我国基金投资者“锚定效应”的成因和治理研究

本文选自《经济学报》2021年第 8 卷第 3 期

作者信息

张亚涛  南开大学金融学院博士研究生

刘以琏  南开大学金融学院硕士研究生

摘 要
本文首次探究了“锚定效应”在投资者基金选择过程中发挥的作用,并从市场环境和投资者有限理性的角度出发对“锚定效应”的成因进行了探究。首先,本文发现我国开放式基金投资者存在“锚定效应”,且“锚定效应”导致了基金市场上赎回异象的产生。其次,本文发现较低的投资者关注度、较高的不确定性、较高的信息复杂度和较低的决策成本都会加剧投资者的锚定效应。最后,本文发现与存在“锚定效应”个人投资者不同,机构投资者相对理性,不存在锚定效应。经稳健性检验,上述结果依然成立。据此,本文建议相关部门秉持分类治理的思路,加强投资者教育、简化投资程序、完善基金的费率设置、建立合理的分红制度、改善基金市场环境和提高基金信息披露质量,以降低投资者的“锚定效应”。

关键词  “锚定效应”;赎回异象;有限理性

政策启示

(1) 对于基金公司而言。

第一,稳定基金业绩、减少基金份额净值的大幅波动可能是解决投资者“赎回异象”的根本办法。

第二,建立合理的分红制度。当基金的业绩较好时,基金经理应当进行适当的分红,一方面,分红有利于投资者信心的增加,可以吸引更多资金流入(李科和陆蓉,2011);另一方面,分红也可以降低基金的单位份额净值,缓解由锚定效应导致的赎回增加。

第三,基金管理公司在发布重要信息时,应保持一定的规律性,降低基金投资者在搜集基金信息的成本,进而缓解有限关注对投资者决策造成的负面影响;在进行投资策略宣讲时,基金经理应充分考虑到投资者实际金融知识水平,避免过度使用金融、经济学的专业用语,尽可能采用简单明了的语言、形象生动的图片等方式向投资者传达信息,降低基金信息的复杂度。

第四,在基金费率的设置上,当因业绩上升而面临较大的赎回压力时,基金经理可以适当提高赎回费率,通过增加投资者的决策成本,促使其更加谨慎地作出投资决策,以缓解自身面临的赎回压力。

(2) 对于监管层而言。

第一,加强投资者教育的工作仍需继续,相关机构应当积极引导投资者理性客观地评估基金业绩,从根源上降低基金经理的道德风险,进而推动基金业绩激励机制的完善。

第二,要加强对机构投资者的治理,敦促其及时、全面且如实地披露信息,加强信息环境建设。

第三,在遵守相关法规的条件下,简化投资者的投资程序。如大力推行正规合法的理财软件,降低投资者了解和购买基金的时间成本,减少基金投资者去券商等金融机构的时间支出,使其有更多的时间去评估基金的绩效表现。

(3) 本文的研究结论对于进一步深入理解基金投资者的行为逻辑和推进资本市场深化改革也具有一定实际意义。

个人投资者在我国开放式基金市场中不仅占比较高,而且理性程度和认知水平较低,往往表现出较强的“锚定效应”,引发赎回异象,导致基金行业的优胜劣汰机制得不到充分的发挥。因此,有关部门应按照十九届四中全会精神要求,加快培育和发展专业的理财机构(如 FOF 基金),改善投资者结构。

边际贡献

第一,补充和完善了关于投资者基金投资决策研究的理论框架。以往的研究主要在投资者完全理性的假设基础上探究基金业绩和净资金流之间的关系。本文通过放宽投资者“理性人”假设,从投资者有限理性的角度分析锚定效应这一非理性因素对投资者基金选择行为的影响。第二,从投资者有限理性的角度解释了赎回异象产生的原因。虽然姚颐和刘志远(2004)、陆蓉等(2007)与李志冰和刘晓宇(2019)指出我国开放式基金广泛存在的赎回异象,给基金经理带来了负向激励,鼓励基金经理以牺牲持有人利益为代价,追求管理费收入最大化的行为,不仅会损害持有人的利益,还会对基金行业的长远发展产生不利影响。然而对赎回异象的成因却未给出合理的解释,本文首次提出赎回异象的根源在于投资者的“锚定效应”。第三,本文从决策环境的不确定性、投资者关注度、信息复杂度、决策成本和大力发展机构投资者等方面为“锚定效应”的治理提供了理论依据和政策建议。不仅有助于有关部门提高基金市场监管水平、加强投资者教育和完善以基金管理公司为代表的专业投资机构的治理,还将对完善基金管理公司信息披露机制产生重要影响。

全 文 如 下

0 引言

我国开放式基金凭借其流动性强、服务专业和风险分散等优势,深受投资者青睐,其资产管理规模也迅速扩张,截至 2020 年末,我国开放式基金资产规模已达 19. 89 万亿元,越来越多的投资者开始将开放式基金纳入资产组合。投资者的基金选择行为不仅会影响基金经理的资产配置策略( Pollet and Wilson,2008),而且会影响基金的未来收益(Berk and Green,2004)、股票市场的波动和回报(Alexander et al. ,2007;李学峰和王建虎,2010),因此深入探究投资者基金选择行为的影响因素,对基金经理和投资者都具有重要意义。

