“学海拾珠”系列之四十二：基金的资金流压力会对股价造成冲击吗？
由crisvalentine创建，最终由crisvalentine 被浏览 17 用户
报告摘要
主要观点
本篇是“学海拾珠”系列第四十二篇，本期推荐的海外文献研究了基金资金流压力对股票回报的冲击。大量文献通过使用共同基金流出导致的价格压力来分离股票非基本面导致的价格波动，并据此研究对于公司政策的影响。本篇文献质疑了这种指标构建方法，认为其中的影响变量不仅仅是纯粹的股票非基本面冲击。我们在研究基金资金的流入流出对市场尤其是个股的流动性冲击时，在指标构建上应该特别注意是否杂糅了包含股票基本面信息的收益率变化、换手率变化等影响因素。
- 基金资金流压力是股票非基本面冲击的合理代理指标吗
拆解资金外流导致的价格压力衡量指标MFFlow，可以分解为三个项之积：第一项是资产期间回报率的倒数；第二项是换手率的倒数；第三项包含每只股票的相对流动性压力。这三项中，只有第三项与共同基金的抛售压力有关。指标实质上是股票回报率以及换手率的直接函数。在剔除这些污染后，资金流压力对股价的影响基本可以忽略不计，并且没有随后的价格反转。文献同样检验了过去一些知名文献中的许多成果，发现很多结果不再成立。
- 共同基金资金外流而导致收益的下降不会发生反转
基金资金外流对股票回报造成非基本面冲击的主要理由是，最极端分位数投资组合的累计平均异常收益显示了事件期后24个月的价格反转回升。然而，这种异常的回报并不代表真正的“逆转”。因为构建MFFlow的时候，假设股票是按照持股比例出售的。因此，在MFFlow的极端十分位组中，有过多的股票是小盘股，导致回报逆转的原因并不是抛售压力的消失，而是小盘股的表现优于大盘股造成的“假象”。
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。
\
简介
长期以来，金融学界就股票价格的非基本面变动是否会影响公司决策这一议题十分有兴趣。然而，从经验上识别这种影响是具有挑战性的，因为它需要对股价有一个独立的冲击，这种冲击既要能被计量经济学家完全观察到，又要与公司的基本面完全无关。在过去10年里，许多文献将投资者流入和流出共同基金的资金流量作为股票外生价格压力的来源。这种猜测背后的依据是，大规模投资者赎回可能会给共同基金带来赎回压力，导致基金经理抛售所持股票。如果造成的抛售规模足够大，基金的流动性需求可能会对标的股票的价格造成下行压力，且这是与股票基本面无关的。如果能清晰地识别出来这种价格压力，就能通过打破价格和企业基本面价值之间的内生关系，为研究市场反馈效应创造一个新的思路。
上述方法的研究始于Coval和Stafford(2007)，他们观察共同基金的抛售行为，发现了这种流动性压力的潜在证据。然而，用这种方法衡量卖出压力时，很难清晰地识别是否是非基本面的冲击。由于共同基金的买卖行为是直接衡量的，同时这些行为会使用一些决策中的信息，Edmans，Goldstein和 Jiang (2012)，EGJ，提出了解决这个问题的方法，他们不是去衡量卖出行为本身，而是估计每只基金的一个指标，这个指标是根据每只股票在基金投资组合中所占的比例来度量的。从本质上说，如果每只股票的卖出量与该基金在本期初持有的这只股票的数量成比例的话，这种方法估计的是每只基金的每只股票的总抛售额。由于该指标提取了当季出售的股票以及这些出售可能包含的有关公司基本面的信息，因此它可能会满足工具变量的限制。若某些标的股票的抛售压力较大，似乎还会导致股票在事件期内价格大幅下跌，并且价格在随后的两年出现逆转。这一观察结果表明，价格下跌仅仅是由于事件期间的流动性压力，而与期前或期间的基本面变化无关。EGJ使用这种方法来衡量市场价格的非基本面下降以及这些下降对收购的影响。
