这是金融学前沿论文精读专栏的第二期。本期我们精读的论文是于2021年8月发表在The Journal of Finance上的“不要相信他们的话：被错误分类的债券型共同基金”(Don’t Take Their Word for It: The Misclassification of Bond Mutual Funds，CCG(2021))。本文为债券基金经理对其持有的资产进行错误分类提供了直接证据，并发现与基金报告的资产配置相比，有高达31.4%的基金被错误分类至更安全的资产配置类别。本文通过实证研究发现，这些实际持有高风险债券的基金平均表现优于相同风格箱中那些真正的低风险债券基金，而且可以获得更高的晨星评级和更多的投资者现金流，但是根据基金的实际风险对这些基金重新进行正确分类时，会发现这些基金表现不如同风险类别里的其他基金。
与股票型基金不同，债券型基金哪怕持有相同公司发行的债券，也会因为债券的收益，久期和条款(如赎回条件)等不同而有所差异。因此，虽然SEC要求对股票型和债券型共同基金的投资组合成分进行同等程度披露，数据在处理和汇总到固定收益基金层面的衡量标准方面常常更为复杂，此时，就需要晨星(MorningStar)这样的信息中介机构提供一定程度对固定收益基金的一般风险、久期的等汇总和总结。而CCG(2021)的主要工作就是通过将晨星向投资者提供的基金概况与基金的实际投资组合进行了比较，比较后发现几乎所有债券基金的基金风险类别都存在着明显的被“错误分类”。此外，这种错误分类在被晨星报告为“非常安全类别(Overly Safe)”的基金中普遍存在。因为晨星所使用的信用风险摘要不是从基金公司向美国证监会(SEC)提交的基金持有情况文件中报告的详细持有信息中得到的，而是基于基金公司自我报告的数据(Self-reported Summary Report)， 但基金平均报告的投资组合比其实际持有的投资组合要安全得多。
CCG(2021)将“错误分类的基金”定义为依据基金公司自我报告的数据被分类到的与其实际资产配置不同的风格箱的那些基金。研究发现这种错误分类主要是单向的，即低估了风险，将基金从风险类别更高的归类至风险类别更安全的类型中。
CCG(2021)的研究主要分为以下几个部分：
1. 根据对“错误分类”的定义研究基金被错误分类的程度
2. 造成基金被错误分类的主要因素
3. 这种错误分类将怎样影响投资者的行为
本文中所使用的数据主要来源于：
1. 晨星直属共同基金及其特征数据库(the Morningstar Direct database of mutual funds and their characteristics)
2. 晨星开放式共同基金持仓数据库(the Morningstar Open-Ended Mutual Fund Hold- ings database)
3. 信用评级历史记录
关于信用评级历史记录，本文收集了美国比较大的几家信用评级机构：Standard & Poor’s, Moody’s, Fitch提供的评级数据。当多个信用评级机构对一项资产进行评级时，本文使用晨星自己的方法文件规定的Bloomberg/Barclays方法来进行汇总。根据这种方法，如果一种证券仅由一个机构评级，则将该评级用作综合评级。 如果证券由两个机构评级，则使用更保守的评级。 如果所有三个评级机构都存在，则使用中位数评级。另外有政府背书的证券，统一被归类为AAA级。理想情况下，如果晨星及其数据库中的债券基金在信用评级方面保持相同的报告标准，则基金报告的持股百分比将与计算出的持股百分比几乎相同。但本文发现，基金普遍会在自我报告中将自己持有的资产归为安全系数更高的一类：对于高于投资级别(即高于BBB级)的资产，基金自我报告中的资产百分比明显高于晨星计算的资产百分比；而当对那些低于投资级别的资产(尤其是未评级资产)，查看同样的缺口时，就会出现相反的模式，即基金上报的资产占比明显低于晨星计算的资产占比。对比TableI中的Panel B和Panel C可明显看出这点。
被错误分类对基金绩效的影响：
CCG(2021)首先构建了一个用于衡量被错误分类的虚拟变量：Misclassified，如果晨星给定的信用评级高于其实际的信用评级（实际风险更高），Misclassified就取值1，如果晨星给定的信用评级低于其实际的信用评级或与其实际的信用评级大小相当（实际风险与评估一致或更低），Misclassified就取值0。然后CCG(2021)用了两种指标来衡量债券基金的绩效，第一个是bond fund yields，这里一共使用了三个不同计算方式下的年息(yield)，一个是reported yield，这个数据是基金自愿汇报给晨星的；一个是晨星自己根据基金持仓计算出的yield，这个数据是2017年之后才有；以及过去一年的总yield+coupon+dividend。从TableIII的结果中可以明显看出，被错误分类的基金具有更高的到期收益率(列(1)-(3))，但是将它们与那些和其真实风险水平相当的基金进行比较时，它们的收益率与这些真正意义上的同行相差无几(列(4)-(6))。用来衡量债券基金绩效的第二个指标是基金的actual monthly return。TableIV得到了相同的结论，甚至发现当这些被“错误分类”的基金与它们真实的风险等级一样的基金中做对比时，它们会表现的不如其他同行基金。
被错误分类基金的晨星评级，费率，和资金流入
CCG(2021)发现被错误分类的基金因为在同风险类别基金中的更优表现可以得到更高的晨星评级。之前的大量文献都发现晨星评级与资金的资金流有着非常密切的关系(Del Guercio and Tkac (2008), Evans and Sun (2018), Reuter and Zitzewitz (2015), Ben-David et al. (2019)). CCG(2021)发现，与同风险类别基金相比，被错误分类的基金在平均水平上多获得了0.17 至 0.38颗晨星星级评级。
他们也发现，因为被错误分类的基金可以获得更高的晨星评级，从而会提高他们的费率，向投资者收取更高的费用，实证结果显示被错误分类的基金会比它们同风险类别的其他基金多收取7.6个基点的年费率，最后发现，被错误分类的基金会比同类型基金高出12%的可能获得正向的现金流。
References
Ben-David, Itzhak, Jiacui Li, Andrea Rossi, and Yang Song, 2019, What do mutual fund investors really care about? Fisher College of Business Working Paper No. 2019-03-005.
Chen, Huaizhi and Cohen, Lauren and Gurun, Umit G.,2021, Don't Take Their Word for It: The Misclassification of Bond Mutual Funds. The Journal of Finance, 76: 1699-1730.
Del Guercio, Diane, and Paula A. Tkac, 2008, Star power: The effect of Morningstar ratings on mutual fund flow, Journal of Financial and Quantitative Analysis 43, 907–936.
Evans, Richard B., and Yang Sun, 2018, Models or stars: The role of asset pricing models and heuristics in investor risk adjustment, Working paper, University of Virginia.
Reuter, Jonathan, and Eric Zitzewitz, 2015, How much does size erode mutual fund performance? A regression discontinuity approach, Working paper, Boston College.
免责声明：本文在任何情况下都不代表投资建议。
来源：知乎 www.zhihu.com
作者：小艾同学丿L
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载