迄今为止,国内学者在开放式基金这一领域开展了大量实证研究,但大多是从理性层面分析基金业绩与基金净资金流之间关系,虽然提供了许多有价值研究结论,但尚未有学者关注“锚定效应”这一有限理性因素对投资者基金选择行为的影响。然而,我国基金市场尚不成熟,波动性高,导致投资者在挑选基金时面临着极大的不确定性,在这种情况下,投资者可能会使用启发式心理模型来简化认知决策,表现出行为偏差(Cyert and March,1963;Tversky and Kahneman,1974)。而锚定效应是一种最常见的启发式心理模型,是指在充满不确定性的环境中作出判断、估计和决策时,行为人会受到锚值的影响,将锚值作为参照点对事件进行估计,导致估计结果接近于最初锚值的现象(Malhotra et al. ,2018)。

虽然已有部分学者发现锚定效应在我国股票市场上具有普遍性(黄顺武等,2017;祝继高等,2017;陆蓉等,2020;杨威等,2020),却鲜有学者对基金投资者的锚定效应进行研究。而在以个人投资者为主体的中国基金市场,大部分个人投资者没有接受过专业的理财培训,认知水平有限。而选择合适的基金对投资者来说是一项高度复杂、充满不确定性的任务,投资者决策过程中可能面临着极大的认知压力。那么在这种情况下,投资者是否会使用锚值来简化认知决策,缓解认知压力,进而表现出锚定效应呢? 如果是的话,锚定效应会给基金市场带来怎么的影响? 我们又该如何对其进行治理? 虽然关注这些问题的学者不多,但本文认为对这些问题进行深入探究不仅是对锚定效应理论的有益补充,而且可以为相关政策的制定提供实证依据,因此具有一定理论价值和实际意义。

本文以 2005 年 1 月 1 日—2020 年 9 月 30 日我国 541 支开放式偏股型基金为样本,对上述问题进行了实证研究。结果发现:第一,我国的基金投资者挑选基金时存在锚定效应,投资者在作出投资决策时会参考“基金前 52 周的份额净值新高”这一锚值,即当基金的单位份额的净值与锚值相比较小时,投资者会觉得基金当前的价格比较“便宜”,因此会积极地申购,这导致了基金资金净流量的增加。第二,锚定效应会导致“赎回异象”的产生,这是由于,当基金的单位份额净值因基金业绩表现较差而变小时,在投资者眼中,基金的价格数值与锚值相比变小了,投资者觉得当前的基金变“便宜”了,因此会积极地购买,引发资金的大量流入,形成“赎回异象”。第三,调节效应方面,本文发现较低的投资者关注度、基金市场较高的不确定性、较高的信息复杂度和较低的决策成本都会加剧投资者的锚定效应。第四,本文发现个人投资者在选择基金时会表现出显著的锚定效应,而机构投资者在选择基金时则更为理性,不存在锚定效应。

本文的贡献在于:第一,补充和完善了关于投资者基金投资决策研究的理论框架,以往的研究主要在投资者完全理性的假设基础上探究基金业绩和净资金流之间的关系。本文通过放宽投资者“理性人”假设,从投资者有限理性的角度分析锚定效应这一非理性因素对投资者基金选择行为的影响。第二,从投资者有限理性的角度解释了赎回异象产生的原因。虽然姚颐和刘志远(2004)、陆蓉等(2007)与李志冰和刘晓宇(2019)指出我国开放式基金广泛存在的赎回异象,给基金经理带来了负向激励,鼓励基金经理以牺牲持有人利益为代价,追求管理费收入最大化的行为,不仅会损害持有人的利益,还会对基金行业的长远发展产生不利影响。然而对赎回异象的成因却未给出合理的解释,本文首次提出赎回异象的根源在于投资者的“锚定效应”。第三,本文从决策环境的不确定性、投资者关注度、信息复杂度、决策成本和大力发展机构投资者等方面为“锚定效应”的治理提供了理论依据和政策建议,不仅有助于有关部门提高基金市场监管水平、加强投资者教育和完善以基金管理公司为代表的专业投资机构的治理,还将对完善基金管理公司信息披露机制产生重要影响。

1 文献回顾与研究假设

锚定效应指在充满不确定性的环境中作出判断、估计和决策时,行为人会受到锚值的影响,并将其作为参照点对事件进行估计,最终导致估计结果接近于最初锚值的现象。Cyert and March(1963)指出,在高度不确定性的环境下,行为人在决策过程中无法作出完全理性的判断,会依据部分可获得的信息,采用锚值这一极度简化的现实模型作出投资决策。Tversky and Kahneman(1974)也发现,投资者在高度不确定性的环境中作出决策时会表现出较强的“锚定效应”,对投资者行为产生重大影响。对基金投资者而言,投资者对基金业绩的预测行为是一项充满高度不确定性且极度复杂的活动,因此基金投资者在预测过程中很可能会使用锚值来简化认知任务,将复杂的投资决策过程转化为简单易行操作。在理想情况下,基金投资者会通过多方面搜集、提炼信息对基金业绩进行全面理性的评估。然而,现实情况是,由于投资者关注度和信息解读能力有限(Barber and Odean,2008),投资者只能通过有限的资源和途径去搜集和处理信息,可能并不能及时更新自己的认知,致使其对基金价值的认知在无意识之间受到“锚定效应”的影响。相关研究也显示,受到“锚定效应”的影响,投资者在评估资产价值时,会将资产价格中的数字信息作为价格幅度的表征(Thomas and Morwitz,2009)。据此,我们推测当基金的价格随着基金业绩的提升而升高时,投资者受锚值的影响,会觉得基金变“贵”了,因此会减少申购或增加赎回,引发“赎回异象”。据此,我们提出假设 1a 和假设 1b。

