基金规模论文篇（1）

中图分类号：F832.3 文献标识码：A 文章编号：1001-828X（2013）08-0-01

自2001年9月我国推出首只开放式基金以来，开放式基金无论在数量、规模，还是种类上都取得了迅猛发展。尤其是最近两年，随着股权分置改革的逐步完成，特别是国内宏观经济形势的持续走好，导致中国股市凸现“赚钱效应”，投资者购买基金的热情日趋高涨，这进一步促进了开放式基金的急剧发展。据不完全统计，2007年前三季度我国共成立新基金51只，而上半年307只开放式基金资产净值就高达15971.84亿元，占A股流通市值的三成左右。尽管基金市场异常火爆，投资者购买需求旺盛，但出于投资者利益保护和自身业绩考虑，多只基金都公告暂停申购，以控制基金规模。

在我国，基金规模和基金业绩之间的关系到底如何？这已经成为理论界和投资者共同关注的话题。一般认为，由于存在规模经济效应，因此基金规模越大，基金业绩就会越好。但有趣的是，实践中基金排名状况与之并不完全吻合，超大规模基金并没有比小规模基金取得更好的业绩。同时，也有另外一种观点认为，小规模基金由于其操作灵活性，因此更容易取得骄人业绩，但这一观点也并未得到实际数据的支持。以上的两种观点更多的只是一种推测，缺乏严格的证据。那么基金规模是否会显著影响到基金业绩呢？特别是在中国这一新兴资本市场情境下基金规模和基金业绩之间到底呈现何种关系？本研究将在相关理论分析基础上，运用中国基金数据对此进行实证检验。

（一）基金规模与费用。费用是影响基金业绩的重要因素之一，但费用在很大程度上受到基金规模的影响。在我国，开放式基金的费用主要包括四部分：第一部分是付给基金管理公司的报酬，即基金管理人报酬；第二部分是给基金持有人提供交易服务和交易记录的行政管理费用，其中包括托管费、卖出回购证券支出、信息披露费用、审计费用等；第三部分则是销售费用；第四部分是其他费用，主要包括无法归入上述三类的费用。

（二）基金规模与流动性。基金规模的增加在通过规模经济降低费用率的同时，也会降低基金资产在证券市场上的流动性。一般来讲，持有证券规模越大，则其变现能力越低，其证券价值也就相应降低。通过实证研究证实，由于流动性和价格影响等原因，基金规模会侵蚀基金业绩。

由于很难直接测度流动性，本文利用股票差价收益率来反映流动性特性。其中，股票差价收入率反映单位资产可获得的股票差价收入。之所以利用股票差价收益率来反映流动性特性，主要是因为如果流动性的侵蚀作用主要表现在降低基金管理人买卖证券的自由度，则其无法获得如愿的证券差价收入。另外，我国的开放式基金80%以上的收入来自股票差价收入。而小规模的基金则不存在这个问题，由于交易规模较小，他们很难受到流动性的影响。诚然，大规模的基金可以通过分散投资来降低流动性的影响，但市场上好的证券和基金经理的选择能力都是有限的。另外，大规模基金现金流入带来的压力可能使得基金经理投资于次优股票，从而侵蚀了业绩。基于以上分析，论文提出如下研究假设：

（三）基金规模与业绩。基于前面的分析可以发现，基金规模可以从两个方面影响基金业绩，其一，基金规模增加带来了费用上的规模经济效应。因此，在其他条件不变的情况下，越低的费用率意味着越高的投资收益。其二，基金规模增加降低了基金流动性。在其他因素不变的情况下，流动性越差，则基金的变现能力越差，基金经理人获取证券差价收入的空间大大降低，这会对基金业绩产生负面效应。可见，基金规模对基金业绩而言是一把双刃剑。在规模逐步扩大的过程中，由于费用方面的规模经济会使得基金业绩先上升（因为此时规模还相对较小，流动性的侵蚀效应小于费用的规模经济带来的节约），但当基金规模扩大到一定程度，流动性的侵蚀作用开始放大，甚至超过费用经济带来的节约，这将使得基金业绩开始下降。这些研究都是针对成熟资本市场展开的，在中国资本市场情境下基金规模和基金业绩的关系仍有待进一步探索。

基于以上分析，论文提出如下研究假设：基金业绩和规模基金间存在一个倒U型的非线性关系，即基金业绩先随着基金规模的增加而上升，但当基金规模达到一定程度后，基金规模的进一步增加反而会降低基金业绩。

（四）样本选择与数据来源。2004年至2006年间的偏股型开放式基金。根据晨星基金分类方法，我们将基金投资类型为股票型和积极配置型的开放式基金定义偏股型基金。以深圳和上海证券交易所的所有股票型和积极配置型开放式基金为总样本，选取符合以下标准的基金作为研究对象：（1）考虑到其他类型的基金很少，这里只选择契约开放型基金；（2）须为非指数型基金，指数型基金属于被动管理型，不太符合研究需要；（3）当年周净值数据完整且没有进行拆分。遵循以上标准，共获得189个有效样本。

为了进一步检验各变量之间的关系，论文进一步进行回归分析，表4给出了回归模型（1）的结果。同绝大多数研究的结论一致。因此，研究假设H1得到了较好的支持，即基金费用率同基金规模之间存在着显著的负相关关系。

基金规模论文篇（2）

Ⅰ引言

基金行业成本的平均水映了该行业经营效率的高低，基金管理费的水平高低也直接影响基金投资者与基金公司相互利益关系，如何看待基金的管理费水平、如何把握基金管理成本的影响因素及其发展趋势，一直是基金业发展历程中的热门话题之一。根据成本理论，基金规模的快速扩张，应该会产生明显的规模经济，从而使得行业平均成本呈现下降趋势。事实上,Baumol、Goldfield、Gordon和Koehn(1990)发现1980－1990年之间的共同基金存在显著的规模经济；Dermine和Roller(1992)证明了小型和中型规模的法国基金家族存在规模经济，而大基金家族则没有；Ferris和Chance(1987)，McLeod和Malhotra(1994)，Latzko(1999)也指出，开放式基金的管理中存在潜在的规模经济问题。在国内，对基金业绩评价的研究可谓汗牛充栋，但对基金的规模经济问题进行数量分析的文献还十分罕见。考虑到我国开放式基金成立时间不足两年，基金数量不多，可用的数据太少，无法进行有效的计量研究，因而，本文将利用由33只封闭式基金从1999－2002年的非平衡面板数据（unbalancedpaneldata）单独对我国封闭式基金的规模经济问题进行实证研究，以期为当前国内广受关注的基金问题的讨论提出一些新见解。

Ⅱ模型和计量方法

2.1模型

传统的经济理论假设厂商存在一个由长期生产中的规模经济和规模不经济所决定的U型长期平均成本曲线，厂商将不断提高其资产规模直至边际收益等于边际成本，工厂规模应该确定在使平均成本处于长期平均成本曲线底部的水平上，也就是说，只要仍然存在规模经济，工厂规模将继续膨胀。在金融经济学领域，对数变换成本模型（translogcostmodel）由于其解释的简易性和清晰性而成为一个在规模经济问题的实证研究中得到普遍应用的方法，比如Noulas、Ray和Miller（1990）对银行业的研究，Bers和Springer（1998）对房地产信托投资的分析，甚至于Christensen和Greene（1976）对电力生产的实证探讨都用到了这一模型。本研究也将运用上述二次对数变换成本模型来分析我国封闭式基金的规模经济问题，具体模型如下：

(1)

其中：

＝基金在年总运营费用的自然对数；

＝基金在年总净资产的自然对数；

＝基金在年的组合交易量，这里简化定义为总的股票交易量；

＝基金在年的平均年收益；

＝随机

误差项。

基金的投资目标对基金的费用会有显著的影响，在对基金进行比较研究时,理论上应坚持不同类型基金不做比较的原则，但由于我国封闭式基金投资风格几乎没有差别，我们没有将这一变量放入模型中加以考虑，这对分析结论不会产生大的影响。

2.2面板数据

考虑到传统的回归形式不能充分显示基金之间的差异性，本研究采用面板数据这一计量方法去研究上述费用模型，该法适用于分析时间序列观察值数量很小（经常只有三、四个观察值）而横截面组群或个体数量较大时的数据集。

在分析面板数据时，通常有三种方式：

第一种是集合所有的横截面和时间序列数据进行普通最小二乘法（OLS）回归的混合回归模型，相当于多个截面数据放在一起作为样本数据。该模型假设所有基金费用函数的截距和斜率系数保持不变()，则OLS给出参数的一致性、有效性估计。其形式为：

(2)

第二种是固定效应（fixedeffects）模型。该模型把截距项当作一个固定的未知参数，并对不同基金赋予不同的截距（），其形式为：

(3)

第三种是随机效应（randomeffects）模型。该模型把截距项当作一个随机变量（）。因而，方程可重写为：

(4)

其中，是基金的特殊干扰项。

对数变换费用模型的各参数将同时采用上述三种方法进行估计，并对估计结果进行F检验（F-test）、拉格朗日乘数检验（LagrangeMultipliertest）和豪斯曼检验（Hausmantest）以选择出最佳估计方法。

2.3规模经济

规模经济通常是以成本——产出弹性来计量的，我们运用总费用对资产的弹性来讨论封闭式基金规模经济存在和程度问题，这一弹性通过对对数变换模型进行求导得出：

(5)

当费用弹性小于1时，基金费用增加比例小于净资产增长比率，意味着存在规模经济；当费用弹性大于1时，存在规模不经济；当费用弹性等于1时，基金费用与资产同比例增加，那么规模经济和规模不经济也就不复存在。Noulas、Ray和Miller(1990)用平均法（averagemethod）计算费用弹性以评估是否存在规模经济，该法对每个样本或组内个体的费用弹性取平均值以导出样本或组的平均弹性，本文也运用此法计算费用弹性。

Ⅲ数据

本文数据包括横截面和时间序列两类数据集。我国首批规范化的证券投资基金直到1998年4月才开始上市，到目前为止也只有54只封闭式基金，综合考虑研究的基金样本数量不至太少和尽可能多地获得每个样本基金的数据，我们将研究的样本基金限制在2002年12月31日前至少运营两年的基金上，满足条件的样本有33只基金，囿于数据有限，我们将所有样本基金根据其净资产分成简单的两类：小型基金，其净资产不超过15亿元；大型基金，其净资产大于15亿元。所有数据都是从1999到2002年的年度数据。由于样本基金成立、运营时间不同，采集的数据也有多有少，为了最大限度利用原本就不多的数据，我们采用非平衡面板数据法（unbalancedpanels）进行估计。从图1和图2可以看出，小型基金的平均费率呈轻微的上升趋势，而小型基金的平均费率则相反，表现出随着净值增长而下降的趋势。

Ⅳ实证结论

对不同分组的相应最佳模型估计结果列于表1。

在三类分组中，的系数都为正并且在1%水平上显著,这显示基金费用与基金净资产显著相关。对大型基金组和全体基金组，的估计系数显著为负，而小型基金组的为负但不显著。基金费用与基金收益负相关，但并非总是显著的。从估计结果看：小型基金的平均费用弹性为1.56，远大于1，因而存在非常明显的规模不经济；小型基金的平均费用弹性为0.81，存在非常明显的规模经济；而所有基金的平均费用弹性为0.92，这说明，从总体上来看，我国封闭式基金存在规模经济。

图3是与净资产对应的费用弹性的散点图，费用弹性由（5）式算出。图中显示在净资产达到48亿元之前，弹性随着资产增加而快速下降，此后，开始缓慢下降。

通过计算代表性封闭式基金的平均成本曲线能够大致勾勒出封闭式基金总体的规模经济。具体方法是：对控制变量、取其均值并保持不变，再根据式（1）对不同的基金净资产值计算出相应的费率。图4为代表性封闭式基金的平均成本曲线，除了净资产低于10亿的一部分小型基金的费率随净资产增加而上升外，封闭式基金的平均成本随净资产增加而下降，然而，这一快速下降过程终止于基金净资产约50亿元处，此后，平均费率将随着基金资产而上升，而目前国内几乎没有封闭式基金的净资产超过这一水平，这意味着我国封闭式基金在运营管理上还有很大潜力可挖。

Ⅴ结论

本文的主要结论如下：

1.利用33个样本基金四年内的93个有效观察值，运用非平衡面板数据分析法，构造对数转换费用模型，我们研究了中国封闭式基金的规模经济问题。

2.在小型基金、大型基金和全体样本基金三个分组中，基金平均费用存在完全不同的水平和趋势，这促使我们对每一分组样本的规模经济分别进行考察。

3.在大型基金组中，我们发现了显著的规模经济，相反，在小型基金中则存在明显的规模不经济。这表明，大型基金在它们的长期平均成本曲线的下降部分运作，另一方面，小型基金则处于它们的长期平均成本曲线的上升部分。

4.对所有样本基金进行考察，其费用弹性的估计值小于1，这说明我国封闭式基金总体上存在规模经济。

5.代表性封闭式基金的平均成本曲线在所有样本基金净资产范围内是随其增加而下降的，而平均费率值在约50亿元处取最小值，国内目前还没有净资产超过这一规模的封闭式基金，因而我国封闭式基金在管理上有很大潜力可挖。

由于基金的样本数据比较少，在计量分析中我们只包括了33只基金的93个有效数据，要做出非常客观的评价结论也许比较困难，但是探讨一个比较客观的评价方法还是有可能的，也是十分必要的。随着时间的推移，在一个比较大的样本中，我们的结论是否能得到支持，则有待于未来的进一步研究，我们期盼也欢迎这样的进一步研究。

参考文献

Baumol,W.J.,S.M.Goldfeld,L.A.Gordon,andM.FKoehn.1990.TheEconomicsofmutualFundMarkets:CompetitionVersusRegulation,Boston:KluwerAcademicPublisher.

