上市公司的產(chǎn)業(yè)與地區(qū)特征對基金風險的影響
——基于拓展CAPM模型和固定效應面板模型分析

楊柳勇，樓　俊，何秉卓

(浙江大學 經(jīng)濟學院，浙江　杭州　310027)

?

上市公司的產(chǎn)業(yè)與地區(qū)特征對基金風險的影響
——基于拓展CAPM模型和固定效應面板模型分析

楊柳勇，樓俊，何秉卓

(浙江大學 經(jīng)濟學院，浙江杭州310027)

本文使用2005—2014年在中國證券市場上發(fā)行的開放式基金的數(shù)據(jù)，研究基金投資上市公司的產(chǎn)業(yè)和地區(qū)特征對基金風險的影響。筆者基于CAPM模型創(chuàng)新地設計了測量基金風險的方式，并運用固定效應面板模型對其進行了回歸分析，結果發(fā)現(xiàn)，基金投資上市公司的產(chǎn)業(yè)集中度以及上市公司分布地區(qū)金融發(fā)展程度與基金風險之間正相關。本文的結論有助于基金經(jīng)理對投資的上市公司進行正確的資產(chǎn)配置以避免產(chǎn)業(yè)與區(qū)域聚集效應所帶來的風險。

上市公司；產(chǎn)業(yè)聚集度；地區(qū)金融發(fā)展程度；市場波動同步性；固定效應面板模型

截至2015年，證券市場中已有107家基金管理公司，這些基金管理公司提供了多種多樣的基金產(chǎn)品，2001—2014年間在中國證券市場發(fā)行了超過兩千只基金，市場上基金的資產(chǎn)規(guī)模凈值逾4萬億元。目前，國內外已有不少關于基金方面的理論研究和文獻資料，但是通過研究基金投資的上市公司的特征來探索其對基金風險影響的文章較少。我國的證券投資基金類型包括開放式基金和封閉式基金，基于國外基金業(yè)的發(fā)展歷程，大多是由初始期的封閉式基金過渡為大規(guī)模的開放式基金，王聰[1]認為我國開放式基金的收益率真實反映了基金業(yè)績，然而封閉式基金并不一定真實反映基金的價值。而且與封閉式基金相比，我國的開放式基金規(guī)模正在逐漸發(fā)展擴大，現(xiàn)已大幅超過封閉式基金規(guī)模，因此，本文主要根據(jù)我國開放式基金的數(shù)據(jù)進行分析，文中所指基金僅指我國的開放式基金。

一、文獻回顧

從證券市場的風險分析來看，自從Roll[2]將R2應用于股價同步性研究以來，許多學者相繼使用市場波動同步性指標作為股價同步性的信息解釋指標，將其應用于分析股價的表現(xiàn)。Morck等[3]從產(chǎn)權經(jīng)濟學的角度，實證研究各國之間證券市場股票價格波動同步性差異的原因所在。Jin和Myers[4]支持Morck等[3]的結論并且發(fā)現(xiàn)具有高R2值的不透明信息股票更可能發(fā)生崩潰。Gul等[5]研究了我國證券市場的公司治理結構、外國持股股東、審計質量和股價同步性的關系。目前，國內也有不少應用波動同步性探討股價與其它市場因素的文獻[6]-[7]，但是基金研究中較少使用市場波動同步性指標作為分析的計量指標。本文參考以往的研究文獻，將市場波動同步性作為衡量證券市場風險的指標，以此衡量基金的系統(tǒng)性風險程度。

在衡量基金投資組合的非系統(tǒng)性風險方面，F(xiàn)ama和MacBeth[8]作為早期應用殘差研究非系統(tǒng)性風險的學者，借鑒CAPM 模型的殘差探討個股的非系統(tǒng)性風險。已有一些文獻研究基金作為投資組合，因主動承擔非系統(tǒng)性風險以期獲得超出市場組合的額外收益的行為。顧嵐和徐悅[9]選取114只股票為研究對象，認為通過構造證券組合可以減少大約40%—70%的總方差。Xu和Malkiel[10]發(fā)現(xiàn)，機構投資者會故意讓其所投資的組合承擔較大的非系統(tǒng)性風險，以期獲得較高的市場回報。Cremers和Petajisto[11]發(fā)現(xiàn)，規(guī)模較小、擁有更積極投資目標的基金傾向于更高的非系統(tǒng)性風險。陳健[12]分析認為基金的非系統(tǒng)性風險是能被定價的，基金管理者通過持有未被充分分散投資的基金組合來獲取收益補償。綜上所述，本文借鑒以往的研究文獻，應用殘差波動率指標分析基金投資組合的非系統(tǒng)性風險程度。

