基金拋售資產時的選擇性偏差

正文目錄TOC\o"1-2"\h\z\u簡介 4數(shù)據(jù) 4MFFLOW工具變量 6比例交易和選擇偏差 7評估比例交易假設 7將比例交易和公司特征聯(lián)系起來 9將MFFLOW與公司特征聯(lián)系起來 10將MFFLOW與公司回報相關聯(lián) 12選擇偏差對公司結果的影響 14動機：投資和經驗豐富的股權發(fā)行 14標準IV模型：使用MFFLOW衡量TOBIN'SQ對資本支出的影響 14回歸：模擬 15使用切換回歸方法調整MFFLOW 176 總結 19風險提示： 20圖表目錄圖表1共同基金概況 5圖表2公司概況 6圖表3基金經理的賣出行為預測 9圖表4凈交易活動的總結 10圖表5按照MFFLOW中位數(shù)分組的公司概況 11圖表6預測MFFLOW 12圖表7累積平均異常收益（根據(jù)凈交易活動） 13圖表10工具變量回歸：MFFLOWIV 15圖表工具變量回歸：模擬參數(shù) 16圖表12工具變量回歸中常見違反情況的模擬 16圖表13切換回歸方法：以公司規(guī)模為例 18圖表14切換回歸中的工具變量系數(shù) 19簡介MFFLOW是一種用于衡量在公司面臨來自大額資金流出的共同基金的強制性賣出活動時，可能具有外生性的負向價格壓力的工具變量。即共同基金投資者異常大的贖回申請迫使基金經理出售一些投資組合股票，從而對投資組合中的公司施加價格壓力。在這種情況下，股票價格下跌是因為基金經理為了流動性需求而出售股票，并不是因為經理對公司政策或基本價值有負面信息。Edmans（2012）MFFLOW化地假設基金經理按照投資組合權重的比例出售組合中的股票。MFFLOW資金流出后都應經歷賣出活動。免賣出流動性較差或表現(xiàn)不佳的公司的股票。因此，比例交易假設所施加的約束僅適用于特定類型的公司。假設基金經理通常遵循比例交易策略的假設，而事實上他們并沒有這樣做，可能會在MFFLOW工具變量中引入選擇偏差。較大MFFLOWMFFLOW規(guī)模較小且過去回報為負的公司。人為地增加的賣出活動會夸大具有這些特征的公司的MFFLOW值。過高的MFFLOWMFFLOW不是市場價格的外生變量：較MFFLOW值。選擇偏差是否導致了MFFLOW使用異常收益來衡量公司股價與其基本價值的偏離程度，并將真實賣出活動的公司的異常收益與假設賣出活動的公司進行比較。令人驚訝的是，發(fā)現(xiàn)在大規(guī)模共同基金資金流出之后，真實共同基金賣出活動的公司（應該導致股價下跌壓力）具有正的異常收益。相反，假設賣出活動的公司在大規(guī)模共同基金資金流出之后表現(xiàn)出較MFFLOWIV比例交易假設在MFFLOWIV中引入了選擇偏差。MFFLOW的大小受過去價格的影響，并與可觀測和很可能是不可觀測的公司特征相關。這些公司特征與公司的結果（如投資）直接和間接相關。此外，與Wardlaw（2020）的研究結果一致，修改MFFLOW指標的構建方式以減少選擇偏差，意味著過往文獻中的許多結果將不再有效。數(shù)據(jù)19802007106,223總凈資產TA、總收益率、凈收益率、費用比率和季度基金流量。一個基金的季度流量是每個日歷季度內基金的月度資產流入和流出之和，減去合并資產。??????,??TA使用CDA/Spectrum的數(shù)據(jù)來計算每個季度末每個共同基金持有的每家公司的股票數(shù)量和價值。一個基金的持股量（???,??,??