Bers,M.andT.Springer,1998.SourcesofscaleeconomiesforREITs,RealEstateFinance,14,pp.47-56.

Brauer,GreggoryA.,1988.Closed-EndFundsShares’AbnormalReturnsandtheInformationContentofDiscountsandPremiums,JournalofFinance,43(1),pp.113-127.

Christensen,L.andW.Greene,1976.EconomiesofscaleinU.S.electricpowergeneration,JournalofPoliticalEconomy,84,pp.655-676.

Dermine,J.,andL.H.Roller.1992.EconomiesofScopeandScaleinFrenchMutualFunds,JournalofFinancialIntermediation,2(4),pp.1077-82

Ferris,StephenP.andDonM.Chance,1987.TheEffectsof12b-1PlansonMutualFundExpenseRatios:ANote.JournalofFinance,42(4),pp.1077-1082.

Gyimah-Brempong,K.,1987.Economiesofscaleinmunicipalpolicedepartments:ThecaseofFlorida,ReviewofEconomicsandStatistics,69,pp.352-356.

Lemmon,MichaelL.,JamesS.Schallheim,andJaimeF.Zender,2000.DoIncentivesMatter?ManagerialContractsforDual-PurposeFunds,JournalofPoliticalEconomy,108(2),pp.273-299.

基金规模论文篇（3）

一、引言

近年来,产业内贸易一直是贸易界的热门话题，它在两国经济交往中扮演着重要的角色。产业内贸易是指一个国家在出口的某种产品的同时又进口同类产品，它与产业间贸易有着显著的不同。产业间贸易是指一个国家专门从事某种商品或服务的生产并进行出口，用以交换它不具备比较优势的其他商品或服务。

产业内贸易理论基于新贸易理论，换而言之，它的诞生基于规模报酬递增条件下的垄断竞争市场，而非传统的赫克歇尔俄林模型中的规模报酬不变条件下的完全竞争市场。产业内贸易理论的发展可以分为两个阶段。第一阶段是对统计现象的直观推断。20世纪年代中期以前，Vordoom对“比荷卢经济同盟”的集团内贸易格局变化的研究，Michaely对三十六个国家5大类商品的进出口差异指数的计算，Balassa对欧共体制成品贸易增长和Kojima对发达国家之间贸易格局的一系列的实证研究，构成了产业内贸易理论发展的第一阶段。与此同时，对二战后贸易新格局所进行的大量的理论研究推进了实证性研究的进展，并为产业内贸易步入第二阶段对统计现象的理论解释，提供了基础。70年代中期，Grubel和Lloyd 《产业内贸易》一书所作的开创性、系统性的研究使产业内贸易理论的发展上升到第二阶段。随后，许多西方学者对产业内贸易现象做了大量的理论性研究，使这一理论日渐丰富。Krugman (1981) 提出的理论基于垄断竞争的情况，认为“规模经济”和“产品差异”是将现代贸易理论和传统贸易理论区分开的评判标准，他认为这两个因素是影响各国产业内贸易的重要因素。Falvey(1981)、Falvey和Kierzkowski (1985)的研究基于赫克歇尔俄林贸易理论中的假想，分析了贸易伙伴国家的要素禀赋在产业内贸易中发挥的作用。Leamer (1988)提出市场开放度在产业内贸易中扮演了重要的角色。新近的关于产业内贸易的研究中，Davis (1995)的研究基于不同国家的技术发展差异，以强调要素禀赋作为比较优势的传统贸易理论作为理论基础。Harrigan(1994， 1996) 也同样强调了市场开放对贸易的贡献，以及市场开放对特定国家的产业内贸易增长做出的贡献。

基于新贸易理论和前人对产业内贸易的研究，本文将以下三个因素作为解释变量来检验这些因素对中国金融服务业的产业内贸易所造成的影响：（1）要素禀赋；（2）规模经济效应； （3）市场开放度。 下面的章节将对这三个要素建立模型并进行分析。

二、建立计量模型

1.因素的选择

（1）产业内贸易。Grubel和Lloyd(1975)创造了产业内贸易指数以衡量产业内贸易。Aquino (1978)、Tharakan (1983) 都通过Grubel和Lloyd(1975)的方法对产业内贸易进行了实证分析和数理分析。近年来，Vona (1991) 和Cooper等人(1993) 同样印证了Grubel和Lloyd指数的正确性。因此本文同样使用Grubel和Lloyd指数进行分析金融服务业的产业内贸易。在文中以IIT表示。

（2）要素禀赋。Falvey (1981) 、Falvey和Kierzkowski (1985)，在其产业内贸易模型中都将贸易伙伴国家的要素禀赋作为影响产业内贸易的因素。Moshirian (1994b) 的实证研究显示人力资源和物理资源是一些国家在金融服务业取得比较优势的两大决定因素。Davis (1995)在对产业内贸易进行理论研究时折中了传统的赫克歇尔―俄林贸易理论中的要素禀赋理论。在银行服务业这一领域，对各国比较优势和金融服务业产业内贸易影响最大的要素禀赋是人力资源，它反映为接受过高等教育培训的人数占总人口的比例。本文根据要素禀赋理论，将中国的教育发展程度用于评估人力资源对中国金融服务业产业内贸易的影响。在文中以EDU表示。假设教育发展程度越高，中国金融服务业的产业内贸易指数就越高。

（3）规模经济效应。Krugman (1981)认为在特定的某些国家中，垄断竞争条件下的规模经济效应无论对于贸易总量还是产业内贸易而言都是一个重要的影响因素。Greenaway和Milner 也认为规模经济是影响产业内贸易的重要因素。Lee (1989)， Hughes (1993) 和Somma(1991) 发现规模经济的存在对制造业的产业内贸易有重大影响。在银行业领域，20世纪80年代到90年代有许多文献试图证明在美国的银行业中是否存在规模经济。Berger等人(1999) 的文章综述了那些试图评估银行效率，量化银行业规模经济的研究文献。他们发现在20世纪80年代，那些总资产高于100亿美元的银行中才存在规模经济。然而，在90年代，资产超过250亿美元的银行才体现出规模经济。本文选取中国所有银行的总资产来衡量规模经济效应对中国金融服务业产业内贸易的影响。在文中以SCA表示。假设规模经济的存在对金融服务业的产业内贸易增长有促进作用。

（4）市场开放度。在某些国家，由于国家对金融市场的开放，到20世纪80年代许多金融服务业的贸易壁垒已经消失了。乌拉圭回合贸易谈判更促进了金融服务业的扩展，加速了金融服务业的产品多样化。尽管Leamer (1988) 和Harrigan(1994，1996)强调市场开放度是促进贸易量增加的重要因素，Hughes (1993)， Greenaway 等人(1994) 和Bernhofen (1999) 对制造业产业内贸易的研究都没把市场开放度作为影响产业内贸易的因素进行考虑。虽然中国金融市场的开放度相对不高，但本文仍把市场开放度纳入考虑。本文以中国金融服务业的FDI来衡量中国金融服务业的市场开放度。在文中以FDI表示。假设市场开放度越大，中国金融服务业的产业内贸易量就越大。

2.模型的建立

本文运用Eviews3.1软件将要素禀赋、规模经济效应以及市场开放度三个影响因素与中国金融服务产业内贸易的关系进行计量分析,从而得出结论。

本文的数据样本区间选择1997到2004年。计算产业内贸易指数的数据来源于中国统计网。计算要素禀赋、规模经济效应和市场开放度的数据均来源于中国统计年鉴。

（1）计量分析。首先，我们对要素禀赋、规模经济效应以及市场开放度三个因素与金融服务业产业内贸易的关系进行计量分析，建立模型：

IIT=eC1×EDUC2×SCAC3×FDIC4×eu

因为经济时间序列经常存在异方差，为了消除所选数据中可能存在的异方差，对所有变量取对数得：

LnIIT=C1+C2×LnEDU+C3×LnSCA +C4×LnFDI +u

其中IIT表示产业内贸易指数，EDU表示接受过高等教育的人口占总人口的比例，SCA表示金融服务业的规模经济效应，FDI表示金融服务业的外商直接投资；C1代表常数项，C2是回归系数，代表要素禀赋对我国金融服务业产业内贸易的影响力度，C3是回归系数，代表规模经济效应对我国金融服务业产业内贸易的影响力度，C4是回归系数，代表市场开放度对我国金融服务业产业内贸易的影响力度；u表示干扰因素的影响。回归结果见表1：

表1：中国金融服务业IIT影响因素计量分析结果

该回归方程的各变量均通过了5%的显著性水平检验，拟合优度达到了88%，调整后的拟合优度系数也达到了79%，且不存在相关状况。

(2)实证结果分析。对要素禀赋的统计结果如预期的具备正显著性，表明要素禀赋与中国金融服务业的IIT指数存在着正相关，而且要素禀赋对产业内贸易的增长有促进作用。这一结果是符合Falvey、Falvey、Kierzkowski以及Walter等人的研究结果的。这是因为一些金融工程或者风险投资管理都需要大量的高素质金融人才。例如为兼并、收购行为提供顾问， 房地产业顾问，公司财务管理等。风险资本融资、项目融资、房地产融资也都需要高素质的人力资本来产出多样化的金融产品。而金融产品的高度多样化则能促进金融服务业的产业内贸易增长。

对中国金融业规模经济效应的统计结果显示，中国金融服务业的行业内贸易的确是与规模经济相关联的。实证结果显示那些规模较大、更便于向国内外客户提供服务的大型金融机构确实获益于规模经济，与小型的金融机构相比，这些大型的金融机构在国外提供金融产品的边际成本是很低的。同时这些金融机构也提供了更多品种的金融产品，有利于金融服务业产业内贸易的增长。研究结果与Hughes 等人(2001) 的结论相一致：规模经济在金融服务业中存在，尤其是对大型金融机构而言。

对市场开放度的统计如假设的一样，具备正显著性。金融服务业市场的市场开放度越大，金融服务业的行业内贸易就越为发达。国外的研究成果均显示一个国家对国外贸易与投资的开放度越大，在金融服务业的产业内贸易量就越大。贸易壁垒和国家限制政策都将影响金融服务业的贸易量。这与Harrigan (1994， 1996) 的研究结果一致：市场开放度将增加贸易量，因此也会增加产业内贸易量。

三、总结

本文基于Helpman (1981) 、Markusen和Venables(1998，2000)及其他众人发展的现代贸易理论，对影响金融服务业的产业内贸易的重要影响因素进行了一系列的假设，并建立了模型对中国金融服务业的产业内贸易进行分析。实证结果显示要素禀赋、金融服务业的规模经济效应以及金融服务业的市场开放度都促进了中国金融服务业的产业内贸易增长。

由此可以看出，为了促进中国金融服务业的产业内贸易增长，我们可以从以下三个方面着手：(1)提高金融服务市场的开放度，积极参与区域经济一体化进程，以此促进产业内贸易的发展。我国与亚太经济合作组织成员国、东盟成员国之间的贸易往来都大大提升了中国的产业内贸易指数。充分利用我国与这些国家之间的日益兴旺的经济贸易，加快金融服务市场的开放与相互交流，有助于提高我国金融服务业的产业内贸易水平。(2)提高产业集中度，实现规模化经营，由此发挥金融行业的规模经济效应。严格规范市场准入条件，对外资向我国金融行业的进入做出相应的规定；制定相应的产业政策，对国内的金融服务业进行合理保护；规范扰乱金融服务业市场秩序的行为，培育有利于规模经济发展的市场结构。(3)重视教育事业对金融服务业的影响，重视对金融专业人才的教育培养。为金融服务业提供急需的高素质金融人才。

参考文献：

[1]Fariborz Moshirian，Donghui Li，Ah-Boon Sim．Intra-industry trade in financial services[J]．Journal of International Money and Finance ，2005，（24）.