假设 1a: 投资者在选择基金时存在“锚定效应”。

假设 1b: 投资者的“锚定效应”会引发基金的赎回异象。

大量研究表明,投资环境的不确定性会引发投资者的“锚定效应” ( Cyertand March,1963;Tversky and Kahneman,1974)。这是由于当投资者处于一个高度不确定性的环境中时,可能无法准确地估算出各种可能的投资结果出现的概率,在极端情形下,甚至可能无法估计出会有何种投资结果出现。此时,投资者可能无法根据理性的计算来制定投资决策,而是会选择性地分析容易获得和理解的信息,将锚值这一简化的现实模型作为自己决策的依据。据此,我们提出假设 2a。

假设 2a: 决策环境的不确定性越高,投资者在选择基金时表现出的“锚定效应”越强。

在不确定性的环境下对某一事件作出判断、估计和决策时,行为人倾向于把初始信息(锚值)作为起始点,来逐渐调整对事件的估计。在调整过程中,投资者更倾向于制定一个可行区域,而非某一个精确的点。当投资者将自己对事件的估计调整到可行区域中的某一点后,投资者便会立即停止调整,出现调整不足, 进 而 引 发 “ 锚 定 效 应 ” ( Tversky and Kahneman, 1974; Jacowitz andKahneman,1995)。调整不足的原因可能在于投资者的有限关注和决策信息的复杂度,即投资者面临的决策信息的复杂程度越高,调整到正确答案就越困难,就越容易出现调整不足;此外,当投资者缺乏足够的关注度来充分调整自己对事件的估计时,也会出现调整不足(黄顺武等,2017)。据此,本文提出如下假设。

假设 2b: 投资者对基金的关注度越低,“锚定效应”越强。

假设 2c: 基金信息复杂度的提高会加剧投资者的“锚定效应”。

当投资者认识到自己的投资决策后果的重要性和严重性时,或者当投资者的决策可能面临巨额的盈利或亏损时,投资者作出决策时表现出的慎重性和努力程度,一次普通的投资决策是不能与之相提并论的。那么,这种努力程度和慎重性会不会影响投资者的“锚定效应”? 为了对这个问题进行探究,我们用决策成本来度量投资决策对于投资者的重要性,以及相应后果的严重性。本文推测,投资者在作出投资决策时面临的决策成本越高,投资者在作出投资决策是就会愈加谨慎和努力,表现出的锚定效应也就越低。据此,本文提出假设 2d。

假设 2d: 投资者面临的决策成本越高,就会越谨慎和越努力,“锚定效应”就会越低。

投资者对信息的解读和判断会受到自身理性程度和认知水平的影响,即使面对同样的信息,理性程度和认知水平不同的投资者也可能会作出截然不同的判断和解读。因此,在研究投资者的锚定效应时,有必要按照理性程度和认知水平将投资者分类。由于在专业知识、有限关注和信息优势等方面的差异,学者们一般将投资者划分为机构投资者和个人投资者(左大勇和陆蓉,2013)。一般而言,机构投资者在信息收集、处理和分析方面有丰富的人力资源基础,往往表现出较强的投资理性(史永东和王谨乐,2014;吕江林和李兴,2017),而个人投资者大多不具备专业知识,在信息的搜集、分析和处理方面不如机构投资者,可能更容易出现“锚定效应”。据此,本文提出假设 3。

假设 3: 与存在锚定效应个人投资者不同,机构投资者相对理性,不存在“锚定效应”

2 研究设计

2.1 变量定义和数据来源

2.1.1 样本选择

本文所使用的开放式基金数据均来自国泰安数据库( CSMAR),涵盖了2005 年第一季度到 2020 年第三季度的股票型和偏股混合型基金的数据,我们剔除了其中的结构型基金、交易所交易基金(ETF)、保本型基金和指数型基金。此外,为了使测算出的 alpha 值更准确,我们还剔除了成立年限少于 3 年的基金,最终形成了截面最大成员数量为 541 的非平衡面板数据。

2.1.2 变量定义

(1) 基金资金净流入(flow)

与以往的研究保持一致(李志冰和刘晓宇,2019;伍燕然等,2019),本文定义基金 p 在第 t 季度的资金净流入为:

其中,R_p,t 和TNA_p,t 分别为基金 p 在 t 季度末的原始回报率和资产净值总额。

此外,为研究个人和机构投资者之间锚定效应的差异,本文参照左大勇和陆蓉(2013) 的方法,将基金资金净流入拆分为两部分,即机构资金净流入(flowins)与个人资金净流入(flowind)^①,计算方法如下:

其中,Rins_p,t 与Rind_p,t 分别代表第 t 季度机构和个人投资者基金份额的持有比例。

(2) 基金规模(LnAum)

已有研究表明,基金的净资金流会受到基金规模的影响,基金的规模越小,增长速度越快(Ferreira et al. ,2012),该指标的定义如下:

其中,TNA_p,t-1 是基金 p 在 t-1 季末的资产净值总额。

(3) 费用率(Fees)

基金费用率会影响到投资者的投资收益,进而影响投资者的资产选择行为,该变量的计算公式如下:

其中,TotalOperatingCost_p,t-1 和Shares_p,t-1 分别为基金 p 在 t-1 季末的费用合计和份额数。

(4)基金收益率波动率(SD)

在预期收益率一定的情况下,投资者更加偏好波动率小的基金,该指标的计算方法如下:

其中,sigma_p,t 和 n 分别代表的是第 t 季度基金 p 的日度收益率的标准差和交易日数量。

(5) 基金的分红(Div)

相关研究表明,分红有利于投资者信心的增加,可以吸引更多资金流入(李科和陆蓉,2011)。基金分红的计算公式如下:

其中,D_p,t 代表当前季度基金的分红金额。

(6) 偏股型基金市场净申购率(Mflow)