曹里加和馮根福[13]就上市公司的產(chǎn)業(yè)與地區(qū)因素進行了研究。雷新途和熊德平[14]從經(jīng)濟地理學角度研究了區(qū)域制度環(huán)境、上市公司聚集和公司績效之間的關系。目前國內也有研究一個獨立省份的上市公司特征的諸多文獻，如邵少敏等[15]關注了浙江省上市公司的股權結構，在研究上市公司時，將省份的金融發(fā)展情況作為研究內容。類似這樣的文獻不少，但因其研究主體為上市公司則難免會忽略上市公司的背景因素，而我們的研究主體為基金，則應重視這些背景因素可能對基金風險帶來的影響，而這正是現(xiàn)有文獻所忽略的。綜上所述，本文嘗試對基金投資的上市公司的產(chǎn)業(yè)與區(qū)域進行分析，研究這兩個因素與基金風險的關系。

二、研究假設與樣本數(shù)據(jù)

(一)研究假設

基金投資上市公司的所屬產(chǎn)業(yè)與地區(qū)分布是上市公司的兩大基礎屬性，研究上市公司的文獻中已經(jīng)屢屢提及這兩個方面[14]。上市公司的財務報表代表的是公司的自身特質，市場指數(shù)的波動則代表了整個證券市場的趨勢，而上市公司所屬產(chǎn)業(yè)與地區(qū)分布則處于這兩者之間，這正是以分散持有大量上市公司股權為運營方式的基金所需要關注的。

產(chǎn)業(yè)板塊是基金投資組合的重要內容，目前證券市場上的基金中有很大一部分投資于固定行業(yè)的基金。大份額持有同一產(chǎn)業(yè)的基金必然會受到該產(chǎn)業(yè)發(fā)展狀況的影響，所以，產(chǎn)業(yè)集中度較高的基金會比其它基金承受更多產(chǎn)業(yè)風險，因此，我們提出以下假設：

H1：基金投資上市公司的產(chǎn)業(yè)集中度越高，基金風險越高。

省份概念雖然在上市公司研究中常常被提及，但是并未得到應有的重視，因為相對于單獨公司的財務指標而言，上市公司省份所在地作為其公司背景是難以改變的，因此，也無法作為影響其經(jīng)營業(yè)績的因素。但是，地區(qū)金融發(fā)展程度構成了影響區(qū)域產(chǎn)業(yè)化和金融發(fā)展水平的制度環(huán)境因素。根據(jù)經(jīng)濟地理學的文獻研究，地區(qū)上市公司數(shù)量的多寡是該地區(qū)產(chǎn)業(yè)化規(guī)模和成熟化的必然，地區(qū)上市公司聚集數(shù)量也是該地區(qū)金融發(fā)展到一定程度的結果。由于基金持有公司眾多，省份金融風險的影響則會因聚集而變得明顯，并影響到基金的風險。在金融發(fā)展程度較高的省份，因其交易活躍、信息通暢等多種因素，導致該省份的公司有更大的可能性暴露于金融風險之中。因此，我們提出以下假設：

H2：基金投資上市公司的分布地區(qū)金融發(fā)展程度越高，基金風險越高。

(二)樣本數(shù)據(jù)與變量說明

1.樣本來源

本文使用2005—2014年在我國股票市場發(fā)行的，總計669個開放式基金作為樣本。樣本數(shù)據(jù)包括各個基金的周回報率、基金所投資的上市公司股票的季度數(shù)據(jù)、基金公司的財務報告以及滬深300的日數(shù)據(jù)。對于基金組合投資的上市公司股票，依據(jù)中國證監(jiān)會發(fā)布的《上市公司行業(yè)分類導引》將其分類成18個行業(yè)。本文所使用的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫(CSMAR database)，樣本包含了2 016個觀察值。