自EGJ的论文发表以来，在有名的金融和商业期刊上发表的大量论文都使用了这一衡量标准和计量方法，来识别与基本面无关的公司股权价值的下降，以及这些下降对一系列公司决策的影响。这些论文包括Derrien，Kecsks和Thesmar(2013)，他们研究了对公司支出的影响，Phillips和Zhdanov(2013)探究了对R&D的作用，Norli， Ostergaard，和Schindele(2015)，研究了对股东积极性的影响， Zuo (2016)考察了对管理盈利预测的影响， Lee and So (2017)研究了对分析师覆盖率的变化影响，Bonaime， Bonaime， Gulen，和Ion (2018) 分析了对并购的影响， Eckbo， Makaew和Thorburn (2018) 研究了股票融资收购这一话题，Lou和Wang(2018)分析了对企业投资的影响，desaint，Foucault，Fr´esard和Matray(2018)研究了行业内公司间投资的影响。
而本文作者证明了这种方法其实错误地识别了这些股价下跌的主要来源。这种错误的发生，不是因为基金的资金流动或持仓可能与经济基本面有关，而是因为在指标构建过程中无意中引入了资产价格回报率这一项。由于这种巨大的、意想不到的回报变化是直接引入的，因此其他影响资产价格的冲击很可能会直接影响回报。代理变量无法完全代表流动性冲击。此外，作者还说明了事件期后明显的反转实际上另有原因。
对这种价格压力的衡量通常用MFFlow（共同基金资金流向）表示，研究表明它可以分解为三个乘法项。这三项中，只有一个与共同基金流动性有关。其余两项是由报告期间的资产回报率本身和股票数量的单调、非线性转换而来的。作者证明了MFFlow和股票回报之间的相关性主要是由于这些直接测量的数量的独立变化，而不是流出风险敞口的变化。
交易量的影响更加微弱，但同样重要。异常高的股票回报导致数期的交易量显著增加。这种效应不依赖于共同基金的抛售压力，而是代表了市场整体的信息或行为反应。因此，任何按股票交易量衡量的指标都会自然地根据过去和同期的股票回报来排序。这一现象在对多期的业绩进行总结时，或者在检验回报对结果有长期影响的模型时问题尤其严重。
这两个直接度量独立地导致了事件期收益和MFFlow之间的大部分相关性。如果收益和交易量的某些变化是由资金流动的冲击驱动的，那么MFFlow和股票收益之间的完整关系可能并不完全是机械的。然而，任何用这些项构建的流量压力测量方法都会随着所有其他来源的冲击而发生显著变化，因此不可能明确地确定收益的变化是否是非基本面变化。
直接纳入回报率和交易量会对指标产生严重的污染问题，指标的另一个的严重问题，能够推翻MFFlow能够捕获非基本面信息并且导致事件期后价格反转的说法。主要原因是，几乎所有的共同基金都有一个投资于某只股票的最小规模。这种最小规模的直接后果是，任何单个基金的头寸，作为市值的百分比，小盘股比大盘股要大。构建MFFLow的时候，假设股票是按照持股比例出售的。因此，在MFFlow的极端十分位数中，有过多的股票是小盘股。
构建任何极端流动性压力的衡量标准，都要求研究者限制暴露的基金数量。因此，一只股票所面临的流动压力往往只是一两个基金的结果。因此，流动压力的相对权重更接近于反映个别共同基金的持股情况，而不是所有共同基金的总持股量。
这种排序产生的极端分位数组中，主要不是受影响的共同基金选择股票时的反映，相反，它所反映的是任意随机选择的基金子集所持有的股票，当更多的基金被有选择地忽略时，这种情况更加明显。平均而言，即使在价格压力导致的资金外流没有减少的情况下，这些股票经市场调整后的回报率也会上升，原因很简单，因为它们主要是受到规模溢价影响的小盘股。在没有规模溢价的情况下，这种反转回升不会发生。这个结果去掉了支持MFFlow捕捉股票价格非基本变化的主张的支柱之一，即这种变化是暂时性的而不是永久性的。