基金的资金流可能会受到整个基金市场资金流的影响,因此本文将偏股型基金市场净申购率(Mflow)也纳入回归模型中:

其中,N_t 代表第 t 季度基金市场上偏股型开放式基金的总数。

(7) 市场指数收益率(RM)

股票市场行情可能会影响基金的业绩表现,因此也可能会影响投资者的基金选择行为,因此,我们也将市场指数收益率(RM)纳入控制变量:

其中,MKT300t 是第 t 季末的沪深 300 指数。

(8) 基金业绩

如表 1 所示,本文采用经 CAPM、Fama-French 三因子、 Carhart 四因子和Fama-French 五因子模型调整后超额收益率来衡量基金的业绩表现。具体而

言,本文使用基金过去 37 个月([ -37,-1])的历史数据滚动估计上述四个模型的参数,最终得到的各个模型的截距项αlpha^capm _p,t 、αlpha^ff3_p,t、αlpha^c4_p 和αlpha^ff5_pt 便是相应经风险因子调整后的超额收益率。

在表 1 中,R_f,t 为第 t 月的无风险收益率,本文以三个月定存基准利率来衡量无风险利率。R_m,t 是采用流通市值加权平均法计算的月市场回报率。模型中的规模因子(SMB_Fac)、账面市值因子( HML_Fac)、动量因子( Mon_Fac)和盈利能力因子(Mon_Fac)均源自 CSMAR 数据库。由于基金的资金流是季度数据,我们也采用累计超额收益的方法将上述四个超额收益率的频率调整为季度,具体方法如下:

其中,αlpha_q,n 和αlpha_m,3n 分别为经风险因子调整后的季度和月度超额收益率。

(9) 锚定比率

在资本市场中,最常见的锚值是前 52 周资产价格新高(Li and Yu,2012;黄顺武等,2017;杨威等,2020)。本文参考杨威等(2020)构建的锚定比率指标,采用本季度最后一个交易日基金的收盘价除以前 52 周基金份额净值的最大值构造锚定比率。RPR 的值越大,说明基金份额净值在投资者眼里越“昂贵”。此外,由于锚定比率(RPR)中包含着基金的价格信息,可能和股票的收益率存在相关,为了排除锚定比率中的收益率信息,本文将锚定比率分别与 CAPM alpha、FF3 alpha、C4 alpha 和 FF5 alpha 进行回归,得到与 R、CAPM alpha、FF3 alpha、C4 alpha 和 FF5 alpha 正交的残差 RPR_R、RPR_CAPM、RPR_FF3、RPR_C4 和RPR_FF5 便是剔出了相应收益率信息的锚定比率^①。

(10) 基金信息复杂度(NIn)

Cohenand Lou(2012)指出,与投资业务单一的基金相比,投资者更难分析和判断相同的行业信息对那些投资业务跨越多个行业的基金业绩的影响,借鉴其度量信息复杂性的方法。本文使用基金前十大重仓股所属的行业个数(NIn)来衡量基金信息复杂度,NIn 越大,表示基金投资业务涉及的行业越多,投资者在预测基金业绩行时需要处理的信息就越多越复杂。

(11) 投资者关注度(IP)

参考邵新建等(2015)的做法,作者使用 Python 软件爬取百度搜索指数数据,该数据包含了电脑端和移动端的搜索情况^①。具体而言,投资者关注度(IP)的值越大,意味着投资者越希望通过搜索了解该基金的具体情况,即越关注该基金。

(12) 基金市场的不确定性(Uncertainty)

我们采用过去一年综合上市基金的市场日收益率的标准差来衡量基金市场的不确定性(Uncertainty)。

(13)投资者的决策成本(Cost)

本文采用基金的赎回费率来衡量基金投资者的决策成本(Cost)。

2.2 模型设计

为了检验基金投资者在选择基金时是否存在锚定效应(假设 1a),本文设定如下回归模型^②:

式中flow_p,t 指基金 p 在 t 季度的净资金流量,RPR_p,t 是基金 p 在 t 季度的锚定比率。控制变量(Controls)设置如下:我们在每个季度对所有基金的收益率进行

归一化处理,得到变量PERF_p,t,该变量代表着基金 p 在第 t 季度的相对表现,PERFp,t 越大代表着和其他基金相比该基金的业绩表现越好,我们将PERF_p,t 和PERF²_p,t 加入模型中,以控制基金业绩现金流的凸性;此外,为了控制“明星效应”对回归结果的影响,我们按照原始收益率的高低,对基金进行排序,分别将排名在前 30%和后 30%的基金定义为“明星基金”和“垫底基金”,并在模型中加入“垫底基金”和“明星基金”的虚拟变量LOW_PERF_p,t 和HIGH_PER_p,t。此外,市场收益率 ( RM_p,t )、偏股型基金市场净申购率 ( Mflow_p,t ) 基金的分红(Div_p,t)、基金收益的波动率(SD_p,t)、费用率(Fees_p,t)和基金规模(LnAum_p,t),为传统理性层面的控制变量。后述模型均指相同意义,之后不再赘述。

为了检验“锚定效应”会引发基金的赎回异象(假设 1b),本文构建如下中介效应模型,如式(17) ~ (19):

其中,当 i = 1、2、3 和 4 时,α_i,p,t 分别对应 CAPM alpha、FF3 alpha、C4 alpha 和FF5 alpha,控制变量(Controls)和式(16)的含义相同。为了检验假设 2a、假设2b、假设 2c、假设 2d 和假设 3,本文设置如下回归模型,如式(20)、(21)、(22)、(23)和(24):