2.變量定義

本文給出的變量定義如表1所示。

表1　變量定義

3.變量說明

根據(jù)Markowitz的資產(chǎn)組合理論，在基金的投資組合中，如果非系統(tǒng)性風險被充分分散化，那么基金投資回報的風險應該等于組合的系統(tǒng)性風險。我們以現(xiàn)有的研究文獻為基礎[10]-[11]，借鑒Sharpe的CAPM模型得到基金的整體風險指標的回歸方程?；痫L險由兩部分構成：一部分為基金受外部市場的影響而產(chǎn)生的風險，即基金的系統(tǒng)性風險；另一部分為基金投資組合其本身特質所導致的風險，即基金的非系統(tǒng)性風險，兩部分風險的疊加構成了基金的整體風險。其中，由于基金的系統(tǒng)性風險來源于市場，其系數(shù)為該基金與市場的相關程度，而基金的非系統(tǒng)性風險來源于自身，因此，其系數(shù)為1。由此，我們得出了下式：

基金整體風險=基金系統(tǒng)性風險×基金市場相關程度+基金非系統(tǒng)性風險

(1)

我們借鑒Dimson[16]的方法，為市場回歸模型添加了各兩期的提前項與滯后項。本文通過市場回歸模型計算基金的系統(tǒng)性風險、非系統(tǒng)性風險以及基金的市場相關程度，回歸模型如下：

(2)

其中，Rdi,t為基金i于t周的回報率，Rmt為t周的市場回報率，Rft為t周的無風險回報率，β為相應期基金的市場相關程度，εi,t為基金i于t周的殘差。

我們將市場回歸模型所得的基金的波動同步性作為基金系統(tǒng)性風險的指標。因為R2取值在0—1之間，為了回歸及分析的方便，我們借鑒Morck等[3]研究中的統(tǒng)計學方法對R2進行轉換，建立基金的系統(tǒng)性風險測量指標，即市場波動同步性指標如下：

(3)

式(3)中Synch代表基金與市場波動同步性的程度，該數(shù)值越高，表示基金投資組合與市場波動的同步程度越高。Basu和Huang-Jones[17]指出大部分基金的市場風險系數(shù)與基準指數(shù)相近，基金與被動跟蹤指數(shù)基金的盈利率差異可以作為衡量基金的市場風險即基金系統(tǒng)性風險的指標。國內已有文獻采用不同的指標作為市場基準指數(shù)，有文獻按比例通過上證、深證指數(shù)收益率和債券指數(shù)收益率計算出綜合指數(shù)作為市場的基準指數(shù)，也有文獻將中信指數(shù)等指標直接作為市場基準指數(shù)。隨著我國證券市場規(guī)模的擴大，選擇的基準指數(shù)應該盡可能涵蓋整體市場的趨勢。借鑒Basu和Huang-Jones[17]的研究方式，我們選擇2005年發(fā)布的滬深300指數(shù)作為市場回報率指標，衡量基金風險的基準指數(shù)。同時，將滬深300作為衡量基金風險的基準指數(shù)，可以避免因基金分別投資于上海證券交易所或者深圳證券交易所股票而產(chǎn)生投資分析的差別，并且能夠綜合反應上海證券市場和深圳證券市場的狀況。

根據(jù)Sharpe的 CAPM模型對系統(tǒng)性風險和非系統(tǒng)性風險的測量，把資產(chǎn)收益率的方差作為資產(chǎn)總風險的度量，這個風險值被分解成兩部分，有β系數(shù)的部分代表了資產(chǎn)的市場風險程度，即該資產(chǎn)的系統(tǒng)性風險的度量；剩下的方程殘差的波動程度就是與市場風險無關的、僅由該資產(chǎn)所決定的非系統(tǒng)性風險的度量。將市場回歸模型殘差的標準差作為基金非系統(tǒng)性風險的指標：

(4)

其中，εi,t為基金i于t周的殘差，μi,t為基金i殘差的平均數(shù)，Unsysi,t作為基金的非系統(tǒng)性風險，其值越大，代表該基金由于其自身投資組合而導致的非系統(tǒng)性風險越高。

將市場回歸模型前后兩周周期內β值的年均值之和作為基金市場相關程度：

β=β1+β2+β3+β4+β5

(5)

綜上所述，我們建立的基金整體風險測度指標的計算方式如下式：

Riski,t=βSynchi,t+Unsysi,t

(6)