接下来，作者提出了几种替代标准的MFFlow衡量指标。每一种方法都试图消除不是因资金外流压力而导致的回报率意外变化。并且作者对每一种方法都强调了清晰识别和压力之间的基本权衡。作者还重现了不同领域论文中的几个关键检验，并研究了当市场范围内的直接回报指标被排除在外时结果是如何变化的。在这些复制的检验中，替代方法通常不能产生重大结果，有证据表明，现有的许多论文结果可能受到股票收益中一些基本面变化的影响。
研究结果表明，未来的研究应该对现有的关于资金流导致的错误定价的证据持怀疑态度，并寻求其他方法来重新建立这些结果。此外，未来的研究应该坚定地重新确定任何对减价抛售压力的测量都显示出的三个重要特征：它没有受到缩放变量的意外污染，暴露的股票在事件前后表现出的异常回报行为对衡量标准的所有分组都是一致的，而不仅仅是最极端的分组，而且累积平均异常回报（CAAR）需要充分反映持续影响平均异常回报的已知回报异常情况。
值得强调的是，EGJ构建MFFlow的理论动机和基础是合理的。污染是微弱的，如果没有显著的额外图形和数值分析就很难被发现。这是大量的研究人员检查和使用他们的工具变量但没有认识到问题。此外，本文不主张像Coval 和 Stafford (2007)那样直接使用基金抛售这一变量，EGJ正确地指出，这种做法受到固有选择效应的污染。
本文的结果补充了Berger(2019)的论文，但本文的方法和范围是不同的。在Berger(2019)的研究中首先证明了MFFlow的极端值在许多可观察的维度(如杠杆、现金流和股价波动)上是不同的。她接着指出，与对照组相比，MFFlow极端值的公司在企业投资、发行和支付方面有相似的条件平均值。
本文采取了不同的方法，分解指标本身并详细识别这些变化的来源是什么。在此过程中，作者首先解释了为什么会出现明显的样本选择，更重要的是，在文献中驱动关键结果的样本选择的主要来源是MFFlow直接根据企业的实现回报并对其进行排序。由于驱动期股票回报的因素在很大程度上是不可观察的，这一事实使样本匹配成为一种无效的解决方案，而解决这个不可观察性问题是整个检验的重点。
本文的章节如下。第二节提供了主要指标的正式定义和本文中使用的数学分解公式。第三节复制了过往文献中的几个关键结果，并研究了该指标的构造如何影响经济解释。第四节就如何解释事件后的反转。第五节得出结论。
\
衡量共同基金减价抛售的压力
建立在最初的由Coval 和Stafford (2007)开展的工作之上，他们研究了资金大量流出的共同基金卖出的股票的回报模式，EGJ提出了一种共同基金减价抛售压力的工具变量，以排除基金减价抛售行为所隐含的任何潜在信息影响。他们建议使用一组共同基金的极端资金流出数据，然后将所有经历大规模资金流出的基金的规模流动衡量指标相加，并以该股在本期的美元交易量来衡量价格压力。如果所有相关基金都按其初始持仓比例出售股票，MFFlow将有效地获取这些基金出售的每只股票的总金额，并按其美元交易量进行换算。
MFFlow的构造与分解
因为最极端的流量F总是负的，MFFlow在构造上总是弱负的。因此，作者首先将方程改写为总是正的流出量|F| =−F≥0的函数（4），接着计算出美元交易量并带入该式，重新排列可以得到三个项。
在(7)式中，可以有三个不同的项，它们最终都乘以-1。这些项中的每一项在构造上都是弱正的，因此总是对整体MFFlow具有比例缩放效应。第一项是事件期总回报率的倒数。第二项与事件期换手率的倒数。第三项包含每只股票的相对流动压力，即每只基金所持有的股票的百分比，则这第三项就不受回报和成交量的直接影响。作者接着将这三项分别定义为：1）总回报倒数，2）换手率倒数，3）流向股票的资金流。
每个项中的相对变化可能会影响MFFlow作为一个整体随回报而变化的变量。MFFlow的构建初衷是为了代理股票回报的非基本面运动，但该变量总是与回报高度相关，主要是因为1)乘以了一个期间收益，2)与成交量成比例，这和过去资产的收益直接相关，但独立于共同基金的资金行为。如下所示，直接回报本身的变化和同期交易量是迄今为止该指标在分散期回报方面最重要的驱动因素，而共同基金的流动和持有量几乎没有这种影响。