其中,Uncertainty_p,t、IP_p,t、NIn_pt 和Cost_p,t 分别为过去一年综合上市基金的市场日收益率的标准差、基金的关注度、基金信息的复杂度、投资者的决策成本,在式(24)中,i = 1,2 时,F_i,p,t 分别对应着机构资金净流入( flowins_p,t )和个人资金净流入(flowind_p,t)。此外控制变量(Controls)和式(16)的含义相同。

3 实证结果

3.1 描述性统计

文章所使用的开放式基金数据均来自国泰安数据库( CSMAR),涵盖了2005 年第一季度到 2020 年第三季度的股票型和偏股混合型基金的数据。为排除异常值的干扰,本文在 1%和 99%处对所有变量进行 Winsorize 缩尾处理。表 2列出了主要变量的描述性统计,表 3 为主要变量的相关系数矩阵。

3.2 经验检验:锚定效应的存在

我们首先分组检验当锚定比率(RPR)不同时,基金资金净流入的差异。具体步骤如下:第一步,在每个季度末,将所有基金按照锚定比率(RPR)由低到高进行排序,并按照五分位数划分为 5 组。第二步,对于每一组基金,计算其资金净流入的平均值。表 4 第(1)列汇报了分组统计的结果。首先,从第(1)列可以看出,基金的资金净流入随着锚定比率(RPR)的提高不断下降。此外,从第(1)列的第一行和最后一行可以看出锚定比率最低组的资金净流入要比锚定比率最高组的资金净流入高 22. 626%,且在 1%的水平上显著,这是由于锚定比率越小,投资者觉得当前的基金越“便宜”,因此会积极地购买,导致基金资金净流入增加。最后,如表 3 所示,RPR 和 CAPM alpha、FF3 alpha、C4 alpha、FF5 alpha 的相关系数在 0. 3 ~ 0. 4 之间,可能存在弱相关,为了排除锚定比率和基金业绩间的相关关系对结果的影响,我们对上述五个剔除了超额收益率信息的锚定比率( RPR _R、RPR _CAPM、RPR _FF3、RPR _C4 和 RPR _FF5)重复上述两个步骤,得到的结果如表 4 第(2)到(6)列所示,可见剔除了超额收益率信息的锚定比率与基金资金净流入依旧负相关。综上所述,投资者在选择基金时的确存在锚定效应,假设 1a 得到初步验证。

为保证结果的稳定性,接下来我们采用回归方程式(16)来继续检验投资者是否存在锚定效应。回归结果如表 5 第(1)列所示,锚定比率( RPR)的回归系数为-0. 37,且在 1%的置信水平上显著,表明基金的锚定比率越小,其资金净流入就越高,再次验证了我国基金投资者在选择基金时存在锚定效应。此外,如表 5 第(2)列和第(3)列所示,在控制了明星效应、业绩现金流凸性关系之后回归系数依然显著。至此,假设 1a 被证实。

3.3 锚定效应和赎回异象:中介效应分析

表 6 报告了模型(17) ~ (19)的回归结果。首先,如表 6 第(1)、(4)、(7)和(10)列所示,基金的资金净流入和 CAPM alpha、 FF3 alpha、 C4 alpha 和 FF5alpha 显著负相关,说明我国开放式基金市场中存在赎回异象,当期 alpha 越高投资者越倾向于赎回基金。此结论和以往多数相关文献的结论一致(陆蓉等,2007;彭惠等,2012;李志冰和刘晓宇,2019)。然而在加入锚定比率(RPR)之后四种风险调整方式下的 alpha 不再显著,而锚定比率却在 1%的水平上显著为负[如列(3)、(6)、(9)和(12)所示],说明锚定比率在基金业绩对基金现金流的影响中发挥了完全中介效应。这是由于当基金单位份额的净值随着基金的当期的业绩的下降而减少时,在投资者眼中,基金的价格数值与锚值相比变小了,投资者会觉得当前的基金变“便宜”了,因此会积极地购买,引发资金的大量流入,形成赎回异象,假设 1b 得到验证。

3.4 投资者“锚定效应”的决定因素

前文结果表明投资者在选择基金时表现出“锚定效应”,且“锚定效应”的存在会导致中国的基金市场中出现赎回异象,这必然会导致基金经理为追求基金规模的快速扩张,进而实现管理费收入的最大化,牺牲基金的业绩增长,不仅损害了投资者的收益,而且对我国开放式基金行业的长远发展极为不利(肖峻和石劲,2011)。那么“锚定效应”产生的原因是什么? 我们又该如何治理基金投资者的锚定效应? 对这些问题的回答不仅是对“锚定效应”理论的有益补充,具有一定理论意义,而且对于改革我国基金市场的监管方式、完善基金激励契约的设计和加强投资者教育极具参考价值,所以我们认为非常有必要对上述问题进行更加深入的探讨。因此,这部分我们将考察决策环境不确定性、有限关注、基金信息复杂度、机会成本和投资者类型对投资者“锚定效应”的影响,探究“锚定效应”产生的原因和机理。

3.4.1 决策环境不确定性和“锚定效应”

表 7 是决策环境不确定性对“锚定效应”调节效应的回归结果。如表 7 第(1)列所示,决策环境不确定性和锚定比率的交叉相乘项(RPR· Uncertainty)的系数为-0. 81,且在 1%的置信水平上显著,表明决策环境不确定性提高了投资者的“锚定效应”,使得投资者在决策时加依赖锚值。这是由于当投资者在不确定性较高的环境中作出投资决策时,很难对基金的绩效表现作出客观理性的评价,因此会使用锚值来简化基金估值任务,表现出较高程度的“锚定效应”。此外,如表 7 第(2)列和第(3)列所示,加入业绩现金流凸性和明星效应的哑变量之后,交叉相乘项(RPR· Uncertainty)的回归系数依然显著为负。假设 2a 得到验证。