[2]大卫・格林纳韦．国际前沿问题[M].中国税务出版社，2000.

[3]Dominick Salvatore.国际经济学[M].北京：清华大学出版社，1999，2.

基金规模论文篇（4）

中图分类号:F830.9文献标识码:A文章编号:1003-9031(2010)05-0031-03DOI:10.3969/j.issn.1003-9031.2010.05.08

一、引言

与封闭式基金不同,开放式基金具有开放的份额机制。此机制允许投资者根据基金业绩的表现自由申购和赎回基金,在一定程度上把基金投资者和基金管理者的利益紧密地联系一起,解决了封闭式基金中存在的委托人人问题。如果某一基金业绩好,投资者会踊跃申购该基金,从而带来基金规模的扩大和基金管理者管理收入的增加。反之,如果某一基金业绩变差,投资者也会相应地自由赎回该基金,导致基金规模的缩减以及基金管理者管理收入的减少。

国外对基金资金净流入与基金业绩关系的研究一致表明,基金的历史业绩与资金的净流入呈正相关,即基金前期良好的业绩能吸引本期资金的净流入,从而为基金公司带来利益。Spitz(1970)在研究了美国1960-1967年二十只共同基金的业绩和资金净流入关系后,得出基金业绩与资金净流入呈现正相关的结论。[1]Ippolito(1992)研究了1965-1984年143只美国共同基金的业绩与资金流动的关系,按照风险调整后的收益是否大于市场指数收益把基金分为赢家基金和输家基金,发现投资者能够理性地对基金的业绩产生反应,申购赢家基金赎回输家基金,并发现PFR的关系是不对称的,业绩好时资金流入的比例大于业绩差资金时流出的比例。[2]Sirri和Tufano(1998)引入了搜寻成本的概念解释PFR的不对称性问题。与业绩差的基金相比,明星基金更容易被媒体关注,被大众了解。因此,对于同样的业绩增长幅度,投资者往往会把更多的钱投入明星基金,认为此做法节约了搜寻基金的成本。[3]然而,国内的研究却得出截然相反的结论。刘志远和姚颐(2004)发现我国开放式基金存在赎回困惑,即基金业绩的增长导致了基金赎回率的增加,而且基金的净申购并不是出现在基金业绩增长最高时,而是在基金业绩增长最低时出现。[4]陆蓉、陈百助、徐龙炳和谢新厚(2007)研究中国14只股票型基金时发现,中国开放式基金的业绩及资金流动的关系呈负相关且为凹性,并提出收益的稳定性、基金规模、市场利率和股票指数收益率也是影响基金赎回率的因素。[5]郑宇涵、朱波和金钢(2009)使用2004年10月至2008年12月期间债券型基金的数据研究,发现中国债券型基金与股票型基金相同,也存在“赎回困惑”,并把债券基金按投资风格分类,分析了各种投资风格下影响债券基金赎回行为的因素。[6]

本文在对2006年1月至2009年6月的债券型基金数据进行分析后,得出了与郑宇涵等相反的结论,即我国债券型基金并不存在“赎回困惑”,基金净赎回率与基金前期业绩负相关(见图1)。本文分析了影响我国债券型基金赎回率的因素,并针对与现有文献研究结果不同的原因给出合理性的解释。

二、数据和变量的选择

1.数据的选择。本文选择2006年1月至2009年6月共14个季度的14只债券型基金进行分析。债券型基金的分类采用晨星网的分类标准,即不以基金名称或招股说明书进行分类,而是以基金实际持仓量作为分类标准,此种分类方式有利于结论的稳健性。14只基金为2006年1月前发行的所有普通债券型基金。本文所有数据来源于和讯基金网和WIND数据库,计算过程用EXCEL和EVIEWS软件完成。

2.被解释变量。即净申购率,使用资金净流入而不用基金份额来表示净申购率,是因为在基金分红的情况下使用基金份额的计算方法会夸大基金的净申购,使数据失真。净申购率的计算公式为:Flowit=(NAVit-NAVi,t-1(1+Rit))/NAVi,t-1,其中, NAVit=Pit*;Pit为t期末第i只基金单位净值;Qit为t期末第i只基金的基金份额;Rit表示t期内第i只基金的收益率。

3.解释变量。其中包括基金收益率Rit、基金的分红divedendit、Sizeit、基金当期收益率波动性Riskit、股票指数收益率Mit。

基金收益率Rit的计算公式为:Rit=(Pit+dividendit-Pi,t-1)/Pit。divedendit是第i只基金在t期内的红利;此处的Pit是指基金的单位净值而非累计净值,这是因为基金累计净值指基金成立以来的所有累计净收益,不适合在计算基金当期收益率时使用。国外文献结论一致是基金前期收益率的增加能够带来资金的净流入,因此本文假设基金收益率与净申购率正相关。

基金的分红dividendit是指根据行为金融学里的“处置效应”,人们倾向于卖出价格上涨的资产,而持有价格下跌的资产。当基金净值很高时,投资者容易赎回持有的基金。基金的分红降低了基金的净值,因此可预期基金分红额与资金净流入正相关。

关于基金规模Sizeit,Sirri和Tufano(1998)认为基金的规模会提升基金的知名度,降低搜寻成本,从而吸引投资者投资该基金。陆蓉等(2007)发现基金的现金流入与基金前期规模负相关。因此,规模与资金流入的关系是不确定的。

关于基金当期收益率波动性Riskit,收益率的标准差常用来度量资产的风险程度。根据投资者效用函数理论,资产风险的增加会降低投资者效用,从而抛售该资产。因此,可预期基金收益率波动性与资金净流入负相关。用公式表示为:Riskit=σit。σit为第i只基金第t个季度日收益率的标准差,n为该季度基金交易日数。

关于股票指数收益率Mit,根据金融学理论,债券和股票的投资往往具有替代效应。在经济繁荣时,股票投资往往能获得超额收益,资金倾向于从债券流入股票。在经济萧条时,人们因为避险的需要而倾向于卖出股票买入债券。因此,本文预期债券基金资金流入与股票指数收益率负相关。为了避免共线性,模型中未加入债券价格指数。

三、计量模型的建立及结果分析

综合以上分析,可建立面板数据模型为:flowit=c+β1

Ri,t-1+β2Dividendi,t-1+β3Sizei,t-1+β4Riski,t+β5Mit,采用面板数据固定效应分析结果如表1所示。

由以上综合分析可得出以下结论:

1.债券型基金前期收益与净申购率正相关。陆蓉等(2007)得出结论,当期收益与资金流入呈负相关关系,“处置效应”作用明显,投资者赎回了业绩好的基金。与此相反,债券型基金投资者进行了相当理性的选择,买入了业绩好的基金,这与国外主流文献的实证结果一致。

2.股票市场收益率与资金净申购率成反比。这与预期相同,股票市场行情好时,资金倾向于从债券市场流入股票市场,表现为债券基金资金净流出;当股票市场行情发生逆转,资金从股票市场流入债券市场,引起债券基金的资金净流入。

3.前期基金规模与资金净申购率成反比。一方面,基金规模的扩大会引发投资者对于基金业绩下降的预期,引起基金的净赎回;另一方面,基金规模的扩大带来了品牌效应,向投资者传递了一种优质商品的信息,引起投资者申购基金。前一种效应具有更大的作用,表现为前期基金规模的扩大引起基金的净赎回。

4.债券基金的分红并不能带来资金的净申购。与股票型基金的实证结果不同,尽管前期分红变量的系数为正,但不能通过显著性检验。这是因为债券基金的收益率低,分红额少,其不能像股票型基金一样可以持续性的通过大比例分红来吸引资金流入。市场数据也证实了这一点,至2008年以来,尽管债券型基金收益率飙升,但其分红次数却明显下降。

5.收益率波动性与净申购率负相关,但其在5%的显著性水平下不能通过检验。这是因为债券型基金的收益波动率十分小,投资者对债券基金收益的波动性并不十分敏感。

在金融市场中,投资者会更加关注真实收益率而不是名义收益率,下面用扣除了通货膨胀因素的真实收益率替代上文中的Rit作回归分析,在5%的显著性水平下,除了β4变得更显著外,回归结果并没有发生变化,因此回归结果是稳健的(见表2)。

四、关于与国内其它研究结果不同的解释

首先,本文与郑宇涵等(2009)实证结果不同,原因之一是样本选择标准和样本时间段选择不同。本文选2006年1月至2009年6月的数据以2007年10月为中点,基本涵盖了我国股票市场的一个牛熊周期。一般来说,在股票市场牛市时,资金倾向于从债券债券市场流入股票市场。因此,一个对称的样本空间可以更好的解释投资者的行为。

其次,本文与中国股票基金实证结果不同,主要有两个原因。一是债券基金的投资者更为理性。在我国现阶段的资本市场充斥着大量不具备投资知识的“散户”,他们把股票基金当作股票进行买卖,导致股票基金的“处置效应”十分明显。债券型基金收益率低、收益波动性小等特点不能引起散户的投资热情,有利于把很多不理性的投资者排除。二是随着我国资本市场的完善与发展,投资者整体更为理性。2007年股票市场的崩盘使投资者们从狂热的投机热情中冷静了下来,重新思考资产配置与长期投资问题,极大地减弱了处置效应的作用。

五、结论与建议

本文对2006年1月至2009年6月14只债券型基金分析发现,中国债券基金业绩的提高可带来资金的净流入,债券基金中并不存在“赎回困惑”,这说明债券型基金的投资者要比股票型基金投资者更为理性。本文还对影响债券基金资金净流入的其他因素进行深入的分析,发现投资者喜欢购买收益高、规模小的债券基金,而对分红和收益率的波动性并不是特别关注。据此,笔者提出如下建议:一是基金公司应该适度控制基金规模。短期内,迅速膨胀的基金规模可能带来管理收入的暂时性增加,但长期来看,基金规模的扩大会产生巨大的赎回压力,会对基金的管理带来负面影响。二是可试图使用分红的方法吸引资金流入并没有起作用。投资者对债券基金的小额分红基本采取漠视的态度,他们更关注稳定的长期收益。三是基金公司要集中精力努力提高收益。基金收益率是吸引资金流入的最主要的因素,另外降低基金收益的波动性也有助于资金的流入。四是政府应该继续加大投资者教育的力度。理性的投资者用理性的方式进行交易,避免了无谓的市场波动,有利于市场的稳定。非理性的投资者无谓的频繁申购赎回基金,会导致基金经理不能根据资产配置理论最优配置资产,影响基金收益率,理性的投资者对基金行业的发展是极其重要的。

参考文献:

[1]Spitz, A. E. Mutual Fund Performance and Cash Inflow[J]. Applied Economics,1970(2).

[2]Ippolito, R. A. Consumer Reaction to Measures of Poor Quality: Evidence from the Mutual Fund Industry[J]. Journal of Law and Economics,1992.

[3]Sirri, Erik R., Peter Tufano. Costly Search and Mutual Fund Flows[J]. Journal of Finance,1998(53).