=????,??×????,??,??）衡量了公司??的持股量，以????????,??圖表1共同基金概況

TNA的比例表示。????,??和????,??,??分別是第??個季度公司??的股票價格和基金????11229,5523,3882本期間，股票型共同基金的數(shù)量和平均基金規(guī)模增加了1019802%2006。資料來源：《SelectionBiasinMutualFundFireSales》，CompustatCRSPCASH_FLOWS（ROA表示收益率RETURNS、杠桿率LEVERAGE、股息支付率、回報波動性、股權發(fā)行、資本支出、賬面資產（SIZE）和市值賬面比（MARKET_TO_BOOK）均有非缺失值。這些公司層面的變量衡量了可能受市場價格影響的公司特征和財務政策，包括SIZEROA、CASH_FLOWS、TOBINS_Q、Kaplan-Zingales金融約束指標（FNCACSNS）和Aid（UDYHerfindahl-Hirschman（HHI）MFFLOW圖表2公司概況資料來源：《SelectionBiasinMutualFundFireSales》，2公司概況1%處Winsor1980200725%8%。MFFLOW工具變量衡狀態(tài)下，基金經理持有足夠的現(xiàn)金來應對小額、可預見的贖回請求（資金流出。獻5這Edmans（2012年MFFLOWMFFLOW衡量了共同基金??持有的公司??股份的年度變化。它基于那些出現(xiàn)大規(guī)模資金流出的基第??季度基金??的資金流量定義如下：??????????,??=????????,???????????,???1×(1+????,??)?????????,??，??????????,??

=??????????,??，????????,???1其中，??????????,??表示第??季度基金??的資金流入和流出的美元價值，而??????????,??則衡量了基金??在第??季度的季度資金流量(??????????,??)相對于前一期TNA的比例。本文們使用CDA/Spectrum的數(shù)據(jù)來計算每個共同基金在季度末持有的每支股票的數(shù)量和價值。????,??×????,??,????????????????????,??,??:???,??,??=??,???1作為其TNA的一部分，用于衡量基金對股票??的持有情況，其中????,??和????,??,??分別是第??季度公司??的股票價格和基金??持有的公司??的股票數(shù)量。本文定義了在相對于其TNA而言資金流出較大的某一期的共同基金子集Kq（即??????,??5。在任何給定期間，有??,??個這樣的基金。對于每個季度??中的??∈????????????????:????,??=????????,???????????,???1×(1+????,??)?????????,??.持有股份（??,??,??）和流出資金（????,??）的組合定義了交易變量（RE，它??????????????,??,??:????,??,??=????,??×???,??,???1=??????????,??×????,???1×????,??,???1.對于公司??在第??季度的美元交易總量：??????????????_????????????:????,??=????,??×????,??,其中，????,??表示第??季度中公司??的總交易股數(shù)，????,??表示第??季度中公司??的股價。MFFLOW變量衡量了每個季度??中共同基金交易對底層公司??的總影響：????????????

=∑??

????,??,??=∑??

??????????,??×????,???1×????,??,???1.(1)??,??