MFFlow实证分析
为了分析MFFlow及其组成部分，作者重现了EGJ给出的构造和实证方法。作者从CDA Spectrum/ThomsonFinancial获得持仓数据，从CRSP获得共同基金流量和个股收益数据。在重现主要结果时，作者按照原文的说明和时间窗口期，从证券数据公司(SDC)获得并购数据，从Compustat获得基础会计数据。截至2019年初，所有数据都是从原始来源提取的。
虽然本文中的重现工作完全按照原始论文中给出的说明进行，但关于MFFlow构造的一些细节没有明确说明。例如，虽然最初的论文描述了“移除专注于单一行业的基金”，但共同基金数据并不包含针对这个单一的标志，必须随着时间的推移识别出一组标志来满足这一要求。论文也没有完全描述资金流动数据与13F持有量数据相匹配的复杂过程，13F持有量数据包含了一些必须解决的数据不一致问题。有问题的是，随后为提高持仓数据质量所做的更改也可能使这个过程更加困难。在原稿不清楚的地方，作者从一组可能的标准中选择，并选择最接近总结统计和原稿结果的结果。表格中的结果有轻微的差异，但差异是微小的。汇总统计数据和主要回归的主要系数和标准误差可以在一个舍入误差内匹配。此外，大多数变量构造的替代选择并不改变结果的方向、统计显著性或经济规模。
为了分析每个组成部分的相对规模，作者根据MFFlow的十分位和三个独立的组成部分创建股票投资组合，并画出了它们的累计平均异常收益。就像在EGJ的论文显示的那样，只有最极端的投资组合的CAAR被绘制出来。然而，绘制所有的十分位数图来充分理解该方法的工作原理是很重要的。样本中大约40%的股票没有被任何经历这种极端资金流出的基金持有，因此MFFlow为零。因此，只有6个十分位具有非零值。为了进行直接比较，当MFFlow = 0时，作者将每个分量归一化为零，第一组代表最极端的十分位数，有效地将每个分量乘以-1。这允许将每个组件的图与完整度量的图进行比较。累积异常收益是每月计算一次，持续39个月，相对于其特征匹配的投资组合的规模、价值和动量和Daniel， Grinblatt， Titman和Wermers(1997)的结果类似。
根据回归结果，面板A画出了MFFlow所有十分组的累计平均异常收益。从图中可以看出，不仅在第一组出现了较大的负异常事件收益，而且价值接近于零的股票的异常收益也逐渐趋于正，这在理论上是不应出现的现象。面板B绘制了总收益倒数的十分位数的累计平均异常收益。每一个十分位数都显示了一个可预测的模式，在这个期间，资金流动是分散的，在这个期结束后没有任何有意义的逆转。值得注意的是，在事件期之前，所有暴露股票的调整后累计平均异常收益都在4% - 5%左右，这样，在这些股票中，任何基于可变排序的十分位数都将有一个偏上的事件前累计平均异常收益。
面板C绘制了由换手率倒数构建的类似投资组合的累计平均异常收益。众所周知，股票换手率与收益之间存在滞后关系，高超额收益通常伴随着高换手率期。我们在这里可以看到，这个关系是成立的，因为一个期的高换手率伴随着滞后超额收益的巨大变化，特别是在换手率非常高的“最高”十分位中(负的换手率倒数接近于零)。这些结果解释了面板A中累计平均异常收益期前的很大一部分差异。
另外，换手率和负的换手率倒数与滞后收益和同期收益均呈正相关。成交额最高和最低的十分位数不仅在活动期前，而且在事件期内都存在回报差异。这种效应完全独立于基金资金流动。根据弱有效市场假说，期后的前瞻性回报基本上不受成交额的影响。
需要注意的是，换手率是以流通股数量计算的，但与收益的强相关性并不依赖于这种表达方式。对原始的、未按比例计算的股票交易量进行排序，可以得出类似的图表，在图表中，期间交易量高的股票的滞后和同期回报都更高。简而言之，任何与股票交易量有很大差异的指标都会产生类似的结果。