基金规模论文篇（5）

关键词 基金家族 明星基金 溢出效应 资助行为 冒险行为

一、“明星基金”溢出效应对基金家族行为影响实证分析

（一）研究假设

在我国基金市场中，“明星基金”明显的溢出效应为基金家族内部利益资助行为提供的动机，基金家族通过对家族内部业绩排名靠前的基金进行资助，利用“明星基金”的溢出效应来使得家族的利益最大化。所以，提出以下假设：

假设H1：基金家族中存在利益资助行为，资助的方式是优先资助那些业绩较好的基金，打造“明星基金”，从而使得基金之间的业绩差异增大。

（二）研究方法

此处借鉴Gaspar（2006）的研究方法，如果基金家族中存在利益资助行为（假设H1成立），那么基金家族的绩优与绩差成员基金之间的业绩差异就会大于非成员基金之间的业绩差异，因此检验家族是否存在利益资助行为就转化为检验基金家族的绩优与绩差成员基金之间的业绩差异是否大于非成员基金之问的业绩差异。

构造由两只基金组成的基金家族，成员基金分别为基金H（绩优基金）和基金L（绩差基金）。区分的标准是，成员基金的业绩在同投资风格基金中的排名。如果排名在前25％，则定义为基金H（绩优基金）；排名在后25％，则定义为基金L（绩差基金）。对于家族是否存在利益资助行为的直接检验即是检验属于同一家族的基金H和基金L的收益率差异是否显著大于属于不同家族的两者的收益率。为了便于比较家族内部不同投资风格基金之间的收益率，此处采用净风格收益率（净风格收益率 = 基金收益率 基金所属风格基金平均收益率）。在家族资助和打造“明星基金”行为的假设（假设H1）下，属于同一家族的基金H和基金L的收益率差异统计上将大于属于不同家族的两者的收益率差异。

为了检验家族内部与外部的差异，我们使用一个家族外的匹配基金LM来代替成员基金L。基金LM的选择按照如下标准：1.与基金H属于不同的基金家族；2.与基金L属于相同投资风格；3.与基金L同属于绩差的基金（随机选取）。从而家族资助和打造“明星基金”行为的假设（假设H1）下，基金H会接受家族以基金L业绩为代价的补偿，因此基金H和基金L的净风格收益差异会大于基金H和基金LM之问的净风格差异。

（三）数据来源与样本选择

所采用的基金数据来源于Wind资讯数据库，选取开放式基金中的股票型基金和偏股型基金作为研究对象，基金的投资风格按照Wind资讯分为6类：成长型、价值型、平衡型、收入型、指数型及行业型六类。研究期间为2005年第一季度至2010年第四季度共24个季度的数据。

三、“明星基金”溢出效应对基金经理行为影响分析

（一）研究假设

由上面的实证研究结果可以看出，由于“明星基金”溢出效应的存在，基金家族在利益的驱动下，对在家族内部进行不平等的资源分配，旗下基金进行打造，使部分基金成为投资者眼中的“明星基金”。这种行为会使“非明星基金”的基金经理采取更加冒险的投资策略。而从本质上讲，这种冒险行为是基金家族内部基金经理之间竞争性的体现，对于不同规模的基金管理公司而言，其内部的竞争程度是不同的，所以基金经理的冒险行为在不同规模的基金管理公司间可能存在明显的差异。对于规模大的基金管理公司而言，其内部众多基金相互竞争，从而使“非明星基金”的基金经理的投资策略的效果消弱；对于规模较小的基金管理公司而言，其内部仅有少数基金间竞争，基金经理能够充分考虑竞争对手的行为并采取行动，投资策略的效果较强（Kempf and Ruenzi，2006）。所以，对于规模大的基金管理公司而言，其“非明星基金”的基金经理的投资冒险行为将可能较弱，而规模较小的基金管理公司“非明星基金”的冒险行为可能更强。鉴于以上分析，提出以下假设：

假设H2：“非明星基金”的基金经理在未来更加倾向于冒险的投资策略，而且这种冒险倾向在规模较小的基金家族中更为严重。

（二）研究方法

基金经理投资的冒险行为可用基金经理管理基金的投资收益率标准差来衡量，我们假设“非明星基金”基金经理根据自己基金当期的表现，在滞后一期采取行动，那么“非明星基金”滞后一期的投资收益率标准差将会显著大于“明星基金”的投资收益率标准差。

我们对每个季度的基金管理公司按照旗下的基金数目排名，前20%的基金管理公司定义为规模较大的基金管理公司，后20%的基金管理公司定义为规模较小的基金管理公司。在回归方程中引入虚拟变量来分别表示基金管理公司规模大小，根据以上分析，我们采用如下面板回归模型：

（1）

其中， ，表示基金 从 季度到 季度的投资风险变化情况，其中 表示基金 在 季度的月度收益率的标准差， 大于0表明基金 在 季度的投资风险增加；小于0表示投资风险减少。 表示基金 本身在 季度是否是“明星基金”，如果基金 是明星基金， 的值取1，否则取0。 和 为虚拟变量，分别表示基金i所属的管理公司在t季度是否是规模较大或规模较小的基金管理公司，若为较大（较小）规模的基金管理公司， （ ）的取值为1，否则为0。 表示整个股票市场在 季度的月度收益的标准差，来控制整个市场波动对基金投资风险的影响。

（三）数据来源与样本选择

所采用的基金数据均来源于Wind资讯数据库。选取开放式基金中的股票型基金和偏股型基金作为研究对象。选取2005年第一季度至2010年第四季度共24个季度的数据。

四、结论与建议

（一）结论

本文主要从基金家族内“明星基金”的溢出效应以及这种效应对基金经理行为的影响两个方面进行了理论和实证方面的研究。结论如下：

首先，“明星基金”溢出效应的存在，为基金家族在基金间不均等分配资源、利益输送，打造“明星基金”提供了动机。由于“明星基金”的溢出效应可以给基金家族带来巨大的净现金流量，并带来丰厚的管理费用收入。基金家族在利益的驱动下，对旗下绩优基金进行资助，使其成为投资者眼中的“明星基金”。优良的业绩是决定基金是否是“明星基金”的首要因素，因此，基金家族通常选择前期业绩排名靠前的基金，通过给予这些基金更多的资源分配（如大量的广告宣传、最好的交易等）来对其进行扶持，使其业绩排名持续靠前，从而达到打造“明星基金”的目的。这一行为是以牺牲家族内业绩较差的基金为代价的，最终导致基金家族内部基金业绩的两级分化。

其次，基金家族在基金间不均等分配资源、利益输送，打造“明星基金”的这种行为，可能会扭曲基金经理的投资行为，使“非明星基金”的基金经理采取了更加冒险的投资策略。这种冒险投资行为在规模较小的基金管理公司中更为明显。

（二）建议

从本文实证结果来看，基金家族和基金经理都从自身利益出发，利用委托关系中的信息不对称，采取了某种策略。因此，如何在现有制度下缓解基金投资者、基金管理公司和基金经理三者之间的委托矛盾，保护投资者的利益将成为我们思考的重点。从本文结论出发，我们提出以下几点建议：

1．改变现有基金管理费收取模式

本文的实证研究结果表明，“明星基金”的“明星效应”会大幅增加整个基金家族的资金流，从而导致家族资产管理规模不断扩大，在现有的基金管理费收取模式下，最终使基金家族收入增加。鉴于以上的收入机制，基金家族在旗下各只基金不平等分配资源，努力打造明星基金，来增加家族的资产管理规模，增加收入。

可见，基金公司采取以上行为获利的重要保障就是单独以资产管理规模决定基金管理公司收入的管理费收取模式。在这种模式下，基金管理公司的收入与基金业绩并无直接关系，所以与业绩相比，基金管理公司更关注基金规模，只要基金规模够大，就能有可观的收入。于此相反，基金的实际持有人并不关注基金规模，只关注基金业绩。这就造成了基金管理人和持有人的利益不一致，出现的委托问题。

因此，应该将基金管理公司的管理费用与基金规模和基金业绩同时挂钩，即在收取基金资产管理规模一定比例的费用的基础之上，增加“业绩费用”。当基金业绩表现好时，给予基金管理人相应奖励，此时收取的总费用将比采用现行的收费模式更高；而一旦业绩出现亏损时，则对应的要给予基金管理人惩罚，此时收取的费用比采用现行的收费模式更少。通过这样的模式，就将基金管理人与基金持有人的利益得到统一。从而减少家族通过不平等资源分配打造“明星基金”的动机。

2．加强基金运作过程中的信息披露

由本文的分析可以看出，基金管理人出于自身利益的考虑，在旗下不同基金之间进行利益转移与利益输送来制造“明星基金”，从而吸引投资者的现金流入。而以上现象出现的重要原因就在于基金管理公司信息披露制度的不完善。现有的基金信息披露制度所要求披露的信息十分有限，这就为基金管理公司“暗箱操作”提供了可乘之机。因此，在现有制度下，应该更进一步加强基金运作与管理中的信息披露，严格防范和打击基金中的有关利益输送行为，保护所有基金持有人的利益。

3．加强基金持有人在基金运作过程中的监督力度

基金投资者利益代表缺位是我国基金治理结构中存在的一个重要问题，尽管我国《证券投资基金法》规定认购量共占总份额10%以上的基金投资者可以自行召开基金投资者大会，但是由于基金投资者众多，每个基投资者所持比例有限，投资者大会很难经常召开，通过投资者大会监管基金运作的效果也十分有限。因此，建议将监督机制更为有效的公司型基金治理结构引入基金市场，通过改变基金治理结构，最终克服契约型基金投资者利益代表缺位的缺陷。

参考文献：

[1]陆蓉,李良松.家族共同持股对基金管理公司业绩与风险的影响研究.金融研究.2008(2):140-151．

基金规模论文篇（6）

一、文献述评

作为公司金融的研究重点，融资约束对公司经营的影响及企业的财务管理模式很早就引起了学者的兴趣。凯恩斯（1936）认为，企业持有流动性的一大好处是可以把握有价值的投资机会。相应地，如果企业面临融资摩擦（financing friction），流动性管理就成为企业管理者必须考虑的重大问题。

传统的理论通过企业的投资行为来考察融资约束对企业经营的影响。然而，自Kaplan和Zingales（1997）以来，以上结论受到了多方面的质疑，最具挑战性的观点有两个：一是Tobin’Q的衡量偏误；二是投资―现金流敏感性能否作为判断融资约束存在与否的依据。

针对以上问题，Almeida and Campello et al.（2004）等提出了另外一种检验融资约束假设的思路：面临融资约束的公司需要储备现金以保证后续投资项目的实施，而非融资约束公司则没有这种需求。因此，融资约束公司将表现出强烈的现金―现金流敏感性，而非融资约束公司的现金持有政策则不受现金流量多寡的影响，也就不会表现出现金―现金流敏感性。

在我国，负债率高的公司具有比较明显的特点：一是国有控股的可能性大。二是资产规模比较大。从我国实际情况来看，由于银行贷款仍然是公司主要的外部融资渠道，越大的公司，可以提供更多的担保，银行需要承担的监督成本也越小。基于上述分析，本文提出如下假设：公司的负债率越高，规模越大，面临的融资约束程度越低。

这就引入一个新的问题：如何划分融资约束与非融资约束样本，进而考察不同样本的融资约束程度？以往的文献多采用主观判断的分类法，例如按照企业负债率、资产规模或分红的三分位、四分位数划分样本，为什么高（低）分位数样本就是非融资约束组？依据是什么（张文君，2014）？为此Hansen（1999）提出了面板门限模型（panel threshold model），该模型的基本思想是利用统计检验的方法基于数据本身对样本进行分类，这在很大程度上缓解了先验判断带来的偏误。

基于上述考虑，本文将利用面板门限―现金―现金流模型实证检验融资约束假说。

二、模型与数据

为了保证可比性，本文亦使用Almeida and Campello et al.（2004）的基础模型，并以此为基础构建门槛模型，如方程（1）所示，

其中， 和 分别为被解释变量（现金持有变化）和主要解释变量（现金流量）， 为示性函数，qit为Tobin’Q，为企业规模，rit为门槛变量，和大多数文献一样，本文使用企业负债率和企业规模作为门槛变量， 、 为相应的双门限值3，下标 分别为个体和时间标识符。

面板门限模型的求解主要包括两步：一是对门槛效应的检验，二是门槛值的求解。本文的数据来源于Wind数据库，选取全部A股上市公司2008――2015年的数据，进一步的筛选原则如下：（1）剔除金融类和ST类公司；（2）剔除有数据缺失的企业；（3）剔除财务数据异常的样本。最终得到1469家公司作为研究对象，共计10283个公司年度观察值。