??=1

??=1

????,??對于公司??，??????????????,??為每個年度的四個季度??的??????????????,??的總和。如果公司??在年度??中沒有遭受來自大規(guī)模資金外流的共同基金的賣出活動，則??????????????,??=0。????????????變量是非正的，但為了便于解釋，本文調整該變量以測量這些沖擊的絕對值，這樣正的????????????值與該公司-年觀測的更高價格影響相關聯(lián)。比例交易和選擇偏差MFFLOWIVMFFLOW活動的影響，而與公司特征無關。如果這個假設是錯誤的，那么當基金經理在困難時期特意偏離比例交易時，就會引入選擇偏差。金經理可能會避免賣出某些類型的公司，比如流動性較差或表現(xiàn)不佳的公司。MFFLOW會因為比例交易假設而獲得高MFFLOW，而不是來自真實的共同基金交易活動。高MFFLOW這種政策變化會被歸因于MFFLOW。評估比例交易假設文獻對于基金經理是否按比例進行交易提供了不一致的證據(jù)。Lou(2012)表明，當面對正常、可預測的基金流入時，基金經理會按比例調整其投資組合。然而，在異常情況下（例如大規(guī)模流出），經理可能會保留表現(xiàn)不佳的公司和具有高流動性成本的公司。使用以下回歸模型分析基金經理在面臨大規(guī)模流出時的交易策略：????????????,??,??=????+??1??????????,??+??2??+??3??????????,??×??+??4??+??5??????????,??×??+????,??(2)其中，因變量????????????,??,??是基金??在第??個季度內對股票??的交易百分比，基金??5%(2)表示第????TNA10????????對股票??的持股份額（????????,??,???1），Amihud流動性成本（????????????????????????,???1）。??是包括滯后年度收益（????????????????,???1）、滯后年度波動率（）Kaplan-Zingales金融約束度量（FINANCIAL_CONSTRAINTS??,???1）Tobin'sQ（TOBINS_Q??,???1）和公司規(guī)模（SIZE??,???1）的公司級別特征的向量。這些變量與基金流出的交互項反映了每個特征在交易中的增量效應，條件是流出的大小。年度季度固定效應控制了隨時間的市場波動。標準誤差以基金級別進行聚類。310.717129圖表3基金的2-4列報告了基金經理在自主交易中關注的公司特征?！????????????????????????,???1上的系數(shù)表明，隨著流出增加，基金經理不愿出售流動性較差的公司，（Brown（2010））4列中????????,???10.1330在控制流動性對系數(shù)是否與1（β=1）顯著不同進行的檢驗顯示，在涵蓋公司層面（34列）MFFLOWMFFLOW圖表3基金經理的賣出行為預測資料來源：《SelectionBiasinMutualFundFireSales》，將比例交易和公司特征聯(lián)系起來如果比例交易假設成立，那么在有大額流出的情況下，所有投資組合中的公司都應該經歷來自共同基金的賣出活動。然而，在第4.1節(jié)的結果表明，實際的交易活動是有針對性地針對Tobin'sQ和過去收益等公司特征的。這個結果意味著，在比例交易假設所分配的“假設性”賣出活動和來自大額流出的共同基金的“實際”賣出活動之間存在差異。本節(jié)分析了比例交易是否將假設性的賣出活動分配給那些可能不受實際交易活動影響的公司。如果是真的，那些公司的估計賣出活動將被人為地高估，可能會夸大它們的MFFLOW指標，并對MFFLOW偏向特定類型的公司產生偏差。1005050圖表4凈交易活動的總結

