴露（模型M4）。随后纳入Carhart（1997）和Fama与French（2015）提出的六个与股票相关的因子：规模因子（模型M5）、市净率因子（模型M6）、动量因子（模型M7）、盈利能力因子（模型M8）和投资因子（模型M9）。然后还纳入了一个全球股票因子，以考虑基金对全球股票的风险暴露（模型M10）。最后，我们纳入条件信息，允许阿尔法和贝塔随时间变化（模型M11）。在这个逐步过程中，任何不能显著提高模型解释力的因子都将被剔除。按照Otten和Bams（2004）的方法，当两个模型的对数似然值之差的两倍超过相应的（自由度）检验统计量的临界值时，就认为调整后的R^2有显著改善。图3报告了所考虑的11个模型各自的因子暴露情况。

模型M1呈现出相当高的调整R2(87.29%)，我们可以确认基金对欧洲（投资级）债券和股票都有显著的风险暴露。模型M2的解释力显著高于模型M1，调整R2后的大幅提高(90.34%)。信用因子的系数表明，基金不仅大量投资于投资级债券，还投资于高收益债券。在接下来的两个模型（M3和M4）中，新增因子的系数不显著，与模型M2相比，也没有显著提高解释力，这意味着我们数据集中的多资产基金对抵押贷款支持证券或全球债券没有显著的风险暴露，因此在后续的模型设定中，这两个因子将不再被考虑。

模型M5、M6和M7证实了纳入SMB、HML和WML因子的重要性，因为它们各自都导致调整后的R2显著增加，在最后一个模型设定中达到91.04%。这些因子所得到的系数表明，基金对小盘股和成长股存在显著风险敞口，同时采用了动量策略。在模型M8中，我们可以看到盈利能力因子进一步显著提高了模型的解释力，其负系数表明基金对盈利能力较弱的股票有显著的风险暴露。相反，模型M9表明投资因子在统计上不显著，因此将被剔除。最后一个无条件模型（M10）也导致调整后的显著增加，目前达到92.76%。新增因子的正系数表明，基金不仅大量投资于欧洲股票，还投资于全球股票。

最后，我们在模型M10中纳入条件信息，得到最后一个模型设定（模型M11），其解释力也显著提高（93.42%）。平均条件贝塔系数证实，之前大多数相关的因子暴露在统计上仍然显著，尽管SMB和HML因子的平均条件贝塔系数失去了统计显著性，但通过Wald检验证实，这些因子以及它们与滞后工具变量的交叉项对模型来说并非冗余，因此将被保留。

4.2

多资产基金业绩

我们基于公式（2）中呈现的条件模型（M11）的业绩评估结果，见图4。

对于“所有基金”投资组合，我们可以看到业绩估计值为负且在统计上显著，每月达到-0.2185%。数据集中的国际多资产基金每年表现比市场基准低2.62%，这与Larrymore和Rodriguez（2007）的结果形成鲜明对比。此外，与国内基金的研究相比，我们的结果比Comeretal.(2009a),Dassetal.(2013)和Malhotra与Hadad（2024）报告的美国基金结果要差得多，但比Ayadietal.(2016)使用类似（条件多因子）模型得到的加拿大基金结果要好得多。因子载荷证实了基金对欧洲和全球股票、投资级和高收益债券，以及低盈利能力股票的存在显著风险暴露。

由于我们的数据集中包含具有不同投资风格的基金，因此我们也针对每种风格，即多资产债券型基金和多资产股票型基金，分别评估其表现。与“所有基金”投资组合的结果一致，两种多资产基金子类别的表现都显著不佳。主要投资于债券的基金每月业绩为-0.1354%（每年-1.62%），而主要投资于股票的基金每月业绩为-0.2765%（每年-3.32%）。这一结果与Malhotra和Hadad（2024）的结论一致，即股票比例较小的基金，比股票比例较高的基金业绩更好。在整个分析期间，这两类基金似乎都不是有吸引力的投资选择。不过，多资产债券基金的表现，比多资产股票基金每月显著好0.1411%（每年1.69%）。