在面板D中，作者为股票资金流（Flow-to-Stock）的十分位数构造了相同的图，它从方程中去除回报和成交量的污染，结果表明，在事件期间，这对异常收益的影响很小。最极端的十分位数显示，在出现资金外流的事件期之前的前两个月，累计平均异常收益约为1% - 2%，然后在事件期本身的前两个月下降1% - 2%。对异常收益的正式检验显示，只有这四个月的异常收益。也就是说，活动期的前两个月和前两个月与Flow-to-Stock有统计上显著的条件相关性。
最后，作为一个额外的测试，作者在面板E中绘制了Flow-to-Volume的累计平均异常收益的十分位数。虽然底部十分位数显示了下降，但这种下降的幅度与对原始换手率排序时形成的下降幅度大致相似。此外，不断增加的非零十分位数有同样的优秀表现，而不是逐渐减少的表现，这种模式至少在事件发生前12个月延续。由于未来收益不受影响，所以考虑使用滞后量作为缩放变量是合理的。
MFFlow测量下的分组收益分化主要原因是由于组成部分中的直接测量的收益和交易量，而不是资金流量压力的影响。作者还指出，虽然这三个因素中的任何一个都可能造成收益分化，但交易量和资金流量之间的相互作用并不会显著影响异常收益。因此，虽然交易量是考虑了可用流动性差异的自然缩放变量，但这些差异实际上并不影响流动压力的影响。
尽管上述检验都不能排除收益和成交量的部分变化可能是资金流动压力的直接结果，但构建MFFlow的主要目标是只隔离资金流出造成的变化。由于MFFlow的直接测量的回报和交易量成分产生了大多数可识别的变化，这种差异至少受到回报中基于基本面变化的显著影响。
\
关键结果分析 
作者重现了过往其他文献中的一些关键结果，分析他们如何受到所构建的变量的影响。
收购决策的复现
首先，作者从重现EGJ的核心结果开始，EGJ首先引入了共同基金减价出售压力的衡量方法和核心计量经济学方法。他们的论文研究了市场反馈效应如何作为公司假设交易时的固有“折扣”的函数并影响收购的概率。为了测量这个折扣，公司的市场价值，由托宾Q确定，低于第80百分位的公司被认为折价交易，托宾Q相对于行业基准越低，折价越高。
衡量折扣对收购的影响的一个基本挑战是，以市场为基础的公司价值衡量将固有地包含有关该公司是否为潜在收购目标的信息。因此，有两种相互抵消的力量在起作用，这使识别变得困难：一种是直接触发效应，即因为资产定价较低，较低的市场价格和较高的折扣诱发收购效应；另一种是预期效应，即因为交易员预期到收购，较高的收购概率推动市场价格上涨。在这种情况下，任何对市场隐含折扣对收购概率影响的直接估计都会偏向于零。为了明确冲击市场价格，并引申为隐含折扣，EGJ使用基金折价出售压力作为折价的工具。这样的工具在理论上应该独立出折扣的变化，这种变化与预期效应无关，因为后者是一个价格变化的函数，反映了潜在的经济基本面。在该模型中，减价出售的压力与股票价格的变化无关，而股价的变化是由于除流动性导致的错误定价以外的任何原因造成的。因此，折扣应该会对收购概率产生更大、更具有经济意义的影响。
EGJ首先计算这个折扣措施对随后一年被被收购概率的基线影响。作者发现在基线规范中有一个统计上显著但经济直觉不强的影响。然后，他们使用MFFlow对前一年的总和进行折扣。他们发现MFFlow与折扣呈强负相关，因为MFFlow值越低会导致股价越低，从而Q值越低，折扣值越高。
在表7中，作者重现了折扣对MFFlow和几个控制变量的OLS回归。第(1)栏报告了EGJ的主要结果。正如预测的那样，MFFlow显示为折扣率的一个非常重要的决定因素。在第(3)栏中，作者用年度Flow-to-stock度量取代了MFFlow，它去掉了事件期回报和换手率。该系数为负，但在统计上不显著。通过考察列(2)和列(4)中的半弹性推断出的经济意义似乎也可以忽略不计