在解釋變量方面，我們使用HHI來測量持股公司的產(chǎn)業(yè)集中程度，其計算方式如下：

HHIj,t=∑S2j,t,i

(7)

式(7)中的Sj,t,i為基金j于t年對i行業(yè)所屬的上市公司股票的投資份額。其中，Si為企業(yè)i的市場份額。HHI值越大，基金投資組合的產(chǎn)業(yè)越集中。我們使用基金投資上市公司所在省份金融發(fā)展水平的加權平均數(shù)來測量基金投資上市公司分布地區(qū)的金融發(fā)展程度。其中，地區(qū)金融發(fā)展水平的測量方法為該省的年末儲蓄余額除以該省的GDP[18]。

為了對各個基金的特質進行定量的控制，本文還納入了以下控制變量：Sd描述了基金經(jīng)營的波動情況，由此我們預計，基金周收益率的標準差與基金風險成正比；Reserve描述了基金的交易情況，Reserve越大的基金，其交易特征表現(xiàn)為風險規(guī)避，由此我們預計，Reserve與基金風險負相關；Revenue、Debt和Asset三個變量描述了基金資產(chǎn)負債表的常用項目，對基金的整體情況進行了描述。

三、實證分析

(一)描述性統(tǒng)計

變量的描述性統(tǒng)計結果如表2所示。

表2　描述性統(tǒng)計

由表2可知，基金整體風險指標(Risk)的平均值為2.157，基金整體風險數(shù)值表現(xiàn)為低值區(qū)分布較多?；鸬南到y(tǒng)性風險指標(Synch)的平均值為-0.390，其中最大值為6.380，代表該只基金投資組合與市場波動有較高的同步性；最小值為-5.363，表示該只基金投資組合與市場波動的同步性負相關，該基金具有內在的特質價值。基金的非系統(tǒng)性風險指標(Unsys)的平均值為2.170，最小值為0.099，該只基金的非系統(tǒng)性風險較低，基金充分分散化投資?；鸬氖袌鱿嚓P程度指標(β值)的平均值為0.509，我國上市公司的市場相關程度還是較低的，呈現(xiàn)出了較大程度的公司自身特征?；鹜顿Y上市公司的產(chǎn)業(yè)集中度指標(HHI)的平均值為0.134，說明基金投資組合對各個產(chǎn)業(yè)的投資水平并不非常集中?；鹜顿Y上市公司所在省份的金融發(fā)展水平指標(Fd)的平均值為1.112，但是最大值與最小值間相差較大，說明地區(qū)金融發(fā)展水平間差距較明顯?；鹬苁找媛实臉藴什?Sd)的平均值為2.914?；鸬慕Y算備付金指標(Reserve)的平均值為15.280，基金經(jīng)營方式的保守程度差別較大?；鸾?jīng)營的凈利潤指標(Revenue)的平均值為19.220。基金的負債指標(Debt)的平均值為17.310，負債越高，基金的經(jīng)營方式越不穩(wěn)定?；鸬馁Y產(chǎn)指標(Asset)的平均值為21.250。國有企業(yè)股票份額占基金股票配置總份額的比率指標(SOE)的平均值為0.513，但是最大值與最小值之間相差較大，基金的股票投資組合中配置國有企業(yè)上市公司比例的差異較大。本文做了相關系數(shù)檢驗，證實解釋變量間不存在相關性，限于篇幅就不在正文贅述了。

(二)實證分析

為了檢驗研究假設的正確性，我們建立了3個模型進行回歸，分別為模型(8)、模型(9)和模型(10)。首先，本文的模型(8)和模型(9)是HHI和Fd分別作為解釋變量而建立的回歸模型。

Riskt=α+βHHIt+δControl Varibalest+εt

(8)

模型(8)作為第一個模型，通過回歸模型實證檢驗基金持有上市公司股票的行業(yè)集中度HHI與基金風險的關系。HHI的計算方式如式(7)所示。模型(8)中的Control Varibales表示對基金特質信息定量控制的五個控制變量。

Riskt=α+γFdt+δControl Varibalest+εt

(9)

模型(9)通過回歸模型檢驗基金持股公司所在省份金融發(fā)展水平Fd與基金風險的關系，從上市公司的地區(qū)特征角度探索其與基金整體風險的關系。

Riskt=α+βHHIt+γFdt+δControl Varibalest+εt

(10)