3.4.2 投资者关注度和“锚定效应”

表 8 为投资者关注度对投资者“锚定效应”调节效应的检验结果。如表 8第(1)列所示,锚定比率与投资者关注度的交叉相乘项( RPR· IP)的回归系数为 3. 44,且在 1%的置信水平上显著为正,这表明关注度的提高可以在一定程度上缓解投资者的“锚定效应”,降低投资者对锚值的依赖。这是由于:在基金市场上,由于时间和精力的有限性,相比于关注度较高投资者,关注度较低的投资者不能根据市场形式的变化和新信息及时调整自己的预期,更可能因为调整不足出现“锚定效应”。此外,加入业绩现金流凸性和明星效应的虚拟变量之后,交乘项(RPR· IP)的回归系数依然显著为正。假设 2b 得到验证。

3.4.3 信息复杂度和“锚定效应”

表 9 为基金信息复杂度对投资者“锚定效应”的治理效应检验结果。如表 9第(1)列所示,锚定比率与基金信息复杂度的交乘项(RPR· NIn)的回归系数为-0. 014,且在 1%的置信水平上显著,表明基金的信息复杂程度越高,投资者在作出投资决策时就越依赖锚定比率,“锚定效应”就越强。这是由于:投资者对基金信息的分析和解读效率和基金信息的复杂程度(NIn)显著负向相关,当基金的信息复杂程度很高时,投资者很难对信息作出及时的反应,因此更容易因调整不足出现“锚定效应”。此外,加入业绩现金流凸性和明星效应的哑变量之后,锚定比率与基金信息复杂度的交乘项( RPR· NIn)回归系数的符号和显著水平没有发生变化。假设 2c 得到验证。

3.4.4 决策成本和“锚定效应”

表 10 为决策成本对投资者“锚定效应”调节效应的检验结果。如表 10 第(1)列所示,锚定比率与决策成本的交乘项(RPR· Cost)的回归系数显著为正,表明投资者决策成本的提高,会降低其锚定效应。这是由于锚定效应的存在源自投资者的调整不足(Epley and Gilovich,2006),而投资者决策成本的提高会激励投资者更加谨慎努力的作出投资者决策,促使他们寻找更多更准确的信息作为决策依据,使投资者的调整不足得到缓解,进而降低投资者的“锚定效应”。此外,如表 10 第(2)和(3)列所示,在加入业绩现金流凸性和“明星效应”的虚拟变量之后,锚定比率与决策成本的交乘项(RPR· Cost)的回归系数依然显著为正。假设 2d 得到验证。

3.4.5 机构投资者和“锚定效应”

由于在专业知识、信息优势和认知水平等方面存在明显的差异,市场中的投资者一般分为机构投资者和个人投资者。机构投资者往往表现出更强的理性投资,而个人投资者却因缺乏专业知识,更容易出现行为偏差。那么这两类投资者是否会表现出相同程度的“锚定效应”? 本文将基金净资金流(flow)拆分成机构净资金流(flowins)和个人净资金流(flowind)两部分进行回归分析,以考察个人投资者和机构投资者之间“锚定效应”的差异。如表 11 第(1) ~ (3)列、第(4) ~ (6)列示,锚定比率(RPR)仅会对个人净资金流产生显著的负向影响,其对机构净资金流的影响并不显著。这说明与个人投资者不同,机构投资者在作出投资决策时不存在“锚定效应”,更加理性。假设 3 得到验证。

4 稳健性检验

我们通过改变锚值的计算方法对上述回归结果进行稳健性检验,具体而言分别以过去 6 个月和 24 个月的基金份额净值的最高值作为锚值构建锚定比率,重新进行表 4 的分组检验和模型(16) ~模型(24)的回归分析。稳健性检验中各个变量回归系数的符号和显著性均和前文一致,表明本文的研究结论不受锚值的选取的影响,研究结果非常稳健^①。

5 研究结论与政策建议

虽然锚定效应可以帮助基金投资者简化投资决策,加速决策过程,但是也会产生巨大的负面影响,即引发基金市场“赎回异象”的产生,这不仅会损害投资者自身的投资利益,还会对我国基金行业的长远发展产生不利影响。本文以我国开放式基金为例,深入探究了投资者选择基金时的锚定效应。实证结果表明:第一,基金投资者在挑选基金时存在“锚定效应”,主要根据之前“52 周份额净值新高”和当前价格来判断基金是否值得买入,如果发现持有的基金在本期的价格与“52 周份额净值新高”相比较高,投资者会觉得基金比较昂贵,倾向于将基金赎回。这可能是由于基金市场上的个人投资者尚不成熟且专业知识有限,可能并不了解各种因子模型的具体含义和计算方法,导致即使某些因子模型已经被学术界和实务界广泛接受和认可,投资者在实际的投资过程很难迅速计算或者获取这些因子收益,所以更倾向于依赖锚值这一简化的现实模型来制定投资决策。第二,虽然姚颐和刘志远(2004)、陆蓉等(2007)与李志冰和刘晓宇(2019)等学者指出我国基金投资者在选择基金时存在赎回异象,然而对赎回异象产生的原因学术界尚未有合理的解释,本文首次提出赎回异象的根源在于投资者的锚定效应,完善了关于赎回异象产生原因的理论解释。第三,本文发现,决策环境不确定性的增加、信息复杂度的提高、投资者关注度的减少和决策成本的降低都会加剧投资者的“锚定效应”。第四,本文发现与存在锚定效应个人投资者不同,机构投资者相对理性,不存在“锚定效应”。据此,本文提出以下研究建议。