使用Flow/LaggedVolume作为替代度量可以代表一个潜在的修复，因为它从MFFlow中清除事件周期污染，但是这个度量不能直接应用于原始规范而不产生额外的问题。因为原始的EGJ规范不是差分回归，也不包含固定效应，因此该度量与过去价格上涨的任何相关性也将被纳入该度量。流量/交易量这一项与前几年出现的价格持续大幅上涨相关。因此，即使在事件期间没有出现价格上涨，高滞后交易量的股票在横截面上的估值比率也会大幅提高。
作者在表8中研究了这个问题。应用Flow/Volume会在度量和折扣之间产生一个合理的统计上显著的关系。由于这种纯粹的换手率效应会导致估值比率出现高度持续的变化，因此该方法需要以某种方式控制之前的上涨，以隔离当年资金流动的影响。在这两种情况下，Flow/Lagged对折扣变量中的创新的影响在统计上是不显著的，并且在固定效应的情况下回归显示出错误的迹象。
在表9中，列(1)和(2)中的基线probit回归具有统计上的显著性，具有非常小的经济影响，而列(3)和(4)中的工具回归产生了近7倍大的效应。使用Flow-to-Stock这一工具变量产生的估算值超过了30倍，尽管它在很大程度上未能通过弱工具变量检验。
其他研究的复现
作者还重现和检验了另外两篇论文的结果。Lee和So(2017)研究了基金价格压力与分析师预测之间的关系。Lou和Wang(2018)研究了流量压力与企业投资决策之间的关系。使用Flow-to-Stock这一工具的分析师预测检验产生了一些重要的结果，但当使用Flow/Lagged时是失败的。在企业投资模型中，修正后的指标未能产生显著的第二阶段结果。作者还强调了由于过去的回报对长期结果的持续影响而产生的其他问题。一般来说，使用共同基金的流动压力作为一个衡量资金流压力的指标是有问题的，而且不应该天真地认为这独立于公司的基本面。
\
事件期后价格反转的解释
投资组合的反转
基金资金外流对股票回报造成非基本面冲击的主要理由是，最极端投资组合的等权重累计平均异常收益路径图显示了在未来24个月的过程中事件后的反转稳定增长。然而，这种异常的回报并不代表真正的“逆转”。相反，异常回报是两种独立效应的结果，它们为极端投资组合增加了一个恒定的正回报。这些影响与实际流出无关，是在构建MFFlow时发生的投资组合排序的结果。
通过比较每个投资组合十分位数的等加权累计平均异常收益和特征调整的累计平均异常收益的图，可以注意到这些持久效应的本质，如图10所示。首先，需要注意的是，经过特征调整后，十分位数之间的事后累计平均异常收益差异完全消除了，同时所有十分位数在特征调整后似乎都显示出相同的增加的累计平均异常收益。
在EGJ和随后的大多数论文中，只有以CRSP等加权平均为基准的十分位1被绘制出来。然而这个图表具有误导性，原因有二：1）由于该指标的结构根据规模对股票进行分类，因此相对于顶部非零的十分之一，位于底部的股票严重倾向于小型股票。这导致该十分位的累计平均异常收益永久优于CRSP等加权平均。累计平均异常收益不是缓慢地“回归”到真正的事件前值，而是随着投资组合中占主导地位的小股表现优于大盘而不断增长。2）由于尚未被广泛研究的原因，一个仅由Thompson/CDA Spectrum共同基金持有的股票组成的投资组合，每年的表现比CRSP等权重平均指数高出约2%至3%。因此，任意随机创建的投资组合的CAAR（累计平均异常收益）自然会表现出每年2% - 3%的异常收益率。
这个结果似乎意味着要么等权重的CRSP不是一个可投资的基准，要么共基金持有的股票表现优于CRSP。因为一般的共同基金表现不佳所以后者不太可能，而作者对这一经验事实进行了解释。
通过使用正式的资产定价模型检验底部十分位组合的三因素阿尔法，也可以更严格地证明反转的缺乏。表11显示了对过去24个月暴露于MFFlow底部十分位数的任何股票进行的月度日历时间三因素回归的结果。月度超额alpha值仅为9个基点，且在统计学上不显著。回报对SMB也有显著的负荷，这证实了他们在事件后时期受到规模效应的影响。买入并持有的回报测试似乎在极端的十分之一表现出色，但这种测试在长期来看是有问题的，因为未受影响的股票表现出几乎相同的优异表现就证明了这一点。