在风险暴露方面，两类基金都对投资级债券、高收益债券以及欧洲和全球股票有显著的风险暴露。此外，它们在盈利能力因子上也表现出显著的负载荷。然而，只有主要投资于股票的基金，对小市值股票有显著的风险暴露。正如预期的那样，更激进的基金，比更保守的基金对（欧洲和全球）股票、高收益债券和小市值股票的风险暴露要高得多。

4.3

费用对业绩的影响

到目前为止，我们使用的是已扣除管理费用的基金净收益。然而，有学者（e.g.,Eltonetal.1995）指出，共同基金往往会因收取的费用而表现逊于市场，因此，为了评估基金费用对多资产基金业绩的影响，我们将费用加回到每个投资组合的收益中。我们首先从APFIPP收集每个基金的年度总费用比率信息，然后将其除以12，并加到每个基金的月度收益中。管理费用平均每年达到1.71%，正如预期的那样，多资产股票基金的管理费用（每年1.97%）高于多资产债券基金（每年1.52%）。图5展示了扣除管理费用前后的业绩估计值。

对于“所有基金”投资组合，扣除费用前的阿尔法值仍然为负，每月达到-0.0755%（每年-0.91%），但仅在10%的显著性水平上显著。多资产股票基金也有类似的情况。然而，当加回管理费用后，多资产债券基金的业绩从显著为负变为中性，每月仅为-0.0084%（每年-0.10%），这意味着这些基金的表现足以覆盖其费用。因此，我们数据集中基金的表现不佳，至少部分原因是它们收取的费用。此外，基金费用本身，无法解释两种投资风格投资组合之间的业绩差异，因为在扣除费用前后，这种差异在统计上仍然显著。

4.4

危机和非危机阶段的业绩

图6分别展示了多资产基金在危机和非危机阶段的业绩，以及它们的因子载荷。

从图6的A组可以看出，“所有基金”投资组合在非危机时期的阿尔法值显著为负，在危机时期则为中性，危机和非危机阶段的业绩差异每月达到0.4307%（每年5.17%），且在统计上显著。因此，国际多资产基金在市场下跌时期的阿尔法值，显著高于市场上涨时期，这一结果在一定程度上与Comeretal.(2009b)对美国国内基金的研究结果一致。此外，在市场危机期间，基金的表现（每年1.34%）足以覆盖大部分费用，尽管它们仍然无法显著超越市场表现。

在因子载荷方面，与市场相对平稳时期相比，基金在危机期间对全球股票的风险暴露显著降低，HML因子载荷显著升高。这些结果表明，在市场危机期间，基金更加关注欧洲地区，更倾向于投资价值型股票，由于价值型股票通常来自规模较大、根基稳固的公司，在市场低迷时期可能表现更稳定。此外，在市场波动加剧的时期，我们还可以看到基金对投资级债券的风险暴露大幅增加，对高收益债券的风险暴露降低，这与资金流向优质资产的现象略有相符。

图6还展示了两种投资风格投资组合的研究结果（B组和C组）。主要投资于债券的多资产基金在不同市场阶段的表现相似，而主要投资于股票的多资产基金在危机期间的阿尔法值，显著高于非危机时期。对于多资产股票基金，不同市场阶段的业绩差异在5%的显著性水平上显著，每月达到0.6676%（每年8.01%）。此外，这些基金在危机期间的阿尔法值为每月0.2824%（每年3.39%），虽然在统计上不显著，但在经济意义上是相关的。而且，危机期间业绩的提升，足以覆盖它们的费用。

由于多资产基金在市场危机期间的业绩提升是由风险等级更高的基金推动的，我们现在专注于探究这一令人费解的发现背后可能的原因。实际上，预期持有较高债券比例的防御型基金，在市场低迷时期的表现会比持有较高股票比例的基金更好。市场不同阶段之间因子暴露的变化可能有助于解释这一结果，不过关于此问题，我们仅发现了几处具有统计学意义的差异。一方面，图6的B组和C组显示，两类基金在危机期间对价值型股票的风险暴露，都显著高于非危机时期。此外，它们在危机期间的HML因子系数，在大小和统计显著性方面都非常相似。另一方面，多资产债券基金在两个市场阶段对全球股票的风险暴露相似，而多资产股票基金在市场低迷时期显著降低了这一因子的风险暴露，或许更重要的是，在市场不稳定加剧时期，部分基金似乎会从投资组合中剔除全球股票。风险等级更高的基金在危机期间，对投资级债券、小市值股票和盈利能力较低公司的股票的风险暴露也高于非危机时期，但这些差异在统计上都不显著。