模型(10)則置入HHI和Fd兩個變量，研究兩個解釋變量的共同效果。

本文對3個模型進行了F檢驗和Hausman檢驗。首先，對各個面板模型進行F檢驗，原假設為面板數(shù)據(jù)各個截面間不存在顯著差異。檢驗結果顯示一致拒絕原假設，面板數(shù)據(jù)各截面存在顯著差異。之后，我們對其分別做Hausman檢驗，以確認各個模型所使用的回歸方法。我們以10%顯著性為依據(jù)，如果接受原假設，模型使用隨機效應面板回歸檢驗；如果拒絕Hausman檢驗的原假設，則模型使用固定效應面板回歸。Hausman檢驗的結果如表3所示。從表3可以看出，檢驗結果顯示一致拒絕原假設，由此，本文的模型統(tǒng)一使用固定效應面板模型。為了避免模型中存在異方差和截面相關的問題，我們使用了穩(wěn)健性標準差進行回歸分析。

表3　Hausman檢驗

表4顯示了本文研究的實證結果，其結果與我們的研究假設一致。由表4可以看出解釋變量和控制變量的符號和顯著性，根據(jù)模型(8)、模型(9)和模型(10)的實證回歸結果可見，模型的實證結果非常一致，并且由表4的數(shù)據(jù)可知，HHI和Fd表現(xiàn)為顯著的影響。HHI和基金整體風險(Risk)呈現(xiàn)出顯著的正相關性，表明基金投資上市公司的產(chǎn)業(yè)集中度越高，基金的整體風險程度越大，驗證了H1。模型(8)的檢驗結果表明，基金為了分散產(chǎn)業(yè)風險，需要通過將投資組合主動分散投資在各個產(chǎn)業(yè)，來降低基金的整體風險。由模型(9)的結果可知，F(xiàn)d與基金的整體風險顯著正相關，驗證了H2，基金投資上市公司所在省份的金融發(fā)展程度越高，基金的整體風險越大。這表明基金為了分散地區(qū)風險，需要主動將投資組合分散投資在不同省份的上市公司，并且不應該集中投資于金融發(fā)展程度相似的省份。

對于控制變量來說，由表4可知， Sd衡量了基金收益的波動情況，與基金風險顯著正相關；Reserve與基金整體風險顯著負相關，Reserve數(shù)值越高，基金的經(jīng)營方式相對越保守，基金的整體風險也較?。籖evenue作為基金經(jīng)營凈利潤的對數(shù)值與基金整體風險顯著負相關，Revenue越大，代表基金的盈利能力越好，基金投資組合的風險控制能力越好，因此基金整體風險越??；Debt、Asset作為一般公司運營的衡量指標，在本研究中也一并進入計量計算，因為一般情況下，基金公司的情況也會影響基金組合的投資風格。由表4可知，R2為93.8%，說明模型對因變量的解釋力度較好，本文的實證檢驗結果和結論具有較高的可靠性。

表4　基金投資上市公司的產(chǎn)業(yè)與地區(qū)特征對基金風險的影響

注：*、**和***分別表示在10%、5%和1%水平下顯著，下同。

(三)穩(wěn)健性檢驗

此外，我們對研究結果還做了穩(wěn)健性檢驗，以確定在不同情況下本文結論的一致性。

1.子樣本分析

首先，我們對本文的結論進行子樣本分析。我們對樣本進行了以下兩種分類，并分別研究了兩種分類的年度階段下子樣本數(shù)據(jù)的表現(xiàn)。以下兩類子樣本回歸皆使用了固定效應面板回歸模型，并且與主要結論一樣使用了穩(wěn)健性標準誤以避免異方差和截面相關等問題。

我們對金融危機期間，本文假設結論的一致性進行了分析，其結果如表5所示。

表5　金融危機對結論的影響

從表5可以看出，前3列為2007—2008年金融危機期間的子樣本，而后3列則為非金融危機期間的子樣本。表5顯示，金融危機期間，本文的主要結論不顯著，且大部分的控制變量結果也變?yōu)椴伙@著，由此可見，金融危機對金融市場結構的沖擊較大，在市場平穩(wěn)期間的研究結論對金融危機期間的基金操作沒有太大的指示作用。非金融危機期間的子樣本的結果和我們的研究結論完全一致，不僅主要研究變量的結果一致，而且控制變量的顯著性和符號也與前文的實證研究結論無異，因此，在市場平穩(wěn)時期，本文的研究結論是有效而穩(wěn)健的，在金融危機期間的效果則不明顯。