指标的构建与股票规模
最后，重要的是要理解为什么小型股大多进入了MFFlow极端的十分位。Berger(2019)的论文显示，资金极端外流的基金更有可能拥有有利于小型股的投资目标。他认为这种投资目标的差异导致了一种选择偏差，即高MFFlow倾向于小型股。
虽然基金的这种选择对MFFlow每个十分位的股票规模确实有一个小的影响，但它不是主要原因。相反，这种分类的主要原因是所有基金都自然地高估了小型股的权重。几乎所有的共同基金都有投资某只股票的最小规模，“最小规模”的直接含义是，任何单个基金的头寸，作为市值的百分比，小盘股比大盘股更大。MFFlow的构造假设股票是按其持有比例出售的，因此大部分的股票在极端十分位的MFFlow将是由小盘股构成的。
这种影响在很大程度上取决于这样一个事实：构建任何“极端”流动压力的衡量标准，本质上都要求研究人员限制暴露资金的数量。由于MFFlow的构建有意只包括资金极端外流的基金，省略了基于行业的基金，并且由于数据限制，许多共同基金被排除在外，许多风险权重是由只持有一、两只基金产生的。因此资金流压力的相对权重更接近于反映单个共同基金的持有量，而不是所有共同基金的总持有量。
这种效应可以通过在模拟中对共同基金随机分配冲击来说明。在每个事件期，作者将流出资金作为每个基金总资产的比例，然后随机将其重新分配到可用基金领域中的另一只基金中。然后，作者使用这个随机分配的极端流量重新计算了流量到流量和流量到存量的完整度量。作者模拟这个随机分配1000次，计算最极端的十分位数和所有模拟的剩余十分位数的股票的平均规模。结果如表X所示。对于每一项的构建，流量压力的极端十分位数的平均市值明显小于实际测量和模拟中其余非零十分位数的市值。
因为这种规模排序的发生与特定基金的股票选择无关，任何衡量共同基金流动压力的变量，在考虑基金本身是否有选择之前，必须至少考虑这种自动排序。此外，在试图解决基金的潜在选择时必须谨慎。解决关于共同基金选择问题的一种常见办法是简单地排除某些类型的基金。然而这种方法从本质上减少了用于构建该指标的基金数量，减少可用资金的数量会自动减少使股票面临流出压力的资金数量。基金数量越少，该指标就越能反映单个基金的权重，而不是共同基金市场的总体权重。
\
总结
使用基金资金流出作为非基本面价格变化的代理变量的方法值得彻底重新评估。股市反馈效应是一个重要的问题，而为这些变化提供一个干净、直接的工具变量颇具吸引力。然而，人们对基金价格压力的理解，或许不如它应有的那么透彻。资金流对价格压力的影响值得进一步研究，以及需要一个综合的模型来阐明这些价格压力可以在多大程度上被精确测量。一旦我们知道了这一点，就可能更好地理解影响的总体程度，以及这种影响在何时何地是重要的。然而，试图用嘈杂的低频数据来构建一个衡量卖出压力的通用标准是非常危险的。
从资产定价的角度进行更彻底的检验，也有利于在公司语境下使用基于交易和流量的股票非基本面表现的一些衡量方法。应认真考虑任何特定变化所产生的影响，以及这些变化是否符合市场至少在某种程度上是有效的框架。更普遍的是，应该应用更全地分析和检验所有变量的决定因素，对于工具变量来说尤其如此。
市场反馈效应和共同基金外部性的问题是我们理解金融市场和企业行为的基础。因此研究人员对这些经济量已知的真实情况有一个全面的了解是很重要的。本文提供了证据以帮助我们推进这一领域的研究。
本文核心内容摘选自MW在《Journal of Finance》上发表的论文《基金的资金流压力会对股价造成冲击吗？》
\
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。