三、实证结果与分析

本文采用不同的门槛变量，得到了一致的检验结果――模型中存在两个门槛值，即对于不同负债率（公司规模）的公司而言，由于其面临不同的融资约束，因而其现金―现金流敏感性是不同的。

根据负债率作为门槛变量，取公司规模作为门槛变量。得出以下结论：（1）低负债率样本的现金―现金流敏感性系数显著为负，这意味着低负债率反映了公司上佳的财务状况，因而能够有效缓解公司的融资约束，中等负债率和高负债率的现金―现金流敏感性系数为正，且中等负债率样本的系数为0.315，显著大于高负债率样本的0.0172，这部分验证了前文提出的假说――公司的负债率越高，面临的融资约束程度越低。同时，从样本的分布范围来看，低负债率的样本数只有133个，显然，负债率低于8%是一项要求极高的财务指标，企业的资金来源几乎全部来源于内源融资。中等负债率的样本数占到了总体的74%，高负债率的样本数达2542，占比24.7%，其中国企样本数达到1668家，这在一定程度上印证了前文的一个论断――负债率越高的公司国有控股的可能性也越大。（2）若以公司规模为门槛变量，则结果同样支持前文提出的假说――公司规模越大，面临的融资约束越小，大规模公司的现金―现金流敏感性系数为0.326，小于中等规模公司的系数0.445，令人意外的是，小规模公司的系数居然为负。但相比于负债率组，样本分布发生了很大变化，属于中等规模的样本数仅有333家，仅为全部样本数的3%，这样，对整体进行门槛回归已经没有太大的意义，但注意到第二个门槛值95%的置信区间为（447.773，10088.099），这是一个相当大的取值范围，事实上，若以10088.1为临界点划分样本，则中等企业规模的样本数达到2290。（3）几乎所有样本的现金―现金流敏感性系数均显著为正，这意味着绝大多数公司都面临着“融资约束”难题，关键在于，不同类型的公司面临的融资约束程度不同，高负债率通常也是大规模的企业，现金―现金流敏感性系数显著小于中等负债率或中等规模的企业，即前者面临的融资约束弱于后者。

四、结论与启示

本文以Almeida and Campello et al.（2004）的研究为基础，从现金―现金流敏感性角度检验了融资约束假说在中国的实用性。本文的实证结果主要有以下发现――区e于以往研究，本文发现，融资约束普遍存在于中国的上市企业中，融资约束对中国上市公司的现金持有行为具有重要影响，具体表现为，负债率越高、资产规模越大的公司面临的融资约束越弱，而中等负债率或中等规模公司则表现出更加强烈的现金―现金流敏感性。这直接验证了本文提出的理论假设。

融资约束显著影响上市公司现金持有行为这一结论具有重要的政策含义。对于企业而言，持有较多现金虽然可以在一定程度上缓解外部资金压力，提高企业投融资决策的自主性，但同时要承担较大的流动性成本，对企业管理者提出了很高的要求。除此之外，促进金融市场的发展，加快银行改制、培育和发展公司债券市场等有助于拓宽公司融资渠道的手段则是破解融资约束难题的根本之道。

参考文献：

[1]连玉君， 程建. 投资――现金流敏感性： 融资约束还是成本？[J]. 财经研究， 2007，33（2）：37-46.

[2]Myers S C. Determinants of corporate borrowing[J]. Journal of financial economics， 1977，5（2）：147-175.

基金规模论文篇（7）

doi：10.3969/j.issn.1673 - 0194.2016.04.101

[中图分类号]F224 [文献标识码]A [文章编号]1673-0194（2016）04-0-04

混合型开放式基金是指投资基金不仅投资股票，还投资于债券，且基金成立时不固定基金单位或股份总规模，以投资者需求可以随时出售或赎回基金单位和股份。混合型开放式基金由于投资自由度更大，所以风险分散性更强，这些优势让其在近些年快速发展，但越来越多产品的出现造成了投资者选择困境。DEA模型的证券投资基金评价体系具有独特的优势，可以便捷准确地选出绩效优秀的混合型开放式基金来解决这个问题。

1 基金投资绩效评价研究文献回顾

20世纪60年代现代资产组合理论出现后，以现代资产投资组合理论为基石初步建立起了证券投资绩效评价体系。后来Treynor发表的How to Rate Management Investment Funds一文中，首次提出了风险调整收益概念，并创造了Treynor指数，这是对基金风险的首次量化，开创了现资组合绩效评价的新局面，具有历史性的意义。

此后，众多学者对基金投资绩效评价方法提出自己的研究成果，其中大部分基金绩效评价都是以资本资产定价模型（CAPM）为基础，例如Treynor指数、Sharpe指数、Jensen指数被称为传统的三大基金绩效评价指标。这三个指数简化了基金绩效评价的复杂性，得到众多证券公司的认同。除此之外，基金绩效评价的研究方法还有以下几大类。

1.1 反映基金经理投资能力的评价方法

Treynor和Mazuy于l966年提出T-M模型，随后Henriksson和Merton于1981年提出了同样具备检验分离的证券选择能力和市场时机选择能力的H-M模型，这两个模型都是基于Jensen模型发展而来。两个实证研究结果显示，当时的基金经理股票选择能力较差。

国内许多研究中国市场基金经理股票选择能力与市场择时能力的学者也使用T-M模型。沈维涛、黄兴孪使用了夏普指数、詹森指数、T-M 模型及H-M模型对1999年5月10日以前上市的10只新基金，进行了实证研究，其中，样本观察期间为1999年5月14日至2001年3月23日，实证结果显示了我国基金经理具有一定的选股能力。

1.2 反映基金绩效持续性的评价方法

在西方发达国家，证券投资基金盈利能力的持续性也成为人们研究的一个热点，但国内的学者也有研究我国基金业绩的持续性。吴启芳等检验了我国封闭式基金业绩的持续性，检验结果显示：未来短期的业绩无法依据过去短期的业绩进行预测，但过去长期（6个月以上）业绩可以用来预测未来中长期业绩预测。周泽炯等对我国开放式基金的业绩持续性进行了检验，结果发现我国开放式基金业绩不具有持续性。

1.3 反映基金相对性绩效的评价方法

传统的绩效评价方法受主观选择绩效指标的影响，与实际存在差距，而投资者常常需要一个综合性的指标来衡量基金，因此，学者们将运筹学中的DEA模型引入到证券投资基金绩效的相对性评价中。数据包络分析是由著名的运筹学家A.Chames，W.W.Cooper以及E.Rhodes提出的，随后DEA模型广泛被运用到经济学各个领域，国内首次将DEA模型运用到我国基金绩效评价领域是陈刚、李光金。但运用DEA模型对我国混合型开放式基金相对绩效评价的文章则很少。

2 基于DEA模型开放式混合型基金评价体系理论分析

2.1 传统证券投资基金绩效评价体系缺点

传统证券投资基金绩效评价一般是运用基于CAPM模型的Treynor指数、Sharpe指数和Jensen指数来进行评价，其计算结果的正确性需要满足三个条件：第一，研究的样本基金必须是按照CAPM模型定价的基金；第二，理论上使CAPM模型成立的前提假设必须成立；第三，该模型是线性的、单基准的无条件业绩评价模型。

多基准模型的出现克服了CAPM模型的缺点：无法解释以股票特征进行分类的组合横截面收益的差异。其中最具有代表性的多基准模型为Lehmann与Modest的APT模型研究、Fama与French的三因素模型及Carhart四因素模型。多基准模型虽然部分解决了单基准模型所存在的问题，但在实证中，多基准模型都要求能识别所有的相关因素却又没有给出选择因素的标准，因此因素类别和个数的选择就受到个人主观判断的影响。

除此之外，国内基金评价体系中基金净值的计算也存在缺陷。第一，不同基金公司选用的数据来源和数据处理方法不尽相同，由此计算的基金净值权威性较低并且导致不同基金之间的比较非常困难；第二，为了追求较高的资产净值，许多基金重仓持有某些股票，一旦面临流动性需求，很难迅速变现；第三，对流动性需求的不重视，导致我国证券投资基金的资产净值普遍偏高。

2.2 DEA模型理论基础

随着DEA理论的不断发展，经济领域对DEA模型的运用越来越多。本文根据研究目的，选择DEA模型中的CCR模型对样本基金进行研究。CCR模型是Chames，Cooper及Rodes提出的，用来判断各个DMU的投入产出相对于其他DMU的相对有效性。

假设要对N个同类型的部门（决策单元）进行绩效评价，每个部门都有M种不同的投入以及P种不同的产出，分别用Xij和Yrj来表示，其对应的权系数V=（V1，V2，…，Vm）T与U=（Ul，U2，…，Up）T都是变量。这时每个决策单元的效率评价指数为：

j=1，2，…， N

从理论上来说，总是存在合适的权系数V和U，使其满足：hj≤1，j=l，2，…， N。

假设现在对第t个决策单元进行效率评价，1

2.3 DEA模型分析优势

根据DEA模型的理论，运用DEA模型进行混合型开放式基金绩效评价具有以下优势。

第一，DEA方法处理指标的权重值由数学规划来产生，而无法根据主观判断来寻找到任何一个决策单元的另外一组权重，排除了主观性，保证了公平性和客观性。

第二，运用DEA模型来进行绩效评估时，不需要投入和产出指标统一单位，只需要受评估的样本基金使用相同的计量单位，减少了转换为统一单位的步骤。

第三，DEA业绩评价方法可以同时对不同的基金在不同时期的收益水平和风险水平进行综合评价，其所求解的效率值为一综合性指标，容易进行综合比较。

3 混合型开放式基金绩效评价体系的实证研究

3.1 研究对象的选取

本文研究的对象是多次随机抽样从2008、2009、2010年发行的混合型开放式基金抽出的10只基金（详见表1）。评价期间为2012年12月31日至2013年12月31日，中间除去春节和“五一、十一”等节假日。对象选取的原则是：第一，这10只混合型开放式基金发行时间跨度间隔不大，投资范围均是沪、深上市股票或债券，相互之间具有可比性；第二，10只基金均来自不同时间不同地点的投资团队，受公司文化影响其基金的投资理念也不相同，且在评价期间都经历了相同的行情，具有可比性；第三，2008-2010年成立的基金属于较新的基金，且已存在三年以上，属于能稳定发展的基金，可以代表近期基金的发展情况。

3.2 评价指标的确立与市场基准的分析

由于2004年《证券投资基金法》取消了基金投资于国债的比例不低于20%的约束，而且本文选取的基金全为2008-2010年，已不再受投资国债最低比例的限制，所以本文采用的市场基准组合是：总资产中60%投资于股票市场、40%投资于国债市场。本文选择上证综合指数作为股票市场的综合指数。对于国债指数收益率的确定，笔者将上证国债指数收益率作为国债指数收益率。

银行的定期存款利息的风险却接近于0，而且较为稳定，所以，本文采用银行一年定期整存整取利率作为市场无风险利率，即2010年市场无风险利率=2010年银行一年定期整存整取利率=2.5%。

投资者最为关注的是基金盈利能力、成长性与基金的风险性，这也是一个基金好坏的最直接反映。因此，本文选取的投入产出指标为基金单位净值增长率、基金份额变化率、收益标准差、单位净资产费用率、Treynor指数。单位净值增长率代表基金的盈利能力和成长性，基金份额变化率可以代表基金的流动性，收益标准差是长期风险指标。为了避免指标相关性过大影响DEA分析结果，本文风险指标只选用了代表中长期综合指标的收益标准差，Treynor指数是投资者判断某一基金管理者在管理基金过程中所冒风险是否有利于投资者的判断指标，是从管理者层面对基金综合性的评判，单位净资产费用率衡量基金运作的费用，可以代表基金运作和管理能力的评价。

因此，在DEA评价指标中，产出指标为单位净值增长率，投入指标为基金份额变化率、收益标准差、单位净资产费用率、Treynor指数。数据收集是从Wind数据库得到2008-2010年成立的10只基金在2013年的数据。

3.3 数据的处理

由于DEA模型使用时要求产出指标之间或投入指标之间相关性要低，否则会影响评价结果，所以在进行DEA模型分析前先利用SPSS进行投入指标相关性检验。分析结果如表2所示。

表2显示了基金份额变化率、收益标准差、单位净资产费用率和Treynor指数之间相关性检验。通过表2看出各个指标之间不存在相关性，所以这些指标可以进行DEA模型分析。