我們以基金投資的上市國有企業(yè)市值比率為依據(jù)，對基金進行分類。由于以平均數(shù)進行分類會造成兩個子樣本的大小不同，一般而言，樣本量較大的子樣本，其結論更容易和母體相同，為了避免此類統(tǒng)計的偏誤，我們使用了基金投資上市國有企業(yè)市值比率的中位數(shù)作為區(qū)分高份額持有國有企業(yè)股票與低份額持有國有企業(yè)股票這兩類基金的依據(jù)，從而使得兩個子樣本在樣本量上類似，其結果如表6所示。

表6　基金投資的上市國有企業(yè)市值比率對結論的影響

從表6可以看出，通過比較前三列(高份額持股國有企業(yè)的基金)與后三列(低份額持股國有企業(yè)的基金)的結果，我們發(fā)現(xiàn)，基金投資上市公司地區(qū)分布特征(Fd)對兩類公司都具有顯著的效果，即無論是國有企業(yè)還是民營企業(yè)，基金投資上市的公司聚集于金融發(fā)展程度較高的地區(qū)會增加基金的風險。與此相反，基金投資上市公司的產(chǎn)業(yè)集中度(HHI)的效果則僅對低份額持有國有企業(yè)股票的基金有效，因為國有企業(yè)在各個產(chǎn)業(yè)中往往具有一定的壟斷地位，同時，其市值也較同產(chǎn)業(yè)的民營企業(yè)要大，這兩點降低了國有企業(yè)市值的波動率，從而導致高份額持股國有企業(yè)的基金即使持股公司產(chǎn)業(yè)集中度較高，其承受的風險卻沒有顯著的增加。本文得出結論：對于高份額持有國有企業(yè)股票的基金，因為國有企業(yè)在各個產(chǎn)業(yè)所占據(jù)的優(yōu)勢，較高的產(chǎn)業(yè)集中度并不會顯著增加基金的風險，而公司的地區(qū)特點則不受公司屬性的影響，集中持股于金融發(fā)展程度較高省份的公司會顯著增加基金的風險。我們的研究結論對低份額持股國有企業(yè)的基金是穩(wěn)健而有效的，對高份額持股國有企業(yè)的基金的效果則有所降低。

2.穩(wěn)健性回歸

我們針對樣本特異值的穩(wěn)健性回歸是基于Stata軟件所提供的rreg命令進行的，該命令會依據(jù)被解釋變量特異值的偏離程度賦予不同的權重，偏離越遠的樣本，其權重越小，這一賦權過程由Stata自動完成。該穩(wěn)健性回歸能夠有效地避免特異值對回歸結論造成的影響，并能夠偵測到樣本分布的尾部特征。

穩(wěn)健性回歸的結果列示于表7的前三列，數(shù)據(jù)結果與上文一致，因此可以認為，我們的研究結論對樣本的特異值是不敏感的，存在確定的邏輯關系。最后，我們對結論進行了內生性檢驗。本文研究的解釋變量主體是基金投資上市公司的產(chǎn)業(yè)集中度與基金投資上市公司地區(qū)分布的特征對基金風險造成的影響，但這兩個解釋變量的狀態(tài)很有可能是因為基金經(jīng)理追求高風險與高收益的操作行為所導致的，這就產(chǎn)生了HHI與Fd的內生性問題。為了確認我們的研究結論不受變量間內生關系的影響，我們對樣本進行了工具變量回歸。其中，HHI的工具變量為其本身的一階滯后項。Fd的工具變量為其本身的一階差分項與基金投資上市公司所在省份金融發(fā)展水平的虛擬變量的加權平均數(shù)(Fd_Dummy)的一階差分項，其計算方式為將我國各個省份的金融發(fā)展水平按照四分位數(shù)分為4份，25%以下為0，25%—50%為1，50%—75%為2，75%以上為3，權重為股票份額占基金股票配置總份額的比率。由于我們的工具變量使用了一階滯后項與一階差分項，所以對樣本量造成了一定的損失，工具變量回歸的結果在表7的后三列中給出。為了確保我們所使用的工具變量的有效性，我們進行了識別不足檢驗與過度識別檢驗。識別不足檢驗的原假設為工具變量與內生變量無關，我們使用的工具變量一致拒絕原假設，即工具變量與內生變量之間存在顯著的關系。過度識別檢驗的原假設為工具變量是外生的，在10%的顯著程度下，我們使用的工具變量沒有拒絕原假設，由此，可以認為我們所使用的工具變量是外生的。觀察表7后三列，我們發(fā)現(xiàn)，部分列的控制變量變?yōu)椴伙@著，其符號是一致的，而解釋變量的結果則與上文完全一致。由此，我們認為，我們的結論是穩(wěn)健的，不受變量間內生關系的影響。