賣出活動。具有凈買入活動的公司也以類似的方式進行分類。通過將凈賣出壓力分配給公司，在每個日歷年的任何一個季度都存在賣出壓力，構建了該指標的年度版本。4動的公司在年齡（AGE）、規(guī)模（SIZE）Tobin'sQ（TOBINS_Q）方面較大，并且具有較高的過去收益（RETURNS）。而基金不愿出售的公司，即主要存在假（RETURNS）。資料來源：《SelectionBiasinMutualFundFireSales》，根據(jù)比例交易的假設，凈賣出和凈買入的兩類公司都被分配了凈賣出的活動，然而實際上特定類型的公司并沒有經歷凈賣出壓力。將MFFLOW與公司特征聯(lián)系起來MFFLOWMFFLOW5MFFLOW中位數(shù)MFFLOWMFFLOW（RETURNS），較低的Tobin'sQ（TOBINS_Q），較低的發(fā)行量（ISSUANCE）和較高的共同基金持股比例（MF_OWN）。這些初步證據(jù)表明，比例交易假設在MFFLOW圖表5按照MFFLOW中位數(shù)分組的公司概況資料來源：《SelectionBiasinMutualFundFireSales》，Edmans（2012表明，MFFLOWIVMFFLOW切相關。他們將MFFLOW的極端值定義為在全樣本期間，MFFLOW位于MFFLOW季度值的前10%的公司月觀察結果的子集。他們記錄了具有極端MFFLOW值的公司在大規(guī)模共同基金資金流出后表現(xiàn)出較大的負面價格影響，這應與公司特征無關。本文使用以下Probit回歸模型來預測公司特征是否與MFFLOW????(??????????????_??????????????,??)=????+????+??1????_??????+??2????_??????+??3????????+??4??????+??5????????????_??+??6????????_????????+??7??????????????+??8??????????????????_??????????????????????+9????????+0??????????+??????（3）模型（3）中，??????????????_??????????????,??MFFLOW（3）包括????????????_??、????????_????????、????????、????????、過去公司收益率、波動率、財務約束以及大型共同基金流出之前一年的????????????????????????等變量。6MFFLOWMFFLOW的（2）大的MFFLOWMFFLOWTobin'sQ。因此，比例交MFFLOWMFFLOWMFFLOW圖表6預測MFFLOW資料來源：《SelectionBiasinMutualFundFireSales》，將MFFLOW與公司回報相關聯(lián)本節(jié)研究MFFLOW與公司回報之間的關系，以確定MFFLOW是否會對投資組合公司產生負面的價格影響，探究過去回報與MFFLOW的大小是否相關，并且這種相關性是否可能源于比例交易的假設。Edmans（2012年MFFLOW與MFFLOW通過比較MFFLOW7）ABA）（圖表B）圖表A），沒有賣出這些公司的股票。相反，具有凈賣出活動的公司，在大規(guī)模共同基金外流（圖表B）圖表7累積平均異常收益（根據(jù)凈交易活動）資料來源：《SelectionBiasinMutualFundFireSales》，這些結果表明，共同基金的賣出壓力并不是與MFFLOW指標相關的負向異常收益的原因。相反，虛擬的賣出活動驅動了負向異常收益的發(fā)生。這些公司具有較高的MFFLOW和較差的過去收益。因此，MFFLOW變量錯誤地將持續(xù)的大幅負向回報歸因于真實的共同基金賣出活動。凈買入和賣出活動在計算MFFLOW變量之前被聚合起來。因此，Wardlaw（2020）中記錄的回報和MFFLOW之間的機械相關性并不驅動這些差異。4.14.3假設通過在MFFLOW（）來引起MFFLOW4.4節(jié)顯示選擇偏差推動了MFFLOW選擇偏差對公司結果的影響MFFLOWIV動機：投資和經驗豐富的股權發(fā)行考慮公司治理在CEO投資決策中的作用。一些公司特定的因素，包括董事會組成、股權位置和管理團隊，會影響投資決策并且可以被觀察到。但是像"退出威脅"CEODeAngelo等人（2010）表明，進行配股的發(fā)行人往往具有較高的市場價值與賬面價值比、發(fā)行前的異?；貓筝^高以及發(fā)行后的異?；貓筝^低。然而，他們也記錄了許多具有相同可觀察特征的公司未能發(fā)行股票。因此，不可觀察的特征是影響配股決策的重要因素。IV“控制”量。例如，Edmans等人（2013）指出，即使“本文明確使用流動性來控制治理，仍會忽略流動性和治理之間的關系可能是由公司的不可觀察特征共同決定的可能性”。標準IV模型：使用MFFLOW衡量Q對資本支出的影響IVMFFLOW影響。本文構建了一個模型，其中MFFLOW作為TOBINS_Q的工具變量，而CAPEX????????????_????,??=??0+??1????????????????,??+????????????????????,??+????+????+????,??,????????????,??=??0+??1????????????_????,??+????????????????????,??+????+????+????,??,（4）其中??????????????????,??SIZEROALEVERAGERETURNSVOLATILITY，而????和????代表年度固定效應，????和????代表公司固定效應?；貧w的第二階段使用以公圖表8工具變量回歸：MFFLOWIV報告了結果。