由于投入指标里部分指标存在负数，对所有指标进行0-1无量纲化，得到结果全为正数，符合DEA模型处理分析。

3.4 实证研究结果及分析

本文以10只2008-2010年成立的混合型开放式基金为样本，研究它们在2013年期间的相对绩效。根据前面的研究成果，产出Y为单位净资产增长率、投入X1为基金份额变化率、X2为收益标准差、X3为单位净资产费用率、X4为Treynor指数，松弛变量S0、S1、S2、S3、S4分别代表单位净值增长率、基金份额变化率、收益标准差、单位净资产率、Treynor指数的松弛变量，投入指标已经过验证无相关性，且都经过0-1无量纲化处理，运用DEAP软件进行分析得到样本基金效率，如表3所示。

从表3可以看出，在10只样本基金中达到相对有效的基金为兴全有机增长、中海蓝筹配置、万家双引擎、汇丰晋信2026、信达澳银精华这五只基金，占据样本基金的一半比例。而嘉实回报灵活配置、中银行业优选、宝盈核心优势A、华富策略精选、华商策略精选的相对效率未达到1。

未达到相对有效的基金里，嘉实回报灵活配置、中银行业优选、华商策略精选是由于纯技术效率都未达到1，说明此基金在原有资金的配置下，没有达到充分运用的状态，需要加强在现有规模下对基金绩效的提升。观察这三只基金的各个指标松弛变量，可以看出S0为0，说明在现有要素投入规模下产出已达到最优，无法再增加，而S1、S2、S3、S4都不为零，说明在这些基金达到现有产出下的投入要素过量，需要减少这些要素投入，即基金的风险收益能力较低，基金运作费用过高，基金经理面对风险带来收益的判断需要更加准确。宝盈核心优势A在纯技术效率上达到1，而规模效率过低，且松弛变量全为0，这代表宝盈核心优势A投入产出已达到当前规模的最优，基金绩效过低是因为基金的规模过小，该基金的规模效率处于递增阶段，规模的扩大有利于该基金效率的提升。华富策略精选在纯技术效率和规模效率都未达到1，规模效应存在单调递增的情况，该基金绩效的提高需要从基金费用降低、基金经理判断准确度增加和基金规模扩大等这些方面进行调整。

基金经理面对风险的选则能力可以通过Treynor指数来比较。Treynor指数越大代表单位风险溢价越高，开放式基金的绩效越好，基金管理者在管理的过程中所冒风险越有利于投资者获利。通过表4可以看出，基金经理面对风险选择能力最好的是宝盈核心优势A，这可能是基金规模过小，易于基金流动和基金经理的管理。Treynor指数最低的是信达澳银精华基金，但其综合效率为1，达到相对有效，因此信达澳银精华基金的高效率主要是因为基金管理和基金运营的综合作用，基金经理面对风险的选择能力较差。

4 结 语

本文基于CCR模型的DEA方法对国内10只混合型开放式基金进行分析，由于DEA模型的优点，分析出的结论具有更加接近现实更加客观的特点。根据前面的研究结果，得出以下结论。

第一，混合型我国开放式基金的基金经理缺乏风险处理的能力和择时选取的准确判断。随机样本基金的Treynor指数全部偏低，这可能是因为中国证券市场做空机制推出交完，尚不完善，导致了基金经理缺乏风险对冲手段，非系统风险和系统风险的比例难以控制，对降低基金总风险的方法效率也低。

第二，我国混合型开放式基金管理运作较差，投入的资源浪费过多。大部分未达到相对有效的样本基金都是因为投入要素的松弛变量不为0，这说明国内基金存在较多的管理问题，导致基金费用的增加或基金流动性较少等。

第三，我国基金绩效评价的市场基准较乱。市场基准混乱的主要原因是国内针对证券基金方面的法律法规不健全，市场透明度较低。本文市场组合基准采用的是上证指数，无风险利率是一年定期存款，但深证指数和中信指数等也被众多机构使用，导致评级指标对比比较麻烦。国债市场的不健全和流动性差也导致国内短期国债收益率不能代表现实的无风险利率，和国外的无风险利率统计又不相同。

面对国内开放式混合型基金的这种现状，本文结合基金行业现状，根据实证研究结果提出以下建议。

第一，建立符合我国国情的混合型开放式基金评价体系。一个完善的基金评价体系需要合理的评价指标，而评价指标是建立在稳定的市场基准上的。因此，为了得到简便有效的评价指标，需要有普遍认同的国内证券基金市场基准。另外国内缺乏权威的基金评级公司，流动性较强的混合型开放式基金对评级要求更高，权威的基金评级公司能对混合型开放式基金进行准确地评级，避免因基金市场混乱造成的波动。

第二，整个基金市场的信息披露制度需要完善。不准确、不及时的证券市场信息会加深信息不对称，造成更多的道德风险，并且使评级机构无法准确对基金进行评级。在实证结果可以看出，混合型基金经理择时能力较弱，其中重要的关键就是信息不对称造成的。

主要参考文献

[1]Treynor J.How to Rate Management Investment Funds[J].Harvard Business Review，1965（l）.

[2]Treynor J，Mazuy K. Can Mutual Funds Outguess the Market？[J].Harvard Business Review，1966，44（1）.

[3]Henriksson R D ， Merton R C .On Market Timing and Investment Performance：Statistical Procedures for Evaluating Forecasting Skills[J]. Journal of Business，1981（4）.

[4]沈维涛，黄兴孪.我国证券投资基金业绩的实证研究与评价[J].经济研究，2001（9）.

[5]吴启芳，陈收，雷辉.基金业绩持续性的回归实证[J].系统工程，2003（1）.

[6]周泽炯，史本山.我国开放式基金业绩持续性的实证分析[J].经济问题探索，2004（9）.

基金规模论文篇（8）

中图分类号：F830.9文献标识码：A文章编号：1003-7217（2013）05-0107-05

一、文献回顾

在证券投资基金的运作过程中，管理费是基金费用的主要组成部分。基金管理费是投资者为获得投资组合管理服务向基金经理人支付的费用，一般按照基金资产净值的一定比例按年计提。采用以上费用制度，往往在业绩亏损时，基金经理仍然得到高额的报酬；业绩良好时，基金经理有可能无法获得与其业绩相应的报酬，没有形成基金经理与投资者之间的风险共担的报酬机制，也没有体现出管理费对基金经理的激励作用。因此，对管理费的设计应包含激励和约束两方面的内容，在基金经理付出努力，增加自身收入的同时，提高投资基金的业绩和投资者的收益，避免基金经理人运用私人信息等，为增加个人报酬，损害基金投资者的利益。

关于基金管理费对基金业绩的激励作用，不同时期的实证研究得出的结论有所不同。对美国共同基金的研究，大多数结论倾向于基金管理费对基金经理的正向激励作用。Golec（1996）认为高额的管理费并不一定意味着差的业绩，提取高额管理费的基金经理表现出较高的投资能力，并带来比较高的业绩水平[1]；Volkman（1996）发现，基金激励费与风险调整后的收益呈正相关关系[2]；Hooks（1996）发现低费用的基金的收益显著高于高费用的基金[3]。但Tufano和Sevick（1997）的研究表明，管理费与业绩之间无显著的相关关系[4]。我国的开放式基金主要采用固定式费用制度，以我国基金为样本的研究中，曾德明、刘颖、龚红（2005）研究管理费用对基金业绩及风险的影响，结果表明管理费与收益之间的相关关系不显著，但与基金的系统风险及总风险呈正相关关系[5]；李豫湘与刘栋鑫（2009）对基金年度管理费与基金经营业绩、基金规模之间的关系进行了实证检验，表明基金规模对基金年度管理费用的影响，比基金经营业绩对基金年度管理费用的影响大，并且基金规模系数远大于基金经营业绩的系数，相比提高基金经营业绩而言，基金管理人更愿意扩大基金规模以获得更多的基金年度管理费用[6]。

三、实证分析

（一）研究假设

基金经理人扩大基金规模有两种方式：通过提高基金的业绩提高基金的规模；通过增加新资金的流入扩大基金规模，以上两个方式是相关的，业绩好的基金可能会带来新的资金的流入，若基金业绩表现不好，基金投资人可以采取“用脚投票”的方式，惩罚基金经理人。因此，基金经理为增加管理费收入，有动力去付出努力提高基金业绩。因此，本文提出：

假设1：基金管理费用与基金收益率正相关。

基于资产的固定费率的激励方式缺乏对基金经理人有效的风险约束机制。基金经理人可能会因为追求高的收益率，过于激进和冒险，投资基金的风险并不是由基金投资者与基金经理人双方共同承担的。2010年上半年数据显示，国内60家基金公司的652只基金产品合计亏损4400亿元，基金投资者为此需另付出149亿元管理费用。因此，基金经理的风险行为会直接损害投资者的利益。曾德明等（2005）对我国封闭式基金实证研究发现，管理费用与基金总风险和系统风险正相关，本文以上理论分析也表明，现有管理费制度下，基金经理选择的风险水平高于投资者的预期。因此提出：

假设2：基金管理费用与基金风险正相关。

（二）变量定义与实证模型

1.基金经理努力水平（基金业绩）。采用与Golec（1992）相似的方法，用jesen指数测量努力水平，假定基金经理搜寻信息的努力程度，都可以通过基金超常收益率（jesen指数）反映出来。

2.基金经理人风险规避度。基金经理人的风险规避度是一个不易观测的变量，在以往的研究中，很多文献都假设基金经理人具有相同的风险规避度。

本文采用如下方式测量风险规避度。根据基金经理人管理基金的种类，确定其风险规避程度，所管理的基金的风险程度越大，则认为基金经理人的风险规避程度越小，如表1所示。

样本期间内，一些变量数据有显著的变化。样本基金的超常收益率的均值2006年为最高，这是因为2006年沪深股市发生了深刻的变化，股权分置，大型蓝筹回归市场，中国银行、中国工商银行、中国人寿保险股份有限公司等顺利登陆，充分显示了市场巨大的承接能力，到2007年底，样本基金的资产规模达到最大值。由于受金融危机影响，超常收益率从2007年开始下滑，到2009年为负值。

基金样本按投资风格分为普通股票型、增强指数型、偏股混合型、平衡混合型、混合债券型、保本型，分类方式来源于wind数据库。基金业绩、基金规模、系统风险、基金标准差，数据来源于wind数据库。

对变量序列进行单位根检验后，发现基金业绩、风险规避度、系统风险、管理费用、基金规模各序列的LLC、IPS、FisherADF、Fisher-PP 均拒绝了存在单位根的假设，表明各序列为平稳序列，检验结果如表4所示。

表6表明：基金管理费用与基金业绩显著负相关，说明目前管理费对基金经理人没有激励作用。由于高的基金业绩不能得到应有的管理费收入，在一定程度上，损害了有能力的基金经理人的利益，同时，也损害基金投资人的利益，投资人在没有获得高收益的情况下却要支付高的管理费用，假设1没有得到实证支持。

通过对表5进一步分析发现，基金规模与基金业绩显著正相关，这意味着规模越大的基金，基金的业绩越高。以上研究结论也揭示了我国固定费率过高的问题，由于管理费用与基金业绩负相关，而基金业绩和基金规模呈正相关，则推出管理费用与基金业绩之间则体现出一种负相关的关系，这表明提取管理费较多的基金为规模小的基金，因为管理费由费率和基金规模共同决定，管理费高说明费率高。基金经理风险规避度与基金收益显著负相关，表明风险规避度小的基金经理人，会付出更多的努力以获得高的基金业绩。

管理费对基金风险影响的实证模型，通过Hausman检验，表明拒绝随机效应模型的假设。

表8数据表明，基金管理费与基金系统风险在0.05的显著性水平下正相关。基金管理费对基金经理人缺乏风险约束，基金经理人为获得高收益，可能会采取过度投机的行为。因为，高的基金收益会带来基金资产净值的增加，进而增加基金经理人的管理费收入，当基金的收益不能达到基金经理人的预期时，投资者就要为基金经理人的这种风险偏好行为买单，严重损害了投资人的利益。假设2得到实证支持。

五、结论与启示

根据文献研究和我国的费用制度现状，构建了基金经理努力程度与风险选择的模型，在此基础上，通过理论分析，证明在现有管理费制度下，当基金经理的风险规避度小于或者等于投资者的风险规避度时，基金经理选择的努力水平高于投资者的预期；基金经理选择的风险会高于投资者对于风险的预期。结合我国基金样本数据，进行了实证研究，结果表明：我国管理费用与基金收益呈负相关的关系，基金规模与基金业绩呈正相关关系，业绩低的基金其管理费高则是由其费率高而造成的；管理费与基金系统风险呈正相关的关系。由于本文仅讨论了固定费用结构对基金经理的激励作用，今后的研究可对私募基金管理费和激励费的影响开展深入研究。

参考文献：

[1]Golec J H. The effects of mutual fund managers' characteristics on their portfolio performance， risk and fees[J]. Financial Services Review，1996， 5（2）： 133-148.