(1) 对于基金公司而言。第一,稳定基金业绩、减少基金份额净值的大幅波动可能是解决投资者“赎回异象”的根本办法。“赎回异象”产生的根源在于基金投资者的“锚定效应”,即投资者可能没有能力对基金的业绩表现作出合理的评估,只能依据“52 周份额净值新高” 这一锚值制定投资决策。因此,改善“赎回异象”需要基金经理的将工作重点从提高业绩转变到维持基金业绩和单位份额净值的稳定性上来。第二,建立合理的分红制度。当基金的业绩较好时,基金经理应当进行适当的分红,一方面,分红有利于投资者信心的增加,可以吸引更多资金流入(李科和陆蓉,2011);另一方面,分红也可以降低基金的单位份额净值,缓解由锚定效应导致的赎回增加。第三,基金管理公司在发布重要信息时,应保持一定的规律性,降低基金投资者在搜集基金信息的成本,进而缓解有限关注对投资者决策造成的负面影响;在进行投资策略宣讲时,基金经理应充分考虑到投资者实际金融知识水平,避免过度使用金融、经济学的专业用语,尽可能采用简单明了的语言、形象生动的图片等方式向投资者传达信息,降低基金信息的复杂度。第四,在基金费率的设置上,当因业绩上升而面临较大的赎回压力时,基金经理可以适当提高赎回费率,通过增加投资者的决策成本,促使其更加谨慎地作出投资决策,以缓解自身面临的赎回压力。

(2) 对于监管层而言。第一,加强投资者教育的工作仍需继续,相关机构应当积极引导投资者理性客观地评估基金业绩,从根源上降低基金经理的道德风险,进而推动基金业绩激励机制的完善;第二,要加强对机构投资者的治理,敦促其及时、全面且如实地披露信息,加强信息环境建设;第三,在遵守相关法规的条件下,简化投资者的投资程序。如大力推行正规合法的理财软件,降低投资者了解和购买基金的时间成本,减少基金投资者去券商等金融机构的时间支出,使其有更多的时间去评估基金的绩效表现。

(3) 本文的研究结论对于进一步深入理解基金投资者的行为逻辑和推进资本市场深化改革也具有一定实际意义。个人投资者在我国开放式基金市场中不仅占比较高,而且理性程度和认知水平较低,往往表现出较强的“锚定效应”,引发赎回异象,导致基金行业的优胜劣汰机制得不到充分的发挥。因此,有关部门应按照十九届四中全会精神要求,加快培育和发展专业的理财机构(如 FOF 基金),改善投资者结构。

参考文献

黄顺武, 田欢, 王梦莹. 2017. 有限关注、心理锚与预期收益[J]. 贵州财经大学学报,(4): 66-75.

Huang S W, Tian H, Wang M Y. 2017. Limited attention, psychological anchorsand expected returns[J]. Journal of Guizhou University of Finance and Economics,(4): 66-75. (in Chinese)

李科, 陆蓉. 2011. 投资者有限理性与基金营销策略———基金大比例分红的证据[J]. 管理世界,(11): 39-48.

Li K, Lu R. 2011. Investor limited rationality and fund marketing strategies:Evidence from high dividend payout[ J]. Management World, ( 11): 39-48. ( inChinese)

李学峰, 王建虎. 2010. 开放式基金锚定启发式偏差对其绩效的影响———基于行业超额收益率的视角[J]. 金融发展研究,(10): 75-80.

Li X F, Wang J H. 2010. Analysis on the anchoring heuristics bias of open-endfunds and its influence on their investment performance: An empirical research basedon the industrial abnormal return[ J]. Journal of Financial Development Research,(10): 75-80. (in Chinese)

李志冰, 刘晓宇. 2019. 基金业绩归因与投资者行为[J]. 金融研究,(2): 188-206.

Li Z B, Liu X Y. 2019. Fund performance attribution and investor behavior[ J].Journal of Financial Research, (2): 188-206. (in Chinese)

陆蓉, 陈百助, 徐龙炳, 等. 2007. 基金业绩与投资者的选择———中国开放式基金赎回异常现象的研究[J]. 经济研究,(6): 39-50.

Lu R, Chen B Z, Xu L B, et al. 2007. Fund performance and investors􀆳 choice:Analysis on the redemption puzzle of open-end fund market in China[ J]. EconomicResearch Journal, (6): 39-50. (in Chinese)

陆蓉, 张斌, 李琛. 2020. 分析师盈余预测修正中的参考点效应[ J]. 国际金融研究,(6): 86-96.

Lu R, Zhang B, Li C. 2020. Reference point effects in analysts􀆳 earnings forecast revisions[J]. Studies of International Finance, (6): 86-96. (in Chinese)

吕江林, 李兴. 2017. 我国机构投资者的投资行为理性吗? [ J]. 江西社会科学,37(11): 53-63.

Lv J L, Li X. 2017. Is the investment behavior of institutional investors rational?[J] Jiangxi Social Sciences, 37(11): 53-63. (in Chinese)

彭惠, 江小林, 吴洪. 2012. 偏股型开放式基金“赎回悖论”的动态特征及申购异象[J]. 管理世界,(6): 60-73.

Peng H, Jiang X L, Wu H. 2012. The dynamic characteristics of the “ redemption paradox” in the open-end stock fund formed mainly by the investment in stock, and the purchase abnormality[J]. Management World, (6): 60-73. (in Chinese)

邵新建, 何明燕, 江萍, 等. 2015. 媒体公关、投资者情绪与证券发行定价[ J]. 金融研究,(9): 190-206.