多资产股票基金在危机期间业绩提升的另一个可能原因是基金的现金持有量，而我们的多因子模型可能无法检测到这一点。实际上，风险等级更高的基金可能持有更高比例的现金，尤其是在市场低迷时期，以便能够对冲更高的资金流出风险。为了验证这一点，我们从CMVM网站手动收集了每只基金的月度现金持有量信息，然后将其除以基金的总资产净值（TNA）。研究结果见图7，在危机和非危机阶段，多资产股票基金平均持有的现金比例都显著高于多资产债券基金。然而，这些差异的幅度在不同市场条件下有很大差异，危机期间（每月1.67%）的差异幅度是非危机时期（每月0.74%）的两倍多。我们数据集中更激进的多资产基金在市场危机期间似乎减少了对全球股票的风险暴露，增加了现金持有量，这可能有助于解释它们在这些市场阶段的优异表现。

5、结论

本研究评估了2004-2021年期间国际多资产基金的业绩表现。由于在解释多资产基金收益的债券和股票指数组合方面尚未达成共识，我们采用逐步筛选的方法来确定相关因素和条件变量，进而找出最适合评估业绩的模型。研究发现，一个包含债券、股票、信用、规模、市净率、盈利能力、动量和全球股票等因素的条件八因子模型，能最好地描述我们数据集中基金的收益动态。

在整个样本期内，研究结果显示，以葡萄牙为投资地的国际多资产基金表现明显不佳，每年落后基准2.62%。即使在扣除费用前，这种现象仍然存在，这反映出基金经理无法提供足够的总阿尔法收益来覆盖管理费用。基金对投资级和高收益债券、欧洲和全球股票、盈利能力较弱的股票以及动量策略均有显著的风险敞口。在投资风格方面，在整个样本期内，主要投资于债券的多资产基金和偏好股票投资的多资产基金表现均明显不佳。不过，在阿尔法方面，防御型基金表现明显优于激进型基金，而且这种差异并非由其较低的费用所导致。

随后，我们分别研究了危机和非危机阶段的基金业绩，发现了一些有趣的结果。基于所有基金的研究表明，国际多资产基金在市场下行期间的表现明显优于上行期间，阿尔法的年化收益率相差幅度达5.17%。实际上，在非危机阶段，阿尔法收益显著为负（每年-3.82%），而在危机期间则接近于0（每年1.34%）。风险敞口的变化至少在一定程度上可以解释这些结果。在市场波动加剧时期，基金对价值型股票的偏好增加；此外，它们对投资级债券的风险敞口大幅增加，对高收益债券的风险敞口则减少。综合来看，这些结果表明，在市场危机期间，基金倾向于聚焦更有限的投资领域（如欧洲），偏好价值投资策略，并且与资金流向优质资产的行为一致，降低了对违约风险的暴露。

在投资风格层面，我们观察到股票持有比例较高的多资产基金在危机期间的阿尔法收益，显著高于非危机阶段，年化收益率相差8.01%。相比之下，主要投资于债券的基金在不同市场阶段的表现相似。研究结果表明，在非危机时期，偏好债券投资的多资产基金可能是更好的选择，而在市场危机时期，主要投资于股票的基金更值得青睐。这种现象的一个潜在原因是，股票投资比例较高的基金也持有显著更高的现金，这可能有助于解释它们更优的表现。因此，研究证据表明，在多资产基金领域，更具吸引力的投资选择不仅取决于基金经理对两种主要资产类别的配置权重，还取决于他们如何将风险投资与现金持有相结合。

本研究不仅在学术界具有重要意义，对于关注不同市场条件下影响国际多资产基金业绩因素的金融机构和投资者也具有参考价值。将本研究扩展到其他国际多资产基金数据集，以证实或反驳研究发现，是未来有趣的研究方向。此外，另一个相关课题是利用基于收益的测试方法或借助投资组合持有信息的方法，考量基金业绩中的市场择时因素。

参考文献