[2]Volkman A， Woha M E. Abnormal profits and relative strength in mutual fund returns[J]. Review of Financial Economics，1996， 5（2）：101-116.

[3]Hooks J A. The effect of loads and expenses on openend mutual fund returns[J]. Journal of Business Research，1996， 36（2）：199-202.

基金规模论文篇（9）

二、通货膨胀、经济增长关系与金融流动性的实证检验

（一）数据说明与平稳性检验1.数据及变量说明。本文的样本区间为2006年1季度至2013年1季度，共涉及三类变量，即经济产出变量、价格变量、货币流动性变量。地区经济产出变量用地区生产总值（GDP）衡量。由于居民消费物价指数是中央银行进行调控时所重点考虑的宏观经济变量，可能显著影响中央银行决策。因此，用居民消费物价指数（CPI）衡量物价变动水平，用CPI增长率衡量通货膨胀水平。在稳健性检验中，使用GDP平减指数（GDPIP）作为CPI增长率的替代变量。本文根据中国人民银行提出的社会融资规模统计标准，对2006年1季度以来贵州省社会融资规模进行了测算和统计，采用该指标衡量贵州省金融流动性，并以金融机构信贷规模作为社会融资规模的替代变量对研究结果进行稳健性检验。2.数据处理过程。本文实证分析中，长期均衡分析用的是水平变量形式，短期动态分析用的是水平变量的增长率形式，因此有必要对具体序列的原始形式、数据处理等做进一步说明：（1）实际地区生产总值（RGDP）及其增速（ΔRG⁃DP）：以2005年1季度为基期，根据贵州省2005年1季度以来的名义GDP和GDP同比增速推算出2006年1季度至2013年1季度的RGDP。（2）消费物价指数（CPI）和通货膨胀率（ΔCPI）：根据2005年1月至2013年3月的贵州省月度同比CPI数据，取算数平均得到季度同比CPI，其同比增长率为CPI通货膨胀率（ΔCPI）。价格指标的另一个变量，即GDP平减指数（GDPIP），依据名义GDP与RG⁃DP的水平值进行推算获得，其同比增长率即为GDP平减指数通货膨胀率（ΔGDPIP）。（3）金融流动性水平及其增长率：测算出2006年1季度至2013年1季度的贵州省社会融资规模季度数据，采用GDP平减指数对其进行价格因素剔除，得到按2005年可比价计算的2006年1季度~2013年1季度的贵州省社会融资规模实际值（FS），以其衡量贵州省金融流动性水平，以其同比增长率（ΔFS）作为对应的贵州省金融流动性增速变量。在稳健性检验中，采用GDP平减指数对贵州省金融机构贷款余额进行价格因素剔除，得到按2005年可比价计算的2006年1季度~2013年1季度的贵州省金融机构贷款余额实际值（CREDIT），作为衡量金融流动性的替代指标，以其同比增长率（ΔCREDIT）作为对应的贵州省金融流动性增速替代变量。上述指标的水平值序列均存在季节性变动因素，在实际的计量回归分析前，本文对所有宏观经济数据水平值序列的对数形式进行CensusX12季节性调整。增长率序列均为同比形式，不必再进行季节性调整。为了方便说明，在下面分析中，我们使用ΔCPI表示CPI同比增长率（通货膨胀率），其他含有差分符号Δ的变量与此类同。3.平稳性检验。在分析通货膨胀、金融流动性和经济增长的短期动态机制和长期协整关系之前，分别对各变量水平序列（2006年1季度~2013年1季度）和增长率序列（2007年1季度~2013年1季度）进行平稳性检验，检验过程中的滞后期数确定采用AIC准则。检验结果表明，水平变量序列RGDP、CPI、GDPIP、FS、CREDIT均为非平稳序列，其一阶差分序列ΔRGDP、ΔCPI、ΔGDPIP、ΔFS、ΔCREDIT均是平稳序列。

（二）短期互动机制通货膨胀、经济增长率和金融流动性间的短期动态机制使用VAR模型（式4）。首先，确定VAR模型的滞后阶数；然后在VAR模型基础上对模型变量进行格兰杰因果检验。1.滞后阶数的确定。根据时序分析理论，动态时序模型要获得准确有效的统计推断，最重要的是在保证满足模型残差无序列相关性的条件下选择尽量简单的模型（张成思，2012）。因此，本文在模型滞后阶数的选择上，采用如下判断方法：在给定最大滞后阶数为5的条件下，首先利用最小AIC准则确定最优滞后阶数，然后检验对应滞后阶数的模型残差的序列相关性。若无显著序列相关，则该滞后阶数为最优；若存在序列相关，则从5阶以下依次检验对应模型的序列相关性，在没有序列相关性的组内选择AIC最小值对应的滞后阶数。根据VAR模型估计结果（表2），可知滞后阶数为5时，VAR模型的AIC和SIC最小；根据VAR模型残差序列相关性的LM检验结果（表3），可知滞后阶数为5时，模型残差无序列相关。因此，VAR模型的最优滞后阶数为5阶。2.格兰杰因果检验。在滞后阶数为5的VAR模型基础上进行格兰杰因果检验，考察本文核心变量的短期互动机制。首先检验基本模型中经济增长率、通货膨胀率与社会融资规模增长率之间的格兰杰因果关系。表4中报告了实际经济增长（ΔRGDP）、CPI通货膨胀率（ΔCPI）与社会融资规模增长率（ΔFS）之间的因果关系：通货膨胀率与社会融资规模增长率均非实际经济增长率的格兰杰原因；实际经济增长率非通货膨胀率的格兰杰原因，社会融资规模增长率是通货膨胀率的格兰杰原因；通货膨胀率和实际经济增长率均是社会融资规模增长率的格兰杰原因。综合上述检验结果，可以发现贵州省实际经济增长、CPI通货膨胀率与社会融资规模增长率间具有如下的短期互动特征：第一，实际经济增长对社会融资规模增长具有短期驱动效应，但社会融资规模增长对实际经济增长不具有短期驱动效应；第二，实际经济增长和CPI通货膨胀率之间没有显著的短期驱动效应；第三，CPI通货膨胀率对社会融资规模增长具有显著的短期驱动效应，社会融资规模增长对CPI通货膨胀率也具有短期驱动效应。也就是说，社会融资规模具有明显的内生性特征，其变动既受实际经济增长的影响，又受通货膨胀率的影响；社会融资规模又具有短期中性特征，即在短期内社会融资规模的变动对实际经济增长不产生显著影响，仅对通货膨胀产生显著影响。3.稳健性检验。为了验证上述结论的稳健性，本文构建了两个替代模型进行稳健性检验。表5报告了两个稳健性检验对应的格兰杰因果关系检验结果。其中，模型A是将基本VAR模型中的CPI通货膨胀率用GDP平减指数通货膨胀率代替，模型B是将基本VAR模型中的社会融资规模增长率用金融机构贷款余额增长率代替。稳健性检验模型A的结果支持基础VAR模型的“内生性”和“短期中性”结论：社会融资规模具有明显的内生性特征和短期中性特征。稳健性检验模型B的结果支持基础VAR模型的“内生性”结论，但不支持“短期中性”结论：用金融机构贷款余额增长替代社会融资规模增长时，发现信贷扩张既是实际经济增长的格兰杰结果，又是通货膨胀的格兰杰结果；但是，信贷扩张同时也是实际经济增长的格兰杰原因，即信贷具有非中性特征。

（三）长期均衡机制长期均衡机制即变量间的长期均衡关系。所谓长期均衡关系，是指从长期来看，变量之间存在一个稳定的一一抵换关系，当在短期内各变量间的联系出现偏离均衡状态的现象，这种偏离所形成的时间序列也是平稳的，并且从长期看正负偏离的程度彼此抵消（张成思，2012）。本文对物价、实际经济产出以及融资规模的水平值（社会融资规模和金融机构信贷规模的自然对数形式）进行Johansen协整检验，考察三者间是否存在长期均衡关系。此外，本文通过长期均衡机制分析，同时获得了基于误差修正模型的各个变量增长率形式的互动机制，并可以进行与短期均衡机制类似的格兰杰因果关系检验。1.协整检验。根据表6的Johansen协整检验结果，变量lnRGDP、lnCPI和lnFS拒绝了不存在协整关系的原假设，不能拒绝存在至多1个协整关系的原假设，表明物价、实际经济产出以及社会融资规模之间存在一个长期均衡关系；同理，物价、实际经济产出以及金融机构信贷规模之间也存在一个长期均衡关系。协整检验可以验证物价、实际经济产出以及社会融资规模间是否存在协整关系以及协整关系的个数，但协整关系的具体特征（即物价、实际经济产出以及社会融资规模间的长期均衡机制）需要通过误差修正模型进行考察。2.误差修正和格兰杰因果检验。通过设立和估计误差修正模型，可得到协整向量和调整系数。前者刻画系统内变量之间的长期均衡关系，后者反映出现偏离均衡状态后协整系统的修正特征和修正幅度。因此，误差修正模型体现的是一种动态修正机制。Engle和Granger将协整与误差修正模型结合起来，建立了向量误差修正模型（VEC）。其中ecmt-1=β′yt-1，是误差修正项，β为协整向量，反映变量之间长期均衡关系；系数矩阵α反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度。A为调整系数矩阵。表7报告了向量误差修正模型估计结果，包括协整向量β和调整系数矩阵α的估计值。但与社会融资规模呈反向变动。金融机构信贷规模与社会融资规模对实际经济产出的相关关系完全相反，本文认为其原因在于采用的社会融资规模数据是流量，金融机构信贷规模是总量指标，而融资规模作为一种金融资本生产要素影响经济增长则是以存量形式产生作用的。进一步分析贵州省物价水平、实际经济产出和金融流动性间的长期均衡关系到底是因果关系还是仅仅为统计上的相关关系，需要在协整模型基础上进行格兰杰因果关系检验。表8报告了协整关系约束下的格兰杰因果关系检验结果。在协整关系约束下的格兰杰因果关系检验结果与前文基于基础VAR模型的格兰杰检验因果关系结果基本吻合。社会融资规模增长和金融机构贷款余额增长均具有内生性，社会融资规模增长由实际经济增长和通货膨胀水平内生决定，金融机构贷款余额增长由通货膨胀水平内生决定。社会融资规模是中性的，不是实际经济增长的格兰杰原因；金融机构贷款余额增长是非中性的，是实际经济增长的格兰杰原因。

基金规模论文篇（10）

文章编号：1003－4625(2009)10－0062－04

中图分类号：F830.3

文献标识码：A

包括金融机构、金融工具、金融人才以及金融交易活动在内的各类金融要素资源在一定空间范围内的聚集形成金融聚集。金融中心就是金融聚集的结果，金融中心的形成和发展也会进一步吸引各种金融要素的聚集；同时，金融聚集及其所产生的外部规模效应又是金融中心进一步发挥其金融功能的先决条件和金融中心发展的主要推动力。二者互为因果，相辅相成。从金融聚集到金融中心的形成是一个客观演化的过程。

尽管金融聚集只是金融中心形成的一个必要条件，而非充分条件；尽管金融中心的形成是由内外多种复杂因素综合作用的结果，是历史偶然性和经济金融发展的必然性相结合的产物，但是，金融聚集因素则是一个城市无论是成为国际金融中心或是区域金融中心的最重要的先决条件之一。这不仅能够解释金融中心形成的成因，也有助于指导现阶段我国一些金融中心城市的建设实践。