Shao X J, He M Y, Jiang P, et al. 2015. The management of media public relation, investor sentiment and security offerings [ J ]. Journal of Financial Research, (9): 190-206. (in Chinese)

史永东, 王谨乐. 2014. 中国机构投资者真的稳定市场了吗? [ J]. 经济研究,49(12): 100-112.

Shi Y D, Wang J L. 2014. Do Chinese institutional investors really stabilize the market? [J]. Economic Research Journal, 49(12): 100-112. (in Chinese)

伍燕然, 王凯, 苏凇, 等. 2019. 有限理性对开放式基金业绩-流量关系的影响[J].管理科学学报, 22(10): 101-126.

Wu Y R, Wang K, Su S, et al. 2019. Effects of limited rational factors on performance-flow relationship of mutual funds[ J]. Journal of Management Sciences in China, 22(10): 101-126. (in Chinese)

肖峻, 石劲. 2011. 基金业绩与资金流量: 我国基金市场存在“赎回异象”吗? [J].经济研究, 46(1): 112-125.

Xiao J, Shi J. 2011. Historical performance and fund flows: Doe “ redemption anomaly” exist in China,s open-end fund market? [J]. Economic Research Journal, 2011, 46(1): 112-125. (in Chinese)

杨威, 冯璐, 宋敏, 等. 2020. 锚定比率可以衡量股价高估吗? ———基于崩盘风险视角的经验证据[J]. 管理世界, 36(1): 167-186.

Yang W, Feng L, Song M, et al. 2020. Can the reference point ratio measure stock price overvaluation? Evidence from stock crash risk [ J ]. Management World,36(1): 167-186. (in Chinese)

姚颐, 刘志远. 2004. 我国开放式基金赎回行为的实证研究[ J]. 经济科学,(5):48-57.

Yao Y, Liu Z Y. 2004. The empirical study on the redemption behavior of open-end fund in China[J]. Economic Science, (5): 48-57. (in Chinese)

祝继高, 辛宇, 仇文妍. 2017. 企业捐赠中的锚定效应研究———基于“汶川地震”和“雅安地震”中企业捐赠的实证研究[J]. 管理世界,(7): 129-141.

Zhu J G, Xin Y, Qiu W Y. 2017. Research on the anchoring effect in firms, donation decision[J]. Management World, (7): 129-141. (in Chinese)

左大勇, 陆蓉. 2013. 理性程度与投资行为———基于机构和个人基金投资者行为差异研究[J]. 财贸经济,(10): 59-69.

Zuo D Y, Lu R. 2013. Rationality and investors, behavior—Based on the behavior of institutional and individual fund investors [ J ]. Finance & Trade Economics,(10): 59-69. (in Chinese)

Alexander G J, Cici G, Gibson S. 2007. Does motivation matter when assessing trade performance? An analysis of mutual funds[J]. Review of Financial Studies, 20(1):125-150.

Barber B, Odean T. 2008. All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors [ J]. Review of Financial Studies, 21(2): 785-818

Berk J B, Green R C. 2004. Mutual fund flows and performance in rational markets[J]. Journal of Political Economy, 112(6): 1269-1295.

Cohen L, Lou D. 2012. Complicated firms[J]. Journal of Financial Economics, 104(2):383-400.

Cyert R M, March J G. 1963. A behavioral theory of the firm[ M]. New Jersey, USA: Prentice-Hall, 137-142.

Epley N, Gilovich T. 2001. Putting adjustment back in the anchoring and adjustment heuristic: Differential processing of self-generated and experimenter-provided anchors [J]. Psychological Science, 12(5): 391-396.

Epley N, Gilovich T. 2006. The anchoring-and-adjustment heuristic: Why the adjustments are insufficient[J]. Psychological Science, 17(4): 311-318.

Ferreira M A, Keswani A, Miguel A F, et al. 2012. The flow-performance relationship around the world[J]. Journal of Banking & Finance, 36(6): 1759-1780.

Jacowitz K E, Kahneman D. 1995. Measures of anchoring in estimation tasks [ J]. Personality and Social Psychology Bulletin, 21(11): 1161-1166.

Kahneman D, Tversky A. 1979. Prospect theory: An analysis of decision under risk[J]. Econometrica, 47(2): 263-292.

Li J, Yu J F. 2012. Investor attention, psychological anchors, and stock return predictability[J]. Journal of Financial Economics, 104(2): 401-419.

Maitland E, Sammartino A. 2015. Decision making and uncertainty: The role of heuristics and experience in assessing a politically hazardous environment [ J ]. Strategic Management Journal, 36(10): 1554-1578.

Malhotra S, Morgan H M, Zhu P C. 2018. Sticky decisions: Anchoring and equity stakes in international acquisitions [ J ]. Journal of Management, 44 ( 8 ):3200-3230.

Pollet J M, Wilson M. 2008. How does size affect mutual fund behavior? [ J]. The Journal of Finance, 63(6): 2941-2969.

Thomas M, Morwitz V. 2009. Heuristics in numerical cognition: Implications for pricing [M] / / Rao V R. Handbook of Pricing Research in Marketing. Northampton, MA:Edward Elgar Publishing, 132-149.

Tversky A, Kahneman D. 1974. Judgment under uncertainty: Heuristics and biases[J].Science, 185(4157): 1124-1131.

▼   往期精彩回顾  ▼

  钱颖一：大学学生培养中的七个现象和七个权衡

---

朱玉杰等：融资约束与出口企业产品市场竞争——汇率改革冲击的视角

扫码关注我们
积跬步、至千里，《经济学报》与您携手启程！