表7　基金配置產(chǎn)業(yè)與地區(qū)特征對基金風險影響的穩(wěn)健性檢驗

四、結　論

本文使用了2005—2014年在中國股票市場發(fā)行的總計669個基金作為樣本，樣本包含了2 016個觀察值。在CAPM模型研究的基礎上，主要探討基金投資上市公司的產(chǎn)業(yè)和地區(qū)特征對基金風險的影響。基金整體風險可以分為來自市場的系統(tǒng)性風險和來自基金投資組合的非系統(tǒng)性風險，因此，基金風險的衡量包括系統(tǒng)性風險和非系統(tǒng)性風險的測量，對于基金系統(tǒng)性風險的衡量，本文根據(jù)Roll[2]的做法，建立市場擬合系數(shù)，并依據(jù)Gul等[5]的方法對R2進行轉換，通過建立市場波動同步性指標分析基金投資組合中不同因素的差異，并以此衡量不同基金的系統(tǒng)性風險。在建立市場擬合系數(shù)的回歸方程中，將殘差的波動作為基金理論上可以通過完全分散而避免的非系統(tǒng)性風險的衡量指標。根據(jù)Sharpe的研究方式，通過系統(tǒng)性風險和非系統(tǒng)性風險的整合，建立衡量基金整體風險的指標。本文將基金風險分兩部分分別進行統(tǒng)計學計算后再得出基金風險值。其中，本文應用市場波動同步性指標衡量基金的系統(tǒng)性風險，同時應用殘差波動率指標分析基金的非系統(tǒng)性風險?；痫L險的計量是本文的一個創(chuàng)新點。

我們從基金投資上市公司的產(chǎn)業(yè)差異和地區(qū)特征差異兩個方面探討其與基金風險的關聯(lián)：(1)基金投資的上市公司產(chǎn)業(yè)集中程度與基金風險顯著正相關。目前我國基金對各產(chǎn)業(yè)的投資較不集中，HHI的實證結果指出基金為了分散產(chǎn)業(yè)風險，需要有意識地分散投資于各個產(chǎn)業(yè)。(2)基金投資的上市公司分布地區(qū)金融發(fā)展程度與基金風險顯著正相關。Fd作為衡量地區(qū)經(jīng)濟產(chǎn)業(yè)化和金融發(fā)展水平的制度環(huán)境影響因素，間接影響基金的風險，實證結果指出基金為了分散區(qū)域風險，需要有意識地分散投資于不同省份的上市公司，并且不應該集中于金融發(fā)展水平相類似的省份。(3)金融危機對金融市場結構的沖擊較大，本文的結論在金融危機期間不適用，但是適用于金融市場穩(wěn)定時期。(4)由于中國國情，國有企業(yè)因其在各個產(chǎn)業(yè)的領導地位，產(chǎn)業(yè)集中所造成的風險對集中持有國有公司股票的基金影響較弱，但是無論國有企業(yè)在基金的投資組合中占比如何，地區(qū)金融發(fā)展程度(Fd)與基金風險都顯著正相關，結果表現(xiàn)一致。(5)基金的經(jīng)營情況也會影響基金的風險，結算備付金較高的基金，其經(jīng)營方式相對保守，其風險也較??；經(jīng)營凈利潤較高的基金，其投資組合的盈利能力越好，表示基金的風險控制能力越好，其風險越?。回搨^高的基金，其經(jīng)營方式較不穩(wěn)健，基金的風險也較大。