一、基于金融聚集的金融中心形成理论综述

通过对现有文献的考察梳理发现，金融中心的成因是理论研究的核心，而金融聚集思想则几乎贯穿各阶段金融中心理论研究始末，各时期有代表性的理论研究或学科基本上是围绕“聚集”而展开，或是在此理论基础上的拓展，即金融聚集原理在金融中心形成的理论体系中一直占据着主导或核心地位。

(一)城市发展金融中心论

经济史学家Gras(1922)描述了从乡村、城镇到城市经济的发展阶段，将专业金融机构所提供的服务作为大城市的一项功能来研究，认为一个城市的发展可以分为四个阶段：商业阶段、工业阶段、运输业阶段和金融业阶段。并指出金融业处在城市发展的最高阶段，与商业、工业和房地产业相比，金融业具有更大的集中度。因此，金融中心作为金融业集中度的一个典型标志，其形成有它内在的原因和成长机制，即相伴城市发展而生，是城市经济发展的必然结果。

(二)区位经济理论

Davis(1990)在将产业区位理论应用到国际金融中心的形成和发展的解释方面做出了杰出贡献。他指出，国际金融中心是金融企业活动和聚集的中心。金融企业选址在何地，关键是看当地的综合条件与其他地区的比较，能否使金融企业获得更大的净收益。概括地讲，影响企业区位决策的三个因子是：生产要素供给、产品需求和外部经济。Bindemann(1999)也指出了区位理论在国际金融中心研究中的重要性。他认为，区位理论主要考察了供给、需求、沉没成本、内部和外部规模经济以及规模不经济、交通成本、信息和不确定问题等，这些对国际金融中心的研究有很大贡献。

(三)金融聚集理论

金融聚集理论是从金融聚集效益出发对金融中心进行理论阐释，认为金融中心的形成是为了获取金融聚集效益。金德尔伯格(Kindleberger，1974)认为金融中心的聚集效益主要体现在跨地区支付效率和金融资源跨地区配置效率的提高。他从节约周转资金余额、提供融资和投资便利的角度，分析了金融机构聚集的规模经济效应对金融中心形成的机理(上海财经大学现代金融研究中心、上海财经大学金融学院，2007)，并认为规模收益递增在金融中心的发展中起着重要作用。从通道建设的角度来看，如果N个地区中只有一个中心，那么仅需要(N-1)条通道，如果有两个或多个中心，则需要更多条通道。换言之，中心数量越多，所需通道数量可能也就越多，由此将造成交易不便和建设成本的增加。杨小凯(Yang，X，1991)建立了一个关于城市化和分工演进之间关系的一般均衡模型，模型显示，“如果所有居民都集中在一个很小的地方形成一个城市，那么，由于交易距离的缩短，交易效率会大大提高，从而分工水平和生产力水平也会大大提高。”由此可见，金融中心作为一种产业聚集形式，有利于金融聚集效益的提高，这种金融聚集效益集中表现在两方面，“其一，集中交易能够提高效率；其二，近距离交流与沟通便利”。Davis(1990)通过对金融服务业领域的调查发现，在大都市区域里，大、中、小型的金融服务产业都倾向形成聚集。考夫曼(Kanfman，2001)的研究表明，开放性的经济(国际资本可自由流动)和金融活动大量聚集是一个金融中心必须具备的基本条件。

(四)规模经济理论

规模经济理论基于金融活动的外部性，强调金融中心形成的原因是规模经济。它是区位经济理论在聚集经济效应方面的扩充性说明，它强调了在影响国际金融中心形成的诸多因素中，聚集所带来的巨大效益。19世纪末期，新古典经济学的完成者MarshaH首次提出了外部性概念，认为外部性包括两个方面：内部经济和外部经济。前者有赖于个别企业本身资源、组织和经营效率；后者是该产业的一般发达水平，往往因许多性质相似的小企业集中而获得。此处的规模经济理论主要针对金融活动的外部经济，又称外部规模经济。韩国经济学家Pak(1989)将规模经济理论应用于国际银行业的发展和国际金融中心的成因分析。指出，规模经济是大规模经济活动所体现的经济优势，企业规模扩大可以节约各方面的费用，使设备和劳动力配置合理提高生产效率。跨国银行为了降低成本也会采取扩大经营规模的战略，在不同的国际金融中心设立分行，将银行服务的成本分散到全球金融业务。当一地区跨国银行的数量增多、规模增大时，作为国际金融中心的重要组成部分的国际银行中心便形成。我国学者潘英丽(2003)探讨了金融中心的聚集效应和外部规模经济效应，提出：金融中心的建立可以形成外部规模经济：1，节约周转资金余额，提供融资和投资便利；2，提高市场流动性，降低融资成本和投资风险；3，金融机构合作得以开展，辅产业得以共享。冯德连、葛文静(2004)对此也进行了阐述：外部规模经济是指第二和第三产业的微观经济单位在空间上彼此接近时，所产生的降低成本和增加收益的经济效益，是促成生产和经营单位空间聚集的主要动因。

(五)金融地理学

金融地理学作为近年来兴起的一门边缘学科，它的最大贡献是提供了研究金融问题的全新视角和方法论。金融地理学着重从金融资源流动性和信息的作用等方面来探讨影响现代金融中心的决定因素，体现了与信息经济学的融合。该学科

指出，信息的外在性、不对称信息以及信息腹地是决定金融经济中心最重要的因素。Porteous(1995，1999)提出了一个理论框架来分析金融活动聚集于特定区域的原因，认为金融聚集产生了外部性收益，尤其是信息生产领域里的外部收益。Porteous(1999)指出，“信息外在性”和“路径依赖”能协助研究者了解国际金融中心在区内主宰的因素；而“不对称信息”和“信息腹地”理论能有效解释为什么国际金融中心地位会被其他中心取代。总之，高级专业服务的聚集和信息溢出效应能引发聚集经济，这是国际金融中心发展的基本诱因。瑞典经济地理学家瑞斯托・劳拉詹南(2003)认为，“具备收集、交换、重组和解译信息的能力是国际金融中心最根本的特征。”

(六)空间经济学

随着空间经济学的兴起，一些学者尝试用空间经济学和新经济地理学的理论和方法解释金融中心的形成和发展。这主要体现在对国际金融中心形成和发展的“向心力”和“离心力”的探讨方面，实际上是对金融聚集理论的再拓展。Gehfig(1998)和Porteous(1995)等人在Kmgman(1991)有关中心一模型和聚集理论的基础上，通过对影响国际金融中心形成和发展的向心因素和离心因素的论述，揭示了国际金融中心的变化本质。国内学者孟庆民、杨开忠(2001)对一体化条件下的空间经济聚集做了研究，探讨了区域经济一体化导致的空间经济聚集的机理。李小建等(2006)利用河南省的第一手调查数据，对内陆部分省份银行业空间系统变化进行了量化分析和解释。其结果表明，与国际上发达国家相同，中国发展中地区的国有银行业逐步向中心城市集中。

上述理论通过对金融聚集现象的研究揭示了金融中心形成的原因和成长的机制。这些研究都离不开聚集和规模经济的原理。金融聚集理论和规模经济理论作为经典的经济学理论被广泛应用于国际金融中心的研究，并融合于区域经济学、城市经济学、产业经济学以及新经济地理学、金融地理学等多学科体系之中，这充分体现了其重要的学术价值，因而成为国际金融中心研究体系中不可或缺的组成部分。

上述国际金融中心研究的理论成果同样适用于对国内区域金融中心的考察。根据对国际金融中心形成和发展理论的回顾，一方面总结出金融中心形成的经验与一般规律，另一方面可以将这些经验和规律加以量化，设计金融中心形成的衡量指标，为推进和建设区域金融中心提供指导。

二、区域金融中心的形成――条件特征与战略步骤

区域金融中心是指某一区域内金融机构聚集、金融市场发达、金融交易活动频繁、金融信息灵敏通畅、金融服务全面高效、融通集散资金功能强，且对区域经济能产生极化和扩散效应的中心城市。一个地区或城市最终能否成为金融中心，取决于其是否具备建立金融中心的基本条件。总结前人对国际金融中心形成规律的研究成果，区域金融中心形成的一般规律即条件特征可归纳为：

一是经济和基础条件：较强的经济实力、有利的地理区位、发达便利的城市交通、通讯等基础设施、稳定的政治环境等。这是金融中心形成和发展的前提或基本条件。这将会直接影响到金融机构的进驻、金融业务的开展及人们对金融业务安全性的判断，对金融中心的起步至关重要。

二是金融要素条件：数量众多的、高度集中的金融机构、金融专业人才和完善的金融市场结构(包括资本市场、货币市场、保险市场、票据市场、期货市场等)、高效的金融服务等。这是建立金融中心的核心或关键条件。国内外大量金融机构的聚集，具有发达的金融中介服务体系，才能提供多元化的金融服务，实现金融业的繁荣，才能发挥金融中心的聚集效应和规模经济效应，扩大金融中心的辐射广度和深度。

三是制度和政策环境条件：健全的金融法规、完善的法律体系、防范风险的金融管理制度、适度有效的金融监管制度以及适度宽松的、完善的公共政策服务、税收优惠、国民待遇等。这是金融中心形成和发展的保障或必备条件。

根据金融聚集和金融中心的相互关系可知，金融中心的建设是一个长期积累的过程，必须经历相应的演化过程。因此，各地(如中部地区的郑州、武汉等城市)在进行区域金融中心规划和建设时，除积极创造区域金融中心所需基本条件外，还应采取分步实施战略：

第一步，致力于打造金融商务聚集区，创造金融机构聚集的条件和基础，通过相对优惠政策吸引内外资金融机构和金融专业人才进驻，汇聚金融资源，形成中外金融机构聚集的中心，从而使金融市场运行和金融资源配置达到更高效率。

第二步，注重创造良好的金融生态环境，提高对金融业的服务能力与效率，建立完善相关法律法规，改善投融资环境；大力培育和完善金融市场体系，充分发挥资本聚集和辐射功能，形成金融业发达的中心城市。

第三步，加快经济中心和金融中心的同步建设，加速建成商贸中心、物流中心和信息中心，逐步形成集金融机构聚集中心、资金集散中心、金融服务中心、金融产品研发与交易中心为一体的区域金融中心，以进一步强化经济中心的地位。

三、区域金融中心的形成――评价指标体系的构建

由于对各类金融资源在时空上的聚集和配置既是金融中心的功能，同时也是金融中心形成和发展的先决条件(高洪民，2008)，因此，上述基本条件中，各金融变量(如金融机构的数量和规模、金融行业结构和效率等)对于金融中心的形成和发展来说，显然处于核心地位。因而，在下述区域金融中心评价指标的选取中，放弃了制度条件、基础设施、政策环境等与金融中心建设不直接相关的指标，只选取与核心条件直接相关的指标进行考核，这样针对性和操作性更强，并能充分反映金融中心的聚集特征。

一般认为，金融中心是高层次金融功能和高水平金融服务集中的地区或城市。考虑到金融聚集这一本质特征，结合各地区域金融中心城市的建设实践，借鉴已有的理论成果，本文对国内区域金融中心建设的评价指标体系设计如下：

(一)金融机构数量指标

这是构建金融中心的基础指标，可以反映金融中心金融机构的聚集状况及对外来金融机构的吸引力(因为已有的银行等金融机构数量本身就是金融机构选址的一种区位因素)。包括本国银行总部及分支机构数量；外资银行总部和分支机构、办事处的数量；保险公司、证券公司、信托公司、期货公司、基金公司等非银行金融机构和金融中介的数量等。

(二)金融业规模指标

主要反映金融市场的发达程度、活跃程度及成熟度。包括金融业产值；金融从业人员数量；银行等金融机构的资产总额和负债总额；银行业的本、外币存、贷款余额；银行票据年(日)清算额；同业拆借市场年(日)交易额；上市公司数，上市公司市值总额；证券(包括股票、债券)市场的年(日)交易量／额；保险市场的保费年收入；期货市场的年(日)交易量／额等。

(三)金融业结构指标

主要反映金融业发展水平和集中程度。包括金融部门产值占GDP的比率；金融从业人员占城市总就业人数的比率；存贷款余额占GDP的比率；证券年交易额占GDP的比率；保费年收入占GDP的比率；金融部门的区位商(即某城市金融部门就业或产值份额与全国金融部门就业或产值份额的比率，这一指标可以用来衡量金融服务业的聚集度，并识别和判断是否存在金融业产业集群现象)。