第1和第2列報告了固定效34MFFLOW的負系數(shù)表明更高的共同基金賣出壓力與較低的TOBINS_Q呈負相關，即共同基金MFFLOWF統(tǒng)計量。第二階段的結果顯示，通過MFFLOW進行工具變量處理的TOBINS_Q與CAPEXTOBINS_QTOBINS_QMFFLOW在本節(jié)剩余的分析將探討選擇偏誤如何影響這些基準結果。圖表8工具變量回歸：MFFLOWIV資料來源：《SelectionBiasinMutualFundFireSales》，回歸：模擬IVIVIV型，然后模擬了幾種情景，其中包括MFFLOWTOBINS_QMFFLOW和CAPEX正確規(guī)范的IV回歸的數(shù)據(jù)生成過程如下：??????=??????+??????+?????????????????????????(0,??2),????????=??+??????+?????????????????????????(0,??2),??其中????是內生解釋變量（TOBINS_Q），????是工具變量（MFFLOW），????是結果變量（CAPEX）。本文模擬了一個混淆變量（????），并假設MFFLOW（????）和????服從標準正態(tài)分布。TOBINS_Q（????）與CAPEX（????）回歸中的誤差（????）相關，而MFFLOW（????）是工具變量，與誤差????獨立。圖表9工具變量回歸：模擬參數(shù)資料來源：《SelectionBiasinMutualFundFireSales》，??統(tǒng)計模型包含以下參數(shù)：??、??2、??和??。??控制工具變量的強度，ρ控制xt和模型誤差之間的相關性，??2控制??和??的相對變異性。??和??之間的相關性為0。圖???? ?? ?? ?? ??表9工具變量回歸：模擬參數(shù)報告了這些參數(shù)值。對于每個場景，使用10,000個觀測值的樣本對模型進行1,000次模擬。本文計算??的平均值和標準誤差，從1,000次迭代中得出結果。如果這些測量值超過（于）（圖表10工具變量回歸中常見違反情況的模擬中的第1列報告了CAPEX對TOBINS_QIV??1，0.01MFFLOW示例中，假設SIZE是CAPEX（??）。然后，TOBINS_Q將是SIZE的函數(shù)，而MFFLOW將與SIZE獨立。圖表10模型的特定條件的模擬結果。本文使用具有標準正態(tài)分布的隨機變量????1、????2和????3，并將這些變量插入到MFFLOW和CAPEX的定義中的遺漏變量中。圖表10工具變量回歸中常見違反情況的模擬資料來源：《SelectionBiasinMutualFundFireSales》，2MFFLOWu例基礎上，MFFLOW現(xiàn)在是SIZE的函數(shù)。這種相關性導致模擬的系數(shù)高估了TOBINS_Q對CAPEX（??=1.6）3??SIZECASH_FLOWS）TOBINS_Q（??）SIZE是CASH_FLOWSMFFLOWCASH_FLOWS??與SIZE無關。??等于1.4，超過了正確規(guī)范模型的??。第4列報告了包括對CASH_FLOWSIV??等1。然而，實證研究者可能會將CASH_FLOWS控制變量進行轉換，例如將CASH_FLOWS取對數(shù)或將CASH_FLOWS5列顯示，對CASH_FLOWS取對數(shù)這樣的轉換會產生一個偏誤的??值，為1.15。68IVMFFLOW????,??間接相關。具體而言，MFFLOW不是CAPEX中遺漏變量????,??的直接函數(shù)。相反，MFFLOW由與????,??相關但并不直接定義????的變量定義。例如，考慮一個模型，包括SIZECASH_FLOWS和RETURNS。MFFLOW是RETURNS的CAPEXCAPEXSIZECASH_FLOWSSIZECASH_FLOWSRETURNSMFFLOWCAPEX和RETURNS相關性水平下進行了IV估計的模擬：低相關性=0.2；中等相關性=0.5；高相關性=0.8。在第6列中，相關性很高（0.8），產生了一個偏誤的??值，為1.7。第7列報告了中等相關性（0.5）的模擬結果，再次顯示??存在偏誤。第8列的結果確認了在低相關性（0.2）下的結果。IV節(jié)中MFFLOWIV使用切換回歸方法調整MFFLOWMFFLOW小。如果MFFLOW司特征，那么MFFLOW（104）。然而，假設公司特征（如規(guī)模）對MFFLOW具有非線性影響，但本文使用線性控制。這在規(guī)模的非線性轉換中引入了一個被忽略的因素，該因素可能也與CAPEX回歸中的????,??相關。因此，公司規(guī)模代理變量將無法完全控制MFFLOW、公司規(guī)模和????,??之間的內生關系（參見圖表10工具變量回歸中常見違反情況的模擬中的第5列）。圖表11切換回歸方法：以公司規(guī)模為例資料來源：《SelectionBiasinMutualFundFireSales》，在本節(jié)中，使用切換回歸方法來測量特定公司特征對IV結果引入的偏差（參考Lee(1978)、Heckman(1979)、Puri(1996)和Golubov等人(2012)）。該方法是Heckman(1979)的兩階段估計器的更廣義形式，用于糾正選擇偏差。切換回歸方法“修正”了來自特定特征的MFFLOW中的偏差。本文將在以下討論中以公司規(guī)模（SIZE）為例進行切換回歸分析的四個步驟。在第一步中，應用Heckman（1979）的兩階段估計器來糾正選擇偏差。具體而言，本文計算公司規(guī)模的三分位數(shù)，并將處于最高三分位數(shù)的公司