跟西方國家成熟市場相比，中國的證券市場還處于初步階段，但是未來將有更多投資者投資于證券市場，基金作為一種可選擇的資產(chǎn)配置方式，相比單一的股票投資而言，其風險性較低的分散化投資特性越來越受到投資者尤其是非專業(yè)投資者的喜愛。筆者認為，在進行資產(chǎn)配置策略選擇時，通過分析基金的風險程度，基金經(jīng)理可以對投資的上市公司進行恰當?shù)呐渲靡员苊猱a(chǎn)業(yè)與區(qū)域的聚集效應所帶來的風險，獲取市場收益。希望本文的實證模型能夠為研究基金風險的影響因素提供一定的參考。

[1]王聰.證券投資基金績效評估模型分析[J].經(jīng)濟研究，2001，(9)：31-38.

[2]Roll, R. R2[J]. The Journal of Finance, 1988, 43(3): 541-566.

[3]Morck, R., Yeung, B., Yu, W. The Information Content of Stock Markets: Why do Emerging Markets Have Synchronous Stock Price Movements?[J].Journal of Financial Economics, 2000, 58(1): 215-260.

[4]Jin, L., Myers, S. C.R2Around the World: New Theory and New Tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292.

[5]Gul, F. A., Kim, J.B., Qiu, A. A. Ownership Concentration, Foreign Shareholding, Audit Quality, and Stock Price Synchronicity: Evidence from China[J]. Journal of Financial Economics, 2010, 95(3): 425-442.

[6]馮用富，董艷，袁澤波，等.基于R2的中國股市私有信息套利分析[J].經(jīng)濟研究，2009，(8)：50-59.

[7]游家興，汪立琴.機構投資者、公司特質信息與股價波動同步性——基于R2的研究視角[J].南方經(jīng)濟，2012，(11)：89-101.

[8]Fama, E. F., MacBeth, J. D. Risk,Return, and Equilibrium: Empirical Tests[J]. The Journal of Political Economy, 1973, 81(3): 607-636.

[9]顧嵐，徐悅.中國股市的投資組合分析[J].數(shù)理統(tǒng)計與管理，2001，(5):56-60.

[10]Xu, Y.，Malkiel, B. G.Idiosyncratic Risk and Security Returns[C]. AFA 2001 New Orleans Meetings，2004.

[11]Cremers, K. J. M., Petajisto, A. How Active Is Your Fund Manager? A New Measure that Predicts Performance[J]. Review of Financial Studies, 2009, 22(9): 3329-3365.

[12]陳健.開放式基金收益與非系統(tǒng)風險定價[J].經(jīng)濟管理，2011，(5)：146-151.

[13]曹里加，馮根福.上市公司產(chǎn)業(yè)與區(qū)域分布、規(guī)模及績效[J].經(jīng)濟學家，2001，(6)：105-111.

[14]雷新途，熊德平.區(qū)域制度環(huán)境、上市公司聚集與績效[J].經(jīng)濟地理，2013，(1)：41-45.

[15]邵少敏，吳滄讕，林偉.獨立董事和董事會結構、股權結構研究：以浙江省上市公司為例[J].世界經(jīng)濟，2004，(2)：66-79.

[16]Dimson, E. RiskMeasurement when Shares Are Subject to Infrequent Trading[J].Journal of Financial Economics, 1979, 7(2): 197-226.

[17]Basu,A.K., Huang-Jones, J. The Performance of Diversified Emerging Market Equity Funds[J]. Journal of International Financial Markets Institutions and Money, 2015,35(3): 116-131.

[18]沈紅波，寇宏，張川.金融發(fā)展、融資約束與企業(yè)投資的實證研究[J].中國工業(yè)經(jīng)濟，2010，(6)：55-64.

(責任編輯：巴紅靜)

2016-05-19

楊柳勇(1964-)，男，浙江杭州人，教授，博士，博士生導師，主要從事公司治理和外資引進與利用等方面的研究。E-mail: cec_zju@126.com

樓俊 (1987-)，女，浙江杭州人，博士研究生，主要從事證券投資基金、公司治理和資產(chǎn)定價研究。E-mail：suety04@163.com

F830.39

A

1000-176X(2016)09-0048-09

何秉卓(1989-)，男，上海人，博士研究生，主要從事公司治理和保險研究。E-mail：suety04@163.com